-
中国东北降雪主要发生在冬半年（11月—次年3月），其中11月是东北大—暴雪发生峰值的月份（Sun et al.，2010; Wang et al.，2020）。2013年11月下旬，东北发生一次持续性大—暴雪事件，黑龙江、吉林两省平均降雪量为31.5 mm，为1961年以来历史同期最多，两省有16站最大积雪深度居1961年以来历史同期第一位。强降雪导致东北三省多条高速公路关闭、机场航班大面积延误，造成经济损失十分严重，因此深入理解这次东北持续性大—暴雪事件的机理及可预测性对国家防灾减灾具有重要科学意义。
-
近几十年，我国东北地区降雪量和降雪强度均呈年代际增多的趋势，其中以暴雪增加为主（Zhou et al.，2018; Gao et al.，2023）。已有研究表明，近几十年东北地区降雪量的年代际增加与东亚冬季风的年代际减弱、哈德来环流的年代际增强密切相关（Wang and He，2013; Zhou et al.，2017; 孙博等，2020）。秋季北极海冰快速减少是东北大—暴雪日数年代际增加的重要原因之一，北极海冰偏少时，中高纬环流更具有波浪状，通过北大西洋涛动（North Atlantic Oscillation，简称NAO）或类NAO影响东北暴雪的发生（武炳义等，2004; Liu et al.，2012; 祁莉和徐业佳，2018; 陈海山等，2019）。此外，东北地区低涡、地面江淮气旋的加强也有利于东北暴雪的发生（胡中明和周伟灿，2005; 蒋大凯等，2014; 孙晓娟等，2022）。Wang et al.（2020）的研究表明，相较于东北小雪事件，东北冬半年偏暖更能导致东北地区湿度增加，进而增强大气层结的不稳定性，有利于大—暴雪发生。
-
此外，关键区海温异常通过海气过程，激发大气罗斯贝（Rossby）波影响与东北降雪相关联的大尺度环流。比如，前期夏秋季北太平洋海温异常可通过激发对流层中低层类“北美-大西洋-欧亚”遥相关型大气波列来影响欧亚中高纬环流，进而影响东北地区冬季降雪的发生频次和强度（Fan and Tian，2013; Feng and Chen，2016; 刘炜和宋文玲，2018）。冬季热带印度洋海温异常不仅可通过高空辐合辐散风激发欧亚波列影响中国东北冬季降水（Han et al.，2018），也可以通过影响局地经向环流和激发类东亚-太平洋遥相关，调制中国冬季降水和气温的变化（晏红明和肖子牛，2000; Dai et al.，2018）。秋季北大西洋暖海温异常通过激发沿中高纬由大西洋向东亚传播的Rossby波列使得东亚大槽加深，为东北冬季降雪的发生提供了有利的气候背景（Xu et al.，2023）。目前有关东北大—暴雪年际变化及其影响系统的研究主要集中在冬季或冬半年平均，而对11月东北持续性大—暴雪气候事件的研究则相对不多。
-
2013年11月东北地区发生了两次大范围强降雪过程，第一次降雪过程发生在17—20日，降雪主要分布在黑龙江中东部和吉林省，降雪持续时间长，东北地区累计降雪量达37.3 mm，日最大降雪量为12.7 mm; 第二次发生在25日，降雪主要分布在东北中东部，日降雪量为17.2 mm，日降雪强度高。这两次强降雪过程导致2013年11月中国东北大—暴雪日数成为1982—2020年期间的最高值，降雪日数超过气候态的1倍标准差（图1）。因此，本文从2013年11月异常气候背景和两次强降雪过程及其可预测性开展研究，期望能加深对东北持续性大—暴雪事件成因和可预测来源的理解，为提升东北持续性大—暴雪事件的预测提供科学基础。
-
1 资料和方法
-
利用中国国家气象信息中心提供的中国地面气候资料日值数据集（V3.0），选取中国东北（120°~135°E，40°~54°N）87个站点中气温小于0℃时的降水量作为东北地区逐日降雪量。根据中国气象局的规定，选取24 h降雪量大于5 mm的天数定义为逐月大—暴雪日数。大气资料来源于欧洲中期天气预报中心（European Centre for Medium-range Weather Forecasts，简称ECMWF）的ERA5再分析数据集，水平分辨率为1.0°×1.0°（Hersbach et al.，2020）。月平均海表面温度数据来源于美国国家海洋大气局（National Oceanic and Atmospheric Administration，简称NOAA）气候诊断中心提供的海温扩展重建资料，水平分辨率为2.0°×2.0°（Huang et al.，2017）; 向外长波辐射数据来源于美国国家海洋大气局，水平分辨率为2.5°×2.5°（Lee et al.，2007）。月平均海冰密集度数据来自英国气象局的哈德来中心（Hadley Centre sea ice data set version 1），分辨率为1.0°×1.0°（Rayner et al.，2003）。在月环流背景的可预测性研究中，选取在业务上能实时获取的美国第二代气候预测系统（Climate Forecast System，version 2，简称CFSv2）10月起报预测的11月数据（Saha et al.，2014）。对两次强降雪过程的次季节预测效能研究中，选取次季节-季节计划（Sub-seasonal to Seasonal Prediction Project，简称S2S）中回报数据能覆盖2013年11月的ECMWF和中国气象局（China Meteorological Administration，简称CMA）的模式（Vitart et al.，2017）。为了便于评估模式的预测能力，本文采用双线性插值将模式资料插值成与观测资料相同的分辨率。根据观测和模式数据的共同时段，本文选取所有数据研究时段为1982—2020年。
-
图1 2013年11月东北纬向（120°~135°E）平均降雪量距平（填色，单位:mm·d-1）的时间-纬度剖面（a）; 1982—2020年11月东北大—暴雪日数指数（HSD; b）; 2013年11月东北大—暴雪日数距平（c，单位:d）和月累积降雪量距平（d; 单位:mm）（黑色实心打点表示2013年距平超过1倍标准差）
-
