英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

MJO活动与印度洋热带气旋生成的年际关系

Aya Tsuboi and Tetsuya Takemi*

摘要：论文通过使用33年的再分析数据进行统计分析，分析了10月至12月期间印度洋上MJO与热带气旋生成（TCG）的年际变化之间的关系。通过将33年期间划分为MJO活跃年份和非活跃年份，我们确定了TCG在活跃期和非活跃期的年份。在MJO活跃影响下TCG的环境条件通过基于热带气旋生成潜在指数（GPI）对MJO活跃和不活跃年份调制的环境条件对热带气旋生成的影响。结果表明，当MJO的对流活跃位相在印度洋和海洋大陆上发展时，活跃年份印度洋上的TCG事件显着增加。活跃（非活跃）年的GPI几乎在整个印度洋呈现出正（负）异常。此外，TCG在正（负）GPI异常区域对应TCG增多（减少）。GPI进一步诊断分析表明相对湿度和垂直速度的贡献更为重要。

关键词：热带气旋; MJO;印度洋;生成潜在指数

1 引言

热带气旋（TC）的产生和发展受其背景条件的调节，例如水平和垂直切变，热力稳定度，水汽分布和海面温度。热带气旋成因（TCG）的年际变化被认为受厄尔尼诺/拉尼娜和南方涛动（ENSO）的强烈影响，它们不仅控制太平洋TCG的背景条件，而且也影响印度洋（IO）TCG的背景条件。影响TCG变化的一个振荡是MJO，这是热带大气季节内变化的最主要模式，并且年际变化很大。可以合理地假设MJO也对TCG的年际变化有影响。

以往的研究检验了MJO对TCG的影响，并表明当MJO的活跃中心位于印度洋时TCG得到增强.IO上的MJO信号比其他海洋盆地更明显。然而，这些研究集中于MJO活跃期内的时间尺度（即，在季节内时间尺度内）上TCG的变化。从气候角度来看，没有研究评估MJO对TCG年际变化的影响。如果MJO变异幅度很大，则认为即使与ENSO相比， MJO对TCG的影响也应该是显著的。MJO的活跃位相通常在印度洋，海洋大陆和西太平洋地区。本研究重点关注IO上10-12月的TCG，以指示MJO可能对IO中TCG的年际变化产生影响。通过研究发现10月到12月的IO上MJO很活跃，我们期望MJO的影响应该突出。

本研究的目的是研究IO中MJO和TCG的年际变化之间在气候上的关系，并研究影响TCG变化的环境条件。通过使用经验指数（GPI）来考察在MJO活跃的影响坏境因子的变化下.为此，我们使用33年的再分析数据，并通过将分析不同年份MJO活跃的差异来比较活跃MJO年和非活跃MJO年份之间TCG和环境条件的差异.

2 研究资料和方法

使用1979-2011年33年数据集进行统计分析，以研究MJO的年际变化与IO中的TCG之间的关系。我们特别关注10月，11月和12月（OND），这个时间段MJO的对流活跃位相经常出现。本季的特点是TCG在北半球和南半球的发生频率都有所提高。图1根据1979-2011年的台风最佳数据显示每个季节TCG的位置。可以清楚地看到在10,11,12月TCG经常在整个印度洋上发生。

美国海军联合台风警报中心（JTWC）的TC最佳跟踪数据用于确定1979-2011年期间TC的位置。为了分析TCG的环境条件，我们使用日本气象厅（JMA）和中央电力工业研究院制作的再分析数据集：日本25年再分析（JRA-25）/ JMA气候资料同化系统（JCDAS） 数据集[12].JRA-25 / JCDAS数据集的水平分辨率为1.25度。该数据集被广泛用于评估印度洋、北太平洋西部和大西洋上空TCG的环境状况。

我们将33年划分为MJO活跃年份和MJO非活跃年份，并比较两个类别之间的特征。Wheeler和Hendon定义的MJO指数在澳大利亚政府气象局存档并通常在MJO相关研究中提及，用于定义MJO的活跃年份和非活跃年份。Wheeler和Hendon的MJO指数由两个变量表示：实时多变量MJO系列1（RMM1）和系列2（RMM2）。MJO的幅度由相空间中心的距离确定，即RMM1平方和RMM2平方之和的平方根。位相1至8表示MJO的增强对流信号的近似位置。例如：2、3位相对应于MJO在IO上活跃，3、4位相海洋大陆。第2-5位相用来划分活跃年和非活跃年。

