南印度洋熱帶氣旋快速增強(qiáng)事件氣候特征及其年際變率

汪浩, 王靜, 鄭佳喻

1. 中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院, 廣東 廣州 510275;

2. 熱帶海洋環(huán)境國(guó)家重點(diǎn)實(shí)驗(yàn)室(中國(guó)科學(xué)院南海海洋研究所), 廣東 廣州 510301

熱帶氣旋(Tropical Cyclone, TC)是生成在熱帶暖洋面上具有暖心結(jié)構(gòu)的強(qiáng)烈氣旋性環(huán)流, 其帶來的強(qiáng)風(fēng)和強(qiáng)降水對(duì)所經(jīng)過地區(qū)的人類生命和財(cái)產(chǎn)安全造成了巨大的威脅(Zhang et al, 2009; 張嬌艷 等,2011)。因此, 準(zhǔn)確地預(yù)測(cè)TC 的生成及發(fā)展至關(guān)重要。目前, 在TC 路徑預(yù)報(bào)方面, 前人已經(jīng)做過大量研究, 取得了顯著的進(jìn)展。Chan(2005)指出對(duì)于西北太平洋TC 的生成高峰季(7—9 月), 西北太平洋TC在El Ni?o 年傾向于彎曲的移動(dòng)路徑, 在La Ni?a 年傾向于在偏北位置形成, 并向北移動(dòng); 對(duì)于10—12月來說, 西北太平洋TC 在El Ni?o 年仍然傾向于彎曲的移動(dòng)路徑, 但在La Ni?a 年以西行路徑為主。McAdie 等(2000)利用持久性模型并結(jié)合大西洋TC的氣候特征, 提出了一種新的TC 路徑預(yù)測(cè)方法, 減少了之前路徑預(yù)測(cè)存在的諸多誤差。然而, TC 強(qiáng)度預(yù)測(cè)的準(zhǔn)確性要遠(yuǎn)低于路徑預(yù)測(cè), 對(duì)TC 強(qiáng)度特別是快速增強(qiáng)(rapid intensification, RI)事件的準(zhǔn)確預(yù)測(cè)仍舊是亟待解決的難題之一(Elsberry et al, 2007;Rappaport et al, 2009; DeMaria et al, 2014)。無論是在北大西洋或是西北太平洋, 強(qiáng)TC 在其完整生命周期中都經(jīng)歷了至少一次的RI 事件(Kaplan et al, 2003;Wang et al, 2008)。因此, 增進(jìn)對(duì)RI 事件變異和物理機(jī)制的認(rèn)識(shí)對(duì)于理解TC 強(qiáng)度變異和提高預(yù)測(cè)準(zhǔn)確度均具有重要的意義。

關(guān)于西北太平洋、北大西洋、北印度洋RI 事件變率的研究已有很大的進(jìn)展(Wang et al, 2008, 2015,2017; Zhao et al, 2018; Gao et al, 2020)。在西北太平洋TC 生成高峰季(7—9 月)期間, 厄爾尼諾年的RI事件比例(53%)遠(yuǎn)高于拉尼娜年同期(37%)(Wang et al, 2008)。Wang 等(2015)的研究則表明, 與TC 密切相關(guān)的大尺度環(huán)境因子, 如海表面溫度(sea surface temperature, SST)? TC 熱潛(tropical cyclone heat potential, TCHP)? 垂直風(fēng)切變(vertical wind shear,VWS)? 相對(duì)濕度(relative humidity, RHUM)等, 對(duì)RI 事件的發(fā)生有著顯著的影響。在北大西洋,Kaplan(2003)等指出產(chǎn)生RI 事件的TC 相較于沒有產(chǎn)生RI 事件的, 大多形成于偏南及偏西的區(qū)域, 且有西移的趨勢(shì), 并提出了一種估算RI 事件概率的簡(jiǎn)單方法。Wang 等(2017)的研究發(fā)現(xiàn), 較低的VWS和較高的TCHP 是北大西洋TC 主要發(fā)展區(qū)RI 事件多發(fā)的首要原因, 而北大西洋東部RI 事件主要受RHUM 所調(diào)控。此外, 該研究強(qiáng)調(diào)大尺度的大氣和海洋變率對(duì)北大西洋TC 的生成并不重要, 但在熱帶低壓形成之后, 對(duì)TC 強(qiáng)度的影響則十分明顯。Ng 等(2020)的研究進(jìn)一步指出, 在熱帶北大西洋中心區(qū)域RI 事件的年際變率受季節(jié)性大尺度環(huán)境變量影響, 而墨西哥灣和加勒比海則不存在這種關(guān)系,主要由于前一區(qū)域VWS 的季節(jié)異常與潛在強(qiáng)度之間表現(xiàn)出強(qiáng)烈的負(fù)相關(guān)。在北印度洋, 孟加拉灣的RI 事件在拉尼娜年的產(chǎn)生頻率遠(yuǎn)高于厄爾尼諾年的產(chǎn)生頻率, 且RHUM 和VWS 是該海盆調(diào)制RI 事件變化的主要環(huán)境變量(Girishkuma et al, 2015)。

