全球海表温度在不同时间尺度的主模态对比分析
刘鹏1, 江志红1, 于华英2, 秦怡1
1. 南京信息工程大学 气象灾害教育部重点实验室, 江苏 南京 210044
2. 南京信息工程大学 遥感学院, 江苏 南京 210044

作者简介:刘鹏(1980-),男,河北石家庄人,讲师,主要从事气候变化研究.E-mail:liupeng1998@nuist.edu.cn

摘要

利用1880—2009年HadISST资料,去掉百年全球变暖的信号,研究发现东太平洋、北太平洋和北大西洋都有较强的年际和年代际振荡信号,特别是赤道东太平洋南侧的年代际振荡是不容忽视的。对全球范围的海表温度资料做EOF分析发现,存在3种主要的全球尺度信号,第一模态为太平洋型、第二模态为北大西洋型以及第三模态为赤道中太平洋型。特别指出,第三模态是CP ENSO在全球模态中的表现。这3种模态在年际和年代际尺度都有显著的信号,在无滤波的情况下,3种模态方差贡献之和为34%。在年代际以上时间尺度范围,3种模态方差贡献之和为61%。在各种时间尺度中,这3种信号与全球平均温度都有一定的联系,尤其第一、二模态的影响最为重要,在年代际尺度中,第一、二模态方差贡献之和达到50%。2005年以后全球并没有明显增温,可能与前2个模态同时下降有关。

关键词: 全球尺度; 海表温度; 主模态; 时间尺度
中图分类号:P731.11 文献标志码:A 文章编号:1001-8166(2014)07-0844-10
A Comparative Analysis of Main Modes of Global-scale Sea Surface Temperature on Multiple Time Scale
Peng Liu1, Zhihong Jiang1, Huaying Yu2, Yi Qin1
1.Key Laboratory of Meteorological Disaster of Ministry of Education, Nanjing University of Information Science and Technology, Jiangsu, Nanjing, 210044
2.Key Laboratory of Meteorological Disaster of Ministry of Education, Nanjing University of Information Science and Technology, Jiangsu, Nanjing, 210044
Abstract

Using the HadISST data from 1880 to 2009, removed the signal of global warming in one hundred year. The results show that, there were the significant interannual and interdecadal oscillation signal at the eastern Pacific and north Pacific and north Atlantic, especially the decadal oscillation in the south of eastern equatorial Pacific cannot be ignored. We found there are three major global-scale signals by using the Empirical Orthogonal Function (EOF) analysis on global sea surface temperature, the first mode is (ENSO-like/PDO-like) Pacific pattern, the second mode is (AMO-like) the north Atlantic pattern and the third mode is (ENSO Modoki-like/CP ENSO-like) Center Pacific Ocean pattern. In particular, the third mode is the performance of Center Pacific El Niño-Southern Oscillation in the global mode. There are significant signals in interannual and interdecadal scales, in the unfiltered conditions, the three modes can explain 34% of total variance contribution. Above the interdecadal scale, the sum of three modes variance contribution is 61%. In various time scales, the three signals and the average global temperature has a connection, especially the influence of the first and second mode is the most important, in the decadal scale, the sum of the first and second modal variance contribution is 50%. Since 2005, there is no significant signal of global warming may be associated with the simultaneous decline of the first two modes.

Keyword: Global-scale; Sea Surface Temperature; Main mode; Time scale
1引言

对于年际以上时间尺度的气候变化,大气环流是非常快速的变化过程 ,那么要研究气候变化的信号,无疑需要聚焦在海洋上。气候学家很早就在海表温度SST(Sea Surface Temperature)中找到了许多区域的年际与年代际变化的信号,包括热带东、西太平洋海表温度异常伴随出现的2类ENSO(El Niño-Southern Oscillation)现象,以及太平洋更长时间尺度的年代际变化信号,Zhang 等[ 1]发现此模态很像ENSO,因此定义为ENSO-like模态。同时有学者利用20ºN以北去掉趋势变化的SST,或者整个太平洋的SST做EOF(Empirical Orthogonal Function),并将得到的第一模态定义为PDO/IPO(Pacific Decadal Oscillation /Inter-decadal Pacific Oscillation)[ 2, 3],PDO/IPO可能是与ENSO伴随的更为低频的信号[ 4, 5],是太平洋上最为显著的年代际变化信号。而在北大西洋也存在着长期变化的年代际信号,其中包括用赤道以北整个大西洋去掉趋势的平均SST,或者是用此区域做EOF得到的第一模态来定义的AMO(Atlantic Multidecadal Oscillation)[ 6, 7, 8, 9]、AMV(Atlantic Multidecadal Variability)[ 10]。此外,还存在许多这样的区域海温指数,如IOD(Indian Ocean Dipole),NPGO(North Pacific Gyre Oscillation),南大洋[ 11]等。

