基于20CR再分析资料的中国西南地区气温长期趋势评估

张勇 蔡宏珂

引用本文:
Citation:

基于20CR再分析资料的中国西南地区气温长期趋势评估

    通讯作者: 张勇, zhy7382@sina.com
  • 中图分类号: P467

Evaluation of air temperature in Southwest China based on 20th Century Reanalysis data

    Corresponding author: ZHANG Yong, zhy7382@sina.com ;
  • CLC number: P467

  • 摘要: 利用20CR再分析资料,分析了西南地区1900—2012年气温长期趋势的时空分布特征,通过功率谱分析诊断了西南地区气温的主要时间周期. 结果表明:冬季西南地区气温的长期趋势在南部(23°~26°N,101°~107°E)增暖更强,春季西南部(22°~25°N,98°~102°E)增暖更强;夏秋两季长期趋势的空间分布相反,即夏季为自西向东逐渐递减,而秋季为自西向东递增;对比冬春两季,夏秋两季的变暖趋势更加明显,范围更大;气温长期趋势最强区域为秋季东部关键区(23°~32°N,104°~109°E),长期趋势最弱区域为夏季东部关键区(23°~32°N,105°~108.5°E);四季各关键区域时间序列均有超过20 a以上的显著周期.
  • 图 1  西南地区1900—2012年四季气温长期趋势分布(白线为省界线,打点区域代表通过95%显著性检验)

    Figure 1.  Trends of air temperature anomaly from 1900 to 2012 in the Southwest China. The white lines are provincial boundary and stippled regions indicate statistical significance at the 95% confidence level

    图 2  西南地区1900—2012年冬季南部关键区和春季西南部关键区气温距平的区域平均时间序列

    Figure 2.  Time series of air temperature anomaly from 1900 to 2012 over the key region in south and southwest of southwest China during winter and spring

    图 3  西南地区1900—2012年夏季和秋季气温距平在西部关键区和东部关键区的区域平均时间序列

    Figure 3.  Times series of air temperature anomaly from 1900 to 2012 over the key region in west and east of Southwest China during summer and autumn

    图 4  西南地区1900—2012年四季关键区气温时间序列长期趋势

    Figure 4.  Long-term trend of time series of air temperature from 1900 to 2012 over the key region in the Southwest China during four seasons

    图 5  西南地区1900—2012年冬季气温南部关键区和春季气温西南部关键区的区域平均时间序列的功率谱

    Figure 5.  Power spectrum of time series of air temperature over the key region in the south and southwest of Southwest China during winter and spring

    图 6  西南地区1900—2012年夏季和秋季气温在西部关键区和东部关键区的区域平均时间序列的功率谱

    Figure 6.  Power spectrum of time series of air temperature over the key region in west and east of Southwest China during summer and autumn

  • [1] IPCC. Climate change 2013: The physical science basis. Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change (IPCC)[M]. Cambridge : Cambridge University Press, 2013.
    [2] 董文杰, 周天军, 郭彦, 等. 气候现象及其与未来气候变化的联系[J]. 气候变化研究进展, 2014, 10(1): 60-64. DOI:  10.3969/j.issn.1673-1719.2014.01.013. Dong W J, Zhou T J, Guo Y, et al. Climate phenomena and their relevance for future regional climate change[J]. Advances in Climate Change Research, 2014, 10(1): 60-64.
    [3] 周天军, 邹立维. IPCC第五次评估报告全球和区域气候预估图集评述[J]. 气候变化研究进展, 2014, 10(2): 149-152. DOI:  10.3969/j.issn.1673-1719.2014.02.010. Zhou T J, Zou L W. Atlas of global and regional climate projections[J]. Advances in Climate Change Research, 2014, 10(2): 149-152.
    [4] 周天军, 陈晓龙. 气候敏感度、气候反馈过程与2 ℃增温阈值的不确定性问题[J]. 气象学报, 2015, 73(4): 624-634. Zhou T J, Chen X L. The uncertainty in the 2 ℃ warming threshold issue as related to climate sensitivity and climate feedback[J]. Acta Meteorologica Sinica, 2015, 73(4): 624-634.
    [5] Kosaka Y, Xie S P. Recent global-warming hiatus tied to equatorial Pacific surface cooling[J]. Nature, 2013, 501(7467): 403-407. DOI:  10.1038/nature12534.
    [6] Li J P, Sun C, Jin F F. NAO implicated as a predictor of Northern Hemisphere mean temperature multidecadal variability[J]. Geophysical Research Letters, 2013, 40(20): 5 497-5 502. DOI:  10.1002/2013GL057877.
    [7] 徐一丹, 李建平, 汪秋云, 等. 全球变暖停滞的研究进展回顾[J]. 地球科学进展, 2019, 34(2): 175-190. DOI:  10.11867/j.issn.1001-8166.2019.02.0175. Xu Y D, Li J P, Wang Q Y, et al. Review of the research progress in global warming hiatus[J]. Advances in Earth Science, 2019, 34(2): 175-190.
    [8] Solomon A, Newman M. Reconciling disparate twentieth-century Indo-Pacific ocean temperature trends in the instrumental record[J]. Nature Climate Change, 2012, 2(9): 691-699. DOI:  10.1038/nclimate1591.
    [9] 王麟, 刘毅鹏, 汪健, 等. 5个CMIP5模式对低纬高原气温的模拟和预估[J]. 云南大学学报: 自然科学版, 2015, 37(6): 851-860. DOI:  10.7540/j.ynu.20150378. Wang L, Liu Y P, Wang J, et al. Simulations and estimates of low latitude highland temperature by 5 CMIP5 models[J]. Journal of Yunnan University: Natural Sciences Edition, 2015, 37(6): 851-860.
    [10] 唐国利, 罗勇, 黄建斌, 等. 全球变暖在继续[J]. 气候变化研究进展, 2012, 8(4): 235-242. DOI:  10.3969/j.issn.1673-1719.2012.04.001. Tang G L, Luo Y, Huang J B, et al. Continuation of the global warming[J]. Climate Change Research, 2012, 8(4): 235-242.
    [11] Xie Y K, Huang J P, Liu Y Z. From accelerated warming to warming hiatus in China[J]. International Journal of Climatology, 2017, 37: 1 758-1 773. DOI:  10.1002/joc.4809.
    [12] 王绍武, 罗勇, 唐国利, 等. 近10年全球变暖停滞了吗?[J]. 气候变化研究进展, 2010, 6(2): 95-99. DOI:  10.3969/j.issn.1673-1719.2010.02.004. Wang S W, Luo Y, Tang G L, et al. Does the global warming pause in the last decade?[J]. Climate Change Research, 2010, 6(2): 95-99.
    [13] 谢清霞, 谷晓平, 刘彦华, 等. 夏半年西南暴雨洪涝灾害变化特征及其与大气环流的关系[J]. 云南大学学报: 自然科学版, 2019, 41(S1): 58-64. DOI:  10.7540/j.ynu.20180583. Xie Q X, Gu X P, Liu Y H, et al. Flood disaster’s characteristic in Southwest China in summer and relationship with atmospheric circulation[J]. Journal of Yunnan University: Natural Sciences Edition, 2019, 41(S1): 58-64.
    [14] Wang L, Chen W, Zhou W, et al. Drought in Southwest China: A review[J]. Atmospheric and Oceanic Science Letters, 2015, 8: 339-344.
    [15] 王海, 杨祖祥, 王麟, 等. TVDI在云南2009/2010年干旱监测中的应用[J]. 云南大学学报: 自然科学版, 2014, 36(1): 59-65. DOI:  10.7540/j.ynu.20130407. Wang H, Yang Z X, Wang L, et al. The application of TVDI in drought monitoring over Yunnan Province during 2009 to 2010[J]. Journal of Yunnan University: Natural Sciences Edition, 2014, 36(1): 59-65.
    [16] 严华生, 万云霞, 严小冬, 等. 近500年中国旱涝时空分布特征的研究[J]. 云南大学学报: 自然科学版, 2004, 26(2): 139-143. DOI:  10.3321/j.issn:0258-7971.2004.02.012. Yan H S, Wan Y X, Yan X D, et al. A study of the temporal and spatial features of dryness and wetness last 500-year period in China[J]. Journal of Yunnan University: Natural Sciences Edition, 2004, 26(2): 139-143.
    [17] 孙智辉, 王春乙. 气候变化对中国农业的影响[J]. 科技导报, 2010, 28(4): 110-117. Sun Z H, Wang C Y. Impact of changing climate on agriculture in China[J]. Science and Technology Review, 2010, 28(4): 110-117.
    [18] 任国玉, 郭军. 中国水面蒸发量的变化[J]. 自然资源学报, 2006, 21(1): 31-44. DOI:  10.3321/j.issn:1000-3037.2006.01.005. Ren G Y, Guo J. Change in pan evaporation and the influential factors over China[J]. Journal of Natural Resources, 2006, 21(1): 31-44.
    [19] Chen L, Shao Y, Dong M, et al. Preliminary analysis of climatic variation during the last 39 years in China[J]. Advances in Atmospheric Sciences, 1991, 8(3): 279-288. DOI:  10.1007/BF02919610.
    [20] 陈隆勋, 朱文琴, 王文, 等. 中国近45年来气候变化的研究[J]. 气象学报, 1998, 56(3): 257-271. Chen L X, Zhu W Q, Wang W, et al. Study on climate change in China in recent 45 years[J]. Acta Meteorologica Sinica, 1998, 56(3): 257-271.
    [21] 任国玉, 徐铭志, 初子莹, 等. 近54年中国地面气温变化[J]. 气候与环境研究, 2005, 10(4): 717-727. DOI:  10.3878/j.issn.1006-9585.2005.04.02. Ren G Y, Xu M Z, Chu Z Y, et al. Changes of surface air temperature in China during 1951—2004[J]. Climatic and Environmental Research, 2005, 10(4): 717-727.
    [22] 秦爱民, 钱维宏, 蔡亲波. 1960—2000年对中国不同季节的气温分区及趋势[J]. 气象科学, 2005, 25(4): 338-345. DOI:  10.3969/j.issn.1009-0827.2005.04.002. Qin A M, Qian W H, Cai Q B. Seasonal division and trend characteristic of air temperature in China in the last 41 years[J]. Scientia Meteorologica Sinica, 2005, 25(4): 338-345.
    [23] 李跃清, 李崇银. 近40多年四川盆地降温与热带西太平洋海温异常的联系[J]. 气候与环境研究, 1999, 4(4): 388-395. DOI:  10.3878/j.issn.1006-9585.1999.04.07. Li Y Q, Li C Y. The relationship between the cooling of air temperature in Sichuan basin and the anomalies of SST over tropical western Pacific during the last more than 40 Years[J]. Climatic and Environmental Research, 1999, 4(4): 388-395.
    [24] 宋丰飞, 周天军. 20CR再分析资料在东亚夏季风区的质量评估[J]. 大气科学, 2012, 36(6): 1 207-1 222. DOI:  10.3878/j.issn.1006-9895.2012.12005. Song F F, Zhou T J. Reliability of the 20CR reanalysis data in measuring the East Asian summer monsoon variability[J]. Chinese Journal of Atmospheric Sciences, 2012, 36(6): 1 207-1 222.
    [25] Compo G P, Whitaker J S, Sardeshmukh P D, et al. The twentieth century reanalysis project[J]. Quarterly Journal of the Royal Meteorological Society, 2011, 137(654): 1-28. DOI:  10.1002/qj.776.
    [26] Theil H. A rank-invariant method of linear and polynomial regression analysis[J]. Proceedings of the Royal Netherlands Academy of Sciences, 1950, 53(23): Part I: 386-392, Part II: 521-525, Part III: 1 397-1 412. DOI:  10.1007/978-94-011-2546-8_20.
    [27] Sen P K. Estimates of the regression coefficient based on Kendall's Tau[J]. Journal of the American Statistical Association, 1968, 63(324): 1 379-1 389. DOI:  10.1080/01621459.1968.10480934.
  • [1] 吴涧王卫国谢应齐郭世昌陈新梅罗燕 . 中国地区工业硫酸盐气溶胶对辐射和温度的影响. 云南大学学报(自然科学版),
    [2] 赵绿荣曾厅余刘成 . 威信县近54年的气候变化特征和突变分析. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20120540
    [3] 陶云樊风段旭何华何群 . 云南不同气候带气温变化特征. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20120292
    [4] 续外芬毕青吴富焕赵小艳付虹 . 滇南、滇西南地区尾波Qc 值研究. 云南大学学报(自然科学版),
    [5] 黄仪方 . 青藏高原地面加热场与春季川渝地区气温的关系. 云南大学学报(自然科学版),
    [6] 农定飞马友鑫李红梅刘文俊 . 西双版纳地区土地利用/覆盖变化对气温的影响. 云南大学学报(自然科学版),
    [7] 高瑞华孙青仪马剑锋江吉波宋洪盛 . 龙口自动站与人工站观测气温的对比分析. 云南大学学报(自然科学版),
    [8] 白 慧陈贞宏付云鸿 . 基于集合EMD方法的贵州省极端气温事件频数的主震荡模态分析. 云南大学学报(自然科学版),
    [9] 郭世昌黎海凤黎成超刘煜陈艳易琦汪明圣宋哲侯开 . 19792011年东亚地区大气臭氧层变化趋势分析. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20120558
    [10] 樊雯璇王颢樾成佳丽王卫国刘煜郑向东 . MSR资料中臭氧层演变及恢复趋势的分析. 云南大学学报(自然科学版),
    [11] 唐红忠白 慧舒兴武张 进杨 红 . 近51年贵州南部冬季气温气候特征及其变化规律. 云南大学学报(自然科学版),
    [12] 吴利华彭汐马月伟程希平巩合德董李勤 . 1951—2016年昆明极端气温和降水事件的变化特征. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20180144
    [13] 琚建华任菊章 . 大气环流年代际变化对东亚北部冬季气温异常的影响. 云南大学学报(自然科学版),
    [14] 周建琴王学锋黄玮文忠宇 . 近50年云南气温序列的均一性检验与订正实验. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20120094
    [15] 王麟刘毅鹏汪健丁宇超杨若文 . 5个CMIP5模式对低纬高原气温的模拟和预估. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20150378
    [16] 任菊章郑建萌许彦艳陶云张万诚琚建华 . 2007年冬季西伯利亚高压季节内变化对云南气温的影响. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20140354
    [17] 郭漪然田孟坤陈艳郭世昌 . 秋季欧亚波列对我国秋季降水和表面气温的影响. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20180451
    [18] 安柏林康国发 . 基于CHAOS-5模型研究中国大陆地区地磁场长期变化. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20160686
    [19] 罗燕田永丽戴敏陈新梅 . 云南近50年极端气温及降水事件变化特征与区域气候变暖的关系. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20140395
    [20] 芦燕玲吴恒吴雨松阴耕云李忠 . 不同生长期的柚子叶的挥发性成分分析. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20130587
  • 加载中
图(6)
计量
  • 文章访问数:  458
  • HTML全文浏览量:  463
  • PDF下载量:  4
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-10-21
  • 录用日期:  2020-01-16
  • 网络出版日期:  2020-05-29

基于20CR再分析资料的中国西南地区气温长期趋势评估

    通讯作者: 张勇, zhy7382@sina.com
  • 1. 四川省气象局,四川 成都 610072
  • 2. 中国气象局成都高原气象研究所,四川 成都 610072
  • 3. 成都信息工程大学 大气科学学院,四川 成都 610225

摘要: 利用20CR再分析资料,分析了西南地区1900—2012年气温长期趋势的时空分布特征,通过功率谱分析诊断了西南地区气温的主要时间周期. 结果表明:冬季西南地区气温的长期趋势在南部(23°~26°N,101°~107°E)增暖更强,春季西南部(22°~25°N,98°~102°E)增暖更强;夏秋两季长期趋势的空间分布相反,即夏季为自西向东逐渐递减,而秋季为自西向东递增;对比冬春两季,夏秋两季的变暖趋势更加明显,范围更大;气温长期趋势最强区域为秋季东部关键区(23°~32°N,104°~109°E),长期趋势最弱区域为夏季东部关键区(23°~32°N,105°~108.5°E);四季各关键区域时间序列均有超过20 a以上的显著周期.

English Abstract

  • 自工业革命以来,随着全球温室气体浓度的不断升高,地球气候系统能量收支不平衡,全球的地表平均气温呈现出显著的变暖趋势. 自19世纪以来,全球平均气温约升温1 ℃,20世纪全球平均气温升温0.75 ℃,20世纪后半叶平均升温0.13 ℃/10 a[1]. 全球变暖引起了海冰融化、海平面升高以及极端事件增多等一系列自然现象发生,引起了各国科学家及政府部门的极大关注[2-4]. 然而,在全球变暖背景下,不同的区域所反映的气温趋势并不一致. 因为不同区域本身具有独特性,各区域内对全球变暖的响应不一致. 例如,冬半年的欧亚大陆东部和北美大陆以及热带中东太平洋在近期呈现出明显的降温趋势[5]. 欧亚大陆和北美大陆的变冷可能和北大西洋涛动与大西洋多年代际振荡有关[6-7],而热带中东太平洋变冷可能与太平洋多年代际振荡或者全球变暖强迫有关[8]. 全球变暖背景下我国的气温也呈现出区域性特征,青藏高原在全球变暖背景下升温趋势明显[9]. 唐国利等[10]指出,近20 a我国南方大部分地区为变暖趋势,而东北和西北部分地区的冬季气温则显著变冷,这可能是我国北方地区近20 a内极端冷事件频发引起的[11]. 尽管近20 a内我国气温趋势反映出增暖较弱甚至冬季部分地区出现变冷趋势,但中国区域的整体气温仍表现为增暖[12].

    我国西南地区地形和地貌独特,拥有世界上海拔最高、地形最复杂的青藏高原、云贵高原、横断山区和四川盆地等[13],是世界上地形最复杂的区域之一. 我国西南地区总面积约为123万km2,约占整个中国的12.9%,其涵盖的范围为22°~32°N,98°~110°E,包括4省(区)和1个直辖市,即四川、贵州、云南、广西西部和重庆[14]. 西南地区是我国人口最为密集的区域之一,约占全国总人口的1/6,也是重要的粮食生产区,约占全国粮食供应的16%[14]. 气温的变化一方面能影响土壤湿度[15]、干旱[16]和农作物的产量[17],另一方面也可通过改变地表蒸发进而影响降水[18]. 因此,在全球变暖背景下,我国西南地区的气温变化是重要的科学问题.

    已有研究表明,西南地区气温近50 a有变冷趋势[19-20]. 例如,Chen等[19]分析了20世纪50年代至90年代的台站观测数据,发现四川以及云南大部分地区的年平均气温呈现出变冷趋势;陈隆勋等[20]进一步研究发现西南地区年平均气温自20世纪40年代达到最暖后,在20世纪50年代急剧变冷,随后又继续逐渐变冷. 除了西南地区整体的变冷趋势,其区域内的部分地区,如四川盆地的气温也呈现出变冷趋势. 1951—2004年的台站观测数据表明四川盆地四季平均气温都有一定程度的变冷趋势[21]. 从逐日气温观测资料,也能反映出四川盆地近50 a气温明显的降温趋势[22]. 西南地区的变冷趋势可能与西太平洋海温存在紧密的联系[23]. 有研究表明,西南地区和热带西太平洋在20世纪70年代中期发生了一次气候突变,由偏暖阶段进入偏冷阶段,而热带西太平洋海温异常偏暖(冷)会引起西太平洋副高位置偏西(东)偏北(南),从而造成西南地区气温异常偏暖(冷)[23].

    受站点观测资料的时间长度所限,使上述研究主要分析了全球变暖背景下近40~50 a西南地区气温趋势. 资料的时间长短对于长期趋势的研究是至关重要的,有限的资料长度会增加结果的不确定性. 并且,西南地区复杂地形下站点观测资料分布不均匀也会影响该区域趋势分析结果的可靠性. 因此,利用基于观测资料的长时间跨度的再分析资料来诊断西南地区气温长期趋势,作为观测资料分析结果的补充和参考是必要的.

    美国能源部(United States Department of Energy,DOE)和国家大气海洋局(National Oceanic and Atmospheric Administration,NOAA)联合发布了20CR再分析资料(20th Century Reanalysis Version 2),其时间长度从1871年延续到2012年. 该资料的特点,一是时间跨度长,二是为了避免观测系统变更和资料内部不协调所带来的误差,它同化了100多年的全球地面和海平面气压资料. 这套资料相比于站点数据的优势是时间跨度大,有百年的时间跨度,且具有均匀的空间分布. 20CR再分析资料可以较好地再现东亚地区气温和降水变化特征[24]. 由于以往的研究更多聚焦于近40~50 a西南地区气温趋势,很少有研究关注近百年来的西南地区气温长期趋势分布. 因此,本文将利用20CR再分析资料分析全球变暖背景下西南地区自19世纪以来的气温长期趋势及其时空分布特征,为西南地区百年尺度气温的长期趋势提供参考和依据,也为未来变暖情景下西南地区气温趋势变化提供一定的信息.

    • 20CR再分析资料,来源于美国NOAA网站(https://www.esrl.noaa.gov),是一套综合性全球大气环流的数据集,时间覆盖范围是1871—2012年,时间分辨率有6 h、日平均、月平均可选,本文选取的均为月平均数据;水平方向南北覆盖范围是22°~32°N,东西覆盖范围是98°~110°E,水平分辨率为2°×2°. 它仅同化地面和海平面的气压数据,并用观测的月平均海表面温度和海冰作为下边界驱动条件[24-25]. 本文主要研究20世纪以来的气温长期趋势,因此所选取的资料时段为1900—2012年,气候平均态也为该时段.

    • 现有计算趋势的主要方法为最小二乘法,但是此方法受离群值影响较大. 基于此,本文采用无参数的Theil–Sen趋势估计方法[26-27],即为样本中所有任意两点斜率的中位数,公式如下:

      $ {K = M\left( {\frac{{{x_i} - {x_j}}}{{i - j}}} \right),} {\forall j < i,1 \leqslant j < i \leqslant N}, $

      其中,M表示中位数,$\forall $ 表示穷举所有情况,N表示样本量,K为所有任意两点斜率的中位数,即为Theil–Sen趋势. 该趋势的检验方法为无参数的Mann-Kendall方法.

    • 为了更好地研究西南地区的气温,我们对4个季节的气温分别求出其长期趋势. 由图1可见,1900—2012年气温长期趋势呈现出季节变化. 如图1(a)所示,冬季(12月—次年2月)平均气温总体呈现出南部地区相较北部地区更暖的趋势. 在四川西部和东部的部分地区,以及重庆和贵州北部的部分地区有变冷的趋势,但此变冷趋势未通过显著性检验. 冬季气温在贵州南部、云南和广西呈现出显著增暖趋势(图1(a)). 尽管春季平均气温(3—5月)在以上这些区域也呈现出增暖的趋势,但增暖的趋势明显减弱,且大部分地区增暖趋势都未通过显著性检验(图1(b)). 此外,在四川西南部、重庆以及贵州部分地区的气温在冬季和春季呈现出相反的长期趋势,但此长期趋势未通过显著性检验(图1(a)(b)). 总体来看,冬季气温呈现出南部更暖趋势,春季气温呈现出西南部地区更暖的趋势.

      图  1  西南地区1900—2012年四季气温长期趋势分布(白线为省界线,打点区域代表通过95%显著性检验)

      Figure 1.  Trends of air temperature anomaly from 1900 to 2012 in the Southwest China. The white lines are provincial boundary and stippled regions indicate statistical significance at the 95% confidence level

      夏季西南地区平均气温(6—8月)长期趋势大体呈现出自西向东逐渐递减的趋势(图1(c)). 其中,长期趋势较大的区域位于四川西部和云南西部部分地区,长期趋势较小的区域位于四川东部、重庆、贵州、云南东部和广西西部部分地区(图1(c)). 秋季西南地区平均气温(9—11月)长期趋势大体呈现出自西向东逐渐递增的趋势(图1(d)). 其中,长期趋势较小的区域位于四川西部和云南西部部分地区,与夏季该地区长期趋势相比,减小幅度较大(图1(c)(d)). 此外,秋季西南地区气温长期趋势最大的区域位于广西东部部分地区,而较大的区域位于四川东部、重庆、贵州、云南东部和广西西部的部分地区. 总体来看,夏秋两季西南地区气温长期趋势呈现出相反的空间分布,即夏季大体为自西向东逐渐递减,而秋季大体为自西向东逐渐递增. 此外,冬春两季西南地区部分区域有变冷趋势,但未通过显著性检验,而夏秋两季所有区域都通过显著性检验且都为变暖趋势. 这说明夏秋两季的变暖趋势更加明显,范围更大.

    • 针对以上关于西南地区气温长期趋势的分季节讨论,我们可以得出,西南地区气温长期趋势变化具有季节变化性,在冬季主要呈现出南部更暖,春季为西南部更暖,而在夏秋两季主要呈现出东西区域长期趋势“一高一低”的分布. 为了进一步阐明此长期趋势的时间变化特征,并且定量化增暖趋势强度,我们需要求出关各季节各关键区域的气温时间序列. 在图1(a)(b)中,我们找到能代表冬春两季增暖特征的2个关键区域,并进行区域平均,获得2个区域所对应的时间序列.

      图2(a)(b)分别为冬季南部关键区(南部范围:23°~26°N,101°~107°E,如图1(a)所示)和春季西南部关键区(西南部范围:22°~25°N,98°~102°E,如图1(b)所示)的时间序列. 如图2(a)所示,对于冬季南部关键区区域平均时间序列,其在1900—1985年主要表现为年际变化,而在1985年之后基本上为暖异常(图2(a)). 对于春季西南部关键区,在1940年之前,冷异常年份较多;而在1940年以后,尤其1990年之后,暖异常年份较多.

      图  2  西南地区1900—2012年冬季南部关键区和春季西南部关键区气温距平的区域平均时间序列

      Figure 2.  Time series of air temperature anomaly from 1900 to 2012 over the key region in south and southwest of southwest China during winter and spring

      图3(a)为西南地区1900—2012年夏季气温在西部关键区(范围:23°~32°N,99°~102°E,如图1(c)所示)的区域平均时间序列. 如图3(a)所示,夏季气温西部关键区时间序列基本表现为长期变暖的趋势. 在1950年之前,该区域的气温基本上为冷异常,而在1985年之后基本上为暖异常(图3(a)). 图3(b)为夏季气温东部关键区时间序列(范围:23°~32°N,105°~108.5°E,如图1(c)所示). 从图3(b)可知,此时间序列也主要表现为长期趋势,但和夏季西部关键区时间序列相比较,略有差异. 例如,尽管在1940年之前夏季的东部关键区时间序列也主要表现为冷异常,但有部分时段为暖异常;尽管夏季东部关键区时间序列在1985年之后也为暖异常,但有3年为冷异常.

      图  3  西南地区1900—2012年夏季和秋季气温距平在西部关键区和东部关键区的区域平均时间序列

      Figure 3.  Times series of air temperature anomaly from 1900 to 2012 over the key region in west and east of Southwest China during summer and autumn

      在秋季,西南地区西部(范围:23°~32°N,99°~102°E,如图1(d)所示)和东部关键区(范围:23°~32°N,104°~109°E,如图1(d)所示)时间序列主要呈现长期趋势,在1950年之前主要为冷异常,1995年之后为暖异常(图3(c)(d)). 对比秋季两区域时间序列可知,东部关键区方差明显大于西部关键区,这代表东部的气温变化要大于西部. 此外,对比图3中夏季和秋季各区域平均时间序列,也可以看出秋季东部关键区的方差变化最大.

    • 由前文可知,西南地区四季关键区都呈现出变暖趋势,但变暖的趋势到底有多大?需要对其进行定量化. 因此,我们计算了西南地区四季关键区时间序列的长期趋势. 如图4所示,所有趋势值都通过了95%显著性检验. 其中,趋势最大值为秋季东部关键区时间序列,为升温1.49 ℃/100 a;趋势最小值为夏季东部关键区,为升温0.59 ℃/100 a. 尽管春季−西南部和秋季−西部的趋势相等,但二者时间序列的相关系数只有0.26,只有约7%的解释方差. 对比夏季2个关键区长期趋势,明显西部关键区要更暖,为升温1.08 ℃/100 a. 对比秋季2个关键区长期趋势,东部要比西部更暖,为升温1.49 ℃/100 a.

      图  4  西南地区1900—2012年四季关键区气温时间序列长期趋势

      Figure 4.  Long-term trend of time series of air temperature from 1900 to 2012 over the key region in the Southwest China during four seasons

    • 既然西南地区四季各关键区气温呈现出显著的长期趋势. 那么,这些气温时间序列是否存在长时间尺度的变化周期?为了回答这个问题,我们运用连续功率谱分析方法诊断图2图3中各个时间序列的主要时间周期.

      图5(a)所示,冬季南部关键区时间序列有20 a以上的年代际周期以及3 a的年际周期,且通过90%显著性检验. 相比于年际周期,冬季南部关键区时间序列的20 a以上年代际周期谱密度较大. 春季西南部关键区时间序列也有20 a以上年代际周期,但在年际尺度上无显著周期(图5(b)). 这一方面说明了冬季和春季各关键区时间序列都拥有显著的20 a以上低频变化周期,另一方面说明了冬季南部关键区时间序列的年际变化信号要强于春季西南部的年际变化.

      图  5  西南地区1900—2012年冬季气温南部关键区和春季气温西南部关键区的区域平均时间序列的功率谱

      Figure 5.  Power spectrum of time series of air temperature over the key region in the south and southwest of Southwest China during winter and spring

      图6为西南地区夏季和秋季气温在西部和东部关键区对应时间序列的功率谱. 由图6可见,夏季和秋季各关键区时间序列的主要显著周期都在20 a以上. 其中,夏季的西部和东部关键区时间序列在2~4 a的年际尺度上也有显著周期;秋季只有西部关键区在2~4 a有显著周期,而秋季的东部关键区在年际尺度上无显著周期. 对比冬春和夏秋各关键区的时间序列,我们发现冬季−南部和春季−西南部的最大谱密度约为0.1,而夏季和秋季的谱密度基本上>0.1,最大达到了0.3.

      图  6  西南地区1900—2012年夏季和秋季气温在西部关键区和东部关键区的区域平均时间序列的功率谱

      Figure 6.  Power spectrum of time series of air temperature over the key region in west and east of Southwest China during summer and autumn

    • 本文利用20CR再分析资料,首先分析了西南地区1900—2012年气温长期趋势的时空分布特征,其次通过功率谱分析方法,诊断了西南地区气温的主要时间周期,得到以下主要结论:

      (1)冬季西南地区的气温大致呈现出南部地区更暖的趋势,春季西南地区的气温为西南部更暖. 夏秋两季西南地区气温长期趋势呈现出相反的空间分布,即夏季大体为自西向东逐渐递减,而秋季大体为自西向东逐渐递增. 总体来看,对比冬春两季西南地区气温变化,夏秋两季的变暖趋势更加明显,范围更大.

      (2)对比四季各关键区域时间序列可知,长期趋势最强区域为秋季东部关键区,长期趋势最弱区域为夏季东部关键区. 四季各关键区域时间序列都有超过20 a以上的显著周期. 除春季西南部和秋季东部关键区外,其余关键区时间序列也有2~4 a年际尺度上的显著周期.

      本文只是利用20CR再分析资料,简单分析了1900—2012年西南地区气温长期趋势,由于篇幅所限,未能深入探讨气温长期趋势变化的物理机制. 此外,已有研究表明,由于1967年之前观测资料稀疏可能会引起20CR资料对1967年之前的气温描述产生偏差. 但20CR资料是世界上为数不多的百年尺度大气资料. 因此,本研究能为西南地区气温百年尺度上的趋势分析提供一些新的线索.

参考文献 (27)

目录

    /

    返回文章
    返回