CN111832662A - 一种夏季南亚高压及其邻近区域utls臭氧谷变化分析方法 - Google Patents

一种夏季南亚高压及其邻近区域utls臭氧谷变化分析方法 Download PDF

Info

Publication number
CN111832662A
CN111832662A CN202010743112.1A CN202010743112A CN111832662A CN 111832662 A CN111832662 A CN 111832662A CN 202010743112 A CN202010743112 A CN 202010743112A CN 111832662 A CN111832662 A CN 111832662A
Authority
CN
China
Prior art keywords
ozone
utls
high pressure
summer
tco
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010743112.1A
Other languages
English (en)
Other versions
CN111832662B (zh
Inventor
常舒捷
黄江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Ocean University
Original Assignee
Guangdong Ocean University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Ocean University filed Critical Guangdong Ocean University
Priority to CN202010743112.1A priority Critical patent/CN111832662B/zh
Publication of CN111832662A publication Critical patent/CN111832662A/zh
Application granted granted Critical
Publication of CN111832662B publication Critical patent/CN111832662B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Oxygen, Ozone, And Oxides In General (AREA)

Abstract

本发明公开一种夏季南亚高压及其邻近区域UTLS臭氧谷变化分析方法，包括：采集臭氧低值，进行EOF主成分分析，得到夏季南亚高压及周边地区UTLS TCO*的主成分时空特征，得到在年际时间尺度上UTLS臭氧柱的异常分布情况；采集主导特征向量的时间系数，对主导特征向量的时间系数进行回归分析，获取与夏季南亚高压及其邻近区域UTLS TCO*有关的影响因子之间的关系、主成分；利用信息流的方法，确定主成分与臭氧变化的因果关系；对臭氧低值区成因进行分析。本发明揭示夏季南亚高压及周边地区臭氧低值分布的年际变化特征，并利用主成分分析和回归分析，说明主要的形成原因，对研究人类健康和生态系统平衡有重要意义。

