澳洲聯邦科學暨工業研究組織（CSIRO）與墨爾本大學研究團隊，透過分析 9個國家氣候模型累積逾7,500份歷史預報，找出太平洋初始海氣狀態與預報可靠度之間的關聯。研究顯示，若預報起點處於反聖嬰（La Niña）狀態，預測有效時間可延伸至 提前12個月；若從中性狀態啟動，準確度則明顯偏低。
這項成果的意義在於，預報系統能否準確判斷「出發時的海洋背景」，往往比單純延長計算年限更關鍵。受惠於特定初始條件，預報的可用期限可提高整整一年，但研究團隊也發現，機器學習與統計模型在較難預測的中性狀態下仍有改善空間。目前相關方法尚需更多驗證，距離納入官方作業系統仍有距離。
聖嬰—反聖嬰循環之所以難以預測，根源在於它並非單一海面溫度指標，而是熱帶太平洋「大氣—海洋—陸地」互動作用的非線性結果。海溫偏高可能同時受到熱帶氣旋擾動、太平洋暖池熱含量、貿易風強弱、高空波動與熱帶對流活動等因素影響。同一個海溫異常，往往對應截然不同的氣候路徑，這是長程預報最核心的技術矛盾。
本次研究以跨國模型的大量歷史預報進行比對，確認「起始狀態」會顯著改變預報的可靠度。從反聖嬰出發時，海洋與大氣通常已建立較強且方向一致的背景訊號，後續發展較容易受到既有型態延續的影響；從中性狀態出發，則缺乏明確的方向性指引，容易因隨機擾動而迅速失效。
更重要的結構性問題是，預報能力並非均勻分布，而是高度集中於某些特定時窗。作業化預報若未先判別起始條件，便可能對所有情境釋出相同長度的預報期限，導致公部門與市場誤把不同可靠度的資訊視為同一等級。
研究團隊提出的下一步，是利用機器學習與統計模型強化中性狀態下的預測能力；但這並非單純加入演算法即可解決。演算法無法消除初始條件的物理不確定性，只能辨識隱藏訊號、降低隨機誤判，因此模型必須與物理機制、觀測品質及不確定性機率共同使用。
若把此次成果放進歷史長軸觀察，可發現全球氣候預報已從單一數值模型，走向多模式集合、資料同化與機率化預報；本次研究延續的是「依起始條件分層」的技術路線，與1997年、2015年等強烈聖嬰年造成的大規模乾旱、洪水及糧價衝擊相比，預報能力的提升具有明確的災害減損價值。
此外，氣候歸因能力也將同步提升：政府與企業必須區分「自然波動造成的短期異常」與「暖化造成的機率基線抬升」，避免以聖嬰事件掩蓋結構性風險。
01 起因觸發：研究團隊比對9國模型逾7,500份歷史預報，確認初始海洋狀態會顯著改變預報可靠度。
02 一階傳導：氣象機構取得按起始條件分層預報可靠度的技術依據，可望改善作業化預報的風險溝通。
03 二階擴散：農業、水力、食品、礦業、能源與再保險市場開始重新評估供給、通膨及災害曝險。
04 宏觀終局：全球糧食與商品定價將更早反映氣候風險，政府防洪、供水與災後重建的財政配置也將由事後補償轉向事前韌性投資。
領域延伸情報推薦 相關延伸研讀
依主題領域自動關聯之高參考價值外電情報
