西伯利亚高压变异性及其与热带环流和沙特阿拉伯地表气温的遥相关外文翻译资料

英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料

西伯利亚高压变异性及其与热带环流和沙特阿拉伯地表气温的遥相关

H. M. Hasanean 、M. Almazroui 、P. D. Jones 、A. A. Alamoudi

摘要：根据西伯利亚高压中心气压的时间序列，确定了一个强大的西伯利亚高压指数（SHI），这个高压在1949年至2010年期间有年际变化、持续性趋势、突变、光谱分析和相互作用。西伯利亚高压层中心气压的年际变异性相当可观，整个时期（1949 - 2010年）的平均下降呈线性和非线性趋势，在95％的置信区间内显著。 SHI的时间序列中的低频变化和线性特性是从生存分析中找到的。使用频谱分析，可以发现西伯利亚高压的行动中心的特点是非周期行为;峰值仅出现在最低频率处，并且可能与El Nintilde;o区域的海温（SST）有关。西伯利亚高压点压受到哈德莱循环的影响; Walker循环池和西伯利亚高压地区之间没有检测到有相关。厄尔尼诺地区的海温可能会影响西伯利亚高压。而西伯利亚高压与热带大西洋的SST之间不存在相互作用。 SHI与沙特阿拉伯的地表温度呈正相关，与西部地区统计显著。

关键字:西伯利亚高压变异性 遥相关 热带环流 地表气温 沙特阿拉伯。

1介绍：

在评估气候变化的背景下，长期流通变率的诊断起着重要的作用（IPCC 2007）。 虽然西伯利亚高压在中高纬度欧亚大陆冬季的气候中发挥重要作用(Gong and Wang 1999; Guo 1996; Zhu et al. 1997; Miyazaki et al.1999; Yin 1999),但相比与南方涛动指数和北大西洋振荡，对其变率和影响的研究未受到重视。

西伯利亚高压（Sib H）是对流层低层的主要大气环流系统，其冬季控制着几乎整个亚洲大陆（Gong和Ho 2002）。 西伯利亚高压与北半球（NH）（Lydolf 1977）中最冷和最密集的空气质量相关，其中西伯利亚高压被认为是低于500hPa对流层低层的水平浅层冷核心系统。 Rogers (1997)研究了北大西洋风暴轨迹的变异性，表明西伯利亚高压向西延伸到欧洲与南欧暖风向北的平流有关。Clark et al.（1999）发现，欧洲地区西伯利亚高压变率对温度变化的影响并不显著，因此研究了雪面积，大气环流和欧亚大陆温度之间的关系。 Cohen et al. （2001）研究了西伯利亚高压在北半球气候变率中的作用。他们得出结论，表面图案的膨胀/收缩与西伯利亚高压有关，且使其成为了冬季北半球中气候变异性的主导力量。后来Cohen and Entekhabi (1999) and Cohen et al.(2001)将欧亚积雪程度的变化与西伯利亚高压的大小变化联系起来。他们认为，在欧亚大陆秋季和冬季积雪多年的情况下，西伯利亚高压首先向西扩展到北欧，然后向北穿过冰冻的北极进入北美，为这些地区带来异常冷气。 我们本次研究，是因为西伯利亚高压在沙特阿拉伯的冬季气候中发挥重要作用（Vorhees 2006）。

