2. 南京信息工程大学气象灾害教育部重点实验室/大气科学学院, 江苏 南京 210044;
3. 浙江省气象局, 浙江 杭州 310002
2. Key Laboratory of Meteorological Disaster of Ministry of Education/College of Atmospheric Science, Nanjing University of Information Science&Technology, Nanjing 210044, China;
3. Zhejiang Meteorological Bureau, Hangzhou 310002, China
热带气旋(TC)是形成于热带或副热带温暖洋面,具有暖心低压结构的大气涡旋。虽然发生在海洋上,但其活动范围较广,破坏力强大[1],会带来狂风、暴雨、洪水、大范围停电等事故,造成重大经济损失[2]。北大西洋TC主要影响美国[3]、墨西哥等北美国家。有研究表明,21世纪北大西洋TC年均爆发次数比一个世纪前增加了1倍[4],且TC发生频次增加与全球气候变化有关的海面温度升高和风场改变有密切关系。通常TC形成所需热力条件为局地海表温度(SST)达到26 ℃以上,更有学者研究表明,全球其他海盆的海温可通过遥相关、海气相互作用等机制影响TC的生成,且这部分的影响是不可忽略的[5-8]。也有学者发现,北大西洋热带气旋生成频数(TCGN)与北大西洋局地海表温度异常(SSTA)有密切关系[9-11]。有研究表明未来北大西洋海温的升高将引起TC生成位置显著东移[12]。也有学者发现北大西洋TC与太平洋海温有一定的关系。Schemm等[13]得出当热带太平洋SST呈东太平洋(EP)厄尔尼诺、中太平洋(CP)厄尔尼诺和拉尼娜三种模式下时,北大西洋墨西哥湾区域热带气旋将呈现不同的特点。Klaus等[14]的研究也表明,厄尔尼诺-南方涛动(ENSO)可通过垂直风切变影响北大西洋TC活动,而热带大西洋SST作用却不显著。那么,在全球大背景下,到底哪个海域的SST对北大西洋TC活动影响最为显著?这些海域SST的贡献到底有多大?需要做进一步研究。
传统的多元线性回归分析是基于观测资料诊断得到的结果,只能用于论述变量间的统计联系,并不能说明变量间的物理联系,即谁影响谁的问题。广义平衡反馈分析方法(GEFA)是Liu等[15] 2008年提出的一种方法,用来分离不同海盆对大气的强迫作用。截至目前,利用GEFA得出的研究成果已有很多。国内外学者利用GEFA研究大气位势高度场、美国区域降水、中国冬季气温、夏季降水异常与全球海温强迫的关系[15-18]。也有研究[19-21]去除各海盆海温之间的相互作用,研究西北太平洋热带气旋频数变化对全球海温异常的响应特征,得到一系列结论,证明利用GEFA研究热带气旋频数与海温异常的关系(响应)是可行的。
本文将利用GEFA方法,研究关键海域SSTA对北大西洋TCGN气候变率的定量贡献,诊断其影响北大西洋TCGN变化的大气环境要素,提高对SSTA与北大西洋TCGN气候变率关联的认识。
2 资料与方法 2.1 资料北大西洋TC资料为美国国家飓风中心(National Hurricane Center,NHC)的Best Track Data (HURDAT2)数据,包括TC中心位置和附近最大风速、最低气压,数据时间间隔为6小时。文中所使用的TC数据,皆是以生命史上的最大强度达到热带风暴级别(TS)的热带气旋,第一次达到35 kt时候的数据来计算的。
环境场资料为美国国家预报中心/大气研究中心(NCEP/NCAR)的再分析月平均资料,空间网格分辨率为2.5 °×2.5 °,所用要素包括海平面气压、相对湿度、风场等;海温数据为HadISST OI海温月平均数据,空间网格分辨率为1 °×1 °。所用数据时间序列为1970—2017年,共计48年。
2.2 方法 2.2.1 广义平衡反馈分析方法(GEFA)研究t时刻大气变量(北大西洋TCGN)x和海洋变量(9个海温模态的时间系数)y之间的关系。
y可以表达为:
(1) |
由于可将TCGN看为受到整个海洋不同海区的共同作用,且这个作用由海洋反馈和大气内变化这两部分组成,因此t时刻x可以表达为:
(2) |
其中n(t)为大气内变化,bj为TCGN对第j个海温模态的响应系数,表示下垫面(海温)异常对北大西洋TCGN的独自贡献,即当yj (t)变化为1时x(t)变化。
由于前期下垫面异常不受后期大气影响,因此:
(3) |
用超前海洋与方程(2)两边作协方差,得反馈系数阵:
(4) |
其中Cxy (τ)是x(t)与y (t - τ )的协方差阵,Cyy (τ)为y (t)与y (t - τ)的自协方差阵。τ为大气对下垫面的响应时间,文中取τ=1,即使用6—9月海温作为超前海温。矩阵B即为GEFA的响应系数矩阵。由于使用的是月平均资料,在一个月的时间尺度内,大气对海温异常的响应已达到平衡状态,所以大气与海温的联系看上去是同期的,实际上式(4)反映了大气对海温异常的响应特征。
