厄尔尼诺事件及其对我国夏季降水量时空分布的影响

方国华,丁紫玉,闻 昕,2,林榕杰

(1.河海大学水利水电学院,江苏 南京 210098; 2. 中国水利水电科学研究院流域水循环模拟与调控国家重点实验室, 北京 100038)

厄尔尼诺事件及其对我国夏季降水量时空分布的影响

方国华1,丁紫玉1,闻 昕1,2,林榕杰1

(1.河海大学水利水电学院,江苏 南京 210098; 2. 中国水利水电科学研究院流域水循环模拟与调控国家重点实验室, 北京 100038)

为了探讨厄尔尼诺与我国夏季降水的关系,分析Nino指数的变化趋势和突变情况,解析1961—2016年历次厄尔尼诺事件的类型和强度特征,对我国月降水距平进行EOF分解,研究我国降水变率的空间分布和年际变化规律。重点研究2014—2016年厄尔尼诺事件的特征及其对2016年我国夏季月降水量时空分布的影响。研究表明:Nino指数和我国降水变率在厄尔尼诺事件发生期间波动较大,厄尔尼诺事件将影响我国次年夏季降水量的时空分布。其中,东部型厄尔尼诺事件峰期过后我国夏季降水呈现长江流域增加、淮河以北大部分地区及东南沿海地区减少的特征;中部型厄尔尼诺事件峰期过后,夏季降水呈现黄河流域及华南地区增加、长江流域减少的特征;混合型厄尔尼诺事件丰期过后降水增加的地区主要为黄河流域。

厄尔尼诺事件;Nino指数;降水量时空分布;夏季降水;M-K检验

厄尔尼诺事件由赤道太平洋地区海表温度异常引起,是热带太平洋上大尺度海气相互作用的强烈体现[1-2]。它直接影响太平洋地区的大气环流以及洋流,并进一步通过作用西副高脊线的南北变动对中国降水产生影响。不同类型的厄尔尼诺事件对西副高脊线的影响不同,从而造成我国不同地区夏季降水呈现出不同的分布特征[3]。厄尔尼诺事件发生周期不规律,平均3～5 a发生1次,通常会引起我国多个地区降水异常,产生严重的干旱和洪涝灾害。

国内外学者已围绕厄尔尼诺及其与降水之间的关系开展了一定的研究。符淙斌等[4]针对中国夏季降水指出在厄尔尼诺衰减年夏季,江淮流域往往少雨,华北地区以及江南北部、长江流域多雨,且长江流域往往发生洪涝灾害。随着研究的逐步深入,宗海峰等[5]发现厄尔尼诺事件前期冬季Nino3区海温与中国夏季降水的年际变化关系并不稳定。Fu等[6]指出厄尔尼诺发生时,最大温升除了会发生在东太平洋以外,也可出现在中太平洋。Weng等[7]将最大温升发生在中太平洋地区的厄尔尼诺称为“中部型厄尔尼诺”,传统的厄尔尼诺事件又称为“东部型厄尔尼诺”,这两种类型的厄尔尼诺事件发生机制不同,对全球气候变化的影响亦不相同。除东部型和中部型厄尔尼诺事件外,还有一些事件发展到盛期时最大温升分布介于这两者之间,基本位于Nino3.4区,根据Kug等[8]的研究,袁媛等[9]将其定义为混合型厄尔尼诺。张志华等[10]对厄尔尼诺事件对我国的气候影响进行研究,指出不同类型的厄尔尼诺事件对东亚夏季风及我国的夏季降水影响有很大差异。

