2022, Vol. 52
2. 中国海洋大学物理海洋教育部重点实验室和海洋高等研究院，山东 青岛 266100;
3. 青岛海洋科学与技术试点国家实验室，山东 青岛 266237
寒潮是中国冬、春季主要的天气过程之一，能造成急剧降温和大风，有时还伴随有暴雪、冻雨或霜冻等灾害性天气，给我国农牧业生产、交通运输、经济发展及人类身体健康等都带来很大影响。
对于中国冬季寒潮的研究，目前已经做了很多工作。大量研究表明，近50年来影响我国冬季的冷空气活动频次明显减少[1-2]。朱晨玉等[3]的研究发现，1990年以后北方寒潮频数减少与全球变暖、北极海冰减少、北极涛动加强有关；南方寒潮频数呈年际振荡，与夏季北极海冰快速融化及北极大气偶极子环流异常相关。气候变暖阶段，全国寒潮频次整体减少，寒潮频次高值中心南移[4]。
以往对寒潮的研究大多集中在冬季。但春季作为冬、夏季节转换过渡期，大气环流转变明显。春季天气本已转暖，气温骤降可使已经播种尚未出土的棉花、水稻等农作物出现烂种，或使已经出土的幼苗大量被冻死，从而造成农业经济严重受损。例如，2010年丽水市，倒春寒使该市第一茬茶叶基本绝收，夏季水果部分减产[5]，且天气转暖以后，人们身体的抗寒能力和抗病能力出现下降，会经受不住突然袭来的冷空气的刺激，导致人体疾病多发。
前人研究发现，春季冰冻过程对谷物生长和产量的影响由冬季到春季之间跨季节气温振荡调整，即当冬季偏暖时，春季冰冻灾害的影响会更严重。如今在全球变暖的背景下，暖冬越来越频繁，也就进一步导致倒春寒(即春季寒潮)对农作物的影响越来越严重。所以，在这种气候变化背景下，研究近几十年来中国倒春寒的变化特征及成因，不仅对国家农业发展和疾病控制具有重要意义，也对气候变化研究有一定促进作用。
针对倒春寒的影响因子，首先考虑其与太平洋海表温度的关系。我国学者针对太平洋海温对中国气候的影响进行了大量研究。结果表明，当赤道中东太平洋海表温度异常增暖，直到El Niño成熟阶段，西赤道太平洋的弱对流导致的冷异常会激发大气Rossby波，从而生成西北太平洋异常反气旋，而该异常反气旋可以从冬季一直持续到次年夏季[6]，从而持续影响冬季和次年春夏季的东亚季风，而东亚季风与我国冬春季寒潮的发生密切相关[7]。与此同时，北太平洋“马蹄”型海表温度异常可以调制处于不同阶段的El Niño事件对中国气候异常的影响[8]。
目前关于中国倒春寒的相关研究只有针对小区域特征分析[9-10]，并且全国没有统一的倒春寒标准，具有很大局限性。故而本文基于全国487个台站的气温观测资料，给出了适合全国的倒春寒标准，并在此基础上研究了1961—2015年倒春寒发生频次的主模态时空特征及其与太平洋海温的关系。
1 资料和方法 1.1 研究资料本文所用的逐日气温资料是由中国气象局发布的中国大陆487站的日平均温度资料。海表温度(SST)资料来自于英国哈德莱环流中心(HadISST)整编的分辨率为1(°)×1(°)的月平均SST资料。大气要素场采用欧洲中心提供的月平均再分析资料，格点分辨率为2.5(°)×2.5(°)，包括500 hPa位势高度场和850 hPa风场。太平洋年代际振荡(PDO)指数和Nino3.4指数均来自于美国国家海洋和大气管理局(NOAA)的地球系统研究实验室(ESRL)。数据时间段为1961年1月—2015年12月，本文春季指3—5月，得到共55个春季。
1.2 倒春寒定义标准目前针对全国的倒春寒还没有统一的定义标准，只有针对各省市或地区的区域性倒春寒的定义标准。现有的关于各地区的倒春寒定义标准可分为两类：一类是按照降温幅度来定义的[10-12]，例如前人在东北地区的倒春寒统计标准是：某地的日最低气温24 h内降温幅度不低于8 ℃, 或48 h内降温幅度不低于10 ℃, 或72 h内降温幅度不低于12 ℃, 而且该地日最低气温低于4 ℃时视为一次倒春寒事件发生[10]；另一类参考了国家气候季节划分标准中日平均气温稳定通过10 ℃为进入春天的气象指标，按照日均温度来定义的[13-14]，例如贵州地区的倒春寒统计标准是：每年3月21日—4月30日，凡出现日均温度≤10 ℃并持续3 d以上的时段为倒春寒天气过程[13]。
综合考虑上述两类定义方法，本文定义的单站倒春寒过程的筛选标准是：春季(3—5月)冷空气侵入后，当某站点当天日均气温低于10 ℃，且24 h降温8 ℃以上, 或48 h降温10 ℃以上, 或72 h降温12 ℃以上，则该站发生一次倒春寒事件。首先，该标准考虑了整个春季3—5月的倒春寒频次，因为全国很多地区倒春寒发生在5月，而前人针对部分地区的指标定义发生时段在3月下旬—4月，会漏掉很多年份的倒春寒。其次，由于我国各地气候差异大，本文综合考虑了日均温度≤10 ℃的标准和24、48和72 h内的过程降温幅度标准，相比前人的标准要更严谨，更能体现春季天气逐渐回暖过程中在冷空气的影响下气温迅速降低的过程。
