摘要：本研究開發(fā)了一個預(yù)測西北太平洋及其子區(qū)域（南海，西北太平洋西部，西北太平洋東部）周際熱帶氣旋成因的L2正則化（防止過擬合，引入?yún)?shù)λ控制各個量級參數(shù)的大小從而控制回歸的非線性強(qiáng)弱）邏輯回歸模型。TC成因的潛勢預(yù)報模式包括氣候態(tài)TC成因的時間變化，MJO，QBOW和ENSO。建立的L2回歸模型中預(yù)測因子的相對重要性通過從0-7周提前期中每個區(qū)域的正向逐步選擇程序來證明。
氣候態(tài)TC成因一般可以提升區(qū)域模式的技巧，而季節(jié)內(nèi)振蕩和ENSO的重要性有區(qū)域依賴。在WNP，通過包括MJO和QBWO，模型在預(yù)測周際TC成因時的技巧比僅考慮時間變化氣候態(tài)提前了4周的時間，而ENSO的影響有限。在區(qū)域尺度，ENSO和MJO及QBWO分別是在EWNP和WWNP的兩個除氣候態(tài)TC成因外最重要的預(yù)測因子。MJO被認(rèn)為是在南海最重要的預(yù)測因子。邏輯回歸模型在季節(jié)內(nèi)時間尺度展示出了與EC動力模式有相當(dāng)?shù)目煽啃院皖A(yù)測技巧得分。
重要性說明：熟練的短期到季節(jié)時間尺度的TC活動預(yù)報現(xiàn)已投入運(yùn)行。雖然對驅(qū)使TC活動的物理機(jī)制的理解已經(jīng)有了很大的進(jìn)步，但是TC的季節(jié)內(nèi)預(yù)報依然是重大的科學(xué)挑戰(zhàn)。本研究發(fā)展了一個基于統(tǒng)計預(yù)測WNP海盆周際TC成因的季節(jié)內(nèi)模式。該模式展示了直到第四周的預(yù)測技巧。我們討論模型技術(shù)對ENSO和其他次季節(jié)氣候振蕩的區(qū)域依賴性。該方法為西北太平洋海盆的TC提供了有技巧的季節(jié)內(nèi)預(yù)測。
結(jié)論：在該研究中，我們針對WNP TC成因使用L2正則回歸方法發(fā)展了一個季節(jié)內(nèi)統(tǒng)計預(yù)報模型。因為對TC的物理控制機(jī)制存在很大的物理控制機(jī)制，所以我們將整個WNP海盆分為三個子區(qū)域。（SCS,WWNP,EWNP）并使用相同的方法，在季節(jié)內(nèi)時間尺度上針對每個子區(qū)域開發(fā)了統(tǒng)計預(yù)報模式。氣候態(tài)TC成因，兩個MJO指數(shù)，兩個QBWO指數(shù)和ENSO的特征ONI（ocean nino index）指數(shù)被選為該研究中回歸模型的潛在預(yù)報因子。根據(jù)每個預(yù)測因子的實時可用性，為其引入適當(dāng)?shù)臏?。我們使用向前逐步選擇法評估了在整個WNP和三個子區(qū)域的潛在預(yù)報因子于0-7周時的相對重要性。為整個WNP和三個子區(qū)域開發(fā)了獨立的模式。
通常來說，時變氣候態(tài)TC成因一般作為最重要的預(yù)測因子并在周際TC成因預(yù)測中展現(xiàn)著較高的模式技巧。通過包括ISO，模式技巧得以在整個WNP海盆提升到提前4周。相比之下，由于ENSO對WWNP和EWNP的TC成因影響相反，所以ENSO對WNP海盆技巧提升影響有限。除了TC預(yù)測技巧對ENSO的區(qū)域依賴性，季節(jié)內(nèi)TC成因預(yù)測也展現(xiàn)了對ISO很強(qiáng)的區(qū)域依賴。通過將ENSO納入WWNP和EWNP，模型技巧有了很大的提高，而MJO和QBWO雖然都提高了SCS和WWNP的模式技能，但對EWNP的影響有限。對ENSO和ISO的區(qū)域依賴性可以很大程度上解釋模式預(yù)測整個WNP海盆的臺風(fēng)和熱帶風(fēng)暴時的差異。統(tǒng)計模式的性能可以與EC動力模式比擬。我們發(fā)現(xiàn)在第二周有可與EC動力模式比擬的可靠性和預(yù)測技巧得分，在第3-6周的預(yù)測技巧得分更高。
通過內(nèi)部（1979-2009）和外部（2010-2019）驗證方法評估了模式的預(yù)測技巧，我們發(fā)現(xiàn)了類似的結(jié)果?？紤]到氣候態(tài)年代際差異對模式技能的潛在影響，我們進(jìn)一步比較了模式在1979-1997年氣候態(tài)和1998-2009年氣候態(tài)技巧的差異。我們發(fā)現(xiàn)，不論是在完整的WNP還是在三個子區(qū)域，兩段時間的差異都很小。這些分析揭示了本研究開發(fā)的季節(jié)內(nèi)預(yù)報TC成因統(tǒng)計模式對年代際背景狀態(tài)不敏感。最后，我們使用非濾波方法通過實時MJO和QBWO指數(shù)進(jìn)行了預(yù)測，發(fā)現(xiàn)統(tǒng)計模式展示了在WNP海盆上實時表示TC成因的能力。預(yù)測技巧也與使用帶通濾波提取MJO和QBWO信號時相當(dāng)。
