劉宇豪，丁瑞強(qiáng)，李 揚(yáng)

(1.成都信息工程大學(xué)大氣科學(xué)學(xué)院/高原大氣與環(huán)境四川省重點(diǎn)實(shí)驗(yàn)室，四川 成都 610225；2.北京師范大學(xué)環(huán)境演變與自然災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室，北京 100875)

中高緯度地區(qū)海氣相互作用可以通過海洋-大氣耦合橋、陸地-大氣耦合橋、海冰-大氣耦合橋和鏈?zhǔn)今詈蠘虻炔煌挠绊懧窂胶头绞綄?duì)東亞氣候變率和變化產(chǎn)生影響，對(duì)溫度和降水的影響尤為明顯[1]。近年來，對(duì)中高緯度海氣相互作用的研究受到越來越多關(guān)注，其中對(duì)北太平洋區(qū)域的研究不斷增多[2]。Bond 等[3]研究表明，北太平洋海表面溫度（SST）在1999—2002 年間顯著變化，其變化與北太平洋20°N 以北的海表面溫度異常（SSTA）經(jīng)驗(yàn)正交函數(shù)分解第二模態(tài)（EOF2）的增強(qiáng)密切相關(guān)，該模態(tài)被命名為維多利亞模態(tài)（Victoria mode，VM）。VM對(duì)緊鄰的中東亞區(qū)域與北美區(qū)域的天氣和氣候變化都有著重要影響[3-9]。VM也可通過多種機(jī)制影響厄爾尼諾-南方濤動(dòng)（ENSO）發(fā)生發(fā)展，如VM 扮演海洋橋梁的角色，主要通過副熱帶/熱帶太平洋中與VM 有關(guān)的海氣耦合機(jī)制[季節(jié)足跡機(jī)制（SFM）][10]和赤道次表層與VM 有關(guān)的海溫異常[信風(fēng)充電機(jī)制（TWC）][11]影響接下來冬季ENSO 的變化。其中與VM 有關(guān)的SFM 機(jī)制可能比TWC 機(jī)制更有利于ENSO的發(fā)生[12]。VM 模態(tài)在春季強(qiáng)度最強(qiáng)，且年際變率在近幾十年一直增強(qiáng)，并在1980年后超過第一模態(tài)太平洋年代際振蕩（PDO）的強(qiáng)度[3]。目前研究指出VM 變率的大部分可以由北太平洋濤動(dòng)（NPO）大氣強(qiáng)迫解釋[12-14]，NPO 相關(guān)的異常地面風(fēng)可以在北太平洋強(qiáng)迫形成類似三極子的海溫模態(tài)（包括北太平洋VM 在20°N 向的偶極SSTA 形態(tài)，以及位于北太平洋中東部的副熱帶正SSTA）。春季（2—4月，F(xiàn)MA）期間的強(qiáng)VM 很可能是對(duì)冬季（12—2 月，DJF）期間NPO 強(qiáng)迫的延遲（1～2 個(gè)月）響應(yīng)[4]。然而，春季VM 模態(tài)強(qiáng)度增強(qiáng)的強(qiáng)迫解釋目前并未見諸報(bào)道。一百多年來，全球氣溫持續(xù)升高，IPCC 第六次評(píng)估報(bào)告指出2011—2020 年全球平均氣溫相對(duì)于1850—1900 年升高約1.1 ℃[15]，陳廣超等[16]基于CMIP5 模式數(shù)據(jù)指出全球變暖已經(jīng)導(dǎo)致PDO 發(fā)生顯著變化，如PDO 的振幅得到加強(qiáng)，周期變短。VM模態(tài)為北太平洋海溫異常的EOF2模態(tài)，而罕見全球變暖的背景對(duì)其春季年際變率增強(qiáng)的相對(duì)貢獻(xiàn)研究。