图1 1979-2011年期间GPI(彩色)和TCG平均位置(黑点)的空间分布：(a)1月-2月-3月(JFM)，(b)4月-5月-6月(AMJ)，(c)7月-8月-9月(JAS)和(d)10月-11月-12月(OND)。

这里描述了定义MJO活跃年和非活跃年份的过程。首先，我们计算振幅大于1.0，同时位于2、3、4和5中任意相位的天数。其次，我们计算了平均值和标准差。最后，活跃(非活跃)年被定义为活跃天数大于(小于) 33年平均值的标准差的一半的年份。根据这一过程，在33年中，有11年，即1979年、1982年、1984年、1987年、1993年、1994年、1999年、2000年、2002年、2008年和2011年定义为活跃年；1980年、1981年、1985年、1988年、1991年、1992年、1995年、1998年、2004年、2005年和2010年，被确定为非活跃年。我们没有应用数据集的任何趋势，因为考虑到数据集中可能存在的任何趋势都会通过在每年的类别中组合数据来最小化。注意，活跃年和非活跃年包括厄尔尼诺和拉尼娜位相。

为了评估对TCG有利或不利的环境条件，我们使用Murakami等人提出的一个指数：GPI。这是最初由Emanuel定义的GPI的一个修改版本。Murakami等人的GPI。定义如下：

其中eta;是850hPa水平的绝对涡度，rh是700hPa水平的相对湿度(%)，Vpot是最大势能强度，VS是在850~200hPa之间的垂直风切变、omega;是500hPa水平上的垂直速度。Murakami等人表明垂直速度项是在原始GPI中新增加的，它使热带气旋在热带间辐合的强上升运动具有更好的重现性。MPI的计算是在使用从Emanuul网站(FTP://texmex.mit.edu/pub/Emanuel/tcmax/pcmin_rev.f)获得的Fortran代码的情况下进行的。

JRA-25/JCDAS数据集用于计算GPI。如图1所示，GPI似乎很好地表示了33年观测到的TCG的空间分布。GPI应用于在MJO背景下对影响TCG的环境条件的诊断，因为该指数考虑了低层涡度、垂直切变、中层湿度和静力稳定度，包括海表温度的影响，这些是TCG的重要成分。因此，我们将GPI作为诊断TCG的环境条件以及MJO活性与TCG的关系的工具。注意，GPI或其他经验指数是否以及如何能够解释TCG的年际变化，这是一个有待解决的问题，指数是否合适可能因海洋盆地的不同而有所不同。

3 结果与讨论

为了说明TCG在MJO的活跃年份和非活跃年份之间的差异，我们在台风生成时计算了MJO的位相，并计数了每个位相上TCG的频数。图2显示了台风在每个相空间中生成位置，以及每个位相的TCG频数占TCG总数的比例(以百分比表示)。黑点表示在相空间中发生TCG的频数，百分比表示每个位相的TCG数占TCG总数的百分比。可以看出，在活跃年份，第2-5位相的TCG事件的百分比高于其他位相，而在非活跃年份，第2-5位相的百分比与其他位相相似。此外，活跃年份第2位相和第3位相的百分比更为显著，这表明随着MJO在IO和海洋大陆上的发展，TCG事件的数量显著增加。从图3可以看出TCG在活跃年份和非活跃年份的空间分布以及在活跃年和非活跃年合成的GPI与OND季节33年平均值相比的异常情况。活跃年与非活跃年的GPI异常明显不同。除东经80°以东的5°S-15°S带和孟加拉湾沿岸线附近外，活跃年份的GPI在IO区均为正异常。相反，非活跃年的异常空间分布似乎与活跃年的空间分布相反。

图 2 (a)活跃年和(b)非活跃年TCG与MJO位相的关系

图 3 (a)活动年份和(b)非活动年份的GPI异常(颜色)和TCG点(黑点)

除IO东南部和孟加拉湾外，IO地区的负值均为负值。图3还发现，在活动年(非活动年)，正异常区的TCG事件总数大于负异常区：GPI正异常区的TCG频数为45（45），而负GPI异常区的TCG事件数为20(21)。因此，无论是活跃年份还是非活跃年份，在气候学上GPI正异常的地区都出现了较多的TCG。因此，GPI被认为是印度洋TCG的一个重要环境参数。

由于图3中的分布存在区域差异，因此将50-100°E和20°S-20°N的IO区域划分为四个亚区。评估了这四个次区域活跃年和非活跃年GPI异常差异的统计意义。表1汇总了西北IO(NWI)、东北IO(NEI)、西南IO(SWI)和东南IO(SEI)四个区域在活跃年和非活跃年的平均GPI异常。结果表明，在95%置信水平下，NWI和SWI中活跃年与非活跃年的GPI异常差异通过了显著性检验。