盡管本文開發(fā)的模式看起來很有前景，但應(yīng)考慮更多的季節(jié)內(nèi)潛在預(yù)報因子，包括其他赤道波動，熱帶外遙相關(guān)和其他海盆的海溫異常。通過系統(tǒng)分析和評估當(dāng)前動力模式在季節(jié)內(nèi)時間尺度上預(yù)測TC的技能，進(jìn)一步研究關(guān)鍵的環(huán)境因素和大尺度環(huán)流系統(tǒng)對季節(jié)內(nèi)時間尺度的TC預(yù)測的影響。最近，越來越多的人關(guān)注機(jī)器學(xué)習(xí)和人工智能在預(yù)測中的使用。Matsuoka等人使用二維深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型成功的監(jiān)測到了WNP上的TC成因和前兆。Ham等人也使用CNN模型更好的預(yù)測了ENSO事件。深度學(xué)習(xí)的應(yīng)用可能會很大程度上的提高季節(jié)內(nèi)時間尺度上對TC活動的預(yù)測技能。
引言：TC是全世界破壞性最大的自然災(zāi)害，對沿海和相鄰內(nèi)陸地區(qū)的生命和財產(chǎn)構(gòu)成重大威脅。為了為TC相關(guān)的防災(zāi)減災(zāi)提供更好的指導(dǎo)，最近人們越來越關(guān)注TC活動的擴(kuò)展時間預(yù)測的改進(jìn)。在過去的幾十年，在理解驅(qū)動TC活動的物理機(jī)制方面已經(jīng)有了很大的進(jìn)步。對TC活動從短時（每天）到季節(jié)性的熟練預(yù)報已經(jīng)發(fā)布運(yùn)行。
短期TC預(yù)測的技巧主要來自于初始條件，通常隨著模式分辨率和數(shù)據(jù)同化系統(tǒng)的改進(jìn)而呈現(xiàn)出增加的趨勢。在季節(jié)時間尺度，TC預(yù)測很大程度上由緩慢變化的大尺度環(huán)境變量決定，如SSTs。統(tǒng)計模式，混合統(tǒng)計-動力模式和動力模式已成功應(yīng)用于TC的季節(jié)展望。在季節(jié)內(nèi)時間尺度，TC活動預(yù)報通?；谂c季節(jié)內(nèi)振蕩、對流-耦合赤道波和SST。
季節(jié)內(nèi)TC預(yù)測仍然是一個重大科學(xué)挑戰(zhàn)，雖然一些統(tǒng)計、動力和混合統(tǒng)計-動力技術(shù)已經(jīng)用于預(yù)測季節(jié)內(nèi)時間尺度的TCs。為了獲得一套無縫預(yù)測產(chǎn)品，世界天氣研究署和世界氣候研究署發(fā)起了一個次季節(jié)-季節(jié)（S2S）項目。其中一個關(guān)鍵的項目就是評估11個已投入使用的動力模式在季節(jié)內(nèi)時間尺度預(yù)測極端氣候和天氣事件的能力，包括TC活動，由此改進(jìn)擴(kuò)展時間范圍預(yù)報。
近些年，一些動力模式在預(yù)測MJO方面已經(jīng)有了顯著改善，MJO被認(rèn)為是季節(jié)內(nèi)時間尺度一個重要的可預(yù)報性來源。基于統(tǒng)計的季節(jié)內(nèi)時間尺度TC預(yù)測模式展示了可與動力模式和動力統(tǒng)計混合模式可比擬的能力。人們認(rèn)為動力模式在預(yù)測ISO和熱帶波時仍有可改進(jìn)的空間。
在WNP海盆，大量先前的研究已經(jīng)使用動力模式或統(tǒng)計-動力模式技術(shù)探索了季節(jié)內(nèi)TC活動預(yù)報。還開發(fā)了統(tǒng)計模式用于熟練地TC成因季節(jié)內(nèi)預(yù)測。這些統(tǒng)計預(yù)測關(guān)注點大多在南半球，或在東北太平洋和北大西洋海盆，據(jù)我們所知，沒有研究概述WNP海盆季節(jié)內(nèi)TC成因的統(tǒng)計預(yù)測模式。影響WNP海盆TC成因的因素與驅(qū)使南半球，東北太平洋和北大西洋TC活動的因素有所差異。本研究使用方法類似于L&W和S&M的研究，但主要關(guān)注WNP。我們建立了一個統(tǒng)計預(yù)測模式用于預(yù)測WNP海盆的季節(jié)內(nèi)TC成因，并檢驗了模式的預(yù)測技巧。這里使用的統(tǒng)計回歸模式不同于這兩篇文章，使用了L2模型，很大程度上克服了潛在的過擬合問題。
第二段描述了本文使用的數(shù)據(jù)和開發(fā)的用于預(yù)測周際TC成因的邏輯模型。第三段討論了季節(jié)內(nèi)預(yù)報模式中潛在預(yù)測因子的相對重要性。第四段詳細(xì)介紹了WNP TC成因的季節(jié)內(nèi)預(yù)測模型的構(gòu)建。第五段評估了邏輯回歸模型預(yù)測周際TC成因的技巧，并與EC的模式作了對比，最后為該模式開發(fā)了一套不涉及濾波的實時預(yù)測方案。第六段總結(jié)了該研究。
數(shù)據(jù)與方法
數(shù)據(jù)：JTWC最佳路徑數(shù)據(jù)集，包括經(jīng)緯度，中心最低氣壓，6小時間隔的最大持續(xù)風(fēng)速。記錄1979-2019，WNP（0-40°n，100-180°E）地區(qū)擴(kuò)展后北半球夏季（5.1-10.31）>34kt的TC（達(dá)到熱帶風(fēng)暴級別）。
TC強(qiáng)度在生命時間中達(dá)到34kt時所在的時間和位置定義為生成時間與位置。
驅(qū)動WNP各個子區(qū)域TC生成的物理過程存在很大的差異，所以對各個子區(qū)域使用不同的預(yù)測因子可以取得更好的效果。
所以將WNP分為南海（SCS）、西西北太平洋（WWNP）和東西北太平洋（EWNP），如圖1。
分界同時基于了物理和操作上的考慮，120°E為東西菲律賓島的分界，140°E為對ENSO響應(yīng)相反的區(qū)域界線。
