热带太平洋在2020~2022年经历了连续三次的拉尼娜事件之后，其未来气候状态的演变成为主要的关注焦点。文章利用人工智能(AI)技术构建了纯数据驱动的Transformer模型(命名为3D-Geoformer)，相比于基于数理方程的动力模式，3D-Geoformer具有鲜明特色和显著优势▼●◆，成功应用于2023~2024年间热带太平洋海气耦合系统多变量三维(3D)温度场的实时预测★★，并结合敏感性试验进一步增强了模式的可解释性••。相关成果发表于《中国科学：地球科学》中英文版2024年第12期。

　　图1利用3D-Geoformer从2024年1月的初始条件预测得到的其后不同月份SST（阴影）和风应力（矢量）异常的水平分布

　　进一步分析表明，随着2023年厄尔尼诺事件的演变，出现了几个相关的负反馈过程。3D-Geoformer预测结果表明▼-★，2024年年中到年末将出现向冷事件的转变。如预测结果所示，2023年年末西太平洋出现负的次表层海温异常，并趋向于沿赤道向东传播；预测结果表明，其将在2024年春季到达东部海盆，对赤道中东太平洋SST产生遥影响■…•，导致海洋表层降温。当赤道东太平洋在2024年春末出现SST冷异常状态时，其西侧伴有东风异常；相关SST与海表风应力异常场通过海气耦合进一步加强•△◆，将导致2024年夏秋季SST冷异常的快速增强。随后▼•，热带太平洋海气耦合系统准备完毕，进入一个冷事件状态■▼。预测结果表明，赤道中东太平洋在2024年夏季将出现较强的SST冷异常，预示着一次拉尼娜事件的形成。相关海洋和大气异常场一致增强，并将在2024年年末达到拉尼娜的成熟阶段。注意这些预测结果是2024年年初得到的，与目前太平洋海气异常场的时空演变是非常一致的。

　　图1给出了利用3D-Geoformer从2024年1月的初始场开始进行12个月预测的例子。预测结果表明，继2023年厄尔尼诺事件之后，在2024年春夏季热带太平洋将出现向拉尼娜事件的转变，这一转变将开始于2024年年初、进一步在2024年年中会出现SST负异常的快速加强，并将在2024年年末达到拉尼娜事件的成熟阶段。

　　中文版：张荣华=-★,周路，高川，陶灵江. 2024■•.基于纯数据驱动的Transformer模型对2023~2024年热带太平洋气候状态的实时预测.中国科学:地球科学,54(12): 3748–3765

　　南京信息工程大学海洋科学学院张荣华教授团队••，采用一个基于深度学习的Transformer模型(称之为3D-Geoformer)，对热带太平洋与厄尔尼诺和南方涛动(ENSO)相关的2023~2024年气候状态进行了实时预测。该模型采用了几个对热带太平洋ENSO至关重要的海洋-大气关键变量作为输入和输出场，使得这一纯数据驱动的模型在训练和预测过程中都能充分表征海洋-大气间耦合及相互作用；该模型预测过程采用与动力模式类似的滚动方式=；另外，预测时采用了多月时间段(Time intervals, TIs)中的海洋-大气关键变量场信息作为预报因子(输入场)★-。3D-Geoformer的实时预测结果表明••=，热带太平洋确定会在2023年年末发展成为厄尔尼诺事件。此外，基于3D-Geoformer进行了敏感性试验以检验输入场是如何影响预测技能的，包括TIs的取值以阐明初始场中保留多长时间段的海洋-大气关键变量场相关信息可得到更为有效的预测。