<acronym id="owqss"><center id="owqss"></center></acronym>
<acronym id="owqss"></acronym>
<acronym id="owqss"><center id="owqss"></center></acronym>

基于20CR再分析資料的中國西南地區氣溫長期趨勢評估

張勇 蔡宏珂

引用本文:
Citation:

基于20CR再分析資料的中國西南地區氣溫長期趨勢評估

    通訊作者: 張勇, zhy7382@sina.com
  • 中圖分類號: P467

Evaluation of air temperature in Southwest China based on 20th Century Reanalysis data

    Corresponding author: ZHANG Yong, zhy7382@sina.com ;
  • CLC number: P467

  • 摘要: 利用20CR再分析資料,分析了西南地區1900—2012年氣溫長期趨勢的時空分布特征,通過功率譜分析診斷了西南地區氣溫的主要時間周期. 結果表明:冬季西南地區氣溫的長期趨勢在南部(23°~26°N,101°~107°E)增暖更強,春季西南部(22°~25°N,98°~102°E)增暖更強;夏秋兩季長期趨勢的空間分布相反,即夏季為自西向東逐漸遞減,而秋季為自西向東遞增;對比冬春兩季,夏秋兩季的變暖趨勢更加明顯,范圍更大;氣溫長期趨勢最強區域為秋季東部關鍵區(23°~32°N,104°~109°E),長期趨勢最弱區域為夏季東部關鍵區(23°~32°N,105°~108.5°E);四季各關鍵區域時間序列均有超過20 a以上的顯著周期.
  • 圖 1  西南地區1900—2012年四季氣溫長期趨勢分布(白線為省界線,打點區域代表通過95%顯著性檢驗)

    Figure 1.  Trends of air temperature anomaly from 1900 to 2012 in the Southwest China. The white lines are provincial boundary and stippled regions indicate statistical significance at the 95% confidence level.

    圖 2  西南地區1900—2012年冬季南部關鍵區和春季西南部關鍵區氣溫距平的區域平均時間序列

    Figure 2.  Time series of air temperature anomaly from 1900 to 2012 over the key region in south and southwest of southwest China during winter and spring

    圖 3  西南地區1900—2012年夏季和秋季氣溫距平在西部關鍵區和東部關鍵區的區域平均時間序列

    Figure 3.  Times series of air temperature anomaly from 1900 to 2012 over the key region in west and east of Southwest China during summer and autumn

    圖 4  西南地區1900—2012年四季關鍵區氣溫時間序列長期趨勢

    Figure 4.  Long-term trend of time series of air temperature from 1900 to 2012 over the key region in the Southwest China during four seasons

    圖 5  西南地區1900—2012年冬季氣溫南部關鍵區和春季氣溫西南部關鍵區的區域平均時間序列的功率譜

    Figure 5.  Power spectrum of time series of air temperature over the key region in the south and southwest of Southwest China during winter and spring

    圖 6  西南地區1900—2012年夏季和秋季氣溫在西部關鍵區和東部關鍵區的區域平均時間序列的功率譜

    Figure 6.  Power spectrum of time series of air temperature over the key region in west and east of Southwest China during summer and autumn

