區域耦合模式FROALS模擬的西北太平洋熱帶氣旋潛勢分布與年際變率：耦合與非耦合試驗比較

姚雋琛 周天軍 鄒立維

1 中國科學院大氣物理研究所大氣科學和地球流體力學數值模擬國際重點實驗室，北京100029

2 中國科學院大學，北京100049

3 中國科學院氣候變化研究中心，北京100029

1 引言

西北太平洋地區與南海是熱帶氣旋（TC）生成最多的季風區（Mcbride, 1995），熱帶氣旋造成的強風強降水，給沿岸的社會生產與生活帶來嚴重影響。為了合理描述熱帶氣旋，前人已定義許多指數。如用以描述熱帶氣旋能夠在一定海氣熱力條件下可達到的最大風速指數（Emanuel，1988），描述氣旋累積的能量（ACE）指數（Bell et al.，2000），描述氣旋時間尺度以及強度的 PDI指數（Emanuel，2005），描述熱帶氣旋盛期生成強臺風或颶風能力的NCat45指數（Saffir，2003）等。這其中，熱帶氣旋潛勢指數（GPI）近年來得到廣泛使用（Emanuel and Nolan，2004）。其建立在Gray指數（Gray，1975）之上，被Emanuel and Nolan（2004）進行重新定義，之后Murakami et al.（2011）又對其進行了修正。該指數包含了影響熱帶氣旋生成的熱力因子（相對濕度、海表溫度、絕對濕度、氣溫）與動力因子（垂直風切變、絕對渦度、垂直抬升速度），可以合理再現熱帶氣旋的分布與年際變化特征（田方興和周天軍，2013），已被廣泛的應用于多種時間尺度熱帶氣旋的研究。

熱帶氣旋潛勢指數被廣泛應用于評估粗分辨率模式對熱帶氣旋的模擬性能。Camargo et al.（2007a）發現盡管大氣環流模式可以再現熱帶氣旋潛勢指數的氣候態分布，但是在大部分區域模擬較觀測偏大，原因是大部分模式模擬的相對濕度較觀測更高。田方興和周天軍（2013）評估了大氣環流模式GAMIL的GPI分布與年際變率，指出該模式也有類似現象。Manganello et al.（2012）對高分辨率的大氣模式分析之后發現，高分辨率大氣模式依然會在西北太平洋地區模擬出更高強度的GPI，而這主要是副熱帶相對濕度以及熱帶低層的渦度模擬偏差導致的。

以上的研究皆針對單獨大氣模式。局地海氣相互作用過程對西北太平洋季風的模擬有重要影響。大氣模式沒有考慮該地區海—氣的相互作用，大氣只是被海洋驅動，缺乏了大氣對海洋的反饋作用（Wang et al., 2005）。而西北太平洋地區的海—氣相互作用過程卻是影響熱帶氣旋形成發展的要素之一。該區域的熱帶氣旋活動有明顯的年際變化（Landsea, 2000），且其年際變化在 ENSO（El Ni?o/La Ni?a–Southern Oscillation，簡稱 ENSO）年正負位相有明顯的區別（Camargo and Sobel, 2005），這種區別主要是通過ENSO影響西北太平洋季風槽強弱實現的（Wu et al., 2012）。與此同時ENSO影響西北太平洋地區氣候受到該地區局地海氣相互作用的調制（Wang et al., 2000; Wu et al., 2009; Wu et al., 2010）。研究表明，在區域氣候模式中局地海—氣相互作用非常重要。胡軼佳等（2008）發現大氣模式RegCM3對降水高頻振蕩和天氣尺度周期振蕩的模擬能力較弱。Zou and Zhou（2013）在區域氣候模式中引入局地海—氣相互作用過程后發現，區域海—氣耦合模式模擬的西北太平洋地區夏季風年際變率，較之單獨的區域大氣模式有明顯改善。而房永杰和張耀存（2014）發現區域耦合模式亦可更好的再現東亞夏季風季節內振蕩。但是針對熱帶氣旋潛勢指數，區域海氣耦合模式和區域氣候模式的模擬性能對比此前研究較少。

本文的目的是利用區域海—氣耦合模式FROALS的試驗結果，從熱帶氣旋潛勢指數的氣候態以及年際變率方面，檢驗該模式性能，分析造成偏差的原因和耦合模式的優勢。

2 模式、觀測數據和方法

2.1 模式介紹

本文所使用的模式是區域海氣耦合模式FROALS（Zou and Zhou, 2011, 2012, 2013, 2014）。其大氣模塊是 ICTP（International Centre for Theoretical Physics）開發的 RegCM3（Pal et al.,2007）；其海洋模塊是由中國科學院大氣物理研究所大氣科學和地球流體力學數值模擬國家重點實驗室（LASG/IAP）開發的 LICOM2.0（Liu et al.,2012）；耦合器使用的是OASIS3（Valcke, 2006）。

大氣模式模擬區域為（0°～40°N，105°～160°E），水平分辨率為45 km，經向有113個格點，緯向有136個格點。垂直方向使用σ坐標，為18層。初始和側邊界條件用的是 NCEP-2資料（Kanamitsu et al., 2002），每6小時更新一次，緩沖區為 12個格點。為了防止深對流在大氣較干的情況下發生，只有當云頂到云底的平均相對濕度大于特定值時（試驗中使用的是 0.70），模式中對流才會發生。模式中使用的物理參數化方案如下：Grell積云參數化方案（Grell, 1993），SUBEX層云降水方案（Pal et al., 2000），CCM3輻射模塊（Kiehl et al., 1996），BATS陸面過程方案（Dickinson et al.,1993），及海—氣通量交換方案（Zeng et al., 1998）。

