BCC_CSM1.1m 对冬季典型环流系统的预测评估

张智超 周 放 张浩鑫 周辰光 王 欣

1）（南京信息工程大学气象灾害预报预警与评估协同创新中心，南京 210044）

2）（山西省运城市夏县气象局，运城 044400）

3）（中国气象科学研究院，北京 100081）

引 言

我国位于亚洲东部地区，受季风影响，气候灾害频发［1］。东亚冬季风在亚洲季风系统中占据重要地位，是全球最活跃的季风系统之一，对东亚地区的气候具有巨大影响［2］。强东亚冬季风常带来雨雪、低温、寒潮等灾害性天气，对我国社会经济以及人民生产生活造成威胁［3-4］。此外，当东亚冬季风强于正常水平时，次年东亚夏季风也会普遍强于平均状态［5-6］。因此，准确预报东亚冬季风对于防灾减灾和保护人民生命财产具有重要意义［7］。

西伯利亚高压、阿留申低压、西风急流和东亚大槽等是冬季东亚地区的典型环流系统。其中，西伯利亚高压是控制亚洲大陆低层大气环流及气候要素的最重要环流系统，其强度对东亚地区以及中国冬季气候具有非常重要的影响［8-10］。阿留申低压是中心位于北太平洋阿留申群岛附近的副极地气旋，是北半球主要的半永久性大气活动中心之一［11-12］。冬季阿留申低压和西伯利亚高压强度变化直接影响海陆气压差异，对于冬季风和中国广大地区，尤其是中国西北部和东部地区具有强烈影响［13］。因此，西伯利亚高压和阿留申低压的准确预测同样是当今气候预测的重要主题。

当前，气候系统模式已经成为气候预测和未来气候预估的重要工具。国家气候中心在气候系统模式BCC_CSM1.1基础上对气候预测模式系统进行更新，研发了多圈层耦合的气候系统模式BCC_CSM1.1m［14］。该模式大气分量采用BCC_AGCM2.2模式，水平分辨率为T106，接近110 km；海洋分量模式为MOM4_L40v2，可合理模拟全球海洋的基本特征［15］。不少学者针对该模式在气温、降水、积雪、通量场及亚洲季风等方面的模拟和预测性能进行了系统评估，指出该模式能够较好地模拟历史气候、预估未来气候变化［16-20］，并揭示厄尔尼诺和南方涛动（ENSO）信号是该模式在热带和热带外地区季节可预报性的重要来源［16］。此外，Zhou等［20］评估国内外先进业务预测模式对西太平洋副热带高压、南亚高压等东亚夏季典型环流系统的预测性能时，发现该模式整体性能与国际先进模式相当。但该模式对发展阶段的ENSO 预报效果仍有不足，使得其对东亚气候的季节预测依然存在诸多挑战［21］。

考虑到东亚地区冬季典型环流系统对气候的显著影响，考察模式对其预测能力以及可预报性来源十分重要。因此，本文将系统评估BCC_CSM1.1m模式对西伯利亚高压、阿留申低压和东亚冬季风3种东亚地区冬季典型环流系统的预测能力，分析模式预测偏差产生的可能原因，揭示其可预报性来源，为模式预测和应用提供参考。

1 数据与方法

本文利用国家气候中心气候系统模式1.1版本（BCC_CSM1.1m）的历史回报数据［10］，包括海平面气压场、0～10 cm 土壤温度等，预报时长为13 个月。由于该历史回报数据在每个起报时间包含24个样本成员，在进行确定性预报评估时，对所有样本成员进行算术平均作为模式的集合预报结果。

本文使用的观测数据为美国国家环境预报中心NCEP-DOE逐月再分析数据，包括海平面气压和0～10 cm 土壤温度，水平分辨率为2.5°×2.5°。由于观测数据与模式数据水平分辨率不一致，将观测数据插值到1°×1°的均匀网格后进行计算。本文所用的Ni˜no3.4指数为美国国家海洋和大气管理局（NOAA）物理科学实验室提供的逐月Ni˜no3.4 指数。模式与再分析数据的时间均取为1993 年1月—2021年12 月，冬季定义为12 月—次年2 月（DJF）平均。

