2006, 17 (5): 538-547
2. 国家气候中心, 北京 100081
2. National Climate Center, Beijing 100081
气候预测是国际上的热点研究课题, 是国际上目前正在实施的气候变异及其可预测性 (CLIVAR) 研究计划[1]的重要研究内容。在过去的20多年中, 热带海洋-全球大气实验 (TOGA)、世界海洋环流实验 (WOCE) 及热带大气海洋观测网 (TAO) 的成功实施, 揭示了海洋在海-气耦合系统中的重要作用, 极大的促进了短期气候预测的研究。世界一些国家积极开展了短期气候预测的研究工作, 研制了一批可用于短期气候预测的数值模式并进行了预测试验, 得到具有一定参考价值的预测产品[2-6]。在短期数值气候预测中, 虽然对ENSO的预测具有较高的预报技巧, 但由于ENSO本身的复杂性, 目前还没有一个模式能够非常全面地预报出与观测一致的ENSO演变过程, 不同模式的预报技巧在空间分布上有较大差异, 同时也与预报个例有关[7]。因此, 提高包括ENSO在内的短期气候预测水平是一个仍需要深入研究的科学问题。
短期气候预测对海洋观测资料, 尤其是全球海洋温、盐、流的立体剖面资料都有极大的依赖性。但是, 由于受技术条件和资金限制, 在ARGO计划[8]实施以前, 海洋资料的采集主要以抛弃式温探计XBT为主, 辅以少量锚锭ATLAS浮标 (如TAO), 采集的海洋资料无论是要素 (XBT仅能探测海温)、空间分辨率 (受志愿船航线和锚锭分布密度限制)、精度等方面均远不能满足需求。气象和海洋学家获得的大多是海洋表面的一些要素资料, 对海洋垂直剖面上温、盐、流的资料知之甚少。因此, 在很大程度上限制了短期气候预测水平的提高。
由美国等国大气、海洋科学家于1998年提出的一个大型旨在快速、准确、大范围收集全球海洋上层2000 m的温、盐、流剖面资料的海洋观测计划———ARGO (Array for Real-time Geostrophic Oceanography) 全球海洋观测网[9], 目前正在迅速发展。建设中的ARGO全球海洋观测网无论从观测浮标的数量、观测覆盖区域, 还是观测资料的代表性和应用价值, 均明显优于TAO观测网。这种全球范围、较高时空分辨率 (3°×3°; 10 d一个剖面) 海洋上层 (2000 m以上) 的温、盐、流剖面资料的获取, 为大气、海洋科学家进一步加深对海洋温、盐垂直结构、环流及能量、水分平衡过程的了解, 改善模式初始场, 从而为提高短期气候预测水平等方面提供前所未有的数据库[10]。因此, ARGO观测资料对于短期气候预测具有不可估量的科学价值。
目前, 世界各国 (尤其是沿大洋各国) 对ARGO全球海洋观测网的建设均显示了极大热情, 并投入大量人力、财力进行布设浮标以及开展与短期气候预测相关的研究[11-12]。美国、英国、日本、澳大利亚等国均成立了专门机构收集ARGO浮标资料, 制定了详细计划和时间表进行ARGO浮标资料的同化方法研究; 建设经数据同化后的高精度网格点数据库; 并进一步利用同化后ARGO资料改进短期气候预测模式的预报能力。如美国的国家环境预报中心 (NCEP)、日本气象厅 (JMA)、英国Hadley气候预报中心、澳大利亚气象局 (BOM) 等均已将ARGO同化资料投入业务预报试运行①, 并显示出良好的发展前景。
① http://www-argo.ucsd.edu/FrUse-by-Operational.html.
