高原气象

高原气象 >

2022 , Vol. 41 >Issue 5: 1124 - 1140

DOI: https://doi.org/10.7522/j.issn.1000-0534.2021.00040

论文

中亚地区冬季极端降雪增加与北大西洋两类海温模态增强的联系

  • 李双双 ,
  • 张杰 ,
  • 陈志恒
展开
  • 南京信息工程大学气象灾害预报预警与评估协同创新中心/气象灾害省部共建教育部重点实验室，江苏 南京 210044

李双双（1995 -）， 女， 黑龙江省绥化人， 硕士研究生， 主要从事极端气候与气候模拟的研究. E-mail：

收稿日期: 2021-01-13

  修回日期: 2021-04-29

  网络出版日期: 2022-11-03

基金资助

国家重点研发计划项目(2018YFC1507101)

收起

The Relationship between the Increase of Extreme Snowfall in Winter of Central Asia and the Enhancement of Two SST Modes in the North Atlantic

  • Shuangshuang LI ,
  • Jie ZHANG ,
  • Zhiheng CHEN
Expand
  • Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters/Key Laboratory of Meteorological Disaster of Ministry of Education，Nanjing University of Information Science & Technology，Nanjing 210044，Jiangsu，China

Received date: 2021-01-13

  Revised date: 2021-04-29

  Online published: 2022-11-03

Fold

本文引用格式

李双双 , 张杰 , 陈志恒 . 中亚地区冬季极端降雪增加与北大西洋两类海温模态增强的联系[J]. 高原气象, 2022 , 41(5) : 1124 -1140 . DOI: 10.7522/j.issn.1000-0534.2021.00040

1 引言

极端气候事件可以发生在正常的气候条件下（Trenberth et al， 2015）， IPCC第四次评估报告指出气候变化可以影响极端气候事件的强度、 频次和持续时间（秦大河等， 2007）， 其中极端降水的变化尤其值得关注。近年来， 学者们对全球不同干旱地区的极端降水展开研究， Donat et al（2016）研究指出全球干旱区极端降水呈增加趋势， 且这种增加趋势与气候变暖有着很好的线性关系。中亚干旱区是全球最大的非地带性干旱区， 是亚洲干旱区的主体部分， 主要由中亚五国（哈萨克斯坦、 吉尔吉斯斯坦、 塔吉克斯坦、 土库曼斯坦和乌兹别克斯坦）和中国新疆维吾尔自治区组成（Luo et al， 2019）。研究表明， 整个中亚地区年降水较少， 但在过去50年极端降水表现为增加趋势（Wang et al， 2013； Wang et al， 2017）。由于冬季降水相对较多（Yin et al， 2014）， 且近80年来冬季降水增加非常显著（Xu et al， 2015； Chen et al， 2011）， 导致作为中亚地区主要水分来源的积雪变得更为重要（Pohl et al， 2015）。冬季积雪的作用主要有两个方面， 其一， 高山地区冬季积雪在夏季融化， 并以河流径流的方式提供下游地区主要的淡水资源， 以维持中亚地区的生态环境和人类活动（Pohl et al， 2015）； 另外， 冬季降雪也为冰川形成与维持提供水分， 而冰川是影响晚夏时节中亚地区河流流量的重要因素（Sorg et al， 2012； Lutz et al， 2014）。极端降雪事件也会造成路面结冰、 草原覆盖、 白灾以及持续的极端低温等负面问题， 从而造成严重的经济损失（Kunkel et al， 2016）。
西风带和水汽输送异常是影响中亚降水发生的重要因素之一。由于中亚地区深居内陆， 远离海洋， 因此到达该地区水汽较少（Chen et al， 2016）。中亚地区的水汽主要由西风环流输送（Bothe et al， 2012； 张俊兰等， 2013）， 该地区也被称为“西风模态”核心区（黄伟等， 2015）， 因此西风环流的强度及运动轨迹会直接影响该地区的降水。由于该地区地形复杂， 西风环流遇到高大地形产生的天气尺度西风扰动会导致山地冬季暴风雪的发生（Cannon et al， 2016）。厄尔尼诺-南方涛动（ENSO）是气候变化的最重要的年际信号之一， 研究表明， ENSO与中亚地区的冷季降水有着密切的联系（Hu et al， 2017； Chen et al， 2018）， 厄尔尼诺年来自印度洋和北大西洋的西风水汽输送增强， 导致中亚地区降水偏多（Chen et al， 2018）。水汽输送异常与环流配置密切联系， 北大西洋涛动（NAO）是北大西洋上空最重要的低频振荡之一， 研究表明NAO正位相期间西伯利亚高压的位置偏东， 西风带波动增强（Du et al， 2020）， 增加了来自地中海的水汽输送， 导致亚洲中纬度地区降水增多（Aizen et al， 2001）； NAO还可以影响中纬度西风南北两支急流的相对槽脊位相， 进而影响波动能量频散和水汽输送， 导致中亚地区冬季南北降水反位相变化（Liu et al， 2017）。近些年来研究发现北半球越来越多的极端气候事件与频发的欧亚遥相关（EU）和丝绸之路遥相关（SRP）有关（Schubert et al， 2014）。Zhang et al（2019）指出在全球变暖的影响下， 欧亚非均匀增温显著， 致使南欧等部分地区对流层低层大气斜压性增强， EU和SRP波列加强， 中亚气旋性环流和东亚反气旋性环流发展， 从而导致亚洲极端事件的发生频次增多。
极端事件关联的中纬度大气环流异常是外强迫和大气内部动力强迫共同作用的平衡态（任雪娟和张耀存， 2007）， 其中海温异常是最为重要的外强迫因子（杨修群和黄士松， 1993）。大西洋位于欧亚地区的上游， 其异常变化势必会对下游地区的气候产生影响。研究表明大西洋海温异常可以激发沿着西风急流的波列异常， 从而对欧亚大气环流产生影响， 并导致极端降水事件频次增多（Tian and Fan， 2013； Zhang et al， 2020）。李多等（2012）进一步指出北大西洋海温增暖与20世纪80年代以后中国东北地区降雪增多有着十分密切的联系。热带大西洋海温增暖也会造成北美降水减少， 而巴西等地降水增多（Kushnir et al， 2010； Amorim et al， 2014）。另外， 北大西洋三极子海温异常通过激发一个从北大西洋出发的静止Rossby波列（Wu et al， 2012； Han et al， 2017）， 并向下游传播， 进而对不同地区的冬季降水产生影响（Han et al， 2017）。
由于缺乏长期可靠的观测数据， 中亚地区极端降雪的时空特征仍未被揭示， 是否存在多尺度特征有待进一步探讨。目前对于极端降雪的研究大多集中于个例研究， 以天气分析和诊断分析为主， 然而从气候角度了解极端降雪的多尺度变化规律是进行预测的基础（Sun et al， 2010）。因此首先探究中亚地区极端降雪的时空变化规律， 在规律的基础上分析造成极端降雪多尺度变化的大气环流特征及其与北大西洋海温的关系。为进一步理解评估未来极端降雪演变， 还利用模式试验验证不同海温模态下的异常环流分布、 波活动作用通量的传播特征及水汽输送和降水率等。本研究对于中亚地区防灾减灾和“一带一路”战略的可持续发展具有十分重要的现实意义和科学价值。