    鸿禾娱乐
  • [1] IPCC. Climate change 2013: The physical science basis. Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change (IPCC)[M]. Cambridge : Cambridge University Press, 2013.
    [2] 董文杰, 周天軍, 郭彥, 等. 氣候現象及其與未來氣候變化的聯系[J]. 氣候變化研究進展, 2014, 10(1): 60-64. DOI:  10.3969/j.issn.1673-1719.2014.01.013. Dong W J, Zhou T J, Guo Y, et al. Climate phenomena and their relevance for future regional climate change[J]. Advances in Climate Change Research, 2014, 10(1): 60-64.
    [3] 周天軍, 鄒立維. IPCC第五次評估報告全球和區域氣候預估圖集評述[J]. 氣候變化研究進展, 2014, 10(2): 149-152. DOI:  10.3969/j.issn.1673-1719.2014.02.010. Zhou T J, Zou L W. Atlas of global and regional climate projections[J]. Advances in Climate Change Research, 2014, 10(2): 149-152.
    [4] 周天軍, 陳曉龍. 氣候敏感度、氣候反饋過程與2 ℃增溫閾值的不確定性問題[J]. 氣象學報, 2015, 73(4): 624-634. Zhou T J, Chen X L. The uncertainty in the 2 ℃ warming threshold issue as related to climate sensitivity and climate feedback[J]. Acta Meteorologica Sinica, 2015, 73(4): 624-634.
    [5] Kosaka Y, Xie S P. Recent global-warming hiatus tied to equatorial Pacific surface cooling[J]. Nature, 2013, 501(7467): 403-407. DOI:  10.1038/nature12534.
    [6] Li J P, Sun C, Jin F F. NAO implicated as a predictor of Northern Hemisphere mean temperature multidecadal variability[J]. Geophysical Research Letters, 2013, 40(20): 5 497-5 502. DOI:  10.1002/2013GL057877.
    [7] 徐一丹, 李建平, 汪秋云, 等. 全球變暖停滯的研究進展回顧[J]. 地球科學進展, 2019, 34(2): 175-190. DOI:  10.11867/j.issn.1001-8166.2019.02.0175. Xu Y D, Li J P, Wang Q Y, et al. Review of the research progress in global warming hiatus[J]. Advances in Earth Science, 2019, 34(2): 175-190.
    [8] Solomon A, Newman M. Reconciling disparate twentieth-century Indo-Pacific ocean temperature trends in the instrumental record[J]. Nature Climate Change, 2012, 2(9): 691-699. DOI:  10.1038/nclimate1591.
    [9] 王麟, 劉毅鵬, 汪健, 等. 5個CMIP5模式對低緯高原氣溫的模擬和預估[J]. 云南大學學報: 自然科學版, 2015, 37(6): 851-860. DOI:  10.7540/j.ynu.20150378. Wang L, Liu Y P, Wang J, et al. Simulations and estimates of low latitude highland temperature by 5 CMIP5 models[J]. Journal of Yunnan University: Natural Sciences Edition, 2015, 37(6): 851-860.
    [10] 唐國利, 羅勇, 黃建斌, 等. 全球變暖在繼續[J]. 氣候變化研究進展, 2012, 8(4): 235-242. DOI:  10.3969/j.issn.1673-1719.2012.04.001. Tang G L, Luo Y, Huang J B, et al. Continuation of the global warming[J]. Climate Change Research, 2012, 8(4): 235-242.
    [11] Xie Y K, Huang J P, Liu Y Z. From accelerated warming to warming hiatus in China[J]. International Journal of Climatology, 2017, 37: 1 758-1 773. DOI:  10.1002/joc.4809.
    [12] 王紹武, 羅勇, 唐國利, 等. 近10年全球變暖停滯了嗎?[J]. 氣候變化研究進展, 2010, 6(2): 95-99. DOI:  10.3969/j.issn.1673-1719.2010.02.004. Wang S W, Luo Y, Tang G L, et al. Does the global warming pause in the last decade?[J]. Climate Change Research, 2010, 6(2): 95-99.
