人为因素对中亚1961-2013年夏季降水增加的影响外文翻译资料

英语原文共 17 页，剩余内容已隐藏，支付完成后下载完整资料

人为因素对中亚1961-2013年夏季降水增加的影响

彭东东^1,2 周天军¹ 张丽霞^1，3 吴博¹

1．中国科学院大气物理研究所大气科学与地球物理流体动力学数值模拟国家重点实验室，北京；2.中国气象局热带海洋气象研究所，广州，中国科学院大学，北京;3.南京信息工程大学气象灾害预测与评价协同创新中心

摘 要 作为丝绸之路经济带的关键节点，中亚地区的过度干旱使其生态系统和社会发展对气候变化高度敏感。采用多套格点观测数据的结果显示，从1961年至2013年中亚地区的夏季降水量显著增加了20.78%。目前尚不清楚人为因素是否导致了夏季湿度的趋势。在本次研究中，通过比较来自“气候变率及可预测性计划”（CLIVAR）中“20世纪气候变化检测归因”计划（ C20C Detection and Attribution Project）的CAM5.1模式的再分析数据和实验，研究了人为强迫的相应物理过程和作用。这一观测结果可以很好地再现于包含了自然和人为辐射强迫信号的气候模式全强迫试验（CAM5-All）中，但在自然强迫试验（CAM5-Nat）中则得不到反映，表明人为强迫对该区域近五十年夏季降水的增加具有重要贡献。水汽收支分析表明，所观察到的湿润状况的趋势主要是由于垂直湿度平流项的增加，以及几乎所有中亚地区的垂直湿度增大的结果。水汽收支部分对湿润状况的趋势的贡献仅从CAM5-All等实验所观察到的。动力作用是由人为影响可以引起亚洲区域夏季对流层温度的经向不均一增暖，使中亚地区上空出现暖平流异常引起的。人为活动引起的全球变暖使得整个中亚上空夏季大气变湿，从而引起中亚东部地区（气候态上升区）降水增加，但会使西部地区（气候态下沉区）降水减少。

1. 引言

降水是全球水循环最重要的组成部分之一，其变化深刻影响着经济和社会的可持续发展(Gillett et al. 2004)。在过去的半个世纪里，降水量在全球和区域尺度上都发生了巨大的变化（IPCC 2013）。对于社会和科学各界来说，准确地解释特定因素的影响是非常重要的。由于气候模式在模拟区域降水量和内部变率的巨大贡献方面存在不确定性，在区域尺度上对降水变化进行检测归因迄今为止依然是一个难度较大的课题(Gillett et al.2004;Stott et al. 2010; Hegerl and Zwiers 2011; Sarojini et al. 2016)。

归因研究很大程度上依赖于模式的模拟性能(Hegerl and Zwiers 2011)。在气候模式中，观测到的降水量变化比温度更难捕捉，这导致降水量变化归因的挑战(Hegerl and Zwiers 2011; Sarojini et al. 2016)。对降水的归因研究首先致力于全球范围的变化，并成功地发现了自然火山强迫的影响 (Allen and Ingram 2002; Gillett et al. 2004; Lambert et al. 2004)和人为强迫(Zhang et al. 2007; Min et al. 2011; Noake et al. 2012; Polson et al. 2013; Zhang et al. 2013)。在区域尺度上，人类活动对降水变化的影响在某些特定的区域，如高纬度陆地区域(Min et al. 2008; Wan et al. 2015)、北欧(Bhend and Von Storch 2008)、南亚(Bollasina et al. 2011)、澳大利亚西南部a (Delworth and Zeng 2014)和东亚(Ma et al. 2017b)。

中亚（(31°–50°N, 60°–95°E）是丝绸之路经济带从亚洲延伸到欧洲的重要连接区域。作为干旱地区，中亚地区的社会经济发展对气候变化的敏感性高于湿润地区(Huang et al. 2016, 2017)。在年际尺度上，中亚地区的降水变化与亚洲副热带西风急流的经向位移有关，这可以与南亚高压中的夏季季风相联系(Huang et al. 2015a; Wei et al. 2017)。北半球夏季的环球遥相关(Ding and Wang 2005;Huang et al.2015a,b)和厄尔尼诺-南方涛动(Mariotti 2007; Hu et al. 2017)也可以调节中亚地区的降水变化。近几十年来，中亚东部（即中国西北部）的气候已发生由温暖、干燥转为温暖、潮湿的气候转变(Shi et al. 2007)，由于台站很少，中亚西部的气候变化信息非常有限。许多研究集中在1961-2010年期间，利用台站数据研究中亚东部降水量的增长趋势，表明增长趋势主要是在夏季，受相对湿度和大气环流变化的影响。(Zhou and Huang 2010; Zhao et al. 2014; Li et al. 2016; Peng and Zhou 2017)。

