南大西洋副热带偶极子的统计特征及其与ENSO的关系
doi: 10.13878/j.cnki.dqkxxb.20240107002
王晓红1 ， 官元红1,2,3 ， 王曰朋1,2 ， 吴香华1,2 ， 李兴钰1
1. 南京信息工程大学 数学与统计学院,江苏 南京 210044
2. 南京信息工程大学 江苏省应用数学中心,江苏 南京 210044
3. 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,江苏南京 210044
基金项目: 国家自然科学基金项目(41975087；U2242212；41975085；42275160)
Statistical characteristics of the South Atlantic Subtropical Dipole and its relationship with ENSO events
WANG Xiaohong1 ， GUAN Yuanhong1,2,3 ， WANG Yuepeng1,2 ， WU Xianghua1,2 ， LI Xingyu1
1. School of Mathematics and Statistics,Nanjing University of Information Science and Technology,Nanjing 210044 ,China
2. Center for Applied Mathematics of Jiangsu Province,Nanjing University of Information Science and Technology,Nanjing 210044 ,China
3. Key Laboratory of Meteorological Disaster,Ministry of Education (KLME)/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters (CIC-FEMD),Nanjing University of Information Science and Technology,Nanjing 210044 ,China
摘要
利用逐月Hadley Center海表面温度、NCEP/NCAR海表面风场和海平面气压等资料,探讨了南大西洋副热带海表面温度的特征及其与ENSO(El Niño-Southern Oscillation)的关系。结果表明:1)在北半球冬季,南大西洋副热带海表面温度异常的EOF(empirical orthogonal function)第一模态(解释方差为27.82%)呈现东北-西南的反位相分布,即南大西洋副热带偶极子(South Atlantic Subtropical Dipole,SASD);其形成主要是由于南大西洋副热带高压变化引起了表面风的变化,表面风的变化引发了潜热通量东北-西南异常反位相分布,从而导致了海温的变化。2)SASD存在明显的季节锁相特征:9—11月SASD模态开始发生发展,12月—次年2月成熟并达到峰值,次年3—5月减弱。3)1960—2022年SASD主要以4~6 a的时间尺度发生周期变化。4)SASD与ENSO存在较强的相关关系,两者的相关系数达0.55,其中正、负SASD分别与厄尔尼诺、拉尼娜事件相对应。与El Niño同时发生的正SASD事件对El Niño的强度和范围有增强和扩大的作用,且正SASD与El Niño事件同时发生会激发次年La Niña事件发生,La Niña事件反过来又能加强下一年负SASD事件的强度。
Abstract
The Atlantic ocean spans a wide range of latitudes and exhibit numerous important climate phenomena across multiple time scales.Regarding sea surface temperature anomalies (SSTA) in the Atlantic,most previous studies have focused on the North Atlantic and tropical Atlantic,with relatively less attention given to the South Atlantic.Research has demonstrated inverse-phase sea surface temperature patterns in the eastern and southwestern parts of the Indian Ocean,a phenomenon defined as the Southern Indian Ocean Dipole (SIOD).Subsequently,studies analyzing sea surface temperature variability in the South Atlantic using empirical orthogonal function (EOF) and singular value decomposition (SVD) identified dipole-like spatial structures similar to those observed in the South Indian Ocean and South Pacific Ocean.The El Niño-Southern Oscillation (ENSO),the most prominent mode of interannual climate variability,is closely related to the sea surface temperature variations across the entire South Atlantic.Exploring the South Atlantic Subtropical Dipole (SASD) and its specific correlation with ENSO can enhance our understanding of climate variability and improve the prediction of both ENSO and SASD events.Using monthly sea surface temperature data from the Hadley Center,as well as monthly sea surface wind data,sea level pressure data and latent heat flux data from the NCEP/NCAR reanalysis for the period 1960 to 2022.This study examine the characteristics of subtropical sea surface temperature variability in the South Atlantic and its relationship with ENSO.The results show that:1) During the Northern Hemisphere winter,EOF analysis of the subtropical SSTA in the South Atlantic Ocean reveals a northeast-southwest dipole like pattern,explaining 27.82% of the total variance.This phenomenon,termed the SASD,primarily arises due to the variability in sea surface wind associated with fluctuations in the South Atlantic subtropical high.These wind anomalies induce a northeast-southwest dipole pattern in latent heat flux anomalies,which subsequently drives sea surface temperature (SST) variability.2) Composite analysis of SST anomalies indicates that SASD exhibits strong seasonal phase-locking.It typically develops from September to November (SON),and reaches its peak during December to February (DJF),and weakens from March to May (MAM).3) Wavelet analysis shows that SASD variability is dominated by periodic fluctuations on a 4—6 years timescale over the period 1960 to 2022.4) SASD is significantly correlation with ENSO,with a correlation coefficient of 0.55.Positive (negative) SASD events are generally correspond to El Niño (La Niña) events.Furthermore,the co-occurrence of positive SASD and El Niño enhances the intensity and spatial extent of El Niño events.Additionally,when positive SASD and El Niño occurs simultaneously,they tend to trigger La Niña events the following year.Conversely,La Niña also can enhance the intensity of the negative SASD the subsequent year.This study analyses a strong correlation between ENSO and SASD,however,further investigation is needed to determine whether ENSO have an impact on the evolution of SASD and whether different ENSO types (i.e.,East-Pacific ENSO vs.Central-Pacific ENSO) exert distinct effects on SASD development.
