The Possible Influence of Arctic Sea Ice on the Precipitation Distribution Pattern of July in East of Northwest China

Dai WANG; Jianling YANG; Wen ZHANG; Yang MA; Xin LI; Suyan WANG

doi:10.7522/j.issn.1000-0534.2023.00053

Plateau Meteorology ›› 2024, Vol. 43 ›› Issue (2) : 318-328. DOI: 10.7522/j.issn.1000-0534.2023.00053

The Possible Influence of Arctic Sea Ice on the Precipitation Distribution Pattern of July in East of Northwest China

Author information +

History +

Abstract

Using the observed precipitation data of 154 meteorological stations in East of Northwest China， NCEP/NCAR atmosphere reanalysis and Arctic sea ice data from 1961 to 2020， the possible impacts and mechanisms of the key area Arctic sea ice on the main distribution mode of precipitation in July during the main flood season in East of Northwest China was analyzed using SVD and other climatic statistic methods.The results show that there are two mainly sea ice modes influencing the distribution pattern of precipitation anomaly in July in East of Northwest China.One is that when the sea ice density in the Barents Sea and the Kuril Islands is relatively small （large）， and that in Davis Strait is relatively large （small）， wave trains propagating southeastward from the Davis Strait and southwestward from the Sea of Okhotsk are stimulated， resulting in the anomaly field of "high in the west and low in the east" （"low in the west and high in the east"） at the 500 hPa geopotential height anomaly field over the East of Northwest China， which leads to the regional precipitation anomaly exhibiting a "consistent less （more）" pattern.The other is that when the sea ice density in the eastern part of the Beaufort Sea is relatively small， the wave train from the Caspian Sea to the Okhotsk Sea is stimulated and matched with the positive geopotential height anomaly over South China， making the cold air path eastward and southward， as well as the subtropical high stronger， which together lead to the precipation characterized by "less in the north and more in the south"， on the contrary， the pattern of precipitation anomaly is reversed.The prediction model， which is established with sea ice in key areas as the prediction factors derived by “SVD projection method”， has certain prediction ability for grasping the precipitation anomaly trend and the spatial distribution pattern of the main flood season in July in East of Northwest China， especially for the "regional consistent less type" and "north more and south less type".

Key words

East of Northwest China / precipitation in flood season / Arctic Sea ice / prediction model

Cite this article

EndNote

Ris (Procite)

Bibtex

Download Citations

Dai WANG , Jianling YANG , Wen ZHANG , Yang MA , Xin LI , Suyan WANG. The Possible Influence of Arctic Sea Ice on the Precipitation Distribution Pattern of July in East of Northwest China. Plateau Meteorology. 2024, 43(2): 318-328 https://doi.org/10.7522/j.issn.1000-0534.2023.00053

1 引言

中国西北地区东部地处内陆，位于青藏高原东北侧，大部分地区处于干旱半干旱气候区。在变暖背景下，全球各地的气候响应各不相同，西北地区作为对气候变化响应的敏感地区之一，受季风气候和西风带的影响，近些年降水表现出明显的时空异常特征。时间上，早在十几年前施雅风等（2002， 2003）就提出了西北地区气候经历了由暖干向暖湿型转变的观点，并预计暖湿化特征将在21世纪上半叶之前将一直持续；在20世纪80年代中后期，西北地区发生了一次明显的气候突变，突变后该区域年降水总量明显增加（Li et al， 2013； Chen et al， 2014； Yang et al， 2020），但不同强度的降水却呈现出减少趋势（陈冬冬和戴永久， 2009）；从21世纪开始，无论是基于降水量还是干燥度指数的分析均表明，西北地区表现出湿化趋势，且该趋势呈现非线性增强的特征（张强等， 2021； Zhang et al， 2021），尤其西北地区东部降水量在近8年增加幅度更大（马鹏里等， 2020）。空间上，中国北方的长期干湿变化趋势呈“西湿东干”的分布格局（马柱国和符淙斌， 2001；李栋梁等， 2003；符淙斌和马柱国， 2008），最新研究表明，考虑蒸发、地表水资源和土壤湿度等因素，西北西部趋向暖湿化而东部趋向暖干化（李明等， 2021）。由此可以看出， 21世纪后，降水量的变化趋势有了新变化，区域性变化特点会更加突出。西北地区降水的异常变化，对该区域的工农业生产、水资源及生态植被有重要影响（任宏利等， 2004； Zhang et al， 2021），因此除了对该区域降水时空异常特征有一定认识，还应重点关注影响该地区降水的关键预测因子，其异常通常会导致降水的异常，往往为我们对该区域降水预测起到至关重要的作用。

以往对西北地区东部汛期降水的成因研究表明，大气环流通常是造成该地区降水异常的直接原因。由于气候变暖，夏季风形成的雨带持续向北移动，中国北方和西部地区出现持续性多雨的格局（丁一汇等， 2013）；夏季风偏强年，西北地区东部受季风影响区域，其上空500 hPa位势高度异常呈现“西低东高”分布，水汽通量增强，降水偏多，夏季风偏弱年反之（刘玉芝等， 2018）；另外夏季风系统的变化（如西太平洋副热带高压（以下简称西太副高）位置摆动）以及其通过环流结构调整影响西风带波动，均会导致西北地区水汽输送差异，造成降水异常（王可丽等， 2005；杨金虎等， 2019）。海温作为影响西北地区降水的重要外强迫因子，一直以来备受关注，早期研究表明，西北地区东部是我国西北地区对厄尔尼诺-南方涛动（ENSO）响应最强烈的区域，厄尔尼诺发展年，西北地区东部7 -8月降水异常偏少（李耀辉等， 2004）；此后，印度洋“电容器效应”被引入作为ENSO影响亚洲季风气候的关键传递信号，在ENSO已经消亡的情况下，印度洋海盆模在西南季风的放大作用下，可以引起东亚夏季风、南亚高压以及西太副高等出现异常，进而影响西北地区东部降水的异常（杨建玲， 2007；杨建玲和刘秦玉， 2008；杨建玲等， 2015）；当前期热带印度洋海温异常偏暖时，容易造成里海东部上空气旋异常，导致西北地区西部降水偏多（Wen and Bin， 2017；王天竺和赵勇， 2021）；当春季北大西洋海温三极子（NAT）为正位相时，欧亚中高纬呈“正-负-正-负”的分布，有利于西北地区中部6月降水偏多（王素艳等， 2021），当春夏季类NAT为持续的负位相特征时，有利于西北地区东部出现季节间“旱转涝”（张雯等， 2023）。此外，青藏高原热力作用对西北地区夏季降水也有重要影响，春季高原土壤湿度为正异常时，有利于夏季西北地区降水偏少（丁旭等， 2022）。