2 资料来源与方法介绍

2.1　使用资料

采用气候预报中心提供的全球逐日降水数据集（Climate Prediction Center Unified Rain gauge， CPC-uni， Liu et al， 2017）， （https： //climatedataguide.ucar.edu/climate-data/cpc-unified-gauge-based-analysis-global-daily-precipitation）。该数据基于全球大约16000个气象站的陆地雨量计数据， 并采用Gandin（1965）最优插值（OI）得到（Chen et al， 2008）， 其水平分辨率为0.5°×0.5°， 时段为1979 -2018年。Rana et al（2016）通过比较CPC-uni与其他九种降水产品在中亚地区的适用性， 表明该数据可以较为合理的表现出中亚地区降水的时空特征。环流资料采用欧洲中期天气预报中心（ECMWF）提供的ERA-interim全球逐月和逐日再分析数据（Dee et al， 2011）， 其水平分辨率分别为0.75°×0.75°和0.5°×0.5°， 时段均为1979 -2018年， 物理量包括高度场， 温度场， 风场等， 湿球温度数据是利用露点温度、 气温和气压等变量通过公式计算得到。海温资料是由美国国家海洋和大气管理局（NOAA）提供的1854 -2018年全球重建逐月海温资料（ERSST V5， Huang and Coauthors， 2017）， 水平分辨率为2°×2°（https： //www.ncdc.noaa.gov/data-access/Marineocean-data/extended-reconstructed-sea-surface-temperature-ersst-v5）。

2.2　研究方法

研究表明湿球温度比气温更接近降水颗粒的实际温度， 从而区分雨雪的效果较好（Marks et al， 2013； Behrangi et al， 2018）。Luo et al（2020）利用中国836个台站观测的降雪数据和地面气候资料日值数据集的降水、 气温等数据， 对五种客观判据方法判别中国降雪特征的能力进行评估并改进， 结果表明日平均湿球温度表现出较好的合理性， 其中新疆地区采用日平均湿球温度低于-1.5 ℃判别的降雪与观测降雪有着很好的一致性。由于中亚五国与新疆均位于“西风模态”核心区（黄伟等， 2015）， 气候特征较为相似， 因此本文采用适用于新疆地区的判据方法， 即（1）日降水量>0.1 mm； （2）日平均湿球温度≤-1.5 ℃， 同时满足这两个标准， 即认定该日为中亚地区的降雪日， 将降雪日当日的降水量作为当日的降雪量， 从而得到1979 -2018年中亚地区的日降雪量数据集， 以下研究均基于该数据集。
极端降水指数的定义多采用阈值法， 包括绝对阈值和百分比阈值（李湘瑞等， 2019）， 超过阈值的降水事件则认定为极端降水事件。根据中亚地方标准， 24 h降雪量RR≥6.0 mm即为大雪（杨莲梅和刘雯， 2016）， 因此本文取6.0 mm日降雪量为极端降雪的绝对阈值， 发生超过6.0 mm日降雪量的降雪事件则认定为极端降雪事件。百分比阈值的定义为： 将单个格点每年冬季（11月至次年2月）全部日降雪量序列的子样本进行升序排列， 取90%分位点的39年平均值定义为该格点冬季极端降雪事件的阈值（Bonsal et al， 2001）。若某日降雪量高于该阈值， 则认为该日出现极端降雪。本研究采用的极端降水指数由世界气象组织（WMO）的气候变化检测和指数专家组（ETCCDI）提供。其中日降雪量RR≥日降雪量90%分位点的累积降雪总量和降雪日数分别由R90p和R90d表示， R6代表日降雪量RR≥6.0 mm的累积降雪日数， 每年冬季最大的一日降雪量由Rx1表示（Sillmann et al， 2013）， 指数的详细说明见表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）、 旋转经验正交函数分解（REOF）、 线性趋势、 Mann-Kendall（MK）突变检验等方法分析中亚不同区域冬季大雪和极端降雪指数的时空演变特征。采用回归分析和相关分析的方法研究中亚地区极端降雪与大气环流、 北大西洋海温的关系， 时间序列的生成则采用面积加权平均的方法。另外采用Takaya（2001）定义的三维波作用通量描述准定常波的能量传播特征。文中所涉及地图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2016）1558的标准地图制作， 底图无修改。

2.3　数值模拟

本文采用美国国家大气研究中心（NCAR）于2010年对外发布的通用地球系统模式（The Community Earth System Model， CESM）， 该模式主体由大气、 海洋、 陆地、 海冰、 陆冰等几大模块组成。主要利用CESM1.0.4的通用大气模式（The Community Atmosphere Model， version 5， CAM5.1）来设计北大西洋海温改变的理想试验。CAM5.1在垂直方向上使用o'-p混合坐标系， 共有30层， 水平分辨率为1.9°（纬度）×2.5°（经度）， 采用逐月多年平均的气候态海表温度作为海洋边界条件（黄晓璐等， 2015）， 该资料是美国国家海洋和大气管理局（NOAA）海表温度资料与哈德莱海温（HadISST1）的融合资料。

3 结果与讨论

3.1　中亚地区极端降雪的时空演变特征

3.1.1　中亚地区极端降雪的空间分布特征

为了揭示中亚地区极端降雪的时空演变特征， 图1（a）~（h）给出中亚地区逐月大雪（日降雪量大于6.0 mm）频次的空间分布。中亚地区大雪主要发生在11月至次年3月， 10月在哈萨克斯坦北部、 天山山脉和帕米尔高原一带出现大雪， 3月位于中亚西南部（即乌兹别克斯坦和土库曼斯坦）的沙漠地区大雪频次明显减少， 研究表明中亚西南部为中亚气温最高的区域（黄秋霞等， 2013）， 因此大雪减少可能与春季气温升高有关。此外， 中亚地区发生大雪具有明显的地域差异性， 每个月发生大雪大于2天的区域主要位于哈萨克斯坦东北部、 天山山脉西部和帕米尔高原地区， 说明地形效应和地理位置对大雪的发生影响很大， 在其他山区也存在类似的现象（Barrett et al， 2009）。而中亚西南部和新疆大部分地区每月发生大雪日数普遍在0~0.8天， 为中亚较干旱的地区。图1（i）是中亚地区发生大雪格点总数的时间序列， 同样表明大雪主要集中在11月至次年3月， 其中12月大雪发生频次最多。考虑到在全球变暖的背景下， 3月大陆变暖， 暖空气活跃， 可能对降水的相态产生不确定影响， 因此接下来主要研究1979/1980 -2017/2018年11月至次年2月（下称为1979 -2017年冬季）极端降雪的演变特征。
图1 1979 -2017年中亚地区10月至次年5月大雪日数均值的空间分布（a~h， 单位： d）和发生大雪格点总数的时间序列（i）

Fig.1 Spatial distribution of the average monthly heavy snow days （a~h， unit： d） and time series of the total number of grid points with heavy snow （i） from October to May of the following year from 1979 to 2017 in Central Asia

