吳香華,牛生杰,金德鎮(zhèn),孫海燕

(1.南京信息工程大學 數(shù)學與統(tǒng)計學院,江蘇 南京 210044;2.南京信息工程大學 大氣物理學院,江蘇 南京 210044;3.吉林省人工影響天氣辦公室,吉林 長春 130062)

吉林春旱期降水潛在影響因子的分離時間尺度分析

吳香華1,2,牛生杰2,金德鎮(zhèn)3,孫海燕3

(1.南京信息工程大學 數(shù)學與統(tǒng)計學院,江蘇 南京 210044;2.南京信息工程大學 大氣物理學院,江蘇 南京 210044;3.吉林省人工影響天氣辦公室,吉林 長春 130062)

基于1960—2012年的地面常規(guī)氣象指標、大尺度氣候指數(shù)和NOAA氣候分析產(chǎn)品,利用功率譜周期分析、時間尺度分離分析和交叉檢驗的逐步回歸分析等,把吉林省春旱期(4—5月)降水量分離成不同時間尺度的值,并在年代際尺度和年際尺度下分別找到顯著相關的影響因子。結果表明:吉林春旱期降水存在著2～4 a的年際變化和10 a左右的年代際變化。在年代際尺度上,4月降水與前期3月南半球環(huán)球狀態(tài)指數(shù)以及俄羅斯東部高緯地區(qū)的低空經(jīng)向風有關,5月降水與同期北半球環(huán)球狀態(tài)指數(shù)和前期4月太平洋中高緯環(huán)流有關;在年際尺度上,4月降水與前期3月混合ENSO指數(shù)和同期當?shù)叵鄬穸?、華東華北沿海地區(qū)的低層經(jīng)向風有關,5月降水與同期北大西洋濤動指數(shù)以及局地相對濕度、地面氣壓有關。利用選出的影響因子對降水進行預報,估計值和真實值的相關系數(shù)分別為0.67(4月)和0.81(5月),且選擇合適的影響因子比模型結構更加重要。

吉林省春旱期降水;影響因子;功率譜周期分析;時間尺度分離分析;降尺度分析

0 引言

受全球氣候變化的影響,近年來我國降水異常事件頻發(fā),相關問題的研究也受到了氣象學家越來越多的關注。近50 a的數(shù)據(jù)分析表明,全國平均降水呈緩慢增長趨勢(范澤孟等,2012),不同地區(qū)的降水在不同時間尺度下常常有差異。例如,北方地區(qū)的降水變化幅度小于南方(嚴華生等,2004;劉宣飛和袁旭,2013;苗長明等,2013;張旭暉等,2013),東北地區(qū)年降水量呈現(xiàn)較顯著下降趨勢,年降水量存在著區(qū)域性的多重時間尺度下的周期變化特征,短周期和長周期變化都對降水有較大影響(龔等,2003;姜曉艷等,2009;羅連升等,2010;王文等,2014);降水集中度自東南向西北逐漸遞減,集中期具有南北高中間低的變化特點(張運福等,2009)。

吉林省是我國東北地區(qū)重要的糧食生產(chǎn)基地,春季降水對春耕、春播生產(chǎn)活動有著重要意義(秦元明等,2008)。但是,在全球變暖的大趨勢下,平均溫度每上升1 ℃,吉林省的干旱化程度將加劇5%～20%(謝安等,2003),干旱和沙漠化嚴重影響了農(nóng)作物的產(chǎn)量。張脈惠等(2012)和陳社明等(2013)研究了吉林省春雨開始期的劃分標準、推進特征和時空分布特征,發(fā)現(xiàn)4—5月是春旱容易發(fā)生的時期。

