射频识别(RFID)趋势的调查报告外文翻译资料

英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料

射频识别(RFID)趋势的调查报告

EDMUND K.M.CHANG

纽约州立大学石溪分校海洋科学研究中心地球与行星大气研究室，纽约

摘要：

基于NCEP-NCAR再分析资料和40年的ECMWF再分析资料(ERA-40)以及未经同化的高空观测资料，研究冬季北半球太平洋和大西洋风暴轴的协同变化关系。通过计算250hPa逐月经向涡动动量通量发现，1975/76年-1998/99年冬季两大洋风暴轴相关系数高达0.5，同时，这种关系在高空数据中也可以清楚看到。进一步分析再分析资料发现，这种协同关系在其它涡动通量和协方差统计中也很明显，其中包括700hPa向极热量通量。

正如在两个再分析资料数据中所显示的那样，两大风暴轴之间的相关在1957/58-1971/72年期间并不明显，可能在20世纪70年代存在由低相关的风暴轴向高相关的风暴轴的传输机制。然而，在这个早期时段，高空观测数据不足而无法证明这种再分析资料中发现的低相关性。因而，在早期再分析资料中的异常情况也无法辨别。

用GFDL GCM模式计算的四组1950-1995年的全球海表温度异常GCM实验，也可以发现类似的结论。尽管使用GCM模式时间段设置在1975/75-1994/95，但是这其中两大洋风暴轴相关性比观测到的要低(约为0.18)。一个Monte Carlo研究表明从统计上来说，观察到的相关性和模式计算的相关性存在1%的差距。

夏季南半球太平洋和大西洋风暴轴的相关性也可以用再分析数据计算得知。结果表明南半球夏季太平洋和大西洋风暴轴的振幅并不显著，这说明二者之间不存在明显的相关性。

一、介绍

在中纬度地区较冷的季节里，天气状况的变化是由气旋和反气旋来起作用的。除了影响地球表面的天气外，这种风暴通常是深厚的斜压波在地表的表现，这种波动通常可以延伸至较低的平流层，并且会参与到大尺度能量、动量和水汽的输送。在北半球，气旋经常出现在中纬度的海洋中(Pettersen 1956;Whitaker and Horn 1984)。Blackmon(1976)观察到涡动通量最大的输送带经常出现在气旋活动最频繁的地方，并且首次用风暴轴描述输送带最大值所在区域。本文基于这种定义方法使用涡动通量统计数据表示风暴轴活动。

因为风暴轴与天气和全球输送有关，风暴轴的变化可能会成为气候变化中最为重要的部分。近年来，风暴轴的变化也没有被深入研究过，一个可能的原因是由于缺少该项研究所需的长期观测数据。然而，在过去十年间，美国环境预报中心和国家大气研究中心(NCEP-NCAR)发布的50年再分析资料(Kalnay et al.1996;Kistler et al.2001)以及近年来，欧洲中期天气预报中心(ECMWF)发布的40年再分析资料(ERA-40)，气候研究人员如今可以更易获得高质量的格点数据，这些数据由数据同化系统计算而得。因而，在过去几年间开展了大量关于风暴轴变化的研究(详情请参考Chang et al.2002)，这其中大多数是基于NCEP-NCAR的再分析资料进行的研究。

除了理解风暴轴变化在天气和气候变化的作用外，进一步研究的目的是为大气环流模式建立基础。由于风暴轴中的斜压波动在大气输送中起到的重要作用，涡动变化所导致的风暴轴位置和振幅的变化对于大尺度环流产生重要影响(Held et al.1989；Branstator 1992;Peng and Whitaker 1999)。因此，大气环流模式正确模拟气候和风暴轴变化的能力是模式预测气候变化中的重要组成部分。在过去几年间，开展了大量研究模式模拟的实验(Christoph et al.1997;Carillo et al.2000)。

过去许多针对风暴轴的研究将太平洋和大西洋风暴轴分为两个独立个体，分别分析它们的特征(Lau 1988;Carillo et al.2000；Graham and Diaz 2001;Geng and Sugi 2001)。近期，Chang 和Fu(2002)基于NCEP-NCAR再分析资料，用EOF方法分析了冬季北半球风暴轴在DJF平均半球尺度的300hPa的滤波经向风速带，发现EOF第一模态是一个半球结构，表现出了大西洋和太平洋风暴轴一致增强减弱的趋势。他们还发现两风暴轴之间有显著协同变化关系，甚至在逐月的变化中也可以看到。然而，Harnik和Chang(2003)通过将未同化的探空仪观测资料计算结果和NCEP/NCAR再分析资料分析风暴轴入口区和出口区进行比较，发现用探空仪观测资料分析的两大洋风暴轴入口区和出口区的相关性比再分析资料要差一些，进而提出用再分析资料分析的两大洋风暴轴之间的相关性可能是虚假增长的结果。然而，在Chang 和Fu(2002)发现较大相关性的区域中，探空仪观测资料很少。