以上这些海表温度年际或者年代际变化信号,全是利用区域的海温做EOF分析得到的。对于全球海温模态而言,他们与这些区域信号是什么关系呢?在国内的研究中,魏凤英等[ 12]通过分析梅雨的多雨年与少雨年来寻找全球海表温度年代际变化的模态。江志红等[ 13]分析了不同区域温度年代和年代际变化的演变特征。肖栋等[ 14]通过寻找全球海温每个格点的突变时间点来研究全球海温的模态。在国际上,Schubert 等[ 4]和Sun等[ 15]发现全球海温第一模态为全球增暖模态,第二模态为太平洋型南北半球对称模态,第三模态为大西洋型南北半球非对称模态。Zhang等[ 16]发现伴随全球变暖,东太平洋海温存在一个降温趋势的模态。那么除掉全球增暖模态后,在年代际以上时间尺度,Liu和Sui[ 17](2014)分析对比了太平洋型与大西洋型在全球模态的贡献大小。Messié等[ 18]则讨论了六种全球海温模态与六种区域海温指数的关系。对于全球气候变化而言,这些全球海温模态,在不同时间尺度的重要性顺序是否一致,在不同时间尺度对全球表面平均温度影响的大小是否一致,鲜有研究。

本文将利用130年的海温资料,去掉百年全球变暖的信号,即全球气候变化的外部强迫因素,首先分析全球海表温度在不同时间尺度的标准差,明确全球海温年际与年代际振荡的显著区域,其次通过分析全球海表温度的主模态和周期,分别讨论在不同时间尺度这些模态与区域海温指数的关系,最后再对比他们在不同时间尺度对全球表面平均温度的影响大小,以便于我们更为系统的理解全球气候变化的内因。

2 资料与方法

海表温度资料为英国哈德莱中心的HadISST (the Hadley Centre’s Sea Ice and SST)月平均资料,分辨率为1o × 1o,时间为1880—2009年[ 19]。首先利用EEMD (Ensemble Empirical Mode Decomposition)[ 20]的方法,在全球平均温度资料GISTEMP (Goddard Institute for Space studies surface Temperature analysis)[ 21]中找到百年增暖的趋势,然后在全部的海温资料中都去掉这一信号[ 17]

文中的海表温度资料分为无滤波(unfiltered),和只保留13年以上周期信号的低频滤波(low-pass)[ 3],以及只保留13年以下周期信号的高频滤波(high-pass)三种情况。之所以使用13年为分界线,主要是为了区分年际与年代际周期,同时在年代际周期的研究中消除太阳黑子11.2年的影响[ 5, 22]。使用EOF方法,分别对无滤波和低频滤波的海表温度,进行主模态的分析。振幅的计算使用平均差的方法,通过计算有效自由度的方法进行相关性检验[ 23]。最后利用功率谱的方法,对其时间系数作周期分析。

3 全球海表温度的标准差分析

利用1880—2009年逐月的海表温度资料,除去全球增暖趋势,除去季节变化,再做标准差(图1)。图1a为不做任何滤波处理的海表温度标准差,在全球范围内,只有东太平洋、北太平洋和北大西洋三个区域为大于0.3 K的大值区。图1b,c分别为使用13年以下高频滤波和13年以上低频滤波海表温度后所得到的标准差。对比图1b,c可以发现,无论对应高频滤波还是低频滤波,海表温度标准差的大值中心均在东太平洋、北太平洋和北大西洋这三个区域,由此说明这三个区域是海表温度年际与年代际变化最为显著的中心,即全球尺度的年际或年代际气候变化的原因,都与这些区域有密切的联系。虽然ENSO是最为重要的年际信号,主要的海温异常区域在赤道东太平洋,但是从图1b不难发现,北太平洋和北大西洋还是存在0.3 K以上标准差的,说明这两个区域年际变化的振荡也是较强的。在年代际以上尺度的标准差图1c中,北太平洋的最大值中心位于在180ºE,热带太平洋的最大值中心则位于赤道南侧,北大西洋的最大值中心则位于在60ºN附近。

