太平洋年代際振蕩、大西洋年代際振蕩和全球變暖對北美地區(qū)降水的相對貢獻(xiàn)

徐川 張昊 陶麗 ,3

1 南京信息工程大學(xué)大氣科學(xué)學(xué)院，南京 210044

2 浙江省臺州市三門縣氣象局，臺州 317100

3 南京信息工程大學(xué)氣象災(zāi)害教育部重點實驗室，南京 210044

1 引言

降水是指在大氣中冷凝的水汽以不同方式下降到地球表面的天氣現(xiàn)象，而降水的變化會影響世界絕大部分的人口。北美地區(qū)是世界上經(jīng)濟(jì)最發(fā)達(dá)的地區(qū)，然而降水的變化對該地區(qū)的社會和經(jīng)濟(jì)發(fā)展產(chǎn)生的影響不容小覷。自2007 年以來，加州干旱頻發(fā)，干旱導(dǎo)致水庫水位下降、水力發(fā)電量劇減、森林火災(zāi)頻發(fā)。2020 年夏美國多州又出現(xiàn)干旱，加州大火重燃。北美的這些持續(xù)性的天氣異常，氣候變化和年代際變化是否有貢獻(xiàn)？這是我們亟待解決的問題。

許多研究表明， 太平洋年代際振蕩（Interdecadal Pacific Oscillation，IPO）對北美地區(qū)及全球其他區(qū)域的降水有重要貢獻(xiàn)（朱益民和楊修群, 2003; 楊修群等, 2004; 鄧偉濤等, 2009; Dai,2013; 楊朝虹等, 2018）。Meehl and Hu（2006）通過海氣耦合模式（coupled general circulation model，CGCM）發(fā)現(xiàn)北美西南部地區(qū)降水存在多年代際變化，Dai（2013）研究發(fā)現(xiàn)北美西南地區(qū)的降水與IPO 指數(shù)高度相關(guān)，Xu and Hu（2018）經(jīng)過相關(guān)分析，認(rèn)為美國西部的降水更容易受IPO/PDO 的影響。IPO 是一種海洋、大氣現(xiàn)象，發(fā)生在太平洋海盆區(qū)域，振蕩周期約為10～30 年和40～60 年。有研究定義IPO 的北太平洋分量為北太平洋年代際振蕩（Pacific decadal Oscillation，PDO；Mantua et al., 1997; Zhang et al., 1997），PDO 被認(rèn)為是由厄爾尼諾—南方濤動（El Ni?o-Southern Oscillation，ENSO）的“紅化”與隨機(jī)大氣強(qiáng)迫相結(jié)合所造成（Newman et al., 2003）。盡管計算IPO 和PDO 指數(shù)的關(guān)注區(qū)域和消除年際變化的過濾方法上有所不同，但I(xiàn)PO 和PDO 在時間上高度相關(guān)，并且經(jīng)?？苫Q使用（Xu and Hu, 2018）。IPO 影響的北美陸地降水異常的原因可用相關(guān)的環(huán)流異常解釋，即在IPO 負(fù)位相階段，熱帶中東太平洋海表面溫度（Sea Surface Temperature，SST）異常偏低，會導(dǎo)致北太平洋對流層低層在冬季產(chǎn)生較強(qiáng)的高壓中心以及反氣旋環(huán)流，導(dǎo)致北美西部沿海地區(qū)出現(xiàn)寒冷干燥的西北風(fēng)和偏北風(fēng)，進(jìn)而導(dǎo)致IPO 負(fù)位相期間（1946～1976 年和1999 年至今）美國西部大部分地區(qū)（美國西北部除外）和美國中部大平原的年降水量減少5%～20%，在IPO 的正位相期間（1924～1945 年和1977～1998 年），環(huán)流和降水變化大致相反，美國西部和中部大平原的大部分地區(qū)降水量較高，而IPO 對美國中西部、東北部和東南部降水的影響相對較弱（Meehl and Hu, 2006;Dai, 2013; Dong and Dai, 2015）。

另一重要的年代際信號是大西洋多年代際振蕩（Atlantic Multidecadal Oscillation，AMO），也稱為大西洋多年代際變率（Atlantic Multidecadal Variability，AMV），它是發(fā)生在北大西洋區(qū)域具有海盆尺度的、60～80 年的周期的海表面溫度異常變化。AMO 是一種自然變率，通常用0°～80°N 北大西洋區(qū)域平均的SST 異常來表示（Schlesinger and Ramankutty, 1994; Kerr, 2007）。諸多研究表明，AMO 在北大西洋局地氣候及全球其他區(qū)域氣候演變中發(fā)揮了重要作用（Knight et al., 2006; Zhang and Delworth, 2006; Mohino et al.,2011; Goly and Teegavarapu, 2014; 孫雪倩等, 2018）。歐亞大陸的地表氣溫，美國大陸、巴西東北部、西非以及南亞的降水，北大西洋颶風(fēng)等都與之密切相關(guān)（Knight et al., 2006; 李雙林等, 2009）。Sutton and Hodson（2005）發(fā)現(xiàn)AMO 造成了美國、墨西哥南部以及西歐地區(qū)大氣環(huán)流的明顯變化，降水和地表溫度也出現(xiàn)了相關(guān)異常。相關(guān)研究表明，北美季風(fēng)與AMO 密切相關(guān)。北美季風(fēng)開始于6 月初到6 月中旬，首先在墨西哥西南部上空出現(xiàn)，然后迅速向北移動，直到7 月初到達(dá)美國西南部（Douglas et al., 1993）。北美夏季風(fēng)的爆發(fā)是由于大氣熱力學(xué)不穩(wěn)定和鄰近海域水汽輸送增加的結(jié)果，往往會導(dǎo)致天氣從炎熱干燥迅速轉(zhuǎn)變?yōu)橄鄬鏊幱辍iggins et al.（1997）指出，北美季風(fēng)有兩個主要的水汽來源：加利福尼亞灣北部提供了850 hPa以下的大部分水汽，而墨西哥灣則提供了850 hPa及以上的水汽。1948～2009 年期間，北美季風(fēng)系統(tǒng)在墨西哥西北部的強(qiáng)度表現(xiàn)出多年代際變化，在AMO 正位相期間，美國東南部和墨西哥灣異常氣旋環(huán)流和降水增強(qiáng)（Arias et al., 2012），有研究表明這是由于AMO 正位相期間，夏季北大西洋副熱帶高壓系統(tǒng)減弱，而從墨西哥灣附近地區(qū)到美國中部水汽輸送增強(qiáng)，導(dǎo)致美國東南部和北美季風(fēng)區(qū)的夏季降水量增多，而北美其他大部分地區(qū)（尤其是美國中部地區(qū)）的降水減少（Douglas et al.,1993; Hu and Feng, 2008; Hu et al., 2011）。

