2020 年江淮流域超强梅雨年际异常的驱动因子分析

赵俊虎 张涵 左金清 熊开国 陈丽娟 ,4

1 中国气象局国家气候中心，中国气象局气候研究开放实验室，北京 100081

2 兰州大学大气科学学院，兰州 730000

3 武汉区域气候中心，武汉 430074

4 南京信息工程大学气象灾害预报预警与评估协同创新中心，南京 210044

1 引言

“梅雨”是人们比较熟悉的天气、气候现象，指每年6～7 月在中国江淮流域、朝鲜半岛南部（称为Changma）和日本中南部（称为Baiu）出现的以持续多雨为主要特征的天气、气候现象，是东亚夏季风季节性北推过程中的重要产物，也是影响东亚、尤其是我国的最重要天气、气候过程之一（Akiyama, 1984; Tao and Chen, 1987; 魏凤英和宋巧云, 2005; 吴志伟等, 2006; 范可, 2006; 丁一汇等,2007; 赵俊虎等, 2018a; Ding et al., 2020）。入梅过早，对江淮流域农作物的收割非常不利；入梅过晚，或出现空梅，则会引起大范围干旱（如1934、1958、1978 年）；梅汛期雨日集中、雨量大、持续时间长，易出现持续性大暴雨、洪涝灾害，不但对农作物有很大影响，对流域和湖泊等水利管理、人民生命财产也有很大威胁（如1954、1991、1998、1999、2016 年）（陆尔和丁一汇, 1996; 李维京, 1999; 袁媛等, 2017; 赵俊虎等, 2018b; 孙树鹏等, 2021）。因此，加强梅雨异常的机理诊断和预测方法研究、及早做出较准确的梅汛期预报，可为国家防汛抗旱提供科学依据（何金海等, 2006; 王会军等, 2008; 封国林等, 2015）。

2020 年我国江淮流域遭遇了超强梅雨，入梅偏早、出梅偏晚、梅汛期长、梅雨量异常偏多，其中梅汛期长度和梅雨量均超过1998 年，位列1961年以来第一位（陈涛等, 2020）。梅汛期共经历了11 轮强降水过程，降水强度大，被媒体称为“暴力梅”；持续的暴雨引起长江和淮河等江河多次洪峰，给江淮流域带来严重的洪涝灾害（张芳华等,2020），引起社会各界和气象学者的广泛关注。张芳华等（2020）、陈涛等（2020）、刘芸芸和丁一汇（2020）和Liu et al.（2020）根据观测事实，分别从天气、次季节等不同尺度，多层次剖析此次超强梅雨季的特征，并开展对比分析，进一步根据大尺度环流系统演变、天气系统特征、强降水极端性等研判其异常成因，研究结论可为今后类似梅雨年的诊断和预测、梅雨暴雨预报和检验等提供有益启发。

但从季节预测信号的角度，还需要进一步分析2020 年江淮流域超强梅雨的下垫面异常驱动因子。在影响梅雨的众多气候因子中，ENSO 无疑是最重要的因子之一（Zhang et al., 1999; Wang et al.,2000; Wang and Zhang, 2002; Wu et al., 2003; 梁萍等, 2007, 2018; 陈丽娟等, 2013）。超强或强的El Niño 衰减年夏季，东亚夏季风偏弱，西太平洋副热带高压（西太副高）和低层反气旋偏强、位置偏西，易导致江淮流域梅雨异常偏强。例如1998 年和2016 年（Li et al., 2017; 袁媛等, 2017; 赵俊虎等,2018b）。国家气候中心监测显示：2019 年11 月至2020 年3 月，赤道中东太平洋发生一次弱的中部型El Niño 事件，持续5 个月，峰值强度仅为0.60°C，为1981 年以来持续时间最短、强度最弱的一次El Niño 事件。1981 年以来还有三次弱的El Niño 事件，2004 年7 月至2005 年1 月、2006 年8 月至2007 年1 月、2018 年9 月至2019 年6 月，而这三次El Niño 事件衰减年夏季江淮流域并未出现强梅雨。那么，2020 年江淮流域超强梅雨的异常成因是什么？下垫面异常驱动因子及其影响途径是什么？这些问题值得进一步研究。

