杨洪卿 范可 田宝强 华维

1 中山大学大气科学学院/南方海洋科学与工程广东省实验室（珠海），珠海 519082

2 成都信息工程大学大气科学学院，成都 610225

3 中国科学院大气物理研究所竺可桢—南森国际研究中心，北京 100029

1 引言

由于海陆热力差异的影响，冬半年在欧亚大陆对流层低层形成一个季节性大气活动中心—西伯利亚高压。作为东亚冬季风的关键系统，西伯利亚高压是影响欧亚地区冬季气温和降水年际变率的主要因子之一（施能等,2000;龚道溢等,2002;Gong and Ho,2002;李勇等,2007;Hasanean et al.,2013）。同时，其强度和位置的变化会对欧亚地区极端低温、降水以及雾霾等天气事件产生影响（杨莲梅等,2006;麻巨慧等,2009;Iqbal et al.,2013;Jia et al.,2015;Zhang et al.,2016;Song and Wu,2017;Riaz and Iqbal,2017）。例如，2012年1～2月欧亚大陆极端低温事件发生时，西伯利亚高压强度达到1979年以来的最大值（Wu et al.,2017）。因此，准确地预测西伯利亚高压强度对欧亚地区冬季气候形势的预测有着重要意义。

西伯利亚高压在动力和热力因子共同作用下形成，地表辐射冷却和大尺度下沉运动是高压加强和维持的主要原因（Ding and Krishnamurti,1987;Ding,1990;丁一汇等,1991;谢安等,1992）。在全球变暖的背景下，冬季西伯利亚高压强度在1975年前后有明显的减弱趋势（Sahsamanoglou et al.,1991;龚道溢和王绍武,1999;Panagiotopoulos et al.,2005）。此外，已有研究表明11月与12～1月西伯利亚高压强度的关系存在年代际变化，1978年之前11月与12～1月西伯利亚高压强度一致变化，之后相反（Chang and Lu,2012）。进一步研究表明，造成1978年以后11月与12～1月西伯利亚高压强度相反的原因是9月北极海冰对11月与12～1月北极地区热通量、北大西洋风暴轴和乌拉尔山阻塞高压频次的响应不同（Lü et al.,2019）。

已有研究表明，西伯利亚高压强度不仅受北极涛动、北大西洋风暴轴等大气内部变率的影响，同时也受海温、海冰以及积雪等下垫面变化的影响（Wagner,1973;Parkinson,1990;Gong et al.,2001;曾鼎文等,2015;李栋梁和蓝柳茹,2017）。冬季北极涛动处于负位相时，冬季的西伯利亚高压强度越强，东亚冷涌事件频发（Gong et al.,2001;Park et al.,2011）。同时，当冬季北大西洋风暴轴位置偏北时，高纬地区的西风增强，使得冬季西伯利亚高压强度减弱（曾鼎文等,2015）。除了大气内部变率对西伯利亚高压强度的影响，9月巴伦支海—喀拉海海冰的减少会使冬季极地至中高纬的经向温度梯度减弱，西伯利亚地区纬向西风减弱，更多的冷空气在此地堆积，冬季西伯利亚高压强度增强（Parkinson,1990;武炳义等,2011;Chen et al.,2018;武炳义,2018）。冬季北大西洋海温异常通过影响乌拉尔山阻塞高压的强度，也造成同期西伯利亚高压强度的变化（李栋梁和蓝柳茹,2017）。此外，冬半年欧亚大陆积雪的变化会对欧亚地区大气环流以及东亚地区气候造成影响（Wagner,1973;Barnett et al.,1988;葛旭阳和周霞琼,2001;Robinson and Kukla,2010;陈红,2017;Xu et al.,2018）。对于西伯利亚地区而言，10月该地区积雪覆盖率异常增加，造成10～11月对流层低层向平流层传播的波活动通量增加，平流层增暖，使得冬季平流层向对流层低层传播的波活动通量加强，对流层低层位势高度降低，冬季北极涛动出现负位相（Cohen et al.,2001;Cohen and Fletcher, 2007;Jaiser et al.,2013）。同时，欧亚地区积雪覆盖率的变化也会通过改变地表辐射收支影响对流层低层大气环流系统（Cohen and Rind,1991;Cohen,1994;陈海山和孙照渤,2003;张天宇等,2007）。

