氣候系統預測:基礎創新和集成應用

王會軍 戴永久 楊崧 李天明 羅京佳 尹志聰 段明鏗 周放 張藝佳

摘要 隨著全球變暖，極端天氣氣候事件增強，天氣氣候災害造成的損失也愈發嚴重。當前氣候預測的準確性遠遠不能滿足社會需要，氣候系統預測理論和方法面臨著眾多挑戰性問題。為提檔氣候預測科學水平和準確率，由南京信息工程大學和中山大學承擔的“氣候系統預測研究中心”獲得國家自然科學基金基礎科學中心項目支持（2021年1月—2025年12月）。在該項目執行的前三年，項目團隊開展了大量深入系統的研究，并取得了若干重要進展：1）揭示了氣候系統的若干關鍵變化、驅動力和機制;2）剖析了海-陸-冰-氣相互作用對我國重大極端氣候事件的影響;3）在氣候系統數值模式研發和預測系統集成方面取得重要進展;4）發展了延伸期-S2S-年代際的氣候系統預測理論和方法。本文對這些進展作了扼要介紹，并針對氣候與環境變化歸因、古今氣候環境研究融合、跨時空氣候系統變異和極端氣候、人工智能與氣候科學、年代際預測和風險應對體系等關鍵科學問題做了展望。

關鍵詞氣候系統;氣候預測;極端氣候;海-陸-冰-氣相互作用;全球變化

1 背景和科學目標

氣候變化與氣象災害是人類始終面臨的重大挑戰。隨著全球氣候變暖，極端天氣氣候事件造成的損失也愈發嚴重。2000—2019年全球極端天氣氣候造成的經濟損失比上個20年增加約一倍（United Nations Office for Disarmament Affairs，2020）。近些年，我國重大極端氣候事件屢破紀錄，例如，2022年發生在長江流域的高溫干旱誘發了超強鏈式災害（Yin et al.，2023a）;2023年發生在京津冀地區的特大暴雨，創1891年以來的歷史記錄（Zhao et al.，2024）。近些年來，我國因極端氣候導致的直接經濟損失達2250億元／a，每10 a增加900億，為全球平均的8倍，嚴重制約著社會經濟的可持續發展。

有效的氣候預測對防災減災具有至關重要的作用。氣候預測理論和方法是國際科學前沿，世界氣候研究計劃（WCRP）以及一些專門計劃（如國際次季節至季節（Sub-seasonal to Seasonal，S2S）氣候預測研究計劃）均將其列為核心科學內容之一（Vitart and Robertson，2018;Kushnir et al.，2019）。WCRP已經成立40余年，但在氣候系統預測理論和方法方面仍然面臨眾多挑戰性問題，當前氣候預測的準確性仍然遠遠不能滿足社會需要。主要原因包括：1）氣候系統是典型的復雜系統，其變化涉及多種時間尺度（特別是次季節、季節-年際、年代際尺度變化），涉及海-陸-冰-氣多圈層的復雜相互作用，科學機理和系統理論構建非常困難（Wake，2019）;2）全球變暖背景下，氣候系統內部各類極端事件頻發，不僅包括高溫熱浪、極端降水和沙塵暴等極端氣候災害，也包括厄爾尼諾-南方濤動（El Nio-Southern Oscillation，ENSO）多樣性增強和北極增暖加速等。這些極端事件往往表現出不同于以前的新特征和規律，導致已有的預測模式和統計模型變得“不穩定”（Pendergrass et al.，2020;Yao et al.，2022）;3）氣候數值模式的發展還不夠完善，尤其是對北極-中高緯關鍵過程和陸面過程的刻畫還相當薄弱，以至于氣候數值預測系統相較于傳統物理統計方法在月以上時效尚未表現出明顯優勢（Gettelman et al.，2022）。

為提檔氣候預測科學水平和準確率，氣候系統預測基礎科學中心（CCSP）聚焦氣候預測的三大難題：ENSO與海溫的預測、延伸期天氣預報、年際-年代際氣候預測，開展系統深入研究。關鍵科學問題包括：1）季風系統動力過程與機理;2）陸氣相互作用與區域氣候模擬;3）海氣相互作用與ENSO動力學;4）季節內振蕩動力學與延伸期天氣預報;5）年際-年代際氣候預測。

2021—2023年，CCSP直面前沿科學挑戰，瞄準國家重大需求，取得了若干研究進展（圖1）。首先，揭示了全球變暖背景下氣候系統主要分量（如，ENSO、北極海冰等）的關鍵變化及其驅動力;第二，闡明了海-陸-冰-氣相互作用對我國重大極端氣候事件的調控作用和機理;第三，著重改進了陸面模式，并實現了與全球和區域氣候模式的耦合，搭建了實時氣候預測系統;第四，基于理論進展和技術突破發展了延伸期-S2S-年代際的氣候系統預測方法，并實現了示范應用。

2 全球氣候系統的關鍵變化、驅動力和機制

近幾十年來，全球氣候顯著變暖并且這種趨勢仍在持續，有最新研究指出地球系統的16個氣候臨界點中已有多個處于活躍狀態（Armstrong McKay et al.，2022），可能會進一步導致氣候風險加劇。在全球變暖的背景下，熱帶海-氣模態、北極海冰及季風系統也發生了顯著變化，但目前對于其中一些關鍵變化的認識仍舊不足，相關的驅動機制也尚不明確。

