杨　萍，侯　威，颜鹏程

(1.中国气象局气象干部培训学院，北京，100081；2. 国家气候中心，北京，100081；3.中国气象局兰州干旱气象研究所，甘肃 兰州，730020)



亚洲季风区过去700年来夏季极端干/湿事件多尺度变化特征分析

杨萍1，侯威2，颜鹏程3

(1.中国气象局气象干部培训学院，北京，100081；2. 国家气候中心，北京，100081；3.中国气象局兰州干旱气象研究所，甘肃 兰州，730020)

长期器测数据的缺乏妨碍了对亚洲季风较长历史时期的时空变化特征及对这一变化背后的驱动因子的深入研究，Monsoon Asia Drought Atlas(MADA)资料是根据亚洲季风区内300多个不同地点的树木年轮而测定的一个历时700年(1300-2005年)的在整个亚洲范围内的季风变化记录。利用MADA资料中504个格点逐年夏季的帕尔马干旱指数(Palmer Drought Severity Index,PDSI)，以5年为一个间隔得到1300-2005年夏季整个区域内处于极端湿润、严重湿润、极端干旱和严重干旱等级格点数的变化序列，分析了各序列的整体变化特征；针对气候系统的非线性/非平稳性和气候层次理论，采用集合经验模态分解(Ensemble empirical mode decomposition, EEMD)方法对亚洲季风区过去700年来的极端干/湿事件进行多尺度分析，求出各个序列的本征模态分量(IMF)，分析了各IMF分量的方差贡献率，并对各个IMF分量进行了显著性检验；基于不同时间尺度的IMF分量，分析了亚洲季风区过去700年来极端和严重等级干湿状态在不同时间尺度的振荡变化特征，以及各个IMF分量的振荡对整个亚洲季风区干湿变化的影响作用。

亚洲季风区；极端干/湿事件；气候变化；集合经验模态分解

近几十年极端气候事件及月季尺度的气候变化等方面已有大量的成果，但是对于年代际、世纪等更长尺度的气候变化，由于研究方法的限制以及资料的不确定性等尚不能得到完全可信的结果。气候系统是非线性复杂系统，除了具有非线性/非平稳性，还有多时空尺度构成的多层次结构，不同层次的气候具有不同的可预报性和稳定性[1-2]，这种多层次结构正是导致其非平稳行为的重要原因之一。

近1 000年来的气候变化是现代器测资料衔接过去代用指标序列的关键时段[3]，是当前全球变化研究的热点。其中，揭示亚洲季风变化而导致的极端旱涝事件的时空特征迫切需要大尺度空间上分辨率较高的长期数据。Edward Cook等[4]测定的全亚洲范围内700年季风变化记录，被称为Monsoon Asia Drought Atlas(MADA)。MADA资料是亚洲季风区旱涝事件季节尺度的格点化重构数据，证明季风地区的干旱和潮湿在空间上是异质性的，并涵盖了过去1 000年中的3个关键性气候事件。有研究认为可将MADA资料与其他相关的气候记录进行比较，并可将MADA用于对海洋表面温度的模式与季风降雨量的比较，用于改善对全球或区域气候模型的设计[5-6]。

我国位于东亚季风区，干旱、半干旱地区约占全国总面积的47%，相关自然灾害的特征研究已有很多[7-10]，由于缺乏长期的器测数据，对亚洲季风长时间尺度的时空变化特征及其驱动因子了解不够。MADA资料揭示了亚洲季风时空变化的细节特征，提供了过去亚洲季风区干旱的发生、严重程度及时空演变特征，有助于对亚洲季风区的气候进行模拟、预测和评估。

集合经验模态分解(EEMD)方法改进了经验模态分解(EMD)的“模态(尺度)混合”问题[11-14]。近年来，国内已有学者应用EEMD方法开展了有关气候变化的研究工作[15-17]。亚洲季风区过去700年来极端和严重等级干湿状态变化的多时间尺度及其演变特征，以及不同尺度的振荡对亚洲季风区干湿变化的贡献如何等是本文研究的重要问题。围绕上述问题，本文将基于MADA资料，借助EEMD方法，从气候时间序列中提取气候信号中各个尺度的变化，对亚洲季风区过去700年来的干湿状态进行多尺度分析，以期揭示其不同时间尺度的振荡模态结构特征。