在过去大量研究中,国内外专家学者已经对过去历次厄尔尼诺事件的特征、影响、机理等不同方面进行了广泛的研究,但由于全球气候变暖造成的大气环流结构的变化以及区域气候动力过程的变化[11-13],厄尔尼诺事件形成、发展及其影响也在逐渐发生变化。最近一次厄尔尼诺事件自2014年10月开始,于2015年11月达到峰值,是1961年以来持续时间最长的强厄尔尼诺事件,也造成了2016年夏季我国长江流域以及南方多地的特大洪涝灾害事件,该次事件的诸多特征已打破了历史上对于厄尔尼诺事件的认识和经验。因此,在本次厄尔尼诺事件结束之时,全面回顾1961年以来历次厄尔尼诺事件,结合本次厄尔尼诺事件发生的背景,揭示在变化环境下厄尔尼诺事件的变化特征,解析厄尔尼诺事件与我国次年夏季降水时空分布的关系,研究其与历次厄尔尼诺事件的异同特性,这对于科学认识变化环境下厄尔尼诺事件的时空演变特征,科学防范和应对极端洪涝灾害具有重要的科学意义和实际应用价值。

1 资料来源和研究方法

1.1 资料来源

陆地降水资料采用中国气象科学数据共享服务网提供的中国地面降水日值0.5°×0.5°格点数据集(V2.0),该数据集基于全国国家级台站(基本、基准和一般站)的降水日值资料经过薄盘样条法空间插值生成[14]。海温数据采用美国海洋大气局(NOAA)提供的Nino3区、Nino4区及Nino3.4区的月平均海表温度距平资料(即Nino3指数、Nino4指数 和Nino3.4指数)[15],选取资料时段均为1961—2016年。

1.2 研究方法

采用EOF[16]方法对我国月降水距平进行空间分型,提取降水变率的主要特征;运用M-K检验[17]对Nino指数的时间序列进行趋势分析和突变检验;采用动态时间归正(DTW)算法[18],度量不同厄尔尼诺事件的相似性。

2 1961—2016年历次厄尔尼诺事件分析

Nino指数是赤道太平洋Nino分区的月海表温度距平值[19],本文依据Nino3、Nino4及Nino3.4指数的变化情况对厄尔尼诺事件的类型、强度进行划分,并采用M-K检验方法分析这3类指数变化趋势和突变情况。

本文采用Nino3指数作为判断厄尔尼诺事件是否发生的标准,当Nino3指数持续6个月及以上达到或超过0.5℃时,则认为厄尔尼诺事件发生[20]。同时,根据厄尔尼诺事件发展到盛期时最大海温正距平所在的Nino分区,对厄尔尼诺事件类型进行划分,其中,最大海温距平分布于Nino3区的事件称为东部型厄尔尼诺,分布于Nino4区的事件成为中部型厄尔尼诺,分布于Nino3.4区的事件成为混合型厄尔尼诺[9],用Nino3指数、Nino4指数和Nino3.4指数分别表征东部型、中部型和混合型厄尔尼诺事件。Nino3.4指数峰值若大于2℃,则为强厄尔尼诺事件[21]。

图1 不同厄尔尼诺指数的M-K检验结果Fig.1 M-K test results for different El Nino indices

根据以上标准,对1961—2016年厄尔尼诺事件的类型和强度进行划分,其中东部型厄尔尼诺有1965—1966年、1969—1970年、1972—1973年、1976—1977年、1979—1980年、1982—1983年、1997—1998年、2014—2016年;中部型厄尔尼诺事件有1968—1969年、1977—1978年、1993—1993年、1994—1995年、2004—2005年、2006—2007年;混合型厄尔尼诺事件有1963—1964年、1986—1988年、1991—1992年、2002—2003年、2009—2010年。经分析20世纪80年代之前,主要发生东部型厄尔尼诺;在80年代以来,中部型和混合型的厄尔尼诺发生频率有所增加。从1961年至今发生的19次厄尔尼诺事件中,有13次在11、12月份达到盛期(厄尔尼诺指数达到峰值),另外6次出现在9、10、1、2月份,即厄尔尼诺事件高峰期易发生在秋冬季节;有4次强厄尔尼诺事件,均为东部型厄尔尼诺,相较于其他类型的事件,东部型厄尔尼诺更易发展为强厄尔尼诺事件。

