1 引言

中国地处东亚季风区，对夏季降水异常及其成因的研究历来是国内外气象学者研究的热点。青藏高原作为东亚季风系统的重要成员，在东亚气候的形成与异常中起着非常重要的作用。积雪是反映高原热状况的一个重要因子，冬、春高原积雪异常可以通过积雪本身的持续性、土壤湿度异常的持续性影响中国夏季气候（陈乾金等，2000；陈兴芳和宋文玲，2000；郑益群等，2000；张顺利和陶诗言，2001；吴国雄等，2004；梁潇云等，2005）。如Wu and Qian（2003）研究指出冬季高原积雪与次年夏季长江中下游降水有显著正相关，并提出多雪年高原上空大气温度偏低，从而影响海陆温差及夏季 风的强度。朱玉祥等（2007）的研究则发现，在年代际尺度上冬春积雪与中国东部降水型南涝北 旱的年代际变化有很好的相关性。Wu et al. （2012）的近期研究发现青藏高原雪盖可以调制ENSO与东亚夏季风间的联系：青藏高原雪盖面积异常减少有助于北太平洋上空急流减弱，有利于 与ENSO相联系的热带外Rossby波向西发展，进而增强与东亚夏季风的联系；反之，青藏高原雪盖面积异常增多，则会削弱ENSO与东亚夏季风之间的联系。然而，已有研究中仍存在一些不足。目前大多数研究主要集中在高原积雪对夏季降水异常的研究，对于其他季节降水异常的研究相对较少。陈忠明等（2001）研究指出，青藏高原东部地面热源与华西秋雨存在显著的负相关，但相关研究并不多见。另一方面，由于积雪等下垫面因子与 大气变量总是相互作用的，传统统计方法无法由 观测资料进行积雪对大气的反馈与大气对积雪 强迫作用的区分，更无法估算积雪对大气反馈信号的大小。

Frankignoul et al.（1998）利用海表温度与NCEP/NCAR再分析资料，研究了北大西洋地区海表热通量与海温异常之间的相互作用特征，提出了用于估计海洋反馈系数的平衡反馈分析方法（Equilibrium Feedback Assessment，EFA）。在此基础上，Liu and Wen（2008）和Liu et al.（2008）将其发展为广义平衡反馈（Generalized Equilibrium Feedback Assessment，GEFA）方法，可以系统分离不同海区海表温度（Sea surface temperature，SST）异常对气候异常的贡献。为进一步估计各下垫面强迫的大气最强信号，Frankignoul et al.（2011）近期提出了最大响应估计（Maximum Response Estimation，MRE）方法，可以在GEFA 基础上估算各下垫面强迫的最主要大气模态。

本文通过最大协方差分析法（Maximum Covariance Analysis，简称 MCA ）和MRE方法相结合，研究青藏高原积雪对中国降水的影响：首先利用 MCA 寻求不同季节青藏高原积雪与中国降水之间的联系；在此基础上，通过MRE方法及相关分析研究中国区域降水对高原积雪异常的响应及其可能的物理机制。

2 资料与方法 2.1 资料

（1）积雪资料，来自于美国NOAA卫星，由美国国家环境卫星、数据和信息服务局（The National Environmental Satellite, Data, and Information Service）提供。数据从极地立体投影插值到固定网格上，分辨率为2°×2°。每个格点距平通过3阶多项式拟合去除低频趋势。

（2）降水资料，来源于国家气候中心提供的160个台站逐月观测数据。

（3）NCEP/NCAR提供的月平均环流场资料和SST资料（Kistler et al., 2001），水平分辨率为2.5°× 2.5°。各类资料所取时段均从1984年1月至2010年12月。

2.2 方法 2.2.1 最大协方差分析法（ MCA ）

MCA 或称奇异值分解（SVD），是以两个要素场的最大协方差为基础展开，最大限度地从左右场分离出相互独立的耦合分布型，从而揭示出两个场所存在的时域相关性的空间联系。它能够以最少的模态来描述两个要素间关系的主要特征。 MCA 方法已有大量的应用，这里不再赘述。本文月距平 资料以每年3个连续月（如，1～3月份，JFM）的形式计算协方差矩阵（时间序列长度N=3个月×27年）。在评估 MCA 显著性时，使用了Czaja and Frankignoul（2002）描述的Monte Carlo方法。许多研究表明，赤道太平洋SST与中国降水有着显著的联系（Huang and Wu，1989；刘永强和丁一汇，1995；金祖辉和陶诗言，1999）。因此，在计算协方差矩阵时，各大气变量距平通过对一个月前的Niño 3区（5°S～5°N，150°～90°W）SST距平的简单线性回归来滤除赤道太平洋SST信号。

