西北太平洋7-8月热带气旋累积能量的统计预报.pdf

周洁安,陶丽,谢子璜.2023.西北太平洋 78 月热带气旋累积能量的统计预报 J.大气科学,47(4):11511170.ZHOUJiean,TAOLi,XIEZihuang.2023.StatisticalPredictionoftheAccumulatedCycloneEnergyintheWesternNorthPacificfromJulytoAugustJ.ChineseJournalofAtmosphericSciences(inChinese),47(4):11511170.doi:10.3878/j.issn.1006-9895.2202.21207西北太平洋 78 月热带气旋累积能量的统计预报周洁安1陶丽1,2谢子璜31南京信息工程大学大气科学学院,南京 2100442南京信息工程大学气象灾害教育部重点实验室,南京 2100443国防科技大学气象海洋学院,长沙 410073摘要本文主要利用信息流特有的因果关系，从海表面温度（SeaSurfaceTemperature，SST）场和各种海气指数中挑选引起西北太平洋（WesternNorthPacific，WNP）19792020 年 78 月份热带气旋累积能量（AccumulatedCycloneEnergy，ACE）主导模态年际变化的因子，利用多元线性逐步回归方法进一步筛选预报因子并建立预报方程。由经验正交函数（EmpiricalOrthogonalFunction，EOF）分解得到的 78 月 ACE 前两个主导模态分别是海盆一致型和偶极型，海盆一致型主导模态对应的主成分时间序列（PrincipalComponent，PC）预报因子为：超前 3 个月的海洋性大陆和北太平洋中部 SST、超前 5 个月的准两年振荡（Quasi-biennialOscillation，QBO）指数以及超前 11 个月的热带印度洋偶极子（TropicalIndianOceanDipole，TIOD）指数；偶极型主导模态对应的 PC 预报因子为：超前 2 个月的北大西洋北部 SST、超前 12 个月的日本海沟 SST、超前 7 个月的大西洋经向模（AtlanticMeridionalMode，AMM）指数和超前 8 个月的北大西洋涛动（NorthAtlanticOscillation，NAO）指数。根据这些预报因子建立 PC 预报方程，预报的 PC 和观测 PC 的相关系数分别达到 0.75 和 0.77，均通过0.01 显著性水平的显著性检验。进而运用交叉验证法检验预报模型的后报技巧及稳定性，发现所建的两个模型预报效果较好。19802020 年间预报和观测的 WNP 区域平均 ACE 距平值的时间相关系数达到 0.76，WNP 范围内 ACE 距平场的空间相关系数平均达到 0.35，预报模型对主导模态重构拟合较好的年份预报技巧也较高。关键词西北太平洋热带气旋累积能量信息流预报模型文章编号1006-9895(2023)04-1151-20中图分类号P457文献标识码Adoi:10.3878/j.issn.1006-9895.2202.21207Statistical Prediction of the Accumulated Cyclone Energy in the WesternNorth Pacific from July to AugustZHOUJiean1,TAOLi1,2,andXIEZihuang31School of Atmospheric Sciences,Nanjing University of Information Science&Technology,Nanjing 2100442Key Laboratory of Meteorological Disasters,Ministry of Education(KLME),Nanjing University of Information Science&Technology,Nanjing2100443College of Meteorology and Oceanography,National University of Defense Technology,Changsha 410073AbstractBasedonthecausalityofinformationflow,seasurfacetemperature(SST),andairseaindicesareusedtodeterminethefactorsthatcanaffecttheinterannualvariationofthedominantmodesoftheaccumulatedcycloneenergy收稿日期2021-11-07；网络预出版日期2022-02-23作者简介周洁安，女，1997 年出生，硕士研究生，主要从事热带气旋气候学研究。