于文金，蘇　榮，邵明陽，于步云，謝　濤，黃亦露南京信息工程大學(xué)，南京　004江西省九江市氣象局，九江　0093

?

瀾滄江流域暴雨干旱災(zāi)害與海溫異常波動規(guī)律的相關(guān)性

于文金1，*，蘇榮1，邵明陽2，于步云1，謝濤1，黃亦露1
1南京信息工程大學(xué)，南京210014
2江西省九江市氣象局，九江210093

摘要:基于中國氣象局國家氣象信息中心提供的瀾滄江區(qū)域1961—2011年50年氣象資料，采用EMD(Empirical Mode Decomposition)分解、均生函數(shù)逐步回歸模型、相關(guān)分析等方法，探討了瀾滄江流域極端天氣災(zāi)害的變化特征，及其區(qū)域極端災(zāi)害變化和全球海溫異常ENSO(El Ni?o/La Ni?a-Southern Oscillation)之間的聯(lián)系。結(jié)果表明:(1)該區(qū)域降水和暴雨頻次存在多尺度特征，降水量存在2a、7a、15a的變化周期，且主周期為準2 a。(2)降水量和暴雨頻度序列的IMF1和IMF2周期在2—7 a之間，與ENSO在年際變化上的信號相吻合，NINO(El Ni?o)指數(shù)無論春夏秋冬或年際都與暴雨和干旱災(zāi)害頻次呈現(xiàn)負相關(guān)，而SOI(Southern Oscillation Index)指數(shù)則呈現(xiàn)正相關(guān)，其中，NINO指數(shù)與干旱相關(guān)性指數(shù)在秋冬和年際接近－0.3。(3)瀾滄江流域暴雨和干旱災(zāi)害與ENSO有重要聯(lián)系，且隨著氣溫升高干旱災(zāi)害頻次明顯增加。研究結(jié)果顯示區(qū)域極端氣溫災(zāi)害的變化與全球氣候變暖有某種關(guān)聯(lián)，是全球氣候變化的區(qū)域響應(yīng)表現(xiàn)形式之一。

關(guān)鍵詞:瀾滄江;干旱;脆弱性;海溫指數(shù)

于文金，蘇榮，邵明陽，于步云，謝濤，黃亦露.瀾滄江流域暴雨干旱災(zāi)害與海溫異常波動規(guī)律的相關(guān)性.生態(tài)學(xué)報，2016，36(4):1115-1124.

Yu W J，Su R，Shao M Y，Yu B Y，Xie T，Huang Y L.Correlation between the regularity of abnormal fluctuation of sea surface temperature and rain and drought disasters in the Lancang River Basin.Acta Ecologica Sinica，2016，36(4):1115-1124.

全球變化條件下，極端事件頻繁發(fā)生［1-4］，這種極端的氣候事件被許多學(xué)者歸因于氣候變暖［5-6］，而區(qū)域極端氣候事件對全球氣候變化的響應(yīng)機理尚不清晰，極端氣候災(zāi)害的歸因問題也存在諸多疑點［7-11］。海洋是熱量和水汽輸送的重要動力，其海溫的異常變化將導(dǎo)致全球氣候的變化，瀾滄江-湄公河流域縱貫13個緯度，最大相對高差近5000 m，跨6種氣候帶，是一個特殊的環(huán)境變化敏感區(qū)，探討海溫異常的變化規(guī)律與瀾滄江-湄公河流域降水特征之間的關(guān)聯(lián)性，對于探究區(qū)域暴雨干旱災(zāi)害的成因機理及其對氣候變化下的區(qū)域氣候災(zāi)害響應(yīng)機理等重大問題具有重要的意義。

1　資料和方法

1.1資料來源和處理

本文資料來源于中國氣象局國家氣象信息中心，氣象資料研究時段為1960—2010年時間序列。海溫資料為1911—2011年時間序列。為選擇足夠數(shù)量的典型站，使采用的降水資料能夠代表研究區(qū)降水情況并滿足后續(xù)分析計算的基本要求，根據(jù)多步迭代估計方法［12］對站點最優(yōu)個數(shù)進行估計，共選取了瀾滄江流域及其周邊35站，數(shù)據(jù)經(jīng)嚴格訂正，對于站點個別年份資料缺失問題均經(jīng)過等距離插值法處理。

