冬季北太平洋的温带气旋活动及其与前期秋季北极海冰的关系❋

任丽媛， 刁一娜

(中国海洋大学海洋与大气学院，山东 青岛 266100)

温带气旋是产生于中高纬度地区具有斜压性的低压涡旋，是中高纬度地区天气变化的主要驱动因素之一。通过热带和极地之间的热量、动量、水汽输送，对全球气候系统起着重要的作用[1]。温带气旋的发展往往会伴随明显的天气现象，如强风、降水、温度变化[2]。因此，研究温带气旋的活动特征及其变化规律是十分有意义的，这将帮助我们更好地认识天气变化和气候特征。

早期对气旋的识别和追踪主要依靠对天气图的人工分析[3]，随着再分析资料和数值模式资料的广泛应用以及数值算法的不断发展，自动和半自动的客观识别追踪气旋的算法发展了起来。对于气旋的识别算法，一种是采用不断与邻近格点比较数据的方法来判断气旋的位置和中心强度[4-6]，另一种是选定一个变量作为分析场，通过识别变量的局地最小值来确定温带气旋的中心。Blender 等[7]采用1 000 hPa的位势高度场作为分析场，Hart[8]，Wernli and Schwierz[9]利用海平面气压场作为分析场，Hodges[10]和Sinclair[11]则使用对流层低层的相对涡度场作为分析场。Hodges 等[12]指出，相对涡度场适用于高频天气变化中的气旋识别，而海平面气压场更适用于低频天气变化中的气旋识别。Serreze[13]和Wang 等[14]同时考虑海平面气压和相对涡度来综合判断气旋中心。更复杂的算法是在寻找分析场的局地最小值前先对数据进行插值[15-17]。利用气旋追踪算法可以统计气旋的气候特征，如气旋的分布、生成频率、加深率、中心气压、移动速度、生命史等。研究中多采用以下方法：以某一时刻气旋所在位置为中心，选择一定的半径进行邻近搜索，同时基于动力作用考虑气旋的移动，即添加一些限制条件，找出下一时刻气旋所在位置[6,15,18]。不同算法之间的差异主要在于搜索半径和限制条件的不同。

Ulbruch等[2]利用1958—2006的NCEP-NCAR冬季数据(10月—次年3月)统计得出，北半球有两个最主要的气旋活动区，北大西洋区和北太平洋区，此外，亚洲大陆和地中海地区也是气旋活动较为频繁的区域。McDonald[19]利用高精度的大气模式研究了北半球的温带气旋对气温异常的响应，结论指出:对流层低层极地和赤道之间温度梯度减小，会导致气旋减少、减弱，而潜热通量的增加会使气旋加强。温度梯度的改变引起斜压性的改变，从而导致北美地区冬季的气旋路径向北极偏移，大西洋东北部的气旋路径则向南偏移。Harnik and Chang[20]采用探空资料研究了1949—1999年北半球的风暴轴的年际变化，指出太平洋风暴轴有加强和向东北偏移的趋势。Wang 等[14]利用ERA-40数据集和NCEP-NCAR数据集的研究结果均表明，1958—2001年，1—3月北太平洋中纬度的强气旋活动加强。以上研究表明，气旋的活动存在着明显的年际变化。

Blunden and Arndt[21]的研究表明，北极的气候变化速度至少是全球气候变化的两倍。北极增暖最显著的特征就是北极海冰的减少，包括海冰覆盖范围、海冰厚度和冰季的持续时间等。其中，以夏季和秋季的变化最为显著。海冰联系着海洋与大气之间的热量、动量、水汽和其他物质的交换，所以海冰的变化不仅是气候变化的产物，也会对气候系统产生强烈的反馈作用[22]，如造成低温和多雪天气[23-25]。

北极海冰减退会产生一系列气候效应。Jaiser 等[26]利用欧洲中心(ECMWF)的海冰密集度数据和哈德莱中心的海冰数据集(HadISST1)研究得出，海冰的减少使海洋向大气释放的热量增加，进一步导致大气的垂直静力稳定性减弱，也就是大气的斜压不稳定性增加。Francis 等[27]和Overland and Wang[28]进一步指出，额外增加的热量使得1 000～500 hPa气层的厚度的南北梯度减弱。根据热成风原理，纬向风随高度减弱[22]。这样的气候效应又会对温带气旋的活动产生什么样的影响呢？

