积雪是高纬度和高海拔地区地理分布最广泛、季节与年际变化最显著的成员, 具有较高的反照率和较弱的热传导能力(Knkla et al, 1997)。青藏高原(下称高原)地处中低纬度, 面积约240×10⁴ km², 平均海拔4 000 m, 大部分区域气温低且常年积雪, 因此也被称为世界的“第三极”(Qiu, 2008)。高原是气候变化最为敏感的地区之一, 对气候变化的响应具有一定的超前性, 同时也是天气和气候变化的“启动区”(冯松等, 1998)。高原特殊的地形对环流系统产生显著的动力和热力作用, 对亚洲乃至全球的天气和气候产生重要影响, 因而一直受到国内外学者的高度重视(Reiter et al, 1982; 吴国雄等, 2004; 吴绍洪等, 2005)。高原是中纬度地区积雪分布范围最广的区域, 积雪潜热的释放和吸收, 以及由于其面积变化而引起的水分和能量的变化, 将直接影响水量和能量平衡, 从而影响到对流层中上层的大气状况和北半球的大气环流(董敏等, 1997; 梁潇云等, 2005)。另一方面积雪与反照率的正反馈机制使得山地和高海拔地区的变暖加剧, 从而对全球变暖产生影响(Pepin et al, 2015), 因此研究高原积雪具有十分重要的意义。

研究高原积雪主要的资料来源有地面气象台站的雪深观测资料, 遥感可见光反演的积雪覆盖率资料以及微波遥感反演的雪深和雪水当量资料。由于不同研究所选取的时段、使用的资料以及表征积雪的物理量不同, 因此对高原积雪年际与年代际变化特征的描述也不尽相同, 对高原积雪偏多和偏少年份的确定也存在较大的争议(陈乾金等, 2000; 段安民等, 2014; 李小兰等, 2012; 钟爱华等, 2010)。就积雪深度而言, 柯长青等(1998)指出高原东部主导了整个高原积雪的年际变化并且与西部多雪区呈反位相关系。韦志刚等(2002)指出高原积雪在1960—2000年整个时段内呈平缓的增长态势, 从20世纪60年代中到80年代末积雪明显增加, 90年代末以后积雪又表现出减少的趋势, 高荣等(2003)也得到了类似的结论。从高原积雪深度的年际变化来看, 冬季最大, 春季和秋季相当, 部分站点的标准差甚至大于积雪深度的平均值(段安民等, 2014)。高原积雪分布直接与地形有关, 海拔越高积雪越多, 坡度越陡峭抬升作用越强, 对应更强的降雪和积雪(郭建平等, 2016)。

对于高原积雪变化的环流成因, Yasunari et al(2000)指出, 高原东部和西部积雪形成的天气背景不同, 东部积雪主要与入侵高原东部的冷空气有关, 西部积雪则与中亚至高原的西风急流冷涌相联系, 冬春季的副热带高压(简称副高)偏强, 也被认为是高原积雪偏多的原因之一(Zhang et al, 2004)。目前认为与高原冬春积雪联系较为紧密的大气涛动有北极涛动AO、北大西洋涛动NAO、厄尔尼诺-南方涛动ENSO和印度洋偶极子IOD等。徐小玉等(2016)指出高原西部雪深与前期秋末冬初赤道东太平洋海温呈显著正相关, 赤道东太平洋在对流层上层激发的罗斯贝波沿急流传至高原上空, 从而引起局地对流活动增强、雨雪增多。Yuan et al(2009)指出高原积雪与IOD存在显著的正相关。AO是冬季北半球热带外海平面气压场的第一个模态, 是指北半球气压场异常在中高纬度和极区之间反位相的变化形态(Thompson et al, 1998), 其变化对近地面气候有着显著的影响, 并与一些区域性的大气环流系统有密切联系(Wu et al, 2002; 龚道溢等, 2003)。AO对高原积雪的影响已有一些研究进行了证实, You et al(2011)指出AO指数与高原东部的雪深显著正相关, 覃郑婕等(2017)从环流特征的角度揭示了高原冬季积雪的年际变化主要与AO密切相关。Lü et al (2008)利用垂直传播的Rossby波叠加准定常的垂直波动解释了高原积雪与AO相互作用的物理机制。NAO可以看做是AO在北大西洋的表现形式, 马丽娟(2008)指出, 高原积雪厚度与NAO有着一致的年代际变化特征。