海洋模式LICOM2.0是LICOM（Jin et al., 1999;Zhang et al., 2003; Liu et al., 2004）的更新版本，并且在FGAOLS（Zhou et al., 2007, 2008; Yu et al.,2008; Bao et al., 2010, 2013; Li et al., 2013）作為海洋模塊使用。模式模擬區域為 75°S～90°N。75°S以南是陸地，邊界條件設為剛性邊界。其分辨率在10°S～10°N 內是 0.5°，在 10°～20°S 與 10°～20°N內從0.5°逐漸過渡到1°。垂直方向30層，上層的150 m內為均勻15層。垂直混合方案使用二階混合模型（Canuto et al. 2001, 2002）模式中1979～1981年為模式積分到穩定狀態的時間。模式的初始條件為WOA05資料（Locarnini et al., 2006; Antonov et al.,2006）的溫度和鹽度，并利用NCEP-2日平均的2 m氣溫、絕對濕度、表面氣壓、10 m風計算海表風應力與海表湍流熱通量（Large and Yeager, 2004）。

本文中用到了兩組試驗，一組是參照試驗，使用周平均的 OISST2（Optimum Interpolation Sea Surface Temperature 2）海溫資料（Reynolds et al.,2002）驅動單獨 RegCM3；另外一組是耦合試驗。兩組試驗均從1982年積分到2007年。耦合試驗中，大氣模式模擬的區域外為NCEP-2表面資料驅動海洋模式；區域內大氣模式給海洋模式提供海表熱通量以及風應力，同時海洋模式給大氣模式提供海表溫度場。通量交換頻率為1天。其他試驗細節參見Zou and Zhou（2013）。

2.2 觀測和再分析資料

本研究使用的觀測資料如下：（1）OISST2全球海表溫度資料（Reynolds et al., 2002），水平分辨率為 1°×1°；（2）NCEP-2 再分析資料（Kanamitsu et al., 2002），水平分辨率為 2.5°×2.5°，垂直方向為17層。所有資料選取時段為1982～2007年。

2.3 分析方法

2.3.1 熱帶氣旋潛勢指數的定義

Murakami et al.（2011）將熱帶氣旋潛勢指數（GPI）定義為

其中η是850 hPa絕對渦度，單位是s-1；f是700 hPa的相對濕度，單位是%；Vmax是風速上限指數（Emanuel, 1995），代表在一定的海—氣熱力條件下熱帶氣旋能達到的最大風速，單位是 m s-1；Vs是850 hPa與200 hPa的水平風切變，單位是m s-1；ω是500 hPa垂直速度，單位Pa s-1。

Vmax的公式如下：

其中，Ck是焓交換系數；Cd是拖曳系數；Ts是絕對海表溫度；T0是平均出流氣體溫度；CAPE*是飽和濕空氣從海表上升時具有的對流有效位能，跟周圍環境有關；CAPEb則是邊界層空氣上升時具有的有效對流位能；Vmax由絕對濕度、氣溫、海表氣壓以及海表溫度計算而來，與海表溫度相關性較高。

而式（1）又可簡寫為

其中，AV為絕對渦度項，RH為相對濕度項，MPI為強度上限項，SH為垂直切變項，W為垂直抬升項。

2.3.2 平均態誤差分析的線性化方法

如式（1）、（3）所示，熱帶氣旋潛勢指數由五項相乘得到。本文采用Yokoi et al.（2009）的方法通過計算常用對數將其線性化，使得分析各個變量對熱帶氣旋潛勢指數的貢獻更加直觀：

其中，var(i)表示式（1）、（2）中的五個變量。這里用模式與觀測中各變量的常用對數之差來表征各變量的偏差。最終，熱帶氣旋潛勢指數的偏差被分解為五個變量的偏差之和：

2.3.3 平均態誤差偏差貢獻的計算方法

每一個格點的var(i)偏差貢獻計算公式如下

其中，Dif(i)表示式（1）、（2）中的五個變量的偏差貢獻。計算區域的偏差方法是對 Dif(i)做面積加權平均。

3 FROALS對熱帶氣旋潛勢氣候態的模擬與偏差原因

以下首先從 GPI的空間分布、季節循環等方面，檢驗模式對GPI的模擬能力；隨后利用線性化方法找到造成偏差的原因，最后對大氣模式與耦合模式的差別進行分析。

3.1 氣候態模擬

圖1給出了觀測和模擬的1982～2007年7～10月GPI平均氣候態的空間分布。參照試驗、耦合試驗模擬的 GPI與觀測的空間相關系數分別為 0.46與0.47。按觀測中GPI大值分布，將西北太平洋為三個區域：中國南海地區（SCS；5°～20°N，110°～120°E）、西北太平洋北部（NWNP；20°～35°N，120°～150°E）與西北太平洋南部（SWNP；5°～20°N，120°～150°E）。耦合試驗模擬的 GPI 在SCS、SWNP、NWNP地區與觀測的空間相關系數分別為0.42、0.53、0.70，而參照試驗分別為0.59、0.58、0.55。模式大致可以模擬出與觀測接近的GPI分布，如NWNP與SCS的高值區。但是兩組試驗均未能再現SWNP地區的高值區。值得注意的是，利用NCEP2資料計算的GPI在日本以南洋面存在大值區，前人的研究同樣有類似結果（Camargo et al.，2007a；Walsh et al.，2013）。這與 NCEP-2 資料本身有關，利用ERA40計算的GPI并沒有出現相應大值區（田方興和周天軍，2013）。根據前人研究，NCEP-2資料存在相對濕度的干偏差（Bony et al. 1997; Dessler and Davis, 2010），這很可能是二者在計算 GPI上有差異的原因（Chattopadhyay and Abss, 2012）。

