长江淮河流域春季多尺度气旋活动及其与降水异常的关系外文翻译资料

 2022-12-03 11:12

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

长江淮河流域春季多尺度气旋活动及其与降水异常的关系

摘要：本文基于对气旋的外层闭合等值线的识别框架，开发了能够识别在长江淮河流域春季期间发生的多尺度气旋（CHV）的自动识别算法。我们研究了自1979年起对CHV有影响的多尺度气旋活动的特征及其与春季降水的关系。结果表明，文中提出的对气旋的自动识别算法能够直观地识别影响CHV的多尺度气旋。该算法可以有效地描述气旋外围闭合等值线的形状和覆盖面积。我们发现，相对于中尺度和次天气尺度气旋的活动，天气尺度气旋的活动与春季多尺度CHV气旋总体活动强度有更密切的关系。然而，次天气尺度气旋出现的频率是最高的，同时，上述三种气旋对CHV气旋活动变化的影响都不能忽略。基于影响的面积和气旋的强度，对次天气尺度、天气尺度气旋强度综合指标进行了进一步界定，其与春季长江淮河地区的降水呈正相关。除此之外，综合气旋强度指数对于强降水事件是一个很好的指示因子。

关键词：气旋活动 多尺度气旋 极端降水 CHV区域

1.引言

低层的天气系统，例如低涡，槽线和切变线系统是导致局地降水以及强对流天气的直接原因。因此，许多以前的研究着眼于建立一种准确有效的方法，而这种方法是用来追踪天气尺度气旋（如低涡等），从而识别天气系统的气候特征(Ulbrich et al., 2009)。

从历史上来看，最早监测气旋的起源可以追溯到19世纪末，那时还没有计算机(van Bebber, 1891)。当时的学者使用有限的天气图的数据手工识别和分析东亚地区气旋活动的源地，特征和路径(Zhang, 1984;Chen and Zhang, 1996)，张（1984）指出，在华北地区春季气旋的发展与气流的气旋性曲率的形成相关，从而导致在中国北方大部分地区的阴雨天气。魏等（2013）利用中国中央气象台过去49年的历史天气图数据研究长江以及淮河流域（CHV）气旋的气候统计特征，发现强气旋出现的频率有下降的趋势，而其生成的强度有上升趋势。自上世纪90年代以来，随着计算机技术的引入以及全球再分析数据的普及，拉格朗日自动识别和特征提取方法的研究已成为一个新的研究热点。(e.g., Murray and Simmonds, 1991; Hodges, 1994;Serreze et al., 1997; Wernli and Schwierz, 2006; Neu et al.,2013).

在近几年,东亚温带气旋的气候特征的研究（特别是在中国北部）取得了最新进展。基于自动识别和跟踪方法，胡等人（2010）研究了中国东北冷涡气候特点，表明持续的冷涡活动会对本地和遥远地区的气候异常有影响，导致某些“气候效应”。张等（2012）的研究指出西西伯利亚、蒙古和东亚沿海是东亚气旋的主要形成区，他们指出东亚内部很少出现爆发性气旋。一系列研究表明，近几十年来中国北部气旋的强度和频率有所减少。例如，姚等人（2003）发现蒙古和贝加尔湖东部春季气旋活动频率具有显著的年代际变化，70年代末至2000年间气旋活动频率较低。王等人（2009）指出了一个偶极型变化的趋势，即在北方频率增加以及在南部频率减少，这个趋势影响着东亚温带气旋；他们认为这一趋势是与110°E附近斜压锋区北移有关。王（2011）认为在上世纪80年代初，500 hPa东亚中高纬环流由强到弱的变化，导致了中国北部气旋显著的负相位变化的频率。富等（2013）研究了影响冬季中国北方地区天气系统的气旋的气候特征和年际变化，并且总结了它们的路径。他们指出，自上世纪80年代，气旋发生的频率有所下降与东亚地区中高纬对流层低层斜压性的减弱相关。

气旋的自动识别和追踪法经常被应用于研究天气尺度的温带气旋。通常情况下，先初步确定气旋中心位置，是基于一个给定的搜索半径，在不同的时间步长持续追踪中心位置从而实现自动识别以及实现跟踪温带气旋（NEU et al.，2013）。这种方法对天气尺度气旋提供了有效的识别和跟踪，但对短生命周期、小规模或强多中心系统的识别能力有限。 最近，wernli和schwierz（2006）提出了一种基于气旋外围的闭合等值线识别方法，并定量计算气旋发生频率的影响。然而，由于个别温带气旋的形状差异大，算法对于闭合等值线识别复杂。此外，需要研究对区域依赖性较大的温带气旋的特征。