E-mail:通讯作者陶丽，E-mail:资助项目国家自然科学基金项目 42088101Funded byNationalNaturalScienceFoundationofChina(Grant42088101)第47卷第4期大气科学Vol.47No.42023年7月ChineseJournalofAtmosphericSciencesJul.2023(ACE)intheWesternNorthPacific(WNP)fromJulytoAugustduring19792020.Then,multiplelinearstepwiseregressionisusedtoselectthemostsignificantpredictors.ThefirsttwomodesofJulyAugustACEarethebasinanddipolemodes,asdeterminedbyempiricalorthogonalfunction(EOF)analysis.Thepredictionfactorsfortheprincipalcomponent(PC)ofthebasinmodeincludethe3-monthleadingSSTinMarineContinentandCentralNorthPacific,the5-monthleadingquasi-biennialoscillationindex(QBO),andthe11-monthleadingtropicalIndianOceandipolemodeindex(TIOD).Ontheotherhand,thepredictivefactorsforthePCofthedipolemodeincludethe2-monthleadingSSTinNorthAtlantic,the12-monthleadingSSTintheJapanesetrench,the7-monthleadingAtlanticmeridionalmodeindex(AMM),andthe8-monthleadingNorthAtlanticOscillationindex(NAO).Thepredictionequationsareestablishedbasedonthesepredictionfactors.ThecorrelationcoefficientsbetweenthepredictedPCsandtheobservedPCsofthefirsttwomodesare0.75and0.77,respectively,bothstatisticallysignificantatthelevelof0.01.Thecross-validationmethodindicatesthepredictionequationsarestableandhavegoodhindcastingability.ThetemporalcorrelationcoefficientskilloftheWNPareaaveragedACEanomalyis0.76.TheaveragedpatterncorrelationcoefficientskilloftheACEanomalyis0.35overtheWNPbasinduring19802020.ThepredictionmodelperformswellintheyearswhentheACEcanbereconstructedbythefirsttwomodes.KeywordsWesternNorthPacific,Accumulatedcycloneenergy,Informationflow,Forecastmodel 1 引言西北太平洋（WesternNorthPacific，WNP）是全球热带气旋（TropicalCyclone，TC）发生频率最高的海域，TC 在西移登陆过程中，随之而来的狂风、暴雨、风暴潮会给人类社会带来严重的灾难，成为最具破坏性的天气系统之一。因此，研究 WNP 的 TC 活动年际变率的物理机制，在此基础上预测其活动变化具有重要的实际意义。能够预报 TC 活动的原因是 TC 这种天气尺度系统受到大尺度系统的调控（Gray,1984a,1984b;Camargoetal.,2007c）。厄尔尼诺南方涛动（ElNioSouthernOscillation，ENSO）是热带太平洋最强的海气耦合年际信号，其与 TC 活动之间的联系已被广泛研究（Neelinetal.,1998;WangandPicaut,2004）。尽管 TC 生成频数与同期 ENSO 指数在统计关系上没有显著的线性相关（Lander,1994;WangandChan,2002;Chenetal.,2006），但是 TC 的生成位置、移动路径、强度、生命史等方面都会受到 ENSO 的调控。在厄尔尼诺（ElNio）发展年，WNP 季风槽加强东伸，使得 TC 的平均生成位置偏向 WNP 的东南象限，在其往陆地移动过程中，广阔的洋面暖水提供的充足能量导致 ElNio 年的 TC 较强且生命史较长（WangandChan,2002;Chia and Ropelewski,2002;Clark and Chu,2002;Chenetal.,2006;Camargoetal.,2007b;Taoetal.,2012;TaoandLan,2017）。