中國極端天氣氣候研究

陳海山 張耀存 張文君 尹志聰 華文劍 況雪源 陳國森 馬紅云 韓婷婷

摘要 全球變暖背景下，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，不可預測性增加;持續性強降水、極端低溫、復合型極端高溫干旱、群發性熱浪和臺風等極端天氣氣候事件對我國經濟社會和可持續發展影響巨大。然而，上述極端天氣氣候事件的新特征、關鍵過程和機理尚不完全清楚，重大極端事件的預報預測水平亟待提升。文章首先簡要介紹“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”的基本情況。項目擬在分析全球變化背景下對我國造成重大影響的極端天氣氣候事件新特征的基礎上，深入研究多尺度海-陸-氣耦合過程影響極端天氣氣候事件的機理，挖掘極端天氣氣候事件次季節-季節預測的前兆信號;發展動力與物理統計相結合的極端事件預測新方法，研制針對中國極端事件的新一代高分辨率數值預報與檢測歸因系統。文章重點總結了自2022年12月項目立項至今取得的最新研究成果和進展。

關鍵詞極端天氣氣候事件;海氣相互作用;陸面過程;海陸氣耦合;機理;預測;歸因

1 研究背景

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，不可預測性增加。持續性強降水、極端低溫、復合型極端高溫干旱、群發性熱浪和臺風等極端天氣氣候事件對我國經濟社會和可持續發展影響巨大。然而，上述極端天氣氣候事件的新特征、關鍵過程和機理尚不完全清楚，重大極端事件的預報預測水平亟待提升。

首先，辨識全球變化背景下極端天氣氣候事件的新特征是備受關注的熱點問題（Coumou and Rahmstorf，2012;Zscheischler et al.，2020）。IPCC第6次評估報告（AR6）指出：20世紀50年代以來，氣候變暖導致全球水循環加劇，極端天氣氣候事件的變率增大。極端降水事件發生頻次增加，強度增強，極端性愈發明顯;極端高溫事件增多，強度和持續性加強;冷事件減少，但極寒事件也時有發生（Seneviratne et al.，2021）。此外，隨著全球變暖加劇，復合型極端高溫干旱、群發性熱浪變得更為頻繁（Rahmstorf and Coumou，2011;Zscheischler et al.，2018）。近20年來，海洋熱浪發生的頻率更高、持續時間更長、范圍更廣、強度更大，強臺風比例增加、登陸中國的臺風平均強度增強（中國氣象局氣候變化中心，2022）。近年來，我國極端強降水和大范圍極端高溫事件顯著增多，持續時間增長，破紀錄的極端事件頻繁發生，如2020年長江流域的超強梅雨、2021年7月河南鄭州的極端強降水、2022年夏季持續的高溫熱浪（Yin et al.，2023）。在全球變暖背景下，全球不同區域和我國發生的極端天氣氣候事件表現出與以往顯著不同的特征（AghaKouchak et al.，2020;Fischer et al.，2021），亟須加強極端天氣氣候事件新的變化特征、規律及其成因的研究。

其次，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。國內外學者在極端天氣氣候事件的形成機理及其歸因方面取得了一些重要進展（Nie et al.，2020;Neelin et al.，2022;Barriopedro et al.，2023），強調了人類活動對極端天氣氣候事件變化的作用。值得注意的是，海-陸-氣相互作用作為全球氣候變化的重要驅動力，在極端天氣氣候事件的形成中也起到至關重要的作用（Buzan and Huber，2020;Thiery et al.，2020;Wouters et al.，2022）。一方面，極端天氣氣候事件的發生發展受到次季節到年際等多尺度海氣耦合主要模態（如ENSO、IOD、MJO等）的調控，這些典型海氣模態同時又受到全球增暖的顯著影響（Jin et al.，2014;Cai et al.，2019;Hsu et al.，2021）;另一方面，陸面過程與陸氣相互作用通過改變地表能量和水分循環影響區域極端天氣氣候事件，且上述過程受到不同海洋熱力狀態的明顯調制（Seneviratne et al.，2010;Schumacher et al.，2022）。然而，海氣和陸氣相互作用過程在全球氣候變化的背景下呈現出多樣性和復雜性，對其物理事實和動力機制的認識還有待提高。此外，陸面過程對極端天氣氣候的影響尚未受到足夠的重視，陸面反饋在海洋影響極端天氣氣候事件過程中的作用的相關研究還十分薄弱。因此，深入理解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，有望開辟我國極端天氣氣候事件變化研究的新思路，為我國極端天氣氣候事件的預測提供理論基礎。

再者，提高極端事件的預測水平是當前面臨的重大科學挑戰。相對于平均氣候，極端事件與氣候災害的聯系更緊密，預測難度更大。目前，國內發展了一系列氣候預測理論和方法，但針對極端天氣氣候事件尚缺乏成熟的預測理論和方法。在物理統計預測方面，年際增量、深度學習和最優子集回歸等方法可以在一定程度上提取前期預測信號，進而預測暴雨、暴雪、干旱和高溫等極端事件的發生頻次等（張德寬等，2003;Fan and Tian，2013;Han et al.，2020;Tian and Fan，2022;Xie et al.，2023）;但已有的物理統計模型多從海溫、海冰、土壤、積雪等要素中直接提取預測信號，未能充分考慮氣候系統多圈層相互作用過程，尤其是多尺度海-陸-氣耦合過程中的有效信息。在動力預測方面，模式物理過程的完善、分辨率的提升、模式初值的改善和集合成員的增加能夠提升動力系統對于極端事件的預測能力，且概率預測的結果優于確定性預測（Becker et al.，2013;Xie and Zhang，2017）。目前，歐美和我國都在發展更高分辨率的季節預測系統，或利用動力降尺度方法進一步提升對極端事件的分辨能力。此外，如何將物理統計模型和動力預測的結果有效集成？目前主要依靠主觀經驗，尚缺少客觀化的集成方案，在一定程度上制約了我國極端事件的預測水平。因此，如何充分挖掘多尺度海-陸-氣耦合過程中的預測信息，提升動力預測系統對極端事件的預測性能，并有效地將動力預測和物理統計模型的結果進行集成，是目前制約極端事件預測性能提升的重要問題，相關研究突破將為我國防災減災提供更直接、更有效的科學支撐。

