大尺度驅動因子對新疆極端冷事件的單一與耦合影響

閆小月， 姜逢清， 劉 超， 王大剛

（1.中國科學院新疆生態與地理研究所，新疆 烏魯木齊 830011；2.中國科學院大學，北京 100049；3.中國科學院新疆生態與地理研究所荒漠與綠洲生態國家重點實驗室，新疆 烏魯木齊 830011）

0 引言

近年來，全球氣候持續變暖導致極端天氣/氣候事件頻發，對生態環境和人類生產生活產生了不可忽視的影響，因此對于極端天氣/氣候事件的研究受到了社會各界的廣泛關注［1-3］。盡管全球變暖是不爭的事實，但各類極端冷事件仍時有發生。有學者提出“北極暖大陸冷”理論，認為北極地區自1998年以來持續變暖，而中緯度部分大陸區域出現“變暖停滯”的現象［4］。“變暖”的慣性思維易使人們對極端冷事件產生麻痹大意的思想，會由于準備不足無法高效應對突發的極端冷事件，繼而造成巨大的社會經濟損失。比較典型的如2012年，歐洲爆發大范圍的極端冷事件，造成東歐數百人死亡［5］；2016年，南非部分地區出現反常的極端冷事件，畜牧業受到重創［6］。2020年，突如其來的暴雪讓美國“能源中心”得克薩斯州遭遇多年罕見的停電危機，城市一度陷入癱瘓［7］。有學者認為，21世紀許多地區發生的極端冷事件強度不會減弱，持續時間也不會縮短［8］。因此，在全球變暖的大背景下，系統研究極端冷事件的時空演變規律對保護生態環境和維持經濟社會穩定具有重要意義。

21世紀初，氣候變化檢測和指數專家組（ETCCDI）定義了包括7個極端冷指數在內的27個極端氣候指數，使全球極端氣候變化指標有了統一規范。隨后許多學者使用該指數標準對極端冷事件開展了相關研究［9-11］。在全球尺度上研究發現，1990年以來歐洲冰凍日（ID）呈增加趨勢［12］；19世紀末，南美洲地區夏、秋兩季的冷夜數（TN10p）持續減少［13］；亞太地區由于冬季極端冷事件的減少而趨向暖冬［14］。鑒于極端冷事件影響的增大，其形成機制也引起了重點關注。一般認為極端冷事件的形成受大氣內部變率和外部強迫因子的共同影響，其中大氣內部變率是直接影響因素，主要包括大尺度驅動因子AO、NAO、ENSO等［15-17］。

近年來，在全球變暖的背景下，新疆極端冷事件總體上出現次數呈減少趨勢，有利于果樹、冬小麥和牲畜等安全越冬，但極端天氣出現頻率加大，冷空氣在春季活動更加頻繁，對農牧業生產造成了較大影響。過去幾年來，眾多學者對新疆不同區域的極端冷事件的形成原因進行了多角度研究。陳少勇等［18］對中國西北地區的極端低溫事件進行了統計分析，發現西北地區極端低溫事件主要出現在新疆北部和青海高原。張林梅等［19］指出，新疆阿勒泰地區冬季極端冷事件發生的頻次傾向率呈減少趨勢，但未來會有所增多，且強度會有所增強。在大尺度驅動因子與新疆極端冷事件相關關系研究方面，關學鋒等［20］認為北疆冬季氣溫序列與AO的相關程度較高；張揚［21］認為ENSO對北疆地區的氣溫變化產生影響，EI Ni?o年北疆地區年平均氣溫偏高，La Ni?a年北疆地區氣溫則偏低。盡管針對中國西北或新疆的極端冷事件研究已取得了不少成果［22-23］，但更多的是關注極端冷事件的時空演變特征及單一大尺度驅動因子對其影響的機制分析，缺乏耦合效應的研究。事實上，大尺度驅動因子的耦合作用是導致極端冷事件頻率、強度時空異質性變化的直接原因［24］。因此，為更全面地理解新疆極端冷事件的成因機制，本文開展了新疆極端冷事件的時空變化特征及大尺度驅動因子對其單一與耦合影響分析，研究結果有利于認識新疆極端冷事件演變的區域特征，有助于全球變暖背景下對新疆極端冷事件的預測預警，進而可為應對災害風險的防御工作提供科學依據。

