江淮流域盛夏湿热型热浪日是否可预测外文翻译资料

 2022-08-09 16:50:33

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

摘要：

江淮流域(the Yangtze–Huaihe River basin，YHRB)是我国盛夏(7-8月，JA)高温热浪发生的核心区域。极端炎热湿热的天气是由连接西太平洋副热带高压的下降高压异常所控制的。1961年至2015年期间，YHRB上空盛夏期间的热浪日(heat wave days，HWDs)呈现出较大的年际和年代际变化。对盛夏期间热浪日总数的预测具有重要的社会和科学意义。夏季热浪日之前往往出现热带太平洋的纬向偶极子海温趋势模式和北大西洋的经向三极子海温异常模式。前者意味着早春中太平洋厄尔尼诺的衰变向夏季东太平洋拉尼娜的发展迅速过渡，它通过改变沃克环流增强了西太平洋副热带高压并增加了江淮流域上空的气压。北大西洋三极子海表温度异常由前一个冬季持续到盛夏，并激发了一个在江淮流域上空产生高压异常的全球遥相关模式。为预测盛夏的热浪日，用上述两个预报因子建立了一个1个月的超前预报模型。超前-滚动后报技巧在1981-2015年达到0.66的显著相关系数，对1996-2015年的独立预测技巧达到0.73。这些结果表明夏季热浪日的可预测性来源，并提供了潜在可预测性的评估，表明约55%的总方差可能是可预测的。这项研究也揭示了动力学模型提高其预测技巧的更大可能性。

关键词：北半球夏季；中国；死亡率；极端的；太平洋；影响；模型

1. 引言

热浪(heat waves，HWs)对人类健康、社会、经济和生态系统等有着广泛的影响，因此在极端天气事件中受到广泛关注(例如, Easterling等2000年；国家科学、工程和医学院 2016年)。一些研究报告表明，近几十年来，中国的热浪事件有所增加(例如, Ding和Ke 2015年; You等2016年)，并将在未来以更高的频率和更长的持续时间出现(IPCC 2013年)。因此，提高热浪预报水平的需求越来越高，尤其是夏季热浪总日数的季节性预报，其时间尺度对防灾减灾和水资源管理具有重要意义。

动力模式对中国夏季气温的预报技巧如何？以往的研究发现，目前的动力模式对我国湿热型热浪发生的核心区域江淮流域(YHRB)的季节平均气温和极端高温的预测能力都较低。例如，Wang等人(2009b)评估了由参与气候预测及其社会应用(Climate Prediction和its Application to Society，CliPAS)的14个动力模式组成的多模式集合(multimodel ensemble，MME)对1981-2003年全球夏季2m气温进行1个月超前季节预测的技巧。他们发现江淮流域表现出小于0.1的极低的时间相关系数得分。根据气象局季节预报系统的回报和Hamilton等人(2012年)和Pepler等人(2015年)提出的ENSEMBLES项目，夏季江淮流域极端高温日数预报技巧与平均气温相似。此外，我们还评估了参与次季节到季节(Subseasonal-to-Seasonal，S2S)预报项目的欧洲中期天气预报中心(European Centre for MediumRange Weather Forecasts，ECMWF)的动力模式回报的相关性能。1995-2014年7-8月在江淮流域上热浪日回报值和观测值的平均相关技巧为0.28。动力模式预测技巧的有限促使我们建立一个基于物理的经验模型(physics-based empirical model，PEM)来预测热浪。

了解热浪年际变化的根本原因对于建立PEM至关重要。大量的研究已经确定了影响中国热浪年际变化的因素，包括夏季土壤湿度(Zhang和Wu 2011年)、北大西洋涛动(Sun 2012年)、青藏高原积雪(Wu等 2016年)、太平洋海温(Zhou和Wu 2016年)和赤道印度洋及太平洋冬夏季海温(Lei等 2009年)。然而，这些研究大多集中在气候变量与热浪事件之间的同期联系上。对于江淮流域来说，季节性尺度上湿热热浪日的可预测性来源仍然难以解释。

