汪浩, 王靜, 鄭佳喻

1. 中山大學地理科學與規(guī)劃學院, 廣東 廣州 510275;

2. 熱帶海洋環(huán)境國家重點實驗室(中國科學院南海海洋研究所), 廣東 廣州 510301

熱帶氣旋(Tropical Cyclone, TC)是生成在熱帶暖洋面上具有暖心結(jié)構(gòu)的強烈氣旋性環(huán)流, 其帶來的強風和強降水對所經(jīng)過地區(qū)的人類生命和財產(chǎn)安全造成了巨大的威脅(Zhang et al, 2009; 張嬌艷 等,2011)。因此, 準確地預測TC 的生成及發(fā)展至關(guān)重要。目前, 在TC 路徑預報方面, 前人已經(jīng)做過大量研究, 取得了顯著的進展。Chan(2005)指出對于西北太平洋TC 的生成高峰季(7—9 月), 西北太平洋TC在El Ni?o 年傾向于彎曲的移動路徑, 在La Ni?a 年傾向于在偏北位置形成, 并向北移動; 對于10—12月來說, 西北太平洋TC 在El Ni?o 年仍然傾向于彎曲的移動路徑, 但在La Ni?a 年以西行路徑為主。McAdie 等(2000)利用持久性模型并結(jié)合大西洋TC的氣候特征, 提出了一種新的TC 路徑預測方法, 減少了之前路徑預測存在的諸多誤差。然而, TC 強度預測的準確性要遠低于路徑預測, 對TC 強度特別是快速增強(rapid intensification, RI)事件的準確預測仍舊是亟待解決的難題之一(Elsberry et al, 2007;Rappaport et al, 2009; DeMaria et al, 2014)。無論是在北大西洋或是西北太平洋, 強TC 在其完整生命周期中都經(jīng)歷了至少一次的RI 事件(Kaplan et al, 2003;Wang et al, 2008)。因此, 增進對RI 事件變異和物理機制的認識對于理解TC 強度變異和提高預測準確度均具有重要的意義。

關(guān)于西北太平洋、北大西洋、北印度洋RI 事件變率的研究已有很大的進展(Wang et al, 2008, 2015,2017; Zhao et al, 2018; Gao et al, 2020)。在西北太平洋TC 生成高峰季(7—9 月)期間, 厄爾尼諾年的RI事件比例(53%)遠高于拉尼娜年同期(37%)(Wang et al, 2008)。Wang 等(2015)的研究則表明, 與TC 密切相關(guān)的大尺度環(huán)境因子, 如海表面溫度(sea surface temperature, SST)? TC 熱潛(tropical cyclone heat potential, TCHP)? 垂直風切變(vertical wind shear,VWS)? 相對濕度(relative humidity, RHUM)等, 對RI 事件的發(fā)生有著顯著的影響。在北大西洋,Kaplan(2003)等指出產(chǎn)生RI 事件的TC 相較于沒有產(chǎn)生RI 事件的, 大多形成于偏南及偏西的區(qū)域, 且有西移的趨勢, 并提出了一種估算RI 事件概率的簡單方法。Wang 等(2017)的研究發(fā)現(xiàn), 較低的VWS和較高的TCHP 是北大西洋TC 主要發(fā)展區(qū)RI 事件多發(fā)的首要原因, 而北大西洋東部RI 事件主要受RHUM 所調(diào)控。此外, 該研究強調(diào)大尺度的大氣和海洋變率對北大西洋TC 的生成并不重要, 但在熱帶低壓形成之后, 對TC 強度的影響則十分明顯。Ng 等(2020)的研究進一步指出, 在熱帶北大西洋中心區(qū)域RI 事件的年際變率受季節(jié)性大尺度環(huán)境變量影響, 而墨西哥灣和加勒比海則不存在這種關(guān)系,主要由于前一區(qū)域VWS 的季節(jié)異常與潛在強度之間表現(xiàn)出強烈的負相關(guān)。在北印度洋, 孟加拉灣的RI 事件在拉尼娜年的產(chǎn)生頻率遠高于厄爾尼諾年的產(chǎn)生頻率, 且RHUM 和VWS 是該海盆調(diào)制RI 事件變化的主要環(huán)境變量(Girishkuma et al, 2015)。

