东北地区是中国重要的秋粮产地，5—9月是玉米、水稻和大豆等喜温作物的生长期，此期间的气温变化与秋粮产量关系密切，低温极易使主要农作物遭受冷害而减产。在20世纪50年代至80年代初，东北低温冷害发生较为频繁，致使该地区粮豆产量年际变化较大，产量的年际差异从几十亿千克到几百亿千克，其中1954、1957、1969、1971、1972和1976年的夏季是典型的东北低温冷害年(北方主要作物冷害研究协作组，1981)。东北低温冷害的定义一般用作物生长季(5—9月)的积温距平来定义(丁士晟，1980a，1980b；孙玉亭等，1983；姚佩珍，1995)，而低温的定义有多种，有以标准化气温来定义东北低温等级的(刘传凤等，1999)，也有把气温距平±0.5℃作为偏暖(冷)异常的分界值的(王绍武等，1985a；李辑等，2006)。低温仅指气温偏低，不与作物受害联系，但低温涵盖低温冷害。20世纪90年代中期以来，夏季高温成为东北地区异常凸出的气候特点，2010年6月大兴安岭就因异常高温诱发了严重的森林火灾，尽管少有冷害发生，但是人们对2009年夏季东北大范围、长时间的严重低温还记忆犹新，同时，东北夏季较大范围的一般性低温也时有发生，如1998、2002和2003年。

20世纪80年代初，中国组建“东北夏季低温预报科研协作组”，对东北夏季低温冷害的发生规律、作物冷害类型和低温冷害指标等做了广泛深入的研究，并取得了一系列研究成果(北方主要作物冷害研究协作组，1981；郭裕福等，1983)，但关于东北夏季低温冷害的短期气候预测方法的研究成果十分有限，致使短期气候业务缺乏针对性的客观预测方法。统计预测方法常见于将预测因子和预测对象用经验正交函数分解后再作统计关系(Massy，1965;Brunet，et al，1996;Yu，et al，1997)，也有的使用统计函数建立预测方程(曹经福等，2013)，近年一种新的通过预测预报对象的年际增量来提高季节预报准确率的统计方法被证实在东北冬、夏气温季节预测中较为有效(Fan，2009；Fan，et al，2010；王会军等，2012)。本研究基于前一类方法，提供一种基于主成分回归方法(Principal Component Regression，简称PCR)的变形预测方法，来预测东北气温各个等级。主成分回归方法由Massy(1965)提出来，该方法使用经验正交函数分解(Empirical Orthogonal Function，简称EOF)结合多元线性回归方法，克服了最小二乘回归方程中因自变量复共线性问题导致的估计效果不稳定性，此后类似于主成分回归的多种变形方法在气候预测中有广泛的应用(施能等，1992；袁景凤等，2000；Tan，et al，2011；Mo，et al，2002)。主成分回归方法对预报因子和预报对象都分别进行了经验正交函数分解，然后再用多元线性回归建立预报方程，本研究的预测方法基于主成分回归，但又有所不同，从业务实用角度出发，本着简便有效原则，使用极大方差旋转经验正交函数分解(Rotated Empirical Orthogonal Function，简称REOF)仅对预报对象做了时空分解，然后用多元线性逐步回归方法(Stepwise-multiple linear regression，简称SMLR)建立预报方程。其中旋转经验正交函数分解较好地克服了取样误差，其空间模态结构清晰(魏凤英，2007)，特征向量之间线性独立，但旋转经验正交函数分解特征向量的时间系数随样本序列变化而变化，因此本研究使用旋转经验正交函数分解做预报时，将实时预报前一时刻的信息纳入旋转经验正交函数分解，然后诊断分析预报对象旋转经验正交函数分解各模态分别与前期大气、海洋异常的关系，从而利用多元逐步线性回归方法来建立预报模型。预报实验结果表明，该方法在东北夏季气温等级的预测中体现了较高的预报技巧，具备业务实用价值，并且建模的中间过程具有前期气候成因诊断功能。