因此，在本研究中，我们试图回答两个问题：(1)江淮流域上夏季热浪日总量的可预测性来源是什么？(2)在多大程度上可以预测江淮流域上空热浪日的年际变化？论文的其余部分结构如下：第二节介绍了研究中使用的数据集和方法。热浪日的定义和与热浪日同期相关的大气环流在第3节中进行了描述。在第4节中，我们检测了江淮流域上热浪日的两个海温预报因子，并解释了预报因子和预报量之间的物理联系。在第5节中，我们建立了一个经验模型来预测热浪日并估计其可预测性。最后，总结和讨论在第6节中介绍。

2. 数据和方法

2.1 数据

利用中国国家气候中心最新发布的高空间分辨率(0.25°)的1961-2015年中国日气温数据(CN05.1)来计算热浪日，该数据集描述了包括日最高气温Tmax和相对湿度(Xu等 2009年; Wu和Gao 2013年)。月平均大气环流，2米气温，辐射通量，总云量来源于国家环境预测中心(NCEP)-国家大气研究中心(NCAR)的再分析数据集，其空间分辨率为2.5°，垂直方向为17个气压层(Kalnay等1996年; NOAA/OAR/ESRL PSD 1996年)。此外，空间分辨率为2°的月尺度的海表温度由国家海洋和大气管理局(National Oceanic和Atmospheric Administration，NOAA)扩展重建SST数据集提供(Huang等人。2015年)。

图1 (a)1961年至2015年期间，JA中国各格点的55个夏季平均累计热浪日(日/年)。(b)1961-2015年YHRB累计区域平均热浪日的时间序列。(c)中国各格点多年累计平均热浪日与YHRB累计区域平均热浪日(日/年)的相关图。(a)、(c)中的黑色矩形表示YHRB。黑点表示在95%置信水平下结果显著的地方。

参与1995-2014年S2S预测项目的ECMWF的后报模型被用于评估动力模式的性能(Vitart等 2015年, 2017年)。7月和8月的回报分别从6月15日和7月16日开始，产生15天的领先预测。HWDs是通过对10个扰动预报结果进行平均而得到的。由于相对湿度不可用，此处HWDs指的是Tmax超过35°C的区域平均累积天数(Huang等 2010年)，这与第3节中的定义不同。

我们关注7月至8月(JA)的热浪日有两个原因。首先，JA是中国中东部高湿地区HWs的旺季(图1a, 以及Ding和Ke 2015年; Gao等 2018年)。其次，西太平洋副热带高压(western Pacific subtropical high，WPSH)在JA的北移为热浪在江淮流域上的发生提供了一个强有力的大尺度环流背景(Wang等 2009a)。

2.2 方法

与纯统计模型相比，PEM是一种基于对预测因子和预测量之间物理联系理解的新方法。

预测量和下边界变量之间的相关图用于识别与训练期间PEM预报量在物理上相连并显著相关的预测量(Wang等 2015年)。由于在过去55年中，月下边界变量有一个显著的趋势(图中未示出)，这可能受到诸如人为强迫等年际变化的不同机制的控制，因此对每个月的预报量和这些下边界变量通过移除时间序列的最小二乘线性趋势进行去趋势化，以重点关注热浪日的年际变化。

使用三种验证方法评估PEM的可预测性。首先，在1961-2015年的每个时间步骤中，通过建立从训练样本中删除三年的回归函数来进行leave-three-out交叉验证(Michaelsen 1987年)，并对中心缺失年进行预测。其次，利用从预测年前20年的训练数据获取的预测因子建立了超前-滚动后报模型，并对未来10年进行了预测。例如，我们用1961-1980年训练期间的数据建立了第一个预测模型来预测1981-1990年的热浪日，然后用1971-90年训练期间的数据建立了第二个预测模型来预测1991-2000年的热浪日，以此类推。注意，由于训练数据不同，每个时段的预测函数也不同。第三，采用独立预测法，选取预测因子，利用1961-1995年训练期间的数据建立预测模型，并对1996-2015年JA-HWDs进行预测。在独立预测模型中，预测方程不包含“未来”信息(Wang等2015年)。请注意，PEM的预测技巧表示了热浪日实测与后报的相关系数。

