英语原文共 24 页，剩余内容已隐藏，支付完成后下载完整资料

风暴轴的变化对美国大陆冬季极端天气事件的影响

CHEN -GENG MA AND EDMUND K. M. CHANG

纽约州立大学石溪分校纽约州立大学海洋与大气科学学院

摘要

温带气旋是造成美国许多重大影响天气事件的原因，包括极端低温，极端大风和极端强降水。在这项研究中，通过基于地图平均气旋活动的合成图研究气旋（或风暴—轨道）活动的变化对这些极端事件的影响。频繁的气旋活动增加了美国大部分地区极端寒冷和大风事件的频率，并影响了俄亥俄河流域周围的极端降水。这些影响很大程度上是由于统计分布形态尾部的变化而不是平均值的变化。为了系统地研究这些影响，我们进行了三种奇异值分解（SVD）分析，每种分析都是在气旋活动和一种极端事件频率之间进行的。所有三种SVD前导模式都代表了美国风暴轴整体增加或减少的模式。这些主要模式的时间序列的平均值与观测到的地图平均风暴轴高度相关，并且与太平洋—北美（PNA）模式和厄尔尼诺—南方涛动（ENSO）密切相关。但是，基于PNA模式或ENSO的合成图式不会像地图平均风暴轴那样显示出强烈的影响。发现第二种常见的SVD模式与北太平洋模式弱相关，很可能的主要原因是其内部变化。最后，研究了预测的风暴轴变化对极端事件频率的潜在影响，表明预测的北美地区风暴轴减少的可能导致极端事件频率的某些减少的原因。

关键词：北美;温带气旋;极端事件;冬季/冷季型;气候变化

有关本文的补充信息可在期刊在线网站上获得：http：//dx.doi.org/10.1175/JCLI-D-16-0560.s1。

copy;2017美国气象学会。有关重复使用此内容和一般版权信息的信息，请参阅AMS版权政策（www.ametsoc.org/PUBSReuseLicenses）。

通讯作者邮箱：Edmund K. M. Chang，kar.chang@stonybrook.edu

1.引言

包括极端低温，强风和极端降水在内的冬季极端天气事件可能给人类社会带来巨大损失。由于它们带来的巨大影响，人们已经非常注意研究观察到的极端变化，可能的强迫因子和预测的未来变化。中纬度气旋活动是寒冷季节极端天气事件的主要驱动因素。在美国东北部，大约60％-80％的6小时降水极值与同一网格点的旋风同时发生，冬季[12月—2月（DJF）]的这个百分比值可能更大（Pfahl和Wernli 2012）。另一项研究试图根据不同的气象原因对美国各个降水极值进行分类，结果显示大约54％的极值位于温带气旋前方附近，24％位于温带气旋中心附近（Kunkel等人，2012））。在1980—2005年间与美国大风相关的所有死亡事故中，其中21.4％是由非对流风造成的，其中83％以上与中纬度旋风有关（Ashley和Black 2008）。美国冬季危险天气的大量案例研究表明，这些研究主要与深厚气旋的路径有关（例如，Bosart 1981; Zhang等2002; Cardone等1996）。

温带气旋由与大规模经向温度梯度相关的斜压能量发展而来。现在普遍认为，在温室气体不断增多的情况下，近地表温度将会增加（Meehl等人2007; Collins等人2013）。在北半球（NH），极地地区预计会出现变暖（Holland和Bitz 2003，Lu和Cai，2009）。近几十年来已经观察到北极地区的加速变暖（Francis和Vavrus，2012）。这种极性放大将导致赤道与极地温差减小。由于对流层上部估计会极大增暖，因此亚热带地区的静态稳定性预计会增加（Frierson 2006）。这两个因素动态地表明未来会有更少或更弱的温带气旋出现（Bengtsson等人2006; Lim和Simmonds 2009）。另一方面，随着温度升高，大气的湿度预计也会增加（Held和Soden 2006）。气旋强度增长率，中心气压最小值和极端地面风和降水估计都会随着大气湿度单调增加（Booth等，2013）。由于这些作用相反的因素，北半球的气旋强度的变化仍然相当不确定（Collins等，2013）。耦合模型比对项目（CMIP5）第5阶段的模型预测北半球（包括北美洲）所有季节的温带气旋活动都会减少（Chang et al.2012; Harvey et al.2012）。鉴于极端天气事件与温带气旋活动密切相关，预计气旋活动的减少可能会影响这些极端事件的发生频率。但这种影响有多大？是单独作用显著还是被同时发生的其他因素所淹没？为回答这些问题仍需要进行调查。在本研究中，我们将尝试系统地回答这些问题，我们相信我们的结果可能为气候模型评估提供参考。

