西南地区夏季降水变化与太平洋海温的关系

The Relationship between Summer Precipitation Variation in Southwest China and Pacific Ocean SST

摘要: 为研究西南地区夏季降水变化与太平洋海温的关系，利用中国气象局提供的西南地区76站1961~2022年共62年逐日气象降水观测数据与哈德莱中心网格距为1˚ × 1˚的海温资料、美国国家环境预报中心(NCEP)和国家大气研究中心(NCAR)的网格距为2.5˚ × 2.5˚再分析资料，通过相关分析、合成分析、经验正交函数分解(EOF)、奇异值分解(SVD)等方法，对西南地区夏季降水与太平洋海温的关系进行了详细研究。得到以下结论：(1) 西南地区近60年的夏季降水量呈下降的趋势，降水的空间分布不均，自南向北减少。同时，降水与海温的相关系数表明，西南地区6~8月降水与赤道西太平洋海温关键区(125˚E~175˚W, 15˚S~20˚N)呈显著的正相关，即关键区海温异常偏暖(冷)，西南地区夏季降水偏多(少)。(2) EOF及合成分析表明，关键区海温异常偏高时，西南地区的降水偏多且主要集中于四川东部、重庆及贵州地区；而在海温异常偏低的年份时，降水明显偏少。(3) SVD分析表明，关键区前期冬季、春季及当期夏季海温与西南地区夏季降水量均存在显著的正相关关系，即关键区海温异常偏暖(冷)，西南地区夏季降水偏多(少)，与相关系数分析及合成分析的结果一致。

Abstract: To investigate the relationship between summer precipitation variations in the Southwest re-gion of China and Pacific sea surface temperatures (SST), this study utilizes daily meteorological precipitation observations from 76 stations in the Southwest China provided by the China Mete-orological Administration for a period of 62 years (1961~2022), along with Hadley Center SST data with a grid resolution of 1˚ × 1˚ and reanalysis data from the National Centers for Environ-mental Prediction (NCEP) and the National Center for Atmospheric Research (NCAR) with a grid resolution of 2.5˚ × 2.5˚. Through methods such as correlation analysis, composite analysis, em-pirical orthogonal function (EOF) analysis, and singular value decomposition (SVD), the relationship between summer precipitation in the Southwest region of China and Pacific SSTs is analyzed in detail. The following conclusions are drawn: (1) Summer precipitation in the Southwest China has exhibited a decreasing trend over the past 60 years, with uneven spatial distribu-tion and a decrease from south to north. The correlation coefficients between precipitation and SST indicate a significant positive correlation between summer precipitation in the Southwest region during June to August and the SST of key region in the western equatorial Pacific (125˚E~175˚W, 15˚S~20˚N). Specifically, when the SST anomaly in the key region is warm (cold), there is an excess (deficit) of summer precipitation in the Southwest China. (2) EOF and compo-site analysis indicate that during years with higher SST anomalies in the key region, there is ex-cessive precipitation in the Southwest China, primarily concentrated in the eastern part of Sichuan, Chongqing, and Guizhou. Conversely, during years with lower SST anomalies, the precipitation is obviously less. (3) SVD analysis demonstrates a significant positive correlation between SST anomalies in the key region during the preceding winter, spring, and concurrent summer, and summer precipitation in the Southwest China. This finding is consistent with the results of correlation coefficient analysis and composite analysis, indicating that when the SST anomaly in the key region is warm (cold), there is an excess (deficit) of summer precipitation in the Southwest region of China.

1. 绪论

全球气候变暖导致极端天气频繁发生，对人类的生产、生活、经济发展等方面都带来了极大的影响 [1] 。海洋热量的释放和吸收是大气运动的重要驱动因素 [2] ，其与大气之间的耦合作用一起影响气候的形成及变化 [3] 。研究表明，在影响气候异常的诸多因子中，海洋热状况的变化和海气相互作用是引起短期气候变化的重要因素之一 [4] ，海洋对大气运动的强迫是通过海表的温度变化及其热通量的变化来实现，海温的变化与异常在时间和空间上与天气的变化具有一定的相关性 [5] 。太平洋海温是全球气候变化的重要因素之一，其变化对全球气候有着重要影响 [6] 。

