文摘
介绍了最近的一项研究降水率之间的关系(PR)在沙特阿拉伯(SA)个月的秋季,气候指标。秋天月度公关数据生成研究期间在1948年和2018年之间。此外,月度气候指数记录(北极涛动(AO),全球表面空气温度(GSAT),多元ENSO指数(美),北大西洋涛动(NAO)指数,尼诺3.4指数和南方涛动指数(SOI))几个月也认为下降的因素。统计趋势、异常和关联分析应用于本研究。公关中的结果显示,彻底改变显示通常积极的趋势在过去几十年的秋天的季节。此外,气候指数影响的公关/ SA在落月和季节。在研究期间,记录最重要的关系,与一个−0.7的逆相关关系,公关/ SA和气候之间的指数GSAT 9月和10月。此外,有明显的相关性之间的+ 0.5公关/ SA和ENSO和尼诺3.4指数10月和11月。
1。介绍
最近,沙特阿拉伯(SA)遭受从一个极端降水变化,主要是在秋季。然而,SA气候带的干燥气候。降水的分布、数量和持续时间干旱和半干旱地区被认为是高度可变的(1- - - - - -6]。SA的北部地区,中央北,周边地区和西南地区的SA记录最高水平的降水在1982年(171.5毫米)。
与此同时,SA的东南地区干旱。SA经历的西南地区降水在每年的12个月7]。事实上,SA气候差别很大,根据地理和气候yeartide年度周期,并受到大气中发行量(4,6,8- - - - - -10]。实际上,区域降水的环流模式的持续时间摔倒SA正是与同一地区流通和分配在春天季节(11]。数家全球科学著作文献提出了考虑降雨和气候指数之间的远距离联系。特别是,作者在12]南方涛动指数(SOI)用于提高降水预测和管理农业用水在加纳共和国。的作者(13)研究如何预测降雨量澳大利亚使用SOI阶段。最近,有几个科学文献挑战过之间的远距离联系降雨和大规模的现象像大气阻塞系统(14- - - - - -16]。
从以前的研究工作17- - - - - -20.),发现有强大的证据之间的本质联系气候条件的可变性是北极涛动(AO)。似乎有一个联系AO和许多地区的气候条件在北半球(21- - - - - -28]。此外,天气变化和气候条件和北大西洋涛动(NAO)变化明显,呈正相关29日- - - - - -31日]。AO和NAO变化扮演重要角色在理解的物理和动力机制的变化北半球(32]。的作者(33)意识到季节和年际变化SA显示的平均气温变暖时期开始于20世纪的最后几年。这个温度变化是全球变暖的迹象。
此外,看起来坚固的温度变化在SA主要是与北大西洋涛动指数,多半在整个冬季。大多数情况下,厄尔尼诺南方涛动(ENSO)指数,AO, NAO指数重要角色在连续温度上升超过SA (4,6,7,34]。此外,全球平均地表温度(GSAT)由许多组织变化进行了分析,包括美国国家航空航天局戈达德太空研究所。这些研究发现,全球变暖是持久的持续。的作者(31日)指出,有一个重要的实质性联系全球平均地表气温和降水在欧洲。以同样的方式,作者的35)发现ENSO现象产生全球短期气候变化的很大一部分。ENSO和降水之间的关系在昆士兰东南部,澳大利亚,研究了。的作者(36]发现南方涛动指数(SOI)和降雨量预测在短期内使用时间序列的分析方法。的作者(6)发现,SA气候参数,温度,和公关与控制的海洋尼诺指数(ONI)。
目前的研究旨在揭示公关变化之间的关系在SA在秋季月和季节和气候指标在整个研究期间(1948 - 2018)。
2。材料和方法
2.1。数据
国家大气研究中心(NCAR)和国家环境预报中心(NCEP)再分析程序使用了一个完美的记录分析系统吸收的决议n2.5×2.5度纬度/经度网格,利用1948年和2018年之间之前的数据。NCEP / NCAR再分析1是沙特阿拉伯的公关的来源用于目前的工作。然而,NCEP / NCAR再分析1项目是使用最先进的分析/预测系统执行数据同化利用过去的数据从1948年到现在的时间。大子集的数据可用的物理科学部门(PSD)在原日报格式和每日平均水平的四倍。获取此数据一天八次按模型,因为那个时代中可用的输入可以在3 z, 9 z, z, 15和21 z,而每天四次数据可作为0 z, 6 z, z, 12和18 z。这些后者时间预测和早期时代的结合的结果是每天八次。NCEP / NCAR再分析数据获得https://www.esrl.noaa.gov/psd/data/gridded/data.ncep.reanalysis.html。
对该地区的月度统计数据集公关SA的研究期间的1948年到2018年下降几个月(September-October-November)被认为是。此外,气候指标的月度数据集(AO, GSAT,梅,NAO,尼诺3.4,和SOI)落个月的研究期间(1948 - 2018)。这些数据提供了美国国家海洋和大气管理局(NOAA)的支持下,ESRL PSD,桨,科罗拉多州博尔德美国,37]。在目前的工作,NCEP资料的领域公关在阿拉伯半岛,包括SA,被认为的面积扩展到12°N-32°N, 33°E-60°E。图1显示了一个地图,包括阿拉伯半岛和沙特阿拉伯。