最新的一些WNP海盆次季節(jié)模式中，EC模式在提前2-3周預(yù)測大部分海盆的TC時表現(xiàn)了最好的技巧。為了在次季節(jié)時間尺度上比較動力和統(tǒng)計模式，從S2S數(shù)據(jù)集中獲取了TC成因預(yù)報的后報結(jié)果。Vitart等詳細(xì)描述了S2S數(shù)據(jù)集的細(xì)節(jié)。EC模式的預(yù)測提前時間為46天（大約提前6周），并且再預(yù)報系統(tǒng)中有11個集合成員。從2000-2019年，這些再預(yù)報系統(tǒng)每周運(yùn)行兩次（周一到周四）。使用V和S（2001）描述的方法追蹤動力模式后報結(jié)果中的TC。TC路徑包括每日最大持續(xù)風(fēng)速值和風(fēng)暴位置。注意到EC模式產(chǎn)生的提前一周的后報結(jié)果包括先前已存在的風(fēng)暴。因為這里使用的EC模式不能模擬最大觀測TC強(qiáng)度，所以本研究只考慮達(dá)到熱帶風(fēng)暴風(fēng)速閾值的TC，該閾值定義為壽命最大強(qiáng)度累計密度分布的18%（即24kt），效仿了Lee等（2018）的研究。
對動力模式而言，TC成因的概率由11個系統(tǒng)成員的分?jǐn)?shù)計算得到，定義為：
M為集合成員的數(shù)目，Pi，j為第j個成員的第i次成因預(yù)測，Pi，j為0表示沒有成因，為1表示在預(yù)測時間中有一個或更多風(fēng)暴事件形成。
為了獲得ENSO指數(shù)，使用HadlSST數(shù)據(jù)集。OLR用于量化季節(jié)內(nèi)模態(tài)。來自NOAA1979-2019年的日平均OLR，水平分辨率為2.5°*2.5°。
類似于之前的研究，使用EOF分析物理變量（如OLR、降水和風(fēng)），使用OLR獲得了兩種主要的ISO模式，主要周期為10-20天的QBWO和30-60天的OLR。這些模式都會顯著的影響WNP海盆的TC成因，因此被選為TC季節(jié)內(nèi)預(yù)測的潛在預(yù)測因子。
L2正則回歸模型
我們使用多元邏輯回歸方法開發(fā)了一個統(tǒng)計模型用于WNP海盆的季節(jié)內(nèi)TC成因預(yù)測。邏輯回歸已廣泛使用與物理和社會科學(xué)，并且有效應(yīng)用于概率預(yù)測，因為它允許輸入預(yù)測為二分法（0或1），并預(yù)測0-1之間的概率。一個二分的指數(shù)用于表示事件的發(fā)生與否，即為1（事件發(fā)生）或0（事件未發(fā)生）。邏輯回歸假設(shè)函數(shù)Hβ定義為：
P尖為TC成因的預(yù)測概率，在0-1之間，X1~m為預(yù)測因子，β0~m代表預(yù)測值和歷史預(yù)測值的回歸系數(shù)。
回歸模型趨向于建立一個假設(shè)函數(shù)，如果可能的話該函數(shù)適用于所有訓(xùn)練樣本。如果模型訓(xùn)練的時間太長且訓(xùn)練樣本集有限的話，它將開始學(xué)習(xí)噪音并過于擬合訓(xùn)練數(shù)據(jù)。也就是說，會成為一個過擬合的模型，僅適用于訓(xùn)練集而不適用于其他獨立的數(shù)據(jù)。如果一個模型不能很好的概括新數(shù)據(jù)，那它也不能成功的進(jìn)行實時預(yù)測。此外，如果由于模式復(fù)雜的性發(fā)生了過擬合，那么有意義的做法是減少某些確定預(yù)測因子的數(shù)目或權(quán)重。然而，很難提前知道應(yīng)該移除哪些具體模型的特征。正則方法尤其可以幫助避免過擬合。該方法具體為加入一個懲罰項，如L1范數(shù)和L2范數(shù)（詳見L1-norm (L1范數(shù)) L2-norm(L2范數(shù))_w__Y__w的博客-CSDN博客），作為模型的損失函數(shù)。使用L2正則化方法的回歸模型稱為嶺回歸模型。嶺回歸通過對回歸系數(shù)的大小施加懲罰來收縮回歸系數(shù)，而不是丟棄預(yù)測因子的子集，以減小模型的預(yù)測誤差。
在本研究中，開發(fā)了一個L2正則邏輯回歸（為邏輯回歸的損失函數(shù)加入L2范式）模型來生成后報概率。L2正則邏輯回歸的損失函數(shù)表示為：
Oi為觀測到氣旋發(fā)生事件的概率，λ表示懲罰參數(shù)。較大的λ值將傾向于將回歸系數(shù)收縮到零。等式（3）右側(cè)的第一項是原始邏輯回歸損失，第二項表示L2懲罰（即嶺懲罰）。請注意，截距β0已從懲罰項中刪除。通過最小化損失函數(shù)J（β）來計算回歸系數(shù)。具有L2正則化的邏輯回歸可以收縮回歸系數(shù)以避免過度擬合，同時保留模型中的所有變量。當(dāng)回歸系數(shù)接近零時，變量的重要性可以忽略。
在該研究中，我們效仿L和W以及S和M使用L2正則化邏輯回歸產(chǎn)生直到第7周（0-7周）的TC成因概率預(yù)測。為了消除潛在的模式偏差，TC在每周的一個具體時間開始形成（如周日或周一），我們使用重疊周開發(fā)模型，從每天開始。此外，W0定義為以模型初始化的每一天為中心的七天周期，它不提供可預(yù)測性，但用作比較手段。針對整個WNP海盆和分的三個子區(qū)域（如SCS,WWNP,EWNP），針對W0-W7的提前時間開發(fā)了各自的模型。
3. 預(yù)測因子選擇方案
3.1 氣候態(tài)TC成因
氣候態(tài)TC成因的建立基于1979-2009對全部WNP海盆和三個子區(qū)域的觀測，表示其對應(yīng)的每周TC發(fā)生的平均發(fā)生概率。該氣候態(tài)被選為描述周際TC成因季節(jié)性循環(huán)的預(yù)測因子。（圖2）