大西洋是世界第二大洋，也是跨纬度最多的大洋，整个海盆大致呈“S”形。与太平洋相比，大西洋虽然面积小，但是在多个时间尺度上却表现出了许多重要的气候现象，如北大西洋涛动（North Atlantic Oscillation，NAO）、大西洋尼诺（Atlantic Niño）、大西洋多年代际涛动（Atlantic Multidecadal Oscillation，AMO）等。对大西洋海温异常的研究，前人多关注北大西洋及热带大西洋（丁一汇等，2020; 于怡秋等，2022），对南大西洋关注较少。南大西洋指大西洋在赤道以南的部分，向南连接了印度洋和太平洋。对于南印度洋，Behera and Yamagata（2001）发现印度洋东部与西南部存在反位相的海温异常空间形态，并将其定义为南印度洋副热带偶极子（Southern Indian Ocean Dipole，SIOD），SIOD的形成主要受大尺度大气环流调整的影响（Hermes and Reason，2005）。Suzuki et al.（2004）通过海气耦合模式对SIOD进行了模拟，发现海洋的潜热通量与SIOD的产生有密切关系。Chen et al.（2024）通过观测分析和数值模拟探讨了SIOD对中国春季气候的重要影响。对于南太平洋，副热带与温带海域也存在类似SIOD的海温异常空间形态，被称为南太平洋副热带偶极子（South Pacific Ocean Dipole，SPOD; Wang，2010）。Guan et al.（2014）研究发现，SPOD最初是由南半球春季南太平洋中部西风减弱引起的海温正异常而逐渐形成的，南极环状模在ENSO（El Niño-Southern Oscillation）对SPOD的影响机制中起到了传递作用。而对于南大西洋，Venegas et al.（1996，1997）利用1953—1992年共40 a的COADS（Comprehensive Ocean-Atmosphere Data Set）海温资料，采用经验正交函数（empirical orthogonal function，EOF）分析和奇异值分解（singular value decomposition，SVD）首次讨论了南大西洋海温的特点，发现这里也有类似南印度洋和南太平洋的偶极分布特征，并将其称为南大西洋副热带偶极子（South Atlantic Subtropical Dipole，SASD）。SASD在空间上表现为东北-西南正负海温异常分布的特征。大西洋上除了SASD海温模态外，还有大西洋尼诺与南大西洋偶极模态（South Atlantic Ocean Dipole，SAOD），这3种模态两两相关，且SASD与SAOD在所有季节上都具有较强的相关性（Nnamchi et al.，2017; Reboita et al.，2021）。SAOD是北半球夏季发生在南大西洋东北-西南海温异常反位相分布的空间模态，它的发生机制主要与风速、潜热通量异常有关（Guan et al.，2023）。关于SASD的形成机制，早年的研究表明与副热带高压增强引发的潜热通量异常有关（Fauchereau et al.，2003; Sterl and Hazeleger，2003）。Morioka et al.（2011）利用观测分析与数值模拟研究了SASD的发生机制，指出SASD是由于南半球春末副热带高压的异常南移与短波辐射对混合层增温所导致的。
ENSO是发生在东太平洋低纬度地区的海气相互作用现象，是年际气候变化中的最强信号（夏冬冬等，2003; 任福民等，2012），并以局地或遥相关的形式影响全球天气气候（张礼平等，2012）。SAOD与ENSO之间存在双向作用，ENSO前期夏季信号可增强SAOD的强度和范围，SAOD也可推进并增强后期冬季ENSO事件。除与SAOD相关外，ENSO与整个南大西洋海温都存在紧密联系（Penland and Matrosova，2006，2008）。Rodrigues et al.（2015）研究发现，中型ENSO事件会引发太平洋-南美波列，使南大西洋副热带高压减弱并发生经向转移，最后引发SASD事件。而SASD是否能对ENSO事件的发生产生影响?若SASD能调制ENSO的强度或形态，两者的协同作用可能会引起周边区域的气候变化，研究两者的关系可为灾害预警提供新的视角。对此，本文将利用观测资料进一步分析SASD模态并探讨其与ENSO事件的具体关联，以期为ENSO、SASD事件的发生和预测提供参考。
1 资料与方法
本文利用的资料包括:1）英国气象局Hadley中心的全球逐月海表面温度资料，水平分辨率为1°×1°（Rayner et al.，2003）; 2）美国国家环境预报中心（NCEP）和美国国家大气研究中心（NCAR）提供的NCEP/NCAR Reanalysis 1再分析资料（Kalnay et al.，1996），包括海表面风场资料（水平分辨率为2.5°×2.5°）、潜热通量资料（水平分辨率为1.875°×1.875°）; 3）美国国家海洋和大气管理局（NOAA）气候预测中心公布的Oceanic Niño Index（ONI; https://ggweather.com/enso/oni.htm），下文据此指数来判断是否发生厄尔尼诺或拉尼娜事件。以上数据的选取时段均为1960—2022年。
本文采用的方法有:经验正交函数（EOF）分解、相关分析、小波分析、合成分析及t检验等。本文首先对各气象要素求出季节气候态，再用相应季节变化减去季节气候态，最后去除线性趋势并进行标准化，之后得到:前一年9—11月（9（0）—11（0））、前一年12月—当年2月（12（0）—2（1））、当年3—5月（3（1）—5（1））、当年6—8月（6（1）—8（1））的北半球秋季、冬季、春季、夏季的季节异常值，并将它们分别记为SON（0）、D（0）JF（1）、MAM（1）、JJA（1），其中（0）表示前一年，（1）表示当年。为了描述方便，下文将北半球秋季、冬季、春季、夏季分别简称为秋季、冬季、春季、夏季; 同时将1—2（1）月的年份定义为SASD事件发生的年份。
2 SASD的空间模态及周期特征
2.1 SASD的空间模态
对1960—2022年冬季（12月—次年2月）的南大西洋海表面温度异常（sea surface temperature anomaly，SSTA）进行EOF分析，图1是第一模态的空间分布（EOF1）及其时间序列（PC1）。可见，南大西洋冬季海温异常呈现明显的东北-西南的反相位分布（图1a），其方差贡献为27.82%，该空间分布型即为南大西洋副热带偶极子（SASD）模态，这与Rodrigues et al.（2015）的研究结果一致。图1a中方框代表了冬季南大西洋海温变率最大的两个区域，即区域（20°W~0°，15°~25°S）和区域（30°~10°W，32°~42°S）。本文将这两个区域分别称为SASD的东北极和西南极，其中东北极与Morioka et al.（2011）的定义相同，而西南极则向南偏移2°。当西南极海温为负异常、东北极海温为正异常时，本文称其为南大西洋正偶极子模态（positive SASD，PSASD），反之则称为南大西洋负偶极子模态（negative SASD，NSASD）。
图11960—2022年冬季（12（0）—2（1）月）南大西洋海温距平EOF分析第一模态的空间分布（a; 黑色框线区域分别为SASD的东北极（20°W~0°，15°~25°S）和西南极（30°~10°W，32°~42°S））; EOF第一模态的时间系数PC1（b; 柱状图表示PC1; 绿色虚线为Niño3.4指数，单位:℃; 黑色实线为SASDI（SASD index），单位:℃; 两条水平黑色虚线的数值为±1的标准差; 括号中的0.47、0.91分别是PC1与Niño3.4指数、SASDI的相关系数）