1.3 研究方法本文采用经验正交函数分解(EOF)的方法[15]分析中国近几十年来倒春寒发生频次的主要空间分布和其相应的时间变化；采用North准则[16]检验EOF分解出来的各模态之间的独立性；用一元线性回归方法[17]对各模态对应的海表温度和大气环流进行分析；用F检验方法检验要素回归场的显著性。
2 倒春寒频次的气候分布特征考察1961—2015年气候平均的3—5月倒春寒频次的空间分布(见图 1)可以发现，倒春寒频次整体随纬度由北至南逐渐减少。新疆北部、内蒙东北部、东北地区最多，而除了北方这一带高值区域外，江南地区和西南地区东部一带也是倒春寒的高发区，即我国湖北、安徽、浙江、贵州、湖南、江西一带比周边明显偏多。这与冬季寒潮频次的分布有很大差异[3]。通过对全国区域平均的倒春寒发生频次时间序列进行功率谱分析得出，我国倒春寒发生频次整体呈显著的准4年周期振荡。
|
图 1 1961—2015年多年气候平均的倒春寒频次分布 Fig. 1 Climatological mean of frequency of spring cold wave |
通过对1961—2015年中国487个台站倒春寒发生频次距平场进行EOF分解，得到全国倒春寒发生频次的各模态时空变化特征。通过North检验(见图 2)可以发现，前4个模态相互独立，且前4个模态与其后的模态的方差贡献率有较为明显的差异。前4个模态的累积方差贡献率达50%，其中第一模态的方差贡献率为23.1%，第二模态的方差贡献率为12.9%，第三模态的方差贡献率为8.6%，第四模态的方差贡献率为5.4%。通过对模态物理意义的检验，第一模态和第二模态对倒春寒频次的观测场具有很好的代表性，且由于第三模态和第四模态解释方差相对第一、二模态较小，故本文重点分析前两个主模态倒春寒发生频次的时空特征。
|
图 2 各模态方差贡献百分比以及North检验结果 Fig. 2 Variance contribution percentage of the first 10 modes with the North test |
中国倒春寒频次第一主模态(EOF1)空间分布(见图 3(a))主要表现为除了海南岛和西南边境地区个别站点外全国几乎整体一致的变化特征，其空间分布与全国倒春寒1961—2015年多年气候平均分布图(见图 1)整体一致(空间相关系数达0.84)，北方高值区位于内蒙中东部、河套地区和东北地区，南方高值区位于江南江淮一带。结合其对应的时间序列第一主成分PC1(见图 3(b))可以发现，第一模态反映了1960s以来，中国倒春寒发生频次主要呈全国几乎一致的年际振荡特征。功率谱分析(图略)表明，PC1的显著周期为3~4 a，且PC1的正极值主要发生在1962，1966，1969，1977，1980，1982，1987，1998，2005，2006这些年份，而负极值则主要发生在1970，1975，1984，1985，1989，1997，2000，2008，2015等年份。可以发现，正极值年多发生在El Niño的发展年(1962，1982)或衰减年(1966，1977，1987，1998和2005)的春季，而负极值年则多与La Niña发展年(1984)或衰减年(1985，1989，2000和2008)的春季有关，因此中国倒春寒发生频次的全国一致型年际振荡可能与厄尔尼诺-南方涛动(ENSO)有关，PC1与前期冬季Nino3.4指数(见图 1(b))之间的显著正相关(相关系数为0.33，通过95%的显著性水平)关系就证实了这一点。
|
( (a)空间分布型；(b)标准化时间序列PC1(蓝线)和冬季Nino3.4指数序列(黑虚线)，柱状图为5年滑动平均的PC1。(a) Spatial pattern. (b) The standardized PC1 (blue line) and Nino3.4 index of winter (black dotted line). Bar is five-years running mean of PC1. ) 图 3 倒春寒频次异常场的EOF第一模态 Fig. 3 First EOF mode of anomaly frequency of spring cold wave |
第二主模态(EOF2)空间上主要体现了1961—2015年中国倒春寒频次的空间分布场基本呈现出我国江南地区、西南地区东部一带与东北地区、内蒙东北部地区的南北反位相振荡特征(见图 4)。结合主成分PC2的变化(见图 4(b))可以发现，自1960s至1980s后期，我国倒春寒多发生在东北地区，同时新疆、河西走廊直到江南及西南地区东部一带则倒春寒频次发生较少。而1980s末至2010s，中国江南地区成为倒春寒的多发区。这是非常值得引起注意的，因为南方初春温度回升迅速，而这时倒春寒的发生所引起的气温骤降，会为农业经济和人类身体健康等带来更大的影响[5]。从该模态的时空特征可以发现，其最突出的特点是江南地区倒春寒频次的异常增多，因此我们针对35°N以南的区域，选取1961—2015年我国倒春寒发生频次55年平均值大于一个标准差的站点，对每一年所选取站点的倒春寒发生频次求站点平均，得到南方型
