1. 引言
南亚高压是夏季出现在青藏高原及邻近地区上空和对流层上部的大型高压系统。它是北半球夏季100 hPa高度上最强大和最稳定的控制性环流系统,对中国夏季大范围旱涝分布及亚洲天气均有重大影响 [1] ,南亚高压是出现在北半球夏季,位于对流层高层、平流层低层的范围最大且最为稳定的反气旋环流系统 [2] 。南亚高压在早期也称为青藏髙压。在上世纪科学家们开始对南亚高压有所了解。Flohn等在研究与印度夏季风爆发相关的高空东风急流时,发现在青藏高原上空对流层高层存在一个暖高压,并认为该高压系统的形成是青藏高原热为作用的结果 [3] [4] 。随后,Maso等详细地分析了南亚高压的活动情况,发现南亚高压并非仅存在于青藏高原上空,其影响范围十分宽广,从非洲西岸穿越南亚到这西太平详,是北半球对流层上层除了极祸外,最强烈而且最稳定的环流系统,并且在高原上空存在东西向的摆动 [5] [6] 。南亚高压有明显的季节变化,7月最强 [7] [8] 。刘宣飞等 [9] [10] 指出南亚高压在其季节变化中,正、斜压发生转换,并且在冬季向夏季演变的过程中,南亚高压表现出一种“趋热性”特征。张琼等 [11] 也进一步探讨了南亚高压的季节变化,指出南亚高压在季节循环上存在两个平衡态,称之为夏半年南亚高压和冬半年南亚高压,两个平衡态相互转换的位置和强度都经历了两次突变过程,同时探讨了南亚高压的季节变化的机制,即与海陆热力的这种行星尺度季节加热变化有关。Qian等 [12] 也进一步分析了南亚高压的季节变化,并且指出加热场对南亚高压的季节变化有重要的作用,其中心变化具有趋热性。
中国西南地区处于我国西南边疆,位于青藏高原东南部,包括四川盆地、云贵高原及青藏高原高山山地地区,地形复杂,南北东西跨度较大,天气多变。西南地区降水以小雨、中雨为主。近年来,全球气温变暖西南地区的天气受全球气温影响,正在发生变化。王学锋等 [13] 的研究表明,近年来云贵高原地区极端降水事件呈现上升趋势。西南地区独特的地理环境使得西南地区的气候预测较为困难,西南地区位于我国中南部,是我国南北交通的重要枢纽。云南与缅甸、老挝、越南三个国家接壤是我国与东南亚国家交通的最主要的门户。目前针对南亚高压对西南地区降水的影响较少,研究夏季南亚高压与我西南地区降水的关系,对预测西南地区的洪涝灾害有十分重要的意义。
2. 资料与方法
本文使用1979~2017年6~9月(雨季)西南地区544个气象观测站的日降水量资料和同期NCAR (The National Center for Atmospheric Research,美国国家大气研究中心)的100 hPa位势高度场再分析资料,其水平分辨率为0.75˚ × 0.75˚。
本文定义了南亚高压特征指数,南亚高压脊线位置定义为100 hPa高度场上(在16,750 gpm等值线范围内)位势高度最大值的平均纬度值;主中心强度及主中心经度和纬度定义为100 hPa高度场上区域内最大位势高度值,(在16,750 gpm等值线范围内)为主中心强度,其对应的经,纬度分别定义为主中心经度和纬度;面积指数定义为100 hPa高度场上位势高度值 ≥ 16,750 gpm的格点数;东伸经度定义为100 hPa高度场上16,750 gpm等值线最东端点所在位置的经度。
3. 南亚高压的结构与位置变化特征
3.1. 南亚高压的定义及分布
夏季青藏高原及其邻近地区上空存在的庞大高压系统称为南亚高压,也可称为大陆副高、青藏高压和亚洲季风高压。位于对流层上层(100 hPa),是最强的暖性高压 [13] 。它虽然生成于副热带,但与一般的副热带高压的动力性质和生成机制并不完全相同。它是由于夏季高原上低层为热低压,低层气流辐合上升,高层空气质量堆积产生辐散而形成的高压。据研究,它的进退活动与中国东部地区的旱涝关系十分密切。