Fig.1 (a) Time-latitude cross section of snowfall amount anomalies (shading, units:mm·d-1) in Northeast China averaged within 120°—135°E in November 2013. (b) Heavy snowfall days index (HSD) in November during 1982—2020.Anomalies in (c) heavy snowfall days (units:d) and (d) monthly accumulated snowfall amount (units:mm) in Northeast China in November 2013.Solid black dots represent the snowfall days or snowfall amount anomalies exceeding one standard deviation
-
利用1982—2020年11月东北区域（120°~135°E，40°~54°N）平均的大—暴雪日数标准化的序列定义东北大—暴雪日数指数（heavy snowfall days index，HSD）; 利用20°N以北1 000 hPa位势高度距平场的经验正交函数分解第一模态的标准化时间序列定义AO（Arctic Oscillation）指数; 利用60°N以北区域平均的位势高度作为极涡指数。采用Takaya and Nakamura（2001）的水平波活动通量诊断影响东北大—暴雪的动力学机制。
-
2 东北持续性大—暴雪事件的11月气候背景
-
2.1 11月气候背景
-
图2为2013年11月大气环流的距平场，其中打点区域表示距平超过±1倍标准差。2013年11月海平面气压距平场为AO正位相，其强度超过1982—2020年的1倍标准差，同时可见，西伯利亚高压减弱，北太平洋呈现类北太平洋涛动（North Pacific Oscillation，NPO）负位相，表现为阿留申低压减弱和西北太平洋高压减弱（图2a）。在500 hPa上，乌拉尔山阻塞高压偏强，西北太平洋-阿留申地区呈现南北向“气旋-反气旋”式环流形势异常，该环流形势有利于来自北太平洋水汽持续输送至东北地区（图2b—d）。较气候态而言，2013年11月巴伦支海以北海冰接近正常，异常幅度弱（图3a），但是其海冰月增长量（11月减9月）较气候态偏多，且超过1982—2020年海冰月增长量气候态的1倍标准差（图3b），说明该区域季节性海冰生长量较多。同时，2013年11月热带东太平洋海温略偏冷，但热带-南印度洋海温整体偏暖，尤其是澳大利亚西北侧海温异常偏暖，其异常均超过气候态的1倍标准差（图3c）。由此说明2013年11月巴伦支海以北季节性海冰生长量和热带-南印度洋海温异常有可能影响2013年11月东北地区持续性大—暴雪事件。
-
2.2 巴伦支海以北海冰月增长量（季节性生长量）的影响
-
分别将1982—2020年11月AO指数、11月HSD回归北极海冰距平和海冰月增长量场（11月减9月），结果表明，11月巴伦支海以北海冰距平与11月AO和HSD关系均不显著（图4a、b），但11月巴伦支海以北海冰月增长量与11月AO和HSD均存在显著相关（图4c、d）。因此，本文选取巴伦支海以北（30.5°~90.5°E，83.5°~86.5°N）区域平均的11月与9月海冰密集度的差值定义为11月海冰月增长量指数（monthly difference index of sea ice concentration，SICI-MD），其中1982—2020年11月SICI-MD与AO、HSD的相关系数分别为0.41和0.29，均通过置信度为90%的显著性检验。
-
为什么季节性海冰生长量会影响东北持续性大—暴雪发生?通常，北极海冰范围在9月达到全年最小值，之后进入海冰生长季。1982—2020年9—11月巴伦支海以北海冰在生长过程中，向大气释放潜热通量，导致气温升高，北极海平面气压异常减弱，有利于AO呈正位相（图5）。2013年11月SICI-MD为1982—2020年间海冰月增量最高值，有利于AO为强的正位相。已有研究表明，AO通过垂直大气准定常行星波的传播，使得对流层低层的扰动上传至对流层中高层，进一步通过对流层中高层遥相关和欧亚Rossby波的水平传播影响东亚冬季风环流（Chen et al.，2005; 陈文和康丽华，2006; Gong et al.，2017; 王林等，2021）。如图6所示，当AO为强的正位相时，从极区经北大西洋、欧亚大陆传播至西北太平洋的Rossby波，有利于阿留申地区上空处于正位势高度异常控制之下，进而使得北太平洋暖湿水汽持续输送至东北地区。
-
图2 2013年11月各变量距平:（a）海平面气压场（单位:hPa）;（b）500 hPa位势高度（单位:gpm）;（c）500 hPa垂直速度（单位:10-2 Pa·s-1）;（d）整层水汽通量（矢量，单位:kg·m-1·s-1，地表积分至300 hPa）及其散度（填色，单位:10-5 kg·m-2·s-1）（打点区域为2013年距平超过±1倍标准差）
-
Fig.2 Various climate variable anomalies in November 2013: (a) sea-level pressure (units:hPa) ; (b) geopotential height at 500 hPa (units:gpm) ; (c) vertical velocity at 500 hPa (units:10-2 Pa·s-1) ; (d) vertical integrated water vapor flux from surface to 300 hPa (vector, units:kg·m-1·s-1) , and its divergence (shading, units:10-5 kg·m-2·s-1) .Dotted areas represent climate variable anomalies in November 2013 exceeding (falling below) positive (negative) one standard deviation
-
图3 2013年11月各变量距平:（a）海冰密集度;（b）海冰密集度月增长量（11月减9月）;（c）海表面温度（单位:℃）;（d）向外长波辐射（单位:W·m-2）（打点区域为2013年距平超过±1倍标准差; a、b中蓝色框为巴伦支海以北关键区（30.5°~90.5°E，83.5°~86.5°N））