本文选取西伯利亚高压（Siberian high，SH）、阿留申低压（Aleutian low，AL）和东亚冬季风（East Asian winter monsoon，EAWM）3个东亚地区具有代表性的冬季典型环流系统并将其强度指数作为评估对象。其中，西伯利亚高压强度指数（SHI）采用Hasanean等［22］定义的西伯利亚地区海平面气压平均值，区域选择为40°～65°N，80°～120°E；阿留申低压强度指数（ALI）采用Chen等［23］定义的阿留申地区海平面气压平均值，区域选择为25°～65°N，155°E～135°W。东亚冬季风强度指数（EAWMI）采用施能等［24］定 义 的20°～50°N 标 准 化 后 的110°E 与160°E 的海平面气压值差，邵鹏程等［25］评估并发现该冬季风指数与其他冬季风指数具有较好一致性，能够较好反映冬季风对我国气温的影响，具有一定代表性。

为定量评估东亚地区冬季典型环流系统的预报技巧，本文选择时间相关系数（TCC）、空间相关系数（PCC）以及均方根误差（RMSE）对模式预报性能进行检验评估，其中时间相关系数表征各指数以及模式在每个格点的预报能力，空间相关系数表征观测和预测之间空间模态的相似程度，均方根误差衡量模式预测值和观测值的偏差。

2 东亚地区冬季典型环流系统预报技巧评估

2.1 模式的预报性能

为考察BCC_CSM1.1m 模式对东亚地区冬季典型环流系统的预测性能，本文利用再分析数据和BCC_CSM1.1m 模式预测数据分别计算西伯利亚高压、阿留申低压、东亚冬季风3种典型环流系统的强度指数，并通过TCC 和RMSE 两个确定性评分指标评估模式对3种典型环流系统的预报性能，结果如图1所示。由图1可知，模式对于西伯利亚高压的预报技巧较低。随预报超前月份（lead month，记为LM）的增加，模式对西伯利亚高压的TCC 技巧逐渐减弱；与此同时，RMSE 逐渐增加，表明模式对于西伯利亚高压的预报能力随预报超前月份的增加而降低。12月至9月（记为LM0～LM3）起报的冬季西伯利亚高压的TCC 技巧均大于0，但8 月（LM4）起报时TCC技巧已低于0，且西伯利亚高压的TCC技巧仅在12月（LM0）起报时能够达到0.05显著性水平。

BCC_CSM1.1m 模式对阿留申低压和东亚冬季风的TCC 技巧明显高于西伯利亚高压。由图1可知，12月到8月（LM0～LM4）模式对阿留申低压的TCC技巧均在0.5以上，达到0.01显著性水平。随着预报超前时间增加，阿留申低压的TCC技巧无明显的衰减趋势，表明模式可以在较长时间内准确预测阿留申低压的强度。模式对东亚冬季风的预报性能与阿留申低压相近。12 月至9 月（LM0～LM3）起报时，模式对东亚冬季风的TCC 技巧均高于0.5，达到0.01显著性水平，而8月（LM4）起报的TCC技巧出现较大衰减，这可能与西伯利亚高压在该月起报的衰减为负技巧有关。

图1 BCC_CSM1.1m 模式12月至8月（LM0～LM4）起报的冬季SHI，ALI，EAWMI的预报技巧（虚线和点划线分别表示0.05和0.01显著性水平）Fig.1 Prediction skills of SHI，ALI and EAWMI initiated from Dec to Aug（LM0-LM4）（the dashed line and dotted line denote the levels of 0.05 and 0.01，respectively）

为进一步考察BCC_CSM1.1m 模式对东亚地区环流的预报能力，计算不同起报时间对冬季海平面气压预报的TCC技巧空间分布，如图2所示。12月至9月（LM0～LM3）起报时，模式几乎对整个热带地区的海平面气压均有较高的预报技巧，这主要是由于模式能够较好地把握全球热带环流对ENSO信号的响应特征［16］。对北太平洋地区，特别是阿留申低压的主要活动区域，模式的TCC技巧略低于热带地区，但12 月到9月（LM0～LM3）起报时均能够达到0.05显著性水平。模式对欧亚大陆地区的海平面气压预测能力较弱，仅在12 月（LM0）起报时，西伯利亚高压主要活动区域的TCC技巧可以达到0.05显著性水平。

图2 BCC_CSM1.1m 模式12月至9月（LM0～LM3）起报的冬季海平面气压的TCC技巧（红色、绿色和蓝色方框分别为SHI，ALI，EAWMI定义区域，黑色打点区域表示相关系数达到0.05显著性水平）（a）12月（LM0）起报，（b）11月（LM1）起报，（c）10月（LM2）起报，（d）9月（LM3）起报Fig.2 TCC skills in winter sea level pressure initiated from Dec to Sep（LM0-LM3）in BCC_CSM1.1m（red，green，and blue boxes denote regions of SHI，ALI and EAWMI，dotted area denotes TCC passing the test of 0.05 level）（a）Dec（LM0），（b）Nov（LM1），（c）Oct（LM2），（d）Sep（LM3）

