中國極端天氣氣候研究

摘要圍繞“地球系統與全球變化”重點專項項目“中國極端天氣氣候事件的形成機理及其預測和歸因\"2024年度主要進展，從極端事件變化的觀測事實、環流特征與動力學機理，海洋關鍵過程與海氣相互作用機理，海洋過程對極端天氣氣候的影響，陸面過程及其影響研究，極端事件模擬與預測等5個方面介紹了項目的最新研究成果。1）揭示了變暖趨勢對中國近40年破紀錄高溫事件的影響，基于通用熱氣候指數分析了中國區域極端高溫事件的時空變化特征，探討了不同增暖期中國東部極端降水的演變規律，闡明了長江中下游極端熱浪事件的熱、動力學特征，并歸因了人類活動對亞洲熱點區域極端溫度事件的影響。2）量化了前期冬季北太平洋濤動對后期ENSO發展的作用，指出熱帶太平洋年際-年代際變率在超長LaNina事件形成有重要貢獻；揭示了LaNina緯向位置對印度洋偶極子的調制機理，發現ENSO對東海-黑潮區域海溫的影響存在季節性反轉；開展了黑潮延伸體區域SST異常和海洋熱浪的季節可預報性研究，闡明了非線性過程對大氣季節內振蕩的作用，探討了多因子影響北大西洋多年代際變化的物理機制。3）揭示了ENSO對晚冬“暖北極-冷歐亞”模態的非對稱影響，發現了其與中國東部前、后冬降水模態及黑潮反氣旋的聯系，并闡釋了對東海-黑潮區海溫和東亞降水的季節性變化機理；指出Mega-ENSO與西北太平洋臺風生成區域的向極移動存在密切聯系，揭示了熱帶跨洋盆海氣相互作用對臺風生成位置和頻次的影響過程;發現南極變暖驅動南大西洋變暖是2022年東亞高溫熱浪的重要成因，熱帶北大西洋變率顯著調控我國東北森林野火。4）揭示了歐亞大陸土壤濕度次季節變化對我國北方群發性極端降水事件的影響機制，評估了積雪覆蓋對溫度次季節變化及預測的影響;開展了陸面因子與陸氣耦合過程影響干旱的歸因與預估研究；闡明了陸面過程與海陸協同影響中國夏李降水和超級梅雨、極端降水的物理機制；評估了華北夏季灌溉對降水日循環和區域水循環的影響及城市化對珠三角暖季中尺度對流系統和強降水的影響。5）系統評估了CMIP6模式對“暖北極-冷歐亞”模態前后冬次季節反轉的模擬能力，構建了中國東南區域復合極端濕熱事件的李節預測模型；利用年際增量方法構建了華北盛夏強降水頻次的物理統計預測模型，基于深度學習方法改進長江中下游流域夏季極端降水動力模式的預測性能；同步開展了動力模式的發展及預測應用研究。最后，展望了面臨的挑戰和需要進一步加強研究的相關問題，以期為推動我國極端天氣氣候領域的研究提供一定參考。

關鍵詞

極端天氣氣候事件； 海氣相互作用；

陸面過程；

機理；

預測

引用格式：陳海山，張耀存，張文君，等，2025.中國極端天氣氣候研究——“地球系統與全球變化\"重點專項項目2024年度最新進展[J].大氣科學學報，48（2）：177-206.Chen HS，ZhangYC，ZhangWJ，etal.，2O25.Researchonweatherandclimate extremesoverChina：2024progressoftheNationalKeyRamp;DProgramofChinaforEarthSystemandGlobal Change[J].TransAtmosSci，48（2）：177-206.DOI：10.13878/j.cnki.dqkxxb.20250112001.（in Chinese）

全球變化背景下，極端天氣氣候事件頻發并表現出群發性、持續性、復合性等特點（陳海山等，2024；王會軍等，2025）。科技部于2022年啟動實施了“地球系統與全球變化”重點專項，2023年“中國極端天氣氣候事件的形成機理及其預測和歸因”項目獲科技部立項資助。項目組經過兩年的努力，在極端天氣氣候事件變化的新特征、海洋和陸面影響極端事件的多尺度關鍵過程和機理、極端事件次季節-季節預測的新方法方面取得了一些階段性的成果（陳海山等，2024）。文章旨在從極端事件變化的觀測事實、環流特征與動力學機理，海洋關鍵過程與海氣相互作用機理，海洋過程對極端天氣氣候的影響，陸面過程及其影響研究，極端事件模擬與預測等5個方面介紹項目2024年度的最新研究進展，展望面臨的挑戰和需要進一步加強研究的相關問題，以期為中國極端天氣氣候研究提供一定參考。

1 極端事件變化的觀測事實、環流特征與動力學機理

1.1極端天氣氣候事件變化的觀測事實

1）變暖趨勢對中國近40年破紀錄高溫事件的影響（Kuangetal.，2024）。穩定氣候條件下，破紀錄事件（recordbreakingevent，RBE）的發生概率隨著時間的推移而減少，破紀錄高溫事件的增加意味著當前氣候變化的不穩定性加強。基于過去40年中國逐日最高氣溫觀測資料，定量研究了全球氣候變暖趨勢對RBE發生的影響，引入基于隨機過程的統計理論評估其對真實氣候變化情景的適用性。通過比較原始和去除趨勢高溫序列中破紀錄高溫事件的頻率、強度等，發現過去40年中國大部分區域約5%～10% 的RBE頻率與變暖趨勢有關，西南地區氣溫上升趨勢導致的高溫RBE頻率增加約為 10% ＼～20% ，明顯超過其他地區（圖1）。此外，升溫趨勢還會導致破紀錄高溫事件的強度減弱、發生時間提前。觀測到的RBE發生概率和強度與理論結果一致，但RBE預測存在顯著差異，凸顯了RBE預測的復雜性和不確定性。

2）基于通用熱氣候指數（universalthermalclimateindex，UTCI）的中國區域極端高溫事件的空間分布型與長期趨勢（Qinetal.，2024）。全球變暖背景下，熱浪對人類的影響日益嚴峻。為了研究溫度、濕度、輻射和風速等多種因素綜合作用下的生物體感熱浪，利用ERA5（ECMWFReanalysisv5）再分析數據集的逐小時通用熱氣候指數UTCI數據，定義了白天、夜間和復合熱浪，并對1981—2020年中國夏季3種熱浪的空間分布與長期趨勢進行了對比分析。結果表明，白天熱浪主要影響除青藏高原以外的中國大部分地區，而夜間和復合熱浪則主要影響長江流域及兩廣地區，大多數經歷夜間熱浪的地區也會經歷復合熱浪。在熱浪發生的地區，3種熱浪的頻次和強度均呈現增加趨勢。另外，白天、夜間和復合熱浪的空間覆蓋率的變化分別以8.05% /（10 a） 、2. 11%/（10a） 和 1.62%/（10a） 的速度增長（圖2a）。從夏季各月份來看，白天熱浪的空間覆蓋率始終顯著高于夜間和復合熱浪（圖2b）。進一步按強度對熱浪進行分類發現，3種熱浪的中度和重度等級空間覆蓋率均呈上升趨勢。此外，值得注意的是，熱浪發生頻率較高的地區更容易遭遇極端熱浪和破紀錄熱浪，并且白天、夜間和復合破紀錄熱浪的空間覆蓋率均呈增長趨勢。

3）不同增暖期，我國東部地區小時-日極端降水的變化特征（Qietal.，2024）。以往研究表明，極端降水呈現多種特性的變化，但大多研究都集中在日尺度的事件上，對小時尺度極端降水研究較少。研究選擇了尺度更小的小時降水量數據，利用多個極端降水指數分析我國東部地區小時極端降水的特征并與日極端降水進行比較。基于1980—2020年夏季（6—8月）我國東部1873個站點逐小時降水量數據，參考了ETCCDI極端指數定義了小時極端降水指數。結果表明，中國南部地區的極端降水更為頻繁和劇烈。從趨勢上看，小時極端降水的頻率在我國南部地區呈顯著上升趨勢，強度在北方地區顯著增強，而日極端降水僅在我國東南部觀測到強度和頻率的增加。此外，東部沿海地區小時降水持續時間更長，且有增加趨勢，而日降水持續時間增加的地區則位于更靠南的地區。比較不同增暖期極端降水變化差異發現，1980—2020年，極端降水的強度和頻率均增加，小時尺度的變化也更明顯。1999—2020年，東北地區小時極端降水出現強度大，持續時間短的特征，華南地區則經歷了更頻繁、持續時間更長的極端降水；對流有效位能（convectiveavailablepotentialenergy，CAPE）在兩個區域均增大，對流抑制能（convectioninhibitoryenergy，CIN）則呈降低趨勢，大氣不穩定性增加。兩個區域在不同時期的大氣熱力條件的變化可解釋小時極端降水的變化（圖3）。

1.2極端天氣氣候事件的環流特征、動力學及歸因 分析

1）中國東部夏季不同持續時間極端高溫事件

（夏季長、短壽命高溫熱浪事件）的區域性差異及其大尺度環流異常（JiandChen，2024）。基于1981—2020年中國東部516個地面觀測站日最高溫度（ T_max ），在考慮氣候學區域差異的基礎上，采用相對閾值來定義并劃分長、短熱浪事件，把第80百分位值作為劃分每個站點長短熱浪事件標準閾值。就持

