1 引言

近百年来，由于全球气候异常变化，极端天气、气候事件频发(Allen, et al，2002)，夏季降水异常对社会经济及人民生活影响重大，因此，旱涝成因及预测方法的研究受到广泛关注(黄荣辉等，1994；顾伟宗等，2012)。中国西南地区地处青藏高原东南侧，地质结构复杂多样，囊括高原、盆地、丘陵等多种地形、地貌，使得其不仅具有独特的天气、气候特征而导致变化规律复杂，同时也是地质灾害和洪涝灾害的高发区域。因此，探寻西南地区夏季降水异常的影响因子并建立可靠预报模型，不仅具有科学意义，还具有十分重要的现实意义。

对中国夏季旱涝异常已有众多专家学者进行了分析研究，并取得了一系列有意义的研究成果(申乐琳等，2010；张庆云等，2014)。近年来针对西南区域夏季降水的大量研究发现，欧亚-太平洋环流系统异常对西南地区夏季降水有重要影响。南亚高压、西太平洋副热带高压、阻塞高压、中南半岛水汽输送(张宇等，2013；刘晓冉等，2009)等是影响西南夏季降水的直接因子，而海洋、地表热力作用等，则通过影响这些因子进一步导致降水时、空分布发生变化。如印度洋海温的异常变化，通过影响西南季风的活动，进而影响西南汛期降水变化(晏红明等，2001)，北太平洋海温异常变化可引起向中纬度西太平洋传播的波列，通过加强或减弱西风造成西太平洋副热带高压脊线、强度发生变化，从而影响贵州降水(王芬等，2014)。ENSO的发展和衰减阶段对夏季低纬度大气环流的影响存在显著差异，特别是对副热带高压和夏季风强弱的影响显著不同，从而导致云南夏季降水异常(刘丽等，2011)。青藏高原大气热源、冬春季积雪异常也是导致西南夏季降水异常的重要因子(李永华等，2011；周浩等，2010)。虽研究众多，但可以看出，过去针对西南夏季旱涝异常的研究多集中于对单因子的统计分析，李崇银等(2008)指出多个系统的异常，形成了某种异常的形势配合，也就是大气环流的组合性异常是造成气候异常的成因，因此，建立多因子的综合预测模型对准确把握旱涝异常至关重要。

由于各种因子的不确定性及相互之间的复杂作用过程，使得短期气候预测难度较大，同时降水的年际和年代际预测信号不一致更令预测难以决断(范可等，2007)。因此，范可等(2007)提出一个新的降水预测方法——年际增量法，该方法的提出主要是考虑到对流层中大气环流和气象要素等都存在准两年的周期振荡，而增量能够准确反映气候变量的准两年变化特征。增量可反映气象要素的动态变化规律，更加敏感，可放大异常信号并显著减小年代际背景的影响，在一定程度上克服了年代际和年际变化预测信号的不一致。将该方法应用于长江中下游夏季降水预测(范可等，2007)发现，年际增量预测模型确实可提高长江中下游夏季降水的预测水平，具有应用意义。此后，该方法相继应用于中国华北汛期降水预测(范可等，2008)、东北夏季气温预测(Fan，et al，2010)、南方春季降水预测(Fan，2012)，均取得了不错的预报效果。以上说明该方法具有较好的预报性，那么其在地形复杂，预报难度较大的中国西南地区是否适用，是否能提高预报技巧，值得研究。

2 资料与方法

所用的数据包括：(1)全国气象台站逐月降水资料；(2)美国国家环境预报中心和美国国家大气研究中心(NCEP/NCAR)逐月位势高度场、风场等再分析数据，水平分辨率为2.5°×2.5°；(3)英国哈得来(Hadley)中心的逐月海表温度(SST)数据，水平分辨率为1°×1°。通过质量控制，选取西南地区80个站点进行区域平均表征西南地区降水变化。文中采用1971—2010年作为选取因子的建模时段，2011—2017年为后报检验时段。

年际增量方法(范可，2007)：(1)定义年际增量为当年的变量值减去前一年的变量值；(2)分析与西南夏季平均降水率年际增量相关的前期冬春季环流，选取预测因子；(3)建立一个关于西南夏季降水年际增量的物理统计预测模型；(4)预测西南夏季降水率年际增量及降水距平百分率。此外，还用到相关分析、合成分析、多元回归等统计方法(魏凤英，2007)。