本文拟在2020 年梅雨降水观测和历史资料诊断分析的基础上，利用气候模式开展敏感性试验，验证2020 年6～7 月梅雨异常的驱动因子及其机理。所得研究结论将有助于进一步加深对江淮流域梅雨异常的机理认识，为梅汛期的季节预测提供参考依据。

2 资料与方法

本文所用资料主要包括：美国国家环境预报中心和国家大气研究中心（NCEP/NCAR）发布的全球逐月大气环流再分析资料，分辨率为2.5°×2.5°，垂直方向从1000～10 hPa 共17 层等压面（Kalnay et al., 1996），1978 年之前再分析资料存在较大的系统性偏差（Wu et al., 2005），故本文选取1979年之后资料进行研究。海表温度（以下简称海温或SST）资料来自Hadley 中心（HadISST, Reynolds et al., 2002），水平空间分辨率为1°×1°，资料长度为1870～2020 年。

降水观测资料为中国气象局国家气象信息中心提供的2374 站逐日降水资料。Niño3.4 指数、西太副高指数来自国家气候中心（http://cmdp.ncc-cma.net/Monitoring/cn_index_130.php [2020-10-10]）。热带印度洋SST 异常（SSTA）指数（TIO, tropical Indian Ocean）和热带北大西洋SSTA 指数（TNA, tropical North Atlantic）分别定义为（15°S～15°N，40°～120°E）和（0°～20°N，70°W～0°）区域平均的SSTA。西北太平洋异常反气旋（WNPAC, western North Pacific anomalous anticyclone）强度指数定义为850 hPa（10°～25°N, 115°～150°E）区域平均的流函数（Zuo et al., 2019）。文中前冬指的是上一年12 月至当年2 月，春季为当年3～5 月。变量的气候值均为1981～2010 年的30 年平均值。

ENSO 事件判别根据Ren et al.（2018）对厄尔尼诺/拉尼娜事件确定。简单概述如下：Niño3.4 指数3 个月滑动平均的绝对值达到或超过0.5°C、且至少持续5 个月，判定为一次ENSO 事件，满足ENSO 事件判定的最早（晚）月份为事件的起始（结束）月份，持续时间为ENSO 事件起始直至结束的总月数。事件过程中，Niño3.4 指数3 个月滑动平均的绝对值达到最大的时间和数值分别定义为事件的峰值时间和峰值强度，ENSO 事件强度以事件的峰值代表其强度。

本文采用美国通用大气环流模式（Community Atmosphere Model version 5.3, CAM5.3），该模式与通用陆面模式CLM4.0 相耦合，模式水平分辨率为1.9°×2.5°。已有研究表明，CAM5.3 能够较好地模拟出热带印度洋和热带大西洋海温异常对西北太平洋和东亚气候的影响（任宏昌等, 2017; Li et al., 2018; Zuo et al., 2019）。本文共设计了两组敏感性试验（表1），分别用于分析热带印度洋和热带北大西洋SSTA 对2020 年6～7 月WNPAC 和我国江淮流域梅雨的影响。每组敏感性试验包含50个集合样本，下边界强迫为2020 年强迫区域的观测海温，积分时段为5～7 月，初始场来自于控制试验。控制试验的下垫面强迫是气候平均的观测海温和海冰，共运行60 年，前10 年丢弃。由于大气环流模式普遍存在对观测大气环流异常程度模拟不足的问题（Kang et al., 2002），故在敏感性试验中海温异常强迫设置为实际观测的1.5 倍。

表1 数值试验方案设计Table 1 Scheme design for the numerical experiments

3 2020 年超强梅雨的极端性

按照中国气象局对中国梅雨（包括江南梅雨、长江中下游梅雨和江淮梅雨）的监测业务规范（赵俊虎等, 2018a），2020 年中国梅雨的持续阶段为6 月1 日～8 月1 日，梅雨持续时间长达62 天，较常年（40 天）偏长22 天，与2015 年并列为1961年以来历史最长梅雨年（陈涛等, 2020; 刘芸芸和丁一汇, 2020）。图1 为2020 年中国东部6～7 月累积降水量及其距平百分率的空间分布。由图可见，淮河、长江中下游和江南北部的广大区域在梅雨期累计降水量普遍达500 mm 以上，长江中下游沿江区域为降水量的大值中心，超过800 mm，局部地区超过1400 mm（图1a）。江南中北部至江淮的大部分地区降水偏多，其中江淮流域大部地区偏多5 成以上，湖北东部、安徽南部和浙江西北部等地偏多1倍以上（图1b），降水异常偏多导致上述地区发生严重汛情。为度量整个江淮流域梅雨量的年际变化，计算了1961～2020 年6～7 月江淮流域（图1a 中方框区：28°～34°N，110°～123°E，407 个站点）区域平均的降水量，结果如图1c 所示。2020 年梅雨季节江淮流域平均降水量为689.71 mm，标准化指数高达3.76，为1961 年以来历史最高。