2.2.2 最大响应估计方法（MRE方法）

与GEFA关注于系统分离各种下垫面对气候异常的贡献不同，MRE方法的目的是提取所有下垫面对气候异常全部贡献的最主要特征。MRE方法的详细说明在Frankignoul et al.（2011）中已经描述，这里只给出简明介绍。

设H表示大气数据矩阵，格点数为J，时间长度为T，S表示下垫面（如积雪）数据矩阵，格点数为J，时间长度为T。则某一时刻大气对下垫面的响应为

矩阵B可由GEFA估计得到（Liu and Wen, 2008）：

由（1）可知，N（t）为随机强迫，即大气信号只可能来自BS（t）。因此，为了得到大气信号（响应）的主要特征，这里计算BS（t）的EOF空间场主要模态p_i。p_i反映的是大气响应的主要变率（解释方差最大），因此认为是最大响应。如果B是已知的，那么计算可以直接进行。反之，B可以在截断的EOF空间场中通过GEFA来估计。

以往模式与统计诊断研究都表明，大尺度大气对持续下垫面强迫的响应需要几个星期到几个月（Ferreira and Frankignoul，2005，2008；Deser et al.，2007；Strong et al.，2009）。考虑到这一大气延迟响应（Frankignoul et al.，2011），(1)式应替换为

引起最大响应的下垫面强迫模态则通过S（t­－a）对主成分时间序列回归来得到。与 MCA 类似，月距平资料以3个连续月的形式计算协方差矩阵（时间序列长度N =3×27）。统计显著性通过Monte Carlo方法来检验（Czaja and Frankignoulet al.，2002）。 3 青藏高原积雪与中国降水的 MCA 分析

图 1分别给出了青藏高原积雪与中国降水 MCA 分析的第一模态在不同超前滞后时间的协方差平方（Squared Covariance，简称SC，图 1a）和协方差平方百分比（Squared Covariance Fraction，简称SCF，图 1b）。从图中可以看出，SC图与SCF图的结构相似，且两者都有明显的季节变化。本文主要研究青藏高原积雪对中国降水的影响，因此，这里仅关注积雪超前降水时的情况。夏季（Jun–Jul–Aug，JJA）降水与高原积雪的显著联系出现在积雪超前降水4～5个月时，说明冬春季青藏高原积雪异常可能影响中国夏季降水。中国夏末秋初（Aug–Sep–Oct，简称 ASO ）降水与不同超前时间（0～4个月）高原积雪的SC持续显著。这表明，青藏高原积雪异常能从4～6月（Apr–May–Jun，AMJ）一直持续到 ASO ，从而影响到中国 ASO 降水。

图 1

Fig. 1

图 1 青藏高原积雪与中国降水 MCA 分析的第一模态在不同超前滞后时间的（a）协方差平方（SC）和（b）协方差平方百分比（SCF）。y轴上负值表示积雪超前降水，J、F、M、A、M、J、J、A、S、O、N、D分别代表 1～12月。深、中和浅灰色阴影分别表示统计显著水平5%、10%和20% Fig. 1 The (a) SC (Squared Covariance) and (b) SCF (Squared Covariance Fraction) of the first MCA mode between Tibet Plateau (TP) snow cover and precipitation (in China) anomalies. Negative values on the y axis indicate that snow cover leads precipitation. J, F, M, A, M, J, J, A, S, O, N, D indicate Jan, Feb, Mar, Apr, May, Jun, Jul, Aug, Sep, Oct, Nov, and Dec, respectively. The dark, moderate, and light shadings indicate where the covariance is statistically significant at the 5%, 10%, and 20% levels, respectively

图 2所示为1～3月青藏高原积雪与中国夏季降水 MCA 分析的第一模态，中国降水异常分布（图 2a）为长江中下游降水偏多，而华南降水偏少，此时对应的积雪分布（图 2b）为青藏高原多雪。SC通过了10%水平的显著性检验，而降水和积雪异常模态时间序列的相关系数达到了0.60。这与以往大量的研究结论一致：冬春季高原积雪偏多时，东亚夏季风强度偏弱，我国夏季长江流域易涝、华南易旱（陈乾金等，2000；张顺利和陶诗言，2001；Wu and Qian，2003；Zhao et al.，2007）。