Fig.1(a) Spatial distribution of the first empirical orthogonal function (EOF) mode of sea surface temperature anomalies (SSTA) in the South Atlantic Ocean during winter (1960—2022) (The black boxed areas represent the northeastern (NEP:20°W—0°, 15°—25°S) and southwestern (SWP:30°—10°W, 32°—42°S) poles of the South Atlantic Subtropical Dipole (SASD) ) . (b) The principal component (PC1; bars) of the first EOF mode (The dashed green line represents the Niño3.4 index (units:℃) , and the solid black line represent the SASD index (SASDI; units:℃) .The two horizontal black dashed lines indicates standard deviation (SD:±1) .The correlation coefficients between PC1 and the Niño3.4 index (0.47) and between PC1 and the SASDI (0.91) are shown in parentheses)
图1b中的柱状图为EOF第一模态对应的时间标准化系数PC1。我们选取PC1大于0.7（小于-0.7）的年份为PSASD年（NSASD年），得到了15个PSASD年（图1b含符号“+”）和12个NSASD年（图1b含符号“-”），具体年份见表1。利用这些年份进行后续的合成分析，正（负）事件年的合成即为PSASD（NSASD）年中各个气象要素的平均，合成场在冬季前后各跨越一个季节，这样可以形成一个时间序列来描述合成事件的生命周期。
表11960—2022年SASD事件年份
Table1List of SASD years during1960—2022
注：1）表示当年冬季发生了El Niño事件; 2）表示前一年冬季发生了La Niña事件.
图2是PSASD和NSASD事件合成的海表面温度异常及风场异常随季节的变化。由于NSASD事件主要是由副热带高压在前期（ND（0））得到加强并向南移动而引起的，所以本文分析其在11—12（0）月（ND（0））、1—2（1）月（JF（1））两时期的变化特征（Morioka et al.，2011，2014）。合成分析发现，副热带高压异常会使南大西洋产生东北-西南潜热通量的反位相变化（图3c），导致东北极混合层深度变大，西南极混合层深度变小，南大西洋海温开始形成海温异常反位相分布，东北、西南部分别出现海温的负、正异常（图2d），此时NSASD模态开始发生发展; 在次年1—2（1）月（JF（1））（图3d），高压明显减弱且东北极变为潜热通量负异常。冬季（D（0）JF（1））表面风异常达到最大，相对应的海温正负异常均也达到最大，NSASD模态达到高峰（图2e）; 接下来的次年春季（MAM（1）），表面风异常开始减小，两极中心的海温异常强度和范围都有所减小，NSASD模态开始衰退。
图21960—2022年PSASD年合成的秋季（a; SON（0））、冬季（b; D（0）JF（1））、春季（c; MAM（1））南大西洋海温异常（阴影，单位:℃; 打点区域表示通过了95%置信度的显著性检验）和海表面风场异常（箭矢，单位:m·s-1）的空间分布。（d—f）同（a—c），但为NSASD年
Fig.2Composite SSTA (shadings, units:℃; dotted regions indicate statistical significance at the 95% confidence level) and sea surface wind anomalies (arrows, units:m·s-1) in the South Atlantic Ocean during (a) autumn (SON (0) ) , (b) winter (D (0) JF (1) ) , and (c) spring (MAM (1) ) for the positive SASD (PSASD) years (1960—2022) . (d—f) as in (a—c) , but for the negative SASD (NSASD) years
图31960—2022年PSASD年合成的11—12（0）月（a; ND（0））、1—2（1）月（b; JF（1））南大西洋潜热通量异常（阴影，单位:W·m-2）和海平面气压异常（等值线，单位:hPa; 打点区域表示通过了95%置信度的显著性检验）的空间分布。（c、d）同（a、b），但为NSASD年
Fig.3Composite latent heat flux anomalies (shadings, units:W·m-2) and sea level pressure anomalies (contours, units:hPa; dotted regions indicate statistical significance at the 95% confidence level) in the South Atlantic Ocean during (a) November-December (0) (ND (0) ) and (b) January-February (1) (JF (1) ) for the PSASD years (1960—2022) . (c, d) as in (a, b) , but for the NSASD years
在PSASD事件中，秋季（SON（0））南大西洋副热带高压减弱（图2a），使得以（20°W，40°S）为中心的异常气旋形成（图2b）（李忠贤等，2019），异常南风将更高纬的冷海水带到40°S附近，该区域海温负异常形成，即为PSASD的西南极。在其东北部，异常西北风将低纬暖海水带到20°S附近，海温正异常开始形成，即为PSASD的东北极。同时，副热带高压的减弱也进一步引起南大西洋东北-西南潜热通量的反位相变化（图3a），进一步促进了PSASD东北极和西南极的形成。PSASD事件的演变过程与NSASD相似，不同之处在于PSASD模态在次年春季瓦解速度较快。综上所述，SASD的正负事件都呈现出显著的季节锁相性，即其在北半球秋季发生发展、冬季达到峰值、次年春夏减弱消亡。
2.2 SASD的周期特征
为了确定SASD的周期特征，图4给出了1960—2022年冬季南大西洋海温EOF第一模态所对应的时间序列（PC1）的小波分析结果。由图4a可见，1962—1985年、2001—2022年SASD在4~6 a的周期尺度上振荡，1995—1999年、2010—2022年呈现准两年的周期振荡。图4b是小波时间平均谱，可以看出SASD的小波方差在4~6 a处出现高峰，且通过了95%的蒙特卡洛检验，说明研究时段内SASD主要以4~6 a时间尺度发生振荡变化。
3 SASD与ENSO的关系
定义SASDI（ISASD）为SASD模态东北极与西南极冬季海表面温度距平之差（申都涵和林霄沛，2020），即:ISASD=INEP-ISWP。式中:INEP（ISWP）表示冬季海表面温度异常在东北极（西南极）区域的平均值。ISASD与PC1的相关系数为0.91，通过了α=0.05的显著性检验，可见ISASD能较好地描述SASD事件。
图1b中的实线和虚线分别是ISASD与Niño3.4指数随时间的变化曲线，其中Niño3.4指数是冬季海温异常在区域（170°~120°W，5°N~5°S）的平均。ISASD、PC1与Niño3.4指数的相关系数分别为0.55、0.47，均通过了α=0.05的显著性检验。图5是南大西洋冬季海温异常场与Niño3.4指数的相关系数分布，可见相关系数较高且通过95%置信度的显著性检验区域及形态与EOF第一模态的空间分布（图1b）非常接近。这表明SASD事件与ENSO事件存在显著的正相关关系（Yu et al.，2023）。
