ENSO 氣溫關聯網絡結構特征差異及成因分析*

胡恒儒 龔志強 王健 喬盼節 劉莉 封國林3)

1) (揚州大學物理科學與技術學院，揚州 225009)

2) (常熟理工學院電子與信息工程學院，蘇州 215100)

3) (國家氣候中心氣候研究開放實驗室，北京 100081)

4) (昆明理工大學理學院，昆明 650504)

5) (南京信息工程大學大氣科學學院，南京 210044)

基于全球地表氣溫資料，分別構建了El Ni?o 和La Ni?a 事件對應的全球氣溫關聯網絡，并分析網絡結構特征的差異，探究可能的成因.結果表明，與La Ni?a 事件氣溫網絡(簡稱La Ni?a 網絡)相比，El Ni?o 事件氣溫網絡(簡稱El Ni?o 網絡)中格點溫度序列間的相關性減弱，氣溫網絡的連通度顯著降低，連通性下降，在熱帶和南溫帶區域連通性變化尤為顯著.赤道東太平洋、赤道西太平洋、赤道印度洋和赤道大西洋的網絡連通度相對較大，在El Ni?o 網絡中的減少異常明顯，是導致兩類網絡結構特征差異性的4 塊關鍵區域.在此基礎上初步探討了兩類網絡特征差異的原因，即隨著Ni?o3.4 區域的海溫升高，赤道東太平洋、赤道印度洋等區域海溫升高，對外長波輻射加強，對流活動增加，低緯度與中緯度區域的相互作用增強，南北溫帶氣溫變化的方差加大，造成關鍵區格點氣溫序列與全球其他地區的相關性減弱，全球格點氣溫網絡連通性下降.

1 引言

氣候系統的變化受許多因素的驅動，其中最顯著的是厄爾尼諾和南方濤動(El Ni?o-southern oscillation，ENSO)[1，2].ENSO 作為熱帶太平洋地區典型的年際大尺度海氣相互作用現象，具有相對于長期平均狀態的不規則暖相位(El Ni?o)和冷相位(La Ni?a)交替出現的特征，并可以通過改變赤道太平洋地區的Walker 環流對本地區和其他地區的氣候異常產生廣泛的影響[3-8].

2004 年以來，復雜網絡理論在復雜性系統的研究中得到了廣泛的應用[9-12].氣候系統作為非線性復雜巨系統之一[13-15]，其內部存在典型的非線性相互作用[16].Tsonis 和Roebber[17]率先提出了氣候系統復雜網絡的概念，旨在利用復雜網絡這一工具從整體論的角度開展氣候異常問題研究.500 hPa 高度場的關聯網絡中，網絡的超級節點可以讓氣候系統更具有穩定性，物質和能量的傳輸也更為高效[18].龔志強等[19-21]研究了全球表面氣溫場網絡的動力學統計性質和北半球環流系統的結構特征，實現了復雜網絡理論在氣候診斷分析中的應用.