|
( (a)空间分布型；(b)标准化时间序列PC2(蓝线)和南方型倒春寒频次的时间序列SI(黑虚线)，柱状图为5年滑动平均的PC2。(a) Spatial pattern. (b) The standardized PC2 (blue line) and SI (black dotted line); Bar is five-years running mean of PC1. ) 图 4 倒春寒频次异常场的EOF第二模态 Fig. 4 Second EOF mode of anomaly frequency of spring cold wave |
倒春寒频次的时间序列SI(见图 4(b))。该时间序列与PC2的相关系数达0.69，表明PC2的确主要反映了我国南方型倒春寒频次的发生规律。功率谱分析(图略)表明，PC2不仅具有显著的准4年振荡周期，同时还存在较为显著的年代际变化，在1980s后期存在明显的年代际转折。
4 中国倒春寒发生频次与太平洋海温的关系 4.1 全国一致型倒春寒频次与ENSO的关系由前文可知，全国一致型倒春寒的发生可能与ENSO有关，因此这里用时间序列PC1回归到海表温度距平场(见图 5)，进而分析全国一致型倒春寒的发生与ENSO的关系。由图 5可见，从前一年的夏季(见图 5(a))开始，赤道中东太平洋SST的暖异常开始发展，在前一年冬季达到最强，之后暖异常信号开始衰减，在春季有所减弱，SST距平的空间分布呈现出经典的东部型El Niño的海温分布特征，海表温度异常主要集中在赤道附近。由此可知，我国全国一致型倒春寒主要发生在ENSO衰减年的春季，与拥有4~5 a准周期的低频ENSO相联系[15]。时间序列PC1与前一年秋季的Nino3.4指数的相关系数为0.34，与前一年冬季的Nino3.4指数的相关系数为0.33，均通过了95%的显著性检验。这表明，El Niño(La Niña)衰减年的春季我国倒春寒频发(少发生)。
|
( 紫色等值线内为通过95%显著性检验的区域，图中(-1)代表前一年，(0)代表同年。Areas inside the purple contour pass the 95% significant t-test, In this figure (-1) for the preceding year, (0) for the same year. ) 图 5 第一模态时间序列对全球SST的超前滞后回归场(单位：℃)) Fig. 5 Lead-lag regression between PC1 and global SST (Unit: ℃) |
为什么El Niño衰减年的春季中国的倒春寒更加频发？我们考察了欧亚-西太平洋地区的高空大气环流特征。从时间序列PC1回归得到的前期冬季与同期春季500 hPa位势高度场和850 hPa风场可知(见图 6)，前期冬季El Niño发展成熟期间，在西北太平洋生成异常反气旋，该异常反气旋从秋冬季一直持续到次年春季直至初夏[19]，加强了西太平洋副热高压的偏西偏南稳定维持，同时西太副高北侧的东亚大槽也强大稳定，有利于大范围的冷空气积聚。春季一直持续冬季的这种稳定环流，异常强的西北太平洋反气旋引起的西南暖湿气流与来自北方的西北风干冷气流频繁交汇，从而导致全国倒春寒频发。这一发现可以为倒春寒的预报提供超前一个季节的预报因子。
|
( 图中紫色等值线代表气候平均500 hPa位势高度场，白色等值线以内区域和风矢量均通过了95%的显著性检验，图中(-1)代表前一年，(0)代表同年。Areas inside the white contour and wind vector pass the 95% significant t-test, In this figure (-1) for the preceding year, (0) for the same year. ) 图 6 第一模态时间序列对500 hPa位势高度场(填色，单位：gpm)和850 hPa风场(矢量箭头)前期冬季(a)和同期春季(b)的回归场 Fig. 6 Lead-lag regression between PC1 and 500 hPa geopotential height (shading, Unit: gpm) and 850 hPa wind (vectors) and climatological 500 hPa geopotential height (purple contours) in (a) pre-winter (DJF) and (b) spring (MAM) |
