1 引言

农业生产是一个对自然条件尤其是气候条件依赖程度很高的系统(Chavas et al, 2009), 全球气候变暖将导致水循环过程加剧, 水资源的时空变异性增强(Oki et al, 2006), 将会影响到中国的粮食安全(Lin et al, 2005)。虽然我国秋季降水总体少于汛期, 但其同样对农业生产和国民经济有着重要意义, 也越来越引起关注。秋季降水以连阴雨过程降水为主, 长时间低温连阴雨常常给农作物的收获、贮藏以及冬小麦的播种带来不利影响(方建刚等, 2003; 魏锋等, 2005; 韩荣青等, 2009; 于凤英等, 2009), 是我国常见的气象灾害之一。不同地区秋季连阴雨的分布特征和变化趋势不尽相同, 长江中下游(王荣等, 2015)、华中三省(史瑞琴等, 2013)、甘肃(史宝秀等, 2002)、浙江(袁晓玉等, 2002)等地以减少为主, 而江西表现为弱的增加趋势(阙志萍等, 2017)。秋季连阴雨形成的直接原因是长波、超长波停滞, 冷暖气流长时间交汇, 往往包含着多个天气系统的互相牵制和共同作用, 主要包括中高纬西风带系统和中低纬度副热带系统, 此外, 台风活动也可造成连阴雨天气(钟元等, 1992; 林纾等, 2003; 陈丽芳等, 2011; 刘月辉等, 2012; 李辉等, 2012; 孙照渤等, 2016; 钱正安等, 2018)。从外强迫因子看, ENSO事件(施能, 1990; 谌芸等, 2003)、热带太平洋海温异常(顾薇等, 2012)、印度洋偶极子(肖子牛等, 2002)、孟加拉湾热源(王丹等, 2015)和高原积雪(王顺久, 2017)等都会对我国秋季降水产生影响。

安徽作为我国的粮食主产区和连阴雨高发地区之一, 其气象工作者对连阴雨天气开展了一系列研究, 试图摸清其成因(谢亦峰等, 2007; 马魁侠等, 2007; 马玲等, 2011)、发生规律(梁邦云等, 2003; 吴有训等, 2003; 陈晓艺等, 2009)和灾害影响(张爱民等, 2007; 刘瑞娜等, 2012, 2016; 李德等, 2015a, 2015b; 袁明奎等, 2017), 并提出了一系列防灾减灾的对策建议(翟治国等, 2017)。不过之前对安徽秋季连阴雨的成因研究主要限于某个年份或某些地市, 全省秋季连阴雨的气候成因还需要进一步研究。此外, 在变暖背景下, 安徽极端天气气候事件频频发生, 2016年和2017年秋季连阴雨多次突破历史记录(安徽省气象局, 2017; 安徽省气候中心, 2017): 2016年9月25日至10月31日全省平均降雨量较常年同期偏多3.2倍, 2017年9-10月区域性连阴雨为1961年以来同期最强, 持续的连阴雨严重影响了农民的秋收秋种, 2017年淮河干流还发生了罕见的秋汛。近几年安徽省秋季连阴雨发生了怎样的变化？其影响因子是什么？都值得研究。因此, 先利用气象观测数据研究了安徽省秋季连阴雨的基本特征和变化规律, 然后结合NCEP/NCAR再分析资料进一步探讨了其气候成因, 为防灾减灾提供科学支撑。

2 数据来源和方法介绍 2.1 数据来源

连阴雨过程所采用的降水及日照数据均来自安徽省气象信息中心, 选取了数据质量较好的76个气象观测站点作为监测对象。环流和地表气温数据则取自NCEP\\NCAR再分析资料, 空间分辨率为2.5°×2.5°。分析过程中夏季取6-8月, 秋季取9-11月, 研究时段取1971-2017年。

底图来源: (1)文中牵涉到以世界地图作为底图的图片均基于国家测绘地理信息局监制的审图号为GS(2016)2948的标准地图制作, 底图无修改。(2)涉及以安徽省界作为底图的图片均基于安徽省标准地图服务网站下载的审图号为皖S(2017)23号的标准地图制作, 底图无修改。

2.2 连阴雨过程的判别方法

目前, 国内尚未形成统一的判别方案, 本文采用的是安徽地方现行业务监测标准, 某站发生一次连阴雨需满足以下条件: (1)连续5天内有≥4天雨日或连续10天内有≥7天雨日; (2)无降水日日照 < 2 h; 或有微量降水, 但该日日照应 < 4 h; 较之前的指标(安徽省气象局资料室, 1982; 陈晓艺等, 2009)过程最短持续时间有所提高, 但对10天以上过程的雨日要求则适当放宽。

2.3 统计方法

运用多种统计方法开展特征和成因分析, 其中对连阴雨变化特征的趋势分析采用线性倾向估计方法(魏凤英, 1999), 周期分析采用功率谱和小波分析方法(魏凤英, 1999; 韩熠哲等, 2017), 突变分析采用PMFT方法(Wang, 2008), 空间分区采用REOF方法(施能, 2002); 对其成因的分析讨论采用相关分析(魏凤英, 1999; 刘维成等, 2017)和合成分析方法。

线性倾向估计:用x_i表示样本量为n的某一气候变量, 用t_i表示x_i所对应的时间, 建立x_i与t_i之间的一元线性回归方程:

${\hat x_i} = a + b{t_i}\quad, \quad (i = 1, 2, \cdots, n) $

(1)

