Climate Dynamics · Research Story

为什么太平洋经向模总在春季最强?

一项结合观测诊断与多层次数值实验的研究揭示:春季的背景平均态、大气响应与中纬度遥相关共同放大了风—蒸发—海温反馈;ENSO 本身并不是这种季节锁相的原因。

Meng, Z. & Li, T. (2024) · Climate Dynamics 62, 459–471
PMM东北—西南倾斜的海温异常带
一句话概括
春季的热带平均风场和海表温度场最有利于 WES 反馈,中纬度向热带的大气遥相关也更显著——三股力量共同把春季推上 PMM 的“C位”。
01 · BACKGROUND

先说说 PMM 是什么

厄尔尼诺并不是一夜之间出现的,它有一串“前奏”。

太平洋经向模(Pacific Meridional Mode,PMM)是热带和副热带中东太平洋的一个海气耦合模态。它最鲜明的特征,是一个从美国加利福尼亚湾延伸至赤道中太平洋、呈东北—西南走向的海表温度异常带。

当正 PMM 发生时,异常西南风抵消平均东北信风,海面蒸发随之减少,海温升高;升高的海温又进一步削弱信风。这个自我强化的过程被称为风—蒸发—海温反馈(Wind–Evaporation–SST feedback,WES)。

一个微小的风场扰动,经过海气相互作用,可能像滚雪球一样长成影响整个热带太平洋的气候信号。

PMM 不仅是 ENSO 的重要前兆,还与西北太平洋热带气旋、中国夏季极端高温以及跨大西洋—太平洋的年代际变化有关。因此,它何时发展、为何发展,直接关系到我们对季节气候可预报性的理解。

18.9%
PMM 在北半球春季的季节 EOF 方差占比
10.1%
PMM 在北半球秋季的季节 EOF 方差占比
EOF 分析与季节方差:第一和第二模态的空间结构、时间序列和季节强度对比
论文图 1 1980—2018 年热带太平洋 EOF 分析。(a-b)第一、二模态的 SSTA 空间结构与 10 m 风异常;(b)中绿色框线为 PMM 关键区 KPR;(c)两个主成分的时间演变;(d)两个模态的方差随季节的变化:ENSO 模态(PC1)冬季最强,PMM 模态(PC2)春季(MAM)最强、秋季(SON)最弱。点击图片可查看大图。

问题由此而来:为什么偏偏是春季?

02 · APPROACH

怎样把季节锁相逐层拆开

从观测诊断到理想化实验,每一步都尽量只改变一个因素。

混合层热收支诊断

利用 HadISST、NCEP2 与 GODAS 数据,计算 PMM 生命周期中各项海温变化率的贡献,并对潜热通量进行线性分解,区分异常风与海气比湿差的作用。

理想化大气模式实验

在 ECHAM 模式中,分别给春季与秋季施加完全相同的 PMM 加热场,比较大气风场和潜热通量的响应——只看大气背景态带来的季节差异。

中间海气耦合模式实验

在 Cane–Zebiak 型模式中分别指定春、秋季平均态,再加入相同的 PMM 型初始扰动,直接比较扰动增长率。

遥相关与 ENSO 排除实验

分析 AL 与 NPO 两个北太平洋大气模态,并使用热带太平洋起搏器实验(POGA)检验 ENSO 是否会“倒过来”制造 PMM 的春季偏好。

03 · FINDINGS

五个核心发现

答案不是单一机制,而是一组在春季同时对齐的物理过程。

FINDING 01

WES 反馈是 PMM 增长的主引擎

混合层热收支显示,PMM 在成熟期前两个月增长最快,主要驱动力是表面潜热通量异常。进一步分解表明,关键项来自异常风与平均风的相互作用:异常西南风抵消东北信风,减少蒸发并加热海洋表面;海气比湿差项则倾向于抑制增长。

−2成熟期前两个月
增长最快
PMM 海温增长与混合层热收支
论文图 4 PMM 海温在成熟前两个月增长最快;混合层热收支表明热力学过程占主导。
潜热、长波、短波和感热通量异常
论文图 5 四种表面热通量异常中,潜热通量在 PMM 关键区域的作用最突出。
FINDING 02

同样的加热,春季大气响应更强

在 ECHAM 实验中,春、秋季接收完全相同的 PMM 加热,但春季产生的异常风与正潜热通量响应明显更强。春季异常覆盖整个 PMM 关键区域,秋季则主要局限于南部。这说明大气背景态本身就在“偏爱”春季。

Spring > Fall异常风与潜热通量响应
春季与秋季潜热通量异常线性分解
论文图 6 潜热通量异常的线性分解。春季(JFM)由异常风产生的潜热通量异常更强、覆盖范围更广;秋季(JAS)响应明显减弱。
FINDING 03

春季背景态让扰动增长快近 4 倍

中间海气耦合模式给出了最直观的对比:春季背景态下 PMM 增长率为1.1 K/年,秋季仅为0.3 K/年;冬季和夏季介于两者之间。

春季
1.1
秋季
0.3
单位:K/年
中间海气耦合模式中春季和秋季 PMM 扰动演化
论文图 10 中间海气耦合模式实验。红线代表春季背景态、蓝线代表秋季背景态;相同初始扰动在春季增长显著更快。
FINDING 04