中国在2002年正式成为国际ARGO计划成员国, 在西北太平洋海域布放了19个ARGO浮标②, 并成立了中国ARGO资料中心[13], 对ARGO资料进行收集整理和分发。同时, 也开展了ARGO资料的应用研究, 利用ARGO资料进行了海洋资料同化和改进海洋模式的物理过程[14], 并且在国家气候中心建立了具有同化ARGO资料能力的全球海洋资料同化业务系统[15]。本文将在这些研究的基础上, 研究利用ARGO资料改进的海洋模式用于ENSO预测在提高预测水平中的作用; 根据同化了ARGO资料的全球海洋同化资料, 探讨ARGO资料在改进我国汛期降水预测中的作用。
1 资料和方法本文所用ARGO观测资料由中国ARGO资料中心提供, 时间为1998—2003年; 本文所用资料还包括世界海洋图集WOA98资料[16]、NCEP OISST V2海温分析资料[17]、NCEP/NCAR再分析资料[18]和Levitus94上层海温资料[19]。
研究中对ARGO观测资料进行了初步质量控制。从观测变量本身及其梯度两个方面去掉了明显不合理的ARGO剖面资料。进行的质量控制主要包括:①剔除ARGO观测资料值过大或过小的剖面, 判断标准是温度不能高于35 ℃和小于-5 ℃, 同时与历史观测资料 (Levitus94) 在相应格点差的绝对值不能大于事先给定的一个判据。此判据随深度的增加而减少 (从8 ℃到4 ℃); ②剔除梯度不合理的剖面, 最大能容忍的梯度是历史观测资料 (Levitus94) 在相应格点梯度的2.5倍。
2 ARGO资料对ENSO预测的改进由于Zebiak-Cane海洋模式[20] (以后简称为ZC模式) 被大量用于热带海洋和热带海气相互作用的研究[21]以及厄尔尼诺的预测[22], Yin等③利用ARGO浮标资料和WOA98资料, 对ZC模式次表层海温参数化方案进行了检验。发现原模式方案的结果在赤道东太平洋区域与实际观测拟合较好, 而在赤道中西太平洋区域与实际观测差别较大, 海洋表层和次表层的海温异常的振幅太小, 并且显示不出与观测一致的年际变化状况, 即原ZC模式几乎没有模拟赤道中西太平洋表层和次表层海温年际变化的能力。在对ARGO和WOA98资料分析的基础上, 利用拟牛顿法求ZC模式的次表层参数化方案中若干关键参数的最优解, 对原ZC模式中海洋次表层参数化方案进行了改进, 提出了新的次表层海温参数化方案。用新次表层海温参数化方案替换ZC模式中的旧方案后, 模拟结果表明:采用新方案的ZC模式对热带中西太平洋次表层温度距平和海面温度异常的模拟有明显的改进, 克服了原ZC模式对赤道中西太平洋表层和次表层海温模拟的不足, 在赤道中西太平洋不仅次表层海温的模拟得到了改善, 对海面温度异常的模拟也有了较大的改进, 模式结果显示出与观测一致的年际变化特征, 并且年际变化的振幅也与观测非常一致, 大大地改进了ZC模式的模拟能力。
③ Yin Yonghong, Zhang Renhe, Shi Li, et al.Evaluation and modification of a subsurface entrainment temperature parameterization in the Zebiak-Cane ocean model by using ARGO and TAO data. Submitted to Adv Atmos Sci.
为了说明ARGO资料的应用在改进ENSO预测中的作用, 根据观测的海面温度资料和风应力资料, 在分析了二者的相关关系后, 建立了由海面温度场确定大气风应力场的统计大气模式, 并分别与未经改进和改进后的ZC海洋模式耦合, 建立了动力海洋-统计大气耦合模式。为了检验利用ARGO资料改进ZC模式参数化方案后在提高耦合模式预测能力中的作用, 对未经改进和改进后的ZC海洋模式-统计大气耦合模式进行了长期回报试验, 以下将对两种情况下的回报试验结果进行分析讨论。
