基于热带和热带外独立影响途径的中国东部冬季阴天频次的季节预测.pdf

9895.2112.21117Tropical and Ex-tropical Influence RoutesJ.Chinese Journal ofAtmosphericSciences(in Chinese),47(3):683-697.doi:10.3878/j.issn.1006-ZHU Zhiwei,JIANG Wei,et al.2023.Seasonal Prediction of the Variation of the Winter Cloudy DaEasternChinaBasedontheTANHui,谭辉，朱志伟，蒋薇，等.2 0 2 3.基于热带和热带外独立影响途径的中国东部冬季阴天频次的季节预测J.大气科学，47(3):6 8 3-6 9 7.May20232023年5月Chinese美SciencesVol.47 No.3学科第47 卷第3 期基于热带和热带外独立影响途径的中国东部冬季阴天频次的季节预测谭辉1朱志伟1蒋薇2郝立生3李琳菲11南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室/气象灾害预测预警与评估协同创新中心，南京2 10 0 442江苏省气候中心，南京2 10 0 413天津市气候中心，天津3 0 0 0 7 4摘要本文利用中国东部10 7 8 个测站19 6 12 0 0 3 年逐日云量数据资料，揭示了中国东部冬季阴天频次主模态的时空分布特征，探讨了其形成的两条独立影响途径，并根据影响机理建立了季节预测模型。结果表明：（1）中国东部冬季阴天频次的经验正交函数分解第一模态独立且显著，解释了其59%的总方差。该模态基本呈现空间一致型的分布，表现出显著的年际变率特征。当该模态为正位相时，北太平洋对流层低层存在显著的大尺度反气旋环流异常，其西侧异常偏南风能够将热带海洋的水汽输送至中国东部地区，导致该地区阴天频次增多。（2）前期8 月和9 月北太平洋副热带持续性海温异常的纬向偶极型分布（NPD）和副热带北大西洋海平面气压9至11月的短期变化（LPA）是该模态的两个主要驱动因子。当NPD中的西极为冷异常时，在局地低层气旋性异常环流的作用下冷海温异常向南平流，发展至热带西太平洋。而当热带西太平洋冷海温异常形成后，皮耶克里斯反馈作用能够发展和维持太平洋“西冷东暖”海表温度异常分布。“西冷东暖”的海表温度异常导致的热带纬向偶极型对流异常能够进一步激发北太平洋“北正南负”的偶极型高度场异常。北部反气旋异常西侧的偏南风有利于水汽输送至中国东部，从而导致阴天频次增多；LPA主要反映的是中高纬准定常罗斯贝波列由秋季至冬季的迅速转变。当副热带北大西洋海表面气压在前秋由正转负时，罗斯贝波列在东北亚上空冬季形成准正压的异常反气旋，其西侧偏南风异常同样能够导致中国东部阴天频次增多。（3）依据以上热带和热带外的两条独立影响机理途径，我们建立了具有物理意义的季节预测模型，利用2 0 0 42 0 13 年间数据进行独立预测获得良好预测效果，可供业务预测部门参考和借鉴。关键词中国东部冬季阴天频次热热带和热带外影响向季节预测文章编号10 0 6-9 8 9 5(2 0 2 3)0 3-0 6 8 3-15中图分类号号P466文献标识码马Adoi:10.3878/j.issn.1006-9895.2112.21117Seasonal Prediction of the Variation of the Winter Cloudy Day Frequencyin Eastern China Based on the Tropical and Ex-tropical Influence RoutesTAN Hui,ZHU Zhiwei,JIANG Wei,HAO Lisheng,and LI Linfei收稿日期2021-12-23；网络预出版日期2022-02-28作者简介谭辉，男，19 9 9 年出生，博士研究生，主要从事东亚季风变异及其预测研究。E-mail:通讯作者朱志伟，E-mail:资助项目国家重点研发计划项目2 0 18 YFC1505601，国家自然科学基金项目42 0 8 8 10 1，江苏省大学生创新创业训练项目2 0 19 10 3 0 0 0 9 8 Y，中国气象局预报员专项CMAYBY2020-053Funded byNational Key R&D Program of China(Grant 2018YFC1505601),National Natural Science Foundation of China(Grant 42088101),Undergraduate Training Programs for Innovation and Entrepreneurship of Jiangsu Province(Grant 201910300098Y),Special Programfor Forecasters of China