由南方型倒春寒频次的时间序列SI(见图 4(b))回归得到的前一年与同年海表温度距平场的分布可知(见图 7)，从前一年的春季开始到次年春季，北太平洋SST一直持续维持一种类“马蹄”型海温异常分布型[20]，即北太平洋中西部海表温度呈冷异常状态，北美西海岸以西出现马蹄形暖异常分布，同时赤道中东太平洋一直维持暖异常，类似于El Niño型的SST异常分布，但这里的海温暖异常更象是中太平洋型的El Niño海温分布[21-22]。整个太平洋的海温异常分布类似于PDO正位相的SST异常分布型[23-24]，它既包含了北太平洋中纬度海温异常的年代际变化信息，也包含了热带太平洋中部型El Niño海温异常的年际变化信息，SI与春季PDO指数的相关系数为0.23，同时与Nino4指数的相关系数为0.32，分别通过了90%和95%的显著性水平。但PDO指数分别在1970s中后期和1990s中后期有两次年代际位相转变，比PC2(见图 4(b))的两次年代际转折均早了10 a左右，因此PDO似乎并不能完全解释PC2的年代际变化。我们用图 7(a)中春季北太平洋区域中SST显著正异常区域平均值减去负异常区域平均值定义“马蹄”型海温指数(HIS)(见图 7(g))，HSI与PDO指数之间的相关系数为0.47，而且HSI指数与PC2的年代际转型特征相对应，均在1980s后期和2000s中后期发生转折，这也解释了为什么PC2同时存在年际和年代际变化的原因。PC2分别与前一年春季和同期春季HSI指数的相关系数为0.51和0.27，均通过了95%的显著性检验。这表明在HSI正位相时，在中太平洋型El Niño衰减年的春季，我国江南一带倒春寒频发，东北倒春寒发生偏少；反之，在HSI负位相时，在La Nina衰减年的次年春季，我国江南一带倒春寒发生偏少，东北倒春寒频发。
|
图 7 (a~f)南方型倒春寒频次的时间序列对全球SST的超前滞后回归场；(g)“马蹄”型海温指数HSI的时间序列(曲线)及其9年滑动平均曲线(柱状) Fig. 7 (a~f) Lead-lag regression between SI and global STT and (g) time series of the "horseshoe" SST pattern index HIS (line) and its 9-year running mean index (bar) |
从春季HSI指数回归得到的500 hPa位势高度场和850 hPa风场可知(见图 8(a))，当北太平洋“马蹄”型海温正异常(北美西岸SST正异常，北太平洋中部SST负异常)时，在中太型El Niño衰减年的春季，由于赤道海表温度的异常加热激发太平洋-北美型(PNA)遥相关波列，使得阿留申低压加强，其南侧的西太平洋反气旋异常位置偏南，使该异常反气旋西南侧的西南暖湿气流难以到达我国北方，只能维持在南方一带。与此同时，贝加尔湖及其以西的中西伯利亚地区发展起来的异常高压东侧的北风有利于冷空气南下，向我国南方侵袭。冷暖气流在我国江南一带交汇，导致我国南方倒春寒频发。PC2正异常年份合成的500 hPa位势高度场和850 hPa风场(见图 8(b))上更加清楚地看到贝加尔湖西部的异常反气旋环流非常有利于乌拉尔山及其以东中亚地区阻塞高压的加强，进而更有利于入侵我国的寒潮冷空气沿着阻塞高压脊前的西北风向南爆发，并沿新疆-河西走廊-青藏高原东南侧入侵江南地区。注意到影响中亚阻塞高压异常的环流系统是来自于上游北欧地区的一列负-正-负相间的大气遥相关波列，类似于欧亚遥相关型的分布[25-27]，这一遥相关的产生可能与冷空气的源地—北冰洋的海冰快速变化有关。对比图 8(a)和(b)可以发现，与北太平洋“马蹄”型海温异常相关的500 hPa位势高度异常场上同样存在类似的欧亚遥相关波列，表明处于中国下游的北太平洋“马蹄”型海温异常有可能通过影响北太平洋上空的大气环流异常，进而通过行星波的下游效应影响上游的波动发展；同时El Niño激发的PNA大气遥相关造成阿拉斯加上空异常反气旋的加强，其西侧异常南风带来向极输送的暖平流可能会影响白令海和北冰洋太平洋扇区海冰的融化，进而通过海冰的变化影响东亚的大气环流和中国倒春寒的发生。中国倒春寒的变化与北极海冰变化的关系，我们将在后续的工作中专门讨论。
|
( 白色等值线以内区域和风矢量均通过了95%的显著性检验。Areas inside the white contour and wind vector pass the 95% significant t-test. ) 图 8 春季HSI指数对500 hPa位势高度场(填色，单位：gpm)和850 hPa风场(矢量箭头)的回归场(a) 及春季的PC2正位相的500 hPa位势高度场(填色，单位：gpm)和850 hPa风场(矢量箭头)合成场(b) Fig. 8 Regression between spring HSI index and 500 hPa geopotential height (shading, Unit: gpm) and 850 hPa wind (vectors) (a) and composite 500 hPa geopotential height (shading, Unit: gpm) and 850 hPa wind (vectors) of positive years of PC2 (b) |
