AD以来南极涛动指数重建及其变率分析(完整版)

AD以来南极涛动指数重建及其变率分析（完整版）(文档可以直接使用，也可根据实际需要修改使用,可编辑欢迎下载）

2009-10-13T14:00AD以来南极涛动指数重建及其变率分析（完整版）(文档可以直接使用，也可根据实际需要修改使用,可编辑欢迎下载）1500AD年以来南极涛动指数重建及其变率分析国家自然科学基金（批准号：40675035国家自然科学基金（批准号：40675035）、公益性行业科研专项项目(编号：GYHY200706010)、科技部支撑项目（编号：2007BAC29B02）资助*E-mail:zzy@ires张自银*龚道溢何学兆雷杨娜冯胜辉（北京师范大学减灾与应急管理研究院，地表过程与资源生态国家重点实验室，北京100875）摘要：南极涛动是南半球大气环流的主要模态,在多种尺度上对南半球及北半球部分地区的气候系统产生重要影响。但历史时期观测资料的缺乏极大地限制了人们对南极涛动长期变化及其影响的认识。该文在对树轮、珊瑚、冰芯等多种代用资料进行挑选与主成分分析的基础上，重建了公元1500年以来南半球夏季（当年12月—次年2月）的南极涛动指数。重建序列的解释方差（r2）、误差减少量（RE）平均值分别为59.9％、0.47，较高的r2、RE表明重建具有了较高的可信度；而整体呈减少趋势的标准误差（SE）表明代用资料的增多可以减少重建序列的不确定性。重建结果与其它研究给出的南极涛动指数有着较好的一致性。重建序列的功率谱分析表明，过去500多年南极涛动年际变率突出的周期有2.4a、2.6a、6.3a，年代际变率突出的周期有24.1a、37.6a，均达到95％显著性水平。进一步的小波分析表明南极涛动在不同时间尺度上的变率及其周期有着随时间而演变的特征。关键词：南极涛动重建代用资料年际-年代际变率1引言南半球副热带高压带与高纬地区之间气压场呈“跷跷板”式反位相变化的特征被称为南极涛动(AntarcticOscillation,简称AAO)(GongandWang,1999)。这是一种以纬向对称为主要特征的大气环流内在模态，也被称为南半球环状模(ThompsonandWallace,2000)或高纬度模(RogersandLoon,1982)，该模态不仅存在于海平面气压场，还表现在位势高度场、温度场、纬向风场等方面。AAO不仅对南半球大尺度及区域性的气候变化起着重要作用(ReasonandRouault,2005;Caietal.,2005;LovenduskiandGruber,2005)，而且对包括我国在内的东亚地区的气候异常也有着重要影响(范可和王会军，2006；何金海和陈丽臻，1989；高辉等，2003；鲍学俊等，2006；NanandLi,2003;WangandFan,2005)。由于历史时期观测资料的缺乏，人们对AAO长期变化规律的认识还很有限。目前利用代用资料重建AAO指数的研究还不多见。JonesandWidmann(2003)利用树轮资料将南半球夏季（12~1月）AAO指数延长到1743年，然而其重建的序列使用的代用资料较少,仅利用了9个树轮序列。最近，Morenoetal.(2021)利用南美Patagonia地区湖泊、沼泽沉积研究了过去5000年南半球西风活动强弱的变化（即反映了AAO的变化），然而其较低的分辨率缺乏对AAO年际-年代际变率特征的描述。本文的目标是尝试利用树轮、珊瑚、冰芯等多种代用资料，来重建一个较长的、反映年际-年代际变率的、南半球夏季南极涛动指数(DJF-AAO)。2资料与方法2.1标定资料目前南半球的海平面气压（SLP）资料主要有三类：一是NCEP/NCAR(Kalnayetal.,1996)和ERA40(Uppalaetal.,2005)两套再分析资料；二是基于航船记录和站点观测插值的全球网格HadSLP2r(AllanandAnsell,2004)资料；三是地面台站观测资料。但很多研究指出，再分析资料（尤其是NCEP资料）南半球中高纬海平面气压数据中存在严重的虚假趋势(BromwichandFogt,2004;JonesandLister,2007)，使AAO变化趋势被放大了2~3倍(Marshall,2003)；站点观测资料方面则存在着早期观测资料站点少、缺失多、分布不均的问题。