全球變暖使得全球大氣平均水汽含量上升，但在過去幾十年，全球平均陸地降水的變化幅度卻很少（施能等, 2004; Held and Soden, 2006; Gu et al.,2007; Gu and Adler, 2015），一方面可能是由于地球能量平衡收支，另一方面可能是由于不同區(qū)域的降水變化相互抵消（Dai et al., 1997; Emori and Brown, 2005; Held and Soden, 2006; Smith et al.,2006）。同時全球變暖對于北美地區(qū)極端降水以及水汽輸送有一定的貢獻(xiàn)：極端降水的增加幅度大于全球范圍內(nèi)的平均降水增加幅度，氣候模式在北美區(qū)域降水研究中也體現(xiàn)為強(qiáng)降水或者極端降水增加幅度相對于其他降水類型幅度要大（Hennessy et al., 1997; Wilby and Wigley, 2002）。而北美地區(qū)氣溫上升的時段（從1980 年開始）與全球平均氣溫的快速上升時段大致吻合，所以全球變暖是導(dǎo)致北美極端降水事件發(fā)生頻率增加的一個原因（Kunkel,2003）。歷史氣候情景和RCP8.5 情景研究發(fā)現(xiàn)在北美北部沿海地區(qū)，隨增暖加強(qiáng)降水強(qiáng)度和單體風(fēng)暴的總降水都有變得更加強(qiáng)烈的趨勢（Ma et al.,2019）。

綜上所述，太平洋年代際振蕩（Interdecadal Pacific Oscillation，IPO）、大西洋年代際振蕩（Atlantic Multidecadal Oscillation，AMO）、全球變暖（Global Warming，GW）對北美陸地降水均有一定貢獻(xiàn)，也有諸多研究，但較少有人研究IPO、AMO、GW 對于北美地區(qū)降水的相對貢獻(xiàn)。為了進(jìn)一步探究IPO、AMO、GW 對北美范圍內(nèi)不同區(qū)域陸地降水的相對重要性，本文首先利用奇異值分解（Singular Value Decomposition，SVD)方法分析北美地區(qū)冬、夏季降水年代際變化時空分布及耦合的海溫模態(tài)，然后利用多元線性回歸模型來分析IPO、AMO、全球變暖對北美地區(qū)陸地降水的相對貢獻(xiàn)，并進(jìn)一步利用信息流方法確認(rèn)其因果關(guān)系，最后利用全球大氣環(huán)流模式確定太平洋和大西洋海溫異常對北美地區(qū)陸地降水變化的影響途徑。

2 資料與方法

2.1 資料

由于北美冬夏季降水差異較大，本文將冬夏季分別進(jìn)行分析，6～8 月定義為夏季，12 月至次年2 月定義為冬季。本文所用陸地降水逐月資料分別是東英吉利大學(xué)氣候研究中心（University of East Anglia Climatic Research Unit）的CRU TS4.02（http://data.ceda.ac.uk/badc/cru/data/cru_ts [2020-01-20]）降水資料，空間分辨率為0.5°×0.5°和全球降水氣候中心（ Global Precipitation Climatology Centre，GPCC）的降水資料（https://opendata.dwd.de/climate_environment/GPCC/html[2020-01-20]），空間分辨率為1°×1°。海表面溫度資料由英國Hadley 中心提供（Hadley Centre Sea Ice and Sea Surface Temperature dataset, HadISST, https://www.metoffice.gov.uk/hadobs/hadisst/[2020-01-20]），空間分辨率為1°×1°。

IPO 指數(shù)（IPOI）和AMO 指數(shù)（AMOI）均來自于美國國家海洋和大氣管理局（National Oceanic and Atmospheric Administration，NOAA）的物理科學(xué)實驗室（Physical Sciences Laboratory，PSL）（https://www.esrl.noaa.gov/psd/data/climateindices/list/[2020-01-20]）。其中IPOI 基于赤道中部太平洋的區(qū)域平均海溫異常與西北太平洋和西南太平洋的區(qū)域平均海溫異常的差值進(jìn)行構(gòu)建。AMOI 是根據(jù)北大西洋區(qū)域（0°～70°N）SST 去趨勢后進(jìn)行加權(quán)平均所構(gòu)建。GW 指數(shù)（GWI）定義為（45°S～60°N）范圍內(nèi)全球SST 平均，然后采用集合經(jīng)驗?zāi)B(tài)分解（Ensemble Empirical Mode Decomposition，EEMD）濾波后得到的趨勢時間序列，以消除年際及IPO、AMO 信號影響。

本文資料均去除了季節(jié)循環(huán)，除信息流分析外還對所有資料進(jìn)行了Lanczos 九年低通濾波，以消除數(shù)據(jù)中的年際變化信號。本文資料所取時間長度均為1934～2018 年。

2.2 方法

2.2.1 SVD 方法

利用SVD 方法分析北美地區(qū)冬、夏季降水年代際變化時空分布及耦合的海溫模態(tài)。本文將北美大陸地區(qū)（13°N～70°N，167°W～55°W）冬夏季降水作為SVD 左場，由于20°S～45°N 海溫區(qū)域能較好地覆蓋IPO、AMO、全球變暖的海溫范圍，所以選取該區(qū)域冬夏季海溫作為SVD 右場，進(jìn)行SVD 分析。

2.2.2 多元線性回歸

為了評估IPO、AMO、全球變暖的相對重要性，利用多元線性回歸預(yù)測模型定量計算了IPOI、AMOI 和GWI 對北美大陸地區(qū)（13°N～70°N，167°W～55°W）不同區(qū)域冬夏季降水的相對貢獻(xiàn)大小。構(gòu)造的多元線性回歸模型如下：

因此，IPO、AMO 和GW 的方差貢獻(xiàn)占比（R）分別表示為

2.2.3 信息流方法

通常，我們使用超前滯后相關(guān)分析來識別兩個時間序列之間的因果關(guān)系。然而，眾所周知，相關(guān)性不具有所需的定向性或不對稱性，因此并不一定意味著因果關(guān)系。但分析事件間的因果關(guān)系是科學(xué)研究的核心問題。信息流是指信息的傳遞運(yùn)動，Liang（2014）基于“信息流”物理概念，給出兩個物理量的時間序列在單位時間內(nèi)傳遞的信息流的嚴(yán)謹(jǐn)表達(dá)式，而不必如傳統(tǒng)方法那樣以半經(jīng)驗的形式出現(xiàn)。信息流不僅提供因果關(guān)系的方向，而且提供因果關(guān)系的大小。

