CMIP6模型模拟的东亚夏季副热带西风急流中的准两年信号：QBO与ENSO的作用

《Atmospheric Research》：The quasi-biennial signal in the East Asian summer subtropical westerly jet simulated by CMIP6 models: Roles of the QBO and ENSO

　　

**要点总结：**
- 观测显示东亚夏季副热带西风急流（EASWJ）存在准两年信号，该信号源于ENSO与QBO的联合影响。
- 大多数CMIP6模型在模拟EASWJ的准两年信号方面能力有限。
- 这是因为大多数CMIP6模型未能很好地捕捉QBO的影响，原因在于急流气候态偏差、QBO振幅偏差和热带对流偏差。

---

## 引言

东亚夏季副热带西风急流（EASWJ）是亚洲夏季风系统的关键组成部分。它通过遥相关对区域乃至远距离的大气环流产生显著影响，从而调节东亚乃至更广泛地区的天气和气候（Hong等，2018；Liao等，2004；Wang等，2013；Zhang等，2020）。EASWJ的变率主要表现为纬向和经向振荡（Lin，2010；Lin和Lu，2005；Xie等，2015），其中经向位移尤为重要，因为它与中国东部地区的降水格局和极端热事件密切相关（Lin和Lu，2005；Ling等，2023；Sampe和Xie，2010；Wang等，2024a；Wang等，2018；Wang等，2013；Xuan等，2011）。

在北半球夏季，EASWJ南移通常伴随长江流域降雨增强，而北移则有利于华北地区降水增加（Wang等，2018；Xuan等，2011）。当急流气候态位置异常偏南时，东亚地区往往形成"南涝北旱"的特征性格局（Huang等，2013）。此外，急流北移导致中国中西部和东部地区异常下沉运动，使得极端热事件更为频繁和强烈（Gao等，2025；Wang等，2013）。因此，EASWJ在塑造东亚天气和气候方面发挥着关键作用。准确表征其变率对于改进东亚天气和气候异常的预测至关重要。

热带平流层准两年振荡（QBO）和热带对流层厄尔尼诺-南方涛动（ENSO）都对副热带西风急流产生显著影响。QBO是热带平流层中最显著的年际变率，其特征是在约30公里高度附近交替出现东风和西风环流，随后逐渐下降至低层平流层或对流层顶（Anstey等，2022；Baldwin等，2001；Tian等，2023）。尽管QBO本质上是一种平流层现象，但它对流层天气和气候产生显著影响（Hu等，2022；Huangfu等，2021；Luo等，2023、2024；Rao等，2020；Sheng等，2025；Zhang等，2024）。QBO影响对流层的主要途径之一是通过调制副热带西风急流（Gray等，2018；Hitchman等，2021）。当以低层平流层纬向风指数定义QBO相位时，西风相位期间副热带急流倾向于南移，东风相位期间则倾向于北移（Garfinkel和Hartmann，2011a；Hitchman等，2021）。

ENSO是热带太平洋的海洋-大气耦合振荡，其特征是厄尔尼诺和拉尼娜事件的周期性交替（McPhaden等，2006）。ENSO对东亚夏季气候有强烈影响，是区域气候变率的关键预测因子（Huang等，2004；Wang等，2000；Wang，2002；Wen等，2019）。例如，在冬季厄尔尼诺事件之后的夏季，长江流域降水倾向增加，而华南地区降水倾向减少，这主要归因于ENSO相关海气相互作用对西北太平洋副热带高压的影响（Chang等，2000；Chen等，2018；2013；2009）。除前冬季ENSO强迫外，夏季ENSO状况也通过调制副热带西风急流影响东亚夏季气候（Lin，2010；Lin和Lu，2005）。在厄尔尼诺夏季，副热带西风急流倾向于南移（Kim等，2025；Lin，2010）。

尽管QBO和ENSO已被广泛认为是大气环流变率的重要驱动因子，但它们的影响可能并非独立作用，其联合效应日益受到关注。近期研究表明，QBO-ENSO联合影响可以同时表现线性和非线性特征，平流层响应主要以其个体效应的线性叠加为主导（Ermakova等，2025；Wang等，2024b），同时也报道了相位依赖的相互作用（Calvo等，2009；Garfinkel和Hartmann，2010）。对于EASWJ而言，Luo等（2026）揭示了观测中EASWJ经向模态存在显著的准两年振荡信号，这可能源自平流层的QBO（周期2-3年）和对流层的ENSO（周期2-7年）。然而，目前尚不清楚最先进的气候模型对这些过程及其联合效应的表征能力如何，而这对于改进东亚夏季天气和气候的模拟至关重要。基于此，本研究利用再分析数据和CMIP6多模型模拟，评估模型再现QBO、ENSO及其对EASWJ经向模态影响的能力。我们进一步考察了QBO和ENSO的准两年信号、它们各自和联合对急流的影响，以及模型偏差的可能原因。这些分析旨在为改进气候模型对东亚夏季风系统的表征和预测提供见解。

