一些报告指出，2015年是观测记录以来全球最暖的一年(http://public.wmo.int/en/resources/library/wmo-statement-status-of-global-climate-2015)，全球平均地表温度比工业革命以前偏高超过1.0℃，已经跨越UNFCC COP21(2015)设定的相对于工业化革命以前2℃变暖控制目标的一半。

在中国，有关气候变化和厄尔尼诺的影响也受到特别的关注。有研究表明，在中国过去几十年的变化过程中，中国的地面气温升高也十分明显(Ding et al，2006)，东亚季风趋于减弱，降水呈现出南涝北旱趋势(Wang，2001; Zhai et al，2005; Ding et al，2008; Li et al，2011; Zhang，2015b)。不少研究指出，厄尔尼诺对中国气温、降水，甚至登陆台风都会产生影响(Huang et al，1989;Wang et al，2000;Zhang et al，2014)。

本文将根据全球气候系统和中国的最新观测资料，分析2015/2016年ENSO循环过程，探讨2015/2016年超强厄尔尼诺事件的一些关键特征；并在此基础上，讨论气候变暖趋势以及这次超强厄尔尼诺对全球和中国气温变化的可能影响，分析此次强厄尔尼诺对全球灾害性天气气候事件的影响；并重点分析对中国夏季降水，特别是对秋冬转换之际(11—12月)中国南方降水和北方地区持续发生的雾、霾天气的可能影响。

采用1900年以来的地表温度序列是基于中国国家气象信息中心自主研发的两个数据集产品：(1)全球均一化地面气温数据集(CMA LSAT1.1)和对应的1961—1990年全球标准地面气温数据集，并结合美国大气与海洋局(NOAA)研发扩展重建的全球海表温度数据集(ERSSTv4)，对全球地表温度进行统一计算获得的一套全球地表温度距平数据序列，距平值由原序列减去1961—1990年平均值得到；(2)中国年平均地面气温距平序列，使用的是Li等(2010)和Xu等(2013)发展的CNSAT1序列，距平值由原序列减去1961—1990年平均值得到。这套序列建立时间较晚，建立方法较为严谨，在气温序列建立过程中使用了最新的观测资料。

使用的中国降水观测资料来源于中国国家气象信息中心提供的1950—2015年756站逐日降水资料。选取1961年以后观测记录完整的站点，同时剔除1961年以后存在明显缺测的站点，通过筛选得到530个站点资料，进行计算分析。

有关ENSO过程监测诊断资料主要来源于美国国家环境预测中心(NCEP)和中国国家气候中心，海表温度(SST)和向外长波辐射(OLR)来自NCEP，大气风场、水汽输送以及赤道太平洋海温指数和大气涛动指数(包括南方涛动指数和对流涛动指数)等来自中国国家气候中心，其中Nino综合区(Nino Z)海温指数为Nino 1+2 区(0°—10°S，90°—80°W)、Nino 3区(5°N—5°S，150°—90°W)和Nino 4区(5°N—5°S，160°—150°W)海温指数的面积加权平均(李晓燕等，2000)。南方涛动指数(SOI)指标准化的塔希提与达尔文站月平均海平面气压之差序列的标准化值。对流涛动指数(COI)指标准化的赤道中、东太平洋(5°N—5°S，170°E—90°W)和赤道西太平洋(5°N—5°S，110°—140°E)向外长波辐射之差序列的标准化值(郭艳君等，1998)，多年平均基准为1981—2010 年。

PM_2.5浓度资料来自中国环境监测总站公开发布的2015年11—12月全中国1491个国家空气质量自动监测站点的PM_2.5小时平均数据。

夏季选取6—8月的平均值，秋冬转换季节选用11和12月的平均值。利用中国国家气候中心提供的逐月Nino Z指数来选取厄尔尼诺事件，Nino Z距平指数的值连续5个月≥0.5℃则定义为一次厄尔尼诺，≥1℃则认为是一次强厄尔尼诺(李晓燕等，2000)。文中用于合成的厄尔尼诺事件都是建立在≥1℃的标准上选出的；同时，综合考虑了Nino 3.4、南方涛动指数和对流涛动指数等相关指数。为了揭示厄尔尼诺对降水的影响，首先，将降水站点资料进行15年的滑动平均，将降水场减去对应的滑动平均场，然后求厄尔尼诺年降水的合成距平百分率，将其作为厄尔尼诺对降水的影响；同时，计算得到参与合成的年份中其降水距平百分率与合成距平百分率符号一致的年份所占的频率。

