高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码
彭京备, 郑飞, 范方兴, 等. 2022. 2022年汛期气候趋势预测与展望[J]. 气候与环境研究, 27(4): 547−558 doi: 10.3878/j.issn.1006-9585.2022.22059
引用本文: 彭京备, 郑飞, 范方兴, 等. 2022. 2022年汛期气候趋势预测与展望[J]. 气候与环境研究, 27(4): 547−558 doi: 10.3878/j.issn.1006-9585.2022.22059
PENG Jingbei, ZHENG Fei, FAN Fangxing, et al. 2022. Climate Prediction and Outlook in China for the Flood Season 2022 [J]. Climatic and Environmental Research (in Chinese), 27 (4): 547−558 doi: 10.3878/j.issn.1006-9585.2022.22059
Citation: PENG Jingbei, ZHENG Fei, FAN Fangxing, et al. 2022. Climate Prediction and Outlook in China for the Flood Season 2022 [J]. Climatic and Environmental Research (in Chinese), 27 (4): 547−558 doi: 10.3878/j.issn.1006-9585.2022.22059

2022年汛期气候趋势预测与展望

doi: 10.3878/j.issn.1006-9585.2022.22059
基金项目: 中国科学院战略性先导科技专项(A类)XDA19030403,国家重点研发计划2017YFA0603201
详细信息
    作者简介:

    彭京备,女,1970年出生,正研级高工,主要从事灾害性天气成因机理及短期气候预测方法研究。E-mail:pengjingbei@mail.iap.ac.cn

    通讯作者:

    范方兴,E-mail: fanfangxing@mail.iap.ac.cn

  • 中图分类号: P461

Climate Prediction and Outlook in China for the Flood Season 2022

Funds: Strategic Priority Research Program of the Chinese Academy of Sciences (Grant XDA19030403), National Key Research and Development Program of China (Grant 2017YFA0603201)
  • 摘要: 中国是自然灾害频发的国家,气象灾害造成的损失占自然灾害造成损失的70%。2020年夏季出现超长梅雨期,长江和淮河发生洪水;2021年夏季,华北雨季开始早,结束晚,期间发生了“21·7”河南地区特大暴雨事件。这些气象灾害都对人民生命财产造成严重损失。因此,有必要提前对气候异常进行预测,以提高国家的防灾减灾能力。2022年3月,中国科学院大气物理研究所开展汛期(6~8月)的全国汛期气候趋势预测会商会。通过综合大气所各个数值模式和统计模型的结果,在未来4~6个月全球短期气候仍处在La Niña事件恢复到ENSO正常状态的背景下,预计2022年汛期(6~8月),东北东部和中部、华北大部分地区、黄河中下游、东南沿海、西北地区中部、西藏大部分地区、西南地区东部和云南大部分地区降水正常略偏多,其中环渤海湾地区降水偏多2~5成,可能发生局地洪涝灾害。全国其他大部分地区降水正常略偏少,其中长江下游地区和新疆北部降水偏少2~5成。预计今年登陆台风数正常略偏多。由于未来ENSO的趋势演变具有一定的不确定性以及夏季降水受到中高纬大气环流季节内变化的影响,因此,此次汛期预测结果具有一定的不确定性。我们将根据2022年春末、夏初大气环流和海洋等因子的实际演变趋势,做进一步补充订正预测。
  • 图  1  中国科学院大气物理研究所短期气候预测系统框图

    Figure  1.  Diagram of the short-term climate prediction system developed by the Institute of Atmospheric Physics (IAP), Chinese Academy of Sciences (CAS)

    图  2  中国科学院大气物理研究所模式(a)IAP-ENSO集合预测系统(红线表示预测样本,黑线表示集合预测结果,蓝线表示实测)、(b)两个简单的ENSO预测模式、(c)大气所FGOALS-f2季节内—季节预测平台(黑色实线表示实测,黑色虚线表示集合预测结果,红色和蓝色虚线表示预测样本)和(d)NZC-PSM对ENSO的预测

