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 >

2026 , Vol. 45 >Issue 1: 91 - 104

DOI: https://doi.org/10.11978/2024238

海洋气象学

ENSO与内部变率对印度洋偶极子影响的估算*

  • 张涟漪 , 1 ,
  • 张玉红 1, 2 ,
  • 杜岩 , 1, 2
展开
  • 1热带海洋环境与岛礁生态全国重点实验室/广东省海洋遥感与大数据重点实验室(中国科学院南海海洋研究所), 广东 广州 510301
  • 2中国科学院大学海洋学院, 山东 青岛 266000
杜岩。email:

*感谢两位审稿老师对本工作提出的建设性意见。感谢美国国家海洋和大气管理局(NOAA)提供ERSST资料, 欧洲中期天气预报中心(ECMWF)提供ERA5大气再分析资料, 和英国气象局哈德利中心(Met Office Hadley Centre)提供的EN4资料。感谢中国科学院南海海洋研究所高性能计算中心提供数据计算的支持

张涟漪(1993—), 男, 天津市人, 助理研究员, 主要从事海气相互作用与海洋动力过程方面的研究。email:

Editor: 孙翠慈

收稿日期: 2024-12-23

  修回日期: 2025-01-15

  网络出版日期: 2025-03-07

基金资助

国家自然科学基金(U21A6001)

国家自然科学基金(42106021)

中国科学院项目(183311KYSB20200015)

中国科学院南海海洋研究所项目(SCSIO202201)

中国科学院南海海洋研究所项目(SCSIO2023HC07)

广州市科技项目(2023A04J0186)

南方海洋科学与工程广东省实验室(广州)项目(2019BT02H594)

广东省基础与应用基础研究基金杰出青年项目(2024B1515020037)

广东省基础与应用基础研究基金面上项目(2023A1515012691)

收起

Quantifying impacts of ENSO and internal variability on the Indian Ocean Dipole*

  • ZHANG Lianyi , 1 ,
  • ZHANG Yuhong 1, 2 ,
  • DU Yan , 1, 2
Expand
  • 1State Key Laboratory of Tropical Oceanography/Guangdong Key Lab of Ocean Remote Sensing and Big Data (LORS), South China Sea Institute of Oceanology, Chinese Academy of Sciences, Guangzhou 510301, China
  • 2College of Marine Sciences, University of Chinese Academy of Sciences, Qingdao 266000, China
DU Yan. email:

Editor: SUN Cuici

Received date: 2024-12-23

  Revised date: 2025-01-15

  Online published: 2025-03-07

Supported by

National Natural Science Foundation of China(U21A6001)

National Natural Science Foundation of China(42106021)

Chinese Academy of Sciences(183311KYSB20200015)

South China Sea Institute of Oceanology(SCSIO202201)

South China Sea Institute of Oceanology(SCSIO2023HC07)

Science and Technology Projects in Guangzhou(2023A04J0186)

Southern Marine Science and Engineering Guangdong Laboratory (Guangzhou)(2019BT02H594)

Guangdong Natural Science Funds for Distinguished Young Scholar(2024B1515020037)

Guangdong Basic and Applied Basic Research Foundation(2023A1515012691)

Fold

摘要

印度洋偶极子(Indian Ocean Dipole, IOD)是印度洋固有的一种气候现象, 通常发生在北半球秋季, 会影响印度洋周边国家和地区乃至我国的天气、气候状况。IOD同时受到厄尔尼诺-南方涛动(El Niño-Southern Oscillation, ENSO)和印度洋内部变率的影响。因增暖中心和气候影响的差异, ENSO被分为两种主要类型, 即东太平洋型(eastern Pacific, EP)和中太平洋型(central Pacific, CP)。然而, 当前研究并未充分讨论两种类型ENSO对IOD的影响机制, 也未量化两类ENSO和内部变率的影响程度。在此, 以上因素对IOD的贡献可以通过一种新型联合线性回归方法进行估算。该方法分离了两类ENSO与内部变率的影响, 结果表明印度洋内部变率是IOD海温变化主要来源, 占比可达60%以上; ENSO的总贡献约占三分之一, 其中以CP型为主, 而EP型则倾向于在极端事件中影响IOD。ENSO与内部变率对IOD的作用机制不同: ENSO主要通过沃克环流影响印度洋风场, 但因为EP型和CP型的增暖核心不同, 两者影响程度有所差异; 内部变率则倾向于通过印度洋内部的海洋过程造成海温异常进而引起IOD。此外, 由于厄尔尼诺生命期更长, 与之共发的IOD正事件有更大几率转化为下一年春季的印度洋海盆尺度增暖, 其中ENSO总贡献超过70%。虽然内部变率对该转化并无显著统计关系, 但强的IOD正事件仍有机会触发海盆尺度增暖。以上结果有助于提高对气候模态以及跨海盆相互作用的认识。

关键词： 热带印度洋; 印度洋偶极子; 厄尔尼诺与南方涛动; 印度洋海盆模态

本文引用格式

张涟漪 , 张玉红 , 杜岩 . ENSO与内部变率对印度洋偶极子影响的估算*[J]. 热带海洋学报, 2026 , 45(1) : 91 -104 . DOI: 10.11978/2024238

Abstract

The Indian Ocean Dipole (IOD) is an intrinsic climate mode in the Indian Ocean, typically occurring during the boreal fall, influencing weather and climate in surrounding regions and even China. The IOD is affected by both the El Niño-Southern Oscillation (ENSO) and internal variability within the Indian Ocean. However, the quantitative contributions of two types of ENSO, namely the eastern Pacific (EP) and the central Pacific (CP), and internal variability to the IOD remain unclear. Here, a binary combined linear regression method is used to separate and estimate the contributions of these three factors. The results show that internal variability is the primary source of IOD sea surface temperature (SST) changes, accounting for more than 60% of the variance. The contribution of ENSO is about one-third, predominantly driven by the CP ENSO, whereas the EP type tends to exert a stronger influence on the IOD during extreme events. Their influencing mechanisms are different: ENSO affects the Indian Ocean wind field primarily via the Walker circulation, with the efficiency depending on the location of the warming cores (EP vs. CP). In comparison, internal variability tends to induce SST anomalies through oceanic processes within the Indian Ocean, facilitating IOD development. Due to the longer lifetime of El Niño events, a co-occurring positive IOD has a higher chance of transforming into an Indian Ocean basin-wide warming event in the following spring, for which ENSO contributes more than 70% of the transition. Although internal variability does not show a significant statistical relationship with this transition, a strong positive IOD still has the potential to induce subsequent basin-wide warming. These findings improve our understanding of climate modes and inter-basin interactions.

Key words： tropical Indian Ocean; Indian Ocean Dipole; El Niño-Southern Oscillation; Indian Ocean basin-wide mode

印度洋偶极子(Indian Ocean Dipole, IOD)是发生于热带印度洋的一种气候现象(Saji et al, 1999; Webster et al, 1999; 李崇银 等, 2001; Schott et al, 2009)。它能在印度洋周边区域、澳洲大陆乃至东亚引发异常天气或者气候状态(如过量的降水或者长时间的干旱), 进而导致洪涝灾害或者大范围山火(晏红明 等, 2000; Qiu et al, 2014; Weller et al, 2014; Xu et al, 2016; Wang et al, 2020; Xiao et al, 2020)。IOD具有明显的不对称性, 即IOD正事件的强度更高, 气候影响更剧烈, 因此受到了更广泛的关注(Ogata et al, 2013; Ng et al, 2016)。IOD正事件表现为东南热带印度洋出现海表温度(sea surface temperature, SST)异常冷却, 大气深对流减弱, 降水减少, 海洋性大陆出现干旱天气; 在西热带印度洋, SST异常增暖, 深对流增强, 东非区域降水增加, 易发生洪涝灾害(Annamalai et al, 2005; Endo et al, 2016)。
在印度洋季风变化影响下, IOD具有明显的季节锁相特点, 其通常于北半球夏季(6—8月, June-July-August, JJA)发展, 秋季(9—11月, September-October-November, SON)达到盛期, 并在冬季(12月)快速衰退(Du et al, 2013)。在印度洋夏季风盛行时, 东南信风北进, 引起苏门答腊-爪哇岛西侧出现季节性上升流, SST降低, 海气相互作用变得更为敏感, 这为IOD的发生提供了窗口期(Crétat et al, 2018)。此时, 若存在进一步影响(例如东风和上升流等异常增强), 便会导致海表温度进一步降低。这会在热带印度洋海盆尺度上, 引发海表温度、纬向风场与温跃层联动变化, 进而形成Bjerknes正反馈(Bjerknes, 1969), 最终IOD正事件发生(图1a)。
图1 印度洋偶极子(IOD)的基本形态与具体量化

a. IOD盛期(北半球秋季, 9—11月)的海温(填色)、10m风场(箭头)、温跃层(打点, 红色和蓝色点分别表示温跃层变深或者变浅4m)的空间分布; 所有结果基于9—11月平均的偶极子指数(dipole mode index, DMI)回归到同时期各自变量的异常场; 只有通过95%置信度检验的结果被画出; 红色框和黑色框分别为IOD西极和东极的范围, 绿色框为中赤道印度洋纬向风指数的平均范围; 该图基于自然资源部标准地图服务网站下载的审图号为GS(2016)1561号的标准地图制作; b. 1941—2022年IOD盛期的DMI指数的量化, 黑色实线、蓝色柱体、红色柱体和黄色柱体分别表示原始(All)、东太平洋厄尔尼诺-南方涛动(El Niño-Southern Oscillations, ENSO)贡献的(EP-mode)、中太平洋ENSO贡献(CP-mode)的和独立于ENSO的部分(Non-ENSO)贡献的DMI, 图例中的百分数表示各组分方差解释率; 虚线和点线分别表示DMI的一倍和两倍标准差, 即0.42℃和0.84℃; c. IOD事件的平均与典型分类的贡献比例, 基于b中超过1个标准差进行筛选; 柱体上的百分数为该组分的贡献比例

Fig. 1 Basic configuration and quantitative measures of the Indian Ocean Dipole (IOD). (a) Spatial distribution of sea surface temperature (shading), 10-meter wind field (vectors), and thermocline depth (stippling; red and blue dots indicate thermocline deepening or shoaling by more than 4 meters, respectively) during the peak phase of IOD (Northern Hemisphere autumn, September-November); these results are based on regression onto Dipole Mode Index (DMI) in September-November (SON); only significant results exceeding the 95% confidence level are shown; red and black boxes indicate the western pole and eastern pole of IOD; green box shows the location of equatorial zonal wind index (Ueq); (b) quantification of the dipole mode index (DMI) during the peak phase of IOD from 1941 to 2022; black line, blue bar, red bar, and yellow bar represent the contribution of original (All), EP ENSO (EP-mode), CP ENSO (CP-mode) and independent part (Non-ENSO) to the DMI; variance explanations are noted in the legend box; dashed/dotted line exhibits the one/twice standard deviation (STD, 0.42/0.84°C); (c) average and typical categorical contribution ratios of IOD events, selected based on exceeding one standard deviation in (b)

因此, IOD东极通常占主导地位(Zhao et al, 2015)。在少部分事件中, IOD西极增暖产生纬向温度梯度, 诱导东风异常, 进而触发IOD正事件(Guo et al, 2015; Du et al, 2020; Zhang et al, 2022)。
IOD的触发机制主要分为两种: 外部强迫与印度洋内部变率(Yang et al, 2015; Ng et al, 2018)。特别地, 外部强迫以ENSO为主(Allan et al, 2001)。当厄尔尼诺发生时, 中东太平洋SST异常增暖, 西太平洋暖池区SST变冷, 印太沃克环流响应海温变化, 暖池上空的大气深对流东移, 海洋性大陆低层出现高压异常, 从而引起热带印度洋东风异常, 触发IOD正事件, 以上过程也被称为印太沃克环流的“齿轮效应”(Klein et al, 1999; Alexander et al, 2002; Liu et al, 2007)。除了IOD之外, ENSO对印度洋的显著影响还体现在印度洋海盆模态(Indian Ocean basin-wide mode, IOB), 其往往发生于IOD次年春季(Yang et al, 2007), 表现为印度洋海盆尺度的SST变化。在厄尔尼诺与IOD正事件共发时, 东南印度洋出现反气旋风场, 激发下沉罗斯贝波向西传播(Gnanaseelan et al, 2010), 传至西南热带印度洋温跃层穹窿区后通过压深该海区的温跃层引起SST增暖(Xie et al, 2002), 通过风-蒸发-海温(wind-evaporation-SST, WES)正反馈(Xie et al, 1994), 引起北印度洋SST增暖(Du et al, 2009)。此外, 西传的下沉Rossby波抵达西边界后转向赤道并以下沉开尔文波向东传, 终结IOD东极的冷异常并引起SST上升(Chen et al, 2019), IOB增暖发生。在ENSO的桥联下(Xie et al, 2016), IOD和IOB具有相关性, 在一定程度上可以认为IOB是IOD的后续过程(Yuan et al, 2008), 本文也将就此展开讨论。
印度洋内部变率触发的IOD, 主要指独立于ENSO信号之外、由印度洋内部过程引起的IOD, 也被称为独立型IOD。此类触发信号包括如东赤道印度洋的上升流异常, 西印度洋异常增温以及南印度洋中高纬度过程等等(Fischer et al, 2005; Guo et al, 2015; Chen et al, 2016; Zhang et al, 2020, 2022)。已有工作表明, 独立型IOD发生频次与强度并不低, 甚至内部变率还是IOD的主要来源(Fischer et al, 2005; Sun et al, 2015; Zhang et al, 2021)。当前气候学界对IOD的发生发展机制, 及其与ENSO的关系已有较为系统的认识, 但是并未充分讨论ENSO与印度洋内部变率对IOD的贡献。特别地, ENSO还具有不同类型(Kao et al, 2009; Vimont et al, 2014; Timmermann et al, 2018; Capotondi et al, 2020), 即东太平洋型(eastern Pacific, EP)和中太平洋型(central Pacific, CP), 两者对印度洋的影响缺乏量化评估。为解决该问题, 本工作在原有基础上(Zhang et al, 2020, 2021), 发展了一种二元联合线性回归方法, 分离了两类ENSO与内部变率对印度洋海温的影响, 从而实现了对各因素影响IOD的估算。本文将在第一节介绍二元联合线性回归方法, 第二节展示具体量化结果, 解释ENSO与内部变率的影响机制, 并讨论IOD与ENSO如何影响后续IOB。

1 数据与方法

1.1 数据

本文所用数据为国际公开的主流气候学资料。SST数据采用扩展重构海表温度数据集(extended reconstructed SST, ERSST)(Huang et al, 2017), 大气数据基于欧洲中尺度天气预报中心第五代再分析产品(fifth generation European Centre for Medium Range Forecast reanalysis, ERA5)(Hersbach et al, 2023), 海洋垂向温度采用英国气象局哈德莱中心观测数据集的EN系列4.2.2版本的网格化数据(EN.4.2.2.analyses.g10, EN4)(Good et al, 2013)。以上所有数据均为月分辨率, 时间覆盖范围是1940年至2023年。数据的空间分辨率分别为: SST是2°×2°, 大气数据是0.25°×0.25°, 海洋垂向温度数据是1°×1°。本研究对数据的空间分辨率并不敏感。以上数据在进行进一步分析前均去除了多年平均的季节变化以及长期气候增暖带来的趋势, 以获取异常场。

1.2 指数定义

IOD的指数定义采用Saji 等(1999)所提出的偶极子指数(DMI): 用IOD西极与东极的区域平均的SST异常之差, 即西热带印度洋(50°E—70°E, 10°S—10°N, 图1a红色框)减去东南热带印度洋(90°E—110°E, 0°—10°S, 图1a黑色框)。印度洋赤道纬向风指数(Ueq)使用10m风场异常在中赤道印度洋的区域平均(70°E—90°E, 5°S—5°N, 图1a绿色框)。温跃层采用基于EN4数据进行插值估算的20°C等温线深度(D20), 东极温跃层指数指IOD东极区域平均的D20异常。IOB指数为热带印度洋海盆尺度(40°E—100°E, 15°S—15°N)SST异常的区域平均。
ENSO指数种类较多。经典的尼诺(Niño)系列指数包括在赤道太平洋对SST异常区域平均的Niño1+2(80°W—90°W, 0°—10°S)、Niño3(90°W—150°W, 5°S—5°N)和Niño4(150°W—160°E, 5°S—5°N)等, 以及基于Niño1+2和Niño4指数做差的TNI指数(Trans Niño index) (Trenberth, 1997; Trenberth et al, 2001)。在此基础上, 本研究采用基于Niño3指数和TNI指数进一步旋转定义的E指数和C指数(Takahashi et al, 2011; Santoso et al, 2017; Cai et al, 2018), 构建公式为:
E = Niño3 + TNI / 2
C = Niño3 − TNI / 2
已有研究表明这两种指数可以较好地刻画EP和CP型ENSO的空间特征(Takahashi et al, 2011; Santoso et al, 2017; Cai et al, 2018), 并在同时期(时间滞后步长为零)近乎正交。由此可以形成E-C空间, 用于描述两类ENSO的同时期发展情况。

1.3 二元联合线性回归

联合线性回归方法建立在ENSO是一种动力学整体的基础上(Compo et al, 2010), 认为ENSO具有超过热带太平洋范围的演化过程, 是年际气候变化的主导过程。虽然ENSO的各种指数可以表征其发展, 但是这些指数多数局限于热带太平洋赤道附近, 难以反映ENSO循环更大范围的动力过程, 特别如在副热带太平洋和通过大气-海洋通道连接到其他大洋的过程。另一方面, ENSO的发展与其气候影响并不同步, 例如IOD的盛期发生在ENSO发展年秋季(9—11月), 而IOB发生于ENSO衰退年春季(2—4月), 因此简单的同期回归, 尤其是只利用了ENSO单一指数的回归很难捕捉这些信号。此外, ENSO盛期的强度是ENSO发展的最终体现, 是多种过程(包括如非赤道过程、太平洋外过程)的综合影响。ENSO盛期指数高一般也对应着在发展和衰退阶段对其他区域的高强度影响, 即IOD和IOB的振幅通常更高。
针对ENSO循环的以上特征, 联合线性回归除了基础的同期回归外还引入了ENSO盛期指数对ENSO发展年和衰退年进行超前滞后回归, 以包含ENSO的三个发展阶段——同期、超前和滞后, 提取与ENSO相关的所有信号, 进而归纳出ENSO的总影响(Zhang et al, 2021)。本文在该方法基础上, 进一步结合E-C空间的正交特性, 代入E指数和C指数, 构造出二元联合线性回归, 表达式为:
y i − 1 = y i + b e , i E + b c , i C
其中, y表示目标物理量, 下面以SST为例; E和C表示E指数和C指数的时间序列; b及角标e和c分别表示针对两个指数的回归系数; i表示递归次数。当i=1时, y 0即为SST的原始异常场, 选取E指数和C指数的全时间序列(月分辨率), b e , 1 E和 b c , 1 C为两类ENSO各自对SST的同期影响, y 1为去除ENSO同期影响后的SST; 当i=2时, 选取ENSO盛期(12月—次年1月)的E指数和C指数(双月平均, 年分辨率), 对ENSO发展年内的SST做1—12月逐月超前回归, 同理可得 y 2为去除ENSO同期和超前影响后的SST; 在i=3时类似第二步, 但是对ENSO衰退年做逐月滞后回归可得 y 3。最终三次回归后, b e , 1 E和 b c , 1 C各自的累加( ∑ b e , i E和 ∑ b c , i C)分别为两类ENSO的影响, 即EP型和CP型ENSO的贡献; 剩余 y 3则代表独立于ENSO的气候变率。
由于印太海洋受到年代至年代际震荡的影响(Newman et al, 2016), 本方法根据这种低频震荡的特征时间在联合线性回归方法中设立了一个12年的滑动窗口。基于对ENSO信号提取的充分性以及对统计结果显著性的平衡考量, 回归方程采用了F检验, 但过高的置信度水平(如95%)可能会造成ENSO信号的残留, 因此设置了较为宽松的80%置信度水平。另外, 由于受到超前滞后回归在首尾年份的限制, 即超前和滞后回归无法考虑最后始末两年, 故舍弃1940年和2023年的数据, 后文分析结果的研究时段均为1941—2022年。

2 结果

2.1 IOD各组分的估算贡献

DMI指数可以用于衡量IOD的强度, 进一步用盛期DMI回归到各变量场如SST、10m风场和温跃层可以呈现IOD的形态(图1)。在未进行分解的原始异常场中, IOD正事件在其盛期(SON)的基本形态表现为东南热带印度洋SST异常冷却且温跃层深度变浅, 西热带印度洋SST异常变暖; 同时, 苏门答腊-爪哇岛沿岸出现东南风并延伸向赤道, 并在南热带印度洋形成反气旋式环流场; 在风场的强迫下, 南热带印度洋温跃层变深(Xie et al, 2002), 且SST升高(图1a)。
在进行二元联合线性回归后, DMI指数的原始(All)值可以被分解为三部分, 由EP型ENSO引起的部分(EP-mode), 由CP型ENSO引起的部分(CP-mode), 以及独立于ENSO的部分(Non-ENSO)。其中, EP-mode和CP-mode的方差解释率各为11.9%和22.0%; Non-ENSO部分最高, 达到了66.2%。以DMI指数的1倍标准差(0.42°C, 图1b虚线)筛选, IOD正事件共发生15次, 其中EP-mode、CP-mode和Non-ENSO三部分的平均贡献率分别为7.1%、30.9%和62.1%, CP-mode的贡献有所提升而另两个降低, 但整体与全时间序列的方差解释率比例相当。从主导组分来看(贡献率大于50%), 在15次事件中EP-mode主导发生1次(6.7%), CP-mode有3次(20%), 而Non-ENSO共有9次(60%), 此外还有2次三者共同作用(13.3%)。这与上文的方差解释率和平均贡献率的比例也相对接近。IOD负事件的情况与正事件相似。IOD负事件共发生14次, 其中Non-ENSO组分主导9次(SST振幅解释率69.0%), CP-mode主导3次(19.7%), EP-mode主导1次(11.3%), 还有1次为Non-ENSO和EP-mode共同作用。IOD负事件的强度、频次和气候影响相比IOD正事件略弱, 因此本论文主要以IOD正事件为主进行讨论。总的来说, 在不考虑ENSO形态的情况下ENSO对IOD的贡献率约为1/3, 而独立于ENSO的部分是IOD变化的主要来源, 约占比2/3。

2.2 ENSO与内部变率对IOD的影响机制

IOD在三种组分中的形态并不相同(图2)。将各组分的DMI指数进行标准化后回归到对应的SST、风场和温跃层, 可以发现, 除了赤道区域的影响外, 两类厄尔尼诺引起的IOD正事件的范围延伸到了南印度洋副热带区域, 这里形成了更强的反气旋式风场异常(图2a、b)。此外, CP-mode中的正IOD响应比EP-mode更明显, 尤其体现在风场对南印度洋温跃层的强迫, 形成更显著的下沉式Rossby波沿着大于10°S断面向西传播。因此, 在异常强风和温跃层加深的影响下, CP-mode中西热带印度洋SST增暖幅度也更高。
图2 各组分中IOD的盛期形态

a. EP-mode组分中基于IOD盛期DMI回归到海温(填色)、10m风场(箭头)和温跃层(等值线)的异常场; b和c: 类似于a, 分别为CP-mode组分和内部变率组分中的DMI回归场; 通过95%置信度检验的异常海温和温跃层才会被画出, 显著的风场用加黑箭头表示, 浅和深红色(蓝色)的等值线分别表示温跃层变深(变浅)2m和4m。该图基于自然资源部标准地图服务网站下载的审图号为GS(2016)1561号的标准地图制作

Fig. 2 Mature phase patterns of the IOD in different components. (a) Anomalous fields of sea surface temperature (shading), 10-meter wind field (vectors), and thermocline (contours) regressed onto the DMI during the mature phase of the IOD in the EP-mode component; (b, c) similar to (a) but for the regression fields of the DMI in the CP-mode component and the internal variability component, respectively; only significant results exceeding the 95% confidence level are shaded, bold, and contoured light/dark red (blue) color indicates the thermocline deepening (shallowing) by 2/4 meters

两类ENSO对IOD的影响的差异源于太平洋SST的增温形态不同, 不同区域的增温对大气深对流以及沃克环流的影响效率存在差异(图3a、b)。太平洋背景态SST分布表现为西暖冬冷, 尤其是西太平洋暖池区平均SST大于28°C, 大气深对流活跃。因此, 在暖池附近的SST异常更容易影响大气环流变化(Kug et al, 2009; De Deckker, 2016; Du et al, 2023)。CP型ENSO的海温变化核心区域更靠近暖池, 会更容易通过影响大气深对流经由沃克环流引起印度洋变化, 触发IOD。对比图2b和图3b可以发现, 太平洋的异常对流中心与SST增暖中心更为接近, 大约位于180°附近, 表明沃克环流的上升支从暖池向东偏移到了中太平洋的增暖区域。在背景态海温相对较冷的东太平洋, SST异常增暖对大气环流影响并不明显。对于EP型厄尔尼诺来说, 增暖中心大约位于90°W—120°W(图2a), 然而此时对流中心位于150°W—180°W(图3a), 这说明在背景态海温相对更高的中太平洋的弱增暖实际上是影响沃克环流的关键, 而非东太平洋的强增暖。另一方面, CP型ENSO也会造成比EP型更强的暖池SST变化(图2a), 由此引发的异常下沉气流也更剧烈、更集中(图3a), 引起印度洋更强的风场响应, 有利于触发IOD事件。但这种情况并不是绝对的, 特别表现在极端厄尔尼诺事件发生时, 例如1997年发生的极端EP型厄尔尼诺, 即当东太平洋发生高增暖后, 实际海温达到了对流阈值, 对沃克环流的影响显现, 可以通过大气遥相关引起强IOD正事件(Alexander et al, 2002)。
图3 各组分中IOD对应的沃克环流形态

a. EP-mode组分中基于IOD盛期DMI回归印太海洋赤道大气环流场的异常垂直速度和纬向速度; b和c类似于a, 分别为CP-mode组分和内部变率组分中的DMI回归场; 通过95%置信度检验的垂向速度异常以填色表示; 图中垂向速度为乘以100倍结果, 用于匹配纬向风场量级, 因此流线箭头在本图中只表示异常环流结果, 不代表实际数值

Fig. 3 Walker circulation patterns corresponding to IOD in different components. (a) Regression of equatorial Indo-Pacific atmospheric circulation fields onto the DMI during the peak phase of the EP-mode component, showing anomalous vertical velocity and zonal velocity; (b, c) similar to (a) but for the CP-mode component and the internal variability component, respectively

在Non-ENSO组分中, IOD主要由印度洋内部变率引起, 太平洋与大西洋响应微弱(图2c)。IOD正事件对应的SST变化、东风异常和温跃层抬升相比ENSO强迫下的情况更靠近赤道, 反气旋风场及其引起的温跃层异常仅延伸到10°S附近。另一方面, 独立型IOD也可以引起印太沃克环流的变化, 通过“齿轮效应”反向带动太平洋出现ENSO的响应。IOD正事件发生时, 东印度洋冷却, 削弱了海洋性大陆上空的大气深对流, 因此西热带太平洋出现西风异常, 并在180°附近出现上升运动(图3c), 对应的西太平洋和中太平洋SST也分别出现了较弱的冷却与增暖(图2c)。但相比之下, IOD对太平洋的影响有限, 只能说在一定程度上可以起到促进ENSO发展的作用(Wang et al, 2021), 但难以真正触发ENSO。
热带印度洋的温跃层-SST-风正反馈, 即Bjerknes正反馈, 是IOD发展的关键机制。图4为IOD各关键变量的散点拟合分析, 坐标轴大小表示变量强度, 拟合线斜率代表反馈效率, 相关系数r代表显著水平并以P值标注。以IOD正事件为例(图4蓝色), IOD东极的上升流使温跃层抬升并引起SST冷却(图4左列); 东极SST冷却会在热带印度洋形成海温梯度, 引起海平面气压西低东高, 形成东风异常(图4中列); 东风又会反过来造成东边界出现离岸上升流, 温跃层抬升, SST进一步冷却(图4右列)。由于热带印度洋海温东暖西冷, 这种背景差异会造成IOD偏度(Hong et al, 2008), 即通常IOD正事件具有更高效的反馈过程, 强度相对更高; 负事件反馈的强度则相对偏弱且置信度水平略低(图4a、b, 红色), 但在西风-下沉流反馈方面与正事件情况相似(图4c, 红色), 表明海洋动力过程对风强迫的积极响应。
图4 热带印度洋的温跃层-SST-风正反馈耦合效率在各组分的表现

a. 原始变化中IOD东极海表温度(SST)与温跃层(D20)的散点图, 表示了温跃层-海温反馈; 图中蓝色线与红色线分别表示温跃层降低与升高对应SST下降与上升的对应关系, 回归方程与检验结果分别以同颜色写在两侧; b. 偶极子指数(DMI)与赤道印度洋纬向风(Ueq)的散点图, 表示了温度梯度-纬向风反馈; c. Ueq与D20的散点图, 表示了纬向风-温跃层反馈; 分开正负两侧分别回归表示IOD具有不对称性, 蓝色表示IOD正相位情况, 红色表示IOD负相位情况; 注, 中列DMI的横坐标为反序, 用以与其他两列对齐IOD正相位(蓝色); d—f, g—i, j—l: 类似于a—c, 但三组分别表示在EP-mode组分、CP-mode组分和Non-ENSO组分中的反馈效率情况

Fig. 4 Performance of the thermocline-SST-wind positive feedback coupling efficiency in the tropical Indian Ocean across different components. (a) Scatter plot of SST at the eastern pole of the Indian Ocean Dipole (IOD) and thermocline depth (D20) from the original variations, illustrating the thermocline-SST feedback; blue/red line denotes the relationship between thermocline-shoaling and SST-cooling/thermocline-deepening and SST-warming; (b) scatter plot of the dipole mode index (DMI) and equatorial Indian Ocean zonal wind (Ueq), illustrating the temperature gradient-zonal wind feedback; (c) scatter plot of Ueq and D20, illustrating the zonal wind-thermocline feedback; considering the asymmetry of IOD, regressions are made for positive (blue) and negative (red) phases; (d-f), (g-i), (j-l) similar to (a-c), but for the EP-mode component, CP-mode component, and Non-ENSO component, respectively, showing the feedback efficiency in each component

在各组分中, 若不考虑极端事件(1997年), 实际上EP-mode的各类反馈强度均较弱(图4d—f), 这与其在IOD贡献率中的占比一致。CP-mode中, 除了温跃层—SST反馈相对较弱(图4g), 在涉及纬向风方面的反馈中则表现出更高的效率与显著性, 且不对称性并不明显(图4h—i)。这反映了ENSO主要是影响印度洋风场造成东印度洋上升流来启动IOD。另一方面, Non-ENSO组分是IOD变化的主要来源, 尤其是在IOD正相位下具有更高的海气耦合反馈强度, 东极温跃层-海温以及海温梯度-纬向风反馈的效率与强度均接近原始水平(图4j—k), 但是纬向风-温跃层反馈并不显著(图4i)。这表明, 不同于ENSO引起的风强迫, 独立型IOD发生的关键因素是热带印度洋海洋过程所引起的SST异常, 进而再影响纬向风场形成Bjerknes正反馈。

2.3 ENSO与内部变率对IOD后续过程的影响估算

本小节探讨两类ENSO与内部变率对IOD后续IOB的影响。如上文所述, 在IOD正事件的盛期, 无论是ENSO还是内部变率均会在南印度洋引起反气旋风场和温跃层异常, 进而产生下沉式罗斯贝波西传。在各组分中, 温跃层响应的核心区域均位于东南印度洋附近(80°E, 10°S) (图5)。具体而言, 在两类ENSO组分中, IOD影响的范围无论在纬向还是经向都更宽广, 且从海表延伸百米以深, CP-mode相比EP-mode强度更高(图5a、b、d、e); 在Non-ENSO组分中, IOD影响范围相对靠近赤道, 核心区域也相对偏东, 且深度上更集中在80~100m。
图5 IOD盛期南印度洋次表层温度变化

a. EP-mode组分中基于IOD盛期DMI回归到南热带印度洋(纬向8°S—12°S断面)的次表层温度(等值线与填色)和温跃层深度(红线与黑线)的异常场; b和c类似于a, 分别为CP-mode组分和内部变率组分中的DMI回归场; d—f: 类似于a—c, 但是为各组分对经向断面(75°E—85°E)的影响; 通过95%置信度检验的次表层温度被填色, 以及温跃层深度变化加黑

Fig. 5 Subsurface temperature variations in the South Indian Ocean during the peak phase of the Indian Ocean Dipole (IOD). (a) Anomalies in subsurface temperature (contours and shading) and thermocline depth (red and black lines) in the EP-mode component, based on the regression of the dipole mode index (DMI) during the peak IOD phase onto the southern tropical Indian Ocean (zonal section 8°S-12°S); (b, c) similar to (a), but for the CP-mode component and the internal variability component, respectively; (d-f) similar to (a-c), but showing the influence of each component on the meridional section (75°E-85°E)

除了风场强迫以及温跃层响应范围上的区别, 在各组分中后续罗斯贝波西传的差异还与作用时间有关。ENSO具有更长的生命周期, 通常可以持续到次年春季(Santoso et al, 2017), 所以其在南印度洋造成的风应力旋度异常更持久, 从IOD发生年的10月到次年2月, 这也意味着温跃层的响应甚至可以到4月(图6a、b)。内部变率的影响时间相对更短, 仅在IOD发生时在东南印度洋产生风应力旋度, 虽然温跃层有所响应, 但持续时间和范围比ENSO更短、更窄(图6c)。由以上结果可以推测, 在ENSO触发IOD之后IOB更容易生成, 而独立型IOD需要达到一定强度才有可能引起IOB。
图6 IOD引起南印度洋罗斯贝波传播

a. EP-mode组分中基于IOD盛期DMI对南热带印度洋(10°S断面)温跃层深度(彩色等值线与填色)和风应力旋度(黑色等值线与打点)异常场进行滞后回归; b和c类似于a, 分别为CP-mode组分和内部变率组分中的DMI回归场; 通过95%置信度检验的温跃层深度异常被填色, 以及风应力旋度等值线被加粗

Fig. 6 Rossby wave propagation in the South Indian Ocean induced by IOD. (a) Lag regression of the thermocline depth anomaly (color contours and shading) and wind stress curl anomaly (black contours and stippling) in the South Tropical Indian Ocean (10°S section) on the DMI during the peak phase of the EP-mode component; (b, c) similar to (a), showing the DMI regression fields for the CP-mode component and the internal variability component, respectively; significant results exceeding the 95% confidence level are shaded and bold

此推论可以通过两种方式验证。第一种, 利用IOD盛期指数对IOB指数做滞后回归(图7a), 结果表明两类ENSO组分中的相关系数相比原始场均有大幅提升, 甚至持续到了次年夏季; 相比之下, Non-ENSO组分中IOD与IOB并无显著相关, 说明两者没有确定的转化关系。这表明ENSO是IOB的主要贡献来源。另一种方式, 我们筛选了15次IOD正事件(图1b), 其中实际上仅有6次在IOD次年发生了IOB增暖(40%, 图7b), 而这六次事件中均有ENSO参与。平均意义上, EP-mode和CP-mode的贡献分别为32.5%和42.1%, 合计接近75%, 而Non-ENSO组分仅有25.4%。在6次成功转化事件中, EP-mode主导了2次(1982—1983年和1997—1998年), CP-mode主导了3次(1963—1964年、1972—1973年和2015—2016年), 此外还有1次由Non-ENSO和CP-mode共同作用(2019—2020年)。特别地, 2019年发生了极端IOD正事件且ENSO信号相对较弱, 此时Non-ENSO的贡献率超过60%。这表明虽然IOD与IOB的指数无显著相关, 但是当IOD足够强时有可能转化为IOB增暖, 与图6c的推论一致。
图7 IOD转化为次年印度洋海盆模态(Indian Ocean basin-wide mode, IOB)的估算

a. 基于IOD盛期DMI对IOB指数进行逐月滞后回归, 括号中0和1分别表示IOD发生年和次年; b. 15次IOD正事件(如图1b)中有6次转化为IOB增暖后各组分的贡献情况; 这里IOB增暖振幅取各事件中原始IOB指数连续三个月平均的最高值; 图例中百分数为平均贡献率, 柱体上的百分数为各组分在该事件中的贡献率

Fig. 7 Estimation of the transition from IOD to the following year's Indian Ocean basin-wide mode (IOB). (a) Monthly lagged regression of the IOB index based on the dipole mode index (DMI) during the peak phase of IOD; (b) contributions of various components in the six cases where positive IOD events (as shown in Fig. 1b) transitioned into IOB warming out of 15 events

2.4 典型IOD正事件

上文从统计角度分析了三种组分对IOD的贡献, 本小节选取分别由三种组分各自主导的典型IOD正事件进行个例分析, 包括1997—1998年的EP-mode、2015—2016年的CP-mode和2019—2020年的Non-ENSO, 并且三次IOD正事件后续均转化为IOB增暖(图8)。
图8 三次典型IOD正事件与对应次年转化为印度洋海盆增暖

a和b: 1997年IOD正事件与后续1998年IOB增暖事件, 图中各异常场对应填色为海表温度, 等值线为温跃层, 箭头为10m风场, 展示时间均选择各自盛期(指数连续三个月平均最大值); c和d以及e和f: 类似于a和b, 分别为2015—2016年与2019—2020年的情况; 三次事件分别表示了由EP-mode、CP-mode和内部变率主导贡献的IOD与IOB; 该图基于自然资源部标准地图服务网站下载的审图号为GS(2016)1561号的标准地图制作

Fig. 8 Three typical positive IOD events and their transitions to Indian Ocean basin-wide warming in the following year. (a, b) The 1997 positive IOD event and the subsequent 1998 IOB warming event; (c, d), (e, f) similar to (a, b), showing the cases for 2015-2016 and 2019-2020, respectively. These three events represent IOD and IOB events dominated by EP-mode, CP-mode, and internal variability, respectively

1997年和2019年均属于极端IOD正事件(Saji et al, 1999; Du et al, 2020), DMI振幅超过2倍标准差(图1b, 图8a、e)。但两者区别在于, 1997—1998年太平洋发生了超强EP型厄尔尼诺, 而2019—2020年则只有太平洋中部的弱增暖, 没有显著厄尔尼诺。尽管如此, 2019年的IOD强度仍高于1997年, 表明印度洋内部变率对于IOD的重要促进作用(图1b)。另一方面, 虽然2015—2016年也发生了超强厄尔尼诺, 但2015年IOD强度远弱于其他两次(图8c)。该事件特点是西热带印度洋增暖更强, 但东印度洋的上升流冷却不明显, 故而SST梯度对东风的诱导作用较弱, 表明IOD的Bjerknes正反馈没有充分建立, 已有研究指出是印度洋的低频变化抑制了本次事件的发展(Zhang et al, 2018)。
以上三次事件均在IOD次年表现出海盆尺度的SST增暖, 伴随着热带印度洋的异常风场的赤道反对称结构, 西南热带印度洋温跃层下沉, 这与IOB的形成过程一致(Xie et al, 2009)。同期太平洋状态分别表现出了EP型厄尔尼诺、CP型厄尔尼诺和中性状态(图8b、d、f)。由于厄尔尼诺不显著, 2020年的IOB增暖的强度比1998年和2016年弱40%以上(图7b), 这表明虽然极端IOD对后续IOB有贡献, 但ENSO对IOB具有更强的影响力。

3 总结与讨论

本工作使用二元联合线性回归方法量化分析了两类ENSO与印度洋内部变率对IOD的贡献, 分析结果表明内部变率是IOD的主要来源, 其贡献率在多种考量方式下均有60%以上。相对地, ENSO影响的合计占比仅有1/3左右, 其中以CP型ENSO为主。虽然EP型ENSO的影响较弱, 但在极端EP型厄尔尼诺事件发生时, 会强烈促进IOD正事件的发生, 例如1997—1998年。ENSO主要通过调整沃克环流引起赤道印度洋风场异常影响IOD, 其中CP型与EP型ENSO的区别在于两者位于太平洋的增暖核心: CP型厄尔尼诺的暖核心更靠近印太暖池, 沃克环流对该区域海温变化更敏感, 弱增暖极有可能对IOD施加高影响; 而由于东太平洋冷舌的存在, EP型厄尔尼诺则需要更强的增暖, 即对应极端厄尔尼诺的发生, 才可以让海温达到大气深对流的阈值进而影响沃克环流。与ENSO相比, 印度洋内部变率更倾向于通过海洋过程引起SST变化触发IOD, 即需要先建立SST梯度异常。两类ENSO与内部变率均可以在IOD正事件发生时同步引起南热带印度洋出现反气旋异常、温跃层变深与罗斯贝波响应, 但是因为ENSO能够影响到赤道外更大范围, 且生命期相对持久, 因此在后续过程引发IOB增暖方面比内部变率更具有影响力。这些结果将会增进气候学界对跨海盆相互作用以及气候模态变化的理解。
联合线性回归方法认为ENSO是地球上年际气候变率的主导模态, ENSO循环是超热带太平洋范围的更大的动力学过程, 因此该方法的目的是提取全部与ENSO有关的信号, 提取出的部分构成了ENSO循环的总变化。但是该方法仅考虑线性过程, 对于非线性过程可能存在统计偏差。例如, ENSO存在非对称性, 其正负相位(拉尼娜与厄尔尼诺)的强度不匹配。由于EP型ENSO的有较强的正偏度(E指数的偏度约为1.4), 回归结果可能会造成对EP型拉尼娜现象影响的高估。相比之下CP型ENSO具有较弱的负偏度(C指数偏度约为−0.3), 其影响的不对称性相对较弱。另外, 可能还存在海气反馈对于海温敏感性不同的非线性过程, 即便如CP型ENSO偏度较弱, 海温降低和升高造成的海气反馈程度也不一定相同。虽然存在这些问题, 但是基于IOD指数对气候变量的回归仍然可以抓住ENSO与IOD的主要变化特征(图2), 使用联合线性回归方法研究两者之间的关联对于提高印太海盆间的海气相互作用的认识具有指导意义。
本研究使用了历史气候资料, 并未评估气候模式对IOD和ENSO耦合关系的模拟。在气候变暖背景下, 虽然已有工作讨论了ENSO和IOD振幅、多样性与生命周期的变化等问题, 但模式对ENSO与IOD的耦合关系的模拟一致性并不高(Zheng et al, 2013; Ng et al, 2018; McKenna et al, 2020; Cai et al, 2021; Sun et al, 2022; Wang et al, 2024)。因此, 关于在未来气候背景下ENSO如何影响IOD以及相关量化评估尚未可知, 这将会是下一步工作的方向。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李崇银, 穆明权, 2001. 赤道印度洋海温偶极子型振荡及其气候影响[J]. 大气科学, 25(4): 433-443.

LI CHONGYIN, MU MINGQUAN, 2001. The dipole in the equatorial Indian Ocean and its impacts on climate[J]. Chinese Journal of Atmospheric Sciences, 25(4): 433-443 (in Chinese with English abstract).

[2]
晏红明, 肖子牛, 2000. 印度洋海温异常对亚洲季风区天气气候影响的数值模拟研究[J]. 热带气象学报, 16(1): 18-27.

