2026, Vol. 56
2. 中国海洋大学海洋与大气学院，山东 青岛 266100;
3. 中国气象局国家气候中心，北京 100081
全球气候变化背景下，极端天气气候事件多发、频发、重发。近年来，研究者们发现气温从极端暖(冷)到极端冷(暖)的快速剧烈变化现象发生更频繁、更强烈且变化更迅速，“暖冬中的冷事件”增多[1]，这一现象在东亚地区显著[2]。一些研究聚焦于冬季平均气温的年际年代际变化和空间分布展开分析[3-4]，然而仅关注冬季平均气温可能会忽视季节内气温剧烈波动带来的影响，因此还需重视季节内的气温起伏特征，特别是季节内冷暖转换的现象。研究发现东亚冬季气温季内起伏的主要年际变化模态表现为前后冬反相，且这种特征并非局地现象，而是在北半球大尺度均存在[5-6]。前后冬冷暖转换是指气温前冬低于(高于)气候平均值，后冬上升(下降)至高于(低于)平均值的变化过程，也就是前后冬反相。冬季气温的季节内变率的研究中，前后冬划分是关键前提，传统方法主要考虑了全国平均气温在年际变化尺度上不同月份间的相关性，将11月与12月划分为前冬，将2月至3月划分为后冬，1月为转折期[7-8]；韦玮等[9]则基于日分辨率站点资料，将一年中最低气温发生前(后)的冬季定义为前(后)冬，划分时间界线为1月15日；是否存在更客观的前后冬区分方法，并在此基础上分析气温的季节内变化特征，仍然值得探究。对于气温前后冬转向的原因及机制，前人讨论了各种大气遥相关型的影响[10-11]，东亚气温前后冬发生变化时相应的大气环流系统在前后冬也是不一致的[7]，表现为欧亚遥相关波列的前后冬反位相转变，相伴随的是低层西伯利亚高压与阿留申高压的强度在前后冬转折，东亚大槽存在一定的转向特征[12]，高层副热带急流的变化也与之匹配[13-14]，北极极涡振荡也与前后冬冷暖交替存在密切联系[15]。除此之外，还有学者考虑内部变率[16]和瞬变涡旋的影响[17]。
我国气温变化存在明显的地区、季节差异[18]，山东省位于东亚季风区，三面环海，大陆性气候特征显著，气温变化幅度大，冬季气温的剧烈变化严重影响人们的日常生活和社会经济活动，对山东省冬季气温的针对性研究有利于深入理解气温演变特征，是至关重要的。山东冬季气温升高趋势明显，在20世纪90年代由偏冷阶段进入偏暖阶段，冬季气温分布具有较好一致性，近年波动明显[19-20]，对于山东冬季季节内冷暖转换还没有专门的研究。
本文重点研究山东地区冬季气温的冷暖转换特征，探讨山东处于东亚大槽区域或槽后，其冬季的气温变化是否存在显著的季节内振荡，分析季节内冷暖转换的发生规律，并研究造成山东冬季冷暖转换的异常天气环流形势及影响机制。为解决这一系列问题，本文提取冬季气温发生冷暖转换的模态，对其变化特征及相关的大气环流异常进行分析。
1 资料与方法本文采用的资料为中国气象局国家信息中心提供的逐日平均气温站点观测资料，选取位于山东的123个站点进行分析。大气环流资料为美国国家环境预报中心和美国国家大气研究中心提供的逐日再分析资料，要素包括近地面温度场、海平面气压场和位势高度场，水平分辨率为2.5°×2.5°。由于1980年之前地面气象站属于建设期，建站初期难免数据缺测，1981年以后观测站点数趋于稳定，因此研究时段选取1981—2023年冬季，共43年。冬季定义为前一年12月至当年2月，如1981年冬季指1980年12月至1981年2月。文中各要素的异常值为当日实际值减去该日长期平均值得到的逐日异常。本文主要采用经验正交函数分解(Empirical orthogonal function, EOF)、合成分析、功率谱分析等方法，检验合成分析结果的显著性采用t检验方法。
2 冬季山东季节内冷暖转换的主模态特征山东省地处中国东部中纬度地区，冬季常处于东亚大槽影响的区域，由于山东省面积较小，全省气温的变化可能会比较一致。为了分析山东省各台站冬季气温变化的空间差异性，选取山东地区123个站点的日平均气温观测数据，算得山东区域平均气温变化序列与各站点气温变化序列的相关系数分布，发现全省区域平均的气温变化与各站的气温变化具有很高的相关性，大部分相关系数都在0.9以上，所有站点的相关系数均大于0.84(图略)，这表明山东省冬季气温的变化主要表现为空间的一致性变化，故本文后面的分析中采用山东省区域平均气温时间序列来分析1981—2023年冬季山东气温的冷暖转换变化特征。
冬季山东区域平均气温呈现出显著的季节内振荡特征，这种季节内振荡变化体现了山东冬季气温的冷暖转换特征，且这种冷暖转换变化年际差异较大。为了寻找这种季节内冷暖转换的年际变化主模态特征，我们改进了传统的EOF时空分析方法，将时间-空间矩阵改为冬季日平均气温的季节内尺度时间序列和年际尺度时间序列组成的二维时间(季节内)-时间(年际)矩阵进行分解，这样可以抓住前几个主成分的季节内冷暖转换特征。