以往的研究大多集中于西北太平洋、北大西洋等海域, 對于印度洋特別是南印度洋TC 強度變化的研究是相對缺乏的。已有的關(guān)于印度洋TC 的研究也主要是側(cè)重于對TC 的生成頻率和登陸頻率,以及受大氣波動影響等方面的分析(Bessafi et al,2006; Mavume et al, 2009; Kuleshov et al, 2010), 關(guān)于RI 事件的研究則更加匱乏。本文擬對南印度洋RI 事件的氣候特征和年際變率進行研究, 分析大尺度環(huán)境變量(SST? TCHP? VWS 和RHUM)對南印度洋RI 事件氣候特征和年際變率的影響。

1 數(shù)據(jù)和方法

1.1 數(shù)據(jù)

本文的TC 數(shù)據(jù)采用1981—2019 年聯(lián)合臺風預警中心(Joint Typhoon Warning Center, JTWC)的TC最佳路徑數(shù)據(jù)集(https://www.usno.navy.mil/JTWC),該數(shù)據(jù)集包含了歷次TC 每隔6h 的中心位置 ?中心最大持續(xù)風速 ?中心最低氣壓等信息。由于1981 年以前缺少衛(wèi)星數(shù)據(jù)的修正, JTWC 數(shù)據(jù)集中南印度洋部分的資料存在較大缺失, 故本文研究的時間從1981 年開始。1981 年至今, 數(shù)據(jù)的各項參數(shù)均記錄正常, 但也存在部分TC 生成點位數(shù)據(jù)的重復記錄,在本文的研究過程中對這些重復記錄數(shù)據(jù)已進行剔除。根據(jù)薩菲爾-辛普森風力等級量表, 最大中心持續(xù)風速為10～17m·s–1(20～33kn)的TC 被歸類為熱帶低壓; 若熱帶低壓達到18m·s–1(34kn)的風速, 則被列為熱帶風暴; 風速繼續(xù)增強直至33m·s–1(64kn)則被歸類為颶風。颶風又被劃分為1～5 級, 對應(yīng)的最大 中 心 持 續(xù) 風 速 分 別 為 33～42m·s–1(64～82kn)?43～49m·s–1(83～95kn) 、 50～58m·s–1(96～112kn) ?59～69m·s–1(113～136kn)和70m·s–1(137kn)。

在前人的研究中, 通常將TC 間隔24h 最大中心持續(xù)風速的變化(ΔV24=V24h-V0h, 其中V0h代表TC 事件中某個記錄時刻的風速值,V24h代表該TC 經(jīng)過24h 后新記錄時刻的風速值)的所有樣本的第95 個百分位數(shù)作為定義 RI 事件的閾值(Kaplan et al,2003)。在本研究中, 南印度洋所有樣本ΔV24的第95 個百分位數(shù)為15.4m·s–1(30kn)。因此, 在一次TC事件中, 若某個數(shù)據(jù)點相對于24h 前的最大中心持續(xù)風速增量ΔV24大于15.4m·s–1, 便將該數(shù)據(jù)點定義為一個RI 事件。

參照前人的研究(Wang et al, 2015, 2017), 對影響RI 事件產(chǎn)生的大環(huán)境變量主要選取了4 個, 分別為SST、TCHP、VWS 和RHUM。其中, 2 個海洋變量SST 和TCHP 使用的數(shù)據(jù)如下: SST 數(shù)據(jù)采用美國國家海洋和大氣管理局(National Oceanic and Atmospheric Administration, NOAA)的擴展重構(gòu)月平均海表溫度數(shù)據(jù)第 5 版本(the Extended Reconstructed Sea Surface Temperature version 5)(https://psl.noaa.gov/data/gridded/data.noaa.ersst.v5.ht ml), 水平分辨率為2°×2°; 計算TCHP 變量使用全球海洋數(shù)據(jù)同化系統(tǒng)(Global Ocean Data Assimilation System)的月平均溫度和鹽度數(shù)據(jù)(https://psl.noaa.gov/data/gridded/data.go-das.html),水平分辨率為1°×0.33°, 所有變量數(shù)據(jù)層數(shù)均為40層。VWS 和RHUM 這2 個大氣變量使用美國國家環(huán)境預報中心/國家大氣研究中心(the National Centers for Environmental Prediction/National Center for Atmospheric Research) 的 再 分 析 數(shù) 據(jù)(https://psl.noaa.gov/data/gridded/data.ncep.reanalysis.pressure.html)得到, 分辨率為2.5°×2.5°。上述所有數(shù)據(jù)的時間跨度均為1981—2019 年。

