应用气象学报  2013, 24 (5): 565-575   PDF    
广西夏季降水的多时间尺度特征及影响因子
覃志年1, 胡娅敏2,3, 陈丽娟4     
1. 广西壮族自治区气候中心,南宁 530022;
2. 广东省气候中心,广州 510080;
3. 广东省广州市气候与农业气象中心,广州 510080;
4. 国家气候中心 中国气象局气候研究开放实验室,北京 100081
摘要: 利用1951—2011年广西夏季降水站点资料和NCEP/NACR等多种再分析资料,通过相关分析、经验模态分解、统计检验分析了广西夏季降水的多时间尺度特征及其影响因子,利用多元线性回归方法对夏季降水进行拟合和预测试验。结果显示:广西夏季降水具有多时间尺度特征,不同时间尺度对应着环流因子不同时间尺度的分量;在准2年尺度上,主要影响因子为季风槽、低空急流、高空急流、贝加尔湖高度场、南印度洋东部海温。利用对广西夏季降水影响显著的环流因子本征模态函数分量和多元线性回归方法拟合夏季降水,相关系数为0.73,表明广西夏季降水是环流因子多时间尺度共同作用的结果。利用前期冬季南印度洋东部海温异常本征模态函数作为前兆因子预报广西夏季降水,6个独立样本检验显示预测与实况趋势一致,该工作可供利用多时间尺度信息进行区域气候预测参考。
关键词: 夏季降水    多时间尺度    经验模态分解    本征模态函数    
The Multi-timescale Features for Guangxi Summer Precipitation and the Related Predictors
Qin Zhinian1, Hu Yamin2,3, Chen Lijuan4     
1. Guangxi Climate Center, Nanning 530022;
2. Guangdong Provincial Climate Center, Guangzhou 510080;
3. Guangzhou Climate and Agricultural Meteorology Center of Guangdong Province, Guangzhou 510080;
4. Laboratory for Climate Studies, National Climate Center, CMA, Beijing 100081
Abstract: Based on NCEP/NACR reanalysis data and Guangxi summer precipitation (GSP) station data, using the correlation analysis, composite analysis, empirical orthogonal function (EOF), empirical mode decomposition (EMD), abrupt change test and the statistic significant test methods, GSP multi-timescale characteristics and their related circulation as well as the external forcing features are analyzed. According to the diagnostic analysis, the fitting and the prediction equation of GSP are proposed by the multivariate linear regression method. GSP is mainly influenced by the mid-latitude height field anomaly in Lake Baikal region, the subtropical high and monsoon trough (MonTr) in the subtropical region, the low level jet (LLJ) and upper level jet (ULJ) in the same season, as well as the sea surface temperature (SST) anomaly in the eastern of the South Indian Ocean in the pre-winter and pre-spring. The possible physical concept model for GSP is that, when MonTr, LLJ, and the easterly to the south of the subtropical high (ESTH) occur at 850 hPa wind field, the blocking high (BH) over Lake Baikal at 500 hPa potential height, as well as ULJ over South China at 200 hPa wind field are stronger (weaker) than normal, and the subtropical high ridge location is northward (southward) to its normal position, the rainfall is more. The influences of circulation may impact summer rainfall anomaly through the multi-timescale features. Using EMD method, there are 5 principle modes for the summer rainfall. The variance contributions from the first to the fourth intrinsic mode function (IMF1—IMF4) are 55%, 18%, 12% and 12%, respectively. The periods over the statistic significant test are quasi-2 years, 7.6 years, 12.7 years and 19 years. On the scale of quasi-2 years, the summer rainfall is affected by the corresponding IMF1 components of the MonTr, LLJ, ULJ, BH over Lake Baikal, SST anomaly in the east of the South Indian Ocean. The summer rainfall has high relationship with the other influenced indexes on the different time scales. Using IMF1—IMF4 components of circulation factors and the multivariate linear regression method, the summer precipitation equation is fitted. The results show that the multiple correlation coefficients reach 0.73 with the significant level over 0.05. The tests verify that the summer precipitation is really influenced by the multi-timescale components of different factors. Furthermore, based on the IMFs of SST anomaly in the east of southern Indian in winter, the prediction model of the summer precipitation is constructed by the multivariate linear regression method. The trends of the 6 independent sample tests are accord with that of the observation. This method provides an idea in the regional climate prediction based on the multi-timescale features of predictant and predictor.
Key words: the summer precipitation     multi-timescale features     empirical mode decomposition (EMD)     intrinsic mode function (IMF)    
引言

