长江三角洲梅汛期降水与大气环流季节内演变的关系及延伸期预报*

马 悦 信 飞 卢楚翰

1.上海市气候中心/中国气象局上海城市气候变化应对重点开放实验室，上海，200030

2.上海市嘉定区气象局，上海，201800

3.南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室/气象灾害预报预警与评估协同创新中心，南京，210044

1 引言

长江三角洲（以下简称长三角）地区是“一带一路”与长江经济带的重要交汇地带。梅汛期是长江中下游地区主汛期之一，近年来梅雨极端性呈增强趋势（吴楚樵等，2019；孙树鹏等，2021）。2020 年长江中下游地区发生了极为严重的暴雨洪涝灾害，降水强度之强、持续时间之长均为历史罕见（刘芸芸等，2020；信飞等，2020），对社会经济发展和人民生命安全造成了严重威胁。

就预报时效而言，介于天气预报（10 d 以内）和短期气候预测（30 d 以上）之间的10—30 d 延伸期预报是主动减灾的关键之一。从可预报性来源看，延伸期预报初值受制于10 d 以上预报误差快速增长（丑纪范等，2010）；同时，对于海洋、海冰和陆面等缓变下垫面信号又接收不充分（何金海等，2013；章大全等，2019）。因此，延伸期时间尺度的预报难点主要来自于可预报源的匮乏（徐邦琪等，2020）。

梅雨是东亚夏季风向北推进的产物（Tao，et al，1987）。自Yasunari（1980）探讨了季节内振荡与东亚夏季风的关系以来，大量研究（Lau，et al，1988；李桂龙等，1999；毛江玉等，2005；梁萍等，2012a）表明梅汛期降水受大气季节内振荡信号传播的影响，这为梅汛期降水在延伸期尺度上的预报提供了较好的研究基础和可预报来源。近年来动力模式对季节内振荡的预报性能有了长足进步，但预报技巧主要局限在热带地区的大气季节内振荡活动，对夏季北传季节内信号的捕捉仍存在困难（Kim，et al，2012；Vitart，2014）。中外主流气象预报机构（ECMWF、NCEP、BCC 等）的业务预报模式对东亚季风区夏季降水的延伸期预报技巧普遍在两周左右（Buizza，et al，2007；Fu，et al，2013；Jie，et al，2017；郭渠等，2021），之后迅速降低，与实际需求存在较大差距。在上述情况下，基于大气季节内振荡等可预报源的延伸期物理统计方法仍发挥着重要作用。中国学者陆续建立了诸如动力-统计（李维京等，1999；郑志海等，2013）、热带大气季节内振荡方法（梁萍等，2012b）、低频天气图（孙国武等，2013）、时滞回归模型（杨秋明，2014）等延伸期统计预报方法，并取得了一定成效。近年来，Hsu 等（2012）提出的时空投影方法（Spatialtemporal projection method，STPM），将预报重点放在了延伸期时间尺度上大气环流的演变过程对降水的影响，为延伸期预报提供了新的思路（Zhu，et al，2015；马悦等，2018；信飞等，2020）。

长三角地处东亚副热带地区，梅雨期间的东亚夏季风环流成员复杂多变，各成员的配置均处在动态变化中，以往研究从东亚夏季风环流系统的西太平洋副热带高压（毛江玉等，2005）、南亚高压（黄燕燕等，2004）、暖池对流活动（靳振华等，2013）等单个或多个环流成员入手，分析其异常信号在触发梅汛期降水中的作用。在实际预报时，梅汛期降水的延伸期可预报信号往往是来自不同源地的低、中和高纬度大气季节内振荡信号的持续传播过程及相互配合。由于季节内振荡周期、结构和移动特征的复杂性，动力模式尚无法很好地反映东亚夏季季节内振荡信号的传播特征（Fang，et al，2017），对影响梅汛期降水的大气环流系统位置和强度预报存在偏差（Zhao，et al，2014；马杰等，2021），故单纯依靠动力模式完成东亚地区梅汛期降水的延伸期预报还存在较大困难。

