基于低頻振蕩的西南雨季降水的延伸期預(yù)報(bào)

王瑞英，周文韜，寧 婧，高宇星，肖天貴

(1.西安市氣象局，西安 710016；2.鄠邑區(qū)氣象局，陜西鄠邑 710300；3.成都信息工程大學(xué)大氣科學(xué)學(xué)院，成都 610225)

延伸期預(yù)報(bào)作為天氣預(yù)報(bào)和氣候預(yù)測之間的預(yù)報(bào)“縫隙”，對(duì)工農(nóng)業(yè)生產(chǎn)、防災(zāi)減災(zāi)、政府決策等具有重要作用，但同時(shí)也是現(xiàn)代天氣預(yù)報(bào)的一個(gè)巨大挑戰(zhàn)[1-3]，這主要是因?yàn)檠由炱陬A(yù)報(bào)時(shí)段內(nèi)，大氣系統(tǒng)的演變不僅受初始誤差的影響，還受陸氣相互作用、海氣相互作用等外界條件的部分影響。卞建春[4]指出兩周以內(nèi)的預(yù)報(bào)屬于第一類可預(yù)報(bào)性問題，與初始條件相關(guān)；而月尺度以上的氣候預(yù)測屬于第二類可預(yù)報(bào)性問題，主要與邊界條件的影響有關(guān)。10～30 d的延伸期預(yù)報(bào)正好處于二者之間，一方面初始誤差非線性迅速增長[5-7]，另一方面大氣開始受外強(qiáng)迫的作用；但超過了逐日預(yù)報(bào)的理論預(yù)報(bào)上限，并非意味著天氣預(yù)報(bào)完全不可進(jìn)行。丑紀(jì)范等[8]、王啟光等[9]指出大氣的運(yùn)動(dòng)不僅存在天氣尺度的混沌分量，還存在更長時(shí)間尺度的穩(wěn)定分量；大氣的復(fù)雜演變就是混沌分量與穩(wěn)定分量非線性相互作用的結(jié)果，在10～30 d的預(yù)報(bào)范圍內(nèi)，可預(yù)報(bào)分量是客觀存在的。Zheng等[10]在研究中從誤差增長角度分離出了不可預(yù)報(bào)的隨機(jī)分量和可預(yù)報(bào)分量，并將可預(yù)報(bào)分量定義為預(yù)報(bào)時(shí)段內(nèi)誤差增長較慢的部分。

大氣低頻振蕩[11]與延伸期預(yù)報(bào)在時(shí)間尺度上具有較好的一致性，可作為延伸期預(yù)報(bào)的可預(yù)報(bào)分量，被廣泛應(yīng)用于延伸期預(yù)報(bào)的研究中。魏娜等[12]基于低頻天氣圖的預(yù)報(bào)原理，對(duì)2013—2015年陜西省延伸期強(qiáng)降水過程進(jìn)行了預(yù)報(bào)試驗(yàn)，結(jié)果表明低頻天氣圖預(yù)報(bào)效果較好，預(yù)報(bào)時(shí)效為10～30 d，可以在延伸期預(yù)報(bào)業(yè)務(wù)中加以應(yīng)用。陳官軍、魏鳳英[13]研究發(fā)現(xiàn)江淮夏季降水具有20～50 d的低頻振蕩特征，選取對(duì)江淮地區(qū)持續(xù)性強(qiáng)降水有顯著影響的東亞環(huán)流指數(shù)作為預(yù)報(bào)因子，建立了低頻降水的延伸期預(yù)報(bào)模型。章毅之等[14]利用東亞地區(qū)850 hPa低頻經(jīng)向風(fēng)主成分，建立了江南地區(qū)低頻降水的多變量時(shí)滯回歸模型，發(fā)現(xiàn)利用低頻經(jīng)向風(fēng)場可以提前30 d較為準(zhǔn)確地預(yù)報(bào)出持續(xù)性強(qiáng)降水過程。魏曉雯等[15]分析了大范圍持續(xù)性強(qiáng)降水的低頻振蕩特征，根據(jù)前期低頻信號(hào)構(gòu)造強(qiáng)降水過程預(yù)報(bào)指數(shù)，對(duì)長江中下游大范圍強(qiáng)降水的延伸期預(yù)報(bào)具有參考意義。本文將基于西南地區(qū)雨季降水的低頻振蕩劃分8個(gè)位相，通過位相合成探究與低頻降水相聯(lián)系的低頻環(huán)流場演變特征，尋找有關(guān)的低頻關(guān)鍵區(qū)和影響因子，最后利用逐步回歸方法建立兩種預(yù)報(bào)模型，以期為西南地區(qū)雨季降水的延伸期預(yù)報(bào)提供參考。

