海面溫度半球間偶極子模態對7—11月北半球平均熱帶氣旋強度年代際變化的調控

杜雪晴，李建平，李飛

摘要：海面溫度半球間偶極子（sea surface temperature inter-hemispheric dipole，SSTID）是全球海面溫度（sea surface temperature，SST）異常的重要模態之一，表現為南、北兩半球間SST的反相變化。本文探究了7—11月SSTID對7—11月北半球平均熱帶氣旋（tropical cyclone，TC）強度年代際變率的超前影響。觀測分析表明，SSTID超前7—11月北半球平均TC強度年代際分量8～11 a，并在提前時間為9 a時達到最大正相關。通過海洋?大氣耦合橋理論進一步分析表明，7—11月北半球TC活躍區海洋可以作為海洋橋，以SST的形式存儲超前約9 a的SSTID信號。同時北半球TC活躍區大氣作為大氣橋將超前約9 a的SSTID信號傳遞到大氣中，進而作用于7—11月北半球平均TC強度，該過程以TC潛在生成指數為表征。北半球TC活躍區的垂直風切變和600 hPa相對濕度的綜合影響在其中起關鍵作用。由此建立了基于SSTID的7—11月北半球平均TC強度年代際變化預測模型，該模型表現出良好的后報性能。利用該模型對2021—2029年7—11月北半球平均TC強度預測表明，7—11月北半球平均TC強度將以持續增強為主并在2020年代末達到破紀錄的強度。

關鍵詞：熱帶氣旋；海面溫度半球間偶極子；7—11月北半球平均熱帶氣旋強度；年代際變化

中圖分類號：P461.2? ?文獻標志碼：A? ? ? 文章編號：2096-3599（2023）02-0001-00

DOI：10.19513/j.cnki.issn2096-3599.2023.02.001

Modulation of SST inter-hemispheric dipole mode on decadal variability of JulyNovember average tropical cyclone intensity in the Northern Hemisphere

DU Xueqing1， LI Jianping2， 3， LI Fei1

（1. College of Oceanic and Atmospheric Sciences， Ocean University of China， Qingdao 266100， China; 2. Frontiers Science Center for Deep Ocean Multispheres and Earth System/Key Laboratory of Physical Oceanography of Ministry of Education/Academy of the Future Ocean， Ocean University of China， Qingdao 266100， China; 3. Laoshan Laboratory， Qingdao 266237， China）

Abstract： The sea surface temperature inter-hemispheric dipole （SSTID） is an important mode of global sea surface temperature （SST） anomalies， characterized by an anti-phase variation of SST between the Northern and Southern Hemispheres. In this paper， we investigate the influence of SSTID during the period JulyNovember on decadal variability of JulyNovember average tropical cyclone （TC） intensity in the Northern Hemisphere （NH）. The observation analysis shows that JulyNovember SSTID leads the decadal variation component of NH JulyNovember average TC intensity by 8?11 years， with the greatest significant positive correlation at the lead time of 9 years. Further analysis with the coupled oceanic-atmospheric bridge theory shows that the ocean of the NH TC active regions， characterized by SST， acts as an ocean bridge to store the accumulated signal of SSTID leading about 9 years. And the atmosphere over the NH TC active regions could convey SSTID impact onto the decadal NH JulyNovember average TC intensity as an atmospheric bridge， represented by TC genesis potential index. The synthetical impact of vertical wind shear and relative humidity at 600 hPa over the NH TC active regions plays a key role. A JulyNovember SSTID-based linear model for predicting decadal variation of NH JulyNovember average TC intensity is constructed with good hindcast performance. The NH JulyNovember average TC intensity during the period 20212029 is predicted to mainly keep intensifying and even reach a record-breaking intensity in the late 2020s.

Keywords： tropical cyclone; SST inter-hemispheric dipole （SSTID）; NH JulyNovember average tropical cyclone intensity; decadal variability

引言

海面溫度半球間偶極子（sea surface temperature inter-hemispheric dipole，SSTID）是全球海面溫度（sea surface temperature，SST）異常的主導變率模態之一，表現為南、北兩半球間SST異常在年代際至多年代際尺度上的“蹺蹺板”變化[1，2]。前人研究發現，雖然SSTID與大西洋多年代際濤動（Atlantic multidecadal oscillation，AMO）在時間序列上存在相關性[3，4]，但二者空間型表現出顯著不同[1，5]。在季節特征方面，SSTID對應的半球間偶極子型海面溫度異常結構在北半球（Northern Hemisphere，NH）夏、秋、冬三個季節的強度比春季偏強[6]。觀測分析和模式模擬結果表明，SSTID有廣泛的氣候影響[5]。SSTID對熱帶降水有顯著的影響，造成了熱帶降水在多年代際時間尺度上的南、北半球非對稱性特征[1]。此外，研究發現，SSTID調控了北半球夏季風的年代際變化，SSTID正、負位相分別對應北半球夏季風的增強和減弱，從而調控夏季風環流和季風降水的年代際變化[7]。

熱帶氣旋（tropical cyclone，TC）是地球上最具危害性的自然災害之一[8]。全球約60%～70%的TC發生在北半球。觀測到的近幾十年TC強度呈現出上升的趨勢，但其發生頻率和持續時間減小[9，10]。除了氣候變化會對TC強度產生影響[11，12]之外，氣候內部變率也會對TC活動產生影響。比如，西北太平洋熱帶氣旋的活動展現出顯著的年際變率，研究表明厄爾尼諾?南方濤動事件是對TC年際變率產生重要影響的因子之一[13–16]。此外，印度洋偶極子[17]、西北太平洋副熱帶高壓[18]及其他海洋和大氣環境也對影響TC活動起著重要作用[19，20]。除年際變率外，TC活動還表現出顯著的年代際變化[21]。前人發現，AMO對西北太平洋TC強度具有遙控作用[22]。AMO通過跨海盆影響西北太平洋SST及其上空大氣環流條件，進而調控TC強度。然而，當前對于TC年代際變率的認識還不充分。

普遍認為，SST是影響TC活動的重要環境條件[23，24]。SSTID作為全球SST的主導變率模態之一，且在北半球夏季和秋季這一TC頻發的時期信號顯著，其對TC強度的影響是值得探究的。SSTID是一個年代際變率信號，所以SSTID可能對TC強度在年代際尺度上的變化具有調控作用。另外，由于海?氣相互作用的存在，下墊面SST的變化可以影響局地上空的大氣環流，如風場、濕度等。這些大氣因子也會對TC發展和TC增強產生影響[25]。因此，探究SSTID是否會對TC強度的年代際變率產生影響是可行且有重要意義的問題。

