江南春雨是中国乃至东亚地区最早出现的雨季，通常是指我国南方 (长江中下游以南地区) 春季发生的一种连续阴雨天气，具有明显的年际变率，致使旱涝灾害频繁，影响春播；并且江南地处南海副热带高压西北侧和青藏高原东南侧，江南春雨还涉及独特的海—陆—气相互作用。

20世纪50年代以来，国内对春雨的研究多数着眼于对春季连续阴雨的天气学或中短期预报的研究 (高由禧等，1962；李麦村等，1977；包澄澜，1987；叶愈源，1993；吴宝俊和彭治班，1996)。Tian and Yasunari (1998)首次将江南春雨作为气候事件提出，将江南春雨期定为第12~26候，空间范围取为25°~30°N，并指出其气候成因在于西部中南半岛与东部西太平洋至菲律宾之间的热力对比，称为春季季节增暖的时滞效应。万日金和吴国雄 (2006)通过诊断分析和敏感性数值模式试验证明，江南地处青藏高原东南侧的强劲西南风风速中心的下游，具有强烈的风速和水汽辐合，直接导致江南春雨的形成，而该西南风不仅由高原机械强迫绕流造成，也与高原热力作用形成的气旋性低压环流有关。随后又通过研究降水、环流形势的演变和高原感热加热等特征的明显变化，将江南春雨建立和终结时间定为全年第13候和全年第27候，其中结束时间与南海季风爆发时间有关；以平均6 mm d⁻¹的雨强为标准将其空间范围定为30°N以南、110°E以东、雷州半岛以北的中国东南部地区 (万日金和吴国雄，2008)。

关于我国春季降水的影响因子分析及预测研究很多，尤其是前期冬季和春季太平洋海温异常对其年际变率的影响 (邓立平和王谦谦，2002；陈绍东等，2003；陈艺敏和钱永甫，2005；万日金等，2008b；马慧等，2009；张博等，2011；Feng and Li, 2011；强学民和杨修群，2013)。近年来，青藏高原东南部植被变化、前冬南半球环状模、印度洋海温异常和西太平洋暖池热含量也被提出用于春雨的预报 (周定文等，2009；郑菲和李建平，2012；陈丹等，2012；尚可等, 2013, 2014; 程慧萍和贾晓静，2014)。但是这些研究中，有的使用华南前汛期降水，有的使用3~5月或13~27候降水。由于江南春雨的开始与结束时间均存在明显的年际变化，固定起止时间会使得江南春雨总量的计算并不准确，影响其年际变化的研究。

本文将计算每年的江南春雨起止时间及其对应的总降水量，分析其年际变化特征，再从热带海洋的影响入手，寻找前期关键区域及其影响机制，并结合其他年际变化的影响因子，建立多元线性回归方程，为江南春雨的气候预测提供参考依据。

本文使用了国家气象信息中心提供的1982~2014年中国地面降水日值0.5°×0.5°格点数据集 (V2.0)，JRA55逐日位势高度场、风场、比湿、垂直速度场等 (Kobayashi et al., 2015)，NOAA 1982~2013年逐日向外长波辐射 (OLR) 资料 (Liebmann and Smith, 1996)，OISST海温逐月资料 (Reynolds et al., 2007)。Nino3.4指数来自http://www.esrl.noaa.gov/psd/gcos_wgsp/Timeseries/Nino34/index.html[2016-02-05]；PNA (太平洋—北美型遥相关)，AO (北极涛动)，AAO (南极涛动)，NAO (北大西洋涛动) 指数来自http://www.cpc.ncep.noaa.gov/products/precip/CWlink/daily_ao_index/teleconnections.shtml[2016-02-05]；EMI (El Niño Modoki指数)，DMI (印度洋偶极子指数) 来自http://www.jamstec.go.jp/frcgc/research/d1/iod/e/index.html[2016-02-05]，IOB (印度洋海盆一致模) 指数为热带印度洋海温的经验正交函数 (EOF) 第一主模态的时间序列 (胡俊，2014)。

