NUIST 地球系统模式模拟ENSO 对西北太平洋热带气旋活动的影响

吴启蒙 吴立广 曹剑

1 南京信息工程大学太平洋台风研究中心，南京 210044

2 复旦大学大气与海洋科学系/大气科学研究院，上海 200438

1 引言

自20 世纪80 年代中期以来，不同海区热带气旋（TC）活动的年际变化已经有很多研究（Landsea,2000），主要关注了厄尔尼诺和南方涛动（ENSO）对TC 活动的影响。研究发现：在El Niño 年，西北太平洋TC 的生成位置偏东，生成频数少于正常年份；而在La Niña 年，西北太平洋地区年生成频数多于正常年份（Chan and Johnny, 1985, 2000; Wu and Lau, 1992）。Lander（1993）对这个结论提出了质疑，尽管El Niño 期间TC 的生成区域东移，但是西北太平洋观测到的年TC 频数与ENSO 指数没有显著相关。Chan et al.（1998）用0.5℃作为划分Niño3 地区海平面温度冷暖异常的标准，发现在El Niño 年 间 的6～8 月TC 形 成 位 置 北 移，9～11 月TC 形成位置东移，但是他们使用的资料时间长度较短，没有考虑强ENSO 事件和弱ENSO 事件之间的差异。Camargo and Sobel（2005）分析了1950～2002 年间ENSO 对西北太平洋地区TC 强度的影响，发现在El Niño 年TC 的强度比La Niña 年更强，且TC 的寿命更长。后来研究发现，相对湿度和涡度是El Niño 年西北太平洋TC生成位置东移的主要原因（Camargo et al., 2007）。

Wang et al.（2013）将TC 活动季节分为早期、高峰和晚期，研究了中东太平洋海温异常对西北太平洋TC 活动的影响，发现早期ENSO 活动对TC活动影响不显著；高峰期间东太平洋暖（冷）海温会导致东南象限TC 频数、强度和生命周期增加（减少）；而在晚期中太平洋暖（冷）海温会导致东南象限TC 频数、强度和生命周期增加（减少）。Zhao et al.（2010）模拟了14 个El Niño 和14 个La Niña 年TC 的生成和路径，在El Niño 年，20°N 以南地区TC 的活动明显增强，El Niño 事件会导致TC 路径向西移动，而La Niña 事件导致路径向北移动。Tao et al.（2012）发现在El Niño 年，菲律宾海的强TC生成频数较多，中国和日本东部沿海登录的TC 较多，而在La Niña 年，西北太平洋强TC 生成频数远低于正常年份。西北太平洋季风槽和赤道西风的气旋切变东移是导致TC 频数增加和生成位置东移的主要原因。

Krishnamurthy et al.（2016）使用GFDL 耦合模式模拟ENSO 对TC 的影响，结果表明强El Niño 事件导致西北太平洋地区TC 生成位置东移。但La Niña 事件对太平洋TC 的活动影响并不明显。本世纪以来，全球大气模式已经成为研究全球气候变化对TC 活动影响的重要工具之一（Yamada et al., 2010; Manganello et al., 2014; Murakami et al.,2015; Yamada et al., 2017）。例 如，Oouchi et al.（2010）利用日本气象厅20 km 分辨率的全球大气模式模拟全球变暖对台风活动的影响；利用改进的日本气象厅模式，Murakami et al.（2013）发现20 km分辨率模式甚至可以模拟出超强台风。随着计算资源的不断改进，近几年来人们开始利用耦合的全球气候系统模式研究全球气候变化对TC 活动的影响。例如，Kim et al.（2014）利用GFDL 耦合气候模式模拟全球TC 活动，Murakami et al.（2017）通过数值试验发现人类活动可能增强了阿拉伯海的TC活动。

南京信息工程大学地球系统模式（NESM）是南京信息工程大学研制的地球系统模式，有高分辨率和低分辨率两个版本，之前的研究（吴启蒙等,2019）发现：NESM 模式高分辨率版本可以较好地模拟出全球海温分布及TC 活动的气候特征。本研究进一步分析了NESM 地球系统模式高分辨率版本模拟西北太平洋TC 活动的年际变化特征，并分析模式模拟的ENSO 事件对西北太平洋TC 活动的影响，此研究结果有助于进一步改进NESM 模式和利用NESM 模式研究台风活动。