本文關注北半球TC活動的年代際變化，用7—11月北半球平均TC強度來表征北半球TC活動和TC強度，強調了7—11月SSTID對7—11月北半球平均TC強度的提前9 a的調制作用，以期幫助更好地理解北半球平均TC強度的年代際變率和可預測性。

1 數據與方法

1.1數據

TC觀測數據在20世紀70年代中期之后被認為是可信的[26]，因此本文的研究時段為1976—2020年。由于南、北半球季節相反，本研究聚焦北半球TC變化，所以本文數據選擇的季節為北半球TC活躍季（7—11月）。使用的數據如下：（1）美國國家海洋和大氣管理局（National Oceanic and Atmospheric Administration，NOAA）提供的1854—2022年空間分辨率為2×2（經度×緯度）的全球范圍擴展重建海面溫度資料第5版本（Extended Reconstructed SST version 5， ERSSTv5；https：//www.ncei.noaa.gov/products/extended-reconstructed-sst）[27]；（2）NOAA提供的1842—2022年全球范圍熱帶氣旋最佳路徑數據集資料第4版本（International Best Track Archive for Climate Stewardship version 4，IBTrACSv4； https：//www.ncei.noaa.gov/products/international-best-track-archive）[28，29]；（3）NCEP/NCAR提供的1948—2022年空間分辨率為2.5×2.5（經度×緯度）的月平均全球范圍風速（u風速和v風速）、2 m氣溫、海平面氣壓、相對濕度和渦度數據[30]。

1.2方法

1.2.1 指數定義

本文用北半球與南半球空間平均SST異常之差來表征SSTID，可以很好地表征全球SST異常關于赤道反對稱的物理模態[1，5，7]。此處SST異常為1976—2020年平均SST作為氣候態的SST異常，考慮了緯度權重進行半球空間平均。SSTID模態表明海面溫度存在南、北兩半球間蹺蹺板式的反向變化。SSTID正指數表現為北半球SST偏暖，同時南半球SST偏冷。SSTID負指數表現為北半球SST偏冷，同時南半球SST偏暖。為研究SSTID對北半球TC強度的影響，選取的月份為北半球TC活躍季，即7—11月，因此本文使用的SSTID時間序列為7—11月平均的SSTID。本文TC定義為中心最大持續風速超過34 kn （1 kn0.514 m/s），即IBTrACSv4數據集中強度小于34 kn的數據均不計入平均強度的計算。7—11月北半球平均TC強度定義為每年7—11月北半球出現的每一個TC的生命周期中平均強度的平均值[31，22]，其中強度用6 h觀測的中心最大風速表征。

1.2.2 統計學方法

為了研究年代際尺度上SSTID對7—11月北半球平均TC強度的影響，本文對所有時間序列進行了預處理，包括去除線性趨勢和低通濾波，以扣除長期趨勢和年際信號。

在去除線性趨勢前，使用Mann-Kendall趨勢檢驗[32，33]來檢驗年平均序列是否存在顯著（通過置信水平為90%的顯著性檢驗）的上升或下降趨勢。如果時間序列X存在顯著的線性趨勢，則去趨勢的序列為

，? ? ? ? ? ? ? ? ? ? ? ?（1）

其中，a和b分別為序列X線性回歸的斜率和截距。

對無顯著趨勢的序列進行低通濾波，以提取年代際變率信號。本文使用階數為8，截止頻率為0.29的Butterworth濾波器，響應函數如圖1所示。可以看到，周期低于7 a的信號基本被去除，高于7 a的信號得以保留。

所使用的數據經過低通濾波之后存在較大的自相關，會對數據的自由度產生影響。在進行超前滯后分析時，兩個自相關較強的時間序列的相關的統計顯著性使用有效自由度進行雙邊t檢驗。有效自由度由下式進行估計[34，35，22，7，36]：

，? ? ? ? ? ? ? ?（2）

其中，N為樣本長度，和分別為時間序列X和Y在滯后時刻j處的自相關。

本文使用多元線性回歸理論建立了基于超前9 a的7—11月SSTID的北半球平均TC強度年代際預測模型，并對該模型的模擬、后報和預測結果進行了顯著性檢驗。假設多元線性回歸模型為

，? ? ? ? ? ?（3）

其中，為回歸模型的模擬值，為回歸模型的截距項，為回歸模型的m個因子，為m個因子的回歸系數。那么，剩余方差為：

，? ? ? ? ? ? ? ? ? ? ? ? ?（4）

其中，為變量y序列的方差，為因子序列與變量y序列的協方差，為因子序列的方差，n為序列長度。那么，對回歸模型進行區間估計的范圍為[37–39]

，? ? ? ? ? ? ? （5）

其中，p為置信水平，為第j個時刻的因子向量（），為因子向量矩陣。

除以上方法外，本文還用到了回歸分析來探究SSTID影響7—11月北半球平均TC強度年代際變化中可能的物理機制。

1.2.3 潛在生成指數

為了探究SSTID影響7—11月北半球平均TC強度年代際變化的物理機制，除SST異常外，本文還分析了與TC生成和TC強度密切相關的TC潛在生成指數（genesis potential index，GPI）。GPI被廣泛用于診斷和檢驗年代際尺度上大尺度環流對TC活動的影響[40–42]。GPI定義[43]為：

。? ? ? （6）

其中，垂直風切變（vertical wind shear，VWS）指標表征為850 hPa與200 hPa兩層的風速矢量差（單位：m/s），rhum為600 hPa相對濕度（單位：%），為850 hPa絕對渦度（單位：），最大潛在強度（maximum potential intensity，MPI）由下式計算得出[44，45]：

（7）

其中，和分別為表面焓交換系數和動量交換系數。和分別為表面溫度和出流溫度。和分別為海表面和自由大氣的飽和濕靜能。在實際計算中，使用了Gilford[46]提供的MPI計算代碼。

與在計算中以形式參與計算。是一個不確定常數，與海面狀況有關。在計算MPI時通常取0.9[47，48，46]。基于公式（7），Bister等[49]給定條件將MPI計算公式進行了簡化：

，? ? ? ? ? ?（8）

其中，為飽和空氣從海平面上升到流出層的對流有效勢能。是環境的對流有效勢能。MPI在最大風半徑（radius of maximum wind，RMW）處出現。式（7）中的飽和濕靜能在簡化后不參與計算，與之相關的部分由計算CAPE值取代，

，? ?（9）

其中，為干空氣氣體常數，計算中取287.04 J/KgK。為中性浮力高度（level of neutral buoyancy，LNB）處的氣壓，為自由對流高度（level of free convection，LFC）處的氣壓，為海平面氣壓，和分別為空氣塊提升和環境的密度溫度，由下式確定：

，? ? ? ? ? ? ? ? ? ? ? ? ?（10）

其中，為溫度（單位：K），r為混合比，為水汽氣體常數和干空氣氣體常數的比值，計算中取0.62。為凈水混合比，其值在抬升凝結高度以下與同高度處的氣塊混合比r相等。

在計算MPI時，流出層高度及出流溫度分別定義為LNB及該高度處的溫度。 LNB為浮力為正的最高層，即時的最高層。由此，出流溫度即可確定。其他與MPI計算相關的公式和參數細節可見Bister等[49]以及Gilford[46].

