引言
青藏高原的降水及其潜热加热的释放对亚洲乃至全球气候都有重要指示意义，高原地区冬季降水占全年比重较小，但与亚洲夏季气候联系十分密切（Wu and Qian，2003；Zhao and Moore，2004；彭京备等，2006；Yanai et al.，2006；Zhao et al.，2007；焦洋等，2022；马萌萌等，2022）。青藏高原冬季降水异常会造成春季土壤湿度异常，而高原春季土壤湿度异常可以通过热通量和辐射通量等对我国夏季气候产生显著影响（王瑞等，2009；崔洋等，2017；丁旭等，2022）。冬季降水也可以影响积雪形成，通过地表反照率效应和融雪后水文效应改变高原加热场，从而影响我国及东亚地区的大气环流和气候（徐国昌等，1994；韦志刚等，1998；吴统文和钱正安，2000；朱玉祥等，2009；胡豪然，2016；杨凯等，2017）。
青藏高原多雪时节在早冬、晚冬和早春，初冬时期（11—12月）高原气温已降至0 ℃以下，加之降水量级大，因此也成为雪灾高发期（刘玉莲等，2012；刘玉莲等，2013）。2018年冬季，青藏高原出现频繁降雪和极端低温天气，地处高原腹地的三江源地区出现严重雪灾，累计降雪量达历史最多，位于黄河源头的玛多站最大积雪深度达22 cm，给当地农牧业生产带来严重影响，持续降雪造成青海省玉树、海西、果洛三州13.1万人受灾，100余万头（只）牲畜觅食困难，死亡牲畜2万多头（只），造成直接经济损失约2亿元人民币，入选当年全国十大天气气候事件。可见，高原强降雪给经济发展、畜牧业生产等带来较大影响，加强青藏高原冬季降雪时空变化特征研究，对减轻区域气象灾害影响具有重要意义。
青藏高原降雪量在20世纪70年代后期和90年代发生两次突变，降雪量分别呈增加和减少趋势，20世纪90年代末以来高原主体主要为降水减少，其南北两侧区域降水增加（胡豪然和梁玲，2014；Zhu，2022）。研究表明，1951—2004年高原冬季降水量显著增加（李帅等，2008），而1979—2017年整体则呈减少趋势（温婷婷等，2022）。尽管高原冬季降雪总体呈减少趋势，但自20世纪60年代以来，青藏高原日降雪量大于5 mm的强降雪事件有所增加，而弱降雪和中等强度降雪在减少，总体呈现降雪强度趋强、降雪日数增加的变化特征（Sun et al.，2010；Zhou et al.，2018）。北极涛动（Arctic Oscillation， AO）、印度洋偶极子（Indian Ocean Dipole， IOD）、ENSO（El Niño-Southern Oscillation）都是影响高原冬季降雪量的重要因子（Lü et al.，2008；Yuan et al.，2012；Jiang et al.，2019）。海洋热力性质的变化是气候变化的重要驱动力（王彦磊等，2009；韩元元等，2022），海表温度的变化会影响局地降水的可预测性（Doi et al.，2015；吴珊珊和邹海东，2022），热带太平洋海温变化可通过调节沃克环流和局地哈德莱环流，对冬季降水产生显著影响（胡豪然和梁玲，2014；Zhu，2022），印度洋海温同样对青藏高原冬季降雪具有显著作用（施能和曹鸿兴，1996；Yuan et al.，2009；Shen et al.，2021）。中国大部地区冬季降水与AO指数呈正相关，显著相关区域位于青藏高原（帅嘉冰等，2010；覃郑婕等，2017；刘胜胜等，2021）。随着青藏高原冬季降水年际变率加大，尤其在气候显著增暖背景下，降水极端性增强，加之高原冬季降水形成机制较为复杂，给预测带来很大的不确定性，到目前为止，仍缺乏对高原冬季降水（雪）异常的系统性研究。鉴于此，结合不同海盆海表温度、北极涛动，探讨其与高原降雪的联系，对冬季气候预测具有一定参考意义。
关于青藏高原冬季降水年际变化的研究通常针对冬季3个月（12月至次年2月），这种针对整个冬季的方法无论在科学研究还是业务预测中都具有一定的局限性并可能掩盖季内变化特征。观测事实表明，青藏高原冬季降雪具有明显的季节内变化特征，例如，2021/2022年青藏高原冬季降水较气候态而言偏多，但季内呈“少—多—少”变化特征，这种季节内的不均匀性特征在整个冬季降水场上无法体现。青藏高原前冬和后冬降雪、强降雪以及积雪深度往往表现出不一致的变化特征（刘玉莲等，2012；刘玉莲等，2013；保云涛等，2018）。因此，将前冬和后冬区分开来进行研究并揭示其各自的年际变化特征，不仅有利于更加全面深入地认识高原冬季降水的变化特征，而且也可能对冬季气候预测提供有意义的信息。
本文利用青藏高原1961—2021年冬季（11月至次年2月）逐日地面降雪观测资料，对比分析高原前、后冬不同量级和不同持续天数降雪发生站次，揭示前、后冬强降雪量和强降雪日数的主要气候特征及其变化，探讨高原前、后冬强降雪量和强降雪日数与不同海盆海表温度、北极涛动的联系，以期为高原气候预测、归因诊断及防灾减灾提供参考。
