我国的短期气候预测经过多年发展，预测水平整体有所提高^[1]。但对历史数据和动力模式的分析均表明，不同区域、不同要素的气候可预报性不同^[2-7]，导致各地的预测技巧有明显的区域差异。对我国东部季风区而言，黄淮区域由于地处我国南方雨量丰沛和北方干旱少雨的过渡地带，降水的年际和季节变率大，影响因素复杂，对该区域的降水预测技巧总体偏低。在全国汛期预测评分60分以下 (评分方法见文献[8]) 的年份中，黄淮地区的夏季降水预测或空报洪涝 (如1997年、1999年)，或漏报洪涝 (如1991年、2003年)。由于黄淮地区特殊的地理位置和地形地势条件以及人口密集等特点，使该地区防汛抗旱压力很大。因此，深入分析该地区的气候特殊性并提高预测准确率是国家经济发展的急切需求，也是气候预测发展的需求。

黄淮地区夏季旱涝预测准确率低，与影响该区域夏季降水的外强迫因子指示信号偏弱有关。气候预测业务中考虑的影响我国夏季降水的外强迫信号一般包括海温、积雪、土壤湿度等^{[1, 9]}。ENSO循环是东亚夏季风年际变率的强信号^[10-14]，在该信号影响下，东亚夏季风强弱一般对应的降水异常显著区域是长江流域、华北和华南等地区，而黄淮地区降水异常未通过显著性检验。冬春季积雪异常是影响我国东部夏季气候异常的另一个外强迫因子，而青藏高原积雪和欧亚积雪异常对我国夏季降水影响的显著区域主要在长江流域^[15-16]，对黄淮地区的指示意义也不明确。且不同来源的积雪资料所反映的空间特征及其影响也存在较大差异^[17-18]，积雪信号对黄淮地区夏季降水影响的不确定性更大。同样，前期 (春季) 土壤湿度对我国东部地区夏季降水影响的显著性区域主要是长江流域和东北地区^[19]，黄淮地区仍未通过显著性检验。因此，直接从物理统计的角度进行黄淮地区的气候预测具有很大的挑战性。

近30年，动力气候模式的快速发展以及降尺度技术的应用，使得从客观方法角度进行气候预测取得较大进展。虽然动力气候模式不够完美，但对大尺度变量的预测技巧一般比较高。统计降尺度技术首先利用多年观测资料建立影响区域气候要素的大尺度环流和气候要素之间的统计关系，再将这种关系应用到模式输出的大尺度变量中，进行气候要素的预测^[20-29]。当然在统计降尺度方法中，应尽可能使用物理意义较为明确的预报因子。近些年，我国统计降尺度方法及在气候预测和气候变化业务中的应用也比较广泛^[30-43]，这些工作利用不同模式、不同统计方法对我国不同地区、不同季节的预测进行了探讨，取得了一定预测技巧。然而由于黄淮地区地理位置的特殊性，仍缺乏有针对性的预测分析。因此，充分利用观测资料，认识同期环流对黄淮地区夏季降水的影响规律，提炼出具有一定物理意义的预测因子，借助于动力气候模式模拟和预测的环流信息，将物理意义明确且模式能模拟出的关键区域环流信息作为预测因子，建立统计降尺度的预测模型，并分析模型的预测能力，是提高黄淮地区夏季降水预测技巧的重要途径。

本文采用国家气候中心第2代动力气候模式系统BCC_CSM1.1m的回报和预测结果。该模式系统经过发展^[44]，在气候和气候变化领域应用的大量检验^[45-46]显示出对大尺度变量有一定预测技巧，可以进一步应用。

本文采用1982—2011年NCEP/NCAR月平均再分析资料^[47]，水平分辨率为2.5°×2.5°。国家气象信息中心整理的1982—2011年全国752个站逐月降水资料。黄淮地区的选取根据文献[48]分区结果，范围为30°~36.5°N，105°~122°E。国家气候中心基于气候系统模式BCC_CSM1.1m建立的第2代季节动力气候预测系统^[44]的1991—2011年回报结果。大气初始场采用NCEP每日4次再分析资料的多层次温度、风场及地面气压场，海洋初值采用NOAA GODAS多层次温度场；为实现气候系统多变量的整体协调性，使用松弛逼近方法完成初始化。模式系统采用滞后平均预报 (LAF) 和奇异向量 (SV) 扰动相结合的集合预测方案。本文使用的夏季预测试验结果是从3月1日起报，包含24个样本 (15个LAF样本，使用起报日期前5 d的大气初值和前3 d的海洋初值组合得到；9个SV样本，通过在起报日期初值叠加不同奇异向量扰动得到)，积分13个月，输出变量的水平分辨率为1.125°×1.125°。本文主要分析的是对1991—2011年夏季 (6—8月)(相当于模式超前预报时间为3个月) 的回报结果。气候态采用1991—2011年平均。

