EN中文

地理科学 >

2025 , Vol. 45 >Issue 1: 227 - 238

DOI: https://doi.org/10.13249/j.cnki.sgs.20221175

1970—2020年秦岭南北降水季节性时空变化及其影响因素

  • 李双双 ,
  • 胡佳岚 ,
  • 延军平
展开
  • 陕西师范大学地理科学与旅游学院，陕西 西安 710119

李双双（1988—），男，陕西潼关人，副教授，博士，主要从事气候变化与区域灾害防治研究。E-mail:

收稿日期: 2023-09-22

  修回日期: 2023-12-15

  网络出版日期: 2025-02-12

基金资助

国家自然科学基金项目(41701592)

陕西省自然科学基础研究计划项目(2023-JC-QN-0321)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Spatio-temporal variation of precipitation seasonality and impact factors in south and north of the Qinling Mountains in 1970—2020

  • Li Shuangshuang ,
  • Hu Jialan ,
  • Yan Junping
Expand
  • School of Geography and Tourism, Shaanxi Normal University, Xi’an 710119, Shaanxi, China

Received date: 2023-09-22

  Revised date: 2023-12-15

  Online published: 2025-02-12

Supported by

National Natural Science Foundation of China(41701592)

Projects of Natural Science Basic Research Program of Shaanxi(2023-JC-QN-0321)

Copyright

Copyright reserved © 2023.
Fold

摘要

基于1970—2020年逐日降水数据，辅以经验正交分解法、趋势分析等方法，对秦岭南北降水季节性指数（PSI）时空变化特征进行分析，识别降水季节性空间主导模态，探讨降水季节性空间异常与全区海温的遥相关关系。结果表明：① 1970—2020年，秦岭南北PSI线性变化趋势并不显著，以3.2 a的年际波动周期为主。1997年后，较长干季逐渐成为区域降水季节性的常态；② 在空间上，秦岭南北有61.3%的区域降水季节性为单一空间主导型，组合类型相对较少。其中，湿季偏长和干湿均衡是单一形态的主导类型；“干湿均衡−干季偏长”是组合形态的主导类型；③ 前冬、春季北大西洋涛动处于负相位，赤道中东太平洋由厄尔尼诺转拉尼娜时，秦岭南北PSI异常偏高，全区发生极端干旱风险较高。

关键词： 气候变化; 降水季节性指数; 厄尔尼诺; 北大西洋涛动; 秦岭南北

本文引用格式

李双双 , 胡佳岚 , 延军平 . 1970—2020年秦岭南北降水季节性时空变化及其影响因素[J]. 地理科学, 2025 , 45(1) : 227 -238 . DOI: 10.13249/j.cnki.sgs.20221175

Abstract

Based on daily precipitation data from 1970 to 2020, we analyzed the spatio-temporal variation of precipitation seasonality index (PSI) in south and north Qinling Mountains. Then, the empirical orthogonal function (EOF) analysis is performed to identify the leading spatial patterns of PSI in the study region. More specially, we discussed the relationship between the leading spatial patterns of PSI and sea surface temperature anomaly (SSTA). The results show that: 1) The change of PSI in south and north of the Qinling Mountains was mainly synchronous variation over the past 51 years. Before 1997, it could be observed one peak (dry) periods (1975—1986) and two valley (wet) periods (1970—1975 and 1987—1996) of PSI variation. After 1997, the precipitation showed markedly seasonality with a long drier season in 1997—2015, which indicated the dry climate is becoming the normal condition for China’s south-north transitional geographical zone. 2) Spatially, the single type of precipitation seasonality is clearly seen over most regions (61.3% of the study area) and the combined type of precipitation seasonality (32.7% of the study area) does not prevail. In detail, for the single type, the eastern part of Hanjiang River Basin and western part of Daba Mountains (28.3% of the study area) are mainly controlled by a longer wet season. Moreover, precipitation seasonality with the dry−wet balance accounted for 22.9% of the study area, which located in the west of Jialing River Basin, Hanzhong Basin, Ankang Basin and the middle of Guanzhong Plain. 3) This study investigates the first leading spatial patterns of the interannual variability of PSI in the south and north Qinling Mountains. The positive phase of the first leading mode (EOF1) showed characterized by positive PSI anomalies for the whole region. The positive phase of EOF1 was significantly associated with the negative phase of North Atlantic Oscillation (NAO) from pre-winter to spring, as well as the transition from El Niño in pre-winter to La Nina in summer.