近年来由于气候变暖，我国极端气候现象频发，在海温对我国夏季降水的影响方面目前已有较多的研究。赵永晶、钱永甫等 [7] 通过对全球海温距平场进行EOF、SVD分析，得到的结果表明赤道中东太平洋、印度洋、我国南海以及北太平洋区域均为影响我国降水的关键区，区内的海温异常对我国降水的影响在空间上具有稳定性、在时间上具有一致性。王敏敏 [8] 利用EOF与SVD分解等方法，对海温与我国夏季降水的关系进行研究，结果表明太平洋的夏季海温与同期我国夏季降水的分布性的线性组合关系较为复杂。张梦珂，金大超等 [9] 对东亚和南亚2015年异常与热带太平洋海温异常的关系研究表明，该年份夏季为厄尔尼诺事件的发展位相，导致菲律宾群岛地区反气旋环流异常，江淮至日本地区气旋式环流异常，使河套地区降水偏少而长江中下游地区降水偏多。李丽萍、靳莉莉等 [10] 通过对北太平洋的次表层海温分层，发现了北太平洋次表层的春季海温是影响大气环流的关键，对我国夏季降水产生影响。在海温对我国部分地区的降水影响方面，目前也有一定的研究。蓝天等 [11] 通过对2011年夏季东北太平洋海温异常与西南地区夏季降水异常之间的关系进行研究，结果表明二者之间为显著的偶极型相关。李宏毅、林朝晖等 [12] 研究了华南地区4、5月份降水的年代际变化与中西太平洋海温的关系，表明4、5月华南地区的降水与中西太平洋海温为显著的负相关关系。李永华等 [13] 对热带印度洋–太平洋海表温度变化对西南地区东部夏季降水影响的研究表明，如果前期赤道东太平洋海表温度异常升高的话，那么西南地区的东部夏季降水增多的可能性较大，印度洋前期春季海温偏高的话，也会导致夏季降水偏多。周顺武、假拉等 [14] 关于西藏地区夏季降水与ENSO关系的研究中也指出，高原地区夏季降水与太平洋海温场具有密切的关系。王冰、鲜文龙等 [15] 通过对云南省的降水与赤道西太平洋海温进行分析，得到的结果表明云南省的降水对赤道西太平洋的响应往往落后3个月。海温异常对于西南地区东部夏季降水(旱涝)影响目前也有一些研究，如张强等 [16] 对SST指数与长江上游旱涝灾害相关分析表明，厄尔尼诺事件使长江上游发生旱灾的几率增大，而拉尼娜事件则使长江上游发生洪涝灾害的几率增大。

中国西南地区是夏季旱涝发生频率较高的地区，例如：1998年的特大洪涝，2006年特大干旱、2020年南方洪涝、2022年长江流域罕见大干旱，对工农业生产、经济建设、自然生态环境以及人民群众的生命财产安全造成了严重危害 [17] ，夏季受到来自印度洋的西南季风影响，降水量多、高温多雨 [18] ，且西南地区夏季降水占全年降水的比重很大 [19] 。因此，深入研究西南地区夏季降水变化与太平洋海温的关系，揭示太平洋海温变化对于西南地区夏季降水的影响机制，对于制定应对气候变化的措施，提高区域气候变化预测的准确性以及保障该地区农业生产、水资源利用和生态环境保护等具有重要的现实意义。

2. 资料和方法

2.1. 研究区概况

Figure 1. Station altitude in southwest

图1. 西南地区站点海拔高度

我国西南地区包括四川省、云南省、贵州省及重庆重庆市共四个省市区。西靠青藏高原及横断山脉，东边为四川盆地，南部为云贵高原，包含了高原、高山、丘陵、盆地等多样丰富的地形特征，整体呈现西高东低的形势，处于我国地形的第一级阶梯与第二级阶梯的分界线上。研究区域的站点海拔高度如图1所示，四川盆地的平均海拔高度在400 m左右，云贵高原的平均海拔高度在1200 m左右，川西高原的海拔在2000 m以上，最高的甘孜站点达到了3600 m。同时，西南地区也是东亚季风与印度季风交汇的区域，使西南地区形成了干湿分明的立体气候 [20] 。