目前，大多数国内外先进的气候模式对东亚冬季风的预测能力非常有限，其中对风场的预测能力由赤道向中高纬地区递减，且利用中高纬关键系统定义的东亚冬季风强度指数的预测准确度则更低（张刚,2012;Yang and Lu,2014;Tian et al.,2018）。西伯利亚高压是东亚冬季风中高纬系统的重要组成部分，科学系统地评估和提高西伯利亚高压的预测能力将有助于东亚冬季风预测能力的提升。本文利用美国国家环境预测中心第二代气候预测系统（NCEP-CFSv2，National Center for Environment Prediction-Climate Forecast System,version 2）对冬半年（11～2月）及逐月西伯利亚高压的预测能力进行系统地评估，进而分析西伯利亚高压的可预测来源和原因，为改进气候模式对西伯利亚高压的预测效能提供基础。

2 数据和方法

本文使用美国国家环境预测中心—国家大气研究中心1948～2019年月平均再分析资料（Kalnay et al.,1996），包括海平面气压场、经向风场和纬向风场等水平分辨率为2.5°（纬度）×2.5°（经度）的大气环流资料以及0～10 cm土壤温度、对外长波辐射通量、潜热通量和感热通量场等高斯格点的地表资料。同时，采用美国罗格斯大学全球积雪实验室1966～2019年分辨率为89个格点（纬向）×89个格点（经向）积雪覆盖率资料，积雪覆盖率表示格点内积雪覆盖面积与总面积之比（Robinson and Kukla,2010）。为了便于对该积雪覆盖率资料进行分析，将其双线性插值为2.5°（纬度）×2.5°（经度）。

NCEP-CFSv2模式是美国环境预测中心研制的第二代海洋—陆地—海冰—大气全耦合的实时动力预测系统。该数据的时间段为1982～2019年，由1982～2010年的回报试验和2011～2019年的实时预测结果共同组成，其中每月隔5天分别从00时、06时、12时、18时（协调世界时，下同）这四个时刻的初始场开始积分，共24～28个集合成员回报当月并对未来8个月进行预测，其分辨率为1°（纬度）×1°（经度）（Saha et al.,2014）。例如，模式10月预测11月的结果即为模式提前1个月起报的结果，依次类推模式10～5月预测11月的结果即为模式提前1～6个月对11月预测的结果。GloSea5（Global Seasonal forecast system version 5）模式是英国气象局研制的第五代大气、陆地、海洋和海冰全耦合的全球季节至季节的预报系统。其英国气象局版本数据的时间段为1993～2019年，由1993～2015年的回报试验和2016～2019年的实时预测结果共同组成，对未来5个月进行预测，其分辨率为1°（纬度）×1°（经度）（MacLachlan et al.,2015）。

为了便于分析和评估，本文采用双线性插值将模式资料插值成与观测资料相同的分辨率，同时利用时间相关系数（TCC）、空间相关系数（PCC）及均方根误差（RMSE）等指标来评估NCEPCFSv2模式对西伯利亚高压的预测能力。此外，本文利用信噪比（SNR）的方法[公式（1）至公式（6）]评估集合模式的潜在可预测性（Phelps et al.,2004;Peng et al., 2011）。假设集合模式完美，模式集合平均的气候态为准确预测的结果，将各子集合成员相对于集合平均的内部变率定义为模式的噪音[公式（1）至公式（4）]，集合平均的变率则看作可预测的部分，称为模式的外部变率，即信号[公式（1）和公式（5）]。SNR为信号和噪音的比值[公式（6）]。因此，SNR越大表明模式潜在可预测性越高。

信噪比（SNR）的计算公式如下：

其中，A为模式预测的海平面气压场，i为模式中的某一个集合成员（M为集合成员的总数），α为模式预测的具体年份（Y为总的年份的长度），A¯α为模式预测的每一年集合平均的结果，A¯为模式预测的集合平均的气候态， σ2E为模式可预测的信号，σ2I为模式的噪音，SNR为信噪比。

