全球变暖、AMO、IPO对全球陆地降水变化的相对贡献

蔡琳,陶丽②*,赵久伟②,张梦③

① 南京信息工程大学 大气科学学院,江苏 南京 210044;② 南京信息工程大学 气象灾害教育部重点实验室,江苏 南京 210044;③ 淮安市气象局,江苏 淮安 223001

在全球变暖背景下,陆地降水的趋势及年代际变化已经成为近些年气候变化的重要关注点,对于陆地降水的趋势和不同时间尺度上的变化以及各种因子对水循环的影响和其中机制,已有不少研究。

有研究表明,随着全球变暖的发生,全球大气平均水汽含量上升,然而在过去几十年,全球平均陆地降水的变化却很微弱(Gu et al.,2007;John et al.,2009)。Held and Soden(2006)提出这可能是由于辐射通量被限制的原因,也有不少研究人员认为这是由于不同区域的降水变化相互抵消(Dai et al.,1997;Allen and Ingram,2002)。全球陆地降水变化的尺度特征主要以年代际周期振荡为主,趋势的变化较弱(Xu et al.,2017),1920—2000年,全球冬季降水量有明显的增加趋势,春、夏和秋三个季节的降水量没有明显的趋势变化(施能等,2004)。中国地区的陆地水循环受气候变化影响显著,存在明显的趋势变化和年代际变率特征(苏布达等,2020)。不少研究人员提出,全球变暖背景下,降水变化可能会遵循“湿润地区更湿润,干旱地区更干旱”这一原则(Chou and Neelin,2004;Held and Soden,2006),然而这个现象主要发生在海洋,陆地水资源呈现更为复杂的高度非均匀分布(高艳红等,2021)。全球变暖背景下,极端天气的变化也受到影响,高强度的极端降水事件的发生频次在整个中国地区均为增加(李东欢等,2017)。

海洋的增暖和年代际振荡对降水变化有显著影响。大西洋多年代际振荡(AMO)是大西洋中重要的气候变率之一,具有50～70 a的周期(Schlesinger and Ramankutty,1994),对全球许多区域的降水有重要影响。研究发现,20世纪以来,非洲萨赫勒地区降水的年代际变化主要受海表温度(SST)的影响。在20世纪80年代,由于SST变化造成的萨赫勒地区的干旱,由AMO解释了50%(Mohino et al.,2011)。美国年平均降水变化与AMO指数表现出强烈的负相关(Enfield et al.,2001),同时1900—1999年美国干旱频次的变化受到AMO影响显著(McCabe et al.,2004)。通过研究AMO对亚洲季风区气候的影响发现,AMO的暖位相会使得南亚地区夏季(JJA)和秋季(SON)降水增加(李双林等,2009)。

太平洋SST的变化对降水的影响也非常显著。太平洋多年代际振荡(IPO)是发生在太平洋海盆区域的40～60 a的准振荡(Mantua et al.,1997;Dong and Dai,2015),对全球陆地降水有重要影响。1988—2010年全球陆地降水的趋势变化受到全球SST和太平洋年代际振荡(PDO)的共同影响(Gu and Adler,2013)。Dai(2013)、Dong and Dai(2015)研究表明,IPO与美国西南部、阿根廷、欧亚大陆部分地区的降水表现出显著的正相关,与非洲西部、澳大利亚东部、亚洲东南和东北部表现为负相关,并且降水变化在IPO的正负位相表现出相反的模态。太平洋年代际振荡(PDO)与我国北方地区的干湿变化关系密切,其中华北、西北东部和天山南侧青藏高原西部的干湿变化与PDO相关显著(马柱国和邵丽娟,2006)。同样的,前期秋季的PDO指数与我国华南地区春季降水的正相关显著(孙照渤等,2017)。东亚季风气流和相应的雨带的年代际向北传播受到PDO调制作用,PDO为负位相时,主雨带向北移动,随着PDO逐步向正位相转换,主雨带又开始南移(丁一汇等,2020)。中国东部不同区域的夏季降水对PDO 不同位相的响应特征并不一致,PDO 不同位相可以激发出不同类型的 PJ 型波列,导致菲律宾对流活动变化,影响副热带高压的南北位置,从而对东部夏季降水产生影响(任永建等,2016)。