图 2

Fig. 2

图 2 中国夏季降水与1～3月高原积雪 MCA 分析的第一模态:（a）中国夏季降水异类协方差（mm）；（b）1～3月高原积雪同类协方差（单位：%）。括号内百分数是统计显著水平，r为降水与积雪 MCA 分析第一模态时间序列的相关系数 Fig. 2 (a) Heterogeneous precipitation covariance (mm) and (b) homogeneous snow cover covariance (%) for the first MCA mode between JJA (Jun–Jul–Aug) precipitation and JFM (Jan–Feb–Mar) TP snow cover. r denotes correlation coefficient, the percentage in parentheses indicates the estimated statistical significance level

高原积雪与中国 ASO 降水的 MCA 第一模态在积雪超前1至4个月都十分相似（图 3）：当青藏高原积雪表现为高原西部多雪的模态时，降水模态显示除我国东部沿海狭长区域少雨外，长江及其以南地区大部区域降水偏多，其中有2个显著的降水正异常中心，分别位于湖北、河南和广西等地区。中国 ASO 降水与高原积雪 MCA 第一模态在同期呈现出与积雪超前1～4个月相似的分布（图 4a），即 ASO 青藏高原西部多雪对应同期中国长江及其以南大部分地区多雨，东部浙江、福建沿海少雨。高原积雪与中国降水 MCA 第一模态的时间序列（图 4b）相关系数达到0.53。

图 3

Fig. 3

图 3 中国 ASO 降水与高原积雪距平 MCA 分析第一模态中国 ASO 降水异类协方差（a、c、e、g，mm）与高原积雪同类协方差（b、d、f、h，单位：%）：（a、b）积雪超前降水1个月；（c、d）积雪超前降水2个月；（e、f）积雪超前降水3个月；（g、h）积雪超前降水4个月。括号内百分数是统计显著水平，r为降水与积雪 MCA 分析第一模态时间序列的相关系数 Fig. 3 (a, c, e, g) Heterogeneous precipitation covariance (mm) and (b, d, f, h) homogeneous snow cover covariance (%) for the first MCA mode between ASO precipitation and TP snow cover at (a, b) Lag–1, (c), (d) Lag–2, (e), (f) Lag–3, (g), (h) Lag–4 (Lag–1, Lag–2, Lag–3, Lag–4 indicate that TP snow cover leads precipition for 1, 2, 3, 4 months, respectively). r denotes correlation coefficient, percentage in parentheses indicates the estimated statistical significance level

图 4

Fig. 4

图 4 中国 ASO 降水与同期高原积雪距平 MCA 分析第一模态的（a）中国 ASO 降水异类协方差（mm）与（b）同期高原积雪同类协方差（单位：%）及（c）时间序列（黑色粗实线表示 MCA 第一模态降水时间序列，黑色细虚线表示积雪时间序列） Fig. 4 (a) Heterogeneous precipitation covariance (mm) and (b) homogeneous snow cover covariance (%) for the first MCA mode between ASO precipitation and snow cover and (c) time series (Black thick solid line indicates precipitation time series of first MCA mode, and black thin dashed line for snow cover time series)

以上研究表明，中国 ASO 降水与对应的青藏高原积雪分布型不同于夏季降水与高原积雪的分布型，是 ASO 降水与前期高原积雪所特有的联系。Wu et al.（2012）的研究指出夏季高原西部地区是积雪气候态的中心，也是年际变率最大值出现的地方。夏季高原中东部的积雪已经融化，因此，只有冬春季高原西部的积雪异常能持续到夏季。那么，高原西部积雪异常是如何影响 ASO 降水的呢？下面我们将用MRE方法分析降水对积雪的响应情况，并探求其可能的物理机制。

4 基于MRE方法的中国 ASO 降水对高原积雪异常的响应分析

上述 MCA 分析表明降水分布型与其对应的积雪分布型存在明显联系，但这种降水模态是否就是大气对积雪异常的响应呢？为了探讨这一问题，我们利用MRE方法计算了 ASO 大气场（包括：降 水、位势高度、风场）对高原积雪异常的响应。

正如第2节所述，下边界强迫所激发的大尺度大气响应在月的时间尺度上不能视为瞬时响应。因此，需要在公式（4）中引入滞后响应时间a。MRE方法的结果对EOF截断（TR）的选择比较敏感，所以应当对a在不同的EOF截断进行测试。