本文选取了四个极端降雪指数（表1）， 分别从极端降雪总量、 频次、 强度来探究极端降雪的时空分布特征， 其均值的空间分布由图2（a）~（d）给出。其中R90p［图2（a）］与冬季大雪频次［图1（b）~（e）］的空间分布特征相似， R90p主要集中在哈萨克斯坦北部、 天山山脉和帕米尔高原等高纬度和高海拔地区， 其最高值位于天山山脉西段， 超过80 mm， 而土库曼斯坦、 乌兹别克斯坦和南疆等沙漠地区极端降雪最少， 大部分地区不足10 mm。R6［图2（b）］和R90d［图2（c）］用来描述极端降雪发生频次， 其中R6的空间分布特征与R90p相似， 超过10天的区域位于天山山脉西段， 而R90d的空间分布经向梯度明显， 较高值集中在48°N以北（大于5天）， 并逐渐向南递减。为了得到更具代表性的极端降雪特征， 图2（d）给出了Rx1的空间分布， 其在哈萨克斯坦东北部、 天山山脉西部及帕米尔高原一带均有高值中心， 即极端降雪总量较多的地区， 其极端降雪频次和强度均较强。
图2 中亚地区冬季极端降雪指数的均值（a~d）和1982 -2017年变化趋势（e~h）的空间分布

打点区域表示通过0.05显著性水平检验

Fig.2 Spatial distribution of the average （a~d）and the variation trend from 1982 to 2017 （e~h）of the extreme snowfall indices during winter in Central Asia.The dotted area means that it passes the 0.05 significance level test

由冬季降雪总量距平的时间序列可知（图略）， 1979 -1981年为中亚地区降雪异常大值年， 为剔除其对整体趋势的影响， 在下文计算时间和空间变化趋势时均从1982年开始。图2（e）~（h）是1982 -2017年中亚地区冬季极端降雪指数变化趋势的空间分布， R90p［图2（e）］在哈萨克斯坦西部， 北部、 天山山脉、 新疆北部和中部均呈显著的增加趋势， 变率的高值中心位于天山山脉一带， 趋势系数最大可达3 mm·a-1。相反的， 在吉尔吉斯斯坦西部表现为显著的减少趋势， 最大趋势系数为-1.5 mm·a-1。R6［图2（f）］和R90d［图2（g）］与R90p的空间变化趋势较为一致， 在天山山脉一带最大增加系数均超过0.25 d·（10a）-1。Rx1［图2（h）］在塔吉克斯坦、 吉尔吉斯斯坦西部和哈萨克斯坦部分地区表现为减少趋势， 而在中亚其他区域均表现为增加趋势， 变率高值中心亦位于天山山脉一带。以上结果表明中亚地区极端降雪频次和强度增强共同导致极端降雪增多， 面临灾害风险日益严峻， 因此开展相关研究具有十分重要的意义。

3.1.2　中亚地区不同气候区冬季降雪及极端降雪指数变化特征

由上一节可知， 中亚地区面积广阔， 地形复杂， 降雪分布极不均匀， 因此采用REOF方法对研究区进一步划分， 以便更好地探究不同区域极端降雪的变化特征。在进行REOF分解前， 首先要对1979 -2017年冬季降雪总量进行EOF经验正交函数分解（图略）， 其前十个模态累积方差贡献达71.6%， 能够很好地代表原变量。由于第十个模态以后各模态方差贡献不足2.0%， 因此本文选取前十个模态进行极大方差旋转。图3为REOF的前四个模态的空间分布， 其解释了39.1%的方差， 基本能够反映中亚地区降雪的主要特征。考虑REOF的前四个模态的分布特征、 地理和行政边界， 将中亚地区划分为四个气候区， 分别位于哈萨克斯坦北部（A区， 49°N -54°N， 61°E -77°E）， 新疆北部（B区， 41°N -45°N， 80°E -95°E）， 天山-帕米尔高原地区（C区， 39°N -46°N， 64°E -79°E）， 新疆南部（D区， 36°N -40°N， 76°E -90°E）。
图3 1979 -2017年中亚地区冬季降雪总量REOF前四个模态的空间分布

黑色方框分别表示A、 B、 C、 D四个关键气候区

Fig.3 The first four REOF modes of the total winter snowfall from 1979 to 2017 in Central Asia.The black boxes represent the four key climate subregions of A， B， C and D， respectively

对上述四个极端降雪指数做区域平均处理， 得到四个气候区极端降雪指数的变化序列（图4）， 每个气候区的四个极端降雪指数之间都具有显著的正相关（均通过0.01显著性水平检验）， 说明气候区内极端降雪总量、 频次和强度的变化特征较为一致。整体来看， 四个气候区差异显著， 均表现出明显的年际变化及显著的增加趋势。其中A区R90p的年际变化趋势达3.8 mm·（10a）-1（P<0.01）， R6和R90d的气候倾向率分别为0.2 d·（10a）-1和0.6 d·（10a）-1（P<0.05）， 均呈显著的增加趋势， 而Rx1增加趋势不显著。B区R90p， R6， R90d和Rx1的气候倾向率分别为2.3 mm·（10a）-1， 0.1 d·（10a）-1， 0.6 d·（10a）-1和0.4 mm·（10a）-1（P<0.01）。C区位于天山山脉和帕米尔高原一带， 该地区是中亚极端降雪最为集中的区域， 也是年际变率最大的区域， 其R90p， R6， R90d和Rx1分别以每10年7 mm， 0.5 d， 0.8 d和1.4 mm的速率显著增加。D区位于新疆南部的沙漠区， 冬季极端降雪较少， 但除R6外， 其余三个指数均表现为显著的增加趋势。由MK突变检验可知（图略）， A区突变出现在2013年左右， B区和D区于21世纪初出现突变， 而C区的突变时间在20世纪末。以上研究结合前文中亚极端降雪的时空分布特征， 均表明C区极端降雪最多且气候变率最大， 值得重点关注， 因此接下来选取C区作为主要研究区域， 统称为“南部关键区”， 研究其极端降雪发生时的环流配置及可能影响因子。
图4 1979 -2017年中亚地区冬季各气候区极端降雪指数年际变化

*表示趋势率通过0.05显著性水平检验， **表示趋势率通过0.01显著性水平检验

Fig.4 Inter-annual change of the extreme snowfall indices in the climate subregions of Central Asia during winter from 1979 to 2017.* means the trend rate passing the 0.05 significance level test， ** means the trend rate passing the 0.01 significance level test

