2023, Vol. 53
2. 中国海洋大学海洋与大气学院，山东 青岛 266100;
3. 青岛海洋科学与技术试点国家实验室，山东 青岛 266237
热带辐合带(ITCZ, Intertropical convergence zone)是全球最大的降雨带。作为全球水循环的重要组成部分，ITCZ的位置和移动对全球气候和人类社会有重大影响。年平均意义下ITCZ的位置处于赤道以北，位于5°N—10°N之间，这说明存在显著的跨赤道降水不对称。在经典的热带海气相互作用理论研究中，一般通过热带海气耦合过程，如“风-蒸发-海表温度(SST)”理论和大陆的几何形状来解释这一现象[1-2]。
近年来，有研究从大气能量平衡的角度出发，对这一现象提出了新的解释[3-4]。这一观点认为，由于大气的比热相对较小，为了保持南北半球大气能量的平衡，需要通过热带降水和哈德莱环流(Hadley Cell, HC)来产生跨赤道能量传输来平衡热带外的不对称强迫信号，因此这一机制将热带降水和热带外因素联系起来。如果大气在北半球(南半球)热带外通过大气层顶(Top of atmosphere, TOA)和表面得到的能量较多，ITCZ就会处于北半球(南半球)，潜热释放的大气能量会通过HC的南支(北支)产生向南(向北)的跨赤道大气能量传输，从而平衡掉热带外的能量差异，因此，ITCZ也可以被看作大气能量的南北平衡位置(即大气能量的“赤道”)。在当前气候下，海洋的经向翻转环流会把海洋的表层热量向北输送并在北半球高纬度向大气放热，因此通过这一理论，这也可以解释ITCZ处于北半球这一现象[5]。
值得注意的是，基于能量框架理论，在热带关于赤道对称的大气强迫也会对ITCZ产生影响，这是因为由于气候态的ITCZ处于赤道以北，赤道上的大气能量收支会改变ITCZ以南的大气能量，进而改变ITCZ南北两侧的能量平衡。因此一般认为，ITCZ的位置与南北半球的大气能量差异成正比，即北半球大气能量比南半球越多(少)，ITCZ会越向北(南)移动；同时与赤道上的大气能量收支成反比，即赤道大气能量增加(减少)会造成ITCZ向南(北)移动[6-7]。这一现象在年际尺度上的气候异常上也可以得到体现，例如在目前观测到的厄尔尼诺事件中，ITCZ会向赤道移动，主要是因为增加了赤道处向大气净输入的能量，引起ITCZ向赤道移动[8]。
很多研究基于这一理论来解释观测和未来气候预估中的热带雨带的南北变化特征。例如有研究指出, 20世纪后半叶的热带降水南移与人为排放气溶胶有关，因为后者会通过阻挡太阳辐射造成北半球的变冷和大气能量减少[9]。也有研究表明, 历史时期的气候变化主要与气溶胶的间接作用有关，气候模式对气溶胶的模拟差异是历史模拟的模式间不确定的重要来源[10-11]。总之，不同气候模式对人为强迫的模拟差异是模式间的热带降水变化的主要来源，多模式中大气跨赤道能量和降水不对称，为负相关，平均模拟的历史时期气溶胶增加，大气跨赤道能量向北输送。在未来气候变化中，随着21世纪气溶胶排放减少，模式对气溶胶减少的模拟，加上模式本身对气候态的气溶胶模拟的差异会造成很大的模式间不确定[11]。前人利用未来情景的模拟实验结果发现，到21世纪末，气候模式中热带降水不对称变化依然受能量平衡理论调控，和大气跨赤道能量成反比，模拟跨赤道能量向南较多的模式的降水不对称，向北移动较多[11-12]。此外，尽管温室气体强迫在全球的分布相对均匀，但造成的海洋热力差异对于ITCZ的移动也有重要影响，例如前人研究认为, 南大洋在全球变暖下的增暖减缓就会有利于ITCZ在未来的南移[13]。
值得注意的是，前人的这些研究在考虑未来气候变化的不确定性时，将未来的热带降水变化的预估差异仅归因于模式间对辐射强迫响应的不同。但众所周知, 对未来气候预估的不确定性，除了模式响应差异外，气候系统内部的自然变率也是预估不确定性的重要来源之一[14]。前人基于单一模式的大集合(Large ensemble，LE)试验结果，也评估了未来气候中不同过程的预估受内部自然变率的影响[15-18]。那么对于能量框架约束下的ITCZ位置在未来情景下的变化，气候的内部变率会产生多大的影响，其影响机制与模式间差异主导的过程是否有所差异，是尚不清楚的问题。
基于以上问题，本研究使用两套LE的历史模拟和未来气候预估试验结果，通过与耦合模式比较计划(The Coupled Model Intercomparison Project, CMIP)第五、六阶段模式集合结果进行对比，理解气候内部变率对ITCZ南北移动的影响，并评估该影响与模式间差异造成的ITCZ变化不确定性在特征和机制上的不同。作者发现，对于气候系统的内部变率信号而言，其对ITCZ未来变化的影响相对较小，主要是通过热带过程产生，例如ENSO长期变化的调制和大西洋海温经向梯度变化等。不同模式由于模拟能力的差异，其调控ITCZ的动力学过程也有所不同。本研究首次评估了内部变率对ITCZ未来变化的影响，为更好地理解不同未来气候预估结果中热带降水变化差异，提高气候长期预估水平提供理论基础。
1 资料和方法本文使用的资料包括CMIP5的历史模拟试验(1850—2005年)、高排放情境典型浓度路径为8.5 W/m2(Representative Concentration Pathway, RCP8.5)的未来模拟试验(2006—2100年)、CMIP6的历史模拟试验(1850—2014年)和共享社会经济路径的高排放人为辐射强迫(SSP5-8.5)未来模拟试验(2015—2100年)的月平均数据。其中RCP8.5和SSP5-8.5的未来模拟试验均为2100年全球有效辐射强迫到8.5 W/m2。其中CMIP5中共有28个模式，CMIP6共有24个模式(见表 1)，每个模式选取第一个成员(r1i1p1)。本文使用2051—2100年的50 a的年平均和1956—2005年的50 a的年平均之差来表征未来气候预估中的变化，同时使用各个模式1956—2005年的50 a的年平均与1850—1899年的50 a的年平均的差作为历史时期的变化进行对比。以上所有的数据都被统一插值到2.5°×2.5°。
|
表 1 本文所用到的28个CMIP5和24个CMIP6模式的名称(国家或地区) Table 1 The 28 CMIP5 models and 24 CMIP6 models used in this paper (country or region) |
在研究同一模式中初始扰动差异导致的热带降水不对称差异时，本文选取了CESM1的大集合试验结果(The community earth system model large ensemble，CESM-LE)[16]，该套试验共有40个成员，使用与CMIP5模式相同的外强迫，各个成员间只有微小的初始扰动差异，因此成员间的差异均由气候系统内部变率所导致，时间范围为1920—2100年。类似的我们还选取了马克斯·普朗克研究所大集合(Max planck institute great ensemble，MPI-GE)试验结果[19]，外强迫与CESM-LE相同，共有100个成员，时间范围为1850—2100年。在大集合试验中，把2051—2100年的50 a的年平均和1956—2005年的50 a的年平均之差来表征未来变化。
