Relative contributions of global warming, AMO and IPO to the land precipitation variabilities since 1930s

摘要：

本文主要研究了20世纪30年代以来，GW、AMO和IPO对陆地降水变化的贡献。首先通过对陆地降水和SST进行SVD分析，陆地降水的年代际变化影响主要体现为GW、AMO和IPO三种不同的海表面模式。并且时间的推移和空间的不同，会影响因素的重要性排序。作者也通过information flow 对它们之间的因果关系进行验证。并且利用模式数据，发现印度洋在AMO和IPO与降水变化方面起着关键作用。本文确定了影响不同季节陆地降水趋势/年代际变化的主要模式，并定量评估其相对贡献。

数据：

月降水数据：CRU、GPCC

SST：HadISST、ERSSTv3

GW：45°S和60°N之间的全球SST年平均

AMO、IPO：https://www.esrl.NOAA.gov/PSD/data/clima-teindices/list/

方法：

SVD：识别主要降水模式及其与SST的耦合

多元线性回归：评估GW、AMO和IPO对全球陆地降水变化的相对贡献。

信息流：计算因果关系

结论：

1，影响降水变化趋势的主要海表面温度模式

下图可以看出SVD分解之后，JJA期间前三个模态的方差分别占48.7%、24.3%和8.5%，DJF期间的方差分别占42.7%、28.3%和9.7%。

图A显示：第一SST模式除亚热带中太平洋以外出现统一SST变暖。亚热带中太平洋SST冷却，这意味着第一SST模式可能与年代际/年代际振荡混合，SVD分析无法将其分离。

图C显示：PC1显示，PR和SST与全球平均SST(GW)的趋势一致。从1943年到1970年，存在微弱的下降趋势，可能与该时期人为气溶胶导致的全球平均温度变化有关，也可能是由于残留的年代际/年代际SST信号。

图B显示：随着SST的增加，热带地区的降水量在第一种模式下普遍减少。

图D显示：第二SST模式体现为整个北大西洋和北太平洋大部分地区的暖异常为特征。

图F显示：1950年之后，SST和降水的时间序列显示出与AMO指数一致的变化，尽管在1950年之前存在一些差异。SST时间序列与AMO指数之间的相关系数高达0.78。也就是说，第二SST模式基本上来自AMO。

图G-I显示：第三SST模式体现的太平洋所示的马蹄形SSTA模式与IPO信号相似它们之间的相关系数高达0.83。但第三SST模式对降水的方差的贡献仅为8.5%。与IPO相关的降雨变异性表明，除刚果盆地外，几乎整个非洲都存在相当微弱的正异常。在南美洲，在巴西高原东部观察到正降雨异常。

2，回归

上述结果表明，GW、AMO和IPO是导致陆地降水趋势/年代际变化的三种主要模式。接下来，研究了对高纬度地区陆地降水趋势/年代际变化的影响。（进行定量研究）

首先，对GW进行滤波去除高频信号——虽然进行回归/相关计算，但此处想要研究海表增温对于降水变化之间的关系，所以直接提取趋势变化不用考虑去趋势。而对于AMO和IPO 主要要看其年代际变化的影响所以要进行9年滤波。（但是为什么是9年不是10年？）

本文进行回归之后还将回归之后的图和SVD分解之后的图进行相关计算。

3，GW AMO IPO 对降水的相对贡献

通过计算多元线性拟合计算三个因素对降水的再现程度，进行分析后发现并非所有陆地降水的低频变化都可以用这三种模式来解释。平均而言，它们可以产生大约30%的趋势/年代际变化。

4，因果关系分析

显然，GW与许多地区的降水量有显著的因果关系，eg: 与格陵兰岛、斯堪的纳维亚半岛、加拿大地盾、北美五大湖南部、南美洲南部、非洲、欧亚大陆中部和北部以及澳大利亚西部的

AMO在萨赫勒、西伯利亚、美国南部、南美洲东北部和澳大利亚中部，因果关系是显著的，这意味着AMO可以解释这些地区的降水变化。

IPO在美国西南部、南美洲东北部和南部、非洲南部、哈萨克斯坦和乌兹别克斯坦等地发现了显著的因果关系

最后的模式实验是对不同海表温度进行划分，分为四种情况，将不同情况的降水和风场进行差异分析。

文章来源：

Tao, L., Liang, X.S., Cai, L. et al. Relative contributions of global warming, AMO and IPO to the land precipitation variabilities since 1930s. Clim Dyn 56, 2225–2243 (2021). https://doi.org/10.1007/s00382-020-05584-w