青藏高原大气热源年际变率及其驱动因子

段安民 张萍

1 中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室，北京100029

2 中国科学院大学地球与行星科学院，北京100049

1 引言

青藏高原（以下简称高原）平均海拔在4000 m 以上，总面积超过250 万平方公里，是世界上海拔最高、下垫面最复杂的大地形，又被称为“地球第三极”。高原大气热源对区域甚至整个北半球的气候异常都具有非常重要的影响，其对亚洲季风形成和变异的影响一直是热点科学问题。Wu et al.（2012）基于数值试验的结果提出亚洲夏季风是海陆热力差异及与青藏—伊朗高原热力强迫共同作用的结果，其中热力强迫可被视为“感热气泵（SHAP）”，它通过影响周边大气的垂直抽吸、水汽输送及垂直运动调控亚洲夏季风的形成。随着观测资料的增多及数值模式的改进，大量研究还探讨了高原热源年际及年代际变率对亚洲夏季风爆发、演变和推进的具体影响过程（Duan and Wu, 2005,2008; Duan et al., 2011, 2013, 2020; Wang et al.,2014; Wu et al., 2015; Sun et al., 2019）。由于高原热力强迫本身在很大程度上也是大气环流和海洋遥强迫的结果，近年来高原热源与大气海洋的相互作用及其对亚洲夏季风的协同影响也日益受到人们的关 注（Hu and Duan, 2015; Liu and Duan, 2018;Wang et al., 2018; Liu et al., 2020a; Yu et al.,2021）。

由于高原大气热源对气候异常的重要影响，近些年来高原大气热源的变异机理也逐渐受到越来越多的关注。春季，高原地表感热加热（TPSH）是高原大气热源的主要分量（Cui et al., 2015; Duan et al., 2018; Zhao et al., 2018），它主要受早春北大西洋三极子海表温度异常（sea surface temperature anomaly, SSTA）的影响。北大西洋三极子SSTA通过激发相当正压的定常Rossby 波列并向下游传播，使得高原西南部受到异常气旋的控制，其东侧的异常西南风造成高原南侧地表西风增加，进而造成高原南侧感热正异常（Cui et al., 2015; Yu et al.,2021)。Liu et al.（2015a）研究表明，厄尔尼诺（El Niño）衰减年春季，北印度洋海表异常低压可激发异常经圈环流，导致高原西部降水及土壤湿度减少和地表气温升高。Zhao et al.（2018）进一步探究了印度洋SSTA 对TPSH 的影响，发现当印度洋SSTA 一致增暖（IOBM）时，早春高原西风和TPSH 都会增强。此外，随着南亚夏季风爆发和IOBM 的影响，晚春（5 月）高原降水突然增加，高原雨季也随之来临，由降水所带来的高原凝结潜热的强度和变率也迅速增大，其也受到IOBM 的影响。具体机制可解释为热带印度洋暖SSTA 通过激发一个异常Hadley 环流，造成高原东南部异常下沉，从而使得高原东南部降水及凝结潜热减少（Chen and You, 2017; Zhao et al., 2018）。

夏季，高原大气热源主要由降水引起的凝结潜热主导，其同时受到中纬度西风急流及南亚夏季风两个环流系统的控制（Yang et al., 2014; Dong et al.,2016, 2017; Liu et al., 2016; 朱艳欣和桑燕芳, 2018;Lai et al., 2021），这意味着高原降水异常也必将受到中高纬及热带地区多种海气自然变率信号的共同影响。在年际尺度上，夏季北大西洋涛动（NAO）与高原降水存在显著负相关，NAO 负位相通过激发异常Rossby 遥相关波列使得下游高原西侧盛行异常气旋，进而造成高原降水正异常，凝结潜热加强（Liu and Yin, 2001; Liu et al., 2015b; Wang et al.,2017b, 2018）。Gao et al.（2013）认为夏季北大西洋SSTA 通过激发东传的异常Rossby 遥相关波列进而影响高原东南部降水异常，热带大西洋SSTA激发的对流活动也可以通过纬向对流活动传播进一步影响高原东南部降水。在热带地区，海洋性大陆西部偏强的对流活动通过改变局地Hadley 环流，抑制孟加拉湾北部降水，进而在高原南侧激发异常反气旋，其西侧的西南风有利于水汽向高原东南部输送，造成晚夏高原东南部降水正异常，凝结潜热增加（Jiang et al., 2016）。作为最强年际变率信号，ENSO 不同阶段均能够对高原降水产生不同的影响。在El Niño 发展年夏季，印度夏季风减弱，高层高原西部地区出现一个异常气旋，向高原西南部输送干冷空气，造成高原西南部降水负异常（Wang and Ma, 2018; Liu et al., 2020a; Hu et al., 2021）。而在ENSO 衰减年夏季，热带印度洋暖SSTA 通过激发Kelvin 波在孟加拉湾形成异常反气旋，其西侧异常西南风向高原东南部输送水汽，造成高原东南部降水正异常，高原凝结潜热增加（Hu and Duan,2015; Sun and Wang, 2019; Zhao and Zhou, 2021）。

