摘要: 近年来,极端干旱事件在中国频繁发生,严重影响了社会经济发展。因此,有效的干旱预测对于抗旱和水资源管理至关重要。然而,基于动力和统计的传统干旱预测方法在季尺度上能力有限,为提高季节干旱预测,基于全球气候模式和机器学习构建了动力-统计干旱预测模型。首先采用随机森林从位势高度、海平面气压和2 m温度中识别代表性区域,然后使用Lasso和ANN构建统计模型,最后以ECMWFSEAS5输出的大气变量驱动统计模型。结果表明:构建的动力-统计模型在华北、华东和华南地区均延长了有效预报的预见期;在季节上,春季和夏季的预测技巧提高最为明显,反映了机器学习具有可以从"大数据"中充分挖掘信息以及抓住大气非线性过程的优势。