
中国气象学会主办。
文章信息
- 任宏利, 王润, 翟盘茂, 丁一汇, 陆波 . 2017.
- REN Hongli, WANG Run, ZHAI Panmao, DING Yihui, LU Bo . 2017.
- 超强厄尔尼诺事件海洋学特征分析与预测回顾
- Upper-ocean dynamical features and prediction of the super El Nio in 2015/2016: A comparison with 1982/1983 and 1997/1998
- 气象学报, 75(1): 1-18.
- Acta Meteorologica Sinica, 75(1): 1-18.
- http://dx.doi.org/10.11676/qxxb2017.026
-
文章历史
- 2016-10-31 收稿
- 2016-12-27 改回
2. 中国气象局-南京大学气候预测研究联合实验室, 南京, 210023;
3. 中国气象科学研究院, 北京, 100081
2. CMA-NJU Joint Laboratory for Climate Prediction Studies, School of Atmospheric Sciences, Nanjing University, Nanjing 210023, China;
3. Chinese Academy of Meteorological Sciences, Beijing 100081, China
大量研究表明,ENSO是影响东亚气候异常最主要的前期信号之一,对中国季节—年际短期气候预测具有非常重要的指示意义(Zhang R H et al,1996;Li,1990;Wang et al,2000;陈文,2002;Zhang W J et al,2011,2012)。例如,1997/1998年超强厄尔尼诺事件对1998年夏季中国主要流域大洪水的发生具有决定性影响(中国气象局国家气候中心,1998;Huang et al,2000)。近期研究显示,ENSO还可以通过与热带太平洋年循环以及热带印度洋的海-气相互作用间接影响到东亚气候异常(Stuecker et al,2013;Xie et al,2016)。因此,面向ENSO动力学和可预报性研究一直是学界关注的热点。
围绕ENSO动力学已有大量研究工作(Neelin et al,1998;Chang et al,2006)。研究显示,海-气相互作用过程、特别是海洋动力学的反馈机制对于ENSO振幅的增长和位相转换至关重要(Suarez et al,1988;Battisti et al,1989;Cane et al,1990;Jin,1997;Picaut et al,1997;Weisberg et al,1997;Chao et al,2002;李崇银等,2008)。其中,海洋混合层的纬向平流反馈和温跃层反馈被认为是ENSO发展演变中最为关键的两个海洋动力学反馈过程,而且二者可以统一纳入到“充电”振子机制中(Jin et al,1999)。在此基础上,通过对海洋上部前期信号的把握可以实现对ENSO海温异常提前数月进行预测(Meinen et al,2000)。因此,对ENSO事件过程中海洋动力学的深入研究有助于提升对其机制和可预报性的全面认识。
最新研究结果显示,2015/2016年发生在热带中东太平洋的厄尔尼诺事件是继1982/1983和1997/1998年事件之后的又一次超强事件,相关的诊断、预测和归因等研究工作也已展开(Min et al,2015;李清泉等,2016;刘屹岷等,2016;任宏利等,2016;邵勰等,2016;袁媛等,2016;翟盘茂等,2016;Chen H C et al,2016;Chen S F et al,2016;Gasparin et al,2016;Stramma et al,2016;Hu et al,2016;Levine et al,2016)。此次事件的信号从2014年初就已经开始显现,但经历了2014年中期和2015年初的波折后最终于2015年底发展成为一次超强事件。此次事件相比于前两次事件的一个最显著特点就是其偏西的海温异常中心位置。针对这次事件的已有研究大多聚焦于海温和大气变量场的异常特征分析。那么,与之密切联系的海洋上层动力学反馈机制如何呢?哪些海洋反馈过程是形成此次事件的主要因素呢?运用海洋前期因子的预报效果如何呢?这将是本文关注的首要研究问题。深入考察2015/2016年厄尔尼诺事件(简称15/16事件)的海洋上部动力学变量演变过程,并对比此次超强事件与前两次事件(简称82/83和97/98事件)的异同,进行定量化诊断分析,评估中国国家气候中心新一代ENSO预测系统对此次事件的实时预报效果。
2 数据和方法选用的资料包括:(1)哈得来中心海冰和海表温度资料集(HadISST)的月平均海表温度资料(Rayner et al,2003),空间分辨率为1°×1°,选用时段为1980年1月—2016年7月;(2)美国国家环境预报中心(NCEP)全球海洋资料同化系统(GODAS)的月平均海温和三维洋流数据(Behringer et al,2004),空间分辨率为(1/3)°(纬度)×1°(经度),选用时段为1980年1月—2016年8月;(3)海洋表层洋流分析实时资料(OSCAR)的候平均海洋表层流(0—30 m平均)(Bonjean et al,2002),空间分辨率为(1/3)°×(1/3)°,所用时段为1992年11月—2016年8月;(4)NCEP-DOE(Department of Energy)再分析资料2的月平均1000 hPa风场资料(Kanamitsu et al,2002),空间分辨率为2.5°×2.5°,选用时段为1980年1月—2016年8月;(5)美国海洋大气局(NOAA)提供的ERSST.v4和OISST.v2的月平均Nino3(5°S—5°N,90°—150°W)和Nino3.4区(5°S—5°N,120°—170°W)平均的异常海温指数。采用的气候态为1981—2010年。
一般可以通过对海洋上层的热收支分析进行定量化诊断(Zhang Q et al,2007;Ren et al,2013a)。基于GODAS海洋再分析资料,拟对历史上3次超强厄尔尼诺事件进行热收支分析,方法如下:忽略二阶非线性小项,混合层海温倾向方程可以表示为
![]() |
(1) |
式中,T′为温度异常,u′、v′、w′为三维洋流异常,T、u、v、w分别为温度、三维洋流的气候平均态,最后一项Q表示由大气向海洋的热力强迫。其中式(1)右边第3项可以进一步近似分解为式(2)的形式
![]() |
(2) |
式中,H表示有效平均混合层深度(取H = 50 m),下标“sub”表示50—100 m的次表层平均。对式(1)取赤道太平洋的混合层整层平均(50 m),并忽略相对小项。参照Ren等(2013a),将式(1)右边分成5个线性反馈项
![]() |
(3) |
其中
![]() |
(4) |
![]() |
(5) |
![]() |
(6) |
![]() |
(7) |
![]() |
(8) |
MC表示平均环流反馈,ZA表示纬向平流反馈,EK表示埃克曼反馈,TH表示温跃层反馈,TD表示热力学衰减,R表示剩余项。其中,ZA、EK、TH 3个线性强迫项是最主要的动力学反馈项,一般对ENSO的发展起正反馈作用,而MC和TD两个线性强迫项通常是负反馈项,对ENSO起衰减作用。
