内部变率和全球变暖对春季北太平洋维多利亚模态增强的相对贡献

刘宇豪，丁瑞强，李 扬

(1.成都信息工程大学大气科学学院/高原大气与环境四川省重点实验室，四川 成都 610225；2.北京师范大学环境演变与自然灾害教育部重点实验室，北京 100875)

中高纬度地区海气相互作用可以通过海洋-大气耦合桥、陆地-大气耦合桥、海冰-大气耦合桥和链式耦合桥等不同的影响路径和方式对东亚气候变率和变化产生影响，对温度和降水的影响尤为明显[1]。近年来，对中高纬度海气相互作用的研究受到越来越多关注，其中对北太平洋区域的研究不断增多[2]。Bond 等[3]研究表明，北太平洋海表面温度（SST）在1999—2002 年间显著变化，其变化与北太平洋20°N 以北的海表面温度异常（SSTA）经验正交函数分解第二模态（EOF2）的增强密切相关，该模态被命名为维多利亚模态（Victoria mode，VM）。VM对紧邻的中东亚区域与北美区域的天气和气候变化都有着重要影响[3-9]。VM也可通过多种机制影响厄尔尼诺-南方涛动（ENSO）发生发展，如VM 扮演海洋桥梁的角色，主要通过副热带/热带太平洋中与VM 有关的海气耦合机制[季节足迹机制（SFM）][10]和赤道次表层与VM 有关的海温异常[信风充电机制（TWC）][11]影响接下来冬季ENSO 的变化。其中与VM 有关的SFM 机制可能比TWC 机制更有利于ENSO的发生[12]。VM 模态在春季强度最强，且年际变率在近几十年一直增强，并在1980年后超过第一模态太平洋年代际振荡（PDO）的强度[3]。目前研究指出VM 变率的大部分可以由北太平洋涛动（NPO）大气强迫解释[12-14]，NPO 相关的异常地面风可以在北太平洋强迫形成类似三极子的海温模态（包括北太平洋VM 在20°N 向的偶极SSTA 形态，以及位于北太平洋中东部的副热带正SSTA）。春季（2—4月，FMA）期间的强VM 很可能是对冬季（12—2 月，DJF）期间NPO 强迫的延迟（1～2 个月）响应[4]。然而，春季VM 模态强度增强的强迫解释目前并未见诸报道。一百多年来，全球气温持续升高，IPCC 第六次评估报告指出2011—2020 年全球平均气温相对于1850—1900 年升高约1.1 ℃[15]，陈广超等[16]基于CMIP5 模式数据指出全球变暖已经导致PDO 发生显著变化，如PDO 的振幅得到加强，周期变短。VM模态为北太平洋海温异常的EOF2模态，而罕见全球变暖的背景对其春季年际变率增强的相对贡献研究。

基于以上原因，本研究针对1900—2021 年（共122 a）春季VM 模态的时空特征分布变化以及内部变率和全球变暖对春季VM 模态增强的相对贡献进行定量分析，旨在揭示VM 模态在一百多年的长期变化及内部变率和全球变暖对春季VM 模态年际变率增强的作用。

1 数据与方法

1.1 数据

选择英国哈德莱（Hadley）中心发布的全球海冰海温数据集（HadISST），水平分辨率为1°×1°，资料长度选择1900—2021 年[17]。第六次国际耦合模式比较计划（CMIP6）模式，数据空间分辨率因模式不同而不同，本研究中，使用模式前将所有模式数据统一插值到1°×1°的网格点，资料长度选择1900—2014 年，所选模式实验信息见表1。由于只有12 个模式同时满足4种强迫场景，因此，只挑选符合条件的模式进行研究，其基本情况信息说明见表2。

