中国降水对热带太平洋海温的滞后响应特征探讨

doi:10.11755/j.issn.1006-7639(2024)-02-0209

中国降水对热带太平洋海温的滞后响应特征探讨

高志伟^,¹^,², 刘佳²^,³, 陈艳^,²^,⁴, 钟爱华⁵

1.大理国家气候观象台，云南大理 671000

2.中国气象局横断山区（低纬高原）灾害性天气研究中心，云南昆明 650034

3.云南省红河州气象局，云南蒙自 661199

4.云南省气象科学研究所，云南昆明 650034

5.云南省大理白族自治州气象局，云南大理 671000

Exploration of the hysteresis response characteristics of precipitation in China to tropical Pacific sea surface temperature

GAO Zhiwei^,¹^,², LIU Jia²^,³, CHEN Yan^,²^,⁴, Zhong Aihua⁵

1. Dali National Climate Observatory， Dali 671000， Yunnan， China

2. Research Center for Disastrous Weathers over Hengduan Mountains & Low-Latitude Plateau， CMA， Kunming 650034， China

3. Meteorological Bureau of Honghe Prefecture， Mengzi 661199， Yunnan， China

4. Yunnan Institute of Meteorological Sciences， Kunming 650034， China

5. Meteorological Bureau of Dali Bai Autonomous Prefecture， Dali 671000， Yunnan， China

通讯作者: 陈艳（1976—），女，云南通海人，正高级工程师，主要从事季风天气气候研究。E-mail:chenyan@cma.gov.cn。

责任编辑: 邓祖琴；校对：黄小燕

收稿日期: 2023-10-30 修回日期: 2024-04-15

基金资助:

云南省科技厅重点研发专项(202203AC100006)
国家自然科学基金项目(41965005)
云南省气象局高原湖泊生态气象服务创新团队项目(2022CX08)
及中国气象科学研究院基本科研业务费专项基金项目(2023Z010)

Received: 2023-10-30 Revised: 2024-04-15

作者简介 About authors

高志伟（1973—），男，云南大理人，正高级工程师，主要从事气象服务和应用气象工作。E-mail:dlzqxjgzw@126.com。

摘要

研究热带太平洋海温与中国降水之间的关系对提升我国气候预测水平具有重要科学意义。基于长时间序列的中国160站逐月降水资料和美国气候预测中心（Climate Prediction Center，CPC）的逐月海温指数，采用一种新的滞后累积相关分析方法，研究中国降水对热带太平洋海温的滞后响应特征。结果表明：（1）该分析方法能够有效揭示前期海温异常累积效应对降水的影响，进而为筛选最优预测因子提供依据；（2）在Niño1+2、Niño3、Niño4和Niño3.4等海温指数中，前期Niño1+2指数与中国降水的相关性最显著，尤其是Niño1+2海温序列与滞后4个月的中国降水呈现最显著正相关，而Niño1+2累积2个月海温序列与滞后9个月的中国降水呈最显著负相关；（3）Niño1+2海温序列对中国季风区降水影响明显，其正反馈区主要集中在青藏高原东部和云南地区；（4）Niño1+2海温序列与滞后4个月的中国平均降水量的线性拟合分析显示，拟合得到的降水量变化趋势与实测降水量一致，冬春季拟合误差较小，夏秋季拟合误差较大。