降水是一個自然變異很大、影響因素復雜的氣象因子,可能是少數(shù)幾個因素作用的結果,也可能是多個因素共同作用的結果。閆炎等(2010)研究發(fā)現(xiàn),北大西洋濤動NAO(North Atlantic Oscillation Index)指數(shù)與我國西北地區(qū)的降水在年際尺度上正相關,在年代際尺度上負相關。鄭菲和李建平(2012)發(fā)現(xiàn)前期南半球環(huán)球狀態(tài)SAM(Southern Hemisphere Annular Mode Index)指數(shù)與我國華南地區(qū)春季降水存在顯著的負相關。尹姍等(2013)提出前期北半球環(huán)球狀態(tài)NAM(Northern Hemisphere Annular Mode Index)指數(shù)會對中國東部北方地區(qū)春季極端氣象事件造成影響。王林等(2011)指出前期冬季的北太平洋濤動PDO(North Pacific Oscillation Index)指數(shù)與我國春季的氣候異常間存在緊密的聯(lián)系?；旌螮NSO指數(shù)MEI(Multivariate ENSO Index)能很好地表示ENSO事件中海氣耦合系統(tǒng)的特征,比各種SST指數(shù)等能更好更全面地監(jiān)測和反映ENSO事件,可用來研究一些氣旋活動和降水特征(Ma and Chen,2009)。此外,湯陽等(2013)發(fā)現(xiàn)中國低緯高原區(qū)5月降水與前期海溫異常場之間都具有很好的相關性。魏鳳英和黃嘉佑(2010)和Guo et al.(2012)發(fā)現(xiàn),影響華東地區(qū)降水的主要是北半球和東半球副高系統(tǒng)、東亞地區(qū)副高系統(tǒng),影響華北的主要是東太平洋海溫、低層經(jīng)向風等。從以往的研究中可見,在不同時間尺度下進行降水量的統(tǒng)計降尺度分析、實現(xiàn)短期氣候預測(黃剛等,2012)是一種高效可行的方案。本文將基于多源資料對吉林春旱期降水進行功率譜周期分析、時間尺度分離分析和統(tǒng)計降尺度分析,以期挑選出科學合理的降水影響因子,構建吉林省春旱期降水預測模型,并且為減旱、抗旱提供參考依據(jù)。

1 資料與方法

1.1 資料

核心氣象要素是1960—2012年吉林省春旱期降水,選取對農(nóng)作物生長最重要的4—5月的月值數(shù)據(jù)。選用的地面常規(guī)氣象資料來自中國氣象科學數(shù)據(jù)共享服務網(wǎng)提供的吉林省24個站點,去除有較多缺失數(shù)據(jù)的永吉、盤石、汪清3個站,最終選取21個站點的均值來代表春旱期吉林省指標值;氣象要素包括當月和上月的降水量、氣壓、風速、氣溫、水汽壓和相對濕度。此外,還用到5個大尺度氣候指數(shù)(Guo et al.,2012;Sun et al.,2009),包括南半球環(huán)球狀態(tài)SAM指數(shù)、北半球環(huán)球狀態(tài)NAM指數(shù)、北大西洋濤動NAO指數(shù)、北太平洋濤動PDO指數(shù)和混合ENSO指數(shù)MEI。其中,MEI資料來自美國國家海洋與大氣局,綜合了6種熱帶太平洋的觀測數(shù)據(jù)后,經(jīng)過匯整以及標準化處理后得到(Ma and Chen,2009)。全球大氣資料選用的是NOAA的再分析資料,主要用到表面溫度、海平面氣壓、經(jīng)向風和位勢高度4個指標,水平分辨率2.5°×2.5°。

1.2 方法

首先,通過周期分析判斷降水因子是否需要進行時間尺度上的分離。如果具有差異顯著的周期,可以采用傅里葉分解的方法分離降水量。其次,對于不同時間尺度下的降水分量,分別從前期和同期的數(shù)據(jù)中挑選出高度相關的物理因子,實現(xiàn)降水量影響因子的初步篩選。但是,某一時間尺度下的多個降水影響因子很可能存在多重共線性,此時會失去結構分析的物理意義,也會影響降水量的擬合優(yōu)度。因此,本文考慮運用交叉檢驗的逐步回歸方法對與降水影響因子再次篩選。最后,分別建立各個時間尺度下降水量的預報模型,分析云降水物理的理論支持,并疊加所有尺度的降水估計值來估計降水綜合值。

圖1 1960—2012年吉林省4、5月的降水量序列(a),以及4月(b)和5月(c)降水的周期分析(虛線是紅噪音標準譜曲線,為0.05信度的顯著性檢驗)Fig.1 (a)Monthly precipitation series during April—May from 1960 to 2012;periodic analysis of precipitation during(b)April and(c)May(peak over the dashed line indicates the significance at 95% confidence level against red noise)