为了揭示气候变化趋势对降水的影响，先采用OCN(Optimal Climate Normal)方法(Huang，el al，1996；Livezey et al，2007)来估计全球变暖背景下降水的变化趋势：将2000—2014年降水的平均值减去1981—2010年的平均值，用其距平百分率作为全球变暖背景下降水的变化趋势；同时，计算2000—2014年中其降水距平百分率与该距平百分率一致的年份所占的频率；最后，将厄尔尼诺年降水的合成距平百分率加上利用OCN方法得到的降水趋势百分率，得到综合考虑厄尔尼诺和全球变暖背景下降水距平百分率的分布；类似地，计算参与合成的年份中其降水距平百分率与该距平百分率一致的年份所占的频率。

从2014年1月开始，日界线附近大气低层西风异常由西向东逐步加强(图 1a)，与此相联系的是赤道太平洋中西部与东部海表温度异常升高(图 1b)，但在春季以后，这种海温升高形式在赤道中太平洋没有得到持续发展。7月开始，大于2 m/s的异常偏西风出现在中太平洋地区(图 1a)。至2014年秋季，赤道中太平洋才开始出现大范围异常增暖特征(图 1b)，进入冬季后西风异常的范围变小。与此相对应，至2015年年初时赤道东太平洋海表温度又恢复正常，但赤道中太平洋海温仍然异常偏高。

图 1 2014年1月—2016年4月赤道太平洋850 hPa纬向风距平(a，单位：m/s)和海表温度距平(b，单位：℃)以及向外射出长波辐射距平(c，单位：W/m2)的演变 Fig. 1 Temporal evolution of the anomalies of 850 hPa zonal wind (m/s) (a), sea surface temperature (℃) (b), and outgoing longwave radiation (W/m2) (c), over the equatorial Pacific from January 2014 to April 2016

图选项

针对2014年赤道中、东太平洋海表温度的异常变化过程，有研究指出由于受到南太平洋中纬度海温异常偏低的影响(图 2a、b)，2014年厄尔尼诺过程没有发展成强厄尔尼诺(Min et al，2015)。考虑到赤道中、东太平洋总体处于异常偏暖状况，也可以认为是2014年赤道中、东太平洋大范围增暖特征与2015年强厄尔尼诺过程连在一起成为一次超长厄尔尼诺(图 2c—h)。不管如何看待，2015年春季迅速发展的强厄尔尼诺特征与前期赤道东太平洋低空上明显的西风异常和中太平洋上海温的大范围异常偏高过程紧密有关。

图 2 2015/2016年厄尔尼诺事件发生前后全球逐月海表温度距平分布(单位：℃ (a、b.2014年7、10月，c、d、e、f.2015年1、4、7、10月，g、h.2016年1、4月) Fig. 2 Distributions of monthly global sea surface temperature anomaly in selected months of 2014-2016 (a. July 2014, b. October 2014, c. January 2015, d. April 2015, e. July 2015, f. October 2015, g. January 2016, h. April 2016)

图选项

从2015年2月开始，赤道中太平洋开始向东出现大范围西风异常增强，4月，随着源于赤道西太平洋的开尔文波的东传，赤道东太平洋海温再度出现异常升高(图 1b、2d)；春末时，整个中东太平洋地区出现大范围海温异常升高，大部分海域海表温度距平(SSTA)大于1.0℃，2015年春季之后发展形成强厄尔尼诺特征。与此同时，大气中也表现出相应的异常特征，在低层风场上，赤道西太平洋和中-东太平洋西风异常明显(图 1a)，高层则是东风异常；由此，对应的热带中太平洋和东太平洋上空(特别是160°E—140°W)对流活动异常加强，但热带西太平洋地区对流活动受到抑制；与低空风场、对流活动相联系，5月以后南方涛动明显异常偏弱；秋季时，大部分赤道中东太平洋地区海温异常已经超过2℃(图 2f)，表明超强的厄尔尼诺特征已经非常明显，并在11—12月达到了峰值。2016年1月起，这次超强厄尔尼诺开始迅速衰减，很可能在2016年春末结束(WMO，2016)。4月，赤道中东太平洋对流层低层西风异常迅速减弱(图 1a)，赤道中、东太平洋大部为正海温距平减弱至1.0℃左右(图 1b、2h)。