图1 海表温度1880—2009年标准差图(单位:K)
(a)无滤波;(b)13年以下高频滤波;(c)13年以上低频滤波
Fig.1 The standard deviation of Sea Surface Temperature(SST) during the period 1880-2009 (unit:K)
(a) Raw SST; (b) SST with a 13year high pass filter; (c)SST with a 13year low pass filter

为了更好地研究重要的海温异常区域,选取无滤波海温资料的标准差图1a中大于0.32 K的区域,用其海表温度年际或者年代际尺度的均方差除以其所有时间尺度的标准差(即图1b和c分别除以图1a),可以得到图2a和b,有利于理解海温的年际或者年代际变率在气候变化中的重要性。由图2a可以发现,赤道中东太平洋海温的年际均方差占所有时间尺度的均方差比例为80%以上,北太平洋和北大西洋所占比例为60%左右。在年代际变化的标准差占所有时间尺度标准差的比例图2b中, 赤道中东太平洋只占到20%左右,而在Nino3区 [150ºW~90ºW,5ºS~5ºN]的南侧可以占到50%的比例。虽然ENSO是沿赤道南北较为对称的年际海温模态,但是不同于年际信号,Nino3区在年代际尺度的信号并没有明显的南北对称性,而是主要集中在了Nino3区南侧[ 24]。而在北太平洋和北大西洋上,海温的年代际变化所占比例可以达到50%,甚至60%以上(图2b),主要是由于这两个区域的年代际变率是其最为显著的信号。

图2 海表温度1880—2009年标准差百分比值图
(a)高频滤波SST的标准差除以无滤波的SST标准差;(b)低频滤波SST的标准差除以无滤波的SST标准差
Fig.2 The percentage standard deviation of SST from 1880 to 2009
(a) High pass filter divided by unfiltered; (b)Low pass filter divided by unfiltered

4 全球尺度海表温度的主模态对比分析

气候的年际与年代际变化对大气环流来说是相当长期的变化,这些信号一定会存在全球范围的响应,为了更好地研究全球尺度的气候信号,我们通过对全球尺度的海表温度做EOF分析,来讨论这些信号,并比较它们在不同时间尺度的异同,以及与区域海温指数的关系。

为了找出影响全球气候变化的信号,选取的区域要足够大,但是南半球海洋的观测较少,误差较大[ 25],所以本文选择的区域为30ºS~70ºN。首先将海表温度去掉全球变暖的信号,然后分别对不经过滤波和经过13年低频滤波(去除年际变化)的海表温度,做EOF分析(图3~5),可以分为三种模态。由于做EOF所取区域相同,所以不管有无滤波,只要属于同一模态,在不同时间尺度的时间系数都是可以比较大小的,其值越大就代表海温模态异常就越大。此外,对于空间场的处理,我们采用把时间系数的标准差再乘到空间场上,表示当时间系数等于1时,此空间模态对应的SST异常的温度大小,这样就可以比较同一模态,在不同时尺度对应的SST异常大小情况。

图3 海表温度EOF模态Mode1及其时间系数
(a)无滤波海表温度EOF1模态;(b)低频滤波海表温度EOF1模态;(c)时间系数(细线为图3a的,粗细为图3b的)
Fig.3 The first EOF mode of SST and its time coefficient
The first EOF mode of (a)raw SST (b) low-pass filtered SST and (c) the time series of the leading EOF for raw (fine line) and low-pass filtered SST (heavy line)

图4 海表温度EOF模态Mode 2及其时间系数
(a)无滤波海表温度EOF 2模态;(b)低频滤波海表温度EOF 2模态;(c)时间系数(细线为图4a的,粗细为图4b的)
Fig.4 The second EOF mode of SST and its time coefficient
The second EOF mode of (a)raw SST (b) low-pass filtered SST and (c) the time series of the leading EOF for raw (fine line) and low-pass filtered SST (heavy line)

图5 海表温度EOF模态Mode 3及其时间系数
(a)无滤波海表温度EOF5模态;(b)低频滤波海表温度EOF 3模态;(c)时间系数(细线为图5a的,粗线为图5b的)
Fig.5 The third EOF mode of SST and its time coefficient
The third EOF mode of (a)raw SST (b) low-pass filtered SST and (c) the time series of the leading EOF for raw (fine line) and low-pass filtered SST (heavy line)