Description

一种夏季南亚高压及其邻近区域UTLS臭氧谷变化分析方法
技术领域
本发明涉及数据分析技术领域，特别是一种夏季南亚高压及其邻近区域UTLS臭氧谷变化分析方法。
背景技术
上对流层-下平流层(the upper troposphere and lower stratosphere，简称UTLS)在天气气候中扮演着重要角色。UTLS臭氧对全球气候变化有重要影响，并且通过直接或间接的方式改变大气的热力结构，影响人类健康和生态系统平衡。20世纪七十年代初期，Crutzen，Molina和Rowland于1974年发现平流层臭氧可能受到氯氟烃(CFC)和其他人为物质的威胁。Farman et al在1985年发现南极臭氧出现空洞，引起了各国政府、科学界以及媒体的很大震惊，并导致了1987年蒙特利尔破坏臭氧层物质管制议定书的签署，后来，Crutzen，Molina和Rowland在1995年因此获得了诺贝尔化学奖。臭氧损耗不仅存在于极区，1994年周秀骥和罗超利用1979-1991年平均TOMS卫星资料发现夏半年(4-9月)青藏高原上空的臭氧总量比同纬度的中国东部地区要低5DU以上，并称其为青藏高原臭氧谷。1996年邹捍确认了该臭氧谷的存在，随后，许多学者用不同的观测资料验证了这一结论。青藏高原上空在夏季存在臭氧低值中心，也是继南北两极后的第三个臭氧低值区，这一发现使得对青藏高原UTLS臭氧的研究成为举世瞩目的热点。
事实上，夏季青藏高原UTLS臭氧低值区不仅存在于青藏高原及其邻近区域，甚至可以覆盖南亚高压及其邻近区域。迄今为止，研究表明夏季青藏高原UTLS臭氧低值的影响因子主要有三个：(1)大气的动力作用；(2)高原的大尺度山地作用；(3)大气化学反应，其中大气的动力传输起主要作用。动力作用主要包括：热力强迫造成的环流异常；等熵面上大尺度上升和下沉运动；平对流层物质交换(STE)；亚洲季风。到目前为止，究竟影响青藏高原臭氧低值的主要因子有哪些？各个因子的贡献是多少？至今还未有人做探讨，因此，急需一种技术方案来解决上述问题。
发明内容
本发明的目的是提供一种夏季南亚高压及其邻近区域UTLS臭氧谷变化分析方法，以解决现有技术中存在的技术问题，揭示夏季南亚高压及周边地区臭氧低值分布的年际变化特征，并利用主成分分析和回归分析，说明主要的形成原因。
为实现上述目的，本发明提供了如下方案：本发明提供一种夏季南亚高压及其邻近区域UTLS臭氧谷变化分析方法，包括如下步骤：
步骤1，采集夏季南亚高压及周边地区臭氧低值，对所述臭氧低值进行EOF主成分分析，得到夏季南亚高压及周边地区上对流层下平流层整层臭氧柱纬向偏差UTLS TCO*的主成分时空特征，计算出在年际时间尺度上上对流层下平流层UTLS臭氧柱的异常分布情况；
步骤2，采集主导特征向量的时间系数，对所述主导特征向量的时间系数进行回归分析，获取与夏季南亚高压及其邻近区域UTLS TCO*有关的影响因子之间的关系，得到与夏季南亚高压及其邻近区域UTLS TCO*的分布型有关的主成分；
步骤3，利用信息流的方法，确定主成分与臭氧变化的因果关系；
步骤4，使用合成分析法，对臭氧低值区成因进行分析。
优选地，所述步骤1之前，首先计算上对流层下平流层UTLS臭氧柱总量纬向偏差TCO*的水平分布。
优选地，所述步骤1中，对所述臭氧低值进行EOF主成分分析时去除了UTLS臭氧柱纬向偏差TCO*的长期线性趋势。
优选地，所述步骤2中，计算的时间系数进行回归分析之后，要进行t检验。
优选地，所述步骤2中，与夏季南亚高压及其邻近区域UTLS TCO*有关的影响因子的获取方法为：
利用主导特征向量的时间系数回归得到海洋表面温度SST的分布，得到臭氧异常分布的可能联系；
利用主导特征向量的时间系数回归得到对流层顶高度的分布，进一步验证得到臭氧异常分布的可能联系；
利用主导特征向量的时间系数回归得到位势高度场的关系，进一步验证得到臭氧异常分布的可能联系；
对回归结果进行分析，得到与夏季南亚高压及其邻近区域UTLS TCO*的分布型有关的主成分。
优选地，所述主成分包括低纬度地区UTLS TCO*主要与西太平洋海温有关，青藏高原以西地区与对流层顶高度有关，青藏高原东部地区与南亚高压的位置有关。
优选地，步骤3中得到所述信息流分布方法为：
采用TCO*变化指数TOI作为TCO*变化的特征指数，依次得到该指数的信息流分布。
优选地，步骤4中的合成分析方法为：根据步骤1中，进行EOF主成分分析得到的三个时间序列，以标准化时间系数绝对值大于1为标准，分别选出正、负位相显著异常的年份，然后分别对高值年的变量进行平均，低值年的变量进行平均，即完成合成分析。
