不同PDO位相下El Nino发展年和La Nina年东亚夏季风的季节内变化

基于1957~2017年观测和再分析资料,合成分析了北太平洋年代际振荡(Pacific decadal oscillation,PDO)不同位相下El Ni?o发展年和La Nina年东亚夏季风的环流、降水特征及季节内变化。结果表明,PDO正、负位相作为背景场,分别对El Ni?o发展年、La Nina年东亚夏季风及夏季降水具有加强作用。PDO正位相一方面可增强El Ni?o发展年夏季热带中东太平洋暖海温异常信号,另一方面通过冷海温状态加强中高纬东亚大陆与西北太平洋的环流异常,从而在一定程度上增强了东亚夏季风环流的异常程度;反之,PDO负位相则增强了La Nina年热带海气相互作用以及中高纬环流(如东北亚反气旋)的异常。在季节内变化方面,El Ni?o发展年6月贝湖以东反气旋性环流为东亚地区带来稳定的北风异常,东北亚位势高度减弱;7月开始,环流形势发生调整,日本以东洋面出现气旋性异常,东亚大陆偏北风及位势高度负异常均得到加强;8月,随着东亚夏季风季节进程和El Ni?o发展,西太平洋出现气旋性环流异常,东亚副热带位势高度进一步降低,西北太平洋副热带高压(简称副高)明显东退。La Nina年6月异常较弱,主要环流差异自7月西北太平洋为大范围气旋性异常控制开始,东亚-太平洋遥相关型显著,副高于季节内始终偏弱偏东。上述两种情况下,均造成东亚地区夏季降水总体上偏少,尤其是中国北方降水显著偏少。

A spatiotemporal 3D convolutional neural network model for ENSO predictions: A test case for the 2020/21 La Niña conditions

2020–22年间热带太平洋经历了持续性多年的拉尼娜事件,多数耦合模式都难以准确预测其演变过程,这为厄尔尼诺-南方涛动(ENSO)的实时预测带来了很大的挑战.同时,目前学术界对此次持续性双拉尼娜事件的发展仍缺乏合理的物理解释,其所涉及的物理过程和机制有待于进一步分析.本研究利用再分析数据产品分析了热带东南太平洋东南风异常及其引起的次表层海温异常在此次热带太平洋海表温度(SST)异常演变中的作用,并构建了一个时空分离(Time-Space)的三维(3D)卷积神经网络模型(TS-3DCNN)对此次双拉尼娜事件进行实时预测和过程分析.通过将TS-3DCNN与中国科学院海洋研究所(IOCAS)中等复杂程度海气耦合模式(IOCAS ICM)的预测结果对比,表明TS-3DCNN模型对2020–22年双重拉尼娜现象的预测能力与IOCAS ICM相当,二者均能够从2021年初的初始场开始较好地预测2021年末El Niño3.4区SST的演变.此外,基于TS-3DCNN和IOCAS ICM的敏感性试验也验证了赤道外风场异常和次表层海温异常在2021年末赤道中东太平洋海表二次变冷过程中的关键作用.未来将神经网络与动力模式模式间的有效结合,进一步发展神经网络与物理过程相结合的混合建模是进一步提高ENSO事件预测能力的有效途径.

El Ni?o发展年和La Ni?a年东亚夏季风季节内变化的比较

基于1979~2013年多种再分析资料,合成分析了El Ni?o发展年和La Ni?a年东亚夏季风的季节内变化。结果表明,东亚夏季风在两种情况下呈现出不同的季节内变化特征。在El Ni?o发展年,初夏期间高纬度地区出现偏北风异常,造成东亚地区位势高度场偏低,西太平洋副热带高压偏东,但均不显著。盛夏期间,El Ni?o强迫造成中太平洋对流增强,副热带西太平洋出现气旋异常,位势高度显著降低,副热带高压明显偏东。与此不同的是,La Ni?a年春季暖池海温偏高,造成夏季对流偏强,西太平洋地区位势高度场偏低,副热带高压减弱东退。此外,La Ni?a年东亚夏季风的季节内变化较为复杂,6月异常较弱,7月达到最强,8月又开始减弱。因此,虽然El Ni?o发展年和La Ni?a年夏季平均副高异常有一定的相似性,但季节内变化则有很大差异,其成因也完全不同。