取9个EOF模态特征代表海洋对大气的强迫场,即
那么式(4)则可写成:
(5) |
为了考虑SSTA模态的作用强度,对比大气对不同EOF模态的敏感响应程度,引入了响应振幅这个变量,
(6) |
这里的
但大气的响应振幅BY除与大气自身的响应特征有关外,还与海温的变化有关。
2.2.2 Monte Carlo检验方法Monte Carlo检验方法适用于大量的、重复的计算。本文主要应用于响应系数检验:把48年的北大西洋TCGN序列随机排序1 000次,将得到的1 000个模拟的响应系数bj ′绝对值从小到大排序,当响应系数bj等于bj ′时,其所在的累积概率即为bj的显著性信度水平。
3 北大西洋TCGN气候特征通过筛选、计算,得到1970—2017年北大西洋TCGN月变化序列(图 1),发现TCGN最高的月份为9月(3.8个/年),最低为2、3月(0个/年),且夏秋两季的TCGN明显多于冬春两季。7—10月TCGN占全年TCGN的85.2%。
北大西洋TC的生成位置也有明显的季节变化特征(图 2,见下页)。7月TC生成位置主要分布在北大西洋西部美国东部沿岸以及墨西哥湾地区,8、9月TCGN明显增多,且除原本北大西洋西部和墨西哥湾外,在70~20 °W,10~20 °N区域内也形成一带状密集区域。且在10 °N以南、50 °N以北,无TC生成。图 2b表明北大西洋7—10月TC生成集中在三部分:墨西哥湾地区、80~60 °W,20~40 °N、70~20 °W,10~20 °N。方差场和气候场特征相似(图 2c)。
挑选北大西洋7—10月(JASO)热带气旋,得出其时间变化序列(图 3,见下页)。北大西洋年均生成TC 10.2个,其中TCGN最多的年份为2005年(23个),其次为1995年(18个),最少的年份为1986年(仅为3个),且1995年前TC年均生成8个,1995年后达到12.6个,前后差异通过0.01显著性检验。因此1995年为北大西洋TC活跃度的转折点,1995年后进入更活跃阶段[22-23]。另有研究表明,热带其他区域海盆海温可以通过垂直环流影响北大西洋TCGN[24]。
为了更加准确地研究北大西洋TCGN与全球SST之间的关系,分别剔除TCGN与全球SST的线性趋势,得到1970—2017年JASO四个月的TCGN与全球同期SSTA的相关分布(图 4),阴影为通过0.05显著性检验的区域。图中与北大西洋TCGN有显著的负相关的地区有北大西洋中纬度、热带印度洋、中东太平洋地区,正相关地区则位于热带大西洋、北太平洋和西南太平洋。相关分析中将各个格点的SSTA看作是相互独立,然而实际上它们之间可能存在着某种联系。因此相关方法无法准确分离得出不同海区对北大西洋TCGN的各自贡献。但是相关分析的结果可以为GEFA诊断的海盆范围的选取提供依据。根据相关显著区域选取三个非重叠的子海区,分别为:太平洋(P,110 °E~80 °W,40 °S~40 °N)、热带印度洋(TI,35~110 °E,40 °S~20 °N)、北大西洋(NA,80 °W~0 °,0~60 °N)。对这三个海区JASO四个月SSTA进行EOF分解,将三个海盆SSTA EOF前三个主模态(即9个模态)作为下垫面的强迫场。
图 5、图 6给出三个海区的EOF前三模态的空间分布及其时间主分量序列,各海盆的前三模态的累计方差贡献率都超过了50%(表 1),能较好地描述各个海盆的海温特征。其中太平洋第一空间模态(简称P1)中赤道中东太平洋呈现海温负距平,Wang等[25]2013年定义了mega-ENSO指数,经计算发现P1时间系数(图 6a)与该指数有较高相关性,通过0.01显著性检验,因此称P1为megaENSO式模态;第二模态(简称P2)的海温异常分布呈太平洋东西向偶极型,即经向模态;第三模态(简称P3)的正值区位于赤道中太平洋地区。热带印度洋第一空间模态(简称TI1)为90 °E以西为大范围正值区,海温一致偏暖;第二模态(简称TI2)为海温南北向的反位相分布;第三模态(简称TI3)为海温东西向的反位相分布,对应经向模态。北大西洋第一空间模态(简称NA1)对应的是热带和中高纬度为正异常,副热带为负异常的三极型模态;第二模态(简称NA2)为偶极子型;第三模态(简称NA3)对应北大西洋湾流区一致海温偏高。