夏季降水异常会导致区域性干旱或洪涝等自然灾害发生,因而政府和公众极为关注夏季各地降水量的预测。广西位于旱涝灾害频发的华南地区,其夏季降水量占年降水量的47.5%,开展广西夏季降水量研究有重要的应用价值。近10年,很多学者从降水异常成因、旱涝分布规律与环流特征、客观预报方法等多方面对广西夏季降水量异常进行预测研究[1-4],这些研究多基于降水序列本身或平滑后的新序列进行。而气象要素序列多具有非平稳和非线性特征,因此需要对其具有的多时间尺度特征进行分析和再应用,该领域已取得一系列进展,其中经验模态分解 (empirical mode decomposition,EMD) 能有效提取气象要素序列非平稳和非线性过程中的有用信息,使其平稳化。EMD方法应用范围较广,包括气温[5-12]、降水[12-13]、降水日数[14-15]、波流相互作用[16]、季节内振荡[17]、海平面高度[18]、海表温度[19-20]、成灾面积[21-22]等等,首先基于EMD方法进行多时间尺度分离,然后对要素序列进行周期分析或趋势分析。万仕全等[23]、邹明玮[24]、玄兆燕等[5, 25]和毕硕本等[26]进一步将该方法应用到预测研究中,结果表明,经过EMD分解后的本征模态函数主分量有较高的可预测性,它对原序列趋势的预测有重要指示意义。玄兆燕等[5, 25]采用EMD和神经网络方法相结合对石家庄的气温和降水进行预测,结果显示:EMD方法降低了被预测信号中的非平稳性,预测精度较直接用神经网络有明显提高。这些尝试为气候预测开辟了一条有效途径。

已有研究主要是对要素序列尺度分离后,进行周期和趋势分析,或基于分离后的本征模态函数分量,采用数理统计方法进行拟合或预测。事实上,深入了解预测对象的影响因子和影响机制,对于提高预报对象的准确率更具实际意义,有利于深入认识造成不同时间尺度气象要素异常的物理机制。本文基于EMD方法对广西夏季降水进行尺度分离,着重分析可能引起降水不同时间尺度变化的环流因子和外强迫因子,并从多时间尺度角度来研究导致广西夏季降水异常的可能物理机制,建立相应的预测模型,以提高广西夏季降水的短期气候预测能力。

1 资料和方法

本文所用资料包括广西气候中心提供的1951-2011年夏季 (6-8月) 广西88个气象站降水量资料;NCEP/NCAR 1951年1月-2011年12月逐日再分析资料[27],水平分辨率为2.5°×2.5°; ERSST.v3(extended reconstructed sea surface te-mperatures version 3)1951年1月-2011年12月海温资料,水平分辨率为2°×2°;NOAA-CIRES 20th century reanalysis version 2 1951年1月-2010年12月逐日积雪资料 (高斯格点);CPC soil moisture version 2 1951年1月-2010年12月逐月土壤湿度资料,水平分辨率为1°×1°。

此外,根据文章分析需要,采纳已有研究成果和相关分析等方法定义了几个影响夏季降水的关键环流因子。包括西太平洋副热带高压 (简称副高) 脊线位置[28];贝加尔湖阻高强度指数,为45°~55°N,110°~130°E区域500 hPa平均位势高度;季风槽指数,为15°~20°N,80°~90°E区域850 hPa风场平均风速;低空急流指数,为18°~25°N,110°~120°E区域850 hPa风场平均风速;副高南侧偏东气流指数为副高南侧18°~25°N,110°~120°E区域850 hPa风场平均风速;高空急流指数是20°~25°N,90°~110°E区域200 hPa风场平均风速;海温指数取20°~30°S,95°~110°E区域平均海表温度;后6个指数的选取方法见第3章,指数在使用时均进行了标准化处理,气候值均选取1981-2010年平均。

本文采用相关分析、合成分析、功率谱、带通滤波、突变检验、统计显著性检验、经验正交函数分析 (EOF)、EMD等方法[29]对资料进行处理和多时间尺度分离。其中EMD方法可对非线性非平稳信号逐级进行平稳化处理,即可将不同周期的波动从原信号中分离出来,并且该波动是平稳的,不同尺度的波动被定义成为本征模态函数 (Intrinsic Mode Function,IMF),不同的IMF分量是平稳信号,具有显著的缓变波包特性[29]。以下分别用IMFn表示第n个本征模态函数。

2 广西夏季降水的多时间尺度特征

首先对1951-2011年广西夏季站点降水资料进行EOF分析,空间第1模态为全区一致型,解释了总方差的45.8%,而桂北和桂南地区呈现相反符号的第2模态仅解释总方差的10.4%,反映了广西地区降水变化具有显著的全区一致性特征。将第1模态对应的时间系数与原降水做相关计算,得到相关系数为0.98,因此将广西地区的夏季降水作为一个整体考虑比较合理。

本文取全区夏季降水的累积距平百分率作为降水指数,计算方法如下:

(1)

式 (1) 中,Rjj年全区累积降水距平百分率; j为年份序号,即1951, 1952,……,2011,rji为第i个站j年夏季降水量,ri为第i个站1981-2010年夏季平均降水量,i=1, 2, 3, ……, 88,共计88个站。

