吳越 曾剛 楊效業(yè) 李忠賢
(1 南京信息工程大學 氣象災害預報預警與評估協(xié)同創(chuàng)新中心/氣象災害教育部重點實驗室南京信息工程大學,南京 210044;2 四川省氣候中心,成都 610072)
2010年11月至2011年初,澳大利亞西海岸出現(xiàn)了劇烈的暖海溫異常,強烈的“海洋熱浪”導致了大量的珊瑚白化和魚類死亡[1-2]。這種印度洋東部的增暖現(xiàn)象與赤道太平洋發(fā)生的El Nio以及大西洋發(fā)生的Benguela Nio類似,2013年FENG, et al[3]將其命名為Ningaloo Nio,它的負位相事件被稱為Ningaloo Nia。海洋的熱力性質(zhì)的變化是氣候變化的重要驅動力,海表溫度的變化能夠影響局地降水的可預測性[4],因而,理解Ningaloo Nio/Nia的變化特征及其影響對于預測未來“海洋熱浪”對氣候變化的影響十分必要[5]。
澳大利亞獨特的Leeuwin洋流逆風沿著西海岸由低緯度向南極流動[6],在季節(jié)和年際尺度上影響著澳大利亞西南海域的海表溫度變化[7]。FENG, et al[3]指出,2011年初的Ningaloo Nio是受到La Nia強迫產(chǎn)生,2010年El Nio迅速過渡到La Nia,導致暖海水通過印尼海峽流入印度洋,進一步增強了Leeuwin洋流,從而演變成Ningaloo Nio。Kataoka, et al[8]通過對近60 a發(fā)生的Ningaloo Nio(Nia)事件研究指出,Ningaloo Nio(Nia)具有季節(jié)鎖相的特性,并將Ningaloo Nio(Nia)分為局部增強型和非局部增強型,其中局部增強型的Ningaloo Nio(Nia)可通過印度洋固有的海氣相互作用發(fā)展起來,與熱帶太平洋上的El Nio(La Nia)的Bjerknes反饋機制[9]類似,在這種模式下,澳大利亞西部降水較多(較少),北部較少(較多)。而非局部增強型的Ningaloo Nio(Nia)則與Clarke-Meyers效應[10]有關,在這種模式下澳大利亞西南部降水減少(增加)75%以上,中部地區(qū)則增加(減少)200%以上。ZHANG,et al[11-12]認為大約有40%的Ningaloo Nio與La Nia同時發(fā)生,并提出了跨海域的耦合機制。Kataoka, et al[13]通過數(shù)值試驗指出,Ningaloo Nio也可以不依靠對ENSO的響應獨自發(fā)展起來,認為在沒有ENSO影響時將為當?shù)毓逃械暮庀嗷プ饔玫陌l(fā)展提供有利條件。
華南冬季相較于夏季來說降水偏少,但冬季降水的變化也會產(chǎn)生重要影響,并且多伴有災害性天氣,甚至會對人民的生命財產(chǎn)造成重大損失[14-15]。太平洋海溫的變化作為華南冬季降水的重要影響因子,已經(jīng)有很多學者對二者的關系進行了研究。例如,任倩等[16]指出,熱帶西太平洋暖池處于冷水年時有利于華南冬季降水的增多。何金海等[17]則指出,西太平洋暖池與華南冬季降水關系具有明顯的年代際變化特征。陶詩言等[18]指出,El Nio(La Nia)年亞洲上空的環(huán)流型不利(有利)于寒潮向南爆發(fā),導致亞洲冬季風偏弱(強),從而導致我國南方冬季降水在El Nio(La Nia)年異常偏多(少)。LI, et al[19]認為ENSO可通過西北太平洋異常反氣旋對華南冬季降水產(chǎn)生顯著影響。FENG, et al[20]指出,典型的ENSO和ENSO Modoki對東南亞和我國南方冬季降水的影響有顯著差異,這種差異是由大氣對ENSO和ENSO Modoki在西太平洋不同的非絕熱加熱產(chǎn)生局地響應造成的。袁良等[21]通過分析El Nio和El Nio Modoki年冬季西太平洋副熱帶高壓的強度和位置的變化,得出El Nio年冬季華南地區(qū)降水偏多,而El Nio Modoki年我國華南地區(qū)降水偏少的結論。印度洋海溫異常現(xiàn)象對東亞大氣環(huán)流和氣候也產(chǎn)生了重要影響[22-23]。龍曉琴等[24]認為,當熱帶印度洋海盆一致變冷時,東亞冬季風將增強。肖子牛等[25]指出,在El Nio發(fā)生期間,東冷西暖的印度洋海溫結構加大了東太平洋海溫異常對東亞季風區(qū)的影響,使中國西南到華南的降水明顯增加。
(1)海溫資料為NOAA擴展重建海表溫度(ERSST)V3b[26],水平分辨率為2°×2°。
(2)大氣環(huán)流資料為NCEP/NCAR月平均再分析資料[27],其水平分辨率為2.5°×2.5°。
(3)降水資料為中國2 400多個臺站日降水觀測資料插值而成的CN05.1格點資料[28-29],分辨率為0.25°×0.25°。該資料集具有較高的空間分辨率且經(jīng)過驗證,效果較好。
