厄尔尼诺次年夏季中国地区云的变化特征及其与降水的关系*

彭艳玉 刘 煜 郜倩倩

灾害天气国家重点实验室，中国气象局大气化学重点实验室，中国气象科学研究院，北京，100081

1 引言

厄尔尼诺事件是指赤道中、东太平洋海表温度大范围持续异常偏高的热带海-气相互作用的一种气候现象，太平洋东部海温异常升高并向西扩展称为东部型厄尔尼诺，赤道中太平洋海温异常升高并向东扩展称为中部型厄尔尼诺（任福民等，2012）。中部型厄尔尼诺对南美、北美西海岸、甚至日本和新西兰气候的影响可能会与东部型厄尔尼诺的影响 完 全 相 反（Larkin，et al，2005；Ashok，et al，2007）。中国位于东亚季风区、太平洋西海岸，邻近厄尔尼诺发生区，气候必然会受到厄尔尼诺现象的影响。降水是气候最基本的组成因素之一，许多研究表明：东部型厄尔尼诺事件次年夏季中国形成南、北两条异常雨带，江淮地区少雨（Huang，et al，1989；陈文，2002；Feng，et al，2011；王钦等，2012；吴萍等，2017）；中部型厄尔尼诺事件次年夏季中国形成一条异常雨带，长江以南少雨（Feng，et al，2011；王钦等，2012；吴萍等，2017）。不同类型厄尔尼诺事件的大气环流特征以及气候影响存在明 显 差 异（Yuan，et al，2012a，2012b；袁 媛 等，2012；Chen，et al，2014；李丽平等，2015；汪婉婷等，2018）。

云是气候系统中最复杂的因素之一，在气候系统的能量收支和水分循环过程中起着重要作用，云相关物理量的任何变化都可能对全球气候产生重大影响。中国地区多年平均总云量分布的总体形势是南多北少、东多西少。总云量、高云量和低云量呈减少趋势，中云量稍有增加（Kaiser，1998；丁守国等，2004，2005；吴涧等，2011）。但是，段皎等（2011）的结果则显示中国大部分地区总云量没有显著的变化趋势，在华南地区和渤海湾以及西北部分地区有增多趋势，青藏高原中部有减少趋势；中国大部分地区高云量没有明显的变化趋势；华南和东北地区以及青藏高原西部中云量有增多趋势。东亚季风区低云发生频率最大，夏季深对流云频率增加明显（刘建军等，2017）。

在云和降水的关系方面，已有较多研究成果。中国年平均总云量与年降水量存在良好的线性正相关关系（曾昭美等，1993）。对流云多产生阵性降水，时间短强度大，层状云可产生连续性降水，雨强相对较小但持续时间长（胡亮等，2010；杜振彩等，2011）；对流云降水主要来自深对流云和卷层云；层云降水主要来自高层云和层积云（李昀英等，2015）。西南地区夏季雨层云、高层云和深对流云与雨量和雨日有着较好的一致关系（李跃清等，2014）；西北地区云水路径值较大的层状云类的云量多寡与降水多寡一致，积状云类和层积云类云量多少与降水不存在一定的关系（陈勇航等，2005）。也有一些学者利用风云气象卫星相关数据针对中国部分地区探讨了云特征参数与降水量的相关，认为有些云结构特征参数对降水有着很好的指示作用（周毓荃等，2011；张中波等，2017；王磊等，2019）。

中国云量年际振荡的主要特征与ENSO相同，ENSO年份中国云量少，降水也偏少；全国普遍存在的ENSO尺度振荡主频率有由南向北、由东向西推迟的倾向（曾昭美等，1993）；ENSO通过影响高空大气环流状况，进而影响中国各地云量变化而最终影响各地的降水量（卢爱刚等，2009）。李月洪（1987）在其研究中提到：厄尔尼诺发生年冬季西太平洋赤道地区150°E以东云量增加，以西云量减少。云的产生条件和海温有密切的关系，在研究海洋和大气相互作用时，探究云与海洋的关系是十分重要的。ENSO包括不同类型的厄尔尼诺事件和不同类型的拉尼娜事件，且事件的影响包括事件发生当年和事件发生次年，不同季节影响也有很大的不同，以上关于海温异常对云影响的相关研究均过于简单、笼统。众多已有研究成果表明，厄尔尼诺事件对中国次年夏季风进程和夏季降水有着极其重要的影响，而云的形成是产生降水的必要条件，但将厄尔尼诺事件与云的变化以及云和降水关系联系起来的研究成果相对缺乏。如今全球变暖仍在持续，近百年中国变暖趋势高于全球平均水平（严中伟等，2020），全球变暖更稳定地体现在海洋（Cheng，et al，2019），在此背景下将厄尔尼诺、降水和云三者联系起来分析中国气候对不同类型厄尔尼诺事件的响应规律和敏感性，对于了解中国各地气候特征与海温异常的关系、全面认识中国气候变化、改进天气预报和短期气候预测、更好地应对全球变化等都具有重要意义。因此，本研究期望能够将厄尔尼诺和云、降水联系起来研究，以探讨两类厄尔尼诺事件次年夏季中国云相关参数的变化特征及其与降水变化的联系。