以此9个EOF空间模态的时间系数作为各个海区的强迫场,即为Yt,以1970—2017年北大西洋JASO的TCGN作为大气响应场为Xt,根据广义平衡反馈方法的公式计算响应系数,利用公式(4)、(6),乘以各自的标准差,得到北大西洋JASO TCGN对3个海盆、9个EOF模态的响应振幅的估计值。另外分别求出EOF空间模态对应的时间系数和北大西洋JASO TCGN的年际变率、年代际变率,分别进行GEFA分析,得到北大西洋JASO TCGN的年际变率、年代际变率对3个海盆、9个EOF模态的响应振幅的估计值,并用Monte Carlo方法检验响应的显著性。这里的气候变率为原始TCGN去除线性趋势后所得;年际时间尺度为原始TCGN去除线性趋势和年代际变率(高斯滤波去除7年以下的信号)后得到的;年代际时间尺度即由去除线性趋势的TCGN序列减去年际序列所得。SSTA序列做相同处理。
图 7为利用GEFA计算出的北大西洋JASO TCGN气候变率、年际变率、年代际变率对9个SSTA EOF主模态(图 5)的响应振幅,反映的是SSTA EOF主模态时间系数上升一个标准差时,北大西洋JASO TCGN的变化值。图 7中柱状旁边标记的数值为蒙特卡洛检验值,代表信度级别。正的响应振幅表示当SSTA模态正位相时TCGN将会增加。1970—2017年北大西洋TCGN气候变率特征对NA1三极型模态和P1 mega-ENSO式模态有显著响应,分别通过0.01和0.07的MonteCarlo检验,对应的响应振幅是0.45和-0.28,即北大西洋SSTA有NA1三极型模态正位相强迫,太平洋海温有P1 mega-ENSO式反位相强迫时,北大西洋TCGN增加。且当NA1对应的时间主分量上升1个标准差时,北大西洋TC增加0.45个,P1对应的时间主分量上升1个标准差时,北大西洋TC减少0.28个。
表 2为SSTA EOF主模态响应值对北大西洋TCGN气候变率、年际变率、年代际变率的方差贡献。对于TCGN气候变率来说,SSTA主模态响应值方差贡献最大的是NA1为23.51%(响应振幅通过0.01显著性检验,图 7),其次是NA3为8.21%(响应振幅通过0.06显著性检验,图 7)和P1为7.71%,北大西洋三个模态方差贡献达到31.73%,大于太平洋和热带印度洋的方差贡献。对于TCGN年代际变率来说,SSTA主模态响应值方差贡献最大的是NA1为22.94%(响应振幅通过0.01显著性检验,图 7),其次是P1为14.29%(响应振幅通过0.07显著性检验,图 7)。而与气候变率、年代际变率不同的是,对于年际变率,无显著响应的海盆,方差贡献最大的是NA3为7.93%。因此三个海盆海温主模态对TCGN年际变率无显著作用。且NA1、P1对1995年后的TCGN异常增加的贡献分别为27%、45%。
许多研究表明,TCGN气候变率决定于局地环境要素的变化。局地对TC生成有一定的影响[26-28]。SSTA除了直接影响TCGN的变化外,还通过影响大气环境要素来调制TC的生成,其他海域的SSTA也可通过遥相关影响局地大气环境,进而调制TC的生成。研究已表明,850 hPa相对涡度、200~850 hPa的垂直风切变、600 hPa相对湿度、500~925 hPa假相当位温的垂直梯度等都是影响TC生成的环境要素[29]。本研究从上述几个要素入手,以9个海温模态为强迫场,各种环境要素场为响应场进行GEFA分析。为利于分析,将海温位相处理为有利于TC生成的位相。
图 8为NA1的各环境要素场响应振幅。图 8a中850 hPa相对涡度对NA1的响应场上在美国东部沿海和墨西哥湾地区有显著正响应区。正的涡度为TC生成提供有利的动力条件,使地转气流更加容易辐合,从而逐渐形成为强大的逆时针旋转的水平涡流。因此当NA1对应的时间系数上升时,会使美国东部沿海和墨西哥湾地区有正的相对涡度响应,为TC生成提供有利的动力因子。
图 8b中200~850 hPa的垂直风切变响应对NA1的显著负响应区域集中在10~20 °N。研究表明弱的垂直风切变也是热带气旋能够产生的几个条件之一。环境垂直风切变小,TC发生密集,反之亦然。较弱的垂直风切变有利于TC的发生发展以及自身结构的维持[30]。有研究表明,在全球变暖的背景下,纬向风则成为能反映TCGN的更有用的指标。这可能是因为支持对流的海表温度阈值已经基本达到,低空风强度的任何增强或减弱都会改变切变[31]。与低层相对涡度不同的是,垂直风切变只对低纬度的TC生成起显著作用。当NA1对应的时间系数上升时,会使北大西洋低纬度地区的垂直风切变减小,且响应振幅最大为1.2 m/s,这也是利于TC维持的动力因子。
600 hPa相对湿度(图 8c)是影响TC生成的一个重要的热力因子。图中NA1在北大西洋中纬度地区有正值响应带。相对湿度较大时,湿润的空气将有利于深层对流的发展,利于TC的生成。当NA1对应的时间系数上升时,会使北大西洋中低纬地区相对600 hPa相对湿度增加。
500~925 hPa假相当位温的垂直梯度(图 8d)可以用来表征TC发生区域的稳定度条件,负的位温垂直梯度有利于不稳定运动的发展,有利于TC的生成。NA1的显著负响应区在30 °N以南,且在南美洲北侧和北非西北侧。
