APP下载

吉林春旱期降水潜在影响因子的分离时间尺度分析

2014-09-11吴香华牛生杰金德镇孙海燕

大气科学学报 2014年5期
关键词:经向降水量吉林省

吴香华,牛生杰,金德镇,孙海燕

(1.南京信息工程大学 数学与统计学院,江苏 南京 210044;2.南京信息工程大学 大气物理学院,江苏 南京 210044;3.吉林省人工影响天气办公室,吉林 长春 130062)

吉林春旱期降水潜在影响因子的分离时间尺度分析

吴香华1,2,牛生杰2,金德镇3,孙海燕3

(1.南京信息工程大学 数学与统计学院,江苏 南京 210044;2.南京信息工程大学 大气物理学院,江苏 南京 210044;3.吉林省人工影响天气办公室,吉林 长春 130062)

基于1960—2012年的地面常规气象指标、大尺度气候指数和NOAA气候分析产品,利用功率谱周期分析、时间尺度分离分析和交叉检验的逐步回归分析等,把吉林省春旱期(4—5月)降水量分离成不同时间尺度的值,并在年代际尺度和年际尺度下分别找到显著相关的影响因子。结果表明:吉林春旱期降水存在着2~4 a的年际变化和10 a左右的年代际变化。在年代际尺度上,4月降水与前期3月南半球环球状态指数以及俄罗斯东部高纬地区的低空经向风有关,5月降水与同期北半球环球状态指数和前期4月太平洋中高纬环流有关;在年际尺度上,4月降水与前期3月混合ENSO指数和同期当地相对湿度、华东华北沿海地区的低层经向风有关,5月降水与同期北大西洋涛动指数以及局地相对湿度、地面气压有关。利用选出的影响因子对降水进行预报,估计值和真实值的相关系数分别为0.67(4月)和0.81(5月),且选择合适的影响因子比模型结构更加重要。

吉林省春旱期降水;影响因子;功率谱周期分析;时间尺度分离分析;降尺度分析

0 引言

受全球气候变化的影响,近年来我国降水异常事件频发,相关问题的研究也受到了气象学家越来越多的关注。近50 a的数据分析表明,全国平均降水呈缓慢增长趋势(范泽孟等,2012),不同地区的降水在不同时间尺度下常常有差异。例如,北方地区的降水变化幅度小于南方(严华生等,2004;刘宣飞和袁旭,2013;苗长明等,2013;张旭晖等,2013),东北地区年降水量呈现较显著下降趋势,年降水量存在着区域性的多重时间尺度下的周期变化特征,短周期和长周期变化都对降水有较大影响(龚等,2003;姜晓艳等,2009;罗连升等,2010;王文等,2014);降水集中度自东南向西北逐渐递减,集中期具有南北高中间低的变化特点(张运福等,2009)。

吉林省是我国东北地区重要的粮食生产基地,春季降水对春耕、春播生产活动有着重要意义(秦元明等,2008)。但是,在全球变暖的大趋势下,平均温度每上升1 ℃,吉林省的干旱化程度将加剧5%~20%(谢安等,2003),干旱和沙漠化严重影响了农作物的产量。张脉惠等(2012)和陈社明等(2013)研究了吉林省春雨开始期的划分标准、推进特征和时空分布特征,发现4—5月是春旱容易发生的时期。