综上所述,不同区域陆地降水的趋势和年代际变化非常复杂,并且海洋的增暖和年代际振荡对陆地降水变化有着重要的影响。然而,不同海洋模态对于全球范围内不同区域降水变化的相对重要性却鲜有涉及,因此本文将以此为出发点,利用多元线性回归模型和信息流方法探究全球变暖、AMO和IPO对不同区域陆地降水的相对贡献大小。

1.1 资料

本文所用陆地降水观测资料为全球降水气候中心(Global Precipitation Climatology Centre,GPCC)和英国东英吉利(East Anglia)大学的气候研究中心(Climatic Research Unit,CRU TS 2.1)的月资料,GPCC V2018再分析资料基于全球气象站点观测数据构建,分辨率为1°×1°,本文中用于进行降水和海温的SVD分析和信息流分析等。CRU陆地降水资料由英国东英吉利大学气候研究中心基于观测资料研制而成(https://crudata.uea.ac.uk/cru/data/hrg/),分辨率为0.5°×0.5°(Harris et al.,2014)。该数据基于全球近2 000多个气象站的观测记录插值而成,可用于全球和区域的水循环的订正以及气候模式的验证等研究,文中使用该数据进行交叉验证。选取的研究区间为1934—2015年。

SST资料来自Hadley Center的海表面温度数据集(https://www.metoffice.gov.uk/hadobs/hadisst/),包括从1870年至今的每月完整的全球SST和海冰数据,分辨率为1°×1°。

文中选用区域平均SST来表示海洋中的全球变暖(GW),GW的计算方法为,首先选取45°S～60°N范围内SST进行区域平均,得到区域平均的SST变化曲线(Mohino et al.,2011)。由于这其中包含了AMO和IPO的信号,因此进一步采用EEMD的方法将此曲线分解为不同周期的波动,并保留其中趋势序列作为GW指数。AMO和IPO指数选用NOAA提供的IPO指数和AMO指数(https://www.esrl.noaa.gov/psd/data/climateindices/list/)。其中,AMO指数由去掉趋势之后的北大西洋(0°～70°N)SST计算加权平均得到,IPO由赤道中部太平洋的平均SST异常减去西北部和西南部太平洋SST异常得到。AMO和IPO指数分别是对大西洋和太平洋SST年代际变化的重要表征。由于本文关注年代际时间尺度的变化,因此利用Lanczos低通滤波,滤除数据中周期在10 a以下的变化信号,只保留其年代际变化和趋势特征。需要注意的是,由于信息流方法的限制,在计算信息流时不进行低通滤波,仅去除季节循环。

1.2 方法

利用奇异值分解方法(Singular Value Decomposition,SVD)探究SST和陆地降水之间的耦合关系,该方法是一种矩阵的基本计算,气象中可以用于寻找两个场之间相互耦合的主要模态,本文将热带陆地降水(30°S～30°N)作为左场,SST(20°S～45°N)作为右场进行SVD分析。

为评估SST模态对降水变化相对重要性,利用多元线性回归预测模型进行定量计算。通过将降水回归到GW、AMO和IPO指数上,可以构造出线性模型:

=+·+·+·+。

(1)

其中:、、、分别代表降水、GW、AMO和IPO指数；
表示GW、AMO和IPO的年份；
、和为模型参数；
代表模型不能解释的残差部分。

设为回归方程的剩余方差，如果减去一个自变量(例如GW)，用剩余两个自变量(AMO和IPO指数)构造新的回归方程，并将新方程的剩余方差记为′。显然，考虑的因子越多，残差平方和就越小。因此，GW的方差贡献表示为：