拉尼娜（LaNia）年，西北向转折的 TC 盛行路径显著增加，登陆东南亚的 TC 偏多；而在 ElNio 年，TC 盛行东北转折 路 径，登 陆 日 本 和 朝 鲜 半 岛 的 TC 增 多（Fudeyasuetal.,2006;Camargoetal.,2007a;谢佩妍等,2018）。不同类型的 ENSO 事件由于对流加热位置的不同造成大尺度环流异常，也会对 TC 活动产生重要影响（Hongetal.,2011;Wangetal.,2013）。研究还发现，WNP 的 TC 生成频数与澳大利亚东部的西南太平洋（SouthwesternPacific，SWP）海温存在显著的负相关（ZhouandCui,2011）。Zhanetal.（2013）则使用西南太平洋与西太平洋暖池（WesternPacificWarmPool，WWP）之间的海温梯度（SeaSurfaceTemperatureGradient，SSTG）代替 SWP 海温，结果表明春季 SSTG 的正异常会引发越赤道气压梯度异常，出现热带东风气流，导致季风槽减弱、TC 生成频数减少。有学者指出（Duetal.,2011;Zhanetal.,2011;Taoetal.,2012），热带印度洋（IndianOcean，IO）海温暖异常激发的东传开尔文波会减弱 WNP 季风槽，从而抑制 TC 的生成；IO 海温偏冷时则会促进 TC 生成。此外，热带北大西洋海温异常也会影响 WNP 的 TC 生成的大尺度环流（Huoetal.,2015;Yuetal.,2016），主要有以下两种物理解释：热带东太平洋中继机制表明大西洋的海温异常会影响沃克环流，进而通过 Gill 型罗斯贝波响应（Gill,1980），在 WNP 上空造成异常环流，对 TC 的生成产生影响（Rodrguez-Fonsecaetal.,2009;Hametal.,2013;Hongetal.,2014;YuanandYang,2020）；印度洋中继机制则认为热带大西洋海温异常能够激大气科学47卷1152ChineseJournalofAtmosphericSciencesVol.47发东传的开尔文波，经过印度洋的海气耦合作用进一步引起 WNP 的季风槽异常，造成 WNP 环流形势异常（Rongetal.,2010;Yuetal.,2016）。大气遥相关作为大气环流低频变化的主要模态，其稳定性和持续性较强，与 TC 的联系受到广泛关注。Gray（1984a）首先将大西洋 TC 频数与平流层准两年振荡（Quasi-biennialOscillation，QBO）联系在一起，发现在 QBO 的西风位相，强 TC 出现的频率是东风位相的 3 倍。Chan（1995）在西北太平洋上也发现类似的现象，即在 QBO 的西风位相，TC 活动趋于增强，但这种相关性在 ENSO年会减弱。王会军和范可（2006）研究了南极涛动（AntarcticOscillation，AAO）对 WNP 的 TC 生成影响，发现 69 月的 AAO 与 TC 生成频数呈显著的负相关关系。ChoiandByun（2010）指出北极地区大气环流的主要模态北极涛动（ArcticOscillation，AO）也会对 TC 活动产生影响。在 AO 正位相时期，TC 生成位置偏西，经过南海、华南的 TC 增多，且生命史短、强度较弱，这主要与韩国和日本上空的反气旋性环流有关。表征 TC 活动的方式有很多，其中较为基础的有 TC 生成频数、路径密度、强度、累积气旋能量（AccumulatedCycloneEnergy，ACE；Belletal.,2000）、能量耗散指数（PowerDissipationIndex，PDI；Emanuel,2005）等。ACE 与 PDI 综合考虑了 TC 的生成个数、强度和生命史，能够将 TC 活动定量化。PDI 计算公式中包含最大持续风速的立方，放大了风速的影响，对风速大小敏感；而ACE 计算公式中风速的平方代表着动能大小。有组织机构对 ACE 进行了季节预测，例如，欧 洲 中 期 天 气 预 报 中 心（European Centre forMedium-Range Weather Forecasts，ECMWF）、美国气候与社会国际研究所（InternationalResearchInstitute，IRI）使用动力模式对 WNP 区域平均ACE 进行了季节预测，热带风暴风险网站（TropicalStormRisk，TSR）则使用统计手段对 WNP 区域平均 ACE 进行季节预测。此外，Kimetal.（2013）利用热带风暴（TropicalStorm，TS）与 ENSO 之间的密切相关，根据观测到的 ACE 与数值模式输出的预报变量，建立了统计和动力方法结合的混合预报模型。