2011, Vol. 54
ENSO 事件是起源于赤道、具有全球影响的气候异常事件[1].诸多研究探讨了ENSO 事件的时空结构特征、成因机制、全球影响及其可预测性[2~4].对于ENSO 驱动机制、演化过程、模拟预测以及影响评价等方面仍存在诸多争议[5， 6].近年来，诸如 ENSO Modoki等不同类别的ENSO 事件的识别，以及中赤道太平洋ENSO 与西赤道太平洋ENSO等不同类型ENSO 事件及其成因[7~9]的发现显示不同类型ENSO 事件在时空格局上存在一定的差异.从时空整合的视角出发，对不同的时空维度进行融合与透视，以揭示ENSO 事件时空过程的整体特征与主体格局，是促进ENSO 研究的重要思路与手段.
Wyrtki等[10]在1970年代即指出在赤道太平洋地区海面变化与ENSO 事件间存在强联系，近年来，诸多学者探讨了诸如ENSO 时期海-气耦合的不规则振动如MJO 等[11]，潮汐及海洋环流转变[12]等诸多要素对海面变化的影响.诸多结果表明，海面变化敏感响应于全球气候及各圈层相互作用的变化，在对诸如气压场、风场快速、高噪音的变化敏感响应的同时，其自身所具有的过滤作用，又在一定程度上更有利于开展ENSO 的模拟及预测研究[13， 14].赤道太平洋地区海面变化记录了ENSO 发展的时空过程，高精度、高空间分辨率的卫星测高资料为ENSO时空特征及动态演变过程研究提供了新的视角和数据支撑.
总体上，对ENSO 事件的解析始终受到其成因机制的多样性与复杂性，表现特征的非线性与准周期性及其影响途径的多重性与广泛性的困扰.现有的时空结构研究多集中在季节性特征或基于EOF类分析获得的时空场结构上[15]，其时空分离的本质使得上述方法对ENSO 时空结构的特征提取及表达分析在描述赤道太平洋地区海气相互作用的时空模态方面仍存在一定的不足[16， 17].因此，引入可支撑多维分析的时空分析方法，探讨ENSO 事件的发生、发展过程对海面变化时空结构的影响，理清海面变化对不同类型、强度ENSO 的响应特征及过程差异，是促进海面变化以及ENSO 事件深入研究的可能途径.
2 研究数据与方法 2.1 研究数据本文采用综合T/P 和Jason-1两颗测高卫星的1993年1月至2008 年12 月延迟时间型海面高异常数据[18](Ref版本)进行研究，空间分辨率为1/4°×1/4°，空间范围为赤道太平洋地区(15°S~15°N，150°E~80°W，图 1a).该数据经过各类大气物理及潮汐校正，并对不同时段的误差进行均一化处理，使其在整个时段上的精度保持一致.ENSO 指标采用美国国家海洋和大气局地球系统研究实验室(NOAAESRL)提供的多变量ENSO 指数(Multivariate ENSO Index, 简称MEI，图 1b)[19]，相对于SOI，MEI可以更好地反映ENSO 启动和消亡的过程及其强弱[20].根据MEI强度的Rank值可将1993年1月至2008年12月划分为强、弱El Niño时段，强La Niña时段以及ENSO 平静期.近期研究显示，赤道太平洋地区还存在一类与传统El Niño存在差异的 El NiñoModoki事件.对此类事件选用Ashok等构造的El NiñoModoki指数(El NiñoModokiIndex, 简称EMI)，该指数同时考虑了东、中、西太平洋的 SST 异常特征，可表征El NiñoModoki事件的演化特征与过程[7].
|
图 1 卫星测高数据U)的空间范围与MEI指数(b) Fig. 1 The spatial distribution of data (a) and the MEI (b) |
3阶主张量分析(PrincipalTensorAnalysisof3-Rank, PTA3)是主成分分析(PrincipalComponent Analysis, PCA)向三维的扩展[21]，以研究3维张量的特征提取与时空变化.对于一个n×p的二维矩阵X，传统的主成分分析可以表达为如下的张量分解形式:
|
(1) |
其中σi为第i主成分的特征值，ψi和φi分别为n维和p维向量，代表第i主成分和第i主轴.运算符“.."表示的是张量的缩进运算，此处等价于张量空间的内积运算，“⊗ "为张量积或Kronecker积，ψi⊗φi的结果为n×p的二维张量.s×v×t的三维张量Y的分解形式为:
|
(2) |
上式可将三维张量Y分解为三个一阶子张量ψ、φ和Φ，称其为Y的一阶主张量分解.由于维度的扩充，对上述张量Y还可做二阶张量分解:即:
|
(3) |
同理，对于K维张量数据S而言，可将其分解成维度为k-1，k-2，…，k-n，…，1的子张量.