由于氣候模式對熱帶東-西太平洋海溫梯度變化的系統性高估，以往的研究認為極端El Nio的發生頻率將在全球變暖背景下加倍。實際上，對CMIP5模式的系統性偏差進行校正后，預估結果中未來極端El Nio的發生頻率幾乎不變（Tang et al.，2021;圖2）。此外，研究發現，通過洋盆間的增溫鏈機制，印度洋和北大西洋增溫趨勢之間產生了正反饋效應。在人類活動的影響下，這種印度洋-北大西洋的共同增暖會在太平洋海溫增暖的背景下進一步增強（Yang et al.，2022）。

自1940年以來，北極年平均氣溫每10 a上升0.25 ℃，夏季平均氣溫每10 a上升0.17 ℃（Wolkin et al.，2021）。人類活動是導致北極放大效應的重要驅動力。最新研究發現，全球高排放情景下北極秋季很有可能在21世紀中期首次進入“無冰”狀態，相較預期提前10～15 a不等;較低排放情景下，北極將不會在21世紀結束前進入“無冰”狀態（Zhao et al.，2022）。此外，熱帶印度洋增暖通過增強大西洋經向翻轉環流（Atlantic Meridional Overturning Circulation，AMOC），可以遠程誘導更多的海洋熱量從北大西洋輸送到北極，進而加強北極地區的表面變暖（Xu J et al.，2022）。北極冰-氣相互作用對北極氣溫和AMOC的多年代際變率的貢獻可達20％～50％（Deng and Dai，2022）。

預估結果表明，在全球變暖背景下的夏季，東亞季風環流增強，而南亞季風環流減弱。通過分析它們對CO2的響應過程發現，東亞季風環流的增強主要與歐亞大陸陸面的快速增暖以及青藏高原的熱力作用增強有關，這是季風對全球增暖的快速響應;南亞季風環流的減弱則與熱帶太平洋的類El Nio型海溫增暖和海洋性大陸地區降水的減少有關，這是季風對全球增暖的慢響應（Li T et al.，2022）。而最近研究證明，青藏高原區域未來增強的潛熱驅動作用對南亞夏季風南支環流的減弱也具有不可忽視的貢獻（Luo et al.，2024）。由于部分CMIP6模式在模擬ENSO與東南亞季風的關系方面存在系統性偏差，可能會增加多模式集合平均預估結果的不確定性（Lin et al.，2024a）。依據模擬性能較優的模式的預估結果，ENSO對東南亞季風環流的影響在全球變暖的背景下顯著增強，這主要由熱帶太平洋的類El Nio型海溫增暖所驅動（Lin et al.，2024b;圖3）。

在全球變暖的背景下，極端氣候的長期變化成因也較為復雜。過去幾十年全球干旱化的加劇主要是由于人類活動導致的，其中溫室氣體是干旱化的主導要素，氣溶膠可以減弱由溫室氣體導致的變干趨勢（Chai et al.，2021）。Zhang S et al.（2022）指出不同形成機制的洪水與極端降水增加之間存在不同的響應關系，這一發現調和了以往關于全球變暖下洪水變化的爭議。上新世暖期北半球近地表多年凍土面積相比工業革命時期縮小90％以上，并與高排放情景下21世紀末的近地表多年凍土變化的預估結果相似（Guo et al.，2023）。

3 海-陸-冰-氣相互作用及我國重大極端氣候事件

在次季節-季節、年際-年代際時間尺度上，海-陸-冰-氣多圈層關鍵過程是相應時間尺度氣候預測的主要信號來源，部分變化過程也可以產生跨時空尺度的影響（Wang et al.，2022a）。然而，全球變暖背景下海-陸-冰-氣相互作用機理還存在眾多尚未厘清的科學問題，其在我國重大極端氣候事件形成中的作用和關鍵物理途徑尚不清楚（Yin et al.，2023a）

ENSO作為熱帶太平洋最重要的海氣相互作用模態，與熱帶大西洋和印度洋存在著復雜相互作用（Cai et al.，2019）。熱帶大西洋海溫如何影響ENSO演變一直是熱點科學問題，且存在較大爭議。通過設計理想大氣-海洋耦合模式試驗，研究指出熱帶大西洋兩個主要的海溫模態（即熱帶北大西洋海溫模態和大西洋尼諾）對ENSO的演變和結構多樣性（即中部型和東部型ENSO）具有重要調控作用，主要通過東傳大氣開爾文波及其與季風和暖池的相互作用來影響熱帶太平洋（Jiang and Li，2021;Jiang et al.，2022a）。此外，ENSO對大西洋尼諾的影響具有顯著不對稱性，El Nio在其發展階段（北半球秋季）影響赤道大西洋，但La Nia主要在衰減位相（北半球春季）對其產生影響（Jiang et al.，2022b）。也有基于觀測、理論及多模式的研究發現ENSO的韻律（周期變化）主導了熱帶太平洋-北大西洋海溫的年際聯系，而之前部分研究揭示的北大西洋海氣變率超前ENSO的統計關系并不具有物理意義（Zhang W J et al.，2021）。印度夏季風能夠影響同期ENSO發展，可視為ENSO的觸發因子。此外，印度季風的強弱可以通過引起西太平洋環流異常從而抑制或者促進后續ENSO的發展（Lin et al.，2023）。連續型El Nio事件可以通過中高緯度路徑和低緯度路徑引起中國南方春季降水的顯著增多（Zhong et al.，2023）。2020年，北大西洋、西北太平洋和北印度洋海溫異常通過調控急流和西太副高的進退導致了超級“暴力梅”，累積降雨量達到歷史極值（Li H et al.，2022）。

