【导语：清华团队提出的UniCM模型，通过统一框架学习多个气候模态的相互作用，突破了传统气候预测思路，提升了气候预测的准确性与时效，还能帮助科学家发现潜在机制，对多个领域有重要价值。】
全球气候是由厄尔尼诺（ENSO）、印度洋偶极子（IOD）等多个气候模态共同构成的动态耦合系统。但长期以来，大多数预测方法主要关注单个或少数气候模态，难以刻画复杂的非线性交互过程。清华团队提出的UniCM模型，将多个关键气候模态纳入统一框架，把全球海洋—大气系统视为相互作用的整体。
UniCM采用双分支架构，包含Globalformer和Modeformer两个核心模块。Globalformer处理海表温度等关键物理变量，学习气候系统的时空演化规律；Modeformer聚焦七类重要气候模态，学习它们之间的非线性交互和共同演化过程。
更重要的是，UniCM建立了双向耦合机制，即“mode - to - patch guidance”，实现从局部到整体、再从整体反馈局部的闭环建模，利用大尺度气候状态指导局地预测。
在ENSO预测方面，UniCM表现卓越。在1980—2023年的观测数据检验中，它在24个月预测窗口内持续优于多种代表性基线模型，能将ENSO的有效预测提前期延长至19个月，此前先进模型通常只能达到15至16个月左右。在“春季可预报性障碍”问题上，也能将有效预测能力延长至约14个月，还成功再现了历史极端事件。
UniCM还能在同一框架下同时预测七类重要气候模态，对部分较难预测的非ENSO模态，平均预测技巧提升超过22%，IOD的有效预测提前期达到约7个月，且能准确重建不同气候模态之间的滞后相关关系。
此外，UniCM具有较强的可解释性，通过分析内部注意力机制，能在重大ENSO事件发生前聚焦关键区域和模态关系，帮助科学家发现潜在机制，成为气候科学研究的重要辅助工具。
在全球气候变化背景下，长期气候预测愈发重要。UniCM不仅是新的气候预测模型，更是面向复杂系统的统一建模思想。未来，该框架有望扩展到季节内振荡、年代际气候变化等研究，并应用于其他具有“局部过程—整体结构”双向耦合特征的复杂系统。
编辑观点：UniCM模型的出现为气候预测带来了新的突破，其统一建模思想和卓越性能有望推动气候科学研究和相关领域的发展，具有重要的科学和应用价值。