基于以上原因，本研究針對(duì)1900—2021 年（共122 a）春季VM 模態(tài)的時(shí)空特征分布變化以及內(nèi)部變率和全球變暖對(duì)春季VM 模態(tài)增強(qiáng)的相對(duì)貢獻(xiàn)進(jìn)行定量分析，旨在揭示VM 模態(tài)在一百多年的長(zhǎng)期變化及內(nèi)部變率和全球變暖對(duì)春季VM 模態(tài)年際變率增強(qiáng)的作用。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)

選擇英國(guó)哈德萊（Hadley）中心發(fā)布的全球海冰海溫?cái)?shù)據(jù)集（HadISST），水平分辨率為1°×1°，資料長(zhǎng)度選擇1900—2021 年[17]。第六次國(guó)際耦合模式比較計(jì)劃（CMIP6）模式，數(shù)據(jù)空間分辨率因模式不同而不同，本研究中，使用模式前將所有模式數(shù)據(jù)統(tǒng)一插值到1°×1°的網(wǎng)格點(diǎn)，資料長(zhǎng)度選擇1900—2014 年，所選模式實(shí)驗(yàn)信息見表1。由于只有12 個(gè)模式同時(shí)滿足4種強(qiáng)迫場(chǎng)景，因此，只挑選符合條件的模式進(jìn)行研究，其基本情況信息說明見表2。

表1 選擇的4個(gè)CMIP6模式實(shí)驗(yàn)信息Table 1 Information on the four selected CMIP6 model tests

表2 選擇的12個(gè)CMIP6模式基本情況信息Table 2 Basic information on the 12 selected CMIP6 models

1.2 指數(shù)定義

根據(jù)Bond 等[3]和Ding 等[4]的研究，對(duì)北太平洋（124.5°E—100.5°W，20.5N°—65.5°N）海溫距平（去除全球平均海溫）進(jìn)行經(jīng)驗(yàn)正交分解得到前兩個(gè)模態(tài)。第一模態(tài)（EOF1）為太平洋年代際振蕩（PDO，圖1(a)），對(duì)應(yīng)的時(shí)間系數(shù)（PC1）為PDO 指數(shù)（PDOI，圖1(c)）；第二模態(tài)（EOF2)為維多利亞模態(tài)（圖1(b)），其對(duì)應(yīng)的時(shí)間系數(shù)（PC2）定義為VM指數(shù)（VMI，見圖1(d)）。

圖1 PDO(EOF1)和VM(EOF2)對(duì)應(yīng)空間分布和時(shí)間序列Fig.1 Spatial patterns and corresponding PCs of the PDO(EOF1)and VM(EOF2)

1.3 分離內(nèi)部變率和外強(qiáng)迫

前人研究中，用于區(qū)分內(nèi)部變率信號(hào)和外部強(qiáng)迫的方法主要包括：簡(jiǎn)單線性去趨勢(shì)法[18]、去除所有氣候系統(tǒng)模式集合平均法[19]或從單一模式的集合平均估算強(qiáng)迫信號(hào)法[20]、目標(biāo)區(qū)域回歸法等[21]。然而這些方法都存在各自不同的缺陷。近年來，有研究提出，用線性回歸方法分離內(nèi)部變率和外部強(qiáng)迫，該方法考慮了外強(qiáng)迫的時(shí)間非線性特征以及模式的響應(yīng)偏差問題[22]，能更好地分離出內(nèi)部變率和外部強(qiáng)迫。其中Gan等[23]使用該方法定量得到全球變暖和內(nèi)部變率對(duì)中太平洋厄爾尼諾頻率增強(qiáng)的貢獻(xiàn)，Zhao 等[24]使用該方法揭示全球變暖和大氣內(nèi)部變率在熱帶氣旋長(zhǎng)期變化中的作用。