YAN HONGMING, XIAO ZINIU, 2000. The numerical simulation of the Indian ocea SSTA influence on climatic variations over Asian monsoon region[J]. Journal of Tropical Meteorology, 16(1): 18-27 (in Chinese with English abstract).

[3]
ALEXANDER M A, BLADÉ I, NEWMAN M, et al, 2002. The atmospheric bridge: the influence of ENSO teleconnections on air-sea interaction over the global oceans[J]. Journal of Climate, 15(16): 2205-2231.

DOI

[4]
ALLAN R J, CHAMBERS D, DROSDOWSKY W, et al, 2001. Is there an Indian Ocean Dipole, and is it independent of the El Niño-Southern Oscillation?[J]. Clivar Exchanges, 6(3): 18-22.

[5]
ANNAMALAI H, POTEMRA J, MURTUGUDDE R, et al, 2005. Effect of preconditioning on the extreme climate events in the tropical Indian ocean[J]. Journal of Climate, 18(17): 3450-3469.

DOI

[6]
BJERKNES J, 1969. Atmospheric teleconnections from the equatorial Pacific[J]. Monthly Weather Review, 97(3): 163-172.

DOI

[7]
CAI WENJU, WANG GUOJIAN, DEWITTE B, et al, 2018. Increased variability of eastern Pacific El Niño under greenhouse warming[J]. Nature, 564(7735): 201-206.

DOI

[8]
CAI WENJU, YANG KAI, WU LIXIN, et al, 2021. Opposite response of strong and moderate positive Indian Ocean Dipole to global warming[J]. Nature Climate Change, 11(1): 27-32.

DOI

[9]
CAPOTONDI A, WITTENBERG A T, KUG J S, et al, 2020. ENSO Diversity[M]//MICHAEL J M, AGUS S, CAI WENJUN. El Niño Southern Oscillation in a changing climate. Washington, D. C. : American Geophysical Union: 65-86.

[10]
CHEN GENGXIN, HAN WEIQING, SHU YEQIANG, et al, 2016. The role of Equatorial Undercurrent in sustaining the Eastern Indian Ocean upwelling[J]. Geophysical Research Letters, 43(12): 6444-6451.

DOI

[11]
CHEN ZESHENG, DU YAN, WEN ZHIPING, et al, 2019. Evolution of south tropical Indian ocean warming and the climatic impacts following strong El Niño events[J]. Journal of Climate, 32(21): 7329-7347.

DOI

[12]
COMPO G P, SARDESHMUKH P D, 2010. Removing ENSO-related variations from the climate record[J]. Journal of Climate, 23(8): 1957-1978.

DOI

[13]
CRÉTAT J, TERRAY P, MASSON S, et al, 2018. Intrinsic precursors and timescale of the tropical Indian Ocean Dipole: insights from partially decoupled numerical experiment[J]. Climate Dynamics, 51(4): 1311-1332.

DOI

[14]
DE DECKKER P, 2016. The Indo-Pacific Warm Pool: critical to world oceanography and world climate[J]. Geoscience Letters, 3(1): 20.

[15]
DU YAN, CAI WENJU, WU YANLING, 2013. A new type of the Indian ocean dipole since the mid-1970s[J]. Journal of Climate, 26(3): 959-972.

DOI

[16]
DU YAN, WANG FAN, WANG TIANYU, et al, 2023. Multi-scale ocean dynamical processes in the Indo-Pacific Convergence Zone and their climatic and ecological effects[J]. Earth-Science Reviews, 237: 104313.

DOI

[17]
DU YAN, XIE SHANG-PING, HUANG GANG, et al, 2009. Role of air-sea interaction in the long persistence of El Niño-induced north Indian Ocean warming[J]. Journal of Climate, 22(8): 2023-2038.

DOI

[18]
DU YAN, ZHANG YUHONG, ZHANG LIANYI, et al, 2020. Thermocline warming induced extreme Indian Ocean dipole in 2019[J]. Geophysical Research Letters, 47(18): e2020GL090079.

[19]
ENDO S, TOZUKA T, 2016. Two flavors of the Indian Ocean dipole[J]. Climate Dynamics, 46(11): 3371-3385.

DOI

[20]
FISCHER A S, TERRAY P, GUILYARDI E, et al, 2005. Two independent triggers for the Indian Ocean Dipole/Zonal mode in a coupled GCM[J]. Journal of Climate, 18(17): 3428-3449.

DOI

[21]
GNANASEELAN C, VAID B H, 2010. Interannual variability in the Biannual Rossby waves in the tropical Indian Ocean and its relation to Indian Ocean Dipole and El Nino forcing[J]. Ocean Dynamics, 60(1): 27-40.

DOI

[22]
GOOD S A, MARTIN M J, RAYNER N A, 2013. EN4: Quality controlled ocean temperature and salinity profiles and monthly objective analyses with uncertainty estimates[J]. Journal of Geophysical Research: Oceans, 118(12): 6704-6716.

DOI

[23]
GUO FEIYAN, LIU QINYU, SUN S, et al, 2015. Three types of Indian Ocean Dipoles[J]. Journal of Climate, 28(8): 3073-3092.

DOI

[24]
HERSBACH H, BELL B, BERRISFORD P, et al, 2023. ERA5 monthly averaged data on single levels from 1940 to present[EB/OL]. Copernicus Climate Change Service (C3S) Climate Data Store (CDS) [2025-01-15]. https://cds.climate.copernicus.eu/datasets/reanalysis-era5-single-levels-monthly-means?tab=overview

[25]
HONG C C, LI T, LINHO, et al, 2008. Asymmetry of the Indian Ocean Dipole. part I: observational analysis[J]. Journal of Climate, 21(18): 4834-4848.

DOI

[26]
HUANG BOYIN, THORNE P W, BANZON V F, et al, 2017. Extended reconstructed sea surface temperature, version 5 (ERSSTv5)[J]. Journal of Climate, 30(20): 8179-8205.

DOI

[27]
KAO H Y, YU JINYI, 2009. Contrasting eastern-Pacific and central-Pacific types of ENSO[J]. Journal of Climate, 22(3): 615-632.

DOI

[28]
KLEIN S A, SODEN B J, LAU N C, 1999. Remote sea surface temperature variations during ENSO: evidence for a tropical atmospheric bridge[J]. Journal of Climate, 12(4): 917-932.

DOI

[29]
KUG J S, JIN FEIFEI, 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

[30]
LIU ZHENGYU, ALEXANDER M, 2007. Atmospheric bridge, oceanic tunnel, and global climatic teleconnections[J]. Reviews of Geophysics, 45(2): 2005RG000172.

[31]
MCKENNA S, SANTOSO A, GUPTA A S, et al, 2020. Indian Ocean Dipole in CMIP5 and CMIP6: characteristics, biases, and links to ENSO[J]. Scientific Reports, 10: 11500.

DOI PMID

[32]
NEWMAN M, ALEXANDER M A, AULT T R, et al, 2016. The Pacific Decadal Oscillation, revisited[J]. Journal of Climate, 29(12): 4399-4427.

DOI

[33]
NG B, CAI WENJU, 2016. Present-day zonal wind influences projected Indian Ocean Dipole skewness[J]. Geophysical Research Letters, 43(21): 11392-11399.

[34]
NG B, CAI WENJU, COWAN T, et al, 2018. Influence of internal climate variability on Indian Ocean Dipole properties[J]. Scientific Reports, 8: 13500.