1.2研究方法

(1)EDM法

本文借鑒Huang等［11-13］提出的經(jīng)驗?zāi)B(tài)分解方法(Empirical Mode Decomposition，EMD)，對站點降水量序列進行分解。EMD可將時間信號在不同尺度(頻率)的波動或趨勢進行逐級分解，得到一系列具有不同特征尺度的數(shù)據(jù)序列，稱為本征模函數(shù)(Intrinsic Mode Function，IMF)，它是目前處理非平穩(wěn)、非線性信號，特別是分析時間序列趨勢的最好方法，相比傳統(tǒng)的傅立葉譜分析、小波分析等具有明顯的優(yōu)勢［14-15］。每個IMF必須滿足下列兩點:

1)零點數(shù)目與極值點數(shù)目相同或者至多相差1;

2)函數(shù)由局部極大值點構(gòu)成的包絡(luò)線和由局部極小值構(gòu)成的包絡(luò)線的均值為零。

計算公式為:

EMD分解過程就是依次提取各個IMF分量的過程，每次提取都將高頻信號分離出，最后得到趨勢分量或者是定常值。無論是數(shù)字濾波器、小波變換、還是EMD/HHT方法，都存在如何處理邊界問題［16］，本文采用鏡像對稱延伸方法解決這一問題。

(2)SVD分析

奇異值分解(SVD)用于分析兩個氣象要素場序列之間的相關(guān)關(guān)系［17-18］，可最大限度地從兩個要素場分離出多個相互獨立的耦合模態(tài)，從而揭示出兩要素場所存在的時域性的空間聯(lián)系。

前K個模態(tài)的累計平方協(xié)方差貢獻百分率為:

奇異值按降序排列，即＜a1，b1≥max，第1模態(tài)對交叉協(xié)方差的貢獻率最大，其余第2，第3，…，一次遞減。第K個模態(tài)異類相關(guān)系數(shù)分布性表示第k個左(右)場的展開系數(shù)所反映的右(左)氣象場時間變化程度大小的分布，顯著相關(guān)區(qū)則代表了兩氣象場相互影響的“關(guān)鍵區(qū)”，在一定程度上代表了左、右氣象場的遙相關(guān)性。

(3)均生函數(shù)預(yù)測模型

均生函數(shù)預(yù)測模型(MGF)是在多元回歸方程的過程中，按照偏相關(guān)系數(shù)的大小次序把自變量依次的引入均生函數(shù)延拓矩陣即多元方程，對引入方程中每個自變量的偏相關(guān)系數(shù)做統(tǒng)計檢驗，效應(yīng)顯著的自變量就留在回歸方程內(nèi)，以此循此繼續(xù)選下一個自變量。如果效果不顯著，則停止引入新的自變量。由于引入新的自變量，原來己經(jīng)進入方程的自變量由于變量之間的相互作用的影響，可能會變得不顯著，經(jīng)過統(tǒng)計檢驗確認后要隨時從方程中剔除，把效應(yīng)顯著的自變量保留下。一直到方程不再引入和剔除自變量為止，進而獲得最優(yōu)的回歸方程。

均生函數(shù)預(yù)測模型的流程:選取時間序列—均生函數(shù)的構(gòu)造外延—逐步回歸預(yù)測模型—構(gòu)造預(yù)報方程—預(yù)報方程擬合值和實際值對比—預(yù)測中應(yīng)用。

根據(jù)氣候的時間序列也即混沌時間序列同時包含不同的變化周期和尺度的震蕩性特征，均生函數(shù)做為時間序列的預(yù)測方法可以完善部分時間序列預(yù)測模型的缺陷，能夠得到序列極值的預(yù)測和擬合比較理想的效果。

圖1　瀾滄江流域站點分布圖Fig.1The Map of Lancang River Site

2　結(jié)果與分析

2.1EMD分解結(jié)果分析

已有研究發(fā)現(xiàn)［19-22］，EMD分解可能產(chǎn)生虛假分量，只有相關(guān)系數(shù)較大、圖像相似性較好的分量才是最主要的分量。本文計算了各序列EMD分解得出的IMF分量和原序列的相關(guān)系數(shù)，對各個分解出的IMF項與原序列進行相關(guān)系數(shù)統(tǒng)計，此外對相關(guān)系數(shù)進行了t檢驗，給定顯著性水平α=0.05，其中表格中帶＊＊部分為未通過顯著性檢驗，同時設(shè)置相關(guān)系數(shù)1/10為門限值，未通過顯著性檢驗和未達到門限值的均看做虛假分量。

