中间层与低热层二氧化碳体积混合比的年际变化特征研究

刘栋， 董雁冰*， 毛宏霞， 包醒东， 魏合理

1 北京环境特性研究所 光学辐射重点实验室， 北京 100854 2 中国科学院安徽光学精密机械研究所中国科学院大气光学重点实验室， 合肥 230031

0 引言

二氧化碳(CO2)作为中间层与低热层大气(MLT, Mesosphere and Lower Thermosphere) 中最主要的痕量成分之一，具有十分活跃的红外辐射性质，存在2.7 μm、4.3 μm、15 μm等多个重要吸收带(Goody and Yung, 1989).现有的观测和理论模拟已经证明，CO2发射红外辐射将MLT的能量释放到外空间，会对大气造成显著的冷却，这是决定MLT的能量收支和动力学的主要因素(Roble and Dickinson,1989; Mlynczak et al., 1999,2010).另一方面，MLT的辐射冷却通过热传导作用也会导致热层大气收缩，从而改变热层大气密度，这会影响处于其中的低轨卫星和轨道碎片的运动状态(Emmert et al., 2012).此外，CO2的红外辐射也直接构成了这一区域的主要红外背景辐射，决定着此区域的辐射传输特性(López-Puertas and Taylor, 2001).然而，随高度增加，大气扩散分离作用和光离解作用逐渐强于湍流混合作用，MLT CO2会逐渐偏离均匀混合，体积混合比(VMR, Volume Mixing Ratio)不再与低层大气一致，多尺度的大气输运过程可能使其产生明显的时空分布(Smith et al., 2011; Garcia et al., 2014).因此，开展MLT区域的CO2VMR时空分布特征研究，一方面，对准确地认知中高层大气能量收支、动力学过程和全球气候变化具有重要作用；另一方面，对空间环境安全的分析也有明确的指导意义；最后，它也是精确分析临近空间红外背景辐射特性的基本前提.

MLT CO2VMR最早的测量实验是20世纪70年代利用探空火箭搭载的质谱仪开展原位测量(Offermann and Grossmann, 1973; Trinks and Fricke, 1978).但是，这种技术的测量不确定度很大，且只能在有限的空间范围和有限的时刻获取观测结果.临边红外遥感技术是目前测量MLT CO2浓度的主要手段，它使得全球规模的长期观测成为可能，包括两种技术途径：一种是利用太阳掩星方式测量大气临边吸收谱，反演吸收成分浓度；另一种是测量大气临边发射谱，反演发射成分浓度.López-Puertas等(2000) 和Rezac等(2015b) 详细介绍了早期的临边遥感测量实验.进入21世纪以来，搭载于SCISAT卫星平台的ACE-FTS(Atmospheric Chemistry Experiment Fourier Transform Spectrometer)(Bernath et al., 2005)积累了超过16年的全球观测数据.搭载于TIMED(Thermosphere Ionosphere Mesosphere Energetics Dynamics)卫星平台的SABER(Sounding of the Atmosphere using Broadband Emission Radiometry)(Mlynczak et al., 2010)和搭载于ENVISAT 卫星平台的MIPAS(Michelson Interferometer for Passive Atmospheric Sounding)(Fischer et al., 2008)，分别积累了18年和8年的观测数据(Rezac et al., 2015a; Jurado-Navarro et al., 2016; Mlynczak et al., 2020).

鉴于观测数据的积累量，早期MLT CO2浓度的研究以平均垂直分布为主，López-Puertas等(2000)和Beagley等(2010)系统地总结了这些研究.近几年，长时序卫星遥感数据的积累才使得MLT CO2浓度的全球时空变化特征研究成为可能.Emmert等(2012)利用ACE-FTS数据研究了2004—2012年间MLT CO2VMR的全球平均线性变化趋势，展示出在90～105 km之间CO2VMR有约8%/decade的增长率，明显高于低层大气约5.5%/decade的增长率；Garcia等(2016)的再分析得到相似的结论.Yue等(2015)利用2002—2015年的SABER数据得出的结果展示出，全球平均线性趋势从80 km开始超过低层大气，在100 km以上达到约12%/decade.然而，模拟结果展示出，CO2VMR的相对趋势在统计意义上几乎不随高度变化而改变(Emmert et al., 2012; Garcia et al., 2016)，实测结果与模拟结果间的差异得到广泛的关注.Qian等(2017)和Rezac等(2018)指出ACE-FTS和SABER的数据质量及数据采样时空分布特征是分析其长期趋势必须考虑的因素.