关键词： 中国降水; 热带太平洋海温; 滞后累积相关系数

Abstract

Examine the relationship between tropical Pacific sea surface temperature (SST) and precipitation in China has scientific significance for improving China's climate prediction level. Based on the long-term monthly rain gauge data of 160 stations in China and the monthly SST index from Climate Prediction Center (CPC), USA, this paper explores the response characteristics of precipitation in China to tropical Pacific SST changes through a new method of lag cumulative correlation. The results are as follows: (1) This method is able to reveal the cumulative effect of previous abnormal SST on the precipitation effectively, so as to provide a basis for selecting the optimal predictive factors. (2) Among Niño1+2, Niño3, Niño4, and Niño3.4 SST indices, previous Nino1+2 index has the most significant relationship with China’s precipitation. More precisely, the positive correlation between Niño1+2 timeseries and the 4-month lagged precipitation, and the negative link between 2-month cumulative Niño1+2 time series and the the 9-month lagged precipitation in China are most significant. (3) The Niño1+2 SST can distinctly influence the precipitation in China's monsoon regions, with the strongest positive feedback are as primarily locate in the eastern part of the Qinghai-Tibet Plateau and Yunnan Province. (4) The linear fitting between the Niño1+2 time series and the average precipitation of China with a lag of 4 months shows that the fluctuation trend of fitted precipitation is consistent with that of the rain gauge data, with relative small fitting errors in winter and spring and larger errors in summer and autumn.

Keywords： precipitation in China; tropical Pacific SST; lag cumulative correlation coefficient

PDF (8263KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

高志伟, 刘佳, 陈艳, 钟爱华. 中国降水对热带太平洋海温的滞后响应特征探讨[J]. 干旱气象, 2024, 42(2): 209-216 DOI:10.11755/j.issn.1006-7639(2024)-02-0209

GAO Zhiwei, LIU Jia, CHEN Yan, Zhong Aihua. Exploration of the hysteresis response characteristics of precipitation in China to tropical Pacific sea surface temperature[J]. Arid Meteorology, 2024, 42(2): 209-216 DOI:10.11755/j.issn.1006-7639(2024)-02-0209

引言

干旱和洪涝，是中国最主要的气象灾害，具有发生频率高、影响范围大的特点，其季节和年际变化特征也很明显。有研究显示（黄荣辉和杜振彩，2010），在全球变暖背景下，东亚夏季风降水的年际变率有增强趋势，特别是华北和华南地区的洪涝灾害可能增多，而区域性干旱的发生也将更为频繁（Wang et al.， 2015； Zhang and Zhou， 2015）。旱涝及其引发的次生灾害严重威胁着社会经济发展和人民生命财产安全（郭进修和李泽椿，2005），因此深入研究中国降水的变化规律并识别最佳预测因子，对提高气候预测的准确性和有效性具有重要意义。

众多研究表明，热带太平洋海温（Sea Surface Temperature，SST）与中国降水之间存在密切联系（Yuan and Yang，2012；Wang et al.，2020；Jia et al.，2021；Yang et al.，2021），前者是降水季节预测的主要可预报性来源（丁一汇，2011；Salazar et al.，2018）。然而，海温和降水之间的关系有明显的季节性和区域性差异（任曼琳等，2023；郭英香等，2023）。Shen and Lau（1995）分析发现，热带太平洋不同区域海温与东亚季风区降水的关系在4—5月最弱，而对我国西南地区而言，ENSO对降水的影响则主要体现在春末初夏（琚建华和陈琳玲，2003；杨亚力等，2011）。龚道溢和王绍武（1998）用近百年的数据分析ENSO对我国四季降水的影响，结果显示，El Niño年江南地区秋季降水和东南地区冬季降水显著增加，La Niña年则相反；春季降水基本不受影响。Hu 等（2017）用新发布的高分辨率降水资料研究揭示，El Niño事件对我国夏季平均降水的影响区域主要集中在青藏高原以东的华中地区。从热带太平洋海温与我国降水的超前滞后相关关系来看（费亮等，1993；赵振国，1999），赤道东太平洋海温与4~6个月后长江下游的降水具有显著正相关关系，即海温升高（降低）时，后期长江下游地区的降水将加强（减弱）；此外，长江下游地区的降水与赤道东太平洋海温还具有约20个月的显著滞后负相关关系。

尽管已有的研究为理解热带太平洋海温与中国降水的关系提供了重要参考，但二者的关系仍存在不确定性（宗海锋等，2010）。这种不确定性部分来源于气候系统固有的复杂性（胡永云，2022），以及现有的ENSO指数在反映其对东亚季风影响方面的局限性（Zhang et al.， 2016）。