續時間而言，二者均表現為長江中下游持續時間更長，量級上長熱浪事件強度普遍是短熱浪事件的4倍及以上。對于熱浪強度，短熱浪和長熱浪均呈現由南向北增強的空間特征，但長熱浪事件強度普遍是短熱浪事件的2倍左右。短壽命和長壽命熱浪的典型模態通過EOF分析，揭示了短壽命和長壽命熱浪的3個主導模態（圖4）。第一模態表現出一致的空間格局，短熱浪在北方和南方均明顯發生，而長熱浪主要發生在北方。第二模態的主要特征是在黃河以北和以南的大范圍區域呈現出一種經向偶極子模態。第三模態短壽命熱浪呈現空間四極子結構，4個異常中心分別位于東北、華北、黃淮流域和長江以南地區，而長壽命熱浪呈現空間三極子結構，3個異常中心分別位于華南、東北以及江淮地區。進一步分析表明短壽命和長壽命熱浪的環流差異。不同的500hPa 位勢高度異常和 850hPa 的風場異常位置中心，通過影響對流層中下層暖氣柱、云量分布和水汽輸送，決定了每個模態典型熱浪事件溫度和降水異常分布的差異。不同類型熱浪事件在發生前后期間大尺度大氣環流存在差異，具有不同的環流特征信號。此外，長熱浪和短熱浪不同模態典型事件的大氣環流演變過程可能與不同遙相關型相聯系。

2）長江中下游極端熱浪事件及其熱、動力學特征（LiuWCetal.，2024）。2022年夏季長江中下游地區出現了罕見的持續性高溫，其中尤以8月中上旬出現的持續性高溫尤為明顯。研究利用1958—2022年的JRA55再分析資料，針對此次極端高溫事件以及歷史上同期的極端高溫事件的大氣內部熱力學和動力學特征進行了系統的研究。結果表明：長江中下游地區的極端高溫熱浪與局地的反氣旋環流異常相伴。該反氣旋環流異常會產生絕熱和非絕熱兩個方面的影響。一方面，反氣旋環流異常會導致整個對流層出現壓縮增溫，并在低對流層引發暖平流。另一方面，反氣旋環流異常有利于更多的短波輻射到達地表，造成感熱通量異常加強，這成為極端高溫形成前期的重要非絕熱加熱來源。相較于歷史上的極端高溫事件，2022年8月高溫事件的極端持續性主要與持續的絕熱加熱過程以及減弱的非絕熱冷卻效應有關。反氣旋環流異常的高層部分與南亞高壓的異常增強有關。但與以往極端高溫熱浪事件不同的是，在2022年8月極端高溫事件中，南亞高壓異常加強與非線性緯向渦動通量有關，而不是由Rossby波能量的傳播導致，后者實際上起著抑制南亞高壓異常加強的作用。

3）人類活動對亞洲熱點區域極端溫度事件的影響（WangZMetal.，2024）。觀測和模式結果表明，工業革命以來人類活動對與全球變暖有關的極端溫度事件的頻率和強度產生了顯著影響。然而，大多數研究尚未充分考慮持續性極端溫度變化及其與人類活動的關系。利用NCEP再分析資料及 CMIP6（Coupled Model IntercomparisonProjectPhase6）模式數據，研究了亞洲關鍵區不同外強迫對持續性極端溫度變化的貢獻，并基于歸因結果進行約束性預估。使用最優指紋法對3個關鍵區（西亞、南亞和東南亞）的檢測分析表明，人為強迫是持續性極端溫度變化的主要驅動因素，冷極端（cold spelldurationindex，CSDI）的可檢測性低于暖極端（warmspelldurationindex，WSDI），三信號檢測結果表明，溫室氣體強迫在持續性極端溫度變化中起主導作用（圖5），在3個關鍵區的兩種指數均無法檢測和分離人為氣溶膠的作用，這與極端溫度頻率和強度指數的結果不同。不同排放情景下的WSDI在未來均呈現上升趨勢，西亞和東南亞地區模式模擬高估了WSDI的變化；CSDI呈現較弱的下降趨勢，訂正后與模式預估的差異不大。

2海洋關鍵過程與海氣相互作用機理

2.1 ENSO及海洋動力學

1）基于海氣耦合模式量化冬季北太平洋濤動（NorthPacificOscillation，NPO）在次年El Nino-南方濤動（ElNifo-SouthernOscillation，ENSO）發展中的作用（Huetal.，2024）。基于冬季NPO超前于ENSO一年的統計關系，前人的研究大多認為冬季NPO可通過一些物理過程影響下一年ENSO事件的發生發展。研究的前期結果已闡明了ENSO前一年冬季的NPO信號主要是ENSO發展前期熱帶西太平洋海溫異常強迫的結果，是ENSO發展過程中的伴隨現象。隨之的問題：前期冬季NPO信號是否對次年ENSO事件的發展起作用？考慮到前期冬季有NPO信號的ENSO年，早在其之前的夏秋季節，熱帶西太平洋上就已經具有顯著的海氣信號，這在次年ENSO的發展中同時也起著作用，從而導致在觀測中不能清晰地分離出熱帶外NPO信號在次年ENSO發展中的作用。基于日本海洋地球科學與技術局、大氣海洋研究所和國家環境變化研究所共同開發的MIROC6海氣耦合模式設計的一系列數值試驗，對熱帶太平洋海氣信號和熱帶外NPO信號進行解耦，從而定量化分析冬季NPO在次年ENSO發展過程中的可能貢獻。如圖6所示，MIROC6模式通過給定不同強度的NPO強迫實施的多組數值試驗結果表明，在去除NPO強迫的試驗中（EXP-CIm），模式能夠模擬出次年ENSO事件相關的海氣特征，表明熱帶太平洋內部海氣動力學在ENSO發生發展中發揮了關鍵作用。研究結果進一步指出了弱NPO強迫對次年ENSO發展的幾乎可忽略（EXP-0.5P/N和EXP-1.0P/N）;只有極端強的NPO強迫可以促進次年ENSO事件的發展（EXP-2.0P/N和EXP-3.0P/N）：當在前期冬季給定2.0倍和3.0倍的正（負）NPO強迫時，次年冬季

2）熱帶太平洋年際-年代際變率在形成超長LaNina事件中的作用（WangRetal.，2024）。自1950年以來，一共出現了5次持續時間超長的LaNina事件，包括最近的2020—2023年的LaNina事件，與其他ElNino/LaNina事件相比，這些事件橫跨4a甚至更長時間。在這些事件中，ENSO自身3＼～7a的低頻海洋-大氣耦合過程以及年代際背景發揮了不同的作用。由赤道太平洋緯向風應力異常與赤道東太平洋溫躍層深度異常的低頻-年代際分量對5個超長LaNina事件中Nino3.4指數低頻-年代際分量的線性重建表明，這些超長事件形成原因有所不同，可被劃分為溫躍層驅動型事件（1983—1986年和1998—2002年事件）和風驅動型事件（1954—1957年、1973—1976年和2020—2023年事件）。前者源于前期超強ElNino引起的赤道上層海洋熱含量的充分放電狀態，由溫躍層反饋所主導，導致相對低頻的海洋動力調整，以支持負海表溫度異常的維持；而后者受到相對更重要的緯向平流反饋和艾克曼反饋的驅動，并深受源自太平洋年代際振蕩負位相下的赤道緯向風應力背景態的影響。因此，不論是ENSO低頻變率的內驅動力還是太平洋年代際背景的外部強迫均有助于超長LaNina現象的發生。

3）LaNina緯向位置對印度洋偶極子的調控及物理機制（Zhangetal.，2024）。ENSO對印度洋偶極子（IndianOceanDipole，IOD）的顯著影響已得到科學界的廣泛認可，但是二者之間的復雜關系給季節性預測帶來了挑戰。以往的研究指出，不同類型的ElNino對IOD的調控方式存在差異。研究分析了1960—2022年秋季（9—11月）LaNina對IOD的影響，并研究了LaNiia調控IOD的物理機制。結果表明，LaNina主要通過其緯向位置調控IOD。進一步研究發現，緯向位置偏西的LaNina事件往往會顯著抑制中太平洋的對流并加強Walker環流，在熱帶印度洋表面激發顯著的西風異常，從而引發強的負IOD事件；相反，緯向位置偏東的LaNina事件沒有產生顯著的大氣響應，印度洋地區也沒有呈現顯著的IOD模態（圖7）。LaNina緯向位置調控IOD的物理過程與對流活動緊密相關，而熱帶對流與其下墊面的背景態海溫之間呈現出非線性關系。當背景態海溫高于對流閾值時，對流活動才對海溫變化敏感，而當背景態海溫低于對流閾值時，對流的響應則較弱。對于緯向位置偏西的LaNina，較強的負海溫異常延伸至中太平洋，中太平洋的背景態海溫高于對流閾值，因此大氣響應敏感；對于緯向位置偏東的LaNiia，其負海溫異常位于冷舌區，冷舌區背景態海溫低于對流閾值，因此難以激發顯著的對流異常。太平洋“起搏器\"試驗可很好地再現觀測中LaNina緯向位置調控IOD的統計關系以及物理過程。