秋冬季高原积雪是大气热汇的重要表现，它对亚洲夏季风环流和降水异常均具有显著影响（ Cohen and Rind, 1991; Wu and Qian, 2003;Shaman and Tziperman, 2005; Liu et al., 2014; Xiao and Duan, 2016; Wang et al., 2017a）。近年来，很多学者对影响高原积雪年际及年代际变率的大尺度环流和海温驱动因子进行了探究，但关于秋季高原积雪的研究还较少。Wang et al.（2019）指出东北太平洋暖SSTA 及西北大西洋冷SSTA 共同激发一个Rossby 波列并向下游传播，使得高原东部受到异常气旋控制，造成高原东部雪盖加深。冬季高原积雪年际变率还在不同程度上受到NAO、西北大西 洋SSTA、ENSO 及IOD 的 影 响。Chen et al.（2021）发现NAO 负位相通过激发异常Rossby波列，使得印度北部为异常气旋，其东侧偏南风造成高原中西部雪盖加深。此外，高原中西部雪盖异常还受到IOD 影响。当IOD 处于正位相时，西印度洋暖SSTA 激发出一个波列，造成印度北部产生异常气旋，高原中西部雪盖加深（Yuan et al.,2009, 2012; Jiang et al., 2019; Zhang et al., 2019）。关于ENSO 对冬季高原积雪的影响，Shaman and Tziperman（2005）提出东太平洋暖SSTA 通过激发Rossby 定常波并沿北非—亚洲急流向东传播，影响高原位涡异常，进而使得高原东部雪深增加（Wang and Xu, 2018）。Liu et al.（2020b）进一步解释了ENSO 对冬季高原西部降水的影响，即随着ENSO 的发展，热带西印度洋暖SSTA 在其东侧激发Kelvin 波响应，使得印度北部产生异常反气旋，其西侧西南风造成高原西部降水正异常。

通过对以上研究进展的回顾可知，目前关于高原大气热源变异机理的研究大多是对传统定义下季节平均的认识，例如春季地表感热和夏季凝结潜热，然而同一个季节中不同月份高原上空的背景环流存在显著差异（叶笃正等, 1958; 况雪源等, 2008; 方韵等, 2016; Wei et al., 2019）。例如，5 月（10 月）高原背景环流发生突变，西风急流北跳（南撤），南亚夏季风爆发（撤退），与完全被西风急流控制的4 月（11 月）情况明显不同。因此有必要对高原热源年际变率进行分类并进一步探究其驱动因子及对应的异常大尺度环流。

2 资料和方法

2.1 资料

本文用到的月平均地表感热、凝结潜热、辐射通量数据来源包括：高原80 个气象台站数据（Duan et al., 2018），站点分布如图1 所示，时间范围为1984～2015 年；大气环流和非绝热加热包括日本气象厅提供的JRA55（Japanese 55-year Reanalysis）再分析数据，水平分辨率为1.25°×1.25°（Kobayashi et al., 2015）；美国国家航空航天 局 发 布 的MERRA2（The second Modern-Era Retrospective analysis for Research and Applications）再分析数据，水平分辨率为0.625°×0.5°（经度×纬度）（Rienecker et al., 2011）；美国国家环境监测中心与能源局发布的NCEP2（National Centers for Environmental Prediction and the Department of Energy for reanalysis datasets）数据，水平分辨率为2.5°×2.5°（Dee et al., 2011）；欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECWMF）提供的ERA-interim（Kanamitsu et al., 2002）及ERA5（Hersbach et al., 2020）再分析数据，水平分辨率分别为1.5°×1.5°和0.25°×0.25°。由于NCEP2、ERA-interim 及ERA5 再分析资料中无凝结潜热加热，因此这三套资料中凝结潜热根据降水计算得到。80 个站点的辐射通量数据来自GEWEX/SRB（Global Energy and Water Cycle Experiment/surface radiation budget）以及ISCCP 卫星资料，并插值到高原80 个台站得到，而不是台站直接观测数据（Duan et al., 2018）。

图1 青藏高原80 个气象站点分布。色标表示海拔高度（单位：m）。黑色曲线表示平均海拔在2000 m 以上的青藏高原地形，下同Fig.1 Spatial distribution of 80 meteorological stations on the Tibetan Plateau (TP). The altitude (units: m) is represented by the color bar. The black curve represents the TP domain with an altitude＞2000 m, the same below

海表温度来自Hadley 中心提供的全球逐月海表温度HadISST1（Hadley Center Sea Ice and Sea Surface Temperature, version 1.1）数据集，水平分辨率为1.0°×1.0°（Rayner et al., 2003）。

降水数据为美国国家大气海洋局提供的卫星融合 降 水 产 品 GPCP V2.3（ Global Precipitation Climatology Project, Version 2.3），水平分辨率为2.5°×2.5°（Huffman et al., 2001）。

