地球科学进展

地球科学进展 ›› 2026, Vol. 41 ›› Issue (1): 40 -48. doi: 10.11867/j.issn.1001-8166.2026.002

研究论文 上一篇    下一篇

梅雨极端化的表征和预测
胡琳曼1,2(), 宋晓蕾1,2, 尹志聪1,2()   
  1. 1.南京信息工程大学 气候系统预测与变化应对全国重点实验室/气象灾害教育部重点实验室/ 气象灾害预报预警与评估协同创新中心，江苏 南京 210044
    2.南京信息工程大学 大气科学学院，江苏 南京 210044
  • 收稿日期:2025-10-24 修回日期:2025-12-10 出版日期:2026-01-10
  • 通讯作者: 尹志聪 E-mail:hulinman@niust.edu.cn;hulinman@nuist.edu.cn;yinzhc@nuist.edu.cn
  • 基金资助:
    国家自然科学基金项目(U25A20785)

Characterization and Prediction of the Deviation Degree of Misty Rain

Linman Hu1,2(), Xiaolei Song1,2, Zhicong Yin1,2()   

  1. 1.State Key Laboratory of Climate System Prediction and Risk Management/Key Laboratory of Meteorological Disaster, Ministry of Education/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science and Technology, Nanjing 210044, China
    2.School of Atmospheric Sciences, Nanjing University of Information Science and Technology, Nanjing 210044, China
  • Received:2025-10-24 Revised:2025-12-10 Online:2026-01-10 Published:2026-03-10
  • Contact: Zhicong Yin E-mail:hulinman@niust.edu.cn;hulinman@nuist.edu.cn;yinzhc@nuist.edu.cn
  • About author:Hu Linman, research areas include prediction of Meiyu extreme events. E-mail:hulinman@niust.edu.cn
  • Supported by:
    the National Natural Science Foundation of China(U25A20785)
全文 ( 22 ) 下载PDF ( 194 )

近年来，梅雨期降水愈发偏离其绵绵细雨的传统特征，呈现出显著的暴雨、干热双极端化趋势。为了全面刻画梅雨变化特征，使用基于逐日站点观测数据研发的三维烟雨偏离度指数（D2MR）来表征梅雨的更多维度特征，并以其分指数确定逐年梅雨性质。同时，基于ERA5再分析数据和Hadley Centre数据，确定了影响三维烟雨偏离度指数及其分指数的关键前期因子，并采用年际增量方法分别构建了预测模型。结果表明，预测模型对梅雨极端化指数及其分指数具有显著的预测效果，相关系数可达0.72以上，且性能稳定。该模型可以成功捕捉到1963—2025年三维烟雨偏离度指数的年际变化特征及其显著的上升趋势，准确预测出了近些年梅雨愈发极端的情况，同时也很好地捕捉到极端年份的梅雨性质，成功独立预测出了2020年和2024年的暴力梅以及2022年的高温干旱事件。随着梅雨极端事件频发，其对长江流域社会经济的影响不断加剧，针对梅雨极端化进行表征和预测研究，不仅可为防灾减灾及农业规划提供科学支撑，也对理解区域气候变化规律具有重要的现实意义。

关键词: 梅雨, 气候极端化, 预测

Under the background of global warming, Meiyu precipitation over the Yangtze River basin has increasingly deviated from its traditional characteristics of persistent light rainfall, exhibiting pronounced dual extremes of heavy rainfall and dry heat. Such complex changes are difficult to accurately characterize using a single variable. To comprehensively describe the evolving features of Meiyu, this study employs the Deviation Degree of Misty Rain (D2MR), a multidimensional index developed based on daily station observations, to characterize Meiyu variability from multiple perspectives, and its sub-indices are further used to identify the dominant Meiyu type in each year. Meanwhile, based on ERA5 reanalysis data and datasets from the Hadley Centre, physically meaningful potential predictors are systematically analyzed, and key preceding factors influencing D2MR and its sub-indices are identified. Prediction models are then constructed using the interannual increment approach. The results indicate that the proposed models exhibit significant and stable predictive performance for the Meiyu extremeness index and its sub-indices, with correlation coefficients exceeding 0.72. The models successfully capture the interannual variability and the significant upward trend of D2MR during 1963—2025, and effectively reproduce the characteristics of Meiyu in extreme years, accurately reflecting the increasing extremeness of Meiyu in recent decades. In particular, the models independently predict the occurrences of heavy-rainfall-dominated Meiyu in 2020 and 2024, dry-heat-dominated Meiyu in 2022 and 2025, and the alternating heat-rainfall Meiyu characteristics in 2023. As the frequency of extreme Meiyu events continues to increase, exerting greater socio-economic impacts across the Yangtze River Basin, the characterization and prediction of Meiyu extremity provide essential scientific support for disaster prevention, agricultural planning, and enhance our understanding of regional climate variability.