因此，针对MLT CO2VMR的长期变化特征需要进一步开展研究.另外，目前年际变化特征研究主要针对年平均的长期趋势，对于其季节依赖以及其他年际变化特征也需要开展研究.比如，MLT区域太阳紫外辐射诱发CO2光离解会导致其VMR对太阳活动11年循环(11-year solar cycle)有明显的响应，需要定量地分析其响应特征；在数据时间序列长度只有十几年的情况下，准确地说明长周期的年际响应，对于正确提取长期趋势也是必不可少的(Beig, 2011).

本文利用2002—2018年的SABER数据开展MLT CO2VMR的年际变化特征分析.年际变化包括它的长期趋势，以及它对QBO(Quasi-Biannual Oscillation)，ENSO(El Nio-Southern Oscillation)，Solar Cycle这些年际扰动的响应.采用多元线性回归模型对原始数据时间序列拟合，定量提取年际变化，分析其季节依赖和纬度分布.下文首先描述所采用的数据和分析数据的多元线性回归方法；再呈现对拟合方法的分析以及长期趋势和年际扰动响应拟合系数的分析；最后对本文的结果进行总结.

1 数据与分析方法

1.1 SABER CO2 VMR

本文使用的SABER CO2VMR数据来自2002—2018年的SABER Level2C version 2.0数据集.

SABER是十通道宽谱带辐射计，波段覆盖1.27～17 μm，通过临边扫描，每个通道每天可以获得约1400条大气临边辐亮度廓线.搭载SABER的TIMED卫星平台约60天绕自身轴转动一次，以保证辐射计不被太阳直接照射，这导致SABER扫描的纬度范围在54°N—83°S和83°N—54°S之间交替改变.因此，只有54°N—54°S的测量值是时间上连续的，本文的研究范围就限定在这一区间内.另一方面，由于TIMED卫星处于倾斜角74°的准太阳同步轨道，SABER在指定纬度上采集数据的当地时是不固定的，以约60天的周期旋进24 h，因此SABER的辐射测量数据是白天至夜晚连续变化的(Mlynczak et al., 2010).

Rezac等(2015a)利用SABER 4.3 μm通道(2284～2409 cm-1)和15 μm通道(606～714 cm-1)的辐亮度廓线联合反演MLT区域的温度廓线和CO2VMR廓线.在MLT区域4.3 μm带和15 μm带的大气发射辐射都存在显著的non-LTE效应，必须使用包含分子发射辐射机理的non-LTE辐射传输模型开展反演.但是，目前夜晚CO24.3 μm带non-LTE机理存在较大的缺陷，导致只有白天的廓线能正确反演(太阳天顶角小于80°).另外，为了去除NO+对4.3 μm带发射辐射的混淆，反演算法直接剔除了所有地磁扰动指数Kp大于4的廓线(Rezac et al., 2015a; 2015b).

以上因素共同决定了SABER CO2VMR数据的当地时分布特征.图1以2013年为例，展示出一年内所有反演廓线的当地时分布.图1a给出52.5°N—52.5°S之间反演廓线的当地时分布，可以直观地看到，同一天数据的当地时覆盖白天一个时段并随日期变化逐渐迁移，没有反演数据的日期代表此时全球廓线是在夜晚采集.图1b给出2.5°N—2.5°S纬度带的例子，当地时分布特征与全球相似，只是同一天数据当地时分布更集中；而且每个纬度带都具有类似的分布.因此，本文首先对原始数据在52.5°N—52.5°S之间5°为间隔的纬度带内，以每个月及其前后半个月的跨度进行月平均，得到有效分辨率为2个月的月平均CO2VMR时间序列，以最大程度地减小潮汐对年际变化的混淆作用.在结果与讨论部分将进一步阐明这一选择的合理性.

另外，本文研究的高度范围就限定在65～105 km，因为在SABER Level2C version 2.0中此高度范围内的数据是真实反演值，其他高度的数据主要使用模式值填充.

