孙葭
, 章新平, 黄一民
Sun Jia, Zhang Xinping, Huang Yimin
中图分类号: P933
文献标识码: A
文章编号: 1000-0690（2016）07-1115-10
通讯作者:
收稿日期: 2015-12-18
修回日期: 2016-02-8
网络出版日期: 2016-07-20
版权声明: 2016 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
作者简介：孙葭（1974-）,女,湖南辰溪人,讲师,博士研究生,主要从事全球气候变化研究。E-mail:tomsunjia@126.com
展开
摘要
基于中国气象科学数据共享服务网提供的1979~2012年夏季6~8月降水实测数据（CMD）和3种不同来源的再分析降水数据,研究和比较副高特征指数与洞庭湖流域夏季降水的关系及空间差异。结果表明：① 6、7月副热带高压（副高）脊线位置偏北,洞庭湖流域大部分区域降水偏多,8月偏少;6、7月北界位置偏北使流域东南降水偏少、西北降水偏多,8月大部分地区降水偏多;6~8月西伸脊点位置东移使降水偏多范围自东向西增大;6月份副高强度增强使东部和南部降水偏多、西部和北部降水偏少,7和8月大部分地区降水减少。② 再分析降水数据大体上能反映出7月份脊线指数、6和7月北界指数、6~8月西伸脊点指数和副高强度指数对相应月份CMD降水的影响。③ 副高特征指数对CMD降水的拟合能力存在区域差异。
关键词：
Abstract
This study was to compare the relationship between western pacific subtropical High(WPSH) and summer precipitation from different precipitation data in Dongting Lake Basin (107°13'-114°18'E,24°35′-30°27′N). The data included observation precipitation of 27 meteorological stations from China meteorological data sharing service system (CMD), and the reanalysis precipitation data such as European centre for medium-range weather forecasts ERA-Interim reanalyse data (ERA-Interim), climatic research unit time-series version 3.21 of high resolution gridded data of month-by-month variation in climate (CRU-TS 3.21), and the version 2 global precipitation climatology project monthly precipitation analysis (GPCP V2.2). Employed multivariate regression analysis,standard multiple regression equations were set up by using five indices of WPSH and monthly precipitation data from June to August. The distribution and change of the partial regression coefficients of five subtropical high indices were discussed, and the composite influence of subtropical high indices on the precipitation was analyzed by multiple correlation coefficient of every equation. The results indicated that the CMD precipitation in most area of Dongting Lake Basin increased but decreased in August by the position of ridge line moving northward in June and July. The position variation of ridge line in July and August made significant changes in precipitation. For precipitation from ERA-Interim data in June, all reanalysis data in July, CRU data in August, the ridge indice performed the same influence as it did on CMD. With the position of northern boundary moving northward, the precipitation in June and July increased in northwest but decreased in sourtheast, and increased in August in most area of Dongting Lake Basin. The position variation of northern boundary in July and August effected significantly. The influences of northern boundary indice on three reanalysis precipitation data in June and July were similar to that of CMD, but different in July. When the west-extending ridge point position moved easterward, the rainfall area enlarged from east to west, but the precipitation changes in June only was effected significantly by its variation. The influences of west-extending ridge point indice on three reanalysis precipitation data were generally coincident with that of CMD except GPCP in August. There were more precipitation in east and south, but less in west and north because of strengthening Intensity of WPSH in June, which made less precipitation in July and August to most area of Dongting Lake Basin. From June to August, intensity indice did not effect significantly. All three reanalysis data could reflect the influence what the intensity indice did on CMD. According to the methods used in this study, the area indice and the intensity indice showed the reverse effect on precipitation.The fitting ability of five indices of WPSH exhibited differently in time and space for CMD precipitation data. Based on time perspective, the fitting ability in June was better than July and August. Spatially, it showed good fitting ability in west and east of Dongting Lake Basin in June, so did in south and north in July and August. For ERA-Interim, CRU and GPCP data, the fitting ability of five indicators of WPSH in some areas agreed with what CMD showed in June and July. But in August, it had a good consistance with that of CMD in the whole basin for ERA-Interim.
Keywords：
西太平洋副热带高压（以下简称副高）是影响中国东部天气和气候的重要大气系统,是研究者关注的热点。研究副高与降水关系,大致包括：一是研究副高位置、形态结构、性质等自身特征变化与降水的关系[1~3];二是研究副高特征在季内、年内、年际及年代际等不同时间尺度上活动规律与降水的关系[4~6];三是研究副高与其它天气气候系统的相互作用及其对降水的影响[7~9]。由于副高面积较大,受其控制的不同区域的天气状况不尽相同,副高特征指数与降水的关系存在区域差异。研究表明,副高脊线与全国夏季汛期降水相关关系最好,长江中下游地区夏季降水与副高脊线位置呈显著负相关关系,与副高面积指数呈显著正相关关系[10],该地区旱涝除了决定于副高北进南退外,也决定于副高的东西位置和形状[11]。
在以往副高与降水关系的研究中,研究者采用的降水资料大多来自于地面气象台站的观测资料。基于卫星反演、模式运算以及站点数据插补等方法,生成了大量的再分析降水数据。相对于观测数据来说,再分析降水数据时空分辨率较高,比较细致地反映降水的时空变化。研究者评估了再分析降水数据在降水气候态、径流模拟和预报、水资源利用与管理等方面的应用价值。英国East Anglia 大学气候研究中心CRU（Climatic Research Unit,CRU）月降水资料所揭示的中国年总降水量在1951~2000年的变化与160站观测吻合,中国东部四季降水量和重建资料十分一致[12]。国外研究者也将CRU降水数据视作基础数据,用于评估国际耦合模式比较计划的大气模式性能[13]和对区域降水量减少进行成因分析[14]。全球降水气候学项目GPCP(Global Precipitation Climatology Project,GPCP)月降水数据很好地反映出100°E以东中国大陆降水的气候分布和降水量异常变化[15],真实地反映长江中下游地区降水的气候变化和时空分布特征[16]。欧洲中期天气预报中心ERA-Interim数据(European Centre for Medium-Range Weather Forecasts ERA-Interimreanalyse data)是基于模式计算的再分析资料,在全球大气的质量、水分、能量和角动量收支方面表现出很大的优越性[17]。利用再分析数据研究降水与副高关系,仅见文献[18]。本文以洞庭湖流域为研究区域,选择CRU、GPCP和ERA-Interim再分析降水数据,以区域内27个气象站观测的降水数据为“真值”,比较它们夏季降水与副高关系的差异,评估和分析再分析降水数据在洞庭湖流域的适用性,为其在洞庭湖流域的合理应用提供科学依据。
