2021, Vol. 51
近几十年来，随着全球变暖，西南极洲冰原表面融化程度和持续时间不断增加[1-2]，而云通过调节南极冰原的物质平衡和地表能量收支平衡等方式在其中扮演着一个至关重要的角色。许多研究讨论了由云相态频率的时空变化如何引起地表净辐射的变化[3-4]，但这样的分析忽视了云的不同相态在净辐射强迫中的不同贡献。对不同云相态的模拟误差是导致全球模式此前在南大洋和南极大陆上空能量收支平衡出现误差的主要原因[5-8]。总体来说，云相态频率的时空分布对中高纬度地区地表辐射能量收支平衡具有极大的影响[9]，而分析云相态频率和地表辐射通量的时空分布，已成为当今研究极地能量收支平衡变化的重点之一。
基于不同的数据，前人对云相态频率的气候态分布已有部分研究。近期的现场观测研究表明，过冷液态水云可以在-32 ℃的低空云层中存在[10]，并且通过卫星反演资料可知，过冷水云、混合相态云广泛地存在于南大洋及南极大陆中[11]。Listowski等[12]基于卫星数据系统地研究了2006—2010年南半球中高纬度不同相态云的水平分布与垂直分布，并探讨了云相态频率与海冰浓度的关系。基于对不同相态云气候态分布认识的不断提升，其对应的辐射强迫贡献也有了相应的研究进展：Bennartz等[13]的研究表明，低层的液态水云频率的异常上升对极地大陆冰原融冰事件的发生具有强烈的促进作用; Matus等[14]的研究则指出，由于反照率的不同，在海上云对下垫面降温作用较强。Wang等[15]发现了冬季云相态频率异常对次年夏季海冰重建的贡献，并探讨了云通过云辐射效应来影响海冰浓度的机制。前人对南半球云相态分布及影响已有部分研究，但多是对不同相态云的云相态频率与云辐射效应的气候态分布进行探究，无法在年际尺度上解释云相态频率变化及其对地表辐射收支平衡年际变化的贡献。
在年际尺度上，南半球高纬度地区的大气环流变化的主导模态是南半球环状模(SAM)[16-18]。它反映了南半球中高纬度气压场的“跷跷板”现象，并体现环绕南极洲的西风强度和位置，SAM指数的年际变化体现了南半球高纬度地区的最主要的大气环流变化。随着SAM指数的升高，南半球中高纬度位势高度场以阿蒙森海为低压中心(Amundsen Sea Low, ASL)呈现东-西偶极子分布，ASL西侧罗斯海区域西南风增强、东侧别林斯高晋海西北风增强、北部大洋西风增强、南侧南极大陆东风增强，由此造成的气候变化十分显著[19-21]。Lubin等[22]通过合成分析对正SAM指数月份的云参数与负SAM指数月份的云参数作差，发现在西南极洲附近，正SAM年与负SAM年云相态频率的分布有较大差异，并且云相态频率的改变同时伴随着风向、风速的改变。南极大气环流变化、云相态频率变化与SAM息息相关，但先前对云年际变化的研究通常基于较短时间的卫星观测，因此对不同相态云大范围的空间分布随SAM的年际变化知之甚少。
西南极洲为南极洲在50°W—160°W之间的地区，纬度范围为60°S—90°S。由于西南极洲远离其他大陆，飞机和舰载仪器只能在较小的时间和空间尺度上进行对西南极洲云的观测，无法长时间、大范围地研究云的微物理特性。并且由于极地区域被动卫星观测的不确定性，南极上空的云相态和辐射影响未得到充分研究[9]。而在2006年美国航天局(NASA)与法国国家中心发射了云气溶胶激光雷达和红外探测器卫星(Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation, CALIPSO)[23]以及CloudSat卫星[24]，基于两种卫星数据反演得到2B-CLDCLASS-LIDAR产品。微波雷达和激光雷达的测量共同提高了整体云的探测效率，并提供了2B-CLDCLASS-LIDAR产品中云相态分类所需的信息。在2011年之后由于A-Train卫星电池组出现故障，使夜间数据丢失。另外由于西南极洲区域纬度较高，冬季(6—8月)多数时间处于极夜，2B-CLDCLASS-LIDAR产品的有效数据较少，而夏季(12—2月)西南极洲大气环流随SAM指数的变化较春季(9—11月)不明显[25]，因此本文仅探究西南极洲春季白天云相态随SAM指数的年际变化。
本文基于上述星载卫星轨道数据，以2006—2017年春季西南极洲上空的云作为研究对象，在水平和垂直方向上研究其云相态的空间分布特征和云相态随SAM指数的年际变化，并同时探讨了云相态空间分布的因素与驱动其随SAM年际变化的原因。此外，本文还讨论了云相态频率的年际变化如何影响云辐射强迫的年际变化，这对认识整个西南极洲的地表能量收支平衡并改善全球气候模式中云相态的模拟都有着十分重要的作用，具有重要的学术价值。