利用改进的EOF方法对1981—2023年冬季山东区域平均日气温序列进行分析，将冬季共90天看作空间维序列，将43年看作时间维序列，得到EOF各模态及其方差贡献(图略)。山东冬季气温受到多种因素影响，可能导致方差分散于多个模态，高阶模态可能包含随机噪声或小尺度气候波动，使得累计贡献率较低。考虑模态分布与实际气候的一致性，本文选取前两个模态进行分析，前两个模态通过了North检验，模态之间具有独立性，其方差贡献分别为15.2%、10.1%，占总方差贡献的25.3%，可以反映冬季山东季节内气温的主要变化特征。
2.1 第一模态-冬季冷暖一致变化模态EOF第一模态季节内时间序列(EOF1)和标准化主成分(Principal component，PC)年际变化时间序列(PC1)的结果如图 1所示，冬季气温基本上呈现为整个冬季从12月中旬开始的一致偏暖(冷)且冷暖强弱呈现季节内变化的特征(见图 1(a))，这种模态的方差贡献为15.2%。PC1呈现出强烈的年际振荡和显著增暖的趋势特征。以PC1的绝对值大于一倍标准差为标准，选出PC1高值年和低值年。PC1高值年也就是全冬偏暖年共有8年：1998/1999、2001/2002、2003/2004、2006/2007、2014/2015、2016/2017、2019/2020、2020/2021，以及6个全冬偏冷年份：1980/1981、1983/1984、1984/1985、1985/1986、2004/2005、2010/2011。可见1990年以前，全冬偏冷年份较多；1990年以后全冬偏暖年份较多，PC1有显著上升的线性趋势(见图 1(b))，这种变化趋势是全球变暖的一种体现。EOF1季节内变化的时间序列与PC1高值年合成的冬季日平均气温距平序列的相关系数为0.86，与PC1低值年合成序列的相关系数为-0.86，表明EOF第一模态可以较为真实地反映山东冬季全冬冷暖一致的特征。
|
( (a)中黑线为EOF1，粉色和粉蓝色柱状图分别为PC1高值年和低值年合成的日气温距平序列；(b)中柱状图为PC1，红点/蓝点为全冬偏暖/偏冷年，黑色点虚线为PC1的线性拟合。(a) Black line represents the EOF1, pink or powder blue bar represents the composite of daily air temperature anomalies for years with high or low PC1 values respectively; (b) Bar represents PC1, red/blue dots indicate the years with high/low PC1 value, black dot-dashed line represents the linear fitting of PC1. ) 图 1 冬季山东区域平均气温EOF第一模态季节内时间序列(EOF1)(a)和标准化的第一模态主成分年际时间序列(PC1)(b) Fig. 1 The first EOF intraseasonal time series (EOF1) (a) and the normalized first principal component (PC1) (b) of regional mean air temperature in winter in Shandong Province |
EOF第二模态的结果如图 2所示，此模态的方差贡献为10.1%，可以看出山东冬季气温呈现出前后冬冷暖转换的特征。PC2高值年为前冬偏冷后冬偏暖的年份(前冷后暖年)，共有6个冬季：1985/1986、2002/2003、2009/2010、2012/2013、2018/2019、2020/2021，PC2低值年为前冬偏暖后冬偏冷的年份(前暖后冷年)，共有7个冬季：1989/1990、1992/1993、1997/1998、1999/2000、2003/2004、2007/2008、2015/2016。可以发现，对于PC2的高值年份，即前冬偏冷后冬偏暖的季节内冷暖反转主要发生在21世纪(6个冬季中有5年是出现在2000年以后)，而前冬偏暖后冬偏冷发生的年份则没有这种年代际差异(见图 2(b))。EOF2季节内变化的时间序列与PC2高值年合成的冬季日平均气温距平序列的相关系数为0.89，与PC2低值年合成序列的相关系数为-0.89，表明EOF第二模态可以较为真实地反映山东前后冬冷暖转换的特征。另外从EOF2(见图 2(a))在PC2的高、低值年份的振幅大小可以发现，无论前冷后暖年，还是前暖后冷年，偏冷位相气温异常的振幅更大些，冷暖位相振幅呈不对称分布，表明山东前后冬冷暖转换发生时，冷冬时期的气温下降幅度总是大于暖冬时期的升温幅度。
|