洞庭湖流域位于长江中游以南、南岭以北,介于107°13'~114°18'E、24°35′~30°27′N之间。它覆盖湖南省大部分地区以及湖北省、广西壮族自治区、贵州省、重庆市、广东省的部分地区,总面积为26.28万km2,占长江流域总面积的14.60%。流域内包括洞庭湖区,还有湘江、资水、沅水和澧水4条大河以及汨罗江、新墙河等中小河流。流域东南西三面环山,中部为丘陵和盆地,北部为平原,构成独特的“马蹄形”格局（图1）。属典型亚热带季风气候区,冬夏季风交替,降水分布不均、年际变化大,旱涝灾害发生频率高[19,20],多年降水量约为1 376 mm（1981~2010年平均值）。
图1 洞庭湖流域地形及气象站点分布
Fig.1 Terrain and distribution of meteorological stations in Dongting Lake Basin
1） 降水数据。洞庭湖流域27个气象站点1979~2012年的月降水数据来自中国气象科学数据共享服务网（CMD数据）[21]。ERA-Interim降水数据是基于模式计算的再分析数据,下载自欧洲中期数值预报中心,空间分辨率为0.75°×0.75°[22]。CRU月降水数据是基于观测资料插值得到的格点数据,所用版本为CRU TS3.21,下载自英国East Anglia 大学气候研究中心,空间分辨率为0.5°×0.5°[23]。GPCP月降水数据是基于卫星反演与地面观测融合的降水数据,所用版本为GPCP V2.2,空间分辨率为2.5°×2.5°,下载自全球降水气候学项目[24]。将不同分辨率的再分析降水格点数据用3次样条函数统一插值到洞庭湖流域的27个站点,统计得到各站点的月降水量。在流域尺度上,1979~2012年ERA-Interim、CRU、GPCP与CMD数据6月降水量平均误差分别为57.95、1.47、13.07 mm,7月平均误差分别为48.97、-12.70、9.64 mm,8月平均误差为62.30、-7.61、6.13 mm。
2） 副高特征指数。通常用北界指数、脊线指数、西伸脊点指数、面积指数和强度指数等描述副高的基本特征[25]。该指数反映了副高的强弱和位置变化。本文使用的1979~2012年6~8月西太平洋副热带高压的5个特征指数源自文献[26]。1979~2012年6~8月西太平洋副高脊线指数平均值分别为20°30′、25°18′、27°24′N,北界指数平均值分别为26°、30°18′、32°42′N,西伸脊点指数平均值分别为116°12′、118°18′、119°42′E,面积和强度指数平均值分别为24.8、26.2、26.7和51.0、52.4、42.8。
采用1979~2012年6~8 月副高的 5 个特征指数作为自变量,洞庭湖流域27站同期降水量作因变量,建立标准化多元回归方程。在分析、比较副高特征指数对不同降水数据的偏回归系数和拟合优度的基础上,评估再分析降水数据在洞庭湖流域的适用性。本文对偏回归系数和拟合优度的显著性检验采用的显著性水平为0.05。
中国东部的主要锋面雨带通常位于副高脊线以北5~8个纬度距离处,并随副高的北进南退而移动（图2）。
图2 6~8月脊线指数对不同降水数据偏回归系数的空间分布
Fig.2 Distribution of partial regression coefficents between the ridge indice and different precipitation data from June to August
6月份副高脊线对CMD、ERA-interim、CRU和GPCP数据偏回归系数变化范围分别为-0.57~0.28、-0.33~0.62、-0.75~0.85和-0.37~0.37。从图2a可以看出,偏回归系数在流域西部、北部山区和南部山地局部地区为负值,其它区域为正值,较大的正值出现在中部和南部,表明初夏副高脊线位置的北移使流域大部分地区的降水增加,流域中部和南部丘陵山地区降水增加程度较大。此时南下冷气团与副高边缘的暖湿气流常交绥于南岭一带形成静止锋,雨带停留于流域中部和南部,副高脊线北移使雨带随之北移,流域大部分地区降水偏多。偏回归系数显著性检验表明,脊线位置变动对27站降水变化无显著影响。ERA-interim数据中脊线指数的偏回归系数（图2b）在流域北部局部地区为负值,其它地区为正值,正偏回归系数自西向东增大,范围和偏回归程度均较CMD大。CRU数据中脊线指数的偏回归系数（图2c）正值区域仅出现在中部和流域东南部山区,其中东南部山区的偏回归程度较CMD大;负值区域出现在流域北部和西部,范围明显较CMD大。GPCP数据中脊线指数的偏回归系数（图2d）在流域大部分地区为负值,正值仅出现在西部、南部山区边缘。
在CMD、ERA-interim、CRU和GPCP数据中,7月份脊线指数偏回归系数的变化范围分别为-0.84~0.66、-0.57~0.82、-0.45~0.65和-0.68~0.85。CMD数据中偏回归系数（图2e）在流域北部山区和洞庭湖流域北部为负值,在流域其它大部分区域为正值,流域东南部为正偏回归系数高值区。此时脊线已北跳至25°18′N附近,流域北部和中南部分别受雨带和副高控制。随着脊线位置北移,流域北部因雨带移出受副高控制降水显著减少,流域中南部流域可能因位于副高西南侧受到台风外围或东风波的影响使降水增加[27]。再分析降水数据中,偏回归系数均自流域南部、东南部向西北部减小,空间分布大体与CMD相似,但ERA-Interim数据中偏回归系数（图2f）正值范围较大,正值高值区出现在西南部;CRU数据中偏回归系数（图2g）的空间分布与CMD较为接近,流域东南部的正值区域明显较CMD大;GPCP数据中偏回归系数（图2h）以负值为主,正值范围远小于CMD。
CMD、ERA-interim、CRU和GPCP数据8月份脊线指数的偏回归系数以负值为主,变化范围分别为-1.63~1.98、-1.21~0.85、-2.00~0.64和-1.35~0.62。CMD数据中(图2i)偏回归系数空间分异较明显,在流域北部和流域南部丘陵、盆地负值绝对值较大,正值区仅出现在东部和南部山地边缘。8月份脊线平均位置为27°24′N,流域大部分地区在副高控制下晴热少雨,脊线位置北移使流域北部在副高主体控制下降水显著减少,流域南部丘陵和盆地受到副热带高压控制,又处于南岭北侧,焚风效应使降水显著减少[28],流域南部山地边缘受台风等热带天气系统影响,加上地形的抬升作用,常出现降水。ERA-Interim数据（图2j）中脊线指数的正偏回归系数主要分布在流域西部,与CMD数据中偏回归系数的正值区域明显不同,在中南部丘陵山地区未出现负值中心。CRU数据中（图2k）偏回归系数的空间分布与CMD大体相似,但流域东部、东南部的极值和正值范围均较CMD小,流域南部边缘和西部的负偏回归程度较CMD大。GPCP数据（图2l）中偏回归系数自东南向西北减小,除了在东部山地局部区域出现较小的正值外,大部分区域为负值,且偏回归程度较CMD大。
CMD数据中6~8月脊线指数的偏回归系数通过显著性检验的站数分别为0、3、2个,表明7月和8月脊线位置变动对降水影响较大,6月份无显著影响。ERA-Interim、CRU和GPCP数据中6月份偏回归系数通过检验的站数分别为0、2、0个,7月份为2、3、7个,8月份为0、7、5个。脊线位置变动对ERA-Interim 和GPCP数据6月以及CRU数据7月降水的影响程度与CMD相同,对其它月份降水的影响程度存在差异。
6月份北界指数对CMD、ERA-interim、CRU和GPCP数据偏回归系数分别为-0.40~0.90、-1.15~0.60、-1.04~0.80和-0.77~0.74。CMD数据中北界指数的偏回归系数大致以幕阜山-洞庭湖区南缘-雪峰山脉-黔东南为界,该线西北为正、东南为负,表明北界位置偏北时,该线西北降水偏多、东南偏少。北界位置北移使流域南部处于副高控制下降水减少,北部受雨带控制降水偏多,尤其洞庭湖区北部降水显著增加。再分析数据中北界位置的偏回归系数呈北正南负的空间分布,与CMD的空间分布总体相似,但仍存在区域差异。ERA-Interim数据中偏回归系数以负值为主,负值范围和大部分区域的偏回归程度大于CMD数据;CRU数据中偏回归系数除在流域西南的正值范围较大和流域西北出现正极值外,其它区域偏回归系数的空间分布与CMD的较为相似;GPCP数据中偏回归系数的正值范围由北部扩展至流域中部,负值范围和负值的绝对值较CMD小。
在CMD、ERA-interim、CRU和GPCP数据中,7月份北界位置指数的偏回归系数变化范围分别为-0.72~0.63、-0.46~0.64、-0.42~0.46和-0.63~0.63。CMD数据中偏回归系数的空间分布与6月份大体相似,但流域东部的负值向北扩增至流域洞庭湖平原区,流域西南山区出现较小的正值区。北界位置对降水变化影响最显著地区为西北山地和流域东南衡阳盆地。ERA-Interim、CRU和GPCP数据对北界位置的响应大体上与CMD数据一致,但ERA-Interim和CRU数据中偏回归系数的正值范围较CMD小,负值范围较大,GPCP数据中偏回归系数的正值范围较CMD大,负值范围较小。
8月份北界位置指数偏回归系数的空间分布与6和7月有较大差异。北界位置对CMD、ERA-interim、CRU和GPCP数据的偏回归系数变化范围分别为-0.99~1.35、-0.89~0.86、-0.21~1.92和-0.05~1.15。CMD数据中偏回归系数大部分为正值,流域西北、洞庭湖平原北部和西南山间盆地区为3个正值中心;负值仅出现在流域东部山区边缘、雪峰山脉北端和流域西南局部地区。此时,流域大部分地区处于副高控制下干旱少雨,随着北界位置北移,来自副高西部边缘的海洋水汽和台风使降水增多。在ERA-Interim 、CRU和GPCP数据中,北界位置的偏回归系数体现出CMD以正值为主的特征,但空间分布仍有较大差异：ERA-Interim数据中偏回归系数自西向东增大,未出现明显的正值中心;CRU数据中偏回归系数的空间分布与CMD的较为相似,但西北山原区的正值连片分布,范围较CMD的大;GPCP数据中偏回归系数的区域分异较小,未能体现CMD的空间差异。
从偏回归系数通过显著性检验的站数来看,6~8月CMD数据分别有1、2、2个通过检验,表明7、8月北界位置对降水影响较大。在再分析数据中,6月份 ERA-Interim、CRU和GPCP数据分别有2、3、4个通过检验,8月份仅CRU数据有5个通过检验,表明再分析降水数据对6月份北界位置的响应较好,8月份次之,7月份最差。
在CMD、ERA-interim、CRU和GPCP数据中,6月西伸脊点的偏回归系数变化范围分别为-1.23~0.34、-0.97~0.53、-0.86~1.09和-1.03~0.37。CMD数据中偏回归系数以负值为主,呈现出南高北低、东大西小的空间分布,具体表现为洞庭湖流域西部、北部和中部大部分地区为负值,正值仅分布在东部山地边缘和东南部。表明当西伸脊点偏西时,雨区西移,西部降水明显偏多;当副高西脊点偏东时,雨区东移,东部降水偏多。流域西部偏回归系数的绝对值较东部大,降水变化显著的站点均位于西部。再分析降水数据中偏回归系数的空间分布大体上与CMD的相似。ERA-Interim数据中偏回归系数自东南向西北逐渐减小,负值在流域北部和西北部连片分布,与CMD数据在此区域的偏回归系数空间分布有较大差异。CRU数据中流域西部的偏回归系数的空间分布与CMD相似,东部的差异较大：洞庭湖区域和东南部的偏回归系数值较CMD的大,尤其是东南部山地的偏回归系数大于1,约为CMD的3倍多。GPCP数据中偏回归系数自东向西减小,空间分异不太明显;正值仅出现在南部边缘极小区域,范围远小于CMD数据。
