平流层温度异常对夏季北极气旋发展与维持的影响分析
doi: 10.13878/j.cnki.dqkxxb.20240903003
白亚雯1 ， 卢楚翰2 ， 粟云鹏2 ， 孔阳2 ， 陶玮3 ， 丁留贯2
1. 南京信息工程大学 气候系统预测与变化应对全国重点实验室/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
2. 无锡学院 中国气象局生态系统碳源汇重点开放实验室,江苏 无锡 214063
3. 安徽省气象台,安徽 合肥 230031
基金项目: 江苏省重点研发计划产业前瞻与关键核心技术项目(BE2022161) ； 无锡市“太湖之光”科技攻关(基础研究)项目(K20231023) ； 江苏省高校“青蓝工程”资助项目 ； 无锡学院引进人才科研启动专项（2023r037）
Analysis of the impact of stratospheric temperature anomalies on the development and maintenance of summer Arctic cyclones
BAI Yawen1 ， LU Chuhan2 ， SU Yunpeng2 ， KONG Yang2 ， TAO Wei3 ， DING Liuguan2
1. State Key Laboratory of Climate System Prediction and Risk Management (CPRM)/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
2. Key Laboratory of Ecosystem Carbon Source and Sink,China Meteorological Administration (ECSS-CMA),Wuxi University,Wuxi 214063 ,China
3. Anhui Meteorological Observatory,Hefei 230031 ,China
摘要
北极气旋是影响北极的重要天气系统,与温带气旋不同,一些气旋发展与维持过程受到对流层顶极涡(tropopause polar vortex,TPV)作用,其增强、维持以及垂直结构存在明显差异。本文选取不同气旋过程,利用数值天气预报(weather research and forecasting,WRF)模式数值模拟方法,设计模拟试验，分析平流层热力异常对夏季不同类别北极气旋及对应降水的影响。通过分析研究发现,与TPV联系紧密的气旋个例,其发展和维持受平流层高位涡(potential vorticity,PV)向下侵入到对流层的影响,具有明显的准正压以及上暖下冷结构的特征。敏感性试验中,减弱对流层上部及以上水平热力差异后,对流层顶的折叠特征明显减弱,与之对应气旋中心区域的平流层下侵位涡以及绝对涡度明显减弱,导致气旋中心强度及对应降水均发生显著的降低。与之相反,在另一个与TPV活动无关的北极气旋过程中,其形成发展主要受到斜压不稳定的作用,平流层的水平热力差异对气旋强度、降水量均未表现出显著的变化特征。
Abstract

In recent decades,with global warming,the Arctic region has exhibited a particularly significant warming trend.As a critical component of the high-latitude climate system,Arctic cyclones are closely linked to various weather phenomena in the Arctic,such as extreme winds and heavy precipitation events.Different from extratropical cyclones in midlatitude,the development and maintenance of some Arctic cyclones are influenced by the tropopause polar vortex (TPV).And the strengthening,maintenance,and vertical structure of these cyclones show significant differences due to effects of the TPV.The climate system in the Arctic region is complex and diverse.Therefore,to further explore the influence mechanism of Arctic cyclones while considering their unique physical mechanism,we aim to study the impact of stratospheric temperature anomalies on the development and maintenance of Arctic cyclones in summer.

At three characteristic phases of cyclone lifecycle-initial formation,peak intensity,and maximum intensification rate-the distances between cyclone centers and TPV centers were systematically calculated.If the distance is less than 1000 km,it is considered that there is a connection between the cyclone and TPV,and it is a TPV cyclone.Conversely,it is determined to be a cyclone unrelated to TPV,that is,a non-TPV cyclone.Two representative intense cyclone cases were selected from the top 100 cyclones in the northern marginal of Eurasia region (NMER):one exhibiting strong dynamical coupling with the TPV and the other unrelated to TPV.Through the weather research and forecasting (WRF) numerical model,control and sensitivity experiments were designed and executed to conduct a comparative investigation into how stratospheric temperature anomalies modulate cyclones of contrasting structural types and their regionally correlated precipitation responses.

The analysis reveals that cyclone cases closely associated with the TPV are influenced by the downward intrusion of high potential vorticity from the stratosphere into the troposphere,exhibiting a distinct quasi-barotropic structure with a warm-over-cold pattern.In the sensitivity experiments,after reducing the horizontal thermal differences in the upper troposphere and above,the folding characteristics of the tropopause are significantly weakened.Correspondingly,the stratospheric potential vorticity intrusion and absolute vorticity around the cyclone center are notably reduced,leading to a significant decrease in both the intensity of the cyclone center and the associated precipitation.In contrast,for another Arctic cyclone process unrelated to TPV activity,the formation and development are primarily driven by baroclinic instability.The horizontal thermal differences in the stratosphere would not show significant changes in the cyclone intensity or precipitation.The study primarily investigates the impacts of stratospheric temperature anomalies on Arctic cyclones,while there are relatively few discussions on other important factors that may affect Arctic cyclone activities and precipitation,such as ocean circulation,the feedback mechanism of the interaction between sea ice changes and the atmosphere.Future research requires expansion of cyclone case samples to enable more comprehensive investigations.Meanwhile,in order to refine the impact on precipitation more precisely,in the subsequent further study of the precipitation accompanying different types of Arctic cyclones,a higher resolution can be selected for WRF simulation to compare and analyze the possible precipitation differences caused by the resolution.