对1951-2011年的广西累积降水距平百分率进行EMD分解,得到5个IMF分量和1个趋势项,IMF1~IMF5各分量通过0.05显著性水平的周期分别为2年、7.6年、12.7年、19年和38年,这些周期与江淮梅雨的2~3年、6~8年、12~15年和18~20年周期特征相近[30]。其中IMF1~IMF4分量方差贡献分别为55%,18%,12%,12%。计算IMF各分量与原序列相关系数,并利用功率谱进行周期分析 (红噪音标准谱的显著性水平为0.05),IMF1与原序列相关系数为0.71,前3个IMF分量合成与原序列相关高达0.92,即在IMF1分量中加入7.6年和12.7年周期的IMF2和IMF3分量,合成效果更好,多时间尺度合成信息将更接近于原序列。

3 影响广西夏季降水的环流因子和外强迫信号

广西 (22°~26°N, 105°~112°E) 为中高纬度环流和低纬度环流、西太平洋和印度洋水汽输送、东南季风和西南季风交汇的过渡区,因而广西降水的影响因子复杂,其中,导致降水异常的直接原因是同期大气环流异常。分别计算夏季降水与对流层低层 (以850 hPa风场为代表)、中层 (以500 hPa高度场为代表) 和高层 (以200 hPa风场为代表) 的相关 (图 1),可以看到,降水与850 hPa风场的正相关区主要位于阿拉伯海-孟加拉湾-南海北部的低纬度地区,与500 hPa高度场的正相关区主要位于贝加尔湖附近的中纬度地区,与200 hPa风场的负相关区主要位于华南-中南半岛北部的低纬度地区。夏季850 hPa南亚季风槽偏强、孟加拉湾低空急流偏强、副高南侧的偏东气流偏强,同时500 hPa贝加尔湖高度场为正距平,200 hPa华南上空的东风急流偏强,则广西夏季降水易偏多;反之亦然。

图 1. 广西夏季降水与同期850 hPa风场 (a)、500 hPa高度场 (b)、200 hPa风场 (c) 和2月海温 (d) 的相关分布 (阴影区显示达到0.05显著性水平) Fig 1. The correlation coefficients of Guangxi summer precipitation to 850 hPa wind field (a), 500 hPa geopotential height (b), 200 hPa wind field (c) and SST in February (d) (the shaded denotes passing the test of 0.05 level)

选取通过0.05显著性水平的区域平均特征作为环流因子,主要包括850 hPa季风槽区 (15°~20°N, 80°~90°E) 可表征孟加拉湾水汽输送特征;低空急流区 (18°~25°N, 110°~120°E) 可表征华南水汽输送特征;副高南侧偏东气流区 (18°~25°N, 110°~120°E) 可表征西太平洋水汽输送特征;500 hPa贝加尔湖阻塞高压区 (45°~55°N, 110°~130°E) 可表征中纬度环流经向度及冷空气活动条件;200 hPa华南高空急流区 (20°~25°N, 90°~110°E) 可表征对流层辐合系统的深厚性。

降水除受到大气环流变率的直接影响外,外强迫因子的变化也会造成大气环流和降水异常。分别计算广西夏季降水指数与前期冬春季及同期夏季海温、土壤湿度、青藏高原积雪等的相关,寻找影响广西夏季降水的前兆信号。

广西夏季降水与前期2月海温相关场中,在南印度洋东部、澳大利亚西部海域呈显著负相关 (图 1d),根据文献[31]可知,春季南半球中纬度印度洋区域海温偏低,南半球马斯克林高压和澳大利亚高压环流增强,会导致南半球越赤道气流加强,南亚夏季风增强,水汽输送增强,从而有利于广西降水偏多。选择通过0.05显著性水平检验的相关区 (30°~20°S,95°~110°E) 作为海温指数。

广西夏季降水与前期春季 (3~5月) 华南地区土壤湿度为负相关,但未通过显著性检验,与夏季 (6~8月) 土壤湿度为正相关,通过显著性检验 (图略)。这说明春季土壤湿度对夏季降水的影响比较复杂,而夏季降水偏多与土壤偏湿的关系很明显,因此土壤湿度很难作为广西夏季降水异常的先兆信号。

广西夏季降水与上一年12月青藏高原雪盖为负相关,但未通过显著性检验。与欧亚中纬度局部地区雪盖呈弱正相关 (图略),研究指出[32]:冬季欧亚积雪异常偏多时,副热带高压脊线北跳偏迟,广西地区6月处在副热带高压北侧,易多雨;7月受副热带高压脊控制,易少雨;8月副热带高压北跳,又处于其南侧,受季风槽和热带辐合带影响,局地易有洪涝。但本文的相关分析显示积雪异常信号并未通过显著性检验,说明积雪对广西夏季降水的影响还存在较大不确定性。

初步分析表明,由于积雪、土壤湿度和热带太平洋海温异常对广西夏季降水异常影响不显著,而南印度洋东部海温异常的影响比较显著,因此可利用该区域海温信息作为预测因子进行应用分析。