Meteorological Administration(Grant CMAYBY2020-053)684Vol.47Chinese JournalericSciences大47卷学科1 Key Laboratory of Meteorological Disaster,Ministry of Education/Joint International Research Laboratory of Climate and EnvironmentChange/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters,Nanjing University of Information Scienceand Technology,Nanjing2100442JiangsuClimateCenter,Nanjing2100413TianjinClimate Center,Tianjin300074Abstract The temporal-spatial characteristics of the leading mode of winter cloudy day frequency(CDF)across easternChina are revealed via Empirical Orthogonal Function(EOF)analysis of daily cloud cover obtained from 1078 gaugestations in eastern China from 1961 to 2003.We identified the two influence routes of this leading mode,which we usedto conduct a physical-motivated empirical model to the seasonal forecast of the winter CDF in eastern China.The resultsdemonstrate that:(1)The first EOF mode of winter CDF explains 59%of the total variance,which is significant andindependent of the other modes.This mode primarily demonstrates a homogenous spatial pattern across eastern Chinawith dominating interannual variability.In the positive phase of this mode,a significant lower-level anticycloniccirculation anomaly occurs across the North Pacific.The anomalous southerly wind across the western flank of theanticyclonic could transport water vapor from the tropical ocean to eastern China,resulting in higher CDF.(2)thepreceding persistent North Pacific dipole(NPD)pattern during August and September,and lowering of sea level pressureacross midlatitude North Atlantic(LPA)from September-November are the two independent drivers for the formationand variation of this mode.The cold SSTA in the western pole of the NPD is advected southward to the tropical westernPacific using the anomalous northerly of the local low-level anomalous cyclone,forming the Bjerknes feedback,whichmaintains and accelerates the“cold west warm east zonal SSTA dipole pattern in the tropical Pacific.This tropicalPacific zonal SSTA pattern stimulates zonal convection dipole,which induces a meridional atmospheric teleconnection inthe North