次季節尺度的氣候系統異常是造成近些年重大極端氣候事件的直接原因之一（Zhang X D et al.，2022;Ding et al.，2023）。次季節預測的時間尺度介于天氣預報和季節預測之間，大氣初值信號已經消失殆盡，而外強迫信號尚未完全顯現。由于次季節預測的可預報性來源尚未完全明確，因此次季節預測水平明顯偏低（Meehl et al.，2021）。陸-氣耦合過程是次季節預測的重要可預報性來源之一（Zhang T T et al.，2023）。春末中南半島土壤濕度出現正異常時，可通過熱力過程引起對流層中高層環流異常，從而造成初夏華南地區的降水減少（Dong et al.，2022）。春季西亞陸面持續的熱力異常可作為中國北方地區初夏溫度與降水預測的潛在信號（Yang et al.，2021）。春季融雪會通過土壤濕度與陸面熱力異常引起大氣環流持續響應與東傳波列的加強，進而促進東北亞陸面增暖（Sun et al.，2021）。

熱帶季節內振蕩是次季節尺度最重要的信號之一，不同類型（快傳和慢傳）的熱帶大氣季節內振蕩（Madden-Julian Oscillation，MJO）能夠對華南冬季降水的次季節變化產生不同的影響。其中兩種華南冬季降水的次季節變率與熱帶MJO有關，分別對應了MJO所引起的大氣環流變化，而第三種則與從亞洲北部向南傳播的準正壓氣旋性環流異常有關，它們均通過次季節尺度的南風分量對平均水汽的平流作用引發邊界層水汽增加，最終導致降水事件的發生（Wang et al.，2023）。東亞夏季風系統（降水和急流）的次季節變化能夠通過遙相關作用激發跨太平洋波列，在北美西部產生高壓異常，從而導致北美西部極端熱浪的發生（Qian et al.，2022）。熱帶MJO強度在過去的一個世紀顯著加強，其引發的降水也顯著增加，其原因與增強的異常風場有關，特別是高頻變率的增加（Cui and Li，2022）。相較于熱帶MJO，中高緯度季節內振蕩（Intra-Seasonal Oscillation，ISO）形成機制是至今尚未解決的一個科學難題?；谟^測的中高緯水汽-環流耦合特征，Cui et al.（2023）提出了一個濕斜壓不穩定性理論，該理論成功解釋了中高緯度ISO不穩定增長的機理及結構和傳播特征，包括其行星尺度選擇及向西傳播（圖4）。此外，在水汽模態理論框架下，揭示了熱帶MJO傳播和觸發的多樣性以及相關物理機制（Hu and Li，2021;Wang and Li，2021，2022）。

“暖北極-冷歐亞”是北半球中高緯冬季氣候系統變化的最顯著模態之一，但其物理圖像和關鍵機制依然不夠清晰，是國際學術爭議的熱點問題（Cohen et al.，2020;Xu X P et al.，2022）。2020年冬季平均的“暖北極-冷歐亞”強度僅有-0.56 ℃，但前冬強度為+4.8 ℃且半個冬季持續正值，后冬達到-6.12 ℃且穩定保持負異常。將前冬和后冬解耦合能夠釋放出被季節平均遮蓋的強烈的持續的異常信號，次季節尺度上“暖北極-冷歐亞”的位相反轉是顯著存在的（Zhang Y J et al.，2023）。

2010年之后“暖北極-冷歐亞”前后冬位相反轉頻次達到前一個年代的3倍左右，這也是“北極增暖-歐亞變冷”趨勢不確定性增大的重要原因（Yin et al.，2023b）。該發現修訂了國際上部分學者因忽視“暖北極-冷歐亞”次季節位相反轉而提出的北極和中緯度氣候聯系正在減弱的片面觀點（Blackport and Screen，2020）。近幾年，北極冰-氣系統頻繁出現較強的次季節位相反轉，進而驅動影響我國寒潮的整條路徑發生冷暖轉換。該過程不僅直接觸發了我國冬季極端冷暖轉換事件（如2020/2021年和2021/2022年冬季;Zhang Y J et al.，2021），也可以通過影響蒙古國沙源區地表條件來驅動春季我國北方超強沙塵暴的爆發（如2021年3月和2023年3月;Yin et al.，2022a;尹志聰等，2023），形成了“氣候→生態→氣候與環境”的復合性反饋過程（圖5）。

4 數值模式研發和預測系統集成

地球系統模式是開展學科交叉，跨圈層研究的重要平臺，也是衡量一個國家地球科學發展水平的重要標志。但是，地球系統模式如何在實時氣候預測業務中發揮有效支撐作用仍是亟待解決的關鍵問題。相較于大氣和海洋模式，陸面過程模式的模擬能力還相對薄弱，在氣候預測中的貢獻尚未凸顯（Fisher and Koven，2020;Blyth et al.，2021）。

陸面過程模式是地球科學機理研究的重要工具，也是氣象-水文-生態精細化預報的核心技術。通用陸面模式（CoLM）是中國自主研發的陸面模式（Xin et al.，2019）。Liu X T et al.（2022）利用Morris方法評估了植物性狀參數在通用陸面模式植物水力脅迫方案（CoLM-PHS）中的重要性，發現耐旱性狀、氣孔性狀和光合作用性狀是決定蒸騰模擬的最重要植物性狀?；谛碌娜S城市建筑物群落結構假設，通過增加城市植被與水體模擬，并耦合了建筑物能耗模型，可進行10 km分辨率的城市氣候模擬。水庫能夠放大極端降水對溫度變化的敏感性，增加降水-溫度復合極端事件的頻率?？紤]水庫的影響后，模擬的流量更加接近觀測流量，耦合大壩影響的河道水動力過程模擬能有效地刻畫水庫的防洪效應（Li et al.，2023）。結合流域和城市水文過程開展的城市洪水模擬，能夠較好地表征江河洪水引發的城市外洪、城市強降雨引發的城市內澇（Chen et al.，2022）。