7月份西伸脊点对CMD、ERA-interim、CRU和GPCP数据偏回归系数的变化范围分别为-0.55~0.59、-0.31~0.47、-0.42~0.38和-0.11~0.52。CMD数据中偏回归系数大致自东南向西北减小,流域的绝大部分地区为正值,在流域东南部和流域西南部出现正值中心和次中心,负值出现在流域北部。西伸脊点东移使流域大部分地区处于副高外围西侧,受来自海洋的气流影响降水增加,流域东南的丘陵山地地形影响使降水偏多程度最大。当西伸脊点位置西移,流域大部分区域处于副热带高压控制下,降水偏少。在ERA-Interim、CRU和GPCP数据中,偏回归系数的空间变化大致与CMD相似,但ERA-Interim数据中偏回归系数正值区域在东南部呈东南-西北向带状分布,未能体现出CMD数据偏回归系数的区域分异特征;CRU数据中偏回归系数正值区分布大体与CMD相似,但东南部的正极值不及CMD数据,在流域西部也未出现次极值中心;GPCP数据中偏回归系数正值区域较CMD的小,中部和北部均为负值区域,绝对值较CMD小。
8月份西伸脊点对CMD、ERA-interim、CRU和GPCP数据偏回归系数的变化范围分别为-0.64~0.54、-0.61~0.20、-0.55~0.02和-0.70~0.28。CMD数据中偏回归系数自西北向东南减小,大部分地区以正值为主,正值中心出现在雪峰山末端;负值仅出现在东南和南部山地局部地区。随着西伸脊点东移,洞庭湖流域受副高主体控制区域减少,大部分地区受西南气流影响降水偏多,而雪峰山末端处于迎风坡,加上高山峡谷形成的河谷与喇叭口效应[28]使降水增加幅度最大。再分析降水数据中偏回归系数空间变化大体与CMD数据的一致,其中ERA-Interim数据中偏回归系数除东南部为负值外,其它区域均为正值,正值中心不明显;CRU数据中偏回归系数以负值为主,负值区域明显偏大,正值仅出现在流域西南部;GPCP数据中偏回归系数自西北向东南逐渐减小,负值区域偏大。
在CMD、ERA-Interim、CRU和GPCP数据中,仅6月西伸脊点的偏回归系数通过显著性检验,通过检验的站点个数分别为4、3、5、4,7和8月没有站点通过检验,表明6月西伸脊点位置变动对部分区域降水影响显著,7、8月无显著影响。再分析降水数据较好地再现了西伸脊点对CMD降水的影响,其中GPCP 数据的再现能力最好。
6月份副高强度指数对CMD、ERA-interim、CRU和GPCP数据偏回归系数的变化范围分别为-1.18~1.54、-0.88~1.58、-0.77~1.88和-0.80~0.83。CMD数据中偏回归系数大致自东向西减小,其中北部平原局部和西部地区出现小于-1的负值,洞庭湖平原、流域中部和南部均为正值,在流域东北部山区出现1以上正值。这可能由于副高强度增加,副高西南侧暖湿气流势力增强,使流域中、东部地区降水偏多,流域西部受冷空气影响降水偏少。强度指数对再分析降水数据的偏回归系数呈东高西低、南大北小的空间分布,总体上能体现CMD偏回归系数的分布特征。ERA-Interim数据中偏回归系数正值自流域东部延伸至中部和南部,范围较CMD的大;负值主要分布在北部山区边缘,范围较CMD的小。CRU数据中偏回归系数正值范围明显较CMD的小,高值区主要分布在东南山地;负值分布区域与CMD的相似,但洞庭湖区西部的负值范围较CMD大。GPCP数据中偏回归系数自东南向西北逐渐减小,区域分异不如CMD明显。
CMD、ERA-interim、CRU和GPCP数据中7月份副高强度指数的偏回归系数变化范围分别为-0.74~1.28、-0.72~0.12、-1.00~0.48和-0.58~0.11。在CMD数据中,流域大部分区域的偏回归系数接近0,负值主要出现在流域西部和西南,正值仅出现在流域东南边缘地区,表明副高强度变化对流域大部分地区降水影响较小。7月份副高强度指数与西伸脊点指数的相关系数为-0.77,达到0.001的显著性水平,表明副高强度指数越大,副高西脊点位置越偏西。随着副高强度增大,副高控制区域向西延伸,西南部和西部降水减少。副高强度指数对再分析数据的偏回归系数均以负值为主,其中ERA-Interim和CRU数据在大部分区域偏回归程度较CMD大,GPCP数据在东部和北部的偏回归程度大于CMD数据。
8月副高强度指数对CMD、ERA-interim、CRU和GPCP数据偏回归系数变化范围分别为-0.94~0.27、-0.73~0.20、-0.78~0.15和-0.77~0.10。CMD数据中偏回归系数在全流域均为负值,流域中部自南向北出现一个极值带,表明在副高主体控制下,副高增强使流域降水减少,流域中部减少程度较大。副高强度指数对再分析降水数据的偏回归系数均以负值为主,空间分布与CMD的较相似,但在流域东部和西部的偏回归程度较CMD大。
6~8月副高强度指数对CMD数据的偏回归系数未通过显著性检验,对再分析降水数据的偏回归系数仅6月份ERA-Interim和7月份CRU数据分别有2和1个站点通过检验。
6月份副高面积指数对CMD、ERA-interim、CRU和GPCP数据的偏回归系数变化范围分别为-0.97~0.36、-0.90~0.40、-0.54~0.67和-0.58~0.36。在CMD数据中,洞庭湖流域大部分地区偏回归系数为负值,负极值出现在湘江下游河谷,较小的正值出现在在北部山原区、西部山间盆地和南部丘陵地区。在各降水数据中,副高面积指数偏回归系数的空间分布大致与强度指数的相反。副高面积指数和强度指数都是反映副高强度的特征量,在研究时段内同一月份两者的相关系数分别为0.88、0.92、0.93,通过0.001的显著性水平检验,表明这两个特征指数对降水的影响相同。研究发现,在只引入副高4个特征指数（每次在强度指数和面积指数只选一个）进行回归分析时,面积指数和强度指数的偏回归系数有较好的正相关关系,且其它3个特征指数的偏回归系数在引入4个因子或者5个因子时变化不大;在5个因子同时引入时,多元回归分析这种计算方法会造成副高面积指数和强度指数呈负相关关系[11]。
复相关系数的平方(R2)是评价多元线性方程的拟合优度的指标,反映了副高5个特征指数对降雨量之间的线性拟合程度（图3）。
图3 6~8月副高特征指数与不同降水数据R2的空间分布[a=0.05,R2(5,28)=0.31]
Fig.3 Distribution of WPSH indices and different precipitation data R2 from June to August [a=0.05, R2(5,28)=0.31]
6月份副高特征指数与CMD、ERA-interim、CRU和GPCP数据R2变化范围分别为0~0.49、0.01~0.38、0.06~0.38、0.09~0.41。由图3a可知,洞庭湖区、西北部的酉水流域和西南山地边缘R2在0.3以上,流域东北的R2接近0.5,流域北部山原区和中南部丘陵区的R2接近0。表明CMD数据中副高特征指数对流域东部和西部降水拟合能力优于中南部和北部。ERA-Interim数据中（图3b）流域东北R2空间分布与CMD的较为相似,其它区域与CMD的差异较大：流域南部R2>0.3,明显较CMD的大,西部R2较CMD的小。CRU数据中（图3c）流域中南、西南和西北R2与CMD较相似,但北部R2较大、东北部较小。GPCP数据中（图3d）西部和东北部R2较大,其它地区的区域分异不太明显。再分析降水数据R2的空间分布表明,副高对再分析降水数据拟合能力仅在部分区域与CMD较相似。
7月份副高特征指数与CMD、ERA-interim、CRU和GPCP数据的R2变化范围分别为0.04~0.41、0~0.29、0.03~0.42、0.06~0.31。从图3e可以看出,R2≥0.3的区域主要集中在流域东南部和北部,其中流域西北部接近0.4,其它大部分地区的R2接近0。ERA-Interim数据中（图3f）R2除了在南部接近0.3外,大部分区域接近0;CRU数据中（图3g）R2的空间分布与ERA-Interim的较为相似,但流域东南的R2≥0.3,明显较ERA-Interim和CMD的大;GPCP数据中（图3h）洞庭湖流域北部边缘的R2接近0.3,其它区域的均较小。
8月份副高特征指数与CMD、ERA-interim、CRU和GPCP数据的R2变化范围分别为0~0.35、0.04~0.39、0.04~0.40、0.04~0.41。CMD数据中（图3i）R2空间分布与7月份的较为相似,但流域东南部R2>0.3的区域向西扩展至整个南部,范围较7月大。再分析降水数据中R2空间分布与CMD的总体相似。ERA-Interim数据中（图3j）R2在0.3以上的区域集中于流域西北边缘,范围较CMD小,极大值分布与CMD的存在差异;CRU数据中（图3k）大部分区域的R2较CMD大,尤其是流域西部、西北和南部;GPCP数据中（图3l）北部R2的高值范围较CMD大,但东南部R2不及CMD。
6~8月CMD数据中副高特征指数的R2通过显著性检验（a=0.05,R2>0.31）的站点数分别为8、3、2,表明各特征指数对6月份降水的拟合能力较强,7和8月较弱。6月份ERA-interim、CRU和GPCP数据中R2显著的站点数分别为8、5、3,7月份分别为0、2、0,8月份分别为0、6、5。副高特征指数对ERA-Interim降水拟合能力的强弱月份顺序与CMD的相同,但对7、8月降水的拟合能力不及CMD数据;对CRU和CPCP数据的拟合能力最强月份为8月,6月份次之,7月份最差。
本文利用洞庭湖流域实测降水数据（CMD）和3种广泛使用的再分析降水数据（ERA-Interim、CRU、GPCP）,研究和比较了6~8月西太平洋副高5个特征指数对不同降水数据的偏回归系数和拟合能力的差异,得到以下主要结论：
1） 6和7月副高脊线北移使洞庭湖流域大部分区域降水偏多,8月降水偏少,脊线位置变动对7、8月降水影响显著。在ERA-Interim的6月、3种再分析数据的7月、CRU的8月降水数据中,脊线指数的偏回归系数空间分布与CMD总体相似,其它月份偏回归系数空间分布与CMD存在差异。
2） 6和7月北界位置偏北使流域东南降水偏少、西北降水偏多,8月使流域大部分地区降水偏多。北界位置变动对7、8月降水影响较6月显著。再分析降水数据中,6、7月北界位置偏回归系数的空间分布与CMD的较为相似,8月份差异较大。
3） 6~8月西伸脊点位置东移,流域降水偏多范围自东向西扩大,其中6月份西伸脊点位置变动对降水影响显著。西伸脊点指数对GPCP数据 8月降水的偏回归系数空间分布与CMD的差异较大,对其它降水偏回归系数的空间分布与CMD的总体一致。
4） 6月份副高强度偏强使东部和南部降水偏多、西部和北部降水偏少,7、8月使大部分地区降水减少,强度指数变化对降水变化影响不显著。3种再分析降水数据中强度指数的偏回归系数空间分布,总体上能体现CMD中偏回归系数的分布特征。
5） 副高5个特征指数对降水的拟合能力存在时空差异。在时间上,6月副高的拟合能力强于7和8月。在空间上,6月副高对流域东部和西部的拟合能力较好, 7和8月对东南部和北部的拟合能力较好。6和7月副高对ERA-Interim、CRU和GPCP数据部分区域的拟合能力与CMD相似,8月副高对ERA-Interim数据整个流域的拟合能力与CMD较为接近。
The authors have declared that no competing interests exist.
