热带气象学报  2017, Vol. 33 Issue (6): 831-840  DOI: 10.16032/j.issn.1004-4965.2017.06.004
0

引用本文  

荣艳淑, 胡玉恒, 张亮, 等. 红水河汛期径流与印度洋海温异常的关系[J]. 热带气象学报, 2017, 33(6): 831-840.DOI: 10.16032/j.issn.1004-4965.2017.06.004.
荣艳淑, 胡玉恒, 张亮, 等. The relationship between flood season runoff of hongshui river and sea surface temperature of indian ocean[J]. JOURNAL OF TROPICAL METEOROLOGY, 2017, 33(6): 831-840. DOI: 10.16032/j.issn.1004-4965.2017.06.004.

资助项目

国家自然科学基金重点国际(地区)合作研究项目(51420105014);南方电网科技项目(K-ZD2014-014);“十三五”国家重点研发计划项目(2016YFA0601504)共同资助

通讯作者

荣艳淑,女,天津市人,教授,博士,主要从事水文气象和气候变化研究。E-mail:ysron@hhu.edu.cn

文章历史

收稿日期:2016-08-24
修订日期:2017-07-22
红水河汛期径流与印度洋海温异常的关系
荣艳淑 1, 胡玉恒 1, 张亮 1, 全胜兰 1, 李崇浩 2, 朱麟 3     
1. 河海大学水文水资源学院,江苏 南京 210098;
2. 中国南方电网电力调度控制中心,广东 广州 510623;
3. 龙滩水力发电厂,广西 河池 547300
摘要:使用1951—2014年广西河池市红水河龙滩站的月流量和同期海温、500 hPa位势高度、850 hPa矢量风资料,基于相关分析、EOF分析和合成分析,研究了红水河汛期流量与印度洋海温异常的关系,以及印度洋海温异常影响红水河流量的物理机制。结果表明,印度洋海温距平分布的三种模态,包括前期夏季印度洋海温距平EOF16—8、EOF12—4、印度洋海温距平EOF12—4和EOF32—4,与红水河汛期流量显著相关。用这三个模态的时间系数、龙滩站前期4—5月平均流量和南印度洋2、3和4月偶极子指数可以很好地模拟龙滩站汛期流量,因此,它们可以作为红水河径流预测的物理因子。印度洋海温异常影响红水河汛期流量的途径可以概括为,印度洋海温冷水年,冷异常可在四个季节持续。春季冷海温可使北半球春季南支气流上小槽波动强烈,南支槽加强,水汽输送显著增强;夏季可显著增强夏季风气流,使更多的水汽输送到红水河增大径流量;秋季和冬季,印度洋的冷海水减弱了北半球冬季环流形势,诱使西北太平洋水汽向中国东部地区输送,使红水河有更多的水汽汇集增大龙滩站流量。反之,印度洋海温暖水年时,四个季节的海温持续增暖,使北半球中纬度低气压系统变得不活跃,冬季形势进入早、而结束晚,中国东部受干燥气流控制时间长,春季和夏季副热带高压增强,同时,夏季风减弱,水汽输送较少,使汛期红水河流量减小。
关键词海温异常    汛期流量    EOF展开    合成分析    印度洋    红水河    
THE RELATIONSHIP BETWEEN FLOOD SEASON RUNOFF OF HONGSHUI RIVER AND SEA SURFACE TEMPERATURE OF INDIAN OCEAN
RONG Yan-shu1, HU Yu-heng1, ZHANG Liang1, QUAN Sheng-lan1, LI Chong-hao2, ZHU Lin3     
1. College of Hydrology and Water Resources, Hohai University, Nanjing 210098, China;
2. Power Dispatching Control Center, China Southern Power Grid, Guangzhou 510623, China;
3. Longtan Hydropower Plant, Hechi 547300, China
Abstract: By using monthly runoff of Longtan Hydropower Station in the Hongshui River, SST data from NOAA, 500 hPa potential height, and 850 hPa vector wind from the NCEP reanalysis, during the year of 1951—2014, the relationship between the flood season runoff of Hongshui River and sea surface temperature anomalies (SSTA) of Indian Ocean and the mechanism of impact of SSTA of Indian Ocean on the flood season runoff of Hongshui River were studied, based on correlation analysis, empirical orthogonal function (EOF) and composite analysis. There are three SSTA distribution modes in the Indian Ocean, including EOF16-8 getting from EOF of summer SSTA of Indian Ocean, EOF12-4 and EOF32-4 getting from EOF of SSTA from February to April of Indian Ocean, that had significant effect on the flood season runoff of Hongshui River. The flood season runoff of Longtan station could be well simulated by seven factors, including the three modes, previous runoff from April to May of Longtan plus monthly South Indian Dipole Index(SIDI) from February to April. The way in which SSTA impacted flood season runoff was summarized as follows:As SSTA in the Indian Ocean was cold, cooling SSTA would be continued in four seasons. In spring, a southwesterly trough was enhanced by cooling SSTA, and then the water vapor could be transported to the eastern part of China. In summer, the monsoon could be enhanced dramatically, and then more water vapor was transported to Hongshui River to increase the runoff. In autumn and winter, the winter synoptic situation was weakened by cooling SSTA and water vapor from Northwest Pacific was assembled, and then the runoff would be increased. Whereas, when Indian Ocean SSTA was in a warm year, every season SSTA became warmer. The lower pressure systems in the middle latitude became inactive, and the winter synoptic situation appeared early and ended late, and then the drier air flow controlled eastern China longer than normal. The subtropical high in spring and summer was stronger than normal and summer monsoon would be weakened, so that water vapor could not be transported to eastern China, and then the runoff in Longtan would be decreased.
Key words: SSTA    flood season runoff    EOF    composite analysis    Indian Ocean    Hongshui River    
1 引言