科研人员通常通过计算降水与海温时间序列的相关系数或利用线性回归、合成分析、场相关分析等方法研究热带太平洋海温与我国降水的关系。然而，海温作为一个缓变的外强迫因子，其异常可持续数月甚至数年，而大气对海温异常的响应存在滞后性。这意味着，直接计算降水序列与海温序列的相关系数可能无法全面反映海温持续异常对降水的累积影响。针对此问题，高志伟等（高志伟，2021；高志伟，2023）提出了一种计算滞后累积相关的新方法，并成功地应用于筛选影响湖泊水质的气象因子研究中。本文采用该方法，利用前期逐月热带太平洋海温指数，构建了包含滞后时间和累积时间信息的新海温指数时间序列，分别计算新构建的海温指数时间序列与中国逐月降水的相关系数，分析中国逐月降水对热带太平洋海温指数的累积滞后响应特征，在此基础上，进一步筛选通过显著性检验的、与降水相关性最强的海温因子，旨在识别出对中国降水具有更高预测价值的前期海温指标。

1 资料和方法

1.1 资料

所用降水资料为国家气候中心提供的1953年1月至2021年12月中国160个气象站逐月降水观测数据，以及美国气候预测中心（Climate Prediction Center，CPC）提供的1950年1月至2021年12月逐月海温指数（https://www.cpc.ncep.noaa.gov/data/indices/ersst5.nino.mth.91-20.ascii），包括Niño1+2、Niño3、Niño4和Niño3.4。各海温指数区域如图1所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 Niño海温指数区域位置

（红框为Niño1+2，绿框为Niño3.4）

Fig.1 Niño SST index region

（The red border area indicates Niño1+2， the green border area indicates Niño3.4）

1.2 方法

采用高志伟等（高志伟等，2021；高志伟等，2023）提出的滞后累积相关分析方法。首先基于已有的海温指数序列重新构造滞后滑动累积海温序列，然后计算重构的海温序列与中国降水序列的相关系数，在此基础上，根据二者相关系数矩阵绘制二维的滞后累积相关系数图。具体方法主要包括以下几个步骤：

（1）构造滞后滑动累积海温因子序列

考虑海温异常累积效应对降水的可能影响，构造海温指数的滞后滑动累积序列。

记降水序列为 $a_{p}$ （p=1，2，…，c），海温指数为 $b_{q}$ （q=1，2，…，d），且c≤d。 $k_{p}$ 为降水的时间序列 $t a_{p}$ 在海温时间序列 $t b_{q}$ 中对应的时次，对海温指数 $b_{q}$ 进行滞后滑动累积序列构造如下：

对应降水 $a_{p}$ 的第1个时次，对海温指数 $b_{q}$ 的i月滞后、累积j月进行构造，

（1）

E_{k_{1}, (i, j)} = \sum_{t = k_{1} + i}^{t = k_{1} + (i + j - 1)} b_{t}

对应降水 $a_{p}$ 的第2个时次，对海温指数 $b_{q}$ 的i月滞后、累积j月进行构造，

（2）

E_{k_{2}, (i, j)} = \sum_{t = k_{2} + i}^{t = k_{2} + (i + j - 1)} b_{t}

$\dots \dots$

对应降水 $a_{p}$ 的第c个时次，对海温指数 $b_{q}$ 的i月滞后、累积j月进行构造，

（3）

E_{k_{c}, (i, j)} = \sum_{t = k_{c} + i}^{t = k_{c} + (i + j - 1)} b_{t}

其中： $b_{t}$ 为时次为t时的海温指数，第 $k_{p}$ 个时次所对应的i月滞后、累积j月的海温b的滑动累积值为在海温b的时间序列中，第 $k_{p}$ 个时次前i月的 $b_{t}$ 值 $(t = k_{p} + i)$ 累加至前（i+j-1）月的 $b_{t}$ 值 $[t = k_{p} + (i + j - 1)$ ]所得到的累积值，具体公式如下：