表1 选择的4个CMIP6模式实验信息Table 1 Information on the four selected CMIP6 model tests

表2 选择的12个CMIP6模式基本情况信息Table 2 Basic information on the 12 selected CMIP6 models

1.2 指数定义

根据Bond 等[3]和Ding 等[4]的研究，对北太平洋（124.5°E—100.5°W，20.5N°—65.5°N）海温距平（去除全球平均海温）进行经验正交分解得到前两个模态。第一模态（EOF1）为太平洋年代际振荡（PDO，图1(a)），对应的时间系数（PC1）为PDO 指数（PDOI，图1(c)）；第二模态（EOF2)为维多利亚模态（图1(b)），其对应的时间系数（PC2）定义为VM指数（VMI，见图1(d)）。

图1 PDO(EOF1)和VM(EOF2)对应空间分布和时间序列Fig.1 Spatial patterns and corresponding PCs of the PDO(EOF1)and VM(EOF2)

1.3 分离内部变率和外强迫

前人研究中，用于区分内部变率信号和外部强迫的方法主要包括：简单线性去趋势法[18]、去除所有气候系统模式集合平均法[19]或从单一模式的集合平均估算强迫信号法[20]、目标区域回归法等[21]。然而这些方法都存在各自不同的缺陷。近年来，有研究提出，用线性回归方法分离内部变率和外部强迫，该方法考虑了外强迫的时间非线性特征以及模式的响应偏差问题[22]，能更好地分离出内部变率和外部强迫。其中Gan等[23]使用该方法定量得到全球变暖和内部变率对中太平洋厄尔尼诺频率增强的贡献，Zhao 等[24]使用该方法揭示全球变暖和大气内部变率在热带气旋长期变化中的作用。

2 维多利亚模态在近百年时空特征的变化

2.1 维多利亚模态在近百年空间特征的变化

根据海表温度资料的时间长度，将VM模态在近百年来的变化分为两个阶段，第一阶段为1900—1960年（共61 a），第二阶段为1961—2021 年（共61 a），对两个阶段分别作EOF 分解得到VM 模态。图2 为VM 模态在1900—1960 年和1961—2021 的空间分布情况。对比分析VM 模态在两个阶段不同的空间特征，得到结果如下：（1）从空间模态上来看，第一阶段VM 模态正异常中心区域较小，出现在北太平洋偏东方向，负异常中心出现在北太平洋西南方向；第二阶段VM模态正异常中心区域较大，出现在北太平洋东北方向，负异常中心出现在北太平洋的西南方向。整体来看两个阶段的北太平洋都呈现出东北-西南方向的SST 异常。（2）从前后强度对比来看，VM 模态变得更强，北太平洋东北方向正异常中心范围有所增大，中心值也变得更大，由0.3°C增强到0.4 °C；北太平洋西南方向负异常中心的中心值由-0.2 °C 增强到-0.3 °C。且VM 模态在1961—2021 年第二阶段期间的解释方差（13.1%）明显高出1900—1960 年第一阶段期间的解释方差（9.3%），VM模态的东北-西南方向的偶极子型结构更明显。

图2 VM模态在1900—1960年(a)和1961—2021年(b)空间分布(均通过North检验)Fig.2 Spatial distribution of VM modes in 1900—1960(a)and 1961—2021(b)(both pass North test)

选择VM 模态的正异常中心（40°N—55°N，170°E—232°E）和负异常中心（20°N—35°N，125°E—187°E）进行研究（图3(a)），通过用正异常中心的海温异常时间序列减去负异常中心的海温异常时间序列作为关键海温区的海温异常时间序列，该海温异常时间序列定义为VM-box，将得到的关键海温区海温异常时间序列与同期春季VMI 的做相关分析，得到的相关系数达到0.94（通过置信度为99%的显著性检验，图3(b)）。逐年的时间序列两者相关系数也达到0.90（通过置信度为99%的显著性检验，未显示），故大致认为该区域是影响VM 模态增强的关键区域。同时，VM-box 进行同样的滑动处理，分析其年际变率变化，得到的结果与VMI相似，也呈现出明显的上升趋势（通过置信度为99%的显著性检验，图3(c、d)），从侧面表明春季VM 模态增强的事实。

