Page 33 - 《高原气象》2022年第5期
P. 33

高     原      气     象                                 41 卷
              1126
             资料是由美国国家海洋和大气管理局（NOAA）提供                           作为当日的降雪量，从而得到 1979-2018年中亚地
             的 1854-2018 年全球重建逐月海温资料（ERSST                      区的日降雪量数据集，以下研究均基于该数据集。
             V5，Huang and Coauthors，2017），水平分辨率为2°×                 极端降水指数的定义多采用阈值法，包括绝对
             2°（https：//www. ncdc. noaa. gov/data-access/Mari‐  阈值和百分比阈值（李湘瑞等，2019），超过阈值的
             neocean-data/extended-reconstructed-sea-surface-tem‐  降水事件则认定为极端降水事件。根据中亚地方
             perature-ersst-v5）。                                标准，24 h 降雪量 RR≥6. 0 mm 即为大雪（杨莲梅和
             2. 2  研究方法                                         刘雯，2016），因此本文取 6. 0 mm 日降雪量为极端
                  研究表明湿球温度比气温更接近降水颗粒的                           降雪的绝对阈值，发生超过 6. 0 mm 日降雪量的降
             实际温度，从而区分雨雪的效果较好（Marks et al，                      雪事件则认定为极端降雪事件。百分比阈值的定
             2013；Behrangi et al，2018）。Luo et al（2020）利用        义为：将单个格点每年冬季（11 月至次年 2 月）全部
             中国 836个台站观测的降雪数据和地面气候资料日                           日降雪量序列的子样本进行升序排列，取 90% 分位
             值数据集的降水、气温等数据，对五种客观判据方                             点的 39 年平均值定义为该格点冬季极端降雪事件
             法判别中国降雪特征的能力进行评估并改进，结果                             的阈值（Bonsal et al，2001）。若某日降雪量高于该
             表明日平均湿球温度表现出较好的合理性，其中新                             阈值，则认为该日出现极端降雪。本研究采用的极
             疆地区采用日平均湿球温度低于-1. 5 ℃判别的降                          端降水指数由世界气象组织（WMO）的气候变化检
             雪与观测降雪有着很好的一致性。由于中亚五国                              测和指数专家组（ETCCDI）提供。其中日降雪量
             与新疆均位于“西风模态”核心区（黄伟等，2015），                         RR≥日降雪量 90% 分位点的累积降雪总量和降雪
             气候特征较为相似，因此本文采用适用于新疆地区                             日数分别由 R90p 和 R90d 表示，R6 代表日降雪量
             的判据方法，即（1）日降水量>0. 1 mm；（2）日平均                      RR≥6. 0 mm 的累积降雪日数，每年冬季最大的一
             湿球温度≤-1. 5 ℃，同时满足这两个标准，即认定                         日降雪量由 Rx1 表示（Sillmann et al，2013），指数
             该日为中亚地区的降雪日，将降雪日当日的降水量                             的详细说明见表1。

                                                  表1   极端降雪指数相关要素
                                          Table 1  Factors related to extreme snowfall index
                    指数                名称                               定义                           单位
                   R90p             强降雪总量               冬季RR≥全部RR的90%分位点的累积降雪总量                      mm
                    R6               大雪日数                    冬季RR≥6. 0 mm的累积降雪日数                      d
                   R90d             强降雪日数               冬季RR≥全部RR的90%分位点的累积降雪日数                       d
                    Rx1           最大一日降雪量                        冬季最大的日降雪量                           mm

                  本文利用经验正交函数分解（EOF）、旋转经验                        主要利用 CESM1. 0. 4 的通用大气模式（The Com‐
             正交函数分解（REOF）、线性趋势、Mann-Kendall                     munity Atmosphere Model，version 5，CAM5. 1）来
             （MK）突变检验等方法分析中亚不同区域冬季大雪                            设计北大西洋海温改变的理想试验。CAM5. 1在垂
             和极端降雪指数的时空演变特征。采用回归分析                              直方向上使用 o'-p 混合坐标系，共有 30 层，水平分
             和相关分析的方法研究中亚地区极端降雪与大气                              辨率为 1. 9°（纬度）×2. 5°（经度），采用逐月多年平
             环流、北大西洋海温的关系，时间序列的生成则采                             均的气候态海表温度作为海洋边界条件（黄晓璐
             用面积加权平均的方法。另外采用 Takaya（2001）                       等，2015），该资料是美国国家海洋和大气管理局
             定义的三维波作用通量描述准定常波的能量传播                             （NOAA）海表温度资料与哈德莱海温（HadISST1）
             特征。文中所涉及地图基于国家测绘地理信息局                              的融合资料。
             标准地图服务网站下载的审图号为 GS（2016）1558                       3   结果与讨论
             的标准地图制作，底图无修改。
             2. 3  数值模拟                                         3. 1  中亚地区极端降雪的时空演变特征
                  本文采用美国国家大气研究中心（NCAR）于                         3. 1. 1  中亚地区极端降雪的空间分布特征
             2010 年对外发布的通用地球系统模式（The Com‐                           为了揭示中亚地区极端降雪的时空演变特征，
             munity Earth System Model，CESM），该模式主体              图 1（a）~（h）给出中亚地区逐月大雪（日降雪量大于
             由大气、海洋、陆地、海冰、陆冰等几大模块组成。                            6. 0 mm）频次的空间分布。中亚地区大雪主要发生
   28   29   30   31   32   33   34   35   36   37   38