因為樣本相對較小，所以通過觀測到每年的周際TC成因概率（二元概率）計算的原始的氣候態(tài)概率有很多噪音（虛線），使用該原始?xì)夂驊B(tài)作為預(yù)測因子可能會影響回歸模式的性能。因此，平滑后的氣候態(tài)（實線）代替原始?xì)夂驊B(tài)作為整個WNP和三個子區(qū)域的預(yù)測因子。效仿L和W在南半球的工作，使用對原始序列低通濾波的方法得到平滑后的氣候態(tài)。
3.2 ENSO
除了季節(jié)性TC成因循環(huán)，季節(jié)內(nèi)TC預(yù)測也需要包括年紀(jì)時間尺度的預(yù)測因子來代表影響TC成因的大尺度環(huán)境條件的低頻變化。由于對WNP區(qū)域TC活動的顯著影響，選擇ENSO作為季節(jié)內(nèi)調(diào)制TC成因的潛在預(yù)測因子。EI Nino年較La Nina年而言，有更多的TC在WNP海盆東南部生成、路徑偏西且強(qiáng)臺風(fēng)更多。如圖三所示，在E年和L年，WNP海盆的氣候態(tài)TC成因概率沒有顯著的差異。然而，當(dāng)檢驗三個子區(qū)域氣候態(tài)TC成因概率時，E年，WWNP子區(qū)域的峰值比EWNP子區(qū)域更低，反之亦然，與前人研究得到的ENSO對TC成因位置的顯著影響一致。在該研究中，ENSO使用海洋NINO指數(shù)（ONI）表示，定義為Nino3.4海域（5°s-5°n，170°w-120°w）海溫異常的三個月滑動平均。強(qiáng)E年定義為5個連續(xù)的ONI指數(shù)異常大于+0.5℃的三個月平均時段。且在這段時間該異常必須大于等于1℃至少三個連續(xù)的月。使用該定義，在1979-2019年我們找到了15個強(qiáng)ENSO年，包括
8個強(qiáng)E年：1982,1987,1991,1994,1997,2002,2009,2015
7個強(qiáng)L年：
1988,1995,1998,1999,2007,2010,2011。
3.3 MJO
季節(jié)內(nèi)振蕩（ISO）被認(rèn)為是季節(jié)內(nèi)預(yù)測的主要的預(yù)測來源。大量研究已經(jīng)揭示了ISO對TC活動的強(qiáng)調(diào)制作用，在對流-活躍ISO位相有更多的TC，對流-抑制ISO位相的TC則更少。MJO模態(tài)是ISO在熱帶的主導(dǎo)模態(tài)。在北半球夏季，WNP上空的MJO展現(xiàn)了顯著的西向或西北向傳播，這與北半球冬季MJO主要向東傳播不同。然而，之前的兩個研究使用了實時復(fù)合（RMM）MJO指數(shù)作為開發(fā)的季節(jié)內(nèi)TC成因預(yù)報模型的主要可預(yù)報性來源。雖然全年的RMM指數(shù)描述了MJO活動，但由于可能受到溫帶地區(qū)的影響，預(yù)計它可能不能完全代表MJO的季節(jié)性和區(qū)域性。
為了代表北半球夏季的MJO活動，本文中的MJO指數(shù)基于對0-40°N，100-180°E區(qū)域1979-2019年5.1-10.31日每天OLR異常的EOF分析構(gòu)建。OLR異常在EOF之前首先進(jìn)行了30-60天的蘭索思帶通濾波。領(lǐng)先的兩個模態(tài)分別解釋了19.8%和13.8%的30-60天帶通濾波OLR異常方差。這兩個EOF模態(tài)可以很好的代表北半球MJO在WNP的活動（圖4），并與前人的研究結(jié)果一致。這些EOF模態(tài)的相應(yīng)主成分在下文稱為MJO-PC1和MJO-PC2。我們進(jìn)一步檢驗了MJO事件對WNP TC的調(diào)制作用。MJO事件的振幅定義為MJO-PC1和MJO-PC2的平方和。如圖4，在對流增強(qiáng)MJO位相（如4-7位相），明顯有更多的TC生成，而在對流抑制的MJO位相（如位相8和1-3）則TC更少。鑒于WNP TC成因與MJO活動間緊密的關(guān)系，選擇這兩個指數(shù)作為復(fù)合邏輯回歸模型的主要預(yù)測因子。
3.4準(zhǔn)雙周振蕩（QBWO）
QBWO被認(rèn)為是ISO的另一種主導(dǎo)模態(tài)、向西或西北方向傳播并且有10-20天的周期性。研究表明QBWO擁有比MJO更強(qiáng)的動能方差，因此可通過改變大尺度環(huán)境來調(diào)制WNP TC。QBWO也使用EOF分解分析但是基于對OLR異常的10-20天帶通濾波。前兩個主導(dǎo)模態(tài)分別解釋了10-20天帶通濾波OLR的8.5%和7.4%的方差，代表了向西或西北方向傳播的QBWO。類似的，QBWO對TC 成因的強(qiáng)調(diào)制在圖5中清楚地顯示，在增強(qiáng)的QBWO相關(guān)對流活躍地區(qū)（2-5位相）比受抑制QBWO相關(guān)對流位相（1,6-8位相）有更多的TC成因聚集。周等人也表明（2018）在對流增強(qiáng)QBWO位相有顯著的TC生長率增長。QBWO前兩個主導(dǎo)EOF模態(tài)的主成分（QBWO-PC1和QBWO-PC2）也作為回歸模型潛在預(yù)測因子之一。
3.5 ENSO和季節(jié)內(nèi)振蕩聯(lián)合調(diào)制TCs的重要性