在氣候預測系統集成方面，通過改進數據同化方案、參數化組合方案以及集合擾動方案，集合NZC-PSM和NUIST-CFS等預測模式構建出全球多模式集合預測系統。通過耦合區域氣候模式CWRF、陸面模式CoLM、海洋模式FVCOM和水文模型CamaFlood等，同時考慮人類活動、生物地球化學、海洋生物化學等多種過程，研發了中國特色精細化區域地球系統模式CRESM（張焓等，2024）。最終，將全球和區域模式嵌套耦合，并實現多模式集成，構建了多方法集合實時氣候預測系統，對東亞地區氣候異常、極端氣候具有更高的模擬性能和預測技巧。

5 延伸期-S2S-年代際的氣候系統預測理論、方法和應用

氣候系統預測是全球氣候研究領域的熱點和難點，提升氣候系統預測能力是國家防災減災和風險應對的現實需求。目前國內外針對極端氣候的延伸期、S2S預測剛剛起步，預測技巧總體較低，尤其在更加精細的時間和空間尺度上（Tippett et al.，2018）。此外，年代際預測是近期氣候研究的一個新領域，理論和技術支撐依然不足（Kushnir et al.，2019）。同時，常規氣候預測向衍生災害的風險的延伸不夠，也制約了我國氣候風險應對和管理能力的提升。

災害性天氣的延伸期預報是天氣氣候無縫隙預測的業務難題?；谏疃葘W習方法，有效挖掘前期（-30～-1 d）預報因子的時空演變過程與后期（未來30 d）中國東部降水之間的關系，提前20～30 d對中國東部極端降水預報能力優于當前ECMWF與CMA的S2S業務預測模式（Xie et al.，2023）。深度學習方法不僅能夠提高延伸期預報技巧，也能夠有效識別與MJO有關的西北太平洋降水次季節變化的潛在可預報性來源（Yang et al.，2023）。基于影響梅雨的高低層關鍵環流緯向配置與梅雨降水之間的統計關系，以及歐洲中心S2S模式對關鍵環流系統的預報能力，能夠超前17 d以上對梅雨進行有效預報，預測技巧顯著優于歐洲中心動力預報結果（Zhu et al.，2023）。

S2S和年際預測是防災減災的關鍵一環，農業、糧食安全、水資源以及衛生健康等決策部門對其有強烈需求?；跂|-西印度洋海溫網絡的協同變化特征，可在前一年12月預測下一年是否發生印度洋偶極子事件（Indian Ocean Dipole，IOD），準確率超過70％（Lu et al.，2022）。采用卷積神經網絡對全球海表面溫度和上層海洋熱容量的時間-空間特征進行深度挖掘，可以實現提前1 a對ENSO海溫異常緯向分布的準確預測，預測水平顯著優于動力模式（Sun et al.，2023）。采用可預測性更高的南亞夏季風第一模態來構建南亞夏季風指數，可以使得南亞夏季風的預測技巧顯著提高（Zhang T T et al.，2022）。通過考慮前期冬季熱帶海溫、北極海冰、及春季500 hPa垂直速度對我國春季干旱的影響過程，基于場信息耦合和年際增量方法建立了我國春季干旱的動力-統計混合降尺度預測模型，對我國絕大多數站點的春季干旱具有較好預測效能（Tian and Fan，2022）。將在短期氣候預測中廣泛應用的年際增量方法拓展到年代際預測，針對華南夏季極端降水的年代際增量開展預測，可以有效地把握其年代際變率和轉折（Wang et al.，2022b）。

除常規氣候預測外，與氣候異常相關的衍生災害預測也非常重要。通過分析排放源變化和氣候條件對中國東部PM2.5濃度季節性預測的貢獻（Ma et al.，2023;Yin et al.，2023c），融合兩者優勢研發了10 km網格上的PM2.5濃度預測模型，可以成功預測出中國東部冬季PM2.5濃度（Yin et al.，2021，2022b）。利用分位數映射和集合經驗模態分解方法，對水文模型WRF-Hydro模擬徑流進行后處理，可以有效改進水文模型對徑流的模擬能力（Liu S et al.，2022），有助于開展滑坡泥石流的預報預測。

基于基礎創新和集成應用，經過大量的試報檢驗，CCSP形成了多時效（延伸期、S2S、年代際）、多要素（常規氣候、極端氣候、衍生災害）和多方法（年際增量、動力模式、人工智能-統計）的氣候系統預測體系。華南降水的延伸期預報模型在廣東省氣象局正式開展實時預測，提前25 d成功預報出2022年超強華南龍舟水事件。動力-統計相結合的短期氣候預測系統運行穩定，成功預測出2023年長江下游降水持續偏少、北方多雨態勢，支撐了國家氣候中心的業務會商和各級政府部門的決策。面向緊迫的國家需求，提供及時權威的預測支撐。2022年長江流域大范圍持續性高溫干旱發生后，CCSP及時啟動加密預測會商，提供了《關于今年秋冬季節我國長江流域干旱是否會持續的研究與對策》的重大咨詢報告。

