东亚季风气候变异导致我国极端旱涝灾害频发,严重危害国家经济社会发展和人民生命财产安全,提高旱涝预测准确率是我国防灾减灾的重大迫切需求。然而,由于多尺度、多因子以及混沌变率的影响,我国旱涝预测准确率一直难以提高,现行的季节气候预测业务模式无法对中国夏季降水异常给出准确的客观定量化预测结果。本研究结合BCC＿CSM1.1（m）动力模式,研制了一种基于SMART原理的动力-统计结合季节气候预测系统,并通过回报试验论证了该预测系统对动力模式预测能力的提升效果。主要结论如下:BCC＿CSM1.1（m）动力模式对热带向外长波辐射异常和北半球中高纬500hPa位势高度异常具有一定的预测能力,但对中国夏季降水预测能力十分有限,明显低于对热带地区降水的预测能力。该模式对中国160站夏季降水预测结果多年平均ACC为0,预测能力整体低于年际倾向法和持续性预测法,因此无法满足目前我国气候预测业务的实际需求。基于最优可预测气候模态（Selected Predictable Climate Modes）和异常相对倾向（Anomalous Relative Tendency）的SMART季节气候预测原理可以有效解决季节气候预测难题。异常相对倾向法对气候要素具有显著的“滤波器效应”,能够对其中2～6年周期的信号进行增幅并滤去6年周期以上的年代际信号,通过SVD方法能够从历史观测资料中提取出多个具有物理意义的、决定中国夏季降水异常相对倾向的同期大尺度环流模态。本研究利用这些模态实现了对同期中国夏季降水异常相对倾向的有效重建,并通过独立样本重建检验挑选出最优预测因子组合,构建了最优统计预测模型。结合BCC＿CSM1.1（m）动力模式对这些模态的预测结果和最优统计预测模型,本研究构建了基于SMART原理的动力-统计结合中国夏季降水预测模型。该模型首先利用历史观测资料和SVD方法提取决定中国夏季降水异常相对倾的同期热带地区OLR和北半球中高纬500hPa位势高度场异常相对倾向气候模态,构建其与同期中国降水异常相对倾向同期关系的统计预测模型;然后将动力模式对这些气候模态的预测带入统计预测模型,实现对夏季降水异常相对倾向的预测;最后通过引入观测的近期背景异常实现对中国夏季降水总距平的预测。利用该预测模型对1992～2019年中国夏季降水进行回报检验,结果表明该模型预测结果多年平均ACC较动力模式直接预测提高0.1,多年平均PS评分提高8分,特别是在近5年平均PS评分提升18分;在2020年中国夏季降水的预测试验中,该模型准确预测出了长江中下游地区的偏涝异常倾向。因此该预测模型能够显著提升BCC＿CSM1.1（m）动力模式对中国夏季降水的预测能力,为我国季节气候预测业务提供了一种有效的解决方案。