检索
E-mail
RSS

作者投稿 主编审稿 专家审稿 远程编辑

热带海洋学报 >

2023 , Vol. 42 >Issue 2: 21 - 33

DOI: https://doi.org/10.11978/2022067

海洋气象学

CMIP5/6气候模式对El Niño多样性模拟能力的评估*

  • 王卫强 , 1, 2 ,
  • 张茜娅 1, 3 ,
  • 徐康 1, 2 ,
  • 李俊灵 1, 3 ,
  • 苗浩宇 1, 3
展开
  • 1.热带海洋环境国家重点实验室(中国科学院南海海洋研究所), 广东 广州 510301
  • 2.南方海洋科学与工程广东省实验室(广州), 广东 广州 511458
  • 3.中国科学院大学, 北京 100049
王卫强。email:

*感谢中国科学院中国−斯里兰卡联合科教中心。

王卫强(1971—), 男, 河北省邯郸市人, 研究员, 主要从事海洋动力过程和海气相互作用等方面的研究。email:

Copy editor: 殷波

收稿日期: 2022-04-07

  修回日期: 2022-05-24

  网络出版日期: 2022-05-24

基金资助

国家自然科学基金项目(42076020)

自然资源部海洋环境科学与数值模拟重点实验室开放基金项目(2020-ZD-04)

中国科学院青年创新促进会人才专项(2020340)

海南省科技专项(ZDYF2020174)

中国科学院南海海洋研究所南海新星项目(NHXX2018WL0201)

南方海洋科学与工程广东省实验室(广州)人才团队引进重大专项(GML2019ZD0306)

热带海洋环境国家重点实验室(中国科学院南海海洋研究所)自主研究项目(LTOZZ2101)

收起

Assessment of El Niño diversity simulations using CMIP6 and CMIP5 models*

  • WANG Weiqiang , 1, 2 ,
  • ZHANG Xiya 1, 3 ,
  • XU Kang 1, 2 ,
  • LI Junling 1, 3 ,
  • MIAO Haoyu 1, 3
Expand
  • 1. State Key Laboratory of Tropical Oceanography (South China Sea Institute of Oceanology, Chinese Academy of Sciences), Guangzhou 510301, China
  • 2. Southern Marine Science and Engineering Guangdong Laboratory (Guangzhou), Guangzhou 511458, China
  • 3. University of Chinese Academy of Sciences, Beijing 100049, China
WANG Weiqiang. email:

Copy editor: YIN Bo

Received date: 2022-04-07

  Revised date: 2022-05-24

  Online published: 2022-05-24

Supported by

National Natural Science Foundation of China(42076020)

Open Fund of Key Laboratory of Marine Science and Numerical Modeling, Ministry of Natural Resources(2020-ZD-04)

Youth Innovation Promotion Association CAS(2020340)

Hainan Province Science and Technology Special Fund(ZDYF2020174)

Rising Star Foundation of the South China Sea Institute of Oceanology(NHXX2018WL0201)

Key Special Project for Introduced Talents Team of Southern Marine Science and Engineering Guangdong Laboratory (Guangzhou)(GML2019ZD0306)

Independent Research Project Program of State Key Laboratory of Tropical Oceanography(LTOZZ2101)

Fold

摘要

利用第五次和第六次国际间耦合模式比较计划(coupled model intercomparison project, CMIP)中全球气候模式的历史时期和未来增暖情景模拟结果, 结合观测资料, 文章对比评估了23个CMIP6模式和32个CMIP5模式对El Niño多样性的模拟能力, 并预估了东部(eastern Pacific, EP)型和中部(central Pacific, CP)型El Niño对未来全球变暖的响应特征。结果表明, 绝大多数CMIP5/6气候模式能够合理地模拟El Niño的多样性特征, 且CMIP6多模式的模拟性能较CMIP5有明显提升。CMIP6模式不仅减弱了EP型El Niño空间模态模拟的离散性, 而且还显著提高了CP型El Niño空间模态的模拟能力; CMIP5/6多模式基本能够模拟出两类El Niño的季节锁相性特征, 但CP型El Niño衰亡时间较观测明显滞后3个月; 同时CMIP5/6多模式模拟的EP型El Niño强度与观测值较为接近, 但CP型El Niño的振幅却强于观测。在未来全球变暖背景下, CP型El Niño事件的发生频率相对于EP型事件将趋于降低; EP型和CP型El Niño振幅强度随着全球变暖加剧将被增强, 且EP型增强幅度显著强于CP型。

关键词： CMIP5/6气候模式; 东部型El Niño; 中部型El Niño; 全球变暖; 未来预估

本文引用格式

王卫强 , 张茜娅 , 徐康 , 李俊灵 , 苗浩宇 . CMIP5/6气候模式对El Niño多样性模拟能力的评估*[J]. 热带海洋学报, 2023 , 42(2) : 21 -33 . DOI: 10.11978/2022067

Abstract

Based on the observations and the global climate model simulation outputs of historical run and future warming scenarios from phase 5 and phase 6 of the coupled model intercomparison project (CMIP), we assessed the performance of 23 CMIP6 and 32 CMIP5 models in reproducing El Niño diversity, and then projected the responses of the eastern Pacific (EP) and central Pacific (CP) type of El Niño to global warming. The results show that most CMIP5/6 models can reasonably simulate the characteristics of El Niño diversity, and the simulation performance of CMIP6 models is significantly improved compared with CMIP5 models. Not only do the CMIP6 models weaken the discreteness of the simulated EP El Niño-related spatial patterns, but also significantly improve the simulation ability of the CP El Niño-associated spatial patterns. The CMIP5/6 models can basically simulate the seasonal phase-locking characteristics of the EP and CP El Niño events, however, compared to the observation, the decay time of the simulated CP El Niño is obviously delayed by 3 months. The intensity of EP El Niño simulated by CMIP5/6 is close to the observation, but the counterpart of CP El Niño is stronger than the observation. Under global warming, the frequency of CP El Niño will tend to decrease relative to EP El Niño. The amplitudes of EP and CP El Niño will be enhanced along with the intensification of global warming, and the enhanced amplitude of EP El Niño is greatly stronger than that of CP El Niño.

Key words： CMIP5/6 climate models; Eastern Pacific El Niño; Central Pacific El Niño; global warming; Future projection

厄尔尼诺-南方涛动(El Niño-southern oscillation, ENSO)是全球海气耦合系统中最为显著的年际变率信号, 对热带地区乃至全球气候异常有着重要的影响(Rasmusson et al, 1982; Wang et al, 2017)。自20世纪80年代起, El Niño研究始终是国际海洋与气候领域的前沿和热点问题之一, 并已在El Niño的观测、动力学理论、气候效应和业务化预测预报等方面取得了长足的发展(McPhaden et al, 2006)。然而, 近些年来以赤道中太平洋海表温度(sea surface temperature, SST)异常增暖为特征的中部(central Pacific, CP)型El Niño事件(Fu et al, 1986; Ashok et al, 2007; Yu et al, 2007; Kug et al, 2009; Xu et al, 2012; Xu et al, 2017a)频繁发生, 其与以热带东太平洋SST异常增暖为特征的东部(eastern Pacific, EP)型El Niño事件存在显著空间差异, 进而科学家们才逐渐开始关注El Niño在空间模态上的多样性特征(Capotondi et al, 2015)。由于增暖位置和强度的差异, 两种不同类型El Niño所产生的大气遥相关响应存在显著差异, 进而导致它们对热带及热带外天气气候的影响也会发生变化(Timmermann et al, 2018)。因此, El Niño多样性变化给El Niño的形成机理、气候效应及其可预报性等方面均带来了新的挑战。
自Bjerknes (1969)提出正反馈机制在ENSO发展过程中有着重要作用这一著名观点后, 传统EP型ENSO形成的理论研究不断涌现。伴随着海洋观测资料的不断完善, 科学界发展了海洋对信风张弛响应的动力学理论(Wyrtki, 1975)、不稳定海洋波动理论(Philander, 1985)、延迟振子理论(Schopf et al, 1988)、结合海洋动力学和海洋适应动力学的海盆尺度充放热振子理论(Jin, 1997a, 1997b)、平流-反射机制(Picaut et al, 1997)、西太平洋振子机制(Wang et al, 1999)等El Niño形成的动力学理论。通过归纳前人的理论研究, Wang (2018)总结出ENSO的形成大致可分成两种观点: 一种为ENSO是自维持系统; 另一种则是ENSO属于随机强迫的系统。除此之外, 海洋与气候科学家们还从热带季节内振荡、西太平洋暖池风应力、季风、中纬度大气环流异常和热带洋盆海温异常等多个方面研究了ENSO的触发机制(Lau et al, 1986; 黄荣辉 等, 1996; 吴国雄 等, 1998; 穆明权 等, 2000; Ham et al, 2013; Wang, 2019)。
近年来以赤道中太平洋SST异常增暖为主要特征的CP型El Niño事件频繁发生。这种异于传统EP型El Niño的事件在不同研究时期分别被称为“日界线”El Niño (Larkin et al, 2005)、El Niño Modoki (Ashok et al, 2007)、“暖池”El Niño (Kug et al, 2009)。虽命以不同的名称, 但其本质均是热带中太平洋显著异常增暖的CP型El Niño。两种相对独立的El Niño在空间形态、强度和周期上均呈现诸多不同之处。因此, CP型El Niño的形成机制与EP型也存在着显著差异。Ashok等(2007)提出CP型El Niño由风应力引起赤道温跃层的变化, 进而导致热带太平洋SST异常变化, 不同的是, 垂直上升运动从热带东太平洋移到热带中太平洋。Kug等(2009)强调温跃层反馈(垂直平流)是EP型El Niño演变过程中的关键过程, 而纬向平流反馈机制在CP型El Niño演变中起关键作用。Kao等(2009)研究指出EP型El Niño通常伴随着热带东太平洋温跃层海温和表层风应力的异常变化, 而CP型El Niño发生时温跃层并无显著变化, 并提出其触发机制有可能是来自副热带北太平洋的大气强迫。Xiang等(2013)提出热带太平洋类似La Niña海温的背景平均态有利于CP型El Niño事件增多。副热带东北太平洋大气扰动引起的SST异常可以通过风—蒸发—SST反馈机制持续几个季节, 同时从副热带东北太平洋延伸到赤道中太平洋地区, 进而促发中部型ENSO, 这种副热带太平洋海洋-大气耦合过程被称为季节性足迹机制(Yu et al, 2018; Xu et al, 2019, 2020)。Yu等(2018)还进一步指出季节性足迹机制是ENSO复杂性的主要原因, 而充放热振子机制则减弱了ENSO的复杂性。此外, 由于季风加热区对副热带和中高纬海平面气压的变化有重要影响, CP型El Niño事件也有可能受到澳亚季风的强迫而被激发(Yu et al, 2009; Chen et al, 2021)。
因海洋观测时间和空间覆盖的不足, 数值模式模拟对研究ENSO机制与气候效应具有重要的科学意义, 科学家通过调制模式的参数和改变模式的复杂程度来研究不同条件下ENSO演变规律。Schopf等(1988)较早地使用简单大气-海洋耦合模式(Zebiak-Cane模式, 简称ZC模式)模拟西风强迫下赤道太平洋的波动过程, 验证了ENSO延迟振子理论的合理性。随后, Jin (1997a, 1997b)也通过ZC模式证明了ENSO的充放电振子机制, 并且通过简化的ZC模式和更为复杂的大气环流模式(atmospheric general circulation model, AGCM)进行ENSO模拟, 发现温跃层反馈和纬向平流反馈主导了ENSO的发展, 并使得ENSO周期不规则(An et al, 2001)。21世纪以来, 随着数值模式的迅速发展, 尤其是在耦合模式比较计划(coupled model intercomparison project, CMIP)的推动下, 数值模式的复杂程度和分辨率逐步提高, 物理过程和参数化方案也逐渐完善, 这些均促进了ENSO模拟能力的不断增强。研究表明, 多数大气-海洋环流耦合模式(CGCM)基本能模拟上层海洋温度、大气环流和海洋环流随时空演变特征(Zhang et al, 2007; Huang et al, 2012), 对理解ENSO演变过程中海洋-大气相互作用和海洋内部动力过程有着重要意义。Kug等(2010)和Kim等(2012b)利用耦合模式模拟EP型和CP型ENSO海洋-大气空间分布及其相关的动力过程, 同时Kim等(2012b)还强调了热带外大气强迫是导致CP型ENSO的可能形成机制。此外, 也有一些学者利用AGCM进行SST异常的敏感性试验来研究El Niño多样性对全球区域气候变化的影响及其差异(Chen et al, 2010; Karori et al, 2013)。
海洋-大气复杂的多尺度物理过程和相互作用致使数值模式的模拟存在一定的偏差, 目前许多海气耦合模式对ENSO的模拟仍存在着振幅偏强、周期趋于准2年振荡、季节锁相不准确、SST异常空间分布偏移等共性问题(Leloup et al, 2008; Huang et al, 2010; Yu et al, 2010)。自2008年CMIP5启动以来, 科学家们开展了大量有关CMIP5模式对ENSO模拟能力的评估研究。尽管CMIP5模式在周期模拟上仍有不确定性, 但其结果较CMIP3更为接近观测, CMIP5中ENSO呈现准2年振荡的模式明显减少(Stevenson, 2012)。Bellenger等(2014)对比CMIP5和CMIP3气候模式模拟ENSO能力时发现, 与CMIP3相比, CMIP5模拟的ENSO振幅离散性减弱, 同时其模拟的ENSO季节锁相性也有所改进。Zhang等(2012)研究指出CMIP5模拟与El Niño有关的SST异常空间分布与观测更为接近, 具体表现在SST异常的宽度偏差沿经线方向表现得更小, 这主要是由于CMIP5模式改善了赤道太平洋信风模拟和ENSO周期模拟。Yeh等(2012)研究热带东太平洋SST趋势和ENSO振幅之间的关系发现, SST趋势的量级从CMIP3到CMIP5有明显的减少, 这可能与CMIP5模式较高地估计了自然强迫和气溶胶的作用有关。此外, 大量研究也表明CMIP5模式基本能够模拟出El Niño多样性, 且两者均可能是海气耦合系统中自然变率的一部分(Yu et al, 2010; Kim et al, 2012a; Xu et al, 2014), 同时指出CP型El Niño的模拟能力弱于EP型(Yu et al, 2010; Xu et al, 2014)。Kim等(2012a)预估了EP型和CP型ENSO振幅对全球变暖的响应特征: CP型ENSO强度随着二氧化碳浓度增加而逐渐增强, 而EP型ENSO强度则先增强而后减弱。Xu等(2017b)揭示未来全球变暖情景下ENSO强度及其相关的热带降水的响应机制: 未来EP型El Niño强度显著减弱, 而CP型El Niño强度变化却并不显著, 但两者引起的热带降水的未来变化却非常显著, 均遵循“wet-get-wetter”机制。Wang等(2019)强调CMIP5模式对副热带东北太平洋的风-蒸发-海表温度强度的模拟性能是决定模式是否能模拟出CP型ENSO的关键。然而截至目前, 海洋学家们对未来CP型El Niño发生频率并未达到共识, Yeh等(2009)提出CP型El Niño事件将随着气候变暖将显著增加, 而Xu等(2017b)却强调全球变暖背景下CP型El Niño事件并未明显增多。
气候系统模式是进行气候系统模拟与预测的重要工具。评估气候系统模式对El Niño现象模拟性能和研究相关的改进/退化机制, 不仅是利用气候系统模式进行El Niño研究的前提保障, 也是减少或消除模式偏差进而提高模式模拟与预测能力的重要环节。2020年, 代表当今国际气候系统模式先进水平的CMIP6模式试验结果已经发布, 它是CMIP计划实施20多年来参与的模式数量最多、设计科学试验最为完善、提供模拟数据最为庞大的一次(周天军 等, 2019)。然而截至目前, CMIP6气候模式对El Niño现象的模拟性能尚未得到系统探索, 尤其是El Niño多样性及其未来变化等方面。为此, 本文试图对比评估CMIP5/6多模式模拟El Niño多样性的模拟性能, 进而预估全球变暖背景下EP型和CP型El Niño的变化趋势。

1 数据和方法

1.1 数据

本文利用23个CMIP6模式和32个CMIP5模式月平均模拟数据, 综合评价其对El Niño多样性的模拟能力, 并预估EP型和CP型El Niño对全球变暖的响应特征。各模式数据均可在开放网站(https://esgf-node.llnl.gov/projects/esgf-llnl/)获得, CMIP6和CMIP5模式的基本信息分别见表1和表2。其中, 我们在CMIP6数据中选择1870—2014年的历史时期(Historical)模拟, 以及2015—2100年气候增暖背景下最新的共享社会经济路径与典型浓度路径组合(shared socioeconomic pathways and the representative concentration pathways, SSP)情景之中等强迫(SSP245)和高强迫(SSP585)情景模拟数据; 在CMIP5模式数据中选择1860—2004年的历史时期(Historical)模拟, 以及2015—2100年全球气候增暖背景下代表性浓度路径(representative concentration pathways, RCP)情景之中等强迫(RCP45)和高强迫(RCP85)情景模拟数据。各模式均选取r1i1p1集合成员进行研究, 并计算之前将各模式所有数据插值到1°×1°的网格上, 以保证各模式权重和分辨率一致。为了与CMIP6和CMIP5模式数据进行比较, 本文所用的海表温度观测资料为英国气象局哈德莱中心(Met Office Hadley Centre)提供的1870—2014年逐月海表温度(Hadley center global sea ice and sea surface temperature, HadISST)数据集, 水平分辨率为1°×1° (Rayner et al, 2003)。
表 1 23个CMIP6全球气候模式的基本信息

Tab. 1 Basic information of the 23 CMIP6 global climate models

模式名 研发国家 水平分辨率
(经纬向格点数)		 模式名 研发国家 水平分辨率
(经纬向格点数)
ACCESS-CM2 澳大利亚 360 × 300 GFDL-ESM4 美国 720 × 576
ACCESS-ESM1-5 澳大利亚 360 × 300 INM-CM4-8 俄罗斯 360 × 318
AWI-CM-1-1-MR 德国 非结构化网格 INM-CM5-0 俄罗斯 720 × 720
BCC-CSM2-MR 中国 360 × 232 IPSL-CM6A-LR 法国 362 × 332
CAMS-CSM1-0 中国 360 × 200 MIROC6 日本 360 × 256
CanESM5 加拿大 361 × 290 MPI-ESM1-2-HR 德国 802 × 404
CESM2-WACCM 美国 320 × 384 MPI-ESM1-2-LR 德国 256 × 220
EC-Earth3 欧洲10国 362 × 292 MRI-ESM2-0 日本 360 × 364
EC-Earth3-Veg 欧洲10国 362 × 292 NESM3 中国 362 × 292
FGOALS-f3-L 中国 360 × 218 NorESM2-LM 挪威 360 × 384
FIO-ESM-2-0 中国 320 × 384 NorESM2-MM 挪威 360 × 384
GFDL-CM4 美国 1440 × 1080
表 2 32个CMIP5全球气候模式的基本信息

Tab. 2 Basic information of the 32 CMIP5 global climate models

模式名 研发国家 水平分辨率
(经纬向格点数)		 模式名 研发国家 水平分辨率
(经纬向格点数)
ACCESS1-0 澳大利亚 360 × 300 GFDL-ESM2M 美国 360 × 200
ACCESS1-3 澳大利亚 360 × 300 GISS-E2-H 美国 360 × 180
bcc-csm1-1 中国 360 × 232 GISS-E2-R 美国 288 × 180
bcc-csm1-1-m 中国 360 × 232 HadGEM2-AO 英国 360 × 216
CanESM2 加拿大 256 × 192 HadGEM2-CC 英国 360 × 215
CCSM4 美国 320 × 384 HadGEM2-ES 英国 360 × 215
CESM1-BGC 美国 320 × 384 inmcm4 俄罗斯 360 × 340
CESM1-CAM5 美国 320 × 384 IPSL-CM5A-LR 法国 182 × 149
CMCC-CM 意大利 182 × 149 IPSL-CM5A-MR 法国 182 × 149
CMCC-CMS 意大利 182 × 149 IPSL-CM5B-LR 法国 182 × 149
CNRM-CM5 法国 362 × 292 MIROC5 日本 256 × 224
CSIRO-Mk3-6-0 澳大利亚 192 × 189 MPI-ESM-LR 德国 256 × 220
FGOALS-g2 中国 360 × 196 MPI-ESM-MR 德国 802 × 404
FIO-ESM 中国 320 × 384 MRI-CGCM3 日本 360 × 368
GFDL-CM3 美国 360 × 200 NorESM1-M 挪威 320 × 384
GFDL-ESM2G 美国 360 × 210 NorESM1-ME 挪威 320 × 384

1.2 El Niño多样性的判定方法

本文基于冬季平均的Niño3.4 (5°S—5°N, 170°—120°W)海温指数超过0.7个标准差挑选1870—2014年期间所有的El Niño事件; 再依据Yu等(2012)的方法, 运用3套EP和CP指数[Ashok等(2007)定义的Niño3和El Niño Modoki指数(EMI), Yeh等(2009)所用的Niño3和Niño4指数, Kao等(2009)所定义的EP/CP指数], 对所选的El Niño事件进行分类。若2套以上判定结果达成共识, 则确定单次El Niño事件的类型。本文所有数据在诊断前进行了3个月滑动平均来消除季节内信号的影响。

2 CMIP5/6模式对两类El Niño多样性的模拟评估及其对比

为了评估CMIP5/6气候模式对ENSO多样性的模拟能力, 图1给出了观测和CMIP5/6多模式集合(Multi-model ensemble, MME)的EP型和CP型El Niño期间冬季平均热带太平洋SST异常分布模态。在观测中, EP型El Niño成熟期SST异常暖中心位于赤道中东太平洋(图1a), 而CP型El Niño海温异常空间特征则表现为最大SST距平主要分布在赤道中太平洋日界线附近(即Niño4区), 且暖SST异常向副热带东北太平洋延伸(图1b)。结果表明, 本文所选用的判定El Niño多样性的方法能够较好地区分EP型和CP型El Niño事件。CMIP5模式集合结果显示, 大部分气候模式能够真实地模拟出El Niño的多样性(图1c, 1d), CMIP5模拟的EP型和CP型El Niño模态与观测场之间的空间相关系数分别达到+0.96和+0.90, 均超过了95%显著性检验。相比之下, CMIP6模拟的El Niño模态与观测场的相关系数则更高, 分别达到+0.96和+0.92, 则说明CMIP6的MME结果较CMIP5表现出更强的空间相关(图1e, 1f)。在El Niño成熟期的强度模拟方面, CMIP5/6多模式模拟的EP型El Niño强度与观测较为接近, 但CP型El Niño的强度振幅却显著强于观测场, 且CMIP6所模拟的强度更强(图1)。
图1 EP型和CP型El Niño期间冬季平均热带太平洋海表温度(SST)异常水平分布图

a. 观测(HadISST)的EP型; b. 观测(HadISST)的CP型; c. CMIP5模拟的EP型; d. CMIP5模拟的CP型; e. CMIP6模拟的EP型; f. CMIP6模拟的CP型; 图1c ~ 1f中右上角的数字表示多模式集合结果与观测的空间相关系数。该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)1665号的标准地图制作, 底图无修改

Fig. 1 Boreal winter mean SST anomalies (K; shading) in the tropical Pacific during EP El Niño (left column) and CP El Niño (right column) events. (a, b) Observation; (c, d) CMIP5; (e, f) CMIP6. The numbers in the upper right brackets of Figs. 1c ~ 1f represent the spatial correlation coefficients between the MME results and the observations

我们还利用泰勒图进一步定量评估CMIP5/6各个气候模式对两类El Niño模态的模拟效果(图2)。如图2a所示, 除CSIRO-Mk3-6-0和inmcm4外, 所有的CMIP5气候模式模拟的EP型和CP型El Niño与观测场的空间相关系数均大于+0.7, 其中所模拟的EP型空间相关系数显著强于CP型; 大部分CMIP5模式模拟EP型El Niño的标准差弱于观测场, 而模拟的CP型El Niño则强于观测场。这些结果说明, CMIP5对EP型El Niño事件的模拟性能强于CP型, 相对于观测场的强度, 模拟的EP型成熟期振幅偏弱, 而CP型振幅稍微偏强。与CMIP5模式结果相比较, CMIP6对El Niño多样性的模拟性能有所提高(图2b): 大部分CMIP6模式模拟的EP和CP型El Niño与观测场的空间相关系数超过了+0.8, 这表明CMIP6气候模式模拟El Niño多样性的空间模态能力明显增强。值得注意的是, CMIP6和CMIP5模式模拟的EP型空间相关系数基本都接近于+0.9左右, 即CMIP5/6模式所模拟的EP型空间模态基本接近于观测场, 但CMIP6多模式模拟的EP型空间振幅标准差更加接近观测场, 即说明CMIP6比CMIP5的振幅离散性有所减弱。
图2 CMIP5 (a)和CMIP6 (b)气候模式模拟的两类El Niño模态空间场分布对于观测场的泰勒图

Fig. 2 Taylor diagram displaying the spatial patterns of the SST anomalies in (a) CMIP5 and (b) CMIP6 models relative to the observation. MME indicates the multi-model ensemble, and green and purple dots represent the EP El Niño and CP El Niño, respectively

El Niño事件通常存在显著的季节锁相性特征, 即发生发展于春夏季, 成熟于秋冬季, 衰亡于次年夏季。为了探讨CMIP5/6多模式对El Niño季节锁相性的模拟性能, 图3给出了观测和CMIP5/6多模式模拟的EP型和CP型El Niño期间赤道太平洋(5°S—5°N)平均SST异常的时间演变分布。如图3所示, CMIP5/6多模式能够合理地模拟出EP型和CP型El Niño所对应的SST异常中心位置的差异, 其暖SST异常中心分别位于赤道东太平洋(150°—100°W)和赤道中太平洋(180°—130°W)地区, 与观测场中SST异常中心位置非常吻合。此外, CMIP5/6多模式也基本能够模拟出El Niño季节锁相性特征(图3)。具体而言, 在EP型El Niño事件的演变过程中, 暖SST异常核心区(即SST异常大于+0.5K所在的区域)从6月开始发展, 12月达到峰值, 于次年6月衰亡(图3c, 3e), 与观测场较为接近; 而CP型El Niño期间, 尽管CMIP5/6多模式模拟的开始时间和峰值时间均与观测的CP型较为一致, 但观测和模拟的衰亡时间分别发生在次年3月和6月, 故多模式模拟的CP型El Niño衰亡时间较观测明显滞后3个月左右(图3d, 3f)。在El Niño多样性的振幅强度模拟方面, CMIP5/6气候模式模拟的EP型El Niño强度与观测场十分接近, 但CMIP5多模式模拟的CP型El Niño强度比观测场略强, 且SST异常大值区的范围更大, 而CMIP6模拟的CP型的强度则更强(图3)。
图3 EP型和CP型El Niño期间赤道太平洋平均(5°S—5°N)SST异常的经度-时间剖面图

a. 观测(HadISST)的EP型; b. 观测(HadISST)的CP型; c. CMIP5模拟的EP型; d. CMIP5模拟的CP型; e. CMIP6模拟的EP型; f. CMIP6模拟的CP型。纵坐标轴数字中的0表示El Niño发生当年, 1表示下一年; 图中绿色等值线表示SST异常大于+0.5K的区域; 两条白虚线包围的区域表示EP型El Niño (150°—90°W)和CP型El Niño (180°—130°W)海温异常的核心区域

Fig. 3 Time-longitude cross-section of the SST anomalies (K; shading) at the equator (averaged from 5°S to 5°N) for EP El Niño (left column) and CP El Niño (right column) events, where (0) indicates the El Niño year and (1) represents the following year. (a, b) Observation; (c, d) CMIP5; (e, f) CMIP6. Green contours indicate the regions with the SST anomalies greater than +0.5 K, and the regions surrounded by two white dotted lines represent the core area of the SST anomalies associated with EP and CP El Niño

我们还重点关注EP型和CP型El Niño期间两者关键核心区SST异常的时间演变特征(图4)。如图4所示, 在EP型El Niño期间, 观测和CMIP5/6多模式模拟的赤道东太平洋(5°S—5°N, 150°—90°W) SST异常于6月增温至+0.5K, 即El Niño事件开始形成, 而后在12月达到峰值, 随后其逐渐减弱, 于次年6月衰亡(图4a)。值得注意的是, CMIP6多模式模拟结果的强度比CMIP5更为接近观测值, 即说明CMIP6气候模式对EP型El Niño的模拟性能有所提高。然而, 在CP型El Niño期间, CMIP5/6多模式模拟的赤道中太平洋(5°S—5°N, 180°—130°W) SST异常强度均略强于观测值, 且El Niño衰亡时间明显滞后于观测3个月左右, 导致模拟的El Niño生命周期史偏长(图4b)。尽管CMIP5/6多模式模拟的CP型El Niño季节锁相特征有所缺陷(图3和图4), 但其对CP型El Niño空间模态的模拟却呈现出良好的性能(图2), 尤其是CMIP6的模拟性能较CMIP5有所提升。
图4 EP型和CP型El Niño期间核心区SST异常演变图

a. EP El Niño; b. CP El Niño. EP型和CP型的SST核心区分别为(5°S—5°N, 150°—90°W)和(5°S—5°N, 180°—130°W)。图中黑线、蓝线和红线分别表示HadISST、CMIP5多模式集合平均和CMIP6多模式集合平均的结果, 蓝色和红色阴影分别表示CMIP5和CMIP6多模式间的离散程度, 绿色虚线表示SST异常等于+0.5K所在位置。横坐标轴数字中的0表示El Niño发生当年, 1表示下一年

Fig. 4 Time evolution of the SST anomalies (K) associated with the (a) EP El Niño and (b) CP El Niño events in the observation (black curve), the multi-model ensemble (MME) from CMIP5 models (blue curve) and the MME from CMIP6 models (red curve). The core area of the SST anomalies associated with EP and CP El Niño is the region of (5°S—5°N, 150°—90°W) and (5°S—5°N, 180°—130°W), respectively. Blue and red shaded regions represent the spread of the CMIP5 and CMIP6 models, respectively. The green dashed line indicates the location with the SST anomalies equal to +0.5 K

3 全球变暖背景下El Niño多样性的变化预估

3.1 发生频率预估

鉴于CMIP5和CMIP6气候模式均能够较好地模拟历史时期El Niño多样性的空间模态, 我们将进一步预估全球变暖背景下El Niño多样性的未来趋势变化特征。到目前为止, CMIP3和CMIP5气候模式在CP型El Niño发生频率的未来预估方面表现出很大的不确定性, Yeh等(2009)提出CP型El Niño事件将随着全球气候变暖将显著增加, 而Xu等(2017b)则强调在全球变暖背景下CP型El Niño事件并无明显增多。为此, 我们通过观测数据和CMIP5/6多模式的历史时期、未来不同增暖情景等模拟数据来对比研究CP型和EP型El Niño发生频率的未来变化趋势。图5所示的是观测与CMIP模式模拟的CP型和EP型El Niño发生频率的比率箱线图, 其利用中位数、25%分位数、75%分位数、上边界、下边界等统计量来描述CMIP模式模拟CP和EP发生比率的总体情况。基于HadISST资料, 在1870—2014年期间我们共识别出20个EP型El Niño事件和15个CP型El Niño事件, 因此观测中CP型与EP型的比率为0.75。从CMIP5/6多模式集合平均结果来看, 历史时期和未来不同增暖情景模拟的CP型和EP型发生频率的比例中位数均小于1, 意味着CP型El Niño事件的发生频率明显低于EP型El Niño事件; 同时我们发现CMIP5/6气候模式模拟的CP型与EP型比率与观测的较为接近。具体而言, CMIP5气候模式所模拟的CP型与EP型比率中位数在历史时期、RCP45和RCP85情景下分别为0.95、0.78和0.84, 表明在未来全球变暖背景下CP型El Niño事件的发生频率有下降趋势。类似地, CMIP6气候模式模拟的CP型与EP型比率中位数在历史时期、SSP245和SSP585情景下分别为0.94、0.83和0.69, 表现出从历史时期到全球变暖情境下CP型El Niño发生频率明显降低的现象, 且随着全球增暖幅度的增强其发生频率更低(图5)。鉴于CMIP6多模式对两类El Niño的良好模拟能力, 我们还统计了其模拟的EP型El Niño发生频率在历史时期、SSP245和SSP585情景下分别为14.6次·ha-1、13.9次·ha-1和15次·ha-1, 而模拟的CP型El Niño发生频率分别为13.2次·ha-1、11.6次·ha-1和10.4次·ha-1, 这说明全球变暖背景下EP型El Niño发生频率变化不明显, 但CP型发生频率明显降低, 即未来全球变暖背景下CP型与EP型比率显著下降主要是由于CP型El Niño发生频率降低所致。这些结果与Yeh等(2009)的结论存在明显差异, 而造成这种差异的可能原因是不同的模式数据和不同的El Niño多样性定义方法。此外, 箱体高度在一定程度上反映了CMIP模式模拟的波动程度, 箱体越扁和端线越短则说明CMIP模式模拟一致性高。因此, 相比于CMIP5, CMIP6模拟的CP型与EP型比率在各个模式间的离散性有所减弱(图5), 说明CMIP6气候模式中CP型El Niño发生频率的未来变化趋势模拟相对较一致。由上述CMIP5/6多模式结果分析可知, 与EP型El Niño相比, 未来全球变暖背景下CP型El Niño事件的发生频率将趋于降低, 且高排放量强迫情境下CP型的发生频次将更少。
图5 观测与CMIP模式模拟的CP型和EP型El Niño发生频率的比率箱线图

HadISST为逐月海表温度, CMIP5-Hist 为CMIP5模式的历史模拟, RCP45为代表性浓度路径情景的中等强迫, RCP85为代表性浓度路径情景的高强迫, CMIP6-Hist 为CMIP6模式的历史模拟, SSP245为共享社会经济路径与典型浓度路径组合情景的中等强迫, SSP585为共享社会经济路径与典型浓度路径组合情景的高强迫; 红色加号表示某个模式模拟的极端异常值

Fig. 5 Boxplots of the frequency ratio for the CP-to-EP Niño events in the observation and various scenarios of CMIP5 and CMIP6 models. The black boxplot is based on the observation, the green, light blue and blue boxplots represent the historical simulation (CMIP5-Hist), the RCP45 and RCP85 scenarios in CMIP5 models, and the orange, red and purple boxplots indicate the historical simulation (CMIP6-Hist), the SSP245, SSP585 scenarios in CMIP6 models, respectively. Markers with the red plus denote the extreme outliers simulated by the models

3.2 强度变化预估

El Niño强度是影响全球气候异常的重要指标。利用气候模式预估未来全球变暖背景下不同类型El Niño的强度变化, 也是当前全球气候变化领域研究的热点问题之一。通过合成未来不同增暖情景下CMIP5/6气候模式模拟的EP型和CP型El Niño的SST异常分布(图略)发现, EP型和CP型El Niño的模态及其所对应的暖SST异常中心均和历史时期模拟(图1c ~ 1f)非常相似, 即说明在全球气候变暖背景下CMIP5/6气候模式能够良好地模拟El Niño的多样性特征。图6所示的是未来不同增暖情景下CMIP5/6气候模式对EP型和CP型El Niño的SST异常空间变化预估。总体而言, 未来全球变暖背景下, CMIP5/6气候模式模拟的EP型和CP型El Niño强度均有所增强, 但不同增暖幅度引起的强度变化有所差异。在CMIP5多模式模拟的RCP45情景下, EP型和CP型El Niño的SST异常变化区域均位于赤道中太平洋, 同时SST异常增强幅度并不明显, 且各个模式预估变化的同号率低于70%, 多模式的一致性较差(图6a, 6b)。然而, 在RCP85情景下, EP型El Niño强度变化显著增强, 但CP型El Niño变化不明显(图6c, 6d)。与CMIP5相比, 在CMIP6多模式模拟的SSP245情景下, EP型和CP型El Niño的SST异常变化中心分别位于赤道东太平洋和赤道中太平洋地区, 且EP型El Niño海温变化幅度明显大于CP型(图6e, 6f), 表明未来全球变暖背景下EP型和CP型El Niño强度都将增强, 且EP型强度增强幅度显著大于CP型。在CMIP6的高强迫(SSP585)模拟情景下, EP型和CP型El Niño强度变化的模态与中等强迫模拟较为一致, 但其强度将进一步增强, 同时也表现出EP型强度增强幅度明显大于CP型的特征(图6g, 6h)。此外, 我们发现CMIP5各个气候模式间呈现出较低的未来SST增强趋势的同号率变化, 但CMIP6各个模式间的SST增强变化却一致性非常高, 这也表明CMIP6大部分模式在未来全球变暖背景下EP和CP型El Niño的强度增强方面达成共识。
图6 CMIP气候模式未来增暖情境下EP型El Niño和CP型El Niño的SST异常空间变化预估

a. CMIP5 RCP45情境下的EP型El Niño; b. CMIP5 RCP45情境下的CP型El Niño; c. CMIP5 RCP85情境下的EP型El Niño; d. CMIP5型RCP85情境下的CP型El Niño; e. CMIP6 SSP245情境下的EP型El Niño; f. CMIP6 SSP245情境下的CP型El Niño; g. CMIP6 SSP585情境下的EP型El Niño; h. CMIP6 SSP585情境下的CP型El Niño。图中等值线为CMIP5和CMIP6历史模拟的El Niño异常SST分布, 阴影为增暖情境下SST异常未来变化, 灰色叉号表示的是CMIP5/6气候模式中SST异常未来变化的同号率达到70%的区域。该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)1665号的标准地图制作, 底图无修改

Fig. 6 Differences between the MME mean SST (units: K) composites for the CMIP5 and CMIP6 projection and those for the corresponding historical runs for EP (left column) and CP El Niño (right column) events. (a, b) RCP45 scenario in CMIP5; (c, d) RCP85 scenario in CMIP5; (e, f) SSP245 scenario in CMIP6; (g, h) SSP585 scenario in CMIP6. Black counters indicate the El Niño-related SST anomalies simulated by the historical runs of CMIP5 and CMIP6 models, and color shadings represent the projected changes in El Niño SST anomalies. Gray crosses indicate locations over which more than 70% of CMIP5/6 models agree on the sign of SST difference between historical and future runs

4 结论与讨论

本文使用23个CMIP6气候模式和32个CMIP5气候模式的历史时期、未来不同增暖情景模拟结果, 结合观测资料对El Niño多样性模拟性能进行了评估, 并在此基础上预估EP型和CP型El Niño的发生频率和强度变化对全球变暖的响应, 得到以下主要结论:
1) 绝大多数CMIP5和CMIP6模式能合理地模拟El Niño的多样性特征。在空间模态方面, CMIP5/6多模式模拟的EP型和CP型El Niño异常SST空间模态与观测场较为接近, 但相比于CMIP5, CMIP6对CP型El Niño空间模态的模拟性能明显提高, 同时其模拟的EP型El Niño空间模态的离散性也有所减弱; 在季节锁相性方面, CMIP5/6多模式基本能够模拟出EP型和CP型El Niño的季节锁相性特征, 但CMIP5/6多模式模拟的CP型El Niño衰亡时间较观测明显滞后3个月左右; 在振幅强度方面, CMIP5/6多模式集合结果显示EP型El Niño成熟期强度与观测较为接近, 但模拟的CP型El Niño的强度却强于观测。尽管CMIP5/6多模式模拟的CP型El Niño季节锁相特征有所缺陷, 但它们对CP型El Niño空间模态的模拟呈现出优秀的性能, 且CMIP6多模式的模拟性能较CMIP5有明显提升。
2) 在未来全球变暖背景下, CP型El Niño事件的发生频率相对于EP型事件将趋于降低, 且随着增暖幅度增强其发生频次将更少。EP型和CP型El Niño振幅强度随着全球变暖加剧都将增强, 且EP型强度增强幅度显著强于CP型。此外, 相比于CMIP5, 未来EP型和CP型El Niño的发生频率和振幅强度变化在CMIP6各个模式之间的离散性显著减弱, 表明CMIP6气候模式在El Niño多样性方面的模拟结果一致性非常高。
本文评估和对比了CMIP5/6多模式对El Niño多样性模拟性能, 并揭示EP型和CP型El Niño的发生频率和强度变化对全球变暖的响应特征。然而, 本文结论大多数基于统计分析, CMIP5/6气候模式的模拟误差问题(如: CP型El Niño衰亡时间滞后, CP型El Niño强度模拟偏强等)有待结合动力诊断进行下一步研究。总体而言, CMIP6在El Niño多样性模拟性能上比CMIP5有所提升, 但CMIP6模拟性能提升的原因却还不清楚, 因此, 今后还需进一步深入探究CMIP6气候模式中物理过程和动力学框架的改进如何提升其模拟El Niño多样性的能力。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
黄荣辉, 傅云飞, 臧晓云, 1996. 亚洲季风与ENSO循环的相互作用[J]. 气候与环境研究, 1(1): 38-54.