图2展示出南北半球和赤道区域五个典型纬度带的SABER CO2VMR时间序列分布情况.各纬度带CO2VMR在80 km左右开始偏离低层大气的均匀混合状态(400 ppmv左右)，随高度增加迅速减小，在100 km以上普遍降至100～150 ppmv.在各纬度带，都可以直观地看到CO2VMR在17年间明显地增大趋势，下面就利用多元线性回归方法定量提取长期线性趋势，并同步提取CO2VMR对QBO，ENSO，Solar Cycle年际扰动的响应.

1.2 多元线性回归模型

对每个纬度带、每个高度上的CO2VMR时间序列使用的多元线性回归模型可以表达如下：

+γ·t+ξ1·QBO1(t)+ξ2·QBO2(t)

+η·ENSO(t)+·F10.7(t)+ε(t),

(1)

图1 SABER CO2 VMR全年所有廓线的当地时分布(以2013年数据为例)(a) 52.5°N—52.5°S之间所有廓线; (b) 2.5°N—2.5°S之间的廓线.Fig.1 The local time of one-year SABER CO2 VMR profiles (the case of 2013)(a) Profiles between 52.5°N—52.5°S; (b) Profiles between 2.5°N—2.5°S.

图3 三种年际扰动的指示因子的月平均时间序列(a) QBO指示因子； (b) ENSO指示因子； (c) 太阳活动11年循环指示因子.Fig.3 The monthly reference time series of the three interannual variations(a) The reference for QBO; (b) The reference for ENSO; (c) The reference for 11-year solar cycle.

图4 80 km、90 km、100 km处的CO2 VMR时间序列(以2.5°N—2.5°S纬度带为例)黑线代表SABER实测数据，红线代表基于多元线性回归模型重构的数据.Fig.4 The time series of CO2 VMR at 80 km, 90 km and 100 km (the case of 2.5°N—2.5°S)The black lines denote SABER observed data and the red lines denote the reconstructed data based on the multiple linear regression model.

(1)式中t为时间，CO2(t)代表CO2VMR的月平均时间序列；ε(t)为拟合结果与原始值间的差值，即残差项.μ是回归模型的横截距.cos(2πt/ln)和sin(2πt/ln)共同描述周期为ln的季节振荡，本模型包含了四种周期的季节振荡，分别为周期12个月的年振荡(AO,Annual Oscillation)，周期6个月的半年振荡(SAO,Semi-Annual Oscillation)，周期4个月和3个月的两个高频谐振子(Yi et al., 2019).

(1)式中系数γ就是CO2VMR的线性增长率(以下称长期趋势).QBO1(t)、QBO2(t)、ENSO(t)、F10.7(t)描述QBO、ENSO和Solar Cycle，本模型采用三种指示因子的月平均时间序列作为这些年际扰动的参考时间序列(如图3所示).对于QBO，采用新加坡站址探空气球测量的30 hPa和10 hPa处的赤道纬向风速度作为指示因子(Randel and Wu, 1996; Baldwin et al., 2001).如图3a所示，两个高度的纬向风速度均呈现明显的准两年振荡，但是振荡相位有约6个月的偏差，采用两个高度的赤道纬向风完整表征QBO，分别对应QBO1(t)和QBO2(t).对于ENSO，采用MEI(Multivariate ENSO Index)指数作为指示因子(Randel et al., 2009; Wolter and Timlin, 2011).如图3b所示，正值代表暖事件，即El Nio；负值代表冷事件，即La Nia.对于太阳活动11年循环，采用F10.7指数作为指示因子，它是目前普遍使用的太阳紫外辐射强度指数(Tapping, 2013).如图3c所示，展示出太阳紫外辐射从高峰到低谷再到高峰的循环.系数ξ1、ξ2、η、就是CO2VMR对这些扰动变化的响应率.在本模型中，γ、ξ1、ξ2、η、均具有A0+A1cos(2πt/12)+A2sin(2πt/12) +A3cos(2πt/6)+A4sin(2πt/6)的形式，以说明各年际变化的季节依赖特征.每个系数的不确定度估计方法可以表达如下(Randel and Cobb, 1994; Li et al., 2013):

(2)

式中σ2(A0)，σ2(A0,A1)等是每个系数拟合产生的方差和协方差.季节依赖表示各年际变化在不同的季节可能表现出不同的变化率，年际变化的平均状态(称为年平均值) 就是对各季节的变化系数取平均.

