PNAS前沿：厄爾尼諾現象大概率將在2020下半年暴發_風聞

自1900年以來，至少發生了30起厄爾尼諾事件。近日，來自波茨坦氣候影響研究所的孟君和樊京芳博士，北京師範大學陳曉松教授以及合作者，提出了一種基於熵理論的方法來預測厄爾尼諾事件的強度。對於剛剛到來的2020年，基於下文中提出的 System Sample Entropy 的方法，論文作者預測厄爾尼諾將有很大概率會在本年下半年再次發生，並發展為一箇中等強度甚至高強度的厄爾尼諾事件。本文是作者對這篇 PNAS 論文的解讀。

**撰文 |**樊京芳

****編輯 |****張爽

來源：集智俱樂部

論文題目：

Complexity-based approach for El Niño magnitude forecasting before the spring predictability barrier論文地址：

https://www.pnas.org/content/117/1/177.short

一

什麼是厄爾尼諾？

厄爾尼諾是一種週期性氣候現象，指赤道東太平洋海水每隔數年就會異常升温的現象，平均每2-7年發生一次。厄爾尼諾-南方振盪現象（El Niño-Southern Oscillation，簡稱 ENSO）是赤道附近東太平洋海水錶面温度和海風週期性變化的氣候現象。厄爾尼諾現象是厄爾尼諾-南方振盪現象中的升温階段。對於該現象的發生機制目前科學界有多種觀點，通常認為厄爾尼諾現象的發生，與太平洋赤道上的大氣環流—沃特環流—的改變有關。厄爾尼諾-南方濤動現象中的低温階段稱為拉尼娜現象。在厄爾尼諾與拉尼娜的中間階段，西太平洋低壓和東太平洋高壓 （或沃特環流）會造成海風自東向西將東太平洋表面温暖的海水和空氣自東向西吹，同時低層的低温海水向上翻湧，造成東太平洋表面海水温度較低。而在厄爾尼諾發生前，赤道太平洋表面西風減弱或轉向，從而使得東太平洋海水温度變高，最終導致厄爾尼諾的發生。在厄爾尼諾期間，熱帶降水和大氣環流的正常規律被打亂，並在全球範圍引發極端氣候事件。

由來：“厄爾尼諾”一詞來源於西班牙語，原意為“聖嬰”。19世紀初，在南美洲的厄瓜多爾和秘魯等西班牙語系的國家，漁民們發現，每隔幾年，從10月至第二年的3月便會出現一股沿海岸南移的暖流，使表層海水温度明顯升高。南美洲的太平洋東岸本來盛行的是秘魯寒流，隨着寒流移動的魚羣使秘魯漁場成為世界四大漁場之一，但這股暖流一出現，性喜冷水的魚類就會大量死亡，使漁民們遭受滅頂之災。由於這種現象最嚴重時往往在聖誕節前後，於是遭受天災而又無可奈何的漁民將其稱為上帝之子——聖嬰。

**定義：**厄爾尼諾現象的出現頻率並不規則，該現象一般每隔2至7年出現一次，持續時間可長達18個月。根據美國大氣海洋管理局（NOAA）的定義， 如果海洋厄爾尼諾指數（Oceanic Niño Index2）超過0.5oC，並且持續至少五個月，那麼該事件稱為厄爾尼諾事件（El Niño Episodes）；反之，如果海洋厄爾尼諾指數低於 -0.5oC，並且持續至少五個月，那麼該事件會稱為拉尼娜事件（La Nina Episodes）。

圖1：正常的太平洋格局：西部的暖池驅動深層大氣對流。來源於維基百科

圖2：厄爾尼諾現象：暖的海水和大氣對流向東移動。來源於維基百科

二

厄爾尼諾的影響

01

氣候影響

厄爾尼諾現象會影響全球氣候並破壞正常的天氣模式，從而可能導致某些地方遭受強烈暴雨、洪水、極熱或極冷的天氣條件，進而可能導致動物疾病的暴發（包括人畜共患疾病和食源性疾病），以及植物病蟲害和森林火災等。在以往發生的厄爾尼諾事件中，某些地區以漁業為生的人受到嚴重影響。

