高原气象  2018, Vol. 37 Issue (5): 1304-1312  DOI: 10.7522/j.issn.1000-0534.2018.00019
0

引用本文 [复制中英文]

肖志祥, 谭江红. 2018. 长江流域夏季降水异常主模态变化特征及其成因分析[J]. 高原气象, 37(5): 1304-1312. DOI: 10.7522/j.issn.1000-0534.2018.00019
[复制中文]
Xiao Zhixiang, Tan Jianghong. 2018. The Leading Modes of Summertime Precipitation Anomalies over the Yangtze River Basin and Possible Causes[J]. Plateau Meteorology, 37(5): 1304-1312. DOI: 10.7522/j.issn.1000-0534.2018.00019.
[复制英文]

资助项目

广西自然科学基金项目(2017GXNSFBA198133);国家自然科学基金项目(41765002,41465003)

作者简介

肖志祥(1986-), 男, 广西来宾人, 工程师, 主要从事青藏高原气象学及数值天气预报研究.E-mail:xiaozx_gxqxt@163.com

文章历史

收稿日期: 2017-10-10
定稿日期: 2018-01-25
长江流域夏季降水异常主模态变化特征及其成因分析
肖志祥1, 谭江红2     
1. 广西壮族自治区气象台, 广西 南宁 530022;
2. 湖北省荆州市气象局, 湖北 荆州 434100
摘要: 利用1961-2014年长江流域202个地面观测站日降水量、中国地面降水格点数据集(V2.0)及JRA-55再分析资料,分析了长江流域夏季降水异常主模态变化特征及其可能成因。结果表明,长江流域夏季降水存在两种空间分布型:第一模态为流域一致型变化,具有显著的年际变化特征,对应长江流域典型旱涝年份;第二主模态在空间上为南北反向型变化,年际变化与显著的年代际尺度相叠加。进一步分析表明,长江流域夏季降水第二主模态与斯堪的纳维亚半岛附近的反气旋式环流异常相联系,并通过200 hPa波列将异常信号传递到东亚,使得南亚高压向西收缩,西北太平洋副热带高压减弱东退,东亚地区夏季水汽输送偏东、偏南,有利于水汽在长江流域南部辐合,北部辐散,使得长江流域夏季降水呈南北反向变化。
关键词: 长江流域    夏季降水异常    主模态    时空变化    
1 引言

长江流域东西横跨中国18个省、市、自治区, 流域面积超过180×104 km2, 地理位置优越, 经济发达。但由于长江流域自西向东横跨青藏高原、四川盆地和长江中下游平原三大阶梯地貌, 流域地形复杂, 加上夏季从高原季风气候逐渐过渡到东亚季风气候, 雨量充沛, 容易发生流域性洪涝灾害。长江流域近三分之一的地区极易受洪涝灾害侵袭(姜彤等, 2003), 1954年和1998年长江洪水被视为世纪性洪水(黄荣辉等, 2006), 其中1998年长江流域全流域性洪水致使3 000多人死亡, 超过2 600亿元的经济损失。

诸多学者从不同角度探讨了长江流域夏季降水的变化特征及其影响因素。Gong et al(2002)发现春季北极涛动增强有利于夏季急流偏北, 雨带位置北移, 造成长江中下游降水减少。张琼等(2001)发现前期冬春季100 hPa副热带高压强度与长江流域夏季降水呈显著的正相关。东亚冬季风受前冬赤道热带东太平洋海温影响, 进而影响到长江流域夏季降水的年际变化(Chen et al, 2000)。前冬赤道东太平洋海温、同期夏季西太平洋暖池和赤道印度洋海温偏高有利于长江流域夏季降水偏多(龚振凇等, 2006)。Xiao et al(2014)认为ENSO对长江流域降水的季节变率起主导作用。长江中下游夏季极端日降水量的第一SVD模态与前冬类ENSO海温分布状况密切相关(Wang et al, 2011)。澳大利亚周边海温一致模能激发南北半球遥相关, 使得西太平洋副热带高压异常, 从而影响长江流域夏季降水(董祝雷等, 2016)。此外, 陆面因子与长江流域夏季降水也存在着可能的联系。韩冬等(2014)研究发现欧亚大陆春季融雪与长江流域夏季降水是负相关关系, 而高原积雪与长江中下游夏季降水呈正相关(陈兴芳等, 2000)。当高原东部土壤湿度偏大而西部偏小时, 有利于南亚高压加强东伸及西太副高加强西伸, 使得偏南暖湿气流和北方干冷空气在长江流域汇合, 导致长江流域夏季降水增多(王静等, 2016)。敬文琪等(2017)认为“南海-孟加拉湾-青藏高原南缘-云贵高原”和“南海-华南”两条反气旋式水汽输送通道对长江中下游夏季降水有重要影响。