针对高原积雪的时空变化特征和影响积雪的环流因子已有不少研究, 但是利用地面气象站的积雪数据进行较长时间积雪变化特征研究, 以及对高原积雪异常的环流形势和水汽输送条件的分析还较为缺乏。因此选取国家气象信息中心整理提供的站点日积雪深度资料, 分析高原中东部积雪深度的时空变化特征, 并利用JRA55再分析资料进一步探讨影响积雪异常和年际变化的环流形态及水汽条件。

(1) 由于积雪的台站观测是目前为止最为准确、不可替代的第一手观测资料, 因此采用国家气象信息中心整理提供的《中国地面气候资料日值数据集》的积雪深度资料。高原西部地区观测站点十分稀疏, 因此选取的站点以及研究对象定为高原中东部地区。资料时段为1961年1月至2014年12月, 选取原则为87°E—104°E, 27°N—40°N范围内海拔大于2 000 m, 剔除缺测年份过多以及因建站较晚前期无观测的站点, 对于积雪深度为微量的, 一律定义为0 cm。规定若一个月缺测值不多于15天, 则直接进行平均计算, 否则定义该月为缺测, 这样便得到平均积雪深度的月值资料。另外考虑到峨眉山气象站(位于高原东边缘, 海拔3 048 m)的海拔及气候特征与其周边地区的差异较大, 故不作为研究站点。遵循以上标准, 最终选取的可用站数为107个, 气象站点包含基准站、基本站和一般站三个等级。对于月平均积雪的少量缺测值, 使用最近邻插补KNN的方法进行插补(杨利华, 2011)。

(2) 大气环流资料选取日本气象厅JRA提供的1961—2014年逐月平均再分析资料(http://jra.kishou.go.jp/JRA-55/index_en.html#download)。所使用的物理量包括位势高度、风场、地面气压、比湿, JRA55资料的空间分辨率为1.25°×1.25°(Kobayashi et al, 2015)。

(1) 计算区域整体平均时, 采用泰森多边形面积权重法。泰森多边形, 又称为Voronoi图或Dirichlet图, 是由荷兰气象学家Thiessen提出的一种通过离散观测站点的雨量计算区域平均雨量的方法(张宏等, 2006)。利用泰森多边形中的唯一雨量观测的降雨数据来代表这个多边形范围内的降雨量(王玉德, 2014), 因此泰森多边形法是确定不规则气象站点几何权重的一种有效方法。

(2) 计算趋势时, 采用方法是Sen+Mann-Kendall法(Mann, 1945; Kendall, 1975)。Sen趋势值计算的是序列坡度的中位数, 因此受到极端值和噪音的影响小, 另外Sen趋势法是一种非参数估计方法, 对序列的分布无要求, 因此有较大的优越性。Sen趋势值必须经过显著性检验才有意义, 而Mann-Kendall方法本身对序列分布无要求且对异常值不敏感, 因此选用此方法对趋势进行检验。

(3) 对时间序列进行趋势的突变检验, 由于重点关注的是趋势正负的突变, 因此本文选用累积距平的突变检验方法。以累积距平序列中有累积距平的绝对值大于2倍标准差, 且累计距平曲线导数为0的点所对应的时间作为趋势显著突变的年份。

(4) 整层积分的水汽通量计算公式为:

式中: $ {\mathit{\vec{V}}}$为风速矢量; q为比湿; P、P_s分别为大气上界气压和地面气压; P =300 hPa; g为重力加速度。

(5) 计算两个变量之间的相关系数时, 如果需要排除第三个变量的影响, 则使用偏相关分析法, 计算方法可参考《气象科研与预报中的多元分析方法》(施能, 2002)。

本文用到的方法还有正交函数分解EOF、相关分析、回归分析、合成分析等, 在进行相关分析和回归分析前, 均对时间序列进行了去趋势处理, 气候态取1981—2010年。

从高原所有测站平均的年变化特征来看, 高原积雪过程主要发生在10月至次年5月, 积雪的峰值出现在1月和2月, 表现为单峰型(图略)。高原冬季开始于10月中旬结束于次年4月底(范思睿等, 2011)。基于积雪的年变化特征, 并结合高原整体的四季划分结果, 将每年11月到次年4月作为一个冬季, 并将11月至次年1月定义为前冬, 次年2—4月定义为后冬。例如2013年11月至2014年1月称为2013年前冬, 2014年2—4月称为2013年后冬, 以此类推。