海洋尼諾指數(shù)(Oceanic Ni?o Index, ONI)是NOAA 定義的熱帶太平洋厄爾尼諾(暖)和拉尼娜( 冷) 事 件 的 標 準(https://ggweather.com/enso/oni.htm), 它 表 示 Ni?o3.4 區(qū) 域(即 5°N—5°S,120°—170°W)3 個月的滑動平均SST 異常。厄爾尼諾事件定義為連續(xù)5 個月ONI 大于或等于0.5℃, 拉尼娜事件定義為連續(xù)5 個月ONI 小于或等于-0.5 ℃。SST 異常閾值又進一步細分為弱(0.5～0.9℃)? 中等(1.0～1.4℃)? 強(1.5～1.9℃)和非常強(≥2.0℃)事件。NOAA 的報告中指出, 對于被歸類為弱 ? 中等 ?強或非常強的事件, 必須至少連續(xù)3 個月達到或超過閾值。

1.2 相關(guān)計算方法

1.2.1 TCHP 計算

TCHP 的概念最早來源于颶風熱潛(Hurricane Heat Potential), 后來的研究讓其概念得到延伸(Leipper et al, 1972; Goni et al, 2007), TCHP 代表的是26℃等溫層面至海表面之間暖水所包含的海洋熱含量(Leipper, 1967; Leipper et al, 1972), 其計算公式如下:

式中,cp表示恒定壓力下的比熱, 固定值為3.9kJ·kg–1·K–1,D26表示26℃等溫線的深度,ρ(z)代表實測密度,T(z)表示實測溫度。

1.2.2 相關(guān)分析及其檢驗

線性相關(guān)分析是用來衡量兩個變量之間線性相關(guān)程度的量, 一般用相關(guān)系數(shù)r表示。r的取值范圍為[–1, 1],r的絕對值越大, 說明兩個變量之間的線性相關(guān)程度越大。當r> 0 時, 表明兩個變量呈正相關(guān); 當r< 0 時, 表明兩個變量呈負相關(guān)。相關(guān)系數(shù)r的計算公式為:

式中, Cov(X,Y)為X和Y的協(xié)方差, Var(X)為X的方差, Var(Y)為Y的方差。

相關(guān)性檢驗是對變量之間是否相關(guān)以及相關(guān)的程度所進行的統(tǒng)計檢驗, 一般基于t分布進行檢驗。在假設(shè)總體相關(guān)系數(shù)ρ=0 成立的條件下, 相關(guān)系數(shù)r的概率密度函數(shù)正好是t分布的密度函數(shù), 可以用t檢驗對r進行顯著性檢驗。檢驗統(tǒng)計量為:

式中,t為檢驗統(tǒng)計量,n為樣本量, 統(tǒng)計量遵從自由度(n-2)的t分布。再根據(jù)給定顯著性水平的α及t分布表, 若t>tα(tα代表顯著性水平為α的統(tǒng)計量的值), 則拒絕原假設(shè), 認為相關(guān)系數(shù)是顯著的。

1.2.3 合成分析

合成分析是氣象學分析與預報中經(jīng)常使用的方法, 是將兩種不同特征或者狀態(tài)的氣象變量進行合成, 即求不同狀態(tài)下的某氣象要素的平均值, 以揭示各狀態(tài)之間是否存在明顯差異(施能, 2009)。

本文在合成分析中所使用的顯著性檢驗方法為t檢驗(ttest),在總體方差σ2未知的情況下, 利用樣本方差s2構(gòu)造檢驗總體均值的t統(tǒng)計量:

2 結(jié)果分析

2.1 南印度洋RI 事件的氣候特征

2.1.1 時空分布特征

在1981—2019 年間, 南印度洋共生成了602 個TC, 其中熱帶低壓17 個。根據(jù)薩菲爾-辛普森風力等級量表, 熱帶低壓的最大中心持續(xù)風速小于33kn(17m·s–1), 且在最佳路徑資料中, 一個TC 的起始記錄風速最小不低于15kn(約7.1m·s–1)。因此, 無論在實際意義上還是RI 的定義上, 熱帶低壓都沒有達到研究的標準, 故在本文研究中將熱帶低壓剔除,只選取達到熱帶風暴級別以上的TC 進行研究。在剩余的585 個TC 中, 共有215 個TC 產(chǎn)生了RI 事件, 在這些TC 的完整周期中共產(chǎn)生了870 個RI 事件, 產(chǎn)生RI 事件的TC 占南印度洋TC 生成總數(shù)的37%。在這215 個TC 中, 平均每個TC 產(chǎn)生了4 個RI 事件, 其中1989 年編號為28 號的TC 產(chǎn)生了最多的RI 事件(10 個)。