印度洋位于亚洲、大洋洲、非洲和南极洲之间,其海表温度的变化对大气、季风活动及其周边气候都有至关重要的影响,特别是对中国的气候,印度洋的影响甚至比太平洋更直接[1-2]。研究表明,印度洋海温异常通过影响夏季风异常[3]而影响中国降水[4-7]。印度洋海温异常还可通过沃克环流和波链遥相关作用,远程影响到南美、非洲及其他地区的气候[8-11]

印度洋对各地降水强弱影响不同的原因在于,印度洋海温异常存在不同形式。在热带印度洋,海温距平呈现东西不对称,即存在热带印度洋偶极子模态[12];副热带南印度洋海温距平也存在东西不对称的偶极子模态[13];另外,印度洋还具有海盆增暖一致型模态[14],以及太平洋-印度洋海温异常模态[15]等。不同的印度洋海温异常模态对中国的影响也不同。研究表明,热带印度洋偶极子对华西秋雨有明显影响[16];冬季副热带南印度洋偶极子对春季长江以北地区的降水有显著影响[17];冬季东印度洋海温和同期的江南-华南降水呈显著的正相关关系[18];印度洋海盆一致模对东亚夏季气候产生深刻影响,在全球变暖背景下,印度洋海盆一致模对东亚夏季气候的影响甚至有增强的可能性[19],而且,印度洋海盆一致模与东部型El Niño事件紧密相关[20]。因此,印度洋海温异常是影响中国降水及气候变化的关键因子。

我们在研究径流变化问题时也发现印度洋海温距平的不同模态,对红水河流域径流影响程度不同。印度洋海温异常如何影响径流、它是否是红水河汛期径流预报的关键因子以及它们影响红水河径流变化的物理机制,都需要进行深入的研究。对此,本文将根据相关分析和合成分析的结果,探讨印度洋海温异常对红水河径流变化的影响及其影响的物理机制。

2 流域概况、数据和方法 2.1 流域概况

红水河是珠江流域西江水系的干流,发源于云南省沾益县马雄山,在贵州省望谟县与北盘江汇合后始称红水河,下游与柳江汇合后称为黔江。红水河全长659 km,流域面积3.3×104 km2。由于红水河流域地处我国季风影响最显著的区域,流域年内径流量的分布及径流量的大小很大程度上取决于当年夏季风的强弱以及相应的环流形势。因此,红水河流域的径流预报与大气环流系统密切相关。