4 广西夏季降水和影响因子的多时间尺度特征 4.1 年代际尺度特征

对广西夏季降水距平百分率采用滑动t检验、Mann-Kendall方法和Yamamoto方法进行突变检验,得到广西夏季降水在20世纪80年代初、90年代初分别发生1次突变。选取1983-1992年作为广西夏季降水偏少期,1993-2002年为降水偏多期,两者相减得到广西夏季降水的年代际变化[33-34]信息。

多雨期与少雨期夏季500 hPa高度场差值图 (图 2a) 表明,在欧亚中高纬度地区为西低东高形势,在乌拉尔山地区为深槽,贝加尔湖地区为强高压控制,这种环流型有利于冷空气在乌拉尔山堆积,同时贝加尔湖阻塞高压易导致西风带气流分支,副热带锋区南压,在850 hPa风场中 (图 2b),广西上空为气旋式辐合区,来自于南海和中南半岛的水汽输送路径清晰;在200 hPa风场中 (图 2c),广西处于青藏高原东部到西南气旋式辐合区的东南部,与低层的西南水汽输送路径一致,表现出相当正压结构,这种配置有利于广西夏季降水偏多。

图 2. 多雨期与少雨期夏季500 hPa位势高度场 (单位:dagpm) (a)、850 hPa风场 (b)、200 hPa风场 (c)、2月海温场 (单位:℃) (d) 差值距平 (阴影区表示达到0.05显著性水平) Fig 2. The difference between the rich rain period and the poor rain period in summer for 500 hPa geopotential height (unit:dagpm) (a), 850 hPa wind field (b), 200 hPa wind field (c) and SST in February (unit:℃)(the shaded denotes passing the test of 0.05 level)

多雨期与少雨期海温差值场表现为2月和春季 (图略) 赤道中东太平洋和南印度洋东部海温偏低,而我国东部沿海地区、菲律宾以南的热带西太平洋地区海温偏高。已有研究表明[35-36],菲律宾地区海温偏高,对流偏强,有利于夏季副高北跳偏早,江淮降水偏少;而菲律宾以南对流偏强时,副高偏南偏西,有利于长江以南降水偏多,而广西受副高引导的西太平洋水汽条件的影响,夏季降水易处于偏多期。

4.2 年际尺度特征

计算广西夏季降水距平的标准化值,选取1个标准差作为多雨年和少雨年的标准,则多雨年有1993,1994,1998,2001,2002,2008年,少雨年有1983,1984, 1985, 1989, 1990, 1992年,选取年份与文献[31]一致。用多雨年降水量减去少雨年降水量,得到降水的年际变化[33-34]信息,分析多雨年和少雨年差值的环流合成。

500 hPa差值合成距平图 (图 3a) 显示,在中高纬度地区乌拉尔山为负距平,贝加尔湖地区为正距平,多雨年为西低东高分布,贝加尔湖以南的大范围地区达到0.05显著性水平,表明贝加尔湖地区位势高度场偏强,阻止了冷空气东移,有利于冷空气在乌拉尔山堆积,中高纬度地区以经向型分布为主,冷空气易南下影响广西。由850 hPa水平风场 (图 3b) 可知,广西上空为气旋式环流,其东南侧为强西南风距平,孟加拉湾地区为异常反气旋性环流,其东侧为偏南风分量。西太平洋为反气旋式环流,有利于副高西伸加强。对应的200 hPa风场 (图 3c),青藏高原东部至华南为显著的气旋式环流,广西处于气旋环流的东南侧,西南风偏强。高、中、低层的这种环流配置有利于广西夏季降水偏多,而少雨年的几个关键环流系统配置相反。

图 3. 多雨年与少雨年年际尺度大气环流和外强迫距平分布场 (阴影区表示达到0.05显著性水平) (a) 夏季500 hPa高度场 (单位:gpm),(b) 夏季850 hPa风场,(c) 夏季200 hPa风场,(d)2月海温场 (单位:℃) Fig 3. The circulation and SST anomaly fields between the rich rain year and the poor rain year for 500 hPa geopotential height (unit: gpm) (a), 850 hPa wind field (b), 200 hPa wind field (c), SST in February (unit:℃) (d) (the shaded denotes passing the test of 0.05 level)

由多雨年与少雨年的春季海温差值场 (图 3d) 可知,在热带太平洋没有显著的信息,在我国东部近海地区为正距平,南印度洋东部为显著负距平。这说明ENSO的年际变化对广西夏季降水的影响较为复杂,印度洋可能存在较显著的年际先兆信号。

