张永强研究员团队研发面向全球海温次季节至季节（S2S）预报的 中科苍龙（CAS-Canglong） 大模型，相关成果发表于 Advanced Science。王龙浩、张选泽为共同第一作者，张永强为通讯作者。
融合海气信息的预报模型
模型采用三维 Swin Transformer，融合海温、气压、风场等八类海气变量，通过自注意力机制学习跨尺度时空联系。模型空间分辨率为 0.25° × 0.25°，最长可预报 16 个月。
与数值模式的比较
研究在独立测试资料上，将中科苍龙与 22 个主流数值模式进行比较。在 Niño 3.4 区、北极高纬海区、印太暖池及南大西洋、南印度洋、南太平洋等重点海区，模型在 1—3 个月提前期的海温异常均方根误差较数值多模式集合平均降低约 55.6%—63.4%。
研究为 ENSO 和全球海温演变预测提供了新方法，并为进一步开展水文气象风险预报奠定基础。
论文与开放资源
Wang, L., Zhang, X., Leung, R. L., Chiew, F. H. S., AghaKouchak, A., Ying, K., & Zhang, Y. (2026). Improved Skills for Predicting Sub-Seasonal to Seasonal Global Sea Surface Temperature. Advanced Science, e78271.