3 三次超强厄尔尼诺事件主要特征比较从3次超强厄尔尼诺事件生命史的海温异常随经度-时间的演变(图 1)可以看到,总体上,82/83和97/98两次厄尔尼诺事件的演变形势较为一致,前期均呈现快速发展、最大值出现在东太平洋的Nino3区,而15/16事件的发展演变比较复杂。从时间跨度上来看,15/16事件在整个2014—2015年一直在发展,比前两次事件生命周期要长(翟盘茂等,2016)。从2014年春季开始整个赤道太平洋就转为海温正异常,并维持了较长时间,2014/2015年冬季是较弱的中部型厄尔尼诺(任宏利等,2016);进入2015年以后,海温正异常快速发展并伴有明显的自西向东传播,厄尔尼诺也由中部型向东部型转变;事件达到成熟期后,海温正异常中心位置在Nino3.4区,比前两次事件的中心位置明显偏西,赤道东太平洋地区的海温正异常幅度明显不如前两次。若以Nino3.4指数为标准(表 1),15/16事件是3次事件中的最强事件,但若以Nino3区海温衡量(表 1),则此次事件为3次中最弱,而且,不同海温资料所给出的强度大小和峰值月份也存在差异。
![]() |
(a. 82/83事件,b. 97/98事件,c. 15/16事件; 5°S—5°N平均) 图 1 3次超强厄尔尼诺事件赤道太平洋地区海温异常的经度-时间演变 (a. 82/83 event,b. 97/98 event,c. 15/16 event; unit:℃,contour interval is 1℃) Figure 1 Time-longitude cross sections of the Pacific SST anomalies averaged over 5°S-5°N for the three super El Nio events |
事件 | ERSST | OISST | HadISST | ||||
峰值所在月 | 峰值 | 峰值所在月 | 峰值 | 峰值所在月 | 峰值 | ||
1982/1983 | 1982年12月 | 2.14 | 1983年1月 | 2.79 | 1983年1月 | 2.46 | |
Nino3.4 | 1997/1998 | 1997年11月 | 2.33 | 1997年12月 | 2.69 | 1997年11月 | 2.45 |
2015/2016 | 2015年11月 | 2.37 | 2015年11月 | 2.95 | 2015年11月 | 2.59 | |
1982/1983 | 1982年12月 | 2.68 | 1983年1月 | 3.29 | 1982年12月 | 3.09 | |
Nino3 | 1997/1998 | 1997年11月 | 3.10 | 1997年12月 | 3.62 | 1997年12月 | 3.26 |
2015/2016 | 2015年11月 | 2.53 | 2015年11月 | 2.93 | 2015年12月 | 2.65 |
就海温暖异常发展方向来看,3次事件的发展阶段,海温正异常中心均为自西向东发展,其早期信号均可追溯到发展年的前一年。而在厄尔尼诺的衰退阶段,3次事件的变化特征并不一致。前两次事件较为接近,其海温正异常中心一直维持在东太平洋区域,东边界附近的海温正异常可一直维持到衰减年的夏季;但在15/16事件的衰亡阶段,赤道东太平洋的海温正异常表现为略向西传,整个日界线以东的赤道太平洋地区海温正异常衰减速度基本一致,东边界海温正异常也比前两次更早消失,到了2016年春末夏初,赤道中东太平洋海温正异常基本消失。
从3次超强事件在冬季不同月份的海温异常分布(图 2)可见,15/16事件在进入成熟期以后热带低纬度地区的海温整体偏高,海温正异常的分布范围比前两次更广,而负异常的范围更小且偏弱。海温正异常的中心位置明显更偏西,且略向西传,而不同于前两次的东传特征,与图 1的结论一致。由于海温正异常的中心位置和传播方向的差别,东边界的海温正异常也比前两次的强度更弱。在厄尔尼诺的衰退阶段,不同于前两次事件东边界海温正异常的维持,15/16事件东边界区域没有海温正异常中心,且较早转为负异常。
![]() |
图 2 海温异常在厄尔尼诺年的12月(a、d、g)、次年1月(b、e、h)和2月(c、f、i)的水平分布 Figure 2 SST anomalies in December(a、d、g),January(b、e、h)and February(c、f、i)during the three super El Nio events(unit:℃,contour interval is 1℃) |
从进一步给出的成熟期各月赤道太平洋地区海洋上层温度异常的垂直剖面(图 3)可见,15/16事件的海温变化与前两次差别较大,其主要特征是此次事件的次表层海温异常明显偏小、衰减速度也最快、但正异常西伸的范围最大。在2015年初厄尔尼诺发展的初期,几乎整个赤道太平洋的上层海洋以海温正异常为主,特别是在中东太平洋地区,比前两次事件的同时期范围更大,日界线附近的上层海洋海温正异常维持时间更久,强度也更强(图略)。15/16事件的次表层海温正异常在2015年11月达到峰值。在厄尔尼诺成熟阶段,海温正异常并没有继续向东传播,而是突然停滞并迅速减弱,到了12月厄尔尼诺发展盛期,海温正异常的强度远弱于前两次事件,且中心仍维持在10月的位置。到了次年1月,海温负异常就已经扩展到了赤道东太平洋,海温正异常基本消失,而前两次事件在同时期的赤道东太平洋仍然维持着很强的海温正异常。由于海温正异常中心并没有到达东边界,因而东边界上海温正异常的强度和维持时间也就远不如前两次。
![]() |
图 3 3次超强事件中赤道地区海温异常在成熟期10月(a、e、i)、12月(b、f、j)、次年1月(c、g、k)和2月(d、h、l)的垂直剖面(2°S—2°N平均) Figure 3 Longitude-depth cross sections of ocean temperature anomalies averaged over 2°S-2°N in the selected months during the three super El Nio events(unit:℃,contour intervals is 1℃) |
在海-气耦合系统中,海洋动力学过程的变化与大气表面风事件密不可分,后者在ENSO多样性变化中扮演着重要角色(Chen et al,2015)。在西太平洋地区,由于种种外部因素而产生的西风爆发(WWB)事件往往会激发出赤道开尔文波并东传、进而引起次表层海温变化、通过触发海洋温跃层反馈机制最终形成厄尔尼诺事件并迅速增强。在此进一步分析了与ENSO信号相伴随的温跃层形态和表面风应力的异常变化特征。
图 4给出了3次厄尔尼诺事件对应的温跃层异常和表面纬向风应力异常的经度-时间演变情况,这里采用20℃等温线的深度来表征温跃层变化。由图 4可见,3次事件发展阶段均有较为充分的海水热容量“充电”积累,这从纬向分布均匀分布型出现和持续时间较长可以看出,可能是超强厄尔尼诺事件最终形成的物理基础;对比来看,3次事件温跃层的异常形态各有特点,97/98事件盛期的纬向反相结构最显著,其他两次则相对较弱,表明前者的赤道热放电过程最强。而暖池次表层海温正距平的东传和向表层的扩展受赤道西太平洋西风异常及其向东扩展所驱动,并对厄尔尼诺事件的发生有十分重要的作用(Chao et al,2002;李崇银等,2008)。从图 4b、d、f可见,在这3次厄尔尼诺事件的发展初期,赤道西太平洋都出现了明显的表面西风异常,并驱动了海洋次表层暖信号的东传。
![]() |
图 4 3次超强事件(a、c、e)20℃等温线深度异常(2°S—2°N 平均)及(b、d、f)表面纬向风应力异常(5°S—5°N平均)的经度-时间演变 Figure 4 Time-longitude cross sections of(a,c,e)the 20℃ isotherm depth(D20)anomalies averaged over 2°S-2°N(unit: m,contour interval is 10 m),and(b,d,f)the zonal surface wind stress anomalies averaged over 5°S-5°N for the three super El Nio events (unit: 0.1 N/m2,contour interval is 0.02 N/m2) |
