长江流域年降水预测动力-统计降尺度方法及其应用

基于站点资料、再分析数据和动力气候模式回报数据,利用经验正交函数分解（EOF,Empirical Orthogonal Function）迭代和年际增量方法,探讨了长江流域年尺度降水异常的动力-统计降尺度预测方法及其应用效果。结果表明,基于再分析数据的年尺度环流场,建立的长江流域年尺度降水异常增量的统计降尺度预测方案,其26 a回报检验的距平相关系数（ACC）平均达0.6,证明该方案具有较高的可预报性。进一步利用模式预测的年尺度环流场,建立了年降水异常增量的动力-统计降尺度预测方案,其ACC平均为0.42,显示了较高的回报技巧,远优于模式直接输出的年降水动力预报结果。通过分析调制年降水预报技巧高低的因素发现,赤道中东太平洋年平均海温距平为负值时,预报技巧更高,ACC平均达0.5以上。在拉尼娜发展年或拉尼娜持续年的冷水背景下,利用EOF迭代选取的特征向量偏多时,多尺度的大气环流信息被纳入预测模型中作为预测信号,预测技巧得到了提高。     

中国夏季降水的组合统计降尺度模型预测研究

现阶段的动力气候模式尚不能满足东亚区域气候预测的实际需求,这就需要动力和统计相结合的方法,将动力模式中具有较高预测技巧的大尺度环流信息应用到降水等气象要素的统计预测模型当中,以改善后者预测效果。本文中所介绍的组合统计降尺度模型,可将动力气候模式预测的大尺度环流变量和前期观测的外强迫信号作为预测因子来预测中国夏季降水异常。交叉检验结果显示,组合统计降尺度预测模型的距平相关系数较原始模式结果有较大提高。在实时夏季降水预测中,2013～2018年平均的预测技巧相对较高,趋势异常综合检验（PS）评分平均为71.5分,特别是2015～2018年平均的PS评分预测技巧达到72.7分,总体上高于业务模式原始预测和业务发布预测的技巧。该组合统计降尺度模型预测性能稳定,为我国季节预测业务提供了一种有效参考。     

中国夏季月际—季节平均降水动力和统计结合实时预测模型

中国夏季降水大幅度月际尺度变化往往造成极端旱涝事件交替或转折,但其月际异常会被季节平均掩盖,影响季节尺度气候预测准确度,因此亟需考虑月际气候预测,提升月际—季节尺度气候预测准确度。本文首先采用年际增量和场信息耦合型预测方法研制中国夏季6～8月月际尺度降水动力和统计结合气候预测模型,之后根据月际尺度降水预测,开展季节平均降水预测。首先,基于前期观测信息和美国第二代气候预测系统（CFSv2）预测结果,选取前期12月观测的南太平洋中高纬关键区海温、1月北极关键区海冰密集度以及CFSv2预测系统2月起报的夏季同期关键区海温作为月际尺度降水预测因子,分别研制以上具有物理意义的单预测因子预测模型,并采用奇异值分解（SVD）误差订正方法对其改进;之后,利用多因子择优集合方案,研制预测效能较高且稳定的中国160站夏季月际尺度降水动力和统计结合预测模型,进而基于月际尺度预测开展夏季季节平均气候预测。1983～2022年夏季（6～8月）中国160站逐月降水预测模型的交叉检验结果表明：逐月回报与观测降水距平百分率的时间相关系数通过90%置信水平的站点占比分别为90%,88%,82%,多年平均的空间相关系数分...     

东亚夏季风强度的多尺度统计预测模型

东亚夏季风强度的变化与中国雨带和旱涝分布密切相关。为了做好东亚夏季风强度的短期气候预测,采用小波分析、Lanczos滤波器、交叉检验等方法,研究了东亚夏季风强度的多尺度变化特征,在年际与年代际尺度上分别寻找了它在前冬海温场、200 hPa纬向风场上的前兆信号,并利用最优子集回归建立了东亚夏季风强度的多尺度统计物理预测模型。结果表明:东亚夏季风强度存在准4年、准13年和准43年的周期振荡。年际尺度上,前冬赤道东太平洋(10°N~10°S,160°W~80°W)海温与东亚夏季风强度有最强的显著负相关,且它与东亚夏季风强度在200 hPa纬向风场上的前兆信号有较强的负相关;年代际尺度上,南半球60°S与35°S附近200 hPa纬向风之差与东亚夏季风强度有最强的显著正相关,且它与东亚夏季风强度在热带印度洋、低纬度东南太平洋、低纬度南大西洋的海温及亚洲副热带200 hPa纬向风等前兆信号有强的正相关。通过探讨这两个前兆因子对东亚夏季风强度的预测意义,揭示了他们影响东亚夏季风强度年际和年代际变化的可能物理过程。所建立的东亚夏季风强度多尺度最优子集回归预测模型,不仅对东亚夏季风强度的年际变化具有较好的预测能力,而且对异常极值年份也具有一定的预测能力。     