然而，变湿的趋势是自然变化还是人为变化的结果以及相应的动力学过程仍然未知。通过多套格点观测资料，我们发现近50年的变湿趋势可以扩展到整个中亚地区，降水量的增加趋势主要集中在夏季（中亚的雨季）。因此，在本次研究中，观测和归因的研究是利用了来自“气候变率及可预测性计划”（CLIVAR）中“20世纪气候变化检测归因”计划（ C20C Detection and Attribution Project）的CAM5.1模式(Folland et al. 2014; Angeacute;lil et al. 2017)。有证据表明，在中亚地区，人为强迫对变湿趋势具有重要作用。

本文的其余部分组织如下：在第二部分介绍数据和方法。第三部分，首先检测了人为因素对中亚地区降水量增加的影响，然后通过水汽收支分析，探讨了相应的变湿趋势的动力学机制。第四部分将主要结论进行总结。

1. 数据和方法
   1. 数据描述

在这次研究中使用了三套格点化月均降水数据和中亚地区的站点降水数据：

1. NOAA（National Oceanic and Atmospheric Administration）从1948年1月至今的陆地降水重建数据（PRECL），资料的水平分辨率为1.0°times;1.0°，（Chen et al. 2002），来源于https://www.esrl. noaa.gov/psd/data/gridded/data.precl.html。PRECL（Chen et al. 2002）是根据全球历史气候网络第2版（GHCN v2）和气候异常监测系统（CAMS）数据集中收集的测量站插值得出的。
2. 全球降水气候中心（GPCC）全数据再分析，7.0版，水平分辨率为0.5°times;0.5°（Schneider et al. 2015），覆盖1901年至2013年期间，由全球质量控制站（包括GHCN V2、气候研究中心（CRU）站基地、粮农组织和190个国家国家的国家气象和/或水文服务站（NMHSS））提供，记录持续时间不少于10年。这些数据下载自ftp://ftp.dwd.de/pub/data/ gpcc/html/fulldata_v7_doi_download.html。
3. 东安格利亚克鲁大学4.00版（Harris and Jones 2017）的月降水量数据，水平分辨率为0.5°times;0.5°，涵盖了1901年至2015年的时间段，由全球测站的插值得出。数据从http://dx.doi.org/10.5072/ edf8febfdaad48abb2cbaf7d7e846a86获得。三个网格数据集中使用的大多数站点都是相似的。
4. 中国气象局提供的原站月平均降水量（CMA; http://data. cma.cn/en）和NOAA GHCN (ftp://ftp.ncdc.noaa. gov/pub/data/ghcn/)被使用在本研究中，来验证从网格数据中得出的观测降水趋势。这是因为网格化降水数据集使用空间插值来查找缺失的网格框，这可能会在具有稀疏站点的区域（如中亚）引起很大的偏差。GHCN的降水量数据进行了均匀性调整。CMA的降水站进行平均化，在Ma et al. (2015)里通过的最大F检验。为了关注长期趋势，仅使用研究期间有至少80%可用记录的台站。总共使用了75个均质站（以下简称75个站），即10个来自GHCN的站和65个来自CMA的站。

本研究使用日本气象局以水平分辨率1.25°times;1.25°进行的每月日本55年再分析（JRA-55）数据集，涵盖1958年至今的时间段(Kobayashi et al. 2015)。JRA-55的降水量基本上是一个模型变量，在本研究中用于水汽平衡分析。

