自1900年以来，至少发生了30起厄尔尼诺事件。近日，来自波茨坦气候影响研究所的孟君和樊京芳博士，北京师范大学陈晓松教授以及合作者，提出了一种基于熵理论的方法来预测厄尔尼诺事件的强度。对于刚刚到来的2020年，基于下文中提出的System Sample Entropy的方法，论文作者预测厄尔尼诺将有很大概率会在本年下半年再次发生，并发展为一个中等强度甚至高强度的厄尔尼诺事件。
本文是作者对这篇PNAS论文的解读。
厄尔尼诺是一种周期性气候现象，指赤道东太平洋海水每隔数年就会异常升温的现象，平均每2-7年发生一次。厄尔尼诺-南方振荡现象是赤道附近东太平洋海水表面温度和海风周期性变化的气候现象。厄尔尼诺现象是厄尔尼诺-南方振荡现象中的升温阶段。对于该现象的发生机制目前科学界有多种观点，通常认为厄尔尼诺现象的发生，与太平洋赤道上的大气环流—沃特环流—的改变有关。
厄尔尼诺-南方涛动现象中的低温阶段称为拉尼娜现象。在厄尔尼诺与拉尼娜的中间阶段，西太平洋低压和东太平洋高压会造成海风自东向西将东太平洋表面温暖的海水和空气自东向西吹，同时低层的低温海水向上翻涌，造成东太平洋表面海水温度较低。而在厄尔尼诺发生前，赤道太平洋表面西风减弱或转向，从而使得东太平洋海水温度变高，最终导致厄尔尼诺的发生。
在厄尔尼诺期间，热带降水和大气环流的正常规律被打乱，并在全球范围引发极端气候事件。
厄尔尼诺现象会影响全球气候并破坏正常的天气模式，从而可能导致某些地方遭受强烈暴雨、洪水、极热或极冷的天气条件，进而可能导致动物疾病的暴发，以及植物病虫害和森林火灾等。在以往发生的厄尔尼诺事件中，某些地区以渔业为生的人受到严重影响。
自1950年以来对厄尔尼诺事件的观察表明，厄尔尼诺的发生及其所造成的影响具有多样性和不确定性的特点，这也就增加了相关预测工作的难度。在大多数厄尔尼诺事件期间，比较明确的影响包括印度尼西亚和南美洲北部的降雨量低于平均水平，而南美东南部，赤道非洲东部和美国南部的降雨量高于平均水平。对于中国来说，厄尔尼诺易导致暖冬，南方易出现暴雨洪涝，北方易出现高温干旱，东北易出现冷夏。
比起单纯的气温变化，极端天气更容易引发危险。
厄尔尼诺事件的发生对全球各地区的气候灾害均有预兆意义，因此对它的预报已成为气候预测中最重要内容之一。及早并准确地预测厄尔尼诺的发生以及强度，对预防或降低其带来的全球范围内的经济、农业、社会等方面的损失意义重大，而且将帮助政府和相关机构制定政策，应对厄尔尼诺的影响。
目前传统的厄尔尼诺预测方法只能在提前6个月范围内给出比较准确的预测，这一现象称之为，春季预测障碍。为了克服上面提到的春季预测障碍，来自波茨坦气候影响研究所的团队提出了一种全新的框架用以预测厄尔尼诺事件的开始—即气候网络的方法。不同于一般的复杂网络，在气候网络中将节点认为是全球气候数据集的空间网格中的站点；根据两个站点之间相应的气候数据时间序列对之间的统计相似度，从而定义网络的边。
气候网络方法使人们能够以一种全新的角度来了解不同时空尺度上气候系统的动力学演化。目前基于气候网络的方法可以提前一年预测厄尔尼诺事件的开始，其预测准确率超过89%。远远高于传统的气候模型。且该系列方法成功的对2014-2016和2018-2019事件进行了成功的预警。
近日，来自波茨坦气候影响研究所的孟君和樊京芳博士，北京师范大学陈晓松教授以及合作者，提出了一种基于熵理论的方法来预测厄尔尼诺事件的强度。研究论文已在线发表在世界知名期刊美国科学院院刊PNAS，首次克服了长久以来困扰厄尔尼诺预测的“春季预测障碍”，将对厄尔尼诺现象的发生，特别是强度的预测提前一年。
该文作者提出了一套基于信息熵理论的全新的方法——System Sample Entropy——用来计算厄尔尼诺区域近海平面空气或海表温度的复杂度。利用这一方法，作者们发现了Nino 3.4区域温度变化的复杂度与厄尔尼诺现象强度存在着非常强和稳定的线性关系，即一年内Nino 3.4区域的温度变化复杂度越大，那么下一年发生的厄尔尼诺事件的强度就越大。
基于这一发现，作者们提出了一套基于每年Nino 3.4区域温度变化复杂度的大小来预测来年厄尔尼诺发生及其强度的方法。该方法目前成功的预测了1984至2019年期间10个厄尔尼诺事件中的9个事件的发生年份，以及24个没有厄尔尼诺现象发生的年份当中的21个，特别是对厄尔尼诺强度预测的平均误差仅为0.23摄氏度。
对于刚刚到来的2020年，基于文中提出的System Sample Entropy的方法，作者们预测厄尔尼诺将有很大概率会在本年下半年再次发生，并发展为一个中等强度甚至高强度的厄尔尼诺事件，其预测强度为1.48+-0.25摄氏度。