以往的研究大多集中于西北太平洋、北大西洋等海域, 對(duì)于印度洋特別是南印度洋TC 強(qiáng)度變化的研究是相對(duì)缺乏的。已有的關(guān)于印度洋TC 的研究也主要是側(cè)重于對(duì)TC 的生成頻率和登陸頻率,以及受大氣波動(dòng)影響等方面的分析(Bessafi et al,2006; Mavume et al, 2009; Kuleshov et al, 2010), 關(guān)于RI 事件的研究則更加匱乏。本文擬對(duì)南印度洋RI 事件的氣候特征和年際變率進(jìn)行研究, 分析大尺度環(huán)境變量(SST? TCHP? VWS 和RHUM)對(duì)南印度洋RI 事件氣候特征和年際變率的影響。

1 數(shù)據(jù)和方法

1.1 數(shù)據(jù)

本文的TC 數(shù)據(jù)采用1981—2019 年聯(lián)合臺(tái)風(fēng)預(yù)警中心(Joint Typhoon Warning Center, JTWC)的TC最佳路徑數(shù)據(jù)集(https://www.usno.navy.mil/JTWC),該數(shù)據(jù)集包含了歷次TC 每隔6h 的中心位置 ?中心最大持續(xù)風(fēng)速 ?中心最低氣壓等信息。由于1981 年以前缺少衛(wèi)星數(shù)據(jù)的修正, JTWC 數(shù)據(jù)集中南印度洋部分的資料存在較大缺失, 故本文研究的時(shí)間從1981 年開始。1981 年至今, 數(shù)據(jù)的各項(xiàng)參數(shù)均記錄正常, 但也存在部分TC 生成點(diǎn)位數(shù)據(jù)的重復(fù)記錄,在本文的研究過程中對(duì)這些重復(fù)記錄數(shù)據(jù)已進(jìn)行剔除。根據(jù)薩菲爾-辛普森風(fēng)力等級(jí)量表, 最大中心持續(xù)風(fēng)速為10～17m·s–1(20～33kn)的TC 被歸類為熱帶低壓; 若熱帶低壓達(dá)到18m·s–1(34kn)的風(fēng)速, 則被列為熱帶風(fēng)暴; 風(fēng)速繼續(xù)增強(qiáng)直至33m·s–1(64kn)則被歸類為颶風(fēng)。颶風(fēng)又被劃分為1～5 級(jí), 對(duì)應(yīng)的最大 中 心 持 續(xù) 風(fēng) 速 分 別 為 33～42m·s–1(64～82kn)?43～49m·s–1(83～95kn) 、 50～58m·s–1(96～112kn) ?59～69m·s–1(113～136kn)和70m·s–1(137kn)。

在前人的研究中, 通常將TC 間隔24h 最大中心持續(xù)風(fēng)速的變化(ΔV24=V24h-V0h, 其中V0h代表TC 事件中某個(gè)記錄時(shí)刻的風(fēng)速值,V24h代表該TC 經(jīng)過24h 后新記錄時(shí)刻的風(fēng)速值)的所有樣本的第95 個(gè)百分位數(shù)作為定義 RI 事件的閾值(Kaplan et al,2003)。在本研究中, 南印度洋所有樣本ΔV24的第95 個(gè)百分位數(shù)為15.4m·s–1(30kn)。因此, 在一次TC事件中, 若某個(gè)數(shù)據(jù)點(diǎn)相對(duì)于24h 前的最大中心持續(xù)風(fēng)速增量ΔV24大于15.4m·s–1, 便將該數(shù)據(jù)點(diǎn)定義為一個(gè)RI 事件。

參照前人的研究(Wang et al, 2015, 2017), 對(duì)影響RI 事件產(chǎn)生的大環(huán)境變量主要選取了4 個(gè), 分別為SST、TCHP、VWS 和RHUM。其中, 2 個(gè)海洋變量SST 和TCHP 使用的數(shù)據(jù)如下: SST 數(shù)據(jù)采用美國(guó)國(guó)家海洋和大氣管理局(National Oceanic and Atmospheric Administration, NOAA)的擴(kuò)展重構(gòu)月平均海表溫度數(shù)據(jù)第 5 版本(the Extended Reconstructed Sea Surface Temperature version 5)(https://psl.noaa.gov/data/gridded/data.noaa.ersst.v5.ht ml), 水平分辨率為2°×2°; 計(jì)算TCHP 變量使用全球海洋數(shù)據(jù)同化系統(tǒng)(Global Ocean Data Assimilation System)的月平均溫度和鹽度數(shù)據(jù)(https://psl.noaa.gov/data/gridded/data.go-das.html),水平分辨率為1°×0.33°, 所有變量數(shù)據(jù)層數(shù)均為40層。VWS 和RHUM 這2 個(gè)大氣變量使用美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心/國(guó)家大氣研究中心(the National Centers for Environmental Prediction/National Center for Atmospheric Research) 的 再 分 析 數(shù) 據(jù)(https://psl.noaa.gov/data/gridded/data.ncep.reanalysis.pressure.html)得到, 分辨率為2.5°×2.5°。上述所有數(shù)據(jù)的時(shí)間跨度均為1981—2019 年。