1　数据和方法

Edward Cook等[4]使用亚洲季风区300多个地点的树木年轮资料，通过Dai等[18-19]提出的全球陆地干湿状态的格点化方案，重构了过去7个世纪的亚洲季风区逐年夏季(6-8月)的帕尔马干旱指数(Palmer Drought Severity Index,PDSI)，用以反映过去700年(1300-2005年)整个亚洲范围内的季风变化记录。图1给出了重构得到的夏季PDSI指数的和用以重构的327个树木年轮数据的采样点位置[4,18-20]。相对于PDSI指数格点，树木年轮数据的采样点并不规则，而且也没有完全覆盖重构区域，但通过使用E.R.Cook等提出的关联加权且集成化的逐点回归修订方案[18,21]，使重构数据具有较高的精度水平[18]。本文选取重构区域内1300-2005年534个格点中无缺测的504个格点逐年夏季PDSI指数数据。PDSI指数由Palmer首先定义并使用[22-24]，其干湿等级规则如表1所示。

图1　PDSI指数534个格点(红点)和树木年轮327个采样点(绿点)的位置

指数值等级等级值指数值等级等级值≥4.00极端湿润1-1.00～-1.99轻微干旱73.00～3.99严重湿润2-2.00～-2.99中等干旱82.00～2.99中等湿润3-3.00～-3.99严重干旱91.00～1.99轻微湿润5≤-4.00极端干旱100.99～-0.99正常6

遵循表1的划分规则，对区域内无缺测的504个格点1300-2005年逐年夏季PDSI指数进行干湿等级划分。以5年为一间隔，得到1300-2005年夏季全区处于极端湿润、严重湿润、极端干旱和严重干旱等级的格点数的变化序列，这一序列代表了区域内每5年夏季极端或严重等级干湿事件的强弱程度。当某一时期极端或严重等级干湿事件的发生范围越大，则该时期相应等级干湿事件的强度则越强，反之亦然。再利用集合经验模态分解(EEMD)方法对极端或严重干湿等级格点数的变化序列进行分解，提取出不同的周期性信号和变化趋势，分析气候的周期性变率对气候变化的影响。

经验模分解(EMD)方法是一种适合于处理非平稳数据序列的方法，它将信号中不同尺度的波动和趋势逐级分解开来，形成一系列具有不同特征尺度的数据序列，每一个序列称为一个内在模函数(Intrinsicmode function, IMF)分量，最低频率的IMF分量代表原始信号的总趋势或均值的时间序列。集合经验模态分解(EEMD)方法是经验模分解(EMD)方法[25-27]的改进，其思想是利用白噪声具有频率均匀分布的统计特性，当信号加入高斯白噪声后，将使信号在不同尺度上具有连续性，改变了信号极值点的特性，促进抗混分解。

EEMD分解步骤如下：在原始信号x(t)中多次加入等长度的正态分布的白噪声ni(t)，即

xi(t)=x(t)+ni(t)，

(1)

式中：xi(t)为第i次加入白噪声后的信号。再对xi(t)进行EMD分解，得到IMF分量Cij(t)和余项ri(t)，其中Cij(t)表示第Cij(t)次加入白噪声后分解所得的第j个IMF分量。利用不相关随机序列的统计均值为零的原理，将各分量Cij(t)进行整体平均以抵消多次加入白噪声对真实IMF的影响，最终EEMD分解结果为：

(2)

式中：N为添加白噪声序列的数目，文献[11]指出白噪声对分析信号的影响遵循如下的统计规律：

(3)

式中：e为标准离差，即输入信号与相应IMF分量重构结果的偏离，a为白噪声幅值。EEMD的应用的一大特点是可以不依赖人的主观介入，仍具有自适应性。同时，EEMD可借助于白噪声的集合扰动进行显著性检验，从而给出各个IMF的信度[28]。

本文在对处于不同干湿等级的格点数的逐年变化序列进行EEMD分解时，用于集合分解的扰动白噪声与原始信号的信噪比为0.3，集合样本数取为1 000；另外，对EEMD分解得到的各个IMF进行了显著性检验。镜像对称延伸方法[29]能比较好地解决边界对于EEMD分解过程中的上冲和下冲现象，本文采用该方法来处理EEMD分解过程中的边界问题。