6 展望

人類活動影響下，氣候系統與環境系統在區域尺度上存在復雜的相互作用。尤其在東亞季風區，氣溶膠和碳排放及其變化速率均顯著高于全球平均。季風系統已經從傳統意義上的氣象學概念拓展至物理、化學和生物多學科交叉的季風氣候與環境系統。亟待解決的關鍵問題包括但不限于：1）東亞極端降水、干旱和復合事件等的歸因不確定性依然較高，更難以量化不同人類活動的貢獻。這需要超級算力支持的大樣本、精細化的單強迫模擬試驗，以及發展基于物理過程的歸因新方法。此外，如何在氣候預測和預估中更有效的利用歸因結果仍是一個科學難題;2）從理解和應對氣候變化的角度，古今氣候環境研究怎樣融合？這一問題在典型時段、關鍵變率和重大事件上可能會被率先解答，將有助于理解氣候與環境變化的驅動力，完善導致地球系統模式長時間模擬誤差的關鍵模塊;3）單一學科的知識框架已經難以解釋深度相融的氣候與環境問題，急需打破地球科學各學科的知識壁壘，那么，如何才能構建出數據-知識-模式驅動的新氣候與環境研究范式？

在跨時空尺度氣候系統變異和極端氣候事件觸發機理方面，應加強研究：1）多圈層、多時空尺度氣候系統的相互作用過程，尤其是地球三極的跨圈層耦合和遠程氣候效應機理;2）多時空尺度海-陸-冰-氣驅動因子及非線性過程對不同極端氣候事件發生和發展過程的影響機理;3）綜合剖析極端氣候事件的可預報性來源，融合統計和動力預測模式突破極端氣候事件的次季節-年際尺度預測這一科學難題，并逐步建立實時預測系統和預測業務。

人工智能（Artificial Intelligence，AI）善于從大樣本數值模擬和再分析資料當中學習“經驗”，尤其是線性模型無法識別的“經驗”，創建出眾多節約算力、技巧較高的預測模型。相似的技術路線已經在天氣預報當中得到驗證，但在氣候預測方面的應用還沒有充分展開。以深度學習為代表的AI方法存在魯棒性差、可解釋性差、對數據的依賴性強等問題，在氣候預測模型當中往往表現為“泛化能力差”、“黑盒”和“遷移性差”等固有缺陷。此外，訓練氣候預測AI大模型對GPU算力的超高要求，以及物理規律缺失和能量不守恒等問題也值得被高度關注。AI在改進氣候數值模式的參數化方案、數據同化技術和概率集合算法等方面被寄予厚望，在未來這些工作應盡量在動力框架和物理約束下開展，實現數據驅動和物理驅動的融合。AI預測模型的高技巧背后是否隱藏著一些真實世界的知識？這些“新猜想”可能是僅使用傳統科學方法無法獲得的見解，它們能否幫助我們拓展對氣候復雜系統的認知邊界？這一問題始終困擾著科學界。可解釋、可通用的下一代人工智能方法的發展將為回答這個關鍵問題提供一個契機，而這也需要跨部門數據共享和算力建設等的緊密配合。

未來10～30 a氣候與環境系統的年代際變化不僅顯著影響區域天氣氣候，也與國家氣候、環境、能源相關的基礎戰略和重大工程密切相關。但是，國際上年代際氣候預測的科學水平尚處于初始階段，預測方法匱乏，能力亟待提升。開展年代際氣候預測的基礎是深入認識氣候與環境系統年代際變化的事實和演變過程，揭示關鍵驅動力和機制，從初值條件和邊值條件的角度審視氣候系統內部和人類活動驅動力。值得注意的是，IPCC共享情景為假設情景，并不適合直接作為年代際預測的邊值條件，應加強研究出可靠的全球和區域邊值條件。未來，應盡快針對我國氣候與環境變化發展出年代際預測方法，形成年代際尺度上的經濟社會影響和重大風險評估體系，提出我國應對氣候與環境系統變化及風險的關鍵技術和政策方案，科學支撐我國的重大戰略規劃和部署。

參考文獻（References）

Armstrong McKay D I，Staal A，Abrams J F，et al.，2022.Exceeding 1.5 ℃ global warming could trigger multiple climate tipping points［J］.Science，377（6611）：eabn7950.doi：10.1126／science.abn7950.

Blackport R，Screen J A，2020.Weakened evidence for mid-latitude impacts of Arctic warming［J］.Nat Clim Change，10：1065-1066.doi：10.1038／s41558-020-00954-y.

Blyth E M，Arora V K，Clark D B，et al.，2021.Advances in land surface modelling［J］.Curr Clim Change Rep，7（2）：45-71.doi：10.1007／s40641-021-00171-5.

Cai W J，Wu L X，Lengaigne M，et al.，2019.Pantropical climate interactions［J］.Science，363（6430）：eaav4236.doi：10.1126／science.aav4236.

Chai R F，Mao J F，Chen H S，et al.，2021.Human-caused long-term changes in global aridity［J］.NPJ Clim Atmos Sci，4：65.doi：10.1038／s41612-021-00223-5.

Chen W T，Wu H，Kimball J S，et al.，2022.A coupled river basin-urban hydrological model （DRIVE-urban） for real-time urban flood modeling［J］.Water Resour Res，58（11）：e2021WR031709.doi：10.1029／2021wr031709.