它的含义是用一条合理的直线表示x与其时间t的关系, 其中a为回归常数, b为回归系数。

功率谱方法是分析时间序列常用的方法, 它通过快速傅里叶变换研究频率与自相关函数的傅氏变换之间的关系, 根据功率谱图的特点直观地揭示出离散数据序列的周期。

小波分析方法:将一个一维信号在时间和频率两个方向展开, 获得相关的小波系数, 可研究不同尺度(周期)气象要素随时间的演变情况。

REOF方法:在EOF分析的基础上, 对载荷特征向量场再作方差极大旋转变换, 使旋转向量场上每一个空间点只与一个或少数几个旋转时间系数有高相关, 从而使高载荷值集中在某个较小的区域, 突出要素异常分布的区域特征, 依据它进行气候区划也较客观。其中, 选取参加旋转的特征向量个数是分区的重要环节(江志红等, 1994), 本文选择EOF分析最后一个显著转折点之前的主分量进行旋转(Cattell, 1996); 显著性检验采用的是North检验(North, 1982)。旋转后取载荷绝对值≥0.6(在文中可达到0.001显著性水平)为标准进行分区(熊敏诠, 2015)。

North检验方法, 其判别依据为特征值λ_i的误差范围:

${e_j} = {\lambda _i}{\left[ {\frac{2}{n}} \right]^{\frac{1}{2}}}, $

(2)

式中: n为样本量; 当两相邻的特征值λ_i+1满足λ_i-λ_i+1≥e_j时, 就认为这两特征值所对应的经验正交函数是有价值的。

相关分析:设有两个变量x₁, x₂, …, x_n, y₁, y₂, …, y_n, 相关系数r计算公式为:

$r = \frac{{\sum\limits_{i = 1}^n {\left({{x_i} - \bar x} \right)} \left({{y_i} - \bar y} \right)}}{{\sqrt {\sum\limits_{i = 1}^n {\left({{x_i} - \bar x} \right)} 2} \sqrt {\sum\limits_{i = 1}^n {{{\left({{y_i} - \bar y} \right)}^2}} } }}, $

(3)

式中: n₁和n₂为x和y的样本量; x和y分别为x和y的均值。

合成分析采用构造t检验统计量的方法(魏凤英, 1999)考察两个总体的均值有无显著差异。

$t = \frac{{\bar x - \bar y}}{{\sqrt {\frac{{\left({{n_1} - 1} \right)s_1^2 + \left({{n_2} - 1} \right)s_2^2}}{{{n_1} + {n_2} - 2}}} \sqrt {\frac{1}{{{n_1}}} + \frac{1}{{{n_2}}}} }}, $

(4)

式(4)遵从自由度ν=n₁+n₂-2的t分布。式中: n₁和n₂为x和y的样本量; x和y为x和y的均值; s₁²和s₂²分别表示两个样本的方差。确定显著性水平α=0.05, 若t>t_α, 拒绝原假设, 就认为在α=0.05显著性水平上, 两个样本的均值有显著性差异。

PMFT方法是在对二位相回归检验方法进行改进后提出的, 其经验性地考虑了时间序列的一阶滞后自相关, 并嵌入回归检验算法, 通过应用经验性的惩罚函数, 能用于检验包含一阶自回归误差数据序列的多个间断点。具体方法如下:

对于存在线性趋势β的时间序列{X_t}, 如果有一间断点且出现在序列k处(1≤k≤n), 则最可能的间断点服从以下分布:

${P_F} = {\max\limits_{1k \le n - 1}}\left[ {P(k)(n - 3)\frac{{\sum\limits_{i = 1}^n {{{\left({{x_t} - {{\hat u}_0} + {{\hat \beta }_0}t} \right)}^2}} - \sum\limits_{t = 1}^k {{{\left({{x_t} - {{\hat u}_1} + \hat \beta t} \right)}^2}} - \sum\limits_{t = k + 1}^n {{{\left({{x_t} - {{\hat u}_2} + \hat \beta t} \right)}^2}} }}{{\sum\limits_{t = 1}^k {{{\left({{x_t} - {{\hat u}_1} + \hat \beta t} \right)}^2}} + \sum\limits_{t = k + 1}^n {{{\left({{x_t} - {{\hat u}_2} + \hat \beta t} \right)}^2}} }}} \right], $

(5)

式中: P(k)是建立的经验性的惩罚因子; ${\hat {u} _1}$和${\hat {u} _2}$分别为间断点k前后两个序列的回归常数, 且μ₁≠μ₂; ${\hat {u} _0}$和${\hat \beta _0}$是在μ₁=μ₂=μ时的估计值。当P_F大于信度α=0.05, 自由度为n-1的临界点P_F, 则序列{X_t}存在断点k。

3 安徽省秋季连阴雨的基本特征 3.1 空间分布规律

将安徽有一个以上站点出现秋季连阴雨直到所有站点连阴雨结束认为发生一次连阴雨过程。1971-2017年, 全省共发生175次秋季连阴雨过程, 平均每年3.7次。其年均发生次数、累计日数及累计雨量的空间分布规律基本一致, 表现出南多北少、山区多平原丘陵少的特征(图 1)。其中大别山区和皖南山区大部年均秋季连阴雨多于1.4次, 累计日数超过8天, 累计雨量大于80 mm, 均为全省之冠。而淮北东北部年均秋季连阴雨低于0.8次, 累计日数少于6天, 累计雨量小于50 mm, 均为全省最低。其他地区年均发生次数、累计日数和累计雨量介上述地区之间。