( (a)中黑线为EOF2，粉色和粉蓝色柱状图分别为PC2高值年和低值年合成的日气温距平序列；(b)中柱状图为PC2，红点/蓝点为前冬偏冷后冬偏暖/前冬偏暖后冬偏冷年份。(a) Black line represents the EOF2, pink or powder blue bar represents the composite of daily air temperature anomalies for years with high or low PC2 values respectively; (b) Bar represents PC2, red/blue dots indicate the years with high/ low PC2 value. ) 图 2 冬季山东区域平均气温EOF第二模态季节内时间序列(EOF2)(a)和标准化的第二模态主成分年际时间序列(PC2)(b) Fig. 2 The second EOF intraseasonal time series (EOF2) (a) and the normalized second principal component (PC2) (b) of regional mean air temperature in winter in Shandong Province |
对EOF2作功率谱分析(见图 3(a))，忽略天气尺度过程，发现山东冬季季节内尺度上主要存在40天左右的显著周期。结合EOF2的特征(见图 2(a))，山东冬季发生冷暖转换的时间在1月12日。因此，将1月12日定为划分前后冬的标准，前一年12月1日至当年1月12日为前冬，当年1月13日至当年2月28日为后冬。PC2的功率谱(见图 3(b))发现存在7年的显著周期，表明山东冬季前后冬冷暖转换主要存在7年的年际振荡特征。这种振荡特征可能由多尺度因子共同驱动，比如北极涛动(Arctic oscillation, AO)的位相转换、乌拉尔山阻塞高压的强度变化、厄尔尼诺与南方涛动的滞后效应等[11, 21]。
|
( (a)、(b)中虚线为检验谱，红点为通过90%显著性检验，垂线标记了通过检验的周期。(a)、(b) dashed lines denote the test spectrum, red dots indicate indicate that the 90% significance level was passed, and the vertical lines mark the periods that are statistically significant. ) 图 3 EOF2(a)和PC2(b)的功率谱分析 Fig. 3 Power spectrum of EOF2 (a) and PC2 (b) |
冬季山东气温EOF第二模态反映的是前后冬气温冷暖转换的变化特征，下面主要根据第二模态，结合高低层大气环流特征和各气象要素，讨论影响气温冷暖转换的关键环流因子。分别分析PC2高、低值年的前冬和后冬北半球30°N以北各气象要素异常合成场，探究山东前后冬冷暖转换的成因。
3.1 近地面气温场前冷后暖年(见图 4(a)—(c))，山东地区气温由前冬偏冷转为后冬偏暖。前冬巴伦支海附近和中高纬度北美、大西洋地区气温异常偏高，整个亚欧大陆中高纬度大范围地区气温异常偏低；后冬欧亚大陆冷空气整体偏北，中高纬度地区呈现出北冷南暖的气温异常分布，中国华北华南一带气温异常偏暖。后冬减前冬的差值场表明，从前冬至后冬，亚欧大陆气温有明显的上升趋势，北极和北美气温则显著降低。
|
( 黑点为通过90%显著性检验。Black dots indicate that the 90% significance level was passed. ) 图 4 PC2高值年((a)—(c))和低值年((d)—(f))前冬((a)，(d))、后冬近地面气温异常合成场((b)，(e))以及(后冬-前冬)差值场((c)，(f)) Fig. 4 The near-surface air temperature anomalies composite fields in the early-winter ((a), (d)), late-winter ((b), (e)) and difference fields (late-early) ((c), (f)) for high ((a)—(c)) and low ((d)—(f)) PC2 value years |
前暖后冷年(见图 4(d)—(f))，山东地区气温由前冬偏暖转为后冬偏冷。前冬欧亚大陆中高纬度地区除地中海和青藏高原地区有显著的气温负异常分布外，其余大部分地区以异常偏暖为主，特别是东北亚和中国东部沿海一带有较强的异常偏暖信号；后冬除北欧到中西伯利亚至蒙古一带有较强的异常偏暖信号外，欧亚大陆中纬度地区和北太平洋、北极地区均为大范围的气温负异常，包括中国东西部地区气温均异常偏低。差值场表明，从前冬至后冬，除北美西部和欧亚大陆西北部地区，北半球大部分地区气温降低。