本发明的技术效果：本发明利用的分析方法有EOF主成分分析法、回归分析、Liang-Kleeman信息流方法、合成分析法和t检验方法，揭示夏季南亚高压及周边地区臭氧低值分布的年际变化特征，并利用主成分分析和回归分析，说明主要的形成原因，对研究人类健康和生态系统平衡有重要意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为ERA5及merr2积分臭氧柱总量纬偏的水平分布图，其中(a)为ERA5积分臭氧柱总量纬偏的水平分布图，(b)为merra2,300-50hPa积分臭氧柱总量纬偏的水平分布图(填色，单位：DU)；
图2为1979-2019年ERA5得到的6-8月UTLS TCO*前3个EOF特征向量(左列)及其标准化的时间系数(右列)图：(a)第1特征向量；(b)第2特征向量；(c)第3特征向量。红(蓝)色柱表示时间系数大于0(小于0)；
图3为TCO*EOF时间系数回归的基于ERA5的SST图(单位：K)；(a)第1特征向量图；(b)第2特征向量图；(c)第3特征向量图；黑点代表通过了90％的置信检验；
图4为TCO*EOF时间系数回归的基于MERRA2的热力对流层顶高度图(单位：hPa)；(a)第1特征向量；(b)第2特征向量；(c)第3特征向量；黑点代表通过了90％的置信检验；
图5为TCO*EOF时间系数回归的基于ERA5的200hPa位势高度图(单位：km)；(a)第1特征向量；(b)第2特征向量；(c)第3特征向量；黑点代表通过了90％的置信检验；
图6为TCO*与ISI信息流分布图；黑点表示通过80％信度水平的显著性检验；(a)ISI对TCO*；(b)TCO*对ISI；
图7为对流层顶高度与TOI信息流分布图；黑点表示通过80％信度水平的显著性检验；(a)对流层顶高度对TOI；(b)TOI对对流层顶高度
图8为200hPa位势高度与TOI信息流分布图；黑点表示通过80％信度水平的显著性检验；(a)位势高度对TOI；(b)TOI对位势高度；.
图9为高值年风场距平合成(矢量箭头，单位：m/s)和SSTA合成(阴影，单位：℃)示意图；图(a)850hPa；(b)200hPa.；
图10为第二特征向量高低值年TCO*(阴影，单位：DU)和南亚高压特征线12520gpm(实线)的合成示意图；(a)高值年；(b)低值年；
图11为第二特征向量的风场沿50°E合成的经向剖面图；(a)为高值年，(b)为低值年；垂直风速异常扩大到原来风场的5倍，阴影为东西风向(纬向风)，紫线为热力对流层顶高度；
图12为第三特征向量高低值年TCO*(阴影，单位：DU)和南亚高压特征线12520gpm(实线)的合成图，(a)高值年；(b)低值年；
图13为第3特征向量的风场沿95°E的合成经向剖面图；(a)为高值年，(b)为低值年；垂直风速扩大到原来风场的5倍(扩大前取垂直风速有效范围2m/s及以内)，阴影为东西风向(纬向风)，紫线为热力对流层顶高度；
图14为第三特征向量高低值年500hPa位势高度合成图，(阴影，单位：km)(a)高值年；(b)低值年；
图15为本发明的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1-15，南亚高压及其邻近区域存在UTLS臭氧低值区，例如：MLS卫星资料，ERA-Interim再分析资料。而ERA5再分析资料由于其更高的时间和空间分辨率也被用于青藏高原及周边地区UTLS臭氧的研究。因此，本申请所使用的再分析资料为1979年至2019年ERA5的逐月大气三维风场、位势高度、温度、臭氧混合比(单位：kg/kg)以及海表温度(SST)资料。水平分辨率为0.25°×0.25°，垂直范围从1000hPa到1hPa共37层。本申请还用到了merra2提供的1980-2019年逐月的臭氧质量混合比(单位：kg/kg)以及热力对流层顶高度，水平分辨率为0.5°×0.625°，垂直范围从1000hPa-0.1hPa共42层；其中臭氧质量混合比用来和ERA5做对比验证。
在分析UTLS臭氧低值的年际变化之前，首先需要给出UTLS臭氧柱总量纬向偏差TCO的水平分布，臭氧质量混合比纬向偏差是表征臭氧含量的纬向差异R，定义为：
Figure BDA0002607387210000051
其中，O为纬度带的臭氧质量混合比，
Figure BDA0002607387210000052
