全球气候异常事件正在刻影响农业生产、水资源调度、能源管理和灾减灾昌吉家具封边胶价格。

长期以来，厄尔尼诺（ENSO）、印度洋偶子（IOD）等关键气候模态通常被单预测，但真实气候系统是由多个海洋—大气模态相互作用形成的复杂耦网络。

如何从系统层面理解和预测这些相互关联的气候变化过程，直是气候科学和人工智能域的重要挑战。

就在近，清华大学电子工程系李勇教授团队联北京师范大学研究人员，在顶期刊《Nature Machine Intelligence》发表论文《Learning the coupled dynamics of global climate modes》，提出全球气候模态统预测模型（UniCM）。

该工作次从"全球耦气候系统"视角出发，统学习多个气候模态之间的复杂动力学关系，实现了对全球气候模态的协同预测，并为 AI 驱动的气候科学发现提供了新的研究范式。

为什么提出 UniCM 统预测框架

近年来，以 Pangu-Weather、GraphCast 等为代表的 AI 天气预报模型取得突破进展，在短期天气预测面达到甚至越传统数值模式水平。

然而，对于未来数月至数年的气候变化预测，科学界仍面临巨大挑战。

气候系统中的 ENSO、IOD、TNA、NPMM 等模态并非孤立存在，而是通过遥相关和跨洋盆能量交换形成复杂的全球耦网络，共同影响全球季风系统、干旱洪涝事件、海洋热浪以及端天气发生。

现有气候预测法大多聚焦于单模态预测，或者仅研究少数模态之间的关系，难以充分刻画全球气候系统中跨区域、跨尺度的复杂耦机制。

许多隐藏在多模态相互作用中的可预测信息因此被忽略。

针对这问题，研究团队提出 UniCM 统预测框架，将多个关键气候模态纳入同模型进行联学习，同时建模局地物理场演化与全球气候模态耦关系，实现从"单模态预测"向"全球气候系统预测"的跨越。

UniCM 有哪些亮点

技术亮点：构建全球气候模态统预测框架。

UniCM 次将 ENSO、IOD、IOB、SIOD、NPMM、SPMM 和 TNA 等七类关键气候模态统纳入同预测框架昌吉家具封边胶价格，从全球气候系统整体视角学习海洋—大气耦动力学。

这设计突破了传统模型"个模态个模型"的研究范式，使模型能够直接学习不同气候模态之间长期存在的复杂非线交互关系。

技术亮点二：双分支 Transformer 架构—— UniCM 核心采用"双分支、多视角 Transformer 架构"。

（1）Globalformer：自下而上的物理场建模

Globalformer 负责学习海表温度（SST）、风应力、温跃层度以及海洋上层温度等关键物理变量的时空演化规律，捕获气候模态形成的底层物理过程。

（2）Modeformer：自上而下的模态耦建模

Modeformer 负责学习多个气候模态之间的时间演化规律和非线交互关系，构建全球气候系统的层状态表达。

技术亮点三：创新跨视角耦机制。

UniCM 核心的创新在于提出" Mode-to-Patch Guidance（模态引机制）"。

团队将 Modeformer 学习到的全球气候系统状态反馈至 Globalformer，保温护角专用胶用层气候模态信息指底层物理场预测。

该机制实现了：

物理场生成气候模态；

气候模态反向调控物理场；昌吉家具封边胶价格

建立跨尺度双向反馈学习机制。

从而能够有捕获传统模型难以显式描述的长期耦动力学关系。

实验结果

结果：ENSO 预测能力达到先水平。

在 GODAS、ORAS5、SODA 等多个再分析数据集测试中，UniCM 在 24 个月预测窗口内整体优于 XRO、CNN、ResoNet 和 DESN 等代表模型。

其中：

ENSO 有预测提前期由现有模型的 15 – 16 个月提升至 19 个月；

预测误差降低 14.1 – 17.9；

在 12 个月预测时仍保持 0.78 以上 ACC 水平。

结果二：突破"春季可预报障碍"。

ENSO 预测长期存在的" Spring Predictability Barrier（春季可预报障碍）"。

UniCM 在跨越春季预测时仍能保持 ACC＞0.5 长达 14 个月，而现有模型通常只能维持 9 – 12 个月。

结果三：实现全球七类气候模态统预测。

除 ENSO 外昌吉家具封边胶价格，UniCM 还对 IOD、IOB、SIOD、TNA、NPMM 和 SPMM 等多个关键气候模态取得先预测果。

研究发现：

IOD 有预测时长达到约 7 个月；

多个非 ENSO 模态预测能力平均提升过 20；

模型能够准确重建气候模态间真实的滞后相关结构。

结果四：AI 次揭示气候模态耦前兆。

通过分析模型内部注意力机制，研究团队发现 UniCM 能够自动识别重大 ENSO 事件发生前的重要前兆区域及关键模态间交互关系。

例如：

自动发现 NPMM 是 1997 年强厄尔尼诺的重要先信号；

识别 TNA 在端气候事件中的关键作用；

揭示端事件发生前模态间耦强度显著增强。

项目价值

UniCM 的意义不仅在于提气候预测精度，重要的是提出了种面向复杂地球系统的新型 AI 建模范式。

该研究证明，气候系统的长期可预测并非仅来源于单气候现象，而是蕴藏于多个气候模态之间复杂的耦关系之中。通过统学习这些耦动力学，UniCM 为长期气候预测、端天气预警以及地球系统科学研究提供了新的技术路径。

未来，该框架有望进步应用于可再生能源调度、农业生产管理、渔业资源预测、灾减灾以及全球气候变化研究等域，并动 AI 从"预测工具"向"科学发现工具"转变。

UniCM 背后的研究团队

这篇论文的通讯作者为李勇教授，他是清华大学电子工程系的长聘教授、博士生师，教育部长江学者。

他长期从事人工智能、数据科学、复杂系统与社会计等交叉学科研究，主持了多个国研发计划和国自然科学基金项目。

在科研成果面，李勇教授在人工智能和数据科学向积累了丰富研究成果，在 Nature、Nature Computational Science、Nature Machine Intelligence、Nature Human Behaviour、Nature Cities 等综期刊，以及 ACM KDD、NeurIPS、ICLR、WWW 等会议上发表了大量水平论文，累计引用过四万多次，并拥有多项授权利。

他曾入选全球被引科学、国万人计划青年拔人才，获得教育部科技进步等、IEEE ComSoc 亚太杰出青年学者、吴文俊人工智能优秀青年等多项荣誉，同时也担任多个会议筹委会成员和期刊编委。

键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

我们正在招聘名眼疾手快、关注 AI 的学术编辑实习生  � �

感兴趣的小伙伴欢迎关注 � �  了解详情

� � 点亮星标 � �

科技前沿进展每日见相关词条:离心玻璃棉     塑料挤出机     钢绞线厂家    铝皮保温    pvc管道管件胶

奥力斯    pvc管道管件胶批发    联系人：王经理    手机：15226765735（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。