ZhanandWang（2016）基于美国国家环境预报中心（NationalCentersforEnvironmentalPrediction，NCEP）气候预测系统版本 2（ClimateForecastSystem，version2，CFSv2）提供的环流及海温信息，使用 SSTG、垂直风切变以及海温预报了 WNP 区域平均 ACE 在台风季内的变化。前人对 WNP 海盆 ACE 的季节预测主要集中在整个海盆区域平均 ACE 指数的年际变率上，忽视了 ACE 空间分布的年际变化，Wuetal.（2020）尝试将北极海冰作为 WNP 秋季 ACE 的预报因子，结合海温（SeaSurfaceTemperature，SST）构造了ACE 空间分布预报方程，但是海冰、太平洋 SST、垂直风切变、SSTG 等因子是否的确为 ACE 空间分布年际变化的因？是否还有其他因子也能够引起 ACE 的年际变化并可以作为预报因子？本文将利用 Liang（2014）提出的信息流方法，确认引起WNP78 月份 ACE 年际变化的因，从中挑选预报因子，利用多元线性逐步回归方法建立预报方程，并进行检验。2 资料与方法 2.1 使用资料本文使用的西北太平洋 TC 资料来自中国气象局（ChinaMeteorologicalAdministration，CMA）上海台风研究所整编的最佳路径集，包括 TC 所在经纬度和近中心 2 分钟最大持续风速等信息。ACE 综合考虑了 TC 的生成频数、生命史以及强度，将每 6h 观测一次的最大风速的平方累加起来（Belletal.,2000），即：ACE=nj=1mi=1v2i,（1）其中，vi表示 TC 近中心的最大持续风速，m 表示某一 TC 生命期内有记录的观测时次总和，n 表示TC 个数。本文只考虑强度达到热带风暴级别（即v17.2ms1）的 TC，将自此以后的生命期纳入统计分析，所分析时段为 19792020 年的盛夏季节78 月（JulyAugust，JA）。为了清楚地分辨TC 影响的地理位置及范围，把 ACE 插值到 55的经纬度空间网格点上。本文还使用了 19792020 年的以下数据来提取预报因子：（1）英国 Hadley 中心的月平均SST 数据集，空间分辨率为 11。（2）美国国家环境预报中心/国家大气研究中心（NationalCentersforEnvironmentalPrediction/NationalCenterforAtmosphericResearch，NCEP/NCAR）的月平均再分析资料，空间分辨率为 2.52.5，采用的4期周洁安等：西北太平洋 78 月热带气旋累积能量的统计预报No.4ZHOUJieanetal.StatisticalPredictionoftheAccumulatedCycloneEnergyintheWesternNorth.1153气象要素主要有 850hPa 风场、700hPa 相对湿度场、500hPa 垂直速度场等。（3）美国国家海洋和大 气 管 理 局（National Oceanic and AtmosphericAdministration，NOAA）的月平均向外长波辐射（OutgoingLongwaveRadiation，OLR）资料，空间分辨率为 2.52.5。（4）NOAA 提供的各种海气指数，包括 AAO、大西洋经向模态（AtlanticMeridionalMode，AMM）、大西洋多年代际振荡（AtlanticMultidecadalOscillation，AMO）、AO、太平洋年代际振荡（InterdecadalPacificOscillation，IPO）、北大西洋涛动（NorthAtlanticOscillation，NAO）、北太平洋年代际振荡（PacificdecadalOscillation，PDO）、太平洋经向模（PacificMeridionalMode，PMM）、QBO、Nio1+2、Nio3.4、Nio3、Nio4 指数。（5）中国气象局国家气候中心提供的各种指数，包括北大西洋三极子（NorthAtlanticTripole，NAT）、热带印度洋全区一致海温模态（IndianOceanbasin-wide，IOBW）、副热带南印度 洋 偶 极 子（Subtropical Indian Ocean Dipole，SIOD）、热带印度洋海温偶极子（TropicalIndianOceanDipole，TIOD）指数。依据 Ashoketal.（2007）定义的区域 SST 引入了 ElNioModoki 指数（IEM），计算方式如下：IEM=TC0.5TE0.5TW,（2）其中，TC、TE、TW分别表示热带太平洋中部（10S10N，165E140W）、东部（15S5N，110W70W）和 西 部（10S20N，125E145E）区 域 平 均 的 海 温 距 平。根 据 Ren andJin（2011）的定义引入了东太平洋型（EasternPacific）Nio 指数（IEP）和中太平洋型（CentralPacific）Nio 指数（ICP），计算方式如下：IEP=I3I4,ICP=I4I3,（3）其中，I3、I4分别为 Nio3、Nio4 指数，=0.4,I3I4 0,0,其他.