《Atmospheric and Oceanic Science Letters》：Modulation of interannual variability of strong wind events over eastern China by tropical sea surface temperature variability
编辑推荐：
强风事件（SWEs）威胁中国东部的人类安全、基础设施和风能。研究人员利用经验正交函数（EOF）分析，研究了1979—2020年SWEs的年际变率及其对热带海表温度（SST）强迫的响应。EOF1是中心位于东海北部和黄海南部的单极型模态。EOF2呈现偶极型结构，东
强风事件（SWEs）威胁中国东部的人类安全、基础设施和风能。研究人员利用经验正交函数（EOF）分析，研究了1979—2020年SWEs的年际变率及其对热带海表温度（SST）强迫的响应。EOF1是中心位于东海北部和黄海南部的单极型模态。EOF2呈现偶极型结构，东海为负异常，长江以北陆地和海洋区域为正异常。两种模态均在北半球冬季和春季表现出最大变率，尤其在10—12月。EOF1受印度-太平洋暖池SST异常调制，而EOF2与赤道东太平洋类El Ni?o SST异常相关。暖池SST增暖与中国东部SWEs频率增加相关；El Ni?o与SWEs活动北移相关，La Ni?a则与南移相关。机制上，热带SST异常改变区域海平面气压（SLP）和异常风。当这些异常风叠加到气候态风场上时，有助于形成两个主要SWE型。该研究阐明了一条连接热带SST强迫与区域SWE变率的潜在路径，为中国东部季节预测和减灾提供了潜在预测因子。
1. 引言
在全球变暖背景下，包括热浪、洪水、强降水和强风事件（SWEs）在内的极端气象事件因其破坏性社会经济影响而受到广泛关注。SWEs因突发性和对基础设施的直接破坏力尤其危险。全球变暖放大的陆海热力差异调制季风活动，并进一步改变区域近地面风和环流特征，可能影响SWEs频率和强度。中国中东部晚春和早冬频繁发生SWEs，造成财产损失、风电场大规模停机，并在与强降雨叠加时加剧城市洪水风险和作物损害。中国作为世界最大风电市场，持续面临SWEs带来的运行风险。因此，理解SWEs变率对提高可预测性和减灾至关重要，但当前严重天气预测能力仍不足，主要因为对其年际驱动机制认识有限。
已有中国东部地面风研究主要关注气候态时空分布，针对SWEs年际变率的考察相对稀缺。极端风按时间尺度通常分为天气尺度和气候尺度。中国东部天气尺度极端风多与台风、冷高压、锋面系统和雷暴对流有关。在气候尺度上，已有研究记录极端地面风最频繁于华北、东北和中东部，南方较少，并季节集中在冬春。过去五十年，中国极端风速和极端强风频率下降，主要受热力调整驱动，1997年前主导了总体风速减少。黄海和渤海冬季高风频率年际变率与北极涛动（AO）有关，后者通过调制东亚冬季风施加影响。强风与强降水复合极端事件集中在东南沿海，1981—2010年下降，2011—2018年上升。同时，日最大风速自20世纪70年代以来显著下降，与快速城市化和全球气候变化密切相关。
总之，以往气候研究虽已较充分刻画中国极端风时空特征，但 largely 忽略了远洋强迫机制，尤其是热带SST变率对SWEs年际波动的驱动。多数研究仍集中于天气过程，即使气候尺度分析也大多停留在统计描述，对连接大尺度气候驱动与区域SWEs变化的物理路径探索有限。本研究旨在提取中国东部SWEs主导变率模态并识别关键海洋强迫因子。与平均10-m风速异常不同，本研究专门针对SWEs作为独立危险事件，通过探索热带SST异常、大气环流响应和区域SWEs变化之间的物理联系，为改进季节预测和防灾提供科学依据。研究人员利用EOF分析研究1979—2020年SWEs年际变率及其对热带SST强迫响应，得出EOF1和EOF2两个主导模态，并揭示其与热带SST强迫的潜在联系，为中国东部季节预测和减灾提供潜在预测因子。