考虑大气响应时间为2个月（a = 2），当取不同EOF截断时，中国 ASO 降水的响应都十分显著（表 1），图 5a给出了积雪超前1个月并取前7个EOF截断时，MRE方法估算的中国 ASO 降水对高原积雪异常的响应模态。从图中可以看出，长江及其以南地区为降水正异常区，而东部沿海狭长区域为弱的降水负异常区。这种降水异常分布与 MCA 分析得到的结果一致。积雪强迫场如图 5b所示，表现为高原西部多雪。因此，可以认为 MCA 得到的积雪与降水的联系反映的正是强迫—响应的关系，说明7～9月青藏高原西部多雪对中国 ASO 降水异常的影响表现为：长江及其以南地区多雨，东部沿海区域少雨。

图 5

Fig. 5

图 5 （a）中国 ASO 降水（mm）与（b）超前1个月高原积雪距平（单位：%）的MRE分析的第一模态。EOF截断取前8个EOF模态，响应时间a为2个月，E1为统计显著水平 Fig. 5 First MRE mode between (a) ASO precipitation (mm) and (b) 1 month lead TP snow cover (%), assuming EOF truncations for the first 8 modes. a=2 months. E1 indicates statistical significance level

表 1(Table 1)

表 1 中国 ASO 降水与不同超前时间（Lag）高原积雪的MRE方法分析在不同EOF截断（TR）时的显著性。响应时间a为2个月。TR5～10表示在EOF截断时，分别取前5～10个EOF模态 Table 1 Statistical significance level of ASO (Aug–Sep–Oct) precipitation on lag time and truncation of TP snow cover pattern in MRE method, assuming a=2 months (a is atmospheric response time). TR5–10 indicate first 5–10 EOF modes selected for EOF truncation TR5 TR6 TR7 TR8 TR9 TR10 积雪超前降水1个月 7% 6% 2% 10% 7% 9% 积雪超前降水2个月 13% 18% 11% 88% 19% 18% 积雪超前降水3个月 17% 13% 7% 64% 3% 5%

表 1 中国 ASO 降水与不同超前时间（Lag）高原积雪的MRE方法分析在不同EOF截断（TR）时的显著性。响应时间a为2个月。TR5～10表示在EOF截断时，分别取前5～10个EOF模态 Table 1 Statistical significance level of ASO (Aug–Sep–Oct) precipitation on lag time and truncation of TP snow cover pattern in MRE method, assuming a=2 months (a is atmospheric response time). TR5–10 indicate first 5–10 EOF modes selected for EOF truncation

5 高原积雪影响中国 ASO 降水的可能机制

上节通过MRE方法分析我们了解到 ASO 降水的异常分布模态为其对超前1个月高原西部积雪异常的响应，那么，降水为什么会存在这种响应呢？首先，我们来了解一下这种降水响应所对应的大气环流的异常状况。这里利用MRE方法估算了850 hPa环流场对高原积雪异常的响应情况。

图 6给出了850 hPa位势高度场与风场对积雪强迫的响应。从图中可以看出，中国东北地区上空为负位势高度异常区所覆盖，并伴随着气旋性异常中心；与此同时，西太平洋上空为反气旋性异常中心所控制。中国东北上空的气旋性环流西南侧偏北气流与中国台湾及以东洋面上空的反气旋性环流西北侧偏南气流在长江中下游地区交汇，易产生辐合上升运动，导致该区域多雨。那么，青藏高原积雪究竟是通过怎样的物理过程影响到东亚大气环流呢？

图 6

Fig. 6

图 6 ASO 850 hPa位势高度（m）、风场（m s–1）与超前1个月高原积雪距平（同图 5b）的MRE分析的第一模态。EOF截断取前8个EOF模态，响应时间a为2个月 Fig. 6 First MRE mode between ASO geopotential height (m), wind fields at 850 hPa (m s–1) and 1 month lead TP snow cover (the same as Fig. 5b) assuming EOF truncations for the first 8 modes. a=2 months

许多研究指出，青藏高原积雪通过改变反照率影响地表热力过程（Wu and Qian，2003；Tao and Ding，1981；Ye，1981；Zhang et al.，2004；Flanner and Zender，2005；Lin and Wu，2011）。图 7为 ASO 500~400hPa的大气厚度与图 4b中 MCA 分析第一模态积雪时间序列的相关图，高原西部上空低层大气的厚度与高原西部积雪存在明显的负相关。高原西部多雪时，地表吸收较少热量，低层大气平均温度偏低，因此，低层大气厚度减小。Wang et al.（2008）的研究表明，高原增温将激发2支Rossby波，一支沿着高层西风急流向下游传播，另一支则沿着低层西南气流传播至中国南海。那么，高原积雪异常所引发的表面热力状况改变是否也可激发波列？