以上研究表明, 长江流域幅员辽阔, 横跨我国三级阶梯地形, 影响其夏季降水的因子众多, 往往难以预测, 极易造成重大经济损失。而当前多数研究多关注长江中下游, 针对整个长江流域降水的研究较少, 且多使用气象站点数据, 在长江中上游地区站点稀疏, 并不能完全反应长江流域夏季降水的变化特征。因此, 本文使用覆盖长江流域的高分辨率格点降水数据, 探讨长江全流域夏季降水时空变化特征及其可能的影响因子。

2 资料和方法

1961-2014年中国气象局整编的839个地面观测站逐日降水量, 并挑选出长江流域范围内202个缺测率小于5%的站点[图 1(a)]。由图 1(a)可以看到, 在长江中下游海拔低于2 000 m的区域气象站点密度较大, 而海拔高于2 000 m的地区, 长时间观测的气象站点较为稀疏, 很难满足现今研究需要。基于2 474个国家台站降水数据及薄盘样条法研制的中国地面降水格点数据集(V2.0, http://cdc.cma.gov.cn), 空间分辨率为0.5°×0.5°, 在长江流域内一共675个格点[图 1(b)], 能够均匀覆盖长江流域。1961-2014年JRA-55月平均再分析数据, 水平分辨率为1.25°×1.25°, 包括水平风场、位势高度和地面气压等变量(Ebita et al, 2011)。NOAA ERSST海表面温度数据(Smith et al, 2003), 水平分辨率为2°×2°。本文夏季指68月这3个月。

图 1 长江流域地面观测站点分布(a, 黑色圆点)及降水网格点(b, 黑色圆点) 彩色区表示地形(单位: m), 黑色粗实线为长江 Figure 1 The distribution of meteorological stations (a, black dots) and the grid points (b, black dots).Color area represents the topography height (unit: m) and the black thick lines denote Yangtze River

在将中国地面降水格点数据集与站点降水做比较时, 通过双线性插值方法将格点降水插值到长江流域内202个站点。本文采用距平方案的经验正交函数分解(Empirical Orthogonal Function, EOF)方法探讨长江流域夏季降水的空间模态, 并根据North et al(1982)提出的方法进行独立性检验。使用EEMD(Ensemble Empirical Mode Decomposition)(Wu et al, 2009)及功率谱方法分析长江流域夏季降水变化周期, 此外还使用合成分析, 相关分析及t检验等方法。

3 长江流域夏季降水异常主模态

1961-2014年长江流域站点和格点夏季平均降水时间序列显示[图 2(a)], 站点和格点夏季平均降水量分别为5.48和5.50 mm·d-1, 且1961-2014年的相关系数达到0.92, 具有极为相似的年际变化特征。从空间分布的角度[图 2(b)]可以发现, 在长江边缘的站点二者相关系数基本都超过0.9, 而在长江流域边界的站点相关系数也在0.8以上, 只有在102°E附近地形陡峭的少数站点相关系数低于0.6。可见, 这套格点数据基本上能够反映站点降水的变化特征, 且在站点稀疏的青藏高原地区仍然有较好的代表性, 赵煜飞等(2015)也认为这套格点降水对青藏高原等大地形的降水空间特征描述较准确。因此, 可用这套高分辨率格点数据研究长江流域夏季降水, 以便能够全面反映长江流域夏季降水的变化特征。

图 2 1961-2014年长江流域站点和格点夏季平均降水时间序列(a)及两套数据的相关系数(b) Figure 2 Time series of summer precipitation averaged by stations and grid points (a) and correlation coefficients between station and grid precipitation (b) over Yangtze River basin during 1961-2014