图3为第一模态,海温异常区域全部在太平洋上,可以称其为太平洋型ENSO-like[ 1]或者PDO-like[ 17]太平洋型(Mode1)。图3a表现为ENSO的空间分布,方差贡献为24%,为EOF1。海温为东太平洋暖异常,呈现为赤道对称型,北太平洋表现为冷异常,它的时间系数与Nino3.4指数[170ºW~120ºW,5ºS~5ºN]的相关系数为0.94(表1)。图3b表现为PDO的空间分布,方差贡献为29%,也为EOF1,海温暖异常中心位于东太平洋Nino3区南侧,与图1c有很好的对应关系,其时间系数与滤波后PDO指数的相关系数为0.92(表2)(http://jisao.washington.edu/pdo/)。对比图3a,b可以发现,ENSO对海洋异常的影响是PDO的两倍以上,从图3c也可以发现这一比例关系。PDO-like随时间的演变很像ENSO的低频变化,两者时间相关为0.38(表3),1950之后相关为0.35,都通过了99%的信度检验。有研究指出PDO会调节ENSO的强弱,如1980~2000年,PDO为正位相时期,多发生较强的El Niño事件,而在2000年以后,PDO为负位相时期,多发生La Niña事件。此外还有研究发现,ENSO是主要来自热带的信号,由于ESNO的发生,会伴随出现东太平洋南侧的年代际变化[ 24],从而影响PDO的周期。PDO被认为更多是中纬度主导的信号,那么在年代际尺度中纬度与热带谁更重要,这些方面的争论依然存在,在科学界还没有定论[ 26]

表1 无滤波模态与区域海温指数的相关系数 Table 1 The correlation coefficient of unfiltered mode and regional SST index
表2 低频滤波模态与区域海温指数的相关系数 Table 2 The correlation coefficient low-pass filter mode and regional SST index
表3 不同模态的低频型与无滤波型的时间相关系数、及其振幅比例、空间相关系数(时间为1888—2002年,小括号内为1950—2002年) Table 3 The time correlation coefficients, and its amplitude ratioes, space correlation coefficients of low-pass filter and unfiltered mode in different modes( In the period of 1888-2002, small brackets for 1950-2002)

图4为第二模态,可以称其为AMO-like北大西洋型(Mode2),图4a表现为类AMO的空间分布,方差贡献为6%,为EOF2,海温为在60ºN,15ºN北大西洋有暖异常中心,在北美洲的西岸海洋有暖异常,而在南半球的大洋整体表现为冷异常,它的时间系数与AMO指数(大西洋[0~70ºN]海表温度区域平均)(http://www.esrl.noaa.gov/psd/data/timeseries/AMO/)的相关系数为0.76(表1)。需要特别指出的是此模态伴随东太平洋海温有冷异常,Zhang[ 27]发现La Niña事件可以通过影响North Atlantic Oscillation (NAO)的变化,使北大西洋海温异常增暖,而这一特点在年代际尺度表现就不明显了(图4b)。图4b的方差贡献为21%,其时间系数与低频滤波后的AMO指数的相关系数为0.94(表2),在北大西洋地区海温暖异常温度可以达到0.2K以上,而在图4a中为0.4K,两者之比可以达到50%以上,说明年代际信号在AMO-like信号中所占比例较高,年际信号相对略弱,也正因为此,在无滤波的EOF中此模态方差较小。从图4c可以也发现,无论是否滤波的时间系数都表现出了较强的年代际波动信号,两者时间相关为0.49(表3),1950年之后相关为0.59,都通过了90%的信度检验。

为了更好地讨论每个年代际模态,与之对应的都会存在无滤波海温模态,并讨论他们之间的关系,我们以年代际海温主模态为顺序,再寻找与之对应的无滤波海表模态为原则,进行挑选。发现年代际海温主模第三模态为ENSO Modoki-like[ 28, 29]或者CP ENSO-like[ 30]赤道中太平洋型(Mode3),在无滤波海温、年代际海温中,此模态应该表现为中太平洋海温异常的第二类ENSO型空间分布。通过对比寻找,发现在无滤波海温模态中,其为EOF5[ 18],方差贡献分别为4%,而与年代际时间尺度此海温模态为EOF3,方差贡献为11%(图5a,b),无论在哪种时间尺度其海温均表现为赤道中太平洋暖异常,东西太平洋为冷异常,两者的时间系数分别与EMI指数的相关系数为0.69和0.73(表1,2)(http://www.jamstec.go.jp/frcgc/research/d1/iod /DATA /emi.monthly.txt)。对比图5a,b可以发现,两者在高纬度还是存在一定差异的,但是其时间系数的相关性相对较小,只达到0.07,由于1950之前的观测资料误差较大,因此没有通过检验。在1950之后海温相关较为增大,可以达到0.16,通过90%的信度检验。在1960s左右为ENSO Modoki多发期(利用EMI指数诊断,20年,CP 5个),进入1980~2000年为ENSO Modoki少发期(20年,CP 3个),而进入2000年以后(10年,CP 3个)ENSO Modoki有多发的趋势[ 31]。有研究发现当东太平海温处在较冷的时期,赤道东西太平洋之间的温跃层越倾斜,当发生El Niño事件时,对流降水中心越向西(与第一类ENSO相比),强度也越小,海温增暖中心也越向西,所以多发生ENSO Modoki事件[ 32]。其中1960s左右和2000s以后,第一模态的低频周期PDO-like为负位相期(图3c),对应东太平海温整体偏冷,因此说明第一模态太平洋型的长期演变对第三模态赤道种太平洋型有一定的调制作用。

