中国冬季气温不同年代际的季节内变化特征及成因分析

马锋敏 陈丽娟 李想 李维京 许彬

1 江西省气候中心, 南昌330096

2 国家气候中心中国气象局气候研究开放实验室/中国气象局—南京大学气候预测研究联合实验室, 北京100081

3 南京信息工程大学气象灾害预报预警与评估协同创新中心, 南京210044

1 引言

气候变化是长期大气状态变化的一种反映，而气温是气候变化研究的重要基础性问题（Overpeck et al., 2011; 任国玉等, 2014）。近百年来地球气候正经历一次以变暖为主要特征的显著变化，其中冬季变暖最为明显（陈隆勋等, 1991; 王绍武等, 1998;梁苏洁等, 2014）。我国处于东亚季风区，东亚冬季风异常会导致我国冬季出现大范围冷暖异常。近年来的研究显示，不仅东亚冬季风具有较大的年际变率和年代际变化（Wang, 2001; 左瑞亭等, 2005;施晓晖等, 2007; Wang et al., 2009; Wang and He,2012; Wang and Chen, 2014; Li et al., 2019），影响我国冬季气温的重要影响因子，如西伯利亚高压、北极涛动、北极海冰和海表温度等也具有年代际变化（朱亚芬和钱维宏, 1998; Watanabe and Nitta,1999; 武炳义等, 2000; Kug et al., 2009; Jeong et al.,2011）。此外，影响因子之间的关系同样发生了显著的年代际变化（李维京等, 2013）。这种新的变化，增加了对冬季气候预测的难度。因此，研究不同气候背景下冬季气温异常成为气候变化和气候预测研究的重点和难点。在全球气候变暖的背景下，我国冬季气温异常呈现出一些新的特征。季节内极端天气气候事件频发，强寒潮、雨雪冰冻等灾害性天气对国民生产和人们生活造成很大影响，社会各级部门和公众对冬季气候预测精细化服务的需求增加。如何科学认识气候异常的特征和演变规律，准确预测冬季气候异常程度已经成为迫切需要解决的科学问题，对提高防灾减灾服务能力有重要的应用价值。

针对我国冬季季节平均气温主要模态的研究取得了许多有意义的成果（Wu and Wang, 2002; Jhun and Lee, 2004; 康丽华等, 2006, 2009; 朱艳峰等,2007; Wang et al., 2003, 2010; 范可和刘辉, 2013; 孙淑清等, 2014; 汪子琪等, 2017），多数研究认为中国冬季气温主要模态是一致偏暖或偏冷。然而基于冬季平均气温进行气候预测及服务存在较大的局限性，尤其是近年来我国冬季经常出现季节内气温变化大，前冬和后冬气候异常相反的观测事实。例如，2007 年12 月，全国气温异常偏高，而2008 年1～2 月出现大范围低温雨雪冰冻灾害（王凌等,2008; 高辉等, 2008; 张庆云等, 2008; Zhou et al.,2009, 2011）。2020 年12 月，全国大部地区气温异常偏低，而2021 年1 月中旬以后，气温大幅度回升，2021 年2 月气温异常偏高。许多研究关注到我国冬季气温具有明显的季节内变化特征（Hu et al., 2005; 黄嘉佑和胡永云, 2006; 韦玮等, 2014,2020 ; Zuo et al., 2015; 贾丹和简茂球, 2015; 孙健等,2019），尤其是前冬和后冬气温的变化可能存在很大的差异（黄嘉佑和胡永云, 2006）。韦玮等（2014）指出，我国前冬（11～12 月）和后冬（1～3 月）气温的变化具有前、后冬趋势一致的同相演变和前、后冬趋势相反的反相演变两个主要模态，且中高纬度地区大气遥相关型位相的持续或转换是造成不同演变模态的重要原因。孙健等（2019）指出中国冬季气温在月尺度上常出现前、后冬相反甚至冷暖交替的现象。刘艳等（2020）研究表明北疆冬季气温季节内主要有前后距平一致和前后距平相反两种特征。孟鑫等（2017）指出东北地区前冬（12 月）和后冬（1～2 月）气温在空间上具有全区变化一致型和东北—西南反相变化的跷跷板型。以上研究揭示了过去几十年来我国冬季季节内变化特征，没有区分不同的年代际背景。而已有研究显示在不同的年代际时间尺度下，冬季气温和影响因子的关系可能发生了变化，同时季节内气候异常特征也可能发生了变化，因此重新认识不同的年代际时间尺度下冬季季节内气温变化的新规律及其环流特征，对理解冬季气候异常特征和季节内变化的复杂性以及提高短期气候预测准确率都有重要价值。

