青藏高原积雪会影响欧亚热浪的年际变化频率吗?外文翻译资料

 2022-11-16 15:11:57

英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

青藏高原积雪会影响欧亚热浪的年际变化频率吗?

Zhiwei Wu1·Peng Zhang1·Hua Chen1·Yun Li2

摘要：在过去几十年欧亚大陆经历了夏季热浪的显著的年际变化。几个可能的因素,如海洋温度、土壤湿度、土地使用和温室气体的变化,在以前的研究已确定,但机制仍不清楚。在这项研究中,发现青藏高原积雪(TPSC)与欧亚大陆的夏季热浪的年际变化密切相关。TPSC可变性解释超过了热浪可变性的总方差的30%在南欧和亚洲东北部地区(SENA)。一组数值试验表明,减少TPSC可能在欧亚大陆引起明显的遥相关模式, 在SENA地区对流层上层有两个异常高压中心,这可能导致减少地表附近云的形成。云层越少趋于增加短波净辐射,支持在SENA地区干燥地表条件下更强的表面显热通量,导致更深、更暖和更干燥的大气边界层将进一步抑制局地云的形成。这样一个积极的地气反馈可能进一步干燥地表,加热近地面大气,从而加强局地热浪。上述动态过程也在年代际时间尺度上运行。考虑到随着气候变暖下温室气体的增长水平TPSC的减少可能变得更加明显,我们推断TPSC可能在未来几十年在SENA地区在夏季热浪成形方面发挥着越来越重要的作用。

关键词：青藏高原积雪 热浪 气候变化

1 引言

在最近的十年中, 欧亚大陆的许多地区经历了频繁的热浪活动，它们对社会带来灾难性的影响(Alexander 2010; Trenberth et al. 2007)。例如,超过25000人死亡的2003年欧洲的热浪(DIppoliti et al. 2010)。2010年的夏天在欧洲东北部和俄罗斯因高温引发的死亡率超过15000人,当连续33天最高气温超过30的时候(Barriopedro et al. 2011)。中国北方在过去几十年也经历了频繁的热浪活动 (Zhai et al. 1999; Fu 2003; Wang and Ding 2006; Ding et al. 2007; Wu et al. 2012a)。超过五亿人面临饮用水短缺的威胁。因此,理解欧亚热浪可变性的起源是很重要的。许多过程,如海洋温度、土壤湿度和土地使用和温室气体的变化, 在这些温度极端事件中已被确认为可能的贡献者。萨顿和霍德森(2005)认为在大西洋流域尺度的变化是欧洲夏季气候数十年变化的一个重要驱动。使用区域气候模型,费舍尔等(2007)指出, 春季土壤湿度是欧洲热浪的演变的一个重要参数，土壤水分的缺乏强烈地减少潜热冷却,从而放大表面温度异常。Fu(2003)指出,人类引起的土地覆盖变化导致地表动态参数的显著变化,如反照率、表面粗糙度、叶面积指数和部分植被覆盖率,等等,这可能影响欧亚大陆的气候,特别是中国北方。Meehl和Tebaldi(2004)发现,当今欧洲热浪伴随着特定的大气环流模式，其被不断增加的温室气体所强化。尽管这些因素已经被确认为可能原因,但欧亚热浪可变性的机制仍不清楚。

平均海拔高度约4000米,青藏高原(TP)伸出到对流层的中部,大多数天气事件发生于此(Qiu 2014)。作为世界上最大和最高的高原,它扰乱了这部分大气，像地球上没有其他结构一样,但很多细节是一个谜。TP积雪(TPSC)是一个重要的指标来衡量TP的热力条件。由于TP的高海拔, 通过温暖的季节高海拔地区的TPSC可以存留 (Pu et al . 2007),使它成为一个潜在的夏季气候的预测来源 (e.g., Wu et al. 2012a, b)。TPSC会影响欧亚热浪的变化吗?在这项研究中,我们试图回答这个问题。

以前有不少关于欧亚积雪对气候的影响的研究(Barnett et al. 1988; Gong et al. 2002, 2003, 2004; Fletcher et al. 2009; Sobolowski et al. 2010; and many others),而大量关于TPSC的研究一直相对较少。部分原因是TPSC通常被认为是欧亚积雪的一部分(Clark and Serreze 2000),以及缺乏对TP足够的观察,尤其是对TP西部(Wang et al. 2008)。事实上, TPSC的气候影响是区别于欧亚积雪的。例如, 与TP变暖相关的冰川退缩可能产生两种截然不同的罗斯贝波波列,可以调节Meiyu-Baiu-Changma雨带的变化 (Wang et al. 2008)。异常的秋季和冬季TPSC可能引发明显的遥相关模式类似于太平洋-北美(PNA)模式并且影响北美冬季的气候 (Lin and Wu 2011)。异常TPSC被发现是2009 - 2010年冬天北半球大部分地区的极端气候条件的原因 (Lin and Wu 2012a)。这些公布的动态过程不同于与欧亚积雪相关的那些,尤其是西伯利亚积雪(Gong et al. 2002, 2003, 2004)。

