基于循环神经网络的欧亚中高纬夏季极端高温年代际预测模型研究

近几十年来频繁发生的极端高温事件严重威胁着自然生态系统、社会经济发展和人类生命安全。针对生态环境脆弱的欧亚中高纬地区,首先评估了当前主流动力模式(CMIP6 DCPP)对于该地区夏季极端高温的年代际预测水平,并构建了基于循环神经网络(Recurrent Neural Networks,RNN)的年代际预测模型。多模式集合平均(Multi-Model Ensemble,MME)的评估结果显示,得益于大样本和初始化的贡献,当前动力模式对于60°N以南区域(South Eurasia,SEA)展现了预测技巧,准确预测出了其线性增长趋势和1968—2008年间主要的年代际变率,然而模式对于60°N以北区域(North Eurasia,NEA)极端高温的年代际变率几乎没有任何预测技巧,仅预测出比观测低的线性增长趋势。基于86个初始场的动力模式大样本预测结果,RNN将2008—2020年间NEA和SEA极端高温的年代际变率预测技巧显著提高,距平相关系数技巧从MME中的-0.61和-0.03,提升至0.86和0.83,均方差技巧评分从MME中的-1.10和-0.94,提升至0.37和0.52。RNN的实时预测结果表明,在2021—2026年,SEA区域的极端高温将持续增加,2026年很可能发生突破历史极值的极端高温事件,NEA区域在2022年异常偏低,而后将呈现波动上升。