基于BCC_CSM模式的山西省盛夏降水降尺度预测

降尺度方法是目前弥补气候系统模式预测结果不足的重要手段,为获得具有较高预测技巧的山西盛夏降水客观化预测产品,本文选取1990—2017年6月起报的BCC_CSM气候系统模式输出盛夏结果和同期NCEP/NCAR再分析资料同时与山西盛夏降水异常典型模态具有统计显著的因子,利用逐步回归方法建立了山西盛夏降水降尺度模型。进一步研究发现,降尺度模型的预测能力与BCC_CSM对影响山西盛夏降水关键区海温的预测技巧密切相关。检验回报与观测的时间和空间距平相关系数(TCC和ACC)、回报与观测的距平符号一致率(PC)以及趋势异常综合评分(PS),表明降尺度模型对山西盛夏降水的预测技巧较BCC_CSM输出有明显改进,BCC_CSM模拟降水TCC在山西全区没有通过95%信度检验,降尺度模型回报TCC在山西大部分地区通过95%信度检验,中南部通过99%信度检验;相应的ACC由-0.02提高到0.35,PC由53.3%提高到66.8%,PS由65.6%提高到78.9%。2018年盛夏业务试运行,ACC为0.42,PS为70.8%。     

基于年际增量方法的云南省普洱雨季开始期气候预测

基于普洱雨季开始期年际增量变化规律和影响雨季开始期的环流形势及物理过程,采用年际增量方法和多元线性回归分析方法,选取5个具有物理意义的预测因子(包括前期1月南半球绕极环流、前期2月南太平洋高压、前期4月孟加拉湾至南海海平面气压、前期冬季加拿大北部海冰和前期冬季伊朗高原积雪深度),建立了普洱雨季开始期的预测模型,并对预测模型进行1967—2017年的交叉检验和1998—2017年的逐年独立样本检验。交叉检验中,雨季开始期预测值和观测值年际增量的相关系数为0.84,相对均方根误差为24%;独立样本检验中,雨季开始期年际增量的相对均方根误差为15%,模型对雨季开始期异常年份的预测误差小于7 d,表明该预测模型能很好再现1967—2017年雨季开始期的变化趋势。     

用统计集合方法制作全国汛期降水滚动预测试验

以全国160站汛期(6-8月)降水量为预测量,以最新得到的74项环流特征量指数为因子,尝试制作全国160站汛期降水滚动预测.建立模型时考虑了预测量与环流特征量因子序列的显著线性变化趋势,以及预测量与环流因子之间的相关不稳定性,用"滑动相关-逐步回归-集合分析"预测方法,分别建立了2009年全国160站汛期降水量的物理统计集合分析预测模型,并进行了近10年独立样本预测试验分析.结果显示:(1)用物理统计集合分析预测方法,以最新得到的74项环流特征量指数为因子,实现了全国160站汛期降水逐月滚动预测,2009年以在5月份制作的滚动预测效果最好.(2)近10年预测试验的空间距平相关系数Acc、业务评分PS和异常级评分TS均高于国家气候中心近年汛期预测业务平均水平.经过不断改进思路和优化具体建模方案,该方法具有较高的业务应用潜力.     

南海夏季风活动的年际和年代际特征

利用NCEP风场资料和候平均向外长波辐射（OLR）资料分析了南海区域低层风场与对流活动的关系,在此基础上,采用南海中南部的纬向风平均值来定义南海夏季风的爆发,确定了长序列（1949～1998）的南海夏季风爆发日期和强度指数,并研究南海夏季风活动的年际和年代际变化特征。结果表明：南海夏季风爆发日期和强度指数呈显著的反相关;50年来的气候趋势是,爆发日期逐渐偏晚,强度指数逐渐减弱。二者都存在着明显的年际和年代际变化,它们在不同阶段上的波动是各种时间尺度振荡叠加的结果,而年代际尺度具有非常重要的作用。东印度洋海温异常在南海夏季风爆发前后,均与南海夏季风强度指数呈显著的反相关。东太平洋海温异常在南海夏季风爆发之前,与强度指数反相关,而爆发之后,与强度指数正相关。这体现了南海夏季风活动与ENSO事件的密切关系。     