本文将首先统计冬季北太平洋温带气旋的活动特征及变化，然后探讨风暴路径与前期秋季北极海冰的关系。

1 资料和方法

1.1 资料介绍

本文采用欧洲中期天气预报中心(ECMWF)的全球大气再分析数据集ERA_interim从1979—2014年冬季(12月—次年2月，下同)共36年的数据，水平分辨率为1°×1°，时间分辨率为6 h，垂直方向共19层，从1 000～50 hPa，间隔50 hPa。使用变量包括海平面气压场，月平均的海冰密集度、500 hPa位势高度场、温度场、风场。

1.2方法介绍

1.2.1 温带气旋的客观识别和追踪算法 本文采用的气旋识别和追踪算法均以Hart[8]为基础，并做了适当修正。具体的识别算法为：(1)5°×5°的范围内，海平面气压的最小值小于1 020 hPa。(2)生命史维持24 h以上。(3)5°×5°的范围内海平面气压梯度达到2 hPa。此外，本文通过敏感性试验，得到了海平面气压的普拉斯的阈值来剔除过度识别的温带气旋，最后，设定了海拔高度阈值为1 500 m，以剔除部分局地热低压系统。

假设t-△t时刻存在一气旋A，t时刻存在一气旋B，二者距离为△d，那么气旋追踪准则为：(1)△t≤24 h。(2)t时刻的气旋B是距离t-△t时刻的气旋A最近的气旋。(3)气旋的移动速度小于40 m/s。(4)△d<△dmax，△dmax= Max(500 km，3×△t×Vprev)，Vprev是气旋A 在t-2△t～t-△t时段内的移动速度。(5)气旋A 在t-2△t～t-△t时段内的运动方向与其在t-△t～t时段内的运动方向之间的夹角要在一定的角度范围内。(6)气旋生成范围在120°E～120°W，20°N～80°N区域内。

1.2.2 温带气旋的客观识别和追踪结果的检验 为了验证上述气旋识别和追踪算法的准确性，参考前人的验证方法[29]，在120°E～120°W，20°N～80°N范围内，使用随机抽取的客观算法结果与人工分析结果进行对比验证。

(1)识别算法检验。随机抽取多个时刻，利用ERA-interim海平面气压资料，人工分析识别出该时刻的气旋个数和中心位置，并与客观识别算法的结果进行对比。定义如下两个指标：识别成功率=客观识别出的真实气旋个数/人工识别气旋个数，识别差额率=客观识别出的不真实气旋个数/人工识别气旋个数。表1列出了2010年12个时刻(以该年1月1日00时作为第一个时刻)的结果。可以看到，在12个时刻中，10个时刻的识别成功率达到100%，剩余2个时刻的识别成功率为80%和85.7%。10个时刻的识别差额率为0，剩余2个时刻的识别差额率分别为20%和25%。由以上结果可以看到，本文所采用的气旋客观识别算法基本可以把真实存在的温带气旋识别出来，但识别差额率也反映出一定的问题，主要表现为当气旋尺度较小，强度较弱或者有气旋分裂的情况时，识别不够准确。

(2)追踪算法检验。随机抽取多个气旋，利用追踪算法得到其移动轨迹，并与人工分析得到的轨迹进行对比。图1是随机选取的2010年的4个气旋的对比图。可以清楚地看到，客观追踪算法和人工识别得到的真实情况虽然有一些细微的差别，但总体上看，两种方法得到的气旋移动路径吻合的很好。所以本文认为，客观追踪算法能够很好地追踪气旋的移动路径，具有较高的可靠性。

表1 2010年温带气旋人工识别和客观算法识别部分结果对比Table 1 Partial results of artificial compared to objectivealgorithm inextratropical cyclone detection in 2010

Note：①Numbers by arti- ficial identification；②Numbers by objective identification；③Real numbers of objective identi-fication；④Success rate of identification；⑤Difference rate of identification