2　极端干/湿事件整体演变特征

图2a显示，近700年来亚洲季风区夏季极端或严重湿润状态强弱程度的变化十分类似，自小冰期以来，二者均具有偏弱(1300-16世纪中期)→偏强(16世纪中期-17世纪初)→偏弱(17世纪初-18世纪初)→偏强(18世纪初-19世纪初)→偏弱(19世纪初-19世纪末)→偏强(19世纪末-2005年)的演变过程；自19世纪末以来，极端或严重湿润状态的强弱程度一直处于持续快速增强的阶段，只在20世纪50年末之后稍有下降，但仍远强于19世纪末之前。近700年来亚洲季风区夏季极端或严重干旱状态强弱程度的变化也具有较好的一致性(图2b)，二者从15世纪初-17世纪末保持较稳定波动变化；19世纪中期后一直处于持续增强的阶段。将四者进行对比，极端和严重湿事件在16世纪中期至19世纪中期表现出较强的起始波峰中间波谷的振荡，而极端和严重干事件在几乎整个小冰期内则一直保持较平稳变化，但在17世纪末至19世纪中期，仍轻微表现出和极端和严重湿事件相反的变化特征；在从小冰期末开始，极端和严重干湿事件都表现出上升趋势，尤其在20世纪30年代之后上升更加显著，这一时期内亚洲季风区极端干/湿事件都在频繁发生，超过自小冰期以来的任何历史时期。此外，在小冰期开始时，极端和严重干湿事件的格点数大致相当，而从19世纪中后期开始，极端和严重干事件的格点数开始逐渐远多于极端和严重湿事件，说明自小冰期结束后，亚洲季风区整体偏旱。

图2　近700年来亚洲季风区夏季极端干湿时间的变化

3　亚洲季风区过去700年来夏季极端湿和严重湿事件的多尺度分析

图3(a1)是1300-2005年亚洲季风区处于极端湿润序列，图3(a1～a8)为得到的7个IMF分量(IMF1-7)和趋势分量(RES)。图3(b1)是1300-2005年亚洲季风区处于严重湿润序列，图3(b1-b8)为得到的7个IMF分量(IMF1-7)和趋势分量(RES)。各个IMF分量依次反映了从高频到低频不同时间尺度的波动特征，最后所得趋势项表示原数据总体随时间变化的趋势。

图3中每个IMF分量信号的波动具有相对稳定的准周期性，相同时段内的不同时间尺度呈现非均匀振荡，这反映了大气内部动力过程和外部强迫共同作用的非线性。求取平均周期，并用方差贡献率表示每种尺度信号波动频率和振幅对原数据总体特征的影响程度。表2给出了不同尺度IMF分量所表征的不同时间尺度波动的平均周期，每一个IMF分量只是窄波段的信号。同一个时间段、不同IMF分量却不会包含同一个尺度的波动信号[30]。分析图3(a1～a6)和图3(b1～b6)中的12个IMF分量，在年代际尺度，极端湿润和严重湿润分别具有准15年(IMF1)、准25年和准30年(IMF2)、准60年和准50年(IMF3)的气候变率；在世纪尺度，极端湿润和严重湿润都具有准155年和准100年(IMF4)、准250年和准200年(IMF5)、准650年和准671年(IMF6)的气候变率；其中，IMF6分量包含了显著的北半球小冰期过程。

图3　1300-2005年亚洲季风区夏季处于极端和严重湿润等级格点数变化序列及其各IMF分量

图4　1300-2005年处于极端(a)和严重(b)湿润等级格点数的各IMF分量信号的显著性检验

分解得到的各IMF分量是属于单纯噪音还是原始序列中有物理意义的分量，可通过显著性检验来判断[12]。通过分析各IMF分量的能量谱密度-周期的分布判断其属性来选取IMF分量。第k个IMF分量的能量谱密度为：

(4)

(5)

(6)

式中：α为显著性水平。如图4所示，分别取显著性水平α=0.05、α=0.10、α=0.80和α=0.50。位于置信度曲线以上的IMF分量表明其通过显著性检验，可认为是在所选置信水平范围内包含了具有实际物理意义的信息；若分解所得IMF的能量相对于周期分布位于置信区间上下界以内，则认为未通过显著性检验，其所含信息多为白噪声成分。图4中越靠左的IMF分量，表示频率越高，周期越小。纵轴为IMF分量具有的能量谱密度，越靠上方表示IMF分量具有的能量越高，振幅越大。由图4可知，对于极端湿润事件的格点数序列，IMF4落在95%置信区以上，说明IMF4分量最为显著，包含具有实际物理意义信息最多；IMF1和IMF6落在90%～95%置信区之间，所包含的具有实际物理意义的信息也较多；而IMF3、IMF5和IMF2置信度较差，落在50%～80%置信区之间，说明其能量分布与噪音相似，将不作分析。对于严重湿润事件的格点数序列，IMF1分量落在95%置信区以上；IMF6落在90%～95%置信区之间；而IMF2、IMF5、IMF3和IMF4置信度较差，落在50%置信区之外，也不再分析。