近些年，北极地区的海冰深受全球变暖的影响，海冰的消融使得人类活动的范围和北极海上航线的开发利用潜力进一步扩大（Stephenson et al.，2013; Theocharis et al.，2018; 王会军等，2025），因此有必要研究北极复杂天气系统下所产生的强风、强降水等，以提升航行安全（Jung et al.，2016; De Silva and Yamaguchi，2019）。气旋作为北极地区常见的天气系统，对北极地表能量水汽收支以及北极天气（大气环流、温度、降水等）均会产生重要的影响（Sorteberg and Walsh，2008; Simmonds and Keay，2009; Zhang et al.，2013; Vihma et al.，2016）。
此外，北极气旋还是影响海冰分布的主要天气系统，其可以通过改变海表与大气之间的感热通量和潜热通量交换来影响海冰的覆盖范围（Murray and Simmonds，1995）。海冰的变化也受海平面气压（Deser and Teng，2013）、海表风场（Ogi et al.，2010）、云量（Liu et al.，2007）等受气旋活动作用明显的气象要素变化的显著影响。气旋引起的表面风场有利于海冰的辐散（Thorndike and Colony，1982），且海冰辐散通过降低夏季表面反照率（Lei et al.，2020）以及增加海冰的脆弱性（Kriegsmann and Brümmer，2014），促使更多海冰融化。另一方面，北极地区海冰变化同样对气旋活动变化产生重要影响。Maslanik et al.（1996）揭示了夏季海冰面积减少与北极气旋频率增加之间关系的重要性。海冰退缩，水汽含量、区域大气斜压性增加并伴随着大气垂直稳定度变化，也为气旋生成提供了有利条件（Koyama et al.，2017）。Simmonds and Keay（2009）研究发现，9月北极海冰面积与北极地区以及北极东部区域气旋深度和半径存在显著的负相关联系。Vavrus et al.（2012）通过数值模拟也指出北极地区海冰范围、温度、云盖、降水的演变情况有利于气旋活动的维持和发展。
研究表明，斜压不稳定是热带外气旋维持与发展的重要机制（Hirschberg and Fritsch，1991; Rossa et al.，2000; Wang and Rogers，2001; Schemm and Wernli，2014），其运动和发展受到动力和非绝热加热的调控。对于北极气旋特别是从中纬度进入的气旋可能表现出类似于中纬度斜压性的特征，Crawford and Serreze（2016）指出北极锋区的斜压性，即海陆温度梯度能够影响大气环流系统，导致夏季北极气旋的加深。从北极气旋活动分布看，北边缘带（60°~70°N）和北冰洋（70°~90°N）两个区域的气旋活动对整个北极地区气候系统具有重要影响（Zhang et al.，2004）。Kong et al.（2024）分析也发现夏季强北极气旋的活跃区域大致集中在欧亚大陆北边缘区和北冰洋中央区。海陆边缘区气旋活跃与北极锋区的强大气斜压性有着密切联系。然而，对于北极中央区，其下垫面主要为深厚的海冰区域，大气斜压性偏弱，但也同样容易出现一些生命周期维持较长的强气旋，其发展与维持机制则存在明显差异。近期研究表明，这些高纬度北极强气旋的发展与平流层高位涡（potential vorticity，PV）异常信号下传有着密切联系。例如，2012年8月北极强气旋过程（Simmonds and Rudeva，2012）显示了气旋过程与平流层位涡PV的向下侵入联系紧密。Tanaka et al.（2012）通过个例分析，指出长生命周期的夏季北极地面气旋与其上部的北极极涡共同构成了深厚的正压涡旋系统，并发现该系统在平流层下部具有暖心结构，而在对流层则为冷心结构。Yamagami et al.（2017）分析2016年夏季一次强北极气旋事件，发现在其发展维持阶段，平流层下层存在一种持续性的暖心结构，其可以通过调整大气静力稳定度的垂直梯度，从而调整位涡PV异常下传的效率，进而使得该气旋的衰减过程相较于气旋平均生命期延长约30%。Aizawa et al.（2014）指出北极气旋“上暖下冷”的热力结构本质上来源于对流层顶动力过程发生了剧烈的调整，使得平流层高PV下侵引起对流层顶出现折叠现象，造成明显的位涡梯度的突然变化，进而通过位涡反演机制来调控气旋系统的结构演变。此外，相当一部分的北极强气旋事件的发生还容易与北极对流层顶的中尺度极地涡旋（tropopause polar vortex，TPV）产生耦合联系，后者对北极气旋以及地面天气系统会产生影响（Cavallo and Hakim，2009，2010; Kong et al.，2024）。
由于不同北极气旋的发展以及结构存在明显差异，需要进一步明晰北极气旋与平流层热力异常以及可能伴随的TPV活动对地面北极气旋的活动作用。本文将通过对比与TPV有无联系的两次强北极气旋过程，利用数值模拟试验的方法，分析平流层热力异常在夏季不同类别强北极气旋演变过程中的作用。
1 资料与方法
1.1 WRF数值模式模拟
选用数值天气预报（weather research and forecasting，WRF）模式4.4系统对气旋过程进行模拟，分别进行控制试验（CTL试验）和去除对流层中上部及以上（400 hPa以上）水平热力异常的敏感性试验（T400试验）。CTL试验用来验证模式对气旋过程的模拟情况。由于TPV出现时，往往伴随着对流层上部以及平流层下部明显的暖中心结构（Vessey et al.，2022），敏感性试验则用来模拟减弱对流层中上部水平热力异常或者TPV影响时对气旋生成发展及对应降水的影响。
为此，在欧亚大陆北边缘区域前100个强气旋中挑选了两个典型气旋个例，选取这两个气旋过程的具体依据如下:这两个气旋过程发生在同一年份即2021年，且均属于强气旋; 然而，这两个气旋与对流层顶极涡TPV的联系存在较大区别，一个与TPV联系密切（TPV气旋），一个与TPV无关（非TPV气旋）。TPV气旋在其初始时刻、最大增长率时刻和最强时刻气旋中心与对流层顶的低位温有很好的对应，而非TPV气旋几乎没有体现出这一特征。因此，为了进一步探究平流层温度异常对夏季北极气旋发展的影响，选择了如下两个气旋过程，其中一个是2021年6月的气旋过程（模拟时间段为2021年6月5日00时至10日12时，世界时，下同），它出现时上空伴随着TPV; 而另外一个为2021年8月（模拟时段为2021年8月12日06时至18日06时）气旋过程，其上空无TPV伴随。
WRF模式配置的水平分辨率为20 km，垂直方向从地面到10 hPa共设置了49层。数值试验强迫数据来自ERA5再分析资料，时间间隔为6 h，空间分辨率为0.25°×0.25°，T400试验主要改变400~10 hPa的温度场，以模拟时段的区域平均温度来代替原来的温度，减弱平流层上层的水平温度分布异常（TPV异常）。基于前人的研究（Liu et al.，2014; Tao et al.，2017b），选择出合适的物理参数化方案来模拟气旋过程，具体如表1所示。此外，为了避免温度场改变引起高层气温的不连续性，在500~400 hPa间进行了平滑处理，使高层的均一温度场通过泊松拟合向下逼近至实际温度场。
表1WRF模式物理参数化方案
Table1WRF mode physical parameterization scheme
1.2 相关诊断量
位涡是“位势涡度”的简称，是由Ertel提出的广义Ertel位涡。在绝热无摩擦情况下广义位涡守恒，即为“位涡理论”。同时，在静力平衡条件下，位涡可简化为绝对涡度和静稳定度的乘积，即位涡公式（Holton，2004）。位涡与绝对涡度和位温梯度成比例，而位温梯度又与纬度和高度相关，因此位涡的分布呈现由低纬向高纬、由低层向高层增大的特征。绝对涡度是描述大气旋转特征（旋转方向和旋转强度）的物理量，其结合了相对涡度和地球自转效应，在气旋活动和大气运动中扮演重要角色。位温是气块在干绝热条件下从现有气压状态抬升到1 000 hPa时的温度，位温的守恒特性可以帮助研究大气垂直结构以及热力学过程，是研究锋区和气旋强度的一个重要参数。斜压不稳定性对气旋的发生发展起关键作用，对流层低层斜压不稳定通常被认为是气旋形成和增强的物理机制，一般使用最大Eady增长率（Eady growth rate，EGR）来描述大气斜压不稳定（Serreze and Barrett，2008），Hoskins and Valdes（1990）给出了对应的计算方程。
2 气旋个例的数值模拟试验
2.1 TPV气旋和非TPV气旋个例
为对比不同类别气旋的结构以及演变差异，首先基于ERA5再分析资料给出了上述2021年6月和8月两个个例在强度最强时刻，即中心海平面气压（sea level pressure，SLP）最低的位势高度以及温度场水平分布特征（图1）。可以看出，6月个例在最强时刻中心海平面气压达975.5 hPa，中心位于北地群岛的东北侧北极中央区，同时伴随着500 hPa和300 hPa对应高空的闭合低压涡旋，表现为明显的准正压结构。其中，300 hPa的闭合涡旋中心附近伴随着明显的暖中心结构，这与平流层下部高位涡下沉运动以及对应的绝热加热过程有关（Cavallo and Hakim，2010），具有明显的TPV特征（以下简称为TPV气旋个例）。与TPV气旋形成鲜明对比，8月气旋过程在500 hPa和300 hPa位势高度场对应位置均表现为一深厚的槽，没有明显的闭合涡旋系统或TPV特征，结合地面温度分布可看出其具有锋面以及斜压结构，以下简称为非TPV气旋个例。
利用ERA5资料给出两个气旋过程在最强时刻的轮廓特征（图2a、e），其中TPV气旋的水平尺度相较于非TPV气旋的略大，同时为了直观地展现两个个例模拟的水平范围，在CTL试验和T400试验模拟的气旋路径图上叠加了最强时刻的海平面气压，以此表征模拟区域。对比CTL试验模拟和ERA5再分析资料可看出，两个气旋过程对应的移动路径、中心海平面气压和气旋外围轮廓范围均较为接近（图2），CTL试验模拟对应的高低空位势高度以及位温也能清晰地看出与图1相一致的气旋分布以及高空有无TPV配合特征（图略），表明CTL模拟试验可以很好地模拟这两次强气旋过程。其中TPV气旋个例中，气旋于5日00时生成于拉普捷夫海附近，随后向东北方向移动，后又转向西北方向，于7日12时达到最强阶段，最终于10日12时在斯瓦尔巴群岛附近消退，持续时间为5.5 d（图2a、b）。而非TPV气旋个例中，该气旋过程对应的路径相对复杂，并且气旋强度整体相对于TPV气旋个例偏弱（图2e、f）。此次气旋在中纬度生成，一直向北延伸至欧亚大陆北边缘区域，生命周期为6 d。
为分析TPV以及平流层水平热力异常对气旋的作用，将T400试验得出的气旋过程与CTL试验进行对比，TPV气旋过程的移动路径出现了一定的变化（图2c），在海陆边缘移动路径有一定的转折，对应气旋强度发生显著的减小，与CTL试验对比，气旋中心最强前24 h至后24 h的平均中心气压上升2.43 hPa; 而非TPV气旋的移动路径整体未发生显著的变化（图2g），在13—15日时间段即气旋发展期，气旋强度有一定程度的减弱，但程度不如6月的TPV气旋过程，与CTL试验对比，气旋中心最强前24 h至后24 h的平均中心气压上升0.48 hPa。
