冬季北极海冰与中国同期气温的关系

采用Hadley中心的海冰密集度资料和中国160站气温资料,对冬季北极海冰变化的主要模态进行了分析,定义了5个关键海区,重点讨论了冬季北极海冰异常与中国冬季气温的关系.结果表明,冬季北极海冰变化主要表现为第一模态,即太平洋、大西洋的海冰反位相分布.海冰变化的关键区域为区域Ⅰ巴伦支海、区域Ⅱ格陵兰海、区域Ⅲ戴维斯海峡、区...     

北极海冰变化对新疆冬季气温的影响研究

利用1961年12月—2022年2月新疆冬季气温、北极海冰等资料，探讨北极海冰变化影响新疆冬季气温的物理模态、影响机制。结果表明，北极海冰的变化与新疆大部冬季气温呈正相关，北极海冰变化通过改变北半球大气高低空配置进而影响新疆冬季气温。另外，不同海区的海冰变化对新疆冬季气温的影响有显著区别：格陵兰海—丹麦海峡、拉普捷夫海—东西伯利亚海海冰异常偏多时，新疆大部冬季气温偏高。巴伦支海—喀拉海、鄂霍次克海—白令海峡、哈德孙湾—戴维斯海峡海冰异常偏多时，新疆大部冬季气温偏低。     

秋季区域海冰面积异常与冬季大气环流及东亚区域气候的关系

利用北极海冰面积资料和NCEP／NCAR再分析逐月高度场、风场资料以及中国160站气温资料，探讨秋季区域海冰异常与冬季大气环流及区域气候的关系，结果表明，秋季东西伯利亚海海冰的年际变化与北半球冬季大气环流及东亚冬季风有着密切的关系，秋季该海区海冰偏多（偏少），相应冬季东亚冬季风偏强（偏弱）；进一步分析发现秋季该海区海冰面积偏大（偏小），相应冬季中国大部地区气温明显偏低（偏高）。     

北半球冬季极端低温事件变化及其与秋季海冰的联系

利用欧洲中期天气预报中心逐日的地面气温数据以及美国国家冰雪数据中心逐月的海冰密集度数据,并通过气候百分位法统计了逐月的极端低温事件日数,分析了1979-2016年冬季(12月至次年2月)北半球的极端低温事件与秋季(9-11月)北极海冰变化之间的关系,并挑选了典型年份探讨了秋季北极海冰对极端低温事件可能存在的影响机理。结果表明,北半球冬季极端低温事件与秋季关键海区(波弗特海、楚科奇海、巴伦支海和喀拉海)的海冰面积变化密切相关,其中亚洲北部区域冬季的极端低温事件与秋季关键海区的海冰面积有显著负相关关系,而青藏高原区域、非洲北部区域和北美东北部区域冬季的极端低温事件与秋季关键海区的海冰面积有显著正相关关系。通过对典型年份冬季北半球极端低温事件极度异常时的大气环流进行分析后发现,当秋季关键海区海冰异常偏少时,冬季西伯利亚高压偏强,其东部偏北风加强,使得欧亚大陆北部的气温偏低,极端低温事件偏多;冬季冰岛低压偏强,其南部的西南风加强,将低纬度温暖的空气带到了非洲北部区域,使其冬季气温偏高,极端低温事件偏少;高层异常反气旋主要位于格陵兰岛附近,其下沉气流不利于形成极端低温天气而导致北美东北部区域极端低温事件偏少。     

冬季鄂霍次克海海冰对北太平洋风暴轴年际变化的影响

利用北极海冰密集度资料和NCEP/NCAR再分析资料,运用统计方法讨论了冬季鄂霍次克海及其邻近海区海冰异常与同期北太平洋风暴轴的联系.结果发现:冬季鄂霍次克海西南部海区海冰面积异常与北太平洋海温异常共同作用对北太平洋风暴轴在西北-东南方向的伸缩及强度的年际变化有重要影响;鄂霍次克海东北部及舍列霍夫海海区海冰面积异常与海温异常的共同作用主要影响风暴轴的南北位移和强弱.     

