2. 青岛市气象局,山东 青岛 266003;
3. 中国海洋大学物理海洋教育部重点实验室,山东 青岛 266100
中国受多种自然灾害威胁,其中旱涝灾害比重很大,降水的异常变化及其预报是天气预报服务的主题。江淮流域大致为长江与淮河之间的区域,主要由长江、淮河冲积而成,地区地势低洼,水网交织,湖泊众多,受地质构造和上升运动的影响,沿江一带平原形成了2~3级阶地,分布着众多的低山、丘陵和岗地。
1 研究背景天气预报是指用综合天气学分析、数值天气、卫星雷达等手段,对未来一周以内的短期天气进行预报。而延伸期预报指的是超过大气确定的可预报性平均以上的时间段[1],实际业务中10~60 d的延伸期预报是难点,如果可以对这一时段进行准确预报,可为人民的生命财产安全带来极大保障,而且可进一步缩短气象服务与社会需求之间的差距,充分发挥气象服务在防灾减灾中的作用[2-3]。目前对于江淮流域异常降水的研究多集中于夏冬两季,对夏末初秋的伏后(8—9月)降水特征及异常变化的研究较少[4],此阶段是东亚大气环流由夏季型向冬季型转换的季节,恰逢秋粮生长、玉米拔节,旱涝异常变化常对当地的农业生产造成严危害。
大气环流具有低频振荡特征[5],不仅为短期天气变化提供背景,也是长期气候变化的主要参考信号,因此可以作为理解延伸期天气过程的依据[6-7]。大气低频振荡对东亚的天气、气候具有重要影响,很多工作是研究大气低频振荡对东亚的影响,如前期低频振荡信号很大程度上导致了1998年的长江洪水[8];2008年1月10日—2月2日,中国南方经历由低频振荡导致的极端暴雪天气,电线积冰、高铁停运,数百万人滞留火车站,总经济损失高达1 000亿人民币[7-9];2017年8—9月江淮流域降水比常年偏多4倍,连绵秋雨对作物秋收非常不利的[10]。此外,也有工作指出低频振荡会导致东亚地区的极端高温[11-12]。
除了大气低频振荡对东亚造成的遥响应外,北半球大气环流遥相关模态对东亚延伸期尺度气候也具有重要影响。“遥相关”指两个或数个地区的环流、降水、温度等物理量存在低频变率的一致性变化[13],如太平洋-日本(Pacific-Japan,PJ)遥相关波列常能影响东亚的温度和降水[14];Lu等[15]发现,7月自北非至东亚存在一条沿着中纬度西风急流的遥相关模态,称之为“丝绸之路型”遥相关,其发生、发展与大西洋副热带地区的非绝热加热有关,此遥相关可以通过Rossby波能量传递造成东亚附近位势高度场的异常[16];Ding和Wang[17]发现北半球夏季环球遥相关型(Circum-global teleconnection,CGT),当南亚夏季风深对流降水较强时,亚洲中亚附近产生异常高压,随后Rossby传播至下游的东亚,影响东亚的大气环流,该模态可以将热带降水与热带外大气环流联系到一起,对于东亚地区的延伸期尺度预测有重要意义[17-20]。
综上所述,本文将采用统计与个例分析相结合的方法,从低频振荡与遥相关的角度探究影响江淮流域伏后延伸期尺度异常降水的物理机制,研究结论有助于理解局地小尺度的延伸期天气过程,可为实际的延伸期预测提供参考。
2 资料与方法本工作使用的资料包括:(1)美国大气海洋局气候预测中心(NOAA-CPC, National oceanic and atmospheric administmation-Climate prediction center)降水资料,水平分辨率为0.25°×0.25°,时间分辨率为日,时间段为1990—2021年;(2)欧洲中期天气预报中心(Fifth generation of European centre for medium-range weather forecasts,ERA5)数据集,水平分辨率为0.25°×0.25°,垂直方向17层,时间分辨率为日,时间段为1990—2021年,包括经向风、纬向风、位势高度。
本工作使用到常用的气候统计方法包括:合成分析、Lanczos带通滤波、经验正交函数(Empirical orthogonal function,EOF)分解、奇异值分解(Singular value decomposition)、功率谱分析等。
3 大气低频扰动 3.1 伏后8—9月延伸期尺度位势高度的时空分布特征延伸期预报的时间范围需要滤掉10天内的高频天气尺度信号,本文参考孙国武等[21-22],将大气延伸期信号分为11~25 d和29~59 d两个低频时段,先对1990—2021年的原始资料分别进行两个时段的带通滤波,然后用8—9月的滤波后资料计算不同滤波段内位势高度占原始场的方差百分比,如果某区域低频振荡信号在整个系统里所占比重较大,意味着局地大气低频振荡较活跃,用于延伸期预报的可行性较好。
如图 1((a)、(c)、(e))所示,江淮流域200 hPa位势高度方差百分比占比为12%~14%,500 hPa的位势高度占比也较大(16%~18%),850 hPa的位势高度场在江淮流域方差占比为8%~10%。在29~59 d带通滤波的时间尺度上(见图 1(b)、(d)、(f)),200 hPa位势高度大值区位于黄河中下游地区和江淮流域,方差占比为6%~8%,而500 hPa位势高度大值区与11~25 d滤波场相似,方差占比为6%~8%,850 hPa位势高度在江淮流域的方差占比为2%~4%。
