1、热带海表面温度及中纬度大气环流对青藏高原9月降水异常的共同影响张萍1,2,段安民3,1,2*1.中国科学院大气物理研究所,大气科学与地球流体动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科学学院,北京 100049;3.厦门大学海洋与地球学院,近海海洋环境科学国家重点实验室,厦门 361102*通讯作者,E-mail:收稿日期:2022-09-13;收修改稿日期:2022-12-30;接受日期:2023-01-19;网络版发表日期:2023-02-23国家自然科学基金项目(批准号:41725018、91937302、42030602)资助摘要由于青藏高原独特的地理位置
2、,其降水受到热带和中纬度异常环流系统的共同影响.利用观测、再分析和CMIP6模式数据,本文揭示了印度洋偶极子(IOD)和丝绸之路遥相关(SRP)对青藏高原9月降水年际变率的单独和联合影响.当IOD处于正位相,热带印度洋异常纬向海温梯度激发一个Gill响应,在印度次大陆和孟加拉湾低层产生异常反气旋.其北侧的异常西风在青藏高原南坡形成浅槽,相关的异常西南风向青藏高原东南部输送水汽,导致东南部降水增加.同时,北大西洋的西风急流扰动能够激发一个SRP遥相关波列,在印度北部产生一个倾斜的斜压结构,即中西亚对流层高层为异常反气旋,而印度北部对流层低层为异常气旋.异常气旋东侧的西南风向东南部青藏高原输送大量
3、水汽,并造成降水增加.IOD和SRP的联合影响可以解释将近52%的青藏高原降水异常,远超过IOD(19%)和SRP(27%)的单独贡献.本文强调了考虑热带和中纬度驱动因子共同作用的必要性,这为更准确地模拟和预测青藏高原降水提供了线索.关键词青藏高原降水,年际变率,印度洋偶极子,丝绸之路遥相关1引言青藏高原(TP)被誉为“亚洲水塔”.青藏高原是亚洲多条主要河流的源头,如雅鲁藏布江、长江、黄河、怒江和澜沧江-湄公河,它为全球超过20%的人口提供水源(Immerzeel等,2010,2020).影响青藏高原水循环最重要因素之一就是降水,其主要集中在雨季(5月至10月;Lai等,2021;Zhang和
4、Duan,2021).青藏高原的大气水汽输送主要源自其西边界和南边界(Feng和Zhou,2012;Zhang等,2019),并同时受到副热带西风急流和南亚夏季风的影响(Yang等,2014;姚檀栋等,2017;Xu等,2019).因此,青藏高原雨季降水异常的主要驱动因子可能也来自中纬度和热带;这些因子包括:El Nio-Southern Oscillation(ENSO;Liu等,2020;Hu等,2021),印度洋海表面温度异常(SSTAs;Hu和Duan,2015;Chen和You,2017;Zhao等,2018;Sun中文引用格式:张萍,段安民.2023.热带海表面温度及中纬度大气环流
5、对青藏高原9月降水异常的共同影响.中国科学:地球科学,53(3):598612,doi:10.1360/N072022-0257英文引用格式:Zhang P,Duan A.2023.Precipitation anomaly over the Tibetan Plateau affected by tropical sea-surface temperatures and mid-latitude atmosphericcirculation in September.Science China Earth Sciences,66(3):619632,https:/doi.org/10.100
6、7/s11430-022-1067-8 2023 中国科学杂志社中国科学:地球科学2023 年第 53 卷第 3 期:598 612SCIENTIA SINICA T论 文和Wang,2019;Ren等,2020),西海洋性大陆异常对流(Jiang等,2016;Jiang和Ting,2017),北大西洋SSTAs(Gao等,2013),北大西洋涛动(NAO;Liu和Yin,2001;Zhu等,2011;刘焕才和段克勤,2012;Liu等,2015;Wang等,2017b;Wang等,2018;Shang等,2021).对青藏高原降水异常的研究大多集中在北半球夏季(68月平均,JJA).然而,考