江南春雨的开始时间参照万日金等 (2008a)的标准：每年从2月即全年第7候开始，江南地区 (23°~30°N，110°~120°E) 候平均降水量不小于4 mm d⁻¹，同时其上游区域 (20°~25°N，110°~115°E)850 hPa候平均西南风速不小于4 m s⁻¹，并且在紧接其后的3候中至少有1候满足上述条件，则认为该候为江南春雨建立的初始时间。结束时间定为南海季风爆发前一候 (万日金和吴国雄，2008)，南海季风爆发日期的标准 (Mao et al., 2004) 是中国南海 (5°~20°N，110°~120°E) 对流层上层 (200~500 hPa) 的经向温度梯度 (MTG) 的区域平均值由负变为正并且经向温度梯度 (MTG) 的正值维持至少6天，将每年首次满足以上两个条件的那一天定为南海季风爆发的日期。江南春雨总量即为每年开始时间到结束时间内江南地区区域平均的总降水量。

研究中采用的分析方法主要包括相关分析和回归分析以及建立多元线性回归方程，为了突出年际变化，做以上分析前所有变量均去掉线性趋势。相关分析和回归分析的显著性检验均用t检验，多元线性回归方程的显著性检验用F检验。

本文还参考苗秋菊等 (2005)的方法计算了江南地区西、东、北、南四个边界的低层 (地表到700 hPa垂直积分) 水汽输送通量，分别记为QW、QE、QN、QS。江南地区总的水汽收支为Q=QW−QE + QS−QN，若Q＜0，则江南地区流出的水汽大于流入的水汽，表明有水汽辐散；若Q＞0，则流入的水汽大于流出的水汽，表明有水汽辐合。

根据江南春雨开始、结束时间的定义，计算出1982~2014年每年的起止时间 (图 1，红色代表大于平均值，蓝色代表小于平均值)。从图中可以看到，江南春雨最早建立于第7候 (1992、1997、1998、2010年)，最晚开始于第25候 (2011年)，平均为12.4候，标准差为4.1候；结束时间最早在第21候 (2009年)，最晚在第31候 (1991年)，平均为25.9候，标准差为2.1候。将每年开始时间到结束时间记为每年的春雨期，春雨期的候数记为持续时间，33年中最长持续22候 (1985、1998、2010年)，最短仅存在1候 (2011年)，即开始与结束在同一候，本文认为这一年没有江南春雨 (后面分析中均排除2011年)，33年平均为14.5候，标准差为5.0候。可以看到，虽然开始、结束、持续时间的气候平均与前人研究类似，但三者的年际变化特征非常明显。开始时间最早与最晚可相差18候，结束时间最大差距可达10候，且开始时间的年际变率要比结束时间的更大。计算表明，江南春雨的开始时间、结束时间以及持续时间均没有显著线性趋势。另外，开始时间和结束时间的相关系数为−0.23，没有通过显著性检验，表明南海季风爆发时间与江南春雨建立早晚关系不大。

图 1 江南春雨 (a) 开始时间、(b) 结束时间和 (c) 持续时间 (单位：候) Figure 1 The (a) staring and (b) ending time of the springtime persistent rainfall in Jiangnan of China (SPRJ) and (c) the duration (units: pentads)

图 2a是使用了本文定义的起止时间计算出的多年平均春雨期总降水量，可以看到大值区位于长江中下游以南的我国东部地区 (黑色方框，23°~30°N，110°~120°E)，正是本文研究的江南春雨空间范围，这与万日金等 (2008b)1951~2000年第13~27候日平均降水量分布基本一致。将图 2a方框内每年的总降水量做区域平均，得到图 2b中的实线序列，与固定起止时间 (13~27候) 的江南春雨总量序列 (虚线) 相比，两者差异明显。前者年际变化更突出，其平均值为437.98 mm，标准差为136.10 mm，总降水量最少的是2008年 (234.01 mm)，其负异常为标准差的1.50倍，最多的是1992年 (769.04 mm)，其正异常为标准差的2.43倍。从图 2c可以看出，江南春雨总量占当地年降水量的比重超过25%，最大可达35%，由此可见，江南地区春雨总量占年降水量的比重大，其年际变率也比较大，容易发生旱涝灾害，进而影响春季播种。