本文分析气候模式中能量框架理论的大气跨赤道能量变化对热带降水不对称的调控，热带降水不对称的变化与大气跨赤道能量的变化成正比：
| $ {{\mathit{Ø}} _{{\rm{ITCZ}}}} = - \frac{1}{r}\frac{{AE{T_{{\rm{cross }} - {\rm{eq}}}}}}{{{I_0}}}。$ | (1) |
式中：
| $ \begin{array}{c} AE{T_{{\rm{cross }} - {\rm{eq}}}} = \\ \left( {\int_{ - \frac{\pi }{2}}^0 {\int_0^{2\pi } {{Q_{\rm{a}}}} } {r^2}\cos \lambda {\rm{d}}\varphi {\rm{d}}\lambda - \int_0^{\frac{\pi }{2}} {\int_0^{2\pi } {{Q_{\rm{a}}}} } {r^2}\cos \lambda {\rm{d}}\varphi {\rm{d}}\lambda } \right)/2。\end{array} $ | (2) |
大气跨赤道能量符号为正，代表向北输送能量，其中：r为地球半径；λ为经度；φ为纬度；Qa为整层大气得到的能量，包括大气层顶和大气层底得到的能量，即大气层顶的净长波辐射和短波辐射，地球表面净的长波辐射、短波辐射、感热通量和潜热通量，均以进入大气方向为正，把大气跨赤道能量单位统一为PW(1015 W)。地球表面的能量与海洋的吸热以及海洋的热含量的变化有关，并受地表反照率和海洋动力过程影响。
同时，我们定义热带降水不对称为赤道至20°N与20°S至赤道的降水平均之差[20, 12]，即：
| $ P = \overline {{P_{{0^\circ } - {{20}^\circ }{\rm{N}}}}} - \overline {{P_{{0^\circ } - {{20}^\circ }{\rm{S}}}}} 。$ | (3) |
本文选用该指数来代表热带降水的南北不对称响应信号，分析发现该指数与热带降水重心的南北移动高度相关(图略)，可以代表ITCZ的变化。
2 CMIP5/6模式中历史模拟和未来预估的热带降水变化及其不确定性分析根据能量框架理论，任何导致南北半球大气能量不对称变化的信号都会引起热带降水不对称变化，并通过大气跨赤道能量传输来平衡不对称信号。图 1显示了CMIP5/6模式历史模拟试验和未来预估试验中热带降水南北不对称信号的变化与跨赤道大气能量输送的模式间散点图。不论是在历史模拟还是未来预估试验中，二者都存在显著的负相关，相关系数分别为-0.82和-0.8(超过0.05的可信度检验)。说明当模式的降水变化在赤道以南(以北)偏多，即ITCZ南移(北移)时，对应该模式出现向北(向南)的大气能量输送(见图 1(a)、(d))。在历史模拟中，由于气溶胶在北半球排放更多[9, 21]，北半球大气能量减少，因此多模式平均而言ITCZ南移，对应热带降水不对称指数为负(见图 1(a))。而在未来模拟中，由于温室气体的显著增加和北半球气溶胶的减少，多模式平均下有异常向南的跨赤道能量输送，热带降水显著北移(见图 1(d))。
|
( (a)历史时期整层大气；(b)历史时期大气层顶；(c)历史时期表层大气；(d)未来整层大气；(e)未来大气层顶；(f)未来表层大气。冷色为CMIP5模式，暖色为CMIP6模式。误差线代表模式之间的标准差分布，细线是线性拟合。(a) The whole layer in history; (b) Top of atmosphere in history; (c) Surface in history; (d) The whole layer in the future; (e) Top of atmosphere in the future; (f) Surface in the future. Model names with cool color are from CMIP5 and warm color are from CMIP6. The Error bars denote inter-model standard deviations in CMIP5/6. The thin lines denote the linear regression. ) 图 1 CMIP5/6气候模式中热带降水不对称变化和大气跨赤道能量变化的散点图 Fig. 1 The scatter plots of change in tropical precipitation asymmetry and change of atmospheric energy transport across equator in CMIP5/6 climate models |
我们分别检验了降水不对称的变化与大气层顶(Top-of-atmosphere，TOA)的半球间能量差异，以及表层大气的半球间能量差异的关系。发现无论是在历史模拟阶段还是在未来预估阶段，降水不对称变化与大气能量半球间差异的关系主要受TOA调控(见图 1(b)、(e))，TOA的半球间能量差异与热带降水不对称变化的模式间相关在两个阶段分别为-0.78和-0.62。反之，表面大气能量的半球间差异对热带降水不对称的影响与TOA相反，具有一定的补偿作用(见图 1(c)、(f))。
考虑到热带降水不对称变化的模式间差异主要受TOA的半球不对称调控，本文进一步考查了与热带降水不对称模式间差异有关的TOA能量收支空间分布特征(见图 2)。在历史时期，与热带降水不对称相关的TOA大气能量收支主要体现为半球间的反向变化(见图 2(a))，其显著信号主要出现在热带外，其中北半球中纬度(约30°N—60°N)表现出显著的正相关，这与20世纪人为排放气溶胶排放的有关[9]，即模式中人为排放气溶胶对太阳辐射的阻挡越强(弱)，北半球大气通过TOA减少的大气净能量就越多(少)，从而造成ITCZ向南移动更多(少)。此外南半球副热带地区的TOA能量收支与热带降水不对称变化存在显著的负相关(见图 2(a))，前人研究认为这和该区域造成的云辐射反馈有关[22-23]。
|
( (a)历史时期；(b)未来。黑点表示超过95%显著性检验。(a) In history; (b) In the future. The black dots represent greater than 95% significance test. ) 图 2 CMIP5/6热带降水不对称变化和大气层顶大气能量变化相关的空间分布 Fig. 2 The spatial distribution of the correlation between change in tropical precipitation asymmetry and atmospheric energy in the top of atmosphere in each grid in CMIP5/6 models |