2 资料和方法

2.1 资料简介

地面常规观测资料的观测时间序列长、局地代表性强，但测站分布极不均匀；卫星遥感资料具有覆盖范围广、时间分辨率高、能够反演云的多种物理量等特点，但由于对云识别技术还不完善，对云的分层描述和低云的准确识别还不理想（王旻燕等，2009）。并且，地基与天基的云观测视角不同，反映云的特性也不同，如：深对流云，地基观测根据云底高度，其为低云，卫星观测根据云顶高度，其为高云。考虑到每种数据都有其局限性和视角的不同，文中主要用到中国地面台站常规观测的降水和云量数据、气象信息综合分析处理系统（MICAPS）降水和云相关数据、国际卫星云气候学计划（ISCCP）的D2数据、中分辨率成像光谱仪（MODIS）数据（MOD08_M3）和热带测雨卫星（TRMM）3A25数据等数据集的夏季（6—8月）数据来做分析，以尽可能提高所得结果的可靠性。时间长、包含个例多的站点数据用于分析厄尔尼诺次年夏季降水和云量的变化特征以及二者的关系；含较多气象观测要素的MICAPS数据用于补充低云状出现频率的变化；含多种云相关变量的ISCCP和MODIS数据用于分析云顶气压、温度和光学厚度等特性与降水异常的关系；含对流降水和层云降水的TRMM卫星数据用于分析厄尔尼诺事件对不同类型降水的影响。用到的5种资料简介如下：

（1）中国国家级地面气象站1961—2010年逐日降水和云量数据。数据集由中国气象局国家气象信息中心提供，原始数据经过严格的质量检测与控制。（2）MICAPS（Meteorological Information Combine Analysis and Process System）2000—2013年第一类地面全要素填图数据。该数据集是气象观测台站每3 h的原始观测数据，包含云状等数据集（1）中没有的信息。本研究主要用到降水、云量和低云状等要素，用于数据集（1）所得结果的补充。（3）ISCCP（International Satellite Cloud Climatology Project）1984—2009年的D2数据集。D2数据集的空间分辨率为2.5°×2.5°，共有130个与云相关的物理量，含3 h和日平均数据，本研究主要用到日平均的云量、云顶气压、云顶温度、光学厚度和云水路径等气象要素。（4）MODIS（Moderate-Resolution Imaging Spectroradiometer）2000—2017年的MOD08_M3数据集。MOD08_M3是MODIS三级全球1°×1°格点的月平均大气标准产品，是全球气溶胶、水汽和云月合成产品。（5）TRMM（Tropical Rainfall Measuring Mission satellite）1998—2014年 的3A25降水 数 据。3A25产品是TRMM星载降水雷达（PR）格点化月平均降水资料3级产品。分辨率是0.5°×0.5°，数据集经过严格的质量控制。

2.2 方法

根据2017年5月中国气象局颁布的气象行业标准《厄尔尼诺/拉尼娜事件判别方法》（QB/T33666-2017）将各数据相应时间长度范围内的厄尔尼诺事件进行分类。以东部型（EP）和中部型（CP）来区分不同分布型的厄尔尼诺事件。本研究将厄尔尼诺发生的后一年称为厄尔尼诺次年。各类数据时段内对应的两类事件年份和数据使用详细情况说明见表1。

表1 各数据集的选用说明Table 1 Instruction for the selection of datasets

以厄尔尼诺次年夏季气象要素合成值相对于夏季气候平均态的距平百分率来表示厄尔尼诺事件对夏季中国地区降水和云等各种气象要素的影响。用到的研究方法（黄嘉佑，2004）主要有合成分析、差异分析（距平：数据相对于气候平均的差值，距平百分率：距平相对于气候平均的百分比）、相关分析（线性相关）、回归分析（线性回归），方法较简单常见。差异分析的显著性检验用t检验。

3 结果分析

3.1 厄尔尼诺对云量等多种云相关物理量的影响

地面台站数据经过缺测率和迁址条件控制后一共选取1678个符合条件的站点（图1），这些站点大部分位于中国的季风气候区，正是本研究分析的主要区域。厄尔尼诺事件次年夏季总降水异常（图2）表明，东部型事件次年夏季中国地区形成南北两条异常雨带（图2a），长江流域、内蒙古、华北和东北西部地区多雨；江淮地区少雨。中部型事件次年夏季中国地区形成一条异常雨带（图2b），华北南部、东北南部、江淮地区以及青藏高原等地区多雨；内蒙古、黑龙江和长江以南地区少雨。该分析结果与吴萍等（2017）的研究结果基本一致，在西北地区和雨带范围上存在一些差异，可能是由于选取的气候背景场和站点不一致所引起的。白天和夜间降水（图略）与总降水的距平百分率分布形势基本相同。

