Madden–Julian Oscillation（MJO）是热带季节内变率的主导模态，具有显著的多尺度相互作用和复杂的传播特征，其延伸期预报仍面临较大挑战。扩散模型是一类通过逐步加噪和反向去噪实现数据生成的概率生成模型。基于扩散模型的扩散后验采样（diffusion posterior sampling，DPS）方法能够在给定观测条件和先验约束的基础上进行条件采样，生成多种可能的未来演变，因而适用于构建概率集合预报系统。
本文通过数值试验探讨基于DPS的实时OLR MJO指数（ROMI）预报方法。该方法以过去10天赤道地区的向外长波辐射（OLR）场和气候平均背景场为条件，生成未来的OLR场，并将其投影至ROMI相空间，从而实现对未来约1个月MJO对流信号演变的预报。结果表明，以双变量相关系数（BCC）达到0.5作为有效预报阈值，模型全年平均有效预报时效可达27天，冬季可延长至32天，表现出具有实际应用价值的MJO次季节预报技巧。
概率预报评估结果显示，在0—35天预报范围内，模型对ROMI振幅的连续秩概率技巧评分（CRPSS）总体保持为正；相比之下，MJO位相概率的Brier技巧评分（BSS）正技巧主要集中在前15—20天。这表明，模型对MJO振幅及其不确定性的刻画相对稳定，而位相概率预报技巧随预报时效延长下降更快。后续研究将以欧洲中期天气预报中心次季节至季节尺度（ECMWF S2S）再预报资料为基准，进一步评估该数据驱动模型相对于传统动力模式的优势与局限。
总体而言，初步结果表明，数据驱动的生成式模型可为传统动力预报模式提供有益补充，并为热带季节内对流活动的次季节概率预报提供新的技术思路。

Madden-Julian Oscillation（MJO）;次季节预报;扩散模型;扩散后验采样;向外长波辐射（OLR）;ROMI;双变量相关系数