Key words： climate change; precipitation seasonality index (PSI); El Niño; North Atlantic Oscillation; south and north of the Qinling Mountains

降水，作为全球水循环的重要组成环节之一，是气候变化重要的指示信号[1-3]。全球变暖背景下，气温每升高1.0℃，大气持水能力大约增加7.0%，极大增加了极端降水发生的频次和强度[4]。国内外学者不但关注降水量级、强度、地域差异与变暖的响应关系，而且重视降水季节分布随变暖的改变[5-12]。近年来，降水季节性逐渐成为植被生长归因[13]、水资源规划与管理[14]、生态系统可持续发展[15]、城市内涝治理[16]等领域的研究热点。
全球不同区域降水季节性与变暖响应规律并未达成一致性结论[7]。其中，热带地区[11]、中国[17]、印度[18]、美国加利福尼亚州[19]降水季节性指数（Precipitation Seasonality Index, PSI）在增加，这意味着更多的降水将发生在更短时间内。南美洲、加拿大、东非、南非PSI在减小[12]，降水季节分布变得更加均匀。气候模拟显示，不同区域降水季节性变得更加复杂[20-23]。关注降水季节性时空变化特征，理解变暖与季节性响应规律，对构建区域综合风险防范体系具有重要的现实意义。
秦岭位于中国中东部，是中国南北地理分界线，属于气候变化敏感区，也是南水北调和引汉济渭等跨流域调水工程的核心水源区[24-26]。在极端降水与变暖响应关系中，随着气温升高，秦岭南北持续性极端降水呈现下降趋势，单日型极端降水呈增加趋势[27]。当前，对比中国不同流域及西北地区降水季节性变化研究发现：1961—2008年，新疆PSI无显著变化[28]；1957—2014年，西北地区PSI呈现显著下降趋势[29]；1960—2018年，中国北方气候敏感区（西北地区、海河流域、松辽河流域）PSI呈现显著下降趋势[9]。受研究时段和研究区域的限制，中国或西北降水季节性时空变化的结论，尚不足以充分地支撑中国南北过渡带降水季节性规律的认识。在影响因素上，在厄尔尼诺年，除长江流域之外，中国其他区域降水季节性均呈现下降趋势，意味着降水季节分布更加均衡[9]。随着厄尔尼诺与南方涛动（ENSO）对东亚季风影响和机理研究逐渐深入[30]，细化ENSO海温异常空间形态，关注前冬−春−夏季海温异常演化类型，有助于挖掘降水季节性异常的海气异常信号，对落实气候适应行动路径具有实践意义。
基于此，本文利用72个气象台站逐日降水数据，对1970—2020年秦岭南北PSI时空变化特征进行分析；基于经验正交分解法，识别PSI空间异常的主导模态；对PSI年代际异常影响因素进行分析，以期为理解中国南北过渡带气候变化规律提供理论基础。

1 数据与方法

1.1 数据来源

秦岭是中国地理南北分界线，北部为渭河盆地，属于黄河流域；南部为汉江谷地，属于长江流域，气候属于北亚热带和暖温带、湿润和半湿润地区的过渡带[24]。为了对比降水季节性的空间差异，参考已有研究[27]，依据秦岭分水岭和秦岭南坡800 m等高线，将研究区分为：关中平原、秦岭南坡和汉江谷地3个子区（图1）。1970—2020年逐日降水量数据来源于国家气象科学数据中心（http://data.cma.cn）。1969—2020年全球海温数据为日本气象厅的COBE SST2海温逐月数据集①，空间分辨率为1.0°×1.0°。
图1 秦岭南北地理分区与气象站点分布

Fig. 1 Distribution of meteorological stations and geographical zones in south and north of the Qinling Mountains

1.2 研究方法

1.2.1 降水季节性指数定义

2013年Feng等[11]借鉴统计物理和信息理论，构建了新的降水季节性指数，其不受地理环境和降水阈值限制，已经被广泛应用于全球降水季节性特征的研究。计算公式如下：
$ PS{I_i} = \displaystyle\sum\limits_{j = 1}^{12} {\dfrac{{{r_{i,j}}}}{{{r_i}}}} {\log _2}\Bigg(\dfrac{{{r_{i,j}}}}{{12{r_i}}}\Bigg) $
式中，PSIi为第i年降水季节性指数，ri,j为第i年j月降水量，单位为mm，ri为第i年降水量，单位为mm。当PSI值越大时，表明当年降水愈集中；反之，当PSI值越小时，表明当年降水越分散。根据降水年内分布特征，PSI值可分为7类，具体含义如表1所示。
表1 降水季节性指数（PSI）分类与指示含义