圖1 顯示了南印度洋1981—2019 年TC 生成數(shù)量和RI 事件產(chǎn)生數(shù)量的逐月分布特征。從圖1a 中看可出南印度洋TC 生成的高峰季為11 月至次年4月, 此時間范圍內(nèi)生成的TC 數(shù)量占南印度洋全年TC 生成總數(shù)量的81%; 而RI 事件的主要產(chǎn)生季節(jié)是12 月至次年4 月(圖1b), 占南印度洋全年RI 事件總產(chǎn)生數(shù)量的92%。從圖中還可以看出, 從10 月(南半球夏末)開始, RI 事件的數(shù)量逐漸增加, 在次年3 月(南半球秋季)達到全年的最大值, 數(shù)量為203 個,4—6 月開始逐步降低, 每年的7—9 月則沒有RI 事件產(chǎn)生。圖1c 展示了逐月平均的RI 事件產(chǎn)生比率(RI 事件產(chǎn)生比率=RI 事件產(chǎn)生數(shù)量/TC 生成數(shù)量),對比TC 數(shù)量和RI 事件產(chǎn)生比率的全年分布, 可以發(fā)現(xiàn)兩者的峰值月份沒有同步, 這一特征不同于其他海盆如北大西洋和西北太平洋, 這兩個海盆的TC 數(shù)量和RI 事件產(chǎn)生數(shù)量在逐月變化上是高度同步的?？刂芓C 生成與RI 事件的環(huán)境變量類似, 但也有著不同之處, TC 生成與RI 事件產(chǎn)生的峰值月份不同, 可能是不同海盆主導的環(huán)境變量不同所致。南印度洋RI 事件主要產(chǎn)生在12 月至次年4 月, 本研究將12 月至次年4 月這5 個月定義為南印度洋RI 事件的活躍季節(jié), 下文將主要研究該時間段RI事件的分布特征及其年際變率。

圖1 1981—2019 年南印度洋TC 生成數(shù)量(a)、RI 事件產(chǎn)生數(shù)量(b)和RI 事件產(chǎn)生比率的逐月分布特征(c)Fig. 1 Monthly distribution of (a) TC genesis number, (b) occurrence number of RI events and (c) occurrence ratio of RI events in the SIO averaged from 1981 to 2019

為了探究南印度洋RI 事件產(chǎn)生的空間分布特征, 本文將南印度洋(20°—130°E, 0°—40°S)劃分為8×22 個空間分辨率為5°×5°的網(wǎng)格, 再對每個網(wǎng)格中的 RI 事件進行統(tǒng)計。圖 2 顯示了南印度洋1981—2019 年RI 事件的空間分布特征, 可以看出南印度洋RI 事件主要產(chǎn)生在10°—20°S 的狹長帶狀區(qū)域, 并且存在多個中心, 較為顯著的中心有3 個, 分別是馬達加斯加島東北海域(66°E, 11°S)、南印度洋中部海域(85°E, 11°S), 以及澳大利亞西北海域(120°E, 18°S)。這3 個中心所產(chǎn)生的RI 事件數(shù)量約占南印度洋RI 事件產(chǎn)生總數(shù)的67%。其中, RI 事件最大值中心區(qū)為馬達加斯加島東北海域, 在以此為中心的高值區(qū)共產(chǎn)生了205 個RI 事件, 平均每年5.39 個。

此外, 本文分析了南印度洋TCRI 事件年際變率的方差分布, 相應(yīng)的分布圖見圖3。由圖可知, 南印度洋TCRI 事件數(shù)量的方差分布也主要呈帶狀分布在南印度洋副熱帶地區(qū), 方差分布圖中的3 個高值中心與圖2 所示的TCRI 事件的3 個高值中心相互吻合。這表明TCRI 事件產(chǎn)生數(shù)量較高的區(qū)域, 其TCRI 事件變化程度也較大。

圖2 1981—2019 年南印度洋RI 事件產(chǎn)生數(shù)量的平均空間分布該圖基于國家測繪地理信息局標準地圖服務(wù)網(wǎng)站下載的審圖號為GS(2016)1665 號的標準地圖制作Fig. 2 Spatial distribution of RI events in the SIO averaged from 1981 to 2019

圖3 1981—2019 年南印度洋RI 事件產(chǎn)生數(shù)量的方差分布該圖基于國家測繪地理信息局標準地圖服務(wù)網(wǎng)站下載的審圖號為GS(2016)1665 號的標準地圖制作Fig. 3 Variance distribution of TCRI events in the SIO from 1981 to 2019