    Figure  2.  Predictions of ENSO from (a) IAP-ENSO ensemble prediction system (red line for sample prediction, black line for ensemble prediction, and blue line for observation), (b) two simple ENSO prediction models, (c) FGOALS-f2 intra-seasonal and seasonal prediction platform (black solid line for observation, black dashed line for ensemble prediction, red and blue dashed lines for sample prediction), and (d) NZC-PSM model

    图  3  中国科学院大气物理研究所数值模式(a)IAP AGCM-2L、(b)IAP AGCM-9L、(c)IAP-DCPv3、(d)NZC-PSM、(e)CAS-ESM-C、(f)GloSea5对2022年夏季西太平洋副热带高压的预测。红线表示预测,蓝线表示模式气候平均;图3d和3f中的阴影为500 hPa位势高度异常

    Figure  3.  Predictions of the western Pacific subtropical high for summer 2022 from IAP numerical models (a) IAP AGCM-2L, (b) IAP AGCM-9L, (c) IAP-DCPv3, (d) NZC-PSM, (e) CAS-ESM-C and (f) GloSea5 models. The red and blue lines represent the projected value and the climatological mean, respectively; shadings in Fig. 3d and Fig. 3f are 500-hPa geopotential height anomalies

    图  4  中国科学院大气物理研究所数值模式(a)IAP AGCM-2L、(b)IAP AGCM-9L、(c)IAP-DCPv3、(d)NZC-PSM、(e)CAS-ESM-C、(f)FGOALS-f2、(g)GloSea5对2022年夏季850 hPa风场异常的预测

    Figure  4.  Predictions of 850 hPa horizontal wind anomalies for summer 2022 from IAP numerical models (a) IAP AGCM-2L, (b) IAP AGCM-9L, (c) IAP-DCPv3, (d) NZC-PSM, (e) CAS-ESM-C, (f) FGOALS-f2, and (g) GloSea5

    图  5  中国科学院大气物理研究所数值模式(a)IAP AGCM-2L、(b)IAP AGCM-9L、(c)IAP-DCPv3、(d)NZC-PSM、(e)CAS-ESM-C、(f)FGOALS-f2对2022年夏季500 hPa位势高度异常的预测

    Figure  5.  Predictions of 500-hPa geopotential height anomalies for summer 2022 from IAP numerical models (a) IAP AGCM-2L, (b) IAP AGCM-9L, (c) IAP-DCPv3, (d) NZC-PSM, (e) CAS-ESM-C, and (f) FGOALS-f2

    图  6  中国科学院大气物理研究所的数值模式或动力统计方法(a)IAP AGCM-2L、(b)IAP AGCM-9L、(c)IAP-DCPv3、(d)NZC-PSM、(e)CAS-ESM-C、(f)FGOALS-f2、(g)GloSea5、(h)9层动力-统计、(i)积雪统计模型、(j)ENSO位相对2022年夏季中国降水距平百分率的预测

    Figure  6.  Predictions of percentage of precipitation anomalies in China for summer 2022 by IAP numerical models or dynamic statistical methods (a) IAP AGCM-2L, (b) IAP AGCM-9L, (c) IAP-DCPv3, (d) NZC-PSM, (e) CAS-ESM-C, (f) FGOALS-f2, (g) GloSea5, (h) 9 layer dynamic-statistical method, (i) statistical model of snow cover, and (j) ENSO phase change

    图  7  中国科学院大气物理研究所对2022年夏季中国降水距平百分率预测的综合图

    Figure  7.  A comprehensive map of the percentage of precipitation anomaly predicted for summer 2022 in China by the IAP, CAS

    表  1  中国科学院大气物理研究所短期气候预测系统所使用的数值模式

    Table  1.   Numerical models used for the short-term Climate Prediction System developed by the Institute of Atmospheric Physics (IAP), Chinese Academy of Sciences (CAS)