使用中国气象局信息中心公布的中国东北4省/区73个测站1971—2011年6—8月月平均地面气温，1971—2011年美国NCEP/NCAR reanalysis Ⅰ 500 hPa 高度场月平均资料(Kalnay，et al，1996)空间水平分辨率为2.5°×2.5°和美国NOAA Extended Reconstructed Sea Surface Temperature V3b准全球月平均海表温度资料(来自NOAA/OAR/ESRL PSD，Boulder，Colorado，USA，http://www.cdc.noaa.gov/)，空间水平分辨率为2°×2°。

建立统计预测模型前，先将1971—2011年东北73站夏季6—8月月平均气温资料标准化处理，其中气候平均时段取1981—2010年，建模拟合期为前30 a(1971—2000年)，独立样本预报期为2001—2011年共11 a，前30年预测回报检验采用弃一交叉检验方法(Barnston，et al，1996；吴洪宝等，2005)。具体建模方法如下：对于标准化的含有m个空间点、n次观测样本的东北夏季月平均气温矩阵X_mn，首先进行极大方差旋转经验正交函数分解，为了消除旋转经验正交函数分解特征向量时间系数的不稳定性，将整个时段的资料做旋转经验正交函数分解，得到p个空间特征向量V_mp和对应的时间权重系数T_pn，X_mn是它们的线性组合，即X_mn=V_mp·T_pn，本研究选取的前7个(p=7)旋转经验正交函数分解空间特征向量在旋转前的累积方差达到95%。因为极大方差旋转是正交旋转，故7个矩阵T_pn可看成是由7个正交基函数构成的坐标基，通过前期北半球大气环流(H)和全球海表温度(SST)场分别与p个时间权重系数T_pn的相关分析，可得到前期气候因子H和SST影响p个(p取7)特征向量的关键月份，然后按如下计算逐步求得与前期H和SST相关联的预报因子场(以计算大气环流预报因子场为例)：

点击浏览公式

点击浏览公式

点击浏览公式

类似地，重复以上3步计算，可求得SST预报因子场，最后得到2×p个与前期大气和前期海表温度相关联的预报因子场(空间点对应东北站点，时间长度为建模期与独立样本期长度之和)。

在2×p个预报因子场与东北月平均标准化气温场之间建立多元逐步回归预报方程

点击浏览公式

本研究的目的是气温等级预测建模及其预测能力检验，故预报对象的等级划分并无严格高低温标准，但其中严重低温包含了历史典型低温冷害年份。东北标准化的6—8月月平均气温(T_n)具体分为如下5个等级：

(1)严重低温，T_n≤-1.3；

(2)低温，-1.3<T_n≤-0.5；

(3)正常，-0.5 <T_n≤0.5；

(4)高温，0.5<T_n≤1.3；

(5)严重高温，T_n>1.3。

关于某一等级的预测效果，使用如下等级检验方法：

点击浏览公式

研究表明(Hastenrath，et al，1977；Moura，et al，1981；Shukla，et al，1977)海表面温度(SST)在区域降水甚至全球降水变化中起到重要调制作用。统计降尺度季节预测方法研究表明，用前期准全球SST和北半球700 hPa高度场预测夏威夷和阿拉斯加的气温和降水可以得到较好的预测结果(Barnston，et al，1996; He，et al，1996)；统计方法对中国冬季气温的预测也得到了较好的效果(Fan，2009；贾小龙等，2010；王会军等，2012)；东北夏季气温与大气环流和海温的异常有密切联系(王绍武等，1985b；廉毅等，1998；王敬方等，1997；贾丽伟等，2006；孙建奇等，2006年；Fan，et al，2010；沈柏竹等，2011)。因此，本研究将尝试使用前期全球SST和北半球高度场来预测东北夏季气温异常。

