台站观测数据表明,在过去几十年里中国近地面风速呈现多尺度的变化,除有长期的下降趋势之外,还存在强烈的年代际和年际波动(Jiang et al, 2010; Guo et al, 2011; Lin et al, 2013)。不同时间尺度的变化与不同的影响因子有关。影响风速变化的因子主要涉及2个方面：一是大气环流的变化,二是人类活动的影响(赵宗慈等, 2016; Wu et al, 2018)。其他的气候因子,特别是海温,也对中国区域气候变化有显著影响。以往的研究表明,在厄尔尼诺期间,由于赤道西太平洋海温持续偏低以及沃克环流减弱导致对流减弱,冷却异常激发出大气罗斯贝波,在其西北侧形成反气旋性异常环流,西北太平洋异常反气旋是连接ENSO和东亚气候的 重要桥梁,在风—蒸发—海温正反馈机制的作用下,该异常反气旋可以从冬季持续到次年的夏季,引起东亚季风的改变(Chang et al, 2000; Wang et al, 2000; Chou et al, 2003; 张人禾等, 2017)。印度洋增暖通过激发大气开尔文波,导致西北太平洋低层产生异常的反气旋,造成西太平洋副热带高压位置偏南、强度增强,使中国东亚季风偏强(Li et al, 2008; Xie et al, 2009; Yang et al, 2010; Hu et al, 2011)。北大西洋海温三极子可在大西洋-欧亚大陆地区激发出一支纬向遥相关波列,从而影响东亚地区的气候,研究表明,东亚夏季风与春-夏北大西洋海温三极子显著相关(Wu et al, 2009; 武炳义等, 2011; Zuo et al, 2013)。

作为对全球气候变化响应十分敏感的半干旱区,中国北方农牧交错带的生态环境十分脆弱。春季是该地区风速最大、也是沙尘活动最频繁的一个季节,风速的变化对该地区风能资源、土壤风蚀、沙尘活动以及空气质量等具有重要影响。以往对风速变化的研究,多关注其长期下降趋势及可能的影响因子,包括全球变暖、土地利用变化、城市化和人为气溶胶排放等(Jacobson et al, 2006; Xu et al, 2006; 陶寅等, 2016; Wu et al, 2017)。值得强调的是中国北方地区风速的逐年变化是非常突出的,而风速年际尺度变率的影响因子关注较少。本文基于台站观测、海温以及大气环流资料,针对北方农牧交错带春季风速的年际变化,分析其与前期冬季海温的联系以及相应的大气环流变化。

对于中国北方农牧交错带的界定,由于不同的研究目的和划分指标,其范围在空间分布上存在一定的差别,但主体部分基本一致,为黄土高原北部和内蒙古高原东南缘(赵哈林等, 2002; 肖鲁湘等, 2008)。本文主要考虑土地利用的空间分布等来划定北方农牧交错带的范围(史培军,2009),见图1a,总面积约为72.6万km2。气象台站的观测资料来源于中国气象局国家气象科学数据共享服务平台(http://data.cma.cn/site/index.html),取自其中国地面气候资料日值数据集(V3.0)。为保证数据质量,综合考虑站点迁移的情况,在北方农牧交错带范围内选取了时间连续性好、数据缺测少(总缺测天数少于10 d)的64个气象站点1979—2016年春季10 m高度的逐日平均风速资料。海温资料取自美国国家海洋和大气管理局(NOAA)的扩展重建海温ERSSTv5,空间分辨率为2°×2°(Huang et al, 2017)。500 hPa位势高度、850 hPa风场来源于欧洲中期天气预报中心(ECMWF)的ERA-Interim资料,空间分辨率为2°×2°(Dee et al, 2011)。

显示原图| 下载原图ZIP| 生成PPT

图1   (a)北方农牧交错带的覆盖范围与站点选择及(b)研究区春季平均风速的年际变化(1979—2016年)

Fig.1   (a) Extent of the agro-pastoral transitional zone of northern China and meteorological stations, and(b) interannual variations of spring mean wind speed for the 64 stations in the agro-pastoral transitional zone, 1979-2016

本文采用Butterworth数字滤波器对相关气象要素进行高通滤波来提取其年际变化,截断周期取10 a,只保留周期为10 a以下的部分。统计分析方法包括回归分析与相关分析,显著性检验采用t检验,考虑到气候要素均进行了高通滤波,因此有效自由度简单估计为样本数减去2。利用leave-k-out交叉验证对建立的多元线性回归方程模型进行评估(Arlot et al, 2010)。从n个样本中留k个样本作为验证数据,利用剩余的n-k个样本进行拟合,建立回归方程,利用该回归方程计算k个样本的回报值,如此重复n/k次,直到每个样本都得到回报值,再比较回报值与观测值之间的相关系数和均方根误差以评价模型的回报能力。为了防止过拟合以及数据的浪费,一般k值取n/10~n/5(Wilks, 2011)。均方根误差(RMSE)的计算公式为：

RMSE=1n∑i=1n(uobs,i-umod,i)2(1)

式中：uobs,i表示风速的观测值;umod,i表示根据回归方程模型计算的回报值。均方根误差越小,表示该模型更精确。

2.1.1 风速的年际变化与海温的关系

计算1979—2016年春季北方农牧交错带范围内64个气象站点近地面风速的平均值,得到研究区1979—2016年逐年春季的区域平均风速,将该时间序列进行高通滤波得到风速的年际变化(图1b),风速的年际变化占风速变化总方差的比例为36%。同样地,对海温数据也进行高通滤波,只分析其年际变率。利用研究区春季风速与海温的年际分量,计算研究区春季近地面风速与前年冬季以及同期海温的相关系数。从图2a中可以发现,在北大西洋20°N~65°N区域,冬季海温呈现“负、正、负”的异常分布,在北美洲30°N东部海域附近(图中A区域)海温与农牧交错带春季风速的年际变化呈现显著的负相关(P