ENSO对全球的天气和气候有重要的影响，提高ENSO的预测技巧是当今科学界的重大难题之一。尽管许多动力和统计模式在ENSO的振幅预测方面已经取得较大的进步，但是对于超强El Nino和La Nina的预测技巧却仍有待提高。
李天明教授团队利用时空投影模型（STPM），构建了提前1-6个月对Nino3.4指数演变的预报模型，模型基于超前滞后回归方法，确定与ENSO振幅演变高度相关的前期可预报源：海表面温度异常，温跃层深度异常，混合层海温异常和累积西风指数。通过将预报因子与Nino3.4指数进行STPM模型的构建，能够提前1-6个月预报当年8月-次年1月的Nino3.4指数（三个滑动平均）的演变过程。该模型预测的Nino3.4指数在训练期（1950-2000）的均方根误差（RMSE）为0.46，在独立预报期（2001-2016）为0.52，预报技巧高于国家气候中心BCC_CSM模式的结果；进一步分析表明当预测的ENSO振幅越强时，预测结果可信度更高。
时空投影模型（STPM）能够提前1-6个月预测ENSO演变，证明了统计模式在ENSO的振幅预测中仍发挥着重要作用，寻找更加可靠的可预报源也十分具有现实意义。该成果已发表在《International Journal of Climatology》上，论文第一作者为博士研究生潘晓。
Niño3.4 index in DJF predicted by MLTA, SSTA, D20CA, and AWI, along with the observed DJF Niño3.4 index (solid line). The ensemble-mean and the persistent (Niño3.4 index in June) forecasts are denoted by different dashed lines. The RMSE is shown in the upper-right (upper left) of the panel for each predictor during independent-forecast period in 2001–2016 (hindcast period in 1950–2000).
论文信息：
Pan, X., Z. Zhu, and T. Li, 2020: Forecasts of ENSO evolution using spatial-temporal projection model. Int. J. Climatol., 40, 6301-6314