采用M-K检验对Nino3指数、Nino4指数和Nino3.4指数进行分析,研究各指数的增减趋势及突变情况,显著水平取0.05,结果见图1。Nino3指数在20世纪60年代到70年代前期UF曲线以0线为中心上下波动,Nino3指数基本处于增减平衡的状态,从1980年以来UF曲线在0线以上,Nino3指数处于上升状态。Nino4指数在1980之前保持动态的稳定,在1980年之后以增加趋势为主,1991年后超过0.05显著水平,增加趋势明显。Nino3.4指数在60年代到70年代前期基本处于增减平衡的状态,1973—1982年Nino3.4指数减小,其中1974—1978年前后显著减少,1982—1992年基本保持稳定水平,1992年之后大体呈现增长的趋势。

表1 Nino指数突变点所在年份及是否位于厄尔尼诺年统计结果

本文对3类指数的突变点进行统计分析,1961—2015年3类指数共发生19次突变,其中有13次发生在厄尔尼诺年,表明在厄尔尼诺发生的年份,赤道太平洋地区的海温变化较剧烈,其中Nino3.4指数在研究时段突变较频繁,共发生了10次突变,结果见表1。

3 厄尔尼诺事件对我国夏季月降水量影响分析

3.1 中国大陆地区降水时空变化特征分析

采用EOF方法,对我国1961—2015年月降水距平进行分析,研究降水变率空间分布情况。第一模态方差贡献率为 54.3%,第二模态为16.2%,累积方差贡献率为70.5%。因此,第一模态与第二模态即可反映我国1961—2015年的月降水量变化特征。

图2 全国降水变率第一模态结果Fig.2 The first model results of precipitation variability in China

图2为我国降水变率第一模态的空间系数和时间系数,全区的空间系数均表现正值,表明我国的降水量呈现统一的变化趋势,即全国的降水量同时增加或者减少[22]。西南地区数值最大,表明该地区降水量的振幅最明显,西北地区数值最小,降水季节变化最不明显;由时间系数可知变幅较大的年份有1964年、1973年、1978年、1983年、1986年、1988年、1990年、1998年、2004年、2009年、2010年、2011年、2012年、2014年,除1990年、2011年、2012年外,其余为厄尔尼诺事件年。

图3为我国降水变率第二模态的空间系数和时间系数，我国东南地区空间系数总体以负值为主，华北、西北地区的空间系数以正值为主，反映了降水变化的反位相关系。由时间系数可知降水变幅较大的年份有1963、1964、1966、1970、1971、1973、1975、1978、1983、1985、1997、2002、2003、2010年，除1971、1975、1985外，其余为厄尔尼诺事件年。综合这两种模态，在厄尔尼诺年全国的降水变化幅度偏大，为常规年份的1.4～2.8倍。

图3 全国降水变率第二模态结果Fig.3 The second model results of precipitation variability in China

3.2 1961—2013年历次厄尔尼诺事件与我国次年夏季降水关系分析

我国大部分位于季风气候区,夏季降水集中,强度较大,而且年际变化也较大,旱涝现象比较常见,研究显示厄尔尼诺将影响我国次年夏季降水的时空分布情况[23-25],特别是由此引起的强降水事件将对我国防洪保安构成重大威胁,因此本文对厄尔尼诺事件与我国次年夏季(6—8月)月降水的影响进行研究,分析厄尔尼诺事件峰值过后我国夏季降水增减比例及增减概率情况。需要说明的是,本文将厄尔尼诺发生到盛期所在的年份称为厄尔尼诺当年,盛期后第二年成为厄尔尼诺次年。