7、虑到背景环流(Liu等,2013;Wang等,2013;Dong和He,2020)和全球SSTAs(Liu和Duan,2018;Zheng和Wang,2021)的季节演变,青藏高原气候异常具有较强的次季节变率.因此,雨季不同月份青藏高原降水异常的主要驱动因子可能不同(Zhang等,2022).目前,9月青藏高原降水年际变率的图 1青藏高原9月降水的气候态及第一主模态EOF1的空间分布青藏高原 9月降水气候态在(a)站点数据和(b)GPCP数据集中的分布;(c)和(d)分别与(a)和(b)相同,但为青藏高原降水的EOF1.(e)归一化的9月青藏高原降水PC1在站点数据(蓝线)和GPCP数据(粉柱
8、)中的分布.基于台站资料得到的TPPC1被定义为青藏高原降水指数.两套数据集TPPC1的相关系数如(e)右上角所示,*表示两者的相关系数超过了99%的置信水平.(b)中的粉红色曲线代表青藏高原周围的主要河流.(a)(d)中的灰色等高线代表海拔为2000m的地形,下同中国科学:地球科学2023 年第 53 卷第 3 期599影响因子和相关物理机制尚不清楚.此外,青藏高原9月充足的降水及其强烈的变率对当地及下游的水资源供应、经济发展、农业生产与陆地生态系统可持续性至关重要(Qiu,2008;Xu等,2008;Yao等,2012;Wan等,2017;Xu等,2019;Immerzeel等,2020)
9、.降水能够释放大量凝结潜热(段安民和张萍,2022),从而进一步影响南亚高压的强度和位置(Wu等,2015a,2016)、亚洲夏季风的演变和推进(段安民和吴国雄,2005;Wu等,2012,2015b;Duan等,2020;Liu等,2020),甚至全球的气候变化(Wu和Liu,2003;Liu等,2004;Qiu,2008;Wu等,2015b,2016;Zhao等,2019;Liu等,2020b).因此,探究导致9月青藏高原降水的变异机理对服务社会发展和研究气候变化都具有重要意义.印度洋偶极子(Indian Ocean Dipole,IOD)是热带印度洋年际变率的主要模态之一,其表现为西极暖
10、(冷)SSTAs和东南极冷(暖)SSTAs(Saji等,1999;Web-ster等,1999).它可以通过调节太平洋-日本遥相关、南亚高压和西北太平洋反气旋(Li和Mu,2001;Guan和Yamagata,2003;Guan等,2003;Yang等,2010;Qiu等,2014;Xu等,2016;Xiao等,2020)来影响亚洲气候变率.IOD在北半球秋季达到峰值,并能够影响我国西南地区秋季降水.正位相的IOD能够在孟加拉湾东部激发一个异常浅槽,槽前异常西南风将充足的水分输送到中国西南地区,导致该地区降水增加(刘宣飞和袁慧珍,2006;刘佳等,2015;刘扬和刘屹岷,2016).毗邻亚洲季
11、风区,青藏高原早冬降雪异常也受到IOD的影响.IOD正位相通过激发一个南亚Rossby波列,其在印度北部表现为异常气旋性环流,其东侧的异常西南风向青藏高原输送暖湿水汽,导致青藏高原降雪增加(Yuan等,2008,2011;Jiang等,2019;Zhang等,2019;Shen等,2021).然而,目前关于IOD影响青藏高原降水异常的研究尚不多见.丝绸之路遥相关(SRP)是沿对流层上层亚洲西风急流的一个拱形大气遥相关模态(Lu等,2002;Enomo-to,2004;Ding和Wang,2005;Wang等,2017a),其类似于欧亚大陆上空的环球遥相关(CGT)(Zhou等,2019).SR
