利用1951-2019年的再分析资料、海温资料、海洋热含量以及降水资料等,主要采用统计检验和合成分析等统计方法,研究印度夏季风与ENSO事件对东亚夏季降水的影响。根据印度夏季风指数和ENSO事件的定义,我们将季风与ENSO分成三组六类:共振组[弱季风—厄尔尼诺(WM-EN),强季风—拉尼娜(SM-LN)]、正常季风-ENSO组[正常季风—厄尔尼诺(NM-EN),正常季风—拉尼娜(NM-LN)]和季风-非ENSO组[弱季风—非ENSO(WM-NE),强季风—非ENSO(SM-NE)]。我们发现印度夏季风和ENSO事件并不总是强相关的,只有满足一定条件时才能出现强耦合的现象,因此我们将两种强耦合的分类(WM-EN和SM-LN)称为共振效应。我们从大气和海洋两个过程进行分析,分析得出热带印度洋和赤道中东太平洋上的海温异常符号相同且与海洋大陆附近的海温异常相反时,是印度夏季风与ENSO事件产生共振的一个重要因素。我们将不同分类下东亚夏季降水异常进行合成,ENSO冷暖位相发展期夏季降水异常与强弱季风夏季降水异常分布类似,因此我们认为ENSO发展期与印度夏季风的关系更密切。在研究共振效应下东亚夏季降水异常时,发现共振效应下的东亚夏季降水异常范围更大、强度更强,WM-EN主要体现在中国华北地区降水负异常显著,而SM-LN则在长江流域产生了更强的降水正异常。此外,当仅有季风事件而无ENSO事件时,强弱季风年东亚夏季降水异常并未呈现明显的反相分布,这表明ENSO事件在印度夏季风影响东亚夏季降水过程中起着重要的作用。同样缺少季风事件影响时,仅有ENSO影响下的东亚夏季降水异常也在一定程度上不同于以往研究得出的结果。因此我们认为ENSO事件与印度夏季风事件相辅相成,只有当它们共同作用时,对东亚地区降水产生的异常才较强。当仅仅分析其中一个因子而剔除另一个因子时,无法得出与前人研究相一致的结论。共振效应对于极端指数R99的分布影响不明显,这可能由于数据覆盖率低,且为年数据的原因;但对于极端指数Rx5day,夏季异常分布与一般降水异常类似,虽然季风-非ENSO组的方差仍是最大的,但是降水异常都为负异常,且不具有反相的特征,与前人的研究不一致,因此我们认为,共振效应对极端降水也有一定的影响,但不如一般性降水异常显著。我们认为,共振效应之所以有较强的影响,是因为共振组包含的强事件多、低空风场与海洋次表层热含量之间形成一种正反馈机制以及水汽输送较多。通过机制分析我们发现,东亚夏季降水异常或是极端降水异常,并不是单一因素影响形成的。ENSO事件可以驱动环流,印度夏季风为东亚地区带来水汽,只有当两者产生共振时影响才更强。