相较而言，对于未来气候变化的预估中(见图 2(b))，与热带降水的南北不对称响应有关的TOA能量收支虽然也表现出一定的南北半球反向变化差异，例如与极地放大效应有关的北极上空[23]，与AMOC强度变化有关的北大西洋上空[12]以及与云辐射反馈有关的副热带南半球[22]，但与历史阶段不同的是，未来热带降水不对称变化的模式间差异与赤道附近的TOA能量收支之间也存在显著的联系，特别是在热带太平洋上空，在TOA大气得到能量偏多(少)的模式中，其关于赤道的热带降水不对称现象会增加(减少)，说明对热带模拟的不确定性也会影响热带降水的变化[25]。这一现象可能与赤道海温的显著增暖，以及相对应的显著模式间差异有关[26-27]，有关的物理机制仍需要进一步进行分析。
以上分析聚焦于CMIP5/6多模式的热带降水不对称变化及其模式间差异。由于每个模式只使用一个成员试验，因此得到的模式间差异来源除了不同的模式响应之外，还包括气候系统的内部变率调制信号。因此，有必要使用单一模式的大集合试验结果专门评估内部变率造成的未来预估中热带降水变化的不确定性，进而理解影响未来热带降水变化不对称的因素。
3 大集合试验未来预估中热带降水不对称变化不确定性的研究 3.1 CESM-LE中热带降水不对称变化的不确定性及其主要机理与CMIP5/6模式间分析类似，本文分析了CESM-LE的40个成员在未来气候预估中的热带降水不对称的变化及其成员间差异。结果发现，与CMIP5/6的多模式平均结果类似，CESM-LE的40个成员均表现出热带降水不对称偏北(即ITCZ向北移动)，降水不对称变化的标准差占CMIP5/6的26.6%，成员之间的跨赤道能量输送和降水不对称变化不存在显著的相关(见图 3(a))，二者的相关系数只有0.07，说明在CESM-LE中，内部变率并非通过调控跨赤道能量传输(即南北半球的大气能量差异)来调控热带降水的非对称性，即能量框架理论在解释内部变率造成的ITCZ移动不再适用。我们同样检验了TOA和地球表面的大气能量半球间不对称信号与热带雨带的关系，在CESM-LE中二者还存在一定的补偿关系，与热带降水不对称变化的关系减弱(见图 3(b)和3(c))。
|
( (a)CESM-LE整层大气；(b)CESM-LE大气层顶；(c)CESM-LE表层大气；(d)MPI-GE整层大气；(e)MPI-GE大气层顶；(f)MPI-GE表层大气。误差线代表成员之间的标准差分布，细线是线性拟合。(a) The whole layer in history; (b) Top of atmosphere in history; (c) Surface in history; (d) The whole layer in the future; (e) Top of atmosphere in the future; (f) Surface in the future. Model names with cool color are from CMIP5 and warm color are from CMIP6. The Error bars denote inter-member standard deviations in CMIP5/6. The thin lines denote the linear regression. ) 图 3 全球变暖下大集合试验中的所有成员热带降水不对称变化和大气跨赤道能量变化的散点图 Fig. 3 The scatter plots of change in tropical precipitation asymmetry and change of atmospheric energy transport across equator in LEs under global warming |
为了理解调控CESM-LE中热带降水不对称变化的主要因素，我们进一步计算了降水不对称变化的成员间差异与整层大气能量收支变化之间的关系(见图 4(a))。与CMIP5/6模式结果不同(见图 2(b))，CESM-LE中调控热带降水不对称的大气能量在热带外很小，主要信号位于热带太平洋，呈现一个东西的偶极子分布。为了理解这一信号的形成机制，我们又计算了表面温度(Surface temperature, TS)变化与降水不对称变化的成员间差异的相关(见图 4(b))，发现在热带太平洋也存在类似的东西偶极子分布特征，即当一个成员的热带降水的热带降水向北移动更多(少)时，该成员在赤道西太平洋的海温增暖大于(小于)东太平洋，也就是热带太平洋海温的东西梯度增大(减小)，对应西太平洋(东太平洋)的大气得到热量更多(更少)。成员之间热带降水不对称变化的不确定性和热带太平洋的大气能量、海温分布有关。
|
( (a)CESM-LE和整层大气能量变化相关；(b)CESM-LE和海温变化相关；(c)MPI-GE和整层大气能量变化相关；(d)MPI-GE和海温变化相关。黑点表明超过95%显著性检验。(a) Correlation with atmospheric energy of the whole layer in CESM-LE; (b) Correlation with global surface temperature of ocean in CESM-LE; (c) Correlation with atmospheric energy of the whole layer in MPI-GE; (d) Correlation with global surface temperature of ocean in MPI-GE. The black dots represent greater than 95% significance test. ) 图 4 全球变暖下大集合试验未来热带降水不对称变化和整层大气能量变化及海温相关的空间分布 Fig. 4 The spatial distribution of the correlation between change in tropical precipitation asymmetry and atmospheric energy of the whole layer in each grid |