图 2 (a)1982~2014年平均春雨期总降水量 (单位: mm)，(b)1982~2014年江南春雨总量序列 (实线：起止时间有年际变化；虚线：起止时间13~27候，单位: mm)，(c)1982~2014年春雨总量占全年总雨量的比重 Figure 2 (a) Climatological (1982-2014) cumulative rainfall during the SPRJ (units: mm), (b) time series of regionally mean cumulative rainfall (solid line: with year-to-year onset and end times; dashed line: over the 13th-27th pentads) in Jiangnan of China, (c) percentage of annual total rainfall accounted for by cumulative rainfall during the SPRJ averaged over 1982-2014

前人的研究结果指出，前期冬季热带海温异常对西北太平洋和东亚地区春季的环流和降水有指示作用 (万日金等，2008a；Chen et al., 2008)。图 3a给出了江南春雨总量序列与前期冬季热带海温的相关系数，可以看到Nino3.4区域 (黑色方框) 为相关系数大值区，最大超过0.70，表明春雨与前期冬季ENSO事件密切相关。所以将Nino3.4区域作为前冬热带海温影响江南春雨的关键区。再用前期冬季Nino3.4指数序列回归我国东部春雨期总降水量，如图 3b，回归系数最大值集中在本文研究的江南地区，并且通过0.01显著性检验。

图 3 (a)1982~2014年江南春雨总量与前期冬季SST的相关系数，打点区通过0.05显著性检验；(b) 前期冬季Nino3.4指数序列回归的春雨总降水量 (单位：mm ℃−1)，打点区通过0.01显著性检验 Figure 3 (a) Distribution of correlation coefficient between cumulative rainfall of the SPRJ and SST in the preceding winter over 1982-2014, the dotted regions are for values passing the significant test at 0.05 level; (b) cumulative rainfall during the SPRJ period regressed upon the Nino3.4 index in the preceding winter over 1982-2014 (units: mm ℃-1), the dotted regions are for values passing the significant test at 0.01 level

导致降水异常的根本原因是大气环流异常。为了理解前期冬季Nino3.4区域海温异常与江南春雨的联系，本文分别计算了春雨期大气平均环流场 (每年春雨期平均后再计算33年平均) 和前冬Nino3.4指数序列回归的春雨期大气环流异常场。

图 4a给出了1982~2014年春雨期500 hPa高度场和850 hPa风场平均分布。可以看到，500 hPa高度场上，我国东北地区至日本海附近存在东亚大槽，850 hPa风场上，青藏高原东南侧存在一支西南气流，这支西南气流可以将菲律宾和我国南海地区的水汽输送到江南地区，同时在30°N以北区域存在明显的西北气流，表明春雨期北方的冷空气活动较为频繁。南海暖湿气流以及北方冷空气在江南地区交汇，能够导致持续的降水。图 4b为前冬Nino3.4指数回归的850 hPa风场分布，可以看到，当Nino3.4区域海温异常偏高时，在赤道东太平洋存在一支明显的偏西气流，菲律宾地区出现异常反气旋，该反气旋的左侧伸出一支显著的偏南气流，从南海延伸至我国江南地区，有利于水汽输送；在赤道印度洋存在东风异常，孟加拉湾北部存在反气旋环流异常，进一步增强了江南地区的水汽输送。

图 4 (a)1982~2014年春雨期850 hPa风场 (黑色矢量，单位：m s−1) 和500 hPa高度场 (阴影，单位：gpm)，(b) 春雨期850 hPa异常风场对前期冬季Nino3.4指数的回归系数 (单位：m s−1 ℃−1)，红色箭头通过0.05显著性检验 Figure 4 (a) The climatological mean winds at 850 hPa (black vectors, units: m s−1) and 500 hPa geopotential height (shading, units: gpm) during the SPRJ of 1982-2014, (b) anomalies of 850 hPa wind during the SPRJ regressed upon the Nino3.4 index in the preceding winter (units: m s−1 ℃−1), red vectors indicate the anomalies that are statistically significant at the level of 0.05