（4）对上述资料和各类指数均进行了去季节循环和去长期线性趋势处理，用到的显著性检验方法除特殊说明外均为 t 检验。2.2 研究方法2.2.1信息流方法如前所述，影响 TC 活动的因子很多，诸如ENSO、印度洋 SST、大西洋 SST、QBO、AO、AAO 等，但是这些影响因子大都是基于时间超前/滞后的相关分析得到的。众所周知，两个现象之间存在相关性并不意味着两者之间具有因果关系，受同一外部因素影响的两个独立个体往往具有很强的相关但却不一定存在因果关系。Liang（2014）提出的信息流方法，可以在尚不清楚两个现象之间的动力过程情况下，仅通过两个时间序列的相关系数计算它们之间的信息流，就能确定这两个现象之间的因果关系。在线性假设下，有两个时间序列 X1和 X2，从后者到前者的信息流速率的最大似然估计为T21=C11C12C2,d1C212C1,d1C211C22C11C212,（5）XjXj其中，Cij是 Xi、Xj之间的样本协方差，Ci,dj是 Xi、之间的样本协方差，为欧拉前差格式的差分近似：Xj(n)=Xj(n+1)Xj(n)n.（6）T21若=0，则 X2不是 X1的因，反之 X2是 X1的因。信息流结果清楚地表明因果关系意味着相关，但相关不一定存在因果。公式（5）从严格意义上来说，只适用于线性系统，但研究表明，它是非线性时间序列一个很好的近似值（Stipsetal.,2016）。实际应用过程中的显著性检验详见 Liang（2014）。2.2.2预报模型的建立本文 ACE 预报模型的建立具体分为三个步骤：（1）利用经验正交函数（EmpiricalOrthogonalFunction，EOF）对 19792020 年 78 月 WNP的 ACE 空间距平场进行分解，找出反映 78 月ACE 年际变化信号的主导模态。（2）在运用信息流方法研究各模态的影响因子之前，将 19792020 年 112 月（共 504 个月）的 ACE 距平场分别投影至 EOF1 场和 EOF2 场，形成新的逐月时间序列并做标准化处理。投影时间序列的绝对值越大，表示该月的 ACE 分布形态与对应的 EOF1 或者EOF2 场相似程度越高。进而利用信息流方法来挑选预报因子，并根据超前相关系数确定合适的预报因子及其超前月份。（3）利用多元线性逐步回归方法进一步筛选预报因子，建立主导模态的时间系数（PrincipalComponents，PCs）预报方程。然后，使用交叉检验后报的方法对预报因子进行检验大气科学47卷1154ChineseJournalofAtmosphericSciencesVol.47（Michaelsen,1987），防 止 过 度 拟 合，即 在 对19802020 年的预报方程检验过程中，去掉作为预报年的某一年，根据剩余年份建立新的预报方程，从而对去掉的年份进行独立预报，交叉检验得到的时间序列和原始序列的相关程度就是预报方程的交叉检验预报效果。最后，利用预报出来的 PCs 与主导模态重构预报场，对往年 ACE 进行回报检验，进一步验证模型的可预报性。这里提出的建模方法和 Wangetal.（2007）提出的可预报模态分析（PredictableModeAnalysis，PMA）方法类似，但是本文主要利用信息流寻找各种预报因子。以往的研究大多是借助相关或回归寻找预报因子，可是相关缺乏必要的不对称性和方向性（Liang,2014），不一定意味着因果关系，因此我们利用代表因果关系的信息流方法来挑选预报因子。3 ACE 时空特征 3.1 ACE 的季节变化从 19792020 年 西 北 太 平 洋（050N，100E180）范围内区域平均的 ACE 季节变化序列（图 1）可以看到，ACE 季节性差异显著。ACE 的最大值和最小值分别出现在 9 月和 2 月，TC 能量主要集中在 710 月，这四个月的总和占全年 ACE 的 73%左右。7、8 月是 WNP 热带气旋活动最为频繁的月份，而 910 月则是超强台风发生最多的时节。此外，初步分析的结果显示 ACE在 78 月和 910 月的空间距平场存在较大差异，影响因子也不尽相同，故本文研究的时间段是78 月。910 月的 ACE 统计预报有待后续讨论。3.2 78 月 ACE 主导模态通过对 WNP78 月 ACE 距平进行 EOF 分析，得到 ACE 前两个模态的空间分布及对应的时间序列（图 2）。ACE 前两个模态的解释方差分别为23.8%和 15.0%，彼此间相互独立且与其余高阶模态显著分离（Northetal.,1982）。西北太平洋夏季 ACE 的第一模态空间分布型主要表现为中国台湾省、菲律宾以东洋面的正ACE 异常，为海盆一致型模态，最大正值中心位于巴士海峡正东方（图 2a），此外在海南岛以东还有一个偏弱、影响范围小的负值中心。PC1 呈现明显的年际变化，在 2015 年达极大值（图 2c），说明这一年 ACE 的该类分布型式尤为典型。