2 吉林春旱期降水的周期分析和數(shù)據(jù)分離

2.1 吉林春旱期降水的周期分析

吉林省屬于溫帶大陸性季風氣候,降水分布很不平穩(wěn)且波動情況比較復雜。由圖1a可見,4月區(qū)域平均降水約30 mm,5月約60 mm,降水的波動特征也不同。由圖1b和圖1c可見,4月和5月的降水周期中超過10.7 a的功率譜差異很大,但是沒有通過顯著性檢驗,所以可以不考慮;周期小于10.7 a的功率譜分布非常相似,均存在10 a左右的長周期和2～4 a的短周期。此時,選取長周期和短周期的平均值(6～7 a)為界,能夠分離兩種周期下的降水情況。長周期分量的計算,一般運用對原始數(shù)據(jù)進行滑動平均的方法,以奇數(shù)為宜。因此,選取7 a為界進行降水量的數(shù)據(jù)分離。

2.2 吉林春旱期降水的時間尺度分離

根據(jù)上文周期分析的結論,以7 a為分界線,對原始數(shù)據(jù)進行分離,得到1963—2009年共47 a的數(shù)據(jù)。周期大于7 a的數(shù)據(jù)變率稱為年代際變化,小于7 a的稱為年際變化。假設Y為實測雨量,D是分離后年代際值,A是年際值,則有

Y=D+A。

(1)

圖2 吉林省4月(a)和5月(b)降水量的時間尺度分離Fig.2 Separation of monthly precipitation in Jilin during (a)April and (b)May in different time scales

圖2展現(xiàn)了按時間尺度分離后的年代際變化和年際變化,4月和5月的情況差異很大。4月降水量年代際值的趨勢系數(shù)是-0.7 mm/(10 a),呈現(xiàn)微弱下降的走向,峰值出現(xiàn)在1966、1986、2008年,谷值出現(xiàn)在1973、1998年。5月降水的年代際值趨勢系數(shù)是2.3 mm/(10 a),峰值在1970、1997年,谷值在1964、1986、2003年。1986年4月的降水量出現(xiàn)了峰值,而5月卻為谷值;1997—1998年期間分別出現(xiàn)了5月的峰值和4月的谷值,可見4月和5月的年代際值在一定年份上呈現(xiàn)相反的波動情況,這也進一步證明本文將吉林省4—5月降水分月分析是合理的。在年際值方面,5月波動的振幅更大。4月降水年際值在1960—1970年和2000年以后具有較高的波動頻率,5月降水年際值在1985—2000年有較高的波動頻率。

3 年際值的影響因子

3.1 氣候指數(shù)和地面常規(guī)資料中的年際值影響因子

表1給出了吉林省春旱期降水年際值和氣候指數(shù)、地面常規(guī)氣象因子的相關系數(shù),4月降水年際值與前期3月混合ENSO指數(shù)IME3以及同期4月混合ENSO指數(shù)IME4、水汽壓e4和相對濕度IRH4有較高相關性,5月年際值與同期北大西洋濤動指數(shù)INAO5、氣壓p5、氣溫T5、相對濕度IRH5有較密切的聯(lián)系。

3.2 NOAA再分析資料中的年際值影響因子

圖3是47 a來吉林省4月降水量的年際分量分別與前期3月和同期4月海平面氣壓、表面溫度、850 hPa經(jīng)向風、500 hPa位勢高度的相關系數(shù)等值線。樣本量n=47,取顯著性水平α=0.01,查相關系數(shù)表,得到臨界值0.37。以相關系數(shù)絕對值大于0.37為標準,得到相關性高度顯著的區(qū)域。我國北方降水常常受中高緯環(huán)流(Zhou and Wang,2006;張健和李永生,2011;丁治英等,2013)、北大西洋濤動(戴新剛等,2013)、低層經(jīng)向風(Guo et al.,2012)、澳大利亞高壓(薛峰,2005)、索馬里急流(代瑋,2013)等的影響,圖3中框出的高相關區(qū)體現(xiàn)了這些影響,對應的區(qū)域均值被選為可能的影響因子(表2),4月降水年際值的可能影響因子記為M41-M44,5月的記為M51-M53(第一個下標表示月,第二個下標區(qū)別各個變量)。