当南亚高压强度发展到16,750 hPa时,本文定义南亚高压生成,为研究南亚高压特征向量的变化情况,本文定义南亚高压各特征指数为:面积指数:100 hPa高度场上(0˚N~80˚N, 0˚E~180˚E)区域内位势高度值大于等于16,750位势米的格点数;主中心强度:100 hPa高度场上(0˚N~80˚N, 0˚E~180˚E)区域内位势高度最大值;主中心位置:100 hPa高度场上(0˚N~80˚N, 0˚E~180˚E)区域内位势高度最大值的经纬度;东脊点:100 hPa高度场上(0˚N~80˚N, 0˚E~180˚E)区域内1675位势米等值线最东端点所在位置的经度;脊线位置:100 hPa高度场上(0˚N~80˚N, 40˚E~180˚E)范围内在16,750位势米等值线范围内位势高度最大值的平均纬度值。图1是1979~2017年南亚高压夏季从出现到消散的39年平均分布图。从图中看出南亚高压活动位置在30˚E~120˚E,20˚N~40˚N范围,西起非洲西海岸,东至西太平洋,约占所在纬度带的1/2面积,覆盖了我国大部分地区,南亚高压活动于对流层上空,南亚高压存在时,高空有较强的辐合辐散,因此南亚高压的时空演变特征对我国上空的环流形势有很大影响。
Figure 1. Summer average distribution of SAH
图1. 南亚高压夏季平均分布图
3.2. 南亚高压的季节变化
图2是南亚高压的建立过程图,显示了南亚高压从生成到发展到建立到消散的过程。图中红色箭头是南亚高压建立的起点,每个实心圆表示1979~2017年39年每个月的平均位置分布,黑色实心圆是南亚高压退回太平洋的平均位置。图中南亚高压有明显的季节活动特征。南亚高压南起于澳大利亚上空,123月份在澳大利亚上空盘踞,5月份高压中心位于中南半岛北部,6~9月主要活动于青藏高原和伊朗高原上空。10月以后,高压向东南退缩至太平洋上空,远离亚洲大陆,高压强度逐渐减弱直到小于16,750 hPa,不再被定义为南亚高压。
图3是南亚高压1979~2017年39年各特征指数便准化后12个月的月平均变化趋势图,图中各项指数包括面积指数、强度指数、东脊点的纬度、东脊点的经度和主中心的纬度、主中心的经度。由3可得,南亚高压各项指数月变化都很明显,面积指数、强度指数、东脊点的纬度和主中心的纬度呈倒N字型变化趋势,1~2月份减弱,2月份开始增强,7月份到达最大后开始减弱,12月降低到最小。主中心和东脊点的经度则呈V字型变化,是一个先减后增的趋势。图中主中心经度1月标准化后值是1.37,7月降至最低为−1.11,然后12月回升至最大1.56,东脊点的经度1月为0.9,7月降至最低−1.6,8月开始回升,12月升高到最大0.75,从结果来看主中心和东脊点的经度在7、8月分低于标准值−1,12月和1月高于标准1。与经度的变化相反,主中心的维度和东脊点的纬度都是从1、2月上升,7、8月达最大后下降,主中心纬度在1月份标准值是−0.03,2月份是−2,7月标准值是0.9,12月是0.19,东脊点的纬度在1月是−1.09,7、8月在1.07,12月是−0.14,从结果来看主中心和东脊点的纬度在7、8月分高于标准值1,12月和1月低于标准-1.经纬度的变化趋势与图2南亚高压的建立过程相对应,说明了高压的发展是向西北延伸又退回东南方向的过程。面积指数和强度也是呈倒V变化趋势,面积标准化指数在1月是−1.0,在7月是1.9,在12月是−0.67。强度指数在1月是−0.75,8月是1.1,12月是−1.0。强度变化滞后于面积变化且强度变化较面积变化更加平缓。
Figure 3. Monthly trend map of the characteristic vector of SAH
图3. 南亚高压特征向量的月变化趋势图
图4是1979~2017年春夏秋冬季位势高度场平均变化图。图4(a)是春季全球平均位势高度场,图4(b)是夏季全球平均位势高度场,图4(c)是秋季全球平均位势高度场,图4(d)是冬季季全球平均位势高度场。图中粉色代表高值,蓝色代表位势高度低值,从蓝到粉,位势高度从低到高。从图中可以看出南亚高压存在明显的季节变化,一年四季中夏、秋两季位势高度场值大,并且北半球存在明显的高压环流,春、东两季较小。在春季,位势高度场高值区在赤道,没有明显的高压系统,北半球的位势高度场强于南半球;在夏季,北半球存在明显的闭合高压环流,图中用黄色实线圈出,位于北纬30˚N,并且在夏季北半球呈红色南半球呈蓝色,北半球位势高度场明显大于南半球。在秋季,位势高度最强的区域在赤道附近,存在较弱的高压闭合环流,北半球呈浅蓝,南半球呈深蓝,北半球位势高度场强于南半球;在冬季,位势高度场南半球呈浅蓝,北半球呈深蓝,南半球位势高度大于北半球。