    模式模式类型模式简介模式的初始化方案模式的预测方案
    IAP AGCM-2L大气环流模式水平分辨率2.5°(纬度)×2°(经度),垂直分层为2层预测所采用的大气初始场资料为美国国家环境预测中心(NCEP)的再分析资料;下边界实测海温初始场来自美国国家航空航天局(NASA)喷气推进实验室(JPL)的月平均观测资料。预测采用了28个集合样本,初值分别取自2022年2月1~28日不同的大气初始场,积分时段为2022年2月15日至8月31日。预测结果为28个集合样本的算术平均相对于模式气候态的异常。
    在模式积分过程中,热带太平洋地区的月平均海温异常为当年2月实测海温异常和其他各月预测海温异常的加权组合;在热带太平洋以外地区维持2月实测海温异常不变。预测的月平均海温异常由大气所ENSO集合预测系统提供。
    IAP AGCM-9L大气环流模式为全球大气环流格点模式,水平分辨率为5°(纬度)×4°(经度),垂直分层为9层,层顶为10 hPa。同IAP AGCM-2L预测采用了7个集合样本,分别从2022年2月22~28日积分到2022年10月底。
    预测过程中下边界驱动海温的取值方法同IAP AGCM-2L。
    IAP-DCPv3预测系统气-陆耦合模式此预测系统的模式由大气环流模式IAP AGCM 4.1和陆面模式CLM4.0耦合而成。
    IAP AGCM 4.1的水平分辨率约为1.4°(纬度)×1.4°(经度),垂直方向为30层的σ坐标,模式顶为2.2 hPa。
    采用了修改后的Zhang-McFarlane(MZM)对流参数化方案。气溶胶模块为MAM3。
    预测试验的大气初始场中的主要变量(包括风场、温度、比湿和气压)来源于美国国家环境预测中心(NCEP)的FNL业务模式的全球对流层分析系统,其余大气变量来自该预测系统的陆气耦合模式的AMIP试验的对应时刻的模拟结果。陆面初始场也采用了该陆气耦合模式的AMIP试验结果。大气初始值取2022年3月1~5日00:00、06:00、12:00和18:00每天4个时次共20个样本,积分6个月从2022年3月1日至9月1日。
    预测过程中下边界驱动海温的取值方法同IAP AGCM-2L。
    CAS-ESM-C预测系统海-陆-气-冰耦合模式中国科学院地球系统模式气候分量模式(CAS-ESM-C)是大气所自主研发的全球耦合模式,包含大气、海洋、陆面和海冰四个地球物理动力模块。
    大气模式IAP AGCM4,水平分辨率约为1.4°(纬度)×1.4°(经度),垂直方向为26层的σ坐标,模式顶为2.2 hPa;海洋模式LICOM,水平分辨率为1°(纬度)×1°(经度),垂直方向为30层;海冰模式为NCAR研制的CSM海冰模式CISM5;陆面模式为NCAR发展的通用陆面模式CLM3。
    通过集合最优插值同化方案产生“海—陆—气—冰”四个模块协调一致的初始场。预测采用了9个集合样本,初值随机取自连续同化试验的2月15日至3月15日中9组不同的初始场,积分时段为2022年3月1日至8月31日。预测结果为9个集合样本的算术平均相对于模式气候态的异常。
    NZC-PSM预测系统海-陆-气-冰耦合模式此预测系统是基于通用地球系统模式(CESM1.2.2)发展的新一代全球“海-陆-气-冰”耦合预测系统。
    大气模式CAM5:水平分辨率为 1.25°(纬度)×0.95°(经度),垂直方向30层;陆面模式CLM4.5:水平分辨率为 1.25°(纬度)×0.95°(经度);海洋模式POP2.1:非均匀网格,水平分辨率1°左右;海冰模式CICE4:非均匀网格,水平分辨率1°左右。
    该预测系统使用NCEP FNL数据为大气模式和陆面模式提供初始异常信息;利用全球海洋同化系统(GODAS)数据提供海洋初始异常信息。为了减小预测的不确定性,采用12个样本的多初始场集合预测方案。本次预测从2022年3月1日起报,积分至8月31日。预测结果为12个集合样本的算术平均相对于模式气候态的异常。
    FGOALS-f2预测系统海—陆—气—冰耦合模式大气环流模式FAMIL2,采用立方球面网格c96,水平分辨率近似1°,垂直方向分为32层,模式层顶为2.16 hPa (约45 km);陆面分量采用CLM4.0模式,水平分辨率近似1°;海洋分量采用POP2模式,采用gx1v6网格,水平方分辨率近似1°,垂直方向有60层;海冰分量采用CICE4模式;各个分量之间通过美国国家大气研究中心研发的第七代耦合器进行差值和数据交换,完成耦合并行计算。此预测系统采用松弛逼近方法同化大气和海洋的再分析资料,以获得动力协调的初始场。大气同化资料为FNL/GFS再分析资料,海洋同化资料为OISST/OSTIA卫星反演海温资料。其中大气再分析包括标准等压面风场、温度场和高度场数据,海洋再分析包括多层海温再分析数据。本次预测采用了16个集合样本,从2022年3月11日起报,预测未来6个月的气候状况。
    下载: 导出CSV