氣候系統復雜網絡已有一部分研究聚焦于ENSO 現象，Proc.Natl.Acad.Sci.連續刊登文章介紹基于復雜網絡理論的ENSO 事件識別和預測研究[22，23].ENSO 復雜網絡的研究成果主要包括:1)定量刻畫了與ENSO 相聯系的全球遙相關特征.Tsonis 和Swanson[18]采用月尺度資料揭示了El Ni?o 網絡的連通度較La Ni?a 網絡顯著降低，指出前者網絡的穩定性相對較低，造成El Ni?o 年全球溫度的可預測性較La Ni?a 年偏低.Yamasaki等[24]采用逐日資料也揭示了全球不同區域的溫度網絡結構特征在El Ni?o 年份對應網絡中連邊數較La Ni?a 的情況顯著減少.2)不同類型ENSO事件的客觀識別.Radebach 等[25]系統分析了全球氣候網絡空間結構的時間演化特征，初步建立了這種演化與兩類ENSO 事件的聯系.Wiedermann等[26]基于動態的全球溫度網絡定量描述了不同類型ENSO 事件的網絡局地性和發散性結構特征，結合網絡傳遞性變量定義了一種能夠有效區別中部型和東部型ENSO 事件的新指數.Lu 等[27]也利用氣溫網絡參數—總節點度指標成功區分出EP 型和CP 型ENSO 事件.3)利用氣溫網絡相變刻畫海溫狀態的轉變.Lu 等[28]將海溫強異常事件等效視為海溫強迫對氣溫網絡的攻擊，利用氣溫網絡中的相變指標指示熱帶太平洋地區海溫狀態的轉變，并作為評判氣候系統是否變化的依據.可以看出，與ENSO 相關的復雜網絡研究中，目前多為構建全球地表溫度網絡，通過分析El Ni?o/La Ni?a 年的網絡特征量的變化來實現監測、診斷和預測研究.值得注意的是，相關成果大多未涉及一個共性問題:ENSO 事件中赤道中東太平洋的海溫異常，在不同關鍵海區的網絡結構特征和氣候要素會有怎樣的差異，以及海溫升高究竟如何引起全球溫度網絡結構特征的變化.

本文首先分別構建了El Ni?o 和La Ni?a 事件對應的全球氣溫關聯網絡，分析La Ni?a 事件網絡(以下簡稱La Ni?a 網絡)和El Ni?o 事件網絡(以下簡稱El Ni?o 網絡)的結構特征量的差異性，然后區分不同關鍵海區對網絡特征差異的影響，最后聯系海氣相互作用探究ENSO 關鍵區域海溫升高與全球氣溫關聯網絡結構特征變化之間的可能聯系，淺析ENSO 事件網絡結構特征發生改變的原因.

2 數據和方法

2.1 資 料

本研究選取的氣象要素資料均來自https://psl.noaa.gov/data/，在NCEP/NCAR 再分析項目中獲取全球月平均表面氣溫數據集，水平分辨率取為5° × 5°;全球月平均凈長波輻射通量OLR 數據集和500 hPa 垂直速度場Omega 數據集，水平分辨率為2.5° × 2.5°[29];以及全球月平均海表溫度(SST)數據，水平分辨率為1° × 1°.另外每月Ni?o3.4 指數來自NOAA 地球系統研究實驗室(ERSL)通過https://psl.noaa.gov/gcos_wgsp/Ti meseries/Nino34/獲取.為保持數據集之間的一致性，資料長度都選取1950—2020 年.

為避免極地格點距離較近引起的高度相關性，本文選取70°N—70°S 以內的格點構建網絡.沿緯向29 個格點，沿經向72 個格點，總共2088 個格點作為網絡的節點.為消除季節變化趨勢，對格點的溫度序列作距平值處理(原始值減去每個月的氣候平均值).為研究冷暖ENSO 事件的網絡結構特征的差異性，對于Ni?o3.4 指數距平的3 個月滑動平均值，將連續5 個月 ≥ (≤)+0.5 (—0.5)的月份定義為El Ni?o (La Ni?a)事件.同時，由于冬季氣溫的異常振幅大于夏季，為避免虛假的高相關值，只提取發生ENSO 事件的年份中11 月—3 月的數值進行分析[17].結果共選取了51 個El Ni?o 事件月份和52 個La Ni?a 事件月份作為每個格點的時間序列，分別用來構建ENSO 不同位相的全球氣溫關聯網絡.

2.2 全球ENSO 氣溫關聯網絡的構建

圖1 不同ENSO 相位下格點氣溫序列相關系數概率分布，其中shuffled 表示對格點氣溫序列作了隨機化處理Fig.1.Probability distribution of correlation coefficient of grid temperature series under different ENSO phases，where shuffle represents randomization of grid temperature.

