南极海冰是地球系统的重要组成部分，其变化不仅深刻影响南极生态环境，也对全球气候变化具有重要调控作用。南极海冰预测网络（SIPN South; Massonnet et al., 2023）国际比对计划作为全球性科研协作平台，致力于评估和改进南极海冰的季节预测能力。该计划自2017年实施以来，每年11月组织全球科研团队提交对当年12月至次年2月南极海冰面积的预测，并进行统一验证和比较分析。

第二届“镜觅深蓝”摄影大赛获奖作品穆连庆《极地组照》

我实验室极地海洋与气候变化创新团队深耕海冰预测领域，于2024年12月初向SIPN South提交了三组预测结果，分别基于卷积长短期记忆神经网络（ConvLSTM; Dong et al., 2024a, 2024b），K近邻（KNN; Lin et al., 2025），以及多元线性马尔可夫模型（MLM; Chen & Yuan, 2004）（见图1）。其中，ConvLSTM模型荣获第一名，KNN和MLM模型分别位列第三和第七名。这是该团队自2021年起连续四年参与该国际比对计划。

图1. 提交至SIPN South的2025年2月平均南极海冰面积预测结果，其中SYSU/SML-ConvLSTM、SYSU/SML-MLM和SYSU/SML-KNN为我实验室创新团队开发的模型。

近日，2024–2025年度SIPN South评估报告正式发布（https://fmassonn.github.io/sipn-south.github.io/）。依据评估报告所采用的连续等级概率评分（CRPS, 该计划核心评估指标），ConvLSTM模型在国际上本次提交的14个结果中荣获第一名。值得注意的是，这是深度学习方法首次在SIPN South比对计划中优于所有传统动力预测系统，彰显了其在极地海冰预测中的巨大潜力。同时提交的KNN和MLM模型分别位列第三和第七名，三套方案均优于气候态基准预测（图2）。

相较去年取得的第二（ConvLSTM）、第四（MLM）和第六（KNN）名次（https://mp.weixin.qq.com/s/yWApmUsWIoQT0jcqpibBXA），我实验室本年度成绩的持续突破有力验证了深度学习等数据驱动方法在南极海冰预测中的稳定性和可靠性，为南极海冰预测研究提供了重要参考。

图2. 2025年2月各模型预测结果的连续等级概率评分（CRPS; Massonnet et al., 2023）。CRPS由预测累积密度函数和观测累积密度函数之间的平方差计算得到；值越小，预测技巧越高。

本研究由我实验室极地海洋与气候变化创新团队核心成员、中山大学大气科学学院杨清华教授，我实验室前沿研究中心聂亚飞博士和闵超博士，大连理工大学李雪薇副教授，中山大学大气科学学院博士生董晓然、林永成、梅珺一，以及硕士生王昀共同完成。

本研究得到了国家重点研发计划、国家自然科学基金以及南方海洋实验室创新团队建设经费等的支持。