((a)，(b)，(c)，(d)分别代表4个气旋个例。(a)、(b)、(c)、(d) represent four extratropical cyclone cases.)图1 2010年气旋移动路径的人工追踪结果(蓝线)与客观算法追踪结果(黑线)的抽样对比Fig.1 Sampling comparison of artificial(blue line) compared to objective algorithm(black line) in extratropical cyclone tracking in 2010

2 冬季北太平洋温带气旋活动特征及其变化

2.1 冬季北太平洋温带气旋的活动特征

利用上述气旋识别和追踪算法，得到120°E～120°W，20°N～80°N区域内，1979—2014年冬季的温带气旋集。图2(a)、(b)分别给出了1979—2014年冬季该区域内温带气旋生成频率和活动频率空间分布的气候态。生成频率定义为：当某一个格点上有气旋生成时，该格点及与其相邻的8个格点都算作有一次气旋生成。活动频率定义为：在整个气旋生命周期中，气旋所在中心位置4°×4°lon.格点范围内的格点都算作该气旋的活动范围。可以看到，该区域温带气旋的生成频率(见图2(a))主要有两个大值中心，分别位于日本以东的太平洋洋面和阿拉斯加湾北部，次大值中心位于堪察加半岛两侧和日本海中部。北太平洋温带气旋活动频率的气候态显示为自日本以东洋面至阿拉斯加湾北部的风暴路径(见图2(b))，这与Ulbrich 等[2]得到的北半球温带气旋的活动特性一致。活动频率存在两个明显的大值中心，分别位于堪察加半岛东南的洋面和阿拉斯加湾北部。可见，阿拉斯加湾北部既是气旋生成也是气旋活动的最频繁的区域之一。另一个气旋生成频率最大的区域位于日本以东，相应的活动频率位于堪察加半岛东南的洋面上，这可能是因为阿拉斯加湾北部的气旋生成后由于向东移入陆地，发展和移动速度缓慢，因此气旋生成区也是活动区。而对于日本以东洋面生成的气旋，由于海面上摩擦力较小，有利于气旋快速发展和移动，气旋从初始位置向东北移动至堪察加半岛东侧且同时有内陆的气旋也移动至此[30]，使得这一区域成为气旋活动最频繁的区域之一。

图2 1979—2014年冬季北太平洋地区温带气旋生成频率((a) 单位：个数(1°×1°)-1·a-1)和活动频率((b) 单位：个数(4°×4°)-1·a-1)空间分布的平均Fig.2 Themean spatial distribution of generation frequency((a) Unit: number(1°×1°)-1·a-1) and activity frequency((b) Unit: number(4°×4°)-1·a-1) of extratropical cyclone in the North Pacific in minter during winter 1979—2014

2.2 冬季北太平洋温带气旋活动的变化

为了了解温带气旋活动特征的变化，本文对1979—2014年冬季北太平洋地区的气旋活动频率异常做经验正交分解，经North检验得到两个独立的显著模态，方差贡献率分别为13.41%和9.25%。图3(a)、 (b)、(c)分别为第一模态的空间分布和对应的标准化时间系数以及去趋势后的时间系数的功率谱分析。图3(d)、(e)、(f)同上，但为第二模态，图中已经将空间函数的特征向量乘以特征值之开方。从第一模态的空间分布(见图3(a))上可以看到，以零线为界，北太平洋冬季气旋活动频率异常的第一模态主要表现为南北偶极子结构，表示风暴路径南北摆动的变化特征。正位相表现为：正值的大值区主要位于零线以北的太平洋上以及落基山脉的迎风坡，负值的大值区主要位于30°N以北零线以南的太平洋上以及鄂霍次克海西部。时间系数(见图3(b))的趋势线的斜率为0.31/a，表现出较为明显的上升趋势，即空间分布有由负位相向正位相转变的趋势，但未通过95%的显著性检验。结合空间分布(见图3(a))可知，由负到正的位相转变对应太平洋北部气旋活动频率增多而南部气旋活动频率减少，风暴路径有向北偏移的趋势。从图3(c)上看，第一模态去趋势后的时间系数存在两个较明显的周期，分别是5和12年左右，即气旋活动频率的第一模态存在年际和年代际变化，但周期未通过95%的显著性检验。从图3(d)上看，第二模态的空间分布表现为“夹心”状分布，40°N～60°N之间的大陆沿岸和太平洋洋面上呈相反的分布形势，正位相表现为，160°N～140°W，40°N～50°N的太平洋为正值大值区，而鄂霍次克海北部至勘察加半岛和落基山脉的迎风坡为负值大值区。从图3(e)和(f)上看，时间系数没有明显的线性趋势，去趋势后的时间系数存在一个2～3 a的较明显的周期，对应其年际变化特征，但未通过95%的显著性检验。

