近日，中国海洋大学未来海洋学院教授甘波澜团队在北极海冰研究领域取得重要进展，相关成果发表于国际期刊《npj气候与大气科学》。研究团队利用深度神经网络模型，系统评估了中低纬度海表温度异常对北极海冰范围变率的影响，发现大西洋海温异常的作用最为显著且稳健。

全球变暖背景下，北极海冰变化对气候系统及极端天气具有深远影响。中低纬度海洋海温变化是影响北极海冰变率的重要因子，但不同大洋海温异常的相对重要性长期存在争议。

针对这个问题，研究团队分别构建了基于太平洋、大西洋和印度洋海温异常场的三个独立深度神经网络模型，利用1982至2022年逐日观测数据重建北极海冰范围时间序列。

结果表明，以大西洋海温超前20天为输入的模型，其均方误差和相关系数均显著优于另外两个模型，且在各时段几乎均呈现统计显著的重建相关性。去除长期趋势后，夏季和冬季的显著相关依然稳健。

与传统线性岭回归模型相比，深度神经网络模型的重建效果显著提升，体现了深度学习在捕捉海温与海冰之间非线性遥相关方面的独特优势。这一优势主要来源于两方面：其一，使用积分梯度和遮挡敏感分析等两种可解释人工智能技术，均能一致识别出，加勒比海与湾流区是大西洋海温异常影响北极海冰的关键海区；其二，深度神经网络能够有效捕捉线性模型所忽视的年际尺度海温异常的非线性影响。

研究进一步发现，海温异常驱动的潜热通量变化，可通过激发快速大气调整，在调节北极海冰过程中发挥重要作用。

该研究为深入理解北极海冰变异的驱动机制、提升海冰预测精度提供了重要科学支撑，也展现了深度学习在解析复杂气候系统遥相关关系中的独特应用价值。

研究工作得到国家重点研发计划、山东省基础研究基金等项目资助。

相关论文信息：https://doi.org/10.1038/s41612-026-01347-2