海洋尼諾指數(shù)(Oceanic Ni?o Index, ONI)是NOAA 定義的熱帶太平洋厄爾尼諾(暖)和拉尼娜( 冷) 事 件 的 標(biāo) 準(zhǔn)(https://ggweather.com/enso/oni.htm), 它 表 示 Ni?o3.4 區(qū) 域(即 5°N—5°S,120°—170°W)3 個(gè)月的滑動(dòng)平均SST 異常。厄爾尼諾事件定義為連續(xù)5 個(gè)月ONI 大于或等于0.5℃, 拉尼娜事件定義為連續(xù)5 個(gè)月ONI 小于或等于-0.5 ℃。SST 異常閾值又進(jìn)一步細(xì)分為弱(0.5～0.9℃)? 中等(1.0～1.4℃)? 強(qiáng)(1.5～1.9℃)和非常強(qiáng)(≥2.0℃)事件。NOAA 的報(bào)告中指出, 對(duì)于被歸類為弱 ? 中等 ?強(qiáng)或非常強(qiáng)的事件, 必須至少連續(xù)3 個(gè)月達(dá)到或超過閾值。

1.2 相關(guān)計(jì)算方法

1.2.1 TCHP 計(jì)算

TCHP 的概念最早來源于颶風(fēng)熱潛(Hurricane Heat Potential), 后來的研究讓其概念得到延伸(Leipper et al, 1972; Goni et al, 2007), TCHP 代表的是26℃等溫層面至海表面之間暖水所包含的海洋熱含量(Leipper, 1967; Leipper et al, 1972), 其計(jì)算公式如下:

式中,cp表示恒定壓力下的比熱, 固定值為3.9kJ·kg–1·K–1,D26表示26℃等溫線的深度,ρ(z)代表實(shí)測(cè)密度,T(z)表示實(shí)測(cè)溫度。

1.2.2 相關(guān)分析及其檢驗(yàn)

線性相關(guān)分析是用來衡量?jī)蓚€(gè)變量之間線性相關(guān)程度的量, 一般用相關(guān)系數(shù)r表示。r的取值范圍為[–1, 1],r的絕對(duì)值越大, 說明兩個(gè)變量之間的線性相關(guān)程度越大。當(dāng)r> 0 時(shí), 表明兩個(gè)變量呈正相關(guān); 當(dāng)r< 0 時(shí), 表明兩個(gè)變量呈負(fù)相關(guān)。相關(guān)系數(shù)r的計(jì)算公式為:

式中, Cov(X,Y)為X和Y的協(xié)方差, Var(X)為X的方差, Var(Y)為Y的方差。

相關(guān)性檢驗(yàn)是對(duì)變量之間是否相關(guān)以及相關(guān)的程度所進(jìn)行的統(tǒng)計(jì)檢驗(yàn), 一般基于t分布進(jìn)行檢驗(yàn)。在假設(shè)總體相關(guān)系數(shù)ρ=0 成立的條件下, 相關(guān)系數(shù)r的概率密度函數(shù)正好是t分布的密度函數(shù), 可以用t檢驗(yàn)對(duì)r進(jìn)行顯著性檢驗(yàn)。檢驗(yàn)統(tǒng)計(jì)量為:

式中,t為檢驗(yàn)統(tǒng)計(jì)量,n為樣本量, 統(tǒng)計(jì)量遵從自由度(n-2)的t分布。再根據(jù)給定顯著性水平的α及t分布表, 若t>tα(tα代表顯著性水平為α的統(tǒng)計(jì)量的值), 則拒絕原假設(shè), 認(rèn)為相關(guān)系數(shù)是顯著的。

1.2.3 合成分析

合成分析是氣象學(xué)分析與預(yù)報(bào)中經(jīng)常使用的方法, 是將兩種不同特征或者狀態(tài)的氣象變量進(jìn)行合成, 即求不同狀態(tài)下的某氣象要素的平均值, 以揭示各狀態(tài)之間是否存在明顯差異(施能, 2009)。

本文在合成分析中所使用的顯著性檢驗(yàn)方法為t檢驗(yàn)(ttest),在總體方差σ2未知的情況下, 利用樣本方差s2構(gòu)造檢驗(yàn)總體均值的t統(tǒng)計(jì)量:

2 結(jié)果分析

2.1 南印度洋RI 事件的氣候特征

2.1.1 時(shí)空分布特征

在1981—2019 年間, 南印度洋共生成了602 個(gè)TC, 其中熱帶低壓17 個(gè)。根據(jù)薩菲爾-辛普森風(fēng)力等級(jí)量表, 熱帶低壓的最大中心持續(xù)風(fēng)速小于33kn(17m·s–1), 且在最佳路徑資料中, 一個(gè)TC 的起始記錄風(fēng)速最小不低于15kn(約7.1m·s–1)。因此, 無論在實(shí)際意義上還是RI 的定義上, 熱帶低壓都沒有達(dá)到研究的標(biāo)準(zhǔn), 故在本文研究中將熱帶低壓剔除,只選取達(dá)到熱帶風(fēng)暴級(jí)別以上的TC 進(jìn)行研究。在剩余的585 個(gè)TC 中, 共有215 個(gè)TC 產(chǎn)生了RI 事件, 在這些TC 的完整周期中共產(chǎn)生了870 個(gè)RI 事件, 產(chǎn)生RI 事件的TC 占南印度洋TC 生成總數(shù)的37%。在這215 個(gè)TC 中, 平均每個(gè)TC 產(chǎn)生了4 個(gè)RI 事件, 其中1989 年編號(hào)為28 號(hào)的TC 產(chǎn)生了最多的RI 事件(10 個(gè))。