由气候态的高原积雪深度的空间分布[图 1(a)]可知, 高原积雪的空间分布不均匀, 从前冬到后冬, 高原东南部的积雪由少转多。而受到下垫面和地形等多种因素的影响, 高原不同区域积雪的年际变化程度也不同。计算各站点积雪的标准差并考察其空间分布[图 1(b)]可知, 大部分站点的标准差接近或小于1 cm, 但高原南部喜马拉雅山脉地区(代表站帕里, 海拔4 301 m)、巴颜喀拉山地区(代表站玛多, 海拔4 273 m)、唐古拉山和念青唐古拉山地区(代表站沱沱河、嘉黎和清水河, 海拔4 534, 4 489和4 417 m)等高海拔地区站点的标准差较大, 同时这些区域的积雪深度也较大, 表明这些高海拔区域积雪的深度和年际变率均很大, 站点积雪的标准差与海拔的相关系数在前冬和后冬分别为0.51和0.30, 超过0.01的显著性水平, 表明海拔越高积雪的年际变率越大。积雪年际变率最大的站点是位于高原南部的帕里站, 其标准差在前冬和后冬分别为4.35 cm和5.29 cm, 占整个高原的7.8%和15.0%, 特别是1995年, 帕里站的雪深占到高原所有站点总雪深的42.7%, 由此可知该站对高原区域平均的积雪深度序列影响较大, 同时影响对高原整体积雪距平值的判断, 此结论与韦志刚等(2002)得到的结论类似, 因此在使用帕里站时需要特别注意。

图 1(Figure 1)

图 1 前冬(a, b), 后冬(c, d)气候态的高原积雪深度(a, c, 等值线, 单位: cm)与站点积雪深度标准差(b, d, 单位: cm)的空间分布 阴影为高原的数字高程DEM(单位: m) Figure 1 Climatological snow depth across the Qinghai-Tibetan Plateau (a, c, contour line, unit: cm) and the standard deviation of snow depth (b, d, unit: cm) in early winter (a, b) and late winter(c, d). The shading is the Digital Elevation Model (DEM) of the Qinghai-Tibetan Plateau (unit: m)

为了探究高原积雪的时空变化特征, 对1961—2013年前冬和后冬的积雪标准化距平场进行EOF分解, 前冬和后冬积雪的第一模态方差贡献率分别为13.40%和16.32%, 根据North准则, 该模态能够与其余的模态显著分离, 因此主要对第一模态进行分析。前冬的EOF1空间型及对应的时间序列PC1[图 2(a), 2(b)], 除了南部帕里与中部的个别站点为负值以外, 基本以正值为主, 表现为整体一致的积雪变化模态。后冬的EOF1空间型及时间序列PC1[图 2(c), 2(d)], 除了川西高原和藏南有小范围负值区以外, 其余基本为正值, 同样表现为整体一致的积雪变化模态。由上可知, 当考察高原中东部地区积雪的整体变化时(统称高原整体), 将所有站点积雪的标准化序列进行平均作为高原整体的积雪序列是较为合理的。但是由于高原观测站点的空间分布不均匀, 对所有站点直接做算术平均所得到的整体积雪序列和实际情况有较大的偏离, 因此在计算整体平均时, 需要考虑到各站点的面积权重, 确定权重所采用的方法是泰森多边形法, 利用ArcGIS软件的邻域分析工具可以生成优化的泰森多边形网络, 从而计算出面积权重。

图 2(Figure 2)

图 2 1961—2013年前冬(a, b)、后冬(c, d)高原积雪深度标准化距平的EOF分解 (a, c) EOF1的空间向量场, (b, d) EOF1的时间系数PC1, 阴影为高原的DEM(单位: m) Figure 2 EOF decomposition of normalized difference of snow depth over the Qinghai-Tibetan Plateau in early winter (a, b) and late winter (c, d) during 1961—2013.(a, c) Space vector field of EOF1, (b, d) time series of EOF1. The shading is the DEM of the Qinghai-Tibetan Plateau (unit: m)

