通过同时分解季节性与PDO模式来扩展海表温度异常预测
大气与海洋物理
2026-01-06 v1
摘要
我们提出了一种新的方法，用于预测北太平洋海表温度 (SST)，通过认识到年际变率主要反映为四个主导季节性周期振幅的变化。我们的多变量线性模型同时捕捉这些振幅调制的季节性周期以及太平洋年代际振荡 (PDO)，后者自然地作为系统的内在特征而非独立现象出现。基于每个变量中四个空间分布时间序列的十六维回归，该模型为年际振幅调制和PDO演化提供了前所未有的预测精度，技能持续超过36个月——这在当前操作和研究预测中都有显著提升，包括机器学习方法。以2024年初始化的预测显示，PDO将在2026年年末前保持其负相位，这意味着该时期东北太平洋发生严重海洋热浪的概率将降低。这些发现直接影响区域气候影响，包括风暴轨迹、降水模式以及海洋生态系统健康。通过将季节性和年际变率视为耦合而非独立的过程，本框架推进了对北太平洋气候动力学的理解，并为受北太平洋条件影响较大的地区的利益相关者在管理气候敏感资源和规划适应性策略方面提供了强大的工具。
引用
@article{arxiv.2601.01864,
title = {Extending SST Anomaly Forecasts Through Simultaneous Decomposition of Seasonal and PDO Modes},
author = {Rameshan Kallummal},
journal= {arXiv preprint arXiv:2601.01864},
year = {2026}
}