表征东亚冬季季风变率的简单度量：乌拉尔阻塞与西太平洋遥相关型外文翻译资料

英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

大气科学进展，2016年6月第33卷，695-705页

表征东亚冬季季风变率的简单度量：乌拉尔阻塞与西太平洋遥相关型

张 H.N. 霍夫曼^1,2和周文*^1,2

¹盖伊·卡朋特 亚太气候影响中心，能源与环境学院，

香港城市大学，香港特别行政区

²香港城市大学深圳研究院，深圳518057

（2015年9月18日接收; 2015年11月11日修订; 2015年11月30日收录）

摘要

我们用两个大尺度的遥相关型来表示东亚冬季季风指数（EAWMI）的长期变化，而不是传统的东亚冬季季风指数。首先，乌拉尔阻塞指数（UBI）与从高纬向西西伯利亚地区的冷平流密切相关，这表明它与西伯利亚高压强度以及东亚冬季季风区北纬40度以北的地表气温（SAT）变化有某种联系。其次，著名的西太平洋遥相关指数（WPI）与东亚急流和东亚大槽的经向位移有关，这与东亚冬季季风区北纬40度以南沿海地区的地表气温变化密切相关。东亚冬季季风区的温度变化也由两种主要温度模式表示，称为北方温度模式（NTM）和南方温度模式（STM）。与现有的19个东亚冬季季风指数和其他著名的遥相关型相比，乌拉尔阻塞指数与北方温度模式显示出最强的相关性，而西太平洋遥相关指数与南方温度模式之间显示出与4个东亚冬季季风指数一样强的相关性。当重复31年运行相关以及8年高通和低通滤波器相关性分析时，UBI-NTM和WPI-STM关系是稳健的。因此，这些结果对分析东亚冬季季风的大尺度遥相关和在气候模式中评估这个问题很有用。特别是，更多的研究应该关注温带欧亚大陆的遥相关型。

关键词：东亚冬季季风，乌拉尔山阻塞高压，西太平洋遥相关型，遥相关

引用：Cheung，H. H. N.和W. Zhou，2016：表征东亚冬季季风变率的简单度量：乌拉尔地区阻塞和西太平洋遥相关型。Adv. Atmos. Sci., 33(6), 695-705, doi: 10.1007/s00376-015-5204-6.

1. 引言

东亚冬季季风（EAWM）的强度与东亚人口稠密地区（包括中国，日本和韩国）的严峻条件密切相关。简单且可预测的EAWM指数（EAWMI）对于季节性预测和研究EAWM的长期变化非常重要。基于EAWM地区的大尺度环流特征（图1），之前的许多研究已经构建了不同的EAWMIs,如利用：(1) 东亚与太平洋之间的平均海平面气压（MSLP）梯度；(2) 东亚沿海地区对流层低层风；(3) 东亚大槽；(4)对流层高层纬向风切变(Wang and Chen, 2010)。然而，EAWM是一个复杂的系统，涉及亚洲大陆和太平洋之间的海气相互作用以及青藏高原施加的地形强迫。而EAWM区北部和南部的地表气温（SAT）的年际变化是不相关的(Wang et al., 2010a)。因此，构建一个能够

图1. EAWM的大尺度环流特征：（a）MSLP（阴影;单位：hPa）和

1000 hPa风（矢量;单位：m s-1）; 和（b）（阴影;单位：m s-1）

和（轮廓间隔：60 GPM）。 在（a）中，青藏高原是黑色的，

而A，B和分别表示西伯利亚高压，阿留申低压和流经东亚近海岸

东北气流。在（b）中，D和E分别表示东亚急流和东亚大槽。

成功捕获整个EAWM地区SAT差异的统一索引是一项挑战。

EAWM系统的演变与来自对流层中上层的上游和下游的遥感信号有关(e.g., Chang and Lau, 1980; Joung and Hitchman, 1982; Lau and Lau, 1984; Hsu and Wallace, 1985; Takaya and Nakamura, 2005, 2013; Song et al., 2014)。EAWM地区典型的严重冷空气爆发是以倒Omega;型为特征的。这是由乌拉尔山—西伯利亚地区和北太平洋上的两个阻塞脊组成的(Yeh et al., 1962; Ding,1994)。张等人(2015)最近的一项研究表明，（中国的东南沿海城市）香港的冷天数的长期变化（而不是逐年的SAT差异）与乌拉尔阻塞指数（UBI）和西太平洋遥相关指数（WPI）的频率密切相关。在本文中，我们将进一步展示UBI和WPI如何构成说明EAWM区逐年SAT差异的最强大信号之一。不同于大多数以往侧重于阻塞/遥相关和EAWM变量之间的关系的研究(Gong et al.,2001; Lee and Jhun, 2006; Liu et al., 2014; Lim and Kim,2015)，我们从东亚冬季季风区的地表气温开始分析。