就此次事件而言,从2014年开始,赤道太平洋地区有数次暖开尔文波自西向东传,对应着中西太平洋风应力的异常分布(翟盘茂等,2016;Chen S F et al,2016)。在进入成熟期后,温跃层正异常在东太平洋明显偏弱,这与次表层海温分布特征一致,而且东边界附近的异常分布与前两次差别明显。前两次事件中暖信号可向东传播到达东边界,而15/16事件中暖信号从2015年初开始自西向东传播,在春季到达东太平洋后传播便停滞不前,几次东传暖信号均如此,异常中心始终维持在110°W附近,而赤道太平洋东边界的正异常也偏弱。这种类型的温跃层异常分布与表面风应力异常是相对应的。
综合3次事件可以发现,从厄尔尼诺年的前年11月前后开始,温跃层暖海温的传播可以看成是两次明显的暖开尔文波东传,并在厄尔尼诺年的5和11月前后到达东太平洋。而东太平洋纬向风场特别是120°W 以东区域的特征变化对暖信号在东太平洋的传播和停滞有明显的影响。图 4中,在1997年的5和11月赤道东太平洋以西风异常为主,而两次暖信号的东传均到达了东边界。而1982年东太平洋的东风异常由强减弱,暖信号最终也到达了东边界。但2015年4月以后,120°W 以东区域主要以东风异常为主,暖信号的东传受到了明显的阻滞,使得这次厄尔尼诺事件暖信号始终没有到达东边界。这可能是同期暖开尔文波停止东传的原因,也是与前两次事件最大的不同之处,这对15/16事件由中部型向东部型转变起到了关键作用。相比之下,在120°W 以东区域,风应力以负异常为主,促进了东边界冷水上翻,不利于该区域暖海温发展,使得海温暖中心偏西。当然,表面风异常有如此分布和传播差异性的原因,仍然无法明确解答。
为了更直观考察海洋波动特征的差异性,进一步给出了成熟期温跃层异常的水平分布变化(图 5)。可以看到,前两次厄尔尼诺事件中对应于赤道上迅速东传的开尔文波(东暖西冷),赤道外区域罗斯贝波西传特征亦很明显,反映出延迟振子机制(Suarez et al,1988;Battisti et al,1989)在发挥作用。但相比之下,15/16事件中赤道开尔文波在盛期基本维持在中东太平洋不传播,赤道外罗斯贝波西传特征不如前两次事件明显。同时,从图 4和5中均可以看到,3次事件在发展—成熟期前后的赤道热容量“放电”过程明显、在衰减年春夏季均形成了赤道热容量负异常的纬向均匀分布型,反映出充电振子机制(Jin,1997;Jin et al,1999)在ENSO位相转换过程中均发挥作用。
ENSO的发展与海洋上层洋流的异常变化是密切联系的,通过纬向平流反馈和埃克曼反馈过程影响到海温异常的变化。图 6首先给出了基于OSCAR资料的海表层洋流异常经度-时间演变情况。从纬向洋流分布来看,2015年表层纬向洋流正异常的强度明显比97/98事件偏弱且中心位置也更偏西,这反映出纬向平流正反馈可能会偏弱。表层纬向流正异常从2015年初开始增强,对应同期纬向风应力异常在西太平洋增强,但东太平洋地区的表层纬向流正异常强度始终较弱。2015年下半年,100°W以东的东边界地区纬向流异常转为负值,且逐渐向西扩展。相比之下,在97/98事件中,纬向流异常的由正转负是从西太平洋开始并向东扩展,这可能与赤道热容量的“放电”过程有关(Ren et al,2013a),这从表层洋流异常的水平分布(图 7)上也能清晰地看到。由此可见,15/16事件的纬向洋流转变特征很独特,很难用经典充放电振荡机制解释,这可能是由于东边界冷水入侵伴随的东太平洋异常东风所引起,也可能与前期正的纬向洋流异常在东边界反射后形成负的洋流有关(Chen H C et al,2016)。从经向洋流分布来看,伴随着事件发展进程,赤道外经向洋流的主体表现为向赤道运动(负值),这一特征在此次事件要比97/98事件更明显、纬向范围更宽。而且,经向洋流演变所展现的向东传播速度明显大于纬向洋流的东传,其原因还有待探索。
![]() |
(a、c.u′,单位:m/s,b、d. v′,单位:0.2 m/s; 2°S—2°N平均, v′则是赤道以北减去以南,分别做了纬向31点滑动平均和5个月的滑动平均) 图 6 97/98(a、b)和15/16(c、d)超强事件的OSCAR海表层洋流的经度-时间演变 (the unit of u′: m/s,the unit of v′:0.2 m/s,contour interval is 0.2,the data are smoothed by a 5-month running mean and a zonal 31-point running mean) Figure 6 Time-longitude cross sections of the OSCAR ocean surface zonal(u′)and meridional(v′) current anomalies for 97/98(a,b)and 15/16(c,d)El Nio events,respectively, where u′ is averaged over 2°S-2°N and v′ is defined for the same domain but is the difference between north and south of the equator |
![]() |
(单位:m/s,间隔0.5 m/s,经向、纬向各15点滑动平均和5个月的滑动平均) 图 7 15/16(a—f)和97/98(g—l)超强事件的OSCAR表层洋流异常在厄尔尼诺年的12月(a、d、g、j)、次年1月(b、e、h、k)、次年2月(c、f、i、j)的水平分布 (unit: m/s,contour interval is 0.5 m/s,the data are smoothed by a 5-month running mean and a 15×15-point horizontal running mean) Figure 7 The OSCAR ocean surface zonal(u′)and meridional(v′)current anomalies for 15/16(a-f) and 97/98(g-l)El Nio events |
从图 7可以看到表层经向洋流异常的分布情况,97/98事件在成熟阶段的热带太平洋(120°W以西)赤道外经向流主要是向赤道方向运动、而远东太平洋则是远离赤道方向,这与表面风应力对海温异常的响应空间型关系密切。相比之下,15/16事件在整个中-东太平洋上的赤道外经向流异常以向赤道汇聚为主,但在东边界附近和西太平洋部分区域则是跨越赤道向北运动为主,这可能与该区域存在越赤道向北的气流密切相关(图略)。
由于OSCAR资料年代较短、且没有垂直洋流数据,故给出基于GODAS资料的三维洋流异常经度-时间演变情况(图 8),这里三维洋流异常是50 m深度以上的平均值。可以看出,GODAS的洋流分布与OSCAR存在着一定的差别,特别是中太平洋区域从厄尔尼诺发展年的夏季就出现了纬向洋流负异常的信号,这在图 6中并未发现;而在图 6中较为明显的经向洋流快速东传信号在图 8中并不明显,这可能是受到海洋再分析资料所用模式模拟性能的影响。当然,图 8是混合层平均状况,而图 6则是表面洋流状况,两者从定义上差别明显。可以看到,后两次事件中的经向洋流向赤道辐合一般对应着赤道上的下沉运动,但在82/83事件则是辐散和上翻为主要特征。从2014年下半年开始,赤道东边界上的冷水上翻略有加强,这与OSCAR表层洋流在东边界的特征一致。同时,这也是与前两次事件区别明显的地方,在82/83和97/98事件的发展及成熟阶段,东边界冷水上翻均受到抑制。就此次事件而言,东边界冷水上翻增强及伴随的东太平洋异常东风可能是导致表层纬向流异常首先在东太平洋由正转负的直接原因。
