2. 成都信息工程大学资源环境学院,成都 610225
2. College of Resources and Environment, Chengdu University of Information Technology, Chengdu 610225
叶笃正等[1]指出,高原低涡(Tibetan Plateau Vortex,TPV)垂直厚度约为2~3 km,水平尺度约为300~ 500 km,主要起源于青藏高原西部地区。它产生于青藏高原下垫面特殊的热力、动力条件下[2],是高原主要的降水系统之一[3-5],在有利的大尺度环流形势下能发展并东移出高原,给下游广大地区造成暴雨、洪涝等气象灾害[6-8]。因此,TPV的研究备受国内外学者关注。自1979年第一次青藏高原气象科学实验(QXPMEX)以来,有关TPV的研究越来越广泛深入,学者们分别从天气、气候、热力、动力、数值模拟等各方面对其进行了研究。相关研究表明: TPV具有同热带气旋类低涡相似的涡眼结构[9-10],形成初期以暖涡为主[11],是一种次天气尺度低压系统[12];其生成、发展和东移与热带大气低频振荡[13-15]、冷空气[16-18]、水汽[19-21]、边界层抽吸作用[22]和地面加热作用[23-25]有关;TPV的生成频数具有一定的年代际、年际和季节内变化特征[26-27];那曲地区是TPV生成的主要源地之一[28-29];当东移的TPV与西南涡发生垂直耦合时能大大增强西南涡的降水中心位势高度[30-32]。上述研究中,对TPV的人工统计,主要利用的是中国气象局出版的历史天气图、实时观测资料及气象台绘制的500 hPa天气图或再分析资料,采用的识别标准[2]为“发生在500 hPa等压面上生成于青藏高原地区、有闭合等高线的低压或3站风向呈气旋式环流的低涡”。这种人工识别TPV的方法,不仅工作量巨大,人的主观意识不同还会导致结果存在不确定性,再加上高原气象观测站稀少,TPV的统计分析可能有很大误差。直到近年来,一些学者用客观识别方法对再分析资料进行分析,才能客观、定量地识别TPV,这不仅减轻了人工普查的工作量,也能提高其统计效率。如,林志强等[33]用客观识别方法,利用NCEP/NCAR 1°×1°再分析资料与年鉴,对比分析了2009年TPV活动特征。后来,林志强[11]又利用ERA-Interim 1°×1°再分析资料,改进客观识别标准后,分析了1979—2013年TPV的活动特征及冷、暖性质。张博等[34]利用2001—2010年的CFSR 0.5°×0.5°再分析资料建立起TPV客观数据集,并与同期人工识别TPV(基于年鉴和NCEP资料)进行对比分析,研究了夏季TPV的特征。由于TPV水平尺度较小,本文对其将用更高分辨率的ERA-Interim再分析资料进行客观识别,并研究其长期气候特征。
目前,再分析资料中的TPV的客观识别并无通用标准,因此前人的工作存在明显的差异性,仍需通过更多的TPV的客观识别方法的研究来达成共识。为此,本文主要利用调整改善后的客观识别标准,分析1979—2016年高原低涡的长期变化,并与前人研究成果进行比较,期望为今后其通用标准的制定提供一定的参考依据,并进一步丰富TPV的数据集类型,从而希望对TPV气候特征的后续研究有所裨益。
1 资料与方法 1.1 资料说明本文所用资料为欧洲中期天气预报中心(ECMWF)出版的ERA-Interim再分析数据集,选取1979— 2016年共38 a一日四次(02、08、14和20时,北京时,下同)、空间分辨率0.5°×0.5°(经/纬度)的500 hPa青藏高原地区(25°—40°N,75°—105°E)高度场和风场数据。
