全球海洋模式中不同海表熱力與動力強迫對海溫模擬的影響

史珍,李響,凌鐵軍,劉娜

（1.北京大學物理學院，北京 100871；2.國家海洋環境預報中心國家海洋局海洋災害預報技術研究重點實驗室，北京 100081）

1 引言

海洋是全球氣候系統的重要組成部分，以其巨大的儲存和釋放熱量的能力，給氣候系統以長期記憶并能影響到從季節到世紀尺度的氣候變化。同時，海洋作為全球CO2的匯，存儲了約93%的CO2，是大氣的50倍，陸地生態系統的20倍[1]。基于海洋的重要性，越來越多的學者關注海洋的研究。但由于海洋的觀測比較困難，海洋數據較少且在時間和空間上分布不均，絕大部分海洋數據位于北半球及其海表面附近，同時海洋數據一般為間接獲得，通常只提供熱力場而缺少速度場。因此，目前進行海洋研究及預測的最主要工具是海洋環流模式，其不僅可以模擬及預測海洋環流狀況，同時可以用于研究海洋生物地球化學[2]。

自20世紀60年代普林斯頓大學的地球物理流體動力學實驗室（GFDL）研究開發了第一個海洋普通環流模式開始，至今各科研機構已發展40多個海洋模式[3]。這些模式具有各自不同的特點，分別適用于不同海域和不同海洋學科方向。目前國內外常用的業務化海洋模式有HYCOM、NEMO、MOM、ROMS和POM等，其中HYCOM、NEMO及MOM模式為全球海洋環流模式。在假定潮汐力對海洋長期平均性質的影響可以忽略的情況下，海洋模式主要是由風應力、熱通量及淡水通量三種“外力”驅動[4]。采用不同的外強迫場時，海洋會產生不同的響應，因此采用何種外強迫場會對海洋模式的模擬及預報結果產生直接的影響。

國際上常用的用于驅動海洋模式的強迫場數據集有多種，包括：美國國家環境預報中心（NCEP）的再分析數據集（R2）[5]、歐洲中期數值預報中心（ECMWF）的三代再分析數據集（ERA-15、ERA-40以及ERA-Interim）[6]、日本氣象廳（JMA）的25年再分析數據集（JRA-25）[7]、美國NCEP的氣候預報系統再分析數據集（CFSR）[8]、美國航空航天局（NASA）的再分析數據集（MERRA）[9]、以及美國國家氣候數據中心的海洋大氣綜合數據集（COADS）[10]等。這些數據集各自具有不同的特點，國內外學者對這些數據集進行了一定的對比研究。張增海[11]對比了六套數據在南海區域的感熱通量及潛熱通量，結果表明HOAPS2（Hamburg Ocean-Atmosphere ParametersandFluxesfromSatelliteData2）、NCEP1,2以及ERA40數據均或多或少的高估了該區域的熱通量值。Josey等[12]對比了5套數據的風應力，發現NCEP的風應力偏弱，而Hellerman and Rosenstein（HR）數據的風應力偏強，ERA40、COADS數據則與南安普頓國家海洋學中心（Southampton Oceanography Centre，SOC）數據的結果有較好的一致性。Brunke等[13]評估了6套再分析數據的潛熱、感熱以及風應力的不確定性，研究了各個變量的誤差范圍，其中潛熱為3.0—20.2W·m-2、感熱為1.4—6.0 W·m-2、風 應 力 為 7.6×10-3— 7.9×10-3N·m-2。Chaudhuri等[14]研究了常用于海洋模式外強迫的大氣再分析產品的不確定性，結果表明ERA-Interim，CORE2（Coordinated Ocean-ice Reference Experiments V2），JRA-25以及NCEP 4套再分析產品盡管具有一定的可比性，但是沒有一套數據參與評估的8個變量與衛星數據完全相符。國內外的研究人員不僅對這些常用的大氣分析場進行對比，更進一步的對比研究了不同的外強迫數據集對海洋模式模擬結果的影響。俞永強等[15]采用3種不同的風應力數據強迫中國科學院大氣物理研究所大氣科學和地球流體力學數值模擬國家重點實驗室的全球海洋環流模式（IAP/LASG Climate System Ocean Model，LICOM），結果表明3個試驗的結果大致相同，但也體現了不同的特征，ERA和佛羅里達州立大學“偽”風應力（FSU）試驗模擬的SST距平的強度要好于NCEP再分析數據（NCEP Reanalysis，NRA）試驗，但是NRA試驗模擬的位相比另外兩個試驗更合理。Hunke等[16]使用三套數據分別強迫一個全球海洋海冰耦合模式，發現盡管外強迫場差異較小，但是模擬結果卻產生了較大的差異。陳光澤等[17]用數值模擬研究了海表流場對外強迫（風應力和海表熱通量）的響應特征，結果表明不同海區的表層環流對這些外強迫有不同的響應特征。俞永強等[18]對比3套不同來源的海表熱通量和風應力資料在熱帶太平洋和印度洋區域的差異，并強迫一個海洋模式研究了印度洋和西太平洋暖池對這些外強迫響應的敏感性。虎雅瓊等[19]用3套外強迫數據驅動LICOM模式，設計了多組試驗研究不同的外強迫場對模擬結果的影響，發現海洋模式對比計劃的（Ocean Model Intercomparisin Project，OMIP）風應力數據和NCEP的SST數據更適合作為LICOM模式的強迫場。以上這些研究中均未探討過CFSR數據集強迫全球海洋模式對模擬結果的影響。