近些年，由于“北极放大”效应的增强，北极海冰变化及其影响的研究越来越得到重视。北极海冰作为全球气候系统重要的“指示器”（Walsh， 2014），其变化会导致一系列气候效应，对全球气候产生影响（韩笑笑等， 2023）。那么，在我国西北地区东部降水最集中的汛期，研究区降水是否与之存在联系，前期北极海冰异常信号对该区域降水是否具有预测参考价值。因此本文将主要围绕上述科学问题展开研究，为西北地区东部汛期降水多因子预测工作提供研究基础。由于西北地区东部范围较大，降水具有明显空间差异，因此针对该区域进行降水不同空间模态的分析，更有利于我们认识不同空间型降水特征及关键影响因子，更好开展该区域汛期降水预测工作。

2 数据来源与方法介绍

2.1　数据来源

降水观测资料为西北地区东部1961 -2020年（以下简称近60年）154个国家气象站逐月数据，站点分布见图1。文中涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2019）1822号的中国地图制作，底图无修改。

Fig.1 Spatial distribution of the meteorological stations in East of Northwest China

图1 西北地区东部气象站点分布

Full size|PPT slide

海冰资料为Hadley中心1961 -2020年逐月海冰密集度资料，水平分辨率为1°×1°。

大气环流资料（位势高度场和风场）为1961 - 2020年逐月NCEP/NCAR大气再分析资料，水平分辨率为2.5°×2.5°。

2.2　研究方法

2.2.1　奇异值分解法（SVD方法）

SVD是研究两个变量场相关结构的诊断方法，它以两个场协方差最大为基础展开，能够最大限度地分离出相互独立的耦合分布型和各自满足的正交性，找到两场之间相互联系的关键区（魏凤英， 2007；王芝兰等， 2015）。

2.2.2　“SVD投影”建模方法

参考Liu and Fan（2012， 2013）的方法，利用预测因子和预测量的SVD模态对应的时间系数和空间模态，基于线性回归方法建立预测模型（本文简称“SVD投影”预测模型），模型建立的主要思路如下：

（a）利用左场预测因子时间序列和右场预测量时间序列分别建立一元线性回归方程，分别得到各模态回归系数

a_{m}

和截距

b_{m}

， m为模态顺序， m=1表示第一模态，依次类推；

（b）把预测因子标准化场投影到它的SVD空间型上，得到它的SVD展开系数的当前值，再利用（a）中计算出的回归系数，得到降水标准化场的SVD系数的当前值，公式为：

y_{m} (t) = [\sum_{i = 1}^{n} (L_{m} (i) \times d i c e (i, t))] \times a_{m} + b_{m}

（1）

式中： n为格点数； t为年份；

L_{m} (i)

为第m模态左场奇异向量空间格点值（即预测因子关键区格点值）；

d i c e (i, t)

为原始预测因子标准化场。

（c）将预测量标准化场的SVD时间系数与空间型结合得到当前的预测量标准化场，公式为：

Y_{m} (j, t) = R_{m} (j) \times y_{m} (t)

（2）

式中：

j

为站点；

R_{m} (j)

为第m模态右场奇异向量空间站点值。

（d）最终的降水场预报量为：

Y (j, t) = Y_{1} (j, y) + Y_{2} (j, y) + \dots + Y_{m} (j, y)

（3）

2.2.3　检验评估方法

距平符号一致率（PC评分），反映预报与实况距平符号一致的程度，即当预测与多年平均值（1991 -2020年平均）差值为正（负），实况与多年平均值的差值也为正（负）时，则表示距平符号一致，公式为：

某站 P C 评分 = \frac{某站 距平 符号 一致 的年 份数}{某站 总年 份数} \times 100 %

（4）

某年 P C 评分 = \frac{某年 距平 符号 一致 的站 点数}{某年 总站 点数} \times 100 %

（5）

空间相关系数（ACC），主要体现预报与实况空间分布型的符合程度，公式为：

A C C = \frac{\sum_{i = 1}^{N} (Δ R_{f i} - \bar{Δ R_{f}}) (Δ R_{0 i} - \bar{Δ R_{0}})}{\sqrt[]{\sum_{i = 1}^{N} (Δ R_{f i} {- \bar{Δ R_{f}})}^{2} \sum_{i = 1}^{N} (Δ R_{0 i} {- \bar{Δ R_{0}})}^{2}}}

（6）

式中：

Δ R_{f i}

为各站降水距平百分率的预报值；

\bar{Δ R_{f}}

为区域内所有站降水距平百分率预报值的平均值；

Δ R_{0 i}

为各站观测值的降水距平百分率值；

\bar{Δ R_{0}}

为区域内所有站观测值的降水距平百分率的平均值； N为实际参加评估的总站数。

2.2.4　其他统计方法

本文还利用标准化方法将不同变量进行无量纲化处理；用相关、合成、线性拟合等统计方法进行特征分析；海冰密集度数据在计算前进行了去趋势处理（魏凤英， 2007）。

3 结果分析

3.1　基于SVD方法选取的海冰关键区

利用西北地区东部主汛期逐月降水量区域平均序列分别回归前期逐月北极海冰场，得出7月降水量与前期春季（3 -5月）海冰场在部分地区存在显著相关。为进一步探讨北极海冰影响西北地区东部7月降水量分布的关键区域，以春季3 -5月北极海冰密集度标准化场为左场，西北地区东部154个站7月累积降水量标准化场为右场，进行SVD分解。图2为左、右场空间异性相关系数，绝对值大于0.25表示通过显著性检验的区域；图3为两个模态时间系数，表示两个场空间模态的接近程度。

Fig.2 Hetero-correlation of SVD between spring sea ice density and precipitation in July over East of Northwest China.In Fig.2（a） and （c）， the ①、 ②、 ③、 ④ indicates the first and second mode sea ice key areas， respectively

图2 春季（3 -5月）北极海冰密集度场与7月西北地区东部降水场的SVD异性相关系数图（a）（c）中①、 ②、 ③、 ④分别表示第一、二模态海冰关键区

Full size|PPT slide

Fig.3 The first （a） and second （b） time coefficients of SVD decomposition of Arctic sea ice density （left field） in spring and precipitation （right field） in East of Northwest China in July