2.1.2 大尺度環(huán)境變量對南印度洋RI 事件空間分布的影響

海洋到大氣的熱通量是TC 的主要能量來源。強勁的表面風和TC 中持續(xù)下降的表面壓力推動了熱通量的傳播(Schade, 2000)。SST 和海洋熱含量的相對細微變化也可導致TC 的強度短時間內(nèi)在薩菲爾-辛普森等級量表上變化數(shù)個類別(Sun et al, 2007),TCHP 對TC 強度的變化同樣也有著不可忽視的影響, 在全球范圍內(nèi)TC 生成數(shù)最多的西北太平洋, RI事件大多產(chǎn)生在TCHP 相對較高的區(qū)域(Wada et al,2007)。VWS 也是影響TC 強度的一個重要因子,VWS 可以改變TC 的內(nèi)部位渦及相應(yīng)的熱力環(huán)境來影響其強度變化, 對流層VWS 越小, 越有利于熱力氣柱的形成和CISK 的運轉(zhuǎn), 從而引起RI 事件的產(chǎn)生(DeMaria, 1996; Walsh et al, 2000; Emanuel et al,2004)。此外, 充足的水汽可以為TC 的發(fā)展提供潛熱(Wu et al, 2012; 韓翔 等, 2018), 進而TC 強度增加而形成RI 事件, 所以RHUM 也可能影響RI 事件的產(chǎn)生。

圖4 顯示了在南印度洋RI 事件活躍季節(jié)SST、TCHP、VWS 和500-hPa RHUM 的氣候態(tài)分布。從圖4a 可以看出南印度洋RI 事件產(chǎn)生區(qū)域, 特別是馬達加斯加島東北海域、南印度洋中部海域和澳大利亞西北海域這3 個RI 事件高值區(qū)域, 大部分位于SST 接近30℃的區(qū)域, 較高的SST 可以促進TC 強度在短時間內(nèi)提升, 進而引起RI 事件的產(chǎn)生。圖4b顯示了南印度洋TCHP 的空間分布, TCHP 在西南印度洋較低, 這與前人指出的西南印度洋溫躍層較淺相一致(Du et al, 2009)。在RI 事件空間分布中, 除馬達加斯加島東北海域這一 RI 事件高值中心的TCHP 呈現(xiàn)出較低值外, 其余兩個高值中心都位于TCHP 值較高的海域, 這說明較高的TCHP 可能也是這兩個區(qū)域RI 事件產(chǎn)生較多的環(huán)境因素。圖4c顯示了南印度洋VWS 的空間分布, 可以看出馬達加斯加島東北海域和南印度洋中部海域這兩個高值中心均位于VWS 最低值的中心區(qū)域, 而澳大利亞西北海域這一RI 事件高值中心的VWS 則高于前兩個中心。在圖4d 顯示的500-hPa RHUM 的空間分布中, 3 個RI 事件高值中心的RHUM 均較高, 但與RI事件分布的聯(lián)系相比于其他因子均較弱。

圖4 1981—2019 年南印度洋SST(a)? TCHP(b)? VWS(c)及500-hPa RHUM(d)的氣候態(tài)該圖基于國家測繪地理信息局標準地圖服務(wù)網(wǎng)站下載的審圖號為GS(2016)1665 號的標準地圖制作。圖中黑色等值線為1981—2019年南印度洋RI 事件數(shù)量的平均空間分布Fig. 4 Climatology of (a) SST, (b) TCHP, (c) VWS, and (d) 500-hPa RHUM in the SIO from 1981 to 2019

綜上所述, 南印度洋RI 事件產(chǎn)生區(qū)域大致位于SST 接近30℃的區(qū)域, 而控制RI 事件高值中心產(chǎn)生的大尺度環(huán)境因子主要是TCHP 和VWS, 但3 個高值中心的主要影響因子略有不同。在馬達加斯加島東北海域RI 事件高值中心, 主要是氣候態(tài)上較弱的VWS 導致了RI 事件頻繁產(chǎn)生; 在南印度洋中部海域這一中心區(qū)域附近, 較高的 TCHP以及較弱的VWS 對RI 事件產(chǎn)生均有貢獻; 而在澳大利亞西北海域, RI 事件的頻繁產(chǎn)生主要是較高的TCHP 所致。