根据Wang等人的定义（2010a），EAWM区的SAT变化也可描述成两种主要温度模式。北方温度模式（NTM）有效记录北纬40度以北的温度变化，而南方温度模式（STM）则成功描绘了北纬40度以南的温度变化。与19个EAWMIs和其他著名的遥相关指数相比，我们将证明UBI与NTM之间的相关性最强，大部分EAWMIs都很难捕捉到这种相关性。WPI与STM之间显示出与4个东亚冬季季风指数一样强的相关性。由于UBI-NTM和WPI-STM相关性在年际和年代际时间尺度上均超过0.7量级，因此我们认为乌拉尔阻塞（UB）和西太平洋（WP）遥相关对于EAWM研究至关重要。根据本研究和其他近期研究的结果，我们还将讨论定义一个具有代表性的EAWMI的关 键。

本研究使用从1948/49到2013/14年间的66个冬季NCEP-NCAR再分析资料，其中包括位势高度场（Z），SAT月平均场，MSLP，以及风的纬向和经向分量（U和V）。遥相关指数（UBI和WPI）在引言之后的第2节中定义。第3节介绍了这些遥相关指数与EAWM区温度变化之间的关系。第4节强调了这些遥相关指数的强度代表EAWM变量。第5节总结并探讨结论。

2.遥相关指数的定义

在EAWM区域内与SAT有关的突出的大尺度环流特征通过对EAWM区域的区域平均SAT（20°〜50°N和100°〜140°E；图2a中的绿色框 ）与500-hPa位势高度（;图2a中的阴影）进行相关分析来描述。我们通过以下三个步骤来突出显示在EAWM区影响逐年SAT变化的关键区域（图2a中白色轮廓）：

·首先，我们重复EAWM地区每个网格的相关性分析（共221个网格）。分析输出的是，其中，是与 EAWM地区的SAT网格之间的线性相关系数。

·其次，为了确定在EAWM地区SAT变量占很大比例区域，我们为设置了0.574的阈值（量级;对应于33.3％或总方差的三分之一）。阈值（0.574）远远大于有着65自由度（研究周期为66年）的常用置信度（95％或99％）。分析输出为（如果超过阈值则为1，否则为0）。

·最后，在每个网格点（lambda;，phi;），我们计算EAWM区域中超过阈值的SAT网格的百分比，其中（％;图2a中的白色轮廓）。

如图2a所示，EAWM地区SAT的逐年变化与温带地区的上游和下游信号遥相关。东亚大陆的上游是一个三极模式，一个低压系统处在欧洲大陆和地中海（〜15°E）的中心位置，而一个高压系统在乌拉尔山附近（〜60°E）的中心位置，在西伯利亚西部（〜90°〜100°E）可以发现另一个低压系统。这与主要的UB模式类似（Wang et al.，2010b; Cheung et al.，2012）。阿拉伯海（〜20°N，60°E）也存在明显的负相关，但进一步分析表明，该信号与UB显著相关（图未显示）。另一方面，东亚大陆的下游是北太平洋西部的偶极子模式。这类似于WP遥相关模式（Wallace和Gutzler，1981）。上述结果表明，UB和WP在EAWM地区SAT变量占据重要部分。异常模式类似于一个倒Omega;型（Yeh et al.，1962; Ding，1994），表明EAWM地区较低的SAT与更频繁地发生的阻塞有关。EAWM地区的地区平均SAT与45°-90°E（乌拉尔区）和105°-130°E（WP区;图2b）的阻塞频率显著相关。请注意，阻塞频率的定义方式与Cheung等人(2015)列出的算法相同，要确定该地区至少连续四天在中纬度地区出现梯度的逆转。

为了确定EAWM区域内SAT占据重要部分的关键阻塞区域，我们按照图2a中构建白色轮廓的三个步骤进行。首先，我们将每个经度的阻塞频率与EAWM区域内的221个SAT网格中的每一个进行相关分析。这种相关分析的输出是，其中lambda;isin;[0,357.5]°E，iisin;[1,221]。 其次，我们使用来记录这种相关性是否超过阈值（量级为0.574），如果超过此阈值= 1，否则= 0。 第三，对于每个经度，我们计算超过阈值的EAWM区域内SAT网格的比例，其中（图2c）。如图2c所示，我们发现超过30％的SAT网格与UB区域的线性相关系数远大于0.574量级，但远低于10％的