采用的資料時間范圍均為1979年1月至2017年2月,均扣除線性趨勢。文中冬季取12至次年2月的3個月平均。
圖1 (a)澳大利亞西側海溫異常第一特征向量的空間分布;(b)澳大利亞西側海溫異常第一特征向量的時間系數(shù)序列(紅色實線:PC1)及Ningaloo Nio指數(shù)(藍色虛線:NNI)Fig.1 (a)The first EOF mode of SST anomaly of western Australia,(b)time series of normalized principal component of EOF1on the SST anomaly off western Australia(red solid line:PC1)and Ningaloo Nio Index(blue dotted line:NNI)
主要采用經(jīng)驗正交函數(shù)分解(EOF)、相關分析、回歸分析、合成分析等統(tǒng)計方法。
ENSO在年際尺度上對全球的氣候變化具有重要的影響,為了有效分離Ningaloo Nio/Nia和ENSO對華南冬季降水的影響,使用An[30]提出的數(shù)據(jù)處理方法,即
ξ=ξ*-Z×cov(ξ*,Z)/var(Z)。
(1)
其中:ξ*為去掉ENSO海溫信號前的氣象要素場;ξ為去掉ENSO海溫信號后的氣象要素場;Z為Nio4區(qū)冬季海溫;cov為去掉ENSO海溫信號前的氣象要素場與Nio4區(qū)冬季海溫的協(xié)方差;var為Nio4區(qū)冬季海溫的方差。
圖2 NNI的逐月標準差Fig.2 Monthly standard deviation of the normalized NNI
圖2給出了NNI逐月標準差的分布情況,可以發(fā)現(xiàn)澳大利亞西側海表溫度變化在冬季變率最大,夏季變率最小,其發(fā)展周期表現(xiàn)出了明顯的不對稱性,Ningaloo Nio/Nia自10月開始發(fā)展,海溫異常迅速增長,在次年2月達到峰值,此后迅速衰退。因為Ningaloo Nio/Nia具有這種季節(jié)鎖相的特征,在當年12至次年2月到達它的成熟位相,因此將研究重點放在冬季。將冬季NNI高于一個標準差的年份定義為Ningaloo Nio年,低于負一個標準差的年份定義為Ningaloo Nia年,由此可以得出Ningaloo Nio/Nia發(fā)生的年份,在1979—2016年共38 a中,Ningaloo Nio發(fā)生的年份有7 a,Ningaloo Nia發(fā)生的年份有5 a(表1)。
表1 Ningaloo Nio/ Nia年份Table 1 The year of Ningaloo Nio/Nia
表1 Ningaloo Nio/ Nia年份Table 1 The year of Ningaloo Nio/Nia
海溫異常年份Ningaloo Ni?o1979,1982,1994,1996,1999,2010,2011Ningaloo Ni?a1986,1992,2003,2005,2016
圖4 (a)冬季華南降水異常與NNI的相關系數(shù)分布;(b)冬季華南降水指數(shù)(綠色實線)與NNI(藍色虛線)的標準化時間序列(打點表示通過α=0.1置信度檢驗的區(qū)域)Fig.4 (a)Correlation between the winter anomaly precipitation in South China and NNI in winter;(b)the normalized index of the winter precipitation in South China(green solid line)and NNI(blue dotted line)(The dotted areas are significant at 90% confidence level)
圖3 冬季海表溫度異常(單位:℃)對NNI的回歸系數(shù):(a)未扣除El Nio/La Nia信號;(b)扣除El Nio/La Nia信號(打點表示通過α=0.05置信度檢驗的區(qū)域)Fig.3 Regression of SST anomaly(unit:℃)on normalized NNI in winter: (a)before the removal of El Nio/La Nia signal;(b)after removal of El Nio/La Nia signal (The dotted areas aresignificant at 95% confidence level)