綜上所述，迫切需要深入分析全球變化背景下極端天氣氣候事件變化的新特征，從海-陸-氣耦合的角度來探討海洋和陸面影響極端事件的多尺度關鍵過程和機理，發展極端事件次季節-季節預測的新方法，構建中國新一代高分辨率的極端事件數值預報與檢測歸因系統，提升我國極端天氣氣候事件的預測水平，為防災減災和經濟社會可持續發展提供有力支撐。

2 項目的關鍵科學問題和預期目標

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年南京信息工程大學牽頭，聯合南京大學、中國科學院大氣物理研究所、中國氣象科學研究院、國家氣候中心等高校、科研院所和業務部門申報的“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。

項目擬圍繞“中國極端天氣氣候事件的形成機理及其預測和歸因”這一核心主題開展多學科交叉集成研究，回答以下關鍵科學問題：1）在全球變化背景下，極端天氣氣候事件呈現出什么新的特點和演變規律？人類活動對這些極端天氣氣候事件有多大影響？2）海氣相互作用、陸面過程、海-陸-氣耦合影響重大極端天氣氣候事件的關鍵過程和機理是什么？3）如何獲取極端天氣氣候事件預測的多尺度前兆信號，發展極端天氣氣候事件預測的新方法，建立基于動力降尺度與物理統計相結合的新一代高分辨率極端事件數值預報與檢測歸因系統？

圍繞以上關鍵科學問題，項目擬在分析全球變化背景下對我國造成重大影響的極端天氣氣候事件新特征的基礎上，深入研究多尺度海-陸-氣耦合過程影響極端天氣氣候事件的機理，挖掘極端天氣氣候事件次季節-季節預測的前兆信號;發展動力與物理統計相結合的極端事件預測新方法，研制針對中國極端事件的新一代高分辨率數值預報與檢測歸因系統。

項目擬以變化事實、物理機制、預測方法和預測系統為主線，設立4個課題：第1課題，極端天氣氣候事件的變化事實、演變特征與歸因;第2課題，多尺度海氣相互作用影響極端天氣氣候事件的關鍵過程;第3課題，陸面過程與海-陸-氣耦合對極端天氣氣候事件的影響及其機理;第4課題，極端事件的預測方法和高分辨率數值預報與檢測歸因系統（圖1）。

項目研究旨在：1）揭示全球變化背景下對我國造成重大影響的極端天氣氣候事件的新特征;2）厘清多尺度海-陸-氣耦合過程影響極端天氣氣候事件的機理，明確極端天氣氣候事件預測的前兆信號;3）發展基于動力與物理統計相結合的極端事件預測的新方法，研制針對中國極端事件的新一代高分辨率數值預報與檢測歸因系統，提高極端事件檢測歸因與預報預測業務水平，為極端天氣氣候預測業務提供科學支撐。同時，培養一批活躍在大氣科學前沿，尤其是氣候變化與極端天氣氣候研究領域的青年學術帶頭人。

3 項目最新研究進展

3.1 極端天氣氣候事件的檢測識別

極端天氣氣候事件的檢測識別是開展極端事件監測和研究的基礎性工作，項目在群發性劇烈降溫事件檢測、基于逐日土壤濕度的干旱過程識別及中國群發性區域極端降水檢測識別方面開展了研究。

1）中國近60 a群發性劇烈降溫事件的檢測識別：利用中國1961—2020年724站逐日平均氣溫資料，依據24 h（或48 h）降溫超過10 ℃的標準，對中國區域冬季群發性劇烈降溫天氣事件進行檢測，識別出388次群發性劇烈降溫事件。表1為根據綜合指標給出的1961—2020年冬季群發性劇烈降溫前10名事件。不難發現，其中近20 a就出現了3次（2008年12月3—6日;2010年1月20—23日;2016年2月13—15日），這意味著在全球變暖背景下，群發性劇烈降溫事件發生頻繁且嚴重。從各年代不同等級群發性劇烈降溫事件發生頻數來看，21世紀以來群發性劇烈降溫事件在持續天數及影響站數等指標上都高于上個世紀末，這種變暖背景下劇烈降溫事件給社會發展造成了更大的危害，值得更多關注。

2）基于逐日土壤濕度的干旱起止時間的檢測識別：在全球變暖背景下，干旱事件頻發，如何在日尺度上識別干旱的持續時間是極端干旱研究的基礎性工作。項目利用ERA5提供的逐日土壤濕度數據，計算每天的土壤濕度相對變率Di=SMi-SMSM，i=1，2，…，n，其中SMi為某天的土壤濕度，SM為同一天土壤濕度的多年平均值。之后利用日土壤濕度變率與每年土壤濕度的-1.5倍標準差進行比較，其中土壤濕度變率在1個月（30 d）內有至少20 d小于等于-1.5倍標準差的判定為1次干旱事件，第一次滿足該條件的識別為干旱起始時間，最后一個不滿足該條件的識別為干旱結束時間。圖2為華中地區2017年3—10月逐日土壤濕度相對變率。由圖2可較好識別出2017年6月27日—8月6日華中地區的持續干旱。

3）中國群發性區域極端降水的檢測：在全球變暖背景下，極端降水事件頻率和強度顯著增強，區域性群發極端降水事件頻繁發生。項目研究基于再分析格點資料并利用高相關范圍的面積來表征極端降水過程的區域性強度。某格點極端降水的區域相關性是指該格點與其周圍格點極端降水頻數的相關情況，表示該格點發生極端降水時，其他格點同期也發生極端降水的可能性大小。高相關區面積越大，區域相關性相對越好。結果表明：中國夏季和秋季最易發生區域性極端降水，而春季區域性極端降水的強度自21世紀后有所減弱，冬季區域性極端降水主要發生在東南部地區。具體而言，東北極端降水區域性在春季和冬季不顯著，而在夏季和秋季均顯著且增強，即21世紀后，東北地區夏季和秋季更易發生大范圍的極端降水;華北極端降水區域性春季減弱，夏季和秋季增強;江南一帶全年極端降水均具有明顯區域性特征，且冷季強于暖季。

3.2 極端天氣氣候事件的時空變化、環流型及動力學機理與歸因研究

項目最近的工作圍繞暖干復合事件、極端寒潮、區域性極端降水的時空變化、環流型及動力學機理開展了研究。此外，針對典型極端天氣氣候事件（2022年夏季長江中游極端熱浪）開展了歸因研究。主要進展如下：