1 數據和方法

1.1 研究區概況

新疆維吾爾自治區地處73°40′～96°18′E，34°25′～48°10′N，位于中國西北干旱區，是典型的大陸性氣候。由于地形復雜，生態環境脆弱，其對氣候變化的反應尤為敏感［25］。近幾十年來，新疆屢次發生雪災、干旱、洪澇、沙塵暴等自然災害，嚴重威脅了人們的生命安全和社會經濟發展［26］。由于地處歐亞大陸腹地，新疆上空易受異常氣旋性環流控制，其西部的偏北風引導高緯地區的冷空氣南下導致溫度異常偏低，易發生極端冷事件［27］。本文以天山山脈為界將新疆劃分為3個區域，天山山脈以北為北疆，以南為南疆，吐魯番—哈密盆地一帶為東疆。研究區地形及氣象站點分布如圖1所示。

圖1 研究區概況及氣象站點分布Fig.1 Study area and meteorological stations in Xinjiang

1.2 數據來源

本文選取的氣候數據為新疆維吾爾自治區53個氣象站點1961—2016年逐日最低氣溫值和最高氣溫值，來源于中國氣象數據網（http：//data.cma.cn），均通過均值檢驗和時間一致性檢驗。大尺度驅動因子AO、NAO和ENSO指數均來自美國國家大氣海洋管理局（https：//www.noaa.gov），其中AO指數為1 000 hPa高度異常場經驗正交函數分析（EOF）所得的第一模態時間系數的標準化序列；NAO指數為標準化500 hPa高度場經驗正交函數分析所得第一模態的時間系數；ENSO指數選擇MEI數據，該數據為滑動雙月平均的海平面氣壓、緯向地面風場、經向地面風場、海表面溫度、表面氣溫和總云量的6變量經驗正交函數分解第一模態的時間系數［28］。本文使用的1961—2016年再分析資料來源于美國國家環境預測中心（National Centers for Environmental Prediction，NCEP），水平格距為2.5°×2.5°，包括風場、位勢高度場和海平面氣壓場。

通過正負位相差異對AO、NAO指數進行年份劃分；計算Ni?o3.4平均海表溫度指數（SST）3個月滑動平均值，當該值為標準差的+0.5（-0.5）倍時，定義為EI Ni?o事件（La Ni?a事件）［29］。年份劃分如表1所示。

1.3 研究方法

極端冷指數的定義采用ETCCDI推薦使用方式（表2），所選極端冷指數在計算前均通過RClimDex軟件（http：//etccdi.pacificclimate.org）進行嚴格的質量控制，后采用該軟件對所選各站點的極端冷指數進行計算［30］。

表2 極端冷指數的定義Table 2 Definition of extreme cold indices

采用一元線性方程對新疆53個氣象站點極端冷指數的時間變化趨勢進行線性擬合，采用ArcGIS 10.6中反距離加權插值法，分析極端冷指數傾向率變化的空間差異［31-32］。交叉小波變換能夠呈現兩時間序列在時頻域中的相關關系（本文采用Morlet小波），交叉小波變換所得能量譜（XWT）反映兩序列在不同時頻域內相互作用的顯著性；所得凝聚譜（WTC）能夠反映兩序列在時頻域內的相干程度［33］。原理如下：

對于兩個時間序列x(t)和y(t)，交叉小波能量譜（XWT）定義為：

式中：序列x(t)的小波變換系數為CX(a，τ)；序列y(t)小波變換系數的復共軛為交叉小波凝聚譜（WTC）定義為：

式中：S為平滑算子；|S(a-1WXY(a，τ))|2為某一頻率下兩時間序列的波振幅的交叉積；S(a-1|WX(a，τ)2|)S(a-1|WY(a，τ)2|)為兩序列振動波振幅的乘積。

使用參數檢驗中的獨立樣本t檢驗，分析大尺度驅動因子不同位相、冷暖事件下的極端冷指數序列變化特征。在AO、NAO處于正負位相和ENSO處于冷暖事件下，提取各驅動因子不同位相、冷暖事件對應年份下的冷指數序列。利用圖示法、Shapiro-Wilk檢驗判斷序列的正態性，若不滿足正態性，則序列進行轉換［34］；當序列滿足正態性后，采用F檢驗對樣本方差進行評估，當方差齊性時，使用獨立樣本t檢驗對正負位相或冷暖事件下冷指數是否通過90%顯著性檢驗進行檢測；當方差非齊性時，使用Satterthwaite校正t′檢驗［35］。