2 资料

本研究使用的模式资料为NESM 高分辨率版本模式资料（Cao et al., 2015），模式利用ECHAM v5.3大气环流模式、NEMO v3.4 海洋环流模式和CICE v4.1 海冰模式，通过OASIS3-MCT 并行耦合器耦合而成。其中ECHAM v5.3 大气环流模式的方案为T159L31，其水平分辨率为0.75°×0.75°，垂直层数为31 层，模式顶为10 hPa；NEMO v3.4 海洋模式为NEMO ORCA2 配置，在赤道外地区的水平分辨率为2°×2°，赤道地区经向分辨率加密至0.5°，垂直层数为31 层；CICE v4.1 海冰模式的水平分辨率为1°×0.5°，本研究采用的是CICE 模式多层热力学方案，在垂直方向上包含有1 层雪和4 层冰。

为了检验耦合模式对内部变率的模拟性能，在设计试验时，采用固定的外部强迫条件（如温室气体、太阳常数、气溶胶、陆面状态等）来驱动模式。所有外部强迫参数的选择都是1990 年代平均的参数，包括气溶胶和陆面状态信息。为了高效地使模式达到准平衡状态，海洋模式和海冰模式的初始场来自1000 年低分辨率版本耦合模式的积分，而大气模式的初始场来自再分析资料。经过NESM 耦合模式调整100 年之后，取其随后的50 年模拟结果作为模式资料。

本文用的TC 观测资料是JTWC（Joint Typhoon Warning Center）的西北太平洋TC 路径资料，选取1967～2016 年间达到TS（热带风暴）强度或以上的TC（最大风速达到17.2 m/s 或以上），与模式中达到TS 强度或以上的TC 涡旋进行比较。此外，还用到了HadISST（Hadley Centre Global Sea Ice and Sea Surface Temperature）的月平均海温资料 和NCEP（ National Centers for Environmental Prediction）风场再分析资料，与模式模拟的海温和风场资料进行对比分析。

3 El Niño（La Niña）事件的分类

3.1 El Niño（La Niña）事件的分类方法

西北太平洋地区的TC 活动与海表面温度异常有密切关系（Chan et al., 1998）。表示西北太平洋地区的海温异常主要有三个指数：Niño3 指数、Niño3.4 指数和Niño4 指数，分别表示区域（5°S～5°N, 90°～150°W）、 区 域（ 5°S～5°N， 120°～170°W）和区域（5°S～5°N，150°～160°E）的海温异常。因为对流发生与海温及海温梯度有关，而不是海温异常本身（Graham and Barnett, 1987;Wang and Li, 1993），所以Niño3.4 区域的海温异常与TC 活动的相关性比Niño3 和Niño4 区域更好。因此，我们使用Niño3.4 区域的海温异常作为标准对El Niño（La Niña）事件进行分类。

3.2 El Niño（La Niña）事件的分类结果

由于不同月份的TC 活动存在差异，所以需要将TC 活动分阶段进行研究。统计了西北太平洋不同月份的TC 生成频数，虽然西北太平洋地区在每个月份都有TC 生成，但是大部分的TC 在6～11月份之间生成，超过全年生成TC 的85%，这与Lander（1994a）研究结果相同。根据西北太平洋TC 生成频数的月份分布，我们将研究重点放在6～11 月，分为夏季（6～8 月）和秋季（9～11 月）两个季节。计算模拟和观测50 年间西北太平洋夏季和秋季的Niño3.4 指数，画出随时间的序列分布，如图1 所示。

从Niño3.4 指数的时间序列图（图1）和典型年分类结果（表1）中可以看出：在观测资料中，夏季和秋季的Niño3.4 指数符号基本相同，但是秋季海温异常的标准差较大，对应图1a 中秋季振幅偏大。模式可以模拟出与观测类似的海温异常振荡，但是夏季和秋季的标准差相差不大，对应图1b中夏季和秋季的振幅比较接近。

图1 1967～2016 年夏季和秋季（a）观测、（b）模拟的Niño3.4 指数时间序列分布。红色实线和蓝色虚线分别为Niño3.4 指数1 倍和−1 倍标准差数值（研究年份分类标准阈值）Fig.1 Time series distribution of the Niño3.4 index (a) observed, (b) simulated in summer and autumn during 1967–2016. The solid red line and blue dashed line are the value of 1 and −1 standard deviation (threshold value of the classification standard for the study year) of the Niño3.4 index