=′-。

(2)

同理，AMO和IPO的方差贡献可分别表示为：

=′-，

(3)

=′-。

(4)

因此，GW、AMO和IPO的方差贡献比例()分别表示为：

(5)

(6)

(7)

此外，利用信息流的方法进一步分析了SST和陆地降水之间的因果关系，即探究SST变化能否成为陆地降水变化的原因。Liang(2014)利用两个变量之间单位时间内传递的信息，即“信息流”理论，来确定两变量间的因果关系。对于两个时间序列,，从到的信息流为：

(8)

(9)

利用公式(9),可以分别计算得到GW、AMO和IPO对降水的信息流,并应用Liang(2014)的方法对信息流结果进行检验。

2.1 影响陆地降水的趋势和年代际变化的主要海洋模态

海洋和大气是地球气候系统中两个重要成员,陆地降水的年代际变化与海洋密切相关。为探究SST和陆地降水显著耦合的模态,将GPCC陆地降水作为左场,SST作为右场进行SVD分析。降水区域选取热带地区(30°S～30°N),SST区域选为20°S～45°N。进行SVD分析之前,对降水和SST数据进行Lanczos 9 a低通滤波,将6—8月和12月—次年2月降水区分开,分别进行分析。

图1、2分别为6—8月和12月—次年2月SST和降水的SVD分析结果,6—8月期间,SVD前3个模态的解释方差为46.6%,22.7%和10.8%,12月—次年2月分别为40.4%,27.7%和11.0%。

图1 1934—2015年6—8月海温(a,d,g;20°S～45°N)与GPCC陆地降水(b,e,h;30°S～30°N)SVD分析:(a,b)第一模态;(c)降水与海温异类场时间系数和GW指数;(d,e)第二模态;(f)降水与海温异类场时间系数和AMO指数;(g,h)第三模态;(i)降水与海温异类场时间系数和IPO指数Fig.1 Homogeneous correlation distributions of the first three SVD modes between SST (20°S-45°N) and tropical land precipitation during the JJA season in 1934—2015.(a),(d) and (g) are the first three spatial patterns of SST.(b),(e) and (h) are the first three spatial patterns of land precipitation.The normalized SVD time series of SST (blue lines) and precipitation (red lines) are shown in (c),(f) and (i).The black lines in (c),(f) and (i) are the GW,AMO and IPO indices

图2 1934—2015年12月—次年2月SST(a,d,g;20°S～45°N)与GPCC陆地降水(b,e,h;30°S～30°N)SVD分析:(a,b)第一模态;(c)降水与海温异类场时间系数和GW指数;(d,e)第二模态;(f)降水与海温异类场时间系数和AMO指数;(g,h)第三模态;(i)降水与海温异类场时间系数和IPO指数Fig.2 Homogeneous correlation distributions of the first three SVD modes between SST (20°S-45°N) and tropical land precipitation during DJF season in 1934—2015.(a),(d) and (g) are the first three spatial patterns of SST.(b),(e) and (h) are the first three spatial patterns of land precipitation.The normalized SVD time series of SST (blue lines) and precipitation (red lines) are shown in (c),(f) and (i).The black lines in (c),(f) and (i) are the GW,AMO and IPO indices