    [13] 謝清霞, 谷曉平, 劉彥華, 等. 夏半年西南暴雨洪澇災害變化特征及其與大氣環流的關系[J]. 云南大學學報: 自然科學版, 2019, 41(S1): 58-64. DOI:  10.7540/j.ynu.20180583. Xie Q X, Gu X P, Liu Y H, et al. Flood disaster’s characteristic in Southwest China in summer and relationship with atmospheric circulation[J]. Journal of Yunnan University: Natural Sciences Edition, 2019, 41(S1): 58-64.
    [14] Wang L, Chen W, Zhou W, et al. Drought in Southwest China: A review[J]. Atmospheric and Oceanic Science Letters, 2015, 8: 339-344.
    [15] 王海, 楊祖祥, 王麟, 等. TVDI在云南2009/2010年干旱監測中的應用[J]. 云南大學學報: 自然科學版, 2014, 36(1): 59-65. DOI:  10.7540/j.ynu.20130407. Wang H, Yang Z X, Wang L, et al. The application of TVDI in drought monitoring over Yunnan Province during 2009 to 2010[J]. Journal of Yunnan University: Natural Sciences Edition, 2014, 36(1): 59-65.
    [16] 嚴華生, 萬云霞, 嚴小冬, 等. 近500年中國旱澇時空分布特征的研究[J]. 云南大學學報: 自然科學版, 2004, 26(2): 139-143. DOI:  10.3321/j.issn:0258-7971.2004.02.012. Yan H S, Wan Y X, Yan X D, et al. A study of the temporal and spatial features of dryness and wetness last 500-year period in China[J]. Journal of Yunnan University: Natural Sciences Edition, 2004, 26(2): 139-143.
    [17] 孫智輝, 王春乙. 氣候變化對中國農業的影響[J]. 科技導報, 2010, 28(4): 110-117. Sun Z H, Wang C Y. Impact of changing climate on agriculture in China[J]. Science and Technology Review, 2010, 28(4): 110-117.
    [18] 任國玉, 郭軍. 中國水面蒸發量的變化[J]. 自然資源學報, 2006, 21(1): 31-44. DOI:  10.3321/j.issn:1000-3037.2006.01.005. Ren G Y, Guo J. Change in pan evaporation and the influential factors over China[J]. Journal of Natural Resources, 2006, 21(1): 31-44.
    [19] Chen L, Shao Y, Dong M, et al. Preliminary analysis of climatic variation during the last 39 years in China[J]. Advances in Atmospheric Sciences, 1991, 8(3): 279-288. DOI:  10.1007/BF02919610.
    [20] 陳隆勛, 朱文琴, 王文, 等. 中國近45年來氣候變化的研究[J]. 氣象學報, 1998, 56(3): 257-271. Chen L X, Zhu W Q, Wang W, et al. Study on climate change in China in recent 45 years[J]. Acta Meteorologica Sinica, 1998, 56(3): 257-271.
    [21] 任國玉, 徐銘志, 初子瑩, 等. 近54年中國地面氣溫變化[J]. 氣候與環境研究, 2005, 10(4): 717-727. DOI:  10.3878/j.issn.1006-9585.2005.04.02. Ren G Y, Xu M Z, Chu Z Y, et al. Changes of surface air temperature in China during 1951—2004[J]. Climatic and Environmental Research, 2005, 10(4): 717-727.
    [22] 秦愛民, 錢維宏, 蔡親波. 1960—2000年對中國不同季節的氣溫分區及趨勢[J]. 氣象科學, 2005, 25(4): 338-345. DOI:  10.3969/j.issn.1009-0827.2005.04.002. Qin A M, Qian W H, Cai Q B. Seasonal division and trend characteristic of air temperature in China in the last 41 years[J]. Scientia Meteorologica Sinica, 2005, 25(4): 338-345.
    [23] 李躍清, 李崇銀. 近40多年四川盆地降溫與熱帶西太平洋海溫異常的聯系[J]. 氣候與環境研究, 1999, 4(4): 388-395. DOI:  10.3878/j.issn.1006-9585.1999.04.07. Li Y Q, Li C Y. The relationship between the cooling of air temperature in Sichuan basin and the anomalies of SST over tropical western Pacific during the last more than 40 Years[J]. Climatic and Environmental Research, 1999, 4(4): 388-395.
    [24] 宋豐飛, 周天軍. 20CR再分析資料在東亞夏季風區的質量評估[J]. 大氣科學, 2012, 36(6): 1 207-1 222. DOI:  10.3878/j.issn.1006-9895.2012.12005. Song F F, Zhou T J. Reliability of the 20CR reanalysis data in measuring the East Asian summer monsoon variability[J]. Chinese Journal of Atmospheric Sciences, 2012, 36(6): 1 207-1 222.