-
Fig.3 Various climate variable anomalies in November 2013: (a) sea ice concentration; (b) the monthly difference of sea ice concentration between November and September; (c) sea surface temperature (units:℃) ; (d) outgoing longwave radiation (units:W·m-2) .Dotted areas represent climate variable anomalies in November 2013 exceeding (falling below) positive (negative) one standard deviation.For (a) and (b) , the blue box indicates the critical area north of the Barents Sea (83.5°—86.5°N, 30.5°—90.5°E)
-
2.3 热带-南印度洋海温的影响
-
1982—2020年11月中国东北大—暴雪日数回归11月海温距平场显示，热带-南印度洋尤其是澳大利亚西北侧海温为显著正异常，当其海温偏暖，有利于中国东北大—暴雪日数偏多（图7a）。1982—2020年利用澳大利亚西北侧区域（90°~120°E，10°~30°S）平均海温定义的海温指数（sea surface temperture index，SSTI）与HSD的相关系数为0.33（通过了90%置信度的显著性检验），并且独立于SICI-MD和AO指数。如图7b所示，当11月澳大利亚以西的海温偏暖时，西北太平洋-阿留申地区对流层中高层呈南北向“负-正”的位势高度异常。2013年热带-南印度洋海温较气候态偏暖，热带印度洋（90°~120°E，10°S~10°N）对流加强和上升运动加强，而热带西太平洋对流减弱（图3d和图8a），有利于西北太平洋上空呈现气旋性异常（图8b）。以上环流形势有利于北太平洋的暖湿水汽持续输送至东北地区。
-
3 两次强降雪过程的关键影响系统和成因
-
3.1 两次大—暴雪降雪过程的特征及环流形势和水汽输送
-
为进一步分析在11月异常气候背景下，影响两次强降雪过程发生的主要系统和成因，首先分析两次过程主要降雪特征、环流形势和水汽输送。2013年11月17—20日在黑龙江中东部和吉林地区发生了持续4 d的强降雪过程，降雪的大值中心位于黑龙江尚志地区（图9a），该站累计降雪量达64.1 mm，超过气候态（4.9 mm）的13倍。11月25日东北地区发生了另一次大范围短时强降雪过程，黑龙江东部和吉林东部降雪量最大（图9d），其中绥芬河单站日降雪量达40.4 mm，超过同期均值（1.6 mm）的25倍。如图9b所示，17—20日东北地区上升运动强。北太平洋中部的水汽持续输送至东北地区。中国东北的东边界存在水汽的异常输入，数值为113.9×106 kg·s-1，该地区水汽净输入相对气候态增加了34.5×106 kg·s-1（图9c）。25日东北地区降雪的水汽分别来自热带西太平洋和北太平洋中部，表现在中国东北的南边界和东边界存在水汽的异常输入数值分别为25.2×106 kg·s-1和27.9×106 kg·s-1，中国东北地区水汽净输入相对气候态增加了19.1×106 kg·s-1（图9f）。相较第二次强降雪过程，第一次过程的水汽净输入更大且持续时间更长，降雪持续时间也长。第二次降雪过程中，不仅有北太平洋由东边界输入的水汽异常，还有热带西太平洋由南边界输入的更暖湿水汽异常，导致第二次强降雪过程日降雪强度大。
-
图4 1982—2020年11月AO指数（a）和HSD（b）分别回归11月海冰密集度距平场;（c、d）同（a、b），但为11月的海冰密集度月增长量（11月减9月）距平场回归结果（打点区域为通过90%置信度的显著性检验; 蓝色框为巴伦支海以北关键区（30.5°~90.5°E，83.5°~86.5°N））
-
Fig.4 Regression coefficients of November sea ice concentration anomalies upon the November (a) AO index and (b) HSD during 1982—2020. (c, d) similar to (a, b) , but for the monthly difference anomalies in sea ice concentration between November and September.Dotted areas indicate statistical significance at the 90% confidence level.The blue box represents the critical area north of the Barents Sea (83.5°—86.5°N, 30.5°—90.5°E)
-
图5 1982—2020年11月SICI-MD分别回归各距平场（打点区域为通过90%置信度的显著性检验）:（a）11月向上潜热通量月增长量（11月减9月；单位:W·m-2）;（b）11月2 m温度（单位:℃）;（c）11月海平面气压（单位:hPa）
-
Fig.5 Regression coefficients of (a) monthly difference anomalies in upward latent heat flux (units:W·m-2) between November and September, (b) 2 m temperature anomalies (units:℃) in November, and (c) sea level pressure anomalies (units:hPa) in November upon the November SICI-MD during 1982—2020.Dotted areas indicate statistical significance at the 90% confidence level