图3 春季（3 -5月）北极海冰密集度场（左场）与7月西北地区东部降水场（右场）的SVD分解第1（a）、 2模态（b）时间系数

Full size|PPT slide

SVD分解的第1、 2模态的平方协方差贡献率分别为29.9%和16.2%，相应模态的时间序列相关系数分别为0.72和0.67，第3模态及之后的平方协方差贡献率很小，说明前2个模态反映了海冰场和降水场最主要的信息，本文也主要基于前2个模态进行分析。在第1模态异性相关系数分布中，左场巴伦支海、千岛群岛海域表现为显著负相关，戴维斯海峡为显著正相关［图2（a）］，对应右场西北地区东部降水为区域一致的负相关分布，其中甘肃兰州市以南、宁夏中南部、陕西大部地区均为显著负相关［图2（b）］；由于模态相关系数为0.72（通过0.001的显著性检验）［图3（a）］，上述关键区海冰“负-负-正”分布与以上降水场有显著正相关，即当关键区巴伦支海、千岛群岛海域海冰密集度偏大（小），戴维斯海峡海冰密集度偏小（大）时，表现为“区域一致偏多（少）”分布型，尤其甘肃兰州市以南、宁夏中南部、陕西大部地区降水偏多（少）。同样地，在第2模态异性相关系数分布中，左场波弗特海东海域为显著负相关［图2（c）］，右场西北地区东部相关场表现为南北反位相分布，即甘肃兰州市以北、宁夏中北部、陕西的陕北及内蒙古大部地区呈显著负相关，而在陕西南部为显著正相关［图2（d）］；由于模态相关系数为0.67（通过0.001的显著性检验）［图3（b）］，即当波弗特海东海域海冰密集度偏大（小）时，降水场呈“北多（少）南少（多）”分布型，即甘肃兰州以北、宁夏中北部、陕西的陕北及内蒙古大部地区降水偏多（少），陕西南部降水偏少（多）。

另外， SVD分解的第1、 2模态右场的空间分布型与EOF分解的西北地区东部降水场的空间模态相似（图略），第1模态为全区一致的分布，第2模态为南北反位相的分布，表明第1模态总体反映出了西北地区东部区域一致性特点，第2模态为南北反位相的分布格局，由此可见SVD分解的结果合理。由图3可知，左场海冰场分布型与右场西北地区东部降水场之间的对应关系一致，呈同位相变化，这为我们下面分析海冰影响不同模态降水分布型的可能成因及建立恰当的预测指标奠定了基础。

3.2　海冰关键区指数的确定

将图2（a）、（c）中4个区域海冰密集度进行区域平均后，分别定义指数，关键区①为巴伦支海25°E -50°E、 68°N -77°N范围，关键区②为千岛群岛海域145°E -150°E、 44°N -54°N范围，关键区③为戴维斯海峡297°E -315°E、 45°N -68°N范围，关键区④为波弗特海东海域210°E -345°E、 80°N - 86°N范围，关键区①、 ②、 ③、④分别进行区域平均并标准化后，得到序列1、序列2、序列3和序列4，将序列3的值连续减去序列1和序列2的值，得到的序列定义为指数1，作为第1模态的关键区海水指数，序列4的值乘以-1定义为指数2，作为第2模态的关键区海水指数。

为验证该指数建立的是否合理，将指数1分别与第1模态左场时间系数［图4（a）］，指数2与第二模态左场时间系数求相关［图4（b）］，其相关分别为0.72和0.61，表明选择的海冰关键区建立的指数，能够较好地代表SVD分解的海冰模态。

Fig.4 SVD decomposes the left field time coefficient of the first （a） and second （b） modes and the index change sequence of the key area of sea ice in each mode

图4 SVD分解第1（a）、 2（b）模态左场时间系数与其模态内海冰关键区指数标准化序列

Full size|PPT slide

3.3　北极海冰对西北地区东部降水的可能影响分析

将海冰关键区指数1（以下简称指数1）与SVD右场第1模态时间系数（定义为rtime1）及海冰关键区指数2（以下简称指数2）与右场第2模态时间系数（定义为rtime2）分别进行21年滑动相关（图5），图中1961 -1981年相关系数的横坐标对应于1971年，依此类推，由图5可以看出，指数1与rtime1的滑动相关系数在大部分年份均通过显著性检验，而指数2与rtime2的滑动相关系数在1990年之后才稳定通过显著性检验。因此，为更好地分析显著相关的年代际背景下海冰影响降水的环流机制，且便于将1、 2模态进行统一，本节主要分析1991 -2020年间海冰影响第1、 2模态降水的可能途径。

Fig.5 The 21-year sliding correlation of sea ice key area index 1 and 2 with the first and second mode time coefficient of the right field， respectively

图5 海冰关键区指数1、 2分别与右场（降水场）第一、二模态时间系数的21年滑动相关

Full size|PPT slide

3.3.1　西北地区东部降水异常的环流机制分析

为找出影响西北地区东部降水场两种模态的关键环流信号，将rtime1与rtime2分别与500 hPa位势高度距平场求相关。由图6（a）可知，在中高纬地区，显著相关区自乌拉尔山地区至我国长江中下游，其上空有一明显位势高度场异常的“负-正-负”波列，且在我国东北至日本岛上空为负位势高度场异常，即当乌拉尔山高压脊偏弱，新疆北部及以北上空为正位势高度异常，我国东北至日本上空槽偏强时，西北地区东部降水呈现第1模态分布，即“区域一致偏少型”，尤其在甘肃兰州市以南、宁夏中南部、陕西大部地区降水异常偏少。同理，由图6（c）可知，影响降水场第2模态的环流关键区位于鄂霍茨克海及以北、乌拉尔山至里海以及菲律宾海至我国华南地区上空，当上述区域为正异常时，易造成西北地区东部降水“北少南多”的分布型。

Fig.6 Distribution of correlation coefficients between rtime1 （a） and rtime2 （c） with 500 hPa geopotential height anomaly field respectively from 1991 to 2020 （contour represents correlation coefficient， the colore area represents passing 95% confidence level）， and composite difference field of 500 hPa geopotential height anomaly （contour and color area， unit： gpm） in high and low value years of rtime1 （b） and rtime2 （d）

图6 1991 -2020年右场第一模态时间系数（rtime1， a）、右场第二模态时间系数（rtime2， c）分别与500 hPa位势高度距平场的相关系数分布（等值线代表相关系数，彩色区域代表通过了95%置信度检验）及rtime1（b）、 rtime2（d）高、低值年500 hPa位势高度距平合成差值场（等值线和彩色区域，单位： gpm）

