2022年夏季，高温热浪在北半球肆虐，中国东部经历了史无前例的炎热干燥夏季，超过2.7亿人饱受热应激之苦，数百人因中暑死亡。长时间的高温和降水不足导致长江中下游出现严重干旱，川渝等地水电发电能力显著下降。如何提前数周准确预测这类极端高温事件，是气候预测领域亟待攻克的难题。近期，尹志聪教授和博士生潘石凤基于深度学习方法构建了长江中下游夏季极端高温的次季节预测模型，相关研究成果发表于Atmospheric Research。
本研究基于残差U-Net（Res-UNet）建立了极端高温次季节确定性与概率性预测模型。在确定性预测方面，在3–4周预报时效下，Res-UNet相较于欧洲中期天气预报中心（EC）与经验分位数映射（QM），时间相关系数提升了14%，命中率为0.3。在概率预测方面，结果显示Res-UNet在3–4周预报时效下显著优于EC与QM，表现为更高的布莱尔技巧评分（BSS）和连续分级概率技巧评分（CRPSS）（图1a），这表明该模型在刻画预测概率分布及捕捉极端事件方面具有一定能力，尤其在重庆和四川地区表现更为突出。进一步与其他机器学习模型的对比结果表明，Res-UNet在长时效极端高温预测中具有较好的优势。在2022年极端高温事件中，Res-UNet能够提前最长达3周高信度给出极端高温预测（图1b），表明其在提升次季节极端高温预测能力方面具有应用潜力。
图1. 极端高温次季节预测技巧评估。（a）2019–2022年期间，EC、QM和Res-UNet在3–4周预报时效下的布莱尔技巧评分（BSS）和连续分级概率技巧评分（CRPSS）。所有指标均基于1000次自助法（bootstrap）重采样估计的95%置信区间进行评估。（b）观测值（上半部分；单位：℃）及Res-UNet、QM和EC在2022年长江中下游地区3–4周预报时效的极端高温概率预测（下半部分；单位：%）。上半部分中红色区域表示观测到的极端高温，其余为蓝色。下半部分的小方格以不同颜色表示概率等级，带黑色边框的方格表示概率大于50%
文章信息：
Pan, S, F., Yin, Z. C., Fan, Y., Han, T., T., Duan, M., K., Wang, H. J., 2026. Sub-seasonal prediction of extreme high temperature over the Yangtze River Basin based on deep learning, Atmospheric Research, 108602, https://doi.org/10.1016/j.atmosres.2025.108602.
相关论文：
Pan, S. F., Yin, Z. C., Duan, M. K., Han, T. T., Fan, Y., Huang, Y. Y., Wang, H. J., 2024. Seasonal Prediction of Extreme High-Temperature Days over the Yangtze River basin, Science China Earth Sciences, 67: 2137–2147, https://doi.org/10.1007/s11430-023-1265-2.