为了甄别出前期月平均大气环流和海温异常对东北夏季气温影响最密切的关键月份，本研究分别分析了样本序列1—5月各月北半球500 hPa高度场(0°—80°N纬度范围共144×33格点)和全球海表温度场(72°S—72°N范围共180×73格点)，分别与同年夏季各月东北73站气温旋转经验正交函数分解前7个模态时间序列相关。图 1给出了1971—2011年各相关场通过t检验95%置信水平的格点数，表明6月东北气温各模态与5月大气环流场和5月海温场显著相关格点最多(图 1a和b中实线)；7月东北气温各模态与3月大气环流场和2月海温场显著相关格点最多(图 1c和d中实线)；8月东北气温各模态与5月大气环流场和5月海温场显著相关格点最多(图 1e和f中实线)。

图 1东北夏季6月(a、d)，7月(b、e)和8月(c、f)气温前7个旋转经验正交函数分解模态时间序列分别与同年1—5月月平均大气和海温场显著相关的格点数统计 (a、b、c. 500 hPa高度场：0°—80°N，0°—360°E，共144×33格点；d、e、f. 海表温度场：72°S—72°N，0°—360°E，共180×73格点；相关显著性：相关系数通过t检验95%置信水平;相关时间序列为1971—2011年)Fig. 1 Grids’ numbers of significant correlation between the first 7 REOF modes’ temporal series of series of June(a，d)，July(b，e)，and August(c，f)surface air temperatures in Northeast and the atmospheric circulation or SST fields of Jan-May this year (a，b，c. 500 hPa height，0°-80°N，0°-360°E，total of 144×33 grids; d，e，f. SST， 7 2°S-72°N，0°-360°E，total of 180×73 grids; the correlation coefficients are significant at the 95% confidence level by student test; temporal length of correlation series: 1971-2011)

图选项

影响因子场的逐年月平均时间序列明显含有年际和年代际变化的气候信息，通过甄别、挑选前期关键影响月，故纳入了气候的季节变化信号，使得季节预报模型的初值信息更为完备。

标准化月平均气温旋转经验正交函数分解特征向量的时间系数与前期关键影响月高度或海温场的相关场体现了影响因子的空间分布型态，其中包含了有组织的大尺度大气系统或海温异常现象。下面仅就图 1中关键影响月份(显著相关格点数最高点)对应的气温旋转经验正交函数分解模态及其可能的前期影响系统做一举例分析。

前5个月内，大气环流影响6月东北气温旋转经验正交函数分解各模态最为关键的时段是5月，其中对第4模态的影响尤为突出(图 1)。图 2a和b是东北地区6月气温旋转经验正交函数分解第4模态(方差贡献率为13%，与第1模态方差贡献率19%相差不大)空间荷载和其时间系数，它们的正(负)对应6月东北东部的暖(冷)变化。图 2c和d是第4模态时间系数分别与5月北半球500 hPa高度场和5月准全球SST的相关分布(1971—2011年，本文以下同)；当第4模态时间系数为正(负)指数年时，图 2c表明，同年5月500 hPa高度场呈北极涛动处于负(正)位相，北大西洋涛动也呈显著的负(正)位相，北太平洋涛动呈负(正)位相，但在北太平洋涛动南部区域相关不显著，北半球热带至副热带高度场较常年一致偏高(低)，其中匹配出现Barnston等(1987)提出的副热带纬向异常一致型遥相关(Subtropical Zonal Pattern，简称SZ)，而SST相关场表明(图 2d)，同年5月热带太平洋海温呈拉尼娜(厄尔尼诺)型分布，且配合北大西洋海温三极子(North Atlantic Tripole，简称NAT，Wu等，2005)呈负(正)位相。