由于TC 活动与影响 TC 生成的大尺度大气环流关系密切（丁一汇和莱特,1983），进一步将 PC1 回归到环境变量场上（图 3a、c、e），可以看到，热带WNP 地区盛行异常西风，出现气旋式环流，OLR、相对湿度在 ACE 正异常中心的东南方向均表现为有利于 TC 的生成、发展。对应的 SST 场表现为典型的 ElNio 型，热带中东太平洋有 SST 暖异常，海洋性大陆周围和热带 WNP 有 SST 冷异常，西印度洋为 SST 暖异常，这种 SST 分布有利于在热带WNP 产生气旋式环流，其东南部对流活跃、水汽条件好，上升运动显著，十分有利于 TC 的生成和发展，且在 TC 继续西北行过程中，洋面不断提供能量，导致 ElNio 发展年强 TC 较多，中国台湾省和菲律宾以东洋面上 ACE 有显著正异常。第二模态在区域（1035N，120150E）呈东北西南反向变化的偶极子型，ACE 负异常位于日本九州岛及其以南洋面至马里亚纳海盆一带，呈西北东南向分布；正异常则位于菲律宾海盆附近（图 2b）。PC2 也 表 现 出 显 著 的 年 际 变 化（图 2d），也就是说，在 PC2 的数值为负时，影响日本九州岛及马里亚纳海盆的 TC 较多、较强，而影响菲律宾海盆的 TC 活动较少。由图 3b、d 可见，影响 TC 活动的低层风场、OLR、相对湿度、垂直速度的异常中心都集中在马里亚纳海盆的偏东方向，西部的要素异常特征没有东部的显著，进而导致 TC 在后续的移动发展过程中出现东北西南反向的 ACE 异常偶极型结构。对应的 SST 场图119792020 年西北太平洋（050N，100E180）区域平均 ACE（单位：106m2s2）的季节变化柱状图Fig.1Histogram for annual cycle of ACE(Accumulated CycloneEnergy,units:106m2s2)averagedoverWNP(WesternNorthPacific,050N,100E180)during197920204期周洁安等：西北太平洋 78 月热带气旋累积能量的统计预报No.4ZHOUJieanetal.StatisticalPredictionoftheAccumulatedCycloneEnergyintheWesternNorth.1155（图 3f）类似于 ElNio 衰减年，热带印度洋及热带 WNP 有显著的 SST 暖异常、Nio1、2 区域有SST 暖异常，尤其是北大西洋北部有 SST 暖异常。这种 SST 分布与热带 WNP 反气旋式环流的产生关系密切，WNP 东部对流受到抑制、下沉运动显著，抑制了 TC 的生成和发展，所以在其东北方向日本九州岛及其以南洋面至马里亚纳海盆一带有 ACE负异常，其西部可能由于暖 SST 的存在，TC 活动活跃，对应的 ACE 为正异常。4 预报模型的建立 4.1 预报因子的选择为便于运用信息流方法进一步对海盆一致型和偶极型 ACE 的影响因子进行研究，我们将 19792020 年各月 ACE 距平场分别投影至 EOF 分解所得的前两个空间模态上，形成新的逐月时间序列（共 504 个月）并做标准化处理，投影时间序列绝对值越大则该月的 ACE 空间分布形态与对应的EOF 主要模态空间型相似程度越高。在第一模态的投影时间序列（Proj1）中，2015 年 8 月出现了最大值；而在第二模态的投影时间序列（Proj2）中，绝对值最大点出现在了1987 年 8 月（图 4）。由图 4 可看出 ACE 主导模态没有明显的趋势和年代际变化。相较于大气的瞬息万变，海洋的变化是个缓慢的过程且海水温度变化慢，因此大尺度环境场的演变可以通过前期海洋信号进行预测。为了准确反映海洋热力状况对西北太平洋 ACE 的影响，本文主要从 SST 场中挑选因子，同时考虑前人研究中显著的预报因子。选取有信号的因子时，我们利用SST 和各类海气指数到 ACE 投影时间序列的全年和夏半年（510 月）信息流结果进行判断。4.1.1模态 1 预报因子的选取SST 对 Proj1 的全年信息流结果（图 5a）显示，热带 WNP、海洋性大陆、澳大利亚东部海洋、热带中东太平洋、副热带中太平洋、阿拉斯加湾、热带南大西洋以及巴西海盆南部的 SST 与 ACE 的第一模态存在显著的因果关系。相比较，夏半年图219792020 年西北太平洋盛夏（78 月）ACE 距平场进行 EOF 分析得到的（a）第一、（b）第二模态的空间分布（单位：m2s2），及其对应的标准化的（c）第一主成分 PC1、（d）第二主成分 PC2 的时间序列。