高原气象

高原气象 >

2024 , Vol. 43 >Issue 5: 1087 - 1101

DOI: https://doi.org/10.7522/j.issn.1000-0534.2024.00010

青藏高原春季区域性极端大风频次下降成因

  • 付文卓 ,
  • 陈斌 ,
  • 徐祥德
展开
  • 中国气象科学研究院，灾害天气国家重点实验室，北京 100081

付文卓（1999 -）， 女， 山东潍坊人， 硕士研究生， 主要从事青藏高原气象学研究. E-mail：

收稿日期: 2023-09-26

  修回日期: 2024-01-29

  网络出版日期: 2024-01-29

基金资助

第二次青藏高原综合科学考察研究项目(2019QZKK0105); 中国气象科学研究院科技发展基金项目(2023KJ027)

收起

On the Causes of Decreased Regional Extreme Wind Frequency over the Qinghai-Xizang Plateau during the Spring Season

  • Wenzhuo FU ,
  • Bin CHEN ,
  • Xiangde XU
Expand
  • State Key Laboratory of Severe Weather，Chinese Academy of Meteorological Sciences，Beijing 100081，China

Received date: 2023-09-26

  Revised date: 2024-01-29

  Online published: 2024-01-29

Fold

摘要

极端大风是一种重要的气象灾害， 同时亦是一种重要的气候资源。作为“世界屋脊”的青藏高原（Qinghai-Xizang Plateau， QXP）区域是全球和区域气候变化的敏感区， 其极端大风事件及其气候变化背景下变化特征与机理尚未完全清楚， 尤其在川藏铁路建设背景下， 加深高原区域极端大风事件的科学认知可为铁路建设和运营提供科学支撑和参考。为探讨高原区域性极端大风长期变化特征及其可能原因， 利用地面观测最大风速日值数据， 定义了青藏高原区域性极端大风事件， 在此基础上， 采用趋势分析、 EOF分析、 合成分析等多元统计方法分析了1982 -2021年高原中东部区域性极端大风事件的时空分布和变化特征、 发生的环流条件及其频次减少的可能原因。分析结果表明： （1）自20世纪80年代以来， 青藏高原中东部区域性极端大风事件呈显著下降趋势， 以95和99百分位定义的区域性极端大风日数每10年分别下降44天和11.6天， 且变化主要表现为空间一致型， 主要集中在高原东北部。（2）区域性极端大风发生期间， 中高纬位势高度呈“西高东低”， 低纬地区呈“西低东高”的分布形势， 主要特征表现为蒙古-西伯利亚高压正异常， 蒙古地区气旋式环流异常， 高原东北部西风异常以及蒙古地区地表温度负异常。（3）全球变化背景下， 春季西伯利亚高压强度减弱、 上一个冬季东亚大槽强度加强致使高原南北两侧气压梯度减小、 西风急流减弱导致动量下传减弱并且伴随着气旋性环流异常减弱， 以及亚洲地表温度非均匀性上升使得南北温度梯度变小。这些大尺度环流和局地热力因子的协同影响可能是高原中东部区域性极端大风事件发生频次减少的重要原因。

关键词： 青藏高原; 区域性极端大风; 东亚大槽; 地表温度

本文引用格式

付文卓 , 陈斌 , 徐祥德 . 青藏高原春季区域性极端大风频次下降成因[J]. 高原气象, 2024 , 43(5) : 1087 -1101 . DOI: 10.7522/j.issn.1000-0534.2024.00010

Abstract

Extreme wind events （EWEs） not only are a kind of meteorological disaster， but also serve as an important natural resource.The Qinghai-Xizang Plateau （QXP）， well known as the "roof of the world"， is vulnerable to global and regional climate change.However， the characteristics and mechanism of variability of extreme wind events over this region and associated mechanisms remain elusive.Under the background of global change， Chinese Sichuan-Tibetan Railway construction， the exploration on changes in the EWEs could deepen our scientific understanding the regional climate.In order to explore the spatial-temporal distribution characteristics of regional extreme wind events （REWs） over the central and eastern QXP for the period of 1982 -2021， daily data of maximum wind speed are utilized to define REWs.Further， with the aid of thermal - thermodynamic diagnosis and the multiple statistical methods， such as trend analysis， EOF and composite analysis， we explore the potential causes leading to the decreased frequency of RWEs.The results show that： （1） The REWs over the QXP significantly decreased since 1980， varied consistently throughout the QXP and occurred mostly in the northeastern QXP.The REWs as defined in the 95th and 99th percentiles decline with the rate of 44d/10a and 11.6d/10a.（2） During periods of REWs， the circulation pattern is "high in the west and low in the east" in the middle and high latitudes and "low in the west and high in the east" in the low latitudes.The main characteristics are as follows： the abnormal positive geopotopic in Mongolia-Siberia， the abnormal cyclonic circulation in Mongolia， the abnormal westerly wind in the northeast of the plateau， and the abnormal negative surface temperature in Mongolia.（3） In the context of global change， the weakening of the Siberian high in spring and the strengthening of the East Asian trough in winter leads to decreasing pressure gradient between the north and south sides of the QXP， the weakening of the westerly jet stream leads to decreasing momentum downdraft， and the rise of non-uniform surface temperature in Asia leads to the decreasing temperature gradient between the north and south sides of the QXP.At the same time， the abnormal cyclonic circulation weakened in Mongolia.It may be resulted from the co-influence of these large-scale circulation and local thermal factors that reduce the frequency of regional extreme wind events in the central and eastern parts of the QXP.

Key words： Qinghai-Xizang Plateau; regional extreme wind; East Asian trough; surface temperature

