2016, Vol. 31
季风是由于大陆及邻近海洋之间存在的温度差异而形成大范围盛行的、风向随季节有显著变化的风系.季风降水影响了超过60%世界人口的生活，并在外部辐射与大气环流的联系中扮演了重要角色(Wang and Ding，2008).全球季风是地球气候系统年变化的一个特征量，研究和了解当代季风降水的变化规律对反映其过去情况和预测其未来变化至关重要(Wang et al.，2012).
目前关于全球季风降水的研究有很多，已有研究认为全球陆地季风降水在20世纪后半段呈一致下降趋势(Wang and Ding，2006；Zhou et al.，2008a，b；Zhang and Zhou，2011；林壬萍等，2012).Hsu等(2011)认为在过去30多年(1979-2008年)的全球季风降水(包括海洋)是呈上升趋势.由于海洋降水观测资料年限短的限制，目前关于全球季风降水的研究大多基于气候系统模式的模拟结果来分析.例如，Liu等(2009)运用ECHO-G模式分析了全球季风降水在过去千年里的百年尺度变化情况，指出全球季风降水有明显的准两百年振荡，并发现全球季风降水强度在小冰期(LIA)时出现最小值，在中世纪暖期(MWP)出现最大值.Hsu等(2012)指出，21世纪全球变暖背景下全球季风降水量和面积仍会呈现增长趋势.Zhang和Zhou(2014)运用FGOALS-s2模式下的RCP8.5方案对2006-2100年季风降水变化进行了预估，指出全球变暖可能引起全球季风降水增加，特别是北半球的海洋季风降水和南半球的陆地季风降水，Wang等(2014)的相关研究也证实这一结论.
关于全球季风降水变化的原因方面，已有研究认为全球陆地季风降水变化与海温变化、火山爆发、太阳活动、热带森林砍伐、温室气体、硫酸盐和黑碳气溶胶等变化有关(Whetton et al.，1994；Suppiah，1995；Zwiers and Kharin，1998；Menon et al.，2002；Chase et al.，2003；Kim et al.，2008；Meehl et al.，2008；Li et al.，2010；赵亮等，2011；沈新勇等，2013；董璐和周天军，2014；Man et al.，2014；Man and Zhou，2014).但是，目前运用模式模拟结果探讨20世纪包括海洋在内的全球季风降水变化趋势特征，以及不同外强迫对20世纪全球季风降水的变化趋势的影响及其机理的研究尚少.因此，本文基于不同外强迫因子驱动NCAR CCSM3.0模式的模拟结果，对20世纪全球季风降水的变化趋势和不同外强迫对它的可能影响进行探讨.本文将从以下五个方面进行讨论：首先探讨CCSM3.0气候系统模式对全球季风降水的模拟情况(第2节)；然后定义全球季风指数(GMI)并用其分析20世纪全球季风降水的趋势变化特征(第3节)；第4节，讨论不同外强迫对20世纪全球季风降水变化趋势的可能影响；第5节探讨20世纪全球季风降水趋势增加的可能机制.最后，第6节里我们将总结主要的结论.
1 模式、资料和方法 1.1 模式介绍CCSM3.0模式(Community Climate System Model)是由美国国家大气研究中心(NCAR)开发的气候系统模式，可以用于重构地球气候系统的过去和预估未来的气候变异，并可探讨自然强迫和人类活动对地球气候系统的影响.多年来，此模式已被广泛地应用于海洋与气候研究的各个领域，特别是在IPCC第4次评估报告中占重要地位(陈幸荣等，2011).CCSM3.0模式由大气(CAM)、海洋(POP)、陆地(CLM)、海冰(CSIM)和耦合器(CPL)五个模块组成(具体模块介绍可访问网页http://www-pcmdi.llnl.gov/ipcc/model_documentation/CCSM3.htm)，利用耦合器实现大气、陆地、海洋和海冰间的数据交换，并且可以在2种不同的模式分辨率T42_gx1v3与T31_gx3v4下运行.
