第二届未来大气科学论坛

由于华南地区热浪事件对应的环流背景具有显著多样性，本文采用基于环流分型的方法并结合机器学习算法，以提升热浪的季节尺度预测技巧。具体而言，首先利用谱聚类方法对1981—2024年华南热浪期间的大尺度环流型进行客观分类，将其划分为两类：副高主导型热浪（high-pressure-dominated heatwaves，HP-HW）和热带气旋驱动型热浪（tropical cyclone-driven heatwaves，TC-HW）。随后选取HP-HW热浪日数以及全部热浪日数（ALL-HW，即未进行分型的热浪）作为两个预测对象，以检验基于环流分型的方法是否能够提升热浪的季节尺度预测技巧。结果表明，HP-HW是华南地区的主要热浪类型，占全部热浪日数的75.1%。在独立预测期中，HP-HW的预测结果平均决定系数（R²）达到0.42，相关系数（CC）达到0.78，相比ALL-HW（R² = 0.23；CC = 0.69）分别提高了19%和13%。进一步的机制分析表明，印度洋海温异常等大尺度前兆信号能够持续增强华南上空的季节尺度高压背景，从而提高HP-HW的季节可预测性。上述结果表明，基于环流分型的方法能够有效分离具有可预测性的物理过程路径，为提升区域极端气候事件的季节预测能力提供了一种可行的研究框架。

华南热浪； 季节预测； 环流分类； 机器学习