张量分解从整体数据构型上对多维数据进行整体的、全局的逼近而非特定维度的数据分解，从而有效地揭示了数据整体特征.相对传统的主成分分析，张量分解有更好的结构保形性，有助于揭示多维时空数据不同维度间的耦合作用关系.现有常用的张量分解方法主要有Tucker N、PTAk、CANDECOMP/ PARAFAC及基于高阶SVD 的HOSVD 类方法[22].其中，PARAFAC 模型类似传统的主成分分析的高维扩展，其分解结果表现为对原始数据的近似逼近[23]，而Tucker N 模型则利用给定阶数的低阶核矩阵(Core Matrix)及其对应的系数序列来表达不同维度间的配置特性及相互作用关系[24].PTAk方法采用基于广义奇异值分解(Generalized SVD)和修正最小二乘法进行主张量分解，可更好地从高维空间寻找逼近原始张量的正交子张量，并基于特征值进行主张量的信度检验及筛选[21]，在一定程度兼具PARAFAC模型和Tucker N 模型的优点.
2.3 小波交叉谱与小波相干谱交叉小波谱(Cross Wavelet Spectrum)和小波相干谱(Wavelet Coherence)是基于小波变换发展起来的两序列多尺度相互关系的信息处理方法[25].可提供两序列在时频空间中能量共振和协方差分布规律，可以揭示两序列不同时段不同尺度上的一致性和相关性，并能再现时频空间中的相位关系.
设WnX(s)和WnY(s)分别为时间序列Xn和Yn的连续小波变换结果，交叉小波谱定义为:
|
(4) |
其中WnY*(s)为WnY(s)的复共轭.由此所定义交叉小波功率为|WnXY(s)| ，反映了Xn和Yn在时频空间能量共振信息.WnXY的复角即表示了Xn和Yn在时频空间的局部相位信息.
小波相干谱定义为:
|
(5) |
其中:S为平滑操作符，该表达式与传统意义上相关系数的定义类似，可认为反映了时频空间局部相关性大小.
3 海面变化中经纬向信号解析及其与 ENSO 的多尺度关系识别 3.1 海面变化数据中经-纬-时耦合信号解析月均海面高异常时空数据PTA3 分解的前两个主张量方差贡献率分别为27.32%和13.02%，相应的主张量系数及海面变化空间型见图 2.第一主张量(图 2a)主要反映海面的经向变化特征，其经向系数由西往东呈下降态势，而纬向系数则以赤道为界呈波状分布.在7°S和7°N 附近出现局部峰值，并在(5°N，160°E)和(7°S，160°E)附近各存在一个海面高异常的高值中心，而在90°W~100°W 间为低值中心，表现出类似跷跷板结构.第二主张量(图 2b)主要反映海面的纬向变化特征，能量主要集中在研究区中部(Nino3.4).第一主张量时间系数与MEI指数基本重合(相关系数r=0.83)，显示赤道太平洋经向海面变化与ENSO 间能较好对应，这与 ENSO 主要受经向热力梯度、风力差异影响密切相关[26， 27].第二主张量时间系数整体上以年周期变化为主，但受ENSO 影响仍较为明显，表现为随 ENSO 演化存在不同的相位差异.
|
图 2 PTA3分解结果及其空间格局.图中Lat1(2)、Lon1(2)、T1(2)分别为第1(2)主张量的纬向、经向和时间系数，T2 Filtered为T2滤波序列，MEI为MEI指数序列.(a)第一主张量；b)第二主张量 Fig. 2 Decompose results of PTA3.The Lat1(2)，Lon1(2)，T1(2) indicate the Latitude, Longitude and Temporai coefficients of the first (second) principle tensor, T2Filtered means the filtered series of T2 and MEI suggest MEI index series.(a) The first principle tensor； (b) The second principle tensor |
采用FFT 低通滤波剔除T2中的年周期分量，获得表征纬向海面变化的第二主张量时间滤波序列(图 2中的T2Filtered序列).纬向异常年际变化整体上滞后MEI指数5个月，相位调整后序列相关系数为0.47，该相位关系在整个时段上分布并不均匀.东西向的气压梯度快速调整与产生于中东赤道地区斜压Rossby波调整、南北向的Ekman环流以及平流传输间的相位差可能是造成这一相位关系的重要环节[28].由于全球以及不同区域尺度的海面变化也显示了与ENSO 事件的相关性，且与ENSO 之间的相位差也多在3~5月[29]，显示赤道太平洋纬向海面年际异常可能在海面变化对ENSO 的响应过程中起着纽带作用，ENSO 事件对海面纬向传递的影响可能是不同区域海面与ENSO 信号间存在相位差的重要原因.
