2008—2019年东亚冬季风强度的预测检验及结果分析

邵祺多 涂 钢 苏丽欣 杨 旭

（1.吉林省气象科学研究所，吉林长春 130062；2.中高纬度环流系统与东亚季风研究开放实验室，吉林长春 130062；3.长白山气象与气候变化吉林省重点实验室，吉林长春 130062）

1 引言

东亚冬季风是全球季风环流系统中重要的组成部分，其强度异常与东亚冬季温度的冷暖异常、寒潮活动密切相关。 1980s 全球变暖以来，我国冬季增暖明显，2000s 前后增暖进入停滞期， 东亚冬季风强度在1980s 中期进入偏弱阶段， 在1990s末向年代际偏强转变， 与我国冬季温度的年代际变化呈反相关关系[1]。研究指出，受西伯利亚高压、阿留申低压加强的影响，1990s 末东亚冬季风发生了明显的年代际跃变， 其年际变化也发生了较大改变[2]。 近年来，东亚中高纬地区极端低温破纪录事件频发，2009年冬季受强冷空气影响， 东北地区出现极端降温事件[3]。 2010年和2011年冬季低温记录在东亚地区屡屡出现， 有研究指出我国冬半年极端低温事件频数也与东亚冬季风异常存在密切关联[4]。

基于ILiu与东北冬季温度显著的负相关关系，自2008年以来， 吉林省气象科学研究所依据ILiu及其预测方法开展了东亚冬季风强度和东北冬季温度的预测， 发布科研参考信息至省内业务部门及相关管理部门， 为本省冬季气候预测提供了重要参考。 近年来，在预测业务实践中发现，预测指数与实况的符号一致性变差，预测结果不理想，这可能与1990s 末东亚冬季风的年代际转变有关。因此开展2008—2019年ILiu的预测检验及结果分析十分必要。

2 资料与方法

本文所应用的数据资料包括： 美国国家环境预报中心（National Centers for Environmental Prediction，NECP）、 美国国家大气研究中心（National Center for Atmospheric Research，NCAR）[9]提供的1961—2019年分辨率为2.5°×2.5°的逐月海平面气压、位势高度场再分析资料；美国国家海洋和大气管理局 （National Oceanic and Atmospheric Administration，NOAA） 提供的1961—2020年2°×2°海表温度（sea surface temperature，SST）扩展重建资料，1982—2020年1°×1°最优插值海温资料中的逐月海冰密集度资料[10]。月平均温度资料来自0.25°×0.25°分 辨 率 的 格 点 化 数 据 集CN05.1，CN05.1 是一套基于中国2 416 个地面气象台站的气温和降水观测资料，此数据集通过“距平逼近”方法，由薄板样条插值的气候平均场和“角距平权重法”插值的距平场叠加得到[11]。

刘实定义的东亚冬季风强度指数计算方法如公式（1）所示，其中P 代表海平面气压；“*”代表对序列进行标准化。 文中的冬季是指当年12月至次年2月。 东北地区定义为包含东北三省、内蒙古三市一盟在内的区域（114.75°E—135.25°E，37.75°N—54.25°N）。 符号一致率为预测与实况符号一致的年份占总年份数的比例； 符号一致是指预测指数序列（如文中ILiu的预测指数、预测因子序列）与实况指数序列乘积的符号与两者相关系数的符号一致。

3 东亚冬季风强度指数（ILiu）的预测检验及结果分析

3.1 东亚冬季风指数（ILiu）的预测检验

原预测方法基于ILiu指数从1961—2000年外强迫场和大气环流信号场选取了3 个预测因子进行建模，在2001—2007年东亚冬季风强度指数的试报中符号准确率为71.4%（5a/7a）[8]。 在业务上，于2008—2009年对东亚冬季风强度进行了试预测，2010年起正式开展冬季风的预测业务， 并根据ILiu与东北冬季温度的负相关关系，提供对东北冬季温度的定性预测结果。