分析結(jié)果表明，前兩個分量與原序列相符程度比較高，除春季IMF7、秋冬IMF8外，各IMF1與原序列相關(guān)系數(shù)均大于門限值，且絕大部分達到0.05顯著性水平(表1)，顯示EMD分解的結(jié)果比較理想。瀾滄江流域降水量序列EMD分解的結(jié)果顯示，瀾滄江流域降水量總體來說振幅逐漸變小，而平均周期由短變長。暴雨頻次序列IMF1—IMF5的平均周期分別為2.8、4.2、6.2、9.4、16.7、25a，降水序列的平均周期分別為2.9、7.1、15.4、30.8a(圖2)，二者周期對應(yīng)關(guān)系較好，暴雨頻次序列的變化周期小于降水序列周期。從各模態(tài)和趨勢項的方差貢獻率來看，IMF1的貢獻率最大，2.8a和4.2a是暴雨頻次的主周期，2.9a和7.1a為暴雨降雨量的主周期，即準2a周期是瀾滄江流域洪災(zāi)的穩(wěn)定主周期，同時也是中國洪災(zāi)變化的最主要周期(表2)。進一步將暴雨變化劃分為年際信號(IMF1、IMF2)、年代際信號(IMF3)和幾十年際信號(IMF4、IMF5)，則各信號的方差貢獻率基本上是遞減的，且年際信號(前兩個分量)包括了最主要的方差貢獻率，暴雨頻次和降水量序列年際信號的累計方差貢獻率分別達51.3%和84.1%(表3)。

2.2海溫異常與瀾滄江流域災(zāi)害相關(guān)性分析

氣象上把拉尼娜和厄爾尼諾合稱為ENSO(El Ni?o/La Ni?a-Southern Oscillation，簡寫ENSO，音“恩索”)。拉尼娜期間，印度尼西亞和澳大利亞的氣壓減弱，東南太平洋氣壓明顯升高。厄爾尼諾期間的情況正好相反。這種海洋與大氣的相互作用和關(guān)聯(lián)，全球尺度的氣候振蕩被稱為ENSO循環(huán)。海溫變化引起大氣環(huán)流和洋流的變化，從而改變影響水汽輸送的驅(qū)動力，最終導(dǎo)致海陸之間水汽和熱量交換和輸送的變化，從而造成區(qū)域極端天氣災(zāi)害的發(fā)生。

表1　EDM分解各分量和原序列相關(guān)系數(shù)Table1　The correlation coefficient about EDM decomposition components and raw sequence

圖2　夏季降水量EMD分解與暴雨頻次EMD分解量示意圖Fig.2EMD about precipitation in summer and EMD about rainstorm frequency decomposition of decomposition volume diagram

表2　各個IMF分量對所有分量的方差貢獻率Table2　The IMF component on all subscales of the variance contribution rate

表3　暴雨頻次各IMF分量的方差貢獻率Table3　The IMF components of variance contribution rate of rainstorm frequency

ENSO是導(dǎo)致全球各地破壞性干旱、暴風(fēng)雨和洪水的罪魁禍首，然而，ENSO波動規(guī)律以及引起區(qū)域災(zāi)害的相關(guān)性以及相關(guān)機理尚不十分清晰。本研究采用瀾滄江流域氣象資料、全球海溫資料以及災(zāi)害資料，探討暴雨、干旱極端天氣災(zāi)害與ENSO指數(shù)之間有何種聯(lián)動性。

2.2.1瀾滄江流域春季旱澇與前月海溫的可能關(guān)系

海洋是影響陸面氣候的一個重要的因素，它具有非常明顯的持續(xù)性和非常強的“記憶力”。由于海洋與陸地存在著滯后性，本文選用超前1個月的海溫與瀾滄江流域的季節(jié)性降水做相關(guān)性分析。根據(jù)我國瀾滄江流域的四季降水量和全球海溫的年平均溫度分別做相關(guān)性分析(圖3，藍色區(qū)域負相關(guān)，紅色區(qū)域正相關(guān))。經(jīng)過計算，發(fā)現(xiàn)瀾滄江流域的年降水量和全球SST(sea surface temperature)無顯著相關(guān)，故在此不做陳述。