因此直接将这些资料用于标定显然欠妥。Marshall(2003)利用12个站点观测气压资料建立了1957年以来月值AAO指数（其站点分布如图1中五角星所示），Fogtetal.(2021)则用19个站点观测气压资料建立了1865（或1905）年以来季节AAO指数（其中用于DJF-AAO重建的只有9个站）；Visbeck(2021)则把南半球气压观测站点划为四个区（南极区、南非区、南美区、澳大利亚－新西兰区），把每个区内站点观测气压等权重平均，再把南非、南美、澳大利亚－新西兰三个区平均气压合成一个气压序列，将其与南极区平均气压序列的差定义为AAO指数，得到1884年以来的季节AAO指数。从站点分布上来看，Marshall所用到的12气象观测站点分布相对均匀，40°S和65°S附近各有6个站点，这两个纬圈平均气压差即被定义为南极涛动指数(GongandWang,1999)。各个AAO指数相关性分析表明Marshall序列具有相对较高的可信度(Jonesetal.,2021)。综合考虑，本文选择Marshall-AAO序列作为观测资料用于标定，并且把Fogt、Visbeck以及基于HadSLP2r资料得到AAO序列(记为HadSLP)作为参考用于重建结果的对比分析。图1代用资料站点和气压观测站点分布图（空心圆圈－树轮,星号－珊瑚,实心圆点－冰芯,实心倒三角－洞穴沉积,正方框—观测SLP站点；五角星表示的是Marshall所用站点）Fig.1Distributionofproxiesandmeteorologicalsites(Circlesfortree-rings,asterisksforcorals,soliddotsforice-cores,inversetrianglesforcavesediments,squaresformeteorologicalstations;pentagramsformeteorologicalsiteswhichusedinMarshall-AAOresearch.)2.2代用资料不论是过去千年尺度气温与降水的重建，还是过去几个世纪环流指数的重建，最常用的代用资料主要有树轮、珊瑚、冰芯、石笋、历史文献等。不过树轮、冰芯等代用资料在南半球分布局限于很小范围的陆地地区，广大海洋区仍是空白。最近Gongetal.(2021)研究指出一些热带海域的珊瑚代用资料对北极涛动(AO)、南极涛动(AAO)均有着较好的记录，可以为AAO重建提供有用信息。本文所用的代用资料主要是位于南半球的树轮、珊瑚、冰芯等。树轮和冰芯资料是取自Mannetal.(2021)整理的代用资料集(:///content/105/36/13252/suppl/DCSupplemental)，这里只取其中的南半球树轮（142个）和冰芯资料（14个）。值得注意的是，南半球的冰芯资料中可获得的年分辨率只有Quelccaya、TalosDome两个站，其余均为5年或10年以上分辨率的，Mannetal.(2021)对这些冰芯资料进行了插值处理。珊瑚资料是来自于国际古气候-珊瑚数据库（），目前收集到的年分辨率、季节分辨率、双月以及月分辨率的珊瑚资料分别有13、4、6、9个（这些珊瑚序列起始年份不晚于1910年、截止年份不早于1989年），其中有4个珊瑚站点是位于赤道以北的热带地区。此外，还收集了6条重建的南美Andes、澳大利亚Tasmania等地区的气温、降水及径流序列（），2个洞穴沉积序列(分别是位于南非的ColdAirCave和位于南太平洋Niue岛的AvaikiCave，)，以及15个站点观测SLP序列(由美国NOAA地球系统实验室RyanFogt提供)（见图1），所有的这些资料组成一个原始代用资料集。由于大气环流波动对局地及区域气候影响往往具有时间上的滞后性，第t年AAO异常也可能对t+1、t+2年的树轮和珊瑚生长产生影响，因此我们把滞后2年的树轮和珊瑚代用资料也作为待选变量放入原始代用资料阵，这样每1个树轮和年分辨率的珊瑚序列就有3个可用变量同时放入原始代用资料集。对高分辨率（月、双月、季节）珊瑚代用资料，大致考虑5个月的滞后期，即从同期的12月持续到次年7月或者8月，即每条月、双月、季节分辨率的珊瑚序列就分别考虑8个、4个、3个不同时刻的变量。