（4）

E_{k_{p}, (i, j)} = \sum_{t = k_{p} + i}^{t = k_{p} + (i + j - 1)} b_{t}

设滞后时间i、累积海温j为定值时，则可得到海温 $b_{q} 与$ 降水 $a_{p}$ 逐时次对应的滞后累积滑动累积序列：

（5）

E_{k, (i, j)} = \{E_{k_{1}, (i, j)}, E_{k_{2}, (i, j)}, \dots, E_{k_{c}, (i, j)}\}

（2）构造滞后滑动累积矩阵

应用滞后滑动累积序列构造的方法，对海温指数 $b_{q}$ 对应时次 $k_{p}$ 进行0到n月滞后、1到m月响应的滞后响应滑动累积矩阵构造[m、n为常数，且满足 $k_{c} + (n + m - 1) \leq d$ ]：

对应降水 $a_{p}$ 的第1个时次，对海温指数 $b_{q}$ 的0到n月滞后、1到m月累积进行构造，

（6）

E_{k_{1}} = [\begin{matrix} \begin{matrix} E_{k_{1}, (0,1)} & E_{k_{1}, (0,2)} \end{matrix} & \dots & E_{k_{1}, (0, m)} \\ \begin{matrix} E_{k_{1}, (1,1)} & E_{k_{1}, (1,2)} \end{matrix} & \dots & E_{k_{1}, (1, m)} \\ \begin{matrix} \begin{array}{l} ⋮ \\ E_{k_{1}, (n, 1)} \end{array} & \begin{array}{l} ⋮ \\ E_{k_{1}, (n, 2)} \end{array} \end{matrix} & \begin{array}{l} ⋱ \\ \dots \end{array} & \begin{array}{l} ⋮ \\ E_{k_{1}, (n, m)} \end{array} \end{matrix}]

对应降水 $a_{p}$ 的第2个时次，对海温指数 $b_{q}$ 的0到n月滞后、1到m月累积进行构造，

（7）

E_{k_{2}} = [\begin{matrix} \begin{matrix} E_{k_{2}, (0,1)} & E_{k_{2}, (0,2)} \end{matrix} & \dots & E_{k_{2}, (0, m)} \\ \begin{matrix} E_{k_{2}, (1,1)} & E_{k_{2}, (1,2)} \end{matrix} & \dots & E_{k_{2}, (1, m)} \\ \begin{matrix} \begin{array}{l} ⋮ \\ E_{k_{2}, (n, 1)} \end{array} & \begin{array}{l} ⋮ \\ E_{k_{2}, (n, 2)} \end{array} \end{matrix} & \begin{array}{l} ⋱ \\ \dots \end{array} & \begin{array}{l} ⋮ \\ E_{k_{2}, (n, m)} \end{array} \end{matrix}]

$\dots \dots \dots \dots \dots \dots \dots \dots \dots$

对应降水 $a_{p}$ 的第c个时次，对海温指数 $b_{q}$ 的0到n月滞后、1到 $m$ 月累积进行构造，

（8）

E_{k_{c}} = [\begin{matrix} \begin{matrix} E_{k_{c}, (0,1)} & E_{k_{c}, (0,2)} \end{matrix} & \dots & E_{k_{c}, (0, m)} \\ \begin{matrix} E_{k_{c}, (1,1)} & E_{k_{c}, (1,2)} \end{matrix} & \dots & E_{k_{c}, (1, m)} \\ \begin{matrix} \begin{array}{l} ⋮ \\ E_{k_{c}, (n, 1)} \end{array} & \begin{array}{l} ⋮ \\ E_{k_{c}, (n, 2)} \end{array} \end{matrix} & \begin{array}{l} ⋱ \\ \dots \end{array} & \begin{array}{l} ⋮ \\ E_{k_{c}, (n, m)} \end{array} \end{matrix}]

