肖哨 田寶強范可

1中國科學院大氣物理研究所竺可楨—南森國際研究中心，北京 100029

2中國科學院大學，北京 100049

3中山大學大氣科學學院，南方海洋科學與工程廣東省實驗室（珠海），廣東珠海 519082

1 引言

南極濤動（Antarctic Oscillation，AAO）表現為南半球副熱帶高壓帶與繞極低壓帶之間氣壓場反位相的變化特征，具有明顯的正壓結構。其實質是南半球中高緯南北向大尺度大氣質量交換（Gong and Wang,1999;Thompson and Wallace,2000;Fan and Liu,2013）。AAO作為南半球中高緯最主要的大氣環(huán)流模態(tài)（Trenberth et al.,2005），不僅對南半球天氣氣候有顯著影響，而且能夠影響北半球的氣候系統(tǒng)（Kidson and Sinclair,1995;Silvestri and Vera,2003;Li and Smith,2009;鄭菲和李建平,2012）。當AAO處于正位相，繞南極低壓帶加深，副熱帶高壓加強，氣壓梯度加強導致南半球中高緯平均緯向西風加強；當AAO處于負位相，則反之 （Fan and Wang,2006;Screen et al., 2010）。Mendes and Cavalcanti（2014）指出AAO能夠通過影響與阻塞相關大氣環(huán)流結構從而影響南半球阻塞事件的頻次。

對于北半球熱帶地區(qū)，有研究指出6～9月AAO與西北太平洋臺風生成頻次具有顯著的反相關關系（Wang and Fan,2007）。對于北半球中緯度地區(qū)，北半球冬春季期間，AAO正異常會通過南北半球間的經向遙相關降低東亞地區(qū)冷空氣活動頻次，進而對沙塵相關的大氣環(huán)流產生顯著影響 （Fan and Wang,2004,2006;范可和王會軍,2007）。而對于北半球高緯度地區(qū)，張樂英等（2017）研究發(fā)現當冬季1月AAO處于正位相時，南太平洋出現顯著的位勢高度正異常持續(xù)到2月，并且擴展至北半球東太平洋地區(qū)，通過瞬變波活動形成典型的負位相斯堪的納維亞環(huán)流型，進而引起歐亞大陸地表氣溫正異常。此外，春季AAO與東亞夏季降水也密切相關。春季異常偏強的AAO通過影響海洋性大陸地區(qū)對流活動，改變西太平洋副熱帶高壓的位置，進而使得中國長江流域夏季降水偏多（Nan and Li,2003;Gao,2003; Fan,2006;Sun et al.,2009）。春季AAO對東亞地區(qū)夏季氣候具有顯著的超前影響，系統(tǒng)評估耦合模式對春季AAO的預測效能對提高東亞夏季氣候的預測能力有重要意義。

目前國內外已有學者評估了不同模式對AAO的預測效能。祝亞麗和王會軍（2008）評估了參加政府間氣候變化委員會（IPCC）第四次評估報告 （AR4）的24個耦合模式對AAO的模擬效能，并對AAO的未來變化作了預估，結果表明模式對AAO模擬能力具有季節(jié)依賴性，冬季模擬能力好于春季，AAO在未來全球變暖的背景下將持續(xù)增強。錢卓蕾等（2012）評估了歐洲多模式集合DEMETER計劃的7個海氣耦合模式對冬春季AAO的預測能力，結果表明模式對春季AAO的空間分布預測能力較強，但是對于春季AAO的年際變化預測能力較弱。Zhang et al.（2019）評估了美國第二代氣候預測系統(tǒng)（CFSv2）對北半球春季AAO的預測效能，并利用年際增量預測方法構建春季AAO動力和統(tǒng)計相結合預測模型，提高了春季AAO的預測效能。

目前的研究主要集中在耦合模式對春季AAO模擬和預測效能的評估，但耦合模式對月際尺度AAO預測效能的研究相對較少。季節(jié)平均很容易掩蓋氣候系統(tǒng)季節(jié)內變化的特征，耦合模式對季內氣候的預測效能也存在顯著差異。Tian and Fan（2020）研究指出CFSv2對前冬（11～12月）東亞冬季風的預測效能顯著高于后冬（1～2月），其主要原因是前后冬ENSO與東亞冬季風關系的變化。另外CFSv2模式對12月北大西洋濤動的預測能力也高于1月和2月（Tian and Fan,2019）。楊洪卿等（2021）指出CFSv2對11月西伯利亞高壓的預測效能顯著高于冬半年其他月份。

相比于季節(jié)平均氣候的預測研究，月際尺度的氣候預測更為困難。國內外先進的氣候模式的預測效能主要集中于熱帶，對南半球中高緯氣候系統(tǒng)AAO預測能力十分有限?？紤]到春季南極濤動對東亞氣候有重要的影響（Fan and Wang, 2004;Wang and Fan,2005;Fan,2007）,因此春季逐月AAO的預測研究有重要的意義。論文其余部分的結構如下：第2節(jié)是數據與方法介紹，第3節(jié)介紹CFSv2模式對春季逐月（3、4、5月）AAO空間結構和年際變化的可預測性評估結果，第4節(jié)為春季逐月AAO可預測性存在差異的可能原因，最后一節(jié)為論文的結論與展望。

