利用多模式模拟结果并进一步集合平均是目前预估未来区域气候变化的常用方法。但是这样的方法存在两个明显的问题，其一是各个模式模拟结果之间存在较大的差异和不确定性，而目前方法只是简单的将之舍弃；其二是与观测相比目前的模式存在很多普遍性的共性偏差，而简单集合平均的方法无法去除这样的共性偏差。这些问题是目前进一步利用数值模式模拟预估气候变化的重要障碍，严重影响了模式预估方法的可信度。
近日，中国科学院大气物理研究所季风系统研究中心黄平提出了一种校订多模式集合平均预估未来区域气候变化的新方法（Ensemble Pattern Regression, EPR方法）。
EPR方法从各模式模拟的模式间差异入手，利用多模式中历史气候的模式间差异和未来气候变化的模式间差异，建立起“历史气候–未来变化”二者之间的线性关系；进而利用此线性关系，估计多模式模拟的“历史气候的共性偏差”所造成的“未来变化的共性偏差”；并可利用此偏差去校订传统的多模式平均预估的区域气候变化。利用此方法校订了未来热带太平洋地区海温变化分布型的预估结果。
结果表明：目前模式中普遍存在的背景态SST偏差如冷舌过强、东南太平洋暖偏差、暖池较窄等模式偏差及其背后的物理过程偏差将在未来全球变化过程中导致模式模拟出La Nina型的海温变化偏差。当把这种偏差从多模式集合平均的预估中去除之后，多模式预估的结果表明未来热带太平洋地区海温变化分布型将呈现为典型的El Nino型的分布。校订之后，模式间不确定性能降低30%–50%。
上述成果发表于Journal of Climate上。
Huang, P., and J. Ying, 2015: A multimodelensemble pattern regression method to correct the tropical Pacific SST changepatterns under global warming. Journal of Climate, 28, 4706–4723.