图 2 东北6月气温异常成因的典型个例分析 (时段：1971—2011年；a、b. 6月东北地区标准化气温旋转经验正交函数分解第4空间荷载及其时间系数； c、d. 第4空间荷载时间系数分别与同年5月500 hPa高度场和SST相关分布;e、f. 第4模态时间系数极大和极小各6个年份6月500 hPa高度距平合成，阴影区通过t检验95%置信水平，单位: m)Fig. 2 Typical case analysis of the causes of surface air temperatures anomaly in Northeast in June (statistical time length: 1971-2011; a. the 4th REOF spatial load of Northeast surface air temperatures in June; b. time series of the 4th REOF eigenvector; c. correlation distribution between the time series of the 4th REOF eigenvector for June surface air temperatures and 500 hPa height in May with leading one month; d. as in c but for SST; e. and f. are respectively the composites of 500 hPa height anomalies in June for the 6 highest and 6 lowest coefficient years of the time series of the 4th REOF eigenvector，in which shadowed regions are significant at the 95% confidence level by student test and units in meter)

图选项

这种5月的大气环流异常型配合海温异常型易导致6月东北地区气温偏高(低)。分别挑选第4模态时间系数极大和极小的各6个年份合成6月500 hPa高度距平(图 2e和f)，通过t检验95%信度的区域表明，高(低)指数年东北地区为正(负)距平控制，因此导致气温偏高(低)。总之，5月环流北极涛动、北大西洋涛动和北太平洋涛动一致负(正)位相型，配合SST异常呈拉尼娜(厄尔尼诺)及北大西洋海温三极子负(正)位相型，对6月东北地区环流乃至气温有显著性影响。 3.2.2 7月气温异常成因的典型个例分析

Barnston等(1987)用旋转经验正交函数分解北半球700 hPa高度场得到一些典型大气低频模态，指出1—3月东太平洋中低纬度与高纬度存在符号相反的高度异常类型，并称之为EP(东太平洋涛动)型。在同年1—5月，大气环流影响7月东北气温旋转经验正交函数分解各模态最为关键的时段是3月，其中对7月第4模态的影响尤为凸出(图 1)。图 3a和b分别是东北地区7月气温旋转经验正交函数分解第4空间荷载模态(方差贡献率为14%，而第1模态方差贡献率为18%)和其时间系数，正(负)模态代表东北7月以偏冷(暖)为主；图 3c和d是第4模态时间系数分别与同年3月500 hPa高度场和2月准全球SST的相关分布，当第4模态时间系数为正(负)指数年时，图 3c表明，同年3月北半球500 hPa高度场北极涛动、北大西洋涛动呈显著的正(负)位相，东太平洋涛动呈显著的负(正)位相(南正北负为正位相)，此外，欧洲北部正(负)异常、以北非和地中海西部为中心延伸至大西洋副热带的负(正)异常、伊朗高原至中国西北部负(正)异常、以及日本海附近正(负)异常(不显著)构成了欧亚遥相关波列EU1型(Barnston，et al，1987)，而SST相关场表明(图 3d)，同年2月热带太平洋海温呈厄尔尼诺(拉尼娜)型分布(热带东太平洋区域SST异常不显著)，且配合北大西洋三极子呈正(负)位相(北大西洋副热带西部SST异常不显著)。

2月的这种SST异常分布配合3月的上述环流异常型，易导致7月东北地区气温偏低(高)。同样分别挑选第4模态时间系数极大和极小的各6个年份合成7月500 hPa高度距平(图 3e和f)，通过t检验90%信度的区域表明，高(低)指数年东北地区为显著性的负(正)距平控制，从而导致气温偏低(高)。总之，2月准全球SST异常呈拉尼娜(厄尔尼诺)及北大西洋三极子负(正)位相型，配合3月环流北极涛动和北大西洋涛动与东太平洋涛动位相相反以及出现EU1遥相关波列，对7月东北地区环流乃至气温有显著影响。

