厄尔尼诺–南方涛动

厄尔尼诺–南方涛动（ENSO）是热带太平洋上海洋与地球大气层相互耦合而形成的一种周期性波动。它在暖位相（厄尔尼诺）、冷位相（拉尼娜）和中性状态之间循环。赤道中东太平洋的海表温度距平通常只有几摄氏度，却能改变远离太平洋的各大洲的降水、干旱和风暴路径。ENSO 是地球上年际气候变率的最大来源，也是季节气候预测能力的主要来源。其名称结合了被称为厄尔尼诺的海水增温现象，以及"南方涛动"这一大气现象。南方涛动是1920年代被描述出来的、东印度洋与太平洋之间地面气压的跷跷板式振荡。

该现象依赖于大气沃克环流与海洋表层温度及温跃层结构之间的反馈循环。东信风减弱使暖水向东扩散，进而进一步削弱信风。赤道太平洋储存的热量随后释放并使循环反转，因此该系统以不规则的方式振荡，周期通常为两到七年。该循环与季风系统、热带气旋活动、海洋生态系统，以及每一块有人居住的大陆上的温度和降水格局相关联，这使得ENSO 成为物理气候科学和应用预测两方面的核心。

据美国国家海洋和大气管理局（NOAA）气候预测中心2026年10月8日的诊断讨论，厄尔尼诺公报仍在生效，该事件仍在增强，预报员给出了较高概率，认为2026年末或2027年初将出现强至极强的峰值。本词条涵盖ENSO的定义与指数、大气和海洋机制、各位相及其全球影响、古气候与气候变化背景、观测与预报系统、研究史，以及尚未解决的问题。

定义、位相与指数

厄尔尼诺–南方涛动（ENSO）是一种海气耦合现象。热带太平洋的海表与其上方的大气不断相互调整，因此这一循环既无法仅用海洋来描述，也无法仅用大气来描述。暖水会改变上升气流的位置，风场随之变化，又反过来重塑海洋表层温度与次表层结构。

ENSO 有三种位相：厄尔尼诺（暖位相）、拉尼娜（冷位相）和中性位相。每种位相都由赤道中东太平洋持续存在的海表温度（SST）距平来界定，距平以长期平均值为基准计算。最常用的阈值约为 ±0.5 °C。在美国国家海洋和大气管理局（NOAA）的业务实践中，距平必须至少连续五个相互重叠的三个月时段达到该阈值，事件才会被划分为厄尔尼诺或拉尼娜。

若干固定区域用作监测区。Niño-1+2 覆盖秘鲁和厄瓜多尔沿岸的东太平洋，Niño-3 为赤道东太平洋，Niño-4 为赤道中部至西部太平洋，Niño-3.4 为约西经 170° 至西经 120° 之间的赤道中太平洋。在这些区域中，Niño-3.4 应用最为广泛。海洋尼诺指数（ONI）是 Niño-3.4 距平的三个月滑动平均值，相对于一个 30 年气候基准期计算，该基准期会定期更新。根据 NOAA 实时记录所用的基准期（2026 年世界气象组织（WMO）评估将其给定为 1996–2025 年），随着参考气候的变化，该指数也会相应刷新。

整个热带海洋的增暖使这一方法变得复杂，因为固定基准可能使某个 Niño-3.4 距平看起来比其相对于周围热带地区的实际强度更强。相对海洋尼诺指数（RONI）为此进行了修正：它从 Niño-3.4 距平中减去热带平均海表温度距平（通常取约 20°S–20°N 的范围）。结果再按原始 Niño-3.4 序列的方差进行重新标度，并用三个月平均值进行平滑。据 NOAA 相关资料，RONI 于 2026 年 2 月成为 NOAA 的主要分类指数，而 ONI 仍作为辅助指标使用。趋势修正在实践中意义重大：一项 WMO 分析估计，热带海表温度大约以每十年 0.11 °C 的速度上升，这足以在三十年间使有效的厄尔尼诺阈值偏移约 0.3 °C。

南方涛动指数（SOI）反映的是这一循环的大气一侧。它基于东太平洋的塔希提岛与澳大利亚北部达尔文港之间的海平面气压差，通常经过标准化处理，以便在不同时期比较其符号和大小。持续为负的 SOI 值通常伴随厄尔尼诺出现，正值则伴随拉尼娜出现。由于 SOI 测量的是气压而非温度，它常与基于海表温度的指数结合使用，以检验海洋与大气是否协调一致。

"El Niño"一词源自秘鲁和厄瓜多尔沿海讲西班牙语的渔民。他们用这个词指代圣诞节前后出现的一股暖沿岸流，它往往与空网和渔业受挫相联系。关于该词何时开始使用，说法不一：有人认为始于 17 世纪，而《大英百科全书》则将北秘鲁渔民使用该词的时间定在 19 世纪。随着时间推移，这个词逐渐指代那些不规则、较强的暖事件，而非每年出现的暖流。科学家后来证明，这些事件与整个热带太平洋乃至更广区域的变化相关联，于是才改用含义更广的术语 ENSO。"La Niña"意为"小女孩"，是为与之相对的冷位相所命名。

沃克环流与南方涛动

ENSO 的大气部分在人们理解其与海洋的联系之前几十年就已被发现。1904 年，英国气候学家吉尔伯特·沃克（Gilbert Walker）开始分析气象记录，想弄清印度季风能否被预报。他发现热带印度洋–太平洋地区的地面气压以一种连贯的方式起伏变化，并将这种起伏称为南方涛动。在 20 世纪 20 年代和 30 年代的一系列论文中，他指出塔希提与达尔文港的气压往往朝相反方向变化，即东部气压升高时，西部气压通常降低。这种格局常被比作“跷跷板”，其统计信号后来成为南方涛动指数（SOI）的基础，相关内容见定义与指数一节。沃克的工作基于站点数据和相关分析，而非任何物理模型，最初他也没有把这种“跷跷板”与厄尔尼诺联系起来。

伴随这一气压格局的翻转环流现在称为沃克环流。它是沿赤道分布的纬向环流圈。空气在温暖的西太平洋上升，那里气压低，对流云发展旺盛。随后气流在高层向东流动，在较凉的东太平洋下沉，那里地面气压高，天空相对晴朗；近地面层气流则以信风的形式向西回流。这一环流主要由东西向的海表温度差异驱动，因此是一个热力直接环流。由于它与海表温度紧密相连，对海洋的变化十分敏感。

西太平洋暖池是这一系统的锚点。持续的东风信风把表层海水向西推，使温暖的海水在印度尼西亚和海洋性大陆一带积聚，那里的温跃层也比东部更深。覆盖在暖池上的温暖湿润空气产生了热带最深厚、最持久的对流，这也是降水集中在海洋性大陆的原因。厄尔尼诺期间，温暖海水向东扩展，沃克环流的上升支也随之东移。降雨和云系随对流移向中部，有时甚至到东部太平洋，而印度尼西亚、东南亚和澳大利亚北部则降雨减少、变得干燥。因此，深对流的东移正是该事件在大气中的表现，而不仅仅是它的附带结果。