3.2 海面变化数据中经纬向耦合信号与ENSO的多尺度作用关系由于PTA3 提取主张量的时间系数大小可表征赤道太平洋海面变化经向及纬向变化强弱，对 PT1时间系数(T1)及滤除年周期后的PT2时间系数(T2Filtered)与MEI指数进行小波交叉谱与相干谱分析(图 3)，揭示了海面变化经纬向耦合强度与 ENSO 之间的多尺度能量共振与相位关系.小波交叉谱显示赤道太平洋地区海面变化经向变动与纬向异常在1年尺度上与MEI指数整体上能较好对应，但2.5a以上尺度波动与MEI指数在2002 年后均出现能量共振缺失.在2002~2005年间，T1在所有尺度上与MEI指数均存在共振缺失，而T2Filtered仅在1.5~2a以及2.5a以上尺度上存在共振缺失.1993~1994年附近所存在的能量共振缺失，可能受小波分解边界效应影响.T1 和T2Filtered 与MEI指数间多尺度耦合作用连续性缺失表明上述两个时段中ENSO 对海面变化经纬向耦合作用的响应特征可能存在差异.
|
图 3 纬向年际异常与MEI指数的小波交叉谱与小波相干谱 (a)第一主张量时间系数与MEI指数的小波交叉谱；(b)第一主张量系数与MEI指数的小波相干谱；(c)第二主张量滤波序列与MEI 指数的小波交叉谱；(d)第二主张量滤波序列与MEI指数的小波相干谱.粗实线闭圈为基于红噪音模拟的5%信度区间，细实线包络为边界效应影响区域(Cone o丨Inmence, COI)，箭头方向反映两者相位关系，左向的箭头为同相位，右向箭头表示反相位，向正上方的箭头则代表所分析的信号超前MEI指数90°. Fig. 3 Wavelet cross spectrum and coherence spectrum of zonal inter-annual anomalies and MEI index (a) Wavelet cross spectrum of T1 and MEI index； (b) Wavelet coherence spectrum of T1 and MEI i ndex； (c) Wavelet cross spectrum of T2 filtered and MEI rndex； (d) Wavelet coherence spectrum of T2 filtered and MEI rndex.The thick contour encloses regions rndicate 5% i gnificance level against red noise.Envelopes of the thin solid lines are the cone of rnfluence (COI) where edge effects mght affected.The direction of the arrow suggest the correlation of the two tme series.Two tme series are rn phase with arrows pointing left, antiphase pointing right.The arrow pointing up means the signal analyzed are forward lag MEI 90-degree. |
小波相干谱分析结果表明，T1和T2Filtered与 MEI指数在1a 及以上尺度上具有持续的强相干性，显示了ENSO 与海面变化经纬向变化间的联系.T1与MEI的相位关系显示，除1993~1994年、2002~2005年在2.5~3a左右尺度上存在相位的不一致性外，其余时段两者均具有同步性，与赤道太平洋海面经向变化可有效表征ENSO 变化的结论相一致.T2Filtered与MEI的相位关系整体上存在较为明显的相位差.1993~1995 年两者的相位在1~2a尺度上相位差逐渐减小，并以4年左右尺度为中心出现相位的涡旋态势.类似的情况发生在2000年后，随着时间推移，相位偏移影响的尺度范围逐渐增大，至2008 年，已影响到1~2.5a尺度.2002~2004 年，在2.5~4a 的尺度上同样出现相位的涡旋.
3.3 El Niño Modoki与海面变化数据中经纬向耦合的响应关系多尺度作用关系分析表明，1994 年与2002~2005年海面变化的经纬向耦合与ENSO间表现出特殊性.1994年、2002年均为典型的El NiñoModoki年份，2004年一定程度上亦可归为El Niño Modoki年份，但其在成因机制及环流特征上存在一定的特殊性[7].相对于典型的西高东低型ENSO 事件，El Niño Modoki以中太平洋为中心，由两侧环流向中间挤压成为马鞍型El Niño, 其气候要素的空间分布、环流特征及演化特征与常规的ENSO 均存在较大的区别.由于海面变化敏感响应于其所在区域的气候要素和环流特征，El Niño Modoki事件也必定会对海面变化的经纬向耦合特征产生显著影响.将 MEI指数、T1 和T2Filtered与表征El Niño Modoki事件强度的EMI指数进行对比(图 4a)，并进行小波相干谱分析(图 4b).
|
图 4 MEI与T1及T2滤波序列对EMI指数的响应关系 (a)对比分析结果；(b)小波相干谱分析结果. Fig. 4 Response Relationship between MEI Index with T1，T2 filtered and EMI Series (a) Temporal comparison result； (b) Wavelet coherence spectrum result. |
图 4a 中，表征ENSO 的MEI指数以及表征 ENSO Modoki的EMI指数在波动细节上可以进行较好的对应，但在峰谷的对应特征、相位关系及振幅上存在差异.且EMI指数对1997~1998 年强El Niño反映不明显.T1 与EMI指数对比显示，海面变化的经向运动在1999 年前与EMI指数对比较差，在1999~2000 年，两者具有较好的对应性，而2000~2007年两者在波动结构上具有对应性，但振幅上则存在差异.两者的小波交叉谱显示，两者能量共振的主要尺度集中在1a以及2a左右，在作用时段上，1a左右尺度上的显著共振区域主要集中在1999~2003 年和2005~2008 年，且该尺度上经向系数与EMI指数间表现为同相位；2a左右尺度上的作用时段则主要集中在1993~2000年和2005~2008年.且该两个时段无论是在尺度共振特征还是相位特征上均不具有一致性.