自1950年以來對厄爾尼諾事件的觀察表明，厄爾尼諾的發生及其所造成的影響具有多樣性和不確定性的特點，這也就增加了相關預測工作的難度。在大多數厄爾尼諾事件期間，比較明確的影響包括印度尼西亞和南美洲北部的降雨量低於平均水平，而南美東南部，赤道非洲東部和美國南部的降雨量高於平均水平。

對中國的影響：

對於中國來説，厄爾尼諾易導致暖冬，南方易出現暴雨洪澇，北方易出現高温乾旱，東北易出現冷夏。比起單純的氣温變化，極端天氣更容易引發危險。

（1）颱風減少。西太平洋熱帶風暴（颱風）的產生次數及在我國沿海登陸次數均較正常年份少。

（2）夏季風較弱，季風雨帶偏南，位於中國中部或長江以南地區。北方地區夏季容易出現乾旱、高温，南方易發生低温、洪澇。近百年來我國的嚴重洪水，如1931年、1954年和1998年長江中下游地區的洪水，都發生在厄爾尼諾現象出現的次年。

（3）厄爾尼諾現象發生後的冬季，我國北方地區容易出現暖冬。

02

對人類和自然的社會生態影響

**經濟：**廣泛地説，厄爾尼諾現象會影響商品價格和不同國家的宏觀經濟。它可以限制降雨驅動的農產品的供應；減少農業產量，建築和服務活動；造成食品價格上漲和通貨膨脹；並可能在主要依賴進口食品的依賴商品的貧窮國家引發社會動盪。此外，在厄爾尼諾衝擊之後，大多數國家都經歷了短期的通脹壓力，而全球能源和非燃料商品價格卻在上漲。

**健康：**與厄爾尼諾現象有關的極端天氣狀況與流行病發病率的變化有關。例如，厄爾尼諾週期與蚊子傳播的某些疾病的風險增加有關，例如瘧疾，登革熱和裂谷熱。印度，委內瑞拉，巴西和哥倫比亞的瘧疾惡性循環現已與厄爾尼諾現象有關。暴雨和洪水後，在澳大利亞東南部的温帶地區暴發了另一種由蚊子傳播的疾病，即澳大利亞腦炎（Murray Valley腦炎，MVE），這與拉尼娜事件有關。在1997-98年厄爾尼諾現象期間，肯尼亞東北部和索馬里南部出現特大降雨，隨後發生了裂谷熱的嚴重暴發。

三

厄爾尼諾的預測

厄爾尼諾事件的發生對全球各地區的氣候災害均有預兆意義，因此對它的預報已成為氣候預測中最重要內容之一。及早並準確地預測厄爾尼諾的發生以及強度，對預防或降低其帶來的全球範圍內的經濟、農業、社會等方面的損失意義重大，而且將幫助政府和相關機構制定政策，應對厄爾尼諾的影響。

春季預測障礙

目前傳統的厄爾尼諾預測方法只能在提前6個月範圍內給出比較準確的預測，這一現象稱之為，春季預測障礙（即無法在厄爾尼諾發生的那一年的春季或更早給出準確預測）。圖3顯示了18個動力學和8個統計學氣候模型預測能力， 我們看到在春季的時候幾乎所有的模型都喪失了準確地預測厄爾尼諾的能力。

圖3：傳統氣候模型預測能力示意圖。來源於NOAA

厄爾尼諾事件發生的長時間預測

為了克服上面提到的春季預測障礙，來自波茨坦氣候影響研究所的團隊-提出了一種全新的框架用以預測厄爾尼諾事件的開始—即氣候網絡的方法。不同於一般的複雜網絡，在氣候網絡中將節點認為是全球氣候數據集的空間網格中的站點；根據兩個站點之間相應的氣候數據時間序列對之間的統計相似度，從而定義網絡的邊。氣候網絡方法使人們能夠以一種全新的角度來了解不同時空尺度上氣候系統的動力學演化。

目前基於氣候網絡的方法可以提前一年預測厄爾尼諾事件的開始**[3-5****]**，其預測準確率超過89%。遠遠高於傳統的氣候模型。且該系列方法成功的對2014-2016和2018-2019事件進行了成功的預警。