2 资料和方法

文中所用的资料包括中国气象局国家气候中心整编的全国160 站1951～2020 年逐月气温。大气环流资料为美国国家环境预报中心和国家大气研究中心（NCEP/NCAR）逐月再分析资料中的近地面温度场、海平面气压场、500 hPa 位势高度场、200 hPa 纬向风场，资料水平分辨率为2.5°×2.5°（Kalnay et al., 1996; Kistler et al., 2001）。本文针对1951～2019 年冬季进行研究，文中冬季指当年12 月、次年1 月、2 月的平均。

本文使用的主要统计方法有：相关分析、Mann-Kendall 突变法、滑动相关、线性回归、合成分析、Student-t检验、小波分析等（魏凤英, 2007）以及基于季节的经验正交函数分解（S-EOF）（Wang and An, 2005）。S-EOF 是Wang and An（2005）在研究太平洋海温气候变率时对经验正交函数分解（EOF）进行改进发展而成的一种新方法，能够很好地识别随季节演变的变量场在时间上连续的空间特征和演变规律，从而得到随季节演变的主导模态。Wu et al.（2009）、孙健等（2019）、韦玮等（2014, 2020）利用S-EOF 开展了相关研究工作。本文利用S-EOF 方法分析不同年代际时间尺度下中国冬季气温季节内变化主导模态和标准化时间序列，进一步采用合成和回归的方法分析主导模态对应的大气环流场异常特征。另外，采用滑动相关（林学椿, 1978）的方法确定中国冬季各月气温之间关系的稳定性，滑动窗口长度取为21 a，滑动相关值记在窗口的第11 年，例如1951～1971 年相关值记在1961 年。

3 冬季气温的季节内变化特征

3.1 前冬与后冬的确定

利用1951～2020 年月平均气温资料，计算全国160 站平均气温在冬季不同月份间的相关系数（表1）。可以看出，无论是否去除线性趋势，12月与1 月、12 月与2 月的气温相关系数均不显著，而1 月与2 月气温的联系十分紧密，去除线性趋势前后的相关系数分别为0.49 和0.34，均超过了99%的置信水平。计算去趋势后的1951～2019 年冬季12 月与1 月（图1a）、1 月与2 月（图1b）各站点的相关系数，空间分布图也显示我国冬季存在明显的季节内差异。12 月与1 月气温仅在东北部分地区、西南地区存在显著相关；而1 月与2 月的气温相关达到显著性检验的范围明显扩大，除我国东南沿海相关不显著之外，全国其他地区相关系数均通过显著性检验，尤其是长江以北的大部地区相关系数均通过99%的置信水平。

图1 1951～2019 年冬季（a）12 月与1 月、（b）1 月与2 月气温（去趋势后）相关系数空间分布。深、浅阴影分别表示通过99%和95%的置信水平Fig. 1 Spatial distributions of the correlation coefficients between (a) December and January, (b) January and February with detrended air surface temperature in winter over China from 1951 to 2019. Dark and light shadings indicate the 99% and 95% confidence levels, respectively

表1 1951～2019 年冬季不同月份间全国160 站平均气温的相关系数Table 1 Correlation coefficients of surface air temperature averaged in 160 stations over China between different months from December to February for 1951-2019

前文分析的是整个研究时段内冬季各月气温间的关系，为了认识中国冬季季节内各月气温之间的年际关系是否稳定，进一步计算冬季各月间气温的21 a 滑动相关（图2）。1 月与2 月的滑动相关显示，二者在20 世纪70 年代以后的相关达到95%的置信水平，此后的相关基本稳定，且通过95%的置信水平。而12 月与1 月的滑动相关没有通过信度检验，仅12 月与2 月在1990 年前后达到95%的置信水平，但是其他时段的相关均不显著。这表明在年代际尺度上，1 月和2 月的关系更密切。再次计算前冬（12 月）与后冬（1～2 月）的21 a 滑动相关（图2 蓝线），二者仅在1990 年前后达到95%的置信水平，其他时段相关均较弱。

图2 1951～2019 年冬季不同月份间中国160 站平均气温21 a 滑动相关。黑色虚线：12 月与1 月；绿色实线：12 月与2 月；红色实线：1月与2 月；蓝色实线：前冬与后冬；灰色点线：95%的置信水平临界线Fig. 2 Sliding correlations of surface air temperature averaged in 160 stations over China between different months from December to February with a 21-year moving window for 1951-2019. The black dashed line: between December and January; green solid line: between December and February;red solid line: between January and February; blue solid line: between early winter (EW) and late winter (LW); the gray straight dotted lines represent 95% confidence levels