1 数据及方法 1.1 数据 1.1.1 星载激光雷达轨道数据本文使用CloudSat卫星数据处理中心提供的CloudSat和CALIPSO激光雷达2B级云分类产品(2B-CLDCLASS-LIDAR)对云相态进行分类，用来在水平方向上和垂直方向上对西南极洲附近的云进行处理分析(数据下载地址为http://www.cloudsat.cira.colostate.edu/order-data)，此产品结合了CALIPSO激光雷达和CloudSat微波雷达不同的测量优点，即微波雷达更易穿透较厚的云层、激光雷达不受地面微波信号干扰，通过判断液体和冰粒之间的后向散射程度、快速消光系数和去极化程度来区分云相态。通常，激光雷达探测到更高的后向散射信号、更大的快速消光系数等参数可判断为液态水云，反之则为冰云。对于混合相态云而言，使用基于温度的雷达反射率阈值将其与液态水云区分开来，其中较高的反射率表明存在冰。在本研究中，含液水云与冰云空间结构与年际变化均不同，所以使用2B-CLDCLASS-LIDAR产品将云分为冰云与含液水云两类。含液水云是指根据2B-CLDCLASS-LIDAR云相分类识别出液相或混合相的任何连续云层。仿照Matus等[14]的算法，如果在多个不同的云层中识别出2种以上的云相态，即该多云层场景包含冰云、液态水云、混合相态云其中两种云相态，则将该场景分类为含液水云相态，其余有云情形均分类为冰相态。
1.1.2 ERA5再分析数据本文使用欧洲中尺度天气预报中心ECMWF提供的2006—2017年春季ERA5月平均数据场(2(°)×2(°))。ERA5是最新的全球大气再分析资料用以代替ERA-Interim数据(数据下载地址为https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-pressure-levels-monthly-means?tab=overview)。它提供了300 hPa以下的18层数据用以观测西南极洲大气环流背景场并探究驱动云相态年际变化的因素。本文使用的物理量主要包括海平面气压、气温、比湿、经向和纬向风速、垂直速度、相对湿度，主要用于分析物理量气候态平均分布和年际变化特征。
1.1.3 CERES云辐射强迫数据本文使用美国国家航天局(NASA)云与地球辐射能系统(Clouds and the Earth’s Radiant Energy System, CERES)提供的2006—2017年春季月平均向下长波和短波云辐射强迫数据。数据下载地址为https://ceres.larc.nasa.gov/data/。该资料主要用于分析云辐射强迫的气候态分布及年际变化特征。
1.2 数据处理方法 1.2.1 SAM指数仿照Gong等[16]的方法，本文使用ERA5再分析数据提供的月平均海平面气压场数据，将45°S与65°S的平均海平面气压差归一化得到逐月SAM指数，并在2006—2017年的时间尺度上作去趋势化处理。
1.2.2 水平和垂直云相态频率本文仿照Scott等[9]的方法来计算水平方向与垂直方向的冰云频率与含液水云频率，并在西南极洲区域将经纬度按2(°) × 2(°) 划分成若干个网格点，在此基础上计算每个网格点中的月平均云相态频率(CFreq(i, j))：
| $ {CFreq}(i, j)=\frac{1}{N(i, j)} \sum\limits_{p=1}^{N(i, j)} n_{p, \text { cloud }}(i, j) 。$ |
式中：N代表了卫星轨迹格点在2(°) × 2(°) 的经纬度网格(i, j)中的数量，如果在垂直廓线中发现有某相态云的云层存在，则n = 1。因此本文所计算的月平均云相态水平分布频率是指在当月内某2(°) × 2(°)的经纬度网格中出现云廓线的数量除以总廓线的数量得出，代表该月中云出现的频率。
在垂直方向上，本文将西南极洲区域的大气划分为三维的空间，其垂直分辨率为240 m，水平方向则为1 °，这是因为在本研究中仅研究40°W—160°W的纬向云相态频率分布，经向云相态频率则被平均。当主动卫星观测到一个云层时，将以240 m为垂直分辨率增加在这个云底高度到云顶高度中的n，然后通过除以每个网格单元中的N总数(晴朗加上多云)对所有网格进行平均处理。月平均云相态垂直分布频率即代表在某高度层上云相态出现的频率。