除了基于高原台站观测和卫星资料计算得到的大气热源（汇）以外，其他资料时间范围均为1980～2018 年。

2.2 大气热源计算公式

大气热源（汇）是一个反应空气柱热量收支的物理量。对于一个给定区域，大气热源（汇）被定义为一段时间内大气柱获得（损失）热量，它是感热、凝结潜热及大气辐射的集合（叶笃正和高由禧, 1979），公式为

其中，AHS 表示大气总热源（Atmosphere Heat Source），SH 表 示 地 表 感 热（Surface Sensible Heat），LH 表示大气中的凝结潜热释放（Latent Heat Release），RC 表 示 大 气 柱 的 净 辐 射 通 量（Net Radiation Flux）。各 成 分 的 具 体 算 法 详 见Duan and Wu（2008）和Duan et al.（2018）。

3 高原大气热源（汇）年循环特征

高原气象台站主要聚集于高原中东部，西部站点稀少，且大部分站点海拔高度均低于5000 m，这也是导致大量关于高原大气热源的研究仅关注高原中东部的根本原因。近年来再分析资料、气候模式输出数据、卫星遥感数据等已广泛应用于高原大气热源研究，但不同数据源的质量仍存在很大差异（Duan et al., 2014）。竺夏英等（2012）通过评估多套感热再分析资料，发现不同再分析资料中感热的空间分布存在很大差异。因此在研究高原大气热源时，资料的可靠性十分关键。

图2 所示为不同资料中高原大气热源及其分量的年循环分布。由于高原站点资料集中于中东部地区，且各套再分析资料的空间分辨率不一致，为了对不同资料进行定量比较，本文以高原80 个气象站点为基准，首先采用双线性插值方法分别对每套再分析资料进行空间插值，得到对应站点的热源数据，再对其进行区域平均，最后比较高原大气热源年循环在不同资料中的异同。

根据观测结果（图2a）可知，地表感热（红线）通量（正值表示地面加热大气）在春季达到峰值，是高原大气热源（黑线）的主要分量；随着高原雨季（5 月）来临，凝结潜热（绿线）迅速增强，在6～9 月达到峰值并主导高原大气总热源；净辐射（蓝线）全年均为负值，春、夏较大。整体来看，高原在3～9 月为大气热源，从10 月开始转化为热汇，并一直持续到来年2 月。此外，根据高原热源各分量的标准差大小可知，雨季（5～10 月）高原大气热源的变化主要取决于凝结潜热（绿色柱），而感热（红色柱）和净辐射变率（蓝色柱）全年变化幅度较小。

图2 不同资料高原大气热源及其分量的标准差（柱状，单位：W m–2）和气候平均值（实线，单位：W m–2）：（a）站点和卫星资料；（b）JRA55 资料；（c）MERRA-2 资料；（d）ERA5 资料；（e）NCEP2 资料；（f）ERA-interim 资料。红色：地表感热通量（SH）；绿色：凝结潜热（LH）；蓝色为大气净辐射（RC）；黑色为大气总热源（汇）。图a 资料的时间范围是1984～2015，图b–f 资料的时间范围是1980～2018Fig.2 Standard deviation (bars, units: W m–2) and climate mean (solid lines, units: W m–2) of each component of the TP heat source in different datasets: (a) Station and satellite data; (b) JRA55 (Japanese 55-year Reanalysis) data; (c) MERRA-2 (the second Modern-Era Retrospective analysis for Research and Applications) data; (d) ERA5 (Fifth major global reanalysis produced by European Centre for Medium-Range Weather Forecasts) data;(e) NCEP2 (National Centers for Environmental Prediction and the Department of Energy for reanalysis datasets) data; (f) ERA-interim (European Centre for Medium-Range Weather Forecasts interim reanalysis) data. Red: surface sensible heating (SH); green: latent heating (LH) of condensation;blue: net radiation of the air column (RC); black: their sum. In Fig. a, the time range of data is 1984–2015; in Figs. b–f, the time range of data is 1980–2018

就气候平均值而言，与80 个台站资料相比，不同再分析资料基本能刻画它们的年循环分布，但强度存在较大差异。对于地表感热，只有MERRA-2 的强度和年循环峰值与观测相当，而在其他几套再分析资料中几乎全年都被低估，这可能与MERRA-2 资料所使用的陆面模式有关（Rienecker et al., 2011; Wang and Zeng, 2012）。与此相反，凝结潜热的强度在各套再分析资料中均被高估，导致雨季的大气总热源也被高估。比较而言，ERA5 和ERA-interim 资料能够较准确地刻画大气净辐射的强度和年循环，而其他三套再分析资料中大气净辐射的强度均被低估。关于高原大气热源的变率，JRA55 和ERA5 与观测接近，NCEP2 和ERAinterim 明显高估了地表感热通量的变率，MERRA2和NCEP2 明显高估了凝结潜热变率，净辐射在ERA-interim 中被高估。

