中国东部盛夏大气环流场的聚类分析开题报告

1. 研究目的与意义（文献综述）

1．目的及意义

近年来，地表温度与海洋气温逐渐升高，海平面上升，冰盖消融与冰川退缩速度加快，极端气候事件趋强趋多，由气象灾害造成的经济损失和人员伤亡越来越多。联合国政府间气候变化专门委员会在第五次评估报告中也指出并确认了全球气候系统变暖的事实，全球正面临着严重的气候危机。因此，对未来气候变化做出准确的预测具有十分重要的意义。各国学者对于气候变化与预测的研究越来越多，许多国家都纷纷发展和建立起自己的数值预报模式，中国也于2003年建立起动力季节预报模式，并在实际预报中得到广泛应用。

气候预测主要基于历史气候，以古照今，根据历史气候的演变规律对未来一段时期内气候发展的可能趋势做出预测。气候预测能力的提高，将为气象灾害的防御工作、防灾减灾规划提供有力支持。目前气候预测的方法主要分为统计方法和动力数值预报两种方法，统计方法相对缺乏物理机制但操作简单，动力方法虽然对大尺度大气环流场的预报技巧高，但在温度、降水等区域尺度气候要素的预报水平上不理想，不能很好的满足相关部门实际业务中的需求。因此在实际应用中，通常结合动力和统计方法。 由于区域尺度气象要素变化主要是由大尺度大气环流在不同季节的演变所决定的，随着动力方法的应用越来越多，对未来气候条件下环流模式变化的分析也越来越多。在此背景下，统计历史大气环流场的演变规律，对大气环流场进行环流分型，探讨不同环流型所对应的物理机制，分析不同环流场型下区域气象要素的分布状况，对于结合动力模式输出的环流场做出准确的区域尺度气象预测具有重要意义。 在全球变暖的气候背景之下，高温事件在中国区域响应突出，中国大部分地区升温趋势明显，尤其是中国东部地区盛夏极端高温频繁出现，对自然、社会、经济系统都产生很大影响。而大气环流场的异常通常是造成高温热浪的主要原因，因此对大气环流场进行分型对预测高温热浪具有重要意义。 本研究的主要目的是利用聚类分析方法对中国东部区域盛夏(7月和8月)大尺度大气环流场进行分型。结合历史气象数据，如站点数据和再分析数据集，利用聚类分析方法研究大气环流场的主要模态，进行不同的环流场输入和环流型分类数目对分类结果的敏感性测试，探讨使用于中国东部区域最佳的聚类输入，尝试对不同环流型的物理背景做出解释，统计不同环流型下中国东部温度的分布特点，期望为未来进行季节预测、预测高温热浪日出现的概率和数量做出贡献，为指导人们的生产生活提供帮助。

2. 研究的基本内容与方案

3．研究的基本内容及目标3.1研究的基本目标 基于历史再分析数据集，对中国东部盛夏期间大气环流场进行聚类分析，探讨不同数据集、环流变量、聚类区域大小、聚类数量对聚类结果的影响，找到最合适的聚类输入量。 了解、掌握各环流型的特征模式和出现频率，分析各环流型所蕴含的物理机制，结合各气候系统的对应的气象要素特征，探究分类结果的科学性和可信度。3.2研究的基本内容 依据前人研究以及相关天气学原理，选择合适的环流变量作为输入。针对中国东部区域气候特点，西太平洋副热带高压(western pacific subtropical high, wpsh)对中国东部气温有重要影响，因此选择500毫巴的位势高度场作为k均值聚类分析的输入变量。同时，南亚高压(south asia high，sah)，西风急流(westerly jet，wj)两个系统对中国东部气温也有较大影响，因此在聚类分析时，需同时参考wpsh、sah以及wj三种系统的状态，对应的环流场变量为500毫巴位势高度场、200毫巴位势高度场以及200毫巴纬向风场。 由于聚类区域大小以及聚类数k值大小需要主观确定，需要进行敏感性测试，即针对不同的区域大小和聚类数量比较分析聚类结果年份，以得到一个相对平衡稳定且准确的聚类结果。 在分类的同时，基于厄尔尼诺-南方涛动(el nio-southern oscillation, enso)以及北大西洋涛动(north atlantic oscillation, nao)两种信号，对参与聚类的每一个年份进行归类统计。其中，将当年盛夏的前冬季发生厄尔尼诺(el nio)事件的年份记为post-el nio，发生拉尼娜(la nia)事件的年份记为post- la nia，若既没有发生el nio 事件也没有发生la nia事件，则记为neutral年份。若当年春季三月和四月nao指数的均值大于0时，记为nao正位相，相反则记为nao负位相。据此对每一年份进行气候系统信号归类。 得出聚类结果后，按照各类别在历史年份中出现的频次进行排序，找出较为主要的环流模式，并分析每一类环流型中wpsh、sah、wj三种系统的耦合状况，结合每一类环流所对应的年份进行信号统计，探究分析环流型背后的物理机制。并依据对应的气温数据，统计相应环流型下温度的谱分布，分析不同环流模式下高温的响应特征。4．技术方案 如技术路线图所示，研究的主要使用k均值聚类分析方法，k均值聚类分析在环流分类研究中已经被广泛使用。 首先搜集整理历史环流数据和历年enso、nao指数，对各年的enso信号和nao信号进行标记。 然后利用控制变量法依次将不同的再分析数据集、聚类年限时长、聚类区域尺度大小、是否去线性趋势以及聚类数k值大小作为聚类分析的输入，对聚类结果进行敏感性测试。对由各种输入产生的不同聚类结果进行分析比较，选择出最合适的聚类输入进行聚类分析，以确保最终环流聚类结果具有科学性和可信度。 得到各环流型后，统计各环流型所对应年份的enso、nao标记，按照其频次找出主导enso、nao的信号，并结合wpsh、sah、wj的分布状况探讨其背后物理机制。