具体分析春雨期江南地区低层 (地表到700 hPa垂直积分) 各边界上的水汽输送通量以及总水汽收支。如图 5a，可以看到，江南地区在春雨期确实有水汽辐合，在南边界和西边界输入水汽，在北边界和东边界有水汽的输出，其中南边界的水汽输入量最大，东边界的水汽输出量最大，水汽输入总和大于水汽输出总和，净输入为56.42×10⁶ kg s⁻¹，江南地区春雨期的水汽最主要来自南边界 (张洁等，2009)。从各边界的水汽输送通量异常与前冬Nino3.4指数的回归系数 (图 5b) 可以看到，Nino3.4指数为正时，西边界和南边界有异常的水汽输入，东边界和北边界有异常的水汽输出，但输入大于输出，江南地区有异常的水汽辐合，并且主要原因是南边界的水汽输入增加。

图 5 (a)1982~2014年江南地区春雨期低层水汽收支的气候态 (单位：106 kg s−1)，(b) 春雨期各边界低层水汽输送对前期冬季Nino3.4指数的回归系数 (单位：106 kg s−1 ℃−1) Figure 5 (a) The climatological mean of low layer water vapor budget during the SPRJ of 1982-2014 (units: 106 kg s−1), (b) anomalies of low layer water vapor budget during the SPRJ regressed upon the Nino3.4 index in the preceding winter (units: 106 kg s−1 ℃−1)

从OLR场看 (图 6a)，Nino3.4指数为正时，赤道东太平洋OLR有负异常，对流活动增强，西太平洋和海洋大陆OLR有正异常，对流活动减弱。从垂直速度场 (图 6b) 可以看到，由于Nino3.4区的海温出现正异常，激发了异常的Walker环流，上升支在赤道东太平洋，下沉支在赤道西太平洋和海洋大陆，有利于加强菲律宾异常反气旋，进而加强青藏高原东南侧的西南风。此外，图 6c给出了沿110°~120°E平均的垂直速度与前期冬季Nino3.4的回归系数，Nino3.4指数为正时，垂直速度在低纬地区有正异常，表明有异常的下沉运动，而在江南地区确有负异常，表明有异常的上升运动，有利于水汽抬升凝结。

图 6 春雨期 (a) 向外长波辐射 (OLR)(单位：W m−2 ℃−1)、(b) 沿10°S~10°N平均的垂直速度ω(单位：10−22 Pa s−1 ℃−1)、(c) 沿110°~120°E平均的垂直速度ω(单位：10−2 Pa s−1 ℃−1) 异常场对前期冬季Nino3.4指数的回归系数，打点通过0.05显著性检验 Figure 6 Regressions of anomalous patterns during the SPRJ for (a) OLR (units: W m−2 ℃−1), (b) vertical velocity averaged over 10°S-10°N (units: 10−22 Pa s−1 ℃−1), (c) vertical velocity averaged over 110°-120°E (units: 10−22 Pa s−1 ℃−1) with respect to the Nino3.4 index in the preceding winter. The dotted regions are for values that are statistically significant at the level of 0.05

另外，从200 hPa纬向风场来看，在我国东海至日本上空存在西风急流中心 (图 7a)，由于地转偏差的作用，在急流入口区右侧和急流出口区左侧会形成高层辐散，能加强该区域的上升运动以及低层辐合，春季江南地区正好处在急流入口区的右侧，也有助于水汽的抬升。而当Nino3.4指数为正时，长江以南地区为西风异常，该异常位于西风急流的西南侧 (图 7b)，相应的高层辐散增强，抽吸作用加强，使得江南地区上升运动进一步增大，有利于降水增加。

图 7 (a)1982~2014年春雨期200 hPa纬向风 (单位：m s−1)，(b) 春雨期200 hPa异常纬向风对前期冬季Nino3.4指数的回归系数 (单位：m s−1 ℃−1)，打点通过0.05显著性检验 Figure 7 (a) The climatological mean 200-hPa zonal wind during the SPRJ periods of 1982-2014 (units: m s−1), (b) anomalies of 200-hPa zonal wind during the SPRJ period regressed upon the Nino3.4 index in the preceding winter (unit: m s−1 ℃−1), the dotted regions are for values that are statistically significant at the level of 0.05

虽然江南春雨与前期冬季Nino3.4指数有着很好的相关关系，并且能通过大气环流异常解释前者与后者的相关，但是存在诸如2014年等一些例外 (图 8)，如果要用于气候预测，仅仅依据Nino3.4指数，容易预报错误。所以研究特殊的不一致年份、了解其成因，显得非常重要。