为了更直观地比较再分析资料与基于站点资料计算得到的高原大气热源的时间演变，图3 给出了高原区域平均的各热源成分在不同再分析资料与站点资料之间的相关系数。以高原80 个气象台站为基准，分别将不同热源资料进行空间插值，得到对应站点上的热源数据，取区域平均并去除线性趋势，计算其与观测数据之间的相关系数。

图3 1984～2015 年高原大气热源（汇）在观测资料与（a）JRA55 资料、（b）MERRA-2 资料、（c）ERA5 资料、（d）ERA-interim 资料、（e）NCEP2 资料之间的相关系数。AHS 表示大气总热源，SH 表示地表感热，LH 表示凝结潜热。RC 表示大气净辐射通量。*、**、***分别代表相关系数通过90%、95%、99%置信水平的显著性检验Fig.3 Correlation coefficients of the TP heat source (sink) between station dataset and (a) JRA55 data, (b) MERRA-2 data, (c) ERA5 data, (d) ERAinterim data, (e) NCEP2 data during 1984–2015. AHS represents the total atmospheric heat source, SH represents the surface sensible heating, LH represents latent heating of condensation, RC represents net radiation of the air column. *, **, and *** represent correlation coefficients exceeding the 90%, 95%, and 99% confidence level, respectively

在5 套再分析资料中凝结潜热与高原站点资料之间的相关系数较高，均超过95%置信水平的显著性检验，说明再分析资料能够较好地反映高原凝结潜热的年际变率。对高原地表感热年际变率刻画较好的再分析资料依次为MERRA-2 和ERA5，且MERRA-2 中的正相关系数几乎全部通过90%置信水平的显著性检验，说明MERRA-2 资料能够较为准确地反映出高原感热的变化特征（Wang and Zeng, 2012）。此外，ERA5 和MERRA2 能够较好地表现大气净辐射的年际变率。相对于感热和凝结潜热，再分析资料中净辐射与卫星观测的相关系数都相对较低，这主要是因为卫星遥感反演的辐射通量在数据反演和复杂地形的算法上还存在很大的差异（Yang et al., 2011; Wang and Zeng, 2012; Duan et al., 2014）。考虑到JRA55 资料与观测的大气热源（汇）的强度和变率在高原地区最接近，因此本文将主要利用JRA55 资料分析高原大气热源年际变率。

4 高原大气热源（汇）年际变率及分类

年际变率是高原大气热源变化的重要时间尺度，它在年际尺度上与亚洲夏季风的相关最紧密（Wu et al., 2015）。对高原大气热源去除线性趋势后进行2～9 年的Lancoz 滤波，仅保留年际尺度信号。图4 展示了1～12 月高原大气热源年际变率第一模态（EOF1）的空间分布。在高原旱季（11～4 月），大气热源最大异常中心位于高原西部，但2～4 月高原东部开始出现反相分布，这表明影响2～4 月高原大气热源的异常环流系统及驱动因子可能与其余月份不同。随着5 月高原东南部雨季的来临，高原凝结潜热的强度和方差迅速增加，高原大气热源呈现南—北偶极型的反相模态。6～9 月高原大气热源基本由降水引起的凝结潜热主导，高原大气热源最大异常中心位于高原东南部，西部呈现反相分布，但其强度较弱。10 月高原大气热源的分布模态与5 月相似，呈现南—北偶极型反相分布，这主要是因为5 月和10 月分别是南亚夏季风爆发和撤退的时期，高原南部受季风环流的影响，北部则主要受西风急流的控制。

图 4 1980～2018 年1～12 月高原大气总热源（汇）第一模态（EOF1）的空间分布。右上角的数字表示其解释方差Fig. 4 Spatial distribution of the first EOF (empirical orthogonal function) mode (EOF1) of the TP heat source (sink) from January to December during 1980–2018. The number in the upper right corner of each subgraph represents its interpreted variance

高原位于西风急流和亚洲季风两大环流系统的交汇区，夏季同时受到西风急流及东亚和南亚夏季风的影响，冬季则主要被西风急流控制（叶笃正和高由禧, 1979; Yang et al., 2014; 姚檀栋等, 2017; 朱艳欣和桑燕芳, 2018; Lai et al., 2021）。因此，影响高原大气热源年际变率的异常大尺度环流在不同月份也可能具有一定的相似性。首先对不同月份的高原大气热源年际变率进行分类，标准如下：首先基于1～12 月高原大气热源EOF1 的空间分布特征对其进行分类，并计算各类热源EOF1 的空间分布（Mode1）和时间序列（PC1）；其次将每一类Mode1 和PC1 分别与此类别中对应的每个月的Mode1 和PC1 做相关，若此类别中每个月份的PC1 时间序列相关系数均超过90%置信水平的显著性检验且EOF1 空间相关系数大于0.7，则这几个月高原大气热源被归为一类（表1）。根据以上分类标准，高原大气热源年际变率特征可分为4 类，分别为冬季型（11～1 月，NDJ）；早春型（2～4 月，FMA）；夏季型（6～9 月，JJAS）；过渡型（5、10 月）。