![]() |
(2°S—2°N平均,v′在赤道以南取其相反数, 5 个月的滑动平均;u′单位:m/s,v′单位:0.2 m/s,w′单位:2×10-5 m/s) 图 8 GODAS资料中混合层三维洋流异常的经度-时间演变 (the unit of u′ : m/s,the unit of v′: 0.2 m/s,the unit of w′: 2×10-5 m/s, contour interval is 0.5,the data are smoothed by a 5-month running mean) Figure 8 Time-longitude cross sections of the GODAS ocean zonal(u′),meridional(v′)and vertical(w′)current anomalies for three super El Nio events,where u′ and v′ are defined in the same way as in Fig. 6 |
为了定量地考察3次超强厄尔尼诺事件中各主要海洋反馈物理过程的贡献情况,进一步对3次事件过程进行混合层热收支分析。从热收支方程中各主要线性贡献项的经度-时间演变(图 9)可见,总体上看,82/83和97/98两次事件各项的主要特征较为接近,这也可以解释二者海温异常变化特征类似的原因。15/16事件总的收支分布情况与前两次有明显差异,在180°—160°W和东边界附近始终为负值,但在160°—90°W附近则是以正值为主。而且,前两次事件的各热收支项在厄尔尼诺发展到成熟期之前均有明显的符号转变,但15/16事件由于发展期特别长,主要热收支项从2014年初直到事件成熟期几乎没有符号转变。
![]() |
(a.TH,b.ZA,c.EK,d.MC,e.TD,f.SUM) 图 9 混合层海温变化各热收支项的经度-时间演变(2°S—2°N平均,5个月的滑动平均,等值线间隔1℃/月) (a.TH,b.ZA,c.EK,d.MC,e.TD,f.SUM) Figure 9 Time-longitude cross sections of the mixed-layer dynamical feedback terms averaged over 2°S-2°N for the three super El Nio events(unit: ℃/month,contour interval is 1 ℃/month,the data are smoothed by a 5-month running mean |
从各项贡献来看,TH、EK、ZA 3个正反馈项都对厄尔尼诺的发展起促进作用,而MC和TD两个负反馈项主要起衰减作用。概括起来,各项的作用主要体现在对ENSO振幅增长和位相转换做出贡献。总体来看,温跃层反馈(TH)项是最为显著的正反馈项,是超强事件振幅增长的最主要能量来源,并且对ENSO位相转换起主要作用,前两次事件对应的TH有一个明显的东传特征,而15/16事件则主要集中在中东太平洋区域,无明显传播特征。这一差异是由于次表层海温异常(图 10)的形态差别引起的,Nino3.4区平均的异常值在此次事件和97/98事件中具有同样量级。相比之下,纬向平流反馈(ZA)项主要贡献于超强ENSO事件由暖位相向冷位相转换,但在发展阶段ZA也是很显著的正贡献项。15/16事件在Nino3.4区显示了略大于前两次事件的ZA量值,表明其在此次事件发展中的重要作用。埃克曼反馈(EK)项的主要正贡献位于东太平洋区域(120°W以东)、在中西太平洋偏小(82/83事件则为弱负值),这在此次事件中表现更为明显,EK项在Nino3.4区始终维持正值,这与前两次事件明显不同,而且在东边界有明显的负值区,这也是由于冷水上翻增强所导致。此外,平均环流和热力(MC和TD)项则是典型的负反馈贡献,与海温异常成反相分布。
![]() |
图 10 3次超强事件中次表层海温异常(T′sub)的经度-时间演变(a—c,2°S—2°N平均,5个月的滑动平均,单位℃,等值线间隔2℃)及其在Nino3.4区域纬向平均(d)的演变 Figure 10 Time-longitude cross sections of the T′sub for the three El Nio events,where(a-c)are averaged over 2°S-2°N (unit: ℃,contour interval is 2℃,the data are smoothed by a 5-month running mean) and(d)is zonally averaged over the Nino3.4 region |
为了更为直观地考察各反馈项在3次事件生命史中的演变情况,对各项进行了Nino3.4区域平均(图 11),总体上3个正反馈项中,TH项最强,ZA次之,EK项最弱。对比3次事件可以发现,5个线性强迫项之和(SUM)的演变趋势是很类似的,其变化反映了赤道中东太平洋海温冷暖位相的转变。与SUM演变形势最为接近的是ZA项,即在事件达到成熟期之前由正值转为负值。可以清楚地看到,与前两次事件相比,15/16事件发展阶段的ZA保持着更为稳定的正值、并持续更长时间一直到事件峰值,这与纬向洋流异常的强度和持续性密切相关(参见图 8)。由此可见,ZA项不但贡献于ENSO位相转换,在此次事件中还对振幅增长发挥重要作用。
![]() |
(a. 82/83事件,b. 97/98事件,c. 15/16事件;5个月滑动平均) 图 11 Nino3.4区域平均的混合层海温变化各主要热收支项(单位:℃/月)演变 (a.82/83 event, b. 97/98 event,c. 15/16 event; unit: ℃/month,the data are smoothed by a 5-month running mean) Figure 11 Temporal evolutions of the dynamical feedback terms for the three El Nio events averaged over the Nino3.4 region |
此外,对于15/16事件海温异常中心相比前两次明显偏西的问题,可从主要收支项的纬向分布特点中找到线索。从图 9中可以清晰地看到,在15/16超强事件发展到成熟阶段,TH和ZA两个主要正贡献项相比前两次事件在强度上并没有明显增加,但是其中心位置和正值分布都整体偏西,120°W以东区域的加热强度明显比前两次更弱;而且,此次事件MC项的最大衰减区并不在Nino3.4区、而是在其东面。这些都有利于15/16事件的海温异常中心西移。另外,也可以看到,前两次事件中TH项由正转负均是从西太平洋先开始逐渐向东扩展,而15/16事件的TH正、负转变在整个中东太平洋几乎是同时发生的。
6 基于SEMAP2.0的超强厄尔尼诺事件的预测回顾从前面对比分析可以看出,西太平洋表面风应力的正异常(即对应于西风异常)和温跃层异常对于超强厄尔尼诺事件的发展和演变具有极为重要的贡献,同时这两个方面的异常也是对厄尔尼诺事件进行预测的关键前期信号。一种预报方法或者预报系统能否有效地利用来自西太平洋表面风应力异常和温跃层前期因子信息,是能否对超强事件进行成功预测的关键所在。中国国家气候中心新一代预测系统利用这两种前期海气系统异常信号对此次厄尔尼诺事件进行了实时预报。