考虑到GPI异常在活跃年和非活跃年之间存在显著差异，我们考察了构成GPI的五个因素的贡献程度。在计算贡献时，我们遵循Camargo等人的程序。首先，在计算各网格点的33年总GPI平均值时，得到GPI中各因子的33年平均值。在确定33年平均值后，我们使用五个因子中的四个因子的方法重新计算GPI值，使用第五个因子的六小时变化值。对其他四个因素中的每一个都重复这一点；根据GPI值重新计算在活跃年份中每个因素的异常。由此推导出各因子对GPI异常的贡献度。

表1 整个印度洋(IO)、西北IO(NEI)、东北IO(NEI)、西南IO(SWI)和东南IO(SEI)的GPI异常及其差异

图4比较了每个因素对活跃年份的GPI值的贡献。请注意，按GPI计算的所有5个因子之和(图4b-4f)相当于GPI异常总数(图4a)。图4b-4f中的空间分布与图4a中的空间分布的比较表明，每个因子对GPI异常的贡献取决于他所处的IO内的区域。在NWI和SWI区，相对湿度和垂直速度对总GPI异常的贡献最大，而在SEI涡度中，MPI和垂直速度对GPI负异常的贡献最大。在整个IO中，相对湿度和垂直速度的分布与GPI总异常的分布相似。

对非活跃年份(图略)各因子对总GPI异常的贡献进行了分析。可以看到，非活跃年的IO空间分布与图4所示的活跃年相似，但符号相反。相对湿度和垂直速度的贡献分布似乎与图3b所示的GPI异常相似。

根据活跃年和非活跃年总GPI异常与各因子对总GPI异常的贡献程度之间的空间相关系数，考察了空间分布的相似性，并对整个IO进行了评价。表2汇总了研究结果。在活跃年和非活跃年，相对湿度和垂直速度的贡献程度与总的GPI异常有很高的相关性。这意味着，在IO上，这两个因子与总GPI异常的关系比其他因子更密切。因此，相对湿度和垂直运动的空间分布控制着IO上空GPI异常的分布。如果IO上空存在较高的相对湿度和较强的上升运动，并受MJO活动引起的对流增强的调制，则会诱发GPI的正异常，从而影响TCG的位置。

图 4 (a)活跃年份的GPI异常(与图3a相同)，以及(b)相对湿度、(c)垂直切变、(d)涡度、(e)MPI和(f)垂直速度对活跃年份GPI异常的贡献程度。

表格 2 活跃年和非活跃年各因子变化时总GPI异常与GPI异常在整个IO空间分布的相关系2

4 主要结论

本研究利用33年的再分析资料，即JRA-25/JCDAS资料，研究了MJO和TCG在IO上的年际变化之间的统计关系，找出了在MJO活跃背景下影响下TCG变化的环境条件。环境条件由GPI诊断。OND是重点，因为在这个季节MJO活跃和TCG的数量都很高。我们将分析的时间划分为MJO活跃年和非活跃年，从而揭示了在MJO活跃的条件下TCG特有的环境条件。

研究表明，当MJO的对流活跃期在IO和海洋大陆上时，IO上空的TCG事件的数量显著增加。当MJO的对流活跃期在IO和海洋大陆上发展时，IO上空的TCG事件数显著增加(Plt;0.05)。TCG的一个环境参数，即GPI，除了在NEI北部地区和SEI外，几乎在整个IO上都呈正异常。相反，GPI在非活跃年份的空间分布与活跃年份相反。若仅在GPI正异常或负异常区域计算TCG频数，则正异常区TCG数大于负异常区，正(负)GPI异常区TCG增强(抑制)。

构成GPI的5个因子在IO的4个子区对GPI值的贡献程度不同，构成GPI的5个因子对总GPI值的贡献程度不同。结果表明，在整个IO中，相对湿度和垂直速度对GPI异常的贡献最大。通过对TCG环境条件的这种调制，可以认为TCG是受MJO调制的。

分析表明，MJO的活动通过调节环境条件对TCG的年际变化产生影响。虽然ENSO的变化被认为是热带大气年际变化的最主要模式，但MJO活动也对TCG的年际变化起着决定作用。以后还应研究ENSO对大气变率和IO上TCG的延迟影响。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[19332]，资料为PDF文档或Word文档，PDF文档可免费转换为Word