沃克环流也存在年际变化，这种变化构成了 ENSO 循环的大气分量。其强度与横跨太平洋的地面气压梯度密切相关：盆地东西两端的气压差越大，信风越强；差值减小，则风力减弱。因此，表示梯度减弱的负 SOI 值伴随着信风减弱以及定义厄尔尼诺的暖水东移；而正值则伴随着信风增强、上升流加强和拉尼娜状况。由于信风是大气与海洋之间的主要纽带，沃克环流的强度也就成为判断系统处于循环哪一位相的最清晰指标之一。这也是沃克环流有时被称为 ENSO 大气“伙伴”的原因。

因此，沃克的“跷跷板”是对一种气压格局的统计描述，而其物理成因在数十年间仍然未知。沃克认识到，这种气压格局影响着世界许多地区的降水和气温，这一观察为后来的遥相关研究奠定了基础。“跷跷板”与东太平洋暖事件之间的物理联系直到 20 世纪 60 年代末才得以确立，当时雅各布·比耶克内斯（Jacob Bjerknes）证明，这两种现象是同一个耦合系统的大气与海洋表现形式。这种耦合的机制见耦合反馈一节。

耦合的海–气反馈与ENSO循环

该循环依赖赤道太平洋海表与信风之间的正反馈，即比耶克内斯反馈。沿赤道方向，东太平洋表层海水通常较冷（称为"冷舌"），西太平洋则拥有一个温暖的暖池。这种温度差异维持着沃克环流和东风信风，而信风又驱动洋流和上升流，使东太平洋保持低温。若东部首先出现暖异常，信风便会减弱。风力减弱会减少上升流，使温跃层（分隔暖表层水与冷深层水的水层）加深。表层随之进一步增温，进而再次削弱信风。因此，这一循环可以在数月内放大微小的异常。雅各布·比耶克内斯（Jacob Bjerknes）在20世纪60年代和1969年描述了这种耦合作用，它至今仍是大多数概念模型中的核心增长机制。

增长只是故事的一半，海洋对风变化的响应则决定了事件的时间节奏。减弱的东风，尤其是西风爆发，会激发沿赤道向东传播的下沉型海洋开尔文波。这些波使东部温跃层加深，并把暖水推向南美海岸。在赤道以外，海洋罗斯贝波以类似方式向西传递调整信号。当它们抵达海盆西边界时，会反射为沿赤道向东返回的开尔文波。由于这些波的传播速度远慢于大气的响应，调整信号会滞后数月才显现。上升流在其中是关键环节。正常情况下，冷水从温跃层以下沿秘鲁和厄瓜多尔海岸涌升，并沿赤道向西扩散。在厄尔尼诺期间，温跃层位置更深，较少的冷水能够到达表层。表层因此从上升流获得的冷却减少，并从大气中吸收热量。尽管这一吸热过程具有阻尼作用，但其力度太弱，无法抵消海洋的增温。

增长阶段需要一种延迟的负反馈来结束一次事件，已有若干概念模型提出了这种机制。延迟振子模型依赖于在西边界反射并以开尔文波返回的罗斯贝波，这些波会在延迟之后使温跃层异常反转。充放电振子模型则关注赤道上层海洋的总热含量。在厄尔尼诺期间，热量从赤道带释放，热含量随之降低，最终使寒冷状况得以形成。在两次事件之间，热含量逐渐恢复，为下一次转变做好准备。其他模型则强调斯维德鲁普输运、西太平洋风驱动波，或东边界的平流作用。目前大多数框架都将比耶克内斯反馈与一种或多种延迟过程结合起来。正是这种延迟使暖事件转变为冷事件，冷事件转变为暖事件，从而赋予ENSO振荡的特性。

这一循环并不是精确的时钟。其周期因事件而异，因为该系统受到不规则输入的驱动。快速的大气扰动，包括随机的西风爆发和Madden–Julian振荡，可以触发或加强暖事件，但它们本身并非ENSO的产物。非线性过程同样重要。温跃层对风异常的响应取决于平均状态，因此暖位相和冷位相并不完全对称。把反馈视为线性的模式往往会错误地刻画这种不对称性。模拟研究还报告，一些气候模型低估了比耶克内斯反馈关键要素的强度。综合来看，这些随机性与非线性的来源解释了：即使底层反馈相同，各次事件在时间、强度和持续时间上仍会有所不同。

位相、事件类型与变率

厄尔尼诺事件通常遵循一个可辨识的季节序列。温暖异常大约在北半球春季或夏季开始在赤道太平洋积累，在北半球夏季和秋季逐步增强，并在深秋或冬季达到峰值。到次年春季，它一般会衰减至中性状况。拉尼娜的发展过程大致与之对称，冷异常在冬季达到峰值，并在春季减弱。这一循环是一种趋势，而非固定的时间表：有些事件提前达到峰值，有些则持续较久，还有一小部分会延续到第二个冬季。

两种位相在热带太平洋上产生相反的特征。在厄尔尼诺期间，最暖的表层海水向东移动，深对流和强降水随之向中东部海盆移动。信风减弱，使秘鲁和厄瓜多尔沿岸冷而富含营养盐的上升流减弱，因此该处的表层海水进一步变暖。拉尼娜则使这些趋势反转：信风增强，东部的冷水上涌更为强烈，对流集中在西太平洋和海洋性大陆一带。两种位相的强度并不对称，最强的暖事件明显大于最强的冷事件。强厄尔尼诺事件之后常继而出现拉尼娜状况。例如，1997–98年事件之后出现的拉尼娜一直持续到2001年，而2015–16年事件之后则出现了一次较短且较弱的拉尼娜，发生于2016–17年。

事件还可以根据增温峰值所在位置来分类。在东太平洋（EP）型中，最大的暖异常位于南美洲海岸附近，异常对流向秘鲁和厄瓜多尔方向移动。在中太平洋（CP）型中，也常被称为日界线型或Modoki型，增温局限于赤道中太平洋，异常对流则出现在EP型位置以西。这种区别对影响至关重要。EP型事件与影响秘鲁北部和厄瓜多尔的灾难性洪水有关，而CP型事件基本不会引发此类洪水。在亚洲季风区，EP型事件与降水减少相关；而2002年和2004年的中等强度CP型事件恰逢印度出现严重干旱，1997–98年这一非常强的事件对印度夏季季风的影响则异常有限。事件类型还影响北美冬季的响应：据一项基于再分析资料和模式试验的研究，在EP型与CP型事件之间，美国地表温度格局大约会旋转90度。许多事件属于混合型，因此最好将这两种类型视为一个连续谱的两端。

强度通常依据三个月Niño-3.4异常的峰值来确定，所用指标为ONI，或在NOAA较新的做法中使用RONI。气候传播中常用的非正式阈值约为：“强”为1.5 °C，“非常强”或“历史级强”为2.0 °C。NOAA自身的分级为弱、中等、强和非常强，其月度展望给出了连续重叠的三个月时段内各类别出现的概率，因此关于强度的公开表述通常指这些预报概率，而非某个单一的观测值。“超级厄尔尼诺”一词是媒体的非正式说法，指非常强的事件，阈值约为+2.0 °C。该词没有官方定义，有时还会在观测峰值出现之前就用于预报集合平均，这可能会夸大其后观测所显示的强度。