2 結果與分析

2.1 極端冷指數的時間變化

所選極端冷指數FD、ID、TNn、TXn、TN10p、TX10p和大尺度驅動因子AO、NAO、ENSO的年均時間變化序列如圖2所示。近56年來，冷指數FD、ID、TN10p和TX10p均呈下降趨勢，傾向率分別為-3.4 d·（10a）-1、-1.2 d·（10a）-1、-2%·（10a）-1和-0.6%·（10a）-1。其中FD和TN10p通過99.9%顯著性檢驗，ID、TX10p通過95%、99%顯著性檢驗，表明其均為顯著下降趨勢。TNn與TXn傾向率為0.6℃·（10a）-1、0.3℃·（10a）-1，呈顯著上升趨勢。FD、ID、TNn和TXn波動趨勢為“升降交錯”；而在1981年以前TN10p顯著大于TX10p，1981年以后TX10p反而大于TN10p，二者大小關系發生反轉。觀察AO、NAO、ENSO時間序列可知，AO與NAO總體變化趨勢相同，而ENSO較兩者變化波動更大。

圖2 1961—2016年新疆年均極端冷指數及大尺度驅動因子變化趨勢Fig.2 Variation trend of average extreme cold indices and large-scale driving factors in Xinjiang during 1961 to 2016

2.2 極端冷指數的空間分布

所選53個站點的冷指數空間分布趨勢及時間序列顯著性檢驗如圖3所示。FD［圖3（a）］、ID［圖3（b）］、TN10p［圖3（e）］和TX10p［圖3（f）］總體表現為下降趨勢，但變化程度有所不同。其中，FD、TN10p和TX10p分別有92.5%、86.8%和56.6%的站點呈顯著下降趨勢（P＜0.05）；盡管90.6%氣象站點的ID呈下降趨勢，但僅有18.9%通過95%顯著性檢驗。在空間分布上，FD與TN10p的變化趨勢較為一致，阿爾泰山脈南側、伊犁河谷、吐魯番盆地北側和塔里木盆地南緣的變化幅度較大；FD、TN10p和TX10p下降傾向率最大分別為-7.5 d·（10a）-1、-3.4%·（10a）-1和-2.6%·（10a）-1，而下降傾向率最小僅為-0.02 d·（10a）-1、-0.04%·（10a）-1和-0.03%·（10a）-1，說明冷指數變化幅度空間差異很大。ID變化幅度較大的地區位于南疆西北部和伊犁河谷地區，低值區位于天山山脈北側和塔里木盆地南緣。

圖3 極端冷指數空間分布趨勢及時間序列顯著性檢驗Fig.3 Spatial distribution trend of extreme cold indices and time-series significance test

TNn［圖3（c）］和TXn［圖3（d）］傾向率變化的空間分布基本一致，總體呈現為上升趨勢，最大傾向率分別為1.7℃·（10a）-1和1.3℃·（10a）-1；最小傾向率為0.1℃·（10a）-1和0.04℃·（10a）-1。分別有58.5%和11.3%的站點通過95%顯著性檢驗；變化幅度較大區域為博格達山南北兩側、伊犁河谷和阿爾泰山脈南側。總體來看，北疆TNn與TXn的上升幅度大于南疆，TXn的空間差異較小。

2.3 交叉小波分析

由圖4可知，驅動因子與FD在高能量區通過95%置信水平檢驗的區域面積極其有限［圖4（a）～4（c）］，對比可知，低能量區的相關關系顯著大于高能量區。在低能量區，AO與FD［圖4（d）］存在4個顯著的共振周期，分別為2～3 a（1976—1978年）、3～5 a（1986—1991年）、6～10 a（1972—1995年）、12～16 a（1979—2003年），二者在3～5 a（1986—1991年）共振周期內呈負相關關系，相關系數R＞0.8。NAO與FD［圖4（e）］存在3個顯著的共振周期，其中15～17 a（1980s—2000s）共振周期內，NAO位相提前FD位相90°。ENSO與FD［圖4（f）］在3～5 a（1997—2004年）存在一個顯著的共振周期。

圖4 驅動因子與FD交叉小波分析Fig.4 Cross wavelet analysis between large-scale driving factors and frost days（FD）

