近日，我院张荣华教授团队在印度夏季风降水（ISMR）可预测性研究方面取得新进展，相关研究《A tri-basin matching index improves Indian Summer Monsoon Rainfall predictability》发表于国际权威期刊《npj Climate and Atmospheric Science》。我院于诗赟博士后为第一作者，张荣华教授为通讯作者，合作者还包括中国海洋大学范磊副教授。

印度夏季风降水直接关系着南亚地区的水资源与农业生产，但其年际预测长期受制于海洋—季风关系的不稳定：自20世纪80年代末起，ENSO与季风降水的关系显著减弱，随后又在2000年后恢复增强。传统基于固定线性关系的统计模型（如以Niño3.4、印度洋偶极子、热带南大西洋指数构建的多元线性回归）在关系减弱时期技巧大幅下降甚至失效。

针对这一难题，研究团队提出了“匹配指数—经验正交函数分解”（MI-EOF）方法：将标准化季风降水与逐格点海温异常逐年相乘，刻画海洋—季风耦合的瞬时强度与空间分布，再通过 EOF 分解识别出三个主导模态（图 1）——ENSO 强度型（43.8%），反映太平洋主导强迫与多盆地相互作用之间的转换；ENSO 演化周期型（12.7%），反映印度洋"电容器效应"随 ENSO 发展—衰减阶段的变化；ENSO空间型（8.8%），反映东部型与中部型 ENSO 对季风遥相关路径的不同调制。三个模态的正、负位相各有清晰的物理机制（图 2）：强ENSO年太平洋通过增强的Walker环流、索马里急流水汽输送和东传Rossby波列单独控制季风，弱ENSO年IOD与热带南大西洋的调制作用凸显；ENSO衰减年印度洋海盆增暖以"电容器效应"持续向南亚输送水汽，发展年太平洋强迫重占主导；东部型激发更强的东传 Rossby波列和异常西南风水汽输送，中部型的环流响应则局限于中太平洋。基于此，团队构建了情景依赖的预测框架，依据实时海洋状态自适应选取预测因子，将ISMR重构相关系数由传统线性模型的 0.73 提升至 0.83（机制型方案），基于主成分的统计方案更达 0.88；即使在 ENSO—季风关系断裂、传统模型技巧降至接近零的时期，新框架仍保持稳定显著的预测能力。

该研究表明，季风可预测性的提升关键在于对海气耦合系统状态的识别，而非模型复杂度的增加。由于框架只需定性识别海洋所处的状态（强度、演化周期、空间型），对ENSO春季预报障碍并不敏感；随着动力模式与深度学习模型对海温的预测时效不断延伸，本框架可与现有ENSO预测系统衔接，形成海温预测——状态识别——季风预测的层级预报路径，为实时季风预测和极端旱涝灾害的预报预警提供了物理可解释的有效工具。本研究由江苏省卓越博士后计划（2024ZB012）、国家资助博士后研究人员计划C档（GZC20240736）、国家自然科学基金（42030410、41975089）和江苏省双创团队（JSSCTD202346）等项目资助。

图1 （a、c、e）基于匹配指数（MI）对热带三大洋区域进行EOF分解得到的前三个模态空间分布，解释方差分别为43.8%、12.7%和8.8%，打点区域表示通过95%置信度显著性检验；（b、d、f）对应的标准化主成分（PC）时间序列，虚线为用于定义极端位相的±0.8阈值。

图2 不同情景下影响印度夏季风降水的物理机制示意图：ENSO强度型中，强ENSO通过增强的Walker环流主导季风，弱ENSO时印度洋偶极子与热带南大西洋的调制作用凸显；ENSO演化周期型中，ENSO衰减年热带印度洋海盆增暖以“电容器效应”维持季风影响，发展年太平洋强迫重新占主导；ENSO空间型中，东部型事件激发更强的东传Rossby波列与异常西南风水汽输送，中部型事件的Walker环流响应则局限于中太平洋，二者导致不同的季风降水区域分布。

论文引用：Yu, S.-Y., Zhang, R.-H., & Fan, L. (2026). A tri-basin matching index improves Indian Summer Monsoon Rainfall predictability.npj Climate and Atmospheric Science。

论文链接：https://doi.org/10.1038/s41612-026-01553-y.