为O的纬向平均值。
对臭氧质量混合比O在垂直方向上进行积分，由于大气的密度会随着高度的变化而改变，因而不能直接使用kg/kg进行积分，需要通过单位转换成DU。先乘以10的6次方，将其单位转换为ppmv(1ppm＝10-6)，公式如下：
Figure BDA0002607387210000053
式(2)中，p是气压(单位：h Pa)，M代表各层的臭氧体积混合比(单位：ppmv)，Z为所要得到的积分后的臭氧柱含量(单位：DU)。D1 DU是指1个标准大气压下，温度为273K时，10微米的臭氧的厚度。根据前人的结果UTLS臭氧低值区中心的范围，取UTLS臭氧柱总量的高度范围为300hPa-50hPa。
步骤一、参照图1，夏季，ERA5和merra2,UTLS TCO*的水平分布在南亚高压及其邻近区域存在两个负值中心。一个在青藏高原上空，中心值大约-2到-4DU，另一个在伊朗高原上空，在两种资料里，负值中心分别是-3到-5DU。两套资料都能得到相似结果，且量级一致，由于ERA5可以提供更高时间空间分辨率的数据，因此接下来将利用ERA5的臭氧数据进行EOF分解，得到三个时间序列。
图2给出了夏季南亚高压及其邻近区域周边地区UTLS TCO*标准化的前3个EOF特征向量空间分布型及其时间系数，它们对总方差的贡献率分别为：18.9％、14.8％和9.8％，都通过了north检验。
第1特征向量的值在青藏高原以南地区、孟加拉湾、中南半岛、印度半岛区域呈现为显著负值，青藏高原以西大部分西亚都为正值，该形态特征表现出东西异常分布，突出高原以南的低纬度地区臭氧异常分布，时间序列表现出臭氧的年际及年代际变化。
第2特征向量的值在青藏高原以西及其周边地区为异常负值区为，表现为南亚高压区内青藏高原以西地区臭氧柱总量的整体异常变化，突出伊朗上空臭氧低值中心负异常区域。时间序列表现出臭氧的年际及年代际变化。
第3特征向量的值表现为东北西南走向的带状分布，但在青藏高原东部上空表现出明显的正异常。时间序列也表现出臭氧的年际及年代际变化。
本发明通过EOF分解得出，第二模态和第三模态的空间分布特征能够部分显示出南亚高压和对流层顶高度的特征，但是第一模态主要为低纬度地区的特征。
步骤二、为了得到夏季南亚高压及其邻近区域UTLS TCO*与不同影响因子的关系，本发明首先利用主导特征向量的时间系数回归到不同因子，得到与夏季南亚高压及其邻近区域UTLS TCO*有关的影响因子。
由于第一模态反映了低纬度地区的异常分布，且在青藏高原以南地区、孟加拉湾、中南半岛、印度半岛区域呈现为显著负值，首先要考虑与对流活动的强弱关系，因此，利用主导特征向量的时间系数回归得到SST的分布，进一步验证得到臭氧异常分布的可能联系。可以看出，第一模态回归的结果(图3a)，大值区位于赤道太平洋中东部，通过检验的区域表现为正异常，在赤道西太平洋表现为对称的负异常。这些形态特征与El
Figure BDA0002607387210000061
发生时的SSTA分布一致，说明El
Figure BDA0002607387210000062
发生时，与夏季南亚高压及其邻近区域UTLS臭氧谷密切相关。第二模态在印度洋西部地区为正异常；第三模态与东太平洋沿岸的洋流有关，由于形态不突出暂不讨论。
利用主导特征向量的时间系数回归得到对流层顶高度的分布，进一步验证得到臭氧异常分布的可能联系(如图4)。第一模态(图4a)，在讨论的区域未通过信度检验，且模态与图2a不合，不讨论。图4b，在高原以西的伊朗上空，通过检验的区域表现为负异常(单位：hPa)。说明当对流层顶负异常，即对流层顶异常偏高，TCO*异常偏低。这是由于上对流层浓度相对偏低，当对流层顶异常升高时，低层的臭氧相对整个臭氧柱占比偏多，因此，TCO*异常偏低。
由图2c第三模态可见，东北西南走向的带状分布，但在青藏高原上空表现出明显的正异常，突出高原东部臭氧中心。对比图4c该区域通过检验的区域表现为正异常(单位hPa)。对流层顶异常偏低，TCO*异常偏高，原因也是因为当对流层顶异常降低时，高层的臭氧相对整个臭氧柱占比偏多，因此，TCO*异常偏高。
由于对流层顶高度还和南亚高压有关，并且TCO*也与南亚高压有关，因此有必要利用主导特征向量的时间系数回归得到200hPa位势高度场的关系，进一步验证得到臭氧异常分布的可能联系。第一模态(图5a)，在本发明讨论的区域未通过信度检验，且模态与图4a不合，不讨论。由图2b第二模态可见，南亚高压区内青藏高原以西地区TCO*的整体异常变化,突出伊朗上空TCO*低值中心负异常区域。对比图5b该区域通过检验的区域表现为正异常。说明当南亚高压异常偏强，说明高压反气旋偏强，辐散加强，导致低层低浓度臭氧异常上升，导致该区域TCO*异常偏低。