最后探讨不同环流型与中国东部盛夏温度的匹配关系。

图1 技术路线图

3. 研究计划与安排

第1-3周 查阅资料和调研，完成开题报告第4周 搜集气象数据和学习使用方法 第5-6周 进行环流场聚类分析 第7-11周 分析各类环流型背后的物理机制 第12-14周 分析各环流型下温度响应第15-16周 毕业设计（论文）撰写、论文修改、准备毕业答辩

4. 参考文献（12篇以上）

[1] Barnston A G, Livezey R E. CLASSIFICATION, SEASONALITY AND PERSISTENCE OF LOW-FREQUENCY ATMOSPHERIC CIRCULATION PATTERNS [J]. Monthly Weather Review, 1987, 115(6): 1083-1126.[2] Davis R E, Kalkstein L S. DEVELOPMENT OF AN AUTOMATED SPATIAL SYNOPTIC CLIMATOLOGICAL CLASSIFICATION [J]. International Journal of Climatology, 1990, 10(8): 769-794.[3] Cavazos T. Using self-organizing maps to investigate extreme climate events: An application to wintertime precipitation in the Balkans [J]. J Clim, 2000, 13(10): 1718-1732.[4] Wang B, Wu R G, Fu X H. Pacific-East Asian teleconnection: how does ENSO affect East Asian climate? [J]. J Clim, 2000, 13(9): 1517-1536.[5] Huth R, Beck C, Philipp A, et al. Classifications of Atmospheric Circulation Patterns Recent Advances and Applications [M]//GIMENO L, GARCIAHERRERA R, TRIGO R M. Trends and Directions in Climate Research. 2008: 105-152.[6] Horton D E, Johnson N C, Singh D, et al. Contribution of changes in atmospheric circulation patterns to extreme temperature trends [J]. Nature, 2015, 522(7557): 465- .[7] Wu L, Wang C. Has the Western Pacific Subtropical High Extended Westward since the Late 1970s? [J]. J Clim, 2015, 28(13): 5406-5413.[8] Beck C, Philipp A, Streicher F. The effect of domain size on the relationship between circulation type classifications and surface climate [J]. International Journal of Climatology, 2016, 36(7): 2692-2709.[9] Gao M, Wang B, Yang J, et al. Are Peak Summer Sultry Heat Wave Days over the Yangtze–Huaihe River Basin Predictable? [J]. J Clim, 2018, 31(6): 2185-2196.[10] Maheras P, Tolika K, Tegoulias I, et al. Comparison of an automated classification system with an empirical classification of circulation patterns over the Pannonian basin, Central Europe [J]. Meteorology and Atmospheric Physics, 2019, 131(4): 739-751.[11] 章基嘉, 孙照渤, 陈松军. 应用K均值聚类法对东亚各自然天气季节500毫巴候平均环流的分型试验 [J]. 气象学报, 1984, (03): 311-319.[12] 孙国武. 亚欧典型热浪过程的大气环流对比分析 [J]. 高原气象, 2007, (03): 503-510.[13] 朱艳峰, 陈德亮, 李维京, et al. Lamb-Jenkinson环流客观分型方法及其在中国的应用 [J]. 南京气象学院学报, 2007, (03): 289-297.[14] 吴夙慧, 成颖, 郑彦宁, et al. K-means算法研究综述 [J]. 现代图书情报技术, 2011, (05): 28-35.[15] 沈永平, 王国亚. IPCC第一工作组第五次评估报告对全球气候变化认知的最新科学要点 [J]. 冰川冻土, 2013, 35(05): 1068-1076.[16] 陈亮, 段建平, 马柱国. 大气环流形势客观分型及其与中国降水的联系 [J]. 地球科学进展, 2018, 33(04): 396-403.[17] 吴胜男, 江志红. 基于自组织映射的长江中下游夏季天气分型及其降水特征 [J]. 气象科学, 2019, 39(05): 588-598.