由前面的分析可知, 高原积雪呈现出整体基本一致的变化模态, 但是部分站点的积雪量级和年际变化与其余站点的差异较大, 而对序列进行标准化处理可以减少这些差异从而反映出整体的变化信息, 因此使用标准化后的高原整体平均的积雪序列进行后续的讨论。从前冬和后冬的标准化积雪序列和积雪的累积距平序列(图 3)中可以看到, 高原积雪以年际变化为主, 且时间序列特征与前面EOF分解得到的PC1基本一致, 二者相关系数前冬为0.73, 后冬为0.83, 说明EOF分解得到的第一模态表征了高原积雪年际变化的主要特征。对于积雪的变化趋势, 前冬和后冬在1961—2013年的整个时段内有均有两个趋势正负转变的时间点, 分别是1975年和1996年, 其中1961年到20世纪70年代中期高原整体积雪为减少趋势, 70年代中期到90年代中期为增加趋势, 90年代末期至今为减少趋势, 表明高原积雪还有明显的年代际变化特征, 这与韦志刚等(2002)得到的结论基本一致。前冬在1996年有一个显著的趋势突变点, 因此将高原整体积雪序列分为1996年之前和1996年之后来讨论(表 1)。1961—1996年前冬积雪增加, 后冬积雪显著增加; 1997—2013年前冬高原积雪为减少趋势但不显著, 后冬为增加趋势但也不显著。从1961—2013年整个时间段来看, 前冬和后冬的积雪均没有明显的变化趋势。将标准化的高原整体积雪深度按照大于和小于0.5个标准差作为阈值, 对积雪偏多和偏少的年份进行分类, 结果见表 2。

图 3(Figure 3)

图 3 1961—2013年前冬(a, b)、后冬(c, d)高原整体泰森多边形加权平均的积雪深度标准化距平时间序列(a, c)和积雪深度标准化距平的累积距平序列(b, d) 阴影代表 95%置信水平, (b, d)中σ表示标准差 Figure 3 Time series of standardized snow depth averaged over the Qinghai-Tibetan Plateau (a, c) and cumulative anomaly of the snow depth time series (b, d) in early winter (a, b) and late winter (c, d) during 1961—2013. The shading represents the range within 95% confidence level in Fig. 3(b) and 3(d), σ denotes the standard deviation

表 1(Table 1)

表 1 高原整体积雪的趋势 Table 1 Snow depth trend over the Qinghai-Tibetan Plateau 时间段 高原积雪整体变化趋势/[cm·(10a)-1] 前冬 后冬 1961—2013 -0.009 0.008 1961—1996 0.066 0.095** 1997—2013 -0.111 0.060 **表示通过了0.05显著性水平的统计检验

表 1 高原整体积雪的趋势 Table 1 Snow depth trend over the Qinghai-Tibetan Plateau

表 2(Table 2)

表 2 高原整体积雪异常年份的分类 Table 2 Classification of snow depth anomaly years over the Qinghai-Tibetan Plateau 时间 积雪异常 年份 前冬 ＞0.5σ 偏多 1961 1963 1965 1967 1977 1981 1982 1985 1987 1988 1992 1995 1997 2007 ＜-0.5σ 偏少 1962 1964 1966 1968 1969 1970 1971 1975 1978 1980 1984 1986 1993 1996 2001 2005 2008 2010 2013 后冬 ＞0.5σ 偏多 1967 1969 1974 1976 1977 1981 1982 1985 1988 1989 1992 1994 1995 1996 1997 2004 2007 ＜-0.5σ 偏少 1962 1964 1965 1968 1970 1975 1979 1983 1984 1990 1998 2000 2001 2002 2003 2008 2012 2013 σ为标准差

表 2 高原整体积雪异常年份的分类 Table 2 Classification of snow depth anomaly years over the Qinghai-Tibetan Plateau

考察500 hPa位势高度和纬偏值的气候态分布场(图略), 极地及高纬度地区位势高度偏低, 该区域主要受到极涡影响, 中纬度地区位势高度偏高。高原附近的位势高度场较同纬度地区偏高, 受明显的高压脊系统(称为高原脊)控制。当高原脊异常偏弱的时候, 高原附近的位势高度场偏低, 容易与孟加拉湾附近的南支槽打通, 使得南支槽加深, 从而有利于更多的水汽输送到高原。