Key words: Meiyu, Climate extremalization, Prediction.

中图分类号: 

图1 高温干旱、极端暴雨及传统梅雨由弱到强（Ⅰ~Ⅲ级）3个等级的定义标准
Fig. 1 The definition criteria for hot-dry， heavy rain， and traditional Meiyu events with three intensity levels （Grade I~III）
图2 1963—2025年D2MR观测值的标准化时间序列（据参考文献［4］修改）
交叉线表示高温与降水交替出现；数据基于1963—2020年标准化处理；黑色曲线代表D2MR的二次趋势。
Fig. 2 Standardized D2MR time series from 1963 to 2025 （modified after reference ［4］）
Cross-hatching marks alternating heat-rainfall years. Standardized to 1963-2020. Black curve shows quadratic trend.
表1 1963—2018年D2MR预测模型中预测因子的年际增量与D2MR DY的相关系数和同号率
Table 1 The R and PSS of the predictors DY and D2MR DY in the D2MR prediction model during 1963-2018
预测因子RPSS/%
X10.52*62
X20.54*71
X30.58*70
X40.45*64
图3 1963—2018年D2MR DY与春季和冬季海冰密集度差值（ X1 ）、5月土壤湿度（ X2 ）、2月与1月积雪深度差值（ X3 ）、3~4月海温（ X4 ）相关系数的空间分布
灰框表示预测因子的区域；填色部分通过95%显著性检验。
Fig. 3 Spatial correlations between D2MR DY （1963-2018） and predictors： sea ice concentration difference between spring and winter （ X1 ）， May soil moisture （ X2 ）， snow depth difference between February and January （ X3 ）， and March-April sea surface temperature （ X4 ）
Gray boxes mark predictor domains. Shaded areas passed the 95% significance test.
图4 1963—2025年观测、拟合与独立预测的D2MR DY（a）及D2MR（b）的时间序列
（b）中黑色直线与橙色虚线分别代表观测与拟合的线性趋势。
Fig. 4 Time series of observed， fitted， and predicted D2MR DY （a） and D2MR （b） during 1963-2025
The solid black line and dashed orange line in Fig. （b） represent the observed and fitted linear trends， respectively.
图5 1963—2018年D2MR拟合值与2019—2025年预测值的标准化时间序列
实心和空心圆点分别表示预测与观测一致与不一致；数据基于1963—2020年做标准化处理；黑色曲线代表D2MR的二次趋势。黄色阴影代表独立预测。
Fig. 5 Standardized time series of fitted （1963-2018） and predicted （2019-2025） D2MR
Solid and open circles denote consistent and inconsistent predictions with observations， respectively. Data are standardized relative to 1963-2020. The black curve shows the quadratic trend of D2MR. The yellow shaded area represents the prediction.
[1] Zhu Q G， Lin J R， Shou S W， et al. Principle and methods of syn-optic meteorology［M］. Beijing： China Meteorological Press， 2003： 351.
[2] Zhu Qiangen， Lin Jinrui， Shou Shaowen， et al. Principles and methods of the weather［M］. Beijing： China Meteorological Press， 2000.
朱乾根， 林锦瑞， 寿绍文， 等. 天气学原理和方法［M］. 北京： 气象出版社， 2000.
[3] Liu Yunyun， Ding Yihui. Teleconnection between the Indian summer monsoon onset and the Meiyu over the Yangtze River Valley［J］. Science China： Earth Sciences， 2008， 51（7）： 1 021-1 035.
刘芸芸， 丁一汇. 印度夏季风的爆发与中国长江流域梅雨的遥相关分析［J］. 中国科学： 地球科学， 2008， 38（6）： 763-775.
[4] Yin Z C， Song X L， Zhou B T， et al. Traditional Meiyu-Baiu has been suspended by global warming［J］. National Science Review， 2024， 11（7）： nwae166.
[5] Liu Yunyun， Ding Yihui. Characteristics and possible causes for the extreme Meiyu in 2020［J］. Meteorological Monthly， 2020， 46（11）： 1 393-1 404.