由图2c第三模态可见，东北西南走向的带状分布，但在青藏高原东部上空表现出明显的正异常。图5c的带状分布为正异常，高原以西地区，可以得到高压反气旋偏强，辐散加强，导致低层低浓度臭氧异常上升，导致该区域TCO*异常偏低。图5c，青藏高原东部以及以东区域通过检验的区域表现为负异常，说明当高原东部南亚高压异常偏弱，高压反气旋偏弱，辐散减弱，导致低层低浓度臭氧上升减弱，导致该区域TCO*异常升高。这种东部地区的偏弱很有可能是因为南亚高压与西太副高的同向性有关，即二者同步靠近或同步远离。
通过以上的回归分析结果表明，夏季南亚高压及其邻近区域UTLS TCO*的分布型与三个主成分有关，低纬度地区UTLS TCO*主要与西太平洋海温有关，青藏高原以西地区与对流层顶高度有关，青藏高原东部地区与南亚高压的位置有关。
步骤三、利用信息流的方法，确定主成分与臭氧变化的因果关系
本实施例中计算了1979～2019年夏季南亚高压及其邻近区域UTLS TCO*与三个主成分的信息流。
首先，将包含印度尼西亚的负异常区域35S-35N，100-120E区域SST的平均值作为指数(ISI:Indonesia SST index)得到1979～2019年夏季该指数与TCO*的信息流分布(图6)。从信息流分布可以看到，在青藏高原以南地区信息流为负，包括青藏高原东部、高原南麓、孟加拉湾北部、中南半岛北部、印度半岛北部区域ISI的变化对该地区TCO*产生影响，并使其趋于稳定，可预报性增强(图6a)；而印度半岛南部，孟加拉湾南部区域ISI的变化对该地区TCO*产生影响，可预报性减弱(图6b)。即ISI的变化可部分导致青藏高原东部、高原南麓、孟加拉湾北部、中南半岛北部、印度半岛北部区域TCO*的变化。
同理，采用的TCO*变化指数(TOI)，将TCO*在南亚高压及其邻近区域臭氧低谷的区域40E-105E，20N-45N求平均，作为TCO*变化的特征指数。再依次得到该指数与对流层顶、200hPa位势高度场的信息流分布。
从图7a的信息流分布可以看到，在青藏高原以西地区是信息流分布的负值区域，对流层顶变化对该地区TCO*产生影响，并使其趋于稳定，可预报性增强。而图7b该区域信息流为负，表明该地区TCO*的变化反过来也影响对流层顶的变化，使对流层顶趋于不稳定。即在青藏高原以西地区对流层顶变化可部分导致TCO*的变化。
图8a显示，在伊朗上空信息流分布为负，说明南亚高压变化对该地区TCO*产生影响，并使其趋于稳定，可预报性增强。而图8b该区域信息流为负，说明该地区TCO*的变化反过来也影响南亚高压的变化，使南亚高压趋于不稳定(图8b)。即在伊朗上空南亚高压的变化可部分导致TCO*的变化。
步骤四、臭氧低值区成因分析
为了得到各主成分对臭氧的影响，对根据各主成分进行合成分析。以特征向量的标准化时间系数绝对值大于1为标准，可分别选出正、负位相显著异常的年份(表1第一特征向量高值年和低值年及其对应的时间系数，表2第二特征向量高值年和低值年及其对应的时间系数，表3第三特征向量高值年和低值年及其对应的时间系数)，用于合成分析。
表1
Figure BDA0002607387210000091
表2
Figure BDA0002607387210000092
表3
Figure BDA0002607387210000093
Figure BDA0002607387210000101
图9、图10给出了第一特征向量的高低值年850hPa和200hPa风场距平和SSTA合成分布图。在高值年，赤道中东太平洋SSTA为正异常(该地区略，但从图3a可以看出来)，西太平洋为正异常，根据Gill响应，若热源在某个初始时刻开始作用，Kelvin波会携带这些信息迅速东传，在那个地区造成东风信风，引起热源地区的入流且形成Walk类型的环流，大气在热源地区上升，在其东边下沉。热源的作用会激发出一列行星波，携带信息西传到印度洋。从高值年850hPa风场距平合成和SSTA合成(图9a)可以看出，在赤道中西太平洋SSTA为负异常，并有一列行星波传到印度洋，该行星波关于赤道对称。我们发现黄色区域关于赤道对称为一对气旋，北半球低纬度的气旋使得较高纬度的反气旋增强，进一步加强了绕过青藏高原的孟加拉湾南支槽，使得青藏高原南部的低层槽加深。