    表  2  大气所各数值模式或统计模型对东亚夏季风的预测

    Table  2.   Predictions of the East Asian summer monsoon by IAP numerical models or statistical methods

    数值模式或统计模型预测
    IAP AGCM-2L指数为0.07
    IAP AGCM-9L指数为−0.5
    IAP-DCPv3预测系统指数为−1.67
    CAS-ESM-C指数为0.32
    NZC-PSM
    大气前兆信号
    下载: 导出CSV
  • [1] 包庆, 吴小飞, 李矜霄, 等. 2019. 2018~2019年秋冬季厄尔尼诺和印度洋偶极子的预测 [J]. 科学通报, 64(1): 73−78. doi: 10.1360/N972018-00913

    Bao Qing, Wu Xiaofei, Li Jinxiao, et al. 2019. Outlook for El Niño and the Indian Ocean Dipole in autumn–winter 2018–2019 [J]. Chinese Sci. Bull. (in Chinese), 64(1): 73−78. doi: 10.1360/N972018-00913
    [2] 布和朝鲁, 诸葛安然, 谢作威, 等. 2022. 2021年“7·20”河南暴雨水汽输送特征及其关键天气尺度系统 [J]. 大气科学, 46(3): 725−744. doi: 10.3878/j.issn.1006-9895.2202.21226

    Bueh C, Zhuge Anran, Xie Zuowei, et al. 2022. Water vapor transportation features and key synoptic-scale systems of the “7·20” rainstorm in Henan Province in 2021 [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 46(3): 725−744. doi: 10.3878/j.issn.1006-9895.2202.21226
    [3] Clark R T, Wu P L, Zhang L X, et al. 2021. The anomalous Mei-Yu rainfall of summer 2020 from a circulation clustering perspective: Current and possible future prevalence [J]. Adv. Atmos. Sci., 38(12): 2010−2022. doi: 10.1007/s00376-021-1086-y
    [4] 丁一汇, 孙颖, 刘芸芸, 等. 2013. 亚洲夏季风的年际和年代际变化及其未来预测 [J]. 大气科学, 37(2): 253−280. doi: 10.3878/j.issn.1006-9895.2012.12302

    Ding Yihui, Sun Ying, Liu Yunyun, et al. 2013. Interdecadal and interannual variabilities of the Asian summer monsoon and its projection of future change [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 37(2): 253−280. doi: 10.3878/j.issn.1006-9895.2012.12302
    [5] Fang X H, Zheng F. 2021. Effect of the air–sea coupled system change on the ENSO evolution from boreal spring [J]. Climate Dyn., 57(1): 109−120. doi: 10.1007/s00382-021-05697-w
    [6] 孔锋. 2019. 应急管理部成立背景下中国综合气象防灾减灾现状、挑战与发展机遇 [J]. 中国减灾, 34(3): 34−37. doi: 10.3969/j.issn.1002-4549.2019.03.015