2.2 RI 事件年際變化特征

2.2.1 RI 事件的年際變率

圖5 顯示了南印度洋TC 數(shù)量及RI 事件產(chǎn)生數(shù)量的時間序列。在1981—2019 年間, 南印度洋TC生成最少的年份是2011 年, 數(shù)量為8 個, TC 生成最多的年份是1985 年, 數(shù)量為20 個, 其主要呈現(xiàn)年際變化, 未出現(xiàn)較為明顯的下降或上升趨勢。而在南印度洋RI 活躍季節(jié)內(nèi)RI 事件的變化趨勢則與TC的變化趨勢有著顯著的差異(圖5), 可以看出南印度洋RI 事件產(chǎn)生數(shù)量呈現(xiàn)年際和年代際的變化特征,并且總體上呈現(xiàn)上升的趨勢。在此期間, 產(chǎn)生RI 事件最少的年份是1982 年, 數(shù)量為0 個, 產(chǎn)生RI 事件最多的年份是2014 年, 數(shù)量為44 個。

圖5 1981—2019 年南印度洋快速增強(RI)事件數(shù)量(黑線)和熱帶氣旋(TC)數(shù)量(紅線)的時間序列Fig. 5 Time series of RI events number (black) and TC number (red) in the SIO from 1981 to 2019

在年際時間尺度上, ENSO 是現(xiàn)有的觀測記錄中熱帶氣候主導模態(tài)(Xie et al, 2009)。前人的研究發(fā)現(xiàn), 印度洋氣候(包含海表溫度)主要受ENSO 的強迫, 其自身的自然變率較弱(Xie et al, 2002, 2009;Zhang et al, 2015)。圖6 顯示了去趨勢后RI 事件數(shù)量異常和12 月至次年4 月的Ni?o3.4 (5°S—5°N,120°—170°W)指數(shù)的時間序列, 對二者進行相關(guān)性分析, 相關(guān)系數(shù)為0.2, 未通過相關(guān)性顯著檢驗。但是從圖6 可以看出, 當Ni?o3.4 指數(shù)較高, 即厄爾尼諾事件發(fā)生時, 南印度洋RI 事件產(chǎn)生數(shù)量較低; 而當Ni?o3.4 較低, 即拉尼娜事件發(fā)生時, 絕大多數(shù)年份中南印度洋RI 事件產(chǎn)生數(shù)量同樣較少, 但也存在個別年份RI 事件產(chǎn)生數(shù)量呈正異常。雖然從整體來看ENSO 事件對南印度洋RI 事件產(chǎn)生數(shù)量的影響不顯著, 但這可能是由于影響的不對稱造成的。為了更具體地考察ENSO 事件對南印度洋熱帶氣旋RI事件的影響, 下文將通過合成分析加以探討。

圖6 1981—2019 年去趨勢后的南印度洋快速增強(RI)事件異常值和Ni?o3.4 指數(shù)的時間序列Fig. 6 Time series of detrended RI events number anomaly (black) and Ni?o3.4 index (red) from 1981 to 2019

前人的研究指出, ENSO 雖然是熱帶主導模態(tài),但是需要一定強度的ENSO 異常事件才能強迫出印度洋的響應(yīng)(Yu et al, 1999)。所以在本研究中, 為了突出ENSO 信號, 選取ENSO 事件強度等級為強以上的年份進行合成。根據(jù)ONI 指數(shù), 將厄爾尼諾事件強度等級為強和超強的年份及拉尼娜事件強度等級為強的年份挑選出來(見表1), 并分別與RI 事件產(chǎn)生數(shù)量的異常進行合成(圖7)?？梢园l(fā)現(xiàn), 與圖6中的結(jié)論類似, ENSO 對南印度洋RI 事件產(chǎn)生數(shù)量的調(diào)制是非對稱的。在強和超強厄爾尼諾事件發(fā)生的年份(圖7a), 南印度洋RI 活躍季節(jié)的RI 事件產(chǎn)生數(shù)量在整個海盆上呈現(xiàn)顯著的負異常。這些年份出現(xiàn)的負異常值較為均勻地分布在南印度洋海盆中部10°S 附近, 在60°E? 75°E 和85°E 這3 個區(qū)域出現(xiàn)較高的負異常值, 而在這條負異常線的兩側(cè)分別出現(xiàn)了兩個小面積的正異常區(qū)域(95°E、5°S 和85°E、15°S)。在強拉尼娜事件發(fā)生的年份(見圖7b), 南印度洋RI 活躍季節(jié)的RI 事件產(chǎn)生數(shù)量同樣呈現(xiàn)出大面積的負異常區(qū)域, 負異常值的3 個中心點與厄爾尼諾事件發(fā)生年份的負異常中心位置大致相同, 不同的是在強拉尼娜事件發(fā)生年份澳大利亞西北海域存在一個數(shù)值較高的正異常中心。