3 西南夏季降水年际增量及其与冬春季环流年际增量的关系

在夏季降水预测中，前期冬春季的影响因子是重要且有效的预测信号。梁红丽等(2004)指出，孟加拉湾冬季风的活动有明显的跨季节气候效应，前冬孟加拉湾季风较弱时，夏季850 hPa印度洋、中南半岛有异常西南气流，副热带高压偏强偏北，利于西南地区夏季降水偏多，而孟加拉湾冬季风与南支槽后的偏北冷空气活动关系密切(丁一汇，1990)。由西南夏季降水年际增量与冬季海平面气压场年际增量的相关(图 1a)发现，在孟加拉湾南支槽区存在显著正相关。700 hPa的风场年际增量相关(图 1b)上，孟加拉湾地区存在反气旋式的年际增量异常环流。以上环流形势说明，西南夏季降水年际增量正异常对应孟加拉湾冬季风环流年际增量负异常，这与早期学者的研究结论一致。因此，定义显著关键区(17.5°—27.5°N，90°—100°E)的海平面气压场年际增量为冬季南支槽区环流指数，作为预测西南夏季降水年际增量的一个因子，二者在建模期间的相关系数为0.29，通过了90%的显著性t检验。

同样，对春季海平面气压场年际增量与夏季降水年际增量进行相关分析(图 2a)，可见在北太平洋阿留申区存在显著负相关，其在500 hPa高度场上也有相同体现(图略)。而春季阿留申区环流指数变化与前期冬春季北太平洋海温密切相关(陈仁芳，2005)，该地区海温异常可引起夏季向中纬度西太平洋传播的波列(王芬等，2014)。从春季阿留申区海平面气压场的年际增量与夏季环流相关(图 2b)可以看出，与以往研究结果一致，正的阿留申区海平面气压场年际增量对应夏季在北太平洋—日本东侧—西太平洋存在异常气旋—反气旋—气旋式环流，造成西太平洋副热带高压减弱、东撤，向西南地区的水汽输送减弱，降水偏少。此外，相关场上(图 2a)阿留申低压与夏威夷高压存在同向变化，即北太平洋涛动(NPO)。春季阿留申低压变化通过北太平洋涛动影响西太平洋环流及海温变化，进而影响夏季台风生成频次和中国降水分布形势(王会军等，2007；范可，2007)。因此，选取阿留申区(40°—70°N，170°E—20°W)海平面气压场年际增量作为预测因子之一，其与夏季降水年际增量的相关系数为-0.66，通过了99%的显著性t检验。

印度洋是影响西南降水异常的关键区域，在春季海平面气压场相关分布(图 2a)上，热带西印度洋地区存在显著负相关区，范围为(EQ—20°S，50°—70°E)，其与降水年际增量的相关系数为-0.42，通过99%的显著性t检验。回归分析春(图 2c)、夏季(与春季相似，图略)850 hPa风场年际增量可知，春季印度洋海平面气压场年际增量正异常，对应春、夏季索马里越赤道气流偏弱、澳大利亚北部越赤道气流偏强，在印度地区产生反气旋性环流，这种环流形势会造成副热带高压位置偏东(戴新刚等，2002；刘向文等，2009)，西南地区夏季降水偏少(李琛等，2016)，因此，春季热带西印度洋海平面气压场年际增量可作为西南夏季降水预测的第3个因子。

青藏高原的热力和动力作用对北半球大气环流和天气、气候有重要影响。在春末夏初的过渡季节，青藏高原上空大气温度变化出现阶段性跃升(吴国雄等，1998)，地面加热场强度变化作为表征青藏高原热力作用的因子之一，其对环流及气候影响显著(李栋梁等，2001)。利用李栋梁(2006)计算的青藏高原地面加热场指数来表征高原热力作用，结果发现，5月青藏高原地面加热场强度指数年际增量与西南夏季降水年际增量相关系数为0.46，通过99%的显著性t检验，且其与初夏6月加热场强度指数也有较强的相关。春、夏季高原加热作用，使得西南地区夏季为上升气流控制，在西太平洋地区产生下沉气流，进而产生异常反气旋性环流，加强副热带高压。使得副热带高压西南侧偏东偏南气流将西太平洋及中国南海的暖湿水汽向西南大量输送，与青藏高原北侧绕流而下的偏北干冷气流交汇，进而产生降水(段安明等，2003)。所以，5月青藏高原地面加热场强度指数可作为影响西南夏季降水的一个预报因子。

在对降水异常的分析中，除了考虑低纬度水汽的供应，中高纬度冷空气的活动也是一个重要的因素。极涡活动与冷空气密切相关(季飞等，2014)，而冬、春季极涡因子对夏季降水影响显著(黄嘉佑等，2004)。采用中国国家气候中心提供的88项环流指数，选取其中与极涡有关指数的年际增量与西南夏季降水年际增量进行相关分析。结果发现，北半球极涡经向位置年际增量在冬、春季均与降水年际增量存在较强的相关。其中，4月的指数年际增量与西南夏季降水年际增量的相关系数为-0.41，通过了99%的显著性t检验。由极涡指数年际增量回归的夏季500 hPa高度场(图 3)可以看到，4月极涡经向位置年际增量正异常对应北半球中高纬度为“+ -”距平控制，北极涛动正位相，限制极区冷空气南下与暖湿水汽交汇。因此，也将其作为影响西南夏季降水异常的预报因子之一。