本文结构如下：第2节描述本研究使用的数据和方法。第3节基于观测分析EASWJ经向模态的周期特征。第4节评估所选气候模型模拟QBO、ENSO以及急流经向模态周期的能力。第5节和第6节进一步考察CMIP6模型对QBO和ENSO影响EASWJ的表征，并讨论模型偏差的可能原因。第7节研究那些成功捕捉QBO和ENSO效应的模型如何再现其对急流的联合影响。最后，第8节对主要发现进行总结与讨论。

---

## 观测数据

本研究使用的月度纬向风、经向风、垂直速度和气温数据来自欧洲中期天气预报中心（ECMWF）提供的ERA5再分析资料（Hersbach等，2020），水平分辨率为0.25°×0.25°。Ni?o3.4指数由国家海洋和大气管理局（NOAA）提供（Kousky和Higgins，2007）。海表温度（SST）数据来自英国气象局哈德利中心的HadISST资料。

---

## 观测中EASWJ的准两年信号

周期信号是天气和气候预测的重要指标（Merryfield等，2020）。EASWJ的准周期变率在预测东亚夏季降水和气温变化方面发挥着关键作用。为研究EASWJ经向振荡的周期特征，我们首先对北半球夏季（7-8月）东亚地区200 hPa纬向风进行了EOF分析。第二EOF模态代表经向模态。

---

## 模型中EASWJ准两年信号的历史模拟

在评估模型如何再现QBO和ENSO对EASWJ经向模态影响之前，必须确保模型能够真实地模拟QBO和ENSO本身。第3节的分析表明，EASWJ经向模态的准两年信号可能源于QBO和ENSO（Garfinkel和Hartmann，2011a；Lin，2010；Lin和Lu，2005）。因此，本节聚焦于模型再现QBO和ENSO周期的能力。

---

## QBO对EASWJ的模拟影响

作为热带平流层中主导的年际变率，QBO对EASWJ产生显著影响，这在以往研究中已被广泛记录（Garfinkel和Hartmann，2011a、2011b；Gray等，2018；Hitchman等，2021）。ERA5再分析中200 hPa纬向风异常显示，在WQBO期间，EASWJ南侧（中国东南部）出现显著西风异常，而其北侧出现东风异常（图5a）。

---

## ENSO对EASWJ的模拟影响

与QBO影响的模拟相比，更多CMIP6模型能够真实地再现ENSO对EASWJ经向模态的影响，如图8中标记为红色的模型所示。在ERA5再分析中（图8a），急流南侧出现显著西风异常，北侧出现东风异常，这与EASWJ的经向模态（图1a）以及QBO影响的相关模式（图5a）一致。

---

## 模拟中QBO和ENSO对EASWJ的联合影响

QBO和ENSO都对EASWJ的经向模态产生显著影响。因此，它们的相互作用产生了对急流的联合效应。在ERA5再分析中，与仅QBO（图5a、6a）或仅ENSO（图8a、9a）合成的异常相比，当WQBO与厄尔尼诺条件同时出现，或EQBO与拉尼娜条件同时出现时，异常显著增强（图12a、c）。

在所有CMIP6模型中，仅EC-Earth3-Veg模型能够……

---

## 结论

EASWJ的经向模态表现出显著的准两年振荡（QBO-like）周期性，主要受QBO和ENSO影响。这种经向变率在预测东亚夏季天气和气候方面发挥着关键作用。然而，目前尚不清楚现有气候模型能否真实再现这种经向模态及其QBO和ENSO的影响，而这些是影响东亚夏季可预测性改进的基础。

---

## 在稿件准备过程中生成式AI及AI辅助技术的声明

在本工作的准备过程中，作者仅使用ChatGPT（OpenAI）进行英文语言编辑。作者根据需要审查和编辑了输出内容，并对稿件内容承担全部责任。

---

## CRediT作者贡献声明

罗甫海：撰写—原始稿、可视化、验证、软件、调查研究、形式化分析。王莹：软件、调查研究、形式化分析。项星：软件、调查研究、形式化分析。夏艳：撰写—审阅与编辑、监督、资源、概念化。杨永祥：软件、调查研究、形式化分析。田浩：软件、调查研究、形式化分析。谢斐：撰写—审阅与编辑、监督、资源、项目管理、资助。

---

## 资金来源

本研究的资助来自国家重点研发计划（编号：2023YFF0805104）、国家自然科学基金（编号：42375070）以及中央高校基本科研业务费专项资金。

---

## 利益冲突声明

作者声明不存在已知的、可能影响本文所述工作的竞争性经济利益或个人关系。

---

## 致谢

感谢欧洲中期天气预报中心（ECMWF）、国家海洋和大气管理局（NOAA）以及英国气象局哈德利中心提供观测数据。感谢耦合模式比较计划第六阶段（CMIP6）提供多模型数据。

罗甫海 | 王莹 | 项星 | 夏艳 | 杨永祥 | 田浩 | 谢斐