((a)、(b)、(c)为第一模态；(d)、(e)、(f)为第二模态；(a)、(d)中的百分率为相应模态的解释方差，灰线为零线；(b)、(e)中灰色曲线为标准化的时间系数，黑色直线为线性趋势线；(c)、(f)中黑线表示功率谱值，蓝线表示95%信度水平的白噪音检验线。(a)、(b)、(c)represent the first EOFmode；(d)、(e)、(f)representthe second；The percentages in(a)、(d)represent explained variance and the gray lines mean their values are 0；The gray lines in(b)、(e)represent the standardized time coefficientsand the black lines represents the linear trend；The black lines in(c)、(f)represent power spectrum value and the blue linesrepresent 95% confidence level white noise tests.)

图3 1979—2014年冬季北太平洋地区温带气旋活动频率异常的EOF分解的前两模态的空间分布
和标准化的时间系数及去趋势后的时间系数的功率谱分析
Fig.3 The first two EOF modes’ spatial distribution and standardized time coefficients of extratropical cyclone in North Pacific winter during 1979—2014 and the power spectrum analysis of the detrended time coefficients

3 冬季北太平洋温带气旋活动与前期秋季北极海冰的关系

3.1 影响冬季北太平洋气旋活动的海冰关键区

海冰异常偏少会使得地表向大气释放的热量增加，中高纬度之间的温度梯度减弱[27-28]。额外增加的热量增加了低层大气的垂直厚度，从而导致上层位势高度增加，大气厚度增加。同时也使北极急流呈减弱趋势，冰岛低压和阿留申低压这两个半永久性低压减弱，这种效应会一直持续6个月，其机制已在Deser等[31]中阐明。Vihma[22]指出，北极海冰的减退会使对流层中层的纬向风减弱。温带气旋的活动与大气环流和引导气流密切相关，因此，下面本文将探讨秋季海冰异常对北太平洋冬季温带气旋活动的影响。

做气旋活动频率异常EOF分解第一模态的标准化时间系数与前期秋季海冰密集度异常的线性回归(见图4，第二模态与前期秋季海冰的关系较弱，图略)。从图中可以看到，气旋活动频率异常的第一模态与前期秋季海冰存在密切的联系，东西伯利亚海-波弗特海一带的回归系数通过95%的显著性检验。本文把150°E～120°W，70°N～80°N这块区域称为海冰关键区，下同。结合图3(a)、(b)可知，海冰关键区秋季海冰异常偏多，对应第一模态的空间分布为负位相。相反地，海冰关键区秋季海冰异常偏少，对应第一模态的空间分布为正位相，即北部气旋活动频率增多而南部气旋活动频率减少。由此得出结论：海冰关键区秋季海冰偏少会引起冬季北太平洋风暴路径偏北。图4(b)是前期秋季关键区的海冰密集度异常和EOF分解第一模态的标准化时间系数的年际序列，可以看到二者大致具有相反的变化特征，相关系数为-0.38，通过了95%的显著性检验，即关键区海冰偏少，对应第一模态空间分布的正位相，即风暴路径偏北，与之前的结论一致。

(图(a)中黑点的区域表示回归系数通过95%的显著性检验；图(b)中的蓝线代表时间系数，黑线代表海冰密集度异常。The black points in(a)indicate that the regression coefficients are statistically significant over 95% confidence level；The blue line in (b)represents time coefficients and the black line represents sea ice concentration anomaly(Unit: ×100%).)