Figure 4. Four seasons map of global atmospheric geopotential height fields. ((a) Spring; (b) Summer; (c) Autumn; (d) Winter)
图4. 全球位势场四季变化图((a) 春季;(b) 夏季;(c) 秋季;(d) 冬季)
综合(a)、(b)、(c)、(d)得出全球位势高度场四季变化中,夏秋两季较强,存在闭合高压环流系统,春季和冬季较弱,没有闭合环流,其中夏季又最强,冬季最弱,冬季北半球位势高度弱于南半球。
结合图2~4可看出南亚高压各个特征指数存在明显的阶段性演变,在夏季生成秋季消散。南亚高压各个特征指数变化为:面积指数、强度指数夏季发展最强冬季最弱;东脊点的纬度和主中心的纬度呈倒N字型变化趋势,夏季最大北伸至北纬30˚以北,冬季月在赤道附近;主中心和东脊点的经度则呈V字型变化,夏季西伸到60˚E,12月退回150˚E。由此可得出结论南亚高压夏季最强,冬季最弱。
由3.2得,南亚高压具有明显的季节变化,各项指数包括面积指数、强度指数、东脊点的纬度和主中心的纬度都从4月份开始增大,7月份到达最大后开始减弱,12月降低到最小。
3.3. 南亚高压的建立与消散
在100 hPa高度场当高压强度发展到16,750 hPa时,我们认为南亚高压成立并存在 [1] ,由3.2已知南亚高压四季变化中夏季最强冬季最弱,那高压在每年几月份生成呢?什么时候发展到青藏高原的呢?我们对此做了部分研究,本文中规定南亚高压向着高原移动过程中,北界位置达到35˚N以北,同时西伸脊点达到35˚E以西,且持续至少5 d,则每年第一次达到该条件首日为南亚高压初上高原的时间;南亚高压背着高原移动时,北界位置达到30˚N以南,同时西伸脊点达到120˚E以东,且持续至少5 d,则每年第一次达到该条件的第1 d为南亚高压撤离高原的时间 [14] 。按照定义我们统计了南亚高压上下高原的时间,对南亚高压的建立和撤离日期做了标准化处理,得到南亚高压建立和撤离的正常日期范围,结果如表1所示。
Table 1. Time table for the evacuation of the South Asian High from the upper Plateau
表1. 南亚高压初上高原撤离高原时间表
表1给出了1979年至2017年南亚高压在高腰建立和从高原退出的时间表,表中第一列是年份,第二列是在高原建立的时间,第三列是从高原撤离的时间,之后和前三列一样。从表1看出高压一般6月中旬发展到青藏高原,10月中旬从高原撤离。对表1的时间标准化后得到图5,从图5可以更加直观的看到南亚高压移上移出高原时间的年际变化,在图5(a)中0代表6.11日,1代表6.17日,−1代表6.5日,在图5(b)中0代表10.16日,1代表10.24日,−1代表10.9日。所以6.5日到6.17日即6月第三候是南亚高压在高原建立的正常时间,10.9~10.24即10月第三、五候是南亚高压撤离高原的正常时间。从图5不难看出2009年南亚高压移上高原最晚,在6.30日移上高原,而在2006年移上高原最早,在6.1日在高原建立。
经过对比我们发现南亚高压在高原建立偏早年份有:2001、2006、2010;南亚高压在高原建立偏晚年份有:1981、1983、1992、1997、2005、2009。而1997年南亚高压最早撤离高原,在10.1日,在1998年和2017年撤离高原最晚。对此进行统计得到南亚高压撤离偏早年有:1982、1984、1994、1997、2002;南亚高压撤离偏晚年份:1988、1989、1990、1998、2010、2016、2017。
Figure 5. Establishment of interannual changes in evacuation time of SAH
图5. 南亚高压在高原建立撤离时间年际变化