表1吉林省4、5月降水量與地面常規(guī)氣象因子、氣候指數(shù)在年際尺度上的相關系數(shù)

Table 1 Interannual correlationship between April(May) precipitation and surface meteorological factors and large-scale climate indices

變量與4月降水量的相關系數(shù)變量與5月降水量的相關系數(shù)降水量3月-0.204月1降水量4月-0.365月1氣壓3月-0.024月-0.02氣壓4月-0.015月-0.521)風速3月-0.074月0.08風速4月0.095月0.04氣溫3月0.124月-0.18氣溫4月0.205月-0.521)水汽壓3月-0.084月0.341)水汽壓4月0.065月0.22相對濕度3月-0.224月0.561)相對濕度4月-0.155月0.681)ISAM3月0.014月0.08ISAM4月-0.015月-0.16INAM3月0.274月-0.19INAM4月0.275月-0.27INAO3月0.034月0.01INAO4月0.035月-0.321)IPDO3月-0.054月0.01IPDO4月0.075月0.09IME3月0.251)4月0.201)IME4月0.095月0.08

注：1)表示通過了0.05信度的顯著性檢驗.

圖3 吉林省4月降水年際值與上月(a,c,e,g)和當月(b,d,f,h)氣象因子的相關系數(shù)分布(陰影表示相關系數(shù)通過了0.01信度的顯著性檢驗,方框表示高相關區(qū)域) a,b.海平面氣壓;c,d.表面溫度;e,f.850 hPa經(jīng)向風;g,h.500 hPa位勢高度Fig.3 Contours of interannual correlation between April precipitation in Jilin province and (a,b)sea level pressure,(c,d)skin temperature,(e,f)850 hPa meridional wind,and (g,h)500 hPa geopotential height in (a,c,e,g)March and (b,d,f,h)April(the shading areas denote the significance at 1% confidence level(α=0.01).The black rectangles indicate areas of high correlation coefficients)

表2NOAA再分析資料中影響因子的選取及其與吉林省4、5月降水年際值相關系數(shù)

Table 2 Selection of influence factors from NOAA global reanalysis data and interannual correlationship between April(May) precipitation in Jilin province and the influence factors

氣象要素范圍變量符號與4月降水年際值的相關系數(shù)4月海平面氣壓80～115°E,15～30°SM41-0.464月850hPa經(jīng)向風115～155°E,20～45°NM420.483月500hPa位勢高度118～125°E,20～40°SM430.464月500hPa位勢高度125～145°E,20～35°NM440.44氣象要素范圍變量符號與5月降水年際值的相關系數(shù)5月海平面氣壓180°～208°E,35～50°NM51-0.414月850hPa經(jīng)向風262～287°E,10～35°NM52-0.375月500hPa位勢高度170～200°E,40～55°NM53-0.39

3.3 年際值的預報分析

3.1和3.2節(jié)從多源資料中選出了較多的降水年際值影響因子,但是影響因子并不是越多越好,需要挑選出對降水有重要影響的關鍵因子(Zhu et al.,2008)。選用交叉檢驗的逐步回歸方法,以較小均方根誤差為目標,對變量進行篩選。表3是多源資料下,吉林省4月降水年際值影響因子的挑選過程,5月類似(略)。第1步被選入的是3月混合ENSO指數(shù)IME3。隨后,從地面常規(guī)氣象指標中選擇,第5步選入4月相對濕度IRH4后,均方根誤差迅速從12.52減小到10.39。第6步以后添加NOAA再分析資料中的影響因子,第7步選入M42后均方根誤差降到9.83。第7步以后,均方根誤差沒有明顯減小,故沒有必要引進新的影響因子。由表2可見,M42表示4月115～155°E、20～45°N范圍低空經(jīng)向風,通過南方氣旋(秦元明等,2008)影響吉林省4月降水量的年際值A4,建立預報方程:

A4=-69.07+2.02IME3+1.22IRH4+6.54M42。

(2)

圖4 吉林省4月(a)、5月(b)降水年際值的擬合效果(實線表示真實值,虛線表示擬合值)Fig.4 Fitting effects of interannual precipitation in Jilin province during (a)April and (b)May(solid lines represent the true values,while the dotted lines represent the fitted ones)

