內部變率和全球變暖對春季北太平洋維多利亞模態增強的相對貢獻

劉宇豪，丁瑞強，李 揚

(1.成都信息工程大學大氣科學學院/高原大氣與環境四川省重點實驗室，四川 成都 610225；2.北京師范大學環境演變與自然災害教育部重點實驗室，北京 100875)

中高緯度地區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-大氣耦合橋和鏈式耦合橋等不同的影響路徑和方式對東亞氣候變率和變化產生影響，對溫度和降水的影響尤為明顯[1]。近年來，對中高緯度海氣相互作用的研究受到越來越多關注，其中對北太平洋區域的研究不斷增多[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）經驗正交函數分解第二模態（EOF2）的增強密切相關，該模態被命名為維多利亞模態（Victoria mode，VM）。VM對緊鄰的中東亞區域與北美區域的天氣和氣候變化都有著重要影響[3-9]。VM也可通過多種機制影響厄爾尼諾-南方濤動（ENSO）發生發展，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 有關的海氣耦合機制[季節足跡機制（SFM）][10]和赤道次表層與VM 有關的海溫異常[信風充電機制（TWC）][11]影響接下來冬季ENSO 的變化。其中與VM 有關的SFM 機制可能比TWC 機制更有利于ENSO的發生[12]。VM 模態在春季強度最強，且年際變率在近幾十年一直增強，并在1980年后超過第一模態太平洋年代際振蕩（PDO）的強度[3]。目前研究指出VM 變率的大部分可以由北太平洋濤動（NPO）大氣強迫解釋[12-14]，NPO 相關的異常地面風可以在北太平洋強迫形成類似三極子的海溫模態（包括北太平洋VM 在20°N 向的偶極SSTA 形態，以及位于北太平洋中東部的副熱帶正SSTA）。春季（2—4月，FMA）期間的強VM 很可能是對冬季（12—2 月，DJF）期間NPO 強迫的延遲（1～2 個月）響應[4]。然而，春季VM 模態強度增強的強迫解釋目前并未見諸報道。一百多年來，全球氣溫持續升高，IPCC 第六次評估報告指出2011—2020 年全球平均氣溫相對于1850—1900 年升高約1.1 ℃[15]，陳廣超等[16]基于CMIP5 模式數據指出全球變暖已經導致PDO 發生顯著變化，如PDO 的振幅得到加強，周期變短。VM模態為北太平洋海溫異常的EOF2模態，而罕見全球變暖的背景對其春季年際變率增強的相對貢獻研究。

基于以上原因，本研究針對1900—2021 年（共122 a）春季VM 模態的時空特征分布變化以及內部變率和全球變暖對春季VM 模態增強的相對貢獻進行定量分析，旨在揭示VM 模態在一百多年的長期變化及內部變率和全球變暖對春季VM 模態年際變率增強的作用。

1 數據與方法

1.1 數據

選擇英國哈德萊（Hadley）中心發布的全球海冰海溫數據集（HadISST），水平分辨率為1°×1°，資料長度選擇1900—2021 年[17]。第六次國際耦合模式比較計劃（CMIP6）模式，數據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據統一插值到1°×1°的網格點，資料長度選擇1900—2014 年，所選模式實驗信息見表1。由于只有12 個模式同時滿足4種強迫場景，因此，只挑選符合條件的模式進行研究，其基本情況信息說明見表2。

表1 選擇的4個CMIP6模式實驗信息Table 1 Information on the four selected CMIP6 model tests

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

1.2 指數定義

根據Bond 等[3]和Ding 等[4]的研究，對北太平洋（124.5°E—100.5°W，20.5N°—65.5°N）海溫距平（去除全球平均海溫）進行經驗正交分解得到前兩個模態。第一模態（EOF1）為太平洋年代際振蕩（PDO，圖1(a)），對應的時間系數（PC1）為PDO 指數（PDOI，圖1(c)）；第二模態（EOF2)為維多利亞模態（圖1(b)），其對應的時間系數（PC2）定義為VM指數（VMI，見圖1(d)）。

圖1 PDO(EOF1)和VM(EOF2)對應空間分布和時間序列Fig.1 Spatial patterns and corresponding PCs of the PDO(EOF1)and VM(EOF2)

1.3 分離內部變率和外強迫

前人研究中，用于區分內部變率信號和外部強迫的方法主要包括：簡單線性去趨勢法[18]、去除所有氣候系統模式集合平均法[19]或從單一模式的集合平均估算強迫信號法[20]、目標區域回歸法等[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部變率和外部強迫，該方法考慮了外強迫的時間非線性特征以及模式的響應偏差問題[22]，能更好地分離出內部變率和外部強迫。其中Gan等[23]使用該方法定量得到全球變暖和內部變率對中太平洋厄爾尼諾頻率增強的貢獻，Zhao 等[24]使用該方法揭示全球變暖和大氣內部變率在熱帶氣旋長期變化中的作用。