总体上，模式对海洋上空海平面气压的预报能力明显高于大陆。其原因：一方面海洋巨大的热惯性可以直接为大气提供较好的持续性；另一方面，得益于热带海洋存在ENSO 等具有较高可预报性的气候模态，使得热带及其主要遥相关区域，如太平洋北美型（PNA）和东亚太平洋型（EAP），为北太平洋地区提供较高的预报技巧［16］。中高纬度的欧亚大陆，由于大气的自然内部变率较高，且对海温变化的直接响应较弱，因此预报能力有限［26］。此外，东亚冬季风的定义区域主要位于中纬度东亚大陆和西北太平洋地区，受海洋和陆地下垫面的共同影响，且东亚冬季风受西伯利亚高压和阿留申低压的共同调制，因此，模式对东亚冬季风强度的预测在一定程度上依赖于西伯利亚高压强度和阿留申低压强度的准确预测。

2.2 东亚地区冬季典型环流系统的可预报性来源

由以上分析可知，ENSO 对东亚环流的预测具有重要影响，冬季风是海陆热力差异的直接体现。Wang等［27］指出ENSO 是季节预测最重要的可预报性来源。为了探究模式对东亚地区冬季典型环流系统的可预报性来源，图3给出标准化的观测以及模式12月至8月（LM0～LM4）起报的西伯利亚高压、阿留申低压和东亚冬季风的强度指数序列，其中不同起报时间预测的各指数时间序列与观测的相关系数即为图1所示各指数的TCC 技巧。对于西伯利亚高压，在1995—1997年、2005—2008年模式能够做出较为准确的预测，而其他年份的预测效果并不理想。对于阿留申低压和东亚冬季风，模式在大部分年份对指数和变化趋势预测效果均较好，特别是 在1997／1998 年、2009／2010 年 和2015／2016 年冬季，各起报时间下模式对指数和变化趋势均能准确预测，未出现明显偏差。

图3 观测与模式12月至8月（LM0～LM4）起报的SHI，ALI，EAWMI时间序列Fig.3 Observational and predicted SHI，ALI and EAWMI initiated from Dec to Aug（LM0-LM4）

值 得 注 意 的 是，在1997／1998 年、2009／2010年、2015／2016年冬季，阿留申低压和东亚冬季风强度均出现极值，达到历史相对最强，西伯利亚高压无明显的极值特征。无论起报时间如何，模式对于这3个极值年的阿留申低压和东亚冬季风强度的预测结果与观测结果均极为一致。考虑到1997／1998年、2009／2010年、2015／2016年冬季发 生了3 次著名的超强厄尔尼诺事件［28-29］，因此推测ENSO 对于模式是否能够准确预测阿留申低压和东亚冬季风具有重要影响。

为了验证这一推测，将3个强厄尔尼诺年冬季（1997／1998 年、2009／2010 年、2015／2016 年）的 指数剔除，重新计算模式对于西伯利亚高压、阿留申低压、东亚冬季风强度指数的TCC 和RMSE 技巧（图略）。与图1相比，西伯利亚高压的TCC 和RMSE变化较小，TCC 技巧甚至略有提升，与之对应的RMSE也略有降低。阿留申低压和东亚冬季风的TCC技巧显著下降。对于阿留申低压，模式在各起报时间的TCC技巧均无法达到0.01显著性水平，仅12月（LM0）和11月（LM1）起报的TCC 技巧能够达到0.05显著性水平。对于东亚冬季风，模式预报技巧降低更多，各月起报的TCC技巧均无法达到0.05显著性水平。与此同时，阿留申低压和东亚冬季风强度指数的RMSE 均达到1.0以上，相较图1明显增加。这表明ENSO 信号对东亚地区冬季典型环流系统的预测结果具有重要影响，特别是阿留申低压和东亚冬季风。为进一步理解ENSO 对东亚地区冬季典型环流系统可预报性的贡献，本文计算了观测以及模式预测的Ni˜no3.4 指数和海平面气压的相关系数分布，如图4所示。由图4可见，观测中整体呈现为南方涛动的海平面气压响应，西伯利亚高压区域与Ni˜no3.4指数的相关性较弱；阿留申低压所在的北太平洋地区与Ni˜no3.4 指数呈显著负相关；东亚冬季风定义区域的西北太平洋地区与Ni˜no3.4指数呈显著正相关，而东亚大陆区域与Ni˜no3.4指数的相关性较弱。图4a的相关系数与图2模式直接预测海平面气压的TCC 技巧分布极为相似，特别是在海平面气压预报技巧相对较高的热带地区和北太平洋地区，与ENSO 也存在显著高相关。而在欧亚大陆地区，海平面气压的预测能力较弱，与ENSO 的相关性也较低。这表明ENSO 可能是北太平洋地区典型环流系统（如阿留申低压）的重要可预报性来源。