图 3 东北7月气温异常成因的典型个例分析 (a、b. 7月东北地区标准化气温旋转经验正交函数分解第4空间荷载及其时间系数；c、d. 第4空间荷载时间系数 分别与同年3月500 hPa高度场和2月SST相关分布; e、f. 第4模态时间系数最高和最低各6个年份7 月500 hPa高度距平合成，阴影区通过t检验90%置信水平;其余同图 2)Fig. 3 Typical case analysis of the causes of surface air temperatures anomaly in Northeast in July (a. the 4th REOF spatial load of Northeast surface air temperatures in July; b. time series of the 4th REOF eigenvector; c. correlation distribution between the time series of the 4th REOF eigenvector for July surface air temperatures and 500 hPa height in March of the same year; d. as in c but for SST in February; e and f. respectively the composites of 500 hPa height anomalies in July for the 6 highest and 6 lowest coefficient years of the time series of the 4th REOF eigenvector，in which shadowed regions are significant at the 90% confidence level by student test. Others are the same as those in Fig. 2)

图选项

在同年1—5月，大气环流影响8月东北气温旋转经验正交函数分解各模态最为关键的时段是5月，其中对8月第5模态的影响尤为突出(图 1)。图 4a和b分别是东北地区8月气温旋转经验正交分解第5空间荷载模态(方差贡献率为14%，而第1模态方差贡献率为16%)和其时间系数，正(负)模态代表东北8月以偏冷(暖)为主；图 4c和d是第5模态时间系数分别与5月500 hPa高度场和准全球SST的相关分布，当第5模态时间系数为正(负)指数年时，图 4c表明，5月北半球中高纬度500 hPa高度场已知的遥相关波列不显著，但是北半球热带至副热带高度场较常年一致偏低(高)，副热带出现纬向异常一致型遥相关(SZ)，而SST相关场表明(图 4d)，同年5月热带印度洋大部分一致偏冷(暖)，即热带印度洋海盆模态(Indian Ocean Basin Mode，简称IOBM)(Yang，et al，2007)呈负(正)位相，但热带太平洋海温无显著的ENSO形态，北大西洋海温也无明显的北大西洋海温三极子形态。IOBM往往在冬末达到鼎盛，并持续至春夏季，研究认为其由ENSO诱发，并且可延长ENSO的影响(Klein，et al，1999)。

5月的这种SST和环流异常型易导致8月东北地区气温偏低(高)。分别挑选第5模态时间系数极大和极小的各6 a合成8月500 hPa高度距平(图 4e和f)，通过t检验95%信度的区域表明，高(低)指数年东北地区为显著性的负(正)距平控制，故导致气温偏低(高)。总之，5月SST呈IOBM负(正)位相，且北半球中高纬度环流遥相关波列不显著，副热带出现SZ负(正)位相时，8月东北地区高度场和气温显著性偏低(高)。

图 4 东北8月气温异常成因的典型个例分析 (a、b. 8月东北地区标准化气温旋转经验正交函数分解第5空间荷载及其时间系数；c、d. 第5空间荷载时间系数分别与同年5月500 hPa高度场和SST相关分布;e、f. 第5模态时间系数最高和最低各6个年份8月500 hPa高度距平合成，阴影区通过t检验95%置信水平;其余同图 2)Fig. 4 Typical case analysis of the causes of surface air temperatures anomaly in Northeast in August (a. the 5th REOF spatial load of Northeast surface air temperatures in August; b. time series of the 5th REOF eigenvector; c. correlation distribution between the time series of the 5th REOF eigenvector for August surface air temperatures and 500 hPa height in May of the same year; d. as in c but for SST; e and f. respectively the composites of 500 hPa height anomalies in August for the 6 highest and 6 lowest coefficient years of the time series of the 5th REOF eigenvector，in which shadowed regions are significant at the 95% confidence level by student test. Others are the same as those in Fig. 2)

图选项

综合前期海温对东北夏季气温的影响，可以看出，厄尔尼诺(拉尼娜)型海温异常一般与导致东北偏冷(暖)的大气环流型相匹配，这与已有的研究(王绍武等，1985b)结果一致；同时，北大西洋海洋三极子正(负)位相也与导致东北偏冷(暖)的大气环流型相匹配；春末热带印度洋海温IOBM对东北8月气温影响显著。