Pacific.The anomalous North Pacific anticyclones southerly is conducive to more CDF in eastern China.TheLPA demonstrates the transition of a quasi-stationary Rossby wave train in mid-high latitudes Eurasia from autumn towinter.In winter,the southerly on the west of the barotropic anticyclonic anomaly across Northeast Asia,the terminal ofthe Rossby wave train,could result in increased CDF in eastern China.(3)Based on these two independent routes ofphysical mechanisms from both tropics and ex-tropics,a physics-motivated empirical model is conducted,whichdemonstrates potential independent prediction skill during the ten years of 2004-2013.The results are essential referencesfor operational departments on seasonal prediction.KeywordsEastern China,Winter cloudy day frequency,Tropical and ex-tropical forcing,Seasonal prediction1引言中国东部是人口密集区，也是工农业高度发达的地区。受东亚冬季风影响，中国东部冬季气候存在显著变率（Zhouetal.,2010），冬季气候异常对国家的经济发展、交通运输、人民日常生产生活都有重大影响。例如，2 0 0 8 年初中国南方持续性冰冻雨雪使得农作物大面积绝收/收、南方大部省份电网瘫痪、交通运输停滞，12 9 人因灾死亡，直接经济损失超过150 0 亿元（Wenetal.，2 0 0 9;Zhangetal.,2021）。厘清中国东部气候变率的规律特征、理解其物理成因具重要科学意义，也是进一步提高其短期气候预测水平的重要前提。针对中国冬季气候变率的研究已有很多。在气温变率的研究方面，Chenetal.（2 0 13）指出中国东部极端暖（冷）日数在19 8 0 s中期显著增多（减少），这种极端暖（冷）日数的趋势与东亚冬季风的年代际变化有关。Guoetal.（2 0 16）通过经验正交函数分解揭示了中国冬季地表温度存在两个主模态，指出西伯利亚高压、北极涛动以及拉尼娜型海表温度异常能够在中国东部沿海激发异常偏北风，导致中国全区地表气温一致偏冷的第一主模态；而与源于北极和地中海的两条遥相关波列相关的大气环流异常能够导致中国地表气温第二主模态的南北偶极型异常分布。ParkandAhn（2 0 16）指出北极涛动和西太平洋遥相关都位于负位相时，北太平洋会出现异常气旋并向西南移动，其西侧的偏北风将高纬度冷空气向南平流输送，使得中国东部冬季地685No.3TAN Hui et al.Seasonal Prediction of the Variation of the Winter CloudyinEastern谭辉等：基于热带和热带外独立影响途径的中国东部冬季阴天频次的季节预测3期表气温异常偏低。此外，全球变暖（Thirumalaietal.,2017）以及北极海冰的消融（Wuetal.,2011）也对东亚温度异常有重要影响。除冬季温度变率研究外，针对中国冬季降水时空特征规律也有广泛研究（Leeetal.,2013;Zhangetal.,2015）。中国冬季降水的第一模态表现为东部一致变化特征（王林和冯娟，2 0 11），当东亚冬季风偏弱时，来自孟加拉湾和南海的水汽会在我国南方辐合，造成降水偏多，而东亚冬季风强盛年份时，降水偏少（WangandChen,2010;Zhou,2011);中国冬季降水的第二模态为中国东部南北偶极型异常分布，该模态与亚欧大陆上空相当正压结构的大气遥相关波列联系密切，遥相关波列最终导致东亚沿岸出现异常偏北风，长江中下游地区水汽辐散、华南地区水汽辐合，从而形成在中国东部降水南北偶极型分布。除东亚冬季风影响，观测和数值模式试验都揭示了ENSO对中国冬季降水的显著影响(Zhou et al.,2010;Wang and Chen,2010;Yang andJiang，2 0 14;Z h a n g e t a l.，2 0 15）。在厄尔尼诺年，赤道中东太平洋异常偏暖海温会使西太平洋出现下沉运动，并在菲律宾海一带出现反气旋异常环流，导致中国东部冬季偏暖偏湿（Wuetal.