Cohen J，Zhang X，Francis J，et al.，2020.Divergent consensuses on Arctic amplification influence on midlatitude severe winter weather［J］.Nat Clim Change，10：20-29.doi：10.1038／s41558-019-0662-y.

Cui J X，Li T，2022.Changes in MJO characteristics and impacts in the past century［J］.J Climate，35：577-590.doi：10.1175／JCLI-D-21-0306.1.

Cui J，Li T，Wang L J，2023.Moist baroclinic instability of mid-high-latitude intraseasonal oscillations［J］.J Climate，36（21）：7487-7508.doi：10.1175／jcli-d-22-0929.1.

Deng J C，Dai A G，2022.Sea ice-air interactions amplify multidecadal variability in the North Atlantic and Arctic Region［J］.Nat Commun，13（1）：2100.doi：10.1038／s41467-022-29810-7.

Ding X Y，Chen G，Zhang P F，et al.，2023.Extreme stratospheric wave activity as harbingers of cold events over North America［J］.Commun Earth Environ，4：187.doi：10.1038／s43247-023-00845-y.

Dong X，Chen H S，Zhou Y，et al.，2022.Local and non-local atmospheric effects of abnormal soil moisture over Indo-China during May and June［J］.Quart J Roy Meteor Soc，148（747）：2903-2926.doi：10.1002／qj.4341.

Fisher R A，Koven C D，2020.Perspectives on the future of land surface models and the challenges of representing complex terrestrial systems［J］.J Adv Model Earth Syst，12：e2018MS001453.doi：10.1029／2018MS001453.

Gettelman A，Geer A J，Forbes R M，et al.，2022.The future of Earth system prediction：advances in model-data fusion［J］.Sci Adv，8（14）：eabn3488.doi：10.1126／sciadv.abn3488.

Guo D L，Wang H J，Romanovsky V E，et al.，2023.Highly restricted near-surface permafrost extent during the mid-Pliocene warm period［J］.Proc Natl Acad Sci USA，120（36）：e2301954120.doi：10.1073／pnas.2301954120.

Hu F，Li T，2021.Effects of MJO vertically tilted structure on its phase speed from the moisture mode theory perspective［J］.J Climate，34（11）：4505-4520.doi：10.1175／jcli-d-20-0732.1.

Jiang L S，Li T，2021.Impacts of tropical North Atlantic and equatorial Atlantic SST anomalies on ENSO［J］.J Climate，34：1-58.doi：10.1175／jcli-d-20-0835.1.

Jiang L S，Li T，Ham Y G，2022a.Critical role of tropical North Atlantic SSTA in boreal summer in affecting subsequent ENSO evolution［J］.Geophys Res Lett，49（8）：e2021GL097606.doi：10.1029／2021gl097606.

Jiang L S，Li T，Ham Y G，2022b.Asymmetric impacts of El Nio and La Nia on equatorial Atlantic warming［J］.J Climate，36（1）：193-212.doi：10.1175／jcli-d-22-0158.1.

Kushnir Y，Scaife A A，Arritt R，et al.，2019.Towards operational predictions of the near-term climate［J］.Nat Clim Change，9：94-101.doi：10.1038／s41558-018-0359-7.

Li H，Sun B，Wang H J，et al.，2022.Joint effects of three oceans on the 2020 super Mei-yu［J］.Atmos Ocean Sci Lett，15（1）：100127.doi：10.1016／j.aosl.2021.100127.

Li J X，Zhang S L，Obulkasim O，et al.，2023.Impact of reservoirs on local precipitation-temperature coupling relationships［J］.Geophys Res Lett，50（14）：e2023GL103453.doi：10.1029／2023gl103453.

Li T，Wang Y H，Wang B，et al.，2022.Distinctive South and East Asian monsoon circulation responses to global warming［J］.Sci Bull，67（7）：762-770.doi：10.1016／j.scib.2021.12.001.

Lin S H，Yang S，He S，et al.，2023.Atmospheric-oceanic processes over the Pacific involved in the effects of the Indian summer monsoon on ENSO［J］.J Climate，36（17）：6021-6043.doi：10.1175／jcli-d-22-0822.1.

Lin S H，Dong B W，Yang S，et al.，2024a.Causes of diverse impacts of ENSO on the Southeast Asian summer monsoon among CMIP6 models［J］.J Climate，37（2）：419-438.doi：10.1175／jcli-d-23-0303.1.

Lin S H，Dong B W，Yang S，2024b.Enhanced impacts of ENSO on the Southeast Asian summer monsoon under global warming and associated mechanisms［J］.Geophys Res Lett，51（2）：e2023GL106437.doi：10.1029／2023gl106437.

Liu S，Wang J，Wang H，et al.，2022.Post-processing of hydrological model simulations using the convolutional neural network and support vector regression［J］.Hydrol Res，53（4）：605-621.doi：10.2166／nh.2022.004.

Liu X T，Lu X J，Zhang S L，et al.，2022.Plant drought tolerance trait is the key parameter in improving the modeling of terrestrial transpiration in arid and semi-arid regions［J］.Atmos Ocean Sci Lett，15（1）：100139.doi：10.1016／j.aosl.2021.100139.

Lu Z H，Dong W J，Lu B，et al.，2022.Early warning of the Indian Ocean Dipole using climate network analysis［J］.Proc Natl Acad Sci USA，119（11）：e2109089119.doi：10.1073／pnas.2109089119.

Luo H L，Wang Z Q，He C，et al.，2024.Future changes in South Asian summer monsoon circulation under global warming：role of the Tibetan Plateau latent heating［J］.npj Clim Atmos Sci.doi：10.1038／s41612-024-00653-x.