|
图 1 两种带通滤波的1990—2021年8—9月位势高度占原始位势高度的方差百分比 Fig. 1 Two kinds of bandpass filtered variances percentage of geopotential height of the original geopotential height in August—September from 1990 to 2021 |
就江淮流域而言,11~25 d位势高度的扰动方差的比重大于29~59 d,其中500 hPa位势高度的方差百分比最大,意味着在对流层中高层更容易提取出适用于江淮流域伏后延伸期预报的信号,对流层中高层的信号往往与大气Rossby波的传播活动有关[13, 15, 17],因此在后续的分析中,本文会着力关注这点。
对1990—2021年8—9月11~25 d带通滤波的位势高度场进行EOF分解,3个高度层的EOF前两模态均通过North检验,200 hPa的EOF第一模态(见图 2(a))的方差占比为20.1%,第二模态(见图 2(b))的方差占比为17.9%,前两模态合计38.0%。第一模态表现为中国东北-江淮流域的偶极子型,第二模态在中国境内近似表现为均一型的分布。在内蒙古中部附近存在大值区,EOF第一模态的时间序列中(见图 2(g)黑色实线)1990—1999年以及2012—2019年为正位相,2000—2011年为负位相。EOF第二模态的时间序列中(见图 2(h)黑色实线)1990—1994年以及2007—2019年为正位相,1995—2006年为负位相。
|
((a)~(f)右上角的数值代表方差贡献。Number on the top-right denote variance contribution in (a)~(f). ) 图 2 11~25 d带通滤波的1990—2021年8—9月位势高度的(a~f)EOF空间分布及(g~h)EOF的月平均时间序列 Fig. 2 11~25 days bandpass filtered (a~f) EOF spatial pattern form 1990 to 2021 August—September averaged geopotential height and (g~h) EOF monthly averaged time series |
500 hPa的EOF第一模态(见图 2(c))的方差占比为23.6%,第二模态(见图 2(d))的方差占比为19.0%,前两模态合计42.6%。第一模态的空间分布型与200 hPa第一模态的空间分布近似,为中国东北-江淮流域的偶极子型分布。第二模态呈现南北偶极子型,且500 hPa第一模态的EOF时间序列(见图 2(g)黑色长虚线)与200 hPa第一模态相似。500 hPa第二模态的EOF时间序列(见图 2(h)黑色长虚线)在2007年前后发生位相转折。
850 hPa的EOF第一模态(见图 2(e))的方差占比为22.2%,第二模态(见图 2(f))的方差占比为18.2%,前两模态合计40.4%。第一模态在中纬度地区为三极子型分布,西北太平洋与中国西南地区符号一致。第二模态除中国台湾地区外,其余地区为一致型变化。对应EOF第一模态的时间序列(见图 2(g)黑色短虚线)位相与200和500 hPa相反。EOF第二模态的时间序列(见图 2(h)黑色短虚线)与500 hPa类似。
以上的EOF分析结果表明, 8—9月11~25 d滤波200 hPa的位势高度在江淮流域存在较强的低频扰动,当江淮流域200 hPa位势高度偏低时,中国东北位势高度偏高,并且该信号在500 hPa也存在,主要反映的是江淮流域在8—9月易受大气低频扰动的影响。
3.2 延伸期尺度降水与位势高度的奇异值分解SVD分解有助于认识与延伸期尺度降水有关的大气环流低频变化,对流层中层500 hPa的大气环流通常可以反映高空槽脊的变化,而伴随槽脊波动传播的上下游效应对大气环流和降水具有重要作用。
对1990—2021年的日降水和日位势高度场进行11~25 d的带通滤波处理后,选取伏后8—9月的时段进行SVD分解。如图 3所示,江淮流域的降水(见图 3(a))为全区一致型的正相关,大值中心位于110°E附近的华西地区,与此对应的500 hPa位势高度场(见图 3(b))在中纬度地区表现为一条自西向东的正负交替的结构。欧洲地中海、中国西北、西北太平洋存在三个正值区。西亚、中国东北至日本附近存在两个负值区,波列的空间尺度大体满足Rossby波的尺度,并且空间分布型非常类似于CGT波列[17]。当江淮流域低频降水偏多时,500 hPa中国西北为正位势高度异常(脊),东亚为负位势高度异常(槽),江淮流域刚好位于500 hPa槽后脊前,槽后的有冷平流,夏末时期东亚夏季风未完全撤退,冷暖气流交汇于江淮流域,容易发生对流降水。此外,第一模态的协方差解释率高达37.3%,降水与500 hPa的解释方差分别为95.2%和31.1%。
|