1.2.4 7—11月北半球TC活躍區

為了探究7—11月SSTID對7—11月北半球平均TC強度的物理機制并量化分析該過程，圖2展示了1976—2020年7—11月強度超過34 kn的北半球TC每隔6 h觀測的位置和以此劃定的北半球TC活躍區，分別是北印度洋（50°～100°E，6°～25°N）、西北太平洋（105°～170°E，6°～40°N）、東北太平洋（170°～90°W，8°～30°N）和北大西洋（90°～20°W，10°～50°N）。北半球TC活躍區內TC事件個數占北半球TC總個數的96.63%，總強度占97.24%，累積氣旋能量占97.87%。因此，本文定義的7—11月北半球TC活躍區內的TC可以代表北半球TC活動的總體情況。使用該定義對7—11月北半球TC活動進行研究是可行的。

2 海面溫度半球間偶極子模態與7—11月北半球平均TC強度的關系

7—11月SSTID的空間型可以從7—11月SSTID與全球SST異常的相關場上得出，如圖3所示。在北半球TC活躍的7—11月，SSTID表現出顯著的南、北半球間偶極子空間型（圖3a）。總體來看，兩半球間的SST異常與SSTID相關性符號相反。在北半球，SSTID與7—11月SST正相關顯著的區域主要位于西北太平洋、熱帶東北太平洋和北大西洋以及北印度洋的北部，均為北半球TC活躍的海域。因此，在年代際尺度上，由SSTID主導的SST異常模態可能對TC活動和TC強度產生顯著影響。對比二者的相關系數在前一年12月—當年6月的表現（圖3b），在北半球TC活躍季節即7—11月，SSTID與SST的正相關在強度上更顯著且在空間范圍上更廣泛。因此，SSTID主導的海面溫度變率模態在北半球TC活躍的7—11月表現出了顯著的半球間偶極子特征，并顯著強于非北半球TC活躍季。由于下墊面SST展現出SSTID模態的空間特征，7—11月SSTID可能對會對北半球TC活動產生影響。

圖4給出了7—11月SSTID和北半球平均TC強度的年序列。除年際變率外，7—11月SSTID和北半球平均TC強度還表現出明顯的年代際變化特征。1976年以來，7—11月，SSTID在1976—1982年處在正位相，即北半球SST正異常，南半球SST負異常。1982—2003年，7—11月SSTID進入負位相，即南半球SST正異常，北半球SST負異常。在負位相期間SSTID出現三個谷值，分別在1985、1993和2000年前后。2003年之后，SSTID轉為正位相，并在2010年前后短暫下降后波動上升，并在2018年之后不斷增強。

為了直觀展現SSTID正、負異常時對應的空間模態，圖5展示了1976—2020年間SSTID強正、負位相的SST異常合成場。本文定義標準化的7—11月SSTID指數大于0.8（小于?0.8）為強正（負）位相年。7—11月SSTID強正位相年為1976—1980、2005—2006、2014和2019—2020年，強負位相年為1984—1985和1991—2001年。當SSTID處于強正位相時，其對應的全球SST異常呈現出北半球以正異常為主、南半球以負異常為主的特征（圖5a）。北半球SST正異常在西北太平洋和北大西洋西部較為顯著。南半球SST負異常在南大洋中高緯度海域較為顯著。與之相反，當SSTID處于強負位相時，北半球SST呈顯著一致的負異常，負異常信號在西北太平洋和北大西洋較為顯著（圖5b）。南半球SST在中高緯度的南大洋海域，呈現出緯向上較為一致的顯著SST正異常。

與7—11月SSTID相似，1976年以來，7—11月北半球平均TC強度也有明顯的年代際變率特征（圖4）。1976——1992年，7—11月北半球平均TC強度偏強。1992—2012年，北半球平均TC強度偏弱。在2012年之后，北半球平均TC強度偏強。北半球平均TC強度在2015年前后出現峰值，其后減弱。1976年以來有兩個北半球平均TC強度較強的時期：1976—1992年和2010—2020年。

7—11月，SSTID和北半球平均TC強度可能表現出超過40 a的年代際變率，但受觀測資料長度的限制，暫時無法對可靠的觀測資料進行功率譜分析來驗證SSTID和7—11月北半球平均TC強度變化的周期性。但值得注意的是，根據現有資料分析，7—11月SSTID可能超前北半球平均TC強度10 a左右進行位相轉換。1980年左右，7—11月SSTID由正位相轉為負位相，其后，1990年前后，7—11月北半球平均TC強度由正異常轉為負異常。類似地，2002年前后，SSTID由負位相轉為正位相，其后，2012年前后，7—11月北半球平均TC強度由負異常轉為正異常。因此，采用考慮了序列自相關的有效自由度進行超前滯后相關分析，來探究SSTID與7—11月北半球平均TC強度的相關關系。

SSTID和7—11月北半球平均TC強度的低頻分量有相似的年代際變率，并且前者超前后者約10 a。去趨勢的7—11月SSTID在2000年以前經歷了波動下降，2000年后表現出波動上升，并在2020年左右達到了極大值，在北半球為TC增強提供了更加有利的背景場環境。對原始的和濾波后的SSTID與7—11月北半球平均TC強度分別進行超前滯后分析（圖6），結果表明，7—11月，SSTID超前北半球平均TC強度年代際變化分量8～11 a，在其提前9 a時達到最大正相關（相關系數0.81，通過置信水平為95%的顯著性檢驗）。這表明，超前9 a的SSTID可以解釋7—11月北半球平均TC強度在年代際時間尺度上約66%的方差。關注到7—11月北半球SST和TC的變化，當北半球SST處于暖異常時，約9 a后，7—11月北半球平均TC強度較強；當北半球SST處于冷異常時，約9 a后，7—11月北半球平均TC強度較弱。

SSTID與7—11月北半球平均TC強度時間序列無論在年際變率還是年代際尺度上，同期相關系數均小于0.3且不顯著（圖6）。這說明在年代際尺度上，SSTID與7—11月北半球平均TC強度變化幾乎不存在顯著的同期相關。而在SSTID超前7—11月北半球平均TC強度9 a左右時二者存在的最大正相關表明，SSTID對北半球平均TC強度的調控是存在時間上的延遲的。這與SST強大的信號儲存和記憶能力有關。