图3 VM模态关键海温区域范围及海表温度异常时间序列变化Fig.3 The range of key SST regions in VM mode and the time series changes of SST anomalies

2.2 维多利亚模态事件在近百年发生频率的变化

由于VM 模态在每年的春季（2—4 月，FMA）强度达到最强，VMI 的方差也在该时间段达到最大值，故将VM 事件按照春季3 月平均指数（FMA VMI）的大小进行分类（表3）：FMA VMI ≥1 或者≤-1 倍标准差的年份定义为强VM 年，将0.5 ≤FMA VMI ＜1 和-1 ＜FMA VMI ≤-0.5 倍标准差的年份定义为中等强度VM 年，-0.5 ＜FMA VMI ＜0.5 倍标准差的年份定义为弱VM 年。然后按照FMA VMI 的大小对两个阶段的VM 事件年进行分类（表3），得到以下结果：（1）强VM 年在第二阶段强的出现次数（共22 次）明显高于第一阶段强VM 年的出现次数（共11 次），是第一阶段出现强VM 年的总年份数的2 倍；（2）第二阶段出现中等强度以上VM 事件年的总次数（39 a）大于第一阶段出现中等强度以上VM事件年总次数（33 a）；（3）第二阶段出现的负位相强VM 年频率（12/22）明显高于第一阶段出现负位相强VM 年的频率（3/11），但第二阶段正位相强VM年频率（10/22）和第一阶段出现正位相VM 年的频率（8/11）差别不大，负位相强VM 年的增长频率远高于正位相强VM年的增长频率。

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

3 内部变率对春季维多利亚模态增强的贡献

为更加合理得到海温场中的内部变率信号，对所选模式数据进行多模式集合平均（MME）消除不同模式成员之间的不相关的内部变率信号，其中，模拟的平均结果来表示外部强迫信号。本研究所选择的模式数据得到的外强迫信号空间模式分布见图4，可以得到3种外强迫信号（GHG、AER、NAT）的空间分布大致一致。使用3 种外强迫信号强迫的MME 结果计算VM 模态时间序列（TGHG、TNAT和TAER）。将观测数据的VM模态时间序列与TGHG、TNAT、TAER进行多元线性回归，得到回归方程YVMI=-0.09XTGHG-0.22XTNAT-0.14XTAER+r（r为残差）。通过对观测海温场的VMI 序列使用线性回归方法去除外部强迫信号，去除外强迫信号后得到的VMI序列即为得到的内部变率，然后利用线性倾向估计法建立VMI 时间序列和得到内部变率与时间的的一元线性回归方程来表达他们之间的线性变化趋势（虚线，加rc表示）。

使用滑动标准差（STD）和滑动均方根（RMS）两种方法分析春季VM 模态的年际变率变化，利用Mann-Kendall 趋势检验法对两种方式得到的结果进行检验，可以发现内部变率的年际变率都呈上升趋势（图5）。其中，利用RMS 方法得到的内部变率的年际变率变化趋势是0.001/a（通过置信度为99%的显著性检验），春季VM模态年际变率变化趋势是0.003/a（通过置信度为99%的显著性检验）。利用STD 方法得到的内部变率的年际变率变化趋势是0.001/a（通过置信度为99%的显著性检验），春季VM 模态年际变率变化趋势是0.003/a（通过置信度为99%的显著性检验）。在1980 年前，内部变率的年际变率变化趋势与春季VM 模态变化趋势基本一致；1980 年后，春季VM 模态的年际变率变化趋势大于内部变率的变化趋势。

图5 内部变率(IV)和VM(OBS)在1900—2014年春季的年际变率变化Fig.5 Interannual variability changes of internal variability(IV)and VM(OBS)in the spring of 1900—2014

利用线性倾向估计得到春季VM 模态和内部变率在1900—2014 年之间的年际变率总变化（图6）。由于使用RMS 方法得到的春季VM 模态年际变率变化和内部变率的年际变率显著性水平比利用STD 方法得到的春季VM 模态和内部变率的年际变率显著性水平高，因此，选择对RMS 方式得到的结果进行讨论。春季VM 模态年际变率在此期间增长0.32，分离出的内部变率的年际变率在此期间增长0.11，得到内部变率对于春季VM 增强的贡献占到34.38%。