图5 给出了每一类高原热源的EOF1 及PC1，其中“过渡型”以5 月为代表。“冬季型”呈全区域一致分布，最大异常中心位于高原西部。“早春型”最大异常中心也位于高原西部地区，但中东部基本反相分布。表1 显示，尽管4 月相关也满足了分类标准，但与2、3 月相比，4 月相关系数明显较低，这表明尽管“早春型”各月高原大气热源年际变率时空变化特征基本一致，但4 月的驱动因子与2、3 月可能不同，4 月高原大气热源最大异常区域同时出现在高原西部和东南部（图4d）。“夏季型”高原大气热源呈东—西反相分布，但最大异常中心位于高原东部。

表1 1980～2018 年青藏高原总热源EOF1 的空间分布（Mode1）以及时间序列（PC1）在“冬季型”、“早春型”“、夏季型”与其相应的每个月之间的相关系数Table1 Correlation coefficients of the spatial distribution(Mode1) and time series (PC1) of the EOF1 of the total atmospheric heat source over the TP between “winter type”,“e arly spring type”, “summer type” and their corresponding months, respectively, during 1980–2018

5 月和10 月高原大气热源均呈现南—北偶极型反相分布，且南北部异常区域的强度相当（图4e、j）。这两个月是高原背景环流发生突变的时间，西风急流分别发生北跳和南退（叶笃正等, 1958; 况雪源等, 2008; Wei et al., 2019）。此外，5 月和10月还分别是南亚夏季风爆发和撤退的时间（Syroka and Toumi, 2002, 2004; Wang and LinHo, 2002），同时也是高原雨季开始和结束的时间（Chen and You, 2017; Lai et al., 2021），篇幅所限，本文仅以5 月代表过渡型。

以上四种高原大气热源类型中，“冬季型”和“夏季型”高原大气热源年际变率特征与前人研究基本一致（赵平和陈隆勋, 2001; 宇婧婧等, 2011;Luo et al., 2021），而“早春型”及“过渡型”高原大气热源年际变率特征目前还鲜有关注，这也是本文讨论的重点。

5 影响高原大气热源（汇）的异常环流系统及驱动因子

为了进一步探究影响这四类高原大气热源年际变率的异常环流系统及驱动因子，本文取每一类高原大气热源的PC1 作为其对应的热源指数。

5.1 冬季型

图6 给出了大气环流、水汽通量、降水及全球海表温度对“冬季型”高原大气热源PC1 的回归场。当冬季高原（主要是高原西部）热源增强时，上游地区中高纬位势高度高、低层均出现一个西北—东南走向的遥相关波列：即从格陵兰岛、西欧地区到咸海附近形成“低—高—低”相当正压的异常高度场分布（图6a、b）。此时高原西侧为异常气旋式环流，西风急流向高原的正涡度输送以及气旋东侧西南风造成水汽通量在高原西部辐合（图6c），高原降水出现正异常（图6d），高原大气总热源加强（图5a）。这一结果与宇婧婧等（2011）的结论类似，但宇婧婧等（2011）强调这种异常大尺度环流模态与大西洋涛动（NAO）密切相关。然而，本文结果表明，“冬季型”高原大气热源与NAO 相关系数仅为0.12，并未通过显著性检验，这可能与不同研究时段NAO 异常位置以及使用的资料不同有关。此外，阿拉伯海至孟加拉湾一带出现异常反气旋式环流（图6b），其西侧异常西南风也加强了高原西部的水汽输送和大气热源。此异常环流系统可能与热带太平洋及印度洋SSTA 有关，海洋性大陆周围的冷SSTA 造成局地降水负异常（图6d），进而激发出Gill 模态的环流响应（Gill,1980），并在阿拉伯海至孟加拉湾低层形成异常反气旋。对应于高原大气热源增强，热带太平洋（印度洋）海表温度异常呈现ENSO（IOD）型空间分布特征，高原热源与Niño3.4（IOD）指数的相关达0.29（0.32），通过90%置信水平的显著性检验。关于ENSO 及IOD 影响早冬（ND）/冬季（DJF）高原积雪的物理机制，前人已经做了大量探 讨（Yuan et al., 2009, 2012; Jiang et al., 2019;Zhang et al., 2019）。总之，热带太平洋及印度洋SSTA 也会对“冬季型”高原大气热源异常产生一定影响。

图5 1980～2018 年（a、e）“冬季型”（NDJ）、（b、f）“早春型”（FMA）、（c、g）“夏季型”（JJAS）、（d、h）“过渡型”（以5月代表）高原大气总热源第一模态（EOF1）的（a–d）空间分布及其（e–h）时间系数。右上角的数字表示EOF1 的解释方差Fig.5 (a–d) Spatial distribution and (e–h) time series (PC1) of the first EOF mode (EOF1) of (a, e) “winter type” (NDJ), (b, f) “early spring type”(FMA), (c, g) “summer type” (JJAS), (d, h) “transition type” (represented by May) of total atmospheric heat source over the TP during 1980–2018. The number in the upper right corner of each subgraph represents its interpreted variance

