姓名：徐雯雯 博士

报告题目：平流层准两年振荡垂直结构特征及其未来变化

报告摘要：平流层准两年振荡（QBO）是热带平流层年际变化的主导模态，通过改变平流层大气环流和热力结构，引起平流层与对流层的耦合，对全球天气、气候均具有重要影响。由于QBO是一种相对规则的下传现象，准确刻画QBO传播结构是深入理解QBO变化及影响的关键。因此，通过复经验正交函数（CEOF）方法建立新的QBO指数，能够明确QBO的传播模态并进行位相划分，可以定量诊断QBO振幅、位相、周期和下传速度等特征，为相关的QBO监测、预测以及影响研究提供了有益的补充。基于该指数，可进一步聚焦QBO振幅的垂直变化及其在未来情景下的变化特征，并深入探讨其中涉及的动力机制。

姓名：曹庭伟 博士

报告题目：基于机器学习和动力模式实现华南冬春季降水的有效预测

报告摘要：ENSO及非对称组合模态（C模态）显著影响华南冬、春季降水。尽管ENSO预测已较成熟，C模态仍难以精准预报。本研究基于LSTM神经网络构建模型，实现了对C模态长达六个月的技巧性预测。在2007—2021年测试中，该模型融合动力ENSO预报后，性能显著优于仅用历史数据的模型。基于可靠预测，构建含ENSO与C模态指数的多元回归模型，可提前五个月（冬）和四个月（春）有效预测华南季节降水，并能捕捉强ENSO事件相关的极端降水特征。