本文首先利用T639实时集合预报的历史资料开展对极端温度预报的关键环节——模式气候百分位分布的估算和诊断分析,并利用2016年中国的极端高(低)温的实况资料进行了检验。研究表明,T639集合系统在中国具有一定的极端温度预测能力,但预测技巧在中国不同地区差异很大。从全国平均TS得分来看,使用集合最大值法可以显著提高极端高温的预测技能,而集合众数法则显著提高了极端低温的预测技能。然而,由于当前的扰动方法难以形成完全离散的集合成员,并且T639中的集合成员太少,这些因素可能对极端温度下的预测技能产生影响。目前,仅使用集合均值方法,集合最大值或最小值方法以及集合众数方法来检查极端温度的预测性能。我们的结果表明,正确和适当的方法对于在集合预测中提取极端信息是必不可少的,这可以显著提升模式预测极端事件的能力。其次,基于NCEP-GEFS回报数据,分析了中国冬季和夏季极端温度的变化和频率分布,并进一步讨论了极端温度频率的变化及其与平均状态的关系。根据集合成员的信息,对中国冬夏的历史极端低温高温也进行了检验。结果表明,中国不同地区冬、夏季极端气温的幅度和频率分布差异较大,表现出较强的地形依赖性。因此,中国的极端温度研究需要在不同地区进行。其中,中国各地区冬季平均气温(极端低温发生频率)呈明显上升(下降)趋势(东北地区除外),华南地区上升(下降)趋势更为明显。对于概率预测,该模型对中国冬季的六个子区域具有一定的预测性能,最高的预测技术在长江流域。比较三种集合预测方法,集合均值和最小值的方法可以分别有效地提高中国冬季极端低温在提前天数小于5天和超过5天的预报技巧。与冬季极端低温预报不同,区域平均温度和极端高温频率及其趋势在1993年前后的夏季和1994年后的夏季中国六个次区域显示出巨大差异,表明极端高温与背景温度存在密切联系。对于概率预测,该模型对中国六个次区域的极端高温具有一定的预测性能,对东北,华北和长江流域具有最高的预测能力。比较三种集合预测方法,集合均值和集合最大值的方法可以分别有效地提高中国极端高温在前置时间小于4天和超过5天的的预报技巧。最后,基于NCEP-GEFS历史回报数据和均一化的格点观测数据,对过去30年来中国冬夏季极端温度的变化特征进行了验证。结果表明,NCEP-GEFS能对中国冬夏季平均温度和极端温度的年际变化和趋势进行再现。此外,NCEP-GEFS预报场的概率密度函数和观测的存在明显不同,尤其是在其高端尾部。鉴于该模式在识别极端温度方面具有系统性偏差,模型预测的极端温度的研究不能简单地应用观测中的极端温度的分析方法。研究极端温度时通过使用基于气候百分位数的相对阈值来定义极端温度,可以有效地纠正NCEP-GEFS的系统偏差。