考慮兩個物理量的時間序列：

公式（13）從嚴(yán)格意義上說, 它只適用于線性系統(tǒng)，但研究表明，它是非線性時間序列的一個很好的近似值（Stips et al., 2016）。信息流的信度檢驗見（Liang, 2014）。利用公式（13）我們可以定量給出IPO、AMO、GW 對北美陸地降水信息流的顯著區(qū)域。

2.2.4 大氣環(huán)流模式數(shù)值試驗

本文采用ECHAM4 大氣環(huán)流模式（AGCM）進(jìn)行一系列SST 敏感性試驗，進(jìn)一步深入研究IPO、AMO 和GW 對陸地降水的影響。ECHAM4大氣環(huán)流模式是由德國馬普氣象研究所開發(fā)的第四代大氣環(huán)流模式。

該模型基于原始大氣動力方程式，可預(yù)報變量由截斷的球諧函數(shù)序列表示，截斷序列在42 波數(shù)（T42）處呈三角形截斷。非線性項和大多數(shù)參數(shù)化物理過程是在高斯網(wǎng)格上計算的，該網(wǎng)格的水平空間分辨率約為2.8°×2.8°，經(jīng)緯度網(wǎng)格點數(shù)分別為128 和64。在垂直方向上采用19 層的混合σ氣壓坐標(biāo)、垂直積分區(qū)域可延伸到10 hPa，相當(dāng)于大約30 km 的高度。除輻射變量的積分步長為2 小時，熱力和動力學(xué)變量的積分步長為24 分鐘，詳細(xì)的ECHAM4 模式介紹可參考Roeckner et al.（1996）等工作。每一個試驗積分30 年，取后20 年模擬結(jié)果，相當(dāng)于20 個統(tǒng)計樣本的一個集合平均。

3 結(jié)果與分析

3.1 影響北美地區(qū)夏、冬季陸地降水的趨勢和年代際變化的主要SST 模態(tài)

3.1.1 夏季

為探究北美地區(qū)冬、夏季降水年代際變化時空分布及耦合的海溫模態(tài)，本節(jié)將北美大陸地區(qū)（13°N～70°N，167°W～55°W）冬夏季降水作為SVD 左場，20°S～45°N 區(qū)域冬夏季SST 作為SVD 右場，分季節(jié)進(jìn)行SVD 分析。數(shù)據(jù)預(yù)處理階段，降水和SST 數(shù)據(jù)均經(jīng)過了Lanczos 9 年低通濾波，以濾除高頻信號的影響，并去除缺測值。圖1、2、3 為夏季海溫與降水的SVD 分析結(jié)果，圖4、5、6 為冬季海溫與降水的SVD 分析結(jié)果。

圖1a、b 分別為夏季第一模態(tài)異類場，解釋方差為32.7%，圖1c 為對應(yīng)的時間序列。分析時間序列，其中降水和SST 時間序列相關(guān)系數(shù)達(dá)到了0.91，SST 時間序列與AMOI 相關(guān)系數(shù)達(dá)到了0.84，均通過了α=95%的信度檢驗，且北大西洋SST 呈現(xiàn)為一致增暖趨勢，因此確定夏季SVD 分析的第一模態(tài)SST 場為AMO 模態(tài)。由圖1b 可知，在AMO 正位相期間，阿拉斯加地區(qū)、密西西比河流域、大西洋沿岸平原、佛羅里達(dá)半島、加拿大北部降水為正異常，美國西部地區(qū)降水為負(fù)異常。

圖1 1934～2018 年6～8 月海溫與Climatic Research Unit（CRU）陸地降水奇異值分解（Singular Value Decomposition，SVD）分析第一模態(tài)。（a）、（b）分別為SVD 第一模態(tài)海溫、降水異類場，打點區(qū)域表示通過α=90%信度檢驗；（c）為異類場時間系數(shù)和AMO 指數(shù)（AMOI），其中藍(lán)線表示SST 時間序列，紅線表示降水時間序列，黑線表示AMOI，*、**和***分別代表相關(guān)系數(shù)（r）通過α=90%、α=95%和α=99%信度檢驗Fig. 1 First Singular Value Decomposition (SVD) modes between the sea surface temperature (SST) and land precipitation from Climatic Research Unit (CRU) during June, July and August (JJA) of 1934-2018: Spatial pattern of (a) SST and (b) land precipitation; (c) normalized SVD time series of SST (blue lines) and precipitation (red lines). The black line denotes the AMO index (AMOI). The correlation coefficients (r) with *, **, and *** are statistically significant at the 90%, 95%, and 99% confidence levels, respectively. The areas with dots are statistically significant at α=90% confidence level for (a) and (b)

圖2a、b 分別為夏季SVD 第二模態(tài)的SST 和降水異類場，解釋方差為21.6%，圖2c 為對應(yīng)的時間序列。分析時間序列，降水和SST 時間序列相關(guān)系數(shù)達(dá)到了0.95，SST 時間序列與IPOI 相關(guān)系數(shù)達(dá)到了0.94，均通過α=99%的信度檢驗。且太平洋SST 的空間模態(tài)呈現(xiàn)為經(jīng)典ENSO 的模態(tài)，因此確定夏季SVD 分析的第二模態(tài)SST 場為IPO模態(tài)。由圖2b 可知，在IPO 正位相期間，阿拉斯加南部沿海地區(qū)、北美洲中部大部分地區(qū)以及加拿大中東部降水偏多，加拿大西部地區(qū)、墨西哥南部地區(qū)降水偏少。

圖2 1934～2018 年6～8 月海溫與CRU 陸地降水SVD 分析第二模態(tài)。（a）、（b）分別為SVD 第二模態(tài)海溫、降水異類場，打點區(qū)域表示通過α=90%信度檢驗；（c）為異類場時間系數(shù)和IPO 指數(shù)（IPOI），其中藍(lán)線表示SST 時間序列，紅線表示降水時間序列，黑線表示IPOI，*、**和***分別代表相關(guān)系數(shù)（r）通過α=90%、α=95%和α=99%信度檢驗Fig. 2 Second SVD modes between the SST and land precipitation from CRU during JJA of 1934-2018: Spatial pattern of (a) SST and (b) land precipitation; (c) normalized SVD time series of SST (blue lines) and precipitation (red lines). The black line denotes the IPO index (IPOI). The correlation coefficients (r) with *, **, and *** are statistically significant at the 90%, 95%, and 99% confidence levels, respectively. The areas with dots are statistically significant at the 90% confidence level for (a) and (b)