中纬度信号在春季更容易“点火”

北太平洋海平面气压的两个主模态——阿留申低压(AL)模态和北太平洋涛动(NPO)模态——在春季与两个月后的 PMM 都有更强联系。NPO 的南北偶极结构能在 PMM 关键区激发更强的西南风,因此比位置偏北的 AL 模态更有效。

NPO比 AL 模态更有效地
触发 PMM 发展
AL 和 NPO 模态在春秋两季与 PMM 的关系
论文图 13 北太平洋两个大气模态的季节对比。红色为春季(JFM)、蓝色为秋季(JAS):春季的滞后相关、潜热通量强迫和模态方差都更强。
FINDING 05

ENSO 不是 PMM 季节锁相的原因

POGA 起搏器实验包含 10 个成员、约 200 个样本。结果显示,在被独立约束的 ENSO 演化过程中,并没有出现显著的 PMM 信号;ENSO 激发的阿留申低压也过于偏北,无法有效作用于 PMM 关键区。

≠PMM 春季偏好
不是 ENSO 的附属效应
04 · MECHANISM

春季背景态如何放大 WES 反馈

从冷舌到信风,一条完整的物理链条。

春季路径

冷舌最弱赤道东太平洋海温季节背景改变
ITCZ 偏南热带辐合带位置随之南移
信风更强、更广KPR 平均东北风速达到 6.54 m/s
WES 反馈最强异常风更有效地减少蒸发并升高 SST
6.54
春季 KPR 平均东北风速(m/s)
4.30
秋季 KPR 平均东北风速(m/s)
05 · EXTRATROPICS

来自中纬度的两种“前置信号”

43.1%

AL 模态

北太平洋 SLP 第一模态,以阿留申群岛附近的低压中心为特征。由于中心位置偏北,其异常风和潜热通量对 PMM 关键区的覆盖有限。

15.2%

NPO 模态

北太平洋 SLP 第二模态,呈南北偶极结构。南侧低压可在副热带 PMM 区域激发强烈西南风,因此与 PMM 的联系更紧密。

两种模态在春季的方差更大,与两个月后 PMM 的相关也更显著。换句话说,春季不仅热带背景态更有利,来自中纬度的“点火信号”也更强。

06 · ENSO TEST

会不会只是 ENSO 的影子?

起搏器实验给出了否定答案。

200+POGA 合成样本
10 个集合成员

观测合成中,PMM 常出现在 ENSO 事件发生前一年的春季。但这并不能自动证明 ENSO 导致了 PMM:两者存在双向作用,很难仅凭观测分离因果。

因此,研究采用热带太平洋起搏器实验,将热带东太平洋 SST 约束为观测值,从而单独提取 ENSO 强迫。结果是:ENSO 演化中没有显著 PMM 信号,相应的大气遥相关位置也不足以在 PMM 关键区产生有效的西南风。

PMM 的春季偏好主要来自自身海气耦合动力学,而不是 ENSO 的附属效应。

POGA 起搏器实验中 ENSO 事件的季节演化合成
论文图 15 POGA 起搏器实验中约 200 个 ENSO 样本的季节演化合成。即使热带东太平洋 SST 被约束为观测 ENSO 信号,副热带北太平洋仍未形成显著、稳定的 PMM 响应。
07 · SIGNIFICANCE

为什么这些发现重要

理解 ENSO 的春季前兆

PMM 是厄尔尼诺的重要前兆信号,其季节锁相直接影响它能否有效触发后续 ENSO。研究把春季优势分解为背景平均态、大气响应和中纬度遥相关三种协同机制,并排除了 ENSO “倒因”的干扰。

理解海气耦合

从热收支定位关键过程,再用不同复杂度的模型逐个验证假说,这一框架也适用于 ENSO、IOD 等其他季节锁相问题。

实验设计的价值

AGCM、中间耦合模式与 POGA 起搏器分别控制不同变量,把四种潜在机制拆得足够干净。

PMM 春季锁相主要机制总结示意图
论文图 16 机制总结:冷舌—ITCZ 的季节移动控制平均风与异常风响应,中纬度强迫进一步增强春季潜热通量;ENSO 对应的 AL 模态过于偏北,未能形成有效贡献。
08 · BACKSTORY

从本科毕业论文到期刊论文

这项研究源自孟子路的本科毕业论文,2023 年 5 月完成于南京信息工程大学长望学院大气科学实验班,指导教师为 Tim Li(李天明)教授。

工作覆盖观测诊断、理想化大气模式、中间海气耦合模式和热带太平洋起搏器实验四个层次。本科阶段完成这样一套系统研究,并最终发表于 Climate Dynamics,背后是清晰的控制变量思路和扎实的物理分析。

论文分析代码已完整开源:github.com/ZiluM/PMMPhaseLocking

09 · AUTHORS

作者信息

ZM

孟子路 · Zilu Meng

University of Washington 气候与大气科学博士候选人,研究方向涵盖古气候重建、数据同化、机器学习与气候动力学,也是开源气候数据分析工具 Sacpy 的作者。

TL

Tim Li · 李天明

长期从事热带气候动力学、ENSO 与季风等研究,是本文通讯作者及孟子路本科阶段的指导教师。