圖4為華南冬季降水與NNI的相關分布。如圖4a所示,可以看到華南冬季降水異常與NNI為正相關關系,并且其顯著正相關區(qū)域位于華南地區(qū)東部,表明Ningaloo Nio年份華南冬季降水偏多,反之,Ningaloo Nia年份華南冬季降水則偏少。選取華南地區(qū)冬季月降水量異常大值區(qū)(22°~28°N,110°~120°E)平均的標準化降水距平作為華南冬季降水指數(shù)(SCPI)。計算得到華南冬季降水指數(shù)與NNI的時間變化曲線(圖4b)的相關系數(shù)為0.35,高于α=0.05的置信度檢驗。因此,華南冬季降水與Ningaloo Nio/Nia在年際時間尺度上存在顯著聯(lián)系。
東亞大氣環(huán)流異常是導致我國降水異常變化的重要原因,從上述分析可知,Ningaloo Nio/Nia的變化將會對我國東部地區(qū)的大氣環(huán)流造成影響,從而導致華南地區(qū)冬季降水發(fā)生異常。為揭示其可能的影響機制,對NNI與澳大利亞西側的大氣環(huán)流進行回歸分析,并對Ningaloo Nio/Nia年份相關區(qū)域的垂直環(huán)流進行合成分析。ZHANG,et al[12]采用ECHAM 4.6大氣環(huán)流模式,在氣候態(tài)海溫場上加入Ningaloo Nio型海表溫度異常驅動模式進行數(shù)值模擬,對比控制試驗(氣候態(tài)海溫驅動模式)結果,模式能模擬出副熱帶東印度洋地區(qū)上空的氣旋性環(huán)流異常,表明Ningaloo Nio型海溫增暖對該地區(qū)氣旋性環(huán)流異常的形成具有重要貢獻。采用LIANG[33-34]提出的信息流理論方法對NNI與副熱帶東印度洋地區(qū)的海氣熱通量異常的因果關系進行分析,也得到類似的結論。圖7a、b顯示,Ningaloo Nio年份由于大氣對暖海溫異常的響應,在低層澳大利亞西側形成氣旋性環(huán)流異常,而高層為反氣旋性環(huán)流異常,這種高低空配置會觸發(fā)局地輻合上升氣流異常,導致副熱帶東印度洋地區(qū)對流活動發(fā)展,上升運動增強,使得局地Hadley環(huán)流上升支強度增強,反之,在Ningaloo Nia年,澳大利亞西側低層形成反氣旋性環(huán)流異常,高層為氣旋性環(huán)流異常,副熱帶東印度洋地區(qū)對流活動受到抑制,下沉運動發(fā)展,局地Hadley環(huán)流上升支強度減弱。
圖5 Ningaloo Nio/Nia年華南冬季降水距平百分率的合成與差值分布(單位:%):(a)Ningaloo Nio年;(b)Ningaloo Nia年;(c)Ningaloo Nio年減去Ningaloo Nia年(打點表示通過置信度為α=0.1的顯著性檢驗的區(qū)域)Fig.5 Composites of the ratio to the winter anomaly precipitation in South China between Ningaloo Nio years and Ningaloo Nia years(unit:%):(a)Ningaloo Nio years;(b)Ningaloo Nia years,(c)Ningaloo Nio years minus Ningaloo Nia years (The dotted areas are significant at 90% confidence level)
圖6 冬季水平風場(單位:m·s-1)與指數(shù)的回歸:(a)500 hPa與SCPI;(b)850 hPa與SCPI;(c)500 hPa與NNI;(d)850 hPa與NNI(陰影表示通過α=0.1置信度檢驗的區(qū)域)Fig.6 Regression of winter wind(unit:m·s-1)on normalized index:(a)500 hPa wind and SCPI;(b)850 hPa wind and SCPI;(c)850 hPa wind and NNI (The shaded areas are significant at 90% confidence level)
圖7 冬季對流層 (a) 高層200 hPa;(b)低層850 hPa水平風場(單位:m·s-1)與NNI的回歸(陰影表示通過α=0.05置信度檢驗的區(qū)域)Fig.7 Regression of winter wind(unit:m·s-1)on normalized NNI in the troposphere(a)200 hPa;(b)850 hPa (shaded areas are significant at 95% confidence level)