降水是一个自然变异很大、影响因素复杂的气象因子,可能是少数几个因素作用的结果,也可能是多个因素共同作用的结果。闫炎等(2010)研究发现,北大西洋涛动NAO(North Atlantic Oscillation Index)指数与我国西北地区的降水在年际尺度上正相关,在年代际尺度上负相关。郑菲和李建平(2012)发现前期南半球环球状态SAM(Southern Hemisphere Annular Mode Index)指数与我国华南地区春季降水存在显著的负相关。尹姗等(2013)提出前期北半球环球状态NAM(Northern Hemisphere Annular Mode Index)指数会对中国东部北方地区春季极端气象事件造成影响。王林等(2011)指出前期冬季的北太平洋涛动PDO(North Pacific Oscillation Index)指数与我国春季的气候异常间存在紧密的联系。混合ENSO指数MEI(Multivariate ENSO Index)能很好地表示ENSO事件中海气耦合系统的特征,比各种SST指数等能更好更全面地监测和反映ENSO事件,可用来研究一些气旋活动和降水特征(Ma and Chen,2009)。此外,汤阳等(2013)发现中国低纬高原区5月降水与前期海温异常场之间都具有很好的相关性。魏凤英和黄嘉佑(2010)和Guo et al.(2012)发现,影响华东地区降水的主要是北半球和东半球副高系统、东亚地区副高系统,影响华北的主要是东太平洋海温、低层经向风等。从以往的研究中可见,在不同时间尺度下进行降水量的统计降尺度分析、实现短期气候预测(黄刚等,2012)是一种高效可行的方案。本文将基于多源资料对吉林春旱期降水进行功率谱周期分析、时间尺度分离分析和统计降尺度分析,以期挑选出科学合理的降水影响因子,构建吉林省春旱期降水预测模型,并且为减旱、抗旱提供参考依据。

1 资料与方法

1.1 资料

核心气象要素是1960—2012年吉林省春旱期降水,选取对农作物生长最重要的4—5月的月值数据。选用的地面常规气象资料来自中国气象科学数据共享服务网提供的吉林省24个站点,去除有较多缺失数据的永吉、盘石、汪清3个站,最终选取21个站点的均值来代表春旱期吉林省指标值;气象要素包括当月和上月的降水量、气压、风速、气温、水汽压和相对湿度。此外,还用到5个大尺度气候指数(Guo et al.,2012;Sun et al.,2009),包括南半球环球状态SAM指数、北半球环球状态NAM指数、北大西洋涛动NAO指数、北太平洋涛动PDO指数和混合ENSO指数MEI。其中,MEI资料来自美国国家海洋与大气局,综合了6种热带太平洋的观测数据后,经过汇整以及标准化处理后得到(Ma and Chen,2009)。全球大气资料选用的是NOAA的再分析资料,主要用到表面温度、海平面气压、经向风和位势高度4个指标,水平分辨率2.5°×2.5°。

1.2 方法

首先,通过周期分析判断降水因子是否需要进行时间尺度上的分离。如果具有差异显著的周期,可以采用傅里叶分解的方法分离降水量。其次,对于不同时间尺度下的降水分量,分别从前期和同期的数据中挑选出高度相关的物理因子,实现降水量影响因子的初步筛选。但是,某一时间尺度下的多个降水影响因子很可能存在多重共线性,此时会失去结构分析的物理意义,也会影响降水量的拟合优度。因此,本文考虑运用交叉检验的逐步回归方法对与降水影响因子再次筛选。最后,分别建立各个时间尺度下降水量的预报模型,分析云降水物理的理论支持,并叠加所有尺度的降水估计值来估计降水综合值。

图1 1960—2012年吉林省4、5月的降水量序列(a),以及4月(b)和5月(c)降水的周期分析(虚线是红噪音标准谱曲线,为0.05信度的显著性检验)Fig.1 (a)Monthly precipitation series during April—May from 1960 to 2012;periodic analysis of precipitation during(b)April and(c)May(peak over the dashed line indicates the significance at 95% confidence level against red noise)

