近日，中国科学院海洋研究所联合美国斯克里普斯海洋研究所团队，在厄尔尼诺–南方涛动（ENSO）预测机制研究方面取得重要进展，相关成果发表于国际学术期刊 Geophysical Research Letters。

ENSO是全球最重要的气候变率模态之一，对极端天气、生态系统及社会经济具有深远影响。然而，自2000年前后全球变暖“停滞期”（1998年~2013年）以来，传统基于海表温度（SST）的ENSO预测能力显著下降，预测提前期缩短、不确定性增加，其成因长期未被清晰认识。

本研究基于团队自主研发的可解释深度学习模型STPNet（图1），系统评估了海表盐度（SSS）对不同气候背景下ENSO预测能力的影响。结果表明，在“停滞期”后纳入盐度信息，可显著提升ENSO预测技巧，暗示盐度已成为当前气候背景下调控ENSO可预报性的关键因子。

图1 STPNet 模型结构及不同时期ENSO预测相关技巧

掩膜试验结果表明，印太关键区域（尤其是海洋大陆区域）在ENSO预测中起核心作用，是影响预测能力的关键枢纽。归因分析显示，盐度通过调节海洋密度结构，改变印度洋与太平洋之间的压力梯度，从而增强印尼贯穿流（Indonesian Throughflow, ITF）的输运能力。在全球变暖背景下，尽管温度驱动的输运有所减弱，但盐度驱动的“补偿效应”显著增强，有效维持了印太海盆之间的海洋连通性及次表层热量“记忆”，为ENSO的发展提供了关键的前期条件。

滞后相关分析进一步揭示，在停滞期之后，盐度驱动的ITF输运由原先的被动响应转变为ENSO的前兆信号（提前约3~9个月），表明盐度通过调控跨海盆输运过程，建立了一条新的ENSO前兆动力通道。该研究表明，在全球变暖背景下，ENSO预测机制正由传统的“温度主导”向“热盐耦合”机制转变，印太相互作用的重要性显著增强。相关成果不仅深化了对ENSO可预报性变化的认识，也为发展新一代气候预测系统提供了重要科学依据。

图2 盐度调控提升ENSO预测技巧示意图

论文第一作者为中国科学院海洋研究所王晶研究员，通讯作者为海洋所李晓峰研究员，合作者包括海洋研究所博士后王浩宇博士及美国斯克里普斯海洋研究所Janet Sprintall博士。该研究得到国家自然科学基金等项目的支持。（来源：中国科学院海洋研究所）

相关论文信息：https://doi.org/10.1029/2025GL119444