到达我们 + 44-7723-59-8358
所有提交的EM系统将被重定向到网上投稿系统.作者被要求将文章直接提交给网上投稿系统各自的日志。

自然短期气候强迫对IndiaÃⅱÂ′Â气候的影响

Ashutosh Mishra

印度北方邦阿拉哈巴德大学地理系

*通讯作者:
Mishra一
地理学系高级研究员
阿拉哈巴德大学
印度北方邦211002
电话:+ 91 - 9415866666
电子邮件: (电子邮件保护)

收到的日期: 05/04/2018;接受日期:30/04/2018;发布日期: 07/05/2018

更多相关文章请访问研究与评论:生态学与环雷竞技苹果下载境科学杂志

摘要

在多个气候因素中,El Niño-Southern振荡(ENSO)和太阳黑子周期在年际到年代际尺度上起作用,人们认为,虽然太平洋的El Nino-La Nina压力跷跷板通过改变全球风和降雨模式影响气候,但太阳黑子出现的11年周期性变化带来了日照和云形成的变化。因此,这两种气候强迫在推动短期气候变化方面的作用似乎至关重要。本文试图了解这两种气候现象在区域尺度上对温度和降雨模式的影响,并以印度为例进行研究。分析表明,温度与太阳黑子活动具有良好的相关性,而ENSO周期对国家降水的影响不是很清楚。然而,在ENSO现象的厄尔尼诺阶段,印度沿海各州的气温显著上升,这可能是厄尔尼诺现象期间全国降雨碎片化和不均匀的原因。

关键字

温度,降雨,自然变化,大气,气候

简介

一个地方的气候受阳光照射,随倾角而变化,决定了那里生物群落的性质和状态。然而,随着时间的推移,大气-海洋-地貌变化调节着气候特性。除了这些自然力量之外,今天的人类还在一定程度上发展了调节气候特征的技术和技能。影响气候的自然力量在千年的最小尺度上起作用,而人类的作用仅限于一生。自然强迫是——地球轨道的变化、太阳输出的变化、板块构造运动、火山活动、陨石、海洋环流等,而氯氟烃(cfc)、化石燃料燃烧的温室气体、工业气溶胶和增强的大气水蒸气是气候变化的“人为”原因。1987年南极洲上空平流层臭氧空洞的发现推动了关于人造氯氟烃在大气变化中作用的科学研究。很快,寻找人-气候变化关系的统计显著性成为相关研究的重点[12].这些研究大多推测,人类活动对自然气候变率的增加是气温升高、降雨中断和极端气候事件加剧的原因。他们试图估计气候条件偏离其自然变化过程的程度。然而,他们认为自然力量是有节奏的和可预测的。但是,气候是一个动态系统,它的所有组成部分都与反馈联系在一起,因此,一个组成部分的变化可能导致一个或全部的变化。测量所有方向的可能偏离确实是一个准确性挑战。测量自然强迫与气候变率之间的关联程度更为现实。如果自然原因不能很好地与气候趋势同步,就表明有一些非自然原因造成了变化。影响气候的主要自然因素有:米兰科维奇旋回、板块构造、太阳黑子旋回、陨石、火山活动和El-Niño南方涛动(ENSO)。轨道变化和板块构造运动是导致气候逆转的缓慢而长期的过程,而太阳黑子、火山活动、ENSO等短期力引起了气候的快速变化。 Studies suggest that increase in sunspot numbers increases surface temperature of the Earth while decreases the amount of rainfall [3.].Friis-Christensen等人在他们的研究中发现,太阳黑子活动的增加增强了电磁阻挡银河宇宙射线进入内太阳系[4].因此,宇宙射线通量的减少降低了云播率,从而减少了由云直接反射回宇宙的太阳能量。通过这个过程,到达地球表面的太阳辐射量增加,使地球温度上升。播云率的下降也使降雨量减少。

除了太阳黑子的变化外,像陨石这样的外部天体,在经过地球表面厚厚的一层后,以大约每秒10-75公里的速度落在地球表面大气,也被认为对陆地气候有一定影响[5].以这样的速度,当这些行星际天体与最薄的大气层接触时,会通过摩擦和压缩产生热量。雷竞技网页版它们碰撞时释放的温度和尘埃,有时会显著改变气候。几项研究试图证实这一突然现象气候变化白垩纪的大流星雨是恐龙灭绝的原因[6-8].火山喷发也是一种短期强迫,通过向地球大气中喷射大量的火山灰、含硫气体、卤素和水蒸气来影响气候[910].这些气体和气溶胶通过减少日照量来产生冷却效果。然而,过量的火山活动也会导致全球变暖[1112].