2 吉林春旱期降水的周期分析和数据分离

2.1 吉林春旱期降水的周期分析

吉林省属于温带大陆性季风气候,降水分布很不平稳且波动情况比较复杂。由图1a可见,4月区域平均降水约30 mm,5月约60 mm,降水的波动特征也不同。由图1b和图1c可见,4月和5月的降水周期中超过10.7 a的功率谱差异很大,但是没有通过显著性检验,所以可以不考虑;周期小于10.7 a的功率谱分布非常相似,均存在10 a左右的长周期和2~4 a的短周期。此时,选取长周期和短周期的平均值(6~7 a)为界,能够分离两种周期下的降水情况。长周期分量的计算,一般运用对原始数据进行滑动平均的方法,以奇数为宜。因此,选取7 a为界进行降水量的数据分离。

2.2 吉林春旱期降水的时间尺度分离

根据上文周期分析的结论,以7 a为分界线,对原始数据进行分离,得到1963—2009年共47 a的数据。周期大于7 a的数据变率称为年代际变化,小于7 a的称为年际变化。假设Y为实测雨量,D是分离后年代际值,A是年际值,则有

Y=D+A。

(1)

图2 吉林省4月(a)和5月(b)降水量的时间尺度分离Fig.2 Separation of monthly precipitation in Jilin during (a)April and (b)May in different time scales

图2展现了按时间尺度分离后的年代际变化和年际变化,4月和5月的情况差异很大。4月降水量年代际值的趋势系数是-0.7 mm/(10 a),呈现微弱下降的走向,峰值出现在1966、1986、2008年,谷值出现在1973、1998年。5月降水的年代际值趋势系数是2.3 mm/(10 a),峰值在1970、1997年,谷值在1964、1986、2003年。1986年4月的降水量出现了峰值,而5月却为谷值;1997—1998年期间分别出现了5月的峰值和4月的谷值,可见4月和5月的年代际值在一定年份上呈现相反的波动情况,这也进一步证明本文将吉林省4—5月降水分月分析是合理的。在年际值方面,5月波动的振幅更大。4月降水年际值在1960—1970年和2000年以后具有较高的波动频率,5月降水年际值在1985—2000年有较高的波动频率。

3 年际值的影响因子

3.1 气候指数和地面常规资料中的年际值影响因子

表1给出了吉林省春旱期降水年际值和气候指数、地面常规气象因子的相关系数,4月降水年际值与前期3月混合ENSO指数IME3以及同期4月混合ENSO指数IME4、水汽压e4和相对湿度IRH4有较高相关性,5月年际值与同期北大西洋涛动指数INAO5、气压p5、气温T5、相对湿度IRH5有较密切的联系。

3.2 NOAA再分析资料中的年际值影响因子

图3是47 a来吉林省4月降水量的年际分量分别与前期3月和同期4月海平面气压、表面温度、850 hPa经向风、500 hPa位势高度的相关系数等值线。样本量n=47,取显著性水平α=0.01,查相关系数表,得到临界值0.37。以相关系数绝对值大于0.37为标准,得到相关性高度显著的区域。我国北方降水常常受中高纬环流(Zhou and Wang,2006;张健和李永生,2011;丁治英等,2013)、北大西洋涛动(戴新刚等,2013)、低层经向风(Guo et al.,2012)、澳大利亚高压(薛峰,2005)、索马里急流(代玮,2013)等的影响,图3中框出的高相关区体现了这些影响,对应的区域均值被选为可能的影响因子(表2),4月降水年际值的可能影响因子记为M41-M44,5月的记为M51-M53(第一个下标表示月,第二个下标区别各个变量)。

表1吉林省4、5月降水量与地面常规气象因子、气候指数在年际尺度上的相关系数

Table 1 Interannual correlationship between April(May) precipitation and surface meteorological factors and large-scale climate indices

变量与4月降水量的相关系数变量与5月降水量的相关系数降水量3月-0.204月1降水量4月-0.365月1气压3月-0.024月-0.02气压4月-0.015月-0.521)风速3月-0.074月0.08风速4月0.095月0.04气温3月0.124月-0.18气温4月0.205月-0.521)水汽压3月-0.084月0.341)水汽压4月0.065月0.22相对湿度3月-0.224月0.561)相对湿度4月-0.155月0.681)ISAM3月0.014月0.08ISAM4月-0.015月-0.16INAM3月0.274月-0.19INAM4月0.275月-0.27INAO3月0.034月0.01INAO4月0.035月-0.321)IPDO3月-0.054月0.01IPDO4月0.075月0.09IME3月0.251)4月0.201)IME4月0.095月0.08

注:1)表示通过了0.05信度的显著性检验.