为确保相关关系的稳定和显著性，首先分别计算了1991—2011年、1982—2011年黄淮地区夏季降水与同期夏季对流层高中低层高度场和风场等对降水有直接影响的大气环流的相关，了解21年和31年 (图略) 相关场的分布特征是否稳定，经过对比分析发现两组相关图的空间分布特征一致，通过显著性检验的区域也基本一致。由于动力模式的回报结果从1991年开始，因此, 在后面的相关分析中采取1991—2011年的再分析数据和模式回报结果。此外，考虑到欧亚地区的环流对黄淮地区的影响更加直接并具有物理意义，因此, 主要选取东半球达到显著性检验的区域作为预测因子，环流场关注黄淮地区及其上游的特征，风场更加关注黄淮地区邻近区域的特征，图形展示区域也主要以东半球为主。

黄淮地区夏季降水与高层200 hPa位势高度场相关分析 (图 1) 显示，在欧亚从高纬度到低纬度地区呈“+-+”的空间分布，其中达到0.05显著性水平 (0.05, 0.01, 0.001显著性水平临界值分别为0.42, 0.54, 0.65，下同) 的高相关区域共3个：第1个位于中高纬度乌拉尔山地区 (57°~65°N，56°~71°E) 上空，呈显著正相关，中心区域可达到0.001显著性水平，表明当乌拉尔山上空高度场偏强时，黄淮地区夏季降水偏多，该因子与造成黄淮夏季降水的冷空气条件密切相关。为了表述方便，该因子记为h200-1；第2个位于南亚高压到我国南方地区 (25°~30°N，74°~120°E) 上空，呈正相关，表明当南亚高压偏强偏东时，黄淮地区夏季降水易偏多，该因子记为h200-2。第3个位于地中海地区 (37°~42°N，18°~28°E) 上空，该区域与北非副热带高压有密切联系，可能影响低层从索马里—阿拉伯海—孟加拉湾—南海的越赤道气流条件，与黄淮地区夏季降水为显著正相关，该因子记为h200-3。

图1

图1 1991—2011年黄淮地区夏季降水与同期200 hPa位势高度场的相关分布 (阴影分别为达到0.05，0.01和0.001的显著性水平) Fig.1 The correlation of summer rainfall anomaly over the Huang-Huai Valley to 200 hPa geopotential height in 1991-2011 (shaded areas denote passing tests of 0.05, 0.01, 0.001 levels, respectively)

黄淮地区夏季降水与同期200 hPa纬向风场的相关 (图 2) 在欧亚从高纬度到低纬度地区呈“+-+-+”的空间分布，其中达到0.05显著性水平的区域共4个：最显著的区域位于孟加拉湾—华南地区 (18°~25°N，80°~110°E) 上空，呈负相关，表明该区域东风距平偏强时，有利于黄淮地区夏季降水，该因子记为u200-1；第2个位于乌拉尔山以东的中高纬度地区 (45°~53°N，66°~84°E) 上空，呈负相关，表示中高纬度东风距平有利于黄淮地区夏季降水，该因子记为u200-2；第3个位于欧亚中纬度地区上空，呈正相关，表示西风带偏强北扩时，有利于黄淮地区夏季降水，高相关区位于35°~40°N，70°~90°E，记为u200-3，该区域与u200-1所在区域东风距平配合，可在黄淮地区对流层上层造成反气旋性环流增强，有利于低层的对流发生，导致黄淮地区降水偏多；第4个位于南海—菲律宾南部低纬度地区 (0°~10°N，110°~140°E) 上空，呈正相关，表明当西太平洋赤道上空200 hPa西风偏强时，与u200-1区域的东风配合可在西北太平洋高层形成气旋式环流，有利于低层反气旋式环流形成，引导南海的水汽向北输送，造成黄淮地区夏季降水偏多，该因子记为u200-4。

