• 中文核心期刊
  • 中国科技核心期刊
  • ISSN 1007-6336
  • CN 21-1168/X

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

近33 a西北太平洋极端海表温度事件的变化特征及与ENSO的关系

陈志伟 康建成 顾成林 徐勇 汤明 陆凯

引用本文:
Citation:

近33 a西北太平洋极端海表温度事件的变化特征及与ENSO的关系

    作者简介: 陈志伟(1992-), 男, 江苏南通人, 博士生, 主要从事海洋环境气候变化研究, E-mail:1546335462@qq.com;
    通讯作者: 康建成, Kangjc@126.com
  • 基金项目: 上海市教委重点学科建设项目"地理学与城市环境" J50402
    国家自然科学基金项目"东海黑潮区温、盐、流、海面高度多尺度变化过程及其机理研究" 41340045

  • 中图分类号: P732

Variation characteristics of the extreme sea surface temperature events in the Northwest Pacific and its relationship with ENSO over the past 33 Years

    Corresponding author: Jian-cheng KANG, Kangjc@126.com ;
  • CLC number: P732

  • 摘要: 使用1982~2014年美国国家海洋和大气管理局(national oceanic and atmospheric administration,NOAA)最优插值1/4度逐日海温分析资料,分析西北太平洋极端海表温度(sea surface temperature,SST)事件的变化特征,探讨极端SST事件与ENSO(El Niño-southern oscillation,ENSO)之间的关系。结果表明:极端高温事件的频率明显增大,20世纪80年代为2~5 a一遇,20世纪90年代为1~4 a一遇,21世纪以来,除2004和2011年外,其余年份均有发生。极端高温发生天数呈线性增加趋势,增长速率为30 d/10 a。单次极端高温事件持续时间逐渐增长,增长速率为0.56 d/次,且平均温度和最高温度也呈上升趋势,上升速率分别为0.032℃/次和0.049℃/次。相反的是,极端低温事件的频率明显减小,1982~2000年为1~2 a一遇,21世纪以来,发生次数明显减少。极端低温发生天数和单次事件的持续时间均明显减少,减少速率分别为-27 d/10 a和-1.6 d/次。单次极端低温事件的平均温度和最低温度呈线性上升趋势,增长速率分别为0.0087℃/次和0.017℃/次。极端高温事件呈现1~4 a和4~7 a周期的高低频震荡,低温事件呈现多尺度周期变化,主周期尺度为3~4 a。Nino 3.4区下半年ENSO指数与西北太平洋极端高温呈显著负相关,与极端低温事件呈显著正相关。意味着在La Niña年份,极端高温事件更容易发生。反之,在El Niño年份,极端低温事件容易发生。
  • 图 1  研究区域

    Figure 1.  Research area

    图 2  西北太平洋日均温的时间分布

    Figure 2.  The average daily temperature variation at the Northwest Pacific

    图 3  西北太平洋极端高温(a)、低温(b)事件频次的平均月际变化

    Figure 3.  Average monthly changes in extreme high temperature (a) and low temperature (b) events at the Northwest Pacific

    图 4  西北太平洋逐年极端高温(a)、低温(b)天数的分布图

    Figure 4.  The distribution of extreme high temperature (a) and low temperature (b) days at the Northwest Pacific

    图 5  单次极端高(a)、低(b)温度事件的持续时间变化

    Figure 5.  The durationof a single extreme high (a) or low (b) temperature events

    图 6  极端高(a)、低(b)温事件的平均温度和最高(最低)温度

    Figure 6.  The mean temperature and maximum (minimum) temperature of extreme high (a)or low (b) temperature events

    图 7  1982~2014年西北太平洋极端高温事件发生天数的小波功率谱变化图

    Figure 7.  The variation of the wavelet transforms coefficients for the number of days of extreme high temperature eventsat the Northwest Pacific in 1982 ~ 2014

    图 8  1982~2014年西北太平洋极端低温事件发生天数的小波功率谱变化图

    Figure 8.  The variation of the wavelet transforms coefficients for the number of days of extreme low temperature eventsat the Northwest Pacific in 1982 ~ 2014

    图 9  西北太平洋海表温度EOF分解第一模态的空间分布

    Figure 9.  The spatial distribution of the first mode of the EOF of the sea surface temperature at the Northwest Pacific

    图 10  第一模态时间序列与Nino 3.4区指数的对比

    Figure 10.  Comparison of thefirst moda time coefficient curve with Nino 3.4 region index