图3 吉林省4月降水年际值与上月(a,c,e,g)和当月(b,d,f,h)气象因子的相关系数分布(阴影表示相关系数通过了0.01信度的显著性检验,方框表示高相关区域) a,b.海平面气压;c,d.表面温度;e,f.850 hPa经向风;g,h.500 hPa位势高度Fig.3 Contours of interannual correlation between April precipitation in Jilin province and (a,b)sea level pressure,(c,d)skin temperature,(e,f)850 hPa meridional wind,and (g,h)500 hPa geopotential height in (a,c,e,g)March and (b,d,f,h)April(the shading areas denote the significance at 1% confidence level(α=0.01).The black rectangles indicate areas of high correlation coefficients)

表2NOAA再分析资料中影响因子的选取及其与吉林省4、5月降水年际值相关系数

Table 2 Selection of influence factors from NOAA global reanalysis data and interannual correlationship between April(May) precipitation in Jilin province and the influence factors

气象要素范围变量符号与4月降水年际值的相关系数4月海平面气压80~115°E,15~30°SM41-0.464月850hPa经向风115~155°E,20~45°NM420.483月500hPa位势高度118~125°E,20~40°SM430.464月500hPa位势高度125~145°E,20~35°NM440.44气象要素范围变量符号与5月降水年际值的相关系数5月海平面气压180°~208°E,35~50°NM51-0.414月850hPa经向风262~287°E,10~35°NM52-0.375月500hPa位势高度170~200°E,40~55°NM53-0.39

3.3 年际值的预报分析

3.1和3.2节从多源资料中选出了较多的降水年际值影响因子,但是影响因子并不是越多越好,需要挑选出对降水有重要影响的关键因子(Zhu et al.,2008)。选用交叉检验的逐步回归方法,以较小均方根误差为目标,对变量进行筛选。表3是多源资料下,吉林省4月降水年际值影响因子的挑选过程,5月类似(略)。第1步被选入的是3月混合ENSO指数IME3。随后,从地面常规气象指标中选择,第5步选入4月相对湿度IRH4后,均方根误差迅速从12.52减小到10.39。第6步以后添加NOAA再分析资料中的影响因子,第7步选入M42后均方根误差降到9.83。第7步以后,均方根误差没有明显减小,故没有必要引进新的影响因子。由表2可见,M42表示4月115~155°E、20~45°N范围低空经向风,通过南方气旋(秦元明等,2008)影响吉林省4月降水量的年际值A4,建立预报方程:

A4=-69.07+2.02IME3+1.22IRH4+6.54M42。

(2)

图4 吉林省4月(a)、5月(b)降水年际值的拟合效果(实线表示真实值,虚线表示拟合值)Fig.4 Fitting effects of interannual precipitation in Jilin province during (a)April and (b)May(solid lines represent the true values,while the dotted lines represent the fitted ones)

同理,如果A5表示5月降水量的年际值,运用交叉检验的逐步回归分析,最终建立方程:

A5=3121.85-1.36INAO5+2.18IRH5-3.34p5。

(3)

图4是吉林省春旱期降水年际值的拟合情况,4月和5月真实值和拟合值的相关系数分别是0.61和0.78(α=0.01)。4月的年际值模型在1981—1982年、2007年、2009年拟合较差,其余年份拟合得较好。5月年际值拟合方程除了在1996年和2005年拟合不够理想,其余年份都十分贴切地反映了年际变化的情况。