对1961—2013年历次厄尔尼诺事件次年我国夏季(6—8月)月均降水量较1961—2015年多年夏季月均降水量(简称多年月均降水量)的增减比例及增加概率(厄尔尼诺事件次年夏季月均降水量高于多年月均降水量的次数与厄尔尼诺事件次数之比)进行统计,结果见图4。

图4 不同分布型厄尔尼诺事件次年夏季月均降水量相对于多年月均降水量变化情况Fig.4 Comparison between summer average monthly precipitation of many years and the summer average monthly precipitation in the next year due to different types El Nino events

我国夏季的主要雨带分为3种类型:I类雨型(北方型),多雨带位于黄河流域及其以北地区,江南南部至华南地区;II类雨型(中间型),多雨带位于黄河至长江之间; III类雨型(南方型),多雨带位于长江流域或江南一带[9]。

东部型(传统型)厄尔尼诺事件次年,我国夏季东部地区长江流域及江南地区降水偏多的可能性较大,尤其是长江中下游的湖北、湖南、江西、安徽等地降水增多的概率为80%以上,降水量比通常高出50%以上,局部地区达到80%,而东南沿海福州、广州等地降水减少的概率为90%左右,降水量低于平均水平的10%～50%。因此,在东部型厄尔尼诺事件发生次年,我国夏季降水呈现出类似III类雨型的分布特点。另外,西藏的西南部，内蒙古北部以及吉林、辽宁部分地区夏季降水增多的概率也较高，在80%以上,降水量大概比多年月均降水量增多一倍左右。

在中部型厄尔尼诺事件次年,我国夏季降水分布呈现出两条雨带：一条位于黄河流域及其以北地区,为主要的降水雨带；另一条雨带位于华南,类似于I类雨型的分布特征。夏季降水增多的区域主要有:黄河流域部分地区、辽宁的辽河流域、新疆天山山脉以北和西藏昆仑山脉以南的部分地区，以及福建、广州等地,降水增多概率在65%以上,其中山东和广东的局部地区降水增多的概率在80%以上,降水量较常规年份增多50%左右;降水减少的地区主要为长江流域和黑龙江流域,其中长江流域下游江浙一带,以及黑龙江流域松花江以北的地区夏季降水减少的概率在90%以上,降水量较平常年份减少约40%,东北地区极易发生干旱。

在混合型厄尔尼诺发生次年,我国夏季降水分布以秦岭淮河线为界呈现出不同的特征:以北地区降水偏多,以南地区降水减少。其中,在黄河流域中下游地区降水增加现象最明显,降水增加概率普遍在75%以上,降水量比常规年份增加约80%。长江流域、珠江流域、澜沧江流域夏季降水普遍减少,云南、浙江、福建等地减少趋势明显,降水量接近平常年份夏季降水的55%。

综上,不同分布型厄尔尼诺事件所对应的次年夏季我国降水增减分布情况不同,东部型、中部型和混合型的厄尔尼诺恰好分别对应了次年夏季我国可能出现典型的III类和I类雨型,这对于我国汛期气候预测有着重要的指示意义。

3.3 2014—2016年厄尔尼诺事件及其对我国次年夏季降水影响分析

1961—2016年共发生19次厄尔尼诺事件,最近一次厄尔尼诺事件开始于2014年10月,已持续到2016年,在2015年11月份发展到盛期。由于从发生到盛期时最大海温正距平基本上都处在Nino3区,所以此次厄尔尼诺事件为东部型厄尔尼诺事件。Nino3.4指数的峰值为2.66℃,为强厄尔尼诺事件,但强度略低于1997—1998年厄尔尼诺事件。

从1961—2013年历次厄尔尼诺事件中选择与本次厄尔尼诺事件相似的事件进行类比分析,以海温在11月份达到峰值或峰值高于2.5℃为标准,选取1965—1966年、1972—1973年、1982—1983年、1997—1998年的4次东部型厄尔尼诺事件进行分析。其中,1965—1966与1997—1998年的事件高峰期都在11月,1972—1973年、1982—1983年、1997—1998年发生的都为强厄尔尼诺事件。然后,运用动态时间弯曲距离(DTW距离)对这4次事件从发生到高峰时段的Nino指数序列与2014—2016年事件的Nino指数序列进行相似性度量,结果见表2。