刘芸芸， 丁一汇. 2020年超强梅雨特征及其成因分析［J］. 气象， 2020， 46（11）： 1 393-1 404.
[6] Liu C H， Hu C D， Yang S， et al. Extreme Mei-yu in 2020： characteristics， causes， predictability and perspectives［J］. Earth-Science Reviews， 2023， 246： 104597.
[7] Hua Wenjian， Feng Huiting， Cui Yazhu，et al. 2022 summertime heat extremes in the Yangtze River Basin：review and prospect［J］. Advances in Earth Science， 2025， 40（5）： 456-472.
华文剑， 冯慧婷， 崔亚朱， 等. 2022年夏季长江流域极端高温的研究进展与展望［J］. 地球科学进展， 2025， 40（5）： 456-472.
[8] Wang J， Yan R， Wu G X， et al. Unprecedented decline in photosynthesis caused by summer 2022 record-breaking compound drought-heatwave over Yangtze River Basin［J］. Science Bulletin， 2023， 68（19）： 2 160-2 163.
[9] Ding Y H， Liang P， Liu Y J， et al. Multiscale variability of Meiyu and its prediction： a new review［J］. Journal of Geophysical Research： Atmospheres， 2020， 125（7）：e2019JD031496.
[10] Yang Wei， Cheng Zhi. Variation characteristics of extreme precipitation during Meiyu flood period over Yangtze-Huaihe Basin in recent 53 years［J］. Meteorological Monthly， 2015， 41（9）： 1 126-1 133.
杨玮， 程智. 近53年江淮流域梅汛期极端降水变化特征［J］. 气象， 2015， 41（9）： 1 126-1 133.
[11] Han Cui， Yin Yixing， Huang Yihan， et al. Variation characteristics and influencing factors of extreme precipitation in the Meiyu area of Yangtze-Huai River Basin during 1960-2014［J］. Climate Change Research， 2018， 14（5）： 445-455.
韩翠， 尹义星， 黄伊涵， 等. 江淮梅雨区1960—2014年夏季极端降水变化特征及影响因素［J］. 气候变化研究进展， 2018， 14（5）： 445-455.
[12] Jia Jia， Hu Zeyong. Spatial and temporal features and trend of different level heat waves over China［J］. Advances in Earth Science， 2017， 32（5）： 546-559.
贾佳， 胡泽勇. 中国不同等级高温热浪的时空分布特征及趋势［J］. 地球科学进展， 2017， 32（5）： 546-559.
[13] Ma J R， Ren H L， Cai M， et al. Skillful seasonal predictions of continental East-Asian summer rainfall by integrating its spatio-temporal evolution［J］. Nature Communications， 2025， 16（1）： 273-273.
[14] Fan Ke， Tian Baoqiang， Dai Haixia. Hybrid downscaling models for real-time predictions of summer precipitation in China on a monthly-seasonal scale［J］. Chinese Journal of Atmospheric Sciences， 2024， 48（1）： 359-375.
范可， 田宝强， 戴海霞. 中国夏季月际—季节平均降水动力和统计结合实时预测模型［J］. 大气科学， 2024， 48（1）： 359-375.
[15] Yang K， Zhang J Y， Wu L Y， et al. Prediction of summer hot extremes over the middle and lower reaches of the Yangtze River Valley［J］. Climate Dynamics， 2019， 52（5）： 2 943-2 957.
[16] Zhang Jingyong， Yang Zhanmei， Wu Lingyun. Prediction model system for summer heat extremes and its practical applications［J］. Advances in Earth Science， 2025， 40（5）： 516-524.
张井勇， 杨占梅， 吴凌云. 夏季极端高温预测模型系统及实际应用［J］. 地球科学进展， 2025， 40（5）： 516-524.
[17] Hersbach H， Bell B， Berrisford P， et al. The ERA5 global reanalysis［J］. Quarterly Journal of the Royal Meteorological Society， 2020， 146（730）： 1 999-2 049.