图6 1980～2018 年“冬季型”青藏高原大气总热源第一模态时间系数（PC1）的回归场：（a）200 hPa 位势高度（填色，单位：gpm）及水平风速（矢量，单位：m s–1）；（b）700 hPa 位势高度（填色，单位：gpm）及水平风速（矢量，单位：m s–1）；（c）地表到100 hPa垂直积分的水汽通量（矢量，单位：kg m s−1）及水汽通量散度（填色，单位：10–5 kg m–2 s−1）；（d）降水（填色，单位：mm d–1）。（e）1980～2018 年 “冬季型”青藏高原大气热源PC1 与全球海表温度异常（SSTA）的同期相关。紫色矢量及黑色打点区域表示通过90%置信水平的显著性t 检验Fig.6 Regression field of the first principal component (PC1) of the “winter type” total atmospheric heat source over the TP: (a) 200-hPa geopotential height (shadings, units: gpm) and horizontal wind (vectors; units: m s−1); (b) 700-hPa geopotential height (shadings, units: gpm) and horizontal wind (vectors; units: m s−1); (c) surface–100-hPa vertically integrated moisture transport anomalies (vectors; units: kg m s−1) and moisture divergence (shadings, units: 10−5 kg m−2 s−1); (d) precipitation (shadings, units: mm d–1) during 1980–2018. (e) Correlations between the PC1 of“w inter type” total atmospheric heat source over the TP and the global sea surface temperature anomaly (SSTA) during 1980–2018. The purple vectors and black stippled regions indicate statistical significance above the 90% confidence level according to the Student’s t test

5.2 早春型

图7 为“早春型”高原大气热源的回归场。对应于高原西侧热源增强，在高原上游，自西欧至高原西侧形成一个西北—东南走向的相当正压遥相关波列。西风急流将正涡度异常向高原西部输送，有利于高原西侧异常上升运动；此外，异常气旋式环流东侧的西南风将里海及阿拉伯海地区的水汽输送至高原西部，造成这里水汽通量辐合（图7c）和降水正异常（图7d），高原西侧大气热源增强（图5b）。值得注意的是，此中高纬度异常环流系统与NAO 及AO 几乎不存在相关（相关系数分别为0.03 及0.02），因此中高纬度异常大尺度环流的信号来源还值得进一步探究。注意到北太平洋SSTA 呈现出“U 型场”相关结构，即北太平洋中部为冷海温异常，其周围被暖海温异常包围（图7e），北太平洋上空高、低层均出现气旋式异常环流并伴随着相当正压的异常偏低位势高度场（图7a、b）。这种异常环流与海温的配置表明北太平洋区域的海气相互作用以大气影响海洋为主（ Frankignoul and Hasselmann, 1977; Frankignoul and Sennéchael, 2007）。此外，这样的异常海温环流配置与Sun et al.（2019）利用高原春季感热异常得到的海温型及环流场恰好相反，且“早春型”高原感热与高原大气总热源的变率高度一致（相关系数为−0.41，通过99%置信水平的显著性检验），这说明此时北太平洋区域以高原大气热源影响海洋为主。因此，影响“早春型”高原大气热源年际变率的异常大尺度环流系统主要来自中高纬北大西洋区域，但具体的影响过程和驱动因子还值得进一步探究。

图7 同图6，但为“早春型”的结果Fig.7 As in Fig.6, but for the results for “early spring type”

5.3 夏季型

由图8 可知，当夏季高原东南部大气热源出现负异常时（图5c），北大西洋中高纬存在一个相当正压结构的遥相关波列，此遥相关波列在高原西部分成南北两支，北支遥相关波列自格陵兰岛经过西欧、中亚至高原东北部，在高原东北部出现异常反气旋式环流，其东侧的东南风造成高原东北部地区水汽通量辐合，这与Liu et al.（2015b）对高原东北部地区降水异常的解释一致。然而，由于高原东北部热源并不是“夏季型”高原大气热源的主要贡献部分，因此这里我们对东北部高原热源异常不做详细讨论。南支遥相关波列自格陵兰岛经过北大西洋及西欧一带至地中海及高原南侧，高原南部为异常气旋式环流，其北侧的东北风异常减弱了气候态西南风向高原东南部的水汽输送，造成水汽通量辐散（图8c），高原东南部降水负异常（图8d）。这种异常大尺度环流模态在北大西洋与夏季NAO模态非常相似，且NAO 与夏季高原大气热源的相关系数高达0.47，通过99%置信水平的显著性检验，表明NAO 能够通过激发遥相关波列进而影响“夏季型”高原大气热源。当NAO 处于正位相时，高原东南侧降水及热源负异常，反之亦然。以上的影响机制与前人的研究结果（Liu et al.,2015b; Wang et al., 2017b, 2018; Sun and Wang, 2019）类似。