Table 1 Types of PSI and its meteorological implications

序号降水季节性指数范围指示含义
1PSI<0.2降水非常均匀
20.2≤PSI<0.4降水均匀，可定义出湿季
30.4≤PSI<0.6较弱的季节性，有短暂的干季
40.6≤PSI<0.8四季分明
50.8≤PSI<1.0较强季节性，有较长的干季
61.0≤PSI<1.2干旱，降水季少于3个月
7PSI≥1.2极端干旱，降水季不足2个月
为了判断PSI空间主导类型，本研究分别统计PSI<0.6、0.6≤PSI<0.8和0.8≤PSI逐站点年份，以PSI<0.6年份总数超过28 a为标准，判断站点是否为湿季偏长型；以0.6≤PSI<0.8年份总数超过18 a为标准，判断站点是否为干湿均衡型；以0.8≤PSI年份总数超过8 a为标准，判断站点是否为干季偏长型。考虑主导类型存在组合形态，将空间主导类型细分为3个类型：干湿季均衡−干季偏长型、干湿季均衡−湿季偏长型、湿季偏长−干季偏长型；将无明显主导类型归为其他。

1.2.2 逐日降水量比值

逐日降水量占比，可辅助认知区域降水季节分布规律。本文以30 a为气候基准态，选择1971—2000年、1991—2020年2个时段，计算逐日降水量占比，绘制逐日降水量分布曲线，判识秦岭南北3个子区降水峰值时段。逐日降水量占比计算公式如下：
$ I_j=\displaystyle\sum\limits_{i=1}^n\dfrac{p_{_{i,j}}}{n}\Bigg/\displaystyle\sum\limits_{j=1}^{366}\displaystyle\sum\limits_{i=1}^n\dfrac{p_{_{i,j}}}{n} $
式中，Ij为第j天逐日降水量占比，单位为%；pi,j为第i年j天降水量，单位为mm；n为统计时段年份数。Ij值越大，说明当天降水对年降水量贡献越大。

1.2.3 经验正交分解法

经验正交分解法（Empirical orthogonal function，EOF），获得特征向量的空间模态，反映气候要素的空间规律；对应的时间系数，反映空间模态随时间变化特征[31]。其中，时间系数绝对值越大，表明该年份秦岭南北降水季节性分布结构越典型。EOF分解模态显著性，利用North等提出的特征值误差范围进行检验[32]。

1.2.4 降水季节性变化与全球海温的相关分析

借助相关分析方法，对秦岭南北PSI与前冬（12月—次年2月）、春季（3—5月）或夏季（6—8月）全球海温进行去趋势相关分析。
相关系数计算公式如下：
$ r=\dfrac{\displaystyle\sum\limits_{i=1}^{51}\left(x_i-\bar{x}\right)\left(y_i-\bar{y}\right)}{\sqrt{\displaystyle\sum\limits_{i=1}^{51}\left(x_i-\bar{x}\right)^2\displaystyle\sum\limits_{i=1}^{51}\left(y_i-\bar{y}\right)^2}} $
式中，r为降水季节性主导模态时间系数序列与前冬、春季或夏季全球逐栅格海温异常的去趋势相关系数，xi为PSI空间模态第i年时间系数值，yi为第i年前冬、春季或夏季不同海区海温异常值，$\bar x $为PSI空间模态时间系数序列多年均值，$\bar y $为全区海温前冬、春季或夏季多年均值。

1.2.5 极点对称模态分解法

极点对称模态分解方法（Extreme-point Symmetric Mode Decomposition，ESMD），可将非平稳时间序列平稳化，不需要预先取定基函数或窗口长度，分解不同频率的信号，可解决经验模态分解方法的“模态叠加”问题[33]。本文利用ESMD方法，对PSI主导模态时间系数序列进行分解，以提取长期趋势和多年代变化信号。利用谐波分析方法，分析本征模态函数（Intrinsic Mode Function，IMF）的主周期，为探讨PSI年代际异常影响因素提供理论基础。