2. 资料与方法
本研究使用1979—2020年42年数据。大气变量包括ERA5日10-m风场、月200-hPa位势高度和海平面气压（SLP），水平分辨率0.25° × 0.25°；并用NCEP–NCAR再分析资料2.5° × 2.5°验证，因两套资料结果高度一致，仅呈现ERA5结果。月SST资料来自NOAA的扩展重建SST（ERSST），水平分辨率2.5° × 2.5°；Ni?o3.4指数来自NOAA气候预测中心。SWEs采用百分位法定义：各格点日风速按全研究期全年日资料降序，第90百分位为局地SWEs阈值；日风速超过该阈值记为强风日；至少连续5个强风日定义为一个SWE，以过滤天气尺度瞬变扰动并捕捉持续强风事件；间隔小于2天的两个强风事件合并，否则分别计数；最后计算月累计强风日数作为SWEs数量。EOF分析空间域为25°–40°N、110°–130°E。相关系数显著性采用Student’s t检验。
3. 结果
通过EOF分析，前两个模态共解释32.1%总方差，EOF1占21.5%，EOF2占10.6%，第三模态占7.23%。EOF1呈整个研究域单极型空间格局，最大载荷中心位于东海北部和黄海南部，中低值向内陆长江附近延伸；当PC1为正时，黄海南部/东海北部及邻近中国东部内陆SWEs频率增强。EOF2呈典型南北偶极型，分界约30°N，东海负载荷，长江以北陆地和海洋正载荷，最大核心位于渤海和山东半岛。两个模态的季节标准差最大值均出现在北半球冬春，表明SWEs在这两个季节更频繁；由于SWEs由1979—2020年全年日风速第90百分位定义，冷季较高气候风速部分使冬春增强成为该定义的固有结果。研究进一步聚焦OND（10—12月），此时两个EOF模态的SWEs标准差均为年最大。OND平均PC时间序列显示，PC1近年趋向正值，趋势为0.0075 yr
?1，经Mann–Kendall检验显著，表明中国东部SWE频率总体增加；PC2趋向负值，趋势为?0.0109 yr
?1，显著，表明南部SWE活动增强而北部减弱。该对比趋势提示近期SWEs空间重组，可能与东亚冬季风年代际变化或全球变暖引起的背景环流调整有关。
将OND平均PC1和PC2线性回归到同期OND平均SST后，两个模态对应不同SST回归型。EOF1相关SST回归场在印度-太平洋暖池（0°–15°S，85°–150°E）呈显著正异常。EOF2相关SST型类似经典El Ni?o，热带西太平洋负SST异常，赤道东太平洋正SST异常。定量分析表明，印度-太平洋暖池每增暖0.5 °C对应中国东部SWEs发生增加；El Ni?o使SWEs活跃区纬度北移，La Ni?a则相反。研究人员检查其他海区，未发现超前相关的SST异常。为便于研究，定义两个SST指数：SSTI1为EOF1对应暖池区域OND SST面积平均；SSTI2采用Ni?o3.4指数，代表赤道中东太平洋SST变化。超前滞后相关显示，SSTI1领先PC1一个月、SSTI2领先PC2五个月时相关系数超过95%置信水平；PC1最大相关系数0.4出现在同期，PC2峰值为0.42，出现在SSTI2领先PC2一个月时。这表明EOF1受暖池SST异常影响，信号在SON和同期OND出现；热带太平洋SST变化提前至五个月（MJJ）对EOF2施加持续影响，最强调制出现在领先一个月。热带太平洋SST异常对中国东部SWEs的长期影响反映SST的“海洋记忆”特征。作为气候系统慢变分量，热带太平洋SST异常可持续并演变数月，使春季建立的信号传播并维持影响。EOF2的延迟调制与ENSO典型季节演变一致，即SST异常在北半球晚春启动并快速发展，从而影响大尺度大气环流和中国东部SWE变率直至OND。