    [25] Compo G P, Whitaker J S, Sardeshmukh P D, et al. The twentieth century reanalysis project[J]. Quarterly Journal of the Royal Meteorological Society, 2011, 137(654): 1-28. DOI:  10.1002/qj.776.
    [26] Theil H. A rank-invariant method of linear and polynomial regression analysis[J]. Proceedings of the Royal Netherlands Academy of Sciences, 1950, 53(23): Part I: 386-392, Part II: 521-525, Part III: 1 397-1 412. DOI:  10.1007/978-94-011-2546-8_20.
    [27] Sen P K. Estimates of the regression coefficient based on Kendall's Tau[J]. Journal of the American Statistical Association, 1968, 63(324): 1 379-1 389. DOI:  10.1080/01621459.1968.10480934.
  • [1] 畢碩本湯智蔣婷婷魯穎趙峰 . 清代西南地區冬季溫度序列的時間特征分析. 云南大學學報(自然科學版), 2020, 42(6): 1-9. doi: 10.7540/j.ynu.20190734
    [2] 吳澗王衛國謝應齊郭世昌陳新梅羅燕 . 中國地區工業硫酸鹽氣溶膠對輻射和溫度的影響. 云南大學學報(自然科學版), 2003, 25(1): 41-47.
    [3] 趙綠榮曾廳余劉成 . 威信縣近54年的氣候變化特征和突變分析. 云南大學學報(自然科學版), 2013, 35(S2): 296-. doi: 10.7540/j.ynu.20120540
    [4] 陶云樊風段旭何華何群 . 云南不同氣候帶氣溫變化特征. 云南大學學報(自然科學版), 2013, 35(5): 653-. doi: 10.7540/j.ynu.20120292
    [5] 續外芬畢青吳富煥趙小艷付虹 . 滇南、滇西南地區尾波Qc 值研究. 云南大學學報(自然科學版), 2012, 34(S2): 78-85.
    [6] 黃儀方 . 青藏高原地面加熱場與春季川渝地區氣溫的關系. 云南大學學報(自然科學版), 2003, 25(5): 428-433.
    [7] 農定飛馬友鑫李紅梅劉文俊 . 西雙版納地區土地利用/覆蓋變化對氣溫的影響. 云南大學學報(自然科學版), 2012, 34(5): 548-553,569.
    [8] 高瑞華孫青儀馬劍鋒江吉波宋洪盛 . 龍口自動站與人工站觀測氣溫的對比分析. 云南大學學報(自然科學版), 2012, 34(3): 303-307.
    [9] 白 慧陳貞宏付云鴻 . 基于集合EMD方法的貴州省極端氣溫事件頻數的主震蕩模態分析. 云南大學學報(自然科學版), 2012, 34(S2): 364-373.
    [10] 郭世昌黎海鳳黎成超劉煜陳艷易琦汪明圣宋哲侯開 . 19792011年東亞地區大氣臭氧層變化趨勢分析. 云南大學學報(自然科學版), 2013, 35(3): 338-344. doi: 10.7540/j.ynu.20120558
    [11] 樊雯璇王顥樾成佳麗王衛國劉煜鄭向東 . MSR資料中臭氧層演變及恢復趨勢的分析. 云南大學學報(自然科學版), 2012, 34(1): 50-56.
    [12] 唐紅忠白 慧舒興武張 進楊 紅 . 近51年貴州南部冬季氣溫氣候特征及其變化規律. 云南大學學報(自然科學版), 2012, 34(S2): 374-380.
    [13] 吳利華彭汐馬月偉程希平鞏合德董李勤 . 1951—2016年昆明極端氣溫和降水事件的變化特征. 云南大學學報(自然科學版), 2019, 41(1): 91-104. doi: 10.7540/j.ynu.20180144
    [14] 琚建華任菊章 . 大氣環流年代際變化對東亞北部冬季氣溫異常的影響. 云南大學學報(自然科學版), 2003, 25(6): 518-524.
    [15] 周建琴王學鋒黃瑋文忠宇 . 近50年云南氣溫序列的均一性檢驗與訂正實驗. 云南大學學報(自然科學版), 2013, 35(4): 516-522. doi: 10.7540/j.ynu.20120094
    [16] 王麟劉毅鵬汪健丁宇超楊若文 . 5個CMIP5模式對低緯高原氣溫的模擬和預估. 云南大學學報(自然科學版), 2015, 37(6): 851-860. doi: 10.7540/j.ynu.20150378
    [17] 任菊章鄭建萌許彥艷陶云張萬誠琚建華 . 2007年冬季西伯利亞高壓季節內變化對云南氣溫的影響. 云南大學學報(自然科學版), 2015, 37(3): 386-398. doi: 10.7540/j.ynu.20140354
    [18] 郭漪然田孟坤陳艷郭世昌 . 秋季歐亞波列對我國秋季降水和表面氣溫的影響. 云南大學學報(自然科學版), 2019, 41(4): 746-752. doi: 10.7540/j.ynu.20180451
    [19] 安柏林康國發 . 基于CHAOS-5模型研究中國大陸地區地磁場長期變化. 云南大學學報(自然科學版), 2017, 39(5): 789-797. doi: 10.7540/j.ynu.20160686
    [20] 蘆燕玲吳恒吳雨松陰耕云李忠 . 不同生長期的柚子葉的揮發性成分分析. 云南大學學報(自然科學版), 2014, 36(4): 578-585. doi: 10.7540/j.ynu.20130587
  • 加載中
圖(6)
計量
  • 文章訪問數:  624
  • HTML全文瀏覽量:  681
  • PDF下載量:  10
  • 被引次數: 0
出版歷程
  • 收稿日期:  2019-10-21
  • 錄用日期:  2020-01-16
  • 網絡出版日期:  2020-05-29
  • 刊出日期:  2020-07-01