2 结果分析

2.1 秦岭南北降水季节性分布特征

秦岭南北位于中国东部季风区，降水季节性异常受季风进退影响。东亚夏季风从5—7月有3次明显“北跳”：① 5月中旬，南海季风爆发，西太平洋副热带高压北跳至20°N以北，中国雨带主要位于江南地区，秦岭南北降水相对偏少；② 6月中旬，对流层上层南亚高压建立，对流层中层的西太平洋副热带高压北跳至25°N，长江流域进入梅雨季，雨带位于江淮地区，秦岭以南降水增多；③ 7月中旬梅雨结束，西太平洋副热带高压北跳至30°N，华北雨季开始，秦岭以北降水增多。
秦岭南北所处纬度范围为30°~35°N，其中，关中平原平均纬度位置为34.5°N，汉江谷地平均纬度位置为33.0°N。对应1970—2020年秦岭南北3个子区逐日降水量占比曲线分析，关中平原降水峰值期主要在6月上旬和7月下旬至8月上旬；秦岭南坡、汉江谷地雨季峰值明显偏前，且在7月下旬至8月上旬，降水峰值偏弱。上述降水季节分布规律与副热带高压北移有密切关系（图2）。
图2 1970—2020年秦岭南北逐日降水量占比年内分布及其年代变化特征

Fig. 2 Interannual change and decadal variation of the proportion of daily mean precipitation in annual precipitation in south and north of the Qinling Mountains in 1970—2020

与1971—2000年相比，1991—2020年，秦岭南北3个子区逐日降水量占比差值有2个时段为正，即6月下旬至7月上旬和8月中旬；而在6月上旬、7月下旬至8月上旬，逐日降水量占比差值为负。说明近30 a秦岭南北降水峰值推迟，且在关中平原和秦岭南坡体现尤为明显。

2.2 秦岭南北降水季节性趋势变化特征

1970—2020年，关中平原和秦岭南坡多年PSI均值分别为0.641和0.637，说明两者降水季节分布具有相似性，均为四季分明；汉江谷地多年PSI均值为0.576，说明位于亚热带的汉江谷地，有较弱的降水季节性，气候更加湿润。与1971—1990年相比，除汉江谷地PSI下降了2.17%之外，1991—2020年，关中平原和秦岭南坡PSI均呈现增加趋势，两者变化率分别为1.34%和3.18%。但是，非参数趋势检验表明，1991—2020年，秦岭南北3个子区PSI变化趋势均未通过0.05显著水平检验（表2）。
表2 秦岭南北不同分区降水季节性指数（PSI）变化的统计特征

Table 2 Statistics of PSI in south and north of the Qinling Mountains

分区 1971—1990年 1991—2020年 1971—2020年 变化率/% 变化趋势/（%/10a）
关中平原 0.64 0.65 0.64 1.34 0.82
秦岭南坡 0.63 0.65 0.64 3.18 1.00
汉江谷地 0.58 0.57 0.58 −2.17 0.11
相对于关中平原和汉江谷地，秦岭南坡受人类活动影响较小。本文通过计算秦岭南坡与关中平原、汉江谷地PSI相关性发现，1970—2020年，秦岭南北3个子区PSI变化具有同步性，且相关性具有明显的年代转折（图3）。其中，20世纪70年代，为3个子区PSI相关性低位波动期；20世纪80年代初—21世纪初，为3个子区PSI相关性高位波动期；2003年后，关中平原与秦岭南坡PSI相关性下降，且在2009年维持平稳波动；汉江谷地与秦岭南坡PSI相关性则在2008年后快速下降。
图3 1970—2020年秦岭南北降水季节性指数（PSI）同步性变化特征

Fig. 3 Synchronous variation of PSI in south and north of the Qinling Mountains in 1970—2020

李双双等[34]研究秦岭南北气温时空变化指出，1994—2002年为气温快速上升期，2003—2015年为增温停滞期。从图3可以清晰看出，秦岭南北3个子区PSI相关性的“高位波动期”正好对应于区域气温快速增加期。2003—2015年，区域气温增速有所减缓，秦岭南坡与关中平原、汉江谷地PSI变化同步性亦呈现减弱。

2.3 秦岭南北降水季节性空间变化特征

2.3.1 降水季节性不同类型空间变化特征

本文统计1970—2020年秦岭南北降水季节性不同类型出现频次，结果表明：① 受季风气候的影响，秦岭南北少有降水非常均匀、极端干旱、降水季少于3个月的情况发生；② 每个站点平均有21 a的PSI位于0.4~0.6，有18 a的PSI位于0.6~0.8，说明较弱的季节性和四季分明，是区域降水季节性的常态。③ 在空间上，超过10 a降水均匀，可定义出湿季的区域主要为：汉江谷地东段（图4a）；④ 从北向南有较弱季节性且有短暂干季年份逐渐增加（图4b），四季分明、有较长干季年份逐渐减少（图4c-d）；⑤ 降水季少于3个月的年份，近51 a仅出现1~2次，说明秦岭南北持续性干旱较少发生（图4e）。
图4 1970—2020年秦岭南北降水季节性分布类型发生频次的空间分布特征