2001—2019年ILiu实况与原预测指数[8]的计算结果如图1 所示，2008—2019年预测指数与实况的符号一致率只有25%（3a/12a）， 预测指数在2011—2018年与ILiu连续反位相。 检验结果表明，在东亚冬季风发生年代际跃变后，ILiu实况与其预测指数的一致性不理想。由此值得思考，基于预测指数的东北冬季温度预测是否仍具有指示意义，ILiu对东北冬季温度的反映是否也发生了变化。

图1 2001—2019年东亚冬季风强度指数ILiu（黑色）与预测指数（灰色）对比

3.2 东亚冬季风强度指数ILiu 与东北冬季温度的关系

图2为ILiu与同期东北冬季气温的相关场，ILiu与中国东北大部分地区的冬季温度呈超0.001 显著性水平的负相关关系， 在负相关关系稍弱的小兴安岭地区相关系数也通过了0.05 显著性水平的检验。 对比1961—2000年 （图2a） 与1981—2019年（图2b）两个时段的相关场可知，近40年来ILiu与辽宁、黑龙江北部、吉林省东部的负相关关系有所减弱，与内蒙古呼伦贝尔、吉林省中部地区的负相关关系增强。 以上结果表明，ILiu与东北冬季温度在近几十年依然有较强的负相关关系。

图2 1961—2000年（a）、1981—2019年（b）东亚冬季风指数与中国冬季气温的相关场（打点区域代表相关系数通过了0.001 的显著性水平检验）

为对比ILiu与东北地区冬季温度相关关系的年代际变化，将ILiu与东北区域平均的冬季温度及逐月平均温度做40a 滑动相关（图3，与原预测方法的建模时段时间长度相同）。 可见ILiu与冬季平均温度负相关关系最好， 相关系数平均为-0.64。在季节内与2月的平均温度负相关关系最好，平均为-0.57；与12月的负相关关系最差，平均为-0.42（通过0.01 的显著性水平检验）。从年代际变化上看，ILiu与冬季、以及逐月平均温度的40a 滑动相关系数的变化趋势基本一致，在2000—2010年40a 滑动的负相关关系均呈减弱趋势， 而后负相关增强且相对稳定。说明ILiu与东北冬季及冬季逐月平均温度在年代际变化上具有很好的负相关关系，且此关系处于年代际增强的背景下。

图3 1961—2000年ILiu 分别与东北冬季、12月、1月、2月温度的40a 滑动相关系数（绿色、黄色虚线分别为0.01、0.001 显著性水平的相关系数临界值）

在实际预测业务中，ILiu与冬季温度距平的符号一致率也具有很强的实际意义， 反映了两者在年际变化尺度上的一致性。 东北区域平均的冬季温度距平与ILiu的年际变化如图4 所示， 在ILiu>1的年份（即冬季风强年），均对应了冬季温度超过1℃的负异常，表明在冬季风强年，此指数很好地反映了冷气团南下导致的东北区域温度异常偏冷；在ILiu<-1 的年份（即冬季风弱年），除1972年、1978年、1982年、1986年外， 对应了东北冬季温度的正异常，说明ILiu也较好地反映了冬季风弱年的暖冬事件。

在应用互联网金融进行融资时，互联网金融机构需要对中小企业有深入认识，防止中小企业在融资完成后，一些人员将资金挪作他用，这会对互联网金融机构造成重大损失，然而当前的融资体系中，并未针对这些中小企业建设监管平台，导致互联网金融机构对中小企业的了解程度不足，从而降低了投资数额。另外对于各类互联网机构来说，中小企业也需要对这些机构的从业资质、经济实力等方面有全面了解，但是当前金融市场中广泛存在的问题为信息不对称，这让中小企业处于融资中的不利地位，容易对中小企业的权益造成损害。

图4 1961—2020年ILiu 与东北冬季温度距平的年际变化

若规定ILiu>0.5σ（σ 代表标准差）的年份为冬季风偏强年，ILiu<-0.5σ 的年份为冬季风偏弱年，-0.5σ

表1 1961—2019年ILiu 与东北冬季、12月、1月、2月温度距平的符号拟合率 %

综合以上分析可知，近年来ILiu对东北冬季温度的负相关关系增强， 可很好地反映东北冬季温度的年代际、年际变化，尤其在冬季风偏强年，ILiu与冬季温度的负异常有很好的对应， 在冬季风偏弱年和正常年，ILiu对冬季温度的预测存在不确定性。