圖3a、b 分別為夏季SVD 第三模態(tài)的SST 和降水異類場，解釋方差為15.7%，圖3c 為對應(yīng)的時間序列。分析時間序列，其中降水和SST 時間序列相關(guān)系數(shù)達(dá)到了0.81，但SST 時間序列與GWI 相關(guān)系數(shù)只有0.36，北美陸地降水時間序列與GWI 相關(guān)系數(shù)只有0.64，同時考慮SST 的空間分布，認(rèn)為SVD 第三模態(tài)的SST 場與GW 沒有相似性，有可能是印度洋SST 模態(tài)或者南大西洋SST 模態(tài)。

圖3 1934～2018 年6～8 月海溫與CRU 陸地降水SVD 分析第三模態(tài)。（a）、（b）分別為SVD 第三模態(tài)海溫、降水異類場，打點區(qū)域表示通過α=90%信度檢驗；（c）為異類場時間系數(shù)和GW 指數(shù)（GWI），其中藍(lán)線表示SST 時間序列，紅線表示降水時間序列，黑線表示GWI，*、**和***分別代表相關(guān)系數(shù)（r）通過α=90%、α=95%和α=99%信度檢驗Fig. 3 Third SVD modes between the SST and land precipitation from CRU during JJA of 1934-2018: Spatial pattern of (a) SST and (b) land precipitation; (c) normalized SVD time series of SST (blue lines) and precipitation (red lines). The black line denotes the GW index (GWI). The correlation coefficients (r) with *, **, and *** are statistically significant at the 90%, 95%, and 99% confidence levels, respectively. The areas with dots are statistically significant at the 90% confidence level for (a) and (b)

3.1.2 冬季

圖4a、b 分別為冬季SVD 第一模態(tài)的SST 和降水異類場，解釋方差為42.3%。圖4c 為對應(yīng)的時間序列。分析時間序列，其中降水和SST 時間序列相關(guān)系數(shù)達(dá)到了0.88，SST 時間序列與IPOI 相關(guān)系數(shù)達(dá)到了0.86，均通過了α=95%信度檢驗，且太平洋SST 的空間模態(tài)呈現(xiàn)為經(jīng)典ENSO 的模態(tài)，因此確定冬季SVD 分析的第一模態(tài)SST 場為IPO模態(tài)。由圖4b 可見，在IPO 正位相期間，北美洲降水整體自北向南大致呈現(xiàn)“正—負(fù)—正”的三極分布形態(tài)，北美洲南部（特別是美國、墨西哥交界處）降水顯著偏多，北美洲中部地區(qū)降水顯著偏少。

圖5a、b 分別為冬季SVD 第二模態(tài)的SST 和降水異類場，解釋方差為23.2%，圖5c 為對應(yīng)的時間序列。分析時間序列，其中降水和SST 時間序列相關(guān)系數(shù)達(dá)到了0.94，通過了α=95%信度檢驗，SST 時間序列與AMOI 相關(guān)系數(shù)達(dá)到了0.87，通過了α=90%信度檢驗。且北大西洋SST 呈現(xiàn)為一致增暖趨勢，因此確定冬季SVD 第二模態(tài)的SST 場為AMO 模態(tài)。由圖5b 可見在AMO 正位相期間，北美洲中偏東部地區(qū)降水偏多，北美洲東南部沿岸地區(qū)降水偏少。

圖4 1934～2018 年12～2 月海溫與CRU 陸地降水SVD 分析第一模態(tài)。（a）、（b）分別為SVD 第一模態(tài)海溫、降水異類場，打點區(qū)域表示通過α=90%信度檢驗；（c）為異類場時間系數(shù)和IPOI，其中藍(lán)線表示SST 時間序列，紅線表示降水時間序列，黑線表示IPOI，*、**和***分別相關(guān)系數(shù)（r）代表通過α=90%、α=95%和α=90%信度檢驗Fig. 4 First SVD modes between the SST and land precipitation from CRU during December January February (DJF) of 1934-2018: Spatial pattern of (a) SST and (b) land precipitation; (c) normalized SVD time series of SST (blue lines) and precipitation (red lines). The black line denotes the IPOI.The correlation coefficients (r) with *, **, and *** are statistically significant at the90%, 95%, and 99% confidence levels, respectively. The areas with dots are statistically significant at the 90% confidence level for (a) and (b)

圖5 1934～2018 年12～2 月海溫與CRU 陸地降水SVD 分析第二模態(tài)。（a）、（b）分別為SVD 第二模態(tài)海溫、降水異類場，打點區(qū)域表示通過90% 信度檢驗；（c）為異類場時間系數(shù)和AMOI，其中藍(lán)線表示SST 時間序列，紅線表示降水時間序列，黑線表示AMOI，*、**和***分別代表相關(guān)系數(shù)（r）通過α=90%、α=95%和α=99%信度檢驗Fig. 5 Second SVD modes between the SST and land precipitation of CRU during DJF of 1934-2018: Spatial pattern of (a) SST and (b) land precipitation; (c) normalized SVD time series of SST (blue lines) and precipitation (red lines). The black line denotes the AMOI. The correlation coefficients (r) with *, **, and *** are statistically significant at the 90%, 95%, and 99% confidence levels, respectively. The areas with dots are statistically significant at the 90% confidence level for (a) and (b)

圖6a、b 分別為冬季第三模態(tài)的SST 和降水異類場，解釋方差為12.2%，圖6c 為對應(yīng)的時間序列。分析時間序列，其中降水和SST 時間序列相關(guān)系數(shù)達(dá)到了0.82，但SST 與GWI 相關(guān)系數(shù)只有0.11，北美陸地降水與GWI 相關(guān)系數(shù)只有0.35，未通過α=90%的信度檢驗，且SST 分布與IPO、AMO、GW 模態(tài)均不是特別吻合，說明GW 對北美陸地降水影響較小。

圖6 1934～2018 年12～2 月海溫與CRU 陸地降水SVD 分析第三模態(tài)。（a）、（b）分別為SVD 第三模態(tài)海溫、降水異類場，打點區(qū)域表示通過90%信度檢驗；（c）為異類場時間系數(shù)和GWI，其中藍(lán)線表示SST 時間序列，紅線表示降水時間序列，黑線表示GWI，*、**和***分別代表相關(guān)系數(shù)（r）通過α=90%、α=95%和α=99%信度檢驗Fig. 6 Third SVD modes between the SST and land precipitation from CRU during DJF of 1934-2018: Spatial pattern of (a) SST and (b) land precipitation; (c) normalized SVD time series of SST (blue lines) and precipitation (red lines). The black line denotes the GWI. The correlation coefficients (r) with *, **, and *** are statistically significant at the 90%, 95%, and 99% confidence levels, respectively. The areas with dots are statistically significant at the 90% confidence level for (a) and (b)