图1 2020 年6～7 月（a）累计降水量（单位：mm）和（b）降水距平百分率的空间分布，（c）1961～2020 年6～7 月江淮流域区域平均降水量的标准化序列Fig. 1 (a) Accumulated precipitation (units: mm) and (b) precipitation anomalies in June-July 2020, (c) standardized time series of regionally averaged June-July rainfall in the Yangtze-Huaihe River basin (YHRB) from 1961 to 2020

2020 年江淮流域超强梅雨在降水强度上也呈现出明显的极端性特征。图2 给出了2020 年6～7月中雨以上量级降水（日降水量≥10.0 mm）日数（图2a）及其距平（图2b）的空间分布。由图可见，长江中下游地区中雨以上量级降水日数普遍在10 天以上，较常年偏多6 天以上，湖北东部、安徽南部和浙江西北部等地降水日数高达20 天以上，较常年偏多10 天以上。大雨量级以上降水（日降水量≥25.0 mm）日数和暴雨量级以上降水（日降水量≥50.0 mm）日数空间分布（图略）也有类似的特征。图2c 进一步给出了1961～2020年6～7 月江淮流域区域平均不同量级日降水量日数的年际变化。2020 年江淮流域区域日平均降水量≥10.0 mm、≥25.0 mm 和≥50.0 mm 的日数分别为16.6 天、9.2 天和4.1 天，较常年平均分别偏多7.2 天、4.5 天和1.8 天，均为1961 年以来第一位。张芳华等（2020）对2020 年梅雨期不同等级雨日的分析也表明，该年中雨、大雨、暴雨、大暴雨及以上站次均为1961 年以来同期最多，且后三种等级偏多更为显著。综合可见，2020 年江淮流域的超强梅雨具有较强的极端性，打破历史纪录。

图2 2020 年6～7 月（a）日降水量大于10 mm 的日数及其（b）距平的空间分布，（c）1961～2020 年6～7 月江淮流域区域平均不同量级日降水量日数的时间序列Fig. 2 (a) Spatial distribution of the rainy days with precipitation ≥ 10 mm d-1; (b) their anomalies in June-July 2020; (c) time series of rainy days with precipitation more than 10, 25, and 50 mm d-1 from June to July during 1961-2020. Contours in (a) denote 20 days

4 2020 年超强梅雨相联系的大尺度环流异常

图3 给出了2020 年6～7 月对流层中层、低层大气环流及整层水汽输送的异常特征。500 hPa 位势高度场上，欧亚中高纬度呈“两脊一槽”型，乌拉尔山及以西地区和俄罗斯远东地区为高压脊，巴尔喀什湖至贝加尔湖地区为大范围的低压槽，西太副高异常偏强、偏西（图3a）。低层850 hPa 距平风场上，西北太平洋菲律宾及其以东地区为异常偏强的反气旋距平环流，我国海岸线以东的流函数为正异常，流函数中心与反气旋中心基本吻合（图3b），表明WNPAC 异常偏强。青藏高原东侧和西北地区东部分别为偏西风和偏西北风异常，中国东北南部和朝鲜半岛为偏东北风异常，西路冷空气和东路冷空气分别南下至长江流域上游和中下游地区，与WNPAC 西北侧的暖湿气流在江淮流域辐合（图3c），为江淮流域梅雨期降水异常偏多提供了热力动力条件。

