为构建准确的干旱预测模型，选择具有物理意义的预测因子和采用高效的预测方法至关重要。与传统预测技术相比，机器学习算法因其高效性和可靠性，在气候预测中被广泛应用。本文基于1960—2022年湖北省70个国家气象站逐月气象要素数据，以及国家气候中心与美国国家海洋和大气管理局提供的大气环流和海温指数，采用标准化降水蒸散指数判断是否干旱作为目标变量，运用特征选择方法筛选出11个指数作为输入变量。在此基础上，分别使用分类回归树和随机森林两种机器学习算法，构建了湖北省夏季干旱预测模型。随机选取47 a数据作为训练集，并利用剩余16 a数据作为测试集，对预测结果进行检验。结果表明，分类回归树和随机森林模型对干旱是否发生的预测准确率分别为88%和81%。此外，两种算法建模时均将亚洲纬向环流指数列为最重要的变量，表明该指数在湖北省夏季干旱预测中具有关键作用。通过构建两种机器学习算法预测模型，为湖北省夏季干旱预测提供了客观有效的新思路，对湖北省防旱减灾具有重要意义。

利用海南岛18个气象站1969—2018年逐日降水观测数据，采用信息熵法、Mann-Kendall趋势检验和反距离权重空间插值方法，分析海南岛降水随机性的时空变化特征。结果表明：海南岛年降水量和降水日数月分配的不均匀性由东向西逐渐增大。近50 a来，北部、西部及南部部分地区年降水量和降水日数月分配的不均性增强，其余地区总体减弱。海南岛年和四季日降水量随机性空间分布各异，且与暴雨及以上等级降水日数占比均呈显著正相关。时间变化上，海南岛绝大部分市(县)年和四季日降水量随机性增大，尤其表现在四季强降水发生概率增加。春、夏、秋、冬季需依次重点防范中部、西北部、东部和东部地区的暴雨至特大暴雨。