表2 Nino指数时间序列相似性分析结果

注：DTW距离指对应年份与2015年Nino指数序列之间的距离。

1997—1998年与2014—2016年厄尔尼诺事件的Nino3、Nino4和Nino3.4指数之间的DTW距离均为最小值,其次为1972—1973年、1982—1983年、1965—1966年厄尔尼诺事件,即1997—2008年与2014—2016年厄尔尼诺事件的Nino3、Nino4和Nino3.4指数时间序列相似性最高。

1965—1966年、1972—1973年、1982—1983年、1997—1998年与2014—2016年厄尔尼诺事件次年(1966年、1973年、1998年与2016年)夏季降水量相对于多年夏季降水量增减情况如图5所示, 2016年夏季长江中下游地区,黄河下游地区,西藏和新疆大部分地区与1998年降水变化趋势类似,局部地区降水较常年增多30%以上,其中重庆、湖北、安徽和江苏四省的南部地区夏季降水量较常年增加60%以上。特别的,松辽流域、内陆河片夏季降水情况则与1998年相反,其中松辽流域与1966年、1973年、1983年的夏季降水情况均不同,降水量减少11%左右。2016年夏季降水与1983年夏季降水在长江流域、东南沿海流域、青海甘肃等地比较相似,与1973年在海河流域、珠江流域比较类似,与1966年在内蒙古自流区、藏北高原自流区比较类似。

图5 不同年份夏季降水量相对于多年夏季降水量增减比例Fig.5 Comparison between summer precipitation in different years and the averaged summer precipitation

4 结 语

分析1961—2016年历次厄尔尼诺事件的类型和强度特征,采用M-K检验对Nino指数的变化趋势和突变情况进行研究；采用EOF方法对我国降水变率进行空间分型,解析我国月降水量的变化规律；研究厄尔尼诺次年我国夏季月降水量相对于多年平均夏季月降水量的增减比例以及增减概率,揭示1961—2013年不同分布型厄尔尼诺事件与我国夏季月降水量的关系。在此基础上,运用动态时间规整算法对2014—2016年厄尔尼诺事件与历史厄尔尼诺事件进行相似性研究,并分析我国2016年夏季月降水的时空分布情况。主要结论如下:

a. 1961—2016年共发生19次厄尔尼诺事件,其中8次传统型厄尔尼诺,6次中部型厄尔尼诺和5次混合型厄尔尼诺,有4次为强厄尔尼诺均为传统型厄尔尼诺。Nino指数在发生厄尔尼诺的时段突变频率增高。

b. 全国降水增减幅度在厄尔尼诺事件发生的年份普遍偏大,东部型厄尔尼诺事件次年夏季长江流域和东北地区降水量通常比常规年份偏多50%～80%,华北地区和华南地区降水比常规年份偏少10%～50%;中部型厄尔尼诺事件次年夏季黄河流域下游地区以及华南广州地区降水较常规年份增多50%左右,长江流域和东北地区降水量比常规年份偏少40%左右;混合型厄尔尼诺事件次年夏季黄河流域中部地区的降水通常比常规年份偏多50%以上。

c. 2014—2016年厄尔尼诺事件与1997—1998年厄尔尼诺事件Nino指数变化情况相似程度较高,其夏季降水分布也较为相似。在2016年夏季,长江中下游地区、黄河下游地区、新疆和西藏大部分地区的夏季降水量比多年平均夏季降水量增加30%以上,但是在松辽流域、内陆诸河等地区降水量均呈下降趋势,其中松辽河流域减少11%左右,与历次厄尔尼诺事件影响有显著的差异。