1 資料與方法

1.1 資料

所用資料為西南四省市(四川省、貴州省、云南省和重慶市)353個(gè)站點(diǎn)的逐日降水?dāng)?shù)據(jù)，來源于中國國家級(jí)地面氣象站基本氣象要素日值數(shù)據(jù)集(V3.0)，時(shí)間長度為1980年1月1日—2020年12月31日。同時(shí)段的大氣環(huán)流場數(shù)據(jù)來源于美國國家大氣與海洋管理局的再分析數(shù)據(jù)，包括向外長波輻射及各高度上的水平風(fēng)、位勢高度等，空間分辨率2.5°×2.5°。

1.2 數(shù)據(jù)處理方法

1.2.1 一階Butterworth帶通濾波的三步濾波方案 一階Butterworth帶通濾波器可以寫作：yk=a(xk-xk-2)-b1yk-1-b2yk-2,k=3,4,…,n)。公式中xk為輸入的時(shí)間序列，yk為經(jīng)過濾波后得到的結(jié)果序列。式中的初始值y1、y2可選擇任意值，但開端誤差會(huì)逐漸向后傳遞，影響濾波結(jié)果。為了抑制開端誤差，常用二步濾波方案，即先取y1=y2=0，并對(duì)輸入序列進(jìn)行一次正向?yàn)V波，對(duì)第一次正向?yàn)V波的輸出序列再進(jìn)行一次反向?yàn)V波。本文采用陳寅生等[16]提出的三步濾波法，即先進(jìn)行一次反向?yàn)V波，得到y(tǒng)1、y2值，再利用這兩個(gè)開端值，對(duì)輸入的原始序列進(jìn)行二步濾波，最后再進(jìn)行一次反向?yàn)V波。試驗(yàn)證明三步濾波可以有效的抑制誤差傳遞以及位相漂移，較二步濾波法具有更好的準(zhǔn)確性和適用性。

1.2.2 集合經(jīng)驗(yàn)?zāi)B(tài)分解方法 集合經(jīng)驗(yàn)?zāi)B(tài)分解(ensemble empirical mode decomposition, EEMD)[17-18]是近年來在經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition, EMD)基礎(chǔ)上發(fā)展的一種時(shí)間序列分析技術(shù)，適合于分析非線性、非平穩(wěn)的時(shí)間序列，它可以把一個(gè)復(fù)雜的一維數(shù)據(jù)分解為有限個(gè)本征模函數(shù)(intrinsic mode function, IMF)和一個(gè)趨勢項(xiàng)，每個(gè)IMF都反映了原序列不同時(shí)間尺度的局部特征。但在信號(hào)分解過程中，序列端點(diǎn)處不可避免地會(huì)出現(xiàn)數(shù)據(jù)失真現(xiàn)象，引起模態(tài)混合。通常的處理方法是分解后刪去序列兩端的部分?jǐn)?shù)據(jù)，但為了不失去端點(diǎn)處的預(yù)報(bào)信息，首先利用鏡像延拓方法擴(kuò)展序列，分解后再刪去擴(kuò)展部分，以削減端點(diǎn)失真造成的影響。

2 低頻振蕩特征

2.1 降水

根據(jù)西南地區(qū)多年平均候雨量的時(shí)間演變(圖1a)可以看出，西南地區(qū)全年雨量表現(xiàn)為單峰型特征。每年5月中旬降水量的標(biāo)準(zhǔn)化距平開始轉(zhuǎn)為正值，7、8月達(dá)到峰值，其中第42候，即7月底降水量最大，直到10月中旬降雨量標(biāo)準(zhǔn)化距平值再次降為負(fù)值。