ENSO的谱能量集中在大约两至七年的不规则频段内，因此与其将这一循环描述为固定的时钟，不如将其描述为一系列广泛的复发周期。这种不规则性在太平洋温度时间序列中清晰可见：有些时段只包含一次短暂事件，另一些时段则包含持续的暖期或冷期。多年持续的，即所谓“双冬”型事件，是这种变率的重要组成部分。2010–12年的拉尼娜跨越了两个连续的冬季，2020–23年的拉尼娜则是一次持续三个冬季的“三冬”事件。此类长时间的事件，其对降水、干旱和生态系统的累积影响，可能超过同等峰值强度的单一季节。

全球遥相关与天气影响

遥相关是指通过大气相互联系的远距离地点之间的天气或气候关联。ENSO 是年际遥相关最主要的来源，因为它会移动热带深对流的区域。在厄尔尼诺期间，对流和哈得莱环流从西太平洋向东扩展，有时甚至延伸到南美洲西海岸。这种移动改变了全球各地空气上升与下沉的位置，进而使副热带急流以及把天气带到中纬度地区的风暴路径发生移动。因此，其影响远远超出太平洋地区。

热带遥相关最为直接。印度尼西亚和澳大利亚北部的降雨往往减少，干旱和火灾风险随之增加；而随着暖水和增强的对流向东移动，秘鲁和厄瓜多尔沿海地区降雨增多。在巴西东北部，厄尔尼诺通常会减少降雨并带来干旱，而巴西南部则倾向于更加湿润。巴西东南部和中西部没有统一的信号，通常需要逐例评估。因此，这种模式体现的是一个区域内概率的变化，而不是适用于整个大陆的统一规律。

厄尔尼诺期间，亚洲和澳大利亚季风平均而言会减弱。印度夏季季风降雨与 ENSO 呈统计上显著的反相关关系，但这种对应并非一一对应。对过去一个世纪的分析发现，印度的大多数严重干旱都与厄尔尼诺同时出现，但也有相当数量的干旱在没有厄尔尼诺的情况下发生。其机制涉及沃克环流的变化，以及 Lau 于 1996 年提出的“大气桥”，该理论将热带太平洋海表温度异常与印度洋和大西洋联系起来。与印度洋偶极子（将在另一节讨论）的相互作用可能会加强或抵消这些影响。

大西洋热带气旋活动同样受到影响，主要通过垂直风切变实现，即风速和风向随高度的变化。厄尔尼诺会增强热带大西洋上空的高层西风。增加的风切变会撕裂正在发展的风暴；同时，厄尔尼诺还会加强下沉运动和大气稳定度，因此在8月至10月的活跃高峰期，形成的飓风减少。拉尼娜减弱高层西风、降低风切变，通常有利于大西洋形成更多、更强的飓风。东太平洋和中太平洋则呈现相反的趋势，厄尔尼诺期间气旋活动通常增加。不同事件的响应各不相同，取决于可能放大或削弱 ENSO 信号的当地条件。

北美的温带外遥相关在一年中较冷的半年（大约十月至次年三月）最为明显。厄尔尼诺往往使美国南部冬季更加湿润，北部部分地区则更加干燥、温暖，最强的信号从西部延伸到南部。西部的信号通常在一月份变得明显。在山间西部，ENSO 对冬季降水的影响受地形塑造：高海拔西坡的异常幅度远大于低海拔地区。西南部的降水关联在二十世纪末最强，近几十年有所减弱，而且一些厄尔尼诺年份并未出现预期的湿润异常。这些波动是影响之所以用概率形式描述的原因之一。

因此，遥相关应被理解为概率的变化。官方预报，例如美国气候预测中心的预报，表达的是温度和降水高于或低于平均水平的可能性增加或减少了多少。具体的地方结果取决于事件的强度、北大西洋涛动等其他气候模态的状态，以及包括大气河在内的短暂天气系统。这些短暂系统可能强化典型模式，也可能压过它。

生态、农业与健康影响

海洋生态系统与渔业

海洋生物对厄尔尼诺的反应很快。长时间的高温会把与珊瑚共生的藻类逼出珊瑚组织，使珊瑚群体变白。珊瑚会排出其共生藻类，导致自身变白，这一过程称为珊瑚礁的白化。有时珊瑚能从中恢复，但并非总能如此。哥斯达黎加卡尼奥岛的礁区调查显示，1982–83年事件期间约一半的珊瑚死亡，如珊瑚礁条目所载。在委内瑞拉北部，1997–98年事件后，珊瑚的生长速率明显下降，同时其氧和碳同位素组成的基线转向更负的值；与此同时，邻近的一处珊瑚则恢复到了白化前的生长速率。

秘鲁鳀鱼渔业体现了这些事件的经济影响。1972年事件期间，渔获量急剧下降，降幅惊人：该渔业在1972年下降55%，1973年下降51%，造成了严重的经济困难。过度捕捞加剧了损失：此前数量丰富的鳀鱼种群，因前几个季节的过度捕捞以及当年强烈的厄尔尼诺洋流，开始大量减少。鳀鱼以依赖富营养上升流的浮游生物为食，而厄尔尼诺会削弱上升流。近年来几次强厄尔尼诺事件之后，配额削减和禁渔期接踵而至，导致鱼粉价格创下历史新高，使水产养殖饲料更加昂贵，并推高全球养鱼成本。

陆地农业

在几个主要种植区，作物产量都会受到ENSO引起的降雨和气温变化的影响。厄尔尼诺通常会给非洲南部带来更干燥的夏季，那里的玉米收成高度依赖降水，极易受干旱影响；它还会削弱维持南亚作物生长的季风降雨。厄尔尼诺期间，澳大利亚东部的降雨往往减少，从而降低小麦和大麦的产量。在南美洲，同一事件往往给阿根廷潘帕斯草原带来更湿润的天气，而拉尼娜期间则倾向于出现相反的情况。影响因季节、土壤和灌溉条件而异，因此同一事件可能在一个地区提高产量，在另一个地区却造成减产。

火灾、烟霾与泥炭地

印度尼西亚的泥炭地是对ENSO最敏感的陆地生态系统之一。1997年和1998年，印度尼西亚发生毁灭性的森林火灾，烧毁了近1000万公顷森林。根据烧毁深度测量估算，1997年中加里曼丹泥炭燃烧释放的碳量为0.19–0.23吉吨（Gt）碳。这种脆弱性很大程度上源于土地管理：印度尼西亚的泥炭地直到近几十年才很少发生火灾；大面积泥炭地的排水和砍伐，使原本具有天然抗火能力的泥炭地变得易燃。这些火灾的烟雾跨越国界，霾害波及相邻的马来西亚、新加坡和菲律宾。

媒介传播疾病与营养健康影响

气温和降雨的变化会改变携带病原体的昆虫的栖息地，从而影响疟疾的风险。在委内瑞拉，厄尔尼诺与降雨偏少相关，疟疾发病率的最大增幅出现在公认的厄尔尼诺事件之后一年。秘鲁、卢旺达、巴基斯坦和斯里兰卡等地也有记录在案的疫情激增。对于登革热，证据则较为复杂。外潜伏期（EIP）在较高温度下缩短，因此在给定时间内具有传染性的蚊子比例可能会增加。大多数区域性研究都认为厄尔尼诺会导致报告的登革热病例增加，但最近一项针对所罗门群岛的研究则估计，类登革热疾病的风险有所降低。

粮食不安全是另一条影响途径。在中美洲，世界卫生组织2023年的公共卫生分析预计，农业产量下降将导致收成减少，进而加剧营养不良，使营养不良和公共卫生压力的风险相互叠加。因此，与ENSO相关的洪涝和干旱既影响粮食的供应，也影响粮食的价格可负担性。

