文章导读
你可能每天都在关注天气预报，却从未意识到，那些“明天升温”“后天降温”的微小波动背后，藏着影响农业、能源甚至公共卫生的年际秘密。我们分析了60年气象数据发现，日际气温的“反复无常”并非随机——在欧亚和北美大陆，每年的温度波动模式其实在悄悄轮转，冬季变率受北极涛动和厄尔尼诺主导，而夏季的真正推手，竟是春季积雪融化引发的连锁反应。这套机制解释了近一半的冬季温度异常，但当前多数气候模型只对了一半。当极端天气越来越频繁，你所依赖的季节预测，真的能扛住这场隐秘变局吗？
— 内容由好学术AI分析文章内容生成，仅供参考。
日际气温变率对人类健康、生态系统稳定性及社会经济活动具有深远影响，已引起高度关注。但是现有研究主要集中于揭示全球变暖如何影响其长期趋势与极端强度，而这项最新的研究成果则聚焦于其在不同年份之间如何波动（即年际变率）及其背后的物理机制。该研究利用1961年至2014年期间的观测资料、再分析数据及CMIP6多模式模拟结果，分别在欧亚大陆与北美地区识别出大尺度主导模态。该模态表现出显著的季节差异：冬季主模态可解释约40%–45%的总方差，夏季则为18%–22%，表明日际气温变率的年际变化具有明确的空间结构和季节依赖性。进一步的诊断分析表明，该变率主要受控于冷暖气团的南北运动。主导该过程的驱动因子随季节发生显著转变。冬季，日际气温变率主要由大尺度大气环流模态调控，包括北极涛动、厄尔尼诺—南方涛动及太平洋—北美遥相关型。这些环流异常通过改变中高纬地区的温度梯度和风暴路径活动，增强冷空气南侵与暖空气向北输送，从而放大逐日温度波动。夏季，大尺度环流的影响显著减弱，局地陆气反馈过程的作用更为突出，尤其是积雪—反照率—温度正反馈机制占据主导地位。上述物理过程共同重塑了区域温度梯度，并有效调制了风暴活动的频率、强度及更广泛的大气环流系统。基于国际耦合模式比较计划（CMIP6）模式集合的评估表明，当前气候模式能够较好地再现观测中发现的主要空间模态及其与环流异常的关系，其中冬季模拟具有较高可信度，而夏季仍存在较大不确定性。
图题：1961–2014年期间基于HadGHCND数据集的欧亚大陆和北美地区不同季节日际气温变率的EOF第一模态空间格局，各子图标注了解释方差。
总体而言，该研究为理解日际气温变率的年际变化机制提供了新的见解，与以往聚焦长期趋势与极端强度的研究形成互补，并为改进相关气候风险预测及适应策略提供了科学依据。
近日，美国地球物理学会(AGU)科学新闻杂志Eos将大气科学学院符淙斌院士团队的论文“Interannual Variations in the Day-to-Day Temperature Variability in the Northern Hemisphere and Possible Causalities”选为编辑亮点文章(Editor’s Highlight)进行报道(Eos.org:https://eos.org/editor-highlights/drivers-of-day-to-day-temperature-swings-across-continents)。据悉，仅<2%的AGU期刊论文能被此专栏遴选报道。该论文于2025年3月2日发表于国际地学NI期刊JGR-Atmosphere，符淙斌院士为通讯作者，刘奇助理教授为论文第一作者。这项研究得到国家重点研发计划（2023YFF0805503）、江苏省气候变化协同创新中心和南京大学关键地球物质循环前沿科学中心等资助。
论文信息：
Liu,Q., Fu,C. (2026). Interannual variations in the day-to-day temperature variability in the northern hemisphere and possible causalities. Journal of Geophysical Research: Atmospheres, 131, e2025JD045754.https://doi.org/10.1029/2025JD045754
Eos 新闻报道：
https://eos.org/editor-highlights/drivers-of-day-to-day-temperature-swings-across-continents
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
这研究看着好高端，但跟我有啥关系😂