1 引言

极端大风事件作为一种典型气象灾害， 通常发生的概率低， 但是突发性强， 往往造成重大经济损失和人员伤亡， 自然和社会影响大。全球气候变化背景下， 极端大风发生的频次和强度发生变化， 并且表现出空间上非均匀特征显著（Coumou and Rahmstorf， 2012； 周波涛等， 2021）。另外， 大风事件本身也是一种重要的可再生能源， 其变化特征和成因研究对区域清洁能源利用和可持续发展具有重要意义。因此， 对不同区域极端大风变化特征及其成因研究， 对于应对气候变化、 区域资源合理利用等都具有重要意义。
过去关于风速变化特征及其可能原因的探讨多着眼于平均风速的研究。结果表明， 最近几十年包括中国在内的世界上大多数地区的近地层风速呈下降趋势， 特别是在北半球中高纬度， 这种下降趋势称为全球风速静止， 而2010年左右这种静止有逆转的形势（Zeng and Sun， 2023； Yang et al， 2021； Vautard et al， 2010； Wu et al， 2018）， 最近亦有研究指出， 2014年前后中国的年平均地表风速从持续减弱的趋势转变为显著增强的趋势（Yang et al， 2021）。中国地区风速的减弱存在明显的区域性， 地表风速下降幅度最大的地区通常在高海拔处， 尤其是青藏高原（Lin et al， 2013）， 其中春季下降速率最快（Yang et al， 2014； 唐信英等， 2022）， 而较大量级的平均风速（平均风速 ≥8 m·s-1）在2002年前后均以减少趋势为主（吴佳等， 2022）。根据地转风理论， 近地表风速下降的主要原因是对流层低层气压梯度力的减弱（Guo et al， 2011）， 气候变暖削弱经向温度梯度， 导致相应的压力梯度减弱， 从而使地表风速下降（You et al， 2014； Xiong et al， 2019）， 这个过程中受到各主要大气环流不同程度的共同影响（Ding et al， 2021）。此外， 从大尺度环流背景来看， 影响中国风速减弱的可能是大陆冷性高压和气旋活动、 东亚夏季风的减弱、 东亚槽减弱及其向东和向北移动以及北半球大气活动中心和西风急流向北推移（Jiang et al， 2010； 任国玉等， 2005； 王鹏祥等， 2007）。已有研究中极端大风、 温带气旋、 雷暴和极端降水等复合极端事件主要发生在中国东部地区（Zhang et al， 2021a； Ma et al， 2019； Messmer and Simmonds， 2021； Luca et al， 2020； Zhang et al， 2021b； Gomes and Vickery， 1978； Zhang et al， 2018）。上述已有对极端大风的研究大多着眼于中国区域近地面平均风速及其可能变化机制研究。
青藏高原被称为“世界屋脊”和“地球第三极”， 平均海拔超过4000 m， 其动力-热力效应对高原及周边地区天气气候与环境变化具有重要影响（徐祥德和陈联寿， 2006； 吴国雄等， 2016； 杨耀先等， 2022； 雷润芝等， 2023）。青藏高原地处北半球中纬度西风带， 风速大于同纬度的其他地区， 是我国极端大风日数最多、 范围最大的地区（白虎志等， 2005）。由于高原对大气环流异常的响应更为敏感， 高原上的风速变化可能是中国风速变化的前兆（Yang et al， 2014； 姚檀栋等， 2017）。而由于青藏高原气候环境恶劣、 国家气象观测站网稀疏， 加之高原特有复杂地形的动力和热力效应影响（罗红羽等， 2023； 王蕊等， 2023； Duan and Wu， 2009）， 致使人们对青藏高原极端大风事件成因与长期变化机理关注较少。因此， 研究高原区域性极端大风事件变化规律及其可能机制对于揭示青藏高原区域气候变化具有重要意义。另外， 随着川藏铁路建设启动， 强风对铁路建设和运营影响较大， 加强高原区域性极端大风事件的科学认知对提升川藏铁路建设和运营水平具有科学借鉴意义。
本文利用1982 -2021年国家气象信息中心提供的青藏高原中东部59个国家站最大风速日值数据、 再分析资料ERA5（ECMWF Reanalysis v5）和NCEP/NCAR（National Centers for Environmental Prediction）， 研究青藏高原中东部区域性极端大风事件的时空分布、 发生时的环流特征和变化的可能原因， 为进一步认识全球气候变暖背景下的青藏高原气候变化提供参考。

2 数据来源和方法介绍

2.1　数据来源

青藏高原59个气象站点的最大风速日值数据来自于中国国家气象信息中心（https： //data.cma.cn/）的《中国国家级地面气象站基本气象要素日值数据集V3.0》， 该数据在10 m高度上观测风速和风向， 提供日最大风速和日极大风速， 最大风速为给定时段内10 min平均风速的最大值， 极大风速为给定时段内的瞬时风速的最大值， 通常定义大风为极大风速达到8级以上或最大风速达到6级以上（姚慧茹和李栋梁， 2019）， 考虑到高原台站资料中极大风速缺测过多， 本文采用最大风速定义， 且已有学者证明使用最大风速与极大风速筛选出的极端大风之间的差异相对稳定（Jiang et al， 2023）。选取青藏高原总缺测值小于10%的站点， 为了保留数量较多的台站， 资料序列选取为1982-2021年， 剔除后这些台站主要位于青藏高原的中部和东部。
本文大气环流资料采用的是ECMWF 第五代全球大气再分析资料ERA5， 水平分辨率为0.1°×0.1°， 时间分辨率为逐小时， 具有时间、 空间分辨率高的优势， 垂直层次选用13层（1000~100 hPa）， 要素包括经向风、 纬向风、 垂直风速、 位势高度、 平均海平面气压（Mean Sea Level Pressure， MSLP）、 气温和地表温度。ERA5数据通过官方计算工具得到每日平均值， 再对区域性极端大风发生当日的春季要素距平进行合成得到区域性极端大风发生时的环流及动热力异常。另外， 计算西伯利亚高压指数时也用到了美国国家环境预报中心NCEP再分析资料中的海平面气压场（Sea Level Pressure， SLP）水平分辨率为2.5°×2.5°， 时间分辨率为逐日。文中的冬季指前一年12月至当年2月， 资料时段为1981/1982年至2021年。文中涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2016）1600的标准地图制作， 底图无修改。

2.2　区域性极端大风的定义

过去研究主要使用某一特定风速值或百分位阈值法作为极端大风事件的判定标准（Jiang et al， 2023）。对于青藏高原这种较大的地区来说选择百分位阈值更为适合。IPCC第三次评估报告指出， 极端天气事件是指某一地点或地区， 从统计分布的观点看不常或极少发生的天气事件， 基于前人对极端大风的定义方法（Zhang and Wang， 2021）， 本文对每个站的日最大风速数据从低到高排序， 第95、 99百分位风速作为极端大风的阈值（Extreme Wind， 分别简称EW95和EW99）。此外， 参考以往研究中区域性沙尘暴的定义（秦豪君等， 2022）， 将至少3站满足极端大风的标准且这些站被一个圆包含， 圆的直径范围为4个经纬度， 定义为区域性极端大风事件（Regional Extreme Wind， 简称REW95、 REW99）。只要有一个站出现极端大风或区域性极端大风事件， 则这一天视为极端大风日或区域性极端大风日。

2.3　大气环流指数定义

本文的西伯利亚高压指数（Siberian High Index， SHI）定义为40°N -60°N、 80°E -120°E范围内海平面气压的区域平均（Wu and Wang， 2002）， 并对其进行标准化处理。
东亚大槽（East Asian Trough， EAT）强度定义为25°N -45°N、 110°E -145°E区域内500 hPa位势高度的区域平均再标准化（贺圣平和王会军， 2012）。
东亚冬季风指数（Index of East Asian Winter Monsoon， IEAWM）取自朱艳峰（2008）的定义， 即将25°N -35°N、 80°E -120°E范围内500 hPa纬向风的平均值减去50°N -60°N、 80°E -120°E范围内500 hPa纬向风的平均值， 并对差值进行标准化处理。

2.4　分析方法

本研究使用了经验正交函数分解（EOF分析）方法、 合成分析、 回归分析以及相关分析。利用EOF分析方法研究青藏高原中东部区域性极端大风频次的年际变化和空间分布特征， 研究区域性极端大风频次与大气环流指数的关系时主要应用了相关分析， 在此基础上， 对区域性极端大风发生期间的环流及动热力异常进行合成， 探究区域性极端大风发生的环流条件， 并借助一元线性回归分析计算环流、 动热力异常的变化趋势探讨了其减少的可能机制。大气水平动能K的计算方法认为是（彭玉麟和简茂球， 2012）：
K = 1 2 u 2 + v 2
式中： u和v分别表示纬向风和经向风。大气垂直速度w比大气水平速度u和v的量级小， 故将大气水平动能视为大气动能。按照Yanai and Tomita （1998）定义， 大气视热源（Q 1）计算公式如下：
q 1 = c p p p 0 κ ∂ θ ∂ t + V ∙ ∇ θ + ω ∂ θ ∂ p
Q 1 = 1 g ∫ p t p s q 1 d p
式中： V=（u， v）为水平风速（单位： m·s-1）； p表示气压（单位： hPa）； ω表示垂直速度（单位： Pa·s-1）； θ表示位温（单位： K）； 地面气压p 0取1000 hPa； Cp 为比热容（单位： J·kg-1·k-1）； κ=R/Cp， 这里R为气体常数； ps 表示地面气压（单位： hPa）； pt 表示对流层顶气压（单位： hPa）； Q1 表示整层大气视热源（单位： W·m-2）。本文分析的垂直积分是指从地面积分到100 hPa。