1 资料与方法
青藏高原大多数气象观测站建于20世纪60年代初且主要分布在高原中东部地区，而高原西部受复杂地形和恶劣环境影响，气象台站分布稀疏、建站时间相对较晚，为增加空间分析精度，考虑时间长度，选取1961—2021年冬季（11月至次年2月）青藏高原99个气象观测站点（图1）20：00—20：00（北京时，下同）逐日降水资料，为保证资料一致性，剔除冬季出现的液态及雨夹雪降水过程。根据《降水量等级》（国家气象中心，2012），对20：00—20：00日降雪量进行划分，其中0.1~2.4 mm为小雪，2.5~4.9 mm为中雪，≥5.0 mm为大雪及以上降雪。1991—2020年青藏高原99个气象观测站的逐日平均气温和最低气温数据用于说明前、后冬的划分依据。另外，选取北极涛动指数（AO）、北大西洋多年代际振荡（the Atlantic Multidecadal Oscillation， AMO）指数、太平洋年代际振荡（Interdecadal Pacific Oscillation， IPO）指数、热带印度洋偶极子（Tropical Indian Ocean Dipole， TIOD）指数作为青藏高原前、后冬强降雪的关键影响因子。其中，AO指数下载于美国气候预测中心（Climate Prediction Center， CPC）网站（https://www.cpc.ncep.noaa.gov/products/precip/CWlink/daily_ao_index/ao.shtml），AMO和IPO下载网址为 http://www.esrl.noaa.gov/psd/data/climateindices/list/，TIOD指数从国家气候监测预测平台获取。海温资料选用美国国家海洋和大气管理局（National Oceanic and Atmospheric Administration， NOAA）提供的第5套逐月扩展重建海温资料，适用于长期的全球、海盆尺度的研究（Smith and Reynolds，2003；Smith and Reynolds，2004）。文中附图涉及青藏高原边界源于国家青藏高原科学数据中心（http://data.tpdc.ac.cn）提供的青藏高原边界数据总集，审图号为GS（2019）1786号。
图1
图1
青藏高原气象站点空间分布
Fig.1
Spatial distribution of meteorological stations in the Qinghai-Tibetan Plateau
韦玮等（2014）根据全国月平均气温的年变化特征，将11月和12月看作前冬，1月为隆冬，2月和3月为后冬；在此基础上，韦玮等（2020）利用年最低气温指标，将11月16日至次年1月15日划分为前冬，次年1月16日至3月15日划分为后冬，最大程度上保证全国前、后冬划分的一致性；保云涛等（2018）在分析青藏高原中东部积雪时将11月至次年1月定义为前冬，2—4月为后冬。基于青藏高原月平均气温和年最低气温出现日期变化特征（图2），并结合以上划分结果，本文将每年11月至次年2月作为冬季，并将每年11—12月定义为前冬，次年1—2月定义为后冬，如2021年11—12月称为2021年前冬，2022年1—2月称为2021年后冬，以此类推。
图2
图2
1991—2020年青藏高原月平均气温箱线图（a）和年最低气温出现日期频次分布（b）
Fig.2
The box plot of monthly mean air temperature （a） and frequency of the date occurring annual minimum air temperature （b） in the Qinghai-Tibetan Plateau during 1991-2020
基于90%百分位阈值法（Easterling et al.，2000），计算青藏高原前、后冬强降雪量和强降雪日数，并以1991—2020年新气候平均值为基准计算得到前、后冬强降雪量和强降雪日数距平值；采用线性倾向估计法（施能等，1995）研究前、后冬强降雪量和强降雪日数在时间变化中的升降幅度，并对其进行统计检验；利用皮尔逊相关性分析（魏凤英，2007）探讨海表温度、海温指数、北极涛动指数与前、后冬强降雪量、强降雪日数之间的联系；采用集合经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）方法（Wu and Huang，2009），得到前、后冬强降雪量、强降雪日数距平值在年际、年代际尺度上的变化序列。
2 结果分析
2.1 不同量级和不同持续天数降雪站次分布
图3
图3
1961—2021年青藏高原冬季不同量级（a）及不同持续天数（b）降雪过程出现站次旬变化
