集合非线性强迫奇异向量同化（EnNFSV-DA）是一种能够抵消由初始和模式误差共同作用引起的预报误差的同化方法，该方法在非线性强迫奇异向量同化（NFSV-DA）方法的基础上进一步保留了不同年代间对ENSO预测有意义的前兆信号。目前EnNFSV-DA已通过Zebiak-Cane模式应用于ENSO预报中。在对1961-2020年海温异常值（SSTA）的预报中， EnNFSV-DA能够显著提高Zebiak-Cane模式对SSTA的预报技巧。相比耦合初始同化方法的控制预报，有效预报时长从6个月以下延长至12个月以上。此外，EnNFSV-DA能够有效减弱春季预报障碍现象（SPB）对ENSO预报的影响；并且EnNFSV-DA能够提前8个月识别赤道中太平洋的暖信号，区分两类厄尔尼诺事件。因此，EnNFSV-DA是一种能够有效解决初始和模式误差共同影响的数据同化方法，该方法在ENSO预报中能够显著减弱SPB的影响并提高ENSO多样性预报技巧。
 

集合非线性强迫奇异向量