2.2. 资料概况

(1) 国家气象信息中心提供的中国西南地区76个地面气象台站观测每小时降水资料，时间为1961年~2022年的6~8月。

(2) 英国的Hadley气候预测和研究中心提供的1961年~2022年的6~8月的Hadley月平均海表温度资料，格点分辨率为1˚ × 1˚。

2.3. 研究方法

线性倾向估计 [21] ，皮尔逊相关系数 [22] ，经验正交函数(Empirical Orthogonal Function，简称EOF)分析 [21] ，奇异值分解(Singular Value Decomposition, SVD)方法 [23] [24] 。

2.3.1. 线性倾向估计

即建立气候变量与时间序列之间的一元线性关系 [21] ：

$x_i=a+b_i$ (1)

i = 1，2，3…，n。 $x_i$ 与 $t_i$ 相对应，n为样本量。式中a为线性回归常数，b为线性倾向系数，定义b∙10为气候倾向率(单位为某气候要素的单位/10a)它们可以通过最小二乘法计算得到：

$b=\frac{{{\displaystyle \sum }}_{i=1}^n{x}_i{t}_i-\frac{1}{n}\left({{\displaystyle \sum }}_{i=1}^n{x}_i\right)\left({{\displaystyle \sum }}_{i=1}^n{t}_i\right)}{{{\displaystyle \sum }}_{i=1}^n{t}_i^2-\frac{1}{n}{\left({{\displaystyle \sum }}_{i=1}^n{t}_i\right)}^2}$ (2)

公式中b值符号的大小表示气候变化的线性趋势变化，b > 0代表随着时间序列的变化该气候变量是呈上升的趋势，b < 0代表随着时间序列的变化该气候变量是呈下降的趋势。

2.3.2. 皮尔逊相关系数

本文用皮尔逊相关系数来对降水、海温做相关分布分析。统计学中，皮尔逊相关系数(Pearson correlation coefficient) [22] ，又被称作相关系数，用r表示。它是一种用来描述两个随机变量之间的线性相关的统计量，取值范围为[−1, 1]，当皮尔逊相关系数为−1的时候，表示两个变量完全为负相关，而取值为1的时候则表示两个变量完全为正相关。当r = 0的时候，则表示两个变量之间相互独立，没有任何的相关关系。上式定义了总体相关系数，可得到皮尔逊相关系数，常用英文小写字母r代表

$r=\frac{{{\displaystyle \sum }}_{i=1}^n\left(X_i-\bar{X}\right)\left(Y_i-\bar{Y}\right)}{\sqrt{{{\displaystyle \sum }}_{i=1}^n{\left(X_i-\bar{X}\right)}^2}\sqrt{{{\displaystyle \sum }}_{i=1}^n{\left(Y_i-\bar{Y}\right)}^2}}$ (3)

相关系数r是否具有统计意义，还需进行显著性检验。

2.3.3. 经验正交函数(EOF)分解方法

经验证交函数(Empirical Orthogonal Function，简称EOF)分析 [21] 是一种用于分析和描述多变量数据的统计方法。通过计算协方差矩阵，可以捕捉到不同变量之间的线性相关性。特征值分解则将协方差矩阵转化为特征值和特征向量，其中特征向量描述了变量的空间模式。通过选择具有较大特征值的特征向量，即主成分，可以提取出数据集中的主要空间模式。重构空间模式是将主成分与原始数据进行线性组合，得到一组相互独立的空间模式，用于描述要素的空间变化特征。这一方法的主要目的是通过寻找数据集的主要变化模式，使复杂多变量数据转化为一组相互独立的空间模式，来反应要素场时间和空间上的变化。目前，这一方法在大气科学的研究领域中得到了广泛的应用。由于EOF分解的计算公式及过程较为复杂，此处不再列出，具体过程可参见 [21] 。

2.3.4. 奇异值分解(SVD)

奇异值分解(Singular Value Decomposition, SVD)方法 [23] [24] ，是一种常用的矩阵分解方法，它通过对两个要素场的交叉协方差阵进行对角化，来寻找两个要素场中若干对相互对应的空间分布，只需要用少量特征向量就能够解释要素场中大部分的方差，该方法也广泛地应用于气象研究中。本文中以降水场为左场记为X(p, t)，太平洋海温的变化为右场记为Y(q, t)，p、q分别为降水及海温的观测站点数，t为时间序列。两个要素场之间的交叉协方差阵为：