    Kong Feng. 2019. The present situation, challenges and developing opportunities of comprehensive prevention and mitigation of meteorological disasters in China under the background of the establishment of the Ministry of Emergency Management [J]. Disaster Reduction in China (in Chinese), 34(3): 34−37. doi: 10.3969/j.issn.1002-4549.2019.03.015
    [7] 郎咸梅, 王会军, 姜大膀. 2004. 应用九层全球大气格点模式进行跨季度短期气候预测系统性试验 [J]. 地球物理学报, 47(1): 19−24. doi: 10.3321/j.issn:0001-5733.2004.01.004

    Lang Xianmei, Wang Huijun, Jiang Dabang. 2004. Extraseasonal short-term predictions of summer climate with IAP9L-AGCM [J]. Chinese J. Geophys. (in Chinese), 47(1): 19−24. doi: 10.3321/j.issn:0001-5733.2004.01.004
    [8] Lang X M, Zheng F. 2011. A statistical-dynamical scheme for the extraseasonal prediction of summer rainfall for 160 observation stations across China [J]. Adv. Atmos. Sci., 28(6): 1291−1300. doi: 10.1007/s00376-011-0177-6
    [9] Li C F, Lu R Y, Dunstone N, et al. 2021. The seasonal prediction of the exceptional Yangtze River rainfall in summer 2020 [J]. Adv. Atmos. Sci., 38(12): 2055−2066. doi: 10.1007/s00376-021-1092-0
    [10] Lin R P, Zhu J, Zheng F. 2019. The application of the SVD method to reduce coupled model biases in seasonal predictions of rainfall [J]. J. Geophys. Res. : Atmos., 124(22): 11837−11849. doi: 10.1029/2018JD029927
    [11] 林朝晖, 李旭, 赵彦, 等. 1998. 中国科学院大气物理研究所短期气候预测系统的改进及其对1998年全国汛期旱涝形势的预测 [J]. 气候与环境研究, 3(4): 339−348. doi: 10.3878/j.issn.1006-9585.1998.04.06

    Lin Zhaohui, Li Xu, Zhao Yan, et al. 1998. An improved short-term climate prediction system and its application to the extraseasonal prediction of rainfall anomaly in China for 1998 [J]. Climatic and Environmental Research (in Chinese), 3(4): 339−348. doi: 10.3878/j.issn.1006-9585.1998.04.06
    [12] 林朝晖, 孙建华, 卫捷, 等. 2003. 2002年夏季气候及汛期实时预测与检验 [J]. 气候与环境研究, 8(3): 241−257. doi: 10.3969/j.issn.1006-9585.2003.03.001

    Lin Zhaohui, Sun Jianhua, Wei Jie, et al. 2003. Real-time weather and seasonal climate predictions for 2002 summer and their verifications [J]. Climatic and Environmental Research (in Chinese), 8(3): 241−257. doi: 10.3969/j.issn.1006-9585.2003.03.001
    [13] 穆松宁, 周广庆. 2010. 冬季欧亚大陆北部新增雪盖面积变化与中国夏季气候异常的关系 [J]. 大气科学, 34(1): 213−226. doi: 10.3878/j.issn.1006-9895.2010.01.20

    Mu Songning, Zhou Guangqing. 2010. Relationship between winter northern Eurasian fresh snow extent and summer climate anomalies in China [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 34(1): 213−226. doi: 10.3878/j.issn.1006-9895.2010.01.20
    [14] 彭京备, 张庆云, 布和朝鲁. 2007. 2006年川渝地区高温干旱特征及其成因分析 [J]. 气候与环境研究, 12(3): 464−474. doi: 10.3969/j.issn.1006-9585.2007.03.026