就像前文提到的一樣，ENSO是最重要的海氣耦合模態(tài)之一，MJO和QBWO是兩個最重要的季節(jié)內(nèi)模態(tài)，它們都可以顯著的影響大尺度環(huán)境，進(jìn)而影響TC活動。TC成因很大程度上依賴于TC適合的大尺度環(huán)境條件，如低層渦度的增加、中層濕度的增加，垂直風(fēng)切變的減小和SST的增加。使用Emanuel開發(fā)的成因潛勢指數(shù)（GPI），趙等人表明相對濕度和低層相對渦度為兩個受ISO調(diào)制的兩個最重要的環(huán)境場，進(jìn)而影響到WNP的TC成因。Camargo等也通過GPI分析研究了與ENSO調(diào)制TC成因相關(guān)的大尺度因素的相對重要性，發(fā)現(xiàn)當(dāng)EI Nino發(fā)生時，相對濕度的增加和低層相對渦度的增加也是WNP TC成因位置東移的主要原因。
然而，ENSO和ISO對TC成因的影響并不是獨立或線性的。之前有研究假設(shè)了ISO的兩個領(lǐng)先模態(tài)（QBWO和MJO）通過改變對TC成因的大尺度環(huán)境條件聯(lián)合調(diào)制WNP TC成因。Li和Zhou（2013）研究表明，在對流抑制的QBWO階段，WNP主要由MJO誘導(dǎo)的正OLR異常控制，導(dǎo)致了對TC成因的顯著抑制。但是，在對流抑制的MJO階段的TC抑制通常弱于對流增強(qiáng)QBWO階段，主要是由于QBWO和MJO相關(guān)的大尺度條件的平衡抵消。
此外，一些研究也提出ENSO和ISO對WNP TC成因的聯(lián)合作用。例如，李等人（2012）發(fā)現(xiàn)ENSO可以通過改變與MJO有關(guān)對流的強(qiáng)度和位置來影響TCs的成因位置和成因頻率，E年比中性和N年，MJO對TC成因的調(diào)制作用更強(qiáng)。Han等人（2019）表明QBWO和ENSO對TC成因的調(diào)制主要與大尺度環(huán)境和天氣尺度渦動動能的空間變化有關(guān)，這些變化影響了與不同ENSO階段下QBWO活躍或非活躍階段相關(guān)的TC成因。
本文考慮了ENSO、ISO和他們的協(xié)同作用在季節(jié)內(nèi)時間尺度對TC成因的不同影響。我們建立了一個季節(jié)內(nèi)統(tǒng)計預(yù)測WNP TC成因的模型。我們發(fā)現(xiàn)整合了ENSO和ISO指數(shù)的統(tǒng)計預(yù)測模型相對于只使用ENSO或ISO指數(shù)的模型有更高的性能。此外，像3.2提到的，ENSO顯著的影響WWNP和EWNP的TC 成因，但對南海TC成因的影響卻很小。當(dāng)MJO和QBWO的對流中心位于SCS和WWNP時，對SCS和WWNP TC的調(diào)制作用比對流驅(qū)動ISO中心位于EWNP時更強(qiáng)。我們將會在5.1中展示，ENSO和ISO對TC成因預(yù)測技能的區(qū)域差異有很大的影響。
4. 開發(fā)邏輯回歸模型
4.1 實時預(yù)報
本文建立WNP海盆季節(jié)內(nèi)TC成因邏輯回歸模型的方法很大程度上遵循了L&W和S&M使用的方法。為了表示可用于實時預(yù)報的數(shù)據(jù)，所有使用的ONI數(shù)據(jù)集都滯后一個月，代表MJO和QBWO的四個指數(shù)都滯后一天。每周預(yù)報的氣候態(tài)值（注意氣候態(tài)是唯一的在每個提前時間都沒有滯后的預(yù)報因子）和五個滯后的預(yù)測因子用于計算回歸系數(shù)，接著將其輸入等式（1）來產(chǎn)生直到提前7周的整個WNP海盆和三個子區(qū)域的預(yù)報。
4.2 預(yù)報因子的相對重要性
正向逐步選擇方案一般用于提供預(yù)測因子重要性的排序。這里，我們使用該方案量化輸入變量對于季節(jié)內(nèi)時間尺度TC成因預(yù)測的相對重要性。為每個預(yù)測值（k）建立單獨的模型，然后計算卡方統(tǒng)計量。在邏輯回歸模型中包括具有最高卡方統(tǒng)計量的預(yù)測因子后，將剩余的k-1個預(yù)測因子分別添加到模型中，再計算新的卡方統(tǒng)計量。重復(fù)該步驟直到引入新的預(yù)測值不會顯著減少誤差平方和（如在cheng等人（2006）95%顯著性臨界值之下）。換句話說，預(yù)測因子維持一個較低的P值（<0.05）時才是對模型更有意義的補(bǔ)充。逐步回歸方案中預(yù)測因子的相對重要性通常與在單變量分析中根據(jù)TC成因概率回歸的獨立預(yù)測因子的結(jié)果一致。
表1總結(jié)了向前選擇方案在每個提前周于整個WNP和三個子區(qū)域的結(jié)果。在整個WNP海盆，氣候態(tài)TC成因是最重要的預(yù)測因子，解釋了大部分TC成因的變率。MJO（包括MJO-PC1和MJO-PC2）發(fā)現(xiàn)是第二重要的預(yù)測因子，尤其在提前1-5周的預(yù)測中。QBWO則在提前1-4周表現(xiàn)著更少的重要性，表明在季節(jié)內(nèi)TC成因預(yù)報中它的相對重要性更低。ENSO對整個WNP的預(yù)測技巧影響有限，尤其在提前0-3周時，可能是由于ENSO對WWNP和EWNP子區(qū)域相反的影響。
在SCS子區(qū)域，兩個ISO（MJO和QBWO）比ENSO有更重要的影響。
在WWNP子區(qū)域，MJO和QBWO在提前0-1周是最重要的因子，而ENSO在提前2-7周是在氣候態(tài)TC成因后第二重要的預(yù)測因子。