鉴于CO2VMR绝对值在MLT区域随高度变化，以下分析的长期趋势和年际扰动响应系数都采用相对值，相对值就是将拟合得到的系数除以对应时间序列的平均值.

2 结果与讨论

2.1 拟合方法的分析

为了说明多元线性回归模型的拟合可以准确捕捉到原始序列中的变化，基于不包含残差项的多元线性回归模型，利用拟合得到的系数重构回归拟合时间序列，将重构序列与对应的SABER实测序列对比.图4展示出一组2.5°N—2.5°S纬度带的对比示例，很明显，在所呈现的80 km、90 km、100 km三个高度上，重构结果可以很好地捕捉到实测序列中的振荡变化，两者的相关系数在三个高度上分别达到0.97,0.96,0.94.

图5进一步展示出所有纬度带的所有高度上重构序列与实测序列的相关系数.在本研究的纬度和高度范围内，两者相关系数都超过0.8，绝大多数序列的相关系数都在0.9以上.这表明本文采用的拟合方法可以准确捕捉原始序列的变化特征.

2.2 MLT CO2 VMR长期趋势

为了说明SABER采样方式对分析结果的影响，将多元线性回归拟合同时应用于几种类型的时间序列，分别是：SABER原始数据产生的单月平均时间序列(图6中“SABER_monthly”) 和双月平均时间序列(图6中“SABER_bimonthly”)；WACCM (Whole Atmosphere Community Climate Model)模式输出值按SABER CO2VMR纬度-高度-当地时分布重采样的数据集产生的单月平均时间序列(图6中“sampled_WACCM_monthly”)和双月平均时间序列(图6中“sampled_WACCM_bimonthly”).WACCM是目前用于中高层大气模拟的最先进模式，被广泛用于中高层大气成分浓度分布、动力学过程等问题的研究(Marsh et al.,2013; Garcia et al.,2014).WACCM的重采样数据同样取自SABER Level2C数据集.这里所谓单月平均序列就是将每个月的所有原始数据平均，作为本月平均值；双月平均序列就是每月平均值都使用本月及其前后半月的所有原始数据平均，即本文采用的方式.

图6展示出几种类型时间序列提取的长期趋势的全球平均结果.为了方便说明问题，图中引用了Garcia等(2016)给出的结果，即全球均匀网格内每天六小时一组输出值的完整WACCM序列提取的长期趋势(图6中“complete_WACCM”).根据Garcia等(2016)，在65～105 km之间模式预测的相对趋势由5.5±0.1%/decade略减小至4.6±0.5%/decade.时空分布均匀的数据序列，无论采用单月平均还是双月平均，不会对长期趋势的提取产生影响，可以作为理想参照.这是因为完整WACCM模式值具有规则的当地时分布，不管哪种平均方式都可以完全消除潮汐变化的影响.然而，根据图6a，重采样的WACCM明显受到月平均方式的影响，单月平均的结果在所有高度上都相比理想结果变大，双月平均的结果总体上与理想参照结果符合得更好.这主要是因为重采样后的WACCM数据的当地时具有图1展示出的特征，单月平均会造成潮汐变化混淆进时间序列中，被误作季节变化或年际变化特征；而双月平均使CO2VMR近似代表当月的白天平均状态，可以很大程度降低潮汐的影响.需要指出，由于重采样数据的当地时分布仍具有一定不规则性，双月平均也不能总是完全消除潮汐影响，但在统计意义上，它的趋势与理想结果可以认为一致.图6b展示出SABER实测数据在两种月平均方式下的差异更显著，月平均结果在80 km以上出现明显地增大，双月平均结果则保持在5%～5.5%/decade，双月平均结果与完整WACCM的结果在统计意义上是相符合的.可以得出结论：采用双月平均时间序列是目前SABER CO2VMR数据提取年际变化特征更可信的方式.图6c重新比较了双月平均下SABER与WACCM的相对趋势，由于时空采样不规则SABER结果与重采样WACCM结果在80 km以上的不确定度都明显扩大，但两者符合得更好.使用模式结果与SABER实测结果比较时，也应该选择按SABER时空分布重采样的数据进行对比.