2 維多利亞模態(tài)在近百年時(shí)空特征的變化

2.1 維多利亞模態(tài)在近百年空間特征的變化

根據(jù)海表溫度資料的時(shí)間長(zhǎng)度，將VM模態(tài)在近百年來的變化分為兩個(gè)階段，第一階段為1900—1960年（共61 a），第二階段為1961—2021 年（共61 a），對(duì)兩個(gè)階段分別作EOF 分解得到VM 模態(tài)。圖2 為VM 模態(tài)在1900—1960 年和1961—2021 的空間分布情況。對(duì)比分析VM 模態(tài)在兩個(gè)階段不同的空間特征，得到結(jié)果如下：（1）從空間模態(tài)上來看，第一階段VM 模態(tài)正異常中心區(qū)域較小，出現(xiàn)在北太平洋偏東方向，負(fù)異常中心出現(xiàn)在北太平洋西南方向；第二階段VM模態(tài)正異常中心區(qū)域較大，出現(xiàn)在北太平洋東北方向，負(fù)異常中心出現(xiàn)在北太平洋的西南方向。整體來看兩個(gè)階段的北太平洋都呈現(xiàn)出東北-西南方向的SST 異常。（2）從前后強(qiáng)度對(duì)比來看，VM 模態(tài)變得更強(qiáng)，北太平洋東北方向正異常中心范圍有所增大，中心值也變得更大，由0.3°C增強(qiáng)到0.4 °C；北太平洋西南方向負(fù)異常中心的中心值由-0.2 °C 增強(qiáng)到-0.3 °C。且VM 模態(tài)在1961—2021 年第二階段期間的解釋方差（13.1%）明顯高出1900—1960 年第一階段期間的解釋方差（9.3%），VM模態(tài)的東北-西南方向的偶極子型結(jié)構(gòu)更明顯。

圖2 VM模態(tài)在1900—1960年(a)和1961—2021年(b)空間分布(均通過North檢驗(yàn))Fig.2 Spatial distribution of VM modes in 1900—1960(a)and 1961—2021(b)(both pass North test)

選擇VM 模態(tài)的正異常中心（40°N—55°N，170°E—232°E）和負(fù)異常中心（20°N—35°N，125°E—187°E）進(jìn)行研究（圖3(a)），通過用正異常中心的海溫異常時(shí)間序列減去負(fù)異常中心的海溫異常時(shí)間序列作為關(guān)鍵海溫區(qū)的海溫異常時(shí)間序列，該海溫異常時(shí)間序列定義為VM-box，將得到的關(guān)鍵海溫區(qū)海溫異常時(shí)間序列與同期春季VMI 的做相關(guān)分析，得到的相關(guān)系數(shù)達(dá)到0.94（通過置信度為99%的顯著性檢驗(yàn)，圖3(b)）。逐年的時(shí)間序列兩者相關(guān)系數(shù)也達(dá)到0.90（通過置信度為99%的顯著性檢驗(yàn)，未顯示），故大致認(rèn)為該區(qū)域是影響VM 模態(tài)增強(qiáng)的關(guān)鍵區(qū)域。同時(shí)，VM-box 進(jìn)行同樣的滑動(dòng)處理，分析其年際變率變化，得到的結(jié)果與VMI相似，也呈現(xiàn)出明顯的上升趨勢(shì)（通過置信度為99%的顯著性檢驗(yàn)，圖3(c、d)），從側(cè)面表明春季VM 模態(tài)增強(qiáng)的事實(shí)。

圖3 VM模態(tài)關(guān)鍵海溫區(qū)域范圍及海表溫度異常時(shí)間序列變化Fig.3 The range of key SST regions in VM mode and the time series changes of SST anomalies