    图 11  1982~2014年西北太平洋极端高温发生天数与Nino各区ENSO指数的相关关系

    Figure 11.  Correlation between the number of days of extreme high temperature and ENSO index in Nino area at the Northwest Pacific during 1982~2014

    图 12  1982~2014年西北太平洋极端低温发生天数与Nino各区ENSO指数的相关关系

    Figure 12.  Correlation between the number of days of extreme low temperature and ENSO index in Nino area at the Northwest Pacific during 1982~2014

    图 13  1982~2014年西北太平洋极端温度事件发生时间与Nino3.4区对比

    Figure 13.  Comparison of Extreme Temperature Occurrence Time at the Northwest Pacific and ENSO Index in Nino 3.4 during 1982-2014

    表 1  1982~2014年ENSO事件

    Table 1.  ENSO events from 1982~2014

    下载: 导出CSV

    表 2  西北太平洋极端高温事件与ENSO事件的关系

    Table 2.  Relationship between extreme high temperature events and ENSO events at the Northwest Pacific

    下载: 导出CSV

    表 3  西北太平洋极端低温事件与ENSO事件的关系

    Table 3.  Relationship between extreme low temperature events and ENSO events at the Northwest Pacific

    下载: 导出CSV
  • [1] SMITHSON P A.IPCC, 2001:climate change 2001:the scientific basis.Contribution of Working Group 1 to the Third Assessment Report of the Intergovernmental Panel on ClimateChange[J].International Journal of Climatology, 2002, 22(9):1144-1144.
    [2] ORGANIZATION W M.WMO statement on the status of the global climate in 2010[J].Environmental Policy Collection, 2011, 40(2):144-151.
    [3] SENEVIRATNE S I, NICHOLLS N, EASTERLING D, et al.Changes in climate extremes and their impacts on the natural physical environment[C]//Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation.2012.
    [4] 沈永平, 王国亚.IPCC第一工作组第五次评估报告对全球气候变化认知的最新科学要点[J].冰川冻土, 2013, 35(5):1068-1076.
    [5] WYRTKI K.El Niño-the dynamic response of the equatorial pacific ocean to atmosphericforcing[J].Journal of Physical Oceanography, 1975, 5(4):572-584. doi: 10.1175/1520-0485(1975)005<0572:ENTDRO>2.0.CO;2
    [6] 黄荣辉, 张人禾, 严邦良.热带西太平洋纬向风异常对ENSO循环的动力作用[J].中国科学:地球科学, 2001, 31(8):697-704.
    [7] BEJARANO L, JIN F F.Coexistence of equatorial coupled modes of ENSO[J].Journal of Climate, 2008, 21(12):3051-3067. doi: 10.1175/2007JCLI1679.1
    [8] 孟文, 吴国雄.赤道印度洋——太平洋地区海气系统的齿轮式耦合和ENSO事件Ⅱ.数值模拟[J].大气科学, 2000, 24(1):15-25. doi: 10.3878/j.issn.1006-9895.2000.01.02
    [9] KUG J S, KANG I S.Interactive feedback between ENSO and the IndianOcean[J].Journal of Climate, 2006, 19(9):1784-1801. doi: 10.1175/JCLI3660.1
    [10] KUG J S, KIRTMAN B P, KANG I S.Interactive feedback between ENSO and the Indian Ocean in an interactive ensemble coupled model[J].Journal of Climate, 2006, 19(24):6371-6381. doi: 10.1175/JCLI3980.1
    [11] LEE T, MCPHADEN M J.Increasing intensity of El Niño in the central-equatorialPacific[J].Geophysical Research Letters, 2010, 37(14):L14603.
    [12] CRAVATTE S, DELCROIX T, ZHANG D, et al.Observed freshening and warming of the western Pacific Warm Pool[J].Climate Dynamics, 2009, 33(4):565-589. doi: 10.1007/s00382-009-0526-7