12、P在中纬度欧亚大陆上空表现为交替出现的经向风异常,其通过调节南亚高压的纬向转移进而影响亚洲夏季风降雨(Enomoto,2004;Ding和Wang,2005;Ding等,2011;Wang等,2017a;Yadav,2017).南亚高压是青藏高原上空的主要环流系统,其东西向移动影响着青藏高原气候异常.近期研究表明,自20世纪90年代中期以来,青藏高原内部夏季降水经历了年代际增湿趋势;这归因于青藏高原附近与SRP相关的气旋和反气旋异常的影响,此SRP可能受到大西洋多年代际振荡(AMO)的调制(Sun等,2020).与青藏高原内部降水不同的是,近几十年(19802018年)青藏高原南坡79月平均降
13、水出现了显著的变干趋势,其主要受到减弱的垂直水汽平流的主导.进一步分析发现,这与CGT型大尺度环流在青藏高原东北部上空引发的异常反气旋环流有关(Wang等,2022).然而,在年际时间尺度上,SRP和青藏高原降水之间的关系仍然知之甚少.9月,伴随着南亚高压南移,南亚夏季风开始消退,且IOD接近峰值.因此,我们推测此时青藏高原降水异常可能受到热带IOD和SRP相关的中纬度波动的共同影响.2数据和模式2.1数据本文用到的数据包括:(1)月平均海表温度(SST)数据来自HadISST1(Hadley Center Sea Ice and SeaSurface temperature,version
14、1.1;Rayner et al.,2003),水平分辨率为1.01.0;(2)大气变量来自日本气象厅提供的JRA55再分析数据(Japan Meteorological AgencyJapanese 55-year Reanalysis),包括风、湿度和位势高度(Kobayashi等,2015),水平分辨率为1.251.25;(3)降水数据包括中国气象局提供的青藏高原293个气象站的观测日降水数据(空间分布见Duan等,2022)和广泛使用月平均格点降水数据GPCP V2.3(Global Preci-pitation Climatology Project,Version 2.3;Huff
15、man等,2001),水平分辨率为2.52.5.所有数据集的时间范围均为19802018年.为了更好地理解观测结果,本研究还使用了23个CMIP6模式的历史模拟中成员r1i1p1f1的月平均输出变量(表S1).用到的变量与观测数据相同,但时间段为19802014年.所有大气(海洋)变量在进行分析前都插值到与观测数据相同的1.251.25(1.01.0)网格上,但本文仅使用ACCESS-ESM1-5模式(Ziehn等,2020)来再现观测结果.选择此模式的详细原因将在第4节中给出.为了研究年际变率,所有数据在去除线性趋势后进行了29年Lanczos滤波(Duchon,1979).张萍等:热带海表
16、面温度及中纬度大气环流对青藏高原9月降水异常的共同影响6002.2指数定义青藏高原降水指数(TPPC1)被定义为对9月青藏高原气象站点降水进行经验正交函数(EOF)分解得到的第一主成分(PC1).IOD指数被定义为西极子(10S10N,5070E)和东极子(10S0,90110E)平均海温异常的差值(Saji等,1999).SRP指数被定义为对3060N,30130E地区9月200hPa经向风速进行EOF分解得到的PC1(Chen等,2013).3青藏高原降水与IOD和SRP的联系图1展示了9月青藏高原降水的气候态和EOF1在站点和GPCP降水数据集中的分布.降水气候态(图1a,1b)和主模态(图1c,1d)的最大值都位于青藏高原东南部,这也是本研究的目标区域.两套数据集中的PC1的相关系数为0.85(图1e),表明青藏高原降水变率并不受到不同数据集的影响.此外,对于东南部的青藏高原降水而言,气象站的观测资料是最可靠的数据集,因为青藏高原中东部的气象站相对密集(Duan等,2022).因此,本文利用基于观测站资料得到的青藏高原降水PC1(TPPC1)来定量分析青藏高原降水变率.为了探究