图 1给出了原ZC模式-统计大气耦合模式 (图 1a) 与改进后的ZC模式-统计大气耦合模式 (图 1b) 提前3个月对Niño3.4区 (5°S~5°N, 120°~170°W) 的海面温度异常的回报结果。从图 1可看出, 改进后的ZC模式-统计大气耦合模式的回报水平有了显著的提高。对于原ZC模式-统计大气耦合模式 (图 1a), 虽然回报值与观测值之间具有较好的一致性, 但可明显看出, 对于发生在1982/1983, 1986/1987, 1991/1992, 1997/1998和2002/2003年的5次厄尔尼诺事件, 高海温期间的峰值回报温度都有所偏低; 而对1984/ 1985, 1988/1989, 1995/1996和1998/2000年4次拉尼娜事件, 低海温期间的负海面温度距平回报值明显偏高。利用ARGO资料对ZC模式参数化方案改进后, 与统计大气模式耦合后的回报结果与观测结果有更好的一致性 (图 1b)。厄尔尼诺期间的高海温峰值增大, 拉尼娜期间的低海温变得更低, 二者都比原ZC模式-统计大气耦合模式的回报结果更接近观测值。
|
|
| 图 1. 原ZC模式-统计大气耦合模式 (a) 与改进后的ZC模式-统计大气耦合模式 (b) 提前3个月Niño3.4区 (5°S~5°N, 120°~170°W) 海面温度异常的回报结果 | |
图 2给出了原ZC模式-统计大气耦合模式 (图 2a) 与改进后的ZC模式-统计大气耦合模式 (图 2b) 提前6个月对Niño3.4区的海面温度异常的回报结果。从图 2可看出, 原ZC模式-统计大气耦合模式提前6个月的回报结果 (图 2a) 比提前3个月的回报结果 (图 1a) 明显偏差, 对Niño3.4区的海面温度演变的回报与实际观测结果存在较大差异, 海面温度年际变化的周期不明显, 变化的振幅也明显偏小, 特别是对海面温度负距平几乎没有回报妮力。总体上看, 原ZC模式-统计大气耦合模式提前6个月的回报结果基本上回报不出厄尔尼诺和拉尼娜的演变特征。从改进后的ZC模式-统计大气耦合模式提前6个月的回报结果来看 (图 2b), 回报结果与观测有非常好的一致性, 具有与观测一致的年际变化周期和振幅, 基本上回报出了Niño3.4区海面温度异常的演变特征, 对厄尔尼诺和拉尼娜都能够给出准确的回报。
|
|
| 图 2. 说明同图 1, 但为提前6个月的回报结果 | |
图 3给出了原ZC模式-统计大气耦合模式 (图 3a) 与改进后的ZC模式-统计大气耦合模式 (图 3b) 提前3个月回报的热带太平洋海面温度异常与观测值的相关系数分布。可以看出, 原ZC模式-统计大气耦合模式的回报结果与观测值的高相关区域主要出现在热带东太平洋, 热带西太平洋的相关系数普遍偏小。改进后的ZC模式-统计大气耦合模式的回报结果与观测值的相关性在整个热带太平洋区域普遍得到提高。热带东太平洋的高相关区域相关系数明显增大, 出现了相关系数超过0.8的区域。在赤道附近, 原ZC模式-统计大气耦合模式的回报结果与观测值相关系数超过0.5的区域的西界在150°W附近, 改进后的ZC模式-统计大气耦合模式的回报结果与观测值相关系数超过0.5的区域向西扩展了将近20经距, 到达170°W附近。在热带西太平洋, 改进后的ZC模式-统计大气耦合模式的回报结果明显变好, 出现了相关系数大于0.5的大片区域。由此可看到, 改进后的ZC模式-统计大气耦合模式比原ZC模式-统计大气耦合模式的预测能力得到明显提高。
|
|
| 图 3. 原ZC模式-统计大气耦合模式 (a) 与改进后的ZC模式-统计大气耦合模式 (b) 提前3个月回报的海面温度异常与观测值的相关分布 | |
图 4给出了原ZC模式-统计大气耦合模式 (图 4a) 与改进后的ZC模式-统计大气耦合模式 (图 4b) 提前6个月回报的热带太平洋海面温度异常与观测值的相关分布。可以看出, 对于提前6个月的回报, 原ZC模式-统计大气耦合模式的相关系数 (图 4a) 比提前3个月的相关系数 (图 3a) 明显变小。相关系数超过0.5的区域只集中在热带东太平洋很小的区域内, 热带西太平洋的相关系数很小并出现了大范围的负相关。对于改进后的ZC模式-统计大气耦合模式, 相关系数明显提高, 在整个热带太平洋回报结果与观测的相关都为正值, 除了在赤道中太平洋180°附近的一小块区域外, 大部分区域的相关系数都大于0.3。相关系数大于0.5的区域出现在热带中东太平洋的大范围区域, 特别是在原耦合模式几乎没有预测能力的热带西太平洋区域, 预测能力得到明显的改善。