Fig.3
Ten-day variation of station times of snowfall processes with different magnitudes （a） and different days （b） in winter in the Qinghai-Tibetan Plateau during 1961-2021
2.2 强降雪量和强降雪日数时间变化
由1961—2021年青藏高原前冬强降雪量和强降雪日数距平及前冬强降雪量（日数）占前冬总降雪量（日数）的百分比（即贡献率）[图4（a）、（b）]可以看出，前冬强降雪量、强降雪日数呈“少—多—少—多”变化特征，总体呈增加趋势，但未通过显著性检验；20世纪70年代中期至90年代中后期为前冬强降雪量和强降雪日数偏多时段，1998年以来前冬强降雪量和强降雪日数由偏多转为偏少，但2018年前冬高原强降雪量和强降雪日数均达历史同期最大值。前冬强降雪量占前冬总降雪量的百分比平均为45%，强降雪日数占前冬总降雪日数的百分比平均为11%，前冬强降雪量的贡献率远大于前冬强降雪日数，前冬强降雪量和强降雪日数贡献率总体呈增加趋势。
图4
图4
1961—2021年青藏高原前（a、b）、后（c、d）冬强降雪量（a、c）、强降雪日数（b、d）距平及其贡献率的年际变化
Fig.4
The inter-annual variation of anomalies of heavy snowfall （a， c）， heavy snowfall days （b， d） and their contribution rates in early （a， b） and late （c， d） winter in the Qinghai-Tibetan Plateau during 1961-2021
从前、后冬强降雪量和强降雪日数距平经EEMD分解后的年际变化[图5（a）、（b）]可以看出，20世纪70年代中期至90年代中后期、21世纪10年代后期，前冬强降雪量和强降雪日数表现出较大振幅，而后冬强降雪在20世纪80年代中期至90年代初、21世纪00年代末至10年代年际变率较大，总体上，前、后冬强降雪量（强降雪日数）距平均方差（Standard Deviation， STD）分别为1.3 mm（0.3 d）、1.2 mm（0.2 d），前冬强降雪具有更大的年际变化振幅。从年代际变化[图5（c）、（d）]来看，20世纪80年代中后期至21世纪10年代初期前冬强降雪量和强降雪日数呈减少趋势，但近几年偏多明显；后冬强降雪量和强降雪日数呈波动式增加，20世纪80年代后期至90年代前期、21世纪10年代前期强降雪量及强降雪日数偏多明显。
图5
图5
1961—2021年青藏高原前、后冬强降雪量（a、c）和强降雪日数（b、d）距平经集合经验模态分解的年际（a、b）及年代际（c、d）变化
Fig.5
The inter-annual （a， b） and interdecadal （c， d） variations of anomalies of heavy snowfall（a， c） and heavy snowfall days （b， d） in early and late winter decomposed by the Ensemble Empirical Mode in the Qinghai-Tibetan Plateau during 1961-2021
2.3 强降雪量和强降雪日数空间分布
由1961—2021年青藏高原前冬强降雪量、强降雪日数及其贡献率的空间分布[图6（a）、（b）]来看，高原前冬强降雪量空间分布不均，青藏高原东北部、西南部以及中东部主体为强降雪量高值区，年平均强降雪量在2.5 mm以上，其中高原西南部强降雪量最大；各地强降雪量平均贡献率为9%~85%，贡献最大的区域主要分布在高原东北部及高原南侧地区，贡献率在50%以上；前冬强降雪日数高值区主要分布在高原东侧的中北部地区，高原大部分地区强降雪日数的贡献率在15%以内，其中高原东北侧及南侧贡献率较大。后冬年平均强降雪量和强降雪日数均多于前冬，高原东部南北两侧强降雪量和强降雪日数相比于中部地区较少，西藏偏西南及偏东南地区强降雪量和强降雪日数较大[图6（c）、（d）]；后冬强降雪量和强降雪日数的贡献率明显小于前冬，后冬各地强降雪量贡献率为22%~67%，贡献率较大的地区主要分布在高原南侧，强降雪日数贡献率在高原大部分地区不足10%。
图6
图6
1961—2021年青藏高原前（a、b）、后（c、d）冬强降雪量（a、c）和强降雪日数（b、d）及其贡献率空间分布以及前、后冬强降雪量、强降雪日数正负趋势站点百分比（e）
Fig.6