圖1 1980—2020年西南地區(qū)平均雨量(a)和EEMD分解前兩模態(tài)(b)的逐候演變

為了探究西南雨季降水的低頻振蕩特征，利用EEMD方法提取降水序列不同時(shí)間尺度上的變化分量，得5個(gè)IMF分量和1個(gè)趨勢項(xiàng)，其中IMF1代表了10～20 d的準(zhǔn)雙周振蕩，方差貢獻(xiàn)為6.8%；IMF2代表了30～60 d的季節(jié)內(nèi)變化，方差貢獻(xiàn)為10.4%。圖1b給出了降水EEMD分解前兩模態(tài)的逐候演變，對(duì)比原降水時(shí)間序列可以看出，雨季期間前兩個(gè)IMF的振幅較大，降水峰值時(shí)二者達(dá)到極大值且同位相疊加，在一定程度上反映了西南地區(qū)降水的演變特征；其中30～60 d振蕩方差貢獻(xiàn)更大，對(duì)西南雨季降水的影響也更顯著，因此將其作為主要研究對(duì)象。

鑒于低頻振蕩對(duì)于西南雨季降水的重要作用，進(jìn)一步對(duì)逐日降水序列進(jìn)行30～60 d帶通濾波，5—10月共有5個(gè)完整的波動(dòng)，每個(gè)波動(dòng)劃分為8個(gè)位相，3位相(90°)對(duì)應(yīng)波峰；7位相(270°)對(duì)應(yīng)波谷；1、5位相是波動(dòng)與零線的交點(diǎn)，分別對(duì)應(yīng)0°和180°；而2、4、6、8位相則分別位于1、3、5、7位相和下一個(gè)1位相之間的中點(diǎn)。

2.2 大尺度環(huán)流場

根據(jù)上述規(guī)則劃分波動(dòng)的8個(gè)位相，利用Butterworth帶通濾波對(duì)大氣環(huán)流場進(jìn)行30～60 d濾波并分位相進(jìn)行合成，分析不同位相下大氣低頻環(huán)流特征，尋找與西南雨季降水低頻變化相聯(lián)系的大氣低頻結(jié)構(gòu)及傳播特征。

2.2.1 低頻OLR場的分布及演變 西南雨季降水低頻振蕩8個(gè)位相下低頻向外長波輻射(outgoing longwave radiation, OLR)場的演變主要與東亞正、負(fù)值區(qū)的順序北移有關(guān)(圖2)。第1位相，西南大部分地區(qū)為低頻對(duì)流的正值區(qū)覆蓋，東亞地區(qū)正、負(fù)值區(qū)經(jīng)向排列。第2位相，交替排列的正負(fù)值區(qū)順次北移，負(fù)值區(qū)在西南地區(qū)打通，對(duì)流增強(qiáng)。第3位相，西南地區(qū)對(duì)流進(jìn)一步加強(qiáng)，赤道北部的正異常區(qū)北移至20°N附近，阿拉伯海、印度半島及孟加拉灣一帶完全轉(zhuǎn)為正值控制。隨著OLR低頻波列北移，到第6位相，西南大部分地區(qū)轉(zhuǎn)為弱的正值控制。第7位相，正值在西南地區(qū)徹底打通，表現(xiàn)為較強(qiáng)的對(duì)流抑制；此時(shí)印度半島及其附近海域的大范圍地區(qū)轉(zhuǎn)為負(fù)值，而臺(tái)灣北側(cè)的黃海、朝鮮半島等地為OLR正值。通過分析發(fā)現(xiàn)黃海、朝鮮半島等地(28°N～38°N，115°E～130°E)及印度半島(10°N～20°N，75°E～85°E)低頻OLR與西南地區(qū)低頻OLR演變密切相關(guān)，前者與西南地區(qū)低頻OLR存在顯著的正相關(guān)，相關(guān)系數(shù)為0.913；后者為負(fù)相關(guān)，相關(guān)系數(shù)達(dá)到-0.669；均通過了0.01的顯著性檢驗(yàn)。

圖2 1980—2020年5—10月低頻OLR場(單位：W/m2)8個(gè)位相下的空間分布(矩形框代表西南地區(qū)所在位置)