图3 2020 年6～7 月平均的大气环流场：（a）500 hPa 位势高度场（等值线，单位：gpm）及其距平场（阴影），蓝色等值线表示气候平均的5880 gpm 等值线；（b）850 hPa 风场（矢量箭头，单位：m s-1）和流函数距平（阴影，单位：105 m2 s-1）；（c）整层水汽通量（矢量箭头，单位：kg m-1 s-1）和散度距平（阴影，单位：10-5 kg m-1 s-1）Fig. 3 Atmospheric circulation patterns in June-July 2020: (a) 500 hPa geopotential height (contour; units: gpm) and anomalies (shading), the blue contour indicates the climate mean 5880 gpm; (b) horizontal wind(UV850, vector; units: m s-1) and stream function (shading; units:105 m2 s-1) anomalies at 850 hPa; (c) the anomalies of vertically integrated (surface to 300 mb) water vapor flux (vectors; kg m-1 s-1)and water vapor divergence (shadings; 10-5 kg m-1 s-1)

从1979～2020 年6～7 月江淮流域区域平均的降水量标准化指数回归的大气环流距平场（图4）可见，对流层中层的500 hPa 位势高度场（图4a）、低层的850 hPa 水平风场和流函数距平场（图4b）、以及整层水汽通量和散度场（图4c），均与2020年6～7 月的环流型高度相似，尤其是在西北太平洋地区大部超过95%的置信水平。显示影响江淮流域6～7 月降水的主要环流系统为对流层中层的西太副高和低层的WNPAC，尤其是WNPAC 直接影响低层的水汽输送条件。

图4 同图3，但为1979～2020 年6～7 月江淮流域区域平均降水量标准化指数回归的大气环流距平场，打点区和蓝色箭头均表示达到95%的置信水平Fig. 4 Same as in Fig. 3, but for the simultaneous regressions of the atmospheric circulation anomalies against the June-July YHRBRI during 1979-2020. The dots and blue vectors indicate significance at the 95% confidence level

从西太副高各指数的年际变化可见，2020 年6～7 月西太副高平均强度为1979 年以来第二位，仅次于2010 年，低层WNPAC 强度为1979 年以来第一（图5），西太副高西伸脊点偏西17 个经度，也为1979 年以来第二位，仅次于2010 年；6月西太副高脊线偏北0.8°N，7 月偏南0.4°N，西太副高脊线前期偏北后期偏南，有利于入梅偏早、梅雨带在江淮流域长时间稳定维持。

WNPAC 是东亚梅雨系统的关键成员，异常偏强的WNPAC 可为江淮流域梅雨提供充沛的水汽，是梅雨期出现强降水的必要条件（Tao and Chen,1987; 张庆云和陶诗言, 1999; Lu, 2001; 张庆云等,2003）。在El Niño 衰亡期的夏季，WNPAC 是联系热带中东太平洋El Niño 信号与东亚夏季气候异常的主要纽带（Chang et al., 2000; Wu et al., 2010;Chung et al., 2011; Li et al., 2017），偏强的WNPAC容易导致江淮流域降水显著增加。由此可见，2020年6～7 月异常偏强的WNPAC 是造成江淮流域超强梅雨的最重要、最直接的环流系统。

5 2020 年超强梅雨的驱动因子分析

2020 年6～7 月西北太平洋副热带地区长时间受异常反气旋环流控制，WNPAC 强度破历史纪录、且异常西伸，一方面导致中国江淮流域发生超强梅雨，另一方面导致西北太平洋长达两个月没有台风生成，为历史罕见。历史资料显示，强或超强El Niño 衰减年夏季，WNPAC 往往异常偏强，例如1998 年、2010 年和2016 年；而弱的El Niño 衰减年夏季，WNPAC 并未出现异常偏强，例如2005 年、2007 年和2019 年（图5）。

图5 1979～2020 年6～7 月江淮流域平均降水量（YHRBRI）（灰色柱状）、同期西太副高（WNPSH）强度和西北太平洋反气旋（WNPAC）强度三者标准化指数时间序列。括号里面数字为降水量与环流指数的相关系数， *表示99%的置信水平Fig. 5 Normalized time series of the YHRBRI (gray bars), the western North Pacific Subtropical High (WNPSH) index (solid blue box), and the western North Pacific anomalous anticyclone (WNPAC) index (red dotted line) in June-July from 1979 to 2020. Numbers in brackets denote the correlation coefficient with the YHRBRI. * indicates significance at the 99% confidence level.