本文采用Gong and Ho（2002）定义的西伯利亚高压强度指数（SHI）即海平面气压场的区域（40°～60°N，70°～120°E）平均值，选取11～2月（+1）作为北半球的冬半年，利用1982～2018年NCEP-CFSv2模式提前1～6个月的预测结果对冬半年平均及逐月SHI的预测能力进行系统评估。

3 NCEP-CFSv2 模式对冬半年及逐月西伯利亚高压强度的预测效能

3.1 实际预测效能

首先，利用NCEP-CFSv2模式对冬半年及逐月西伯利亚强度的预测效能进行评估。图1a为1982～2018年冬半年（11～2月）及逐月观测和NCEP-CFSv2模式提前1～6个月预测的SHI之间的时间相关系数（TCC），结果显示模式对12月、1月、2月及冬半年平均的SHI的预测能力较低，其TCC接近于0甚至为负值。值得注意的是，模式对11月西伯利亚高压具有较好的预测效能。1982～2018年，模式除了提前2个月对11月SHI预测TCC为0.23，未通过0.1的显著性水平外，提前1、3、4、5和6个月预测的11月SHI的TCC分别为0.36、0.43、0.42、0.28和0.37，均通过0.1的显著性水平。模式提前1～6个月预测的冬半年及逐月SHI的均方根误差（RMSE）显示11月的RMSE最小（图1b）。其中，提前1个月起报时，11月SHI的RMSE为1.12，而12月、1月、2月及冬半年SHI的RMSE分别为1.37、1.40、1.23和1.43。故NCEP-CFSv2模式提前1～6个月对11月SHI的预测效能较之冬半年、12月、1月和2月相比是最好。

图1 （a）1982～2018年冬半年（11月至次年2月）及逐月观测与NCEP-CFSv2（National Center for Environment Prediction-Climate Forecast System, version 2）提前1～6个月预测的西伯利亚高压强度指数（SHI）的时间相关系数（TCC），虚线为0.1的显著性水平；（b）NCEPCFSv2提前1～6个月预测的SHI的均方根误差（RMSE）Fig.1(a)Temporal correlation coefficient (TCC)of the Siberian high intensity index(SHI)during 1982–2018 in winter time(November–February),November,December,January,and February between the observed and predicted data by the National Center for Environment Prediction-Climate Forecast System version 2(NCEP-CFSv2)with 1-to 6-month leads.The dotted linesindicate significance at the 0.1 significance level.(b)Root mean square error (RMSE)of the SHI predicted by the NCEP-CFSv2 with 1-to 6-month leads

同时，选取GloSea5模式和NCEP-CFSv2模式重合的时间段（1993～2018年）比较两个模式提前1～4个月对11月西伯利亚高压的预测能力（图略）。在1993～2018年NCEP-CFSv2和GloSea5模式提前1个月对11月SHI具有较好的预测能力。然而，较NCEP-CFSv2模式而言，GloSea5模式前2～4个月对11月SHI的预测能力较差，其TCC分别为−0.01，−0.24，0.22（均未通过0.1的显著性水平）。

进一步分析NCEP-CFSv2模式对11月西伯利亚地区海平面气压场的预测能力。由1982～2018年观测和NCEP-CFSv2模式提前1个月和6个月预测的11月海平面气压场的气候态可知，11月观测和模式预测的西伯利亚高压地区海平面气压场不仅空间分布基本一致（图2a–c），而且在高压关键区内（40°～60°N，70°～120°E）平均的海平面气压值也相同，均为1026 hPa。观测和模式预测的西伯利亚高压气候态之间的空间相关系数（PCC）也显示提前1～6个月时PCC均达0.6以上，通过0.01的显著性水平（图2f）。但是，较观测而言，NCEP-CFSv2模式对高压中心强度的预测能力略偏低为1032 hPa（观测为1035 hPa）。在贝加尔湖东北部地区，模式提前1个月和6个月预测的海平面气压气候态较观测偏高（图2d,e）。