模型实验来自CLIVAR C20＋检测和归因项目（Folland et al. 2014）。本研究中使用的月平均数据集来自水平分辨率为1°times;1°的Cam5.1（仅大气模式）(Stone et al. 2018)。该模型有两个实验，CAM5-All 和CAM5-Nat，每个实验有50个成员，时间从1959年1月至2015年6月（表1）。所有成员使用相同的初始场，但在三维海表温度场上加了均匀的小扰动。代表“真实世界”场景的CAM5-All由观测到的海面温度（SST）和海冰、历史温室气体、对流层气溶胶、火山气溶胶、太阳辐射、陆地覆盖和平流层臭氧强迫。在代表“自然世界”情景的CAM5-Nat中，太阳辐照度和火山气溶胶与CAM5-All中的相同，而对流层气溶胶、温室气体、平流层臭氧和陆地覆盖在估计的工业前水平被确定。最重要的是，从观测值（D.Stone and P.Pall 2018，未出版的手稿）中减去使用最佳指纹法从CMIP5模型估算的标准海冰覆盖的人为贡献，为CAM5 Nat创建合理的真

实海表边界。因此，CAM5-All和CAM5 Nat的整体平均值之间的差异揭示了人为贡献（CAM5-Ant）。关于实验设计的更多细节，读者可以访问CLIVAR C20＋检测和属性项目的网站（http://portal.nersc.gov/c2c/main.html）。由世界各地的研究机构进行CLIVAR C20＋实验的模型模拟可从http://portal.nersc.gov/c0c/data.html公开获取，并广泛应用于气候属性和气候变化研究（例如，Angeacute;lil et al. 2017; Ma et al. 2017a；另请参见http://portal.nersc.gov/c2c/pub.html）上的出版物列表。

• 1. 水汽平衡分析

本研究采用了常用的水汽收支方程的垂直积分来处理降水量的变化（Seager et al. 2010; Chou and Lan 2012; Chou et al. 2013)：

这里，、和分别表示降水量、蒸发量和比湿。是水平矢量风，是垂直速度，lt;gt;是从地面到对流层顶的柱积分，和分别表示变量的时间和压力导数，是水平算符。项很小，在季节尺度上可以忽略不计。项和项分别是水平面和垂直面的变化。表示次季节性瞬态涡流，相对小于项（Seager et al. 2010; Chou et al. 2013）。变化表示偏离长期平均值。垂直平流的变化可进一步分为动力中心与大气环流变化的关系，以及热力学贡献与比湿的关系，以及非线性项。因此，式（1）可进一步表示为

由于在模型模拟中蒸发量不是直接输出的，因此我们使用该方程估算蒸发量。

其中，是表面潜热通量，lambda;是汽化潜热;其中T是空气温度（℃）（Allen et al. 1998）。

• 1. 统计学方法

我们使用曼恩-肯德尔非参数方法来测试空间模式长期趋势的显著性和使用t检验检验区域平均值线性趋势的显著性。这两种测试方法都基于NCAR命令语言（NCL；http://www.ncl.ucar.edu/）的函数。概率密度函数是由非参数核估计和高斯平滑器导出的。注：中亚地区的降水趋势是针对CAM5-All和CAM5-Nat的每次实现进行计算的。为了检验不同概率密度函数的显著性，我们使用了基于matlab软件的两次Kolmogorov-Smirnov（ks）检验。在本研究中，我们将置信水平设为95%。

1. 结果
2. 中亚降水变化的观测与模拟

我们首先展示了图1中观测到的和模拟的区域

平均夏季（6-8月）降水异常。异常被计算为与1961-2013年气候学的偏差。PRECL、GPCC和CRU的初始（运行平均）夏季降水时间序列与75号站的降水时间序列吻合较好，相关系数分别为0.76（0.77）、0.74（0.86）和0.72（0.84），在5%的水

图1 1961-2013年中亚（60°-95°E，31°-50°N；见插图中的黑匣子）5年平均夏季（6月至8月）平均降水异常（mm/月）。四个观测值，即PRECL、GPCC、CRU和75站，分别用黑色、绿色、蓝色和热粉色线表示。紫红色、红色和黄色线分别用于JRA-55、CAM5-All和CAM5-Nat的合奏平均值。灰色阴影表示CAM5-All中50个成员的标准偏差。阴影线是相应的线性趋势。在5%的水平上，所有趋势在统计上都是显著的。

平上显著。从1961年到2013年，这四个观测点，即75个观测站、PRECL、GPCC和CRU，都一致表明，中亚夏季降水量在5%的水平上显著增加，分别为1.14、1.11、0.89和0.81毫米每十年每月。四个数据集的夏季降水量从1961年到1980年呈下降趋势，从1981年到2013年呈上升趋势，在1961-2013年期间，夏季降水量明显增加，增幅为0.99毫米每十年每月。在干

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18996]，资料为PDF文档或Word文档，PDF文档可免费转换为Word