基于20CR再分析資料的中國西南地區氣溫長期趨勢評估

    通訊作者: 張勇, zhy7382@sina.com
  • 1. 四川省氣象局,四川 成都 610072
  • 2. 中國氣象局成都高原氣象研究所,四川 成都 610072
  • 3. 成都信息工程大學 大氣科學學院,四川 成都 610225

摘要: 利用20CR再分析資料,分析了西南地區1900—2012年氣溫長期趨勢的時空分布特征,通過功率譜分析診斷了西南地區氣溫的主要時間周期. 結果表明:冬季西南地區氣溫的長期趨勢在南部(23°~26°N,101°~107°E)增暖更強,春季西南部(22°~25°N,98°~102°E)增暖更強;夏秋兩季長期趨勢的空間分布相反,即夏季為自西向東逐漸遞減,而秋季為自西向東遞增;對比冬春兩季,夏秋兩季的變暖趨勢更加明顯,范圍更大;氣溫長期趨勢最強區域為秋季東部關鍵區(23°~32°N,104°~109°E),長期趨勢最弱區域為夏季東部關鍵區(23°~32°N,105°~108.5°E);四季各關鍵區域時間序列均有超過20 a以上的顯著周期.

English Abstract

  • 自工業革命以來,隨著全球溫室氣體濃度的不斷升高,地球氣候系統能量收支不平衡,全球的地表平均氣溫呈現出顯著的變暖趨勢. 自19世紀以來,全球平均氣溫約升溫1 ℃,20世紀全球平均氣溫升溫0.75 ℃,20世紀后半葉平均升溫0.13 ℃/10 a[1]. 全球變暖引起了海冰融化、海平面升高以及極端事件增多等一系列自然現象發生,引起了各國科學家及政府部門的極大關注[2-4]. 然而,在全球變暖背景下,不同的區域所反映的氣溫趨勢并不一致. 因為不同區域本身具有獨特性,各區域內對全球變暖的響應不一致. 例如,冬半年的歐亞大陸東部和北美大陸以及熱帶中東太平洋在近期呈現出明顯的降溫趨勢[5]. 歐亞大陸和北美大陸的變冷可能和北大西洋濤動與大西洋多年代際振蕩有關[6-7],而熱帶中東太平洋變冷可能與太平洋多年代際振蕩或者全球變暖強迫有關[8]. 全球變暖背景下我國的氣溫也呈現出區域性特征,青藏高原在全球變暖背景下升溫趨勢明顯[9]. 唐國利等[10]指出,近20 a我國南方大部分地區為變暖趨勢,而東北和西北部分地區的冬季氣溫則顯著變冷,這可能是我國北方地區近20 a內極端冷事件頻發引起的[11]. 盡管近20 a內我國氣溫趨勢反映出增暖較弱甚至冬季部分地區出現變冷趨勢,但中國區域的整體氣溫仍表現為增暖[12].

    我國西南地區地形和地貌獨特,擁有世界上海拔最高、地形最復雜的青藏高原、云貴高原、橫斷山區和四川盆地等[13],是世界上地形最復雜的區域之一. 我國西南地區總面積約為123萬km2,約占整個中國的12.9%,其涵蓋的范圍為22°~32°N,98°~110°E,包括4?。▍^)和1個直轄市,即四川、貴州、云南、廣西西部和重慶[14]. 西南地區是我國人口最為密集的區域之一,約占全國總人口的1/6,也是重要的糧食生產區,約占全國糧食供應的16%[14]. 氣溫的變化一方面能影響土壤濕度[15]、干旱[16]和農作物的產量[17],另一方面也可通過改變地表蒸發進而影響降水[18]. 因此,在全球變暖背景下,我國西南地區的氣溫變化是重要的科學問題.

    已有研究表明,西南地區氣溫近50 a有變冷趨勢[19-20]. 例如,Chen等[19]分析了20世紀50年代至90年代的臺站觀測數據,發現四川以及云南大部分地區的年平均氣溫呈現出變冷趨勢;陳隆勛等[20]進一步研究發現西南地區年平均氣溫自20世紀40年代達到最暖后,在20世紀50年代急劇變冷,隨后又繼續逐漸變冷. 除了西南地區整體的變冷趨勢,其區域內的部分地區,如四川盆地的氣溫也呈現出變冷趨勢. 1951—2004年的臺站觀測數據表明四川盆地四季平均氣溫都有一定程度的變冷趨勢[21]. 從逐日氣溫觀測資料,也能反映出四川盆地近50 a氣溫明顯的降溫趨勢[22]. 西南地區的變冷趨勢可能與西太平洋海溫存在緊密的聯系[23]. 有研究表明,西南地區和熱帶西太平洋在20世紀70年代中期發生了一次氣候突變,由偏暖階段進入偏冷階段,而熱帶西太平洋海溫異常偏暖(冷)會引起西太平洋副高位置偏西(東)偏北(南),從而造成西南地區氣溫異常偏暖(冷)[23].