经济风险暴露与风险管理

ENSO影响众多经济部门。当河流流量下降时，水电出力随之减少，2015–16年干旱期间的卡里巴湖就是如此。供水和航运也可能受到干扰，2015–16年的事件迫使巴拿马运河限制通行量。保险公司和政府利用ENSO预报来为干旱风险定价并设计指数型保险；渔业管理者、供水公司和农业规划者则利用这些预报来调整渔获配额、水库调度和种植计划。

古气候与长期变率

仪器观测记录只覆盖了几十年可靠的 ENSO 数据，因此关于其长期行为的大部分认识来自古气候代用指标。ENSO 变率的幅度影响着全球极端气候事件的发生及其可预测性，但仪器记录太短，无法刻画其自然变率。代用指标档案分为两类。第一类位于核心区域本身，主要是化石珊瑚和软体动物记录，以及部分海洋沉积物。第二类位于通过遥相关感受到 ENSO 影响的远方地区，例如湖泊沉积物、树木年轮、洞穴石笋和冰芯。每种档案都有各自的敏感性，因此彼此难以直接比较，通常需要综合多种档案的记录。

珊瑚和贝壳记录最为直接。珊瑚骨骼中的氧同位素可以追踪海表温度，但大多数已发表的化石珊瑚记录都无法延伸到全新世以前的时段。来自西太平洋暖池的巨型砗磲（Tridacna）贝壳已被测定年代超过 6 万年，而巴布亚新几内亚一些极少保存下来的珊瑚则表明，在过去 13 万年的冰期与间冰期中就已存在 ENSO 变率。湖泊沉积物提供了另一类证据。在厄瓜多尔的 Pallcacocha 湖，数百层富含矿物质的洪水纹层来自东太平洋的厄尔尼诺事件：对流性暴雨驱动流域侵蚀和陆源沉积物搬运。加拉帕戈斯的 El Junco 记录则利用粒度数据推断过去的湖面高度和 ENSO 频率。

对于全新世，各项代用指标在总体格局上一致，但细节上存在差异。大多数记录表明，ENSO 频率在全新世早中期显著降低，并在最近几千年内某一时段有所增加。一项针对南海砗磲贝壳的研究发现，全新世早期的 ENSO 变率与当今相当，而全新世中期出现了 ENSO 活动频率和强度的最低值。一个位于莱恩群岛的珊瑚网络显示，在 3000 至 5000 年前，ENSO 方差显著下降约 20%，这与春/秋季岁差引起的太阳辐射变化相吻合。Pallcacocha 记录还显示出一个极小值，而另外两个湖泊的高强度洪水地层中并不存在这一极小值，这表明单一档案可能给出相互矛盾的图景。许多气候模式在定性上再现了全新世中期的减弱，但大多数模拟未能捕捉到代用指标所推断的 ENSO 减弱幅度，后者可能达到 30%–60%。

更早时期的证据则更为稀少，也更有争议。末次冰盛期的珊瑚记录十分罕见，尤其是在末次冰盛期（19–24 ka）几乎完全没有可用的约束。基于有孔虫的温度重建表明，赤道深层温跃层改变了东赤道冷舌的动力学过程，导致末次冰盛期的 ENSO 变率相较于晚全新世有所减弱。然而，其他表层和次表层代用指标却被解读为显示末次冰盛期的变率更强，因此目前代用记录在冰期和冰消期 ENSO 强度问题上仍存在矛盾。一项秘鲁沉积物研究估计，冰消期 ENSO 事件的幅度比晚全新世大 50% 至 190%，作者将其归因于融水输入。对于更温暖的间冰期，一条来自澳大利亚东北部的记录发现，在全球更温暖的时期，高频 ENSO 谱段（3–8 年）的振幅显著增大，而在冰期阶段这些振幅在记录中并不存在，这表明 ENSO 方差依赖于平均气候状态。

古气候记录还显示出 ENSO 的多十年调制，而短暂的仪器记录无法很好地分辨这一点。一项基于树木年轮、跨度 1100 年的重建发现，ENSO 幅度呈现 50–90 年的准规律周期。一项覆盖 1525–1982 年的代用指数则在多十年尺度的 310 年波段中显示出相当明显的振幅与频率调制。这类变化很难与采样噪声区分开来，因为仪器记录太短，无法估计化石记录的不确定性，而后者的时间跨度有时超过 100 年。跨年代太平洋涛动也可能改变 ENSO 对降水的影响；此外，降水和径流量等变量在仪器记录以及更长期的古气候重建中，似乎也存在跨年代尺度的变化。

古气候记录同时也为判断近期变化提供了基线。ENSO 似乎至少在地球上运行了 300 万年，现有观测支持这样一种观点：ENSO 振幅与频率的变化主要源于气候系统内部的过程。多项重建显示出大体相似的格局，包括 14 世纪中叶、18 世纪中叶和 19 世纪出现的 ENSO 变率减弱时期。由于全新世和末次间冰期已被用于检验模式的响应，将现代活动与这些时段进行比较，有助于确定近期的变化是否超出了自然变率的范围。

气候变化与未来的ENSO变化

热带太平洋的变暖已经在改变ENSO赖以发生的平均态。热带西太平洋显著增暖，而异常持续的次表层冷水上涌，使东部热带太平洋大部分海域的平均海表温度略有下降。结果是东西向温差加大，越来越像拉尼娜的状态。由于沃克环流由整个海盆的纬向海温差驱动，未来变化的方向就很关键。如果西太平洋持续更快变暖，背景环流可能更趋向拉尼娜型；如果东部变暖更快，整个环流则可能转向厄尔尼诺型状态，届时海洋事件将在一个不同于今天的背景下发展（关于气候变化的趋势型态，参见NOAA对该趋势型态的分析）。

理论在两个方向上都有依据。东太平洋可能因云反馈、蒸发反馈或沃克环流减弱而增暖更多。与之相反，海洋也可能因层结增强、限制冷水向上输送而抑制东部的增暖。大多数气候模式预估的长期型态是赤道东太平洋的增暖快于周边海洋；跨模式看，东西向增温差异可解释东、中太平洋ENSO信号分化的模式间差异的约一半。两类ENSO的响应也不同。预计东太平洋地区降水变率的增幅大于中太平洋地区。CMIP6模式显示，在全球变暖下，中太平洋型ENSO的持续性和可预报性会显著降低，尤其是在穿越北半球春季时，而东太平洋型ENSO的可预报性则不会改变。

ENSO振幅和频率的预估仍有很大不确定性。随着模式世代更迭，模式之间的分歧有所缩小，从CMIP3到CMIP5，ENSO振幅的离散度减半，但CMIP6模式中，关于ENSO振幅变化的模式间分歧依然存在。在一项大型集合分析中，模式预估的离散度很大：到21世纪末，标准差的变化从增加至多0.6 °C到减小至多−0.4 °C不等，而集合平均的ENSO振幅变化接近零。前三十年的不确定性主要来自内部变率，此后则主要来自模式不确定性。事件计数也呈现类似格局：一个由13个模式组成的集合显示，厄尔尼诺和拉尼娜事件的总数在不同未来情景下相对于历史基准基本稳定，但一些模式预估，在未来变暖下极强厄尔尼诺和极强拉尼娜事件会显著增加，而另一些模式则显示较温和的变化。系统性的模式偏差直接导致了这些分歧。所有模式都高估了ENSO海温异常向西延伸的范围，并且对ENSO振幅的估计或高或低；仅平流层臭氧的处理方式本身，就可能对ENSO振幅预估产生一阶影响。