表2给出了各分量的方差贡献率，为了保持信号的总能量，落在白噪声显著区间内的个别IMF尽管未通过显著性检验，但它们也参与了方差贡献率的计算。结合图3和表2，对于极端湿润事件的格点数而言，IMF1(图3(a1))表示的14年准周期贡献率最大，达到41.3%，振荡信号十分明显，除1919-1979年振幅较大外，其余时期振幅均较小；IMF4(图3(a5))表示的155年准周期方差贡献率为9.8%，其在1 500年之前振幅较小，之后振幅较大；图3(a7)中IMF6分量表示的650年准周期贡献率为2.4%，显示极端湿润状态在小冰期持续期间(1300-1704年)偏强，在1705-1974年偏弱，自1975年之后则再次偏强，其中，极端湿润状态在1539年之前一直增强，1540-1864年不断减弱，自1865年开始，极端湿润状态开始进入持续增强的阶段；趋势分量(图3(a8))的方差贡献率达18.5%，从图3(a8)可以看出，自1300-1554年极端湿润状态明显减弱，而自1555年开始，极端湿润状态显著增强。

表2　1300-2005年极端和严重湿润等级格点数逐年变化序列各分量的方差贡献率

对于严重湿润事件的格点数而言，IMF1(图3(b1))表示的15年准周期贡献率最大(50.5%)，是主周期，其振幅在1379-1459年和1949-2005年较大，其余时期振幅均较小；IMF6(图3(b7))表示的671年准周期方差贡献率为4.0%，IMF6显示严重湿润状态在1300-1679年偏强，1985年之后则再次偏强；趋势分量(图3(b8))方差贡献率也较大，为14.1%，从趋势变化可以看出，自1300-1564年严重湿润状态明显减弱，而自1565年开始，严重湿润状态显著增强。

上述分析表明，近700年来亚洲季风区夏季极端或严重湿润状态的强弱程度存在显著的年代际尺度15年准周期变化、百年尺度的155年准周期变化、近千年尺度的650年准周期变化和更大尺度上的趋势变化。其中，近千年尺度的650年准周期变化和更大尺度上的趋势变化提供了极端或严重湿润状态自19世纪中期以来的快速增强的大尺度气候趋势背景；二者在小冰期持续期间均经历了偏强→偏弱的变化过程，在20世纪70年代末至80年代初又几乎同时进入偏弱→偏强的时期，可以认为20世纪70年代末至80年代初是650年准周期变化另一个正位相时期的开始；在更大的时间尺度上，二者在16世纪中期之前处于持续减弱的状态，之后则开始持续增强。

结合图2的分析结果，可认为在16世纪中期之前，趋势变化起关键影响作用；而之后从16世纪中期至19世纪中期，主要是650年准周期变化和155年准周期变化影响较大，其中155年准周期变化提供了二者自16世纪中期以来在百年尺度上波动变化的气候振荡背景，650年准周期变化则体现了这一期间的整体下降趋势；自19世纪中期开始的快速上升则是155年准周期变化、650年准周期变化和趋势变化共同影响的结果，而155年准周期变化依然得到了很好的体现，图2中二者20世纪50年末之后的轻微下降趋势可以认为是155年准周期变化另一个负位相的开始。同时，在自19世纪中期开始的快速上升期，二者在15年准周期尺度上的振幅变化达到最大。

4　亚洲季风区过去700年来夏季极端干和严重干事件的多尺度分析

图5(a1)是1300-2005年亚洲季风区处于极端干旱序列，图5(a1～a8)为得到的7个IMF分量(IMF1～7)和趋势分量(RES)。图5(b1)是1300-2005年亚洲季风区处于严重干旱序列，图5(b1～b8)为得到的7个IMF分量(IMF1～7)和趋势分量(RES)。表3给出了不同尺度IMF分量所表征的不同时间尺度波动的平均周期，对于图5(a1～a6)和图5(b1～b6)中的12个IMF分量，在年代际尺度，极端干旱和严重干旱分别具有准14年(IMF1)、准30年(IMF2)、准54年和准64年(IMF3)的气候变率；在世纪尺度，极端干旱和严重干旱都具有准137年和准140年(IMF4)、准310年(IMF5)、准600年和准650年(IMF6)的气候变率；同样，IMF6分量包含了显著的北半球小冰期过程。