通过上述方法的处理可以得到2006—2017年春季日间云相态水平分布与垂直分布频率。之后使用线性回归分析来探讨逐月云相态频率的距平与逐月SAM指数之间的关系以得知云相态频率随SAM指数的年际变化，并使用t检验来评估统计显著性。
2 气候态分布图 1展示了在西南极洲不同相态云2006—2017年春季平均云相态频率。该图表明在春季不同的云相态具有不同的空间分布差异。冰云一般分布于西南极洲较高海拔的区域(见图 1(a))，而含液水云一般分布于南大洋海面上(见图 1(b))，且越靠近南极大陆及大陆冰架云相态频率越少。与此同时，即使处于同一纬度下，总云频率在南极半岛东侧和西侧也有不同(见图 1(c))，南极半岛水平分布的云相态频率东侧较西侧为少，这种差异主要是由于含液水云的分布不均造成的。本文将西南极洲不同区域按纬度划分为海岸扇区(65°S—75°S, 40°W—160°W)与内陆扇区(75°S—80°S, 40°W—160°W)，以分析云的垂直结构。
|
(黑色等值线代表地势高度，间隔500 m，最外侧黑色等值线地势高度为0 m(下同)。在(a)~(b)中标注出西南极洲重要的地理信息，(c)中将西南极洲区域划分为海岸扇区(65°S—75°S, 40°W—160°W)与内陆扇区(75°S—80°S, 40°W—160°W)。The black contours show topography at 500m intervals and the outermost black contour shows the height of 0m(the same hereinafter). Important geographic information of West Antarctica is marked in (a)~(b) and the West Antarctica is divided into coastal transect (65°S—75°S, 40°W—160°W) and interior transect (75°S—80°S, 40°W—160°W) in (c). ) 图 1 2006—2017年春季白天平均的(a)冰云频率(填色，单位：%)、(b)含液态水云频率(填色，单位：%)、(c)总云频率(填色，单位：%)及在西南极洲上空的水平分布 Fig. 1 Springtime (SON) climatology of (a) ice cloud frequency (color shading; unit: %), (b) liquid-bearing (LIQB) cloud frequency(color shading; unit: %) and (c) total cloud frequency(color shading; unit: %) from 2006 to 2017 |
图 2展示了西南极洲850 hPa水平风场叠加比湿场(见图 2(a))与850 hPa温度场叠加相对湿度场。由图 2(a)可知南半球高纬度区域盛行以西风为主的水平风场，且随着纬度的升高比湿逐渐降低。有趣的是，随着海拔的降低，西南极半岛海岸线区域风向转变为东风。这些下坡风是由于南极大陆内部的高海拔冰冷地形上的大气强烈冷却引起的，并且由于科氏力的作用，它们在到达海岸时向西偏斜，形成沿着海岸线的东风。这些东风在罗斯冰架上空与海洋上空的西风带汇合，形成了以罗斯冰架为中心的顺时针风场[25]。相比与比湿，相对湿度在西南极洲不同区域呈现出了较大的差异(见图 2(b))，尤其是在南极半岛东部，相对湿度相比与南极半岛西侧同纬度区域相差20%~30%左右。与此同时，西南极洲内部陆地上空相对湿度相对于西南极洲其它地区更高。其原因为西南极洲内陆纬度较高，太阳高度角偏低，使地面接收太阳辐射随纬度升高而降低。另外，西南极洲内陆地面由冰雪覆盖，较冰架与海冰表面反射率更高，使地面接收的太阳短波辐射进一步降低，最终导致气温降低而使相对湿度增高。
|
图 2 2006—2017年春季850 hPa(a)比湿场(填色，单位：g/kg)、风场(箭头，单位：m/s)与(b)相对湿度场(填色，单位：%)、温度场(等值线，单位：℃)气候态平均分布 Fig. 2 Springtime (SON) climatology of (a) specific humidity (color shading; unit: g/kg), winds (vectors; unit: m/s) and (b) relative humidity (color shading; unit: %), temperature (contours; unit: ℃) at 850 hPa from 2006 to 2017 |