Full size|PPT slide

此外，将降水区域一致异常偏少（多）或以少（多）为主年份作为rtime1序列低（高）值年，分别将标准化后的rtime1序列值最高5 年（1991 年、 2000 年、 2002年、 2014年和2015 年，代表异常偏少年）和值最低5年（1996 年、 1998 年、 1999年、 2013年和2018年，代表异常偏多年）500 hPa位势高度场做合成差值［图6（b）］，可看出其与图6（a）中的相关系数分布相似，即当乌拉尔山地区为负位势高度场异常时，不利于乌拉尔山阻塞高压（乌山阻高）的建立，从而使得南下的冷空气活动减少。此外，我国新疆北部及以北上空为正位势高度异常，而我国东北至日本上空为负位势高度异常，这种“西高东低”的配置，不利于偏南水汽向西北地区输送，造成研究区降水一致偏少。将区域降水“北少南多”（“北多南少”）年份作为rtime2序列高（低）值年，分别将标准化后的rtime2值最高前5年（1998年、 2000 年、 2007年、 2010年、 2011年）和值最低后5年（1995年、 1996年、 1997年、 1999年和2012年）500 hPa位势高度场做合成差值［图6（d）］，可看出其与图6（c）有相似的分布，即当乌尔拉山至里海为正位势高度异常时，有利于乌山阻高的加强及南压，导致南下冷空气活跃且位置偏南，更容易输送到西北地区东部偏南区域；此外，当华南地区为正位势高度异常时，表示西太副高偏西、偏强，西南暖湿气流与西北干冷气流交汇于研究区的东南部，造成西北地区东部降水“北少南多”的分布型。

3.3.2　海冰影响降水的可能途径

为进一步说明海冰通过影响环流系统异常进而影响西北地区东部降水的可能途径，我们将指数1和指数2分别与500 hPa位势高度场求相关，并将指数异常年500 hPa位势高度距平场进行合成，看海冰影响的环流关键区是否与图6中环流关键区一致，从而说明海冰关键区异常通过大气波列对后期东亚的大气环流产生明显影响，进而造成西北地区东部7月降水的异常。其中指数1与rtime1序列值最高5年中有3年一致， 2年正位相一致，两者序列值最低5年中有4年一致， 1年负位相一致；指数2与rtime2序列值最高5年中有1年一致， 2年正位相一致，两者序列值最低5年中2年负位相一致。

由图7（a）中指数1与500 hPa位势高度距平场的相关分布可看出，其显著相关区域与图6（a）相似，环流关键区位置也对应较为一致，即当海冰指数1异常时可激发欧亚中高纬自西向东、自北向南传播的波列， 4个显著相关区分别位于大西洋中北部、乌拉尔山地区、我国新疆以北地区及鄂霍次克海至日本一带；另外图7（b）中指数1高、低值年500 hPa位势高度异常合成差值场与图6（b）相似，即海冰异常造成环流异常，进而影响西北地区东部降水；图7（c）中进一步以指数1回归7月500 hPa流函数以及流函数所对应的波通量，可以看到流函数相关大值区与图7（a）中的波列遥相关型区域基本一致，波通量在北大西洋地区（即戴维斯海峡）和鄂霍次克海存在明显辐散，其中第一条传播途径从戴维斯海峡区域开始，对应其下游可能有两条传播路径，一条从戴维斯海峡向南传播至北大西洋中部的纽芬兰岛区域，该路径偏西，对我国降水未有明显影响，另一条往东传至乌拉尔山地区，再传至我国新疆以北及中国内陆地区；而第二条传播途径从鄂霍次克海开始，沿着西南方向传播至我国内陆地区。因此，导致我国中高纬度地区位势高度距平呈“西高东低”分布，西北地区东部受干冷气流控制，不利于降水偏多。

Fig.7 The correlation between index 1 （a， c） and index 2 （d， f） with the 500 hPa potential height field （contour represents correlation coefficient， the colore area represents passing 95% confidence level） and flow function ［isoline， red （blue） lines represent positive （negative） values］ as well as the wave flux of the flow function （vector）， and composite difference field of 500hPa geopotential height anomaly （contour and color area， unit： gpm） in high and low value years of index 1 （b） and index 2 （e） of July from 1991 to 2020

图7 1991 -2020年指数1（a、 c）、指数2（d、 f）分别与7月500 hPa位势高度场（等值线代表相关系数，彩色区域代表通过95%置信度检验）和7月流函数［等值线，红（蓝）色表示正（负）值］及流函数的波通量（矢量）的相关，指数1（b）、指数2（e）高、低值年500 hPa位势高度距平合成差值场（等值线和彩色区域，单位： gpm）

Full size|PPT slide

同理，图7（d）中指数2与500 hPa位势高度距平场的显著相关区位于里海、我国华南地区及鄂霍次克海，但在鄂霍次克海和里海上空的显著相关区位置偏南，与图6（c）基于对应一致；图7（e）中指数2高、低值年500 hPa位势高度异常合成差值场与图6（d）大体上相似，即在里海、我国华南地区为正位势高度异常，但在鄂霍次克海上空的负位势高度异常与图6（d）相反；另外图7（f）中可以看到流函数相关大值区与图7（d）中的波列遥相关型区域基本一致，波通量在里海和我国华南地区辐散较为明显，分别对应两条波传播路径，一条为里海-巴尔喀什湖-贝加尔湖-东北以北-鄂霍次克海，即“正-负-正-负-正”的波列，另一条为鄂霍次克海-日本岛-菲律宾以东区域，即“正-负-正”的波列，第一条波列造成乌拉尔山以南里海上空的正位势高度异常，配合巴尔喀什湖地区的负位势高度异常，使得冷空气路径偏东偏南，第二条波列造成副高偏强，其北侧异常气旋加强，上空盛行东南气流，使得研究区的“东南部”受湿冷气流影响，造成该地区降水偏多，形成西北地区东部降水异常的“北少南多”分布型。

3.4　预测模型的建立与检验

前面我们主要通过SVD分解的结果建立了海冰与西北地区降水的关系，因此我们基于上述海冰指数1和指数2， rtime1和rtime2序列以及去趋势后的海冰密集度标准化场，结合2.2.2节中的“SVD投影”建模方法建立西北地区东部7月降水预测模型，该模型在气候预测中也得到较好的应用（刘颖等， 2013；吴遥等， 2020）。选取1991 -2010年20年数据进行建模， 2011 -2020年时段数据对模型的预测能力进行检验。