表1 1981—2019 年厄爾尼諾和拉尼娜事件發(fā)生的年份及對應(yīng)強度Tab. 1 El Ni?o and La Ni?a years and intensities from 1981 to 2019

圖7 南印度洋RI 事件產(chǎn)生數(shù)量異常在強和超強厄爾尼諾年(a)以及強拉尼娜年(b)的合成該圖基于國家測繪地理信息局標準地圖服務(wù)網(wǎng)站下載的審圖號為GS(2016)1665 號的標準地圖制作。圖中白色“+”表示異常值通過90%置信度的t 檢驗Fig. 7 Composite anomalies of RI events number in the SIO in the years of strong and super strong El Nino events (a) and strong La Nina events (b)

2.2.2 大尺度環(huán)境因子對南印度洋RI 事件年際變化的影響

為了考察ENSO 對南印度洋RI 事件的調(diào)制, 接下來將與RI 事件聯(lián)系密切的4 個大尺度的環(huán)境因子(SST? TCHP? VWS? RHUM)在強和超強厄爾尼諾事件發(fā)生的年份和強拉尼娜事件發(fā)生的年份進行合成。如圖8a 所示, 在厄爾尼諾事件發(fā)生的年份, 印度洋的SST 呈現(xiàn)顯著的正異常, 這與前人的結(jié)論相一致(Xie et al, 2002, 2009; Du et al, 2009)。在厄爾尼諾發(fā)展時期, 海洋性大陸(Maritime Continent, MC)會產(chǎn)生沃克環(huán)流下沉異常, 下沉氣流會在印度洋強迫暖的海洋羅斯貝波向西傳播, 進而導致西南印度洋增暖, 加深西印度洋的溫躍層(Xie et al, 2002)。相應(yīng)地, 在厄爾尼諾年西南印度洋TCHP 顯著增加(圖8b), 南印度洋VWS(圖8c)和RHUM(圖8d)均為顯著正異常。雖然SST? TCHP? RHUM 等因子有利于RI 事件的產(chǎn)生, 但是RI 事件產(chǎn)生數(shù)量在整個南印度洋洋盆中心區(qū)域的大部分海域仍表現(xiàn)為連續(xù)的緯度較為集中的負異常。而在對應(yīng)區(qū)域僅VWS 存在較高的正異常, 不利于RI 事件的產(chǎn)生。因此, 在強和超強的厄爾尼諾事件發(fā)生年份, VWS 是調(diào)制南印度洋RI 事件異常最主要的環(huán)境因子, 因為它削弱了潛熱釋放對熱帶氣旋風速的增強作用(潘靜 等,2010)。

圖8 南印度洋SST(a)? TCHP(b)? VWS(c)和500-hPa RHUM(d)異常值在強及超強厄爾尼諾年的合成該圖基于國家測繪地理信息局標準地圖服務(wù)網(wǎng)站下載的審圖號為GS(2016)1665 號的標準地圖制作。圖中黑色等值線表示南印度洋RI事件產(chǎn)生數(shù)量異常值在強和超強厄爾尼諾年的合成, 白色“+”表示SST? TCHP? VWS 和RHUM 異常值通過90%置信度的t 檢驗Fig. 8 Composite anomalies of (a) SST, (b) TCHP, (c) VWS, and (d) RHUM in the SIO in the years of strong and super strong El Ni?o events

與厄爾尼諾年相反, 拉尼娜年南印度洋SST(圖9a)和TCHP(圖9b)呈現(xiàn)出負異常, 并且以RI 事件產(chǎn)生數(shù)量負異常中心處的TCHP 負異常值最強。另外可以看到, 在部分區(qū)域VWS 正異常(圖9c)與RHUM(圖9d)負異常對拉尼娜年南印度洋RI事件產(chǎn)生較少也起到一定的貢獻作用。在澳大利亞的西北海域存在RI 事件產(chǎn)生數(shù)量的正異常, 對應(yīng)的3 個熱力學因素(SST? TCHP 和RHUM)也都分別呈現(xiàn)出一定的正異常。因此, 不同于厄爾尼諾年, 拉尼娜年南印度洋RI 事件產(chǎn)生數(shù)量減少主要是因為TCHP 變?nèi)? 此外SST、VWS、RHUM 也有一定的貢獻。