HUANG RONGHUI, FU YUNFEI, ZHAN XIAOYUN, 1996. Asian monsoon and ENSO cycle interaction[J]. Climatic and Environmental Research, 1(1): 38-54. (in Chinese with English abstract)

[2]
穆明权, 李崇银, 2000. 西太平洋暖池次表层海温异常与ENSO循环的相互作用[J]. 大气科学, 24(4): 447-460.

MU MINGQUAN, LI CHONGYIN, 2000. Interactions between subsurface ocean temperature anomalies in the western Pacific Warm Pool and ENSO cycle[J]. Chinese Journal of Atmospheric Sciences, 24(4): 447-460. (in Chinese with English abstract)

[3]
吴国雄, 孟文, 1998. 赤道印度洋-太平洋地区海气系统的齿轮式耦合和ENSO事件Ⅰ资料分析[J]. 大气科学, 22(4): 470-480.

WU GUOXIONG, MENG WEN, 1998. Gearing between the Indo-monsoon Circulation and the Pacific-Walker Circulation and the ENSO. Part I: Data Analyses[J]. Chinese Journal of Atmospheric Sciences, 22(4): 470-480. (in Chinese with English abstract)

[4]
周天军, 邹立维, 陈晓龙, 2019. 第六次国际耦合模式比较计划(CMIP6)评述[J]. 气候变化研究进展, 15(5): 445-456.

ZHOU TIAN-JUN, ZOU LI-WEI, CHEN XIAO-LONG, 2019. Commentary on the Coupled Model Intercomparison Project Phase 6 (CMIP6)[J]. Climate Change Research, 15(5): 445-456. (in Chinese with English abstract)

[5]
AN S-I, JIN FEI-FEI, 2001. Collective Role of Thermocline and zonal advective feedbacks in the ENSO mode[J]. Journal of Climate, 14(16): 3421-3432.

DOI

[6]
ASHOK K, BEHERA S K, RAO S A, et al, 2007. El Niño Modoki and its possible teleconnection[J]. Journal of Geophysical Research: Oceans, 112(C11): C11007.

[7]
BELLENGER H, GUILYARDI E, LELOUP J, et al, 2014. ENSO representation in climate models: from CMIP3 to CMIP5[J]. Climate Dynamics, 42(7-8): 1999-2018.

DOI

[8]
BJERKNES J, 1969. Atmospheric teleconnections from the equatorial Pacific[J]. Monthly Weather Review, 97(3): 163-172.

DOI

[9]
CAPOTONDI A, WITTENBERG A T, NEWMAN M, et al, 2015. Understanding ENSO diversity[J]. Bulletin of the American Meteorological Society, 96(6): 921-938.

DOI

[10]
CHEN GUANGHUA, TAM CHI-YUNG, 2010. Different impacts of two kinds of Pacific Ocean warming on tropical cyclone frequency over the western North Pacific[J]. Geophysical Research Letters, 37(1): L01803.

[11]
CHEN MENGYAN, YU JIN-YI, WANG XIN, et al, 2021. Distinct onset mechanisms of two subtypes of CP El Niño and their changes in future warming[J]. Geophysical Research Letters, 48(14): 2021GL093707.

[12]
FU CONGBIN, DIAZ H F, FLETCHER J O, 1986. Characteristics of the response of sea surface temperature in the central Pacific associated with warm episodes of the Southern Oscillation[J]. Monthly Weather Review, 114(9): 1716-1739.

DOI

[13]
HAM Y-G, KUG J-S, PARK J-Y, 2013. Two distinct roles of Atlantic SSTs in ENSO variability: North Tropical Atlantic SST and Atlantic Niño[J]. Geophysical Research Letters, 40(15): 4012-4017.

DOI

[14]
HUANG BOYIN, XUE YAN, WANG HUI, et al, 2012. Mixed layer heat budget of the El Niño in NCEP climate forecast system[J]. Climate Dynamics, 39: 365-381.

DOI

[15]
HUANG BOYIN, XUE YAN, ZHANG DONGXIAO, et al, 2010. The NCEP GODAS ocean analysis of the tropical Pacific mixed layer heat budget on seasonal to interannual time scales[J]. Journal of Climate, 23(18): 4901-4925.

DOI

[16]
JIN FEI-FEI, 1997a. An equatorial ocean recharge paradigm for ENSO. Part I: Conceptual model[J]. Journal of the Atmospheric Sciences, 54(7): 811-829.

DOI

[17]
JIN FEI-FEI, 1997b. An equatorial ocean recharge paradigm for ENSO. Part II: A stripped-down coupled model[J]. Journal of the Atmospheric Sciences, 54(7): 830-847.

DOI

[18]
KAO H-Y, YU J-Y, 2009. Contrasting Eastern-Pacific and Central-Pacific Types of ENSO[J]. Journal of Climate, 22(3): 615-632.

DOI

[19]
KARORI M A, LI JIANPING, JIN FEI-FEI, 2013. The asymmetric influence of the two types of El Niño and La Niña on summer rainfall over southeast China[J]. Journal of Climate, 26(13): 4567-4582.

DOI

[20]
KIM S T, YU JIN-YI, 2012a. The two types of ENSO in CMIP5 models[J]. Geophysical Research Letters, 39(11): 221-228.

[21]
KIM S T, YU JIN-YI, KUMAR A, et al, 2012b. Examination of the two types of ENSO in the NCEP CFS Model and its EXTRATROPICAL Associations[J]. Monthly Weather Review, 140(6): 1908-1923.

DOI

[22]
KUG J-S, CHOI J, AN S-I, et al, 2010. Warm Pool and Cold Tongue El Niño events as simulated by the GFDL 2.1 Coupled GCM[J]. Journal of Climate, 23(5): 1226-1239.

DOI

[23]
KUG J-S, JIN FEI-FEI, AN S-I, 2009. Two types of El Niño events: cold tongue El Niño and warm pool El Niño[J]. Journal of Climate, 22(6): 1499-1515.

DOI

[24]
LARKIN N K, HARRISON D E, 2005. On the definition of El Niño and associated seasonal average U.S. weather anomalies[J]. Geophysical Research Letters, 32(13): L13705.

DOI

[25]
LAU K M, CHAN P H, 1986. The 40-50 day oscillation and the El Niño/Southern Oscillation: A new perspective[J]. Bulletin of the American Meteorological Society, 67(5): 533-535.

DOI

[26]
LELOUP J, LENGAIGNE M, BOULANGER J-P, 2008. Twentieth century ENSO characteristics in the IPCC database[J]. Climate Dynamics, 30(30): 277-291.

DOI

[27]
MCPHADEN M J, ZEBIAK S E, GLANTZ M H, 2006. ENSO as an integrating concept in earth science[J]. Science, 314(5806): 1740-1745.

DOI PMID

[28]
PHILANDER S G H, 1985. El Niño and La Niña[J]. Journal of the Atmospheric Sciences, 42(23): 2652-2662.

DOI

[29]
PICAUT J, MASIA F, DU PENHOAT Y, 1997. An advective-reflective conceptual model for the oscillatory nature of the ENSO[J]. Science, 277(5326): 663-666.

DOI

[30]
RASMUSSON E M, CARPENTER T H, 1982. Variations in tropical sea surface temperature and surface wind fields associated with the Southern Oscillation/El Niño[J]. Monthly Weather Review, 110(5): 354-384.

DOI

[31]
RAYNER N A, PARKER D E, HORTON E B, et al, 2003. Global analyses of sea surface temperature, sea ice, and night marine air temperature since the late nineteenth century[J]. Journal of Geophysical Research, 108(D14): 4407.

DOI

[32]
SCHOPF P S, SUAREZ M J, 1988. Vacillations in a coupled ocean-atmosphere model[J]. Journal of the Atmospheric Sciences, 45(3): 549-566.

DOI

[33]
STEVENSON S L, 2012. Significant changes to ENSO strength and impacts in the twenty‐first century: Results from CMIP5[J]. Geophysical Research Letters, 39(17): L17703.

[34]
TIMMERMANN A, AN S-Il, KUG J-S, et al, 2018. El Niño-Southern Oscillation complexity[J]. Nature, 559(7715): 535-545.

DOI

[35]
WANG CHUNZAI, 2018. A review of ENSO theories[J]. National Science Review, 5(6): 813-825.

DOI

[36]
WANG CHUNZAI, 2019. Three-ocean interactions and climate variability: a review and perspective[J]. Climate Dynamics, 53: 5119-5136.

DOI

[37]
WANG CHUNZAI, DESER C, YU JIN-YU, et al, 2017. El Niño and Southern Oscillation (ENSO): A Review[M]. Springer Netherlands, 8: 85-106.

[38]
WANG CHUNZAI, WEISBERG R H, VIRMANI J I, 1999. Western Pacific interannual variability associated with the El Niño-Southern Oscillation[J]. Journal of Geophysical Research: Oceans, 104(C3): 5131-5149.

[39]
WANG XIN, CHEN MENGYUAN, WANG CHUNZAI, et al, 2019. Evaluation of performance of CMIP5 models in simulating the North Pacific Oscillation and El Niño Modoki[J]. Climate Dynamics, 52: 1383-1394.

DOI

[40]
WYRTKI K, 1975. El Niño—The dynamic response of the equatorial Pacific Ocean to atmospheric forcing[J]. Journal of Physical Oceanography, 5(4): 572-584.

DOI

[41]
XIANG BAOQIANG, WANG BIN, LI T, 2013. A new paradigm for the predominance of standing Central Pacific Warming after the late 1990s[J]. Climate Dynamics, 41: 327-340.

DOI

[42]
XU KANG, HUANG RUI-XIN, WANG WERIQIANG, et al, 2017a. Thermocline Fluctuations in the Equatorial Pacific Related to the Two Types of El Niño Events[J]. Journal of Climate, 30(17): 6611-6627.

DOI

[43]
XU KANG, SU JINGZHI, ZHU CONGWEN, 2014. The natural oscillation of two types of ENSO events based on analyses of CMIP5 model control runs[J]. Advances in Atmospheric Sciences, 31(4): 801-813.

DOI

[44]
XU KANG, TAM C-Y, LIU BOJI, et al, 2020. Attenuation of Central Pacific El Niño amplitude by North Pacific sea surface temperature anomalies[J]. Journal of Climate, 33(15): 6673-6688.

DOI

[45]
XU KANG, TAM C-Y, ZHU CONGWEN, et al, 2017b. CMIP5 projections of two types of El Niño and their related tropical precipitation in the twenty-first century[J]. Journal of Climate, 30(3): 849-864.

DOI

[46]
XU KANG, WANG WEIQIANG, LIU BOQI, et al, 2019. Weakening of the El Niño amplitude since the late 1990s and its link to decadal change in the North Pacific climate[J]. International Journal of Climatology, 39(10): 4125-4138.

DOI

[47]
XU KANG, ZHU CONGWEN, HE JINHAI, 2012. Linkage between the dominant modes in Pacific subsurface ocean temperature and the two type ENSO events[J]. Chinese Science Bulletin, 57(26): 3491-3496.

DOI

[48]
YEH S-W, HAM Y-G, LEE J-Y, 2012. Changes in the tropical Pacific SST trend from CMIP3 to CMIP5 and its implication of ENSO[J]. Journal of Climate, 25(21): 7764-7771.

DOI

[49]
YEH S-W, KUG J-S, DEWITTE B, et al, 2009. El Niño in a changing climate[J]. Nature, 461(7263): 511-514.

DOI

[50]
YU JIN-YI, FANG SHIH-WEI, 2018. The Distinct Contributions of the seasonal footprinting and charged-discharged mechanisms to ENSO complexity[J]. Geophysical Research Letters, 45(13): 6611-6618.

DOI

[51]
YU JIN-YI, KAO H-Y, 2007. Decadal changes of ENSO persistence barrier in SST and ocean heat content indices: 1958-2001[J]. Journal of Geophysical Research: Atmosheres, 112(D13): D13106.

[52]
YU JIN-YI, KIM S-T, 2010. Identification of central‐Pacific and eastern‐Pacific types of ENSO in CMIP3 models[J]. Geophysical Research Letters, 37(15): L15705.

[53]
YU JIN-YI, SUN FENGPENG, KAO H-Y, 2009. Contributions of Indian Ocean and monsoon biases to the excessive biennial ENSO in CCSM3[J]. Journal of Climate, 22(7): 1850-1858.

DOI

[54]
YU JIN-YI, ZOU YUHAO, KIM S T, et al, 2012. The changing impact of El Niño on US winter temperatures[J]. Geophysical Research Letters, 39(15): L15702.

[55]
ZHANG QIN, KUMAR A, XUE YAN, et al, 2007. Analysis of the ENSO cycle in the NCEP coupled forecast model[J]. Journal of Climate, 20(7): 1265-1284.

DOI

[56]
ZHANG WENJUN, JIN FEI-FEI, 2012. Improvements in the CMIP5 simulations of ENSO-SSTA meridional width[J]. Geophysical Research Letters, 39(23): L23704.

Options
文章导航

/

〈 〉