全球气候变化模式外文翻译资料

英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

全球气候变化模式

O. de Viron,¹ J. O. Dickey,² M. Ghil,³

大气、水圈和冰雪圈形成了一个完全耦合的气候系统。该系统展示了许多大规模的现象，如厄尔尼诺—南方涛动(ENSO)、亚洲季风、北大西洋涛动(NAO)和热带季节内振荡(MJO)。虽然这些变化的模式并不完全是周期性的，但它们在性质上是振荡的，并且它们的状态使用气候指数来监测。每一个标量指数都是几个气候变量的组合。在这里，我们使用了一套综合的25组气候指数，时间间隔在1948年到2011年之间，并估计了这些指标之间的一个最优滞后集，以最大化它们之间的相关性。我们发现，从这个集合中得出的大多数指数对在年际时间尺度上都有显著的相关性。它还表明，平均而言，每个指标中约三分之二的可变性可以用全部滞后指标集的四个主要基本成分来描述。我们的指数集的主要正交模式显示出几个年际频率，并分别分析与北大西洋和北太平洋相关的变率。这些模式又与海面温度的大范围变化相关联。

1引言

在所有时间尺度上地球大气，海洋，冰雪圈，大陆，水圈交换质量，动量和能量。因此，全球或地区尺度的气候变量——如海洋表面温度(SST)、降雨、表面压力或风速——或多或少地常规波动。这些波动中有许多被称为模式或振荡，它们的状态被使用标量值的气候指数来监测。一些最为人所知的振荡延伸到全球的大部分地区;它们包括ENSO、NAO、太平洋十年涛动(PDO)和MJO。某些振荡更局部化，即与较小区域的气候有关，例如，萨赫勒降雨;然而，许多在后面的指标之间的遥相关(Wallace 和 Gutzler, 1981)也被认为是存在的。

许多学者研究了这类遥相关和可能滞后性，多达四个指标之间的相关性(Ambaum等人，2001; Moonley和Munot, 1993; Tsonis 等人,2007; Wyatt 等人,2011; 王等人,2012)。其他研究认为耦合非线性振子的动力学是这种相关性的可能来源(Ghil和Mo, 1991; Kimoto和Ghil, 1993; Feliks等人，2010)或在常规网格节点研究一个单一气候场时间序列网络，如海洋表面温度 (Tsonis和Swanson, 2008; Donges等人,2009)。

在这篇文章中中，我们研究了大量的气候指数——捕捉了几个气候场的耦合动力学——在全球范围内可能表现出滞后的相关性，如果这样的话，可能造成这种现象的原因是什么呢？

在第2节中，我们描述了所使用的数据，以及它们是如何进行预处理的。在第3节中，我们研究了气候指数之间的联系。第4节将我们的结果与海表温度场变化联系起来。第5节讨论了检索模式的光谱内容。第6节结论。

2 数据及其准备

在这篇论文中，我们使用了25组气候指标，区域和全球区域;表1给出了它们的完整列表，包括首字母缩略词、可用时间间隔和源代码。

这套时间序列由NOAA地球系统研究实验室的一整套气候指数组成，有四个例外:(i)只有南方涛动指数(SOI)已经被保存在不同的因时间序列,因为这些是高度相关的,他们的加入会导致气候上多余数值困难;(ii)大气角动量已被重新移动，因为先前的研究表明其年际变化与ENSO有关(Stefanick, 1982);及(iii)太阳常数的可变性降低，因为它本身并不是一个气候指数。最后，(iv)将MJO索引添加到集合中，因为它的年际调制是作者特别感兴趣的主题(例如，Marcus等人(2001)。

为了区分年际贡献，我们通过移除一个复合季节周期开始，即时间序列中所有月份的一月平均值已从每个一月的值中减去，以此类推。然后对每个时间序列的线性趋势进行拟合和去除。最后，一个截止频率为12个月的渐缩低通滤波器已经应用于sin(2pi;ft)/(2pi;ft)的时间序列卷积，其中f是截止频率(Owen, 2007)。每个指标的结果时间序列按其自身的标准偏差进行划分，以使不同的指标相互规范化。

在第5节中，我们使用了Kaplan等人(1998)的全球海表温度场。这些SSTs每个月都有分辨率，并在2.5^o x2.5^o的网格上给出。

表1 25组气候指标（包括首字母缩略词、可用时间间隔和源代码）

3.气候指数之间的联系

3.1 互相关联

为了研究这些指数之间的联系，我们首先通过交叉相关的指标对，达到一年的最大滞后值。本研究中使用的相关系数为皮尔森积矩相关系数。交叉相关性是通过改变一个时间序列的一个给定的几个月的另一个时间序列来计算的。

