东亚冬季风是季风系统的一个重要组成部分，它控制区域大，影响时间长，是北半球冬季最为活跃的大气环流系统。冬季风的活动以寒潮爆发为主要特征，它往往会带来大范围的低温、雨雪和冰冻灾害，影响中国的天气、气候(施能，1996；吴尚森等，2000)。研究东亚冬季风的变化特征和机理，并探索其预测方法，具有十分重要的科学意义和实用价值。

建立一个合适的季风指数是研究并预测东亚冬季风强弱变化的基础，为此许多学者从不同的角度定义了冬季风指数，如海-陆气压差(郭其蕴，1994；施能，1996；刘实，2007)、区域平均经向风(Ji et al，1997；Chen et al，2000；Liu et al，2012)、纬向风(Yang et al，2002；Jhun et al，2004；朱艳峰，2008；Li et al，2010)、水平风速(王会军等，2004)，东亚大槽(孙淑清等，1995；崔晓鹏等，1999)和西伯利亚高压(Wu et al，2002)等。近年来，很多学者(高辉，2007；邵鹏程等，2012)对目前定义的一些东亚冬季风指数进行了分类，并系统地评估了它们对东亚大气环流异常的表征以及对中国大陆冬季气温的代表性等。然而，上述评估主要针对的是20世纪50年代以来的整体状况。伴随80年代以来全球变暖的加剧，中国气候表现出了较为明显的年代际变化(沙万英等，2002；申红艳等，2010)，同时东亚冬季风本身自20世纪80年代初期开始也表现为年代际偏弱(施晓晖等，2007)。那么，各种东亚冬季风指数反映中国大陆冬季气温的能力在80年代前、后是否也存在明显的变化呢？根据世界气象组织的规定，一般选取最近3个年代的平均值作为当前的气候平均状况，目前中国国家气候中心等业务单位已经将1981—2010年平均作为新的气候平均值标准。因此，在这一背景下，各种东亚冬季风指数在1981年以后对中国大陆冬季气温的代表性需要进一步评估。

对于东亚冬季风的预测，一些学者从海温、海冰以及大气内部环流演变等角度探讨了影响东亚冬季风强弱的前兆信号。从前期海表温度(SST)异常来看，其关键影响海域主要为赤道中东太平洋、黑潮区、印度洋等。陈海山等(2002a)指出，赤道中东太平洋Nino C区秋季海表温度正(负)异常，最终可导致东亚冬季风活动偏弱(强)。陈海山等(2002b)利用数值模拟进一步发现，中纬度太平洋地区秋季海表温度异常也是影响东亚冬季风强弱的重要因素，该地区持续偏冷(暖)，能够引起有利于强(弱)东亚冬季风的环流异常。秋季黑潮海表温度偏高时，冬季蒙古高压加强，阿留申低压加深南移，海陆气压差加大，导致东亚冬季风偏强，反之亦然(李忠贤等，2004)。另外，前期秋季印度洋全区一致性模态与东亚冬季风强度表现为显著负相关(李东辉等，2006)。对于前期海冰异常，管成功等(2002)发现，秋季东西伯利亚海的海冰偏多(少)，对应东亚冬季风偏强(弱)。武炳义等(2011)指出，秋冬季北冰洋东部以及欧亚大陆边缘海域的海冰密集度与反映冬季风强弱的西伯利亚高压强度指数显著负相关。除了海温、海冰等外强迫的影响，前期环流信号也与冬季风强弱密切相关。刘实等(2010)发现，前期10月北太平洋—北美—北大西洋异常环流型与冬季风强度表现为显著正相关，他们根据这种相关特征，并结合前期黑潮及其延伸区和热带西印度洋海温异常信号，建立了预测冬季风强度的统计预测方法，取得了较好的预测效果。上述研究为东亚冬季风的预测奠定了基础。然而，在新的气候态背景下，同样需要进一步考察 1981年以后影响东亚冬季风强度的前期因子是否有所不同。