图 3将2015/2016年厄尔尼诺的关键特征从关键区域海温指数、南方涛动和赤道太平洋对流活动(郭艳君等，1998)等方面与1982/1983、1997/1998年超强厄尔尼诺进行了比较。可以看出，2015/2016年强厄尔尼诺特征是在2014年5月赤道中东太平海表温度大范围异常基础上发展而来，而1982/1982年超强厄尔尼诺和1997/1998年超强厄尔尼诺事件的前期没有出现类似的升温特征，甚至是在赤道中东太平洋ENSO冷位相基础上发展而来。2015/2016年厄尔尼诺事件的峰值出现在11—12月，从前期到峰值酝酿持续时间较长，为19个月，而1982/1883和1997/1998年的强厄尔尼诺事件峰值出现在1—2月，从开始至峰值用时8个月。

图 3 2015/2016强厄尔尼诺事件(a)、1997/1998年(b)和1982/1983年强厄尔尼诺事件(c)对应的Nino 3.4区、Nino Z区海温距平指数、南方涛动指数以及对流涛动指数的逐月演变 Fig. 3 Monthly sea surface temperature anomaly indices for Nino3.4 and Nino Z regions, as well as Southern Oscillation Index (SOI), and Convection Oscillation Index (COI), during the three strong El Nio episodes in recorded history (a. 2015/2016, b. 1997/1998, c. 1982/1983)

图选项

表 1给出了根据2.1节说明的两套资料计算得到的全球年平均地表温度和中国年平均地面气温最暖的10个年份。其中，2015年无论对全球还是中国都是最暖的一年。可以看出最近10年(2006—2015年)全球和中国分别有8和6年成为了最暖的10年之一，说明近年来无论是全球还是中国，其地表温度和地面气温分别都处于异常偏高状态(IPCC，2013)。

进一步，图 4是使用上述两套资料做出的全球年平均地表温度距平序列和中国年平均地面气温距平序列(图 4a)，并且分别计算出两个序列和各自15年滑动平均值的差值序列(图 4b、c)。从图 4a中可以明显看出，1900—2015年，平均温度序列大体呈现上升趋势，尤其在20世纪70年代末期开始快速变暖。此外，1998年之后，中国区域平均温度序列出现一个较为明显的升高减缓的时期，即所谓的“Warming hiatus”现象(Li et al，2015)，但由于2014、2015年温度距平连续走高，全球序列的“hiatus”现象并不显著(Karl et al，2015；Lewandowsky et al，2016)。同时，2005年之后，中国北方(新疆—内蒙古—华北—东北)与东部偏冷，尤其是东北地区(Ding et al，2014;梁苏洁等，2014)，但近3年以来，又迅速恢复变暖，至2015年创最高纪录。在图 4b、c上，综合考虑Gergis等(2009)给出的1880—2002年厄尔尼诺和拉尼娜年的分布，以及Nino 3.4区的指标(http://www.cpc.ncep.noaa.gov/data/indices/)，将图 4b、c的差值序列中厄尔尼诺年标记为红色，拉尼娜年标记为蓝色，统计得到厄尔尼诺事件年对应的全球和中国两套资料的差值为正值的百分比分别为83.3%和66.7%。这说明厄尔尼诺对全球和中国年平均地面气温可能产生增暖的影响，同时也反应出中国作为太平洋的上游地区，受厄尔尼诺影响相对小一些。

图 4 1900—2015年全球年平均地表温度距平(相对于1961—1990年)和中国年平均地面气温距平(相对于1961—1990年) 序列(a)，以及去除长期趋势之后的全球年平均地表温度距平差值序列柱状图(b)和中国年平均地面气温距平 差值序列柱状图(c)(红色表示厄尔尼诺年，蓝色表示拉尼娜年,白色的为正常年) Fig. 4 Annual mean global surface temperature anomalies (relative to 1961-1990) and annual mean surface air temperature anomalies (relative to 1961-1990) for Chinese mainland during 1900-2015 (a. time series, b. bar graph for the globe after removal of the 15 year running mean, c. bar graph for Chinese mainland after removal of the 15 year running mean. In b、c, red denotes El Nio year, blue denotes La Nio year, and white denotes normal year)