3. 江淮流域热浪日的年际变化

3.1 热浪日的定义

通过设定某一区域的局部阈值温度，提出了几种合理的HWs识别指标(例如, 以及erson和Bell 2011年; Smith等 2013年; Teng等 2013年; Wu等 2016年)。由于江淮流域在JA期间的HWs不仅具有极高的温度特征，而且还具有与中国西北地区干热型热浪事件不同的高湿度特征(Ding和Ke 2015年)，因此我们用于识别中国热浪日的标准包括Tmax和相对湿度阈值。HWD是指Tmax超过35°C的一天(Huang等 2010年)，并且相对湿度超过60% (Ding和Ke 2015年)。

根据基于上述各格点HWD定义计算的55个夏季平均热浪日累积值，YHRB (25°-35°N, 110°-122°E)是中国热浪发生的中心(图1a)。在本研究中，我们并没有预测每个格点上的热浪日，而是将核心区域在每个盛夏(JA)上的累积热浪日平均值定义为预测量，时间序列在图1b中展示。YHRB上的热浪日没有显著的变化趋势(0.11天每十年)，但表现出较大的年变化和年代际变化。这种大尺度的预测量降低了每个格点的噪音，有助于更好地理解控制HW发生的主要物理机制。这种综合预测也高度代表了YHRB上每个网格的热浪日，如相关系数图(图1c)所示。

3.2 江淮流域热浪日同期的大气环流

为了了解控制热浪日总数的年际变化的因素,我们首先调查了JA期间热浪日相关的大气环流和温度异常(图2和图3)。当一个低层的反气旋(高压) 在江淮流域异常发生, 由于异常下降运动而产生的绝热加热和云量减少引起的太阳辐射增加，导致局部地表温度升高(图2)。

图2 同期(JA)大气环流和温度异常与YHRB上的HWDs平均值的回归。所示为回归(a)850hpa风(矢量；m/s)和2m气温(阴影；°C)；(b)850hpa位势高度(等高线；gpm)和500hpa垂直速度[阴影；1023Pa/s，正(负)值表示下降(上升)运动]；(c)总云量(%)；和(d)向下太阳辐射(W/m2)异常。黑色矩形表示YHRB。在(a)中，只有在95%置信水平下显著的风被画出，点表示结果在95%置信水平下显著的位置[在(b)中，分别用白点和黑点表示垂直速度和位势高度]。

这一反气旋异常的形成，可进一步归因于太平洋赤道海温异常和中高纬度对流层上层波列(图3)。一方面，与热浪日相关的赤道东太平洋海温负异常(EP)和赤道太平洋东风具有一个发展中的EP型拉尼娜(La Nintilde;a)模式，它可以增强WPSH并影响江淮流域(Wang等 2013年) (图3a)。另一方面，与热浪日相关的高层环流最显著的特征是一个Rossby波列，其正压结构由欧亚大陆到北美和北大西洋的连续压力槽和脊组成，类似于Ding和Wang (2005年)发现的环全球遥相关(CGT)(图3b)。该波列的正中心位于欧洲俄罗斯、东亚、北太平洋、北美和北大西洋上空，有助于促进江淮流域上空低层反气旋异常的形成。与热浪日相关的同步大气环流特征为寻找预报因子提供了启发性信息。

图3 同期(JA)大气环流和温度异常与YHRB上的HWDs平均值的回归。所示为回归(a)850hpa风(矢量；m/s)、SST(阴影；°C)、地面2m气温(阴影；°C)、850hpa位势高度(等高线，红色为正，蓝色为负；gpm)和(b)200hpa风(矢量：m/s)和200hpa位势高度(阴影：gpm)异常。绿色矩形表示YHRB。仅显示95%置信水平下显著的风和温度异常。点表示在95%置信水平下显著的位势高度异常。

4. 江淮流域热浪日的预测因子

为了在江淮流域上确定有物理意义的热浪日预测因子，研究了预测因子与下边界变量(S

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[238782]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章