    受站點觀測資料的時間長度所限,使上述研究主要分析了全球變暖背景下近40~50 a西南地區氣溫趨勢. 資料的時間長短對于長期趨勢的研究是至關重要的,有限的資料長度會增加結果的不確定性. 并且,西南地區復雜地形下站點觀測資料分布不均勻也會影響該區域趨勢分析結果的可靠性. 因此,利用基于觀測資料的長時間跨度的再分析資料來診斷西南地區氣溫長期趨勢,作為觀測資料分析結果的補充和參考是必要的.

    美國能源部(United States Department of Energy,DOE)和國家大氣海洋局(National Oceanic and Atmospheric Administration,NOAA)聯合發布了20CR再分析資料(20th Century Reanalysis Version 2),其時間長度從1871年延續到2012年. 該資料的特點,一是時間跨度長,二是為了避免觀測系統變更和資料內部不協調所帶來的誤差,它同化了100多年的全球地面和海平面氣壓資料. 這套資料相比于站點數據的優勢是時間跨度大,有百年的時間跨度,且具有均勻的空間分布. 20CR再分析資料可以較好地再現東亞地區氣溫和降水變化特征[24]. 由于以往的研究更多聚焦于近40~50 a西南地區氣溫趨勢,很少有研究關注近百年來的西南地區氣溫長期趨勢分布. 因此,本文將利用20CR再分析資料分析全球變暖背景下西南地區自19世紀以來的氣溫長期趨勢及其時空分布特征,為西南地區百年尺度氣溫的長期趨勢提供參考和依據,也為未來變暖情景下西南地區氣溫趨勢變化提供一定的信息.

    • 20CR再分析資料,來源于美國NOAA網站(https://www.esrl.noaa.gov),是一套綜合性全球大氣環流的數據集,時間覆蓋范圍是1871—2012年,時間分辨率有6 h、日平均、月平均可選,本文選取的均為月平均數據;水平方向南北覆蓋范圍是22°~32°N,東西覆蓋范圍是98°~110°E,水平分辨率為2°×2°. 它僅同化地面和海平面的氣壓數據,并用觀測的月平均海表面溫度和海冰作為下邊界驅動條件[24-25]. 本文主要研究20世紀以來的氣溫長期趨勢,因此所選取的資料時段為1900—2012年,氣候平均態也為該時段.

    • 現有計算趨勢的主要方法為最小二乘法,但是此方法受離群值影響較大. 基于此,本文采用無參數的Theil–Sen趨勢估計方法[26-27],即為樣本中所有任意兩點斜率的中位數,公式如下:

      $ {K = M\left( {\frac{{{x_i} - {x_j}}}{{i - j}}} \right),} {\forall j < i,1 \leqslant j < i \leqslant N}, $

      其中,M表示中位數,$\forall $ 表示窮舉所有情況,N表示樣本量,K為所有任意兩點斜率的中位數,即為Theil–Sen趨勢. 該趨勢的檢驗方法為無參數的Mann-Kendall方法.

    • 為了更好地研究西南地區的氣溫,我們對4個季節的氣溫分別求出其長期趨勢. 由圖1可見,1900—2012年氣溫長期趨勢呈現出季節變化. 如圖1(a)所示,冬季(12月—次年2月)平均氣溫總體呈現出南部地區相較北部地區更暖的趨勢. 在四川西部和東部的部分地區,以及重慶和貴州北部的部分地區有變冷的趨勢,但此變冷趨勢未通過顯著性檢驗. 冬季氣溫在貴州南部、云南和廣西呈現出顯著增暖趨勢(圖1(a)). 盡管春季平均氣溫(3—5月)在以上這些區域也呈現出增暖的趨勢,但增暖的趨勢明顯減弱,且大部分地區增暖趨勢都未通過顯著性檢驗(圖1(b)). 此外,在四川西南部、重慶以及貴州部分地區的氣溫在冬季和春季呈現出相反的長期趨勢,但此長期趨勢未通過顯著性檢驗(圖1(a)(b)). 總體來看,冬季氣溫呈現出南部更暖趨勢,春季氣溫呈現出西南部地區更暖的趨勢.

      圖  1  西南地區1900—2012年四季氣溫長期趨勢分布(白線為省界線,打點區域代表通過95%顯著性檢驗)

      Figure 1.  Trends of air temperature anomaly from 1900 to 2012 in the Southwest China. The white lines are provincial boundary and stippled regions indicate statistical significance at the 95% confidence level.

