相对于天气和气候预测，次季节预测技巧普遍较低，其理论关键瓶颈之一在于下垫面边值条件对于次季节尺度预测的影响尚不清楚。在国家自然科学基金国际合作与交流项目（中伊）“基于统计（机器学习）-动力气候预测的伊朗农业旱灾风险季节预测研究”的支持下，基于国际次季节至季节预测计划（S2S）的多机构模式数据，选取中西南亚区域为示范区，该研究首次系统阐明了海洋年际变率两大核心因子——厄尔尼诺-南方涛动（ENSO）和印度洋偶极子（IOD）与初冬降水次季节预测技巧的重要关联，相关成果发表在国际Top期刊《Atmospheric Research》上。

        该研究首先揭示了，作为下边界背景的海洋异常状态显著影响局地降水次季节预测技巧。在拉尼娜和活跃IOD背景下，提前2-4周的确定性和概率性降水预测技巧均显著提高，而厄尔尼诺背景下提升有限（图1和图2）。这一发现表明ENSO对区域降水预测的影响存在非对称性，这一非对称性源于ENSO本身对区域降水影响的非对称性。具体而言，与拉尼娜相比，厄尔尼诺背景下的海温异常呈现更高的时空多样性，从而引发更复杂的大气响应。因此在厄尔尼诺发生时，该区域的降水变率更大，从而增大了降水预测的不确定性，导致厄尔尼诺背景下的降水预测技巧提升有限。这一结论表明拉尼娜和活跃IOD背景为该地区初冬降水次季节预测的提升提供了“机会窗口”，证明了次季节预测中年际气候异常的关键作用。

图1 不同ENSO背景下提前2-4周中西南亚地区降水的确定性预测技巧

图2 不同IOD背景下提前2-4周中西南亚地区降水的确定性预测技巧

        进一步研究发现，海洋边界条件自身的次季节预测误差直接影响局地降水预测的准确性。由于ENSO和IOD在初冬处于不同的发展位相（ENSO处于成熟期而IOD处于衰减期），两者在初冬的月预测偏差呈现系统性差异：ENSO的月预测准确性高于IOD（图3）。值得注意的是，当强ENSO/ IOD事件的预测出现偏差时，会显著降低中西南亚周边大气环流系统的预测准确度，进而导致局地降水预测误差增大（图4）。这一结论表明提升海表温度变率的预测水平有望改善次季节降水预测的准确性，为改进次季节动力气候模式的降水预测技巧提供了科学思路。

图3 ENSO与IOD事件的发展演变过程及其逐月预测偏差（6月到次年5月）

图4 强ENSO/ IOD事件的月预测偏差与降水和环流（500hPa位势高度）月预测偏差的相关关系