1）揭示了我國東部地區暖干復合事件頻數變化的主模態及其與異常環流型的可能聯系（Huang D Q et al.，2023）?；谖覈_站觀測和再分析資料研究表明，我國東部地區的暖干復合事件頻數變化的主模態主要為一致變化型和南北偶極子型;與之伴隨的強度變化表現為北方強烈的偏暖和偏干，而南方地區則以偏暖為主。兩個主模態分別與減弱的陸地上東亞副熱帶急流和南移的海洋上的東亞副熱帶急流相關（圖3）。進一步分析發現，太平洋年代際振蕩的負位相、大西洋高緯度地區的變暖和北極振蕩的正位相共同維持急流的減弱和暖干復合事件頻數的一致變化型;赤道太平洋和印度洋的變暖、北大西洋振蕩的負位相和日本-太平洋遙相關型共同維持急流的南移和暖干復合事件頻數的偶極型。

2）利用新的動力學變量-局地有限振幅波活動（Local finite-amplitude Wave Activity，LWA），探討了中國東部極端寒潮的前兆信號、爆發條件和關鍵動力學機理（Shi et al.，2023）。結果表明，約40％的極端寒潮具有以下重要環流特征：在極端寒潮爆發的前4 d左右，巴爾喀什-貝加爾湖地區會出現顯著的LWA正異常，這是一個明顯的前兆信號（圖4a），對應經向增強的環流特征，并伴隨著冷空氣在歐亞大陸中高緯地區堆積。上述LWA正異常逐漸增強并東移至貝加爾湖以東（圖4b），形成局地極端LWA異常（超過95％百分位）。通過對比不同類型的寒潮發現，貝加爾湖以東出現極端LWA異常是爆發極端寒潮的必要條件。LWA可作為我國極端寒潮事件監測和預測的重要因子。

3）揭示了地形復雜地區（青藏高原中東部與四川盆地）夏季區域性極端降水主控環流天氣型（Xu X K et al.，2023）。利用GPM衛星降水資料、ERA5大氣再分析資料以及譜聚類方法研究發現，青藏高原中東部地區夏季西太平洋副熱帶高壓的南退配合高層南亞高壓的東進控制著高原夏季區域性極端降水主要在區域內分布偏南（Ⅰ型占比為55％），而西太平洋副熱帶高壓的北抬與高層南亞高壓的東進北抬則控制了高原夏季區域性極端降水在區域內分布偏北（Ⅱ型占比為45％）（圖5）。對四川盆地而言，西太平洋副熱帶高壓與南亞高壓的相向北抬／南退配合低層西南渦的位置略微偏移控制了夏季區域極端降水分布偏西北（Ⅰ型占比為52.6％）／偏東南（Ⅱ型占比為47.4％）。

4）分析了江淮流域區域性極端降水事件的變化特征并揭示了其對應的主控環流（Zeng et al.，2023）。利用逐小時降水臺站資料和ERA5再分析資料，研究發現江淮流域區域性極端降水事件對總的夏季極端降水量和極端降水頻率的貢獻都較大，大值集中在靠近長江的區域，且區域性事件的貢獻隨著氣候變化呈現出了一定的增加趨勢。進一步采用譜聚類方法，研究發現長江中下游區域性極端降水事件的主控環流為受東亞季風影響的梅雨鋒控制的梅雨鋒型（占比為92％）和登陸臺風影響的臺風型（占比為8％），其中梅雨鋒型可進一步分為偏南梅雨鋒型和偏北梅雨鋒型。偏南梅雨鋒型頻發于6月，降水落區偏南，峰值多在早上8時，主要受夜間慣性振蕩產生的低空急流的動力影響。偏北梅雨鋒型頻發于6—7月，降水落區偏北，峰值多出現在下午17時，主要受午后熱力影響。臺風型主要發生在8月，降水落區位于登陸臺風東北側（圖6）。

5）開展了典型極端天氣氣候事件（2022年夏季長江中游極端熱浪）的歸因研究（Hua et al.，2023a）：2022年夏季，北半球許多地區經歷了極端高溫天氣。例如，歐洲遭遇了前所未有的熱浪，英國氣溫首次超過40 ℃。在亞洲，中國經歷了有記錄以來范圍最廣、持續時間最長的熱浪，其中長江中下游地區夏季熱浪和干旱尤為嚴重。利用多源地面站點和格點觀測數據、再分析資料（ERA5和JRA-55），借助先進地球系統模式（CESM2）的超級集合試驗、偏差校正方法等，分析了2022年夏季長江中游極端熱浪的特征，量化了氣候系統內部變率和人為強迫對2022年夏季極端熱浪的貢獻，最后根據未來氣候變化預估了此類極端事件發生的概率。結果表明，2022年長江中游地區有兩個極熱時期（集中在7月初和8月中旬），導致夏季極端溫度超過歷史最大值。在7 d到40 d的時間尺度內，破紀錄值的區域約占研究區域的83％。長江中游地區最高氣溫比氣候平均值（1981—2010年）高13.1 ℃，重現期長達數萬年。針對2022年長江中游夏季高溫熱浪事件分析發現，異常的大氣環流和持續的高壓系統促成了2022年長江中游的高溫熱浪，使得此類事件發生的可能性增加了6～7倍（圖7）。CESM2和其他CMIP6耦合模式的多模式集合模擬表明，這種異常環流主要是由大氣和下墊面條件的內部變率造成的，而人為氣候變化則增強了此類事件發生的可能性。隨著氣候變暖，在相對較高的SSP3-7.0排放情景下，預計到2070年至2100年，長江中游地區罕見的熱浪將變得更加普遍，并且可能每8.5 a發生一次。發生此類事件的可能性大幅增加，主要是由于長江中游地區日最高溫度的概率密度函數（PDF）平均態偏移（正偏移），其次是變率增加（PDF平坦化）。

3.3 熱帶太平洋海溫變異機理、未來變化及其影響研究

海氣相互作用與極端事件具有密切的聯系，多尺度海氣相互作用及其相關機理研究是從海氣相互作用的角度深入理解極端事件形成機理的前提。項目在熱帶太平洋海溫變異機理、未來變化及其影響方面取得了階段性進展。具體如下：