4）ENSO對東海-黑潮區域海溫影響的季節性反轉（Xieetal.，2024）。東海-黑潮（EastChina-SeaKuroshio，EK）區域是東亞東部海洋系統的關鍵組成部分，其海表面溫度（sea surface temperature，SST）變化對周圍的天氣、氣候和海洋生態有重要的影響。大量研究表明，ENSO是季節至年際氣候變率的主要可預測性來源。然而研究發現，當關注秋冬季ENSO與EK區域SST關系時，盡管熱帶太平洋的SST異常持續且顯著，但在EK區域卻沒有觀察到明顯的SST信號。進一步的分析發現ENSO與EK區域SST關系存在著顯著的季節性反轉，從秋季（8月（0）一10月（0））的負相關關系轉變為冬季（12月（0）—2月（1））的正相關關系。這種反轉主要歸因于與ENSO相關的西北太平洋（Northwest

圖7（a）合成的緯向位置偏西的LaNina事件的 5^°S～5^°N 平均的緯向風、垂直速度（箭矢，單位： m/s ）和降水異常（綠線，單位： mm/d ），以及海表溫度異常（陰影，單位： C ）和地表風異常（箭矢，單位： m/s ）。垂直速度異常分別乘以-100 （箭矢）和-30（陰影），僅顯示垂直速度異常通過置信度為 95% 的顯著性檢驗區域。打點和加粗廓線表示通過置信度為 95% 的顯著性檢驗。（b）同（a），但為緯向位置偏東的LaNina事件合成。（c、d）同（a、b），但為太平洋“起搏器”試驗的結果。引自Zhangetal.（2024）

Pacific，WNP）大氣環流模式的季節性變化。ENSO發生秋季期間，WNP異常環流局限于 20^°N 以南，EK區域出現氣旋性環流異常。相關的偏北風異常會增強背景偏北風，從而主要通過風蒸發-SST效應促進局部冷卻。冬季，與ENSO相關的WNP反氣旋異常增強并向EK區域延伸。因此，偏南風異常引起背景偏北風減弱，導致EK區域向下的潛熱和感熱通量增加，促進當地海洋變暖（圖8）。

5）黑潮延伸體區域SST異常和海洋熱浪的季節可預報性研究（Zhouetal.，2024）。黑潮及其延伸體位于西北太平洋海溫變率最大的區域，常發生非常強烈的海洋熱浪，對當地漁業和東亞氣候有著顯著影響。對于黑潮延伸體區域的海洋熱浪，以往的研究主要集中在該區域海洋熱浪的爆發和驅動因素上，動力模式對其可預報性及其可預報性來源仍有待研究。通過采用多模式集合預測和多觀測集合驗證方法研究黑潮延伸體區域SST和海洋熱浪的動力可預報性的結果表明，由于單一觀測數據存在一定的誤差，使用多種觀測數據的集合平均驗證模式的預測技巧通常能夠得到更高的技巧評分。多模式集合平均的預測技巧往往高于大多數單一模式。多模式集合平均對黑潮延伸體區域SST的有效預測約為 4mon 。相較之下，目前動力模式對黑潮延伸體區域海洋熱浪的有效預測仍具有一定難度。此外，隨著預報時效的延長，動力模式往往低估了黑潮延伸體區域海洋熱浪的平均強度和年頻率，并高估了其持續時間。模式對黑潮延伸體區域SST和海洋熱浪的季節預測技巧的主要來源為太平洋年代際振蕩和ENSO。

2.2海氣相互作用關鍵過程與機理

1）非線性過程對大氣季節內振蕩（MaddenJulianOscillation，MJO）振幅演變和極端MJO形成的作用（Chen，2024）。熱帶MJO是熱帶大氣中具有 30～90d 周期的現象，對全球尺度的天氣和氣候系統有廣泛的影響。由于其低頻特性，學術界認為MJO為延伸期預報提供了可預報性來源，但是目前模式對MJO的模擬和預測仍存在局限性。這種局限性源于對其非線性動力學的認識不足。通過使用多種檢測方法，研究表明，盡管MJO的位相演變是準周期的，其振幅演變是確定性混沌的。結合時滯嵌入、SVD、Koopman算子理論和回歸模型，使用數據驅動方法重構了MJO的混沌特征（圖9），解析了混沌的動力學成因。結果表明，MJO振幅的動力學演變可以分解成兩部分：一部分是多尺度的周期軌道（對應圖9中矩陣A相應的線性動力過程），另一部分是這些周期軌道的非線性相互作用（對應圖9中的 ）。這些非線性相互作用反饋給周期軌道，造成了非周期運動和對初值的敏感，最終導致了MJO振幅演變的混沌性。定義極端MJO為振幅強度超過 90% 分位的MJO事件。相較于中等振幅MJO事件，極端MJO事件對極端天氣氣候的影響更為顯著。利用圖9b中的模型，可以進一步證明，極端MJO事件的發生（包括爆發時間選擇、最大強度）由多時間尺度周期軌道間的非線性相互作用決定。因此，極端MJO事件的發生受多時間尺度非線性相互作用控制。

2）人為因子、自然強迫及氣候系統內部變率對北大西洋多年代際變化的影響途徑和物理過程（HuaandDai，2024）。大西洋多年代際變化（Atlanticmultidecadalvariability，AMV）是調節極端天氣氣候事件的重要海溫年代際信號。全球變暖背景下（尤其是近70年）AMV的形成機制一直是學術界關注的重要科學問題。傳統觀點認為，AMV主要受氣候系統內部過程驅動。然而一些研究認為，近幾十年北大西洋周期性的海溫年代際變化與人為和自然氣溶膠排放有關。這兩種學術觀點即外強迫和內部變率，究竟誰主導近70年的AMV，一直存在較大分歧。前人研究發現了1950年后外強迫和內部變率導致的AMV在時間上是相關的，它們的空間場也有類似的地方。所以，內部變率對熱帶AMV也有貢獻。空間上，大西洋 50^°N 以南，年代際尺度下的北大西洋的海溫馬蹄型分布與外強迫分量結果更為類似。但在 50^°N 以北，內部變率的作用更加凸顯。模式模擬的1950—2022年間外強迫的貢獻強于內部變率，總的熱帶北大西洋海溫年代際變化量級與外強迫引起的海溫變化量級更加相似。但是，內部變率的貢獻不可忽略。就時間演變特征而言，大西洋經向翻轉流（Atlanticmeridionaloverturningcirculation，AMOC）是AMV的主要驅動因子。觀測的AMV在20世紀70年代初的變化與AMOC同步。AMOC偏強（弱）會導致北大西洋海溫出現異常偏暖（冷）。在AMV負位相（1967—1997年）和正位相（1998—2022年）下，氣溶膠強迫作用下的海溫年代際變化與AMV周期基本同相。北大西洋海溫對氣溶膠強迫的響應與內部變率引起的AMV變化呈同相變化。因此，包含內部變率引起的AMV可以使得總的AMV的時空變化與觀測更加接近。研究表明，全球和其他地區類似AMV的年代際氣候變化可能并不像之前認為的主要是與大西洋海溫變率有關，很可能也受人為氣溶膠排放等輻射強迫的直接影響。所以，未來在研究與AMV有關的年代際氣候變化中，需要區分氣溶膠等外強迫的影響和大西洋海溫的不同影響。

3海洋過程對極端天氣氣候的影響

3.1 ENSO的影響研究

1）ENSO對晚冬“暖北極-冷歐亞”模態的非對稱影響（Muetal.，2024）。巴倫支-喀拉海周邊的北極變暖常與歐亞大陸冬季變冷相伴，北極與歐亞溫度異常的反向變化被稱為“暖北極-冷歐亞（warmArctic-coldEurasia，WACE）\"模態。研究表明，晚冬（1一3月）期間的WACE模態與ENSO密切相關，而ENSO對WACE的影響又存在顯著的非對稱性。通常，LaNia事件伴隨歐亞大陸上空異常的高壓系統，有助于正WACE模態的形成。然而，EINino事件與WACE模態之間的聯系較弱。上述ENSO對歐亞大陸環流和地表氣溫的非對稱影響可歸因于其正負位相對行星波以及平流層極渦空間結構的非對稱調制。LaNina年冬季，由于緯向1波行星波上傳受到抑制，歐亞大陸上空的高度異常傾向于在對流層中占主導地位，其對應環流能給北極與歐亞地區產生重要影響；而E1Nino年則相反，位勢高度異常更傾向于局限在對流層頂至平流層。

2）ENSO對中國東部前、后冬降水模態的影響及其與黑潮反氣旋的聯系（Yanetal.，2024）。中國東部冬季降水呈現出顯著的年際變化，前人研究表明該變化與ENSO密切相關。研究指出，ENSO對中國東部降水模態的影響在前冬（11—12月）和后冬（次年1一2月）具有明顯的差異。前冬，與ENSO相關的降水異常在中國東部表現為一致型的空間分布特征。對比之下，后冬的降水異常模態發生明顯的改變，表現為偶極型的空間分布。降水響應從前冬到后冬的顯著變化，可主要歸因于季節變化的黑潮反氣旋性環流異常。在ElNio年前冬，菲律賓海和黑潮地區都呈現出反氣旋性環流異常，促進水汽向整個中國東部的輸送，從而導致了更多的降水。在EINino年后冬，菲律賓海上的反氣旋進一步增強，而黑潮地區的反氣旋則消散，這導致中國東部的北部和南部地區之間的水汽輸送存在差異，從而形成偶極型的降水分布；LaNina年則呈現出幾乎相反的環流異常和相應的降水異常。進一步分析表明，季節變化的黑潮反氣旋異常可能與EINino相關的熱帶中東太平洋的對流從前冬到后冬的增強有關。