-
图6 1982—2020年11月AO指数回归500 hPa位势高度距平场（填色，单位:gpm）及其对应的波作用通量（矢量，单位:m2·s-2; 绿色等值线为通过90%置信度的显著性检验）（a）; 2013年11月500 hPa位势高度距平（填色，单位:gpm）及其对应的波作用通量（矢量，单位:m2·s-2）（b）
-
Fig.6 (a) Regression coefficients of geopotential height anomalies at 500 hPa (shaded, units:gpm) and its associated wave activity flux (vector, units:m2·s-2) upon the November AO index during 1982—2020.Green contour lines indicate values exceeding the 90% confidence level. (b) 500 hPa geopotential height anomalies (shading, units:gpm) and its associated wave activity flux (vector, units:m2·s-2) in November 2013
-
本文进一步分析了造成两次强降雪过程水汽输送及降雪持续时间存在差异的大尺度环流系统。17—20日，北大西洋地区呈类NAO正位相且强度较强，西伯利亚高压偏弱，北太平洋呈现类NPO负位相，表现阿留申低压减弱和西北太平洋高压减弱（图10a）。对流层中高层存在北大西洋向东传播的Rossby波列造成阿留申地区为正位势高度异常（图10b）。相应地，对流层中低层上西北太平洋和阿留申地区分别呈现气旋性和反气旋性环流异常（图10c），该环流形势有利于将北太平洋的暖湿水汽持续输送至东北地区。25日，西伯利亚高压强度略偏强，北太平洋呈现较弱NPO负位相，阿留申低压和西北太平洋高压减弱（图10d）。在500 hPa上，乌拉尔山阻塞高压增强，贝加尔湖-东北地区处于气旋性环流控制之下，东北低涡加深，该环流形势不仅有利于极地冷空气南下至东北地区，东北地区上升运动加强，也有利于来自热带西太平洋更暖湿水汽输送至东北东部（图10e、f）。
-
两次降雪过程中，北太平洋均呈现弱NPO负位相，17—20日持续性降雪过程主要受上游NAO激发的东传Rossby波的影响导致阿留申地区为反气旋性环流，25日强降雪过程主要受乌拉尔山阻塞高压和东北低涡的影响。第一次降雪主要来源于北太平洋中部水汽持续输送，第二次降雪过程除了北太平洋中部还有更为暖湿热带西太平洋水汽输送且上升运动更强，造成日降雪强度大于第一次过程。
-
3.2 NAO和阻塞高压逐日变化
-
11月NAO逐日演变显示，在中上旬NAO处于正位相（图11a）。其中，在大—暴雪发生前5 d（12—16日）NAO正位相强度逐渐增强，在15—16日达到2013年冬半年的峰值（图11b）。这可能由于11月1—5日平流层出现强极涡事件（图11c），负的位势高度异常信号在6—14日从平流层下传至对流层，使得15—16日NAO强度达到最强（图11d）。
-
图7 1982—2020年11月HSD回归11月海表面温度距平（a，单位:℃）和11月SSTI回归200 hPa位势高度距平（b，单位:gpm）（打点为通过90%置信度的显著性检验; 蓝色方框为澳大利亚西北侧关键区（90°~120°E，10°~30°S））
-
Fig.7 (a) Regression coefficients of November sea surface temperature anomalies (units:℃) upon the November HSD during 1982—2020. (b) Regression coefficients of geopotential height anomalies at 200 hPa (shaded, units:gpm) upon the November SSTI during 1982—2020.Dotted areas indicate statistical significance at the 90% confidence level.For (a) , the blue box represents the critical area of northwest Australia (10°—30°S, 90°—120°E)
-
11月21—25日，NAO位相转为负位相（图11a），23日500 hPa上乌拉尔山-贝加尔湖地区呈“一脊一槽”的环流形势（图12a），24—25日随着乌拉尔山阻塞高压发展加强，贝加尔湖地区低槽加深东移，东北低涡加深（图12b、c）。乌拉尔山阻塞高压引导高纬冷空气和热带西太平洋的暖湿空气在东北交汇，使得25日东北地区发生强降雪过程。
-
4 东北持续性大—暴雪事件的可预测性
-
4.1 11月气候背景可预测性
-
首先评估CFSv2提前1个月对11月东北持续性大—暴雪事件气候背景的可预测性。在海平面气压场上，CFSv2预测AO空间分布和强度出现较大偏差，11月AO指数预测值为0.64（观测值为2.04），CFSv2低估了阿留申低压强度且预测位置较观测偏北（图13a），乌拉尔山阻塞高压预测位置较观测偏南（图13b）。CFSv2能较好再现东北区域垂直上升运动（图13c），但对水汽输送刻画能力较弱（图13d）。CFSv2提前1个月能预测出热带-南印度洋偏暖（图13e），但未能合理再现热带印度洋-热带西太平洋对流异常（图13f）。CFSv2对影响东北大—暴雪的中高纬环流和热带对流的预测效能较为有限。
-
图8 2013年11月各变量距平（a中填色和b中打点为2013年距平超过±1倍标准差）:（a）15°S~15°N平均的纬向环流，箭头水平分量为纬向风（单位:m·s-1）、垂直分量为垂直速度（乘以-1；单位:10-2 Pa·s-1）;（b）200 hPa位势高度（填色，单位:gpm）
-