3 高原中东部地区极端大风时空分布及变化特征

3.1　极端大风事件空间分布

图1（a）给出了99百分位风速阈值的时空分布。各站点极端大风风速阈值范围在8.8~21.7 m·s-1， 均值为14.18 m·s-1， 总体来看高原北部的风速阈值要高于南部。风速阈值较大的站点位于高原中部， 大多沿山脉分布， 其中最大值为五道梁站， 而风速阈值最小的站点位于高原东部区域， 其中最小值为贡山站。有研究指出最大风速达到6级（10.8 m·s-1）则认为出现大风天气（姚慧茹和李栋梁， 2019）， 在高原中东部59个观测站点中仅8个站未达到大风标准。从频次空间分布来看， 区域性极端大风主要集中在高原中部和东北部［图1（b）］， 尤其阿尼玛卿山、 青海湖附近和玉树地区的站点区域性极端大风日数达到100 d。
图1 1982 -2021年99百分位风速阈值（a）和区域性极端大风频次（b）的空间分布

Fig.1 Spatial distribution of 99th percentile wind speed threshold （a） and regional extreme wind frequency （b） from 1982 to 2021

3.2　极端大风长期变化特征

从极端大风事件长期趋势变化分布来看（图2）， 高原中东部地区大部分站点极端大风事件发生频次都呈现显著下降的趋势， 下降最快的站为同德， 以-0.28 d·a-1的速率下降， 仅西宁站呈上升趋势， 以0.014 d·a-1的速率上升。
图2 1982 -2021年春季区域性极端大风频次变化趋势

叉号表示通过95%信度检验

Fig.2 Trend of regional extreme wind frequency in spring from 1982 to 2021.A cross indicates that the trend is significant above 95% confidence level

为进一步分析高原中东部地区极端大风长期变化的整体性特征， 图3（a）和3（b）分别给出了1982 -2021年极端大风和区域性极端大风日数的年际变化。在全球气候变化背景下， 无论是基于单站的极端大风还是区域性大风事件发生日数都整体上呈显著减小趋势， 这里REW99和REW95事件发生日数分别以-11.6 d·（10a）-1和-44 d·（10a）-1的速率下降［图3（b）］。各季节的REW事件亦呈显著下降趋势［图3（d）， （f）］， REW99和REW95在春季发生最多、 下降速度也最快， 分别为-5.7 d·（10a）-1、 -17.6 d·（10a）-1（表1）。同样， 不同季节EW99、 EW95发生频次也同样呈现减少趋势［图3（c）， （e）］， 但与其他季节比较而言， 春季期间极端大风频次减少更为显著。对比95百分位和99百分位阈值极端大风日数， 春季没有发生REW99的年份为2009年， 2013年， 2014年， 2017年， 2021年共5年， 而95百分位阈值下绝大部分天数都出现极端大风事件， 因此， 后文分析采用99百分位的风速作为各站点极端大风阈值更具有实际意义。
图3 1982 -2021年极端大风（a）和区域性极端大风（b）日数的年际变化， 不同季节99百分位（c）和95百分位（d）极端大风日数的年际变化， 以及99百分位（e）和95百分位（f）区域性极端大风日数年际变化

Fig.3 Interannual variation in the number of extreme wind days （a） and regional extreme wind days （b）， the interannual variation in the number of extreme wind days （c） and 95th （d） in different seasons， and regional extreme wind days （e） and 95th （f） from 1982 to 2021

表1 1982 -2021年95和99百分位阈值的极端大风日数、 区域性极端大风日数的线性变化趋势

Table 1 Linear trends in the number of extreme wind days at the 95th and 99th percentile thresholds and regional extreme wind days from 1982 to 2021

时期 大风日数的线性变化趋势/［ d·（10a）-1］
EW99 EW95 REW99 REW95
全年 - 41 . 7 * - 38 . 6 * - 11 . 6 * - 44 *
春季 - 15 * - 6 . 5 * - 5 . 7 * - 17 . 6 *
夏季 - 10 . 5 * - 10 . 8 * - 1 . 1 * - 10 . 3 *
秋季 - 5 . 9 * - 11 . 6 * - 0 . 6 * - 5 . 2 *
冬季 - 10 . 2 * - 9 . 6 * - 4 * - 10 . 6 *

*表示趋势通过95%的显著性检验（* represents the trend exceeding the 95% confidence level）

从图3（a）中可见， 在2003年后， 极端大风发生日数稍有上升， 但区域性极端大风事件在2003年后上升并不显著［图3（b）］。以2003年为分界点， 分别计算第一个时段（P1： 1982 -2003年）和第二个时段（P2： 2004 -2021年）的极端大风日数的线性变化趋势。EW99和EW95在1982 -2003年期间分别以-45.2 d·（10a）-1和-34.9 d·（10a）-1的速率显著下降， 2003年以后分别以19.4 d·（10a）-1和38.9 d·（10a）-1的速率显著上升。
表2 第一个时段（P1： 1982 -2003年）和第二个时段（P2： 2004 -2021年）的年极端大风日数的线性变化趋势

Table 2 Linear trend of annual extreme wind days for the first period （P1： 1982 -2003） and the second period （P2： 2004 -2021）

时段 大风日数的线性变化趋势/［d·（10a）-1］
EW99 EW95
P1（1982 -2003年） - 45 . 2 * - 34 . 9 *
P2（2004 -2021年） 19 . 4 * 38 . 9 *

*表示趋势通过95%的显著性检验（* represents the trend exceeding the 95% confidence level）

为了进一步分析和检验青藏高原春季区域性极端大风事件的时空变化特征， 本文利用站点数据得到的区域性极端大风事件（REW99）频次进行经验函数正交分解（EOF）。图4给出了EOF分析得到前3个主模态及其对应的时间系数， 其中前三个主模态方差贡献分别为57.3%、 11.1%和7.3%， 累计方差贡献为75.7%。从图4可以看出， EOF1的空间分布表现为青藏高原中东部全区一致性变化， EOF1对应的时间系数在2002年以前为正值， 2002年以后均为负值， 结合空间分布可得出和站点观测一致结果， 1982 -2002年期间区域性极端大风事件发生频数普遍偏多， 而2003 -2021年期间区域性极端大风事件发生频数普遍少。EOF2和EOF3空间分布则表现为西南-东北向和东西向的差异特征， 但考虑到他们方差贡献仅为11.2%和7.3%， 与EOF1相比贡献较小， 其主要表征了青藏高原内部区域性极端大风频次的变化特征。因此， 可以说高原中东部地区区域极端大风表现为区域整体上的年代际减少， 空间差异性较小。
图4 1982 -2021年春季区域性极端大风频次EOF分析的前三模态时间系数序列（a， c， e）及其对应的空间分布（b， d， f）（a， b） 第一模态， （c， d） 第二模态， （e， f） 第三模态

Fig.4 The first three mode time coefficient series （a， c， e） and corresponding spatial distribution （b， d， f） of EOF analysis of regional extreme wind frequency in Spring from 1982 to 2021.（a， b） First mode， （c， d） Second mode， （e， f） Third mode