2019 年和2020 年连续出现两次相似的弱中部型El Niño 事件。两次事件的时间分别为2018 年9 月至2019 年6 月（峰值为11 月，峰值强度为1.0°C）、2019 年11 月至2020 年3 月（峰值为11 月，峰值强度为0.6°C），后一次仅持续5 个月（图6 和图7），为1981 年以来持续时间最短、强度最弱的一次El Niño 事件。2019 年夏季WNPAC 并未异常偏强（标准化指数为0.62），江淮流域6～7 月降水偏少5.4%；而2020 年夏季WNPAC 异常偏强（标准化指数为3.11），江淮流域6～7 月降水偏多78.9%。那么2020 年6～7 月WNPAC 强度破历史纪录的驱动因子是什么？从SSTA 演变可见，2020 年前冬赤道中太平洋SSTA大于0.5°C，而东太平洋为0～0.5°C（图6a）；春季海温偏暖有所减弱（图6b）；6～7 月赤道中东太平洋海温转为偏冷，热带东南太平洋SSTA 小于-0.5°C（ 图6c）； 2020 年4 月Niño3.4 指数为0.56°C，5 月迅速降低至-0.27°C（图7）。即2020 年El Niño 事件强度低于2019 年，衰减速度也较快。可见2020 年弱中部型El Niño 事件无法完全解释WNPAC 异常偏强的状况。

图7 2018 年9 月至2020 年8 月Niño3.4 指数、3 个月滑动平均的Niño3.4 指数、TIO 指数和TNA 指数（单位：°C）时间序列Fig. 7 Time series of the Niño 3.4 index, 3-month Niño3.4 index, TIO(tropical Indian Ocean) index, and TNA (tropical northern Atlantic)index (units: °C) from September 2018 to August 2020

研究表明除El Niño 以外，西北太平洋、海洋性大陆、热带印度洋、热带北大西洋等关键区域海温异常和局地海气相互作用对北半球夏季WNPAC年际变化具有明显的局地或远程影响，是WNPAC年际变化的重要驱动因子（周天军等, 2004; Li et al., 2005; Yang et al., 2007; Xie et al., 2009; 徐志清和范可, 2012; Wang et al., 2013; 黄刚等, 2016; Wang et al., 2019; Zuo et al., 2019; 段欣妤等, 2020）。监测显示，热带印度洋、热带北大西洋以及北太平洋（30°～60°N）海温从2020 年前冬至6～7 月一直维持偏暖（图6a-c）。从2018 年9 至2020 年8 月，Niño3.4 指数、TIO 指数和TNA 指数24 个月的演变可见，2018 年11 月之后Niño3.4 指数总体呈现波动下降趋势，而TIO 指数和TNA 指数则波动中上升，二者分别在2020 年4 月和3 月达到最大值，这种变化体现了两次El Niño 持续地“放电”，而TIO 和TNA 则持续地“充电”。

图6 2020 年（a）前冬、（b）春季和（c）6～7 月SST 距平（单位：°C），Fig. 6 SST anomalies (units: °C) in (a) previous winter (December-February, DJF), (b) March-May (MAM), and (c) June-July (JJ) of 2020

热带印度洋和热带北大西洋春夏季SSTA 持续暖异常，是否为夏季WNPAC 的驱动因子？图8给出了6～7 月平均的WNPAC 指数回归的前冬至6～7 月的SSTA。除了北太平洋以外，回归的SSTA 空间演变与2020 年非常类似，前冬热带中东太平洋、热带印度洋和热带北大西洋海温偏暖（图8a）；春季SSTA 空间型类似前冬特征，但热带中东太平洋暖海温减弱，而热带北大西洋暖海温明显增强（图8b）；6～7 月SSTA 空间型有明显转变，热带中东太平洋海温转为偏冷，而热带印度洋和热带北大西洋海温维持偏暖，强度较春季略有减弱（图8c）。2020 年北太平洋SST 异常偏暖可能与太平洋年代际振荡（PDO）为负位相有关，而PDO 负位相背景下西太副高往往偏弱偏北，不利于长江中下游降水偏多（朱益民和杨修群，2003）。因此，2020 年北太平洋SST 异常偏暖不是WNPAC 异常偏强的主要影响因子。