2 數據與方法

本文所用的大氣數據來源于美國國家環(huán)境預報中心和大氣研究中心（NCEP/NCAR）月平均再分析資料（Kalnay et al.,1996），所選的變量場包括：海平面氣壓場（SLP）、位勢高度場、水平風場、地表氣溫，水平分辨率均為2.5°（緯度）×2.5° （經度）；海溫來自美國國家海洋和大氣管理局 （NOAA）的擴展重建海表溫度資料ERSST.v3b，水平分辨率為2.0°（緯度）×2.0°（經度）（Smith et al.,2008）。

模式數據來自美國國家環(huán)境預測中心開發(fā)的第二代氣候預測系統(tǒng)（CFSv2），該模式采用全新的數據同化方案，是一個全耦合的海陸氣實時預測系統(tǒng)。CFSv2數據集起始時間為1982年，其中1982～2010年的結果來源于回報試驗，各月每隔5天分別從00:00（協調世界時，下同）、06:00、12:00和18:00開始積分，積分時間為9個月，即回報當月數據并對未來1～9個月進行預報。2011～2019年的CFSv2資料為實時預測，每天都從上述4個時次開始積分，積分時間同為9個月，模式數據分辨率為1°（緯度）×1°（經度）（Saha et al.,2014）。ECMWF System 4是歐洲天氣預報中心開發(fā)的第四代業(yè)務預測系統(tǒng)，是一個全耦合的大氣—海洋預報系統(tǒng)，提供實時季節(jié)預測和回報模式數據，ECMWF System 4數據時間段為1981～2019年，由1981～2010年回報和2011～2019年的實時預測組成，其中回報試驗共15個集合成員從每月第1天開始積分回報當月并對未來6個月進行預測，其水平分辨率為0.75°（緯度）×0.75°（經度）（Molteni et al.,2011）。本文所用數據選取的時間段為1982～2019年，以北半球季節(jié)為劃分標準，春季為3、4、5月。模式數據統(tǒng)一插值為水平分辨率為2.5°（緯度）×2.5°（經度），并且均去除線性趨勢。

南極濤動指數（AAOI）定義為：SLP距平場在區(qū)域（20°S～90°S，0°～360°）內的經驗正交函數分析（EOF）第一模態(tài)所對應的標準化時間序列 （PC1）。CFSv2模式預測的AAOI是利用模式預測的SLP距平場投影到觀測SLP距平場EOF分析第一模態(tài)。Ni?o4指數定義為：赤道中太平洋 （5°S～5°N，160°E～150°W）區(qū)域內海溫距平的區(qū)域加權平均值。

評估模式預測效能所用的指標主要有空間相關系數（Spatial Pattern Correlation Coefficient，PCC）和時間相關系數（Temporal Correlation Coefficient，TCC）以及偏相關系數（partial correlation coefficient），其中PCC主要反映的是預報值與觀測值空間型的相關程度；TCC能夠在統(tǒng)計意義上較好的表征模式的預報值與觀測值在時間演變上的相關程度；偏相關系數可以有效排除其他變量的影響下得到兩變量之間的相關性。

3 CFSv2模式對春季逐月AAO預測效能評估

3.1 空間結構預測效能

由于AAO指數的定義為南半球20°S以南SLP距平場的經驗正交函數第一模態(tài)，本文首先評估了模式對南半球SLP氣候態(tài)的預測效能。圖1為1983～2019年觀測和CFSv2模式提前1個月預測的春季3、4、5月20°S以南SLP氣候態(tài)及二者的差異場。從圖1a和1b可以看出，CFSv2模式基本可以預測出與觀測一致的3月SLP環(huán)狀結構，即位于三大洋上的高壓系統(tǒng)、位于南極高緯度地區(qū)的繞極低壓帶以及南極大陸的高壓系統(tǒng)。但從圖1c，可以看出，模式在一定程度上低估了3月三大洋上的高壓中心強度和南極大陸上高壓的強度，高估了繞極低壓帶的強度，且在南極大陸存在誤差大值中心。對比圖1d、1e、1f可以看出，CFSv2模式同樣低估了4月三大洋上的高壓中心強度和南極大陸上高壓的強度，高估了繞極低壓帶的強度，并且在羅斯海附近以及南極大陸存在誤差大值中心。從圖1g、1h、1i可以看出，CFSv2模式對5月SLP氣候態(tài)的預測效能與4月類似。從圖1可以得出，春季3、4、5月的觀測和模式SLP氣候態(tài)PCC分別為0.98、0.97、0.96，通過了99%的置信水平。模式對于春季逐月南半球SLP氣候態(tài)具有不錯的預測效能，但模式對于副熱帶高壓強度、繞南極低壓帶強度以及南極大陸上高壓的強度的預測存在偏差。CFSv2模式提前2～6個月對春季（3、4、5月）逐月SLP氣候態(tài)的預測也有相似的結果 （圖略）。

圖1 1983～2019年（a、d、g）觀測南半球春季逐月SLP氣候態(tài)、（b、e、h）CFSv2模式提前1個月預測的南半球春季逐月SLP氣候態(tài)以及（c、f、i）觀測與模式預測SLP差異場（觀測－模式預測）：（a、b、c）3月；（d、e、f）4月；（g、h、i）5月。PCC表示觀測和模式預測SLP氣候態(tài)在區(qū)域（20°S～90°S，0°～360°）空間相關系數Fig.1 Mean SLP(Sea Level Pressure)over the Southern Hemisphere(20°S-90°S,0°-360°)in (a, b,c)March,(d,e,f) April,and (g, h,i)May during the period of 1983-2019:(a,d,g)Observation;(b,e,h)CFSv2 model prediction with a 1-month lead;(c,f,i)the differences between the observation and the CFSv2 model prediction.PCC is a spatial correlation coefficient between the observation and the CFSv2 model prediction SLP over the Southern Hemisphere(20°S-90°S,0°-360°)