[18] Rayner N A， Parker D E， Horton E B， et al. Global analyses of sea surface temperature， sea ice， and night marine air temperature since the late nineteenth century［J］. Journal of Geophysical Research： Atmospheres， 2003， 108（D14）： 2003JGJD1084407R.
[19] Fan K， Wang H J， Choi Y J. A physically-based statistical forecast model for the middle-lower reaches of the Yangtze River Valley summer rainfall［J］. Chinese Science Bulletin， 2008， 53（4）： 602-609.
[20] Huang Y Y， Wang H J， Fan K. Improving the prediction of the summer Asian-Pacific oscillation using the interannual increment approach［J］. Journal of Climate， 2014， 27（21）： 8 126-8 134.
[21] Yin Z C， Wang H J. Seasonal prediction of winter haze days in the north central North China Plain［J］. Atmospheric Chemistry and Physics， 2016， 16（23）： 14 843-14 852.
[22] Yim S Y， Wang B， Xing W. Prediction of early summer rainfall over South China by a physical-empirical model［J］. Climate Dynamics， 2014， 43（7）： 1 883-1 891.
[23] Wang B， Xiang B Q， Li J， et al. Rethinking Indian monsoon rainfall prediction in the context of recent global warming［J］. Nature Communications， 2015， 6： 7154.
[24] Liu Y M， Lu M M， Yang H J， et al. Land-atmosphere-ocean coupling associated with the Tibetan Plateau and its climate impacts［J］. National Science Review， 2020， 7（3）： 534-552.
[25] Hardiman S C， Dunstone N， Scaife A A， et al. The asymmetric response of Yangtze River Basin summer rainfall to El Niño/La Niña［J］. Environmental Research Letters， 2018， 13（2）： 024015.
[26] Ja K H， Won Y S， Yi J L， et al. Linkages between the South and East Asian summer monsoons： a review and revisit［J］. Climate Dynamics， 2018， 51（11/12）： 4 207-4 227.
[27] Daih X， Fan K. An effective downscaling model for operational prediction of summer precipitation over China［J］. Atmospheric Research， 2021， 257： 105621.
[28] Guo D， Gao Y Q， Bethke I， et al. Mechanism on how the spring Arctic Sea ice impacts the East Asian summer monsoon［J］. Theoretical and Applied Climatology， 2014， 115（1）： 107-119.
[29] Wu B Y， Zhang R H， Wang B， et al. On the association between spring Arctic sea ice concentration and Chinese summer rainfall［J］. Geophysical Research Letters， 2009， 36（9）：26170655.
[30] Sun Y， Chen H S， Zhu S G， et al. Influence of the Eurasian spring snowmelt on summer land surface warming over northeast Asia and its associated mechanism［J］. Journal of Climate， 2021， 34（12）： 4 851-4 869.
[31] Ding Y H， Chan J C L. The East Asian summer monsoon： an overview［J］. Meteorology and Atmospheric Physics， 2005， 89（1）： 117-142.
[32] Zhang Renhe， Zhang Ruonan， Zuo Zhiyan. An overview of wintertime snow cover characteristics over China and the impact of Eurasian snow cover on Chinese climate［J］. Journal of Applied Meteorological Science， 2016， 27（5）： 513-526.