图2 1982～2018年11月（a）观测、NCEP-CFSv2提前（b）1个月和（c）6个月预测的海平面气压的气候平均（单位：hPa）；提前（d）1个月和（e）6个月预测的11月海平面气压场气候态差值（模式－观测）；（f）观测和提前1～6个月预测的西伯利亚地区（40°～60°N，70°～120°E）海平面气压气候态的空间相关系数（PCC），0.01的显著性水平对应的PCC为0.24Fig.2 Climatological mean of (a)the observed and NCEP-CFSv2 predicted data of the(b)1-month and(c)6-month lead sea level pressure(unit:hPa)in November during 1982–2018.Climatological differences between the NCEP-CFSv2 predicted data with (d)1-month and (e)6-month leads and observed sea level pressure in November.(f)Spatial correlation coefficient between the observed and predicted sea level pressure anomalies in November at 1-to 6-month leadsover theregion (40°–60°N，70°–120°E).The PCCvalueof 0.24 representsthe 0.01 significancelevel

此外，评估模式对西伯利亚高压地区海平面气压异常的预测能力。由图3可以看出，模式提前1～6个月对海平面气压场的预测能力均较好，大部分地区通过0.01的显著性水平。在高压关键区内，随着提前预测时间不同，海平面气压场预测效能最好的区域有所不同，其中提前1、2和5个月时，模式在西伯利亚西部地区有较高的预测能力（图3a，b，e）；而提前3、4和6个月起报时，模式对其中部和北部地区的预测效能较好（图3c，d，f）。因此，NCEP-CFSv2模式提前1～6个月能有效地预测11月西伯利亚地区的海平面气压场。

图3 1982～2018年11月（a–f）观测与NCEP-CFSv2提前1～6个月预测的海平面气压距平场TCC的空间分布，打点为通过0.1的显著性水平Fig.3(a–f)TCC between the observed and predicted sea level pressure anomalies by the NECP-CSFv2 with 1-to 6-month leadsduring 1982–2018.The dotted areasindicate significant at the 0.1 significancelevel

3.2 潜在可预测性

Lorenz（1969）指出集合模式的可预测性包括两部分，一方面是模式相对于观测而言的预测能力，另一方面是假设集合模式的结果为完美的，将模式集合平均的结果假设为准确的结果来讨论模式集合成员和集合平均之间的差异，以研究模式的潜在可预测性。近年来，针对模式内部不同集合成员的初始条件不同，模式的潜在可预测性逐渐成为影响模式预测时效的重要因素之一（Peng and Robinson,2001;Peng et al.,2011）。随着预测时间的提前，模式不同集合成员之间的差异逐渐显著，故本文进一步利用信噪比（SNR）方法研究西伯利亚高压的潜在可预测性。

模式提前1～6个月预测的11月海平面气压场SNR显示，西伯利亚高压南部的潜在可预测性高于北部（图4a–e），其中模式提前1～2个月对11月该地区海平面气压的潜在可预测性较高，其区域（40°～60°N，70°～120°E）平均的海平面气压场的SNR均为0.14。随着预测时间的提前，模式内部的噪音逐渐增大，SNR也逐渐减小（图4g）。但较冬半年和其它月份而言，提前1～6个月预测的11月西伯利亚区域（40°～60°N，70°～120°E）平均海平面气压场SNR均高于0.1，而冬半年及其它月份提前3个月以上预测的西伯利亚区域平均海平面气压场SNR低于0.1。因此，相比于冬半年、12月、1月、2月而言，NCEP-CFSv2模式提前1～6个月对11月西伯利亚高压的潜在可预测性更高。

图4 1982～2018年11月模式提前（a–f）1～6个月NCEP-CFSv2预测的海平面气压的信噪比（SNR）；（g）NCEP-CFSv2提前1～6个月预测的11月西伯利亚区域关键区（40°～60°N，70°～120°E）平均的SNRFig.4 (a–f)Signal-to-noise ratio(SNR)of the sea level pressure predicted by the NCEP-CFSv2 with 1- to 6-month leads in November during 1982–2018.(g)Regional-average SNR for the sea level pressure predicted by the NCEP-CFSv2 with 1- to 6-month leads over the region(40°–60°N,70°–120°E)in November