Fig. 4 Spatial pattern of precipitation seasonality type occurrence frequency in south and north of the Qinling Mountains in 1970—2020

2.3.2 降水季节性空间主导类型

秦岭南北降水季节性单一空间主导型区域占比为61.3%，远高于组合形态的区域占比（32.7%）。其中，单一空间主导型中，湿季偏长型（28.3%）区域占比最高，其次为干湿均衡型（22.9%），干季偏长型空间占比最低，为10.1%。
在空间上，湿季偏长区主要位于汉江流域东部、大巴山西段；干湿均衡型分布于嘉陵江流域西部、汉中盆地、安康盆地和关中平原中部；干季偏长型主要分布于秦岭南坡1000 m等高线附近。
降水季节性组合形态区域占比关系为：干湿均衡−湿季偏长（0.92%）＜湿季偏长−干季偏长（6.44%）＜干湿季均衡−干季偏长（22.3%）。可以看出，干湿季均衡−干季偏长是组合形态的空间主导类型，空间集中分布于：关中平原西部和黄河东部（图5）。
图5 1970—2020年秦岭南北降水季节性空间主导类型

Fig. 5 Dominant types of precipitation seasonality in south and north of the Qinling Mountains in 1970—2020

2.3.3 降水季节性主导空间模态演变规律

为了分析PSI的时空分异特征，采用EOF对秦岭南北1970—2020年PSI距平场进行分解。其中，前8个分解模态中，仅有第1个载荷向量通过North显著性检验，其累积方差贡献率为54.8%，可表征秦岭南北降水季节性异常的主要信息。
图6a为PSI第1模态空间分布。时间系数正相位对应空间分布为全区一致型。关中平原、秦巴山区PSI异常幅度高于汉江谷地、嘉陵江流域,说明关中平原、秦巴山区降水干湿变化对气候变化响应更为敏感。
图6 1970—2020年秦岭南北降水季节性指数异常（PSI）第1模态空间型和时间系数变化特征

Fig. 6 First EOF modes of PSI and its time series in south and north of the Qinling Mountains in 1970—2020

在变化过程上，秦岭南北PSI第1模态时间系数揭示规律与前文相似，正负相位表现出明显的交替转化（图6b）。利用ESMD方法对秦岭南北PSI异常第1模态时间系数进行信息分解，得到3个IMF模态和1个趋势项（图7）。其中，IMF1贡献率最高（35.4%），且表现出明显的3.2 a周期；贡献率排在第2位的是IMF3，其具有明显的25.5 a的周期，而趋势项方差贡献率则相对较低，为13.2%。
图7 基于ESMD的秦岭南北降水季节性指数（PSI）异常第1模态时间系数周期和趋势信息分析

Fig. 7 Periodic and trend information of first EOF modes of PSI’s time series in south and north of the Qinling Mountains based on ESMD

从图7d可以看出，在25.5 a的年代尺度上，20世纪70—90年代中期，秦岭南北PSI异常表现出明显的“负−正−负”振荡变化；进入21世纪，降水季节性年代波动信号逐渐减弱，7.3 a的年代际周期逐渐增强。2009年之后，IMF2年代际周期与趋势项叠加，使得秦岭南北PSI异常转为负相位，全区表现为PSI一致偏低，即区域降水有所增多，年内分布趋于均匀。
ENSO是影响中国夏季旱涝和冬季低温雨雪等气候异常的重要因子，是热带太平洋海气耦合系统中最强的年际变化信号。在ESMD分解的3个IMF分量和1个趋势项中，IMF1与原时间序列相关系数最高（0.678），且通过0.01显著水平检验。说明IMF1分量反映了原序列的主导信息。PSI异常第1模态变化具有3.2 a年际变化周期，与ENSO年际变化周期一致。ENSO可能是调控秦岭南北降水季节性年际异常的关键因素。

2.4 秦岭南北降水季节性与全球海温异常的相关分析

秦岭南北PSI异常第1模态时间系数与前冬到夏季北大西洋海温具有显著的相关性，空间形态呈现“正−负−正”三极型结构，属于典型的北大西洋涛动（NAO）负相位，且在春季相关性达到最强，夏季相关性逐渐衰退（图8）。
图8 秦岭南北降水季节性指数（PSI）第1模态时间系数与全球前冬−春−夏季海温异常去趋势相关分析

图中加点区域相关性通过0.05显著水平检验

Fig. 8 Detrended correlation analysis between global sea surface temperature at pre-winter, spring and summer and first EOF modes of PSI’s time series in south and north of the Qinling Mountains