本文基于不同区域的寒潮标准，综合考虑南北方气温的变化特征，定义了适用于全国统一的倒春寒标准，能准确反映春季冷空气入侵我国的频次及其影响范围和持续时间。在此基础上统计了1961—2015年中国487个站点的倒春寒的发生频次，发现除我国新疆北部、内蒙东北部、东北地区倒春寒发生频次最多外，江南地区和西南地区东部一带也是倒春寒高发区，即湖北、安徽、浙江、贵州、湖南、江西一带。进一步使用EOF分解得到了中国倒春寒发生频次全国一致型的第一模态和南北反相型的第二模态。其中全国一致型模态作为中国倒春寒发生频次的年际变化的最主要模态，体现了全国倒春寒发生频次一致呈周期为3~4 a的年际振荡。南北反位相型模态的时间序列与南方型倒春寒频次的时间序列高度相关，故该模态主要反映了南方型倒春寒频次的发生规律，既有4 a左右年际振荡，又有较为显著的年代际变化。
从海表温度对PC1的回归场中我们发现，全国一致型倒春寒与拥有4~5 a准周期的低频ENSO相联系，多发生在传统的东部型El Niño衰减年的春季。500 hPa位势高度对PC1的回归场表明，在前期冬季El Niño发展成熟期间生成的从秋冬季一直持续到次年春季至初夏的西北太平洋异常反气旋引起的西南暖湿气流与来自北方的西北风干冷气流的频繁交汇，是导致全国倒春寒频发的重要因素之一。
中国南方型倒春寒的频发，与年代际变化的太平洋“马蹄”型海温异常分布型有关，同时还与热带中太平洋型El Niño海温异常的年际变化相关。在北太平洋“马蹄”型海温正异常时，中太平洋型El Niño衰减年的春季，我国江南一带倒春寒频发。由春季“马蹄”型海温指数HSI回归得到的500 hPa位势高度场和850 hPa风场可以发现，当“马蹄”型海温正异常时，在El Niño衰减年的春季，由于赤道海温的异常加热激发PNA遥相关波列，使得其南侧的西太平洋反气旋异常位置偏南，从而导致该异常反气旋西南侧的暖湿气流难以到达我国北方，只能维持在南方一带，与来自北方的西北干冷气流交汇，是导致我国南方倒春寒频发的主要原因之一。
进一步分析表明，中国倒春寒频次变化不仅受热带海温的影响，还有来自热带外海温的影响，特别是与中国南方倒春寒频发相关的北太平洋“马蹄”型海温的空间分布，虽然与PDO的海温空间分布有一定的相关性，但其年代际时间尺度的变化却完全不同，二者存在约10年左右的最大滞后相关关系。在定义HSI指数时，我们还考察了图 7(a)中的热带中太平洋的Nino4指数和北太平洋中纬度的冷异常海温区域构成的指数变化，均与PDO有类似的年代际变化特征，可见HIS指数的年代际变化信号可能主要来自于环北美加州沿岸海表温度的异常增暖，这个异常增暖与近年来新发现的北太平洋海温的“暖水泡”(Blob)事件[28]有关，且这个“暖水泡”被认为是联系热带El Niño和北太平洋海气耦合模态之间的海洋桥[29]。从文中对中国南方型倒春寒频发的原因分析可以发现，北太平洋“马蹄”型海温异常、“暖水泡”、中太平洋型El Niño、PNA遥相关可能是有机地联系在一起的，同时可以通过大气经向热输送影响白令海和北极海冰的变化，进而导致高-低纬度之间的相互作用。这些诸多问题将引导我们后续进行更加深入的分析和研究。
| [1] |
钱维宏, 张玮玮. 我国近46年来的寒潮时空变化与冬季增暖[J]. 大气科学, 2007, 31(6): 1266-1278. Qian W H, Zhang W W. Changes in cold wave events and warm winter in china during the last 46 years[J]. Chinese Journal of Atmospheric Sciences, 2007, 31(6): 1266-1278. DOI:10.3878/j.issn.1006-9895.2007.06.21 (  0) |
| [2] |
康志明, 金荣花, 鲍媛媛. 1951-2006年期间我国寒潮活动特征分析[J]. 高原气象, 2010, 29(2): 420-428. Kang Z M, Jin R H, Bao Y Y. Characteristic analysis of cold wave in china during the period of 1951-2006[J]. Plateau Meteorology, 2010, 29(2): 420-428. ( 0) |
| [3] |
朱晨玉, 黄菲, 石运昊, 等. 中国近50年寒潮冷空气的时空特征及其与北极海冰的关系[J]. 中国海洋大学学报(自然科学版), 2014, 44(12): 12-20. Zhu C Y, Huang F, Shi Y H, et al. Spatial-temporal patterns of the cold surge events in China in recent 50 years and its relationship with arctic sea ice[J]. Periodical of Ocean University of China, 2014, 44(12): 12-20. ( 0) |