四个环境要素中,相比之下850 hPa相对涡度对NA1的响应作用并不是特别明显,另外三个环境要素场的显著响应区与TC生成位置高值区对应情况较好。
而各环境要素场对P1的显著作用区和NA1有着很大的不同。图 9a中850 hPa相对涡度的显著正响应区位于10~20 °N之间,包括墨西哥湾地区,皆对应TC生成位置的密集区。图 9b中200~ 850 hPa的垂直风切变的负响应区域集中在20 °N以南地区,尤其是加勒比海地区。600 hPa相对湿度响应振幅中(图 9c),显著正响应区域也位于加勒比海,且P1响应振幅(1.5%)略大于NA1(0.9%)。500~925 hPa假相当位温的垂直梯度(图 9d)P1显著区域位于20 °N附近的北大西洋中部。
几个要素显著区域大多与TC生成位置高频区相对应(图 2c)。因此当NA1(P1)对应的时间系数上升(下降)时,对于850 hPa相对涡度、200~ 850 hPa的垂直风切变、600 hPa相对湿度、500~ 925 hPa假相当位温垂直梯度来说,在大西洋中低纬地区会有利于TC生成的热力动力因子响应。且P1的响应显著区域偏西偏南,NA1的响应显著区域则偏北偏东。
6 结论与讨论北大西洋TCGN有明显的年代际和季节特征。年生成个数为10.2个,1970—2017年间,TCGN最高的年份为2005年,最低的为1986年。且1995年前后北大西洋热带气旋活跃度的转折点,9月TCGN最高,2、3月为0。生成位置也有明显季节变化特征,除10 °N以南、50 °N以北无TC生成外,且随着季节推移,生成密集区向低纬度倾斜。且TC密集区可以分为三部分:墨西哥湾地区、80~60 °W,20~40 °N、70~20 °W,10~20 °N。
GEFA结果显示:北大西洋TCGN的气候变率对北大西洋三极型模态(NA1)和太平洋megaENSO式模态(P1)具有显著的响应,对应的响应振幅分别为0.45和-0.28,即当NA1(P1)对应时间系数增加(下降)1个标准差时,北大西洋TC将增加0.45(0.28)个。因此,对于北大西洋TC来说,北大西洋自身的SSTA对TC生成作用最为显著,这是与西北太平洋完全不同的。
对于北大西洋TCGN气候变率、年际变率、年代际变率来说,NA1和P1对TCGN气候变率和年代际变率有显著响应,且对TCGN的方差贡献值大于其他模态。但是三个海盆海温主模态对TCGN年际变率无显著作用。
局地环境场要素的GEFA结果显示:从量级上看,各环境要素场对P1的响应振幅要略大于NA1,即说明当P1和NA1的时间系数同时变化1个标准差,局地环境要素场将对P1的响应值要大于对NA1的响应值。且当NA1(P1)对应时间系数增加(下降)1个标准差时,对于850 hPa相对涡度和200~850 hPa垂直风切变、600 hPa相对湿度和500~925 hPa假相当位温来说,可对应TC生成三个密集区,为TC生成提供有利的动力和热力场,且垂直风切变、600 hPa相对湿度对低纬度的TC生成更为明显。且P1的响应显著区域偏西偏南,NA1的响应显著区域则偏北偏东。
NA1作为北大西洋局地海温强迫,对TC生成的影响较为直接。但是P1的mega-ENSO式是如何通过大尺度环流场影响北大西洋TC,其机制还需进一步研究。
[1] |
马超, 王兆隆, 赵文虎, 等. 北大西洋热带气旋路径预报的难度变化分析[J]. 解放军理工大学学报(自然科学版), 2015, 16(3): 273-280. |
[2] |
李永平, 陈晶茹. 美国飓风破坏力为何如此巨大[J]. 生命与灾害, 2012(11): 4-7. |
[3] |
DAILEY P S, ZUBA G, LJUNG G, et al. On the Relationship between North Atlantic sea surface temperatures and U.S. hurricane landfall risk[J]. J Appl Meteor Climat, 2009, 48(1): 111-129. DOI:10.1175/2008JAMC1871.1 |
[4] |
陆奕年. 近100年大西洋飓风发生频次加倍[J]. 气象科技, 2007, 35(5): 735-735. |
[5] |
丁一汇, E.R.莱特. 影响北大西洋飓风形成的大尺度环流条件[J]. 海洋学报:中文版, 1984, 6(3): 33-45. |
[6] |
龚道溢, 周天军, 王绍武. 北大西洋涛动变率研究进展[J]. 地球科学进展, 2001, 16(3): 413-420. DOI:10.3321/j.issn:1001-8166.2001.03.018 |
[7] |