热带太平洋海温的纬向梯度变化会改变热带对流对海温的敏感性，导致热带降水的变化[28-29]。本文进一步分析成员之间热带太平洋的海温差异，把每个成员的海温扣除热带平均进行标准化，对海温进行成员之间的EOF。与前人的研究结果相同[17]，CESM-LE热带太平洋海温增暖分布型的成员间EOF第一模态表现为赤道太平洋海温的东西偶极子分布(见图 5(a))，与降水不对称和表面温度的成员间相关的分布一致(见图 4(b))，同时这一模态体现了ENSO振幅变化的成员间差异，即ENSO振幅在未来情景下增强(减弱)的成员，热带太平洋SST增暖在集合平均的“类厄尔尼诺”增暖型的基础上，表现出东暖(冷)西冷(暖)的偶极子分布特征[17]。计算ENSO振幅变化时，首先对Nio-3(5°S—5°N, 150°W—90°W)海温数据进行3个月滑动平均去掉季节信号，然后扣除9年滑动平均去掉年代际信号，最后把1956—2005年与2047—2096年的海温标准差作为全球变暖前后的ENSO振幅[17]。ENSO振幅变化一部分是对全球变暖的响应(集合平均)，一部分是自然变率的调制(成员间差异)。
|
图 5 (a) CESM-LE模式热带海温的成员间EOF第一模态空间(填色)分布、(b)海温EOF1的主成分序列PC1、(c)热带降水不对称变化和EOF的主成分序列PC1的散点图及(d)降水不对称变化和ENSO振幅变化的散点图 Fig. 5 (a)The spatial pattern of the first mode of EOF(shaded) on tropical TS among members in CESM-LE, (b) the principal component (PC1) of TS EOF1, (c) the scatter plot of change in tropical precipitation asymmetry and PC1 of TS and (d)the scatter plot of change in tropical precipitation asymmetry and ENSO amplitude change |
因此，我们这里猜测在CESM-LE中热带降水不对称的变化并非遵循能量约束理论，而是受ENSO振幅变化及其导致的降水异常所调控的。为了证实这一猜想，本文分别检验了CESM-LE试验中40个成员间热带降水不对称变化差异与热带太平洋增暖分布的成员间EOF第一模态主成分(PC1，见图 5(b))，以及ENSO振幅变化的成员间差异的相关性，发现均呈现显著的负相关关系(见图 5(c)、5(d))，相关系数分别达到-0.76和-0.72(均超过0.05的可信度检验)。CESM-LE中在未来预估模拟中ENSO的振幅增大(减小)的成员，热带太平洋的气候态SST就会表现出更强(更弱)的东暖西冷的增暖空间分布特征，热带降水就会出现南移(北移)的特征。这一结果表明了CESM-LE各成员之间的ENSO振幅变化的成员差异能够有效调控其热带降水不对称变化。
为了进一步验证CESM-LE未来预估模拟中ENSO振幅变化对热带降水不对称的调制作用，我们又对热带降水变化进行了成员间EOF分析，得到第一主模态如图 6(a)所示。图中显示，第一模态的空间分布在赤道东太平洋和西南印度洋为正，在热带西太平洋ITCZ所在的赤道以北太平洋为负。该模态的PC1与各成员的热带降水不对称变化存在显著的负相关(相关系数为-0.79，见图 6(c))，说明该模态能够表征热带降水不对称变化的成员间差异信号。同时该模态与ENSO振幅变化的成员间差异的相关系数高达0.93(见图 6(d))，与热带太平洋海温成员间EOF第一模态的相关达到0.96(见图 6(c))，这些结果都说明CESM-LE中的ENSO振幅变化是内部变率导致未来热带降水不对称变化的最重要的不确定性来源。
|
图 6 CESM-LE模式(a)热带降水的成员间EOF第一模态(EOF1)空间(填色)分布、(b)降水EOF1对应的主成分PC1、(c)热带降水不对称和降水PC1的散点图、(d)降水PC1和ENSO振幅变化的散点图和(e)降水PC1和表面温度的PC1的散点图 Fig. 6 (a)The spatial pattern of the first mode of EOF(shaded) among members of tropical precipitation in CESM-LE, (b) the principal component of precipitation EOF1, (c) the scatter plot of change in tropical precipitation asymmetry and precipitation PC1, (d)the scatter plot of ENSO amplitude change and precipitation PC1 and (e)the scatter plot of TS PC1 and precipitation PC1 |
在CESM-LE全球变暖模拟中，ENSO振幅变化对热带降水不对称变化有如此重要的影响，那么其影响降水的物理机制是什么？前人的工作指出，极端厄尔尼诺和中等强度厄尔尼诺事件下ENSO导致的热带降水有显著差异：其中极端厄尔尼诺，能够导致热带降水异常在赤道太平洋出现，而中等强度厄尔尼诺事件无法在赤道上形成深对流[30]。ENSO的强度变化恰恰反映了极端厄尔尼诺和中等强度厄尔尼诺的发生频率。为了探究不同强度厄尔尼诺事件在成员间的变化特征，以及如何影响热带降水不对称，本文选取变暖前后50 a时间窗口，把标准化后的海温异常超过1.5倍标准差的年份为极端厄尔尼诺发生年份，0.8~1.5倍标准差的年份定义为中等强度厄尔尼诺事件年份。由于热带海温成员间的EOF第一模态对应的主成分序列与ENSO振幅的变化有较好的相关，我们以热带太平洋海温EOF主成分绝对值超过0.8为标准，把7个ENSO振幅增加的成员和8个ENSO振幅减弱的成员分别进行合成，统计两种情况下的厄尔尼诺事件特征变化。如表 2所示，在ENSO振幅增强的成员中，极端强度厄尔尼诺事件发生频率增加，而中等强度厄尔尼诺事件的基本不变，在ENSO振幅减弱的成员中，极端强度厄尔尼诺事件发生频率减少，中等强度厄尔尼诺事件增加。
|
|
表 2 全球变暖前(后)ENSO振幅增强和减弱的成员2种厄尔尼诺事件发生数量 Table 2 The numbers of two kinds of El Nio in members with increased ENSO amplitude and decreased ENSO amplitude before (after) global warming |
本文进一步采用合成分析方法考查了极端厄尔尼诺事件和中等强度厄尔尼诺事件造成的热带太平洋降水异常特征，发现极端厄尔尼诺事件在赤道太平洋造成的降水异常强度大，在赤道南北的降水出现对称的信号，说明极端厄尔尼诺在赤道附近引起显著的对流运动，在原来ITCZ位置降水减弱；相较而言，中等强度的厄尔尼诺造成的降水异常较小，在赤道以北的信号大于赤道以南，在原来ITCZ位置强度减弱较少，这是因为中等强度的厄尔尼诺无法有效在赤道上引起对流运动[30]，两种厄尔尼诺降水异常相减表现为热带雨带向南偏移(见图 7(a))。对南北半球热带太平洋的厄尔尼诺事件降水进行合成，发现极端厄尔尼诺事件造成南半球热带降水增加，在北半球由于赤道地区的降水增加和原来ITCZ位置的降水减弱部分抵消，北半球降水异常小于南半球，因此热带降水不对称偏向南半球。而中等强度厄尔尼诺事件引起的降水异常很小，南北半球降水异常相近，因此两种厄尔尼诺事件降水差异表现为极端厄尔尼诺事件更有利于热带雨带南移(见图 7(b))。在该过程主要是赤道附近的降水调制，因此无法使用能量平衡理论来解释CESM-LE成员间降水不对称变化的不确定性(见图 3(a))。