，2 0 0 3）。而不同类型ENSO影响下东亚冬季降水的空间分布存在差异，这与沃克环流异常以及菲律宾海反气旋环流异常的位置不同有关（Fengetal.，2 0 10）。但东亚冬季风和ENSO对中国东部冬季降水影响也存在年代际变化：在19 8 0 s中期之前，受东亚冬季风的影响，中纬度西太平洋出现了反气旋异常环流，其西侧的偏南风会为中国东南部带来充足的水汽，造成该地区降水偏多；19 8 0 年代中期以后，东亚冬季风的影响开始减弱，ENSO成为影响冬季降水的主要外强迫因子（Geetal.,2016)。另外，南极涛动（钱卓蕾，2 0 14）、北大西洋涛动（Zuoetal.,2016)、亚欧大陆雪盖（AoandSun,2016）、全球变暖导致的东亚极锋急流和副热带急流的位置移动（Huangetal.,2017b）等也会对中国东部冬季降水产生显著影响。综上所述，前人关于中国冬季气候变率研究多集中于温度、降水时空分布规律及其相关大气环流异常，较少有研究关注冬季阴晴日数的变化特征及其形成机理（Yanetal.,2021）。实际上，冬季阴天能见度低、湿度大，阴天出现极端气象灾害的频率高，严重影响交通运输和生产生活（Quetal.,2015）。同时，冬季持续性阴天限制人类户外活动，也会给人体健康带来消极影响，严重时会引起抑郁、季节性情绪失调周（Seasonal Affective Disorder,SAD）等心理疾病（Clark andWatson,1988），因此，非常有必要专门开展针对冬季阴天频次变率的机理及其预测方面的研究。中国东部冬季阴天频次的时空分布特征规律如何？冬季阴天频次的驱动因子及其物理过程影响途径又是什么？利用这些驱动因子可否建立具有较好效果的统计预测模型？这是本文力求解决的三个科学应用问题。2资料和方法本文使用的数据包括：（1）中国气象局整编的2 0 7 2 个台站逐日云量数据；（2）美国国家环境预测中心/美国国家大气研究中心（NCEP/NCAR）全球逐月再分析数据集（Kalnayetal.，19 9 6），变量包括多层次风场、位势高度场，以及两米地表气温和海平面气压场，数据空间分辨率均为2.52.5；（3）美国国家海洋和大气管理局（NOAA）提供的第五套逐月全球海温重构资料（ERSSTv5，Huangetal.，2 0 17 a）以及降水距平资料（PREC,Chenetal.，2 0 0 2），空间分辨率均为2.5X2.5。本文中机理诊断分析以及模型建模训练所运用的数据时段为19 6 12 0 0 3 年，而2 0 0 42 0 13 年间的数据仅用来进行独立预测检验以及预测因子稳定性的讨论。本文中国东部定义为10 5E以东的中国区域，选取位于10 5E以东的无缺测及异常数据的10 7 8个站点作为中国东部可用站点。文中冬季定义为12月和次年1、2 月的平均。文中阴天频次定义为：当某站点当日总云量大于八成即定义为该站点出现一次阴天。某站点某一年冬季阴天频次为该站点冬季出现阴天的总和。文中采用经验正交函数分解（Emp i r i c a l O r t h o g o n a l Fu n c t i o n,EO F）（Lo r e n z,1956）的方法来提取中国东部冬季阴天频次的时空分布主模态。利用线性回归分析揭示与主模态变化相关的大尺度环流、海表（陆面）温度、对流等异常场。利用罗斯贝波活动通量诊断中高纬度准定常罗斯贝波列的传播路径（Takaya andNakamura,2001），计算公式如下：Vol.47686Chinese JurnaSciences47卷学科U（）【12+a2cos?2山acosdUpcosda?cosdW=21UIV2UN2acosdVa(1)其中，右上角撇号表示异常，z=-Hlnp，p=（气压/1000hPa)，H 表示大气标高；N2=(Rpk/H)%表示浮力频率的平方，为位温，R是干空气气体常数，k表示由恒压空气比热标准化的干空气气体常数；f=fo+y表示科氏参数；a是地球半径；和U=（U，V）分别表示流函数和风；W代表罗斯贝波波活动通量。有别于简单的统计预测建模，本文中我们仅选择具有物理意义的阴天频次变率预报因子来建立统计预测模型。这种统计预测模型更注重预测因子的可解释性（Lietal.,2018）。在建立预测模型之前，我们先普查中国冬季阴天频次与其前期下垫面异常（海表温度、地表两米气温以及海平面气压）的超前滞后相关。前期的下垫面异常包括两类信号：（1）持续信号，反映的是前期几个月的下垫面异常平均状态（例如10 月和11月下垫面异常平均），代表下垫面异常的稳定维持对后期预测对象的影响；（2）趋势信号，具体反映前期下垫面异常在几个月内的变化（例如10、11月减去8、9 月的下垫面异常），代表下垫面异常快速变化趋势对后期预测对象的影响。对这两类前期下垫面信号，我们首先挑选出有较多格点相关系数通过9 0%置信水平的相对较大的矩形区域（Leeet al.,2013），对区域内每个格点进行相关系数的加权平均，得到潜在预测因子。