УДК [551.577.36+551,524.36]:551.582.2«!950/1999»
Тренды в полях годовых экстремумов осадков и приземной температуры во второй половине XX века
Д. Б. Кикгев*, Д. М. Секетон**, Л. В, Ллександер**, К. К. Фолланд**
Основным объектом анализа являются линейные тренды годовых экстремумов приземной температуры и осадков за период с 1950 по 1995 г. в Северном полушарии в терминах производных климатических индексов. Также рассматривается пространственная статистическая структура полей годовых экстремумов этих величин. Для более наглядного представления результатов и последующего объективного сравнения трендов, полученных по фактическим данным, с результатами численного моделирования станционные данные быт переведены на регулярную сетку. Интерполяция данных в узлы сетки проводилась с учетом статистической структуры полей экстремальных годовых индексов. Представлены оценки статистической значимости трендов на основе метода "размножения выборок " (бутстреп).
1. Введение
Долгопериодные изменения экстремальных значений метеорологических величин нередко являются наиболее ощутимым аспектом изменения климата для экосистем и общества. Выявление таких изменений обычно опирается на анализ рядов неосредненных ежедневных данных наблюдений. Метеорологические центры многих стран неохотно делятся такого рода информацией из-за ее потенциальной коммерческой ценности. Соблюсти баланс интересов иногда удается, привлекая для исследований вместо исходных суточных данных ряды производных от них статистик, или климатических индексов [6, 12]. Владельцы первичной информации рассчитывают и передают потребителям массивы этих индексов, сохраняя контроль над исходными рядами. Именно так был сформирован использованный в настоящей работе архив станционных данных. Формулировки разных индексов нацелены на анализ различных аспектов изменения климата. Объектом анализа в нашем случае были линейные тренды в полях годовых экстремумов приземной температуры и осадков в терминах климатических индексов за период с 1950 по 1995 г. Для наглядного представления трендов и объективного сравнения их с результатами моделирования [10] станционные данные были интерполированы в узлы регулярной сетки.
* Гидрометеорологический научно-исследовательский центр Российской Федерации.
** Центр по прогнозу и изучению климата им. Хэдли, Великобритания.
2. Исходные данные
Тренды годовых экстремумов температуры и осадков рассматривались в терминах следующих индексов [8]:
— FD (Frost Days, сут) — число дней в году с зафиксированной отрицательной температурой;
— Tn90 (Night Temperature, %) — годовая доля суток с минимальными температурами выше 90%-ного квантиля распределения суточной минимальной температуры (базовый период с 1961 по 1990 г.), т. е. процент дней в году с теплыми ночами;
— RIO (сут) — число дней в году с суммой осадков не менее 10 мм;
— R5d (0,1 мм) — максимальная пентадная сумма осадков за год;
— SDII (Simple Daily Intensity Index, 0,1 мм/сут) — суточный индекс интенсивности осадков: сумма осадков за год/число дней с осадками за год;
— CDD (Consequtive Dry Days, сут) — максимальное число последовательных сухих дней в году (с осадками менее 0,1 мм/сут).
Для анализа мы использовали обновленную версию представленного в [8] квазиглобального архива станционных индексов. Ряды суточных данных, по которым рассчитывались индексы, были большей частью недоступны для нас. В настоящей публикации мы ограничили область представления результатов Северным полушарием. Для анализа были оставлены только ряды, содержащие по меньшей мере 35 значений индексов за период с 1950 по 1995 г. Для некоторых станций имелась информация за период после 1995 г., но из-за резкого уменьшения общего числа данных за последние несколько лет эта информация не использовалась. Для осадков было доступно примерно в 2,5 раза больше рядов станционных данных, чем для температуры.
3. Статистическая структура полей климатических индексов
Пространственная статистическая структура полей температуры и осадков была предметом многих исследований. Для рассматриваемых в настоящей работе индексов такой информации нет. Для анализа статистической структуры полей индексов территория Северного полушария была разделена на два региона — внетропический пояс (30—75° с. ш.) и тропики (0—30° с. ш.). Для каждой пары станций внутри регионов по исходным временным рядам были оценены взаимные корреляции индексов. С помощью метода наименьших квадратов для каждого региона зависимость этих взаимных корреляций от расстояния между станциями была аппроксимирована масштабированной экспоненциальной функцией
r(l) = Ae-"L°. (1)
Здесь I — расстояние между станциями; L0 — константа, характеризующая степень пространственной когерентности рассматриваемого поля, или масштаб корреляции. В общем случае с приближением I к нулю коэффициент корреляции r(ï) стремится не к единице, а к некоторому значению А 1. Это связано с влиянием случайных ошибок наблюдений и мелкомасштаб-14
Значения параметров (км) и А пространственных автокорреляционных функций для полей годовых климатических индексов (1), их средних многолетних значений (2) и временных трендов (3) за 1950—1995 гг. Виетропическнй пояс Северного полушария (30—75° с. ш.)