这样原始资料阵中就有426（＝142×3）个树轮变量序列、147（＝13×3+4×3+6×4+9×8）个珊瑚变量序列、14个冰芯变量序列、15个站点SLP序列、6个区域性气温与降水序列、2个洞穴沉积序列，共610个备选变量。2.3代用资料的处理代用资料在开发和定年过程中都会存在一些误差，因此我们对代用资料做三点权重滑动处理以减少标定误差的影响，权重分配为1-2-1比例（为了保持原来资料的长度，首尾年份不做滑动处理）。此外，由于代用资料普遍含有非气候变率的噪音，包括不连续、间断以及虚假的长期趋势，对代用资料做滤波处理则能降低非气候因子的影响。考虑到基于观测资料建立的AAO周期特征（图略，Fogtetal.(2021)建立的DJF-AAO序列突出的年代际周期为31.3a、47a；Visbeck(2021)建立的JFM-AAO序列突出的年代际周期为20a、40a），我们将所有代用资料和用于标定的观测资料均做滤波处理，滤波后只保留50年以下分量。然后我们对经过以上处理的代用资料阵进行了筛选，以便挑选出较好的代用资料用来重建。为了使可用的代用资料尽可能得多，并且又兼顾标定时段有适当的长度，这里我们取1957-1989（33年）做标定时段。只有与观测的AAO序列在标定时段内有显著相关(显著性水平p>80％)的代用资料才保留进入后续分析，并按照各个代用资料开始年份由早到晚依次排列，得到一个新的代用资料阵。这样，有来自133个点的263个变量保留用于重建（见表1），其空间分布如图1所示。从站点分布图上可以看出，树轮代用资料主要位于南美洲南部、新西兰以及澳大利亚东南端；4个冰芯中有3个位于南极洲、1个位于南美洲；而海洋上的珊瑚代用资料分布相对较为均匀。表1代用资料列表Table1Listofproxies代用资料类型站点个数变量个数树轮103(142)209(426)珊瑚18(32)40(147)冰芯4(14)6(14)洞穴沉积1(2)1(2)温度降水序列2(6)2(6)站点观测SLP5(15)5(15)合计133(211)263(610)(括号内为原始资料总数)2.4重建方法、标定与验证对经过筛选而保留的代用资料做主成分分析（PCA），取累积解释方差前90％的主分量（PC）为候选因子；再建立这些显著PC与标定时段AAO回归方程。这里我们试验所有的PC组合，假设在某时段有n个显著相关的PC，则有个回归方程，每种方案好坏标准主要指标为RE(其意义见下一段所述),即得到2n-1个RE值，取RE值最大的PC组合作为选用的最终方案，与标定时段观测AAO序列做多元回归来重建1957年以前的AAO指数。考察回归方程的解释方差（r2）、标准误差（SE）以及误差减少量（RE，reductionoferror）等统计量来验证重建序列的稳定性与可靠性。需要注意的是，这里采用“留一法”交叉验证来计算RE值，即每次从标定时段资料中留出一个用作验证的独立资料(GongandLuterbacher,2021;张自银等，2021)。RE最早由Lorenz(1956)在检验气象预报是否比气候预报更好的时候提出的统计量，随后在回归重建气候研究方面得到广泛应用。Fritts(1976)研究指出RE是一个非常苛刻的检验统计量，其取值范围是(-∞,+1.0]，RE>0表示重建是有技巧的，RE>0.2表示重建是可信的，RE=1表示重建序列是完美的。3重建结果及统计量指标图2是重建的1500年以来南半球夏季的南极涛动指数（DJF-AAO）。其中1500~1956为重建值，1957~2007为观测值，图中阴影部分表示的是重建序列±2倍标准误，粗实线为低通滤波曲线。结合图3a和图3e可以看出，随着代用资料的增多，重建过程中的不确定性整体上呈减少趋势。此外，图2中显示出过去近500年DJF-AAO指数有着明显的年际和年代际波动特征。从滤波后的年代际(10~50a尺度分量)曲线上可以看出，1520~1530s、1570s、1590s、1690s、1710s、1740s、1810s、1840~1850s、1890s、1910~1920s、1950s、1990s等时段AAO以正位相为主，表明DJF-AAO偏强；相反，1510s、1560s、1610~1620s、1650~1670s、1730s、1755~1765、1865~1885、1900s、1930~1940s、1960~1980s等时段AAO以负位相为主，表明DJF-AAO偏弱。