从目前来看，梅汛期降水延伸期预报仍存在较大挑战，其季节内演变的物理过程有待进一步探索。以往的物理统计预报方法通常将某个环流成员作为预报因子，将整个夏季降水作为预报对象建立模型，忽略了梅汛期降水时段的特殊性及影响环流的复杂性。本研究立足长三角地区，通过分析该地区梅汛期降水发生前低、中和高纬度大气环流的动态协同演变过程，用客观方法捕捉环流演变的关键时段和区域。在此基础上，将关键区域内大气环流在关键时段内的空间传播过程作为预报因子，利用时空投影方法构建针对长三角梅汛期的本地化降水延伸期预报模型，为长三角地区气象防灾、减灾及重大活动保障提供新的延伸期预报技术支撑。

2 资料与方法

2.1 资 料

所用资料包括：（1）长三角地区62 个国家基本气象站1981—2020 年逐日降水量资料，站点分布见图1；（2）美国国家环境预报中心和国家大气研究中心（NCEP/NCAR，National Centers for Environmental Prediction/National Center for Atmospheric Research）1981—2020 年全球大气环流逐日再分析资料，水平分辨率为2.5°×2.5°；（3）美国国家海洋和大气管理局（NOAA，National Oceanic and Atmospheric Administration）1981—2020 年全球逐日向外长波辐射资料，水平分辨率为2.5°×2.5°。

图1 长三角地区国家基本气象站分布Fig.1 Locations of national basic meteorological stations in the Yangtze River Delta

长三角地区常年6 月中旬入梅，7 月上旬出梅。考虑到实际预报中再分析资料的延迟性以及预报模型对首、尾两端提前预报时效的损失，本研究适当扩大了梅汛期的范围，文中涉及的梅汛期泛指每年第26 候至45 候（5 月5 日至8 月12 日），共计20 候。

2.2 方 法

2.2.1 季节内振荡信号的提取

文中研究对象是长三角地区梅汛期降水的季节内变化，采用Hsu 等（2012）提出的非传统滤波（Non-filtering）方法提取降水和大气环流的季节内振荡信号。利用滑动平均首先从逐日资料中去除大于90 d 的年循环分量，再去除10 d 以内的天气尺度高频和更低频尺度的分量，最终保留季节内变化分量。该方法的优点是可以实时提取降水季节内振荡信号，并已应用在热带及副热带地区的降水季节内分量的提取中（Zhu，et al，2015；马悦等，2018）。

2.2.2 大气环流影响关键区的客观选取

采用Lu（2017）提出的最外围闭合等值线客观识别方法选取大气环流影响关键区。该方法原用于对二维气旋区的识别和追踪，能直观有效地描述气旋的具体形状和影响区域。本研究在计算大气环流与长三角降水季节内分量的超前滞后相关系数的基础上，将正/负相关系数最高值点定为大气环流影响关键区的中心点，以之为中心并按照相关系数0.1 等值线间隔搜索其外围闭合等值线，以对应最外围闭合相关系数等值线以内的覆盖区域作为大气环流影响关键区，记录范围内的要素格点信息。

2.2.3 时空投影法（STPM）模型的建立流程

时空投影法模型的建立过程主要由模型训练和模型预报（回报）2 个部分组成：（1）将1981—2010 年梅汛期作为训练期，将预报时刻t过去1—6 候（过去5—35 d）关键区的大气环流要素季节内分量作为预报因子，未来2—7 候（未来10—40 d）的降水季节内分量作为预报对象，则预报时刻共计t=1—600（30 年×20 候），通过奇异值分解（SVD，Singular Value Decomposition）的方法寻找预报因子场与预报对象场的时空耦合关系。（2）利用该模型对2011—2020 年进行独立预报（回报），共计200 次（10 年×20 候），将预报时刻过去1—6 候的关键区大气环流要素场投影到SVD 左奇异特征向量场，得到SVD 左场时间系数序列；利用SVD 左、右场时间系数序列的高相关，用左场时间系数替代右场时间系数并结合右奇异特征向量场，得到预报时刻未来2—7 候的预报降水场。流程详见Hsu 等（2012）。