Fig.8 Various climate variable anomalies in November 2013: (a) longitude-height sections across 15°S—15°N for vertical circulation (vectors; unit:m·s-1 for zonal wind and 10-2 Pa·s-1 for vertical velocity (multiply by-1) ) ; (b) geopotential height at 200 hPa (units:gpm) .Shaded (a) and dotted (b) areas represent climate variable anomalies in November 2013 exceeding (falling below) positive (negative) one standard deviation
-
4.2 两次强降雪过程的次季节可预测性
-
图14a、b为观测与ECMWF、CMA模式提前1~40 d预测的东北地区两次过程降雪量的空间相关系数，可见ECMWF（CMA）模式能够提前29（12）d较好预测第一次过程中东北降雪量的空间分布，而ECMWF（CMA）则能提前13（16）d预测第二次过程中降雪量的空间分布。对两次过程降雪量中心和范围而言，ECMWF能够提前1~14 d较好预测17—20日降雪中心和25日降雪范围，而提前14 d以上则出现较大预测误差（图14c、d）。CMA模式对两次过程的降雪量空间分布的预测结果与ECMWF的预测结果基本一致，但对降雪大值中心和范围的预测准确度较ECMWF偏低（图略）。
-
图9 2013年11月17—20日（a—c）和25日（d—f）各变量距平（打点为2013年距平超过±1倍标准差; a、d蓝点为累积降雪量最大的站点）:（a、d）降雪量（单位:mm·d-1）;（b、e）500 hPa垂直速度（单位:10-2 Pa·s-1）;（c、f）整层水汽通量（矢量，单位:kg·m-1·s-1，地表积分至300 hPa）及其散度（填色，单位:10-5 kg·m-2·s-1; 箭头及数值为各方向水汽收支）
-
Fig.9 Various climate variable anomalies on (a—c) November 17—20 and (d—f) November 25, 2013: (a, d) snowfall amount (units:mm·d-1) ; (b, e) vertical velocity at 500 hPa (units:10-2 Pa·s-1) ; (c, f) vertical integrated water vapor flux from surface to 300 hPa (vector, units:kg·m-1·s-1) and its divergence (shading, units:10-5 kg·m-2·s-1; with arrows and values representing moisture balance in each direction) .Dots represent climate variable anomalies in November 2013 exceeding (falling below) positive (negative) one standard deviation.The blue dots in locations (a, d) represent sites with the highest cumulative snowfall
-
前面观测分析表明，第一次降雪过程主要受持续强的正NAO激发对流层中层东传的Rossby波列影响，而第二次主要受乌拉尔山阻塞高压和东北低涡的影响。如图15所示，对于第一次降雪过程，ECMWF（CMA）模式可以提前22（19）d较好地再现NAO激发的东传波列。对于第二次降雪过程，ECMWF（CMA）模式能提前13（9）d预测乌拉尔山阻塞高压和东北低涡异常。因此，NAO和阻塞高压等关键环流系统可能是模式对东北持续性大—暴雪事件及其影响系统的可预测性来源。
-
5 结论与讨论
-
2013年11月东北地区发生了两次大范围的强降雪过程，导致其大—暴雪日数在1982—2020年同期最高。基于观测和再分析数据，本文研究了2013年11月东北地区持续性大—暴雪事件的气候背景，对比了两次强降雪过程成因。进而基于CFSv2、ECMWF和CMA模式的预测结果，研究了持续性大—暴雪事件的可预测性和预测来源。主要结论如下:
-
影响2013年11月东北持续性大—暴雪事件的主要气候背景是11月AO正位相异常偏强、类NPO的负位相、巴伦支海以北海冰月增长量（11月减9月）（季节性海冰生长量）异常偏多和热带-南印度洋海温异常偏暖。2013年11月巴伦支海以北海冰月增长量是1982—2020年最多的一年，该区域海冰在生长过程中向大气释放大量潜热通量，气温升高，极地海平面气压减弱，有利于AO正位相异常偏强。11月AO正位相在对流层中高层激发北极经北大西洋至西北太平洋的Rossby波列，有利于阿留申地区为反气旋性环流异常，同时，11月热带-南印度洋海温异常偏暖，有利于热带印度洋对流加强和热带西太平洋对流减弱，使得西北太平洋和阿留申地区上空分别为气旋性和反气旋性环流异常，形成类似NPO的负位相，有利于北太平洋暖湿水汽持续输送至东北，为东北持续性大—暴雪事件发生提供有利的气候背景。
-
图10 2013年11月17—20日（a—c）和25日（d—f）各变量距平（a、d中打点和c、f中填色为2013年距平超过±1倍标准差）:（a、d）海平面气压场（单位:hPa）;（b、e）500 hPa位势高度（填色; 单位:gpm）及其对应的波作用通量（矢量，单位:m2·s-2）;（c、f）850 hPa风场（矢量，单位:m·s-1）
-
Fig.10 Various climate variable anomalies on (a—c) November 17—20 and (d—f) November 25, 2013: (a, d) sea level pressure (units:hPa) ; (b, e) geopotential height at 500 hPa (shading, units:gpm) and its associated wave activity flux (vector, units:m2·s-2) ; (c, f) horizontal wind at 850 hPa (vector, units:m·s-1) .Dotted (a, d) and shaded (c, f) areas represent climate variable anomalies in November 2013 exceeding (falling below) positive (negative) one standard deviation