4 模式对1 1 月西伯利亚高压强度预测能力较好的原因

为什么NCEP-CFSv2对11月西伯利亚高压的预测效能及潜在可预测性均较好？本文利用NCEPCFSv2模式提前1个月起报的结果为例，对影响西伯利亚高压强度的热力过程、动力过程以及该地区积雪状况进行分析，由此分析该模式对11月西伯利亚高压强度预测效能较好的原因和可预测来源。

4.1 影响西伯利亚高压发展的热力过程

西伯利亚地区是欧亚大陆冷空气聚集地，其东移南下造成欧亚地区大范围的降温和寒潮等天气过程发生（王遵娅和丁一汇,2006;Song and Wu,2017;Song et al.,2018）。已有研究表明，西伯利亚高压的形成主要由于西伯利亚地区对流层低层绝热加热和温度平流的作用相抵消，其热量分布主要受非绝热冷却影响，其中地表对外长波辐射增加造成该地区冷空气堆积，气温降低，使得海平面气压升高（Ding and Krishnamurti,1987）。基于此，我们分析11月SHI与西伯利亚地区0～10 cm土壤温度之间的联系。由图5a显示，当西伯利亚地区土壤温度越低，西伯利亚高压越强，其中在西伯利亚高压西部和南部区域0～10 cm土壤温度对西伯利亚高压强度的影响最为显著。此外，冷空气堆积使得西伯利亚地区地表辐射冷却加强，这将进一步造成该地区非绝热冷却加强，高压强度增强，其中在巴尔喀什湖及其东部区域，辐射冷却和土壤温度对西伯利亚高压强度的影响较为一致（图5b）。由此可见，西伯利亚地区的土壤温度、地表辐射等相关热力过程对西伯利亚地区强度有重要的影响。

图5 1982～2018年11月（a，b）观测和（c,d）NCEP-CFSv2提前1个月预测的（a，c）0～10 cm深度土壤温度（单位：K）和（b，d）对外长波辐射通量（单位：W m−2）异常对11月SHI的回归，斜线为通过0.1的显著性水平；SHI与（e）0～10 cm土壤温度和（f）对外长波辐射通量的TCC差值（模式－观测）Fig.5 Regression of (a,c)0–10 cm soil temperature (units:K)and (b,d)upward long-wave radiation flux (units:W m−2)anomalies onto the Siberian high intensity index (SHI)in November during 1982–2018 for (a, b)the observation and (c,d) NCEP-CFSv2 with a 1-month lead, theareas with slash indicate significance at the 0.1 significance level.TCC between the SHIand 0–10 cm soil temperature anomalies(e),upward long-wave radiation flux anomalies,(f) differences between the NECP-CFSv2 and observation data

那么，模式对11月西伯利亚高压强度及其相联热力过程的再现能力如何？图5c，d为1982～2018年11月NCEP-CFSv2模式提前1个月预测的0～10 cm土壤温度和对外长波辐射异常对SHI的回归场。可以看出，模式提前1个月能够较好地再现11月西伯利亚高压强度和该地区0～10 cm土壤温度（图5c）、对外长波辐射之间的相互作用（图5d）。在巴尔喀什湖及其东部地区的西伯利亚高压强度受土壤温度和辐射冷却影响较大，与观测相一致。然而，在贝加尔湖东南部和巴尔喀什湖以南地区，模式较观测而言，高估了高压强度和土壤温度、对外长波辐射之间的联系（图5e，f）。

由观测结果可知，1982～2018年冬半年及逐月SHI和西伯利亚区域（40°～60°N，70°～120°E）平均的0～10 cm土壤温度之间的TCC分别为−0.68、−0.67、−0.68、−0.64、−0.52，均通过0.01的显著性水平，故冬半年及逐月西伯利亚地区的表层土壤温度也是影响同期西伯利亚高压强度的重要因子之一。那么模式对冬半年及其它月份西伯利亚高压强度和该地区土壤温度之间联系的再现能力又如何呢？11月模式提前1个月预测的SHI和区域平均土壤温度的TCC与观测相一致，均为−0.67；冬半年模式预测的TCC为−0.79，与观测相比高估冬半年土壤温度和高压强度的统计关系；12月、1月、2月TCC分别为−0.29、−0.37、−0.03，与观测结果的偏差更大，均未通过0.01的显著性水平（图6）。因此，模式仅对11月西伯利亚高压强度预测效能较好，可能是由于NCEP-CFSv2可以较好地再现11月西伯利亚高压强度和表层土壤温度等相关热力过程之间的联系。