綜上，通過SVD 分析可見，對北美陸地降水相對貢獻(xiàn)較大的主要SST 模態(tài)夏季為AMO（32.7%）和IPO（21.6%）冬季則為IPO（42.3%）和AMO（23.2%），GW 對北美陸地降水影響較小。利用GPCC 降水資料進(jìn)行SVD 分析，也得到類似的結(jié)果（圖略），這里不再贅述。

3.2 回歸分析

影響北美地區(qū)陸地降水變化的SST 模態(tài)主要為IPO 和AMO，而GW 在SVD 的前三個主要模態(tài)中沒有得到體現(xiàn)。為了進(jìn)一步探究IPO、AMO以及GW 對北美地區(qū)陸地降水的影響，利用一元線性回歸模型，分別將夏、冬季的陸地降水與IPOI、AMOI 和GWI 進(jìn)行回歸。IPOI、AMOI 以及降水?dāng)?shù)據(jù)經(jīng)過Lanczos 九年低通濾波，GWI 經(jīng)過EEMD 濾波。IPOI、AMOI、GWI 的時間序列及相關(guān)系數(shù)如圖7 所示，三個指數(shù)之間相關(guān)系數(shù)較小，沒有通過經(jīng)過自相關(guān)計算得到的較低自由度的α=90%信度檢驗，可以認(rèn)為三者相互獨(dú)立。

圖7 1934～2018 年IPOI（紅線）、AMOI（藍(lán)線）、GWI（黑線）時間序列圖。IPOI、AMOI 進(jìn)行9 年低通濾波，r 表示三個指數(shù)間的相關(guān)系數(shù)Fig. 7 Time series of the 9-yr low-passed IPOI (red line), AMOI (blue line), and GWI (black line) from 1934-2018. r is the correlation coefficient between the three indices

圖8 為1934～2018 年IPOI、AMOI 和GWI對CRU 北美陸地降水的線性回歸系數(shù)分布圖。打點區(qū)域的相關(guān)系數(shù)通過了α=90%的信度檢驗。

圖8a、b 為IPOI 對CRU 夏、冬降水的回歸結(jié)果，通過信度檢驗區(qū)域的趨勢與SVD 結(jié)果（圖2b、圖4b）基本一致，進(jìn)一步驗證了IPO 對北美地區(qū)降水變化的影響。相對夏季而言，IPO 對北美冬季年代際降水更有顯著的影響。在冬季，IPO 正位相期間，北美洲南部降水顯著增多，北美洲中部地區(qū)降水顯著減少。夏季，IPOI 與美國大部分地區(qū)降水以及五大湖地區(qū)降水為正相關(guān)，與加拿大西部地區(qū)、墨西哥南部地區(qū)降水為負(fù)相關(guān)。

圖8c、d 為AMOI 對CRU 夏、冬降水的回歸結(jié)果，通過信度檢驗的區(qū)域的趨勢與SVD 結(jié)果（圖1b、圖5b）基本一致。相對冬季而言，AMO對北美夏季年代際降水更有顯著的影響。在夏季，AMO 正位相期間，北美洲中西部地區(qū)、墨西哥降水顯著減少，而阿拉斯加地區(qū)、密西西比河流域、大西洋沿岸平原、佛羅里達(dá)半島降水顯著增加；冬季，AMOI 與美國東部沿岸地區(qū)為顯著正相關(guān)。

圖8e、f 為GWI 對CRU 夏、冬降水回歸結(jié)果。夏季，隨著全球變暖，加拿大中西部及東南部沿海地區(qū)、五大湖東部地區(qū)、密西西比河南部流域、墨西哥東部降水增加，而美國西部降水減少；冬季，隨著全球變暖，五大湖區(qū)域降水增加，加拿大中西部地區(qū)降水減少。

圖8 （a、b）IPOI、（c、d）AMOI 和（e、f）GWI 對1934～2018 年（a、c、e）6～8 月和（b、d、f）12～2 月CRU 降水的線性回歸分布（單位：mm month-1）。打點區(qū)域為通過α=90%信度檢驗區(qū)域Fig. 8 Regressed land precipitation from CRU (mm month-1) in JJA (left column) and DJF (right column)of 1934-2018 onto the normalized indices of (a, b) IPO, (c, d) AMO, and (e, f) GW. The areas with dots are statistically significant at the 90% confidence level

一元線性回歸分析的結(jié)果進(jìn)一步驗證了夏季對北美陸地降水產(chǎn)生影響的主要SST 模態(tài)為AMO、IPO，而冬季則主要為IPO、AMO。也能看到GW對加拿大中西部和五大湖地區(qū)的降水也有重要影響，無論冬夏，隨著全球變暖，五大湖地區(qū)的降水均增加，而加拿大中西部在夏季有變濕的趨勢，冬季有變干的趨勢?？紤]到部分區(qū)域的降水受到多個模態(tài)的共同影響，且冬季第三主要海溫模態(tài)尚未確定，下一節(jié)將重點分析IPO、AMO、GW 對北美陸地不同區(qū)域降水的相對貢獻(xiàn)。

3.3 IPO、AMO、GW 對北美陸地降水的方差貢獻(xiàn)

本節(jié)通過多元線性回歸模型，給出IPO、AMO、GW 三者對北美陸地降水趨勢和年代際變化的相對方差貢獻(xiàn)分布圖（圖9、10）。選取阿拉斯加地區(qū)（60°N～70°N，167°W～140°W）、美國本土（30°N～49°N，130°W～70°W）、加拿大（49°N～70°N，140°W～55°W）、墨西哥（15°N～30°N，117°W～93°W），分別計算冬夏季四個區(qū)域的相對方差貢獻(xiàn)占比（表1、2），定量評估IPO、AMO、GW對這四個區(qū)域陸地降水的趨勢和年代際變化的相對方差貢獻(xiàn)大小。

3.3.1 夏季

圖9a 為1934～2015 年AMO、IPO、GW 對夏季北美陸地降水的總方差貢獻(xiàn)分布及三者的相對貢獻(xiàn)，阿拉斯加西南部、加拿大中部、哈德森海峽北部、五大湖東部地區(qū)，IPO、AMO、GW 三者可以解釋80%以上夏季降水的年代際方差，阿拉斯加?xùn)|北部、加拿大西部、哈德森海峽南部、美國西部、墨西哥南部，三者可以解釋60%以上夏季降水的年代際方差。結(jié)合表1，可以得出，三者對阿拉斯加地區(qū)夏季降水總方差貢獻(xiàn)最大，大約34.7%，而美國本土只有22.9%。

表1 IPO、AMO、GW 對四個區(qū)域夏季陸地降水的總方差貢獻(xiàn)和每個因子的相對方差貢獻(xiàn)比例Table 1 Total variance contributions of IPO, AMO, and GW to the land precipitation in JJA and the relative contributions of IPO, AMO, and GW

