本文首先利用CMIP5全球气候系统模式提供的年代际回报的地面气温和降水资料,以相应的NCEP/NCAR月平均再分析资料和GPCP资料作为气温和降水的“观测值”,采用贝叶斯模式平均方法(Bayesian Model Averaging,简称BMA)和简单多模式集合平均(multi-model ensemble mean,简称EMN),对各个气候模式以及BMA和EMN确定性结果进行变率分析,讨论各个模式以及BMA和EMN对变率的回报效果,并在此基础上,对东亚地区未来气温和降水的变率进行预估。同时利用BMA的不确定结果进行概率分析,确定在温度增长的背景下,东亚地区温度在四季分别的增长幅度,并对未来进行预估。以及确定未来东亚地区四季降水的变化幅度的不确定性。结果表明：10个模式、EMN、BMA能很好地回报出1981-2010年东亚地面气温的方差分布,其中BMA回报效果最好。对于降水的方差则是模式GFDL-CM2p1的回报效果较好。综合空间型相关、标准差比、均方根误差以及时间序列相关的回报效果,东亚气温第一模态回报效果较好的模式是BMA、 IPSL-CM5A-LR;对第二模态回报效果较好的是MIROC5、CanCM4。BMA能够很好地回报出第二模态的时间系数以及去趋势之后的变率。对于降水而言,第一模态回报效果较好的模式是MPI-ESM-LR、GFDL-CM2p1;对第二模态回报效果较好的是Ensemble、CCSM4。CMCC-CM对气温变化主模态的3-5年的周期变化特征回报效果最好,和NCEP资料的结果最为接近。BMA对于概率信息的地理分布能较好地回报出气温和降水波动的不确定性。不同概率下的温度分布,可以看出陆地上的不确定性较大。对于降水则是海洋上的不确定较大。在全球温度增长的背景下,东亚地区四季温度和降水的增长幅度也随地区有所差异。基于以上分析研究结论,在RCP4.5的未来预估情景下,结果表明：2006-2035年气温波动小于1981-2010年、2016-2025年降水波动大于2001-2010年。2006-2035年东亚地区的气温是先下降后上升的,其转折点在2024年。气温2017-2035年以5-6年周期为主。温度和降水的变化有季节变化的影响,东亚温度增长在秋天比较强烈。降水的变化幅度明显小于气温。