图6 1982～2018年冬半年（11～2月）及逐月观测（黑色柱）和NCEP-CFSv2（灰色柱）提前1个月预测的SHI和区域（40°～60°N,70°～120°E）平均的土壤温度的TCC，虚线为0.01的显著性水平Fig.6 TCC between the SHIand regional-averaged soil temperature over the region(40°–60°N，70°–120°E)in winter time(November–February),November,December,January,and February for the observation(black bar)and NECP-CFSv2 with a 1-month lead(white bar)during 1982–2018.The dotted linesindicatesignificanceat the 0.01 significance level

4.2 影响西伯利亚高压发展的动力环流

影响西伯利亚高压发展的动力成因主要是对流层中、上层强的质量辐合和强的下沉运动（丁一汇等,1991）。图7a，b为1982～2018年纬向平均的（70°～120°E）散度异常、垂直速度异常对SHI的回归场。结果显示，在对流层中高层，高压中心（50°N）北侧为强的辐合运动，使得更多的冷空气在对流层中高层聚集造成强下沉运动（图7a，b）。西伯利亚高压地区对流层低层的辐散运动也相应的增强，西伯利亚高压强度加强。

与观测相比，在高压中心北侧的对流层中高层，模式预测结果与观测均为一致的辐合运动；在对流层低层，观测和模式均为一致的辐散环流（图7c）。同时，模式可以较好地再现西伯利亚高压中心北侧的高压强度与其对应的下沉运动（图7d）。但由模式提前1个月预测的纬向平均的（70°～120°E）散度异常、垂直速度异常对SHI的回归场可以看出，在高压中心（50°N）南侧，模式高估对流层中高层辐散环流、对流层低层下沉运动对西伯利亚高压强度的影响（图7e，f）。

图7 1982～2018年11月（a,b）观测和（c,d）NCEP-CFSv2提前1个月预测的纬向平均（70°～120°E）（a，c）散度（单位：10−7 s−1）和（b，d）垂直速度（单位：10−3 Pa s−1）异常对11月SHI的回归，打点为通过0.1的显著性水平；SHI与纬向平均（70°～120°E）的（e）散度场和（f）垂直速度场的TCC差值（模式－观测）Fig.7 Regression of the zonal(70°–120°E)mean horizontal(a,c)divergence(units:10−7 s−1)and(b,d)vertical velocity(units:10−3 Pa s−1)anomalies of the SHIin November during 1982–2018 for(a,b)the observation and (c,d) NCEP-CFSv2 with a 1-month lead,the dotted areasindicate significanceat the 0.1 significancelevel.TCC between the SHIand zonal mean horizontal(70°–120°E)divergence(e),vertical velocity (f)differences between the NECP-CFSv2 and observation data

进一步分析12月、1月和2月SHI和该地区垂直速度之间的联系。图8为1982～2018年12～2月观测的纬向平均的（70°～120°E）垂直速度异常对SHI的回归场。结果显示，在12月、1月和2月，对流层高层至低层的下沉运动加强，西伯利亚高压强度也增强，其中1月在高压中心北侧对流层中层下沉运动和高压强度之间的联系最为密切（图8a–c）。观测结果也表明12月高压强度和下沉运动统计关系最显著的中心位于50°N以北，但模式预测的中心却位于43°N和57°N附近（图8a，d）。此外，观测的12月、1月和2月对流层低层下沉运动越强，高压强度越强，模式预测结果却与之相反（图8）。因此，相对于冬半年其它月份而言，模式能较好地再现11月西伯利亚高压强度及其动力过程的联系是NCEP-CFSv2模式对11月西伯利亚高压强度预测能力较好的另一原因。