为了保证客观识别方法的科学性和有效性,将1998—2014年的《青藏高原低涡切变线年鉴》 [35](下称年鉴)与同期客观识别TPV进行对比。对比分析时,综合比较年鉴TPV和客观识别TPV的起止时间、经纬度、中心位势高度和移动路径等,当客观识别TPV与年鉴TPV的时空差距在合理范围内时,则将其视为吻合,定义吻合率为吻合频数与年鉴频数的比值。
1.2 客观识别方法 1.2.1 客观识别标准参考文献[11, 33-34]中提出的TPV识别标准以及人工识别TPV的定义,根据以下步骤识别和追踪TPV。
(1) 低压中心条件。扫描500 hPa青藏高原地区内所有低压网格点,即该网格点位势高度值不大于周围8个网格点的值,且该值小于等于587 dagpm。
(2) 区域条件。为尽量保证TPV生成源地位于高原上且在高原上活动,高原地区范围缩小为28°—38.5°N,78°—102.5°E。
(3) 面积条件。TPV的平均水平尺度约为400 km,则以低压中心为圆心,若在400 km范围内该低压中心位势高度值应为最小值。
(4) 气旋性条件[34]。TPV为气旋性环流,在北半球呈逆时针旋转,结合几何学知识,视TPV为近似圆形系统,定义满足以下条件时:
$ {U_{\rm{N}}} \cdot (-u) + {U_{\rm{S}}} \cdot u + {V_{\rm{W}}} \cdot (-v) + {V_{\rm{E}}} \cdot v > 0 $ | (1) |
则认定其为气旋式环流;反之,则不具有气旋式环流。其中,u为纬向风(西风为正),v为经向风(南风为正),US、UN分别为低涡中心南、北部各网格点纬向风,VE、VW分别为低涡中心东、西部各网格点经向风。
(5) 连续条件。为排除高原局地热低压等虚假低涡系统,规定TPV持续时次应在3个时次(18 h)及以上。该时次至少包含2个连续气象探空时间(08时和20时)[11],也更符合实际业务中对TPV的普查规定。
以上步骤仅能识别出某一时次是否出现符合要求的低涡点,但对不同时次出现的多个低涡点则需要判断这些低涡点是属于前一时次TPV移动的延续还是新生TPV,或是需要剔除的弱低压系统,因此在识别开始时要对低涡点进行逐时次编号,同一时次的低涡点编号相同且顺序相邻,剔除掉不满足以上条件的时次,保留符合要求的孤立序列,当这些序列出现编号相同的情况时,就需要对低涡点进行同一路径追踪。
1.2.2 低涡活动路径追踪对TPV逐时次识别时,若编号相同,则需要识别同一TPV路径移动序列。参考Blender等[36]提出的近邻查找法以及Wernli等[37]系统移动惯性算法和林志强[11]的低涡追踪算法,同一序列低涡必须同时满足下列两点要求: (1)顺序相连两编号低涡移动路径小于等于最大移动距离(400 km);(2) TPV持续时次大于等于3,即编号顺序相连次数大于等于3。
追踪TPV路径时,前人更多从环境风场着手,如在一致西风气流下,认为下一时次东侧的低涡点更可能是前一时次的移动结果。本追踪法不考虑环境气流的影响,从系统本身入手,以最大移动距离和连续时次同时作为限制条件,为通用标准制定提供新思路。综合考虑低涡频数、与年鉴的吻合率和移动路径的准确性等指标,经大量试验证明,在TPV活动至少连续3个时次时,400 km的效果最好。本识别方法不仅有效保证了高原低涡移动方向的一致性,且降低了识别技术的难度,对移动路径的判断有一定优势。