CAYAN D R. Latent and sensible heat flux anomalies over the Northern Oceans:The connection to monthly atmospheric circulation[J]. J Climate, 1992, 5(4): 354-370. DOI:10.1175/1520-0442(1992)005<0354:LASHFA>2.0.CO;2 |
[8] |
ELSNER J B, KOCHER B. Global tropical cyclone activity:A link to the North Atlantic Oscillation[J]. Geophy Res Lett, 2000, 27(1): 129-132. DOI:10.1029/1999GL010893 |
[9] |
WANG R, WU L. Climate changes of Atlantic tropical cyclone formation derived from twentieth-century reanalysis[J]. J Climate, 2013, 26(22): 8995-9005. DOI:10.1175/JCLI-D-13-00056.1 |
[10] |
VECCHI G A, KNUTSON T R. On estimates of historical North Atlantic tropical cyclone activity[J]. J Climate, 2008, 21(14): 3580-3600. DOI:10.1175/2008JCLI2178.1 |
[11] |
HOLLAND G J, WEBSTER P J. Heightened tropical cyclone activity in the North Atlantic:natural variability or climate trend?[J]. Philosophical Transactions of the Royal Society A:Mathematical, Physical and Engineering Sciences, 2007, 365(1860): 2695-2716. DOI:10.1098/rsta.2007.2083 |
[12] |
MURAKAMI H, WANG B. Future Change of North Atlantic Tropical Cyclone Tracks:Projection by a 20-km-Mesh Global Atmospheric Model[J]. J Climate, 2010, 23(10): 2699-2721. DOI:10.1175/2010JCLI3338.1 |
[13] |
SCHEMM S, CIASTO L M, LI C, et al. Influence of Tropical Pacific Sea Surface Temperature on the Genesis of Gulf Stream Cyclones[J]. J the Atmos Sci, 2016, 73(10): 4203-4214. DOI:10.1175/JAS-D-16-0072.1 |
[14] |
ARPE K, LEROY S A G. Atlantic hurricanes-Testing impacts of local SSTs, ENSO, stratospheric QBO-Implications for global warming[J]. Quaternary International, 2009, 195(1-2): 0-14. |
[15] |
LIU Z, WEN N, LIU Y. On the assessment of nonlocal climate feedback. Part I:The generalized equilibrium feedback assessment[J]. J Climate, 2008, 21(1): 134-148. DOI:10.1175/2007JCLI1826.1 |
[16] |
WEN N, LIU Z, LIU Q, et al. Observed atmospheric responses to global SST variability modes:A unified assessment using GEFA[J]. J Climate, 2010, 23(7): 1739-1759. DOI:10.1175/2009JCLI3027.1 |
[17] |