[ 1 ] 张雯燕, 张长宽, 龚政,等. 长江口外近岸环流对厄尔尼诺事件的响应[J]. 河海大学学报(自然科学版), 2014, 42(3): 267-272.(ZHANG Wenyan, ZHANG Changkuan, GONG Zheng, et al. Anomaly response to El Nino events of nearshore circulation off Yangtze Estuary[J]. Journal of Hohai University(Natural Sciences). 2014, 42(3): 267-272.(in Chinese))

[ 2 ] ZHANG Wenyan. Response of nearshore circulation outside Yangtze Estuary to ElNino events[J]. Water Science and Engineering, 2016, 9(2): 145-154.

[ 3 ] 陈烈庭.太平洋海气相互作用的时空变化[J].气象学报, 1983, 41(3):296-304.(CHEN Lieting. The temporal and spatial variations in air-sea interaction over the Pacific Ocean[J]. Acta Meteorologica Sinica, 1983, 41(3):296-304.(in Chinese))

[ 4 ] 符淙斌, 滕星林.我国夏季的气候异常与埃尔尼诺/南方涛动现象的关系[J].大气科学, 1988,12(特刊):133-141.(FU Congbin, TENG Xinglin. The relationship between the climate anomalies in summer and the phenomenon of El Nino/Southern Oscillation[J]. Atmospheric Science, 1988,12(Special Issue):133-141.(in Chinese))

[ 5 ] 宗海峰, 陈烈庭, 张庆云.ENSO与中国夏季降水年际变化不稳定性特征[J].大气科学, 2010, 34(1):184-192.(ZONG Haifeng, CHEN Lieting, ZHANG Qingyun. The instability of the interannual relationship between ENSO and the summer rainfall in China[J]. Atmospheric Sciences, 2010, 34(1): 184-192.(in Chinese))

[ 6 ] FU C, DIAZ H. Characteristics of the response of sea surface temperature in the central Pacific associated with warm episodes of the Southern Oscillation[J]. Monthly Weather Review, 1986, 56(6): 1716-1738.

[ 7 ] WENG H, ASHOK K, BEHERA S K, et al. Impacts of recent El Nino Modoki on dry/wet conditions in the Pacific during boreal summer[J]. Climate Dyn, 2007, 29(2): 113-129.

[ 8 ] KUG J, JIN F, AN S. Two types of El Nino events: Cold Tongue El Nino and warmpool El Nino[J]. Journal of Climate, 2009, 22: 1499-1515.

[ 9 ] 袁媛, 杨辉, 李崇银.不同分布型厄尔尼诺事件及对中国次年夏季降水的可能影响[J].气象学报, 2012, 70(3):467-478.(YUAN Yuan, YANG Hui, LI Chongyin. Study of El Ni no events of different types and their potential impact on the following-summer precipitation in China[J]. Acta Meteorologica Sinica,2012, 70(3):467-478.(in Chinese))

[10] 张志华, 黄刚.不同类型EI Nino事件及其与我国夏季气候异常的关系[J].南京气象学院学报, 2008,31(6):782-789.(ZHANG Zhihua, HUANG Gang. Their relationships with China summer climate anomaly[J]. Journal of Nanjing Institute of Meteorology, 2008,31(6):782-789.(in Chinese))

[11] WEN Xin, FANG Guohua, QI Heshuai, et al. Changes of temperature and precipitation extremes in China: past and future[J]. Theoretical and Applied Climatology, 2016, 126(1/2): 369-383.

[12] WEN Xin, FANG Guohua, ZHOU Lei, et al. Regional climate change and its possible effects on river runoff in Qiantang river basin-past and future[J]. Fresenius Environmental Bulletin, 2015, 24(11B): 3880-3894.