对各分量进行显著性检验(图6)发现，对极端干旱事件的格点数来说，序列的IMF4、IMF5和IMF6落在95%置信区以上，包含具有实际物理意义信息最多；IMF1和IMF3落在90～95%置信区之间，包含较多具有实际物理意义的信息；而IMF2落在50～80%置信区之间，将不对其进行分析讨论。对于严重干旱事件的格点数序列，IMF1和IMF5分量落在95%置信区以上；IMF6落在90～95%置信区之间；而IMF2、IMF3和IMF4置信度较差，不再分析讨论。

图5　1300-2005年亚洲季风区夏季处于极端和严重干旱等级格点数变化序列及其各IMF分量

图6　1300-2005年处于极端(a)和严重(b)干旱等级格点数的各IMF分量信号的显著性检验

结合各分量的方差贡献率(表3)，极端干旱事件的格点数的IMF1(图5(a1))的14年准周期贡献率较小，只有6.4%，该分量振荡信号明显，尤其在15世纪初和20世纪70年代之后的振幅最大；IMF3(图5(a4))表示的54年准周期方差贡献率为2.3%，其在1950年代之前振幅较平稳，在1950年代之后，54年准周期变化的振幅突然加大，1960-1994年极端干旱状态严重偏弱，1995年之后则严重偏强，且自1985年开始迅速增加；图5(a5)中IMF4表示的137年准周期方差贡献率为3.6%，其在1359年之前下降而在1360-1429年上升，1895年之后振幅突然加大，1924-1989年极端干旱状态严重偏弱，1990年之后则严重偏强，且自1965年开始迅速增强；图5(a6)中的IMF5代表了311年准周期，其方差贡献率为7.9%，其在1364年之前下降而在1365-1564年上升，自1770年之后振幅突然加大，1770-1929年极端干旱状态持续减弱，1929年之后则持续增强；IMF6代表了600年准周期，其方差贡献率为13.2%，显示极端干旱状态在小冰期持续期间(1300-1734年)偏强，在1735-1969年偏弱，自1970年之后则再次偏强，其中，极端干旱状态在1559年之前处于增强时期，而后减弱，自1875年开始，极端干旱状态进入持续增强的阶段；趋势分量(图5(a8))的方差贡献率最大，达到了63.3%，可以看出，自1300-1569年极端干旱状态明显减弱，而自1570年开始，极端干旱状态显著增强。

表3　1300-2005年极端和严重干旱等级格点数逐年变化序列各分量的方差贡献率

对于严重干旱事件的格点数而言，IMF1(图5(b1))表示的15年准周期贡献率为29.8%，是主周期之一，在19世纪末至20世纪初、20世纪中期之后的振幅较大；IMF5(图5(b6))表示的307年准周期方差贡献率为5.8%，IMF5显示严重干旱状态在1300-1704年和1955-2005年偏强，其中1350-1619年和1860-2005年严重干旱状态开始进入持续增强的阶段，1620-1859年严重干旱状态持续减弱；IMF6代表了651年的准周期变化，其方差贡献率为4.5%，严重干旱状态在小冰期持续期间(1300-1689年)偏强，在1690-1979年偏弱，自1980年之后则再次偏强；趋势分量(图5(b8))方差贡献率最大，为40.3%，从趋势变化可以看出，自1300-1544年严重干旱状态明显减弱，而自1545年开始，严重干旱状态显著增强。

在准600年和650年的近千年尺度上，极端干旱和严重干旱在小冰期持续期间均经历了偏强→偏弱的变化过程，在20世纪70年代末80年代初又进入偏弱→偏强的时期，同样可以认为20世纪70年代末80年代初是近千年尺度准周期变化另一个正位相时期的开始；在更大的时间尺度上，二者在16世纪中期之前处于持续减弱的状态，之后则开始持续增强；这一近千年尺度上的周期变化和趋势变化可能提供了极端或严重干旱状态自19世纪中后期以来一直增强的气候趋势背景。