对于15/16这样一个超强厄尔尼诺事件,其发展呈现出一波三折的特征(邵勰等,2016)。2014上半年厄尔尼诺发展迅速,Nino3.4指数迅速由-0.5℃增大至0.5℃,然而夏季东南太平洋的低海温及其相伴随的信风异常增强引起赤道中东太平洋的东风异常,使得赤道中东太平洋高海温发展停滞(Min et al,2015)。但2014年秋季以后温跃层正反馈等过程引起中太平洋海温再次升高(图 11),于秋季形成弱中部型厄尔尼诺事件,并在2015年该事件得到持续发展,由春季的中部型状态转变为后期东部型状态,于2015年初冬达到峰值,形成超强厄尔尼诺事件,对应的Nino3.4指数峰值强度甚至超过了前两次超强事件。该事件进入2016年以后快速衰弱,并于春末夏初结束。
针对此次持续较长的厄尔尼诺事件,中国国家气候中心新一代ENSO预测业务系统(SEMAP2.0)全程做了滚动预测,特别是为每年3月和10月召开的两次ENSO业务会商提供预报意见。SEMAP2.0总体上做出了较为准确合理的预报结果,得到预报员采纳(任宏利等,2016)。图 12a给出了SEMAP2.0三种方法及多方法集合(MME)的实时业务会商预报结果检验。3种方法包括物理统计预报模型、BCC_CSM1.1m业务模式集合预报及其相似误差订正预报(Ren et al,2014)。其中一方面,物理统计预报模型主要是基于ENSO充电振子机制原理,抓住前期赤道太平洋温跃层异常演变和西风异常变化信息,并考虑了热带海-气系统外部因子的影响,即在Nino指数的统计预报方程中引入了前期海温的持续性演变、温跃层异常的纬向一致模变化(Meinen et al,2000)、西太平洋纬向表面风应力以及印度洋偶极子等预报因子(任宏利等,2016)。可见,该统计预报模型的所有因子都是基于前期海洋动力学过程的异常信号,例如,表面风应力异常和温跃层反馈异常,可以给出包括Nino3.4指数在内的多个指数预报,其中包括两类ENSO指数(Ren et al,2011)。另一方面,BCC_CSM1.1m通过对大气预报变量和三维海温场进行初始化处理,可将海-气系统前期演变的西风异常信号、海温异常演变和次表层海温异常变化(直接反映了温跃层反馈异常信号)等关键异常信息纳入到模式预报中来。由此可见,不论是统计的还是动力的预报方法,都有能力把握超强厄尔尼诺事件变化的关键前期异常预报信号,重点关注基于海洋上层物理因子和反馈过程的统计预报模型在此次超强厄尔尼诺事件中展现的预测效果。
![]() |
图 12 (a)SEMAP2.0三种方法(物理统计预报模型(STAT)、BCC_CSM1.1m业务模式集合预报(CSM)和相似误差订正预报(ADEPS))及其多方法集合(MME)对15/16事件前后Nino3.4指数实时预测;(b)多方法集合(MME)对97/98事件前后Nino3.4指数的预报情况(黑线为OISST实况(OBS)) Figure 12 (a)The plume plot of Nino3.4 index results based on observations(OBS,black curve),the BCC_CSM1.1m (CSM,yellow curve)forecast,its analogue-based correction forecast(ADEPS,blue curve),the statistical model forecast (STAT,green curve),and the multi-method ensemble mean(MME,red curve)prediction of the SEMAP2.0 (System of ENSO Monitoring,Analysis and Prediction,version 2.0)initiated in each March and October since January 2014. (b)The same as(a),but for the MME-mean predictions initiated in each month since January 1996 (The predictions initialized in boreal winter,spring,summer and autumn are indicated by the blue,green,orange and purple lines,respectively) |
从图 12a可以清楚地看到,SEMAP2.0的几种预报形成的曲线簇基本能够把2014—2016年ENSO信号的实际演变情况涵盖其中,这对于实时业务预测而言(参加每年3月和10月两次ENSO业务会商)已是不错的效果。3种预报方法均对此次事件达到峰值和快速衰减的过程做出了准确预报,而且各自也展现出不同的优势。总体来看,气候模式及其订正预报似乎更倾向于报准大振幅的发展阶段(例如,2015年春季以后海温异常的快速增长),而物理统计模型则更倾向于抓住振幅相对较小阶段(例如,2014年夏季海温异常的发展抑制以及秋、冬季弱事件阶段)以及峰值和转折到衰减位相的阶段。相比而言,除了2015年春天起报的穿越春—夏季持续性障碍(Ren et al,2016)的偏弱预报外,利用了前期海洋变化预报因子信息的统计模型更好地预测出了此次事件海温异常的波动演变状况。例如,2016年3月准确地预报出8—9月中东太平洋弱冷状态(略小于-0.5℃)的出现,这与实况完全吻合。当然,从统计学上看,多种方法集成出来的MME预报总体上更为接近实况,ENSO典型指数的预报技巧评分也是最高的(任宏利等,2016;Ren et al,2017)。
此外,利用SEMAP2.0也给出了97/98事件(因1991年以前BCC_CSM1.1m业务模式没有提供数据)的回报结果(图 12b),其中统计模型仅使用1997年以前的资料建模。从图 12b可以看出,每月滚动给出的MME预报曲线簇能够很好地抓住事件不同阶段海温异常的实际演变特征,特别是对于预报难度较大的位相转换阶段也能够把握(例如1997年初期海温异常依然为负值时所做出的一系列预报),但是也要看到,对于97/98事件峰值的临近预报反而明显偏强。纵观两次超强事件的预报效果,SEMAP2.0对于事件快速衰减并转为负位相的过程把握得尤为准确。
7 结论和讨论2015/2016年超级厄尔尼诺事件已被广泛认为是一次与1982/1983和1997/1998年相当的超强事件,并且按照Nino3.4海温指数判断可能是历史最强事件。此次事件因其对全球范围天气、气候产生的强大影响,正在成为学术界广泛关注的焦点。对此次事件的海洋上层变量主要特征与历史上两次超强事件进行了直接比较,并基于热带太平洋混合层热收支方程对主要物理反馈过程进行了定量化对比分析。得到如下结论:
(1) 此次事件前期为海温东传特征,这与前两次事件基本一致,但后期表现为西传特征,而且此次事件前期形成了一次弱的中太平洋型、后期在成熟位相转换成东太平洋型。处于东太平洋的强东风异常也是一个显著特征。
(2) 纬向洋流在前两次事件位相转换过程中首先在中西太平洋由正转负,而此次事件位相转换特征独特,纬向洋流由正转负的信号首先发生在东太平洋,这可能是由于东边界冷水入侵伴随的东太平洋异常东风所引起。
(3) 此次事件海洋上层温度异常并非历史最强、但暖中心位置相比前两次明显偏西,这与中西太平洋纬向洋流异常中心偏西并一直维持有很大关系,直接导致了海洋纬向平流反馈项偏大,从而支持偏西的海温分布型。东太平洋次表层海温异常中心位置比前两次事件明显偏西、在Nino3.4区达到并列最强,表明温跃层反馈不但对海温异常和位相转换均有重要贡献,而且可能是此次事件达到超强并拥有独特海温分布型的最主要原因。埃克曼反馈相比前两次亦偏弱,表面热力衰减作用和由平均环流引起的衰减项介于前两次事件之间。