驅動因子與ID在高能量區均離散分布2～3個共振周期［圖5（a）～5（c）］，在1～2 a（1965—1970年）共振周期內，AO、NAO和ENSO均與ID呈正相關關系；8～10 a（1976—1994年）共振周期內，AO位相比ID滯后90°；在9～11 a（1985—1992年）共振周期內NAO位相比ID滯后90°。在2～6 a（1979—1989年）共振周期內，ENSO與ID呈顯著負相關關系。低能量區中［圖5（d）～5（f）］，在8～10 a（1972—1977年）共 振 周 期 內，AO位 相 比ID滯 后90°，且1～3 a（1965—1975年）共振周期內NAO與ID呈正相關關系；ENSO與ID存在4個顯著共振周期，在2～4 a（1995—2003年）周期內ENSO位相超前ID位相90°。

圖5 驅動因子與ID交叉小波分析Fig.5 Cross wavelet analysis between large-scale driving factors and ice days（ID）

由于篇幅原因，僅展示驅動因子與霜凍日（FD）和冰凍日（ID）兩個時間序列的交叉小波XWT與CWT圖譜，其余結果見表3～表4。AO與6個冷指數在高低能量區均存在多個共振周期，AO與TNn、TXn和TN10p在高能量區呈顯著正相關關系，與TX10p在高、低能量區均表現為顯著的負相關。NAO與TNn、TXn在高、低能量區呈顯著的正相關關系，而在低能量區，NAO與TX10p表現為顯著的負相關。ENSO與各冷指數相關性不強，僅在低能量區與TN10p和TX10p呈負相關關系，但ENSO與各冷指數在高、低能量區存在明顯的位相超前/滯后現象。

表3 交叉小波能量譜（XWT）結果Table 3 Results of cross wavelat power spectrum（XWT）

表4 交叉小波凝聚譜結果WTCTable 4 Results of cross wavelet coherence spectrum（WTC）

2.4 大尺度驅動因子單一模態對冷指數的影響

2.4.1 AO

AO正負位相差異下6個極端冷指數的獨立樣本t檢驗顯著性差異如圖6所示。37個站點的FD［圖6（a）］存在負差異，其中8.1%通過90%顯著性檢驗，16個站點的FD存在正差異，均未通過顯著性檢驗。ID［圖6（b）］總體表現為負差異，其中30.4%站點通過90%顯著性檢驗。42個站點的TNn［圖6（c）］存在正差異，46個站點的TXn［圖6（d）］存在正差異，其中34.8%通過90%顯著性檢驗。TN10p［圖6（e）］、TX10p［圖6（f）］分別有47、48個站點存在負差異，說明較AO正位相來說，AO負位相時的冷晝、冷夜占比更多。

圖6 極端冷指數在單一AO模態下的顯著性差異Fig.6 Significant difference in extreme cold indices for AO positive-AO negative phase

2.4.2 NAO

NAO正負位相差異下6個極端冷指數的獨立樣本t檢驗顯著性差異如圖7所示。38個站點的FD［圖7（a）］存在正差異，其中13.2%通過90%顯著性檢驗。15個站點的FD存在負差異，均未通過顯著性檢驗。33個站點的ID［圖7（b）］存在負差異，20個站點存在正差異，但僅有6.1%和10%的站點通過90%顯著性檢驗。TNn［圖7（c）］、TXn［圖7（d）］分別有49、51個站點存在正差異，表明NAO正位相時各站點的TNn、TXn數值更大，即全疆低溫值較NAO負位相時更大。34個站點的TN10p［圖7（e）］存在負差異，主要分布在北疆、塔里木盆地東緣，其中8.8%通過90%顯著性檢驗。在19個正差異的站點中僅有5.3%通過90%顯著性檢驗。TX10p［圖7（f）］檢驗差異與TN10p相似，說明各站點的TN10p、TX10p在NAO不同位相時期的差異較小。

2.4.3 ENSO

ENSO冷暖期差異下6個極端冷指數的獨立樣本t檢驗顯著性差異如圖8所示。FD［圖8（a）］、ID［圖8（b）］中分別有45、46個站點存在負差異，其中通過90%顯著性檢驗的站點分別為26.7%、13%。48個站點的TNn［圖8（c）］存在正差異，基本分布在全疆，其中6.2%存在顯著正差異；僅有5個站點的TNn存在負差異，但均未通過90%顯著性檢驗，TXn［圖8（d）］檢驗結果與TNn相似。EI Ni?o-La Ni?a事件下的TN10p［圖8（e）］、TX10p［圖8（f）］基本存在負差異，呈顯著負差異的站點分別為2.3%和9.5%；存在正差異的站點均未通過90%顯著性檢驗。

