Madden-Julian Oscillation（MJO）是热带大气季节内变率的主导模态，表现为行星尺度的环流-对流耦合系统，在热带地区缓慢向东传播。作为连接短期天气与长期气候的关键“桥梁”，提前3–4周预报MJO具有重大的科学价值和社会意义。然而，当前数值模式对MJO的模拟和预报仍存在显著偏差。因此，识别MJO爆发的最优前期征兆，对于深化MJO动力机制认知、改进数值模式、进而提升预报技巧，仍是一项亟需突破的科学难题。

最近，我系魏云涛副教授（通讯作者）在这一前沿方向取得了最新进展。研究团队首先基于Real-time Multivariate (RMM) MJO 指数，构建了一个二维的AI-MJO确定性预报模型。该模型利用过去42天的RMM指数预测未来42天的RMM指数演变，有效预报时效达到20天，并且对MJO爆发的预报命中率比传统次季节–季节（S2S）预报动力模式有更高的预报技巧，可真实捕获更多的MJO触发事件（图1）。

图1. MJO AI 模型的技巧评估。(a) 预报 RMM 指数随位相变化的 ACC（距平相关系数）；黑色虚线表示 0.5 的阈值。(b) 动力学 S2S 模型与本研究AI 模型在预测 MJO 爆发方面的对比，以命中率（%）衡量。

在此基础上，研究团队进一步将AI模型与适用于机器学习、并且在时间维扩展的条件非线性最优扰动（CNOP）方法相结合，系统探究了MJO触发过程中的非线性最优前兆信号。结果表明，由新的CNOP方法识别的前兆信号能够成功驱动非MJO参考态向强MJO状态转变（图2）。敏感性试验进一步揭示，该前兆信号存在一个最优模态，且仅当其作用于最优触发时刻时，才最有利于触发一次完整的MJO事件。尤为重要的是，研究发现，在最优触发时刻，CNOP的不同分量之间发生了显著的非线性相互作用。据此，团队从90%的CNOP前兆信号中提取出一种向西传播的扰动（westward-propagating disturbance, WPD）。这一经由严格数学方法识别出的WPD在MJO触发过程中发挥着核心作用，从而有力地验证了近期基于观测的若干重要发现。这些结果凸显了AI-CNOP框架在揭示MJO触发动力学机制方面的强大能力，并展示了其在业务化次季节预报中的广阔应用前景。

图2.基于所构建的AI模型，在不同敏感试验中预报的RMM演变轨迹。

图3. 基于CNOP识别出的WPD。(a) 基于CNOP重构的OLR（阴影，单位：W/m²）和U850（等值线，单位：m/s）异常合成图。红色箭头标示了WPD。(b) 同(a)，但针对OLR（阴影，单位：W/m²）和U200（等值线，单位：m/s）。图(a)中的等值线间隔为0.02 m/s，图(b)中为0.03 m/s。实线（虚线）等值线表示西风（东风）异常。

该工作已被Advances in Atmospheric Sciences杂志正式接收。论文第一作者为我系2025届博士毕业生纪超鹏（第一作者，现于法国国立路桥学校从事博士后研究）。论文作者还包括，复旦大学穆穆教授，同济大学秦博助理教授，中国气象科学研究院任宏利研究员（通讯作者）。

文章信息：Ji C,Wei Y*, Qin B, Mu M, Ren H*. MJO Initiation Predictability in an AI-CNOP Framework: Unraveling Precursor Signals of Primary MJO Events. Advances in Atmospheric Sciences, 2026, DOI: 10.1007/s00376-026-6133-2.