1.3 客观识别数据集存储格式识别过程数据集以文本格式存储,分为路径文件和源地文件。路径文件保存每个TPV的具体活动情况,分为头记录和资料记录。头记录包括高原TPV顺序编号、持续时次、移动方向、生成源地等信息;资料记录包括每个TPV依次活动时的时次编号、时间、中心经纬度、中心位势高度值等信息,以便TPV的路径绘制和分析。源地文件只保存每个TPV第一次活动时的信息,包括TPV时次编号、时间、低涡中心经纬度、中心位势高度值等。其中,移动方向根据Feng等[38]的划分方法,分为西移型、准静止型和东移型TPV三类,当水平移动距离大于2个经度时才判断为移动。同样根据Feng等[38]的方法,将TPV生成源地以84°E和90°E为界划分为西部、中部和东部。
2 TPV客观识别结果的可行性验证 2.1 频数对比从年频数对比可知(图 1a),客观识别TPV频数与年鉴TPV频数的相关系数较高,为0.548,并通过了0.05的显著性水平检验,两者各阶段变化趋势较为一致,总体均呈上升趋势,年鉴TPV的均值为42.2个,客观识别的TPV均值为57.7个,而客观识别TPV频数普遍比年鉴TPV偏多。这可能是因为年鉴是由观测资料普查TPV,而高原地区站点西部分布较少,大量生成于西部的TPV被漏掉,导致客观识别TPV个数多于年鉴TPV个数。文献[35]指出,由于资料有限,TPV “生成点”不一定是真正的源地,再加上人工识别的主观性,统计过程中会有部分缺失。如图 2所示,客观识别结果发现,在2012年8月12日14时至15日02时于高原中西部地区有一次明显的TPV过程,但此次过程未被年鉴记录,类似情况多有发生,再如1999年6月1日02时至2日08时一次TPV过程(图略)和2008年7月27日02时至30日08时一次TPV过程(图略)。
从客观识别结果与年鉴TPV的吻合率看(图 1a),客观识别结果与年鉴较为吻合,平均吻合率为66.2%。2001年吻合率达到最高为79.3%,2008年次之,吻合率为76.6%,2013年两者频数十分接近,但吻合率最低,仅52.5%。经对比发现,客观识别结果和年鉴TPV在10—12月差别明显,该时段内年鉴记录8个TPV,客观识别仅1个TPV。通过逐时次看图识别再分析资料发现,客观识别和主观验证相符,故可能是资料不一致导致结果存在较大差异。对2009年而言,年鉴TPV频数为57个,客观识别TPV为59个,吻合率为61.4%,林志强等[33]的识别结果为53个,吻合率为59.6%,说明客观识别方法具有一定的可行性。
从其月际变化看(图 1b),年鉴和客观识别相关性高,为0.947,且通过了0.01的显著性水平检验。TPV在夏半年活跃,冬半年活动较少。两种方法识别5—8月TPV个数差异较大,这可能是因为5—8月的TPV主要生成于高原西部,如2009年是年鉴西部涡最多的一年,5—8月共发生34个TPV,生成于92.5° E以西的TPV仅8个,占比23.5%;而客观识别中5—8月共有45个TPV,生成于92.5°E以西的有38个,占比84.4%。林志强等[33]在客观识别2009年TPV时也出现了类似情况。
2.2 中心位势高度对比在保证TPV频数具有可靠性的同时,TPV中心位势高度也要具有准确性。由图 3a、b可知,上述两种方法在位势高度方面的相关性较好,逐年相关系数为0.519,通过0.05显著性水平检验,逐月相关系数为0.988,并通过0.01显著性水平检验。多年来(图 3a),TPV中心位势高度值在各阶段变化趋势较为一致,整体均呈下降趋势。从季节看(图 3b),中心位势高度值均呈夏强冬弱,且逐月数值差别不大。整体上,客观识别的TPV中心位势高度值较年鉴TPV的数值偏高。
总体上,基于ERA-Interim资料建立的客观识别方法具有一定的准确性和可行性,以此建立的1998— 2014年数据集在TPV频数、中心位势高度上与年鉴显著相关,且弥补了年鉴对TPV生成源地追踪的缺陷,因此建立1979—2016年的数据集是后续研究的基础。