关于西伯利亚高压的时间变异性的少数研究有些矛盾。 Sahsamanoglou et al.（1991）研究了气候学方面和通过分析琼斯（1987）编制的观测月平均海平面气压（SLP）数据的116年记录（1873-1988）及西伯利亚高压的时间变异性。 Sahsamanoglou et al.（1991）根据每个月月平均海平面气压的最大值构建了一个指标，发现1970年以后西伯利亚高压逐渐减弱。他们认为西伯利亚高压强度的下降与对流层下方的持续变暖有关西，且两者处于同一时期。然而，这一结果并没有得到Mokhov和Petukhov（1999）的研究的认可.Mokhov和Petukhov（1999）自1960年以来就发现了西伯利亚高压的加强。他们的研究是基于从天气图中得出的月平均海平面气压数据。已知网格化的MSLP数据包含可能的问题，但不清楚Sahsamanoglou et al.的结果是否有差异（1991）且Mokhov and Petukhov（1999）是否仅仅是数据质量的结果。 Panagiotopoulos et al.（2005）研究了西伯利亚高压的变化趋势和遥相关。他们的研究是基于从Trenberth and Paolino（1980）得到的月平均海平面气压数据，1899-2001年间经度为5°纬度的9°，遵从月平均海平面气压在地面上的趋势必须仔细对待（Panagiotopoulos et al.2005）。其他研究(e.g. Aizen et al. 2001;Nazemosadat and Cordery 2000; Nazemosadat and Ghasemi 2004; Hoerling and Kumar 2003; Ting and Sardeshmukh 1993)已经表明，大西洋和太平洋在控制气候方面发挥重要作用。目前工作的一个独特之处在于它量化线性和非线性趋势，突变性和西伯利亚高压的周期，以及西伯利亚高压与热带循环的和地表气温（SAT），和沙特阿拉伯（KSA）在1949 - 2010年62年期间在冬季（12月至1月至2月）的关系指数;这是至今尚未在文献中讨论的研究领域。

本文的组织结构如下：在介绍之后，用于评估SHI（西伯利亚高压）的数据索引的方法是Bect。 本节还介绍了区域性的SHI。 在第三节讨论了SHI强度的变化。 第四节讨论了SHI与热带环流指数之间的联系。 在第五节，讨论了SHI和在SAT、 KSA之间的关系。 这项调查的结论总结在第六节。

2数据和方法

2.1 数据

本研究使用的主要数据来源是国家环境预测中心（NCEP）-国家大气研究中心（NCAR），再分析领域从1948年1月至2010年12月。NCEP-NCAR再分析领域使用全球数据同化系统经纬度网格为2.5°times;2.5°（Kalnay et al.1996; Kistler et al.2001）。本研究采用月平均海平面气压（SLP），月平均气温（SAT），月海平面温度（SST）和风向垂直分量（NCEP / NCAR再分析中的气压垂直速度）数据。 SLP更适合定义SHI，而不是其他领域，如500 h Pa位势高度，因为它主要是热性质和浅垂直深度（Panagiotopoulos et al.2005; Wettstein and Wallace 2010）。图1显示了在10°-150°E和0°-70°N范围内的冬季（12月至2月）SLP的气候平均值。最显著的特征是表面循环由巨大的西伯利亚高压 “作用中心”（Co A）主导。这个强大的反气旋循环系统集中在蒙古北部，但冬季常常在亚洲的很大一部分蔓延（图1）。 SHI的定量定义为冬季（12月至2月）40°-65°N和80°-120°E区域平均SLP平均值，提供强度测量这些矩形区域通常覆盖反气旋的中心区域，其中气压通常大于1032hPa。面积平均指数通常更可靠，并且可以提供比单点指数更多的观察力，例如由单点指数Sahsamanoglou et al.（1991）and Mokhov and Petukhov（1999）。这是因为单个位置的误差和变异性被平均化，并且因为面积平均指数代表Co A的变异性，而不仅是一个位置（Panagiotopoulos et al.2005）。为了验证SHI描述这个Co A的年际变化的可靠性和代表性，比较了三个不同的网格SLP数据集：比较了来自哈佛中心（Allan and Ansell 2006），Trenberth 和 Paolino（1980）的SLP2r数据集）国家大气研究中心研究数据存档（RDA）的数据集;和NCEP-NCAR再分析数据集（Kalnay et al.1996,Kistler et al.2001）。表1总结了每月平均SLP的所有三个数据集。 SHI的三个时间序列的比较如图1所示。 2. SHI-NCEP-HAD，SHI NCEP Trenberth和SHI-HAD-Trenberth之间的相关系数（r）分别为0.85、0.82和0.84，三个SHI指数显示出良好的一致性。因此，这些SHI对于描述西伯利亚高压的年际变化是可靠性和代表性的。此外，与使用SLP2r数据集和Trenberth和Paolino（1980）数据集相比，NCEP / NCAR数据集具有更高的空间分辨率。 NCEP / NCAR数据集广泛应用于气候变率研究。使用从三个数据集导出的指数来分析西伯利亚高压强度的变异性，但仅将基于NCEP / NCAR数据集的指数用于西伯利亚高压遥相关的调查。