则可得到三维矩阵，具体公式如下：

（9）

E_{k} = \{E_{k_{1}}, E_{k_{2}}, \dots, E_{k_{c}}\}

亦可写为滞后响应滑动累积序列集，具体公式如下：

（10）

E_{k} = \{\begin{matrix} \begin{matrix} E_{k, (0,1)} & E_{k, (0,2)} \end{matrix} & \dots & E_{k, (0, m)} \\ \begin{matrix} E_{k, (1,1)} & E_{k, (1,2)} \end{matrix} & \dots & E_{k, (1, m)} \\ \begin{matrix} \begin{array}{l} ⋮ \\ E_{k, (n, 1)} \end{array} & \begin{array}{l} ⋮ \\ E_{k, (n, 2)} \end{array} \end{matrix} & \begin{array}{l} ⋱ \\ \dots \end{array} & \begin{array}{l} ⋮ \\ E_{k, (n, m)} \end{array} \end{matrix}\}

（3）计算相关系数

对所构造的海温指数滞后响应滑动累积矩阵中的序列和降水数据序列 $a_{p}$ 做相关系数计算，滞后时间为i，累积时间为j。当i=0，j=1时，得到相关系数 $r (E_{k, (0,1)}, a_{p})$ ；当i=0，j=2时，得到相关系数 $r (E_{k, (0,2)}, a_{p})$ ；…；当i=n，j=m时，得到相关系数 $r (E_{k, (n, m)}, a_{p})$ ，以此类推，得到相关系数矩阵，具体公式如下：

（11）

R = [\begin{matrix} \begin{matrix} r (E_{k, (0,1)}, a_{p}) & r (E_{k, (0,2)}, a_{p}) \end{matrix} & \dots & r (E_{k, (0, m)}, a_{p}) \\ \begin{matrix} r (E_{k, (1,1)}, a_{p}) & r (E_{k, (1,2)}, a_{p}) \end{matrix} & \dots & r (E_{k, (1, m)}, a_{p}) \\ \begin{matrix} \begin{array}{l} ⋮ \\ r (E_{k, (n, 1)}, a_{p}) \end{array} & \begin{array}{l} ⋮ \\ r (E_{k, (n, 1)}, a_{p}) \end{array} \end{matrix} & \begin{array}{l} ⋱ \\ \dots \end{array} & \begin{array}{l} ⋮ \\ r (E_{k, (n, m)}, a_{p}) \end{array} \end{matrix}]

（4）最优因子筛选

应用相关系数的t检验法对相关系数矩阵R进行显著性检验，并对通过显著性检验区域中的正负高值区所对应的滞后、累积时间进行分析和筛选，从而得到海温 $b_{q}$ 的构造序列与降水 $a_{p}$ 相关关系最优的滞后累积时间。

2 前期热带太平洋海温对中国降水时空分布的影响

2.1 中国降水对海温的滞后响应特征

本文研究的重点是月时间尺度上降水对热带太平洋海温异常的滞后响应特征。为此，根据前述方法，分别构造Niño1+2、Niño3、Niño4和Niño3.4指数的滑动滞后响应时间序列（简称为海温序列），每个海温序列为一个15×12×828的三维数组，其中15（月）为累积时间，12（月）为滞后时间，828（月）是从1953年1月至2021年12月降水样本对应的海温序列样本长度。在此基础上，分别计算中国160站月平均降水与各海温序列之间的相关系数，得到多组15×12的相关系数矩阵。

受篇幅所限，本文仅分析我国160站平均降水与前期海温序列之间的相关关系。图2为1953年1月至2021年12月中国160站平均逐月降水与滞后0~11个月、累积1~15个月各海温序列之间的滞后累积相关系数。由图2可见，我国降水与各海温序列的相关系数不尽相同，但大部分相关系数通过α=0.001的显著性检验（相关系数绝对值大于等于0.116的区域），显示出二者密切的相关关系。在一定的累积时间上，相关系数随滞后时间的增加有明显的正负波动特征，而随着累积时间的增长相关系数的变化也较为明显。总体上看，Niño1+2[图2（a）]和Niño3[图2（b）]海温序列的相关系数分布较为相似：在滞后5个月内主要表现为正相关，滞后5~11个月则主要为负相关，且正负相关系数大值区有向累积时间增长方向倾斜的特征，但也并非累积时间越长相关系数越大。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 中国160站平均逐月降水与Niño1+2（a）、Niño3（b）、Niño3.4（c）和Niño4（d）海温序列的滞后累积相关系数分布