对于极端干旱事件，其自小冰期以来至20世纪初的波动变化特征主要受54、137和311年的准周期变化的影响；在20世纪初至20世纪中期，极端干旱事件强度主要受600年准周期和趋势变化的影响；而在此之后，54、137和311年的准周期变化对20世纪初以后极端干旱状态一直持续快速增强具有显著影响，三个尺度的准周期变化均在这一时期开始进入一个正位相；发生在20世纪70年代末80年代初的持续上升期中的一次较小下降波动在54年准周期上也有很好的体现，这一波动可能是对近千年尺度准周期变化另一个正位相时期开始的响应；对比14年和311年的准周期变化，发现在311年准周期变化处于偏小状态时，14年准周期变化的振幅较小，而在311年准周期变化处于持续的上升期时，14年准周期变化的振幅也较大。对于严重干旱事件，其自小冰期以来至17世纪初的波动变化特征主要受307年的准周期变化的影响；自17世纪初至19世纪中期，则受到307年和651年准周期变化的共同作用，两个尺度的准周期变化均在这一时期开始进入一个负位相；而自19世纪中期开始的持续增强则受到了307年和651年准周期变化及趋势变化的共同作用，14年准周期变化的振幅在19世纪末至20世纪初较大；在20世纪中期之后，307年和651年准周期变化开始进入一个正位相，14年准周期变化的振幅也在20世纪中期也较大；同时，14年准周期变化在20世纪80年代末之后也有明显上升。

5　结论

本文对亚洲季风区过去700年来干湿状态的EEMD分析得到以下认识：

(1)在小冰期之前，亚洲季风区夏季极端或严重干湿事件状态强弱程度的变化十分类似，极端和严重干湿事件基本保持稳定，彼此变化之间的响应较弱，小冰期之后极端和严重干湿事件快速增加，彼此变化之间的响应也较强，但在20世纪50年代之后，极端和严重湿事件都稍有下降，而极端和严重干事件却依然快速增加。在小冰期内，亚洲季风区整体是湿润的；自小冰期结束后，亚洲季风区整体偏旱。在20世纪30年代之后亚洲季风区极端干/湿事件的发生频次大幅上升，区域内旱涝并举，超过之前自小冰期以来的任何历史时期。

(2)对于极端湿润事件14、155和650年尺度的准周期通过了信度水平为90%的置信检验；严重湿润事件的15和671年尺度的准周期通过了落在信度水平为90%的置信检验；极端干旱事件在15、54、137、311和599年尺度的准周期通过了落在信度水平为90%的置信检验；严重干旱事件的13、307和651尺度的准周期通过了落在信度水平为90%的置信检验，这些准周期所对应的分量包含具有实际物理意义信息。

(3)从趋势分量变化可以看出，从1300年-16世纪中期，亚洲季风区夏季极端或严重干湿事件状态强弱程度均明显减弱，从1555年开始，极端或严重干湿事件状态强弱程度一直在增强；在近千年尺度上，极端或严重干湿状态在20世纪70年代末至20世纪80年代初开始进入另一个正位相时期；这预示着未来在更长的时间尺度上，亚洲季风区极端或严重干湿事件的强弱程度可能将依然持续偏强。

(4)近700年来亚洲季风区夏季极端或严重湿润状态的强弱程度在16世纪中期之前，主要是趋势变化起关键影响作用；从16世纪中期至19世纪中期主要是650年准周期变化和155年准周期变化影响较大；自19世纪中期开始的快速上升则是155年准周期变化、650年准周期变化和趋势变化共同影响的结果，二者20世纪50年末之后的轻微下降趋势可以认为是155年准周期变化另一个负位相的开始，这可能预示着未来在百年时间尺度上，亚洲季风区极端或严重湿事件可能将进入一个相对于20世纪50年代较偏弱的状态。

[1]Liu Shikuo,Liu Shida,FU Zuntao,et al.The structure and bifurcation of atmospheric motions[J]. Advances in Atmospheric Sciences,2004,21(4):557-561.

[2]刘式达,荣平平,陈炯.气候序列的层次结构[J].气象学报,2000,58(1):110-114.

[3]张美良,朱晓燕,程海,等.贵州荔波1200年来石笋高分辨率的古气候环境记录[J].地球学报, 2009,30(6):831-840.

[4]Edward R C,Kevin J Anchukaitis,Brendan M Buckley,et al.Asian monsoon failure and megadrought during the last millennium[J].Science, 2010,328:486-489.