(4) 此次事件海洋波动活跃,伴随着多次西风爆发事件和开尔文波东传,但赤道开尔文波在盛期基本维持在中东太平洋而不继续东传,赤道外罗斯贝波西传特征不如前两次事件明显。相比而言,此次事件在发展—成熟期前后的赤道热容量“放电”过程明显、在衰减年春夏季均形成了赤道热容量负异常的纬向均匀分布型,反映出充电振子机制在此次事件位相转换过程中均发挥了重要作用。
(5) 中国国家气候中心新一代ENSO预测系统(SEMAP2.0)每年两次的实际会商预测给出了较为合理的预报,特别是利用前期海洋变化预报因子信息的统计模型更好地预测出了海温异常的波动演变状况。从预报稳定性角度来看,多方法集成出来的MME预报更为接近实况值,预报技巧也更高,是未来发展方向。
当然,尽管已了解到这次事件相关联的海洋动力学特征和反馈过程以及它们与历史上两次超强事件的差异和独特性,但仍然无法回答什么因素是形成此次超强事件的根本原因?这些因素是否能够成为超强事件可预报性的主要来源?从3次事件的共性来看,温跃层反馈可能是形成超强事件的关键因素,这点仍需进一步的研究加以证实。另外,前两次超强事件均发生在ENSO年代际转折的时间点附近,伴随着ENSO的年代际转折,两类ENSO模态也会发生明显变化(Ren et al,2013b;Wang et al,2016),那么15/16超强厄尔尼诺事件是否会成为下一次年代际转折的信号?需要深入研究加以回答。此外,也可清楚地看到,这些基于海洋再分析资料的诊断分析仍然存在较大的不确定性,主要是源于当前海洋观测资料量不足以及海洋模式自身的缺陷导致的,未来更为全面的分析和探索是很有必要的。
陈文. 2002. El Niño和La Niña事件对东亚冬、夏季风循环的影响. 大气科学 , 26 (5) : 595–610. Chen W. 2002. Impacts of El Niño and La Niña on the cycle of the East Asian winter and summer monsoon. Chinese J Atmos Sci , 26 (5) : 595–610. (in Chinese) |
李崇银, 穆穆, 周广庆, 等. 2008. ENSO机理及其预测研究. 大气科学 , 32 (4) : 761–781. Li C Y, Mu M, Zhou G Q, et al. 2008. Mechanism and prediction studies of the ENSO. Chinese J Atmos Sci , 32 (4) : 761–781. (in Chinese) |
李清泉, 闵庆烨. 2016. 对话张人禾:2016年上半年中国南方强降水与超强厄尔尼诺. 科学通报 , 61 (24) : 2659–2662. Li Q Q, Min Q Y. 2016. A dialogue with Renhe Zhang:The heavy rainfall over southern China in the first half year of 2016 and its relation to the 2015/2016 super El Niño. Chinese Sci Bull , 61 (24) : 2659–2662. (in Chinese) |
刘屹岷, 刘伯奇, 任荣彩, 等. 2016. 当前重大厄尔尼诺事件对我国春夏气候的影响. 中国科学院院刊 , 31 (2) : 241–250. Liu Y M, Liu B Q, Ren R C, et al. 2016. Current super El Niño event and its impacts on climate in China in spring and summer. Bull Chines Acad Sci , 31 (2) : 241–250. (in Chinese) |
任宏利, 刘颖, 左金清, 等. 2016. 国家气候中心新一代ENSO预测系统及其对2014/2016年超强厄尔尼诺事件的预测. 气象 , 42 (5) : 521–531. Ren H L, Liu Y, Zuo J Q, et al. 2016. The new generation of ENSO prediction system in Beijing Climate Centre and its predictions for the 2014/2016 super El Niño event. Meteor Mon , 42 (5) : 521–531. (in Chinese) |
邵勰, 周兵. 2016. 2015/2016年超强厄尔尼诺事件气候监测及诊断分析. 气象 , 42 (5) : 540–547. Shao X, Zhou B. 2016. Monitoring and diagnosis of the 2015/2016 super El Niño event. Meteor Mon , 42 (5) : 540–547. (in Chinese) |
袁媛, 高辉, 贾小龙, 等. 2016. 2014-2016年超强厄尔尼诺事件的气候影响. 气象 , 42 (5) : 532–539. Yuan Y, Gao H, Jia X L, et al. 2016. Influences of the 2014-2016 super El Niño event on climate. Meteor Mon , 42 (5) : 532–539. (in Chinese) |
翟盘茂, 余荣, 郭艳君, 等. 2016. 2015/2016年强厄尔尼诺过程及其对全球和中国气候的主要影响. 气象学报 , 74 (3) : 309–321. Zhai P M, Yu R, Guo Y J, et al. 2016. The strong El Niño in 2015/2016 and its dominant impacts on global and China's climate. Acta Meteor Sinica , 74 (3) : 309–321. (in Chinese) |
中国气象局国家气候中心. 1998. '98中国大洪水与气候异常. 北京: 气象出版社 . National Climate Center. 1998. China Flooding and Climate Anomalies in 1998. Beijing: China Meteorology Press . |
Battisti D S, Hirst A C. 1989. Interannual variability in a tropical atmosphere-ocean model:Influence of the basic state, ocean geometry, and nonlinearity. J Atmos Sci , 46 (12) : 1687–1712. DOI:10.1175/1520-0469(1989)046<1687:IVIATA>2.0.CO;2 |
Behringer D W, Xue Y. 2004. Evaluation of the global ocean data assimilation system at NCEP:The Pacific ocean//Preprints, Eighth Symposiumon Integrated Observing and Assimilation Systems for Atmosphere, Oceans, and Land Surface. Seattle, WA:American Meteorological Society |