3.2　极端降雪的大气环流特征

大尺度环流背景是极端降雪发生的直接驱动因素（Huang et al， 2015）， 为了进一步探究南部关键区极端降雪的成因， 选取冬季大雪发生频次最多的12月［图1（i）］作为代表月份， 并利用极端降雪指数R6（大雪日数）的时间序列对大气环流场和海温场进行回归， 其结果如图5所示。由图5（a）可知， 极端降雪偏多年份从北大西洋到中亚地区沿着北大西洋急流（Trouet et al， 2018）和亚非急流（Sato and Takahashi， 2006）的两支波列增强。其中一支波列位于中高纬度地区， 在北大西洋中纬度地区、 格陵兰岛、 欧洲大陆西部和巴尔喀什湖一带存在位势高度异常为“正-负-正-负”的Rossby波列， 其200 hPa高度异常场（图略）与500 hPa相似， 表明该波列具有正压的垂直结构。另一支波列位于低纬度地区， 阿拉伯海北部为异常的反气旋性环流， 由于该地区地势相对较高， 因此该反气旋只在对流层中低层以上存在。在北大西洋上空， 高度异常场呈现由南向北的“负-正-负”的波列特征， 中纬度北大西洋上空的反气旋性环流和格陵兰岛上空的气旋性环流系统间的偏西气流增强， 有利于北大西洋急流增强， 进而增加大西洋向欧亚大陆的水汽输送。
图5 12月南部关键区R6回归的500 hPa高度场（等值线， 单位： dagpm）、 风场（矢量， 单位： m·s-1）和海温（阴影， 单位： ℃）的回归系数（a）以及整层积分水汽输送通量（b， 矢量， 单位： kg·m-1·s-1）

（a）中浅（深）色阴影表示正（负）回归系数通过0.05显著性水平检验， “A”和“C”分别代表反气旋和气旋中心， 黑色加粗实线为中亚区域； （b）中黑色方框为南部关键区

Fig.5 The regression coefficients of 500 hPa geopotential height field （contour， unit： dagpm）， wind field （vector， unit： m·s-1） and sea surface temperature （the shaded） （a）， and integral water vapor transport flux of the whole layer（b， vector， unit： kg·m-1·s-1） against R6 for December in the key southern subregion.Light （dark） shading in （a） means that the positive （negative） regression coefficient passes the 0.05 significance level test， the letters “A” and “C” indicate the centers of anticyclonic and cyclonic anomalies， respectively， and the black bold solid line represents the Central Asia； the black box in （b） is the key southern subregion

大气环流是水汽输送的介质， 由水汽通量［图5（b）］可知阿拉伯海北部的异常反气旋性环流与巴尔喀什湖一带的异常气旋性环流配合显著加强了两个系统之间的西南向水汽输送， 有利于将低纬阿拉伯海、 北印度洋等的暖湿水汽输送到关键区， 从而导致2000年以来关键区极端降雪增加。此外中亚地区为正压的位势高度负异常， 其一方面有利于暖湿水汽在关键区辐合并产生上升运动， 大气对流不稳定增强， 另一方面加深了中亚大槽， 致使关键区处于槽前脊后的特殊位置， 为极端降雪的发生提供了很好的动力条件（Bothe et al， 2012）。
为了进一步探究中高纬度Rossby波列的传播特征及其对应的强迫源， 利用南部关键区R6的时间序列对波活动作用通量（Takaya， 2001）的水平分量（TNF）及其散度（TN-div）进行回归分析。由图6可知， 副热带北大西洋和热带北大西洋均存在波能辐散中心， 即大西洋地区存在两个强迫源， 其激发的向下游传播的能量路径主要有两支。其中一支路径位于中高纬度地区， 热带北大西洋的能量向北输送， 与副热带北大西洋的能量汇合后自西向东频散， 其在50°N -65°N之间的传播路径较为平直， 与EU波列近乎一致， TNF于里海北部转向东南传播， 进而加强巴尔喀什湖一带的气旋性异常。另一支路径位于低纬度地区， TNF从热带北大西洋波源出发沿着亚非急流向东传播， 路径较为连续， 其与中高纬度TNF在波罗的海南部的分支于阿拉伯海汇合， 共同加强了阿拉伯海北部的反气旋异常， 以上能量传播特征较好地支持了南部关键区极端降雪增多的关键环流配置。
图6 12月南部关键区R6回归的200 hPa波作用通量（矢量， 单位： m2·s-2）与波通量散度（彩色区， 单位： m·s-2）分布

黑色虚线为气候态西风急流， 红色实线为回归的西风急流， 蓝色箭头表示水平波作用通量传播方向

Fig.6 Regression of the wave activity fluxes （vector， unit： m2·s-2） and their divergence （color area， unit： m· s-2） at 200 hPa against R6 for December in the key southern subregion.The dotted black line is climatic westerly jet， the solid red line represents the regression of the westerly jet against R6， the blue arrow indicates the direction of the horizontal wave activity fluxes

与气候态西风急流（风速大于20 m·s-1）相比， 在极端降雪偏多年份时， 北大西洋急流在出口区明显东移， 亚非急流在入口区西伸， 与前文分析大气环流异常场［图5（a）］得到的结论相一致。西风急流作为波流相互作用的载体， 在北半球低频波的形成和加强过程中起着重要的波导作用（Terao， 1997）， 研究表明急流的位置变动和强度变化与中纬度地区的极端天气事件有着密切的联系（李如琦等， 2015； Trouet et al， 2018）。亚非急流入口西伸和北大西洋急流出口东移一方面有利于亚非急流和北大西洋急流对接， 促进热带北大西洋能量向北频散， 并有助于北大西洋的能量沿着两支急流向下游频散（Enomoto， 2004）， 进而增强了南北两支异常波列； 另一方面是能够促进正压能量向动能转化（Zhang et al， 2020）， 有利于北大西洋动能积聚， 并向欧亚大陆地区传播。

3.3　与北大西洋海温的关系

以上研究表明热带北大西洋和副热带北大西洋两处波能量源地对形成关键区极端降雪频次增多的环流形势有着重要作用， 为进一步探究其影响， 对12月北大西洋海表温度异常（SSTA）进行经验正交函数分解（EOF）， 其前两个模态方差贡献超过50%， 且均通过North检验。第一模态［图7（a）］主要表现为北大西洋海温的“一致型”变化， 热带北大西洋为载荷向量大值区， 是该模态的主要代表区域。由第一模态对应的时间系数PC1［图7（b）］可知， 该模态具有显著的年际和年代际变化特征， 且呈增加趋势。MK突变检验（图略）表明其在20世纪末出现突变， 与关键区极端降雪指数的突变点一致。第二模态［图7（c）］在北大西洋地区呈现南北向的“负-正-负”的“三极子型”分布形态， 同样具有明显的年际变化和年代际变化， 其突变出现在2012年。对PC1和PC2进行十年滑动平均得到其年代际变率分量（PC1-ID， PC2-ID）， 进一步将R6与两个模态的时间序列求相关， 其中R6与PC1-ID和PC2的相关系数分别为0.41和0.31， 均呈显著正相关（分别通过0.01和0.05显著性水平检验）， 而与另外两个指数没有显著相关性， 说明北大西洋海温“一致型”的年代际增强和“三极子型”的年际变化均有可能对关键区极端降雪增多产生重要影响。
图7 北大西洋12月海表温度EOF第一（a， b）、 第二（c， d）模态空间分布（左）及其对应的标准化时间序列（右）