由于ENSO振幅的预估变化存在不确定性，其影响的预估变化也同样不确定。若干研究得出一个共识：在所有模式中，发生于厄尔尼诺年的极端降水日占比都会随未来变化而增加；而在所有模式中，拉尼娜年的极端降水预计几乎不变或出现得更少。将观测到的变化归因于人类活动则更为困难。热带太平洋已朝拉尼娜型格局的方向演变了足够长的时间，使其越来越难以归因于自然变率；但太平洋年代际振荡可能解释其中一部分，而它在很大程度上本身受ENSO影响，因此两种信号难以分离。仪器观测记录较短，进一步加大了分离的难度。

ENSO还与其他海盆相互作用。印度洋偶极子被认为是印度洋内部的一种变率模态，但它也部分受ENSO驱动：正、负印度洋偶极子事件分别与厄尔尼诺和拉尼娜相关联。印度洋偶极子还能反馈，它作为印度洋内部模态，可以主动影响ENSO。在未来强迫下，ENSO降水与扩展后的东部印度洋偶极子节点降水之间的反相关从−0.39（HIST）增强到−0.59（21C），这意味着ENSO将驱动印度洋降水变率中更大的份额。另一条相关联系通向大西洋：正印度洋偶极子削弱热带大西洋上的东风信风，在赤道中东部大西洋海盆引起暖异常，从而触发大西洋尼诺。大西洋尼诺又会增强南美洲和非洲的季节性降水，还可能通过大气遥相关削弱印度夏季风。印度洋偶极子对北大西洋的遥相关预估本身也在变化：一项研究发现，在21世纪，印度洋偶极子对极涡的影响大约减半，这将削弱印度洋通道在塑造区域环流中的作用。

观测、监测与预报

ENSO预报依赖于持续运行的观测网络，其原位观测的骨干是赤道太平洋的 TAO/TRITON 锚系浮标阵列。该阵列包括由美国国家海洋和大气管理局（NOAA）太平洋海洋环境实验室研发、由美国国家浮标数据中心（NDBC）维护的55个 TAO 锚系浮标，由日本海洋地球科学技术厅（JAMSTEC）维护的12个 TRITON 锚系浮标，以及5个次表层海流剖面锚系浮标。该阵列是在1985至1994年的"热带海洋与全球大气"（TOGA）计划期间建成的，旨在更好地探测、理解和预测ENSO。每个锚系浮标都搭载记录温度、盐度、流速和海表气象数据的仪器，各站点沿太平洋大致每隔15个经度布设一个。这种间距的设计旨在捕捉驱动该循环的赤道波动。利用这些数据通常能改进温度和盐度的重建，尤其是热带东太平洋的重建。不过，观测的连续性并无保障：自2000年起与NOAA共同维护TAO阵列的主要合作方JAMSTEC宣布，将分阶段撤出西太平洋的TRITON锚系浮标。

锚系浮标由卫星观测加以补充。高度计监测海表高度，该高度反映了温跃层深度的变化；辐射计则测量整个海盆的海表温度。在上层海洋中漂流的剖面浮标，则以次表层温度和盐度剖面填补锚系浮标之间的空白。

预报系统大致分为几类。统计模型外推观测指数之间的经验关系，而动力耦合海洋–大气模式则在网格上积分支配物理过程的方程。在某些时期，回报检验更青睐后者：在预测3月至5月的ENSO事件时，动力模式的表现在统计上显著优于统计模式。业务化展望将这些工具组合为集合预报。CPC官方ENSO展望综合了北美及其他地区的多个模式，表明厄尔尼诺将持续增强至年底。集合离散度将结果转化为概率，而非单一的演变路径。数据驱动方法（如神经网络方法）大多仍处于研究阶段。一项卷积LSTM研究报告称，月平均Niño-3.4指数可以较好地提前一年预测，该模型还能提前一年预测1997–1998年和2015–2016年等强厄尔尼诺事件。即便如此，超过1年的预报技巧仍然有限。

季节尺度预报技巧的主要障碍是春季可预测性屏障。对于2月至5月起报的预报，预报精度急剧下降；对统计预报而言，相关技巧随预报时效延长而迅速下降，低至0.3甚至更低。该屏障对不同类型的事件并不一致：中部太平洋型事件的春季预报屏障强于东部太平洋型事件。预报员通过拓宽预报因子的范围来减弱其影响。来自其他洋盆的影响在此有所帮助：在一项深度学习实验中，若排除印度洋的影响，有效预报时效将从17个月缩短至12个月。海表盐度也已被测试，在一个线性动力模型中，它在提高ENSO预报技巧和减弱春季可预测性屏障方面发挥了重要作用。

官方产品由各国的业务中心发布。美国气候预测中心（CPC）设定预警状态，当前状态为"厄尔尼诺公报"（El Niño Advisory）。月度诊断讨论每月发布一次（每月第二个星期四）；两次发布之间，海洋和大气状况每周在CPC网站上更新。自2026年2月1日起，官方监测和预报采用相对海洋尼诺指数（RONI）。世界气象组织（WMO）会定期将各国的评估汇总，形成其自身的厄尔尼诺/拉尼娜更新。

截至2026年10月8日的讨论，过去一个月中大多数尼诺指数有所上升：Niño-3.4 达到 +2.1°C，Niño-3 达到 +3.0°C，Niño-1+2 达到 +3.9°C。历史性事件的概率为：9–11月54%，10–12月83%，11月至次年1月70%。其中，历史性事件定义为三个月RONI达到 +2.5°C 或以上。9月的讨论曾给出10–12月出现历史性事件的概率为75%，该事件的强度将超过1950年以来的历次厄尔尼诺事件。10月的展望还认为，强至非常强的厄尔尼诺很可能持续至2027年1–3月（概率仍大于83%）。NOAA指出，出现与厄尔尼诺相符的影响的可能性更大，但并不保证。下一次讨论定于11月12日。

研究历史

人们对ENSO的科学认识是分阶段形成的，始于20世纪20年代的统计研究。吉尔伯特·沃克描述了印度洋与热带太平洋之间地面气压的跷跷板式变化，并将其命名为南方涛动。由于沃克没有给出物理机制，许多气象学家对这一模式持怀疑态度，认为它可能只是短时间观测记录造成的统计假象。这一空白直到1969年才被填补，当时雅各布·比耶克内斯发表了一项研究，将南方涛动与赤道太平洋联系起来。他发现，赤道海洋出现暖事件时，北太平洋上空冬季会出现相应的大气遥相关现象，并认为这些现象是沃克所描述的全球模式的一部分。比耶克内斯提出，信风的变化通过沃克环流与东西向海表温度梯度相联系。东太平洋变暖会削弱东风，从而减少上升流，使表层进一步变暖，这种反馈作用相互加强。这一正反馈机制至今仍以他的名字命名。不过，他无法解释暖位相是如何转变为冷位相的。20世纪70年代中期，海洋学家和气象学家开始联合开展研究。维尔特基在1975年提出，西太平洋暖池中海平面会出现“堆积”，他由此把厄尔尼诺视为一种较为孤立的事件；同年，人们也首次尝试预报厄尔尼诺（该尝试实际发生在1974年）。