图2重建的1500年以来DJF-AAO标准化指数(1500~1956为重建值，1957~2007为观测值，图中阴影部分表示±2倍标准误的范围，粗实线为低通滤波曲线)Fig.2NormalizedDJF-AAOindexreconstructionsinceAD1500(Reconstruction:1500~1956;observation-basedMarshallAAOseries:1957~2007.Smoothlineisthelow-frequency(10~50a)variationsfromaButterworthfilter.Shadingindicatestherangeof±2×SEderivedfromunresolvedvarianceinthecalibrationperiod.)图3是重建DJF-AAO指数的几个统计量指标。图3a是重建所用到的代用资料数量(即经过初步筛选的，满足p>80%的备选代用资料集)，从最初时段(1500~1518)的41个逐渐增加到最后时段(1894~1956)的263个。图3b是各个时段最终用于重建DJF-AAO指数的PC所占全部PC的解释方差，其取值范围为7.0％~27.2％，平均值为16.1％。可以看出，最终用于重建的PC所占的解释方差，并没有随着代用资料个数的增加而相应稳步增加，也没有表现出异常高低值或明显的阶段性突变特征，这表明在整个重建时段代用资料中的所用PC与AAO信号关系是相对比较稳定的。图3c是重建过程中的误差减少量(RE)，可以看出，RE值总体上随着代用资料的增多而增加，其最小值为0.31、最大值为0.68，平均值为0.47。从RE指标上来看，DJF-AAO的重建具有了较好的技巧，重建结果具有较高的可信度。图3d是重建过程中各时段回归方程的方差解释量(r2),其变化趋势跟RE具有较好的一致性，RE值高(低)时一般对应着r2也较高(低)，整个重建时段方差解释率变化范围为42.2%~79.9%，平均值为59.9%，可以看出整个重建时段都有着较高的方差解释率。图3e是重建过程中各个时段回归方程的标准误(SE)，一个明显的特点是，SE的变化与RE和r2基本上呈现反相变化关系，RE、r2值增大（降低）多半对应着SE值的降低（增大），其最大、最小值分别是0.79、0.50，平均值为0.67。SE值在整体上表现出随着代用资料个数的增加而减少，这表明代用资料的增多可在一定程度上减少重建序列的不确定性。综合RE、r2、SE三个统计量指标来看，基于多代用资料重建的年际-年代际DJF-AAO图3DJF-AAO指数重建的几个统计指标（a表示的是重建所用到代用资料个数；b表示最终用于重建的PC占全部PC的解释方差；c是重建回归方程的误差减少量RE；d是重建回归方程的解释方差r2;e是重建回归方程的标准误SE。）Fig.3StatisticsforDJF-AAOreconstruction(aisthenumberofvariablesinreconstruction,bistheexplainedvarianceofPCsusedinreconstructionultimately,c,dandearestatisticsofthereductionoferror(RE),theexplainedvariance(r2)oftheregressionequationduringcalibrationperiodandthestandarderror(SE)respectively.)4重建结果与其他AAO序列的对比4.1年际变率的对比目前已有的AAO序列主要有Fogtetal.(2021)、Visbeck(2021)、JonesandWidmann(2003)等重建的序列，以及基于HadSLP2r资料得到的AAO序列，各序列情况在前面已经提到了，这里不再赘述。此外，IPCC-AR4气候模式模拟的海平面气压场数据（网址:），也给我们提供了可参考的较长AAO指数。已经有很多关于IPCC-AR4中耦合模式对大气涛动模拟能力的研究，Fogtetal.