冬季北极海冰运动主模态的构成及其与海平面气压变化的关系

利用国际北极浮冰运动观测资料（IABP）（1979-1998）以及NCEP／NCAR月平均海平面气压再分析资料（1960-2002）,通过求解海冰运动异常的复斜方差矩阵,研究了冬季北极海冰运动主模态构成及其与海平面气压变化的关系。冬季海冰运动主模态是由两个海冰运动优势模态的一个线性组合构成,与这两个运动优势模态有直接关系的海平面气压变化主要发生在北极海盆及其边缘海区。尽管北极涛动（北大西洋涛动）通过影响海平面气压进而影响北极海冰运动,但是,北极涛动（北大西洋涛动）并不是决定海冰运动主模态的关键性因素。     

2002年南海夏季风爆发期间南海北部海气通量分析与比较

利用国际北极浮冰运动观测资料 (IABP)(1979～1998)以及NCEP/NCAR月平均海平面气压再分析资料(1960～2002), 通过求解海冰运动异常的复斜方差矩阵, 研究了冬季北极海冰运动主模态构成及其与海平面气压变化的关系.冬季海冰运动主模态是由两个海冰运动优势模态的一个线性组合构成, 与这两个运动优势模态有直接关系的海平面气压变化主要发生在北极海盆及其边缘海区.尽管北极涛动(北大西洋涛动)通过影响海平面气压进而影响北极海冰运动, 但是, 北极涛动(北大西洋涛动)并不是决定海冰运动主模态的关键性因素.     

北极海冰变化的时间和空间型

利用 4 4a(195 1～ 1994年 )北极海冰密度逐月资料 ,分析提出了一种与北极冰自然季节变化相吻合的分季法 ,并根据这种分季法 ,使用EOF分解 ,揭示了北极各季海冰面积异常的特征空间型及其对应的时间变化尺度。结果表明 :(1)北极冰面积异常变化的关键区 ,冬季 (2～ 4月 )主要位于北大西洋一侧的格陵兰海、巴伦支海和戴维斯海峡以及北太平洋一侧的鄂霍次克海和白令海 ,夏季 (8～ 10月 )则主要限于从喀拉海、东西伯利亚海、楚科奇海到波佛特海的纬向带状区域内 ,格陵兰海和巴伦支海是北极海冰面积异常变化的最重要区域 ;(2 )春 (5～ 7月 )、秋 (11月～次年 1月 )季各主要海区海冰面积异常基本呈同相变化 ,夏季东西伯利亚海、楚科奇海、波佛特海一带海冰面积异常和喀拉海呈反相变化 ,而冬季巴伦支海、格陵兰海海冰面积异常和戴维斯海峡、拉布拉多海、白令海、鄂霍次克海的海冰变化呈反相变化 ;(3)北极冰总面积过去 4 4a来确实经历了一种趋势性的减少 ,并且叠加在这种趋势变化之上的是年代尺度变化 ,其中春季 (5～ 7月 )海冰面积异常变化对年平均北极冰总面积异常变化作出了主要贡献 ;(4)位于北太平洋一侧极冰面积异常型基本具有半年的持续性 ,而位于北大西洋一侧极冰面积异常型具有半年至一年的持续性     

冬春季节北极海冰的年际和年代际变化

利用1953～1990年海冰密集度资料,研究了冬、春季节北极海冰的时空变化特征.结果表明:冬,春季节海冰变率大的海区主要有巴伦支海、格陵兰海、巴芬湾、戴维斯海峡以及白令海;在巴芬湾、戴维斯海峡和白令海海区,冬季海冰变率比春季的大;冬、春季节喀拉海、巴伦支海海冰面积均与春季白令海海冰面积呈反向变化关系,与巴芬湾、戴维斯海峡海冰面积也存在相反的变化趋势.分析还表明:北极海冰面积还表现出年代际时间尺度变化,尤其在冬季.春季格陵兰海海冰明显存在12年变化周期,而在冬、春季节,喀拉海、巴伦支海海冰存在l0年变化周期.     