20世纪80年代，预报工作取得进展，ENSO研究也明显加强。1982–83年的强暖事件直到发展得相当充分时才被识别出来，这促使研究界高度重视。拉蒙特-多尔蒂地球观测站的马克·凯恩和斯蒂芬·泽比亚克建立了一个简单的耦合模式，将稳态线性大气与约化重力海洋结合起来，用以考察太平洋的变化规律。1986年，凯恩、泽比亚克和多兰报告了对1970年以来厄尔尼诺事件的试验性回报检验，表明这些事件一般可以提前一到两年预测。同年，该模式开始实时应用，并成功预报了1986–87年事件的发生。巴尼特及其同事在1988年开展的另一项研究显示，三类不同的数值模式也能在提前三到九个月的时效上预报该事件。泽比亚克–凯恩模式常被称为首个成功预报ENSO事件的动力模式，并成为后续工作的基准。20世纪90年代，包含完整全球大气的更复杂模式取代了它，为常规季节预测奠定了基础。

热带海洋与全球大气计划（TOGA）是对1982–83年事件的主要机构性回应。该计划是一项为期十年的国际合作项目，于1985年至1994年实施，旨在研究和预测ENSO。它最持久的成果是为热带太平洋建立的观测系统，其中包括名为TAO/TRITON的锚系浮标阵列。在TOGA之前，海洋次表层温度的观测非常稀少，尽管人们早已知道温跃层的变化是ENSO的核心。该阵列提供了检验理论和初始化预报模式所需的数据。随后，1997–98年的强事件检验了这些新工具和新模式，该事件也成为该领域的又一个重要参照点。

与这些观测同步发展的，还有标准化指数。几十年来，海洋尼诺指数（ONI）一直是主要的衡量指标。它是Niño-3.4海区海表温度距平的三个月滑动平均值，相对于滚动更新的30年气候态计算。美国国家海洋和大气管理局（NOAA）的分类采用±0.5 °C的阈值，并要求距平至少连续五个重叠季节保持该水平。这使得自1950年起的事件可以得到一致的分类。由于ONI保留了热带海洋的长期变暖趋势，研究人员后来指出，它模糊了对气候影响至关重要的季节性变化。相对海洋尼诺指数（RONI）通过扣除热带平均海表温度距平来解决这一问题，从而削弱了变暖趋势的影响。分析还表明，与基于ONI的分类相比，基于RONI的分类对气候态时段的选择不那么敏感。NOAA气候预测中心于2026年2月采用了RONI。与ONI相比，在多数情况下，RONI会减弱厄尔尼诺事件、增强拉尼娜事件；例如，2023–24年厄尔尼诺事件在RONI上的数值比在ONI上低约0.6 °C。

未解问题与争论

尽管ENSO循环的大致轮廓已经确立，但若干核心问题仍未解决。第一个问题是：是什么引发了一次事件。西风爆发被广泛视为厄尔尼诺的重要触发因素，在预报模式中将其作为输入，可以更准确地预测1987–88年和1997–98年等强事件的发生时间。西风爆发是厄尔尼诺的重要触发因素；在预报中加入这些风爆发的输入后，能更准确地捕捉强厄尔尼诺（1987–1988年和1997–1998年）的发生时间。然而，仍有争议的是：这些风爆发究竟是原因、是对海洋次表层状态的响应，还是主要属于随机强迫；以及海洋表层以下储存的热量在多大程度上促成了事件的启动。

第二类问题与气候模式本身有关。耦合模式长期以来显示出两个持续存在的热带太平洋误差。其一是赤道冷舌过强：冷偏差几乎遍及整个赤道太平洋，在某一耦合模式中，赤道中太平洋和西太平洋上的冷偏差超过2°C。其二是双ITCZ（双热带辐合带）问题，模式把降雨极大值放在赤道两侧，而观测显示只有一个位于赤道以北的极大值。这些偏差也会削弱厄尔尼诺–南方涛动的变率模拟能力。一些研究更进一步指出，冷舌偏差可能在变暖情景下虚假地改变模拟的ENSO平均态，这一发现凸显了在减少双ITCZ问题方面仍需取得进一步进展。由于部分机器学习预报在使用再分析资料微调之前，先在模式输出上进行了预训练，这些误差也可能传递到统计预报中。

厄尔尼诺与拉尼娜之间的不对称性是第三个尚未解决的问题。强厄尔尼诺事件的振幅大于强拉尼娜事件，而拉尼娜阶段则往往持续更久。极端厄尔尼诺事件的影响尤为巨大，并且是造成ENSO冷暖位相不对称的重要原因。然而，目前对于海洋非线性和大气非线性在这些不对称性中各自的相对重要性，尚无共识。一项模式研究将极端厄尔尼诺事件峰值振幅的约40%归因于深层大气对海表温度的非线性响应。另有研究则强调温跃层：由于海表限制了温跃层的向上移动，厄尔尼诺期间次表层的异常可以比拉尼娜期间更大，在简单海洋模式中这会产生更强的暖事件。相反，也有分析认为海洋非线性在极端厄尔尼诺事件中起微弱的阻尼作用。因此，为什么极端厄尔尼诺事件比其拉尼娜对应事件更为罕见却又更强，以及这些过程如何相互作用，仍无定论。

第四个问题涉及可预测性的极限。机器学习方法在一些研究中延长了预报时效：一个卷积神经网络在晚春目标上的技巧仅在约提前十个月时超过0.5，而冬季目标在短预报时效下技巧超过0.8。其他框架（如储层计算）报告的技巧可延伸至约21个月，而深度学习与动力预报的混合方法在多种预报时效上提升了技巧。这些数字取决于检验指标、目标季节和回报时段，而且许多长预报时效的结果仅建立在几十年的观测之上。另一个争论点在于技巧的来源：一项研究发现，在提前11至21个月的预报时效上，近地面纬向风本身所提供的预报技巧与海表温度相当，但与海表温度结合使用时则没有额外增益。此类长时效信号是否稳健，以及春季可预测性屏障能否被克服，仍有待研究。

最后，为何不同事件在位置、发生时间和强度上存在如此大的差异，目前仅得到部分解释。这些差异是否遵循可预测的规律，还是主要反映了不规则的非线性动力过程，这一问题将前文讨论的机制、模式偏差与预报争论联系在了一起。