图8 1982～2018年12～2月（a–c）观测和（d–f）NCEP-CFSv2提前1个月预测的纬向平均（70°～120°E）垂直速度（单位：10−3 Pa s−1）异常对12～2（+1）SHI的回归，打点为通过0.1的显著性水平Fig.8 Regression of the zonal(70°–120°E) mean horizontal vertical velocity(units:10−3 Pa s−1)anomalies of the SHI in December,January,and February during 1982–2018 for(a–c)the observation and(d–f) NCEP-CFSv2 with a 1-month lead.The dotted areas indicate significance at the 0.1 significance level

4.3 11月西伯利亚地区积雪

积雪作为陆气相互作用的主要因子之一，其较高的反照率和低的热传导性不仅使得地表热量分布发生变化，也对大气环流和气候有重要影响（陈海山和孙照渤,2003;Gong et al.,2004;Cohen and Fletcher,2007;Ao and Sun,2016）。观测结果显示，从9～1月欧亚大陆积雪覆盖率逐渐增加（图略），但西伯利亚地区11月积雪覆盖率年际变率最大。1982～2018年9～2月西伯利亚地区（40°～60°N,70°～120°E）平均的积雪覆盖率标准差分别为1.29、8.14、8.34、3.85、3.44和3.15。1982～2018年11月观测的积雪覆盖率气候态显示，巴尔喀什湖以北地区的积雪覆盖率达到90%以上，以南地区积雪覆盖率为20%左右（图9a）。模式提前1个月和6个月预测的西伯利亚地区的积雪覆盖率气候态的空间分布与观测结果较为一致（图9b,c），但模式提前1个月和6个月预测的11月巴尔喀什湖至贝加尔湖以南地区积雪覆盖率较观测偏少（图9d,e）。此外，观测和模式提前1～6个月预测的西伯利亚地区积雪覆盖率气候态之间的PCC均达0.8以上（图9f），通过0.01的显著性水平。因此，NCEP-CFSv2模式可以较好地预测11月西伯利亚地区积雪覆盖率气候态的空间分布状况。

图9 1982～2018年11月（a）观测、NCEP-CFSv2提前（b）1个月和（c）6个月预测的积雪覆盖率气候平均（阴影）；提前（d）1个月和（e）6个月预测的11月积雪覆盖率（阴影）气候态差值（模式－观测）；（f）观测和提前1～6个月预测的西伯利亚地区（40°～60°N，70°～120°E）积雪覆盖率气候态的PCC，0.01的显著性水平对应的PCC为0.24Fig.9 Climatological mean of (a)the observed and NCEP-CFSv2 predicted data of the(b)1-month and(c)6-month snow cover extent(shaded)for November during 1982–2018.The climatological differences between the NCEP-CFSv2 predicted data with(d)1-month and(e)6-month leads and observed snow cover extent(shaded)in November.(f)The PCC between the observed and predicted snow cover extents in November with 1-to 6-month leads over theregion (40°–60°N,70°–120°E).The PCC valueof 0.24 isthe0.01 significancelevel

由1982～2018年11月西伯利亚地区积雪覆盖率、潜热通量、感热通量异常对SHI的回归场可以看出，当积雪覆盖率升高时，该地区潜热通量减少，且较高的反照率使得该地区吸收热量减少，释放的感热通量增加，造成该地区的气温降低，西伯利亚高压强度增强（图10a–c）。进一步分析1982～2018年11月西伯利亚区域（40°～60°N,70°～120°E）平均的积雪覆盖率与该区域平均土壤温度的TCC为−0.7，通过0.01的显著性水平。因此说明西伯利亚积雪异常可能影响西伯利亚地区的热力过程，进一步对西伯利亚高压强度造成影响。