1.2 资料和方法 1.2.1 模式资料采用耦合模式NCAR CCSM3.0的20世纪气候模拟试验(20C3M)结果.20C3M试验采用IPCC AR4提供的历史大气辐射强迫场，包括了自然因子(太阳辐射、火山气溶胶)和人类活动因子(温室气体、硫酸盐气溶胶、黑碳气溶胶、臭氧等)(Zhou and Yu，2006).CCSM3.0模式的模拟时段为1870-1999年，本文选取1900-1999年的结果进行分析.这些模拟结果来源于https://www.earthsystemgrid.org/project/ccsm.html.本文采用了其中7组试验如表 1所示.
|
表 1 数值试验方案介绍 Table 1 Schemes of numerical experiments |
本文使用的降水观测资料为GPCP逐月降水资料(Huffman et al.，1997；Adler et al.，2003).该资料是全球降水气候计划(the Global Precipitation Climatology Project)利用全球 6000 多个测站的常规观测资料和少量的卫星资料，通过卫星反演降水与地面站点观测降水合并计算集成的月降水量资料，本文使用的是其第二版，时间为1979年开始到1999年，空间分辨率为 2.5°×2.5°.
1.2.3 方法为了便于对降水率进行点对点的比较，采用双线性插值法将CCSM3.0模拟数据插值为GPCP相应的2.5°×2.5°格点上.由于季风的研究涉及到冬夏的对比，冬季跨越了两个年份，故本文采用了季风年的概念，即一个季风年从当年5月到次年4月.本文涉及到的统计方法有：空间相关系数和均方根误差分析(魏凤英，1999)、Mann-Kendall((M-K))法进行趋势检验(Mann，1945)、趋势EOF分析(Hannachi，2007).
趋势EOF(Trend-EOF)分析方法是一种通过非线性转换技术系统地从各点时空数据中提取趋势变化模态的新方法.该方法类似于普通EOF方法对协方差矩阵进行本征分解(Obukhov，1947；Lorenz，1956)，只不过该协方差矩阵事先进行了反秩处理，该方法最突出的特征是即使趋势信号较小时也能较好地从非趋势信号中分离出趋势信号，能够投射趋势信号到单一气候模态中，它可以弥补线性趋势计算会被高频信号干扰和普通EOF会将趋势信号分散到各个模态中的不足.具体计算方法：气候数据场X=(x1x2…xP)，其中xi=(x1i，x2i，…，xni)T表示时间t=1，…，n和空间点i=1，…，p的数据矩阵.为了提取趋势信号，每个格点的数据首先被排序(例如升序).然后，得到排序数据在最初的数据中的位置函数(反秩).这些反秩组成了新的反秩数据矩阵P=(p1p2…pp).接着，本征分析应用到反秩协方差矩阵${{\Gamma }_{\text{T}}}\text{=}\frac{1}{n}{{Q}^{\text{T}}}{{H}^{\text{T}}}HQ$，其中$H=\left( {{I}_{n}}-\frac{1}{n}{{I}_{n}}I_{n}^{\text{T}} \right)$用于去除各个格点的平均值，In是n×n单位矩阵，In=(1，1，…，1)T.(Hannachi，2007)
1.3 季风指数本文中所研究的全球季风区采用Wang和Ding(2008)定义的AR>2 mm/day且当地夏季降水达全年降水55%以上的区域，其中AR(Annual Range)是降水年较差，指的是冬季和夏季降水的差别，这里AR在北半球为5-9月(MJJAS)减去11~次年3月(NDJFM)的降水，在南半球为NDJFM减去MJJAS的降水.本文的分析区域，统一采用 GPCP 数据根据上述条件定义的季风区(如图 1所示)，它包括了六个季风区：北非季风区(N1)、亚洲季风区(N2)、北美季风区(N3)、南非季风区(S1)、澳大利亚季风区(S2)、南美季风区(S3).
|
图 1 根据GPCP降水资料定义AR>2 mm/day，夏季降水达全年降水的55%以上区域，用阴影区表示 Figure 1 Global monsoon precipitation domain(shaded areas)as defined by the local summer-minus-winter precipitation rate exceeding 2.0 mm/day and local summer precipitation exceeding 55% of the annual total |
本文采用季风区夏季平均降水的强度来衡量季风降水强弱.季风降水的最大特征是冬夏差别很大，即夏季湿润、冬季干燥，而起主导作用的则是夏季降水，因此可以用夏季降水强度来衡量季风降水的强度.北半球夏季(JJA)平均降水量称为“北半球季风指数”(NHMI)，表征北半球季风降水强度；同理，南半球夏季(DJF)平均降水量称为“南半球季风指数”(SHMI)，表征南半球季风降水强度.将NHMI和SHMI 的和称为全球季风指数GMI，表征全球季风降水的强度，即GMI=NHMI+SHMI(Wang and Ding，2006).
2 模式对季风降水的模拟为了考察CCSM3.0模式对降水的描述能力，分析检验了降水的季风模态、全球季风区的划分和1979-1999年全球季风降水的变化趋势.