图1a、b为6—8月第一模态的SST和降水异类场。从时间序列(图1c)来看,6—8月SST和降水场显著相关(相关系数0.96),1934—1970年时间序列表现为小幅度下降,这可能与大气中气溶胶排放所导致的全球平均温度变化有关(Wilcox et al.,2013)。1970年之后,时间序列呈现出一致上升的趋势。SST表现为大部分区域SST一致增暖的趋势,因此SST场的第一模态为全球增暖模态。与前人研究中(Cane et al.,1997;Hansen et al.,2006;Xie et al.,2010;Mohino et al.,2011;Gu and Adler,2015)提到的SST一致增暖模态不同的是,北太平洋海盆SST出现变冷趋势,这可能是受到海洋中年代际和多年代际振荡的影响,而SVD分析无法将其与变暖趋势完全分离开来。在全球变暖的影响下,北非大部、澳大利亚、南美洲大部分地区表现为降水减少的趋势(图1b),这与前人研究结果一致(Zhang et al.,2007;Gu and Adler,2015)。南美洲东北部、几内亚湾沿岸和非洲南部的降水为增加的趋势,进一步验证了全球变暖对非洲降水的影响(Mohino et al.,2011)。中国东南海沿岸表现为降水增加,中南半岛表现为微弱增加的趋势。图1d、e、f为6—8月SVD结果的第二模态。SST异类场(图1d)中,整个北大西洋表现为增暖,20°～30°N增暖速率较慢,其南北增暖速率较快,此空间模态与AMO的正位相符合,再结合时间序列相比较来看(图1f),判断第二模态为AMO主导的SST模态。AMO正位相期间,降水异类场(图1e)表现为非洲大部分地区降水偏多,尤其是赤道北部萨赫勒地区,这与全球变暖对非洲降水产生的影响相抵消,减缓了干旱的趋势。南美洲西北部小范围地区的降水表现为偏多,南美洲赤道及以南区域均表现为降水偏少,使得干旱程度加剧。我国南部沿海降水偏多,印度半岛表现为南多北少,澳大利亚降水偏少。SVD第三模态的SST异类场(图1g)表现为赤道太平洋中东部正SST异常,南北半球中纬度为负SST异常,呈现出三级子海温型,且与IPO时间序列符合较好,因此第三模态的SST异类场为IPO主导。IPO正位相期间,非洲除刚果盆地外大部分地区降水偏多。南美洲北部降水偏少,中部智利海沟沿岸和巴西高原东部偏多。我国南部、中南半岛南部降水偏多,印度半岛呈现出南少北多。澳大利亚降水偏少。

12月—次年2月期间,SVD第一模态的SST异类场同样表现为GW的模态(图2a),12月—次年2月期间海洋中增暖范围相比6—8月增大。在全球变暖的影响下,非洲索马里半岛降水呈现出增加的趋势,其他地区与6—8月基本一致,表现为大面积干旱的趋势。南美洲东南部降水增加,更加湿润。澳大利亚东西部表现为相反的趋势,东部降水减少西部降水增加。我国南部受到全球增暖的影响变得更加湿润。SVD第二模态(图2d、e、f)的SST异类场表现为IPO模态,与6—8月相比,其空间特征更明显,降水和SST时间序列与IPO指数的相关性更强。IPO正位相期间,非洲南部和几内亚湾降水偏少,这与全球变暖作用一致,索马里半岛降水偏多,增加了全球变暖造成的湿润趋势。南美洲北部降水表现为南多北少,与6—8月期间的降水模态基本一致。亚洲南部和印度半岛沿海表现为降水偏多,中南半岛为降水偏少。澳大利亚北部降水偏少,且干旱区域较6—8月扩大。SVD分析第三模态的SST异类场表现为与AMO相关(图2 g、h、i)。AMO正位相时,非洲大部分区域降水偏多,南部降水偏少,澳大利亚地区的降水变化呈现出与6—8月相一致的分布,中部表现为降水偏少。南美洲西北部在冬夏季降水变化一致,都表现为降水偏多,东部在不同季节表现相反。我国南部、中南半岛北部在12月—次年2月为降水偏少,与6—8月相反。

图3 1934—2015年GW(红线)、AMO(蓝线)、IPO指数(黑线)Fig.3 Time series of the 9-year low-passed AMO (blue line) and IPO (black line) and GW(red line) indices for 1934—2015