第二主张量滤波序列与EMI指数在整体结构上表现为反相关，在波动细节上亦能较好对应，显示海面变化的纬向运动与El Niño Modoki间存在联系.小波交叉谱也显示两者在2~3a尺度上具有持续的能量共振特征，其尺度作用范围在1994~2000年间持续扩大，至2000 年在1~3a尺度范围内均具有显著的能量共振关系，2000~2007年，在2a左右尺度上能量共振缺失，整体共振的尺度存在自大尺度向小尺度演替的趋势，且相位关系也表现出一定的不同步性.Ashok指出El Niñomodoki时期海面高异常起源于中太平洋地区，且西向风强度不如常规El Niño时期，自中太平洋向东、西方向同时出现两套环流体系[7， 28].Kim 等[29]认为常规El Niño时期风场的垂直结构上具有速率变异性，而El Niño modoki时期海面风场在垂直结构上则具有稳定性，因而更利于大西洋热带风暴的形成与聚集.环流和风场结构改变必然引起海表及深层的潮汐及洋流的改变，进而影响海面变化中经、纬向波动传递特征与演化.
4 海面变化对不同ENSO 事件响应的结构分异 4.1 不同ENSO事件时期海面变化经纬向演化的一致性及贡献率根据图 1中MEI指数的强度划分，对研究时段内的6次ENSO 事件进行PTA3分解.各事件第一及第二主张量的特征值、局部及全局方差贡献率见表 1.各张量的局部方差贡献率代表了该张量反映特征整体上的一致性与显著性的强弱，全局的方差贡献率则显示了各分张量对整体数据贡献率的大小.不同ENSO事件方差贡献率的分析，有助于揭示海面变化的经纬向耦合的结构特征、可能的作用过程与作用机制.
|
表 1 不同阶段下张量分解的方差贡献率 Table 1 Variance contribution of PTA3 decomposition at different periods |
不同ENSO 时期赤道太平洋海面PTA3 分解获得的局部方差贡献率显示，强El Niño时期的经向和纬向局部方差贡献率均超过50%，显示强El Niño时期经纬向的结构具有强一致性.两次强La Niña事件时期，海面变化经纬向结构的一致性也均相对较强，但弱于强El Niño时期的.从全局方差贡献率上看，1997~1998年强El Niño、2007~2008年强La Niña的第一主张量全局贡献率均超过50% ，而第二主张量全局贡献率则在10%左右，显示了上述两次事件时期海面变化以经向运动为主导.而对于1998~2000年的强La Niña事件，其经向的全局方差贡献率不足40%，且其启动时间与持续时间也与另一La Niña事件存在区别.
1993年弱El Niño时期海面变化的纬向一致性高于经向，显示了弱El Niño在环流结构甚至驱动机制上存在差异性.对于1994 年及2002~2003 年的El Niño Modoki, 两者纬向特征的局部方差贡献率均不超过17%，显示El NiñoModoki时期海面变化的纬向演化较为复杂，其整体结构上的一致性相对较弱.经向结构上，2002~2003 年的El Niño modoki的一致性要高于1994年的El Niñomodoki.20世纪90 年代初期整体气候状态的平静期以及1997~1998年强ENSO 事件的响应与调整均可能是其原因.El Niño Modoki的全局方差贡献率中，纬向组分的贡献率均不超过5%，甚至低于强El Niño 以及强La Niña时期海面的纬向贡献率.纬向环流的低贡献率可能是产生El Niño Modoki的重要信号之一.
4.2 不同类型ENSO事件对海面变化经、纬向影响的空间构型重构的6次ENSO 事件海面变化空间型(图 5)揭示了在高、低海面位置、振幅及分布范围等方面的差异.1997~1998年强El Niño和1998~2000年强 La Niña事件在经向结构上表现为东西反向，而纬向结构相似，并可能与1998~2000年强La Niña在启动时间以及持续时间上异常有关；第二主张量空间型中海面高值区均出现于(7°N~15°N，150°E~110°W)间，而海面极低值区出现于(15°S~7°N，150°E~110°W)间.而1993年弱El Niño的纬向空间构型则相反，在经向结构上不如1997~1998年强 El Niño 典型，表现为沿赤道的近似对称.2007~2008年La Niña在经向构形上与1998~2000年事件类似，但纬向上显著的梯度区则移至180°~90°W间，变异量级也显著小于1998~2000 年事件.1994年与2002~2003年两次El NiñoModoki空间型的经向结构具有相似性，但1994年事件的经向振幅差异要小，而纬向变动在振幅和构型上均存在显著差异，可能显示了El NiñoModoki成因机制的复杂性.