图4 EOF分解第一模态的标准化时间系数与
北半球前期秋季海冰密集度异常的线性回归
分布((a)单位：×100%)及时间系数(右侧纵坐标)
与关键区海冰密集度异常(左侧纵坐标)的年际时间序列(b)

Fig.4 The previous autumn arctic sea ice concentration anomalies regressed by first EOF mode’s standardized time coefficients in the northern hemisphere autumn
((a) Unit: ×100%)and the interannual sequences of the time coefficients (Y-axis on the right)
and sea ice concentrationanomaly(Y-axis on the left)of the sea ice key area(b)

3.2 冬季北太平洋气旋活动对应的大气环流特征

做气旋活动频率异常EOF分解第一模态的标准化时间系数与500 hPa位势高度场异常和海平面气压场异常的线性回归(见图5)。可以看到，时间系数为正时，对应500 hPa位势高度呈正异常，海平面气压场上阿留申低压有明显的减弱。本文在上节中证明了关键区海冰密集度异常和第一模态的时间系数显著的相关关系，因此作者认为，秋季关键区的海冰主要是通过这一特征环流来影响冬季北太平洋的气旋活动的。秋季关键区海冰减少，使得阿留申低压区呈高压异常，对应第一模态空间分布的正位相，即风暴路径北移。Rodionov 等[32]的研究表明，阿留申低压这一大气活动中心的减弱会引起中纬度西风带位置的偏移，我们知道温带气旋的移动路径与引导气流密切相关，因此秋季关键区的海冰减少可以通过改变大气环流从而影响风暴路径。

(图中黑点的区域表示回归系数通过95%的显著性检验。The black points in picture indicate that the regression coefficients are statistically significant over 95% confidence level.)

图5 EOF分解第一模态的标准化时间序列与冬季北半球500hPa位势高度场
异常((a)，单位：gpm)和海平面气压场异常((b)，单位：hPa)的线性回归分布
Fig.5 The 500 hPa geopotential height anomalies((a) Unit: gpm) and sea level pressure anomalies ((b) Unit: hPa)
regressed by first EOF mode’s standardized time series in the northern hemisphere winter

4 秋季北极海冰异常对冬季北太平洋风暴路径偏移的影响机制

4.1 秋季北极海冰异常对冬季北太平洋西风急流的影响

本文挑出了秋季海冰关键区的海冰密集度最小和最大的5年，分别合成其对应年份的冬季500 hPa位势高度场、风场和急流(风速≥18 m/s)位置，得到图6(a)、(b)。做海冰偏少年与海冰偏多年500 hPa位势高度场、风场和风速之差，得到图6(c)。可以看到，关键区海冰偏少的年份，500 hPa高度上东亚大槽的位置偏西，阿拉斯加沿岸的高压脊偏弱，并且180°以东的西风急流有明显的北抬(见图6(a))。对应了图6(c)中堪察加半岛以东处于正位势高度异常中而北美处于明显的负位势高度异常中。从风场来看，45°N以北的风速有正异常而45°N以南有负异常，同时180°～160°W，40°N以南和160°W～140°W，40°N以北的两个区域有偏南风异常，导致西风急流向北偏移，急流的北抬又进一步导致了风暴路径随之北移。相反地，关键区海冰偏多的年份，500 hPa高度上堪察加半岛以东处于负位势高度异常中而北美处于明显的正位势高度异常中，180°以东有异常的偏北风(见图6(c))，因此东亚大槽的位置偏东，阿拉斯加沿岸的高压脊偏强，西风急流呈平直的东-西向且向南偏移(见图6(b))，风暴路径随之偏南。

Rodionov 等[32]的研究指出，阿留申低压偏强年份，500 hPa上东亚大槽向东延伸，阿拉斯加沿岸的高压脊加强，槽脊之间的距离缩短，位势高度梯度增强，产生异常的偏北风，西风急流位置偏南，使得风暴路径随之偏南。反之，阿留申低压偏弱年份，急流位置偏北，风暴路径随之偏北。本文在3.2节中已经讨论了秋季海冰偏少年份阿留申低压明显偏弱，所以得到海冰偏少年风暴路径北移的结论与Rodionov 等[32]是一致的。

4.2 秋季北极海冰异常对冬季北太平洋大气斜压性的影响

Yin[33]的研究表明，中纬度斜压区域向极地偏移，同时向对流层上层延伸，可引起风暴轴的偏移。众所周知，中纬度天气尺度系统的主要启动机制是斜压不稳定。温带气旋主要是在锋区上发展起来的，锋区中的大气处于斜压不稳定状态，非常容易产生锋生锋消，从而造成地面气旋的发生[34]。所以温带气旋的活动必然与斜压性的强弱有着密切的联系。

(图(c)中黑点的区域表示风速差值通过95%的显著性检验。The black points in(c)indicate that the wind speed differences are statistically significant over 95% confidence level.)