3.2 区域性特征

以每次过程中发生连阴雨的站点数近似作为其区域性的表征。秋季连阴雨过程包含的站点越多发生概率越低(图 2), 以1~2个站的过程最多, 发生概率分别为14.8%和10.3%。虽然单独看5个站以上过程较少, 但它们发生概率的总和却占总过程数的66.9%, 10个站以上过程发生概率的总和也达到了总过程数的56.6%, 说明安徽省秋季连阴雨过程表现出一定的群发性[图 2(a)]。

3.3 持续时间

安徽秋季连阴雨过程持续时间在5~43天, 持续时间越长的过程发生概率越低, 5天的过程最多, 占总过程数的18.2%, 8天以上的过程均不超过10%, 20天以上的过程较少出现。不过, 当过程包含站点超过5站时, 5~6天过程的发生概率明显减小, 不足总过程数的10%;而7~20天过程的发生概率则明显增加, 超过了总过程数的90%, 而这部分连阴雨过程往往对农业影响较为严重(陈晓艺等, 2009); 其中7天过程发生概率最高, 达到了18%, 8天和9天的过程也均在10%以上。一次天气尺度系统活动的生命史为2.5~6天, 大范围长时间的秋季连阴雨往往是多个天气系统持续影响的结果; 另一方面也说明, 天气系统持续时间越长, 越利于出现大范围的秋季连阴雨[图 2(b)]。

3.4 雨强分布

从日降雨量看[图 2(c)], 秋季连阴雨过程以小雨(0.1 mm≤日雨量 < 10 mm)为主, 发生站次占总过程站次的66%;中雨(10 mm≤日雨量 < 25 mm)为次多, 占总过程站次的18%;大雨(25 mm≤日雨量 < 50 mm)位居第三, 但只占总过程站次的7.2%;暴雨及以上量级降雨(日雨量≥50 mm)发生较少, 只占总过程站次的2.6%。此外, 过程中的降雨间歇站次数占总过程站次的5.8%。

3.5 空间分区

连阴雨的危害主要在于阴雨时间长、日照少、空气湿度大影响了作物的正常生长或收获(于波等, 2013), 范围越大、持续时间越长的过程影响越严重, 并具有一定的可预测性, 这也是本文关注的重点。此外, 安徽秋季连阴雨平均雨强较弱, 并且单个站点上历年过程累计日数和累计雨量对应较好, 相关系数为0.49~0.94, 通过了α=0.001的显著性检验(图略)。因而本文主要关注历年连阴雨过程累计日数的变化情况。

首先构建连阴雨日序列:当某站发生秋季连阴雨过程, 过程内所有日记为1;其他日则记为0。

其次, 利用REOF方法对安徽进行分区, 该方法较客观, 也更利于讨论影响环流和成因。先利用EOF方法获得秋季连阴雨的主要空间分布型, 其前四个特征向量通过了显著性α=0.05的North检验, 并且累计方差贡献率达到58.9%, 基本代表了安徽秋季连阴雨的主要空间分布型。然后, 取前四个模态进行旋转。最后, 在同一REOF荷载向量中, 将荷载值≥0.6且地理上连成一片的区域作为一个分区。共得到四个分区, 由北向南分别为: Ⅰ区, 主要包括淮北; Ⅱ区, 主要包括沿淮和江淮之间北部; Ⅲ区, 主要包括江淮之间南部、沿江东部和江南东北部; Ⅳ区, 主要包括皖南山区、大别山南麓和沿江西部(图 3)。

4 安徽省区域性秋季连阴雨的变化特征 4.1 区域性过程的异同

当区域内有2/3以上的站点同时或持续出现秋季连阴雨, 认为发生了一次区域性秋季连阴雨过程(下称区域性过程)(陈晓艺等, 2009)。由于安徽范围较小, 区域性过程具有一定的相似性。首先是两两分区发生(或不发生)区域性过程的年份较接近, 吻合率均超过0.6, 相邻的分区更高, 其中Ⅰ和Ⅱ区达到0.81, Ⅲ和Ⅳ区也达到了0.77。其次, 相邻分区历年过程数和累计过程日数普遍好于不相邻分区; Ⅲ和Ⅳ区历年过程数的相关系数达0.76, 累计过程日数的相关系数达0.61; Ⅰ和Ⅱ区历年过程数的相关系数达0.51, 年累计过程日数的相关系数达0.49, 均通过了α=0.001的显著性检验。不过, 其他两两分区间历年过程数和累计过程日数相关系数均小于0.36, 其中Ⅰ和Ⅲ区、Ⅱ和Ⅳ区之间历年过程数的相关系数低于0.26, Ⅰ和Ⅲ区、Ⅱ和Ⅲ区之间年累计过程日数的相关系数低于0.28, 均未通过α=0.05的显著性检验。具体见表 1。