Spatial distribution of heavy snowfall （a， c）， heavy snowfall days （b， d） and their contribution rates in early （a， b） and late （c， d） winter， and percentage of stations with the positive and negative linear trends for heavy snowfall and heavy snowfall days in early and late winter （e） in the Qinghai-Tibetan Plateau during 1961-2021
近61 a来，青藏高原分别有52%和48%的站点前冬强降雪量呈增加和减少趋势，显著增加、显著减少的站点分别占总站数的13%和5%；前冬强降雪日数呈增加、减少趋势的站点分别占总站数的49%、51%，其中通过α=0.1显著性检验的站点分别占总站数的11%和4%；青藏高原后冬强降雪量和强降雪日数呈增加趋势的站点（占总站数的79%和76%）明显大于前冬，显著增加的站点占总站数的30%以上，另有21%和24%的站点后冬强降雪量和强降雪日数呈减少趋势，但大部分地区均未通过α=0.1的显著性检验[图6（e）]。
2.4 关键影响因子与强降雪的关系
为初步研究青藏高原冬季强降雪的影响因子，计算高原前、后冬强降雪量和强降雪日数与海表温度的相关系数（图7）。1961—2021年青藏高原前、后冬强降雪量和强降雪日数与同期海表温度以正相关为主，尤其在热带印度洋、太平洋、北大西洋上存在正相关显著区域，这些海洋活动可以通过大气环流影响青藏高原冬季强降雪。不同的是，青藏高原前冬强降雪量和强降雪日数与热带中东太平洋、热带印度洋西部海表温度的正相关最高且通过α=0.05的显著性检验，热带太平洋中东部海表温度偏暖、热带印度洋偶极子正位相时前冬强降雪量和强降雪日数偏多[图7（a）、（b）]；青藏高原后冬强降雪量和强降雪日数与热带印度洋、西北太平洋、北大西洋同期海表温度的正相关性最高且通过α=0.05的显著性检验[图7（c）、（d）]。可见，海表温度对青藏高原冬季强降雪量和强降雪日数有一定影响。另外，冬季北极涛动（AO）正负位相和青藏高原降雪多寡具有很好的对应关系（覃郑婕等，2017；刘胜胜等，2021）。
图7
图7
1961—2021年青藏高原前（a、b）、后（c、d）冬强降雪量（a、c）、强降雪日数（b、d）与同期海表温度的相关系数空间分布
（打点区域表示相关系数通过α=0.05的显著性检验）
Fig.7
Spatial distribution of correlation coefficients between heavy snowfall （a， c）， heavy snowfall days （b， d） in early （a， b） and late （c， d） winter in the Qinghai-Tibetan Plateau and sea surface temperature during 1961-2021
（The dotted areas indicate that the correlation coefficient passes significance test at α=0.05）
为进一步揭示青藏高原前、后冬强降雪与不同海盆海表温度以及AO的关系，计算青藏高原前、后冬强降雪量和强降雪日数与同期关键海温指数、AO指数的21 a滑动相关系数，如图8所示。前冬强降雪量和强降雪日数与同期AMO指数的21 a滑动相关系数在20世纪70年代至90年代初期以正相关为主，进入21世纪后发生一次由正相关转变为负相关的跃变现象；与前冬不同，后冬强降雪量和强降雪日数与同期AMO指数的21 a滑动相关系数总体呈负相关，20世纪70年代后期至90年代前期相关系数由负向正靠近[图8（b）]；不难看出，20世纪70年代至90年代中期，前、后冬AMO处于负位相[图8（a）]，前、后冬强降雪量和强降雪日数与AMO指数的相关系数随时间变化较为一致，但在AMO正位相期，前、后冬呈反位相变化。前、后冬IPO指数的年际变率均较大，前冬强降雪量、强降雪日数与IPO指数的21 a滑动相关系数呈正相关，前冬强降雪量与IPO指数的正相关系数在20世纪90年代中期至21世纪00年代初期通过α=0.05的显著性检验；进入21世纪以来，后冬强降雪量、强降雪日数与同期IPO指数呈负相关[图8（c）、（d）]。前冬强降雪量和强降雪日数与TIOD指数的正相关性非常显著，并且具有明显的年代际增强趋势，20世纪80年代中期由弱正相关转变为显著正相关，尤其是20世纪90年代中期以来，前冬TIOD变率较大，与前冬强降雪量和强降雪日数的正相关系数也在0.5以上，这种显著正相关性一直维持至今[图8（e）、（f）]；后冬强降雪量与TIOD的相关系数与前冬呈反位相变化，20世纪80年代至90年代前期以弱正相关为主，90年代中期以来维持负相关性[图8（f）]。20世纪80年代中期以前，前冬强降雪量、强降雪日数与AO指数维持正相关，20世纪80年代中期至今以负相关为主，相应地，负相关期前冬AO指数年际振幅也较大[图8（g）、（h）]；后冬强降雪量和强降雪日数与同期AO指数一直维持正相关性，正相关程度较高，这与后冬AO指数较大的年际变率有关[图8（g）、（h）]。