图8 1980～2018 年“夏季型”青藏高原大气总热源PC1 的回归场：（a）200 hPa 位势高度（填色，单位：gpm）及水平风速（矢量，单位：m s−1）；（b）500 hPa 位势高度（填色，单位：gpm）及水平风速（矢量，单位：m s−1）；（c）地表到100 hPa 垂直积分的水汽通量（矢量，单位：kg m s−1）及水汽通量散度（填色，单位：10−5 kg m−2 s−1）；（d）降水（填色，单位：mm d−1）。（e）1980～2018 年“夏季型”青藏高原大气热源PC1 与全球SSTA 的同期相关。紫色矢量及黑色打点区域表示通过90%置信水平的显著性t 检验Fig.8 Regression field of the PC1 of the “summer type” total atmospheric heat source over TP: (a) 200-hPa geopotential height (shadings, units:gpm) and horizontal wind (vectors, units: m s−1); (b) 500-hPa geopotential height (shadings, units: gpm) and horizontal wind (vectors; units: m s−1); (c)surface–100-hPa vertically integrated moisture transport anomalies (vectors, units: kg m s−1) and moisture divergence (shadings, units: 10−5 kg m−2 s−1);(d) precipitation (shadings, units: mm d–1) during 1980–2018. (e) Correlations between the PC1 of the “summer type” total atmospheric heat source over the TP and the global SSTA during 1980–2018. The purple vectors and black stippled regions indicate statistical significance above the 90%confidence level according to the Student’s t test

值得注意的是，北大西洋海表温度异常呈现出与NAO 紧密耦合的经向三极子分布模态（Hurrell et al., 2003; Sun and Wang, 2019），因此北大西洋三极子海温异常模态与高原大气热源也存在显著相关（相关系数高达0.43，并通过99%置信水平的显著性检验）。尽管前人研究表明北大西洋SSTA能够通过激发一个北大西洋—欧洲—亚洲的Rossby遥相关波列进而影响高原东南部降水（Gao et al.,2013），但其产生影响的关键海域位于西欧西侧，与本文中北大西洋海表温度异常模态显著不同，说明夏季主要是NAO 通过激发异常遥相关波列直接影响高原周围大气环流，而北大西洋三极子SSTA只是与NAO 强烈耦合的一种模态，并不对高原热源产生直接影响。

5.4 过渡型

以5 月作为过渡型的代表，从图9 可以看出，200 hPa 上高原西部有一个异常低压，对流层上部的南亚高压异常偏弱（图9a），高原西部出现异常上升运动（图9b），水汽通量辐合（图9c），高原西部降水（图9d）和大气热源增加（图5d）。850 hPa 的南亚地区的异常偏东气流与气候态背景风场的西南季风恰好相反（图9b），从而减弱了高原南部的水汽输送，造成这里的水汽通量辐散（图9c）及异常下沉运动（图9b），使得高原南部降水减少（图9d），大气热源减弱。

图9 1980～2018 年5 月青藏高原大气总热源PC1 的回归场：（a）200 hPa 位势高度（填色，单位：gpm）及水平风速（矢量，单位：m s−1）；（b）500 hPa 垂直速度（填色，单位：m s−1）及850 hPa 水平风速（矢量，单位：m s−1）；（c）地表到100 hPa 垂直积分的水汽通量（矢量，单位：kg m s−1）及水汽通量散度（填色，单位：10−5 kg m−2 s−1）；（d）降水（填色，单位：mm d−1）。（e）1980～2018 年平均的5月青藏高原大气热源PC1 与全球SSTA 的同期相关。紫色矢量及黑色打点区域表示通过90%置信水平的显著性t 检验Fig.9 Regression field of the PC1 of the total atmospheric heat source over TP in May: (a) 200-hPa geopotential height (shadings, units: gpm) and horizontal wind (vectors, units: m s−1); (b) 500-hPa vertical velocity (shadings, units: m s−1) and 850-hPa horizontal wind (vectors, units: m s−1);(c) surface–100-hPa vertically integrated moisture transport anomalies (vectors, units: kg m s−1) and moisture divergence (shadings, units: 10−5 kg m−2 s−1); (d) precipitation (shadings, units: mm d–1) during 1980–2018. (e) Correlations between the PC1 of the total atmospheric heat source over the TP and the global SSTA in May averaged in the period 1980–2018. The purple vectors and black stippled regions indicate statistical significance above the 90% confidence level according to the Student’s t-test

5 月高原上空异常环流可能受到热带太平洋及印度洋SSTA 的影响（图9d）。热带印度洋（太平洋）的SSTA 分布呈现IOBM（ENSO）型的显著相关模态，且相关系数高达0.35（0.30），通过99%置信水平的显著性检验。考虑到IOBM 在很大程度上是对ENSO 的滞后响应（Xie et al., 2009），因此有研究认为5 月高原气候异常主要受到IOBM的直接影响，即IOBM 通过减弱南亚夏季风，引发局地Hadley 环流异常，导致高原南部产生异常下沉运动，从而使得高原南部降水及大气凝结潜热减少（Chen and You, 2017; Zhao et al., 2018）。此机制在图9 中得以验证。10 月高原大气热源异常对应的高低层环流系统及外强迫海温（图略）均与5 月非常相似，近期的研究表明，10 月高原降水主模态受到热带太平洋—印度洋海温异常联合模（PIM）的影响，其中海洋性大陆异常对流活动是PIM 影响高原降水的中间途径，它通过激发Gill模态响应，使得南亚地区受到异常反气旋控制，并造成10 月高原东南—西北反相的偶极型降水模态（Zhang and Duan, 2021）。