瀾滄江流域春季的降水主要與熱帶太平洋以及印度洋流域南緯30°到60°之間海溫有顯著性相關(guān);夏季瀾滄江流域的相關(guān)區(qū)域主要是在印度洋，從赤道到南緯30°之間，呈現(xiàn)負相關(guān)，說明夏季該海域溫度升高時，降水減少;秋季瀾滄江流域的降水與海洋溫度的相關(guān)主要位于北太平洋，從30°N到60°N有兩處中心點，呈現(xiàn)的是負相關(guān);冬季瀾滄江的降水顯著相關(guān)區(qū)位于澳洲以東的南太平洋，這表明當該地區(qū)SST異常偏高時，西南地區(qū)春季降水易偏多，同時它與南大西洋是呈現(xiàn)的負相關(guān)。

夏季海溫場與瀾滄江流域旱澇Z指數(shù)場的SVD第一模態(tài)對比顯示，太平洋海溫分布主要呈現(xiàn)南北向的分布，當赤道中東太平洋海溫偏高，北太平洋海溫偏低時，瀾滄江流域夏季中部地區(qū)偏澇。反之亦然。第二模態(tài)顯示，瀾滄江流域呈現(xiàn)暴雨洪澇時，全球海溫呈現(xiàn)厄爾尼諾類型的分布，中東太平洋是負相關(guān)，而在西太平洋為顯著負相關(guān)。

圖3　全球前月海溫的標準化距平場與瀾滄江流域春季旱澇Z指數(shù)的SVD異質(zhì)相關(guān)Fig.3SVD heterogeneity related global before winter SST anomaly field of standardization in the Langcang River Valley and the spring drought index of Z

2.2.2海溫異?，F(xiàn)象與瀾滄江流域災(zāi)害頻次及波動相關(guān)性

EMD方程的分解量IMF值顯示，NINO的春、夏、秋、冬以及年際變化IMF1、IMF2、IMF3、平均值分別為3.03、2.78、2.94、2.94、3.32;5.56、4.76、5.56、5.56、5.56;11.11、8.33、10、10、11.11(圖4);春季和年際IMF4值還顯示出20a的波動，從均生函數(shù)預(yù)測模型(MGF)運行結(jié)果來看，過去55a歷史數(shù)據(jù)以及延至2050年氣候變化趨勢來看，春季表現(xiàn)平穩(wěn)，夏季和年際變化表現(xiàn)為上升趨勢，而秋冬兩季則表現(xiàn)出下降趨勢(圖5)，它的均方根誤差為0.32。而以上研究結(jié)果顯示，暴雨頻次序列IMF1—IMF5的平均周期分別為2.8、4.2、6.2、9.4、16.7、25a，而降水序列的平均周期分別為2.9、7.1、15.4、30.8a，可見二者之間都存在近3a、10a的周期，未來NINO頻率呈現(xiàn)微弱下降趨勢，這與該區(qū)域暴雨災(zāi)害的趨勢也表現(xiàn)出一定的一致性趨勢，同時，降水量和暴雨頻度序列的IMF1和IMF2周期在2—7a之間，與NINO在年際變化上的信號相吻合。ENSO是海氣耦合系統(tǒng)中最強的年際變化信號，它對東亞夏季風(fēng)的強弱變化和中國夏季降水的分布有重要影響，可以推斷瀾滄江流域暴雨和干旱災(zāi)害與ENSO有重要聯(lián)系。

一些學(xué)者在分析中國近500a旱澇時發(fā)現(xiàn)［23-27］，中國東部夏季降水有世紀周期存在，認為1873—2000年東亞夏季風(fēng)有顯著的80a周期，其次尚有40a周期、8—10a周期及準2a周期等。這些結(jié)論與本文的分析結(jié)果得出的結(jié)論有一定差異，主要原因在于前者是從中長期時間序列得出的長期波動規(guī)律，而本文研究結(jié)果更多的是對中短期震蕩規(guī)律的研究。