为了考查前冬和后冬气温空间相关关系随时间的变化，进一步计算了1951～2019 年69 个冬季中国160 站前冬与后冬气温21 a 滑动相关的空间分布，滑动相关值记在窗口的第11 年，得出1961～2009 年时间序列的逐年空间分布，图3 仅给出每间隔10 a 的21 a 滑动相关分布。可以看出，全国大部分地区的相关很弱。相关显著的区域有20 世纪70 年代的内蒙古中部和东北部、西南地区南部；20 世纪80 年代的华北东北部；20 世纪90年代的东南沿海和东北南部；21 世纪的东北中北部地区。其他时段的显著相关区域范围很小（图略）。

图3 1951～2019 年中国前冬与后冬气温21 a 滑动相关空间分布。滑动窗口时间分别为（a）1970、（b）1980、（c）1990、（d）2000。深、浅阴影分别表示通过99%和95%的置信水平Fig. 3 Spatial distributions of sliding correlation coefficients between early and late winter temperature over China with a 21-year moving window.The years of moving window are (a) 1970, (b) 1980, (c) 1990, (d) 2000, respectively. Dark and light shadings indicate the 99% and 95% confidence levels, respectively

上述对前冬、后冬的时间和空间相关分析表明，1 月与2 月的显著正相关特征总体是比较稳定的，而前冬（12 月）与后冬（1～2 月）的相关仅在20世纪90 年代前后相关系数较大，因此本文将12 月定为前冬，1～2 月定为后冬。

3.2 年代际变化阶段的确定

使用Mann-Kendall 非参数统计检验方法（魏凤英, 2007），检验1951～2019 年前冬（12 月）、后冬（1～2 月）气温序列的突变特征（图4），给定置信水平95%的临界线。可以看出，前冬、后冬气温具有相似的气候变化特征：20 世纪80 年代中期开始，前冬、后冬气温均存在明显的上升趋势；前冬增暖趋势在20 世纪90 年代后期超过95%的置信水平，后冬增暖趋势较前冬超前且明显，在20 世纪90 年代初超过95%的置信水平，甚至超过99.9%的置信水平，表明后冬气温的上升趋势十分显著。根据UF（Forward）和UB（Backward）曲线交点的位置，前冬、后冬气温增暖趋势的突变点是一致的，均在1986 年开始。季节内气温在年代际尺度上的突变特征与我国冬季气温在1985 年前后发生转折的特征（丁一汇和张莉, 2008; 李维京等, 2013）一致。

图4 1951～2019 年中国（a）前冬、（b）后冬气温Mann-Kendall 检验曲线，点线为95%的置信水平临界线Fig. 4 Statistical curves of the Mann-Kendall method test of temperature for (a) early and (b) late winter over China for 1951-2019. The dotted lines are the critical value of 95% confidence level

进一步计算气温在1986 年突变前后冬季不同月份间全国160 站平均气温的相关系数（表2），用以验证不同年代际尺度背景下前冬与后冬划分的合理性。从表中看出，无论是否去除线性趋势，1986 年前后12 月与1 月、2 月气温间的相关系数均不显著，而1 月与2 月气温间的联系更紧密。尤其是1986 年之后，1 月与2 月气温的相关性增强，超过了95%的置信水平。从相关系数空间分布（图5）看，1986 年之前，12 月与1 月气温相关仅在西南部分地区、内蒙古局部地区存在显著性（图5a），而1 月与2 月的显著正相关区域明显增加，主要分布在我国西北大部和内蒙古地区（图5b）。1986 年之后，12 月与1 月气温仅在东北中部地区相关显著（图5c），1 月与2 月的正相关显著区域明显扩大（图5d），显著性区域东移，主要分布在东北、华北、西北地区东部、西南地区东北部等地区。保留线性趋势的结果分析差别不大，只是1986 年之后的1 月与2 月在长江中游的正相关显著区域略有扩大（图略）。上述分析显示了前冬与后冬的关系在两个不同年代际阶段的差异。

表2 1986 年 之 前（1951～1985 年）和 之 后（1986～2019 年）冬季不同月份间全国160 站平均气温的相关系数Table 2 Correlation coefficients of surface air temperature averaged in 160 stations over China between different months in winter before 1986 (1951-1985) and after 1986(1986-2019)

图5 中国前、后冬气温在1986 年（a、b）之前（1951～1985 年）和（c、d）之后（1986～2019 年）阶段的（a、c）12 月与1 月、（b、d）1 月与2 月相关系数空间分布。深、浅阴影分别表示通过99%和95%的置信水平Fig. 5 Spatial distributions of correlation coefficients for temperature between (a, c) December and January, (b, d) January and February over China before 1986 (1951-1985) and after 1986 (1986-2019). Dark and light shadings indicate 99% and 95% confidence levels, respectively