      夏季西南地區平均氣溫(6—8月)長期趨勢大體呈現出自西向東逐漸遞減的趨勢(圖1(c)). 其中,長期趨勢較大的區域位于四川西部和云南西部部分地區,長期趨勢較小的區域位于四川東部、重慶、貴州、云南東部和廣西西部部分地區(圖1(c)). 秋季西南地區平均氣溫(9—11月)長期趨勢大體呈現出自西向東逐漸遞增的趨勢(圖1(d)). 其中,長期趨勢較小的區域位于四川西部和云南西部部分地區,與夏季該地區長期趨勢相比,減小幅度較大(圖1(c)(d)). 此外,秋季西南地區氣溫長期趨勢最大的區域位于廣西東部部分地區,而較大的區域位于四川東部、重慶、貴州、云南東部和廣西西部的部分地區. 總體來看,夏秋兩季西南地區氣溫長期趨勢呈現出相反的空間分布,即夏季大體為自西向東逐漸遞減,而秋季大體為自西向東逐漸遞增. 此外,冬春兩季西南地區部分區域有變冷趨勢,但未通過顯著性檢驗,而夏秋兩季所有區域都通過顯著性檢驗且都為變暖趨勢. 這說明夏秋兩季的變暖趨勢更加明顯,范圍更大.

    • 針對以上關于西南地區氣溫長期趨勢的分季節討論,我們可以得出,西南地區氣溫長期趨勢變化具有季節變化性,在冬季主要呈現出南部更暖,春季為西南部更暖,而在夏秋兩季主要呈現出東西區域長期趨勢“一高一低”的分布. 為了進一步闡明此長期趨勢的時間變化特征,并且定量化增暖趨勢強度,我們需要求出關各季節各關鍵區域的氣溫時間序列. 在圖1(a)(b)中,我們找到能代表冬春兩季增暖特征的2個關鍵區域,并進行區域平均,獲得2個區域所對應的時間序列.

      圖2(a)(b)分別為冬季南部關鍵區(南部范圍:23°~26°N,101°~107°E,如圖1(a)所示)和春季西南部關鍵區(西南部范圍:22°~25°N,98°~102°E,如圖1(b)所示)的時間序列. 如圖2(a)所示,對于冬季南部關鍵區區域平均時間序列,其在1900—1985年主要表現為年際變化,而在1985年之后基本上為暖異常(圖2(a)). 對于春季西南部關鍵區,在1940年之前,冷異常年份較多;而在1940年以后,尤其1990年之后,暖異常年份較多.

      圖  2  西南地區1900—2012年冬季南部關鍵區和春季西南部關鍵區氣溫距平的區域平均時間序列

      Figure 2.  Time series of air temperature anomaly from 1900 to 2012 over the key region in south and southwest of southwest China during winter and spring

      圖3(a)為西南地區1900—2012年夏季氣溫在西部關鍵區(范圍:23°~32°N,99°~102°E,如圖1(c)所示)的區域平均時間序列. 如圖3(a)所示,夏季氣溫西部關鍵區時間序列基本表現為長期變暖的趨勢. 在1950年之前,該區域的氣溫基本上為冷異常,而在1985年之后基本上為暖異常(圖3(a)). 圖3(b)為夏季氣溫東部關鍵區時間序列(范圍:23°~32°N,105°~108.5°E,如圖1(c)所示). 從圖3(b)可知,此時間序列也主要表現為長期趨勢,但和夏季西部關鍵區時間序列相比較,略有差異. 例如,盡管在1940年之前夏季的東部關鍵區時間序列也主要表現為冷異常,但有部分時段為暖異常;盡管夏季東部關鍵區時間序列在1985年之后也為暖異常,但有3年為冷異常.

      圖  3  西南地區1900—2012年夏季和秋季氣溫距平在西部關鍵區和東部關鍵區的區域平均時間序列

      Figure 3.  Times series of air temperature anomaly from 1900 to 2012 over the key region in west and east of Southwest China during summer and autumn

      在秋季,西南地區西部(范圍:23°~32°N,99°~102°E,如圖1(d)所示)和東部關鍵區(范圍:23°~32°N,104°~109°E,如圖1(d)所示)時間序列主要呈現長期趨勢,在1950年之前主要為冷異常,1995年之后為暖異常(圖3(c)(d)). 對比秋季兩區域時間序列可知,東部關鍵區方差明顯大于西部關鍵區,這代表東部的氣溫變化要大于西部. 此外,對比圖3中夏季和秋季各區域平均時間序列,也可以看出秋季東部關鍵區的方差變化最大.