根据不同台风季节Niño3.4 指数的标准差将研究年份分为五类：强暖年（Niño3.4 指数大于1 个标准差），弱暖年（Niño3.4 指数大于0.5 个小于1 个标准差），正常年（Niño3.4 指数在正负0.5 个标准差之间），弱冷年（Niño3.4 指数大于−1 个小于−0.5 个标准差）和强冷年（Niño3.4 指数小于−1个标准差），分类结果如表1 所示。

从表1 可以看出，观测中秋季的海温异常标准差大于夏季，但是模拟的两个季节的海温异常标准差差异较小。研究发现，在弱暖和弱冷年份，TC的生成频数和生成位置与正常年份相似，只有当Niño3.4 指数较大（大于1 个标准差或小于−1 个标准差）时，对TC 活动的影响才比较显著（Wang and Chan, 2002）。由于两个季节强暖和强冷年的分类结果相似，所以我们使用夏季和秋季分类结果中重复的强暖和强冷年作为El Niño 和La Niña 年份进行研究。其中模拟的El Niño 年共有6 个：8、21、27、33、34、48；模拟的La Niña 年共有7 个：4、17、24、25、35、46、50；观测的El Niño 年共有6 个：1972、1982、1987、1997、2002、2015；观测的La Niña 年共有5 个：1973、1975、1988、1999、2010。第三节将挑选出典型年的TC 活动进行分析，来研究ENSO 事件对西北太平洋TC 活动的影响。

表1 1967～2016 年夏季和秋季观测和模拟的El Niño（La Niña）典型年的分类结果Table1 Classification results of El Niño (La Niña) typical years observed and simulated in summer and autumn during 1967–2016

主要分为以下三个方面：（1）TC 生成位置（TC 首次达到热带风暴强度的位置，即最大风速达到17.2 m/s）和频数；（2）TC 生命周期（从达到热带风暴强度到下降到热带风暴强度的时间长度）；（3）TC 路径分布。

3.3 TC 活动与赤道太平洋海温异常的关系

为了分析TC 的生成位置分布，将热带西北太平洋地区（0°～40°N，100°E～180°）分为几个子区域，其中本文主要研究120°E～180°之间的区域。结 合 了 前 人 的 区 域 划 分 方 法（Wang and Chan,2002; Zhao et al., 2011），在本研究中，我们使用140°E 作为划分东西两个区域的边界，将夏季西北太平洋划分为两个区域：东部和西部。此外，我们使用20°N 作为夏季西北太平洋地区南北区域的划分边界，从而将西北太平洋地区划分成了四个区域，即西北象限（120°～140°E，20°N 以北）、东北象限（140°E～180°，20°N 以北）、西南象限（120°～140°E，20°N 以南）和东南象限（140°E～180°，20°N 以南）。模式中热带气旋的识别主要考虑了气压、风速、海温、暖心和涡度等条件，具体可见吴启蒙等（2019）。

图2 为1967～2016 年El Niño（La Niña）事件发生时西北太平洋夏季平均海温异常与TC 的生成位置分布，从图2 中可以看出：模式可以较好地模拟ENSO 事件发生时西北太平洋地区夏季的海温异常分布，在El Niño（La Niña）事件发生的年份，160°E 以东赤道地区存在暖（冷）海温异常，模拟的范围和大值中心都和观测类似，模拟的距平极值略大于观测，且大部分都通过显著性检验，说明模拟El Niño（La Niña）年西北太平洋地区海温异常与其他年份具有显著性差异。从TC 的生成位置上可以发现，观测中El Niño 年TC 主要生成于20°N 以南，但生成位置的模拟效果并不好，模拟结果主要在20°N 附近，而观测结果主要在12°N附近；观测中La Niña 年东南象限仅有一个TC 生成，模式对La Niña 年东南象限的模拟情况较差。

图2 1967～2016 年El Niño（La Niña）事件发生时西北太平洋夏季平均海温异常（阴影，单位：°C）与TC 的生成位置（黑点）分布：（a）观测的El Niño；（b）模拟的El Niño；（c）观测的La Niña；（d）模拟的La Niña。黑色虚线为不同区域的分界线，点状阴影区域为通过5%显著性水平的区域Fig.2 Average sea surface temperature anomalies (shadings, units: °C) in summer in the Northwest Pacific and the distribution of the TC generation locations (black dots) during the El Niño (La Niña) event during 1967–2016: (a) Observed El Niño, (b) simulated El Niño, (c) observed La Niña,(d) simulated La Niña. The black dashed lines denote the dividing lines of different areas; the dotted shadings represent the area passed the 5%significance level