為了進一步研究瀾滄江區(qū)域暴雨及旱災(zāi)的歸因問題，探討海溫異常與氣象災(zāi)害的關(guān)聯(lián)，選擇瀾滄江流域100年來暴雨日數(shù)、暴雨量、大旱頻次分別與西太平洋海表溫度NINO指數(shù)以及SOI指數(shù)做相關(guān)分析。研究發(fā)現(xiàn)，NINO指數(shù)無論春夏秋冬或年際都與暴雨和干旱災(zāi)害頻次呈現(xiàn)負相關(guān)，與SOI指數(shù)則呈現(xiàn)正相關(guān)，其中，NINO指數(shù)與干旱相關(guān)性在秋冬和年際接近－0.3，春夏沒有通過T值檢驗，與暴雨負相關(guān)性也是在秋冬以及年際表現(xiàn)明顯;相對的，SOI指數(shù)與該區(qū)域暴雨的相關(guān)性表現(xiàn)較弱，與暴雨的相關(guān)系數(shù)僅在冬季通過了相關(guān)檢驗，與干旱的相關(guān)系數(shù)呈現(xiàn)正相關(guān)，且超過了0.3(表5)。

表4　NINO指數(shù)EMD方程分解結(jié)果Table4　NINO of Structural features，and the decomposed results

可見，NINO指數(shù)與暴雨相關(guān)性與SOI指數(shù)與暴雨的相關(guān)性均表現(xiàn)為負相關(guān)性明顯，而SOI指數(shù)與干旱的正相關(guān)性明顯，據(jù)此，可以推斷，該流域的暴雨可能受ENSO影響，而SOI則是干旱的重要制約因素之一。海溫對旱澇的影響，實際上是通過海溫對大氣環(huán)流的響應(yīng)產(chǎn)生的，大量的統(tǒng)計、診斷以及數(shù)值試驗的結(jié)果也證明海溫的熱力異常對中、高緯大氣環(huán)流異常有非常重要的影響，是對以上結(jié)論的重要佐證。

3　小結(jié)與討論

(1)夏季海溫場與瀾滄江流域旱澇Z指數(shù)場的SVD第一模態(tài)表明，與瀾滄江流域春季的降水有顯著性相關(guān)的是熱帶太平洋以及印度洋流域在南緯30°到60°之間海溫，當赤道中東太平洋海溫偏高，北太平洋海溫偏低時，流域夏季中部地區(qū)偏澇。第二模態(tài)，全球海溫呈現(xiàn)厄爾尼諾類型的分布，中東太平洋、西太平洋為顯著負相關(guān)。

圖5　NINO指數(shù)年際波動及未來50a的趨勢模擬Fig.5NINO simulation of interannual fluctuations and the trend of future 50 years

表5　NINO、SOI與瀾滄江流域災(zāi)害相關(guān)系數(shù)Table5　The coefficient of Enso，Soi and gallery Lancang River Basin disasters

(2)降水量和暴雨頻度序列的IMF1和IMF2周期在2—7a之間，與ENSO在年際變化上的信號相吻合，NINO指數(shù)無論春夏秋冬或年際都與暴雨和干旱災(zāi)害頻次呈現(xiàn)負相關(guān)，而SOI指數(shù)則呈現(xiàn)正相關(guān)，其中，NINO指數(shù)與干旱相關(guān)性在秋冬和年際接近－0.3，SOI指數(shù)與該區(qū)域暴雨的相關(guān)性表現(xiàn)較弱，與干旱的相關(guān)系數(shù)呈現(xiàn)正相關(guān)，且超過了0.3，可見，在與暴雨相關(guān)性中NINO指數(shù)相關(guān)性比SOI指數(shù)相關(guān)性明顯，可推斷瀾滄江流域暴雨和干旱災(zāi)害與ENSO有重要聯(lián)系。

瀾滄江區(qū)域氣候變化和災(zāi)害天氣的波動規(guī)律與全球海溫的極端變化具有聯(lián)動性，區(qū)域災(zāi)害與全球氣候變化具有一定程度的關(guān)聯(lián)性，其兩者之間的定量關(guān)聯(lián)和相關(guān)作用機理是下一步研究的方向。

參考文獻(References):

［1］Kao S C，Govindaraju R.A copula-based joint deficit index for droughts.Journal of Hydrology，2010，380(1/2):121-134.