(2021)研究指出多模式集合能模拟出近年来南半球夏季（DJF）和秋季（MAM）的AAO增强趋势；Milleretal.(2006)研究指出IPCC-AR4多模式平均表现出南、北半球的大气涛动（AO、AAO）均有增强趋势，但各个模式之间的变化趋势相差很大。祝亚丽和王会军(2021)研究表明，24个IPCC-AR4耦合模式中有9个模式对AAO具有相对较好的模拟能力，它们是bccr-bcm2.0、cnrm-cm3、giss-model-e-h、giss-model-e-r、iap-fgoals1.0-g、miroc3.2-hires、mri-cgcm2.3.2a、ukmo-hadcm3、ukmo-hadgem1。我们取其中的8个模式（去掉miroc3.2-hires，因为其开始年份为1900年，而其他8个模式都早于1880年），平均得到一个1880年以来的DJF-AAO序列用于与重建序列的对比分析，将其记作IPCC-AR4。考虑到模拟数据的特点(Fogtetal.,2021;祝亚丽和王会军，2021)，这里与模式的对比只讨论大于10a图4(e)“Reconstructed”表示的是本文重建的DJF-AAO序列，而(d)、(c)、(b)分别表示的是基于观测资料得到的HadSLP、Fogt、Visbeck-AAO序列，(a)是基于8个IPCC-AR4耦合模式海平面气压场平均的DJF-AAO序列。图中粗曲线是经过低通滤波的年代际尺度分量（10~50a）。由于没有获得数据，对比分析中没有考虑JonesandWidmann(2003)的重建序列，但图4(e)粗线表示的年代际变率中，可以明显看出20世纪初的增暖趋势、1960s的高值期，这与Jones所指出的基本一致。全部比较的5条序列对比分析时段统一取为1880~1999(除Visbeck，其开始于1887年，由于该序列四季划分为1~3月、4~6月、7~9月、10~12月，所以用其JFM来代替DJF用于对比，并且开始时间校正为1886年以便和其他各个序列具有相同的1~2月)。从图4可以看出，在1883年、1890年Reconstructed、HadSLP、Fogt三者都有明显的极小值，1888年Reconstructed、HadSLP、Fogt、Visbeck四者都为极大值；1907年Reconstructed、Fogt、Visbeck为极大值，而HadSLP为极小值；1916年Reconstructed、HadSLP为极大值，而Fogt、Visbeck为极小值；1923年Reconstructed、HadSLP、Visbeck三者为极大值，而Fogt序列则不明显；1924年4个序列均为极小值；1927年HadSLP、Fogt、Visbeck三者为明显的极大值，而Reconstructed序列不明显；1940年Reconstructed、HadSLP为极小值，而Fogt、Visbeck为极大值；1945年Reconstructed、Fogt是极小值，而HadSLP、Visbeck却是极大值。总之，在年际尺度上，Reconstructed、HadSLP、Fogt、Visbeck各序列有着一定相似性。总体上，其年际变化的相似性可由相关系数判断，见表2。本文重建的DJF-AAO指数Reconstructed与HadSLP、Fogt、Visbeck-AAO在1880~1956时段的高频相关系数分别为0.13、0.20（显著性水平达90％）、-0.10；在观测时段（1957~1999）相关系数分别为0.92、0.80、0.77，显著性水平均为99％。值得注意的是，均是基于观测资料的HadSLP与Fogt、Visbeck以及Fogt与Visbeck-AAO在1957~1999时段的年际相关分别为0.77、0.75、0.64，显著性水平均达99％；然而在1880~1956时段，HadSLP、Fogt、Visbeck-AAO之间虽然也达到了显著相关，但相关系数有了明显的减小（0.48、0.33、0.62）。这表明，都是利用观测SLP资料得到的AAO指数，其年际变率在1957年之后各序列具有高度的一致性（Marshall、HadsSLP、Fogt三者更为接近），然而在1957年以前各序列之间存在较大差异。