图3 为1967～2016 年El Niño（La Niña）事件发生时西北太平洋秋季平均海温异常与TC 的生成位置分布，从图3 中可以看出：模式可以较好地模拟出ENSO 事件发生时西北太平洋地区秋季的海温异常分布，在El Niño（La Niña）事件发生的年份，160°E 以东赤道地区存在的暖（冷）海温异常中心，模拟的范围和大值中心都和观测类似，并具有显著性差异。和夏季相比，秋季的海温异常区域较大，极值也较强。从TC 的生成位置上可以发现，观 测 中El Niño 年 份 热 地 气 旋 生 成 主 要 在140°E 以东，模式可以模拟出这一特征；观测中La Niña 年份TC 主要生成在140°E 以西，但是模拟的La Niña 年TC 主要生成于140°E 以东。

图3 同图2，但为秋季的结果Fig.3 As in Fig.2, but for autumn results

接下来我们统计了El Niño 年和La Niña 年夏季和秋季西北太平洋不同子区域TC 的生成频数（表2）。从表2 中可以看出：在夏季，20°N 以北观测的TC 生成东西分布较为均匀，但是20°N 以南TC 生成东西分布差异较大，La Niña 年东南象限仅有1 个TC 生成，远小于El Niño 年，虽然模式模拟的La Niña 年东南象限TC 生成频数也小于El Niño 年，但是与观测比仍有偏差。在秋季，观测的El Niño 年有33 个TC 生成于东部区域，约为西部区域的3 倍，模式模拟的El Niño 年TC 也大部分生成于东部区域；观测的La Niña 年与El Niño 年相反，仅有9 个TC 生成于东部区域，约为西部区域的1/3，而模式对于La Niña 年的模拟与El Niño 年模拟相似，未能模拟出La Niña 事件对西北太平洋TC 生成的影响。

表2 1967～2016 年夏季和秋季观测和模拟的El Niño 年和La Niña 年西北太平洋不同子区域TC 的生成频数Table2 Frequency of TC generation in different subregions of Northwest Pacific in El Niño and La Niña years observed and simulated in summer and autumn during 1967–2016

为了量化不同年份TC 的平均生成位置的变化，我们计算了模拟和观测的50 年每年夏季和秋季TC 生成的平均位置，并绘制出空间部分图（图4、图5）。

从图4 中可以看出，观测中可以明显地看出El Niño 年夏季TC 的平均生成位置偏东南，而La Niña 年夏季TC 的平均生成位置偏西北；模式可以模拟出El Niño 年夏季TC 的平均生成位置偏东的特征，但是未能模拟出南北方向的差异。从图5 中可以看出，无论是观测还是模拟，El Niño 年秋季TC 的平均生成位置和La Niña 年相比都偏东。

图4 1967～2016 年夏季（a）观测、（b）模拟的TC 年平均生成位置。红色正方形表示El Niño 年TC 的平均生成位置，蓝色六边形表示La Niña 年TC 的平均生成位置，黑点表示其他年份TC 的平均生成位置Fig.4 Annual average generation location of TCs (a) observed, (b)simulated in summer during 1967–2016. The red squares represent the average generation positions of TCs in El Niño years, the blue hexagons represent the average generation positions of TCs in La Niña years, and the black dots represent the average generation positions of TCs in the other years

图5 同图4，但是为秋季的结果Fig.5 As in Fig.4, but for autumn results

表3 是El Niño 年和La Niña 年TC 平均生成位置与正常年份TC 平均生成位置的偏差值，其中正值表示纬度方向偏北或经度方向偏东，负值表示纬度方向偏南或经度方向偏西。从表3 中可以看出：无论是夏季还是秋季，观测El Niño 年TC 的平均生成位置都比La Niña 年份偏东，模式也能模拟出这一特征，但是差异比观测偏小，经度差异数据大部分通过了显著性检验，具有显著性差异。而在观测El Niño 的夏季，TC 生成位置比La Niña 年偏南，但是模式未能模拟出这一特征。