目前，國內外海洋預報蓬勃發展，主要海洋大國均建立了先進的海洋預報系統[20]。國家海洋環境預報中心采用MOM4模式進行未來5 d的全球海洋預報，其動力及熱力強迫場采用NCEP的全球預報系統（Global Forcast System，GFS）數據。由于GFS數據的預報時效僅為15 d，該強迫數據無法用于氣候預測中。CFSR數據作為國際上比較新的高分辨率數據，在預報中心大氣的短期氣候預測中使用。本文著眼于業務的短期海洋氣候預測，對比研究了CFSR數據集與NCEP數據集的差異，并考察這兩種不同的外強迫數據對MOM4模式的模擬結果的影響，為未來建立用于業務的全球海洋預測系統提供理論及試驗支持。

2 模式及數據介紹

2.1 模式介紹

MOM4模式[21]是由GFDL開發的模塊化海洋模式。該模式為自由表面原始方程海洋模式，采用非Boussinesq近似和靜力近似，垂直坐標采用z坐標系，水平網格采用Arakawa B網格。模式提供了多種垂直混合參數化方案，包括KPP方案、Richardson數決定的渦動混合系數法等。該模式主要用于海洋氣候系統研究和海洋預報。

本文的MOM4模式計算范圍88.75°S—90°N,包含了全球所有大洋，水平網格分辨率為1/4°×1/4°，最大水深取為5500 m，垂向分為50層。模式中采用OCCAM 0.2°資料作為海底地形。通過提高MOM4在接近海表面處網格垂向分辨率，使上溫躍層有更好的模擬效果。較高的水平分辨率提高了對副熱帶和極地海域的海洋環流結構及溫度鹽度等海洋環境要素的模擬能力。為了方便對北極點的處理，水平網格設計時采取三極點網格，可以有效消除北極奇點。全球海洋模式不需人為給定任何側邊界及開邊界條件，溫、鹽、流等要素都是由模式本身直接模擬得到的，摒棄了以往一般區域模式開邊界選取的人為性，將有利于提高全球及重點關心海域海洋要素的模擬精度。模式積分時間步長取值為：溫、鹽積分步長及流速時間步長和自由表面積分步長均取為1500 s，流函數積分時間步長取為25 s。模式采用來自OMIP_NCAR氣候態數據集的海平面氣壓，10 m溫度、比濕、風速、降水、長波輻射、短波輻射等數據作為外強迫場，運行氣候態積分20 a。高頻大氣強迫數據分別采用CFSR月平均數據集及NCEP月平均數據集。所有資料均經過插值以適應模式需要。