| [13] |
A comprehensive evaluation of precipitation simulations over China based on CMIP5 multimodel ensemble projections [J].https://doi.org/10.1002/2013JD021190 URL [本文引用: 1] 摘要
variability has great economic, social, and environmental impacts across the globe, and in particular in China. This paper evaluates the historical precipitation variability based on 20 general circulation models from the Coupled Model Intercomparison Project Phase 5 (CMIP5) archive over the 20th century relative to two observational data sets and quantifies CMIP5 improvements over CMIP3. Multimodel ensemble means and individual models are assessed. Three future emission scenarios are used (representative concentration pathways (RCP) 8.5, RCP 4.5, and RCP 2.6), and 21st century CMIP5 estimates are put into context based on the 20th century biases. We find that CMIP5 models can reproduce the spatial pattern of precipitation over China during the 20th century, which represents an improvement over CMIP3. However, the models overestimate the magnitude of seasonal and annual precipitation in most regions of China, especially along the eastern edge of the Tibetan Plateau, and underestimate summer precipitation over southeastern China. For China as a whole, CMIP5's overestimation of annual precipitation is greater than CMIP3, which can be traced back to a greater underestimation of summer precipitation in CMIP3. There is a large spread among individual models, with the greatest uncertainties in simulating summer precipitation. Trends and correlations also suggest a better agreement of CMIP5 with observations than CMIP3. Throughout the 20th century, both the observations and models show an increasing trend in precipitation over parts of northwestern China and a decreasing trend over the Tibetan Plateau. There is poor agreement in precipitation trends over the southeast and northeast regions. In general, multimodel means cannot capture the amplitude of observed multidecadal precipitation variability. In the 21st century, precipitation is generally projected to increase across all of China under all three scenarios. RCP 8.5 exhibits the largest significant trend at a rate of +1.5 mm/yr, corresponding to 16% precipitation increase by the end of the century. The RCP 2.6 scenario shows the smallest increases, at +0.5 mm/yr (6%) by 2100. The greatest increases are projected to occur over the Tibetan Plateau and eastern China in summer, suggesting an altered monsoonal circulation in the future. However, due to the uncertainties in CMIP5, future precipitation projections should be interpreted with caution.
|
| [14] |
Regional rainfall decline in Australia attributed to anthropogenic greenhouse gases and ozone levels [J].https://doi.org/10.1038/NGEO2201 Magsci [本文引用: 1] 摘要
Precipitation in austral autumn and winter has declined over parts of southern and especially southwestern Australia in the past few decades(1-4). According to observations and climate models, at least part of this decline is associated with changes in large-scale atmospheric circulation(1,2,5-14), including a poleward movement of the westerly winds and increasing atmospheric surface pressure over parts of southern Australia. Here we use a high-resolution global climate model to analyse the causes of this rainfall decline. In our simulations, many aspects of the observed regional rainfall decline over southern and southwest Australia are reproduced in response to anthropogenic changes in levels of greenhouse gases and ozone in the atmosphere, whereas anthropogenic aerosols do not contribute to the simulated precipitation decline. Simulations of future climate with this model suggest amplified winter drying over most parts of southern Australia in the coming decades in response to a high-end scenario of changes in radiative forcing. The drying is most pronounced over southwest Australia, with total reductions in austral autumn and winter precipitation of approximately 40% by the late twenty-first century.
|
| [15] |
GPCP 与中国台站观测降水的气候特征比较 [J].https://doi.org/10.11676/qxxb2007.006 Magsci [本文引用: 1] 摘要
文中利用GPCP降水资料和中国大陆740个台站雨量计降水观测结果,分析研究了1980-2000年中国大陆范围内两者的异同.平均降水率分布结果表明:在中国台站雨量计分布密集地区(100°E以东)两者的多年年平均、季平均和月平均降水率分布具有很好的一致性,即均能表现自春季至冬季中国大陆降水分布自东南向西北伸展,然后向东南后退的气候变化特点.对长江中下游、华北、东北、西南的降水距平随时间的变化分析表明,两者的月距平随时间变化也具有很好的相似性,相关系数均超过0.8.差异分析还表明,由于中国降水季节性变化和台站雨量计密度不均匀,造成春秋冬三季节GPCP和台站雨量计之间的差异较小,而夏季差异较大.总体上GPCP有过高估计降水率的趋势.在GPCP逐月降水资料既能很好地反映出100°E以东中国大陆降水的气候分布,又能很好地表示出上述地区降水量异常变化的基础上,我们利用GPCP降水资料对青藏高原和中国大陆西北地区西部降水分布及变化进行了分析.结果表明20世纪80年代前期青藏高原西部降水偏多,而90年代后降水量减少;中国西北地区降水总体偏少,但没有明显的变化趋势.
Climatological comparison studies between GPCP and rain gauges precipitation in China. https://doi.org/10.11676/qxxb2007.006 Magsci [本文引用: 1] 摘要
文中利用GPCP降水资料和中国大陆740个台站雨量计降水观测结果,分析研究了1980-2000年中国大陆范围内两者的异同.平均降水率分布结果表明:在中国台站雨量计分布密集地区(100°E以东)两者的多年年平均、季平均和月平均降水率分布具有很好的一致性,即均能表现自春季至冬季中国大陆降水分布自东南向西北伸展,然后向东南后退的气候变化特点.对长江中下游、华北、东北、西南的降水距平随时间的变化分析表明,两者的月距平随时间变化也具有很好的相似性,相关系数均超过0.8.差异分析还表明,由于中国降水季节性变化和台站雨量计密度不均匀,造成春秋冬三季节GPCP和台站雨量计之间的差异较小,而夏季差异较大.总体上GPCP有过高估计降水率的趋势.在GPCP逐月降水资料既能很好地反映出100°E以东中国大陆降水的气候分布,又能很好地表示出上述地区降水量异常变化的基础上,我们利用GPCP降水资料对青藏高原和中国大陆西北地区西部降水分布及变化进行了分析.结果表明20世纪80年代前期青藏高原西部降水偏多,而90年代后降水量减少;中国西北地区降水总体偏少,但没有明显的变化趋势.
|
| [16] |
全球共享GPCP 数据在长江中下游地区的适用性分析 [J].
水文学科未来发展很大程度上取决于能否获得模型率定和校正所需要的充足数据，遥感技术 能够在这个过程中起到关键作用。遥感数据能够通过共享平台获得，以实现数据的共享和流动。全球目前能够共享的遥感数据除了直接的卫星图片外，还有众多的基 于卫星遥感数据源制作成的产品。本文针对卫星降水观测数据在我国的适用性进行了详细的分析比较，并对差异性进行深入探讨，以期为无资料地区的水文研究提供 数据支撑。 论文的主要研究内容及取得的成果包括： (1)首先对卫星观测降水数据GPCP(Global Precipitation ClimatologyProject)和CMAP(the ... 展开 水文学科未来发展很大程度上取决 于能否获得模型率定和校正所需要的充足数据，遥感技术能够在这个过程中起到关键作用。遥感数据能够通过共享平台获得，以实现数据的共享和流动。全球目前能 够共享的遥感数据除了直接的卫星图片外，还有众多的基于卫星遥感数据源制作成的产品。本文针对卫星降水观测数据在我国的适用性进行了详细的分析比较，并对 差异性进行深入探讨，以期为无资料地区的水文研究提供数据支撑。 论文的主要研究内容及取得的成果包括： (1)首先对卫星观测降水数据GPCP(Global Precipitation ClimatologyProject)和CMAP(the CPC Merged Analysis of Precipitation)在我国陆地区域进行了时空分析。①1980-2006年12个月空间相关分析发现，GPCP与CMAP数锯在东经100°E 以东适用性好于东经100°E以西的区域，同时研究还发现其他季节的相关性要好于冬季。这主要与卫星降水产品对于降雪的反演原理还不是很清楚有关。②空间 差异性研究表明东北区、黄淮海区、长江及以南区、西北及西南区的一致性是递减趋势。分析认为对于西北及西南等台站分布较疏的地区而言，GPCP与CMAP 不同的融合方法是造成两者差异大的原因；而在北纬40°N以南的我国大部分地区，两者均使用基于GPI算法融合的卫星数据，只是GPCP在使用前经过了微 波数据的校正，而CMAP数据则没有，这可能是造成黄淮海区域与长江及以南区域差异的内在原因。北纬40°N以北两者差异小的主要原因是数据源均来源于 SSM/I。结果得出GPCP数据是更适合研究我国降水特征的卫星降水产品。 (2)其次，基于GPCP数据与气象台站多年平均、季平均、月平均降水量等不同时间尺度分析得出，降水较少月份GPCP数据与气象台站的相关性要高于降水 量较多的月份，这主要是与台站实测降水对于局地性降水代表性差有关。GPCP与台站数据空间一致性研究结果表明：对于东北区、黄淮海区、长汀及以南区域研 究的56个流域中各评级时间段内，当面积达到7万k㎡以上时，GPCP各评价时间段相对误差达到12％以下。而由于西北及西南的广大地区GPCP相对误差 太大，GPCP数据基本不适用。分析原因认为GPCP数据网格内的站点疏密对结果造成直接影响；另外一个原因与我国各地区降水类型有关。 (3)比较分析了我国四个不同地区GPCP数据的精度，结果表明：GPCP数据精度最高的区域位于长江及以南区，站点个数在4个以上，面积4.9万k㎡， 精度能达到11%以上；黄淮海区的精度次之，站点个数为5，面积阈值为6.7万k㎡，精度达到12%；东北区也能达到较高精度，相对误差不超过15%，流 域面积大于7万k㎡，站点个数达到5个以上。西南及西北区GPCP数据误差较大，只能在个别地区适用。 (4)基于GPCP数据应用线性回归、差积曲线、M-K检验方法、小波等方法，研究了东北某河流1980-2006年降水演变规律，并应用PREC/L数 据进行了检验。证明年、春、夏、秋季GPCP数据均能很好地表征流域的降水变化，但是冬季的结果较差。这主要与微波对于降雪的反演机理还不明确有关。 收起
The applicability of GPCP dataset to the middle-lower reaches of the Yangtze river.South-to-north Water Diversion and Water Science &