图 3展示了在海岸扇区与内陆扇区云相态频率的垂直分布。由图 3(c)可知，在海岸扇区110°W—130°W区域含液水云频率较其它区域更高，而在这一区域的0~2.5 km海拔高度上的上升运动较其它区域也更强，水汽随着上升运动而抬升凝结，但这一上升运动达到的高度较低，气温降低幅度不大，因此冰云频率在110°W—130°W区域内没有较大变化，而含液水云频率则略微增高。而在南极半岛区域则不同，由于西南极洲海岸扇区盛行强盛的极地西风，因此在南极半岛西侧气流爬坡产生强烈的上升运动，这一上升运动高度可影响至海拔6 km以上的高度，其大气温度足够低，有助于冰晶的形成，使之成为冰云频率在南极半岛西侧较高的原因之一; 而在南极半岛东侧处于背风坡，易形成焚风效应[25]，水汽较南极半岛西侧更少，相对湿度也同样大幅降低(见图 2(b))，最终成为导致南极半岛西侧云相态频率高于南极半岛东侧云相态频率的重要原因之一。而在内陆扇区(见图 3(d)~3(f))，冰云频率显著高于含液水云，并且在西南极洲内陆盛行东风，使其在罗恩冰架(40°W—60°W)西侧产生上升气流，而在罗斯冰架(140°W—180°W)东侧产生下沉气流，亦导致其成为东侧冰云频率高于西侧冰云频率的原因之一。
|
(灰色填色表示为地势高度。Grey shades show the topography. ) 图 3 2006—2017年春季平均的((a), (d))总云频率(填色，单位：%)、((b)、(e))冰云频率(填色，单位：%)、(c, f)含液水云频率(填色，单位：%)、温度场(等值线，单位：℃)、垂直风(×102)和纬向风合成场(箭头，单位：m/s)气候态分布 Fig. 3 Springtime (SON) climatology of (a, d) total cloud frequency (color shading; unit: %), (b, e) ice cloud frequency (color shading; unit: %) and (c, f) composites of LIQB cloud frequency (color shading; unit: %), temperature (contours; unit: ℃), combination of vertical(×102) and zonal wind (vectors; unit: m/s) from 2006 to 2017 |
西南极洲云相态频率的水平分布差异是导致西南极洲地表辐射收支分布差异的重要因素，图 4可知西南极洲上空的云对向下的短波与长波辐射都有着不同的影响。与总云相态频率(见图 1(c))的分布相似，在西南极洲海岸扇区云相态频率分布较高，导致该扇区短波云辐射与长波云辐射强迫较高; 而在内陆扇区则与之相反。
|
图 4 2006—2017年春季气候态平均的(a)地表向下短波云辐射强迫和(b)地表向下长波云辐射强迫 Fig. 4 Springtime (SON) climatology of downward (a) shortwave (SW) cloud radiative forcing and (b) longwave (LW) cloud radiative forcing (CRF) at the surface from 2006 to 2017 |
根据Gong等[15]的定义，SAM指数为45°S与65°S的海平面气压差，也是南半球700 hPa气压场作EOF分解后的第一模态。SAM指数体现了南半球高纬度地区的最主要的大气环流变化，而将2006—2017年的SAM指数作去趋势与归一化处理后，得到春季SAM指数序列(见图 5)。
|
图 5 2006—2017年春季逐月南半球环状模指数时间序列 Fig. 5 Springtime SAM index series from 2006 to 2017 |