秋季北极海冰对中国冬季气温的影响

利用海冰资料、中国地面气候资料、环流特征量资料及NCEP/NCAR再分析资料,研究了秋季北极海冰变化对中国冬季平均气温、日气温变率以及异常低温天气的影响。分析结果表明,秋季北极海冰异常偏多年中国冬季常为暖冬;异常偏少年中国冬季常为冷冬,且异常低温天气出现频率更高,常发生低温灾害事件。秋季北极海冰通过影响后期的北半球极涡、东亚冬季风和西伯利亚高压进而影响中国冬季的平均气温,且通过影响冬季异常强西伯利亚高压的出现频次,影响中国冬季异常低温天气的发生频次。合成分析结果表明,秋季北极海冰异常偏少年的冬季,中国以北亚欧大陆高纬度的偏北风较强,且中国及其以北的中高纬度地区空气异常偏冷,导致极地和高纬度的冷空气易向南爆发,造成中国冬季气温偏低,异常低温天气频发。     

中国东部冬季气温异常与海表温度异常的关系分析

采用SVD、 相关分析及EOF方法, 分析了中国东部冬季地面气温与北大西洋及北太平洋海温异常变化的关系。结果表明： （1）中国东部冬季气温变化的一致性较高; （2）冬季气温异常与前一年9月北大西洋海域关键区（16°～40°N, 60°～24°W）海温和当年2月西北太平洋关键区（20°～40°N, 124°E～180°）海温呈显著的正相关分布, 即前一年9月北大西洋和当年2月西北太平洋海温异常偏高（低）, 东部冬季气温亦偏高（低）, 即前一年9月北大西洋海温的异常是否为我国冬季气温的气候预测提供了一种前期信号; （3）关键区海温对中国东部冬季气温的影响存在区域差异。北大西洋前期海温与中国东部冬季气温有密切的关系, 而西北太平洋的海温主要影响长江流域及其以北的季风中部区; （4）海温影响气温的可能机理是西北太平洋海温异常升高, 使乌山脊减弱, 阿拉斯加脊减弱, 东亚大槽减弱向东移动, 纬向环流加强, 高纬度的冷空气不易南下, 导致我国东部大部分地区冬季气温偏暖, 反之亦然。在年代际尺度上, 纬向环流和东亚大槽对海温有显著的响应; 但在年际变化方面, 东亚大槽对海温的响应不显著。     

冬春季格陵兰海冰变化与初夏中国气温/降水关系的初步分析

采用英国Hadley中心GISST海冰面积资料，NCEP／NCAR再分析资料以及中国地面降水和气温资料，运用EOF分解，小波分析和合成分析等方法，初步探讨了格陵兰岛两侧附近冬春季海冰面积变化特征及其与初夏6月中国气温和降水的关系，结果表明，格陵兰岛东西两侧海冰面积呈显著反相变化，并且具有明显的年际和年代际周期性振荡，冬春季格陵兰－寻威海海冰与初夏6月中国长江以北气温（降水）正相关（反相关），与长江以南气温（降水）反相关（正相关），而对于戴维斯海峡－拉布拉多海海冰则具有相反的相关型，大尺度500hPa环流合成分析初步表明，冬春季格陵兰附近海冰面积变化伴随着北极极涡环流和北半球阻塞高压的持续异常，海冰变化可能是影响初夏中国气温和降水的因子之一。     

1981—2018年中国东北地区秋冬季霾日变化及其与北极海冰的关系

利用中国东北地区1981—2018年166个地面气象观测站资料, 定义了中国东北地区秋冬季霾日指数, 分析了年际尺度上该地区霾日数与同期大气环流异常的内在关系。结果表明: 中国东北地区秋冬季霾日指数存在显著的年际变化特征, 欧亚—太平洋遥相关型(Eurasia-Pacific Teleconnection Pattern, EUP)负位相、东亚大槽偏弱等大气环流异常配置导致中国东北地区秋冬季霾的发生频次增加。巴伦支海与喀拉海北部海域是影响中国东北地区秋冬季霾日年际变化的海冰关键区, 该区域海冰面积与霾日数呈显著负相关, 北极海冰通过改变大气环流间接影响中国东北地区秋冬季霾日发生频次, 当北极海冰异常偏少时, 东亚冬季风偏弱, 近地面风速偏低, 环境湿度偏高, 中国东北地区受东北亚异常反气旋西侧的异常偏南风控制, 且受“EUP”负位相模态影响, 东亚大槽减弱, 有利于大气污染物和水汽向中国东北地区输送, 该地区秋冬季霾的发生频次增加。     