水文学科未来发展很大程度上取决于能否获得模型率定和校正所需要的充足数据，遥感技术 能够在这个过程中起到关键作用。遥感数据能够通过共享平台获得，以实现数据的共享和流动。全球目前能够共享的遥感数据除了直接的卫星图片外，还有众多的基 于卫星遥感数据源制作成的产品。本文针对卫星降水观测数据在我国的适用性进行了详细的分析比较，并对差异性进行深入探讨，以期为无资料地区的水文研究提供 数据支撑。 论文的主要研究内容及取得的成果包括： (1)首先对卫星观测降水数据GPCP(Global Precipitation ClimatologyProject)和CMAP(the ... 展开 水文学科未来发展很大程度上取决 于能否获得模型率定和校正所需要的充足数据，遥感技术能够在这个过程中起到关键作用。遥感数据能够通过共享平台获得，以实现数据的共享和流动。全球目前能 够共享的遥感数据除了直接的卫星图片外，还有众多的基于卫星遥感数据源制作成的产品。本文针对卫星降水观测数据在我国的适用性进行了详细的分析比较，并对 差异性进行深入探讨，以期为无资料地区的水文研究提供数据支撑。 论文的主要研究内容及取得的成果包括： (1)首先对卫星观测降水数据GPCP(Global Precipitation ClimatologyProject)和CMAP(the CPC Merged Analysis of Precipitation)在我国陆地区域进行了时空分析。①1980-2006年12个月空间相关分析发现，GPCP与CMAP数锯在东经100°E 以东适用性好于东经100°E以西的区域，同时研究还发现其他季节的相关性要好于冬季。这主要与卫星降水产品对于降雪的反演原理还不是很清楚有关。②空间 差异性研究表明东北区、黄淮海区、长江及以南区、西北及西南区的一致性是递减趋势。分析认为对于西北及西南等台站分布较疏的地区而言，GPCP与CMAP 不同的融合方法是造成两者差异大的原因；而在北纬40°N以南的我国大部分地区，两者均使用基于GPI算法融合的卫星数据，只是GPCP在使用前经过了微 波数据的校正，而CMAP数据则没有，这可能是造成黄淮海区域与长江及以南区域差异的内在原因。北纬40°N以北两者差异小的主要原因是数据源均来源于 SSM/I。结果得出GPCP数据是更适合研究我国降水特征的卫星降水产品。 (2)其次，基于GPCP数据与气象台站多年平均、季平均、月平均降水量等不同时间尺度分析得出，降水较少月份GPCP数据与气象台站的相关性要高于降水 量较多的月份，这主要是与台站实测降水对于局地性降水代表性差有关。GPCP与台站数据空间一致性研究结果表明：对于东北区、黄淮海区、长汀及以南区域研 究的56个流域中各评级时间段内，当面积达到7万k㎡以上时，GPCP各评价时间段相对误差达到12％以下。而由于西北及西南的广大地区GPCP相对误差 太大，GPCP数据基本不适用。分析原因认为GPCP数据网格内的站点疏密对结果造成直接影响；另外一个原因与我国各地区降水类型有关。 (3)比较分析了我国四个不同地区GPCP数据的精度，结果表明：GPCP数据精度最高的区域位于长江及以南区，站点个数在4个以上，面积4.9万k㎡， 精度能达到11%以上；黄淮海区的精度次之，站点个数为5，面积阈值为6.7万k㎡，精度达到12%；东北区也能达到较高精度，相对误差不超过15%，流 域面积大于7万k㎡，站点个数达到5个以上。西南及西北区GPCP数据误差较大，只能在个别地区适用。 (4)基于GPCP数据应用线性回归、差积曲线、M-K检验方法、小波等方法，研究了东北某河流1980-2006年降水演变规律，并应用PREC/L数 据进行了检验。证明年、春、夏、秋季GPCP数据均能很好地表征流域的降水变化，但是冬季的结果较差。这主要与微波对于降雪的反演机理还不明确有关。 收起
|
| [17] |
S Kobayashi et al.Atmospheric conservation properties in ERA-Interim [J].https://doi.org/10.1002/qj.864 Magsci [本文引用: 1] 摘要
We study the global atmospheric budgets of mass, moisture, energy and angular momentum in the latest reanalysis from the European Centre for Medium-Range Weather Forecasts (ECMWF), ERA-Interim, for the period 1989-2008 and compare with ERA-40. Most of the measures we use indicate that the ERA-Interim reanalysis is superior in quality to ERA-40. In ERA-Interim the standard deviation of the monthly mean global dry mass of 0.7 kg m(-2) (0.007%) is slightly worse than in ERA-40, and long time-scale variations in dry mass originate predominately in the surface pressure field. The divergent winds are improved in ERA-Interim: the global standard deviation of the time-averaged dry mass budget residual is 10 kg m(-2) day(-1) and the quality of the cross-equatorial mass fluxes is improved. The temporal variations in the global evaporation minus precipitation (E - P) are too large but the global moisture budget residual is 0.003 kg m(-2) day(-1) with a spatial standard deviation of 0.3 kg m(-2) day(-1). Both the E - P over ocean and P - E over land are about 15% larger than the 1.1 Tg s(-1) transport of water from ocean to land. The top of atmosphere (TOA) net energy losses are improved, with a value of 1 W m(-2), but the meridional gradient of the TOA net energy flux is smaller than that from the Clouds and the Earth's Radiant Energy System (CERES) data. At the surface the global energy losses are worse, with a value of 7 W m(-2). Over land however, the energy loss is only 0.5 W m(-2). The downwelling thermal radiation at the surface in ERA-Interim of 341 W m(-2) is towards the higher end of previous estimates. The global mass-adjusted energy budget residual is 8 W m(-2) with a spatial standard deviation of 11 W m(-2), and the mass-adjusted atmospheric energy transport from low to high latitudes (the sum for the two hemispheres) is 9.5 PW. Copyright (C) 2011 Royal Meteorological Society
|
| [18] |
季尺度副热带高压中心内降水分析 [J].https://doi.org/10.11676/qxxb2008.088 Magsci 摘要
利用10年NCEP/NCAR逐日再分析资料和GPCP-1DD降水资料，依据频次分析，研究了季节尺度副热带高压（副高）中心内降水分布的特点。研究结果表明：副高中心内四季均存在降水，其中夏季副高中心降水频次为40%—80%，而其他季节副高中心降水频次不超过50%；季平均副高中心降水率冬季约1—2 mm/d、夏季不超过4 mm/d，它对局地总降水的贡献变化在30%—90%，其中，夏季的贡献基本为50%—90%，其他季节的多数区域贡献一般不超过40%。统计表明，夏季副高中心上升运动频次变化范围为25%—75%，其他季节上升运动频次在25%以下。研究结果还发现夏季西太平洋副高中心频次约30%出现在中国东部大陆，相应的降水频次及上升运动频次分别为25%和15%，从而形成夏季中国东部一种独特的降水天气形势，即500 hPa副高控制下的降水。另外，文中还指出副高中心内降水有一半以上出现在500 hPa存在上升运动的情况下，而半数以下的降水出现时，500 hPa存在下沉运动，前者降水可能为深厚性质，而后者则可能表明为浅薄降水。
Seasonal characterisics of precipitation occurrences in the core area of the subtropical high. https://doi.org/10.11676/qxxb2008.088 Magsci 摘要
利用10年NCEP/NCAR逐日再分析资料和GPCP-1DD降水资料，依据频次分析，研究了季节尺度副热带高压（副高）中心内降水分布的特点。研究结果表明：副高中心内四季均存在降水，其中夏季副高中心降水频次为40%—80%，而其他季节副高中心降水频次不超过50%；季平均副高中心降水率冬季约1—2 mm/d、夏季不超过4 mm/d，它对局地总降水的贡献变化在30%—90%，其中，夏季的贡献基本为50%—90%，其他季节的多数区域贡献一般不超过40%。统计表明，夏季副高中心上升运动频次变化范围为25%—75%，其他季节上升运动频次在25%以下。研究结果还发现夏季西太平洋副高中心频次约30%出现在中国东部大陆，相应的降水频次及上升运动频次分别为25%和15%，从而形成夏季中国东部一种独特的降水天气形势，即500 hPa副高控制下的降水。另外，文中还指出副高中心内降水有一半以上出现在500 hPa存在上升运动的情况下，而半数以下的降水出现时，500 hPa存在下沉运动，前者降水可能为深厚性质，而后者则可能表明为浅薄降水。
|
| [19] |
洞庭湖流域水循环中稳定同位素的变化特征及其影响机制研究 [D].Study of variable characteristics of stable water isotope composition in water cycle and its influnce mechanism in the Dongting lake basin. |
| [20] |
基于Copula函数的洞庭湖流域水沙丰枯遭遇频率分析 [J].
受人类活动的影响，水沙灾害事件相继发生，对人们的生产、生活造成了威胁。以洞庭湖流域代表性水文站的年径流量和年输沙量系列数据为基础，应用P-III 型曲线分别拟合并求得“松滋口、太平口、藕池口”三口入湖、“湘江、资江、沅水、澧水”四水入湖和城陵矶站出湖年径流量、年输沙量的边缘分布函数，再采用水文事件遭遇分析中广泛应用的Copula 函数，建立洞庭湖流域水沙联合分布模型，分析洞庭湖流域水沙丰枯遭遇频率。研究结果表明洞庭湖三口、四水和城陵矶站的水沙丰枯遭遇频率关系与洞庭湖流域的水沙运动有密切联系，运用该水沙耦合模型可以为洞庭湖流域防洪减灾提供重要的理论依据。
Copula-based probability evaluation of rich-poor runoff and sediment encounter in Dongting lake basin.
受人类活动的影响，水沙灾害事件相继发生，对人们的生产、生活造成了威胁。以洞庭湖流域代表性水文站的年径流量和年输沙量系列数据为基础，应用P-III 型曲线分别拟合并求得“松滋口、太平口、藕池口”三口入湖、“湘江、资江、沅水、澧水”四水入湖和城陵矶站出湖年径流量、年输沙量的边缘分布函数，再采用水文事件遭遇分析中广泛应用的Copula 函数，建立洞庭湖流域水沙联合分布模型，分析洞庭湖流域水沙丰枯遭遇频率。研究结果表明洞庭湖三口、四水和城陵矶站的水沙丰枯遭遇频率关系与洞庭湖流域的水沙运动有密切联系，运用该水沙耦合模型可以为洞庭湖流域防洪减灾提供重要的理论依据。
|
| [21] |
中国气象科学数据共享服务网. 中国地面气候资料月值数据集 [DB/OL]. . |
| [22] |
The ERA‐Interim reanalysis: configuration and performance of the data assimilation system [J].https://doi.org/10.1002/qj.828 Magsci [本文引用: 1] 摘要
ERA-Interim is the latest global atmospheric reanalysis produced by the European Centre for Medium-Range Weather Forecasts (ECMWF). The ERA-Interim project was conducted in part to prepare for a new atmospheric reanalysis to replace ERA-40, which will extend back to the early part of the twentieth century. This article describes the forecast model, data assimilation method, and input datasets used to produce ERA-Interim, and discusses the performance of the system. Special emphasis is placed on various difficulties encountered in the production of ERA-40, including the representation of the hydrological cycle, the quality of the stratospheric circulation, and the consistency in time of the reanalysed fields. We provide evidence for substantial improvements in each of these aspects. We also identify areas where further work is needed and describe opportunities and objectives for future reanalysis projects at ECMWF. Copyright (C) 2011 Royal Meteorological Society
|
| [23] |
CRU TS3.21: Climatic research unit (CRU) Time-Series (TS) version 3.21 of high resolution gridded data of month-by-month variation in climate (Jan. 1901- Dec. 2012)[DB]. |
| [24] |
The version 2 global precipitation climatology project(GPCP) monthly precipitation analysis (1979-Present) [J]. |
| [25] |
长江三角洲极端高温与西太平洋副热带高压的关系 [J].