2.2.2 850 hPa低頻風(fēng)場的分布及演變 分析850 hPa低頻風(fēng)場的演變(圖3)發(fā)現(xiàn)：第3、7位相低頻風(fēng)場的分布形勢都發(fā)生了突變；從降水峰值向降水谷值演變的第4至6位相，阿拉伯海、孟加拉灣和西太平洋地區(qū)為低頻反氣旋控制，印度洋北側(cè)盛行偏東風(fēng)，向西南地區(qū)的水汽輸送停滯；而從降水谷值向降水峰值演變的第8位相至下一波動(dòng)的第2位相，原本反氣旋控制的幾個(gè)地區(qū)都轉(zhuǎn)為低頻氣旋控制，印度洋北側(cè)轉(zhuǎn)為偏西氣流，加強(qiáng)向西南地區(qū)的水汽輸送。鑒于印度洋北部東、西風(fēng)的翻轉(zhuǎn)對(duì)降水的重要作用，進(jìn)一步分析北印度洋(10°N～15°N，50°E～90°E)區(qū)域平均低頻緯向風(fēng)與西南地區(qū)低頻降水間的時(shí)滯相關(guān)系數(shù)，發(fā)現(xiàn)低頻風(fēng)場超前降水場20 d左右時(shí)，相關(guān)系數(shù)達(dá)0.82(通過了0.01的顯著性檢驗(yàn))，表明北印度洋上的低頻緯向風(fēng)對(duì)西南地區(qū)降水具有很好的指示意義，可以作為延伸期預(yù)報(bào)的低頻信號(hào)。

圖3 1980—2020年5—10月850 hPa低頻風(fēng)場8個(gè)位相下的空間分布(矩形框代表西南地區(qū)所在位置)

2.2.3 500 hPa低頻位勢高度場的分布及演變

500 hPa低頻環(huán)流場上(圖4)，低緯度地區(qū)從第7位相到下一波動(dòng)的第2位相，孟加拉灣至阿拉伯海位勢高度為負(fù)，對(duì)應(yīng)850 hPa上的氣旋性環(huán)流，低層到中層的正壓系統(tǒng)有利于西南地區(qū)雨季的水汽輸送；而第3至6位相則為正的位勢高度控制，與低層的低頻反氣旋對(duì)應(yīng)。中高緯度地區(qū)，第1到3位相，亞歐“兩槽一脊”的環(huán)流形勢逐漸形成，原本位于貝加爾湖東側(cè)和巴爾喀什湖附近的兩個(gè)小正值中心，于第3位相在中西伯利亞合并加強(qiáng)，形成阻塞形勢，有利于冷空氣沿烏山附近槽向我國西南地區(qū)輸送，對(duì)應(yīng)降水峰值。從第4位相開始，中西伯利亞低頻高值區(qū)減弱，東、西兩個(gè)負(fù)值區(qū)向內(nèi)收縮，到第7位相亞歐地區(qū)“兩脊一槽”的環(huán)流分布形成，中西伯利亞切斷形勢發(fā)展，不利于高緯度地區(qū)冷空氣向西南地區(qū)的輸送，對(duì)應(yīng)降水谷值。分析表明，烏拉爾山，貝加爾湖，及鄂霍茨克海地區(qū)低頻位勢高度的正負(fù)分布與西南地區(qū)雨季降水的低頻演變密切相關(guān)，可以作為降水延伸期預(yù)報(bào)的低頻信號(hào)。

圖4 1980—2020年5—10月500 hPa低頻位勢高度場8個(gè)位相下的空間分布(矩形框代表西南地區(qū)所在位置)

2.2.4 200 hPa低頻環(huán)流場的分布及演變 200 hPa上(圖5)，北半球中低緯度低頻氣旋和反氣旋緯向相間排列。第1位相，西南地區(qū)高空受低頻氣旋影響，氣旋東、西兩側(cè)分別為低頻反氣旋，隨著低頻波列東移。第3位相，西南地區(qū)為低頻反氣旋控制，提供了高層輻散流場，有利于對(duì)流的發(fā)展，對(duì)應(yīng)西南地區(qū)雨季降水峰值期。第7位相，西南地區(qū)又轉(zhuǎn)為低頻氣旋控制，高層輻合形勢不利于對(duì)流的發(fā)展，對(duì)應(yīng)西南區(qū)域雨季降水的谷值。

圖5 1980—2020年5—10月200 hPa低頻環(huán)流場8個(gè)位相下的空間分布(矩形框代表西南地區(qū)所在位置)

3 西南雨季降水的延伸期預(yù)報(bào)試驗(yàn)

3.1 基于降水低頻信號(hào)的延伸期預(yù)報(bào)試驗(yàn)