图8 1979～2020 年6～7 月平均的WNPAC 强度指数回归的SST 距平（单位：°C）：（a）前冬；（b）春季；（c）6～7 月。网格区表示达到95%的置信水平Fig. 8 Regressions of SST anomalies (units: °C) in (a) DJF, (b) MAM, and (c) JJ against the JJ WNPAC index for the period 1979-2020. Crosshatching denotes significance at the 95% confidence level

从上一年9 月至当年8 月各月SST 指数与6～7 月平均的WNPAC 指数的超前—滞后相关系数（图9）可以清楚地看出，上一年9 月至当年4月逐月Niño3.4 指数与WNPAC 呈显著的正相关，达到99%的置信水平，5～8 月转为负相关；上一年10 月至当年8 月逐月TIO 指数与WNPAC 呈显著的正相关，12 月及之后大部分月份达到99.9%的置信水平；2～8 月逐月TNA 指数与WNPAC 呈显著的正相关，均达到99.9%的置信水平，其中6 月相关系数高达0.69。即从前冬至夏季，赤道中东太平洋海温对6～7 月WNPAC 的影响逐步减弱，而春夏季热带印度洋和热带北大西洋海温异常对6～7 月WNPAC 的影响逐步加强。

图9 1979～2020 年6～7 月WNPAC 指数与Niño3.4 指数、TIO指数、和TNA 指数的超前滞后相关。粗线和圆点分别表示达到99%和99.9%的置信水平Fig. 9 Lead-lag correlations of the JJ WNPAC with the Niño3.4, TIO,and TNA indices for the period 1979-2020. Bold lines and dot lines indicate the 99% and 99.9% confidence levels, respectively

Zuo et al.（2019）通过观测和数值模式试验研究了热带北大西洋海温对WNPAC 的影响，研究表明晚春至秋季热带北大西洋海温与WNPAC 有显著的正相关，前者超前WNPAC 1～2 月时相关最显著，且这种关系独立于ENSO。图10 给出了1979～2020 年前冬Niño3.4 指数、5～7 月平均的TIO 指数和TNA 指数与6～7 月平均的WNPAC指数的散点图。首先，从前冬Niño3.4 指数来看，其与6～7 月平均的WNPAC 指数有显著的正相关关系（相关系数为0.36），13 个El Niño 衰减年有12 年WNPAC 偏强，而8 个弱的El Niño 衰减年仅有3 年WNPAC 标准化指数大于1.0，包括2020 年（图10a）。其次，5～7 月平均的TIO 指数与6～7 月平均的WNPAC 指数的相关更高（相关系数为0.54，与Niño3.4 的偏相关为0.43），TIO 指数大于0 的22 年中有13 年WNPAC 正异常，其中有12 年为El Niño 衰减年（图10b），表明与El Niño 衰减相联系的热带印度洋暖海温年夏季WNPAC 易偏强，即体现了印度洋的电容器效应。5～7 月平均的TNA 指数与6～7 月平均的WNPAC指数的相关最高（相关系数为0.68，与Niño3.4 的偏相关为0.63），TNA 指数大于0 的20 年中有12 年WNPAC 正异常，其中有6 年为El Niño 衰减年（图10c），而非El Niño 衰减年的6 年中，2008 年和2013 年TIO 指数为负异常，WNPAC 标准化指数大于1.0，表明热带北大西洋海温异常及其对WNPAC 的影响相对独立于El Niño。

图10 1979～2020 年海温指数和6～7 月标准化WNPAC 指数的散点图：（a）前冬Niño3.4 指数；（b）5～7 月平均的TIO 指数；（c）5～7 月平均的TNA 指数。紫色方框表示El Niño 衰减年夏季，粉色圆点表示2020 年，黑色方块表示其他年份，红线表示线性拟合；右下角数字表示相关系数，括号中数字为与Niño3.4 指数的偏相关Fig. 10 Scatter plots of the normalized index of JJ WNPAC and (a)DJF Niño 3.4 index, (b) MJJ TIO index, and (c) MJJ TNA index during 1979-2020. The purple boxes represent the El Niño decay years, the pink dot represents 2020, black squares indicate other years, and the red line represents linear fitting. The number in the lower right corner represents the correlation coefficient between WNPAC and SST index,and the number in braces represents the partial correlation with Niño 3.4 index