另外，由于亚洲上空对流层温度异常具有较强的持续性(Zhao et al，2011)，该区域对流层中上层温度可能通过影响东亚地区相应的环流系统变化，进而影响东亚冬季风的强弱，因此，前期亚洲上空对流层温度是否可以作为预测冬季风强弱的一个新的前兆信号，值得深入探讨。

在上述研究的基础上，本文拟首先评估各种东亚冬季风指数在1981年前、后对中国东部大陆冬季气温一致性变化的反映能力，从而选取一个能够较稳定地描述中国东部大陆冬季气温变化的冬季风指数进行研究。基于选取的冬季风指数，从海温、海冰和高空温度的角度分析1981年以后对东亚冬季风影响显著的前期因子，并探索前期因子与东亚冬季风强度的可能物理连接过程。最后，建立东亚冬季风强度统计预测模型，并对该模型的预测能力进行评估。2 资料和方法

本文所用资料包括：1951—2012年中国160个站的逐月温度资料，该资料下载自中国国家气候中心网站(http://ncc.cma.gov.cn)，是中国国家气候中心预测业务中常用的资料；美国国家环境预报中心(NCEP)再分析大气环流资料，包括1951—2012年的月平均温度、海平面气压、位势高度和U、V矢量风场，其水平分辨率均为2.5°×2.5°(Kalnay et al，1996)；NCEP再分析产品表面通量的逐月海冰密集度资料，其分辨率为192×94高斯格点(Kalnay et al，1996)；美国国家海洋与大气局和科罗拉多大学环境科学合作研究所(NOAA-CIRES)20世纪再分析的表面气温资料，其分辨率为192×94高斯格点(Compo et al，2011)；美国国家海洋和大气局(NOAA)气候诊断中心的海表温度扩展重建资料，其水平分辨率为2°×2°(Smith et al，2004)。在本文中，冬季指当年12月至次年2月。

本文采用逐步回归的方法选取预报因子，并建立预测模型，采用Jackknife法(Efron，1979)对预测模型的稳定性进行校验。Jackknife法的具体步骤为：在模型拟合期内，对整个时间序列一次剔除一组数据，以剩余数据重新建立回归模型，计算复决定系数(R²)、自由度调整后的复决定系数(R²_adj)、F检验值和显著性水平(P)等统计指标(黄嘉佑，2000)。然后逐年剔除一组数据，重复上述步骤，从而得到多组统计指标。如果各项统计指标(如R²、R²_adj)与原回归模型(未经剔除，包含拟合期全部年份)的结果接近且变化范围较小，则表明该回归模型稳定可靠。此外，本文所用方法还包括相关和合成分析等。3 东亚冬季风指数的评估

参考高辉(2007)和邵鹏程等(2012)对东亚冬季风指数的分类，根据冬季风指数的定义将它们分为西伯利亚高压指数、海陆气压差指数、东亚大槽指数、V风分量指数和U风分量指数等(见表 1)，上述指数经过符号调整，从而使指数越大(小)代表冬季风越强(弱)。

表 1 东亚冬季风指数表 Table 1 A list for the East Asian winter monsoon indices

指数	文献	计算公式	类别	站点数Ⅰ	站点数Ⅱ
IShi	施能(1996)		海陆气压差	47	58
ILiu	刘实(2007)	ps(45°-70°N，80°-160°E) -ps(0°-30°S，110°-180°E)	海陆气压差	107	44
IWu	Wu等(2002)	ps(40°-60°N，80°-120°E)	西伯利亚高压	43	98
ISun	孙淑清等(1995)	H500(30°-45°N，125°-145°E)	东亚大槽	26	78
IChen	Chen 等(2000)	V10m(25°-40°N，120°-140°E)+ V10m(10°-25°S，110°-130°E)	V风分量指数	45	33
IJi	Ji 等(1997)	V1000(10°-30°N，115°-130°E)	V风分量指数	80	5
IJhun	Jhun 等(2004)	U300(27.5°-37.5°N，110°-170°E)- U300(50°-60°N，80°-120°E)	U风分量指数	85	60
IZhu	朱艳峰(2008)	U500(25°-35°N，80°-120°E)- U500(50°-60°N，80°-120°E)	U风分量指数	118	105
注：ps代表海平面气压，H500代表 500 hPa位势高度，V10m和V1000分别表示10 m和1000 hPa的V风矢量，U300和U500分别表示300和500 hPa的U风矢量；站点数Ⅰ代表第Ⅰ阶段(1951—1980年)季风指数与中国东部冬季气温负相关系数超过1%显著水平的站点个数，站点数Ⅱ与站点数Ⅰ相同，但为第Ⅱ阶段(1981—2010年)的情况 Note: ps represents sea level pressure，H500 500 hPa geopotential height，V10m(V1000)10 m(1000 hPa)V vector winds，U300(U500)300 hPa(500 hPa)U vector winds; site number Ⅰ(Ⅱ)indicates the number of sites in which the negative correlation coefficients between the EAWM index and winter temperature over eastern China are significant at the 99% confidence level during 1951-1980(1981-2010)