图5 拟合重构时间序列与实测值时间序列的相关系数的纬度-高度分布Fig.5 The latitude-altitude section of the correlation coefficients between reconstructed time series and observed time series

图6 全球平均的长期趋势对比(a) 完整WACCM数据集提取的趋势，按SABER数据时空分布重采样的WACCM数据集分别按单月平均和双月平均序列提取的趋势； (b) 完整WACCM趋势与SABER按单月平均和双月平均序列提取的趋势； (c) 完整WACCM趋势，重采样的WACCM和SABER按双月平均序列提取的趋势.Fig.6 The comparison of global average annual mean trends(a) the trends extracted from complete WACCM, SABER-like sampled WACCM time series with monthly bin and bimonthly bin respectively; (b) the trends extracted from complete WACCM, SABER monthly and bimonthly time series; (c) the trends extracted from complete WACCM, SABER and SABER-like sampled WACCM bimonthly time series. The complete WACCM result is adapted from Garcia et al. (2016).

图7展示出长期趋势随纬度-高度的分布，这里给出的结果都是年平均的相对趋势.-50°代表50°S，50°代表50°N，其他同理.可以看出，对原始数据月平均和双月平均提取的长期趋势在纬度分布上呈现更显著的差异.SABER月平均序列在20°N的105 km处出现9.2%/decade的极大值，接近低层大气长期趋势的两倍；但是双月平均提取的趋势纬度分布比较均匀，随高度增加，有略微降低.SABER与重采样WACCM的双月平均结果相符合得也更好.重采样WACCM在中间层顶与低热层的长期趋势有一定幅度变化，高纬度区域出现7%/decade的极大值，但高纬度区域样本量更少，导致更大的拟合不确定度，因此在统计意义上认为SABER长期趋势与WACCM模式结果符合得较好.

这一结果得到目前的动力学观测证据的支持.重力波活动强度是湍流垂直混合强度的直接体现，因此是MLT区域CO2VMR分布的决定因素(Richter et al., 2010; Garcia et al., 2014).Liu等(2017) 对SABER温度数据提取的重力波进行年际变化分析，展示出在MLT区域没有全球性的统计显著的重力波活动强度长期趋势.但应该指出，只有部分波长的重力波被提取分析，全面地研究MLT区域动力学过程及其对CO2VMR分布的影响仍然是十分重要且迫切的.

图8展示出长期趋势对季节的依赖，20°N纬度带(17.5°N—22.5°N)的结果作为示例给出，其他纬度带的结果具有相似的特征.需要说明，图8及以后的结果均在双月平均方式下得到.根据图8a，在MLT区域CO2VMR长期趋势有明显的季节性改变，在所有的高度上，增长率都存在明显的极小值并逐渐恢复到较大值，极小值出现的月份随高度增加逐渐向后迁移；且越高的高度上，极小值月份的增长率降低越明显，即长期趋势的季节性变化越剧烈.在65 km处，增长率极小值为5.2%/decade，出现在4月份，随后逐渐扩大到最大6.4%/decade；在105 km处，增长率极小值降至3.3%/decade，出现在6月份和7月份，随后逐渐扩大到最大6.1%/decade.图8b展示出重采样WACCM在对应纬度带的长期趋势季节依赖，在总体形式上，模式能再现SABER数据的特征，但定量分布仍存在一定差距.考虑到WACCM在对MLT CO2VMR季节-纬度变化的定量预测方面仍存在一定偏差(Garcia et al., 2014; Rezac et al., 2015b)，长期趋势季节依赖的定量偏差是可以理解的.

图7 长期趋势纬度高度分布的比较(a) SABER月平均拟合结果； (b) SABER双月平均拟合结果； (c) 重采样WACCM月平均拟合结果； (d) 重采样WACCM双月平均拟合结果.Fig.7 The comparison of latitude-altitude section of the long-term trends(a) from SABER monthly time series; (b) from SABER bimonthly time series; (c) from sampled WACCM monthly time series; (d) from sampled WACCM bimonthly time series.