利用前冬和后冬高原积雪EOF分解第一模态的时间系数序列PC1, 分别回归到同期北半球中层500 hPa的位势高度场, 得到高原积雪变化时与之相联系的位势高度场的异常情况。从图 4中可以看出, 不管是前冬还是后冬, 回归场均表现为北极圈及其以北地区为负值, 中低纬度地区为正值, 其中冰岛和格陵兰地区有一个负值中心, 地中海地区以及东西伯利亚到日本海附近分别有一个正值中心。前冬与后冬所不同的是, 前冬从阿拉伯半岛到中国南方地区形成的负值区与高纬度和极区的负值区打通, 形成一个经向跨度范围很大的负值区; 后冬有一个明显的正值区从北大西洋伸向西伯利亚地区, 将前冬连通的负值区在高原及其以西的地区切断为一个孤立的负值区。总的来看前冬与后冬的回归场都大致表现为极区和高纬度地区负值, 中低纬地区为正值的纬向结构, 该结构与AO的正位相极为相似, 在北大西洋则表现为NAO的正位相形态, 因此高原积雪的异常很可能与AO有密切的关系。

图 4(Figure 4)

图 4 高原积雪深度PC1与前冬和后冬的500 hPa位势高度场的回归系数空间分布 浅色阴影和深色阴影分别为通过显著性水平为0.1和0.05的统计检验的区域(单位: gpm) Figure 4 Regression coefficient maps of PC1 at 500 hPa geopotential height in early winter and late winter. Light and dark shadows represent the areas significant at 0.1 and 0.05 confidence level (unit: gpm)

为了进一步揭示高原积雪异常所对应的环流形态, 将表 2中前冬和后冬积雪偏多及偏少年份的500 hPa环流(位势高度场和风场)的距平场进行合成。如图 5所示, 前冬和后冬的500 hPa环流异常的合成场在高原积雪整体偏多和偏少时基本呈现相反的形态。前冬积雪偏多时, 北极圈及以北的高纬度地区表现为高度场的负异常以及风场的气旋性异常, 中低纬度地区, 特别是地中海附近和西伯利亚地区表现为高度场的正异常以及风场的反气旋性异常。值得注意的是, 高纬地区的位势高度负异常在阿拉伯海到高原以东的地区连通, 同时西欧脊偏强, 东亚大槽偏弱, 副高偏北偏强, 这种环流形势有利于乌拉尔山附近携带高纬与极区冷空气的槽活跃, 并易与低纬地区的携带的水汽较多的小槽同位相叠加; 另一方面, 贝加尔湖到高原以北的脊强烈发展, 有利于冷空气南下, 冷暖空气在高原东部汇合, 从而有利于高原降雪和积雪偏多。与前冬不同的是, 当后冬积雪偏多时, 对应中纬度地区的位势高度异常偏高, 地中海地区与西伯利亚偏高的位势高度连通, 切断了前冬时期高低纬同位相偏低的位势高度场。后冬与前冬类似的是, 西欧脊偏强且副高偏北偏强, 阿拉伯海到高原以东地区仍然为位势高度的负异常, 南支槽活跃, 槽前携带的水汽增加且高原南侧西风急流偏强, 同时贝加尔湖脊加强有利于冷空气南下, 冷暖空气在高原东部交汇使得高原降雪和积雪的增加。当高原积雪偏少时, 对应的环流异常场基本与积雪偏多时呈现相反的形态, 这里不再赘述。

图 5(Figure 5)

图 5 前冬、后冬多雪年和少雪年的500 hPa环流异常的合成场 阴影为位势高度场(单位: gpm), 矢量箭头为风场(单位: m·s-1), 打点区域为通过0.1显著性水平检验的区域, 红色虚线矩形框为高原附近位势高度异常场的关键区 Figure 5 Composite maps of anomalous circulation in positive snow depth years and negative snow depth years in (a, c) early winter and (b, d) late winter.Shaded area is the geopotential height (unit: gpm), vectors is the wind vector (unit: m·s-1), dots denote the areas that significant at 0.1 confidence level. The red dotted rectangle is the key area of the geopotential height anomaly field near the Qinghai-Tibetan Plateau

为了揭示高原积雪异常所对应的水汽输送特征, 将积雪偏多和偏少年份的整层水汽通量异常场进行合成(图 6)。前冬和后冬的情况类似, 当高原积雪偏多时, 整层水汽通量从南海到东亚中纬度地区有显著的偏南风异常, 且前冬较后冬的异常更显著; 从阿拉伯海到高原南侧有显著的偏西风异常, 并且后冬的偏西风异常较前冬有北抬的趋势。这表明副高外围来自南海和印度洋的水汽输送偏强, 同时高原南侧的西风急流所携带的水汽偏强, 两支偏强的水汽带在高原东部地区汇合, 为高原降雪提供了很好的水汽条件。高原积雪偏少时, 高原南侧的西风水汽通量和副高外围的偏南风水汽通量都被显著削弱, 使得输送到高原的水汽减少。