图1两个气旋过程分别在对应最强时刻2021年6月7日06时（a—c）和8月15日06时（d—f）的环流形势图（d中红色框为8月气旋过程对应的位置）:（a、d）海平面气压（等值线，单位:hPa）及2 m气温（填色，单位:K）;（b、e）500 hPa位势高度场（等值线，单位:gpm）及气温（填色，单位:K）;（c、f）300 hPa位势高度场（等值线，单位:gpm）及气温（填色，单位:K）
Fig.1The circulation situation maps for the two cyclone cases at their respective strongest times ( (a—c) 0600 UTC on June 7, 2021 and (d—f) 0600 UTC on August 15, 2021.The red box in (d) indicates the location corresponding to the cyclone process in August) : (a, d) represent SLP (contours, units:hPa) and 2-meter air temperature (shaded, units:K) ; (b, e) represent the geopotential height field at 500 hPa (contours, units:gpm) and air temperature (shaded, units:K) ; (c, f) represent the geopotential height field at 300 hPa (contours, units:gpm) and air temperature (shaded, units:K)
2.2 动力和热力过程
位涡PV要素综合反映了大气的运动状态和热力状态，且基于其在干绝热条件下的守恒特性，其垂直分布随时间的演变特征可以反映平流层上层涡旋的演变情况。为直观展示TPV向下侵入所产生的环流特征，图3分别展示了CTL试验和T400试验中两个气旋过程对应位涡PV、PV梯度随时间演变的垂直分布特征，并给出300 hPa气旋最强时刻的PV空间分布。结果显示，两个个例在对流层中PV值均较低，从对流层到平流层PV明显增大。
对比两个气旋过程CTL试验模拟的结果，PV的演变存在显著的差别。TPV气旋过程在6日附近显示出高层正PV向下侵入的特征，出现动态对流层顶的突然降低（250 hPa下降到500 hPa附近），表现出对流层顶的折叠现象。平流层高PV渗透到对流层，使得6日之后200~400 hPa气旋中心的PV迅速增大，具体以300 hPa为例，PV值从1 PVU（1 PVU=10-6 m2·K·s-1·kg-1）增大到8 PVU。高PV向下侵入的这一特征在2010年9月、2012年8月、2016年8月等北极极端强气旋过程中均有表现（Tao et al.，2017a，b; Qian et al.，2023）。此外在6日18时，400 hPa高度层附近存在PV梯度极大值区（约1.5 PVU/（6 h）），表明PV随时间出现剧烈的变化，对应该气旋进入显著增强阶段，并在18 h后强度达到最强，这一过程也与高层PV下侵相关。并且在气旋衰减阶段PV梯度大致为0，表明后期PV随时间未出现明显的变化。同时分析300 hPa气旋最强时刻的PV空间分布特征（图3e），气旋中心周围伴随明显的高PV值，约为9.5 PVU。
图2TPV气旋（a—d）和非TPV气旋（e—h）过程的移动路径（a—c、e—g）和气旋中心海平面气压时间序列（d、h; 单位:hPa）:（a、e）ERA5再分析资料（红色廓线为最强时刻气旋外围轮廓）;（b、f）CTL试验（填色图对应CTL试验中气旋最强时刻的海平面气压）;（c、g）T400试验（填色图对应T400试验中气旋最强时刻的海平面气压）
Fig.2（a—c, e—g) The cyclone paths and (d, h) time series of the minimum sea-level pressure (units:hPa) for (a—d) TPV cyclone and (e—h) non-TPV cyclone: (a, e) are based on ERA5 reanalysis data, with red contours indicating the outer boundary of the cyclone at its strongest moment; (b, f) are from the CTL experiment, where the color shading represents the sea level pressure field at the strongest moment of the cyclone in CTL experiment; (c, g) are from the T400 experiment, with the color shading corresponding to the SLP field at the strongest moment of the cyclone in T400 experiment
而非TPV气旋过程在13日12时表现出高PV由低层向高层上移的特征，该时刻150~300 hPa的位置PV值相对较低，在其他时刻PV随时间的演变特征不明显，动态对流层顶位于200~300 hPa，在气旋最强时刻前24 h内也未出现PV梯度极大值。提取300 hPa气旋最强时刻的PV空间分布，非TPV气旋中心周围的PV值小于1.5 PVU，未表现出高PV的特征。
分析T400敏感性试验的变化特征，TPV气旋个例在改变平流层上层的温度后表现出平流层高PV下侵的趋势明显减弱。其中，T400试验中PV下侵的位置为300 hPa附近，明显高于CTL试验中下侵的位置，并且200~400 hPa水平气压层上PV显著减小，同时位涡PV下侵时间也提前到5日12时。最强时刻前24 h的PV梯度由正值转为负值，提取300 hPa高度层的PV空间分布，气旋中心周围的PV也显著减小至5 PVU附近。非TPV气旋过程中PV仍在13日12时高PV向高层移动的位置有所降低，位于200~300 hPa水平高度，其余时刻未表现出明显的差别，并且高层PV、PV梯度均表现出对平流层温度异常响应不敏感的特征。
由静力平衡下的位涡表达式可知，绝对涡度和位温垂直梯度对位涡的变化起决定作用（陶祖钰和郑永光，2012）。绝对涡度考虑了地球的旋转作用，通过绝对涡度的演变来反映平流层涡旋变化的动力特性，进而了解地面气旋强度的变化。图4显示了气旋中心200 km区域平均绝对涡度随时间的演变特征。TPV气旋过程在5—6日对流层中高层表现出绝对涡度相对低值区（＜1×10-4 s-1），而在6日之后平流层高PV向下侵入到对流层，300 hPa以下绝对涡度迅速增大，其中最大绝对涡度分布在7日12时附近，数值超过2.8×10-4 s-1，这也与气旋发展至最强阶段大致对应，表明上层TPV异常信号下传对于气旋增强及其维持具有重要作用。
分析T400敏感性试验的特征，对应图3b中PV下侵时间绝对涡度仍表现出迅速地增大，对流层低层仍在气旋最强时刻存在绝对涡度大值，但整体绝对涡度大值持续时间及维持高度均有所减小，说明气旋强度有所减小。进一步选取气旋最强时刻300 hPa绝对涡度的空间分布进行分析，CTL试验模拟的气旋中心位置周围包围着一团深厚的高绝对涡度，存在明显的气旋外围轮廓特征; 同时T400试验对应的分布图中气旋中心周围的绝对涡度明显减弱分散，也说明了气旋强度有所减弱。
图3TPV气旋（a、b）和非TPV气旋（c、d）过程位涡（填色，单位:PVU）、位涡梯度（灰色等值线，单位:PVU/（6 h））随时间-高度的分布（其中位涡数值来自气旋中心周围200 km范围的区域平均，黑色线条是PV为1.5 PVU的位置，虚线代表气旋最强时刻）; TPV气旋（e、f）和非TPV气旋（g、h）300 hPa最强时刻的位涡空间分布（单位:PVU; 黑色圆点代表该时刻气旋中心点位置）。其中（a、c、e、g）来自CTL试验模拟结果，（b、d、f、h）来自T400试验模拟结果; TPV气旋CTL试验模拟的最强时刻为2021年6月7日12时，而T400试验的是2021年6月7日06时; 非TPV气旋CTL试验和T400试验模拟得到的最强时刻均为2021年8月15日06时，下同）
Fig.3The time-height distribution of potential vorticity (shaded, units:PVU) and potential vorticity gradient (gray contours, units:PVU/ (6 h) ) for (a, b) TPV cyclone and (c, d) non-TPV cyclone.The potential vorticity values are area-averaged over a200 km radius around the cyclone center, with black lines indicating the position of PV=1.5 PVU.The dashed lines represent the strongest moment of cyclone.Additionally, the spatial distribution maps of PV at 300 hPa for the strongest moments of (e, f) TPV cyclone and (g, h) non-TPV cyclone are extracted, with black dots indicating the cyclone center positions at those times.Among these, (a, c, e, g) are from the CTL experiment simulation results, while (b, d, f, h) are from the T400 experiment simulation results.The strongest moment of the TPV cyclone in the CTL experiment simulation occurred at 1200 UTC on June 7, 2021, while in the T400 experiment simulation, it occurred at 0600 UTC on June 7, 2021.For the non-TPV cyclone, the strongest moment in both the CTL and T400 experiment simulations occurred at 0600 UTC on August 15, 2021, and the time in the subsequent figures are consistent
在非TPV气旋过程的CTL试验模拟结果中，对应PV上移位置表现出绝对涡度的相对低值，在气旋生命期的其他时间里，200 hPa以下对流层均存在绝对涡度相对大值，其中最大绝对涡度位于13日300 hPa附近，说明该气旋过程较为深厚; 而对比T400试验的模拟结果，13日00时最大绝对涡度表现出减弱的特征，06时上移位置的绝对涡度略有增大，同时在15日附近对流层低层出现绝对涡度相对大值，这一特征也与图2c中显示的15日之后T400试验中的SLP低于CTL试验相对应。同时在CTL试验和T400试验的模拟结果中，300 hPa高度层气旋中心周围的绝对涡度呈现出不均匀的分布特征，涡度值相对分散，未形成明显的高值集中区，也未表现出显著的变化特征。