3.2 海平面气压场在前冷后暖年(见图 5(a)—(c))，前冬北半球中高纬度海平面气压呈现出AO负位相的异常分布，最强高压异常中心位于北欧海到巴伦支海一带，中纬度北太平洋和北大西洋地区为显著的低压异常，最低气压异常中心位于北太平洋地区，使得阿留申低压异常加强，东亚沿岸西高东低的气压梯度增大，冷空气更易南下深入内陆。同时西伯利亚高压增强，有利于冷空气的积聚，冷空气频繁南下，使得山东气温下降；后冬北半球气压场总体上依然表现为AO负位相的分布特征，但北极的最强高压中心主要位于北欧海，最低异常中心则从北太平洋转为北大西洋和北欧一带，主要体现的北大西洋涛动的特征[10, 22]。此时西伯利亚高压减弱，冷空气势力减弱，山东气温回暖。差值场表明由前冬至后冬西伯利亚高压和阿留申低压共同减弱，东亚沿岸东西向海陆间气压梯度减小，导致东亚冬季风减弱，有利地山东地区升温。
|
( 黑点为通过90%显著性检验，等值线为气候态。Black dots indicate that the 90% significance level was passed, contour lines represent the climatology. ) 图 5 PC2高值年((a)—(c))和低值年((d)—(f))前冬((a)，(d))、后冬海平面气压异常合成场((b)，(e))以及(后冬-前冬)差值场((c)，(f)) Fig. 5 The sea surface pressure anomalies composite fields in the early-winter((a), (d)), late-winter ((b), (e)) and difference fields (late-early) ((c), (f)) for high ((a)—(c)) and low ((d)—(f)) PC2 value years |
在前暖后冷年(见图 5(d)—(f))，前冬中高纬度呈气旋-反气旋异常相间的气压分布，冰岛低压异常增强，西伯利亚高压和阿留申低压异常减弱，使得山东处于异常南风的影响下，气温偏高；后冬冰岛低压和阿留申低压都异常加强，欧亚大陆中纬度异常高压加强，使山东处于异常北风的影响之下，冬季风加强，因此气温异常降低。差值场表明由前冬至后冬西伯利亚高压和阿留申低压共同增强，气压梯度增大，导致山东地区降温。
3.3 高空环流和极涡变化对于山东前后冬冷暖转换模态，冬季中高纬度500 hPa平均位势高度场呈三波分布，三个槽分别位于欧洲东部、亚洲东部沿海以及北美东部(见图 6)。在前冷后暖年(见图 6(a)—(c))，前冬，北极地区位势高度异常偏高，中纬度大部分地区位势高度异常偏低，北半球中高纬度整体呈现出北极与中纬度之间跷跷板式反位相振荡特征，即北半球环状模(Northern hemisphere annular mode，NAM)的负位相分布[23]。位势高度正异常中心偏向于北大西洋和北欧一侧，表明中国上游北欧地区易出现阻塞高压，有利于脊前冷空气向下游发展，同时北极极涡向东亚太平洋一侧偏移，东亚大槽加深，有利于山东受槽后冷平流影响气温降低。由前冬至后冬东亚地区位势高度异常增大，东亚大槽减弱，使得山东地区气温异常升高。对于前暖后冷年(见图 6(d)—(f))，中高纬度地区500 hPa位势高度自西向东呈现出3—4波正负相间的波列状异常分布。由前冬至后冬东亚地区位势高度异常减小，东亚大槽增强，山东地区气温异常降低。对比前后冬冷暖转换模态的500 hPa极涡形态的异常特征可以发现，前冬偏冷后冬偏暖年的北极极涡形态与通常贯通北美-欧亚的纺锤型不同，而是呈现出类“L”型的多涡型极涡形态，使得极涡在东亚地区更向南发展；而对于前冬偏暖后冬偏冷年，北极极涡呈偏向北美一侧的纺锤型，这种极涡形态的差异有助于我们判断山东冷暖交替的位相转换先后特征。
|
( 黑点为通过90%显著性检验，等值线为极涡异常(500 hPa位势高度减去65°N以北区域平均的位势高度)，(c)、(f)中等值线为全冬平均。Black dots indicate that the 90% significance level was passed, contour lines are polar vortex anomalies(the geopotential height at 500 hPa minus the average geopotential height in the north area of 65°N), the contour lines in (c)、(f) are winter average. ) 图 6 PC2高值年(a)—(c)和低值年(d)—(f)前冬((a)，(d))、后冬500 hPa位势高度异常合成场((b)，(e))以及(后冬-前冬)差值场((c)，(f)) Fig. 6 The 500 hPa geopotential height anomalies composite fields in the early-winter((a), (d)), late-winter ((b), (e)) and difference fields (late-early) ((c), (f)) for high ((a)—(c)) and low ((d)—(f)) PC2 value years |