图 6展示了西南极洲区域不同云相态随SAM指数的年际变化。从图 6(a)中可以看出，除罗斯海上空的一部分区域外，整个西南极洲的冰云频率随着SAM指数的升高而增大，尤以别斯林高晋海及南极大陆上空为盛; 而图 6(b)则展示了含液水云随SAM指数的升高在南极半岛东侧与罗斯冰架上空的减少趋势。从总云频率(见图 6(c))来看，云相态频率随SAM指数的年际变化在西南极洲呈现了以阿蒙森低压为中心的东-西偶极子分布的趋势。而驱动这一趋势的因素则是西南极洲大气环流背景场与水汽的年际变化。图 7(a)所示，850 hPa比湿的纵向输运与水平风场随SAM的年际变化也同样呈现出以阿蒙森低压为中心的东-西偶极子分布的趋势：在别林斯高晋海与南极半岛上空北风增强带来南大洋的暖湿气流; 而在罗斯海与阿蒙森海西部上空则因南风增强而造成比湿的减少。但相对湿度场随SAM的年际变化却不完全与比湿场相同(见图 7(b))：南极半岛东侧随SAM指数的升高使气温升高，即使比湿随SAM指数上升而提高，但相对湿度仍随SAM指数的升高而减少; 120°W—140°W的海上区域则相反，即使比湿随SAM指数上升而降低，但气温的大幅减低导致相对湿度仍随SAM指数的上升而增高，最终呈现出一个中心略与图 7(a)不同的东-西偶极子分布趋势。
|
(黑色等值线代表地势高度，间隔500 m，最外侧黑色等值线地势高度为0 m(下同)。打点区域为通过95%显著性检验区域。The black contours show topography at 500 m intervals and the outermost black contour shows the height of 0 m (the same hereinafter). The regressions with significance at 95% confidence level are dotted. ) 图 6 2006—2017年春季对SAM指数进行回归的(a)冰云频率(填色，单位：%)、(b)含液态水云频率(填色，单位：%)及(c)总云频率(填色，单位：%)在西南极洲上空的水平分布 Fig. 6 Springtime (SON) regression onto SAM index of (a) ice cloud frequency, (b) liquid-bearing (LIQB) cloud frequency (color shading; units: %) and (c) total cloud frequency (color shading; units: %) from 2006 to 2017 |
|
图 7 2006—2017年春季850 hPa (a)比湿经向平流(填色，单位：g/(kg·s))、风场(箭头，单位：m/s)及(b)相对湿度场(填色，单位：%)、温度场(等值线，单位：℃，对SAM指数的回归分布 Fig. 7 Springtime (SON) regressions onto SAM index of (a) meridional specific humidity advection (color shading; unit: g/(kg·s)), winds (vectors; unit: m/s) and (b) relative humidity (color shading; unit: %), temperature (contours; unit: ℃) at 850 hPa from 2006 to 2017 |
图 8展示了西南极洲海岸扇区与内陆扇区不同云相态垂直结构与垂直风场和温度场的年际变化趋势。从图 8(a)~(c)可知，在西南极洲海岸扇区云相态频率随SAM变化的趋势大致可分为三个区域：160°W—130°W区域的下降趋势，据前文可知是由于南风增强所导致的云相态频率降低; 130°W—60°W区域的上升趋势，据前文与图 8(c)可知是由于北风增强而造成了在南极大陆海岸上升气流增强，从而冰云频率与含液水云频率大幅增强; 60°W—40°W区域的冰云上升趋势与含液水云的下降趋势，据前文与图 8(c)可知是由于西风增强导致在南极半岛东侧形成焚风效应，下沉气流的增强与气温的大幅升高导致低海拔的含液水云频率大幅降低，而高空的冰云则无太大影响。而图 8(d)~(f)则展示了西南极洲内陆扇区云相态频率随SAM变化的趋势大致可分为两个区域：65°W—110°W的上升趋势，据图 8(f)可知是由于在西南极洲内陆区域东风增强导致在该区域遇坡产生强烈的上升气流，从而使云相态频率升高; 110°W—160°W的下降趋势，则是由于在西南极洲罗斯冰架及以东区域随SAM指数升高从而使下沉气流增强，2~8 km海拔云相态频率大幅降低，同样也属于背风坡的焚风效应，而高空(8~10 km)云相态频率则不受影响，随SAM指数的升高而升高。