图4 观测以及BCC_CSM1.1m 模式12月至8月（LM0～LM4）起报的Nin˜o3.4指数与海平面气压的相关系数（红色、绿色和蓝色方框分别为SHI，ALI，EAWMI定义区域，黑色打点区域表示相关系数达到0.05显著性水平）（a）观测，（b）12月（LM0）起报，（c）11月（LM1）起报，（d）10月（LM2）起报，（e）9月（LM3）起报，（f）8月（LM4）起报Fig.4 TCC between Nin˜o3.4 index and sea level pressure in observation and model prediction initiated from Dec to Aug（LM0-LM4）（red，green，and blue boxes denote the regions of SHI，ALI and EAWMI，dotted area denotes TCC passing the test of 0.05 level）（a）observation，（b）initiated in Dec（LM0），（c）initiated in Nov（LM1），（d）initiated in Oct（LM2），（e）initiated in Sep（LM3），（f）initiated in Aug（LM4）

由模式预测结果看，模式能够在各起报时间准确反映ENSO 对北太平洋以及西北太平洋的影响，但是模式对于欧亚大陆的预测存在明显偏差。冬季观测的海平面气压与Ni˜no3.4 指数在西伯利亚地区呈极弱的负相关，这表明西伯利亚地区对ENSO可能无显著线性响应。12 月（LM0）起报的结果与观测较为接近，但随着起报时间的增长，模式中存在显著的负相关，高估了西伯利亚高压与ENSO 之间的联系，产生了类似ENSO 在北太平洋影响的向西延伸。这可能是对于欧亚中高纬地区而言，大气环流以及陆面信号的持续性较海洋弱得多，当起报时间较长时，模式只能反映ENSO 的影响，对冬季欧亚大陆起重要影响的ENSO 以外的持续性较弱的信号，模式无法反映。因此，随着起报时间的增长，模式相对高估ENSO 与西伯利亚地区海平面气压的负相关关系。这也可能是模式对西伯利亚高压预报技巧不理想的重要原因，特别是在有强ENSO 信号存在的年份，模式预测的西伯利亚高压存在明显偏差（图3）。

由于BCC_CSM1.1m 模式提前6个月对Ni˜no3.4指数的TCC预测技巧可达0.7以上［30］，模式对东亚地区冬季典型环流系统的预测能力依赖于ENSO与环流预测能力的关系。由于环流的准确预报是指数准确预报的基础，东亚地区冬季典型环流系统各主要活动区域的PCC 技巧可以准确反映指数的预报技巧。因此，计算了模式11 月（LM1）起报的各指数定义区域PCC技巧与Ni˜no3.4指数绝对值（即振幅）的散点分布（如图5所示）。模式对于西伯利亚地区海平面气压的PCC 技巧与Ni˜no3.4指数振幅之间呈负相关，相关系数为-0.32，即当ENSO振幅越强时，西伯利亚地区海平面气压的预报偏差越大。对于阿留申地区和东亚中纬度地区，海平面气压的PCC技巧与Ni˜no3.4指数振幅呈正相关，特别是阿留申地区，相关系数可达0.46（0.1和0.05显著性水平临界相关系数分别为0.323和0.381），即ENSO 振幅越强时，模式对阿留申低压的预报越准确。东亚中纬度地区海平面气压的预报技巧与ENSO 振幅的正相关不显著，相关系数为0.10。这是由于一方面ENSO 对东亚中纬度地区海平面气压的影响有限，另一方面模式未能准确预测西伯利亚高压，导致模式对于其与阿留申低压之间的海平面气压差存在较大偏差，直接影响东亚冬季风的预测。