DOI PMID

[35]
OGATA T, XIE SHANGPING, LAN JIAN, et al, 2013. Importance of ocean dynamics for the skewness of the Indian Ocean Dipole mode[J]. Journal of Climate, 26(7): 2145-2159.

DOI

[36]
QIU YUN, CAI WENJU, GUO XIAOGANG, et al, 2014. The asymmetric influence of the positive and negative IOD events on China’s rainfall[J]. Scientific Reports, 4: 4943.

DOI

[37]
SAJI N H, GOSWAMI B N, VINAYACHANDRAN P N, et al, 1999. A dipole mode in the tropical Indian Ocean[J]. Nature, 401(6751): 360-363.

[38]
SANTOSO A, MCPHADEN M J, CAI WENJU, 2017. The defining characteristics of ENSO extremes and the strong 2015/2016 El Niño[J]. Reviews of Geophysics, 55(4): 1079-1129.

DOI

[39]
SCHOTT F A, XIE SHANGPING, MCCREARY JR J P, 2009. Indian Ocean circulation and climate variability[J]. Reviews of Geophysics, 47(1): RG1002.

[40]
SUN SHUANGWEN, FANG YUE, ZU YONGCAN, et al, 2022. Increased occurrences of early Indian Ocean Dipole under global warming[J]. Science Advances, 8(47): eadd6025.

[41]
SUN SHUANGWEN, LAN JIAN, FANG YUE, et al, 2015. A triggering mechanism for the Indian Ocean Dipoles independent of ENSO[J]. Journal of Climate, 28(13): 5063-5076.

DOI

[42]
TAKAHASHI K, MONTECINOS A, GOUBANOVA K, et al, 2011. ENSO regimes: Reinterpreting the canonical and Modoki El Niño[J]. Geophysical Research Letters, 38(10):L10704.

[43]
TIMMERMANN A, AN S-I, KUG J-S, et al, 2018. El Niño-Southern Oscillation complexity[J]. Nature, 559(7715): 535-545.

DOI

[44]
TRENBERTH K E, 1997. The definition of El Niño[J]. Bulletin of the American Meteorological Society, 78(12): 2771-2777.

DOI

[45]
TRENBERTH K E, STEPANIAK D P, 2001. Indices of El Niño evolution[J]. Journal of Climate, 14(8): 1697-1701.

DOI

[46]
VIMONT D J, ALEXANDER M A, NEWMAN M, 2014. Optimal growth of Central and East Pacific ENSO events[J]. Geophysical Research Letters, 41(11): 4027-4034.

DOI

[47]
WANG GUOJIAN, CAI WENJU, 2020. Two-year consecutive concurrences of positive Indian Ocean Dipole and Central Pacific El Niño preconditioned the 2019/2020 Australian “black summer” bushfires[J]. Geoscience Letters, 7(1): 19.

[48]
WANG GUOJIAN, CAI WENJU, SANTOSO A, et al, 2024. The Indian Ocean Dipole in a warming world[J]. Nature Reviews Earth & Environment, 5(8): 588-604.

[49]
WANG JIAZHEN, WANG CHUNZAI, 2021. Joint boost to super El Niño from the Indian and Atlantic Oceans[J]. Journal of Climate, 34(12): 4937-4954.

DOI

[50]
WEBSTER P J, MOORE A M, LOSCHNIGG J P, et al, 1999. Coupled ocean-atmosphere dynamics in the Indian Ocean during 1997-98[J]. Nature, 401(6751): 356-360.

DOI

[51]
WELLER E, CAI WENJU, DU YAN, et al, 2014. Differentiating flavors of the Indian Ocean Dipole using dominant modes in tropical Indian Ocean rainfall[J]. Geophysical Research Letters, 41(24): 8978-8986.

DOI

[52]
XIAO FUAN, WANG DONGXIAO, LEUNG M Y T, 2020. Early and extreme warming in the South China Sea during 2015/2016: role of an unusual Indian Ocean dipole event[J]. Geophysical Research Letters, 47(17): e2020GL089936.

[53]
XIE SHANGPING, ANNAMALAI H, SCHOTT F A, et al, 2002. Structure and mechanisms of south Indian ocean climate variability[J]. Journal of Climate, 15(8): 864-878.

DOI

[54]
XIE SHANGPING, HU KAIMING, HAFNER J, et al, 2009. Indian Ocean capacitor effect on indo-western Pacific climate during the summer following El Niño[J]. Journal of Climate, 22(3): 730-747.

DOI

[55]
XIE SHANGPING, KOSAKA Y, DU YAN, et al, 2016. Indo-western Pacific Ocean capacitor and coherent climate anomalies in post-ENSO summer: a review[J]. Advances in Atmospheric Sciences, 33(4): 411-432.

DOI

[56]
XIE SHANGPING, PHILANDER S G H, 1994. A coupled ocean-atmosphere model of relevance to the ITCZ in the eastern Pacific[J]. Tellus A: Dynamic Meteorology and Oceanography, 46(4): 340-350.

DOI

[57]
XU KANG, ZHU CONGWEN, WANG WEIQIANG, 2016. The cooperative impacts of the El Niño-Southern Oscillation and the Indian Ocean Dipole on the interannual variability of autumn rainfall in China[J]. International Journal of Climatology, 36(4): 1987-1999.

DOI

[58]
YANG JIANLING, LIU QINYU, XIE SHANGPING, et al, 2007. Impact of the Indian Ocean SST basin mode on the Asian summer monsoon[J]. Geophysical Research Letters, 34(2): L02708.

[59]
YANG YUN, XIE SHANGPING, WU LIXIN, et al, 2015. Seasonality and predictability of the Indian Ocean Dipole mode: ENSO forcing and internal variability[J]. Journal of Climate, 28(20): 8021-8036.

DOI

[60]
YUAN YUAN, YANG HUI, ZHOU WEN, et al, 2008. Influences of the Indian Ocean dipole on the Asian summer monsoon in the following year[J]. International Journal of Climatology, 28(14): 1849-1859.

DOI

[61]
ZHANG LIANYI, DU YAN, CAI WENJU, 2018. Low-frequency variability and the unusual Indian Ocean Dipole events in 2015 and 2016[J]. Geophysical Research Letters, 45(2): 1040-1048.

DOI

[62]
ZHANG LIANYI, DU YAN, CAI WENJU, et al, 2020. Triggering the Indian Ocean Dipole from the southern hemisphere[J]. Geophysical Research Letters, 47(15): e2020GL088648.

[63]
ZHANG LIANYI, DU YAN, TOZUKA T, et al, 2021. Revisiting ENSO impacts on the Indian Ocean SST based on a combined linear regression method[J]. Acta Oceanologica Sinica, 40(5): 47-57.

DOI

[64]
ZHANG YUHONG, DU YAN, 2022. Oceanic Rossby waves induced two types of ocean-atmosphere response and opposite Indian Ocean Dipole phases[J]. Journal of Climate, 35(12): 3927-3945.

DOI

[65]
ZHAO YONGJING, NIGAM S, 2015. The Indian Ocean Dipole: a monopole in SST[J]. Journal of Climate, 28(1): 3-19.

DOI

[66]
ZHENG XIAOTONG, XIE SHANGPING, DU YAN, et al, 2013. Indian ocean dipole response to global warming in the CMIP5 multimodel ensemble[J]. Journal of Climate, 26(16): 6067-6080.

DOI

Options
文章导航

/

〈 〉