寒潮是冬季东亚最具致灾性的天气现象之一，其爆发会导致大范围强降温。当大气水汽条件充足时，强寒潮往往同时引发气温骤降和积雪快速增加，形成“积雪–低温复合极端事件”。此类复合型灾害发生时，人们需要同时应对积雪与低温造成的不利影响，这将加剧公共健康风险、扰乱交通运输、破坏农业生产秩序，并推高社会能源需求。相较于干冷空气型寒潮，积雪关联型寒潮涉及积雪反馈过程，其中积雪反照率效应会加剧地表冷却，增强降温强度。这种积雪大气相互作用也给积雪低温复合极端事件的有效预报带来挑战。我院李文铠副教授与合作者开展研究，聚焦中纬度东亚积雪低温复合极端事件中的积雪反馈作用，研究了此类事件中短暂积雪爆发对极端低温的增强效应，分析了MPAS-A模式对此类事件的次季节预报（延伸期预报）技巧、预报误差来源及预报对积雪参数化方案的敏感性。相关研究成果发表于Journal of Geophysical Research: Atmospheres和SOLA期刊，主要结论如下：

1. 中纬度东亚短暂积雪爆发事件对极端低温天气的增强效应

积雪覆盖变化的时间尺度特征在不同地区存在显著差异。例如，在欧亚大陆的高纬度地区，季节性积雪通常持续整个寒冷季节。然而，冬季中纬度东亚则呈现出不同的积雪覆盖变化特征：积雪覆盖率逐日值的标准差较大，季节内波动性和不稳定性更强（图1）。

图1 冬季积雪覆盖率（12月−2月，%）：a. 多年气候均值；b. 逐日值的标准差。使用2004−2025年IMS逐日积雪覆盖资料绘制。

在中纬度东亚冬季寒潮爆发期间，降雪和低于冰点的气温较为常见，容易形成积雪；但寒潮结束后，气温回升会导致积雪迅速融化，直至下一次降雪事件发生。因此，这些地区的积雪积累可能在冬季多次出现，但由于持续时间较短，难以形成稳定的季节性积雪层。尽管中纬度东亚的短暂积雪事件通常仅持续数日，但突然出现的积雪覆盖仍会对大气产生显著影响。

通过百分位法定义并筛选了短暂积雪爆发事件（图2a）。观测资料显示，中纬度东亚的大面积短暂积雪爆发伴随强降温过程（图2b观测降温）。数值试验进一步揭示了积雪反馈对极端低温的增强效应：突然出现的积雪覆盖在局地引发从近地面到对流层下部的大气冷却，这一过程由积雪反照率效应驱动的非绝热冷却造成。在短暂积雪爆发事件期间的极端降温过程中，约24%的最大降温强度可归因于积雪反馈效应（图2b控制试验与敏感性试验差值）。如果没有这一反馈过程，极端降温事件的强度将会弱于实际情况（图2b敏感性试验）。这一结果强调了短暂积雪爆发在极端低温天气形成中的关键作用。

图2 中纬度东亚短暂积雪爆发事件期间：a. 积雪覆盖（%）；b. 地表气温（K）的变化。数值为区域平均值相较于事件开始日的变化。x轴为相对事件开始日的滞后天数。

2. 积雪低温复合极端事件特征

通过观测资料分析了积雪低温复合极端事件的特征。冬季中纬度东亚区域平均积雪覆盖率与地表气温之间存在显著的负相关关系（图3a）。在积雪覆盖率超过第90百分位的日期，地表气温始终低于冰点，部分日期低于第10百分位阈值。这一关系既体现了低温是积雪形成的必要条件，也反映了积雪反馈对降温的增强效应。

图3 中纬度东亚积雪低温复合极端事件特征。a. 区域平均积雪覆盖率（x轴，%）与地表气温（y轴，°C）的观测关系；紫色实线表示积雪覆盖率的第90百分位与地表气温的第10百分位；红色散点表示复合极端日。b. 积雪覆盖率在复合极端事件爆发候相较于爆发前第2候的变化（填色）；斜划线表示统计学显著（p<0.01）。c. 与b相同，但为地表气温。

将积雪覆盖率超过第90百分位且地表气温低于第10百分位的日期（图3a红色散点）定义为复合极端日，占冬季总样本的4.43%。这类复合极端日通常连续出现，因此将满足上述百分位阈值的连续极端日序列定义为积雪低温复合极端事件。在分析的21个冬季中，共识别出12次复合极端事件。将每次事件中积雪覆盖率最大的日期及其后4天定义为该复合极端事件的爆发候（5天平均）。在爆发前第4候至第2候，积雪覆盖率和地表气温均接近冬季气候均值；自爆发前第2候起，积雪覆盖率突然上升；至爆发候及其后第1候，合成值超过第90百分位，与气候均值的差异显著；爆发候后第2候至第4候，积雪覆盖率恢复至气候均值。空间上，积雪覆盖率显著变化的区域覆盖东亚中纬度地区（图3b）；气温显著变化的区域覆盖了积雪变化区，且范围更大（图3c）。

3. 积雪低温复合极端事件的次季节预报技巧

次季节预报通常依赖数值模式，评估其预报性能是实际应用中的必要步骤。评估不仅有助于明确数值模式的优势与不足，也能为模式改进提供方向。作者利用MPAS-A模式对12次积雪低温复合极端事件进行了回报试验，并与中国气象局（CMA）模式和欧洲中期天气预报中心（ECMWF）模式的回报结果进行了对比。

在积雪低温复合极端事件爆发候，三个模式对积雪覆盖峰值的预报随预报时效增加而下降（图4；x=0）。在爆发前1–3候起报的预报中，MPAS-A预报的积雪覆盖率均超过观测冬季第90百分位，而提前4候的预报则低于该阈值。相较于CMA和ECMWF模式，MPAS-A对积雪覆盖峰值的预报与观测更为接近，但MPAS-A在预报爆发后积雪覆盖率向气候态回落的过程中偏差较大。

