北极海冰与中国夏季极端降水的联系：一种选择性观点外文翻译资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

北极海冰与中国夏季极端降水的联系：一种选择性观点

Petteri Uotila*,Alexey Karpechko amp; Timo Vihma

摘要：北极海冰集合异常和中国极端降水的潜在联系是被研究过的。通过临时延迟复合变量例如大气平均海平面气压和海表面温度可以物理辅助解释这种联系背后的关联分析。通过北极海冰和中国降水已知联系的全体检验证实了这种相对简单的途径。例如，类似极端夏季降水对北极海冰集合异常的响应要么在冬天要么在夏天都是显著的。而且，北极海冰与印度和欧亚大陆极端天气的新联系被提出。这篇研究中成熟的方法论可以进一步的应用去确定北极海冰变化的其他遥远的影响。

关键词 ：自组织映射，大气的大尺度环流，降水，海表面温度，地表温度，海冰，北极，中国

1 介绍

北极海冰的范围和厚度在过去的数十年显著减少，尤其在夏季和早秋。这种减少与人为增暖和增加从中纬度向极地海洋和大气热传输有关，这种减少被进一步加速通过相关的反馈机制，以及地表反射率，水汽和云，增加的海洋输送到大气的热通量。

由于正反馈机制，北极地区比中纬度地区增暖幅度更高，依次减少两者之间欧洲南部的温度梯度。因此，北极增暖与海冰减少这个假设极有可能影响中纬度气候，通过改变主要风暴轨道的强度，位置，持续时间。造成当地巨大灾害的这种特点影响极端气候，因此理解北极冰盖与极端气候的关系是重要的，经常通过温度和降水事件定义指数。风暴和大尺度环流的之间的紧密关系是显然的，但是由于大尺度大气环流的高度自然可变性，它与正在减少的北极海冰的关系还没有被绝对证明。因此急切的需要新的有用的方式去决定北极海冰和大尺度大气环流的可能的联系。我们在本文利用的其中一种方式，是基于对变量之间关系的简单的想象。

在这篇文章中，我们记录了极速改变的北极海冰和东亚尤其是中国极端气候的联系。下面回顾的四个研究就降水而言已经解释了这些联系，我们将用他们的结论依次提供一个少量选择和一些程度更清楚的观点关于北极海冰异常与中国极端气候是怎么相关联的去支持我们的方法。（表格1）

表格1 之前的研究和本文提出的北极海冰异常对中国夏季降水的影响的建议。海冰地区简写为：BOS=白令海峡-鄂霍次克海海域，GS=格陵兰海域，LS=拉布拉多海域，PA=泛北极地区

第一ZHAO et al.发现春季鄂霍次克海和白令海峡海冰范围异常与中国东南部极端夏季季风降水有关。热门的结论基于观测分析，NCEP1再分析，模式大气。根据他们的研究，春季海冰范围的减小导致季风加强由于驻波动力和土壤湿度异常造成的大气环流的改变。在春季，鄂霍次克海和白令海峡海冰范围的减少引起一个向东的扩散波和依次减少欧洲降水和土壤湿度的欧洲高度异常。在夏季，欧洲干燥的土地升温更有效，促进大气定常波造成东亚一个持久的高压异常。这个高压异常增加了从北方吹来保持亚洲夏季风和前面更南的结构有关联因此增加了中国东南部的降水的冷空气。我们指出我们的方式可以展示春季海冰集合异常和夏季极端降水的关系。此外，我们将阐明从春季到夏季大气环流异常复合演变的不同与春季SICA的关系。

第二，Wu et al. 根据1968-2005的NCEP1再分析资料和降水观测发现北冰洋海冰集合尤其在春季格陵兰海和中国之后的夏季降水在统计学上有一个显著的联系 。他们展示负的海冰集合异常与中国东北和中部的夏季降水增加和中国南部夏季降水的减少有关。然而正的海冰集合异常的相反的是正确的。Wu et al.把中国降水异常归于两个波列：一个东亚经向偶极子结构，另一个从欧洲南部扩展到朝鲜半岛。通过持续的春季到夏季海冰集合异常和亚洲雪盖异常可能引起这些波列结构。表面异常例如这些影响副极地西风和罗斯贝波的重新分配。