极涡的变化在平流层低层100 hPa位势高度场上有更加清晰的反映(见图 7)。对于山东前冬偏冷后冬偏暖年(见图 7(a)—(c))，100 hPa位势高度异常场在前后冬均呈现出NAM负位相的分布特征，且后冬NAM负位相的异常中心强度更强，即平流层极涡强度减弱，后冬极涡减弱得更明显。平流层极涡形态上呈偏心型特征，极涡中心偏向欧亚大陆一侧，且后冬受到更强的阿拉斯加长波脊的影响，极涡向东亚一侧更加偏南。前冬偏暖后冬偏冷年(见图 7(d)—(f))，100 hPa位势高度异常场上总体上在前后冬均出现NAM的正位相分布特征，北极地区为位势高度负异常，中纬度大部分地区为位势高度正异常，即平流层极涡强度增强，且后冬极涡更强。极涡中心更接近北极中心，极涡形态呈现出略偏向北欧一侧的纺锤型特征。
|
( 黑点为通过90%显著性检验，等值线为极涡异常(100 hPa位势高度减去65°N以北区域平均的位势高度)，(c)、(f)中等值线为全冬平均。Black dots indicate that the 90% significance level was passed, contour lines are polar vortex anomalies(the geopotential height at 100 hPa minus the average geopotential height in the north area of 65°N), the contour lines in (c)(f) are winter average. ) 图 7 PC2高值年(a)—(c)和低值年(d)—(f)前冬((a)，(d))、后冬100 hPa位势高度异常合成场((b)，(e))以及(后冬-前冬)差值场((c)，(f)) Fig. 7 The 100 hPa geopotential height anomalies composite fields in the early-winter((a), (d)), late-winter ((b), (e)) and difference fields (late-early) ((c), (f)) for high ((a)—(c)) and low ((d)—(f)) PC2 value years |
本研究基于1981—2023年冬季山东气温站点观测资料和再分析数据，采用改进的时-时矩阵EOF分析方法，提取冬季山东气温季节内变化的主模态，系统研究了冬季山东气温季节内冷暖转换特征及其相关的大气环流异常。研究结果表明，山东冬季气温变化不仅存在全冬一致偏暖或偏冷的全球变暖模态，还表现出显著的前后冬冷暖转换的特征。其中，前后冬冷暖转换模态具有明显的7年周期振荡特征，转换时间多发生在1月12日前后。
从环流机制来看(见图 8)，山东冬季前后冬冷暖转换与北极极涡形态和强度变化以及中高纬度环流系统的协同演变有关。前冷后暖年，AO和NAM均处于负位相，北极极涡强度减弱，平流层极涡形态呈现出偏向欧亚一侧的偏心型特征，对流层极涡呈“L”型的多涡型特征；后冬极涡强度较前冬更弱，在这种高空环流配置下，后冬西伯利亚高压和阿留申低压共同减弱，东亚冬季风环流相应减弱，导致山东地区气温由前冬的偏冷转为后冬的偏暖。前暖后冷年，AO和NAM均处于正位相，北极极涡强度增强，极涡中心靠近北极，极涡形态主要呈现出北美-欧亚为长轴的纺锤型；相比于前冬，后冬的极涡强度更强，在这种高空环流配置下，西伯利亚高压和阿留申低压共同增强，冬季风环流加强，从而更容易造成山东气温由前冬偏暖转为后冬偏冷。
|
图 8 山东前后冬冷暖转换的环流特征示意图 Fig. 8 The general circulation features when the winter temperature intraseasonal transition |
已有研究关注东亚前后冬气温冷暖转换的变化特征，但对于造成气温前、后冬转向的原因及物理机制还未达成共识。本文揭示了山东气温前后冬冷暖转换的基本特征及其环流背景，结论与前人的研究基本一致。值得注意的是，本文划分山东前后冬的时间为1月12日，与以往针对我国研究的分界点相比提前2~3天[9, 15]，表明季节内尺度的冷暖转换在我国冬季普遍存在，但转换发生的时间存在区域差异。此外，山东前冷后暖年与前暖后冷年的极涡形态存在明显差异，前冷后暖年极涡形态呈“L”型多涡型，极涡在东亚地区更向南发展；前暖后冷年极涡形态呈纺锤型，长轴向北美和欧亚延伸，同时极涡偏向北美一侧，这种极涡形态的差异有助于我们判断山东冷暖交替的位相转换先后特征。本研究还发现21世纪以来山东冬季气温前后冬转换的特征发生了明显变化，前冬偏冷后冬偏暖的转换事件显著增多，这可能与全球变暖背景下大气环流型的调整有关。