从图8中PC评分的空间分布可以看出，大部分地区PC在60%以上，尤其在内蒙古、甘肃中北部和宁夏PC总体较高，基本在60%以上，在陕西和甘肃南部相对较低，大部在40%~60%。由表1可知，近10年中，除2013年、 2017年和2019年的ACC为负外，有5年在0.16以上（通过0.05显著性检验），且有5年的PC评分在60%以上，因此，模型整体的预测效果较好，对降水距平符号的把握及空间型具有一定的预测能力。另外，从典型异常年的角度看， 2011 -2020年间有2年为“区域一致少型”（2014年和2015 年），其PC和ACC均很高， PC能达到80%以上， ACC在0.3以上；有3年（2012年、 2016年和2017年）为“北多南少型”，这3年每年至少有ACC通过显著性检验或PC评分能达到60%以上；有2年（2011年和2020年）为“北少南多型”，其ACC或PC评分均较低；有2年（2013年和2018年）为“区域一致多型”，其ACC或PC评分很差。因此，对于降水分布典型年，预测模型综合表现最好的是“区域一致少型”，其次是“北多南少型”，然后是“北少南多型”，最差为“区域一致多型”，其可能原因是该预测模型对研究区东南部，即陕西至甘肃南部一带降水偏多的预测效果不好。

Fig.8 Spatial distribution of anomaly symbol consistency rate （PC） by precipitation prediction model from 2011 to 2020.Unit： %

图8 2011 -2020年降水模型预测的距平符号一致率（PC）空间分布（单位： %）

Full size|PPT slide

Table 1 Capability test of precipitation prediction model from 2011 to 2020

表1 2011 -2020年逐年降水模型预测水平检验

年份	2011	2012	2014	2015	2016	2017	2018	2019	2020
降水分布型	北少南多	北多南少	以少为主	一致少	北多南少	北多南少	一致多	不典型	北少南多
ACC	0.17	0.51	0.56	0.31	0.22	-0.01	0.04	-0.02	0.07
PC/%	52	40	81	92	60	65	42	70	54

4 讨论

极地海冰不仅与局地高纬度大气环流存在联系（尹航等， 2022），而且与中低纬乃至全球的大气环流存在联系（王岱等， 2021），即前期海冰的异常，会影响夏季亚洲大陆热低压、西太副高位置、强度以及南亚高压的强弱，从而影响东亚夏季风的强弱（武炳义等， 2001；王岱等， 2021）。本文建立的预测指标，对西北地区东部7月降水“区域一致少型”和“北多南少型”预测效果较好，而由前面的分析可知，海冰影响上述分布型的途径以偏北和偏西路径为主，主要通过影响欧亚地区中高纬环流系统进而影响降水；而预测模型对降水“区域一致多型”和“北少南多型”预测效果相对较差，该原因主要是对陕西至甘肃南部一带（“南区”）预测效果较差，海冰影响这两类降水分布型的途径主要为偏南路径，通过影响西太副高的位置和范围进而影响“南区”降水。虽然海冰对副高有一定影响，但比起热带海温来说，其对降水的影响所占比重相对较小，因此通过海冰建立的预测模型，对受西太副高影响更大的区域降水来说预测效果相对较差。因而，从预测角度来说，如何将以海冰为代表的高纬系统和中低纬度系统的影响结合起来进行预测，是今后需要考虑和重点研究的方向。

5 结论

本文利用西北地区东部气象站点降水观测数据，采用SVD分解对该区域7月降水主要模态进行分析，探究北极海冰关键区对降水分布型的可能影响途径，并建立降水预测模型，得到以下主要结论：

（1）春季（3 -5月）有两种海冰模态与西北地区东部主汛期7月降水异常关系密切。第一种模态为巴伦支海、千岛群岛海域海冰密集度偏大（小），戴维斯海峡海冰密集度偏小（大）时， 7月西北地区东部降水异常为“区域一致多（少）型”，尤其甘肃兰州市以南、宁夏中南部、陕西大部地区降水异常偏多（少）；第二种模态为波弗特海东海域海冰密集度偏大（小）时，区域降水异常为“北多（少）南少（多）型”，尤其甘肃兰州以北、宁夏中北部、陕西北部及内蒙古大部地区降水偏多（少），陕西南部降水偏少（多）。

（2）春季关键区海冰通过激发大气异常波列的稳定传播，影响当年7月东亚地区的大气环流，从而间接影响西北地区东部的降水异常，即当巴伦支海、千岛群岛海域海冰密集度偏小（大），戴维斯海峡偏大（小）时，可激发从戴维斯海峡向东南以及从鄂霍次克海向西南方向传播的波列，使得我国西北地区东部上空500 hPa位势高度距平呈“西高东低”（“西低东高”）的分布型，造成区域降水异常为“一致偏少（多）”分布型。当波弗特海东海域海冰密集度偏小，激发从里海东传至鄂霍次克海的波列，配合我国华南上空的正位势高度异常，使得冷空气路径偏东、偏南及西太副高偏强，使得西北地区东部的“东南部”受湿冷气流影响，造成该区域降水异常为“北少南多”分布型，反之为“北多南少”分布型。

（3）基于关键区海冰建立的降水“SVD投影”预测模型，对西北地区东部主汛期7月的降水距平符号的把握及空间分布型具有一定的预测能力，尤其对降水“区域一致少型”和“北多南少型”的预测效果较好。

References

Publishing order | Descend order by publishing year | Descend order by cited within

Chen

Y N

， Deng

H J

， Li

B F

， et al， 2014.Abrupt change of temperature and precipitation extremes in the arid region of northwest China［J］.Quaternary International， 336（26）： 35-43.

本文引用 [1]

B F

， Chen

Y N

， Shi

， et al， 2013.Temperature and precipitation changes in different environments in the arid region of northwest China［J］.Theoretical and Applied Climatology， 112（3）： 589-596.

本文引用 [1]

Liu

， Fan

， 2012.Prediction of spring precipitation in China using a downscaling approach［J］.Meteorology and Atmospheric Physics， 118： 79-93.

本文引用 [1]

Liu

， Fan

， 2013.A new statistical downscaling model for autumn precipitation in China［J］.International Journal of Climatology， 33（6）： 1321-1336.

本文引用 [1]

Walsh

J E

， 2014.Intensified warming of the Arctic： causes and impacts on middle latitudes［J］.Global and Planetary Change， 117（3）： 52-63.

本文引用 [1]

Wen

， Bin

， 2017.Predictability and prediction of summer rainfall in the arid and semi-arid regions of China［J］.Climate Dynamics， 49（1/2）： 419-431.

本文引用 [1]

Yang

， Xu

， Chen

， et al， 2020.Has the Bosten Lake Basin been dry or wet during the climate transition in northwest China in the past 30 years［J］.Theoretical and Applied Climatology， 141（3）： 627-644.