与观测结果相比，模式能较好地再现11月西伯利亚高压强度和该地区积雪及其相关过程（图10d–f）。然而，较观测而言，在巴尔喀什湖以北地区，模式低估西伯利亚高压强度与积雪覆盖率之间的联系，而在以南地区又高估两者之间的相互作用（图10g）。在贝加尔湖地区，模式低估西伯利亚高压强度和潜热通量之间的联系，而在巴尔喀什湖以南地区模式高估其与感热通量之间的联系（图10h，i）。进一步分析观测和模式中12～2月逐月西伯利亚地区积雪覆盖率对西伯利亚高压强度的影响。由12～2月的积雪覆盖率异常对同期SHI的回归场显示，在巴尔喀什湖地区，12月积雪覆盖率升高，西伯利亚高压强度增强，而模式预测结果却与之相反（图11a，b）。此外，观测结果显示，在1月和2月巴尔喀什湖东南部地区的积雪覆盖率越高时，西伯利亚高压强度越强，模式预测结果却也与之相反（图11c–f）。因此，模式对11月西伯利亚高压强度预测效能较好的另一原因是模式在一定程度上可以较合理再现11月西伯利亚高压强度和该地区积雪状况。

图10 1982～2018年11月（a，b，c）观测和（d，e，f）NCEP-CFSv2提前1个月预测的（a，d）积雪覆盖率（阴影）、（b，e）潜热通量（阴影，单位：W m−2）和（c，f）感热通量（阴影，单位：W m−2）异常对11月SHI的回归，斜线为通过0.1的显著性水平；SHI与（g）积雪覆盖率、（h）潜热通量和（i）感热通量的TCC差值（模式－观测）Fig.10 Regression of the(a,b,c)observed and(d,e,f) NCEP-CFSv2 predicted(a,d)snow cover extent(shaded),(b,e)latent heat flux(shaded,units:W m−2),and(c,f)sensible heat flux(shaded,units:W m−2)anomalies with a 1-month lead for the November SHI, the slashed areas indicate significance at the 0.1 significance level.Temporal correlation coefficient between the SHIand(g)snow cover extent anomalies,(h)latent heat flux anomalies,(i)sensibleheat flux anomalies,differences between the NECP-CFSv2 and observation data

图11 1982～2018年12～2月（a，c，e）观测和（b，d，f）NCEP-CFSv2提前1个月预测的积雪覆盖率（阴影）异常对12～2（+1）月SHI的回归分析，斜线为通过0.1的显著性水平Fig.11 Regression of the snow cover extent(shaded)anomalies in the SHI in December,January,and February during 1982–2018 for the(a,c,e)observation and (b,d,f) NCEP-CFSv2 with a 1-month lead.Theslashed areasindicatesignificanceat the 0.1 significance level

5 总结和讨论

本文首先系统评估了NCEP-CFSv2模式对1982～2018年冬半年及逐月西伯利亚高压强度的预测效能，研究结果表明NCEP-CFSv2模式对冬半年及12月、1月、2月西伯利亚高压强度预测效能偏低，仅对11月西伯利亚高压强度的预测能力和可预测性较好。同时，NCEP-CFSv2模式在不同起报月份对11月西伯利亚高压强度的预测能力均高于GloSea5模式。

研究结果表明，西伯利亚高压强度的变化不仅受西伯利亚地区热力和动力过程的影响，同时也与西伯利亚地区积雪状况有关。首先，土壤温度及相关的热力过程是造成西伯利亚地区地表热量分布及强度变化的因素之一。冬半年及逐月的西伯利亚高压强度与地表热力过程之间联系密切，而NCEPCFSv2模式仅能较好地再现11月西伯利亚高压强度与土壤温度等热力因素之间的联系。同时，西伯利亚地区对流层中高层的辐合下沉运动以及对流层低层的辐散是造成西伯利亚高压加强的动力因素。模式也能较好地再现11月西伯利亚高压及其该地区中高层辐合下沉运动以及低层辐散环流。此外，模式在一定程度上也能再现11月西伯利亚高压和该地区积雪及其相关过程。

西伯利亚高压是北半球冬半年主要的大气环流系统之一，通过上述分析表明西伯利亚地区的局地热力过程、动力过程以及该地区的积雪是11月西伯利亚高压强度的主要可预测来源。但在分析中我们注意到，NCEP-CFSv2模式对11月西伯利亚高压强度提前2个月的预测却低于提前6个月的预测能力，这说明气候模式对季节内尺度的预测更为复杂和不稳定。因此，在未来工作中，除了季节平均的预测外，将进一步深入研究西伯利亚高压季内变化的物理过程、可预测来源，进而提高西伯利亚高压的季节平均和季内的预测水平。