其中降水的季风模态用JJAS减去DJFM月平均降水来表示，对应太阳位于至日点(冬至、夏至)时的季风模态，是太阳辐射关于赤道反对称模态的一种表现(Wang and Ding，2008)图 2分析比较了GPCP和CCSM3.0全强迫模拟结果下降水气候平均的季风模态空间分布情况，其中GPCP资料被视为实际参考资料.从图中可以看出全强迫结果同GPCP资料间的空间相关系数(PCC)为0.77，均方根误差(RMSE)为1.99 mm/day.其中PCC达到了0.7以上，RMSE小于2 mm/day，说明全强迫对降水季风模态的模拟能力还是很强的.图 3为CCSM3.0模式全强迫模拟结果下的全球季风区，可以发现主要误差出现在海洋季风区上，但全强迫仍较好的模拟出了全球六大季风区.而从全球季风降水变化趋势图(图 4)可以看到在1979-1999年GPCP资料下全球季风降水呈线性增长趋势，CCSM3.0模拟结果下全球季风降水较观测结果的值偏小，但也模拟出了该时期全球季风降水的线性增长趋势.
|
图 2 1979-1999年气候平均的季风降水模态：GPCP(a)，全强迫(b)(单位：mm/day) Figure 2 Comparison of the solstitial mode of global precipitation(1979-1999): (a)GPCP，(b)CCSM3.0_Full Forcing run(mm/day) |
|
图 3 同图 1但资料为CCSM3.0模式模拟结果 Figure 3 Same as in Fig. 1 except for the results derived by the CCSM3.0_Full forcing run |
|
图 4 1979-1999年GMI趋势变化曲线：GPCP(a)(实线参照左侧y坐标系，单位：mm/day)，全强迫(b)(虚线参照右侧y坐标系，单位：mm/day) Figure 4 Times series and linear trends(1979-1999)of the GMI:(a)GPCP(solid line with scale on the left，mm/day)and(b)CCSM3.0_Full Forcing run(dashed line with scale on the right，mm/day) |
CCSM3.0模式全强迫对全球季风模态的模拟效果较好，为我们后续用模式结果分析20世纪全球季风降水的趋势变化特征提供了科学依据.
3 20世纪全球季风降水的变化趋势图 5给出了1900-1999年全球季风指数(GMI)在全强迫试验(CCSM3.0_Full)模拟下的时间序列及其线性趋势线.可以看到20世纪GMI存在明显的线性增长趋势(0.066mm/day/century，通过99%置信度M-K检验)表明在外部强迫的作用下全球季风降水出现了增长趋势.从全球季风降水在20世纪的线性趋势空间分布图(图 6)中也可以发现相同结论，全球季风降水在20世纪整体呈现出增长趋势，但北半球海洋季风区和热带非洲季风区为弱减小趋势.其中陆地季风区在南亚、中国东北、南非南部、澳大利亚和美国西部为增长趋势，在非洲热带区域，美国东部呈减小趋势同Zhang and Zhou(2011)探讨的1901-2001年陆地季风降水变化趋势结果相一致.
|
图 5 1900-1999年全强迫驱动下的GMI时间序列和线性趋势线(单位：mm/day) Figure 5 Times series(1900-1999)of the annual monsoon indexes under the Full forcing run for GMI. The thick solid lines indicate linear trends(mm/day) |
|
图 6 20世纪全球季风降水线性趋势空间分布图(单位：mm/day/century) Figure 6 Linear trend(20 century)maps of global monsoon precipitation.(mm/day/century) |
而从全强迫试验(CCSM3.0_Full)下20世纪全球季风降水趋势EOF第一模态的空间分布和时间序列图(图 7)，可以发现全球季风降水呈增长趋势，其中最强趋势发生空间位于亚洲季风区西部、澳大利亚季风区南部和南美季风区西部.尽管总体上呈正的增长趋势，但弱的负趋势也存在于北半球海洋季风区和热带非洲季风区.其空间分布同线性趋势空间分布(图 6)极为类似，两者之间的空间相关系数高达0.94.图 8为用趋势EOF第一模态重构的趋势EOF的时间序列(方法为用趋势EOF第一模态空间分布的平均值与相应的第一模态时间序列相乘)，可以发现全球季风降水第一趋势EOF模态揭示出20世纪全球季风降水存在明显的增加趋势，其趋势大小为0.066 mm/day/century与图 5中全球季风降水线性趋势大小相当.表明趋势EOF第一模态较好捕获了20世纪全球季风降水长期变化趋势的空间分布和时间演变，且这个长期变化趋势为增长趋势.