再来看200hPa风场距平合成和SSTA合成分布(图10a)，黄色区域为关于赤道对称的一对反气旋，青藏高原以南地区为一个明显的反气旋。对比高原南部的高低层风场配置能够很容易判断，低层由于南支槽的作用使得，低层低浓度臭氧异常上升，高层对应辐散加强，导致该区域TCO*异常偏低。
但是低值年而言，没有Gill型响应的配置，并且在高层风场的辐合辐散很小，因此变化没有高值年明显。
图10给出了第二特征向量的高低值年TCO*和南亚高压特征线12520gpm的合成图，可以看出南亚高压的位置基本不变，但是TCO*的在高原上空和伊朗上空大小与南亚高压的形状息息相关。当南亚高压在伊朗上空偏强时(图10a)TCO*对应减少，臭氧低值区加大；当南亚高压在高原上空偏强时，伊朗上空偏弱(图10b)；青藏高原上空TCO*低值区较大。
可以观察到沿50°E的TCO*在高低年的差异较大，因此，给出了沿50°E的第二特征向量风场合成的经向剖面图。前面(如图1)知道高原西侧UTLS TCO*在35°N-50°N附近臭氧异常减少。从风场在35°N-50°N，UTLS区域(图11)可以看到，高值年(TCO*异常减少年)风场从对流层向平流层吹，并且以南风为主，因此对流层的臭氧含量比平流层小，使得35°N-50°N，UTLS TCO*异常减少,
从第三特征向量的高低值年TCO*和南亚高压特征线12520gpm的合成(图12)可以看出南亚高压的位置基本不变但是TCO*在高原上空和伊朗上空大小与南亚高压的位置息息相关。当南亚高压在伊朗上空偏强，位置偏西时(图12a)，TCO*对应减少，TCO*低值区加大；当南亚高压在高原上空偏强，位置偏东时，伊朗上空偏弱(图12b)；青藏高原上空TCO*低值区较大。
可以看出沿95°E的TCO*在高低年的差异较大，因此，给出了沿95°E的第三特征向量风场合成的经向剖面图(如图13)。强年，东部高压反气旋偏弱，辐散减弱，导致高层高浓度臭氧异常下沉，使得30°N-45°N UTLS TCO*异常升高(图13a)。弱年相反，辐散加强，导致异常上升，使得该区域UTLS TCO*臭氧柱浓度总量异常减少(图13b)。
经过图12和13的分析，发现由于在高值年南亚高压异常偏西造成南亚高压位置的变化进一步使得TCO*第三模态在高原东部为正异常。根据图5c和图12猜测是因为南亚高压与西太副高的同向性有关，即二者同步靠近或同步远离。高值年当西太副高偏东时，南亚高压位置也会偏西，使得青藏高原东部以及以东区域TCO*通过检验的区域表现为正异常(图2c)。因此进一步给出第三模态高低值年500hPa位势高度合成图(图14)。可以看到，高值年西太副高相对于低值年更弱，因此南亚高压位置也会更偏西，使得高原以西的伊朗上空TCO*为负异常，高原东部TCO*为正异常。
通过本发明的技术方案可以得出如下结论：
1)通过EOF分析，得到了夏季南亚高压及周边地区UTLS TCO*的主成分时空特征，发现在年际时间尺度上，UTLS臭氧柱主要为低纬度地区的东西异常分布，伊朗上空异常变化，青藏高原东部的异常变化；
2)利用主导特征向量的时间系数进行回归分析发现，第一模态低纬度地区的东西异常分布主要与太平洋海温异常有关，第二模态和第三模态与对流层顶异常和南亚高压的位置及强度有关。即对流层顶异常偏高，UTLS TCO*异常偏低，因为上对流层浓度相对偏低。当南亚高压异常偏强，高压反气旋偏强，辐散加强，导致低层低浓度臭氧异常上升，导致该区域UTLS TCO*异常偏低。
3)从信息流分布可以看到，西太平洋海温可部分导致低纬度地区的臭氧的变化；在青藏高原以西地区对流层顶变化和南亚高压的变化可部分导致臭氧低值的变化。
4)通过合成分析进一步得到：第一特征向量的风场和海温配置在高值年与Gill型响应一致。在低层850hPa高度场，得到关于赤道对称为一对气旋，北半球低纬度的气旋使得较高纬度的反气旋增强，进一步加强了绕过青藏高原的孟加拉湾南支槽，使得青藏高原南部的低层槽加深。高层青藏高原以南地区为一个明显的反气旋，这种高低层风场配置使得低层低浓度臭氧异常上升，高层对应辐散加强，导致该区域TCO*异常偏低。
5)通过对第二特征向量的合成，高值年(臭氧异常减少年)风场从对流层向平流层吹，并且以南风为主，使得35°N-50°N UTLS TCO*减少。第三特征向量的合成表明，强年，东部高压反气旋减弱，辐散减少，导致高层高浓度臭氧异常下沉，使得30°N-45°N UTLS TCO*升高。而引起南亚高压位置的变化的原因主要是西太副高的作用。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (8)