本文未考虑冬季山东季节内气温变化特征的空间差异，采用的再分析资料水平分辨率较低，可能忽略局地地形、下垫面特征和小尺度系统的影响。山东半岛三面环海的特殊地理位置，以及境内山地、丘陵和平原交错分布的地形特征，都可能对冬季气温的局地变化产生重要调制。其次，对于前后冬冷暖转换的驱动因子仅提出可能关联，未深入探讨海温异常、北极海冰变化等外强迫因素的潜在作用。近年来北极放大效应显著，其对中纬度环流和东亚冬季风的影响值得深入研究。未来的研究可能进一步验证各因子的影响，更深入地探究冬季山东季节内冷暖转换的机制，提升对极端冷暖事件的预测能力，为应对气候变化带来的挑战提供科学依据。
| [1] |
Zhang Y X, Wang G F. Assessment of the hazard of extreme low-temperature events over China in 2021[J]. Advances in Climate Change Research, 2022, 13(6): 811-818. DOI:10.1016/j.accre.2022.11.005 (  0) |
| [2] |
Ma S M, Zhu C W, Liu B Q, et al. Polarized response of East Asian winter temperature extremes in the Era of Arctic Warming[J]. Journal of Climate, 2018, 31(14): 5543-5557. DOI:10.1175/JCLI-D-17-0463.1 ( 0) |
| [3] |
Wang B, Wu R, Li T. Atmosphere-warm ocean interaction and its impacts on Asian-Australian monsoon variation[J]. Journal of Climate, 2003, 16(8): 1195-1211. DOI:10.1175/1520-0442(2003)16<1195:AOIAII>2.0.CO;2 ( 0) |
| [4] |
Huang R, Chen J, Wang L, et al. Characteristics, processes, and causes of the spatio-temporal variabilities of the East Asian monsoon system[J]. Advances in Atmospheric Sciences, 2012, 29(5): 910-942. DOI:10.1007/s00376-012-2015-x ( 0) |
| [5] |
韦玮, 王林, 陈权亮, 等. 我国前冬和后冬气温年际变化的特征与联系[J]. 大气科学, 2014, 38(3): 524-536. Wei W, Wang L, Chen Q L, et al. Interannual variations of early and late winter temperatures in China and their linkage[J]. Chinese Journal of Atmospheric Sciences, 2014, 38(3): 524-536. ( 0) |
| [6] |
孙健, 李栋梁, 邵鹏程, 等. 中国冬季气温月际变化特征及其对大气环流异常的响应[J]. 气象学报, 2019, 77(5): 885-897. Sun J, Li D L, Shao P C, et al. Inter-monthly variaton of winter air temperature in China and its relation with atmospheric circulation anomalies[J]. Acta Meterologica Sinica, 2019, 77(5): 885-897. ( 0) |
| [7] |
黄嘉佑, 胡永云. 中国冬季气温变化的趋向性研究[J]. 气象学报, 2006(5): 614-621. Huang J Y, Hu Y Y. Trends of winter temperatures in China[J]. Acta Meteor Sinica, 2006(5): 614-621. ( 0) |
| [8] |