Ma X Q，Yin Z C，Cao B F，et al.，2023.Meteorological influences on co-occurrence of O3 and PM2.5 pollution and implication for emission reductions in Beijing-Tianjin-Hebei［J］.Sci China Earth Sci，66（6）：1-10.doi：10.1007／s11430-022-1070-y.

Meehl G A，Richter J H，Teng H Y，et al.，2021.Initialized Earth System prediction from subseasonal to decadal timescales［J］.Nat Rev Earth Environ，2：340-357.doi：10.1038／s43017-021-00155-x.

Pendergrass A G，Meehl G A，Pulwarty R，et al.，2020.Flash droughts present a new challenge for subseasonal-to-seasonal prediction［J］.Nat Clim Change，10（3）：191-199.doi：10.1038／s41558-020-0709-0.

Qian Y，Hsu P C，Yuan J，et al.，2022.Effects of subseasonal variation in the East Asian monsoon system on the summertime heat wave in western North America in 2021［J］.Geophy Res Lett，49：e2021GL097659.doi：10.1029／2021GL097659.

Sun M，Chen L，Li T，et al.，2023.CNN-based ENSO forecasts with a focus on SSTA zonal pattern and physical interpretation［J］.Geophys Res Lett，50（20）：e2023GL105175.doi：10.1029／2023gl105175.

Sun Y，Chen H S，Zhu S G，et al.，2021.Influence of the Eurasian spring snowmelt on summer land surface warming over Northeast Asia and its associated mechanism［J］.J Climate，34（12）：4851-4869.doi：10.1175／jcli-d-20-0756.1.

Tang T，Luo J J，Peng K，et al.，2021.Over-projected Pacific warming and extreme El Nio frequency due to CMIP5 common biases［J］.Natl Sci Rev，8（10）：nwab056.doi：10.1093／nsr／nwab056.

Tian B Q，Fan K，2022.New downscaling prediction models for spring drought in China［J］.Int J Climatol，42（13）：6960-6975.doi：10.1002／joc.7623.

Tippett M，2018.Extreme weather and climate［J］.npj Clim Atmos Sci，1：1-2.doi：10.1038／s41612-018-0057-1.

United Nations Office for Disarmament Affairs，2020.Human cost of disasters：an Overview of the Last 20 Years 2000—2019［R］.United Nations.

Vitart F，Robertson A W，2018.The sub-seasonal to seasonal prediction project （S2S） and the prediction of extreme events［J］.npj Clim Atmos Sci，1：3.doi：10.1038／s41612-018-0013-0.

Wake B，2019.Climate research for the twenty-first century［J］.Nat Clim Change，9：183-185.doi：10.1038／s41558-019-0428-6.

Wang H J，Dai Y J，Yang S，et al.，2022a.Predicting climate anomalies：a real challenge［J］.Atmos Ocean Sci Lett，15（1）：100115.doi：10.1016／j.aosl.2021.100115.

Wang H J，Huang Y Y，Zhang D P，et al.，2022b.Decadal prediction of extreme precipitation over South China in summer［J］.Atmosphere，14：595.doi：10.3390／atmos14030595.

Wang L，Jiang J，Li T，et al.，2023.Three distinct circulation patterns that induce enhanced intraseasonal precipitation events over South China in boreal winter［J］.Climate Dyn，60（9）：2893-2905.doi：10.1007／s00382-022-06478-9.

Wang T，Li T，2021.Factors controlling the diversities of MJO propagation and intensity［J］.J Climate，34：6549-6563.

Wang T Y，Li T，2022.Diversity of MJO initiation regions and processes［J］.J Climate，35（20）：3121-3140.doi：10.1175／jcli-d-21-0816.1.

Wolkin G J，Liljedah A K，Brubaker M，et al.，2021.Glacier and permafrost hazards［R］／／Moon T A，Druckenmiller M L，Thoman R L，et al.Arctic report card 2021.doi：10.25923／v40r-0956.

Xie J H，Hsu P C，Hu Y M，et al.，2023.Skillful extended-range forecast of rainfall and extreme events in East China based on deep learning［J］.Wea Forecasting，38（3）：467-486.doi：10.1175／waf-d-22-0132.1.

Xin Y F，Dai Y J，Li J，et al.，2019.Coupling the common land model to ECHAM5 atmospheric general circulation model［J］.J Meteor Res，33（2）：251-263.doi：10.1007／s13351-019-8117-y.

Xu J，Luo J J，Yuan C，2022.Tropical Indian Ocean warming contributes to Arctic warming［J］.Geophy Res Lett，49（23）：e2022GL101339.doi：10.1029／2022GL101339.

Xu X P，He S P，Zhou B T，et al.，2022.Atmospheric contributions to the reversal of surface temperature anomalies between early and late winter over Eurasia［J］.Earths Future，10：e2022EF002790.doi：10.1029／2022EF002790.

Yang J，Chen H，Song Y，et al.，2021.Atmospheric circumglobal teleconnection triggered by spring land thermal anomalies over West Asia and its possible impacts on early summer climate over North China［J］.J Climate，34（14）：5999-6021.doi：10.1175／JCLI-D-20-0911.1.

Yang Y M，Park J H，An S I，et al.，2022.Increased Indian Ocean-North Atlantic Ocean warming chain under greenhouse warming［J］.Nat Commun，13：3978.doi：10.1038／s41467-022-31676-8.