1.一种夏季南亚高压及其邻近区域UTLS臭氧谷变化分析方法，其特征在于，包括如下步骤：
步骤1，采集夏季南亚高压及周边地区臭氧低值，对所述臭氧低值进行EOF主成分分析，得到夏季南亚高压及周边地区上对流层下平流层整层臭氧柱纬向偏差UTLS TCO*的主成分时空特征，计算出在年际时间尺度上上对流层下平流层UTLS臭氧柱的异常分布情况；
步骤2，采集主导特征向量的时间系数，对所述主导特征向量的时间系数进行回归分析，获取与夏季南亚高压及其邻近区域UTLS TCO*有关的影响因子之间的关系，得到与夏季南亚高压及其邻近区域UTLS TCO*的分布型有关的主成分；
步骤3，利用信息流的方法，确定主成分与臭氧变化的因果关系；
步骤4，使用合成分析法，对臭氧低值区成因进行分析。
2.根据权利要求1所述的夏季南亚高压及其邻近区域UTLS臭氧谷变化分析方法，其特征在于，所述步骤1之前，首先计算上对流层下平流层UTLS臭氧柱总量纬向偏差TCO*的水平分布。
3.根据权利要求1所述的夏季南亚高压及其邻近区域UTLS臭氧谷变化分析方法，其特征在于，所述步骤1中，对所述臭氧低值进行EOF主成分分析时去除了UTLS臭氧柱纬向偏差TCO*的长期线性趋势。
4.根据权利要求1所述的夏季南亚高压及其邻近区域UTLS臭氧谷变化分析方法，其特征在于，所述步骤2中计算的时间系数进行回归分析之后，要进行t检验。
5.根据权利要求1所述的夏季南亚高压及其邻近区域UTLS臭氧谷变化分析方法，其特征在于，所述步骤2中与夏季南亚高压及其邻近区域UTLS TCO*有关的影响因子的获取方法为：
利用主导特征向量的时间系数回归得到海洋表面温度SST的分布，得到臭氧异常分布的可能联系；
利用主导特征向量的时间系数回归得到对流层顶高度的分布，进一步验证得到臭氧异常分布的可能联系；
利用主导特征向量的时间系数回归得到位势高度场的关系，进一步验证得到臭氧异常分布的可能联系；
对回归结果进行分析，得到与夏季南亚高压及其邻近区域UTLS TCO*的分布型有关的主成分。
6.根据权利要求5所述的夏季南亚高压及其邻近区域UTLS臭氧谷变化分析方法，其特征在于，所述主成分包括低纬度地区UTLS TCO*主要与西太平洋海温有关，青藏高原以西地区与对流层顶高度有关，青藏高原东部地区与南亚高压的位置有关。
7.根据权利要求1所述的夏季南亚高压及其邻近区域UTLS臭氧谷变化分析方法，其特征在于，步骤3中得到所述信息流分布方法为：
采用TCO*变化指数TOI作为TCO*变化的特征指数，依次得到该指数的信息流分布。
8.根据权利要求1所述的夏季南亚高压及其邻近区域UTLS臭氧谷变化分析方法，其特征在于，所述步骤4中的合成分析方法为：所述步骤1中，进行所述EOF主成分分析得到的三个时间序列，以标准化时间系数绝对值大于1为标准，分别选出正、负位相显著异常的年份，然后分别对高值年的变量进行平均，低值年的变量进行平均，即完成合成分析。
CN202010743112.1A 2020-07-29 2020-07-29 一种夏季南亚高压及其邻近区域utls臭氧谷变化分析方法 Active CN111832662B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010743112.1A CN111832662B (zh) 2020-07-29 2020-07-29 一种夏季南亚高压及其邻近区域utls臭氧谷变化分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010743112.1A CN111832662B (zh) 2020-07-29 2020-07-29 一种夏季南亚高压及其邻近区域utls臭氧谷变化分析方法