尽管在海洋上的探空仪观测资料很少，20世纪中叶到20世纪60年代，在北半球中纬度海洋接近风暴轴的区域有越来越多的飞机观测资料。本文将会使用飞机观测资料来看看从未同化的飞机观测资料当中能否观察到两大洋风暴轴之间的协同变化特征。第二小节介绍在飞机观测资料当中确实存在的相关性。第三小节检验这种相关性如何呈现在不同的涡动变量当中，第四小节会讨论一些基于这些相关性而提出的一些问题。第五小节是结论。

二、基于高空资料分析的VV2501df

本文中主要使用的数据是NCEP-NCAR 50年的再分析资料(Kistler et al.2001)和ERA-40。Harnik和Chang(2003)通过比较北半球雷达观测数据和NCEP-NCAR再分析资料数据，发现NCEP/NCAR数据在20世纪70年代以前有很多误差；因而在本节中我们使用1975年以后的数据。

为验证再分析数据的结果，计算了海洋上空的未同化的高空分析资料。作为NCEP/NCAR再分析资料的一部分，分析中使用的所有观测数据都是有记录的(Kalnay et al.1996)。在200hPa和300hPa之间有大量的风暴轴区域的高空分析资料，因此我们取250hPa。所有的飞行记录数据(AIREP)和卫星数据(ASDAR)都是按顺序存储的。Chang(2003)通过分析未同化高空观测资料发现太平洋上风暴轴在仲冬最小。本文中，我们将使用这种数据来分析是否可以看到Chang和Fu(2002)基于NCEP-NCAR再分析资料发现的两大洋风暴轴之间的协同关系。

首先定义风暴轴在对流层顶的表示方式。本文中，用250hPa经向速度24小时滤波方差来表示风暴轴(Wallance et al.1988)：

（1）

在上式(1)中，横线表示月平均。使用这种过滤模式是因为这样做有较少的数据错误(Chang and Fu 2002;Harnik and Chang 2003)。就像Wallace et al.(1998)发现的那样，过滤器的峰值响应时间为2天，半功率点宽度为1.2至6天。Chang 和Fu(2002)研究了不同滤波器的不同方差变量，发现他们有相似的变率。标记滤波峰值响应时间为2天；因此，使用24-h差分滤波器计算的方差和协方差统计量应该除以4，然后再对其他滤波器的结果进行定量比较。

图1a表示VV2501df冬季平均情况(1975/76-1998/99的DJF)，图1b表示其逐月的变率(标准偏差)。在图1中，我们能够看到两风暴轴大值区位于东太平洋和中大西洋，逐月变率最大值位于东太平洋和东大西洋。就像Chang 和Fu(2002)所提到的那样，EOF分析(协方差大值区)在月际异常上，图2表示了EOF第一模态与两风暴轴的同时增强和减弱一致(VV2501df中月际变率占18.6%)。在图2a是月际异常相关性的第一模态(PC1)，图2b表示PC1的回归。显然，EOF有一个衔接两风暴轴的结构。

众所周知，我们使用EOF是为了表示方差最大值，这种半球模式的出现不能很好地展示实际相关性的全部结构(Dommenget and Latif 2002)。模式中的最大最小值相互之间也没有显著相关性。为了检验两风暴轴之间确实存在相关性，基于图2中的数据我们定义了风暴轴指数。太平洋指数(PAC)是VV2501df在40°-50°N，180°-140°W的区域平均，大西洋指数(ATL）是42.5°-52.5°N，50°-10°W的区域。合成时间序列有很高的相关性，为0.5。我们也定义了更大区域的指数(35°-55°N，170°E-130°W和37.5°-57.5°N，60°W-0°)，合成相关性较小(0.46)。图3是VV2501df逐月的两指数的相关和回归。图3中，相关性大于0.25的区域为阴影区。显然，这两种指数之间与风暴轴有很好的相关性。已有人开展了一次蒙特卡洛测试(Zwiers 1987;Livezey 1995)，结果表明图3中显示的海域之间的相关模式是有统计意义的。详情请看附录。

在图3c,d中是在回归中解释方差在两区域：170°E-130°W和60°W-0°，30°-65°N的占比。基于PAC指数的回归在太平洋区域占40.6%，大西洋的8.2%，而基于ATL指数的回归在大西洋中占30.1%，太平洋的10.4%。所以尽管两大洋风暴轴之间的相关性很显著，从一个风暴轴的变化中预报另一个风暴轴的变化并不显著。基于ERA-40数据计算的图1-3也可以得出相似的结论--结果相似就不写了。

