气象科技管理信息系统

气象科技管理信息系统

当前位置：首页 -> 成果评价

全球平均表面温度（GMST）的精准年际预测与应用

成果评价编号： 中气科成评[2025]045
评价结果： 优秀二等
成果名称： 全球平均表面温度（GMST）的精准年际预测与应用
完成单位： 中国科学院大气物理研究所
成果形式： 基础研究类-新方法
研究领域： 气候与气候变化
评价年份：
完成人： 郑飞、李柯欣、朱江
成果简介： 全球平均地表温度（GMST）是气候变化的核心表征指标，但由于对GMST年际变率机理认知不足，加之多尺度气候过程的耦合影响，当前国内外GMST预测存在时效短、误差大等问题，难以满足气候变化背景下的预警需求。为深化对年际GMST复杂变化的科学认识，明晰其季节-年际可预测源，实现GMST高精度预测，本成果基于尺度分离方法，系统探究了GMST的季节内-年际影响源，通过滤除陆表气温短期波动提升高频分量预测精度，耦合长期趋势与年代际缓变分量的强持续性，最新构建了大气所GMST集合预测系统，将GMST精准预测时效从提前15天提升至2-3个月（误差<0.02℃），效果显著优于国际机构（误差0.1~0.2℃）。
当前国际主流气候机构的GMST预测结果无法满足气候变化背景下的预警需求，如世界气象组织依赖数值天气预报结果仅能提前15天发布较精准的全年GMST预测值；NCEP、CESM等国际主流气候模式的冬季GMST预测相关技巧低于0.4；Met Office、Carbon Brief等机构的年际GMST预测误差超过0.07℃、不确定性达0.15℃，远超GMST的年际变幅和观测误差。本成果实现了：
（1）从时间尺度分离的角度揭示在季节内-年际尺度对GMST进行精准预测的可能性：基于时间尺度分离的分析框架，发现GMST的季节内-年际变率由快变的年际分量、缓变的多年代际分量和长期趋势分量复合而成。通过细致考量各分量的时空演变规律，明晰了不同分量的季节内-年际尺度可预测性来源，厘清各分量的季节内-年际变率影响机制及核心区域，为完善GMST年际预测奠定方法和理论基础，也为预测结果进行归因解释提供了新的视角。
（2）建立具有物理基础和高预测技巧的大气所GMST集合预测系统，超前2-3个月对GMST年际变幅进行精准预测：通过明确季节内平均方法能够降低来自北半球中高纬陆表气温的季节内噪声干扰，有效提取具有高频变率的GMST年际分量的持续性信号，并结合多年代际分量和长期趋势分量在季节内-年际尺度上的缓变特征，成功地建立了一个能够实时预测当年GMST的集合预测系统。该系统在修正后能够实现将精准预测GMST年际量值的时效从提前15天提升至2-3个月，预报误差小于0.02℃、相关技巧达0.98以上，远超多数S2S气候模式现有预测水平。
本研究开发的GMST集合预测系统，自2023年起在地球系统数值模拟大科学装置数据中心正式上线（https://earthlab-data.iap.ac.cn/GMST/），每月发布实时预测结果，提供GMST达特定阈值和历史排名的概率，有效增强我国极端暖GMST事件预测预警能力。在试运行阶段，预测系统通过超前预测2023-2024年GMST变化量值，连续两年成功预警GMST打破历史纪录，验证了系统的稳定性和准确性。
在成果的政策转化方面，依据该系统的预测结果为气候变化外交谈判提供政策建议，已被ZB/GB采纳10次，成为气候变化政策与应对策略制定的重要参考依据。同时，成果被纳入大科学装置2024年的亮点成果，进一步推动技术与应用的结合，对极端暖年的农业、能源预警具有重要意义。
研究成果于近三年在《npj CAS》、《ERL》、《AAS》等期刊上发表SCI论文9篇，累计引用340余次，单篇最高阅读量超8000次，相关报道在国内外被多次转发，显示了成果的社会和学术影响力。通过不断完善科学原理及算法模型，该系统有望进一步优化，提升预测准确性和覆盖面，为应对气候变化和防灾减灾提供更有力的科技支撑。
设为首页 | 加为收藏 | 网站介绍 | 联系我们
主管单位：中国气象局科技司 　网站维护：中国气象局气象干部培训学院
业务咨询：010-68409139 技术支持：010-68407418
地址：北京市海淀区中关村南大街46号 邮编：100081 EMAIL:kjgl@cma.gov.cn 京ICP备 15008089号-2
访问次数[77788241] 当前在线[67]