4 西南夏季降水预测模型的建立及性能检验

根据以上分析，选取影响西南地区夏季降水年际增量变化的5个关键因子，分别为x₁冬季南支槽区环流指数，x₂春季阿留申区环流指数，x₃春季西印度洋环流指数，x₄ 5月青藏高原地面加热场强度指数，x₅ 4月北半球极涡经向位置指数。采用多元线性回归方法，建立西南夏季降水年际增量预测模型，得到回归方程为

(1)

1971—2010年作为拟合建模时段，2011—2017年是后报检验阶段。图 4a为西南夏季降水年际增量实况值与多元线性回归值，预测模型在建模时段与降水年际增量实况的拟合率为0.78，较为准确地把握了降水年际增量的变化，其中，1979、1983、1984、1993、1994、2001、2008年预测值与观测值基本吻合。在后报检验的7年中，有6年同位相，预报效果较好。业务预测中多使用要素距平值建立预报模型，那么增量方法是否优于常用距平方法？采用5个因子的距平建立预测模型，得到回归方程为

(2)

由式(2)所得到的降水预测也为降水距平。距平模型预报对比实况发现(图略)，在建模时段，预报与实况的拟合率为0.67，在后报检验的7年中，仅有4年同位相。此外，对年际增量模型及距平模型分别进行交叉检验，二者的交叉检验同号率分别为70%和66%。可见增量预测模型具有一定优势，其预测效果优于距平预测模型。考虑到日常业务工作中多以降水距平百分率来衡量旱涝情况，利用年际增量值加上上一年的降水率得到预测降水率，参考范可(2007)计算降水距平百分率

(1) 降水距平百分率实况值

(2) 降水距平百分率模拟及后报检验值

(3) 相对均方根误差

式中，y₀为降水率实况值，y_i为后报检验的降水率，y₀为建模期间的实况降水率的平均值，N为建模时间。与实况进行对比(图 4b)发现，模型能够较好地模拟出西南整体的夏季旱涝异常，在许多年份预测值与实况值十分接近，在后报检验的年份中，模拟降水距平百分率与实况的同号率为4/7，均方根误差为16%，说明该方法在西南夏季降水预测中是可用的。

为检验该方法对降水异常分布预报的效果，对西南地区80个站点夏季降水年际增量进行逐站多元回归，建立预测方程，并计算降水率年际增量及相应降水距平百分率。由时间相关系数(TCC)检验各站夏季降水率增量的预报能力(图 5)，计算TCC需求出每个站点的均方差和协方差，公式为

式中，x代表观测值，y代表预测值，i=1, 2, …, m，代表站点数，j=1, 2, …, N，代表时间序列。时间相关系数范围为-1—1，越接近1表明预报技巧越高。可以看出，西南地区除西藏西部外，大部分地区评分在0.4以上，说明模型的预报技巧较高。采用中国国家气候中心制定的趋势异常综合评分(PS评分)，对各站降水距平百分率预测效果进行检验的公式为

式中，N₀为趋势预测正确站数，N₁为1级异常预测正确站数，N₂为2级异常预测正确站数，M为2级异常漏报站数，N为参加考核总站数，a、b、c为权重系数，分别取a=2，b=2，c=4。结果发现，在1971—2010年的建模期间，PS平均分为75，在2011—2017年后报检验7年的平均分为72，对比中国国家气候中心发布的各省预测评分(于2013年开始发布季节预测评分)，计算西南区域的平均分(表 1)。除2016年略低于发布预测外，年际增量预测模型在近年来的预报效果均好于发布预测结果，近5年平均相比发布结果有显著提升，说明年际增量方法对西南夏季降水的预测技巧有一定的提高。西南地区地形复杂，预报难度较大，采用该方法进行预测，可有效提高降水预测水平，因此可引入实际应用中。

5 结论与讨论

利用新的预测方法——年际增量法，考察影响西南夏季降水异常的前期冬春季环流系统，建立降水年际增量的物理统计预测模型。选取得到冬季南支槽区环流指数、春季阿留申区环流指数、春季热带西印度洋区环流指数、4月高原地面加热场强度指数、5月北半球极涡经向位置指数5个相关因子。模型在建模阶段具有很高的拟合能力，拟合率达0.78，在其后7年的后报阶段，与实况同号率为86%，降水距平百分率后报的均方根误差为16%，显现出了较高的预测能力。该模型除了可把握西南地区的整体旱涝情况外，从趋势异常综合评分结果来看，其对降水异常分布也有较高的预报性能，近5年西南地区夏季降水发布预报平均分为67，模型预报平均分为72，结果优于发布预报。以上结果说明该方法可提高一定预报技巧，可作为一种预测方法引入西南地区夏季降水预测中。此外，从图 4a中可以看出，进入21世纪第2个10年，西南地区夏季降水的年际增量相比建模期波动幅度明显增大，对后期预测可能产生一定影响。年际增量方法对于要素存在的年代尺度转折、年际尺度的反向等问题还存在一定局限性，其改进方法还有待进一步探索研究，以便更新预测模型，进一步提高预测水平。