6 总结与讨论

6.1 总结

本文首先系统地回顾了在年际尺度上高原热源变异机理的研究现状，并以高原80 个站点的观测资料计算得到的大气热源数据为基准，结合再分析资料，对高原大气热源年际变率进行分类，并进一步探究了影响不同类别高原大气热源的异常大尺度环流系统及海温驱动因子。主要结论如下：

（1）高原大气热源的异常全年均以降水变化引起的凝结潜热异常为主，根据高原大气热源第一模态时空分布特征及外强迫因子，本文将高原大气热源年际变率共分为了4 类，分别为“冬季型”、“早春型”、“夏季型”、“过渡型”。

（2）“冬季型”及“早春型”高原大气热源的年际异常主要集中在高原西部地区；“夏季型”高原大气热源呈东西偶极型反相变化，最大变化中心位于高原东南部；“过渡型”高原大气热源呈南北偶极型反相变化，且南北两个异常中心对高原大气热源年际变率的贡献相当。

（3）图10 总结了影响不同类型高原大气总热源的物理过程示意图。“冬季型”高原热源年际变率主要受到中高纬遥相关波列及ENSO 和IOD 的影响（图10a）；“早春型”高原热源主要受到西欧至高原遥相关波列的影响（图10b）；“夏季型”高原热源主要受到NAO 的影响（图10c）；“过渡型”高原热源主要受到热带太平洋—印度洋SSTA 的影响，其中5 月的外强迫因子主要来自IOBM（图10d）。

图10 影响不同类型青藏高原大气总热源的物理过程示意图：（a）“冬季型”；（b）“早春型”；（c）“夏季型”；（d）“过渡型”（以5 月为代表）。“C”和“AC”分别代表气旋和反气旋异常，深蓝色箭头虚线表示Rossby 波列传播路径，蓝色环状虚线代表异常经圈环流，高原上空彩色阴影代表降水异常，蓝色（红色）竖直虚线代表异常环流的正压结构，图a、d 中红（蓝）色阴影表示正（负）SSTA异常。+IOD：印度洋偶极子正位相；+NAO：北大西洋涛动正位相；+IOBM：印度洋海盆一致模正位相Fig.10 Schematic diagram of physical processes affecting different types of total atmospheric heat source over TP: (a) “Winter type”; (b) “early spring type”; (c) “summer type”; (d) “transition type” (represented by May). “C” and “AC” represent cyclonic and anticyclonic anomalies,respectively; the dark blue dotted arrow line represents the propagation path of Rossby wave train; the blue dotted ring represents the anomalous meridional circulation; the color shadings over the plateau represent the precipitation anomalies; the blue (red) dotted vertical line represents the barotropic structure of anomalous circulation; in Figs. a and d, the red (blue) shadings represent positive (negative) SSTA. +IOD: positive phase of the Indian Ocean Dipole; +NAO: positive phase of the North Atlantic Oscillation; +IOBM: positive phase of the Indian Ocean Basin Mode

6.2 讨论

本文以站点资料为基准，选出了一套与其最接近的再分析资料JRA55 分析高原大气热源，但海拔高度的不同难免导致不同资料对高原热源的描述会有所差异。高原站点资料中高海拔区域（5000 m以上）常规气象站的缺失可能会导致热源强度被低估，而根据前人的研究（Wang et al., 2012; Duan et al., 2014; Zhu et al., 2018）以及本文的分析，不同资料中海拔高度的差异并不影响高原大气热源年际变率及其大尺度驱动因子。此外，由于高原西部气象台站稀少，本文虽然借助JRA55 再分析资料讨论了高原大气热源年际变率，但结果的可靠性在高原西部还有待进一步验证。

各月影响高原热源年际变率的驱动因子并不完全相同，而分类可能导致某些个别月份的其他次要驱动因子被忽视。例如，研究中我们发现，高原大气热源在11 月除了受到热带太平洋SSTA 影响外，还受到北大西洋SSTA 及NAO 的影响，而本文的分类导致这些驱动因子的影响似乎并不重要，因此，对于某些特殊的月份，今后还需要具体分析。

最后，本文仅分析了高原热源第一模态，但6月份前两个模态的方差贡献差异较小，均在20%左右，高原热源第二模态同样能够产生重要气候影响（Liu et al., 2020a; Hu et al., 2021），未来还需要对影响高原大气热源年际变率的其他模态的驱动因子开展研究。