3）ENSO演變對東亞季節性降水影響的穩定性研究（LiuYYetal.，2024）。利用1950—2022年長時序的觀測數據和AMIP數值試驗，探討了ENSO演變對東亞季節性降水影響的穩定性，包括ElNiio和LaNina的不對稱影響，東部型和中部型ElNino影響的差異，以及ENSO影響的年代際變化。研究表明，在ENSO成熟階段的冬季，其主要影響中國南方和日本南部的降水異常；在發展階段，ENSO主要影響中國北方西部的降水異常；而衰退階段的春季和夏季，其影響范圍逐漸擴展至長江中下游地區（圖10）。此外，ElNino和LaNina現象對東亞降水異常的影響具有非對稱性，E1Niio引發的降水異常通常更強，這種差異主要由菲律賓附近反氣旋/氣旋活動的變化所驅動。同時發現，不同類型EINino對東亞降水的影響存在顯著差異，即東太平洋型EINiio（EP-ElNino）在冬季對中國南方降水的影響較強，而中太平洋型ElNino（CP-ElNino）的影響往往滯后一個季節，且對長江中下游降水異常的貢獻較大；CP-ElNino引發的大氣環流異常整體較弱，但其對區域性降水的影響更加顯著。值得注意的是，自1999年以來，東太平洋型ElNino的影響有所減弱，而中太平洋型ElNio的出現頻率和影響顯著增強，表明ENSO影響模式受到年代際氣候變化的調節。通過數值試驗，進一步佐證了ENSO與東亞降水關系的穩健性，并指出當前氣候模式能夠較好地再現東亞降水季節性變化的主要特征，但對中國南方和日本南部降水異常的模擬效果仍有待改善。研究強調了在分析ENSO對東亞季節性降水的影響時，有必要考慮ElNino和LaNina的不對稱影響，區分不同類型的E1Niio，以及近20年ENSO對東亞季節性降水影響的年代際變化。

3.2海洋及海氣相互作用對極端天氣氣候事件的影響

1）Mega-ENSO影響西北太平洋臺風生成區域的向極移動（Jianetal.，2024）。自衛星時代以來，西北太平洋臺風生成區域呈現顯著的向極移動趨勢。鑒于臺風資料的時限性，當前臺風生成區域的向極移動是否已經受到全球變暖的影響仍不清楚。研究表明，Mega-ENSO是臺風生成區域的關鍵影響因子，其在年際、年代際和趨勢等多尺度變率上均對西北太平洋臺風生成區域具有顯著的調控作用。Mega-ENSO主要通過改變Walker環流和Hadley環流影響臺風生區域的空間分布。基于Mega

ENSO與臺風生成之間穩健關系這一觀測約束，研究對30個CMIP6氣候模式中的臺風生成代用指數（臺風生成動力潛勢指數）進行了深人分析：隨著全球變暖的加劇，臺風生成區域將持續向北移動。進一步利用高分辨率模式中直接識別的臺風進行研究，也表明了在未來暖化環境下臺風生成區域會持續向北推進。臺風生成區域北移主要是與MegaENSO相關的北太平洋中緯度海洋快速升溫密切有關。該快速升溫推動了Hadley環流向北擴張，進而導致西北太平洋北部異常上升運動增強，從而有利于更多臺風在西北太平洋北部生成。全球變暖下臺風生成將繼續向極地偏移，研究強調了與MegaENSO相關的北半球中緯度海溫增暖所起的關鍵作用。

2）熱帶海溫時空變異對西北太平洋秋季臺風生成頻數的年代際影響（Tanetal.，2024）。西北太平洋臺風季節活動呈現顯著的年代際變化特征，然而以往研究多集中關注臺風盛季，對秋季臺風活動變化特征及其成因的研究相對較少。研究發現1999年秋季臺風頻數發生了顯著的年代際減少，該變化能夠解釋自20世紀末以來西北太平洋整個海盆總臺風頻數約 70% 的減少幅度。觀測和數值模擬試驗的結果表明，1999年秋季臺風生成頻數的年代際轉折主要與熱帶海溫的年代際變化密切相關。1979—1999年，秋季臺風頻數年際變化在很大程度上受ENSO的影響（圖11a）；而2000—2019年，ENSO對秋季臺風生成頻數的影響顯著減弱，主要受西太平洋局地海溫顯著調制（圖11b）。

3）LaNina衰減年夏季西北太平洋熱帶氣旋生成差異的對比分析（LiuandGong，2024）。2018和2021年均為LaNina衰減年（圖12a），但這兩年夏季（6—8月）西北太平洋熱帶氣旋（tropicalcyclone，

TC）活動卻呈現出顯著差異。2018年夏季TC活動異常活躍，共生成18個TC，較常年同期（11個）明顯偏多，TC生成源地主要位于西北太平洋中東部。而2021年夏季僅生成9個TC，且生成源地主要集中在西北太平洋西部。通過對比分析發現：熱帶印度洋海盆一致模（IndianOceanbasinmode，IOBM）在2017/2018年冬季轉為冷海溫距平，并持續至2018年夏季（圖12b）；同時太平洋經向模（Pacificmeridionalmode，PMM）也一直維持正位相（圖12c），導致夏季西太平洋副熱帶高壓（簡稱：西太副高）偏東偏北，季風槽向東延伸，有利于西北太平洋TC生成和發展；此外2018年夏季熱帶大氣低頻振蕩（Madden-JulianOscillation，MJO）在第5—6位相的日數偏多近 150% ，也為TC的形成提供了有利的動力條件。而2021年IOBM3月迅速轉正且維持至夏季，PMM則從1月轉為負位相并維持到夏季；同時MJO在第2—3位相停滯長達47d；此時對流中心位于海洋性大陸西部，不利于西北太平洋TC的生成。可見，盡管處于相似LaNina衰減年背景下，2018和2021年春夏季IOBM和PMM演變以及MJO活動的不同，是導致2018和2021年夏季西北太平洋TC活動顯著不同的主要原因，其中IOBM和MJO活動異常的貢獻較PMM更為重要。

4）太平洋/大西洋經向模態對東北太平洋臺風生成的協同作用（SunQetal.，2024）。東北太平洋臺風活動不僅會受到太平洋地區氣候變率的制約，其“鄰居”大西洋也會對其產生影響。研究發現，自20世紀90年代以來太平洋經向模態（PMM）和北大西洋經向模態（Atlanticmeridionalmode，AMM）對東北太平洋夏秋季（6—11月）臺風生成頻數的協同影響在加強。進一步分析表明，垂直風切變AMM和臺風頻數關系增強的關鍵環境因子，而垂.11Correlation pattern between autumn TCGFin the SWNP（ 100^°E-180^° ， 0^°-15^°N ）during（a）1979—1999and（b）20oO—2O19.Black dotsindicate correlations significant at the 95% confidence level.（Cited from Tan etal.（2024））

直風切變和潛在強度（主要與海溫有關）是PMM與臺風頻數關系增強的關鍵環境因子。該調制作用的加強很大程度與大西洋和太平洋海洋熱力狀態的年代際變化密切關聯。20世紀90年代中期AMO（NorthAtlanticOscillation，北大西洋濤動）轉為暖位相后，熱帶北大西洋海溫的平均態升高，跨海盆Walker環流加強，使得在AMM正位相期間熱帶北大西洋的正海溫異常激發了局地更強的上升運動。相應地，加強的Walker環流下沉支南移至赤道中太平洋，在西太平洋引發赤道東風異常，進而激發海洋冷性開爾文波東傳，產生了類似于LaNina模態的海溫負異常（圖13a、c）。這加大了太平洋-大西洋間的海溫梯度，增大了東北太平洋局地垂直風切變，顯著抑制了臺風生成。20世紀90年代末PDO（Pa-cificdecadaloscillation，北太平洋年代際濤動）轉為冷位相，在PMM正位相期間海溫正異常最大值的中心移至副熱帶東北太平洋，通過Gill響應在赤道西太平洋產生西風異常和副熱帶東北太平洋上產生西南風異常，削弱了背景場的東北信風，減弱了風-蒸發-海溫反饋（圖13b、d）。這使得東北太平洋上正海溫異常不斷發展，局地海溫升高，潛在強度增加。與此同時，低層的跨海盆東風異常減弱了垂直風切變。海溫的增加和垂直切變的減弱有效促進了東北太平洋臺風的生成。

5）南極變暖驅動南大西洋變暖及其對2022年東亞高溫熱浪的影響（Fangetal.，2024）。2022年盛夏（7、8月）長江流域的 2m 氣溫相較于氣候態有明顯的高溫異常，夏季最長持續高溫日數異常最大值也位于長江流域區域，且區域平均 2m 氣溫異常與最長持續高溫日數顯著相關，并在2022年均為歷史第一，說明此次高溫過程具有極端強度大、持續時間長的新特征。南極西部增暖和南大西洋增暖與長江流域高溫熱浪存在一定的關聯。南極增暖導致南極西部的陸地冰川融化，進而導致高緯度南大西洋的海溫上升。南極和南大西洋的變暖減弱經向溫度梯度，推動了中高緯度的波列向南極漂移并放大行星波，這有利于副熱帶高壓馬斯克林高壓向極地方向擴展。此外，南大西洋的變暖也通過加強波列增強了馬斯克林高壓向南偏移。作為亞洲季風的主要成員，向南偏移的馬斯克林高壓拉大了其與季風低壓之間的距離，進而減弱了跨赤道氣流，導致東亞夏季風減弱和南移。同時，它還減弱了亞澳季風和新幾內亞跨赤道氣流，從而削弱了東亞季風環流，導致長江流域水汽輸送減少。這些因素共同作用，造成了初夏空梅和盛夏長江流域極端高溫熱浪（圖14）。