本文选取广西河池市龙滩水电站作为红水河流域的代表站(图 1)。龙滩站是红水河流域最大的水电站,是流域战略性的骨干工程,也是仅次于三峡大坝的国内第二大水电工程。龙滩站坝址控制流域面积为9.85×104 km2,占红水河流域面积的75.3%,年发电量187×108 kWh,是“西电东送”的重点项目之一,其50%的电力可输送到广东省。龙滩站汛期预留防洪库容为70×108 m3,是西江上游最主要的防洪水库[21]。因此,龙滩站径流预报意义重大,这也是本文选择龙滩水电站作为红水河流域代表的主要原因。

图 1 红水河流域及龙滩水电站的地理位置
2.2 数据和方法

红水河龙滩站逐月流量资料为1951—2014年,中间有个别月份短缺的资料由该月多年平均值代替。南印度洋偶极子指数取自于国家气候中心计算的海温指数,即第26号副热带南印度洋偶极子指数(South Indian Ocean Dipole Index)。

1951—2014年全球月海表温度(SST)资料来自美国国家海洋大气局(NOAA),空间分辨率为2 °×2 °。海温距平(SSTA)用1951—2014年的平均值计算。1951—2014年全球逐月850 hPa平均经向风、纬向风和500 hPa位势高度资料来自于NCAR/NCEP,空间分辨率均为2.5 °×2.5 °。本文使用了时间序列分析、相关分析、合成分析和EOF分析等方法,探讨红水河龙滩站流量的变化和印度洋海温异常对红水河流量的影响。

3 结果与讨论 3.1 红水河流量的基本特征

图 2是红水河龙滩站月流量的年内变化和汛期流量距平的年际变化。在年内变化中(图 2a),6—9月龙滩站的流量显著增大,各月流量与年平均流量的比值均在1.0以上,4个月的总径流量占全年的67%以上;10月—次年5月流量迅速减小,各月流量与年平均流量的比值均在1.0以下;8个月的径流总量仅占全年的33%左右。因此,汛期流量对年平均流量有显著贡献,汛期径流量的多寡基本决定了年总径流量的大小。所以,取6—9月作为龙滩站的汛期,10月—次年5月为非汛期。

图 2 红水河流域龙滩站流量年内变化(a)和汛期流量距平的年际变化(b)

在龙滩站汛期径流量的时间变化中(图 2b),汛期流量不仅存在显著的年际变化,而且存在明显的年代际变化。在整个时间序列中存在2个干期和1个湿期,干期出现在1950年代—1960年代初期和2000年以来的两个时段,流量以负距平居多;湿期出现在1960年代中期—1990年代末,流量以正距平居多。根据年平均流量±1倍标准差,挑选出丰水年和枯水年,绘制了丰、枯水年流量差异图(图 3)。可见,丰、枯水年各月流量差异最大值也出现在汛期,非汛期差异很小。因此,汛期流量对该地区有重要作用。下面的分析将重点讨论印度洋SST变化对龙滩站汛期流量的影响。

图 3 龙滩站丰、枯水年流量的年内变化及丰枯差值
3.2 印度洋海温与红水河径流的关系

为了分析前期印度洋SST对红水河流域径流量的影响程度,用龙滩站汛期流量与印度洋前一年1月—当年5月的逐月SST求相关(图略),发现在前一年5—10月与当年2—4月这两段时间内,印度洋SST与龙滩站汛期流量统计显著性相关区的范围较大、相关区持续时间较长。因此,取2—4月和前一年5—10月的SST资料与龙滩站汛期流量计算相关系数,可以得到印度洋在这两个时段SST与龙滩站汛期流量的相关系数分布(图 4)。在前一年5—10月印度洋SST与龙滩站流量的相关中(图 4a),显著相关区主要出现在赤道东印度洋、阿拉伯海北部和马达加斯加南部的西印度洋。在当年2—4月印度洋SST与龙滩站的相关图中(图 4b),东南印度洋存在一大片显著相关区。综合图 4可知,与龙滩径流相关最显著的相关区是赤道东印度洋和东南印度洋。

