我国东部夏季降水在过去几十年间经历了显著的年代际变化，对国家水资源和能源管理等具有重要影响，对其进行准确的年代际预测具有重要意义。近期王会军院士研究团队钱丹未博士，黄艳艳副教授等人探究了CMIP6年代际预测比较计划中中国东部夏季降水的可预测来源，并结合机器学习方法提升其年代际预测技巧。相关成果发表于《Climate Dynamics》。
本研究选取了CMIP6年代际预测比较计划中9个主流动力模式进行分析。各个模式在1960年至2016年期间每年的11月或12月起报，每次预测未来10年的情况。我们选用每年预测的未来1-5年或者1-9年平均值作为年代际变率，并将各年预测的年代际变率拼接组合成一个序列进行探究，评估模式预测的年代际变率。预测结果显示，从整个时间段看，模式对于华南降水具有不高但显著的相关预测技巧，而从1990年代末开始，华北降水开始具有显著的相关预测技巧，但是在整个时期江淮降水的预测能力始终都较低，由此可知当前动力模式的预测结果依然存在很大改进的空间，因此考虑探究潜在的可预测性海温来源，利用其提高预测技巧。通过分析发现，北大西洋副热带海温是影响华南降水的关键可预测性来源，它通过激发“丝绸之路”遥相关波列对华南局地环流产生作用，进一步影响华南降水。此外，大西洋副极地环流海温与华北降水密切相关，可以通过激发极锋急流遥相关，华北地区在500hPa上受到高压的控制，有利于下沉运动的发生，从而影响降水。
利用揭示的海温可预测性来源以及模式预测的降水数据，通过机器学习方法尝试进一步改进预测效果。利用1963-1999年时间段训练模型，预测2000-2019年降水的变化。预测结果显示，华南和华北夏季降水的相关系数分别为0.84和0.79，均方差技巧得分（MSSS）分别为0.66和0.59，相比当前多模型集合平均的预测值有显著提高。同时，考虑到模式的结果可以再现在观测中上述两个海温对江淮降水的影响，因此应用这两个海温区域结合机器学习方法改进江淮降水，相关系数从-0.32提升到0.72，MSSS值从-0.12提升到0.51。基于预测得到的各区域平均时间序列，利用各区域内各个网格与区域平均指数之间的关系，构建了线性回归模型对降水空间分布进行了预测，结果显示对于中国东部大部分地区具有显著的预测技巧。因此，我们的研究为不仅为理解影响中国东部夏季降水的物理机制提供了参考，同时也有效提高年代际预测能力。
图1: （a）在整个研究时间段内预测与观测降水之间的相关分布情况；（b）中国东部夏季降水第一主模态；预测和观测的降水区域平均值（c. 华南；d. 江淮；e. 华北）
图2: 利用机器学习改进后中国东部夏季降水的预测技巧（a. 相关系数；b. MSSS）
文章信息：
Danwei Qian, Yanyan Huang*, Huijun Wang and Qin Su, 2025: Optimized decadal prediction of summer precipitation over eastern China, Climate Dynamics, 63, 461.