2.2 維多利亞模態(tài)事件在近百年發(fā)生頻率的變化

由于VM 模態(tài)在每年的春季（2—4 月，F(xiàn)MA）強(qiáng)度達(dá)到最強(qiáng)，VMI 的方差也在該時(shí)間段達(dá)到最大值，故將VM 事件按照春季3 月平均指數(shù)（FMA VMI）的大小進(jìn)行分類（表3）：FMA VMI ≥1 或者≤-1 倍標(biāo)準(zhǔn)差的年份定義為強(qiáng)VM 年，將0.5 ≤FMA VMI ＜1 和-1 ＜FMA VMI ≤-0.5 倍標(biāo)準(zhǔn)差的年份定義為中等強(qiáng)度VM 年，-0.5 ＜FMA VMI ＜0.5 倍標(biāo)準(zhǔn)差的年份定義為弱VM 年。然后按照FMA VMI 的大小對(duì)兩個(gè)階段的VM 事件年進(jìn)行分類（表3），得到以下結(jié)果：（1）強(qiáng)VM 年在第二階段強(qiáng)的出現(xiàn)次數(shù)（共22 次）明顯高于第一階段強(qiáng)VM 年的出現(xiàn)次數(shù)（共11 次），是第一階段出現(xiàn)強(qiáng)VM 年的總年份數(shù)的2 倍；（2）第二階段出現(xiàn)中等強(qiáng)度以上VM 事件年的總次數(shù)（39 a）大于第一階段出現(xiàn)中等強(qiáng)度以上VM事件年總次數(shù)（33 a）；（3）第二階段出現(xiàn)的負(fù)位相強(qiáng)VM 年頻率（12/22）明顯高于第一階段出現(xiàn)負(fù)位相強(qiáng)VM 年的頻率（3/11），但第二階段正位相強(qiáng)VM年頻率（10/22）和第一階段出現(xiàn)正位相VM 年的頻率（8/11）差別不大，負(fù)位相強(qiáng)VM 年的增長(zhǎng)頻率遠(yuǎn)高于正位相強(qiáng)VM年的增長(zhǎng)頻率。

表3 VM事件年分類Table 3 Classification of VM event year

3 內(nèi)部變率對(duì)春季維多利亞模態(tài)增強(qiáng)的貢獻(xiàn)

為更加合理得到海溫場(chǎng)中的內(nèi)部變率信號(hào)，對(duì)所選模式數(shù)據(jù)進(jìn)行多模式集合平均（MME）消除不同模式成員之間的不相關(guān)的內(nèi)部變率信號(hào)，其中，模擬的平均結(jié)果來表示外部強(qiáng)迫信號(hào)。本研究所選擇的模式數(shù)據(jù)得到的外強(qiáng)迫信號(hào)空間模式分布見圖4，可以得到3種外強(qiáng)迫信號(hào)（GHG、AER、NAT）的空間分布大致一致。使用3 種外強(qiáng)迫信號(hào)強(qiáng)迫的MME 結(jié)果計(jì)算VM 模態(tài)時(shí)間序列（TGHG、TNAT和TAER）。將觀測(cè)數(shù)據(jù)的VM模態(tài)時(shí)間序列與TGHG、TNAT、TAER進(jìn)行多元線性回歸，得到回歸方程YVMI=-0.09XTGHG-0.22XTNAT-0.14XTAER+r（r為殘差）。通過對(duì)觀測(cè)海溫場(chǎng)的VMI 序列使用線性回歸方法去除外部強(qiáng)迫信號(hào)，去除外強(qiáng)迫信號(hào)后得到的VMI序列即為得到的內(nèi)部變率，然后利用線性傾向估計(jì)法建立VMI 時(shí)間序列和得到內(nèi)部變率與時(shí)間的的一元線性回歸方程來表達(dá)他們之間的線性變化趨勢(shì)（虛線，加rc表示）。