图1 常规站点数据进行条件控制后选取的站点分布情况Fig.1 Distribution of stations selected after conditional control of conventional station dataset

图2 厄尔尼诺（a.东部型，b.中部型）事件次年夏季累计降水相对于气候平均值的距平百分率（单位：%，站点数据；通过置信度为95%显著性检验的站点以*标注）Fig.2 Percentage anomalies（unit：%，station dataset）of cumulative precipitation in the El Niño（a.EPEl Niño，b.CP El Niño）decaying summers relative to the climatic average（stations with values passing significance test at the 95%confidence level are marked with*）

在分析云的数据之前，对资料进行了相互对比和验证，资料对比所用的时段和气象要素选为所对比资料共有的时间长度（6—8月）和气象要素。常规站点、ISCCP资料、MODIS的数据总云量分布形势是一致的（图略），高值中心均位于西南地区，由南向北递减，低值中心位于西北地区；在黄河以南、华北和东北大部分地区，三类数据总云量差异较小，基本在6%以内；在内蒙古和西北地区三类数据的差异较明显，ISCCP总云量比站点数据多6%—12%，MODIS总云量比站点数据少6%—12%。站点数据和MICAPS数据的降水和云量分布形势基本吻合（图略），在长江以南地区降水MICAPS数据略小于站点数据；总云量MICAPS数据整体略小于站点数据，而低云量MICAPS数据整体略大于站点数据。总体而言，各种数据之间的偏差主要在西部地区，且数值偏差较小，比如总云量的偏差基本在1成云量以内，数据质量好，具有较高的使用价值，可用于云的变化特征及其与降水关系的研究。

3.1.1 站点资料：厄尔尼诺事件对总云量和低云量的影响

厄尔尼诺事件次年夏季日平均云量合成值相对于气候平均值的异常（图3）表明，东部型事件对应的白天总云量（图3a）在大部分地区呈增多趋势，增多大值区在华北北部和内蒙古中部，增加幅度超过5%；在江汉、江淮和江南地区是减少的，减少大值区位于江淮地区，减小幅度超过5%。白天低云量（图3c）在黄河流域及其以北和西北地区东部有所增多，黄河中游地区增多最明显，幅度超过20%；在西南、江淮和长江以南地区是减少的，减少幅度基本不超过8%。夜间低云量（图3e）与白天基本一致，但在东北地区夜间低云量是减少的。中部型厄尔尼诺事件对应的白天总云量（图3b）在东北、华北、长江—黄河之间的区域呈增多趋势，增多极大值区在华北东部沿海地区，增幅在5%左右；在内蒙古、江南和华南东部地区是减少的，减少幅度在4%以内。低云量的异常分布（图3d、f）大致同总云量，但低云量异常增多大值区位于华北南部，且幅度比总云量略大，接近10%。

图3 厄尔尼诺（a、c、e.东部型，b、d、f.中部型）事件次年夏季日平均云量（a、b.白天总云量，c、d.白天低云量，e、f.夜间低云量）的距平百分率（单位：%，站点数据）Fig.3 Percentage anomalies（unit：%，station dataset） of daily average cloud amount in the El Niño decaying summers （a，c，e.EPEl Niño，b，d，f.CPEl Niño；a，b.total cloud amount at daytime，c，d.low cloud amount at daytime，e，f.low cloud amount at nighttime）

3.1.2 ISCCP资料：厄尔尼诺事件对多种云量的影响

厄尔尼诺事件次年站点数据的夏季降水的异常分布（气候平均态是ISCCP数据对应的时段1984—2009年）中，两种类型事件对应的降水异常分布形势（图略）与图2基本一致，不过东部型厄尔尼诺事件对应的南、北雨带分界不明显，北部异常雨区东边界线西移，华北东部地区降水变化幅度不大，降水异常大值区在黄河中游流域。

图4是ISCCP数据中厄尔尼诺事件次年夏季云量的异常。由于卫星观测的方向是由上向下，故而其对低云量的观测结果不甚理想（低云量和中云量图略）。东部型厄尔尼诺对应的总云量（图4a）在西北、内蒙古和西南地区是增多的；高云量（图4c）在内蒙古—华北以西和长江中上游流域及其以北是增多的；卷层云云量（图4e）增减分界线较高云量更偏西；除了东北和华南南部部分地区，中国东部地区深对流云云量都是增多的（图4g）。中部型厄尔尼诺对应的云量异常分布与降水（图略）较为一致，但云量增多的范围比降水增加范围更大。总云量（图4b）在全国大部分地区都是增多的；高云量（图4d）在长江以北地区都是增多的；卷层云云量（图4f）在青海、四川和108°E以东是增多的；深对流云云量（图4h）在中国西部和东部的长江—黄河之间是增多的。

图4 厄尔尼诺（a、c、e、g.东部型，b、d、f、h.中部型）事件次年夏季云量（a、b.总云量，c、d.高云量，e、f.卷层云云量，g、h.深对流云云量）的距平百分率（单位：%，ISCCP数据）Fig.4 Percentage anomalies （unit：%，ISCCPdataset）of cloud amount in the El Niño decaying summers（a，c，e，g.EP El Niño，b，d，f，h.CPEl Niño；a，b.total cloud amount，c，d.high cloud amount，e，f.cirrostratus cloud amount，g，h.deep convective cloud amount）

3.1.3 MODIS数据：厄尔尼诺事件对多种云相关物理量的影响

厄尔尼诺事件次年站点数据的夏季降水的异常情况（气候平均态是MODIS数据对应的时段2000—2017年）中，两种类型事件对应的降水异常分布形势（图略）与图2存在差异，东部型厄尔尼诺事件仍然对应南、北两条雨带（图略），但在长江—黄河中下游流域南北雨带连在一起，黄淮、江汉和江淮地区的降水是增加的，北部异常雨区扩展到整个新疆和西藏西部，南部雨带降水增加的幅度也更大；中部型厄尔尼诺对应的雨带分布（图略）差异不大，只是东北雨区扩展到整个东北地区。由于MODIS数据长度只有17 a，东部型和中部型事件个例分别为2个和3个，降水分布的差异来源于个例数量少。

从MODIS数据厄尔尼诺事件次年夏季云量的异常分布（图5）可见，东部型厄尔尼诺对应的总云量（图5a）、高云量（图5c）和卷云量（图5e）也分为南、北两条异常增多云带，但在长江—黄河中下游流域之间云量是减少的，南异常云带比南异常雨带位置偏南，基本位于长江以南。中部型厄尔尼诺对应的总云量（图5b）、高云量（图5d）和卷云量（图5f）增多区分布在长江与黄河之间、西北、西南和东北地区，几乎与降水异常增加形势（图略）一致，但云南除外。图6是MODIS数据厄尔尼诺事件次年夏季与总云相关的物理量的异常分布。东部型厄尔尼诺对应的总云云顶气压（图6a）和云顶温度（图6c）的异常分布形势与降水异常相反，在降水增加的区域上云顶气压和云顶温度是下降的；光学厚度（图6e）与降水距平百分率增加区虽然存在较大差异，但在降水异常增加大值区光学厚度是增大的。中部型厄尔尼诺对应的总云云顶气压（图6b）和云顶温度（图6d）与降水的距平百分率分布形势都呈大致相反趋势，即：云顶气压减小和云顶温度下降的区域对应降水增加，云顶气压增大和云顶温度升高的区域对应降水减少；光学厚度（图6f）和降水异常分布差异较小且正大值区基本重合。夏季平均总云不同相态云水路径的异常分布形势（图略）基本与光学厚度一致。也就是说在降水异常增加区域，不仅总云云量增加，光学厚度增大，云水含量升高，而且云顶气压和云顶温度下降，对流活动增强，云顶高度增高，云层增厚。

图5 厄尔尼诺（a、c、e.东部型，b、d、f.中部型）事件次年夏季云量（a、b.总云量，c、d.高云量，e、f.卷云云量）的距平百分率（单位：%，MODIS数据）Fig.5 Percentage anomalies（unit：%，MODIS dataset）of cloud amount in the El Niño decaying summers（a，c，e.EP El Niño，b，d，f.CPEl Niño；a，b.total cloud amount，c，d.high cloud amount，e，f.cirrus cloud amount）

图6 厄尔尼诺（a、c、e.东部型，b、d、f.中部型）事件次年夏季与总云相关的物理量（a、b.云顶气压，c、d. 云顶温度，e、f.光学厚度）距平百分率（单位：%，MODIS数据）Fig.6 Percentage anomalies（unit：%，MODIS dataset） of physical quantities of total cloud in the El Niño decaying summers（a，c，e.EPEl Niño，b，d，f.CPEl Niño；a，b.pressure in cloud top，c，d.temperature in cloud top，e，f.optical thickness）

3.1.4 MICAPS数据：厄尔尼诺事件对云量和低云状出现频率的影响

由于数据长度只有14 a，东部型和中部型事件个例分别为1个和3个，所得结果可能不具有统计上的显著意义和广泛代表性，但其包含的低云状等量可用于对常规站点数据进行一些补充分析。

从MICAPS数据中厄尔尼诺事件次年夏季白天降水和云量的异常分布（图7）可见，东部型厄尔尼诺对应的降水（图7a）在全国范围内基本都是大幅度增加的，只黑龙江和新疆部分区域减少；总云量（图7c）在东北、内蒙古东部、新疆、西藏、四川西部、华南西部和江南东部是减少的，在其余地区是增多的；低云量的分布形势（图7e）同总云量，但云量减少区域的范围更大。东部型厄尔尼诺总云量和低云量的异常分布与降水相似，但异常增多区域略小一些，云量的增减幅度都在20%以内。中部型厄尔尼诺降水（图7b）在东北、华北南部、黄淮西部、江淮、西南北部、青海—西藏大部分区域是增多的，其余地区是减少的；总云量（图7d）在内蒙古中西部、华北、江淮和江南部分地区是减少的，其余地区是增多的；低云量的分布形势（图7f）大致同总云量，但云量减少区较小。与降水相比，中部型厄尔尼诺的云量减少区域面积小且幅度基本不超过10%，增多区域面积大，部分地区幅度超过25%。东部型厄尔尼诺对应的降水和云量异常与站点数据差异较大，可能是因为MICAPS数据的东部型事件只有一个个例，不具有代表性；中部型厄尔尼诺对应的降水和云量异常与站点数据较为一致。夜间降水和云量的异常分布形势基本同白天（图略）。

图7 厄尔尼诺（a、c、e.东部型，b、d、f.中部型）事件次年夏季白天降水（a、b）和云量（c、d.总云量，e、f.低云量）距平百分率（单位：%，MICAPS数据）Fig.7 Percentage anomalies（unit：%，MICAPSdataset）of precipitation and cloud amount in the El Niño decaying summers at daytime（a，c，e.EPEl Niño，b，d，f. CPEl Niño；a，b.precipitation，c，d.total cloud amount，e，f.low cloud amount）

MICAPS数据将低云状分为9种，表2给出其编码和伴随的天气现象（中国气象局，2003）。参考高翠翠等（2015）关于云出现频率的统计量：各站点各类云的发生频率等于各站点各类云出现的次数与各站点的观测次数的比值，以百分数（%）表示。由于低云状种类较多，细分之后会出现气候平均值为0的情况，无法计算距平百分率，故而低云状的出现频率异常用距平数据进行分析。接下来对厄尔尼诺事件次年中国夏季9种低云的出现频率进行差异分析。

由表2可知，淡积云常出现在晴天，其他8种低云都有可能产生降水。图8所示为厄尔尼诺事件次年夏季平均白天部分低云（层积云（图8a、b），碎雨云（图8c、d），鬃状/砧状积雨云（图8e、f））出现频率相对于气候平均态的距平。两类厄尔尼诺事件次年夏季，中国地区白天低云量异常增多区域上层积云、碎雨云和积雨云等3类低云的出现频率是增加的，频率增加幅度基本在3.5%以内。东部型厄尔尼诺事件中，华北西部和西北东部地区主要是层积云和鬃状/砧状积雨云的出现频率增加；陕西、江汉和黄淮地区主要是层积云和碎雨云的出现频率增加；西南东部和北部、华南东部、江南和江淮地区则是鬃状/砧状积雨云的出现频率增加。中部型厄尔尼诺事件中，东北地区主要是层积云和鬃状/砧状积雨云的出现频率增加；黄河上游流域层积云的出现频率增加；西南北部和长江—黄河之间地区是层积云和碎雨云的出现频率增加。夜间低云状出现频率的距平情况与白天基本一致（图略）。结合图7a、b可知，两类厄尔尼诺事件异常雨区的形成与层积云、雨层云和积雨云等低云状的出现频率增加密切相关。

图8 厄尔尼诺（a、c、e.东部型，b、d、f.中部型）事件次年夏季白天低云（a、b.普通层积云，c、d.碎雨云，e、f.鬃状/砧状积雨云）出现频率的距平（单位：%，MICAPS数据）Fig.8 Anomalies（unit：%，MICAPS dataset）of frequency of low cloud forms in the El Niño decaying summers at daytime（a，c，e.EPEl Niño，b，d，f.CPEl Niño；a，b.stratocumulus，c，d.fractonimbus，e，f.cumulonimbus capillatus and incus）

表2 MICAPS数据低云状的类别及其伴随天气现象Table2 Low cloud forms and accompanied weather phenomena in the MICAPSdataset

3.2 厄尔尼诺对降水和云关系的影响

曾昭美等（1993）在其研究中提到，中国年平均总云量与年降水量有良好的线性正相关关系（相关系数0.624，达到0.001显著性水平），本研究对厄尔尼诺次年夏季降水与云多种相关物理量的异常进行了线性相关分析。

3.2.1 站点数据的降水与云量距平百分率的相关分析

从厄尔尼诺事件次年夏季降水与云量异常的相关分析（图9）可见，东部型厄尔尼诺次年夏季，除内蒙古和新疆的小部分区域外，降水距平百分率与白天平均总云量（图9a）、白天平均低云量（图9c）和夜间平均低云量（图9e）距平百分率基本呈现正相关，中国东部地区较多站点都通过了显著性水平为0.05的相关显著性检验。中部型厄尔尼诺对应的情况（图9b、d、f）更复杂一些，在内蒙古、华北和西南等地区的小部分区域存在负相关，但总体也呈正相关，正相关区域中也有不少站点通过了相关显著性检验。

图9 厄尔尼诺（a、c、e.东部型，b、d、f.中部型）事件次年夏季降水与云量距平百分率的相关系数（站点数据；a、b.白天降水与总云量，c、d.白天降水与低云量，e、f.夜间降水与低云量）Fig.9 Correlation between percentage anomalies of precipitation and cloud amount in the El Niño decaying summers（station dataset；a，c，e.EPEl Niño，b，d，f.CPEl Niño；a，b. precipitation and total cloud amount at daytime，c，d. precipitation and low cloud amount at daytime，e，f.precipitation and low cloud amount at nighttime）

3.2.2 站点数据的降水与云量距平百分率的线性回归分析

将通过降水与云量正相关显著性检验的站点挑选出来，对这些站点的云量与降水距平百分率进行线性回归分析，结果如图10所示，东部型厄尔尼诺对应的云量与降水的线性关系非常明显，且都通过了较高水平的显著性检验；白天总云量与降水异常的增加比例（图10a）为1:2.82，低云量（图10c为白天，图10e为夜间）与降水异常的增加比例为1:0.82—0.91。中部型厄尔尼诺对应的情况则较为复杂，云量与降水的线性关系不如东部型厄尔尼诺明显，但也都通过了显著性检验；总云量与降水异常的增加比例（图10b）为1:3.00，低云量（图10d为白天，图10f为夜间）与降水异常的增加比例为1:1.11—1.17。云量异常与降水异常有着很好的相关关系，低云量异常与降水异常的线性回归关系更为明显（显著性水平高2—3个量级）：总云量异常增加1%，降水异常增加约为3%；低云量异常增加1%，降水异常随之增加约为1%。

图10 厄尔尼诺（a、c、e.东部型，b、d、f.中部型）事件次年夏季降水与云量距平百分率的线性回归（站点数据，公式为回归方程，Num表示拟合站点数，p为回归方程F显著性检验的p值；a、b.白天降水与总云量，c、d. 白天降水与低云量，e、f.夜间降水与低云量）Fig.10 Linear regression between percentage anomalies of precipitation and cloud amount in the El Niño decaying summers（station dataset，the formula on the figure is the regression equation，"Num"represents the number of fitting stations，and "p"is the p-value of F test of regression equation；a，c，e.EP El Niño，b，d，f.CP El Niño；a，b.precipitation and total cloud amount at daytime，c，d.precipitation and low cloud amount at daytime，e，f.precipitation and low cloud amount at nighttime）

3.2.3 站点数据的降水与ISCCP云相关物理量距平百分率的相关分析

图11是厄尔尼诺事件次年夏季降水与ISCCP云量距平百分率的相关系数分布。东部型厄尔尼诺对应的总云量（图11a）和高云量（图11c）与降水距平百分率基本呈正相关关系，高云中的卷层云（图11e）和深对流云云量（图11g）与降水异常有很好的正相关关系。中部型厄尔尼诺对应的总云量（图11b）与降水异常的相关较差，高云量（图11d）以及高云中的卷层云（图11f）和深对流云（图11h）云量与降水距平百分率有很好的正相关。由图11可知，高云量和深对流云云量与降水异常的正相关比较强。

图11 厄尔尼诺（a、c、e、g.东部型，b、d、f、h.中部型）事件次年夏季站点降水与ISCCP云量距平百分率的相关系数（a、b.总降水与总云量，c、d.总降水与高云量，e、f.总降水与卷层云云量，g、h.总降水与深对流云云量；通过0.05水平显著性检验的区域打点标注）Fig.11 Correlation between percentage anomalies of precipitation of station dataset and cloud amount in the ISCCPdataset in the El Niño decaying summers（a，c，e，g.EPEl Niño，b，d，f，h.CPEl Niño；a，b.total precipitation and total cloud amount，c，d.total precipitation and high cloud amount，e，f.total precipitation and cirrostratus cloud amount，g，h.total precipitation and deep convective cloud amount；dots denote passing the test of 0.05 significance level）

图12是厄尔尼诺次年夏季ISCCP数据总云的其他相关物理量与站点降水距平百分率的相关系数分布。在大部分地区，两类事件对应的总云光学厚度和云水路径与降水异常呈正相关，云顶气压、云顶温度与降水异常的相关关系（图略）较为复杂，正、负相关同时存在。对于卷层云和深对流云（图略），云顶气压、云顶温度、光学厚度和云水路径与降水距平百分率的相关较差，正、负相关同时存在。

图12 厄尔尼诺（a、c.东部型，b、d.中部型）事件次年夏季站点降水与ISCCP总云相关物理量距平百分率的相关系数（a、b.总降水与总云光学厚度，c、d.总降水与云水路径）Fig.12 Correlation between percentage anomalies of precipitation from station dataset and total cloud related physical quantities from the ISCCPdataset in the El Niño decaying summer （a，c.EPEl Niño，b，d.CPEl Niño；total precipitation and total cloud （a，b）optical thickness and （c，d）cloud water path）

3.3 厄尔尼诺对不同类型降水的影响

对于厄尔尼诺事件次年夏季站点降水率与TRMM地表降水率的分布形势进行对比（图略）。在空间分布上，TRMM卫星与站点降水分布形势一致，降水率从西北向东南递增；在降水幅度上，TRMM卫星在全域存在高估降水量的现象，与杨东等（2019）关于洞庭湖流域TRMM降水数据精度的相关研究结论一致。利用TRMM卫星的降水资料研究厄尔尼诺事件对不同类型降水的影响，给出厄尔尼诺事件次年夏季近地表对流降水和层云降水总和的距平百分率以及总降水异常中二者所占的比例（图13）。东部型厄尔尼诺事件次年夏季，淮河流域、长江流域和珠江流域总降水都是增多的（图13a），云南、江南东部和华南南部等地降水减少；降水增加极大值超过20%，大值区位于江汉北部和西南东部地区。图13c、e是东部型厄尔尼诺事件对流降水和层云降水异常对总降水异常的贡献，在整个南方区域，对流降水异常的贡献都是正值，表明对流降水异常与总降水异常分布趋势一致，且贡献率基本在80%以上；除江南西部等小部分地区是负值外，层云降水异常的贡献率也基本都是正值，大部分地区贡献率在30%以内。中部型厄尔尼诺事件对应的降水异常增加区主要在长江以北地区（图13b），降水大值区位于华北南部和西北地区南部，增加幅度基本不超过20%。图13d、f是中部型厄尔尼诺事件对流降水和层云降水异常对总降水异常的贡献，整个区域内对流降水对总降水异常的贡献也都是正的，贡献率也基本在80%以上；层云降水异常对总降水的贡献也几乎均为正值，表现为与总降水变化一致，在西南东部和华南东部等地区占比幅度超过30%。对比图13a、b和相同年份站点数据两类厄尔尼诺事件的降水距平（图略）可知，TRMM降水异常分布与站点降水大致相同。综上可知，东部型厄尔尼诺事件次年夏季黄河以南地区对流降水和层云降水均有增加，中部型厄尔尼诺事件次年夏季长江以北地区两类降水同步增多、长江以南地区两类降水同步减少，两类厄尔尼诺事件中对流降水增加对总降水变化的贡献率在大部分地区都达到了80%。孙齐颖等（2017）利用CMORPH 3 h卫星降水数据分析了北半球夏季对流性降水与厄尔尼诺事件（1个东部型和3个中部型合成）的关系，也得出了厄尔尼诺事件次年中国陆地（尤其是黄河以南）对流性降水明显偏多、非对流性降水则表现为长江—黄河之间偏多和江南偏少的结论。

图13 厄尔尼诺 （a、c、e.东部型，b、d、f.中部型）事件次年夏季近地表总降水的距平百分率（a、b）以及对流降水 （c、d） 和层云降水（e、f）异常占总降水异常的百分数（单位：%，TRMM数据）Fig.13 Percentage anomalies（unit：%，TRMM dataset）of total precipitation （a，b）and the ratios accounted for by convective（c，d）and stratus（e，f）precipitation anomalies in the El Niño decaying summers（a，c，e.EPEl Niño，b，d，f.CPEl Niño）

4 结论与讨论

文中主要探讨了不同类型厄尔尼诺事件次年夏季中国地区云（云量、云顶气压、云顶温度、云水路径、光学厚度和低云状出现频率）的变化特征及其与降水变化的联系（相关关系和线性回归关系）。研究中使用到多种数据，由于站点数据时间长度较长、缺测率较低且经过严格的质量控制，以站点资料为参考进行比较，各种数据之间的偏差主要在西部地区，且数值偏差较小。对比表明这些数据质量高，所得结果具有较高的可信度。

（1）东部型厄尔尼诺次年夏季中国地区形成南、北两条异常雨带，中部型厄尔尼诺次年夏季中国地区形成一条异常雨带，这个结果与已有研究结果基本一致。厄尔尼诺次年夏季的低云量和总云量的异常分布形势大致与降水异常分布形势相同，降水异常增加的地区对应的云量也是增多的。云量与降水异常存在很好的正相关。在通过正相关关系显著性检验的站点中，总云量和低云量与降水异常分别存在1:3和1:1的线性关系，且都通过了0.05水平的显著性检验。也就是说，厄尔尼诺次年夏季，中国东部地区总云量异常增多1%，降水异常相应增加约3%；低云量异常增多1%，降水异常相应增加约1%。而在异常雨带所在地区积雨云、雨层云和层积云的出现频率有所增加。

（2）两类厄尔尼诺事件对应的高云量和深对流云云量异常的分布与降水异常形势较为一致，总云云顶气压和云顶温度与降水的距平百分率分布形势大致相反，光学厚度和云水路径与降水异常分布形势相似且正大值区基本重合。厄尔尼诺事件的发生使得次年夏季中国季风区对流活动增强，云水含量和对流云云量增加，云层增厚，云顶向上发展，有利于降水的发生。

（3）黄河以南地区两类厄尔尼诺事件对应雨带的形成是对流降水和层云降水同步异常增加的结果，但以对流降水增加为主，在大部分地区其对总降水变化的贡献率都达到了80%。中部型事件中长江以南地区干旱少雨也主要是对流降水减少造成的，不过部分地区层云降水减少的贡献率超过30%。

在厄尔尼诺事件次年夏季，站点数据的云量与降水异常的线性回归分析得到总云量和低云量与降水增加的比例分别接近1:3和1:1的结论，说明低云对降水增加具有较大的影响；MICAPS数据对站点数据补充分析表明，低云中积雨云、雨层云和层积云的出现频率增加，对降水影响大；ISCCP观测数据的相关分析则表明高云和深对流云云量与降水异常存在显著的正相关；TRMM卫星数据相关分析则表明，黄河以南地区对流降水异常对总降水变化的贡献基本高达80%。ISCCP卫星数据根据云顶高度分高中低云，站点数据则根据云底高度分高中低云，通过对比可知ISCCP数据中高云的深对流云和站点数据低云中深厚的积雨云与TRMM数据中对流降水的变化是一致的。由此可知，厄尔尼诺事件次年夏季，中国东部地区低云对降水具有良好的指示作用；总降水的异常主要来自对流降水的变化；对流降水异常增加与深对流云的异常增加有关。

东部型厄尔尼诺事件次年夏季，东亚-太平洋遥相关型建立，副高西侧的强西南气流将来自太平洋的大量水汽持续输送至中国中东部地区；同时，中高纬度异常双阻塞型环流建立，将北冰洋的水汽带到中国北部地区（吴萍等，2017）。两条水汽通道导致中国除江淮地区外，各地云量的异常增多，由此形成南北两条异常雨带。中部型厄尔尼诺事件次年夏季，菲律宾异常反气旋强，影响范围广，夏季风将来自西太平洋的水汽集中输送到江淮地区，中国北方地区水汽不足而长江以南地区被副热带高压控制，故而在长江—黄河流域云量异常增多，形成了一条异常雨带（吴萍等，2017）。贾子康等（2020）的研究也指出，夏季华南型和江淮型高温分别与东部型和中部型厄尔尼诺衰减密切相关，中部型事件中副热带高压偏强西伸北抬，控制范围更偏北，故而雨带北移。

东部型事件对应的降水异常与云相关物理量间的关系呈现出一定的规律性，结果较为理想；中部型事件对应的降水异常与云相关物理量间的关系则无规律可循，也表明虽然中部型都是中等和弱厄尔尼诺事件，但其对气候的影响更大、更复杂和具有更大的不确定性。全球变暖背景下东太平洋厄尔尼诺变率增大（Cai，et al，2018）；20世纪90年代以来，中部型厄尔尼诺事件发生频率显著增加，可能与全球变暖，尤其是赤道太平洋海温的年代际升高有关（Yeh，et al，2009）。Tang等（2021）认为模式中的系统性偏差导致全球变暖背景下的极端厄尔尼诺频率变化被显著高估，基于订正后的气候态变化，极端厄尔尼诺频率将几乎不变。全球变暖背景下，同样振幅的ENSO能导致更大的对流层水汽异常，进而造成更大的全球大气环流、气温和降水异常，揭示了全球变暖下ENSO的气候影响会显著增强，未来ENSO可能会造成更大的气候灾害（Hu，et al，2021）。厄尔尼诺事件是影响东亚夏季风最显著的自然因子，温室效应至今仍不断增强，全球变暖是21世纪最重要的环境问题；全球变暖背景下，厄尔尼诺事件发生更加频繁、复杂，不确定性更大，对气候产生的影响也具有更大的不确定性。

目前全球变暖仍在持续，极端天气气候事件发生的频率增加、强度增强。近30年，厄尔尼诺事件的强度有增大的趋势，且其复杂性、多样性和不确定性也在增大。气象观测历史记录中，厄尔尼诺事件的样本为数不多，本研究将事件分为东部型和中部型进行分析，样本数量有限，故而所得结果在统计上较难通过显著性检验。计算能力快速增强和科学技术的不断进步推动了气候模式的发展和成熟，如今气候模式被广泛应用于模拟当前气候和预测未来气候的变化。今后可利用模式进行数值模拟试验，获得更多厄尔尼诺事件的样本，以期在厄尔尼诺事件影响云和降水方面进行更细致深入的研究工作，为更好地应对气候变化和防灾减灾工作提供科学决策依据。