(打点为通过95%信度检验的区域。Dotted areas denote significance passing the 95% reliability test. ) 图 3 11~25 d带通滤波的1990—2021年8—9月平均(a)降水和(b)500 hPa位势高度的SVD分解第一模态 Fig. 3 11~25 days bandpass filtered SVD decomposition mode 1 of (a) precipitation and (b) 500 hPa geopotential height in August—September averaged from 1990 to 2021 |
用同样的方法对降水和200 hPa的位势高度计算了SVD第一模态, 发现其空间分布型(未展示)与500 hPa的结果非常相似,仍是类CGT波列结构,但是信号更强,意味着对流层中高层的整体一致性。同时发现当江淮降水偏多时,南亚高压异常偏强。简而言之,11~25 d延伸期尺度槽前的辐合运动有利于的江淮流域的伏后8—9月降水。
4 极端降水过程中的大气低频扰信号分析 4.1 江淮伏后降水时空分布特征及个例选取根据前文分析,本研究将江淮流域定义为28°N—34°N,110°E—122°E,1990—2021年8—9月平均的降水距平时间序列显示(见图 4),随着全球变暖,江淮流域的伏后平均降水整体呈现上升趋势。最近5年的江淮流域伏后降水异常对天气、延伸期预报提出了很大的挑战,其中2017年为降水极大值年,2019年为降水极小值年,最近的2020与2021年是降水大值年。
|
图 4 1990—2021年江淮流域(28°N—34°N,110°E—122°E) 8—9月平均降水的距平 Fig. 4 Anomalous August—September averaged precipitation of the Yangtze-Huaihe River Basin (28°N—34°N, 110°E—122°E) from 1990 to 2021 |
考虑到年代际尺度背景场对低频降水的潜在影响,为了更好的认识江淮流域伏后延伸期尺度的降水变率,本文挑选最近5年中2017、2019和2021年8—9月的3个个例进行对比分析,以探寻影响江淮流域8—9月降水变率的物理机制和延伸期特征。2017年伏后(见图 5(a))江淮为2~3 mm/d的正降水异常,四川省东侧和湖北省附近存在降水大值中心,华南为负异常降水。2019年伏后的降水距平(见图 5(b))在江淮、华南均为负异常。2021年伏后的降水距平(见图 5(c)在华西有最强的正降水中心,从华西延伸至黄河流域有一条降水高值带,江淮同样也有降水高值区位于两湖、华东沿海附近,华南为负异常降水。
|
图 5 2017年(a)、2019年(b)和2021年(c)相对于1990—2021年的8—9月降水距平 Fig. 5 Spatial patterns of anomalous precipitation from August—September in (a) 2017, (b) 2019, and (c) 2021 relative to the average of 1990—2021 |
进一步分析日降水变化,对于2017年伏后的日降水变化(见图 6(a)),8、9月的降水总量相当,9月下旬存在大量降水,降水存在两个峰值,分别是9月19日和27日。对于2019年(见图 6(b)),仅在8月10日出现一次高值降水,整个9月份降水量非常少,8月中旬的异常降水其实是台风“利奇马”的影响,台风属于热带天气尺度系统,由于台风登陆造成的降水不能称为延伸期尺度降水,因此,在后续的个例分析中舍去2019年。对于2021年(见图 6(c)),8月降水存在两个峰值,9月降水则较少。对比11~25 d带通滤波的降水信号(见图 6中红色实线),滤波后的降水曲线振幅很好的与日降水峰值匹配,尤其是2021年8月中旬和下旬的两次降水过程,原始场降水与滤波场降水信号高度一致,反映出该11~25 d延伸期尺度的天气系统演变对降水具有重要调控作用。
|
(柱状图代表日降水量异常,红色曲线代表 11~25 d带通滤波的降水量。Bar denotes the anomalous daily precipitation, Red curve denotes the 11-25 days filtered precipitation. ) 图 6 江淮流域2017年(a)、2019年(b)和2021年(c)8—9月的日降水量距平 Fig. 6 Anomalous daily precipitation of August—September in the Yangtze-Huaihe River Basin in (a) 2017, (b) 2019, and (c) 2021 |
图 7给出对3个个例江淮8—9月日降水的功率谱(见图 7)。图中如果黑色粗实线超过黑色细实线,则代表该降水信号为超过95%的显著性水平。在忽略一周以下的天气尺度短周期信号的情况下,对于2017年(见图 7(a)),最显著的降水周期信号为20~21 d,对于2021年(见图 7(b)),最显著的降水周期信号为13 d。两次降水个例的显著周期信号均为11~25 d的延伸期尺度。
|
图 7 2017年(a)和2021年(b)8—9月江淮日降水时间序列的功率谱 Fig. 7 Power spectrum of daily precipitation of August—September in (a) 2017 and (b) 2019 in the Yangtze-Huaihe River Basin |