图 8 利用Nino3.4指数、IOB指数和AAO指数多元线性回归的江南春雨总量 (虚线)、实际江南春雨总量 (实线) 的标准化序列和前期冬季Nino3.4指数序列 (点线) Figure 8 Standardized time series of regressed total rainfall by Nino3.4 index, IOB index and AAO index (dashed line), observed total rainfall (solid line) during SPRJ period, and the Nino3.4 index in the preceding winter (dotted line)

对江南春雨总量序列去除线性趋势，再进行标准化处理，定义为江南春雨指数。前冬Nino3.4指数和江南春雨指数的时间序列的相关系数为0.69，所以两者符号一致的年份被称为一致年，符号相反的年份称为不一致年。如图 8所示，1982年以来，12次极端降水异常年 (江南春雨指数的绝对值大于1) 中除了1982年和2014年，其它10次极端降水异常年的前冬均呈现出相应的ENSO事件，但1982年和2014年东太平洋海温也出现了对应符号的海温异常，虽然未达到ENSO事件的强度。根据图 8，并结合ENSO的定义 (http://www.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ensoyears.shtml[2016-03-26])，挑选出El Niño年和La Niña年，表 1给出了具体的一致年份和不一致年份。可见10次暖事件的次年有6次春雨偏多但4次偏少；7次冷事件的次年春雨6次偏多，1次偏少。因此赤道东太平洋冷事件对于江南春雨总量异常的预测技巧更高。可能的原因是在冷事件情形下，赤道西太平洋的暖池地区对应正海温异常，对流偏强；强的对流比被压制的对流能更为有效地产生环流异常，影响我国江南地区。

表 1(Table 1)

表 1 El Nio年与La Nia年分类 Table 1 Years of El Nio and La Nia El Nio年份 La Nia年份 一致年 1983, 1992, 1998, 2003, 2005, 2010 1989, 1996, 1999, 2000, 2001, 2008 不一致年 1987, 1988, 1995, 2007 1985

表 1 El Nio年与La Nia年分类 Table 1 Years of El Nio and La Nia

由于ENSO存在季节“锁相”关系，即绝大多数El Nio (La Nia) 事件倾向于在北半球的春季开始出现，在北半球的冬季达到峰值，然后再逐渐减弱，所以猜测这些不一致的年份可能与前冬ENSO的强弱及其持续程度有关。将前冬Nino3.4指数大 (小) 于1.0(−1.0) 的ENSO年份定义为强El Nio (La Nia) 年。图 9分别考察了这四类年份的Nino3.4指数从前期12月到当年5月的变化，从中可以清晰地看到，几乎所有年份的ENSO强度从前期12月到当年5月都存在衰减。一致的El Nio年份，前冬暖事件强，12月份的Nino3.4指数平均达1.7℃，除了2005年低于1.0℃，其余5年都超过1.4℃，并且均为强El Nio年；到5月份，除了2003年和2010年，其他四年Nino3.4指数仍在0.5℃附近 (图 9a)，El Nio信号得以持续。不一致的El Nio年一共4年，前冬暖事件较弱，12月份的Nino3.4指数平均为1.0℃，冬季平均都小于1.0℃；到5月份，Nino3.4指数变为负值的年份有3年，其中1988年已小于−1.0℃，使春雨总量偏少 (图 9b)，但1987年从冬到春东太平洋维持较强的暖距平，春雨总量却接近气候平均。一致的冷事件与暖事件相似，除了1996和2001年，其他均为强La Nia年；5月份的Nino3.4指数，除了2001年在−0.22℃，其他年都仍低于−0.5℃(图 9c)。但不一致的La Nia年，即1985年 (图 9d)，东太平洋维持较强的冷海温而春雨总量偏多。1985和1987这两年江南春雨与海温不一致的原因需要进一步研究。

图 9 前期12月至当年5月Nino3.4指数的变化 (单位：℃)：(a) 一致El Nio年份；(b) 不一致El Nio年份；(c) 一致La Nia年份；(d) 不一致La Nia年份 Figure 9 The evolution of Nino3.4 index (units: ℃) from December of the preceding years to May of the current years for (a) consistent El Nio years, (b) inconsistent El Nio years, (c) consistent La Nia years, (d) inconsistent La Nia years