2.2 回归分析

利用一元线性回归分析,分别将6—8月和12月—次年2月的GPCC陆地降水回归到GW、AMO和IPO指数上。在进行回归分析之前,利用1.2中的方法对指数进行预处理,3个指数如图3中所示。

降水对GW指数的回归结果(图4a、b)在热带地区与SVD第一模态(图1b、2b)基本一致,进一步明确了全球变暖对热带降水趋势变化的影响。在北半球中纬度地区,加拿大、中国东南部和西北部以及斯堪的纳维亚半岛表现为降水增多,中国北部、北非大部、印度半岛北部和西西伯利亚表现为降水减少。同样地,12月—次年2月热带地区降水的趋势与SVD结果(图2c)高度一致,此外,欧洲、南美洲中南部和澳大利亚西部降水增加,非洲中部、北美洲北部和亚欧大陆东部大部分地区降水减少。

降水对AMO的回归结果(图4c、d)在热带地区与SVD第二模态(图1e、2h)一致,此外,6—8月，亚洲北部和东南部沿海、非洲萨赫勒地区、南美洲北端和北美洲中东部降水表现为正异常,在AMO正位相期间降水偏多,我国华北及西南、欧洲中部、澳大利亚、北美洲西部和南美洲大部分区域降水偏少。12月—次年2月欧亚大陆降水异常南部偏多,北部偏少，非洲南部降水偏少,澳大利亚西部在12月—次年2月转变为降水偏多。北美洲墨西哥湾沿岸到西部沿海的带状区域降水表现为偏多。南美洲西北部和中部为显著的降水偏多,与6—8月形成较大差异。

图4 1934—2015年6—8月(a、c、e)和12月—次年2月(b、d、f)降水对GW(a、b)、AMO(c、d)和IPO(e、f)指数的线性回归分布(打点区域表示相关系数通过0.1信度的显著性水平检验)Fig.4 Regressed land precipitation in the (a,c,e) JJA and (b,d,f) DJF seasons onto to the normalized indices of (a,b) GW,(c,d) AMO and (e,f) IPO.The areas with dots are statistically significant at the 10% level

降水对IPO的回归结果(图4e、f)在热带地区与SVD第三模态(图1h、2e)一致,并表现为12月—次年2月期间更加显著。IPO正位相期间,北美洲降水在6—8月表现为西南、东北多中部少,南美洲降水在6—8月表现为偏多,在12月—次年2月表现为南多北少的模态。6—8月非洲萨赫勒地区降水对IPO响应强烈,表现为降水偏少。12月—次年2月非洲南部对IPO响应强烈,表现为降水偏少。亚欧大陆北部6—8月降水表现为中心地带偏少,其西部和东部偏多,在12月—次年2月降水降水表现为偏多。大洋洲的降水异常,在6—8月表现不明显,12月—次年2月为显著的东多西少。

回归分析的结果进一步验证了对陆地降水变化产生影响的海洋模态为GW、AMO和IPO。分析得到,GW、AMO和IPO对全球陆地降水变化的影响存在显著的区域性差异,且有明显的季节间差异。有些区域降水对GW、AMO或是IPO中某一模态表现出显著的响应,有的则受到多个模态的共同影响。因此提出新的疑问,不同地区的降水变化受到哪个海洋模态影响更大呢?需要进一步分析GW、AMO和IPO对陆地降水的相对重要性。

2.3 GW、AMO、IPO对陆地降水的方差贡献

本节通过多元线性回归模型(式(1)),定量评估三者对全球陆地降水趋势和年代际变化的相对方差贡献大小。GW、AMO和IPO三个变量对陆地降水解释的方差与降水变化总方差的比值,记为三者总的方差贡献,结果如图5a、6a中所示。GW、AMO和IPO三者各自对降水的相对方差贡献比例通过式(5)—(7)计算得出。需要注意的是,GW、AMO和IPO三者的相对方差贡献之和为1。