6）熱帶北大西洋變率對我國東北森林野火的調控（Huaetal.，2024）。氣候變化和人類活動是導致野火增加的重要因素。過去20多年來，東北地區森林火災風險和燃燒面積逐漸增加。很多研究表明，觀測到的燃燒過程受人類活動的影響（如露天生物質燃燒或農業秸稈焚燒等）。也有研究發現，氣候系統內部變率（如ENSO、北極海冰等）也會加劇東亞腹地的氣候變化和火災風險。所以，研究和監測東北地區火燃燒面積變化對于理解其對人類活動和氣候變化的響應至關重要。研究利用多源觀測資料、再分析數據和數值模擬結果，分析了近20年來中國東北地區火災活動對人為和自然氣候變化的響應。結果表明，自2003年以來，東北地區春季燃燒面積（burnedarea，BA）呈現顯著增加趨勢，近10年的年際波動更為強烈。東北春季BA的年均值從2010年前的約0.19Mha增加到2022年的超過1.2Mha。值得注意的是，燃燒面積和日最高溫度（ T_max ）在2010年達到最低值，而降水量在2010年達到了最高值。這些結果表明，火災通常發生在炎熱天氣與干旱條件交匯的情況下。研究將區域劃分為農田和自然植被，發現BA的增加趨勢主要來自農業燃燒。溫度是自然植被BA變化的主要驅動因素，而農業燃燒受降水的影響。由于耕作方式和土地利用和土地管理影響，人類活動在很大程度上促進了BA變化。研究估計，有 12% 的BA變化來自王地利用和土地管理方式的改變（如農田擴張的影響）。結果進一步表明，熱帶北大西洋（tropicalNorthAtlantic，TNA）海溫變率可以通過激發異常的緯向環流，從熱帶大西洋上空向歐亞大陸傳播的羅斯貝波列（圖15a），調節中國東北地區的火災天氣條件（溫度、降水、濕度和風速等）。2010年以來，TNA海溫變冷致使東北地區周邊出現異常反氣旋環流，導致該地區下沉運動和輻散為主，降水減少，氣溫升高（圖15b）。因此，21世紀10年代以來，溫度和降水異常導致了更頻繁的燃燒面積變化。

4 陸面過程及其影響

4.1土壤濕度異常變化及其對極端降水的影響

1）青藏高原土壤濕度的氣候特征及其異常變化主模態分析（Sangetal.，2024）。青藏高原地區土壤濕度呈中部干燥-東部和南部濕潤的氣候態分布，其中，雅魯藏布大峽谷和祁連山南側受夏季風和地形影響是高原土壤濕度最大的地區。高原地區土壤濕度年循環受夏季風和積雪融水等因素的影響，高海拔地區土壤濕度呈夏季峰值型特征，在低海拔地區呈夏季谷值型特征。青藏高原地區土壤濕度EOF第一模態呈南北兩極型分布，且時間序列的年代際變化顯著。就氣候變化趨勢而言，青藏高原中部和東部等大部地區呈明顯的增濕趨勢，高原南部、東南部和北部的部分地區呈變十的趨勢。值得注意的是，青藏高原南部和東南部地區的王壤濕度時間標準差相對于其他地區數值更大，高原變干地區土壤濕度的氣候變率更大。

2）歐亞大陸土壤濕度次季節變化對我國北方

圖15（a）熱帶北大西洋海溫（ 15^°～57.5^°W，5.5^°～23.5^°N） 指數回歸的 200hPa 水平風場（箭矢，單位： m/s ）、位勢高度場（等高線，單位：gpm）和降水量場（陰影，單位： mm/d ）；（b）同（a），但為 850hPa 位勢高度場（等高線，單位：gpm）、水平風場（箭矢，單位： m/s ）、海溫（陰影，單位： C ）和最高氣溫（陰影，單位：℃）；字母A和C表示反氣旋和氣旋異常的中心，陸地綠色框表示東北區域；引自Huaetal.（2024）

群發性極端降水事件的影響（LiuJetal.，2024）。基于自組織映射（self-organizingmaps，SOM）環流分型，將華北和東北地區的環流分為16種型，發現兩種環流型對應的群發性極端降水發生頻次異常偏高，呈顯著增加趨勢（圖16）。驅動極端降水發生的緯向型環流為短波-副高型，經向型為氣旋高壓型。短波-副高型表現為高層南亞高壓東伸北抬，中層西太副高西伸北抬且強度加強，同時緯向西風上還伴有短波擾動，低層偏南氣流輸送暖濕水汽，維持著冷暖空氣的匯合；氣旋-高壓型表現為高層南亞高壓東伸北拾且強度增強，華北、東北地區上空異常反氣旋經向范圍增大，長波脊加強，中層西太副高西伸北抬，低層除了偏南氣流之外還有氣旋產生，促使CAPE值偏高。短波-副高型（緯向型）和氣旋-高壓型（經向型）的群發性極端降水事件頻次分別與里海東部和高原北部前期10～30d的土壤濕度有顯著相關，其降水量與土壤濕度分別在超前7d和11d以上的次積極尺度上相關信號最強。里海東部關鍵區域土壤濕度的降低和溫度的增加，加強了中緯度的瞬態短波擾動和日本海高壓；高原北部土壤濕度增加和溫度降低加強了高原激發的遙相關“ ^+-+ ”波列，加強了北方中部氣旋和東北-日本海高壓異常的短波-副高環流型，有利于鄂霍次克海高壓脊發展對環流系統的穩定維持，進而促使冷空氣擾動和日本海高壓輸送暖濕水汽輸送匯合并持續，導致群發性降水的發生。

4.2積雪覆蓋的次季節變化及其影響

1）青藏高原極端積雪事件的反饋作用及其對局地溫度次季節變化的影響（LiuandLi，2024）。積雪作為大氣下邊界條件，極端情況下青藏高原積雪覆蓋面積可以發生大范圍快速變化，并影響局地和非局地大氣。通過百分位法定義青藏高原極端積雪異常事件，發現極端積雪事件期間，青藏高原積雪覆蓋率在一周內迅速增加，隨后又快速減少，異常事件的平均持續時間約為2周。觀測分析揭示了極端積雪事件與大氣活動的可能聯系，數值試驗進一步探究了由此引發的大氣次季節反饋。結果表明，青藏高原極端積雪事件導致的冷卻效應使局地氣溫顯著下降。這種局地冷卻效應放大了由積雪事件引起的氣溫冷異常，增強了最終氣溫冷異常的強度，積雪反饋約能解釋 50% 的局地氣溫異常。此外，極端積雪事件不僅對高原局地產生影響，還通過溫度平流過程引發下游大氣的絕熱加熱效應，導致青藏高原下游地區的大氣溫度在不同高度和區域出現冷或暖異常響應（圖17）。

2）北半球積雪覆蓋對氣溫次季節預報的影響（LiandSong，2024）。積雪是重要的陸面變量，對次季節預報有重要意義；其預報精度對大氣次季節預報能力也有直接影響。本究評估了3種數值預報模式（CMA、ECMWF、MPAS/Noah）對北半球冬季積雪覆蓋次季節預報的技巧，討論了氣溫次季節預報對積雪覆蓋預測的敏感性。以持續性預報作為基準，檢驗并比較了3個預報模式對積雪覆蓋異常的預報技巧。總體上數值模式對積雪覆蓋異常有提前3＼～4周的預報技巧。在此基礎上，利用MPAS/Noah模式，設計了敏感性試驗，探討了氣溫次季節預報對積雪預測的敏感性（圖18）。結果表明，預測的積雪覆蓋對氣溫預報技能有正貢獻，尤其在中緯度地區，這種貢獻在提前期為1＼～2周的預報中更明顯，而在提前期為3＼～4周的預報中則相對有限。此外，部分預報誤差可歸因于動力模式積分過程中產生的預測積雪場誤差。上述影響從提前期2周開始顯現，并可持續到第4周，主要影響中緯度地區。

4.3陸面因子與陸氣耦合過程影響干旱的歸因與預估

1）基于新的地表短期干旱性劃分框架與陸氣耦合分析（Shanetal.，2024）。土壤濕度與蒸散發的耦合關系是陸氣相互作用的重要基礎，對調控陸面與大氣之間的水分與能量交換起著關鍵作用。研究基于這一陸氣耦合特性，提出了一個新的地表干旱性分類框架（圖19），專注于短時間尺度內的水分供需關系分析。利用條件互信息方法，在排除因子間相互作用的情況下，系統分析了土壤濕度、太陽輻射與蒸散發之間的關聯性，將蒸散發區域劃分為水分限制區、能量限制區和過渡區。同時，引入了一個指標來量化土壤濕度和太陽輻射對蒸散發的相對作用，并進一步細化過渡區的分類。結果表明，新方法能夠更準確地刻畫短期（日尺度）局地水分和能量的耦合特性。在一些傳統上被認為濕潤的地區，如長江流域，也存在過渡區，表明這些區域具有較強的陸氣耦合特性。在雨后過程中，土壤濕度的快速下降常伴隨蒸散發減少、感熱增加、溫度和水汽壓差上升，形成正反饋，進一步加劇土壤干燥，從而可能誘發極端高溫和干旱事件。相比之下，濕潤區域則表現出更強的抗旱和抗極端高溫能力。傳統基于長期氣候狀態的干旱指數無法準確捕捉這些短期細微變化，新框架在干旱性分類和陸氣耦合的研究中有顯著優勢。