图选项

根据不同来源的资料与信息，参考ENSO暖事件的可能影响，图 5给出了2015年强厄尔尼诺对全球天气气候事件的可能影响。可以看出，2015年强厄尔尼诺不仅对环太平洋区域的天气气候产生了重要影响，而且还可能给非洲、欧洲等地带来了高温干旱等灾害性天气气候事件(Gergis et al，2009)。过去的研究表明，中国的冬季气温、夏季降水、登陆台风等都可能受到厄尔尼诺的影响(Huang et al，1989;Wu et al，2001;Elsner and Liu，2003)。

图 5 2015年强厄尔尼诺对全球天气气候灾害的可能影响(阴影为2015年的海温距平(相对于1981—2010年)分布) Fig. 5 Possible impacts of the strong El Nio event in 2015 on the weather and climate disasters worldwide (shadings indicate distributions of SSTA, relative to 1981-2010)

图选项

2015年夏季中国南方共出现18次暴雨过程，总体来说，南方地区降水偏多，其中长江下游地区大约超过2成以上，局部地区超过5成。夏季，华北大部、西北东部、东北西南部、黄淮西部和东南部等地降水量明显偏少2—5成，造成了河北、内蒙古、辽宁、吉林、山东、宁夏等地夏旱严重(中国气象局，2016)。

图 6a—c分别给出了强厄尔尼诺、气候趋势影响下中国夏季降水距平的分布型。从图 6a中可以看到，除江淮地区、东北北部地区和新疆西藏部分地区以外，强厄尔尼诺对中国夏季降水的影响以减少为主，其中河套地区附近和西南部分地区降水偏少超过20%，这种影响在夏季处于强厄尔尼诺阶段(Nino Z区SSTA≥1.0℃)比处于厄尔尼诺阶段(Nino Z区SSTA≥0.5℃)更为明显(图略)，在河套地区、内蒙古中部地区、华北、西南和青藏高原东南部等地区出现降水减少的可能性超过67%；江淮地区的降水偏多，但其发生频率没有达到67%。在全球变暖背景下，近期中国夏季降水距平百分率变化趋势(图 6b)反映出，北方地区、西南地区降水减少，但黄淮、长江下游和东南部地区以及青藏高原大部分地区降水趋于增多，其中频率较大(超过67%)的地区出现在内蒙古东部、华北北部和青海西部地区。综合考虑厄尔尼诺和气候变化趋势的影响(图 6c)，可以看出夏季降水最大的偏少中心出现在内蒙古中东部和河套地区，约为-50%—-20%，而在江淮流域、浙江和福建附近为降水增多(0%—20%)；其中减少或增多可能性达到90%的地区主要位于内蒙古中东部、河套地区以及环渤海湾地区、西南大部分地区和青藏高原南部地区。将图 6a—c与2015年观测的夏季降水距平百分率(图 6d)比较，可以发现2015年夏季强厄尔尼诺会抑制内蒙古中部、河套地区以及环渤海地区降水的产生，这一结果说明厄尔尼诺特别是强厄尔尼诺对中国华北地区夏季降水减少有重要作用(高辉等，2007)，而中国南方地区的降水偏多不能十分肯定与强厄尔尼诺影响有关。关于厄尔尼诺的中国夏季降水影响的原因，已经有不少研究，多数认为，与印度夏季风减弱影响有关(Wang et al，2000;Gao et al，2014;Zhang，2015)。

图 6 中国夏季降水量距平百分率(彩色阴影)及距平百分率频率 (斜线表示距平百分率频率大于67%的区域，网格线表示距平百分率频率大于90%的区域，单位：%)分布 (a. 强厄尔尼诺年，b. 气候趋势影响下的分布, c. (a)和(b)叠加之后形成的分布，d. 2015年(相对1981—2010年平均)) Fig. 6 Distributions of the summer precipitation anomaly percentage (shaded) and its occurrence probability (slashed/latticed, unit: %) over China (a. composite summer precipitation anomaly percentage and probability for strong El Nio years, b. climate trend of summer precipitation in percentage, computed as the mean of 2000-2014 minus the mean of 1981-2010 then divided by the latter, and the trend occurrence probability projected for 2015, c. sum of a and b, reflecting the impacts of both El Nio and long-term climate trend, d. observed accumulated precipitation anomaly percentage in summer 2015 (relative to 1981-2010 mean). Slashed areas denote probability greater than 67%; latticed areas denote of probability greater than 90%)