参考来源

Understanding ENSO Indices in a Warming Climate ONI vs. RONI indiceswmo.int
El Niño Index Dashboard: NOAA Physical Sciences Laboratorypsl.noaa.gov
Relative Oceanic Nino Index and Nino3.4 Data - Brian McNoldybmcnoldy.earth.miami.edu
A Relative Sea Surface Temperature Index for Classifying ENSO Events in a Changing Climate in: Journal of Climate Volume 37 Issue 4 (2024)journals.ametsoc.org
Climate variability: Relative Oceanic Niño Indexclimate.us
The Relative Oceanic Niño Index (RONI) Becomes NOAA’s Official ENSO Classification Index for Tracking El Niño and La Niñagujaratweather.com
ONI vs RONI: how NOAA's two ENSO indices differ · ENSO Dashboardoni.bureau7.com
RONI vs ONI: Why NOAA Changed How El Niño Is Measurediamelnino.com
El Niño-Southern Oscillation (ENSO)cgd.ucar.edu
Monthly Oceanic Nino Index (ONI)data.humdata.org
El Niñobritannica.com
El Niño - Studentskids.britannica.com
The origin of the El Niño and La Niña weather pattern nameswgrz.com
An El Niño Fish Tale - UCAR Center for Science Educationscied.ucar.edu
El Niñormets.org
Southern Oscillation - Glossary of Meteorologyglossary.ametsoc.org
Southern Oscillationbritannica.com
Walker, Gilbert Thomasencyclopedia.com
Climate - Southern Oscillation, El Niño, La Niñabritannica.com
History of the SOI - Physical Sciences Laboratory - NOAApsl.noaa.gov
Southern Oscillation - an overviewsciencedirect.com
The Walker Circulation: ENSO's atmospheric buddyclimate.gov
El Niño - NASA Sciencescience.nasa.gov
Nonlinear Dimensionality Reduction Methods in Climate Data Analysisarxiv.org
Local and Global Effects of El Niño and La Niñacourses.ems.psu.edu
The Walker Circulation: The Atmospheric Engine Behind ENSOelninoguide.com
How Trade Winds Drive El Niño and La Niñathe-weather.com
On the ENSO Mechanisms By Chunzai Wang Physical Oceanography Divisionaoml.noaa.gov
review of ENSO theoriesacademic.oup.com
The El Niño Southern Oscillation (ENSO) Recharge Oscillator Conceptual Model: Achievements and Future Prospects - Vialard - 2025 - Reviews of Geophysics - Wiley Online Libraryagupubs.onlinelibrary.wiley.com
(PDF) The El Niño Southern Oscillation (ENSO) Recharge Oscillator Conceptual Model: Achievements and Future Prospectsresearchgate.net
The El Niño Southern Oscillation (ENSO) Recharge ... - Archimerarchimer.ifremer.fr
Realistic ENSO Dynamics Requires a Damped Nonlinear Recharge Oscillatorarxiv.org
What's a 'super El Niño'? And other El Niño questions, answered » Yale Climate Connectionsyaleclimateconnections.org
December 2023 El Niño update: adventure!climate.gov
A Super El Niño Is Very Strong, But Even Weaker El Niños Affect the Weatherscied.ucar.edu
Could Upcoming Super El Niño Be Strongest Ever?opensnow.com
The Impacts of the Eastern Pacific and Central Pacific El Niño on North American Winter Climateescholarship.org
Contrasting the eastern Pacific El Niño and the central Pacific El Niño: process-based feedback attributionlink.springer.com
Emergence of changing Central-Pacific and Eastern-Pacific El Niño-Southern Oscillation in a warming climatenature.com
Eastern Pacific El Niño - an overviewsciencedirect.com
One forecaster’s view on extreme El Niño in the eastern Pacificclimate.gov
Strongest El Niño Events in History: The Complete Recordthe-weather.com
United States El Niño Impactsclimate.gov
El Niño and La Niña: Frequently asked questionsclimate.gov
La Niña Impacts and Outlook Western Region December 2020drought.gov
How Does El Niño Impact the Weather?scripps.ucsd.edu
Orographic amplification of El Niño teleconnections on winter precipitation across the Intermountain West of North Americancbi.nlm.nih.gov
A new interhemispheric teleconnection increases predictability of winter precipitation in southwestern USncbi.nlm.nih.gov
A distinct and reproducible teleconnection pattern over North America during extreme El Niño events - PMCpmc.ncbi.nlm.nih.gov
Possible shift in the ENSO-Indian monsoon rainfall relationship under future global warmingncbi.nlm.nih.gov
Role of the North Atlantic in Indian Monsoon Droughtsarxiv.org
Redefining climate index with sea surface temperature of key area can better express atmospheric physical activityarxiv.org
NWS Jackson, MS: El Nino and La Ninaweather.gov
Impacts of El Niño and La Niña on the hurricane seasonclimate.gov
<center>El Niño-Southern Oscillation and the seasonal predictability of tropical cyclones</center>aoml.noaa.gov
Regional Effects Of ENSO On U.S. Hurricane Landfalls - Florida Climate Centerclimatecenter.fsu.edu
Influence of Mean Flow on the ENSO–Vertical Wind Shear Relationship over the Northern Tropical Atlantic in: Journal of Climate Volume 25 Issue 3 (2012)journals.ametsoc.org
Impacts of El Niño and La Niña (ENSO) on Hurricane Seasontrackthetropics.com
The role of ENSO in shaping global rainfall, storms and temperature patterns - The Watcherswatchers.news
The Impact of El Niño and La Niña in Each Region of Brazilczapp.com
El Niño 2026 raises concerns in Brazilsciencearena.org
A change in coral extension rates and stable isotopes after El Niño-induced coral bleaching and regional stress eventsncbi.nlm.nih.gov
A ‘super’ El Niño has the power to devastate fishingpreventionweb.net
1972 Peruvian anchoveta crisisen.wikipedia.org
A ‘super’ El Niño has the power to devastate fishingtheconversation.com
El Nino and Indonesia's 1997-98 Forest Firesscholarspace.manoa.hawaii.edu
The amount of carbon released from peat and forest fires in Indonesia during 1997nature.com
Assessing costs of Indonesian fires and the benefits of restoring peatland - PMCpmc.ncbi.nlm.nih.gov
How climate change affects mosquito-borne infectious disease: The different trajectories of malaria and denguescience.org
Global Disease Outbreaks Associated with the 2015–2016 El Niño Eventnature.com
Effects of the El Niño-Southern Oscillation and seasonal weather conditions on Aedes aegypti infestation in the State of São Paulo (Brazil): A Bayesian spatio-temporal studyjournals.plos.org
[PICTURE HERE] Public Health Situation Analysis El Niño Global Climate Eventcdn.who.int
El Niño Southern Oscillation (ENSO) effects on fisheries and ...openknowledge.fao.org
El Niño: The Not So Little Global Eventoceanfutures.org
El Niño-driven phase shift to algal dominance on Isla del Caño’s coral reefs: implications for urgent restorationncbi.nlm.nih.gov
El Niño fuels wildfires in Indonesia, sickening some 100,000 peoplescientificamerican.com
Indonesia’s Parched Peatlands Burn Under El Niñoiri.columbia.edu
El Niño and its health impacts - Worldreliefweb.int
Effects of temperature, rainfall, and El Niño Southern Oscillations on dengue-like-illness incidence in Solomon Islandsncbi.nlm.nih.gov
enso-li2011.txtncei.noaa.gov
A Review of Paleo El Niño-Southern Oscillationmdpi.com
Dampened El Niño in the Early and Mid‐Holocene Due To Insolation‐Forced Warming/Deepening of the Thermoclinepar.nsf.gov