马锋敏, 陈丽娟, 李想, 等. 中国冬季气温不同年代际的季节内变化特征及成因分析[J]. 大气科学, 2022, 46(3): 573-589. Ma F M, Chen L J, LI X, et al. Characteristics and causes of intraseasonal variation of winter temperature in China under different interdecadal scale[J]. Chinese Journal of Atmospheric Sciences, 2022, 46(3): 573-589. ( 0) |
| [9] |
韦玮, 王林, 陈权亮, 等. 我国前冬和后冬的划分及其气温的年际变异[J]. 大气科学, 2020, 44(1): 122-137. Wei W, Wang L, Chen Q L, et al. Definition of early and late winter and associated interannual variations of surface air temperature in China[J]. Chinese Journal of Atmospheric Sciences, 2020, 44(1): 122-137. ( 0) |
| [10] |
Song X L, Yin Z C, Zhang Y J. Subseasonal reversals of winter surface air temperature in mid-latitude Asia and the roles of westward-shift NAO[J]. Environmental Researchletters, 2023, 18(3): 034018. ( 0) |
| [11] |
Song L, Wu R G. Combined effects of the MJO and the Arctic oscillation on the intraseasonal Eastern China winter temperature variations[J]. Journal of Climate, 2019, 32(8): 2295-2311. DOI:10.1175/JCLI-D-18-0625.1 ( 0) |
| [12] |
黄菲, 李金泽, 许士斌, 等. 东亚大槽冬春季节内演变的主模态时空特征[J]. 中国海洋大学学报(自然科学版), 2019, 49(10): 118-125. Huang F, Li J Z, Xu S B, et al. Spatiotemporal variability of the East Asian trough intraseasonal evolution major modes in boreal winter and spring[J]. Periodical of Ocean University of China, 2019, 49(10): 118-125. DOI:10.16441/j.cnki.hdxb.20190139 ( 0) |
| [13] |
Luo X, Zhang Y. The Linkage between upper-level jet streams over East Asia and East Asian winter monsoon variability[J]. Journal of Climate, 2015, 28(22): 9013-9028. DOI:10.1175/JCLI-D-15-0160.1 ( 0) |
| [14] |
祁莉, 泮琬楠. 东亚气温前冬与后冬反相的变化特征及可能影响因子[J]. 大气科学, 2021, 45(5): 1039-1056. Qi L, Pan W N. Variability of the phase reversal of the East Asia temperature from early to late winter and the possible influencing factors[J]. Chinese Journal of Atmospheric Sciences, 2021, 45(5): 1039-1056. ( 0) |
| [15] |
宋雨佳, 张涵, 黄昊, 等. 中国冷暖冬季节内交替的时空特征及其与北极极涡振荡的关系[J]. 气候变化研究快报, 2024, 13(4): 839-849. Song Y J, Zhang H, Huang H, et al. Spatial-temporal characteristics of Chinese warm and cold intraseasonal alternation in winter and its linkage with Arctic vortex oscillation[J]. Climate Change Research Letters, 2024, 13(4): 839-849. ( 0) |