圖8 極端冷指數在單一ENSO模態下的顯著性差異Fig.8 Significant difference in extreme cold indices for EI Ni?o-La Ni?a episodes

2.5 大尺度驅動因子耦合模態對冷指數的影響

2.5.1 ENSO-AO模態

EI Ni?o-AO耦合模態下6個極端冷指數的獨立樣本t檢驗顯著性差異如圖9所示。在AO正位相下，FD［圖9（a）］、ID［圖9（b）］存在正差異的站點多于負差異站點；AO負位相下，TN10p［圖9（e）］存在負差異的站點數量更多；其余冷指數正負差異在站點數量上表現并不明顯。這說明EI Ni?o與AO正位相配置時會出現更多的冷日日數，與AO負位相配置時冷夜占比更多；但極端低溫在AO位相的差異下變化較不明顯。與單一模態AO驅動結果相比，除TN10p外的t檢驗結果均發生反轉，這說明EI Ni?o-AO耦合模態對新疆極端冷指數的表現有一定的調制作用。

圖9 極端冷指數在EI Ni?o-AO耦合模態下的顯著性差異Fig.9 Significant difference in extreme cold indices for positive AO-negative AO phase in EI Ni?o years

La Ni?a-AO耦合模態下6個極端冷指數的獨立樣本t檢驗顯著性差異如圖10所示。與單一模態AO驅動結果相比，在耦合模態中，除TXn［圖10（d）］以外的冷指數均表現為負差異站點數量更多，這說明La Ni?a與AO負位相配置時，冷日日數、冷晝和冷夜占比較AO正位相偏多。對于極端低溫值來說，當AO為正位相時，TNn更低，AO負位相時TXn更低。

圖10 極端冷指數在La Ni?a-AO耦合模態下的顯著性差異Fig.10 Significant difference in extreme cold indices for positive AO-negative AO phase in La Ni?a years

2.5.2 ENSO-NAO模態

EI Ni?o-NAO耦合模態下6個極端冷指數的獨立樣本t檢驗顯著性差異如圖11所示。NAO正位相期間，除TN10p［圖11（e）］以外的冷指數均為正差異的站點多于負差異站點，說明EI Ni?o與NAO正位相配置下，冷日日數較NAO負位相更多；但值得注意的是，該配置下更多站點的極端低溫值高于NAO負位相，說明EI Ni?o-NAO負位相時新疆地區溫度更低。與單一模態NAO驅動結果相比，EI Ni?o-NAO耦合模態下的ID［圖11（b）］與TX10p［圖11（f）］的t檢驗結果發生反轉。

圖11 極端冷指數在EI Ni?o-NAO耦合模態下的顯著性差異Fig.11 Significant difference in extreme cold indices for positive NAO-negative NAO phase in EI Ni?o years

La Ni?a-NAO耦合模態下6個極端冷指數的獨立樣本t檢驗顯著性差異如圖12所示。在NAO正位相期間，FD［圖12（a）］、ID［圖12（b）］和TN10p［圖12（e）］存在正差異的站點多于負差異站點；NAO負位相期間，TNn［圖12（c）］與TXn［圖12（d）］存在負差異的站點數量更多。這說明La Ni?a與NAO正位相配置下的冷日日數較NAO負位相時更多，且極端低溫值也更低。與單一模態NAO驅動結果相比，除FD與TX10p以外的t檢驗結果均發生反轉。

圖12 極端冷指數在La Ni?a-NAO耦合模態下的顯著性差異Fig.12 Significant difference in extreme cold indices for positive NAO-negative NAO phase in La Ni?a years

