Page 236 - 《高原气象》2026年第2期
P. 236

高     原      气     象                                 45 卷
              536
             地区降水增加趋势最显著, 线性增加率为 9. 64
                       -1
             mm·(10a) , 通过了 95% 信度检验。同样, 该地区
             降水也存在年代际变化特征, 其中降水在 1985 年
             前偏少, 1985年后偏多。
                  图2(d)是华南沿海地区(第二特征| LV2|>0. 3的
             区域)在过去60年间冬季降水的变化, 该地区的冬季
             降水呈增加趋势, 线性增长率为 5. 6 mm·(10a) ;
                                                         -1
             华南沿海的冬季降水也存在明显的年代际变化特
             征, 其中在 1980年前和 2000 -2010年降水偏少, 而
             在1980 -2000年和2010年以后降水偏多。
                  图 2(e)给出的西南地区(第二特征| LV2|>0. 3
             的区域), 不同于上述三个地区, 该地区的冬季降
             水在过去 60 年呈现减少趋势, 线性趋势为-0. 1
             mm·(10a) 。同样, 该地区的冬季降水也存在年代
                       -1
             际变化, 在 1970-1980 年和 2010-2020 年偏少, 而
             在1980-2000年偏多。
                  在 1961-2021 年, 中国冬季降水总体上呈现出
             增加的趋势, 其中长江下游地区冬季降水量的增加
             最为显著, 线性增加率为 9. 6 mm·(10a) , 高于中
                                                  -1
             国年降水量的增加趋势[5. 5 mm·(10a)]和中国冬
                                                 -1
                                               -1
             季降水量的增加趋势[1. 5 mm·(10a)], 也高于全
             球降水量的增加趋势[1. 1 mm·(10a)](中国气象                      图3 1961 -2021年中国冬季降水变率中心(东南沿海地区)
                                               -1
                                                                                              -1
             局气候变化中心, 2022)。                                          的冬季降水(单位: mm·pentad ) 逐候变化
                                                                                                          -1
                  为进一步理解中国冬季降水变率中心(25°N -                       Fig. 3 Pentad change in precipitation (unit: mm·pentad ) in
             40°N, 110°E -120°E, 东南沿海)的冬季降水的时空                  the central region of precipitation variability in China (South‐
                                                                     east coastal region of China) from 1961 to 2021
             变化特征, 图 3 给出了降水变率中心的多年平均冬
             季降水随纬度和经度的变化。从图 3(a)中可以看                           存在正相关关系, 具体而言, 冬季赤道中东太平
             出, 12 月至次年 2 月, 降水集中在 107°E -120°E,                洋、 印度洋异常偏暖(冷), 中国南方冬季降水偏多
                                  -1
             降水量为 5 mm·pentad , 进入 2 月份, 降水中心移                 (少)(陶诗言和张庆云, 1998; 陈文, 2002; 吴国雄
             至 115°E -120°E, 降水逐渐增加至 20 mm·pentad 。             等, 2000; 彭京备, 2012; Han et al, 2014)。但是前
                                                         -1
             从图 3(b)中可以看出, 从 12 月至次年 2 月, 主要降                   期赤道中东太平洋和印度洋海温异常如何影响后
             水基本稳定在 30°N 以南地区, 随着时间推进, 降                        期中国冬季降水的变化需要进一步研究。
                                                         -1
                                -1
             水量从 5 mm·pentad 逐渐增加至 15 mm·pentad ,                   为揭示 1961 -2021 年前期和同期赤道中东太
             降水区域仍位于25°N -30°N。可见, 降水变率中心                       平洋和印度洋海温异常信号对中国冬季降水的影
             的冬季降水量在季节内随时间增加, 从 5 mm 增加                         响, 图 4 给出了春, 夏, 秋和冬季去线性趋势后的
             至 20 mm 左右, 降水中心的位置随时间的变化较                         NINO3. 4、 IBOW 指数和冬季降水的相关系数, 从
             小 ,  从 25°N -30°N,  107°E -120°E 移 至 25°N -        图 4中可以看出, 不同季节的 NINO3. 4指数和冬季
             30°N, 115°E -120°E。                                降水的相关关系在中国东南(西南)呈现出正(负)
                                                                相关, 春季以外其他季节的 NINO3. 4 指数和冬季
              5  海温异常对中国冬季降水的调控
                                                                降水之间的相关程度和范围存在差异, 但总体上差
                  研究表明, 海温异常是影响中国降水的主要外                         异不显著, 尤其在冬季降水年际变率较大的东南沿
             强迫, 其中赤道中东太平洋和印度洋海温异常是中                            海、 青藏高原东侧和北侧、 西北中部, 表明赤道中
             国降水季节预测中重要的预测因子(王会军等,                              东太平洋海温异常对中国冬季降水的影响显著且
             2008; 丁一汇, 2011)。大量研究表明冬季赤道中                       相对稳定, 且这一影响具有提前两个季节的特征。
             东太平洋和印度洋海温异常和同期中国冬季降水                              从图 4 中还可以看出, IOBW 指数与中国北方冬季
   231   232   233   234   235   236   237   238   239   240   241