［2］Mishra A K，Singh V P.A review of drought concepts.Journal of Hydrology，2010，391(1/2):202-216.

［3］Fang X Q，Chen L，Li S.Changes of dominant periods of flood disaster in China during 1644-2004.Advances in Water Science，2007，18(5): 656-661.

［4］Liu H Y，Lin Z S，Zhang M Y.Wavelet analysis of area affected by flood disaster in China after 1949.Scientia Geographica Sinica，2005，25(1): 43-48.

［5］Yin Y X，Xu Y P，Chen Y.Analysis of variation of flood-affected area in China based on complexity meas-urement.Scientia Geographica Sinica，2008，28(2):241-246.

［6］Chen Y，Yin Y X，Chen X W.Change of flood disasters in China since the 1880s and some possible causes.Journal of Natural Resources，2011，26 (12):2110-2120.

［7］Wang Z，Pei T，Wei G H，Liu X L.The statistical characteristics of natural disasters last 40 years in China.Journal of Natural Disasters，1994，3 (2):16-21.

［8］Gong D Y.Seasonal precipitation of China:1880—2002.http://adrem.org.cn/Faculty/GongDY/.

［9］Wei F Y.Diagnostic and Forecas ting Techniques in Modern Climate Statistics.Beijing:China Meteorological Press，1999.

［10］Gong Z Q，Zou M W，Gao X Q，Dong W J.On the difference between empir-ical mode decomposition and wavelet decomposition in the nonlinear time series.Acta Physica Sinica，2005，54(8):3947-3957.

［11］Huang N E，Shen Z，Long S R，Wu M C，Shih H H，Zheng Q，Yen N C，Tung C C，Liu H H.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis.Proceedings of the Royal Society of A:Mathematical，Physical and Engineering Sciences，1998，454(1971):903-995.

［12］Rilling G，F(xiàn)landrin P，Goncalves P.On Empirical Mode Decomposition and its algorithms.Technical report，UMR，INRIA，F(xiàn)rance.IEEEEURASIP Workshop on Nonlinear Signal and Image Processing，2003.

［13］Zhu J H，Wang S W，Mu Q Z.80 a oscillation of summer precipitation in North China and its correlation with Asia summer monsoon.Progress in Natural Science，2003，13(11):1205-1209.

［14］Wang S W，Zhao Z C.The 36-yr.wetness oscillation in China and its mechanism.Acta Meteorologica Sinica，1979，37(1):64-73.

［15］Mo R P.The interannual variation of precipitation and temperature in China and the relationship with ENSO.Acta Oceanolog-ica Sinica，1989，11 (2):143-149.

［16］Zuo H C，Lü S H，Hu Y Q.Variations trend of yearly mean air temperature and precipitation in China in the last 50 years.Plateau Meteorology，2004，23(2):238-244.

［17］Ye D Z，Huang R H.The Laws of Flood/Drought and Its Causes in the Yangtze River and the Yellow River.Ji'nan:Shandong Science Technology Press，1996:15-16.

［18］Zheng S Z.The comparison of the distribution of flood in China.Disaster Reduction in China，1995，5(3):32-35.

［19］Zhai P M，Zhang X B，Wan H，Pan X H.Trends in total precipitation and frequency of daily precipitation extremes over Chi-na.Journal of Climate，2005，18(7):1096-1108.

［20］Liu B H，Xu M，Henderson M，Qi Y.Observed trends of precipitation amount，frequency，and intensity in China，1960-2000.Journal of Geophysical Research:Atmospheres(1984—2012)，2005，110(D8)，DOI:10.1029/2004JD004864.

［21］唐紅玉，翟盤茂，王振宇.1951—2002年中國平均最高、最低氣溫及日較差變化.氣候與環(huán)境研究，2005，10(4):728-735.

［22］談建國，黃家鑫.熱浪對人體健康的影響及其研究方法.氣候與環(huán)境研究，2004，9(4):680-686.

［23］任福民，翟盤茂.1951—1990年中國極端氣溫變化分析.大氣科學(xué)，1998，22(2):217-227.