众多研究也表明，El Niño 在秋、冬季达到峰值，并对热带印度洋和热带北大西洋进行“充电”，El Niño 春夏季衰减后其对大气环流的影响也减弱，而此时热带印度洋和热带北大西洋开始“放电”，完成El Niño 对气候影响的“接力”作用。热带印度洋海温偏暖时，对流偏强，并通过湿绝热调整过程激发东传的Kelvin 波，进而通过埃克曼抽吸抑制了西太暖池对流，使得WNPAC 加强、西伸，这一过程称为印度洋电容器效应（Yang et al.,2007; Xie et al., 2009; Wu et al., 2009）。热带北大西洋海温偏暖则有利于春季至秋季局地对流活动增强，导致热带北大西洋上空上升运动和热带中部太平洋下沉运动增强，后者在西北太平洋上空激发异常的低空反气旋（Hong et al., 2014, 2015; Zuo et al.,2019）。图11 给出了2020 年6～7 月平均的850 hPa和200 hPa 速度势距平和辐散风距平。热带印度洋和热带北大西洋暖海温异常加强了局地热带辐合带上的对流活动，使得热带大西洋—印度洋对流层低层产生异常辐合（图11a），加强了局地整层的上升运动，而对流层高层则为异常辐散（图11b），进而加强了热带中西太平洋对流层高层的异常辐合与下沉运动，西太平洋对流层低层形成反气旋式环流异常响应（图3b）。以上综合分析表明，热带印度洋和热带大西洋海温异常均对El Niño 衰减年WNPAC 异常有重要影响，2020 年6～7 月WNPAC异常偏强主要是春、夏季热带印度洋和热带大西洋海温二者持续偏暖共同驱动的结果。

图11 2020 年6～7 月平均的（a）850 hPa、（b）200 hPa 速度势距平（阴影，单位：106 m2 s-1）和辐散风距平（箭头，单位：m s-1）Fig. 11 Velocity potential (shadings, units: 106 m2 s-1) and divergent wind (vectors, units: m s-1) anomalies at (a) 850 hPa and (b) 200 hPa in JJ of 2020

6 驱动因子影响的数值模式试验

为验证上一节的诊断分析结果，分别以2020年观测的热带印度洋海温和热带北大西洋海温驱动CAM5.3 模式，进行了两组敏感性试验（表1）。模式响应定义为敏感性试验和控制试验集合平均的差值。

图12 给出了TIO 2020 试验中6～7 月平均降水、850 hPa 风场和流函数异常对热带印度洋海温异常强迫的响应。可以看到，热带印度洋大部分区域降水显著偏多（图12a），表明下垫面暖海温异常有利于上空对流的增强。同时，赤道印度洋至中太平洋为显著的东风异常，西北太平洋受反气旋异常环流控制（图12b），其西侧的偏南风异常则有利于水汽输送到我国江淮流域至日本南部，导致降水偏多（图12a）。这表明，热带印度洋暖海温异常通过激发东传的Kelvin 波，导致WNPAC 得到维持和增强（Xie et al., 2009, 2016），进而引起我国江淮流域至日本的超强梅雨。

图12 热带印度洋海温强迫的2020 年6～7 月平均（a）降水距平（单位：mm d-1），（b）850 hPa 风场（矢量箭头，单位：m s-1）和流函数（阴影，单位：105 m2 s-1）距平。（a）中圆点和（b）中蓝色箭头均表示达到95%的置信水平Fig. 12 (a) Precipitation anomalies (units: mm d-1) and (b) horizontal wind (vector; units: m s-1) and stream function anomalies (shading; units:105 m2 s-1)at 850 hPa averaged during JJ in response to the TIO SSTA forcing in 2020. Dots in (a) and blue vectors in (b) represent significance at the 95%confidence level.

图13 给出了TNA 2020 试验中6～7 月平均降水、850 hPa 风场和流函数、850 hPa 和200 hPa 速度势异常对热带北大西洋海温异常强迫的响应。结果显示，热带北大西洋降水显著偏多（图13a），表明对流活动增强，对流层低层为异常辐合、高层为异常辐散气流（图13c 和d）。同时，在热带中太平洋形成高层异常辐合与下沉运动，抑制了该地区的对流活动，进而在其西侧的副热带西北太平洋对流层低层激发出反气旋异常环流响应（图13b），这与前人研究（Hong et al., 2014, 2015；Zuo et al.,2019）所得结论一致。