一种分离时间尺度的统计降尺度模型的建立和应用——以华北汛期降水为例

针对预报量变化中存在受不同物理因子控制的不同时间尺度变率特征, 本文提出了分离时间尺度的统计降尺度模型。应用滤波方法, 将不同尺度的变率分量分开, 在各自对应的时间尺度上利用不同的大尺度气候因子分别建立降尺度模型。华北汛期 (7～8月) 降水具有年际变率和年代际变率, 本文以华北汛期降水为例利用分离时间尺度的统计降尺度模型进行预测研究。采用的预报因子来自海平面气压场、 500 hPa位势高度场、 850 hPa经向风场和海表温度场以及一些已知的大尺度气候指数。利用基于交叉检验的逐步回归法建立模型。结果表明, 年际尺度上, 华北汛期降水与前期6月赤道中东太平洋海温以及同期中国东部的低层经向风密切相关; 年代际尺度上, 在东印度洋—西太平洋暖池海温的作用下, 华北降水与前期6月西南印度洋海平面气压有同步变化关系。年际模型和年代际模型的结果相加得到对总降水量的降尺度结果。1991～2008年的独立检验中, 模型估计的降水和观测降水的相关系数是0.82, 平均均方根误差是14.8%。结合模式的回报资料, 利用降尺度模型对1991～2001年的华北汛期降水进行回报试验。相比于模式直接预测的降水, 降尺度模型预测的结果有明显改进。改进了模式预测中年际变率过小的问题, 与观测降水的相关系数由0.12提高到0.45。     

2015/2016年极强厄尔尼诺事件下我国动力和统计结合实时气候预测研究

本文研究建立2015/2016年极强厄尔尼诺事件下我国动力和统计结合的气候预测模型,并开展2015年夏季和2016年冬季气候我国160个站点和主要区域实时气候预测。夏季降水的实时预测起报于2月,冬季气温的预测起报于10月。研究结果表明,尽管NCEP-CFSv2耦合气候模式能较好预测2015/2016年极强厄尔尼诺事件中海温异常的演变,但对我国160个站点夏季降水和冬季气温预测仍有较大的偏差。因此,基于NCEP-CFSv2耦合模式预测结果,分别建立我国160个站点冬季气温和夏季降水异常的动力和统计结合气候预测模型。同时,利用年际增量预测方法开展我国长江中下游夏季降水和华北冬季气温的区域气候预测。研究结果表明以上预测模型在2015/2016年的实时预测中较NCEP-CFSv2有更好的预测效能。相对于NCEP-CFSv2耦合模式的预测结果,2015年夏季降水距平空间相关系数ACC从0.21提高到0.31（超过0.01信度的显著性水平）,距平同号率提高到60%,2016年冬季气温ACC从0.19提高到0.32（超过0.01信度的显著性水平）,距平同号率提高到75%。     

2015/2016年超强El Nio事件背景下我国月预测技巧差异分析

利用中国站点观测降水资料、国家气候中心第2代月动力延伸预报模式(BCC_DERF2.0)的回报和预报数据、NCEP/NACR再分析资料和国家气候中心实时发布的月尺度降水预测评分数据,通过评估和诊断分析发现,在2015/2016年超强El Nio事件背景下,这两年内业务发布的月降水预报能力有明显不同,BCC_DERF2.0对月环流的预测技巧也存在差异:在2015年(El Nio发展位相),降水预报和环流预测技巧较高且稳定,而在2016年(El Nio衰减位相)的预报技巧总体偏低。进一步的研究显示,亚洲—太平洋涛动(Asia-Pacific Oscillation,APO)可能是导致2015年和2016年夏季预测技巧高低的重要影响因素。2015(2016)年夏季为APO低(高)指数年,且2016年具有高指数年的典型环流特征。而APO高指数对应的环流特征与El Nio衰减位相对西北太平洋环流的影响不同,在El Nio和APO的物理影响途径不一致时,将直接影响东亚环流可预报性的高低及动力气候模式的预报技巧,即El Nio在发展和衰减位相与APO型不同组合的影响是2015和2016年月预测技巧有差异的重要原因。     