在此过程中，我们将探索气旋活动与极端事件之间的关系，以量化极端寒冷，极端大风和极端降水事件的变化与气旋活动的关系。由于先前的研究也表明遥相关显著影响气旋活动（Grise等人2013; Leathers等人1991; Angel和Isard 1998; Kunkel和Angel 1999; Noel和Changnon 1998; Hirsch等人2001; Eichler和Higgins 2006）和极端天气（Kunkel和Angel 1999; Ning和Bradley 2015; Higgins等2002），我们还将研究气旋活动，极端事件和遥相关之间的关系。

2.数据和方法

a.数据

在这项研究中，使用了来自欧洲中期天气预报中心（ECMWF）中期再分析（ERA-Interim）的6小时海平面气压（SLP）数据（2.5°times;2.5°）用于量化风暴轴（见下图）。除此之外，还使用了ERA-Interim的0.75°times;0.75°SLP数据并获得几乎相同的结果。 该数据集自1979年开始提供。

为了研究近地表大风事件，使用了850 hPa高度上的每6小时ERA-Interim纬向风U和经向风V（0.75°x 0.75°）数据。在这里，我们删去了在分析时期内地表压力始终低于850 hPa的区域，以确保数据有意义。我们还使用了925hPa层上的风做研究并获得了非常相似的结果。这里使用850 hPa风代替10 m风，因为它们代表表面边界层上方的风场，并且更为稳定（更少依赖于模型边界层参数化;参见Bengtsson等人2009）。每个点的平均流量源于冬季平均值和。对于大风事件，每6小时计算一次风速（作为U和V的矢量和）。本研究的目的是探索气旋活动与多种极端事件之间的大尺度关系。鉴于台站地面风的观测在空间和时间上是不均匀的，我们认为利用网格化数据的第一次分析是合适的。先前的研究（例如，Karremann等人，2014）也使用分析资料中相关风的数据来研究极端风事件。未来还应进行使用站点观测数据的敏感性研究来验证基于格点资料的研究的准确性。

为了显示风暴轴与平均温度和极端寒冷事件之间的关系，使用来自HadGHCND的每日最低温度网格站数据（2.5°times;3.75°）（Caesar等人，2006）。这些数据由哈德莱气候预测和研究中心创建并使用国家气候数据中心开发的全球历史气候网络每日（GHCND）数据库作为其观测资料。这些数据仅提供在1946年至2010年之间陆地上的资料。

对于极端降水，使用气候预测中心（CPC）对美国大陆统一的基于测量的日降水量分析（Xie等人2007; Chen等人2008）。该数据集的分辨率为0.25°times;0.25°，自1948年以来仅在美国大陆使用。

由于ERA-Interim数据始于1979年，HadGHCND数据于2010年结束，因此我们研究的主要时期是1979年至2010年。因为分析需要基于严格相同网格（例如，点对点关联或回归），且双线性插值应用于风，温度和风暴轴，区域守恒插值（Jones 1999）则应用于降水，将更精细的网格尺寸数据转换为更粗糙的网格尺寸数据。

为了理解我们发现的模式和合成图是如何与较大尺度因子相关的，我们使用由哈德利中心海冰和海表温度数据集（HadISST）（Rayner等人，2003年）提供的每月ERA-Interim 500hPa位势场（2.5°x 2.5°）和SST（1°x 1°）来检查位势高度我们还检测了NOAA气候预测中心提供的Nintilde;o-3.4指数（中东热带太平洋海温异常; 5°N-5°S，170°-120°W）和太平洋 - 北美（PNA）模式指数（PNA指数）。这些月度指数平均形成冬季均值。根据CPC，用于计算PNA指数的程序是基于旋转主成分分析方法（RPCA）（Barnston和Livezey 1987），该程序应用于每月标准化500 hPa高度异常，该资料以1950年至2000年的数据为标准，并从分析20°—90°N区域的气候资料同化系统获得。

