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

印度洋海温（IO SST）对青藏高原(TP)雨季降水的早期影响

XIAOYANG CHENG

气象灾害教育部重点实验室/气候与环境变化国际联合研究实验室/合作创新中心/南京大学信息科学学院气象灾害/地球系统模拟中心科技，南京，中国

QINGLONG YOU

气象灾害教育部重点实验室/国际联合研究实验室/气候与环境变化/合作创新中心的预测与评价/南京大学信息科学学院气象灾害/地球系统模拟中心/南京技术与大气科学及地球流体动力学国家重点实验室/中国科学院大气物理研究所，中国科学院，北京，中国

（2016年11月16日收到的稿件，最终形式是2017年7月28日）

摘要

南亚夏季风的爆发表明了南亚区域雨季（SASM）的开始。它不仅对当地农业和畜牧业至关重要，而且对水和生命安全也很重要。雨季前期(5月)降水迅速增加，年际变化较大，特别是青藏高原地区。季风系统的启动机制的之一是印度洋（IO）之间和南亚地区陆–海热对比（LSTC）。因此，印度洋（IO）可以被认为是影响季风系统强度以及影响青藏高原（TP）降水的一个关键因素。在本研究中，年际时间尺度上的印度洋（IO）海表面温度（SST）与青藏高原（TP）降水之间的关系已经调查过。调查相关图显示，印度洋（IO）海温变化与热带太平洋海温无关，与青藏高原（TP）降水呈负相关。在这里的作者定义了一个LSTC指数来确定（印度洋）IO和南亚地区的热状况。南亚区域雨季（SASM）揭示了陆地和海洋与LSTC之间的不同步关系，这意味着它将被增强的LSTC所抑制。本研究中，日常数据用于进一步分析了SASM和青藏高原（TP）降水的关系，结果表明：5月份降水异常主要是由孟加拉湾季风造成的，而印度季风则对6月份的青藏高原（TP）降水造成影响。更具体而言，更温暖的海平面温度（SST）扩大了在印度洋（IO）和南亚地区之间的LSTC，SASM较平均状态弱，从而减少了青藏高原（TP）的降水。而在负相位的年份中，这种情况则正好相反。

1. 介绍

青藏高原（TP）海拔4000m以上，面积约250万平方公里，是世界上最高的高原，它在控制亚洲以及通过动力和热力强迫北半球区域和全球循环中起着至关重要的作用(Bothe等人，2012年；Murakami，1987年；Yanai等人，1992年)，也被称为 “第三杆”和“亚洲水塔”(X.Xu等人，2008年)。TP现有冰川36793座，总面积49873.44km²，冰量4561.3857km³，位于亚洲许多著名河流的源头（Yaoetal.2012），其降水作为水循环和水文循环的重要环节，已得到了广泛的研究。You等人（2015）将多个数据集与TP年降水量的网格化观测相比较，特别是东部和中部，在过去40年中降水有所增加，而在西部出现了年降水量下降趋势。(Z.Xu等人.2008）Gao等人（2014）研究了TP的水汽通量，发现动态成分在降水蒸发量变化中起着重要作用。TP在 1979-2011总体上变得更加湿润，但是空间变异较大，主要是由于地形复杂所致。此外，除唐古拉山外，还有一个夏季的反位相(6月—8月)于东北和东南TP(Liu and Yin2001)之间变化以及由北大西洋涛动引起的波列可能是这种降水偶极振荡的主要原因(Liu等人.2015）。在一些研究中，TP被认为是计算水汽平衡的盒子。南亚季风（SASM）带来大量水汽通过南部边境进入TP和越过东南TP主导夏季降水（Feng and Zhou 2012）。Schiemann等人（2009）描述了TP地区西风急流的年际变化和季节性周期变化。在TP区的偏北急流位置与四月份的TP相对较少的降水有关。Lin等人（2016）发现中纬度西风和SASM对向TP区域的水汽输送具有相反的影响。气候系统的一些主要特征，如南亚高压、季风槽和索马里急流也对水汽供应起着重要作用(Findlater 1969；Krishnamurti和Bhalme，1976年；Wei等人，2014年)。总体而言，TP的降水量主要受三个因素影响：地形，水分供应，以及周围的气候系统。然而，在雨季初期，TP降水量一直没有引起人们的关注。印度洋（IO）SST，SASM和TP的降水之间的关系还需要进一步调查。