左列实线数值大于0， 虚线数值小于0； 右列黑色虚线为10年滑动平均（PC1-ID， PC2-ID）， 黑色实线为R6， 其中r为时间序列与R6的相关系数

Fig.7 The first （a， b） and second （c， d） EOF modes （left） and corresponding time seires （right）of the sea surface temperature over the North Atlantic for December.The solid line value of the left panel is greater than 0， and the dashed line value is less than 0； the black dashed lines indicate 10-year running means， the black solid lines are R6 in right panel， r is the correlation coefficient between time seires and R6

为了进一步探究北大西洋海温不同模态对南部关键区极端降雪频次增多的影响机制， 利用PC1-ID和PC2对大气环流异常场和海温异常场进行回归。可以发现， PC1-ID和PC2回归的环流场与关键区极端降雪的环流配置［图5（a）］较为相似， 均能再现沿着北大西洋急流和亚非急流两支增强的波列。两个模态回归的环流场均表现为北大西洋中纬度地区至巴尔喀什湖一带位势高度异常为“正-负-正-负”的波列特征， 以及低纬度阿拉伯海北部为正位势高度异常的环流配置［图8（a）， （b）］。其中图8（a）的波列较图5（a）整体略偏东， 可能是由于西风带的影响。进一步考察水汽配置， 阿拉伯海北部的反气旋性环流对应显著增强的西南气流， 其将低纬的暖湿水汽输送到较高纬度地区， 与此同时， 巴尔喀什湖的气旋性环流异常进一步将水汽输送至关键区［图8（c）， （d）］， 为极端降雪发生提供必要的水汽条件。
图8 12月北大西洋海温模态PC1-ID（a， c）和PC2（b， d）回归的500 hPa高度场（等值线， 单位： dagpm）、 风场（矢量， 单位： m·s-1）和海温（阴影， 单位： ℃）的回归系数（a， b）和整层积分水汽输送通量（c， d， 单位： kg·m-1·s-1）

浅（深）色阴影表示正（负）回归系数通过0.05显著性水平检验， “A”和“C”分别代表反气旋和气旋中心， 黑色加粗实线为中亚区域； （c）和（d）中黑色方框为南部关键区

Fig.8 The regression coefficients of 500 hPa geopotential height field （contour， unit： dagpm）， wind field （vector， unit： m·s-1） and sea surface temperature （the shaded）（a， b） and integral water vapor transport flux of the whole layer（c， d， unit： kg·m-1·s-1） against the PC1-ID （a， c） and PC2 （b， d） of the first two EOF modes of the sea surface temperature over the North Atlantic for December.Light （dark， unit： ℃） shading in （a） and （b）means that the positive （negative） regression coefficient passes the 0.05 significance level test， the letters “A” and “C” indicate the centers of anticyclonic and cyclonic anomalies， respectively， and the black bold solid line represents the Central Asia； the black box in （c） and （d） is the key southern subregion

研究表明不同海区的海温异常分布会对大气环流产生明显影响（Han et al， 2017）。由图8可知， 南部关键区的极端降雪频次增加与北大西洋海温有着显著的相关性， Zhang et al（2020）研究表明中高纬Rossby波列与北大西洋海温的异常变化有着密切的联系， 因此北大西洋海温可能是影响关键区极端降雪增多的重要外强迫因子， 这一点将被后续的研究进一步证实。此外， 相关研究指出低纬印度洋海温增暖往往会导致新疆， 特别是天山山脉和昆仑山脉降水明显增加（Zhou et al， 2015）， 因此南部关键区极端降雪增多可能与印度洋海温变化有着重要联系。
利用波活动作用通量进一步验证上述两种异常海温模态的影响机制， 结果如图9所示。两个模态回归的波通量均在热带北大西洋和副热带北大西洋地区为能量辐散中心， 与关键区极端降雪频次增多对应的波源位置几乎一致（图6）。其中， PC1-ID回归的TNF［图9（a）］在北半球有两支能量传播带。其中一支TNF从副热带北大西洋波源出发沿着北大西洋急流向东频散， 在波罗的海附近存在一个能量辐散中心， TNF由此向中亚地区传播， 进而加强巴尔喀什湖一带的气旋性异常和阿拉伯海北部的反气旋异常； 另一支从热带北大西洋波源出发沿着亚非急流频散， 与中高纬的能量汇合后， 同样影响阿拉伯海北部的反气旋性异常。PC2回归的能量传播路径［图9（b）］与关键区较高纬度的一支较为一致， 热带北大西洋的能量向北频散， 与副热带北大西洋的能量汇合后继续沿着类EU波列向下游频散， 并在中亚北部向南传播， 导致巴尔喀什湖一带的气旋性异常加强。同时TNF由波罗的海附近的波源南下， 在阿拉伯海地区辐合， 有助于该地区的反气旋发展。相比于气候态急流， 两个模态回归的北大西洋急流均在出口区进一步东进， 亚非急流均在入口区存在西伸现象， 与南部关键区极端降雪频次增加对应的急流位置变动的特征相一致［图6（a）］， 进而对上述异常环流的形成与维持起着重要作用。
图9 12月北大西洋海温模态PC1-ID（a）和PC2（b）回归的200 hPa波作用通量（矢量， 单位： m2·s-2）与波通量散度（彩色区， 单位： m·s-2）分布

黑色虚线为气候态急流， 红色实线为回归的急流， 蓝色箭头表示水平波作用通量传播方向

Fig.9 Regression of the wave activity flux（vector， unit： m2·s-2） and their divergence （color area， unit： m·s-2） at 200 hPa against the PC1-ID （a） and PC2 （b） of the first two EOF modes of the sea surface temperature over the North Atlantic for December.The dotted black line is climatic westerly jet， the solid red line represents the regression of the westerly jet against PC1-ID and PC2， the blue arrow indicates the direction of the horizontal wave activity fluxes

3.4　数值模拟

前文分析可知北大西洋“一致型”和“三极子型”两类海温分布模态以及副热带北大西洋和热带北大西洋两处波能量源地与南部关键区极端降雪频次增多有着密切联系， 接下来利用通用大气模式CAM5.1模拟北大西洋海表温度理想分布型对中亚极端降雪的影响， 进一步验证上述观测结果。

3.4.1　数值试验方案

通过设计一个控制试验和两个敏感性试验， 探究北大西洋“一致型”和“三极子型”两类海温模态对南部关键区极端降雪的影响。控制试验（CTRL）： 模式运行过程中海表温度采用逐月气候态海表温度。敏感性试验1（EXP1）： 在控制试验的基础上， 仅在12月于北大西洋地区叠加“一致型”海温模态的空间分布场， 其他区域仍采用气候态海表温度。因此， 敏感性试验与控制试验的差值场（敏感性试验减控制试验）表示12月份北大西洋“一致型”海温模态对大气环流异常的影响。同理， 敏感性试验2（EXP2）： 在控制试验的基础上， 仅在12月于北大西洋地区增加“三极子型”异常海温模态， 其他区域仍采用气候态海表温度， 以此捕捉12月份北大西洋“三极子型”海温模态作用下的大气响应， 本文结果均对该模式连续积分30年。