基于前述影响因子甄别结果，按照2.2节介绍的方法，建立季节预测模型。图 5是预测模型在1971—2000年30 a建模期对6—8月各月东北气温的交叉回报与实况的相关系数，可以看出6—8月73站中的绝大多数相关系数超过了t检验95%置信水平(相关系数≥0.36)，大部分站点相关系数超过t检验99%置信水平(相关系数≥0.46)。

图 5 1971—2000年夏季6—8月(a—c)东北73测站气温交叉回报与实况的相关系数分布Fig. 5 Correlation validation of the cross hindcast of the seasonal forecast model and the actual summer surface air temperaturesof the Northeast 73 stations from 1971-2000(a. June，b. July，c. August)

图选项

图 6是预测模型对2001—2011年独立样本期的站点气温等级预测的正确率(按式(5)计算)。因为模型对5个等级中的正常等级的站点预测正确率最高，故本研究不再详述，同时，为了在图 6中清楚地表示缺省值(指某一气温等级实况出现站数<10站时，在图中不显示)和预测正确率为0的不同，正确率含0值时图中纵坐标从负数起始。

图 6 东北夏季气温等级预测检验 (按式(5)计算)Fig. 6 Forecast validation of summer classified surface air temperatures of Northeast (calculated based on the formula(5))

图选项

如图 6，在11 a独立样本预测期中，6月实况只有1 a发生严重低温(仅计出现站数>10站的情况，下同)，站点预测正确率超过6%，预报技巧虽然不高，但对于小概率事件的预测具有预警参考价值；6月实况有6 a出现低温，其中有2 a预报失败(正确率为0，下同)，其余4 a预测都有一定参考价值，尤其在低温空间范围发生最大的2002和2009年站点预测正确率都接近30%；6月实况有4 a发生了严重高温，站点预测正确率在20%—70%，尤其是2010年6月大面积严重高温的站点预测正确率超过70%；11 a中有8 a在6月发生了高温，模型都有一定的预报技巧，除1 a正确率较低外，其余7 a正确率在10%至接近50%；7月，11 a中仅发生1次严重低温，模型预测失败，但7月其余4个气温等级预测和8月的所有5个气温等级预测中，预测模型均有一定的预测技巧，站点等级预测正确率高低分布类似6月的情况，这里不再赘述。

总之，季节预测模型对严重高温级别的预测技巧要高于严重低温的预测技巧，对高温级别的预测技巧高于低温级别的预测技巧，对东北夏季气温等级的季节预测具有较高的业务参考价值。

在11 a的独立样本预测个例中，挑选了几个大面积发生低温或高温并且预测效果较好的个例，来分析模型对气温等级空间分布的预测能力。图 7是模型对2009年6月、2010年6月、2011年7月和2003年8月东北标准化气温的独立样本预测结果及其实况。对照实况，2009年6月东北地区大部分发生了低温事件，中部和北部大范围地区发生了严重低温事件，模型虽然对部分低温和严重低温区未能正确预测，但预测出了部分低温区和北部局部严重低温区，对极端事件(1994年至今仅2009年发生过严重低温)有预警作用。2010年6月，除辽宁大部分气温属高温等级外，东北其余大部分地区气温达到了严重高温的等级(大兴安岭发生了较严重的森林火灾)，模型准确预测出了大部分严重高温区域，高温等级区域与实况也较为一致。2011年7月，东北中部和北部气温达到高温或严重高温等级，而东北西南部大部分地区气温为正常等级，模型预测出了中部和北部严重高温和高温等级，但东北的西南部预测为高温等级与实况不一致。2003年8月，内蒙古东北部、黑龙江、吉林和辽宁北部发生了低温，其中内蒙古东北部部分地区和黑龙江西部气温达到严重高温等级，模型正确预测了上述地区发生的低温等级，但严重高温等级空间位置的预测与实况不符。因此，通过上述预测检验结果可以看出，模型可以对东北夏季气温的5个等级进行较有效的预测，有业务参考价值，尤其是对气温偏高的2个等级的预测效果要好于气温偏低的2个等级的预测；当某一等级的预测正确率等于10%时，表明预测模型就对将要发生的气温异常有预警作用。

