科研之友
微信
新浪微博
Facebook
分享链接
摘要
慢特征分析（SFA）方法可以从非平稳时间序列中提取出慢变的外强迫信息。近年来，SFA方法被应用于气候变化研究领域，用于探究气候变化的潜在驱动力及相关的动力学机制。本文基于SFA方法，提取全球陆地表面气温（LSAT）的慢变外强迫信息，研究全球LSAT慢变驱动力的空间结构特征及低频变率的主要驱动因子。SFA方法提取的LSAT慢变驱动力与历史时期全球辐射强迫（GRF）和全球海表温度（SST）的主模态（大西洋多年代际振荡AMO、热带太平洋ENSO变率和太平洋年代际振荡PDO）有显著的相关关系，表明全球大部分地区LSAT的变率受到GRF和三个SST模态的显著影响。GRF对LSAT变率的影响有全球一致性的特征，而三个SST模态对LSAT变率的影响则呈现出明显的区域特点。此外，由于SFA方法可以有效降低原始LSAT序列中随机噪声的干扰，GRF和SST模态对LSAT变率的解释方差显著提高，进一步表明GRF和SST模态是全球LSAT低频变率主要的驱动因子。最后，利用历史海温驱动AGCM试验（即AMIP试验）的结果，验证了三个SST模态对区域LSAT变率的显著影响。
- 单位
