image: A为SCP方法；B为FODAS；C为BCC–CSM1.1；D为CFSv2。打点区域表示通过90%置信水平的显著性检验。 view more
Credit: ©《中国科学》杂志社
近日，中山大学何文平教授团队在《中国科学：地球科学》期刊上发表题为“基于慢特征分析的华南夏季降水预测新方法”的研究成果。该研究提出了从降水序列中提取其潜在可预测性信号的新思路，发展了结合慢变外强迫信号提取的气候预测新方法（SFA-based Climate Prediction，SCP）。新方法可以有效提升中国华南地区夏季降水的季节预测水平，预测性能明显优于两种动力模式和一种动力-统计相结合的预测系统，为区域季节降水预测提供了新思路和新工具。
不同于传统的统计模型通常依赖少量预先选定的预测因子，本研究提出了一种不同的思路：不预先限定具体的影响因子，而是利用慢特征分析方法直接从降水序列中提取缓慢变化的潜在可预报信号作为预测因子，建立夏季降水异常时空演变的季节预测模型。提前3个月的独立试报结果显示，SCP方法的区域平均时间相关系数达到0.36，明显高于动力-统计相结合的预测系统FODAS（0.19），以及两个动力模式BCC-CSM1.1（0.13）和CFSv2（0.08）。在12个独立预测年份中，SCP方法有10年准确预测了华南区域平均降水的多寡，预测结果与观测的相关系数达到0.62（FODAS、BCC–CSM1.1和CFSv2分别仅为0.45、0.28和0.17）。综合评估表明，SCP方法的整体预测技巧明显优于现有的三种季节气候系统，展现出良好的稳定性和可靠性。
SCP方法突破了传统统计预测对固定预测因子的依赖，提升了华南夏季降水的季节预测技巧，并具有较好的可扩展性，有望进一步应用于其他区域的季节降水预测，为洪涝、干旱风险管理和气象决策服务提供新的技术支撑。
论文：
王思懿, 郭静妍, 何文平. 2026. 基于慢特征分析的华南夏季降水预测新方法. 中国科学: 地球科学, 56(7): 2698–2707
Journal
Science China Earth Sciences