在全球暖化背景下，IO近年来发生了巨大的变化。自20世纪60年代以来，除了南热带IO外，大多数IO中的海平面上升(Hhan等人.2010）。20世纪50年代以后，在赤道IO地区SST呈现变暖趋势，到二十世纪末总趋势为0.58C（Du and Xie 2008）。随着印度尼西亚水流从太平洋向IO输送的热量增加，过去十年来IO热含量急剧增加(Lee等人，2015年)。伴随着厄尔尼诺发生于冬季的早期，IO的SST上升并且持续到北半球的夏季。这种基准面变暖现象可由IO海温的第一经验正交函数(EOF)揭示，称为IO流域模式(IOBM)(Yang等人，2007年)。许多研究表明，IOBM不仅是对厄尔尼诺现象的被动反应，而且也是将大气异常锚定在印度-西太平洋上空的电容器(Xie等人，2009年)。正相位的IBOBM事件可以增强夏季风，与大型大气环流有很强的联系，这就增加了南亚的水汽辐合和更多的降水（Yang等人.2010年）。Chiang和Lintner(2005)发现热带对流层温度对厄尔尼诺-南方涛动(ENSO)区域以外的热带地区所观测的海温和降水变化负责，这可能是IOBM形成的另一个原因。一般来说，季风被认为是在陆海热力比较（LSTC）方面一种对季节性变化的大气响应。它不仅对环境敏感地区的农业至关重要，而且对水和生命安全也很重要（X.Xu等人,2008）。季风的起始机制之一是陆地和海洋之间的热差；季风的爆发与经向温度梯度的逆转同时发生(Webster等人，1998). SASM是全球季风系统中最强的要素(Wang，2006年)，它以不同的方式影响着南亚的降水。增加的气溶胶，如灰尘和黑碳，在雨季初期，印度北部可能会导致SASM的发展(Liu和Kim，2006；Lau等人，2006年)。SASM的早期或晚期爆发可以直接控制模式与在亚洲南部地区的降水量（Xing等人，2015）。作为LSTC的一个重要因素，IO的SST对关于SASM的产生和演变起着重要的作用 (Li 1996)。就热带周期为两年的振荡而言，季风降水主要受与IO海温变化有关的水汽辐合的影响(Li等人，2001年)。Cherchi等人(200人) 7)发现季风系统是IO的SST和TP降水之间的桥梁。赤道IO中SST的很大一部分变化会影响印度的降水。在本研究中，我们研究了年际时间尺度的IO海温与TP降水的关系。然后SASM影响TP降水的详细过程，通过日常数据进一步分析。这篇论文的组织如下，第二节给出了本研究所用的数据和方法，第三节描述了IO的SST和TP降水之间的关系，第四节揭示了IOBM类SST对SASM的影响，第五节调查了SASM对Tp降水的影响，最后，第六节提出了结论和讨论。

2. 数据及方法

我们选择海拔3000m以上、25°-40°N、75°-105°E的台站代表TP降水(图1)。来自59个监测站的每月及每日数据如下： 根据国家气象中心，中国气象局（NMIC / CMA）。我们选择了1979-2014年期间的数据集。经过仔细评估数据的质量、可靠性和同化性，这些调整提高了数据的可靠性，减少了中国观测气候变化研究中的不确定因素，并参考了Li等人(2012)更多详细信息。海温数据来自每月平均哈德利中心全球海冰和海温(HadISST)数据集(Rayner等人，2003年)。大气数据来自欧洲中期天气预报中心(ECMWF)临时再分析(ERAInterim)(Dee等人，2011年；Simmons等人，2007年)。所有的分析数据已经再取样，以2.58、3、2.58的水平分辨率。研究中使用的观察和再分析数据涵盖了1979至2014年间。

如图1所示，大多数站位于TP的东部。为了更好地代表整个TP的降水，我们通过以下方法计算降水系列：首先，将TP区域划分为58、3、58分辨率网格框；第二，在每个网格框中平均得到所有可用的降水数据，最后，通过对所有网格框的平均化计算出区域平均降水量(剔除无站网格框)。类似的方法可以在一个先前的研究(Abatzoglou和Barbero，2014年)里找到。SASM指数是用来描述SASM的年际变化。它定义为850hPa和200 hPa纬向风在0°-20°N，40°-110°E区域的差异(Webster和Yang，1992)。我们还利用陆地-海洋热对比指数(LSTC)在0°-40°N，50°-100°E范围内研究了SASM与IO的SST的关系：