2.2.4 相关系数显著性及模型预报技巧的检验评估

考虑到滤波序列持续性的影响，对相关系数进行显著性检验时采用有效自由度（EDoF，Effective Degrees of Freedom，闫昊明等，2003）

式中，N为实际样本量，∆T为采样间隔，WL和WH分别为低通和高通滤波窗口长度。

在预报模型的预报技巧检验评估时，采用模型降水预报值与观测值的时间相关系数（TCC，Temporal Correlation Coefficient，Fisher，1922）和距平相关系数（ACC，Anomaly Correlation Coefficient，胡鹏等，2005）对时空投影法预报模型的预报技巧进行检验评估，以时间相关系数和距平相关系数值通过95%置信水平的显著性t检验作为标准。

3 长三角地区梅汛期降水的季节内变化特征

1981—2020 年长三角地区站点平均的梅汛期逐日降水量序列的功率谱分析显示其梅汛期降水存在3 个显著的季节内振荡周期峰值（图2），分别在10 d 左右、40—50 d 及60—70 d，均通过了95%置信水平的显著性t检验。王遵娅等（2008）指出，长江中下游涝年季节内振荡周期以30—60 d 为主，旱年则以10—30 d 为主。考虑到降水季节内振荡周期在不同年份的离散性，为方便后续预报模型建立，本研究基于非传统滤波方法（Hsu，et al，2012）统一提取降水及大气环流10—80 d 的季节内振荡信号，以下分析均基于10—80 d 滤波处理后的资料。

图2 1981—2020 年长三角地区梅汛期逐日降水的功率谱分析（绿线为马尔可夫红噪声谱；蓝、红线分别为5%、95%信度水平临界值）Fig.2 Power spectrum analysis of daily precipitation in Meiyu season over the Yangtze River Delta from 1981 to 2020 with Markov red noise spectrum（green line），and a priori 5%，95% confidence bound（blue，red line）

以降水的季节内振荡方差表征振荡强度（贾燕等，2010），从其多年平均的空间分布（图3a）来看，长三角梅汛期降水季节内振荡强度存在2 个区域高值中心，分别为苏北、皖南至浙西地区，对应图3b中的降水量高值区。皖西北、杭州湾以南地区的降水季节内振荡强度相对较弱，这可能与皖西北特殊的大别山区地形降水（武英娇等，2019）及杭州湾以南地区的梅雨和台风“双峰”型降水（杨士瑛等，1985）有关，夏季风的季节内振荡特征在上述地区受到不同程度的削弱。长三角梅汛期降水的季节内振荡强度除了区域差异外还存在明显的年际变化，在长江中下游历史上典型的涝年，如1991、1998、1999 和2020 年（丁一汇，1993；陶诗言等，1998；毛江玉等，2005；刘芸芸等，2020），其梅汛期降水均表现出偏强的季节内振荡强度（图3d）。另外，从候尺度（图3c）来看，逐候降水量与季节内分量的相关系数达0.8，意味着逐候时间尺度上的降水季节内分量基本可指示实际降水量的多寡。

图3 1981—2020 年长三角地区梅汛期（a）降水10—80 d 季节内分量方差（单位：mm）、（b）候平均降水量（单位：mm）空间分布及（c）候降水量与季节内变化分量散点、（d）季节内振荡强度与总降水量的逐年变化Fig.3 Spatial distribution in the Meiyu season over the Yangtze River Delta from 1981 to 2020（a.the variance of 10—80 d intraseasonal precipitation components，unit：mm；b.pentad mean precipitation，unit：mm）and（c）the scatter distribution of pentad mean precipitation and 10—80 d intraseasonal component of precipitation，（d）the annual variation of regional average 10—80 d intraseasonal component of precipitation oscillation intensity and total precipitation