图8
图8
1961—2021年前、后冬AMO（a、b）、IPO（c、d）、TIOD（e、f）、AO（g、h）指数年际变化（a、c、e、g）及其与青藏高原前、后冬强降雪量和强降雪日数的21 a滑动相关系数（b、d、f、h）
Fig.8
The inter-annual variation （a， c， e， g） of the AMO （a， b）， IPO （c， d）， TIOD （e， f）， AO （g， h） indices and their 21-year sliding correlation coefficients （b， d， f， h） with heavy snowfall and heavy snowfall days in early and late winter in the Qinghai-Tibetan Plateau during 1961-2021
3 结论
本研究基于青藏高原气象观测站点1961—2021年冬季逐日降雪资料，统计不同量级和不同持续天数降雪站次，对比分析前、后冬高原强降雪量和强降雪日数的变化趋势及空间分布等，探讨前、后冬强降雪量、强降雪日数与关键海温指数和北极涛动指数的联系。主要得到以下结论：
（1）青藏高原地面观测显示前、后冬降雪具有明显差异，后冬降雪过程多且持续时间长，尤其是1月中旬至2月下旬，小雪出现站次逐渐增加；而中雪及以上降雪多集中在11月上中旬和2月中下旬，尤其是前冬初期较大量级降雪过程出现站次最多，12月上旬降雪过程最少。
（2）青藏高原前冬强降雪量及强降雪日数总体呈不显著增加趋势，后冬强降雪量、强降雪日数呈显著增加趋势。前冬高原强降雪量和强降雪日数高值区主要分布在高原东侧的中部及东北部地区，后冬高原东部南北两侧强降雪量和强降雪日数相比中部地区较少。
（3）青藏高原前、后冬强降雪量及强降雪日数贡献率均呈增加趋势，但前冬强降雪量和强降雪日数的贡献率明显大于后冬。前冬高原东北部及南侧地区强降雪的贡献率最大，后冬强降雪贡献较大的站点主要分布在高原南侧。
（4）青藏高原前冬强降雪量及强降雪日数总体呈“少—多—少—多”变化特征，20世纪70年代中期至90年代中后期、21世纪10年代中后期为强降雪量和强降雪日数偏多时段，1998—2017年高原前冬强降雪量和强降雪日数总体减少，但2018年高原前冬出现极端强降雪；后冬强降雪量和强降雪日数呈波动式增加趋势，两者偏多年份主要集中在20世纪80年代中期至21世纪10年代。
（5）青藏高原前冬强降雪量和强降雪日数与热带中东太平洋、热带印度洋西部海表温度呈显著正相关，后冬强降雪量和强降雪日数与热带印度洋、西北太平洋、北大西洋同期海表温度的正相关最显著。20世纪80年代中期前冬强降雪量和强降雪日数与同期TIOD指数由弱正相关转变为显著正相关，尤其是20世纪90年代中期以来，前冬TIOD的年际变率较大，与前冬强降雪量和强降雪日数正相关系数较大；后冬AO指数的年际振幅较大，受其影响，后冬高原强降雪量和强降雪日数与AO指数呈稳定正相关关系。
本文主要揭示了青藏高原前、后冬强降雪量、强降雪日数的差异性特征，初步探讨了其与不同海域海温指数和北极涛动指数的联系，指出印度洋、北大西洋、太平洋海表温度及北极涛动指数对高原冬季强降雪有一定影响。但对于上述因子如何协同影响高原强降雪的机理和响应机制仍需要进行深入研究。
参考文献
青藏高原积雪时空变化特征及异常成因
[J].
利用国家气象信息中心提供的日积雪深度的台站观测资料以及JRA55提供的大气环流再分析资料，分析了1961-2013年前冬（11月至次年1月）和后冬（2-4月）青藏高原中东部地区积雪深度（以下简称积雪）的时空变化特征，探究了影响高原中东部整体积雪异常和年际变化的环流形态及水汽条件。结果表明，高原积雪以显著的年际变化和年代际变化为主，在空间分布上具有明显的不均匀性，海拔越高，积雪的年际变率越大。不论前冬还是后冬，高原中东部积雪最主要的变化形势均为全区一致型。1961-2013年前冬和后冬积雪无明显的长期变化趋势，前冬的积雪在1996年以前显著增加，1996年以后转为减少趋势。从高原积雪年际变化的成因来看，前冬积雪很可能同时受北极涛动和高原附近位势高度年际变化的主导，后冬积雪受高原附近位势高度变化的主导，并受北极涛动年际变化的调节。当高原积雪偏多时，阿拉伯海到青藏高原以东地区的位势高度偏低，导致南支槽活跃，高原南侧西风急流加强，槽前携带的水汽增加，副热带高压偏北偏强同时其外围携带的水汽增加；贝加尔湖脊加强有利于引导冷空气南下，冷空气和暖湿空气在高原东部交汇使得高原中东部降雪和积雪增加。