2）考慮表面阻抗對 CO₂ 濃度的響應與中國歷史和未來干濕變化的歸因分析（SunSLetal.，2024）。眾多研究指出隨著 CO₂ 濃度升高，植被阻抗將不同程度增大，進而影響陸面水文過程和干旱過程。然而，以往關于中國歷史和未來干濕變化的研究很少關注表面阻抗對 CO₂ 濃度升高的響應。因此，考慮表面阻抗對 CO₂ 濃度的響應，重新認識和理解中國歷史和未來干濕變化是十分有必要的。研究考慮 CO₂ 這一生理效應，重新評估了中國歷史（1965—2011年）和未來（2019—2098年；4種情景）的干濕變化。結果顯示，歷史和未來時期，中國及其97.6% 。SSP1-2.6和SSP2-4.5情景下，干濕變化主要受降水、溫度和凈輻射控制；SP3-7.0和SSP5-8.5情景下，降水和氣溫為主導因素。對比有無 CO₂"生理效應的結果， CO₂"這一效應可以改變中國東部地區的主導因素，且這種改變所占面積隨 CO₂"排放的增大而增大，SSP3-7.0和SSP5-8.5下超過 42% 的地區發生了主控因子的改變。

3） CO₂ 植被生理效應和陸氣耦合限制對未來干旱與潛在蒸散預估的影響（Anetal.，2024）。研究從潛在蒸散發（potentialevapotranspiration，PET）估算的角度出發，基于FAO-56PM（既不考慮 CO₂ 植被生理效應，也不考慮陸-氣耦合限制）FAO-56PMCO₂ （考慮 CO₂ 植被生理效應）和PET-LAC（考慮陸-氣耦合限制）模型，定量評估了 CO₂ 生理效應和陸-氣耦合限制對未來PET和干旱變化的影響（圖20）。較歷史時期，各個模型全球未來平均的PET、SPEI3、干旱強度、干旱持續時間分別表現為增加、減小（除PET-LAC略微增加）增加和增加。從PET、SPEI3、干旱強度、干旱持續時間的變化來看，這些變量的變化幅度以PM模型為最大，且在一些地區PM模型的結果與PMCO2模型和PET-LAC模型的結果相反。總之，忽略 CO₂ 生理效應和陸氣耦合限制可能高估了未來PET的增加以及干旱情勢。

4.4陸面過程與海陸協同影響中國夏季降水和超級梅雨、極端降水的機理

1）下墊面熱力異常影響中國東部7月降水的復雜性及相關機理研究（DongXetal.，2024）。

究表明： ① 中國東部7月降水異常表現為南北偶極型、南北三極型兩個主要模態。 ② 偶極型降水異常主要受6月熱帶中東太平洋海溫和大西洋三極型海溫異常影響。強ENSO年，偶極型降水異常主要與熱帶中東太平洋6月海溫異常有關；弱ENSO年，北大西洋的三極海溫異常是主要驅動因素。觀測分析和數值試驗進一步證實了海溫異常都可以通過影響中國東部西太平洋副熱帶高壓，是7月偶極型降水異常的重要原因。赤道中東太平洋的冷海溫異常可以引起局地異常下沉運動和海洋性大陸異常上升運動，加強Walker環流。同時，海洋性大陸的異常上升氣流增強了哈德萊環流，導致華南地區出現下沉氣流，進而影響降水。此外，北大西洋三極型海溫異常一方面可以激發歐亞中高緯度波列，在中國東部上空形成異常反氣旋性環流。另一方面，熱帶大西洋的暖海溫異常會增強局地對流活動，太平洋中部出現異常下沉運動和反氣旋性環流，加強西太副高，進而影響降水。 ③ 三極型模態主要受前期印度洋海溫異常及中南半島土壤濕度異常影響。6月持續到7月的熱帶印度洋海溫異常和土壤濕度異常，通過改變大氣環流進而影響降水。敏感性試驗表明中南半島土壤濕度和印度洋海溫異常對降水的協同影響明顯強于海溫、土壤濕度的單獨影響。相關的物

理機制如圖21所示。

2）印度洋海溫和中南半島土壤濕度對2020夏季超級梅雨的協同影響（DongYSetal.，2024）。2020年夏季，長江中下游地區經歷了近 2mon 的超長梅雨季，期間極端降水事件頻發，導致了歷史罕見的洪澇災害。研究表明，印度洋海溫強迫和中南半島土壤濕度異常是造成這次超強梅雨的主要原因；然而，二者的相對貢獻尚不清楚。研究結果表明：在強印度洋暖海溫背景下，長時間的土壤濕度負異常導致5月中南半島陸面升溫，異常增暖的陸面進一步增強了地表熱力效應，即加熱低層大氣從而促進西太副高在6—7月西伸增強。增強的西太副高又使得長江中下游上空的水汽輻合和上升運動增強，從而促進了2020年超強梅雨。相比之下，在弱的印度洋海溫背景下，土壤濕度異常持續時間有限，導致陸面熱力異常及其影響減弱。進一步利用陸氣耦合的CESM模式對印度洋海溫和中南半島土壤濕度的作用進行了驗證和量化（圖22），在海溫異常或土壤濕度異常單獨作用下，2020年6—7月長江中下游平均日降水分別增加 8.1% 和 14.1% ，而二者協同作用使降水增加 32% 。

4.5人類活動相關陸面過程的影響

1）華北夏季灌溉對降水日循環和區域水循環的影響（Songetal.，2024）。研究揭示了華北夏季灌溉對降水日循環的影響，發現灌溉主要影響下午時段的降水，導致西部山區邊緣下午降水增加，而東南平原降水減少；同時推遲下午降水峰值時間。相關的機理如下：平原地區引入灌溉，蒸散發增強，溫度顯著降低，平原與山區間熱力差異增強，進而加強山谷風環流。西北山區上升運動加劇，同時平原地區下沉運動加劇（圖23）。因此，山區下午降水量和降水頻率明顯增加，平原地區則相反。雖然平原灌溉的冷卻效應加強了山谷風環流（mountain-plainssolenoid，MPS），但延遲了MPS的建立。從局地的角度來看，灌溉阻礙了大氣邊界層的發展，抑制了降水的發生，導致部分格點的下午降水峰值時間延遲。

2）典型天氣背景下城市化對珠三角暖季中尺度對流系統和強降水的影響（Duetal.，2024）。中尺度對流系統（mesoscaleconvectivesystem，MCS）

5.1“暖北極-冷歐亞”模態次季節反轉的模擬評估

基于CMIP6歷史模擬與多套實時預測模式數據，系統評估了當前氣候模式對“暖北極-冷歐亞”模態前后冬次季節反轉（SR-WACE）的模擬能力（Xuetal.，2024）。結果表明，多數模式在再現SR-WACE時存在明顯不足：相比于觀測中SR-WACE出現在第三模態，CMIP6模式通常需擴展更高階模態（如第四模態）方可捕獲該現象，其解釋方差顯著低于觀測，且模擬的冷暖異常空間分布存在偏差；大多數先進的預測模式對SR-WACE的預測能力亦有限（預測與觀測的相關系數普遍低于0.2）。進一步分析表明，SR-WACE的形成依賴于烏拉爾阻塞高壓（Uralblockinghigh，UB）與西伯利亞高壓（Siberianhigh，SH）在前后冬的同步位相反轉，這一物理機制在CMIP6歷史模擬以及實時預測模式中均得以驗證（圖25）。進一步分析表明，模式對UB/SH反轉強度的低估是導致SR-WACE信號偏弱的直接原因，并且模式對季節平均WACE模態的模擬能力與SR-WACE的模擬表現顯著相關;改善模式對UB和SH同時發生前后冬反轉的把握能力是準確預測出SR-WACE的關鍵。

5.2中國東南區域復合極端濕熱事件的季節預測

基于年際增量和EOF方法，構建了1981—2022年中國東南地區盛夏復合濕熱頻次的季節預測模型（Hanetal.，2024）。我國東南盛夏復合濕熱頻次的前3個EOF主模態解釋方差約占總方差的 70% 。針對我國東南地區復合濕熱頻次年際增量的前3個模態分別構建了季節預測模型；將預測的時間序列投影到觀測的EOF模態上，重建復合濕熱頻次年際增量的空間分布；進一步疊加前一年觀測場，得到當年復合濕熱頻次的預測場。交叉驗證結果表明，中國東南部大部分地區復合濕熱頻次的預測值和觀測值之間為顯著的正相關，最大相關系數高達0.80。最近10a獨立試報（圖26），預測和觀測的復合濕熱事件頻次的空間相關系數均超過0.76，其中8a的空間相關系數超過0.80。此外，模型預測的復合濕熱高發地區（包括長江流域中下游地區和廣西）與觀測場高度一致。