4 长三角梅汛期降水与大气环流季节内演变的关系

梅雨是东亚夏季风向北推进的产物。黄荣辉（1990）指出，东亚夏季风环流的突变与菲律宾附近的对流活动密切相关。图4a 是1981—2010 年长三角区域平均梅汛期降水季节内分量与前35—0 天的对流活动季节内分量的相关系数场演变。在降水发生前35 天和25 天（图4a1、a2），降水与对流活动季节内分量的相关系数场呈现印度尼西亚、中国南海—菲律宾群岛至长江流域—日本海“+− +”相间、沿经向传播的波列结构。随着时间临近，降水发生前15 天开始，中国南海—菲律宾群岛的对流异常逐渐减弱，长三角上空的异常对流强度增强且范围逐渐扩大，转为“−+−”分布。与对流活动的变化相对应，降水发生前15 天开始，长三角地区的700 hPa相对湿度场（rhum700）（图4b3）呈现由“干”转“湿”的位相转变。

图4 1981—2010 年长三角区域平均的梅汛期逐日降水与前35—0 天的向外长波辐射对流活动（a）和700 hPa 相对湿度（b）季节内分量的时间相关系数空间分布场（×表示通过95%置信水平的显著性t 检验；下标数字1—5 分别表示前35、25、15、10、0 天）Fig.4 Temporal correlation coefficient maps of outgoing longwave radiation（a）and 700 hPa relative humidity（b）with the intraseasonal component of daily precipitation averaged over the Yangtze River Delta at lead times of 35 to 0 days（cross areas denote values at the 95% confidence level by t-test；the numbers 1—5 denote lead 35，25，15，10，0 d，respectively）

图5a 和b 分别给出了降水与850、200 hPa 矢量风季节内分量的相关系数场在降水发生前的演变。在对流层低层（850 hPa），西北太平洋在降水发生前35—25 天受到低频气旋的控制（图5a1、a2）；降水发生前15 天则转为低频反气旋控制（图5a3），其西北侧的东北地区低频气旋也开始建立并南压；降水发生时对流层低层形成反气旋—气旋—反气旋的经向低频波列结构，长三角对流层低层为低频辐合中心。在对流层高层（200 hPa），降水发生前25 天（图5b2），长江流域为低频气旋、蒙古地区和西北太平洋为低频反气旋控制，形成西北—东南向的反气旋—气旋—反气旋的低频波列结构；随着时间临近，这种低频波列结构逐渐调整，在降水发生前10 天（图5b4）转为气旋—反气旋—气旋的波列结构并增强，长三角对流层高层为低频辐散中心。

图6a 是长三角梅汛期降水与对流层中层500 hPa 高度场季节内分量的相关系数场。由图6a 可见，西北太平洋在降水发生前35—25 天为负相关中心，但随降水时间临近而减弱，并在降水发生前15 天左右转为正相关并增强，意味着西太平洋副热带高压的稳定维持和增强，有利于来自孟加拉湾等地的水汽沿其西侧持续输送到长三角地区；与此同时，降水发生前35—25 天蒙古高原—西伯利亚地区的正相关中心随降水时间临近逐渐减弱，并在降水发生前10 天转为负相关中心，有利于东亚槽的加深并引导冷空气南下。在对流层高层，降水与200 hPa 高度场季节内分量的相关系数场（图6b）在经向上表现为中国南海—菲律宾、青藏高原—长江流域、黄淮到蒙古地区前25 天“+− +”（图6b2）转为前10 天“−+−”（图6b4）的分布，指示着南亚高压的南北振荡；在纬向上，超前10—0 天的青藏高原—长江流域的正相关区域分布着多个正值中心，这可能与南亚高压的东西摆动有关（李洪权等，2012）。