利用1961-2014年中国地面降水格点数据集, 对长江流域夏季降水异常场进行经验正交分解, 前两个模态(图 3)都通过了North et al(1982)独立性检验。第一主模态(EOF1)解释方差为28.7%, 表现为空间一致性的变化[图 3(a)], 其大值区位于108°E以东的长江中下游地区, EOF1的时间系数(第一主分量: PC1)呈现显著的年际变化特征[图 3(b)]。当EOF1的时间系数为正(负)异常时, 长江流域全流域降水异常偏少(偏多), 且降水变化中心位于长江中下游地区。1961-2014年EOF1的时间系数与长江流域夏季平均降水的时间序列相关系数为-0.91, 说明EOF1能够表示长江流域一致性的空间变化特征, 对应着长江流域典型旱涝年份。例如EOF1时间系数均能够体现出1980, 1983和1998年等典型涝年及1966, 1971和2006年等典型旱年。长江流域夏季降水第二主模态(EOF2)的解释方差为14.8%, 呈南北反向的变化特征, 异常变化中心分别位于108°E附近的长江以北地区以及112°E附近的长江以南地区[图 3(c)], 当EOF2的时间系数(第二主分量: PC2)为正(负)时, 长江流域北部夏季降水偏少(多), 长江流域南部夏季降水偏多(少)[图 3(d)]。

图 3 1961-2014年长江流域夏季降水异常EOF分解第一模态(上)及第二模态(下)的空间分布(a, c)和时间系数(b, d) 黑色方框表示南北反向的两个降水中心 Figure 3 The distribution (a, c) and temporal coefficients (b, d) of leading modes EOF1 (up) and EOF2 (down) over Yangtze River summer precipitation during 1961-2014.The black boxes indicate two precipitation centers

集合模态经验分解(EEMD)方法(Wu et al, 2009)可以将时间序列不同周期的主成分信号提取出来。长江流域夏季降水第一模态时间系数PC1经EEMD分解得到4个本征模态函数(IMF)[图 4(a)~(d)]和趋势项[图 4(e)], IMF1和IMF2表明PC1年际变率方差贡献达到72.75%, 呈现准3年[图 4(f)]和准6年[图 4(g)]周期变化。而IMF3和IMF4为年代际特征, 方差贡献为18. 17%。

图 4 PC1经EEMD分解得到的4个本征模态函数(a~d)和趋势项R(e)以及本征模态函数对应的功率谱(f~i) 红色实线表示马尔科夫红噪音线, 绿色和蓝色虚线分别表示95%和90%显著性水平, 右上角数值为方差贡献率 Figure 4 IMF 1~5(Intrinsic Mode Function 1~5) of the PC1 during 1961 2014 obtained from EEMD decomposition (a~d), a trend term (e) and the power spectra analysis of IMF 1~4(f~i).Red thick lines represent the Markov red noise lines, green and blue lines indicate the 95% and 90% significance level, respectively.The value in the upper right is variance contribution rate

对EOF2的时间系数[图 3(d)]进行EEMD分解得到4个本征模态函数(IMF)[图 5(a)~(d)]和趋势项[图 5(e)], IMF1和IMF2[图 5(a)~(b)]表现为准4年和准7年周期变化的显著年际变化特征[图 5(f)~(g)], 年际尺度的方差贡献为54.38%。IMF3和IMF4[图 5(c)~(d)]表征准16年的周期振荡[图 5(h)~(i)], 年代际尺度的方差贡献为31.44%。而趋势项[图 5(e)]表明EOF2的时间系数存在年代际增加的趋势, 方差贡献占14.19%。因此, EOF2的时间系数是显著的年际和年代际变化相互叠加的结果。

图 5 PC2经EEMD分解得到的4个本征模态函数(a~d)和趋势项R(e)以及本征模态函数对应的功率谱(f~i) 红色实线表示马尔科夫红噪音线, 绿色和蓝色虚线分别表示95%和90%显著性水平, 右上角数值为方差贡献率 Figure 5 IMF 1~5 (Intrinsic Mode Function 1~5) of the PC2 during 1961-2014 obtained from EEMD decomposition (a~d), a trend term (e) and the power spectra analysis of IMF 1~4 (f~i). Red thick lines represent the Markov red noise lines, green and blue lines indicate the 95% and 90% significance level, respectively. The value in the upper right is variance contribution rate
4 长江流域夏季降水异常变化的可能原因

以上分析表明长江流域夏季降水存在流域一致型和南北反相型两种主要空间变化模态。有研究表明长江中下游地区旱涝年际变化特征显著(王文等, 2016), 第一主模态表征长江流域典型旱涝年份, 其异常变化受到ENSO(Wang et al, 2011), 青藏高原冬春积雪(陈兴芳等, 2000), 南亚高压(张琼等, 2001)等诸多因子的影响, 已经得到广泛的讨论。而表征长江流域夏季降水南北反相型变化的第二主模态在之前的研究中少有提及, 因此, 主要讨论影响长江流域夏季降水南北反相变化的可能原因。