3 討論

3.1 極端冷指數時空變化

從時間尺度來看，冷指數FD、ID、TN10p和TX10p總體呈下降趨勢，TNn與TXn呈顯著上升趨勢，這說明新疆氣溫有明顯的變暖趨勢。ID、TXn和TX10p未通過顯著性檢驗的站點分別占比81.1%、88.7%和43.4%，表明以上三種冷指數在時間尺度上的變化并不顯著。從空間尺度來看，一部分冷指數（FD、ID、TNn和TXn）變化而造成的增溫區域主要集中在北疆、東疆和伊犁河谷地區，同時這些區域的冷指數變化幅度遠大于其他區域。這與前人研究結果一致。胡文峰等［36］認為北疆和東疆增溫比南疆要明顯，吐魯番盆地是增溫最劇烈的地區，南疆的西部是增溫最緩慢的區域。陳穎等［37］同樣認為新疆極端冷事件發生的日數趨于減少；北疆西部和天山兩側是氣候極端性變化最顯著的區域。出現這種現象的原因之一是由于新疆積雪主要分布在北疆和天山山區，氣溫增暖使北疆冰雪消融加快，地表反照率的減小使地表吸收更多的太陽輻射，溫度升高造成冰雪進一步消融，這種正反饋機制讓北疆和天山山區氣候的極端性更為顯著［38］。同時，北疆、東疆和伊犁河谷地區作為新疆人口密集區，城市化［39］與極端冷事件的變化也有密切關系。

3.2 交叉小波與小波相干分析

結果表明，在時頻域內驅動因子與冷指數存在不同尺度的共振周期和時滯效應，不同驅動因子與不同冷指數的相關性也存在差異。綜合來看，AO、NAO與冷指數的相關性較為明顯，ENSO對冷指數的影響最小，這與慈暉等［40］的研究結果基本一致。AO與FD、TN10p和TNn的關系尤為密切，由于以上三種冷指數均使用日最低氣溫計算得出，說明AO對新疆地區的日最低氣溫影響較大。AO與TNn、TXn和TN10p呈顯著正相關，NAO與TNn、TXn呈顯著正相關，而ENSO與各極端指數的相關性均不顯著，但存在明顯的時滯性，其原因可能是ENSO事件具有滯后性，對區域年際氣溫變化的影響不顯著［41］。

3.3 耦合模態的影響機制分析

有研究結果顯示，當AO負位相時新疆更易發生寒潮、暴雪等極端冷事件，這是由于貝加爾湖一帶位勢高度出現負異常，北半球盛行經向環流異常，烏拉爾山阻塞高壓維持且冷空氣侵入新疆［42］。在本文耦合模態的分析中發現，La Ni?a與AO負位相、La Ni?a與NAO正位相配置時，新疆極端冷事件更易發生。為了研究出現這種現象差異的機制，挑選耦合模態下ENSO與AO、NAO不同位相的8種組合進行環流場距平合成分析（圖13～圖14）。

EI Ni?o與AO正位相配置時［圖13（a）］，海平面氣壓場上北極地區為氣壓負距平，歐洲、烏拉爾山區域和中國西北存在氣壓正距平中心；500 hPa位勢高度距平場上，亞洲中高緯度呈現“西低東高”的態勢，烏拉爾山在距平風場上呈氣旋分布。EI Ni?o與AO負位相配置時［圖13（b）］，70°N以北海平面氣壓場為顯著正距平，歐亞大陸至北太平洋西部氣壓分布為“高-低-高”。500 hPa距平風場上，蒙古-西伯利亞呈氣旋分布。該兩種耦合模態下影響新疆的氣流均為偏西氣流，不利于極端冷事件的形成。La Ni?a與AO正位相配置時［圖13（c）］，歐亞大陸60°N以北與北太平洋海平面氣壓場分別為顯著負距平；距平風場上新疆盛行東南氣流，冷空氣南下受阻，不易發生極端冷事件。La Ni?a與AO負位相配置時［圖13（d）］，歐亞中高緯度海平面氣壓場以北正南負為主，烏拉爾阻塞加強；距平風場上新疆位于北風距平區，南下冷空氣勢力加強，促進極端冷事件的發展。沈柏竹等［43］認為這種以La Nina為背景，AO為負位相的配置會使極渦偏強，東亞槽偏西偏強。同時，中低緯度區域受高度場負異常影響促使高原高度場偏低，利于區域性極端冷事件的發生［44］。

圖13 ENSO-AO模態下環流場距平合成圖Fig.13 The composite circulation fields according to the positive/negative phase between ENSO and AO