基于代用资料重建的DJF-AAO与HadSLP、Fogt-AAO具有较好的相关性。图4重建DJF-AAO与其他几个较短序列的对比（图(e)Reconstructed表示的是本文重建的DJF-AAO序列，在1957-1999观测时段为Marshall序列，(d)是基于HadSLP2r数据得到的DJF-AAO序列，(c)是Fogt利用站点观测SLP数据建立的DJF-AAO序列，(b)是Visbeck利用站点观测SLP数据建立的JFM-AAO序列，(a)是基于8个IPCC-AR4耦合模式SLP数据平均的DJF-AAO序列；图(a)-(e)中红色曲线表示各序列的低通滤波值，即10~50a的年代际分量Fig.4ComparisonwiththeothershortAAOindexes(e“Reconstructed”standsforthereconstructedDJF-AAOseriesofthepresentstudywiththeobservedMarshall-AAOsince1957;d“HadSLP”indicatestheAAOseriesderivedfromHadSLP2rdataset;c“Fogt”andb“Visbeck”indicateAAOseriesfromFogt(2021)andVisbeck(2021)respectively;a“IPCC-AR4”showsanAAOseriesrefinedfromeightmodelsofIPCC-AR4(20C3M);Smoothedlinesarelow-frequency(10~50a)variationsfromaButterworthfilter表2各个AAO序列在不同时间尺度分量上相关系数Table2CorrelationcoefficientsofdifferentAAOindexesatdifferenttemporalscales(Comparisonswithperiodof1880-1956and1957-1999inbrackets)尺度分量HadSLPFogtVisbeckIPCC-AR4Reconstructed年际0.13(0.92c0.20a(0.80-0.01(0.77c－年代际0.33(0.79)0.55(0.86a-0.07(0.75)0.32(0.10)HadSLP年际10.48c(0.770.33c(0.75－年代际10.48(0.94a0.03(0.88a0.13(0.58)Fogt年际10.62c(0.64－年代际10.10(0.83a0.10(0.52)Visbeck年际1－年代际10.08(0.53)（相关系数计算时段为1880~1956，括号内为1957~1999时段的相关；年际尺度是指只含有10a以下分量，年代际尺度是指只含有10a以上分量；a表示显著性水平为90％，b表示显著性水平为95％，c表示显著性水平为99％，均为Pearson相关，基于有效自由度的t检验；阴影部分表示的是观测资料的AAO相关。）4.2年代际变率的对比在年代际尺度上(图4中粗曲线所示)，可以看出Reconstructed、HadSLP、Fogt、Visbeck各序列在1950s后期至1970s，都有着波峰－波谷－波峰的波动，经历1980s持平后又呈上升趋势。而在1880~1950s之间，也可以看出Reconstructed、HadSLP、Fogt在1890~1900s均表现出波峰－波谷的变化，而Reconstructed序列的振幅较HadSLP、Fogt偏强；在1910~1920s，Reconstructed、HadSLP、Fogt也都呈现了由波峰到波谷的变化，但HadSLP波动则超前约3年左右，而同时Visbeck序列则表现了反相的波动趋势；在1930~1940s，HadSLP序列又呈现出一个波峰－波谷的振动，而Reconstructed、Fogt、Visbeck序列则表现为平缓的趋势；此外，基于IPCC-AR4耦合模式的DJF-AAO序列（图4(a)），1890s的波峰、1900s的波谷也表现的非常明显。总体来看，在10~50a的年代际尺度上各个序列既有相同趋势的变化，也有不同的波动。