圖1 顯示了南印度洋1981—2019 年TC 生成數(shù)量和RI 事件產(chǎn)生數(shù)量的逐月分布特征。從圖1a 中看可出南印度洋TC 生成的高峰季為11 月至次年4月, 此時(shí)間范圍內(nèi)生成的TC 數(shù)量占南印度洋全年TC 生成總數(shù)量的81%; 而RI 事件的主要產(chǎn)生季節(jié)是12 月至次年4 月(圖1b), 占南印度洋全年RI 事件總產(chǎn)生數(shù)量的92%。從圖中還可以看出, 從10 月(南半球夏末)開始, RI 事件的數(shù)量逐漸增加, 在次年3 月(南半球秋季)達(dá)到全年的最大值, 數(shù)量為203 個(gè),4—6 月開始逐步降低, 每年的7—9 月則沒有RI 事件產(chǎn)生。圖1c 展示了逐月平均的RI 事件產(chǎn)生比率(RI 事件產(chǎn)生比率=RI 事件產(chǎn)生數(shù)量/TC 生成數(shù)量),對(duì)比TC 數(shù)量和RI 事件產(chǎn)生比率的全年分布, 可以發(fā)現(xiàn)兩者的峰值月份沒有同步, 這一特征不同于其他海盆如北大西洋和西北太平洋, 這兩個(gè)海盆的TC 數(shù)量和RI 事件產(chǎn)生數(shù)量在逐月變化上是高度同步的。控制TC 生成與RI 事件的環(huán)境變量類似, 但也有著不同之處, TC 生成與RI 事件產(chǎn)生的峰值月份不同, 可能是不同海盆主導(dǎo)的環(huán)境變量不同所致。南印度洋RI 事件主要產(chǎn)生在12 月至次年4 月, 本研究將12 月至次年4 月這5 個(gè)月定義為南印度洋RI 事件的活躍季節(jié), 下文將主要研究該時(shí)間段RI事件的分布特征及其年際變率。

圖1 1981—2019 年南印度洋TC 生成數(shù)量(a)、RI 事件產(chǎn)生數(shù)量(b)和RI 事件產(chǎn)生比率的逐月分布特征(c)Fig. 1 Monthly distribution of (a) TC genesis number, (b) occurrence number of RI events and (c) occurrence ratio of RI events in the SIO averaged from 1981 to 2019

為了探究南印度洋RI 事件產(chǎn)生的空間分布特征, 本文將南印度洋(20°—130°E, 0°—40°S)劃分為8×22 個(gè)空間分辨率為5°×5°的網(wǎng)格, 再對(duì)每個(gè)網(wǎng)格中的 RI 事件進(jìn)行統(tǒng)計(jì)。圖 2 顯示了南印度洋1981—2019 年RI 事件的空間分布特征, 可以看出南印度洋RI 事件主要產(chǎn)生在10°—20°S 的狹長(zhǎng)帶狀區(qū)域, 并且存在多個(gè)中心, 較為顯著的中心有3 個(gè), 分別是馬達(dá)加斯加島東北海域(66°E, 11°S)、南印度洋中部海域(85°E, 11°S), 以及澳大利亞西北海域(120°E, 18°S)。這3 個(gè)中心所產(chǎn)生的RI 事件數(shù)量約占南印度洋RI 事件產(chǎn)生總數(shù)的67%。其中, RI 事件最大值中心區(qū)為馬達(dá)加斯加島東北海域, 在以此為中心的高值區(qū)共產(chǎn)生了205 個(gè)RI 事件, 平均每年5.39 個(gè)。

此外, 本文分析了南印度洋TCRI 事件年際變率的方差分布, 相應(yīng)的分布圖見圖3。由圖可知, 南印度洋TCRI 事件數(shù)量的方差分布也主要呈帶狀分布在南印度洋副熱帶地區(qū), 方差分布圖中的3 個(gè)高值中心與圖2 所示的TCRI 事件的3 個(gè)高值中心相互吻合。這表明TCRI 事件產(chǎn)生數(shù)量較高的區(qū)域, 其TCRI 事件變化程度也較大。

圖2 1981—2019 年南印度洋RI 事件產(chǎn)生數(shù)量的平均空間分布該圖基于國(guó)家測(cè)繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為GS(2016)1665 號(hào)的標(biāo)準(zhǔn)地圖制作Fig. 2 Spatial distribution of RI events in the SIO averaged from 1981 to 2019

圖3 1981—2019 年南印度洋RI 事件產(chǎn)生數(shù)量的方差分布該圖基于國(guó)家測(cè)繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為GS(2016)1665 號(hào)的標(biāo)準(zhǔn)地圖制作Fig. 3 Variance distribution of TCRI events in the SIO from 1981 to 2019