以上分析指出,11~25 d延伸期尺度降水可以解释很大一部分的江淮伏后日降水异常,并且该异常降水与同时间尺度的大气低频遥相关信号存在联系。在下一部分将着重讨论2017年9月与2021年8月的延伸期尺度降水,探寻是否可以在个例中找到如SVD分解(见图 3(b))中出现的大气遥相关波列。
4.2 2017年9月个例分析2017年9月下旬的降水发生发展于9月16日,在9月19和27日有峰值,挑选11~25 d带通滤波后的9月16、19、23和27日的大气环流进行分析。9月16日500 hPa(见图 8(a))中国东部地区为气旋性环流,且850 hPa(见图 9(a))为气旋性环流,辐合导致局地的垂直上升运动,有利于激发降水。9月19日500 hPa(见图 8(b))中,中国东部的气旋性环流向北移动,欧洲中高纬度至中国东部的大气Rossby波列明显,中国东部850 hPa(见图 9(b))有较弱的辐合性环流,上升运动对应当日的降水极大值。9月23和27日的环流形势较为相似,500 hPa欧洲北部(见图 8(c)、(d))存在正的位势高度,大气Rossby波向东南传至中国东部,高空为辐散形势,对流层中低层的中国东部存在反气旋性环流,该环流可以将热带地区的暖湿水汽输送至江淮流域,有利于降水的产生。
|
图 8 2017年11~25 d带通滤波的500 hPa的位势高度(填色,单位:gpm)和水平风(箭头,单位:m/s) Fig. 8 11~25 days bandpass filtered 500 hPa geopotential height (shading, Unit: gpm) and horizontal wind (vector, Unit: m/s) in 2017 |
|
图 9 2017年11~25 d带通滤波的850 hPa的位势高度(填色,单位:gpm)和水平风(箭头,单位:m/s) Fig. 9 11~25 days bandpass filtered 850 hPa geopotential height (shading, Unit: gpm) and horizontal wind (vector, Unit: m/s) in 2017 |
2021年8月的降水存在两个峰值,分别是8月13和23日,两峰值之间存在一个降水低值(8月18日)。挑选经过11~25 d带通滤波后的8月9、13、18和23日4个时次进行分析,挑选8月9日是因为此时降水突增。8月13日500 hPa(见图 10(b))江淮流域位于气旋性环流和反气旋性环流的交界。在8月18日(见图 10(c)),江淮流域为反气旋性环流控制,此时200 hPa为气旋性辐合环流(未展示),由此产生的下沉运动不利于降水,所以8月18日降水为低值。发展到8月23日(见图 10(d)),江淮流域重新受到气旋性环流控制,高层200 hPa为反气旋性辐散环流(未展示),高层辐散中层辐合有利于产生上升运动,并形成降水,所以此时有降水极大值,注意此时欧洲中高纬地区至中国东部的大气Rossby波列非常清晰。
|
图 10 2021年11~25 d带通滤波的500 hPa的位势高度(填色,单位:gpm)和水平风(箭头,单位:m/s) Fig. 10 11~25 days bandpass filtered 500 hPa geopotential height (shading, Unit: gpm) and horizontal wind (vector, Unit: m/s) in 2021 |
对于850 hPa等高面(见图 11),在8月9日(见图 11(a))和13日(见图 11(b))中,西北太平洋地区存在反气旋性环流,反气旋环流西北边界的西南风会将热带的暖湿水汽向北方输送,水汽汇聚于江淮流域,受到上升气流的作用,有利于形成降水。而8月18日(见图 11(c))江淮流域至中国东北均为正的位势高度,不利于上升运动,会抑制降水的发展,对应降水低值。8月23日(见图 11(d)),位势高度场和环流的空间分布基本与8月18日(见图 11(c))呈反位相,江淮流域至中国东北为负的位势高度,辐合性环流有利于上升运动,有利于降水,对应降水极大值,自欧洲中高纬至中国东部也可以发现一个大气Rossby波列,不过强度较弱。
|
图 11 2021年11~25 d带通滤波的850 hPa的位势高度(填色,单位:gpm)和水平风(箭头,单位:m/s) Fig. 11 11~25 days bandpass filtered 850 hPa geopotential height (shading, Unit: gpm) and horizontal wind (vector, Unit: m/s) in 2021 |
对比两次个例发现,相同点在于两次事件的降水高值日都伴有垂直上升运动与低层水汽的汇入,反映出有利于降水的动力与水汽条件。此外,对流层中层自欧洲中高纬至中国东部都存在一条大气Rossby波列,尽管形态略有差异,但都反映出遥相关波列对11~25 d延伸期尺度降水的重要性。