為了清楚地看出兩組試驗模擬的GPI與觀測結果的差別，圖2給出了兩組試驗與觀測的GPI的差值。可以看到，兩組試驗在SWNP地區模擬的GPI都偏弱；NWNP地區，參照試驗模擬的GPI強于觀測，而耦合試驗則相反；在SCS地區，參照試驗模擬的GPI弱于觀測，而耦合試驗則相反。具體偏差原因在下文分析。

圖3給出了觀測、兩組試驗模擬的105°～150°E平均的GPI緯度—時間剖面圖。觀測中從5月開始，GPI向北部發展并加強，在8月時到達峰值，主要大值分布在 20°～34°N左右，接著從 10月開始南退。兩組試驗均可模擬出 GPI從 5月開始朝北發展，并且于 6～8月在 20°～34°N達到高值區的現象。但是參照試驗模擬的GPI在6～8月的北部高值區偏強（圖3b），在5°～15°N處偏弱；而耦合試驗模擬的GPI較觀測整體偏弱（圖3c），但時間演變卻與觀測對應較好。

3.2 GPI分布平均態偏差原因分析

圖4給出 GPI及其相關五個變量的泰勒分布圖。其中參照試驗垂直速度項與觀測結果的空間相關系數為-0.2，空間標準差比值為2.10，故沒有出現在圖4中。由圖4可見，兩組試驗的相對濕度項和垂直抬升項與觀測結果的空間相關系數相對較低，其余各項與觀測結果的空間相關系數均高于0.75。空間變率比值上除了垂直切變項，兩組試驗的各項空間變率都要強于觀測。耦合模擬亦顯示出一些優勢，除了強度上限項，耦合試驗模擬的其他變量的空間相關系數要高于參照試驗。

為了更直觀的分析構成GPI的五個變量分別造成的模擬偏差，這里采用 2.3.2中提到的線性化的方法，對其進行線性化。圖5是觀測的各項線性化后的結果及兩組試驗模擬的各項與觀測之差。

兩組試驗模擬的GPI偏差最大的區域是SWNP區域，均表現為負偏差。導致該地區模式模擬的GPI偏差的項主要為垂直抬升項（圖5n–o）、相對濕度項（圖5k–l）。這三項的偏差貢獻在參照試驗中為-36%、-47%，耦合試驗中為-34%、-43%，其偏差的空間分布與模擬的GPI偏差的空間分布基本對應。

導致兩組試驗在 SWNP地區出現相同偏差的原因是模式在該地區模擬的南海季風槽偏弱。根據前人研究，季風槽能夠為熱帶氣旋發生發展提供很好的背景條件，如對流、渦度場、濕度等（Harr and Chan, 2005），超過70%的熱帶氣旋生成都與季風槽聯系在一起（Briegel and Frank, 1997；Chen et al.,2004），并且季風槽的活動可以通過大尺度背景場與天氣尺度擾動影響熱帶氣旋活動（Wu et al.,2012）。所以季風槽對于熱帶氣旋的模擬至關重要，也是模式模擬熱帶氣旋偏差的原因之一。觀測中的SWNP地區，南海季風槽從大約 115°E延伸到150°E，且平均緯度在12°N左右（圖6a）。而兩組試驗在該地區模擬的季風槽非常弱，其東部只延伸到116°E左右（圖6b、c）。模式模擬偏弱的季風槽使得風場輻合與上升運動變弱，繼而使得垂直運動項模擬偏弱。而上升運動偏弱，會使水汽堆積在大氣底部，繼而使得700 hPa的空氣更加干燥。故相對濕度項的模擬也會偏弱。

圖1 GPI（熱帶氣旋潛勢指數）1982～2007年7～10月平均氣候態的空間分布：（a）觀測；（b）參照試驗；（c）耦合試驗。NWNP：西北太平洋北部；SCS：中國南海地區；SWNP：西北太平洋南部Fig. 1 Spatial pattern of July–October mean GPI (Genesis Potential Index) averaged from 1982 to 2007: (a) Observation, (b) control run, (c)coupled run. NWNP: north of the western North Pacific; SCS: the South China Sea; SWNP: south of the western North Pacific

圖2 觀測與模式模擬的GPI氣候態差值的空間分布：（a）參照試驗與觀測之差；（b）耦合試驗與觀測之差；（c）耦合試驗與參照試驗之差Fig. 2 Spatial patterns for the differences of GPI between observations and models: (a) Control run minus observations, (b) coupled run minus observations, (c) coupled run minus control run

然而在NWNP地區，參照試驗模擬的GPI表現為正偏差，而耦合試驗則相反。經過偏差貢獻分析可知，導致參照試驗在該地區模擬的GPI偏強的原因是絕對渦度項與相對濕度項（圖5e、k），兩者偏差貢獻分別為18%與30%。導致耦合試驗在該地區模擬的GPI偏弱的原因是強度上限項與垂直運動項，兩者偏差貢獻分別為-17%和-26%。

為什么兩組試驗會在 NWNP地區出現相反的偏差？原因可能是參照試驗在該地區模擬的副熱帶高壓偏南且偏弱，而耦合試驗模擬在該地區模擬的海溫偏冷。觀測中，在 NWNP地區，副熱帶高壓的脊線大概在28°N左右（圖6a）。而參照試驗在NWNP地區模擬的副熱帶高壓脊線約在 24°N（圖6b），且強度偏弱，出現氣旋性偏差（圖5e），即絕對渦度項偏強。這使得副高脊線附近出現異常上升運動。異常上升運動使得更多水汽被帶離低層，從而使得相對濕度項偏強。這是參照試驗在該地區模擬的GPI出現正偏差的原因。耦合試驗在該地區模擬的副高脊線位置較參照試驗有改善，但是卻模擬出更冷的海溫。而強度上限項與海表溫度空間相關性很高，故耦合模式模擬的強度上限項在該地區會偏低。更低的海溫同時也會削弱該地區的上升運動，使得該地區的垂直抬升項模擬偏低。這是耦合試驗在該地區模擬的GPI出現負偏差的原因。