为了估计预测的风暴轴变化对未来极端事件的潜在影响，使用来自28个CMIP5模型的历史和未来时期的6小时SLP数据来推导风暴轴变化。模型列表显示在补充材料的表S1中。该数据集可从1950—2005年的历史模拟和2006 —98年的未来预测中获得。我们考虑在高排放代表性浓度路径（RCP）8.5情景下的实验，其中温室气体强迫在二十一世纪末约为8.5 。

b.方法

有两个系列的方法广泛用于研究气旋活动。第一个直接研究使用客观跟踪算法的旋风轨迹（Hodges 1999; Hoskins and Hodges 2002）。以前研究表明，结果通常对强气旋是稳定的但对较弱气旋较为敏感（Neu et al。2013; Raible等人。2008）。 另一方面，靠近任何地方的旋风通道会产生快速压力扰动，循环异常和温度平流。 因此使用时间方差或共同气象变量的方差是另一种选择捕捉气旋活动的方法。 从20世纪70年代以后，大量研究开始探索这种可能性。通过基于保留期间在2.5-6天的范围内过滤数据的模式映射均方根和共同方差统计以及一点遥相关模式。在这些以前的研究中（Blackmon等，1977,1984a，b和Lau，1978）指出最活跃的扰动倾向于在两个细长区域内即北太平洋和北大西洋向东传播 。由早期的个体旋风中心的气旋轨迹调查引入（例如，Petterssen 1956,267- 276），这些最大时间变化区域的特点是通过高频涡旋强烈传递热量和涡度，并且它们的中心与“风暴轴”区域重合。

由于第一种方法仍具有鲁棒性问题，其结果通常更嘈杂，更难解释，时间方差方法已被证明是一个很好的近似，可以捕捉到中纬度气旋活动的本质，在本研究中我们将重点关注第二种方法。方法。应该记住的是通过使用过滤的方差度量来测量风暴跟踪活动，还应包括与反气旋相关的方差。然而，反气旋通常是缓慢移动的并且具有比气旋更弱的压力异常（Hoskins和Hodges 2002），因此方差可能由气旋主导。我们已经检查了气旋频率的气候图（未显示），并发现它们与方差统计的非常相似。在未来的研究中，我们将直接将气旋轨迹统计与极端事件联系起来。

在这里，我们使用SLP的24小时差分滤波方差来测量称为ECApp的温带气旋活动（ECA）（Wallace等人1988：

在先前的研究中，通常在一个月或一个季节内发生差异的地方，类似的度量被广泛用于量化气旋或“风暴轴”活动（Lau 1988; Feser等人2015; Alexander等人2005; Chang等人2012,2016等）。

为了检验风暴轴对其他变量的影响，我们通过在域上平均ECApp（大陆部分在25°-55°N，60°-140°W范围内，定义了高风暴轴和低风暴轴合成）。是图1b）中黑色矩形内的陆地面积，选择最高（最低）10个冬季作为高（低）合成图（图1a）。对于极端事件，可以有几种不同的方法来定义其阈值：例如，阈值可以是常数，或每个站中所有记录的某个百分位数等。因为基于百分位数的事件在气候研究中被广泛使用（ Sen Roy和Balling 2004; Abatan et al.2016等），在这里我们将阈值作为整个时期（DJF 1979-2010）的当地最高（或最低）第一（或第5）百分位数。考虑到构造的模型通常基于当地的气候条件，局部阈值是合理的（例如，Klawa和Ulbrich，2003; Karremann等，2014）。超过阈值的时间百分比称为第99（第95）百分位事件频率。由于我们使用局部百分位数作为阈值，因此大多数时间都可以很好地定义此度量。在极少数情况下，阈值没有意义（例如，在非常干燥的地区，降水的前5％可能为零），我们只是掩盖了这一点。对于包含缺失数据的网格点，如果缺失部分小于其长度的10％，则使用非缺失部分，否则该点不包括在分析中。

图1.（a）每个冬季的地图平均值（大陆部分在25°—55°N，60°—140°W范围内）ECApp，其中10个高（低）ECApp年份由蓝色（红色）点表示 ，绿色虚线表示整个期间的平均ECApp值（DJF 1979-2010），紫色线表示线性拟合的ECApp。 （b）1979— 2010年DJF期间ECApp的气候学。 （c）ECApp在10个高ECApp和10个低ECApp年份之间的差异。 基于Students t检验，（c）中的虚线区域在5％水平上是显着的。

为了测试结果的稳定性，使用地图平均ECApp作为分离器来形成合成模型，我们分别在ECApp和每种事件的第99百分位频率之间进行了奇异值分解（SVD; Bretherton等1992） 。 SVD，也称为最大协方差分析，是一种可以有效地找到在两个场之间表现出最大协方差的模式对的方法。关于该方法的更多细节可以在补充材料中找到。在执行SVD之前，数据由余弦纬度的平方根加权，以考虑每个网格框表示的区域。为了了解这三种极端事件与风暴轴有多大关系，我们通过ECApp的均匀相关图和极端事件频率的异构相关图来显示我们的模式 。换句话说，ECApp与极端频率场的相关性关于SVD对的ECAp

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18845]，资料为PDF文档或Word文档，PDF文档可免费转换为Word