Coral geochemical records: An overview of their use as climate proxies and of available databasesclimatedataguide.ucar.edu
skip to main contentpar.nsf.gov
Holocene changes in eastern tropical Pacific climate inferred from a Galápagos lake sediment record - ScienceDirectsciencedirect.com
Holocene ENSO variability in the South China Sea recorded by high-resolution oxygen isotope records from the shells of Tridacna spp.nature.com
Past ENSO Variability: Reconstructions, Models, and Implicationsresearchgate.net
Koutavas Joanides 2012 282704whoi.edu
Reduced El Niño-Southern Oscillation during the Last Glacial Maximum - PubMedpubmed.ncbi.nlm.nih.gov
ENSO variability and teleconnections during glacial timesresearchgate.net
Robust expression of ENSO throughout the Last Interglacial - ADSui.adsabs.harvard.edu
Multiproxy El Nio-Southern Oscillation (ENSO) Reconstructionsncei.noaa.gov
High-resolution marine data and transient simulations support orbital forcing of ENSO amplitude since the mid-Holocene - ScienceDirectsciencedirect.com
The ENSO–Precipitation Teleconnection and Its Modulation by the Interdecadaljournals.ametsoc.org
Eastern Pacific Corals Track Robust ENSO Variability and Stronger La Niña Events 4,000 Years Before Present - Tripp - 2026 - Geophysical Research Letters - Wiley Online Libraryagupubs.onlinelibrary.wiley.com
CP - Comparison of past and future simulations of ENSO in CMIP5/PMIP3 and CMIP6/PMIP4 modelscp.copernicus.org
A mystery in the Pacific is complicating climate projections » Yale Climate Connectionsyaleclimateconnections.org
How the pattern of trends across the tropical Pacific Ocean is critical for understanding the future climateclimate.gov
4 El Niño and Southern Oscillation (ENSO): A Reviewstaff.cgd.ucar.edu
Central-Pacific El Niño-Southern Oscillation less predictable under greenhouse warmingncbi.nlm.nih.gov
Uncertainty of ENSO-amplitude projections in CMIP5 and CMIP6 modelslink.springer.com
Intensity-dependent changes in ENSO frequency and lifecycle characteristics under future climate changelink.springer.com
ESD - The future of the El Niño–Southern Oscillation: using large ensembles to illuminate time-varying responses and inter-model differencesesd.copernicus.org
On the role of ozone feedback in the ENSO amplitude response under global warmingncbi.nlm.nih.gov
Contributions of Climate Change and ENSO Variability to Future Precipitation Extremes Over California - Huang - 2023 - Geophysical Research Letters - Wiley Online Libraryagupubs.onlinelibrary.wiley.com
Climate change alters the Indian Ocean Dipole and weakens its North Atlantic teleconnectionnature.com
Indian Ocean Dipole leads to Atlantic Niñopar.nsf.gov
Indian Ocean Dipole leads to Atlantic Niño - PubMedpubmed.ncbi.nlm.nih.gov
Indian Ocean Dipole leads to Atlantic Niñoncbi.nlm.nih.gov
Historical and Future Asymmetry of ENSO Teleconnections with Extremes in: Journal of Climate Volume 37 Issue 22 (2024)journals.ametsoc.org
Indian Ocean Dipole leads to Atlantic Niñonature.com
Refreshed Data System for Tropical Atmosphere Ocean (TAO) Buoy Arrayieeexplore.ieee.org
THE GLOBAL TROPICAL MOORED BUOY ARRAYaoml.noaa.gov
Bolstered by Buoys: Predicting El Niño - Eoseos.org
Impact of the TAO/TRITON Array on Reanalyses and Predictions of the 2015 El Niño - Hackert - 2023 - Journal of Geophysical Research: Oceans - Wiley Online Libraryagupubs.onlinelibrary.wiley.com
Tropical Ocean Observations for Weather and Climate: A Decadal Overview of the Global Tropical Moored Buoy Arraytos.org
Real-time ENSO forecast skill evaluated over the last two decades, with focus on the onset of ENSO eventsnature.com
Aus, US agencies point to El Niño strengthening - Grain Centralgraincentral.com
Prediction of ENSO Beyond Spring Predictability Barrier Using Deep Convolutional LSTM Networksieeexplore.ieee.org
Tropical basin interactions reduce spring predictability barrier of ENSO in a deep learning modelscience.org
The Indian Ocean Weakens the ENSO Spring Predictability Barrier: Role of the Indian Ocean Basin and Dipole Modes in: Journal of Climate Volume 36 Issue 24 (2023)journals.ametsoc.org
Sea Surface Salinity Strongly Weakens ENSO Spring Predictability Barrier - Pang - 2023 - Geophysical Research Letters - Wiley Online Libraryagupubs.onlinelibrary.wiley.com
ENSO: Recent Evolution, Current Status and Predictions Update prepared by:cpc.ncep.noaa.gov
Climate Prediction Center: ENSO Diagnostic Discussion - NOAAcpc.ncep.noaa.gov
ENSO Conditions and Coral Bleachingcoralreefwatch.noaa.gov
El Niño/Southern Oscillation (ENSO) Diagnostic Discussioncpc.ncep.noaa.gov
Abstract: Milestones on the Road toTOGA (95th American Meteorological Society Annual Meeting)ams.confex.com
El Niño and Southern Oscillation (ENSO): A Review Chunzai Wang 1aoml.noaa.gov
An Overview of El Niño-Southern Oscillation Understanding By Chunzai Wang 1aoml.noaa.gov
Experimental forecasts of El Niñonature.com
On the Prediction of the El Nino of 1986-1987ocp.ldeo.columbia.edu
Predicting El Niño Then and Nowclimate.gov
El Niño modeling improvements introduced to Zebiak-Cane model - Climate Program Officecpo.noaa.gov
Revealing the most disturbing tendency error of Zebiak–Cane model associated with El Niño predictions by nonlinear forcing singular vector approachlink.springer.com
The El Niño factorcarlzimmer.com
Forecasts of Tropical Pacific SST Using a Simple Coupled ...cpc.ncep.noaa.gov
ENSO Prediction - L'Heureux - AGU Journals - Wileyagupubs.onlinelibrary.wiley.com
New NOAA El Niño-Southern Oscillation Index Supports Drought Early Warningdrought.gov
(PDF) A Relative Sea Surface Temperature Index for Classifying ENSO Events in a Changing Climateresearchgate.net
A Bayesian Machine Learning Algorithm for Predicting ENSO Using Short Observational Time Seriesarxiv.org
The Equatorial Pacific Cold Tongue Bias in a Coupled Climate Model in: Journal of Climate Volume 21 Issue 22 (2008)journals.ametsoc.org
Cold Tongue Bias in CMIP6 Spuriously Causes Mean State to Move Towards El Nino in Response to Warming over the Historical Period - ADSui.adsabs.harvard.edu
Dominant contribution of atmospheric nonlinearities to ENSO asymmetry and extreme El Niño eventsncbi.nlm.nih.gov
Dominant contribution of atmospheric nonlinearities to ENSO asymmetry and extreme El Niño eventsnature.com
Nonlinearity and asymmetry of ENSOresearchgate.net
El Nino-Southern Oscillation - an overviewsciencedirect.com
A Machine Learning‐Based Approach to Quantify ENSO Sources of Predictabilityopensky.ucar.edu
A Machine Learning‐Based Approach to Quantify ENSO Sources of Predictability - Colfescu - 2024 - Geophysical Research Letters - Wiley Online Libraryagupubs.onlinelibrary.wiley.com
Machine Learning for the Physics of Climatearxiv.org
(PDF) DLENSO: A Deep Learning ENSO Forecasting Modelresearchgate.net
Combined dynamical-deep learning ENSO forecastsnature.com
pacific cold tongue: Topics by Science.govscience.gov