圖3 105°～150°E平均GPI 緯度—時間剖面：（a）觀測；（b）參照試驗；（c）耦合試驗Fig. 3 Time–latitude cross sections of monthly mean GPI averaged from 105° to 150°E from (a) observations, (b) control run, and (c) coupled run

綜上所述，模式在SWNP地區模擬的GPI出現的負偏差主要是季風槽的模擬偏弱導致的；參照試驗在NWNP地區模擬的GPI強于觀測，是副高模擬偏南且偏弱導致的，而耦合試驗在 NWNP地區模擬的GPI弱于觀測，海溫模擬偏冷導致的。

4 模式對GPI年際變率的模擬

圖4 GPI及構成它五個分量的泰勒圖。1到6號分別為GPI、AV（絕對渦度項）、RH（相對濕度項）、MPI（強度上限項）、SH（垂直切變項）、W（垂直抬升項）。參照試驗與耦合試驗分別用藍色和紅色表示；橫縱坐標是模式和觀測各項的空間標準差比值，橫坐標上徑向距離為1的點（REF點）即觀測點；角坐標是模式和觀測各項的空間相關系數；參照試驗W項的空間相關系數為-0.2，空間標準差比值為2.10，故未在圖中出現Fig. 4 The Taylor diagram of GPI and 5 variables associated with GPI.No.1–6 are GPI, AV (absolute vorticity), MPI (maximum potential intensity), SH (vertical shear), RH (relative humidity), and W(vertical velocity). Control run and coupled run is represented by blue dots and red dots respectively. The ordinate and abscissa are the ratio of the standard deviation of the GPI term simulated by models with respect to the observed GPI term. The observation point (REF point) is on the abscissa with one unit of standard deviation. The azimuthal locations indicate the pattern correlation coefficient between simulated and observed GPI terms. The term W in control runis not shown in the figure for the reason that its pattern correlation coefficient is -0.2 and the ratio of the standard deviation is 2.10

為揭示模式對GPI年際變率的模擬能力，圖7給出觀測和模擬的7～10月GPI標準差的分布。觀測的標準差分布與GPI分布類似，GPI的高值對應標準差高值區（圖7a）。兩組試驗均能合理再現這個特征。參照試驗模擬的GPI標準差分布，其標準差高值區主要分布在中國東海與南海，較之觀測偏強，同時在SWNP模擬的GPI標準差弱于觀測（圖7b）。與參照試驗相同，耦合模式模擬的 GPI標準差高值區主要分布在中國南海與東海地區，南海地區模擬的GPI的標準差變率高于觀測，但在SWNP地區與NWNP地區均弱于觀測（圖7c）。

為了更直觀地分析模式模擬的 GPI年際變率，這里對觀測與模式模擬的1982～2007年6～8月平均GPI進行EOF分析。觀測結果的EOF分析第一模態，解釋方差為30.6%，其空間形態大致沿20°N 成南北反位相，為偶極子形態,菲律賓海為正值，日本南部地區為負值（圖8a）。該偶極子形態已有很多研究表明其主要受ENSO影響：在El Ni?o年，南海季風槽加強且在赤道附近東伸，熱帶氣旋的生成位置更傾向伴隨季風槽沿赤道東伸（Camargo et al., 2007b；Wang et al., 2013），即GPI在20°N以南沿赤道東伸發展，對應圖8a中的正位相區。在La Ni?a年，季風槽減弱西退，熱帶氣旋生成位置伴隨季風槽的西退，偏向西北太平洋地區的西北部（Wang et al., 2013），即GPI主要分布在日本南部，對應圖8a中的負位相區。

圖5 （a、d、g、j、m）觀測中的MPI、AV、SH、RH、W五項線性化后的結果；（b、e、h、k、n）參照試驗線性化后的五項與觀測之差；（c、f、g、l、o）耦合試驗線性化后的五項與觀測之差Fig. 5 (a, d, g, j, m) The distribution of linearized MPI, AV, SH, RH, W from observations; (b, e, h, k, n) differences of the five linearized terms between control run and observations; (c, f, g, l, o) differences of the five linearized terms between coupled run and observations

圖6 1982～2007年 7～10月的850 hPa風場（矢量，單位：m s-1）與SST（填色，單位：°C）：（a）觀測；（b）參照試驗；（c）耦合試驗Fig. 6 Spatial patterns of July–October mean 850-hPa winds (m/s;vector) and SST (°C; shaded) averaged from 1982 to 2007 from (a)observations, (b) control run, and (c) coupled run

圖7 同圖1，但為GPI的標準差Fig. 7 Same as Fig. 1, but for standard deviation of GPI

在參照試驗中， EOF第一模態是一條沿日本南部的狹長的GPI正值區，無法與觀測結果的偶極子空間形態對應（圖未給出）。而其EOF第二模態則能與觀測結果對應，故這里選取EOF第二模態進行分析。

參照試驗的EOF第二模態與耦合試驗的EOF第一模態均可模擬出這種偶極子形態，其空間解釋方差分別為 23.2%與 24.3%。兩者與觀測結果的EOF第一模態的空間相關系數分別為0.67與0.61。參照試驗中，其空間形態大致沿 24°N呈南北反位相分布，菲律賓海地區為正值，但較觀測正值區位置偏北，日本南部為負值。這表明在參照試驗中，受ENSO影響的GPI年際變率要強于觀測。而在耦合試驗中，其空間形態大致沿 28°N呈南北反位相分布，中國南海地區為正值，振幅較觀測正值區更強，日本南部為負值，范圍較觀測負值區更小。這表明耦合試驗在El Ni?o年模擬的GPI沿赤道東伸的現象較觀測更廣闊更強，偏向中國的南海地區。而在La Ni?a年，耦合試驗模擬的GPI分布在西北太平洋西北部的現象較觀測更弱。值得注意的是，在南海季風槽地區，耦合試驗空間模態的振幅要優于參照試驗，更貼近于觀測。

圖8 1982～2007年6～8月平均GPI的EOF分析（右上角百分數是其模態對應的解釋方差）：（a）觀測EOF第一模態（EOF1）；（b）參照試驗EOF第二模態（EOF2）；（c）耦合試驗EOF1。（d）觀測（黑色實線）、參照試驗（紅色實線）、耦合試驗（藍色實線）對應的時間序列與1982～2007年6～8月觀測的Nino3.4指數（柱狀圖）與南海夏季風指數（紫色實心圓虛線）Fig. 8 (a, c) The first mode1 of EOF analysis (EOF1) of Jun–Aug mean GPI from 1982 to 2005 from (a) observation, (c) coupled run. (b) same as (c), but for the second EOF modle (EOF2). (d) Time series of EOF1 observation (black solid line), EOF2 control run (red solid line), EOF1 coupled run (blue solid line)and Ni?o3.4 index (bar chart), the South China Sea monsoon index (purple dashed line with dots)

表1給出了觀測、兩組試驗的EOF主分量時間序列分別與觀測、Ni?o3.4指數、南海夏季風指數（Wang and Fan, 1999）的相關系數。觀測中，EOF第一模態對應的時間序列與Ni?o3.4指數、南海夏季風指數都有很好的相關性（圖8d），且相關系數都通過了95%的顯著性檢驗，體現了ENSO通過影響季風槽強弱繼而影響熱帶氣旋活動的現象。兩組試驗對應的 EOF主分量時間序列都能較好的模擬出與ENSO相關的年際變化，但耦合試驗結果優于參照試驗（表1）。這說明在受 ENSO影響的 GPI年際變率上，耦合試驗的模擬要優于參照試驗。

為了分析耦合試驗模擬的GPI年際變率較參照試驗優越的原因。這里給出了觀測與模式的850 hPa風場與500 hPa垂直速度場對觀測EOF主分量時間序列的回歸場（圖9）。觀測的結果對應的是 ElNi?o年的信號，其在菲律賓海附近有異常氣旋。異常氣旋中心與其偏南部伴隨著異常上升運動，北部則伴隨異常下沉運動（圖9a）。因為異常氣旋與異常上升運動區可以提供有利于熱帶氣旋發生發展的氣象條件，如垂直上升運動、適宜的相對渦度條件、適宜的水汽條件、弱的垂直風切變等。與之相反，異常下沉區則不利于熱帶氣旋發展。故觀測中，異常氣旋與異常上升運動區對應著EOF分析中GPI在El Ni?o年的主要分布范圍，即GPI在20°N以南沿赤道附近東伸發展的現象。

圖9 根據圖8中觀測的EOF主分量時間序列回歸擬合的850 hPa風場（矢量，單位：m s-1）與500 hPa垂直速度ω（填色，單位: 10-1 hPa s-1）的空間分布（紅色斜線覆蓋區為通過0.05顯著性水平檢驗區域）：（a）觀測；（b）參照試驗；（c）耦合試驗；（d）1982～2007年6～8月（5°～20°N，110°～145°E）區域平均相對渦度（單位：10-5 s-1），觀測、參照試驗、耦合試驗分別為黑色實線、紅色虛線和藍色虛線Fig. 9 Spatial patterns of 850-hPa wind (units: m s-1; vector) and 500-hPa vertical velocity ω (units: 10-1 hPa s-1) regressed onto the time series of observed EOF principal component in Fig. 8 from (a) observations, (b) control run, (c) coupled run. The red slash regions are where regression is statistically significant at the 0.05 level based on the Student t test. (d) The Jun–Aug mean relative vorticity averaged during 1982 to 2007 from (5°–20°N, 110°–145°E) from observations (black solid line), control run (red dashed line), and coupled run (blue dashed line)

在參照試驗基于觀測 EOF主分量時間序列回歸的850 hPa風場與500 hPa垂直速度場中，菲律賓海附近的異常氣旋較觀測偏弱，且中心偏向中國南海附近。其回歸的垂直運動較觀測也更弱，菲律賓海中南部出現了下沉區（圖9b）。這表明在 El Ni?o年，參照試驗模擬的GPI分布較觀測會更加偏西，且在菲律賓海中南部的GPI會弱于觀測結果。這與之前EOF分析的空間模態是一致的。

在耦合試驗基于觀測 EOF主分量時間序列回歸的850 hPa風場與500 hPa垂直速度場中，其在菲律賓海模擬的異常氣旋在強度和位置較參照試驗都得到了一定改善，其緯向范圍更大。伴隨改善后的異常氣旋，其模擬的垂直運動較參照試驗也更強，菲律賓海中南部的下沉區得到改善（圖9c）。但其模擬的垂直運動范圍較觀測依然有較大偏差。改善了的風場與垂直運動使得耦合試驗在 El Ni?o年模擬的GPI更接近觀測，特別是菲律賓海中南部區域，這也與之前 EOF分析的空間模態是一致。

表1 圖8中觀測、參照試驗、耦合試驗GPI的EOF主模態時間序列與觀測 GPI的 EOF主模態時間序列、Ni?o3.4指數、南海夏季風指數的相關系數Table 1 The correlation coefficient between time series of EOF analysis of GPI in Fig. 8 and Ni?o3.4 index, the South China Sea monsoon index

上述菲律賓海中南部對應觀測中的南海季風槽區域，而兩組試驗在氣候態均未能再現該區域的季風槽。為了檢查模式對于該區域南海季風槽的強度年際變率模擬如何，這里計算了 1982～2007年6～8 月（5°～20°N，110°～145°E）區域平均的相對渦度（圖9d）。該區域的相對渦度可以一定程度表征南海季風槽與西北太平洋季風槽強度（高建蕓等，2011）。圖中參照試驗和耦合試驗模擬的季風槽與觀測中季風槽的強度時間序列的相關系數分別為0.77和0.84，均通過95%的顯著性檢驗。由圖可見，兩組試驗模擬的季風槽強度都明顯弱于觀測，與前文所述模式模擬的季風槽偏弱對應。但耦合試驗模擬的季風槽強度不論在時間序列的相關性還是在強度上都優于參照試驗。可見FROALS較大氣模式在該區域季風槽的強度與年際變率模擬方面都有所提高，進而改善了菲律賓海中南部GPI的年際變率模擬。

5 結論

本文使用 NCEP-2再分析資料檢驗了區域海—氣耦合模式 FROALS對熱帶氣旋潛勢指數的模擬能力。主要結論如下：

（1）在西北太平洋地區，兩組試驗均可再現觀測中夏季的GPI分布形態。在SWNP地區，兩組試驗表現出相同的負偏差。在 NWNP地區，參照試驗模擬的GPI強于觀測，而耦合試驗模擬的GPI弱于觀測。在季節循環方面，兩組試驗均可模擬出GPI的季節變化，參照試驗的GPI振幅偏強，而耦合試驗則偏弱。

（1）兩組試驗在SWNP地區模擬的GPI偏弱的原因是其在該地區模擬的南海季風槽偏弱。偏弱的季風槽使得相對濕度偏低，垂直運動偏弱，相對渦度偏低。而兩組試驗在 NWNP地區模擬的偏差相反的原因是參照試驗在該地區模擬的副高偏南且偏弱，而耦合試驗模擬在該地區模擬的海溫偏冷。偏弱的副高使得參照試驗中相對濕度偏高，繼而使得模擬的GPI偏強。偏冷的海溫使得耦合試驗中的強度上限項模擬偏低，且垂直運動偏弱，繼而使其模擬的GPI偏弱。

（3）觀測中夏季的GPI經EOF分析后其第一模態為南北對稱的偶極子形態。該信號對應ENSO對西北太平洋地區熱帶氣旋的影響。兩組試驗均可再現該偶極子形態。但是參照試驗模擬的北部負值區振幅偏強，南部正值區振幅偏弱。耦合試驗改善了參照試驗南部正值區，特別是季風槽區域的振幅偏弱現象，但其北部負值區范圍較觀測偏小。觀測EOF分析結果的時間序列與Ni?o3.4指數與南海夏季風指數能很好對應，表現為ENSO通過南海季風槽影響西北太平洋地區的熱帶氣旋。兩組試驗也能很好再現時間序列與兩個指數的對應關系。但是耦合試驗模擬的時間序列較參照試驗更優，進一步分析指出其原因是耦合后模式模擬的南海季風槽年際變率優于單獨的大氣模式。

（References）

Antonov J I, Locarnini R A, Boyer T P, et al. 2006. World Ocean Atlas 2005,Volume 2: Salinity [C], NOAA Atlas NESDIS, 62, 182 pp.

Bao Q, Wu G X, Liu Y M, et al. 2010. An introduction to the coupled model FGOALS1.1-s and its performance in East Asia [J]. Adv. Atmos. Sci., 27(5): 1131–1142.

Bao Q, Lin P F, Zhou T J, et al. 2013. The flexible global ocean–atmosphere-land system model, spectral version 2: FGOALS-s2 [J]. Adv.Atmos. Sci., 30 (3): 561–576.

Bell G D, Halpert M S, Schnell R C, et al. 2000. Climate assessment for 1999 [J]. Bull. Amer. Meteor. Soc., 81 (6): S1–S50.

Bony S, Sud Y, Lau K M, et al. 1997. Comparison and satellite assessment of NASA/DAO and NCEP/NCAR reanalyses over tropical ocean:Atmospheric hydrology and radiation [J]. J. Climate, 10 (6): 1441–1461.

Briegel L M, Frank W M. 1997. Large-scale influences on tropicalcyclogenesis in the western North Pacific [J]. Mon. Wea. Rev., 125 (7):1397–1413.

Camargo S J, Sobel A H. 2005. Western North Pacific tropical cyclone intensity and ENSO [J]. J. Climate, 18 (15): 2996–3006.

Camargo S J, Sobel A H, Barnston A G, et al. 2007a. Tropical cyclone genesis potential index in climate models [J]. Tellus, 59A (5): 428–443.

Camargo S. J, Emanuel K A, Sobel A H. 2007b. Use of a genesis potential index to diagnose ENSO effects on tropical cyclone genesis [J]. J.Climate, 20 (19): 4819–4834.

Canuto V M, Howard A, Cheng Y, et al. 2001. Ocean turbulence. Part I:One-point closure model—Momentum and heat vertical diffusivities [J]. J.Phys. Oceanogr., 31: 1413–1426.

Canuto V M, Howard A, Cheng Y, et al. 2002. Ocean turbulence. Part II:Vertical diffusivities of momentum, heat, salt, mass, and passive scalars[J]. J. Phys. Oceanogr., 32: 240–264.

Chattopadhyay M, Abbs D. 2012. On the variability of projected tropical cyclone genesis in GCM ensembles [J]. Tellus, 64: 18696.