    [13] POWER S, DELAGE F, CHUNG C, et al.Robust twenty-first-century projections of El Nino and related precipitationvariability[J].Nature, 2013, 502(7472):541-545. doi: 10.1038/nature12580
    [14] CAI W J, BORLACE S, LENGAIGNE M, et al.Increasing frequency of extreme El Nino events due to greenhouse warming[J].Nature Climate Change, 2014, 4(2):111-116. doi: 10.1038/nclimate2100
    [15] REYNOLDS R W, SMITH T M, LIU C Y, et al.Daily High-Resolution-Blended Analyses for Sea Surface Temperature[J].Journal of Climate, 2007, 20(22):5473-5496. doi: 10.1175/2007JCLI1824.1
    [16] HUANG B Y, BANZON V F, FREEMAN E, et al.Extended reconstructed sea surface temperature version 4(ERSST.v4).Part I:upgrades and intercomparisons[J].Journal of Climate, 2015, 28(3):911-930. doi: 10.1175/JCLI-D-14-00006.1
    [17] LIU W, HUANG B Y, THORNE P W, et al.Extended reconstructed sea surface temperature version 4(ERSST.v4):Part Ⅱ.parametric and structural uncertainty estimations[J].Journal of Climate, 2015, 28(3):931-951. doi: 10.1175/JCLI-D-14-00007.1
    [18] SOLOMON S, QIN D H, MANNING M, et al.Climate Change 2007: The Scientific Basis Contribution ofWorking Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[R].Cambridge: Cambridge University Press, 2007.
    [19] JONES P D, HORTON E B, FOLLAND C K, et al.The Use of Indices to Identify Changes in ClimaticExtremes[J].Climatic Change, 1999, 42(1):131-149.
    [20] BONSAL B R, ZHANG X, VINCENT L A, et al.Characteristics of Daily and Extreme Temperatures overCanada[J].Journal of Climate, 2001, 14(9):1959-1976. doi: 10.1175/1520-0442(2001)014<1959:CODAET>2.0.CO;2
    [21] YAN Z W, JONES P D, DAVIES T D, et al.Trends of Extreme Temperatures in Europe and China Based on Daily Observations[J].Climatic Change, 2002, 53(1/2/3):355-392.
    [22] 任国玉, 陈峪, 邹旭恺, 等.综合极端气候指数的定义和趋势分析[J].气候与环境研究, 2010, 15(4):354-364. doi: 10.3878/j.issn.1006-9585.2010.04.02
    [23] 魏凤英.现代气候统计诊断与预测技术[M].北京:气象出版社, 1999:114.
    [24] TORRENCE C, COMPO G P.A practical guide to waveletanalysis[J].Bulletin of the American Meteorological Society.1998, 79(1):61-78. doi: 10.1175/1520-0477(1998)079<0061:APGTWA>2.0.CO;2
    [25] GRINSTED A, MOORE J, JEVREJEVA S.Application of the cross wavelet transform and wavelet coherence to geophysical timeseries[J].Nonlinear Processes in Geophysics.2004, 11(5/6):561-566. doi: 10.5194/npg-11-561-2004
  • [1] 杨莉玲王琳杨芳杨留柱 . 口外岸线变化对茅尾海潮流动力及水体交换的影响. 海洋环境科学, 2019, 38(4): 582-588. doi: 10.12111/j.mes20190415
    [2] 徐中昌徐韧张正龙李志恩 . 岛群围填海过程中岸线与植被变化特征初步探究——以舟山石化基地为例. 海洋环境科学, 2019, 38(6): 1-7. doi: 10.12111/j.mes.20190022
  • 加载中
图(13)表(3)
计量
  • 文章访问数:  406
  • HTML全文浏览量:  346
  • PDF下载量:  7
出版历程
  • 收稿日期:  2018-01-18
  • 录用日期:  2018-05-29
  • 刊出日期:  2019-04-20

近33 a西北太平洋极端海表温度事件的变化特征及与ENSO的关系

    作者简介:陈志伟(1992-), 男, 江苏南通人, 博士生, 主要从事海洋环境气候变化研究, E-mail:1546335462@qq.com
    通讯作者: 康建成, Kangjc@126.com
  • 1. 上海师范大学环境与地理科学学院 城市生态与环境研究中心, 上海 200234
  • 2. 佳木斯大学理学院资源与环境科学系, 黑龙江 佳木斯 154007
  • 3. 九江学院鄱阳湖生态经济研究中心, 江西 九江 332000
基金项目:  上海市教委重点学科建设项目"地理学与城市环境" J50402国家自然科学基金项目"东海黑潮区温、盐、流、海面高度多尺度变化过程及其机理研究" 41340045