青藏高原春季地表非绝热加热异常对东亚夏季风强度的影响
[J].为了探究与融雪、融冻过程相联系的青藏高原春季地表非绝热加热异常对东亚夏季风强度变化的影响，利用NCEP/NCAR Reanalysis I（NCEP-I）和欧洲中心（ERA-interim）全球月平均感、潜热通量等再分析资料，以及1961—2014年全国723个气象站逐月历史观测资料，首先定义一个与青藏高原地表非绝热加热相联系的新东亚夏季风指数，并分析新夏季风指数与中国夏季降水的关系，进而探讨青藏高原春季地表非绝热加热异常对东亚夏季风强度变化的影响。结果表明：（1）受青藏高原春季大气射出长波辐射减弱、地气温差发生突变影响，近36 a青藏高原春季地表感热、潜热通量先后在1997年、2003年左右经历了一次由增大转为减小的明显突变；（2）采用200 hPa水平风速新定义的东亚夏季风指数具有良好、广泛的代表性和适用性，近50 a来新东亚夏季风指数强度呈减弱趋势，减弱速率为-0.73/10 a；（3）新东亚夏季风指数与长江流域夏季6—8月降水之间存在极为显著的负相关关系，即东亚夏季风出现增强（减弱）异常时，长江流域夏季6—8月降水会异常减少（增多）；（4）融雪、融冻过程引起的青藏高原春季前期地表潜热通量正（负）异常，会引起随后建立的东亚夏季风强度的减弱（增强）。与融雪、融冻过程联系紧密的青藏高原春季地表感、潜热通量存在显著的准3 a左右周期，其年代际变化对随后爆发的东亚夏季风和我国东部地区夏季降水准3 a左右周期的变化具有重要影响。
青藏高原春季土壤湿度异常与我国夏季降水的联系
[J].利用197 -2014年GLDAS-CLM（Global Land Data Assimilation System-the Community Land Model）地表参量数据集、 中国区域逐日观测资料格点化数据集（CN05.1）和ERA-nterim大气环流再分析数据， 研究青藏高原5月（春季）土壤湿度的异常变化特征与6月高原地表热通量的相关关系以及土壤湿度异常与我国夏季（7月）降水的联系和可能机理。结果表明： （1）1979 -2014年5月青藏高原0~10 cm区域平均土壤湿度异常偏高年有2000， 2001， 2004， 2005， 2006和2013年； 异常偏低年有1994， 1995， 1996， 1998和1999年。高原整体土壤湿度2000年前较2000年后干燥。从空间分布来看， 藏北高原、 三江源地区以及藏南谷地土壤湿度偏高年较偏低年有明显增加， 且结果通过了90%的置信度检验。（2）高原5月土壤湿度的异常变化与中国夏季的降水分布存在明显的相关关系， 当青藏高原土壤较为湿润（干燥）时， 从高纬至低纬地区， 相关区呈现“正负正负”（“负正负正”）带状分布特点。（3）5月高原土壤异常湿润时， 6月高原东部感热通量和西部的潜热通量异常增加， 其共同作用会加强其大气低层辐合环流和大气高层辐散环流， 使整个东亚中高纬地区850 hPa以上受强反气旋环流控制； 高原东北部500 hPa及以上为反气旋环流， 南部和西部为气旋性环流， 环流场配置会使南亚高压加强东移， 加强西太平洋副热带高压。（4）7月西太平洋副热带高压北侧黄淮地区伴有垂直上升运动， 暖湿气流与东北冷涡西侧南下的干冷气流汇合， 高层辐散配合低层辐合有利于黄淮地区降水。西北东部和华北区域由反气旋性环流控制， 伴有较强的下沉运动， 空气干冷， 无充足的水汽输送， 不利降水产生。
RCP8.5情景下未来热带太平洋海域大气对海表温度的响应分析
[J].热带太平洋是大气对海表温度（sea surface temperature，SST）异常响应最活跃的地带之一，了解热带太平洋海域大气对SST异常响应的变化特征有助于全面了解大气环流、ENSO、季风爆发、台风活动甚至平流层的物理、动力学过程。利用CMIP5的GFDL-ESM2G和CMCC-CESM模式研究未来RCP8.5排放情景下，热带太平洋海域大气对SST异常的响应特征。结果表明，2006—2100年热带太平洋SST逐年增加，而2080—2100年热带太平洋SST与对流活动、200 hPa位势高度异常、垂直速度异常的相关性较2006—2030年明显减弱，预示未来热带太平洋海域大气对SST异常的响应可能减弱。热带太平洋海域大气对SST异常的响应减弱进一步导致平流层温度对未来热带太平洋SST增加的响应减弱。CAM5的敏感性试验结果亦证实了未来热带太平洋海域大气对SST变暖的响应可能减弱。进一步研究发现热带太平洋区域平均SST从2006—2030年的27.4 ℃增加至2080—2100年的29.4 ℃。已有研究表明，当热带太平洋SST在27.5 ℃附近时，深对流活动会随着SST增加而线性加强，而当SST超过28 ℃时，SST的增加对对流活动的影响变小。因此，未来热带太平洋SST超过28 ℃，SST的持续增加对对流活动的影响变小，从而导致大气对SST异常的响应减弱。