图 7

Fig. 7

图 7 ASO 500～400 hPa厚度与 MCA 分析第一模态积雪时间序列（图 4b，黑色细虚线）的相关系数。虚线表示负值，白色粗实线表示达到90%信度水平显著区 Fig. 7 Correlation coefficient of ASO thickness between 500 hPa and 400 hPa with respect to snow cover time series of first MCA mode (Fig. 4b, black thin dashed line). Dashed lines indicate negative values, white thick solid line denotes statistical significance at 10% level

图 8分别给出了 ASO 200 hPa和850 hPa位势高度、风场与 MCA 第一模态积雪时间序列（图 4b）的相关图。为了突出高原积雪与Rossby波之间的联系，去除纬向平均流对二者联系的影响，在计算相关系数前每个格点的各大气变量均去除其纬向平均值。从图中可以看出，高原积雪异常在高低空对应着不同的环流形势。 ASO 高原西部多雪对同期大气环流的影响表现为2支波列：高层200 hPa波列沿中高纬西风急流传播，自高原经蒙古到达日本呈现明显的“负—正—负”位势高度异常传播，日本上空为气旋性异常环流；低层850 hPa波列起于高原，经孟加拉湾至中国南海，沿着西南气流传播，导致台湾附近的反气旋性异常环流，其西侧的偏南气流，将南海丰富的水汽输送至中国南部湖南、广西；而高层中心位于日本的气旋性异常环流西侧的偏北气流利于北方天气尺度扰动向南移动，它们为长江中下游及其以南地区多雨供了有利条件。鉴于本文通过对一个月前的Niño3区（5°S～5°N，150°～90°W）SST距平的简单线性回归来滤除海洋最强信号赤道太平洋SST信号，可能还有其他影响因子残留。如Wu et al.（2009）的研究指出在El Niño衰减年的夏季，热带印度洋全洋盆的一致增暖可通过大气Kelvin波影响西北太平洋反气旋。随后的数值试验也表明（Wu et al.，2010），在El Niño衰减年的夏季，西北太平洋异常反气旋的维持是热带印度洋洋盆模态遥强迫和西北太平洋负SST异常局地强迫共同作用的结果。因此，图 8b中850 hPa强大的西北太平洋反气旋响应也可能受到高原积雪以外其他因子（如热带印度洋或者西北太平洋SST异常）的影响。

图 8

Fig. 8

图 8 （a）200 hPa以及（b）850 hPa ASO 位势高度、风场与 MCA 分析第一模态积雪时间序列（图 4b）的相关系数。相关系数0.17通过了90%信度水平显著区，虚线箭头标记Rossby波列，A和C分别表示反气旋性和气旋性异常环流中心 Fig. 8 Correlation coefficients of (a) 200-hPa, (b) 850-hPa ASO geopotential height / wind fields with respect to snow cover time series of first MCA mode. Correlation coefficient 0.17 passes the 10% statistical significance level. Dashed arrow indicates Rossby wave train, and A and C denote anticyclonic and cyclonic circulation centers, respectively

综上可见，冬春季高原西部多雪的异常能持续到夏季，其对 ASO 大气环流的影响表现为2支波列：200 hPa自高原经蒙古到达日本为明显的“负—正—负”位势高度异常区，反映出波列沿高层中高纬西风急流传播；850 hPa则起于高原，经孟加拉湾至中国南海，反映出波列沿着低层西南气流传播。Wang et al.（2008）的研究表明，高原增温将激发2支Rossby波，一支沿着高层西风急流向下游传播，另一支则沿着低层西南气流传播至中国南海。而本文研究发现，高原积雪所引发的热力异常也可激发高、低空2支波列分别沿高层西风急流与地层西南季风气流传播。由于本文研究的高原热力异常季节与Wang et al.（2008）并非完全一致，故高、低空异常环流中心的位置稍有不同。

而高低层这2支波列的垂直结构又是怎样的呢？图 9给出的是 ASO 不同纬度上位势高度与 MCA 分析第一模态积雪时间序列相关系数的高度—经度剖面图，分别对应沿中高纬西风急流（图 9a）和低纬西南气流（图 9b）传播的Rossby波。中高纬传播的波列垂直结构表现为相当正压结构，在80°～100°E高低空皆为位势高度正异常区，130°～150°E则为一致的负异常区；而低纬传播的波列为斜压结构，在120°E附近高低空存在明显符号相反的位势高度异常区。分析表明，沿中高纬与低纬传播的2支波列分别为相当正压和斜压结构，然而， ASO 高低层大气环境场是否满足Rossby波传播的条件呢？

