利用CWRF系统中12个不同参数化方案的试验以及2419个国家级台站的逐日气温、日累积降水量资料,分析了CWRF系统对气温、降水时空分布特征的模拟精度,并分别优选四个试验,进行CWRF极端气温和极端降水各指数模拟结果的评估;最后应用RF算法对CWRF气温、降水和最高(低)气温模拟结果进行订正。得到以下结论:(1)各试验1980～2016年逐日气温的回报结果精度较高,能够很好的模拟出时空分布特征,7～10月的偏差最小。通过对气温标准差、相对均方根误差等统计量的分析,发现CU-KPeta,CU-Emanuel,RA-CCCMA和PBL-Boulac四个试验的评估能力相对较好。(2)四个试验在极端高、低温指数的空间分布和时间分布上表现出了一定的模拟能力,极端低温百分比普遍表现为中国西部偏高,东北、华北略偏低,极端高温百分比的空间分布特征与之相反;进一步分析发现,这种空间分布特征与地形的关系极为密切;极端气温百分比的时间分布特征则主要表现为6～8月偏高,且最低气温的模拟精度较高。(3)CWRF各试验对37年日累积降水量空间分布和年变化趋势模拟较好,偏差均在-0.5～0.5mm/d之间,但广西地区偏差较大。综合分析后选取出4个模拟能力较好的试验进行下一步研究,分别为控制试验、MP-Thompson、MP-Morrison-aero和PBL-Boulac。(4)各极端降水指数的计算结果显示,CWRF对极端降水事件具有一定的模拟能力。各试验大雨站数比和极端降水阈值37年平均值均为冬、春季偏差较小,雨季偏差大;模式能够模拟出雨季这两个指数在中国区域从西北到东南的递增情况。根据观测日降水量90%位阈值统计极端降水贡献率,可见其在雨季随时间振荡幅度明显大于观测;空间分布图显示各试验模拟结果多偏低,西北和东北地区较为精确。三个指数在云贵高原地区的偏差均较大,但在模拟难度较高的西北和青藏高原地区的模拟结果较为精确。(5)随机森林(Random forest,RF)机器学习算法对气温和最高(低)气温的负偏差以及降水的正偏差均有很大的改进;各个气温值的订正评分普遍在0.93以上,但由于月均降水量订正结果的大值缺失,其订正评分在0.54左右。