2.2。方法
时间序列和异常分析方法被用来分析月度和季节性公关/ SA在整个研究期间(1948 - 2018)。公关的气候平均值被认为在1981年和2010年之间的时间。然而,这些数据用于1981年和2010年之间的时间是最近的气候意味着来自气候相关研究工作。降水的异常(一个”)计算了降水数量之间的差异(一个)及其气候的意思(一个)为每个网格点的域的研究领域在此期间(1948 - 2018)。此外,线性相关性方法用来研究之间的远距离联系公关SA在秋天季节和气候指数在1948 - 2018年期间用于当前的评估。蒙特卡洛的方法已经被使用(38]。据统计,这种方法的基础上,66年0.2将显著的相关性的自由度。除此之外,根据[线性相关法38,39使用)。统计学意义是决定使用Kendall-tau测试。根据测试,这一趋势被认为是“显著”如果它有至少90%的意义。
2.2.1。计算的季节性的意思
季节性的下降意味着公关领域的每个网格点的SA (9×12-degree纬度/经度网格)计算,而9网格分12°北北的纬度和12个网格点32°33°东为经度60°东一直使用。公关的季节性下降意味着在SA进行了计算。两人都是计算使用NCEP / NCAR再分析月度数据为秋季((+ 10 + 11月9月)/ 3)。气候的公关手段的研究(1981 - 2010)也计算。气候指标的月度数据集(AO, GSAT,梅,NAO,尼诺3.4,和SOI)落个月的研究期间(1948 - 2018)在相似的方法进行了分析。交互式绘图和分析NCEP和NCAR软件包应用在这些计算。
2.2.2。当地的意义和计算的关联模式
月度数据集和季节性公关平均在每个网格点与早期的气候指标。t测试进行每个网格点的相关性为当地的意义使用[40),允许按[序列自相关38)技术。评估的相关性,我们应用蒙特卡罗方法。统计字段意义被认为是绝对相关的面积加权平均给定相关地图。field-significance阈值等于1000的第95个百分位成员蒙特卡罗人口。
3所示。结果与讨论
3.1。结果
3.1.1。可变性的公关/ SA秋季在1948 - 2018年的时期
NCEP / NCAR再分析表明,所有数据集的公关/ SA)为1948年到2018年之间使用异常的技术审查。结果显示如下:(1)时间序列分析的9月月度公关/ SA)表明,公关是高于其正常的值从1950年到1966年。最大的积极的异常是1960年的1.1毫米/天。期之后,大量的公关振荡绕着它的正常价值直到2008年。2009 - 2018年期间,公关仍然高于其正常价值。9月公关的多项式趋势分析表明,它在过去的十年里增加一个积极的趋势,如图2。(2)10月公关的分析表明,几乎所有的极端值在1948 - 2018年是积极的极端值。公关分析显示1993 - 2018年期间的积极趋势,如图3。(3)11月考试的降水率,很明显,有三个间隔。第一个跨度从1948年到1972年与年的正异常,大于负异常。最大的正异常(+ 1.7毫米/天)发生在1957年。第二区间,从1973年到1995年,有一个公关,小于它的正常价值。第三区间(1974 - 2018)被积极的公关异常特征,具有显著的积极趋势在1993 - 2018年的时期;参见图4。(4)公关数量在秋季SA主要像11月月度公关的可变性在整个研究期间(1948 - 2018)。然而,有一个积极的公关趋势从1992年到2018年,数字是清楚的4- - - - - -5。
3.1.2。研究之间的远距离联系公关在SA和气候指数下降
相关系数的组合意味着每月再分析数据集的公关/ SA和气候指标(AO, GSAT,梅,NAO Nino3.4,和SOI)研究了9个月,10月,11月,从1948年到2018年秋季。公关的相关系数的复合方式对SA和气候指数研究期间被评估。结果显示如下:(1)今年9月,毫无疑问,有重要的强烈的负面公关/ SA之间的相关系数和GSAT。的值相关系数达到0.7−在东部和中东部地区SA在研究期间(1948 - 2018)。图6 (b)和表1显示结果。此外,9月份,似乎之间有明显的正相关公关/ SA和尼诺3.4。然而,这种相关系数(+ 0.4)主要是发现在西方和SA在研究期间的中北部地区,如图6 (e)和表1。与此同时,有一个无意义的9月公关/ SA之间的相关性和其他气候指数AO,梅,NAO和SOI(见图6(一),6 (c),6 (d),6 (f)和表1)。(2)10月,结果显示强烈的负面公关之间的相关系数(−0.7)的西南SA和GSAT在研究期间,如图7 (b)和表1。