|
图 5 不同类型ENSO事件PTA3分解的空间型对比 (a)第一主张量，(b)第二主张量. Fig. 5 Contrast on the spatial reconstruction of PTA3 of different type of ENSO events (a) The first principle tensor； (b) The second principle tensor. |
Kao等[8]指出赤道太平洋地区存在以赤道东太平洋海温异常为代表的EP 型ENSO(EP-ENSO)，和由于中太平洋海温异常而引起的CP 型ENSO(CP-ENSO)两类事件，其中EP型ENSO的成因与洋盆尺度的温跃层及表面风有关，且与赤道印度洋有很强的联系.而CP-ENSO 则更多的受大气驱动.Kug等[9]则根据El Niño事件空间形态的不同将其划分为冷舌型(CT-ENSO)与暖池型(WP-ENSO)两种，并认为斜温层反馈与纬向的水平对流反馈分别是两者产生、发展的核心过程.本文提取的两次 El NiñoModoki事件在海面变化第一主张量空间构型与上述结论具有对应性:1994 年以及2002~2003年的El Niño Modoki表现为典型的CP-ENSO(或WP-ENSO)，即海面变化高值区集中在中太平洋附近；其余的4 次事件则均表现为EP-ENSO(或 CT-ENSO).
5 不同ENSO 事件时期海面变化经纬向耦合过程分异对于PTA3分解获得经纬向空间型，所对应的时间系数可以有效表征海面变化经纬向耦合强度的强弱，进而揭示海面变化经纬向耦合演化过程.上述六次ENSO 事件的经、纬向系数耦合轨迹见图 6.轨迹的形状特征与演化方向可有效表征海面变化经、纬向耦合的动态演化特征，其中演化方向可反映海面变化耦合作用过程中经纬向耦合作用的顺序与方向，而轨迹演化结构的规则性，则可反映整个时段上经纬向耦合作用一致性的强弱，从而可进一步揭示不同事件在特征、过程、影响要素等方面的差异.
|
图 6 不同ENSO事件中海面变化经纬向耦合轨迹及其与MEI指数对比(图中点的大小代表 MEI指数绝对值的大小，颜色代表MEI指数实际数值的大小) Fig. 6 The zonal and meridional sea level coupling trajectory of different type of ENSO events and their comparison with MEI index (Points size and the color indicates the absolute value and the actual value of MEI) |
1993年El Niño 事件总体上可划分为经向减弱，纬向增强(1~4月)、经纬向同时增强(4~6月)、经向增强，纬向减弱(6~8月)以及经纬向同时减弱(9~12月)四个阶段.最盛期出现在经向梯度小及纬向梯度大的时段内，可能显示了纬向海面变化的强烈影响.1997~1998年的强El Niño在演化结构上则经历两个阶段，经向持续增强(1997年4~11月)阶段的纬向系数整体上变幅较小，且在4~8 月略有增强，而8~11 月则持续减弱；持续减弱(1997年12月~1998年5月)阶段则表现为经向梯度减小与纬向梯度的同步增加.演化过程中仅首尾两月的El Niño强度相对较小，其余时段MEI绝对值均相对较大.Yuan(2004)[30]基于波分解的模式模拟显示，1991~1993年弱El Niño中，仅可在事件结束期间发现在延迟振子理论中具有重要作用的先驱罗斯贝波，而1997~1998 年El Niño事件中，先驱罗斯贝波、东太平洋边界反射罗斯贝波均对事件终止起重要作用，且“西太平洋振子"理论亦可很好地解释此次强El Niño事件的发展过程，显示该事件可能是多种模式综合作用的结果.
1998~2000、2007~2008年两次La Niña事件的经纬向耦合过程也存在显著的差异性.1998~2000年La Niña与1998年8月至12月，其经纬向系数开始持续下降，此后的演化过程分别经历了纬向系数不变，经向系数持续增大(1999 年1~2月)与减小(1999 年6~8 月)、经向系数大体不变，纬向系数持续增大(1999 年3~5 月)与减小(1999年9~11 月)四次特殊的演化过程.而2007~2008年La Niña更接近于周期性变化.