表3吉林省4月降水量年际值影响因子的挑选

Table 3 Selection of the interannual influence factors for precipitation in Jilin province in April

步骤选入因子ERMS说明1IME312.52效果较好2IME412.673IME3,IME412.574IME3,e412.055IME3,IRH410.39明显改进6IME3,IRH4,M419.917IME3,IRH4,M429.83改进8IME3,IRH4,M439.909IME3,IRH4,M449.9610IME3,IRH4,M42,M419.7211IME3,IRH4,M42,M419.58改进,但不明显12IME3,IRH4,M12,M119.88

4 年代际值的影响因子

4.1 气候指数和地面常规资料中的年代际值影响因子

表4给出了吉林省春旱期降水年代际值与气候指数、地面常规气象因子的相关系数,最终确定ISAM3和4月相对湿度IRH4是可能的影响因子,5月年代际值的可能影响因子是INAM5、前期4月降水量Y4和5月相对湿度IRH5。

4.2 NOAA再分析资料中的年代际值影响因子

图5是吉林省4月降水量的年代际分量分别与前期3月和同期4月海平面气压、表面温度、850 hPa经向风、500 hPa位势高度的相关系数分布。与图3类似,对应的区域均值被选为可能的影响因子(表5),4月影响因子记为N41-N43,5月的为N51-N57。

表4吉林省4、5月降水量与地面常规气象因子、气候指数在年代际尺度上的相关系数

Table 4 Inter-decadal correlationship between April(May) precipitation and surface meteorological factors and large-scale climate indices

变量与4月降水量的相关系数变量与5月降水量的相关系数降水量3月0.114月1降水量4月-0.351)5月1气压3月-0.134月-0.02气压4月0.015月-0.19风速3月0.14月0.07风速4月-0.185月-0.25气温3月-0.034月-0.15气温4月0.265月-0.19水汽压3月-0.034月0.02水汽压4月-0.015月0.20相对湿度3月0.014月0.231)相对湿度4月-0.255月0.381)ISAM3月0.201)4月-0.16ISAM4月0.035月0.19INAM3月0.114月0.02INAM4月0.055月-0.321)INAO3月0.064月0.07INAO4月-0.205月-0.21IPDO3月0.094月0.10IPDO4月-0.105月0.04IME3月0.014月0.02IME4月0.035月0.01

注:1)表示通过了0.05信度的显著性检验.

4.3 年代际值的预报分析

运用交叉检验的逐步回归方法对变量进行筛选,过程同表3(略)。由表5可见,N42为3月125~155°E、60~80°N范围850 hPa经向风风速,通过北方气旋(秦元明等,2008)影响4月降水年代际分量D4,N57为4月105~125°W、20~40°N范围850 hPa经向风风速,通过中高纬环流(李建平等,2013)影响5月降水年代际分量D5,得到预报方程:

D4=30.34-0.80ISAM3+1.93N42;

(4)

D5=47.60-0.99INAM5-6.50N57。

(5)

图6反映了降水年代际值的拟合情况,4月和5月真实值和拟合值的相关系数分别是0.45和0.71。5月年代际值的拟合(图6b)很好,把细节处的波动都拟合出来了。4月(图6a)虽然不如5月,但是基本上也反映了年代际变化的情况。

5 降水综合值的预报分析

挑选出年代际尺度和年际尺度的影响因子后,可以把上文降水年代际分量估计值和年际分量估计值直接求和,也可以把选出的所有影响因子作为协变量,重新对降水综合值建立数学模型。对比两种方法的计算结果,发现效果差别不大(几乎可以忽略),估计值和真实值的相关系数分别为0.67(4月)和0.81(5月),可见对吉林省春旱期降水量月值进行预报时,影响因子的选择远甚于模型结构的确立。