表选项

由于中国大陆冬季一致偏冷或偏暖是最为主要的冬季气候变化模态(朱艳峰等，2007)，因此，本文以各个冬季风指数是否能够很好地反映中国东部大范围地区冬季气温一致性变化作为评估标准。具体来说，通过比较各个冬季风指数与中国东部(100 °E以东)冬季气温负相关系数超过1%显著水平的站点个数进行评估。评估发现，朱艳峰(2008)定义的冬季风指数(I_Zhu)对中国东部大部分地区冬季气温变化的反映能力较强。其定义为东亚低纬度地区(25°—35°N，80°—120°E)与中高纬度地区(50°—60°N，80°—120°E)区域平均的500 hPa U风差值(表 1)，该指数能够很好地反映东亚冬季风系统各成员的变化，兼顾了北方和南方的环流状况以及东西向热力差异的影响，因此，可以很好地反映中国东部大部分地区冬季气温变化(朱艳峰，2008)。从表 1的最后两列可以看到，在1951—1980年和1981—2010年两个时段，I_Zhu可以很好地代表中国东部118和105个站点的冬季气温变化，分别占中国东部总站点数(140个)的84%和75%，与其他冬季风指数相比最多。I_Zhu与中国冬季气温场的相关结果显示，在1951—1980年和1981—2010年两个时段，I_Zhu与中国东部大部分地区的冬季气温都表现出显著负相关(图 1)，直观地说明该指数可以稳定地反映中国东部大部分地区一致性的冬季气温变化。另外，利用NOAA-CIRES 20世纪再分析的表面气温资料重绘图 1，同样发现在1951—1980年和1981—2010年两个时段，I_Zhu与冬季气温在中国东部大范围地区表现出显著负相关(图略)，进一步说明I_Zhu可以稳定地反映该地区一致性的冬季气温变化。

图 1 1951—1980年(a)和1981—2010年(b)IZhu与中国冬季气温的相关(阴影区超过1%的显著性水平) Fig. 1 Correlations between IZhu and winter temperatures over China for the periods of 1951-1980(a) and 1981-2010(b)(the shaded areas denote that the correlation is significant at the 99% confidence level)

图选项

目前，对于东亚冬季年代际气候变化的具体时间节点尚没有一致说法。施晓晖等(2007)发现冬季表面气温在20世纪80年代初(1981年)发生了年代际尺度的位相突变。琚建华等(2003)则认为，东亚冬季风指数从70年代中期(1977年)开始由正距平转为负距平，同时东亚北部地区增暖明显。为此，分1951—1976年和1977—2011年两个时段，对各个冬季风指数进行了重新评估。发现，I_Zhu在1977年前、后两时段可以很好地代表中国东部113和111个站点的冬季气温变化，分别占中国东部总站点数的81%和79%，与其他冬季风指数相比也是最多的。可见两种分段标准对评估结果的影响不大。

此外，需要指出的是，上述评估结果并不表明I_Zhu优于其他冬季风指数，只是说明在反映中国东部整体一致的冬季气温变化方面，I_Zhu具有更高的稳定性。因此，在下文中将基于I_Zhu进一步分析影响东亚冬季风强弱变化的前兆信号。4 东亚冬季风的前期因子4.1 前期因子的确定