图5 BCC_CSM1.1m 模式11月起报的SHI（a）、ALI（b）、EAWMI（c）区域的PCC技巧与Ni˜no3.4指数绝对值散点分布及其线性拟合线Fig.5 Scatter plots of PCC skill against absolute Ni˜no3.4 index and its linear fitting line for SHI（a），ALI（b）and EAWMI（c）region initiated in Nov

2.3 模式对西伯利亚高压预测较难的原因

尽管ENSO 强度与西伯利亚高压预测技巧之间存在一定线性关系，但图5a显示，ENSO 振幅越强，西伯利亚地区海平面气压的预测反而不准确。大部分高预报技巧均发生在弱ENSO 年，这意味着可能存在某些相对独立于ENSO 的因子对西伯利亚高压的预测起重要作用。

由于西伯利亚地区是欧亚大陆冷空气的主要聚集地，地表的非绝热冷却作用有利于造成该地区冷空气堆积，气温降低，海平面气压升高［31］。杨洪卿等［26］研究发现，秋末（11月）西伯利亚高压的潜在可预报性明显高于冬季，西伯利亚高压与表层土壤温度等耦合的陆面热力过程和动力过程对于西伯利亚高压的准确预报至关重要。因此，为了探究模式对西伯利亚高压预测较为困难的原因，计算了冬季SHI与12月、1月0～10 cm 土壤温度的相关，观测和模式预测结果如图6 所示。由图6 观测结果可见，SHI与12月和1月欧亚表层土壤温度均呈负相关，显著区域主要位于西伯利亚高压的活动区域，这表明西伯利亚地区的表层土壤温度是影响同期及后期西伯利亚高压的重要因子之一。

图6c、图6d和图6e、图6f分别为10月（LM2）和11月（LM1）起报的冬季SHI与12月、1月0～10 cm 土壤温度的相关系数分布。模式仅能再现西伯利亚高压强度与西伯利亚南部地区表层土壤温度的显著负相关，且极大高估西伯利亚高压强度与亚洲西部地区表层土壤温度的统计关系。由于西伯利亚南部地区海平面气压的潜在可预报性明显高于其北部［26］，虽然模式再现西伯利亚高压强度与西伯利亚北部地区表层土壤温度显著负相关的能力在10月（LM2）强 于11 月（LM1），但 这 并 未 使10 月（LM2）的预报技巧显著提高。此外，表层土壤温度的持续性较弱，这是造成西伯利亚高压的预报技巧随预报超前时间的增加而衰减较快的重要原因之一（图1）。

由图6可知，西伯利亚地区表层土壤温度越低，西伯利亚高压越强，为探究模式预报准确性，本文计算模式11月（LM1）和12 月（LM0）起报的冬季西伯利亚区域海平面气压的PCC 技巧与观测的0～10 cm 土壤温度异常的散点分布图（图7）。由图7可见，模式对于西伯利亚地区海平面气压的PCC 技巧与表层土壤温度呈负相关，11月（LM1）和12月（LM0）相关系数分别为-0.31和-0.26，但离散性较大。这表明表层土壤温度可以为西伯利亚高压提供一定的预报技巧，但受限于其自身持续性以及模式模拟准确性等因素，西伯利亚高压的可预报性有限。此外，3 个 超 强 厄 尔 尼 诺 冬 季（1997／1998 年、2009／2010年、2015／2016年）的结果均偏离线性拟合线。剔除这3个超强厄尔尼诺冬季的结果后，11月（LM1）和12月（LM0）相关系数分别为-0.29和-0.21。这也进一步体现了ENSO 对陆面-大气耦合关系的复杂调制作用是影响西伯利亚高压难以预测的重要因素。

图6 观测与BCC_CSM1.1m 模式10—11月（LM2～LM1）起报的冬季SHI与观测和BCC_CSM1.1m 模式10—11月起报的12月、1月0～10 cm 土壤温度的相关系数（红色方框为SHI定义区域，黑色打点表示相关系数达到0.05显著性水平）（a）观测的冬季SHI与12月土壤温度，（b）观测的冬季SHI与1月土壤温度，（c）10月起报的冬季SHI与12月土壤温度，（d）10月起报的冬季SHI与1月土壤温度，（e）11月起报的冬季SHI与12月土壤温度，（f）11月起报的冬季SHI与1月土壤温度Fig.6 TCC between observed and BCC_CSM1.1m predicted winter SHI from Oct to Nov（LM2-LM1）and 0-10 cm soil temperature in Dec and Jan（red box denotes region of SHI，dotted area denotes TCC passing the test of 0.05 level）（a）observed winter SHI and soil temperature in Dec，（b）observed winter SHI and soil temperature in Jan，（c）winter SHI initiated in Oct and soil temperature in Dec，（d）winter SHI initiated in Oct and soil temperature in Jan，（e）winter SHI initiated in Nov and soil temperature in Dec，（f）winter SHI initited in Nov and soil temperature in Jan