图6 1981—2010 年长三角区域平均的梅汛期逐日降水与前35—0 天的500 hPa（a）和200 hPa（b）位势高度季节内分量的时间相关系数空间分布场（×表示通过了95%置信水平的显著性t 检验；下标数字1—5 分别表示前35、25、15、10、0 天）Fig.6 Temporal correlation coefficient maps of 500 hPa（a）and 200 hPa（b）geopotential height with the intraseasonal component of daily precipitation averaged over the Yangtze River Delta at lead times of 35 to 0 days（cross areas denote values at the 95% confidence level by t-test；the numbers 1—5 denote lead 35，25，15，10，0 d，respectively）

5 梅汛期降水延伸期预报模型的建立与技巧评估

长三角梅汛期降水的发生、发展与前35 天开始的大气环流演变密切相关。为客观划定影响降水的大气环流关键区范围，在计算降水季节内分量与前期环流要素相关系数的基础上，采用Lu（2017）提出的最外围闭合等值线客观识别方法提取影响降水的大气环流关键区。由经纬度范围（表1）可知，影响长三角季节内降水的主要环流关键区集中在（EQ—57.5°N，95°—147.5°E）。因此，将上述区域（图7）作为长三角梅汛期降水延伸期预报关键区。

图7 基于最外围闭合等值线客观识别方法的长三角梅汛期降水延伸期预报的大气环流关键区Fig.7 Key areas of atmospheric circulation for the Yangtze River Delta precipitation extended-range forecast in Meiyu season based on the objective identification method detecting the outermost closed contour

将降水发生前对流层低、中和高层的8 个大气环流要素（表1）在关键区内的季节内传播过程作为预报因子，采用Hsu 等（2012）提出的时空投影方法训练构建了针对长三角本地化的梅汛期降水延伸期预报模型。从降水独立回报的时间相关系数预报技巧（图8）来看，该模型对未来2—4 候（10—25 d）的梅汛期降水有较高的预报技巧，除季节内振荡信号偏弱的皖西北、杭州湾以南地区外，大部分地区的降水回报值和观测值的时间相关系数均在0.2 以上，通过了95%置信水平的显著性t检验；随预报时效的延长，预报技巧略有下降，前35—40 天的时间相关系数降至0.15 以下。

图8 2011—2020 年长三角地区梅汛期季节内降水独立回报值和实际观测值的时间相关系数空间分布（a—f 分别为提前10、15、20、25、30、35 d 起报，打点区域表示通过了95%置信水平的显著性t 检验）Fig.8 Spatial distributions of temporal correlation coefficient between independent forecasts and observations of intraseasonal precipitation in Meiyu season over the Yangtze River Delta from 2011 to 2020（a—f are for forecasts at lead times of 10，15，20，25，30，35 d，respectively；dotted areas denote values at the 95% confidence level by t-test）

表1 长三角梅汛期降水延伸期预报的大气环流关键区经纬度Table 1 Key areas of atmospheric circulation for extended-range precipitation forecast in Meiyu season over the Yangtze River Delta

将独立回报的近10 年划分为降水季节内振荡偏强的4 年（2012、2015、2016、2020 年，共计80 候）和偏弱的6 年（2011、2013、2014、2017、2018、2019年，共计120 候）（图3d），发现在降水季节内振荡偏强年份的模型时间相关系数预报技巧（图9a1—f1）明显高于降水季节内振荡偏弱年份（图9a2—f2），在季节内振荡偏强年的江苏中北部地区提前10—25 d 的时间相关系数可达0.3，而季节内振荡偏弱年大部分地区均在0.15 以下。