2.2 試驗設計及數據介紹

為了考察不同空間分辨率的外強迫數據集對MOM4模式的模擬結果的影響，本文設計了兩組試驗，分別為：采用CFSR數據集作為外強迫的試驗，記作CFSR；以及以NCEP-DOE R2數據集作為外強迫的試驗，記作NCEP。

本研究中用到的數據包括如下：

（1）美國國家環境預報中心（NCEP）的氣候預測系統再分析數據（CFSR），該數據為1981年1月—2008年12月的月平均數據，水平分辨率為0.5°。該數據作為CFSR試驗的外強迫數據驅動MOM4模式；

（2）美國國家環境預報中心（NCEP）再分析數據2（NCEP-DOE R2），該再分析數據是在NCEP/NCAR再分析數據1基礎上改進而來。該數據為1981年1月—2008年12月的月平均數據，高斯網格，水平分辨率約為2°。該數據作為NCEP試驗的外強迫數據驅動MOM4模式；

（3）美國馬里蘭大學的海洋再分析數據（SODA）[22-23]，該數據為1981年1月—2008年12月的月平均數據，水平分辨率為0.5°，垂直共40層。該數據作為觀測數據與兩組實驗數據進行對比。

3 不同海表動力及熱力強迫場的對比

為了更好的理解不同動力強迫場及熱力強迫場對MOM4模擬結果的影響，首先對這兩組不同的動力及熱力強迫場進行對比分析。

3.1 動力強迫場的對比

海表面風場通過向海洋表層釋放動量驅動海洋，在這個過程中最重要的大氣參量就是風應力。風應力是驅動海洋上層環流的直接動力，是決定上層海水流動和影響SST分布的重要外部動力。圖1給出了兩套數據1月份及7月份的風應力平均值和1月份及7月份兩套數據相對于平均風應力的差值。不論是1月還是7月，兩套數據中風應力的大尺度空間分布基本一致，其主要特征在1月份表現為：在35°N以北的太平洋中高緯度主要被大范圍的氣旋性環流控制，大西洋則盛行西南風；在北印度洋大范圍的東北季風跨越赤道后在10°S左右與南印度洋低緯的東南信風交匯，形成弱風槽，而西北太平洋則受到東北季風的影響，北半球低緯度其他海區盛行東北信風，并跨赤道與南半球地位東南信風交匯；南半球中高緯盛行西風。兩套數據的風應力在1月份的差異主要表現為：除了赤道太平洋海域外，其他海域中CFSR數據的風應力偏強，而NCEP數據的風應力偏弱。7月份兩套數據的平均風應力類似于1月份的情況。其他月份的結果與此類似（圖略）。造成兩套數據風應力差別的原因很多，如觀測數據來源不一致、風應力計算方案的差異、模式及同化方案的差別等。

3.2 熱力強迫場的對比

凈的海表熱通量，它是由凈的短波輻射通量，凈的長波輻射通量，潛熱通量以及感熱通量4部分組成。海表的凈熱通量對SST的模擬具有非常重要的影響。圖2給出了兩套數據1月份及7月份的海表凈熱通量平均值和1月份及7月份兩套數據相對于平均海表凈熱通量的差值。從圖中可以看出，兩套數據的凈熱通量的空間分布類似，1月份海洋的凈熱通量南半球為正，海洋凈吸收熱量，而北半球除了赤道東太平洋及赤道西大西洋區域外，其他海域均為負的凈熱通量，海洋向外放出熱量，其中在黑潮區域存在負的凈熱通量大值區。兩套數據1月份平均的凈熱通量的差異為CFSR數據在絕大部分的太平洋海域釋放更少的熱量或吸收更多的熱量（圖2c），而NCEP數據在印度洋及絕大部分的大西洋海域釋放更少的熱量或吸收更多的熱量（圖2e）。7月份的結果（圖2b、d、f）以及其他月份（圖略）的結果類似于一月份。