在物理机制上，OND气候SWE频率和近地面风场显示，OND气候风在海洋较强，以偏北风为主，风速自北向南逐渐增加，华北平原存在弱反气旋环流。将SON平均SSTI1偏回归到OND平均SLP和风矢量场，并排除OND El Ni?o对大气环流的潜在混淆后，结果显示研究区SLP与印度-太平洋暖池SST负相关，最强负相关位于中国南方。暖池SST异常增暖时，上覆大气吸收额外热量，海面气压减弱，形成负SLP异常；响应下，渤海—黄海—东海区域出现东北风异常，与OND气候偏北风一致。最大异常风对应黄海和东海正载荷区，该环流配置有利于中国SWEs发生，促使边缘海SWEs更频繁。中国东部相应的上升垂直运动可能增强垂直风切变，并促进高层动量向下输送到地面，从而促进SWEs。将MJJ平均SSTI2与OND平均SLP和200-hPa位势高度相关后，El Ni?o型SSTI2响应表现为赤道中东太平洋200-hPa正位势高度异常，这是El Ni?o期间热带对流增强的典型上对流层响应，并伴随北太平洋和北美西部负高度异常。赤道太平洋热力强迫激发温带罗斯贝波沿中纬度西风急流向西传播至东亚，引起东亚上对流层高度异常，形成从热带太平洋到日本海的波列。该大尺度遥相关调制中国东部区域气压梯度，重塑SWEs空间分布。El Ni?o期间，东海低层异常西南风和中国东南部偏南风与气候风相反，抑制局地SWEs；山东半岛和渤海周边异常东风与周围气候风一致，增强当地风速。异常环流风叠加气候背景风场，最终产生南北偶极SWE分布。因此，El Ni?o倾向于使SWE活动北移，La Ni?a产生相反效果。
4. 结论与讨论
讨论部分指出研究若干局限。第一，以往研究记录陆地和海洋近地面风速及SWEs长期趋势不一致；本研究主要关注年际变率，未来需系统研究中国东部不同子区域SWEs长期趋势及其驱动机制。第二，结果中东马达加斯加和南海也检测到显著SST回归信号，其对中国东部SWE变化的潜在影响及物理过程值得进一步探索。第三，本研究采用日均再分析资料识别SWEs；由于日均风与高频风观测存在差异，现有资料可能给SWEs提取和分析带来不确定性，未来结合高分辨率站点观测与再分析产品有助于提高结果准确性。第四，本研究主要关注热带SST强迫，未明确量化温带气候模态如太平洋年代际振荡（PDO）和AO的贡献，这些模态也可能在年际至年代际尺度调节东亚环流和区域SWE变率，需进一步量化其相对作用。
研究结论翻译：本研究调查了1979—2020年中国东部SWEs主导年际变率模态，并探讨热带SST异常调制SWE变化的物理机制。前两个EOF模态解释32.1%总SWE方差。EOF1表现为空间一致单极型，高值载荷中心位于黄海南部和东海北部，并向西延伸至长江附近内陆。EOF2呈典型南北偶极分布：东海及邻近陆地为负载荷，长江以北陆地和海洋为正载荷，分界线约30°N。两个模态年际变率均在北半球冬春最大，而其空间信号在OND季节最清晰。两个EOF模态与不同热带SST强迫相关。EOF1与印度-太平洋暖池SST异常密切相关，EOF2主要受赤道东太平洋El Ni?o相关SST变化控制。定量分析表明，印度-太平洋暖池SST升高0.5 °C有利于中国东部SWEs更频繁。El Ni?o与SWEs活跃区纬度北移相关，La Ni?a产生相反效果。超前滞后相关分析表明，暖池SST信号对EOF1具有短领先的即时影响，反映对局地海洋强迫的快速大气响应；赤道太平洋春季SST异常可持续数月并影响秋季EOF2，说明热带SST的海洋记忆效应。物理机制分析表明，印度-太平洋暖池暖异常降低区域SLP，诱导与OND气候风场一致的东北风异常，有利于SWEs发生，形成EOF1单极型。季前类El Ni?o SST异常激发全球罗斯贝波传播，调整东亚环流和风场。异常风与气候背景风相互作用产生EOF2南北偶极型。本研究揭示从热带SST强迫、大气环流调整到区域SWEs变化的潜在物理链，加深了对中国东部SWEs年际变率的理解。
