近日，广东韶关、清远两市遭遇数日持续强降雨，防汛形势十分严峻。据广东省水文部门，6月23日前后，受连日强降雨和上游来水影响，北江干流水位持续上涨，北江干流石角站出现超百年一遇的洪峰流量（20,000立方米/秒），防汛形势十分严峻，广东省水利厅一度将应急响应提升至I级。
国家气候中心数据显示，今年入汛之初，南方雨季偏早特征明显。华南前汛期于3月24日开始，较常年偏早16天。5月以来，华南、江南等地连续出现数十次降水过程，珠江流域降水量达1961年以来历史同期最多。与此同时，我国北方烈日高悬。据统计，自6月中上旬以来，陕西中部、河南中西部40℃以上高温频现，内蒙古、河南等多地部分站点气温突破6月同期最高值。
中国东部位于东亚季风区，随着东亚夏季风的爆发、盛行和向北推进，东亚夏季风主雨带明显自南向北移动，在中国东部地区依次形成华南前汛期、江淮梅雨季和北方雨季。每年4至6月，是我国典型季风雨季的第一个雨季——华南前汛期（区别于7至9月受台风、东风波等热带天气系统影响的华南后汛期）。每年5月下旬到6月中旬，端午节前后常出现“龙舟水”，也是华南前汛期最后的尾声。
今年华南“龙舟水”期间（5月21日至6月21日），广东、广西、海南平均降雨量为472.5毫米，为1951年以来历史第二多。
2022年会商结果表明，预计在今年汛期，我国气候状况总体为一般到偏差，旱涝并重，区域性、阶段性的旱涝灾害明显，极端天气气候事件偏多，主要多雨区分布在我国北方；全年登陆我国的台风个数接近常年到偏多。
因此，尽管我国北方目前饱受高温、干旱的煎熬，但在未来一段时间，随着西太平洋副热带高压的北抬，北方（包括东北南部、华北等地）将成为我国降雨的主战场，局部地区甚至有可能出现极端洪涝灾害。受目前中东太平洋持续的“拉尼娜”现象的影响，我国北方降水仍旧可能“后来居上”，成为今年汛期的主雨区。
汛期降水预测与大家熟知的天气预报（明天天气如何），具有根本性的区别。1963年，美国麻省理工学院气象学家爱德华·洛伦兹提出混沌理论，即著名的“蝴蝶效应”——任何一个非线性系统都受到初值的强烈影响，存在初值敏感性。上述特性最终可能影响系统的发展方向。长久以来，人们将上述效应形象化理解为巴西热带雨林中的蝴蝶煽动几下翅膀，可能在美国德克萨斯州引起一场龙卷风。
在天气预报过程中，数值积分累积误差等原因使得模式初始化过程中相较真实世界不可避免得存在偏差，有效的天气预报也就存在可预测的时间极限。洛伦兹指出，天气的可预测性极限是2~3周，即2~3周以上的逐日天气预报是不可信的。如果科学家连几周后的天气尚不能准确预报，如何预测几个月后的气候呢？
南京信息工程大学气候与应用前沿研究院院长罗京佳解释说，虽然科学家预报不出未来几个月后指定某天的具体天气事件，但可以预测出未来几个月的平均气候状况。原因在于短时间尺度的天气可预报性主要由大气内部变化的记忆力决定，大气记忆力短导致天气可预测的时限短，而长时间尺度的气候可预测性主要来源于海洋等变化缓慢的下垫面强迫的影响。
海洋的长记忆力使得海温等强迫信号可以提前几个月甚至几年做出预测，进而可以预测出大气活动在某个时期内的气候特征。
近年来，随着人工智能的发展，利用机器学习（深度学习）算法开展气候预测登上舞台。机器学习是一门以数据驱动的科学，它通过学习已有数据中的变化规律，之后将这种规律自主推广应用开展预测。在某些场合，其预测技巧已经超过统计与动力相结合的方法。
近百年来，人类为了预测气候进行了诸多努力，但至今，气候仍然以不确定性、可能性和复杂性，吸引和困惑着每一个人。我国地处东亚季风区，同时受到青藏高原强大地形影响，降水预测存在着太多不确定性，国际上几乎所有先进的气候模式在东亚地区的预测水平都比较低。
此外，我国大部分地区位于中纬度，大气内部变率大（如丝绸之路遥相关波列，会掩盖热带可预测信号的影响），加之对相关机理认识有限、地面气象观测台站数量有限且分布不均等因素，汛期降水预测十分困难。
随着全球变暖加剧，极端天气事件频率和强度增加，中小尺度强对流系统更加活跃，气候的可预报性难度加大。对此，罗京佳表示：“考虑到东亚季风降水预测的难度，未来更推荐使用概率预报的方式来进行汛期降水预测，而非目前一直沿用的确定性预报”。
所谓确定性预报，顾名思义，其特点是预报明确直观，但常会出现预报有雨却无雨的预报不准的情况，人为地增加了预报误差。
而概率预报能显著提高预报的科学性，如目前台风路径预报会同期发布概率分布预报。然而另一方面，概率预报可能也会带来公众理解以及传播使用上的偏差。如天气预报简单地说“明天下雨/不下雨”，公众容易理解；可是当天气预报试图更严谨地表述为“明天有70%的可能性降雨”时，可能会给很多居民带来困惑——明天出门到底要不要带伞。