【导语清华团队提出的UniCM模型通过统一框架学习多个气候模态的相互作用突破了传统气候预测思路提升了气候预测的准确性与时效还能帮助科学家发现潜在机制对多个领域有重要价值。】UniCM打破传统的全球气候模态统一预测模型全球气候是由厄尔尼诺ENSO、印度洋偶极子IOD等多个气候模态共同构成的动态耦合系统。但长期以来大多数预测方法主要关注单个或少数气候模态难以刻画复杂的非线性交互过程。清华团队提出的UniCM模型将多个关键气候模态纳入统一框架把全球海洋—大气系统视为相互作用的整体。双分支架构与双向耦合机制UniCM采用双分支架构包含Globalformer和Modeformer两个核心模块。Globalformer处理海表温度等关键物理变量学习气候系统的时空演化规律Modeformer聚焦七类重要气候模态学习它们之间的非线性交互和共同演化过程。更重要的是UniCM建立了双向耦合机制即“mode - to - patch guidance”实现从局部到整体、再从整体反馈局部的闭环建模利用大尺度气候状态指导局地预测。卓越的预测能力与可解释性在ENSO预测方面UniCM表现卓越。在1980—2023年的观测数据检验中它在24个月预测窗口内持续优于多种代表性基线模型能将ENSO的有效预测提前期延长至19个月此前先进模型通常只能达到15至16个月左右。在“春季可预报性障碍”问题上也能将有效预测能力延长至约14个月还成功再现了历史极端事件。UniCM还能在同一框架下同时预测七类重要气候模态对部分较难预测的非ENSO模态平均预测技巧提升超过22%IOD的有效预测提前期达到约7个月且能准确重建不同气候模态之间的滞后相关关系。此外UniCM具有较强的可解释性通过分析内部注意力机制能在重大ENSO事件发生前聚焦关键区域和模态关系帮助科学家发现潜在机制成为气候科学研究的重要辅助工具。未来应用与发展前景广阔在全球气候变化背景下长期气候预测愈发重要。UniCM不仅是新的气候预测模型更是面向复杂系统的统一建模思想。未来该框架有望扩展到季节内振荡、年代际气候变化等研究并应用于其他具有“局部过程—整体结构”双向耦合特征的复杂系统。编辑观点UniCM模型的出现为气候预测带来了新的突破其统一建模思想和卓越性能有望推动气候科学研究和相关领域的发展具有重要的科学和应用价值。