在EWNP子區(qū)域，MJO和QBWO對模型技巧的影響有限，ENSO在所有提前時間都是第二重要的預(yù)測因子。
注意到逐步回歸方法通過保留預(yù)測因子子集和丟棄其余部分來得到最佳模型，這會導(dǎo)致預(yù)測誤差可能低于完整模型。然而，最佳模型通常顯示很高的方差并可能會過擬合。本研究中，我們僅使用了逐步回歸來得到預(yù)測因子重要性的順序，但是我們沒有使用它來產(chǎn)生預(yù)測概率。所有的潛在預(yù)測因子用于開發(fā)邏輯回歸模式。潛在因子的相對重要性使用向前逐步回歸得到，并發(fā)現(xiàn)與BSS得到的模型技巧提高接近一致。這種一致性對于所選預(yù)測因子的物理解釋很有用。更多的分析詳見5.1。
4.3 交叉驗證
交叉驗證方法包括內(nèi)部驗證和外部驗證，用于生成后報概率和評估模型技能。2010-2019年的數(shù)據(jù)用于外部驗證，1979-2009年的每年都用兩步交叉驗證方法產(chǎn)生后報。首先，從1979-2009年，連續(xù)省略一年（內(nèi)部驗證）；第二，用剩下的30年（訓(xùn)練集）開發(fā)模型來產(chǎn)生刪除的一年（內(nèi)部驗證）和2010-2019年（外部驗證）的后報。注意對每個不同的訓(xùn)練時段都重新計算氣候態(tài)氣旋成因概率（Clim）。這些后報概率從5.1-10.31獨立生成，導(dǎo)致與L&W所做的周際概率重疊。
提前一周的通過回歸模型使用所有潛在預(yù)測因子得到的后報概率樣本如圖6所示。我們驗證了強(qiáng)E年1997年和強(qiáng)L年1999年的后報概率。和預(yù)料的一樣，在E（L）年，WWNP海盆的后報概率較氣候態(tài)更低（高），而在EWNP正相反。由于ISO在WWNP更強(qiáng)的影響，在WWNP也存在比EWNP更強(qiáng)的季節(jié)內(nèi)TC成因預(yù)報變量。此外，我們發(fā)現(xiàn)后報概率在整個WNP海盆和SCS子區(qū)域的兩個ENSO事件中都與氣候態(tài)一致。這些結(jié)果很大程度上解釋了ENSO對WWNP和EWNP區(qū)域TC成因相反的影響和ENSO對SCS相對較弱的影響。
5. 模式技巧
5.1 邏輯模式可預(yù)測性評估
（a）使用布雷爾分?jǐn)?shù)評估預(yù)測模式技能性能
回歸模型的預(yù)測技巧使用布雷爾分?jǐn)?shù)進(jìn)行定量評估。布雷爾分?jǐn)?shù)使用以下公式來評估概率預(yù)測的準(zhǔn)確性
其中n是事件數(shù)，yi表示事件i的預(yù)測概率，如果事件i發(fā)生，則oi為1，事件未發(fā)生則oi為0。因為預(yù)測和觀測值均以0和1為界，所以BS可以取0-1間的任何值。BS是預(yù)測概率的均方根誤差，所以較低的BS意味著更好的預(yù)報。布雷爾技巧得分（BSS）是衡量預(yù)測模型的BS與參考模型相比有多好的一個指標(biāo)。BSS計算公式為
BS代表后報的BS值，BSref是根據(jù)參考策略計算的BS，該策略使用氣候態(tài)季節(jié)平均（如圖8中的水平線所示，僅隨區(qū)域變化）來產(chǎn)生后報概率。使用該參考策略，可以預(yù)測每天的相同概率，表明一周內(nèi)發(fā)生的平均季節(jié)概率。與參考模型相比，BSS越高，后報預(yù)測模型的改進(jìn)越大。
一般來說，使用所有潛在預(yù)測因子產(chǎn)生的BSSs比僅使用預(yù)測因子子集時更高，但是當(dāng)使用預(yù)測因子子集時也偶爾發(fā)現(xiàn)更高的BSSs。這通常發(fā)生在前幾個預(yù)測因子在TC成因的預(yù)測技巧比其他預(yù)測因子高的多的時候。為了代表技巧的提升和第0-7周預(yù)測因子的相對重要性，模型的后報BSSs使用所有的潛在預(yù)測因子，并且使用預(yù)測子集的模型如圖7所示。
在WNP海盆，當(dāng)考慮全部潛在預(yù)測因子時，使用內(nèi)部驗證的模型技巧表明，在W0-W5期間，與使用平均季節(jié)性氣候態(tài)的參考模型相比，從16%提高到了24%。類似的結(jié)果可以在使用外部驗證得到的模型技巧與使用平均季節(jié)性氣候態(tài)的參考模型中找到（~17%-24%，W0-W7）。這些結(jié)果表明L2正則回歸模型的能力是比較強(qiáng)的，并且在季節(jié)內(nèi)WNP TC成因預(yù)測中展示強(qiáng)大的技巧。當(dāng)在模型內(nèi)部（外部）驗證中僅使用時變氣候態(tài)（如Clim）時，模型將展示較參考模型~16%（~17%）的提升。通過比較使用時變氣候態(tài)以及ENSO的模型和使用所有預(yù)測因子模型的BSSs，我們發(fā)現(xiàn)幾乎沒有額外的提升。這一發(fā)現(xiàn)與ENSO對WNP東西不同的影響而導(dǎo)致的ENSO對整個WNP TCs的局限性一致。使用氣候態(tài)和ISO的模型的BSSs（如：Clim+MJO+QBWO）產(chǎn)生的使用內(nèi)部檢驗得到的提升在提前W0為大于~9%，但相對于Clim模型和Clim+ENSO模型，提前W4的技巧掉了1%。我們在使用外部檢驗加入ISO時也發(fā)現(xiàn)了類似的提升。這些結(jié)果體現(xiàn)了氣候態(tài)TC成因和ISO對于WNP TC成因預(yù)測的重要性。