基于以上分析结果，同时考虑到前冬、后冬的年代际变化，去掉1990 年前后各5 a，本文将前冬、后冬的年代际尺度变化时段划分为1951～1984 年（P1 时段）和1996～2019 年（P2 时段）。以下分别针对这两个时段及各自的气候态进行分析。

4 冬季气温在不同年代际时间尺度季节内变率的优势模态及成因

基于上一节对年代际时间尺度的划分，参考国家标准《GB/T 21983-2020 暖冬等级》（国家市场监督管理总局和国家标准化管理委员会, 2020）的阈值标准，以1986 年前/后全国160 站平均的前冬、后冬气温标准化时间序列的0.33 个标准差为异常标准，统计冷/暖期全国160 站平均的前冬、后冬气温明显异常年的组合（表3）发现，1986 年之前前冬、后冬一致偏暖或偏冷为6 年，比例为17.7%；而前冬和后冬冷暖反位相年为8 年，比例为23.6%。1986 年之后前冬、后冬一致偏暖或偏冷年为6 年，比例为25.0%；前冬和后冬冷暖反位相年为7 年，为29.2%。1986 年之后较冷期前冬、后冬持续偏暖的比例增加，持续偏冷的比例下降；1986 年之后前冬暖后冬冷的比例上升，前冬冷后冬暖的比例也上升，即1986 年后前冬和后冬冷暖反位相比例较1986 年之前升高，季节内变率加大。

表3 1986 年前（1951～1984 年）、后（1996～2019 年）中国160 站平均的前冬、后冬气温显著异常年数统计Table 3 Statistics of the number of years for significantly abnormal temperature based on 160 stations over China in early and late winter before 1986 (1951-1984)/after 1986(1996～2019)

为认识不同年代际时间尺度下前、后冬气温演变的空间分布特征，分别以P1 和P2 时段全国160 站前冬、后冬气温距平场作为2 个变量构成矩阵进行S-EOF 分解（Wang and An, 2005），得到代表前冬和后冬的平均气温距平随时间演变的空间模态及时间系数序列。为直观分析实际的气温变化量级，文中用标准化的时间系数序列对气温场进行回归来表示S-EOF 的空间模态（韦玮等, 2014,2020）。

东亚冬季风是影响我国冬季气温变化的关键环流系统，冬季风系统成员主要包括对流层低层的西伯利亚高压和阿留申低压，对流层中层的东亚大槽以及对流层高层的西风急流等，环流系统的异常对我国冬季气温异常具有直接作用。为了研究不同气候背景下我国前、后冬气温演变优势模态对应的环流系统特征，文中采用合成分析的方法对海平面气压场、500 hPa 高度场、200 hPa 纬向风场进行分析，正负典型异常年的选取如表4 所示，以S-EOF 第一模态标准化时间系数正负0.5 倍标准差为标准选取典型年，分别选取P1 阶段典型正异常年10 年，典型负异常年7 年；P2 阶段典型正、负异常年各6 年，并用t检验方法分析合成结果的显著性。同时利用S-EOF1 标准化时间系数回归前冬和后冬的环流场（图略），获得的结果与正、负异常年差值场合成信息一致。

表4 P1 阶段（1951～1984 年）和P2 阶段（1996～2019 年）中国前冬、后冬气温S-EOF 第一模态标准化时间序列典型正、负异常年份Table 4 Typical positive and negative anomaly years for surface air temperature as identified in terms of the first S-EOF(season-reliant empirical orthogonal function) mode between early and late winter over China during P1 (1951-1984) and P2(1996-2019)

4.1 1986 年之前（1951～1984 年）冬季气温季节内变率的优势模态及环流特征

图6 给出1986 年之前（P1 阶段）前冬、后冬气温距平S-EOF 分解前两个模态，其方差贡献分别为36.1%和20.9%。S-EOF1 空间分布的前后冬演变（图6a、b）显示，前冬的气温异常变化幅度更大更显著，除青藏高原东部地区外，均通过99%的置信水平，且全国气温基本为一致负异常变化型，气温变化的异常幅度从南向北递增，最大值位于内蒙古中部和新疆北部地区。后冬异常变化的幅度虽然不显著，但是除内蒙古和西北部分地区为弱的负异常外，全国其余地区均为正异常，与前冬的气温变化趋势相反。S-EOF2 空间分布同样存在区域性和季节内演变差异（图6c、d），前冬为弱暖位相，后冬为显著冷位相。可以看出，SEOF1 和S-EOF2 均表现出前后冬冷暖反位相的特征。限于篇幅，本文主要对S-EOF1 进行分析。