|
(灰色填色表示为地势高度(下同)。打点区域为通过95%显著性检验区域。Grey shades show the topography (the same hereinafter). The regressions with significance at 95% confidence level are dotted. ) 图 8 2006—2017年春季SAM指数进行回归的(a, d)总云频率(填色，单位：%)、(b, e)冰云频率(填色，单位：%)、(c, f)含液水云频率(填色，单位：%)、温度场(等值线，单位：℃)、垂直风(×102)和纬向风合成场(箭头，单位：m/s)气候态分布 Fig. 8 Springtime (SON) regression onto SAM index of (a, d) total cloud frequency (color shading; units: %), (b, e) ice cloud frequency (color shading; units: %) and (c, f) composites of LIQB cloud frequency (color shading; units: %), temperature (contours; units: ℃), combination of vertical(×102) and zonal wind (vectors; units: m/s) from 2006 to 2017 |
云相态频率年际变化对西南极洲的影响主要在于云辐射强迫的年际变化导致西南极洲能量收支平衡的变化。图 9展示了地表向下云长波与短波辐射强迫随SAM指数的年际变化趋势，可知其与云相态频率年际变化相似，均以阿蒙森低压为中心呈现东-西偶极子分布：160°W—130°W区域短波云辐射强迫的上升趋势与长波云辐射强迫的下降趋势; 130°W—60°W区域云辐射强迫的下降趋势与长波云辐射强迫的上升趋势; 南极半岛以东区域短波云辐射强迫的上升趋势与长波云辐射强迫的下降趋势。
|
(打点区域为通过95%显著性检验区域。The regressions with significance at 95% confidence level are dotted. ) 图 9 2006—2017年春季SAM指数进行回归的(a)地表向下短波云辐射强迫和()地表向下长波云辐射强迫 Fig. 9 Springtime (SON) regression onto SAM index of downward (a) shortwave (SW) cloud radiative forcing and (b) longwave (LW) cloud radiative forcing (CRF) at the surface from 2006 to 2017 |
本文基于2B-CLDCLASS-LIDAR产品计算了西南极洲上空的云相态频率，分析了不同相态云频的水平与垂直分布。结果展示了冰云与含液水云的分布特征，即冰云多分布于内陆高海拔区域，含液水云多分布于海洋低海拔区域，这主要是由于地形与水汽输送的空间分布不同所引起的。冰云的形成需要水汽与较低的气温，而南极大陆地势较高，上空水汽含量较少，只有当气温下降到足够低才能使相对湿度趋于饱和，形成冰云。而含液水云则与之相反，海洋区域水汽较南极大陆多，因此水汽不需要很低的温度就足以达到饱和。总体来说，含液水云多分布于威德尔海东部、别林斯高晋海、阿蒙森海以及罗斯海的南大洋开阔水域，而在南极大陆上分布较少; 冰云则多分布于南极半岛、玛丽·伯德地以及埃尔斯沃思地等南极大陆高海拔区域。
不同云相态在西南极洲区域随SAM的年际变化则是以阿蒙森低压为中心呈现东-西偶极子分布：当SAM呈正位相时，别林斯高晋海区域西北风增强，在增强水汽输运的同时产生强烈的沿岸上升气流，从而使云相态频率升高，其中冰云频率提高8%左右，含液水云频率提高2%左右; 在罗斯海区域则因东南风增强而导致强烈的下沉气流与水汽向北流失，导致冰云与含液水云频率均减少，其中冰云频率减少2%左右，含液水云频率减少6%左右; 在南极半岛东侧则是在低海拔区域形成焚风效应致使含液水云频率降低7%左右，高海拔区域冰云频率升高6%左右。本文最后基于CERES云辐射强迫数据，量化了由云相态频率分布及年际变化所导致的向下短波和长波云辐射强迫的空间分布及年际变化，发现了其分布随SAM年际变化特征与云相态频率的变化特征高度吻合，填补了该地区年际尺度上的地表能量收支平衡变化因素的空白。