3.4.2　试验结果分析

通过模式试验， 分别将两个敏感性试验与控制试验进行比较， 得到高度场和风场差值场的空间分布。由图10可知， 敏感性试验1和试验2均表现为北大西洋至中亚地区沿着北大西洋急流和亚非急流两支增强的波列。在中高纬度地区， 呈现位势高度异常为“正-负-正-负”的波列特征， 巴尔喀什湖一带为异常气旋性环流中心； 在低纬度地区， 阿拉伯海北部为异常反气旋环流中心。该模拟结果与前文北大西洋“一致型”和“三极子型”海温模态对应的环流特征一致。
图10 敏感性试验1（a）和敏感性试验2（b）分别与控制试验的12月500 hPa高度差值场（等值线， 单位： dagpm）和风速差值场（矢量， 单位： m·s-1）

“A”和“C”分别代表反气旋和气旋中心， 黑色加粗实线表示中亚区域

Fig.10 Differences of the geopotential height （contour， unit： dagpm） and wind field （vector， unit： m·s-1） at 500 hPa for December between the EXP1 （a）， EXP2 （b） and CTRL.The letters “A” and “C” indicate the centers of anticyclonic and cyclonic anomalies， respectively， and the black bold solid line represents the Central Asia

图11为降水率和水汽通量的差值场， 两个敏感性试验中南部关键区均为降水率的正异常， 说明在两种海温模态的影响下关键区降水明显增多， 与前文分析观测场所得的结论一致。由水汽通量差值场可知， 巴尔喀什湖一带为异常气旋性环流， 而阿拉伯海北部为异常反气旋性环流， 这样的水汽配置一方面有利于低纬阿拉伯海的西南向暖湿水汽向关键区输送增多， 另一方面有利于水汽在关键区辐合并产生上升运动， 为极端降雪发生创造有利条件。
图11 敏感性试验1（a）和敏感性试验2（b）分别与控制试验的12月降水率差值场（彩色区， 单位： m·s-1）和500 hPa水汽通量差值场（矢量， 单位： g·s·kg-1）

Fig.11 Differences of the precipitation rate （color area， unit： m·s-1） and water vapour transport flux （vector， unit： g·s·kg-1） at 500 hPa for December between the EXP1 （a）， EXP2 （b） and CTRL

接下来对北大西洋两种海温模态下水平波通量的传播特征做进一步分析， 在两个敏感性试验中， 均存在热带北大西洋和副热带北大西洋两个强迫源。敏感性试验1中［图12（a）］TNF由副热带北大西洋波源向南北频散， 其中向北的一支在60°N附近随着北大西洋急流向东频散， 在里海北部南下进而加强了巴尔喀什湖一带的气旋性异常； 向南的一支沿着亚非急流传播， 在30°E附近与来自中高纬的TNF辐合， 共同加强了阿拉伯海北部的反气旋异常， 即在“一致型”海温模态下TNF传播特征与海温PC1回归的结果［图9（a）］较为一致。在敏感性试验2［图12（b）］中， 热带北大西洋和副热带北大西洋的TNF向北频散后沿着平直路径东传， 并于巴尔喀什湖和阿拉伯海北部辐合， 导致该地区异常环流发展， 较好地模拟出“三极子型”海温模态下的主要能量传播特征。
图12 敏感性试验1（a）和敏感性试验2（b）模拟的12月200 hPa水平波作用通量（矢量， 单位： m2·s-2）及其散度（彩色区， 单位： m·s-2）

蓝色箭头表示水平波作用通量传播方向， 黑色加粗实线表示中亚区域

Fig.12 The wave activity flux （vector， unit： m2·s-2） and its divergence （color area， unit： m·s-2） at 200 hPa of the EXP1 （a） and EXP2 （b）， the blue arrow indicates the direction of the horizontal wave activity fluxes， and the black bold solid line represents the Central Asia

4 结论

本文分析了1979 -2017年冬季中亚地区和各个气候区极端降雪的时空演变特征， 并探究了南部关键区极端降雪频次增多的大气环流特征及其与海温异常的联系， 最后利用CAM5.1模式模拟北大西洋“一致型”和“三极子型”两类海温模态下北半球异常环流场和中亚降水率的特征， 得到以下结论：
（1） 地形效应对中亚地区降雪的发生影响较大， 导致极端降雪的空间分布极不均匀， 主要发生在哈萨克斯坦、 吉尔吉斯斯坦、 塔吉克斯坦及北疆地区， 而中亚西南部和南疆的沙漠地区极端降雪较少， 极端降雪指数的高值区主要位于天山山脉和帕米尔高原一带。
（2） 各个极端降雪指数在中亚地区均以增加趋势为主， 极端降雪频次和强度增强共同导致极端降雪增多。中亚各个气候区极端降雪具有显著的年际变化和年代际变化特征， 并表现为显著的增加趋势， 其中以天山山脉为代表的南部关键区极端降雪最多且气候变率最大， 并于20世纪末发生突变。
（3） 中亚南部关键区极端降雪频次增多对应在北大西洋到中亚地区沿着北大西洋急流和亚非急流的两支波列增强， 进而导致巴尔喀什湖一带的异常气旋和阿拉伯海北部的异常反气旋发展， 二者加强了中亚大槽以及来自阿拉伯海的水汽输送， 并在中亚槽前辐合上升， 为20世纪末以来极端降雪增多创造有利条件， 随着气候变暖， 这支水汽对天山的降雪以及极端降雪的贡献越来越大。
（4） 副热带北大西洋和热带北大西洋为两处影响欧亚大陆环流异常的能量源地， 对应的北大西洋“一致型”和“三极子型”海温模态有助于亚非急流入口西伸及其与北大西洋急流对接， 其结果加强了波导作用和热带波动能量向北大西洋急流输送， 并沿着两支急流向下游频散， 对中亚环流异常和极端降雪的发生具有显著影响， 表现为北大西洋海温“一致型”的年代际增强及“三极子型”的年际变化分别从不同尺度均能再现增强的波列及能量传播特征。
（5） 数值模式CAM5.1模拟北大西洋“一致型”和“三极子型”两类海温模态对中亚极端降雪的影响， 两个试验结果均表明大气环流异常场与观测结果一致， 降水率和水汽输送均证明南部关键区极端降雪增多， 进一步验证了副热带北大西洋和热带北大西洋为两处能量源地， 能量输送路径与观测较为一致。