图6 秋季海冰关键区海冰密集度偏少年份(a)和偏多年份(b)500 hPa位势高度场(等值线，单位：gpm)、风场(箭头，单位：m/s)和急流范围(黑色虚线)的合成及二者500 hPa位势高度场(等值线，单位：gpm)、风场(矢量，单位：m/s)和风速(填色图，单位：m/s)之差(c)
Fig.6 The composite of 500 hPa geopotential height (contour, Unit: gpm), wind (vector, Unit: m/s) and westerly jet area (black dashed line) of heavy sea ice concentration year (a) and light sea ice concentration year (b) in autumn sea ice key area and the difference of 500 hPa geopotential height (contour, unit: gpm), wind(vector, unit: m/s)and wind speed(shaded, unit: m/s)between the two(c)

本文用最大Eady波增长率[35]来表示斜压性的强弱，计算公式为σBI=0.31f|∂U|∂Z|/N-1。其中：f表示科里奥利参数；U表示纬向风速；z表示垂直高度；N表示布伦特-维赛拉频率。计算海冰关键区的秋季海冰与冬季各层150°E～120°W 范围内Eady斜压增长率的纬向平均的相关系数，得到相关系数的垂直剖面(见图7)。可以看到，从对流层低层至300 hPa，高低层的分布形势大致一致，45°N以南和75°N以北，二者呈现显著的正相关关系；45°N～75°N之间，二者呈显著的负相关关系。也就是说，秋季关键区海冰异常偏少，会引起75°N以北和45°N以南Eady斜压增长率减小，大气斜压性减弱，而使45°N～75°N之间Eady斜压增长率增大，大气斜压性增加，从而有利于这一带的气旋活动频率增加，即风暴路径向45°N以北偏移。作者猜想，这可能是由于局地的斜压扰动产生后，一边向正压状态调整，一边向低纬度传播又引起低纬度的斜压扰动。

(白色曲线范围内表示相关系数通过95%的显著性检验。The white line indicate that the correlation coefficients are statistically significant over 95% confidence level.)

图7 关键区秋季海冰密集度与冬季150°E～120°W范围内Eady斜压增长率的纬向平均的相关系数(阴影)的垂直剖面

Fig.7 The vertical section of correlation coefficients(shaded) between key area sea ice concentration in autumn and the zonally averaged Eadybaroclinic growth rate of 150°E～120°W in winter

5 结论与讨论

本文基于ECMWF的ERA_interim全球再分析数据集，利用Hart[8]提出的温带气旋的客观识别和追踪算法，得到了1979—2014年共36年冬季北太平洋区域内的气旋集，经过与人工识别的结果对比，可知该算法具有较高的可靠性。分析了该区域内冬季温带气旋的活动特征和年际变化，最后研究了冬季风暴路径与秋季北极海冰异常的关系，并从大气环流和大气斜压性变化两个方面给出解释。得到以下结论：

(1)冬季北太平洋区域内温带气旋的生成频率主要有两个大值中心，分别位于日本以东的太平洋洋面和阿拉斯加湾北部，次大值中心位于堪察加半岛两侧和日本海中部。太平洋气旋活动的气候态显示为自日本以东洋面至阿拉斯加湾北部的风暴路径，活动频率存在两个明显的大值中心，分别位于堪察加半岛的东南洋面和阿拉斯加湾北部。

(2)为了进一步了解气旋活动的年际变化，本文对冬季北太平洋的气旋活动频率异常做EOF分解，第一模态显示为30°N以北，气旋活动分布呈南北偶极子结构，表示风暴路径的南北摆动。时间系数表现出较显著的上升趋势，即空间分布有由负位相向正位相转变的趋势，风暴路径有向北偏移的趋势。去趋势后的时间系数存在两个较明显的周期，分别是5和12年左右，即气旋活动频率的第一模态存在年际和年代际变化，但周期未通过95%的显著性检验。第二模态的空间分布表现为“夹心”状分布，40°N～60°N之间的大陆沿岸和太平洋洋面上呈相反的分布形势。时间系数没有明显的线性趋势，去趋势后的时间系数存在一个2～3 a的较明显的周期，对应其年际变化特征，但未通过95%的显著性检验。