4 春季区域性极端大风发生期间大气环流异常特征

为了解高原上春季区域性极端大风的形成与大气环流的联系， 利用合成分析方法， 分析了春季区域性极端大风发生期间大气环流异常配置特征。
图5（a）给出了1982 -2021年春季区域性极端大风发生期间500 hPa位势高度异常。由图5（a）可见， 位势高度显著负异常区位于蒙古高原地区， 表明槽在此处加深， 有利于出现西北风， 而青藏高原西部风场反气旋式异常会进一步加强西北风， 有利于青藏高原东部的区域性极端大风发生。整体上， 中高纬环流异常呈现“西高东低”的环流形势， 青藏高原上游低纬地区则相反， 呈“西低东高”的分布形势， 这种中高纬地区环流型配置便于冷空气南下， 为区域性极端大风产生提供有利环流背景条件。从200 hPa纬向风异常可以看出［图5（b）］， 高原东部为显著西风异常， 急流轴位置处于高原南部， 事件合成急流区与气候平均急流区对比表明发生区域性极端大风时高空急流范围更大、 强度更强［图5（b）， 图8（b）］， 为近地面大风提供了一定的动力条件。中高纬地区的地面气压为显著正异常［图5（c）］， 尤其在青藏高原北侧， 相反在青藏高原东南侧海平面气压为显著负异常， 这种分布形势亦有利于冷空气向南输送， 在中高纬和低纬间产生较强的经向气压梯度， 从而在青藏高原中东部产生较大的风速。进一步看地表温度异常， 可见在青藏高原北侧为地表温度显著负异常大值区， 而在中南半岛地区有地表温度显著正异常［图5（d）］， 这种地表温度分布不均匀可造成水平压力梯度增大（ Lin et al， 2013； Li et al， 2018）， 亦为区域性极端大风提供了较好环境条件。
图5 春季平均500 hPa位势高度（等值线， 单位： dagpm）及春季区域性极端大风发生期间500 hPa位势高度（彩色区， 单位： dagpm）和风场（矢量， 单位： m·s-1）异常（a）、 200 hPa纬向风（彩色区， 单位： m·s-1）异常及急流区（等值线， 单位： m·s-1）（b）、 平均海平面气压（彩色区， 单位： hPa）异常（c）和地表温度（彩色区， 单位： K）异常（d）的空间分布绿色框线表示位势高度异常关键区， 紫色矢量和打点区域表示通过95%显著性水平检验

Fig.5 Spatial distribution of 500 hPa geopotential height in spring （contour line， unit： dagpm） and 500 hPa geopotential height （color area， unit： dagpm） and wind field （vector， unit： m·s-1） anomaly （a）， 200 hPa zonal wind （color area， unit： m·s-1） anomaly and jet stream region （contour line， unit： m·s-1） （b）， mean sea level pressure （color area， unit： hPa） anomaly （c）， and surface temperature （color area， unit： K） anomaly （d） during regional extreme wind in spring.The green box indicates the key area of geopotential height anomaly， and purple vectors and dotted areas indicate the difference are significant above 95% confident level

图6 1982 -2021年春季区域性极端大风发生时整层大气动能异常（a）和70°E -110°E纬向平均大气动能（b）异常的垂直剖面（单位： ×103 J）

打点区域通过95%显著性水平检验

Fig.6 Vertical profile of whole-layer atmospheric kinetic energy anomaly （a） and zonal mean atmospheric kinetic energy （b） anomaly during regional extreme wind during spring from 1982 to 2021.Unit： ×103 J.Dotted areas indicate the difference are significant above 95% confident level

图7 1982 -2021年春季区域性极端大风日数和东亚大槽（EAT）、 东亚冬季风指数（IEWAM）以及西伯利亚高压指数（SHI）标准化序列（a）， 500 hPa区域平均（35°N -60°N， 90°E -120°E）位势高度和温度标准化序列（b）

Fig.7 The normalized series of regional extreme gale days and East Asian Trough （EAT）， East Asian Winter Monsoon Index （IEWAM） and Siberian High Pressure Index （SHI） in spring from 1982 to 2021 （a）， and Normalized sequence of regional mean （35°N -60°N， 90°E -120°E） geopotential height and temperature over 500 hPa （b）

图8 春季区域性极端大风发生期间500 hPa位势高度（彩色区， 单位： dagpm）及风场（矢量， 单位： m·s-1）异常趋势（a）， 春季气候平均的急流区（等值线， 单位： m·s-1）和春季区域性极端大风发生期间200 hPa纬向风（彩色区， 单位： m·s-1）异常趋势（b）、 平均海平面气压（彩色区， 单位： hPa）异常趋势（c）和地表温度（彩色区， 单位： K）（d）异常趋势的空间分布

绿色框线表示位势高度异常关键区， 紫色矢量和打点区域表示通过95%显著性水平检验

Fig.8 Abnormal trend of geopotential height （color area， unit： dagpm） and wind （vector， unit： m·s-1） field at 500 hPa during regional extreme wind in spring （a）.Spring climate mean jet stream （contour line， unit： m·s-1） and spatial distribution of 200 hPa zonal wind （color area， unit： m·s-1） anomaly （b）， mean sea level pressure （color area， unit： hPa） anomaly （c） and surface temperature （color area， unit： K） anomaly （d） in spring regional extreme gale.The green box indicates the key area of geopotential height anomaly， and purple vectors and dotted areas indicate areas with the difference exeeding 95% confident level

上文分析可知， 春季区域性极端大风发生期间高原东北侧为地面低温异常， 同时在中高层存在一个异常的气旋式环流异常。为进一步了解春季区域性极端大风发生时的大气动能及其垂直方向联系， 计算了整层的大气动能异常和高原地区（70°E -110°E）区域平均的大气动能异常。由图6（a）可知， 整层大气动能显著正异常区位于高原东北侧和东南侧， 与气旋环流和副热带急流的位置关系密切。从高原地区所在经度带的垂直剖面图［图6（b）］看， 动能正异常中心位于40 ° N附近的300 hPa左右， 而高原南侧的正异常中心在200 hPa左右。根据上述分析可以发现， 区域性极端大风发生时高原北部整层风速较大。
综上分析可见， 区域性极端大风发生时， 一般伴随着青藏高原东北部地面异常低温， 该低温中心造成南北方向上的温度非均匀性增强， 加之垂直方向上动能输送增强， 中层500 hPa高度呈现大气反气旋型环流异常， 进而致使低槽加深， 为区域极端大风形成提供了较好的环流背景条件。