图 6(Figure 6)

图 6 前冬、后冬多雪年和少雪年整层积分水汽通量异常的合成场 矢量箭头为区域为通过0.1显著性检验的区域[单位: kg·(m·s)-1], 粗虚线指示异常的水汽通量带 Figure 6 Composite maps of integral water vapor flux anomaly in positive snow depth years and negative snow depth years in early winter and late winter.Vectors is the wind field that significant at 0.1 confidence level [unit: kg·(m·s)-1].Bold dashed lines indicate anomalous water vapor flux bands

对比图 5积雪异常的环流合成场与图 4积雪EOF第一模态的时间系数序列PC1的位势高度回归场可以发现, 二者的形态基本一致, 都对应着极区与高纬度地区高度场偏低(偏高), 中低纬度地区高度场偏高(偏低)的形态, 这是典型的AO模态, 再一次证明了高原整体积雪的异常或者年际变化与AO模态有密切的联系。值得注意的是, 高原积雪的异常还与阿拉伯海到高原以东的位势高度场(高原脊)的异常密切相关(如图 5虚线框区域所示)。

为了探究AO与高原脊二者共同变化对高原积雪的影响, 首先定义高原脊或高原附近的位势高度场指数(下称位势高度指数), 即标准化的50°E—100°E, 25°N—45°N范围内平均的500 hPa位势高度场。由于AO从近地面到平流层低层都接近于正压结构, 因而在500 hPa上表现仍然很明显, 另外张若楠等(2015)和覃郑婕等(2017)都阐明了不管是地面, 中层还是高层, AO指数均为基本一致的变化。因此将北半球热带外20°N—90°N, 180°W—180°E范围的500 hPa位势高度标准化距平场进行EOF分解, 将标准化的第一模态时间系数序列作为AO指数。同时将高原积雪EOF分解后得到的PC1序列进行标准化, 作为高原积雪指数。图 7为前冬和后冬三个指数的时间序列。从图 7中可以看出, 高原积雪指数与AO指数在前冬和后冬均为正相关, 即AO为正位相时, 高原整体积雪易偏多; 高原积雪指数与位势高度指数为负相关, 即高原附近500 hPa位势高度场偏低时, 高原整体积雪易偏多。表 3给出了三个指数之间的相关系数以及积雪指数与AO指数的偏相关系数(当位势高度指数一定)、积雪与位势高度指数的偏相关系数(当AO指数一定)。从表 3中可以看到, 位势高度指数与AO指数基本没有相关性, 故认为二者相互独立, 前冬高原积雪与AO有显著的正相关关系, 与高原附近位势高度也有显著的反相关关系, 这说明前冬高原积雪的年际变化很可能同时受到AO与高原附近位势高度场年际变化的主导。后冬高原积雪与AO有一定程度的正相关关系, 与高原附近的位势高度有显著的反相关关系, 这说明后冬高原积雪的年际变化很可能受到高原附近位势高度场的年际变化主导, 同时受AO年际变化的调节。

图 7(Figure 7)

图 7 1961—2013年前冬(a)、后冬(b)高原积雪指数, AO指数和位势高度指数的时间序列 Figure 7 Time series of snow depth index, AO index and geopotential height index in early winter (a) and late winter (b) during 1961—2013

表 3(Table 3)

表 3 AO指数, 位势高度指数和高原积雪指数之间的相关系数 Table 3 The correlation coefficient between each index 相关系数和偏相关系数 AO指数 位势高度指数 前冬 后冬 前冬 后冬 高原积雪指数 0.31** (0.35)** 0.19 (0.24)* -0.28** (-0.32)** -0.42** (-0.44)** 位势高度指数 0.08 0.06 1 1 不带括号的数字是相关系数, 带括号的数字是偏相关系数, *表示通过了0.1显著性水平的统计检验, **表示通过了0.05显著性水平的统计检验

表 3 AO指数, 位势高度指数和高原积雪指数之间的相关系数 Table 3 The correlation coefficient between each index