摘要: 使用1982~2014年美国国家海洋和大气管理局(national oceanic and atmospheric administration,NOAA)最优插值1/4度逐日海温分析资料,分析西北太平洋极端海表温度(sea surface temperature,SST)事件的变化特征,探讨极端SST事件与ENSO(El Niño-southern oscillation,ENSO)之间的关系。结果表明:极端高温事件的频率明显增大,20世纪80年代为2~5 a一遇,20世纪90年代为1~4 a一遇,21世纪以来,除2004和2011年外,其余年份均有发生。极端高温发生天数呈线性增加趋势,增长速率为30 d/10 a。单次极端高温事件持续时间逐渐增长,增长速率为0.56 d/次,且平均温度和最高温度也呈上升趋势,上升速率分别为0.032℃/次和0.049℃/次。相反的是,极端低温事件的频率明显减小,1982~2000年为1~2 a一遇,21世纪以来,发生次数明显减少。极端低温发生天数和单次事件的持续时间均明显减少,减少速率分别为-27 d/10 a和-1.6 d/次。单次极端低温事件的平均温度和最低温度呈线性上升趋势,增长速率分别为0.0087℃/次和0.017℃/次。极端高温事件呈现1~4 a和4~7 a周期的高低频震荡,低温事件呈现多尺度周期变化,主周期尺度为3~4 a。Nino 3.4区下半年ENSO指数与西北太平洋极端高温呈显著负相关,与极端低温事件呈显著正相关。意味着在La Niña年份,极端高温事件更容易发生。反之,在El Niño年份,极端低温事件容易发生。

English Abstract

  • 极端天气(气候)事件的频率和强度的变化会对人类社会和环境产生巨大影响,因而受到国际社会越来越多的关注[1-2]。极端事件是指出现某个天气或气候变量值,该值高于(或低于)该变量观测值区间的上限(或下限)端附近的某一阈值的状况[3]。极端温度事件,包括极端高温事件和极端低温事件。

    2011年11月18日,联合国政府间气候变化专门委员会(intergovernmental panel on climate change, IPCC)发布了《管理极端事件和灾害风险,推进气候变化适应》特别报告[3]。该报告指出:极端天气和气候事件自1950年以来已经发生变化,全球范围内,冷昼和冷夜的数量很可能减少了,而暖昼和暖夜的数量很可能增加了。在亚洲,大部分地区日极端温度的上升趋势具有中等信度。非洲和南美洲的日极端温度的变化趋势具有低到中等信度。但对于全球而言,在许多有足够资料的地区,包括热浪在内的暖事件的持续时间或数量已经增加。可以确定的是,在全球范围内,已经观察到大部分陆地上的昼夜较寒冷的天数正在减少,而昼夜较温暖的天数则在增加[4]。然而,海洋上的极端SST事件发生了怎样的变化,目前的观测及研究较少。关于ENSO与海-气之间的相互作用,前人已经做了很多研究。20世纪70年代提出的海洋学模型比较完整地描述了El Niño现象在赤道附近地区的海洋现象及演变[5]。黄荣辉等[6]指出,西北太平洋暖池变暖造成的环流异常与赤道西太平洋上空的西风异常,会对El Niño事件的发展与衰减和La Niña事件的发生产生重要的动力作用。也有研究指出,赤道印度洋和东太平洋海表温度年际变化之间存在着显著的正相关,并指出这种变化与ENSO之间存在内在的物理联系[7-8]。Kug等[9-10]的研究也指出,作为厄尔尼诺的特征之一,印度洋海温的变暖对于ENSO将起到负反馈作用,这一负反馈作用对于强厄尔尼诺事件以及随后而来的拉尼娜事件尤其明显。关于全球变暖背景下ENSO强度的变化,Lee等[11-13]通过观测分析发现,过去30 a间El Niño强度是增加的。Cai等[14]的研究表明,全球变暖后,赤道中东太平洋海温增暖,造成极端ENSO事件的频率增多。

    西北太平洋是影响我国气候变化的关键区域,本文利用1982~2014年NOAA最优插值1/4度逐日海温分析资料,运用多种统计诊断方法探讨近33 a西北太平洋极端SST事件的变化特征,为预测极端天气(气候)事件奠定基础。