3 结果与分析 3.1 TPV时间变化和分布特征 3.1.1 TPV频数由频数年变化(图 4a)可知,自1979年以来TPV年频数整体呈显著上升趋势,通过了0.05的显著性检验,气候倾向率以0.3次·a-1增加。近40 a共出现了2 139次TPV,1997年TPV次数最多,为73次,1984年最少,仅33次,平均每年出现56.3次。虽然年均数与林志强[11]研究的结论相近(53个),频数最大值年与张博等[34]一致(1997年),但变化趋势则相反[25-26, 28]。这可能是因为资料不同、分辨率不同、统计时段不同、判断标准不同导致的差异,但研究得出的TPV生成总数及其气候变化幅度的差别不大。
从其日变化图上(图 4b)看出,夜间(20时和02时) TPV生成个数高于白天(08时和14时)。这可能与地面热源[39]和水汽净通量[40]有关,白天高原地面为强热源,夜间转为弱热汇,导致TPV频数日变化特征明显;TPV频发时段对应最强水汽输送净通量,水汽辐合上升时引起的凝结潜热加热是TPV频发的重要原因。
从M-K突变检验(图 4c)可知,自1979年开始,UF分量的变化整体呈一波动状态,TPV年频数整体先呈减小趋势,到1985年转为增大趋势,于1997年超过了显著性水平临界线。UB分量自1979年至2000年代中期呈增大趋势。UF和UB的交点位于1986年,表明TPV频数在当年前后发生了突变。
另从小波图及对应的方差图(图 4d)看出,TPV频数的准6 a、准10 a和准18 a周期显著。准6 a和准10 a周期振荡均在1995年前后有较大的谱值。
3.1.2 TPV中心位势高度从TPV中心位势高度频率图上(图 5)看到,TPV中心位势高度分布不均匀,呈正态分布,主要出现在574~585 dagpm之间,占其总数的81.8%,最小值为548 dagpm,最大值为586 dagpm,均值为578.5 dagpm。林志强[11]的相关统计结果主要分布区域为570~585 dagpm,占比85.7%,最低值为548.7 dagpm,最高值为589.4 dagpm,平均值为577.8 dagpm。可见,本研究与文献[11]的研究结果具有较强的一致性。
从TPV持续时间频率图上(图 6)可见,TPV持续时次从短到长呈指数减少分布,41.5%的TPV持续3个时次(18 h),17.2%的TPV维持时间为2 d,超过2 d仅占10.8%,可见TPV是青藏高原地区一种生命史较短的天气系统,持续时间长的TPV较少。统计结果表明,持续时间超过20个时次(5 d)的TPV共有18个,占比0.8%,均发生在5—8月。其中,11个为西部涡,5个为中部涡,2个为东部涡;15个为东移型涡,1个为准静止型涡,2个为西移型涡。这说明生命史较长的TPV主要出现在高原汛期,大部分生成于高原西部,并往往会东移。
从TPV平均频数、平均持续时间和平均中心位势高度逐月变化图上看出(图 7),三者呈现显著的月变化特征。其中,频数呈明显的单峰分布,7月出现频次最多,年均11.1个,6、8月次之,为10.3个,12月和1月最少,年均不足0.5个。TPV主要在高原汛期出现,5—8月的TPV占其全年总数的70.5%。
与TPV的出现频次不同,其平均持续时间最长的是5月,为35.3 h,平均持续时间最短的是12月,仅20.4 h。从季节上看,春夏季的平均持续时间最长,为31.9 h,秋季次之,为24.9 h,冬季最短,为23.9 h。这也与林志强[11]的相关统计结果有很强的一致性,但持续时间偏长,可能是判定方法不同所致。