由表1 和圖9 可見，IPO、AMO、GW 三者可以解釋阿拉斯加地區(qū)34.1%夏季降水的年代際方差，AMO 貢獻(xiàn)最大，達(dá)到了65.8%，GW 次之其貢獻(xiàn)為20.0%。加拿大地區(qū)，三者可以解釋其30.0%夏季降水的年代際方差，GW 貢獻(xiàn)最大，達(dá)到了44.5%，IPO 和AMO 的貢獻(xiàn)分別為30.6%和24.9%。美國本土，三者可以解釋其22.9%夏季降水的年代際方差，GW、AMO 和IPO 的貢獻(xiàn)分別為36.8%、35.6%和27.6%。墨西哥，三者可以解釋其24.0%夏季降水的年代際方差，AMO、GW和IPO 的貢獻(xiàn)分別為37.2%、32.2%和30.6%。

圖9 1934～2018 年IPO、AMO 和GW 對夏季CRU 陸地降水的方差貢獻(xiàn)分布。（a）為三者對降水可以解釋的方差總貢獻(xiàn)，（b）、（c）、（d）分別為IPO、AMO 和GW 的相對方差貢獻(xiàn)比例Fig. 9 (a) Total variance contributions of IPO, AMO, and GW to the land precipitation from CRU in JJA of 1934-2018, and the relative contributions of (b) IPO, (c) AMO, and (d) GW

夏季，IPO 對加拿大和墨西哥地區(qū)方差貢獻(xiàn)較大，AMO 對阿拉斯加方差貢獻(xiàn)最大，GW 對加拿大方差貢獻(xiàn)最大。

3.3.2 冬季

圖10 為1934～2018 年IPO、AMO、GW 對冬季北美陸地降水的總方差貢獻(xiàn)分布及三者的相對貢獻(xiàn)，阿拉斯加西北部、加拿大南部、哈德森灣東部及南部、美國和墨西哥交界處IPO、AMO、GW三者可以解釋80%以上冬季降水的年代際方差。結(jié)合表2，可以得出三者對墨西哥總方差貢獻(xiàn)最大，達(dá)到41.3%。

表2 IPO、AMO、GW 對四個區(qū)域冬季陸地降水的總方差貢獻(xiàn)和每個因子的相對方差貢獻(xiàn)比例Table 2 Total variance contributions of IPO, AMO, and GW to the of land precipitation in DJF and the relative contributions of IPO, AMO, and GW

由表2 和圖10 可見，IPO、AMO、GW 三者可以解釋阿拉斯加地區(qū)27.0%冬季降水的年代際方差，比夏季解釋方差小。冬季GW 貢獻(xiàn)最大，達(dá)到了62.3%，AMO 和IPO 貢獻(xiàn)分別19.5%和18.2%。加拿大地區(qū)，三者可以解釋其29.3%冬季降水的年代際方差，GW 貢獻(xiàn)最大，達(dá)到了44.7%，AMO 和IPO 的貢獻(xiàn)分別為28.8%和26.5%，與夏季類似。美國本土，三者可以解釋其24.7%冬季降水的年代際方差，IPO 的貢獻(xiàn)最大，占47.9%，GW 和AMO 的貢獻(xiàn)分別為26.2%、和25.9%。墨西哥，三者可以解釋其41.3%冬季降水的年代際方差，IPO 的貢獻(xiàn)占絕對優(yōu)勢，占71.5%，AMO和GW 的貢獻(xiàn)只有16.5%和12.0%。

圖10 1934～2018 年IPO、AMO 和GW 對冬季CRU 陸地降水的方差貢獻(xiàn)分布圖。（a）為三者對降水可以解釋的方差總貢獻(xiàn)，（b）、（c）、（d）分別為IPO、AMO 和GW 的相對方差貢獻(xiàn)比例Fig. 10 (a) Total variance contributions of IPO, AMO, and GW to the land precipitation from CRU in DJF of 1934-2018, and the relative contributions of (b) IPO, (c) AMO, and (d) GW

冬季，IPO 對墨西哥地區(qū)方差貢獻(xiàn)最大，AMO對加拿大、美國本土方差貢獻(xiàn)最大，GW 對阿拉斯加地區(qū)方差貢獻(xiàn)最大。

3.4 IPO、AMO、GW 與北美陸地降水的因果分析

為了進(jìn)一步確定IPO、AMO、GW 的變化是否是北美陸地降水的原因，我們分別計算了IPOI、AMOI、GWI 對北美陸地夏半年（5～10 月）和冬半年（11～4 月）降水的信息流（為了保留更多的信息，這里取了夏半年和冬半年來做信息流分析）。由于信息流方法計算過程中的特殊性，未對IPOI、AMOI 和GWI 以及月降水進(jìn)行低通濾波，僅做去季節(jié)循環(huán)處理，并對結(jié)果進(jìn)行信度檢驗。

3.4.1 夏季

圖11a、c、e 表示IPOI、AMOI 和GWI 對北美夏半年陸地降水的信息流分布。由圖11a 可知，IPO 對美國中西部，加拿大中西部、哈德森海灣東部和墨西哥南部有一定的因果聯(lián)系，也就是說IPO 可以引起這些區(qū)域的降水變化，這與圖8a、圖9b 中IPOI 對夏季降水的回歸分布和方差相對貢獻(xiàn)較大區(qū)域基本一致但也有一定的差別，這可能與我們?yōu)榱讼`差取了更長的夏半年時間序列（冬半年的時間序列取為零）來做信息流有關(guān)。圖11c表示AMOI 對北美陸地夏半年降水的信息流分布，AMO 與阿拉斯加、加拿大薩斯喀徹溫省北部、美國南部、墨西哥南部降水存在一定的因果聯(lián)系。與圖8c 和圖9c 表示的AMOI 對夏季降水的回歸分布和方差相對貢獻(xiàn)較大區(qū)域基本一致。圖11e 為GWI 對北美陸地夏半年降水的信息流分布，GW與阿拉斯加至五大湖地區(qū)西北東南向地域降水存在顯著的因果聯(lián)系，與美國中東部，墨西哥降水也有一定的因果關(guān)系，GW 對北美陸地降水全年降水的方差貢獻(xiàn)較大區(qū)域主要在阿拉斯加、加拿大、美國東北地區(qū)，和信息流的結(jié)果基本一致（圖9(c)），也基本對應(yīng)了圖8e 中與GWI 回歸的北美夏季降水變化的顯著區(qū)域。