为了探索影响东亚冬季风强度的前期因子，分别做了1981—2010年I_Zhu与前期秋季(9—10月)海表温度、海冰密集度和对流层高层(300—200 hPa)温度场的相关。I_Zhu与前秋海表温度场的显著相关主要表现在太平洋地区。从海温相关场(图 2)可以看到，日本东南侧区域(图 2中Ⅰ区：(15°—30°N，135°—160°E))和日界线东侧北太平洋中纬度地区(图 2中Ⅱ区：(30°—42°N，180°—160°W))为显著正相关，而北美大陆西侧的北太平洋中纬度地区(图 2中Ⅲ区：(35°—50°N，145°—130°W))和赤道中东太平洋地区(图 2中Ⅳ区：(5°—12°N，160°—135°W))则为显著负相关。从相关的角度看，上述4个区域的前秋海温异常与东亚冬季风强弱的关系最为紧密。

图 2 1981—2010年IZhu与前秋(9—10月)海表温度场的相关(阴影区超过5%的显著性水平，红色框指示各关键区的范围) Fig. 2 Correlation between IZhu and the pre-autumn(September-October)SST for the period of 1981-2010(the shaded areas denote that the correlation is significant at the 95% confidence level，red boxes indicate key regions)

图选项

1981—2010年I_Zhu与前秋海冰密集度的相关(图 3)表明，前秋北极地区喀拉海(75°—82°N，65°—85°E)海冰密集度与东亚冬季风强度表现出显著负相关。从前秋高空温度相关场(图 4)上看，与东亚冬季风强弱相关最密切的区域位于东亚中纬度地区(30°—50°N，80°—140°E)。

图 3 同图 2，但为与前秋海冰密集度的相关 Fig. 3 As in Fig. 2 but for the correlation with the pre-autumn sea ice concentration

图选项

图 4 同图 2，但为与前秋300—200 hPa平均温度场的相关 Fig. 4 As in Fig. 2 but for the correlation with the pre-autumn sea ice concentration

图选项

根据上述关键区内平均的要素值，定义了6个前期因子指数(4个海温指数、1个海冰指数和1个高空温度指数)。相关分析发现，1981—2010年的Ⅰ—Ⅳ区前秋海温指数与I_Zhu的相关系数分别为0.50、0.49、-0.56和-0.42。前秋海冰密集度指数与I_Zhu的相关系数为-0.55。前秋东亚高空温度指数与I_Zhu的相关系数为0.58。上述相关系数均超过5%的显著性水平，进一步说明了上述6个前期因子与冬季风强弱具有密切关系。其中，前秋东亚高空温度指数(I_Tmp)、海冰密集度指数(I_Ice)和Ⅲ区海温指数(I_SST)与I_Zhu的相关系数是6个前期因子中最高的，均超过1%的显著性水平。同时，采用逐步回归的方法，对6个前期因子进行筛选，发现I_Tmp、I_Ice和I_SST也是回归I_Zhu的“最优”前期因子，因此可以将它们作为预测因子建立回归模型，进而预测东亚冬季风强度。4.2 前期因子影响冬季风的连接过程

前秋I_SST、I_Ice和I_Tmp与东亚冬季风强弱显著相关，那么这种关系是否有较为清楚的物理意义呢？这里对这些前期因子影响东亚冬季风强度的可能物理连接过程进行分析。

图 5给出了1981—2010年前秋I_SST与冬季海表温度场的相关。可见北美大陆西侧的北太平洋中纬度地区(Ⅲ区)出现了显著正相关，显著中心相关系数在0.7以上，超过1%的显著性水平。这表明该区域海温异常信号可以从前秋持续到冬季。另外，图 5也显示在赤道中东太平洋为显著正相关，而在菲律宾以东的暖池区为显著负相关，表现出明显的ENSO特征。可见Ⅲ区海温异常除了在本地区的持续性外，在一定程度上也可以指示冬季厄尔尼诺(拉尼娜)异常信号，进而引起冬季风的强弱变化。具体来说，在冬季厄尔尼诺(拉尼娜)年，亚洲上空环流型不利(有利)于寒潮向南方爆发，导致冬季风偏弱(强)(陶诗言等，1998)。另外，前秋I_SST与冬季500 hPa U风场的相关(图 6)显示，在东亚大陆上空80°E以东的中高纬度(45°—55°N)地区出现显著正相关，而在低纬度(25°—40°N)地区为显著负相关，与描述I_Zhu强度的500 hPa U风结构特征(表 1末行)大体一致。这进一步表明，前秋I_SST与冬季厄尔尼诺(拉尼娜)异常具有紧密联系，因而对I_Zhu代表的冬季风强弱具有重要指示意义。