江志红, 吴燕珠, 刘征宇, 等. 基于广义平衡反馈方法的2009/2010年中国冬季气温异常型的诊断[J]. 热带气象学报, 2013, 29(1): 28-36. DOI:10.3969/j.issn.1004-4965.2013.01.004 |
[18] |
李淑娟, 余锦华. 中国东部夏季分区降水对海温异常响应特征的研究[J]. 气象科学, 2015, 35(1): 44-51. |
[19] |
YU J. Contribution of major SSTA modes to the climate variability of tropical cyclone genesis frequency over the Western North Pacific[C]//AGU Fall Meeting, 2016.
|
[20] |
赵晓彤.西北太平洋热带气旋生成频数变化对海温异常响应特征的研究[D].南京: 南京信息工程大学, 2015.
|
[21] |
余锦华, 张晨, 方珂, 等. 海温异常模之线性相互作用及其对西北太平洋热带气旋生成频数变化的影响[J]. 热带气象学报, 2016, 32(3): 289-298. |
[22] |
LANDSEA C W. Downwaed trends in the frequency of intense Atlantic hurricanes during the past five dacades[J]. Geophy Res Lett, 2013, 23(13): 1697-1700. |
[23] |
ELSNER J B, JAGGER T, Niu X F. Changes in the rates of North Atlantic major hurricane activity during the 20th century[J]. Geophy Res Lett, 2000, 27(12): 1743-1746. DOI:10.1029/2000GL011453 |
[24] |
ZHAO H, DUAN X, RAGA G B, et al. Potential large-Scale forcing mechanisms driving enhanced north Atlantic tropical cyclone activity since the Mid-1990s[J]. J Climate, 2018, 31(4): 1377-1397. DOI:10.1175/JCLI-D-17-0016.1 |
[25] |
WU Z, ZHANG P. Interdecadal variability of the mega-ENSO-NAO synchronization in winter[J]. Climate Dyn, 2015, 45(3-4): 1117-1128. DOI:10.1007/s00382-014-2361-8 |
[26] |
余丹丹, 张韧, 李荔珊, 等. 2010年和1998年西北太平洋热带气旋频数异常与东亚夏季风系统的关联性分析[J]. 大气科学学报, 2015, 38(1): 19-26. |
[27] |
杜予罡, 储惠芸. 环境因子对西北太平洋热带气旋气候特征的影响[J]. 南京大学学报(自然科学), 2010, 46(3): 254-260. |
[28] |
白莉娜, 何敏, 王元, 等. 西北太平洋风速垂直切变异常对热带气旋活动年际变化的影响[J]. 气象学报, 2010, 68(6): 877-884. |
[29] |
PENG M S, FU B, LI T, et al. Developing versus nondeveloping disturbances for tropical cyclone formation.Part I:North atlantic[J]. Mon Wea Rev, 2012, 140(4): 1047-1066. DOI:10.1175/2011MWR3617.1 |
[30] |
苏丽欣, 周锁铨, 吴战平, 等. 西北太平洋热带气旋强度与环境气流切变关系的气候分析[J]. 气象科技, 2008, 36(5): 561-566. DOI:10.3969/j.issn.1671-6345.2008.05.010 |
[31] |
JONES J J, STEPHENSON T S, Taylor M A, et al. Statistical downscaling of North Atlantic tropical cyclone frequency and the amplified role of the Caribbean low-level jet in a warmer climate[J]. J Geophy Res, 2016, 121(8): 3741-3758. |