$C_{p\times q}=X_{p\times n}{Y}_{q\times n}^{\text{'}}$ (4)

将上式做SVD分解：

$C_{p\times q}=U_{p\times m}{\Sigma }_{m\times m}{V}_{m\times q}^{\text{'}}$ (5)

其中m ≤ min(p, q)， $U_{p\times m}$ 为C的左异向量， $V_{q\times m}$ 为C的右异向量， ${\Sigma }_{m\times m}$ 为对角阵，对应的奇异值是 ${\sigma }_1，{\sigma }_2，\dots ，{\sigma }_m>0$ 。

再将X，Y按奇向量展开：

$x_{p\times n}=U_{p\times m}{A}_{m\times n}$ (6)

$Y_{q\times n}=V_{q\times m}{B}_{m\times q}$ (7)

其中A、B分别是X与Y的时间系数阵。

前k对奇异向量的累积方差贡献为：

$CSC{F}_k=\frac{{{\displaystyle \sum }}_{j=1}^k{\sigma }_j^2}{{{\displaystyle \sum }}_{i=1}^m{\sigma }_i^2}$ (8)

得到的左右奇异向量时间系数的相关系数为：

$R_k\left(A;B\right)=\frac{{{\displaystyle \sum }}_{t=1}^n{A}_{it}\times B_{jt}}{\sqrt{{{\displaystyle \sum }}_{t=1}^n{A}_{it}^2\times {{\displaystyle \sum }}_{t=1}^n{B}_{jt}^2}}$ (9)

i = 1，2，…，p，j = 1，2，…，m。

3. 西南地区夏季降水变化与太平洋海温的关系

3.1. 西南地区夏季降水变化特征

3.1.1. 西南地区夏季降水的时间演变特征

通过对西南地区从1961年至2022年夏季(6至8月)降水的线性倾向趋势分析(图2)，可以分别看到在1972年、1992年、2006年、2011年以及2022年西南地区夏季降水量减少，形成了明显的波谷。相比之下，1998年和2020年的夏季降水量增加，形成了明显的波峰。从整体上来看，西南地区的夏季降水存在着缓慢下降的趋势。

Figure 2. Summer (June-August) precipitation changes in southwest from 1961 to 2022

图2. 1961年~2022年西南地区夏季(6~8月)降水变化

3.1.2. 西南地区夏季降水的空间分布特征

西南地区1961年至2022年夏季(6~8月)年均降水的空间分布图如图3，通过对图像的分析可以看到西南地区夏季降水在空间分布上具有不均匀性，南部云贵高原降水多，西北部高山地区降水少，四川盆地内部降水量也分布不均，从总体上来看呈由南向北逐渐减少的趋势。降水量的大值区位于云南省的南部，以景洪、勐腊、江城、澜沧几个站点为主，最大已经达到了800 mm，同时降水量大值区也以大理、昆明、安顺一带为分界线，从南向北不断递减；同时四川盆地东南部也存在一降水较多的区域，雅安、乐山、峨眉几个站点的降水量略高于周围地区，达到650 mm左右。重庆市全部、贵州及四川大部的降水量都较少，平均降水量在500 mm左右，而川西高原靠近横断山脉的区域降水量则明显低于西南地区大部，甘孜站的降水量在350 mm左右，降水的低值中心以维西、康定、小金一带为分界线，由西向东递增。这样的降水分布特征也可能与海拔高度以及复杂多变的地形等因素有关。

Figure 3. Spatial distribution of summer precipitation in southwest from 1961 to 2022

图3. 1961年~2022年西南地区夏季降水空间分布

3.2. 西南地区夏季降水与太平洋海温的相关性分析

3.2.1. 海温关键区的选取

为了更好地揭示太平洋海温与西南地区夏季降水之间的相关关系，我们首先将1969年~2022年西南地区夏季平均降水的年际变化序列与1961年~2022年全球夏季海温求相关，以找出相关效果显著的关键海域，再对其进行相关性的研究。图4即为所得的夏季太平洋海温与西南地区夏季降水的相关系数空间分布图，通过对图4进行分析我们可以看出，赤道西太平洋及其附近的海域为显著的正相关区域，相关系数最高达到了0.3以上，且通过了α = 0.1的显著性水平检验，因此本文将选取赤道西太平洋海域(125˚E~175˚W, 15˚S~20˚N)作为影响西南地区夏季降水的海温关键区进行研究。