圖8 Ningaloo Nio年與Ningaloo Nia年冬季環(huán)流差值場(Ningaloo Nio年減去Ningaloo Nia年):(a)沿80°~100°E平均的高度—緯度的經(jīng)向環(huán)流剖面,陰影表示通過α=0.1置信度檢驗的區(qū)域;(b)沿20°~30°N平均的高度—經(jīng)度的緯向垂直速度剖面,打點區(qū)域表示通過α=0.1置信度檢驗的區(qū)域;垂直速度均放大100倍(單位:Pa·s-1)Fig.8 The difference of composite for circulation between winters in Ningaloo Nio years and Ningaloo Nia years(Ningaloo Nio yearsminus Ningaloo Nia years):(a)the anomaly latitude-altitude cross sections for vertical circulation from 80°-100°E;(b)the anomaly longitude-altitude cross sections for vertical velocity from 20°-30°N. The shaded areas andthe dotted areas are significant at 90% confidence level. The vertical velocity is amplified by 100 times(unit:Pa·s-1)
圖9 冬季各標準化指數(shù)的變化:(a)Ningaloo Nio/Nia指數(shù)(NNI);(b)南支槽強度指數(shù)(SBTI);(c)華南降水指數(shù)(SCPI)Fig.9 The variations of standardized indices in winter:(a)NNI;(b)SBTI;(c)SCPI
由圖8可以看出,局地經(jīng)向環(huán)流的異常導致青藏高原主體南側上空為上升運動,有利于高原南側南支槽的維持。南支槽也稱作副熱帶南支西風槽,是青藏高原南側產(chǎn)生的半永久性低壓,是冬季影響東亞的主要天氣系統(tǒng)之一[35]。從氣候平均狀態(tài)來看,南支槽在700 hPa上最為明顯。采用索渺清等[35]提出的南支槽強度指數(shù)(SBTI)的定義,即以孟加拉灣北側至青藏高原南側(17.5°~27.5°N,80°~100°E)700 hPa位勢高度異常的大小來判斷南支槽強度的變化。圖9給出了冬季各指數(shù)的時間序列,由此得出南支槽強度指數(shù)與NNI的相關系數(shù)為-0.54,與華南降水指數(shù)的相關系數(shù)為-0.44,均通過α=0.01的置信度檢驗,說明三者之間有著顯著的聯(lián)系,即Ningaloo Nio年冬季,南支槽強度偏強,華南冬季降水較多,而Ningaloo Nia年冬季,南支槽強度較弱,華南冬季降水較少。用700 hPa經(jīng)向風緯向偏差的平方來表示擾動活動的情況[36],計算了南支槽強度指數(shù)與700 hPa大氣擾動場(圖10a)的相關,從90°E東側一直到華南地區(qū)均為擾動正相關區(qū)域,表示當南支槽強度增強的時候,南支急流上的擾動也會增強。南支槽的活動為降水提供了有利條件,圖10b給出了南支槽強度指數(shù)與地面到500 hPa高度上水汽積分與散度的相關,顯示南支槽偏強時水汽輻散大值區(qū)域位于孟加拉灣北部,華南地區(qū)則有明顯的水汽輻合且盛行西南氣流,水汽由孟加拉灣北部向東流入華南地區(qū)。當南支槽強度增強時,擾動的增強以及水汽的輻合使華南地區(qū)冬季降水增多,而南支槽強度偏弱時情況相反。
本文利用1979—2017年NOAA ERSST V3b的海表溫度資料、CN05.1的降水資料以及NCEP/NCAR月平均再分析資料,分析了Ningaloo Nio/Nia的基本特征及其對華南冬季降水的影響。主要結論如下:
圖10 (a)南支槽強度指數(shù)與700 hPa擾動場的相關系數(shù);(b)南支槽強度指數(shù)與地面到500 hPa水汽通量垂直積分和水汽通量散度(陰影)的相關系數(shù)。打點和陰影表示通過α=0.1置信度檢驗的區(qū)域Fig.10 (a)Correlation between the SBTI and 700 hPa perturbation,(b)correlation coefficients between the SBTI and thevertically integrated moisture flux(shaded)and the divergence of moisture flux from surface to 500 hPa. The shaded areas and dotted areas are significant at 90% confidence level