3 海面溫度半球間偶極子模態調控7—11月北半球平均TC強度年代際變化的物理過程

本節探究了超前9 a的SSTID對7—11月北半球平均TC強度年代際變率的調控的可能的物理過程。由于SSTID對7—11月北半球平均TC強度的影響存在時間上的延遲，因此SSTID作為一個海洋信號可能會對9 a后的SST異常產生影響，將SSTID信號存儲在TC活躍區的海水中，進而對TC活動產生影響。此外，SSTID并不能直接作用于TC強度，因此，SSTID可能需要借助一個大氣橋，將海洋的信號傳遞到大氣中，進而影響TC強度。研究發現，北半球TC活躍區大氣可能可以作為該大氣橋，以GPI為表征來連接超前9 a的SSTID和當年的北半球平均TC強度。因此，本節從北半球TC活躍區海洋以SST的形式作為海洋橋存儲SSTID信息、北半球TC活躍區大氣作為大氣橋以GPI為表征將SSTID信號傳遞給北半球平均TC強度，以及北半球TC活躍區SST和GPI的綜合影響三個方面，應用海洋?大氣耦合橋理論[38，50，51]來解釋7—11月SSTID調控7—11月北半球平均TC強度年代際變化的物理過程。

3.1 北半球TC活躍區海洋作為海洋橋存儲SSTID信息

將7 a低通濾波后的觀測SST異常分別回歸到同期及超前3～15 a年的歸一化的7—11月SSTID序列上（圖7）。總體上，與同期和超前3～15 a的7—11月SSTID相關的全球SST異常呈現出南、北兩半球反向變化的特征。從演變的角度來看，隨著SSTID超前時間的增加，其對北半球SST異常產生持續的正影響。在北半球中高緯海域，SST異常持續出現正異常的響應。值得注意的是，當SSTID超前3 a時，SST正異常的響應開始向熱帶海域發展，信號在熱帶北大西洋率先出現。當SSTID超前6 a時，北半球中東太平洋也出現了SST正異常響應。在SSTID超前6～9 a時，熱帶海域出現的與超前的SSTID相關的SST正異常響應有利于增強TC活動和TC發展。當SSTID超前12 a時，熱帶北大西洋的SST正異常響應范圍開始縮小，強度開始減弱。直到SSTID超前15 a時，SST正異常響應范圍在熱帶東北太平洋和北大西洋均縮小，對北半球TC的調控作用減弱。

當SSTID超前時間大于9 a時，隨著SSTID超前時間的增加，北半球SST正異常響應范圍減小，負異常響應范圍增加。南半球則相反，南半球SST負異常響應范圍減小，正異常響應范圍增加。這說明當SSTID超前時間大于9 a時，SSTID全球對SST異常的影響在不斷減弱，直到與超過15 a前的SSTID的相關信號逐漸消失。從全球SST的回歸場上可以更直觀地展現和說明SSTID對全球SST的影響的滯后性。

前人研究闡明了海洋下邊界是影響TC強度的重要物理因子[52]。北半球暖SST有利于北半球TC增強。當7—11月SSTID超前SST異常9 a時，在北半球TC活躍區有顯著的SST正異常。也就是說，北半球TC活躍區海水存儲了超前9 a左右的SSTID信號。其中，顯著的SST正異常主要出現在北印度洋西部、西北太平洋東部、東北太平洋西部以及北大西洋的西部。特別地，在北大西洋TC活躍區海域出現了整個北半球SST正異常最廣泛的極大值區。7—11月，北半球廣泛的較暖的SST下墊面為北半球TC強度發展提供了暖下墊面條件和能量來源。

前人研究發現了在年代際時間尺度上，局地SST變化對TC強度有調控作用[53，54]。在本研究中，北半球TC活躍區海洋以SST的形式作為海洋橋，存儲了超前9 a的年代際SSTID信號。因此，超前9 a影響的北半球TC活躍區內的SST的正異常可以支持TC增強。除了在北半球一致的SST異常增暖外，7—11月SSTID引起的北半球SST異常也存在一定的海域間的強度差異。這表明SSTID通過引起北半球SST正異常而造成北半球TC增強這一物理過程也存在一定的空間差異。對東北太平洋和北大西洋TC的增強作用要顯著強于北印度洋和西北太平洋的TC。

3.2 北半球TC活躍區大氣作為大氣橋將SSTID的影響傳遞給北半球平均TC強度

對原始的和濾波后的7—11月SSTID與北半球TC活躍區的GPI分別進行超前滯后分析（圖8a），結果表明，7—11月SSTID超前GPI年代際變化分量7～9 a，在提前時間為8 a時達到最大正相關（相關系數0.82，通過置信水平為95%的顯著性檢驗）。這表明，超前8 a的SSTID可以解釋7—11月北半球TC活躍區GPI在年代際時間尺度上約67%的方差。超前9 a的7—11月SSTID與GPI在年代際尺度上的相關系數為0.71。關注到7—11月SSTID和GPI的變化，當北半球SSTID處于正位相時，約7～9 a后，7—11月北半球TC活躍區GPI較強；當北半球SSTID處于負位相時，約7～9 a后，7—11月北半球TC活躍區GPI較弱。

圖8b展示了7—11月北半球TC活躍區的GPI和北半球平均TC強度的超前滯后相關。二者的同期相關最強，相關系數為0.74（通過置信水平為95%的顯著性檢驗）。在年代際尺度上，7—11月北半球TC活躍區的GPI和北半球平均TC強度存在同位相的變化關系，并且GPI可以解釋北半球平均TC強度約55%的方差。該結果表明，在年代際尺度上，當北半球TC活躍區GPI較強時，受其影響，北半球平均TC強度傾向于處于較強的位相；當GPI較弱時，北半球平均TC強度也較弱。

從圖8可知，超前9 a的7—11月SSTID可能通過作用于7—11月GPI進而同期影響7—11月北半球平均TC強度。北半球TC活躍區大氣起到了傳遞SSTID信號到TC活動的大氣橋作用，這個過程可由GPI對SSTID的響應來表征。由GPI的定義（式6）可知，GPI的變化和VWS、600 hPa相對濕度、MPI和850 hPa絕對渦度這4個變量有關。為了進一步探究7—11月SSTID對7—11月GPI超前9 a的調控作用，本文分別對7—11月SSTID和上述4個變量及其變量組合進行了超前滯后相關分析，如圖9所示。7—11月SSTID和構成GPI的4個單因子并沒有顯著的超前9 a左右的相關關系（圖9a—d）。因此，SSTID對GPI的超前影響可能不是通過分別影響單因子來實現的。