图2

图2 同图 1，但为200 hPa纬向风场 Fig.2 The same as in Fig. 1, but for 200 hPa zonal wind

黄淮地区夏季降水与对流层中层500 hPa高度场的相关 (图 3) 显示与图 1的空间分布接近，为相当正压特征。达到0.05显著性水平的区域共4个：第1个位于乌拉尔山地区 (58°~63°N，60°~68°E) 上空，呈正相关，表明乌拉尔山阻塞高压与黄淮地区夏季降水有密切关系，当阻塞高压偏强时，冷空气活跃，易造成黄淮地区夏季降水偏多，该因子记为h500-1；第2个位于欧洲西部53°~61°N，12°~26°E上空，呈负相关，该区域与乌拉尔山区域的正相关表明欧洲地区环流的经向度较大，易造成中西路冷空气南下影响黄淮地区，该因子记为h500-2；第3个位于地中海地区35°~43°N，21°~36°E上空，呈正相关，记为h500-3，与h200-3特征一致；第4个位于我国东南沿海—南海北部—菲律宾北部地区 (22°~32°N，115°~135°E) 上空，即西太平洋副热带高压所在位置，表明副热带高压偏强有利于黄淮地区夏季降水偏多，该因子记为h500-4。

图3

图3 同图 1，但为500 hPa位势高度场 Fig.3 The same as in Fig. 1, but for 500 hPa geopotential height

黄淮地区夏季降水与对流层低层850 hPa风场纬向分量的相关系数分布 (图 4) 显示，从欧亚高纬度到低纬度地区呈“-+-”的空间分布。达到0.05显著性水平的区域共2个：华南—江南地区 (24°~32°N，105°~125°E) 上空，呈正相关，表示西风偏强有利于黄淮地区夏季降水，该因子记为u850-1；中南半岛南部到南海的低纬度地区 (5°~15°N，80°~115°E) 上空，呈负相关，表示东风偏强有利于黄淮地区夏季降水，该因子记为u850-2。这两个区域的风场距平，有利于在南海和西北太平洋地区形成反气旋，引导水汽向黄淮地区输送，造成黄淮地区夏季降水偏多。这与文献[49]的研究成果一致，即南海高压偏强时，来自印度洋、孟加拉湾的水汽较容易输送到中纬度地区，配合高纬度地区冷空气活动且南下，易造成黄淮地区降水偏多。

图4

图4 同图 1，但为850 hPa纬向风场 Fig.4 The same as in Fig. 1, but for 850 hPa zonal wind

图5

图5 同图 1，但为850 hPa经向风场 Fig.5 The same as in Fig. 1, but for 850 hPa meridional wind

黄淮地区夏季降水与对流层低层850 hPa风场经向分量的相关系数在东亚地区表现为北负南正的分布，达到0.05显著性水平的区域为我国南方 (西南—华南—江南) 正相关区 (20°~30°N，100°~120°E)，表示该区域为偏南风距平时，有利于水汽向黄淮地区输送，该因子记为v850-1；此外，在西北地区东部—华北西部地区呈负相关 (32°~40°N，102°~116°E)，表明该区域为北风距平时，配合南方地区的南风距平，易在黄淮地区上空形成南北风切变，从而有利于黄淮地区夏季降水，该因子记为v850-2。

通过分析实况降水与同期环流的相关，挑选出实际大气中影响黄淮地区夏季降水的关键区环流因子，检验模式对这些因子的模拟能力。本文将所选环流因子区域的格点数据以及模式模拟的相应环流的格点数据分别进行区域平均，计算出相对于气候态的距平值，比较各因子的再分析资料与模式模拟结果的距平符号一致率 (表 1)，为了进一步分析该区域大气环流与降水的物理联系，同时计算了降水距平百分率与再分析资料环流因子距平在物理意义上的一致性 (即正相关的统计符号一致年份，负相关的统计符号相反年份)，如表 1所示。

表 1

表 1 模式与再分析资料环流因子符号一致率及黄淮地区夏季降水距平百分率与再分析资料环流因子物理意义一致率 Table 1 The consistent anomaly ratio of factors between BCC_CSM1.1m and reanalysis data, as well as the ratio between summer rainfall anomaly over the Huang-Huai Valley and predictors from reanalysis data 环流因子 模式与再分析资料环流因子符号一致率/% 与再分析资料环流因子物理意义一致率/% h200-1 62 67 h200-2 72 67 h200-3 67 57 h500-1 48 62 h500-2 38 81 h500-3 67 57 h500-4 67 72 u200-1 67 72 u200-2 38 38 u200-3 57 52 u200-4 67 76 u850-1 52 67 u850-2 48 33 v850-1 62 81 v850-2 52 57