表3可以发现,第一到第三模态,其年代际以上尺度与不滤波模态的空间系数的相关依次为:0.79,0.46和0.08,1950年之后的相关依次为:0.7,0.56和0.3,都通过了相应的信度检验。综合比较可以发现,在不同时间尺度,三种模态各自的空间分布整体是基本相似的。而对于三种模态的振幅,年代际型与无滤波型之比依次为:46%,80%和61%,可以说明年代际变化振幅所占比例越高,此模态年代际变率对之调节作用就越大,在其时间演变过程中就表现为越强的年代际波动。第二模态AMO-like最为明显,其次就是第三模态ENSO Modoki-like。第一模态ENSO-like相对最弱,主要是由于ENSO是超强的年际信号,因此相对而言PDO-like调节作用表现较弱,但是其产生的年代际变化影响也是非常重要的。

通过周期分析也是可以发现以上这些特点,利用功率谱的方法分别对这三种不滤波模态的时间系数进行分析。发现图6a在第一模态中,ENSO存在2~7年的周期,其中3.6年、5.7年周期最为显著,8.8年、14.3年和20年以上的周期都不显著,这与ENSO是超强的年际信号也是吻合的,而此模态在年代际尺度存在有22.8年以及50年以上的周期,振幅较弱。第二模态北大西洋型AMO-like(图6b)的年代际振幅较强,存在一个50~60年以上的周期,此外还存在有3.6年、8.8年和14.3年的年际周期,但是相对振幅较弱。第三模态赤道中太平洋型CP ENSO-like(图6c)其年际与年代际的振幅大小相当,因此其周期表现为多重时间尺度,有3.6年、4.2年、6.7年、8.1年的年际变化的周期,还存在有20年以上的年代际周期。

图6 3种模态时间系数的功率谱分析
无滤波模态(深色)和通过90%的检验值(点线)
Fig.6 The power spectrum of time series of three modes
The power spectrum of unfiltered mode (heavy line) and the 90% confidence levels (dotted line ) in figure

5 全球海表温度主模态与全球表面平均温度的关系

海洋对于全球表面平均温度(global mean surface temperature,STgm)的影响是至关重要的。从表4可以发现,无论是第一模态太平洋型,还是第二模态北大西洋型,这两个模态对于不同时间尺度STgm的影响,都是至关重要的。在年际时间尺度相关系数分别为0.37、0.28,全部通过99%的相关检验,在年代际尺度相关系数基本上都可以通过90%的相关检验。其中第一模态太平洋型的正异常可以使STgm在年际变化中平均增温0.14K[ 33],即典型ENSO对STgm的影响,而超强ENSO可以达到0.2K以上[ 34]。从图7a中可以发现,当ESNO发生后,可以持续影响STgm半年左右,最大相关值在第3月。而第一模态对STgm在年代际变化中的影响大小,还没有较为统一的认识,Chen等[ 35]认为只有0.02K,可以忽略,Liu和Sui[ 17]认为应该与AMO量级相当。

图7 3种模态时间系数对全球表面平均温度的超前滞后相关系数
(a),(b)图中虚线为通过99%信度检验,(c)图中虚线为通过90%信度检验, X轴单位:月
Fig.7 The leading or lagged correlation coefficient between time series of three modes and the global average surface temperature
Dotted line denote the 99% confidence levels in figure (a) and (b), dotted line denote the 90% confidence levels in figure (c),unit of X axis is month

表4 无滤波型、低频型的三种模态与全球表面平均温度相关系数,时间段为1888~2002年,小括号内为1950—2002年 Table 4 The correlation coefficients between unfiltered and low-pass filter in three modes and the global average surface temperature. In the period of 1888~2002, small brackets for 1950~2002.