3.4.2 冬季

圖11b、d、f 表示IPOI、AMOI 和GWI 對北美冬半年陸地降水的信息流分布。由圖11b 可知，IPO 對美國南部、東部沿海及佛羅里達(dá)地區(qū)、墨西哥中北部降水有非常顯著的因果聯(lián)系，也就是說IPO 可以引起這些區(qū)域的顯著的降水變化，IPO 對加拿大和阿拉斯加地區(qū)的降水也有一定的因果聯(lián)系，這與圖8b、圖10b 中IPOI 對夏季降水的回歸分布和方差相對貢獻(xiàn)較大區(qū)域一致。圖11d 表示AMOI 對北美陸地冬半年降水的信息流分布，AMO 與哈德森灣附近、美國中東部和墨西哥中北部降水存在一定的因果聯(lián)系。但相對于IPOI 的信息流，AMO 對降水的影響要弱很多，且與圖8c 和圖10c 中AMOI的回歸系數(shù)分布和方差貢獻(xiàn)較分布也有一定的差異。圖11f 為GWI 對北美陸地冬半年降水的信息流分布，GW 與阿拉斯加北部至五大湖地區(qū)西北東南向地域降水存在一定的因果聯(lián)系，且與圖8f 和圖10d 中GWI 對冬季降水的回歸分布和方差相對貢獻(xiàn)較大區(qū)域一致。

圖11 （a）IPOI、（c）AMOI、（e）GWI 對北美夏半年（5～10 月）陸地降水信息流分布；（b）IPOI、（d）AMOI、（f）GWI 對北美冬半年（11～4 月）陸地降水信息流分布Fig. 11 Information flow from (a) IPOI, (c) AMOI, and (e) GWI to the CRU land precipitation in May-October. Information flow from (d) IPOI,(e) AMOI, and (f) GWI to the CRU land precipitation in November-April

信息流結(jié)果與SVD、回歸結(jié)果的一致性進(jìn)一步驗證了IPO、AMO、GW 的變化是北美陸地降水的原因。且這三個因子在不同季節(jié)，作用的范圍和強(qiáng)度是不同的。

3.5 AMO 與IPO 對降水變化影響的敏感性試驗分析

為了進(jìn)一步研究AMO 和IPO 對陸地降水年代際變化的影響，我們使用ECHAM 4.6 版AGCM進(jìn)行了五組SST 敏感性對照試驗。如表3 所示?？刂圃囼灒–TL 試驗）利用觀測SST 氣候場驅(qū)動ECHAM4.6 大氣環(huán)流模式。圖12 給出了經(jīng)過Lanczos 低通濾波IPOI 和AMOI 對全球SST 的回歸分布。由圖可見，與IPO 相關(guān)的SST 模態(tài)在太平洋上表現(xiàn)經(jīng)典的類El Ni?o 型。印度洋區(qū)域的海溫也表現(xiàn)出顯著的正異常模態(tài)，許多研究中都表明印度洋的年代際/年代際變化與IPO 高度相關(guān)（Cole et al., 2000; Han et al., 2014; Dong et al.,2006）。AMO 的正位相表現(xiàn)為與北大西洋上空的整個海盆海溫相關(guān)。在熱帶印度洋和整個太平洋上也有正相關(guān)。Mohino et al.（2011）研究表明，AMO 的正相對應(yīng)著熱帶印度洋上的較冷SST。但是，它通過加入北大西洋上的正SST 異常強(qiáng)迫和熱帶印度洋上的負(fù)SST 異常強(qiáng)迫未能獲得薩赫勒地區(qū)降水的增加。Zhang and Delworth（2006）用hybrid 耦合模式得到了薩赫勒地區(qū)的的濕/干旱模態(tài)。在我們的研究中，除非在熱帶印度洋上同樣加入正（負(fù)）SST 強(qiáng)迫，否則無法通過僅對北大西洋施加正（負(fù)）SST 異常強(qiáng)迫來得到薩赫勒地區(qū)的濕（干旱）模式。

圖12 （a）IPOI 和（b）AMOI 對SST 的回歸場（單位：°C）。圖中矩形區(qū)域表示敏感性試驗中所加SST 異常的范圍Fig. 12 Regressed SST (units: °C) onto (a) IPOI and (b) AMOI. The rectangular boxes are the specified SSTA domains

表3 ECHAME4 試驗的設(shè)計方案Table 3 Design scheme of the ECHAM4 model experiments

對于其他四組敏感性實驗（表3），驅(qū)動ECHAM 4.6 模式的SST 強(qiáng)迫場為觀測的氣候態(tài)加上或者減去SST 回歸場中不同區(qū)域的SST 正異常。暖異常試驗包括：

（1）IPO_TP 試驗：將熱帶太平洋（30°S～30°N，150°E～90°W）范圍內(nèi)的正SST 異常疊加到氣候態(tài)SST 場中。

（2）IPO_TPI 試驗：將熱帶太平洋（30°S～30°N，150°E～90°W）和熱帶印度洋（30°S～30°N，30°E～120°E）的正SST 異常疊加到氣候態(tài)SST 場中。

（3）AMO_NT 試驗：將北大西洋（0°～65°N，80°W～0°）范圍內(nèi)的正SST 異常疊加到到氣候態(tài)SST 場中。

（4）AMO_NTI 試驗：將北大西洋（0°～65°N，80°W～0°）和熱帶印度洋（30°S～30°N，30°E～120°E）上的正海溫異常疊加到氣候態(tài)SST場中。

同時，我們還進(jìn)行了冷異常試驗，即從觀察SST 氣候態(tài)場中減去指定范圍內(nèi)的正SST 異常。每個試驗都積分了30 年，取后20 年的結(jié)果進(jìn)行下一步分析，相當(dāng)于20 個統(tǒng)計樣本的一個集合平均。下面分析結(jié)果均為暖異常試驗結(jié)果減去冷異常試驗結(jié)果得到。

由于IPO 的方差貢獻(xiàn)主要在12～2 月期間，所以我們重點分析冬季。如圖13d 所示，在IPO_TPI 試驗中的冬季，加拿大東北部、美國南部、墨西哥降水異常偏多，加拿大與美國接壤處降水異常偏少，這與觀測資料分析得到的結(jié)果（圖8b）基本一致，兩者空間相關(guān)系數(shù)為0.64。而IPO_TP的試驗結(jié)果（圖13b）與圖8b 得到的分析結(jié)果差別較大，空間相關(guān)系數(shù)僅為0.20，在美國中東部模擬出明顯的降水正異常。在IPO 正位相期間的夏季，IPO_TP 試驗和IPO_TPI 試驗結(jié)果均不佳，與圖8a 得到的結(jié)果差別較大，兩者空間相關(guān)系數(shù)分別只有-0.05 和0.05。分析相應(yīng)的500 hPa 環(huán)流場，我們發(fā)現(xiàn)由于印度洋SSTA 的參與，在IPO_TPI 試驗中冬季（圖13d）北太平洋上空的氣旋性異常與北美大陸反氣旋異常較IPO_TP（圖13b）偏南，這樣使得降水偏多區(qū)域偏南位于美國南部和墨西哥，與觀測較為一致（圖15b）。