|
图 7 CESM-LE模式极端和中等强度厄尔尼诺事件发生时热带太平洋(120°E—70°W)(a)纬向平均降水异常分布及二者之差和(b)区域平均的降水异常及南北半球不对称 Fig. 7 (a) The zonal mean distribution of precipitation anomaly in tropical Pacific (120°E—70°W) under extreme El Nio and moderate El Nio happened and their difference and (b) regional average and precipitation asymmetry in CESM-LE |
本文同时检验了ENSO振幅对不同强度拉尼娜事件发生频率的影响(图略)，在ENSO振幅增强(减弱)的成员中，中等强度(极端)的拉尼娜事件会显著增加。但与厄尔尼诺不同，不同强度拉尼娜事件对热带降水不对称的影响更小，且不同强度拉尼娜事件下的降水异常相差很小，这反映了厄尔尼诺和拉尼娜对热带降水的不对称性[31]。
3.2 MPI-GE未来预估中热带降水不对称性变化的不确定性及与CESM-LE的比较在CESM-LE试验中，未来ENSO振幅变化的不确定性对热带降水不对称变化有重要的调控作用。但这一结果只是针对CESM1这一个耦合模式，为了验证这一结果的有效性，我们同时检验了另一套大集合试验MPI-GE未来气候中热带降水不对称变化的模式间差异及其调控原因。在MPI-GE试验结果中，全球变暖下成员平均的热带降水不对称也向北移动，但变化幅度相较于CESM-LE更小，标准差只占CMIP5/6的17.2%。与CESM-LE不同，MPI-GE各成员之间的热带降水不对称变化仍然受到大气跨赤道能量调控，二者表现出显著的负相关(相关系数为-0.68)。模拟热带降水不对称更加北移的成员具有更加异常偏南的跨赤道能量通量，同时TOA和表面通量的半球间不对称性表现出一致的特征(见图 3(d)—(f))。
从成员间热带降水不对称的变化和大气能量异常相关的空间分布上看(见图 4(c))，与降水南北不对称有关的大气能量信号依然主要出现在热带地区，说明在MPI-GE试验里依然是热带而非热带外的内部变率信号调控雨带的南北移动。但与CESM-LE不同的是，在TS变化与降水不对称变化的相关上(见图 4(d))，热带降水的不对称响应在热带太平洋上并未表现出东西偶极子的特征，而是在热带太平洋出现负相关，北太平洋中纬度出现正相关分布特征。同时，在MPI-GE中ENSO振幅变化也与降水不对称变化成员间相关(r=-0.25, 图略)。这说明在MPI-GE与CESM-LE两个模式里调控热带降水不对称变化的热带机制有所不同。我们认为这和两个模式对ENSO的模拟水平有关。前人的研究指出，CESM-LE能够较好地模拟气候态热带的海温，并且较好地模拟ENSO特征，且ENSO振幅偏大[16, 32]，这在一定程度上强化了该模式里ENSO振幅调制对降水的调控作用。相较而言，MPI模式在赤道太平洋具有较强的模式冷偏差，其ENSO振幅及其对热带降水的调控作用偏弱，无法有效调控热带降水的南北移动[33]。
在ENSO振幅无法有效调控热带降水的情况下，我们发现MPI-GE中热带降水不对称与热带大西洋的海温变化存在一定的联系，相关系数表现为热带北大西洋为正，热带南大西洋为负的经向分布(见图 4(d))。前人的研究指出，热带大西洋SST存在经向模态的内部变率[34]；对大西洋的雨带南北移动有显著影响，同时大西洋的经向海温异常还对太平洋海温有一定调制作用[35]，我们认为大西洋的气候内部变率是调控MPI-GE中热带降水不对称变化成员间差异的主要原因。而大西洋气候模态的振幅相较太平洋较弱，因此MPI-GE中内部变率造成的降水不对称变化也更小，标准差占CMIP5/6的17.3%(CESM-LE占26.9%)。我们计算了两组大集合试验中热带不同经度的降水不对称信号和整个热带平均的降水不对称信号的成员间相关，来考察不同海区的降水不对称变化信号对热带平均的降水不对称变化的贡献。在CESM-LE中，对整个热带降水南北移动贡献最大的是热带太平洋(见图 8(a))；而在MPI-GE中，大西洋的降水不对称变化信号贡献最大(见图 8(b))。这一结果与我们前面的猜想一致。说明对于不同的耦合模式，其调控全球变暖下热带降水不对称变化的因素是有所差异的。
|
( 细线代表 99%显著性检验，点线为120°E，75°W海盆分界位置。Thin lines represent the 99% significant test; Dashed lines represent 120°E and 75°W basin boundary. ) 图 8 未来整个热带地区降水不对称变化和纬向每一格点热带降水不对称变化相关的纬向分布 Fig. 8 The zonal distribution of correlation between totally tropical precipitation asymmetry change with precipitation asymmetry in each zonal grid in the future |
本文基于CMIP5和CMIP6多耦合模式结果，以及两组大集合试验CESM-LE以及MPI-GE，分析了模式间差异和气候内部变率对热带降水不对称变化的影响。取得了主要以下结论：
(1) 在CMIP5/6多模式集合中，历史时期和未来的热带降水不对称变化受到大气能量框架理论的影响，与模式间大气跨赤道能量传输呈显著的负相关，表明了半球间能量的变化对于热带降水不对称的调控作用。相较历史模拟而言，全球变暖背景下热带地区的大气能量变化对热带降水不对称变化的影响更加显著，说明未来气候预估的模式间不确定性除考虑热带外强迫之外，还需考虑热带系统的响应差异对降水不对称变化的影响。
(2) 在CESM-LE模式中，成员之间的差异源于初始小扰动引起的内部变率差异，此时成员之间热带降水不对称的变化不再受半球间大气能量变化的调控，而是和ENSO振幅的成员间差异相关较好。由于不同成员模拟的ENSO振幅的增强或减弱不同，极端和中等强度的厄尔尼诺事件发生数量存在差异，在ENSO振幅增强的成员中，极端厄尔尼诺事件发生数量增多，产生的降水异常偏向南半球，热带降水不对称偏南。反之在ENSO振幅减弱的成员中，极端厄尔尼诺数量减少，中等强度厄尔尼诺数量增加，产生的降水异常很小，热带降水不对称相对偏北，由此造成了不同成员之间的热带降水不对称变化差异。