同理,如果A5表示5月降水量的年際值,運用交叉檢驗的逐步回歸分析,最終建立方程:

A5=3121.85-1.36INAO5+2.18IRH5-3.34p5。

(3)

圖4是吉林省春旱期降水年際值的擬合情況,4月和5月真實值和擬合值的相關系數(shù)分別是0.61和0.78(α=0.01)。4月的年際值模型在1981—1982年、2007年、2009年擬合較差,其余年份擬合得較好。5月年際值擬合方程除了在1996年和2005年擬合不夠理想,其余年份都十分貼切地反映了年際變化的情況。

表3吉林省4月降水量年際值影響因子的挑選

Table 3 Selection of the interannual influence factors for precipitation in Jilin province in April

步驟選入因子ERMS說明1IME312.52效果較好2IME412.673IME3,IME412.574IME3,e412.055IME3,IRH410.39明顯改進6IME3,IRH4,M419.917IME3,IRH4,M429.83改進8IME3,IRH4,M439.909IME3,IRH4,M449.9610IME3,IRH4,M42,M419.7211IME3,IRH4,M42,M419.58改進,但不明顯12IME3,IRH4,M12,M119.88

4 年代際值的影響因子

4.1 氣候指數(shù)和地面常規(guī)資料中的年代際值影響因子

表4給出了吉林省春旱期降水年代際值與氣候指數(shù)、地面常規(guī)氣象因子的相關系數(shù),最終確定ISAM3和4月相對濕度IRH4是可能的影響因子,5月年代際值的可能影響因子是INAM5、前期4月降水量Y4和5月相對濕度IRH5。

4.2 NOAA再分析資料中的年代際值影響因子

圖5是吉林省4月降水量的年代際分量分別與前期3月和同期4月海平面氣壓、表面溫度、850 hPa經(jīng)向風、500 hPa位勢高度的相關系數(shù)分布。與圖3類似,對應的區(qū)域均值被選為可能的影響因子(表5),4月影響因子記為N41-N43,5月的為N51-N57。

表4吉林省4、5月降水量與地面常規(guī)氣象因子、氣候指數(shù)在年代際尺度上的相關系數(shù)

Table 4 Inter-decadal correlationship between April(May) precipitation and surface meteorological factors and large-scale climate indices

變量與4月降水量的相關系數(shù)變量與5月降水量的相關系數(shù)降水量3月0.114月1降水量4月-0.351)5月1氣壓3月-0.134月-0.02氣壓4月0.015月-0.19風速3月0.14月0.07風速4月-0.185月-0.25氣溫3月-0.034月-0.15氣溫4月0.265月-0.19水汽壓3月-0.034月0.02水汽壓4月-0.015月0.20相對濕度3月0.014月0.231)相對濕度4月-0.255月0.381)ISAM3月0.201)4月-0.16ISAM4月0.035月0.19INAM3月0.114月0.02INAM4月0.055月-0.321)INAO3月0.064月0.07INAO4月-0.205月-0.21IPDO3月0.094月0.10IPDO4月-0.105月0.04IME3月0.014月0.02IME4月0.035月0.01

注：1)表示通過了0.05信度的顯著性檢驗.

4.3 年代際值的預報分析

運用交叉檢驗的逐步回歸方法對變量進行篩選,過程同表3(略)。由表5可見,N42為3月125～155°E、60～80°N范圍850 hPa經(jīng)向風風速,通過北方氣旋(秦元明等,2008)影響4月降水年代際分量D4,N57為4月105～125°W、20～40°N范圍850 hPa經(jīng)向風風速,通過中高緯環(huán)流(李建平等,2013)影響5月降水年代際分量D5,得到預報方程:

D4=30.34-0.80ISAM3+1.93N42;

(4)

D5=47.60-0.99INAM5-6.50N57。

(5)

圖6反映了降水年代際值的擬合情況,4月和5月真實值和擬合值的相關系數(shù)分別是0.45和0.71。5月年代際值的擬合(圖6b)很好,把細節(jié)處的波動都擬合出來了。4月(圖6a)雖然不如5月,但是基本上也反映了年代際變化的情況。