为了预测江南春雨总量，除了上述Nino3.4指数，本文还计算了研究年际变化时常用到的7种前期信号与江南春雨总量的超前相关，包括PNA，NAO，AAO，AO，EMI，DMI，IOB。图 10给出了这些指数从前一年3月份到当年5月份与江南春雨总量的相关。可以发现，江南春雨总量与前期11月~2月AAO有较显著的负相关，与郑菲和李建平 (2012)结果一致，前冬南半球环状模的异常能引起南半球中高纬海温异常并且持续到春季，进而引起华南区域大气环流异常从而影响降水；与Nino3.4从前一年7月开始就存在较显著的正相关，且持续到同期，这与第4节关于前冬热带东太平洋海温异常对江南春雨影响的结果一致；与IOB从前一年12月份开始存在较显著的正相关，也持续到同期，其原因可能如Xie et al.(2016)指出，与东太平洋海温变化相联系的印度洋增暖在赤道印度洋形成东风Kelvin波，引发低层东风和孟加拉湾北部反气旋环流异常，我国南方地区为西南气流控制，降水充沛。而其他指数的相关信号或短暂、或散乱，因此本文选择前期冬季AAO、Nino3.4和IOB指数为预测因子，建立多元线性回归方程，表达式为

图 10 江南春雨总量与前一年3月至当年5月太平洋—北美型遥相关指数，北极涛动指数，南极涛动指数，北大西洋涛动指数，El Nio Modoki指数，印度洋偶极子指数，印度洋海盆一致模指数逐月相关系数变化 Figure 10 Correlation coefficients between total rainfall during SPRJ period and the index of PNA, NAO, AAO, AO, Nino3.4, EMI, DMI, IOB from March of the preceding year to May of current year

其中，X_IOB是前冬IOB指数，X_Nino3.4是前冬Nino3.4指数，X_AAO是前冬AAO指数，y是预报的江南春雨总量，与降水资料的相关为0.76，通过0.01的显著性检验 (图 8)，比单用Nino3.4指数相关性 (0.69) 更高。并且对于极端降水年1982年和2014年，回归结果能达到±0.5个标准差，对于不一致的ENSO年份，回归结果与单用Nino3.4指数预测相比都有所改善。

本文基于中国地面降水逐日0.5°×0.5°格点数据集 (V2.0)、JRA55再分析资料和NOAA逐日向外长波辐射资料以及逐月OISST资料，定义并计算了逐年江南春雨的开始时间、结束时间和江南春雨总量，分析了其气候特征、年际变化和影响年际变化的前期信号及影响的物理过程，考察了Nio3.4、EMI、DMI、IOB、AO、AAO等信号与江南春雨总量的超前—同期相关。研究表明，前期冬季主要的信号来自赤道东太平洋。Nio3.4区海温正异常激发的异常Walker环流下沉支位于海洋大陆，增强了菲律宾异常反气旋，对流层低层从南海到江南地区的西南风增强，有利于向江南地区输送水汽；同时孟加拉湾北部的反气旋环流异常，也增强了江南地区的水汽输送。对流层上层，江南地区200 hPa (急流南侧) 存在西风异常，高层辐散增强，使得上升运动进一步增强，进而降水增多。

另外本文发现，前冬El Nio强的年份，海温异常信号能持续到春季，江南春雨总量通常偏多，江南春雨指数与Nino3.4指数符号一致；前冬El Nio较弱的年份，海温异常到春季变弱甚至相反，江南春雨总量偏少，与Nio3.4指数符号不一致；而La Nia年份没有这个规律。并且基于前期La Nia信号的春雨预测相比El Nio情形存在更高可预报性。为提高预测的准确性，本文还加入前期冬季的AAO和IOB指数，建立了多元线性回归方程，显示出比单一的Nino3.4指数更高的季节预测技巧。

本文结果是基于诊断研究结果，还需要设计数值试验对前期热带海温异常影响次年江南春雨的相关物理过程进行验证，对于ENSO与降水异常不一致的特殊年份 (1985和1987年) 的原因还需要进一步探讨。