Yang Y M，Kim J H，Park J H，et al.，2023.Exploring dominant processes for multi-month predictability of western Pacific precipitation using deep learning［J］.npj Clim Atmos Sci，6：157.doi：10.1038／s41612-023-00478-0.

Yao T D，Bolch T，Chen D L，et al.，2022.The imbalance of the Asian water tower［J］.Nat Rev Earth Environ，3：618-632.doi：10.1038／s43017-022-00299-4.

Yin Z C，Zhang Y J，Wang H J，et al.，2021.Evident PM2.5 drops in the east of China due to the COVID-19 quarantine measures in February［J］.Atmos Chem Phys，21（3）：1581-1592.doi：10.5194／acp-21-1581-2021.

Yin Z C，Wan Y，Zhang Y J，et al.，2022a.Why super sandstorm 2021 in North China？［J］.Natl Sci Rev，9（3）：nwab165.doi：10.1093／nsr／nwab165.

Yin Z C，Duan M K，Li Y Y，et al.，2022b.Predicting gridded winter PM2.5 concentration in the east of China［J］.Atmos Chem Phys，22（17）：11173-11185.doi：10.5194／acp-22-11173-2022.

尹志聰，霍芊伊，麻曉晴，等，2023.觸發2023年春季中國北方沙塵暴的沙源累積和天氣擾動機制［J］.大氣科學學報，46（3）：321-331. Yin Z C，Huo Q Y，Ma X Q，et al.，2023.Mechanisms of dust source accumulation and synoptic disturbance triggering the 2023 spring sandstorm in Northern China［J］.Trans Atmos Sci，46（3）：321-331.doi：10.13878／j.cnki.dqkxxb.20230501007.（in Chinese）.

Yin Z C，Zhou B T，Duan M K，et al.，2023a.Climate extremes become increasingly fierce in China［J］.Innovation （Camb），4（2）：100406.doi：10.1016／j.xinn.2023.100406.

Yin Z C，Zhang Y J，Zhou B T，et al.，2023b.Subseasonal variability and the “Arctic warming-Eurasia cooling” trend［J］.Sci Bull，68（5）：528-535.doi：10.1016／j.scib.2023.02.009.

Yin Z C，Li Y Y，Zhang Y J，et al.，2023c.Evident differences of haze days between December and January in North China and possible relationships with preceding climate factors［J］.Int J Climatol，43（1）：438-455.doi：10.1002／joc.7778.

張焓，戴永久，張樹磊，等，2024.區域地球系統模式研究進展［J］.大氣科學學報，47（2）.doi：10.13878／j.cnki.dqkxxb.20240124012. Zhang H，Dai Y J，Zhang S L，2024.A review of regional earth system model development［J］.Trans Atmos Sci，47（2）.doi：10.13878／j.cnki.dqkxxb.20240124012.

Zhang S L，Zhou L M，Zhang L，et al.，2022.Reconciling disagreement on global river flood changes in a warming climate［J］.Nat Clim Change，12：1160-1167.doi：10.1038／s41558-022-01539-7.

Zhang T T，Jiang X W，Yang S，et al.，2022.A predictable prospect of the South Asian summer monsoon［J］.Nat Commun，13（1）：7080.doi：10.1038／s41467-022-34881-7.

Zhang T T，Deng Y，Chen J W，et al.，2023.An energetics tale of the 2022 mega-heatwave over central-eastern China［J］.npj Clim Atmos Sci，6：162.doi：10.1038／s41612-023-00490-4.

Zhang W J，Jiang F，Stuecker M F，et al.，2021.Spurious north tropical Atlantic precursors to El Nio［J］.Nat Commun，12（1）：3096.doi：10.1038／s41467-021-23411-6.

Zhang X D，Fu Y F，Han Z，et al.，2022.Extreme cold events from East Asia to North America in winter 2020／21：comparisons，causes，and future implications［J］.Adv Atmos Sci，39（4）：553-565.doi：10.1007／s00376-021-1229-1.

Zhang Y J，Yin Z C，Wang H J，et al.，2021.2020／21 record-breaking cold waves in east of China enhanced by the ‘Warm Arctic-Cold Siberia pattern［J］.Environ Res Lett，16（9）：094040.doi：10.1088／1748-9326／ac1f46.

Zhang Y J，Yin Z C，Wang H J，2023.Subseasonal transition of Barents-Kara Sea-ice anomalies in winter related to the reversed warm Arctic-cold Eurasia pattern［J］.Atmos Ocean Sci Lett，16（5）：100392.doi：10.1016／j.aosl.2023.100392.

Zhao D J，Xu H X，Li Y，et al.，2024.Locally opposite responses of the 2023 Beijing-Tianjin-Hebei extreme rainfall event to global anthropogenic warming［J］.npj Clim Atmos Sci，7：38.doi：10.1038／s41612-024-00584-7.

Zhao J Z，He S P，Wang H J，et al.，2022.Constraining CMIP6 projections of an ice-free Arctic using a weighting scheme［J］.Earths Future，10：e2022EF002708.doi：10.1029／2022EF002708.

Zhong W，Wu Y，Yang S，et al.，2023.Heavy southern China spring rainfall promoted by mul-ti-year El Nio events［J］.Geophys Res Lett，50：e2022GL102346.doi：10.1029／2022GL102346.

Zhu Z W，Wu J T，Huang H J，2023.The influence of 10—30-day boreal summer intraseasonal oscillation on the extended-range forecast skill of extreme rainfall over southern China［J］.Climate Dyn，62（1）：69-86.doi：10.1007／s00382-023-06900-w.