5 春季区域性极端大风频次下降的可能原因

前文分析可见， 高原中东部春季区域性极端大风形成与具体地表温度、 位势高度及其相关的气旋性环流异常等局地影响因子有关。另一方面， 高原极端气候长期变化亦是在全球变化的背景下发生的。如已有研究表明， 东亚冬季风强弱对于中国冬季的地面风速有显著影响（丁一汇等， 2020）， 西伯利亚高压（SH）作为东亚冬季风系统重要成员之一， 主导着欧亚大陆中高纬的环流， 对春季气候也产生巨大影响（Zeng and Sun， 2023）。另外， 东亚大槽的异常变化会影响东亚冬季风， 进而影响东亚地区的气温变化（黄小梅等， 2013）， 因此， 这里从上述两个方面分析高原中东部春季区域性极端大风长期变化的可能原因。
在大尺度环流和背景相关分析研究结果表明（图7）， 高原区域性极端大风日数与春季西伯利亚高压指数（SHI）、 东亚冬季风指数（IEAWM）和前一个冬季的东亚大槽指数（EAT）的相关系数为0.38、 0.03和-0.33， 东亚冬季风标准化指数没有通过0.05显著水平， 另外两个指数则通过95%的信度检验。由此可见， 春季西伯利亚高压强度、 上一个冬季的东亚大槽强度与高原春季区域性极端大风日数存在显著的正相关关系， 这表明西伯利亚高压和东亚大槽是影响高原区域性极端大风长期变化的两个关键大尺度环流因子， 而东亚冬季风强弱变化影响不大。同样， 根据气旋性环流负异常中心的位置， 选取35°N -60°N， 90°E -120°E为位势异常关键区， 计算的区域性极端大风频数与关键区温度场和位势高度场的相关系数分别为-0.44和-0.64， 均通过0.05的显著水平检验［图7（b）］， 这表明位势异常关键区的地表温度越低， 位势高度越低， 气旋性环流越强， 高原区域性极端大风事件越多， 因此， 地表温度和位势高度可以认为是区域性极端大风长期变化的局地影响因子。
500 hPa位势高度异常场的变化趋势［图8（a）］可以看出， 中西伯利亚至中亚地区位势高度显著增加， 尤其在高原西北侧， 位势异常关键区的位势呈上升趋势， 该地区经向型环流减弱。200 hPa纬向风［图8（b）］显示， 高原主体西风显著减弱， 其上空急流区范围缩小。乌拉尔山地区海平面气压显著下降， 高原北侧海平面气压显著上升［图8（c）］， 中高纬的纬向气压梯度增强， 但经向气压梯度减小。地表温度异常的变化趋势与高度场有较好的对应关系［图8（d）］， 中西伯利亚至中亚地区均显著升温， 表明这种地表温度变化分布使气旋减弱向东移动， 高原南北两侧温度经向梯度减弱， 使纬向气压梯度增强， 经向气压梯度减弱。因此， 欧亚大陆地表温度的非均匀变化可能是青藏高原区域性极端大风减少的一个原因。
由于区域性极端大风频数变化EOF分析的第一模态PC1表征了其长期变化特征， 这里对PC1与平均海平面气压、 500 hPa位势高度、 200 hPa纬向风、 850 hPa风场分别做回归（图9）。PC1与平均海平面气压回归系数分布［图9（a）］显示， 高原春季区域性极端大风与欧洲、 西西伯利亚地区和日本海地区的地面气压呈显著正相关。从回归的500 hPa高度场［图9（b）］进一步表明， 中高纬度高度场自西向东呈现“负-正-负”的分布， 高原春季区域性极端大风发生频次与西伯利亚高及其东亚大槽强度压呈现显著的正相关， 东亚大槽的位置及强弱直接影响了高原上区域性极端大风的发生， 东亚大槽位置偏南偏西有利于青藏高原出现冷暖空气交汇， 有利于高原中东部春季区域性极端大风事件发生。众所周知， 在冬春季西风急流强盛的时候， 高原的热力作用较强， 容易引起大气层结不稳定， 上下层的空气对流强烈， 西风急流的携带的动量随着空气对流向下输送， 加剧了高原近地面的风速， 易形成大风。从200 hPa纬向风场［图9（c）］可见， 显著西风异常位于副热带地区， 显著东风异常位于高纬地区， 急流轴位于30°N以北， 这表明副热带西风急流偏弱并且偏北时， 不利于高原区域性极端大风的发生。低层850 hPa位势高度回归场［图9（d）］进一步证实了上述结果， 可以看出低层风场与海平面气压异常相对应， 西风异常偏弱对应着高原区域性极端大风事件发生频率减少。上述分析表明， 春季西伯利亚高压、 西风急流位置、 东亚大槽强度影响着春季青藏高原中东部区域性极端大风事件频次。
图9 1982 -2021年春季平均海平面气压（a， 单位： hPa）， 500 hPa位势高度（b， 单位： dagpm）， 200 hPa纬向风（c， 单位： m·s-1）， 850 hPa风场（d， 单位： m·s-1）与区域性极端大风频次EOF分析PC1的回归场

蓝色实线表示回归系数为正， 红色虚线表示回归系数为负， 填色区域和红色矢量表示通过95%信度检验， 灰色覆盖为青藏高原区域

Fig.9 Spring mean sea level pressure （a， unit： hPa）， 500 hPa geopotential height （b， unit： dagpm）， 200 hPa zonal wind （c， unit： m·s-1）， 850 hPa wind field （d， unit： m·s-1） and regional extreme wind frequency from 1982 to 2021 EOF analyzed PC1 regression field.The solid blue line represents a positive value and the dotted red line represents a negative value.The solid blue line indicates that the regression coefficient is positive， and the colored area and the red vector indicate that they pass the 95% confidence test， and the gray coverage is the Qinghai-Xizang （Tibetan） Plateau region

西伯利亚高压和东亚大槽变化对区域性极端大风的影响相对容易理解， 即欧亚大陆中高纬地区高压偏强， 低纬地区低压偏强， 经向气压梯度大， 有利于高原区域性极端大风的发生， 而西风急流位置和强度变化对极端大风发生频次影响相对复杂。这里进一步计算了春季区域性极端大风事件发生时整层大气动能及纬向平均大气动能异常的长期变化（图10）。比较整层垂直积分的大气水平动能气候特征［图6（a）］和异常变化趋势［图10（a）］可见， 高原以西副热带地区大气水平动能显著减少， 温带地区大气水平动能显著增加， 表明副热带急流有向北移动的倾向， 急流偏北会在高原两侧绕流使其强度减弱（姚慧茹和李栋梁， 2019）， 进而下传到中层的动能减弱， 不利于区域性极端大风的形成。从大气水平动能异常变化趋势的垂直剖面图［图10（b）］亦可以看到， 高原南部的大气水平动能负变化中心位于30°N附近， 高原北部大气水平动能正变化中心位于50°N附近， 这表明高原上空西风急流减弱， 进而导致西风急流的携带的动量随着空气对流向下输送减弱， 使得高原中东部区域极端大风发生频次减少。
图10 1982 -2021年春季区域性极端大风发生时整层大气动能异常的变化趋势（a）和70°E -110°E 纬向平均大气动能异常的变化趋势的垂直剖面图（b）（单位： ×103 J∙a-1）

打点区域通过95%显著性水平检验

Fig.10 Vertical profile of variation trend of whole-layer atmospheric kinetic energy anomaly （a） and zonal mean atmospheric kinetic energy anomaly （b） during regional extreme wind during spring from 1982 to 2021.Unit： ×103 J∙a-1.Dotted area indicates regions with the difference exceeding 95% confident level

前文第四部分有关区域性极端大风大气环流异常配置分析结果可知， 高原中东部区域性极端大风发生期间伴随着局地地表温度的负异常。因此， 这里将进一步分析温度的长期变化这一局地因子对区域性极端大风发生频次的影响。图11给出了1982 -2021年春季区域性极端大风事件发生期间大气温度和风场异常及其长期变化趋势的垂直剖面图。图11（a）可见， 区域性极端大风发生期间， 高原东北部上空皆为温度的负异常， 在40°E -50°E存在温度负异常的极大值中心， 这使得高原东北部区域的经向温度梯度增大， 有利于区域性极端大风生成。同样可以看到， 在35°N 附近存在显著的垂直风场的切变， 这对应于高原东北部的气旋式环流异常发展。但从大气温度和风场异常的长期变化趋势［图11（b）］来看， 地面到高空都存在一个温度异常增加的趋势， 高原北侧低层为气温异常正变化中心， 250 hPa附近为气温增加和降低的过渡层， 是气温异常增加到达的高度， 意味着经向温度梯度的减小， 除此之外高原和气旋中心皆被下沉气流控制， 40°E 附近的上升运动减弱， 这种地表温度变化分布使得高原东北部冷性气旋性环流异常的强度有所减弱并向东移动， 高原南北两侧温度经向梯度减弱， 使纬向气压梯度增强， 经向气压梯度减弱， 因而抑制了高原中东部区域性极端大风事件发生。
图11 1982 -2021年春季区域性极端大风发生期间70°E -110°E 纬向平均气温（彩色区， 单位： K）和风场（矢量， 单位： m·s-1）异常（a）及其变化趋势（b）的垂直剖面图