<p>基于站点逐日最高气温资料、西太平洋副热带高压（WPSH）指数、NCEP/NCAR再分析资料以及上海逐日天气形势资料，分析长江三角洲极端高温与WPSH指数的关系，结果表明，1959~2010 年期间，高温日数与当年WPSH面积和强度指数均呈显著正相关。空间上，高温日数与WPSH面积和强度指数在长江三角洲中部和南部偏东地区显著正相关，与WPSH西伸脊点仅在中部沿海地区显著负相关。高温日数与WPSH指数在8 月相关最好。7、8 月高温日数较多时，WPSH面积较大、强度较强、西伸脊点偏西。近8 a 来上海高温日的主要控制或影响天气系统都是WPSH，占高温总日数的95%。</p>
Relationship between extreme high temperature in the Changjiang river delta and the western pacific subtropical high.
<p>基于站点逐日最高气温资料、西太平洋副热带高压（WPSH）指数、NCEP/NCAR再分析资料以及上海逐日天气形势资料，分析长江三角洲极端高温与WPSH指数的关系，结果表明，1959~2010 年期间，高温日数与当年WPSH面积和强度指数均呈显著正相关。空间上，高温日数与WPSH面积和强度指数在长江三角洲中部和南部偏东地区显著正相关，与WPSH西伸脊点仅在中部沿海地区显著负相关。高温日数与WPSH指数在8 月相关最好。7、8 月高温日数较多时，WPSH面积较大、强度较强、西伸脊点偏西。近8 a 来上海高温日的主要控制或影响天气系统都是WPSH，占高温总日数的95%。</p>
|
| [26] |
|
| [27] |
湖南夏季雨量场的EOF的稳定性及其长期预报 [J].https://doi.org/10.11676/qxxb2000.052 Magsci [本文引用: 1] 摘要
利用1958～1995年湖南夏季雨量场,分析了经验正交函数(EOF),结果表明,它能反映降水的空间分布特征.将该场划分为1958～1983年和1970～1995年两段,对原始场和两个新场的EOF进行了比较和讨论,发现在一定条件下,EOF是稳定的.将该场序列延伸至1997年,并划分为1958～1977年和1978～1997年两个不重合的时段;结果EOF仍较稳定,这可能与场内平均相关状况的差异较小有关.在此基础上,采用主成份筛选的建模方案,制作了雨量场的长期预报.
The stability of empirical orthogonal function on summer rain field of Hunan and its long-range forecast. https://doi.org/10.11676/qxxb2000.052 Magsci [本文引用: 1] 摘要
利用1958～1995年湖南夏季雨量场,分析了经验正交函数(EOF),结果表明,它能反映降水的空间分布特征.将该场划分为1958～1983年和1970～1995年两段,对原始场和两个新场的EOF进行了比较和讨论,发现在一定条件下,EOF是稳定的.将该场序列延伸至1997年,并划分为1958～1977年和1978～1997年两个不重合的时段;结果EOF仍较稳定,这可能与场内平均相关状况的差异较小有关.在此基础上,采用主成份筛选的建模方案,制作了雨量场的长期预报.
|
| [1] |
2009年夏季西太平洋副热带高压北抬原因初探 [J].https://doi.org/10.7519/j.issn.1000-0526.2013.01.006 URL [本文引用: 1] 摘要
利用数值模式再分析数据和常规观测资料，分析研究2009年6—8月西太平洋副热带高压（以下简称副高）连续5次北抬至偏北位置，且异常稳定维持，造成江淮流域干旱少雨（空梅）之缘由。通过合成、相关等分析方法探讨西风带、副热带、热带主要大气环流系统之间的相互影响和作用，并利用全型涡度方程探讨副高北抬和强度维持的主要机制。结果表明：（1）西风带波动的传播与副高变化关系密切，西太平洋副高的北抬过程起始于中段副高（140°～160°E）强度加强；（2）副高北抬之前孟加拉湾东部有明显的对流活动，对于副高的北抬和加强有一定的指示意义，而副高南侧的对流活动与副高北抬之间是一种伴随关系；（3）涡度场变化分析可知，副高北抬的关键因素是中高纬度槽脊变化引起的东亚沿海负涡度的增加。
The study of northward jump of subtropical high overthe western pacific in summer 2009. https://doi.org/10.7519/j.issn.1000-0526.2013.01.006 URL [本文引用: 1] 摘要
利用数值模式再分析数据和常规观测资料，分析研究2009年6—8月西太平洋副热带高压（以下简称副高）连续5次北抬至偏北位置，且异常稳定维持，造成江淮流域干旱少雨（空梅）之缘由。通过合成、相关等分析方法探讨西风带、副热带、热带主要大气环流系统之间的相互影响和作用，并利用全型涡度方程探讨副高北抬和强度维持的主要机制。结果表明：（1）西风带波动的传播与副高变化关系密切，西太平洋副高的北抬过程起始于中段副高（140°～160°E）强度加强；（2）副高北抬之前孟加拉湾东部有明显的对流活动，对于副高的北抬和加强有一定的指示意义，而副高南侧的对流活动与副高北抬之间是一种伴随关系；（3）涡度场变化分析可知，副高北抬的关键因素是中高纬度槽脊变化引起的东亚沿海负涡度的增加。
|
| [28] |
湖南地形对降水影响的浅析 [J].The topographical effects on precipitation in Hunan province. |
| [2] |
副热带高压自身变化周期和形态结构对入梅的影响 [J].https://doi.org/10.3969/j.issn.1009-0827.2013.04.011 URL 摘要
针对2010年江淮入梅预报出现偏差情况，利用2008、2010、2011年降水实况资料和6-7月NCEP再分析资料，分析了预报出现偏差的原因，讨论了副热带高压水平移动和垂直结构对降水落区的影响，分析了局地入梅的预报方法和参考指标。研究发现：副热带高压（以下简称“副高”）和南亚高压的自身双周振荡规律在预报中不可忽略，在对大尺度系统和较长时间系统的变化判断时，高层系统的预报可信度可能更高。另外，在对梅雨预报时，副高垂直结构的变化对降水落区有一定影响，当500hPa副高脊线越过20°N，副高脊线自上而下向南倾斜时，底层脊线在20°N以南，不利于江淮地区降水发生。副高上下结构垂直度较大时，利于降水落区北移。副高西脊点自高空到低空呈自西向东倾斜，500hPa西脊点偏西也不利于江淮梅雨期的开始。
Zhang Bei et al.Influence of subtropical high's variation period and structure on plum rain onset. https://doi.org/10.3969/j.issn.1009-0827.2013.04.011 URL 摘要
针对2010年江淮入梅预报出现偏差情况，利用2008、2010、2011年降水实况资料和6-7月NCEP再分析资料，分析了预报出现偏差的原因，讨论了副热带高压水平移动和垂直结构对降水落区的影响，分析了局地入梅的预报方法和参考指标。研究发现：副热带高压（以下简称“副高”）和南亚高压的自身双周振荡规律在预报中不可忽略，在对大尺度系统和较长时间系统的变化判断时，高层系统的预报可信度可能更高。另外，在对梅雨预报时，副高垂直结构的变化对降水落区有一定影响，当500hPa副高脊线越过20°N，副高脊线自上而下向南倾斜时，底层脊线在20°N以南，不利于江淮地区降水发生。副高上下结构垂直度较大时，利于降水落区北移。副高西脊点自高空到低空呈自西向东倾斜，500hPa西脊点偏西也不利于江淮梅雨期的开始。
|
| [3] |
2007年6~7月西太平洋副热带高压的异常特征及其成因分析 [J].https://doi.org/10.7519/j.issn.1000-0526.2010.9.006 URL [本文引用: 1] 摘要
采用NCEP资料以及NOAA卫星观测的OLR场资料,分析了 2007年6-7月淮河流域暴雨及江南、华南异常高温期间西太平洋副热带高压的异常特征,其表现为强度强且南北位置相对稳定,东西方向进退明显于南北方向 的移动.通过分析经罔平面上的垂直环流及风矢最场的特征表明,副高南北两侧都存在一定强度的上升气流,北侧上升气流对西太平洋副高中心区700 hPa以上高度的下沉运动有激发作用,而南侧上升气流对西太平洋副高中心区的下沉运动作用不大.中高纬度阻塞高压双阻型的建立,有利于西太平洋副高的加强 和发展.强劲而稳定少动的中纬度西风急流和热带地区异常活跃的对流均有利于西太平洋副高的相对稳定.