|
图 7 20世纪全强迫试验下全球季风降水趋势EOF第一模态的空间分布和时间系数 Figure 7 The first trend-EOF and associated time series of global monsoon precipitation during 20 century under the Full forcing run |
|
图 8 基于趋势EOF第一模态重构的全球季风区平均的全球季风降水时间序列(单位：mm/day) Figure 8 Annual mean time series of global monsoon precipitation anomalies averaged over global monsoon precipitation domain for 1900-1999 reconstructed from the respective trend-EOF1 mode(mm/day) |
图 9为1900-1999年CCSM3.0模式中自然强迫(NAT)和人类活动(ANT)下GMI时间序列及其趋势变化曲线.在自然强迫作用下(图 9a)20世纪全球季风降水呈非常微弱的增长趋势(0.012 mm/day/century)，没有通过相应的M-K检验.而人类活动作用下(图 9b)20世纪全球季风降水呈现明显线性增长趋势(0.043 mm/day/century，通过99%置信度M-K检验).从自然和人类活动下20世纪全球季风降水趋势EOF第一模态的空间分布和时间序列图(图 10)可以看到在自然强迫下除了亚洲季风区、北非季风区和澳大利亚海洋季风区外其余季风区的空间分布同全强迫结果下的空间分布有较大差异，且其时间序列也没有明显的变化趋势.而在人类活动下，六大季风区内(除了北半球海洋季风区、热带非洲季风区和美国东部外)季风降水都呈增长趋势，其空间分布同全强迫结果下的较一致，空间相关系数为0.68，主要差异存在亚洲陆地季风区，其时间序列也呈现出了明显的增长趋势.以上都表明了20世纪全球季风降水的增长趋势主要是由于人类活动造成的.
|
图 9 同图 5但为自然强迫(a)和人类活动强迫(b)驱动(单位：mm/day) Figure 9 Same as in Fig. 5 except for derived by(a)the Natural forcing run and(b)Anthropogenic forcing run(mm/day) |
|
图 10 同图 7但为自然强迫(a)和人类活动强迫(b)驱动 Figure 10 Same as in Fig. 7 except for derived by(a)the Natural forcing run and(b)Anthropogenic forcing run |
而人类活动包括了温室气体(GHG)、硫酸盐气溶胶(SUL)、黑碳气溶胶(BLA)、臭氧(OZO)等外强迫因子，主要是哪个外强迫因子主导人类活动引起20世纪全球季风降水的增长的？图 11为在这四个外强迫驱动下20世纪GMI时间序列及其趋势变化曲线，发现只有温室气体和臭氧强迫下GMI呈线性增长趋势，而硫酸盐气溶胶和黑碳作用下GMI为线性减小趋势.进一步计算了在温室气体强迫下20世纪全球季风降水的变化趋势为0.142 mm/day/century，其通过了99%置信度的M-K检验，而臭氧强迫下的变化趋势为0.044 mm/day/century并没有通过99%置信度M-K检验，故20世纪全球季风降水的线性增加主要是由于温室气体作用造成的.在硫酸盐和黑碳气溶胶作用下20世纪GMI变化趋势分别为-0.153和-0.057 mm/day/century，都通过了99%置信度M-K检验，说明硫酸盐和黑碳气溶胶会减弱全球季风降水在20世纪的增长趋势.从四个强迫下20世纪全球季风降水趋势EOF第一模态的空间分布和时间序列(图 12)可以发现只有在温室气体驱动下的趋势空间分布和时间序列同全强迫(PCC=0.56)和人类活动(PCC=0.64)结果下的较一致，也表明了20世纪全球季风降水的增长趋势主要是由于人类活动中的温室气体影响造成的，且主要是通过温室气体引起亚洲陆地季风区、澳大利亚季风区和南美季风区西部降水的增长造成的.而硫酸盐和黑碳气溶胶作用下的趋势EOF时间序列呈明显的减小趋势，从其空间分布图也可以发现硫酸盐和黑碳气溶胶作用下基本六大季风区内季风降水都呈减少趋势，主要差异在于硫酸盐气溶胶主要引起北半球季风降水的减少，而黑碳气溶胶主要引起南半球季风降水的减少.