表3 1967～2016 年夏季、秋季的观测、模拟的El Niño 年和La Niña 年TC 平均生成位置的平均偏差Table3 The mean deviations of the average generation positions of TCs in El Niño and La Niña years observed and simulated in summer and autumn during 1967–2016

3.4 TC 生命周期

观测的TC 生命周期的定义为：从TC 达到热带风暴强度到下降到热带风暴强度的时间长度；而模式中TC 生命周期的定义为：识别出的TC 开始到TC 消失的全部时间长度。本文中对于TC 的年平均寿命的定义为：夏季和秋季生成的所有TC 存在的平均生命周期长度。观测中El Niño 年的TC平均生命周期为7.1 d，而La Niña 年的TC 的平均生命周期为4.0 d，El Niño 年的TC 平均生命周期明显较长。模拟中El Niño 年的TC 平均生命周期为5.3 d，而La Niña 年的TC 的平均生命周期为5.6 d，未能模拟出El Niño 和La Niña 年TC 平均生命周期的显著差异。

图6 为TC 平均生命周期和Niño3.4 地区海表面温度异常的相关性。从图6a 中可以看出，观测中TC 的平均生命周期随着Niño3.4 海表面温度异常的增加而增加，并且通过了显著性检验，所以较大的Niño3.4 区域SSTA 有利于TC 的生成和维持。由于El Niño 年Niño3.4 区域的海温异常较大，所以El Niño 年的TC 平均生命周期较长，而La Niña 年Niño3.4 区域的海温异常较小，所以La Niña 年的TC 平均生命周期较短。而模拟的TC 的平均生命周期随着Niño3.4 海表面温度异常的增加变化不明显，相关系数也未能通过显著性检验，所以模拟的TC 生命周期较差。

图6 1967～2016 年TC 平均生命周期和Niño3.4 地区海表面温度异常的相关性：（a）观测；（b）模拟。黑点表示不同年份的结果，虚线为一元线性回归拟合线，其中观测相关系数通过5%的显著性水平Fig.6 Correlation between the TC average lifespan and sea surface temperature anomalies in Niño3.4 area during 1967–2016: (a) Observation;(b) simulation. The black dots represent results of different years; the dashed line is the one-variable linear regression line; the correlation coefficient of the observation passed the 5% significance level

3.5 TC 路径分布

将西北太平洋地区划分为2.5°×2.5°的网格点，计算每个网格点内TC 路径经过的次数，作为该网格点内的TC 路径频数，进行九点平滑后，绘制出El Niño 年和La Niña 年夏季和秋季TC 的路径频数分布图（图7、图8）。

对比观测图（7a、c 和8a、c）可以看出，TC的生命周期与TC 的生成位置密切相关，大多数生命周期较长的TC 形成在西北太平洋的东南象限中。在El Niño 年中，东南象限中形成的TC 在遇到大陆或较冷的中纬度海洋之前可以有更长的时间发展，所以路径频数分布更广（Camargo and Sobel, 2005）。

对比模拟和观测的路径频数分布图（图7、图8），可以看出：无论是夏季还是秋季，模式都可以较好地模拟出El Niño 年西北太平洋TC 的路径频数分布，路径频数的范围和大值中心都模拟得较好。但是在La Niña 年，由于模拟的生成位置差异，模式模拟的路径频数和观测相比范围较大，有向东延伸的趋势，和El Niño 年较为接近。

图7 1967～2016 年El Niño（La Niña）事件发生时西北太平洋夏季TC 路径频数分布：（a）观测的El Niño；（b）模拟的El Niño；（c）观测的La Niña；（d）模拟的La NiñaFig.7 Frequency distribution of TC paths in summer in Northwest Pacific during the El Niño (La Niña) event during 1967–2016: (a) Observed El Niño; (b) simulated El Niño; (c) observed La Niña; (d) simulated La Niña

图8 同图7，但是为秋季的结果Fig.8 As in Fig.7, but for autumn results

4 La Niña 年模拟TC 活动差异的原因

从图2 和图3 中可以看出，模式可以较好地模拟出El Niño（La Niña）事件发生时西北太平洋夏季和秋季的海温异常分布，但是模拟的TC 生成位置和观测还存在差异。与El Niño 年相比，对La Niña 年的TC 活动模拟较差。下文将分析模式模拟La Niña 年TC 结果较差的原因。