通过EOF2空间分布特征, 可以得到长江流域夏季降水两个反相变化中心[图 3(c)中黑色方框], 即北部降水中心(30°N33.5°N, 105°E122°E)和南部降水中心(25°N29°N, 110°E118°E)。用南部区域平均降水量减去北部区域平均降水量构建长江流域夏季降水异常指数(YRSPI, 图 6黑色实线), 该指数与PC2的相关系数高达0.97, 说明该降水指数能够很好地表征长江流域夏季降水第二主模态的时间变化特征, 相对于通过EOF方法分解长江流域降水获得的时间系数计算简便, 易于推广使用。YRSPI指数的9年滑动平均值(图 6黑色虚线)表明长江流域夏季降水南北反相型变化还具有显著的年代际变化特征, 与图 5功率谱分析结果一致。

图 6 长江流域夏季降水异常指数YRSPI和斯堪的纳维亚半岛附近(50°N70°N, 0°40°E)区域平均的夏季地面气压标准化时间序列以及它们对应的9年滑动平均值 黑色虚线表示±1个标准差 Figure 6 Yangtze River summer precipitation index (YRSPI) and the Scandinavia summer surface pressure (50°N-70°N, 0°-40°E, gray line) and their corresponding 9 year running mean. Black dash lines indicate ±1 standard deviations

根据YRSPI指数大于或小于1个标准差分别得到7个正异常年份(1969, 1976, 1994, 1997, 1999, 2002和2006年)和10个负异常年份(1963, 1965, 1980, 1981, 1983, 1987, 1989, 1991, 2003和2005年)。通过正负异常年份合成差值场(图 7)可以看到, 斯堪的纳维亚半岛附近地面气压显著增加[图 7(d)], 而海表面温度也为显著的正异常[图 7(c)]。如果是海温异常导致大气环流异常, 那么斯堪的纳维亚半岛附近正海温异常应该强迫出气旋式环流异常, 而从低层925 hPa到高层200 hPa都为显著的反气旋式异常[图 7(a)~(d)], 为相当正压结构。所以应该是斯堪的纳维亚半岛附近反气旋式环流异常使得局地气流下沉, 导致了正异常海温出现。从斯堪的纳维亚半岛到长江流域200 hPa上空为“反气旋-气旋-反气旋-气旋”的异常波列。该异常波列使得南亚高压西退, 面积减小, 并在长江流域上空从200 hPa往低层传递, 使得东亚中低层呈现气旋式环流异常, 西北太平洋副热带高压减弱东退[图 7(b)]。

图 7 长江流域夏季降水指数YRSPI正异常年合成场减去负异常年风场分布(矢量, 单位: m·s-1) (a)和(b)中绿色和棕色实线分别表示正异常年份、负异常年份12 520和5 860 gpm位势高度值; (c)和(d)填色分别表示正负异常年份海平面温度(单位: ℃)和地面气压差(单位: hPa); 红色矢量和打点区表示通过90%信度检验, 黑色矩形框表示斯堪的那维亚半岛附近地面气压平均选取区域(50°N70°N, 0°40°E) Figure 7 The Distribution of difference in wind fields (vector, unit: m·s-1) between positive and negative years defined by YRSPI index. Green and brown lines in (a) and (b) indicate the composite geopotential height at 12 520 and 5 860 gmp for positive and negative years. Filled colors in (c) and (d) are not the same as vectors, but for SST (unit: ℃) and surface pressure (unit: hPa). Red vectors and dotted area indicate the 90% significance level. Black rectangle denotes surface pressure averaged over the Scandinavian peninsula (50°N70°N, 0°40°E)

波作用通量能够用来诊断定常Rossby波的能量传递方向。根据Takaya et al(2001)定义的波作用通量公式, 通过计算了长江流域夏季降水正负异常年份200 hPa波作用通量和流函数的差异[图 8(a)]可以看到, 斯堪的纳维亚半岛上空正流函数与反气旋式异常环流相对应, 在其南边和东边分别为负流函数异常对应200 hPa气旋式环流异常, 在60°E130°E急流附近为正流函数异常而长江流域为负流函数异常表明200 hPa南亚高压减弱西退[图 8(a)]。波作用通量异常表明长江流域夏季降水正异常年份有显著的波作用通量从斯堪的纳维亚半岛分别向东、向南传播, 在40°N西风急流带[图 8(b)]汇合后向东传播到长江流域, 形成了从斯堪的纳维亚半岛到长江流域的显著波列传播。西风急流对波的传播起到重要的波导作用(Enomoto et al, 2003)。