图41960—2022年冬季（D（0）JF（1））南大西洋海温距平EOF第一模态的时间序列PC1的小波功率谱（a）及时间平均谱（b; 虚线右侧部分表示通过了95%置信度的显著性检验）
Fig.4(a) Wavelet power spectrum plot of the PC1 of the first EOF mode of SSTA in the South Atlantic Ocean during winter (D (0) JF (1) ) (1960—2022) , and (b) time-averaged wavelet power spectrum of PC1 (the portion to the right of the dashed black line indicates statistical significance at the 95% confidence level)
图51960—2022年冬季（D（0）JF（1））南大西洋海温异常场与Niño3.4指数的相关系数分布（打点区域表示通过了95%置信度的显著性检验）
Fig.5Spatial distribution of correlation coefficients between SSTA in the South Atlantic Ocean and the Niño3.4 index during winter (D (0) JF (1) ) (1960—2022) (the dotted regions indicate statistical significance at the 95% confidence level)
3.1 PSASD与El Niño事件的关系
由表1可见，15个PSASD事件年中有10 a同时发生了El Niño事件，即大半PSASD事件都伴随着El Niño事件的发生。本文将El Niño和PSASD事件同时发生的年份记为El Niño&PSASD年，将只有El Niño事件发生而没有PSASD事件发生的年份记为Pure_El Niño年，将只有PSASD事件发生而没有El Niño事件发生的年份记为Pure_PSASD年。
图6是3类事件的冬季SSTA以及海表面风场异常的合成分布。对比图6a与图6b可知，PSASD和El Niño事件同时发生时，赤道以北太平洋、以南太平洋区域分别出现较强的北风异常和南风异常，并在赤道汇合，加强了赤道西风异常，与仅有El Niño事件发生时的情况比较，此时赤道中东太平洋海温正异常的强度和范围均增大了。为了量化具体的影响，本文计算了Niño3.4指数、SASDI随季节的变化。图7显示，同时发生PSASD事件的El Niño年，冬季Niño3.4区域的SSTA超过了1.5℃（图7a），比单独发生El Niño事件时高很多（图7c），这表明PSASD事件对El Niño事件具有明显的加强作用。对比图6a与图6c可知，与Pure_PSASD事件相比，PSASD和El Niño事件同时发生时，PSASD西南极风异常更强，气旋范围更大，PSASD模态的强度和范围比仅有PSASD事件发生时强，尤其是西南极海温负异常的区域更大。由图7a、b可见，同时发生El Niño事件的PSASD年，从秋季开始，SASDI比Pure_PSASD事件发生时要大，表明El Niño事件对PSASD模态的发生可能起到了一定的促进作用。冬季SASDI在PSASD与El Niño事件同时发生时，比仅有PSASD事件发生时略大，但没有Niño3.4指数大得明显。这表明El Niño事件对PSASD模态也有加强作用，但不及PSASD模态对El Niño事件的影响显著。单个模态（Pure_El Niño或Pure_PSASD事件）发生都不及2个模态同时发生时的强度强、范围广，PSASD和El Niño事件对彼此的发展都有正贡献，但PSASD对El Niño事件发生的贡献更大。
图61960—2022年El Niño&PSASD年（a; 1964、1969、1973、1983、1988、1995、1998、2003、2010、2016年）、Pure_El Niño年（b; 1966、1977、1987、1992、2015年）和Pure_PSASD年（c; 1967、1984、2005、2019、2020年）冬季（D（-1）JF（0））海表温度异常（阴影，单位:℃; 打点区域表示通过了95%置信度的显著性检验）、海表风场异常（箭矢，单位:m·s-1）的合成分布
Fig.6Composite SSTA (shadings, units:℃; dotted regions indicate statistical significance at the 95% confidence level) and sea surface wind anomalies (arrows, units:m·s-1) in winter (D (-1) JF (0) ) for different event categories during1960—2022: (a) El Niño &PSASD years (1964, 1969, 1973, 1983, 1988, 1995, 1998, 2003, 2010, 2016) ; (b) Pure_El Niño years (1966, 1977, 1987, 1992, 2015) ; (c) Pure_PSASD years (1967, 1984, 2005, 2019, 2020)
3.2 PSASD与El Niño对La Niña的影响
表1显示，在PSASD发生的15 a中有10 a发生了El Niño事件，即有10 a同时发生了El Niño和PSASD事件，在这10 a之后的冬季有5 a发生了La Niña事件。本文将El Niño&PSASD事件发生后次年发生La Niña事件的年份记为El Niño&PSASD+La Niña年，将只有PSASD事件发生后次年未发生La Niña事件的年份记为Pure_PSASD-La Niña年，将只有El Niño事件发生后次年未发生La Niña事件的年份记为Pure_El Niño-La Niña年。表2的第一列是发生PSASD的年份，第二列是在第一列的年份中同期冬季发生ENSO的情况，第三列是次年冬季发生ENSO的情况。本文忽略了弱的ENSO年份，即挑选中等及以上强度的ENSO年份来研究。由表2可见，El Niño&PSASD事件发生后次年发生La Niña事件（即El Niño&PSASD+La Niña）的年份有5 a，即:1973、1988、1995、1998、2010年。
图7是El Niño&PSASD+La Niña事件、Pure_PSASD-La Niña事件和Pure_El Niño-La Niña事件中，SASDI与Niño3.4指数从相应事件发生前一年（Y（-1））夏季到事件发生后一年（Y（1））夏季随季节变化的情况。对于El Niño&PSASD+La Niña事件（图7a），在D（-1）JF（0）发生El Niño和PSASD事件后，Niño3.4指数从正值迅速减小至夏季的负值，且发展迅速，在SON（0）发生La Niña事件，该事件在DJ（0）F（1）达到最强。对于Pure_PSASD-La Niña事件（图7b），SASDI在SON（-1）开始增大，在D（-1）JF（0）快速增长至最大（即SASD事件盛期），并继续维持至接下来的MAM（0），之后开始逐渐减弱，到JJA（0）衰退消亡。在PSASD事件形成和衰退的过程中，Niño3.4指数表现为弱的正异常且较为稳定，从SON（0）开始变为负异常，并逐渐加强但没有形成La Niña事件。对于Pure_El Niño-La Niña事件（图7c），在D（-1）JF（0）发生El Niño事件后，Niño3.4指数虽然减弱，但还是维持在一个较强的状态，从次年的冬季之后开始减弱，而在这类事件中SASDI并无明显的异常趋势。综合3类事件来看，PSASD与El Niño事件单独发生时，对次年太平洋海温异常的影响并不明显，但是当两者同时发生时，赤道东太平洋海温快速从正异常变为负异常，并在次年发生La Niña事件。