    Peng Jingbei, Zhang Qingyun, Bueh C. 2007. On the characteristics and possible causes of a severe drought and heat wave in the Sichuan−Chongqing region in 2006 [J]. Climatic and Environmental Research (in Chinese), 12(3): 464−474. doi: 10.3969/j.issn.1006-9585.2007.03.026
    [15] 彭京备, 刘舸, 孙淑清. 2016. 2013年我国南方持续性高温天气及副热带高压异常维持的成因分析 [J]. 大气科学, 40(5): 897−906. doi: 10.3878/j.issn.1006-9895.1512.14334

    Peng Jingbei, Liu Ge, Sun Shuqing. 2016. An analysis on the formation of the heat wave in southern China and its relation to the anomalous western Pacific subtropical high in the summer of 2013 [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 40(5): 897−906. doi: 10.3878/j.issn.1006-9895.1512.14334
    [16] 齐道日娜, 何立富, 王秀明, 等. 2022. “7·20”河南极端暴雨精细观测及热动力成因 [J]. 应用气象学报, 33(1): 1−15. doi: 10.11898/1001-7313.20220101

    Chyi D, He Lifu, Wang Xiuming, et al. 2022. Fine observation characteristics and thermodynamic mechanisms of extreme heavy rainfall in Henan on 20 July 2021 [J]. J. Appl. Meteor. Sci. (in Chinese), 33(1): 1−15. doi: 10.11898/1001-7313.20220101
    [17] 冉令坤, 李舒文, 周玉淑, 等. 2021. 2021年河南“7·20”极端暴雨动、热力和水汽特征观测分析 [J]. 大气科学, 45(6): 1366−1383. doi: 10.3878/j.issn.1006-9895.2109.21160

    Ran Lingkun, Li Shuwen, Zhou Yushu, et al. 2021. Observational analysis of the dynamic, thermal, and water vapor characteristics of the “7·20” extreme rainstorm event in Henan Province, 2021 [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 45(6): 1366−1383. doi: 10.3878/j.issn.1006-9895.2109.21160
    [18] Tao L J, Duan W S. 2019. Using a nonlinear forcing singular vector approach to reduce model error effects in ENSO forecasting [J]. Wea. Forecasting, 34(5): 1321−1342. doi: 10.1175/WAF-D-19-0050.1
    [19] 陶诗言. 1980. 中国之暴雨[M]. 北京: 科学出版社, 225pp.

    Tao Shiyan. 1980. Rainstorm in China (in Chinese) [M]. Beijing: Science Press, 225pp.
    [20] 王会军, 任宏利, 陈活泼, 等. 2020. 中国气候预测研究与业务发展的回顾 [J]. 气象学报, 78(3): 317−331. doi: 10.11676/qxxb2020.022

    Wang Huijun, Ren Hongli, Chen Huopo, et al. 2020. Highlights of climate prediction study and operation in China over the past decades [J]. Acta Meteor. Sinica (in Chinese), 78(3): 317−331. doi: 10.11676/qxxb2020.022
    [21] Wang L, Chen J L, Wu L. 2020. Impact of winter SST anomaly in tropical eastern Pacific on following summer tropical cyclone precipitation in China [J]. Int. J. Climatol., 40(2): 739−749. doi: 10.1002/joc.6234
    [22] 卫捷, 杨辉, 孙淑清. 2004. 西太平洋副热带高压东西位置异常与华北夏季酷暑 [J]. 气象学报, 62(3): 308−316. doi: 10.3321/j.issn:0577-6619.2004.03.005

    Wei Jie, Yang Hui, Sun Shuqing. 2004. Relationship between the anomaly longitudinal position of subtropical high in the western Pacific and severe hot weather in North China in summer [J]. Acta Meteor. Sinica (in Chinese), 62(3): 308−316. doi: 10.3321/j.issn:0577-6619.2004.03.005
    [23] Xue F, Fan F X. 2016. Anomalous western Pacific subtropical high during late summer in weak La Niña years: Contrast between 1981 and 2013 [J]. Adv. Atmos. Sci., 33(12): 1351−1360. doi: 10.1007/s00376-016-5281-1
    [24] 曾庆存, 林朝晖, 周广庆. 2003. 跨季度动力气候预测系统IAP DCP-II [J]. 大气科学, 27(3): 289−303. doi: 10.3878/j.issn.1006-9895.2003.03.01