为了证明AO和高原附近位势高度场的共同作用确实对高原积雪的年际变化产生影响, 现将前冬和后冬AO指数为正异常同时位势高度指数为负异常的年份挑选出来, 同时挑选出AO指数为负异常同时位势高度指数为正异常的年份(表 4), 将这些年份高原测站的积雪距平差值场进行合成(图 8)。不管是前冬还是后冬, 高原积雪偏多的站点都占总站点数的66%, 积雪偏少的站点占总站点数的34%, 并且仅有个别显著偏少的站点。前冬积雪明显偏多的站点主要位于高原东北部和东南部, 后冬积雪明显偏多的站点主要位于高原中东部腹地。这进一步印证了AO正位相和高原附近位势高度场的负异常协同配合的这种环流形态容易导致高原大部分站点的积雪偏多, 从而导致高原整体积雪偏多。当然, 并不是所有满足该条件的年份都完全对应整体积雪的偏多年或者偏少年, 这是因为除了AO和高原位势高度场的异常模态, 还有其他的影响因子如IOD等(Yuan et al, 2009)可能对高原积雪的年际变化产生影响。

表 4(Table 4)

表 4 AO和位势高度指数协同异常的年份分类 Table 4 Classification years of synergistic anomalous AO and geopotential height index 时间 类别 年份 前冬 AO指数正异常, 位势高度指数负异常 1961 1963 1970 1972 1974 1975 1982 1991 2004 2006 2007 2011 2013 AO指数负异常, 位势高度指数正异常 1962 1964 1965 1966 1969 1978 1979 1981 1983 1985 1998 2002 2009 后冬 AO指数正异常, 位势高度指数负异常 1961 1963 1970 1972 1974 1977 1988 1990 1992 1996 1999 2007 AO指数负异常, 位势高度指数正异常 1962 1964 1965 1978 1981 1984 1985 1989 1993 1994 2002 2009 2013 加粗和加双下划线的年份分别表示高原整体积雪偏强和偏弱的年份

表 4 AO和位势高度指数协同异常的年份分类 Table 4 Classification years of synergistic anomalous AO and geopotential height index

图 8(Figure 8)

图 8 AO和高原附近位势高度协同异常时高原积雪差值合成场的空间分布(单位: cm) 阴影为高原的DEM(单位: m) Figure 8 Spatial distribution of the composite difference of snow depth over the Qinghai-Tibetan Plateau under AO and geopotential anomaly. Unit: cm. The shading is the DEM of the Qinghai-Tibetan Plateau (unit: m)

使用国家气象信息中心整理提供的日积雪深度资料以及JRA55大气环流再分析资料, 分析了高原中东部地区1961—2013年前冬和后冬的积雪深度时空变化特征, 并进一步探讨了影响高原积雪年际变化和异常的环流形态, 得到如下结论:

(1) 高原积雪的空间分布不均匀, 高海拔区域积雪深且年际变率大, 积雪的年际变率随海拔的增高而显著增加。位于高原南部的帕里站年际变率很大, 对高原整体的平均雪深和距平的影响较大。

(2) 高原积雪的标准化距平进行EOF分解得到的第一模态的空间向量在前冬和后冬均表现为一致变化的特征, 由此将所有站点的积雪标准化序列进行泰森多边形加权平均后作为高原整体积雪序列最能够体现高原整体积雪的变化。从高原积雪的年代际变化特征显著, 但是1961—2013年前冬和后冬的长期趋势均不明显, 前冬在1996年前后有趋势正负的突变, 前期积雪显著增加, 后期积雪减少并不显著。

(3) 高原积雪的年际变化明显, 并且与AO和高原附近位势高度的年际变化有显著的联系。高原积雪的EOF第一模态时间系数PC1回归的500 hPa位势高度场表现为AO的正位相。前冬高原积雪的年际变化很可能同时受到AO和高原附近位势高度场年际变化的主导, 后冬高原积雪的年际变化很可能受到高原附近位势高度场的变化主导, 同时受AO年际变化的调节。

(4) 前冬与后冬类似, 高原积雪偏多对应着高纬和极区的位势高度偏低, 中低纬度地区位势高度偏高。环流系统表现为西欧脊偏强, 东亚大槽偏弱, 阿拉伯海到青藏高原以东地区的位势高度偏低, 南支槽活跃, 槽前携带的水汽增加同时高原南侧西风加强, 副高偏北偏强同时其外围携带的水汽增加; 贝加尔湖脊加强有利于引导冷空气南下, 冷空气和暖湿空气在高原东部交汇使得高原的降雪和积雪增加。积雪偏少时环流异常形态与偏多时基本相反。