东亚夏季风北极涛动信号外文翻译资料

 2022-11-16 10:58:40

英语原文共 6 页,剩余内容已隐藏,支付完成后下载完整资料


地球物理研究杂志,第108卷,第1期。D2, 4066, doi:10.1029/2002JD002193, 2003

东亚夏季风北极涛动信号

Dao-Yi Gong

北京师范大学资源科学研究所环境变化与自然灾害重点实验室,中国

Chang-Hoi Ho

韩国首尔国立大学地球与环境科学学院

2002年2月11日收到;2002年4月17日修订;2002年6月5日接受;2003年1月29日出版。

[1] 本研究探讨了北极涛动(AO)与东亚夏季风的关系。使用了两个降雨数据集,一个是长江沿岸到日本南部的10个站点获得的,另一个则是1900-1998年期间的全球网格降雨数据。所有数据在分析前都经过高通滤波,以突出年际变化。结果表明,AO对东亚夏季风降水的年变化有显著影响。当AO提前一个月时,5-7月AO与夏季总降雨量的相关系数为-0.44。当AO提前两个月时,相关系数为-0.32。所有的月份中,五月AO与夏季季风降水的关系最为密切,它们之间的相关系数为-0.45。东亚的大尺度大气环流模式与A0的联系也是相当显著的。晚春AO的一个正相位导致了夏季东亚对流层上部急流的北移,急流的北移与20°N-40°N的不规则下沉运动和周围地区的上升运动密切相关。这些变化导致了从长江流域到日本南部地区的干旱环境和中国南部地区的湿润环境。本文就此提出了晚春AO与夏季季风降水的可能联系机制。

索引词:1620全球变化:气候动态(3309);3309气象学和大气动力学:气候学(1620);3319气象学和大气动力学:一般循环;3322气象学和大气动力学:陆地/大气相互作用;

关键词:北极涛动;东亚季风;急流;梅雨

引文Gong, D.-Y.和C.-H. Ho,东亚夏季风的北极涛动信号,地球物理学报。

参考文献108(D2),4066,doi:10.1029/2002JD002193, 2003。

1.介绍

[2] 近年来,人们对北极涛动(AO)产生了很大的兴趣,Thompson和Wallace[1998]将其引入大气环流的环形模式。大气中这种主要的内部动力模式主导了从地表到平流层下部的北半球温带环流,在寒冷季节(11月-4月)表现出一个等效的正压结构[Thompson和Wallace, 2000]。AO的波动形成了一个交互模式,即北极和中纬度地区的大气压力和质量在正负相位之间交替变化[Wallace,2000]。许多研究表明,AO对北半球中高纬度气候有显著的影响[Thompson et al.,2000;Kerr,1999]。例如,AO相关的气候变化包括地表气温[Thompson et al., 2000; Rigor et al., 2000],降水[Thompson et al., 2000; Cavazos, 2000],水汽平衡[Boer et al., 2001],北极和副极地地区海冰[Wang and Ikeda, 2000],包括东亚冬季风在内的对流层下部环流、阿留申低压、西伯利亚高压[Gong et al.,2001;Overland et al.,1999],以及极端气候,如寒潮和阻塞活动[Thompson and Wallace, 2001]。

[3] 然而,当AO最活跃时,以往的大多数研究都强调在寒冷的冬季同时发生的气候影响。值得注意的是,AO也解释了温暖季节(5-10月)大气环流的大部分变化[Thompson and Wallace, 2000]。此外,许多受冬季AO影响显著的气候系统成分具有较长的记忆性,并可能随着时间的滞后而反馈到大气中。因此,出现的问题是AO是否会对暖季(如夏季)气候产生影响。根据我们提供的中国及周边地区长期降水记录,在过去一百年(1899-1999)的年际时间尺度上,晚春AO与东亚夏季降水存在显著的相关性。在第二节中,我们描述了降水数据、AO指数和大气场。在第三节中,利用东亚五月夏季降水的长期变化检验AO。第四节中,研究AO对东亚夏季风环流的进一步影响。第五节则是本文的结论和讨论。

表1 1899-1999年5月AO指数与10个站点夏季降水的相关系数

经度

纬度

海拔高度,

相关

降雨量变化

上海

121.4°E

31.2°N

5m

-0.27(-0.25)

-38.5mm(-8.2%)

南京

118.8°E

32.0°N

9m

-0.24(-0.14)

-77.4mm(-14.5%)

九江

115.9°E

29.7°N

32m

-0.27(-0.20)

-39.0mm(-7.9%)

武汉

114.1°E

30.6°N

23m

-0.42(-0.29)

-36.0mm(-7.8%)

贵阳

106.6°E

26.5°N

1074m

-0.21(-0.12)

-29.7mm(-6.7%)

长沙

113.1°E

28.2°N

45m

-0.23(-0.19)

-24.5mm(-4.6%)

东京

139.8°E

35.8°N

36m

-0.20(-0.12)

-30.5mm(-6.4%)

大阪

135.5°E

34.7°N

50m

-0.37(-0.32)

-52.9mm(-11.2%)

鹿儿岛

130.6°E

31.6°N

5m

-0.35(-0.24)

-60.9mm(-6.7%)

严原

129.3°E

34.2°N

22m

-0.21(-0.19)

-93.3mm(-9.5%)

平均十站雨量

-0.45(-0.34)

-48.3mm(-8.4%)

