气候变化对降水模式的影响正在成为一个严重的全球挑战。然而，由于气候系统的复杂性，降雨的时空不均匀性，使得量化评估气候变化对降水的影响，尤其是降水的可靠预测成为一个具有挑战性的问题。尽管人们开发出了复杂的统计和动力学气候模式，但对印度夏季风降雨量 (ISMR) 的较长期和可靠预测效果依旧不理想。

为了解决这一困境，学院樊京芳、陈晓松教授，北京邮电大学孟君研究员以及德国波茨坦气候影响研究所的Jürgen Kurths，Hans Joachim Schellnhuber教授等提出了一种基于气候网络的全新方法，使得印度夏季风降雨量的长期和可靠预测成为可能。该研究成果《Network-based Approach and Climate Change Benefits for Forecasting the Amount of Indian Monsoon Rainfall》近日被Journal of Climate接收发表，文章链接为https://journals.ametsoc.org/view/journals/clim/aop/JCLI-D-21-0063.1/JCLI-D-21-0063.1.xml。Journal of Climate为地球科学国际知名期刊。

论文中作者们构建了一系列基于全球近地地表大气温度场的动力和物理气候网络，该有向加权气候网络中的一些隐藏特征可以作为 ISMR长期有效的预测因子。该方法可以利用前一年的数据预测未来一年的印度夏季季风的降雨量，预测效果可以达到0.54（预测值和观测值的Pearson相关系数,见图一）。这一新方法的预测技巧，无论是在时间尺度还是精度上都远优于传统的气候模式。同时作者们也讨论了预测指数的基本物理机制，并将其与网络-ENSO 和 ENSO-季风联系起来。此外，该方法不仅可以预测整个印度的降雨量，更可进一步预测印度不同地区的降雨量。他们还揭示了全球变暖通过加强西南大西洋、印度洋西部和北亚太地区之间的跨赤道遥相关来影响气候网络，从而对印度的降水产生重大影响（见图二）。主要大气环流模式链的强关联性有利于提高降雨量的预测技巧。

学院陈晓松、樊京芳教授团队多年来一直从事统计物理和复杂系统及相关课题的研究，近年来特别专注地球复杂系统的动力学演化及预测。

图1. 气候网络方法揭示印度夏季季风降雨量的可预测性。

图2. 气候网络关键节点于印度大陆板块之间的遥相关路径。