图 4 印度洋前一年5月—当年10月SST(a)和2—4月SST(b)与龙滩站汛期流量的相关系数空间分布
3.3 印度洋SST不同模态与红水河径流的关系

为了反映不同时期印度洋SST的主要特征,对2—4月、夏季和秋季印度洋的SSTA分别进行EOF展开,因为5—10月相当于跨越了夏季(6—8月)和秋季(9—11月)两个时段。表 1为不同时期印度洋SSTA的EOF展开后前5个模态的方差贡献和累积方差贡献,以及该模态与龙滩站汛期流量的相关系数,对于达到统计显著性水平0.05的相关系数用粗体标出。由表 1可看到,2—4月和夏季(6—8月)印度洋SSTA的EOF第1模态(EOF12-4和EOF16—8)方差贡献分别为43.98%和49.34%,它们与龙滩站汛期流量均为负相关,负相关系数均达到统计显著性水平0.05,这意味着当印度洋海温增暖(变冷)时,龙滩站汛期流量将会减少(增大)。2—4月印度洋SSTA的EOF第3模态(EOF32—4)的方差贡献为10.7%,它与龙滩站汛期流量为显著正相关,表明这种模态与龙滩站汛期流量具有同向变化的特征。其它模态与汛期流量均无统计显著性相关系数。图 5分别给出EOF12-4、EOF32—4和EOF16—8的空间分布和时间系数变化。

表 1 不同时期印度洋SSTA的EOF前5个模态方差贡献及对应模态时间系数与流量的相关系数
图 5 印度洋海温距平EOF展开的空间模态和时间系数 a1、a2. EOF12—4和PC12—4;b1、b2. EOF32—4和PC32—4;c1、c2. EOF16—8和PC16—8

图 5可看到,在图 5a15c1中,EOF12—4和EOF16—8均为印度洋SSTA一致正(负)型,这两型的最大正(负)距平中心均在东南印度洋,位于澳大利亚西部。相应的时间系数均呈现出线性增暖趋势(图 5a25c2),它们的线性趋势均达到0.01的置信水平,较真实地反映了印度洋海盆一致增暖的特征。对应图 2b显示的龙滩站汛期流量呈微弱减少趋势的现象,可以认为,龙滩站汛期流量减少与印度洋海温持续增暖有一定关系。在图 5b1中,该模态显示出东南部印度洋SSTA与其它海区反向变化的特征,这一模态的时间系数并未显示出明显的变化趋势(图 5b2的线性趋势未达到统计显著性水平),这意味着该模态随时间变化不明显,具有一定的稳定性。这种海温分布型类似于Behera等[13]提出的副热带南印度洋偶极子现象,还与图 4b的相关系数分布相似。这表明了副热带偶极子可能与龙滩站流量有关系。为此,我们计算了龙滩站流量与南印度洋偶极子的相关关系(表 2)。在同期相关中,龙滩站与2—4月和10月的南印度洋偶极子相关系数均达到0.10的置信水平,印证了上述的分析。由于10月南印度洋偶极子仅与龙滩站流量有同期相关关系,不具有预报意义,因此,下面的分析中仅考虑2—4月南印度洋偶极子指数。

表 2 龙滩站流量与南印度洋偶极子的相关系数

根据这种特征,我们选择这些因子作为自变量,设计了四种方案构建多元线性回归方程:方案一是仅用三个模态的时间系数作为自变量;方案二是仅用南印度洋三个单月(2、3和4月)偶极子指数作为自变量;方案三是在方案一的基础上,增加了龙滩站前期4—5月的平均流量(增加为4个自变量);方案四是在方案三的基础上,增加了南印度洋三个月(2、3、4月)偶极子指数(7个自变量)。前面分析表明,EOF32—4的时间系数PC32—4已经包含了南印度洋偶极子的信息,但考虑到三个南印度洋月偶极子(2、3和4月)与龙滩站流量相关性很好(表 2),增加它们可以观察预测结果是否有所改变。