图8 长期趋势的季节依赖分布(20°N纬度带的结果)(a) SABER的结果； (b) 对应的重采样WACCM的结果.Fig.8 The seasonal dependence of long-term trends (the case of 20°N latitude band)(a) the results of SABER; (b) the results of sampled WACCM.

为了进一步解释长期趋势的季节性变化特征，图9展示出Mauna Loa地面观测站的CO2VMR季节性长期趋势.Mauna Loa地面观测站位于19.5°N，155.6°W，是监测全球近地面CO2VMR本底值变化的主要站址(Etheridge et al., 1996).利用本文的多元线性回归方法对Mauna Loa观测站2002—2018年的CO2VMR月平均值进行分析.根据图9，近地面CO2VMR的长期趋势也存在季节性改变，8月份最低，为5.51%/decade，在春冬季增速至5.60%/decade附近.这主要是因为夏季的植被大量吸收大气中的碳，更高的温度也有利于海洋吸收大气中的碳，从而减缓大气中碳浓度的增长速率.这种线性增长速率的季节性改变随着大气的垂直输运过程影响了中高层大气的CO2VMR线性增长率，使其同样具有季节性改变.由于CO2VMR被输运到上层大气的过程具有明显的时间延迟(Bischof et al., 1985; Smith et al., 2011)，线性增长率极小值随高度增加而向后延迟是可以理解的.另外应该看到，在近地面增长率的季节性变化不到0.1%/decade，而MLT区域的季节性变化在1%/decade以上.这主要是因为CO2VMR的季节振荡绝对幅度在MLT区域显著大于近地面.根据图9蓝线展示出的Mauna Loa CO2VMR一年的月平均值，在近地面CO2VMR的季节振荡较小，约6 ppmv左右；而根据图2，MLT区域CO2VMR在偏离均匀混合后季节振荡显著扩大，在100 km处达到40ppmv以上.

2.3 MLT CO2 VMR对年际扰动的响应

图10展示出SABER CO2VMR对30 hPa QBO和10 hPa QBO扰动项的响应系数(年平均值)随纬度和高度的分布，阴影区域表示对QBO扰动的响应在2σ置信度水平上是不显著的，即统计意义上实际响应系数与零值是不可区分的.可以看到，SABER CO2VMR对QBO扰动的响应是很弱的，最大的响应系数为0.45%/10 ms-1；而且绝大多数情况，对QBO的响应是统计不显著的.

图11展示出SABER CO2VMR对ENSO扰动项的响应系数.类似于QBO响应，分析结果显示，在所有纬度带的所有高度上SABER CO2VMR对ENSO的响应都是很弱且不显著的.实际上，将QBO和ENSO从多元线性回归模型中移除，并不会明显改变其他系数的大小.

图12展示出SABER CO2VMR对太阳活动11年循环的响应系数.在80～100 km的绝大多数区域，SABER CO2VMR对太阳活动存在显著的负响应，且太阳活动响应具有明显的半球不对称分布.在南半球，响应系数保持在-1.5%/100sfu至-1%/100sfu；但在北半球，响应系数绝对值从低纬度向高纬度逐渐增加，在50°N的100 km附近达到-5.7%/100sfu的极值.

图10 CO2 VMR (a) 对30 hPa QBO； (b) 对10 hPa QBO的响应系数的纬度-高度分布，阴影区域表示结果在2σ置信度上是统计不显著的Fig.10 The latitude-altitude sections of the response to interannual variations of CO2 VMR. The shade region denotes that the responses are insignificant statistically at 2σ confidence level. (a) to QBO at 30 hPa; (b) to QBO at 10 hPa

图11 类似于图10，CO2 VMR对ENSO的响应系数的纬度-高度分布Fig.11 Same as Figure 10, but for ENSO

图12 类似于图10，CO2 VMR对太阳活动11年循环的响应系数的纬度-高度分布Fig.12 Same as Figure 10, but for 11-year solar cycle

根据目前已知的机制，MLT区域CO2VMR对太阳活动11年循环的响应主要来自于两种过程.第一，根据Garcia等(2014)，太阳紫外辐射对CO2的光解离作用对MLT CO2VMR分布的影响是不可忽略的，因此太阳活动变化会直接改变MLT 区域的CO2VMR.光解离作用导致CO2VMR对太阳活动变化有负响应，但是这一机制引起的响应应该是全球均匀的.第二，太阳活动变化也影响MLT 区域的重力波活动及湍流垂直混合作用，进而间接引起CO2VMR同步变化.根据Liu等(2017)，SABER温度数据提取的重力波活动强度对太阳活动11年循环的响应在80 km以上是负的，且存在明显的北半球强于南半球的半球不对称分布，因此这一机制可以解释80 km以上CO2VMR对太阳活动11年循环负响应的半球不对称性.