基于CART算法的夏季干旱预测模型研究及应用

利用标准化降水蒸散指数(SPEI)作为判断干旱是否发生的标准,基于数据挖掘方法中的CART算法探究夏季西太平洋副高北界、夏季西太平洋副高强度指数、准两年振荡(QBO)、东亚夏季风指数、夏季北大西洋涛动(NAO)、夏季太平洋年代际振荡(PDO)、厄尔尼诺指数等多项气候因子与干旱的关系,构造分类决策树,得到干旱预报规则集,从而建立干旱的预报模型。预报模型以各项气候因子为输入变量,是否干旱为目标变量。根据1955—2012年商丘月平均气温和月总降水资料计算出商丘夏季58 a的SPEI指数作为干旱判定指标;以同期的多项气候因子数据作为输入变量,随机选取46 a的数据得到7条分类规则集,分类准确率为86.96%。使用剩余12 a的数据验证,准确率高达91.67%。结果有力地证明了基于CART算法建立干旱预报模型的可行性、科学性、有效性以及与干旱研究理论的一致性,为干旱模型的研究及季节性预测提供了科学有效的新思路。     

印度洋海盆增暖及ENSO对西北太平洋热带气旋活动的影响

本文主要分析1950～2010年间印度洋海盆增暖和西北太平洋热带气旋(TC)活动的关系, 并与ENSO对西北太平洋TC活动的影响相比较, 结果表明:印度洋海盆异常增暖与西北太平洋地区总TC生成年频数尤其是弱TC相关较好, 印度洋海盆异常增暖, 西北太平洋地区为异常的反气旋, 对流抑制, 降水偏少, 不利于TC的生成, 反之亦然。而ENSO对西北太平洋热带气旋的影响, 主要体现在对强TC的年生成频数的影响, El Ni?o 发展年, 季风槽加深东伸, TC生成位置偏东, 由于TC在海洋上的生命史较长, TC的平均强度偏强, 因而强TC年生成频数偏多;La Ni?a发展年, 季风槽较浅, TC生成位置偏西, TC的平均强度偏弱, 强TC年生成频数偏少。但是ENSO指数与强TC年频数的相关有着年代际的变化, 在1950～1969年和1990～2009年间, ENSO指数和强TC年频数相关很好, 分别为0.532和0.687, 而在1970～1989这二十年间, 两者相关很弱, 只有0.081。     

Impacts of large-scale teleconnections on climate variability over Southwest Asia

The atmospheric low frequency variability at a regional or global scale is represented by teleconnection. Using monthly dataset of the Climatic Research Unit (CRU) for the period 1971–2016, the impacts of four large-scale teleconnection patterns on the climate variability over Southwest Asia are investigated. The large-scale features include the El Niño-Southern Oscillation (ENSO), the North Atlantic Oscillation (NAO) and the East Atlantic (EA) teleconnection patterns, as well as western tropical Indian Ocean (WTIO) sea surface temperature anomaly index. Results indicate that ENSO and EA are the first leading modes that explain variation of Southwest Asian precipitation, with positive (negative) anomalies during El Niño (La Niña) and the negative (positive) phase of EA. Variation of Southwest Asian near-surface temperature is most strongly related to WTIO index, with above-average (below-average) temperature during the positive (negative) phase of WTIO index, although the negative (positive) phase of NAO also favours the above-average (below-average) temperature. On the other hand, temperature (precipitation) over Southwest Asia shows the least response to ENSO (WTIO). ENSO and EA individually explain 13 percent annual variance of precipitation, while WTIO index explains 36 percent annual variance of near-surface temperature over Southwest Asia. Analysis of the European Centre for Medium-Range Weather Forecasts (ECMWF) reanalysis Interim (ERA-Interim) data indicated establishments of negative (positive) geopotential height anomalies in the middle troposphere over Southwest Asia during El Niño (La Niña) or the negative (positive) phase of NAO, EA and WTIO. The response of precipitation variability over Southwest Asia to NAO is opposite to that expected from the geopotential height anomalies, but the correlation between precipitation and NAO is not statistically significant. Due to predictability of large-scale teleconnections, results of this study are encouraging for improvement of the state-of-the-art seasonal prediction of the climate over Southwest Asia.     