图13 热带北大西洋海温强迫的2020 年6～7 月平均（a）降水距平（单位：mm d-1），（b）850 hPa 风场（矢量箭头，单位：m s-1）和流函数（阴影，单位：105 m2 s-1）异常，（c）850 hPa 和（d）200 hPa 速度势（单位：106 m2 s-1）异常，其他同图12Fig. 13 (a) Precipitation anomalies (units: mm d-1) and (b) horizontal wind (vector; units: m s-1) and stream function anomalies (shading; units: 105 m2 s-1)at 850 hPa, velocity potential anomalies (units: 106 m2 s-1) at (c) 850 hPa and (d) 200 hPa averaged during JJ in response to the TNA SSTA forcing in 2020. Others are the same as in Fig. 12

7 结论和讨论

2020 年6～7 月，我国江淮流域发生超强梅雨，梅雨期降水强度大、范围广、持续时间长，江淮流域梅雨期累积降水量为1961 年以来之最。因此，本文结合历史资料诊断分析和数值模式敏感性试验，揭示了2020 年江淮流域超强梅雨的成因和主要的驱动因子，得到以下结论：

（1）2020 年6～7 月，西太副高和对流层低层WNPAC 的异常偏强是同期江淮流域超强梅雨最重要、最直接的原因。强大且稳定的WNPAC引导海洋上的水汽向江淮流域输送，同时中高纬度西路冷空气和东路冷空气活动频繁，冷暖空气在江淮流域辐合，导致梅雨期持续时间偏长、强降水过程偏多。

（2）2019 年11 月至2020 年3 月发生一次El Niño 事件，是1981 年以来持续时间最短、强度最弱的中部型事件。历史资料中，弱的El Niño 衰减年江淮流域梅雨量总体为正常至偏少。2020 年发生的弱中部型El Niño 事件，其对WNPAC 和江淮梅雨强度的贡献是有限的。从前冬至夏季，热带印度洋和热带北大西洋持续偏暖，二者通过海气相互作用，共同导致2020 年6～7 月异常偏强的WNPAC，是2020 年江淮流域梅雨异常偏强的重要驱动因子。

（3）热带印度洋主要通过“电容器效应”影响夏季WNPAC，即印度洋暖海温异常通过激发东传的Kelvin 波，抑制了西太暖池对流，进而维持并加强WNPAC；热带北大西洋海温异常则主要通过热带纬向环流（Walker 环流）影响夏季WNPAC，暖海温有利于局地对流活动增强，导致热带北大西洋上空上升运动和热带中部太平洋下沉运动增强，后者激发WNPAC（图14）。

Ding et al.（2021）和Zhou et al.（2021）也强调了热带印度洋暖海温持续异常对2020 年江淮流域超强梅雨的影响，而本文通过诊断分析和数值模拟，揭示了弱El Niño 衰减年，热带印度洋和热带北大西洋海温异常对2020 年江淮流域超强梅雨年际异常的综合影响，充实了2020 年梅雨异常偏强的原因，为季节预测提供参考。

近年来，三大洋泛热带气候的相互作用受到了学者们的关注，热带三大洋作为一个整体，是一个紧密相连的系统，三者之间通过“大气桥”、“海洋桥”（例如印度尼西亚贯穿流）形成复杂的正反馈或负反馈（Cai et al., 2019; Li et al., 2019; Wang,2019），并通过海气相互作用对全球气候产生影响。与2020 年相反，2018 年为La Niña 衰减年，但是东亚夏季风异常偏强，研究显示热带印度洋、北大西洋海温的协同作用对江淮降水异常偏少起到显著作用（Chen et al., 2019），说明三大洋对局地气候综合影响的重要性，相关研究还需要进一步加强。此外，青藏高原积雪也是WNPAC 和江淮梅雨的重要影响因子（张顺利和陶诗言, 2001; Ren et al.,2016; 段安民等, 2018），但高原积雪与El Niño 对梅雨的影响存在复杂性（陈烈庭, 2001; 王妍凤等,2017）。因此，在利用El Niño 研究和预测东亚夏季气候、尤其是梅雨的异常时，需要综合考虑海洋、积雪等信号的作用。

致谢 特别感谢国家气候中心封国林研究员、中科院大气物理研究所戴新刚研究员在研究过程中提供的指导和帮助。