2.1.2 大尺度環(huán)境變量對(duì)南印度洋RI 事件空間分布的影響

海洋到大氣的熱通量是TC 的主要能量來源。強(qiáng)勁的表面風(fēng)和TC 中持續(xù)下降的表面壓力推動(dòng)了熱通量的傳播(Schade, 2000)。SST 和海洋熱含量的相對(duì)細(xì)微變化也可導(dǎo)致TC 的強(qiáng)度短時(shí)間內(nèi)在薩菲爾-辛普森等級(jí)量表上變化數(shù)個(gè)類別(Sun et al, 2007),TCHP 對(duì)TC 強(qiáng)度的變化同樣也有著不可忽視的影響, 在全球范圍內(nèi)TC 生成數(shù)最多的西北太平洋, RI事件大多產(chǎn)生在TCHP 相對(duì)較高的區(qū)域(Wada et al,2007)。VWS 也是影響TC 強(qiáng)度的一個(gè)重要因子,VWS 可以改變TC 的內(nèi)部位渦及相應(yīng)的熱力環(huán)境來影響其強(qiáng)度變化, 對(duì)流層VWS 越小, 越有利于熱力氣柱的形成和CISK 的運(yùn)轉(zhuǎn), 從而引起RI 事件的產(chǎn)生(DeMaria, 1996; Walsh et al, 2000; Emanuel et al,2004)。此外, 充足的水汽可以為TC 的發(fā)展提供潛熱(Wu et al, 2012; 韓翔 等, 2018), 進(jìn)而TC 強(qiáng)度增加而形成RI 事件, 所以RHUM 也可能影響RI 事件的產(chǎn)生。

圖4 顯示了在南印度洋RI 事件活躍季節(jié)SST、TCHP、VWS 和500-hPa RHUM 的氣候態(tài)分布。從圖4a 可以看出南印度洋RI 事件產(chǎn)生區(qū)域, 特別是馬達(dá)加斯加島東北海域、南印度洋中部海域和澳大利亞西北海域這3 個(gè)RI 事件高值區(qū)域, 大部分位于SST 接近30℃的區(qū)域, 較高的SST 可以促進(jìn)TC 強(qiáng)度在短時(shí)間內(nèi)提升, 進(jìn)而引起RI 事件的產(chǎn)生。圖4b顯示了南印度洋TCHP 的空間分布, TCHP 在西南印度洋較低, 這與前人指出的西南印度洋溫躍層較淺相一致(Du et al, 2009)。在RI 事件空間分布中, 除馬達(dá)加斯加島東北海域這一 RI 事件高值中心的TCHP 呈現(xiàn)出較低值外, 其余兩個(gè)高值中心都位于TCHP 值較高的海域, 這說明較高的TCHP 可能也是這兩個(gè)區(qū)域RI 事件產(chǎn)生較多的環(huán)境因素。圖4c顯示了南印度洋VWS 的空間分布, 可以看出馬達(dá)加斯加島東北海域和南印度洋中部海域這兩個(gè)高值中心均位于VWS 最低值的中心區(qū)域, 而澳大利亞西北海域這一RI 事件高值中心的VWS 則高于前兩個(gè)中心。在圖4d 顯示的500-hPa RHUM 的空間分布中, 3 個(gè)RI 事件高值中心的RHUM 均較高, 但與RI事件分布的聯(lián)系相比于其他因子均較弱。

圖4 1981—2019 年南印度洋SST(a)? TCHP(b)? VWS(c)及500-hPa RHUM(d)的氣候態(tài)該圖基于國(guó)家測(cè)繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為GS(2016)1665 號(hào)的標(biāo)準(zhǔn)地圖制作。圖中黑色等值線為1981—2019年南印度洋RI 事件數(shù)量的平均空間分布Fig. 4 Climatology of (a) SST, (b) TCHP, (c) VWS, and (d) 500-hPa RHUM in the SIO from 1981 to 2019

綜上所述, 南印度洋RI 事件產(chǎn)生區(qū)域大致位于SST 接近30℃的區(qū)域, 而控制RI 事件高值中心產(chǎn)生的大尺度環(huán)境因子主要是TCHP 和VWS, 但3 個(gè)高值中心的主要影響因子略有不同。在馬達(dá)加斯加島東北海域RI 事件高值中心, 主要是氣候態(tài)上較弱的VWS 導(dǎo)致了RI 事件頻繁產(chǎn)生; 在南印度洋中部海域這一中心區(qū)域附近, 較高的 TCHP以及較弱的VWS 對(duì)RI 事件產(chǎn)生均有貢獻(xiàn); 而在澳大利亞西北海域, RI 事件的頻繁產(chǎn)生主要是較高的TCHP 所致。