图4TPV气旋（a、b）和非TPV气旋（c、d）的绝对涡度（单位:10-5 s-1）随时间-高度的分布（其中绝对涡度数值来自气旋中心周围200 km半径范围的区域平均）; TPV气旋（e、f）和非TPV气旋（g、h）300 hPa最强时刻的绝对涡度空间分布（单位:10-5 s-1; 黑色圆点代表该时刻气旋中心点位置）。其中（a、c、e、g）来自CTL试验模拟结果，（b、d、f、h）来自T400试验模拟结果
Fig.4The time-height distribution of absolute vorticity (units:10-5 s-1) for (a, b) TPV cyclone and (c, d) non-TPV cyclone, where the absolute vorticity values are the area average within a 200 km radius around the cyclone center.Additionally, the spatial distribution maps of absolute vorticity at 300 hPa for the strongest moments of (e, f) TPV cyclone and (g, h) non-TPV cyclone are extracted, with black dots indicating the cyclone center positions at those times.Among these, (a, c, e, g) are from the CTL experiment simulation results, while (b, d, f, h) are from the T400 experiment simulation results
伴随着平流层异常PV侵入到对流层，气旋中心位温相较于周围也表现出显著的差别。图5分析了气旋中心相对于气旋500 km半径位置的位温异常时间演变。与TPV相关的2021年6月气旋过程中，在TPV侵入对流层前后，气旋中心的位温表现出明显的差别。在6日之前300 hPa以上高层气旋中心为冷异常，300 hPa以下表现为暖异常; 而在TPV向下侵入后对流层上层出现深厚的暖异常，同时对流层下层出现冷异常。在气旋发展至最强时刻，300 hPa高度层的位温场显示出气旋中心为深厚暖心结构的特征，与周围区域的位温存在显著差异，表明该气旋的暖心特征在高空得到了清晰的呈现。
图5TPV气旋（a、b）和非TPV气旋（c、d）的位温异常（单位:K）随时间-高度的分布（其中位温异常值来自气旋中心对应的位温与气旋中心500 km半径位置上对应位温的差值）；TPV气旋（e、f）和非TPV气旋（g、h）300 hPa最强时刻的位温空间分布（单位:K; 黑色圆点代表该时刻气旋中心点位置）。（a、c、e、g）来自CTL试验模拟结果，（b、d、f、h）来自T400试验模拟结果
Fig.5The time-height distribution of potential temperature anomalies (units:K) for (a, b) TPV cyclone and (c, d) non-TPV cyclone, where the potential temperature anomalies are derived from the difference between the potential temperature corresponding to the center of the cyclone and the corresponding potential temperature at a 500 km radius of the center of the cyclone.Additionally, the spatial distribution maps of potential temperature (units:K) at 300 hPa for the strongest moments of (e, f) TPV cyclone and (g, h) non-TPV cyclone are extracted, with black dots indicating the cyclone center positions at those times.Among these, (a, c, e, g) are from the CTL experiment simulation results, while (b, d, f, h) are from the T400 experiment simulation results
结合图4中对流层中低层绝对涡度增加的特征可知，气旋中心区将伴随着明显的辐合上升以及绝热冷却作用，从而形成上冷下热的垂直结构，而由压高公式可知，对流层中下层气温降低有利于等高面下降以及气旋增强。此外，由于强盛期对流层下部呈冷核结构，边界层下部的摩擦Ekman抽吸作用尽管减弱了低层涡度和风速，但通过上升冷却作用增强了边界层以上的冷核异常特征，从而促使该类气旋在强盛期之后能持续维持更长生命（Croad et al.，2023）。平流层下层-对流层上层暖核、对流层下层冷异常的温度耦合结构是较长生命期北极气旋发展的动力机制（Tao et al.，2017a，b; Yamagami et al.，2017，2018）。
在非TPV气旋个例中，13日12时PV上移位置表现出300 hPa以上为冷异常，下层为暖异常的结构，而在其余时间段气旋中心的位温异常呈现出上层暖异常（300 hPa以上）、中层冷异常（300~600 hPa）、下层暖异常（600~925 hPa）的结构特征，该结构对应典型的中纬度气旋特征。上层暖异常可能与高空槽前辐散和高空急流相联系，同时中层冷异常与低层暖异常之间的垂直温度梯度会导致斜压不稳定的形成，同时有利于冷暖锋的形成（Hoskins and Valdes，1990; Holton，2004）。同时气旋最强时刻300 hPa的位温分布较为分散，整体未表现出明显的热结构集中的特征。
分析T400试验的模拟结果，TPV气旋在改变平流层上层温度后气旋中心对应的位温仍在高层PV下侵前后在高低层表现出明显的差异，但平流层上层暖心异常发生明显的减弱。且300 hPa气旋中心的高位温结构被破坏，气旋周围的位温升高，表明气旋中心的暖核特征减弱。而非TPV气旋的上层和下层暖心结构未表现出明显的变化，但中层的冷心结构在15日之前有一定程度的减弱，15日之后中层温度梯度有所增大，这与图2h所示的15日之后SLP有所减小相对应。
图6展示了气旋中心200 km半径范围内EGR区域平均值的演变特征。在CTL试验模拟的结果中，TPV气旋过程在6月5—6日200 hPa以下存在斜压不稳定相对大值区，其中大值EGR位于850 hPa以下对流层低层（＞3×10-5 s-1），这是由于北边缘区北冰洋沿岸与边缘冰区之间存在较强的经向温度梯度，强烈的经向温度梯度会增加空气的不稳定性，从而促进斜压不稳定的形成（Day and Hodges，2018; Kong et al.，2024）。8日之后高低层（除地表外）EGR均迅速减小至0.4×10-5 s-1以下，气旋表现出明显的正压结构并一直持续至气旋衰减，这与TPV中心和地面气旋中心上下完全耦合有关。在T400试验的模拟结果中，6日之前对流层低层斜压不稳定大值区基本无变化。分析表明，近地面和对流层低层斜压不稳定对7日之前该气旋的形成和发展起作用，但并未显示出对气旋后续的维持机制。
在非TPV气旋过程中，300 hPa以下均存在斜压不稳定相对大值区，其中高斜压不稳定集中在300~500 hPa对流层中高层（除地表外），并且其在气旋整个生命周期一直持续。同时这一特征与图5c气旋中心位温异常所表现的300~500 hPa明显的垂直温度梯度相关联，这与中纬度典型温带气旋发展和移动的动力机制（Holton，2004）有关。分析T400试验的模拟结果，斜压不稳定大值区仍位于300~500 hPa附近，但对应时间有所延后，这与图2h所示的中心SLP最低值延后相对应。
通过上述对比分析可知，本文中夏季两个不同的气旋过程之间存在明显不同的动力和热力学结构特征和机制。与TPV联系紧密的气旋过程，受平流层上层温度异常的影响也会更大，气旋初始阶段受对流层低层斜压不稳定的影响，后续的发展与维持主要靠对流层顶极涡向下侵入的作用，这一气旋发展的物理机制与Tao et al.（2017b）、Zhang et al.（2023）的研究保持一致。而在非TPV气旋过程中，由中纬度温带气旋向极移入欧亚大陆北边缘区域，在对流层中高层气旋中心存在垂直温度梯度，气旋的发展多受大气斜压性增强的影响，该气旋的热动力特征类似于中纬度典型气旋结构（Holton，2004）。
2.3 对区域降水的影响
气旋过程通常伴随着降水的发生（苗春生等，2018），尤其是强气旋活动引发的极端降水事件，往往会给科学考察以及人们的日常生活带来严重的威胁。由于两个不同类型的强气旋过程伴随的热动力特征存在一定的差异，并且平流层上层的温度异常对两个气旋过程的响应程度有所不同，因此有必要对比分析两个气旋过程伴随区域降水的变化特征，以进一步揭示强气旋过程对降水的影响机制。
利用ERA5降水资料和WRF模拟的降水结果，分别分析两个气旋过程对应时间段的累积降水量（图7）。将ERA5累积降水与CTL试验模拟出的降水特征进行对比，两个气旋过程均伴随着明显的降水，尽管ERA5资料得到的降水量高于CTL试验结果，但二者所展示的降水分布区域和降水大值区均比较接近，表明CTL试验能够较好地再现这两次强气旋过程中的降水特征。
图6TPV气旋（a、b）和非TPV气旋（c、d）斜压不稳定性EGR（单位:10-5 s-1）随时间-高度的分布（其中EGR数值来自气旋中心周围200 km半径范围的区域平均）:（a、c）来自CTL试验模拟结果;（b、d）来自T400试验模拟结果
Fig.6The time-height distribution of Eady growth rate (units:10-5 s-1) for (a, b) TPV cyclone and (c, d) non-TPV cyclone, where the EGR values are the area average within a200 km radius around the cyclone center: (a, c) are from the CTL experiment simulation results; (b, d) are from the T400 experiment simulation results
TPV气旋过程选取2021年6月5日00时—10日12时的累积降水，根据CTL试验模拟结果，降水大致沿着气旋路径，大值区位于东西伯利亚海和以北的欧亚大陆边缘，其中最大累积降水量为80.75 mm; 非TPV气旋对应2021年8月12日06时—18日06时的降水累积，整体降水量及覆盖区域明显高于TPV气旋过程，喀拉海、拉普捷夫海、俄罗斯北边缘及欧洲南部地区，累积时段内的最大降水量高达545.52 mm。2021年8月气旋强度虽不及6月气旋过程，但其所伴随的降水明显高于TPV气旋过程，这可能与图5c中气旋中心低层暖异常紧密联系，暖空气带来了降水所需的水汽和热量（Henry，2009）。
