论文部分内容阅读
如何从动力系统中有效获取其驱动因子信息是大气科学和物理学等研究领域的热点和难点问题。气候系统作为一个典型的非平稳系统,它的变化不仅受到各圈层耦合作用引起的气候系统内部变率的影响,还受到各种人为和自然外部驱动力因素的影响,因此有关它的驱动机制问题非常复杂。气候系统具有层次结构,源自高层系统的驱动力单向地控制低层系统的行为,从而产生系统的非平稳性。高层系统的驱动力相对于低层系统的动力现实来说,通常是慢变的过程。慢特征分析法是一个从非平稳时间序列中提取慢变特征的方法,其为研究非平稳动力系统的驱动力特征提供了一个直接有效的研究手段。本文结合慢特征分析法和子波分析法,在评估其提取非平稳时间序列驱动力信号有效性的前提下,揭示了气候系统主要变率模态和中国百年尺度气温变化的基本驱动因子。并以北大西洋涛动指数为例,将SFA方法提取的驱动力信号引入全域法时间序列预测模型,从而改进模型的预报精度。主要研究结论总结如下:
(1)通过建立具有层次结构的非平稳Logistic模型,发现对于受两个时变驱动参数控制的双层系统,利用慢特征分析法提取时间序列的慢特征信号后,利用子波分析技术可以分离出其中包含的两个独立驱动因子;而对于模型中叠加了两层驱动力的三层动力系统而言,通过两次慢特征分析,可以从该模型对应的时间序列中分别提取出次慢层和最慢层驱动力信号。
(2)利用慢特征分析和子波分析相结合的方法,在不同时段的厄尔尼诺-南方涛动(ENSO)指数序列中发现了5个独立峰值周期:0.97年、2.32年、3.90年、6.55年以及11.02年。分析推测认为:其中0.97年对应年循环;2.32年与准两年周期振荡(QBO)有关;11.02年对应太阳活动周期;而3.90年和6.55年分别是ENSO的两个内部周期。由此说明,在ENSO变率中既包含自由振荡也包含强迫振荡,而强迫的周期振荡可能来自太阳活动准11年周期和QBO的准两年周期活动。
(3)进一步地,研究选取其他三个主要气候变率模态(太平洋年代际振荡PDO、大西洋多年代际振荡AMO、北大西洋涛动NAO)所对应的时间序列,分析了代表各气候变率模态的月平均指数以及它们的驱动力信号。结果表明,其时间平均功率谱上显著峰值点对应的周期值都可表示为上述提到的在ENSO中发现的五个基频信号的谐波形式(呈有理数的倍数关系)。研究结果一方面说明,与基频相关的四个因子:年循环、ENSO内部信号、太阳活动和QBO信号对气候变率起着关键作用。另一方面说明,虽然不同气候变率模态显示出独立的周期特征,但它们之间相同的基频信号以及谐波振荡形式可能使得不同气候变率模态之间存在协同变化的特征。
(4)基于中国32站均一化百年尺度气温观测序列,利用慢特征分析和子波分析相结合的方法研究发现,中国气温的基本驱动因子同样可以归为0.97年对应的年循环、2.32年对应的QBO准两年周期振荡、6.55年对应的ENSO内部周期、11.02年对应的太阳活动周期以及它们的谐波振荡形式。结果表明,虽然4类驱动因子存在全国范围的影响,但是对于不同站点和时间尺度来说,各驱动因子产生的谐波振荡形式不同。
(5)基于以上四点认识,研究进一步探讨影响中国气温变化的关键气候变率模态的可预报性问题。NAO具有明显的年际变化(尤其是在冬季),并且与我国冬季气候联系紧密。研究以逐日NAO指数为例,利用慢特征分析法提取其中的驱动力信号,并将之引入状态空间的重构过程。通过计算其最大Lyapunov指数以及构建全域法时间序列预测模型,认为当引入其慢特征信号以后,NAO指数的可预报性及时间序列预测模型的预报精度得到显著提高。
(1)通过建立具有层次结构的非平稳Logistic模型,发现对于受两个时变驱动参数控制的双层系统,利用慢特征分析法提取时间序列的慢特征信号后,利用子波分析技术可以分离出其中包含的两个独立驱动因子;而对于模型中叠加了两层驱动力的三层动力系统而言,通过两次慢特征分析,可以从该模型对应的时间序列中分别提取出次慢层和最慢层驱动力信号。
(2)利用慢特征分析和子波分析相结合的方法,在不同时段的厄尔尼诺-南方涛动(ENSO)指数序列中发现了5个独立峰值周期:0.97年、2.32年、3.90年、6.55年以及11.02年。分析推测认为:其中0.97年对应年循环;2.32年与准两年周期振荡(QBO)有关;11.02年对应太阳活动周期;而3.90年和6.55年分别是ENSO的两个内部周期。由此说明,在ENSO变率中既包含自由振荡也包含强迫振荡,而强迫的周期振荡可能来自太阳活动准11年周期和QBO的准两年周期活动。
(3)进一步地,研究选取其他三个主要气候变率模态(太平洋年代际振荡PDO、大西洋多年代际振荡AMO、北大西洋涛动NAO)所对应的时间序列,分析了代表各气候变率模态的月平均指数以及它们的驱动力信号。结果表明,其时间平均功率谱上显著峰值点对应的周期值都可表示为上述提到的在ENSO中发现的五个基频信号的谐波形式(呈有理数的倍数关系)。研究结果一方面说明,与基频相关的四个因子:年循环、ENSO内部信号、太阳活动和QBO信号对气候变率起着关键作用。另一方面说明,虽然不同气候变率模态显示出独立的周期特征,但它们之间相同的基频信号以及谐波振荡形式可能使得不同气候变率模态之间存在协同变化的特征。
(4)基于中国32站均一化百年尺度气温观测序列,利用慢特征分析和子波分析相结合的方法研究发现,中国气温的基本驱动因子同样可以归为0.97年对应的年循环、2.32年对应的QBO准两年周期振荡、6.55年对应的ENSO内部周期、11.02年对应的太阳活动周期以及它们的谐波振荡形式。结果表明,虽然4类驱动因子存在全国范围的影响,但是对于不同站点和时间尺度来说,各驱动因子产生的谐波振荡形式不同。
(5)基于以上四点认识,研究进一步探讨影响中国气温变化的关键气候变率模态的可预报性问题。NAO具有明显的年际变化(尤其是在冬季),并且与我国冬季气候联系紧密。研究以逐日NAO指数为例,利用慢特征分析法提取其中的驱动力信号,并将之引入状态空间的重构过程。通过计算其最大Lyapunov指数以及构建全域法时间序列预测模型,认为当引入其慢特征信号以后,NAO指数的可预报性及时间序列预测模型的预报精度得到显著提高。