图71960—2022年Niño3.4指数（蓝色）和SASDI（橙色）从JJA（-1）到JJA（1）的变化（单位:℃）:（a）El Niño&PSASD+La Niña事件年（1973、1988、1995、1998、2010年）;（b）Pure_PSASD-La Niña事件年（1967、1984、2005、2019、2020年）;（c）Pure_El Niño-La Niña事件年（1966、1977、1987、1992、2015年）
Fig.7Variations in the Niño3.4 index (blue) and SASDI (orange) from JJA (-1) to JJA (1) from 1960 to 2022 (units:℃) : (a) El Niño &PSASD+La Niña years (1973, 1988, 1995, 1998, 2010) ; (b) Pure PSASD-La Niña years (1967, 1984, 2005, 2019, 2020) ; (c) Pure_El Niño-La Niña years (1966, 1977, 1987, 1992, 2015)
表2El Niño&PSASD事件后次年La Niña事件的发生情况
Table2Occurrence of La Niña events in the year following El Niño &PSASD events
3.3 La Niña对NSASD的影响
上节讨论了PSASD与El Niño事件对La Niña事件发生的影响，那么反过来又有什么影响呢?为了讨论La Niña事件对NSASD事件的影响，本节将NSASD事件分为2类:前一年发生La Niña事件的NSASD事件记为La Niña+NSASD，前一年未发生La Niña事件的NSASD事件记为Pure_NSASD，满足条件的2类事件分别有5 a。
为了分析前冬La Niña事件激发次年冬季NSASD事件的具体过程，本文对2类NSASD事件的海温及风场异常进行了合成分析（图8）。在Pure_NSASD事件中，前一年冬季D（-1）JF（0）太平洋没有发生La Niña事件，南大西洋副热带出现海温异常的南北反位相分布（图8f）; 到MAM（0）时，赤道北大西洋的反气旋带走赤道南大西洋温暖的海水，使得该区域负海温异常增强、范围扩大（图8g）; 在之后的夏季JJA（0）（图8h）和春季SON（0）（图8i），东北极的海温负异常减弱，但西南极区域上空开始形成反气旋环流，温暖海水在此处聚集，海温逐渐升高; 直到D（0）JF（1）（图8j），东北极的东风异常使此处的海温再次发生变化，形成冷极，南大西洋海温异常出现明显的东北-西南反位相分布，NSASD事件发生。与之相比，在La Niña+NSASD事件中，前一年冬季D（-1）JF（0）赤道太平洋有明显的海温负异常，发生了La Niña事件，此时南大西洋为大范围的海温正异常（图8a）; 到MAM（0）时，赤道太平洋的海温负异常减弱，南大西洋开始出现负的海温异常，且在25°S附近形成弱气旋环流（图8b）; 南大西洋的西南极在SON（0）出现明显的反气旋环流，气压升高，海温也逐渐升高（王黎娟等，2018），在其北部出现海温负异常，此时NSASD事件形成（图8d）; 到D（0）JF（1）时，南大西洋已出现明显的东北-西南海温异常的反位相分布，NSASD事件达到峰值（图8e），与Pure_NSASD事件相比，两极海温异常的范围和强度均增大，两极中心发生偏移，东北极向东偏移，西南极向西偏移。可见，赤道太平洋海温负异常会激发东北极产生海温负异常，由此加强下一年的NSASD事件模态。
图81960—2022年La Niña+NSASD年（a—e; 1976、1990、1997、2012、2018年）、Pure_NSASD年（f—j; 1979、1980、1981、1982、2002年）从D（-1）JF（0）到D（0）JF（1）的海温距平（阴影，单位:℃; 打点区域表示通过了95%置信度的显著性检验）和海表面风场距平（箭矢，单位:m·s-1）的空间分布:（a、f）D（-1）JF（0）;（b、g）MAM（0）;（c、h）JJA（0）;（d、i）SON（0）;（e、j）D（0）JF（1）
Fig.8Composite SSTA (shadings, units:℃; dotted regions indicate statistical significance at the 95% confidence level) and sea surface wind anomalies (arrows, units:m·s-1) in different seasons from D (-1) JF (0) to D (0) JF (1) during (a—e) La Niña+NSASD years (1976, 1990, 1997, 2012, 2018) and (f—j) Pure_NSASD years (1979, 1980, 1981, 1982, 2002) : (a, f) D (-1) JF (0) ; (b, g) MAM (0) ; (c, h) JJA (0) ; (d, i) SON (0) ; (e, j) D (0) JF (1)
4 结论
本文基于1960—2022年逐月Hadley中心海温资料以及NCEP/NCAR再分析资料等，对北半球冬季南大西洋副热带海表面温度的统计特征及其与ENSO的关系进行了研究，得到以下主要结论:
1）1960—2022年冬季南大西洋海温距平的EOF分析结果表明，第一模态的方差贡献率为27.82%，呈现出东北-西南的反位相海温异常分布，即SASD模态。该模态的形成主要是由于南大西洋副热带高压变化影响该地区表面风变化，表面风的变化引起了潜热通量东北-西南异常的反位相分布，从而导致了海温的变化。
2）合成分析结果表明，SASD具有明显的季节锁相特征:SASD模态从秋季开始发展，在冬季达到盛期，在接下来的春季逐渐减弱直至消亡。相对正SASD事件而言，负SASD事件虽然在盛期时的模态特征更加显著，但瓦解速度也较快。此外，小波分析结果显示，1960—2022年SASD模态具有明显的4~6 a周期性特征。
3）相关分析结果表明，SASD事件与ENSO之间存在较强的联系:PSASD和El Niño事件对彼此的发展均有正贡献，且PSASD对El Niño事件发生的贡献更大。当PSASD与El Niño事件同时发生时，PSASD的存在会促使赤道中东太平洋海温从正异常转变为负异常并不断加强，在次年冬季产生La Niña事件，而La Niña事件会加强下一年的NSASD事件强度，海温异常范围扩大，且两极中心发生偏移。
图11960—2022年冬季（12（0）—2（1）月）南大西洋海温距平EOF分析第一模态的空间分布（a; 黑色框线区域分别为SASD的东北极（20°W~0°，15°~25°S）和西南极（30°~10°W，32°~42°S））; EOF第一模态的时间系数PC1（b; 柱状图表示PC1; 绿色虚线为Niño3.4指数，单位:℃; 黑色实线为SASDI（SASD index），单位:℃; 两条水平黑色虚线的数值为±1的标准差; 括号中的0.47、0.91分别是PC1与Niño3.4指数、SASDI的相关系数）