Abnormal charaeteristies of western pacific subtropical high from june to july 2007 and analysis of its causes. https://doi.org/10.7519/j.issn.1000-0526.2010.9.006 URL [本文引用: 1] 摘要
采用NCEP资料以及NOAA卫星观测的OLR场资料,分析了 2007年6-7月淮河流域暴雨及江南、华南异常高温期间西太平洋副热带高压的异常特征,其表现为强度强且南北位置相对稳定,东西方向进退明显于南北方向 的移动.通过分析经罔平面上的垂直环流及风矢最场的特征表明,副高南北两侧都存在一定强度的上升气流,北侧上升气流对西太平洋副高中心区700 hPa以上高度的下沉运动有激发作用,而南侧上升气流对西太平洋副高中心区的下沉运动作用不大.中高纬度阻塞高压双阻型的建立,有利于西太平洋副高的加强 和发展.强劲而稳定少动的中纬度西风急流和热带地区异常活跃的对流均有利于西太平洋副高的相对稳定.
|
| [4] |
西太平洋副热带高压双脊线及其对1998年夏季长江流域“二度梅”的影响 [J].https://doi.org/10.11676/qxxb2004.030 Magsci [本文引用: 1] 摘要
利用NCEP/NCAR再分析资料、日本气象厅提供的TBB资料研究了1998年7月西太平洋副热带高压突然偏南的原因。结果表明,西太平洋副高脊线突然“南撤”有其一定局限性,事实上应是副热带高压脊线在南侧的一次“重建”过程。针对这次重建,发现1998年7月上中旬在西太平洋副热带地区存在南北两个高压脊,据此本文提出了副热带高压双脊线的概念,并着重揭示了这次西太平洋副热带高压双脊线的基本演变特征、环流场和温湿场结构、可能的形成机制及其对1998年夏季长江流域“二度梅”的影响。分析表明西太平洋副热带高压双脊线时期具有与单脊线时期明显不同的环流特征和温湿场结构,其北侧脊线附近的特征与传统上单脊线副热带高压的特征较一致,但南侧脊线附近则更多的具有低纬度系统的特点;这次双脊线过程与赤道缓冲带北上并与副热带高压打通合并变性及热带对流云团的演变有密切关系。此外,文中还通过中国台站降水资料探讨了副热带高压双脊线的维持对中国东部雨型的影响,指出西太平洋副热带高压双脊线的出现改变了原有的水汽输送路径,从而在中国东部出现两条雨带,呈倒7字型,分别与副热带高压北、南侧脊线相对应。这些结果为西太平洋副热带高压演变规律和机制的研究提供了新的线索。
Influnce of the double ridges of west pacific subtropical high on the second Meiyu over the Yangtze river valley during 1998. https://doi.org/10.11676/qxxb2004.030 Magsci [本文引用: 1] 摘要
利用NCEP/NCAR再分析资料、日本气象厅提供的TBB资料研究了1998年7月西太平洋副热带高压突然偏南的原因。结果表明,西太平洋副高脊线突然“南撤”有其一定局限性,事实上应是副热带高压脊线在南侧的一次“重建”过程。针对这次重建,发现1998年7月上中旬在西太平洋副热带地区存在南北两个高压脊,据此本文提出了副热带高压双脊线的概念,并着重揭示了这次西太平洋副热带高压双脊线的基本演变特征、环流场和温湿场结构、可能的形成机制及其对1998年夏季长江流域“二度梅”的影响。分析表明西太平洋副热带高压双脊线时期具有与单脊线时期明显不同的环流特征和温湿场结构,其北侧脊线附近的特征与传统上单脊线副热带高压的特征较一致,但南侧脊线附近则更多的具有低纬度系统的特点;这次双脊线过程与赤道缓冲带北上并与副热带高压打通合并变性及热带对流云团的演变有密切关系。此外,文中还通过中国台站降水资料探讨了副热带高压双脊线的维持对中国东部雨型的影响,指出西太平洋副热带高压双脊线的出现改变了原有的水汽输送路径,从而在中国东部出现两条雨带,呈倒7字型,分别与副热带高压北、南侧脊线相对应。这些结果为西太平洋副热带高压演变规律和机制的研究提供了新的线索。
|
| [5] |
西太平洋副高强度变化与中国东部四季降水的关系 [J].https://doi.org/10.3969/j.issn.0517-6611.2010.15.103 URL 摘要
利用1960～2007年中国气象局整编全国160个气象站月平均降水资料、NCEP/NCAR（2.5°×2.5°）再分析月平均资料、国家气候中心提供的西太平洋副高强度指数资料,分析了近几十年四季西太平洋副热带高压强度与我国东部同期降水量之间的相关关系以及各季西太平洋副高强度影响同期降水的大气环流背景。结果表明,近50年副高强度显著增强,尤其在春、秋、冬三季;四季副高强度变化均与我国东部同期降水变化关系密切,是影响东部同期降水的重要因子之一,其中冬季副高强度指数与降水关系相关性最高。
Relationship between western pacific subtropical high and precipitation in four seasons of eastern China.Journal of https://doi.org/10.3969/j.issn.0517-6611.2010.15.103 URL 摘要
利用1960～2007年中国气象局整编全国160个气象站月平均降水资料、NCEP/NCAR（2.5°×2.5°）再分析月平均资料、国家气候中心提供的西太平洋副高强度指数资料,分析了近几十年四季西太平洋副热带高压强度与我国东部同期降水量之间的相关关系以及各季西太平洋副高强度影响同期降水的大气环流背景。结果表明,近50年副高强度显著增强,尤其在春、秋、冬三季;四季副高强度变化均与我国东部同期降水变化关系密切,是影响东部同期降水的重要因子之一,其中冬季副高强度指数与降水关系相关性最高。
|
| [6] |
近57 a夏季西太平洋副高面积的年代际振荡及其与中国降水的联系 [J].https://doi.org/10.3969/j.issn.1674-7097.2009.05.012 URL [本文引用: 1] 摘要
利用1951—2007年NCEP/NCAR再分析资料及中国国家气候中心160站降水和环流特征指数,研究了近57 a来夏季平均的西太平洋副热带高压面积指数的气候变化特征及其对同期中国降水的影响。结果表明,在全球变暖的气候背景下,夏季副热带高压面积也表现出增大趋势,其中20世纪60年代中期和20世纪末显著增强,并呈现出准20 a的年代际周期变化特征。各周期中,中国同期降水及流场均出现较大调整：随着西太平洋副热带高压面积长期趋于增大,东亚夏季风异常偏弱,降水分布由＂北多南少＂转为＂北少南多＂,而降水线性增长的区域则呈现出较上一周期明显北移的特征。
Interdecadal variations of west pacific subtropical high area and changes in summer precipitation over China in boreal Summer during the last 57 years . https://doi.org/10.3969/j.issn.1674-7097.2009.05.012 URL [本文引用: 1] 摘要
利用1951—2007年NCEP/NCAR再分析资料及中国国家气候中心160站降水和环流特征指数,研究了近57 a来夏季平均的西太平洋副热带高压面积指数的气候变化特征及其对同期中国降水的影响。结果表明,在全球变暖的气候背景下,夏季副热带高压面积也表现出增大趋势,其中20世纪60年代中期和20世纪末显著增强,并呈现出准20 a的年代际周期变化特征。各周期中,中国同期降水及流场均出现较大调整：随着西太平洋副热带高压面积长期趋于增大,东亚夏季风异常偏弱,降水分布由＂北多南少＂转为＂北少南多＂,而降水线性增长的区域则呈现出较上一周期明显北移的特征。
|
| [7] |
南亚高压和西太副高位置与中国盛夏降水异常 [J].https://doi.org/10.3969/j.issn.1009-0827.2010.04.002 URL [本文引用: 1] 摘要
用全国160站降水资料及ECMWF逐月再分析资料,采用合成分析方法,讨论了年际变化尺度上南亚高压与西太副高纬向位置异常与盛夏降水的关系。结果表明,当南亚高压与西太副高纬向异常重叠(分离)时,长江中下游流域存在异常上升(下沉)运动,江南的广大地区存在异常下沉(上升)运动。且当两个高压纬向异常重叠时,来自北印度洋及西太平洋的水汽,在长江中下游流域异常辐合,降水偏多。此时,江南地区水汽通量异常辐散,降水偏少。当两个高压纬向异常分离时,水汽主要来自北印度洋的西南风输送,长江流域降水偏少,江南地区降水偏多。
South Asian high and the subtropical western pacific high and its relation to the mid-summer precipitation anomalies over China. https://doi.org/10.3969/j.issn.1009-0827.2010.04.002 URL [本文引用: 1] 摘要
用全国160站降水资料及ECMWF逐月再分析资料,采用合成分析方法,讨论了年际变化尺度上南亚高压与西太副高纬向位置异常与盛夏降水的关系。结果表明,当南亚高压与西太副高纬向异常重叠(分离)时,长江中下游流域存在异常上升(下沉)运动,江南的广大地区存在异常下沉(上升)运动。且当两个高压纬向异常重叠时,来自北印度洋及西太平洋的水汽,在长江中下游流域异常辐合,降水偏多。此时,江南地区水汽通量异常辐散,降水偏少。当两个高压纬向异常分离时,水汽主要来自北印度洋的西南风输送,长江流域降水偏少,江南地区降水偏多。
|
| [8] |
西太平洋副热带高压季节内异常活动与亚洲夏季风系统的时延相关特征 [J].https://doi.org/10.13878/j.cnki.dqkxxb.20131215001 URL 摘要
基于西太平洋副热带高压的异常活动与亚洲夏季风系统其他成员之间存在着密切联系的天气事实,运用交叉小波的非线性时滞相关分析方法,对东亚夏季风系统成员与西太平洋副热带高压形态和变异的相互影响的基本事实和物理特征进行研究,得到了西太平洋副热带高压与主要的亚洲夏季风系统成员之间基本的关联结构和演变示意图.研究结果揭示了不同的季风子系统对西太平洋副热带高压的影响不同：影响西太平洋副热带高压强度和脊线位置异常变化的是亚洲夏季风系统中的印度夏季风子系统的5个主要成员;而影响西太平洋副热带高压西脊点异常变化的则是亚洲夏季风系统中的另一个子系统——东亚夏季风子系统的5个主要成员.研究揭示了副热带高压与亚洲夏季风系统主要成员之间的时延特征与统计关联特性,为相应的机理研究提供了事实依据.