-
图11 2013年11月NAO逐日的标准化指数（a）; 2013年11月12—16日海平面气压距平场（b，单位:hPa; 打点为2013年距平超过±1倍标准差）; 2013年11月50 hPa极涡指数（c）; 2013年11月1 000~50 hPa极涡指数的时间-高度剖面（d）
-
Fig.11 (a) Daily standardized NAO index in November 2013; (b) sea level pressure anomalies from November 12 to 16, 2013 (units:hPa; dotted areas represent climate variable anomalies in November 2013 exceeding (falling below) positive (negative) one standard deviation) ; (c) daily polar vortex index at 50 hPa in November 2013; (d) time-height cross section of the polar vortex index from 1 000 to 50 hPa in November 2013
-
图12 2013年11月23日（a）、24日（b）、25日（c）500 hPa位势高度（等值线，单位:gpm）及其距平（填色; 打点为2013年距平超过±1倍标准差）
-
Fig.12 Daily geopotential height at 500 hPa (contour lines, units:gpm) and anomalies (shading) in November (a) 23, (b) 24 and (c) 25, 2013.Dotted areas represent climate variable anomalies in November 2013 exceeding (falling below) positive (negative) one standard deviation
-
图13 CFSv2预测系统10月预测的2013年11月各变量距平（打点为2013年距平超过±1倍标准差）:（a）海平面气压场（单位:hPa）;（b）500 hPa位势高度（单位:gpm）;（c）500 hPa垂直速度（单位:10-2 Pa·s-1）;（d）整层水汽通量（矢量，单位:kg·m-1·s-1; 地表积分至300 hPa）及其散度（填色; 单位:10-5 kg·m-2·s-1）;（e）海表面温度（单位:℃）;（f）向外长波辐射（单位:W·m-2）
-
Fig.13 Various climate variable anomalies in November 2013 predicted by CFSv2 at a1-month lead: (a) sea level pressure (units:hPa) ; (b) geopotential height at 500 hPa (units:gpm) ; (c) vertical velocity at 500 hPa (units:10-2 Pa·s-1) ; (d) vertical integrated water vapor flux from surface to 300 hPa (vector, units:kg·m-1·s-1) and its divergence (shading, units:10-5 kg·m-2·s-1) ; (e) sea surface temperature (units:℃) ; (f) outgoing longwave radiation (units:W·m-2) .Dotted areas represent climate variable anomalies in November 2013 exceeding (falling below) positive (negative) one standard deviation
-
图14 2013年11月17—20日（a）和25日（b）观测的东北降雪量距平与ECMWF、CMA模式提前1~40 d预测结果的空间（120°~135°E，40°~54°N）相关系数（虚线为90%置信水平）; ECMWF模式提前1~7（c1、d1）、8~14（c2、d2）、15~21（c3、d3）d预测的2013年11月17—20日（c）和25日（d）降雪量距平（单位:mm·d-1）
-
Fig.14 Spatial correlation coefficients between observed and ECMWF/CMA-predicted snowfall amount anomalies in the Northeast region (40°—54°N, 120°—135°E) for (a) November 17—20 and (b) November 25, 2013, with lead times of 1—40 d.Dashed lines indicate the 90% confidence level.Snowfall amount anomalies on (c) November 17—20 and (d) November 25, 2013, predicted by ECMWF with lead times of (c1, d1) 1—7, (c2, d2) 8—14, (c3, d3) 15—21 d (units:mm·d-1)
-
两次强降雪过程主要影响系统和水汽输送路径存在显著差异。第一次持续时间较长的强降雪过程（17—20日）发生时，西北太平洋-阿留申地区为显著南北向“气旋-反气旋”式环流异常，有利于北太平洋水汽持续输送至东北。第二次强降雪过程（25日）发生时，乌拉尔山阻塞高压加强，东北低涡加深，强降雪过程的水汽不仅来自北太平洋，还来自更为暖湿的热带西太平洋，导致第二次日降雪量高于第一次过程。