[5]Eugene R W, Carrie M. Toward understanding and predicting monsoon patterns[J].Science,2010,23:437-438.

[6]Wang T, Ren GY, Chen F. et al. An analysis of precipitation variations in the west-central Tianshan Mountains over the last 300 years[J]. Quaternary International 358:48-87.

[7]任国玉，王涛，郭军，等，海河流域近现代降水量变化若干特征[J]，水利水电科技进展,2015,35(5)：103-111.

[8]李芬，张祎玮，乔云红.近 56 年山西季节旱涝对 ENSO 事件的响应[J].灾害学，2015， 30(4) : 85-90.

[9]杨萍，刘伟东，侯威.北京地区极端温度事件的变化趋势和年代际演变特征[J].灾害学，2011， 26(1) : 60-64.

[10]庄晓翠，杨森，赵正波，等，干旱指标及其在新疆阿勒泰地区干旱监测分析中的应用[J].灾害学，2010,25(3)：81-85.

[11]Wu Z,Huang N E.Ensemble empirical mode decomposition: A noise-assisted data analysis method[J]. Advances in Adaptive Data Analysis, 2009,1:1-41.

[12]Wu Z H,Huang N E. A study of the characteristics of white noise using the empirical mode decomposition method[J].Proc. Roy. Soc.London A,2004, 460:1597-1611.

[13]Wu Z, Huang N E, Chen X.The multi-dimensional ensemble empirical mode decomposition method[J].Advances in Adaptive Data Analysis,2009,1:339-372.

[14]Chen X Y,Wu Z H,Huang N E.The time-dependent intrinsic correlation based on the empirical mode decomposition[J]. Advances in Adaptive Data Analysis,2010,2:1-34.

[15]Qian C,Wu Z,Fu C B,et al.On multi-timescale variability of temperature in China in modulated annual cycle reference frame[J].Adv Atmos Sci,2010,27:1169-1182.

[16]Yan Z W,Xia J J,Qian C,et al.Changes in seasonal cycle and extremes in China during the period 1960-2008[J].Adv Atmos Sci,2011,28:269-283.

[17]王兵,李晓东.基于EEMD分解的欧洲温度序列的多尺度分析[J].北京大学学报(自然科学版),2011,47(4):627-635.

[18]Dai A G. Characteristics and trends in various forms of the Palmer drought severity index during 1900-2008 [J]. J. Geophys Res: Atmos,2011，116: D12115. doi: 10.1029/2010JD015541.

[19]Dai A, Trenberh K E, Qian T. A global data set of Palmer Drought Severity Index for 1870-2002: Relationship with soil moisture and effects of surface warming[J]. J Hydrometeorology,2004,5: 1117-1130.

[20]Wang P,Clemens S,Beaufort L, et al. the Asian monsoon system: State of the art and outstanding issues[J].Quat Sci Rev, 2005,24:595-629.

[21]Cook E R, Seager R, Cane M A,et al.North American drought: Reconstructions, causes, and consequences[J].Earth-Science Reviews,2007,81(1/2):93-134.

[22]Palmer W C.Meteorological Drought[M].Research Paper No.45, US Dept ofCommerce,1965:1-58.

[23]Alley W M.Palmer drought severity index:limitations and assumptions[J].J ClimApplMet,1984,23:1100-1109.

[24]Hedding H,Thomas R,Sabol P.A Review of the Palmer Drought Severity Index and Where Do We Go From Here[M].In: Proceedings of the Seventh Conference on Applied Climatology,1991:242-246.

[25]Huang N E,ShenZ,Long S R,et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and nonstationary time series analysis[J].Proc R Soc A-Math Phys Eng Sci,1998,454: 903-995.

[26]Huang N E,Wu Z.A review on Hilbert-Huang transform:Method and its applications to geophysical studies[J].Rev Geophys,2008,46:RG2006/1-23.

[27]Ayenu Prah A Y,Attoh Okine N O.Comparative study of Hilbert-Huang transform,Fourier transform and wavelet transform in pavement profile analysis[J].Vehicle System Dynamics, 2009, 47(4): 437-456.

[28]Wu Z H, Huang N E. Statistical significance test of intrinsic mode functions[M].Singapore:World Scientific Publishing company,2005:107-127

[29]Zhao Jinping,Huang Daji.Mirror extending and circular spline function for Empirical Mode Decomposition method[J].Journal of Zhejiang University(Science),2001,2:247-252.

