[论文解读] Climate network and complexity based ENSO forecast for 2026

Josef Ludescher, Jun Meng+3 more|IIASA PURE (International Institute of Applied Systems Analysis)|Feb 16, 2026

Climate variability and models被引用 0

一句话总结

论文结合气候网络方法与 System Sample Entropy (SysSampEn) 复杂性方法来预测 2026 年的 ENSO。两种方法出现分歧，整体上更可能出现中性 ENSO 事件，若发生则可能为较弱的厄尔尼诺，得到 ERA5 数据支持并倾向于东太平洋型厄尔尼诺的类型预测。

ABSTRACT

The El Niño Southern Oscillation (ENSO) is the dominant driver of interannual global climate variability and can lead to extreme weather events such as droughts or flooding. Recently, we have developed several statistical approaches for early ENSO forecasting, in particular, its El Niño phase. The climate network-based approach allows forecasting the onset of an El Niño event or its absence about 1 year ahead [1]. The complexity-based approach allows additionally to forecast the magnitude of an upcoming El Niño event in the calendar year before the onset [2]. Additionally, we have developed methods for forecasting the type (Eastern Pacific or Central Pacific) of an El Niño [3] and for probabilistic forecasting of La Niña and neutral events [4], also by the end of the calendar year before the event. Here we present the forecasts of these methods for 2026. The climate network and the complexity-based approach do not provide concurring signals for this year. The combined forecast indicates that a neutral event is more likely than an El Niño. If an El Niño develops in 2026, the complexity-based approach predicts a weaker event with a magnitude of $0.84\pm0.36$°C.

研究动机与目标

• 由于全球气候影响及缓解工作的实用性，推动对 ENSO 的早期预报。
• 提供基于气候网络的厄尔尼诺出现与否在前一日历年的预测。
• 提供基于 SysSampEn 的厄尔尼诺强度和发生时间在前一年中的预测。
• 预测厄尔尼诺的类型及对拉尼娜/中性结果的概率。
• 讨论数据选取（NCEP/NCAR 与 ERA5）并将综合预测与官方 CPC 预测进行比较。

提出的方法

• 气候网络方法：从 Niño3.4 区域与其他热带太平洋节点之间的互相关中计算平均链路强度 S(t)，用于预测下一年的厄尔尼诺发生；阈值穿越触发报警。
• SysSampEn 方法：从 ERA5 日均近地面温度在 Niño3.4 区域计算系统样本熵（System Sample Entropy）；使用线性回归将 y-1 时的 SysSampEn 与 y 年的厄尔尼诺强度联系起来。
• 使用网络算法的版本 (ii)，要求该年的剩余时间 ONI < 0.5°C 才计入报警；阈值在 1950–1980 年学习。
• 利用 ΔT_WP-CP 指数（EP 与 CP）来解释在发生时厄尔尼诺类型的可能性。
• 将预测与 Laplace 的优先规则结合以量化联合概率并与 NOAA CPC 预测进行比较。
• 应用基于 ERA5 的网络检查以与基于 NCEP 的结果进行比较并讨论部分穿越的解释。

实验结果

研究问题

• RQ1 依照气候网络与 SysSampEn 方法，2026 年厄尔尼诺发生的预测概率是多少？
• RQ2 若在 2026 年发生厄尔尼诺，其强度的预测值及不确定性是多少？
• RQ3 若 2026 年发生厄尔尼诺，预测的类型（东太平洋还是中央太平洋）是什么？
• RQ4 若 2026 年冬季不出现厄尔尼诺，预测的拉尼娜与中性结果的概率分别是多少？
• RQ5 ERA5 基于的预测与 NCEP 基于的预测及官方 CPC 预测相比如何？

主要发现

• 气候网络方法预测 2026 年无厄尔尼诺的概率为 91.4%（发生缺失的概率）。
• SysSampEn 复杂性方法预测 2026 年将出现较弱的厄尔尼诺，强度为 0.84 ± 0.36°C，发生概率为 71.4%。
• 结合 Laplace 的优先规则后，给出 2026 年厄尔尼诺发生的联合概率为 37.5%（基于过去的分歧）。
• 基于 ERA5 的结果更倾向于与 SysSampEn 预测一致，若发生则可能为较弱的厄尔尼诺；ERA 的厄尔尼诺概率高于基于 NCEP 的结果。
• 若发生厄尔尼诺，基于 ΔT_WP-CP 等指标，EP（东太平洋）型的概率大约为 76.9%。
• 在非厄尔尼诺年份，基于年际 ONI 的关系预测在 2026/27 冬季中，拉尼娜的概率为 29.1%，中性概率为 70.9%，以没有厄尔尼诺为条件。