    • 本文研究的区域为西北太平洋(0°N~30°N、105°E~155°E)海域(图 1)。

      图  1  研究区域

      Figure 1.  Research area

    • SST数据来源于NOAA最优插值1/4度逐日海温分析资料V 2.0,时间范围为1982-01~2014-12,空间数据网格为0.25°×0.25°,主要包括SSTSST距平等数据(ftp://eclipse.ncdc.noaa.gov/pub/OI-daily-v2/netcdf-uncompress)。该数据集包括两种使用了不同卫星资料的数据产品,一种产品使用了改进的高分辨率雷达(advanced very high resolution radiometer,AVHRR)红外卫星海温数据,另一种产品使用了AVHRR和改进的微波扫描雷达(advanced microwave scanning radiometer,AMSR)数据。两种产品都使用了船舶和浮标的原位观测数据,也都包括了卫星观测(相对于原位观测)误差的大尺度调整。两种数据产品的时、空分辨率都较以前的1°×1°周平均分析资料明显提高。AVHRR数据与现场观测数据的一致性较好,红外和微波工具的使用也使得系统误差减小[15]

      计算ENSO指数的月海表温度异常值来自美国气象局气候预测中心的重建海表温度资料(http://www.cpc.noaa.gov/data/indices/)[16-17]

    • 提取研究区域逐日的二维网格数据,通过计算算术平均值得到逐日研究区的平均温度。IPCC第4次报告基于气象要素的概率分布,定义小于等于第10个(大于等于第90个)百分位的事件为极端事件[18]。在极端气候事件的研究中,也有学者取5/95百分位值作为极端值的阈值[19-22]。本文使用IPCC第四次报告提出的对极端事件的定义,以10/90百分位值作为极端事件的阈值。

      本文将1982~2014年的日平均SST按升序排列,利用Percentile函数计算第10/90百分位值作为极端SST的阈值,当某日SST高于90%阈值时,定义为极端高温日;SST低于10%阈值时,定义为极端低温日。

    • 采用经验正交函数分解(empirical orthogonal function,EOF)、小波分析、功率谱分析、四次多项式拟合等方法,分析近33 a来西北太平洋极端SST事件的月、年及年代际变化,周期性和时空演变特征,以及与ENSO之间的关系。

      EOF分析方法是一种分析矩阵数据中的结构特征和提取主要数据特征量的方法,Lorenz在20世纪50年代首次将其引入气象和气候研究,现在得到了非常广泛的应用[23],分析步骤如下。

      (1) 选定要分析的数据,进行数据预处理,通常处理成距平的形式,得到一个数据矩阵X m×n

      (2) 计算X与其转置矩阵XT的交叉积, 得到方阵:

      (3) 计算方阵C的特征根(λ1,…λm)和模态Vm×m,二者满足:

      式中:Λm×m维对角阵,对角线上的值即为特征根;Vm×m的列向量为每个特征根对应的模态值,也称为EOF。

      (4) 计算主成分。将EOF投影到原始资料矩阵X上, 就得到所有空间模态对应的时间变化系数(即主成分),即:

      式中:PC中每行数据就是对应每个模态的时间变化系数。

      (5) 显著性检验。分解出的经验正交函数究竟是有物理意义的信号还是毫无意义的噪音, 应该进行显著性检验, 特别是当变量场空间点数大于样本量时, 显著性检验尤其重要。检验方法:用North等提出的计算特征值误差范围来进行显著性检验。特征值λ j误差范围为:

      式中:n为样本量。当两相邻的特征值λj+1满足λj - λj+1 ≥ej时,就认为这两个特征值所对应的经验正交函数是有价值的信号。

      小波变换通过将时间系列分解到时间频率域内,从而得出时间系列的显著的波动模式,即周期变化动态,以及周期变化动态的时间格局[24]。连续小波变化CWT更适合于信号特征的提取[25]。可以将具有等时间步长δt的离散时间系列Xn (n=1,…,N)的连续小波变换定义为小波函数ψ0尺度化以及转换下的Xn的卷积:

      式中:*表示共轭复数;N是时间系列的总数据个数;δt/s是一个用于小波函数标准化的因子从而使得小波函数在每个小波尺度s上具有单位能量。通过转换小波尺度s并沿着时间指数n进行局部化,最终可得到一幅展示时间系列在某一尺度上波动特征及其随时间变化的图谱,即小波功率谱[24]

      小波功率谱的统计显著性可以对照一个原假设进行评价,该原假设为假设信号由一个给定背景功率谱的稳定过程产生,通常背景功率谱为白噪声或红噪声[24]。由于许多地球物理时间系列具有红噪声特征(即方差随着尺度的增加或频率的下降而增加),所以常采用红噪声作为背景谱对小波谱进行检验。红噪声过程可以很好的由一阶自回归过程来模拟[24-25]。一个由lag -1自相关α处理的AR 1的傅里叶功率谱可以定义为:

      式中:k为傅里叶频率指数,通常在研究中,每个尺度上以5%的显著水平进行估计。

    • 将1982-01~2014-12逐日均温资料按升序排列,取第90百分位值为极端高温阈值(29.06℃),第10百分位值为极端低温阈值(25.79℃)(图 2), 1982~2014年西北太平洋多年日平均SST为27.59℃。

      图  2  西北太平洋日均温的时间分布

      Figure 2.  The average daily temperature variation at the Northwest Pacific

      图 3可看出,极端高温事件发生时间主要集中在6~10月,其中,7月占30.31%,8月、9月、6月分别占27.42%、24.61%、12.72%,10月仅占4.95%(图 3a)。极端低温事件主要集中在1~3月份,其中,2月发生最多,占47.96%,1月、3月分别占26.06%和25.98%(图 3b)。

      图  3  西北太平洋极端高温(a)、低温(b)事件频次的平均月际变化

      Figure 3.  Average monthly changes in extreme high temperature (a) and low temperature (b) events at the Northwest Pacific

    • 近33 a,西北太平洋极端高温天数为1212 d(图 4a),平均每年36.7 d。极端高温事件在1997年最少(3 d)、2010年最多(123 d),整体呈线性增长趋势,速率为30 d/10 a。极端高温天数有明显的阶段性波动特征,1982~1999年呈线性增长趋势,2000~2007年增加趋势放缓,2008~2014年又呈快速上升趋势,尤其在2010年后上升趋势明显。另从图 1可看出,极端高温事件的发生频率明显增大,20世纪80年代为2~5 a一遇,20世纪90年代为1~4 a一遇,21世纪以来,除2004年和2011年未发生外,其余年份均有发生。近33 a西北太平洋极端低温天数为1202 d(图 4b),平均每年36.4 d。1993年发生的天数最多(81 d)、2007年最少(2 d),整体呈线性减少趋势,速率为-27d/10 a。同样,极端低温发生天数有明显的阶段性波动特征,1982~1991年呈增加趋势,1992~2011年呈下降趋势,2012年以后又呈上升趋势。另从图 2可看出,极端低温事件的发生频率明显减小。

      图  4  西北太平洋逐年极端高温(a)、低温(b)天数的分布图

      Figure 4.  The distribution of extreme high temperature (a) and low temperature (b) days at the Northwest Pacific

    • 西北太平洋近33 a共发生极端高温事件51次(按照事件发生先后排列),平均每次持续时间为25 d,单次极端高温持续最长和最短的时间分别为123 d和2 d(图 5a)。单次极端高温事件持续时间呈微弱线性增加的趋势,速率为0.56 d/次。近33 a共发生极端低温事件41次,平均每次持续时间为29.3 d,单次极端低温持续最长和最短的时间分别为81 d和2 d(图 5b)。单次极端低温事件持续时间呈线性减少趋势,速率为-1.6 d/次。从图 6可看出,单次极端高温和低温事件的平均温度、最高(最低)温度都呈现出上升趋势。平均温度上升速率为0.032℃/次; 最高温度上升速率为0.049℃/次(图 6a)。单次极端低温事件的平均温度和最低温度也呈线性上升趋势,平均温度上升速率为0.0087℃/次; 最低温度上升速率为0.017℃/次(图 6b)。

      图  5  单次极端高(a)、低(b)温度事件的持续时间变化

      Figure 5.  The durationof a single extreme high (a) or low (b) temperature events

      图  6  极端高(a)、低(b)温事件的平均温度和最高(最低)温度

      Figure 6.  The mean temperature and maximum (minimum) temperature of extreme high (a)or low (b) temperature events

    • 图 7a为全年极端高温事件天数的变化周期,图 7b~7f为6~10月的变化周期,图左侧为小波功率谱,右侧为小波全谱。从图 7a可看出,全年高温事件中通过95%的置信检验的周期尺度为1~4 a、4~7 a,其中1~4 a周期尺度所发生的时间为1992~2006年,4~7 a周期尺度所发生的时间为2007~2014年。从图 7b~7f可看出,在极端高温事件集中发生的6~10月,也表现出1~4 a和4~7 a的变化周期,小波全谱检验通过95%的置信水平检验的主周期尺度为5 a。综上分析可知,西北太平洋极端高温事件呈现1~4 a和4~7 a为周期的高低频震荡。