图6 P1 阶段（1951～1984 年）中国（a、c）前冬、（b、d）后冬气温距平S-EOF 分解（a、b）第一、（c、d）第二模态标准化时间序列回归到气温场的空间分布及S-EOF1（e）标准化时间系数（SPC1）和（f）小波功率谱。图a-d 中，实、虚等值线表示正、负值；深、浅阴影分别表示通过99%和95%的置信水平。图f 中，黑线表示小波变换的影响锥曲线，红色实线表示通过95%的置信水平，红色虚线为95%置信水平的红噪声检验，蓝色实线表示小波全谱Fig. 6 Spatial distributions of (a, b) the first and (c, d) second S-EOF mode regression on surface air temperature for (a, c) early and (b, d) late winter,(e) normalized principal component (SPC1) and (f) wave power spectrum of the first S-EOF mode over China during P1 period (1951-1984). In Figs.a-d, solid (dashed) contours represent positive (negative) values; dark and light shadings indicate the 99% and 95% confidence levels, respectively. In Fig. f, the black thick lines are the influence cone curve of wavelet transform; the red solid line represents 95% confidence level; the red dashed line represents 95% confidence level of the red noise test; the blue solid line is global wavelet power spectrum

S-EOF1 模态对应的标准化时间系数（图6e）显示比较清楚的年际变化特征。对时间系数进行小波功率谱分析，主要有2～3 a 和7～10 a 周期，其中2～3 a 周期最为显著，通过95%置信水平的红噪声检验，主要发生在20 世纪50 年代和60 年代中后期；7～10 a 周期主要发生在1970 年后，没有通过显著性检验（图6f）。

图7 为冬季气温前冬和后冬S-EOF1 模态典型正、负异常年的大气环流合成差值场。当冬季气温出现前冬冷后冬暖的特征时，前冬，海平面气压场上欧亚大陆中高纬度地区为显著正异常，北极地区为负异常，西伯利亚高压明显偏强；北大西洋北部地区为显著正异常，冰岛低压偏弱；北太平洋涛动（NPO）处于正位相，即阿留申低压和夏威夷高压同时增强，均通过95%的置信水平，导致东亚—北太平洋地区海陆气压梯度增大，东亚冬季风增强，有利于我国冬季气温大范围偏低（图7a）。后冬，欧亚大陆中高纬度地区环流异常较前冬减弱，北极地区维持负异常，强度较前冬减弱；乌拉尔山地区转为显著负距平中心，负值区域向东南延伸至贝加尔湖附近；NPO 维持正位相，阿留申群岛仍为负距平，但强度减弱；北大西洋北部地区转为负距平中心，冰岛低压加强，通过95%的置信水平。该特征显示后冬北方地区维持弱冷的主要环流信号来自NPO 特征的维持，而北大西洋到欧亚地区的环流经向度减弱，影响我国冷暖的信号出现不一致，从而使得我国后冬偏冷的可能性减弱，出现有利于偏暖的转折特征（图7d）。

对流层中层500 hPa 高度场显示，前冬，从大西洋北部—西欧—乌拉尔山至东亚北部地区表现为“+ - + -”的典型欧亚型（EU）大气遥相关正位相（Wallace and Gutzler, 1981; 汪宁等, 2017）特征。欧亚中高纬地区的环流异常特征显著，呈“西北高东南低”的空间分布，乌拉尔山附近的广大地区为正距平，而贝加尔湖以东和以南到我国30°N 附近的大部分地区为负距平中心，均通过99%的置信水平，副高偏弱偏东。乌拉尔山高压偏强，东亚大槽加深且位置偏西，有利于引导冷空气影响我国大范围地区（图7b）。后冬，欧亚中高纬度地区异常信号较前冬减弱，为弱的欧亚型（EU）大气遥相关型负位相。乌拉尔山以西转为显著负距平中心，高压脊减弱，但是仍通过95%的置信水平，负距平区域向东南延伸至我国中西部地区；贝加尔湖以东至鄂霍茨克海地区为正距平，东亚大槽较前冬变浅东移，副高偏强偏西，我国东部地区为高度场正异常（图7e）。环流特征显示冷空气活动明显减弱，导致气温偏低程度较前冬减弱，我国西北部地区上空受高度场负异常的影响，而南方地区受高度场正异常的控制，有利于北方地区气温维持弱冷状态，而南方地区气温转暖（图6b）。