為了進一步準確地評估CFSv2模式對春季3、4、5月AAO的空間模態(tài)的預測效能，首先對觀測和模式（20°S～90°S，0°～360°）區(qū)域的SLP做EOF分解，用第一分量表征AAO的空間模態(tài)，再利用觀測和模式AAO模態(tài)之間的PCC定量評估CFSv2模式對AAO的空間模態(tài)預測效能。圖2為1983～2019年CFSv2模式提前1～6個月預測春季3、4、5月AAO模態(tài)與觀測AAO模態(tài)之間的PCC。可以看出，CFSv2模式提前1～6個月預測春季逐月AAO與觀測AAO的PCC都通過了99%置信水平，表明CFSv2模式對于春季3、4、5月

圖2 1983～2019年觀測與CFSv2模式提前1～6個月預測春季（3、4、5月）逐月20°S以南SLP距平EOF1空間模態(tài)的PCC。L1至L6分別表示模式提前1～6個月的預測結果，下同；黑色虛線表示99%置信水平Fig.2 Spatial correlation coefficients(PCC)of leading EOF modes of SLP anomalies south of 20°S between the observation and the CFSv2 model prediction with 1-6-month leads in spring(March-May)during the period of 1983-2019.L1 represents the result predicted by CFSv2 with a 1-month lead,L2 represents the result predicted by CFSv2 with a 2-month lead,and so on.The black dashed line indicates passing the 99%confidence level

A AO的空間模態(tài)的預測效能較高。

3.2 年際變化預測效能

CFSv2模式對春季逐月AAO的年際變化的預測效能如何？圖3為1983～2019年春季逐月觀測AAOI與CFSv2模式不同起報月份預測春季逐月AAOI的TCC。除了提前2個月，CFSv2模式提前1個月和3～6個月對3月AAOI均具有較好的預測效能，與同期觀測AAOI的TCC分別為0.45、0.39、0.44、0.42、0.40，都通過了95%置信水平。CFSv2模式提前1～6個月預測4月AAOI與同期觀測AAOI的TCC分別為0.1、0.06、-0.01、0.03、-0.02、0.02，CFSv2模式提前1～6個月預測5月AAOI與同期觀測AAOI的TCC分別為：0.16、0.22、0.04、0.17、-0.04、0.31，都沒有通過95%置信水平。由此可見，CFSv2模式僅對3月AAOI的年際變化具有較高的預測效能，對4月和5月AAOI的年際變化預測效能較低。AAO由繞極低壓和副熱帶高壓兩個區(qū)域的環(huán)流系統(tǒng)構成，那么這兩個區(qū)域的環(huán)流系統(tǒng)在CFSv2模式中的可預測性如何？進一步研究發(fā)現CFSv2模式對3月南太平洋副熱帶高壓、南大西洋副熱帶高壓、繞極低壓的年際變化有較好的預測能力，但模式對3月南印度洋副熱帶高壓以及4、5月南太平洋、南大西洋、南印度洋副熱帶高壓以及繞極低壓環(huán)流系統(tǒng)的年際變化預測能力較差（圖略）。

圖3 1983～2019年春季逐月觀測AAOI與CFSv2模式提前1～6個月預測春季（3、4、5月）逐月AAOI的TCC。黑色虛線表示95%置信水平，各指數均已濾去線性趨勢Fig.3 TCC(Temporal Correlation Coefficient)between the AAOI(Antarctic Oscillation Index)predicted by CFSv2 model with 1-6-month leads(L1-L6)and the observed AAOI in spring(March-May)during the period of 1983-2019.The black dashed line indicates the statistically significant coefficients over the 95% confidence level.Each AAOI filters out the linear trend

春季逐月AAO預測效能的差異是否依賴于模式？本文進一步評估了ECMWF System 4模式對春季逐月AAOI的預測效能（圖略）。在1982～2010年ECMWF System 4模式提前1～6個月預測3月AAOI與觀測3月AAOI的TCC分別為0.57、0.68、0.66、0.54、0.38、0.38，均通過了95%置信水平。該模式提前1～6個月預測4月AAOI與觀測4月AAOI的TCC分別為0.14、0.16、0.19、-0.2、0.16、0.24；提前1～6個月預測5月AAOI與觀測5月AAOI的TCC分別為0.22、0.37、0.07、-0.05、0.24、0.28，除了提前3個月預測5月AAO通過了95%置信水平，其余均未通過。表明ECMWF System 4模式和CFSv2模式均對3月AAO的年際變化有較好的預測技巧，而對4月和5月AAOI的年際變化預測效能較低。

圖4為CFSv2模式對1983～2019年春季逐月AAO正、負異常年的距平符號一致率。AAO正異常年定義為標準化AAOI大于0.5，AAO負異常年定義為標準化AAOI小于-0.5。AAO正（負）異常年的距平符號一致率定義：在AAOI的正（負）異常年份中，如果CFSv2模式預測的AAOI也大于（小于）0.5（-0.5）個標準差時，則認為該年CFSv2模式對AAO正（負）異常預測正確，預測正確的年數占觀測AAOI正（負）異常年總數的比例。從圖4a可以看出，CFSv2模式提前1～6個月預測3、4、5月AAO正異常年的平均距平符號一致率分別為：51.5%、40%、40.7%?？傮w來看，CFSv2模式對于春季3月AAO正異常年的預測準確度高于4月及5月。CFSv2模式提前1～6個月預測3、4、5月AAO負異常年的平均距平符號一致率分別為62.8%、27.5%、27.5%（圖4b）。CFSv2模式對于3月AAO負異常年的預測準確度遠高于4月和5月。由此可見，CFSv2模式不僅對于3月AAO年際變化預測效能高于4月和5月，而且對AAO正負異常年份的預測效能高于4月和5月。