[13] 左军成,左常圣,李娟,等.近十年我国海平面变化研究进展[J].河海大学学报(自然科学版),2015,43(5):442-449.(ZUO Juncheng,ZUO Changsheng,LI Juan, et al. Advances in research on sea level variations in China from 2006 to 2015 [J]. Journal of Hohai University (Natural Sciences), 2015,43(5):442-449.(in Chinese))

[14] 国家气象科学数据共享服务网.中国地面降水日值0.5°×0.5°格点数据集(V2.0)[EB/OL].[2016-03-15]. http://data.cma.cn/data/detail/dataCode/SURF_cLI_chn_PRE_DAY_GRID_0.5/keywords/V2.0.html.

[15] National Oceanic and Atmospheric Administration. Download climate timeseries[EB/OL].[2016-03-23]. http://www.esrl.noaa.gov/psd/gcos_wgsp/Timeseries/.

[16] 柯长青, 李培基.用EOF方法研究青藏高原积雪深度分布与变化[J].冰川冻土, 1998, 20(1):65-68.(KE Changqing, LI Peiji. Research on the characteristics of distribution and variation of snow cover on the Tibetan Plateau by using EOF Analysis[J]. Journal of Glaciology and Geocryology, 1998, 20(1):65-68.(in Chinese))

[17] 赵亚锋.基于延时相关性的我国降水对ENSO事件响应分析[D]. 兰州:兰州交通大学,2014.

[18] 彭赓, 刘金烜, 曾鹏志,等.时间序列相似性与基于搜索数据的预测研究:以九寨沟客流量预测为例[J].管理现代化, 2016(2):107-110.(PENG Geng, LIU Jinxuan, ZENG Pengzhi, et al. Time series similarity and forecasting based on search data: a case study of jiuzhaigou passenger flow forecast[J]. Management Modernization, 2016(2):107-110.(in Chinese))

[19] 王智祖, 左军成, 陈美香, 等. 黄、东海沿岸海表温度变化与厄尔尼诺的关系[J]. 河海大学学报(自然科学版, 2012, 40(4): 461-468.(WANG Zhizu, ZUO Juncheng, CHEN Meixiang, et al. Relationship between El Nino and sea surface temperature variation in coastal region of Yellow Sea and East China Sea[J]. Journal of Hohai University(Natural Sciences), 2012, 40(4): 461-468.(in Chinese))

[20] Enso监测小组.厄尔尼诺事件的划分标准和指数[J].气象, 1989(3):37-38.(Enso monitoring team. The division criteria and indices of El Nino events[J]. Meteorology, 1989(3):37-38.(in Chinese))

[21] XUE F, LIU C. The influence of moderate ENSO on summer rainfall in eastern China and its comparison with strong ENSO[J]. Chinese Science Bulletin, 2008, 53(5): 791-800.

[22] 刘伟.东北地区气候对厄尔尼诺响应的时空分析[D].长春:东北师范大学,2007.

[23] INFANTI J M, KIRTMAN B P. North American rainfall and temperature prediction response to the diversity of ENSO[J]. Climate Dynamics, 2016, 46(9/10): 3007-3023.

[24] 张强,孙鹏,程辰,等. ENSO影响下安徽省旱涝灾害及农业生产损失时空变化特征[J].水资源保护, 2016,32(6):6-18.( ZHANG Qiang, SUN Peng, CHENG Chen, et al. Temporal and spatial variations of ENSO-induced flood and drought disasters and loss in agricultural production in Anhui Province [J]. Water Resources Protection, 2016,32(6):6-18. (in Chinese))

[25] 胡玉恒,荣艳淑,魏佳,等.华南前汛期降水与前期印度洋海温的关系[J].水资源保护, 2017,33(5):106-116.( HU Yuheng,RONG Yanshu,WEI Jia, et al. Relationship between pre-flood season precipitation in South China and Indian Ocean SST at earlier stages[J]. Water Resources Protection, 2017,33(5):106-116. (in Chinese))