在这项研究中,我们试图回答两个问题:(1)TPSC异常会影响北方夏季时欧亚热浪的年际变化吗?(2) TPSC异常在多大程度上和如何影响欧亚热浪的变化?剩下的论文结构如下。第二部分描述了用于这项研究的数据、模型和方法。第三部分介绍了观察到的TPSC和欧亚热浪活动之间的关系。第四部分, 用一个简单的大气环流模式(SGCM)完成了数值实验，第五部分讨论了可能的物理过程。第六部分总结了主要的发现并且提出了一些悬而未决的问题。

2 数据、模型和方法

这项工作中所使用的数据集包括:(1)全球雪实验室的1967-2014年每月积雪(罗格斯大学)(http://climate.rntgers.edu/snowcover),这是使用中央子午线—80北半球的极射赤面投影获得的,每月矩阵都有89 x 89网格(Robinson et al. 1993; Robinson and Frei 2000);(2)全球历史气候网-每日(GHCND)空气表面最高温度，来自1967-2014年英国哈德利中心(Caesar et al. 2006);(3)月平均大气领域,来自1967-2012年国家环境预报中心-国家大气研究中心(NCEP-NCAR)二十世纪再分析项目(Whitaker et al. 2004; Compo et al. 2006, 2011)。

数值实验基于SGCM(Hall 2000)。这里使用的分辨率是三角31(T31),10等距的sigma;水平(Wu et al. 2009)。SGCM使用每日观测数据经验为主地计算时间平均强迫。如霍尔(2000)所示,该模型能够再现非常现实的静止的行星波和广泛的瞬变的气候特征。这种模式的优点是动力机制很容易孤立。限制是物理参数化被经验导出项取代,导致缺乏一些潜在的重要物理分析的反馈机制。在这项研究中,SGCM用于检查TPSC异常能否引起欧洲南部-亚洲东北部(SENA)遥相关模式(参见第三部分),且不涉及SENA模式能否影响TPSC可变性。因此,这个模型的限制并不影响这项工作的结论。

Fischer和Schar(2010),这篇论文中热浪是指一段时间至少连续6天的每日最高温度超过第90百分位数在这段时期(1967-2014)。考虑到季节性周期, 在每个日历日每个网格点计算第90百分位数,使用集中15天时间窗口。移动窗口,热浪对时间的依赖性是占样本量的，计算一个现实的百分位值是合理的(Perkins and Alexander 2013)。热浪的频率(HWF)被定义为在一个夏天满足热浪标准的天数。为了导出HWF的主要模式,我们使用协方差矩阵执行经验正交函数(EOF)分析。

在这项研究中,TPSC指数(TPSI)用来量化TPSC可变性并且被定义为TP域内的平均积雪异常(70ordm;-80ordm;E,31ordm;-41ordm;N),那里是夏季气候中心和年际变化最大值位置所在(图1a紫色框)。吴等(2012b)发现,在TP域之上的积雪异常从春季持续到夏季,作为季节性预测的一个稳定前体。TPSI提供了一个北方夏季TPSC的时空可变性的最佳表示法。

3 TPSC和欧亚HWF

图1a展示了1967–2014年北方夏季TPSC的气候和标准偏差。主要的积雪地区主要位于大的山脊,也就是, TP的西部和南部 (图1a等高线),这是与Terra航天器上的中分辨率成像光谱仪一致的(MODIS)(Pu et al. 2007)。这些积雪地区还表现出强大的年际变化以相对较高的标准偏差值(图1a彩色阴影)。这种明显的积雪的变化可能导致对流层中部大气传热加热的重大变化(Zhong et al. 2013)。

图1 a 1967-2014年北方夏季(6-7-8月,JJA)青藏高原(TP)积雪(TPSC)的长期平均值(%)(等高线)和标准偏差(%)(彩色阴影)。紫色曲线包含的是海拔3000米区域。b 正常化TPSC指数(TPSI)时间序列(黑色曲线)由a中紫框区域(70ordm;-80ordm;E,31ordm;-41ordm;N)平均TPSC定义(Wu et al. 2012b)。红色曲线表明TPSI的去趋势分量TPSI(DT)。虚线表示正常化TPSI的1/一1标准偏差