表 1 模式与再分析资料环流因子符号一致率及黄淮地区夏季降水距平百分率与再分析资料环流因子物理意义一致率 Table 1 The consistent anomaly ratio of factors between BCC_CSM1.1m and reanalysis data, as well as the ratio between summer rainfall anomaly over the Huang-Huai Valley and predictors from reanalysis data

由表 1可以看出，上述关键因子中，模式模拟的环流因子与再分析资料环流因子距平符号一致率超过60%的包括h200-1，h200-2，h200-3，h500-3，h500-4，u200-1，u200-4，v850-1；关键区环流因子符号与夏季降水距平百分率符号物理意义一致率超过60%的包括h200-1，h200-2，h500-1，h500-2，h500-4，u200-1，u200-4，u850-1，v850-1。为了保证所挑选的因子既与降水距平百分率符号一致率高，又能被模式较好地模拟，本文挑选降水距平百分率与该区域再分析环流资料符号一致超过13年，即符号一致率超过60%，同时模式模拟夏季降水距平百分率与再分析资料环流因子距平符号一致率也超过60%的区域，将模式模拟的环流因子作为建立降尺度预测模型的预报因子，则满足条件的预报因子共6个：h200-1，h200-2，h500-4，u200-1，u200-4，v850-1。

以模式模拟的6个区域环流结果作为预测因子，利用最优子集回归方法^{[36, 50]}作为转换函数，建立黄淮地区夏季降水的降尺度预测模型。

为了检验统计降尺度方法对黄淮地区夏季降水的预测能力，文中利用交叉检验方法确定预测效果^[51]。每次预报方程由所有可用资料中去掉第M年的资料建立，然后用保留的第M年的资料作为预报检验对象。重复以上过程M次，获得M个预报个例结果，可以得到预报值序列和实况序列，通过比较两个序列的正、负趋势的一致率和两个序列的距平相关系数 (anomaly correlation coefficient, 简称ACC) 作为衡量预报效果的标准。因为保留的第M年资料未参与建模过程，可以认为各样本是相对独立的。

从1991年开始，逐年进行预测，至2011年共21个样本。降尺度预测降水距平百分率与实况降水距平百分率的比较 (图 6) 显示，21年中13年预测结果与实况的符号一致，距平趋势符号一致率为61%。从交叉检验的结果看，基于上述6个因子，利用最优子集回归方法为转换函数，建立的降尺度预测模型对黄淮地区夏季降水的预测能力总体不高，需要进一步改进预测模型。

图6

图6 黄淮地区夏季降水实况距平百分率与6因子降尺度预测降水距平百分率结果比较 (单位：%) Fig.6 The observation and downscaling result from six factors of summer rainfall anomaly over the Huang-Huai Valley

在利用统计方法建立预报方程时，因子的独立性对预报结果有明显影响。进一步分析上述6个因子之间的相关关系 (表 2)。由表 2可知，各因子之间相关系数绝对值超过0.54的有h200-2与h500-4，h200-2与u200-1，u200-4与v850-1，其余因子的相关性较低，可以分为两组进行降尺度预测试验，其中h500-4，u200-1和v850-1为第1组，h200-1，h200-2和u200-4为第2组，建立降尺度预测模型。第1组因子反映的是我国南方地区附近及其上空对流层高中低层的信息，所提供的空间型变化信息有限，进行降尺度预测模型试验的结果，21年的预测符号一致率仅12年。而第2组均为对流层高层的环流因子，分别代表乌拉尔山上空的环流、南亚高压强弱和位置、西太平洋赤道上空的西风强弱特征，在环流空间型分布上更具有代表性。同样利用交叉检验方法考察该模型的预测能力，21年的交叉检验结果和实况的相关系数为0.28，其中有15年预测结果与实况距平符号一致，一致率为72%，较图 6利用6个因子建立降尺度预测模型的预测能力有显著提高，结果如图 7所示。

表 2

表 2 预测因子之间的相关系数 Table 2 Correlation coefficients among circulation factors 因子名称 h200-1 h200-2 h500-5 u200-1 u200-4 v850-1 h200-1 1 0.31 -0.03 -0.35 -0.43 -0.53 h200-2 1 0.59 -0.65 -0.17 -0.48 h500-5 1 -0.04 -0.48 0.25 u200-1 1 0.40 0.46 u200-4 1 0.75 v850-1 1

表 2 预测因子之间的相关系数 Table 2 Correlation coefficients among circulation factors

图7

图7 黄淮地区夏季实况降水距平百分率与3因子降尺度预测降水距平百分率、模式直接输出降水距平百分率结果比较 Fig.7 The observation, downscaling result from three factors and model output of summer rainfall anomaly over the Huang-Huai Valley