图 5 1981—2010年前秋ISST与冬季海表温度场的相关(阴影区超过5%显著性水平) Fig. 5 Correlation between the pre-autumn ISST and the winter SST for the period of 1981-2010(the shaded areas denote that the correlation is significant at the 95% confidence level)

图选项

图 6 1981—2010年前秋ISST与冬季500 hPa U风场的相关(阴影区超过5%显著性水平) Fig. 6 Correlation between the pre-autumn ISST and winter U winds at 500 hPa level(the shaded areas denote that the correlation is significant at the 95% confidence level)

图选项

同样也做了1981—2010年前秋I_Ice与冬季海冰密集度的相关(图略)，发现在北极地区喀拉海偏西地区(75°—79°N，40°—85°E)表现为显著正相关，其他区域的相关则不显著。这说明前秋喀拉海地区海冰密集度异常可以很好地持续到冬季，且其持续性基本体现在局地范围内。而该地区冬季海冰密集度与同期500 hPa位势高度场的相关(图 7)显示，在北极地区，以喀拉海为中心出现了大范围的显著负相关，而在贝加尔湖西南为显著正相关。也即当喀拉海地区海冰密集度偏高(低)时，可能会导致亚洲大陆以北地区位势高度的负(正)异常，而贝加尔湖附近阻塞高压则表现为偏强(弱)。相应地，在500 hPa风场上，贝加尔湖阻塞高压北侧50°—60°N出现异常偏西(东)风，而在其南侧30°N附近为异常偏东(西)风(图略)，这种特征与I_Zhu描述的东亚冬季风强弱的结构特征基本一致，因此，喀拉海附近冬季海冰密集度与I_Zhu显著相关(-0.39，超过5%的显著性水平)。综上所述，前秋北极地区喀拉海海冰异常信号可以持续到冬季，引起冬季从北极到东亚中高纬度地区的位势高度异常，进而影响东亚冬季风的强弱。

图 7 1981—2010年冬季喀拉海偏西地区(75°—79°N，40°—85°E)区域平均海冰密集度与同期500 hPa位势高度场的相关(阴影区超过5%显著性水平) Fig. 7 Correlation between the regionally averaged winter sea ice concentration over the west Kara Sea region(75°-79°N，40°-85°E) and the simultaneous 500 hPa geopotential height for the period of 1981-2010(the shaded areas denote that the correlation is significant at the 95% confidence level)

图选项

图 8 1981—2010年前秋ITmp与冬季300—200 hPa平均温度场的相关(阴影区超过5%显著性水平) Fig. 8 Correlation between the pre-autumn ITmp and the winter 300-200 hPa air temperature for the period of 1981-2010(the shaded areas denote that the correlation is significant at the 95% confidence level)

图选项

图 9 1981—2010年冬季温差指数与同期500 hPa U风场的相关(阴影区超过5%显著性水平; a. 低纬度温差指数，b. 中高纬度温差指数) Fig. 9 Correlation between the winter temperature difference index and the simultaneous 500 hPa U winds for the period 1981-2010(the shaded areas denote that the correlation is significant at the 95% confidence level; a. the low-latitude temperature difference index，and b. the mid-high latitude temperature difference index)

图选项

综上所述，前秋I_SST、I_Ice和I_Tmp都具有很强的持续性，可以将异常信号从秋季延续到冬季，进而影响冬季风的强弱变化，其物理连接过程较为清楚。5 东亚冬季风的预测与检验