以上与3.2得出的结论吻合,即南亚高压夏季最强,在6月第三候发展最强时延伸到青藏高原上空并且在高原持续活动,10月第3、4、5候,南亚高压开始减弱,逐渐从高原撤离。
3.4. 特征向量的年际变化
分析南亚高压季节变化时,我们发现南亚高压的强度和位置都存在明显的阶段性变化。那么从年际时间上看南亚高压的变化趋势是怎么样的呢?从1979~2017年南亚高压有什么样的变化呢?为解决这一问题我们对南亚高压进行了年际分析得到南亚高压各个特征指数的年际变化图。
Figure 6. Distribution map of main center and eastern ridge point. ((a) Longitude of the maincenter; (b) Latitude of the main center; (c) Longitude of the eastern ridge point; (d) Latitude of the eastern ridge point)
图6. 主中心和东脊点分布图((a) 主中心经度;(b) 主中心纬度;(c) 东脊点经度;(d) 东脊点纬度)
图6是1979~2017年南亚高压主中心经纬度和东脊点经纬度的年际分布图。从图中看出南亚高压主中心和东脊点的经度呈东西震荡分布,主中心位置在1980年、1983年、1984年、2007年和2013年出现偏西极大,2009出现片冬季极大,其余年份东西震荡较平均,近年来有偏东的趋势;东脊点的分布在在1984到达西最大87.5˚N,其余年份以106˚N为轴左右震荡,近几年有逐渐东移靠近115˚N的趋势,主中心和东脊点纬度出极个别年份外在30˚N来回变化,南北震荡趋于稳定。
Figure 7. Interannual distribution of area and strength
图7. 面积和强度的年际分布
图7是南亚高压面积和强度的年际分布,从图中看,面积的年际变化趋势和强度变化趋势走向一致,具有很好的一致性,强度在1993达到历史最低值,两者在同一年1998年达到历史最高峰,2000年以后两者都有缓慢增强的趋势。
表2是南亚高压各特征向量之间的相关系数表,其中加红代表通过99%的显著性检验,从表中得到,强度和面积的相关性达到0.717,通过99%的显著性检验,与图3结论一致。表2中相关性最大的两个特征向量是东脊点的位置和南压高压的面积指数,相关性达到了0.87。
Table 2. Table of correlation coefficients between eigenvectors of South Asian high
表2. 南亚高压特征向量之间的相关系数表
注:R0.01 = 0.40764, R0.1 = 0.26727。
由3.4得出南亚高压各个指数之间相互影响,特别是面积和东脊点有非常好的相关性,近年来南亚高压呈现出增大的趋势,具体表现在面积和强度近年一直增大,东脊点的向北和向东移动。
4. 南亚高压对西南地区6、7、8、9月降水的影响
4.1. 西南地区降水分布
图8是西南地区39年6~9月降水量和的年平均分布图,本文中认为6~9月是西南地区主要雨季,后文中雨季即指6、7、8、9月。从图中可以看出四川中部、云南南部、贵州西南部是整个西南地区的降水大值区,降水最高的地区雨季降水总量高达1912.40 mm,位于云南最南端,毗邻缅甸,从图中明显看出
川西、川北降水量少,是整个西南地区的干旱区,降水最少的地区雨季降水总量只有131.70 mm,降水量与其他地区相比差距很大,降水呈南多北少的分布,而四川盆地因为其独特的地理优势,也呈现出一个降水大值区,并且四川盆地东南部大部分区域降水较丰富,其他区域包括贵州重庆云南中部等地降水比较平和。
Figure 8. Hypodispersion of summer precipitation in southwest China for 39 years
图8. 西南地区39年夏季降水平均分布图
综合来看,西南地区的降水分布大值区位于云南南部低值区位于四川盆地西北部,其他地区降水较平缓,四川盆地周围降水略高于其他地区。为什么云南南部降水量远高于西南地区其他区域?而四川盆地西北部降水量远小于平均值,除了其地理环境外,是否与南亚高压的发展有关?