［24］黃平，黃榮輝.El Ni?o事件對其衰減階段夏季中國降水季節(jié)內(nèi)演變的影響及其機理.大氣科學(xué)學(xué)報，2010，33(5):513-519.

［25］李超，張慶云.春季長江中下游旱澇的環(huán)流特征及對前期海溫異常的響應(yīng).氣象學(xué)報，2013，71(3):452-461.

［26］陳永利，趙永平，王凡，馮俊喬.熱帶太平洋次表層海溫異常年代際變率及其對中國氣候異常的影響.熱帶氣象學(xué)報，2011，27(6): 785-798.

［27］周波濤，趙平，崔絢.亞洲-太平洋濤動變化與北太平洋海溫異常的聯(lián)系.科學(xué)通報，2010，55(1):74-79.

Correlation between the regularity of abnormal fluctuation of sea surface temperature and rain and drought disasters in the Lancang River Basin

YU Wenjin1，*，SU Rong1，SHAO Mingyang2，YU Buyun1，XIE Tao1，HUANG Yilu1
1 Nanjing University of Information and technology Sciences，Nanjing 210014，China
2 Jiangxi Province Jiujiang Meteorological Bureau，Jiujiang 210093，China

Abstract:Extreme weather events occur frequently under conditions of global climate change.These extreme events are considered by many scholars to be due to climate warming.However，the mechanisms governing extreme weather events as regional responses to global climate change are unclear，as is the attribution of such extreme disasters to particular sources.Globally，the oceans are one of the most important sources of power，heat，and water vapor transmission，and significant variations of the sea surface temperature(SST)will lead to global climate change.Based on 50 years of'meteorological data (1961—2011)for the Lancang region，obtained from the National Meteorological Information Center，the techniques of wavelet analysis，empirical mode decomposition(EMD)，mean generating function stepwise regression model，and correlation analysis were used to investigate the link between regional extreme weather disasters in the Lancang River Basin and global climate change from the latter half of the 20th century to the early 21st century.The results showed that various multi-scale features exist in the regional precipitation and storm frequency data with periods of 2，7，and 15 years，with thebook=1116,ebook=2282-year cycle being the most important.The EMD method was considered more suiTablethan wavelet analysis for determining the main cycles because it was better able to deal with non-stationary nonlinear signals.The IMF1 and IMF2 cycles of precipitation and frequent rainstorms were 2—7 years，which coincided with the ENSO inter-annual variability of the signal.The NINO index，regardless of the frequency of winter or annual heavy rain or drought disasters，showed negative correlation，while the SOI showed positive correlation.The coefficient of correlation between the NINO index and winter and annual drought was close to－0.3.The frequency of drought and extreme temperature events increased significantly with increase in temperature.Thus，climate change and global warming were found to have some connection to one manifestations of the regional response to global climate change.The ENSO index，regardless of the frequency of seasonal or annual heavy rain and drought disasters，showed negative correlation，while the SOI showed positive correlation.The correlation coefficient between the ENSO index，and autumn and winter and annual drought，was close to－0.3.The NINO index showed correlation with heavy rain，and the SOI showed significant negative correlation with heavy rain and obvious correlation with drought.Therefore，it can be concluded that regional heavy rain might be affected by ENSO，whereas the SOI is one of the more important factors determining the occurrence of drought.The influence of SST on drought and floods is actually transmitted via the response of atmospheric circulation.Various statistical，diagnostic，and numerical experiments have proven that SST thermal anomalies influence mid-and high-latitude atmospheric circulation anomalies，which is important evidence supporting the above conclusion.It has been demonstrated that an important link exists between the occurrence of heavy rain and drought disasters in the Lancang River Basin and ENSO.

Key Words:Lancang River;drought;vulnerability;SST index

*通訊作者

Corresponding author.E-mail:yuwj@nuist.edu.cn

收稿日期:2014-06-04;網(wǎng)絡(luò)出版日期:2015-07-09

基金項目:國家重大科學(xué)研究計劃項目(2013CB430202);國家重大科學(xué)研究計劃項目(2012CB955900);江蘇高校優(yōu)勢學(xué)科建設(shè)工程資助項目(PAPD)

DOI:10.5846/stxb201406041150