图 8 长江流域夏季降水正异常年份合成场减去负异常年份合成场的200 hPa波作用通量(矢量, 单位: m2·s-2)和流函数(等值线, 单位: ×106 m2·s-1)(a)及19812010年200 hPa夏季平均纬向风速(b, 单位: m·s-1) Figure 8 Difference in the summer 200 hPa wave-activity flux (vector, unit: m2·s-2) and stream function (contours, unit: ×106 m2·s-1) between the composite fields of positive and negative years of the Yangtze River basin (a) and the climatology of summer 200 hPa zonal wind speed during 19812010 (b, unit: m·s-1)

高低层环流的差异, 使得在正异常年份长江流域高层南部辐散、北部辐合[图 9(a)], 而长江流域低层南部辐合、北部辐散[图 9(b)], 在这样的高低层环流配置下, 长江流域南部为显著的上升运动, 而北部则为显著的下沉运动[图 9(c)]。因此, 当南亚高压面积向西缩小, 西北太平洋副热带高压减弱东退时, 东亚地区水汽输送偏东、偏南[图 9(d)], 有利于水汽在长江流域南部辐合[图 9(f)], 导致长江流域南部夏季降水偏多, 北部降水偏少; 当南亚高压向东扩展, 而西北太平洋副热带高压加强西伸时[图 7(a), (b)], 东亚地区水汽输送偏西、偏北[图 9(e)], 有利于水汽在长江流域北部辐合而南部水汽辐散, 使得长江流域北部降水偏多, 南部降水偏少。

图 9 长江流域夏季降水正异常年份合成场减去负异常年份合成场的200 hPa散度(a, 彩色区, 单位: s-1)、925 hPa散度(b, 彩色区, 单位: ×10-4 s-1)和500 hPa垂直速度(c, 彩色区, 单位: Pa·s-1), 正(d)、负(e)异常年份整层水汽通量(矢量, 单位: kg·m-1·s-1)和水汽通量散度(彩色区, 单位: ×10-5 kg·m-2·s-1)异常场, 以及正异常年份合成减去负异常年份合成的整层水汽通量(矢量, 单位: kg·m-1·s-1)及水汽通量散度(彩色区, 单位: ×10-5 kg·m-2 s-1)的差值(f) 红色矢量和打点区域表示通过90%显著性检验 Figure 9 The composite fields of above normal years minus below normal years in 200 hPa divergence (a, color area, unit: s-1), 925 hPa divergence (b, color area, unit: ×10-4 s-1), 500 hPa vertical velocity (c, color area, unit: Pa·s-1), respectively.And the anomaly of above (d) and below (e) normal years of the water vapor flux (vector, unit: kg·m-1·s-1) and divergence (color area, unit: ×10-5 kg·m-2·s-1) integrated from surface to 100 hPa and its difference (f). Red vectors and dotted area indicates statistically at 90% significance level

那么导致长江流域夏季降水南北反相型变化的可能因子是什么呢?前人研究表明长江流域夏季降水受到ENSO(Wang et al, 2011; Zhang et al, 2016)、澳大利亚周边海温(周波涛, 2011)等海洋热状况的影响。使用YRSPI指数回归去掉长期趋势的全球海温, 发现赤道东太平洋、澳大利亚周边等区域的海温并不存在显著异常信号(图略), ENSO对长江流域夏季降水第二模态的影响较小, 说明影响长江流域夏季降水南北反相型的因子与流域一致型有很大不同。此外, 通过与青藏高原中东部站点冬春积雪做比较, 发现YRSPI指数与高原冬春积雪深度也不存在显著联系。研究发现, 斯堪的纳维亚半岛附近[50°N70°N, 0°40°E, 图 7(d)黑色方框]的平均地面气压(图 6灰色实线)与YRSPI指数(图 6黑色实线)无论是在年际变率还是年代际尺度都能较好相符, 两者相关系数为0.35, 考虑有效自由度(Bretherton et al, 1999)后, 通过95%显著性检验, 说明斯堪的纳维亚半岛附近的地面气压可能是引起长江流域夏季降水南北反相变化的因子。在未来的研究工作中可以考虑使用全球模式设置相关敏感性试验, 进一步验证这一结论。