1）揭示了連續性拉尼娜事件的獨特海洋過程及前兆信號（Liu F Y et al.，2023）。ENSO具有多樣性和復雜性，厄爾尼諾通常在成熟后迅速衰退，而拉尼娜往往在第二年持續，甚至在隨后冬季再次加強，造成連續性拉尼娜（MLN）事件，其物理過程有待闡明。MLN相關的異常緯向風應力與海表溫度呈現出一致的持續性特征，但是緯向流卻顯示出規律振蕩，在發展年8月至第2年8月期間呈現出近一年的周期特征（圖8）?；诰曄蛄鞯倪@種獨特現象，研究定義了Uo-MLN指數（100°～170°W、5°S～5°N區域平均的正位相與負位相緯向流平均值的差值）。該指數刻畫了兩次緯向流異常反轉的海洋過程，區分了多年拉尼娜和單年拉尼娜事件。MLN事件發展年4—10月太平洋海洋熱力狀況與第二個冬季Nio3.4指數呈現出高負相關關系（圖9），表明赤道中東太平洋的前期熱含量狀態為MLN提供了一個潛在的前兆信號。

2）探討了未來全球變暖背景下強El Nio的可能變化及其對東亞冬季降水的影響（Huang Y et al.，2023）。強El Nio事件會引起全球顯著的天氣氣候異常，造成區域極端性干旱或者洪澇，尤其會引起中國冬季南方出現持續性降水異常。然而，在未來全球變暖背景下，強El Nio事件對中國冬季降水影響是否發生變化值得關注。以往研究表明，強El Nio事件通過羅斯貝波響應激發孟加拉灣至南海區域出現低空異常的反氣旋，進而使得中國華南降水增多。項目基于CMIP模式發現，在未來高排放情景下強El Nio事件可造成孟加拉灣至南海區域反氣旋出現北移現象，這一北移有利于東亞北部地區降水增多、南部地區降水減少（圖10）。進一步研究發現，華南地區降水負異常隨著排放增多出現減少的趨勢，而冬季江淮流域以北地區降水增多的特征隨著排放增多更加顯著。

3）提出了熱帶海溫變率與陸面過程的相互作用影響臺風活動的可能機制（Cai et al.，2023）。研究表明，20世紀末以來，青藏高原冬春積雪異常引起的熱力作用改變了局地位勢高度異常，導致熱帶印度洋海盆海溫冷異常。隨后的夏秋季節，高原積雪導致的海陸熱力差異較小，減弱了孟加拉灣爆發的西南季風，加強了印度洋東西海溫梯度，驅動了印度尼西亞西海岸的異常東風，進一步增大了印度洋海溫異常的緯向差異。此海洋-大氣相互反饋的過程促使印度洋在臺風快速增強活躍期加速印度洋類偶極子模態的演變。研究結果強調了青藏高原熱力作用在印度洋海氣相互作用中的重要性，也揭示了印度洋海溫對快速增強臺風的影響機制，為理解熱帶氣旋強度的變化以及熱帶氣旋強度的季節預測提供了新思路（圖11）。

3.4 關鍵陸面因子的異常變化與機理研究

項目圍繞積雪、地表蒸散發、植被等關鍵陸面因子的異常變化及相關機理開展了大量的研究。此外，近期研究還評估了土地利用／土地覆蓋變化的氣候效應。相關工作為后續研究陸面過程和海陸氣耦合對極端事件的影響奠定了基礎。主要進展如下：

1）揭示了歐亞大陸中高緯秋季積雪／冬季降雪異常的主要模態及其關鍵環流因子（Zhang et al.，2023a，b）。歐亞中高緯地區深秋（11月）積雪異常的東-西偶極子型模態能夠通過調控對流層-平流層相互作用過程，對后期冬季北極濤動和北大西洋濤動等大范圍大氣環流系統以及區域性極端氣候產生不可忽視的影響。研究表明，東-西偶極子型格局是歐亞深秋積雪年際變化的主導模態，其表現為歐亞中緯度東、西部積雪反向變化的特征（圖12a、b）。研究發現，歐亞中高緯冬季降雪年際變化的第一、二模態分別表現為歐亞高緯地區、西西伯利亞地區降雪量的一致性變化特征（圖12c—f）。秋季東-西偶極子型積雪異常格局受到同時期東大西洋型、東大西洋-西俄羅斯型和斯堪的納維亞型三種大氣遙相關型以及北大西洋經向偶極型異常海溫和巴倫支海域海冰變化的共同作用，它們通過影響歐亞大陸上空異常大氣環流及其導致的氣溫和降雪量的變化控制積雪異常模態的形成。診斷分析和數值試驗表明，異常大氣環流及其引起的大氣動力條件和水汽輸送狀況的變化是導致降雪異常的主要原因，與冬季降雪第一模態相關的異常環流可以歸因于極地-歐亞型和斯堪的納維亞型遙相關的影響，二者解釋了約2／3的變化;第二模態除了受到歐亞型遙相關和北大西洋濤動等大氣內部變率的影響外，還與巴芬灣的海冰異常有關。

2）探討了歐亞大陸中高緯度春季融雪的基本特征及其驅動機制（Sun and Chen，2023）。歐亞大陸中高緯度春季融雪能顯著影響局地水文過程和后續夏季東北亞氣候變異。研究發現，歐亞大陸中高緯度春季融雪主要表現為兩種類型：第一類異常融雪型，前冬降雪異常積累伴隨春季異常偏暖加劇融雪;第二類異常融雪型，雖然前冬積雪較少，但是春季強烈增暖更利于融雪。具體而言，第一類融雪事件中，前冬關鍵區受異常低壓槽控制，利于水汽輸送和局地輻合，伴隨低層上升運動，促進前冬積雪，為融雪提供有利的初始條件。4月關鍵區受高壓脊控制，異常暖平流和下沉運動導致地表升溫，融雪增強。第二類融雪事件中，冬季環流異常不明顯，但是4月受到更強的異常高壓控制，導致了更劇烈的融雪過程。局地地表能量平衡的分析結果表明，大氣向下的感熱加熱是影響第一類融雪事件的主要因素，短波輻射起次要作用，而第二類融雪事件中短波輻射的作用更強，感熱加熱次之（圖13）。