      图  7  1982~2014年西北太平洋极端高温事件发生天数的小波功率谱变化图

      Figure 7.  The variation of the wavelet transforms coefficients for the number of days of extreme high temperature eventsat the Northwest Pacific in 1982 ~ 2014

      图 8a为全年极端低温事件天数的变化周期,图 8b~8d为1~3月的变化周期。从全年来看,低温事件呈现出1~2 a和2~5 a的变化周期,主周期尺度为3 a,1~2 a周期尺度发生的时间为1998~2003年,2~5 a周期尺度发生时间为1985~1992年。1月份,低温事件呈现2~4 a和4~7 a的变化周期,主周期尺度为3 a,2~4 a周期尺度发生时间为1983~1990年,4~7 a周期尺度发生时间为1986~1995年。2月份,低温事件呈现1~4 a的变化周期,发生时间为1985~1990年和1996~2003年,主周期尺度为3 a。3月份,低温事件呈现1~3 a和3~5 a的变化周期,主周期尺度为4 a,1~3 a周期尺度发生时间为1991~1997年和2000~2008年,3~5 a周期尺度发生时间为1982~1992年。

      图  8  1982~2014年西北太平洋极端低温事件发生天数的小波功率谱变化图

      Figure 8.  The variation of the wavelet transforms coefficients for the number of days of extreme low temperature eventsat the Northwest Pacific in 1982 ~ 2014

    • 采用经验正交函数分析法,对西北太平洋1982~2014年SST进行分析。该方法的优点是根据SST场的主要特征来确定正交函数的形式,而且能提供各特征向量的空间分布及其时间序列的变化,从而探讨近33 a西北太平洋SST的时间和空间变化特征。将西北太平洋SST进行EOF分解,得出前4个模态的方差贡献率分别为55.84%、17.64%、7.15%和3.75%,累计方差贡献率为84.38%,可以代表原始场的主要特征;其中,第一模态方差贡献率达到了55.84%,反映了西北太平洋近33 a SST的主要分布特征和变化趋势,因此本文仅对第一模态进行分析。

      图 9为第一模态空间分布,可以看出,第一模态在整个研究海域均为正相关,这表明西北太平洋SST变化趋势在空间上具有很好的整体一致性,说明西北太平洋海区的增温、降温在此模态中是同位相的。从空间分布来看,SST变率较大值位于我国东海海域,其次为西北太平洋暖池区域,表明东海和西太暖池区为西北太平洋SST变化最为显著的海区。

      图  9  西北太平洋海表温度EOF分解第一模态的空间分布

      Figure 9.  The spatial distribution of the first mode of the EOF of the sea surface temperature at the Northwest Pacific

      为了研究西北太平洋SST异常与ENSO事件的联系,将第一模态时间系数与Nino 3.4指数进行相关性分析。为了去除季节和年信号等高频信号的干扰,对第一模态时间系数和Nino指数进行5 a滤波,结果如图 10所示。相关分析表明,西北太平洋SST异常与Nino 3.4区指数的同期相关系数高达-0.62(通过99%的显著性检验)。由此可知,西北太平洋SST与ENSO的强度呈线性负相关,即在El Niño事件期间,西北太平洋SST显著下降,极端低SST事件发生概率高,而在La Niña事件期间,西北太平洋SST显著上升,极端高SST事件易发生。

      图  10  第一模态时间序列与Nino 3.4区指数的对比

      Figure 10.  Comparison of thefirst moda time coefficient curve with Nino 3.4 region index

    • 本文ENSO事件统计数据引自中国气象局国家气候中心,1982~2014年共发生El Niño事件8次,发生在1982年、1983年、1986年、1987年、1991年、1992年、1994年、1997年、2002年、2006年、2009年。发生La Niña事件7次,发生在1984年、1988年、1995年、1996年、1998年、1999年、2000年、2001年、2007年、2008年、2010年、2011年、2012年,其余为正常年份(表 1)。

      表 1  1982~2014年ENSO事件

      Table 1.  ENSO events from 1982~2014

      51次极端高温事件中,13次发生在El Niño年,25次发生在La Niña年,其余发生在非El Niño非La Niña年(表 2),分别占总发生次数的25.49%、49.02%和25.49%。可见在La Niña年,极端高温事件更容易发生。41次极端低温事件中,18次发生在El Niño年,13次发生在La Niña年,其余发生在非El Niño非La Niña年(表 3),所占比例分别为43.9%、31.71%和24.4%,可看出,在El Niño年,极端低温事件更容易发生。