厄尔尼诺-南方涛动(ENSO)现象是另一种短期气候强迫现象,其特征为暖(El Niño)、中性和冷(La Niña)三个阶段。与中性条件相比,ENSO事件的暖期与赤道东太平洋降水增加和赤道西太平洋降水减少有关。这些模式在La Niña阶段被反转[13-16].科学研究发现El Niño现象与印度上空一周的季风有很好的联系。他们观察到,在El Niño年,印度的降雨量更有可能低于正常水平[17-19].除了这些短期强迫外,长期气候因子也影响气候,但它们是移动非常缓慢的力量,对解释短期气候波动没有太大帮助。因此,本研究仅考虑短期气候因子进行研究,并以印度为例进行分析。值得一提的是,在上个世纪,印度没有记录到重大的陨石撞击或火山活动。因此,这项研究只分析了太阳黑子的变化和El Niño事件,以了解气候变化与自然路径的背离。

数据来源及方法

该研究基于印度气象部门收集的116年(1901-2016年)的温度和降雨序列。海洋Niño过去52年(1961-2012)的指数数据来自美国博尔德国家环境信息中心,而过去102年(1911-2012)平均太阳黑子数的年变化数据来自比利时布鲁塞尔皇家天文台的世界数据中心。该研究使用简单的相关和回归分析来检验太阳黑子和ENSO事件与温度和降雨的关联程度。

印度气温和降雨变化:近期趋势

印度是季风气候国家,全年气压和风系的季节性趋势发生逆转。北部的青藏高原和喜马拉雅山脉,西部的塔尔沙漠和南部的印度洋,使其气候独特而多样,从热带到温带,从沙漠到高山。该国的降雨主要集中在夏季,而冬季北方极端寒冷,南方气温温和。近几十年来,印度极端气候事件的记录有所增加,有几项研究将这种变化与印度景观的快速人性化联系起来[20.-22].

图1显示了印度的年平均气温和降雨量分布图。图中还显示,在全国降雨最多的6月、7月和8月,最低气温情况保持稳定,而最高气温则出现显著下降。

ecology-and-environmental-sciences-rainfall

图1:印度的温度和降雨剖面。

图2展示了过去116年(1901-2016年)印度气温和降雨条件的月变化和季节变化。显然,2月、11月和12月是气温上升最高的月份,另一方面,7月是降雨量下降最多的月份。它是清楚地看到从图2冬季和后季风季节的热量正在增加,而季风季节的降雨量则有所下降。

ecology-and-environmental-sciences-changes

图2:1901-2016年气温和降水变化。

图3显示1901-2016年印度的气温和降雨格局。1990年以后,气温急剧上升,降雨量显著减少,这是很明显的。实际上,1990年可以被称为印度的“气候红利”。实际上,这是印度向外国投资者开放市场的时期工业单位在国内。

