青藏高原东部积雪异常与西南地区春季降水的关系

青藏高原东部积雪异常与西南地区春季降水的关系

胡豪然

【摘 要】摘 要：选取1961/1962—2011/2012年青藏高原东部积雪和西南地区降水的测站资料，应用奇异值分解方法，结合相关分析和统计检验，分析前期积雪与春季降水的关系及其随时间的变化特征。结果表明：青藏高原东部12月、1月积雪对西南地区西南部春季降水有一定的指示意义；积雪影响关键区位于青藏高原东南缘的青南高原东南部、川西高原西北部和东部的藏东峡谷，分别以班玛、石渠、丁青为中心；春季降水以正响应为主，显著区域覆盖西南地区除滇西北和滇西南以外的整个西南部，以会理、华坪为中心的川滇交界周边地区最为突出；近50 a来，青藏高原东部关键区前期积雪异常与西南地区西南部春季降水间的关系始终保持正相关且表现出显著的年代际变化特征，根据滑动相关结果可分为3个阶段，各阶段之间的过渡均以气候突变的形式完成，1961—1984年相关低于95%置信水平，1985—1995年相关高于99%置信水平，1996—2011年相关介于95%与99%置信水平之间；两者间关系的年代际变化与高原东部冬季积雪的年代际变化基本一致，即高相关阶段对应积雪偏多期，反之亦然；近年来，两者间的相关稳定保持在95%的置信水平以上，较前一阶段略有下降，但仍可作为预测西南地区西南部春季降水的重要参考。 【期刊名称】干旱气象 【年(卷),期】2016(034)003 【总页数】9

【关键词】青藏高原；积雪异常；西南地区；春季降水

引 言

青藏高原积雪是欧亚雪盖的重要组成部分，冬春季积雪日数多且持续性强，有些地方甚至终年不化，平均4 000 m左右的海拔使得积雪作为一种变化显著的陆面过程，其热力影响可直达对流层中部；同时，青藏高原所处纬度较低，高原积雪在一定程度上能改变海陆热力对比，从而对季风活动产生影响。自从19世纪末Blanford[1]揭示喜马拉雅山区单站冬季积雪与印度西部夏季雨量呈反相关，20世纪70年代末叶笃正等[2]建议把青藏高原雪盖作为我国长期预报的指标之一，随着观测资料和研究手段的丰富，前人在高原积雪的时空演变、影响区域气候的规律及其物理机制等方面进行了细致深入的研究[3-23]。研究普遍认为：积雪主要通过改变局地地气相互作用来影响大气环流系统，进而影响区域气候；高原积雪与长江中下游及新疆地区的夏季降水存在正相关关系，与华北、华南和西北地区呈负相关关系。在气候诊断和预测业务中，认为高原积雪是我国汛期气候“东、南、西、北、中”5大环流影响因子之一的西方因子，并得到广泛应用。

我国西南地区位于青藏高原东南部，地形地貌复杂多样，受到青藏高原、东亚和南亚季风的多重影响，具有独特的天气气候特征，天气、气候的影响因子和物理成因较东部地区更为复杂。我国气候学家通常倾向于研究自华南至华北汛期雨带的变动，对西南地区的关注不够，致使针对西南地区降水的预测手段和先兆信号相对缺乏。近年来，该地区极端气候事件频发，如2006年夏季特大干旱、2008年初持续低温雨雪冰冻灾害以及2010年以来连续4 a的部分地区特大干旱，严重威胁到当地的社会生产和人民生活。为此，加强对西南地区气候变率(尤其是降水异常)的研究非常必要且需求迫切。

综合已有工作，专门针对高原积雪异常与西南地区降水关系的研究并不多见，

且多集中在夏季[5,18]，涉及春季降水的较少[21]，而这正是当前应关注的重点之一。本文分析青藏高原前期积雪与西南地区春季降水的关系及其随时间的变化特征，得到的一些有益结论可为西南地区短期气候预测提供一定参考。

1 资料与方法

资料来源于国家气象信息中心提供的地面测站日值资料集，共753个中国基本、基准地面气象观测站及自动站，要素包括积雪深度、降水量、气温等。综合考虑高原站点分布和资料缺测情况，以海拔超过3 000 m、年代长且时间连续为原则(柴达木盆地和川西高原若干站点海拔在2 700～3 000 m之间)，选取87°E—103°E、27°N—39°N范围内57个站点代表青藏高原东部，资料时段为1961/1962—2011/2012共51 a。选取四川、云南、贵州和重庆4省市区域范围内共111个测站代表西南地区，资料时段为1962—2012年。月积雪日数是每月日积雪深度>0 cm的日数，月积雪深度是每月日积雪深度的累加。按照气候四季划分原则，冬季为12月至次年2月，春季为3—5月。

奇异值分解方法(Singular Value Decomposition，缩写为SVD)用于揭示积雪场与降水场的关系，Monte Carlo技术用于检验SVD模态的显著性[24]。SVD是研究2个气象变量场相关结构的诊断技术，由于计算简便，广泛应用于气候诊断分析与预测研究中。其中SCFk表示第k对SVD模态在总方差中所占权重，Rk表示第k对SVD模态空间分布型的相关程度，异性相关系数场用于揭示变量场间相互影响的关键区，同性相关系数场用于揭示变量场间的遥相关特征。多元线性回归是气候预测中应用广泛的统计方法，是处理随机变量之间相关关系的有效手段[24]。滑动相关方法用于考察2种要素序列间相关关系随时间的变化特征，一般以10～20 a为滑动窗口的效果较好[25]。