结合个例与统计结果发现,CGT遥相关的中心集中于40°N,而个例中的遥相关中心呈西北-东南向分布,说明二者不是同一个遥相关型,这是因为SVD只给出了最显著的影响江淮伏后降水的遥相关型,实际的大气低频系统是非常复杂的,CGT波列只能解释其中的一部分变化。
5 结论与展望本文利用高分辨率的1990—2021年NOAA-CPC日降水资料和ERA5再分析日资料,使用Lanczos带通滤波、经验正交函数分解、功率谱等方法,通过分析伏后(8—9月)11~25 d和29~59 d两个频段不同位势高度场的方差贡献百分比,分析2017、2019和2021年共3次降水异常的时空分布特征。2019年降水峰值由台风造成,延伸期降水信号较弱,因此随后探讨影响2017和2021年江淮流域伏后大气低频扰动的大气环流形势。通过本文的研究得出以下结论:
(1) 同一等高面上,11~25 d位势高度扰动分量的方差贡献百分比大于29~59 d的方差贡献百分比,500 hPa位势高度扰动方差百分比最大,对流层中高层的方差比大于对流层低层,因此在对流层中高层中更容易提取出适用于江淮流域8—9月延伸期预报的信号,EOF分析结果也支持此结论。SVD分解指出,类CGT大气遥相关控制东亚地区导致辐合上升运动,有利于江淮流域的降水。
(2) 2017年9月以及2021年8月的高降水事件均发现,自欧洲中高纬度地区至中国东部存在一条大气Rossby波列,导致降雨峰值日对流层高层辐散,低层辐合,产生垂直上升运动,对流层中低层的反气旋性环流将热带地区的暖湿水汽向北输送至江淮流域,充足的水汽条件与垂直上升运动相结合,有利于局地降水。
本文通过多种统计方法研究影响江淮流域伏后降水的延伸期尺度信号,结合统计与个例分析发现横跨欧亚大陆的大气遥相关与江淮流域伏后降水配合较好。此外,本文也使用了一套格点化的中国区域逐日观测降水资料CN05[23]来检验结论的可靠性,发现结论几乎一致。未来的工作应将观测再分析与模式预报结合,利用延伸期预报模式[24],探究模式是否可以提前对江淮流域伏后降水进行预报,此外,研究气候背景态对延伸期尺度降水的作用也具有重要意义[25]。
| [1] |
李建平, 丁瑞强. 短期气候可预报期限的时空分布[J]. 大气科学, 2008, 32(4): 975-986. Li J P, Ding R Q. Temporal-spatial distribution of predictability limit of short-term climate[J]. Chinese Journal of Atmospheric Science, 2008, 32(4): 975-986. DOI:10.3878/j.issn.1006-9895.2008.04.22 ( 0) |
| [2] |
金荣花, 马杰, 任宏昌, 等. 我国10~30天延伸期预报技术进展与发展对策[J]. 地球科学进展, 2019, 34(8): 814-828. Jin R H, Ma J, Reb H C, et al. Advances and development countermeasures of 10~30 days extended-range forecasting technology in China[J]. Advances in Earth Science, 2019, 34(8): 814-828. ( 0) |
| [3] |
章大全, 郑志海, 陈丽娟, 等. 10~30 d延伸期可预报性与预报方法研究进展[J]. 应用气象学报, 2019, 30(4): 416-430. Zhang D Q, Zheng Z H, Chen L J, et al. Advances on the predictability and prediction methods of 10~30 d extended range forecast[J]. Journal of Applied Meteorological Science, 2019, 30(4): 416-430. ( 0) |
| [4] |
Chen W, Wang L, Feng J, et al. Recent progress in studies of the variabilities and mechanisms of the East Asian monsoon in a changing climate[J]. Advances in Atmospheric Sciences, 2019, 36(9): 887-901. DOI:10.1007/s00376-019-8230-y ( 0) |
| [5] |
Jones C, Waliser D E, Schemm J K E, et al. Prediction skill of the Madden and Julian Oscillation in dynamical extended range forecasts[J]. Climate Dynamics, 2000, 16: 273-289. DOI:10.1007/s003820050327 ( 0) |
| [6] |