图选项

2015年11—12月是本次强厄尔尼诺的峰值时期，其异常的海洋和大气特征均非常明显。期间，除中国西南和东北北部地区以外，其余大部分地区降水明显偏多。中国江南南部、华南大部分地区降水量为100—400 mm，比常年同期偏多1—4倍，广西东北部偏多4倍以上。广西、江西、湖南、浙江的降水量均为1961年以来历史同期最大(中国气象局，2016)。

与图 6类似，对11—12月中国降水进行分析(图 7)。从图 7a中提取的强厄尔尼诺对这个季节中国降水的影响来看，除东北地区以外，厄尔尼诺影响主要以降水增多为特征，其中在新疆、西藏地区、河套中部和长江以南等地区降水偏多超过20%，长江以南地区受强厄尔尼诺影响降水偏多的频率超过67%。在全球变暖的背景下(图 7b)，11—12月近10多年的趋势为青藏高原东南部到西南地区降水明显减少，中国其余大部分地区降水趋于增多。综合考虑厄尔尼诺和气候变化趋势的共同影响(图 7c)，可知强厄尔尼诺促进了2015年11—12月(图 7d)中国东南部地区降水的增多，而西南地区和青藏高原东南部降水的显著偏少可能是受到了气候变化趋势的影响。

图 7 2015年11—12月中国降水量距平百分率及其频率分布(a—d均基于11—12月降水，其余同图 6) Fig. 7 As in Fig. 6 but for November-December precipitation

图选项

需要指出的是，2015年11—12月，在中国南方降水明显增多的同时，中国也出现6次大范围雾、霾天气过程，尤其以华北地区最为严重。其中11月中旬以后，华北、黄淮等地连续出现4次中至重度霾，北京连续启动重污染红色预警(中国气象局，2016)。图 8反映出，2015年11—12月PM_2.5平均浓度在华北东部地区普遍超过120 μg/m³。这两个月雾、霾频繁出现的原因可能与这次强厄尔尼诺事件有关。

图 8 基于1491个中国国家空气质量自动监测站观测得到的2015年11—12月平均PM2.5浓度(单位：μg/m3) Fig. 8 Observations of PM2.5 concentration ( unit: μg/m3) at 1491 air quality monitoring stations in China, averaged for November-December 2015

图选项

进一步深入分析造成中国南方地区2015年11—12月降水增多的原因，从图 9可以看出，整层大气水汽通量距平图上反映出异常强的偏南风水汽输送，结合对流层低层(850 hPa)矢量风场距平(图 10)可以看到，造成中国南方地区降水异常偏多的水汽通量正值与西北太平洋上很强的菲律宾反气旋性异常环流的影响有关。这一结论与Zhang等(1999，2015a)认为在厄尔尼诺冬半年、特别是厄尔尼诺的盛期，其对中国南方降水的影响主要受到西北太平洋上异常反气旋影响的结论是十分一致的。Wang等(2000)认为西北太平洋异常反气旋是联系由于厄尔尼诺引起的中东太平洋异常变暖与东亚冬季风减弱的桥梁，认为赤道中太平洋异常变暖引起赤道两侧西北(西南)部区域的对流层低层大气气旋性响应，并在赤道以北的西北太平洋地区与东北信风叠加，引起风速加强，使得西北太平洋蒸发冷却，激发出罗斯贝波的响应，继而在菲律宾海区域引起其西北侧反气旋性环流异常。

图 9 2015年11—12月对流层大气(地表—300 hPa) 整层积分水汽输送及辐合辐散场距平 (相对于1981—2010年；矢量为水汽输送q×V距平，单位: kg/(s·m)，阴影区为水汽输送辐合辐散 距平场，单位: 10-5 kg/(s·m2)) Fig. 9 Anomalies of the vertically integrated (surface-300 hPa) water vapor transport (vectors,kg/(s·m)) and moisture flux convergence (shadings, 10-5kg/(s·m2)), averaged for November-December 2015，relative to the November-December mean of 1981-2010