Fig.1(a) Spatial distribution of the first empirical orthogonal function (EOF) mode of sea surface temperature anomalies (SSTA) in the South Atlantic Ocean during winter (1960—2022) (The black boxed areas represent the northeastern (NEP:20°W—0°, 15°—25°S) and southwestern (SWP:30°—10°W, 32°—42°S) poles of the South Atlantic Subtropical Dipole (SASD) ) . (b) The principal component (PC1; bars) of the first EOF mode (The dashed green line represents the Niño3.4 index (units:℃) , and the solid black line represent the SASD index (SASDI; units:℃) .The two horizontal black dashed lines indicates standard deviation (SD:±1) .The correlation coefficients between PC1 and the Niño3.4 index (0.47) and between PC1 and the SASDI (0.91) are shown in parentheses)
图21960—2022年PSASD年合成的秋季（a; SON（0））、冬季（b; D（0）JF（1））、春季（c; MAM（1））南大西洋海温异常（阴影，单位:℃; 打点区域表示通过了95%置信度的显著性检验）和海表面风场异常（箭矢，单位:m·s-1）的空间分布。（d—f）同（a—c），但为NSASD年
Fig.2Composite SSTA (shadings, units:℃; dotted regions indicate statistical significance at the 95% confidence level) and sea surface wind anomalies (arrows, units:m·s-1) in the South Atlantic Ocean during (a) autumn (SON (0) ) , (b) winter (D (0) JF (1) ) , and (c) spring (MAM (1) ) for the positive SASD (PSASD) years (1960—2022) . (d—f) as in (a—c) , but for the negative SASD (NSASD) years
图31960—2022年PSASD年合成的11—12（0）月（a; ND（0））、1—2（1）月（b; JF（1））南大西洋潜热通量异常（阴影，单位:W·m-2）和海平面气压异常（等值线，单位:hPa; 打点区域表示通过了95%置信度的显著性检验）的空间分布。（c、d）同（a、b），但为NSASD年
Fig.3Composite latent heat flux anomalies (shadings, units:W·m-2) and sea level pressure anomalies (contours, units:hPa; dotted regions indicate statistical significance at the 95% confidence level) in the South Atlantic Ocean during (a) November-December (0) (ND (0) ) and (b) January-February (1) (JF (1) ) for the PSASD years (1960—2022) . (c, d) as in (a, b) , but for the NSASD years
图41960—2022年冬季（D（0）JF（1））南大西洋海温距平EOF第一模态的时间序列PC1的小波功率谱（a）及时间平均谱（b; 虚线右侧部分表示通过了95%置信度的显著性检验）
Fig.4(a) Wavelet power spectrum plot of the PC1 of the first EOF mode of SSTA in the South Atlantic Ocean during winter (D (0) JF (1) ) (1960—2022) , and (b) time-averaged wavelet power spectrum of PC1 (the portion to the right of the dashed black line indicates statistical significance at the 95% confidence level)
图51960—2022年冬季（D（0）JF（1））南大西洋海温异常场与Niño3.4指数的相关系数分布（打点区域表示通过了95%置信度的显著性检验）
Fig.5Spatial distribution of correlation coefficients between SSTA in the South Atlantic Ocean and the Niño3.4 index during winter (D (0) JF (1) ) (1960—2022) (the dotted regions indicate statistical significance at the 95% confidence level)
图61960—2022年El Niño&PSASD年（a; 1964、1969、1973、1983、1988、1995、1998、2003、2010、2016年）、Pure_El Niño年（b; 1966、1977、1987、1992、2015年）和Pure_PSASD年（c; 1967、1984、2005、2019、2020年）冬季（D（-1）JF（0））海表温度异常（阴影，单位:℃; 打点区域表示通过了95%置信度的显著性检验）、海表风场异常（箭矢，单位:m·s-1）的合成分布
Fig.6Composite SSTA (shadings, units:℃; dotted regions indicate statistical significance at the 95% confidence level) and sea surface wind anomalies (arrows, units:m·s-1) in winter (D (-1) JF (0) ) for different event categories during1960—2022: (a) El Niño &PSASD years (1964, 1969, 1973, 1983, 1988, 1995, 1998, 2003, 2010, 2016) ; (b) Pure_El Niño years (1966, 1977, 1987, 1992, 2015) ; (c) Pure_PSASD years (1967, 1984, 2005, 2019, 2020)
图71960—2022年Niño3.4指数（蓝色）和SASDI（橙色）从JJA（-1）到JJA（1）的变化（单位:℃）:（a）El Niño&PSASD+La Niña事件年（1973、1988、1995、1998、2010年）;（b）Pure_PSASD-La Niña事件年（1967、1984、2005、2019、2020年）;（c）Pure_El Niño-La Niña事件年（1966、1977、1987、1992、2015年）