图 6给出了四种方案重建的流量(模拟流量1~4)与原始流量的比较。尽管统计检验表明,4个模拟序列均达到0.01的显著性水平,但模拟流量2(黄色曲线)与其它几个模拟流量差异明显,其余几个模拟流量曲线较接近。由原始流量和模拟流量的相关系数显示,模拟流量2与原始流量的相关系数仅有0.242 4,而模拟流量1、3和4与原始汛期流量的相关系数分别达到0.424 8(蓝色曲线)、0.440 8(绿色曲线)和0.465 8(红色曲线)。表明仅仅依靠南印度洋偶极子指数(方案二),龙滩站汛期流量的预测效果一般;依赖三个模态时间系数,龙滩站流量预测效果明显改善(方案一);再增加前期基础流量和南印度洋偶极子指数,预测效果更佳(方案三、四)。因此,印度洋海温异常不仅对红水河龙滩站流量有显著影响,而且可以作为径流预测因子。

图 6 重建的龙滩站汛期流量与原始汛期流量的比较
3.4 印度洋海温异常影响红水河径流的机理

根据PC12—4和PC16—8分别挑选暖水年和冷水年,取二者重合的年份作为印度洋典型的暖水年和冷水年。图 78分别给出了印度洋暖水年和冷水年的四季海温距平的合成,阴影区为达到0.05的置信水平区域。在图 7中,印度洋暖水年时,海温正距平现象可在四个季节持续出现。除春季和冬季(图 7a图 7c)的马达加斯加以东海域上有一小片海温距平未达统计显著性外,其余海域的正距平均达到0.05的置信水平,增暖最强烈的海域基本在东南印度洋。

图 7 四季的印度洋暖水年海温距平合成 a.春季;b.夏季;c.秋季;d.冬季。
图 8图 7,但为印度洋冷水年

图 8中,赤道和副热带印度洋四季中呈一致性海温负距平,最大负距平区及变冷最显著的区域均在副热带东印度洋,即澳大利亚以西的海域,只有冬季(图 8d)印度洋中部分海温负距平变得不显著。表明了印度洋冷水年时,海温负距平现象可在四季持续出现。

图 910分别是印度洋暖、冷水年时四季500 hPa位势高度距平和850 hPa风矢量距平(箭头)的合成,图中等值线是位势高度距平,阴影区是统计的显著性水平为0.05的位势高度距平,风矢量箭头表示统计的显著性水平均为0.05,其余未标出。

图 9 四季的印度洋暖水年500 hPa位势高度距平(等值线)和850 hPa风矢量距平(箭头,统计的显著性水平为0.05)的合成 阴影区是统计的显著性水平为0.05的位势高度距平。a.春季;b.夏季;c.秋季;d.冬季。
图 10图 9,但为印度洋冷水年

当印度洋处于增暖状态时,春季北半球500 hPa位势场上多呈正距平(图 9a),副热带地区位势高度正距平大于12 gpm,中纬度地区位势高度正距平大于15 gpm。表明春季副高增强,中纬度地区气压上升。与此同时,850 hPa的西南风距平和东南风距平汇集于阿拉伯海,孟加拉湾中南部为西南风距平控制,青藏高原南侧为东北风距平,中南半岛-中国东部为一致的东北到北风距平,表明春季中国东部地区受来自大陆的干燥气流控制。夏季(图 9b),北半球500 hPa位势高度场仍保持正距平,副高增强、中高纬气压增大,不利于低气压系统活动。华北和华中仍受到东北风距平影响,整个中国东部地区未见到夏季风存在。秋季(图 9c),北半球500 hPa位势高度场持续正距平,西伯利亚高压显著增强,中国东部地区出现反气旋性风场距平,北风距平从华北一直延伸到华中。冬季(图 9d),北半球中高纬地区正距平大于18 gpm,中国东部地区虽出现气旋性风场距平,但西南风距平只出现在长江中下游一带,华中?蛳云南一带仍为偏北风距平控制。因此,当印度洋暖水年时,北半球的500 hPa位势高度场低气压系统都不活跃,而冬季风形势进入早、结束晚。同时,春季和夏季的西南风进程受到阻碍,使中国东部地区的水汽输送受到影响。这就意味着暖水年华中和华东的降水都受到抑制,径流减少。上述分析表明,印度洋海温异常增暖时,夏季风受到极大抑制,这与文献[22-23]的结论一致。夏季风减弱,不仅使华东的降水显著减少,对径流的影响也同样存在。过去一直认为西北太平洋的海温状况对副高影响较大[24],根据我们的分析,印度洋海温异常也可影响副高强度的变化。副高加强时,影响西南气流向北传输,对径流的影响也是存在的。