图 7 标准化气温模型预测(a1—d1)与实况(a2—d2)对比 (a. 2009年6月，b. 2010年6月，c. 2011年7月，d. 2003年8月)Fig. 7 Example comparison of seasonal forecasts(a1-d1)with the observation(a2-d2)on st and ardized surface air temperatures (a. June 2009，b. June 2010，c. July 2011，d. August 2003)

图选项

5 讨论和结论

本研究首先使用极大方差旋转经验正交函数分解方法处理预报对象，从而可以得到空间分布结构清晰、取样误差较小、线性独立的预报因子场。但由于旋转经验正交函数分解特征向量的时间权重系数反映了空间相关性分布随时间的演变特征，因此，在旋转经验正交函数分解要素的不同时段，时间系数将有所变化，针对这一问题，本研究将整个时段的数据做了旋转经验正交函数分解，以纳入预报对象的所有变化信息。由于预报因子选用前期影响因子，因此，该方法不但可以应用于预测，也可以用于气候成因诊断。但也正是由于没有使用短期气候动力预测模式结果作为预报因子，该预测方法的预测技巧也许还有进一步提高的空间。

本研究的主要工作之一是提供了旋转经验正交函数分解结合逐步回归的一种短期气候预测方法。利用旋转经验正交函数分解将东北夏季各月气温分型，基于夏季之前的实况资料，求出前期大气环流和海表温度场分别与旋转经验正交函数分解模态时间系数的相关场，并甄别出前期影响关键月份，用前期关键月影响因子场与相关场的相似度乘以对应旋转经验正交函数分解模态的空间荷载系数形成预测因子矩阵，从而建立东北夏季各月标准化气温的逐步回归预测方程，交叉回报的相关系数检验表明该季节预测模型能够较好地预测出气温的异常变化，同时，5个气温等级的独立样本预测结果表明，除了严重低温预测准确率较低外，其余4个气温等级的预测结果都具有较高的业务实用价值，使用该模型可以在4月初对7月东北气温做预测，在6月初可以对6月和8月东北气温做滚动预测。

旋转经验正交函数分解逐步回归季节预测方法还是一种有效的气候成因诊断分析工具。本研究举出了东北夏季各月某一类型气温异常的前期成因：5月中高纬度出现北极涛动和北大西洋涛动与北大西洋涛动一致负(正)位相型，副热带出现SZ遥相关型正(负)位相，相对应SST异常呈拉尼娜(厄尔尼诺)及北大西洋海温三极子负(正)位相型，则易导致6月辽宁大部分地区、吉林大部分地区和黑龙江中部气温偏高(低)，其余地区接近正常；2月SST呈厄尔尼诺(拉尼娜)及北大西洋海温三极子正(负)位相型，随后3月大气环流配合北极涛动和北大西洋涛动正(负)位相，东亚-太平洋遥相关为负(正)位相，并且出现EU1型遥相关波列，则7月内蒙古东北部气温显著性偏低(高)；5月热带印度洋SST呈IOBM型负(正)位相，而ENSO和北大西洋海温三极子形态不明显，同时，副热带大气环流呈SZ遥相关负(高)位相，而北半球中高纬度环流遥相关波列不明显，则易导致8月内蒙古东北部部分地区、黑龙江中西部、吉林及辽宁北部部分地区气温异常偏低(高)，其余地区气温接近常年。

致谢：感谢武炳义研究员和张培群研究员对本工作提出的宝贵建议、感谢国家气候中心创新团队的支持！