Индекс 1 2 3
А 1 и А 1 и А 1 и
РВ 0,74 1277 0,78 1034 0,81 854
Тп90 0,61 837 0,86 945 0,86 929
ЕЮ 0,70 468 0,84 690 0,87 620
К5<1 0,63 219 0,82 554 0,82 537
5011 0,63 273 0,82 627 0,83 562
СШ 0,45 534 0,84 671 0,84 663
ных особенностей полей, которые не могут быть восстановлены по информации с близлежащих станций при имеющейся плотности наблюдательной сети [ I ]. Отличие множителя А от единицы обычно становится более существенным с уменьшением густоты станционной сети.
Полученные оценки параметров А и £0 пространственных автокорреляционных функций (1) свидетельствуют о том, что статистическая структура полей климатических индексов тесно связана с их формулировкой (таблица). Для некоторых индексов (в первую очередь для Л5ё и БВИ) корреляция между показаниями станций достаточно быстро затухает с расстоянием. Можно предположить, что из-за крупномасштабной природы изменений климата в этих случаях для полей временных трендов индексов может быть характерна более высокая степень пространственной когерентности (т. е. больший масштаб корреляции £0), чем для полей самих индексов. Но для проверки этой гипотезы необходима не единственная имеющаяся климатическая реализация, а ансамбль таких реализаций и соответственно случайных полей трендов. Такой ансамбль был построен искусственно на базе оригинальной техники размножения исходных станционных выборок с многократным оцениванием трендов в каждой точке (см. Приложение). Для каждого индекса было сгенерировано по тысяче новых квазиреальных 46-летних последовательностей полей годовых индексов и на их основе получен ансамбль из 1000 "возмущенных" полей трендов (плюс одно фактическое поле трендов). По этому набору полей трендов были рассчитаны взаимные корреляции между трендами для всех пар станций. Аналогично по возмущенным временным рядам индексов были рассчитаны ансамбли квазиреальных средних многолетних значений индексов и оценены их пространственные автокорреляционные функции. Как видно из данных таблицы, по сравнению с исходными полями годовых индексов для осадков поля трендов и многолетних средних характеризуются большими радиусами пространственной корреляции. В данном контексте естественно было бы также сравнить приведенные в таблице данные для производных индексов с соответствующими величинами для исходных суточных полей температуры и осадков. Однако для большей части станций мы не располагали такой информацией.
Предварительные оценки показали, что внутри выделенных регионов существуют значительные различия характеристик статистической струк-
туры рассматриваемых полей. Так, например, для европейской территории характерны значительно меньшие масштабы корреляции, чем для более однородной в физико-географическом отношении Сибири,
4. Построение сеточных полей
Построение сеточных полей трендов температуры и осадков по исходным рядам станционных годовых индексов предполагает выбор между двумя альтернативными подходами:
1. Интерполяция годовых значений индексов, рассчитанных по станционным данным, в узлы сетки для всех временных уровней с последующей оценкой трендов для полученных временных рядов индексов в узлах регулярной сетки;
2, Оценка трендов в точках расположения станций с последующей интерполяцией полученных значений трендов в узлы сетки.
Мы остановили свой выбор на втором варианте после исследования статистической структуры полей годовых индексов и трендов.
Поля с шагом 2,5° по широте и 3,75° по долготе были получены с помощью модифицированной версии алгоритма дистанционно-угловой интерполяции [И, 13]. Как и для многих других процедур такого рода, искомое значение функции в некоторой точке определяется в виде линейной комбинации данных на станциях в окрестности этой точки. При расчете весов станционных данных учитываются два фактора;
— расстояние от рассматриваемой точки до привлекаемых станций. В общем случае — чем больше расстояние, тем меньше вес. Выбор подходящей зависимости веса от расстояния позволяет в какой-то степени учесть статистическую структуру интерполируемых полей;
— угловое распределение станций вокруг рассматриваемой точки. Данные изолированных в отношении углового распределения станций при прочих равных условиях получают больший вес в линейной комбинации, чем данные на близко расположенных друг от друга станциях. Это можно трактовать как постулирование большей информационной ценности изолированных наблюдений и попытку уменьшить степень дублирования информации, получаемой от станций в окрестности данной точки.
Множество вариантов весовых функций как для расчета дистанционных весов, так и для учета углового распределения наблюдений были использованы разными авторами в рамках данного подхода. Мы вычисляли весовые коэффициенты в форме, заимствованной из [11]. Вес для /-й привлекаемой станции определялся в виде (до нормировки):
1 + -
2У
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.