在印度洋的冷水年,500 hPa位势场和850 hPa风场表现出另外一种状态。春季(图 10a),北半球中纬度分布着几个负距平中心,表明西伯利亚高压减弱明显。850 hPa风场上,青藏高原南侧的风矢量水平切变很明显(红色粗线处)。表明这里的气流波动强烈,是南支槽活跃的标志,特别是中南半岛北部(红色粗线)前部,西南风距平从华中一直延伸到渤海湾一带,表明南支槽前的水汽输送非常好。夏季(图 10b),500 hPa位势场上副热带和中高纬度仍为负距平控制,表明这里高压不活跃,处于减弱状态。同时,中国东部从南海到东北,存在一致的西南风距平,表明夏季风很强烈,水汽可一直输送到东北地区。

秋季(图 10c),中国大陆地区和西太平洋地区均为负距平区,表明副高弱于常年,且大陆高压不活跃。同时,华中到渤海湾一带仍然存在西南风距平,意味着水汽输送良好。冬季(图 10d),北半球高度场仍为负距平控制,表明西伯利亚高压弱于常年,冬季环流形势较弱。同时,中国东部存在一致东北风距平,在中南半岛上转变为西北风距平,表明这里存在风向水平切变(红色粗线),西北太平洋一带的气流可汇入中国东部,在中南半岛及其以北地区汇集,带来较多的降水,也将增大地表径流量。

4 结论

(1)红水河龙滩站汛期流量与印度洋SSTA有显著负相关关系,当印度洋前一年5—10月和当年2—4月的SSTA为正(增暖)或为负(变冷)时,可引起红水河龙滩站汛期流量的显著减少或增多。

(2)有三种印度洋海温异常分布型对红水河流量的影响最显著,2—4月印度洋海温距平EOF展开的第一模态(EOF12—4)和第三模态(EOF32—4)以及夏季印度洋海温距平EOF的第一模态(EOF16—8)。EOF12—4和EOF16—8均为印度洋海盆一致增暖(变冷)型,它们与红水河流量为反相关关系,而EOF32—4为印度洋海温东西反向分布型,是南印度洋偶极子分布模态,它与红水河流量为正相关关系。用这三个模态的时间系数和红水河前期4—5月平均流量,加上三个南印度洋月偶极子(2、3和4月)指数,可以很好模拟出汛期流量。因此,印度洋的海温变化可作为预测红水河汛期流量变化的物理因子。

(3)印度洋海温异常影响红水河流量的原因可归结为:当印度洋海温变冷时,在春季使副高减弱,使北半球绕青藏高原的南支气流波动强烈,诱发小槽发展,南支槽加强,引导水汽向中国东部输送;在夏季,减弱副高,使夏季风显著增强,令更多水汽输送到华南,造成汛期红水河流量增大;秋季到冬季,印度洋的冷海水减弱了北半球的冬季环流形势,诱使西北太平洋水汽向中国东部地区输送,汇集于华中、华南和中南半岛北部,是降水增多的标志,可引起红水河流量增大。反之,印度洋海温变暖时,北半球中纬度低气压系统变得不活跃,冬季形势进入早、而结束晚,中国东部受干燥气流控制时间长,春季和夏季副高增强,同时夏季风减弱,水汽输送较少,使汛期红水河流量减小。