2 維多利亞模態在近百年時空特征的變化

2.1 維多利亞模態在近百年空間特征的變化

根據海表溫度資料的時間長度，將VM模態在近百年來的變化分為兩個階段，第一階段為1900—1960年（共61 a），第二階段為1961—2021 年（共61 a），對兩個階段分別作EOF 分解得到VM 模態。圖2 為VM 模態在1900—1960 年和1961—2021 的空間分布情況。對比分析VM 模態在兩個階段不同的空間特征，得到結果如下：（1）從空間模態上來看，第一階段VM 模態正異常中心區域較小，出現在北太平洋偏東方向，負異常中心出現在北太平洋西南方向；第二階段VM模態正異常中心區域較大，出現在北太平洋東北方向，負異常中心出現在北太平洋的西南方向。整體來看兩個階段的北太平洋都呈現出東北-西南方向的SST 異常。（2）從前后強度對比來看，VM 模態變得更強，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增強到0.4 °C；北太平洋西南方向負異常中心的中心值由-0.2 °C 增強到-0.3 °C。且VM 模態在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模態的東北-西南方向的偶極子型結構更明顯。

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

選擇VM 模態的正異常中心（40°N—55°N，170°E—232°E）和負異常中心（20°N—35°N，125°E—187°E）進行研究（圖3(a)），通過用正異常中心的海溫異常時間序列減去負異常中心的海溫異常時間序列作為關鍵海溫區的海溫異常時間序列，該海溫異常時間序列定義為VM-box，將得到的關鍵海溫區海溫異常時間序列與同期春季VMI 的做相關分析，得到的相關系數達到0.94（通過置信度為99%的顯著性檢驗，圖3(b)）。逐年的時間序列兩者相關系數也達到0.90（通過置信度為99%的顯著性檢驗，未顯示），故大致認為該區域是影響VM 模態增強的關鍵區域。同時，VM-box 進行同樣的滑動處理，分析其年際變率變化，得到的結果與VMI相似，也呈現出明顯的上升趨勢（通過置信度為99%的顯著性檢驗，圖3(c、d)），從側面表明春季VM 模態增強的事實。

圖3 VM模態關鍵海溫區域范圍及海表溫度異常時間序列變化Fig.3 The range of key SST regions in VM mode and the time series changes of SST anomalies

2.2 維多利亞模態事件在近百年發生頻率的變化

由于VM 模態在每年的春季（2—4 月，FMA）強度達到最強，VMI 的方差也在該時間段達到最大值，故將VM 事件按照春季3 月平均指數（FMA VMI）的大小進行分類（表3）：FMA VMI ≥1 或者≤-1 倍標準差的年份定義為強VM 年，將0.5 ≤FMA VMI ＜1 和-1 ＜FMA VMI ≤-0.5 倍標準差的年份定義為中等強度VM 年，-0.5 ＜FMA VMI ＜0.5 倍標準差的年份定義為弱VM 年。然后按照FMA VMI 的大小對兩個階段的VM 事件年進行分類（表3），得到以下結果：（1）強VM 年在第二階段強的出現次數（共22 次）明顯高于第一階段強VM 年的出現次數（共11 次），是第一階段出現強VM 年的總年份數的2 倍；（2）第二階段出現中等強度以上VM 事件年的總次數（39 a）大于第一階段出現中等強度以上VM事件年總次數（33 a）；（3）第二階段出現的負位相強VM 年頻率（12/22）明顯高于第一階段出現負位相強VM 年的頻率（3/11），但第二階段正位相強VM年頻率（10/22）和第一階段出現正位相VM 年的頻率（8/11）差別不大，負位相強VM 年的增長頻率遠高于正位相強VM年的增長頻率。

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

3 內部變率對春季維多利亞模態增強的貢獻

為更加合理得到海溫場中的內部變率信號，對所選模式數據進行多模式集合平均（MME）消除不同模式成員之間的不相關的內部變率信號，其中，模擬的平均結果來表示外部強迫信號。本研究所選擇的模式數據得到的外強迫信號空間模式分布見圖4，可以得到3種外強迫信號（GHG、AER、NAT）的空間分布大致一致。使用3 種外強迫信號強迫的MME 結果計算VM 模態時間序列（TGHG、TNAT和TAER）。將觀測數據的VM模態時間序列與TGHG、TNAT、TAER進行多元線性回歸，得到回歸方程YVMI=-0.09XTGHG-0.22XTNAT-0.14XTAER+r（r為殘差）。通過對觀測海溫場的VMI 序列使用線性回歸方法去除外部強迫信號，去除外強迫信號后得到的VMI序列即為得到的內部變率，然后利用線性傾向估計法建立VMI 時間序列和得到內部變率與時間的的一元線性回歸方程來表達他們之間的線性變化趨勢（虛線，加rc表示）。