為了較好地定義網絡中節點對之間的連邊，計算了所有可能節點對的時間序列之間的皮爾遜相關系數.這里設定一個閾值Q，只有當節點間的相關系數絕對值|Cij| ≥Q時，才認為它們顯著相關，節點間存在連邊.結合已有的工作[21]和相關系數的顯著性檢驗，本文選取的閾值為Q=0.5，以保障節點間的連邊真實有效.該選擇考慮了參數化和非參數化兩種檢驗，一方面，節點序列長度為50，在N=50 的t檢驗中C=0.5 的關聯系數通過了0.05 信度;另一方面，C=0.5 是氣溫網絡構建中常用的相關系數閾值[17-20]，且是一個相對穩態值[30].

對于復雜網絡而言，通常是借助網絡結構特征量進行分析研究.本文從系統內部關聯作用的強弱、不同尺度下連邊數目的多少、格點要素變化的區域同步性特征和信息的傳遞效率4 個方面定義結構特征量，定量描述系統的關聯結構復雜性.

1)連通度，又稱區域權重連通度.本文將節點間的連接強度按照節點密度的大小乘以一定的系數，消除了緯度差異帶來的節點分布不均勻的問題.如果節點i與位于λN緯度的共N個其他節點有連邊，則連通度的定義為[31]

其中φ代表經度.連通度代表了1 個節點能夠連接到的全局區域的比例，連通度越高，該節點在網絡中的作用越強，對網絡的影響也就越大，反之則相反.

2)連通距離，又稱鏈路距離.若兩個格點之間有連邊，則它們間的地表實際距離即為連通距離，公式如下[32]:

式中la代表緯度，lo代表經度，R是地球半徑為6371 km.連通距離用來統計網絡連邊距離數量分布的變化，連通距離值大，代表節點間存在越遠距離的遙相關作用.

3)集聚系數.在節點i相連的ki個節點中，實際連邊數Ei與最大可能存在邊數之間的比值定義為節點i的集聚系數，公式如下[31，33]:

所有節點集聚系數的平均值為平均集聚系數，系數越大說明系統內部的區域同步性越好，反之則相反.

隨著大數據的到來，透明度變得越來越重要。大數據的威力很大程度上源于數據集的二次使用，以產生新的預測和推論。何種情況下需要透明度，以發揮“最好防腐劑”效用，是值得研究的。在政府問責制中，透明度確實發揮了積極作用。但大數據背景下的政府監管實則為一個極其復雜的問題，因為數據收集和使用通常都是迅速而秘密地進行，在此過程中的行為通常由技術加以控制，這些新特點無疑給目前的政府監管帶來新挑戰。據此，大數據時代透明度同樣是我們在制定規則時不容忽視的倫理價值觀。

4)特征路徑長度.在關聯網絡中，節點i與相互連接的節點j所要經過的最少連邊數為最短路徑長度dij，所有節點對之間最短路徑長度的平均值代表網絡的特征路徑長度，公式如下[33]:

特征路徑長度越小，說明任意兩個節點之間建立聯系需要經歷的中間過程越短，網絡內部信息的傳遞效率則越高.

3 ENSO 氣溫網絡結構特征分析

3.1 全球網絡特征

圖2 給出了ENSO 氣溫網絡結構特征量的空間分布圖.如圖2(a)中連通度的空間分布所示，El Ni?o 和La Ni?a 氣溫關聯網絡都是具有超級節點的網絡，但El Ni?o 網絡連通度的值是明顯小于La Ni?a 的.全球連通度高的區域主要集中在熱帶的赤道大西洋、赤道印度洋、西太平洋和中東太平洋4 個部分，在溫帶地區也存在少量超級節點，而且連通度在南北半球并不是對稱分布.圖2(b)和圖2(c)給出了集聚系數和最短路徑長度的空間分布，可以看出它們與連通度的分布也有一定的對應關系，這表明三者在反映網絡的體系結構時具有很好的一致性，而且在熱帶地區氣溫鏈接保存得更加完好.

圖2 網絡特征量空間分布 (a1)，(a2)連通度;(b1)，(b2)集聚系數;(c1)，(c2)特征路徑長度Fig.2.Spatial distribution of network characteristic quantity:(a1)，(a2) Connectivity degree;(b1)，(b2) agglomeration coefficient;(c1)，(c2) characteristic path length.