| [4] |
Ma T T, Wu Z W, Jiang Z H. How does coldwave frequency in china respond to a warming climate?[J]. Climate Dynamics, 2012, 39(9-10): 2487-2496. DOI:10.1007/s00382-012-1354-8 ( 0) |
| [5] |
强玉华, 高瑜, 卢钊. 丽水市倒春寒特征及其成因分析[J]. 气象与环境科学, 2011, 34(z1): 62-64. Qiang Y H, Gao Y, Lu Z. Analysis on the characteristics and causes of spring cold wave in Lishui City[J]. Meteorological and Environmental Sciences, 2011, 34(z1): 62-64. DOI:10.3969/j.issn.1673-7148.2011.z1.013 ( 0) |
| [6] |
Wang L, Chen W, Huang R H. Interdecadal modulation of PDO on the impact of ENSO on the east Asian winter monsoon[J]. Geophysical Research Lettets, 2008, 35(20): L20702. DOI:10.1029/2008GL035287 ( 0) |
| [7] |
Zhang R H, Min Q Y, Su J Z. Impact of El Niño on atmospheric circulations over East Asia and rainfall in China: Role of the anomalous western North Pacific anticyclone[J]. Science China(Earth Sciences), 2017, 60(6): 1124-1132. DOI:10.1007/s11430-016-9026-x ( 0) |
| [8] |
Kim J W, Yeh S W, Chang E C. Combined effect of El Niño-Southern Oscillation and Pacific Decadal Oscillation on the East Asian winter monsoon[J]. Climate Dynamics, 2014, 42(3-4): 957-971. DOI:10.1007/s00382-013-1730-z ( 0) |
| [9] |
Zhu Y L, Wang H J, Wang T, et al. Extreme spring cold spells in North China during 1961-2014 and the evolving processes[J]. Atmospheric and Oceanic Science Letters, 2018, 11(5): 432-437. DOI:10.1080/16742834.2018.1514937 ( 0) |
| [10] |
唐孟琪, 曾刚. 近30多年中国东北地区春季寒潮的年代际变化及其可能原因[J]. 气候与环境研究, 2017, 22(4): 473-486. Tang M Q, Zeng G. Decadal variability of spring cold wave across northeast china in the past 30 years and its possible causes[J]. Climatic and Environmental Research, 2017, 22(4): 473-486. ( 0) |
| [11] |
刘海涛, 杨洁. 气候变化背景下北京地区倒春寒时空演变特征研究[J]. 安徽农业科学, 2015, 43(4): 182-185, 234. Liu H T, Yang J. Spatial-temporal evolution characteristics of spring cold wave in Beijing under the background of climate change[J]. Journal of Anhui Agricultural Sciences, 2015, 43(4): 182-185, 234. DOI:10.3969/j.issn.0517-6611.2015.04.068 ( 0) |