许多研究指出，东亚高空急流是影响中国冬季气温的重要环流系统（高辉, 2007; 杨辉和李崇银,2008; 况雪源等, 2009; 彭京备等, 2020），东亚副热带西风急流偏强时，东亚冬季风增强（Yang et al.,2002; Jhun and Lee, 2004; 况雪源等, 2008; Liu et al.,2012）。对流层上层200 hPa 纬向风场显示，前冬，欧亚地区自北向南呈现“+ - + -”的距平分布（图7c），大部地区可通过99%和95%的置信水平；东亚上空40°N 南北两侧纬向风异常符号相反，即东亚温带急流区为显著东风异常，副热带西风急流区为显著西风异常，纬向风大值中心位于日本群岛及其以西地区，东亚温带急流偏弱，副热带西风急流偏强，有利于产生气旋式环流异常进而导致东亚大槽加深，同时在20°N 以南的南亚和东南亚地区上空为东风距平，即副热带急流区南侧纬向风偏弱，产生反气旋式环流异常，进一步导致东亚冬季风增强，有利于冷空气南侵而使我国气温偏低（贺圣平和王会军, 2012; 姚慧茹和李栋梁, 2013a, 2013b）。后冬，东亚副热带西风急流区的西风异常强度减弱，显著性也相应地减弱，西风距平范围向北扩大至60°N附近，从而不利于冷空气大规模南侵；热带地区的东风距平范围随着副热带西风急流的北推而向北扩大至30°N 附近，有利于我国南方气温的回升（图7f）。

图7 P1 阶段（1951～1984 年）中国前冬S-EOF 优势模态典型正、负异常年的合成差值场：（a）海平面气压场（间隔：2 hPa）；（b）500 hPa 位势高度场（间隔：20 gpm）；（c）200 hPa 纬向风场（间隔：2 m/s）。深、浅阴影分别表示通过99%和95%的置信水平。图c 中，红色轮廓线表示200 hPa 纬向风30 m/s 的气候平均值。（d-f）同（a-c），但为后冬的合成差值场Fig. 7 Composite differences between the typical positive and negative anomaly years of S-EOF dominant mode in EW (early winter) over China during P1 period (1951-1984): (a) Sea level pressure (contours interval: 2 hPa); (b) 500-hPa geopotential height (contours interval: 20 gpm); (c) 200-hPa zonal wind (contours interval: 2 m/s). Dark and light shadings indicate 99% and 95% confidence levels, respectively. In Fig. c, the red contour denotes the climatic mean of the 200-hPa zonal wind with the value of 30 m/s. (d-f) As in (a-c), but for the composite differences in LW (late winter)

上述分析显示P1 阶段S-EOF1 模态对应的正异常年，对流层低中高层环流异常的显著性在前冬明显高于后冬。前冬和后冬对流层高中低层均表现出一致的季节内变化特征。前冬，冬季风环流整体偏强，有利于全国大部地区气温偏低；后冬，欧亚地区对流层环流发生较大调整，冬季风环流整体减弱，其中西北太平洋地区对流层中高层的环流调整更明显，副热带高度场增强，热带东风急流北扩，有利于我国南部地区气温升高，造成季节内反位相变率增大。负异常年对应的特征亦成立。

4.2 1986 年之后（1996～2019 年）冬季气温季节内变率的优势模态及环流特征

图8 给出1986 年之后（P2 阶段，1996～2019 年）前冬、后冬气温距平S-EOF 分解前两个模态，其方差贡献分别为36.1%和20.6%。SEOF1 空间分布的前后冬演变（图8a、b）显示，后冬的气温异常变化幅度更大更显著，除青藏高原东部地区外，均通过99%的置信水平，且全国气温基本为一致正异常变化型，异常变化幅度从西南至东北递增，最大值位于东北地区。前冬异常变化的幅度不显著，空间负位相和正位相差异的零分界线从青藏高原东部沿长江上游向南转到东南沿海地区。同P1 阶段类似，P2 阶段前、后冬第二模态空间分布同样存在区域性和季节内演变差异，前冬为显著冷位相，后冬为弱暖位相。限于篇幅，本文主要对S-EO1 进行分析。

从S-EOF1 模态对应的标准化时间系数（图8e）看出，该模态年际变化特征更明显，对时间系数进行小波功率谱分析，主要有2～3 a、4a 和6a 的周期，均通过95%置信水平的红噪声检验（图8f），其中4 a 周期主要发生在20 世纪90 年代后期至21 世纪前期，2～3 a 周期主要发生在2005～2010年间和2015 年前后，6 a 周期主要发生在2005～2015 年间。

图8 同图6，但为P2 阶段（1996～2019 年）的空间分布Fig. 8 As in Fig. 6, but for spatial distributions during P2 period (1996-2019)