青藏高原东部积雪异常与西南地区春季降水的关系
[J].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。
山东夏季暴雨对青藏高原东南部及邻近区域春季大气热源变化的响应
[J].利用1979—2018年山东省120个国家气象站逐日降水观测数据、欧洲中期天气预报中心ERA-Interim逐月再分析资料以及美国国家环境预报中心和大气研究中心逐6 h再分析资料,分析春季青藏高原大气热源强度变化对山东夏季暴雨的影响。结果表明：近40 a山东大部地区暴雨日数呈增加趋势,鲁西南、鲁西北中东部增加趋势显著。春季、夏季高原均为东亚大气热源较强区域,春季高原大气热源强中心区的强度与山东夏季暴雨指数呈显著正相关。当春季高原大气热源增强时,夏季南亚高压加强、东扩,200 hPa南亚高压易呈中部型,500 hPa中国东北地区易有冷涡生成南下,日本东部西太平洋副热带高压加强北抬,山东处于冷暖气流交汇区,同时明显有自南向北的水汽输送至山东地区,低层辐合、高层辐散的环流配置促使该地区上升气流增强,有利于降水产生。春季高原大气热源强度与夏季南亚高压强度、丝绸之路遥相关分别呈显著正、负相关,大气热源增强下的环流形势有利于山东地区出现强降雨。
青藏高原夏季风和北半球夏季季节内振荡对中国西南地区雨季旱涝的影响及协同作用
[J].中国西南地区旱涝变化受多种天气系统影响，青藏高原夏季风(Qinghai-Tibetan Plateau summer monsoon，QTPSM)和北半球夏季季节内振荡(boreal summer intraseasonal oscillation，BSISO)等次季节系统的强弱都会导致中国西南地区雨季旱涝变化，但目前这2个系统的协同作用机制尚缺乏系统性研究。因此，本文利用1981—2020年美国国家海洋与大气管理局气候预报中心日降水量和美国国家环境预报中心日再分析资料等，采用青藏高原季风指数(QTPM index，QTPMI)和BSISO指数，分析QTPSM和BSISO对中国西南地区雨季旱涝的影响及协同作用机制。结果表明：(1)QTPSM的强度与中国西南地区雨季降水量呈反相关，活跃阶段的QTPSM(active QTPSM，AQ)抑制西南地区降水，抑制阶段的QTPSM(inactive QTPSM，IAQ)促进西南地区降水。(2)在BSISO第一模态的5、6相位和第二模态的3、4相位期间，中国西南地区雨季极端降水发生概率增大;而在BSISO第一模态的2、3相位和第二模态的6、7相位期间，中国西南地区雨季极端降水发生概率减小。(3)在协同作用中，BSISO第二模态的6、7相位和QTPSM组合对中国西南地区雨季旱涝影响最大，降水正距平分布范围最广;当BSISO相位与AQ组合转为与IAQ组合时，中国西南地区雨季降水正距平大值区由北部转为南部。(4)在AQ组合相位中，中国西南地区雨季对流层中层盛行东南风，低层东西两侧均为“一高一低”的环流配置，促使印度洋、西太平洋水汽输送至西南地区北部，形成水汽辐合区;在IAQ组合相位中，中国西南地区雨季对流层中层盛行偏北风，低层受强气旋环流控制，促使印度洋水汽持续输送至西南地区南部，形成水汽辐合带。
青藏高原冬季积雪时空变化特征及其与北极涛动的关系
[J].青藏高原积雪不仅是气候变化的敏感指示器,而且对亚洲季风区乃至全球气候具有显著影响。利用2002-2014年MODIS积雪覆盖范围产品及ERA-Interim再分析资料,采用气候统计诊断方法探究了青藏高原冬季积雪的时空变化特征及其与北极涛动（AO）的关系,结果表明：① 高原冬季积雪空间分布差异明显,高原西部和东南部多雪,中部和北部少雪,东部积雪年际变化大,西部多雪区积雪较为稳定。② 高原冬季积雪EOF分解第一模态具有东—西反位相变化特征,当高原东部积雪偏多（少）时,西部积雪偏少（多）。③ 该模态与AO密切相关。AO正位相时,东亚大槽减弱,南支槽加深东移,西太平洋副高加强使得更多暖湿气流到达高原,有利于高原东部降雪,而高原西南侧阿拉伯海附近存在反气旋异常,使得阿拉伯海的水汽不易抬升进入高原西部,高原西部盛行干燥的下沉气流异常,造成少雪的环流背景,且地表温度偏高不利于积雪维持,从而导致高原西部积雪的减少;AO负位相时,东亚大槽增强使得冬季风加强,高原东部受来自西北的干冷气流控制,不利于降雪产生,高原西南侧出现气旋异常,促使来自阿拉伯海和孟加拉湾的暖湿气流输送至高原西部,与来自西伯利亚的冷空气相遇,营造多雪的环流背景。
1979—2017年CRU、ERA5、CMFD格点降水数据在青藏高原适用性评估
[J].