（白色圆点为相关系数极值点）

Fig.2 Distributions of correlation coefficients between 160-station averaged monthly precipitation of China and SST time series of Niño1+2 (a), Niño3 (b), Niño3.4 (c) and Niño4 (d)

(The white dots represent the extreme points of the correlation coefficients)

为明确比较我国降水与各海温序列之间关系的密切程度，表1列出图2中相关系数大于0.3、0.4、0.5和小于-0.3、-0.4、-0.5的占比（相关系数均通过α=0.001显著性检验）。结果显示，在各阈值条件下，正相关占比均大于负相关。且所有阈值条件下，我国降水与Niño1+2海温序列相关系数的占比均为最高，其次是Niño3、Niño3.4和Niño4。值得注意的是，Niño4海温序列的相关系数没有符合阈值条件的值，Niño3.4的相关系数符合阈值条件的占比也较少。进一步分析相关系数矩阵中的极值情况（表2，相关系数均通过α=0.001显著性检验），我国逐月降水量与Niño1+2海温序列的正相关系数最大达0.84，负相关系数最小为-0.78，Niño3、Niño3.4、Niño4相关系数的极值依次减小。

表1 中国160站逐月降水量与各海温序列不同阈值相关系数占比

Tab. 1 The proportions of correlation coefficients under different threshold conditions between monthly precipitation at 160 stations in China and various SST series

海温序列	正相关占比/%			负相关占比/%
海温序列	>0.3	>0.4	>0.5	<-0.3	<-0.4	<-0.5
Niño1+2	96.3	93.1	88.8	93.1	91.3	71.3
Niño3	95.6	91.9	54.4	90.0	61.3	11.9
Niño3.4	73.8	2.5	0	14.4	0	0
Niño4	0	0	0	0	0	0

新窗口打开| 下载CSV

表2 中国160站逐月降水量与各海温序列相关系数的极值

Tab. 2 The extreme values of correlation coefficients between monthly precipitation at 160 stations in China and various SST series

海温序列	最大相关系数	最小相关系数
Niño1+2	0.84（1，4）	-0.78（2，9）
Niño3	0.71（1，3）	-0.60（1，9）
Niño3.4	0.47（1，2）	-0.34（2，7）
Niño4	0.24（1，0）	-0.23（1，5）

注：括号中的数字分别为极值相关系数对应的累积时间和滞后时间，单位：月

新窗口打开| 下载CSV

我国降水对不同 ENSO 指数响应有明显差异（赵亚锋和张济世，2014）。前文分析发现，在Niño1+2、Niño3、Niño4和Niño3.4海温序列中，Niño1+2海温序列与我国降水的关系最为密切，其中，最大正相关出现在（1，4）处，最小负相关出现在（2，9）处，即Niño1+2的当月海温序列与滞后4个月的中国降水正相关最为显著，而Niño1+2的2个月累积海温序列与滞后9个月的中国降水负相关最为显著。这些发现与以往的一些研究基本一致（赵振国，1999；赵亚锋和张济世，2014；Salazar et al.，2018），但也有研究认为代表不同海区海温变化的指数对我国不同区域、不同季节降水的影响存在差异（陈艳等，2017；Mao et al.， 2022；Wen et al.， 2022）。研究表明，前期中东太平洋海温变化主要通过影响后期西北太平洋的反气旋环流，进而影响东亚季风和我国降水（Wang et al.， 2000；陈月娟等，2002；Wen et al.， 2022）。Niño1+2区海温异常如何显著影响后期东亚地区的环流和降水需进一步研究探讨。