图9 季节内振荡偏强年（a1—f1）和偏弱年（a2—f2）长三角地区梅汛期季节内降水独立回报值和实际观测值的时间相关系数空间分布（a—f 分别为提前10、15、20、25、30、35 d 起报，打点区域表示通过了95%置信水平的显著性t 检验）Fig.9 Spatial distributions of temporal correlation coefficient between independent forecasts and observations of intraseasonal precipitation in Meiyu season over the Yangtze River Delta in strong（a）and weak（b）intraseasonal oscillation years（a—f are for forecasts at lead times of 10，15，20，25，30，35 d，respectively；dotted areas denote values at the 95% confidence level by t-test）

续图 9 Fig.9 Continued

从季节内降水独立回报和实况的空间相关系数随预报时效的逐候演变（图10a）看，多预报因子集合的时空投影预报模型空间相关系数预报技巧在提前10—25 d 达到了0.2—0.25，明显优于单因子预报的时空投影模型。低频振荡偏强年份，空间相关系数预报技巧相对较高，提前10—25 d 可达0.25—0.28（图10b）；低频振荡偏弱年份，仅在提前10 d 表现出一定的预报技巧（图10c）。因此，当梅汛期降水季节内信号较强时，时空投影方法预报模型对降水的预报效果更好，预报结果的参考意义更大。

图10 长三角地区梅汛期季节内降水独立回报值和实际观测值的空间相关系数逐候演变（a.2011—2020年，b.季节内振荡偏强年，c.季节内振荡偏弱年）Fig.10 Anomaly correlation coefficients between independent forecasts and observations of intraseasonal precipitation as a function of forecast lead time in Meiyu season over the Yangtze River Delta（a.2011—2020，b.strong intraseasonal oscillation years，c.weak intraseasonal oscillation years）

6 结论与讨论

长三角梅汛期降水量具有显著的10—80 d 季节内振荡特征，但其振荡强度存在空间差异和年际变化。一般而言，降水量越大，对应的季节内振荡越强。在候尺度上，降水季节内分量的大小可指示实际降水量的多寡。梅汛期降水发生前15—10 天大气环流出现季节内调整，热带低频对流活跃并出现经向传播，在西北太平洋、长江流域至黄淮—日本海的对流层低层（高层）激发低频反气旋（气旋）—气旋（反气旋）—反气旋（气旋）的经向波列，长三角低层受低频辐合气流控制、高空受低频辐散气流控制，长三角地区对流逐渐增强。大气低频响应导致南亚高压在季节内出现明显的南北振荡和东西进退，西太平洋副热带高压在长三角地区东南侧稳定维持。上述低、中、高纬度环流在季节内的协同演变共同促进了长三角地区梅汛期降水的发生、发展。

基于最外围闭合等值线客观识别方法得到影响长三角梅汛期降水的大气环流关键区为（EQ—57.5°N，95°—147.5°E）。将大气环流关键区内发报时刻过去1—6 候（5—35 d）的大气环流要素季节内分量作为预报因子，将发报时刻未来2—7 候（10—40 d）的降水季节内分量作为预报对象，结合时空投影方法构建针对长三角梅汛期降水的延伸期逐候预报模型。从独立回报检验来看，该模型对长三角地区梅汛期未来10—25 d 的降水具有较好的预报效果。

近年来，随着模式物理和参数化方案的改进，动力模式对赤道东传热带大气季节内振荡信号的预报技巧已提高至10—30 d（Seo，et al，2009；Lee，et al，2015），且在活跃的热带大气季节内振荡条件下，动力模式会表现出增强的延伸期预报技巧（Pan，et al，2019）。但动力模式对夏季北传季节内振荡的预报能力仍然偏弱（Fang，et al，2017），BCC、ECMWF 和NCEP 等的业务预报模式对季风区夏季季节内降水的预报技巧在1—2 周后迅速降低（Fu，et al，2013）。与动力模式相似，该时空投影模型在季节内振荡偏强时对梅汛期降水的预报技巧也较高，且在未来10—25 d 仍具有较好的预报效果。因此，该模型可作为延伸期动力模式在长三角地区降水预报中的有效补充，在梅汛期季节内振荡偏强的年份，其预报结果的参考意义更大。