為了區分溫帶與熱帶的網絡結構特征差異性，以南北緯30°為界，劃分為北溫帶、熱帶和南溫帶3 個區域分別計算網絡結構特征，并給出概率分布，此處差異率定義為

表1 所列為計算的連通度平均值與差異率，可以看出，La Ni?a 氣溫關聯網絡的連通度在全球、南北溫帶和熱帶地區均高于El Ni?o 網絡，且差異率在熱帶和南溫帶最為顯著，而在北溫帶的差異最小.在網絡特征量的概率分布圖(圖3)中，較La Ni?a網絡而言，El Ni?o 網絡具有偏小的集聚系數和偏大的特征路徑長度，即后者的氣溫網絡緊湊程度偏低，區域變化一致性較弱.此外，熱帶和南溫帶連通度、鏈路數量連通距離、集聚系數、最短路徑長度的概率分布與全球特征較為一致，但北溫帶網絡特征量的概率分布對應的兩種網絡的差異較小，即其對全球El Ni?o 氣溫網絡緊湊程度的影響相對偏弱，區域變化一致性的貢獻相對較小.這可能與南北半球海陸氣候差異性有關，即海陸分布不對稱性.因此，El Ni?o 網絡較La Ni?a 網絡具有偏低的連通性，使其網絡穩定性偏低，這種特征在熱帶和南溫帶更為顯著.Tsonis 等[31]的研究表明，熱帶網絡擁有規則的、幾乎全連通的網絡特征，而溫帶網絡更像是無標度網絡，故整個網絡是兩者的“融合”，既有小世界特性，保證了信息的有效傳遞，又具有無標度特性，保證了結構的穩定性.

圖3 不同區域網路特征量的概率分布 (a1)-(a4)連通度;(b1)-(b4)連通距離;(c1)-(c4)集聚系數;(d1)-(d4)最短路徑長度.由上到下4 行依次對應全球網絡、北溫帶網絡、熱帶網絡和南溫帶網絡Fig.3.Probability distribution of (a1)-(a4) connectivity degree，(b1)-(b4) connectivity distance，(c1)-(c4) agglomeration coefficient，and (d1)-(d4) shortest path length of different regional network characteristic quantities.From top to bottom，four rows correspond to the global network，the northern temperate network，the tropical network，and the southern temperate network.

表1 連通度平均值與差異率Table 1. Average connectivity and difference rate.

3.2 關鍵區影響性分析

從圖2 可以看出，氣溫網絡中熱帶海洋區域對連通性具有重要的影響，因此，考慮了各大洋關鍵區對全球氣溫網絡的影響.為了避免區域范圍不同可能導致的不平衡性，盡量保持各個關鍵區面積相等(表2).確定區域后，分別計算了區域內節點與全球其他區域節點氣溫序列的相關，以此來分析不同關鍵區域對全球氣溫關聯網絡(大洋關鍵區-全球氣溫關聯網絡)的作用.

表2 各大洋關鍵區的劃分范圍Table 2. Range of key regions in the oceans.

大洋關鍵區-全球氣溫關聯網絡的連通度空間分布如圖4 所示.可以看出，大洋關鍵區-全球氣溫關聯網絡中連通度表現出與全球網絡類似的特征.除了大西洋關鍵區中兩者網絡差別較小外，赤道印度洋、赤道西太平洋和赤道東太平洋關鍵區與全球氣溫網絡的連通度都表現出El Ni?o 事件遠低于La Ni?a 事件的特征.通過對連通度和連通距離概率分布(圖5)的分析可以看到，La Ni?a 網絡比El Ni?o 網絡擁有更高的連通度分布和更多數量的鏈接，這使得前者具有更高的信息傳遞能力，且穩定性更高.此外，由圖4 可以看出，在不同相位的ENSO 事件中，赤道印度洋、赤道大西洋以及赤道東太平洋關鍵區之間的連通度分布始終存在，表明這幾塊區域間氣溫的關聯性較強，這可能與熱帶地區存在的Hadley 等緯向環流有關，即赤道區域的海溫變化可以加強或者減弱緯向環流，并通過它影響到大氣內部作用，傳遞給其他遙相關區域.