在SCS，我們發(fā)現(xiàn)當(dāng)使用氣候態(tài)TC成因和內(nèi)部或外部驗證時，較參考模型幾乎沒有明顯的改進(jìn)，這可能是因為南海地區(qū)較低的TC成因概率。Clim+ENSO沒有增加額外的技巧甚至在一些臨界提前時間有所降低，這與ENSO對該區(qū)域TC 成因有限的影響吻合。引入ISO后（C+ENSO+ISO），相對于Clim模型有了額外較大的提升?？偠灾?，ISO對于SCS是一個很重要的預(yù)測因子。
當(dāng)使用內(nèi)部驗證時，Clim模型在WWNP和EWNP分別展示的較參考模型的提升為~6%和~10%，并且ENSO在所有預(yù)測提前時間上的WWNP和EWNP都比單獨的Clim模型提高了~1%。加入ISO后，模型使用內(nèi)部驗證相對于Clim模型在第W0-W4的WWNP產(chǎn)生了大于~1%-3%的增長，而在W0-W1的EWNP基本上無增長。在外部驗證中，ISO對WWNP提供了比ENSO更多的技巧提升，但在EWNP的前兩周的提升有限?？傊?，氣候態(tài)TC成因?qū)WNP和EWNP都為最重要的預(yù)測因子。在WWNP，ISO提供了比ENSO更多的技巧提升。相反的，EWNP地區(qū)預(yù)測技巧的提升主要來自于ENSO。
（b）ENSO和ISO的區(qū)域依賴的作用
WWNP和EWNP中包含ENSO時產(chǎn)生了較大的技巧增長，相對于Clim模型，內(nèi)部與外部驗證都出現(xiàn)了~1%的增長。如3.2提到的，在暖ENSO階段，WWNP地區(qū)的TC成因更少，EWNP則相反。BSSs的分析也支持ENSO對WWNP和EWNP TC成因顯著和相反的影響。我們進(jìn)一步比較了強(qiáng)ENSO年的模型技巧并發(fā)現(xiàn)通過包括ENSO，TC成因模型的技巧有了很大的提升，使用內(nèi)部驗證時，WWNP大約為~3%，EWNP大約為4%（圖8）。潛在預(yù)測因子的相對重要性在模型中使用內(nèi)部和外部驗證時結(jié)果基本相同。此外，ENSO對回歸模型預(yù)測技巧的影響在強(qiáng)ENSO年時較全部年份更大（圖7和8）。
如圖4和圖5，MJO和QBWO都表現(xiàn)著在WWNP對流調(diào)制的最大值，并且這些ISO在該區(qū)域?qū)C成因的有著比SCS和EWNP更重要的調(diào)制。通過加入ISO，WWNP也展示了最多的模式技巧的提升。進(jìn)一步明確技巧的提升，我們選擇了強(qiáng)MJO和QBWO事件來檢驗WWNP區(qū)域的模式技巧。我們定義強(qiáng)事件為分別的ISO振幅大于2的一天。在強(qiáng)MJO對流位相，在前四周（除了第二周）存在有相對于Clim模型的技巧提高。在使用內(nèi)部驗證的模式中，分別在W1的對流增強(qiáng)MJO位相（4-7位相）和對流抑制MJO位相（8,1-3位相）有著顯著的9%和7%的額外提升（圖9），而使用所有的ISO日數(shù)則只有6%的模型技巧提升（圖7）。高振幅MJO事件對TC成因更強(qiáng)的調(diào)制作用也在W0的很大提升中得以反映，即使W0提供的可預(yù)報性有限。在QBWO的活躍位相，在較短的提前時間中也發(fā)現(xiàn)了類似的技巧提升（圖9）。如預(yù)期，QBWO對模式技巧的提升沒有超過W3的，主要由于QBWO更短的周期?？傊琈JO和QBWO都能大量提高模型技巧，隨著技巧的提高，QBWO可延長到第三周，MJO可延長到第四周。
（c）臺風(fēng)強(qiáng)度BSS
在WNP海盆，~65%的TCs會在它們生命中的某個時刻達(dá)到臺風(fēng)強(qiáng)度（>63kt）。在該節(jié)，我們檢驗了當(dāng)預(yù)測最大生命史強(qiáng)度為熱帶風(fēng)暴和臺風(fēng)時，模型預(yù)測整個WNP TC成因技巧差異。如圖10所示，使用內(nèi)部和外部驗證時，使用Clim預(yù)測臺風(fēng)的模式分別表現(xiàn)出了較參考模型11%和13%的技巧提升。相反的，對于熱帶風(fēng)暴，使用內(nèi)部和外部驗證時技巧提升較小，僅為4%和7%。對于臺風(fēng)，季節(jié)內(nèi)變化提供的提升跨越W0-W3，而對于熱帶風(fēng)暴，可擴(kuò)展到W5。這種預(yù)測技巧上差異可能是由于ENSO和ISO的區(qū)域依賴導(dǎo)致。
如圖11所示，大部分達(dá)到臺風(fēng)強(qiáng)度的TCs在120°E-150°E的區(qū)域，這與WWNP和EWNP一致，而保持低于臺風(fēng)強(qiáng)度以下的TCs主要在SCS與WWNP上形成。加入ISO后，在WWNP提前W0-W4和EWNP提前W0-W1的模型技巧得以提升，這與臺風(fēng)的分布一致。在SCS和WWNP的TC成因模型中加入ISO可以提升熱帶風(fēng)暴的技巧到提前5周的時間。像之前展示的，ENSO對于整個WNP海盆季節(jié)內(nèi)時間尺度臺風(fēng)和熱帶風(fēng)暴強(qiáng)度TCs成因預(yù)報的局限性仍然在延續(xù)。
5.2 動力和統(tǒng)計預(yù)報的比較
接下來我們檢測EC模式和本文中提出的邏輯回歸模型在預(yù)測WNP TC成因時的技巧。在5.1-10.31定義的TC季，為了驗證的目的，統(tǒng)計模型生成的后報和EC模型可用的周相同。接著，使用WNP的JTWC TC觀測數(shù)據(jù)進(jìn)行動力和統(tǒng)計模式的后報。