参考文献
[1] 邓爱军, 陶诗言, 陈列庭. 印度洋海表温度的时空分布特征及其与我国汛期降水关系的探讨[J]. 大气科学, 1989, 13(4): 393-399.
[2] 吴国雄, 刘平, 刘屹岷, 等. 印度洋海温异常对西太平洋副热带高压的影响?蛳大气中的两级热力适应[J]. 气象学报, 2000, 58(5): 513-522.
[3] 晏红明, 肖子牛. 印度洋海温异常对亚洲季风区天气气候影响的数值模拟研究[J]. 热带气象学报, 2000, 16(1): 18-27.
[4] 张琼, 刘平, 吴国雄. 印度洋和南海海温与长江中下游旱涝[J]. 大气科学, 2003, 27(6): 992-1 006.
[5] 吴志伟, 江志红, 何金海. 近50年华南前汛期降水、江淮梅雨和华北雨季旱涝特征对比分析[J]. 大气科学, 2006, 30(3): 391-401.
[6] 顾宗伟, 陈海山, 孙照渤. 华北春季降水及其与前期印度洋海温关系[J]. 南京气象学院学报, 2006, 29(4): 484-490.
[7] 王建波, 张苏平, 李春, 等. 华北5月降水年际变化特征及其成因[J]. 气象科学, 2006, 26(4): 405-411.
[8] ANNAMALAI H, MURTUGUDDE R. Role of the Indian Ocean in regional climate variability[M]//Earthclimate: The Ocean-Atmosphere Interaction. AGU Geophys Monogr, 2004, 147: 213-246, doi:10.1029/147GM13.
[9] CHAN S, BEHERA S, YAMAGATA T. Indian Ocean dipole influence on South American rainfall[J]. Geophys Res Lett, 2008, 35(14): L14S12 DOI:10.1029/2008GL034204
[10] SCHOTT F A, XIE S P, MCCREARY J P Jr. Indian Ocean circulation and climate variability[J]. Rev Geophys, 2009: 47 DOI:10.1029/2007RG000245
[11] TASCHETTO A S, AMBRIZZI T. Can Indian Ocean SST anomalies influence South American rainfall?[J]. Clim Dyn, 2012, 38(7): 1 615-1 628.
[12] SAJI N H, GOSWAMI B N, VINAYACHANDRAN P N, et al. Adipole mode in the tropical Indian Ocean[J]. Nature, 1999, 401(23): 360-363.
[13] BEHERA S K, YAMAGATA T. Subtropical SST dipole events in the southern Indian Ocean[J]. Gepphys Res Lett, 2001, 28(2): 327-330. DOI:10.1029/2000GL011451
[14] 黄刚, 胡开明, 屈侠, 等. 热带印度洋海温海盆一致模的变化规律及其对东亚夏季气候影响的回顾[J]. 大气科学, 2016, 40(1): 121-130.
[15] 琚建华, 陈琳玲, 李崇银. 太平洋-印度洋海温异常模态及其指数定义的初步研究[J]. 热带气象学报, 2004, 20(6): 617-624.
[16] 刘佳, 马振峰, 杨淑群, 等. 印度洋偶极子和华西秋雨的关系[J]. 高原气象, 2015, 34(4): 950-962. DOI:10.7522/j.issn.1000-0534.2014.00107
[17] 杨秋明. 南印度洋副热带偶极子型海温异常与全球环流和我国降水变化的关系[J]. 海洋学报, 2006, 28(3): 47-56.
[18] 彭京备. 东印度洋海温对中国南方冬季降水的影响[J]. 气候与环境研究, 2012, 17(3): 327-338. DOI:10.3878/j.issn.1006-9585.2011.10139
[19] HU K M, HUANG G, ZHENG X T, et al. Interdecadal variations in ENSO influences on northwest Pacific-East Asian early summertime climate simulated in CMIP5 models[J]. J Clim, 2014, 27(15): 5 982-5 998. DOI:10.1175/JCLI-D-13-00268.1
[20] 董笛, 何金海. 印度洋偶极子与两类El Niño的关联及可能机理[J]. 热带气象学报, 2015, 31(2): 182-192.
[21] 曲振甫. 红水河龙滩水电站简介[J]. 人民珠江, 1985(6): 35-39.
[22] 李丽平, 许冠宇, 柳艳菊. 2010年华南前汛期低频水汽输送对低频降水的影响[J]. 热带气象学报, 2014, 30(3): 423-431.
[23] DING Y H, SUN Y, WANG Z Y, et al. Inter-decadal variation of the summer precipitation in China and its association with decreasing Asian summer monsoon, Part Ⅱ: Possible cause[J]. Int J Climatol, 2009, 29(13): 1 926-1 944. DOI:10.1002/joc.v29:13
[24] 孙圣杰, 李栋梁. 近60年气候冷暖波动背景下西太平洋副高特征的变异及其与海温关系的变化[J]. 热带气象学报, 2016, 32(5): 697-707.