(3) 在另一套大集合试验MPI-GE中，尽管还是热带变化调控降水不对称响应的变化，但和ENSO的振幅变化关系较弱，主要受大西洋经向海温梯度变化的影响。这一差异可能与该模式模拟的ENSO较弱以及赤道太平洋海温偏低有关。尽管两套试验相较于CMIP多模式结果其热带降水不对称变化的幅度都偏小，但CESM-LE中的变化还是大于MPI-GE。
4.2 讨论从大气能量约束的角度出发，气候模式中的热带降水不对称变化主要受半球间大气能量差异，特别是热带外的能量差异(例如气溶胶、海冰、云辐射反馈等)调控。但是我们发现内部变率造成的热带降水南北移动主要受初始扰动造成的热带地区内部过程所影响。目前的研究一般使用一个成员来代表模式的响应特征，因此模式间的差异并非完全是模式的响应信号，还混杂了气候内部变率的作用，因此未来需要借助多模式的大集合试验来去除内部变率的影响，进一步分析模式间响应的差异[36]。同时我们发现不同模式中内部变率影响热带降水不对称变化的机制有所差异，这和模式对热带海洋-大气气候平均态和气候模态的模拟能力有关。因此未来提高模式对气候系统的模拟能力，是深入理解未来热带雨带南北移动，特别是其中内部变率作用的关键。
在本研究中我们指出ENSO振幅的长期变化对热带降水的南北移动有重要影响，前人的研究也指出气候模式中强迫气体的变化造成ITCZ的变化会触发ENSO事件，例如北半球火山喷发会造成ITCZ向南移动，引起厄尔尼诺发生，同时火山喷发改变大气温度梯度，副高强度减弱，信风异常也会导致厄尔尼诺事件发生[37]。因此对于全球变暖下人为强迫改变引起热带降水不对称变化后，热带气候模态的响应是否会进一步改变热带降水不对称变化, 是后续值得继续研究的问题。
| [1] |
Xie S P, Philander S G H. A coupled ocean-atmosphere model of relevance to the ITCZ in the eastern Pacific[J]. Tellus, 1994, 46(4): 340-350. DOI:10.3402/tellusa.v46i4.15484 (  0) |
| [2] |
Philander S G H, Gu D, Halpern D, et al. Why the ITCZ is mostly north of the equator[J]. Journal of Climate, 1996, 9(12): 2958-2972. DOI:10.1175/1520-0442(1996)009<2958:WTIIMN>2.0.CO;2 ( 0) |
| [3] |
Kang S M, Held I M, Frierson D M W, et al. The response of the ITCZ to extratropical thermal forcing: Idealized slab-ocean experiments with a GCM[J]. Journal of Climate, 2008, 21(14): 3521-3532. DOI:10.1175/2007JCLI2146.1 ( 0) |
| [4] |
Kang S M, Frierson D M W, Held I M. The tropical response to extratropical thermal forcing in an idealized GCM: The importance of radiative feedbacks and convective parameterization[J]. Journal of the Atmospheric Sciences, 2009(66): 2812-2827. ( 0) |
| [5] |
Frierson D M W, Hwang Y T, Fuckar N S, et al. Contribution of ocean overturning circulation to tropical rainfall peak in the Northern Hemisphere[J]. Nature Geoscience, 2013, 6(11): 940-944. DOI:10.1038/ngeo1987 ( 0) |
| [6] |
Schneider T, Bischoff T, Gerald H. Migrations and dynamics of the intertropical convergence zone[J]. Nature, 2014, 513: 45-53. DOI:10.1038/nature13636 ( 0) |
| [7] |
Adam O, Bischoff T, Schneider T. Seasonal and interannual variations of the energy flux equator and ITCZ. Part Ⅰ: Zonally averaged ITCZ position[J]. Journal of Climate, 2016, 29(9): 3219-3230. DOI:10.1175/JCLI-D-15-0512.1 ( 0) |
| [8] |
Bischoff T, Schneider T. Energetic constraints on the position of the intertropical convergence zone[J]. Journal of Climate, 2014, 27(13): 4937-4951. DOI:10.1175/JCLI-D-13-00650.1 ( 0) |
| [9] |
Hwang Y T, Frierson D M W, Kang S M. Anthropogenic sulfate aerosol and the southward shift of tropical precipitation in the late 20th century[J]. Geophysical Research Letters, 2013(40): 2845-2850. ( 0) |
| [10] |
Wilcox L J, Highwood E J, Dunstone N J. The influence of anthropogenic aerosol on multi-decadal variations of historical global climate[J]. Environmental Research Letters, 2013(8): 024033. ( 0) |
| [11] |
Rotstayn L D, Collier M A, Luo J J. Effects of declining aerosols on projections of zonally averaged tropical precipitation[J]. Environmental Research Letters, 2015(10): 044018. ( 0) |