[30]林振山,汪曙光.近四百年北半球气温变化的分析:EMD方法的应用[J].热带气象学报,2004, 20(1):90-96.

Multi-scale Analysis of the Extreme Dry/Wet Events in Asian Monsoon Region in Summer During Last 7 Centuries

YANG Ping1, HOU Wei2and YAN Pengcheng3

(1.TrainingCenter,ChinaMeteorologicalAdministration,Beijing100081,China; 2.NationalClimateCenter,Beijing100081,China; 3.InstituteofAridMeteorology,ChinaMeteorologicalAdministration,Lanzhou730020,China)

Monsoonfailures,megadroughts,andextremefloodingeventshaverepeatedlyaffectedtheagrarianpeoplesofAsiaoverthepastmillennium.Ascarcityoflong-terminstrumentalclimatedataformanyremoteregionsofMonsoonAsiaimpedesprogresstowardresolvingtheseissues.TobetterelucidatethespatialcomplexityoftheAsianmonsoon,alarge-scale,spatiallyexplicit,long-termdatasetisneeded.ThiscontextisprovidedherebyourMonsoonAsiaDroughtAtlas(MADA).TheMADAprovidesaseasonal-tocentennial-scalewindowintotheAsianmonsoon’srepeatedtendencyforextendeddryandwetextremeswithdistinctspatialflavorsofresponse.Recently,ensembleempiricalmodedecomposition(EEMD)methodisdevelopedfornon-linearandnon-stationarysignalanalysis.TheEEMDmethodisinstitutedandutilizedinseveralfieldssuchasde-noising,oceansurfacemeasurement,metrology,imageprocessingandsoon.Themethodcanworkonnaturesignals(non-linearandnonstationarysignals)aswellasreducingthespecklenoise.TheEEMDmethodislikeasafilterbankthatthesignalisdecomposedintoseveralintrinsicmodefunctions(IMFs)andthefrequenciesofIMFsarearrangedindecreaseorder(hightolow)aftertheEEMDprocessing.ThescalingmodeoftheEEMDmethodissimilartowavelettransform,butthesignalresolutionatdifferentfrequencydomainisnotdecreasebydown-sampling.Inthispaper,weproposetheEEMDmethodtoextractthemulti-scalecharactersofthevariabilityofextremedry/weteventsinAsianmonsoonarea.UsingthePalmerDroughtSeverityIndexdataofMADAfrom504stationsinAsianmonsoonareainsummerfrom1300-2005aandEEMDmethod,wegettheseriesofthenumberofgridswhichisespeciallyandseriouswetordryinthisregionbyanintervalof5years,andanalysisthevariationsoftheseseries.Basedthefeatureofnonlinear/nonstationarityandmulti-scaleinclimaticsystem,applyingEEMDtotheseriesofthenumberofgridswhichisespeciallyandseriouswetordryforthepurposeofmulti-scaleanalysis,differentscalesignals(IMFs)havebeenseparated,andgivethevariancecontributesanddothetestofsignificantforeachIMF.ByanalyzingthevariationsofIMFs,hereby,thechangesindifferentscalesfortheextremedry/weteventsinAsianmonsoonregioninsummerduringlast7centurieshavebeenuncovered,andgettheeffectofdifferentIMFsonthechangesofdry-wetinAsianmonsoonregion.

Asianmonsoonregion;extremedry/wetevents;Ensembleempiricalmodedecomposition

2016-04-21

2016-06-12

国家自然科学基金(41675092；41375069；41505061)；公益性行业科研重大专项(GYHY201506001)

杨萍(1981-)，女，汉族，江苏兴化人，副研究员，主要从事气候诊断分析、极端气候事件等研究.

E-mail：zz96998@163.com

P467P467；P423.3；X43

A

1000-811X(2016)04-0095-08

10.3969/j.issn.1000-811X.2016.04.017

杨萍，侯威，颜鹏程. 亚洲季风区过去700年来夏季极端干/湿事件多尺度变化特征分析[J]. 灾害学，2016，31(4)：95-102. [YANG Ping, HOU Wei and YAN Pengcheng. Multi-scale Analysis of the Extreme Dry/Wet Events in Asian Monsoon Region in Summer During Last 7 Centuries[J]. Journal of Catastrophology，2016，31(4)：95-102. doi: 10.3969/j.issn.1000-811X.2016.04.017.]