5 结论与讨论

利用1961-2014年长江流域202个地面观测站日降水量、中国地面降水格点数据集(V2.0)及JRA-55再分析资料, 分析了长江流域夏季降水异常主模态变化特征及其可能成因。得出的主要结论如下:

(1) 对长江流域夏季降水异常模态及可能成因的分析表明, 长江流域夏季降水存在两种主要的降水模态:第一主模态呈现流域一致型的年际尺度变化特征, 代表典型的长江流域旱涝年份, 降水异常中心位于长江中下游地区; 第二主模态表征南北反相型的准16年周期的年代际尺度变化特征, 降水异常中心分别位于108°E附近的长江以北地区以及112°E附近的长江以南地区。

(2) 长江流域夏季降水第二主模态主要受到斯堪的纳维亚半岛附近的反气旋式环流异常的影响, 该反气旋式环流异常通过200 hPa“反气旋-气旋-反气旋-气旋”的波列传递到东亚地区, 导致南亚高压及东亚中低层环流异常, 即斯堪的纳维亚半岛附近反气旋式(气旋式)环流异常有利于南亚高压西收(东伸), 西北太平洋副热带高压东退(西伸), 有利于东亚水汽输送偏东、偏南(偏西、偏北), 东亚地区气旋式(反气旋式)环流异常使得水汽在长江流域南部辐合(辐散)而在长江北部地区辐散(辐合), 最终有利于长江流域南部夏季降水偏多(偏少)而北部降水偏少(偏多)。

已有研究表明斯堪的纳维亚大气遥相关(Barnston et al, 1987)能够影响到我国天气气候(布和朝鲁等, 2008; 刘扬等, 2016), 但Bueh et al(2007)研究表明斯堪的纳维亚大气遥相关在夏季较弱, 而在秋季和冬季较为明显。那么, 本文的斯堪的纳维亚半岛附近反气旋式环流异常激发的波列是否和典型的斯堪的纳维亚大气遥相关型存在密切联系, 有待在未来的研究工作中深入分析。