| [12] |
McFarlane A A, Frierson D M W. The role of ocean fluxes and radiative forcings in determining tropical rainfall shifts in RCP8. 5 simulations[J]. Geophysical Research Letters, 2017, 44(16): 8656-8664. DOI:10.1002/2017GL074473 ( 0) |
| [13] |
Hwang Y T, Xie S P, Deser C, et al. Connecting tropical climate change with Southern Ocean heat uptake[J]. Geophysical Research Letters, 2017, 44(18): 9449-9457. DOI:10.1002/2017GL074972 ( 0) |
| [14] |
Hawkins E, Sutton R. The potential to narrow uncertainty in regional climate predictions[J]. Bulletin of the American Meteorological Society, 2009, 90: 1095-1107. DOI:10.1175/2009BAMS2607.1 ( 0) |
| [15] |
Deser C, Phillips A S, Bourdette V, et al. Uncertainty in climate change projections: The role of internal variability[J]. Climate Dynamics, 2012, 38: 527-546. DOI:10.1007/s00382-010-0977-x ( 0) |
| [16] |
Kay J E, Deser C, Phillips A, et al. The community earth system model (CESM) large ensemble project: A community resource for studying climate change in the presence of internal climate variability[J]. Bulletin of the American Meteorological Society, 2015, 96: 1333-1349. DOI:10.1175/BAMS-D-13-00255.1 ( 0) |
| [17] |
Zheng X T, Hui C, Yeh S W. Response of ENSO amplitude to global warming in CESM large ensemble: Uncertainty due to internal variability[J]. Climate Dynanics, 2018, 50: 4019-4035. DOI:10.1007/s00382-017-3859-7 ( 0) |
| [18] |
Zheng X T, Hui C, Xie S P, et al. Intensification of El Nio rainfall variability over the tropical Pacific in the slow oceanic response to global warming[J]. Geophysical Research Letters, 2019, 46: 2253-2260. DOI:10.1029/2018GL081414 ( 0) |
| [19] |
Maher N, Milinski S, Suarez-Gutierrez L, et al. The max planck institute grand ensemble: Enabling the exploration of climate system variability[J]. Journal of Advances in Modeling Earth Systems, 2019, 11: 2050-2069. DOI:10.1029/2019MS001639 ( 0) |
| [20] |
Allen R J, Evan A T, Booth B B. Interhemispheric aerosol radiative forcing and tropical precipitation shifts during the late twentieth century[J]. Journal of Climate, 2015, 28(20): 8219-8246. DOI:10.1175/JCLI-D-15-0148.1 ( 0) |
| [21] |
Shi J R, Xie S P, Talley L D. Evolving relative importance of the Southern Ocean and North Atlantic in anthropogenic ocean heat uptake[J]. Journal of Climate, 2018(31): 7459-7479. ( 0) |
| [22] |
Hwang Y T, Frierson D M W. Link between the double-intertropical convergence zone problem and cloud biases over the Southern Ocean[J]. Proceedings of the National Academy of Sciences, 2013, 110(13): 4935-4940. DOI:10.1073/pnas.1213302110 ( 0) |
| [23] |
杨静, 郑小童. 全球变暖不同阶段热带辐合带的移动及其与大气能量输送的关系[J]. 中国海洋大学学报(自然科学版), 2020, 50(4): 1-11. Yang J, Zheng X T. The Intertropical Convergence Zone shift and its relationship with atmospheric energy transport change at different stages of global warming[J]. Periodical of Ocean University of China, 2020, 50(4): 1-11. ( 0) |
| [24] |