Publications (2)

Publication Number Publication Date
CN111832662A true CN111832662A (zh) 2020-10-27
CN111832662B CN111832662B (zh) 2022-09-06

Family

ID=72919977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010743112.1A Active CN111832662B (zh) 2020-07-29 2020-07-29 一种夏季南亚高压及其邻近区域utls臭氧谷变化分析方法

Country Status (1)

Country Link
CN (1) CN111832662B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112348280A (zh) * 2020-11-23 2021-02-09 山东科技大学 一种利用改进型Argo浮标数据进行EOF分析的方法
CN116449461A (zh) * 2023-06-15 2023-07-18 成都信息工程大学 一种南支槽的自动识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108170882A (zh) * 2017-11-24 2018-06-15 南京大学 基于查算表的中尺度大气光化学模拟分段线性回归算法
CN108376265A (zh) * 2018-02-27 2018-08-07 中国农业大学 一种冬小麦晚霜冻害多致灾因子权重的确定方法
CN109596803A (zh) * 2018-12-09 2019-04-09 西安科技大学 甲烷爆炸最小氧浓度影响指数的主成分多元回归分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108170882A (zh) * 2017-11-24 2018-06-15 南京大学 基于查算表的中尺度大气光化学模拟分段线性回归算法
CN108376265A (zh) * 2018-02-27 2018-08-07 中国农业大学 一种冬小麦晚霜冻害多致灾因子权重的确定方法
CN109596803A (zh) * 2018-12-09 2019-04-09 西安科技大学 甲烷爆炸最小氧浓度影响指数的主成分多元回归分析方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
SHUJIE CHANG等: "Response of Ozone to a Gravity wave process in the UTLS region over the tibetan plateau", 《FRONTIERS IN EARTH SCIENCE》 *
张健恺: ""气候变化对北半球臭氧总量变化影响的研究"", 《中国优秀博硕士学位论文全文数据库(博士)基础科学辑》 *
李刚等: "近30年北半球冬季臭氧总量分布特征及其与平流层温度的关系", 《地球物理学报》 *
薛志航等: "青藏高原上空臭氧时空分布特征", 《成都信息工程大学学报》 *
覃皓等: ""一种南亚高压与邻近地区臭氧变化的相互作用分析方法"", 《大气科学》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112348280A (zh) * 2020-11-23 2021-02-09 山东科技大学 一种利用改进型Argo浮标数据进行EOF分析的方法
CN116449461A (zh) * 2023-06-15 2023-07-18 成都信息工程大学 一种南支槽的自动识别方法
CN116449461B (zh) * 2023-06-15 2023-08-11 成都信息工程大学 一种南支槽的自动识别方法

Also Published As

Publication number Publication date
CN111832662B (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
Rangwala et al. Amplified warming projections for high altitude regions of the northern hemisphere mid-latitudes from CMIP5 models
Sun et al. Evolution of magnetic field and energy in a major eruptive active region based on SDO/HMI observation
Yu et al. The enhanced drying effect of Central-Pacific El Niño on US winter
Gao et al. A high resolution simulation of climate change over China
CN111832662B (zh) 一种夏季南亚高压及其邻近区域utls臭氧谷变化分析方法
Wolk et al. The Chandra Carina Complex Project View of Trumpler 16
Wan et al. Spatial variations of monsoonal rain in eastern China: Instrumental, historic and speleothem records
Kumar et al. Seasonal sea-ice variability and its trend in the Weddell Sea sector of West Antarctica
Longinelli et al. Isotopic composition of precipitation in Northern Italy: reverse effect of anomalous climatic events
Monerie et al. Impact of internal variability on projections of Sahel precipitation change
Zhu et al. Effects of the South Asian summer monsoon anomaly on interannual variations in precipitation over the South-Central Tibetan Plateau
Zhang Penetration of monsoonal water vapour into arid central Asia during the Holocene: An isotopic perspective
Qian et al. Future changes in wind energy resource over the Northwest Passage based on the CMIP6 climate projections
Chintzoglou et al. ALMA and IRIS observations of the solar chromosphere. I. An on-disk type II spicule
Sung et al. Arctic-North Pacific coupled impacts on the late autumn cold in North America
Liang et al. Mapping the locations of asymmetric and symmetric discharge responses in global rivers to the two types of El Niño
Nakanowatari et al. Summertime atmosphere–ocean preconditionings for the Bering Sea ice retreat and the following severe winters in North America
Yu et al. The responses of East Asian Summer monsoon to the North Atlantic Meridional Overturning Circulation in an enhanced freshwater input simulation
Yu et al. Synchronous droughts and floods in the Southern Chinese Loess Plateau since 1646 CE in phase with decadal solar activities
CN115829185A (zh) Enso对臭氧谷的影响分析方法、装置及系统和存储介质
Chang et al. Attribution of the principal components of the summertime ozone valley in the upper troposphere and lower stratosphere
Li et al. Inferring the linkage of sea surface height anomalies, surface wind stress and sea surface temperature with the falling ice radiative effects using satellite data and global climate models
Lim et al. Improvement in simulation of Eurasian winter climate variability with a realistic Arctic sea ice condition in an atmospheric GCM
Zhou et al. Possible contribution of heavy pollution to the decadal change of rainfall over eastern China during the summer monsoon season
Sun et al. Tree rings reveal changes in the temperature pattern in eastern China before and during the Anthropocene

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant