海表温度的增暖趋势和自然变率对长江中下游夏季极端降水强度的影响

欧立健 余锦华 钟校尧 ,3 张旭煜 王璐 罗京佳

1 南京信息工程大学气象灾害教育部重点实验室/气象灾害预报预警与评估协同创新中心, 南京 210044

2 广东省茂名市气象局, 广东茂名 525099

3 广东省东源县气象局, 广东河源 517500

1 引言

人类活动已引起大气、海洋和陆地的增暖，使气候系统发生了前所未有的变化（IPCC, 2021），使人类发展面临极大挑战和广泛的威胁。每一次极端降水事件发生都会引发这样的思考：全球增暖如何影响事件强度和发生的可能性。长江中下游地区是我国经济发达，也是我国极端降水发生最多的区域（图1a），其引起的灾害损失越发严重。全球增暖，海面蒸发增强，大气系统容纳的水汽能力增加是引起极端降水增加的直接因素。海洋占全球面积的71%，海表温度（SST）增暖是全球增暖的重要组成部分，其通过遥响应，强迫远处的大气环流产生异常，影响极端降水强度。研究SST增暖趋势对区域极端降水强度的贡献，提高认识全球增暖对区域极端降水事件的影响效应有重要的科学意义。

近几十年的观测资料诊断显示，中国极端降水整体的趋势不显著（Chen et al., 2021），表现为区域性特征（ Xiao et al., 2016）。江淮和华南一带极端降水呈增多趋势（Zhai et al., 2005; 贺冰蕊和翟盘茂, 2018; Sun et al., 2020）。理论和观测事实都表明，极端降水伴随着强的大气柱水汽辐合（丁一汇和胡国权, 2003），即在特定时段内，有强的异常净水汽输入到研究区域，国际流行的新名词——大气河的存在（Hagos et al., 2016）。这即与全球增暖引起的大气柱水汽量的增加有关，同时与动力强迫相关联。增暖引起的热力变化导致的极端降水增加速率与Clausius-Clapeyon方程在全球尺度上的接近。增暖引起的动力驱动因素导致的极端降水变化很复杂。将全球SST增暖模态近似代表全球增暖信号（Schubert et al., 2009; Trenberth et al., 2015），为研究全球增暖对极端降水的影响提供了另一个途径。

Wu et al.（2020）发现赤道印度洋海温正异常强迫大气形成强烈的对流活动，潜热释放激发暖开尔文波东传，产生西北太平洋异常反气旋式环流，赤道大西洋海温正异常则会通过海气相互作用影响北太平洋，进而通过沃克环流影响长江中下游的降水（Wang et al., 2017a; Pan et al., 2021）。热带印度洋、大西洋的SST和赤道太平洋中部的SST是影响中国长江中下游夏季降水的海温关键区域（Pan et al., 2021）。根 据Gill模 型 响 应（Gill,1980），赤道中东太平洋SST负异常使大气冷却，在西北太平洋产生异常反气旋。多个海域SST变化不仅与中国降水异常存在显著的统计联系（赵永晶和钱永甫, 2009），而且在极端降水发生过程，也存在显著的异常信号（Chen et al., 2018）。如热带太平洋SST冷异常、印度洋和大西洋SST暖异常，可通过激发西北太平洋异常反气旋式环流（Wu et al., 2010; Xie et al., 2009; Yu et al., 2016;Wang B et al., 2017），促使中国东部地区极端降水的发生。在这些研究中，SST异常包含了强迫的增暖信号和自然变率，没有分离两者的影响。1998年、2017年和2020年夏季是长江中下游地区极端降水及夏季降水最强的年份（图1b），本文以该区域三个典型极端降水过程及所在的夏季为研究对象，研究全球SST增暖模态和自然变率模态对极端降水强度的影响效应和可能的影响机理。为长江中下游地区做好极端降水预测和预警以及应对气候变化奠定科学基础。

图1 （a）时空聚集性强度（TSG）方法识别的中国夏季极端降水过程的降水量（填色）空间分布，图中红色框为本文研究的长江中下游地区（27°～34°N，108°～122°E）， （b）长江中下游夏季极端降水量（黑线）和夏季区域平均降水量（蓝线）的时间序列，单位：mm，其相关系数R=0.534显著性达到99%信度水平Fig. 1 (a) Spatial patterns of the extreme precipitation (shaded) over the East China during summer identified by the Time-Spatial-Gather (TSG)method, the red box in the figure shows the middle and lower reaches of the Yangtze River (MLYR) region (27°–34°N，108°–122°E) studied in this paper. (b) Temporal series of the summer extreme precipitation (black line) and the averaged summer precipitation (mm) (blue line) over MLYR region. The correlation coefficient between both series is 0.534, which is significant at the 99% confidence level

2 资料与方法

2.1 资料来源

降水资料有来自国家气象信息中心最新整编2472个国家级气象观测站，通过空间插值，得到的中国地面降水0.5°×0.5°日值降水格点数据（赵煜飞和朱江, 2015）。欧洲中长期天气预报中心（ECWMF）第五套再分析资料（ERA5）提供的等压面风场和比湿，海平面气压和整层积分每小时的大气柱水汽输送通量和净水汽辐散通量数据（Hersbach et al., 2019），水 平 分 辨 率 为0.25°×0.25°。上述资料使用时段为1979～2020年。SST月资料取自哈德莱中心海冰和海面温度数据集（HadISST）（Rayner et al., 2003），其 水 平 分 辨率为1.0°×1.0°，研究时间为1900～2020年。气候态为1981～2010年平均。

2.2 方法简介

2.2.1 区域极端降水事件定义

区域极端降水的定义不仅要考虑时间上的延续（王志福和钱永甫, 2009），还要考虑空间上的连续性。本文利用时空聚集性强度（TSG）方法（赵炜, 2018; 叶梦茜, 2021）识别区域极端降水事件，即通过时空聚类方法，在中国东部每年夏季取30个降水中心，以每个降水中心为核心，通过时空滑动得到该中心所在区域的最大相对降水强度R：

其中，n表示降水事件持续时间，m表示降水事件初始日期，k表示降水过程中影响区域外围的降水量等值线的值，Sk为降水事件影响面积，参数a、b用于调整降水事件持续时间和区域降水面积对R的影响，a取0.4，b取0.5，P为格点日降水量。中国东部（1979～2020年夏季）区域降水相对强度从大到小排序，将区域极端降水事件数与国家气候中心识别相等的区域降水相对强度定义为阈值（103.4 mm），大于该阈值定义为区域极端降水事件。该阈值在中国东部地区是一致的，由于未设定日降水阈值，可以识别出日降水小于设定阈值的区域极端降水事件。与国家气候中心每天的降水中心独立确定，能识别降水中心移动较快的2天以上的极端降水事件相比，本文所用的方法，一次极端降水事件的降水中心是唯一的，适合用于中心移动较慢的长江中下游地区极端降水事件的监测。

2.2.2 水汽收支理论

基于大气柱水汽收支原理，其方程可表示为

式中，P为降水量，E为蒸散发，ϕ为大气柱的水汽含量，g为重力加速度，ps为地面气压，V为等压面水平风。等号左边即为局地水分收入与支出的差，一般强降水过程，E较小，左边以降水P为主。等号右边第一项为大气柱的水汽减少，第二项为大气柱净水汽通量辐合，是左边降水P的主要贡献者。该项融合了动力和热力对降水的影响。

2.2.3 数值试验方案

采用美国国家大气中心（NCAR）的公共地球系 统 模 式CESM2.1.3（Community Earth System Model version 2.1.3），水 平 分 辨 率 为1.9°×2.5°，垂直方向上为32层的混合σ坐标系（Danabasoglu et al., 2020）。模式控制试验为每月气候态的SST运行30年。关注到SST异常与降水异常的关系，敏感性试验选用热带SST异常进行强迫试验，使用海洋特定区域中观测到的与降水异常对应的海温异常叠加到气候态SST进行，敏感性试验运行30个夏季，即利用30个集合样本，描述物理量对SST异常的响应。表1列出了本文使用CESM2.1.3模式进行的具体试验方案。

表1 本 文 使 用CESM2.1.3（Community Earth System Model version 2.1.3）进行的数值试验列表Table 1 List of numerical experiments conducted with CESM2.1.3 (Community Earth System Model version 2.1.3)

如表1所示：第一组敏感试验为典型年份总的SST试验，即将（15°S～10°N，0°～360°）区域内的SST异常（SSTA）叠加上全球SST气候态进行模拟试验。第二组敏感试验为SST增暖趋势试验，即把上述区域赤道的SST增暖趋势叠加上全球SST气候态进行模拟试验，分析典型年份中SST增暖趋势的贡献。第三组敏感试验为SST自然变率试验，研究典型年份中SST自然变率的贡献。

3 长江中下游地区极端降水变化特征

基于夏季极端降水量的空间分布（图1a），选取长江中下游（27°～34°N，108°～122°E）为本文关注的区域。长江中下游地区夏季总降水量与极端降水过程降水量（图1b）的相关系数为0.53，其显著性达到99%信度水平。1991、1998、2017、2020年为四个极端降水最强的年份,也是夏季降水最多的年份（图1b）。1991年皮纳图博火山爆发，大气气溶胶增加，为了更好研究SST对长江中下游极端降水的影响，本文只选取了1998、2017、2020年作为极端降水典型年份，表2为典型年份的极端降水事件开始和结束时间,极端降水量对夏季总降水量的贡献分别为了31%，24%和24%，远大于极端降水贡献的平均值12.5%。空间分布上，1998和2017年，在有些区域可达80%以上，2020年在60%以上（图略）。可见，夏季极端降水量是大的夏季降水总量的重要组成部分，其降水形成的环流及水汽条件为极端降水发生提供了有利的背景。

表2 典型年份极端降水事件开始和结束时间Table 2 Start and end time of extreme precipitation events in typical years

图2a–c为三个典型年份夏季异常的区域大气柱水汽净通量辐合（中间数值）和边界水汽通量。可见，2020年（图2c）的水汽净辐合正异常值与1998年（图2a）接近，2017年（图2b）的较小，与该年夏季纬向水汽为异常净辐散有关。区域大气柱水汽净辐合异常主要来自经向水汽异常辐合的贡献，尤其是南边界的异常水汽输入，为该区域的极端降水发生提供了有利的季节尺度背景。图2d–f为极端降水过程区域大气柱水汽辐合和边界水汽通量相对于对应年份夏季的偏差。可见，三个典型年份的极端降水过程，相对于夏季平均，东、西边界均为水汽净流出，使纬向水汽为净辐散。区域南北边界的水汽输入均为正偏差，产生了大的经向水汽净辐合，使区域大气柱出现强的净水汽辐合。表明，长江中下地区极端降水过程的发生，与中高纬度系统引起的冷空气的影响密切关联。南边界强的水汽输入，提供了强降水发生的水汽条件，即区域南边界的强水汽输入对长江中下游地区强降水发生起重要作用。

图2 （a、d）1998年、（b、e）2017年、（c、f）2020年夏季长江中下游区域四个边界整层积分水汽通量（单位：1012 kg d−1）和区域水汽通量辐合（方框内数值，单位：kg m−2 d−1）：（a–c）夏季相对于气候态的异常；（d–f）极端降水过程相对于夏季平均的偏差。图中红色框为本文研究的长江中下游，图中四个箭头分别为长江中下游区域各边界的水汽通量，数值代表其大小Fig. 2 Water vapor flux of four boundaries (units: 1012 kg d−1) during summer in (a, d) 1998, (b, e) 2017, and (c, f) 2020; the convergence of the water vapor flux (the value in the box, units: kg m−2 d−1): (a–c) Anomalous values corresponding to summer climatology , (d–f) departure in extreme events from the summer average. The red box in the figure shows the MLYR region, the four arrows in the figure are the direction of water vapor flux at each boundary of the MLYR, and the numerical value represents its magnitude

上述分析显示，无论是夏季还是极端降水过程的偏差发生阶段，区域南边界的整层水汽输入最大，为进一步分析南边界水汽输送的主要发生层次，如图3a–c水汽输送的垂直廓线显示，600 hPa以下为长江中下游南边界的水汽通量输入大值区，主要在900～800 hPa之间，850 hPa上下为南边界水汽输入的最强等压面，600 hPa以上逐渐减小。对比三个典型年份的夏季值与极端降水过程合成值，显然，极端降水过程合成值均比夏季值强。

图3 （a）1998年、（b）2017年和（c）2020 年夏季长江中下游南边界水汽通量垂直廓线：实线为夏季相对于气候态的异常，虚线为极端降水过程相对于夏季平均的偏差，单位：108 kg hPa−1 d−1Fig. 3 Vertical profile of the water vapor flux (units: 108 kg hPa−1 d−1) in MLYR’s south boundary during summer of (a) 1998, (b) 2017, and (c)2020; the solid lines are anomalies during Summer from their respective climatology; the dotted lines indicate the departure during extreme precipitation events from respective summer average

上述典型年份夏季和极端降水过程的南边界水汽输送融合了水汽输送的环流（动力条件）和水汽（热力异常）空间场特征。在三个典型年份的夏季中，西北太平洋到南海上空存在着大范围的异常反气旋式环流（图4a、b和 c），其南侧的异常东风将太平洋水汽输向大陆，再通过其西—西北侧的西南风异常，输送到长江中下游地区。区域北界的异常经向风较小，在长江中下游形成净水汽通量辐合异常（如图2第一行方框中的数值）。但2017年夏季异常反气旋环流的范围与强度均比1998和2020年的弱，这解释了图2b中2017年长江中下游南边界水汽输入比其他两个典型年份弱，这与2017年夏季极端降水过程强度也弱于1998和2020年相对应（图1b）。极端降水过程相对于夏季平均的850 hPa水汽输送偏差（图4右列）显示，在各年的夏季背景下，区域南侧有异常的向北水汽输送，输入区域，其北侧存在着来自从中高纬的东北气流往南输送，形成了与图2第二行对应的区域内强的水汽辐合偏差，利于区域极端降水过程的发生。从上述可知，西北太平洋的异常反气旋是影响长江中下游极端降水过程中水汽输送的重要环流系统，其受各大洋SST异常的调控（Wang et al.,2000; Xie et al., 2009; Wu et al., 2010）。

图4 （a、d）1998年、（b、e）2017年和（c、f）2020年夏季850 hPa的水汽通量（矢量，单位：105 kg hPa−1 m−1 d−1）：夏季相对于气候态的异常（左列）；极端降水过程相对于夏季平均的偏差（右列）。图中蓝色框为本文研究的长江中下游地区Fig. 4 Spatial distribution of the water vapor flux (vectors, units: 105 kg hPa−1 m−1 d−1) at 850 hPa during summer of (a, d) 1998, (b, e) 2017, and (c,f) 2020: Anomalies during Summer from their respective climatology (left column); departures during extreme precipitation events from the respective summer average (right column). The blue box in the figure stands for the middle and lower reaches of the Yangtze River

4 SST增暖趋势和自然变率对极端降水强度的影响

类似于Schubert et al.（2009）的做法，将1900～2020年SST异常进行EOF分解，获取前三个模态。第一模态为全球海温增暖趋势（图5a），第二模态为年际变化模态（图5c）。第三模态为多年代际模态（图5e）。它们对应的方差贡献分别为30.7%，13.1%，5.3%。本研究将EOF的第一模态乘以1998、2017、2020年对应的时间系数作为它们的SST增暖趋势。利用总的SST异常减去其线性趋势作为SST自然变率。可见，三个典型年份，夏季总的SST异常分布表现出赤道印度洋，太平洋西部和大西洋为显著正异常，主要为增暖趋势的贡献（对比图6b与图6a，图6e与图6d，图6h与图6g），赤道中东太平洋表现为弱正异常或者是负异常，则为SST自然变率信号（对比图6c与图6a，图6f与图6d，图6j与图6g）。三个典型年SST增暖趋势与自然变率对水汽输送的相对贡献，将通过全球大气环流模式CESM2.1.3（Simpson et al.,2020）SST强迫的数值敏感性试验进行。

图5 1900～2020年的全球海表温度异常进行EOF分解得到的（a、b）第一、（c、d）第二和（e、f）第三模态空间分布（左列），及其时间系数序列（右列）。（b）中红色竖线分别为1998年、2017年和2020年对应的时间系数Fig. 5 The lead (a, b) first, (c, d) second, and (e, f) third EOF (empirical orthogonal function) modes (left column) and corresponding time coefficients (right column) of sea surface temperature anomaly (SSTA) during 1900–2020 . The red vertical lines in (b) are the temporal values for the year of 1998, 2017, and 2020

图7为敏感试验中长江中下游的大气柱边界水汽收支情况，图中箭头代表输入（出）长江中下游大气柱内的水汽输送量，方框内的数值为该区域的水汽通量辐合值。总的SST异常试验结果基本与再分析资料的（对比图7a与图2a，图7d与图2b，图7g与图2c）一致，其南边界为水汽主要输入边界且在长江中下游形成了水汽通量辐合正异常值，这反映了赤道SST的强迫作用对长江中下游区域的水汽输送影响起主要作用。对比1998年SST增暖趋势与自然变率的强迫试验（图7b与图7c），发现，两者都是经向水汽辐合异常大于纬向水汽辐散，使区域水汽为净辐合异常。SST增暖趋势强迫表现为长江中下游地区南北边界都为水汽输入异常引起的水汽异常辐合，SST自然变率强迫表现为南北边界都为南风的水汽输送，由于南边界的输入远大于北边界的输出，导致水汽辐合大于SST增暖趋势强迫的结果。而2017和2020年的SST增暖趋势试验的结果比自然变率试验的强，即1998、2017和2020年夏季的SST增暖趋势与自然变率在长江中下游地区水汽辐合比分别为：83%、210%和107%，反映了SST增暖趋势在SST自然变率作用偏弱的年份起主要作用。

图7 1998年（第一行）、2017年（第二行）和2020年（第三行）夏季敏感试验的长江中下游四个边界整层积分水汽通量异常（单位：1012 kg d−1）和区域水汽通量辐合异常（方框内数值，单位：kg m−2 d−1）：典型年份SSTA试验结果（左列）；SSTA增暖趋势试验结果（中间列）；SSTA自然变率试验结果（右列）；图中红色框为本文研究的长江中下游地区，图中四个箭头分别为长江中下游区域各边界的水汽通量，数值代表其大小Fig. 7 Anomalous of the water vapor flux in four boundaries (units: 1012 kg d−1) during summer of 1998 (top line), 2017 (second line), and 2020(bottom line) and anomalous convergence of the water vapor flux (the value in the box, units: kg m−2 d−1) for numerical sensitivity experiments: (a, d,g) Results from total SSTA forcing; (b, e, h) forcing from warming trend in SSTA; (c, f, i) forcing from the natural variability in SSTA; the red box in the figure shows the MLYR region, the four arrows in the figure are anomalous direction of the water vapor flux at each boundary of the MLYR, and the numerical value represents respective magnitude

上述的SST异常强迫的长江中下游大气柱水汽收支异常特征与环流异常的响应有关。根据之前的分析，长江中下游区域地区的降水过程，850 hPa的水汽输送最为重要。总SST异常强迫在西北太平洋形成850 hPa反气旋式环流异常与再分析资料结果接近（对比图8a与图2a，图8d与图2b，图8g与图2c），如热带西太平洋附近出现了强劲的异常东风水汽输送通道，长江中下游对流层低层为异常反气旋的西南风水汽通量，把源自西北太平洋与南海的水汽向长江中下游输送。2017年SST异常强迫的长江中下游地区的环流异常产生的水汽输送弱于1998和2020年（对比图8d与图8a、g），表明，影响长江中下游极端降水过程发生的季节背景与热带SST异常的强迫密切相关。1998年SST增暖趋势和自然变率的强迫试验显示，自然变率试验的西北太平洋反气旋式环流异常强于增暖趋势试验（对比图8c与图8b），使自然变率试验的区域南边界的西南风水汽输入，远大于增暖趋势试验，说明，1998年夏季SST自然变率对长江中下游极端降水发生起主要作用，与SST趋势强迫的区域水汽净辐合的比为119%。1998年是强El Niño衰减年，SST自然变率表现为赤道太平洋的强La Niña型，热带印度洋为一致偏暖，北大西洋为正三极型（图6c）, 三个海盆的SST自然变率都有利于在西北太平洋产生反气旋式环流异常（Yu et al.,2016; Wang et al., 2017b; Wu et al., 2020），使其强于SST增暖趋势强迫的结果。2017和2020年夏季SST增暖趋势强迫的西北太平洋反气旋式环流异常强于SST自然变率（对比图8e与图8f，图8h与图8i）。2017和2020年夏季SST增暖趋势试验在西北太平洋出现异常反气旋式环流异常，热带西太平洋有范围更大更强异常向西的水汽输送，进而通过反气旋西侧的西南气流将水汽输送进长江中下游地区。2017和2020年夏季SST自然变率试验在热带西太平洋的异常东风很弱，没有形成明显的异常反气旋式环流和向长江中下游的水汽输送。图7e,h得到的大气柱水汽净辐合以及南边界水汽输入主要受对流层低层异常环流的影响。

图8 同图7，但为850 hPa的水汽通量异常场（矢量，单位：105 kg hPa−1 m−1 d−1）Fig. 8 Same as Fig. 7, except for spatial distribution of the anomalous water vapor flux (vectors, units: 105 kg hPa−1 m−1 d−1) at 850 hPa

5 小结和讨论

本文基于时空聚集性强度方法识别长江中下游地区的极端降水过程，得到区域极端降水过程降水时间序列，从中挑出三个典型极端降水过程发生的1998、2017和2020年夏季，分析其异常的水汽输送特征和收支情况，研究SST增暖趋势和自然变率对该区域极端降水强度的可能影响，主要结论如下：

（1）极端降水发生的典型年份夏季，存在充沛的水汽由区域南边界输送到长江中下游，提供了有利的水汽背景条件。极端降水过程，南北边界的水汽净辐合远大于纬向水汽净辐散，产生强的区域大气柱水汽净辐合，促使极端降水过程的发生。区域水汽输入最大的南边界，以对流层850 hPa的水汽输入最强。其与热带西太平洋对流层低层的异常反气旋式环流有关，该环流南侧的异常东风，把大量的水汽从热带太平洋向西输送到陆地，通过环流西—西北侧的西南气流将水汽继续向长江中下游输送，形成了稳定的西南风水汽输送通道。

（2）通过正交经验展开，将全球SST异常分为SST增暖趋势和自然变率。印度洋，大西洋和北太平洋的SST增暖趋势明显，且三个典型年份的SST增暖趋势的分布相差不大。1998年夏季，SST自然变率在赤道中东太平洋表现为强La Niña型，热带印度洋为正异常值，北大西洋为三极型正位相。2017和2020年SST自然变率在上述海域弱于1998年夏季。典型极端降水过程发生的夏季，SST在赤道印度洋和热带大西洋为强正异常，主要为增暖趋势的贡献，赤道中东太平洋SST异常表现为La Niña型。

（3）数值模式敏感性试验发现，SST 异常强迫的环流异常与再分析资料得到的一致。1998年SST自然变率作用强于SST的增暖趋势，包括赤道中东太平洋SST变率负异常等在西北太平洋产生强的异常反气旋式环流响应。2017和2020年夏季，SST增暖趋势的环流强迫效应强于SST自然变率，前者也是通过激发明显的西北太平洋反气旋式环流异常，影响长江中下游的极端降水强度。1998、2017和2020年SST增暖趋势强迫的长江中下游地区大气柱的水汽净辐合分别是SST自然变率强迫的83%、210%和107%。

本文的全球数值试验的意义是通过敏感试验说明海表温度的增暖趋势和自然变率对夏季的水汽收支和环流的影响，间接反映其对夏季极端降水强度的影响。试验结果表明SST增暖会增大长江中下游地区夏季极端降水发生的风险。一般极端降水过程发生与中小尺度对流过程有关，由于全球模式较粗分辨率，难于分辨对流过程，对流参数化对强降水的模拟有较大偏差，试验结果无法直接对比SST增暖趋势和自然变率对极端降水强度的强迫效应。今后，可利用区域高分辨率模式，进行动力降尺度研究，直接比较极端降水过程对SST增暖趋势和自然变率的响应特征。