打点区域通过95%显著性信度检验

Fig.11 Vertical profile of latitudinal mean air temperature （color area， unit： K） and wind （vector， unit： m·s-1） field anomalies （a） and their variation trend （b） during regional extreme gales during spring from 1982 to 2021.Dotted area indicates regions with the difference exceeding 95%confident level

图12给出了1982 -2021年区域性极端大风事件发生时整层大气视热源异常及其长期变化趋势， 从中可见区域性极端大风发生期间整层垂直积分的大气视热源（Q1）在蒙古高原地区呈显异常［图12（a）］， 对应着气旋式环流的位置， 亚洲大陆主要表现为显著的热源， 尤其在西伯利亚和华南地区， 是较强的大气热源区。从Q1异常长期变化趋势［图12（b）］来看， 蒙古高原地区呈显著增加趋势， 西伯利亚和华南地区呈显著减小， 与异常特征表现出相反的变化趋势。综上所述， 整层大气热源在西伯利亚地区减小、 蒙古高原地区增加， 两个地区的温差减弱， 不利于经向环流的产生， 使区域性极端大风事件减少。
图12 1982 -2021年春季区域性极端大风发生时整层大气视热源异常（a， 单位： ×103 W∙m-2）及其变化趋势（b， 单位： ×103 W∙m-2∙a-1）

打点区域通过95%显著性水平检验

Fig.12 Anomaly of apparent heat source in the whole atmosphere during regional extreme wind in spring 1982 -2021 （a， unit： ×103 W∙m-2） and its variation trend （b， unit： ×103 W∙m-2∙a-1）.Dotted area indicates regions with the difference exceeding 95% confident level

6 结论与讨论

利用1982 -2021年地面观测的逐日最大风速数据以及ERA5和NCEP再分析数据， 分析了青藏高原区域性极端大风时空分布及变化特征， 并探讨其对应的大气环流、 动热力异常特征和下降原因， 主要结果总结如下：
（1） 对1982 -2021年春季区域性极端大风的时空分布及变化特征的研究发现， 青藏高原中东部区域性极端大风事件EOF1呈空间一致型， 且主要集中在高原中部和东北部， PC1趋势为显著下降， 在2002年前后存在年代际振荡特征。日数变化上区域性极端大风日数呈显著下降趋势； 而极端大风日数在此期间经历了2段年代际变化， 即先减少后增加。两种事件往往在春季发生最频繁， 且在春季下降速度最快。
（2） 春季高原中东部区域性极端大风发生期间， 西伯利亚高压偏强、 高原北部蒙古高原地表温度偏冷、 使得高原南北两侧有较强的经向温度梯度、 气压梯度， 有利于区域性极端大风的发生， 特别是高原东北部的区域性极端大风。整体上中高纬呈“西高东低”的环流形势， 而低纬地区呈“西低东高”的分布形势。另外， 蒙古高原上气旋式环流异常较强且靠近高原， 使得高原东北部受到气旋式风场底部偏西风的控制， 叠加200 hPa西风异常和急流区， 有利于动量下传， 在近地面形成大风。
（3） 异常的变化趋势与PC1的回归显示， 亚洲地表温度非均匀性升高、 乌拉尔山地区气压减小， 导致高原南北两侧经向温度梯度减小、 气压梯度减小， 蒙古地区气旋式环流异常减弱， 进而气旋式环流底部西风减弱， 同时200 hPa西风急流减弱导致的动量下传减弱， 均有助于高原上的区域性极端大风减少。与气旋式环流和大气环流指数的相关分析显示， 气旋式环流异常关键区的气温越高、 位势高度越低以及春季西伯利亚高压越弱、 上一个冬季东亚大槽越强， 高原区域性极端大风事件越少。因此， 全球变化背景下， 这些大尺度环流和局地热力因子的协同影响可能是高原中东部区域性极端大风事件发生频次减少的重要原因。
之前的研究认为系统型大风的形成多与天气系统有关， 不同区域大风的影响系统不同， 利于高原大风形成的因子包括有利的环流形势和较强的西风急流（王黉等， 2019； 姚正毅等， 2006； 敖雪等， 2018）， 在本文中主要的局地影响系统是蒙古地区气旋式环流， 并且同样探讨了与西风急流间的关系。另外， 川藏铁路不易受到区域性极端大风的影响， 但其地理环境复杂， 依然要考虑大风灾害铁路建设的影响。需要指出的是， 文中提到的不同影响因子对高原区域性极端大风频次减弱的影响局限于定性分析， 不同影响因子的影响程度到底如何尚不清楚， 青藏高原指数、 日照时间与青藏高原风速存在正相关和负相关 （You et al， 2017； Tang et al， 2021）， 他们对于青藏高原极端大风、 区域性极端大风的影响值得进一步探讨。