我们首先按1个月的步骤计算互关联之间的加一年和减一年的滞后, 然后计算互相关最高的滞后重要性。在估计时间序列的自由度数目后，其重要性是通过T检验来计算。Von Storch 和 Zwiers (1999)。

每对时间序列的自由度数目估计为在公共时间间隔内的两个时间序列中自由度数目的调和平均值; 这两个序列中的每一个都计算了这个数，作为该问题的公共时间间隔和去相关时间之间的比率，也就是它的自相关性下降到1/e的滞后时间。

图1总结了交叉相关结果。对于每个索引对，一个颜色方块表示对那些统计意义超过95%的索引对的相互关联的最大值;所有其他相关系数都以白色方块的形式出现。图中显示，超过60%对是显著交叉相关的。

图一 各指标之间的关系图

（每个正方形的大小相当于实际的时间间距的长度；显示相关性的正方形在两个时间序列之间，通常间隔为20年，将比显示的时间间隔大两倍，这两种时间序列之间的相关性为10年，只有超过了95%显著性检验的是有意义的：红色代表正相关性强，蓝色为反相关，白色代表在这个水平下相关性不明显。每对的结果出现两次以更好辨认。）

3.2 主成分（PCS）和优化过程

为了研究我们时间序列的共同点{xi(t) : i = 1, ..., n}，我们应用主成分(PC)分析(Von Storch 和 Zwiers, 1999)，并将它们投射到方差协方差矩阵的特征向量上。这样，25组气候指标集合表示为特征向量的线性组合{Xk (t) : k = 1,..., K},K le; n = 25,正交于零滞后，

当几个时间序列都是相互关联的,大部分的方差与只有几个PCs, K lt; n。由于我们希望允许不同指标之间的滞后，我们使用了不同的PC分析版本，并优化了指数之间的一组滞后，从而使四个PCs捕获的方差最大化。K = 4 PCs的选择是基于Monte-Carlo测试(Overland 和Preisendorfer, 1982)，这表明，前四个PC是重要的，并增加一些不以任何实质性方式修改图片。

考虑到气候指数集的相对较大的维度，以及它们之间可能存在的滞后集合，我们从一组随机的滞后开始，并利用遗传算法(Goldberg, 1989)收敛到最优集合。由于25个索引的可用性间隔不同，我们使用了126个不同的时间间隔，其中每个时间间隔中只包含了该间隔中可用的索引。从1955年到1981年，126个间隔对应14个起始时间，从1995年到2011年，每步2年;区间长度从15到55 年，中间值为35年，每间隔时间计算出最优滞后集。

如果连接两个指标之间确实存在,指标滞后区别—关于一个假定原点—将在126次运行中保持一致, 然而，两者之间缺乏有力的联系，就会表现为它们的滞后之间的随机分布。我们测试了每滞差分布与均匀分布的chi;2-检验发现60%有关指标对测试的分布明显是随机的(95%级)。总之，超过80%的索引对都有一个在95%级显著的交叉相关，或者是一个强滞后，或者两者都有。

其次，为了寻找全局最优滞后集，基于在所有运行的模式之间找到的最佳滞后我们执行了一个总体最小平方匹配。我们还估计了一个加权解，在其中每一次运行都是根据前四种模式所捕获的方差进行加权的;这两个解决方案都在表1中提供。在这三种情况下，加权和未加权滞后的差异仅超过一个月，所有这些都代表了相对局部现象，而这三种情况中只有一种是大于一整年的。然后我们在整个1955minus;2011期间使用这些计算四个PCs优化滞后指标子集的定义。

每一个索引重建为四个PC在其自身的可用性区间的线性组合，我们为每个计算这样的方差描述。图2显示了四种PC中每一种对每种情况的贡献以及每种情况下捕获的总方差。从图中可以看出，四种PC的线性组合所描述的方差在25个指标中只有6个低于50%。它还允许将由同一个PC控制的指标分组。与第一个PC相关的组（红色条）主要包括大西洋相关指数—大西洋十年涛动(AMO),热带北大西洋模式, 大西洋子午模式, 加勒比海和大西洋的三极结构—连同其他一些指标,如全球平均SST和西半球暖池。其中一些联系，如AMO和热带北大西洋模式之间的联系，已经在之前的研究中得到确认(Trenberth和Shea, 2006)。AMO涉及整个大西洋浮力驱动的经向翻转(Delworth 等人，1993; 陈和Ghil, 1996)，它似乎确实有一个接近全球的气候影响(Knight等人，2006; 王等人, 2008)。

