在季节时间尺度上，异常多的极端降水会给人类社会和自然生态系统带来灾难性的影响。但中国地区季节极端降水的潜在可预报性及其预报方法研究还十分不足。本文的目标问题之一是定量分析中国区域季节极端降水的潜在可预报性，也即观测的季节极端降水指标年际变率中去除由短时间尺度、快速变化的天气噪声引起的变率之后剩余的那部分变率占比。基于1960-2013年的站点日降水资料，本文构建了一种平稳随机天气模型来模拟天气尺度的日降水过程，并利用Monte Carlo模拟估计出短时间尺度上、快速变化的天气噪声对季节极端降水指标年际变率的贡献，从而求得潜在可预报性。本文的目标问题之二是在潜在可预报性分析的基础上对中国区域季节极端降水进行统计预报研究。当前线性模型依然是主要的统计预报模型，预报思路包括基于原始量或年际增量建模。本文首先基于1960-2013年时段的站点资料和再分析资料比较了不同预报思路下两类线性模型——逐步回归模型和岭回归模型对中国东部不同区域的季节极端降水指标的预报效果，寻找到在线性模型框架下的最优前期预报因子。在此基础上，对相同区域构建了一种非线性的预报模型——决策树模型，并比较了不同模型之间的优劣，为发展不同特征的季节极端降水指标的统计预报方法提供了新认识。　　全文的主要结论如下:　　(1)潜在可预报性评估结果表明:夏季，中国地区大部分区域其极端降水指标具有显著的潜在可预报性，尤其是在华南地区、长江中下游地区、华北地区和东北平原。秋冬季在华南地区以及春季在西北地区其极端降水指标也具有一定的潜在可预报性。此外，这些存在潜在可预报性的区域，其区域平均的季节极端降水指标通常具有明显的非平稳特征或与大尺度的气候过程相关，对其进行潜在可预报性分析也表明它们具有显著的潜在可预报性。而那些不存在潜在可预报性的区域，其区域平均的季节极端降水指标并没有这样的特点，可以认为主要是由天气噪声引起的变率。这为选择恰当区域平均的极端降水做出有技巧的预报提供了理论参考。　　(2)以区域平均的季节极端降水指标为目标，和前期全球的海表温度、海平面气压、500hPa高度场、土壤湿度和积雪深度等要素做相关分析，提取出在训练期内与预报目标显著相关的因子，利用这些因子分别以逐步回归和岭回归的方式构建预报模型。结果表明基于原始量和年际增量的方法各有其适应情况。当极端降水序列存在显著的年际以上时间尺度变化时，基于年际增量的预报方法比基于原始量的方法要好。当潜在的预报因子中存在一些有相关但相关性又不太强的因子时，岭回归能同时引入这些因子来提高预报技巧。中国东部南方地区(20°N-32°N，110°E-122°E)4-6月的季节极端降水指标年际以上时间尺度的变化很弱，但其潜在的预报因子中有相关性不强的一些因子，因此其最优的线性预报思路为基于原始量的岭回归模型。北方地区（32°N-55°N，110°E-135°E）7-8月的极端降水指标序列存在明显的年代际变化，但潜在预报因子之间的相关性很强，因此其最优的线性预报思路为基于年际增量的逐步回归模型。但线性模型并不稳健，其最优模型和预报因子都会随着研究时段的变化而变化，提供的物理理解也不直观。　　(3)决策树模型能提供更稳健、物理直观上更容易理解的预报结果。为聚焦于极端的季节降水事件预报，以超过季节极端降水指标平均量的一倍标准差为准则，对所有的样本年进行了极端降水年和非极端降水年的划分。给定预报因子，12次训练集和测试集的随机划分以及决策树模型的构建和校验表明该方法能给出稳定的预报结果。而不同预报因子组合的预报结果表明ENSO和NAO是影响中国东部地区季节极端降水的重要信号。以这两个指数为预报因子的实验能给出南方地区(20°N-32°N，110°E-122°E)4-6月和华北地区(32°N-42°N，110°E-135°E)7-8月极端降水事件最好的预报结果。此外，最优的决策树模型还给出了多因子相互作用下产生极端降水的决策规则。其中南方地区发生极端降水的决策规则为在2-3月NAO连续处于负位相或前期NAO不一定处于负位相，但前冬赤道东太平洋地区处于El Ni(n)o状态;华北地区发生极端降水的决策规则为前冬赤道东太平洋地区没有异常增暖的状态，但前冬NAO处于异常极端的负位相，或者赤道太平洋地区发生了前冬El Ni(n)o状态到次年初夏La Ni(n)a状态的转换。虽然限于现有观测样本少导致决策树模型尚难以辨识所有极端降水事件的预报决策路径，但相比基于平稳统计理论的线性模型而言，非线性的决策树模型更具有随着观测样本日益增多而改善预报水平的潜力。