主要的SST指数来自气候预测中心（NOAA，USA，http://www.cpc.ncep.noaa.gov/data/indices/）。 这些是El Nintilde;o1指数（5°-10°S和80°-90°W），El Nintilde;o1.2指数（0°-10°S; 90°-80°W）），El Nintilde;o3指数（5°N-5°S） 南方涛动（ENSO）指标（Camberlin et al.2001），El Nintilde;o4指数（5°N-5°S; 160°E-150°W），El Nintilde;o3.4 指数（5°N-5°S; 170°-120°W），赤道南大西洋指数（SATL; 0°-20°S; 30°W-10°E），热带北大西洋指数（NATL 5.5 °-23.5°N和15°W-57.5°）和热带大西洋指数（TATL; 10°S-10°N; 0°-360°）。 除了气压和SST数据外，还从KSA气象与环境局中获得了28个气象站的月平均气温（见表2）。 28个站中的大部分覆盖了1978年至2010年的时期。

2.2方法

通过使用简单回归与时间作为自变量的最小二乘法可以研究SHI变化的线性趋势（Wilks 2006）。 线性趋势能够反映总体变化趋势，但不能描述评估期内气候变化的波动特征（Xiao Hui and Xiang De 2007）。 因此，使用自相关光谱分析来检测SHI时间序列中的这个字符。

图 1，平均月平均海平面气压（SLP）气候学（参考期为1961 - 1990年）。 粗体包围的区域显示了SLP平均值以计算西伯利亚高压指数（40°-65°N，80°-120°E）的区域。 （仅显示高于1,020 mb的轮廓）.

表1，是每月本研究中使用的网格SLP数据集[可在http://www.esrl.noaa.gov/psd/ NCEP / NCAR再分析在线获取，http：//dss.ucar.edu/datasets/ds010.1/ （Trenberth and Paolino，1980），以及来自哈佛中心（Allan and Ansell 2006; HADSLP2R）]

图2， SHI时间序列的年际变异：来自NCEP / NCAR，Trenberth和HADSLP2r数据集以及从NCEP / NCAR数据集获得的PC1。 三个指标之间的关系非常强，SHI-NCEP-HAD，SHI-NCEP Trenberth和SHI-HAD Trenberth之间的相关系数（r）分别为0.85,0.82和0.84

非参数Mann-Kendall（M-K）统计检验（Sneyers 1990; Schonwiese and Rapp 1997; Huth 1999; Hasanean 2004）用于检测SLP时间序列中的非线性趋势，并测试其统计学意义。 为了调查长期趋势，数据平滑了九年三角加权运行平均值（Burroughs 1978）。 这种运行平均值优于未加权运行平均值，因为它更有效地平滑，并且不会导致相位反转，这可能在未加权运行平均值的情况下发生（Burroughs 1978）。

为了研究频率变化的属性并估计线性度，使用一阶线性马尔可夫持续性（Gilman et al，1963; Mitchell et al，1966）。自相关系数r1、r2和r3已经被计算 SHI时间序列。 必须考虑的第一个非随机变量的持久性。 Gilman et al.（1963）提出了一种确定线性马尔可夫过程的持续性的方法，该过程具有rn=r₁ⁿ的性质。满足关系r₂=r₁sup2; 和r₃=r₁sup3;后，考虑持续性的发生。

通过检验法等级统计学的顺序版本（Sneyers 1975; Sneyers 1990）来确定任何突变的变化。 该方法特别适用于测试平均值的任何突变（Goossens and Berger 1986; Xiao Hui and Xiang De 2007）。

使用自相关光谱分析（ASA）（Blackman和Tukey 1958; Mitchell等人，1966）计算SHI时间序列的功率谱。 功率谱的统计确认通过使用马尔科夫红噪声理论和x检验（Mitchell等1966）进行了测试

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[27703]，资料为PDF文档或Word文档，PDF文档可免费转换为Word