使用滑動(dòng)標(biāo)準(zhǔn)差（STD）和滑動(dòng)均方根（RMS）兩種方法分析春季VM 模態(tài)的年際變率變化，利用Mann-Kendall 趨勢(shì)檢驗(yàn)法對(duì)兩種方式得到的結(jié)果進(jìn)行檢驗(yàn)，可以發(fā)現(xiàn)內(nèi)部變率的年際變率都呈上升趨勢(shì)（圖5）。其中，利用RMS 方法得到的內(nèi)部變率的年際變率變化趨勢(shì)是0.001/a（通過置信度為99%的顯著性檢驗(yàn)），春季VM模態(tài)年際變率變化趨勢(shì)是0.003/a（通過置信度為99%的顯著性檢驗(yàn)）。利用STD 方法得到的內(nèi)部變率的年際變率變化趨勢(shì)是0.001/a（通過置信度為99%的顯著性檢驗(yàn)），春季VM 模態(tài)年際變率變化趨勢(shì)是0.003/a（通過置信度為99%的顯著性檢驗(yàn)）。在1980 年前，內(nèi)部變率的年際變率變化趨勢(shì)與春季VM 模態(tài)變化趨勢(shì)基本一致；1980 年后，春季VM 模態(tài)的年際變率變化趨勢(shì)大于內(nèi)部變率的變化趨勢(shì)。

圖5 內(nèi)部變率(IV)和VM(OBS)在1900—2014年春季的年際變率變化Fig.5 Interannual variability changes of internal variability(IV)and VM(OBS)in the spring of 1900—2014

利用線性傾向估計(jì)得到春季VM 模態(tài)和內(nèi)部變率在1900—2014 年之間的年際變率總變化（圖6）。由于使用RMS 方法得到的春季VM 模態(tài)年際變率變化和內(nèi)部變率的年際變率顯著性水平比利用STD 方法得到的春季VM 模態(tài)和內(nèi)部變率的年際變率顯著性水平高，因此，選擇對(duì)RMS 方式得到的結(jié)果進(jìn)行討論。春季VM 模態(tài)年際變率在此期間增長(zhǎng)0.32，分離出的內(nèi)部變率的年際變率在此期間增長(zhǎng)0.11，得到內(nèi)部變率對(duì)于春季VM 增強(qiáng)的貢獻(xiàn)占到34.38%。

圖6 春季VM模態(tài)在1900—2014年際變率總變化Fig.6 Total variation of spring VM modal interannual variability from 1900 to 2014

4 全球變暖對(duì)春季維多利亞模態(tài)增強(qiáng)的貢獻(xiàn)

為更準(zhǔn)確研究全球變暖對(duì)VM 模態(tài)增強(qiáng)的的貢獻(xiàn)，該部分計(jì)算VMI 時(shí)并未去除全球變暖的信號(hào)。同時(shí)，使用泰勒?qǐng)D評(píng)估CMIP6 模式對(duì)觀測(cè)數(shù)據(jù)中VM 模態(tài)模擬的能力（圖7）。選擇其中相關(guān)系數(shù)R＞0.75，方差之比小于1 的模式（ACCESS-CM2、ACCESS-ESM1-5、BCC-CSM2-MR、E3SM-2-0、GFDLESM4、IPSL-CM6A-LR、MIROC6、MRI-ESM2-0 共8個(gè)模式）做集合模式平均。將得到的平均結(jié)果進(jìn)行研究，從而更準(zhǔn)確地識(shí)別和量化全球變暖對(duì)春季VM模態(tài)增強(qiáng)的相對(duì)貢獻(xiàn)。

圖7 CMIP6多模式對(duì)VM模態(tài)模擬結(jié)果泰勒?qǐng)DFig.7 Taylor diagram of CMIP6 multimodal simulation results for VM modes