5.2 El NiñoModoki时期的经纬向耦合过程1994年和2002~2003年两次El Niño Modoki演化在结构上存在显著区别，1994 年的El Niño Modoki事件经历了经向减弱，纬向增强(1~3 月)经向不变，纬向减弱(4~5月)经向增强，纬向减弱(6~7月)，经、纬向同时增强(8~11月)以及经、纬向同时减弱(12 月)5 个阶段.而2002 年El Niño Modoki事件则首先表现为经、纬向同时减弱(02年5~7月)，而后经向持续增强，纬向略有增强(02 年8~10 月)，此后即进入经向持续减弱，纬向不断增强的阶段直至事件结束.该两次事件与1993年以及1997~1998年的强El Niño在经纬向耦合的演化过程上亦存在明显的差异性，显示了El Niño Modoki演化过程及其作用机制的复杂性，并可能与常规的 ENSO 事件在成因机制和演化过程上存在显著不同.
Hackert等(2007)[31]指出，1997 与2002 年两次事件在初始状态及外部驱动上均存在差异性.1997年事件的前半期(1996 年11 月~1997 年6月)东向风场是其海面驱动的初始条件，2002 年事件的东向风场则在日界线附近消亡.两次事件的前半年，外部驱动贡献均很小.在两次事件的后半期，1997年事件后半年基本是以外部驱动为主，而2002年事件上，初始状态与外部驱动对温度的驱动则基本等价.现阶段关于ENSO Modoki的相关研究仍相当缺乏，从时空视角进行分析可为其变化特征、驱动机制及趋势研究提供新的思路.
5.3 不同事件时期经纬向耦合的周期性、规则性与方向性特征ENSO 事件的经纬向演化轨迹特征同样揭示了周期上的差异性.1993年El Niño与2007~2008年的La Niña事件轨迹均存在一个封闭的环路，在发生、发展及演化过程与周期间也可较好地对应.ENSO 与年周期的相位锁定关系是ENSO 事件与其他气候异常事件间的重要特征之一[32].强El Niño事件的演化轨迹整体上不封闭，显示该次强El Niño事件周期性不明显，更缺乏与年周期的相位锁定关系.强La Niña事件整体上表现出一定的周期性，但一方面持续时间相对较长，另一方面其周期演变的规则性仍相对较差.而El NiñoModoki事件的演化过程一般不闭合，显示了经纬向耦合演化过程不具有对称性.且在年内演化上缺乏较为固定的演化模式.该特征或可作为El NiñoModoki的重要表征之一.
不同ENSO 事件在经纬向耦合的演化方向上也具有明显的差异性，除1997~1998 年强El Niño事件大体上表现出先顺时针(亦可认为大体不变)，后转变为逆时针变化外，其余5 次事件均表现明显的顺时针或逆时针演化趋势.其中1993年El Niño以及1998~2000 年、2007~2008 年两次La Niña均为顺时针方向演化，而1994年与2002年El Niño Modoki则均为逆时针演化，两者在演化方向上的不同显示了两者在影响要素、成因机制及作用过程上的差异性，对其深入分析可为El Niño Modoki事件的识别、监测以及预测提供参考.
6 结论与讨论本文基于1993~2008年的卫星测高数据，采用具有方向滤波特性3阶主张量分析方法对赤道太平洋海面变化经、纬向耦合及演化特征进行解析，获得了具有较为明确物理意义与保型性的解析信号，并进行了空间型与演化过程重构、分析与对比.对6次 ENSO 事件进行空间型重构，表明其可有效区分各类型ENSO 时间的空间格局特征.通过不同ENSO事件演化的经、纬向系数轨迹图，可从周期、规则性和方向性等方面，对强El Niño、弱El Niño、强La Niña以及El NiñoModoki等不同类型的ENSO 事件进行有效区分，并可很好地揭示不同事件演化过程差异，进而揭示不同类型ENSO事件的时空演化过程.
赤道太平洋海面的经向变化主要表征ENSO强度的变化，而纬向变化则表现为受ENSO 强烈影响的年周期波动，在整体上与ENSO 演变之间存在不稳定的相位差异.经纬向张量的时间系数(T1 和 T2Filtered)与MEI以及EMI指数间的多尺度能量共振与相位关系表明，T1 和T2Filtered 均受El NiñoModoki的强烈影响，两者在耦合尺度、能量共振关系以及相位关系上均存在差异，其中，T1 与 EMI指数的相位基本同步，两者在2000 年前对应较差，而2000年后在波动结构则具有一定的可对应性.T2Filtered 与El Niño Modoki间呈反相位关系，其对应性较T1更强.不同ENSO 事件时期海面变化的经、纬向演化的重构空间型可较好地显示不同类型ENSO 事件在高海面和低海面的位置、振幅以及高值区与低值区分布形态与空间范围等方面的差异性.而不同类型ENSO 事件在经纬向耦合演化轨迹的周期、规则性和方向性上则可区分强El Niño、弱El Niño、强La Niña以及El Niño Modoki等ENSO 类型，并可在一定程度上表现各次事件演化过程的个性特征.