2.2 RI 事件年際變化特征

2.2.1 RI 事件的年際變率

圖5 顯示了南印度洋TC 數(shù)量及RI 事件產(chǎn)生數(shù)量的時(shí)間序列。在1981—2019 年間, 南印度洋TC生成最少的年份是2011 年, 數(shù)量為8 個(gè), TC 生成最多的年份是1985 年, 數(shù)量為20 個(gè), 其主要呈現(xiàn)年際變化, 未出現(xiàn)較為明顯的下降或上升趨勢(shì)。而在南印度洋RI 活躍季節(jié)內(nèi)RI 事件的變化趨勢(shì)則與TC的變化趨勢(shì)有著顯著的差異(圖5), 可以看出南印度洋RI 事件產(chǎn)生數(shù)量呈現(xiàn)年際和年代際的變化特征,并且總體上呈現(xiàn)上升的趨勢(shì)。在此期間, 產(chǎn)生RI 事件最少的年份是1982 年, 數(shù)量為0 個(gè), 產(chǎn)生RI 事件最多的年份是2014 年, 數(shù)量為44 個(gè)。

圖5 1981—2019 年南印度洋快速增強(qiáng)(RI)事件數(shù)量(黑線)和熱帶氣旋(TC)數(shù)量(紅線)的時(shí)間序列Fig. 5 Time series of RI events number (black) and TC number (red) in the SIO from 1981 to 2019

在年際時(shí)間尺度上, ENSO 是現(xiàn)有的觀測(cè)記錄中熱帶氣候主導(dǎo)模態(tài)(Xie et al, 2009)。前人的研究發(fā)現(xiàn), 印度洋氣候(包含海表溫度)主要受ENSO 的強(qiáng)迫, 其自身的自然變率較弱(Xie et al, 2002, 2009;Zhang et al, 2015)。圖6 顯示了去趨勢(shì)后RI 事件數(shù)量異常和12 月至次年4 月的Ni?o3.4 (5°S—5°N,120°—170°W)指數(shù)的時(shí)間序列, 對(duì)二者進(jìn)行相關(guān)性分析, 相關(guān)系數(shù)為0.2, 未通過相關(guān)性顯著檢驗(yàn)。但是從圖6 可以看出, 當(dāng)Ni?o3.4 指數(shù)較高, 即厄爾尼諾事件發(fā)生時(shí), 南印度洋RI 事件產(chǎn)生數(shù)量較低; 而當(dāng)Ni?o3.4 較低, 即拉尼娜事件發(fā)生時(shí), 絕大多數(shù)年份中南印度洋RI 事件產(chǎn)生數(shù)量同樣較少, 但也存在個(gè)別年份RI 事件產(chǎn)生數(shù)量呈正異常。雖然從整體來看ENSO 事件對(duì)南印度洋RI 事件產(chǎn)生數(shù)量的影響不顯著, 但這可能是由于影響的不對(duì)稱造成的。為了更具體地考察ENSO 事件對(duì)南印度洋熱帶氣旋RI事件的影響, 下文將通過合成分析加以探討。

圖6 1981—2019 年去趨勢(shì)后的南印度洋快速增強(qiáng)(RI)事件異常值和Ni?o3.4 指數(shù)的時(shí)間序列Fig. 6 Time series of detrended RI events number anomaly (black) and Ni?o3.4 index (red) from 1981 to 2019

前人的研究指出, ENSO 雖然是熱帶主導(dǎo)模態(tài),但是需要一定強(qiáng)度的ENSO 異常事件才能強(qiáng)迫出印度洋的響應(yīng)(Yu et al, 1999)。所以在本研究中, 為了突出ENSO 信號(hào), 選取ENSO 事件強(qiáng)度等級(jí)為強(qiáng)以上的年份進(jìn)行合成。根據(jù)ONI 指數(shù), 將厄爾尼諾事件強(qiáng)度等級(jí)為強(qiáng)和超強(qiáng)的年份及拉尼娜事件強(qiáng)度等級(jí)為強(qiáng)的年份挑選出來(見表1), 并分別與RI 事件產(chǎn)生數(shù)量的異常進(jìn)行合成(圖7)?？梢园l(fā)現(xiàn), 與圖6中的結(jié)論類似, ENSO 對(duì)南印度洋RI 事件產(chǎn)生數(shù)量的調(diào)制是非對(duì)稱的。在強(qiáng)和超強(qiáng)厄爾尼諾事件發(fā)生的年份(圖7a), 南印度洋RI 活躍季節(jié)的RI 事件產(chǎn)生數(shù)量在整個(gè)海盆上呈現(xiàn)顯著的負(fù)異常。這些年份出現(xiàn)的負(fù)異常值較為均勻地分布在南印度洋海盆中部10°S 附近, 在60°E? 75°E 和85°E 這3 個(gè)區(qū)域出現(xiàn)較高的負(fù)異常值, 而在這條負(fù)異常線的兩側(cè)分別出現(xiàn)了兩個(gè)小面積的正異常區(qū)域(95°E、5°S 和85°E、15°S)。在強(qiáng)拉尼娜事件發(fā)生的年份(見圖7b), 南印度洋RI 活躍季節(jié)的RI 事件產(chǎn)生數(shù)量同樣呈現(xiàn)出大面積的負(fù)異常區(qū)域, 負(fù)異常值的3 個(gè)中心點(diǎn)與厄爾尼諾事件發(fā)生年份的負(fù)異常中心位置大致相同, 不同的是在強(qiáng)拉尼娜事件發(fā)生年份澳大利亞西北海域存在一個(gè)數(shù)值較高的正異常中心。