与第二个PC(蓝条)相关联的一组指数与太平洋相连。这个PC捕获了许多PDO, ENSO，热带太平洋SST模式，北方振荡和北太平洋模式，对其他模式的贡献较小，如MJO，南极振荡和NAO。Pohl等人(2010)已经记录了ENSO，南极振荡和MJO之间的联系，Giannini等人(2001)也记录到ENSO和NAO的联系。当然，ENSO的近全球效应在过去的三十年中一直是一个深入研究的问题(Philander，1990; Sarachik和Cane, 2010)。

第三个PC(绿条)主要与北极涛动、NAO和热带南大西洋指数有关。北极涛动与NAO之间的联系也被研究过，但众所周知，它们在细节上表现出不同的复杂性(Ambaum等人，2001; Kravtsov 等人,2006)。最后一个PC与一些热带和大西洋指数的方差贡献较小。

图2 25个气候指数中，四个主要的PC的方差，从最小的至最大的解释方差

4 遥相关和海表温度场

在研究气候系统在年际和更长的时间尺度动态时，研究海洋的作用和它们的可变性是很自然的(国家研究理事会，1995)。因此，我们计算了全球海表温度场(Kapla等人， 1998)和我们的4个主要PC之间的滞后相关性。在图3中，我们展示了海表温度场和四个PC之间的滞后交叉协方差图，在最大程度上使整个映射相关性绝对值之和最大。交叉协方差被设为零，因此在对应的地图上出现了白色，在95%的水平上，交叉相关性不显著。

正如对全球范围内的现象所预期的那样，跨协方差在世界大洋的大部分地区是相当大的。与第一个PC相关联的SST模式与AMO的SST识别标识是一致的(Messiacute;e和Chavez,2011),和第二个PDO的经典模式一致(Weare等人,1976; Mantua 等人,1997; Chao等人,2000)。图3(a)的交叉协方差在北大西洋近极海洋、日本和包括地中海和波罗的海在内的几个边缘海中最大。

海表温度场在这方面落后了大约一年，而在其他三个板块中领先了大约一年。注意，PC的时间起源是任意的，因为它是基于一组滞后的指标; 因此，只有相对滞后才有意义。

在图3(b)中，在Kuroshio扩展中，跨协方差最大，而在北美西海岸的部分地区，与PDO在此PC上的主导地位一致。然而，对于第三个PC来说，交叉协方差并不是特别符合北极振荡。这种一致性的缺乏，至少在一定程度上，是由于北极涛动和NAO之间的复杂关系(Ambaum 等人， 2001; Kravtsov等人, 2006)。在南太平洋辐合区和非洲西海岸外，这里跨协方差最大;后一区域由本格拉寒流主导，在图3(a)也突出。最后，在图3(d)中，显著的跨协方差区域比前三个小得多，主要局限于热带太平洋、加利福尼亚洋流和加勒比地区。

图3海表温度场和四个PC之间的滞后交叉协方差图

5 光谱含量

最后，我们探讨了在时间上或多或少有规律的行为可能与四种主导模式相关联的程度。首先，无需预过滤我们使用MTM方法对每个PC进行分析。我们发现在接近2.5 -3.5 年间所有PC的峰值，模式3为5.7年, PC 2和3为4.3 年;见表2，右列。使用中值滤波器稳健性测试(Mann和Lees, 1996)测试了这些峰值。各种减少数n,5le;nle;10,和相应的分辨率参数p, p = 2 nminus;1来测试,没有任何明显的变化的结果。

然后使用奇异谱分析(SSA)，Ghil等人(2002)和其中的参考文献对每个PC进行分析。在迭代中进行了SSA分解:选择嵌入窗口M以优化第一种模式频率集中，即第一对与几乎相等的方差相关联的特征向量; 然后再减去相关的重建分量，并以同样的方式分析残差，直到估计出8种模式或对。为了捕捉长周期行为，嵌入窗口M选择大SSA第一SSA运行, 而下一轮，我们使用asymp;140个月,即大约12年。

最大熵谱（MEM）谱是以八种SSA模式之和为基础计算的(见表2的结果)，并分别在每个模式计算。在第一种情况下，一种长期成分，其周期长于20年，每个PC的周期约为2.5 年;此外，在PC2中发现了4.5 年的成分，PC3中有5.3 年的成分。分别对模式进行分析，确定了8种模式之和的结果，并检测出较小幅度或较长周期的周期分量:PC1的3.5-10 年; PC2 3.5-8.5 年; PC3 3.6 -10 年; PC4 3.2-10 年。当在合理范围内改变MEM顺序时，这些结果是可靠的。

在4个PCs中，MTM分析证实了3.2-3.6 年的较短周期。虽然在MTM分析中并没有很高的重要性，但是在分析这些模式时，在所有四个PC中找到10年峰值是有一定意义的。

表2总结了这

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[22142]，资料为PDF文档或Word文档，PDF文档可免费转换为Word