为了对比降尺度方法的预测效果，图 7还提供了模式直接输出的降水距平百分率预测，21年中仅8年符号一致，且模式输出的年际变率明显小于实况，有较大的系统性偏差。图 7的降尺度预测结果明显优于图 6的结果，表明对预测因子进行独立性筛选后建立的降尺度预测模型可有效提高黄淮地区夏季降水的预测能力。其中，预测与实况最接近的年份有1994年、1995年、1998年、2004年、2010年，预测与实况的降水距平百分率偏差在5%以内。预测效果较差的年份有1992年、1996年和1997年，预测与实况的降水距平百分率偏差超过20%，1992年实况降水偏少29.1%，预测偏少0.8%；1997年实况降水偏少33.2%，预测偏少10%。这两年虽然降水趋势预报正确，但降水距平百分率量值差别较大。1996年实况降水偏多3.7%，预测偏少20.6%，预测趋势错误，同时预测与实况降水偏差为24.3%。

利用剔除高相关因子后建立的降尺度预测模型能够预测出大多数年份的降水异常趋势，但有的年份预测与实况距平量级差别仍较大。特别是1996年，不仅预测与实况降水距平百分率差别较大，而且预测与实况的趋势相反。如此大的差别及预测技巧偏低的原因需要深入探究。

进一步分析1996年降尺度预测模型采用的预测因子。图 8a为1996年夏季NCEP再分析资料200 hPa位势高度场距平分布，欧亚中纬度地区为明显的正距平中心，亚洲区域30°N以南为负距平，南亚高压整体偏弱。由模式模拟结果 (图 8b) 看，30°N以南也为明显的负距平，模式能够体现出南亚高压偏弱的特征，中纬度地区出现正距平中心，正距平中心较实况略偏北偏东。本文建模所用预测因子，第1个因子位于中高纬度乌拉尔山地区 (57°~65°N，56°~71°E) 上空，即h200-1，再分析资料为-4.64 gpm，模式模拟的结果为-4.17 gpm；第2个因子位于南亚高压地区 (25°~30°N，74°~88°E) 上空即h200-2，再分析资料为-13.52 gpm，模式模拟为-8.93 gpm，这两个因子的实况值与模式模拟情况比较接近。图 8c和图 8d分别为200 hPa纬向风场再分析资料距平场和模式模拟距平场，比较发现，两者基本呈相反分布，在20°S~10°N上空，再分析资料分布呈东正西负，而模式模拟的结果是东负西正的空间型，在10°~40°N再分析资料显示为明显的负距平。即再分析资料中以东风为主，但模式模拟的结果以西风为主，预测因子所在区域的南海和菲律宾南部附近 (0°~10°N，110°~140°E)，实况为2.8 m/s，模式模拟结果为-0.85 m/s。虽然200 hPa位势高度场上两个预测因子的模式回报结果与再分析数据非常接近，但200 hPa风场上，预测因子的模式回报结果与再分析资料相反，导致了降水预测结果与实况距平趋势不一致，且量值差异较大。

图8

图8 1996年夏季200 hPa位势高度场 (单位：gpm) 和200 hPa纬向风场 (单位：m/s) 距平分布 (a) 再分析资料高度场距平，(b) BCC_CSM1.1m模拟高度场距平，(c) 再分析资料纬向风场距平，(d) BCC_CSM1.1m模拟纬向风场距平 Fig.8 200 hPa geopotential height anomaly (unit:gpm) and zonal wind anomaly (unit:m/s) in summer of 1996 (a) geopotential height anomaly of reanalysis data, (b) geopotential height anomaly of BCC_CSM1.1m, (c) zonal wind anomaly of reanalysis data, (d) zonal wind anomaly of BCC_CSM1.1m

进一步分析了其他预报技巧较高和较差年份环流预测因子的模拟与实况，将各因子进行归一化处理后，结果如表 3所示。可以看出，在预报较差的年份，如1992年、1996年和1997年，200 hPa高度场的预测因子模拟和实况的趋势基本一致，但200 hPa纬向风场上模拟和实况的趋势基本相反，造成降尺度预测模型对降水的预测技巧偏低；但在预测效果较好的年份，如1994年、1995年、1998年、2004年和2010年中，200 hPa纬向风场上的预测因子模拟结果与实况趋势完全一致，预测与实况降水距平百分率符号也一致，这充分显示出低纬度地区上空200 hPa纬向风场预测技巧对黄淮地区夏季降水预测的重要性。

