图1 2020年夏季和秋季西伯利亚沿岸的海冰大量融化

(a) 2020年夏季(JJA)的海冰密集度(SIC)异常（蓝色阴影）和2米空气温度(T2M)异常。圆点(斜线)表示SIC(T2M)异常值超过1.5个标准差。

(b) 1979–2020年期间西伯利亚温度异常(红线)和海冰密集度异常(蓝线，倒序)的时间序列。

(c) 和 (d) 与 (a) 和 (b) 相同，但秋季(SON)海冰密集度和2米空气温度。西伯利亚海岸用黑线标记(60°E–180°E和70°N–82°N)。

(b) 和 (d) 中的绿色虚线表示1979-2004和2005-2020平均的SIC。

首先，创新团队通过诊断分析发现导致2020/2021年冬季中国寒潮的异常环流特征是:

（1）西伯利亚高压的加强；

（2）东亚大槽的加深；

（3）北极平流层极涡的减弱，极涡中心偏向亚洲东部至太平洋上空。

使用奇异值分解(SVD, Singular value decomposition)，发现秋季北极海冰密集度与中亚至东亚地区的温度之间有很强的一致性，海冰分量(SVD1_SIC)在2020年达到历史最高点，并在2005年前后出现了年代际转变(如图2所示)。与SVD1_SIC的年际和年代际变化关联的环流异常与上述(1)、(2)和(3)中描述的类似。最后，使用自组织神经网络(Self-organizing map analysis, SOM)，将东亚冬季日平均气温的变化分为9种类型(9 nodes)。其中，Node-1主要类似于“暖北极，冷欧亚”模态。Node-1的频率与上述SVD_SIC1呈现相似的年际和年代际变化，相关系数达到0.56。与Node-1关联的环流异常与上述(1)、(2)和(3）中强调的环流特征一致。因此，结合这些证据，我们得出西伯利亚沿岸的海冰大量减少对中国2020/2021年冬季寒潮的发生有很大贡献。本研究同时从气候尺度和天气尺度表征寒潮事件发生的过程，强调北极海冰损失在气候尺度上有利于某些环流型的发生（如乌拉尔山阻塞、极涡的减弱），在天气尺度上加强了破坏性的连锁反应，并最终导致了严重的寒潮事件。

图2 秋季海冰密集度(SIC)与冬季2米空气温度(T2M)的协方差

1979–2020年(a)12-1月中亚至东亚T2M(SVD1_T2M)和(b)秋季北极海冰密集度(SVD1_SIC)的第一SVD模态(第一模态解释了总方差的69%)。(c)SVD1_SIC(TC1_SIC，蓝线)和SVD1_T2M(TC1_T2M，红线)的标准化时间系数。去掉趋势后，SVD1_SIC和SVD1_T2M之间的相关系数为0.55。