极端干旱灾害对中国水资源安全与社会经济构成严重威胁，提升中长期干旱预测能力是防灾减灾的关键科学问题。近年来，人工智能大模型在气象预测领域取得突破，但其对极端干旱事件的预报能力尚缺乏系统性评估。本研究以2022年长江流域伏秋连旱、2024年西南地区冬春连旱、2025年华北大旱三场典型干旱事件为研究对象，系统评估CFSv2、复旦伏羲、JMA CPS3等多源预报产品的预报技巧。研究构建双评估框架：一是基于气象变量的传统网格点评估，采用ACC、RMSE、事件体TS评分等指标；二是面向干旱事件本身的对象化评估，利用三维连通域识别方法提取离散干旱事件体，通过检测率、命中率、F1分数、强度偏差及空间重合度等指标，直接衡量模型对干旱强度、范围、位置的刻画能力。目前，已完成部分多源预报数据与ERA5再分析资料的收集预处理，建立规范化干旱事件案例库，评估代码进入调试阶段，初步具备计算部分评估指标的能力。本研究预期将为后续干旱预测智慧订正研究提供评估基准，并为业务化应用中的模型优选提供科学依据。
 

极端干旱,AI大模型,事件体评估,动力模式,预报技巧,CFSv2