4.2. 正负异常年份降水
由4.1已知整个西南地区降水平均分布中西南边又是降水高值区,同时由图2可知,南亚高压发展、建立、登录青藏高原时经过亚洲南部的东南亚国家,而云南位于我国西南边界,毗邻缅甸老挝等国,因此我们怀疑南亚高压的建立和撤离与我国西南地区的降水是否有某种关联?为解决这一问题我们对南亚高压的强度和降水的关系进行了研究。
我们对南亚高压强度的年纪变化进行了标准化后得到图9。图9是1979~2017年南亚高压强度标准差图,图中存在两个比较异常明显的年份,1992年和1998年,1992年是39年强度异常小年份,1998年是39年强度异常大年份,1992年和1998年我国都发生了不同程度的洪涝,出现了全球性的气候异常,降水的异常变化,局部性的暴雨洪水频繁出现,给国民经济和人民的生命财产带来严重损失。南亚高压强度异常与我国的降水密切相关。
Figure 9. Standard deviation of strength of SAH
图9. 南亚高压强度标准差图
为了便于研究,我们采用0.7个标准化来区分南亚高压的异常高年和异常低年。将高于0.7个标准的年份称为南亚高压正异常年,将低于−0.7个标准的年份称为南亚高压负异常年。将南亚高压正负异常年在表3中例举出,由表3可知正异常年有:1980、1990、1998、2010、2016、2017;负异常年有:1985、1986、1989、1992、1993。
Table 3. Positive and negative anomalous years of SAH
表3. 南亚高压正负异常年
为了研究南亚高压正异常年和负异常年雨季降水与同期平均状态的偏离程度,我们将南亚高压的正异常年雨季降水和负异常年雨季降水分别对雨季年平均降水量做差,得到正异常年雨季降水距平图和负异常年雨季降水距平图。图10(a)是南亚高压正异常年份西南地区的雨季降水距平分布图,从图10(a)中我们发现了有趣的现象,距平的最大值和最小值都出现在云南南部,并且两区域毗邻,经度仅仅隔了1˚,纬度相隔不到1˚。雨季距平差值最大是912.05 mm,最小值是−820.2 mm,两地雨季降水距平差达1732.25 mm。除了云南南部,重庆的东南边、四川中部、四川云南交界、贵州南部、东南部,这些地区距平绝对值较低,图10(b)是南亚高压正异常年份西南地区的雨季降水距平分布图,距平值也属于大值区,但相比云南南部更平和,这可能与南亚高压的发展的路径距离云南南部最近有关。图10(c)是南亚高压负异常年份西南地区的雨季降水距平分布图,与正异常年份降水距平分布图不同的是,负异常年,云南地区降水和雨季年平均降水的距平值并没有正异常年那样差值巨大,而是云南大部分距平值都是相当平缓,与正异常年相反的是,四川西北地区表现出较大的距平,说明异常年四川西北地区降水较平时更多,而整个西南地区的中部包括云南北,贵州的大部分地区四川的南部距平值都为负大值,说明南亚高压负异常年,这些地区值较平时更少。图10(c)是南亚高压正负异常年份西南地区的雨季降水差值分布图,从图中看出云南大部、四川大部分、贵州大部分、重庆大部分地区均为正值,说明正异常年时,西南大部分地区降水比负异常年高,这些地方中云南北部、重庆贵州交界,及贵州东南差值又尤为高,说明南亚高压正异常对这些地方的影响较大。
(a) (b)(c)
Figure 10. Rainfall anomaly distribution ((a) Positive abnormal years; (b) Negative anomalous year; (c) The difference between positive and negative anomalous years)