ecology-and-environmental-sciences-trends

图3:印度的气温和降雨趋势。

很明显,印度的气候正在转向炎热和干燥的条件,这种变化在过去20年里更加明显。

ENSO和太阳黑子现象与温度和降雨变化的联系

表1显示了102年(1911-2012)年平均温度、年降雨量和年平均太阳黑子数之间的相关性。

表1。太阳黑子数量与温度和降雨量之间的相关性。

状态 太阳黑子数量与温度的相关性 状态 太阳黑子数量与降雨量的相关性
锡金 0.28 * * Odisha 0.20 *
Odisha 0.25 * 恰蒂斯加尔邦 0.14
那加兰邦 0.25 * Telangana 0.12
0.24 * 安得拉邦 0.11
西孟加拉 0.23 * 锡金 0.08
恰尔肯德邦 0.22 * 0.06
阿萨姆邦 0.22 * 北方邦 0.06
比哈尔 0.20 * 那加兰邦 0.04
曼尼普尔邦 0.18 阿萨姆邦 0.04
旁遮普 0.17 中央邦 0.04
安得拉邦 0.17 特里普拉邦 0.04
特里普拉邦 0.16 恰尔肯德邦 0.04
米佐拉姆邦 0.15 西孟加拉 0.03
昌迪加尔 0.14 果阿 0.03
查谟和克什米尔 0.14 马哈拉施特拉邦 0.03
喜马偕尔邦 0.13 曼尼普尔邦 0.02
梅加拉亚邦 0.11 喀拉拉邦 0.02
Telangana 0.11 旁遮普 0.01
Puducherry 0.11 昌迪加尔 0.01
哈里亚纳邦 0.1 达曼和迪乌 0
恰蒂斯加尔邦 0.1 Gujrat 0
德里NCT 0.1 查谟和克什米尔 -0.01
Lakshadweep 0.1 比哈尔 -0.01
达曼和迪乌 0.1 Dadra和Nagar Haveli -0.01
Dadra和Nagar Haveli 0.1 梅加拉亚邦 -0.02
安达曼和尼科巴 0.1 卡纳塔克邦 -0.06
马哈拉施特拉邦 0.09 拉贾斯坦邦 -0.06
果阿 0.09 喜马偕尔邦 -0.07
北阿坎德邦 0.06 北阿坎德邦 -0.07
卡纳塔克邦 0.06 哈里亚纳邦 -0.07
泰米尔纳德邦 0.05 米佐拉姆邦 -0.08
北方邦 0.05 Puducherry -0.10
喀拉拉邦 0.03 德里NCT -0.11
古吉拉特邦 0.03 安达曼和尼科巴 -0.17
中央邦 0.02 Lakshadweep -0.17
拉贾斯坦邦 0.01 泰米尔纳德邦 -0.17
印度 0.17 印度 0.00

值得注意的是,在所有状态下,太阳黑子数量和温度之间的相关性都是正的。在锡金、奥里萨邦、那加兰邦、**、西孟加拉邦、贾坎德邦、阿萨姆邦和比哈尔邦,这种关系是显著的,而大多数邦的统计不显著性可归因于地理差异。然而,太阳黑子活动与温度变化的单向协方差表明,温度趋势主要是由入射太阳辐射控制的。

地表温度的不均匀上升可以通过地表反射率和区域的差异来理解地理位置.例如,同样数量的日照会在较暗或平坦的表面产生更多的热量,而在较亮或起伏的表面产生较少的热量,就像在拉贾斯坦邦,大片土地位于沙漠之下,反射更多的能量,因此不像安得拉邦、泰伦加纳邦或东北邦那样温暖,这些地方的植被覆盖表面吸收更多的太阳辐射。另一方面,旁遮普邦以其绿色的田野而闻名,吸收了更多的热量,但由于密集的灌溉,这些热量产生了“部分冷却效应”,因为自然增强的温度消耗了能量,蒸发了田地里的水。哈里亚纳邦以及昌迪加尔和德里的NCT都处于城市热岛的“部分冷却效应”之下,因为额外的热量积聚在当地大气中提高了蒸发速度,从而提高了大气水蒸气含量。这种影响在这些州的降雨模式中很明显,因为当地大气中的水蒸气增加了,这些州的降雨量增加了。城市热岛的“部分冷却效应”在喀拉拉邦也起作用,该邦的变暖程度低于邻近各邦。太阳黑子数量和降雨量之间的关系不是很清楚,然而,由于太阳黑子活动增加期间的低云播种,可以认为降雨量将会下降。太阳黑子数量与降雨之间的相关性部分支持了这一观点。它可以从表1美国几乎一半的州都显示出太阳黑子活动与降雨之间的负相关。然而,由于存在双尾关系,无法解释明确的关联。可以说,降雨更多地取决于当地的大气条件,而不是外部强迫。温度和降雨变化的第二个自然短期强迫是El Niño-La Niña振荡。这是大洋Niño指数(ONI)测量。表2展示了海洋Niño指数与1961-2012年52 a气温和降水的相关关系。