從7—11月SSTID和各變量組合的超前滯后相關結果來看，SSTID僅對4組變量組合有超前9 a左右的顯著的正相關，分別是VWS與600 hPa相對濕度組合（圖9e）；VWS、600 hPa相對濕度和MPI組合（圖9k）；VWS、600 hPa相對濕度和850 hPa絕對渦度組合（圖9l）以及VWS、600 hPa相對濕度、MPI和850 hPa絕對渦度這4個組成GPI的變量的組合（圖9o）。從該結果可以看出，7—11月SSTID對VWS與相對濕度的共同作用可能是其影響7—11月GPI的關鍵。SSTID對包含VWS與相對濕度因子的變量組合均表現出了超前9 a左右的正相關。而且，對沒有包含這2個因子的變量組合均沒有顯著的超前9 a左右的正相關。因此，SSTID可能會綜合作用于與GPI相關的4個因子，并且VWS和相對濕度可能在該過程中起到關鍵作用。

為了進一步分析7—11月SSTID對VWS和相對濕度的超前影響，圖10和圖11分別給出了7—11月北半球VWS和相對濕度對超前0～15 a的7—11月SSTID的回歸場。7—11月VWS對7—11月SSTID正位相的同期響應主要表現為印度洋TC活躍區負異常、東北太平洋正異常和北大西洋從南到北負-正-負的異常響應。隨著7—11月SSTID正位相超前時間從3 a增加至9 a，印度洋TC活躍區VWS持續出現負異常響應。西北太平洋TC活躍區中部和南部逐漸出現VWS負異常響應。東北太平洋TC活躍區VWS正異常響應減弱并向赤道移動，逐漸被負異常響應取代。北大西洋TC活躍區中部的VWS強正異常響應逐漸轉變為弱的負異常響應。總體來看，當7—11月SSTID超前VWS 9 a左右時，SSTID引起的VWS變化在TC活躍區內以負異常為主。負的垂直風切變異常可以為TC發展提供穩定的動力背景，有助于TC發展和TC增強。

當7—11月SSTID正位相超前時間從9 a增加至15 a，總體上，VWS對SSTID的負異常響應區域從印度洋和西北太平洋轉移到東北太平洋和北大西洋。印度洋TC活躍區VWS由負異常響應轉變為正異常。西北太平洋TC活躍區北部出現顯著的VWS正異常響應，南部有較弱的負異常。東北太平洋VWS以強的正異常響應為主。北大西洋VWS出現與同期時相反的自南向北的正-負-正異常響應。SSTID正位相可以對至少15 a后的VWS年代際變化產生調控作用，并存在一定的海域間的差異和傳播特征。出現海域間差異這一現象的原因是值得在未來的研究工作中進一步探究的。

北半球TC活躍區內600 hPa相對濕度作為另一個SSTID調控GPI變化的關鍵因子，其對超前0～15 a SSTID正位相的響應也存在隨時間的演變（圖11）。隨著SSTID超前時間從同期增加到9 a，印度洋TC活躍區西部持續表現為偏濕響應，并且印度洋東部由偏干轉變為偏濕。在西北太平洋TC活躍區，相對濕度由同期時的“西干?東濕”響應轉變為滯后9 a時的一致的偏濕響應。在東北太平洋的偏干異常響應逐漸減弱。在北大西洋TC活躍區，偏濕異常逐漸增強。而隨著SSTID超前時間繼續增加至15 a，印度洋、西北太平洋東部和東北太平洋東部均出現了顯著的偏干異常響應，不利于GPI增強和TC活動的發展。

因此，超前的7—11月SSTID正位相引起的北半球TC活躍區內600 hPa相對濕度偏濕異常響應在9 a左右達到最強。在超前9 a的7—11月SSTID的影響下，有更多的水汽得以進入上對流層并釋放凝結潛熱。前人研究指出，空氣濕度增大會增強對流活動，比如TC生成[55，56]。中低層濕度正異常可以增強大氣不穩定性，加強潛熱釋放，配合TC生成所必須的低壓擾動，有利于空氣塊提升到自由凝結高度，進而從大氣中獲取能量增強對流。與超前9 a的7—11月SSTID有關的北半球對流層空氣變濕加速了對流增長的過程，有利于7—11月GPI增強，進而有助于北半球TC發展和增強。

3.3 北半球TC活躍區SST與GPI的綜合影響

為了進一步解釋SSTID對7—11月北半球平均TC強度的超前影響在9 a左右達到最強的原因，圖12給出了7—11月北半球TC活躍區內空間平均的SST、VWS、600 hPa相對濕度、MPI和850 hPa絕對渦度對SSTID的響應隨SSTID超前年份的變化。在北半球TC活躍區內，7—11月SST、相對濕度和MPI對SSTID的響應隨SSTID超前時間呈現出先增大后減小的變化，在7～9 a前后達到最強。VWS對SSTID的響應出現波動特征，在SSTID超前8 a前后VWS負異常響應最強。由于VWS出現負異常響應時有利于TC強度發展，因此與SSTID有關的VWS異常在滯后時間為8 a左右時對增強TC活動有最大貢獻。絕對渦度的響應隨著SSTID超前時間增加而不斷減弱，但在滯后7～9 a前后依然為正異常響應，有助于氣旋式擾動的發展。

綜合來看，北半球TC活躍區內的SST正異常在滯后SSTID 9 a前后達到較強的狀態，從而對TC活動和TC發展產生影響。與7—11月GPI相關的4個因子對7—11月SSTID的綜合響應導致SSTID對GPI有9 a左右的超前影響，GPI進而同期影響北半球平均TC強度。

上文分析了與7—11月SSTID有關的SST、GPI及其相關因子分量與7—11月北半球平均TC強度的顯著相關關系。7—11月，與SSTID有關的SST變暖有利于降低北半球TC的最低中心氣壓，并為上升運動提供有利的背景條件。因此，有更多的能量從海洋釋放到大氣，并對TC活動增強有直接貢獻。另外，SST變暖會增加空氣中的水汽含量，增強對流層的濕度不穩定。北半球SST變暖可以引起大氣柱垂直穩定性的變化，可以調控TC發展。TC強度與眼墻區域的上升運動密切相關，空氣塊需要從海洋和大氣中獲得能量來對抗重力作用。與7—11月SSTID有關的SST變暖、對流層空氣變濕、垂直風切變減弱導致了北半球TC活躍區GPI的增加，并為TC增強提供了有利的環境。因此，海洋表面和大氣低層的相互作用增強了深對流，并為TC發展提供了能量。基于此，超前9 a的SSTID和7—11月北半球平均TC強度之間的強正相關關系得以解釋。