图7 BCC_CSM1.1m 模式11月（LM1）（a）和12月（LM0）（b）起报的冬季SHI区域海平面气压PCC技巧与观测的12月土壤温度异常散点分布及其线性拟合线（星型点代表超强厄尔尼诺年冬季结果）Fig.7 Scatter plots of PCC skill against soil temperature anomaly and its linear fitting line for SHI region initiated in Nov（LM1）（a）and Dec（LM0）（b）（hollow stars denote the strong El Ni˜no year）

西伯利亚高压和阿留申低压是影响东亚冬季风的重要因子。模式能否准确预测西伯利亚高压和阿留申低压将直接影响东亚冬季风的可预报性。以12月（LM0）起报为例，模式对东亚冬季风定义区域海平面气压的PCC 技巧与西伯利亚高压和阿留申低压区域海平面气压的PCC 技巧的相关系数分别为0.21和0.27。这表明西伯利亚高压和阿留申低压对东亚冬季风的预测均具有一定影响。阿留申低压与东亚冬季风的预测技巧相关较高，主要是由于阿留申低压和东亚冬季风的可预报性均来源于ENSO，具有较高的一致性。虽然模式对于西伯利亚高压的预报能力有限，但其预测技巧与东亚冬季风仍具有一定的正相关性。由于东亚冬季风的预测技巧低于阿留申低压，这在一定程度上受到西伯利亚高压预报技巧较低的影响，提高模式对西伯利亚高压的预报能力将有利于提高模式对东亚冬季风的预测。

3 结论与讨论

本文使用BCC_CSM1.1m 模式历史回报数据，通过TCC，RMSE，PCC 等确定性预报技巧评分对东亚地区冬季典型环流系统的预报性能进行评估，探究ENSO 对其可预报性的影响，并分析模式对于西伯利亚高压预报能力较弱较低的原因。主要结论如下：

1）模式对于西伯利亚高压的预报技巧相对低于阿留申低压和东亚冬季风，且均随预报时间的增加而减弱。ENSO 是阿留申低压和东亚冬季风的重要可预报性来源，其信号的强弱对于阿留申低压和东亚冬季风的预报具有重要影响。

2）ENSO 及其遥相关模态的影响，可导致模式对海洋上空海平面气压的预报能力高于大陆。东亚冬季风受海洋和陆地下垫面的共同影响，加之西伯利亚高压和阿留申低压的共同调制，模式对东亚冬季风预测在一定程度上依赖于西伯利亚高压和阿留申低压的准确预测。

3）前期西伯利亚地区表层土壤温度是影响西伯利亚高压的重要因子。但由于表层土壤温度的持续性较弱，使得西伯利亚高压的预报技巧随预报时间的增加而快速衰减。此外，ENSO 对于陆面-大气耦合关系的复杂调制作用也是影响西伯利亚高压预测的重要因素。

总体而言，BCC_CSM1.1m 模式对于东亚地区冬季典型环流系统具有较好的预测能力，但仍存在一定偏差。一些问题有待解决，如模式对于西伯利亚高压的预测能力不足，这对于冬季风乃至我国冬季气候的预测均有重要影响；尽管ENSO 的强度和东亚地区冬季典型环流系统的预测技巧之间存在一定线性关系，但离散性较大，特别是在ENSO 强度较弱时，阿留申低压和东亚冬季风与ENSO 振幅之间的线性关系并不明显（图5b和图5c），这表明存在除ENSO 外的其他可能因子，如陆面过程、平流层、大气内部动力作用，以及热带副热带海气相互作用信号等［32］，对东亚地区冬季典型环流系统的预测有重要影响，需要未来更深入的研究加以揭示。此外，在现有模式预测基础上，采用多模式集合和动力-统计相结合的预测方法［33-34］可改进预测结果，显著提高预测能力。未来随着气候预测模式的发展，以及基于多模式集合的动力-统计预测技术的不断改进，东亚地区冬季典型环流系统的预测也将更加准确。