ENSO能够对全球环境和经济造成巨大影响，科学家们几十年来一直致力于改进ENSO预测。最近，夏威夷大学马诺阿分校的研究人员开发了一个扩展非线性充电振子（XRO）模型，能够提前18个月预测ENSO事件，大大改进了传统的气候模式预报。研究人员表示，该模型显著提高了ENSO事件提前一年多的预测能力，优于全球气候模型，可与最熟练的人工智能预测相媲美。此外，新模型还有效地结合了ENSO的基本物理学，以及ENSO与全球海洋中随季节变化的其他气候模式的相互作用。

　　论文作者、夏威夷大学金飞飞教授表示，与AI模型的“黑箱”性质不同，XRO模型为赤道太平洋的充放电物理机制及其与热带太平洋以外其他气候模式的相互作用提供了一个新的视角。温带太平洋、热带印度洋和大西洋的初始状态增强了ENSO在不同季节的可预测性。研究首次量化了它们对ENSO可预测性的影响，从而加深了对ENSO物理及其可预测性来源的了解。

　　该研究为更准确和更长提前期的ENSO预测和全球气候模式改进提供了新思路。相关成果以 Explainable El Niño predictability from climate mode interactions 为题发表在 Nature 期刊上。