圖 25（a）在CMIP6模式的多模式集合中，當UB與 SH由正位相轉為負位相以及由負位相轉為正位相時，前冬和后冬的Z500（陰影，單位：gpm）、SLP（等值線，單位：gpm）和SAT（陰影，單位： C ）異常的差異合成分析。（b、c）同（a），但分別表示強UB/弱SH反轉和弱UB/強SH反轉的情況。黑色斜線和紅色等值線表示通過置信度為 95% 的顯著性檢驗區域；藍色表示差異負值，紅色表示差異正值。引自Xuetal.（2024）

Fig.25（a）Diferences inearlyand late winter-mean Z50o（shading，units：gpm），sea level pressre（contours，units：gpm）， and surface air temperature（shading，units： C ）anomalies associated with the reversal of a strongUral blocking（UB） highand Siberian high（SH）fromapositive toanegative phase，andvice versa，inamulti-model ensemble of CMIP6 simulations.（b，c） Same as （a），but for strong UB/weak SHreversal and weak UB/strong SHreversal，respectively. Black slashes and red contours indicate regions significant at the 95% confidence level. Blue represents negative differences，red representspositive differences.（Cited from Xu etal.（2024））

5.3中國華北盛夏強降水和長江中下游流域夏季極端降水預測

1）利用年際增量方法構建了1981—2022年期間我國華北盛夏強降水頻次（heavyprecipitationdays，HPDs）的物理統計預測模型（Jiangetal.，

2025）。選取的預測因子包括：前期2月印度洋海溫、2月北亞積雪深度和5月華北融雪。這3個預測因子與華北強降水關系顯著且穩定，且各因子之間相互獨立。交叉驗證結果表明，HPDs距平預測值與觀測值的相關系數為0.59，15a極值年份的同號率高達 100% 。最近10a獨立試報結果表明，預測和觀測HPDs之間的相關系數高達0.82，在2015、2016、2017、2021和2022年，預測與觀測一致性很好（圖27）。此外，上述3個預測因子對于華北強降水量（heavyprecipitation，HP）同樣表現出較高的預測技巧。在交叉檢驗和獨立試報結果中，HP預測值與觀測值之間的相關系數分別為0.59和0.77。

Fig.27Temporalvariationsof（a）HPDs_DYand（b）HPDs_anomalyintheleave-one-outcrossvalidationtest from1982to 2022，and（c）HPDs_DY and（d） anomaly in independent hindcasts from 2013 to 2022.The black line represents observations （units：d），while thered line represents predictions（units：d）.Blue and gray dashed lines represent Zero values and one standard deviationof the observations，respectively.Red shading represents one standard deviationof the predictions.The number in theupper-right cornerof each panelisthecorelationcoeficientbetween predictions and observations.（Cited from Jiangetal.（2025））

2）基于深度學習方法改進動力模式對長江中下游流域夏季極端降水的預測性能（Fanetal.，2024）。U-Net模型可以較好地處理空間信息及理解復雜空間關系，在氣候預測領域應用廣泛。采用加權損失函數，基于多變量預測方法，構建了一種新型的針對長江中下游夏季極端降水的動力 + 深度學習預測模型：MP-UNET模型。將MP-UNET模型預測結果與歐洲中期天氣預報中心（EuropeanCentreforMedium-RangeWeatherForecasts，ECMWF）直接動力輸出結果以及單一預測因子的U-Net模型預測結果進行對比可以發現，MP-UNET模型顯著改進了夏季極端降水預測技巧（圖28）。MP-UNET模型有效地增強了對普通量級和極端降水的月尺度預測，特別是在東部地區取得了顯著的改進。此外，因子重要性分析揭示，濕度和溫度等因素在長江中下游夏季極端降水的MP-UNET月度預測模型中扮演的角色比降水本身更為重要。特別是，包含高層大氣信息對所提出的MP-UNET模型貢獻很大。結果表明，在使用深度學習方法進行極端天氣和氣候預測時，應注意至少兩個方面。首先，建議使用多因子方案，以便深度學習模型可以基于不同變量之間的非線性關系更好地改進預測結果。其次，損失函數的定義應基于要解決的具體預測問題進行具體改進，才能使得預測模型達到更加優化的結果。

5.4動力模式發展及預測試用

為了更好地適用于極端氣候的預測，項目團隊在原有動力預測系統的基礎上，將增加全球預測系統和區域預測系統的集合樣本。針對區域預測系統，更正中國土地利用數據和優選參數化組合方案；此外，為了考慮全球增暖的影響，在輻射傳輸方案中考慮了溫室氣體年際變化。最終將“海洋-海冰-陸面-大氣”耦合預測系統NZC-PSM和區域氣候模式WRF（weatherresearchandforecastingmodel）嵌套耦合，發展適用于中國區域極端氣候的動力嵌套系統。基于基礎創新和系統集成，相關預測系統進行實時氣候預測檢驗。近3年在熱帶海溫演變和中國汛期降水預測中展現了良好的應用潛力。分別于當年3月預警了2022年第三次LaNia事件發展、2023年ElNino事件快速發展和2024年LaNina事件衰減，并預測出了2022和2023年中國華北、東北降水偏多，而新疆和南方地區降水偏少，以及2024年中國東部大部分地區降水偏多的整體形勢。基于實時預測結果，項目成員撰寫了相關的決策服務材料并上報政府部門，為國家防災減災提供了重要支撐。

6結語

項目2024年在極端天氣氣候事件的形成機理及其預測方法研究方面取得了一些階段性進展。然而，理解極端天氣氣候事件的形成機理是全球變化領域的研究難點，而提高極端事件的預測水平是當前面臨的重大科學挑戰。

目前，項目關于高溫熱浪、干旱、暴雨、極端低溫及復合事件的基本特征還沒有形成比較清晰和體系化的認識。與此同時，項目關于海洋、陸面過程、海-陸-氣耦合影響極端天氣氣候事件機理研究需要加強。此外，目前的預測研究多針對區域性的極端事件，需要對全國開展更有針對性的研究。項目將會在后續研究中進一步深入研究全球變暖背景下海氣相互作用和陸面過程變化的機理，探究多尺度海-陸-氣耦合過程與我國極端天氣氣候事件的聯系，明確其影響極端事件的關鍵物理過程，期待為我國極端天氣氣候事件的預測提供一定的理論基礎。

參考文獻（References）

AnXH，ZhangYF，Sun SL，et al.，2024.Future drought overestimations due to no constraints of CO₂ physiological effect and land-atmosphere coupling onpotential evapotranspiration[J].EnvironResLett，19（12）：124031.DOI：10.1088/1748-9326/ad8c67.

ChenGS，2024.DecipheringchosintheMadn-JulianOselltionJ]pjCmAtmosSi7311DOI：10.038/s4612-02400870-4.

陳海山，張耀存，張文君，等，2024.中國極端天氣氣候研究：“地球系統與全球變化”重點專項項目簡介及最新進展[J].大氣科學學報，47（1）： 23-45ChenHS，ZangYC，ZhangWJ，etal.，24ReseachoeatherandmateetremesoverCinabrief ntroductiondt gressfthenatioalkeRamp;progamofCinafoearthsystemandglobalhangeJ]ransAtmosSci47（1）3-45DO：103878/ki dqkxxb.20240110007.（in Chinese）.

DongXoee China[J].JClimate，37（19）：5105-5129.DOI：10.1175/jcli-d-23-0748.1.

DongYSCngeetcofdalsue ingMei-yu[J].Adv Atmos Sci，41（9）：1735-1750.DOI：10.1007/s00376-024-3204-0.

DuXG，CenHetlUetactoaleitfalliaveb tionundertypical synoptic backgrounds[J].JGeophys Res：Atmos，129（21）：e2024JD042409.DOI：10.1029/2024JD042409.

FanYui lower reaches of the YangtzeRiver[J].Earth Space Sci，11（11）：e2024EA003926.DOI：10.1029/2024EA003926.

FangXYZagatdhttistiiJ （11） ：10247-10263.DO1：10. 1007/s00382-024-07449-y.

HanTTSunZieta4oalpdictioofidsodatditsthasta： 107541.DOI：10.1016/j.atmosres.2024.107541.

HuSQ，Wataabe，ZangWJ，etal.4QuantifingthmplifngeectofthinterNorthPacifcosciliootheubseqt. Geophys Res Lett，51（18） ：e2024GL11019.DOI：10.1029/2024GL111019.

HuaWJ，DaiAGctsteaodtebilittidalate Earth Sci，67（8）：2699-2701.DOI：10.1007/s11430-024-1378-y.

HuaWJZidesedt viron Res Lett，19（12）：124086.D01：10.1088/1748-9326/ad95a4.

JiLQ，ChenHS4DieresiratiosofliveddortdsuratwaesrinovesteCiadho responding large-scale circulation anomalies[J].J Meteor Res，38（3）：414-436.DOI：10.1007/s13351-024-3162-6.

JianDLhdldatieis， 51（16）：e2024GL110031.DOI：10.1029/2024GL110031.

JiangSL，HaoXetastatistlpdictooefoteuereiiaosithi Earth Sci，68（1） ：158-171.D0I：10.1007/s11430-024-1448-5.

KuangXY，ZaYtloleoffeinaueetsiest 40 years[J].Quart JRoy Meteor Soc，150（765）：5621-5634.DOI：10.1002/qj.4897.

LiWK，Sonaobalstise]e8 DOI：10.1175/jhm-d-23-0190.1.