圖4 大洋關鍵區-全球氣溫關聯網絡連通度的空間分布圖 (a1)，(a2)大西洋關鍵區與全球相關;(b1)，(b2)印度洋關鍵區與全球相關;(c1)，(c2)赤道西太平洋關鍵區與全球相關;(d1)，(d2)赤道東太平洋關鍵區與全球相關Fig.4.Spatial distribution of the connectivity between key regions of the ocean and global temperature network:(a1)，(a2) Atlantic Ocean key region relevant to global;(b1)，(b2) Indian Ocean key region relevant to global;(c1)，(c2) equatorial western Pacific key region relevant to global;(d1)，(d2) equatorial eastern Pacific key region relevant to global.

圖5 大洋關鍵區-全球氣溫關聯網絡連通性的概率分布圖 (a1)-(a4)連通度;(b1)-(b4)鏈路距離.其中(a1)，(a2)為大西洋關鍵區與全球相關，(b1)，(b2)為印度洋關鍵區與全球相關，(c1)，(c2)為赤道西太平洋關鍵區與全球相關，(d1)，(d2)為赤道東太平洋關鍵區與全球相關Fig.5.Probability distribution of the connectivity between key regions of ocean and global temperature correlation network:(a1)-(a4) Connectivity degree;(b1)-(b4) link distance.Panels (a1)，(a2) correspond to the key region of the Atlantic Ocean relevant to global，panels (b1)，(b2) correspond to the key region of the Indian Ocean relevant to global，panels (c1)，(c2) correspond to the key region of the equatorial western Pacific relevant to global，panels (d1)，(d2) correspond to the key region of the equatorial eastern Pacific relevant to global.

4 El Ni?o 和La Ni?a 網絡結構特征差異的成因分析

4.1 El Ni?o 和La Ni?a 年大洋關鍵區海氣要素異常特征

為了進一步分析ENSO 不同相位時全球氣溫關聯網絡結構特征差異的成因，本節分別給出了El Ni?o 和La Ni?a 年份對應的全球海溫距平和長波輻射的合成圖(圖6).可以看出，海溫和凈長波輻射空間分布的特征是一致的，El Ni?o 事件對應赤道東太平洋、赤道印度洋和赤道大西洋的海溫異常偏高，這些區域的海洋向大氣釋放熱量，長波輻射轉為負值，海氣熱交換較強，并通過Walker 環流和Hadley 環流等影響全球其他區域的氣溫.赤道西太平洋由于受赤道Walker 環流的影響，El Ni?o 事件主要呈現海溫偏低，對外長波輻射偏弱，海氣作用較弱的特征.La Ni?a 年則表現出與El Ni?o 年基本相反的特征.圖7 給出了4 個大洋關鍵區域的海溫距平和長波輻射距平、垂直速度距平的概率分布圖.可以看出，海溫距平中赤道東太平洋、赤道印度洋和赤道大西洋3 個關鍵海區海溫距平的概率分布曲線在La Ni?a 年較El Ni?o 年的情況均明顯向左偏移，而赤道西太平洋則向右偏移，這與圖6 中海溫距平分布基本一致.在長波輻射和垂直速度距平的概率分布中赤道東太平洋和赤道印度洋在La Ni?a 年向右偏移的特征較為明顯，而赤道大西洋雖然海溫偏低，但長波輻射向右偏移不明顯，垂直速度場出現了向左偏移的特征.此外，赤道西太平洋則表現出與赤道中東太平洋相反的特征.所以我們推測，正是由于ENSO 現象中某些區域海溫的變化使得全球氣溫出現波動，導致氣溫網絡連通性發生改變.