使用滑動標準差（STD）和滑動均方根（RMS）兩種方法分析春季VM 模態的年際變率變化，利用Mann-Kendall 趨勢檢驗法對兩種方式得到的結果進行檢驗，可以發現內部變率的年際變率都呈上升趨勢（圖5）。其中，利用RMS 方法得到的內部變率的年際變率變化趨勢是0.001/a（通過置信度為99%的顯著性檢驗），春季VM模態年際變率變化趨勢是0.003/a（通過置信度為99%的顯著性檢驗）。利用STD 方法得到的內部變率的年際變率變化趨勢是0.001/a（通過置信度為99%的顯著性檢驗），春季VM 模態年際變率變化趨勢是0.003/a（通過置信度為99%的顯著性檢驗）。在1980 年前，內部變率的年際變率變化趨勢與春季VM 模態變化趨勢基本一致；1980 年后，春季VM 模態的年際變率變化趨勢大于內部變率的變化趨勢。

圖5 內部變率(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

利用線性傾向估計得到春季VM 模態和內部變率在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 模態年際變率變化和內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 模態和內部變率的年際變率顯著性水平高，因此，選擇對RMS 方式得到的結果進行討論。春季VM 模態年際變率在此期間增長0.32，分離出的內部變率的年際變率在此期間增長0.11，得到內部變率對于春季VM 增強的貢獻占到34.38%。

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

4 全球變暖對春季維多利亞模態增強的貢獻

為更準確研究全球變暖對VM 模態增強的的貢獻，該部分計算VMI 時并未去除全球變暖的信號。同時，使用泰勒圖評估CMIP6 模式對觀測數據中VM 模態模擬的能力（圖7）。選擇其中相關系數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個模式）做集合模式平均。將得到的平均結果進行研究，從而更準確地識別和量化全球變暖對春季VM模態增強的相對貢獻。

圖7 CMIP6多模式對VM模態模擬結果泰勒圖Fig.7 Taylor diagram of CMIP6 multimodal simulation results for VM modes

圖8 為3 種強迫情景（ALL、GHG、Nat）下1900—2014 年春季VM 模態的年際變率變化，發現3 種情境下春季VM 模態的年際變率均增強。利用Mann-Kendall 趨勢檢驗法對兩種方式進行檢驗，得到利用RMS 方法得到的全球變暖情景下春季VM模態的年際變率變化趨勢是0.002 59 a-1（通過置信度為99%的顯著性檢驗），自然情景下春季VM模態的年際變率變化趨勢是0.003 51 a-1（通過置信度為99%的顯著性檢驗），全強迫情景下春季VM 模態的年際變率變化趨勢是0.005 03 a-1（通過置信度為99%的顯著性檢驗）。利用STD方法得到的全球變暖情景下春季VM 模態的年際變率變化趨勢是0.002 78 a-1（通過置信度為99%的顯著性檢驗），自然情景下春季VM 模態的年際變率變化趨勢是0.006 20 a-1（通過置信度為99%的顯著性檢驗），全強迫情景下春季VM 模態的年際變率變化趨勢是0.004 87 a-1（通過置信度為99%的顯著性檢驗）。利用線性傾向估計得到全強迫情景和全球變暖情景下春季VM 模態的年際變率在1900—2014 年之間的總變化（圖9）。由于兩種方式得到的結果通過的顯著性檢驗水平一致，因此，選擇兩種方法得到的結果做平均處理后進行討論。全強迫情景下的春季VM 模態的年際變率在此期間增長0.46，全球變暖情景下的春季VM 模態的年際變率在此期間增長0.21，得到全球變暖對于春季VM模態增強的貢獻占到46.67%。

圖8 全強迫情景(ALL，黑色)、溫室氣體強迫(GHG，紅色)、自然強迫(Nat，綠色)下1900—2014年春季VM模態的年際變率變化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模態年際變率總變化Fig.9 Total change in interannual variability of spring VM modes in multi-mode ensemble

5 結論

本研究利用1900—2021 年HadISST 海溫數據、1900—2014 年CMIP6 模式數據對VM 模態在近百年的時空變化、內部變率和全球變暖對春季VM 模態增強的相對貢獻進行研究，主要得到以下結論：

(1)根據研究時間長度，分為1900—1960 年和1961—2021 年兩個階段進行對比，得到兩個時間段VM 模態的時空特征分布，發現VM 模態的解釋方差從9.3%增長到13.1%，東北-西南向的傾斜海溫距平偶極子結構變得更明顯，發生強和弱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部變率和全球變暖對春季VM 模態年際變率在1900—2014 年的增強的相對貢獻：全球變暖占春季VM 模態年際變率增強作用的46.67%；內部變率占春季VM模態年際變率增強作用的34.38%。

第二階段（1961—2021 年）北太平洋出現更多的負位相強VM 事件年的原因，同時對于內部變率和全球變暖具體影響春季VM 模態增強的機制以及對于未來情景下，內部變率和全球變暖對于維多利亞模態的影響值得進行深入研究。