表1 1981—2019 年厄爾尼諾和拉尼娜事件發(fā)生的年份及對(duì)應(yīng)強(qiáng)度Tab. 1 El Ni?o and La Ni?a years and intensities from 1981 to 2019

圖7 南印度洋RI 事件產(chǎn)生數(shù)量異常在強(qiáng)和超強(qiáng)厄爾尼諾年(a)以及強(qiáng)拉尼娜年(b)的合成該圖基于國(guó)家測(cè)繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為GS(2016)1665 號(hào)的標(biāo)準(zhǔn)地圖制作。圖中白色“+”表示異常值通過90%置信度的t 檢驗(yàn)Fig. 7 Composite anomalies of RI events number in the SIO in the years of strong and super strong El Nino events (a) and strong La Nina events (b)

2.2.2 大尺度環(huán)境因子對(duì)南印度洋RI 事件年際變化的影響

為了考察ENSO 對(duì)南印度洋RI 事件的調(diào)制, 接下來將與RI 事件聯(lián)系密切的4 個(gè)大尺度的環(huán)境因子(SST? TCHP? VWS? RHUM)在強(qiáng)和超強(qiáng)厄爾尼諾事件發(fā)生的年份和強(qiáng)拉尼娜事件發(fā)生的年份進(jìn)行合成。如圖8a 所示, 在厄爾尼諾事件發(fā)生的年份, 印度洋的SST 呈現(xiàn)顯著的正異常, 這與前人的結(jié)論相一致(Xie et al, 2002, 2009; Du et al, 2009)。在厄爾尼諾發(fā)展時(shí)期, 海洋性大陸(Maritime Continent, MC)會(huì)產(chǎn)生沃克環(huán)流下沉異常, 下沉氣流會(huì)在印度洋強(qiáng)迫暖的海洋羅斯貝波向西傳播, 進(jìn)而導(dǎo)致西南印度洋增暖, 加深西印度洋的溫躍層(Xie et al, 2002)。相應(yīng)地, 在厄爾尼諾年西南印度洋TCHP 顯著增加(圖8b), 南印度洋VWS(圖8c)和RHUM(圖8d)均為顯著正異常。雖然SST? TCHP? RHUM 等因子有利于RI 事件的產(chǎn)生, 但是RI 事件產(chǎn)生數(shù)量在整個(gè)南印度洋洋盆中心區(qū)域的大部分海域仍表現(xiàn)為連續(xù)的緯度較為集中的負(fù)異常。而在對(duì)應(yīng)區(qū)域僅VWS 存在較高的正異常, 不利于RI 事件的產(chǎn)生。因此, 在強(qiáng)和超強(qiáng)的厄爾尼諾事件發(fā)生年份, VWS 是調(diào)制南印度洋RI 事件異常最主要的環(huán)境因子, 因?yàn)樗魅趿藵摕後尫艑?duì)熱帶氣旋風(fēng)速的增強(qiáng)作用(潘靜 等,2010)。

圖8 南印度洋SST(a)? TCHP(b)? VWS(c)和500-hPa RHUM(d)異常值在強(qiáng)及超強(qiáng)厄爾尼諾年的合成該圖基于國(guó)家測(cè)繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為GS(2016)1665 號(hào)的標(biāo)準(zhǔn)地圖制作。圖中黑色等值線表示南印度洋RI事件產(chǎn)生數(shù)量異常值在強(qiáng)和超強(qiáng)厄爾尼諾年的合成, 白色“+”表示SST? TCHP? VWS 和RHUM 異常值通過90%置信度的t 檢驗(yàn)Fig. 8 Composite anomalies of (a) SST, (b) TCHP, (c) VWS, and (d) RHUM in the SIO in the years of strong and super strong El Ni?o events

與厄爾尼諾年相反, 拉尼娜年南印度洋SST(圖9a)和TCHP(圖9b)呈現(xiàn)出負(fù)異常, 并且以RI 事件產(chǎn)生數(shù)量負(fù)異常中心處的TCHP 負(fù)異常值最強(qiáng)。另外可以看到, 在部分區(qū)域VWS 正異常(圖9c)與RHUM(圖9d)負(fù)異常對(duì)拉尼娜年南印度洋RI事件產(chǎn)生較少也起到一定的貢獻(xiàn)作用。在澳大利亞的西北海域存在RI 事件產(chǎn)生數(shù)量的正異常, 對(duì)應(yīng)的3 個(gè)熱力學(xué)因素(SST? TCHP 和RHUM)也都分別呈現(xiàn)出一定的正異常。因此, 不同于厄爾尼諾年, 拉尼娜年南印度洋RI 事件產(chǎn)生數(shù)量減少主要是因?yàn)門CHP 變?nèi)? 此外SST、VWS、RHUM 也有一定的貢獻(xiàn)。