参考文献
Barnston A G, Livezey R E. 1987. Classification, seasonality and persistence of low-frequency atmospheric circulation patterns[J]. Mon Wea Rev, 115(6): 1083–1126. DOI:10.1175/1520-0493(1987)115<1083:CSAPOL>2.0.CO;2
Bretherton C S, Widmann M, Dymnikov V P, et al. 1999. The effective number of spatial degrees of freedom of a time-varying field[J]. J Climate, 12(7): 1990–2009. DOI:10.1175/1520-0442(1999)012<1990:TENOSD>2.0.CO;2
Bueh C L, Nakamura H. 2007. Scandinavian pattern and its climatic impact[J]. Quart J Roy Meteor Soc, 133(629): 2117–2131. DOI:10.1002/qj.v133:629
Chen W, Graf H F, Huang R H. 2000. The interannual variability of East Asian winter monsoon and its relation to the summer monsoon[J]. Adv Atmos Sci, 17(1): 48–60. DOI:10.1007/s00376-000-0042-5
Ebita A, Kobayashi S, Ota Y, et al. 2011. The Japanese 55-year reanalysis "JRA-55":An interim report[J]. Sola, 7(1): 149–152.
Enomoto T, Hoskins B J, Matsuda Y. 2003. The formation mechanism of the Bonin high in August[J]. Quart J Roy Meteor Soc, 129(587): 157–178. DOI:10.1256/qj.01.211
Gong D Y, Zhu J H, Wang S W. 2002. Significant relationship between spring AO and the summer rainfall along the Yangtze River[J]. Chinese Sci Bull, 47(11): 948–951. DOI:10.1360/02tb9212
North G R, Bell T L, Cahalan R F, et al. 1982. Sampling errors in the estimation of empirical orthogonal functions[J]. Mon Wea Rev, 110(7): 699–706.
Smith T N, Reynolds R W. 2003. Extended reconstruction of global sea surface temperature based on COADS data (1854-1997)[J]. J Climate, 16(10): 1495–1510.
Takaya K, Nakamura H. 2001. A formulation of a phase-independent wave-activity flux for stationary and migratory quasigeostrophic eddies on a zonally varying basic flow[J]. J Atmos Sci, 58(6): 608–627. DOI:10.1175/1520-0469(2001)058<0608:AFOAPI>2.0.CO;2
Wang Y, Yan Z. 2011. Changes of frequency of summer precipitation extremes over the Yangtze River in association with large-scale oceanic-atmospheric conditions[J]. Adv Atmos Sci, 28(5): 1118–1128. DOI:10.1007/s00376-010-0128-7
Wu Z H, Huang N E. 2009. Ensemble empirical mode decomposition:A noise-assisted data analysis method[J]. Adv Adap Data Anal, 1(1): 1–41. DOI:10.1142/S1793536909000047
Xiao M, Zhang Q, Singh V P. 2014. Influences of ENSO, NAO, IOD and PDO on seasonal precipitation regimes in the Yangtze River basin, China[J]. Int J Climatol, 35(12): 3556–3567.
Zhang W, Jin F, Stuecker M F, et al. 2016. Unraveling El Niño's impact on the East Asian Monsoon and Yangtze River summer flooding[J]. Geophys Res Lett, 43(21): 11375–11382. DOI:10.1002/2016GL071190
布和朝鲁, 施宁, 纪立人. 2008. 2000/2001年冬季北欧异常流型形成机理及其对我国北方天气的影响[J]. 高原气象, 27(1): 76–83. Bueh C L, Shi N, Ji L R. 2008. Maintenance mechanism of the Scandinavian pattern in its positive phase during 2000/2001 winter and its influence on the weather over the northern part of China[J]. Plateau Meteor, 27(1): 76–83.
陈兴芳, 宋文玲. 2000. 欧亚和青藏高原冬春季积雪与我国夏季降水关系的分析和预测应用[J]. 高原气象, 19(2): 214–223. Chen X F, Song W L. 2000. Analysis of relationship between snow cover on Eurasia and Qinghai-Xizang Plateau in winter and summer rainfall in China and application to prediction[J]. Plateau Meteor, 19(2): 214–223. DOI:10.3321/j.issn:1000-0534.2000.02.010
董祝雷, 任宝华, 郑建秋, 等. 2016. 前冬澳大利亚周边海温与我国长江流域夏季降水的联系[J]. 大气科学, 40(6): 1273–1283. Dong Z L, Ren B H, Zheng J Q, et al. 2016. The relationship between prior-winter SST around Austria and summer rainfall in the Yangtze River valley of China[J]. Chinese J Atmos Sci, 40(6): 1273–1283.
龚振凇, 何敏. 2006. 长江流域夏季降水与全球海温关系的分析[J]. 气象, 32(1): 56–61. Gong Z S, He M. 2006. Relationship between summer rainfall in Changjiang River valley and SSTA of various seasons[J]. Meteor Mon, 32(1): 56–61.
韩冬, 陈海山, 许蓓, 等. 2014. 欧亚大陆春季融雪与长江流域夏季降水的可能联系[J]. 气象科学, 34(3): 237–242. Han D, Chen H S, Xu B, et al. 2014. Impact of spring snowmelt over the Eurasian continent on summer rainfall in Yangtze River valley[J]. J Meteor Sci, 34(3): 237–242.
黄荣辉, 蔡榕硕, 陈际龙, 等. 2006. 我国旱涝气候灾害的年代际变化及其与东亚气候系统变化的关系[J]. 大气科学, 30(5): 730–743. Huang R H, Cai R S, Chen J L, et al. 2006. Interdecadal variations of drought and flooding disasters in China and their association with the East Asian climate system[J]. Chinese J Atmos Sci, 30(5): 730–743. DOI:10.3878/j.issn.1006-9895.2006.05.02