（1）

其中，是陆地上的垂直集成温度（VIT），而是在IO上的VIT。表观热源Q1及其垂直积分值hQ1i是根据下列方程(柳井1973)计算的：

（2）

和

（3）

其中，T是温度；theta;是位温；V是水平风矢量；是P坐标系垂直速度；k=R/；R和分别是气体常数、干燥气压恒定空气比热；=1000hPa；分别是海平面气压和200hPa气压；IOBM表示在IO（40°S-30°N，40°-110°E）SST异常的第一EOF模态，一个显著正相位（负）IOBM事件被选择当第一个主成分PC1超过1（低于21）。11月-1月期间的平均海平面温度异常在Nintilde;o-3地区（5°S-5°N，90°-150°W）用来代表典型的ENSO事件。偏相关用于检验IO的SST与TP降水在除去ENSO的前期效应影响下之间的关系。它涉及在与第二预测器的线性关系已经从预测器和预测器中被去除之后,对预测器的线性相关性的计算以及在预测器上的线性相关性的计算。[方法详情：Cai等人，（2011）和Yuan等人（2009）]。统计显著性通过正反t检验进行检验，所有的降水和SSt数据均被归一化，并在分析前消除了线性趋势。

图1.空间分布的59个地面气象站TP(黑点).颜色表示高度(m).蓝线显示网格框.

3.IO SST与TP降水量之间的关系

图2给出了TP降水的季节周期。其峰值出现在7月份，最大值为98.3mm，其次是8月和6月，降水量分别为88.6mm、66.7mm。5-10月的降水量占总降水量的90.3%，因此被定义为雨季。随着大量的水分被带往TP，其降水量从4月到6月大量增加。随着SASM的爆发发生于5月份（Xing等人，2005），5月份降水的标准差比前几个月大得多。

图2所示.TP降水的季节性周期表现为月平均(1979 - 2014;毫米).误差线代表一个标准差.

变异系数(标准差除以平均值)为0.21，是整个雨季除十月份外的第二大变异系数。这意味着，尽管平均月降水（32.8mm）低于六月九月，由SASM造成年际变化极大地影响了当地的农业经济。本研究重点研究了雨季初期的降水量，并探讨了降水的潜在影响。

图3.（a）5月与IO SST的归一化和趋势化降水与IO海温的相关模式.（b）5月份归一化和趋势化降水的偏相关模式与去除Nintilde;o-3指数后的IO SST.黑点表示95%的置信水平.（c）5月份标准化和趋势化的IO SST的EOF1模式.（d）5月份TP降水（P_M）和TP降水的PC1的时间序列.

我们计算了相关系数，找出IO中的关键区域。图3a给出了在5月份的TP降水和同时SST之间的相关图。赤道、西北IO和TP降水的SSTs之间存在显著关联，显著的负相关超过-0.5突出说明了这一点。鉴于印度洋SST对在冬季发生的厄尔尼诺事件有积极的反应，其变化可能包含热带太平洋SST变化的一部分。因此，我们进一步使用偏相关分析来提取单一影响的海温。如图3b所示，除El Nintilde;O的影响后，相关系数在西方和热带IO变得稍小，但基本分布在图3A显示仍维持。由于这两个相关图都表现出SST变化的很大一致性，我们认为IOBM可能是负责其的关键因素。EOF分析已于5月应用于IO SST。IOBM占总方差的33.1%。在大多数的IO流域中存在正的特征值，表明IO有一个同时的变化(图3c)。这个EOF1模态类似于相关图。同时，同时，第一主成分(PC1)与TP降水之间的相关系数为20.42(99％置信水平)，剔除Nintilde;o-3指数(95%置信水平)后，相关系数变为20.33。因此，IOBM可以作为研究IOSST对TP降水影响的关键因素。因此，我们选择了五个正相关IOBM年(1983、1987、1991、1998和2010年)和7个负相关IOBM年(1984、1985、1989、1999、2000、2008和2011年)，其中复合分析（图3）的PC1超过1(低于21)。

图4.（a）月度TP降水季节性周期（mm）.正相关（红色虚线）和负相关（蓝色虚线）的IOBM年.黑色实线表明气候平均.柱状图表示正相关与负相关IOBM年的降水差异.阴影表示在95%置信水平上差异具有统计学意义.（b）5-6月TP降水量在正负相关年份之间的空间差异.阴影部分表示95%置信水平的区域.

为了验证在PC1和降水之间的负相关关系，我们提取正负IOBM年之间的TP降水差异。季节循环（图4a）表示，正相关IOBM年的降水于5-6月小于负相关IOBM年。这两个月的降水差异在95%置信水平上均有统计学意义，表明5月份的国际海温不仅对5月份的TP降水有影响，而且对6月份的TP降水也有影响。图4b是5-6月TP降水的空间差异。除TP东

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21637]，资料为PDF文档或Word文档，PDF文档可免费转换为Word