第二模态北大西洋型年际信号很弱,所以对STgm在年际变化的影响很弱,并且它会受ESNO发生后的影响,因此最大相关值为滞后STgm的第3月(图7b)[ 27]。而在年代际尺度,此模态受大气影响更为重要,NAO对其有超前15~20年的影响[ 36]。此模态对STgm在年代际变化中的影响是非常大的,可以达到0.1K以上[ 20],在1975s左右为AMO最低值时期,在1975~2000年AMO急速增强,对全球变暖也有一定的影响,进入2005年以后AMO有下降的趋势,进而也减缓了全球变暖的速度[ 17, 20, 37]。在2000s以后,第一模态太平洋型变为了年代际负异常,那么前2个模态同时下降[ 17, 38] ,可能是2003~2013年期间STgm并没有明显增温的主要原因。而第三模态赤道中太平洋型,与STgm的相关系数较小,对其影响约为0.04K[ 33],包括年代际以上时间尺度此模态对STgm的影响都是微乎其微的。但是值得关注的是,此模态对STgm有超前6个月的影响(图7c),原因尚不清楚。

6 结论与讨论

为了找到更为明确的全球尺度的气候变化信号,首先必须排除全球变暖信号的影响,然后分别做标准差和EOF分析发现:

(1)北太平洋、东太平洋和北大西洋既存在明显的年际信号,也存在明显的年代际信号。由于ENSO是最强的年际信号,与之对应的赤道东太平洋有最强的年际信号,而Nino3区南侧的年代际信号也是不容忽视的。

(2)全球尺度的海表温度存在三个重要的模态,依次为第一模态ENSO-like/PDO-like太平洋型、第二模态AMO-like北大西洋型和第三模态ENSO Modoki-like /CP ENSO-like赤道中太平洋型。这三种模态在年际和年代际尺度都存在显著的信号,在无滤波的情况下,在三个模态方差贡献之和为34%,在年代际以上尺度范围,三个模态方差贡献之和为61%。虽然第一模态有非常强的年际变化周期,而其年代际周期的变化与出现超强El Niño和超强La Niña也是关系密切的。第二模态有非常强的年代际周期,第三模态则表现出非常多尺度的周期,从几年到几十年不等。

(3)在各种时间尺度中,第一、二模态对全球表面平均温度的影响都非常重要,特别是在年代际尺度中,第一、二模态方差贡献相仿,各自都超过了20%。2005年以后全球并没有明显增温,就与前两个模态同时下降有关。而第三模态赤道中太平洋型对全球表面平均温度的影响较小。

以上分析使只用了HadISST,如果使用ERSST资料的话,结果基本相同,因此这个研究工作为我们认识不同尺度的气候变化提供了全球尺度的视角。本文的研究都是基于线性的分析方法,对于区域气候的变化而言,是否还是这些信号简单地叠加,还需要做深入的研究。

The authors have declared that no competing interests exist.