3）基于Shuttleworth-Wallace模型構建了1982—2015全球5 km逐月潛在蒸散發數據集（Sun et al.，2023a）。作為蒸散發（evapotranspiration，ET）的理論上限，潛在蒸散發（potential evapotranspiration，PET）一直以來都是各個學科重點關注的一個關鍵變量。然而，由于非真實的下墊面設置和不合理的模型參數化，目前PET數據集及主要PET模型依然存在諸多不確定性。項目研究充分考慮植被參數（如植被氣孔導度、CO2效應對植被氣孔導度的影響）的種間差異，并應用經過嚴格篩選的全球96個通量塔觀測的PET（即不受水分脅迫的ET）數據，對Shuttleworth-Wallace（SW）雙源模型進行了率定和參數化?；?982—2015年4套氣象數據（MSWX-Past、CRU TS4.06、ERA-5和MERRA-2）、重制的全球植被冠層高度、土地利用／覆蓋數據集（GLASS-GLC）、葉面積指數數據（GLASS AVHRR LAI）及格點化全球CO2濃度數據，生產了全球（180°～90°W～0°～90°E～180°，60°S～85°N）逐月5 km的PET、潛在蒸騰（potential transpiration，PT）和潛在土壤蒸發（PE）產品，并最終提供了PET、PT和PE的集合產品（https：／／doi.org／10.11888／Terre.tpdc.300193）。

4）揭示了青藏高原主要生長季植被的年際變化特征及其對印度夏季風活動的響應機制（Mao et al.，2023）。研究發現，印度夏季風不僅通過調節高原降水來影響高原植被，而且還能通過引起高原熱力因子的變化來影響高原植被生長。在強印度夏季風的情況下，其相應的對流層上層和中下層環流結構有助于將更多的水汽輸送到高原，并增強高原上空的對流。增強的對流和降水能夠促進高原植被的生長，表現出一致的生長變化。與此同時，高原植被與熱源之間存在相互作用，一方面植被會影響高原地表熱力情況，而變化的熱源又會促進高原植被生長。并且，多元回歸分析表明，印度夏季風及其引起的局地氣候因子的變化可占高原主要生長季植被年際變化的52％以上。研究結果有助于加深對高原植被與區域及全球氣候變化聯系的理解、提高未來對高原植被年際生長變化的預測。

5）評估了土地利用／土地覆蓋變化的氣候效應（Liu S Y et al.，2023）。人類活動導致的土地利用變化極大地改變了陸地表面（如毀林等），對極端氣候也有重要影響。然而，毀林變化的局地和非局地影響仍存在很大的不確定性。項目通過模擬研究，首先強調了森林變化非局地氣候效應的重要性，如果不考慮非局部效應，那么云量變化與森林砍伐之間的關系將被誤解（Hua et al.，2023b）;其次揭示了毀林的生物物理影響，量化了不同生物物理因素的相對貢獻以及強調了不同模式對溫度模擬的差異可能主要受非局地大氣反饋的調制。

3.5 陸面過程與陸氣耦合過程對極端事件的影響

項目在陸面過程與陸氣耦合過程對極端事件的影響方面也取得了階段性成果，具體包括：

1）闡明了地球三極熱力異常強迫與2022年北半球群發性極端事件的關聯（Zhang et al.，2024）。在全球變暖背景下，地球三極（北極、南極、青藏高原）的海冰、陸面冰川和積雪融化速率加快，水分相態的變化通過反照率效應和水文效應等影響海表和地表凈輻射、地表能量分配、水循環等，進而通過下墊面反饋過程影響局地和全球天氣氣候。項目針對2022年夏季極端事件及其與三極熱力異常的關聯性開展了研究。圖14給出了2022年7—8月北半球氣溫異常和極端降水的空間分布，可見北美西部、西歐-東歐、東西伯利亞和中國長江流域等區域出現了3 ℃以上的溫度正異常，反映了這些區域的夏季極端高溫事件。此外，在溫度負異常的幾個區域則出現了3次破紀錄的極端強降水事件，包括巴基斯坦夏季洪澇、5月21日—6月21日華南龍舟水、8月7—11日韓國洪澇和中國東北夏季極端降水，上述極端事件具有明顯群發性特征。進一步分析發現，上述群發性極端事件與北極、南極和青藏高原的水熱異常之間存在密切關聯;而且三極水熱異常對北半球極端事件的群發性有重要影響。北極暖異常減小北極與中低緯度的溫度梯度并引起NAO模態變化，進而造成西風急流、波列及副熱帶高壓向北伸展，同時造成波動振幅加大，有助于阻塞活動以及極端溫度和降水發生;另外，春季北極暖異常也影響春季陸面雪蓋和土壤濕度異常，陸面反饋為夏季極端溫度的發生提供了非絕熱加熱。南極暖異常減小南極與中低緯度的溫度梯度，進而造成波列及副熱帶高壓向南極伸展;作為亞洲季風的成員之一，偏南的馬斯克林高壓將拉大季風環流的空間范圍，進而減弱南北半球季風環流系統之間的氣壓梯度，從而減弱亞洲季風。此外，南極暖異常也會使得整個季風環流系統偏南，有助于水汽在巴基斯坦及華南輻合，加強暴雨發生;南極增暖還通過影響垂直洋流變化影響AMOC，進而對北半球天氣氣候產生影響。偏高的青藏高原春季土壤濕度減少了高原熱力作用，一方面促進了北非和西太平洋副熱帶高壓的對接，另一方面使得亞洲季風減弱。此外，三者均可激發異常渦旋和波列直接影響極端天氣氣候（圖15）。

2）揭示了中南半島前期土壤濕度異常對2020年超強梅雨的影響及相關機制（Dong et al.，2023）。2020年夏季江淮流域發生的超強梅雨造成了巨大的經濟損失和人員傷亡，最新的研究從大氣環流異常、海溫異常等角度探究了此次超強梅雨發生的可能原因，但陸面過程的影響并未受到關注。項目組基于觀測分析和數值模擬探討了陸面過程對此次超強梅雨的可能貢獻，結果表明中南半島前期的土壤濕度異常對此次超強梅雨有重要的影響。研究發現，5月中南半島土壤濕度異常與6—7月長江中下游地區降水量顯著相關（圖16），中南半島地區前期干的土壤有利于地表溫度升高，土壤的“記憶性”使得這種異?？梢猿掷m到梅雨期。增暖的地表導致感熱通量增加從而加熱低層大氣，有利于位勢高度抬升，使中南半島到西北太平洋上空出現異常反氣旋，西太平洋副熱帶高壓西伸加強，長江中下游地區上空的西南風和垂直運動增強，并導致水汽輸送和水汽輻合加強，最終造成梅雨期降水顯著增加?；赪RF模式的數值試驗再現了觀測的環流和降水異常（圖17），結果表明中南半島5月土壤濕度異常使6—7月長江中下游地區降水量增加10.6％。中南半島土壤濕度減少有利于地表溫度升高，有更多的能量以感熱形式加熱大氣。盡管加熱局限于中南半島區域，但被中南半島地表加熱的暖空氣在背景氣流西南風的作用下使下游大氣升溫、位勢高度增加，同時暖平流使南北溫度梯度增加，有利于持續性鋒面降水的發生。