England M R, Polvani L M, Sun L, et al. Tropical climate responses to projected Arctic and Antarctic sea-ice loss[J]. Nature Geoscience, 2020, 13: 275-281. DOI:10.1038/s41561-020-0546-9 ( 0) |
| [25] |
Long S M, Xie S P, Zheng X T, et al. Fast and slow responses to global warming: Sea surface temperature and precipitation patterns[J]. Journal of Climate, 2014, 27(1): 285-299. DOI:10.1175/JCLI-D-13-00297.1 ( 0) |
| [26] |
Liu Z, Vavrus S, He F N, et al. Rethinking tropical ocean response to global warming: The enhanced equatorial warming[J]. Journal of Climate, 2005, 18: 4684-4700. DOI:10.1175/JCLI3579.1 ( 0) |
| [27] |
Huang P, Ying J. A multimodel ensemble pattern regression method to correct the tropical Pacific SST change patterns under global warming[J]. Journal of Climate, 2015, 28: 4706-4723. DOI:10.1175/JCLI-D-14-00833.1 ( 0) |
| [28] |
Xie S P, Deser C, Vecchi G A, et al. Global warming pattern formation: sea surface temperature and rainfall[J]. Journal of Climate, 2010, 23: 966-986. DOI:10.1175/2009JCLI3329.1 ( 0) |
| [29] |
Zheng X T, Xie S P, Lv L H, et al. Intermodel uncertainty in ENSO amplitude change tied to Pacific Ocean warming pattern[J]. Journal of Climate, 2016, 29: 7265-7279. DOI:10.1175/JCLI-D-16-0039.1 ( 0) |
| [30] |
Xie S P, Peng Q, Kamae Y, et al. Eastern Pacific ITCZ dipole and ENSO diversity[J]. Journal of Climate, 2018, 31: 4449-4462. DOI:10.1175/JCLI-D-17-0905.1 ( 0) |
| [31] |
Burgers G, Stephenson D B. The "normality" of El Nio[J]. Geophysical Research Letters, 1999, 26: 1027-1030. DOI:10.1029/1999GL900161 ( 0) |
| [32] |
Hurrell J W, Holland M M, Gent P R, et al. The community earth system model: A framework for collaborative research[J]. Bulletin of the American Meteorological Society, 2013, 94: 1339-1360. DOI:10.1175/BAMS-D-12-00121.1 ( 0) |
| [33] |
Ng B, Cai W, Cowan T, et al. Impacts of low-frequency internal climate variability and greenhouse warming on El Nio-Southern Oscillation[J]. Journal of Climate, 2021, 34: 2205-2218. DOI:10.1175/JCLI-D-20-0232.1 ( 0) |
| [34] |
Chang P, Ji L, Li H. A decadal climate variation in the tropical Atlantic Ocean from thermodynamic air-sea interactions[J]. Nature, 1997, 385: 516-518. DOI:10.1038/385516a0 ( 0) |
| [35] |
Ham Y G, Kug J S, Kim D, et al. What controls phase-locking of ENSO to boreal winter in coupled GCMs?[J]. Climate Dynamics, 2013, 40: 1551-1568. DOI:10.1007/s00382-012-1420-2 ( 0) |
| [36] |
Zheng X T. Indo-Pacific climate modes in warming climate: Consensus and uncertainty across model projections[J]. Current Climate Change Report, 2019, 5: 308-321. DOI:10.1007/s40641-019-00152-9 ( 0) |
| [37] |
Pausata F S R, Zanchettin D, Karamperidou C, et al. ITCZ shift and extratropical teleconnections drive ENSO response to volcanic eruptions[J]. Science Advances, 2020, 6: eaaz5006. DOI:10.1126/sciadv.aaz5006 ( 0) |
2. College of Oceanic and Atmospheric Science, Ocean University of China, Qingdao 266100, China;
3. Pilot National Laboratory for Marine Science and Technology(Qingdao), Qingdao 266237, China