5 降水綜合值的預報分析

挑選出年代際尺度和年際尺度的影響因子后,可以把上文降水年代際分量估計值和年際分量估計值直接求和,也可以把選出的所有影響因子作為協(xié)變量,重新對降水綜合值建立數(shù)學模型。對比兩種方法的計算結果,發(fā)現(xiàn)效果差別不大(幾乎可以忽略),估計值和真實值的相關系數(shù)分別為0.67(4月)和0.81(5月),可見對吉林省春旱期降水量月值進行預報時,影響因子的選擇遠甚于模型結構的確立。

利用大尺度氣候指數(shù)資料、常規(guī)地面氣象資料和NOAA全球氣候分析產(chǎn)品的多源資料,基于時間分離的統(tǒng)計降尺度方法,分別挑選年代際尺度、年際尺度下的降水影響因子建立吉林春旱期降水模型,所得結果(圖7)在大尺度氣候態(tài)、總體趨勢、局地氣象變化、年際波動上基本都能反映實際降水的特征。

6 結論

1)吉林省4月降水量存在逐漸減少的趨勢,5月降水在年代際尺度上緩慢增長;5月平均降水是4月的2倍,且峰、谷值出現(xiàn)時間很不同,這兩個月的降水性質差異很大。但是,都存在約10 a的長周期和2～4 a的短周期。

2)在年代際尺度上,吉林省4月降水與前期3月南半球環(huán)球狀態(tài)指數(shù)以及125～155°E、60～80°N范圍850 hPa經(jīng)向風有較強相關性;5月降水與同期北半球環(huán)球狀態(tài)指數(shù)和前期4月105～125°E、20～40°N范圍850 hPa經(jīng)向風相關。在年際尺度上,4月降水與前期3月混合ENSO指數(shù)和同期相對濕度、115～155°E、20～45°N范圍850 hPa經(jīng)向風相關;5月降水與同期北大西洋濤動指數(shù)以及局地相對濕度、地面氣壓相關。

3)對吉林省春旱期降水量建立預報模型的過程中,影響因子的選擇比模型結構更加重要。首先按照年代際和年際尺度分別挑選出合適的影響因子;然后對總降水量建立一個總的預報方程,或者分別建立年代際和年際尺度的預報方程、再合并,都可以得到較準確的綜合降水估計值,估計值和真實值的相關系數(shù)分別為0.67(4月)和0.81(5月)。

圖5 吉林省4月降水年代際值與上月(a,c,e,g)和當月(b,d,f,h)氣象因子的相關系數(shù)分布(陰影表示相關系數(shù)通過了0.01信度的顯著性檢驗,方框表示高相關區(qū)域) a,b.海平面氣壓;c,d.表面溫度;e,f.850 hPa經(jīng)向風;g,h.500 hPa位勢高度Fig.5 Contours of inter-decadal correlation between April precipitation in Jilin province and (a,b)sea level pressure,(c,d)skin temperature,(e,f)850 hPa meridional wind,and (g,h)500 hPa geopotential height in (a,c,e,g)March and (b,d,f,h)April(the shading areas denote the significance at 1% confidence level(α=0.01).The black rectangles indicate areas of high correlation coefficients)

表5NOAA再分析資料中影響因子的選取及其與吉林省4、5月降水年代際值相關系數(shù)

Table 5 Selection of influence factors from NOAA global reanalysis data and inte-decadal correlationship between April(May) precipitation in Jilin province and the influence factors

氣象要素范圍變量符號與4月降水年代際值的相關系數(shù)3月表面溫度80～120°E,65～82°NN41-0.383月850hPa經(jīng)向風125～155°E,60～80°NN420.44月850hPa經(jīng)向風225～255°E,15～42°NN430.43氣象要素范圍變量符號與5月降水年代際值的相關系數(shù)4月海平面氣壓18～60°E,45～65°SN51-0.434月海平面氣壓225～240°E,20～35°NN520.415月海平面氣壓180°～210°E,35～52°NN53-0.465月海平面氣壓235～265°E,50～72°NN540.474月表面溫度170～195°E,20～32°SN550.44月表面溫度255～278°E,30～52°NN56-0.574月850hPa經(jīng)向風235～255°E,20～40°NN57-0.69