(3)冬季太平洋风暴路径的南北摆动与秋季(9—11月)东西伯利亚海-波弗特海海冰的减少显著相关。该区域秋季海冰偏少，对应第一模态的空间分布为正位相，即风暴路径北移。

(4)EOF第一模态时间系数和秋季关键区的海冰密集度具有很好的负相关关系，时间系数的回归图显示，关键区秋季海冰偏少，风暴路径北移时，冬季阿留申低压减弱，对应高空500 hPa位势高度场上呈高压异常。合成图显示，海冰偏少年，东亚大槽西退，阿拉斯加沿岸的脊较弱，180°以东的太平洋上有偏南风异常，西风急流北抬，风暴路径也随之偏北。

(5)秋季关键区海冰偏少，会使得45°N～75°N的斜压性增强而45°N以南的斜压性减弱，从而使风暴路径向45°N以北偏移。

本文只探讨了冬季风暴路径偏移与秋季北极海冰异常的关系，没有涉及强度的研究。此外，对北极产生的局地斜压扰动如何影响到中纬度仅做出了猜想，这些均有待于下一步继续研究。

[1] Posselt D J， Stephens G L， Miller M. CLOUDSAT: Adding a new dimension to a classical view of extratropical cyclones[J]. Bulletin of the American Meteorological Society， 2008， 89(5): 599-609.

[2] Ulbrich U， Leckebusch G C， Pinto J G. Extra-tropical cyclones in the present and future climate: A review[J]. Theoretical and Applied Climatology， 2009， 96(1-2): 117-131.

[3] VanBebber W J. Die Zugstrassen der barometrischen Minima nach den Bahnenkarten der deutschen Seewartefür den Zeitraum von 1875—1890[J]. Meteorol Z， 1891， 8: 361-366.

[4] Lambert S J. A cyclone climatology of the Canadian Climate Centre general circulation model[J]. Journal of Climate， 1988， 1(1): 109-115.

[5] Graham N E， Diaz H F. Evidence for intensification of North Pacific winter cyclones since 1948[J]. Bulletin of the American Meteorological Society， 2001， 82(9): 1869-1893.

[6] Lionello P， Dalan F， Elvini E. Cyclones in the Mediterranean region: the present and the doubled CO2 climate scenarios[J]. Climate Research， 2002， 22(2): 147-159.

[7] Blender R， Fraedrich K， Lunkeit F. Identification of cyclone‐track regimes in the North Atlantic[J]. Quarterly Journal of Royal Meteorological Society， 1997， 123(539): 727-741.

[8] Hart R E. A cyclone phase space derived from thermal wind and thermal asymmetry[J]. Monthly Weather Review， 2003， 131(4): 585-616.

[9] Wernli H， Schwierz C. Surface cyclones in the ERA-40 dataset (1958—2001). Part I: Novel identification method and global climatology[J]. Journal of the Atmospheric Sciences， 2006， 63(10): 2486-2507.

[10] Hodges K I. A general method for tracking analysis and its application to meteorological data[J]. Monthly Weather Review， 1994， 122(11): 2573-2586.

[11] Sinclair M R. An objective cyclone climatology for the Southern Hemisphere[J]. Monthly Weather Review， 1994， 122(10): 2239-2256.

[12] Hodges K I， Hoskins B J， Boyle J， et al. A comparison of recent reanalysis datasets using objective feature tracking: Storm tracks and tropical easterly waves[J]. Monthly Weather Review， 2003， 131(9): 2012-2037.

[13] Serreze M C. Climatological aspects of cyclone development and decay in the Arctic[J]. Atmosphere-Ocean， 1995， 33(1): 1-23.

[14] Wang X L， Swail V R， Zwiers F W. Climatology and changes of extratropical cyclone activity: Comparison of ERA-40 with NCEP-NCAR reanalysis for 1958—2001[J]. Journal of Climate， 2006， 19(13): 3145-3166.