图5a和表1给出了1934—2015年GW、AMO和IPO对6—8月陆地降水总的方差贡献,GW、AMO和IPO总共可以解释约30%的陆地降水低频变化。6—8月期间,在加拿大、南美洲巴西高原、萨赫勒和我国西北部,GW、AMO和IPO三者可以解释40%以上降水的年代际方差。不同大洲来看,三者对非洲的年代际降水的解释方差最大,达到35%,其中非洲北部达到38%,模型对欧洲降水的解释方差在西部最大,约为28%,对南美洲降水的方差贡献为32%,对亚洲和北美洲降水变化的解释方差较小,分别为24%和23%,对澳洲降水解释方差最小,仅为19%。

图5 1934—2015年GW、AMO、IPO指数对6—8月陆地降水的方差总贡献(a)及GW(b)、AMO(c)和IPO (d)的相对方差贡献比例(图a中方框内的区域表示表1中的区域平均范围)Fig.5 (a) Total variance contributions of GW,AMO and IPO to the low-frequency variability of land precipitation in the JJA of 1934—2015,and relative contributions of (b) GW,(c) AMO and (d) IPO (the boxes in Fig.5a are the domains specified to calculate the domain-averaged relative contributions in Table 1)

表1 1934—2015年夏季(6—8月)GW、AMO和IPO对全球各大洲陆地降水的总方差贡献和每个因子的相对方差贡献比例

图6a和表2为GW、AMO和IPO对12月—次年2月陆地降水总的方差贡献。三者对美国西南部、南美洲南部、西西伯利亚平原和澳大利亚西部降水的解释方差在40%以上。不同大洲来看,三者对澳洲、欧洲、亚洲这些区域降水变化的解释方差达到30%以上,对其他区域的解释方差也都接近30%。与6—8月相比,三者对非洲和南美洲的解释方差降低,对澳大利亚、欧洲和亚洲的解释方差提高,北美洲变化不大。

图6 同图5,但为12月—次年2月Fig.6 Same as Fig.5,but for precipitation in DJF

分析6—8月期间,GW、AMO和IPO对不同大洲降水变化的相对方差贡献大小(图5b、c、d)。结合表1来看,北美洲北部降水变化受GW和AMO影响最大,解释方差分别为37%和35%,在GW的影响下,北美洲北部表现为湿润的趋势。北美洲西部在AMO正位相表现为降水偏少。南美洲受到AMO影响最显著,其方差贡献为42%。受到GW和IPO的影响大致相当,分别为31%和27%,因此南美洲降水主要表现为与AMO相关的年代际振荡模态。非洲降水变化主要受到AMO和GW的影响,AMO的方差贡献最大,为40%,GW和IPO分别为38%和22%。在AMO正位相期间非洲降水偏多,IPO正位相期间降水偏少。在GW的影响下,非洲萨赫勒地区表现为干旱的趋势。澳大利亚地区的降水受到AMO和IPO的共同影响最为显著,主要表现为以年代际振荡为主,其中IPO的方差贡献为35%,AMO为34%。IPO正位相期间,澳大利亚降水偏多。AMO正位相期间。澳大利亚中部降水偏少。欧洲降水变化受到AMO主导,方差贡献为45%。全球变暖和IPO的方差贡献分别为34%和21%。在AMO正位相期间,欧洲西北部大西洋沿岸降水偏多,东南部降水偏少。亚洲地区降水变化受到GW影响最大,方差贡献为40%。受全球变暖的影响,亚洲中西部和中国东南部地区表现为降水增多的趋势,印度半岛、中国东北部和中西伯利亚高原及以东地区表现为降水减少的趋势。AMO正位相时,西伯利亚和中国南部降水偏多,蒙古和中国西南及渤海湾地区降水偏少。