(Dotting indicates passing the 90% confidence level test, with significant critical areas highlighted in the box)(打点表示通过90%置信水平检验，方框为显著关键区)

Figure 4. Correlation distribution between summer precipitation in the southwest and global summer sea surface temperature normalized anomaly

图4. 西南地区夏季降水与全球夏季海温标准化距平的相关分布图

3.2.2. 西南地区夏季降水量与关键区海温的点相关分析

Figure 5. Distribution of correlation coefficients in key areas of summer precipitation in southwest

图5. 西南地区夏季降水关键区的相关系数分布

在夏季，季风气流从海洋吹向陆地，来自太平洋的东南季风会带来湿润的气流，携带大量水汽吹向我国，主要对我国东南地区产生影响，包括广东、广西、福建台湾等省份，这些地区在季风期间通常会经历丰沛的降水，且由于湿润气流上升过程中释放潜热导致东南地区温度升高夏季炎热。此外，东南季风也会对西南地区的降水产生一定的影响，王伟、冯爽等 [25] 在对西南地区夏季旱涝与ENSO的关系的研究中指出，厄尔尼诺事件后，西南地区的夏季降水较多，更容易发生涝灾，而拉尼娜事件过后，西南地区夏季降水会减少，较为干燥，容易形成旱灾，由此可见太平洋海温与西南地区夏季降水有一定的关系。因此对海温关键区的相关系数分布(图5)进行分析，可以看到相关系数大值区大致呈西北东南走向，相关系数大于0.2，且大部分区域均通过了置信度检验，说明这一海域的海温与西南地区夏季降水为同位相的变化，即当夏季赤道太平洋的海温偏高时，海温的异常通过海气相互作用引起大气环流的异常，从而导致当年西南地区夏季的降水将会偏多；反之当夏季赤道西太平洋的海温偏低时，西南地区的夏季降水将会偏少，具有一定的遥相关效应。

3.2.3. 太平洋关键区海温EOF分解

Figure 6. Three modal spatial distributions and time series of EOF decomposition of SSTA (a) The first mode; (b) The first mode time coefficient; (c) The second mode; (d) The second mode time coefficient; (e) The third mode; (f) The third mode time coefficient

图6. 太平洋夏季标准化距平(SSTA) EOF分解的3个模态空间分布及时间序列(a) 第1模态；(b) 第1模态时间系数；(c) 第2模态；(d) 第2模态时间系数；(e) 第3模态；(f) 第3模态时间系数

为了探求海温场的主要空间模态和变异性，更好地来揭示海温的空间分布特征与西南地区夏季降水的相互关系，我们利用HadISST资料对太平洋海温关键区(125˚E~175˚W, 15˚S~20˚N)进行EOF分析，得到的结果如图6。图6中(a)(b)分别为第1模态与时间系数，第21模态的贡献率为37.15%；图(c)(d)为第2模态和时间系数，贡献率为31.47%；图(e)(f)为第3模态和时间系数，贡献率为7.72%。前3个模态的总贡献率达到了76.34%，贡献率较高，因此可以选取EOF的前3个模态以及所对应的时间序列对太平洋海温的年代变化进行分析。在第1模态下，由空间分布图(图6(a))可以看到，所选取的海温关键区全域都为正值，即该区域的海温均为异常偏高状态，海温异常偏高的幅度由东向西增大。从第1模态的时间序列(图6(b))上来看，第1模态下关键区海温在千禧年(2000年)之前大部分为偏冷的状态，在九十年中期为偏暖，千禧年之后海温则转为偏暖的状态。从第2模态的空间分布图上(图6(c))可以看到，关键区的东侧存在一个正的变温中心，海温异常升高，而该模态下关键区的西南侧存在一负的变温中心，说明该区域的海温与西侧海温变化趋势相反，为反相位的变化，海温异常偏低。对第2模态的时间序列(图6(d))进行分析，可以看到关键区的海温冷暖转变在九十年代之后存在一定的周期性，两次海温的显著变化之间的周期大约是6至7年。在第3模态下，从空间分布图(图6(e))中可以看出，海温关键区存在两个正变温中心，分别位于东北和东南部，而西南部则存在一负变温的中心，为反相位的变化形式。从时间序列(图6(f))上来看，上世纪六十年代至七十年代中期以及千禧年之后，海温为主要偏暖的形式，而从七十年代中期至九十年代末期，海温则主要为偏冷的形式。