3）發現春季中南半島生物質燃燒可通過陸氣反饋增加長江流域夏季降水異常（Wei et al.，2023）。中南半島是全球生物質燃燒（BB）最嚴重的地區之一，每年春季排放大量的BB氣溶膠。但上述區域BB氣溶膠如何影響區域氣候和陸氣耦合尚不清楚。通過模式試驗和觀測分析發現，BB氣溶膠使中南半島大氣更穩定，從而減少降水和土壤含水量（圖18）。由于土壤濕度的記憶性及副高的響應和反饋，較干的土壤從春季持續到夏季，會進一步使副高西伸，并最終導致更多水汽向長江流域輸送，從而增加長江流域降水（圖19）。此外，BB氣溶膠還會使中南半島土壤濕度異常對長江流域降水的影響幾乎加倍，相關結果證實BB氣溶膠對區域陸氣相互作用及氣候具有十分重要的影響。

4）揭示了CO2濃度升高的植被生理效應對干旱影響的區域性差異及相關機制（Sun et al.，2023b）?；趦商啄M試驗（即有無CO2效應），深入分析了CO2效應對中國1971—2010年PET（potential evapotranspiration）、SPEI（standardized precipitation-evapotranspiration index）及干旱特征的影響。結果發現，CO2效應可以導致PET下降、SPEI增大以及干旱強度和持續時間減小;但是這種影響存在明顯的區域性差異，總體呈現為北方的影響最大（除中國最西部的PET）。通過公式推導分析發現，這種空間性差異不僅與CO2濃度存在一定的函數關系，而且與氣候背景條件也存在一定的函數關系，如：就PET而言，為氣候態的風速（U）和飽和水汽壓斜率（s），而就SPEI而言，則為氣候態的U和氣候態的降水（P）。進一步的歸因分析顯示，氣候態U的空間差異決定了CO2引起的PET變化的空間差異，而氣候態U和P的空間差異決定了CO2引起的SPEI變化的空間差異。

3.6 極端事件預測相關研究

圍繞既定目標，項目在極端事件的預測方面開展了初步研究，代表性成果包括：

1）中國東部極端溫度預測研究（Pan et al.，2024）。夏季，長江中下游（YRB）極端高溫天氣頻發，然而動力模式（例如美國環境預報中心第二代氣候預報系統CFSv2等）在預測YRB夏季極端高溫日數方面存在局限，無法很好地捕捉其年際變化、趨勢和極值。因此，項目組基于年際增量方法，使用4個預測因子，即4—5月歐洲西北部融雪、3月中西伯利亞高原積雪深度、CFSv2預測的夏季海溫和青藏高原上空200 hPa位勢高度，建立了長江中下游極端高溫日數（HD35）動力-統計相結合的季節預測模型（HMYRB）。HMYRB在1983—2015年的交叉檢驗結果中表現出色，預測值與觀測值之間的相關系數為0.58，同號率（PSS）為76％（圖20）。在獨立試報中（2016—2022年），HMYRB仍保持高PSS技巧（為86％）。

2）極地-中高緯度信號“暖北極-冷歐亞”（WACE）模態和中國東部冬季氣溫的預測研究（Xu T B et al.，2023）。極地-中高緯度信號是中國東部冬季氣候可預測性的重要來源，其中WACE模態與中國冬季氣候關系密切。因此，準確預測WACE對改善中國冬季氣候預測具有重要意義。然而，CFSv2對WACE的預測能力非常有限。

為實現對“暖北極-冷歐亞”模態指數（GradTAE）的準確預測，課題組基于年際增量方法，選擇了前期觀測的9月巴倫支-喀拉海海冰、10月北大西洋海溫、9月北美土壤濕度和CFSv2預測的同期巴芬灣-拉布拉多海區域海冰作為預測因子，建立了動力-統計混合預測模型。該模型對GradTAE及其年際增量（GradTAE-DY）的年際變化、極值和3個不同時間段的趨勢都有良好的預測效果（圖21）。相比CFSv2，其預測技巧有了很大提升。在2016—2020年的獨立預測中，預測模型保持了較高的準確性。同時對2021／2022年及2022／2023年冬季WACE的預測進行個例檢驗，其預測效果也保持穩定。CFSv2對中國東部氣溫的預測技巧較低，觀測值與預測值之間的相關系數僅為0.02?；诮⒌膭恿?統計模型對WACE預測，并將預測結果加入CFSv2，對中國東部氣溫的預測結果進行訂正，這樣可有效提高CFSv2對中國東部地表氣溫的預測效果（圖22）。

4 結語

自2022年12月項目實施以來，項目緊密圍繞既定研究內容，在極端事件的檢測識別、極端天氣氣候事件基本特征與環流型及相關動力學機制、多尺度海氣相互作用、陸面過程及其對極端事件的影響與極端事件的預測方面取得了一些進展，為項目的順利實施奠定了堅實的基礎。

然而，關于極端天氣氣候事件的研究是當前大氣科學領域的重大挑戰，如何聚焦中國極端天氣事件變化的新特征，更多關注多尺度海-陸-氣耦合過程影響極端天氣氣候事件的機理，挖掘極端天氣氣候事件次季節-季節預測的有效前兆信號，發展極端事件預測新方法，提升極端天氣氣候事件的預測水平，還任重道遠。期待通過項目的研究，能在極端天氣氣候事件機理的科學認知上有新的突破，為極端天氣氣候事件預測水平提升、防災減災和經濟社會可持續發展提供有力支撐。

參考文獻（References）

AghaKouchak A，Chiang F，Huning L S，et al.，2020.Climate extremes and compound hazards in a warming world［J］.Annu Rev Earth Planet Sci，48：519-548.doi：10.1146／annurev-earth-071719-055228.

Barriopedro D，García-Herrera R，Ordóez C，et al.，2023.Heat waves：physical understanding and scientific challenges［J］.Rev Geophys，61（2）：e2022RG000780.doi：10.1029／2022rg000780.