圖6 El Ni?o 和La Ni?a 事件對應的海溫距平(等值線，單位:℃)和凈長波輻射距平(填色部分，單位: W /m2)空間分布圖(a) El Ni?o;(b) La Ni?aFig.6.Spatial distribution diagram of SST anomaly (isolines，unit:℃) and net long-wave radiation anomaly (color filling，unit:W/m2) corresponding to El Ni?o and La Ni?a events:(a) El Ni?o;(b) La Ni?a.

圖7 各關鍵區海溫距平((a1)-(a4))、長波輻射距平((b1)-(b4))和垂直速度距平((c1)-(c4))的概率分布 (a1)-(c1)赤道大西洋;(a2)-(c2)赤道印度洋;(a3)-(c3)赤道西太平洋;(a4)-(c4)赤道東太平洋Fig.7.Probability distribution of SST anomaly ((a1)-(a4))，long-wave radiation anomaly ((b1)-(b4)) and vertical velocity anomaly ((c1)-(c4)) in each key area:(a1)-(c1) Equatorial Atlantic Ocean;(a2)-(c2) equatorial Indian Ocean;(a3)-(c3) equatorial western Pacific;(a4)-(c4) equatorial eastern Pacific.

4.2 海溫對全球氣溫網絡結構的影響

Ni?o3.4 指數是判別ENSO 事件的常用指標，故本節探究Ni?o3.4 指數區域海溫變化對全球氣溫網絡結構的影響.分析區域海溫升高對氣溫網絡結構特征量、凈長波輻射和垂直速度場的改變，具體做法如下:1)選取Ni?o 3.4 指數，計算1950—2020 年的每年11 月到次年3 月的平均海溫并排序，得到海溫升序序列;2)取窗口寬度為30 a，滑動步長為1 a，計算每一個窗口的平均海溫(圖8);3) 構建各窗口所對應的30 a 氣溫關聯網絡，計算網絡結構特征量.

圖8 排序后Ni?o 3.4 區域冬半年的海溫均值序列，虛線內窗口寬度30 a，滑動步長為1 aFig.8.Sequence of mean SST of winter half year in Ni?o 3.4 region after sorting.The window width in the dashed line is 30 a，and the sliding step length is 1 a.

圖9 給出了全球氣溫網絡結構特征量與Ni?o 3.4 區域海溫之間的對應關系.可以看出，隨著Ni?o 3.4 區域海溫的升高，全球氣溫網絡連通性呈現波動下降的趨勢，連通距離也具有類似的特征，而特征路徑長度則表現出相反的變化特征，即全球溫度網絡的連通性與Ni?o 3.4 區域的海溫之間存在反向變化的關系.

圖9 全球氣溫關聯網絡結構特征量平均值隨Ni?o3.4 區域海溫升高變化特征 (a) 連通度;(b) 連通距離;(c)特征路徑長度Fig.9.Variation characteristics of the mean value of structural characteristics of global temperature correlation network with the rise of SST in Ni?o3.4 region:(a) Connectivity degree;(b) connectivity distance;(c) characteristic path length.

此外，從圖10 可以看出，隨著Ni?o 3.4 區域海溫的升高，赤道東太平洋區域的長波輻射、垂直速度均呈現線性減少的趨勢，由正距平轉為負距平，表明海洋與大氣之間的熱力交換和動力作用由正作用轉為負作用;赤道西太平洋區域則與之相反，由負距平轉為正距平，即海洋與大氣之間的熱力交換和動力作用由負作用轉為正作用.與赤道東、西太平洋這兩個區域不同的是，赤道印度洋和大西洋區域的變化幅度較小.因此可以說，相較于印度洋和大西洋，赤道東、西太平洋區域的海氣熱對流作用十分強烈，這在一定程度上會加劇網絡的不穩定性，進而造成網絡連通性的降低.

