Het Global Multimodal Seasonal-to-Interannual Prediction System (GMMIP) is een gecoördineerde poging om de weergave van moessons in seizoens- tot interjaarlijkse klimaatvoorspellingen te verbeteren. GMMIP-simulaties hebben blijk gegeven van een grotere vaardigheid dan historische simulaties bij het voorspellen van de jaarlijkse variabiliteit van de mondiale moesson. Dit is waarschijnlijk te wijten aan het feit dat GMMIP-simulaties de interacties tussen de atmosfeer, de oceaan en het landoppervlak beter kunnen weergeven, wat belangrijk is voor het stimuleren van de moessonvariabiliteit.

Een van de belangrijkste factoren die GMMIP-simulaties verbeteren, is de weergave van de El Niño-Southern Oscillation (ENSO). ENSO is de dominante vorm van jaarlijkse klimaatvariabiliteit in de tropen, en heeft een sterke invloed op de mondiale moesson. GMMIP-simulaties kunnen de amplitude, frequentie en het ruimtelijke patroon van ENSO-variabiliteit beter weergeven, wat leidt tot betere voorspellingen van de moesson.

Naast ENSO verbeteren GMMIP-simulaties ook de representatie van andere factoren die de moessonvariabiliteit beïnvloeden, zoals de Indische Oceaan Dipool (IOD) en de Madden-Julian Oscillation (MJO). De IOD is een vorm van jaarlijkse klimaatvariabiliteit in de Indische Oceaan, en heeft een sterke invloed op de Zuid-Aziatische moesson. De MJO is een vorm van intra-seizoensgebonden klimaatvariabiliteit die in de tropen voorkomt en die de timing en intensiteit van de moesson kan beïnvloeden. GMMIP-simulaties kunnen de variabiliteit van deze modi beter weergeven, wat leidt tot betere voorspellingen van de moesson.

Over het geheel genomen hebben GMMIP-simulaties blijk gegeven van een grotere vaardigheid dan historische simulaties bij het voorspellen van de jaarlijkse variabiliteit van de mondiale moesson. Dit is waarschijnlijk te wijten aan het feit dat GMMIP-simulaties de interacties tussen de atmosfeer, de oceaan en het landoppervlak beter kunnen weergeven, wat belangrijk is voor het stimuleren van de moessonvariabiliteit.