表2。海洋尼诺指数与温度和降水的相关性。

状态 海洋尼诺指数与温度的相关性 状态 海洋尼诺指数与降水的相关性
果阿 0.42 * * 卡纳塔克邦 0.35 * *
马哈拉施特拉邦 0.42 * * 那加兰邦 0.34 *
泰米尔纳德邦 0.39 * * 0.29 *
Puducherry 0.38 * * 曼尼普尔邦 0.25
安得拉邦 0.37 * * 特里普拉邦 0.23
安达曼和尼科巴 0.36 * * 达曼和迪乌 0.22
Dadra和Nagar Haveli 0.36 * * Gujrat 0.22
达曼和迪乌 0.36 * * 果阿 0.2
Lakshadweep 0.36 * * 马哈拉施特拉邦 0.2
卡纳塔克邦 0.34 * 米佐拉姆邦 0.2
Telangana 0.33 * Dadra和Nagar Haveli 0.18
恰蒂斯加尔邦 0.33 * 阿萨姆邦 0.18
中央邦 0.33 * Telangana 0.17
喀拉拉邦 0.31 * 北阿坎德邦 0.17
古吉拉特邦 0.28 * 拉贾斯坦邦 0.14
恰尔肯德邦 0.26 哈里亚纳邦 0.13
比哈尔 0.26 安得拉邦 0.12
北方邦 0.25 Puducherry 0.12
拉贾斯坦邦 0.24 德里NCT 0.12
Odisha 0.23 昌迪加尔 0.11
西孟加拉 0.22 喜马偕尔邦 0.1
特里普拉邦 0.21 安达曼和尼科巴 0.1
米佐拉姆邦 0.15 Lakshadweep 0.1
哈里亚纳邦 0.14 泰米尔纳德邦 0.1
德里NCT 0.13 查谟和克什米尔 0.08
旁遮普 0.09 旁遮普 0.08
梅加拉亚邦 0.09 中央邦 0.07
曼尼普尔邦 0.08 喀拉拉邦 0.02
阿萨姆邦 0.03 北方邦 0.01
那加兰邦 0.03 比哈尔 0.01
昌迪加尔 0.01 锡金 -0.04
北阿坎德邦 -0.02 西孟加拉 -0.06
喜马偕尔邦 -0.02 恰尔肯德邦 -0.07
查谟和克什米尔 -0.03 梅加拉亚邦 -0.07
-0.03 恰蒂斯加尔邦 -0.07
锡金 -0.05 Odisha -0.2
印度 0.28 * 印度 0.26

表2显示在厄尔尼诺Niño年,印度的气温很高,而且在这些年里有更多的降雨。虽然下雨了——海洋Niño指数相关性对于大多数州来说是不显著的,但很少有记录到显著的正相关。这与所谓的El Niño-Monsoon关系相违背,在El Niño期间,印度的降雨量预计会减少。然而,El Niño与温度以及El Niño与降雨之间的双尾关系限制了预测这两个变量之间任何显著关联的可能性。

结论

太阳黑子周期与温度模式之间的正相关关系表明,太阳活动是一个国家区域温度分布的关键决定因素,然而,太阳黑子数量与大多数州的温度模式之间的相关程度非常弱。另一方面,太阳黑子周期与降雨的关联是双尾的,并不支持Svensmark和Friis-Christensen关于气候变化的宇宙理论。

值得注意的是,印度大多数沿海邦的海洋Niño指数与温度之间记录了良好的相关性。这仅仅意味着在厄尔尼诺年份,印度海岸变得比平常更温暖,因此,这种现象通过缓解该国上空发展的压力梯度来扰乱正常的季风机制。然而,El Niño和降雨模式之间的相关性并不能证明在El Niño年印度的降雨量低于正常水平的假设是正确的。

参考文献

全球科技峰会