清华李勇团队提出UniCM模型，ENSO预测提前期延长至19个月

事件概述

清华大学李勇教授团队在《Nature Machine Intelligence》发表论文《Learning the coupled dynamics of global climate modes》，提出统一气候模态模型UniCM。该模型将ENSO、IOD、TNA、NPMM、SPMM、IOB、SIOD七个气候模态纳入同一系统，通过物理场与模态的联合学习，实现全球气候耦合动力学的预测。ENSO有效预测提前期延长至约19个月，春季可预报性障碍影响减弱。

核心信息

• 模型结构：UniCM采用双分支Transformer架构。Globalformer处理海表温度、风应力、温跃层深度、上层300m海温等物理场；Modeformer处理7个气候模态指数。两个分支通过耦合机制连接，使物理场预测受全局模态状态约束。
• 数据与训练：使用CMIP6历史气候模拟训练，再分析数据集测试。输入为过去12个月状态，输出未来24个月预测。物理场数据经月异常处理、标准化后统一至5°×5°网格。
• 预测能力：在ENSO预测方面，长提前期有效预测时间约19个月，能较好捕捉1997-1998年极端El Niño和2020-2023年三重La Niña的演化路径。多模态统一预测下，IOD、TNA、IOB、SIOD等非ENSO模态预测能力明显改善。海表温度预测方面，赤道中东太平洋区域效果最突出。
• 模态关系：模型捕捉到NPMM对ENSO的提前影响、TNA与ENSO的跨洋盆联系、SIOD与IOB的印度洋内部联系，并能还原时间先后、强弱变化和非对称结构。注意力机制显示，极端事件前气候模态之间的联系更集中、更有组织。

值得关注

• 该研究将气候预测从单模态推进到多模态统一预测，从线性关系建模推进到非线性耦合建模，并实现物理场与气候指数的联合预测。
• 模型揭示了跨洋盆遥相关中的可学习结构，为理解极端事件前兆信号提供了数据驱动证据。
• 通讯作者李勇教授为清华大学电子工程系长聘教授，主持多项国家重点研发计划，在Nature系列子刊和顶级会议发表多篇论文。