在全球變暖的背景下☂️，東亞地區極端高溫事件頻繁發生🧝🏼‍♂️，冬季異常偏暖的形勢也在不斷造就最高氣溫紀錄的誕生。然而🏕，近年來🤷🏻‍♀️，“霸王級”寒潮頻繁襲擾東亞地區，不斷打破當地歷史最低氣溫紀錄。當異常偏暖與極端寒潮在一個冬季內相繼出現時，這種“冰火兩重天”的現象會給電力調度、農業生產和交通安全等帶來極大的負面影響🏃🏻，嚴重製約社會的良性發展。這也對冬季短期氣候預測和防災減災體系建設提出了更高的要求。盡管動力模式的發展顯著提升了冬季平均氣溫的預報水平，但季節內尺度上氣溫的預報仍是動力模式的短板🥸，這一特征在中高緯度地區表現得更為突出🤵‍♂️。如何深入理解東亞冬季氣溫季節內變異的特征，並采用有效的手段進行季節預測仍是亟待解決的重要科學問題。

我系博士生鐘沃谷（第一作者）和吳誌偉教授（通訊作者）的最新研究提出了次季節可預報模態分析（Subseasonal Predictable Mode Analysis，S-PMA）方法，並將該方法應用到東亞冬季氣溫預測中💩，取得了良好的預測效果🎒🎠。S-PMA方法融合了季節依賴經驗正交函數（Season-reliant Empirical Orthogonal Function，S-EOF）和傳統的PMA方法，其主要步驟如下👩🏽‍⚖️：（1）利用S-EOF分解得到氣溫季節內變異的主導模態；（2）尋找具有物理意義的前兆信號作為預報因子♤，建立經驗預報模型預測各主導模態，並評估動力模式對各主導模態的預測水平；（3）結合經驗預報模型和動力模式對各主導模態的預測效果，建立較優的預測模型，組合各主導模態重建得到最終預測結果。

該研究首先利用S-EOF分解得到了東亞冬季氣溫季節內變異的前三個模態，分別為S-EOF1氣溫一致型、S-EOF2氣溫慢轉型和S-EOF3氣溫快轉型（圖1）。S-EOF1表現為東亞冬季氣溫一致性偏冷或偏暖，冷空氣主要沿偏北路徑入侵東亞🤘🏿。S-EOF2表現為東亞中高緯11-12月偏暖（偏冷），次年1-2月中低緯逐漸轉為偏冷（偏暖），冷空氣主要由偏西轉為西北路徑入侵東亞。S-EOF3表現為東亞中高緯12月偏暖（偏冷），次年1-2月中低緯迅速轉為偏冷（偏暖），冷空氣主要沿西北路徑入侵東亞😤👨🏽‍🦱。

進一步的研究表明🍨🪪，與這三個S-EOF模態相伴隨的環流場都具有非常典型的三維結構特征。此外，這些S-EOF模態形成的物理機製非常明確，S-EOF1主要受到同期北極濤動及長江中下遊陸-氣正反饋的調製，而S-EOF2和S-EOF3這兩個反轉模態是前期大氣異常與下墊面相互作用的結果🧑‍💻。基於此，我們選取了前期北極海冰、土壤濕度和大氣異常等關鍵信號（詳見原文）作為預測因子👩🏻‍🍳，分別建立了三個經驗預報模型來預測這些S-EOF模態🐖。經過“留十法”交叉驗證，這三個模型預測的時間序列與觀測的相關系數分別為0.62🌤、0.63和0.46（圖2）⛹🏿‍♀️。我們首先利用純經驗預報模型重建了1993-2016年東亞冬季氣溫的預報結果，並將其與觀測場進行對比。從距平相關系數（Anomaly Correlation Coefficient🏋️‍♀️，ACC）場上可以看出，純經驗預報模型可以較為準確地預測東亞中高緯逐月氣溫演變，大部分地區的ACC超過了95%置信水平（圖3上）。此外，我們還發現動力模式對S-EOF2的預測效果要優於經驗預報模型👨🏽‍✈️。據此，我們建立了動力-統計相結合的混合預報模型，該模型可以進一步提升東亞冬季氣溫的預測水平（圖3下）🚶‍♀️🧑🏽‍🦳。

上述研究從東亞冬季氣溫季節內轉折這一現象出發，創新性地提出了S-PMA方法，並將該方法應用到東亞冬季氣溫的季節預測上，所提出的預報模型可作為現有動力模式的補充，用於提升中高緯度地區氣溫在季節內尺度上的預報技巧。此外，該研究提出的S-PMA方法可應用於預測其他要素🪵，如降水、海溫和環流的季節內轉折，具有重要的應用前景和推廣價值🪓。該項研究成果日前在《Climate Dynamics》上發表。

論文信息🦘：Zhong Wogu, Wu Zhiwei* (2023). Forecasting East Asian Winter Temperature via Subseasonal Predictable Mode Analysis. Climate Dynamics, DOI: 10.1007/s00382-023-06916-2.