4.3 年际和年代际时间尺度影响因子的异同

对比图 2图 3可知,引起广西夏季降水异常的年际信号和年代际信号在850 hPa和200 hPa风场的关键环流区域比较一致,季风槽指数、低空急流指数、副高南侧偏东气流指数等的年际和年代际尺度信息接近。500 hPa高度场上,贝加尔湖阻塞高压强度指数和副高脊线位置的年际和年代际尺度的环流分布型略有差异,主要表现在年际信号更显著。海温的年际信号和年代际信号呈现明显不同的特征,年代际显著信号在西太平洋暖池区,而年际显著信号在南印度洋东部地区。

上面从年际和年代际尺度初步分析了广西夏季降水异常所对应的环流和外强迫信号,这些因子在不同尺度上对广西夏季降水异常的相对贡献有待研究,因此挑选与广西夏季降水相关关系达到0.05显著性水平的指数 (表 1) 进行分析。另外增加了实际业务中经常使用的西太平洋副热带高压脊线[28]指数。首先对夏季降水和各指数进行2~9年和10~30年带通滤波,然后计算相关系数,分析它们在年际及年代际尺度上的关联性。可以看出,无论年际尺度还是年代际尺度,有些因子的相关值并不是很高,甚至低于原序列,说明仅有年际和年代际尺度信息还不足以解释广西夏季降水异常。

表 1 各指数与广西夏季降水量的相关系数 Table 1 The correlation coefficients between each index and Guangxi summer precipitation

4.4 广西夏季降水影响因子的多时间尺度特征

上面分析指出仅保留影响因子的年际和年代际信号还不足以代表影响广西夏季降水异常信息,这里利用EMD方法对6种夏季环流指数和2月海温指数进行展开,进而分析各指数的IMF分量与夏季降水各IMF分量间的关系。计算得到多数指数的IMF1均有2~4年周期振荡,这与占方差贡献50%以上的夏季降水的高频振荡相一致,广西夏季降水中第2到第4本征模态与这些指数的同一尺度的模态有着相近的周期 (5~8年、9~13年和19年)。因此,广西夏季降水可能受到这些指数多尺度振荡的影响。

为了进一步探讨各因子与广西夏季降水在多时间尺度上的关系,分别计算各指数的IMF分量与降水IMF分量的相关系数,并将达到0.05显著性水平的高相关因子分量列于表 2,选取方差贡献达10%以上的IMF1~IMF4进行分析。

表 2 各指数的IMF1~IMF4分量与广西夏季降水相应IMF分量的相关系数 Table 2 The correlation coefficients between IMF components of each index and that of Guangxi summer precipitation

影响夏季降水第1个本征模态 (IMF1) 变化的因子较多,与850 hPa的季风槽、低空急流和500 hPa贝加尔湖阻塞高压呈显著正相关,与200 hPa高空急流、副高南侧气流和东印度洋海温呈负相关,同期5个环流因子的合成与夏季降水的IMF1的相关系数为0.64,这说明夏季降水的IMF1在同期受到多种指数相同或相近尺度信息的影响。对比5种环流指数IMF1分量合成与夏季降水的IMF1分量 (图 4a),两者大致吻合。因此,造成夏季降水高频 (即主频) 变化的直接因子可能是850 hPa的季风槽、低空急流、副高南侧偏东气流和500 hPa贝加尔湖阻塞高压强度,以及200 hPa高空急流的高频振荡。即夏季850 hPa季风槽、低空急流和副高南侧的偏东气流偏强 (弱),500 hPa贝加尔湖阻塞高压偏强 (弱),200 hPa华南上空的东风急流偏强 (弱),广西夏季降水易偏多 (少),与4.2节的环流分析一致。另外,若春季南印度洋东部海温偏高,有利于夏季广西降水偏多,这可能与该处海温异常对越赤道气流强弱的影响有关。

图 4. 广西夏季降水IMF1(a), IMF2(b), IMF (3), IMF4(d) 分量 (实线) 与各显著影响环流因子IMF分量合成 (虚线) 对比 Fig 4. The comparisons between IMF1(a), IMF2(b), IMF3(c), IMF4(d) of Guangxi summer precipitation (solid line) and their prominent index (dashed line)

影响夏季降水第2本征模态IMF2变化的因子主要为副高脊线的IMF2(图 4b)。而副高脊线原序列与夏季降水原序列的相关系数仅为-0.14,这说明副高脊线的IMF2分量对夏季降水的IMF2分量有较大影响,其IMF1和IMF3与夏季降水相应的IMF分量周期变化并不同步。表明在6~8年的时间尺度上,夏季副高脊线偏北 (南),广西夏季降水易偏多 (少)。

影响夏季降水第3本征模态IMF3变化的因子有副高南侧偏东气流、高空急流和南印度洋东部海温,这说明夏季降水的IMF3分量主要受到同期高空急流和850 hPa副高南侧气流的IMF3调制,两者相关系数达-0.55。图 4c是副高南侧偏东气流和高空急流的IMF3合成与夏季降水的IMF3分量对比图,可见两者呈反位相关系,尤其是在20世纪70年代初以前和80代年末至21世纪初的反位相关系非常明显。这表明夏季高层东风急流和低层副高南侧偏东气流偏强 (弱) 时,广西夏季降水易偏多 (少)。另外,春季南印度洋东部海温的偏低,有利于后期广西夏季降水偏多,这与4.1节的年代际尺度分析一致。

