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...

作为东亚冬季风的关键系统,西伯利亚高压的变化对欧亚大陆冬季天气及气候异常产生重要影响。本文系统地评估了美国国家环境预测中心第二代气候预测系统(NCEP-CFSv2,National Center for Environment Prediction-Climate Forecast System, version 2)对冬半年(11～2月)及逐月西伯利亚高压强度的预测效能。结果表明,NCEP-CFSv2模式仅对11月西伯利亚高压强度的预测效能较好,研究其成因发现11月西伯利亚高压强度主要受该地区热力、动力过程以及西伯利亚地区积雪状况的影响。在热力过程方面,NCEP-CFSv2模式可以较好地再现11月西伯利亚高压强度及其相联的该地区表层土壤温度、对外长波辐射等热力因素;在动力过程方面,模式能较好地再现11月西伯利亚高压强度及其相联的该地区对流层低层辐散环流、中高层下沉运动;同时,模式也能较好地再现11月西伯利亚高压强度与该地区积雪覆盖率之间的相互作用。因此,与11月西伯利亚高压相联的热力、动力过程和该地区积雪状况可能是11月西伯利亚高压强度的可预测来源,且NCEP-CFSv2模式能较好地...

作为东亚冬季风的关键系统,西伯利亚高压的变化对欧亚大陆冬季天气及气候异常产生重要影响。本文系统地评估了美国国家环境预测中心第二代气候预测系统(NCEP-CFSv2,National Center for Environment Prediction-Climate Forecast System, version 2)对冬半年(11～2月)及逐月西伯利亚高压强度的预测效能。结果表明,NCEP-CFSv2模式仅对11月西伯利亚高压强度的预测效能较好,研究其成因发现11月西伯利亚高压强度主要受该地区热力、动力过程以及西伯利亚地区积雪状况的影响。在热力过程方面,NCEP-CFSv2模式可以较好地再现11月西伯利亚高压强度及其相联的该地区表层土壤温度、对外长波辐射等热力因素;在动力过程方面,模式能较好地再现11月西伯利亚高压强度及其相联的该地区对流层低层辐散环流、中高层下沉运动;同时,模式也能较好地再现11月西伯利亚高压强度与该地区积雪覆盖率之间的相互作用。因此,与11月西伯利亚高压相联的热力、动力过程和该地区积雪状况可能是11月西伯利亚高压强度的可预测来源,且NCEP-CFSv2模式能较好地...