|
|
| 图 4. 说明同图 3, 但为提前6个月回报的海面温度异常与观测值的相关分布 | |
3 ARGO资料对我国夏季降水季节预测的改进
Liu等[15]的研究结果表明, 将ARGO资料引入国家气候中心全球海洋资料同化系统 (NCC-GODAS) 大大改善了同化结果, 其同化结果可为海-气耦合模式进行季节气候预测业务提供更加可信的海洋初始场资料。为了研究在形成初始场的海洋资料同化系统中引入ARGO资料是否能改进海气耦合模式的季节气候预测能力, 利用NCC全球海气耦合模式[23], 对我国夏季 (6—8月) 降水进行了季节回报试验。
图 5给出了海洋初始场分别利用不包含ARGO观测资料的同化资料 (图 5a) 和包含ARGO观测资料的同化资料 (图 5b) 时, 由NCC全球海气耦合模式对2002年我国夏季 (6—8月) 降水距平百分率的回报试验结果。同时, 在图 6中给出了2002年我国夏季降水距平百分率的观测结果。比较图 5和图 6可看出, 在初始场中引入ARGO资料对回报的我国东部降水分布形式有了明显的改进。当初始场中不包含ARGO资料时 (图 5a), 回报的夏季我国东部雨带出现在华北以及黄河和长江之间, 而观测结果 (图 6) 表明雨带主要出现在长江以南, 二者之间存在着明显的差异。当初始场中包含了ARGO资料时 (图 5b), 回报的夏季我国东部雨带出现在长江以南, 与观测具有较好的一致性。同时也可看出, 初始场中包含了ARGO资料时, 我国西北夏季降水的回报也有所改进, 与观测结果更接近。
|
|
| 图 5. 利用NCC全球海气耦合模式回报的2002年我国夏季降水距平百分率 (单位:%) (a) 不包含ARGO观测资料的同化资料作为初始场, (b) 包含ARGO观测资料的同化资料作为初始场 | |
|
|
| 图 6. 2002年我国夏季降水实况距平百分率 (单位:%) | |
以上对2002年夏季的个例回报试验结果表明, 初始场中包含ARGO资料时, NCC全球海气耦合模式对我国夏季降水的预测能力有所提高。为了检验这种预测能力的提高是否具有代表性和普遍性, 对1998—2003年进行了系统回报试验 (参见李清泉等④)。图 7给出了海洋初始场分别利用不包含ARGO观测资料的同化资料 (图 7a) 和包含ARGO观测资料的同化资料 (图 7b) 时, 由NCC全球海气耦合模式对1998—2003年回报的我国夏季降水距平百分率与我国夏季降水实况距平百分率之间的相关分布。可以看出, 当初始场中不包含ARGO资料时 (图 7a), 回报的我国夏季降水与观测值之间的正相关区域主要出现在我国东部黄河下游以北和115°E以东的黄河和长江下游之间、长江中游以南和以北地区以及西北偏西部等区域。当初始场中包含ARGO资料时 (图 7b), 回报的我国夏季降水与观测值之间的正相关区域明显扩大, 除了初始场中不包含ARGO资料时的正相关区域外, 在长江以南、黄河和长江下游之间以及西北的大范围地区出现了正相关区域。由此可见, 在初始场中包含ARGO资料, 可以提高NCC全球海气耦合模式对我国夏季降水的季节预报能力。
|
|
| 图 7. 利用NCC全球海气耦合模式对1998—2003年回报与观测的我国夏季降水距平百分率相关分布 (a) 不包含ARGO观测资料的同化资料作为初始场, (b) 包含ARGO观测资料的同化资料作为初始场 (其中阴影区为正相关区域) | |
④ Li Qingquan, Zhang Renhe, Liu Yimin. Application of ARGO data in seasonal prediction with a Global coupled Ocean-atmospheric Model. Submitted to Chinese Journal of Atmospheric Sciences.