4 7—11月北半球平均TC強度年代際預測模型

基于7—11月SSTID對7—11月北半球平均TC強度年代際變率的超前9 a的調控作用，可以建立對7—11月北半球平均TC強度預測的物理模型，即

，? ? ? ? ? ? ? ?（11）

其中是基于提前9 a的SSTID的模型對7—11月北半球平均TC強度的預測值，為以年為單位的時間，系數a、b和c由基于最小二乘法的多元線性回歸決定。項代表了全球變暖的長期趨勢。

圖13展示了觀測和模擬的1985—2020年7—11月北半球平均TC強度年代際分量。模擬值基于1976—2011年7—11月SSTID。在基于7—11月SSTID的年代際預測模型中，系數，，。 模型模擬的7—11月北半球平均TC強度能夠復現其觀測。特別地，模型能夠模擬出7—11月北半球平均TC強度在1990年代快速下降、2010年代快速上升，以及在1990—2005年間的波動特征。這與7—11月SSTID在1980年代快速下降、2000年代快速上升和在1985—2005年間的波動特征是吻合的（圖4）。觀測與模式模擬的7—11月北半球平均TC強度序列相關系數為0.88，通過了置信水平為95%的顯著性檢驗，均方根誤差為0.52。這表明7—11月SSTID和北半球平均TC強度變化的年代際變率在低頻變化上表現出了較高的可預報性。7—11月SSTID與北半球平均TC強度之間的穩健的超前滯后相關關系意味著7—11月北半球平均TC強度在年代際時間尺度上的變化可以由7—11月SSTID較好地預測。

為了表現基于7—11月SSTID的年代際預測模型的高性能，對7—11月北半球平均TC強度年代際變化進行了兩組后報試驗，分別是基于2002—2006年7—11月SSTID的對2011—2015年7—11月北半球平均TC強度的后報（圖14a）和基于2007—2011年7—11月SSTID的對2016—2020年7—11月北半球平均TC強度的后報試驗（圖14b）。兩組后報試驗能夠很好地捕捉到7—11月北半球平均TC強度在2015年之前的增強和2016年之后的減弱。因此，后報試驗表明，一方面，7—11月SSTID的確是理解7—11月北半球平均TC強度年代際變化的有效的因子；另一方面，基于7—11月SSTID的年代際預測是可靠的，模型可以被用來進行7—11月北半球平均TC強度的年代際預測。

但必須指出，基于SSTID對7—11月北半球平均TC強度的模型在后報試驗的表現上存在一定缺陷。后報試驗能夠捕捉到7—11月北半球平均TC強度增強和減弱的波動特征，但在增強和減弱的振幅上存在一定偏差。由于該模型是一個簡單的線性回歸模型，7—11月SSTID僅是調控7—11月北半球平均TC強度年代際變化的眾多因子之一。所以在實際的預測工作中，有必要考慮基于多因子的非線性模型，來增強預測結果的準確性。但基于7—11月SSTID對7—11月北半球平均TC強度的年代際預測模型的較好表現是值得肯定的。

最后，用基于SSTID的模型對7—11月北半球平均TC強度進行未來9 a（2021—2029年）的年代際預測（圖15）。模型使用了1976—2020年的歷史數據。年代際預測結果表明在未來9 a，7—11月北半球平均TC強度總體上呈現出增強的趨勢，在2023—2026年出現短暫下降。由于7—11月SSTID在2012—2020年進入正位相后總體上持續增強，北半球有不斷增強的SST正異常，導致基于SSTID的對7—11月北半球平均TC強度的年代際預測模型呈現出TC總體上不斷增強的結果。同時，7—11月SSTID在2014—2017年短暫下降，導致該模型預測的北半球平均TC強度在2023—2026年也出現了短暫下降。二者是互相對應的。另一方面，年代際預測模型也考慮了全球變暖的線性增暖趨勢。在7—11月SSTID進入正位相并不斷增強和全球變暖的線性部分疊加作用下，未來7—11月北半球平均TC強度將不斷增強。這與前人對全球變暖背景下TC強度繼續增強這一猜想相吻合[9，57]。值得關注的是，TC強度在2020年代末可能會增強到近45 a來破紀錄的強度。

5 總結與展望

本文探究了7—11月SSTID對北半球平均TC強度年代際變率的影響，并通過7—11月SSTID對北半球平均TC強度進行了年代際預測。通過對觀測資料的分析，發現了SSTID與7—11月北半球TC平均強度存在較強的位相間的關系。結果表明，7—11月，SSTID是北半球TC平均強度年代際變化的主要影響因子之一。在年代際時間尺度上，7—11月SSTID正位相超前北半球TC平均強度9 a左右時達到最大正相關，即SSTID超前北半球TC平均強度約9 a進行位相轉換。

觀測分析表明，與7—11月SSTID正位相相關的北半球SST異常增暖信號在9 a后移動到熱帶海域。北半球TC活躍區海洋作為海洋橋以SST的形式存儲了超前9 a的SSTID信號，其正異常響應對北半球平均TC強度增強起到調控作用。同時，北半球TC活躍區大氣作為大氣橋，可以將超前9 a的SSTID信號傳遞到大氣中，進而作用于北半球平均TC強度，該大氣過程可以以GPI對SSTID的響應作為表征。與7—11月GPI相聯系的VWS、600 hPa相對濕度、MPI和850 hPa絕對渦度等大氣條件的綜合作用提供了有利于北半球TC增強的背景環境。垂直風切變和600 hPa相對濕度的綜合影響在其中起關鍵作用。7—11月，北半球SST變暖，對流層空氣變濕，增強了大氣不穩定性，對深對流發展和北半球TC增強提供了更多能量。同時，7—11月SSTID引起的北半球TC活躍區對流層垂直風切變減小，有利于初始氣旋式擾動發展成為較強TC。

基于SSTID的線性模型對7—11月北半球TC平均強度的年代際變化模擬表現出良好的性能。后報試驗進一步證明了模型能夠捕捉到觀測中的波動特征。7—11月SSTID在進入2010年代后持續增強，北半球SST異常持續增強，因此基于7—11月SSTID對下個年代的預測表明北半球TC平均強度呈現出總體上增強的趨勢，甚至在2020年代末出現破記錄地增強。

針對本文研究的主題，未來尚有不少重要研究工作有待進一步的開展。比如，受限于觀測手段，目前有效的TC強度觀測數據長度受到限制。因此，在未來的工作中，需要等待更長的可靠的數據集來進一步驗證SSTID與北半球TC平均強度關系的穩健性。另外，模式模擬也可以幫助驗證在觀測數據中尋找到的相關關系和作用機制。因此，在未來工作中有必要通過模式模擬的手段幫助深入理解和驗證SSTID對北半球TC平均強度的作用過程。同時，雖然SSTID總體上表現為北半球SST一致的變化，但SSTID對北半球TC活躍區SST和對大氣環境場的影響都存在著一定的海域間差異，探究造成其海域間差異的原因和海域間差異造成的海洋和大氣響應，有助于進一步揭示SSTID的形成原因及其對海洋、大氣的影響。