参考文献
[1] Zhang Yuan, Wallace J M, Battisti D S. ENSO-like interdecadal variability: 1900-1993[J]. Journal of Climate, 1997, 10(5): 1004-1020. [本文引用:2] [JCR: 4.362]
[2] Mantua N J, Hare S R, Zhang Y, et al. A Pacific interdecadal climate oscillation with impacts on salmon production[J]. Bulletin of the American Meteorological Society, 1997, 78(6): 1069-1079.  [本文引用:1] [JCR: 6.591]
[3] Power S, Casey T, Folland C, et al. Inter-decadal modulation of the impact of ENSO on Australia[J]. Climate Dynamics, 1999, 15(5): 319-324. [本文引用:2] [JCR: 4.231]
[4] Schubert S, Gutzler D, Wang H, et al. A US CLIVAR project to assess and compare the responses of global climate models to drought-related SST forcing patterns: Overview and results[J]. Journal of Climate, 2009, 22(19): 5251-5272. [本文引用:2] [JCR: 4.362]
[5] Meehl G A, Goddard L, Murphy J, et al. Decadal prediction: Can it be skilful?[J]. Bulletin of the American Meteorological Society, 2009, 90: 1467-1485. [本文引用:2] [JCR: 6.591]
[6] Kushnir Y. Interdecadal variations in North Atlantic sea surface temperature and associated atmospheric conditions[J]. Journal of Climate, 1994, 7(1): 141-157. [本文引用:1] [JCR: 4.362]
[7] Delworth T L, Mann M E. Observed and simulated multidecadal variability in the Northern Hemisphere[J]. Climate Dynamics, 2000, 16(9): 661-676. [本文引用:1] [JCR: 4.231]
[8] Delworth T L, Zhang R, Mann M E. Decadal to centennial variability of the Atlantic from observations and models[M]∥ Geophysical Monograph Series 173. Washington DC: American Geophysical Union, 2007: 131-148. [本文引用:1]
[9] Enfield D B, Mestas Nu ez A M, Trimble P J. The Atlantic multidecadal oscillation and its relation to rainfall and river flows in the continental US[J]. Geophysical Research Letters, 2001, 28(10): 2077-2080. [本文引用:1] [JCR: 3.982]
[10] Knight J R, Folland C K, Scaife A A. Climate impacts of the Atlantic multidecadal oscillation[J]. Geophysical Research Letters, 2006, 33: L17706, doi: DOI:10.1029/2006GL026242. [本文引用:1] [JCR: 3.982]
[11] Ma Hao, Wang Zhaomin, Shi Jiuxin. The role of the southern ocean physical processes in global climate system[J]. Advances in Earth Science, 2012, 27(4): 398-412.
[马浩, 王召民, 史久新. 南大洋物理过程在全球气候系统中的作用[J]. 地球科学进展, 2012, 27(4): 398-412. ] [本文引用:1] [CJCR: 1.388]
[12] Wei Fengying, Song Qiaoyun. Spatial distribution of the global sea surface temperature with interdecadal scale and their potential influence on meiyu in middle and lower reaches of Yangtze River[J]. Acta Meteorological Sinica, 2005, 63(4): 477-484.
[魏凤英, 宋巧云. 全球海表温度年代际尺度的空间分布及其对长江中下游梅雨的影响[J]. 气象学报, 2005, 63(4): 477-484. ] [本文引用:1]
[13] Jiang Zhihong, Li Jianping, Tu Qipu, et al. Regional characteristics of the decadal and interdecadal variations for global temperature field during the last century[J]. Chinese Journal of Atmospheric Sciences, 2004, 28(4): 545-548.
[江志红, 李建平, 屠其璞, . 20世纪全球温度年代和年代际变化的区域特征[J]. 大气科学, 2004, 28(4): 545-548. ] [本文引用:1] [CJCR: 1.948]
[14] Xiao Dong, Li Jianping. Main decadal abrupt changes and decadal modes in global sea surface temperature field[J]. Chinese Journal of Atmospheric Sciences, 2007, 31(5): 839-854.
[肖栋, 李建平. 全球海表温度场中主要的年代际突变及其模态[J]. 大气科学, 2007, 31(5): 839-854. ] [本文引用:1] [CJCR: 1.948]
[15] Sun C, Li J, Jin F F, et al. Sea surface temperature inter-hemispheric dipole and its relation to tropical precipitation[J]. Environmental Research Letters, 2013, 8, doi: DOI:10.1088/1748-9326/8/4/044006. [本文引用:1] [JCR: 3.582]
[16] Zhang W, Li J, Zhao X. Sea surface temperature cooling mode in the Pacific cold tongue[J]. Journal of Geophysical Research, 2010, 115: C12042, doi: DOI:10.1029/2010JC006501. [本文引用:1]
[17] Liu P, Sui C H. An observational analysis of the oceanic and atmospheric structure of global-scale multi-decadal variability[J]. Advances in Atmospheric Sciences, 2014, 31(2): 316-330. [本文引用:6] [JCR: 1.338] [CJCR: 0.9244]
[18] Messié M, Chavez F. Global modes of sea surface temperature variability in relation to regional climate indices[J]. Journal of Climate, 2011, 24(16): 4314-4331. [本文引用:2] [JCR: 4.362]