    • 由前文可知,西南地區四季關鍵區都呈現出變暖趨勢,但變暖的趨勢到底有多大?需要對其進行定量化. 因此,我們計算了西南地區四季關鍵區時間序列的長期趨勢. 如圖4所示,所有趨勢值都通過了95%顯著性檢驗. 其中,趨勢最大值為秋季東部關鍵區時間序列,為升溫1.49 ℃/100 a;趨勢最小值為夏季東部關鍵區,為升溫0.59 ℃/100 a. 盡管春季?西南部和秋季?西部的趨勢相等,但二者時間序列的相關系數只有0.26,只有約7%的解釋方差. 對比夏季2個關鍵區長期趨勢,明顯西部關鍵區要更暖,為升溫1.08 ℃/100 a. 對比秋季2個關鍵區長期趨勢,東部要比西部更暖,為升溫1.49 ℃/100 a.

      圖  4  西南地區1900—2012年四季關鍵區氣溫時間序列長期趨勢

      Figure 4.  Long-term trend of time series of air temperature from 1900 to 2012 over the key region in the Southwest China during four seasons

    • 既然西南地區四季各關鍵區氣溫呈現出顯著的長期趨勢. 那么,這些氣溫時間序列是否存在長時間尺度的變化周期?為了回答這個問題,我們運用連續功率譜分析方法診斷圖2圖3中各個時間序列的主要時間周期.

      圖5(a)所示,冬季南部關鍵區時間序列有20 a以上的年代際周期以及3 a的年際周期,且通過90%顯著性檢驗. 相比于年際周期,冬季南部關鍵區時間序列的20 a以上年代際周期譜密度較大. 春季西南部關鍵區時間序列也有20 a以上年代際周期,但在年際尺度上無顯著周期(圖5(b)). 這一方面說明了冬季和春季各關鍵區時間序列都擁有顯著的20 a以上低頻變化周期,另一方面說明了冬季南部關鍵區時間序列的年際變化信號要強于春季西南部的年際變化.

      圖  5  西南地區1900—2012年冬季氣溫南部關鍵區和春季氣溫西南部關鍵區的區域平均時間序列的功率譜

      Figure 5.  Power spectrum of time series of air temperature over the key region in the south and southwest of Southwest China during winter and spring

      圖6為西南地區夏季和秋季氣溫在西部和東部關鍵區對應時間序列的功率譜. 由圖6可見,夏季和秋季各關鍵區時間序列的主要顯著周期都在20 a以上. 其中,夏季的西部和東部關鍵區時間序列在2~4 a的年際尺度上也有顯著周期;秋季只有西部關鍵區在2~4 a有顯著周期,而秋季的東部關鍵區在年際尺度上無顯著周期. 對比冬春和夏秋各關鍵區的時間序列,我們發現冬季?南部和春季?西南部的最大譜密度約為0.1,而夏季和秋季的譜密度基本上>0.1,最大達到了0.3.

      圖  6  西南地區1900—2012年夏季和秋季氣溫在西部關鍵區和東部關鍵區的區域平均時間序列的功率譜

      Figure 6.  Power spectrum of time series of air temperature over the key region in west and east of Southwest China during summer and autumn

    • 本文利用20CR再分析資料,首先分析了西南地區1900—2012年氣溫長期趨勢的時空分布特征,其次通過功率譜分析方法,診斷了西南地區氣溫的主要時間周期,得到以下主要結論:

      (1)冬季西南地區的氣溫大致呈現出南部地區更暖的趨勢,春季西南地區的氣溫為西南部更暖. 夏秋兩季西南地區氣溫長期趨勢呈現出相反的空間分布,即夏季大體為自西向東逐漸遞減,而秋季大體為自西向東逐漸遞增. 總體來看,對比冬春兩季西南地區氣溫變化,夏秋兩季的變暖趨勢更加明顯,范圍更大.

      (2)對比四季各關鍵區域時間序列可知,長期趨勢最強區域為秋季東部關鍵區,長期趨勢最弱區域為夏季東部關鍵區. 四季各關鍵區域時間序列都有超過20 a以上的顯著周期. 除春季西南部和秋季東部關鍵區外,其余關鍵區時間序列也有2~4 a年際尺度上的顯著周期.

      本文只是利用20CR再分析資料,簡單分析了1900—2012年西南地區氣溫長期趨勢,由于篇幅所限,未能深入探討氣溫長期趨勢變化的物理機制. 此外,已有研究表明,由于1967年之前觀測資料稀疏可能會引起20CR資料對1967年之前的氣溫描述產生偏差. 但20CR資料是世界上為數不多的百年尺度大氣資料. 因此,本研究能為西南地區氣溫百年尺度上的趨勢分析提供一些新的線索.

參考文獻 (27)

目錄

    /

    返回文章
    返回