    Zeng Qingcun, Lin Zhaohui, Zhou Guangqing. 2003. Dynamical extraseasonal climate prediction system IAP DCP-II [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 27(3): 289−303. doi: 10.3878/j.issn.1006-9895.2003.03.01
    [25] 张凤, 陈红, 林朝晖, 等. 2004. IAP AGCM-I水平分辨率的提高及对全球和东亚区域气候的数值模拟 [J]. 气候与环境研究, 9(2): 396−408. doi: 10.3878/j.issn.1006-9585.2004.02.16

    Zhang Feng, Chen Hong, Lin Zhaohui, et al. 2004. Improvement of horizontal resolutions of IAP AGCM-I and its influence on the simulations of global and East Asian climate [J]. Climatic and Environmental Research (in Chinese), 9(2): 396−408. doi: 10.3878/j.issn.1006-9585.2004.02.16
    [26] 张贺, 林朝晖, 曾庆存. 2011. 大气环流模式中动力框架与物理过程的相互响应 [J]. 气候与环境研究, 16(1): 15−30. doi: 10.3878/j.issn.1006-9585.2011.01.02

    Zhang He, Lin Zhaohui, Zeng Qingcun. 2011. The mutual response between dynamical core and physical parameterizations in atmospheric general circulation models [J]. Climatic and Environmental Research (in Chinese), 16(1): 15−30. doi: 10.3878/j.issn.1006-9585.2011.01.02
    [27] 张庆云, 陶诗言, 陈烈庭. 2003. 东亚夏季风指数的年际变化与东亚大气环流 [J]. 气象学报, 61(4): 559−568. doi: 10.3321/j.issn:0577-6619.2003.05.005

    Zhang Qingyun, Tao Shiyan, Chen Lieting. 2003. The inter-annual variability of East Asian summer monsoon indices and its association with the pattern of general circulation over East Asia [J]. Acta Meteor. Sinica (in Chinese), 61(4): 559−568. doi: 10.3321/j.issn:0577-6619.2003.05.005
    [28] Zheng F, Zhu J. 2010. Coupled assimilation for an intermediated coupled ENSO prediction model [J]. Ocean Dyn., 60(5): 1061−1073. doi: 10.1007/s10236-010-0307-1
    [29] Zheng F, Zhu J. 2016. Improved ensemble-mean forecasting of ENSO events by a zero-mean stochastic error model of an intermediate coupled model [J]. Climate Dyn., 47(12): 3901−3915. doi: 10.1007/s00382-016-3048-0
    [30] Zheng F, Liu J P, Fang X H, et al. 2022. The predictability of ocean environments that contributed to the 2020/21 extreme cold events in China: 2020/21 La Niña and 2020 Arctic sea ice loss [J]. Adv. Atmos. Sci., 39(4): 658−672. doi: 10.1007/s00376-021-1130-y
    [31] Zhou Z Q, Xie S P, Zhang R H. 2021. Historic Yangtze flooding of 2020 tied to extreme Indian Ocean conditions [J]. Proc. Natl. Acad. Sci. USA, 118(12): e2022255118. doi: 10.1073/pnas.2022255118
    [32] 宗海锋. 2017. 两个典型ENSO季节演变模态及其与我国东部降水的联系 [J]. 大气科学, 41(6): 1264−1283. doi: 10.3878/j.issn.1006-9895.1704.16279

    Zong Haifeng. 2017. Two typical ENSO seasonal evolution modes and their relations with rainfall over eastern China [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 41(6): 1264−1283. doi: 10.3878/j.issn.1006-9895.1704.16279
  • 加载中
图(7) / 表(2)
计量
  • 文章访问数:  160
  • HTML全文浏览量:  28
  • PDF下载量:  53
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-04-22
  • 网络出版日期:  2022-06-15
  • 刊出日期:  2022-07-25

目录

    /

    返回文章
    返回