Este estudio investiga el contexto climático de las concentraciones de PM2.5 (material particulado con un diámetro de 2.5 micrómetros o menor) en la provincia de Hubei (DJF-HBPMC) y evalúa su predictibilidad. Los hallazgos clave son los siguientes: (1) Los niveles elevados de DJF-HBPMC están asociados con una anomalía del norte en la parte superior de la troposfera, un profundo vórtice en la rama sur (SBT) que facilita el flujo del suroeste hacia el centro y este de China, y un monzón invernal de Asia Oriental (EAWM) debilitado, que reduce la frecuencia e intensidad de las intrusiones de aire frío. Los vientos del este cerca de la superficie y una circulación anticiclónica anómala sobre Hubei contribuyen a la reducción de la precipitación, disminuyendo así la dispersión de contaminantes y llevando a concentraciones más altas de PM2.5. (2) Se observan correlaciones significativas entre DJF-HBPMC y las anomalías de temperatura de la superficie del mar (SST) en regiones oceánicas específicas, así como anomalías de concentración de hielo marino (SIC) cerca de la Antártida. Para las anomalías del patrón atmosférico sobre la provincia de Hubei, el modo de SST del Atlántico Norte (NA) promueve la intrusión hacia el sur de los vientos del norte, mientras que los modos de SST del Pacífico Noroeste (NWP) y del Pacífico Sur (SPC) mejoran la deposición húmeda a través de un aumento de la precipitación, mostrando una correlación negativa con DJF-HBPMC. Por el contrario, el modo de SST del Atlántico Sur-Océano Índico Suroeste (SAIO) y el modo de hielo marino de la Bahía de Ross (ROSIC) contribuyen a condiciones atmosféricas locales más estables, lo que reduce la dispersión de contaminantes y aumenta la acumulación de PM2.5, exhibiendo así una correlación positiva con DJF-HBPMC. (3) Un modelo de regresión lineal múltiple (MLR), utilizando índices seleccionados de SST y SIC estacionales, predice eficazmente DJF-HBPMC, mostrando altos coeficientes de correlación (CORR) y tasas de consistencia de signo de anomalía (AS) en comparación con los valores en tiempo real. (4) En la predicción diaria de HBPMC, tanto el muestreo de datos de frecuencia mixta no restringido invertido (RU-MIDAS) como el modelo restringido invertido-MIDAS (RR-MIDAS) exhiben una habilidad superior utilizando solo precipitación mensual, y el RR-MIDAS ofrece el mejor equilibrio en precisión de predicción y consistencia de tendencias al incorporar precipitación mensual junto con índices mensuales de SST y SIC.