Fig.7Variations in the Niño3.4 index (blue) and SASDI (orange) from JJA (-1) to JJA (1) from 1960 to 2022 (units:℃) : (a) El Niño &PSASD+La Niña years (1973, 1988, 1995, 1998, 2010) ; (b) Pure PSASD-La Niña years (1967, 1984, 2005, 2019, 2020) ; (c) Pure_El Niño-La Niña years (1966, 1977, 1987, 1992, 2015)
图81960—2022年La Niña+NSASD年（a—e; 1976、1990、1997、2012、2018年）、Pure_NSASD年（f—j; 1979、1980、1981、1982、2002年）从D（-1）JF（0）到D（0）JF（1）的海温距平（阴影，单位:℃; 打点区域表示通过了95%置信度的显著性检验）和海表面风场距平（箭矢，单位:m·s-1）的空间分布:（a、f）D（-1）JF（0）;（b、g）MAM（0）;（c、h）JJA（0）;（d、i）SON（0）;（e、j）D（0）JF（1）
Fig.8Composite SSTA (shadings, units:℃; dotted regions indicate statistical significance at the 95% confidence level) and sea surface wind anomalies (arrows, units:m·s-1) in different seasons from D (-1) JF (0) to D (0) JF (1) during (a—e) La Niña+NSASD years (1976, 1990, 1997, 2012, 2018) and (f—j) Pure_NSASD years (1979, 1980, 1981, 1982, 2002) : (a, f) D (-1) JF (0) ; (b, g) MAM (0) ; (c, h) JJA (0) ; (d, i) SON (0) ; (e, j) D (0) JF (1)
表11960—2022年SASD事件年份
Table1List of SASD years during1960—2022
表2El Niño&PSASD事件后次年La Niña事件的发生情况
Table2Occurrence of La Niña events in the year following El Niño &PSASD events
Behera S K, Yamagata T, 2001. Subtropical SST dipole events in the southern Indian Ocean[J]. Geophys Res Lett, 28(2): 327-330. DOI: 10. 1029/2000GL011451.
Chen J S, Guan Y H, Zhou W, et al., 2024. Influence of the Southern Indian Ocean Dipole on the following spring climate in China: a synthetic observational and numerical study[J]. Atmos Res, 299: 107183. DOI: 10. 1016/j. atmosres. 2023. 107183.
丁一汇, 李怡, 王遵娅, 等, 2020. 亚非夏季风的年代际变化: 大西洋多年代际振荡与太平洋年代际振荡的协同作用[J]. 大气科学学报, 43(1): 20-32. Ding Y H, Li Y, Wang Z Y, et al., 2020. Interdecadal variation of Afro-Asian summer monsoon: coordinated effects of AMO and PDO oceanic modes[J]. Trans Atmos Sci, 43(1): 20-32. DOI: 10. 13878/j. cnki. dqkxxb. 20191011007. (in Chinese).
Fauchereau N, Trzaska S, Richard Y, et al., 2003. Sea-surface temperature co-variability in the southern Atlantic and Indian Oceans and its connections with the atmospheric circulation in the Southern Hemisphere[J]. Int J Climatol, 23(6): 663-677. DOI: 10. 1002/joc. 905.
Guan Y H, Huang B H, Zhu J S, et al., 2014. Interannual variability of the South Pacific Ocean in observations and simulated by the NCEP Climate Forecast System, version 2[J]. Climate Dyn, 43(3): 1141-1157. DOI: 10. 1007/s00382-014-2148-y.
Guan Y H, Li Y X, Zhou W, et al., 2023. Statistical characteristics and mechanism of the South Atlantic Ocean Dipole[J]. Int J Climatol, 43(14): 6733-6744. DOI: 10. 1002/joc. 8231.
Hermes J C, Reason C J C, 2005. Ocean model diagnosis of interannual coevolving SST variability in the South Indian and South Atlantic Oceans[J]. J Climate, 18(15): 2864-2882. DOI: 10. 1175/jcli3422. 1.
Kalnay E, Kanamitsu M, Kistler R, et al., 1996. The NCEP/NCAR 40-year reanalysis project[J]. Bull Amer Meteor Soc, 77(3): 437-471. DOI: 10. 1175/1520-0477(1996)077＜0437: tnyrp＞2. 0. co;2.
李忠贤, 余滔, 曾刚, 等, 2019. 夏季大西洋Niño基本特征及其与中国夏季降水异常的联系[J]. 大气科学学报, 42(6): 835-844. Li Z X, Yu T, Zeng G, et al., 2019. Basic characteristics of summer Atlantic Niño and its association with summer rainfall anomaly in China[J]. Trans Atmos Sci, 42(6): 835-844. DOI: 10. 13878/j. cnki. dqkxxb. 20171229001. (in Chinese).
Morioka Y, Tozuka T, Yamagata T, 2011. On the growth and decay of the subtropical dipole mode in the South Atlantic[J]. J Climate, 24(21): 5538-5554. DOI: 10. 1175/2011jcli4010. 1.