进一步对比CTL试验和T400试验的模拟结果，发现对于强TPV气旋过程，降水大值区仍然分布于北冰洋中央区及拉普捷夫海以南的大陆上，但累积降水整体偏小，表明在减弱平流层上层温度信号之后，由于气旋强度的减弱导致过程降水量明显减小; 而在非TPV气旋过程中，CTL试验与T400试验模拟的降水量差异较大，且降水变化整体表现出明显的不确定性，推断该气旋过程对应的降水可能还受其他因素的影响。
为了更形象地说明两个不同类型气旋过程所伴随的降水变化，进一步分析降水持续时间以及降水随时间的强度变化，如图8所示。对比ERA5与CTL试验模拟的降水持续时间的空间分布特征（图8a、b、e、f），二者所展示的持续时间大值区大致相同，但ERA5显示出更长的降水持续时间。分析2021年6月的TPV气旋过程，将T400试验与CTL试验模拟的结果进行对比，二者显示出的大值区位置大致相同，降水持续时间高值均位于新地岛以北的海域，且最大持续时间约为132 h。相比之下，在T400试验模拟结果中，区域降水持续时间缩短40 h以上，表明平流层温度异常对TPV气旋降水具有重要的指示意义。而对于非TPV气旋，其CTL试验和T400试验模拟结果整体上相差不大，仅局部降水时间存在微小差异。
为了体现降水强度的变化特征，分析了两个气旋过程对应模拟区域总降水量随时间的变化特征，两个气旋个例的降水强度变化有明显的差别（图9）。TPV气旋在改变平流层上层温度后气旋所伴随的降水强度在整个过程中均出现明显的减弱; 而非TPV气旋过程的降水强度变化存在较大的不确定性。
图7TPV气旋（a—d）和非TPV气旋（e—h）对应时段累积降水（单位:mm）分布:（a、e）来自ERA5降水资料;（b、f）来自CTL试验模拟结果;（c、g）来自T400试验模拟结果;（d、h）为CTL试验减去T400试验的结果
Fig.7The distribution maps of accumulated precipitation (units:mm) for (a—d) TPV cyclone and (e—h) non-TPV cyclone during the corresponding periods: (a, e) are from ERA5 precipitation data; (b, f) are from the CTL experiment simulation results; (c, g) are from the T400 experiment simulation results; (d, h) are the results of CTL experiment minus T400 experiment
通过对不同气旋过程所伴随的降水累积量、降水持续时间和降水强度作整体的分析，形象表现出平流层上层温度异常对TPV气旋与非TPV气旋所伴随区域降水影响的差别。值得注意的是，降水相关的模拟通常需要更高的分辨率水平以及嵌套网格方案设置，水平分辨率过低或许是ERA5降水量和降水持续时间高于WRF试验结果的重要原因之一。然而，尽管由于水平分辨率的选取对降水的模拟可能存在一定的偏差，但WRF模拟得到的降水分布与ERA5仍有着良好的对应。未来，我们还将继续研究不同类型的北极气旋附近其降水的分布及变化情况，将采用更高的分辨率进行WRF模拟，进一步分析分辨率可能导致的降水差异。
3 结论与讨论
北极极端气旋个例的研究显示，气旋结构不仅受到低层斜压不稳定的作用，有时候还受到对流层顶涡旋的影响（Tao et al.，2017a，b; Gray et al.，2021）。基于前期对北极区域气旋性降水的研究，结合全球变暖背景下欧亚大陆北边缘区域的特殊性和重要性（Kong et al.，2024），本文在该区域依据与TPV的联系程度筛选了两个不同的强气旋过程，利用WRF数值模拟试验的方法，通过分析PV等物理变量的演变对比探究平流层温度异常对地面气旋及其降水的影响。得到如下主要结论:
1）在TPV气旋过程中，PV表现出平流层高值向下侵入对流层的特征，伴随的下沉气流产生绝热加热作用，使得气旋中心位温相较于周围表现出“上暖下冷”的特征，高层暖心结构有利于增强对流层顶的稳定性。在改变平流层水平热力差异后，PV下传的特征较弱，气旋强度明显降低。
2）另一方面，非TPV气旋在生成发展阶段主要受大气斜压不稳定的影响，伴随着气旋中心位温表现出平流层暖异常、对流层中高层冷异常、对流层下层暖异常的结构特征，其所表现的物理效应与中纬度温带气旋相似。减弱平流层上层温度异常信号后，气旋强度及一些热动力变量均未表现出明显的变化，同时气旋对应的降水变化也表现出不确定性。
3）对于TPV气旋过程，平流层高PV下传一方面有利于气旋的增强与更长的持续时间，同时还有利于与之相关的区域性降水增多、区域降水持续时间加长以及区域降水强度增强，对高纬度区域的天气气候产生重要影响。
图8TPV气旋（a—d）和非TPV气旋（e—h）对应时段降水持续时间（单位:h）分布:（a、e）来自ERA5降水资料;（b、f）来自CTL试验模拟结果;（c、g）来自T400试验模拟结果;（d、h）为CTL试验减去T400试验的结果
Fig.8The distribution maps of precipitation duration (units:h) corresponding to (a—d) TPV cyclones and (e—h) non-TPV cyclones during the specified periods: (a, e) are from ERA5 precipitation data; (b, f) are from the CTL experiment simulation results; (c, g) are from the T400 experiment simulation results; (d, h) are the results of CTL experiment minus T400 experiment
图9TPV气旋（a）和非TPV气旋（b）在CTL试验（蓝色线条）和T400试验（红色线条）中的模拟区域降水总量随时间变化（单位:mm）
Fig.9A line graph showing the variation of total precipitation (units:mm) over time in the simulation area for (a) TPV cyclones and (b) non-TPV cyclones during the CTL experiment (blue line) and the T400 sensitivity experiment (red line)
在全球变暖的气候大背景下，北极气旋的物理机制及其所伴随的复杂天气变化仍有待进一步研究，其对降水的影响仍然存在不确定性，未来还需要增多气旋个例样本以进行更为全面的研究。北极气旋活动多受近地面斜压不稳定性与大气热动力过程的影响，其中大气热动力过程包括对流层急流和相关波以及平流层涡旋的变化（李惠心等，2021；Zhang et al.，2023），在未来的研究中可以尝试使用耦合模型以更准确地预测北极气旋活动。同时为了更精细化对降水的影响，后续进一步研究不同类型北极气旋所伴随降水的情况中，可以采选更高的分辨率进行WRF模拟，对比分析分辨率可能导致的降水差异。
图1两个气旋过程分别在对应最强时刻2021年6月7日06时（a—c）和8月15日06时（d—f）的环流形势图（d中红色框为8月气旋过程对应的位置）:（a、d）海平面气压（等值线，单位:hPa）及2 m气温（填色，单位:K）;（b、e）500 hPa位势高度场（等值线，单位:gpm）及气温（填色，单位:K）;（c、f）300 hPa位势高度场（等值线，单位:gpm）及气温（填色，单位:K）
Fig.1The circulation situation maps for the two cyclone cases at their respective strongest times ( (a—c) 0600 UTC on June 7, 2021 and (d—f) 0600 UTC on August 15, 2021.The red box in (d) indicates the location corresponding to the cyclone process in August) : (a, d) represent SLP (contours, units:hPa) and 2-meter air temperature (shaded, units:K) ; (b, e) represent the geopotential height field at 500 hPa (contours, units:gpm) and air temperature (shaded, units:K) ; (c, f) represent the geopotential height field at 300 hPa (contours, units:gpm) and air temperature (shaded, units:K)
图2TPV气旋（a—d）和非TPV气旋（e—h）过程的移动路径（a—c、e—g）和气旋中心海平面气压时间序列（d、h; 单位:hPa）:（a、e）ERA5再分析资料（红色廓线为最强时刻气旋外围轮廓）;（b、f）CTL试验（填色图对应CTL试验中气旋最强时刻的海平面气压）;（c、g）T400试验（填色图对应T400试验中气旋最强时刻的海平面气压）
Fig.2（a—c, e—g) The cyclone paths and (d, h) time series of the minimum sea-level pressure (units:hPa) for (a—d) TPV cyclone and (e—h) non-TPV cyclone: (a, e) are based on ERA5 reanalysis data, with red contours indicating the outer boundary of the cyclone at its strongest moment; (b, f) are from the CTL experiment, where the color shading represents the sea level pressure field at the strongest moment of the cyclone in CTL experiment; (c, g) are from the T400 experiment, with the color shading corresponding to the SLP field at the strongest moment of the cyclone in T400 experiment
图3TPV气旋（a、b）和非TPV气旋（c、d）过程位涡（填色，单位:PVU）、位涡梯度（灰色等值线，单位:PVU/（6 h））随时间-高度的分布（其中位涡数值来自气旋中心周围200 km范围的区域平均，黑色线条是PV为1.5 PVU的位置，虚线代表气旋最强时刻）; TPV气旋（e、f）和非TPV气旋（g、h）300 hPa最强时刻的位涡空间分布（单位:PVU; 黑色圆点代表该时刻气旋中心点位置）。其中（a、c、e、g）来自CTL试验模拟结果，（b、d、f、h）来自T400试验模拟结果; TPV气旋CTL试验模拟的最强时刻为2021年6月7日12时，而T400试验的是2021年6月7日06时; 非TPV气旋CTL试验和T400试验模拟得到的最强时刻均为2021年8月15日06时，下同）