张人禾， 张若楠， 左志燕. 中国冬季积雪特征及欧亚大陆积雪对中国气候影响［J］. 应用气象学报， 2016， 27（5）： 513-526.
[33] Yang Y， Zhu Z W， Shen X Y， et al. The influences of Atlantic Sea surface temperature anomalies on the ENSO-independent interannual variability of East Asian summer monsoon rainfall［J］. Journal of Climate， 2023， 36（2）： 677-692.
[34] Zuo J Q， Li W J， Sun C H， et al. Impact of the North Atlantic sea surface temperature tripole on the East Asian summer monsoon［J］. Advances in Atmospheric Sciences， 2013， 30（4）： 1 173-1 186.
[35] Dong H Q， Song F F， Dong L， et al. The earlier onset of Meiyu under global warming［J］. Science Bulletin， 2026， in press. DOI：10.1016/j.scib.2025.11.038 .
[36] Wang Z Y， Zhou B T. Observed decadal transition in trend of autumn rainfall over Central China in the late 1990s［J］. Journal of Climate， 2019， 32（5）： 1 395-1 409.
[37] National Climate Center. Characteristics of China’s climate and major weather-climate events in autumn 2025［EB/OL］. ［2025-10-05］. .
国家气候中心. 2025年秋季全国气候特征及主要天气气候事件［EB/OL］. ［2025-10-05］. .
[38] Gao Q J， Sun Y T， You Q L. The northward shift of Meiyu rain belt and its possible association with rainfall intensity changes and the Pacific-Japan pattern［J］. Dynamics of Atmospheres and Oceans， 2016， 76： 52-62.
[39] Zhu K X， Chen W， Hu P， et al. Two key triggers and their mechanisms of the spring rainy season onset over southern China［J］. Atmospheric Research， 2026， 330：108617.
[1] 邓华, 王晨宇, 张艳霞. 盘古模型在一个海上典型风电场功率预测中的应用研究[J]. 地球科学进展, 2026, 41(1): 102-112.
[2] 张井勇, 杨占梅, 吴凌云. 夏季极端高温预测模型系统及实际应用[J]. 地球科学进展, 2025, 40(5): 516-524.
[3] 黄建平, 连鑫博, 王睿, 王丹凤, 黄忠伟, 张北斗, 胡淑娟. 大气病原微生物监测预警的研究进展[J]. 地球科学进展, 2025, 40(4): 331-347.
[4] 吴涛, 徐泽阳, 闫文琦, 费李莹, 刘荷冲, 赵靖舟, 李军, 杜治伟. 准噶尔盆地莫索湾地区侏罗系超压预测技术研究[J]. 地球科学进展, 2024, 39(4): 429-439.
[5] 李珺, 赵杨, 陈钊州, 张乐乐, 曹欢, 李世昌. 基于地球物理驱动的裂缝性地层三维坍塌压力预测及应用[J]. 地球科学进展, 2024, 39(11): 1196-1209.
[6] 贾黎黎, 李婷婷, 朱鑫, 易隆科, 罗思亮. 基于改进随机森林模型的多要素层次插值技术在土壤硒元素空间分布上的运用[J]. 地球科学进展, 2023, 38(12): 1259-1270.
[7] 王劲松, 姚玉璧, 王莺, 王素萍, 刘晓云, 周悦, 杜昊霖, 张宇, 任余龙. 青藏高原地区气象干旱研究进展与展望[J]. 地球科学进展, 2022, 37(5): 441-461.
[8] 摆玉龙, 路亚妮, 刘名得. 基于变分模态分解的机器学习模型择优风速预测系统[J]. 地球科学进展, 2021, 36(9): 937-949.
[9] 王丹,姜亦飞,王先桥,王素芬,何恩业,张蕴斐. 我国马尾藻金潮生态动力学研究进展[J]. 地球科学进展, 2021, 36(7): 753-762.
[10] 汪芋君, 任宏利, 王琳. 第三极地区气温和积雪的季节—年际气候预测研究[J]. 地球科学进展, 2021, 36(2): 198-210.
[11] 李亚龙, 刘先贵, 胡志明, 端祥刚, 张杰, 詹鸿铭. 页岩气水平井产能预测数值模型综述[J]. 地球科学进展, 2020, 35(4): 350-362.
[12] 郑明贵,李期. 中国2020—2030年石油资源需求情景预测[J]. 地球科学进展, 2020, 35(3): 286-296.
[13] 毛经伦, 祝意青. 地面重力观测数据在地震预测中的应用研究与进展[J]. 地球科学进展, 2018, 33(3): 236-247.
[14] 丛富云, 徐尚. 陆架边缘迁移轨迹研究现状及应用前景[J]. 地球科学进展, 2017, 32(9): 937-948.
[15] 吴波, 周天军, 孙倩. 海洋模式初始化同化方案对IAP近期气候预测系统回报试验技巧的影响[J]. 地球科学进展, 2017, 32(4): 342-352.
阅读次数
全文


摘要

地址：甘肃省兰州市天水中路8号
QQ：114723517
电话：0931-8762293　E-mail：adearth@lzb.ac.cn
陇ICP备2021001824号-5　 甘公网安备62010202000687