12月—次年2月期间,GW和IPO对降水的解释方差较大,AMO解释方差较小(图6b、c、d)。结合表2来看,北美洲北部降水变化主要受到GW的影响。加拿大西部受GW影响表现为干旱的趋势,与6—8月趋势相反。五大湖地区的降水在12月—次年2月表现为减少。北美南部降水受IPO主导,IPO对其方差贡献达到58%。南美洲降水受GW主导,GW对南美洲降水的方差贡献为40%表现为南部增加北部减少的趋势。IPO对南美洲降水的方差贡献为32%,在IPO正位相时,南美洲东部降水偏少,西部偏多。非洲降水主要受到GW影响,非洲大部分区域表现为干旱的趋势。澳大利亚降水受GW和IPO影响较大,方差贡献分别为46%和31%。澳大利亚西部受GW影响表现为显著的降水增多的趋势,在IPO正位相期间,澳大利亚东部降水显著偏多。欧洲地区降水变化主要受到GW的影响,GW的方差贡献为55%,对欧洲西部贡献高达67%,AMO和IPO对其影响较小。在GW的影响下,欧洲冬季表现为降水增多的趋势。亚洲降水受GW和AMO主导,其方差贡献为39%和35%。在GW的作用下,亚洲北部地区降水显著增加。AMO正位相时,亚洲北部地区降水偏少,南部地区降水偏多。在IPO正位相时,亚洲北部降水偏多,中国华北降水偏多。

表2 1934—2015年冬季(12月—次年2月)GW、AMO和IPO对全球各大洲陆地降水的总方差贡献和每个因子的相对方差贡献比例

将相对方差贡献沿纬度平均,每10°取平均,得到不同纬度带内3个因子的相对方差贡献大小(图7)。6—8月(图7a),在10°N以北,GW和AMO 对降水变化的相对方差贡献较大,IPO的贡献相对要小,南半球受GW的影响相对较小,10°～40°S,降水主要表现为与AMO相关的年代际振荡;赤道地区降水变化主要受到GW和IPO的影响;12月—次年2月(图7b),北半球中高纬地区(40°N以北)降水受GW的影响异常显著,20°～30°N降水变化则主要受到IPO的影响,即这个区域内降水变化的年代际振荡特征突出,AMO贡献最大的区域为50°～60°S,30°S以北的区域AMO的贡献均较低。

图7 GW(红线)、AMO(蓝线)和IPO(黑线)对6—8月(a)和12月—次年2月(b)降水的相对方差贡献比例的纬向平均Fig.7 Zonal averaged relative contribution of GW (red line),AMO (blue line) and IPO (black line) to land precipitation in (a) JJA and (b) DJF

2.4 GW、AMO、IPO与陆地降水因果

利用信息流方法,进一步探究GW、AMO和IPO与全球陆地降水变化的因果联系,即GW、AMO和IPO的变化能否引起陆地降水的变化(Liang,2014)。由于信息流方法计算过程中的特殊性,未对AMO和IPO指数以及月降水进行低通滤波,仅做去季节循环处理,并对其结果进行统计检验。

图8a表示GW对陆地降水的信息流分布,全球变暖与许多区域的降水存在显著的因果联系,例如北美洲东北部、南美洲南部、非洲中部和萨赫勒、亚欧大陆中部、北部和澳大利亚西部。全球变暖对这些地区的年降水有显著影响,使这些区域趋于湿润或者干旱,信息流的结果与方差贡献的结果基本一致(图5b、6b)。与方差贡献结果不同的是,GW的信息流与东亚降水的因果关系并不显著。图8b表示AMO对陆地降水的信息流分布,AMO与非洲萨赫勒、西伯利亚、美国南部、南美洲北部和澳大利亚中南部的这些地区的降水变化存在显著的因果关系。此结果与方差贡献基本一致(图5c、6c)。图8c为IPO对陆地降水的信息流分布。可以看到,降水与IPO存在显著因果关系的区域主要为北美洲西南部、南美洲东北部和东南部、非洲南部、亚洲里海东部、中南半岛、中国南部和澳大利亚,这与方差贡献的结果一致(图5d、6d)。