此外,有很强的相关性与AO,梅,SOI,和尼诺3.4指标,相关系数+ 0.4,+ 0.4−0.4,+ 0.5,分别如图7(一),7 (c),7 (f),7 (e)和表1。(3)去年11月,重要的相关系数最高(+ 0.5)梅指数出现在几乎所有的SA在整个研究期间如在图所示8 (c)和表1。11月的相关系数说明之间有显著的相关性(+ 0.4)公关/ SA和AO, GSAT, SA和尼诺3.4指标在不同的地区,如图8(一个),8 (b),8 (e)和表1。与此同时,没有显著相关性NAO和SOI数据是清楚的8 (d)和8 (f)和表1。(4)秋季,梅尼诺3.4指标最大的正相关系数(+ 0.5)在几乎所有地区的SA,如图9 (c)和9 (e)和表1。相当大的相关系数的值+ 0.4−0.4也观察到GSAT和SOI指标,分别在中部地区SA在整个研究期间,如图9 (b)和9 (f)和表1。与此同时,与AO没有显著相关性,NAO获得数据9(一个)和9 (d)和表1。(5)相关系数最低记录的整体,NAO指数(−0.2)。
(一)
(b)
(c)
(d)
(e)
(f)
(一)
(b)
(c)
(d)
(e)
(f)
(一)
(b)
(c)
(d)
(e)
(f)
(一)
(b)
(c)
(d)
(e)
(f)
3.2。讨论
目前的工作提供了一个远程并置对比学习公关之间SA在秋天季节和气候指标。根据(8),有极端的温度和降水的变化在阿拉伯地区。一些重要的极端气候之间的关系被发现与ENSO东部阿拉伯地区的一部分。的作者(4研究了降水特性和变化在SA。发现SA的气候被ENSO指示,NAO和SOI。的作者(6]研究海洋尼诺指数之间的关系(ONI)和温度和降水率/ SA。发现SA气候参数,温度和降水率由ONI控制。从目前分析失败的公关可变性的研究(1948 - 2018),很明显,公关/ SA每个月都发生巨大的变化在研究期间整个秋季。很明显,每个月(9月、10月和11月)独特的公关变化。一般来说,公关是一个积极的趋势变化的趋势在过去的十年里。通过目前的工作,公关/ SA之间的远程并置对比和气候指标(AO, GSAT,梅,NAO,尼诺3.4,和SOI)进行了研究。它变得明显,公关在秋季SA被全球变暖影响显著,大规模的大气环流。与此同时,有一个很强的显著负相关系数(−0.7)公关/ SA和GSAT之间的九月。此外,有显著的正相关系数(+ 0.4)之间的公关/ SA和尼诺9月份的3.4。十月,有一位杰出的负相关系数(−0.7)公关/ SA和GSAT之间。 In addition to that, the month of October PR over SA was influenced by several climatic indices (AO, MEI, SOI, and Nino 3.4). However, it becomes clear that the month of November PR over SA was related to climatic indices (MEI, AO, GSAT, and Nino 3.4). For the fall season, it was noticed that MEI, Nino 3.4, GSAT, and SOI are affecting the PR over SA throughout the period of study (1948–2018).
4所示。结论
降雨和气候指数之间的远距离联系吸引了研究人员的关注几十年来气候和气候变化。本文调查之间的远程并置对比研究公关/ SA在秋天季节和气候指标(AO, GSAT,梅,NAO,尼诺3.4,和SOI)在整个的研究(1948 - 2018)时期。结果显示,公关/ SA有优秀与气候指数显著相关。最后,我们可以得出这样的结论:气候指数影响和控制公关在几个地区的SA在秋天的季节。然而,获得的结果通过现在的工作帮助未来的研究关于降雨预测SA通过使用预测模型的评估指标。
数据可用性
NCEP / NCAR再分析月降水率可用的数据集https://psl.noaa.gov/data/composites/datasets.html。每月/季节性降水率的同时系列NCEP再分析数据集是可用的https://psl.noaa.gov/cgi-bin/data/timeseries/timeseries1.pl。气候指数月度数据集(AO, GSAT,梅,NAO,尼诺3.4,和SOI)是可用的https://psl.noaa.gov/data/climateindices/。线性相关性的数据集在大气季节性/月平均气候指数在NOAA气象元素可用物理科学实验室。
的利益冲突
作者宣称没有利益冲突。
确认
作者要感谢NOAA / ESRL物理科学部门在其网站上提供数据和图像http://www.esrl.noaa.gov/psd/)。