圖6 吉林省4月(a)、5月(b)降水年代際值的擬合效果(實線表示真實值,虛線表示擬合值)Fig.6 Fitting effects of inter-decadal precipitation in Jilin province during (a)April and (b)May(solid lines represent the true values,while the dotted lines represent the fitted ones)

圖7 吉林省4月(a)、5月(b)綜合降水的擬合效果(實線表示真實值,虛線表示擬合值)Fig.7 Fitting effects of monthly precipitation in Jilin province during (a)April and (b)May(solid lines represent the true values,while the dotted lines represent the fitted ones)

陳社明,盧文喜,羅建男,等.2013.吉林西部氣象干旱的多標度分形特征[J].吉林大學學報:地球科學版,43(1):245-250.

代瑋.2013.索馬里急流多時間尺度的變化特征及其對亞洲季風的影響[D].北京:中國氣象科學研究院.

戴新剛,汪萍,張凱靜.2013.近60年新疆降水趨勢與波動機制分析[J].物理學報,62(12):527-537.

丁治英,王小龍,高松,等.2013.高原夏季帶狀MCSs的分類以及形成原因[J].大氣科學學報,36(6):641-652.

范澤孟,岳天祥,陳傳法,等.2012.中國降水未來情景的降尺度模擬[J].地理研究,31(12):2283-2291.

黃剛,張立鳳,王秋良,等.2012.基于集合預報產(chǎn)品的降尺度降水預報試驗[J].氣象科學,32(5):508-514.

姜曉艷,劉樹華,馬明敏,等.2009.東北地區(qū)近百年降水時間序列變化規(guī)律的小波分析[J].地理研究,28(2):354-362.

李建平,任榮彩,齊義泉,等.2013.亞洲區(qū)域?！憽獨庀嗷プ饔脤θ蚝蛠喼逇夂蜃兓淖饔醚芯窟M展[J].大氣科學,37(2):518-538.

劉宣飛,袁旭.2013.江南春雨的兩個階段及其降水性質[J].熱帶氣象學報,29(1):99-105.

羅連升,江雙五,田紅.2010.降尺度方法在安徽省月降水量預測中的試用[J].氣象科學,30(1):15-20.

苗長明,郭品文,丁一匯,等.2013.江南南部初夏汛期降水特征Ⅱ:雨季指數(shù)與影響雨季的大氣環(huán)流關鍵區(qū)[J].大氣科學學報,36(6):717-724.

秦元明,劉秀花,王曉明,等.2008.中國氣象災害大典吉林卷[M].北京:氣象出版社.

湯陽,楊若文,胡金明,等.2013.海表溫度異常與中國低緯高原5月降水的ESVD研究[J].熱帶氣象學報,29(3):449-457.

王林,陳文,馮瑞權,等.2011.北太平洋濤動的季節(jié)演變及其與我國冬春氣候異常的聯(lián)系[J].大氣科學,35(3):393-402.

王文,任冉,李耀輝.2014.基于EEMD 的黃河中上游夏季降水預報方法的研究[J].氣象科學,34(3):261-266.

魏鳳英,黃嘉佑.2010.大氣環(huán)流降尺度因子在中國東部夏季降水預測中的作用[J].大氣科學,34(1):202-212.

謝安,孫永罡,白人海.2003.中國東北近50年干旱發(fā)展及對全球氣候變暖的響應[J].地理學報,58(增刊):75-82.

薛峰.2005.南半球環(huán)流變化對東亞夏季風的影響[J].氣候與環(huán)境研究,24(4):123-130.

嚴華生,萬云霞,鄧自旺,等.2004.用正交小波分析近百年來中國降水氣候變化[J].大氣科學,28(1):151-157.

閆炎,趙昕奕,周力平.2010.近50年中國西北地區(qū)干濕演變的時空特征及其可能成因探討[J].干旱區(qū)資源與環(huán)境,24(4):38-44.

尹姍,馮娟,李建平.2013.前冬北半球環(huán)狀模對春季中國東部北方地區(qū)極端低溫的影響[J].氣象學報,71(1):96-108.

張健,李永生.2011.中高緯環(huán)流因子與黑龍江省初夏氣候異常[C]//第28屆中國氣象學會年會:S5氣候預測新方法和新技術.廈門.

張脈惠,王傳輝,江春,等.2012.中國東北地區(qū)春雨開始期變化特征研究[J].中國農(nóng)學通報,28(35):269-274.