图2 a 主成分(PC)(蓝色和红色条形)的时间序列和b 1967-2014年欧亚大陆的热浪频率(HWF)的第一个EOF模式(EOF1)的空间模式(彩色阴影;单位/天)。c HWF分数的TPSC解释方差(彩色阴影;单位/%)。图2a中黑色曲线代表图1b中定义的TPSI时间序列。比较的目的,TPSI时间序列的符号已然相反。图2c中两个紫框区域表示欧洲南部(10ordm;-25ordm;E,40ordm;- 50ordm;N)和亚洲东北部(100ordm;-140ordm;E,45ordm;-60ordm;N)(SENA)地区

为了定量测量夏季TPSC的年际变化,根据吴等人使用积雪指数TPSI (2012b),它被定义为TP域内的平均积雪异常(70ordm;-80ordm;E,31ordm;-41ordm;N)。图1b显示了正常化TPSI在过去的48个夏季的演变(1967-2014)。一个突出特点是TPSC显示一个明显减少趋势以斜率—0.06标准单位/年,在99%置信水平上显著。与此同时,在TP上90个测量站观察到的空气表面温度显示了变暖趋势尽管大部分都位于TP东部(图1d in Wang et al. 2008)。

对应于夏季TPSC的明显减少，欧亚大陆的HWF主要显示出增加趋势(图2)。例如,第一主成分(PC1)是由一个叠加在适度的年际变化上的增加趋势控制(图2)。第一个模式的空间模式(EOF1),占总方差的26.2%,特征是有一个最大值中心在欧洲南部的单一的模式(图2b)。根据北方标准(1982),这种模式在统计上显著区别于其他模式。它主要反映了欧亚大陆HWF的增长。

TPSI(图2a黑色曲线)与PC1基本上展示了一个连贯的变化。PC1和TPSI之间的相关系数是原始时间序列—0.74去趋势分量—0.3,均超过了基于学生t检验的95%置信水平。TPSC也与SENA地区的热浪显著相关(如图2c两框所示)。它解释了超过当地HWF总方差的30%,尤其是在南欧,TPSC可以占超过当地HWF方差的40%。然而, TPSC和欧亚热浪之间的统计联系不保证任何因果关系。那么, TPSC会影响欧亚HWF 吗?

在回答上述问题之前,我们需要阐明与TPSC异常有关的大尺度环流的动力结构。考虑到TPSI由增加趋势控制,做以下分析使用TPSI的去趋势分量,即TPSI(DT)。环流场的线性趋势,比如位势高度在200和500 hPa(Z200和Z500),和低云量(LCC)也会被去除。此外,由于TPSI展示了一些年代际变化的分数(图1b),我们计算其有效的自由度(Trenberth 1984; Bretherton et al. 1999),大约是42-43。

图3 JJA位势高度异常对TPSI(DT)回归(等高线;单位/gpm)在a 200和b 500hPa。位势高度(DT)表示它的去趋势分量。等高线间距是2gpm。SENA指数被定义为200 hPa位势高度的差异，在正值区(50ordm;- 90ordm;E,60ordm;-75ordm;N)和两个负值区[(10ordm;-25ordm;E,25ordm;-45ordm;N)和(100ordm;-130ordm;E,50ordm;-60ordm;N)]之间。阴影区域超过90%置信水平

图3a显示Z200异常对TPSI(DT)回归。一个明显特征是欧亚波列在中高纬度30ordm;N以北,盛行于北大西洋到鄂霍茨克海地区。与此波列模式有关,两个负Z200异常中心位于SENA地区和一个正中心位于西伯利亚西部。Z500展示了与Z200类似的异常模式(图3b)。正压结构反映此波列模式可能是对远程强迫的一个温带响应 (e.g., Lin and Wu 2012b)。

进一步检查TPSI(DT)和Z200之间的关系是否强大, Livezey和Chen(1983)基于蒙特卡洛模拟提出一个场重要性测试用来评估图3a中相关模式的场重要性。TPSI(DT)时间序列替换为从高斯分布N(0,1)取样的随机时间序列。然后,这些随机时间序列和欧亚Z200之间的相关在每个网格点被获得和被测试重要性。这个实验以不同的随机输入完成总计1000次并且结果呈现在图4。图3a中的阴影代表由2263网格点组成的总区域的23.5%。因为至少10%的试验有大于17.0%的区域在统计上在90%置信水平显著, 假设图3a所示结果是一个可能性事件，假设可以被拒绝在90%的置信水平(图4)。也就是说,他们是重要的场在90%置信水平。

在这项研究中,图3a所示的波列模式被标记为SENA遥相关。它不仅不同于由印度夏季风激起的环球遥相关(CGT)波列模式(Ding and Wang 2005; Lin 2009),也不同于由北大西洋三极海表面温

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[30394]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章