EEMD作為分析非線性、非平穩(wěn)信號(hào)序列的新方法，可以將時(shí)間序列平穩(wěn)化處理，所分解出的各IMF分量均包含了原信號(hào)不同時(shí)間尺度的局部特征，具有更好的可預(yù)報(bào)性和更長的預(yù)報(bào)時(shí)效，可作為延伸期預(yù)報(bào)的可預(yù)報(bào)分量。因而提取逐候降水前5個(gè)IMF分量作為預(yù)報(bào)因子，采用逐步回歸的方法建立延伸期預(yù)報(bào)方程，對(duì)西南地區(qū)5—10月逐候降水量的季節(jié)內(nèi)分量進(jìn)行延伸期預(yù)報(bào)試驗(yàn)，樣本為預(yù)報(bào)年份之前的所有年。例如對(duì)2012年第25候的降水量進(jìn)行提前6候的預(yù)報(bào)試驗(yàn)，則預(yù)報(bào)因子為1—19候逐候降水量的EEMD分量，樣本數(shù)為1980—2011年共32 a。

對(duì)2017—2020年西南地區(qū)雨季(第25～60候)期間的逐候降水量進(jìn)行提前1～10候的延伸期預(yù)報(bào)試驗(yàn)。從預(yù)測值與實(shí)測值的相關(guān)系數(shù)(圖6a)可以看出，除2019年外其余年份提前1～3候的相關(guān)系數(shù)在0.5以上(通過了0.01的顯著性檢驗(yàn))，隨著預(yù)報(bào)時(shí)效增長預(yù)報(bào)值與實(shí)況降水的相關(guān)系數(shù)也逐漸降低，到提前4候時(shí)已基本降至0.4以下，失去參考意義。盡管相關(guān)系數(shù)并非預(yù)報(bào)時(shí)效的嚴(yán)格單調(diào)函數(shù)，但整體上基于降水低頻信號(hào)的延伸期預(yù)報(bào)模型的預(yù)報(bào)效果并不十分理想，僅可提前15 d左右給出較為準(zhǔn)確的預(yù)報(bào)結(jié)論。

為了進(jìn)一步探究模型對(duì)降水異常年的預(yù)報(bào)效果，選取降水異常偏多年(1999、2001年)和降水偏少年(2006、2011年)進(jìn)行分析(圖6b)。模型對(duì)于降水異常年的預(yù)報(bào)效果同樣是在提前1～3候時(shí)較好，第4候預(yù)報(bào)值與實(shí)況值的相關(guān)系數(shù)迅速下降。另外，兩個(gè)典型雨季降水異常偏多年的預(yù)報(bào)效果整體好于降水異常偏少年，這可能與降水偏多年降水的季節(jié)內(nèi)振蕩信號(hào)更強(qiáng)有關(guān)。

圖6 基于降水低頻信號(hào)的模型預(yù)報(bào)值與2017—2020年(a)、降水異常年(b)實(shí)際雨量提前1～10候的相關(guān)系數(shù)

3.2 基于降水低頻影響因子的延伸期預(yù)報(bào)試驗(yàn)

西南地區(qū)雨季降水量的變化是多種因子共同作用的結(jié)果，僅根據(jù)降水序列自身的低頻演變構(gòu)建預(yù)報(bào)模型，具有一定的局限性，因而考慮在預(yù)報(bào)模型中加入影響西南地區(qū)低頻降水的環(huán)流因子。一方面，有利于尋找出與西南雨季降水相關(guān)的監(jiān)測指標(biāo)，為延伸期預(yù)報(bào)提供預(yù)報(bào)信號(hào)；另一方面，使模型具有更好的物理意義。增加作為備選的預(yù)報(bào)因子數(shù)量，通過篩選出最優(yōu)因子進(jìn)入方程，在一定程度上提高模型的預(yù)報(bào)能力。根據(jù)前述大氣低頻流場的演變，選擇以下7個(gè)關(guān)鍵區(qū)的物理量序列作為預(yù)報(bào)因子(表1)。