表 3

表 3 预报高低年份归一化的关键环流因子模拟结果与再分析资料比较 Table 3 Normalized predictors from BCC_CSM1.1m hindcast data and reanalysis data 年份 h200-1 h200-2 u200-4 模拟值 实况值 模拟值 实况值 模拟值 实况值 1992 -0.98 -2.18 -3.10 -1.57 1.24 -0.16 1996 -0.37 -0.13 -0.30 -0.41 -0.91 1.47 1997 -0.02 -1.34 -0.74 -1.63 -0.13 -0.77 1994 -1.22 -0.43 -0.24 -0.13 -0.74 -1.23 1995 -0.85 -0.48 -0.89 -1.66 0.71 1.06 1998 -0.91 2.17 0.24 1.94 2.94 2.24 2004 -0.07 0.50 0.46 -0.71 -0.21 -1.73 2010 -2.07 1.30 1.26 1.45 1.76 1.70

表 3 预报高低年份归一化的关键环流因子模拟结果与再分析资料比较 Table 3 Normalized predictors from BCC_CSM1.1m hindcast data and reanalysis data

将再分析资料200 hPa纬向风场南海—菲律宾低纬度地区上空区域平均 (u200-4) 和降水距平百分率进行归一化处理 (结果见图 9)，比较发现，该因子与降水实况变化一致，相关系数为0.55(达到0.01显著性水平)，且均存在较明显的准两年周期振荡现象，这可能是平流层准两年振荡对黄淮地区夏季降水有重要的影响，其机理需进一步研究。如果模式对该区域200 hPa纬向风场模拟能力较强，将有助于提高对黄淮地区夏季降水的预测技巧。

图9

图9 夏季南海—菲律宾低纬度地区上空200 hPa纬向风预测因子区域平均 (u200-4) 和黄淮地区夏季降水距平百分率归一化值对比 Fig.9 The normalized 200 hPa zonal wind over South China Sea to South Philippines (u200-4) and summer rainfall anomaly over the Huang-Huai Valley

本文利用NCEP/NCAR再分析资料和国家气候中心第2代动力气候模式BCC_CSM1.1m回报结果针对黄淮地区夏季降水进行了降尺度预测试验。得到如下结论：

1) 黄淮地区夏季降水与同期对流层高中低层的环流均有密切关系，与高层南亚高压、西风急流和南海南部—菲律宾地区低纬度上空200 hPa纬向风场、中层的乌拉尔山地区阻塞高压、西太平洋副热带高压，低层的南方地区南风距平呈明显的正相关，有利于黄淮地区夏季降水偏多。

2) 国家气候中心第2代气候系统模式BCC_CSM1.1m的夏季预测回报试验对200 hPa位势高度场和纬向风场、500 hPa位势高度场、850 hPa经纬向风场影响黄淮地区夏季降水的部分关键区域有较好的模拟能力。

3) 利用实际大气中环流与同期降水有很好相关性，并能够被BCC_CSM1.1m模拟出的环流作为预报因子，建立降尺度预测模型，对黄淮地区夏季降水有一定的预测能力，降水预测与实况的距平百分率符号一致率为61%。进一步剔除预测因子中具有高相关性的因子，利用独立性较好的因子重新建立降尺度预测模型，则预测结果与实况的距平符号一致率为72%，显著提高了预测准确率，显示出筛选预测因子的重要性。

4) 对降尺度预测方法可预报性来源的进一步分析发现，对黄淮地区夏季降水预测技巧较高的年份源于模式对乌拉尔山上空的环流、南亚高压强弱和位置、西太平洋赤道上空的西风强弱预测技巧均较高；降水预测技巧偏低的年份，主要原因是模式对关键区预测因子的模拟能力不高，尤其是对西太平洋赤道地区上空200 hPa纬向风场的模拟能力较差，造成黄淮地区夏季降水预测技巧明显偏低。因此，提高BCC_CSM1.1m对赤道地区风场的模拟能力将有助于提高对黄淮地区夏季降水的预测技巧。

本文对黄淮地区夏季降水降尺度预测方法的分析显示对区域降水进行降尺度预测的应用前景，在区域预测的外强迫信号指示意义较弱时，探究动力气候模式的高技巧预测信息将有利于认识影响区域降水异常的原因并提高区域气候预测能力，同时对模式模拟能力不足的分析也有助于为发展模式提供参考信息。