南海近海面风场变化特征及其与ENSO的相关性研究

利用1979—2017年共39 a欧洲中期天气预报中心（ECMWF）海表面10 m风场资料,采用经验正交函数方法（EOF）、小波时频特征分析等方法分析了南海近海面风场变化特征及其对ENSO的响应。结果表明：南海近海面风场第一模态海表面平均风速呈减小趋势, 呈现年代际变化,且与ENSO相关,但相关性在1990年后趋于减小;第二模态中南海北部和南部平均风速呈减小趋势,中部增大;第三模态中南海中部海表面平均风速趋于减小,北部和南部增大,第二和第三模态均表现为年际变化,且均与ENSO显著相关,近年来ENSO与第三模态的相关性逐渐增强。春季南海表面平均风速从南到北逐渐增加;夏季在越南沿岸部分海域仍有一个风速极大值中心,从该海域向四周逐渐减小,整片海域风向均是西南风;秋季由南向北依次增加;冬季南海整片海域风速都较大,越南沿岸和我国东沙群岛海域存在两个极大值中心。     

渤海海冰单点模式的气候模拟

利用PW1979海冰热力模式，考虑渤海的地理特点和气候特征，假设渤海为薄层海洋，引入二分法求解海冰表面温度。用该地区气候平均的云量、湿度、海平面气压和风速以及附近4站的月平均气温资料作为强迫场，模拟了渤海海冰的气候变化。模拟结果与逐年的海冰级数资料具有一致的变率，表明气温对海冰年际变化有重要影响。     

Regional Arctic sea ice variations as predictor for winter climate conditions

Seasonal prediction skill of winter mid and high northern latitudes climate from sea ice variations in eight different Arctic regions is analyzed using detrended ERA-interim data and satellite sea ice data for the period 1980–2013. We find significant correlations between ice areas in both September and November and winter sea level pressure, air temperature and precipitation. The prediction skill is improved when using November sea ice conditions as predictor compared to September. This is particularly true for predicting winter NAO-like patterns and blocking situations in the Euro-Atlantic area. We find that sea ice variations in Barents Sea seem to be most important for the sign of the following winter NAO—negative after low ice—but amplitude and extension of the patterns are modulated by Greenland and Labrador Seas ice areas. November ice variability in the Greenland Sea provides the best prediction skill for central and western European temperature and ice variations in the Laptev/East Siberian Seas have the largest impact on the blocking number in the Euro-Atlantic region. Over North America, prediction skill is largest using September ice areas from the Pacific Arctic sector as predictor. Composite analyses of high and low regional autumn ice conditions reveal that the atmospheric response is not entirely linear suggesting changing predictive skill dependent on sign and amplitude of the anomaly. The results confirm the importance of realistic sea ice initial conditions for seasonal forecasts. However, correlations do seldom exceed 0.6 indicating that Arctic sea ice variations can only explain a part of winter climate variations in northern mid and high latitudes.     

The influence of the North Atlantic on climate variations in the Barents Sea and their predictability

The effects of Atlantic water inflow on the climate variability in the Barents Sea are studied. Initial data are the series of water temperature at the Kola meridian cross-section, monthly values of ice extent, air temperature at the stations, sea level pressure from the reanalysis data, and sea surface temperature. The methods of multivariate correlation, spectral, and factor analysis and EOF decomposition are used. It was found that variations in the Atlantic water inflow define the main part of interannual variability of sea ice extent, water temperature, and air temperature in the Barents Sea in the cold season. The influence of regional atmospheric circulation on the interannual variability of these parameters is small. The effects that water temperature anomalies in the area of Newfoundland and in the equatorial part of the North Atlantic have on climate parameters in the Barents Sea are discovered. The response of these parameters lags behind the respective anomalies by 9-58 months. The high correlation between them makes it possible to develop the method of statistical forecasting of sea ice extent and water temperature in the Barents Sea with the lead time up to 4 years.