·简讯·

《河海大学学报(自然科学版)》论文入选“领跑者5000——中国精品科技期刊顶尖论文”

在中国科学技术信息研究所公布的2016年度“领跑者5000——中国精品科技期刊顶尖学术论文(F5000)”入选名单中,《河海大学学报(自然科学版)》刊发的3篇论文入选。至此,本刊刊发的论文已有10篇入选F5000论文(见下表)。

序号姓名题名刊期入选F5000年度1郑志宏，魏明华基于熵值法的改进集对分析水质模糊评价2013，41(2)：136⁃13920142叶金印，姚成，李京兵，李致家综合误差系数在新安江模型参数全局优化中的应用2013，41(1)：1⁃520143李晓，李致家，董佳瑞SWAT模型在伊河上游径流模拟中的应用2009，37(1)：23⁃2620144梁忠民，王晓童，郦建强，常文娟，李爱花，胡义明抗旱能力定量计算的简化方法2014，42(6)：471⁃47520145吴峰，鞠平，秦川，李龙，陶爱峰，孙黎霞近海可再生能源发电研究综述与展望2014，42(1)：80⁃8720146张长宽，陈欣迪大规模滩涂围垦影响下近海环境变化及其对策2015，43(5)：424⁃43020157徐伟，董增川，付晓花，谈娟娟，刘倩，杜芙蓉基于BP人工神经网络的河流生态健康预警2015，43(1)：54⁃5920158钱宝，刘凌，肖潇土壤有机质测定方法对比分析2011，39(1)：34⁃3820169包红军，王莉莉，李致家，姚成基于Holtan产流的分布式水文模型2016，44(4)：340⁃346201610张长宽，陈欣迪海岸带滩涂资源的开发利用与保护研究进展2016，44(1)：25⁃332016

(本刊编辑部供稿)

ElNinoeventanditsimpactonthespatialandtemporaldistributionofsummerprecipitationinChina

FANGGuohua1，DINGZiyu1，WENXin1,2，LINRongjie1

(1.CollegeofWaterConservancyandHydropowerEngineering,HohaiUniversity,Nanjing210098,China;2.StateKeyLaboratoryofSimulationandRegulationofWaterCycleinRiverBasin,ChinaInstituteofWaterResourcesandHydropowerResearch,Beijing100038 ,China)

To explore the relationship between EI Nino event and the summer precipitation, the variation trend and mutation of Nino index are firstly examined to identify the types and intensity characteristics of El Nino events during 1961-2016. The spatial distribution and inter-annual variation pattern of precipitation are then examined by analyzing the monthly precipitation anomaly using EOF method. Emphasis is placed on the analysis of the characteristics of El Nino events during 2014-2016, and their impacts on the temporal-spatial distribution of the summer precipitation in 2016. The study shows that both Nino index and the precipitation variability fluctuate significantly during the period of EI Nino event, and the spatial and temporal distribution of precipitation in the next summer is largely influenced by the event. Specifically, the summer precipitation appears to increase in Yangtze River basin and decrease across most northern Huai River Basin and the southeast coastal areas after Eastern EI Nino’s heyday. For Central EI Nino, the summer precipitation appears to decrease in Yangtze River Basin and increase in Yellow River Basin and Southern China. For Mixed EI Nino, the increase in summer precipitation is detected across the Yellow River Basin.

El Nino event; Nino index; the spatial and temporal distribution of precipitation; summer precipitation; M-K test

10.3876/j.issn.1000-1980.2017.06.002

2016-11-23

国家自然科学基金(51609061);江苏高校优势学科建设工程资助项目(PAPD);江苏省水利科技项目(2015084)

方国华(1964—),女,安徽定远人,教授,博士,主要从事水资源规划及利用、水利水电系统规划与优化调度研究。E-mail:hhufgh@163.com

闻昕,讲师。E-mail:njwenxin@163.com

TV211.1

A

1000-1980(2017)06-0481-08