本文引用 [1]

Zhang

， Yang

J H

， Wang

， et al， 2021.Climatic warming and humidification in the arid region of Northwest China： multi-scale characteristics and impacts on ecological vegetation［J］.Journal of Meteorology Research， 35（1）： 113-127.

本文引用 [2]

陈冬冬，戴永久， 2009.近五十年中国西北地区夏季降水场变化特征及影响因素分析［J］.大气科学， 33（6）： 1247-1258.

Chen

D D

， Dai

Y J

， 2009.Characteristics and analysis of typical anomalous summer rainfall patterns in northwest China over the last 50 years［J］.Chinese Journal of Atmospheric Sciences， 33（6）： 1247-1258.

本文引用 [1]

丁旭，赖欣，范广洲， 2022.青藏高原春季土壤湿度异常与我国夏季降水的联系［J］.高原气象， 41（1）： 24-34.DOI： 10.7522/j.issn.1000-0534.2020.00094.Ding X ，

Lai

， Fan

G Z

， 2022.Impacts of spring soil moisture anomalies in Qinghai-Xizang Plateau on the summer precipitation variability in China［J］.Plateau Meteorology， 41（1）： 24-34.DOI： 10.7522/j.issn.1000-0534. 2020.00094 .

本文引用 [1]

丁一汇，孙颖，刘芸芸，等， 2013.亚洲夏季风的年际和年代际变化及其未来预测［J］.大气科学， 37（2）： 253-280.

Ding

Y H

， Sun

， Liu

Y Y

， et al， 2013.Interdecadal and interannual variabilities of the Asian summer monsoon and its projection of future change［J］.Chinese Journal of Atmospheric Sciences， 37（2）： 253-280.

本文引用 [1]

符淙斌，马柱国， 2008.全球变化与区域干旱化［J］.大气科学， 32（4）： 752-760.

Z B

， Ma

Z G

， 2008.Global change and regional aridification［J］.Chinese Journal of Atmospheric Sciences， 32（4）： 752-760.

本文引用 [1]

韩笑笑，孟宪红，赵林，等， 2023.“北极放大”现象驱动因素及其影响的研究进展综述［J］.高原气象， 42（1）： 1-12.DOI： 10.7522/j.issn.1000-0534.2022.00029.Han X X ，

Meng

X H

， Zhao

， et al， 2023.A review of the research progress on the drivers of the "Arctic Amplification" phe nomenon and its influence［J］.Plateau Meteorology， 42（1）： 1-12.DOI： 10.7522/j.issn.1000-0534.2022.00029 .

本文引用 [1]

李栋梁，魏丽，蔡英，等， 2003.中国西北现代气候变化事实与未来趋势展望［J］.冰川冻土， 25（2）： 135-142.

D L

， Wei

， Cai

， et al， 2003.The present facts and the future tendency of the climate change in northwest China［J］.Journal of Glaciology and Geocryology， 25（2）： 135-142.

本文引用 [1]

李明，孙洪泉，苏志诚， 2021.中国西北气候干湿变化研究进展［J］.地理研究， 40（4）： 1180-1194.

， Sun

H Q

， Su

Z C

， 2021.Research progress in dry/wet climate variation in northwest China［J］.Geographical Research， 40（4）： 1180-1194.

本文引用 [1]

李耀辉，李栋梁，赵庆云，等， 2004.ENSO循环对西北地区夏季气候异常的影响［J］.高原气象， 23（6）： 930-935.

Y H

， Li

D L

， Zhao

Q Y

， et al， 2004.Effects of ENSO cycle on the summer climate anomaly over northwest China［J］.Plateau Meteorology， 23（6）： 930-935.

本文引用 [1]

刘颖，范可，张颖， 2013.基于CFS模式的中国站点夏季降水统计降尺度预测［J］.大气科学， 37（6）： 1287-1296.

Liu

， Fan

， Zhang

， 2013.A statistical downscaling model for summer rainfall over China stations based on the climate forecast system［J］.Chinese Journal of Atmospheric Sciences， 37（6）： 1287-1296.

本文引用 [1]

刘玉芝，吴楚樵，贾瑞，等， 2018.大气环流对中东亚干旱半干旱区气候影响研究进展［J］.中国科学（地球科学）， 48（9）： 1141-1152.

Liu

Y Z

， Wu

C Q

， Jia

， et al， 2018.An overview of the influence of atmospheric circulation on the climate in arid and semi-arid region of Central and East Asia［J］.Science China Earth Sciences， 48（9）： 1141-1152.

本文引用 [1]

马鹏里，杨金虎，卢国阳，等， 2020.西北地区东部气候的转折性变化［J］.高原气象， 39（4）： 840-850.DOI： 10.7522/j.issn.1000-0534.2019.00093.Ma P L ，

Yang

J H

， Lu

G Y

， et al， 2020.The transitional change of climate in the east of northwest China［J］.Plateau Meteorology， 39（4）： 840-850.DOI： 10.7522/j.issn. 1000-0534.2019.00093 .

本文引用 [2]

马柱国，符淙斌， 2001.中国北方干旱区地表湿润状况的趋势分析［J］.气象学报， 59（6）： 737-746.

Z G

， Fu

Z B

， 2001.Trend of surface humid index in the arid area of Northern China［J］.Acta Meteorologica Sinica， 59（6）： 737-746.

本文引用 [1]

任宏利，张培群，李维京，等， 2004.中国西北东部地区春季降水及其水汽输送特征［J］.气象学报， 62（3）： 365-374.

Ren

H L

， Zhang

P Q

， Li

W J

， et al， 2004.Characteristics of precipitation and water vapor transport during springtime in the eastern northwest China［J］.Acta Meteorologica Sinica， 62（3）： 365-374.

本文引用 [1]

施雅风，沈永平，胡汝骥， 2002.西北气候由暖干向暖湿转型的信号、影响和前景初步探讨［J］.冰川冻土， 24（3）： 219-226.

Shi

Y F

， Shen

Y P

， Hu

R J

， 2002.Preliminary study on signal impact and foreground of climatic shift from warm-dry to warm-humid in northwest China［J］.Journal of Glaciology and Geocryology， 24（3）： 219-226.

本文引用 [1]

施雅风，沈永平，李栋梁，等， 2003.中国西北气候由暖干向暖湿转型的特征和趋势探讨［J］.第四纪研究， 23（2）： 152-164.

Shi

Y F

， Shen

Y P

， Li

D L

， et al， 2003.Discussion on the present climate change from warm-dry to warm-wet in Northwest China［J］.Quaternary Sciences， 23（2）： 152-164.