影响广西夏季降水第4个本征模态IMF4变化的因子主要有季风槽、低空急流、副高南侧偏东气流、高空急流和南印度洋东部海温,其中同期环流因子合成的相关系数均超过0.45。图 4d是4种环流指数IMF4分量合成与夏季降水IMF4的对比,二者位相上基本吻合,但量值有差异。表示在准20年尺度上,夏季季风槽、低空急流和副高南侧偏东气流偏强 (弱),华南上空的东风急流偏强 (弱),有利于广西夏季降水偏多 (少)。印度洋海温信号也表现出对降水的显著影响。

上述分析显示,增加6~8年、准20年尺度信息使广西夏季降水异常的影响因子信息更加全面,各时间尺度上影响因子的IMF分量拟合更接近于降水序列的分量。

5 利用影响因子对广西夏季降水的预测试验

利用环流指数的IMF分量和多元线性回归方程,进行广西夏季降水的拟合和预测试验 (所有变量进行了标准化处理),拟合降水和实况的复相关系数达到0.73,夏季降水的线性回归方程为

(2)

其中,X1n表示季风槽指数IMFn分量的贡献,X2n表示低空急流指数IMFn分量的贡献,X3n表示副高南侧偏东气流指数IMFn分量的贡献,X4n表示贝加尔湖阻塞高压强度指数IMFn分量的贡献,X5n表示高空急流指数IMFn分量的贡献,X6n表示副高脊线指数IMFn分量的贡献。

在0.05显著性水平下,分子自由度为12,分母自由度为48时,F0.05=1.92,统计量值[37]F=4.61>F0.05,上述回归方程是显著的。拟合值与实况值非常吻合 (图 5),说明这些因子是通过多时间尺度的叠加影响广西夏季降水。分别计算广西夏季降水与各影响因子的偏相关系数,达到0.05显著性水平的偏相关因子有低空急流指数IMF1分量 (相关系数为0.45)、贝加尔湖阻塞高压强度指数IMF1分量 (相关系数为0.37)、季风槽指数IMF1分量 (相关系数为0.25)、高空急流指数IMF3分量 (相关系数为-0.42),高空急流指数IMF4分量 (相关系数为-0.35),说明850 hPa的低空急流、季风槽和500 hPa贝加尔湖阻塞高压的准2年周期影响以及高空急流的年代际变化对夏季降水的影响更为显著。该方程表明所选同期环流因子对广西夏季降水有显著影响。

图 5. 采用环流指数因子的IMF分量的线性回归拟合值 (虚线) 与广西夏季降水 (实线) 的对比 Fig 5. The fitness value from the linear regression of IMF components from different indexes (dashed line) and Guangxi summer rainfall (solid line)

此外,利用前期2月南印度洋东部海温指数来构建广西夏季降水的预测模型,采用海温指数的IMF1~IMF4分量与广西夏季降水建立 (n=55) 多元线性回归方程,其复相关系数为0.43,广西夏季降水预测的线性回归方程为

(3)

式 (3) 中,X1~X4分别代表海温指数的IMF1~IMF4分量的贡献。在0.05显著性水平下,分子自由度为4,分母自由度为50时,统计量值[37]F>F0.05,上述回归方程是显著的 (图 6),拟合与实况非常吻合。利用该方程对2006-2011年夏季降水进行了独立样本检验,2006-2011年的预测值 (标准化后) 分别为18.9, -4.9, 3.3, -3.9, -11.9, -28.8;而相应的实况值 (标准化后) 为12.9, -9.3, 23.4, -12, -3, -30.4。即近6年的预测结果与实况同号率完全一致,可见在多时间尺度上,南印度洋东部海温因子可以作为一个显著的前兆信号预测广西夏季降水。

图 6. 采用海温指数因子的IMF分量线性回归拟合值 (虚线) 与广西夏季降水 (实线) 的对比 Fig 6. The fitness value from the linear regression of SST IMF components (dashed line) and Guangxi summer rainfall (solid line)

6 结论和讨论

本文利用广西站点资料和多种再分析格点资料,从年际和年代际尺度出发,获得影响广西夏季降水异常的7个关键指数,由于它们无法从两个时间尺度诠释造成降水异常的全部信息,进而采用EMD方法对指数进行尺度分离,从多时间尺度的角度分析了影响广西夏季降水的主要环流因子和外强迫因子,并尝试利用影响因子的本征模态函数进行广西夏季降水的拟合和预测试验。主要结论如下:

1) 广西夏季降水表现为准2年、7.6年、12.7年、19年和38年的周期特征,即广西夏季降水表现出多时间尺度的特征。

2) 在年际和年代际尺度上,影响广西夏季降水异常的环流型比较一致,即夏季850 hPa季风槽、低空急流和副高南侧的偏东气流偏强 (弱),500 hPa贝加尔湖阻塞高压偏强 (弱),副高脊线偏北 (南),200 hPa华南上空的东风急流偏强 (弱) 时,广西夏季降水易偏多 (少)。前期海温异常信号在年际尺度上位于冬季南印度洋东部,在年代际尺度上位于菲律宾以南的西太平洋暖池区。

3) 影响因子的年际和年代际尺度信息不能解释广西夏季降水异常的全部,对影响因子的进行EMD分解显示各因子的本征模态函数 (IMF) 在不同时间尺度上影响广西夏季降水,影响因子的多时间尺度特征分析有利于理解造成降水异常的因子分量来源。

4) 用影响夏季降水的同期环流因子对应的IMF分量和多元线性回归方程拟合夏季降水,拟合和实况夏季降水的复相关系数高达0.73,说明夏季降水确实受到多种因子的多时间尺度的共同影响。用前期冬季南印度洋东部海温的IMF分量和多元线性回归方法构建广西夏季降水的预测模型,对2006-2011年的独立样本检验表明:预测模型的同号率达100%,说明南印度洋东部海温因子可以作为广西夏季降水预测的前兆信号。

本文利用EMD方法从多时间尺度角度寻找了影响广西夏季降水的同期环流因子及前期外强迫因子,并分析引起降水异常的环流配置。该工作仅为初步诊断分析,还需深入研究广西夏季降水的影响因子的物理演变过程及其对外强迫的响应机制,此外,可以利用动力气候模式对环流预测的高技巧信息[38-39],从动力与统计相结合的角度[40-42]进一步提高夏季降水预测能力。利用印度洋海温指数的预测试验也只是单因子影响结果,而实际大气受到多因子非线性的作用,因此预测模型也需进一步完善。