-
CFSv2提前1个月能一定程度预测11月热带-南印度洋海温偏暖，但是对11月热带印度洋和西太平洋对流异常、AO和中高纬环流预测效能较低。在对两次强降雪过程次季节预测中，ECMWF和CMA模式分别能够提前29（13）d和12（16）d预测出第一（二）次过程中东北地区降雪量的空间分布，其中主要原因是两个模式能合理再现NAO和乌拉尔山阻塞高压异常。
-
图15 2013年11月17—20日观测的北大西洋-欧亚（80°W~0°~180°~135°W，45°~90°N）的海平面气压距平与ECMWF、CMA模式提前1~40 d预测结果的空间相关系数（a）; 2013年11月25日观测的乌拉尔山-欧亚（40°~135°E，30°~70°N）500 hPa位势高度距平与ECMWF、CMA模式提前1~40 d预测结果的空间相关系数（b）（虚线为90%置信水平）
-
Fig.15 (a) Spatial correlation coefficients between observed and ECMWF/CMA-predicted sea level pressure anomalies over the North Atlantic-Eurasian region (45°—90°N, 80°W—0°—180°—135°W) for November 17—20, 2013, with lead times of 1—40 d; (b) spatial correlation coefficients between observed and ECMWF/CMA-predicted geopotential height at 500 hPa anomalies over the Ural Mountains-Eurasia (30°—70°N, 40°—135°E) on November 25, 2013, with lead times of 1—40 d.Dashed lines indicate the 90% confidence level
-
要提高东北持续性大—暴雪事件的预测，有待进一步提升中高纬环流以及热带-中高纬大气遥相关、水汽输送以及平流层极涡的次季节-季节预测能力。
-
参考文献
摘要
2013年11月东北大—暴雪持续日数为1982—2020年同期最多的一年。其中,2013年11月17—20日和25日先后发生两次强降雪过程,其中第一次过程降雪持续时间较长,而第二次过程日降雪强度强。基于此,从2013年11月月际异常气候背景和两次强降雪过程的角度,开展其成因和可预测性研究。研究结果表明,2013年11月北极涛动(AO)正位相异常偏强、类北太平洋涛动(NPO)负位相、巴伦支海以北的海冰月增长量(11月减9月)异常偏多和热带-南印度洋海温异常偏暖的气候背景有利于这次东北持续性大—暴雪事件的发生。其中,2013年11月巴伦支海以北的海冰月增长量偏多,意味着季节性海冰生长量增加使得向大气中释放的潜热通量增加,气温偏高,有利于AO正位相加强并激发罗斯贝(Rossby)波列,使得阿留申低压减弱;同时11月热带-南印度洋海温异常偏暖,热带印度洋对流加强和热带西太平洋对流减弱,有利于西北太平洋-阿留申地区维持“气旋-反气旋”式环流异常,呈现类NPO负位相。这样的环流形势有利于从北太平洋向东北地区持续输送水汽。第一次强降雪过程(17—20日)发生前5 d(12—16日)到降雪过程结束(20日),北大西洋涛动(NAO)维持正位相并且强度达到冬半年最强,由此激发持续东传Rossby波,使得西北太平洋-阿留申地区为持续性的南北向“气旋-反气旋”式环流异常,有利于北太平洋水汽持续输送至东北地区。在2013年11月25日第二次强降雪过程中,乌拉尔山阻塞高压显著加强,东北低涡加深,有利于热带西太平洋更为暖湿的水汽输送至东北地区,与北太平洋输送的水汽共同导致第二次强降雪过程的日降雪强度大。最后,利用CFSv2评估2013年11月异常气候背景的可预测性,结果表明CFSv2可提前1个月预测2013年11月热带-南印度洋海温异常偏暖,但对热带印度洋和西太平洋对流异常、NAO以及热带-中高纬大气遥相关预测能力较弱。在次季节尺度上,ECMWF(CMA)能提前29(12) d和13(16) d合理预测出两次过程降雪量的空间分布,这可能是由于模式能合理再现NAO和乌拉尔山阻塞高压等关键环流系统的逐日变化。因此未来还有待提升热带-中高纬大气遥相关、水汽输送以及平流层极涡的次季节-季节预测效能。
Abstract
Northeast China experienced an unprecedented sequence of continuous heavy snowfall days in November 2013,the most significant event since 1982—2020.This event was characterized by two intense snowfall processes occurring from the 17th to the 20th and the 25th.The first process had a longer duration,while the second exhibited greater snowfall intensity.This study investigates the causes and predictability of these events from the perspective of the anomalous climatic background of November 2013 and the detailed dynamics of the two intense snowfall processes.The results show that the positive phase of the Arctic Oscillation (AO),the negative phase of the North Pacific Oscillation-like (NPO-like) pattern,increased sea ice growth