圖1 全球風應力圖（單位：N·m-2）

4 模擬結果對比分析

4.1 海表溫度的氣候態

SST在很大程度上控制著海洋向大氣輸送水分的空間分布和強度，它本身又受到海氣相互作用的強烈影響，因而成為聯結大氣和海洋的最重要的變量。對于氣候模式來說，SST是檢驗海洋模式能力的第一指標。

圖3給出了采用不同外強迫的MOM4模擬的28 a平均SST全球空間分布和1981—2008年共計28 a SODA的年平均SST。從圖中可以看出，兩種外強迫數據均能使得MOM4模式再現全球SST的整體分布特征。SST等值線在中高緯度基本上都是沿著緯向分布的，等值線在中緯度較為密集，尤其是在大西洋及太平洋的西海岸的海域最為明顯，體現了西邊界流的特征。SST沿緯向不對稱分布則主要集中在赤道附近的熱帶大洋上，尤其是熱帶太平洋海域，其東部偏暖而西部偏冷。在赤道偏北區域存在一暖水區，而赤道東太平冷海水區域與東南太平洋相連，形成冷舌。

圖2 全球凈熱通量圖（單位：W·m-2）

雖然兩套外強迫數據均能使MOM4模式模擬出SST的全球平均分布形態，但是模擬結果與觀測之間仍然存在一定的差異。如圖3d所示，CFSR試驗中，其模擬的年平均海溫在太平洋海域偏暖，整個洋盆偏暖約1—3℃，其中最大偏差出現在南太平洋海域，偏暖超過3℃。在印度洋海域，模擬的SST偏差較小，絕對值均在1℃以內，其中北印度洋及南印度洋海溫偏冷，而赤道中印度洋海域偏暖。大西洋呈現SST偏冷偏熱交替出現的情況。NCEP試驗中，除了赤道東太平洋及赤道大西洋區域外，其他海域均表現為SST偏暖。但是與CFSR試驗相比較，NCEP試驗在太平洋的SST偏差較小，而印度洋及大西洋區域的SST偏差相對較大。這與凈熱通量的差異分布較為一致，更多的加熱導致SST的偏差也較大。

4.2 海溫的垂直分布

圖3 全球28 a平均海洋表面溫度圖（單位：℃）

圖4給出了觀測及兩組模擬試驗的全球緯向平均的海溫的緯度-深度分布圖。從圖中可以看出，兩組試驗模擬的緯向平均海溫隨的緯度-深度分布與SODA數據的結果具有較為一致的模態。比較有代表性的4℃等溫線均位于水深1000 m附近，且在30°S附近向下伸展至2000 m左右。但是在赤道附近的淺層海洋，兩組模擬試驗的海溫的垂直分布與觀測有較大的差異，尤其在水深小于50 m海洋中。觀測中，在赤道附近存在一個28℃以上的暖水區，且范圍在10°S—0°之間，CFSR試驗的模擬結果在赤道兩側分別有一個暖水區，且范圍較大，位于10°N—15°S之間，而NCEP試驗的模擬結果在赤道溫度略低，而在赤道南北兩側分別有一個暖水區，分別位于10°—5°N之間以及12°S—0°之間。NCEP數據的風應力在0°—15°S的風應力偏大，使得垂直混合加強，導致海溫相對CFSR試驗偏低。由于CFSR試驗在赤道附近吸收更多的熱量，盡管在其他區域CFSR的風應力偏大，加強的垂直混合導致的直接結果是高海溫區域延伸到海洋的更深處。

4.3 海溫的季節變化

圖4 全球緯圈平均的海溫隨緯度和深度分布圖（單位：℃）

圖5 近赤道（2°S—2°N）SST的季節變化圖（單位：℃）

圖5給出了采用兩套不同的外強迫數據對SST季節變化的模擬與觀測的對比。在赤道太平洋區域，觀測的SST季節變化主要表現為赤道東太平洋為顯著的年循環，赤道西太平洋為較弱的半年循環。在赤道大西洋區域及赤道印度洋區域，觀測的SST季節變化為顯著的年循環特征，但是強度相對赤道東太平洋弱。兩組試驗均能模擬出觀測的SST季節變化特征，總體體現為春季暖異常，秋季冷異常，但同時也存在一定的差異性。在赤道東太平洋區域，相比于觀測，CFSR試驗模擬的SST的正異常偏強，而負異常偏弱，且正異常中心偏東；NCEP試驗模擬的SST正異常偏弱且持續時間較短，而負異常偏弱，且正異常中心偏東。在其它赤道大洋上，相比于觀測，CFSR試驗模擬的SST的季節異常均偏弱，而NCEP試驗模擬的SST的季節異常均偏強。

4.4 海溫的年際變化

在年際尺度上，熱帶太平洋海溫年際變化的最主要特征是ENSO，它也是年際時間尺度上氣候變量的最主要模態，印度洋海溫年際變化的最主要特征是印度洋偶極子(IOD)。這些事件通常可以通過用特定區域的SST異常進行定義。

4.4.1 熱帶太平洋海溫年際變化

熱帶太平洋海溫年際變化的最主要特征是ENSO[24-25]。當ENSO處于正位相時，海洋對應為El Ni?o事件，表現為赤道中東太平洋大范圍持續異常偏暖；與之相反，當ENSO處于負位相時，海洋對應為La Ni?a事件，表征為赤道中東太平洋大范圍持續異常偏冷。通常用赤道東太平洋特定區域海溫異常的平均值代表ENSO指數。不同的研究人員對ENSO指數的定義的不同[26]，將赤道東太平洋劃分了不同的Nino指數計算區域，這些區域包括Nino1+2區域，Nino3區域，Nino4區域以及Nino3.4區域，對應的Nino指數則為Nino1+2指數，Nino3指數，Nino4指數以及Nino3.4指數。本研究中以Nino3.4指數為代表，研究采用不同外強迫數據強迫MOM4模式，模擬的ENSO的差異。

圖6 逐月Nino3.4指數變化圖（單位：℃）

圖7 逐月DMI指數變化圖（單位：℃）

根據Nino3.4指數的定義，分別計算了SODA數據、CFSR試驗及NCEP試驗的Nino3.4指數，并進行了對比分析。圖6給出了逐月Nino3.4指數變化觀測值與CFSR試驗、NCEP試驗的對比。從圖中可以看出，CFSR試驗及NCEP試驗計算得到的Nino3.4指數與SODA數據計算得到的Nino3.4指數具有一致的變化特征。其中，CFSR試驗的Nino3.4指數與觀測的Nino3.4指數的相關系數達到了0.89；而NCEP試驗的Nino3.4指數與觀測的Nino3.4指數的相關系數則達到了0.97。兩者均超過了99%的信度檢驗。對于幾次強的El Ni?o事件均模擬的較好，如1982—1983年及1997—1998年，El Ni?o事件的持續時間及振幅均與觀測較為一致。但是對于La Ni?a事件，在2000年前，CFSR試驗模擬的振幅偏大，而在2000年以后，CFSR試驗模擬的振幅偏弱。NCEP試驗在整個模擬期間，Nino3.4指數均與觀測非常一致。這表明在赤道東太平洋區域，采用NCEP數據作為外強迫模擬的海溫更接近觀測。