3.3 东亚冬季风强度指数ILiu 与其前兆因子的变化分析

图5a 为ILiu实况与预测指数变化趋势的对比，两者均表现出明显的年代际变化，冬季风强度在1990s 初转为增强趋势，1990s 末由偏弱向偏强增长； 预测指数在2010年之前与ILiu的变化趋势基本一致， 但在2010年左右预测指数呈下降趋势，转为负异常，与实况的变化趋势出现差异，与前文的检验结果一致。在1961—2000年原预测方法的建模时段， 预测指数与ILiu的相关系数为0.7（表2），拟合效果理想，但1961—2019年两者的相关系数降为0.46，1990—2019年仅为0.26，两者相关关系呈明显衰减。

图5 1961—2019年ILiu 与预测指数（a）及预测因子（b）的时间序列（实线为9a 滑动平均）

表2 原东亚冬季风预测因子、预测指数与ILiu 的相关系数

为分析其中原因，对原预测因子做9a 滑动平均（图5b），在原预测方法的建模期间预测因子与ILiu的变化趋势较为一致， 但在2010年后北太平洋—北美—北大西洋环流型（简称：PAA 型）指数、黑潮及延伸区SST 与ILiu变化趋势的一致性变差，热带西印度洋SST 呈持续增长趋势，自20 世纪初与ILiu的负相关关系明显变差。 从ILiu与各预测因子在不同时段的相关系数上看（表2），近年来各预测因子与ILiu的相关关系均有所减弱，海洋信号的衰减最为明显，热带西印度洋SST 与ILiu已由负相关转为了正相关， 这是导致预测指数近十年来持续负异常的主要原因。 2001—2019年原预测因子黑潮及延伸区SST、热带西印度洋SST、PAA 型指数与ILiu的符号一致率分别为57.9%、47.3%、47.3%，后2 个因子对冬季风强度年际变化的反映并不理想。

综上所述， 原统计预测方法在建模期间拟合效果较好，在2000—2010年也得了较好的预测结果， 然而预测因子的年代际变化导致了预测因子与ILiu的相关关系明显减弱， 进而导致2010年后预测结果不理想。

4 预测方程的修正与试报

4.1 预测因子的选取

针对以上检验结果和原因分析， 本节将尝试对预测方程进行修正。 考虑到海冰密集度资料的时间长度，本文以1982—2011年作为预测因子筛选和预测方法建模的时段；以2012—2019年作为试报时段；预测因子的选取标准沿用原预测方法，既尽量保证各预测因子间不显著相关。

基于1982—2011年ILiu与9—10月海表温度（图6a）、10月500hPa 位势高度（图6b）的相关场对关键区进行重新选择， 图中绿色框内为原关键区， 粉色框内为新选取的关键区。 黑潮及延伸区SST 与ILiu的正相关关系较为稳定， 且在近30年相关关系增强，正相关区域范围扩大，选取原关键区东北方向的高相关区域作为新的黑潮关键区（172°E—182°E，28°N—32°N）； 热带中东太平洋SST 与ILiu的负相关增强，Nino3 区SST 可继续作为前兆因子。 在此基础上，选取北太平洋（150°W—138°W，42°N—48°N）、 南太平洋 （80°W—72°W，28°S—18°S） 两个正相关区和印度洋 （96°E—104°E，18°S—12°S）的负相关区作为前兆因子。

图6 1982—2011年ILiu 与9—10月海表温度（a）、10月500hPa 位势高度（b）的相关场（打点区域代表相关系数通过0.05 显著性水平检验）

在ILiu与500hPa 位势高度的相关场上， 将原PAA 环流指数的4 个区域的位置进行了调整，具体范围如图6 所示，定义了IPAA2，IPAA2=（IG1+IG2-ID1-ID2）*，I 表示500hPa 位势高度的区域平均值，“*”表示标准化。