95%和99%的置信水平分别为plusmn;0.20和plusmn;0.26。括号中显示的相关性基于未经滤波的数据。在最后一列中显示的是与AO指数的一个标准差相一致的降雨量变化(以毫米为单位,占夏季总降雨量的百分比)。回归前AO指数被标准化。

2. 数据准备

[4] 通过北半球月平均海平面气压(极地向20°N)主要成分的时间序列决定AO指数[Thompson and Wallace, 1998]。AO指数有两种,其中一个时间序列较长,为1899-1997年,这是由观测到的海平面压力得出的,另一个适用于1958-1999年期间,使用国家环境预测中心/国家大气研究中心(NCEP/NCAR)重新分析的海平面压力进行计算得出的。在这里,我们使用了1899-1999年间的组合序列(1957年之前基于观测数据,之后基于NCEP/NCAR再分析数据)。数据由David W.J.Thompson准备并提供,可通过互联网http://horizon..colostate.edu/ao 访问。

[5] 选取10个站点的降水资料,研究AO指数与东亚夏季风降水的关系。这些站点位于中国中部和日本南部(见表1)。自1880年以来,我们可从中国的6个站点获得季节性降雨时间序列[Wang et al.,2000]。关于这些数据的更多信息也可以在Qian和Zhu[2001]中找到。日本四个站的月降雨量数据取自全球历史气候网[Vose et al., 1992]。根据经验正交函数分析,由于如图所示的夏季降雨量变化的高度一致,10个站点的降雨量数据能真实地反映了梅雨降雨的特征[see Nitta and Hu, 1996]。这里还使用了1900年至1998年全球陆地区域的历史月降水量数据集,该数据集已在5°times;5°经纬度的分辨率下进行网格化[Hulme, 1992]。

[6] 1958-1999年的风速和位势高度数据取自NCEP/NCAR再分析数据[Kalnay et al.,1996]。

[7] 由于热带海表温度异常,夏季季风降水和环流存在较强的年代际变化[e.g., Hu, 1997; Weng et al., 1999],因此需要高通滤波器消除这些低频变化的可能影响,并在年际尺度上获得一个强有力的信号。所有数据集均采用权重为0.01、0.05、0.12、0.20、0.24、0.20、0.12、0.05、0.01的九点高斯数字滤波器。该滤波器可删除超过10年的变化,只保留年际变化。在本研究中,所有的时间序列都被滤波,并显示为偏离9点加权移动方式。为了避免边缘效应,滤波后省略前4年和后4年。

3.夏季降雨

[8] 夏季(6、7、8月)降水是东亚夏季风的重要指标之一。人们普遍认为,从长江流域到日本南部的主要降雨带——梅雨最为显著,导致了东西向的格局。因此,长期的夏季降水均值表现为400-500mm等雨量线,沿着长江,横跨日本南部,到达160°E北太平洋西部。在该地区,夏季降水占全年降水总量的40-50%[Lau et al., 1988; Tao and Chen, 1987; Ding, 1992]。因此,夏季风的强年际变化是非常重要的,因为它通常是造成该地区严重洪涝和干旱的原因。

[9] 我们基于网格降水数据集的分析发现,夏季降水的年际变化与晚春AO指数有明显的相关性,尤其是五月AO对后来的夏季降雨量影响最大。图1显示,当AO指数回归时,降水变化的地理分布与五月AO有关。这里的AO指数在回归前被标准化。从图中可以看出,与AO相关的夏季季风降水变化呈现出明确的具有很强东西向的大尺度格局。随着一个标准偏差高于AO指数,从长江流域延伸至日本南部的地区降水量减少了20-40mm,而中国南部降水量增加了10-30mm。

图1:在1900-1998年期间,夏季降水的变化(mm)相当于5月AO指数的一个标准偏差。95%置信水平以上的区域被阴影覆盖。使用了网格化的全球陆地降水数据集[Hulme, 1992]。表1列出的10个站点显示为填充圆。等高线间距为10mm。零等高线被省略。

图2: 5月AO指数的时间序列与长江流域和日本南部夏季季风降水。如图所示为高通滤波器的结果,通过该滤波器可以消除超过10年的变化。表1所列的十个站的平均时间序列为降雨量。

[10] 除了分析这十个站降水的均值,还比较了网格数据集。如表1所示,相关系数在-0.20到-0.42之间变化。AO指数的每一个标准偏差对应的降水量变化平均在-48.3mm,由于各站记录的差异较大,该偏差相对于网格化数据略大。对未滤波数据和滤波数据的相关系数进行比较,也证实了这种强相关性主要归因于年际协方差(表1)。

[11] 由于个别站的降水通常受到当地环境许多因素的影响,因此AO与降水的关系信号可能会发生一定程度的失真。如果采用区域平均值序列,这一缺点将得到改善。事实上,10个站的平均雨量展示了与AO一个更加强的关系(见图2)。1954年、1969年、1980年和1993年的强正异常等异常降水事件较为突出。令人印象深刻的是,这些事件与五月AO强负相密切相关。近50年来,AO与降水的这种异相位关系最为突出。在整个时期(93年),这两个时间序列的相关系数为-0.45。考虑到所有数据都是经过高通滤波的,自由度的数量应该不少于90,AO的自相关也证实了这一点。因此,上述相关性在99%置信水平下非常显著。

[12] 我们根据图1选取了这10个站,异常中心

剩余内容已隐藏,支付完成后下载完整资料


资料编号:[17442],资料为PDF文档或Word文档,PDF文档可免费转换为Word

您需要先支付 30元 才能查看全部内容!立即支付

课题毕业论文、外文翻译、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。