Förbättrad säsongsprognos för global medeljordtemperatur genom att införliva dynamiska ENSO‑realistiska prognoser

Varför bättre säsongsprognoser spelar roll

Jordbrukare, energiplanerare och katastrofhanterare behöver i allt högre grad veta hur varmt det kommer att bli på planeten under kommande säsonger. Denna studie undersöker varför nuvarande kortsiktiga prognoser av jordens genomsnittliga yttemperatur ibland missar och visar hur spårning av välkända tropiska klimatmönster kan göra dessa prognoser tidigare och mer tillförlitliga.

En global termometer med verkliga konsekvenser

Global medeljordtemperatur, eller planetens genomsnittliga värme nära ytan, är ett enkelt tal som döljer komplex fysisk dynamik. Ändå har det direkta konsekvenser för skördetid, bränslebehov, värmestress och väderrelaterade risker. Säsongsprognoser för denna globala temperatur kan hjälpa samhällen att förbereda sig några månader i förväg. Befintliga klimatmodeller och även moderna maskininlärningssystem har emellertid svårt att förutsäga år‑till‑år‑variationer, särskilt för de avgörande norra höst‑ och vintermånaderna när många klimatextremer inträffar.

Pusslet med höstprognosfel

Författarna undersökte varför deras tidigare prediktionssystem, utvecklat vid Institute of Atmospheric Physics i Peking, började tappa noggrannhet när prognoser startades på hösten. Genom att jämföra prognoser med observationer från 1980 till 2024 fann de att felen var tätt kopplade till vad som hände över de tropiska haven. Under El Niño‑händelser, när centrala och östra Stilla havet värms upp, tenderade deras modell att underskatta den globala temperaturen. Under La Niña, med kallare vatten i Stilla havet, överskattade den ofta. Felmönstret var inte begränsat till Stilla havet utan spred sig över Indiska oceanen och Atlanten, vilket avslöjar en pantropisk kedja av interaktioner som den ursprungliga modellen inte fångade fullt ut.

Tropiska hav som samverkar

Fysiskt visar studien hur en varm El Niño‑fas försvagar och förskjuter en viktig atmosfärisk cirkulation över Stilla havet. Denna förskjutning ändrar vindar och strömmar i Indiska oceanen, vilket gynnar en varm fläck i dess västra och centrala delar, och förändrar också vindarna över tropiska norra Atlanten, vilket leder till uppvärmning där. Dessa sammanlänkade oceanbassänger verkar tillsammans för att påverka planetens totala yttemperatur under följande säsonger. När dessa bassängomfattande responser är starkare än vad modellen förväntar sig blir den globala temperaturprognosen för kall, och när de är svagare blir den för varm. Motsatsen sker under La Niña, när bassängomfattande nedkylning är vanlig. Att känna igen denna kedja hjälper till att förklara varför felen samlas i år med starka El Niño‑ eller La Niña‑förhållanden.

Att blanda fysisk insikt med statistik

För att omsätta denna förståelse i ett praktiskt verktyg konstruerade författarna ett hybridramverk för prognoser. De behöll sitt befintliga statistiska system som redan separerade långsammare och snabbare klimatsvängningar, men lade till information från en separat modell som förutspår styrkan hos El Niño och La Niña månader i förväg. Med historiska data lärde de sig hur prognosfelen förändrades med den förutsagda signalen från Stilla havet och använde sedan det sambandet för att korrigera nya prognoser i realtid. De testade även att inkludera ytterligare index från Indiska oceanen och Atlanten. Medan dessa hjälpte till att ta bort en del genomsnittlig bias förbättrade de inte år‑till‑år‑förmågan lika mycket som fokus på Stilla havet, sannolikt eftersom deras beteende redan är starkt kopplat till El Niño och La Niña.

Vad det nya systemet levererar

Med detta kombinerade tillvägagångssätt minskade de förbättrade prognoserna de genomsnittliga felen med ungefär två femtedelar för prognoser som startade i september och oktober och förde många stora El Niño‑ och La Niña‑år tillbaka inom observationsosäkerheten. I ungefär två tredjedelar av åren som studerades var de korrigerade prognoserna närmare verkligheten, med särskilt stora vinster under El Niño‑episoder. Mest anmärkningsvärt förlängdes tidshorisonten för tillförlitlig global temperaturprognos från två till fyra månader. För användare av klimatinformation innebär detta tidigare varningar om ovanligt varma eller kalla säsonger på planetskala, uppnått med en metod som är enklare och mindre beräkningskrävande än många fullskaliga klimatmodeller.

Citering: Li, KX., Zheng, F. Improving seasonal prediction of global mean surface temperature by incorporating dynamic ENSO realistic forecasts. npj Clim Atmos Sci 9, 114 (2026). https://doi.org/10.1038/s41612-026-01386-9

Nyckelord: säsongsbetonad klimath prognos, global medeljordtemperatur, ENSO, El Niño, pantropiska hav