本文目前只讨论到云相态频率随SAM指数的年际变化以阿蒙森低压为中心呈现东-西偶极子分布，并且随着云相态频率的年际变化，地表短波辐射与长波辐射也随之改变。但是对于低压中心处于阿蒙森海区域的原因尚不明晰。影响冰云频率与含液水云频率空间分布的原因还有哪些？不同云相态，不同云底高度的云层，不同厚度的云层如何影响南半球高纬度地区的云辐射强迫？SAM变化引起的海冰变化会不会对云相态频率及云辐射效应产生影响？这些问题将在下一步工作中进一步讨论。
此外，SAM指数还具有显著的年代际信号，并与厄尔尼诺指数、拉尼娜指数均有较大的相关性，这表明南半球环状模很有可能通过大气通道或海洋通道在年代际时间尺度上影响南半球中高纬度区域的大气环流等因素。而大范围长时间的主动云卫星观测数据仅有十几年的时间长度，并且前人对极地云相态和云强迫辐射效应的研究较少，对SAM指数如何影响全球范围的气候认识不多。在本文的研究基础上，未来将进一步探讨SAM指数与其他气候要素在不同时间、空间尺度上的联系，并且分析不同云相态对云辐射强迫的影响作用。
| [1] |
Jones J M, Gille S T, Goosse H, et al. Assessing recent trends in high-latitude Southern Hemisphere climate[J]. Nature Climate Change, 2016, 6(10): 917-926. DOI:10.1038/nclimate3103
(  0) |
| [2] |
Pritchard H D, Ligtenberg S R M, Fricker H A, et al. Antarctic ice-sheet loss driven by basal melting of ice shelves[J]. Nature, 2012, 484(7395): 502-505. DOI:10.1038/nature10968
( 0) |
| [3] |
Ramanathan V. The role of earth radiation budget studies in climate and general circulation research[J]. Journal of Geophysical Research Atmospheres, 1987, 92(D4): 4075-4095. DOI:10.1029/JD092iD04p04075
( 0) |
| [4] |
Pincus R, Szczodrak M, Gu J, et al. Uncertainty in cloud optical depth estimates made from satellite radiance measurements[J]. Journal of Climate, 1995, 8(5): 1453-1462. DOI:10.1175/1520-0442(1995)008<1453:UICODE>2.0.CO;2
( 0) |
| [5] |
Haynes J M, Jakob C, Rossow W B, et al. Major characteristics of southern ocean cloud regimes and their effects on the energy budget[J]. Journal of Climate, 2011, 24(19): 5061-5080. DOI:10.1175/2011JCLI4052.1
( 0) |
| [6] |
Flato G, Marotzke J, Abiodun B, et al. Climate Change 2013: The Physical Science Basis. Intergovernmental Panel on Climate Change, Working Group I Contribution to the IPCC Fifth Assessment Report (AR5)[R]. New York: Cambridge University Press, 2013.