相关性分析表明（表2），本文的重建序列Reconstructed与HadSLP、Fogt、Visbeck-AAO序列在1880~1956时段的年代际相关系数分别为0.33、0.55、-0.07；在观测时段（1957~1999）相关系数分别为0.79、0.86（90％显著性水平）、0.75。同时可以看出，均是基于观测资料的HadSLP与Fogt、Visbeck以及Fogt与Visbeck-AAO在1957-1999时段的年代际相关系数分别为0.94、0.88、0.83，显著性水平均达90％；然而在1880~1956时段它们之间的相关性明显减小，分别为0.48、0.03、0.10。这表明，都是利用观测资料得到的HadSLP、Fogt、Visbeck三个AAO序列在1957年之后的年代际波动基本一致，而在1957年以前有很大差异。相对而言，HadSLP与Fogt序列在1880-1956时段表现的更为一致。而Reconstructed与HadSLP、Fogt在1880-1956时段具有较高的相关(0.33、0.55)，即重建的DJF-AAO在年代际变率上与多数观测序列具有较高的一致性，表明重建序列在年代际尺度上具有较高可信性。值得注意的是，由于年代际南极涛动指数具有较高的自相关，我们采用了基于有效自由度的t检验，调整后的实际有效自由度只有1.0~5.0左右，所以一些高相关系数并未达到显著性水平。此外，多模式平均的IPCC-AR4在年代际尺度上与观测的Marshall、HadSLP、Fogt、Visbeck-AAO的相关(1957~1999)分别为0.10、0.58、0.52、0.53，尽管相关未达到显著性水平，但波动的相似性在图中还是很明显的，说明模式模拟的DJF-AAO序列在年代际尺度上与观测的HadSLP、Fogt、Visbeck-AAO也有较好的一致性,而与Marshall-AAO相关性却较差(0.10),对此还不清楚是什么原因。在1880~1956时段，IPCC-AR4与Reconstructed、HadSLP、Fogt、Visbeck的相关系数分别为0.32、0.13、0.10、0.08，可以看出模拟的AAO在年代际上与重建序列具有较高的相关性。综合来看，多模式平均对DJF-AAO的年代际变率具有了一定的模拟能力，相信将来利用模式模拟过去长时间AAO的低频变率是可行的。51500年以来DJF-AAO变率特征从图2中可以看出，重建的过去近500年DJF-AAO指数有着明显的年际和年代际波动特征。功率谱分析表明（图5），公元1500年以来的DJF-AAO序列有着突出的准周期变率，达到90％显著性水平的准周期有37.6a、24.1a、12.6a、6.8a、6.3a、5.1a、3.5a、2.6a、2.4a、2.1a，其中年际变率的6.3a、2.6a、2.4a和年代际变率的37.6a图51500AD年以来的DJF-AAO指数功率谱分析图（图中虚线分别为90％、95％显著性水平信度线）Fig.5PowerspectralanalysisforDJF-AAOsince1500(Dashedlinesare90%and95%significancelevelrespectively.)功率谱分析方法只能识别出整个序列的平均周期，而不能看出各周期分量在不同时段上的变化情况。为了更进一步探讨过去500年DJF-AAO在各种时间尺度上的变率信号以及各个周期信号随时间的演变特征，我们对DJF-AAO指数做了Morlet小波分析(TorrenceandCompo,1998)，结果如图6所示。DJF-AAO信号的强弱通过小波系数的大小来表示，等值线为正的用实线来表示，说明AAO偏强；等值线为负的用虚线来表示，说明AAO偏弱；小波系数为零则对应着强/弱的突变点，为了线条的简洁，这里省略了零等值线。小波系数变换图的总体特征表现为，不同时间尺度所对应的AAO信号强弱构成是不同的，小时间尺度（高频变率）的强弱变化表现为嵌套在较长时间尺度内（低频波动）的复杂的强弱构成。30~50a左右的低频振荡在图6上显示的非常明显，1500~1550、1600~1720、1800年以来40a左右的周期信号非常突出，而1550~1590s、1720~1790s左右，该尺度周期信号又相对较弱。