值得注意的是，超前滯后分析（圖6）顯示，除了SSTID超前7—11月北半球平均TC強度9 a左右時二者達到最大正相關之外，7—11月北半球平均TC強度超前SSTID 11 a左右時二者達到最大負相關（相關系數?0.91，通過置信水平為95%的顯著性檢驗）。這意味著，超前11 a的7—11月北半球平均TC強度可以解釋7—11月SSTID約83%的方差。當7—11月北半球平均TC強度偏強時，約11 a后，7—11月SSTID負異常，即北半球SST負異常，南半球SST正異常；同理，當7—11月北半球平均TC強度偏弱時，約11 a后，7—11月SSTID正異常，即北半球SST正異常，南半球SST負異常。該現象表明，除了7—11月SSTID會超前影響北半球平均TC強度外，7—11月北半球平均TC強度可能也會對SSTID產生影響。SSTID是南北半球間熱量差異的表征，因此，北半球平均TC強度會影響到南北兩半球的熱量再分配。前人研究發現，AMO作為SSTID在大西洋的表現形式，與海洋經向翻轉環流帶來的海水熱輸送有關[58，59]，并且TC活動與北大西洋翻轉環流關系密切[36]。7—11月北半球平均TC強度超前影響一個年代后的SSTID位相轉變，可能為解釋海洋熱量在南北半球間的輸送提供新的思路。但是，探究7—11月北半球平均TC強度經過11 a影響SST的過程是一個復雜的問題。這涉及到北半球TC活動如何跨時間尺度和跨空間尺度影響全球性的年代際信號的問題。對該問題的探究不僅需要建立跨尺度海?氣相互作用的理論，還需要通過觀測數據和模式模擬來探究其動力過程。因此，在未來的工作中需要進一步探究該問題。

參考文獻：

[1] Sun C， Li J p， Jin F F， et al. Sea surface temperature inter-hemispheric dipole and its relation to tropical precipitation[J]. Environ Res Lett，2013，8（4）：044006.

[2] Folland C K， Parker D E， Colman A W， et al. Large scale modes of ocean surface temperature since the late nineteenth century[M]//NAVARRA A. Beyond El Ni?o： decadal and interdecadal climate variability. Berlin/Heidelberg： Springer，1999：73-102.

[3] Enfield D B， Mestas-Nu?ez A M. Multiscale variabilities in global sea surface temperatures and their relationships with tropospheric climate patterns[J]. J Climate，1999，12（9）：2719-2733.

[4] Parker D， Folland C， Scaife A， et al. Decadal to multidecadal variability and the climate change background[J]. J Geophys Res： Atmos， 2007， 112（D18）：D18115.

[5] Xue J q， Sun C， Li J p， et al. Divergent responses of extratropical atmospheric circulation to interhemispheric dipolar SST forcing over the two hemispheres in boreal winter[J]. J Climate，2018，31（18）：7599-7619.

[6] 薛佳慶.海溫半球間偶極子模態的時空特征及其全球氣候影響[D].北京：中國科學院大學， 2019.

[7] Xue J q， Wang B c， Yu Y k， et al. Multidecadal variation of northern hemisphere summer monsoon forced by the SST inter-hemispheric dipole[J]. Environ Res Lett，2022，17（4）：044033.

[8] 吳彩銘，任福民，朱婧.熱帶氣旋災害預評估模型研究回顧[J].海洋氣象學報，2022，42（3）：13-22.

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

[10] Liu K S， Chan J C L. Inactive period of western North Pacific tropical cyclone activity in 1998–2011[J]. J Climate，2013，26（8）：2614-2630.

[11] Knutson T， Camargo S J， Chan J C L， et al. Tropical cyclones and climate change assessment. Part I： detection and attribution[J]. Bull Amer Meteor Soc，2019，100（10）：1987-2007.

[12] Knutson T， Camargo S J， Chan J C L， et al. Tropical cyclones and climate change cssessment. Part II： projected response to anthropogenic warming[J]. Bull Amer Meteor Soc，2020，101（3）：E303-E322.

[13] Wang X， Zhou W， Li C y， et al. Comparison of the impact of two types of El Ni?o on tropical cyclone genesis over the South China Sea[J]. Int J Climatol，2014，34（8）：2651-2660.

[14] Liu Y， Chen G h. Intensified influence of the ENSO Modoki on boreal summer tropical cyclone genesis over the western North Pacific since the early 1990s[J]. Int J Climatol，2018，38（s1）：e1258-e1265.

[15] Patricola C M， Camargo S J， Klotzbach P J， et al. The influence of ENSO flavors on western North Pacific tropical cyclone activity[J]. J Climate，2018，31（14）：5395-5416.

[16] 孔蘊淇，范伶俐，李俊杰.兩類厄爾尼諾事件對登陸中國熱帶氣旋的影響[J].海洋氣象學報，2020，40（4）：77-88.

[17] Zhou Q， Wei L X， Zhang R Y. Influence of Indian Ocean Dipole on tropical cyclone activity over western North Pacific in boreal autumn[J]. J Ocean Univ China，2019，18（4）：795-802.

[18] Wu Q， Wang X c， Tao L. Interannual and interdecadal impact of Western North Pacific Subtropical High on tropical cyclone activity[J]. Climate Dyn，2020，54（3/4）：2237-2248.

[19] 周磊，陳大可，雷小途，等.海洋與臺風相互作用研究進展[J].科學通報，2019，64（1）：60-72.

[20] 鄧孟珂，田鵬飛，楊華棟，等.印度洋海溫異常對西北太平洋臺風的影響及機制研究[J].海洋氣象學報，2021，41（3）：60-68.

[21] 陳光華，黃榮輝.西北太平洋低頻振蕩對熱帶氣旋生成的動力作用及其物理機制[J].大氣科學，2009，33（2）：205-214.

[22] Sun C， Liu Y s， Gong Z q， et al. The footprint of Atlantic Multidecadal Oscillation on the intensity of tropical cyclones over the western North Pacific[J]. Front Earth Sci，2020，8：604807.

[23] Landsea C W. Hurricanes and global warming[J]. Nature，2005，438（7071）：E11-E12.

[24] 劉貝，周倩瑩，付東洋.海面溫度對南海臺風強度的影響[J].廣東海洋大學學報，2019，39（1）：97-104.