尽管基于两种再分析数据的分析表明两大洋风暴轴有很大的相关性，但是我们也应该用观测数据来检测一下这种相关性。Harnik和Chang(2003)使用两风暴轴入口区和出口区无线电观测资料。发现两风暴轴在这些区域的相关性，和用未同化无线电探空资料得到的一样，比用NCEP/NCAR再分析资料得到的要小很多。这就使我们思考两风暴轴之间的相关性是否在分析过程中被扩大了。然而，在风暴轴中心区没有探空数据，因此必须使用其它数据。

在本文中，我们使用了未同化的高空观测资料来计算使用分析资料计算的物理量。Chang(2003)中，使用了6小时5°X5°的200hPa和300hPa之间所有高空观测格点资料的平均值，每3小时设为一个5°X5°格点文件。在Chang(2003;图5中也有；见以下讨论)中分析了观测资料的特点。图4 a实线表示在中太平洋(40°-50°N，170°E-150°W)，每个5°X5°观测资料格点数据的逐月平均数值，虚线表示中大西洋(40°-50°N，50°-10°W)。1965年以前数据很少，在20世纪70年代至80年代观测数据才保持相对稳定，除了1979年附近的峰值【第一次全球大气研究计划(GARP)全球实验年(FGGE)】，在20世纪80年代中期下降。图4b是每月逐6小时5°X5°格点数据（最大值可能在120）。能够看到，中太平洋，从1967/68年开始平均值在40左右，在大西洋中，从1970/71年开始平均值在70左右。图4 表明应该使用较多数据来分析两大洋风暴轴之间协同关系。

对于每个格点数据，根据式(1)计算高空观测资料的逐月变率，对于观测成对的数据取平均。为了缩小数据误差所带来的影响，(Kidson and Trenbreth 1988;Chang 2003)以及及时改变观察的空间变化，当一个月的数据对超过20时，仅在格点中定义变率，如果DJF每月数据对超过20的个数大于15个月的时候，那么该数据可用(例如，就像图5中显示的那样，至少有45个月的变量符合)。以下称这组数据为AIROBS。为了估计未经平均的观测数据的误差，基于分析数据得到了一组与高空观测相似的数据。这个数据集只有在格点中存在飞机观察资料时才使用分析数据(下称为RSAMP)。基于AIROBS和RSAMP数据计算的结果与全部用再分析资料计算的结果(REAN)进行比较。

为了和再分析数据进行比较，求AIROBS和PAC与ATL指数的相关和回归，图5是结果。数字表示回归数据，相关系数大于0.31的格点为阴影(通过了95%的显著检验)。显然，PAC指数和AIRPBS的相关性在大西洋风暴轴附近很大，而ATL指数和太平洋风暴轴相关性在中太平洋很大。回归数据和图3c,d的由REAN计算的数据进行比较。在表格1中，求三组回归数在中太平洋(40°-50°N，170°E-150°W)和中大西洋(40°-50°N，50°-10°W)的平均。可以看到，基于AIROBS的强度和基于RSAMP和REAN求到的数据很接近，表明再分析资料和高空观测数据之间没有显著的差异。

图6是基于AIROBS和REAN求得的VV2501df平均区域的逐月变率。可以看出时间序列之间的相关性很好--太平洋时间序列中AIROBS和REAN相关系数为0.93，而大西洋中为0.97(AITOBS和RSAMP之间的相关性更高)。由AIROBS求得的两个时间序列相关系数为0.39--通过了99%的显著性检验，比REAN求到的要小(0.48)。然而，RSAMP为0.41，认为由AIROBS求到的两大洋风暴轴的相关性比较小可能是数据误差导致。因而，我们亦可得到结论：太平洋和大西洋风暴轴之间的显著差异可以用未经同化的高空观测资料得到。

三、除了VV2501df外其余层次情况

在第2节中，我们关注的是250hPa经向风，因为该层有再分析观测数据。然而，风暴轴也可以基于其它物理量来定义，例如更低层的经向热通量(Nakamura et al.2002)或者地表气压/位势高度变化(Wallace et al.1988)。本节分析其它风暴轴定义方法来看其它物理量中两大洋风暴轴的相关。

1975/76-1998/99的NCEP-NCAR再分析资料和ERA-40数据已经分析过了，因为二者结论相近，这里只放了NCEP-NCAR的再分析数据的结论。图7中是基于在第2节中定义的PAC指数和ATL指数求到的250hPa24小时滤波的向极纬向动量回归图()，700hPa

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21252]，资料为PDF文档或Word文档，PDF文档可免费转换为Word