| [12] |
吴增福, 杨有盛, 朱福顺, 等. 倒春寒的划分和预报服务探讨[J]. 气象科学, 1998(3): 288-294. Wu Z F, Yang Y S, Zhu F S, et al. Discussion on the division and forecast service of spring cold wave[J]. Journal of the Meteorological Sciences, 1998(3): 288-294. ( 0) |
| [13] |
李勇, 杨晓光, 代姝玮, 等. 气候变化背景下贵州省倒春寒灾害时空演变特征[J]. 应用生态学报, 2010(8): 2099-2108. Li Y, Yang X G, Dai S W, et al. Spatial-temporal evolution characteristics of spring cold disasters in Guizhou Province under the background of climate change[J]. Chinese Journal of Applied Ecology, 2010(8): 2099-2108. ( 0) |
| [14] |
帅忠兰, 韦琦, 熊燕平, 等. 安顺市40 a倒春寒灾害统计分析[J]. 贵州气象, 2012(5): 34-35. Shuai Z L, Wei Q, Xiong Y P, et al. Statistical analysis of 40 a spring cold disaster in Anshun city[J]. Mid-Low Latitude Mountain Meteorology, 2012(5): 34-35. DOI:10.3969/j.issn.1003-6598.2012.05.008 ( 0) |
| [15] |
魏凤英. 现代气候统计诊断与预测技术[M]. 北京: 气象出版社, 2007: 105-113. Wei F Y. Modern Climatic Statistical Diagnosis and Prediction Techniques[M]. Beijing: Meteorological Press, 2007: 105-113. ( 0) |
| [16] |
North G R, Bell T L, Cahalan R F, et al. Sampling errors in the estimation of empirical orthogonal functions[J]. Monthly Weather Review, 1982, 110(7): 699-706. DOI:10.1175/1520-0493(1982)110<0699:SEITEO>2.0.CO;2 ( 0) |
| [17] |
黄嘉佑. 气象统计分析与预报方法[M]. 北京: 气象出版社, 2007: 37-49. Huang J Y. Methods for Meteorological Statistical Analysis and Forecast[M]. Beijing: Meteorological Press, 2007: 37-49. ( 0) |
| [18] |
Wang B, An S I. A method for detecting season-dependent modes of climate variability: S-EOF analysis[J]. Geophysical Research Letters, 2005, 32(15): 291-310. ( 0) |
| [19] |
Wang B, Wu R G, Fu X H. Pacific-East Asian teleconnection: How does ENSO affect East Asian climate?[J]. Journal of Climate, 2000, 13(9): 1517-1536. DOI:10.1175/1520-0442(2000)013<1517:PEATHD>2.0.CO;2 ( 0) |
| [20] |
Horel J D, Wallace J M. Planetary-scale atmospheric phenomena associated with the Southern Oscillation[J]. Monthly Weather Review, 1981, 109(4): 813-829. DOI:10.1175/1520-0493(1981)109<0813:PSAPAW>2.0.CO;2 ( 0) |
| [21] |