圖4 CFSv2模式提前1～6個月對1983～2019年春季（3、4、5月）逐月AAO（a）正、（b）負異常年的距平符號一致率Fig.4 Anomaly sign consistency rate of AAO(Antarctic Oscillation)anomaly years in spring(March-May)during the period of 1983-2019 predicted by CFSv2 model with 1-6-month leads(L1-L6):(a)Positive AAO anomaly years;(b)negative AAO anomaly years

為什么CFSv2模式對于北半球春季3月AAO年際變化的預測效能高，而對于4、5月AAO年際變化預測效能較低？有研究指出大尺度氣候模態(tài)預測來源很大程度取決于海氣相互作用（Kushnir et al.,2002）。AAO作為南半球中高緯最主要的大氣環(huán)流模態(tài)，其季節(jié)預測源可能來自與AAO相關的海溫。

已有研究表明，熱帶中太平洋海溫正異常能夠使得南半球Hadley環(huán)流加強，副熱帶急流向極地偏移，進一步導致中緯度渦動通量異常輻合，極地西風急流向赤道方向移動，在南半球靠極地一側的高緯西風和渦動通量輻合減弱，進而導致AAO出現負位相（Zhou and Yu,2004;Gupta and England,2007;Li et al.,2015）。Grassi et al.（2005）指出南半球夏季熱帶太平洋海溫通過改變行星波的傳播來影響中緯度的急流，從而對AAO產生影響。北半球冬春季南太平洋中緯度海溫正異常，也可以通過Ferrel環(huán)流和加強高緯繞極低壓帶影響AAO位相變化（Mo,2000;范可和王會軍, 2007;Hao et al.,2017）。因此，本文從海溫影響AAO的角度，來探尋CFSv2模式對3月AAO預測效能高于4、5月的原因。

4 春季AAO預測效能存在差異的原因

4.1 ENSO對3月AAO的可能影響

已有大量研究表明，在年際尺度上北半球春季和夏季ENSO與AAO具有緊密的聯系，兩者在南半球表現出的環(huán)流異常具有共同的特征，ENSO異?？梢砸餉AO低頻變率發(fā)生顯著的變化（Carvalho et al.,2005;L’Heureux and Thompson,2006;Ciasto and Thompson,2008）。

圖5為1983～2019年3、4、5月觀測海溫距平對同期觀測AAOI的回歸場。從圖5a可以看出，當觀測3月AAO為正位相時，赤道中太平洋海溫為顯著負異常，南半球澳大利亞以東海溫為顯著的正異常，南半球中高緯南太平洋海溫為顯著的負異常；從圖5b可以看出，4月觀測海溫與同期AAO基本無顯著相關區(qū)域；如圖5c所示，當5月AAO為正位相，在赤道中太平洋海溫呈現弱的負異常，以及中高緯度南太平洋海溫為顯著的負異常。由此可見，赤道中太平洋海溫、澳大利亞以東的太平洋海溫、中高緯南太平洋海溫等3個關鍵區(qū)海溫與3月AAO顯著相關，而5月AAO與赤道中太平洋海溫和中高緯南太平洋海溫密切相關。

圖5 1983～2019年春季（a）3月、（b）4月、（g）5月觀測逐月海溫距平（填色，單位：℃）對同期AAOI回歸場。打點區(qū)域表示通過95%置信水平檢驗；紅色框為Ni?o4區(qū)域（5°N～5°S，160°E～150°W），藍色框為澳大利亞以東的南太平洋區(qū)域（20°S～50°S，150°E～180°）Fig.5 Regression coefficients of sea surface temperature anomalies(SST,units:°C)on the AAOI in(a)March,(b)April,and(c)May during the period of 1983-2019.The dotted areas indicate statistical significance at the 95%confidence level based on the Student’s t-test.The red box is the Ni?o4 area(5°N-5°S,160°E-150°W),and the blue box is the South Pacific east of Australia (20°S-50°S,150°E-180°)

為了方便研究，將澳大利亞以東海溫指數 （SSTA）定義為南半球澳大利亞以東太平洋（20°S～50°S，150°E～180°）區(qū)域內海溫距平的區(qū)域平均值；中高緯南太平洋海溫指數（SSTB）定義為南太平洋（40°S～60°S，160°W～140°W）區(qū)域內海溫距平的區(qū)域平均值；Ni?o4指數定義為（5°S～5°N，160°E～150°W）區(qū)域內海表溫度距平的區(qū)域平均值，-Ni?o4指數為Ni?o4指數乘上-1。為了排除其他關鍵區(qū)海溫信號的影響，只分析春季逐月中高緯南太平洋海溫與赤道中太平洋海溫、澳大利亞以東海溫之間的關系，本文中采用了偏相關分析。春季3、4、5月觀測的SSTB與同期Ni?o4指數的偏相關系數分別為0.58、0.67、0.63，都通過了95%置信水平，但與同期的SSTA偏相關系數分別為-0.23、-0.10、-0.11。結合前人研究發(fā)現，ENSO可以激發(fā)太平洋南美遙相關型（PSA），然后傳播到中高緯南太平洋以引起海溫異常（Li et al.,2013），證明春季逐月中高緯南太平洋海溫與同期ENSO密切相關，與澳大利亞以東海溫相互獨立。