EI Ni?o與NAO正位相配置時［圖14（a）］，烏拉爾山區域出現氣壓負距平中心，中國大部分存在氣壓正距平；500 hPa距平風場上，烏拉爾山區域存在氣旋環流，冷空氣南下至中亞向西傳輸，新疆受西南氣流影響。EI Ni?o與NAO負位相配置時［圖14（b）］，烏拉爾山區域出現氣壓負距平中心，氣壓分布由亞洲大陸至北太平洋中東部呈現為“低-高-低”的態勢；500 hPa距平風場上，新疆北部受西風影響。該兩種耦合模態下新疆風向分別以西南氣流與西風為主，不利于極端冷事件的形成。La Ni?a與NAO正位相配置時［圖14（c）］，氣壓分布由亞洲大陸至北太平洋中東部呈現為“高-低-高”的態勢，北太平洋存在顯著的氣壓正距平中心，新疆存在氣壓正距平；500 hPa距平風場上，冷空氣南下至中國東北后向西傳輸，新疆受偏北氣流影響顯著，促進極端冷事件的發展。La Ni?a與NAO負位相配置時［圖14（d）］，中亞存在海平面氣壓場正距平中心，新疆氣壓分布為“西高東低”。500 hPa距平風場上，烏拉爾山與西伯利亞存在反氣旋，新疆受偏北氣流影響。

圖14 ENSO-NAO模態下環流場距平合成圖Fig.14 The composite circulation fields according to the positive/negative phase between ENSO and NAO

4 結論

本文選用了6個極端冷指數來研究新疆極端冷事件的時空變化特征，利用交叉小波變換和小波相干對大氣環流因子AO、NAO和ENSO指數與極端冷指數進行多尺度相關分析，同時研究了大尺度驅動因子的單一/耦合模態對冷指數的影響。得出以下結論：

（1）時間尺度上，年均冷指數FD、ID、TN10p和TX10p呈顯著下降趨勢，冷指數均通過99.9%、95%、99.9%和99%顯著性檢驗；年均冷指數TNn與TXn呈顯著上升趨勢，分別通過99.9%和95%顯著性檢驗。FD、ID、TNn和TXn波動趨勢為“升降交錯”；以1981年為時間節點，之前TN10p＞TX10p，之后TN10p＜TX10p。總體來看，新疆氣溫有明顯的變暖趨勢。空間尺度上，冷指數（FD、ID、TNn和TXn）在北疆、東疆和伊犁河谷地區的變化幅度遠大于其他區域。北疆TNn與TXn的上升幅度大于南疆，但空間差異較小。

（2）AO、NAO與冷指數的相關性較強，ENSO與極端冷指數的相關關系最弱但存在明顯的時滯效應。大尺度驅動因子對極端冷指數的總體影響效果為AO＞NAO＞ENSO。AO與冷指數FD、TNn和TN10p呈顯著正相關，由于其均使用日最低氣溫值計算獲得，說明AO與新疆地區的日最低氣溫值可能存在較強的相關關系。

（3）單一模態中，AO負（正）位相時冷日數更多（少）；NAO負（正）位相和La Ni?a（EI Ni?o）事件時極端冷事件發生的可能性更大（小）。以ENSO為背景的耦合模態中，EI Ni?o-AO正（負）位相、EI Ni?o-NAO正（負）位相時冷日日數更多（少）。EI Ni?o-NAO負（正）位相時極端低溫值更低（高），EI Ni?o-AO位相差異對極端低溫值影響不大。La Ni?a-AO負（正）位相、La Ni?a-NAO正（負）位相時極端冷事件發生的可能性更大（小）。耦合模態中，ENSO對AO與NAO的影響不同，AO（NAO）更易受到EI Ni?o（La Ni?a）事件的調制作用。

（4）以ENSO為背景的耦合模態中，La Ni?a與AO負位相配置時，歐亞中高緯度海平面氣壓場以“北高南低”為主，烏拉爾阻塞加強；新疆位于北風距平區，南下冷空氣勢力加強。La Ni?a與NAO正位相配置時，氣壓分布由亞洲大陸至北太平洋呈現為“高-低-高”的態勢，極地冷空氣南下至中國東北后向西傳輸，新疆受偏北氣流異常影響顯著。該兩種耦合模態較其他組合更易促進新疆極端冷事件的發展。

新疆極端冷事件的形成是多尺度驅動因子在復雜模態下的綜合過程，本文僅初步分析了三種大尺度驅動因子不同組合模態下的極端冷指數變化過程，而沒有考慮更多的可能引起新疆極端冷事件的其他因素，如東亞季風、北極海冰和太陽黑子等。多種大氣內部變率和外部強迫因子是通過何種動力過程和耦合方式共同影響新疆極端冷事件的形成，需要在后期研究中重點關注。