第三，Guo et al.用经验正交函数和数值模式实验分析了春季北极海冰和东亚夏季风的联系。他们分析显示北冰洋海表温度变化起一个中介作用与大尺度大气环流圈和降水的变化相关。他们发现春季北极海冰的减少导致中国东北部夏季降水的增多，然而，同时，中国南部的梅雨锋降水减少。 概括的说，他们的结论确信春季北极海冰异常影响改变北冰洋海表面温度的大气环流。这些温度异常持续直到夏季，影响夏季风环流和东亚降水。为了模仿这个机制，需要一个耦合的大气-海洋模式因为大气环流和北冰洋的海表面温度之间的相互作用。我们展示我们的方式揭示Guo et al.发现的春季北极海冰和中国夏季降水的关系。

四个研究引用上面的证明合成几个气候系统的部分（海洋，海冰大气和陆地）之间的相互作用与季内时间响应被要求减少中纬度对高纬度异常的响应。机制用来解释北极不同地区海冰和在大西洋海表面温度，太平洋海表面温度，欧洲的土壤水分含量或者北极海冰存留和欧亚雪盖异常相关研究之间变化的中国降水的联系。这些因素的持续通过改变大气环流，改变中国降水触发了大气罗斯贝波列在夏季响应延迟。然而，中国降水反应综合图一直是要么不清楚的要么甚至是矛盾的。正如表1看到的，可能由于方法论，选择的地区和时间周期的不同。例如，Zhao et al.联系北极海冰的减少与中国东南部夏季降水的增多，而Wu er al.认为中国南部夏季降水的减少与冬季北极海冰有关。像这些议题需要说明。

因此，找到强健的机制去尽可能优美地解释中纬度响应是相当充满挑战的。此外，如果可能简化可视化，那么已经假设的机制是令人满意的，因为它使他们更容易理解和查证。这就是这篇研究的主要目的-去查证我们相对简单的可视化方式能捕捉到我们假设的北极海冰和东亚降水之间联系的基本要素。如果成功，我们将展开我们的方式去探索北极海冰和与之后的研究中的冰雹和温度有关的极端天气指数之间的其他联系。

2 研究方法和数据

我们用自组织映射的方式去分类北极海冰异常集合模式和把这些模式和一系列变量例如极端天气指数联系起来。自组织映射算法将非线性高维数据之间的统计关系转化为简单的几何关系的图像上的点低维显示器,通常是一个常规的二维网格的节点。在我们的例子中,这些节点是地球物理变量的地理表面地图。自组织映射算法是基于无监督学习过程产生这种训练数据样本的低维表示。重要的是,自组织映射算法在高度输入数据密度领域放置更多的节点,从而试图保存输入数据的概率密度函数。自组织映射技术不需要预先决定数据结构而是在加工它自己的数据时被训练，与其他相似的集群技术不同。由于这些属性,自组织映射技术特别适用于高维数据可视化。

Kohonen发表自组织映射算法的详细描述,以及 Hewitson和Crane 的论文提供气候数据自组织映射应用的更多信息。自组织映射在许多气候研究已经被测试和证明是一个非常有用的方法从从大数据集中获取和可视化少量的模式(见例如)。在早期的研究中,我们发现,自组织映射技术适用于极地地区的天气气候学的创建。在这些研究中自组织映射包括二维网格的节点,通常七次五个节点,每个节点代表一个循环模式。在这个分析中,我们通常跟随亚历山大·艾尔的方法,他应用自组织映射对全球海温模式进行分类。这里我们应用自组织映射生产五个北极海冰密度异常(海冰异常集合)模式(图1)。