[25] 李暢，姜霞，沈新勇.阿拉伯海熱帶氣旋生成特征分析[J].海洋氣象學報，2021，41（4）：62-72.

[26] Kossin J P， Olander T L， Knapp K R. Trend analysis with a new global record of tropical cyclone intensity[J]. J Climate，2013，26（24）：9960-9976.

[27] Huang B Y， Thorne P W， Banzon V F， et al. Extended Reconstructed Sea Surface Temperature， version 5 （ERSSTv5）： upgrades， validations， and intercomparisons[J]. J Climate，2017，30（20）：8179-8205.

[28] Knapp K R， Kruk M C， Levinson D H， et al. The International Best Track Archive for Climate Stewardship （IBTrACS）： unifying tropical cyclone data[J]. Bull Amer Meteor Soc，2010，91（3）：363-376.

[29] Kruk M C， Knapp K R， Levinson D H. A technique for combining global tropical cyclone best track data[J]. J Atmos Oceanic Technol，2010，27（4）：680-692.

[30] Kalnay E， Kanamitsu M， Kistler R， et al. The NCEP/NCAR 40-year reanalysis project[J]. Bull Amer Meteor Soc，1996，77（3）：437-472.

[31] Wu L g， Wang B， Braun S A. Implications of tropical cyclone power dissipation index[J]. Int J Climatol，2008，28（6）：727-731.

[32] Mann H B. Nonparametric tests against trend[J]. Econometrica，1945，13（3）：245-259.

[33] Marden J I， Kendall M G， Gibbons J D. Rank correlation methods （5th ed）[J]. J Am Stat Assoc，1992，87（417）：249.

[34] Pyper B J， Peterman R M. Comparison of methods to account for autocorrelation in correlation analyses of fish data[J]. Can J Fish Aquat Sci，1998，55（9）：2127-2140.

[35] Xie F， Li J p， Tian W s， et al. The relative impacts of El Ni?o Modoki， canonical El Ni?o， and QBO on tropical ozone changes since the 1980s[J]. Environ Res Lett，2014，9（6）：064020.

[36] Gong Z q， Liu Y s， Sun C， et al. Linking AMOC variations with the multidecadal seesaw in tropical cyclone activity between eastern North Pacific and Atlantic[J]. J Geophys Res： Oceans，2021，126（8）：e2021JC017308.

[37] von Storch H， Zwiers F W. Statistical analysis in climate research[M]. Cambridge： Cambridge University Press，1999.

[38] Li J p， Sun C， Jin F F. NAO implicated as a predictor of Northern Hemisphere mean temperature multidecadal variability[J]. Geophys Res Lett，2013，40（20）：5497-5502.

[39] Li J p， Xie T j， Tang X x， et al. Influence of the NAO on wintertime surface air temperature over East Asia： multidecadal variability and decadal prediction[J]. Adv Atmos Sci，2022，39（4）：625-642.

[40] Zhao J W， Zhan R F， Wang Y Q， et al. A multiscale-model-based near-term prediction of tropical cyclone genesis frequency in the Northern Hemisphere[J]. J Geophys Res： Atmos，2022，127（22）：e2022JD037267.

[41] Lakshani W A E， Zhou W. Observed decadal shifts and trends in global tropical cyclone activities from 1980 to 2021[J]. Atmos Ocean Sci Lett，2022，16（2）：100321.

[42] Song K x， Zhao J w， Zhan R f， et al. Confidence and uncertainty in simulating tropical cyclone long-term variability using the CMIP6-HighResMIP[J]. J Climate，2022，35（19）：2829-2849.

[43] Emanuel K A， Nolan D S. Tropical cyclone activity and the global climate system[C]// American Meteorology Society. Preprints， 26th Conference on Hurricanes and Tropical Meteorology. Miami： American Meteorology Society，2004：240-241.

[44] Bister M， Emanuel K A. Dissipative heating and hurricane intensity[J]. Meteor Atmos Phys，1998，65（3）：233-240.

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

[46] Gilford D M. pyPI （v1.3）： tropical cyclone potential intensity calculations in Python[J]. Geosci Model Dev，2021，14（5）：2351-2369.

[47] Wang S g， Camargo S J， Sobel A H， et al. Impact of the tropopause temperature on the intensity of tropical cyclones： an idealized study using a mesoscale model[J]. J Atmos Sci，2014，71（11）：4333-4348.

[48] Wing A A， Emanuel K， Solomon S. On the factors affecting trends and variability in tropical cyclone potential intensity[J]. Geophys Res Lett，2015，42（20）：8669-8677.

[49] Bister M， Emanuel K A. Low frequency variability of tropical cyclone potential intensity 1： interannual to interdecadal variability[J]. J Geophys Res： Atmos，2002，107（D24）：4801.

[50] Li J p， Zheng F， Sun C， et al. Pathways of influence of the Northern Hemisphere mid-high latitudes on East Asian climate： a review[J]. Adv Atmos Sci，2019，36（9）：902-921.

[51] Li J p. Impacts of annular modes on extreme climate events over the East Asian monsoon region[M]//LI J p， swinbank r， GROTJAHN R， et al. Dynamics and predictability of large-scale high-impact weather and climate events. Cambridge： Cambridge University Press，2015：343-353.

[52] Chan j C L， Shi J e， Liu K S. Improvements in the seasonal forecasting of tropical cyclone activity over the western North Pacific[J]. Wea Forecasting，2001，16（4）：491-498.

[53] Mei W， Xie S P， Primeau F， et al. Northwestern Pacific typhoon intensity controlled by changes in ocean temperatures[J]. Sci Adv，2015，1（4）：e1500014.

[54] Wu L g， Zhao H k. Dynamically derived tropical cyclone intensity changes over the western North Pacific[J]. J Climate，2012，25（1）：89-98.

[55] Gettelman A， Seidel D J， Wheeler M C， et al. Multidecadal trends in tropical convective available potential energy[J]. J Geophys Res： Atmos，2002，107（D21）：4606.

[56] Chen X m， Zhang J A， Marks F D. A thermodynamic pathway leading to rapid intensification of tropical cyclones in shear[J]. Geophys Res Lett，2019，46（15）：9241-9251.

[57] Emanuel K. 100 years of progress in tropical cyclone research[J]. Meteor Monogr，2018，59（1）：15.1-15.68.

[58] Latif M， B?ning C， Willebrand J， et al. Is the thermohaline circulation changing？[J]. J Climate，2006，19（18）：4631-4637.

[59] Keenlyside N S， Latif M， Jungclaus J， et al. Advancing decadal-scale climate prediction in the North Atlantic sector[J]. Nature，2008，453（7191）：84-88.