Los sistemas de pronóstico climático estadístico típicamente no utilizan directamente los datos de temperatura de la superficie del mar (SST) global en cuadrícula anteriores; en su lugar, extraen un único predictor (por ejemplo, el índice Niño3.4) o múltiples predictores (por ejemplo, series temporales de varios modos espaciales de SST). En este estudio, se analizan comparativamente cuatro métodos diferentes de extracción de predictores de SST (un método de un solo predictor y tres métodos de múltiples predictores) dentro de la misma plataforma de pronóstico climático que incorpora ya sea el modelo de regresión lineal (LR) o el modelo de pronóstico de red neuronal (NN). Los experimentos de pronóstico en rodante con el modelo LR muestran que, en comparación con un único predictor de SST fuerte, solo los múltiples predictores con más información de alta calidad (alta relación señal-ruido) podrían mejorar la habilidad de pronóstico. Los experimentos de sensibilidad también muestran que la influencia de los métodos de extracción de múltiples predictores sobre la habilidad de pronóstico del modelo NN es mucho más débil que la del modelo LR. Además, si los múltiples predictores de SST son ortogonales o no también podría afectar la habilidad de pronóstico. Los análisis anteriores proporcionan una referencia para establecer un sistema de pronóstico climático estadístico basado en datos de SST anteriores.