参考文献

null
Coumou D， Rahmstorf S， 2012.A decade of weather extremes ［J］.Nature Climate Change， 2： 491-496.DOI： 10.1038/nclimate1452 .
null
Ding J， Cuo L， Zhang Y， 2021.Varied spatiotemporal changes in wind speed over the Tibetan Plateau and its surroundings in the past decades［J］.International Journal of Climatology， 41（13）： 5956-5976.DOI： 10.1002/joc.7162 .
null
Duan A， Wu G， 2009.Weakening trend in the atmospheric heat source over the Tibetan Plateau during recent decades.Part II： Connection with climate warming［J］.Journal of Climate， 22： 4197-4212.DOI： 10.1175/2009JCLI2699.1 .
null
Gomes L， Vickery B J， 1978.Extreme wind speeds in mixed climates［J］.Journal of Wind Engineering and Industrial Aerodynamics， 2（4）： 331-344.DOI： 10.1016/0167-6105（78）90018-1 .
null
Guo H， Xu M， Hu Q， 2011.Changes in near-surface wind speed in China： 1969-2005［J］.International Journal of Climatology， 31： 349-358.DOI： 10.1002/joc.2091 .
null
Jiang Y， Luo Y， Zhao Z C， et al， 2010.Changes in wind speed over China during 1956-2004［J］.Theoretical and Applied Climatology， 99： 421-430.DOI： 10.1007/s00704-009-0152-7 .
null
Jiang Y， Miao Y， Zhao Y， et al， 2023.Extreme-wind events in China in the past 50 years and their impacts on sandstorm variation［J］.Frontiers in Earth Science， 10： 1-14.DOI： 10.3389/feart.2022. 1058275 .
null
Li Y P， Chen Y N， Li Z， et al， 2018.Recent recovery of surface wind speed in northwest China［J］.International Journal of Climatology， 38（12）： 4445-4458.DOI： 10.1002/joc.5679 .
null
Lin C G， Yang K， Qin J， et al， 2013.Observed coherent trends of surface and upper-air wind speed over China since 1960［J］.Journal of Climate， 26（9）： 2891-2903.DOI： 10.1175/JCLI-D-12-00093.1 .
null
Luca P D， Messori G， Pons F M E， et al， 2020.Dynamical systems theory sheds new light on compound climate extremes in Europe and Eastern North America［J］.Quarterly Journal of the Royal Meteorological Society， 146： 1636-1650.DOI： 10.1002/qj.3757 .
null
Ma S， Wang X， Yu X， 2019.Environmental parameter characteristics of sever wind with extreme thunderstorm［J］.Journal of Applied Meteorological Science， 30（3）： 292-301.DOI： 10.11898/1001-7313.20190304 .
null
Messmer M， Simmonds I， 2021.Global analysis of cyclone-induced compound precipitation and wind extreme events［J］.Weather and Climate Extremes， 32（5）： 100324.DOI： 10.1016/j.wace. 2021.100324 .
null
Tang J， Guo X， Chang Y， et al， 2021.Temporospatial distribution and trends of thunderstorm， hail， gale， and heavy precipitation events over the Tibetan Plateau and associated mechanisms［J］.Journal of Climate， 34（24）： 9623-9646.DOI： 10.1175/JCLI-D-21-0494.1 .
null
Vautard R， Cattiaux J， Yiou P， et al， 2010.Northern hemisphere atmospheric stilling partly attributed to an increase in surface roughness［J］.Nature Geoscience， 3（11）： 756-761.DOI： 10.1038/ngeo979 .
null
Wu B， Wang J， 2002.Winter arctic oscillation， siberian high and east Asian winter monsoon［J］.Geophysical Research Letters， 29（19）： 3-1.DOI： 10.1029/2002GL015373 .
null
Wu J， Zha J， Zhao D， et al， 2018.Changes in terrestrial near-surface wind speed and their possible causes： an overview［J］.Climate Dynamics， 51： 2039-2078.DOI： 10.1007/s00382-017-3997-y .
null
Xiong Y， Xin X， Kou X， 2019.Simulation and projection of near-surface wind speeds in China by BCC-CSM Models［J］.Journal of Meteorological Research， 33： 149-158.DOI： 10.1007/s13351-019-8043-z .
null
Yanai M， Tomita T， 1998.Seasonal and interannual variability of atmospheric heat sources and moisture sinks as determined from NCEP-NCAR reanalysis［J］.Journal of Climate， 11： 463-482.DOI： 10.1175/1520-0442（1998）011<0463： SAIVOA>2.0.CO； 2 .
null
Yang K， Wu H， Qin J， et al， 2014.Recent climate changes over the Tibetan Plateau and their impacts on energy and water cycle： A review［J］.Global and Planetary Change， 112： 79-91.DOI： 10.1016/j.gloplacha.2013.12.001 .
null
Yang Q， Li M X， Zu Z Q， et al， 2021.Has the stilling of the surface wind speed ended in China？［J］.Science China Earth Sciences， 64： 1036-1049.DOI： 10.1007/s11430-020-9738-4 .
null
You Q， Fraedrich K， Min J， et al， 2014.Observed surface wind speed in the Tibetan Plateau since 1980 and its physical causes［J］.International Journal of Climatology， 34： 1873-1882.DOI： 10.1002/joc.3807 .
null
Zeng Z， Sun J， 2023.Influence of different configurations of western North Pacific anticyclone and Siberian high on spring climate over China［J］.International Journal of Climatology， 43（6）： 2699-2718.DOI： 10.1002/joc.7997 .
null
Zhang G， Azorin-Molina C， Chen D， et al， 2021a.Uneven warming likely contributed to declining near-surface wind speeds in northern China between 1961 and 2016［J］.Journal of Geophysical Research Atmospheres.126（11）： e2020JD033637.DOI： 10.1029/2020JD033637 .
null
Zhang S， Solari G， Yang Q S， et al， 2018.Extreme wind speed distribution in a mixed wind climate［J］.Journal of Wind Engineering and Industrial Aerodynamics， 176： 239-253.DOI： 10.1016/j.jweia.2018.03.019 .
null
Zhang Y Q， Sun X B， Chen C C， 2021b.Characteristics of concurrent precipitation and wind speed extremes in China［J］.Weather and Climate Extremes， 32： 100322.DOI： 10.1016/j.wace.2021. 100322 .
null
Zhang Z， Wang K， 2021.The synoptic to decadal variability in the winter surface wind speed over China by the weather regime view［J］.Geophysical Research Letters， 48（6）： e2020GL091994.DOI： 10.1029/ 2020GL091994 .
null
敖雪， 翟晴飞， 崔妍， 等， 2018.1971-2015年辽宁省海岸带大风时空分布特征及成因分析［J］.气象与环境学报， 34（5）： 108-118.DOI： 10.3969/j.issn.1673-503X.2018.05.014.Ao X ，
null
Zhai Q X， Cui Y， et al， 2018.Temporal and spatial distribution of gale in the coastal zone of Liaoning province and its reason during 1971-2015［J］.Journal of Meteorology and Environment， 34（5）： 108-118.DOI： 10.3969/j.issn.1673-503X.2018.05.014 .
null
白虎志， 董安祥， 李栋梁， 等， 2005.青藏高原及青藏铁路沿线大风沙尘日数时空特征［J］.高原气象， 24（3）： 311-315.
null
Bai H Z， Dong A X， Li D L， et al， 2005.Temporal and spatial characteristics of strong wind and dust days in Qinghai-Xizang Plateau and along Qingzang railway［J］.Plateau Meteorology， 24（3）： 311-315.
null
丁一汇， 李霄， 李巧萍， 2020.气候变暖背景下中国地面风速变化研究进展［J］.应用气象学报， 31（1）： 1-12.
null
Ding Y H， Li X， Li Q P， 2020.Research progress of surface wind speed change in China under climate warming［J］.Journal of Applied Meteorological Science， 31（1）： 1-12.
null
贺圣平， 王会军， 2012.东亚冬季风综合指数及其表达的东亚冬季风年际变化特征［J］.大气科学， 36（3）： 523-538.DOI： 10.3878/j.issn.1006-9895.2011.11083.He S P ，
null