当春季NAO偏强时，常激发出北大西洋三极子型海表温度异常，该模态能从春季持续到夏季，激发南、北两支大气遥相关型，即北半球中高纬地区为大西洋−欧亚遥相关型；欧亚大陆南部热带地区的Gill-Matsuno型响应。前者调控乌拉尔和鄂霍茨克海阻塞高压，后者增强西太平洋副热带高压与ENSO的联系[35]，导致东亚夏季风偏弱，中国东部降水呈现“南涝北旱”，雨带集中于长江以南地区，秦岭南北易形成一个较长的干旱期。
从前冬−春季−夏季，秦岭南北PSI第1模态时间系数与赤道中东太平洋海温相关性逐渐由“显著正相关”转为“显著负相关”，显著相关海区从前冬的NINO 3区转向夏季的NINO 4区。说明当前冬赤道中东太平洋海温异常偏高（厄尔尼诺），到春夏逐渐转为中东部海温异常偏低（拉尼娜），秦岭南北全区降水季节性指数异常偏高，易形成较长的干旱期，发生极端干旱的风险较大。
在环流机理方面，随着厄尔尼诺从冬季到春季维持时，即厄尔尼诺处于发展期，菲律宾附近海温偏低，对流不活跃，西北太平洋低层受异常反气旋环流控制，西太平洋副热带高压异常西伸，南侧有东风异常，导致长江流域降水异常偏多，黄河流域、华北地区降水偏少。当厄尔尼诺从冬季到春季衰退时，即厄尔尼诺处于衰退期，菲律宾附近海温偏高，对流活跃，准定常行星波造成中国夏季江淮流域降水异常偏少，黄河流域、华北、江南、华南地区降水偏多[36]。
本研究中，秦岭南北PSI一致偏高时，区域降水季节性逐渐增强，对应厄尔尼诺转拉尼娜，属于厄尔尼诺衰退位相。菲律宾附近海面温度偏高，是区域降水季节性增强的重要遥相关机制。上述结果启示，秦岭南北PSI空间异常第1模态年代变化机制，受北大西洋和太平洋海温异常共同影响，可结合春季北大西洋涛动、厄尔尼诺转为拉尼娜发展型，对区域降水异常状况发布提前预警。

3 结论与展望

本文以1970—2020年逐日降水观测数据为基础，对秦岭南北PSI时空变化特征进行分析；识别了PSI空间异常主导空间模态，揭示了海温异常与PSI空间异常的相关关系。主要结论如下：① 降水季节性趋势变化特征。1970—2020年，秦岭南北3个子区PSI以3.2 a的年际波动周期为主，线性趋势并不显著。1997年后，降水季节性年代际波动有所减弱，PSI以正距平为主，较长干季逐渐成为中国南北过渡带降水季节性的常态。② 降水季节性空间主导类型。秦岭南北降水季节性以单一空间主导型为主，组合形态为辅。空间上，湿季偏长型（28.3%）区域占比最高，主要分布于：汉江流域东部、大巴山西段；其次为干湿均衡型（22.9%），主要分布于：嘉陵江流域西部、汉中盆地、安康盆地和关中平原中部。③ 降水季节性异常影响因素。当前冬、春季NAO处于负相位，北大西洋海温空间形态呈现“正−负−正”三极型结构；同时，赤道中东太平洋海温异常由正转为负，ENSO事件由厄尔尼诺转为拉尼娜时，秦岭南北PSI异常增加，全区降水年内分布趋于集中，易发生极端干旱。
关于秦岭南北PSI时空变化及其影响因素研究，未来尚有许多工作值得探索。
1） 丰富降水季节性刻画指标。本文对秦岭南北PSI时空变化规律及其影响因素进行分析，对雨季“爆发−结束”的过程关注不足。在未来研究中，需要丰富降水季节性指标，强化雨季开始时间、持续时间、降水强度、降水分布形态分析，全面刻画中国南北过渡带降水季节性时空演变规律。
2） 细化降水季节性环流机制。基于已有研究结论，本文尝试对北大西洋、赤道太平洋海温异常与秦岭南北PSI遥相关机制进行阐释，但是海温异常与PSI响应环流机制具有复杂性。在未来研究中，选取NAO负相位年，筛选前冬为厄尔尼诺事件，春夏转为拉尼娜的典型年份，合成分析东亚地区逐月水汽输送异常，可为挖掘秦岭南北PSI年代际异常的遥相关预警信号提供更加坚实的理论基础。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Bengtsson L. The global atmospheric water cycle[J]. Environmental Research Letters, 2010, 5(2): 025202.