利用大尺度气候指数资料、常规地面气象资料和NOAA全球气候分析产品的多源资料,基于时间分离的统计降尺度方法,分别挑选年代际尺度、年际尺度下的降水影响因子建立吉林春旱期降水模型,所得结果(图7)在大尺度气候态、总体趋势、局地气象变化、年际波动上基本都能反映实际降水的特征。

6 结论

1)吉林省4月降水量存在逐渐减少的趋势,5月降水在年代际尺度上缓慢增长;5月平均降水是4月的2倍,且峰、谷值出现时间很不同,这两个月的降水性质差异很大。但是,都存在约10 a的长周期和2~4 a的短周期。

2)在年代际尺度上,吉林省4月降水与前期3月南半球环球状态指数以及125~155°E、60~80°N范围850 hPa经向风有较强相关性;5月降水与同期北半球环球状态指数和前期4月105~125°E、20~40°N范围850 hPa经向风相关。在年际尺度上,4月降水与前期3月混合ENSO指数和同期相对湿度、115~155°E、20~45°N范围850 hPa经向风相关;5月降水与同期北大西洋涛动指数以及局地相对湿度、地面气压相关。

3)对吉林省春旱期降水量建立预报模型的过程中,影响因子的选择比模型结构更加重要。首先按照年代际和年际尺度分别挑选出合适的影响因子;然后对总降水量建立一个总的预报方程,或者分别建立年代际和年际尺度的预报方程、再合并,都可以得到较准确的综合降水估计值,估计值和真实值的相关系数分别为0.67(4月)和0.81(5月)。

图5 吉林省4月降水年代际值与上月(a,c,e,g)和当月(b,d,f,h)气象因子的相关系数分布(阴影表示相关系数通过了0.01信度的显著性检验,方框表示高相关区域) a,b.海平面气压;c,d.表面温度;e,f.850 hPa经向风;g,h.500 hPa位势高度Fig.5 Contours of inter-decadal correlation between April precipitation in Jilin province and (a,b)sea level pressure,(c,d)skin temperature,(e,f)850 hPa meridional wind,and (g,h)500 hPa geopotential height in (a,c,e,g)March and (b,d,f,h)April(the shading areas denote the significance at 1% confidence level(α=0.01).The black rectangles indicate areas of high correlation coefficients)

表5NOAA再分析资料中影响因子的选取及其与吉林省4、5月降水年代际值相关系数

Table 5 Selection of influence factors from NOAA global reanalysis data and inte-decadal correlationship between April(May) precipitation in Jilin province and the influence factors

气象要素范围变量符号与4月降水年代际值的相关系数3月表面温度80~120°E,65~82°NN41-0.383月850hPa经向风125~155°E,60~80°NN420.44月850hPa经向风225~255°E,15~42°NN430.43气象要素范围变量符号与5月降水年代际值的相关系数4月海平面气压18~60°E,45~65°SN51-0.434月海平面气压225~240°E,20~35°NN520.415月海平面气压180°~210°E,35~52°NN53-0.465月海平面气压235~265°E,50~72°NN540.474月表面温度170~195°E,20~32°SN550.44月表面温度255~278°E,30~52°NN56-0.574月850hPa经向风235~255°E,20~40°NN57-0.69

图6 吉林省4月(a)、5月(b)降水年代际值的拟合效果(实线表示真实值,虚线表示拟合值)Fig.6 Fitting effects of inter-decadal precipitation in Jilin province during (a)April and (b)May(solid lines represent the true values,while the dotted lines represent the fitted ones)

图7 吉林省4月(a)、5月(b)综合降水的拟合效果(实线表示真实值,虚线表示拟合值)Fig.7 Fitting effects of monthly precipitation in Jilin province during (a)April and (b)May(solid lines represent the true values,while the dotted lines represent the fitted ones)

陈社明,卢文喜,罗建男,等.2013.吉林西部气象干旱的多标度分形特征[J].吉林大学学报:地球科学版,43(1):245-250.