為了進一步驗證觀測春季3、4、5月AAO與ENSO、SSTA之間的關系，表1為觀測春季逐月Ni?o4、SSTA與AAOI指數之間的偏相關系數。3月AAOI與Ni?o4、SSTA的偏相關系數通過了95%置信水平，5月AAOI與Ni?o4的偏相關系數通過了90%置信水平。上述分析表明，春季觀測3月AAO與ENSO、SSTA都存在顯著相關，且ENSO與SSTA相互獨立；4月AAO與ENSO、SSTA均不存在顯著相關；5月AAO與ENSO存在弱的相關性，與SSTA不存在顯著相關。因此，ENSO、SSTA兩個相互獨立的因子，兩者有可能是3月AAO可預測性來源，4月AAO沒有顯著的海溫信號作為可預測性來源，而5月AAO可預測性來源為ENSO。AAO由繞極低壓和副熱帶高壓兩個區(qū)域的環(huán)流系統(tǒng)構成，那么這兩個區(qū)域的外強迫是否存在顯著差異呢？進一步研究發(fā)現3月繞極低壓和副熱帶高壓的外強迫信號的確存在顯著差異性，3月南太平洋副熱帶高壓同時受到ENSO以及澳大利亞以東海溫的影響，而3月南大西洋副熱帶高壓和繞極低壓僅受到ENSO的影響，5月南太平洋副熱帶高壓與ENSO密切相關。

表1 1983～2019年春季逐月各觀測指數之間的偏相關系數Table 1 Partial correlation coefficients between monthly observed indices in spring from 1983 to 2019

上述分析表明，春季逐月觀測AAO與ENSO之間的關系存在季節(jié)內的變化，那么3月ENSO是如何影響AAO的變化。圖6a和6b分別為觀測500 hPa位勢高度距平場對同期3月AAOI和-Ni?o4指數的回歸，兩者的回歸場均呈現為PSA正位相。當3月AAO為正位相，新西蘭東部南太平洋高度場為正異常、阿蒙森海高度場為負異常以及南美洲南端大西洋附近高度場為正異常。3月ENSO能夠激發(fā)PSA，然后傳播到南太平洋。Ding et al.（2012）指出熱帶外的波－流正反饋作用和來自熱帶太平洋的行星波活動（即ENSO激發(fā)的PSA）對AAO變率有顯著的貢獻。PSA遙相關型是由熱帶對流產生的Rossby波列的一部分，這些Rossby波列被認為是ENSO信號向南半球高緯度地區(qū)的傳播以引起南太平洋海溫異常，進而影響AAO位相的變化（Karoly,1989;Mo and Higgins,1998;Garreaud and Battisti,1999;Li et al.,2013; Han et al.,2017）。

為了進一步確認3月ENSO能夠激發(fā)PSA波列傳播到南太平洋進而影響AAO，本文分析了3月觀測AAOI、Ni?o4指數與南半球大氣環(huán)流之間的關系。在3月SLP距平對AAOI的回歸場（圖6c）上可以看到，南太平洋上呈現顯著的PSA模態(tài)，同時在SLP距平對-Ni?o4指數的回歸場（圖6d）上也可以看到南太平洋上對應的PSA模態(tài)。在年際尺度上，ENSO負位相對應于PSA正位相，ENSO負位相通過PSA波列在阿蒙森海上空形成持續(xù)的低壓中心，對應低層的氣旋異常，同時通過熱力和動力過程在羅斯海以東和威德爾海附近產生反相的溫度異常（Mo, 2000;Renwick,2002）。3月850 hPa水平風場、海溫距平對AAOI和-Ni?o4的回歸場（圖6e和6f）可以看出，在阿蒙森海存在顯著的海溫異常和氣旋性環(huán)流異常，而該異常能夠導致南半球繞極西風加強，副熱帶急流減弱。以上研究進一步說明，3月ENSO能夠激發(fā)PSA傳播到南太平洋上，導致阿蒙森海海溫異常和低層顯著的氣旋異常從而影響3月AAO的年際變化。

圖6 1983～2019年3月觀測（a、b）500 hPa高度距平（填色，單位：gpm）、（c、d）SLP距平（填色，單位：hPa）、（e、f）海溫SST距平（填色，單位：°C）和850 hPa風場（箭頭，單位：m s-1）對同期AAOI（左列）和－Ni?o4指數（右列）的回歸分析。打點區(qū)域表示通過95%置信水平檢驗Fig.6(a, b)500-hPa geopotential height anomalies(shaded,units:gpm),(c,d)SLP anomalies(shadied,units:hPa),and(e,f)SST anomalies(shadings,units:°C)and 850-hPa horizontal wind(vectors, units: m s-1) in March regression on the simultaneous AAOI(left column)and－Ni?o4 index(right column)from observations during the period of 1983-2019.The dotted areas indicate statistical significance at the 95%confidence level based on the Student’s t-test

4.2 CFSv2對3月AAO與ENSO關系及其物理過程的再現能力

CFSv2模式能否再現3月AAO與ENSO之間的關系及其物理過程？圖7a為CFSv2模式對1983～2019年春季逐月觀測和CFSv2預測的Ni?o4指數之間的TCC?？梢钥闯?，CFSv2模式對春季逐月ENSO均具有較好的預測效能。模式提前1～6月預測的春季3、4、5月Ni?o4指數與同期觀測Ni?o4指數的平均TCC為0.82、0.79、0.70，都通過了99%的置信水平。圖7b為CFSv2模式對1983～2019年春季逐月Ni?o4指數與AAOI關系的預測結果。可以看出，CFSv2模式提前1～6月很好再現3月AAO與ENSO之間的關系，兩者之間TCC分別為-0.61、-0.52、-0.70、-0.83、-0.67、-0.81，通過了99%的置信水平，同時在去除3月ENSO信號后，CFSv2提前1～6個月預測3月AAOI與觀測AAOI之間TCC分別為0.05、0.27、0.17、0.15、0.21、0.17，均未通過90%的置信水平，CFSv2模式提前1～6月對3月AAO的預測效能都顯著降低，表明3月ENSO是同期AAO的可預測性來源。然而，CFSv2模式高估了4月AAO與ENSO之間的關系，不能再現5月AAO與ENSO之間的關系。

圖7 （a）CFSv2模式提前1～6個月預測1983～2019年春季逐月Ni?o4指數與同期觀測Ni?o4指數的TCC；（b）CFSv2模式提前1～6個月預測1983～2019年春季逐月AAOI與觀測Ni?o4指數的TCC。黑色虛線表示99%置信水平，各指數均已濾去線性趨勢Fig.7 TCC(a) between the Ni?o4 index predicted by CFSv2 at 1-6-month leads(L1-L6)and the observed Ni?o 4 index and(b)between observed Ni?o4 index and the AAOI predicted by CFSv2 at 1-6-month leads(L1-L6)in spring (March-May)during the period of 1983-2019.The black dashed line indicates the statistically significant coefficients over the 99%confidence level.Each Ni?o4 index and each AAOI filter out the linear trend

既然CFSv2模式能夠很好的再現3月AAO與同期ENSO的關系，那么模式能否再現3月ENSO影響同期AAO的物理過程呢？圖8為CFSv2模式提前1個月預測3月AAOI和-Ni?o4指數回歸南半球大氣環(huán)流各變量場。圖8a和8b為CFSv2模式提前1個月預測的3月500 hPa位勢高度距平場對模式提前1個月預測的AAOI和-Ni?o4指數的回歸場，可以發(fā)現CFSv2模式能夠很好地在南太平洋上再現與觀測一致的PSA模態(tài)。從模式提前1個月預測SLP距平場對AAOI和-Ni?o4指數回歸場（圖8c和8d）均可以看到在南太平洋上顯著的PSA模態(tài)。CFSv2模式也能夠提前1個月再現阿蒙森海海溫負異常以及低層氣旋性環(huán)流異常 （圖8e和8f）。綜上所述，CFSv2模式不僅提前1月很好的再現3月AAO與ENSO之間關系，而且能夠再現3月ENSO激發(fā)PSA波列傳播至南太平洋上，通過引起阿蒙森海海溫異常和低層氣旋異常，使得南半球繞極西風加強，副熱帶急流減弱，從而影響AAO的年際變化。此外，CFSv2模式也能提前6個月再現3月ENSO影響同期AAO的物理過程（圖略）。

圖8 CFSv2模式提前1個月預測1983～2019年3月（a, b）500 hPa位勢高度距平（填色，單位：gpm）、（c,d）SLP距平（填色，單位：hPa ）、（e、f）海溫SST距平（填色，單位：°C）和850 hPa風場（箭頭，單位：m s-1）對同期AAOI（左列）和－Ni?o4指數（右列）的回歸分析。打點區(qū)域表示通過95%置信水平檢驗Fig.8 Regression coefficients of (a,b)500-hPa geopotential height anomalies(shadings,units:gpm),(c,d)SLP anomalies(shadings,units:hPa),and (e,f)SST anomalies(shadings,units:°C)and 850 hPa horizontal wind(vectors,units:m s-1)in March regression on the simultaneous AAOI(left column)and－Ni?o4 index(right column)during the period of 1983-2019, predicted by CFSv2 with a 1-month lead.The dotted areas indicate statistical significance at the 95%confidence level based on the Student’s t-test

4.3 澳大利亞以東海溫對3月AAO的影響過程

3月AAO不僅與ENSO密切相關，而且受到澳大利亞以東海溫異常的影響。已有研究表明澳大利亞東部的熱帶海溫異常能夠在副熱帶急流核心區(qū)域激發(fā)活躍的Rossby波源，該副熱帶急流核心區(qū)域位于澳大利亞東部30°S附近，與副熱帶急流有關的強位渦梯度與澳大利亞東部暖海溫上方對流層高層輻散平流強變率共同形成位于副熱帶急流核心區(qū)域活躍的Rossby波源。因此在南太平洋地區(qū)有從澳大利亞副熱帶地區(qū)出發(fā)到南極大陸的Rossby波列（Renwick and Revell,1999;Lachlan-Cope and Connolley,2006;Eichelberger and Hartmann,2007;Ding et al.,2012）。

由于3月ENSO對AAO有顯著影響，在分析澳大利亞以東海溫異常對AAO的影響過程時，去掉了各變量場中ENSO的信號。3月500 hPa位勢高度場和波作用通量對3月AAOI、SSTA指數的回歸場呈現出類似的分布型，在澳大利亞以東的副熱帶區(qū)域都有Rossby波從位勢高度場正異常區(qū)向東南頻散南太平洋中高緯地區(qū)，并引起該地區(qū)位勢高度負異常（圖9a和9b）。如圖9c所示，澳大利亞以東太平洋地區(qū)850 hPa位勢高度為顯著的正異常，低層風場上為反氣旋性環(huán)流異常、南太平洋中高緯地區(qū)位勢高度為顯著的負異常，低層風場上對應氣旋性環(huán)流異常，使得副熱帶地區(qū)西風減弱，南半球高緯60°S西風加強。圖9d 也呈現出與圖9c類似的結果。綜上所述，澳大利亞東部的熱帶海溫異常在副熱帶急流核心區(qū)域激發(fā)了活躍的Rossby波源，該Rossby波從位勢高度場正異常區(qū)向東南頻散南太平洋中高緯地區(qū)，并引起該地區(qū)位勢高度負異常，使得澳大利亞以東太平洋地區(qū)風場出現反氣旋性環(huán)流異常，南太平洋中高緯地區(qū)出現氣旋性環(huán)流異常，進而使得副熱帶地區(qū)西風減弱，南半球高緯60°S西風加強，從而導致AAO出現正異常。

圖9 1983～2019年觀測3月500 hPa位勢高度距平（等值線，單位：gpm）和波作用通量（箭頭，單位：m2 s-2）對同期（a）AAOI和（b）SSTA指數的回歸分析（陰影表示位勢高度異常通過95%置信水平檢驗的區(qū)域）；1983～2019年觀測3月850 hPa高度距平（填色，單位：gpm）、850 hPa風場（箭頭，單位：m s-1）對同期（c）AAOI和（d）SSTA指數的回歸分析（打點區(qū)域表示通過95%置信水平檢驗）Fig.9 Regression coefficients of geopotential height anomalies(contours,units:gpm)at 500 hPa and wave activity fluxes(vectors,units:m2 s-2)in March on the corresponding period (a)AAOI and (b) SSTA index during the period of 1983-2019(the shadings represent the height anomalies that are statistically significant at the 95%confidence level).The observed geopotential height anomalies(shadings,units:gpm)and horizontal wind(vectors,units:m s-1)at 850 hPa regressions on the corresponding(c)AOI and(d)SSTA index during the period of 1983-2019(the dotted areas indicate statistical significance at the 95%confidence level based on the Student’s t-test)

4.4 CFSv2對3月澳大利亞以東海溫與AAO關系及其物理過程再現能力

前文分析表明3月觀測AAO與同期SSTA顯著相關，且4月和5月AAO與同期SSTA關系均不顯著，本節(jié)將分析CFSv2模式對春季逐月AAO與SSTA關系的預測效能差異以及能否再現3月SSTA影響同期AAO的物理過程。

圖10a為CFSv2模式提前1～6月對1983～2019年春季3、4、5月SSTA的預測結果，CFSv2模式提前1～6月預測3、4、5月SSTA指數與同期觀測SSTA指數的平均TCC為0.38、0.55、0.53，且都通過了95%置信水平，表明CFSv2模式對于春季逐月SSTA具有較高的預測效能。圖10b為CFSv2模式提前1～6月對1983～2019年春季3、4、5月AAOI與SSTA指數相關性的預測結果。CFSv2模式提前1～6月預測3月AAOI與SSTA之間的關系，兩者之間TCC分別為0.61、0.27、0.56、0.57、0.52、0.62?？梢钥闯觯珻FSv2模式除了提前2個月預測效果較差，其他提前月份對3月AAOI與SSTA兩者相關性表現出較好的預測效果。模式提前1～6月預測4月和5月AAOI與SSTA指數的平均TCC分別為0.51、0.45，預測結果表明CFSv2模式高估了4月及5月AAO與SSTA的關系。CFSv2模式提前2個月對3月AAOI與同期SSTA關系預測較差，兩者之間的TCC為0.27，沒有通過95%置信水平，而CFSv2模式提前2個月對3月AAO的預測能力也較低 （如圖3），進一步說明澳大利亞以東海溫異?？赡苁?月AAO的可預測性來源之一。

圖10 （a）CFSv2模式提前1～6個月預測1983～2019年春季（3、4、5月）逐月SSTA指數與同期觀測SSTA指數的TCC；（b）CFSv2模式提前1～6個月預測1983～2019年春季逐月AAOI與觀測SSTA指數的TCC。黑色虛線表示95%置信水平，各指數均已濾去線性趨勢Fig.10(a)Prediction capability(TCC)between the SSTA index predicted by CFSv2 model with 1-6-month leads(L1-L6)and the observed SSTA index in spring(Mar-May)during the period of 1983-2019.(b)Prediction capability(TCC) between the SSTA index and the AAOI predicted by CFSv2 model with 1-6-month leads(L1-L6)in spring (Mar-May)during the period of 1983-2019.The black dashed line indicates the statistically significant coefficients over the 95% confidence level.Each SSTA index and each AAOI filter out the linear trend