过去500年印度夏季风降水与ENSO的关系

为了研究大尺度背景场对ENSO和印度夏季风降水关系的调制作用,更好地预报气候变暖背景下印度夏季风降水的年际变化,本文利用重建的10套ENSO指数和印度降水资料,研究了ENSO和印度夏季风降水在过去500 a(1470—1999年)中的关系,其存在的原因以及如何理解这一现象,主要侧重于ENSO对印度夏季风的影响。结果表明:1)在过去500 a中,ENSO与印度夏季风降水的关系并非是一成不变的,大体上呈现负相关关系;在小冰期负相关较弱,在现代暖期负相关加强,19世纪80年代后负相关开始减弱。2)在过去500 a中,印度夏季风降水异常与ENSO的关系是确定存在的,并非是随机产生的。3)在小冰期和现代暖期,印度夏季降水异常与Ni1o指数的振幅及周期的关系有很大的不同,现代暖期明显较大,即相对于小冰期,现代暖期ENSO的振幅增强、周期偏大,导致印度夏季风与ENSO呈现较强的负相关关系;但两者的平均状态相差不大。     

不同太平洋年代际振荡和ENSO位相下大气水分收支变化对北半球冬季太平洋蒸发量的影响

本文利用OAFlux资料研究了1958~2015年北半球冬季太平洋蒸发量在不同厄尔尼诺—南方涛动（ENSO）和太平洋年代际振荡（PDO）位相下的分布特征,并从水汽收支的角度分析了蒸发量异常的成因,结果表明:ENSO主要影响热带东太平洋、副热带西北太平洋和中纬度北太平洋中部的蒸发量。El Ni?o（La Ni?a）时水汽在北太平洋中部异常辐散（辐合）,有利于当地大气水汽含量减小（增大）,造成蒸发量增大（减小）;副热带西北太平洋异常的水汽辐合（辐散）有利于蒸发量减小（增大）;除此以外,蒸发量在热带东太平洋蒸发量增大（减小）则主要是降水量增大（减小）导致。与此同时,ENSO对上述海区蒸发量的影响还受到PDO的调控,当PDO处于暖（冷）位相时,El Ni?o（La Ni?a）造成蒸发量异常程度在中纬度北太平洋中部显著增大,这主要是由降水量增大（减小）引起的大气水汽含量减小（增大）所致,此时对应着风暴轴异常增大（减小）;当PDO处于冷（暖）位相时,El Ni?o（La Ni?a）造成的蒸发量异常程度在副热带西北太平洋和热带东太平洋显著增大,而这与湿度变化引起的水汽平流异常程度增大紧密相关。     

两个典型ENSO季节演变模态及其与我国东部降水的联系

本文根据1950~2014年月平均海温和大气环流资料以及中国160站降水等资料,利用扩展经验正交函数（EEOF）分析、相关分析以及合成分析等方法,分析了太平洋海温季节演变的主导模态,并探讨了各模态与中国东部降水和东亚环流季节变异的关系及其联系的物理过程。结果表明,ENSO（El Ni?o/Southern Oscillation）季节演变存在2个主导模态,包含4种类型:El Ni?o持续型、La Ni?a持续型、La Ni?a转El Ni?o型和El Ni?o转La Ni?a型。发现不同模态和类型的ENSO季节变化过程我国东部降水距平的分布和强度都有明显差异。El Ni?o持续型和El Ni?o转La Ni?a型,冬春季和初夏均处在El Ni?o背景下,降水异常分布存在一定共性,但盛夏和秋季分别受El Ni?o和La Ni?a影响,降水异常分布差异十分明显,前者雨带北跳慢、位置偏南而后者雨带北跳快、位置偏北。La Ni?a持续型和La Ni?a转El Ni?o型也是如此,冬春季和初夏降水异常分布大致相似,但盛夏和秋季分别受La Ni?a和El Ni?o影响,前者雨带北跳快、位置偏北而后者雨带北跳慢、位置偏南。因此,利用ENSO做我国降水的气候预测时,不能只着眼于前期冬季El Ni?o或La Ni?a事件,还应考虑其未来演变所属的可能模态和类型。对他们之间联系的物理过程分析表明,不同ENSO季节演变模态和类型主要通过影响西太平洋副热带高压以及西风带经向型/纬向型环流调整及伴随的低纬暖湿水汽输送以及中高纬冷空气活动变化来影响我国东部降水。其中,西太平洋菲律宾群岛附近异常反气旋（或气旋）、赤道Walker环流和北半球Hadley环流分别是联系ENSO与西太平洋副热带高压活动和东亚西风带经向型/纬向型环流的重要环节。     

Spatial patterns of Tropospheric Biennial Oscillation and its numerical simulation