代玮.2013.索马里急流多时间尺度的变化特征及其对亚洲季风的影响[D].北京:中国气象科学研究院.

戴新刚,汪萍,张凯静.2013.近60年新疆降水趋势与波动机制分析[J].物理学报,62(12):527-537.

丁治英,王小龙,高松,等.2013.高原夏季带状MCSs的分类以及形成原因[J].大气科学学报,36(6):641-652.

范泽孟,岳天祥,陈传法,等.2012.中国降水未来情景的降尺度模拟[J].地理研究,31(12):2283-2291.

黄刚,张立凤,王秋良,等.2012.基于集合预报产品的降尺度降水预报试验[J].气象科学,32(5):508-514.

姜晓艳,刘树华,马明敏,等.2009.东北地区近百年降水时间序列变化规律的小波分析[J].地理研究,28(2):354-362.

李建平,任荣彩,齐义泉,等.2013.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,37(2):518-538.

刘宣飞,袁旭.2013.江南春雨的两个阶段及其降水性质[J].热带气象学报,29(1):99-105.

罗连升,江双五,田红.2010.降尺度方法在安徽省月降水量预测中的试用[J].气象科学,30(1):15-20.

苗长明,郭品文,丁一汇,等.2013.江南南部初夏汛期降水特征Ⅱ:雨季指数与影响雨季的大气环流关键区[J].大气科学学报,36(6):717-724.

秦元明,刘秀花,王晓明,等.2008.中国气象灾害大典吉林卷[M].北京:气象出版社.

汤阳,杨若文,胡金明,等.2013.海表温度异常与中国低纬高原5月降水的ESVD研究[J].热带气象学报,29(3):449-457.

王林,陈文,冯瑞权,等.2011.北太平洋涛动的季节演变及其与我国冬春气候异常的联系[J].大气科学,35(3):393-402.

王文,任冉,李耀辉.2014.基于EEMD 的黄河中上游夏季降水预报方法的研究[J].气象科学,34(3):261-266.

魏凤英,黄嘉佑.2010.大气环流降尺度因子在中国东部夏季降水预测中的作用[J].大气科学,34(1):202-212.

谢安,孙永罡,白人海.2003.中国东北近50年干旱发展及对全球气候变暖的响应[J].地理学报,58(增刊):75-82.

薛峰.2005.南半球环流变化对东亚夏季风的影响[J].气候与环境研究,24(4):123-130.

严华生,万云霞,邓自旺,等.2004.用正交小波分析近百年来中国降水气候变化[J].大气科学,28(1):151-157.

闫炎,赵昕奕,周力平.2010.近50年中国西北地区干湿演变的时空特征及其可能成因探讨[J].干旱区资源与环境,24(4):38-44.

尹姗,冯娟,李建平.2013.前冬北半球环状模对春季中国东部北方地区极端低温的影响[J].气象学报,71(1):96-108.

张健,李永生.2011.中高纬环流因子与黑龙江省初夏气候异常[C]//第28届中国气象学会年会:S5气候预测新方法和新技术.厦门.

张脉惠,王传辉,江春,等.2012.中国东北地区春雨开始期变化特征研究[J].中国农学通报,28(35):269-274.

张旭晖,居为民,蒯志敏,等.2013.江苏春季霜冻气候变化特征及其未来可能变化趋势[J].大气科学学报,36(6):666-673.

张运福,胡春丽,赵春,等.2009.东北地区降水年内分配的不均匀性[J].自然灾害学报,18(2):89-94.

郑菲,李建平.2012.前冬南半球环状模对春季华南降水的影响及其机理[J].地球物理学报,55(11):3542-3557.

Guo Y,Li J,Li Y,et al.2012.A time-scale decomposition approach to statistically downscale summer rainfall over North China[J].J Climate,25(1):572-591.

Ma L P,Chen L S.2009.The relationship between global warming and the variation in tropical cyclone frequency over the western northen Pacific[J].J Trop Meteor,15(1):38-44.