图6 春季VM模态在1900—2014年际变率总变化Fig.6 Total variation of spring VM modal interannual variability from 1900 to 2014

4 全球变暖对春季维多利亚模态增强的贡献

为更准确研究全球变暖对VM 模态增强的的贡献，该部分计算VMI 时并未去除全球变暖的信号。同时，使用泰勒图评估CMIP6 模式对观测数据中VM 模态模拟的能力（图7）。选择其中相关系数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个模式）做集合模式平均。将得到的平均结果进行研究，从而更准确地识别和量化全球变暖对春季VM模态增强的相对贡献。

图7 CMIP6多模式对VM模态模拟结果泰勒图Fig.7 Taylor diagram of CMIP6 multimodal simulation results for VM modes

图8 为3 种强迫情景（ALL、GHG、Nat）下1900—2014 年春季VM 模态的年际变率变化，发现3 种情境下春季VM 模态的年际变率均增强。利用Mann-Kendall 趋势检验法对两种方式进行检验，得到利用RMS 方法得到的全球变暖情景下春季VM模态的年际变率变化趋势是0.002 59 a-1（通过置信度为99%的显著性检验），自然情景下春季VM模态的年际变率变化趋势是0.003 51 a-1（通过置信度为99%的显著性检验），全强迫情景下春季VM 模态的年际变率变化趋势是0.005 03 a-1（通过置信度为99%的显著性检验）。利用STD方法得到的全球变暖情景下春季VM 模态的年际变率变化趋势是0.002 78 a-1（通过置信度为99%的显著性检验），自然情景下春季VM 模态的年际变率变化趋势是0.006 20 a-1（通过置信度为99%的显著性检验），全强迫情景下春季VM 模态的年际变率变化趋势是0.004 87 a-1（通过置信度为99%的显著性检验）。利用线性倾向估计得到全强迫情景和全球变暖情景下春季VM 模态的年际变率在1900—2014 年之间的总变化（图9）。由于两种方式得到的结果通过的显著性检验水平一致，因此，选择两种方法得到的结果做平均处理后进行讨论。全强迫情景下的春季VM 模态的年际变率在此期间增长0.46，全球变暖情景下的春季VM 模态的年际变率在此期间增长0.21，得到全球变暖对于春季VM模态增强的贡献占到46.67%。

图8 全强迫情景(ALL，黑色)、温室气体强迫(GHG，红色)、自然强迫(Nat，绿色)下1900—2014年春季VM模态的年际变率变化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)

图9 多模式集合春季VM模态年际变率总变化Fig.9 Total change in interannual variability of spring VM modes in multi-mode ensemble

5 结论

本研究利用1900—2021 年HadISST 海温数据、1900—2014 年CMIP6 模式数据对VM 模态在近百年的时空变化、内部变率和全球变暖对春季VM 模态增强的相对贡献进行研究，主要得到以下结论：

(1)根据研究时间长度，分为1900—1960 年和1961—2021 年两个阶段进行对比，得到两个时间段VM 模态的时空特征分布，发现VM 模态的解释方差从9.3%增长到13.1%，东北-西南向的倾斜海温距平偶极子结构变得更明显，发生强和弱VM 事件年的频率也明显提高。

(2)通过多元线性回归方法定量得到内部变率和全球变暖对春季VM 模态年际变率在1900—2014 年的增强的相对贡献：全球变暖占春季VM 模态年际变率增强作用的46.67%；内部变率占春季VM模态年际变率增强作用的34.38%。

第二阶段（1961—2021 年）北太平洋出现更多的负位相强VM 事件年的原因，同时对于内部变率和全球变暖具体影响春季VM 模态增强的机制以及对于未来情景下，内部变率和全球变暖对于维多利亚模态的影响值得进行深入研究。