| [16] |
Wang S, Chen W. Impact of internal variability on recent opposite trends in wintertime temperature over the Barents-Kara Seas and central Eurasia[J]. Climate Dynamics, 2022, 58(11-12): 2941-2956. DOI:10.1007/s00382-021-06077-0 ( 0) |
| [17] |
Zhang W Q, Wu B Y. The role of transient eddies in the intraseasonal reversal of East Asian winter air temperature anomalies[J]. Atmospheric Research, 2023, 289: 106748. DOI:10.1016/j.atmosres.2023.106748 ( 0) |
| [18] |
宋连春. 近40年我国气温时空变化特征[J]. 应用气象学报, 1994, 5(1): 119-124. Song L C. Characteristics of temperature in spatial and temporal variation in China during recent 40 years[J]. Quarterly Journal of Applied Meteorology, 1994, 5(1): 119-124. ( 0) |
| [19] |
于群, 周发琇. 山东冬季气温年际变化及大气环流特征[J]. 山东气象, 2004(4): 9-12. Yu Q, Zhou F X. Interannual variation characteristics of temperature and the general circulation features during winter in Shandong Province[J]. Journal of Shandong Meteorology, 2004(4): 9-12. ( 0) |
| [20] |
高理, 邹瑾. 山东冷暖冬划分及其与ENSO的关系[J]. 沙漠与绿洲气象, 2022, 16(2): 32-39. Gao L, Zou J. Division of cold and warm winter in Shandong Province and its relationship with ENSO[J]. Desert and Oasis Meteorology, 2022, 16(2): 32-39. ( 0) |
| [21] |
Li Z Y, Zhang W J, Stuecker M F, et al. Different effects of two ENSO types on Arctic surface temperature in boreal winter[J]. Journal of Climate, 2019, 32(16): 4943-4961. DOI:10.1175/JCLI-D-18-0761.1 ( 0) |
| [22] |
Li J P, Xie T J, Tang X X, et al. Influence of the NAO on wintertime surface air temperature over East Asia: Multidecadal variability and decadal prediction[J]. Advances in Atmospheric Sciences, 2022, 39(4): 625-642. DOI:10.1007/s00376-021-1075-1 ( 0) |
| [23] |
Thompson D W J, Lee S, Baldwin M P. Atmospheric Processes Governing the Northern Hemisphere Annular Mode/North Atlantic Oscillation[M]. Washington D C: American Geophysical Union, 2003: 81-112.
( 0) |
2. College of Oceanic and Atmospheric Sciences, Ocean University of China, Qingdao 266100, China;
3. National Climate Center, China Meteorological Administration, Beijing 100081, China