Chen T C, Wang S Y, Yen M C, et al. 2004. Role of the monsoon gyre in the interannual variation of tropical cyclone formation over the western North Pacific [J]. Wea. Forecasting, 19 (4): 776–785.

Dessler A E, Davis S M. 2010. Trends in tropospheric humidity from reanalysis systems [J]. Geophys. Res. Lett., 115 (D19): D19127, doi: 10.1029/2010JD014192

Dickinson R E, Henderson-Sellers A, Kennedy P J. 1993. Biosphere–atmosphere transfer scheme (BATS) version 1e as coupled to the NCAR community climate model [R]. NCAR Tech. Note NCAR/TN-387+STR,72 pp.

Emanuel K, 1988. The maximum intensity of hurricanes [J]. J. Atmos.Sci., 45, 1143–1155.

Emanuel K. 1995. Sensitivity of tropical cyclones to surface exchange coefficients and a revised steady-state model incorporating eye dynamics[J]. J. Atmos. Sci., 52 (22): 3969–3976.

Emanuel K, Nolan D. 2004. Tropical cyclone activity and the global climate system [C]// Preprints, 26th Conf. on Hurricanes and Tropical Meteorology. Miami FL: Amer. Meteor. Soc., 240–241.

Emanuel K. 2005. Increasing destructiveness of tropical cyclones over the past 30 years [J]. Nature, 436 (7051): 686–688.

房永杰, 張耀存. 2014. 區域海氣耦合模式模擬的2003年東亞夏季風季節內振蕩 [J]. 氣候與環境研究, 19 (1): 78–88. Fang Yongjie, Zhang Yaocun. 2014. Simulation of intraseasonal oscillation of East Asian summer monsoon in 2003 by a regional air–sea coupled model [J].Climatic and Environmental Research (in Chinese), 19 (1): 78–88.

高建蕓, 余錦華, 張秀芝, 等. 2011. 南海—西北太平洋季風槽強度變化的特征及其與熱帶氣旋活動的關系 [J]. 熱帶氣象學報, 27 (1): 63–73.Gao Jianyun, Yu Jinhua, Zhang Xiuzhi, et al. 2011. On relationship between variation of the monsoon trough intensity in the South China Sea–western North Pacific and tropical cyclone activities [J]. Journal of Tropical Meteorology (in Chinese), 27 (1): 63–73.

Gray W M, 1975. Tropical Cyclone Genesis [M]. Dept. of Atmos. Sci. Paper No. 234, Colorado State University, Ft. Collins, CO Press, 121 pp.

Grell G A. 1993. Prognostic evaluation of assumptions used by cumulus parameterizations [J]. Mon. Wea. Rev., 121 (3): 764–787.

Harr P A, Chan J C L. 2005. Monsoon impacts on tropical cyclone variability [M]// Chang C P, Wang B, Lau N C G. The Global Monsoon System: Research and Forecast. Secretariat of the World Meteorological Organization, 512–542.

胡軼佳, 鐘中, 王曉婷. 2008. 1998年夏季長江中下游地區大氣多尺度振蕩的區域氣候模 [J]. 熱帶氣象學報, 24 (6): 700–707. Hu Yijia,Zhong Zhong, Wang Xiaoting. 2008. Regional climate modeling of the multi-scale oscillations over the lower and middle reaches of Yangtze River in summer [J]. Journal of Tropical Meteorology (in Chinese), 24 (6):700–707.

Jin X Z, Zhang X H, Zhou T J. 1999. Fundamental framework and experiments of the third generation of IAP/LASG World Ocean general circulation model [J]. Adv. Atmos. Sci., 16 (2): 197–215.

Kanamitsu M, Ebisuzaki W, Woollen J, et al. 2002. NCEP–DOE AMIP-II reanalysis (R-2) [J]. Bull. Amer. Meteor. Soc., 83 (11): 1631–1643.

Kiehl J T, Hack J J, Bonan G B, et al. 1996. Description of the NCAR community climate model (CCM3) [R]. NCAR Tech. Note NCAR/TN-420+STR, 159 pp.

Landsea C W. 2000. El Ni?o–Southern Oscillation and the seasonal predictability of tropical cyclones [M]// Diaz H F, Markgraf V. El Ni?o:Impacts of Multiscale Variability on Natural Ecosystems and Society.Cambridge: Cambridge University Press, 149–181.

Large W, Yeager S. 2004. Diurnal to decadal global forcing for ocean and sea-ice models: The data sets and flux climatologies [R]. NCAR Tech.Note NCAR/TN-460+STR, 105 pp.

Li L J, Lin P F, Yu Y Q, et al. 2013. The flexible global ocean–atmosphere–land system model, grid-point version 2: FGOALS-g2 [J]. Adv. Atmos.Sci., 30 (3), 543–560.

Liu H L, Zhang X H, Li W, et al. 2004. An eddy-permitting oceanic general circulation model and its preliminary evaluation [J]. Adv. Atmos. Sci., 21(5), 675–690.

Liu H L, Lin P F, Yu Y Q, et al. 2012. The baseline evaluation of LASG/IAP climate system ocean model (LICOM) version 2 [J]. Acta Meteor. Sin., 26(3), 318–329.

Locarnini R A, Mishonov A V, Antonov J I, et al. 2006. World Ocean Atlas 2005, Volume 1: Temperature [C], NOAA Atlas NESDIS 61, 182 pp.

Manganello J V, Hodges K I, Kinter J L, et al. 2012. Tropical cyclone climatology in a 10-km global atmospheric GCM: Toward weatherresolving climate modeling [J]. J. Climate, 25 (11): 3867–3892.