图 9

Fig. 9

图 9 ASO 位势高度与 MCA 分析第一模态积雪时间序列相关系数的高度—经度剖面：（a）45°～55°N；（b）20°～30°N。虚线表示负值，相关系数0.17通过了90%信度水平显著区 Fig. 9 Longitue-height cross sections of correlation coefficients of ASO geopotential height with respect to snow cover time series of first MCA mode: (a) 45°～55°N; (b) 20°～30°N. Dashed lines indicate negative values. Correlation coefficient 0.17 passes the 10% statistical significance level

根据Hoskins and Ambrizzi（1993）提出的波 导理论，定常波波数可定义为：

由于绝对涡度存在强的经向变化，强西风带通常表现为Rossby波导。图 10给出了 ASO 200 hPa与850 hPa上的平均纬向风速（图 10a、b）与定常波波数（图 10c、d）的分布图。高层西风急流出现在40°N，横穿整个欧亚大陆，对应着定常波波数的高值带，其南北为定常波波数的相对低值带，由于Rossby波会向波数较高的纬度折射，因而这一高值带即典型的波导。低层西风大值区与西南季风气流的位置一致，纬向风速高值区北部边缘对应着定常波波数的高值带，这一高值带亦可作为波导，有利于高原上空的扰动向东传播。综上所述，高层中高纬西风急流与低层西南季风气流可作为波导，利于高原积雪异常引发的扰动向下游传播，从而改变东亚大气高低空环流，影响中国降水。

图 10

Fig. 10

图 10 ASO 不同等压面上平均纬向风速（m s–1）与定常波波数：（a）200 hPa纬向风速；（b）850 hPa纬向风速；（c）200 hPa定常波波数；（d）850 hPa定常波波数。无阴影区域表示定常波不存在，黑色箭头标记出波导 Fig. 10 ASO mean zonal wind velocity (m s–1) and total stationary Rossby wavenumber at different pressure levels: (a) 200-hPa mean zonal wind velocity; (b) 850-hPa mean zonal wind velocity; (c) 200-hPa total stationary Rossby wavenumber; (d) 850-hPa total stationary Rossby wavenumber. Thick line with an arrowhead shows the possible waveguide

6 总结

本文利用 MCA 方法来考察中国 ASO 降水与前期及同期青藏高原积雪之间的联系，在此基础上，通过MRE方法来估计大气对积雪异常的响应，并探讨了高原积雪影响中国 ASO 降水的可能机制。研究表明中国 ASO 降水与前期及同期高原积雪有着显著联系，当春夏季节青藏高原西部多雪时，其后 ASO 中国长江及其以南地区多雨，而东部沿海的狭长区域少雨。

MRE方法的反馈诊断研究表明，冬春季高原多雪异常能持续到夏季，通过改变地表热力状况，导致 ASO 南亚高压减弱，同时激发出2支波列：高层200 hPa波列沿中高纬西风急流传播，自高原经蒙古到达日本呈现明显的“负—正—负”位势高度异常传播，日本上空为气旋性异常环流；低层850 hPa波列起于高原，经孟加拉湾至中国南海，沿着西南气流传播，导致台湾附近的反气旋性异常环流，其西侧的偏南气流，将南海丰富的水汽输送至中国南部湖南、广西；而高层中心位于日本的气旋性异常环流西侧的偏北气流利于北方天气尺度扰动向南移动，它们为长江中下游及其以南地区多雨提供有利条件。进一步计算定常波波数也表明，高层西风急流与低层西南季风气流作为波导，有利于高原上空的扰动沿着高、低空2支通道向东传播。由于东部沿海浙江、福建为正位势高度异常区，低层反气旋性异常环流抑制了该区域的降水。

本研究表明，冬春青藏高原西部积雪异常能一直持续至夏季，造成 ASO 高原表面热力状况发生变化，通过改变高原上空潜热释放过程，影响高低空环流，并最终导致 ASO 中国降水异常。研究中环流分析只使用了NCEP/NCAR再分析资料，后面的工作中可以利用不同资料重复分析以增加结论的可信度。本研究主要结论都是基于观测资料的统计动力分析，相关结论可通过数值试验进一步检验。