2023/24年冬季，中国东部经历了三次强降雪天气过程，给生产生活造成了重大影响。能否提供超过7天常规天气预报时效的精准预测信息，对于提前应急降雪天气、防灾减灾具有重要意义。
博士研究生刘雪峰、朱志伟教授等评估了次季节至季节（S2S）预测计划中的ECMWF（CY48R1）、CMA（BCC-CPS-S2Sv2）和IAP-CAS（CAS-FGOALS-f2-V1.4）三家S2S模式对2023/24年冬中国东部三次（P1、P2、P3）高影响降雪过程的次季节预测技巧，探讨了模式预测误差来源，揭示了此类降雪过程的关键次季节可预测性来源。
地表气温负异常和降水正异常的交集均对应积雪深度正异常（图1a），能够反映实际P1、P2和P3三次强降雪天气过程。鉴于地表气温和降水两个降雪形成关键要素存在动力来源的差异，分别针对二者的次季节预测技巧开展评估。
图1 （a）2023/24年冬季沿110°–122°E平均的逐日地表气温（点）和降水异常（阴影）的纬度–时间剖面以及沿 25°–40°N、110°–122°E 平均的逐日地表气温异常（红蓝线；左纵轴）、积雪深度异常（黑线；左纵轴）和降水异常（柱状；右纵轴）的时间序列。粗线（阴影柱）表示冬季日地表气温（降水）低于（高于）第5百分位（第95百分位）阈值。实竖线代表三次降雪过程。（b）三次降雪过程中国东部地表气温异常的空间分布。（c）同（b）但为降水异常。
三家业务模式能够提前10–15天较好地捕捉P1和P3的地表气温负异常，但显著低估其强度（图2左）。相比之下，模式在预测P2地表气温负异常时表现较差。对于降水异常预测，ECMWF能够提前10天捕捉三次过程降水异常的空间分布（图2右），但对降水强度预测误差随时效提前而显著增加。IAP-CAS模式对P2降水异常的位置和强度预测出现明显偏差。
图2 左图为P1、P2和P3期间观测和S2S模式分别提前5天、10天、15天和20天预测的地表气温异常空间分布。右图同左图但为降水异常空间分布。
P1期间，乌拉尔山至西北太平洋的罗斯贝波列引导冷空气南下，造成中国东部低温；海洋性大陆至热带东印度洋对流负异常激发的低层反气旋向中国东部输送水汽，与冷空气交汇形成降雪。P2期间，青藏高原上空切断低压平流冷空气致使中国东部低温；澳大利亚北部对流负异常激发的反气旋输送水汽进而引发降雪过程。P3期间，新地岛至中亚的罗斯贝波列有利于冷空气南侵，配合海洋性大陆及热带东印度洋对流异常激发反气旋北侧暖湿气流，在中国东部形成降雪。
三次过程中，模式对于多成员不同时效的中国东部地表气温和降水空间分布的预测技巧分别与欧亚中高纬高度场（表征季节内中纬度罗斯贝波）和热带印太OLR场（表征季节内热带对流活动）空间分布的预测技巧存在显著关联。通过奇异值分解（SVD）将环流空间分布与预测对象的统计关系扩展至更长的1991/92−2023/24年历史时期，发现欧亚环流-中国东部地表气温前三个耦合模态对应2023/24年冬季三次低温过程，而热带OLR-中国东部降水前两个耦合模态也可以很大程度上解释2023/24年冬季三次降水过程。环流系统与预测对象预测技巧间的线性关联以及历史奇异值分解诊断均表明，次季节尺度上欧亚中高纬罗斯贝波列和热带印太对流异常的协同是中国东部降雪过程的次季节可预测性来源。对两者的准确捕捉是提升中国东部降雪次季节预测技巧的关键。
文章信息：
Liu, X. F., Z. W. Zhu, S. J. Chen, X. Z. Sang, and Q. H. Sun 2026: Do the S2S Models Have Prediction Skills beyond the Weather Timescale for Winter Snowfall over Eastern China? Adv. Atmos. Sci., 43, 874-888. doi: 10.1007/s00376-025-5055-8.