3.2.4. 太平洋关键区海温异常年西南地区夏季降水量的合成分析

在了解了海温的变化形式之后，我们分别对三个模态的时间序列进行分析。

由1969年~2022年近53年赤道西太平洋区域平均海温标准化距平SSTA的年变化曲线，以海温标准化距平大于1.5倍标准差的为暖水年，小于−1.5倍标准差的为冷水年的标准，选出赤道西太平洋海温冷水年共10年(分别是1965年、1971年、1975年、1976年、1983年、1987年、1998年、1999年、2010年和2022年)，暖水年共10年(1961年、1967年、1974年、2011年、2015年、2016年、2017年、2019年、2020年和2021年)。通过分别对EOF前3个模态的异常年份对应的西南地区夏季降水进行合成分析，得到赤道西太平洋海温异常偏暖(冷)年份西南地区降水的合成空间分布(图7)。可以看到在第1模态下，海温异常偏高的年份有1987年、1997年和2015年；而异常偏低的年份有1964年、1971年、1973年、1975年和1988年。在第2模态下，海温异常偏高的有1965年、1976年和1983年；异常偏低的年份为2016年、2017年、2019年、2020年、2021年、2022年。在第3模态下，海温异常偏高的年份为2011年和2012年；异常偏低的年份为1985年、1986年、1988年、1992年、1993年、1995年及2016年。

通过对挑选出这些年份对应的西南地区夏季降水量进行合成分析，我们得到图7的结果：图7(a)为第1模态的时间序列中，正异常年对应的西南地区夏季降水量的合成空间分布，可以看到当关键区海温异常偏高时，西南地区夏季降水整体偏多，且降水量自东向西递减。降水的高值中心位于贵州省、重庆市及四川东北部，四川东南及云南南部降水偏少。图7(d)为PC1负异常年，可以看到在关键区海温偏低时，西南地区的降水呈现普遍偏低的状况。图7(b)为PC2正异常年份的合成分布图，可以看到在第2模态海温偏高的情况下，西南地区夏季降水也是呈现一个东部多雨、中部少雨的情况，降水主要集中于106˚E~109˚E的范围内，同时四川西北部以马尔康为中心、以及云南西南部以瑞丽为中心的地区也存在降水较多的情况。图7(e)为PC2负异常年份合成分布图，可以看到在第2模态下当海温偏低时，西南地区均为少雨的状况，且以木里、兴仁、酉阳一线为界限，北部降水比南部更少。图7(c)为PC3正异常年份合成分布图，图中显示西南地区为东部多雨西部少雨的情况，降水较多的主要区域也集中于106˚E~109˚E的范围内，以德格、马尔康、雅安、昭觉、丽江、德钦为分界线其西部为降水较少的区域；图7(f)为PC3负异常年的合成分布图，可以看出西南地区为东北部多雨、西南部少雨的情况，降水主要集中于阆中、巴中、万元及其周边地区，而降水少的区域主要为云南省大部、贵州东南部及四川盆地中部的峨眉、乐山、都江堰。因此，当关键区的海温异常偏高时，西南地区夏季降水主要集中于四川东部、重庆及贵州地区；而在海温异常偏低的年份时，降水普遍少于海温偏高的年份。

Figure 7. Spatial distribution of precipitation synthesis in southwest during sea surface temperature anomaly years (a~c) composite distribution of normal and abnormal annual precipitation; (e~f) composite distribution of negative anomalous annual precipitation

图7. 海温异常年份西南地区降水量合成的空间分布(a~c)正异常年降水量合成分布；(e~f)负异常年降水量合成分布

3.3. 西南地区夏季降水与太平洋关键区海温的SVD分解

为了验证上文的合成分析结果是否具有统计学意义，更好地揭示赤道西太平洋海温与西南地区夏季降水量变化的关系，下面分别对1961年~2022年共61年的月平均太平洋海温(125˚E~175˚W, 15˚S~20˚N)与西南地区同期降水量进行SVD分解，以探求二者之间的关系 [26] [27] [28] 。