图8 1934—2015年GW(a)、AMO(b)、IPO(c)指数对GPCC降水的信息流分布(打点区域表示相关系数通过0.1信度的显著性水平检验)Fig.8 Information flow from (a) GW,(b) AMO and (c) IPO to the land precipitation during 1934—2015 (the areas with dots are statistically significant at the 10% level)

本文利用观测资料,探究了GW、AMO和IPO对1934—2015年6—8月和12月—次年2月的全球陆地降水变化的相对贡献,并选用两套降水数据进行了交叉验证。通过对降水(30°N～30°S)和SST(45°N～20°S)进行SVD分析,发现影响陆地降水趋势和年代际变化的主要海洋模态为GW、AMO和IPO。GW对陆地降水的趋势变化有重要影响,IPO和AMO则主要影响降水的年代际变化。

进一步定量计算了GW、AMO和IPO对降水的相对方差贡献大小。不管是6—8月还是12月—次年2月,都是GW的方差贡献最大。6—8月,AMO的贡献次之。但在12月—次年2月,是IPO的贡献次之。方差贡献的纬度平均的结果表明:GW在 6—8月期对10°N以北地区降水贡献较大,南半球受GW的影响相对较小,12月—次年2月,北半球中高纬地区(40°N以北)降水受GW的影响异常显著;AMO在6—8月对10°～40°S以及50°～60°S纬度带的降水的贡献较大,12月—次年2月,除了50°～60°S纬度带,其他纬度带AMO的贡献均较低;IPO在6—8月除了40°～50°S纬度带,对其他纬度带的降水贡献均较低,12月—次年2月,北半球中纬度降水变化主要受到IPO的影响。

GW、AMO和IPO对不同大洲的降水变化的方差贡献存在显著差异。6—8月期间,GW对非洲北部、北美洲北部和亚洲降水的方差贡献在40%左右,北美洲降水增加,非洲大部分地区降水减少,亚洲中西部地区降水增加;12月—次年2月,GW对欧洲东部降水的方差贡献达67%,欧洲西北部、格陵兰岛、南美洲南部和澳大利亚降水增加,加拿大和亚洲中东部降水减少。非洲降水在冬夏季均为减少。6—8月,AMO对非洲北部、南美洲和欧洲西部降水的方差贡献超过40%。AMO正位相时,西伯利亚地区降水偏多,南美洲降水偏少。12月—次年2月,IPO对北美洲南部降水的方差贡献达58%,此外,IPO对南美洲东北部、非洲南部、澳大利亚东部、南亚季风区和中国北部降水的影响也非常显著。IPO正位相时,北美南部和中部,南美东部,我国华北东北、澳大利亚东部降水偏多,美国南部、南美洲东北部、非洲中部南部、我国西南部降水偏少。

猜你喜欢 南美洲方差模态 从亚洲到南美洲小猕猴智力画刊(2021年3期)2021-04-08多模态话语理论在英语教学中的应用与前景探析读与写·教育教学版(2018年10期)2018-10-25模态可精确化方向的含糊性研究成长·读写月刊(2018年8期)2018-08-30方差生活秀初中生世界·九年级(2017年10期)2017-11-08基于滑动拟合阶次和统计方法的模态阻尼比辨识技术计算机辅助工程(2017年3期)2017-07-13浅论南美洲经济发展青春岁月(2016年22期)2016-12-23揭秘平均数和方差的变化规律中学生数理化·八年级数学人教版(2016年5期)2016-08-23方差越小越好？中学生数理化·八年级数学人教版(2016年5期)2016-08-23方差在“三数两差”问题中的妙用中学生数理化·八年级数学人教版(2016年5期)2016-08-23基于CAE的模态综合法误差分析计算机辅助工程(2012年5期)2012-11-21

推荐访问:全球 降水 陆地