Bonjean F, Lagerloef G S E. 2002. Diagnostic model and analysis of the surface currents in the tropical Pacific ocean. J Phys Oceanogr , 32 (10) : 2938–2954. DOI:10.1175/1520-0485(2002)032<2938:DMAAOT>2.0.CO;2 |
Cane M A, Münnich M, Zebiak S F. 1990. A study of self-excited oscillations of the tropical ocean-atmosphere system. Part Ⅰ:Linear analysis. J Atmos Sci , 47 (13) : 1562–1577. |
Chang P, Yamagata T, Schopf P, et al. 2006. Climate fluctuations of tropical coupled systems:The role of ocean dynamics. J Climate , 19 (20) : 5122–5174. DOI:10.1175/JCLI3903.1 |
Chao J P, Yuan S Y, Chao Q C, et al. 2002. A data analysis study on the evolution of the El Niño/La Niña cycle. Adv Atmos Sci , 19 (5) : 837–844. DOI:10.1007/s00376-002-0048-2 |
Chen D K, Lian T, Fu C B, et al. 2015. Strong influence of westerly wind bursts on El Niño diversity. Nat Geosci , 8 (5) : 339–345. DOI:10.1038/ngeo2399 |
Chen H C, Hu Z Z, Huang B H, et al. 2016. The role of reversed equatorial zonal transport in terminating an ENSO event. J Climate , 29 (16) : 5859–5877. DOI:10.1175/JCLI-D-16-0047.1 |
Chen S F, Wu R G, Chen W, et al. 2016. Genesis of westerly wind bursts over the equatorial western Pacific during the onset of the strong 2015-2016 El Niño. Atmos Sci Lett , 17 (7) : 384–391. DOI:10.1002/asl.2016.17.issue-7 |
Gasparin F, Roemmich D. 2016. The strong freshwater anomaly during the onset of the 2015/2016 El Niño. Geophys Res Lett , 43 (12) : 6452–6460. DOI:10.1002/2016GL069542 |
Hu S N, Fedorov A V. 2016. Exceptionally strong easterly wind burst stalling El Niño of 2014. Proc Natl Acad Sci USA , 113 (8) : 2005–2010. DOI:10.1073/pnas.1514182113 |
Huang R H, Zhang R H, Zhang Q Y. 2000. The 1997/98 ENSO cycle and its impact on summer climate anomalies in East Asia. Adv Atmos Sci , 17 (3) : 348–362. DOI:10.1007/s00376-000-0028-3 |
Jin F F. 1997. An equatorial ocean recharge paradigm for ENSO. Part Ⅰ:Conceptual model. J Atmos Sci , 54 (7) : 811–829. |
Jin F F, An S I. 1999. Thermocline and zonal advective feedbacks within the equatorial ocean recharge oscillator model for ENSO. Geophys Res Lett , 26 (19) : 2989–2992. DOI:10.1029/1999GL002297 |
Kanamitsu M, Ebisuzaki W, Woollen J, et al. 2002. NCEP-DOE AMIP-Ⅱ reanalysis(R-2). Bull Amer Meteor Soc , 83 (11) : 1631–1643. DOI:10.1175/BAMS-83-11-1631 |
Levine A F Z, McPhaden M J. 2016. How the July 2014 easterly wind burst gave the 2015-2016 El Niño a head start. Geophys Res Lett , 43 (12) : 6503–6510. DOI:10.1002/2016GL069204 |
Li C Y. 1990. Interaction between anomalous winter monsoon in East Asia and El Niño events. Adv Atmos Sci , 7 (1) : 36–46. DOI:10.1007/BF02919166 |
Meinen C S, McPhaden M J. 2000. Observations of warm water volume changes in the equatorial Pacific and their relationship to El Niño and La Niña. J Climate , 13 (20) : 3551–3559. DOI:10.1175/1520-0442(2000)013<3551:OOWWVC>2.0.CO;2 |
Min Q Y, Su J Z, Zhang R H, et al. 2015. What hindered the El Niño pattern in 2014?. Geophys Res Lett , 42 (16) : 6762–6770. DOI:10.1002/2015GL064899 |
Neelin J D, Battisti D S, Hirst A C, et al. 1998. ENSO theory. J Geophys Res , 103 (C7) : 14261–14290. DOI:10.1029/97JC03424 |
Picaut J, Masia F, du Penhoat Y. 1997. An advective-reflective conceptual model for the oscillatory nature of the ENSO. Science , 277 (5326) : 663–666. DOI:10.1126/science.277.5326.663 |
