以中国夏季气温为预测对象,选取东亚地区冬季500 h Pa高度场、海平面气压场、地表温度场和850 h Pa温度场为预测因子,采用1951～2009年去趋势处理后的资料,通过变形的典型相关分析（Barnett-Preisendorfer Canonical Correlation Analysis,BP-CCA）方法分别建立单因子预测模型,再利用集合典型相关分析（Ensemble Canonical Correlation,ECC）方法建立集合预测模型,对中国夏季气温进行基于交叉检验方法的预测试验,然后利用2010～2014年的资料对中国夏季气温进行独立样本检验。通过分析BP-CCA模态可知,一对BP-CCA模态的空间型在一定程度上可以反映预报因子场和对象场的遥相关特征。通过基于交叉检验方法的预测试验表明环流场和热力场均能为气温提供预测信息。ECC预测模型综合了各个预报因子的在不同地区的预报技巧,比单因子BP-CCA预测模型有更高、更稳定的预报技巧。独立样本检验表明ECC模型与单因子BP-CCA预测模型相比,对中国夏季气温有更高、更稳定的实际预测能力,对气温季节预测具有参考价值。
选取前期9、6和3个月欧亚大陆地表温度、东北半球500 h Pa高度场、热带印度洋海表面温度和西太平洋海表面温度作为预报因子,使用变形的典型相关分析(BP-CCA)方法,并选取各因子预报效果最好的时期作为关键时期,建立起各因子和青藏高原冬季气温之间的统计降尺度模型。之后用交叉验证和集合典型相关分析(ECC)方法评估模型实际预报能力。进一步用独立样本检验来评估模型更长时间尺度的年际变化预测效果。结果表明,BP-CCA方法能很好地识别出不同因子影响青藏高原的空间模态。其中,温度积雪反照率的正反馈机制体现了欧亚大陆地表温度的可预报性;东北半球500 h Pa高度场环流型不利于高纬的冷空气入侵高原地区;热带印度洋海表面温度反映出典型的印度洋偶极子对高原气温的调控作用;西太平洋海表面温度通过控制副热带高压的位置,从而影响高原冬季气温。各因子预报场和观测场的相关系数在交叉检验和独立样本检验中分别约为0.5和0.3,均有一定的预报技巧。而利用ECC方法能综合各因子所提供的预报信息,从而得出更为可信和稳定的预报。