|
图 11 同图 5但为温室气体(a)、硫酸盐气溶胶(b)、黑碳气溶胶(c)、臭氧(d)驱动(单位：mm/day) Figure 11 Same as in Fig. 5 except for derived by(a)Greenhouse gas Forcing only and(b)Sulfate direct Forcing only(c)Black carbon Forcing only(d)Ozone Forcing(mm/day) |
|
图 12 同图 7但为温室气体(a)、硫酸盐气溶胶(b)、黑碳气溶胶(c)、臭氧(d)驱动 Figure 12 Same as in Fig. 7 except for derived by(a)Greenhouse gas Forcing only and (b)Sulfate direct Forcing only(c)Black carbon Forcing only(d)Ozone Forcing |
以上分析可以发现20世纪全球季风降水呈明显的增长趋势，其增长趋势主要是由于人类活动中的温室气体造成的，温室气体是如何引起20世纪全球季风降水增长的？Wang et al.(2012)指出影响1979-2008全球季风降水趋势变化的主要原因是由于“东太平洋冷-西太平洋暖”、全球海陆热力差、半球热力差的增大所引起的.在温室气体的作用下20世纪全球季风降水的增长也是这些原因导致的吗？针对这个问题，本文运用温室气体驱动结果给出了纬向海表温度梯度指数(ZSSTGI)、印度-太平洋纬向涛动指数(ZOI)、全球海陆热力差、半球热力差这4个主要因素的曲线趋势变化图(图 14).ZSSTGI=SST(20°S-20°N，160°W-80°W)-SST(40°S-40°N，120°E-160°W)；ZOI=SLP(40°S-40°N，160°W-110°W)-SLP(20°S-20°N，50°E-150°E)；全球海陆热力差指的是在40°S-60°N区域内陆地和海洋的年平均表面温度差(℃)；半球热力差指的是北半球(0~60°N)和南半球(0~40°S)间的年平均表面温度差(℃).
图 13为温室气体驱动下表面温度和海平面气压(SLP)的线性趋势空间分布图.从图 13a可以发现全球海表温度在20世纪呈一致增长趋势，但西太平洋的增长趋势明显大于东太平洋，从相应的ZSSTGI时间系数图(图 14a)可以看到它呈现出明显的减小趋势.对应的SLP变化趋势(图 13b)则显示了东太平洋SLP的增长和东半球热带地区或者说是热带印度洋地区SLP的减弱，对应的ZOI时间系数图(图 14a)也发现了其明显的增长趋势.从表 2可以发现ZSSTI和ZOI的变化趋势都是通过99%M-K检验的，以上都体现出了“东太平洋冷-西太平洋暖”这一形势呈增长趋势.而横跨在太平洋上的“东太平洋冷-西太平洋暖”增长趋势诱发东太平洋上SLP的增长，此处有两个副热带高压横跨赤道两侧，它们交互作用增强联系，传输和合并水汽进入东半球季风区域从而导致全球季风降水的增长.由图 13a可以看到，陆地的温度明显暖于海洋且北半球也较南半球暖.这是因为海洋的比热容比陆地大，所以海洋较陆地加热缓慢，而北半球的陆地面积远大于南半球所以北半球比南半球更暖.从海陆热力差和半球热力差的时间系数图(图 14b)可以看到两者都呈增长趋势，且从表 2可以发现两者的变化趋势都是通过99%置信度M-K检验.海陆热力差的增长有助于提高全球季风的活力，增大季风低压使得相应水汽辐合，而半球热力差的增长会增加越赤道的气压梯度导致低层越赤道气流从南半球传输至北半球从而增长北半球季风，导致全球季风降水的增长(Wang et al.，2012).
|
图 13 20世纪温室气体驱动下(a)表面温度(单位：Deg/century)(b)海平面气压(单位：hPa/century)线性趋势空间分布图 Figure 13 Linear trend(20 century)maps of(a)surface temperature(Deg/century)and(b)sea-level pressure(SLP)(hPa/century) |
|
图 14 20世纪温室气体驱动结果下(a)ZSSTGI(实线参照左侧y坐标系，单位：℃)和ZOI(虚线参照右侧y坐标系，单位：hPa)时间序列曲线及其线性趋势线，(b)全球海陆热力差(实线参照左侧y坐标系，单位：℃)和半球热力差(虚线参照右侧y坐标系，单位：℃)时间序列曲线及其线性趋势线 Figure 14 Times series and linear trends(20century)of the(a)ZSSTGI(solid line with scale on the left，℃)and ZOI(dashed line with scale o the right，hPa).(b)global land-ocean thermal contrast(solid line with scale on the left，℃)and hemispherical thermal contrast(dashed line with scale o the right，℃) |
|
|
表 2 海陆热力差、半球热力差、ZSSTGI和ZOI的趋势变化(20世纪)及相应的M-K显著性检验 Table 2 Trends(20 century)of global land-ocean thermal contrast，hemispherical thermal contrast，ZSSTGI and ZOI and their confidence levels determined by the Mann-Kendall rank statistics(MK)tests |
本文基于CCSM3.0气候系统模式分析了不同外强迫对20世纪全球季风降水变化趋势的影响，得到以下结论：
1) 全强迫驱动CCSM3.0模式模拟结果可以较真实地反映降水的季风模态、全球六大季风区和1979-1999年全球季风降水的趋势变化情况，这为采用模式结果分析20世纪全球季风降水的趋势变化特征提供了科学依据.