姜彤, 施雅风. 2003. 全球变暖、长江水灾与可能损失[J]. 地球科学进展, 18(2): 277–284. Jiang T, Shi Y F. 2003. Global climatic warming, the Yangtze floods and potential loss[J]. Adv Earth Sci, 18(2): 277–284. DOI:10.3321/j.issn:1001-8166.2003.02.019
敬文琪, 崔园园, 刘瑞霞, 等. 2017. 影响长江中下游夏季降水的青藏高原水汽抽吸作用和水汽路径的定量化研究[J]. 高原气象, 36(4): 900–911. Jing W Q, Cui Y Y, Liu R X, et al. 2017. Quantitative study on water vapor pumping over Qinghai-Tibetan Plateau and water vapor paths influencing summer precipitation in the middle and lower reach of the Yangtze River[J]. Plateau Meteor, 36(4): 900–911. DOI:10.7522/j.issn.1000-0534.2016.00084
刘扬, 刘屹岷. 2016. 我国西南地区秋季降水年际变化的空间差异及其成因[J]. 大气科学, 40(6): 1215–1226. Liu Y, Liu Y M. 2016. Spatial pattern and causes of inter-annual variability of autumn rainfall in southwest China[J]. Chinese J Atmos Sci, 40(6): 1215–1226.
王静, 祁莉, 何金海, 等. 2016. 青藏高原春季土壤湿度与我国长江流域夏季降水的联系及其可能机理[J]. 地球物理学报, 59(11): 3985–3995. Wang J, Qi L, He J H, et al. 2016. Relationship between spring soil moisture in the Tibetan Plateau and summer precipitation in the Yangtze River basin and its possible mechanism[J]. Chinese J Geophys, 59(11): 3985–3995. DOI:10.6038/cjg20161105
王文, 许志丽, 蔡晓军, 等. 2016. 基于PDSI的长江中下游地区干旱分布特征[J]. 高原气象, 35(3): 693–707. Wang W, Xu Z L, Cai X J, et al. 2016. Aridity characteristic in middle and lower reaches of Yangtze River area based on Palmer drought severity index analysis[J]. Plateau Meteor, 35(3): 693–707. DOI:10.7522/j.issn.1000-0534.2015.00011
张琼, 吴国雄. 2001. 长江流域大范围旱涝与南亚高压的关系[J]. 气象学报, 59(5): 569–577. Zhang Q, Wu G X. 2001. The large area flood and drought over Yangtze River valley and its relation to the South Asia High[J]. Acta Meteor Sinica, 59(5): 569–577. DOI:10.3321/j.issn:0577-6619.2001.05.007
赵煜飞, 朱江. 2015. 近50年中国降水格点日值数据集精度及评估[J]. 高原气象, 34(1): 50–58. Zhao Y F, Zhu J. 2015. Assessing quality of grid daily precipitation datasets in China in recent 50 years[J]. Plateau Meteor, 34(1): 50–58. DOI:10.7522/j.issn.1000-0534.2013.00141
周波涛. 2011. 冬季澳大利亚东侧海温与长江流域夏季降水的联系及可能物理机制[J]. 科学通报, 56(11): 1301–1307. Zhou B T. 2011. Linkage between winter sea surface temperature east of Australia and summer precipitation in the Yangtze River valley and a possible physical mechanism[J]. Chinese Sci Bull, 56(11): 1301–1307.
The Leading Modes of Summertime Precipitation Anomalies over the Yangtze River Basin and Possible Causes
XIAO Zhixiang1 , TAN Jianghong2     
1. Guangxi Meteorological Observatory, Nanning 530022, Guangxi, China;
2. Meteorological Bureau of Jingzhou, Jingzhou 434100, Hubei, China
Abstract: Based on the daily mean rainfall data at 202 stations within Yangtze River basin, the daily gridded precipitation, with a horizontal resolution of 0.5°×0.5° for the China domain from National Meteorological Information Center in version 2, and the JRA-55 reanalysis datasets, the leading modes of summertime precipitation anomalies over the Yangtze River basin were investigated with Empirical Orthogonal Function (EOF) and its possible causes were revealed. The analysis showed that there are two dominant modes of the summertime precipitation over Yangtze River basin. The first EOF mode (EOF1) depicts a characteristic of unified spatial distribution with obvious interannual variation, representing the typical drought and flood events of the summer precipitation over the Yangtze River basin. And the second EOF model (EOF2) exhibits a characteristic of meridional dipole pattern with obvious interdecadal variability overlay on interannual variability. Moreover, results also showed that the EOF2 pattern is closely associated with the anti-cyclone anomaly over the Scandinavian Peninsula, which stimulates a teleconnection wave-train at 200 hPa, making the South Asian High shrinks westward and the western Pacific subtropical high shifts eastward. Thus, water vapor transportation shifts eastward and southward over Eastern China, favoring moisture convergent and divergent over the southern and northern part of the Yangtze River basin, respectively. And then the seesaw precipitation anomaly pattern forms over the southern and northern part of the Yangtze River basin.
Key words: Yangtze River basin    summertime precipitation anomalies    leading mode    spatial-temporal variations