SEOF1 模态显示，我国北方地区（除东北外）大部到华中地区在前冬为负位相，后冬为显著的正位相，即前后冬呈反位相变化；而南方地区中，西南大部前冬为正位相，后冬为负位相，即前后冬亦呈反位相变化；江南东部到华南东部前冬为正位相，后冬为显著的正位相，基本呈同位相变化。即北方和西南大部地区前后冬气温变化不一致较东南部地区更明显，前后冬气温变率更大。优势模态显示前冬北方冷（暖）转为后冬全国明显暖（冷）的可能性大，即北方的季节内反相更显著。Ding et al.（2021）的最新研究显示全球变暖后，华北地区出现强降温事件增多，从极端事件频发的角度也反映了北方地区冬季季节内气温变率增大的现象。

图9 为P2 时段前、后冬S-EOF1 典型正、负异常年的大气环流合成差值场。S-EOF1 模态对应的正异常年，我国冬季气温出现前冬冷后冬明显转暖的变化特征时，前冬海平面气压场显示极区为显著负距平，极涡偏向东北亚地区，阿留申群岛为负距平中心，通过了95%的置信水平；西伯利亚高压略偏强，但信号不显著；中南半岛、南海和西太平洋地区为正距平（图9a）。环流特征显示极地冷空气扩散，阿留申低压较强，冬季风略偏强，有利于我国北方大部气温略偏低，而西南和东南沿海受海平面气压场偏高影响，有利于气温略高，但信号不显著。后冬，欧亚大陆海平面气压为显著负异常，西伯利亚高压显著偏弱；北太平洋地区为正距平，阿留申低压填塞，南亚、中南半岛、南海到热带西太平洋地区均为正距平（图9d）。环流特征显示中高纬度冷空气势力弱，冬季风偏弱；低纬度地区为宽广的正距平，海平面气压偏强，多数地区通过95%或99%的置信水平，欧亚大陆和南部海域的“北低南高”的海平面气压异常分布显示冷空气非常弱，从而有利于我国气温异常偏高。

图9 同图7，但为P2 时段的合成差值场Fig. 9 As in Fig.7, but for composite differences during P2 period (1996-2019)

500 hPa 高度场显示，前冬极区主体为负距平，极涡中心伸展至鄂霍茨克海地区，60°N 以北为负距平区，负距平中心通过95%的置信水平；环绕极区的60°N 以南中纬度地区为正距平区，呈“北低南高”的分布，乌拉尔山及以西高度场略偏强，但异常不显著；印度洋到西太平洋的低纬度地区高度场异常偏强（图9b）。这种分布有利于弱冷空气活动，从而造成北方弱冷，南方弱暖的特征。后冬，欧亚大陆高中低纬度地区环流异常显著，欧亚大陆中高纬度地区表现为类似极地—欧亚型（POL 型）遥相关（Barnston and Livezey, 1987）的南北向偶极子分布形态，50°N 以北为负距平区，50°N 以南为正距平区，异常信号显著，大部分地区通过99%的置信水平，乌拉尔山地区为显著负距平区，正距平中心从巴尔喀什湖延伸到贝加尔湖及日本群岛上空，东亚大槽填塞，欧亚以纬向型环流为主，同时低纬度地区高度场异常偏强，冷空气活动非常弱，有利于我国气温显著偏高（图9e）。

对流层上层200 hPa 纬向风场显示，前冬东亚副热带高空急流的异常不显著，西段偏强，东段偏弱（图9c），温带急流略偏强，二者的锋区主要影响我国北方地区。后冬东亚副热带西风急流总体偏弱，其中东段通过95%的置信水平，温带急流异常偏强，通过99%的置信水平，抑制冷空气南下，有利于我国气温显著偏高（图9f）。前冬与后冬在低纬度地区没有显著性差异。

上述分析显示，从前冬到后冬，对流层高中低层表现出比较一致的季节内变化特征，且对流层中低层环流季节内异常的显著性更强，后冬气温和环流异常的显著性明显高于前冬。前冬到后冬的欧亚中高纬度环流发生较大调整，而低纬度的环流变化不大，因此对应模态的正异常年，我国北方地区前冬冷到后冬明显转暖，季节内反位相变率大，而南方地区为弱暖到暖，季节内变率较小。

以上两节的分析表明，不同年代际背景下冬季气温季节内变化前后不一致的特征在增强，季节内大部分地区的反位相变化成为优势模态，这一结论与表3 分析的1986 年前后中国前冬、后冬气温显著异常年数统计结果基本一致。该结果显示在不同气候变化背景下考虑冬季季节内变化特征与以往的研究（韦玮等, 2014, 2020; 孙健等, 2019）有所不同，分别在P1 和P2 时段内进行S-EOF 分析，去除了年代际差异的影响，更多地体现出年际变化分量，季节内变化特征也更加突出。祁莉和泮琬楠（2021）将东亚气温历史数据进行去趋势和去气候态处理，再进行S-EOF 分解，也获得S-EOF1 为冬季季节内气温前后反相的结果。