应该看到，在100 km以上，SABER CO2VMR对太阳活动的响应在中高纬度区域仍然是负的，但在赤道附近出现0.5%/100sfu的正响应；弱的正响应也出现在65～75 km之间的绝大多数区域.MLT 区域CO2VMR对太阳活动的正响应目前看来没有合适的物理机制可以解释.可能的原因是，要么存在其他接近10年周期的MLT 区域扰动特征与太阳活动11年循环混淆，要么是由于SABER时空采样不规则导致的人为变化特征与太阳活动11年循环混淆.这些再次表明，需要对MLT动力学过程及CO2VMR分布的影响机制开展更深入的研究；同时需要更多的观测实验以及更好的反演模型，以获取持续时间更长、分布更规则的数据集(比如包含夜晚CO2VMR).

3 总结

本文利用目前对MLT区域持续观测时间最长的SABER在2002—2018年间的CO2VMR反演数据集研究了MLT CO2VMR的年际变化特征.利用MLT CO2VMR多元线性回归模型拟合时间序列，获得各种变化特征在50°S—50°N之间65～110 km范围内的定量分布.基于拟合系数的重构序列与实测值序列的对比结果证明了多元线性回归模型能够准确捕捉时序中的变化特征.结合WACCM模式值的对比分析，表明了采用双月平均时间序列提取年际变化特征可以更好地去除潮汐混淆作用，给出更可信的年际变化特征结果.

根据本文的分析方法，SABER CO2VMR在MLT区域呈现的长期趋势总体是稳定的.全球平均值在65 km处为5.8±0.1%/decade，随高度增加有小幅度下降，在105 km处为4.3±1.2%/decade；结果与WACCM模式预测结果在统计意义上相符.长期趋势的纬度分布在统计意义上是均匀的，在90 km以下均保持在5.5%/decade左右，在90 km以上降低到4.5%/decade左右.长期趋势具有明显的季节依赖，长期趋势在特定的月份出现极小值，在其他月份逐渐恢复为较大值；季节性改变随高度增加幅度增大，极小值出现月份随高度增加向后迁移.这主要来源于低层大气CO2VMR线性增长速率的季节性改变.

SABER CO2VMR在MLT区域对QBO和ENSO的响应很弱，在绝大多数区域没有统计显著的响应.对太阳活动11年循环有显著的响应，在80 km以上响应主要是负的，且具有明显的半球不对称分布，极值-5.7%/100sfu出现在北半球高纬度地区.CO2VMR对太阳活动11年循环的响应特征可以根据紫外辐射光解离和湍流混合作用机制解释.在65～75 km之间和105 km的赤道附近呈现弱的正响应，目前没有合适的机制可以解释.本文对MLT CO2VMR年际变化特征的研究也表明对MLT区域动力学过程及其对CO2VMR分布的影响机制需要更深入的研究；为获取更可靠的结果，持续时间更长、时空分布更规则的观测数据集也是必要的.

致谢感谢SABER团队提供的Level2C数据，SABER和重采样的WACCM CO2VMR均取自Level2C.原始数据集可以通过ftp:∥saber. gats-inc. com/Version2_0/Level2C/获取.Mauna Loa的CO2VMR数据可以通过www.esrl.noaa.gov/gmd/ccgg/trends获取；纬向风探空数据可以通过http:∥www. geo.fu-berlin. de/en/ met/ag/strat/produkte/qbo/index.html获取；MEI指数数据可以通过http:∥www. esrl. noaa.gov/psd/enso/mei/获取；F10.7指数数据可以通过ftp:∥geolab. nrcan .gc.ca/data/daqs1_solar_flux/获取；同样感谢这些数据的提供者.