近年来的长江下游高温事件呈现频发、强发态势，其形成机理与次季节预测能力已成为气候研究的前沿焦点。本报告聚焦长江下游代表性城市——上海，以2022年极端热浪事件为切入点，系统解析其多尺度成因；进而基于2024年极端高温事件，评估当前人工智能气象大模型在次季节尺度上的预测能力。
       以2022年盛夏上海极端热浪为例，其形成是多尺度海气系统协同作用的结果。长期气候增暖趋势贡献了约1/3的高温日数。在年际至多年代际尺度上，太平洋年代际涛动（PDO）负位相与大西洋 多年代际涛动（AMO）正位相共同调节了中高纬双阻型环流异常的形成；西太平洋副热带高压的持续增强与西伸，叠加热带西太平洋、北大西洋及印度洋的海温异常，进一步强化了有利于高温维持的环流配置。在次季节尺度上，北半球夏季季节内振荡（BSISO）频繁活动于2—5位相，通过抑制长江下游上空的对流活动，为热浪的持续发展提供了重要背景条件。
       进一步针对2024年盛夏上海极端高温事件，本研究评估了Pangu、FuXi与FourCastNet三个人工智能气象模型的次季节预测性能。结果表明，2024年高温过程与10—20天准双周振荡及30—60天低频振荡密切相关，其形成与热带西太平洋对流激发的波列西北向传播以及中高纬丝绸之路遥相关波列的东传密切相关。在预测能力方面，Pangu与FuXi模型在提前15天内可提供具有参考价值的高温预测，其中Pangu对副热带高压演变的有效预测时效可达16—20天。模型对低频环流演变特征的刻画能力，是决定其高温预测效果的关键；而初始低频状态的强弱，则显著影响各模型在次季节尺度上的预测一致性。
       综上，以2022年为例的研究表明，长江下游极端高温是多尺度海气相互作用的综合体现；而对2024年事件的预测评估进一步揭示，提升次季节高温预测能力的关键在于对低频环流演变的准确捕捉。人工智能模型在该领域展现出良好应用前景，但其预测不确定性仍需深入探究。未来应加强多尺度物理机制与智能预测模型的融合，为区域高温灾害应对提供更坚实的科学支撑

极端高温；多尺度变率；次季节预测；AI模型；海气相互作用