厄爾尼諾事件強度的預測

雖然我們可以克服春季預測障礙成功的預測厄爾尼諾事件的開始，但是至今沒有辦法長時間預測其強度。而預測強度至關重要，這是因為較強的厄爾尼諾現象通常會導致更多極端事件（例如洪水、乾旱或嚴重的風暴）對經濟，社會和生態系統造成嚴重影響。

近日，來自波茨坦氣候影響研究所的孟君和樊京芳博士，北京師範大學陳曉松教授以及合作者，提出了一種基於熵理論的方法來預測厄爾尼諾事件的強度**[6****]**。研究論文已在線發表在世界知名期刊美國科學院院刊PNAS（https://www.pnas.org/content/117/1/177.short），首次克服了長久以來困擾厄爾尼諾預測的“春季預測障礙” ，將對厄爾尼諾現象的發生，特別是強度的預測提前一年。

該文作者提出了一套基於信息熵理論的全新的方法——System Sample Entropy——用來計算厄爾尼諾區域（Nino 3.4）近海平面空氣或海表温度的複雜度（包括温度隨時間變化的無序性以及不同地點温度變化的同步性或相干性）。利用這一方法，作者們發現了Nino 3.4區域温度變化的複雜度與厄爾尼諾現象強度存在着非常強和穩定的線性關係，即一年內（1月1日-12月31日）Nino 3.4區域的温度變化複雜度越大，那麼下一年發生的厄爾尼諾事件的強度就越大。基於這一發現，作者們提出了一套基於每年Nino 3.4 區域温度變化複雜度的大小（由該區域 System Sample Entropy 量化）來預測來年厄爾尼諾發生及其強度的方法。該方法目前成功的預測了1984至2019年期間10個厄爾尼諾事件中的9個事件的發生年份，以及24個沒有厄爾尼諾現象發生的年份當中的21個，特別是對厄爾尼諾強度預測的平均誤差僅為0.23攝氏度。 

對於剛剛到來的2020年，基於文中提出的System Sample Entropy的方法，作者們預測厄爾尼諾將有很大概率會在本年下半年再次發生，並發展為一箇中等強度甚至高強度的厄爾尼諾事件，其預測強度為1.48+-0.25攝氏度（圖4）。

四

氣候變化與厄爾尼諾

政府間氣候變化專門委員會的最新報告顯示，隨着氣候變暖，較強的厄爾尼諾現象可能發生得更加頻繁。如果是這樣的話，那麼與厄爾尼諾相關的氣候事件也將變得更加劇烈，但是氣候變化產生的影響可能不僅僅是厄爾尼諾現象嚴重程度和相關後果。一些研究表明，全球氣候轉暖可能增大全球受厄爾尼諾影響的總面積。因此，當厄爾尼諾現象發生時，它對天氣的影響可能比當前更嚴重。

圖4：系統熵理論提前一年預測厄爾尼諾事件的開始以及強度。來源[6]

參考文獻

[1]. https://baike.baidu.com/item/厄爾尼諾現象

[2]. Oceanic Niño Index (ONI) [3 month running mean of ERSST.v4 SST anomalies in the Niño 3.4 region (5oN-5oS, 120o-170oW)]

[3]. J. Ludescher et al., Improved El Nin˜ o forecasting by cooperativity detection. Proc. Natl. Acad. Sci. U.S.A. 110, 11742–11745 (2013).

[4]. J. Meng, J. Fan, Y. Ashkenazy, S. Havlin, Percolation framework to describe El Nin˜ o conditions. Chaos 27, 035807 (2017).

[5]. J. Meng, J. Fan, Y. Ashkenazy, A. Bunde, S. Havlin, Forecasting the magnitude and onset of El Nin˜ o based on climate network. New J. Phys. 20, 043036 (2018).

[6]. J. Meng, J. Fan, et al, Complexity-based approach for El Nino magnitude forecasting before the spring predictability barrier. Proc. Natl. Acad. Sci. U.S.A. 117, 177-183 (2020).

本文經授權轉載自微信公眾號“集智俱樂部”。