前人的研究（Lander, 1994b; Ritchie and Holland,1999; Chen et al., 2004）表明，季风槽和季风环流对西北太平洋TC 生成起着重要作用。Wu et al.（2013）发现大部分TC 在季风环流与反气旋之间增强的西南气流的中心和东北侧形成，Wu et al.（2012）研究了1979～2007 年间西北太平洋地区TC 活动与季风槽位置的关系，发现在季风槽东伸（西退）的年份，西北太平洋东南象限TC 生成频数偏多（少），并且这种关系可以通过与季风槽运动相关的大规模环境因素（相对湿度、垂直切变、高层辐散、低层涡度）的变化来解释，所以ENSO与TC 的关系可以通过季风槽以及与季风槽相关的大规模环流的变化来解释。

图9 为La Niña 事件发生时西北太平洋地区的850 hPa 风场分布。从图9a 中可以看出，在北半球夏季，副热带高压控制了整个西北太平洋，菲律宾以西区域被西南季风控制，越赤道气流、西南季风以及副热带高压南侧的偏东风在赤道辐合带附近汇合，生成西北—东南向的季风槽，为TC 的生成提供有利的动力和热力条件（Chia and Ropelewski,2002），并且季风槽的活动对于TC 移动路径也有重要影响，特别是在ENSO 活动期间。

图9 1967～2016 年（a、c）观测的、（b、d）模拟的La Niña 事件发生时西北太平洋海表温度异常（阴影、等值线，单位：°C）、850 hPa平均风场（箭头，单位：m s−1）：（a、b）夏季；（c、d）秋季。黑色实线为季风槽槽线Fig.9 Sea surface temperature anomalies (shadings and contours, units: °C), 850-hPa average wind (arrows, units: m s−1) in the Northwest Pacific during the La Niña event (a, c) observed, (b, d) simulated in summer during 1967–2016: (a, b) Summer; (c, d) autumn. The solid black lines represent the monsoon trough lines

从图9b 中可以看出，模式对于La Niña 事件发生时西北太平洋地区850 hPa 平均风场模拟情况较好，但是在风速和风向方面还有差异。对比图9a、b 中季风槽位置可以看出，在夏季La Niña 事件发生时，模拟的季风槽位置偏南，这导致模式模拟的TC 生成位置偏南；对比图9c、d 可以看出，在秋季La Niña 事件发生时，模拟的季风槽位置偏东，这导致模式模拟的TC 生成位置偏东。这些结果也与Wu et al.（2012）的研究结论一致。

5 结论与讨论

全球大气模式已经成为研究全球气候变化对台风活动影响的重要工具之一，之前的研究发现南京信息工程大学地球系统模式（NESM）高分辨率版本可以较好地模拟出全球海温分布及TC 活动的气候特征。本研究进一步分析了NESM 地球系统模式模拟西北太平洋TC 活动的年际变化，并与1967～2016 年观测的TC 活动进行对比。首先定义了NUIST 模式中El Niño 和La Niña 事件的识别方法，与观测资料中的ENSO 事件对比，研究了模式是否可以模拟出El Niño（La Niña）事件，以及模拟El Niño（La Niña）事件对西北太平洋TC 活动的影响，得出以下结论：

（1）NESM 模式能够很好地模拟出西北太平洋地区的平均海温，对El Niño（La Niña）事件发生时海温异常变化的特点也有较好地模拟。

（2）NESM 模式对El Niño 事件发生时西北太平洋TC 的生成频数和路径分布的模拟较好，也能模拟出El Niño 年西北太平洋生成位置比La Niña 年偏东的特征。

（3） NESM 模式未能模拟出TC 平均生命周期和Niño3.4 地区海表面温度的相关性。

（4）NESM 模式模拟的La Niña 年TC 的生成位置和路径分布与观测相比偏东，造成模拟误差的主要原因是模式对La Niña 年季风槽位置偏东。

在NESM 模式可以较好地模拟全球TC 活动的基础上，本研究进一步研究了模式是否可以模拟出ENSO 事件与ENSO 事件发生时西北太平洋地区TC 的活动，结果表明：模式能够较好地模拟西北太平洋平均海温及与ENSO 事件联系的海温异常变化特点，但是和前人的研究结果相似，在模拟ENSO 事件对西北太平洋地区TC 活动的影响方面还有待改进，尤其是La Niña 事件对TC 活动的影响。此研究结果有助于进一步改进NESM 模式和利用NESM 模式研究台风活动。