Fig.3The time-height distribution of potential vorticity (shaded, units:PVU) and potential vorticity gradient (gray contours, units:PVU/ (6 h) ) for (a, b) TPV cyclone and (c, d) non-TPV cyclone.The potential vorticity values are area-averaged over a200 km radius around the cyclone center, with black lines indicating the position of PV=1.5 PVU.The dashed lines represent the strongest moment of cyclone.Additionally, the spatial distribution maps of PV at 300 hPa for the strongest moments of (e, f) TPV cyclone and (g, h) non-TPV cyclone are extracted, with black dots indicating the cyclone center positions at those times.Among these, (a, c, e, g) are from the CTL experiment simulation results, while (b, d, f, h) are from the T400 experiment simulation results.The strongest moment of the TPV cyclone in the CTL experiment simulation occurred at 1200 UTC on June 7, 2021, while in the T400 experiment simulation, it occurred at 0600 UTC on June 7, 2021.For the non-TPV cyclone, the strongest moment in both the CTL and T400 experiment simulations occurred at 0600 UTC on August 15, 2021, and the time in the subsequent figures are consistent
图4TPV气旋（a、b）和非TPV气旋（c、d）的绝对涡度（单位:10-5 s-1）随时间-高度的分布（其中绝对涡度数值来自气旋中心周围200 km半径范围的区域平均）; TPV气旋（e、f）和非TPV气旋（g、h）300 hPa最强时刻的绝对涡度空间分布（单位:10-5 s-1; 黑色圆点代表该时刻气旋中心点位置）。其中（a、c、e、g）来自CTL试验模拟结果，（b、d、f、h）来自T400试验模拟结果
Fig.4The time-height distribution of absolute vorticity (units:10-5 s-1) for (a, b) TPV cyclone and (c, d) non-TPV cyclone, where the absolute vorticity values are the area average within a 200 km radius around the cyclone center.Additionally, the spatial distribution maps of absolute vorticity at 300 hPa for the strongest moments of (e, f) TPV cyclone and (g, h) non-TPV cyclone are extracted, with black dots indicating the cyclone center positions at those times.Among these, (a, c, e, g) are from the CTL experiment simulation results, while (b, d, f, h) are from the T400 experiment simulation results
图5TPV气旋（a、b）和非TPV气旋（c、d）的位温异常（单位:K）随时间-高度的分布（其中位温异常值来自气旋中心对应的位温与气旋中心500 km半径位置上对应位温的差值）；TPV气旋（e、f）和非TPV气旋（g、h）300 hPa最强时刻的位温空间分布（单位:K; 黑色圆点代表该时刻气旋中心点位置）。（a、c、e、g）来自CTL试验模拟结果，（b、d、f、h）来自T400试验模拟结果
Fig.5The time-height distribution of potential temperature anomalies (units:K) for (a, b) TPV cyclone and (c, d) non-TPV cyclone, where the potential temperature anomalies are derived from the difference between the potential temperature corresponding to the center of the cyclone and the corresponding potential temperature at a 500 km radius of the center of the cyclone.Additionally, the spatial distribution maps of potential temperature (units:K) at 300 hPa for the strongest moments of (e, f) TPV cyclone and (g, h) non-TPV cyclone are extracted, with black dots indicating the cyclone center positions at those times.Among these, (a, c, e, g) are from the CTL experiment simulation results, while (b, d, f, h) are from the T400 experiment simulation results
图6TPV气旋（a、b）和非TPV气旋（c、d）斜压不稳定性EGR（单位:10-5 s-1）随时间-高度的分布（其中EGR数值来自气旋中心周围200 km半径范围的区域平均）:（a、c）来自CTL试验模拟结果;（b、d）来自T400试验模拟结果
Fig.6The time-height distribution of Eady growth rate (units:10-5 s-1) for (a, b) TPV cyclone and (c, d) non-TPV cyclone, where the EGR values are the area average within a200 km radius around the cyclone center: (a, c) are from the CTL experiment simulation results; (b, d) are from the T400 experiment simulation results
图7TPV气旋（a—d）和非TPV气旋（e—h）对应时段累积降水（单位:mm）分布:（a、e）来自ERA5降水资料;（b、f）来自CTL试验模拟结果;（c、g）来自T400试验模拟结果;（d、h）为CTL试验减去T400试验的结果
Fig.7The distribution maps of accumulated precipitation (units:mm) for (a—d) TPV cyclone and (e—h) non-TPV cyclone during the corresponding periods: (a, e) are from ERA5 precipitation data; (b, f) are from the CTL experiment simulation results; (c, g) are from the T400 experiment simulation results; (d, h) are the results of CTL experiment minus T400 experiment
图8TPV气旋（a—d）和非TPV气旋（e—h）对应时段降水持续时间（单位:h）分布:（a、e）来自ERA5降水资料;（b、f）来自CTL试验模拟结果;（c、g）来自T400试验模拟结果;（d、h）为CTL试验减去T400试验的结果
Fig.8The distribution maps of precipitation duration (units:h) corresponding to (a—d) TPV cyclones and (e—h) non-TPV cyclones during the specified periods: (a, e) are from ERA5 precipitation data; (b, f) are from the CTL experiment simulation results; (c, g) are from the T400 experiment simulation results; (d, h) are the results of CTL experiment minus T400 experiment
图9TPV气旋（a）和非TPV气旋（b）在CTL试验（蓝色线条）和T400试验（红色线条）中的模拟区域降水总量随时间变化（单位:mm）
Fig.9A line graph showing the variation of total precipitation (units:mm) over time in the simulation area for (a) TPV cyclones and (b) non-TPV cyclones during the CTL experiment (blue line) and the T400 sensitivity experiment (red line)
表1WRF模式物理参数化方案
Table1WRF mode physical parameterization scheme
Aizawa T, Tanaka H L, Satoh M, 2014. Rapid development of Arctic cyclone in June 2008 simulated by the cloud resolving global model NICAM[J]. Meteor Atmos Phys, 126(3): 105-117. DOI: 10. 1007/s00703-013-0272-6.