Rayner N A, Parker D E, Horton E B, et al. 2003. Global analyses of sea surface temperature, sea ice, and night marine air temperature since the late nineteenth century. J Geophys Res , 108 (D14) : 4407. DOI:10.1029/2002JD002670 |
Ren H L, Jin F F. 2011. Nio indices for two types of ENSO. Geophys Res Lett , 38 (4) : L04704. |
Ren H L, Jin F F. 2013a. Recharge oscillator mechanisms in two types of ENSO. J Climate , 26 (17) : 6506–6523. DOI:10.1175/JCLI-D-12-00601.1 |
Ren H L, Jin F F, Stuecker M F, et al. 2013b. ENSO regime change since the late 1970s as manifested by two types of ENSO. J Meteor Soc Japan , 91 (6) : 835–842. DOI:10.2151/jmsj.2013-608 |
Ren H L, Liu Y, Jin F F, et al. 2014. Application of the analogue-based correction of errors method in ENSO prediction. Atmos Oceanic Sci Lett , 7 (2) : 157–161. DOI:10.1080/16742834.2014.11447152 |
Ren H L, Jin F F, Tian B, et al. 2016. Distinct persistence barriers in two types of ENSO. Geophys Res Lett , 43 (20) : 10973–10979. DOI:10.1002/2016GL071015 |
Ren H L, Jin F F, Song L C, et al. 2017.Prediction of primary climate variability modes in Beijing Climate Center. J Meteor Res, 31(1), doi:10.1007/s13351-017-6097-3(in Press) |
Stramma L, Fischer T, Grundle D S, et al. 2016. Observed El Niño conditions in the eastern tropical Pacific in October 2015. Ocean Sci , 12 (4) : 861–873. DOI:10.5194/os-12-861-2016 |
Stuecker M F, Timmermann A, Jin F F, et al. 2013. A combination mode of the annual cycle and the El Niño/Southern Oscillation. Nat Geosci , 6 (7) : 540–544. DOI:10.1038/ngeo1826 |
Suarez M J, Schopf P S. 1988. A delayed action oscillator for ENSO. J Atmos Sci , 45 (21) : 3283–3287. DOI:10.1175/1520-0469(1988)045<3283:ADAOFE>2.0.CO;2 |
Wang B, Wu R G, Fu X H. 2000. Pacific-East Asian Teleconnection:How does ENSO affect east Asian climate?. J Climate , 13 (9) : 1517–1536. DOI:10.1175/1520-0442(2000)013<1517:PEATHD>2.0.CO;2 |
Wang R, Ren H L. 2016. The linkage between two ENSO types/modes and the interdecadal changes of ENSO around the year 2000. Atmos Oceanic Sci Lett, doi:10.1080/16742834.2016.1258952(in Press) |
Weisberg R H, Wang C Z. 1997. A western Pacific oscillator paradigm for the El Niño-southern oscillation. Geophys Res Lett , 24 (7) : 779–782. DOI:10.1029/97GL00689 |
Xie S P, Kosaka Y, Du Y, et al. 2016. Indo-western Pacific ocean capacitor and coherent climate anomalies in post-ENSO summer:A review. Adv Atmos Sci , 33 (4) : 411–432. DOI:10.1007/s00376-015-5192-6 |
Zhang Q, Kumar A, Xue Y, et al. 2007. Analysis of the ENSO cycle in the NCEP coupled forecast model. J Climate , 20 (7) : 1265–1284. DOI:10.1175/JCLI4062.1 |
Zhang R H, Sumi A, Kimoto M. 1996. Impact of El Niño on the East Asian monsoon:A diagnostic study of the 86/87 and 91/92 events. J Meteor Soc Japan , 74 (1) : 49–62. |
Zhang W J, Jin F F, Li J P, et al. 2011. Contrasting impacts of two-type El Niño over the western north Pacific during boreal autumn. J Meteor Soc Japan , 89 (5) : 563–569. DOI:10.2151/jmsj.2011-510 |
Zhang W J, Jin F F, Ren H L, et al. 2012. Differences in teleconnection over the North Pacific and rainfall shift over the USA associated with two types of El Niño during boreal autumn. J Meteor Soc Japan , 90 (4) : 535–552. DOI:10.2151/jmsj.2012-407 |