DOI

[2]
Berg P, Moseley C, Haerter J O. Strong increase in convective precipitation in response to higher temperatures[J]. Nature Geoscience, 2013, 63: 181-185.

DOI

[3]
Contractor S, Donat M G, Alexander L V. Changes in observed daily precipitation over global land areas since 1950[J]. Journal of Climate, 2021, 341: 3-19.

DOI

[4]
Pall P, Allen M R, Stone D A. Testing the Clausius-Clapeyron constraint on changes in extreme precipitation under CO2 warming[J]. Climate Dynamics, 2007, 284: 351-363.

DOI

[5]
Pendergrass A G, Hartmann D L. Changes in the distribution of rain frequency and intensity in response to global warming[J]. Journal of Climate, 2014, 2722: 8372-8383.

DOI

[6]
赵东升, 张家诚, 邓思琪, 等. 1960—2018年中国西南地区旱涝急转的时空变化特征[J]. 地理科学, 2021, 41(12): 2222-2231

Zhao Dongsheng, Zhang Jiacheng, Deng Siqi et al. Spatio-temporal characteristics of drought-flood abrupt alternation in the southwest China from 1960 to 2018[J]. Scientia Geographica Sinica, 2021, 41(12): 2222-2231.

[7]
Pendergrass A G, Kuntti R. The uneven nature of daily precipitation and its change[J]. Geophysical Research Letters, 2018, 45(21): 11980-11988.

[8]
Pendergrass A G, Hartmann D L. Two modes of change of the distribution of rain[J]. Journal of Climate, 2014, 2722: 8357-8371.

DOI

[9]
Mao Y N, Wu G C, Xu G Z et al. Reduction in precipitation seasonality in China from 1960 to 2018[J]. Journal of Climate, 2022, 351: 227-248.

DOI

[10]
Fatichi S, Ivanov V Y, Caporali E. Investigating interannual variability of precipitation at the global scale: Is there a connection with seasonality?[J]. Journal of Climate, 2012, 2516: 5512-5523.

DOI

[11]
Feng X, Porporato A, Rodriguez-Iturbe I. Changes in rainfall seasonality in the tropics[J]. Nature Climate Change, 2013, 39: 811-815.

DOI

[12]
Tan X Z, Wu Y, Liu B J et al. Inconsistent changes in global precipitation seasonality in seven precipitation datasets[J]. Climate Dynamics, 2020, 54(5): 3091-3108.

[13]
Piao S L, Liu Q, Chen A P et al. Plant phenology and global climate change: Current progresses and challenges[J]. Global Change Biology, 2019, 256: 1922-1940.

DOI

[14]
Villarreal S, Vargas R, Yepez E A et al. Contrasting precipitation seasonality influences evapotranspiration dynamics in water-limited shrublands[J]. Journal of Geophysical Research: Biogeosciences, 2016, 1212: 494-508.

DOI

[15]
García-Palacios P, Gross N, Gaitán J et al. Climate mediates the biodiversity-ecosystem stability relationship globally[J]. Proceedings of the National Academy of Sciences, 2018, 115(33): 8400-8405.

[16]
Marelle L, Myhre G, Steensen B M et al. Urbanization in megacities increases the frequency of extreme precipitation events far more than their intensity[J]. Environmental Research Letters, 2020, 15(12): 124072

[17]
Deng S L, Yang N, Li M C et al. Rainfall seasonality changes and its possible teleconnections with global climate events in China[J]. Climate Dynamics, 2019, 53(5): 3529-3546.

[18]
Sahany S, Mishra S K, Pathak R et al. Spatiotemporal variability of seasonality of rainfall over India[J]. Geophysical Research Letters, 2018, 4514: 7140-7147.

DOI

[19]
Dong L, Leung L R, Lu J et al. Contributions of extreme and non-extreme precipitation to California precipitation seasonality changes under warming[J]. Geophysical Research Letters, 2019, 4622: 13470-13478.

DOI

[20]
Deng S L, Sheng C, Yang N et al. Anthropogenic forcing enhances rainfall seasonality in global land monsoon regions[J]. Environmental Research Letters, 2020, 15(10): 104057.

DOI

[21]
Konapala G, Mishra A K, Wada Y et al. Climate change will affect global water availability through compounding changes in seasonal precipitation and evaporation[J]. Nature Communications, 2020, 11(1): 3044

[22]
Pendergrass A G, Coleman D B, Deser C et al. Nonlinear response of extreme precipitation to warming in CESM1[J]. Geophysical Research Letters, 2019, 4617-18: 10551-10560.