LiuJZhangJooaleede Dyn，62（7） ：6683-6700.DOI：10.1007/s00382-024-07230-1.

LiuWCShigJelcacteitratedosfe basin[J].Climate Dyn，62（5）：3877-3889.DOI： 10.1007/s00382-024-07104-6.

LiuYM，iW4TebseasalbackftreeoalousbetanateaoovereetsoeospeJone （7）：1643-1661.DOI：10.1175/mwr-d-23-0175.1.

LiuYYGongoicaloegeisthstertciicNaaesoparsoetd. Sci China：Earth Sci，67（10）：3098-3109.D0I：10.1007/s11430-023-1405-8.

LiuYYHuuoeit 44（1）：269-285.D0I：10.1002/joc.8327.

Mu GY，ZhangWJJiagFeta4AetripctothelateinteracticoldrasianateJate6 （10） ：9807-9819.DOI：10. 1007/s00382-024-07435-4.

QiYM，HuangQCenetlVatspaoiourlyileipiaitrestenaig periods[J].Int J Climatol，44（14）：5192-5206.DOI：10.1002/joc.8632.

QinYQ，MaHenHS4omparatiealysisftespaiotepalaesdresofteetesoferataeia （1981—2020）using a biometeorological index[J].Int J Climatol，44（13））：4649-4663.DOI：10.1002/joc.8601.

SangYH，RenHoaleaiofedeastasesluera mote Sens，16（22）：4198.D0I：10.3390/rs16224198.

ShanYF，WeiZanBpingtatesfdatmospeoupithghvelfrekofdditasfai phys Res Lett，51（2） ：e2023GL106598.DO1： 10.1029/2023GL106598.

SongYY，engHQet2gaiinagthfiatdlae Climate Dyn，62（7） ：6329-6346.DOI：10.1007/s00382-024-07208-z.

SunQZhoHobchetaledptofifdoaodstehl cyclones since the 1990s[J].J Climate，37：3345-3357.

SunSLCiRZtodurer/ssiige response to elevated CO₂| J].Glob Planet Change，234：104380.DOI：10.1016/j.gloplacha.2024.104380.

TanCYeo western North Pacific[J].AtmosRes，306：107473.DOI：10.1016/j.atmosres.2024.107473.

王會軍，孫建奇，陳活潑，等，2025.全球變暖加速和氣候極端化：2024年中國氣候研究重大進展速評[J].大氣科學學報，48（1）：1-7．Wang H J，SunJQ，ChHtalolgeleatiditetretiotsoteeachc China 2024[J]. Trans Atmos Sci，48（1）：1-7.DOI：10.13878/j.cnki. dqkxxb.20250122001.（in Chinese）.

WangR，RenHolsfaiceaatedlitgege Dyn，62（9） ：9117-9132.D0I：10.1007/s00382-024-07381-1.

WangZM，aeteueetsia’sstisde Res，15（2）：312-326.D01：10.1016/j.accre.2024.03.005.

XieYW，ZangWJ，uSQetal.24easoreversaofOmpactsoSinteEasCinaS-KuroshoRegioJ]Jate7）： 1797-1810.DOI：10.1175/jcli-d-23-0556. 1.

XuTB，YinZe [J].Geophys Res Lett，51（3）：e2023GL105430.DOI：10.1029/2023GL105430.

YanJR，ZhagetalOcsstapisildatetei sonally-varying Kuroshioanticyclonicanomalies[J].AdvAtmos Sci，41（9）：1691-1703.DOI：10.1007/s00376-023-3196-1.

ZhangT，ZaLaeeolooia Lett，51（3）：e2023GL107119.DOI：10.1029/2023GL107119.

ZhouCGRngetlbifaidate pernicus C3S models[J].Ocean Model，189：102361.DOI：10.1016/j.ocemod.2024.102361.

?? ARTICLE ?

Research on weather and climate extremes over China： 2O24 progress of the National Key Ramp;D Program of China for Earth System and Global Change

CHEN Haishan'2 ，ZHANG Yaocun3，ZHANG Wenjun ^1，2 ，YIN Zhicong'，2 ，CHEN Guosen ^1，2 ， HUA Wenjian ^1，2 ，HUANG Danqing3，KUANG Xueyuan3 ，LIU Yunyun4，MA Hongyun ^1，2 ， SHI Ning1，2，SUN Shanlei1，2，WEI Jiangfeng12，ZHAO Haikun12，ZHANG Jie1，2 HAN Tingting'’2，LI Wenkai1’2，SANG Yinghan5，WANG Run5

StateKeyLaboratoryofClimateSstemPredictiondiskMangement（C/KeLboatoryofMeteorologcalDisastenistfEduc tion（KLME）/boiaoteotdaiofeeliclste）Uef mation Science and Technology，Nanjing 210044，China；

2SchoolofAtmospheric Sciences，Nanjing UniversityofInformationScienceandTechnology，Nanjing210o44，China;

³ Schoolof Atmospheric Sciences，Nanjing University，Nanjing 210o93，China;

4StateKeyLaboratoryofClimateSystemPredictionandRiskManagement/ChinaMeteorologicalAdministrationKeyLaboratoryforCliate PredictionStudies，National ClimateCenter，Beijing1ooo81，China；

StateKeyLboatosasterateedostiteenateeeecdefeealc ences，Beijing100081，China

AbstractThe article reviews the progress made in2O24 under China’s National Key Ramp;D Program for Earth Systemand Global Change.It highlights key research findings across fiveareas：observational factsand circulation characteristics of extreme event changes，key oceanic processes and air-sea interaction mechanisms，the influence of oceanic processes on extreme weather and climate，land surface processes and their impacts，and the simulation and prediction of extreme events.Significant advances in 2024 include the folowing：1）Our study examined the impact of long-term warming trends on record-breaking high-temperature in China events over the past 40 years. Using the Universal Thermal Climate Index（UTCI），we characterized the spatial distribution and long-term trends of extreme high-temperature events.Observational evidence was provided for changes in hourly and daily extreme precipitationacross eastern China during diferent warming periods.Additionally，regional differences in the duration of summer heatwaves and their associated large-scale circulation anomalies were identified.The dynamic and thermal characteristics of extreme heatwaves in the middle and lower reaches of the Yangtze River were analyzed，and atribution studies assessed the influence of human activities on extreme temperature events in Asian hotspots.2）We quantified the role of the winter North Pacific Oscilation（NPO） in shaping subseqent ENSO events，emphasizing thecontributionof tropical Pacific interannual-decadal variability to prolonged La Nina events. Our research also proposed a modulation mechanism whereby La Nina's zonal position influences the Indian Ocean Dipole（IOD）and identified seasonal reversals in ENSO's impact on sea surface temperature（SST）in the East China Sea-Kuroshio Region.Furthermore，we investigated the seasonal predictability of SST anomalies and marine heatwaves in the Kuroshio Extension Region，highlighting the role of nonlinear processes in the amplitude evolution of the Madden-Julian Oscilltion （MJO）and extreme MJO formation. Additionally，pathways linking anthropogenic forcing，natural variability，and internal climate fluctuations to multidecadal changes in the North Atlantic were explored.3）Our findings revealed asymmetric ENSO influences on the late-winter“Warm Arctic-Cold Eurasia”pattern and identified links between ENSO and precipitation pattrns in eastern China during early and late winter.The connection between ENSO and the Kuroshio anticyclone was also examined.Seasonal mechanisms linking ENSO to SST variability in the East China Sea-Kuroshio Region and its influence on East Asian precipitation were clarified. We found a strong assciation between Mega-ENSO and the poleward shift of typhoon genesis locations in the western North Pacific，while trans-basin tropical air-sea interactions were shown to afect typhoon formation frequency.Furthermore，we identified Antarctic warming-induced South Atlantic warming as a key driver to the 2O22 East Asian heatwaves and demonstrated that tropical North Atlantic variability modulates forest wildfire activityin Northeast China.4）We investigated theroleof Eurasian soil moisture variability in triggering clustered extreme precipitation events in northern China and evaluated the influence of snow cover on subseasonal temperature variability and predictability.Atribution and projection studies examined drought paterns influenced by land surface factors and land-atmosphere coupling.The physical mechanisms linking land surface processes and land-sea interactions to summer precipitation，extreme Meiyu events，and heavy rainfall in China were further elucidated.Additionally，we assessed the impact of summer irigationin North China on the diurnalcycleof precipitationand regional water cycles，as wellas the effects of urbanization on mesoscaleconvective systems and heavy rainfallin the Pearl River Delta during warm seasons. 5）The simulation capabilities of CMIP6 models in representing the subseasonal reversal of the“Warm ArcticCold Eurasia”pattrn were systematically evaluated.A seasonal prediction model for compound extreme heat-humidityevents insoutheastern China was developed.Usingan interannual increment approach，a physicalstatistical prediction model for summer heavy precipitation days （HPDs）in North China was established.Additionally，deep learning techniques were employed to enhance dynamical model predictions of summer extreme precipitation in the middle and lower Yangtze River basin.Further advancements in dynamical model development and their predictive applications were explored.Finally，thisarticle outlines keychallenges and research priorities for future studies，aiming to advance understanding of extreme weather and climate in China.

Keywordsextreme weather and climate events；air-sea interaction；land surface process；mechanism；prediction

DOI：10.13878/j.cnki.dqkxxb.20250112001

（責任編輯：張福穎）