north of the Barents Sea (November compared to September),and anomalously warm sea surface temperatures in the tropical-southern Indian Ocean during November were responsible for the persistent heavy snowfall event in Northeast China.The increased sea ice growth suggested a heightened release of latent heat flux into the atmosphere,resulting in higher temperatures that favored the strengthening of the positive phase of the AO and the excitation of Rossby wave trains,subsequently weakening the Aleutian low.Moreover,anomalously warm sea surface temperatures facilitated enhanced convection over the tropical Indian Ocean and weakened convection over the tropical western Pacific,leading to a ‘cyclone-anticyclone’ circulation anomaly in the Northwest Pacific-Aleutian region,presenting a negative phase of the NPO-like pattern.These atmospheric circulations favored the transport of water vapor from the North Pacific.Additionally,the causes of the two intense snowfalls were analyzed.From the 12th to the 16th,in the five days preceding the first intense snowfall (17th to 20th),the North Atlantic Oscillation (NAO) maintained a continuous positive phase,triggering the persistent eastward propagation of Rossby wave trains.This condition corresponded to a meridional ‘cyclone-anticyclone’ anomaly over the Northwest Pacific-Aleutian region,facilitating continuous moisture transport from the North Pacific to Northeast China.During the second intense snowfall on November 25,2013,the Ural blocking high intensified significantly,and the deepening of the Northeast low vortex promoted the transport of warmer and moister air from the tropical western Pacific to the Northeast region,augmenting daily snowfall intensity.Finally,the prediction skill of the anomalous climatic background in November 2013 was evaluated using CFSv2.While CFSv2 effectively predicted anomalously warm sea surface temperatures in the tropical-southern Indian Ocean one month in advance,its skill for predicting anomalous convection in the tropical Indian Ocean and western Pacific,the NAO,and tropical-midlatitude teleconnections was relatively limited.On the subseasonal scale,ECMWF (CMA) reasonably predicted spatial distributions of snowfall for two processes 29 (12) and 13 (16) days in advance,respectively.This prediction skill could be attributed to better anticipation of the daily variations of key circulation systems such as the NAO and the Ural blocking high.Therefore,future efforts should concentrate on enhancing the subseasonal-to-seasonal predictive skills of tropical-midlatitude teleconnections,moisture transport,and the stratospheric polar vortex.
关键词
中国东北 ； 11月持续性大—暴雪 ； 强降雪过程 ； 季节性海冰生长量 ； 中高纬环流 ； 水汽输送 ； 次季节-季节气候可预测性