图2 EAWM区域（绿框）和（a）区域平均SAT之间的相关

性网格（阴影），（b）12月 - 1月 - 2月期间NH中的

阻塞频率，其中SAT网格的百分比显示线性相关系数大于

0.574的大小，每个网格用白色轮廓表示（a），阻塞频

率如（c）所示。

SAT网格与WP阻塞的强的相关性。 因此，乌拉尔地区是与EAWM地区SAT变量密切相关的主要阻塞地区。因此，我们推断出以乌拉尔山附近为中心的阻塞模式和北太平洋西部的南北向偶极是与EAWM地区SAT变量相关的两个大尺度大气信号：

·信号（1）可以由UBI表示。它被定义为从封闭（30°-80°N，0°-120°E）区域的协方差矩阵（图3a）得到的第一个主要EOF模式。 协方差矩阵的每个网格由cosphi;加权。该定义与Cheung等人的定义相似（2012），但是为了捕获图2a中的三极模式，我们选择了一个更大的域。与Cheung等人（2015）不同，我们没有采用面积平均阻塞频率，因为EOF模式可以很容易地重现，而且这个EOF模式与UB频率密切相关。

·信号（2）被西太平洋指数（WPI）完美表示。 它被定义为从异常封闭（20°-80°N，90°E-120°W）区域的相关矩阵获得的第一个主要EOF模式，类似于WP模式（Wallace和Gutzler，1981; Cheung等人，2015）。 由于WPI的正符号在北太平洋高纬度地区的值较低，因此在图3b中其符号是逆转的。

3.与EAWM区温度的明显关系

在定义了图3a和3b两个遥相关模式后，他们的标准化主成分与SAT场相关，以说明它们与EAWM温度的关系。如图3c和3d所示，这两种模式与亚洲的两种不同的温度模式有关。UBI与SAT在亚洲中纬度地区（包

图3.（a）UB和（b）WP遥相关型的特征向量。 SAT和（c）UB和（d）WP

的主成分之间的线性相关系数。 在（c，d）中，阴影部分通过置信度95％的

显著性检验，粗线代表相关系数超过0.574（相当于解释方差的三分之一）。

括西伯利亚，中国中部和北部地区，韩国和日本）显著负相关，而与贝加尔湖东南部负相关最强（图3c)。另一方面，WPI伴随着亚太地区的温度偶极异常模式，尤其是WPI的负位相与东亚和东南亚沿海地区（包括中国东南部，韩国，日本南部和越南）的SAT显著负相关（图3d）。简而言之，UBI与40°N以北的SAT形成非常强的联系，而WPI与EAWM地区40°N以南的SAT有很强的联系。

在观测期间，EAWM地区SAT的年际和年代际变化可以主要由两种主导模式来描述（Wang et al，2010a）。 Wang等人（2010a）在EAWM地区（0°-60°N，100°-140°E）的SAT的协方差矩阵应用了EOF分析，称前两个EOF为NTM和STM。两种温度模式的空间模式如图4a和4b所示。根据它们的定义，可使用ERA-40数据集获得。然后，通过将两个特征向量投影到NCEP数据上获得两个SAT模式的主成分，在投影之前减去NCEP和ERA-40数据之间的气候平均差。这两种模式占总方差的72％，NTM（STM）很好地解释了北纬40°N以北(以南)的SAT变量。UBI（WPI）解释的区域似乎与NTM（STM）的区域一致。

图4c和4d显示了UBI-NTM和WPI-STM之间的关系，它们逐年相关性大于0.7量级，解释方差大于50％。 由于EAWM的强度在20世纪80年代后期已经发生了强烈的年代际变化（例如Jhun和Lee，2004; Wang等人，2009b; Wang等人，2010a），人们可能会怀疑这些关系在年际时间尺度上依然牢固。换句话说，图4c和4d表明的关系可能主要是由于年代际变化。 在这方面，我们应用了一个具有21个权重的8年高通（低通）Lanczos兰索斯滤波器来提取图4c和4d中每个时间序列的年际（年代际）分量（图5）。

正如我们从图5a和5b中所看到的，UBI-NTM和WPI-STM的关系在年际时间尺度上仍然有高于0.7量级的线性相关性。另一方面，NTM和STM在1986/87年左右经历了一个年代际变化，它们从显著的正位相变为负位相（图5c-d）。 相应地，EAWM地区的SAT在此阶段之前趋于低于正常水平，之后高于正常水平（Lee et al.，2013）。在2000年代后期，由于冬季严寒，两种温度模式变得不那么负位

图4.（a，b）SAT的前两种主要EOF模式（EOF1和EOF2）的空间模式使

用ERA-40数据集计算

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21568]，资料为PDF文档或Word文档，PDF文档可免费转换为Word