参考文献

null
Aizen E M， Aizen V B， Melack J M， et al， 2001.Precipitation and atmospheric circulation patterns at mid-latitudes of Asia［J］.International Journal of Climatology， 21（5）： 535-556.DOI： 10. 1002/joc.626 .
null
Amorim A C B， Chaves R R， Silva C M S， et al， 2014.Influence of the tropical Atlantic ocean’s sea surface temperature in the eastern northeast Brazil precipitation［J］.Atmospheric and Climate Sciences， 4（5）： 874-883.DOI： 10.4236/acs.2014.45077 .
null
Barrett B S， Garreaud R D， Falvey M， 2009.Effect of the Andes Cordillera on precipitation from a midlatitude cold front［J］.Monthly Weather Review， 137（9）： 3092-3109.DOI： 10.1175/2009mwr2881.1 .
null
Behrangi A， Yin X G， Rajagopal S， et al， 2018.On distinguishing snowfall from rainfall using near-surface atmospheric information： comparative analysis， uncertainties and hydrologic importance［J］.Quarterly Journal of the Royal Meteorological Society， 144（31）： 89-102.DOI： 10.1002/qj.3240 .
null
Bonsal B R， Zhang X， Vincent L A， et al， 2001.Characteristics of daily and extreme temperatures over Canada［J］.Journal of Climate， 14（9）： 1959-1976.DOI： 10.1175/1520-0442（2001）014<1959： codaet>2.0.co； 2 .
null
Bothe O， Fraedrich K， Zhu X， 2012.Precipitation climate of Central Asia and the large-scale atmospheric circulation［J］.Theoretical and Applied Climatology， 108（3/4）： 345-354.DOI： 10.1007/s00704-011-0537-2 .
null
Cannon F， Carvalho L M V， Jones C， et al， 2016.Winter westerly disturbance dynamics and precipitation in the western Himalaya and Karakoram： a wave-tracking approach［J］.Theoretical and Applied Climatology， 125（1/2）： 27-44.DOI： 10.1007/s00704-015-1489-8 .
null
Chen F H， Huang W， Jin L Y， et al， 2011.Spatiotemporal precipitation variations in the arid Central Asia in the context of global warming［J］.Science China Earth Sciences， 54（12）： 1812-1821. DOI： 10.1007/s11430-011-4333-8 .
null
Chen M Y， Shi W， Xie P P， et al， 2008.Assessing objective techniques for gauge-based analyses of global daily precipitation［J］.Journal of Geophysical Research， 113（D4）： 110-122.DOI： 10. 1029/2007jd009132 .
null
Chen X， Wang S S， Hu Z Y， et al， 2018.Spatiotemporal characteristics of seasonal precipitation and their relationships with ENSO in Central Asia during 1901-2013［J］.Journal of Geographical Sciences， 28（9）： 1341-1368.DOI： 10.1007/s11442-018-1529-2 .
null
Chen Y N， Li B F， Li Z， et al， 2016.Water resource formation and conversion and water security in arid region of Northwest China［J］.Journal of Geographical Sciences， 26 （7）： 939-952.DOI： 10.1007/s11442-016-1308-x .
null
Dee D P， Uppala S M， Simmons A J， et al， 2011 The ERA-Interim re-analysis： Configuration and performance of the data assimilation system［J］.Quartey Journal of Royal Meteorological， 137（656）： 553-597.DOI： 10.1002/qj.828 .
null
Donat M G， Lowry A L， Alexander L V， et al， 2016.More extreme precipitation in the world's dry and wet regions［J］.Nature Climate Change， 6（5）： 508-513.DOI： 10.1038/nclimate2941 .
null
Du Y， Zhang J， Zhao S W， 2020.Impact of the eastward shift in the negative-phase NAO on extreme drought over northern China in summer［J］ Journal of Geophysical Research， 125（16）.DOI： 10.1029/2019JD032019 .
null
Enomoto T， 2004.Interannual variability of the Bonin high associated with the propagation of Rossby waves along the Asian jet［J］.Journal of the Meteorological Society Japan， 82（4）： 1019-1034.DOI： 10.2151/jmsj.2004.1019 .
null
Han T T， He S P， Hao X， et al， 2017.Recent interdecadal shift in the relationship between Northeast China’s winter precipitation and the North Atlantic and Indian Oceans［J］.Climate Dynamics， 50（3/4）： 1413-1424.DOI： 10.1007/s00382-017-3694-x .
null
Hu Z Y， Zhou Q M， Chen X， et al， 2017.Variations and changes of annual precipitation in Central Asia over the last century［J］.International Journal of Climatology， 37： 157-170.DOI： 10.1002/joc.4988
null
Huang B Y， Coauthors， 2017.Extended reconstructed sea surface temperature， version 5 （ERSST v5）： upgrades， validations， and intercomparisons［J］.Journal of Climate， 30（20）： 8179-8205.DOI： 10.1175/JCLI-D-16-0836.1 .
null
Huang W， Feng S， Chen J H， et al， 2015.Mechanisms of summer precipitation variations in the Tarim Basin in Northwestern China［J］.Journal of Climate， 28（9）： 3579-3591.DOI： 10.1175/JCLI-D-14-00395.1 .
null
Kunkel K E， Robinson D A， Champion S， 2016.Trends and extreme in Northern Hemisphere snow characteristics［J］.Current Climate Change Reports， 2（2）： 1-9.DOI： 10.1007/s40641-016-0036-8 .
null
Kushnir， Y， Seager R， Ting M F， et al， 2010.Mechanisms of tropical Atlantic SST influence on North American precipitation variability［J］.Journal of Climate， 23（21）： 5610-5628.DOI： 10. 1175/2010jcli3172.1 .
null
Liu H， Liu X D， Dong B W， 2017.Intraseasonal variability of winter precipitation over Central Asia and the western tibetan plateau from 1979 to 2013 and its relationship with the North Atlantic Oscillation［J］.Dynamics of Atmospheres and Oceans， 79（9）： 31-42.DOI： 10.1016/j.dynatmoce.2017.07.001 .
null
Luo J S， Chen H S， Zhou B T， 2020.Comparison of snowfall variations over China identified from different snowfall/rain discrimination methods［J］.Journal of Meteorolgical Research， 34（5）： 224-238.DOI： 10.1007/s13351-020-0004-z .
null
Luo M， Liu T， Meng F H， et al， 2019.Spatiotemporal characteristics of future changes in precipitation and temperature in Central Asia［J］.International Journal of Climatology， 39（3）： 1571-1588.DOI： 10.1002/joc.5901 .
null
Lutz A F， Immerzeel W W， Shrestha A B， et al， 2014.Consistent increase in High Asia’s runoff due to increasing glacier melt and precipitation［J］.Nature Climate Chang， 4（7）： 587-592.DOI： 10.1038/nclimate2237 .
null
Marks D， Winstral A， Reba M， et al， 2013.An evaluation of methods for determining during storm precipitation phase and the rain/snow transition elevation at the surface in a mountain basin［J］.Advances in Water Resources， 55： 98-110.DOI： 10.1016/j.advwatres.2012.11.012 .