      表 2  西北太平洋极端高温事件与ENSO事件的关系

      Table 2.  Relationship between extreme high temperature events and ENSO events at the Northwest Pacific

      表 3  西北太平洋极端低温事件与ENSO事件的关系

      Table 3.  Relationship between extreme low temperature events and ENSO events at the Northwest Pacific

      极端SST事件发生天数与Nino各区ENSO指数进行相关分析(图 11图 12),图中黑色柱表示未通过95%置信度检验,红色柱表示通过95%置信度检验。从图中可看出,高温天数与Nino 1+2区、Nino 4区无显著相关(图 11(a)(c))。高温天数与Nino 3区9月份存在着较为显著的负相关(P=0.0261),相关系数为-0.3871;与Nino 3.4区下半年(7~12月)存在显著负相关(图 11(b)(d))。Nino 3区和Nino 3.4区位于赤道中太平洋,因此,可以认为当赤道中太平洋处于ENSO循环的冷相位时(La Niña事件发生),西北太平洋SST将异常升温,极端高温越容易发生。从图 12可看出,极端低温发生天数与ENSO 1+2区的11月份和ENSO 4区的7月份、12月份的ENSO指数呈显著正相关关系。较为明显的是,低温天数与ENSO 3.4区的5~12月份ENSO指数呈显著正相关。这意味着,当赤道中太平洋处于ENSO循环的暖相位时(El Niño事件发生),极端低温事件发生的几率很大。另外,从极端SST发生时间与Nino 3.4区各月ENSO指数对比图中也可以明显看出这一特征(图 13)。

      图  11  1982~2014年西北太平洋极端高温发生天数与Nino各区ENSO指数的相关关系

      Figure 11.  Correlation between the number of days of extreme high temperature and ENSO index in Nino area at the Northwest Pacific during 1982~2014

      图  12  1982~2014年西北太平洋极端低温发生天数与Nino各区ENSO指数的相关关系

      Figure 12.  Correlation between the number of days of extreme low temperature and ENSO index in Nino area at the Northwest Pacific during 1982~2014

      图  13  1982~2014年西北太平洋极端温度事件发生时间与Nino3.4区对比

      Figure 13.  Comparison of Extreme Temperature Occurrence Time at the Northwest Pacific and ENSO Index in Nino 3.4 during 1982-2014

      综上可得,西北太平洋极端SST事件与赤道中太平洋下半年温度异常存在显著的关系。一个可能的机制是当La Niña事件发生时,赤道南北两侧东南信风和东北信风异常偏强,赤道太平洋表层海水自东向西流动的流量加强,由此将导致西太平洋堆积更大量的暖海水,热量也不断积蓄,极端高温事件发生,反之,低温事件发生。

    • (1) 1982~2014年西北太平洋极端SST事件具有明显的月际、年际和年代际特征,极端高温事件主要集中发生在6~10月,1982~1999年呈线性增加趋势,2000~2007年增加趋势放缓,2008~2014年又呈快速上升趋势,尤其2010年以后上升趋势明显。低温事件主要集中在1~3月,1982~1991年呈增加趋势,1992~2011年呈下降趋势,2012年以后又呈上升趋势。

      (2) 西北太平洋极端高温事件的发生频率明显增大,极端高温发生天数正在逐渐增加,单次极端高温事件持续时间逐渐增长,且平均温度和最高温度也呈上升趋势。相反的是,极端低温事件的发生频率明显减小,发生天数和单次事件的持续时间均明显减少,单次极端低温事件的平均温度和最低温度呈线性上升趋势。

      (3) 西北太平洋极端SST事件的变化存在着多时间尺度的特征,极端高温事件呈现1~4 a和4~7 a周期的高低频震荡,低温事件呈现多尺度周期变化,主周期尺度为3~4 a。

      (4) Nino 3.4区下半年ENSO指数与西北太平洋极端高温呈显著负相关,与极端低温事件呈显著正相关。意味着当赤道中太平洋处于ENSO循环的冷相位(La Niña事件发生)时,西北太平洋极端高温事件更容易发生。反之,当赤道中太平洋处于ENSO循环的暖相位时(El Niño事件发生),西北太平洋极端低温事件容易发生。

参考文献 (25)

目录

    /

    返回文章