赤道太平洋海区海面变化是ENSO 事件产生及发展的重要指标之一，也是诸多ENSO 成因理论模型的核心要素.全球及区域性的气候模式存在相当的不确定性[33]，而诸如ENSO Modoki一类的新型海-气耦合模式的出现，对大范围内降水、环流、海面波动模态乃至飓风一类的异常事件产生显著的影响[7， 29]，也使人们重新审视以往对赤道太平洋区域海-气耦合的特征、机制和过程的认识.由于相关研究资料及研究方法等方面的不足，导致对El Niño Modoki的演化特征、成因机制及其对全球气候的影响的研究仍具有较多不确定性.本文结果显示，海面变化可敏感显示和表征El Niño Modoki的空间构型和演化过程，高精度、高空间分辨率的卫星测高数据，可为此类新型海-气异常事件的研究提供有效的数据支撑.
致谢感谢法国CNESAVISO 数据中心提供的卫星测高海平面高度异常数据.感谢天津地质调查中心王强研究员对本文工作的大力支持.
| [1] | McPhaden M J, Zebiak S E, Glantz M H. ENSO as an integrating concept in earth science. Science , 2006, 314(5806): 1740-1745. DOI:10.1126/science.1132588 |
| [2] | Wang H J, Zhang R H, Cole J, et al. El Niño and the related phenomenon Southern Oscillation (ENSO): The largest signal in interannual climate variation. Proc. Natl. Acad. Sci. U.S.A. , 1999, 96(20): 11071-11072. DOI:10.1073/pnas.96.20.11071 |
| [3] | 袁耀初, 刘勇刚, 苏纪兰. 1997-1998年El-Niño至La-Niña期间东海黑潮的变异. 地球物理学报 , 2001, 44(2): 199–210. Yuan Y C, Liu Y G, Su J L. Variability of the Kuroshio in the East China Sea during El-Niño to La-Niña phenomenon of 1997 and 1998. Chinese J. Geophys. (in Chinese) , 2001, 44(2): 199-210. |
| [4] | 张韧, 洪梅, 王辉赞, 等. 基于遗传算法优化的ENSO指数的动力预报模型反演. 地球物理学报 , 2008, 51(5): 1346–1353. Zhang R, Hong M, Wang H Z, et al. Retrieval of the non-linear dynamic forecast model of El Nino/ La Nina index based on the genetic algorithm optimization. Chinese J. Geophys. (in Chinese) , 2008, 51(5): 1346-1353. |
| [5] | Latif M, Keenlyside N S. El Niño/Southern Oscillation response to global warming. Proc. Natl. Acad. Sci. U.S.A. , 2009, 106(49): 20578-20583. DOI:10.1073/pnas.0710860105 |
| [6] | Power S B, Smith I N. Weakening of the Walker Circulation and apparent dominance of El Niño both reach record levels, but has ENSO really changed?. Geophys. Res. Lett. , 2007, 34(18): L18702. DOI:10.1029/2007GL030854 |
| [7] | Ashok K, Yamagata T. Climate change: The El Niño with a difference. Nature , 2009, 461(7263): 481-484. DOI:10.1038/461481a |
| [8] | Kao H Y, Yu J Y. Contrasting Eastern-Pacific and Central-Pacific Types of ENSO. J. Clim. , 2009, 22(3): 615-632. DOI:10.1175/2008JCLI2309.1 |
| [9] | Kug J S, Jin F F, An S I. Two Types of El Niño Events: Cold Tongue El Niño and Warm Pool El Niño. J. Clim. , 2009, 22(6): 1499-1515. DOI:10.1175/2008JCLI2624.1 |
| [10] | Wyrtki K. El Niño-the dynamic response of the equatorial Pacific Ocean to atmospheric forcing. J. Phys. Oceanogr. , 1975, 5(4): 572-584. DOI:10.1175/1520-0485(1975)005<0572:ENTDRO>2.0.CO;2 |
| [11] | Zhang X, Lu Y Y, Thompson K R. Sea level variations in the tropical Pacific Ocean and the Madden-Julian Oscillation. J. Phys. Oceanogr. , 2009, 39(8): 1984-1992. DOI:10.1175/2009JPO4170.1 |
| [12] | Middleton J F, Arthur C, Van Ruth P, et al. El Niño effects and upwelling off South Australia. J. Phys. Oceanogr. , 2007, 37(10): 2458-2477. DOI:10.1175/JPO3119.1 |
| [13] | Ji M, Reynolds R W, Behringer D W. Use of TOPEX/Poseidon sea level data for ocean analyses and ENSO prediction: Some early results. J. Clim. , 2000, 13(1): 216-231. DOI:10.1175/1520-0442(2000)013<0216:UOTPSL>2.0.CO;2 |
| [14] | Zheng F, Zhu J, Zhang R H. Impact of altimetry data on ENSO ensemble initializations and predictions. Geophys. Res. Lett. , 2007, 34(13): L13611. DOI:10.1029/2007GL030451 |
| [15] | Rong Z R, Liu Y G, Zong H B, et al. Interannual sea level variability in the South China Sea and its response to ENSO. Glob. Planet. Change , 2007, 55(4): 257-272. DOI:10.1016/j.gloplacha.2006.08.001 |