（a）可靠性圖
我們使用可靠性圖（wilks 1995）來檢驗動力和統(tǒng)計模型的可靠性。后報概率和相應(yīng)的觀測裝入十個相同大小的組，然后對每組的后報概率和觀測概率進(jìn)行平均。如圖12所示，我們關(guān)注季節(jié)內(nèi)時間尺度的模型技巧（預(yù)測范圍大于兩周）并提供領(lǐng)先時間為W2-W5的統(tǒng)計和動力模式的可靠性曲線。以完美預(yù)測為中心的10%區(qū)間（實心對角線）由兩條虛線對角線表示?？煽啃跃€在10%的誤差之下時認(rèn)為該模型是可靠的。當(dāng)可靠性線位于完美預(yù)報之下時，認(rèn)為模型低估了TC成因概率，反之亦然。
在整個WNP和三個子區(qū)域，EC模式無法預(yù)測提前W2-W4的TC成因。隨著預(yù)測提前時間的增加，EC模式顯示了低估中低概率組的趨勢。統(tǒng)計模型在提前W2的預(yù)測更可信，且其可靠性曲線較動力模式更靠近對角線。類似的，統(tǒng)計模型在SCS和WWNP也展現(xiàn)了可靠性。然而，在整個WNP和EWNP，統(tǒng)計模式也低估了提前W3-W4中低概率組的TC成因概率。在更長的提前時間預(yù)報，動力和統(tǒng)計模式對TC成因的低估更普遍?？傊?，統(tǒng)計預(yù)測模式比EC模式在提前W2-W4的預(yù)測表現(xiàn)的更可靠。
（b）概率預(yù)測技巧
EC模式的概率預(yù)測技巧使用BSSs衡量，將統(tǒng)計模型作為參考預(yù)測策略模式。此外，相對操作特征得分（ROC）（定義為ROC曲線下的面積），與命中率和相應(yīng)的虛警率有關(guān)，也用于評估概率預(yù)報的技巧。ROC得分等于1.0為完美預(yù)報，而等于0.5則為無預(yù)測技巧。
先前的研究發(fā)現(xiàn)EC模式比其他統(tǒng)計模式在預(yù)測第一周的TC頻次時有更好的技巧。在這里，我們比較了提前W2-W6的動力和統(tǒng)計模式預(yù)報技巧，因為很難消除先前存在的風(fēng)暴的影響，包括EC模式生成的W1的后報。隨著提前時間的增加，由BSSs和ROC分?jǐn)?shù)衡量的EC模式技巧逐漸下降（圖13）。比較參考模型，EC模式在整個WNP和EWNP的提前W2-W6顯示了正的BSSs，而SCS和WWMP，除了提前W2，其他都顯示了負(fù)的BSSs。在提前W2，統(tǒng)計模式的預(yù)測技巧接近EC模式，并且統(tǒng)計模式在更長時間的提前周比EC模式表現(xiàn)更好，BSS和ROC都有體現(xiàn)。
5.3 L2正則化模型的實時預(yù)測方案
這里開發(fā)的回歸模型可以在WNP的周際TC成因預(yù)測中直接應(yīng)用氣候模式基本狀態(tài)預(yù)測的ISO指數(shù)。更重要的是，為了確保開發(fā)的L2回歸模型可用于實時預(yù)測，根據(jù)之前的研究通過非濾波的方法提取實時ISO指數(shù)。在本研究中，我們采取Hsu開發(fā)的非濾波方法提取MJO和QBWO信號。特別的，實時MJO（QBWO）指數(shù)可以從以下四步來獲取。
首先，減去1979-2009年期間的氣候態(tài)90天低通濾波分量，以從原數(shù)據(jù)中刪除氣候年周期。
接著，從上述異常場中減去前30（10）天的30（10）天均值，已去除較低的頻率可變性。
然后應(yīng)用5（3）天運(yùn)行平均值，以消除MJO（QBWO）模式的更高頻率可變性。
最后，通過將OLR異常場投影到從季節(jié)內(nèi)時間濾波歷史數(shù)據(jù)導(dǎo)出的每個模式上，就可以獲得MJO（QBWO）模式的實時PCs。更多細(xì)節(jié)參見Hsu等人（2014）。
實時監(jiān)測MJO指數(shù)和QBWO指數(shù)的示例如圖14所示。MJO和QBWO模態(tài)的實時監(jiān)測時間序列分別可以捕獲30-60天和10-20天的ISO信號（圖14a和14b），與MJO的PC1/PC2和QBWO的PC1/PC2的顯著相關(guān)系數(shù)分別為0.82/0.78和0.75/0.70。較長的時期內(nèi)也存在類似的一致性（表2）。在2010-2019年的5-10月，使用非濾波方法和帶通濾波方法的MJO和QBWO模態(tài)的前兩個主要PCs相關(guān)系數(shù)分別約為0.8和0.7，這有1979-2009年31年數(shù)據(jù)統(tǒng)計分析的支持。
此外，我們比較了使用帶通濾波和非濾波方法得到的2010-2019年ISO指數(shù)的模型技巧。圖14c展示了統(tǒng)計模式使用氣候態(tài)和加入ISO時BSS值的差異。在整個WNP和三個子區(qū)域，使用兩種信號提取ISO信號導(dǎo)致的模型技巧絕對差異很小，兩種方法間不超過1.6%。為了進(jìn)一步表現(xiàn)實時模型技巧，我們比較了對整個WNP和三個子區(qū)域在模型中使用兩種方法得到的后報，技巧得分和可靠性圖，類似的發(fā)現(xiàn)僅在大小上有些微的差異（補(bǔ)充圖1-6）?？傊?，開發(fā)的L2回歸模型可以在使用非濾波方法提取ISO信號的前提下，用于WNP的季節(jié)內(nèi)實時周際TC成因預(yù)測。
