对大尺度环境条件的准确预测，是可靠预报热带气旋（TC）活动季节性变化的基础。然而，由于评估有限，目前最先进的业务模式在预测这些条件方面的能力仍不明确。本研究评估了气候预测系统（CFS）在预测西北太平洋（WNP）地区动态生成潜力指数（DGPI）方面的表现——该指数综合了影响热带气旋生成的大尺度条件，重点关注其空间分布和整个海域平均值的年际变化。结果显示，CFS在捕捉DGPI空间变率方面能力有限，1990年至2022年间平均空间相关性仅为0.21。虽然CFS再预测数据（1990-2010年）能较好地捕捉整个海域平均DGPI的年际变率（r = 0.71），但业务运行的CFSv2预报（2011-2022年）表现不佳（r = 0.19），这主要归因于其无法再现平均态的变化。为弥补这一不足，本研究开发了卷积神经网络（CNN）模型。该模型最初基于耦合模式比较计划第六阶段（CMIP6）的历史模拟数据进行训练，随后通过利用再分析数据进行迁移学习加以优化。CNN模型显著提升了DGPI的预测技巧，在2011-2022年期间，其异常场的平均空间相关性达到0.85，并与观测到的海域平均DGPI呈现出高度相关性（r = 0.88），其表现明显优于CFSv2。这些发现凸显了基于CNN的方法在提升西北太平洋热带气旋生成季节性预报方面的潜力。

DGPI,CFS预报系统（CFS/CFSv2）,季节预报,CNN