近30年来， 北极海冰持续减少引发关注，统计[12]和模式结果[13]均表明北极关键海域海冰异常对后期大气环流的影响可作为气候预测的重要依据。 由ILiu与1982—2011年前秋9月、10月海冰密集度的相关场可知，ILiu与巴伦支海、喀拉海、拉普捷夫海海冰密集度的负相关关系达0.5 以上，与喀拉海的负相关关系最强， 这与前人研究中指出的喀拉海前秋海冰密集度异常与西伯利亚高压强度呈显著负相关的结论一致。因此，选取喀拉海的高相关区（77.5°N—81.5°N，68.5°E—84.5°E）作为海冰信号场的前兆因子。

ILiu与上述前兆因子的相关系数、符号一致率如表3 所示，除北太平洋SST 外，其他前兆因子与ILiu的相关系数均通过0.05 显著性水平的检验。喀拉海海冰因子与ILiu的相关最强，IPAA2次之。 喀拉海海冰因子与ILiu的符号一致率最好， 达80%；印度洋SST 次之。各因子间的相关性也较强，黑潮区SST 与全部海洋、大气、海冰因子显著相关；海冰因子与黑潮延伸区SST、IPAA2显著相关。

表3 1982—2011年各前兆因子与ILiu 的相关系数和符号一致率

4.2 预测方程的建立与试报

基于以上对前兆因子的分析， 建立了三组预测方法（表4），以预测指数IA为例，计算方法如公式（2）所示，I1、I2、I3为表5 中IA的3 个预测因子标准化后的时间序列，r1、r2、r3为预测因子分别与ILiu的相关系数， 等式右边的负号是为保证预测指数与ILiu为正相关关系。

从3 组预测方法的拟合结果（表4）上看，建模期间3 个预测指数与ILiu的相关系数均通过0.001 显著性水平的检验， 符号一致率均超过80%，其中IA与ILiu的相关系数最高，IB与ILiu的符号一致率最高，拟合效果较好。

表4 3 组预测方法对应的预测因子在建模期间的拟合结果

应用3 组预测方法对2012—2019年冬季风强度进行试报，试报结果如表5 所示。 3 组预测方法对ILiu的正异常年份预测效果好，但对冬季风负异常的2014年、2016年、2019年预测失误， 其中预测指数IC的预测符号一致率最高，对2014年负异常预测正确，IA与IC在2016年预测结果接近中性。

表5 3 组预测方法的试报结果

5 结语

（1）2008—2019年东亚冬季风预测指数的检验结果显示， 预测指数与实况的一致性较差，2008—2019年两者的符号一致率为25%。

（2）ILiu对东北冬季温度预测依然具有很好的指示意义， 是东北冬季气候预测业务中的重要参考。 近年来，ILiu与东北大部分地区的冬季温度依然呈通过0.001 显著性检验的负相关关系， 与东北区域冬季及冬季月平均温度的负相关关系处于年代际增强的背景下。 在东亚冬季风偏强年，ILiu对东北冬季温度负异常的反映最好， 与温度距平的符号一致率高达94.7%， 而在冬季风正常年仅为45.0%。在季节内，ILiu与2月温度距平的相关系数、符号一致率均为最高，其次为1月。利用ILiu预测东北冬季温度异常存在不确定性。

（3）通过对预测指数、预测因子与ILiu的相关分析可知，2010年前后，原预测因子与ILiu的变化趋势出现明显差异， 与ILiu的相关关系明显减弱，其中热带西印度洋SST 与ILiu相关关系已发生转变，导致了预测指数在2010年后与实况的一致性变差。

（4） 沿用原有的统计预测方法重新选取关键区，并引入海冰密集度作为预测因子，试报结果得到明显改善。 可见，为得到理想的预测结果，需适时调整关键区以使预测指数与预测因子的相关关系维持较好的稳定性， 同时近年来海冰减少对东亚冬季气候系统的影响应予以考虑。

（5）本文重点讨论了ILiu的预测检验和结果分析，尝试调整了前兆因子，建立的三组预测方法在试报期间符号拟合率最高仅为75%， 尝试将文中所选预测因子去线性趋势后再与ILiu建模，发现预测结果并未得到改善， 可见仅以统计方法实现更高符号准确率的预测仍具有一定的难度， 面对业务应用需求存在着较大的改进空间。 未来应对前兆因子的影响机制作深入探讨， 对统计方法做出改进，或考虑融合气候模式产品开展预测。