null
Pohl E， Gloaguen R， Seiler R， 2015.Remote sensing-based assessment of the variability of winter and summer precipitation in the Pamirs and their effects on hydrology and hazards using Harmonic Time Series Analysis［J］.Remote Sensing， 7（8）： 9727-9752.DOI： 10.3390/rs70809727 .
null
Rana S， McGregor J， Renwick J， 2016.Wintertime precipitation climatology and ENSO sensitivity over central southwest Asia［J］.International Journal of Climatology， 37（3）： 1494-1509.DOI： 10.1002/joc.4793 .
null
Sato N， Takahashi M， 2006.Dynamical processes related to the appearance of quasi-stationary waves on the subtropical jet in the midsummer Northern Hemisphere［J］.Journal of Climate， 19（8）， 1531-1544.DOI： 10.1175/jcli3697.1 .
null
Schubert S D， Wang H L， Koster R D， et al， 2014.Northern Eurasian heat waves and droughts［J］.Journal of Climate， 27（9）： 3169-3207.DOI： 10.1175/JCLI-D-13-00360.1 .
null
Sillmann J， Kharin V V， Zhang X， et al， 2013.Climate extremes indices in the CMIP5 multimodel ensemble： Part 1.Model evaluation in the present climate［J］.Journal of Geophysical Research， 118（4）： 1716-1733.DOI： 10.1002/jgrd.50203 .
null
Sorg A， Bolch T， Stoffel M， et al， 2012.Climate change impacts on glaciers and runoff in Tien Shan （Central Asia）［J］.Nature Climate Chang， 2（10）： 725-731.DOI： 10.1038/nclimate1592 .
null
Sun J Q， Wang H J， Yuan W， et al， 2010.Spatial-temporal features of intense snowfall events in China and their possible change［J］.Journal of Geophysical Research， 115（D16）： 110-117.DOI： 10.1029/2009jd013541 .
null
Takaya K， 2001.A formulation of a phase-independent wave-activity flux for stationary and migratory quasi geostrophic eddies on a zonally varying basic flow［J］.Journal of Atmospheric Sciences， 58（6）： 608-627.DOI： 10.1175/1520-0469（2001）058<0608： AFOAPI>2.0.CO； 2 .
null
Terao T， 1997.On the zonal wavelength of the quasi-stationary Rossby waves trapped in the westerly jet［J］.Journal of the Meteorological Society of Japan， 40（2）： 213-229.DOI： 10.2151/jmsj1965.77.3_687 .
null
Tian B Q， Fan K， 2013.Factors favorable to frequent extreme precipitation in the upper Yangtze River Valley［J］.Meteorology and Atmospheric Physics， 121（3-4）： 189-197.DOI： 10.1007/s00703-013-0261-9 .
null
Trenberth K E， Fasullo J T， Shepherd T G， 2015.Attribution of climate extreme events［J］.Nature Climate Change， 5（8）： 725-730.DOI： 10.1038/nclimate2657 .
null
Trouet V， Babst F， Meko M， 2018.Recent enhanced high-summer North Atlantic jet variability emerges from three-century context［J］.Nature Communications， 9（1）： 180-188.DOI： 10.1038/s41467-017-02699-3 .
null
Wang S P， Ding Y J， Jiang F Q， et al， 2017.Defining indices for the extreme snowfall events and analyzing their trends in northern Xinjiang， China［J］.Journal of the Meteorological Society of Japan， 95（5）： 287-299.DOI： 10.2151/jmsj.2017-016 .
null
Wang S J， Zhang M J， Sun M P， et al， 2013.Changes in precipitation extremes in alpine areas of the Chinese Tianshan Mountains， central Asia， 1961-2011［J］.Quaternary International， 311： 97-107.DOI： 10.1016/j.quaint.2013.07.008 .
null
Wu Z W， Li J P， Jiang Z H， et al， 2012.Possible effects of the North Atlantic Oscillation on the strengthening relationship between the East Asian summer monsoon and ENSO［J］.International Journal of Climatology， 32（5）： 794-800.DOI： 10.1002/joc.2309 .
null
Xu L G， Zhou H F， Du L， et al， 2015.Precipitation trends and variability from 1950 to 2000 in arid lands of Central Asia［J］.Journal of Arid Land， 7（4）： 514-526.DOI： 10.1007/s40333-015-0045-9 .
null
Yin Z Y， Wang H L， Liu X D， 2014.A comparative study on precipitation climatology and interannual variability in the lower midlatitude East Asia and Central Asia［J］.International Journal of Climatology， 27（20）： 7830-7848.DOI： 10.1175/JCLI-D-14-00052. 1 .
null
Zhang J， Chen H S， Zhang Q， 2019.Extreme drought in the recent two decades in northern China resulting from Eurasian warming［J］.Climate Dynamics， 52（5/6）： 2885-2902.DOI： 10.1007/s00382-018-4312-2 .
null
Zhang J， Chen Z H， Chen H S， et al， 2020.North Atlantic multidecadal variability enhancing decadal extratropical extremes in boreal late summer in the early 21st century［J］.Journal of Climate， 33（14）： 6047-6064.IDOI： 10.1175/JCLI-D-19-0536.1 .
null
Zhou Y， Huang A N， Zhao Y， et al， 2015.Influence of the sea surface temperature anomaly over the Indian Ocean in March on the summer rainfall in Xinjiang［J］.Theoretical and Applied Climatology， 119（3-4）： 781-789.DOI： 10.1007/s00704-014-1149-4 .
null
黄秋霞， 赵勇， 何清， 2013.基于CRU资料的中亚地区气候特征［J］.干旱区研究， 30（3）： 396-403.
null
黄伟， 陈建徽， 张肖剑， 等， 2015.现代气候条件下降水变化的“西风模态”空间范围及其影响因子初探［J］.中国科学（地球科学）， 45（4）： 379-388.
null
黄晓璐， 徐海明， 邓洁淳， 2015.冬季中国近海海表温度的长期升高及其对中国降水的影响［J］ 气象学报， 73（3）： 505-514.DOI： 10.11676/qxxb2015.038 .
null
李多， 肖子牛， 李泽椿， 2012.中国东部北方地区冬季降雪的时空特征及其与全球海温异常的联系［J］.气象， 38（4）： 411-418.DOI： 10.7519/j.issn.1000-0526.2012.4.004 .
null
李如琦， 唐冶， 肉孜·阿基， 2015.2010年新疆北部暴雪异常的环流和水汽特征分析［J］.高原气象， 34（1）： 155-162.DOI： 10. 7522/j.issn.1000-0534.2013.00163 .
null
李湘瑞， 范可， 徐志清， 2019.2000年后中国北方东部地区夏季极端降水减少及水汽输送特征［J］.大气科学， 43（5）： 1109-1124.
null
秦大河， 罗勇， 陈振林， 等， 2007.气候变化科学的最新进展： IPCC第四次评估则综合报告解析［J］.气候变化研究进展， 3（6）： 311-314.DOI： 10.3969/j.issn.1673-1719.2007.06.001 .
null
任雪娟， 张耀存， 2007.冬季200hPa西太平洋急流异常与海表加热和大气瞬变扰动的关系探讨［J］.气象学报， 65（4）： 550-560.DOI： 10.3321/j.issn： 0577-6619.2007.04.008 .
null
杨莲梅， 刘雯， 2016.新疆北部持续性暴雪过程成因分析［J］.高原气象， 35（2）： 507-519.DOI： 10.7522/j.issn.1000-0534. 2014.00161 .
null
杨修群， 黄士松， 1993.外强迫引起的夏季大气环流异常及其机制探讨［J］.大气科学， 17（6）： 697-702.DOI： 10.1007/BF02656973 .
null
张俊兰， 崔彩霞， 陈春艳， 2013.北疆典型暴雪天气的水汽特征研究［J］.高原气象， 32（4）： 1115-1125.DOI： 10.7522/j.issn. 1000-0534.2012.00105 .
Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn