预测北半球温带冬季地面气温季节变化的优势模式外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

预测北半球温带冬季地面气温季节变化的优势模式

林海

1加拿大魁北克省多瓦尔加拿大大气数字预报，环境和气候变化研究

摘要：尽管对极端天气现象的预测对社会具有重要价值，但提前10天以上的技术性地预测持续的极端温度异常仍然是一个挑战。在本文中北半球冬季温带北半球表面气温的季节变化的两种主要模式用五元组（5天）平均数据确定。它们在地理上分离很好，分别在北美和欧亚大陆主导温度变化。这两种模式之间存在两个五元组滞后相关，这意味着温度变化的洲际联系。基于三个操作子季节预测模型评估这两种模式的预测技能。结果表明，欧亚模式（EOF2）的有用预测可以提前实现四个五元组，这比北美模式（EOF1）更为熟练。发现EOF2在初始条件下受益于Madden-Julian振荡信号。

在本研究中，确定了冬季北半球两种主要的温度变化模式。它们分离良好，分别代表北美和欧亚大陆的主要季节变化。它们占当地差异的60％以上。此外，发现存在温度变化的洲际连接， 因为这两种模式与约10天的时间滞后相关。发现这两种模式的可变性来源位于高纬度地区。评估三种最先进的操作子季节到季节预测系统在预测这两种主要温度变化模式时的性能。欧亚模式与东亚的寒潮密切相关，被发现比北美模式更可预测。探讨了几个重要可预测性来源的贡献，例如海气耦合和Madden-Julian振荡。该结果对于次季预测的未来发展具有重要价值。

1.介绍

冬季持续的温度异常不仅影响我们的日常生活，而且对能源和交通等许多领域产生巨大影响（例如，Dutton等，2018）。因此，对此类事件的巧妙预测具有重要的社会意义。与短期数值天气预报和气候季节预报不同，2周至一个月的时间范围的季节性预测相对较新，需要大量努力才能发展（例如，Brunet等，2010;国家科学院，工程和医学，2016）。

在半季时间尺度上北半球温度变化的主要模式是什么，哪种模式比其他模式更好地预测，以及海气耦合的关键性是开放性问题。还存在挑战以更好地理解可预测性的来源并在数值模型中表示它们。作为热带地区季节内变异的主导模式，Madden-Julian振荡（MJO; Madden＆Julian，1994; Zhang，2005） 已被确定为亚时间尺度上可预测性的主要来源（例如，Waliser等） al。，2003）。是否以及如何更好地预测MJO导致改善的温带温度预测仍有待证明。这些问题对季节性预测至关重要，并在本研究中得到解决。

2.数据与方法

分析基于每日平均2米温度（T2m），500hPa位势高度（Z500），纬向200hPa的经向风和国家环境中心的海平面气压（SLP）预测（NCEP）/国家大气研究中心（NCAR）全球再分析（Kistler等，2001）。变量的水平分辨率为2.5°times;2.5°。遵循Lin等人的程序（2009），五元组数据通过平均5天的每日值计算。我们对延长的冬季进行分析，该季节由11月2日至6日至3月27日至31日的30个五元组组成，分别为1979/1980至2016/2017的38年。对于闰年，第24个五元组从2月25日到3月1日平均为6天。首先从每个网格点的五边形数据中移除的是季节周期，即38年五元气候学的时间平均值和前两个谐波。然后减去年际变化，用每个延长冬季的30-pentad平均值表示。留在五元组中的异常是季节性时间尺度的变化。

为了识别温度变化的主要模式，对五元组T2m异常进行经验正交函数（EOF）分析，该异常乘以每个网格点处纬度的余弦的平方根，以便最小化由不同网格点表示的不平等区域。所有从20°到70°N的陆地网格点都用于EOF分析。

波活动通量的分析基于W向量（Takaya＆Nakamura，2001）。W向量的水平分量可以表示为

其中psi;是200-hPa流函数扰动。下标表示偏导数。U =（u，v）是基于NCEP / NCAR再分析的冬季气候流的水平速度。

为了评估温度变化的主要模式的预测技能，我们使用来自三个运营中心的亚季节预测系统的后报数据： 加拿大环境与气候变化（ECCC），欧洲中期天气预报中心（ECMWF），以及美国国家环境预测中心（NCEP），属于季节到季节预测（S2S）项目数据库（Vitart等，2017）。S2S项目是世界气象研究计 划和世界气象组织世界气候研究计划的联合研究项目，旨在提高预测技能和对季节到时间尺度的理解， 并促进其业务中心和开发利用由应用程序社区。使用的后报数据涵盖了从1999年到2010年的12个延长的冬季，每个冬季有22次预测，总共264次预测。对于每个模型，使用四个成员来构造集合装置。

3.温度变化的主导模式

冬季北半球地下气温变化的两种主要模式在季节性时间尺度上如图1a和1b所示，这些模式通过对1979/1980至2016/2017年五元平均T2m 异常的EOF分析进行识别。EOF1和EOF2分别占整个北半球陆地区域总季节变化的14.3％和14.2％，并且根据North等人的标准不同于其他模式。（1982），因为EOF3解释了7.6％的差异。这两种主导模式在地理上分离很好，北美的EOF1和欧亚大陆的EOF2占主导地位。

EOF1的特点是北美温度异常与白令海峡周围的温度异常之间存在异相关系。这种模式类似于北美的温度变化的主要模式（Lin，2015）。另一方面，EOF2与偶极子温度结构有关，其中一个中心位于西伯利亚上空，另一个中心位于俄罗斯西北部北极海岸附近。与此同时，北美大湖地区出现了与西伯利亚中心符号相反的温度异常中心。两个EOF代表局部方差的主要部分（图1c和1d），EOF1解释了加拿大中部80％以上的季节变化，EOF2占哈萨克斯坦和蒙古附近60％以上的变化。主成分（PC1和PC2）的自相关表明EOF2比EOF1更持久（图1e）。正如PC1和PC2之间的滞后相关性所揭示的那样（图1f），EOF2滞后EOF1约两个五元组，EOF2导致两个五元组的负EOF1，表明它们倾向于以 EOF1的顺序发生， EOF2，EOF1和EOF2。这意味着温度异常的洲际联系季节性时间尺度。然而，这并不意味着EOF1和EOF2之间存在因果关系，因为它们可能受到可变性的共同来源的影响，但是在不同的时间滞后期间。根据双尾学生t检验，这些滞后相关在0.05水平上具有统计学意义。考虑到时间系列是自相关的，有效样本量必须减少到，其中r1 是滞后1自相关，N是原始样本大小，即1,140.PC2的滞后自相关为0.59，高于PC1;因此，F73) 估计为N的一半。

图1.（a）EOF1和（b）T的EOF22m 表示为相应主成分（PC）上五元体F64) 异常的回归。幅度对应于PC的一个标准偏差。轮廓间隔为1°C。具有负值的轮廓是虚线。未绘制零轮廓。每个小组上方显示了北半球陆地区域中每种EOF模式解释的方差百分比。（c）EOF1解释的局部方差百分比和（d）EOF2解释的局部方差百分比。（e）PC1和PC2的自相关。（f）PC1和PC2之间的滞后相关性。正（负）滞后意味着PC2滞后（引导）PC1。EOF =经验正交函数。

EOF1和EOF2的一个共同特征是T2m 变化的最大中心出现在中部大陆50°N附近和与其西北方向相反的异常中心。这代表了高纬度地区和中部大陆之间大规模的气团转移。因此，在季节性时间尺度上，北美的持续寒冷时期可能与白令海峡和阿拉斯加附近的温暖异常有关，而在西伯利亚，持续的寒冷天气往往与欧亚大陆西北部北极沿海地区的温暖异常有关。西伯利亚冷空气的积累是造成东亚寒潮的原因（例如Chen，2002; Lau等，1983），这些地区通常会在人口密集的地区造成实质性的破坏。

为了解表面气温季节变化的两种主导模式的机理，分析了它们与大气环流的关系。针对PC1和PC2计算500-hPa位势高度（Z500）和SLP的五元组异常的线性回归（图2）。可以看出，EOF1与Z500异常的西北- 东南方向波列相关联，白令海峡附近有一个正中心，加拿大中部是负中心，另一个是美国东南沿海 附近的正中心。在北美洲观测到200 hPa的东南波活动通量（Takaya＆Nakamura，2001），表明来自高纬度地区的影响。与EOF1的正相位相关，大部分高于正常的SLP占据北太平洋东北部和北美西北部，以阿拉斯加为中心。在这个大型反气旋的东边是北美大陆，其表面平流带来了来自西北的冷空气并导致寒冷的异常，而西边则是白令海峡，北太平洋的平流带来了温暖的异常。同样，EOF2也被Z500异常的西北 - 东南方向波列反射。正负中心分别出现在俄罗斯西北部和蒙古国。虽然较弱，但在中国东南沿海附近可以辨别出Z500异常的第三个中心异常。连接波列中心的200 hPa波活动通量位于东南方向，这意味着大尺度波活动源位于极区附近。与EOF2相关的SLP异常在中欧和高纬度欧亚大陆的大面积上是正的，以俄罗 斯中部为中心。西伯利亚位于这个巨大的反气旋系统的东部，北部的地表平流产生冷异常，而在欧亚大陆西北部的北极海岸，西南风带来暖空气导致高于正常温度的异常。

4.次季预测

由于EOF1和EOF2控制着北美和欧亚大陆季节性温度变化的主要部分，因此对这两种模式的长期预测非常重要。在这里，我们评估了这三种运营中心（ECCC，ECMWF和NCEP）最先进的S2S预测系统中这两种主要模式的预测技巧。ECMWF和NCEP S2S系统使用大气 - 海洋耦合模型（Saha等，2014; Vitart，2004），而ECCC系统应用仅具有大气的模型，其具有特定的海表温度和海冰的持续异常（ Lin等人） 。，2016）。看看海气耦合是否有助于主导温度模式的预测技术将是有趣的。预测MJO的能力在预测系统之间差异很大。在参与S2S项目的11个模型中（Vitart等，2017），ECMWF模型在预测MJO方面 表现最佳（Vitart，2017）。是否对热带MJO的更熟练的预测导致在温带北半球进行更熟练的温度预测 尚不清楚。另一方面，个别模型的季节性温度预测如何取决于MJO的初始状态也是一个重要的科学问题。

通过将预测五元组平均值T2m 异常投影到EOF1和EOF2空间负载上来获得预测PC1和PC2。

图3a和3b显示了三个操作S2S模型对PC1和PC2的预测技术，这三个操作S2S模型是在1999/2000至2010/2011延长冬季后期的观测和预测之间的时间相关性。还显示了持续性预测与观察到的五边形异常的预测技巧。这三种模型具有相似的性能和相似的行为。模型预测总是比持久性预测更有技巧，表明动态预测在季节性时间尺度上的优势。欧亚模式（PC2）的预测技能优于北美模式（PC1），特别是对于超过三个五元组的交付时间。该PC2的预测技能仍高于0.4，高于五分之一，比PC1长约五分之一。为了测量相对于持久性的技能，技能得分（SS）计算为

图2.（a）Z500异常到PC1的线性回归;（b）Z500异常到PC2的线性回归;（c）PC1上海平面气压（SLP）异常的线性回归;（d）SLP异常在PC2上的线性回归。对于（c）和（d），（a）和（b）的轮廓间隔为10m和1hPa。阴影区域表示根据双尾学生t检验，回归在0.01水平上具有统计显着性的区域。未绘制零轮廓，具有正值和负值的轮廓分别为红色和蓝色。嵌入（a）和（b）中的载体是200hPa下的波活性通量（W载体）。

其中得分是相关性，参考是持久性，并且得分（完美）= 1.图3c和3d中所示的是PC1和PC2的技能得分。与相关技能一致，PC2预测的SS高于PC1。为了评估MJO对预测技能的影响，将从具有强MJO的初始条件开始的预测与从弱MJO初始状态开始的那些预测进行比较。MJO振幅和相位根据实时多变量MJO指数（RMM）定义（Wheeler＆Hendon，2004）。强MJO指其幅度大于1，而弱MJO幅度小于1.在264个预测中，有16个强MJO预测和98个弱MJO预测。如图3f所示，从具有强MJO的初始条件开始的预测，PC2的技能显着高于具有初始弱MJO的预测。在所有三个模型中，PC2对于那些从强MJO开始的预测来说非常熟练。

图3.（a）PC1相关技能;（b）PC2相关技能;（c）PC1技能分数;（d）PC2技能分数;（e）在初始条件下具有强（固）和弱（虚线）Madden-Julian振荡的预测的PC1相关技能;（f）在初始条件下具有强（固）和弱（虚线）Madden-Julian振荡的预测的PC2相关技能。x轴是五元组中的提前期。红色，绿色和蓝色曲线分别代表加拿大环境和气候变化（ECCC），欧洲中期天气预报中心（ECMWF）和国家环境预测中心（NCEP）模型的技能。（a）和（b）中的黑色虚线曲线用于持久性预测。

这表明MJO的热带对流为欧亚模式（EOF2）提供了可预测性的来源。然而，对于北美模式（EOF1），强弱MJO预测之间的差异不太明显（图3e）。与弱MJO相比，强MJO往往导致技能降低，除了ECCC和ECMWF模型超过pentad 4，显示出更强的MJO技能。预测技能对初始MJO阶段的依赖性如图4所示。当预测从MJO阶段2,4和6（NCEP预测的第4和第6阶段）开始时，PC1预测技能似乎下降得更快，而从第2阶段和第6阶段开始，PC2预测会更好。

图4. PC1（a，c和e）和PC2（b，d和f）在初始条件下作为MJO相函数的相关技能。顶部，中部和底部面板分别用于加拿大环境和气候变化（ECCC），欧洲中期天气预报中心（ECMWF）和国家环境预测中心（NCEP）模型。X轴是Madden-Julian振荡阶段，y轴是五边形的提前期。轮廓间隔为0.2。

5.结论

本研究确定了冬季北半球地表气温季节变化的两种主要模式。它们在地理上分离很好，分别占北美和欧亚大陆局部变化的很大一部分。EOF1表示空气质量的摆动北美洲大陆和白令海峡地区，与大尺度上层对流层波状大气环流异常有关。北美洲大陆的东

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18464]，资料为PDF文档或Word文档，PDF文档可免费转换为Word