刘冬晴, 杨修群. 热带低频振荡影响中国东部冬季降水的机理[J]. 气象科学, 2010, 30: 684-693. Liu D Q, Yang X Q. Mechanism responsible for the impact of Madden-Julian Oscillation on the wintertime rainfall over eastern China[J]. Journal of Meteorological Sciences, 2010, 30: 684-693. DOI:10.3969/j.issn.1009-0827.2010.05.016 ( 0) |
| [7] |
Li T, Ling J, Hsu P C. Madden-Julian Oscillation: Its discovery, dynamics, and impact on East Asia[J]. Journal of Meteorological Research, 2020, 34(1): 20-42. DOI:10.1007/s13351-020-9153-3 ( 0) |
| [8] |
Chen L X, Xie Y Y, Liu L L, et al. Analysis of the characteristics of 30-60 day low-frequency oscillation near Asia during 1998 SCSMEX[J]. Advances in Atmospheric Sciences, 1998, 18: 623-638. ( 0) |
| [9] |
Hong C C, Li T. The extreme cold anomaly over southeast Asia in February 2008: Roles of ISO and ENSO[J]. Journal of Climate, 2009, 22: 3786-3801. DOI:10.1175/2009JCLI2864.1 ( 0) |
| [10] |
梁萍, 周兵, 马悦, 等. 2017年秋季华西秋雨的多时间尺度变化特征及成因分析[J]. 气象, 2019, 45: 1104-1112. Liang P, Zhou B, Ma Y, et al. Characteristics of variability on multiple timescales and cause analysis of autumn rainfall in West China during 2017[J]. Meteorological Monthly, 2019, 45: 1104-1112. ( 0) |
| [11] |
Chen R D, Wen Z P, Lu R Y. Large-scale circulation anomalies and intraseasonal oscillations associated with long-lived extreme heat events in South China[J]. Journal of Climate, 2018, 31: 213-232. DOI:10.1175/JCLI-D-17-0232.1 ( 0) |
| [12] |
Diao Y F, Li T, Hsu P C. Influence of the boreal summer intraseasonal oscillation on extreme temperature events in the Northern Hemisphere[J]. Journal of Meteorological Research, 2018, 32: 534-547. DOI:10.1007/s13351-018-8031-8 ( 0) |
| [13] |
Trenberth K E, Branstator G W, Karoly D, et al. Progress during TOGA in understanding and modeling global teleconnections associated with tropical sea surface temperatures[J]. Journal of Geophysical Research, 1998, 103: 14291-14324. DOI:10.1029/97JC01444 ( 0) |
| [14] |
Nitta T. Convective activities in the tropical western Pacific and their impact on the Northern Hemisphere summer circulation[J]. Journal of the Meteorological Society of Japan, 1987, 65: 373-390. ( 0) |
| [15] |
Lu R Y, Oh J H, Kim B J. A teleconnection pattern in upper-level meridional wind over the North African and Eurasian continent in summer[J]. Tellus, 2002, 54A: 44-55. ( 0) |