图10. 雨季降水距平分布((a) 正异常年雨季降水与年平均降水距平分布图;(b) 负异常年雨季降水与年平均降水距平分布图;(c) 正负异常年雨季降水量差分布)
由上可得,南亚高压正异常年份,云南降水量呈两极分化,降水最大值区和降水最小值区都位于云南最南端,而且降水大值区和降水低值区差值很大,负异常年份云南地区降水相比正异常年则比较平和,正异常年的降水大值区在负异常年变成了干旱区,整个西南地区负异常年较正异常年干旱区明显增多,结合图10(c),正异常年份和负异常年份的降水差值图中,大部分地区差值都大于零,所以得出南亚高压正异常年份西南地区降水更多,对云南地区的影响为是云南南部地区降水呈两极分化。
4.3. 简单的相关分析
图11(a)是南亚高压强度正异常年份降水与强度的相关分布图,从图中可以看出西南地区中部,各省交界相关系数最大呈现出比较大的正相关,而四川北部呈现较明显的负相关。相关最大值高达0.97,站台位于28.35˚N,105.4˚E,位于四川云南交界,相关系数最低值为−0.91,站台位于31.26˚N,103.10˚E,位于四川中北部。重庆位于相关大值区,因此南亚高压强度的大小与重庆的降水相关非常大,另外昆明也位于大值区上,昆明降水与南亚高压的强度密不可分,成都,贵阳则与南亚高压强度相关性较低。图11(b)是南亚高压强度负异常年份降水与强度的相关分布图,整个西南地区四川中部表现出明显的正相关,西南地区的东部和西部表现出明显的负相关,负相关系数最大达到了−0.996,站台位于24.39˚N,109.15˚E,正相关最大到0.975,站台位于34.00˚N,102.05˚E,南亚高压强度弱年对整个西南地区的影响较大。由上可得,南亚高压正异常年份,南亚高压的强度和西南地区降水(除川北外)呈正相关,而在南亚高压负异常年份,南亚高压的强度和西南地区降水呈负相关。
(a) (b)
Figure 11. Relevant distribution map of precipitation and intensity ((a) Positive abnormal years; (b) Negative anomalous year)
图11. 降水与强度的相关分布图((a) 南亚高压强度正异常年份降水与强度的相关分布图;(b) 南亚高压强度负异常年份降水与强度的相关分布图)
结合4.1、4.2、4.3不难得出,南亚高压强度异常与我国西南地区的降水密切相关。南亚高压强年,西南地区降水普遍偏多,南亚高压弱年,西南地区降水减少,南亚高压的强度和西南地区的降水呈正相关。
5. 结论
本文通过对南亚高压时空演变特征的分析以及南亚高压强度对西南地区降水的影响研究得出以下结论:
1) 南亚高压具有明显的季节变化,各项指数包括面积指数、强度指数、东脊点的纬度和主中心的纬度都从4月份开始增大,7月份到达最大后开始减弱,12月降低到最小。由于我们认为高压中心大于16,750 hPa时,南亚高压存在,所以南亚高压夏季存在,冬季消失;
2) 即南亚高压夏季最强,在6月第三候发展最强时延伸到青藏高原上空并且在高原持续活动,10月第三、四、五候,南亚高压开始减弱,逐渐从高原撤离;
3) 南亚高压各个指数之间相互影响,特别是面积和东脊点有非常好的相关性,近年来南亚高压呈现出增大的趋势,具体表现在面积和强度近年一直增大,东脊点的向北和向东移动;
4) 南亚高压强度异常与我国西南地区的降水密切相关。南亚高压强年,西南地区降水普遍偏多,南亚高压弱年,西南地区降水减少,南亚高压的强度和西南地区的降水呈正相关。
致谢
感谢国家自然科学基金资助项目(项目编号:50902110)。