2) 全球季风降水在20世纪呈线性增长趋势.最强增长趋势位于亚洲季风区西部、澳大利亚季风区南部和南美季风区西部.尽管总体上呈正的增长趋势，但弱的负趋势也存在于北半球海洋季风区和热带非洲季风区上.
3) 全球季风降水在20世纪增长趋势主要是由于人类活动作用结果，并且主要是人类活动中的温室气体因子导致的.温室气体主要通过影响亚洲陆地季风区、澳大利亚季风区和南美季风区西部降水的增长而引起全球季风降水的增长.自然强迫作用下也会引起20世纪全球季风降水的增加，但增长趋势并不明显(没有通过显著性检验).而硫酸盐和黑碳气溶胶的作用会减缓20世纪全球季风降水的增长趋势，它们会引起全球季风降水的减少，主要差异在于硫酸盐气溶胶主要引起北半球季风降水的减少，而黑碳气溶胶主要引起南半球季风降水的减少.
4) 温室气体的作用会导致 “东太平洋冷-西太平洋暖”、全球海陆热力差和半球热力差的增大，“东太平洋冷-西太平洋暖”会诱发东太平洋上SLP的增长，使得水汽传输和合并进入东半球季风区域从而导致全球季风降水的增长.而海陆热力差的增长有助于提高全球季风的活力，半球热力差的增长会增加越赤道的气压梯度导致低层越赤道气流从南半球传输至北半球从而增加全球季风降水.
6.2以上结论讨论的是不同外强迫对20世纪全球季风降水趋势的影响，而在研究过程中发现了全球季风降水的变化同全球气温的变化有很密切的联系(图略).从以往研究可知，20世纪全球气温变化主要有三个特征时段的变化趋势，分别是1911-1940和1971-1999年的增长趋势和1941-1970的减少趋势(满文敏等，2012).全球季风降水在这三个时段是否有一致的变化趋势？若有的话这三个时段的变化趋势分别是由哪个外强迫因子造成的？还有待深入探讨.
致谢 感谢审稿专家提出的修改意见和编辑部的大力支持！| [] | Adler R F, Huffman G J, Chang A, et al .2003. The version-2 global precipitation climatology project (GPCP) monthly precipitation analysis (1979-present)[J]. Journal of Hydrometeorology, 4 (6) : 1147–1167. DOI:10.1175/1525-7541(2003)004<1147:TVGPCP>2.0.CO;2 |
| [] | Brohan P, Kennedy J J, Harris I, et al .2006. Uncertainty estimates in regional and global observed temperature changes:A new data set from 1850[J]. Journal of Geophysical Research, 111 (D12) . DOI:10.1029/2005JD006548 |
| [] | Chase T N, Knaff J A, Pielke Sr R A, et al .2003. Changes in global monsoon circulations since 1950[J]. Natural Hazards, 29 (2) : 229–254. DOI:10.1023/A:1023638030885 |
| [] | Chen X R, Wang Z G, Chao J P, et al .2011. Decadal variability in the Pacific as simulated by CCSM3[J]. Acta Oceanologica Sinica (in Chinese), 33 (5) : 23–31. |
| [] | Dong L, Zhou T J .2014. Contributions of natural and anthropogenic forcings to the twentieth-century Pacific sea surface temperature variability simulated by a climate system model[J]. Acta Oceanologica Sinica (in Chinese), 36 (3) : 48–60. |
| [] | Hannachi A .2007. Pattern hunting in climate:A new method for finding trends in gridded climate data[J]. International Journal of Climatology, 27 (1) : 1–15. DOI:10.1002/(ISSN)1097-0088 |
| [] | Hsu P C, Li T, Wang B .2011. Trends in global monsoon area and precipitation over the past 30 years[J]. Geophysical Research Letters, 38 (8) . DOI:10.1029/2011GL046893 |
| [] | Hsu P C, Li T, Luo J J, et al .2012. Increase of global monsoon area and precipitation under global warming:A robust signal[J]. Geophysical Research Letters, 39 (6) . DOI:10.1029/2012GL051037 |
| [] | Huffman G J, Adler R F, Arkin P, et al .1997. The global precipitation climatology project (GPCP) combined precipitation dataset[J]. Bulletin of the American Meteorological Society, 78 (1) : 5–20. DOI:10.1175/1520-0477(1997)078<0005:TGPCPG>2.0.CO;2 |
| [] | Kim H J, Wang B, Ding Q H .2008. The global monsoon variability simulated by CMIP3 coupled climate models[J]. Journal of Climate, 21 (20) : 5271–5294. DOI:10.1175/2008JCLI2041.1 |
| [] | Lee J Y, Wang B .2014. Future change of global monsoon in the CMIP5[J]. Climate Dynamics, 42 (1-2) : 101–119. DOI:10.1007/s00382-012-1564-0 |