4 结论与讨论本文利用观测的海面温度资料和风应力资料, 根据二者的相关关系建立了统计大气模式, 并分别与未利用ARGO资料改进和利用ARGO资料改进后的ZC海洋模式耦合, 建立了动力海洋-统计大气耦合模式, 并对热带太平洋的海面温度进行了长期回报试验。回报结果表明:当利用ARGO资料改进后的ZC海洋模式与统计大气模式耦合时, 对热带太平洋的海面温度预测能力明显提高。提前6个月回报结果与观测有非常好的一致性, 具有与观测一致的年际变化周期和振幅, 基本上回报出了Niño3.4区海面温度异常的演变特征, 对厄尔尼诺和拉尼娜都能够给出准确的回报。对于改进后的ZC模式-统计大气耦合模式, 提前6个月回报的海面温度在整个热带太平洋区域与观测的海面温度之间的相关系数明显提高, 特别是在未改进ZC模式时的耦合模式几乎没有预测能力的热带西太平洋区域, 预测能力得到明显的改善。
已有的研究表明, 热带西太平洋的海气相互作用在ENSO循环中起着非常重要的作用[24-27], ENSO的发生与热带西太平洋次表层的海温异常有密切的联系, ENSO信号可能最早出现在热带西太平洋海洋次表层[27-28]。Yin等③研究指出, ZC海洋模式在赤道东太平洋区域与实际观测拟合较好, 而在赤道中西太平洋区域与实际观测差别较大, 海洋表层和次表层的海温异常的振幅太小, 并且显示不出与观测一致的年际变化状况, ZC模式几乎没有模拟赤道中西太平洋表层和次表层海温年际变化的能力。用新发展的海洋次表层参数化方案替代原方案后, 采用新方案的ZC模式对热带中西太平洋次表层温度距平和海面温度异常的模拟有明显的改进, 克服了原ZC模式对赤道中西太平洋表层和次表层海温模拟的不足, 在赤道中西太平洋不仅次表层海温的模拟得到了改善, 对海面温度异常的模拟也有了较大的改进, 模式结果显示出与观测一致的年际变化特征, 年际变化的振幅也与观测非常一致。因此, 改进的ZC模式对热带西太平洋模拟能力的提高, 使得该模式能够更好地反映出西太平洋海气相互作用与ENSO循环的密切联系, 为提高该模式对ENSO的预测水平提供了良好基础。
本文还利用NCC全球海气耦合模式, 通过在形成初始场的海洋资料同化系统中分别引入ARGO资料和不引入ARGO资料, 对我国夏季降水进行了季节回报试验。对2002年的个例试验结果表明, 在初始场中引入ARGO资料对回报的我国东部降水分布形式有了明显的改进。多年 (1998—2003年) 回报试验表明, 当初始场中包含ARGO资料时, 回报的我国夏季降水与观测值之间的正相关区域明显扩大。由此可见, 在初始场中包含ARGO资料, 可以明显地改进预报效果, 提高NCC全球海气耦合模式对我国夏季降水的季节预测能力。
利用全球动力海气耦合模式进行季节预测, 实际上是将预测问题视为数学上的初边值问题, 预测结果对初边值有直接的依赖性。因此, 提高初边值的准确性对提高预测水平具有重要意义。Liu等[15]的研究表明, 将ARGO资料引入NCC-GODAS全球海洋资料同化系统, 大大改善了同化结果。与NCEP/NCAR再分析结果进行对比分析显示, 在三大洋中同化后的海面温度不仅在温度数值的大小, 而且在分布形势方面与观测都具有较好的一致性。同化场也很好地反映出海面温度的季节变化特征, 对不同季节海面温度的分布形势有很好的描述。另外, 对海温异常状况, 特别是热带太平洋的年际异常, 在同化场中可以较好地反映出实况特征。现有研究表明, 我国的短期气候变异与太平洋、印度洋等一些区域的海面温度异常有密切联系[29], 因此, 包含ARGO资料的同化结果为海-气耦合模式进行季节气候预测提供了更真实的海洋初始场资料, 对预测水平的提高起到了重要作用。
| [1] | WCRP.CLIVAR Science Plan.WCRP Pub No.89, WMO/TD-No.690, Geneva:WMO, 1995. |
| [2] | Ji M, Kumar A, Leetmaa A. A multi-seasonal climate forecast system at the National Meteorological Center. Bull Amer Meteor Soc, 1994, 75: 569–577. DOI:10.1175/1520-0477(1994)075<0569:AMCFSA>2.0.CO;2 |
| [3] | Palmer T, Anderson D L T. The prospects for seasonal forecasting. Quart J Roy Meteor Soc, 1994, 120: 755–793. |
| [4] | Zeng Qingcun, Yuan Chongguang, Li Xu, et al. Seasonal and extraseasonal prediction of the summer monsoon precipitation by GCMs. Adv Atmos Sci, 1997, 14: 163–176. DOI:10.1007/s00376-997-0017-x |
| [5] | Carson D J. Seasonal forecasting. Quart J Royal Meteor Soc, 1998, 124: 1–26. DOI:10.1002/(ISSN)1477-870X |
| [6] | 张人禾, 周广庆, 巢纪平. ENSO动力学与预测. 大气科学, 2003, 27, (4): 674–688. |
| [7] | 周广庆, 曾庆存.IAP ENSO预测系统∥曾庆存, 丑纪范.气候系统的动力理论、模型和预测研究.北京:气象出版社, 2003:168-178. |
| [8] | 徐建平. 阿尔戈全球海洋观测大探秘. 北京: 海洋出版社, 2002: 1-115. |
| [9] | Argo Science Team. On the Design and Implementation of Argo—an Initial Plan for a Global Array of Profiling Floats.International CLIVAR Project Office ICPO Report No.21. GODAE Report No.5.Melbourne:GODAE International Project Office, c/o Bureau of Meteorology, 1998:1-32. |