| [16] |
Enomoto T, Hoskins B J, Matsuda Y. The formation mechanism of the Bonin high in August[J]. Quarterly Journal of the Royal Meteorological Society, 2003, 129: 157-178. DOI:10.1256/qj.01.211 ( 0) |
| [17] |
Ding Q H, Wang B. Circumglobal teleconnection in the northern hemisphere summer[J]. Journal of Climate, 2005, 18: 3483-3505. DOI:10.1175/JCLI3473.1 ( 0) |
| [18] |
Yang J, Liu Q Y, Xie S P, et al. Impact of the Indian Ocean SST basin mode on the Asian summer monsoon[J]. Geophysical Research Letters, 2007, 34: L02708. ( 0) |
| [19] |
杨建玲, 刘秦玉. 热带印度洋SST海盆模态的"充电/放电"作用——对夏季南亚高压的影响[J]. 海洋学报, 2008, 30(2): 12-9. Yang J L, Liu Q Y. The "charge-recharge" roles of the basin-wide mode of the Indian Ocean SST anomaly[J]. Acta Oceanologica Sinica, 2008, 30(2): 12-9. ( 0) |
| [20] |
Wang B, Lee J Y, Kang I S, et al. Advance and prospectus of seasonal prediction: Assessment of the APCC/CliPAS 14-model ensemble retrospective seasonal prediction (1980—2004)[J]. Climate Dynamics, 2009, 30: 605-19. ( 0) |
| [21] |
孙国武, 信飞, 孔春燕, 等. 大气低频振荡与延伸期预报[J]. 高原气象, 2010, 5: 1142-1147. Sun G W, Xin F, Kong C Y, et al. Atmospheric low-frequency oscillation and extended range forecast[J]. Plateau Meteorology, 2010, 5: 1142-1147. ( 0) |
| [22] |
孙国武, 信飞, 陈伯民, 等. 低频天气图预报方法[J]. 高原气象, 2008, 27: 64-68. Sun G W, Xin F, Chen B M, et al. Low-frequency weather map forecasting method[J]. Plateau Meteorology, 2008, 27: 64-68. ( 0) |
| [23] |
吴佳, 高学杰. 一套格点化的中国区域逐日观测资料及与其它资料的对比[J]. 地球物理学报, 2013, 56(4): 1102-1111. Wu J, Gao X J. A gridded daily observation dataset over China region and comparison with the other datasets[J]. Chinese Journal of Geophysics, 2013, 56(4): 1102-1111. ( 0) |
| [24] |
Liu X, Wu T, Yang S, et al. MJO prediction using the sub-seasonal to seasonal forecast model of Beijing Climate Center[J]. Climate Dynamics, 2017, 48(9-10): 3283-3307. ( 0) |
| [25] |
Hsu P C, Li T, You L, et al. A spatial-temporal projection model for 10~30 day rainfall forecast in South China[J]. Climate Dynamics, 2015, 44: 1227-1244. ( 0) |
2. Qingdao Meteorological Bureau, Qingdao 266003, China;
3. The Key Laboratory of Physical Oceanography, Ministry of Education, Ocean University of China, Qingdao 266100, China
2023, Vol. 53



0)