CHV在中国中东部人口密集、经济发达。在CHV里，天气尺度系统形态通常与当地强降水/干旱有关的事件相关。（例如，王等，2011；靳等，2013, 2015），经常造成严重的经济损失。在王（2011）和魏等人（2013）的报告中指出，春季气旋出现的次数最多，并且常和连阴雨事件相关。春季气旋活动，以及可能与之相关的持续性降雨事件，在区域农业生产和社会经济领域很重要。影响这个地区的气旋类型复杂多样，包括从中国北部延伸的大型气旋，从中国西南部传播的低涡，局部产生的气旋，和少量的在春季登陆的热带气旋，这些气旋的性质和规模的差异是显著的。因此，对春季影响CHV的气旋活动研究较少。在本文中，气旋外围闭合等值线检测框架是用来建立一种可以自动识别多尺度气旋的方法，而这种算法可以追踪春季CHV中的不同尺度气旋。 除此之外，我们为了寻找气旋和春季CHV造成的降水之间的联系，定义了一种新的综合区域强度指数，用来研究不同尺度的气旋活动的气候特点。

2.资料和方法

2.1 数据

本文使用的数据是：（1）从ERA-interim数据集获得（贝里斯福德等，2009）六小时位势高度及累积降雨量，水平分辨率接近0.70*0.70（T255高斯网格）。从1979年3月1日0000时UTC至2013年5月31日1800 UTC。在识别气旋的过程中，选用850hPa位势高度场以减小地形对识别气旋的影响。如图1所示，在中国东部地形高度维持在1500m及其以下，因此，选用850hPa位势高度场可以避免在对海平面气压（SLP）插值过程中导致的误差。

（2）降水量的观测数据是由气象数据共享服务网提供。月降水量是从从一个0.50times;0.50网格每月地面降水数据集得到的（版本2），区站的日降水量的数据是从中国地面气候资料里CHV中的125个站的日数据库获得的。

2.2 识别气旋的方法

本文所采用的基于最外侧闭合等值线的自动气旋识别方法类似于Wernli和Schwierz（2006）的方法。 以下列出了在给定时间步骤中确定影响850 hPa CHV的气旋的详细步骤：

（1）在图1的搜索区域中确定了具有低值的中心点的位置。也就是说，当格点的位势高度低于其相邻的八个格点高度时，格点被标记为候选气旋中心，以及对应的Z850值（C0）和纬度经度位置都会被记录下来。

多尺度气旋活动和降水

图1.东亚地理图（地形值大于1500m着色）虚线框表示气旋中心探测的搜索区域（15°-65°N，90°-145°E），实心框代表CHV区域（28°-34°N，110°-122.5°E）

（2）以中心点的位置作为中心，选择了一个动态的二维网格矩阵，经向和纬向距离均为2000km，同时将等值线的间隙设置为4gpm。 C0加上4gpm的值被选为气旋区的第一条等值线（C1）。在所选的2D矩阵中确定C1特殊位置的集合，同时选择距中心最短距离的C1的位置作为第一条等值线的起始点。将距离C1最近的，且与起始点距离最短的位置作为第二个点。C1的位置可以沿着同方向依次追踪。如果C1的追踪位置接近起始点，这条等值线可以被定为该候选气旋的第一闭合等值线；在第一等值线闭合的情况下，C1加4gpm的结果被视为第二等值线（C2），并且第二等值线是否闭合由相同的跟踪方法确定。同样地，以中心为起点搜索闭合等值线，持续向外扩展搜索，直到Cn 1等值线不闭合。此时，Cn就是候选气旋的外围的闭合等值线。因此，在我们的研究中应用的方法与Wernli和Schwierz（2006）非常相似。他们进行了第一次推测，然后根据垂直于海平面气压场（SLP）的局部梯度方向搜索闭合等值线的连续点。

（3）如果在候选气旋周围有封闭的等值线，那么被等值线包围的区域被确定为气旋区域（气旋区域）。一旦确定了图1中CHV下降的气旋格点，候选气旋在CHV中被标记为影响因子。实施该算法的过程基于与计算机化轮廓绘图技术类似的原理;然而，主要区别在于，本研究中的算法基于单个气旋的中心点，用于向外扩展搜索。因此，根据每个气旋动态确定闭合等值线，以实现气旋分区的自动识别。气旋区的大小由最外面封闭等值线内的网格点的总和决定。应该注意的是，根据经验，等值线间隔选择为4 gpm。虽然这种选择有一定程度的主观性，但发现不同的等值线间隔对CHV中不同尺度的气旋强度的年际变化影响不大，这在3.4节有详细描述。此外，由于多中心气旋增加了追踪过程导致的不确定性，根据Hanley和Caballero（2012）的研究，如果气旋区域重叠，此处提出的算法将考虑面积最大的候选气旋周边的等值线，并将这些气旋单体组合成多中心气旋。

由于数据分辨率的限制，能够识别的最小的气旋尺度需要大于150km（中尺度）。此外，为提高识别的效率，算法将搜索区域限制在一个经度和纬度范围在2000km的二维动态矩阵内；因此，尺度超过2000km的大尺度气旋可能不能被监测到。