| [10] | Roemmich D, Owens W B. The ARGO Project:global ocean observations for understanding and prediction of climate variability. Oceanography, 2000, 13, (2): 45–50. DOI:10.5670/oceanog |
| [11] | Vidard A, Anderson D L T, Balmaseda M.Impact of Ocean Observation Systems on Ocean Analysis and Seasonal Forecasts. ECMWF, Technical Memorandum, 2005, 460:1-32. |
| [12] | Zhang S, Harrison M J, Wittenberg A T, et al. Initialization of an ENSO forecast system using a parallelized ensemble filter. Mon Wea Rev, 2005, 133, (11): 3176–3201. DOI:10.1175/MWR3024.1 |
| [13] | 林绍花, 薛惠芬, 陈继香. 中国ARGO资料中心网络服务系统. 海洋信息技术, 2004, 2: 1–5. |
| [14] | 张人禾, 刘益民, 殷永红, 等. 利用ARGO资料改进海洋资料同化和海洋模式中的物理过程. 气象学报, 2004, 62, (5): 613–622. |
| [15] | Liu Yimin, Zhang Renhe, Yin Yonghong, et al. The application of ARGO data to the global ocean data assimilation operational system of NCC. Acta Meteor Sinica, 2005, 19, (3): 355–365. |
| [16] | Conkright M E, Locarnini R A, Garcia H E, et al.World Ocean Atlas 2001:Objective Analyses, Data Statistics, and Figures, CD-ROM Documentation.National Oceanographic Data Center, Silver Spring, MD, 2002:1-17. |
| [17] | Reynolds R W, Rayner N A, Smith T M, et al. An improved in situ and satellite SST analysis for climate. J Climate, 2002, 15: 1609–1625. DOI:10.1175/1520-0442(2002)015<1609:AIISAS>2.0.CO;2 |
| [18] | Kalnay E M, Kistler Kanamitsu, Collins W. The NCEP/NCAR 40-year reanalysis project. Bull Amer Meteor Soc, 1996, 77: 437–471. DOI:10.1175/1520-0477(1996)077<0437:TNYRP>2.0.CO;2 |
| [19] | Levitus S, Boyer T P, Antonov J.World Ocean Atlas, Vol 5:Interannual Variability of Upper Thermal Structure. NOAA Atlas NESDIS 5, U.S.Government Printing Office, Washington D C, 1994. |
| [20] | Zebiak S E, Cane M A. A model El Nino-Southern Oscillation. Mon Wea Rev, 1987, 115: 2262–2278. DOI:10.1175/1520-0493(1987)115<2262:AMENO>2.0.CO;2 |
| [21] | Neelin J D, Battisti D S, Hirst A C, et al. ENSO theory. J Geophys Res, 1998, 103: 14262–14290. |
| [22] | Cane M A, Zebiak S E, Dolan S C. Experimental forecasts of El Niño. Nature, 1986, 321: 827–832. DOI:10.1038/321827a0 |
| [23] | 李清泉, 丁一汇, 张培群. 一个全球海气耦合模式跨季度汛期预测能力的初步检验和评估. 气象学报, 2004, 62, (6): 740–751. |
| [24] | 张人禾, 黄荣辉. El Niño事件发生和消亡中热带太平洋纬向风应力的动力作用Ⅰ:资料诊断和理论分析. 大气科学, 1998, 22, (4): 597–609. |
| [25] | Wang C, Weisberg R H, Virmani J I. Western Pacific interannual variability associated with El Niño-Southern Oscillation. J Geophys Res, 1999, 104: 5131–5149. DOI:10.1029/1998JC900090 |
| [26] | 黄荣辉, 张人禾, 严邦良. 热带西太平洋纬向风异常对ENSO循环的动力作用. 中国科学 (D辑), 2001, 31, (8): 697–704. |
| [27] | 李崇银, 穆明权. 厄尔尼诺的发生与赤道西太平洋暖池次表层海温异常. 大气科学, 1999, 23, (5): 513–521. |
| [28] | 巢清尘, 巢纪平. 热带西太平洋和东印度洋对ENSO发展的影响. 自然科学进展, 2001, 11, (12): 1293–1300. |
| [29] | 张人禾, 李强. 热带海洋变异对东亚季风的影响. 气象, 2004, 30, (12): 22–26. |