[15] Murray R J， Simmonds I. A numerical scheme for tracking cyclone centres from digital data[J]. Australian Meteorological Magazine， 1991， 39(3): 155-166.

[16] Haak U， Ulbrich U. Verification of an objective cyclone climatology for the North Atlantic[J]. Meteorol Z， 1996， 5: 24-30.

[17] Jung T， Gulev S K， Rudeva I， et al. Sensitivity of extratropical cyclone characteristics to horizontal resolution in the ECMWF model[J]. Quarterly Journal of the Royal Meteorological Society， 2006， 132(619): 1839-1857.

[18] Simmonds I， Murray R J， Leighton R M. A refinement of cyclone tracking methods with data from FROST[J].Australian Meteorological Magazine, 1999, 48: 35-49.

[19] Mc Donald R E. Understanding the impact of climate change on Northern Hemisphere extra-tropical cyclones[J]. Climate Dynamics， 2011， 37(7-8): 1399-1425.

[20] Harnik N， Chang E K M. Storm track variations as seen in radiosonde observations and reanalysis data[J]. Journal of Climate， 2003， 16(3): 480-495.

[21] Blunden J， Arndt D S. State of the climate in 2011[J]. Bulletin of the American Meteorological Society， 2012， 93(7): S1-S282.

[22] Vihma T. Effects of Arctic sea ice decline on weather and climate: A review[J]. Surveys in Geophysics， 2014， 35(5): 1175-1214.

[23] Polyakov I V， Walsh J E， Kwok R. Recent changes of Arctic multiyear sea ice coverage and the likely causes[J]. Bulletin of the American Meteorological Society， 2012， 93(2): 145.

[24] Cohen J L， Furtado J C， Barlow M A， et al. Arctic warming， increasing snow cover and widespread boreal winter cooling[J]. Environmental Research Letters, 2012, 7(7): 14007-14014.

[25] Cohen J L， Furtado J C， Barlow M， et al. Asymmetric seasonal temperature trends[J]. Geophysical Research Letters， 2012， 39(4): 54-62.

[26] Jaiser R， Dethloff K， Handorf D， et al. Impact of sea ice cover changes on the Northern Hemisphere atmospheric winter circulation[J]. Tellus A， 2012， 64(3): 53-66.

[27] Francis J A， Chan W， Leathers D J， et al. Winter Northern Hemisphere weather patterns remember summer Arctic sea-ice extent[J]. Geophysical Research Letters， 2009， 36(7): 157-163.

[28] Overland J E， Wang M. Large-scale atmospheric circulation changes are associated with the recent loss of Arctic sea ice[J]. Tellus， 2010， 62(1): 1-9.

[29] Geng Q， Sugi M. Variability of the North Atlantic cyclone activity in winter analyzed from NCEP-NCAR reanalysis data[J]. Journal of Climate， 2001， 14(18): 3863-3873.

[30] 张崇耀. 北太平洋温带气旋统计分析研究[D]. 大连: 大连海事大学， 2001.

Zhang C Y. Research on Statistics and Analysisof North Pacific Extratropical Cyclones[D]. Dalian: Dalian Maritime University， 2011.

[31] Deser C， Tomas R A， Peng S. The transient atmospheric circulation response to North Atlantic SST and sea ice anomalies[J]. Journal of Climate， 2007， 20(18): 4751-4767.

[32] Rodionov S N， Bond N A， Overland J E. The Aleutian low， storm tracks， and winter climate variability in the Bering Sea[J]. Deep Sea Research Part II: Topical Studies in Oceanography， 2007， 54(23): 2560-2577.

[33] Yin J H. A consistent poleward shift of the storm tracks in simulations of 21st century climate[J]. Geophysical Research Letters， 2005， 32(18)： L18701.

[34] 朱乾根， 林锦瑞， 寿绍文， 等. 天气学原理和方法[M]. 北京: 气象出版社， 2007: 123.

Zhu Q G， Lin J R， Shou S W. The Principles and Methorl of Weather[M]. Beijing: China Meteorological Press， 2007: 123.

[35] Eady E T. Long waves and cyclone waves[J]. Tellus， 1949， 1(3): 33-52.