| [16] | Kim K Y, Wu Q G. A comparison study of EOF techniques: Analysis of nonstationary data with periodic statistics. J. Clim. , 1999, 12(1): 185-199. DOI:10.1175/1520-0442(1999)012<0185:ACSOET>2.0.CO;2 |
| [17] | Wallace J M, Rasmusson E M, Mitchell T P, et al. On the structure and evolution of ENSO-related climate variability in the tropical Pacific: Lessons from TOGA. J. Geophys. Res. , 1998, 103(C7): 14241-14259. DOI:10.1029/97JC02905 |
| [18] | CLS, SSALTO/DUACS User Handbook: (M)SLA and (M)ADT Near-Real Time and Delayed Time Products, CLS-DOS-NT-06.034. Ramonville St-Agne, France, 2007 |
| [19] | Wolter K, Timlin M S. Measuring the strength of ENSO events-how does 1997/98 rank?. Weather , 1998(53): 315-324. |
| [20] | Ortiz-Tánchez E, Ebeling W, La Nius K. MEI, SOI and mid-range correlations in the onset of El Niño-Southern Oscillation. Physica A , 2002, 310(3-4): 509-520. DOI:10.1016/S0378-4371(02)00812-9 |
| [21] | Leibovici D, Sabatier R. A singular value decomposition of a k-way array for a principal component analysis of multiway data, PTA-k. Linear Algebra and its Applications , 1998, 269(1-3): 307-329. DOI:10.1016/S0024-3795(97)81516-9 |
| [22] | Acar E, Yener B. Unsupervised multiway data analysis: A literature survey. IEEE Transactions on Knowledge and Data Engineering , 2009, 21(1): 6-20. DOI:10.1109/TKDE.2008.112 |
| [23] | Harshman R A, Lundy M E. PARAFAC: Parallel factor analysis. Computational Statistics and Data Analysis , 1994, 18(1): 39-72. DOI:10.1016/0167-9473(94)90132-5 |
| [24] | Tucker L R. Some mathematical notes on three-mode factor analysis. Psychometrika , 1966, 31(3): 279-311. DOI:10.1007/BF02289464 |
| [25] | Torrence C, Compo G P. A practical guide to wavelet analysis. Bull. Amer. Meteorol. Soc. , 1998, 79: 61-78. DOI:10.1175/1520-0477(1998)079<0061:APGTWA>2.0.CO;2 |
| [26] | Masuda S, Awaji T, Toyoda T, et al. Temporal evolution of the equatorial thermocline associated with the 1991-2006 ENSO. J. Geophys. Res. , 2009, 114(C3): C03015. DOI:10.1029/2008JC004953 |
| [27] | Chambers D P, Mehlhaff C A, Urban T J, et al. Analysis of interannual and low-frequency variability in global mean sea level from altimetry and tide gauges. Phys. Chem. Earth , 2002, 27(32-34): 1407-1411. DOI:10.1016/S1474-7065(02)00078-5 |
| [28] | Ashok K, Iizuka S, Rao S A, et al. Processes and boreal summer impacts of the 2004 El Niño Modoki: An AGCM study. Geophys. Res. Lett. , 2009, 36: L04703. DOI:10.1029/2008GL036313 |
| [29] | Kim H M, Webster P J, Curry J A. Impact of shifting patterns of Pacific Ocean warming on North Atlantic tropical cyclones. Science , 2009, 325(5936): 77-80. DOI:10.1126/science.1174062 |
| [30] | Yuan D L, Rienecker M M, Schopf P S. Long wave dynamics of the interannual variability in a numerical hindcast of the equatorial Pacific Ocean circulation during the 1990s. J. Geophys. Res. , 2004, 109: C05019. DOI:10.1029/2003JC001936 |
| [31] | Hackert E, Ballabrera-Poy J, Busalacchi A J, et al. Comparison between 1997 and 2002 El Niño events: Role of initial state versus forcing. J. Geophys. Res. , 2007, 112: C01005. DOI:10.1029/2006JC003724 |
| [32] | Yan B L, Wu R G. Relative roles of different components of the basic state in the phase locking of El Niño mature phases. J. Clim. , 2007, 20(16): 4267-4277. DOI:10.1175/JCLI4242.1 |
| [33] | Guilyardi E, Wittenberg A, Fedorov A, et al. Understanding El Niño in ocean-atmosphere general circulation models: Progress and challenges. Bull. Am. Meteor. Soc. , 2009, 90(3): 325-340. DOI:10.1175/2008BAMS2387.1 |