Mcbride J L. 1995. Tropical cyclone formation, Chapter 3, Global Perspectives on Tropical Cyclones [R]. Geneva: Tech. Doc. WMO/TD No 693, World Meteorological Organization, 63–105.

Murakami H, Wang B, Kitoh A. 2011. Future change of western North Pacific typhoons: Projections by a 20-km-Mesh global atmospheric model [J]. J. Climate, 24 (4): 1154–1169.

Pal J S, Small E E, Eltahir E A B. 2000. Simulation of regional-scale water and energy budgets: Representation of subgrid cloud and precipitation processes within RegCM [J]. J. Geophys. Res., 105 (D24): 29579–29594.

Pal J S, Giorgi F, Bi X Q, et al. 2007. Regional climate modeling for the developing world: The ICTP RegCM3 and RegCNET [J]. Bull. Amer.Meteor. Soc., 88 (9): 1395–1409.

Reynolds R W, Rayner N A, Smith T M, et al. 2002. An improved in situand satellite SST analysis for climate [J]. J. Climate, 15 (13): 1609–1625.

Saffir H. 2003. Communicating damage potentials and minimizing hurricane damage [M]// Simpson R, Anthes R, Garstang M, et al.Hurricane! Coping with Disaster. Washington, DC: American Geophysical Union, 155–164.

田方興, 周天軍. 2013. 西北太平洋熱帶氣旋潛勢分布和年際變率的數值模擬 [J]. 氣象學報, 71 (1): 50-62. Tian Fangxing, Zhou Tianjun.2013. The tropical cyclone genesis potential index over the western North Pacific and its interannnal variability as simulated by the LASG/IAP AGCM [J]. Acta Meteorologica Sinica (in Chinese), 71 (1): 50–62.

Valcke S. 2006. OASIS3 user guide (prism_2–5) [R]. CERFACS PRISM-Support Initiative Rep. 3, 64 pp.

Walsh K, Lavender S, Scoccimarro E, et al. 2013. Resolution dependence of tropical cyclone formation in CMIP3 and finer resolution models [J].Climate Dyn., 40 (3–4): 585–599.

Wang B, Fan Z. 1999. Choice of South Asian summer monsoon indices [J].Bull. Amer. Meteor. Soc., 80 (4): 629–638.

Wang B, Wu R G, Fu X H. 2000. Pacific–East Asian teleconnection: How does ENSO affect East Asian climate? [J]. J. Climate, 13 (9): 1517–1536.

Wang B, Ding Q, Fu X, Kang I, et al. 2005. Fundamental challenge in simulation and prediction of summer monsoon rainfall [J]. Geophys. Res.Lett., 32, L15711.

Wang C Z, Li C X, Mu M, et al. 2013. Seasonal modulations of different impacts of two types of ENSO events on tropical cyclone activity in the western North Pacific [J]. Climate Dyn., 2013, 40 (11–12): 2887–2902.

Wu B, Zhou T J, Li T. 2009. Contrast of rainfall-SST relationships in the Western North Pacific between the ENSO-developing and ENSO-decaying summers [J]. J. Climate, 22 (16): 4398–4405.

Wu B, Li T, Zhou T J. 2010. Asymmetry of atmospheric circulation anomalies over the western North Pacific between El Ni?o and La Ni?a[J]. J. Climate, 23 (18): 4807–4822.

Wu L, Wen Z P, Huang R H, et al. 2012. Possible linkage between the monsoon trough variability and the tropical cyclone activity over the western North Pacific [J]. Mon. Wea. Rev., 140 (1): 140–150.

Yu Y Q, Zhi H, Wang B. 2008. Coupled model simulations of climate changes in the 20th century and beyond [J]. Adv. Atmos. Sci., 25 (4):641–654.

Yokoi S, Takayabu Y N, Chan J C L. 2009. Tropical cyclone genesis frequency over the western North Pacific simulated in mediumresolution coupled general circulation models [J]. Climate Dyn., 33 (5):665–683.

Zeng X M, Zhao M, Dickinson R E. 1998. Intercomparison of bulk aerodynamic algorithms for the computation of sea surface fluxes using TOGA COARE and TAO data [J]. J. Climate, 11 (10): 2628–2644.

Zhang X, Yu Y, Yu R, et al. 2003. Assessments of an OGCM and the relevant CGCM Part I: Annual mean simulations in the tropical pacific ocean [J]. Chin. J. Atmos. Sci., 27 (6): 649–970.

Zhou T J, Yu Y Q, Liu H L, et al. 2007. Progress in the development and application of climate ocean models and ocean–atmosphere coupled models in China [J]. Adv. Atmos. Sci., 24 (6): 1109–1120.

Zhou T J, Wu B, Wen X Y, et al. 2008. A fast version of LASG/IAP climate system model and its 1000-year control integration [J]. Adv. Atmos. Sci.,25 (4), 655–672.

Zou L W, Zhou T J. 2011. Sensitivity of a regional ocean–atmosphere coupled model to convection parameterization over western North Pacific[J]. J. Geophys. Res., 116 (D18): D18106, doi: 10.1029/2011JD015844.

Zou L W, Zhou T J. 2012. Development and evaluation of a regional ocean–atmosphere coupled model with focus on the western North Pacific summer monsoon simulation: Impacts of different atmospheric components [J]. Sci. China Earth Sci., 2012, 55 (5): 802–815.

Zou L W, Zhou T J. 2013. Can a Regional ocean–atmosphere coupled model improve the simulation of the interannual variability of the western North Pacific summer monsoon? [J]. J. Climate, 26 (7): 2353–2367.

Zou L W, Zhou T J. 2014. Simulation of the western North Pacific summer monsoon by regional ocean–atmosphere coupled model: Impacts of oceanic components [J]. Chinese Science Bulletin, 59 (7): 662–673.