圖9 南印度洋SST(a)? TCHP(b)? VWS(c)和500-hPa RHUM(d)異常值在強拉尼娜年的合成該圖基于國家測繪地理信息局標準地圖服務(wù)網(wǎng)站下載的審圖號為GS(2016)1665 號的標準地圖制作。圖中黑色等值線表示南印度洋RI事件產(chǎn)生數(shù)量異常值在強拉尼娜年的合成, 白色“+”表示SST? TCHP? VWS 和RHUM 異常值通過90%置信度的t 檢驗Fig. 9 Composite anomalies of (a) SST, (b) TCHP, (c) VWS, and (d) RHUM in the SIO in the years of strong La Ni?a events

以上的現(xiàn)象表明了在年際尺度上, ENSO 對南印度洋RI 事件的影響是不對稱的, 即厄爾尼諾年與拉尼娜年南印度洋RI 事件產(chǎn)生數(shù)量均減少。但是使其減少的主要因素在厄爾尼諾年與拉尼娜年卻是不同的, 厄爾尼諾年南印度洋較少RI 事件產(chǎn)生主要是由較高的VWS 導致, 而拉尼娜年南印度洋較少RI事件產(chǎn)生主要是由于TCHP 的降低。

3 結(jié)論

本文系統(tǒng)地研究了1981—2019 年南印度洋RI事件的氣候特征和年際變率, 通過對南印度洋的RI事件產(chǎn)生數(shù)量和大尺度環(huán)境變量進行分析, 主要得到以下主要結(jié)論:

1) 南印度洋RI 事件產(chǎn)生數(shù)量的逐月變化呈現(xiàn)出單峰性, 主要產(chǎn)生在10 月至次年6 月這9 個月(南半球夏季和秋季), 而7—9 月這3 個月(南半球冬季和春季)則無RI 事件產(chǎn)生。

2) 南印度洋RI 事件的空間分布主要集中于5°—15°S 這一緯度帶上, 且出現(xiàn)了3 個高值中心, 分別是馬達加斯加島東北海域(66°E, 11°S)、南印度洋中部海域(85°E, 11°S)以及澳大利亞西北海域(120°E,18°S)。其中, 馬達加斯加島東北海域這一高值中心所產(chǎn)生的RI 事件數(shù)量最多, 換而言之, 是整個南印度洋最容易產(chǎn)生RI事件的區(qū)域, 且此中心靠近馬達加斯加島。馬達加斯加島(尤其是其東北部)常年遭受TC 的侵擾, 有不少TC途經(jīng)此中心區(qū)域而產(chǎn)生強度增強, 進而對該地區(qū)人民的生命和財產(chǎn)安全造成威脅。

3) 氣候態(tài)上, 南印度洋RI 事件產(chǎn)生數(shù)量的空間分布主要受到TCHP 和VWS 這兩個大尺度環(huán)境變量調(diào)制, 且不同的RI 高值中心區(qū)域所主導調(diào)制的因子不同。在馬達加斯加島東北海域RI 事件高值中心, 主要是氣候態(tài)上較弱的VWS 導致了RI 事件頻繁產(chǎn)生; 而在南印度洋中部海域這一中心區(qū)域附近,較高的TCHP 以及較弱的VWS 對RI 事件的產(chǎn)生均有貢獻; 在澳大利亞西北海域, RI 事件的頻繁產(chǎn)生主要是較高的TCHP 所致。

4) 在年際變率上, ENSO 對南印度洋RI 事件的影響是不對稱的, 即在厄爾尼諾年與拉尼娜年RI 事件的發(fā)生數(shù)量均呈現(xiàn)減少的狀況, 但使其減少的主要因子卻截然不同。在厄爾尼諾年, 過高的VWS 導致了RI 事件的減少; 而在拉尼娜年, RI 事件的減少主要是由于TCHP 降低所致, 其次SST、TCHP、RHUM 對RI 事件的減少也有貢獻。

本文研究了ENSO 事件對南印度洋RI 事件的影響及機制, 但不排除其他海溫模態(tài)對南印度洋RI 事件的可能影響。比如, 前人的研究指出ENSO 可以通過影響沃克環(huán)流來改變海洋性大陸的對流運動(Leung et al, 2016, 2017, 2019; Zhang et al, 2019), 而ENSO 對海洋性大陸對流活動的影響受到南印度洋偶極子(Southern Indian Ocean Dipole, SIOD)的調(diào)控(Gong et al, 2019; Xiao et al, 2020)。這些都表明南印度洋RI 事件的產(chǎn)生可能還受到其他海溫模態(tài)的調(diào)制作用。目前本文主要從環(huán)境因子的角度出發(fā), 分析了ENSO 對南印度洋RI 事件的影響, 而其他海溫模態(tài)對南印度洋RI 事件的影響將在下一步工作中開展深入的研究與探討。