3.3.1. 西南地区夏季降水与冬季太平洋关键区海温的SVD分解

将西南地区夏季降水与前期赤道中太平洋冬季海温做SVD分解后，所得的三个模态解释方差分别为53.02%、24.70%、8.69%，由于第2模态和第3模态的解释方差和较小，因此本文主要对第1模态进行分析。图8即为SVD分解第1模态异性相关系数分布图，图8(a)为降水场、图8(b)为冬季海温距平场，图8(c)为第1模态的空间分布和时间系数。由图8(b)可以看出，除了西南及东北部分海域的相关系数略微大于零之外，整体上来说，冬季太平洋海温的异性相关系数均为负，且通过0.05显著性检验，其异性相关系数绝对值中心达到0.14以上。西南地区夏季降水的异性相关系数图上(图8(a))可以看出，除了四川东南与云南交界处以及松潘站点附近为正值外，西南大部分地区异性相关系数值都为负值，且通过了0.05显著性检验，其最大负值区域位于贵州省，相关系数绝对值达0.8以上。分析第1模态的时间序列相关系数分布(图8(c))也可以看出，西南地区夏季降水与赤道西太平洋冬季海温二者之间的时间变化趋势也是大致相同的，呈同相位变化的趋势，且相关系数为0.38，通过0.05的显著性检验。此外，1961年~2001年61年来西南地区夏季降水量的丰年、枯年均在图中有较为清晰的反应，耦合程度也较好。从以上的分析可知：赤道西太平洋冬季海温与西南地区夏季降水量存在显著的正相关关系，当赤道中太平洋冬季海温异常偏暖时，除四川东南部与云南交界处以及松潘外，当年西南大部分地区夏季降水量异常偏多，反之如果赤道中太平洋海温异常偏冷，除上述地区外，当年西南大部分地区夏季降水量异常偏少。这一结果与前文赤道中太平洋海温异常偏冷、偏暖年当年西南地区夏季降水合成分析的结果是一致的，说明其具有统计学意义。

Figure 8. SVD decomposition of summer precipitation in southwest and winter SSTA in the equatorial western Pacific heterogeneity correlation coefficient and corresponding time coefficient of the first mode: (a) Summer precipitation in the southwest; (b) The winter SSTA anisotropy correlation coefficient in the equatorial western pacific; (c) Time coefficient

图8. 西南地区夏季降水量与赤道西太平洋冬季SSTA的SVD分解第1模态的异性相关系数及相应的时间系数(a) 西南地区夏季降水量；(b) 赤道西太平洋冬季SSTA异性相关系数；(c) 时间系数

3.3.2. 西南地区夏季降水与春季太平洋关键区海温的SVD分解

将西南地区夏季降水与前期赤道中太平洋春季海温做SVD分解后，所得的三个模态解释方差分别为66.74%、20.83%、13.21%，第2模态和第3模态的解释方差和较小，因此同样主要对第1模态进行分析。图9即为SVD分解第1模态异性相关系数分布图，图9(a)为降水场、图9(b)为春季海温距平场，图9(c)为第1模态的空间分布和时间系数。由图9(b)可以看出，在所选关键区内除了西南及东北部分海域的相关系数为正，整体上来说，春季太平洋海温的异性相关系数均为负，且通过0.05显著性检验，其异性相关系数绝对值中心达到0.14以上。西南地区夏季降水的异性相关系数图上(图9(a))可以看出，除了四川东南与云南交界处以及峨眉、乐山两个站点为正值外，西南大部分地区异性相关系数值都为负值，且通过了0.05显著性检验，其最大负值区域同样位于贵州省，相关系数绝对值达0.8以上。分析第1模态的时间序列相关系数分布(图9(c))也可以看出，西南地区夏季降水与赤道西太平洋春季海温二者之间的时间变化趋势也是大致相同的，呈同相位变化的趋势，且相关系数为0.40，通过0.05的显著性检验。此外，1961年~2001年61年来西南地区夏季降水量的丰年、枯年均在图中有较为清晰的反应，耦合程度也较好。