通过绘制滞后累积相关系数图，本文拓展并提升了传统线性相关分析方法，为筛选最优相关因子提供更全面的科学依据。以我国逐月平均降水与Niño1+2海温关系为例，进一步探讨此新方法的适用性。

2.2 中国降水对Niño1+2海温序列的空间响应

图3为滞后0~1月，累积1~15月范围内，中国160站逐月降水与Niño1+2海温序列的最大正相关系数分布。可见Niño1+2海温序列与中国160站降水均有显著线性相关（均通过α=0.001的显著性检验），其中，相关系数大值区主要位于青藏高原东部和云南，而西北地区和江淮流域的相关系数较小。结合亚洲季风系统影响区域来看（Wang et al.，2003），热带东太平洋海温明显影响我国季风区降水，其中南亚季风系统影响区的降水正反馈最显著，而东亚季风系统影响区的响应相对较弱，这与已有研究结论（Cao et al.，2016）基本一致。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 中国160站逐月降水量与Niño1+2海温序列最大正相关系数分布

Fig.3 The distribution of maximum positive correlation coefficients between monthly precipitation at 160 stations in China and the Niño1+2 SST series

从Niño1+2海温与中国160站降水量的最大正相关滞后时间分布[图4（a）]来看，70.0%的站点最大正相关滞后时间为4个月，17.5%的站点最大正相关滞后时间为3个月，后者主要分布在我国长江以南地区及新疆西北部。此外，还有少部分地区最大正相关滞后时间小于2个月。从Niño1+2海温与中国160站降水量的最大正相关累积时间分布[图4（b）]来看，96.9%的站点累积时间为1~2个月，累积时间大于2个月的区域主要在新疆西北部，这部分仅占3.1%。上述分析表明，尽管东亚季风影响区的降水对热带东太平洋海温异常的响应没有南亚季风影响区域强，但其响应速度相对较快。Niño1+2海温发生变化后的2~4个月，我国大部分区域的降水就会出现相应变化。新疆西北部地区降水对前期持续半年以上的Niño1+2海温异常更为敏感。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 中国160站逐月降水量与Niño1+2海温序列的最大正相关滞后时间（a）和累积时间（b）分布（单位：月）

Fig.4 The distributions of maximum positive correlation lag time (a) and cumulative time (b) between monthly precipitation at 160 stations in China and Niño1+2 sea SST series (Unit: month)

3 优选海温因子拟合中国降水效果分析

前文分析表明，Niño1+2海温序列与滞后4个月的中国降水正相关关系最为显著，即随着前期Niño1+2海温的升高（降低），4个月后我国降水量增多（减少）最为明显。为进一步定量分析二者的线性关系，利用一元线性回归法对我国逐月平均降水量与前期4个月的Niño1+2海温序列进行线性拟合（图5），结果显示，前期Niño1+2海温每升高1 ℃，我国月平均降水将增加17.6 mm。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 中国160站平均降水量与滞后4个月、累积1个月Niño1+2区海温的线性关系

Fig.5 The linear relationship between the average precipitation of 160 stations in China and the SST of Niño1+2 time series of 4-month lagged and 1-month accumulation

图6为1953—2021年中国160站平均降水逐月观测值与线性拟合降水量的变化情况。可见两者的变化趋势非常接近，误差为-100~100 mm，-100 mm误差出现在1954年8月，100 mm误差出现在1983年11月。进一步分析中国160站平均降水观测值与拟合值误差的多年月平均（图7），可以看出平均绝对误差（Mean Average Error，MAE）和均方根误差（Root Mean Square Error，RMSE）均有明显的季节变化特征，总体上冬春季误差小，夏秋季误差大，这与我国降水量的季节变化一致（段亚雯等，2014）。拟合平均绝对误差范围为14~28 mm，其中1月误差最小为14 mm，8月最大为28 mm。RMSE误差范围为18~35 mm，其中1月最小为18 mm，8月最大为35 mm。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 1953—2021年中国160站平均降水逐月观测值与线性拟合值的时间变化