( 0) |
| [7] |
Bodas-Salcedo A, Williams K D, Ringer M A, et al. Origins of the solar radiation biases over the southern ocean in CFMIP2 models[J]. Journal of Climate, 2014, 27: 41-56. DOI:10.1175/JCLI-D-13-00169.1
( 0) |
| [8] |
Hyder P, Edwards J M, Allan R P, et al. Critical southern ocean climate model biases traced to atmospheric model cloud errors[J]. Nature Communications, 2018, 9(1): 3625-3642. DOI:10.1038/s41467-018-05634-2
( 0) |
| [9] |
Scott R C, Lubin D, Vogelmann A M, et al. West Antarctic ice sheet cloud cover and surface radiation budget from NASA A-train satellites[J]. Journal of Climate, 2017, 30: 6151-6170. DOI:10.1175/JCLI-D-16-0644.1
( 0) |
| [10] |
Lawson R P, Gettelman A. Impact of Antarctic mixed-phase clouds on climate[J]. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(51): 18156-18161. DOI:10.1073/pnas.1418197111
( 0) |
| [11] |
Kay J E, Bourdages L, Miller N B, et al. Evaluating and improving cloud phase in the Community Atmosphere Model version 5 using spaceborne lidar observations[J]. Journal of Geophysical Research Atmospheres, 2016, 121(8): 4162-4176. DOI:10.1002/2015JD024699
( 0) |
| [12] |
Listowski C, Delano J, Amélie Kirchgaessner, et al. Antarctic clouds, supercooled liquid water and mixed phase, investigated with DARDAR: Geographical and seasonal variations[J]. Atmospheric Chemistry and Physics, 2019, 19(10): 6771-6808. DOI:10.5194/acp-19-6771-2019
( 0) |
| [13] |
Bennartz R, Shupe M D, Turner D D, et al. July 2012 Greenland melt extent enhanced by low-level liquid clouds[J]. Nature, 2013, 496(7443): 83-86. DOI:10.1038/nature12002
( 0) |
| [14] |
Matus A V, L'Ecuyer T S. The role of cloud phase in Earth's radiation budget[J]. Journal of Geophysical Research: Atmospheres, 2017, 122: 2559-2578. DOI:10.1002/2016JD025951
( 0) |
| [15] |
Wang Y, Yuan X, Bi H, et al. The contributions of winter cloud anomalies in 2011 to the summer sea-ice rebound in 2012 in the Antarctic[J]. Journal of Geophysical Research: Atmospheres, 2019, 124(5): 3435-3447.
( 0) |
| [16] |
Gong D, Wang S. Definition of Antarctic oscillation index[J]. Geophysical Research Letters, 1999, 26(4): 459-462. DOI:10.1029/1999GL900003
( 0) |
| [17] |
Thompson D W J, Wallace J M. Annular modes in the extratropical circulation. Part I: Month-to-month variability[J]. Journal of Climate, 2000, 13(5): 1000-1016. DOI:10.1175/1520-0442(2000)013<1000:AMITEC>2.0.CO;2
( 0) |
| [18] |
Marshall, Gareth J. Causes of exceptional atmospheric circulation changes in the Southern Hemisphere[J]. Geophysical Research letters, 2004, 31(14): L14205. DOI:10.1029/2004GL019952
( 0) |
| [19] |
Raphael M N, Marshall G J, Turner J, et al. The Amundsen Sea low: Variability, change and impact on Antarctic climate[J]. Bulletin of the American Meteorological Society, 2016, 97(1): 197-210.
( 0) |
| [20] |
Clem K R, Renwick J A, Mcgregor J. Large-scale forcing of the Amundsen Sea Low and its influence on sea ice and west Antarctic temperature[J]. Journal of Climate, 2017, 30(20): 8405-8424. DOI:10.1175/JCLI-D-16-0891.1
( 0) |
| [21] |
Fogt R L, Marshall G J. The Southern Annular Mode: Variability, trends, and climate impacts across the Southern Hemisphere[J]. Wiley Interdiplinary Reviews: Climate Change, 2020(2): 2010-2021.
( 0) |
| [22] |
Lubin D, Kahn B H, Lazzara M A, et al. Variability in AIRS-retrieved cloud amount and thermodynamic phase over west versus east Antarctica influenced by the SAM[J]. Geophysical Research Letters, 2015, 42(4): 1259-1267. DOI:10.1002/2014GL062285
( 0) |
| [23] |
Winker D M, Vaughan M A, Omar A, et al. Overview of the CALIPSO mission and CALIOP data processing algorithms[J]. Journal of Atmospheric & Oceanic Technology, 2009, 26(11): 2310-2323.
( 0) |
| [24] |
Stephens G L, Graeme L, Va ne, et al. The CloudSat mission and the A-Train: A new dimension of space-based observations of clouds and precipitation[J]. Bulletin of the American Meteorological Society, 2002, 83: 1771-1790.
( 0) |
| [25] |
Cape M R, Vernet M, Skvarca P, et al. Foehn winds link climate-driven warming to ice shelf evolution in Antarctica[J]. Journal of Geophysical Research Atmospheres, 2015, 120(21): 11037-11057.
( 0) |
| [26] |
King J C, Turner J. Antarctic Meteorology and Climatology[M]. New York: Cambridge University Press, 1997.
( 0) |