从以上的分析可知：赤道西太平洋春季海温与西南地区夏季降水量存在显著的正相关关系，当赤道中太平洋春季海温异常偏暖时，除四川东南部与云南交界处以及峨眉、乐山两个站点外，当年西南大部分地区夏季降水量异常偏多，反之如果赤道中太平洋海温异常偏冷，除上述地区外，当年西南大部分地区夏季降水量异常偏少。这一结果也与前文赤道中太平洋海温异常偏冷、偏暖年当年西南地区夏季降水合成分析的结果是一致的，说明其具有统计学意义。

Figure 9. Summer precipitation in southwest and SVD decomposition of spring SSTA in the equatorial western pacific heterogeneity correlation coefficient and corresponding time coefficient of the first mode: (a) Summer precipitation in the southwest; (b) spring SSTA anisotropy correlation coefficient in the equatorial western pacific; (c) Time coefficient

图9. 西南地区夏季降水量与赤道西太平洋春季SSTA的SVD分解第1模态的异性相关系数及相应的时间系数(a) 西南地区夏季降水量；(b) 赤道西太平洋春季SSTA异性相关系数；(c) 时间系数

3.3.3. 西南地区夏季降水与夏季太平洋关键区海温的SVD分解

将西南地区夏季降水与赤道中太平洋夏季海温做SVD分解后，所得的三个模态解释方差分别为66.74%、11.00%、7.67%，第2模态和第3模态的解释方差和较小，因此仍然主要对第1模态进行分析。图10即为SVD分解第1模态异性相关系数分布图，图10(a)为降水场、图10(b)为夏季海温距平场，图10(c)为第1模态的空间分布和时间系数。由图10(b)可以看出，在所选关键区内除了西南部分海域的相关系数为正，整体上来说，夏季太平洋海温的异性相关系数主要为负，且通过0.05显著性检验，其异性相关系数绝对值中心达到0.14以上。西南地区夏季降水的异性相关系数图上(图10(a))可以看出，西南地区异性相关系数值均为负值，且通过了0.05显著性检验，其最大负值区域同样也位于贵州省，相关系数的绝对值达0.8以上。分析第1模态的时间序列相关系数分布(图10(c))也可以看出，西南地区夏季降水与赤道西太平洋夏季海温二者之间的时间变化趋势也是大致相同的，相关系数为0.43，通过0.05的显著性检验。此外，1961年~2001年61年来西南地区夏季降水量的丰年、枯年均在图中有较为清晰的反应，耦合程度也较好。

从以上的分析可知：赤道西太平洋夏季海温与西南地区夏季降水量存在显著的正相关关系，当赤道中太平洋夏季海温异常偏暖时，除四川东南部与云南交界处以及峨眉、乐山两个站点外，当年西南大部分地区夏季降水量异常偏多，反之如果赤道中太平洋海温异常偏冷，除上述地区外，当年西南大部分地区夏季降水量异常偏少。这一结果同样与前文赤道中太平洋海温异常偏冷、偏暖年当年西南地区夏季降水合成分析的结果是一致的，说明其具有统计学意义。

Figure 10. SVD decomposition of summer precipitation in southwest and summer SSTA in the equatorial western pacific heterogeneity correlation coefficient and corresponding time coefficient of the first mode. (a) Summer precipitation in the southwest; (b) The correlation coefficient of summer SSTA anisotropy in the equatorial western pacific; (c) Time coefficient

图10. 西南地区夏季降水量与赤道西太平洋夏季SSTA的SVD分解第1模态的异性相关系数及相应的时间系数(a)西南地区夏季降水量；(b) 赤道西太平洋夏季SSTA异性相关系数；(c) 时间系数

4. 结论

(1) 西南地区近60年的夏季降水量呈下降的趋势，降水的空间分布不均，自南向北减少。同时降水与海温的相关系数表明，西南地区6~8月降水与赤道西太平洋海温关键区(125˚E~175˚W, 15˚S~20˚N)呈显著的正相关，即关键区海温异常偏暖(冷)，西南地区夏季降水偏多(少)。

(2) EOF及合成分析表明，关键区海温异常偏高时，西南地区降水偏多且主要集中于四川东部、重庆及贵州地区；而在海温异常偏低的年份时，降水偏少。

(3) SVD分析表明，关键区前期冬季、春季及当期夏季海温与西南地区夏季降水量均存在显著的正相关关系，即关键区海温异常偏暖(冷)，西南地区夏季降水偏多(少)，与相关系数分析及合成分析的结果一致。