Becker E J，van den Dool H，Pea M，2013.Short-term climate extremes：prediction skill and predictability［J］.J Climate，26（2）：512-531.doi：10.1175／jcli-d-12-00177.1.

Buzan J R，Huber M，2020.Moist heat stress on a hotter earth［J］.Annu Rev Earth Planet Sci，48：623-655.doi：10.1146／annurev-earth-053018-060100.

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

Cai Y H，Zhao H K，Klotzbach P J，et al.，2023.Can Tibetan Plateau snow depth influence the interannual association between tropical Indian Ocean sea surface temperatures and rapidly intensifying typhoons？［J］.J Climate，36（11）：3781-3800.doi：10.1175／jcli-d-22-0697.1.

Coumou D，Rahmstorf S，2012.A decade of weather extremes［J］.Nature Climate Change，2：491-496.doi：10.1038／nclimate1452.

Dong Y S，Chen H S，Dong X，2023.Impact of antecedent soil moisture anomalies over the Indo-China Peninsula on the super Meiyu event in 2020［J］.J Meteor Res，37（2）：234-247.doi：10.1007／s13351-023-2144-4.

Fan K，Tian B Q，2013.Prediction of wintertime heavy snow activity in Northeast China［J］.Chin Sci Bull，58（12）：1420-1426.doi：10.1007／s11434-012-5502-7.

Fischer E M，Sippel S，Knutti R，2021.Increasing probability of record-shattering climate extremes［J］.Nature Climate Change，11：689-695.doi：10.1038／s41558-021-01092-9.

Han T T，Li S F，Hao X，et al.，2020.A statistical prediction model for summer extreme precipitation days over the northern central China［J］.Int J Climatol，40（9）：4189-4202.doi：10.1002／joc.6451.

Hsu P C，Fu Z，Murakami H，et al.，2021.East Antarctic cooling induced by decadal changes in Madden-Julian oscillation during austral summer［J］.Sci Adv，7（26）：eabf9903.doi：10.1126／sciadv.abf9903.

Hua W J，Dai A G，Qin M H，et al.，2023a.How unexpected was the 2022 summertime heat extremes in the middle reaches of the Yangtze River？［J］.Geophys Res Lett，50（16）：e2023GL104269.doi：10.1029／2023gl104269.

Hua W J，Zhou L M，Dai A G，et al.，2023b.Important non-local effects of deforestation on cloud cover changes in CMIP6 models［J］.Environ Res Lett，18（9）：094047.doi：10.1088／1748-9326／acf232.

Huang D Q，Zheng Z L，Xiao X C，et al.，2023.The variation of compound warm dry extremes over eastern China and the associated East Asian subtropical jet in the boreal summer［J］.J Geophys Res：Atmos，128（24）：e2023jd039392.doi：10.1029／2023jd039392.

Huang Y，Ren H L，Kug J S，et al.，2023.Projected change of East-Asian winter precipitation related to strong El Nio under the future emission scenarios［J］.Clim Change，176（7）：1-21.doi：10.1007／s10584-023-03551-y.

Jin F F，Boucharel J，Lin I I，2014.Eastern Pacific tropical cyclones intensified by El Nio delivery of subsurface ocean heat［J］.Nature，516（7529）：82-85.doi：10.1038／nature13958.

Liu F Y，Zhang W J，Jin F，et al.，2023.New insights into multi-year La Nia dynamics from the perspective of a near-annual ocean process［J］.J Climate，36（21）：7435-7450.doi：10.1175／JCLI-D-22-0505.1.

Liu S Y，Hua W J，Zhou L M，et al.，2023.Local and non-local biophysical impacts of deforestation on global temperature during boreal summer：CMIP6-LUMIP multimodel analysis［J］.J Geophys Res：Atmos，128（11）：e2022jd038229.doi：10.1029／2022jd038229.

Mao X，Ren H L，Liu G，et al.，2023.Influence of the Indian summer monsoon on inter-annual variability of the Tibetan-plateau NDVI in its main growing season［J］.Remote Sens，15（14）：3612.doi：10.3390／rs15143612.

Neelin J D，Martinez-Villalobos C，Stechmann S N，et al.，2022.Precipitation extremes and water vapor［J］.Curr Clim Change Rep，8（1）：17-33.doi：10.1007／s40641-021-00177-z.

Nie J，Dai P X，Sobel A H，2020.Dry and moist dynamics shape regional patterns of extreme precipitation sensitivity［J］.Proc Natl Acad Sci USA，117（16）：8757-8763.doi：10.1073／pnas.1913584117.

Pan S F，Yin Z C，Duan M K，et al.，2024.Seasonal prediction of extreme high-temperature days over the Yangtze River Basin［J］.Sci China：Earth Sci.doi：10.1007／s11430-023-1265-2.

Rahmstorf S，Coumou D，2011.Increase of extreme events in a warming world［J］.Proc Natl Acad Sci USA，108（44）：17905-17909.doi：10.1073／pnas.1101766108.

Schumacher D L，Keune J，Dirmeyer P，et al.，2022.Drought self-propagation in drylands due to land-atmosphere feedbacks［J］.Nat Geosci，15（4）：262-268.doi：10.1038／s41561-022-00912-7.

Seneviratne S I，Corti T，Davin E L，et al.，2010.Investigating soil moisture-climate interactions in a changing climate：a review［J］.Earth Sci Rev，99（3／4）：125-161.doi：10.1016／j.earscirev.2010.02.004.

Seneviratne S I，Zhang X，Adnan M，et al.，2021.Weather and climate extreme events in a changing climate［R］／／Masson-Delmotte V，et al.Climate Change 2021：The Physical Science Basis：Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge：Cambridge University Press：1513-1766.doi：10.1017／9781009157896.013.

Shi N，Ekwacu S，Fu S Y，et al.，2023.Features of local finite-amplitude wave activity during extreme cold waves over eastern China［J］.J Climate，36（21）：7583-7597.doi：10.1175／jcli-d-22-0682.1.

Sun S L，Bi Z Y，Xiao J F，et al.，2023a.A global 5 km monthly potential evapotranspiration dataset （1982—2015） estimated by the Shuttleworth-Wallace model［J］.Earth Syst Sci Data，15（11）：4849-4876.doi：10.5194／essd-15-4849-2023.