| [] | Li H M, Dai A G, Zhou T J, et al .2010. Responses of East Asian summer monsoon to historical SST and atmospheric forcing during 1950-2000[J]. Climate Dynamics, 34 (4) : 501–514. DOI:10.1007/s00382-008-0482-7 |
| [] | Lin R P, Zhou T J, Xue F, et al .2012. The global monsoon variability revealed by NCEP/NCAR reanalysis data[J]. Chinese Journal of Atmospheric Sciences (in Chinese), 36 (5) : 1027–1040. |
| [] | Liu J, Wang B, Ding Q H, et al .2009. Centennial variations of the global monsoon precipitation in the last millennium:Results from ECHO-G model[J]. Journal of Climate, 22 (9) : 2356–2371. DOI:10.1175/2008JCLI2353.1 |
| [] | Liu J, Wang B, Yim S Y, et al .2012. What drives the global summer monsoon over the past millennium[J]. Climate Dynamics, 39 (5) : 1063–1072. DOI:10.1007/s00382-012-1360-x |
| [] | Lorenz E N .1956. Empirical orthogonal functions and statistical weather prediction[J]. Cambridge:Statistical Forecasting Project Department of Meteorology, 409 (2) : 997–999. |
| [] | Man W M, Zhou T J .2014. Response of the East Asian summer monsoon to large volcanic eruptions during the last millennium[J]. Chinese Science Bulletin, 59 (31) : 4123–4129. DOI:10.1007/s11434-014-0404-5 |
| [] | Man W M, Zhou T J, Jungclaus J H .2014. Effects of large volcanic eruptions on global summer climate and East Asian monsoon changes during the last millennium:Analysis of MPI-ESM simulations[J]. Journal of Climate, 27 (19) : 7394–7409. DOI:10.1175/JCLI-D-13-00739.1 |
| [] | Man W M, Zhou T J, Zhang L X, et al .2012. Contributions of natural and anthropogenic forcings in twentieth-century temperature change:Results from LASG/IAP climate system model FGOALS_gl[J]. Chinese Journal of Geophysics (in Chinese), 55 (2) : 372–383. DOI:10.6038/j.issn.0001-5733.2012.02.002 |
| [] | Mann H B .1945. Nonparametric tests against trend[J]. Econometrica, 13 (3) : 245–259. DOI:10.2307/1907187 |
| [] | Meehl G A, Arblaster J M, Collins W D .2008. Effects of black carbon aerosols on the Indian monsoon[J]. Journal of Climate, 21 (12) : 2869–2882. DOI:10.1175/2007JCLI1777.1 |
| [] | Menon S, Hansen J, Nazarenko L, et al .2002. Climate effects of black carbon aerosols in China and India[J]. Science, 297 (5590) : 2250–2253. DOI:10.1126/science.1075159 |
| [] | Obukhov A M .1947. Statistically homogeneous random fields on a sphere[J]. Uspekhi Matematicheskikh Nauk, 2 (2) : 196–198. |
| [] | Qian W H, Lu B .2010. Periodic oscillations in millennial global-mean temperature and their causes[J]. Chinese Science Bulletin, 55 (32) : 4052–4057. |
| [] | Shen X Y, Chen M C, Wang Y, et al .2013. Direct climate effect of anthropogenic aerosol on South Asian summer monsoon[J]. Plateau Meteorology (in Chinese), 32 (5) : 1280–1292. |
| [] | Suppiah R .1995. The Australian summer monsoon:CSIRO9 GCM simulations for 1×CO2 and 2×CO2 conditions[J]. Global and Planetary Change, 11 (3) : 95–109. DOI:10.1016/0921-8181(95)00004-6 |