Morioka Y, Masson S, Terray P, et al., 2014. Role of tropical SST variability on the formation of subtropical dipoles[J]. J Climate, 27(12): 4486-4507. DOI: 10. 1175/jcli-d-13-00506. 1.
Nnamchi H C, Kucharski F, Keenlyside N S, et al., 2017. Analogous seasonal evolution of the South Atlantic SST dipole indices[J]. Atmos Sci Lett, 18(10): 396-402. DOI: 10. 1002/asl. 781.
Penland C, Matrosova L, 2006. Studies of El Niño and interdecadal variability in tropical sea surface temperatures using a nonnormal filter[J]. J Climate, 19(22): 5796-5815. DOI: 10. 1175/jcli3951. 1.
Penland C, Matrosova L, 2008. A Southern Hemisphere footprint in American Midwest precipitation[J]. Geophys Res Lett, 35(9): L09703. DOI: 10. 1029/2008gl033612.
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]. J Geophys Res: Atmos, 108(D14): 4407. DOI: 10. 1029/2002JD002670.
Reboita M S, Ambrizzi T, Crespo N M, et al., 2021. Impacts of teleconnection patterns on South America climate[J]. Ann N Y Acad Sci, 1504(1): 116-153. DOI: 10. 1111/nyas. 14592.
任福民, 袁媛, 孙丞虎, 等, 2012. 近30年ENSO研究进展回顾[J]. 气象科技进展, 2(3): 17-24. Ren F M, Yuan Y, Sun C H, et al., 2012. Review of progress of ENSO studies in the past three decades[J]. Adv Meteor Sci Technol, 2(3): 17-24. DOI: 10. 3969/j. issn. 2095-1973. 2012. 03. 002. (in Chinese).
Rodrigues R R, Campos E J D, Haarsma R, 2015. The impact of ENSO on the South Atlantic Subtropical Dipole mode[J]. J Climate, 28(7): 2691-2705. DOI: 10. 1175/jcli-d-14-00483. 1.
申都涵, 林霄沛, 2020. 南大西洋副热带偶极子的年际变化[J]. 中国海洋大学学报(自然科学版), 50(1): 1-10. Shen D H, Lin X P, 2020. The interannual variability of the South Atlantic Subtropical Dipole[J]. Period Ocean Univ China, 50(1): 1-10. DOI: 10. 16441/j. cnki. hdxb. 20180393. (in Chinese).
Sterl A, Hazeleger W, 2003. Coupled variability and air-sea interaction in the South Atlantic Ocean[J]. Climate Dyn, 21(7): 559-571. DOI: 10. 1007/s00382-003-0348-y.
Suzuki R, Behera S K, Iizuka S, et al., 2004. Indian Ocean Subtropical Dipole simulated using a coupled general circulation model[J]. J Geophys Res: Oceans, 109(C9): C09001. DOI: 10. 1029/2003JC001974.
Venegas S A, Mysak L A, Straub D N, 1996. Evidence for interannual and interdecadal climate variability in the South Atlantic[J]. Geophys Res Lett, 23(19): 2673-2676. DOI: 10. 1029/96GL02373.
Venegas S A, Mysak L A, Straub D N, 1997. Atmosphere-ocean coupled variability in the South Atlantic[J]. J Climate, 10(11): 2904-2920. DOI: 10. 1175/1520-0442(1997)010＜2904: aocvit＞2. 0. co;2.
Wang F, 2010. Subtropical dipole mode in the Southern Hemisphere: a global view[J]. Geophys Res Lett, 37(10): L10702. DOI: 10. 1029/2010GL042750.
王黎娟, 陈爽, 张海燕, 2018. 南印度洋偶极子的变化特征及其与ENSO事件的联系[J]. 大气科学学报, 41(3): 344-354. Wang L J, Chen S, Zhang H Y, 2018. Characteristics of Southern Indian Ocean Dipole variation and its relationship with ENSO events[J]. Trans Atmos Sci, 41(3): 344-354. DOI: 10. 13878/j. cnki. dqkxxb. 20170221003. (in Chinese).
夏冬冬, 施能, 陈绿文, 2003. 1948—2000年ENSO事件与全球陆地年降水量的关系[J]. 南京气象学院学报, 26(3): 333-340. Xia D D, Shi N, Chen L W, 2003. Relation between ENSO and global land precipitation in 1948—2000[J]. J Nanjing Inst Meteor, 26(3): 333-340. DOI: 10. 13878/j. cnki. dqkxxb. 2003. 03. 006. (in Chinese).
Yu L, Zhong S, Vihma T, et al., 2023. A change in the relationship between ENSO and the South Atlantic Subtropical Dipole in the past four decades[J]. EGUsphere, 2023: 1-30. DOI: 10. 5194/egusphere-2023-2436.
于怡秋, 李忠贤, 杨宝钢, 等, 2022. 夏季北大西洋三极型海温异常与中国西南地区气温年际变化的联系[J]. 大气科学学报, 45(5): 745-754. Yu Y Q, Li Z X, Yang B G, et al., 2022. Relationship between North Atlantic SSTA tripole and interannual temperature variation in Southwest China in summer[J]. Trans Atmos Sci, 45(5): 745-754. DOI: 10. 13878/j. cnki. dqkxxb. 20200508001. (in Chinese).
张礼平, 张乐飞, 曾凡平, 2012. ENSO与中国东部夏季降水的关联[J]. 热带气象学报, 28(2): 177-186. Zhang L P, Zhang L F, Zeng F P, 2012. The relationships between ENSO and JJA rainfall over the east of China[J]. J Trop Meteor, 28(2): 177-186. DOI: 10. 3969/j. issn. 1004-4965. 2012. 02. 004. (in Chinese).

地址：江苏南京宁六路219号南京信息工程大学    邮编：210044

联系电话：025-58731158    E-mail：xbbjb@nuist.edu.cn    

大气科学学报 ® 2026 版权所有  技术支持：北京勤云科技发展有限公司