Fig.6 The time variation of the monthly observed average precipitation at 160 stations in China and the linear fitting values during 1953-2021

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 1953—2021年中国160站平均降水观测值与拟合值误差的MAE和RMSE的月平均

Fig.7 Monthly average of error analysis of average precipitation observations and fitting values at 160 stations in China during 1953-2021

4 结论与讨论

热带太平洋海温异常是预测我国降水变化的重要信号。基于长时间序列的全国160站逐月降水资料和CPC逐月海温指数，利用新提出的滞后累积相关分析方法，重建Niño1+2、Niño3、Niño4和Niño3.4海温序列，在此基础上分析了月时间尺度上中国降水与各海温系列的滞后相关关系，得到以下主要结论。

（1）Niño1+2、Niño3、Niño4和Niño3.4区海温序列与中国降水均有密切的相关关系。Niño1+2海温对中国降水的影响最明显，滞后5个月以内二者主要为正相关，其中，Niño1+2海温序列与滞后4个月的中国降水具有最显著正相关；滞后5~11个月则以负相关为主，其中，Niño1+2的累积2个月海温序列与滞后9个月的中国降水具有最显著负相关。同时正负相关系数大值区有向累积时间增长方向倾斜的特征。

（2）Niño1+2海温序列对我国季风区降水影响明显，降水的最强正反馈区位于青藏高原东部和云南。Niño1+2海温序列增大或减小2~4个月之后，我国大部分区域降水即会出现相应的异常变化。新疆西北部的降水对前期持续半年以上的Niño1+2海温异常更敏感。

（3）对Niño1+2海温序列与滞后4个月的中国平均降水量的线性拟合表明，拟合降水量与实测降水量变化趋势一致，前期Niño1+2海温每升高1 ℃，我国月平均降水将增加17.6 mm，冬春季拟合误差较小，夏秋季拟合误差较大。

通过滞后累积相关方法计算和绘制的滞后累积相关系数图是对传统线性相关分析方法的拓展和提升，利用该方法可以更好地分析前期海温累积效应对降水的影响，为筛选最优海温预测因子提供更为全面的科学依据。尽管如此，本文所得结论主要基于统计分析，对于前期Niño1+2海温异常如何通过大气环流变化影响中国逐月降水的具体机制尚需深入讨论，特别是前期海温对南亚季风及我国西南地区降水的影响有待进一步深入研究。此外，中国降水变化受多种因素影响，海温只是其中之一，其他外强迫因子的影响也不可忽视，并且有些影响可能是非线性的，在预测中需要进行综合分析研判。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

陈艳, 郭世昌, 刘瑜, 等,

2017.

云南雨季开始期时空变化特征及其与ENSO的关系

[J]. 干旱气象, 35(4): 545-551.

DOI [本文引用: 1]

利用1971—2015年云南省124个气象台站雨季开始日期、美国NCEP/NCAR再分析资料和CPC热带太平洋海温指数等数据，运用数理统计方法分析了云南雨季开始期的时空变化特征及其与前期热带太平洋海温的关系。结果表明：（1）云南雨季主要从东、南、西3个方向呈半包围态势向西北腹地推进，具有明显的季风交汇区特征；（2）前期热带太平洋海温对云南雨季开始期的第一空间分布模态（全区一致型）影响显著，即除了雨季开始最早的滇西北、滇西、滇东北和滇东南等少数边缘地区，云南大部分区域的雨季开始期与热带太平洋海温存在显著的正相关关系，其中与前期3—4月Nio3.4指数相关性最好；（3）云南雨季开始期对前期3—4月Nio3.4指数的响应具有非对称性，对暖事件的响应大于对冷事件的响应；（4）前期热带太平洋海温主要通过影响低纬Walker环流和季风系统进而影响云南雨季的开始。

[2]

陈月娟, 周任君, 武海峰,

2002.

Niño1+2海区冷、暖水期西太平洋副高的特征及其对东亚季风的影响

[J]. 大气科学, 26(3): 373-386.