Cavallo S M, Hakim G J, 2009. Potential vorticity diagnosis of a tropopause polar cyclone[J]. Mon Wea Rev, 137(4): 1358-1371. DOI: 10. 1175/2008mwr2670. 1.
Cavallo S M, Hakim G J, 2010. Composite structure of tropopause polar cyclones[J]. Mon Wea Rev, 138(10): 3840-3857. DOI: 10. 1175/2010mwr3371. 1.
Chen F, Dudhia J, 2001. Coupling an advanced land surface-hydrology model with the Penn state-NCAR MM5 modeling system. Part Ⅰ: model implementation and sensitivity[J]. Mon Wea Rev, 129(4): 569-585. DOI: 10. 1175/1520-0493(2001)129＜0569: caalsh＞2. 0. co;2.
Crawford A D, Serreze M C, 2016. Does the summer Arctic frontal zone influence Arctic Ocean cyclone activity?[J]. J Climate, 29(13): 4977-4993. DOI: 10. 1175/jcli-d-15-0755. 1.
Croad H L, Methven J, Harvey B, et al., 2023. The role of boundary layer processes in summer-time Arctic cyclones[J]. Weather Clim Dyn, 4(3): 617-638. DOI: 10. 5194/wcd-4-617-2023.
Day J J, Hodges K I, 2018. Growing land-sea temperature contrast and the intensification of Arctic cyclones[J]. Geophys Res Lett, 45(8): 3673-3681. DOI: 10. 1029/2018GL077587.
De Silva L W A, Yamaguchi H, 2019. Grid size dependency of short-term sea ice forecast and its evaluation during extreme Arctic cyclone in August 2016[J]. Polar Sci, 21: 204-211. DOI: 10. 1016/j. polar. 2019. 08. 001.
Deser C, Teng H Y, 2013. Recent trends in Arctic sea ice and the evolving role of atmospheric circulation forcing, 1979—2007[M]//Arctic Sea Ice Decline: Observations, Projections, Mechanisms, and Implications. Washington, D C: American Geophysical Union: 7-26. DOI: 10. 1029/180gm03.
Gray S L, Hodges K I, Vautrey J L, et al., 2021. The role of tropopause polar vortices in the intensification of summer Arctic cyclones[J]. Weather Clim Dyn, 2(4): 1303-1324. DOI: 10. 5194/wcd-2-1303-2021.
Henry A J, 2009. J Bjerknes and H Solberg on the life cycle of cyclones and the polar front theory of atmospheric circulation[J]. Mon Wea Rev, 50(9): 468-473. DOI: 10. 1175/1520-0493(1922)50468: jbahso＞2. 0. co;2.
Hirschberg P A, Fritsch J M, 1991. Tropopause undulations and the development of extratropical cyclones. Part I. overview and observations from a cyclone event[J]. Mon Wea Rev, 119(2): 496-517. DOI: 10. 1175/1520-0493(1991)119＜0496: tuatdo＞2. 0. co;2.
Holton J R, 2004. An introduction to dynamic meteorology[M]. 4th ed. San Diego: Academic Press: 1-535.
Hong S Y, Noh Y, Dudhia J, 2006. A new vertical diffusion package with an explicit treatment of entrainment processes[J]. Mon Wea Rev, 134(9): 2318-2341. DOI: 10. 1175/mwr3199. 1.
Hoskins B J, Valdes P J, 1990. On the existence of storm-tracks[J]. J Atmos Sci, 47(15): 1854-1864. DOI: 10. 1175/1520-0469(1990)047＜1854: oteost＞2. 0. co;2.
Iacono M J, Delamere J S, Mlawer E J, et al., 2008. Radiative forcing by long-lived greenhouse gases: calculations with the AER radiative transfer models[J]. J Geophys Res: Atmos, 113(D13): D13103. DOI: 10. 1029/2008JD009944.
Janjić Z I, 1994. The step-mountain eta coordinate model: further developments of the convection, viscous sublayer, and turbulence closure schemes[J]. Mon Wea Rev, 122(5): 927-945. DOI: 10. 1175/1520-0493(1994)122＜0927: tsmecm＞2. 0. co;2.
Jung T, Gordon N D, Bauer P, et al., 2016. Advancing polar prediction capabilities on daily to seasonal time scales[J]. Bull Amer Meteor Soc, 97(9): 1631-1647. DOI: 10. 1175/bams-d-14-00246. 1.
Kain J S, 2004. The Kain-Fritsch convective parameterization: an update[J]. J Appl Meteor, 43(1): 170-181. DOI: 10. 1175/1520-0450(2004)043＜0170: tkcpau＞2. 0. co;2.
Kong Y, Lu C H, Guan Z Y, et al., 2024. Comparison of intense summer Arctic cyclones between the marginal ice zone and central Arctic[J]. J Geophys Res: Atmos, 129(3): e2023JD039620. DOI: 10. 1029/2023JD039620.
Koyama T, Stroeve J, Cassano J, et al., 2017. Sea ice loss and Arctic cyclone activity from 1979 to 2014[J]. J Climate, 30(12): 4735-4754. DOI: 10. 1175/jcli-d-16-0542. 1.
Kriegsmann A, Brümmer B, 2014. Cyclone impact on sea ice in the central Arctic Ocean: a statistical study[J]. Cryosphere, 8(1): 303-317. DOI: 10. 5194/tc-8-303-2014.
Lei R B, Gui D W, Heil P, et al., 2020. Comparisons of sea ice motion and deformation, and their responses to ice conditions and cyclonic activity in the western Arctic ocean between two summers[J]. Cold Reg Sci Technol, 170: 102925. DOI: 10. 1016/j. coldregions. 2019. 102925.
李惠心, 孙博, 周波涛, 等, 2021. 3月巴伦支海海冰对中国东部8月气温偶极子型的影响及机制研究[J]. 大气科学学报, 44(1): 89-103. Li H X, Sun B, Zhou B T, et al., 2021. Effect of the Barents sea ice in March on the dipole pattern of air temperature in August in eastern China and the corresponding physical mechanisms[J]. Trans Atmos Sci, 44(1): 89-103. DOI: 10. 13878/j. cnki. dqkxxb. 20201013001. (in Chinese).
Liu F H, Krieger J R, Zhang J, 2014. Toward producing the Chukchi-Beaufort high-resolution atmospheric reanalysis (CBHAR) via the WRFDA data assimilation system[J]. Mon Wea Rev, 142(2): 788-805. DOI: 10. 1175/mwr-d-13-00063. 1.