4.4.2 印度洋海溫的年際變化

在熱帶印度洋區域，存在著SSTA的偶極子分布特征。Saji等[27]將赤道西印度洋（50°—70°E，10°S—10°N）和東南印度洋（90°—110°E，10°S—0°）海區平均的SSTA之差定義為印度洋偶極子指數（DMI）。當DMI為正值時，偶極子處于正位相時期，印度洋海溫異常呈西正東負的模態；與之相反，當DMI為負值時，偶極子處于負位相時期，印度洋海溫異常呈西負東正的模態。

根據Saji等人的定義，分別計算了SODA數據、CFSR試驗及NCEP試驗的DMI指數，并進行了對比分析。圖7給出了逐月DMI指數變化觀測值與CFSR試驗、NCEP試驗的對比。從圖中可以看出，CFSR試驗及NCEP試驗計算得到的DMI指數與SODA數據計算得到的DMI指數具有一致的變化特征。對于幾次強的IOD正位相年份及負位相年份，均有較好的模擬。其中，CFSR試驗的DMI指數與觀測的DMI指數的相關系數達到了0.85；NCEP試驗的DMI指數與觀測的DMI指數的相關系數也達到了0.8。兩者均超過了99%的信度檢驗。但是需要指出的是，在大部分年份中，NCEP試驗的DMI指數的振幅相對較大。這表明在印度洋區域，采用CFSR數據作為外強迫模擬的海溫更接近觀測。

5 結論

本文利用MOM4模式研究了全球海洋模擬對不同的海表動力及熱力強迫的響應情況，并與SODA海洋同化數據進行了對比，主要結論如下：

（1）兩套數據的風應力及凈熱通量的對比結果表明，CFSR數據的風應力相對于NCEP數據偏大，而CFSR數據的凈熱通量相對于NCEP數據偏小；

（2）兩套數據強迫MOM4模式能再現SST的總體空間分布特征，但是區域性差異仍然存在，如CFSR試驗模擬的海溫在印度洋區域誤差相對較小，而NCEP試驗模擬的海溫在太平洋區域誤差相對較小，這與兩套數據的凈熱通量的差異分布較為一致；

（3）兩組試驗模擬的海溫的垂直分布結構與觀測類似，但是在上層海洋海溫的模擬差異較大，尤其是赤道附近，兩組試驗均表現為兩道南北兩個暖水區，但是NCEP試驗在赤道以南的暖水區相對較小，一方面是由于NCEP數據在該區域的凈熱通量相對偏小，海溫相對偏低，另一方面更強的風應力導致垂直混合加強，降低海溫；

（4）對于SST季節循環的模擬，兩組試驗對海溫的季節循環均的周期模擬較好，但是SST異常的大小存在一定的差異，CFSR試驗在太平洋區域偏暖更多，而NCEP試驗在印度洋及大西洋偏暖更多；

（5）兩組試驗模擬的海溫年際信號均與SODA數據較為一致，其中CFSR試驗模擬的DMI指數更加接近觀測，而NCEP試驗模擬的Nino3.4指數更加接近觀測。

[1]胡敦欣.海洋在全球氣候變化中的作用——概況、展望與建議[J].科學中國人,2005,11:23-25.

[2]趙琦,陳中笑,徐永福,等.全球海洋CFC-11吸收對傳輸速度的敏感性[J].大氣科學,2012,32(6):1253-1268.

[3]趙艷玲,張銘,司廣宇.海洋環流模式研究回顧與展望[J].解放軍理工大學學報(自然科學版),2006,7(3):281-290.

[4]張學洪,俞永強,周天軍,等.大洋環流和海氣相互作用的數值模擬講義[M].北京:氣象出版社,2013.

[5]Kanamitsu M,Ebisuzaki W,Woollen J,et al.NCEP-DOE AMIP-II Reanalysis(R-2)[J].Bulletin of the American Meteorological Society,2002,83(11):1631-1643.

[6]Uppala S M,K?llberg P W,Simmons A J,et al.The ERA-40 re-analysis[J].Quarterly Journal of the Royal Meteorological Society,2005,131(612):2961-3012.