根据前面的分析，以前秋I_SST、I_Ice和I_Tmp作为预测因子，与反映东亚冬季风强弱变化的I_Zhu构建多元回归模型I_Zhu=-0.458×I_SST-0.474×I_Ice+0.329×I_Tmp+0.05(1)其中，1981—2000年为回归模型的建模期，以2001—2011年作为预测期对该模型的预测能力进行检验。

如表 2所示，方程(1)的R²为0.727，R²_adj为0.659，F检验值为14.237，均超过0.1%的显著性水平(即P<0.001)。由于方程的建模期(1981—2000年)较短(仅有20 a)，因此，采用Jackknife法检验回归方程的稳定性。由表 2可见，与回归方程(1)的R²(R²_adj)相比，Jackknife平均R²(R²_adj)的相对偏差百分率仅为0.3%(0.2%)，且它们的相对偏差百分率的变化范围较小，仅为-6%—4%(-10%—5%)。另外，Jackknife的F检验值为10.683—15.400，均超过0.001的显著性水平。综上所述，该回归模型在统计上是稳定可靠的。

表 2 回归模型的统计量与Jackknife方法检验结果 Table 2 The statistical parameters for the regress model and the test results of Jackknife method

统计量	回归方程	Jackknife	偏差百分率(E)
R2	0.727	0.729(0.681—0.755)	0.3%(-6%—4%)
R2adj	0.659	0.658(0.596—0.693)	0.2%(-10%—5%)
F	14.237	13.560(10.683—15.400)
P	0.001	0.001
注：偏差百分率E=×100%，其中，SJ为Jackknife的统计量，SR为原始回归方程的统计量。 Note: The deviation percentage E=×100%，where SJ statistical parameters of Jackknife method，and SR statistical parameters of the original regress model.

表选项

图 10给出了1981—2011年观测的I_Zhu和根据回归模型得到的I_Zhu序列。由图可见，观测以及回归的I_Zhu表现出较为一致的变化。进一步统计发现，1981—2000年两者的相关系数为0.85，超过0.1%的显著性水平;2001—2011年两者的相关系数为0.56，也超过5%的显著性水平。另外，2001—2011年，回归的I_Zhu也表现出了较为明显的上升趋势，与观测的I_Zhu基本一致。上述结果较为直观地反映出回归模型的拟合和预测效果较好。

图 10 1981—2011年观测的IZhu(实线)和根据回归模型得到的IZhu(虚线)序列 Fig. 10 Time series of the 1981-2011 observational IZhu(solid line) and the regressed IZhu(dashed line)by the regression model

图选项

为了进一步检验回归模型的拟合和预测能力，在表 3中分别给出了1981—2000年和2001—2011年该模型对冬季风偏强(I_Zhu>0.5σ)和偏弱(I_Zhu<-0.5σ)年的预测情况。由表 3可以看到，1981—2000年，实际东亚冬季风偏强(I_Zhu>0.5σ)年为1983、1984、1985和1999年，回归方程成功地拟合出了这些年份的I_Zhu偏高，只是1999年的拟合结果为0.43，未超过0.5σ。实际东亚冬季风偏弱(I_Zhu<-0.5σ)年为1989、1991、1992、1993、1996和1997年，回归方程同样拟合出了这些年份的I_Zhu偏低，但1997年拟合结果为-0.29，大于-0.5σ。采用相对严格的标准，即只有对强、弱年拟合结果超过±0.5σ时，才认为拟合正确。那么，1981—2000年拟合正确率为80%。

对于预测阶段(2001—2011年)，实际东亚冬季风偏强(I_Zhu>0.5σ)年为2004、2005、2007、2009、2010和2011年，其预测结果仅2004年出现偏差，其他年份都预测出了I_Zhu高于0.5σ。冬季风偏弱(I_Zhu<-0.5σ)年为2001、2002和2006年，预测结果2001年出现符号相反的情况，2006年预测I_Zhu偏低，但大于-0.5σ。2001—2011年对冬季风偏强、弱年的预测正确率为67%。