張旭暉,居為民,蒯志敏,等.2013.江蘇春季霜凍氣候變化特征及其未來可能變化趨勢[J].大氣科學學報,36(6):666-673.

張運福,胡春麗,趙春,等.2009.東北地區(qū)降水年內分配的不均勻性[J].自然災害學報,18(2):89-94.

鄭菲,李建平.2012.前冬南半球環(huán)狀模對春季華南降水的影響及其機理[J].地球物理學報,55(11):3542-3557.

Guo Y,Li J,Li Y,et al.2012.A time-scale decomposition approach to statistically downscale summer rainfall over North China[J].J Climate,25(1):572-591.

Ma L P,Chen L S.2009.The relationship between global warming and the variation in tropical cyclone frequency over the western northen Pacific[J].J Trop Meteor,15(1):38-44.

Sun J Q,Wang H J,Yuan W.2009.A possible mechanism for the co-variability of the boreal spring Antarctic Oscillation and the Yangtze River Valley summer rainfall[J].Int J Climatol,29(9):1276-1284.

Zhou B T,Wang H J.2006.Relationship between the boreal spring Hadley circulation and the summer precipitation in the Yangtze River Valley[J].J Geophys Res,111:1-14.

Zhu C W,Park C K,Lee W S,et al.2008.Statistical downscaling for multi-model ensemble prediction of summer monsoon rainfall in the Asia-Pacific region using geopotential height field[J].Adv Atmos Sci,25(5):867-884.

(責任編輯：張福穎)

Applicationoftime-scaledecompositionmodelininfluencefactorsselectionduringspringdroughtperiodinJilinProvince

WU Xiang-hua1,2,NIU Sheng-jie2,JIN De-zhen3,SUN Hai-yan3

(1.School of Mathematics and Statistics,NUIST,Nanjing 210044,China;2.School of Atmospheric Physics,NUIST,Nanjing 210044,China;3.Weather Modification Office of Jilin Province,Changchun 130062,China)

Based on the ground meteorological indicators,the climate indexes and the NOAA reanalysis data during 1960—2012,spring-drought-period(April—May) monthly precipitation amounts in Jilin Province are analyzed by using power spectrum analysis,time-scale decomposition,cross-examination stepwise regression analysis,etc.This paper aims to find proper potential annual influence factors and decadal ones.The results show that April—May precipitation in Jilin Province has two significant periods,namely,2—4 years and about 10 years.In terms of the decadal scale,precipitation in April is closely related to the Southern Hemisphere Annular Mode Index in March and the 850 hPa meridional wind in March over the high-latitude area in East Russia,while that in May is related to the Northern Hemisphere Annular Mode Index in May and the Pacific mid-high-latitude circulations in April.As for the interannual scale,precipitation in April has close relationship with the Multivariate ENSO Index in March,the local relative humidity in April and the 850 hPa meridional wind in April over coastal areas in East and North China,while that in May does with the contemporary North Atlantic Oscillation Index,the local relative humidity and the surface pressure.The coefficients of correlation between the real values and the fitted ones are 0.67(April) and 0.81(May) separately,and proper potential influence factors play more important roles than the model structure.

precipitation during spring drought period in Jilin Province;influence factors;power spectrum analysis;time-scale decomposition;downscaling analysis

2013-04-20；改回日期2013-10-25

國家自然科學基金資助項目(41375138);江蘇省研究生培養(yǎng)創(chuàng)新工程(CX10B_295Z)

吳香華,博士,副教授,研究方向為云霧降水物理學,wuxianghua@nuist.edu.cn.

10.13878/j.cnki.dqkxxb.20130420006.

1674-7097(2014)05-0548-10

P461

A

10.13878/j.cnki.dqkxxb.20130420006

吳香華,牛生杰,金德鎮(zhèn)，等.2014.吉林春旱期降水潛在影響因子的分離時間尺度分析[J].大氣科學學報,37(5):548-557.

Wu Xiang-hua,Niu Sheng-jie,Jin De-zhen,et al.2014.Application of time-scale decomposition model in influence factors selection during spring drought period in Jilin Province[J].Trans Atmos Sci,37(5):548-557.(in Chinese)