圖8 為3 種強(qiáng)迫情景（ALL、GHG、Nat）下1900—2014 年春季VM 模態(tài)的年際變率變化，發(fā)現(xiàn)3 種情境下春季VM 模態(tài)的年際變率均增強(qiáng)。利用Mann-Kendall 趨勢(shì)檢驗(yàn)法對(duì)兩種方式進(jìn)行檢驗(yàn)，得到利用RMS 方法得到的全球變暖情景下春季VM模態(tài)的年際變率變化趨勢(shì)是0.002 59 a-1（通過置信度為99%的顯著性檢驗(yàn)），自然情景下春季VM模態(tài)的年際變率變化趨勢(shì)是0.003 51 a-1（通過置信度為99%的顯著性檢驗(yàn)），全強(qiáng)迫情景下春季VM 模態(tài)的年際變率變化趨勢(shì)是0.005 03 a-1（通過置信度為99%的顯著性檢驗(yàn)）。利用STD方法得到的全球變暖情景下春季VM 模態(tài)的年際變率變化趨勢(shì)是0.002 78 a-1（通過置信度為99%的顯著性檢驗(yàn)），自然情景下春季VM 模態(tài)的年際變率變化趨勢(shì)是0.006 20 a-1（通過置信度為99%的顯著性檢驗(yàn)），全強(qiáng)迫情景下春季VM 模態(tài)的年際變率變化趨勢(shì)是0.004 87 a-1（通過置信度為99%的顯著性檢驗(yàn)）。利用線性傾向估計(jì)得到全強(qiáng)迫情景和全球變暖情景下春季VM 模態(tài)的年際變率在1900—2014 年之間的總變化（圖9）。由于兩種方式得到的結(jié)果通過的顯著性檢驗(yàn)水平一致，因此，選擇兩種方法得到的結(jié)果做平均處理后進(jìn)行討論。全強(qiáng)迫情景下的春季VM 模態(tài)的年際變率在此期間增長(zhǎng)0.46，全球變暖情景下的春季VM 模態(tài)的年際變率在此期間增長(zhǎng)0.21，得到全球變暖對(duì)于春季VM模態(tài)增強(qiáng)的貢獻(xiàn)占到46.67%。

圖8 全強(qiáng)迫情景(ALL，黑色)、溫室氣體強(qiáng)迫(GHG，紅色)、自然強(qiáng)迫(Nat，綠色)下1900—2014年春季VM模態(tài)的年際變率變化Fig.8 Changes in interannual variability of VM modes in spring from 1900 to 2014 under ALL-forcing scenarios(all,black),greenhouse gas forcing(GHG,red)and natural forcing(Nat,green)

圖9 多模式集合春季VM模態(tài)年際變率總變化Fig.9 Total change in interannual variability of spring VM modes in multi-mode ensemble

5 結(jié)論

本研究利用1900—2021 年HadISST 海溫?cái)?shù)據(jù)、1900—2014 年CMIP6 模式數(shù)據(jù)對(duì)VM 模態(tài)在近百年的時(shí)空變化、內(nèi)部變率和全球變暖對(duì)春季VM 模態(tài)增強(qiáng)的相對(duì)貢獻(xiàn)進(jìn)行研究，主要得到以下結(jié)論：

(1)根據(jù)研究時(shí)間長(zhǎng)度，分為1900—1960 年和1961—2021 年兩個(gè)階段進(jìn)行對(duì)比，得到兩個(gè)時(shí)間段VM 模態(tài)的時(shí)空特征分布，發(fā)現(xiàn)VM 模態(tài)的解釋方差從9.3%增長(zhǎng)到13.1%，東北-西南向的傾斜海溫距平偶極子結(jié)構(gòu)變得更明顯，發(fā)生強(qiáng)和弱VM 事件年的頻率也明顯提高。

(2)通過多元線性回歸方法定量得到內(nèi)部變率和全球變暖對(duì)春季VM 模態(tài)年際變率在1900—2014 年的增強(qiáng)的相對(duì)貢獻(xiàn)：全球變暖占春季VM 模態(tài)年際變率增強(qiáng)作用的46.67%；內(nèi)部變率占春季VM模態(tài)年際變率增強(qiáng)作用的34.38%。

第二階段（1961—2021 年）北太平洋出現(xiàn)更多的負(fù)位相強(qiáng)VM 事件年的原因，同時(shí)對(duì)于內(nèi)部變率和全球變暖具體影響春季VM 模態(tài)增強(qiáng)的機(jī)制以及對(duì)于未來情景下，內(nèi)部變率和全球變暖對(duì)于維多利亞模態(tài)的影響值得進(jìn)行深入研究。