差异主要表现在逐次区域性过程(表 2)。首先是年均发生过程次数由北向南增加, Ⅰ区年均0.7次, Ⅱ和Ⅲ区0.8次, Ⅳ区1.0次。而最多的年份, Ⅱ区出现了2次, Ⅰ和Ⅳ区出现了3次, Ⅲ区出现了4次(1993年, 当年Ⅲ区秋季连阴雨过程总日数达到了33天)。最长过程出现在Ⅲ区, 过程始于2010年9月1日, 一直持续了30天之久; 此外, 其他3个区最长过程分别为: Ⅰ和Ⅱ区14天, Ⅳ区21天。其次, 区域性过程在不同时期发生频率也不尽相同, Ⅰ区在9月下旬至10月上旬最高(17%), 10月上中旬和下旬较低; Ⅱ区在9月中下旬最高(15%), 此外9月下旬至10月上旬、10月中旬和11月上旬还存在3个次高时期; Ⅲ区以9月下旬至10月上旬最高(19%), 而10月中旬和下旬较低; Ⅳ区以10月上中旬最高(19%), 9月中旬和11月上旬为次高(图略)。

安徽面积不大, 在天气尺度环流直接影响下, 发生区域性秋季连阴雨过程的年份较为相近。但处于亚热带和温带过渡区, 还深受东亚季风影响, 安徽以江淮分水岭为界气候南北差异大, 秋季连阴雨过程也表现出一定的区域性差异。

4.2 区域性过程年累计日数的变化

四个分区7天以上过程的发生概率均占相应区域总过程数的80%以上, Ⅱ区更接近90%(表 2)。因而不以7天为界, 而是考察各分区所有区域性过程年累计日数的变化。

Ⅰ区共有23年发生了区域性过程, 占总年份的48.9%, 接近两年一遇, 为四个分区最少。发生区域性过程的年份, 年均累计过程日数为11.6天(简称有过程年均值), 最多的年份为20天(1996和2017年)。从线性趋势看, Ⅰ区区域性过程年日数略增加, 不过未通过α=0.05的显著性检验[图 4(a)]。突变情况, 首先利用PMFT检验发现(图 5), Ⅰ区区域性过程年日数在2014年的P_F通过了α=0.05的显著性检验, 说明在2014-2015年间发生了间断; 其次结合t检验进行验证, 计算间断点前后两个时段(1971-2014年)和(2015-2017年)年均累计过程日数的t值, 为2.2, 大于t_α=0.05(2.01), 表明2014-2015年突变后, Ⅰ区区域性过程年日数不仅在趋势上发生了改变, 其均值也发生了明显不同。历年变化曲线[图 4(a)]直观地表现了该突变特征, 2000年以前Ⅰ区区域性过程日数年际振荡变化平稳; 2001-2014年明显偏少, 有9年未发生区域性过程, 出现区域性过程年的累计日数也明显低于年均累积过程日数; 2015-2017年, 连续三年发生区域性过程, 且年日数均较有过程年均值偏多47%以上, 2017年还平了1971年以来的第一高值。考察周期变化, 小波分析[图 6(a)]显示, Ⅰ区区域性过程年日数在20世纪70年代至21世纪00年代中期以3~4年的变化周期为主; 之后以4~8年的周期为主, 周期变长; 此外利用功率谱方法得到[图 6(e)], 1971年以来Ⅰ区区域性过程年日数在4年周期上的功率谱为0.31, 通过了α=0.05的显著性检验, 其存在一个较明显的4年左右的变化周期(为与小波分析得到的周期区分开来, 通过功率谱方法得到的周期称为主周期, 后文同)。

Ⅱ区共有25年发生了区域性过程, 占总年份的53.2%;发生区域性过程的年份, 年均累积过程日数为12.5天, 最多的年份为23天(2017年)。Ⅱ区区域性过程年日数的线性变化趋势不显著[图 4(b)], 但年际波动与Ⅰ区较为接近。历年变化表现为[图 4(b)]: 2000年以前年际振荡变化平稳; 2001-2013年总体偏少, 9年未发生区域性过程, 出现区域性过程的年份累计过程日数均小于10天, 明显低于有过程年均值; 2014-2017年, 连续4年发生区域性过程, 并且每年过程日数均在13天以上, 其中2014和2017年分别平了和突破1971年以来的第一高值。突变情况, 首先利用PMFT检验发现(图 5), Ⅰ区区域性过程年日数在2013年的P_F通过了α=0.05的显著性检验, 发生了明显的突变, 较Ⅰ区的突变年提前1年; 突变后连续4年发生了区域性过程; 不过间断点前后两个时段(1971-2013年)和(2014-2017年)平均年过程日数的t检验特征值为1.9, 介于t_α=0.1(1.68)和t_α=0.05(2.01)之间; 说明2013-2014年的突变主要是变化趋势上的改变, 出现区域性过程的年份更频繁, 累计日数更多, 并在一定程度上影响了均值。在周期变化上, 通过小波分析发现[图 6(b)], Ⅱ区区域性过程日数在20世纪70年代至80年代表现为2年左右的变化周期, 在20世纪90年代至21世纪00年代中期具有3~4年的周期, 此外在20世纪90年代以后还存在一个12年左右的变化周期; 不过功率谱方法没有发现通过α=0.05的显著性检验的主周期[图 6(f)]; 说明Ⅱ区区域性过程在不同阶段周期变化特征不同, 但贯穿整个研究阶段(1971-2017年)则没有较固定的主周期。

Ⅲ区也有25年发生了区域性过程, 发生区域性过程的年份, 平均年累计过程日数13.9天, 为四个分区最长, 最多的年份为33天(1993年)。线性趋势上, Ⅲ区区域性过程年日数略减少, 但是未能通过α=0.05的显著性检验[图 4(c)]; 此外, PMFT检验(图 5)和功率谱方法[图 6(g)]也没有显示出明显的突变和周期。不过小波分析发现[图 6(c)], Ⅲ区区域性过程日数在20世纪80年代中期以前和90年代中前期都具有2年左右的变化周期, 90年代中后期和21世纪00年代中期至10年代中期具有3~4年的变化周期, 并且在20世纪70年代中期至80年代还具有7年左右的变化周期。从历年变化曲线看, 1971-1983年区域性过程累计日数偏多, 只有3年未出现区域性过程, 7年高于年均累积过程日数; 1984-2004年总体偏少, 除1993年外, 其他年份均低于年均累积过程日数, 并且有14年未出现区域性过程; 2005年以后以年际振荡为主, 2011年以来均低于年均累积过程日数。

Ⅳ区共有32年发生了区域性过程, 占总年份的68.1%, 较Ⅰ区偏多9年, 为四个分区最多。发生区域性过程的年份, 平均累计过程日数为13.4天, 最多的年份为35天(2017年), 也为四个区域之冠。历年区域性过程日数的阶段性特征表现为, 1971-2015年呈现明显的减少趋势, 年平均每10年减少2.5天; 1971-1987年总体偏多, 只有3年未出现区域性过程, 其中有7年超过年均累积过程日数; 1988-2015年总体偏少, 有12年未出现区域性过程; 2016年和2017年, 连续两年区域性过程日数超过30天, 为年均累积过程日数的两倍以上, 分别平了和刷新1971年以来的最高值[图 4(b)]。突变情况, PMFT检验发现(图 5), Ⅳ区秋季连阴雨过程累计日数在2015年P_F通过了α=0.05的显著性检验, 2015年和2016年间发生了明显的突变; 间断点前后两个时段(1971-2015年)和(2016-2017年)t检验特征值为3.2, 大于t_α=0.01(2.69); 2015-2016年Ⅳ区区域性过程年日数不仅在趋势上发生了改变, 其均值也发生了明显不同。周期变化, 小波分析发现[图 6(d)], Ⅳ区区域性过程日数在20世纪70年代中期至80年代中期具有4~5年的变化周期, 在80年代还具有2年左右的变化周期, 并在21世纪00年代中期之后则具有6年左右的变化周期; 不过功率谱方法并没有得到通过α=0.05的显著性检验的的主周期[图 6(h)]。

5 主要影响环流

采用合成分析的方法考察Ⅰ、Ⅱ、Ⅲ和Ⅳ区有区域性过程年(简称湿年)和无区域性过程年(简称干年)北半球大气环流的差异, 采用t检验方法检验其显著性。结果发现, 对应于同一区域的秋季, 北半球从850~200 hPa等压面位势高度场的差值分布基本一致, 并且越往高层, 差值中心强度越强; 一方面说明影响区域性秋季连阴雨的环流系统垂直结构比较深厚, 另一方面也说明越往高层, 影响区域性秋季连阴雨的环流越典型。总体来看, 对应于四个区域, 850~200 hPa等压面上位势高度的差值分布在中高纬度较为接近, 在高纬度以正值为主, 中纬度以负值为主; 而在低纬度差别较大, 没有一致性特征。说明对应于四个区域的湿年, 秋季高纬度高压系统偏强, 低压系统偏弱; 中纬度正好相反; 而低纬度天气系统复杂, 环流变化大。

下面以500 hPa等压面位势高度场为例进行说明。

对应于Ⅰ区[图 7(a)]和Ⅱ区[图 7(b)]湿年和干年的差值图较为相似, 都有3个明显的显著区, 中心分别位于高纬度巴伦支海、中纬度贝加尔湖、低纬度东海及其附近区域, 以“+”、“-”、“+”的形式呈现西北-东南走向排列, 与支蓉等(2018)的发现基本一致。(1)图 7(a)和图 7(b)中的最大差值均出现在高纬度, 中心强度超过30 gpm, 表明对应于Ⅰ和Ⅱ区的湿年, 地中海-东欧平原-西西伯利亚平原-中西伯利亚高原以北位势高度场偏高。不过两图通过α=0.05显著性检验的区域有所不同, 图 7(a)中位于斯堪迪亚维纳半岛东部-巴伦之海-中西伯利亚北部-拉普捷夫海西部一带; 图 7(b)中高纬度的显著区更狭长, 西界位于斯堪迪亚维纳半岛西沿, 东界伸至泰梅尔半岛西部, 南北跨度约40个经距。(2)图 7(a)和图 7(b)在中纬度除我国东部外都以偏低为主。图 7(a)中, 巴尔喀什湖-贝加尔湖及鄂霍次克海分别存在一个负的差值中心, 强度超过10 gpm, 不过只有巴尔喀什湖-贝加尔湖的差值区通过了α=0.05的显著性检验。图 7(b)中, -10 gpm以下低值区更狭长, 从里海一直延伸至鄂霍次克海西岸, 里海、巴尔喀什湖-贝加尔湖一带差值都通过了α=0.05的显著性检验。(3)低纬度, 图 7(a)中, 除20°N-30°N的太平洋区域外, 差值基本偏低; 图 7(b)中, 则表现为一致的略偏高。不过, 图 7(a)和图 7(b)中在我国东海区域的差值都通过了α=0.05的显著性检验, 而图 7(b)中的显著区相对于图 7(a)偏南约5个纬距、偏西约3个经距, 且范围更广。

对应于Ⅲ区[图 7(c)]和Ⅳ区[图 7(d)]湿年和干年的差值图也较相似。(1)高纬度的正差值区明显西退, 弗兰格尔岛以东基本为负值, 差值均在20 gpm以下; 而只有图 7(c)中楚科奇海附近的差值通过了α=0.05的显著性检验, 图 7(d)则都不显著。(2)中纬度均以负差值为主; 图 7(c)的中心位于里海; 图 7(d)的中心位于里海-贝加尔湖; 两个中心都通过了α=0.05的显著性检验。(3)在低纬度, 图 7(c)中浙江东部-台湾以东洋面存在一个差值显著区, 但相对于图 7(b)中的东海显著区位置更偏南和偏西, 且范围较小; 图 7(d)中我国东部沿海及附近洋面上则没有明显的差值显著区。

结合850 hPa风场和水汽通量散度场的差异, 可以更直观地看出各分区湿年和干年水汽条件的不同。在各分区的湿年, 安徽大部水汽通量散度偏小, 偏南风分量增大, 水汽条件优于干年。对应于Ⅰ区的湿年[图 8(a)], 我国东部地区水汽通量散度偏小, 其中安徽、江苏、上海、浙江、福建等地差值均小于-2×10^-7 g·cm^-2·hPa^-1·s^-1, 中心位于长三角附近, 强度超过-4×10^-7 g·cm^-2·hPa^-1·s^-1, -2×10^-7 g·cm^-2·hPa^-1·s^-1线北界位于安徽北部与河南交界, 通过了α=0.05的显著性检验, 水汽条件优于干年。南海和东海水汽通量散度偏大, 作为水汽源地输出增加, 通过增大的东南风输入我国长三角到黄淮地区, 安徽大部南风增幅在0.5 m·s^-1左右。对应于Ⅱ区[图 8(b)]的湿年, 主要的偏南气流有两支:一支来自南海, 从北部湾到山东半岛西南风均明显增大; 另一支来自在南海北部和台湾海峡, 并在我国华东南部沿海与前一支气流汇合; 受上述气流影响, 福建、浙江、上海、安徽及江苏南部风速较干年增加1 m·s^-1以上。水汽通量散度则在南海东部和东海南部有所增加, 菲律宾附近洋面水汽通量散度差值通过了α=0.05的显著性检验, 来自南方和海洋的偏南气流携带充沛的水汽。而我国大部地区水汽通量散度明显小于干年, 中心分别位于青藏高原东部和长江中下游及其南部, 中心强度也超过-4×10^-7 g·cm^-2·hPa^-1·s^-1, 安徽境内-2×10^-7 g·cm^-2·hPa^-1·s^-1线北界位于淮河一带, 淮河以南水汽条件明显优于干年。对应于Ⅲ区的[图 8(c)]湿年, 南海东北部水汽通量散度明显增加, 水汽输送增多。伴随着主要来自北部湾和南海偏南气流共同影响, 越南南部到华北西南风明显增大, 广西、贵州及湖北西南风增幅可达2 m·s^-1, 安徽也基本在1 m·s^-1以上。福建、浙江、江西、安徽、湖北、四川等地水汽通量散度明显减小, -2×10^-7 g·cm^-2·hPa^-1·s^-1线在安徽境内大致位于江淮分水岭附近。对应于Ⅳ区[图 8(d)]的湿年, 南海水汽通量散度与干年相当, 来自南部海洋的气流在我国东南部形成两支分支, 一支上至陕西一带, 另一只向东转向影响华东地区。安徽西南风分量增加, 并且南部大于北部, 江淮分水岭以南水汽通量散度较干年减小幅度超过2×10^-7 g·cm^-2·hPa^-1·s^-1, 但均未能通过α=0.05的显著性检验。

此外, 结合海平面气压场来看, 对应于Ⅰ区[图 9(a)]和Ⅱ区[图 9(b)]的差值图, 40°N以北的亚欧大陆上为正值, 中心位于中西伯利亚高原, 中心强度图 9(a)超过2.8 hPa, 图 9(b)也达到了2.4 hPa; 我国东北、华北及江淮北部也为正差值, 差值零线经过安徽北部, 图 9(b)中零线的位置较图 9(a)稍南移; 我国其他地区以负差值为主。对应于Ⅲ区[图 9(c)]和Ⅳ区[图 9(d)], 高纬度也基本为正差值, 但均在1 hPa以下, 没有通过α=0.05的显著性检验。图 9(c)在我国除东北为正差值外, 其他地区以负差值为主, 并且在青藏高原北侧及西侧通过了α=0.05的显著性检验。在图 9(d)中, 则大致以110°E为界, 东部差值为正而西部为负, 不过都没有通过显著性检验。海平面气压场差值图可反映出, 对应与安徽发生秋季连阴雨的年份, 亚欧大陆冷高压偏强, 北部发生秋季连阴雨的年份尤其明显; 不过无论安徽南部或北部的湿年, 我国地面高压均不强, 大部地区甚至弱于干年。结合地面风场来看(图略), 对应于Ⅱ、Ⅲ和Ⅳ区的湿年, 长江中下游以北偏北风分量略增加, 以北南则正好相反。海平面气压场结合地面风场的差异, 说明安徽发生秋季连阴雨的年份, 亚欧大陆高纬度冷空气较强, 但南下至我国时已明显减弱, 不能快速影响我国更南的地区, 而是反复渗透影响长江中下游及其附近地区。

综合上述可以发现: (1)在安徽中部偏北的区域(Ⅰ和Ⅱ区)出现区域性过程的年份, 秋季乌拉尔山高压脊和巴尔喀什湖-贝加尔湖低压槽偏强, 有利于引导中路冷空气自蒙古南下影响安徽; 而安徽中部偏南的区域(Ⅲ和Ⅳ区)出现区域性过程的年份, 里海高压脊较平直, 在Ⅳ区出现区域性过程的年份伴随有贝加尔湖低压槽加深, 有利于引导西路冷空气经新疆南下影响安徽。不过进入我国的冷空气强度较弱, 其南下速度较慢, 多在长江中下游一带消亡, 反复渗透影响安徽。(2)南海是安徽秋季区域性连阴雨的重要水汽源地, Ⅱ、Ⅲ和Ⅳ区出现区域性过程的年份, 配合来自低纬度的增大的西南风, 安徽水汽条件较好。而Ⅰ、Ⅱ和Ⅲ区出现区域性过程的年份, 太平洋副高位于东海且接近内陆, 东海作为另一个重要的水汽源地, 通过东南风也给安徽送来充沛的水汽。冷空气活跃配合充足的暖湿气流, 使得安徽秋季降水充沛。而副高北界在30°N附近及副高西脊点在120°E附近的摆动一定程度影响了秋季区域性过程发生范围在Ⅰ至Ⅲ区间的摆动。(3)从500 hPa高度场差值通过α=0.05显著性检验的区域来看, 对应于安徽中部偏北(Ⅰ和Ⅱ区)的范围更大, 在北半球高、中和低纬度地区均有反映, 并且配合较好; 而对应于中部偏南(Ⅲ和Ⅳ区)的范围明显减小, 且主要分布于中纬度。一方面说明影响安徽中部偏北秋季连阴雨的高层环流较典型, 而影响中部偏南秋季连阴雨的系统则可能更复杂多样, 但弱冷空气南下都是它们发生区域性过程的主要条件; 另一方面也说明, 充沛的水汽是安徽发生区域性过程的重要原因, 东部沿海水汽向西北方向的输送对安徽北部的过程尤为关键, 其水汽的输送范围直接影响区域性过程可能到达的北界。

6 与夏季地表气温的关系

地气相互作用是气候系统的重要组成部分, 它对降水存在明显的影响(Brunsell et al, 2008)。夏季地表气温的变化是否会对后期秋季的大气环流产生作用, 从而影响安徽秋季的连阴雨过程？

同样采用合成分析的方法, 考察对应于Ⅰ、Ⅱ、Ⅲ和Ⅳ区湿年和干年夏季北半球地表气温的差异。对应于Ⅰ区(图 10), 夏季地表气温差值在-1~0.8 ℃, 西北印度洋、北非中部、墨西哥西部沿海、美国中部及门捷列夫海岭和加拿大海盆之间的海域气温偏低并通过了α=0.05的显著性检验; 其中西北印度洋和北非中部的显著区范围较大, 说明这两个区域地表气温在Ⅰ区的湿年和干年差异较突出。对应于Ⅱ、Ⅲ和Ⅳ区湿年和干年的夏季, 气温差值通过了α=0.05的显著性检验的区域较为零星, 不再赘述(图略)。

取西北印度洋和北非中部差值通过α=0.05的显著性检验的区域作为关键区1和关键区2(图 10), 考察这两个区域内历年夏季平均气温与Ⅰ区区域性过程的关系, 以1971-2017年累年平均值作为标准, 北非中部历年平均夏季气温的变化与Ⅰ区区域性过程发生(未发生)的吻合率最高, 有76%北非中部气温偏低的年份Ⅰ区发生区域性过程, 而73%气温偏高的年份Ⅰ区未发生区域性过程, 总的平均吻合率达到了74%。西北印度洋历年平均夏季气温的变化与Ⅰ区区域性过程发生(未发生)的吻合率稍低, 不过总的平均吻合率也达到了66%。具体见表 3。

进一步考察关键区1和关键区2夏季地表气温与同年秋季500 hPa位势高度场的相关关系(图略), 北非中部历年平均夏季气温与同年秋季500 hPa位势高度场在北半球东部的相关分布呈现西北东南向“- + -”的分布, 与图 7中欧亚大陆到西太平洋显著差值区“+ - +”分布相似但符号相反, 不过只在巴尔喀什湖东南局部及我国东部沿海25°N以南地区的相关性通过了α=0.05的显著性检验。西北印度洋历年平均夏季气温则与同年秋季巴尔喀什湖东南广大地区500 hPa位势高度场呈现显著的正相关。上述相关关系一定程度说明, 夏季北半球气温尤其是关键区气温可以对同年秋季大气环流产生影响而对安徽秋季连阴雨发生作用; 最明显的一个影响是:当夏季北非中部和西北印度洋气温偏高时, 对应同年秋季巴尔喀什湖一带槽较平直, 西太平洋副高偏弱, 冷空气引导条件和水汽输送条件都较弱, 不利于Ⅰ区秋季区域性连阴雨过程的发生, 但夏季北非中部和西北印度洋气温偏低时则正好相反。

需要补充的是, 2000年以前关键区1和关键区2历年夏季平均气温与Ⅰ区区域性过程日数的相关性要好于2000年之后。在研究关键区夏季平均气温周期变化时发现, 关键区1在20世纪80年代至90年代中期之前具有3~4年的变化周期, 关键区2在2000年以前以2~4年的周期变化为主; 2000年之后, 关键区2平均气温发生突变, 明显高于2000年之前, 并且两个关键区周期变化都不明显。关键区夏季平均气温周期变化的改变一定程度解释了其与Ⅰ区区域性过程日数相关关系发生变化的原因, 2000年以前两个关键区夏季平均气温与Ⅰ区区域性过程年日数的周期变化接近, 其影响也具有较好的周期性, 而2000年之后两个关键区夏季平均气温没有明显的变化周期, 对Ⅰ区区域性过程的影响也变得复杂。不过2000年之后Ⅰ区区域性过程日数偏多的年份, 两个关键区夏季平均气温基本为附近几年的谷值, 仍然可以作为一个预测的参考。

7 结论与讨论

安徽虽然面积只占不到全国的1.5%, 但其处于亚热带和温带过渡区和东亚季风区, 自古就是我国的南北分界线, 秋季连阴雨同样表现出明显的地域性特征; 进一步分析发现, 影响不同区域秋季连阴雨过程的主要环流系统不尽相同, 并且环流的调整还与夏季北半球局部地表气温的年际振荡有关。具体来看:

(1) 安徽省秋季连阴雨具有南多北少、山区多平原丘陵少的空间分布特征, 表现出一定的区域群发性, 据此利用REOF方法, 将安徽分为四个集中区: Ⅰ区, 主要包括淮北; Ⅱ区, 主要包括沿淮和江淮之间北部; Ⅲ区, 主要包括江淮之间南部、沿江东部和江南东北部; Ⅳ区, 主要包括皖南山区、大别山南麓和沿江西部。Ⅰ和Ⅱ区、Ⅲ和Ⅳ区发生区域性秋季连阴雨过程的年份较为相近, 但历次过程表现出不同的特征; 四个分区年均过程次数由北向南增加, 历年最多过程和最长过程均出现在Ⅲ区。

(2) 各分区7天以上的秋季区域性连阴雨过程占了总过程数的80%以上, 其中Ⅱ区接近90%;过程累计日数多的年份, 其对农业的影响往往也比较严重。不同集中区年累计过程日数的变化不尽相同, 线性变化趋势Ⅰ区略增加、Ⅲ和Ⅳ区略减少; 突变Ⅰ区发生在2014年, Ⅱ区发生在2013年, Ⅳ区发生在2015年, 突变后3个分区都在2017年出现了1971年以来的第一高值; 从周期性变化看, Ⅰ区存在一个4年左右的主变化周期, 其他分区不同阶段周期变化不尽相同。

(3) 秋季区域性连阴雨通常由多个持续的天气过程引起, 从季节尺度看它们的共性:影响区域性秋季连阴雨过程环流的垂直结构较为深厚, 弱冷空气反复渗透和充沛的水汽是发生秋季连阴雨的必要条件; 南海是安徽出现区域性秋季连阴雨的重要水汽源地, 此外, 来自东部沿海的水汽, 是安徽尤其是北部区域发生区域性过程的重要原因, 水汽的输送范围直接影响区域性过程可能到达的北界。在中部偏北的地区(Ⅰ和Ⅱ区)出现区域性秋季连阴雨过程的年份环流较典型:乌拉尔山一带的高压脊、巴尔喀什湖-贝加尔湖一带低压槽偏强, 西太平洋副高位于东海, 且接近内陆。而安徽中部偏南的地区(Ⅲ和Ⅳ区)出现区域性秋季连阴雨过程的年份, 其影响系统更为复杂多样, 其中里海-贝加尔湖一带槽脊调整起了重要作用, 而西太平洋副高的移动也有一定影响。

(4) 夏季地表气温可以通过影响后期秋季大气环流从而对安徽秋季连阴雨产生作用, 最明显的影响当夏季北非中部和西北印度洋气温偏低的年份, 同年秋季巴尔喀什湖一带低压槽加深, 西太平洋副高偏强, 冷空气引导条件和水汽输送条件都较强, 有利于Ⅰ区秋季区域性连阴雨过程的发生。不过在气候变暖背景下, 关键区夏季地表气温变化周期发生了改变, 其对安徽秋季连阴雨的影响变得更为复杂。

目前, 距Ⅰ、Ⅱ和Ⅳ区秋季连阴雨过程发生突变后只过了几年, 其后续变化需要进一步跟进; 各个区域秋季连阴雨的集中期不尽相同, 分阶段讨论多种因子作用于安徽秋季连阴雨的物理机制和过程更有意义; 除前期地表气温外, 是否还存在着其他的对安徽秋季连阴雨产生明显影响的因子需要进一步考察。例如, 太平洋和印度洋海温存在较好的相关关系, 它们以Walker环流和印度洋上空的季风环流为纽带相互联系(吴国雄等, 1998; Yu et al, 1999; Ueda et al, 2000; 李崇银等, 2001; Huang et al, 2002)。热带太平洋-印度洋海温联合模式不仅对亚洲及西太平洋地区的天气气候有着显著影响, 还会对南北美洲和非洲一些地区产生作用(李崇银等, 2018)。利用hadley中心海温资料初步分析发现, Ⅰ区秋季区域性连阴雨发生年, 赤道太平洋和印度洋海温均略偏低, 其中赤道太平洋中南部通过了α=0.05的显著性检验。太平洋海温异常对安徽秋季连阴雨的影响, 影响的物理机制如何, 是未来可研究的一个重要方向。