本文引用 [1]

王岱，王素艳，王璠，等， 2021.宁夏夏季极端高温变化特征及其与北极海冰的关系［J］.干旱区研究， 38（5）： 1285-1294.

Wang

， Wang

S Y

， Wang

， et al， 2021.Characteristics of summer extremely high temperature in Ningxia in connection with Arctic Sea ice［J］.Arid Zone Research， 38（5）： 1285-1294.

本文引用 [3]

王可丽，江灏，赵红岩， 2005.西风带与季风对中国西北地区的水汽输送［J］.水科学进展， 16（3）： 432-438.

Wang

K L

， Jiang

， Zhao

H Y

， 2005.Atmospheric water vapor transport from westerly and monsoon over the northwest China［J］.Advances in Water Science， 16（3）： 432-438.

本文引用 [1]

王素艳，纳丽，王璠，等， 2021.海冰和海温对西北地区中部6月降水异常的协同影响［J］.干旱区地理， 44（1）： 63-72.

Wang

S Y

， Na

， Wang

， et al， 2021.Synergistic effects of ice and sea surface temperature on the precipitation abnormal in June in the central part of northwest China［J］.Arid Land Geography， 44（1）： 63-72.

王天竺，赵勇， 2021.青藏高原和热带印度洋5月热力异常与新疆夏季降水的关系［J］.高原气象， 40（1）： 1-14.DOI： 10.7522/j.issn.1000-0534.2020.00003.Wang T Z ，

Zhao

， 2021.Relationships between thermal anomalies over the Qinghai-Xizang Plateau and tropical Indian Ocean in May with summer rainfall in Xinjiang［J］.Plateau Meteorology， 40（1）： 1-14.DOI： 10.7522/j.issn.1000-0534.2020.00003 .

本文引用 [1]

王芝兰，李耀辉，王劲松，等， 2015.SVD分析青藏高原冬春积雪异常与西北地区春、夏季降水的相关关系［J］.干旱气象， 33（3）： 363-370.

Wang

Z L

， Li

Y H

， Wang

J S

， et al， 2015.Relationship between abnormal snow depth in winter and spring in Tibetan Plateau and spring summer precipitation in northwest China based on SVD analysis［J］.Journal of Arid Meteorology， 33（3）： 363-370.

本文引用 [1]

魏凤英， 2007.现代气候统计诊断与预测技术［M］.北京：气象出版社.Wei F Y， 2007.Modern climate statistical diagnosis and prediction technology［M］.Beijing： China Meteorological Press.

本文引用 [2]

吴遥，唐红玉，刘颖，等， 2020.统计降尺度方法在华西南区秋季降水预测中的应用［J］.气象， 46（12）： 1555-1564.

， Tang

H Y

， Liu

， et al， 2020.Application of statistical downscaling model to autumn rainfall forecasting over southwest China［J］.Meteorological Monthly， 46（12）： 1555-1564.

本文引用 [1]

武炳义，黄荣辉，高登义， 2001.北极海冰的厚度和面积变化对大气环流影响的数值模拟［J］.气象学报， 59（4）： 414-428.

B Y

， Huang

R H

， Gao

D Y

， 2001.Numerical simulations on influence of sea-ice thickness and extent variation in arctic on atmospheric circulation［J］.Acta Meteorologica Sinica， 59（4）： 414-428.

本文引用 [1]

杨建玲， 2007.热带印度洋海表面温度异常对亚洲季风区大气环流的影响研究［D］.青岛：中国海洋大学.Yang J L， 2007.Study on the influence of tropical Indian Ocean surface temperature anomalies on the atmospheric circulation in the Asian monsoon region［D］.Qingdao： Ocean University of China.

本文引用 [1]

杨建玲，李艳春，穆建华，等， 2015.热带印度洋海温与西北地区东部降水关系研究［J］.高原气象， 34（3）： 690-699.DOI： 10. 7522/j.issn.1000-0534.2014.00010.Yang J L ，

Y C

， Mu

J H

， et al， 2015.Analysis of relationship between sea surface temperature in tropical Indian Ocean and precipitation in east of northwest China［J］.Plateau Meteorology， 34（3）： 690-699.DOI： 10.7522/j.issn.1000-0534.2014.00010 .

本文引用 [1]

杨建玲，刘秦玉， 2008.热带印度洋SST海盆模的“充电/放电”作用-对夏季南亚高压的影响［J］.海洋学报， 30（2）： 1-8.

Yang

J L

， Liu

Q Y

， 2008.The “charge/discharge” roles of the basin-wide mode of the Indian Ocean SST anomaly［J］.Acta Oceanologica Sinica， 30（2）： 1-8.

本文引用 [1]

杨金虎，张强，刘晓云，等， 2019.中国典型夏季风影响过渡区夏季降水异常时空特征及成因分析［J］.地球物理学报， 62（11）： 4120-4128.

Yang

J H

， Zhang

， Liu

X Y

， et al， 2019.Spatia-temporal characteristics and causes of summer precipitation anomalies in the transitional zone of typical summer monsoon， China［J］.Chinese Journal of Geophysics， 62（11）： 4120-4128.

尹航，黄菲，陈峥，等， 2022.1980-2019年夏季东亚大槽减弱及其与北极海冰变化的关系［J］.中国海洋大学学报（自然科学版）， 52（11）： 24-33.

Yin

， Huang

， Chen

， et al， 2022.Weakening of the East Asian Trough in summer of 1980-2019 and its relationship with the Arctic Sea ice variability［J］.Periodical of Ocean University of China （Natural Science）， 52（11）： 24-33.

本文引用 [1]

张强，朱飙，杨金虎，等， 2021.西北地区气候湿化趋势的新特征［J］.科学通报， 66（28/29）： 3757-3771.

Zhang

， Zhu

， Yang

J H

， et al， 2021.New characteristics about the climate humidification trend in Northwest China［J］.Chinese Science Bulletin， 66（28/29）： 3757-3771.

本文引用 [1]

张雯，马阳，王素艳，等， 2023.西北地区东部春夏季旱涝转换环流特征及其与大西洋海温的关系［J］.干旱气象， 41（1）： 14-24.

Zhang

， Ma

， Wang

S Y

， et al， 2023.Circulation characteristics of drought-flood transition from spring to summer over the east region of Northwest China and its relationship with Atlantic Sea surface temperature［J］.Journal of Arid Meteorology， 41（1）： 14-24.