统计结果表明,TPV中心位势高度与逐月平均个数和平均持续时间呈显著正相关,均呈夏强冬弱。究其原因,夏季温度升高,等压面高度上升,TPV中心最小位势高度相对于冬季明显上升,但夏季高原为热源,气压较周围低,尤其在西太平洋副热带高压加强西伸和伊朗高压东伸的环流背景下,TPV的中心位势高度明显低于周边,TPV也更易生成发展持续。
3.2 TPV的空间分布 3.2.1 TPV路径为进一步分析TPV的移动特征,结合图 8和表 1看出,东移型涡1 313个,占总数的61.4%,平均持续时间33.5 h,平均中心位势高度577.4 dagpm;准静止型涡733个,占总数的34.3%,平均持续时间25.2 h,平均中心位势高度580.1 dagpm;西移型涡93个,占总数的4.3%,平均持续时间33.6 h,平均中心位势高度581.8 dagpm。东移型涡个数最多,平均中心位势高度最小,即TPV强度最强,准静止型涡平均持续时间最短。
为了分析TPV的源地分布特征,图 9给出1979— 2016年各型TPV源地图。由图 9a可知,在33°—36°N、80°—90°E内生成的TPV占全部TPV的53.0%,TPV高频带呈东—西走向,轴线位于35°N附近,西藏那曲地区西部和阿里地区北部是高频中心,该结果与Feng等[38]研究得到的“31°—36°N是TPV出现的高频带,其轴线在34°N附近”的结论较为一致,也与林志强[11]研究得到的TPV高频中心带基本一致。另外,西部涡699个,占总数的32.6%,中部涡983个,占总数的46.0%,东部涡457个,占总数的21.4%,这与张博等[34]的相关研究结果较吻合。东移型涡(图 9b)和准静止型涡(图 9c)的源地分布与全部涡(图 9a)分布类似,但东移型涡源地相对更偏西,准静止型涡高频中心西移至阿里北部地区,西移涡(图 8d)出现频次少且分散。
基于ERA-Interim再分析资料,通过客观识别方法识别TPV并与年鉴对比分析,其主要结论如下:
(1) 1998—2014年客观识别TPV与年鉴TPV的平均吻合率为66.2%,其生成频数和TPV中心位势高度与年鉴TPV显著相关,从而初步证明基于该资料建立的客观识别方法具有一定的准确性和可行性。
(2) 1979—2016年近40 a TPV频数显著增加,年均56.3个,存在准6 a和准10 a周期,1986年为突变年,5—8月TPV个数最多,其夜间生成个数多于白天。
(3) TPV中心位势高度呈正态分布;持续时间从短到长呈指数减少分布,58.7%的TPV持续时间为1 d以内,17.2%的TPV维持2 d,10.8%的超过2 d;其频数、持续时间和中心位势高度均表现为夏强冬弱。
(4) 生成于33°—36°N、80°—90°E范围内的TPV占总数的53.0%,TPV高频带呈东西向,轴线在35°N附近,西藏那曲地区西部和阿里地区北部是TPV高频中心;西部涡、中部涡和东部涡分别占总数的32.6%、46.0%和21.4%;东移型、准静止型和西移型TPV分别占61.4%、34.3%和4.3%。
结果表明,基于ERA-Interim资料建立的客观识别方法对揭示TPV的长期气候特征具有一定的科学性。相对传统人工统计TPV方法,客观识别方法能客观、定量、高效地识别TPV,既减轻了人工普查工作量,还弥补了年鉴对TPV生成源地追踪的缺陷,是后续研究的基础性工作。但该方法只识别了生成发展于高原上的TPV,对移出高原的TPV的路径情况考虑不够完善,相关问题还有待于今后通过提高识别方法的正确率并对TPV移动特征的进一步研究来逐步解决。
[1] |
叶笃正, 高由禧. 青藏高原气象学[M]. 北京: 科学出版社, 1979, 12-134.
|
[2] |
青藏高原气象科学研究拉萨会战组. 夏半年青藏高原500 hPa低涡切变线的研究[M]. 北京: 科学出版社, 1981, 122.