表1 影響西南雨季降水季節(jié)內(nèi)振蕩的關(guān)鍵區(qū)與低頻要素

用降水序列本身的季節(jié)內(nèi)振蕩分量及表1中7個(gè)關(guān)鍵區(qū)低頻環(huán)流序列作為預(yù)報(bào)因子，同樣對(duì)2017—2020年雨季(第25～60候)進(jìn)行延伸期預(yù)報(bào)試驗(yàn)。根據(jù)圖7a可以看出：相較基于降水序列自身低頻分量而構(gòu)建的預(yù)報(bào)模型，加入了低頻影響因子的延伸期預(yù)報(bào)模型具有更好的預(yù)報(bào)效果。提前3候的相關(guān)系數(shù)基本在0.6以上，預(yù)報(bào)效果最好的2019年提前1～2候的相關(guān)系數(shù)在0.8以上，最高可達(dá)0.85；提前4候時(shí)相關(guān)系數(shù)仍維持較高水平，除2020年外都在0.5以上。整體上，可以提前20 d左右給出具有一定參考價(jià)值的預(yù)報(bào)結(jié)果。

同樣對(duì)雨季降水異常偏多個(gè)例年(1999、2001年)和偏少個(gè)例年(2006、2011年)進(jìn)行預(yù)報(bào)試驗(yàn)(圖7b)，可以看出不論是降水異常偏多年還是偏少年，加入低頻影響因子的預(yù)報(bào)模型，預(yù)報(bào)效果都有較大提高。提前1～4候，1999年和2001年的相關(guān)系數(shù)均在0.6以上，而預(yù)報(bào)效果相對(duì)較差的2006和2011年，前4候的相關(guān)系數(shù)也在0.4以上，遠(yuǎn)高于基于降水序列自身低頻分量的預(yù)報(bào)模型。另外，模型對(duì)于降水異常偏多年的預(yù)報(bào)效果整體好于降水偏少年。

圖7 基于低頻影響因子的模型預(yù)報(bào)值與2017—2020年(a)、降水異常年(b)實(shí)際雨量提前1～10候的相關(guān)系數(shù)

4 結(jié)論

利用Butterworth帶通濾波和分位相合成的方法，分析了西南地區(qū)降水低頻特征及與之相聯(lián)系的大尺度低頻環(huán)流場演變特征，在此基礎(chǔ)上采用基于降水自身低頻信號(hào)和基于降水低頻影響因子兩種方法建立延伸期預(yù)報(bào)模型，對(duì)西南地區(qū)雨季降水的低頻振蕩進(jìn)行提前1～10候的預(yù)報(bào)試驗(yàn)，主要得到以下結(jié)論。

(1)西南地區(qū)平均雨量表現(xiàn)為單峰型特征，峰值主要位于7、8月。通過EMD分解，發(fā)現(xiàn)西南地區(qū)降水量時(shí)間演變具有10～20 d和30～60 d的低頻變化特征，是西南地區(qū)降水時(shí)間演變的重要貢獻(xiàn)者。

(2)西南地區(qū)降水季節(jié)內(nèi)振蕩8個(gè)位相下，低頻OLR場的演變主要與東亞地區(qū)正、負(fù)低頻區(qū)的相間分布及順次北移有關(guān)。850 hPa低頻風(fēng)場的演變表現(xiàn)為阿拉伯海、孟加拉灣等地氣旋、反氣旋的交替變化，環(huán)流場發(fā)生轉(zhuǎn)變時(shí)，印度洋北側(cè)(10°N～15°N)低頻緯向風(fēng)也會(huì)發(fā)生轉(zhuǎn)變，當(dāng)西南風(fēng)水汽輸送通道打開時(shí)有利于降水發(fā)展。500 hPa上，降水峰值對(duì)應(yīng)阿拉伯海、孟加拉灣一帶及西北太平洋地區(qū)正的低頻位勢高度，中高緯度為“兩槽一脊”的環(huán)流分布；降水谷值的環(huán)流形勢分布則正好相反。200 hPa低頻流場最突出的特征為低頻氣旋、反氣旋對(duì)西南地區(qū)的交替影響，低頻反氣旋為對(duì)流提供高層輻散場，高層的低頻氣旋則抑制對(duì)流發(fā)展。

(3)基于降水序列自身低頻信號(hào)的回歸方程可以提前15 d左右較為準(zhǔn)確地預(yù)報(bào)出西南地區(qū)雨季逐候降水的低頻分量?；诘皖l影響因子的預(yù)報(bào)模型，預(yù)報(bào)效果有了較大提高，可以提前20 d左右給出具有一定參考意義的預(yù)報(bào)結(jié)論。另外，兩個(gè)模型對(duì)于降水異常偏多年的預(yù)報(bào)效果均好于降水偏少年，這可能與雨量較多年降水的季節(jié)內(nèi)振蕩信號(hào)較強(qiáng)有關(guān)。