种群补充是维持资源可持续的关键生物学过程，准确预测和理解补充量的变异性已经成为渔业管理的核心问题。以往对南太平洋长鳍金枪鱼（Thunnus alalunga）补充量的预测方法在处理环境变量间多重共线性及筛选关键驱动变量方面时存在显著局限性，容易导致模型过拟合及预测精度下降。为弥补以上不足，本研究引入LASSO回归算法以优化预测变量筛选过程并提升预测精度。基于2000-2017年观测数据构建模型，并结合CMIP6多模式气候预测数据对2018-2100年补充量进行长期预测。结果表明，LASSO方法通过收缩无关变量，有效消除变量冗余，提高了模型预测精度。最佳模型解释率为45.9%，其中海表温度（SST）和混合层深度（MLD）为预测补充量的重要因子。预测结果显示，在二氧化碳较高排放情形下（SSP585，SSP370），在2070年代种群补充量趋近于零，种群崩溃风险显著升高；在低碳路径（SSP126）下，补充量仍呈现持续性衰减趋势。本研究结果为渔业资源预测及变量选择介绍了有效方法，并构建气候-补充耦合预测模型，为制定适应性管理策略、规避种群崩溃风险提供了量化决策支持。