|
[3] |
青藏高原低值系统协作组. 盛夏青藏高原低涡发生发展的初步研究[J]. 中国科学, 1978, 21(3): 341-350. |
[4] |
郁淑华. 夏季青藏高原低涡研究进展述评[J]. 暴雨灾害, 2008, 27(4): 81-86. |
[5] |
林志强, 德庆, 文胜军, 等. 西藏高原汛期大到暴雨的时空分布和环流特征[J]. 暴雨灾害, 2014, 33(1): 73-79. |
[6] |
赵玉春, 王叶红. 高原涡诱生西南涡特大暴雨成因的个例研究[J]. 高原气象, 2010, 29(4): 819-831. |
[7] |
黄楚惠, 顾清源, 李国平, 等. 一次高原低涡东移引发四川盆地暴雨的机制分析[J]. 高原气象, 2010, 29(4): 832-839. |
[8] |
郁淑华, 高文良, 彭骏. 青藏高原低涡活动对降水影响的统计分析[J]. 高原气象, 2012, 31(3): 592-604. |
[9] |
刘晓冉, 李国平. 热力强迫的非线性奇异惯性重力内波与高原低涡的联系[J]. 高原气象, 2007, 26(2): 225-232. |
[10] |
宋雯雯, 李国平. 一次高原低涡过程的数值模拟与结构特征分析[J]. 高原气象, 2011, 30(2): 267-276. |
[11] |
林志强. 1979—2013年ERA-Interim资料的青藏高原低涡活动特征分析[J]. 气象学报, 2015, 73(5): 925-939. |
[12] |
陈功, 李国平. 夏季青藏高原低涡的切向流场及波动特征分析[J]. 气象学报, 2011, 69(6): 956-963. DOI:10.11676/qxxb2011.083 |
[13] |
孙国武, 陈葆德. 青藏高原大气低频振荡与低涡群发性的研究[J]. 大气科学, 1994, 18(1): 113-121. |
[14] |
张鹏飞, 李国平, 王旻燕, 等. 青藏高原低涡群发性与10~30天大气低频振荡关系的初步研究[J]. 高原气象, 2010, 29(5): 1102-1110. |
[15] |
赵福虎, 李国平, 黄楚惠, 等. 热带大气低频振荡对高原低涡的调制作用[J]. 热带气象学报, 2014, 30(1): 119-128. |
[16] |
郁淑华, 肖玉华, 高文良. 冷空气对高原低涡移出青藏高原的影响[J]. 应用气象学报, 2007, 18(6): 737-747. DOI:10.11898/1001-7313.200706113 |
[17] |
郁淑华, 高文良, 肖玉华. 冷空气对两例高原低涡移出高原影响的分析[J]. 高原气象, 2008, 27(1): 96-103. |
[18] |
何光碧, 高文良, 屠妮妮. 两次高原低涡东移特征及发展机制动力诊断[J]. 气象学报, 2009, 67(4): 599-612. DOI:10.11676/qxxb2009.060 |
[19] |
郁淑华. 高原低涡东移过程的水汽图解[J]. 高原气象, 2002, 21(2): 199-204. |
[20] |
宋雯雯, 李国平, 唐钱奎. 加热和水汽对两例高原低涡影响的数值试验[J]. 大气科学, 2012, 36(1): 117-129. |
[21] |
Li L, Zhang R H, Wen M. Diagnostic analysis of the evolution mechanism for a vortex over the Tibetan Plateau in June 2008[J]. Adv Atmos Sci, 2011, 28(4): 797-808. DOI:10.1007/s00376-010-0027-y |
[22] |
李国平, 徐琪. 边界层动力"抽吸泵"对青藏高原低涡的作用[J]. 大气科学, 2005, 29(6): 965-972. |
[23] |
罗四维, 杨洋, 吕世华. 一次青藏高原夏季低涡的诊断分析研究[J]. 高原气象, 1991, 10(1): 1-12. |
[24] |
陈伯民, 钱正安, 张立盛. 夏季青藏高原低涡形成和发展的数值模拟[J]. 大气科学, 1996, 20(4): 491-502. |
[25] |