潜在预测因子的计算公式为：Pred=TF(lat,lon)TCC(lat,lon),onlyif|TCC(lat,lon)|0.25(p 0.10)其中，TF表示在所选定区域内每个格点在某一年的数值（海表温度、地表两米气温和海平面气压），时间相关系数（TCC）是所选定区域内每个格点的数值在训练期时段内与预测对象的相关系数，0.2 5是19 6 12 0 0 3 年间的相关系数超过9 0%置信区间的阈值。经以上步骤后，根据现有气候动力学理论及理解可以首先挑选几个具有物理意义的候选预测因子，接着利用逐步回归方法建立统计预测模型。逐步回归会保留最显著相关的预测因子并移除与该预测因子有关联的另一个预测因子，保证了预测因子的绝对重要性以及因子间的相互独立性。我们利用TCC和均方技巧得分（MSSS）来衡量模型的预测技巧好坏。TCC数值越接近1代表预测变率的技巧越高，而MSSS表示的是模型预测的均方误差（MSE）比“气候态预测”减少的百分比，正值即意味着模型预测比“气候态预测”好，数值越接近于1代表其预测误差越小。MSSS计算公式如下：MSEMSSS=1(2)MSE其中MSE为预测均方误差，而MSE.代表气候态预测均方根误差：n1MSE(m;-xi)2,(3)ni=1nMSEc:X一(4)n1这里，n代表序列长度，m代表模型预测结果，x代表观测结果，代表气候态平均。在模型训练期，我们使用t（F）检验去检验TCC（M SSS）的显著性。但由于独立预测阶段样本过小，使用常规的t（F）检验可能并不合适，因此我们也采用了非参数的bootstrap方法进行显著性检验（吴波等，2017）。以TCC的显著性检验为例，bootstrap方法有三步骤：首先，调整模型预测结果的时间序列的顺序，构造10 0 0 个随机序列；然后，计算随机序列与观测序列的相关系数，得到相关系数的概率分布；最后，计算出TCC在此概率分布中的位置，如果TCC小于2.5%的随机序列相关系数，即表明其通过了5%的bootstrap显著性检验。3阴天频次时空分布主模态及其相关异常场3.1中国东部冬季阴天频次时空分布特征图1a给出了中国东部冬季阴天频次气候态的687No.3TAN Hui et al.Seasonal Prediction of the Variation of the Winter Cloudy Day Frequency in Eastern.谭辉等：基于热带和热带天频次的季节预测3期空间分布。可以看出，中国东部冬季阴天频次的气候态整体呈现南多北少的分布，平均阴天频次可达每月9.3天。极大值中心出现在中国东部西南一带，最大值达到每月2 3.3天；40 N以北的地区阴天频次相对较少，最小值为每月仅1.1天。阴天频次的标准差分布（图1b）也呈现南方变率大、北方变率小的分布形势，但具体大值区与气候平均阴天频次（图1a）不尽相同。阴天频次变率极大值出现东南沿海一带，而40 N以北地区则是标准差的极小值带，意味着阴天频次在中国东部北方地区不仅出现的日数少且变率也较小。图2 给出了中国东部阴天频次的第一模态空间分布、相应低层环流场异常及其主成分时间序列。由图2 a可见，东部阴天频次空间分布基本呈现全(a)Climatological_CDd month-1(b)StandardDeviation_CDd month-155N55N50N2350N4.0203.545N45N173.040N40N142.535N35N112.030N830N1.525N525N1.020.520N20N110E120E130E110E120E130E图119612 0 0 3年中国东部冬季阴天频次（a）气候态（阴影，单位：dmonth）和（b）标准差（阴影，单位：dmonth）Fig.1(a)Climatology(shading,units:d month)and(b)standard deviation(shading,units:d month-)of cloudy winter days over eastern Chinafrom.1961to 2003(a)EOF1(b)PC159%70N31.0msl2.560N2.021.550N0.50.1040N-0.1-0.530N-1.5-2.0PC_His.Cor=0.99-2.5.PC_Rec.20N90E105E120E135E150E1961/621965/661970/711975/761980/811985/861990/911995/962000/012005/062010/11Year图219612 0 0 3年中国东部冬季阴天频次经验正交函数分解第一模态的（a）空间分布（阴影）及（b）标准化主成分（PC1，黑色实线）。图（a）中的等值线和矢量分别为8 50 hPa高度场（单位：gpm）和风场（单位：ms）回归至PCl；图（b）中的柱状为中国东部冬季阴天频次指数，其中2 0 0 4年至2 0 13年为独立预测期数据投影至主模态空间分布所得到的PC1（黑色虚线）Fig.2(a)Spatial pattern(shading)of the first EOF mode of cloudy winter days across eastern China for the period 1961-2003 and its corresponding(b)standardized principal component(PC1,solid black line).