根据图 10，以回归的I_Zhu为标准，选取冬季风偏强(I_Zhu>0.5σ；包括1983、1984、1985、1987、2005、2007、2008、2009、2010和2011年)和偏弱年(I_Zhu<-0.5σ；包括1986、1989、1990、1991、1992、1993、1996、2002和2003年)，计算强、弱年的冬季温度差值(图 11)。图 11显示，中国东部大部分地区冬季气温表现出显著负异常，即对应冬季风偏强(弱)，中国东部大陆冬季气温偏低(高)，说明根据回归模型预测的东亚冬季风指数可以较好地指示中国东部冬季温度异常。

图 11 回归的IZhu偏高、偏低年中国东部冬季温度差异(偏高年减偏低年，单位：℃;阴影区超过5%显著性水平) Fig. 11 Winter temperature difference between years with the high regressed IZhu and years with the low regressed IZhu(high minus low，unit: ℃; the shaded areas denote that the correlation is significant at the 95% confidence level)

图选项

首先评估了各种东亚冬季风指数在1981年前、后反映中国东部大陆冬季一致性气温变化的能力，发现朱艳峰(2008)定义的东亚冬季风指数(I_Zhu)在1981年前、后两个时段都可以很好地反映中国东部大部分地区的冬季气温异常。因此，基于I_Zhu分析了1981年以后影响东亚冬季风强弱的主要前期因子以及相应的影响过程。研究发现：北美大陆西侧的北太平洋中部地区(35°—50°N，145°—130°W)前秋(9—10月)海温除了在局地具有很强的持续性外，还可以很好地反映冬季厄尔尼诺(拉尼娜)异常信号，因而对冬季风的强弱变化具有重要的指示意义；北极喀拉海地区(75°—82°N，65°—85°E)前秋海冰密集度异常可以持续到冬季，引起冬季从北极到东亚中高纬度地区的位势高度异常，进而影响东亚冬季风的强弱；同样，东亚中纬度地区(30°—50°N，80°—140°E)高空(300—200 hPa)前秋温度异常也可持续到冬季，导致冬季东亚地区20°N附近和50°N附近异常的南北向温差，进而影响东亚冬季风的强弱。综上所述，这3个前期因子都具有很强的持续性，可以将异常信号传递到冬季，进而影响冬季风的强度，其影响的物理连接过程较为清晰。

根据上述3个前期因子，建立了东亚冬季风统计预测模型，并利用Jackknife方法证明了该模型在统计上是稳定可靠的。该模型在拟合期(1981—2000年)对强、弱冬季风年的拟合准确率为80%，在2001—2011年的预测准确率为67%，具有较强的预测能力。而且，预测的东亚冬季风的强弱基本上可以反映出中国东部大范围的冬季温度异常，因此，根据预测的冬季风强度可以定性地推测中国东部冬季温度异常情况。

1981年以后，I_Zhu指示的主要是中国东部大陆主体的冬季气温异常，对东北和西南地区的代表性相对较差(图 1b)。而刘实等(2010)定义的冬季风指数(I_Liu)在1981年以后则主要反映了东北以及西南地区的冬季温度异常(图 12)，而且，他们也根据一些前期环流和海温信号建立了预测I_Liu的统计预测方法。将2个预测模型结合起来，预测中国大陆不同区域的冬季气温异常特征，可能更为合理、有效。这也是在今后的预测实践中需要进一步探讨的问题。

图 12 1981—2010年ILiu与中国冬季气温的相关(阴影区超过1%的显著性水平) Fig. 12 Correlation between ILiu and winter temperatures over China for the period of 1981-2010(the shaded areas denote that the correlation is significant at the 99% confidence level)

图选项

需要指出的是，尽管用于建立预测模型的3个前期因子包含了海-陆-气的综合信息，但它们显然难以完全涵盖影响冬季风变化的所有因素，同时可能由于非线性作用的影响，导致在一些年份预测出现了失误，例如2001和2004年的预测结果就与实况相反。对于东亚冬季风及其相应的中国冬季气温异常的预测，尚需进一步研究。

致谢：感谢中国气象科学研究院业务交流计划以及交流期间国家气候中心的大力支持。