[19] Rayner N A, Parker D E, Horton E B, et al. Global analyses of sea surface temperature, sea ice, and night marine air temperature since the late nineteenth century[J]. Journal of Geophysical Research, 2003, 108(D14): 4407, doi: DOI:10.1029/2002JD002670. [本文引用:1]
[20] Wu Z,  Huang N E, Wallace J M, et al. On the time-varying trend in global-mean surface temperature[J]. Climate Dynamics, 2011, 37(3/4): 759-773. [本文引用:3] [JCR: 4.231]
[21] Hansen J, Ruedy R, Glascoe J, et al. GISS analysis of surface temperature change[J]. Journal of Geophysical Research, 1999, 104(D24): 30997-31022. [本文引用:1]
[22] Xiao Ziniu, Zhong Qi, Yin Zhiqiang, et al. Advances in the research of impact of decadal solar cycle on modern climte[J]. Advances in Earth Science, 2013, 28(12): 1335-1348.
[肖子牛, 钟琦, 尹志强, . 太阳活动年代际变化对现代气候影响的研究进展[J]. 地球科学进展, 2013, 28(12): 1335-1348. ] [本文引用:1] [CJCR: 1.388]
[23] Bretherton C S, Widmann M, Dymnikov V P, et al. The effective number of spatial degrees of freedom of a time-varying field[J]. Journal of Climate, 1999, 12(7): 1990-2009. [本文引用:1] [JCR: 4.362]
[24] Choi J, An S I, Yeh S W, et al. ENSO-Like and ENSO-Induced tropical Pacific decadal variability in CGCMs[J]. Journal of Climate, 2013, 26(5): 1485-1501. [本文引用:2] [JCR: 4.362]
[25] Deser C, Phillips A S, Alexand er M A. Twentieth century tropical sea surface temperature trends revisited[J]. Geophysical Research Letters, 2010, 37(10), doi: DOI:10.1029/2010GL043321. [本文引用:1] [JCR: 3.982]
[26] Liu Z. Dynamics of interdecadal climate variability: A historical perspective[J]. Journal of Climate, 2012, 25(6): 1963-1995.  [本文引用:1] [JCR: 4.362]
[27] Zhang Wenjun, Wang Lei, Xiang Baoqiang, et al. Impacts of two types of La Nia on the NAO during boreal winter[J]. Climate Dynamics, 2014, doi: DOI:10.1007/s00382-014-2155-z. [本文引用:2] [JCR: 4.231]
[28] Weng H, Ashok K, Behera S K, et al. Impacts of recent El Nio Modoki on dry/wet conditions in the Pacific rim during boreal summer[J]. Climate Dynamics, 2007, 29(2/3): 113-129. [本文引用:1] [JCR: 4.231]
[29] Ashok K, Yamagata T. Climate change: The El Nio with a difference[J]. Nature, 2009, 461(7263): 481-484. [本文引用:1] [JCR: 38.597]
[30] Kao H Y, Yu J Y. Contrasting eastern-Pacific and central-Pacific types of ENSO[J]. Journal of Climate, 2009, 22(3): 615-632. [本文引用:1] [JCR: 4.362]
[31] Yu J Y, Zou Y, Kim S T, et al. The changing impact of El Nio on US winter temperatures[J]. Geophysical Research Letters, 2012, 39(15), doi: DOI:10.1029/2012GL052483. [本文引用:1] [JCR: 3.982]
[32] Chung P H, Li T. Interdecadal relationship between the mean state and El Nio types[J]. Journal of Climate, 2013, 26(2): 361-379. [本文引用:1] [JCR: 4.362]
[33] Banholzer S, Donner S. The influence of different El Nio types on global average temperature[J]. Geophysical Research Letters, 2014, 41(6): 2093-2099. [本文引用:2] [JCR: 3.982]
[34] Chen J, Del Genio A D, Carlson B E, et al. The spatiotemporal structure of twentieth-century climate variations in observations and reanalyses. Part I: Long-term trend[J]. Journal of Climate, 2008, 21(11): 2611-2633. [本文引用:1] [JCR: 4.362]
[35] Chen A, Del Genio D, Carlson B E, et al. The spatiotemporal structure of twentieth-century climatevariations in observations and reanalyses. Part II: Pacific pand ecadal variability[J]. Journal of Climate, 2008, 21: 2634-2649. [本文引用:1] [JCR: 4.362]
[36] Li J, Sun C, Jin F F. NAO implicated as a predictor of Northern Hemisphere mean temperature multidecadal variability[J]. Geophysical Research Letters, 2013, 40(20): 5497-5502. [本文引用:1] [JCR: 3.982]
[37] Ting M, Kushnir Y, Seager R, et al. Forced and internal twentieth-century sst trends in the north atlantic[J]. Journal of Climate, 2009, 22(6): 1469-1481. [本文引用:1] [JCR: 4.362]
[38] Kosaka Y, Xie S P. Recent global-warming hiatus tied to equatorial Pacific surface cooling[J]. Nature, 2013, 501(7467): 403-407. [本文引用:1] [JCR: 38.597]