图选项

从2015年11—12月赤道中太平洋海表温度异常升高超过2℃(图 1b、3a)及大气环流的响应来看(图 10)，在低层赤道东太平洋两侧温度异常升高通过罗斯贝波的响应形成的气旋性环流异常非常清楚，在日界线以东形成明显的西风环流异常；在日界线以西地区，则在菲律宾上空低层出现了异常的反气旋性环流。这种反气旋性环流异常，增强了西北太平洋和南海地区上空的向北输送分量，不仅给中国东南部地区带来了丰沛的水汽来源，同时也削弱了冬季风的偏北风分量。此外，从图 10的200 hPa大气环流异常分布型中可以看到，从斯堪的纳维亚半岛以南地区，经西伯利亚平原到日本岛上空，存在负—正—负的异常环流分布，这正是欧亚—太平洋遥相关型(EUP)(Wallace et al，1981)的负位相，在图 10 的850 hPa上该EUP负位相也清晰可见。由于EUP负位相的维持，它直接造成高层东亚温带急流减弱(Ren et al，2010; 任雪娟等2010)，并削弱低层的西伯利亚高压，使得北方冷空气无力长驱南下至中国北方地区。上述厄尔尼诺事件峰值时期菲律宾反气旋性环流异常与同期中高纬度出现的明显的EUP负位相异常环流两种过程共同作用，为中国北方地区异常频发的雾、霾天气提供了背景条件。需要指出的是，从图 10中反映出的情况来看，菲律宾反气旋性环流异常的加强很可能还与中东太平洋大范围增暖相联系的瓦克环流的异常减弱引起的赤道西太平洋地区的加强的下沉气流的影响有联系，Zhang等(1996)就曾经指出这一影响机理。

图 10 2015年11—12月850和200 hPa矢量风场距平及厄尔尼诺通过罗斯贝波的作用影响菲律宾反气旋 异常环流对中国东部气候影响的机制概念模型(低空图上叠加的彩色阴影为11—12月海温距平，AAC代表异常反气旋性环流，ACC为异常气旋性环流) Fig. 10 Schematic diagram illustrating how the strong El Nio affected the climate of Eastern China in 2015, via an anomalous anticyclonic circulation in the Philippines induced by the Rossby wave effect during the El Nino peak period. The November-December 2015 averaged wind anomaly fields at 200 (upper panel) and 850 hPa (lower panel) are shown, with SSTA averaged in the same period superimposed in the lower panel (AAC denotes anomalous anticyclonic circulation; ACC denotes anomalous cyclonic circulation)

图选项

2015年是观测纪录以来全球最暖的一年，并形成了超强厄尔尼诺事件。本研究根据全球气候系统和中国的最新观测资料，分析了2015/2016年ENSO循环过程，并探讨了2015/2016年强厄尔尼诺事件的一些关键特征，发现此次过程于2015年春季之后发展形成强厄尔尼诺，并在11—12月达到峰值，是有观测记录以来最强的三次厄尔尼诺之一(其余两次分别为1982/1983年和1997/1998年)，并且也可以视为持续时间最长的一次厄尔尼诺事件。

2015年的超强厄尔尼诺不仅对环太平洋区域的天气气候产生了重要影响，而且还可能给非洲、欧洲等地带来了高温干旱等灾害性天气气候事件。中国的气温、降水等也都可能受到厄尔尼诺的影响。本文结合气候变化趋势，重点分析2015年超强厄尔尼诺对中国夏季降水、秋冬转换之际(11—12月)南方降水异常和北方地区持续性雾霾天气的可能影响，发现2015年夏季强厄尔尼诺抑制了内蒙古中部、河套地区以及环渤海地区降水的产生，而中国南方地区夏季降水偏多不能十分肯定与强厄尔尼诺影响有关。进一步，强厄尔尼诺促进了2015年11—12月中国东南部地区降水的增多，但中国西南地区和青藏高原东南部降水的显著偏少可能是受到气候变化趋势的影响。

分析厄尔尼诺影响中国气候的原因发现，在2015年11—12月厄尔尼诺峰值时期，受到西北太平洋低层反气旋型环流异常和中高纬度明显的EUP负位相异常环流的共同影响，中国东部气候出现非常明显的异常，南方地区降水明显增多，而北方地区偏北风气流受到抑制，雾、霾天气频繁发生。