圖10 大洋關鍵區域長波輻射、垂直速度場隨Ni?o3.4 指數升高的變化特征Fig.10.Variation characteristics of long wave radiation and vertical velocity fields in key regions of the ocean with Ni?o3.4 index increasing.

為了進一步分析海溫變化影響氣溫網絡連通性的變化機理，計算了不同緯度區域平均的格點氣溫方差變化，結果如圖11 所示.可以看出，北溫帶區域氣溫變化的方差隨著Ni?o 3.4 區域海溫的升高呈上升的趨勢，南溫帶區域也有類似的特征.因此，Ni?o 3.4 區域海溫的升高會加劇東西太平洋海溫梯度的明顯變化，加強東西太平洋關鍵區的海氣相互作用，造成低緯度與中高緯度之間氣溫變化的一致性減弱，相互作用增強，南北溫帶區域氣溫波動加大，導致氣溫網絡大量鏈路的斷裂，網絡連通性明顯下降，故而造成El Ni?o 全球氣溫關聯網絡的連通性明顯低于La Ni?a 的情況.Tsonis 和Swanson[18]的研究也表示，正是因為El Ni?o 年中月平均氣溫變化的方差要比La Ni?a 年大出20%，快速而劇烈的氣溫漲落破壞了網絡中格點之間穩定的鏈接，才會導致前者網絡的可預測性下降.

圖11 南溫帶(30°S-65°S)和北溫帶(30°N-65°N)平均氣溫方差隨Ni?o3.4 區域海溫升高的變化圖Fig.11.Variance of mean temperature in the south and north temperate regions (30°S-65°S，30°N-65°N) with the increase of SST in Ni?o3.4.

5 結論

本文從氣候網絡的角度，研究了ENSO 不同相位下溫度關聯網絡的結構特征差異性及可能成因.基于NCEP 再分析全球表面氣溫資料，分別構建了El Ni?o 事件和La Ni?a 事件對應的溫度關聯網絡，分析兩者網絡結構特征的差異性，找出其中的關鍵區域并研究其對網絡特征差異的影響，隨后結合海氣相互作用探究ENSO 關鍵區海溫升高與全球氣溫關聯網絡連通性變化之間的可能聯系，淺析導致ENSO 不同位相網絡結構特征差異性可能的物理原因.初步得到的研究結論如下:

1)與La Ni?a 網絡相比，El Ni?o 網絡中格點溫度序列間的相關性減弱，氣溫網絡的連通度顯著偏低，連通性下降，網絡信息傳遞效率減弱，這種特征在熱帶和南溫帶區域尤為顯著.

2)大洋關鍵區-全球氣溫關聯網絡的特征量差異表明，赤道東太平洋、赤道西太平洋、赤道印度洋和赤道大西洋區域對全球ENSO 氣溫關聯網絡連通度影響相對較大，在El Ni?o 網絡中的減少異常明顯，是導致兩類網絡結構特征差異性的4 塊關鍵區域.其中差異性最為顯著的是赤道東太平洋區域，正好對應于ENSO 現象發生的區域.

3)對Ni?o 3.4 區域的海溫采用窗口為30 a，步長為1 a 的滑動平均值升序處理，構建對應的30 a 氣溫關聯網絡并計算結構特征量，發現隨著Ni?o3.4 區域的海溫升高，赤道東、西太平洋關鍵區域的海洋-大氣熱力和動力作用明顯增強，對外長波輻射加強，對流活動增加，低緯度與中緯度區域的相互作用增強，導致南北溫帶氣溫變化的方差加大，造成4 大關鍵區格點氣溫序列與全球其他地區的相關性減弱，全球溫度關聯網絡連通性下降.

溫度關聯網絡不僅可以幫助我們理解不同區域之間內在的聯系，也可以作為評估ENSO 影響性的指標.本研究表明，一些除了氣溫之外的動力學因素也是導致ENSO 不同相位下網絡結構特征差異的可能原因，為此有必要在未來進一步考慮不同氣象要素構建的氣候網絡，分析其中的結構特征將進一步明確ENSO 影響性的物理機理.