基于SWAT模型的典型厄尔尼诺/拉尼娜年广西北部湾南流江蓝绿水评估

广西北部湾沿海区域水资源充沛,但受厄尔尼诺/拉尼娜事件等影响,年际分布不均匀。以广西北部湾最大入海河流南流江流域为例,通过SWAT模型研究了流域典型厄尔尼诺/拉尼娜年蓝绿水特征。结果表明,1971~2015年流域多年平均蓝水为835.0 mm/年,绿水流为929.0 mm/年,绿水储为114.0 mm/年;典型厄尔尼诺年(1997年)/拉尼娜年(2007年)蓝水、绿水流、绿水储分别为多年平均值的145.7%/51.6%、92.4%/96.9%、115.5%/78.3%;厄尔尼诺/拉尼娜事件造成南流江降水明显增多/减少,主要影响蓝水;流域气候湿润,绿水流主要受太阳辐射和风速等因素影响。研究结果可为水资源合理高效利用及区域高质量发展等提供参考。

中国登陆热带气旋与太平洋海表温度的关系

根据1951～2000年中国登陆热带气旋与厄尔尼诺年、拉尼娜年的关系分析,得到了一些重要认识:(1) 在厄尔尼诺年,中国登陆热带气旋数偏少;(2) 厄尔尼诺事件强度越大,中国登陆热带气旋数越少;(3) 厄尔尼诺事件的结束时间若超过5月1日,那么次年中国登陆热带气旋数偏少;(4) 中国登陆热带气旋数的特多年主要集中在拉尼娜年;(5) 在拉尼娜次年,中国登陆热带气旋数偏少;(6) 中国登陆热带气旋强度越大,在厄尔尼诺年出现机会越少;(7) 在厄尔尼诺年,中国初旋偏迟,终旋偏早。同时对其机理进行了探讨。

海气陆相互作用的准四年振荡机制

目前有关 El Nino( L a Nina)形成机制的讨论 ,大多是强调海气的相互作用。实际上地气相互作用过程中形成的异常气流对于 El Nino/ L a Nina的形成也是必不可少的 ,海气和地气相互作用过程应该是耦合的 ,不应该加以分离。本文综合了近年来我们得到的有关研究结果 ,提出了一个海气陆相互作用过程的准四年振荡过程 ,用来解释 El

CMIP5模式对太阳活动准11年周期激发类拉尼娜型海温的评估

利用24个第五次耦合模式比较计划(Coupled Model Intercomparison Project Phase 5,CMIP5)历史试验资料,本文评估了在太阳年代际尺度准11 a周期变化下能否激发出热带太平洋显著的类拉尼娜型海表温度异常的模拟能力。再分析资料分析结果表明,“自下而上”机制解释了在太阳强迫偏强的年份,热带太平洋更容易呈现出显著的类拉尼娜型海温异常。CMIP5模式的评估结果显示,有2/5的模式可以基本再现再分析资料中太阳强迫影响下的热带东太平洋海温负异常,这些模式分为类拉尼娜组;而另有3/5的模式模拟出了相反的信号,分为类厄尔尼诺组。为了进一步探讨CMIP5模式模拟能力不同的原因,本文分析了“自下而上”机制在模式中的表现。“自下而上”机制可分为蒸发过程和海洋恒温(thermostat)过程。结果表明,模式能否模拟出类拉尼娜型海温响应取决于thermostat过程的强弱,其中类拉尼娜组的thermostat过程更强;而蒸发过程没有起到关键作用。

温度关联网络稳定性分析Ⅰ——极端事件的影响

基于极端温度值、强El Niňo/La Niňa年、温度变化关键区域和极端事件频发年四个方面,研究了时间和空间上的极端事件对温度关联网络性质的影响及网络性质相对稳定的可能条件.结果表明,滤除一定比例的极端温度会在一定程度降低网络的连通性,P=0.1和0.9时对应温度关联网络性质变化的拐点,极端低温和高温的界定可以控制在百分比为0.1所对应的温度;La Niňa年长程连边数较El Niňo年明显增加,遥相关作用比较显著,温度变化的关联稳定性较El Niňo年更好一些.热带地区温度变化正常年份的长程和短程连边数均较少,气候变化的各种信号不明显,更难判断气候变化的中长期特征.极端高温事件频发年对网络性质的影响较小,极端低温事件频发年网络长程连边数明显增加,其关联稳定性较极端事件频发年和正常年更强;四方面的研究均表明对网络性质影响最大的区域为180°E—80°E,15°N—15°S的赤道中东太平洋区,网络能否保持稳定的关键是该区域是否会受到重大外强迫等作用.