致谢 感谢国家气候中心刘芸芸高级工程师提供西太平洋副热带高压监测资料。
参考文献
[1] 覃志年, 覃峥嵘. 广西2002年夏季多雨成因分析. 广西气象, 2002, (3): 28–29.
[2] 吴洪宝, 王盘兴, 林开平. 广西夏季降水量潜在可预报性估计. 应用气象学报, 2005, 16, (4): 445–452. DOI:10.11898/1001-7313.20050404
[3] 覃志年, 金龙, 何慧. 广西夏季异常降水量的前馈网络预报模型. 灾害学, 2005, 20, (4): 23–28.
[4] 周文志, 蒋丽娟, 吴松. 广西夏季旱涝分布规律及同期500 hPa环流特征. 自然灾害学报, 2009, 18, (4): 132–137.
[5] 玄兆燕, 杨公训. EMD在地面气温预测中的应用. 微计算机信息, 2008, 24, (7): 516–525.
[6] 侯威, 封国林, 董文杰, 等. 利用排列熵检测近40年华北地区气温突变的研究. 物理学报, 2006, 55, (5): 2663–2668. DOI:10.7498/aps.55.2663
[7] 林振山, 汪曙光. 近四百年北半球气温变化的分析:EMD方法的应用. 热带气象学报, 2004, 20, (1): 90–96.
[8] 王兵, 李晓东. 基于EEMD分解的欧洲温度序列的多尺度分析. 北京大学学报:自然科学版, 2011, 47, (4): 627–635.
[9] 杨周, 林振山. 北半球过去2000年气温变化的多尺度分析. 地理科学, 2010, 30, (2): 295–299.
[10] 秦旭, 张讲社, 延晓冬. 基于改进的EMD的运城市持续极端气温的初步分析. 大气科学学报, 2009, 32, (5): 645–651.
[11] 孙娴, 林振山. 经验模态分解下中国气温变化趋势的区域特征. 地理学报, 2007, 62, (11): 1132–1141. DOI:10.3321/j.issn:0375-5444.2007.11.002
[12] 申倩倩, 束炯, 王行恒. 上海地区近136年气温和降水量变化的多尺度分析. 自然资源学报, 2011, 26, (4): 644–654. DOI:10.11849/zrzyxb.2011.04.010
[13] McMahon T A, Kiem A S, Peel M C, et al. A new approach to stochastically generating six-monthly rainfall sequence based on empirical mode decomposition. J Hydrometeoro, 2008, 9, (6): 1377–1389. DOI:10.1175/2008JHM991.1
[14] 刘莉红, 翟盘茂, 郑祖光. 中国北方夏半年最长连续无降水日数的变化特征. 气象学报, 2008, 66, (3): 474–477. DOI:10.11676/qxxb2008.044
[15] 王兆礼, 覃杰香, 陈晓宏. 东江流域枯水期最长连续无降水日数的变化特征. 地理研究, 2011, 30, (9): 1693–1701.
[16] 刘莉红, 郑祖光, 琚建华, 等. 夏季副热带大气系统的多尺度振荡分析. 高原气象, 2010, 29, (1): 115–127.
[17] Love B S, Matthews A J, Janacek G J. Real-time extraction of the Madden-Julian oscillation using empirical mode decomposition and statistical forecasting with a VARMA model. J Climate, 2008, 21, (20): 5318–5335. DOI:10.1175/2008JCLI1977.1
[18] 顾小丽, 李培良, 谭海涛, 等. 基于RBF神经网络的EMD方法在海平面分析中的应用. 海洋与湖泊, 2009, 40, (5): 532–539.
[19] 卢晓亭, 孙勇, 笪良龙, 等. 基于EMD的BP神经网络海水温度时间序列预测研究. 海洋技术, 2009, 28, (3): 79–82.
[20] 王勤, 陈显尧, 王秀红. 德雷克海峡上层海洋温度的年代际变化. 海洋科学进展, 2009, 27, (4): 426–433.
[21] 杜建丽, 林振山, 张真真. 基于EMD的我国受旱面积波动的多时间尺度的分析. 干旱区资源与环境, 2009, 23, (5): 90–93.
[22] 张明阳, 王克林, 刘会玉, 等. 基于EMD的洪涝灾害成灾面积波动的多时间尺度分析——以湖南省为例. 中国生态农业学报, 2007, 15, (1): 131–134.
[23] 万仕全, 封国林, 周国华, 等. 基于EMD方法的观测数据信息提取与预测研究. 气象学报, 2005, 63, (4): 516–525. DOI:10.11676/qxxb2005.051
[24] 邹明玮. 基于非线性时间序列分析方法的非线性系统特性研究. 扬州: 扬州大学, 2007.
[25] 玄兆燕, 杨公训. 经验模态分解法在大气时间序列预测中的应用. 自动化学报, 2008, (1): 97–101.
[26] 毕硕本, 陈譞, 覃志年, 等. 基于EMD和集合预报技术的气候预测方法. 热带气象学报, 2012, 28, (2): 283–288.
[27] Kalnay E, Kanamitsu M, Kistler R, et al. The NCEP/NCAR 40-year reanalysis project. Bull Amer Meteor Soc, 1996, 77, (3): 437–471. DOI:10.1175/1520-0477(1996)077<0437:TNYRP>2.0.CO;2
[28] 刘芸芸, 李维京, 艾孑兑秀, 等. 月尺度西太平洋副热带高压指数的重建与应用. 应用气象学报, 2012, 23, (4): 414–423. DOI:10.11898/1001-7313.20120404
[29] 郑祖光, 刘莉红. 经验模态分析与小波分析及其应用. 北京: 气象出版社, 2010.
[30] 胡娅敏, 丁一汇. 江淮地区梅雨的新定义及其气候特征. 大气科学, 2008, 32, (1): 101–112.
[31] 况雪源, 黄梅丽, 林振敏, 等. 广西前汛期降水年代际变化与南半球印度洋海温的关系. 热带气象学报, 2008, 24, (6): 279–284.
[32] 何慧, 张健, 黄莉. 北半球冬季雪盖对南宁地区盛夏降水的影响. 广西气象, 2002, 23, (4): 35–38.
[33] 陆日宇. 华北汛期降水量变化中年代际和年际尺度的分离. 大气科学, 2002, 26, (3): 611–623.
[34] 陆日宇. 华北汛期降水量年代际和年际变化之间的线性关系. 科学通报, 2003, 48, (7): 718–722.
[35] 曹杰, 黄荣辉, 谢应齐, 等. 西太平洋副热带高压演变物理机制的研究. 中国科学:D辑, 2002, 32: 659–666.
[36] Huang Ronghui, Sun Fengying. Impact of the tropical western Pacific on the East Asian summer monsoon. J Meteor Soc Japan, 1992, 70, (1): 243–256.
[37] 魏凤英. 现代气候统计诊断与预测技术. 北京: 气象出版社, 2007.
[38] 魏凤英. 我国短期气候预测的物理基础及其预测思路. 应用气象学报, 2011, 22, (1): 1–11. DOI:10.11898/1001-7313.20110101
[39] 张婷, 魏凤英, 韩雪. 华南汛期降水与南半球关键系统低频演变特征. 应用气象学报, 2011, 22, (3): 265–274. DOI:10.11898/1001-7313.20110302
[40] 陈丽娟, 李维京. 月动力延伸预报产品的评估和解释应用. 应用气象学报, 1999, 10, (4): 486–490.
[41] 顾伟宗, 陈丽娟, 张培群, 等. 月动力延伸预报最优信息提取和对中国降水的降尺度应用. 气象学报, 2009, 67, (2): 280–287. DOI:10.11676/qxxb2009.028
[42] 覃志年, 陈丽娟, 唐红玉, 等. 月尺度动力模式产品解释应用系统及预测技巧. 应用气象学报, 2010, 21, (5): 614–620. DOI:10.11898/1001-7313.20100511