李国平, 卢会国, 黄楚惠, 等. 青藏高原夏季地面热源的气候特征及其对高原低涡生成的影响[J]. 大气科学, 2016, 40(1): 131-141. |
[26] |
李国平, 赵福虎, 黄楚惠, 等. 基于NCEP资料的近30年夏季青藏高原低涡的气候特征[J]. 大气科学, 2014, 38(4): 756-769. DOI:10.3878/j.issn.1006-9895.2013.13235 |
[27] |
刘云丰, 李国平. 夏季高原大气热源的气候特征以及与高原低涡生成的关系[J]. 大气科学, 2016, 40(4): 864-876. |
[28] |
王鑫, 李跃清, 郁淑华, 等. 青藏高原低涡活动的统计研究[J]. 高原气象, 2009, 28(1): 64-71. |
[29] |
钱正安, 单扶民, 吕君宁, 等. 1979年夏季青藏高原低涡的统计分析及低涡产生的气候因子探讨[C] //青藏高原气象科学试验文集(二). 北京: 科学出版社, 1984: 182-94
|
[30] |
陈忠明, 闵文彬, 缪强, 等. 高原涡与西南涡耦合作用的个例诊断[J]. 高原气象, 2004, 23(1): 75-80. |
[31] |
肖红茹, 顾清源, 何光碧, 等. 一次大暴雨过程中高原低涡与西南低涡相互作用机制探讨[J]. 暴雨灾害, 2009, 28(1): 16-22. |
[32] |
邱静雅, 李国平, 郝丽萍. 高原涡与西南涡相互作用引发四川暴雨的位涡诊断[J]. 高原气象, 2015, 34(6): 1556-1565. DOI:10.7522/j.issn.1000-0534.2014.00117 |
[33] |
林志强, 周振波, 假拉. 高原低涡客观识别方法及其初步应用[J]. 高原气象, 2013, 32(6): 1580-1588. DOI:10.7522/j.issn.1000-0534.2012.00153 |
[34] |
张博, 李国平. 基于CFSR资料的青藏高原低涡客观识别技术及应用[J]. 兰州大学学报(自科版), 2017(1): 106-111. |
[35] |
中国气象局成都高原气象研究所. 青藏高原低涡切变线年鉴(1998—2014)[M]. 北京: 科学出版社, 2015.
|
[36] |
Blender R, Fraedrich K, Lunkeit F. Identification of cyclone-track regimes in the North Atlantic[J]. Quarterly Journal of the Royal Meteorological Society, 1997, 123(539): 727-741. DOI:10.1002/(ISSN)1477-870X |
[37] |
Wernli H, Schwierz C. Surface Cyclones in the ERA-40 Dataset (1958-2001). Part Ⅰ: Novel Identification Method and Global Climatology[J]. Journal of Atmospheric Sciences, 2006, 63(10): 2486-2507. DOI:10.1175/JAS3766.1 |
[38] |
Feng X Y, Liu C H, Rasmussen R, et al. A 10-year climatology of Tibetan Plateau vortices with NCEP climate forecast system reanalysis[J]. Appl Meteor Climatol, 2014, 53(1): 34-46. DOI:10.1175/JAMC-D-13-014.1 |
[39] |
张恬月, 李国平. 夏季青藏高原地面热源和高原低涡生成频数的日变化[J]. 沙漠与绿洲气象, 2016, 10(2): 70-76. |
[40] |
Li L, Zhang R H, Wen M. Diurnal variation in the occurrence frequency of the Tibetan Plateau vortices[J]. Meteor Atmosphys, 2014, 125(3-4): 135-144. DOI:10.1007/s00703-014-0325-5 |