Sun S L，Zhang Y F，Chai R F，et al.，2023b.Spatial differences in impacts of CO2 effect on Chinas meteorological droughts：analysis from surface resistance perspective［J］.J Hydrol，621：129568.doi：10.1016／j.jhydrol.2023.129568.

Sun Y，Chen H S，2023.Atmospheric circulation anomalies and key physical processes behind two categories of anomalous Eurasian spring snowmelt［J］.J Hydrometeorol，24（8）：1349-1363.doi：10.1175／jhm-d-23-0010.1.

Thiery W，Visser A J，Fischer E M，et al.，2020.Warming of hot extremes alleviated by expanding irrigation［J］.Nat Commun，11（1）：290.doi：10.1038／s41467-019-14075-4.

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.

Wei J F，Mao Q Q，Shan Y F，et al.，2023.Spring biomass burning in Indochina enhances summer Yangtze River Valley rainfall through land-atmosphere interactions［J］.NPJ Clim Atmos Sci，6：183.doi：10.1038／s41612-023-00514-z.

Wouters H，Keune J，Petrova I Y，et al.，2022.Soil drought can mitigate deadly heat stress thanks to a reduction of air humidity［J］.Sci Adv，8（1）：eabe6653.doi：10.1126／sciadv.abe6653.

Xie J B，Zhang M H，2017.Role of internal atmospheric variability in the 2015 extreme winter climate over the North American continent［J］.Geophys Res Lett，44（5）：2464-2471.doi：10.1002／2017gl072772.

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.

Xu T B，Yin Z C，Ma X Q，et al.，2023.Hybrid seasonal prediction of meridional temperature gradient associated with “Warm Arctic-Cold Eurasia”［J］.Adv Atmos Sci，40（9）：1649-1661.doi：10.1007／s00376-023-2226-3.

Xu X K，Huang A N，Huang D Q，et al.，2023.What are the dominant synoptic patterns leading to the summer regional hourly extreme precipitation events over central-eastern Tibetan Plateau and Sichuan Basin？［J］.Geophys Res Lett，50（5）：e2022GL102342.doi：10.1029／2022gl102342.

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

Zeng J W，Huang A N，Wu P L，et al.，2023.Typical synoptic patterns responsible for summer regional hourly extreme precipitation events over the middle and lower Yangtze River Basin，China［J］.Geophys Res Lett，50（17）：e2023GL104829.doi：10.1029／2023gl104829.

張德寬，楊賢為，鄒旭愷，2003.均生函數-最優子集回歸在高溫極值預測中的應用［J］.氣象，29（4）：44-47. Zhang D K，Yang X W，Zou X K，2003.Application of mean generating function-optimal subset regression to the prediction of high temperature extremes［J］.Meteor Mon，29（4）：44-47.doi：10.3969／j.issn.1000-0526.2003.04.010.（in Chinese）.

Zhang J，Chen H S，Fang X Y，et al.，2024.Warming-induced hydrothermal anomaly over the Earths three Poles amplifies concurrent extremes in 2022［J］.NPJ Clim Atmos Sci.doi：10.1038／s41612-023-00553-6.

Zhang T T，Feng Y Y，Chen H S，2023a.Revealing the formation of the dipole mode of Eurasian snow cover variability during late autumn［J］.J Geophys Res：Atmos，128（6）：e2022jd038233.doi：10.1029／2022jd038233.

Zhang T T，Zhu S G，Song Y M，et al.，2023b.The leading modes of northern Eurasian winter snowfall variability and the potential influencing factors［J］.J Climate，36（22）：7811-7826.doi：10.1175／jcli-d-22-0881.1.

中國氣象局氣候變化中心，2022.中國氣候變化藍皮書（2022）［M］.北京：科學出版社. CMA Climate Change Centre，2022.Blue book on climate change in China（2022）［M］.Beijing：Science Press.（in Chinese）.

Zscheischler J，Westra S，van den Hurk B J J M，et al.，2018.Future climate risk from compound events［J］.Nature Climate Change，8：469-477.doi：10.1038／s41558-018-0156-3.

Zscheischler J，Martius O，Westra S，et al.，2020.A typology of compound weather and climate events［J］.Nat Rev Earth Environ，1：333-347.doi：10.1038／s43017-020-0060-z.

·ARTICLE·

Research on weather and climate extremes over China：brief introduction and recent progress of the National Key R＆D Program of China for Earth System and Global Change

CHEN Haishan1，2，ZHANG Yaocun3，ZHANG Wenjun1，2，YIN Zhicong1，2，HUA Wenjian1，2，KUANG Xueyuan3，CHEN Guosen1，2，MA Hongyun1，2，HAN Tingting1，2

1Key Laboratory of Meteorological Disaster，Ministry of Education （KLME）／Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disaster （CIC-FEMD），Nanjing University of Information Science and Technology，Nanjing 210044，China;

2School of Atmospheric Sciences，Nanjing University of Information Science and Technology，Nanjing 210044，China;

3School of Atmospheric Sciences，Nanjing University，Nanjing 210093，China

Abstract Under the background of global warming，extreme weather and climate events may be unprecedented when they occur with increased frequency，evident temporal and spatial clustering （concurrence），stronger persistence and new combinations （compound）.This increases the difficulty of predicting extreme events.Extreme weather and climate events，such as persistent heavy rainfall，extreme low temperature，extreme high temperature and drought compound events，heat waves and strong typhoon，have produced a significant influence on economic，social and sustainable development.However，new features of extreme weather and climate events，coupled with associated key processes and relevant mechanism，remain unclear，and the prediction of extreme weather and climate events needs further improvement.This paper first gives a brief introduction of the National Key R＆D Program of China for Earth System and Global Change;supported by this program，the new features of extreme weather and climate events causing serious influence over China under changing climate are investigated.Next，the paper explores the physical mechanisms of ocean-land-atmosphere coupling processes that affect extreme weather and climate events，and attempts to seek the precursors for sub-seasonal to seasonal predictions of extreme events.This program aims to develop a new statistical-dynamical combined prediction method of extreme events and establish a new generation of high-resolution numerical prediction in China，along with a detection and attribution system of extreme events.This paper also highlights recent main achievements of this program.

Keywords extreme weather and climate events;air-sea interaction;land surface process;ocean-land-atmosphere coupling;mechanism;prediction;attribution

doi：10.13878／j.cnki.dqkxxb.20240110007

（責任編輯：倪東鴻）