近日，中国气象科学研究院（简称气科院）任宏利研究员团队联合国内外著名研究机构在国际顶级综合性期刊Nature Communications（NC）杂志上发表题为“Skillful seasonal predictions of continental East-Asian summer rainfall by integrating its spatio-temporal evolution”的最新研究成果。该研究通过整合时间和空间维度中可预测性更高的信息，提出了一种创新的时空演变预测方法，可大幅提升东亚陆地汛期降水异常的季节预测水平，显著优于当前国际主流动力业务模式性能，为气候演变预测研究提供了全新视角和有力工具。

      准确的季节预测对于保障世界人口密集地区（如东亚）的粮食和水资源安全等至关重要，对减少大范围且连续性旱涝灾害造成的巨大经济损失和人员伤亡等具有重要实际价值。然而，当前国际主流的动力业务模式对东亚陆地降水的季节预测能力十分有限，尤其对汛期降水异常的时空演变（如雨带推进/撤退）预测更具挑战性。现有国际动力模式和统计预测模型尚未实现对东亚陆地汛期降水异常的季节时空演变的准确预测，研究方法极少，一直是国际性难题。

      不同于以往聚焦季节平均的预测对象，本研究通过有效整合时间和空间维度的可预测信息，成功提取了东亚陆地汛期降水异常的主要时空演变型（SEP）及其逐年变化时间序列（图1），它们的组合重构能够充分体现降水异常时空演变的首要特征，代表着可预测性更高的大尺度慢变过程，并有效避免了不可预测的快变噪音对大尺度可预测信号的干扰，这为描述降水异常的时空演变提供了全新视角。将这些SEP作为预测对象有助于识别出更具指示意义的慢变前兆信号（图2），成功地捕捉到了汛期降水演变的关键可预测信息。

图1东亚陆地汛期降水异常的主要时空演变型及其年际变化序列。左列图为1980–2009年汛期东亚纬向平均降水异常的前3个时空演变经验正交函数模态（单位：mm/day）。右列图中条形柱为3个演变型对应的归一化主成分的年际变化时间序列，灰线为基于物理统计模型的预测新方法回归的主成分变化。黑色圆点代表2010–2022年间滚动独立样本检验的预测值。

图2 东亚汛期降水异常的前三个时空演变型主成分序列与前期不同季节海平面气压（SLP）和地表气温（SAT）异常的年际变化相关系数分布图。图中黑点表示信度超过90%的显著性区域。黄框指示了演变型对应的主要前兆信号。

      在此基础上首次发展了东亚汛期降水异常时空演变的季节预测新方法，其多年平均预测技巧为0.51，是现有国际主流动力业务模式集合平均（0.26）的近两倍（图3）。同时，滚动独立样本预测验证结果表明，新方法对东亚陆地汛期降水异常的季节时空演变和常规夏季平均的预测性能均显著优于现有国际主流动力业务模式预测（图4），展现出更好的稳定性和可靠性。

图3 观测与预测的东亚陆地汛期降水异常随纬度和月份变化的时空演变。（a）观测的降水总异常时空演变，（b）基于物理统计预测新方法（PSM）预测的主成分变化与其演变型重构的时空演变预测，（c）当前9个国际主流动力业务模式集合平均（MME）的时空演变预测。纵坐标表示纬度，横坐标表示每年5–9月。

图4 东亚陆地汛期降水异常的时空演变和夏季平均的预测技巧。（a）多模式集合平均（MME）和物理统计预测新方法（PSM）的逐月总降水异常的多年平均预测技巧。蓝线表示单个动力模式的预测技巧范围。（b）MME平均，（c、d）PSM对应的夏季平均降水异常的时间相关系数预测技巧，对应预测技巧的区域平均值显示在（b–d）的右下角。

      这一研究进展填补了东亚气候异常时空演变季节预测方法研究的空白，为亟需应对短期气候灾害（如洪涝和干旱）和长期气候变化风险的管理者提供了新的科学依据和有力预测工具。

      气科院任宏利研究员为通讯作者、马洁茹副研究员为第一作者，合作作者包括美国佛罗里达州立大学蔡鸣教授、美国佐治亚理工大学邓毅教授、现任职于国家气候中心的周辰光工程师、气科院李建研究员、车慧正研究员和王琳副研究员。该研究得到国家自然科学基金等项目的联合资助。

气象影响与风险研究中心 供稿

引文信息：Jieru Ma, Hong-Li Ren, Ming Cai, Yi Deng, Chenguang Zhou, Jian Li, Huizheng Che, Lin Wang. Skillful seasonal predictions of continental East-Asian summer rainfall by integrating its spatio-temporal evolution.Nature Communications, 16: 273 (2025).

论文链接：https://www.nature.com/articles/s41467-024-55271-1

封面图片来源：https://www.japantimes.co.jp/news/2020/08/22/asia-pacific/china-floods/

https://www.pik-potsdam.de/en/news/latest-news/archive/2012/isi-mip