(a)Regressed 850 hPa wind(black vector,units:m s)and geopotential height(contour,units:gpm)onto the standardized PC1;(b)the bar represents the winter cloudy day frequency index,and the black dotted line represents the projectedPC1 using data in the independent forecast period(2004-2013)Vol.47688ChinesericSciences47卷科学区一致型分布。当该模态为正位相时，除东北北部部分地区，中国东部呈现全区一致的阴天频次异常偏多。异常偏多极大值出现在长江中下游流域。对应全区一致阴天异常偏多，中国东部地区对流层低层主要受偏南风异常控制。偏南风的西侧整个大陆受气旋异常环流控制，而偏南风的东侧北太平洋受反气旋异常环流控制。偏南风异常能够将热带海洋的暖湿水汽输送至中国东部，导致阴天频次异常偏多。值得注意的是，江淮地区处于异常东南风与西南风的气旋性切变北侧，水汽容易在这里停留聚集，导致该地区出现阴天频次极大值。第一模态共解释了59%的中国东部冬季阴天频次总方差贡献，其主成分（PrincipleComponent，PC）表现出显著的年际变率周期（以34年周期为主）。将中国东部冬季阴天频次做区域平均定义为阴天频次指数，其19 6 1/19 6 2 2 0 0 3/2 0 0 4年间阴天频次指数与PC1的相关系数高达0.99，说明该主模态即反映中国东部阴天频次的全区一致性年际变化特征。3.2主模态相关的动力和热力场异常图3给出了对流层高、中、低层环流以及热力场对标准化的PC1的回归系数分布。从2 0 0 hPa对流层高层来看（图3a），中纬度北大西洋至西北太平洋上空存在显著的位势高度异常正负交替的形势：中纬度北大西洋为低压异常、欧洲为高压异常、中亚为低压异常、西北太平洋为高压异常，东亚地区位于西北太平洋异常高压的西侧。波活动通量清楚地显示中纬度波罗斯贝波从大西洋往东传播至西北太平洋，证实位势高度异常分布的正负交替为由大西洋上空出发的中纬度准定常罗斯贝波波列。从图3b对流层中层环流异常场上也可以清楚的看到这支由北大西洋至西北太平洋的中纬度准定常罗斯贝波。除中纬度波列异常信号外，赤道印度洋和赤道中东太平洋也表现出了海表温度正异常信号。这种热带海表温度异常分布对应着海洋性大陆地区对流被抑制（降水负异常）以及热带中太平洋对流活跃（降水正异常）（图3c）。海洋性大陆和热带中太平洋纬向偶极型对流异常分布对应着其北侧对流层中低层热带北太平洋中部的气旋异常以及热带外北太平洋的反气旋异常。低层反气旋异常西侧强大的偏南风异常可将热带海洋的充足水汽输送至中国东部地区，导致中国东部一致性的阴天频次偏多(图3c和图2)。4阴天频次主模态的动力学溯源及其季节预测前文分析了中国东部冬季阴天频次主模态的时空分布特征及相关的异常动力和热力场，揭示了北太平洋异常反气旋西侧的偏南风异常是影响中国东部冬季阴天频次变率的最主要原因。那么，导致北太平洋异常反气旋的前期影响因子到底是什么？其影响机理过程又如何？为了回答这些问题，我们对中国东部冬季阴天频次主模态进行动力学溯源。4.1驱动因子影响阴天频次的两条途径图4为前期持续性海表温度、地表气温以及海平面气压场与PC1的相关系数分布。从图中可以看出，当冬季中国东部阴天一致性偏多时：前期10至11月（图4a和b），地表气温在波斯湾、阿曼湾北部为正异常（X 1），热带北大平洋地区存在海表温度暖异常（X 2），整个热带印度洋为海平面气压正异常常（X3），中纬度北大西洋为海平面气压负异常（X 4）；前期8 至9 月（图4c和d)，整个欧洲为地表温度正异常（X5)，副热带北太平洋存在纬向西冷冬暖的偶极型海表温度异常（X 6），北大西洋存在海表温度负异常（X7），而海平面气压在欧洲表现为正异常（X8)，在北太平洋大部为负异常（X9）。图5为前期海表温度、地表气温以及海平面气压的“变化倾向”与PC1的相关系数分布。由图可知，当中国东部冬季阴天频次一致性偏多时：前期9至11月（图5a和b），热带印度洋存在海表温度变暖倾向（Y1），西伯利亚地区存在海平面气压降低倾向（Y2），热带东太平洋为海平面正变压倾向（Y3），中纬度北大西洋存在海平面负变压倾向（Y4)，热带大西洋为海平面正变压倾向（Y5）；前期8 至11月（图5c和d），热带印度洋和热带北大西洋存在海表温度变暖倾向（Y6和Y7)，而热带太平洋大部存在海平面正变压倾向（Y8），中纬度大西洋和北美大陆东部为海平面负变压倾向（Y9)。