| [] | Wang B, Ding Q H .2006. Changes in global monsoon precipitation over the past 56 years[J]. Geophysical Research Letters, 33 (6) . DOI:10.1029/2005GL025347 |
| [] | Wang B, Ding Q H .2008. Global monsoon:Dominant mode of annual variation in the tropics[J]. Dynamics of Atmospheres and Oceans, 44 (3-4) : 165–183. DOI:10.1016/j.dynatmoce.2007.05.002 |
| [] | Wang B, Liu J, Kim H J, et al .2012. Recent change of the global monsoon precipitation (1979-2008)[J]. Climate Dynamics, 39 (5) : 1123–1135. DOI:10.1007/s00382-011-1266-z |
| [] | Wei F Y .1999. Modern Climatic Statistical Diagnosis and Prediction Technology (in Chinese)[M]. Beijing: China Meteorological Press . |
| [] | Whetton P H, Pittock A B, Haylock M R, et al .1994. An assessment of possible climate change in the Australian region based on an intercomparison of general circulation modeling results[J]. Journal of Climate, 7 (3) : 441–463. DOI:10.1175/1520-0442(1994)007<0441:AAOPCC>2.0.CO;2 |
| [] | Zhang L X, Zhou T J .2011. An assessment of monsoon precipitation changes during 1901-2001[J]. Climate Dynamics, 37 (1-2) : 279–296. DOI:10.1007/s00382-011-0993-5 |
| [] | Zhang L X, Zhou T J .2014. An assessment of improvements in global monsoon precipitation simulation in FGOALS-s2[J]. Advances in Atmospheric Sciences, 31 (1) : 165–178. DOI:10.1007/s00376-013-2164-6 |
| [] | Zhao L, Xu Y, Wang J S, et al .2011. Progress in studies on the influence of solar activity on climate change during the last 100 years[J]. Advances in Meteorological Science and Technology (in Chinese), 1 (4) : 37–48. |
| [] | Zhou T J, Yu R C .2006. Twentieth-century surface air temperature over China and the globe simulated by coupled climate models[J]. Journal of Climate, 19 (22) : 5843–5858. DOI:10.1175/JCLI3952.1 |
| [] | Zhou T J, Yu R C, Li H M, et al .2008a. Ocean forcing to changes in global monsoon precipitation over the recent half-century[J]. Journal of Climate, 21 (15) : 3833–3852. DOI:10.1175/2008JCLI2067.1 |
| [] | Zhou T J, Zhang L X, Li H M .2008b. Changes in global land monsoon area and total rainfall accumulation over the last half century[J]. Geophysical Research Letters, 35 (16) . DOI:10.1029/2008GL034881 |
| [] | Zwiers F W, Kharin V V .1998. Changes in the extremes of the climate simulated by CCC GCM2 under CO2 doubling[J]. Journal of Climate, 11 (9) : 2200–2222. DOI:10.1175/1520-0442(1998)011<2200:CITEOT>2.0.CO;2 |
| [] | 陈幸荣, 王彰贵, 巢纪平, 等.2011. CCSM3对太平洋年代际振荡的敏感性试验[J]. 海洋学报, 33 (5) : 23–31. |
| [] | 董璐, 周天军.2014. 20世纪太平洋海温变化中人为因子与自然因子贡献的模拟研究[J]. 海洋学报, 36 (3) : 48–60. |
| [] | 林壬萍, 周天军, 薛峰, 等.2012. NCEP/NCAR再分析资料所揭示的全球季风降水变化[J]. 大气科学, 36 (5) : 1027–1040. |
| [] | 满文敏, 周天军, 张丽霞, 等.2012. 20世纪温度变化中自然变率和人为因素的影响:基于耦合气候模式的归因模拟[J]. 地球物理学报, 55 (2) : 372–383. DOI:10.6038/j.issn.0001-5733.2012.02.002 |
| [] | 沈新勇, 陈明诚, 王勇, 等.2013. 人为气溶胶的直接气候效应对南亚夏季风影响的研究[J]. 高原气象, 32 (5) : 1280–1292. |
| [] | 魏凤英.1999. 现代气候统计诊断与预测技术[M]. 北京: 气象出版社 . |
| [] | 赵亮, 徐影, 王劲松, 等.2011. 太阳活动对近百年气候变化的影响研究进展[J]. 气象科技进展, 1 (4) : 37–48. |