DOI

[23]
Zhang Y, Fueglistaler S. Mechanism for increasing tropical rainfall unevenness with global warming[J]. Geophysical Research Letters, 2019, 4624: 14836-14843.

DOI

[24]
张百平. 中国南北过渡带研究的十大科学问题[J]. 地理科学进展, 2019, 38(3): 305-311

DOI

Zhang Baiping. Ten major scientific issues concerning the study of China’s north-south transitional zone[J]. Progress in Geography, 2019, 38(3): 305-311.

DOI

[25]
Long D, Yang W T, Scanlon B R et al. South-to-North Water Diversion stabilizing Beijing’s groundwater levels[J]. Nature Communications, 2020, 11(1): 3665

[26]
李双双, 延军平, 万佳. 全球气候变化下秦岭南北气温变化特征[J]. 地理科学, 2012, 32(7): 853-858

Li Shuangshuang, Yan Junping, Wan Jia. The characteristic of temperature change in Qinling Mountains[J]. Scientia Geographica Sinica, 2012, 32(7): 853-858.

[27]
李双双, 汪成博, 延军平, 等. 面向事件过程的秦岭南北极端降水时空变化特征[J]. 地理学报, 2020, 75(5): 989-1007

DOI

Li Shuangshuang, Wang Chengbo, Yan Junping et al. Variability of the event-based extreme precipitation in the south and north Qinling Mountains[J]. Acta Geographica Sinica, 2020, 75(5): 989-1007.

DOI

[28]
Li X M, Jiang F Q, Li L H et al. Spatial and temporal variability of precipitation concentration index, concentration degree and concentration period in Xinjiang, China[J]. International Journal of Climatology, 2011, 3111: 1679-1693.

DOI

[29]
Sun Q H, Miao C Y, Duan Q Y. Changes in the spatial heterogeneity and annual distribution of observed precipitation across China[J]. Journal of Climate, 2017, 3023: 9399-9416.

DOI

[30]
陈文, 丁硕毅, 冯娟, 等. 不同类型ENSO对东亚季风的影响和机理研究进展[J]. 大气科学, 2018, 42(3): 640-655

DOI

Chen Wen, Ding Shuoyi, Feng Juan et al. Progress in the study of impacts of different types of ENSO on the East Asian monsoon and their mechanisms[J]. Chinese Journal of Atmospheric Sciences, 2018, 42(3): 640-655.

DOI

[31]
魏凤英. 现代气候统计诊断与预测技术[M]. 北京: 气象出版社, 1999

Wei Fengying. Modern statistical diagnosis and prediction of climate. Beijing: China Meteorological Press, 1999.

[32]
North G R, Bell T L, Cahalan R F et al. Sampling errors in the estimation of empirical orthogonal functions[J]. Monthly Weather Review, 1982, 1107: 699-706.

DOI

[33]
王金良, 李宗军. 极点对称模态分解方法: 数据分析与科学探索的新途径[M]. 北京: 高等教育出版社, 2015

Wang Jinliang, Li Zongjun. Extreme-point symmetric mode decomposition: The new way of data analysis and scientific exploration. Beijing: Higher Education Press, 2015.

[34]
李双双, 芦佳玉, 延军平, 等. 1970—2015年秦岭南北气温时空变化及其气候分界意义[J]. 地理学报, 2018, 73(1): 13-24

DOI

Li Shuangshuang, Lu Jiayu, Yan Junping et al. Spatiotemporal variability of temperature in northern and southern Qinling Mountains and its influence on climatic boundary[J]. Acta Geographica Sinica, 2018, 73(1): 13-24.

DOI

[35]
李建平, 任荣彩, 齐义泉, 等. 亚洲区域海−陆−气相互作用对全球和亚洲气候变化的作用研究进展[J]. 大气科学, 2013, 37(2): 518-538

DOI

Li Jianping, Ren Rongcai, Qi Yiquan et al. Progress in air-land-sea interactions in Asia and their role in global and Asian climate change[J]. Chinese Journal of Atmospheric Sciences, 2013, 37(2): 518-538.

DOI

[36]
张人禾, 闵庆烨, 苏京志. 厄尔尼诺对东亚大气环流和中国降水年际变异的影响: 西北太平洋异常反气旋的作用[J]. 中国科学: 地球科学, 2017, 47(5): 544-553

Zhang Renhe, Min Qingye, Su Jingzhi. Impact of El Niño on atmospheric circulations over East Asia and rainfall in China: Role of the anomalous western North Pacific anticyclone[J]. Science China Earth Sciences, 2017, 47(5): 544-553.

Options
文章导航

/

〈 〉