圖13 （a，b）IPO_TP 和（c，d）IPO_TPI 敏感性試驗（暖試驗減去冷試驗）中北美夏（左列）、冬（右列）降水異常（單位：mm month-1）和500 hPa 風(fēng)場異常（單位：m s-1）。打點區(qū)域為通過α=90%信度檢驗區(qū)域Fig. 13 Simulated precipitation anomalies (units: mm month-1) and 500-hPa wind anomalies (units: m s-1) in JJA (left column) and DJF (right column) for the (a, b) IPO_TP experiment and (c, d) IPO_TPI experiment. The experiment refers to the warm run minus the cold run. The areas with dots are statistically significant at the 90% confidence level

在AMO_NAI 試驗的夏季（圖14c），加拿大中部降水偏少，阿拉斯加北岸降水偏多，美國西海岸降水負(fù)異常，東海岸正異常，這與觀測資料得到的分析結(jié)果（348，圖8c）大體相同。而AMO_NA的試驗（圖14a）在加拿大中北部模擬出的降水為正異常，圣勞倫斯灣附近降水負(fù)異常，與觀測資料分析結(jié)果差別較大。分析相應(yīng)的500 hPa 環(huán)流場，我們發(fā)現(xiàn)由于印度洋SSTA 的參與，在AMO_TPI試驗中夏季（圖14c）北大西洋上空的副熱帶氣旋性異常與50°N 左右的反氣旋行異常以及北美大陸反氣旋異常較AMO_TP（圖14a）與觀測更為一致（圖15c）。在AMO 正位相期間的冬季，AMO_NA試驗和AMO_NAI 試驗結(jié)果均不佳，與觀測差別較大，與圖8d 北美冬季降水回歸場的空間相關(guān)系數(shù)分別為-0.30 和-0.16。由于AMO 的方差貢獻(xiàn)主要在夏季期間，所以我們重點關(guān)注AMO_NAI 和AMO_NA 的夏季試驗結(jié)果。

圖14 （a，b）AMO_NA 和（c，d）AMO_NAI 敏感性試驗（暖試驗減去冷試驗）中北美夏（左列）、冬（右列）降水異常和500 hPa 風(fēng)場異常。打點區(qū)域為通過α=90%信度檢驗區(qū)域Fig. 14 Simulated precipitation anomalies and 500-hPa wind anomalies in JJA (left column) and DJF (right column) for the (a, b) AMO_NA experiment and (c, d) IPO_NAI experiment. The experiment refers to the warm run minus the cold run. The areas with dots are statistically significant at the 90% confidence level

圖15 （a，b）IPOI、（c，d）AMOI 對500 hPa 夏季（左列）、冬季（右列）風(fēng)場的線性回歸分布Fig. 15 Regressed wind (500 hPa) in JJA (left column) and DJF seasons (right column) onto the indices of (a, b) IPO and (c, d) AMO

大氣環(huán)流的數(shù)值試驗結(jié)果表明印度洋SST 在AMO 和IPO 對北美陸地降水變化的作用中不可忽視。

4 結(jié)論與討論

本文探究了IPO、AMO、全球變暖對北美地區(qū)降水的相對貢獻(xiàn)，通過SVD 分析，初步確認(rèn)了影響夏季北美陸地降水變化的前兩個海溫模態(tài)為AMO、IPO，影響冬季北美陸地降水變化的前兩個海溫模態(tài)為IPO、AMO。

通過多元線性回歸分析，確定了IPO、AMO、GW 對北美陸地降水不同區(qū)域的相對重要性。在夏季，阿拉斯加地區(qū)AMO 對方差貢獻(xiàn)最大，達(dá)到65.8%；加拿大地區(qū)GW 對方差貢獻(xiàn)最大，達(dá)到44.5%；美國本土GW 和AMO 貢獻(xiàn)相當(dāng)，分別為36.8%、35.6%；墨西哥地區(qū)AMO 對方差貢獻(xiàn)最大，為37.2%。在冬季，阿拉斯加地區(qū)GW 貢獻(xiàn)最大，達(dá)到62.3%；加拿大地區(qū)GW 對方差貢獻(xiàn)也最大，達(dá)到44.7%；美國本土、墨西哥地區(qū)IPO 貢獻(xiàn)最大，分別達(dá)到了47.9%和71.5%。

我們進(jìn)一步利用信息流方法分析IPO、AMO、GW 對全年降水的敏感性區(qū)域，結(jié)果顯示IPO 對美國西南部降水的信息流最為顯著，除此之外IPO對加拿大各湖流域、阿拉斯加也有一定的信息流顯著區(qū)域；AMO 對北美陸地降水信息流顯著范圍較小，只與美國南部大范圍降水存在一定的因果聯(lián)系；GW 對加拿大美國中部、東北部降水信息流顯著。這些IPO、AMO、GW 對北美降水的敏感性區(qū)域與方差分析中IPO、AMO、GW 對北美降水的貢獻(xiàn)大的區(qū)域基本一致。

運(yùn)用全球大氣環(huán)流模式ECHAM 4.6 分析太平洋和大西洋海溫異常對北美地區(qū)陸地降水變化的影響，結(jié)果表明印度洋SST 在AMO 和IPO 對北美陸地降水變化的作用中至關(guān)重要。

另外，通過本文的分析說明美國本土的干旱可以用IPO 解釋，AMO 和GW 也有一定的貢獻(xiàn)，但是較小。2007～2013 年是IPO 負(fù)位相階段，也是AMO 的正位相階段，可以造成美國本土西南部冬季夏季降水均減少，造成干旱頻數(shù)增多，這與前人的研究基本一致（e.g. Benson et al., 2003; McCabe et al., 2004; Diffenbaugh et al., 2015）。而2014～2019 年是PDO 的正位相階段，對于2013～2014年的加州大旱，Wang et al.（2014）研究認(rèn)為與250 hPa 加州附近的脊、美國東北部的槽這種偶極子型有關(guān)，這種偶極子型與ENSO 或PDO/IPO 都沒有直接聯(lián)系。相反，它與ENSO 的前兆信號有關(guān)，且20 世紀(jì)70 年代以來，這種偶極子型和ENSO 前兆信號之間的聯(lián)系變得更加緊密，數(shù)值試驗表明這是由于溫室氣體增加所致。2014～2017年的加州大旱可能與這個偶極子有關(guān)，這需要進(jìn)一步繼續(xù)深入分析。