2019年7月上半月中国南方降水异常偏多成因分析
[J].7月上半月我国南方地区降水异常对我国双季稻生产和社会经济有着重要影响。利用1981—2010年及2019年7月中国区域约2400个国家地面气象站逐日降水量资料、美国国家环境预报中心和大气研究中心(National Centers for Environmental Prediction/National Center for Atmospheric Research，NCEP/NCAR)提供的分辨率为2.5°×2.5°的逐日及分辨率为1°×1°的逐6 h再分析资料，利用非地转湿 Q矢量诊断分析2019年7月上半月我国南方降水异常的成因。结果表明：2019年7月上半月南方地区的异常持续性降水发生在高层南亚高压偏南偏东、中层西太平洋副热带高压偏强偏南偏西、低层江南华南地区位势高度场偏弱(气旋性环流异常)的环境下;用非地转湿 Q矢量对上升运动进行诊断发现2019年7月上半月南方地区异常持续性降水对应的上升运动主要由非绝热加热造成，且强盛的非绝热加热又主要由中低层强盛的水汽通量辐合造成;赤道西太平洋较大的海温水平梯度有利于越赤道气流的加强，在赤道以北形成一个类似Walker cell的纬向环流，其下沉支有利于孟加拉湾至菲律宾一带出现反气旋环流异常，增加孟加拉湾和南海向北的水汽输送。对2019年7月上半月我国南方地区异常降水的研究发现，赤道西太平洋的海温水平梯度变化会通过影响越赤道气流来影响我国南方地区风场及水汽通量，进而影响我国南方地区7月上半月的降水。
An interdecadal regime shift in rainfall predictability related to the Ningaloo Niño in the late 1990s
[J].
Observed variability and trends in extreme climate events: a brief review
[J].
Impacts of ENSO and IOD on snow depth over the Tibetan Plateau: roles of convections over the western north Pacific and Indian Ocean
[J].
Arctic Oscillation and the autumn/winter snow depth over the Tibetan Plateau
[J].
Causes of the extreme snowfall anomaly over the northeast Tibetan Plateau in early winter 2018
[J].
Extended reconstruction of global Sea Surface Temperatures based on COADS data (1854-1997)
[J].
Improved extended reconstruction of SST (1854-1997)
[J].
Spatial-temporal features of intense snowfall events in China
[J].
The role of terrestrial snow cover in the climate system
[J].
The relation between the Tibetan winter snow and the Asian summer monsoon and rainfall: an observational investigation
[J].
Ensemble empirical mode decomposition: a noise-assisted data analysis method
[J].A new Ensemble Empirical Mode Decomposition (EEMD) is presented. This new approach consists of sifting an ensemble of white noise-added signal (data) and treats the mean as the final true result. Finite, not infinitesimal, amplitude white noise is necessary to force the ensemble to exhaust all possible solutions in the sifting process, thus making the different scale signals to collate in the proper intrinsic mode functions (IMF) dictated by the dyadic filter banks. As EEMD is a time–space analysis method, the added white noise is averaged out with sufficient number of trials; the only persistent part that survives the averaging process is the component of the signal (original data), which is then treated as the true and more physical meaningful answer. The effect of the added white noise is to provide a uniform reference frame in the time–frequency space; therefore, the added noise collates the portion of the signal of comparable scale in one IMF. With this ensemble mean, one can separate scales naturally without any a priori subjective criterion selection as in the intermittence test for the original EMD algorithm. This new approach utilizes the full advantage of the statistical characteristics of white noise to perturb the signal in its true solution neighborhood, and to cancel itself out after serving its purpose; therefore, it represents a substantial improvement over the original EMD and is a truly noise-assisted data analysis (NADA) method.
World water tower: an atmospheric perspective
[J].
Respective influences of IOD and ENSO on the Tibetan snow cover in early winter
[J].
IOD influence on the early winter Tibetan Plateau snow cover: diagnostic analyses and an AGCM simulation
[J].
On the relationship between Tibetan snow cover, the Tibetan Plateau monsoon and the Indian summer monsoon
[J].
Variability of Tibetan spring snow and its associations with the hemispheric extratropical circulation and East Asian summer monsoon rainfall: an observational investigation
[J].
Historical and future changes of snowfall events in China under a warming background
[J].
A tripole winter precipitation change pattern around the Tibetan Plateau in the late 1990s
[J].