Sun J Q,Wang H J,Yuan W.2009.A possible mechanism for the co-variability of the boreal spring Antarctic Oscillation and the Yangtze River Valley summer rainfall[J].Int J Climatol,29(9):1276-1284.

Zhou B T,Wang H J.2006.Relationship between the boreal spring Hadley circulation and the summer precipitation in the Yangtze River Valley[J].J Geophys Res,111:1-14.

Zhu C W,Park C K,Lee W S,et al.2008.Statistical downscaling for multi-model ensemble prediction of summer monsoon rainfall in the Asia-Pacific region using geopotential height field[J].Adv Atmos Sci,25(5):867-884.

(责任编辑:张福颖)

Applicationoftime-scaledecompositionmodelininfluencefactorsselectionduringspringdroughtperiodinJilinProvince

WU Xiang-hua1,2,NIU Sheng-jie2,JIN De-zhen3,SUN Hai-yan3

(1.School of Mathematics and Statistics,NUIST,Nanjing 210044,China;2.School of Atmospheric Physics,NUIST,Nanjing 210044,China;3.Weather Modification Office of Jilin Province,Changchun 130062,China)

Based on the ground meteorological indicators,the climate indexes and the NOAA reanalysis data during 1960—2012,spring-drought-period(April—May) monthly precipitation amounts in Jilin Province are analyzed by using power spectrum analysis,time-scale decomposition,cross-examination stepwise regression analysis,etc.This paper aims to find proper potential annual influence factors and decadal ones.The results show that April—May precipitation in Jilin Province has two significant periods,namely,2—4 years and about 10 years.In terms of the decadal scale,precipitation in April is closely related to the Southern Hemisphere Annular Mode Index in March and the 850 hPa meridional wind in March over the high-latitude area in East Russia,while that in May is related to the Northern Hemisphere Annular Mode Index in May and the Pacific mid-high-latitude circulations in April.As for the interannual scale,precipitation in April has close relationship with the Multivariate ENSO Index in March,the local relative humidity in April and the 850 hPa meridional wind in April over coastal areas in East and North China,while that in May does with the contemporary North Atlantic Oscillation Index,the local relative humidity and the surface pressure.The coefficients of correlation between the real values and the fitted ones are 0.67(April) and 0.81(May) separately,and proper potential influence factors play more important roles than the model structure.

precipitation during spring drought period in Jilin Province;influence factors;power spectrum analysis;time-scale decomposition;downscaling analysis

2013-04-20;改回日期2013-10-25

国家自然科学基金资助项目(41375138);江苏省研究生培养创新工程(CX10B_295Z)

吴香华,博士,副教授,研究方向为云雾降水物理学,wuxianghua@nuist.edu.cn.

10.13878/j.cnki.dqkxxb.20130420006.

1674-7097(2014)05-0548-10

P461

A

10.13878/j.cnki.dqkxxb.20130420006

吴香华,牛生杰,金德镇,等.2014.吉林春旱期降水潜在影响因子的分离时间尺度分析[J].大气科学学报,37(5):548-557.

Wu Xiang-hua,Niu Sheng-jie,Jin De-zhen,et al.2014.Application of time-scale decomposition model in influence factors selection during spring drought period in Jilin Province[J].Trans Atmos Sci,37(5):548-557.(in Chinese)

猜你喜欢

经向降水量吉林省
1958—2019年新兴县汛期降水量的气候特征
浸胶帆布经向刚度影响因素分析
吉林省教育厅新年贺词
吉林省“十四五”食品安全信息化建设的几点思考
与南亚高压相联的欧亚大陆-印度洋经向环流
2018年8月大气环流中水汽经向输送特征
吉林省梅河口老年大学之歌
降水量是怎么算出来的
吉林省完成1.4万公里农村公路“畅返不畅”整治
黄台桥站多年降水量变化特征分析