Wang H J， 2012.An integrated East Asian Winter Monsoon Index and its interannual variability［J］.Chinese Journal of Atmospheric Sciences， 36（3）： 523-538.DOI： 10.3878/j.issn.1006-9895.2011.11083 .
null
黄小梅， 管兆勇， 戴竹君， 等， 2013.冬季东亚大槽强度年际变化及其与中国气候联系的再分析［J］.气象学报， （3）： 416-428.DOI： 10.11676/qxxb2013.042.Huang X M ，
null
Guan Z Y， Dai Z J， et al， 2013.A further look at the interannual variations of East Asian trough intensity and their impacts on winter climate of China［J］.Acta Meteorologica Sinica， （3）： 416-428.DOI： 10.11676/qxxb2013.042 .
null
雷润芝， 余晔， 周国兵， 等， 2023.1984-2020年青藏高原感热通量长期变化趋势分析［J］.高原气象， 42（4）： 833-847.DOI： 10.7522/j.issn.1000-0534.2023.00032.Lei R Z ，
null
Yu H， Zhou G B， et al， 2023.Long-term trend analysis of sensible heat flux over the Tibetan Plateau from 1984 to 2020［J］.Plateau Meteorology， 42（4）： 833-847.DOI： 10.7522/j.issn.1000-0534.2023.00032 .
null
罗红羽， 于海鹏， 胡泽勇， 等， 2023.青藏高原热源对我国旱区气候异常影响研究进展［J］.高原气象， 42（2）： 257-271.DOI： 10.7522/j.issn.1000-0534.2022.00070.Luo H Y ，
null
Yu H P， Hu Z Y， et al， 2023.Progress of the impact of the Qinghai-Xizang Plateau heat sources on climate anomalies in drylands of China［J］.Plateau Meteorology， 42（2）： 257-271.DOI： 10.7522/j.issn.1000-0534.2022.00070 .
null
彭玉麟， 简茂球， 2012.亚洲冬季大气动能的时空演变特征及其与中国冬季降水和温度的关系［J］.气候与环境研究， 17（4）： 457-466.DOI： 10.3878/j.issn.1006-9585.2011.10038.Peng Y L ，
null
Jian M Q， 2012.Spatiotemporal evolution of atmospheric kinetic energy in Asian winter and its relationship with winter precipitation and temperature in China［J］.Climatic and Environmental Research， 17（4）： 457-466.DOI： 10.3878/j.issn.1006-9585.2011.10038 .
null
秦豪君， 杨晓军， 马莉， 等， 2022.2000-2020年中国西北地区区域性沙尘暴特征及成因［J］.中国沙漠， 42（6）： 53-64.DOI： 10.7522/j.issn.1000-694X.2022.00042.Qin H J ，
null
Yang X J， Ma L， et al， 2022.Characteristics and causes of regional sandstorms in Northwest of China from 2000 to 2020［J］.Journal of Desert Research， 42（6）： 53-64.DOI： 10.7522/j.issn.1000-694X.2022.00042 .
null
任国玉， 郭军， 徐铭志， 等， 2005.近50 年中国地面气候变化基本特征［J］.气象学报， 63（6）： 942-956.DOI： 10.11676/qxxb2005. 090.Ren G Y ，
null
Guo J， Xu M Z， et al， 2005.Climate changes of china’s mainland over the psat half century［J］.Acta Meteorologica Sinica， 63（6）： 942-956.DOI： 10.11676/qxxb2005.090 .
null
唐信英， 宋云帆， 王鸽， 等， 2022.1970-2020年青藏高原近地面风速时空变化特征［J］.应用与环境生物学报， 28（4）： 844-850.DOI： 10.19675/j.cnki.1006-687x.2022.02038.Tang X Y ，
null
Song Y F， Wang G， et al， 2022.Spatiotemporal variation of near-surface wind speed over the Tibetan Plateau from 1970 to 2020［J］.Chinese Journal of Applied and Environmental Biology， 28（4）： 844-850.DOI： 10.19675/j.cnki.1006-687x.2022.02038 .
null
王黉， 李英， 吴哲红， 等， 2019.我国大风机理研究和预报技术进展［J］.气象科技， 47（4）： 600-607.
null
Wang H， Li Y， Wu Z H， et al， 2019.Advances in researches on mechanisms and forecast techniques of high winds in China［J］.Meteorological Science and Technology， 47（4）： 600-607.
null
王鹏祥， 杨金虎， 张强， 等， 2007.近半个世纪来中国西北地面气候变化基本特征［J］.地球科学进展， 148（6）： 649-656.DOI： 10.11867/j.issn.1001-8166.2007.06.0648.Wang P X ，
null
Yang J H， Zhang Q， et al， 2007.Climate change characteristic of Northwest China in recent half century［J］.Advance in Earth Sciences， 148（6）： 649-656.DOI： 10.11867/j.issn.1001-8166.2007.06.0648 .
null
王蕊， 李栋梁， 王慧， 等， 2023.青藏高原与中国西北干旱区地面感热季节增强时间的差异及相互关系［J］.高原气象， 42（2）： 283-293.DOI： 10.7522/j.issn.1000-0534.2022.00045.Wang R ，
null
Li D L， Wang H， et al， 2023.The difference and correlation of seasonal intensification time of surface sensible heat between Qinghai-Xizang Plateau and arid area of Northwest China［J］.Plateau Meteorology， 42（2）： 283-293.DOI： 10.7522/j.issn.1000-0534.2022.00045 .
null
吴国雄， 何编， 刘屹岷， 等， 2016.青藏高原和亚洲夏季风动力学研究的新进展［J］.大气科学， 40（1）： 22-32.DOI： 10.3878/j.issn.1006-9895.1504.15129.Wu G X ，
null
He B， Liu Y M， et al， 2016.Recent progresses on dynamics of the Tibetan Plateau and Asian Summer Monsoon［J］.Chinese Journal of Atmospheric Sciences， 40 （1）： 22-32.DOI： 10.3878/j.issn.1006-9895.1504.15129 .
null
吴佳， 吴婕， 闫宇平， 2022.1961-2020年青藏高原地表风速变化及动力降尺度模拟评估［J］.高原气象， 41（4）： 963-976.DOI： 10.7522/j.issn.1000-0534.2022.00065.Wu J ，
null
Wu J， Yan Y P， 2022.Changes of surface wind speed over Qinghai-Xizang Plateau from 1961 to 2020 and evaluation of the dynamical downscaling simulations［J］.Plateau Meteorology， 41（4）： 963-976.DOI： 10.7522/j.issn.1000-0534.2022.00065 .
null
徐祥德， 陈联寿， 2006.青藏高原大气科学试验研究进展［J］.应用气象学报， 17（6）： 756-772.
null
Xu X D， Chen L S， 2006.Advances of the study on Tibetan Plateau experiment of atmospheric sciences［J］.Journal of Applied Meteorological Science， 17（6）： 756-772.
null
杨耀先， 胡泽勇， 路富全， 等， 2022.青藏高原近60年来气候变化及其环境影响研究进展［J］.高原气象， 41（1）： 1-10.DOI： 0.7522/j.issn.1000-0534.2021.00117.Yang Y X ，
null
Hu Z Y， Lu F Q， et al， 2022.Progress of recent 60 years’ climate change and its environmental impacts on the Qinghai-Xizang Plateau［J］.Plateau Meteorology， 41（1）： 1-10.DOI： 0.7522/j.issn.1000-0534. 2021.00117 .
null
姚慧茹， 李栋梁， 2019.青藏高原风季大风集中期、 集中度及环流特征［J］.中国沙漠， 39（2）： 122-133.DOI： 10.7522/j.issn.1000-694X.2018.00054.Yao H R ，
null
Li D L， 2019.The gale concentration period and degree over the Tibetan Plateau and related atmospheric circulation during the windy period［J］.Journal of Desert Research， 39（2）： 122-133.DOI： 10.7522/j.issn.1000-694X.2018.00054 .
null
姚檀栋， 陈发虎， 崔鹏， 等， 2017.从青藏高原到第三极和泛第三极［J］.中国科学院院刊， 32（9）： 924-931.DOI： 10.16418/j.issn.1000-3045.2017.09.001.Yao T D ，
null
Chen F H， Cui P， et al， 2017.From Tibetan Plateau to Third Pole and Pan-Third Pole［J］.Bulletin of Chinese Academy of Sciences， 32（9）： 924-931.DOI： 10.16418/j.issn.1000-3045.2017.09.001 .
null
姚正毅， 王涛， 周俐， 等， 2006.近40 年阿拉善高原大风天气时空分布特征［J］.干旱区地理， 29（2）： 207-212.
null
Yao Z Y， Wang T， Zhou L， et al， 2006.Spatial and temporal distribution characteristics of gale weather over Alxa Plateau in recent 40 years［J］.Arid Land Geography， 29（2）： 207-212.
null
周波涛， 钱进， 2021.IPCC AR6 报告解读： 极端天气气候事件变化 ［J］.气候变化研究进展， 17（6）： 713-718.DOI： 10.12006/j.issn.1673-1719.2021.167.Zhou B T ，
null
Qian J， 2021.Changes of weather and climate extremes in the IPCC AR6［J］.Advances in Climate Change Research， 17（6）： 713-718.DOI： 10.12006/j.issn.1673-1719.2021.167 .
null
朱艳峰， 2008.一个适用于描述中国大陆冬季气温变化的东亚冬季风指数［J］.气象学报， 66（5）： 781-788.DOI： 10.11676/qxxb2008.071.Zhu Y F ， 2008.An index of East Asian winter monsoon applied to description the Chinese mainland winter temperature changes［J］.Acta Meteorologica Sinica， 66（5）： 781-788.DOI： 10.11676/qxxb2008.071 .
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