3.结果和分析

3.1气旋识别法在CHV中的适用性

根据本文所确定的气旋外围等值线的识别方法，我们在850hPa高度场识别出了2691个春季气旋影响了CHV；从1979年至2013年，每隔6小时确认一次气旋活动情况。为了记录多尺度气旋的水平范围（区域），考虑一个圆形区域，这个区域在数值上等于周边闭合等值线覆盖的网格点面积；圆的直径被视为气旋的等效水平范围（d）。 根据d将影响气旋分成三个尺度：中尺度（d lt;300 km）、次天气尺度（300kmle;dle;1000km）和天气尺度（dgt; 1000 km）。为了测试不同尺度下算法对气旋的识别能力，我们制作了三种尺度的气旋，如图2a-c所示，图2中所示的三条封闭等值线的形状与Grads所描绘的等值线的形状高度一致，这表明我们的算法成功检测到了等值线。仔细检查外部等值线发现，外围附近的闭合等值线的值与由绘图软件给出的值略有不同，因为该算法基于每个气旋的中心值以及向外部搜索闭合等值线的动态化过程。因此，每个气旋都有自己的一组闭合等值线。然而，绘图软件通常首先计算绘图区的最大值和最小值，然后确定绘图区的等值线间隔和每条等值线的值。因此，本文提出的算法在确定每个气旋周围闭合等值线时更为直观。在确定了外围周围的封闭等值线之后，进行轮廓内部重要网格点的搜索;这是第二个关键步骤，类似于计算机图形学的填充过程。此步骤的准确性与气旋影响区域有很密切的关系。在图2a中，江西省北部（d = 164 km）发生了一次中尺度影响气旋，其周围闭合等值线为1475 gpm。这个气旋的影响范围很小，它总共包含四个影响网格点。另外两个替补气旋的水平范围大于影响气旋的水平范围。然而，他们被排除在影响气旋群之外，因为这些气旋的影响范围不包括在CHV里。 图2b和c分别显示了在次天气尺度和天气尺度上影响气旋的例子，水平范围（d）分别为812公里和1634公里; 准确地描绘了气旋的影响区域（网格点）以及它们的具体形状。图2d还显示了一个具有双中心结构（d = 1034公里）的大规模的影响气旋; 它在外围有一个最外层的轮廓，可有效地覆盖其内部的两个气旋单体。本文的算法很好地展示了这种多中心强气旋的总体影响区域。

图2 几个多尺度气旋识别算法的示例

(a) 1200 UTC 1987.4.25 (d = 164 km), (b) 1800 UTC 2004.3.20 (d = 812 km), (c) 0000 UTC 2004.4.26 (d = 1634 km), 以及(d) 0000 UTC 1983.5.30 (d = 1034 km). 850hpa 位势高度场 (等值线间隔为4gpm)，黑色实线表示气旋的最外层等值线。 红色（蓝色）圆点表示（外部）CHV内的受气旋影响的网格点。红色的虚线框表示CHV

为更进一步测试该算法对覆盖此区域的影响气旋的性能，我们计算了CHV区域内每一个影响个点的气旋出现的频率。这里，每个网格处的气旋频率表示该点停留于气旋内的持续时间所占的百分比。 例如，气旋频率值为4％，表明在所考虑的整个周期内气旋在该时间段的4％处存在于该网格中。有影响的网格点是落在气旋影响区的点（例如图2中的红色格点）。图3显示CHV中冲气旋影响的网格点的发生频率一般大于2％。 安徽，江苏和沿海地区出现大面积大值区，中心值约为5.5％。 魏等人（2013）也发现春季CHV气旋轨道高频主要分布在上述大值区域。 应该指出，本文所提出的算法确定的目标是影响CHV的气旋，并且这些目标不一定以CHV为中心。例如，华北地区范围较广的气旋也可能影响CHV（图2c）。 此外，该算法不限制气旋的生命周期; 因此，识别类别并不局限于CHV中气旋的传统定义。与Wernli和Schwierz（2006）的结果相比，在CHV中的值为2％，在大多数CHV中受气旋影响的网格点频率明显增加（gt; 4％）（图3）。 与Wernli和Schwierz（2006）相比，我们的算法发现更多气旋的原因有两个。 首先，当一个多中心气旋发生时，我们计算相同等值线内的区域，而不是每个单体边界内的区域。 其次，增加海平面气压或位势高度的水平分辨率会增加确定的气旋的数量（Hoskins和Hodges，2002）。 本研究中ERA-Interim再分析资料的分辨率与ERA-40（1.125°times;1.125°）相比较高。影响网格点的频率较高也与本文中使用的较小等高线间隔有关，这有利于增加周边闭合等值线的值，扩大气旋向外的影响范围，增加影响格点的发生频率。一般情况下，影响

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21654]，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