《Atmospheric Research》：Predicting winter cold surge scenarios using ensemble forecasting and clustering techniques
编辑推荐：
•历史上的寒潮可以根据五种不同的环流机制进行分类。•这些分类方法有助于对KIM集合进行分类，从而实现基于情景的寒潮预测。•该框架在三种情况下能够在寒潮发生前将KIM集合正确归类。引言寒潮仍然是东亚地区（包括朝鲜半岛）最具影响力的冬季天气灾害之一，反复对人类生命、基础设施、能源系统
- •
历史上的寒潮可以根据五种不同的环流机制进行分类。
- •
这些分类方法有助于对KIM集合进行分类，从而实现基于情景的寒潮预测。
- •
该框架在三种情况下能够在寒潮发生前将KIM集合正确归类。
引言
寒潮仍然是东亚地区（包括朝鲜半岛）最具影响力的冬季天气灾害之一，反复对人类生命、基础设施、能源系统和农业造成破坏（Woo等人，2012年；Mori等人，2019年；Dai等人，2022年）。尽管在全球气候持续变暖的背景下极端寒冷事件的频率总体上有所下降，但自2000年代以来，强区域性寒潮依然持续存在甚至在某些情况下加剧，这部分反映了北极气候变异性的增强及其与中纬度地区的遥相关作用（Chen等人，2004年；Ma等人，2018年；Cohen等人，2020年；Dai和Mu，2020年）。重要的是，东亚地区的寒潮并非单一的、同质的现象：其强度、持续时间和空间结构因上游大尺度环流的不同配置而大相径庭（Yao等人，2017年；Ma等人，2024年；Song和Wu，2021年）。因此，对寒潮的预报工作不仅仅是简单地预测其是否发生，还需要能够描述每次事件的各种特征——包括类型、强度和空间范围——以便预报员能够提供支持受影响领域决策所需的各种信息。
认识到这种多样性，许多研究根据驱动寒潮的大尺度环流结构对其进行分类。已知在北极涛动（AO）的负相位期间，寒潮的发生频率更高、强度更大且持续时间更长（Jeong和Ho，2005年；Woo等人，2012年）。Park等人（2014年）进一步根据上层位势高度异常的几何形态将寒潮分为阻塞型和波列型两类，结果表明阻塞型事件往往更强且持续时间更长。最近，Kim和Ahn（2022年）通过根据欧亚大陆阻塞分布的经度位置对寒潮进行了进一步分类。虽然这些研究大大推进了人们对寒潮类型的理解，但它们主要集中在事件发生后的再分析上；而对其预报应用的探索——即提前预测将发展成哪种类型的寒潮——仍然很少。
要填补这一空白，需要一个能够将可能的寒潮类型表示为具有物理意义的不同情景的预报框架。由于特定类型寒潮的发生在很大程度上取决于上游大尺度环流的发展——而这本身在初始条件上存在相当大的不确定性——集合预报系统天然适合用于这一目的：通过采样一组可能的大尺度环流演变，它们能够捕捉到类型分辨型寒潮预报所要求的情景多样性。然而，在实际操作中，由于时间限制，大量的集合输出数据难以处理，决策者往往依赖于高度压缩的诊断指标，如集合平均值和离散度——这些指标往往会模糊那些区分不同寒潮类型的流动依赖性信号。聚类技术为这一操作瓶颈提供了实用解决方案：通过根据集合成员的大尺度环流模式将它们分组，他们可以将海量的集合输出数据压缩为少数几个物理上连贯的情景，同时不损失集合本身所含的类型依赖性信息。主要的数值天气预报中心已经采用这种方法进行一般的中期预报——欧洲中期天气预报中心（ECMWF）使用K-means聚类对500-hPa位势高度场进行分类以定义代表性预报情景（Ferranti和Corti，2011年），美国国家海洋和大气管理局（NCEP）的天气预报中心则使用模糊K-means聚类生成基于情景的降水和温度预测（Zheng等人，2017年；Lamberson等人，2023年）——这一逻辑同样适用于寒潮预报，其中环流模式多样性直接对应于可区分的寒潮类型。
在这项研究中，我们开发了一个基于情景的预报框架，结合了欧亚海平面压力模式的K-means聚类和KIM操作集合预报，来预测可能出现的寒潮类型。通过对ERA5数据中的历史寒潮事件（1979–2024年）进行聚类，得到了一组可区分的环流机制，然后利用这些机制对最近的三次代表性事件进行KIM集合预报的分类，从而评估模型能够多早且可靠地识别寒潮类型。本文的结构如下：第2节描述数据集，第3节详细说明方法论，第4节展示聚类结果及其物理特征，第5节通过应用该框架到寒潮案例来展示其情景预测能力。
部分摘录
数据
使用了韩国气象管理局（KMA）运营的自动化天气观测系统（ASOS）提供的每日平均地表气温（SAT）数据来识别历史寒潮事件并分析其特征。为了确保数据可靠性，选择了60个站点，这些站点在1979–2024年冬季季节（12月至2月，DJF）期间的数据可用性至少达到80%。如图1a所示，所选站点分布均匀。
寒潮检测
寒潮的开始定义为这样一个时刻：西伯利亚高压在其核心区域（35–55°N, 90–115°E；SLP > 1035 hPa）加强后，韩国ASOS站点的每日SAT简单平均值（未加权）在1–2天内迅速下降（超过冬季SAT标准差的1.5倍；Park等人，2014年），同时SAT异常值保持负值（图1）。寒潮开始后SAT异常值持续为负值的期间被视为
寒潮聚类
根据第3节中描述的聚类分析，历史寒潮事件被分为五类。这五类在欧亚地区的综合SLP模式显示出，尽管所有类别都具有西伯利亚高压向东扩展的经典寒潮特征，但驱动这一扩展的大尺度环流模式之间存在显著差异（图3）。第1类寒潮事件约占所有寒潮事件的18.10%
总结与讨论
本研究开发了一个基于情景的冬季寒潮预报框架，以便更物理地利用KIM集合预报。使用K-means聚类对ERA5数据中的历史寒潮事件（1979–2024年）进行分类，将它们分为五种可区分的环流机制，每种机制都具有物理上连贯且差异明显的特征。
第1类和第3类寒潮是与持续性
CRediT作者贡献声明
Sung-Ho Woo：撰写——初稿、可视化、验证、方法论、调查、形式分析。Miyoung Lee：可视化、调查、形式分析、数据管理。Ju Heon Kim：可视化、数据管理。Baek-Min Kim：撰写——审稿与编辑、项目管理、方法论、概念构思。Jee-Hoon Jeong：撰写——审稿与编辑、监督、项目管理、资金获取。
未引用参考文献
Cho等人，2025年
Gong等人，2014年
利益冲突声明
作者声明他们没有任何已知的财务利益或个人关系可能影响本文所述的工作。
致谢
本工作得到了韩国气象管理局研究与发展计划和海洋渔业部资助的韩国极地研究所（KOPRI）的支持。我们感谢韩国气象管理局（KMA）提供用于本研究的KIM集合预报数据。
Sung-Ho Woo|Miyoung Lee|Ju Heon Kim|Baek-Min Kim|Jee-Hoon Jeong