图4 a. MPAS-A，b. CMA，c. ECMWF模式预报的中纬度东亚区域平均积雪覆盖率（彩色线）。x轴为事件爆发候（x=0）的超前（负值）与滞后（正值）候数。不同颜色线条对应不同起报时效的预报。蓝色柱为观测的积雪覆盖合成值；粗实线为观测冬季样本的第90百分位；细实线为冬季气候平均值。单位：%。

复合极端事件的另一关键特征是强降温过程。将事件爆发时低于观测冬季第10百分位的气温定义为极端低温。三个模式在提前1候和2候的预报中均能有效预报这类极端低温（图5；x=0）。随着预报时效增加，预报的气温降幅减弱。提前3候起报时，MPAS-A与ECMWF模式可预报出低于−7℃的低温，但高于第10百分位。提前4候起报时，尽管预报值仍低于气候平均值，但三个模式对极端低温强度的预报能力均明显不足。此外，在提前1–3候的时效下，模式均能合理预报爆发前的降温过程与爆发后的回暖过程；但在提前4候时，预报能力几乎失效。

图5 与图4类似，但为地表气温。粗实线为观测中全部冬季样本的第10百分位。单位：°C。

总体而言，三个模式整体预报性能相当。对于复合极端事件期间的积雪覆盖率和地表气温，数值模式在提前2候内均具备较高的预报技巧；提前3候技巧下降但仍有一定信号；提前4候则难以提供有效预报。

4. 预报偏差来源

通过分析积雪累积过程和消融过程，作者讨论了积雪预报偏差的来源。随着预报时效延长，MPAS-A相较于观测，其预报的复合极端事件爆发候的积雪覆盖率呈现逐渐增大的负偏差，主要原因在于模式对事件前1候降雪量的预报存在偏差（图6a、b）。同时，爆发候融雪量与积雪覆盖率成正比（图6c），说明负偏差并非源于融雪高估，而是由降雪低估造成。

图6 MPAS-A模式预报的中纬度东亚区域平均 a. 降雪量、b. 累积雪量和 c. 融雪量（彩色线）。x轴为事件爆发候（x=0）的超前（负值）与滞后（正值）候数。不同颜色线条对应不同起报时效的预报。蓝色柱为ERA5-Land再分析资料的合成值；粗实线为观测冬季样本的第90百分位；细实线为冬季气候平均值。单位：水当量（kg·m⁻²）。

积雪预报偏差会通过地表能量收支影响气温预报。为探究这一传递机制，设计了三组敏感性试验：MPAS-A回报试验、“无积雪预报”敏感性试验和“完美积雪预报”敏感性试验。结果显示，在复合极端事件爆发候，三组试验的降温幅度均随预报时效延长逐渐偏离观测，说明可预报性随预报时效减弱（图7）。MPAS-A回报与“无积雪预报”敏感性试验的对比表明，在提前2–3候的预报中，积雪预报对降温预报有正面贡献，但在提前4候的预报中贡献有限。进一步比较MPAS-A回报与“完美积雪预报”敏感性试验发现，在提前4候的预报中，积雪预报偏差会传递至地表气温预报，导致气温预报误差。

图7 中纬度东亚区域平均地表气温在积雪低温复合极端事件爆发候相较于爆发前第2候的变化值。x轴为预报时效（单位：候）。圆点表示敏感性试验与MPAS-A回报试验之间的差异在统计学上显著（p<0.01）。单位：°C。

5. 预报技巧对积雪覆盖参数化方案的敏感性

陆面参数化方案直接决定了积雪预报的准确性。敏感性试验表明，采用Noah-MP作为陆面参数化方案的MPAS-A，与采用Noah方案的MPAS-A对复合极端事件期间的积雪覆盖率预报存在差异（图8a、c）。MPAS-A/Noah-MP预报的积雪覆盖率普遍高于MPAS-A/Noah，在爆发候偏差尤为明显。这说明MPAS-A/Noah-MP的积雪预报存在系统性正偏差。同时，MPAS-A/Noah-MP在气温预报中表现出系统性冷偏差。与观测相比，MPAS-A/Noah-MP预报的爆发候地表气温明显偏低，且在所有情形下均低于MPAS-A/Noah。MPAS-A/Noah-MP与MPAS-A/Noah预报的气温差异与积雪覆盖率的差异相似但符号相反，表明气温低估可能由积雪高估导致。

图8 采用Noah-MP作为陆面参数化方案的MPAS-A（MPAS-A/Noah-MP）预报的 a. 积雪覆盖率和 b. 地表气温；彩色线和蓝色柱的含义与图4a和图5a一致。MPAS-A/Noah-MP与MPAS-A/Noah预报差值：c. 积雪覆盖率和 d. 地表气温。

进一步分析发现，上述敏感性源于两种陆面方案在积雪覆盖参数化方案上的不同。新雪密度设置不合理是当前MPAS-A/Noah-MP积雪覆盖预报偏差的关键来源。这也说明，持续改进积雪覆盖参数化方案对于提升积雪低温复合极端事件的次季节预报能力具有重要意义。

相关文章：

Li W*, Ruan W, Guo W (2026) Subseasonal forecasting of snow cover and cold compound extremes: Insights from MPAS-A over midlatitude East Asia. Journal of Geophysical Research: Atmospheres, 131, e2025JD045631. https://doi.org/10.1029/2025JD045631

Li W*, Kang S, Guo W (2025) Amplification of East Asian cold extremes by sudden changes in snow cover. SOLA, 21, 183–190. https://doi.org/10.2151/sola.2025-023