本文引用 [1]

RIGHTS & PERMISSIONS

PDF(6770 KB)

2153

Accesses

Citation

Detail

Sections

Recommended

Abstract
Key words
Cite this article
1 引言
2 数据来源与方法介绍
2.1　数据来源
Fig.1 Spatial distribution of the meteorological stations in East of Northwest China
2.2　研究方法
2.2.1　奇异值分解法（SVD方法）
2.2.2　“SVD投影”建模方法
2.2.3　检验评估方法
2.2.4　其他统计方法
3 结果分析
3.1　基于SVD方法选取的海冰关键区
Fig.2 Hetero-correlation of SVD between spring sea ice density and precipitation in July over East of Northwest China.In Fig.2（a） and （c）， the ①、 ②、 ③、 ④ indicates the first and second mode sea ice key areas， respectively
Fig.3 The first （a） and second （b） time coefficients of SVD decomposition of Arctic sea ice density （left field） in spring and precipitation （right field） in East of Northwest China in July
3.2　海冰关键区指数的确定
Fig.4 SVD decomposes the left field time coefficient of the first （a） and second （b） modes and the index change sequence of the key area of sea ice in each mode
3.3　北极海冰对西北地区东部降水的可能影响分析
Fig.5 The 21-year sliding correlation of sea ice key area index 1 and 2 with the first and second mode time coefficient of the right field， respectively
3.3.1　西北地区东部降水异常的环流机制分析
Fig.6 Distribution of correlation coefficients between rtime1 （a） and rtime2 （c） with 500 hPa geopotential height anomaly field respectively from 1991 to 2020 （contour represents correlation coefficient， the colore area represents passing 95% confidence level）， and composite difference field of 500 hPa geopotential height anomaly （contour and color area， unit： gpm） in high and low value years of rtime1 （b） and rtime2 （d）
3.3.2　海冰影响降水的可能途径
Fig.7 The correlation between index 1 （a， c） and index 2 （d， f） with the 500 hPa potential height field （contour represents correlation coefficient， the colore area represents passing 95% confidence level） and flow function ［isoline， red （blue） lines represent positive （negative） values］ as well as the wave flux of the flow function （vector）， and composite difference field of 500hPa geopotential height anomaly （contour and color area， unit： gpm） in high and low value years of index 1 （b） and index 2 （e） of July from 1991 to 2020
3.4　预测模型的建立与检验
Fig.8 Spatial distribution of anomaly symbol consistency rate （PC） by precipitation prediction model from 2011 to 2020.Unit： %
Table 1 Capability test of precipitation prediction model from 2011 to 2020
4 讨论
5 结论
References
RIGHTS & PERMISSIONS

Received	Revised	Published
2023-02-16	2023-06-13	2024-04-28
Just Accepted Date	Online First Date	Issue Date
2023-06-13	2023-08-28	2023-08-28

Please choose a citation manager

Content to export

Abstract

Key words

Cite this article

1 引言

2 数据来源与方法介绍

2.1　数据来源

Fig.1 Spatial distribution of the meteorological stations in East of Northwest China

2.2　研究方法

2.2.1　奇异值分解法（SVD方法）

2.2.2　“SVD投影”建模方法

2.2.3　检验评估方法

2.2.4　其他统计方法

3 结果分析

3.1　基于SVD方法选取的海冰关键区

Fig.2 Hetero-correlation of SVD between spring sea ice density and precipitation in July over East of Northwest China.In Fig.2（a） and （c）， the ①、 ②、 ③、 ④ indicates the first and second mode sea ice key areas， respectively

Fig.3 The first （a） and second （b） time coefficients of SVD decomposition of Arctic sea ice density （left field） in spring and precipitation （right field） in East of Northwest China in July

3.2　海冰关键区指数的确定

Fig.4 SVD decomposes the left field time coefficient of the first （a） and second （b） modes and the index change sequence of the key area of sea ice in each mode

3.3　北极海冰对西北地区东部降水的可能影响分析

Fig.5 The 21-year sliding correlation of sea ice key area index 1 and 2 with the first and second mode time coefficient of the right field， respectively

3.3.1　西北地区东部降水异常的环流机制分析

3.3.2　海冰影响降水的可能途径

3.4　预测模型的建立与检验

Fig.8 Spatial distribution of anomaly symbol consistency rate （PC） by precipitation prediction model from 2011 to 2020.Unit： %

Table 1 Capability test of precipitation prediction model from 2011 to 2020

4 讨论

5 结论

{{custom_sec.title}}

{{custom_sec.title}}

References

RIGHTS & PERMISSIONS

模态框（Modal）标题

Please choose a citation manager

Content to export

Abstract

Key words

Cite this article

1 引言

2 数据来源与方法介绍

2.1 数据来源

Fig.1 Spatial distribution of the meteorological stations in East of Northwest China

2.2 研究方法

2.2.1 奇异值分解法（SVD方法）

2.2.2 “SVD投影”建模方法

2.2.3 检验评估方法

2.2.4 其他统计方法

3 结果分析

3.1 基于SVD方法选取的海冰关键区

Fig.2 Hetero-correlation of SVD between spring sea ice density and precipitation in July over East of Northwest China.In Fig.2（a） and （c）， the ①、 ②、 ③、 ④ indicates the first and second mode sea ice key areas， respectively

Fig.3 The first （a） and second （b） time coefficients of SVD decomposition of Arctic sea ice density （left field） in spring and precipitation （right field） in East of Northwest China in July

3.2 海冰关键区指数的确定

Fig.4 SVD decomposes the left field time coefficient of the first （a） and second （b） modes and the index change sequence of the key area of sea ice in each mode

3.3 北极海冰对西北地区东部降水的可能影响分析

Fig.5 The 21-year sliding correlation of sea ice key area index 1 and 2 with the first and second mode time coefficient of the right field， respectively

3.3.1 西北地区东部降水异常的环流机制分析

3.3.2 海冰影响降水的可能途径

3.4 预测模型的建立与检验

Fig.8 Spatial distribution of anomaly symbol consistency rate （PC） by precipitation prediction model from 2011 to 2020.Unit： %

Table 1 Capability test of precipitation prediction model from 2011 to 2020

4 讨论

5 结论

{{custom_sec.title}}

{{custom_sec.title}}

References

RIGHTS & PERMISSIONS

2.1　数据来源

2.2　研究方法

2.2.1　奇异值分解法（SVD方法）

2.2.2　“SVD投影”建模方法

2.2.3　检验评估方法

2.2.4　其他统计方法

3.1　基于SVD方法选取的海冰关键区

3.2　海冰关键区指数的确定

3.3　北极海冰对西北地区东部降水的可能影响分析

3.3.1　西北地区东部降水异常的环流机制分析

3.3.2　海冰影响降水的可能途径

3.4　预测模型的建立与检验