Yu J Y, Kao H Y. Contrasting eastern-pacific and central-pacific types of ENSO[J]. Journal of Climate, 2009, 22(3): 615-632. DOI:10.1175/2008JCLI2309.1 ( 0) |
| [22] |
Ashok K, Behera S K, Rao S A, et al. El Niño Modoki and its possible teleconnection[J]. Journal of Geophysical Research Oceans, 2007, 112: C11007. DOI:10.1029/2006JC003798 ( 0) |
| [23] |
Zhang Y, Wallace J M, Battisti D S. ENSO-like interdecadal variability: 1900-93[J]. Journal of Climate, 1997, 10(5): 1004-1020. DOI:10.1175/1520-0442(1997)010<1004:ELIV>2.0.CO;2 ( 0) |
| [24] |
Mantua N J, Hare S R, Zhang Y, et al. A pacific interdecadal climate oscillation with impacts on salmon production[J]. Bulletin of the American Meteorological Society, 1997, 78(6): 1069-1079. DOI:10.1175/1520-0477(1997)078<1069:APICOW>2.0.CO;2 ( 0) |
| [25] |
Wallace J M, Gutzler D S. Teleconnections in the geopotential height field during the Northern Hemisphere Winter[J]. Monthly Weather Review, 1981, 109(4): 784-812. DOI:10.1175/1520-0493(1981)109<0784:TITGHF>2.0.CO;2 ( 0) |
| [26] |
Barnston A G, Livezey R E. Classification, seasonality and persistence of low-frequency atmospheric circulation patterns[J]. Monthly Weather Review, 1987, 115(6): 1083-1026. DOI:10.1175/1520-0493(1987)115<1083:CSAPOL>2.0.CO;2 ( 0) |
| [27] |
Hoskins B J, Karoly D J. The steady linear response of a spherical atmosphere to thermal and orographic forcing[J]. Journal of the Atmospheric Sciences, 1981, 38(6): 1179-1196. DOI:10.1175/1520-0469(1981)038<1179:TSLROA>2.0.CO;2 ( 0) |
| [28] |
Bond N A, Cronin M F, Freeland H, et al. Causes and impacts of the 2014 warm anomaly in the NE Pacific[J]. Geophysical Research Letters, 2015, 42(9): 3414-3420. DOI:10.1002/2015GL063306 ( 0) |
| [29] |
Tseng Y, Ding R, Huang X. The warm Blob in the northeast Pacific-the bridge leading to the 2015/16 El Niño[J]. Environmental Research Letters, 2017, 12(5): 054019. DOI:10.1088/1748-9326/aa67c3 ( 0) |
2. Physical Oceanography Laboratory/Institute of Advanced Ocean Study, Ocean University of China, Qingdao 266100, China;
3. Pilot National Laboratory for Marine Science and Technology (Qingdao), Qingdao 266237, China