Liu Y H, Key J R, Francis J A, et al., 2007. Possible causes of decreasing cloud cover in the Arctic winter, 1982—2000[J]. Geophys Res Lett, 34(14): L14705. DOI: 10. 1029/2007GL030042.
Maslanik J A, Serreze M C, Barry R G, 1996. Recent decreases in Arctic summer ice cover and linkages to atmospheric circulation anomalies[J]. Geophys Res Lett, 23(13): 1677-1680. DOI: 10. 1029/96gl01426.
苗春生, 戎辰, 王坚红, 等, 2018. 春季中国东部海域气旋急流在气旋发展中的作用研究[J]. 大气科学学报, 41(1): 55-66. Miao C S, Rong C, Wang J H, et al., 2018. Research on role of cyclone jet in cyclone development in the eastern sea area of China in spring[J]. Trans Atmos Sci, 41(1): 55-66. DOI: 10. 13878/j. cnki. dqkxxb. 20151027010. (in Chinese).
Morrison H, Thompson G, Tatarskii V, 2009. Impact of cloud microphysics on the development of trailing stratiform precipitation in a simulated squall line: comparison of one-and two-moment schemes[J]. Mon Wea Rev, 137(3): 991-1007. DOI: 10. 1175/2008MWR2556. 1.
Murray R J, Simmonds I, 1995. Responses of climate and cyclones to reductions in Arctic winter sea ice[J]. J Geophys Res: Oceans, 100(C3): 4791-4806. DOI: 10. 1029/94JC02206.
Ogi M, Yamazaki K, Wallace J M, 2010. Influence of winter and summer surface wind anomalies on summer Arctic sea ice extent[J]. Geophys Res Lett, 37(7): L07701. DOI: 10. 1029/2009GL042356.
Qian Q, Zhong W, Yao Y, et al., 2023. Influence of the thermal structure on the intensification of the extreme Arctic cyclone in August 2016[J]. J Geophys Res: Atmos, 128(19): e2023JD038638. DOI: 10. 1029/2023JD038638.
Rossa A M, Wernli H, Davies H C, 2000. Growth and decay of an extra-tropical cyclone’s PV-tower[J]. Meteor Atmos Phys, 73(3): 139-156. DOI: 10. 1007/s007030050070.
Schemm S, Wernli H, 2014. The linkage between the warm and the cold conveyor belts in an idealized extratropical cyclone[J]. J Atmos Sci, 71(4): 1443-1459. DOI: 10. 1175/jas-d-13-0177. 1.
Serreze M C, Barrett A P, 2008. The summer cyclone maximum over the central Arctic ocean[J]. J Climate, 21(5): 1048-1065. DOI: 10. 1175/2007jcli1810. 1.
Simmonds I, Keay K, 2009. Extraordinary September Arctic sea ice reductions and their relationships with storm behavior over 1979—2008[J]. Geophys Res Lett, 36(19): L19715. DOI: 10. 1029/2009GL039810.
Simmonds I, Rudeva I, 2012. The great Arctic cyclone of August 2012[J]. Geophys Res Lett, 39(23): L23709. DOI: 10. 1029/2012GL054259.
Sorteberg A, Walsh J E, 2008. Seasonal cyclone variability at 70°N and its impact on moisture transport into the Arctic[J]. Tellus A, 60(3): 570-586. DOI: 10. 1111/j. 1600-0870. 2008. 00314. x.
Stephenson S R, Smith L C, Brigham L W, et al., 2013. Projected 21st-century changes to Arctic marine access[J]. Clim Change, 118(3): 885-899. DOI: 10. 1007/s10584-012-0685-0.
Tanaka H L, Yamagami A, Takahashi S, 2012. The structure and behavior of the Arctic cyclone in summer analyzed by the JRA-25/JCDAS data[J]. Polar Sci, 6(1): 55-69. DOI: 10. 1016/j. polar. 2012. 03. 001.
Tao W, Zhang J, Fu Y F, et al., 2017a. Driving roles of tropospheric and stratospheric thermal anomalies in intensification and persistence of the Arctic superstorm in 2012[J]. Geophys Res Lett, 44(19): 10017-10025. DOI: 10. 1002/2017GL074778.
Tao W, Zhang J, Zhang X D, 2017b. The role of stratosphere vortex downward intrusion in a long-lasting late-summer Arctic storm[J]. Quart J Roy Meteor Soc, 143(705): 1953-1966. DOI: 10. 1002/qj. 3055.
陶祖钰, 郑永光, 2012. 位温、等熵位涡与锋和对流层顶的分析方法[J]. 气象, 38(1): 17-27. Tao Z Y, Zheng Y G, 2012. Analysis methods on potential temperature, isentropic potential vorticity, front and tropopause[J]. Meteor Mon, 38(1): 17-27. DOI: 10. 7519/j. issn. 1000-0526. 2012. 1. 002. (in Chinese).
Theocharis D, Pettit S, Rodrigues V S, et al., 2018. Arctic shipping: a systematic literature review of comparative studies[J]. J Transp Geogr, 69: 112-128. DOI: 10. 1016/j. jtrangeo. 2018. 04. 010.
Thorndike A S, Colony R, 1982. Sea ice motion in response to geostrophic winds[J]. J Geophys Res: Oceans, 87(C8): 5845-5852. DOI: 10. 1029/JC087iC08p05845.
Vavrus S J, Holland M M, Jahn A, et al., 2012. Twenty-first-century Arctic climate change in CCSM4[J]. J Climate, 25(8): 2696-2710. DOI: 10. 1175/jcli-d-11-00220. 1.
Vessey A F, Hodges K I, Shaffrey L C, et al., 2022. The composite development and structure of intense synoptic-scale Arctic cyclones[J]. Weather Clim Dyn, 3(3): 1097-1112. DOI: 10. 5194/wcd-3-1097-2022.
Vihma T, Screen J, Tjernström M, et al., 2016. The atmospheric role in the Arctic water cycle: a review on processes, past and future changes, and their impacts[J]. J Geophys Res: Biogeosci, 121(3): 586-620. DOI: 10. 1002/2015JG003132.
Wang C C, Rogers J C, 2001. A composite study of explosive cyclogenesis in different sectors of the North Atlantic. Part I: cyclone structure and evolution[J]. Mon Wea Rev, 129(6): 1481-1499. DOI: 10. 1175/1520-0493(2001)129＜1481: acsoec＞2. 0. co;2.
王会军, 孙建奇, 陈活泼, 等, 2025. 全球变暖加速和气候极端化: 2024年中国气候研究重大进展速评[J]. 大气科学学报, 48(1): 1-7. Wang H J, Sun J Q, Chen H P, et al., 2025. Global warming acceleration and climate extremization: comments on major climate research advances in China 2024[J]Trans Atmos Sci, 48(1): 1-7. DOI: 10. 13878/j. cnki. dqkxxb. 20250122001. (in Chinese).
Yamagami A, Matsueda M, Tanaka H L, 2017. Extreme Arctic cyclone in August 2016[J]. Atmos Sci Lett, 18(7): 307-314. DOI: 10. 1002/asl. 757.
Yamagami A, Matsueda M, Tanaka H L, 2018. Predictability of the 2012 great Arctic cyclone on medium-range timescales[J]. Polar Sci, 15: 13-23. DOI: 10. 1016/j. polar. 2018. 01. 002.
Zhang J L, Lindsay R, Schweiger A, et al., 2013. The impact of an intense summer cyclone on 2012 Arctic sea ice retreat[J]. Geophys Res Lett, 40(4): 720-726. DOI: 10. 1002/grl. 50190.
Zhang X D, Walsh J E, Zhang J, et al., 2004. Climatology and interannual variability of Arctic cyclone activity: 1948—2002[J]. J Climate, 17(12): 2300-2317. DOI: 10. 1175/1520-0442(2004)017＜2300: caivoa＞2. 0. co;2.
Zhang X D, Tang H, Zhang J, et al., 2023. Arctic cyclones have become more intense and longer-lived over the past seven decades[J]. Commun Earth Environ, 4: 348. DOI: 10. 1038/s43247-023-01003-0.

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    QQ交流群号：344646895

大气科学学报 ® 2025 版权所有  技术支持：北京勤云科技发展有限公司