CFSv2模式對3月澳大利亞以東海溫異常影響3月AAO物理過程的再現能力如何？圖11a和圖11b分別為CFSv2模式提前1個月預測3月500 hPa位勢高度距平場及其對應的波作用通量、850 hPa位勢高度距平場及850 hPa風場對AAOI和SSTA指數的回歸場。可以看出，澳大利亞以東的位勢高度為正異常，且Rossby波從澳大利亞以東太平洋向東南頻散到南太平洋中高緯地區(qū)，并引起該地區(qū)位勢高度負異常。CFSv2模式也能夠再現3月AAO、SSTA與低層環(huán)流異常之間的關系。圖11c和11d分別為CFSv2模式提前1個月預測3月850 hPa位勢高度距平場和水平風場對AAOI、SSTA指數的回歸場。可以看出，澳大利亞以東位勢高度為正異常，其上空風場為顯著的反氣旋性環(huán)流異常，而中高緯南太平洋地區(qū)的位勢高度為顯著的負異常，其對應的風場為氣旋性環(huán)流異常，因此在南半球副熱帶地區(qū)西風減弱，高緯60°S西風加強，這與觀測3月SSTA影響同期AAO的過程一致。以上研究表明，CFSv2模式能夠提前1個月再現3月SSTA異常在副熱帶急流核心區(qū)域激發(fā)活躍的Rossby波列，該波列由向澳大利亞東部太平洋地區(qū)向東南頻散到南太平洋高緯地區(qū)，造成該地區(qū)位勢高度異常，使得副熱帶地區(qū)30°S西風減弱，南半球高緯60°S西風加強進而影響AAO。此外，CFSv2模式也能夠提前6個月也能再現3月澳大利亞以東海溫異常對AAO影響過程。

圖11 CFSv2模式提前1個月預測1983～2019年3月500 hPa位勢高度距平（等值線，單位：gpm）和波作用通量（箭頭，單位：m2 s-2）對同期（a）AAOI和（b）SSTA指數的回歸分析（陰影表示位勢高度異常通過95%置信水平檢驗的區(qū)域）；CFSv2模式提前1個月預測1983～2019年3月850 hPa位勢高度距平（填色，單位：gpm）、850 hPa風場（箭頭，單位：m s-1）對同期3月（c）AAOI和（d）SSTA指數的回歸分析（打點區(qū)域表示通過95%置信水平檢驗）Fig.11 Geopotential height anomalies(contours,units:gpm)at 500 hPa and wave activity fluxes(vectors,units:m2 s-2)in March predicted by CFSv2 model with a 1-month lead regression on the corresponding(a)AAOI and(b)SSTA index during the period of 1983-2019(the shadings represent the height anomalies that are statistically significant at the 95%confidence level).Geopotential height anomalies(contours,units:gpm)and horizontal wind(vectors,units: m s-1)at 850 hPa in March regression on the corresponding(c)AAOI and(d)SSTA index during the period of 1983-2019, predicted by CFSv2 model with a 1-month lead (the dotted areas indicate statistical significance at the 95%confidence level based on the Student’s t-test)

5 結論與展望

本文利用CFSv2模式對北半球春季3、4、5月AAO的空間模態(tài)和年際變化的可預測性進行了評估。并且分析了春季逐月AAO的可預測性來源。得到以下結論：

（1）CFSv2模式對于1983～2019年春季3、4、5月SLP氣候態(tài)的可預測性較高，但是都低估了南極大陸的高壓強度，4月和5月高估了繞極低壓的強度。CFSv2模式對于北半球春季3、4、5月AAO的空間模態(tài)的可預測性較高。CFSv2模式不僅對3月AAO年際變化預測效能較高，而且CFSv2模式對3月AAO正負異常年也有不錯的預測效能，但對于4月和5月AAO年際變化及其正負異常年的預測效能較低。ECMWF System 4模式對春季3、4、5月AAO的年際變化預測結果與CFSv2模式基本一致。

（2）通過研究發(fā)現ENSO、澳大利亞以東海溫異常是3月AAO的可預測性來源，4月AAO沒有顯著的海溫信號作為可預測性來源，而5月AAO可預測性來源為ENSO。CFSv2模式能夠很好的再現觀測3月AAO與同期ENSO、SSTA之間的關系，但是CFSv2模式高估了4月AAO與ENSO、SSTA的關系，低估了5月AAO與ENSO之間的關系。

（3）CFSv2模式對于北半球春季3月AAO年際變化具有較高預測效能原因在于：CFSv2模式能夠很好的再現3月ENSO、SSTA影響AAO年際變化的物理過程。3月ENSO影響AAO的物理過程為：ENSO通過激發(fā)PSA波列傳播到南太平洋上，導致阿蒙森海海溫異常及其低層顯著的氣旋異常，使得南半球繞極西風加強，副熱帶急流減弱從而影響AAO。

澳大利亞以東海溫異常作為3月AAO的可預測性來源之一，其影響同期AAO的物理過程：SSTA異常在副熱帶急流核心區(qū)域激發(fā)活躍的Rossby波列，該Rossby波從澳大利亞以東位勢高度場正異常區(qū)向東南頻散南太平洋中高緯地區(qū)，并引起該地區(qū)位勢高度負異常，使得澳大利亞以東太平洋地區(qū)風場出現反氣旋性環(huán)流異常，南太平洋中高緯地區(qū)出現氣旋性環(huán)流異常，進而使得副熱帶地區(qū)西風減弱，南半球高緯60°S西風加強，從而導致AAO出現正異常。

（4）相比于AAO的季節(jié)預測，AAO的次季節(jié)預測能力仍需進一步提高，尤其是對于4月和5月AAO的預測能力。如何提高4月和5月AAO的預測能力需要進一步探索，考慮到秋季南極海冰超前6個月對春季AAO有顯著影響（Gao,2003），是春季AAO潛在可預測源，下一步考慮海冰對4月和5月AAO的影響，來提高4月和5月AAO的預測能力。