Time-delayed correlation characteristics between western pacific subtropical high intraseasonal activities and Asian summer monsoon system. https://doi.org/10.13878/j.cnki.dqkxxb.20131215001 URL 摘要
基于西太平洋副热带高压的异常活动与亚洲夏季风系统其他成员之间存在着密切联系的天气事实,运用交叉小波的非线性时滞相关分析方法,对东亚夏季风系统成员与西太平洋副热带高压形态和变异的相互影响的基本事实和物理特征进行研究,得到了西太平洋副热带高压与主要的亚洲夏季风系统成员之间基本的关联结构和演变示意图.研究结果揭示了不同的季风子系统对西太平洋副热带高压的影响不同：影响西太平洋副热带高压强度和脊线位置异常变化的是亚洲夏季风系统中的印度夏季风子系统的5个主要成员;而影响西太平洋副热带高压西脊点异常变化的则是亚洲夏季风系统中的另一个子系统——东亚夏季风子系统的5个主要成员.研究揭示了副热带高压与亚洲夏季风系统主要成员之间的时延特征与统计关联特性,为相应的机理研究提供了事实依据.
|
| [9] |
近50年珠江流域降雨多尺度时空变化特征及其影响 [J].
<p>利用珠江流域38个站点54 a日降水资料,采用Kendall非参数检验法、线性回归及空间克里格插值,对多种降雨指数时空变化及影响进行了研究。结果表明:① 珠江流域西部年降雨有减少趋势,流域大部分的降雨日数则有增加趋势;② 流域降雨具有季度、月份集中性,其中,季度集中性趋于空间均匀化,月份集中性趋向空间极端化;③ 极端降雨阈值东高西低,全区极端降雨在20 世纪60、80 年代末有突变现象,<em>P</em><sub>0.01%</sub>设计值在21 世纪达到最高。综合多尺度降雨时空变化结果进行分析,将珠江流域划分为广东(包括江西)、广西中北部(包括湖南)、广西西南及云贵4 个降雨特征区,广东尤其是珠三角地区及广西中北部地区应注重防洪安全,广西西南与云贵地区应注重保障用水安全。</p>
Multi-scale spatio-temporal characteristics and influence of precipitation variation in Zhujiang river basin during the last 50 years .
<p>利用珠江流域38个站点54 a日降水资料,采用Kendall非参数检验法、线性回归及空间克里格插值,对多种降雨指数时空变化及影响进行了研究。结果表明:① 珠江流域西部年降雨有减少趋势,流域大部分的降雨日数则有增加趋势;② 流域降雨具有季度、月份集中性,其中,季度集中性趋于空间均匀化,月份集中性趋向空间极端化;③ 极端降雨阈值东高西低,全区极端降雨在20 世纪60、80 年代末有突变现象,<em>P</em><sub>0.01%</sub>设计值在21 世纪达到最高。综合多尺度降雨时空变化结果进行分析,将珠江流域划分为广东(包括江西)、广西中北部(包括湖南)、广西西南及云贵4 个降雨特征区,广东尤其是珠三角地区及广西中北部地区应注重防洪安全,广西西南与云贵地区应注重保障用水安全。</p>
|
| [10] |
西太平洋副热带高压与夏季长江中下游降水的关系 [J].https://doi.org/10.3969/j.issn.0517-6611.2013.32.049 URL [本文引用: 1] 摘要
利用了74项环流特征量资料、1951年1月～2003年12月我国160站月平均降水资料，通过相关分析以及t检验的方法，研究了西太平洋副高与我国夏季长江中下游地区降水的关系。结果表明，夏季长江中下游地区降水与副高的脊线位置之间有显著的负相关关系，与副高的面积指数之间有显著的正相关关系，且相关系数均通过了0．05信度检验。
Relationship between western pacific subtropical high and hummer hrecipitation in lower-middle reaches of Yangtze river. Journal of https://doi.org/10.3969/j.issn.0517-6611.2013.32.049 URL [本文引用: 1] 摘要
利用了74项环流特征量资料、1951年1月～2003年12月我国160站月平均降水资料，通过相关分析以及t检验的方法，研究了西太平洋副高与我国夏季长江中下游地区降水的关系。结果表明，夏季长江中下游地区降水与副高的脊线位置之间有显著的负相关关系，与副高的面积指数之间有显著的正相关关系，且相关系数均通过了0．05信度检验。
|
| [11] |
6~8月)副高各指数与中国160站降雨的关系 [J].https://doi.org/10.3969/j.issn.1004-4965.2004.06.005 URL [本文引用: 2] 摘要
利用1951～2001年共51年6～8月副高5个指数与同期中国160站降雨建立标准化的多元回归方程,通过分析副高5个指数的偏回归系数及各方程复相关系数在时间和地域上的分布和变化,研究了副高各指数所反映的位置、形状、面积、强度等特征对我国主汛期降雨的综合影响以及这种影响在季节和地域上的差异,结果表明副高北界位置指数和脊线位置指数主要影响雨带位置的变化,西伸脊点指数与我国大部地区雨量的丰欠有关,面积和强度指数则由于采用的方法而表现出对降雨的影响呈相反的特性。从副高对我国主汛期降雨的拟合能力上看,7月拟合能力比6月和8月好,对东部地区和华南地区的拟合能力分别比西部地区和华北地区好。
Relationship between subtropical high indexes at the main raining period with the rainfall of 160 sampling stations in China. https://doi.org/10.3969/j.issn.1004-4965.2004.06.005 URL [本文引用: 2] 摘要
利用1951～2001年共51年6～8月副高5个指数与同期中国160站降雨建立标准化的多元回归方程,通过分析副高5个指数的偏回归系数及各方程复相关系数在时间和地域上的分布和变化,研究了副高各指数所反映的位置、形状、面积、强度等特征对我国主汛期降雨的综合影响以及这种影响在季节和地域上的差异,结果表明副高北界位置指数和脊线位置指数主要影响雨带位置的变化,西伸脊点指数与我国大部地区雨量的丰欠有关,面积和强度指数则由于采用的方法而表现出对降雨的影响呈相反的特性。从副高对我国主汛期降雨的拟合能力上看,7月拟合能力比6月和8月好,对东部地区和华南地区的拟合能力分别比西部地区和华北地区好。
|
| [12] |
英国CRU高分辨率格点资料揭示的20世纪中国气候变化 [J].https://doi.org/10.3878/j.issn.1006-9895.2006.05.18 Magsci [本文引用: 1] 摘要
中国覆盖比较完整的台站观测始于1951年,1951年之前虽然有一些观测记录,但是残缺不全.所以要建立更长的气候序列就要吸收代用资料,但是代用资料可能与气候要素仅有一定程度的相关,不可能一一对应,因此应用代用资料重建的气候序列有一定的不确定性.英国East Anglia大学的Climatic Research Unit(简称CRU)通过整合已有的若干个知名数据库,重建了一套覆盖完整、高分辨率、且无缺测的月平均地表气候要素数据集,时间范围覆盖1901～2003年,空间为0.5°×0.5°经纬网格覆盖所有陆地.这套资料和中国已有的气候数据相比具有如下优点: 第一,中国西部20世纪前半期非常缺少观测,CRU资料尽管包含插值带来的误差,经比较仍可作为有一定信度的参考; 第二,中国现有的百年温度序列只是年或季分辨率,而CRU资料达到月分辨率; 第三,建立这个序列仅使用观测结果,做统计内插,不包括代用资料所带来的不确定性.因此,CRU的序列与用代用资料补充得到的序列在资料方面有较大不同,比较这两个序列,不仅可以进一步确认中国气候变化的特征,也可以彼此校正.结果表明:(1)CRU资料反映的全国年平均温度年际变化和考虑代用资料重建的序列吻合得很好,相关系数达到0.84;(2)区域尺度上,两者在10个典型分区的气温变率也相当一致,相关整体保持在0.8左右,仅新疆西南部和西藏西北部两者差异较大;(3)CRU资料揭示的中国年总降水量在1951～2000年的变化与160站观测吻合,相关系数达到0.93;(4)CRU资料的中国东部四季降水量和重建资料十分一致,秋季一致性最好,相关0.93;(5)CRU资料和重建的序列比较一致地表现出中国温度和降水年代际变化的主要特征,其给出的20世纪20年代中国大旱和20世纪40年代中国高温的空间分布与作者过去的结论相一致.这表明,作者过去重建的中国气候序列有比较大的可靠性,而CRU资料也提供了新的信息,特别是在20世纪前半期和中国西部.
An overview of China climate change over the 20th century using U K UEA/CRU high resolution grid data. https://doi.org/10.3878/j.issn.1006-9895.2006.05.18 Magsci [本文引用: 1] 摘要
中国覆盖比较完整的台站观测始于1951年,1951年之前虽然有一些观测记录,但是残缺不全.所以要建立更长的气候序列就要吸收代用资料,但是代用资料可能与气候要素仅有一定程度的相关,不可能一一对应,因此应用代用资料重建的气候序列有一定的不确定性.英国East Anglia大学的Climatic Research Unit(简称CRU)通过整合已有的若干个知名数据库,重建了一套覆盖完整、高分辨率、且无缺测的月平均地表气候要素数据集,时间范围覆盖1901～2003年,空间为0.5°×0.5°经纬网格覆盖所有陆地.这套资料和中国已有的气候数据相比具有如下优点: 第一,中国西部20世纪前半期非常缺少观测,CRU资料尽管包含插值带来的误差,经比较仍可作为有一定信度的参考; 第二,中国现有的百年温度序列只是年或季分辨率,而CRU资料达到月分辨率; 第三,建立这个序列仅使用观测结果,做统计内插,不包括代用资料所带来的不确定性.因此,CRU的序列与用代用资料补充得到的序列在资料方面有较大不同,比较这两个序列,不仅可以进一步确认中国气候变化的特征,也可以彼此校正.结果表明:(1)CRU资料反映的全国年平均温度年际变化和考虑代用资料重建的序列吻合得很好,相关系数达到0.84;(2)区域尺度上,两者在10个典型分区的气温变率也相当一致,相关整体保持在0.8左右,仅新疆西南部和西藏西北部两者差异较大;(3)CRU资料揭示的中国年总降水量在1951～2000年的变化与160站观测吻合,相关系数达到0.93;(4)CRU资料的中国东部四季降水量和重建资料十分一致,秋季一致性最好,相关0.93;(5)CRU资料和重建的序列比较一致地表现出中国温度和降水年代际变化的主要特征,其给出的20世纪20年代中国大旱和20世纪40年代中国高温的空间分布与作者过去的结论相一致.这表明,作者过去重建的中国气候序列有比较大的可靠性,而CRU资料也提供了新的信息,特别是在20世纪前半期和中国西部.
|
/
| 〈 |
|
〉 |