图 a、b 右上角数字为各个模态的方差贡献Fig.2Thespatialpatternsforthe(a)firstand(b)secondEOFmodes(units:m2s2)oftheACEanomaliesandtheirtimeseriesfornormalized(c)PC1(thefirstprincipalcomponent)and(d)PC2(thesecondprincipalcomponent)overWNPinthesummer(JulyAugust)during19792020.ValuesattheupperrightcornerofFigs.aandbrepresentthevariancecontributionofeachmode大气科学47卷1156ChineseJournalofAtmosphericSciencesVol.47（510 月）的信息流分布更清楚地体现了上述区域的信号，因果关系更为显著（图 5c）。这里的信息流结果与图 3eSST 对 PC1 的回归系数空间分布类似，但是西南印度洋、日本海沟附近的海温与 PC1 的强相关在信息流结果中并不突出，也就是说该区域的海温不是造成 ACE 第一模态变化的原因。由此可见，回归分析和信息流结果并不完全相同，回归分析不能确定两者之间信息的传递方向，缺乏因果性，相比较，信息流更为严谨。如图 5c所示，挑选出 8 个显著海域，进而将信息流显著区域的 SST 进行区域平均形成新的时间序列，计算其与投影时间序列之间的信息流。然后根据 PC1与超前 012 个月不同区域平均 SST 的相关系数（图 6），找出超前相关最强的月份，考虑到预报图319792020 年标准化的 PC1（左列）、PC2（右列）与 78 月各物理量的回归系数分布：（a、b）850hPa 水平风场（箭头，单位：ms1，仅给出通过 90%置信度水平的部分）和 500hPa 垂直速度（阴影，单位：Pas1）；（c、d）700hPa 相对湿度（等值线，单位：%，仅给出通过 90%置信水平的区域）和 OLR（阴影，单位：Wm2）；（e、f）海表温度（阴影，单位：K）。打点表示该阴影区域回归系数通过 0.1 显著性水平Fig.3RegressioncoefficientofphysicalquantityinJulyAugustontothenormalizedPC1(left)andPC2(right)during19792020:(a,b)850-hPahorizontalwind(arrows,units:ms1,onlyvaluesexceeding90%confidencelevelaregiven)and500-hPaverticalvelocity(shadings,units:Pas1);(c,d)700-hParelativehumidity(isolines,units:%,onlyareasexceeding90%confidencelevelaregiven)andOLR(outgoinglongwaveradiation,shadings,units:Wm2);(e,f)SST(seasurfacetemperature,shadings,units:K).Dottedareasindicatetheshadedvaluesarestatisticallysignificantat0.1level4期周洁安等：西北太平洋 78 月热带气旋累积能量的统计预报No.4ZHOUJieanetal.StatisticalPredictionoftheAccumulatedCycloneEnergyintheWesternNorth.1157的实用性及时效性，只有超前月份大于 1 时显著相关的因子才会进入预报因子备选池，也就是说仅超前 01 个月的预报因子不可能出现在预报方程中，图 6 中黑色方框即代表挑选出来的超前月份。由图419792020 年西北太平洋 ACE 距平场对 EOF（a）第一模态、（b）第二模态空间分布的标准化投影时间序列Fig.4ThenormalizedtimeseriesofprojectionfromtheACEanomaliesintheWNPontothefirstandsecondEOFmodesduring19792020:(a)Theprojectiontimeseries1(Proj1);(b)theprojectiontimeseries2(Proj2)图519792020 年 SST 对（a、c）第一模态的投影时间序列（Proj1）和（b、d）第二模态的投影时间序列（Proj2）的信息流分布：（a、b）全年信息流；（c、d）夏半年（510 月）信息流。打点区域表示通过 0.1 显著性水平。图 c、d 中黑色方框区域表示 SST 关键区Fig.5InformationflowfromSSTto(a,c)Proj1and(b,d)Proj2during19792020:(a,b)Wholeyear;(c,d)summerhalfyear(MayOctober).Thedottedareasarestatisticallysignificantat0.1level.TheblackboxesinFigs.canddrepresentcriticalareasofSST大气科学47卷1158ChineseJournalofAtmosphericSciencesVol.47图 6 可见，热带西北太平洋、海洋性大陆、北太平洋中部、中东太平