我们挑选了以上18 个（X1-X9，Y1-Y9）具有物理意义的大尺度下垫面异常强迫的前兆信号，将矩形区域内每年实际数值以相关系数为加权进行区域平均，得到18 个潜在预测因子。为了进一步述选重要且具有独立性的预测因子，我们计算了潜在预测因子和PC1以及因子之间在196 12 0 0 3年689No.3TAN Hui et al.Seasonal Prediction of the Variation of the Winter Cloudy DayyinEastern谭辉等：基于热带和热带外独立影响途径的中国东部冬季阴天频次的季节预测3期(a)Reg200hPaWAF&SFontoPC110m s:190N0.3ms23.02.52.01.560N1.00.5-0.5-1.0-1.530N-2.0-2.5-3.060W060E120E180120W(b)RegSST&2mT&500hPaZUVontoPC190N1.5ms3.01.560N0.50.130N0.05-0.050-0.1-0.5-1.530S-3.060W060E120E180120W(c)RegP&850hPaZUVontoPC1mmd-190N1.5ms:13.02.560N2.01.51.030N0.5-0.5C-1.00-1.5-2.0-2.530S-3.060W060E120E180120W图3（a）2 0 0 h Pa 准地转流函数异常（阴影，单位：10 ms）和波活动通量（矢量，单位：ms），（b）海表温度和地表2 m温度（阴影，单位：C）及50 0 hPa高度场（等值线，单位：gpm）、风场（黑色矢量，单位：ms-）回归至PCl；（c）同（b），但为降水场（阴影，单位：mmd）和8 50 hPa高度场（等值线，单位：gpm）、风场（黑色矢量，单位：ms），灰色阴影区域为青藏高原地区。图中字母“A”“C”代表反气旋/气旋性环流中心；打点区域为回归系数通过90%显著性检验的区域Fig.3Regressed(a)quasi-geostrophic streamfunction anomaly(shading,units:10 m s)and wave activity flux at 200 hPa(shading,units:m s),(b)SST and air temperature at 2 m(shading,units:C),500 hPa geopotential height(contours,units:gpm),wind(black vectors,units:m sl)onto thestandardized PC1.(c)is the same as(b),but for precipitation(shading,units:mm d),850 hPa geopotential height(contours,units:gpm),wind(blackvectors,units:m s),the grey shading indicates Tibet Plateau.The letters“A and C indicate the centers of anticyclonic and cyclonic anomalies,respectively.The regression coefficients of dotted areas are statistically significant at the 90%confidence level690Vol.47Chinese1rnalSciences大47卷科学(a)MeanONSST&2mT(c)MeanASSST&2mT0.660N60NX50.50.40.330N30N0.20.1-0.100-0.2-0.3-0.430S30S-0.5-0.6045E90E135E180135W90W45W045E90E135E180135W90W45W(b)MeanONSLP(d)MeanASSLP0.660N60NX80.50.40.330N30N0.2X40.1-0.100X9-0.2-0.3-0.430S30S-0.5PP-0.6口045E90E135E180135W90W45W045E90E135E180135W90W45W图410 和11月平均的（a）海表温度和2 m气温，（b）海平面气压与PC1的相关系数分布，（c），（d）同（a），（b），但时间为8和9月平均。打点区域为相关系数通过90%显著性检验的区域Fig.4 Correlation between October-November mean(a)SST and air temperature at 2 m and(b)sea level pressure and standardized PC1.(c),(d)asin(a),(b),but for August-September mean.The correlation coefficients of dotted a