[7]Onogi K,Tsutsui J,Koide H,et al.The JRA-25 Reanalysis[J].Journal of the Meteorological Society of Japan Ser II,2007,85(3):369-432.

[8]Center E M.NCEP Climate Forecast System Reanalysis(CFSR)selected hourly time-series products,January 1979 to December 2010[J].Research Data Archive at the National Center for Atmospheric Research,Computational and Information Systems Laboratory[Available online at http://rda ucar edu/datasets/ds0931]2010.

[9]Rienecker M M,Suarez M J,Gelaro R,et al.MERRA:NASA’s Modern-Era retrospective analysis for research and applications[J].Journal of Climate,2011,24(14):3624-3648.

[10]Slutz R J,Lubker S J,Hiscox J D.COADS:comprehensive ocean-atmosphere data set release 1[M].1985.

[11]張增海.南海湍流熱能量的質量分析和季節變化研究[D].青島:中國海洋大學,2006.

[12]Josey S A,Kent E C,Taylor P K.Wind stress forcing of the ocean in the SOC Climatology:Comparisons with the NCEP-NCAR,ECMWF,UWM/COADS,and hellerman and rosenstein datasets[J].Journal of Physical Oceanography,2002,32(7):1993-2019.

[13]Brunke M A,Wang Z,Zeng X B,et al.An assessment of the uncertainties in ocean surface turbulent fluxes in 11 reanalysis,Satellite-derived,and combined global datasets[J].Journal of Climate,2011,24(21):5469-5493.

[14]Chaudhuri A H,Ponte R M,Forget G,et al.A comparison of atmospheric reanalysis surface products over the ocean and implications for uncertainties in Air-sea boundary forcing[J].Journal of Climate,2013,26(1):153-170.

[15]俞永強,Izard A,張學洪,等.IAP/LASG海洋環流模式對風應力的響應[J].大氣科學,2001,25(6):721-739.

[16]Hunke E C,Holland M M.Global atmospheric forcing data for Arctic ice-ocean modeling[J].Journal of Geophysical Research:Oceans,2007,112(C4):C04S14,doi:10.1029/2006JC003640.

[17]陳光澤,張銘,李崇銀.表層洋流對外強迫響應敏感度的數值研究[J].大氣科學學報,2011,34(2):199-208.

[18]俞永強,李超,王東曉,等.暖池季節變化的數值模擬及其對海表熱力和動力強迫的敏感性[J].熱帶海洋學報,2011,30(1):1-10.

[19]虎雅瓊,劉海文,李陽春,等.全球海洋模式對不同強迫場的響應[J].大氣科學,2015,39(1):180-196.

[20]方長芳,張翔,尹建平.21世紀初海洋預報系統發展現狀和趨勢[J].海洋預報,2013,30(4):93-102.

[21]Griffies S M,Harrison M J,Pacanowski RC,et al.A technical guide to MOM4[J].GFDL Ocean Group Tech Rep 2004;5:371.

[22]Carton J A,Chepurin G,Cao X H,et al.A simple ocean data assimilation analysis of the global upper ocean 1950-95.Part I:Methodology[J].Journal of Physical Oceanography,2000,30(2):294-309.

[23]Carton J A,Chepurin G,Cao X H.A simple ocean data assimilation analysis of the global upper ocean 195095.Part II:Results[J].Journal of Physical Oceanography,2000,30(2):311-326.

[24]巢紀平.厄爾尼諾和南方濤動動力學[M].北京:氣象出版社,1993.

[25]黃榮輝.ENSO及熱帶海-氣相互作用動力學研究的新進展[J].大氣科學,1990,14(2):234-242.

[26]李曉燕,翟盤茂.ENSO事件指數與指標研究[J].氣象學報,2000,58(1):102-109.

[27]Saji N H,Goswami B N,Vinayachandran P N,et al.A dipole mode in the tropical Indian Ocean[J].Nature,1999,401(6751):360-363.