In order to investigate the spatial patterns of the Tropospheric Biennial Oscillation （TBO） on the global scale, the Climate Prediction Center （CPC） Merged Analysis of Precipitation （CMAP） monthly averaged precipitation and the Climate Diagnostics Center （CDC） monthly outgoing long-wave radiation （OLR） and SST are used in conjunction with TBO bandpass-filtering. The results indicate active biennial variability in the tropical eastern-central Pacific regions. It is evident that observations reflect the biennial component of the ENSO rather than the TBO itself. Since some studies have pointed out that the TBO is a broad-scale phenomenon differing from the ENSO, to investigate the pure TBO the ENSO signal must be excluded. The Scale Interaction Experiment-FRCGC （SINTEX-F） coupled general circulation model （CGCM） developed at Japan Frontier Research Center for Global Change （FRCGC） can capture both the ENSO and the biennial signals. Air-sea interactions in the tropical eastern-central Pacific are decoupled to eliminate the effects of ENSO in a experiment by SINTEX-F and the results show that biennial variability still exists even without ENSO. It seems to mean that the TBO and ENSO are independent from each other. Furthermore, the model results indicate that the two key regions are southwest Sumatra and the tropical western Pacific for the TBO cycle.     

海温异常对东亚夏季风影响机理的研究进展

从短期气候预测关注的外强迫信号角度出发,回顾了国内外在海温异常对东亚夏季风和我国汛期降水影响机理方面的主要研究进展,重点评述了热带太平洋ENSO循环、热带印度洋全区一致型海温模态、热带印度洋海温异常偶极子、南印度洋偶极子和北大西洋海温三极子模态的年际变化及其对东亚夏季风年际变率的影响。从研究成果在短期气候预测业务中应用的角度,重点关注海温异常和东亚夏季风年际变率以及我国汛期降水多雨带位置的关系,总结了海温异常作为外强迫信号对我国汛期降水预测的指示意义以及汛期降水预测的难度。最后指出气候预测业务对东亚夏季风影响的机理研究和动力气候模式发展方面的需求。     

How accurately do coupled climate models predict the leading modes of Asian-Australian monsoon interannual variability?

Accurate prediction of the Asian-Australian monsoon (A-AM) seasonal variation is one of the most important and challenging tasks in climate prediction. In order to understand the causes of the low accuracy in the current prediction of the A-AM precipitation, this study strives to determine to what extent the ten state-of-the-art coupled atmosphere-ocean-land climate models and their multi-model ensemble (MME) can capture the two observed major modes of A-AM rainfall variability–which account for 43% of the total interannual variances during the retrospective prediction period of 1981–2001. The first mode is associated with the turnabout of warming to cooling in the El Niño-Southern Oscillation (ENSO), whereas the second mode leads the warming/cooling by about 1 year, signaling precursory conditions for ENSO. The first mode has a strong biennial tendency and reflects the Tropical Biennial Oscillation (Meehl in J Clim 6:31–41, 1993). We show that the MME 1-month lead prediction of the seasonal precipitation anomalies captures the first two leading modes of variability with high fidelity in terms of seasonally evolving spatial patterns and year-to-year temporal variations, as well as their relationships with ENSO. The MME shows a potential to capture the precursors of ENSO in the second mode about five seasons prior to the maturation of a strong El Niño. However, the MME underestimates the total variances of the two modes and the biennial tendency of the first mode. The models have difficulties in capturing precipitation over the maritime continent and the Walker-type teleconnection in the decaying phase of ENSO, which may contribute in part to a monsoon “spring prediction barrier” (SPB). The NCEP/CFS model hindcast results show that, as the lead time increases, the fractional variance of the first mode increases, suggesting that the long-lead predictability of A-AM rainfall comes primarily from ENSO predictability. In the CFS model, the correlation skill for the first principal component remains about 0.9 up to 6 months before it drops rapidly, but for the spatial pattern it exhibits a drop across the boreal spring. This study uncovered two surprising findings. First, the coupled models’ MME predictions capture the first two leading modes of precipitation variability better than those captured by the ERA-40 and NCEP-2 reanalysis datasets, suggesting that treating the atmosphere as a slave may be inherently unable to simulate summer monsoon rainfall variations in the heavily precipitating regions (Wang et al. in J Clim 17:803–818, 2004). It is recommended that future reanalysis should be carried out with coupled atmosphere and ocean models. Second, While the MME in general better than any individual models, the CFS ensemble hindcast outperforms the MME in terms of the biennial tendency and the amplitude of the anomalies, suggesting that the improved skill of MME prediction is at the expense of overestimating the fractional variance of the leading mode. Other outstanding issues are also discussed.