近年来,我国华北地区强降水频发,造成了巨大的经济损失和人员伤亡.然而,目前对于强降水的短期气候预测水平十分有限.因此,本文基于3个独立的预测因子——前期2月印度洋海温(SST＿IO)、2月北亚积雪深度(SDE＿NA)和5月华北融雪(MSDE＿NC),利用年际增量方法(the year-to-year difference, DY),建立了华北地区盛夏强降水频次(heavy precipitation days, HPDs)的季节预测模型.结果表明, SST＿IO通过太平洋-日本遥相关影响华北降水. SDE＿NA通过激发欧亚大陆上空Rossby波向东南传播,进而引起东亚反气旋异常来影响华北降水.MSDE＿NC异常往往伴随着后期盛夏局地的垂直运动异常和比湿异常,从而引起华北降水异常.该预测模型能很好地预测HPDs的年际变化特征,预测与观测的HPDs＿DY(HPDs)的相关系数分别为0.81和0.65.15个极端HPDs年的距平同号率为100%.在1982～2022年留一法交叉验证中, HPDs极值年份距平同号率高达100%,具有较低的均方根误差(1.14).在2013～2022年独立试报结...

近年来,我国华北地区强降水频发,造成了巨大的经济损失和人员伤亡.然而,目前对于强降水的短期气候预测水平十分有限.因此,本文基于3个独立的预测因子——前期2月印度洋海温(SST＿IO)、2月北亚积雪深度(SDE＿NA)和5月华北融雪(MSDE＿NC),利用年际增量方法(the year-to-year difference, DY),建立了华北地区盛夏强降水频次(heavy precipitation days, HPDs)的季节预测模型.结果表明, SST＿IO通过太平洋-日本遥相关影响华北降水. SDE＿NA通过激发欧亚大陆上空Rossby波向东南传播,进而引起东亚反气旋异常来影响华北降水.MSDE＿NC异常往往伴随着后期盛夏局地的垂直运动异常和比湿异常,从而引起华北降水异常.该预测模型能很好地预测HPDs的年际变化特征,预测与观测的HPDs＿DY(HPDs)的相关系数分别为0.81和0.65.15个极端HPDs年的距平同号率为100%.在1982～2022年留一法交叉验证中, HPDs极值年份距平同号率高达100%,具有较低的均方根误差(1.14).在2013～2022年独立试报结...

夏季中国人口密集的长江中下游地区极端高温频发,严重影响了当地经济发展和生态系统.然而,当前对该地区极端高温日数的准确预测仍然是一个挑战.例如,美国国家海洋和大气管理局第二代气候预测系统（CFSv2）在这方面表现不佳.因此,基于年际增量方法,本文建立了长江中下游地区混合季节性预测模型(HMYRB),以提高对夏季极端高温日数的预测能力.该模型基于以下4个预测因子:观测的前期4到5月欧洲西北部融雪; 3月中西伯利亚高原积雪深度; CFSv2预测夏季海洋性大陆周围海温及青藏高原上空200hPa位势高度.结果显示,HMYRB在预测极端高温日数的年际变化和趋势方面显示出良好的能力,在1983～2015年留一法交叉验证中,相关系数达到0.58,同号率为76%.此外, HMYRB在独立预测期间（2016～2022年）也保持了较高的同号率（86%）预测技巧和稳健性.此外, HMYRB对于极端高温日数高频发的年份表现良好,命中率为40%.虽然在强度上存在偏差,但HMYRB中使用的预测因子对于预测长...

夏季中国人口密集的长江中下游地区极端高温频发,严重影响了当地经济发展和生态系统.然而,当前对该地区极端高温日数的准确预测仍然是一个挑战.例如,美国国家海洋和大气管理局第二代气候预测系统（CFSv2）在这方面表现不佳.因此,基于年际增量方法,本文建立了长江中下游地区混合季节性预测模型(HMYRB),以提高对夏季极端高温日数的预测能力.该模型基于以下4个预测因子:观测的前期4到5月欧洲西北部融雪; 3月中西伯利亚高原积雪深度; CFSv2预测夏季海洋性大陆周围海温及青藏高原上空200hPa位势高度.结果显示,HMYRB在预测极端高温日数的年际变化和趋势方面显示出良好的能力,在1983～2015年留一法交叉验证中,相关系数达到0.58,同号率为76%.此外, HMYRB在独立预测期间（2016～2022年）也保持了较高的同号率（86%）预测技巧和稳健性.此外, HMYRB对于极端高温日数高频发的年份表现良好,命中率为40%.虽然在强度上存在偏差,但HMYRB中使用的预测因子对于预测长...