圖9 南印度洋SST(a)? TCHP(b)? VWS(c)和500-hPa RHUM(d)異常值在強(qiáng)拉尼娜年的合成該圖基于國(guó)家測(cè)繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為GS(2016)1665 號(hào)的標(biāo)準(zhǔn)地圖制作。圖中黑色等值線表示南印度洋RI事件產(chǎn)生數(shù)量異常值在強(qiáng)拉尼娜年的合成, 白色“+”表示SST? TCHP? VWS 和RHUM 異常值通過90%置信度的t 檢驗(yàn)Fig. 9 Composite anomalies of (a) SST, (b) TCHP, (c) VWS, and (d) RHUM in the SIO in the years of strong La Ni?a events

以上的現(xiàn)象表明了在年際尺度上, ENSO 對(duì)南印度洋RI 事件的影響是不對(duì)稱的, 即厄爾尼諾年與拉尼娜年南印度洋RI 事件產(chǎn)生數(shù)量均減少。但是使其減少的主要因素在厄爾尼諾年與拉尼娜年卻是不同的, 厄爾尼諾年南印度洋較少RI 事件產(chǎn)生主要是由較高的VWS 導(dǎo)致, 而拉尼娜年南印度洋較少RI事件產(chǎn)生主要是由于TCHP 的降低。

3 結(jié)論

本文系統(tǒng)地研究了1981—2019 年南印度洋RI事件的氣候特征和年際變率, 通過對(duì)南印度洋的RI事件產(chǎn)生數(shù)量和大尺度環(huán)境變量進(jìn)行分析, 主要得到以下主要結(jié)論:

1) 南印度洋RI 事件產(chǎn)生數(shù)量的逐月變化呈現(xiàn)出單峰性, 主要產(chǎn)生在10 月至次年6 月這9 個(gè)月(南半球夏季和秋季), 而7—9 月這3 個(gè)月(南半球冬季和春季)則無RI 事件產(chǎn)生。

2) 南印度洋RI 事件的空間分布主要集中于5°—15°S 這一緯度帶上, 且出現(xiàn)了3 個(gè)高值中心, 分別是馬達(dá)加斯加島東北海域(66°E, 11°S)、南印度洋中部海域(85°E, 11°S)以及澳大利亞西北海域(120°E,18°S)。其中, 馬達(dá)加斯加島東北海域這一高值中心所產(chǎn)生的RI 事件數(shù)量最多, 換而言之, 是整個(gè)南印度洋最容易產(chǎn)生RI事件的區(qū)域, 且此中心靠近馬達(dá)加斯加島。馬達(dá)加斯加島(尤其是其東北部)常年遭受TC 的侵?jǐn)_, 有不少TC途經(jīng)此中心區(qū)域而產(chǎn)生強(qiáng)度增強(qiáng), 進(jìn)而對(duì)該地區(qū)人民的生命和財(cái)產(chǎn)安全造成威脅。

3) 氣候態(tài)上, 南印度洋RI 事件產(chǎn)生數(shù)量的空間分布主要受到TCHP 和VWS 這兩個(gè)大尺度環(huán)境變量調(diào)制, 且不同的RI 高值中心區(qū)域所主導(dǎo)調(diào)制的因子不同。在馬達(dá)加斯加島東北海域RI 事件高值中心, 主要是氣候態(tài)上較弱的VWS 導(dǎo)致了RI 事件頻繁產(chǎn)生; 而在南印度洋中部海域這一中心區(qū)域附近,較高的TCHP 以及較弱的VWS 對(duì)RI 事件的產(chǎn)生均有貢獻(xiàn); 在澳大利亞西北海域, RI 事件的頻繁產(chǎn)生主要是較高的TCHP 所致。

4) 在年際變率上, ENSO 對(duì)南印度洋RI 事件的影響是不對(duì)稱的, 即在厄爾尼諾年與拉尼娜年RI 事件的發(fā)生數(shù)量均呈現(xiàn)減少的狀況, 但使其減少的主要因子卻截然不同。在厄爾尼諾年, 過高的VWS 導(dǎo)致了RI 事件的減少; 而在拉尼娜年, RI 事件的減少主要是由于TCHP 降低所致, 其次SST、TCHP、RHUM 對(duì)RI 事件的減少也有貢獻(xiàn)。

本文研究了ENSO 事件對(duì)南印度洋RI 事件的影響及機(jī)制, 但不排除其他海溫模態(tài)對(duì)南印度洋RI 事件的可能影響。比如, 前人的研究指出ENSO 可以通過影響沃克環(huán)流來改變海洋性大陸的對(duì)流運(yùn)動(dòng)(Leung et al, 2016, 2017, 2019; Zhang et al, 2019), 而ENSO 對(duì)海洋性大陸對(duì)流活動(dòng)的影響受到南印度洋偶極子(Southern Indian Ocean Dipole, SIOD)的調(diào)控(Gong et al, 2019; Xiao et al, 2020)。這些都表明南印度洋RI 事件的產(chǎn)生可能還受到其他海溫模態(tài)的調(diào)制作用。目前本文主要從環(huán)境因子的角度出發(fā), 分析了ENSO 對(duì)南印度洋RI 事件的影響, 而其他海溫模態(tài)對(duì)南印度洋RI 事件的影響將在下一步工作中開展深入的研究與探討。