P1、P2 时段，冬季气温的季节内变化受到冬季风环流系统关键成员的季节内变率的影响。P1时段的前冬东亚冬季风环流异常幅度大，而P2 时段后冬环流异常显著。根据朱艳峰（2008）定义的冬季风指数，分别计算两个时段优势模态标准化时间系数（PC1）与冬季风指数的相关，二者在P1时段前冬的相关系数为0.85，P2 时段后冬的相关系数为-0.77，均通过99.9%的置信水平；但二者在P1 时段后冬与P2 时段前冬的相关性均不显著，与上述对大气环流系统的分析一致。

文中重点分析了两个时段优势模态对应的正异常年气温变化（P1 时段前冬强冷、后冬弱暖和P2时段前冬弱冷、后冬强暖）及冬季风环流特征，对于相反的演变模态，冬季风环流异常空间分布分别与上述分析相似，但距平符号相反。

5 总结与讨论

本文利用中国160 站月平均气温和再分析数据，通过分析冬季各月之间气温的相关及稳定性，确定12 月为前冬，1 月、2 月为后冬。根据前、后冬气温增暖趋势的突变特征确定1986 年之前和之后为两个年代际变化阶段。进一步利用S-EOF 方法研究不同年代际时间尺度下冬季季节内气温变化的优势模态以及相应的关键环流系统异常特征。1986 年前/后S-EOF1 的方差贡献均为36.1%，对应的标准化时间系数显示清楚的年际变化特征，但空间分布特征及时间演变规律有很大差异。冬季气温的季节内变化受冬季风系统的季节内调整影响显著，1986 年之前，前冬东亚冬季风环流异常幅度显著；1986 年之后，后冬的环流异常幅度显著。主要结论如下：

（1）1986 年之前，S-EOF1 空间分布显示前冬的气温异常变化更显著，北方地区前冬为显著的负位相，后冬为弱的负位相，前后冬呈同位相变化；而南方地区前冬为显著的负位相，后冬为弱的正位相，前后冬呈反位相变化，即南方地区前后冬气温变率更大。优势模态对应的正异常年，北太平洋涛动（NPO）从前冬至后冬维持正位相，而欧亚型中高纬度大气遥相关（EU）从正位相转为弱的负位相，西伯利亚高压由强变弱，西风急流由偏强偏南转为偏弱，对流层高中低层的环流异常均为一致的季节内变化特征。后冬，欧亚地区对流层环流发生较大调整，冬季风环流整体减弱，其中西北太平洋地区对流层中高层的环流调整更明显，副热带高度场增强，热带东风急流北扩，有利于我国南部地区气温升高，造成南方地区季节内反位相变率增大。

（2）1986 年之后，S-EOF1 空间分布显示后冬的气温异常变化更显著，我国北方地区（除东北外）大部到华中地区在前冬为弱的负位相，后冬为显著的正位相，即前后冬呈反位相变化；而江南东部到华南东部前冬为弱的正位相，后冬为显著的正位相，基本呈同位相变化；即北方大部地区前后冬气温变率更大。优势模态对应的正异常年，欧亚大陆中高纬度地区南北向偶极型遥相关增强南移，低纬度热带海洋地区的环流异常维持显著性，即前冬和后冬的环流差异集中在欧亚大陆中高纬度区，其中对流层中低层的环流异常更显著；导致我国北方从前冬维持弱冷转为后冬的明显偏暖，造成北方地区季节内反位相变率增大。

本文分析了不同年代际时间尺度我国冬季气温季节内变化的新特征，并对相应的冬季风环流系统季节内变化异常进行了分析。冬季风环流系统还将受到其他环流异常和外强迫因子异常的影响。有研究显示海温和北极海冰作为全球气候系统的重要组成部分，是影响大气环流异常的重要因素，对我国冬季气温变化有重要的调制作用（陶诗言和张庆云, 1998; 张庆云和王媛, 2006; Wu et al., 2011, 2015;Li and Zhang, 2013, 2015），北大西洋涛动和ENSO 事件也可能是造成东亚冬季气温前、后冬反相的影响因子（祁莉和泮琬楠, 2021），有必要深入探讨不同年代际时间尺度下，影响冬季气温季节内演变的物理机制和外强迫信号，以期为冬季气候预测业务提供前兆信号和可预报性信息。