在图1中, 在一个常规数组中的自组织映射节点,不符合定量测量节点之间的相似性。最初,我们生成的不同大小的自组织映射数组和比较这些数组后,我们发现自组织映射组成的五个海冰异常集合模式适合我们的分析,因为他们非常简洁地显示区域海冰异常集合特性之间的关系。例如,三个海冰异常集合模式不显示数组中间海冰异常集合模式,如图1所示(3，0)当巴伦支海出现一个正的海冰异常集合时在拉布拉多海出现一个负的海冰异常集合。用结果部分解释说,这些中间模式在解释中国在接下来的夏季降水异常时起重要的作用。另一方面,我们发现相比图1所示的五个节点，大部分节点不会产生截然不同的海冰异常集合模式。同时,几个月映射到具有统计代表性的节点变得太小了。因此我们选择了五个节点自组织映射数组为我们分析。然而,我们的主要结果和结论,并不依赖于是否一个使用五或七自组织映射节点,这是很有意义的。

图1 春季基于1979-2013年去趋势HadISST数据北极海冰异常（SICA）的一个五节点自组织映射（SOM）。左边第一个自组织映射模式（0,0）与右边最后一个自组织映射模式（4,0）相比代表相反的海冰异常集合情况。在（1,0），（2,0）和（3,0）之间的自组织映射模式代表中间的海冰异常集合情况。没有海冰的海洋网格是白色的陆地是灰色的。

我们用1979-2013年的基于哈德利中心的海冰和海表温度数据集（HadISST）的北极海冰异常集合每月的线性趋势生成一个春季和夏季的自组织映射。海冰集合数据映射到1°*1°纬度/经度网格。从哈德利中心的海冰和海表温度数据集开始，海冰异常集合数据被广泛成功的用于基于观测的研究和模式模拟。从英国气象局海洋数据库得到的海表温度数据也包含从1982年起通过全球通信系统收集的数据。为了增强哈德利中心的海冰和海表温度数据集覆盖范围，当缺少海洋资料库（MDB）数据时候采用从国际综合海洋大气资料集（ICOADS）得到的1871-1995年的海表面温度的月中值。从各种各样的资源包括数字化海冰图和被动微波检索得到海冰数据。哈德利中心的海冰和海表温度数据集用两级空间最优插值程序重建了温度,其次是叠加高质量网格观测到重建恢复当地的细节。让海冰原更加均匀通过补偿以微波为基础的卫星海冰密集度熔化物表面的影响对检索在北极和南极的算法缺乏的作用,并通过历史原位浓度与卫星数据一致。海表面温度通过它与海冰密度计之间的统计学关系被估算。由于小心处理哈德利中心的海冰和海表温度数据集数据,它使用所有可用的数据,并考虑数据覆盖和均化的问题,我们认为在涵盖卫星时代的分析期间哈德利中心的海冰和海表温度数据集数据与自组织映射的一致性是适合。

删除数据趋势的原因是以便改变观察到从一个状态到另一个反映海冰异常集合模式真实变异性,而非长期倾向于北冰洋变暖。类似于Wu et al.等,我们DJF定义为冬季,MAM是春季,JJA是夏季。如前所述,春季和冬季自组织映射包含五个海冰异常集合模式。因为自组织映射方法把每个月海冰异常集合记录联系起来记录到最近的海冰异常集合自组织映射模式通过寻找最小均方根的区别,我们可以暂时让任何气象变量与海冰异常集合模式联系起来。虽然海冰异常集合自组织映射模式的过滤时间序列已经被证明是令人满意的,当与降雨趋势由于一些模式和原始数据之间的不匹配时,在我们的案例中过滤并不是必要的。这是因为我们分类大尺度海冰异常集合模式,小规模的变化并不重要,不像海平面气压场模式中气旋与强降水事件有关,因为我们探索海冰异常集合模式和极端降水指数之间的物理关系,不是他

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[31434]，资料为PDF文档或Word文档，PDF文档可免费转换为Word