若以纵坐标为37.6a统计（功率谱分析中显著的周期），则过去500年DJF-AAO序列有28个“+－”中心，即大致14个振荡循环。若以纵坐标为24.1a去统计（同上），则有42个“+－”中心，大致有21个振荡循环，但在1630~1660s、1820~1870s、1920~1940s等时段，该周期信号相对较弱。而从整体平均上来讲，37.6a、24.1a是年代际振动中主要的周期信号。同样，年际尺度的6.3a、2.6a、2.4a周期振动也是随时间变化的，从小波分析（图6）并结合年际变率曲线图（图略），可以看出1950s以来DJF-AAO的年际变率明显偏强。方差分析表明（均是对年际尺度分量而言），1950~2007的方差为0.56,是整个时段的方差的两倍（1500~2007时段方差为0.28）。此外，1550~1600、1630~1670、1720~1780、1850~图61500年以来DJF-AAO序列的小波变换系数(实线为正系数，表示AAO偏强；虚线为负系数，表示AAO表示偏弱；等值线间隔为0.5，0等值线没有画出)Fig.6ThewavelettransformcoefficientsofDJF-AAOsince1500(SolidlinesarepositivecoefficientswhichindicatethestrongAAOevents;dashedlinesarenegativecoefficientswhichindicatetheweakAAOevents;contourintervalis0.5andzerolinesareomittedforclarity.)上面揭示的DJF-AAO的年际、年代际变率可能与不同的影响因子有关。ThompsonandSolomon(2002)基于南极平流层臭氧的卫星观测资料，研究指出最近几十年AAO的增长趋势可能与近来平流层的臭氧损耗有关；ShindellandSchmidt(2004)研究指出，除了臭氧以外，温室气体等其他强迫因子对AAO的变率也具有重要作用；ZhouandYu(2004)基于大气耦合模式，研究指出AAO的年际变率受到来自热带太平洋强迫的影响；此外，一些其他自然因子如太阳活动，也可能影响AAO的变率(KurodaandKodera,2005)。先前的这些研究成果，对于理解AAO年际-年代际变率规律及其异常的成因起到很重要的作用，指出了探究的方向，但是AAO在不同时间尺度上的变率成因是非常复杂的，本文未能对此进行展开。结合重建的AAO长时间序列，探究其年代际变率的成因，需要更进一步的研究。6结论经过对原始代用资料的一系列筛选，最终选用103个树轮（209个变量）、18个站点珊瑚（40个变量）、4个站点冰芯（6个变量）、1个洞穴沉积（1个变量）、2个区域性温度降水指标（2个变量）、5个站点观测SLP（5个变量），共计263个变量作为代用资料，以Marshall-AAO指数作为标定资料(标定时段为1957-1989)，利用PC-多元回归方法将南半球夏季南极涛动指数（DJF-AAO）延长到1500AD。考察方差解释率、误差减少量、标准误等统计量指标来评价重建序列的质量，较高的r2(平均值为59.9％)、RE(平均值为0.47)表明DJF-AAO指数的重建具有了较高的技巧。整体呈减少趋势的SE表明随着代用资料的增多可在一定程度上减少重建序列的不确定性。将重建的DJF-AAO序列与基于观测资料建立的HadSLP、Fogt、Visbeck－AAO序列、以及基于8个IPCC-AR4耦合模式得到的AAO序列进行对比分析。结果表明本文重建的AAO序列与HadSLP、Fogt-AAO序列具有较好的相关性，在1880-1956时段上其年际尺度的相关系数分别为0.13、0.20(90％显著性水平),年代际尺度上相关分别为0.33、0.55，表明重建结果具有了较高的可信性。值得注意的是，同样都是利用观测资料得到的南极涛动指数HadSLP、Fogt、Visbeck，三者不论是年际变率还是年代际波动，在1957年之后基本上呈一致性变化，而在1880-1956时段三者有明显差别。此外，8个IPCC-AR4模式平均的DJF-AAO序列与本文重建序列、HadSLP、Fogt、Visbeck在1880-1956（1957-1999）时段的相关系数分别为0.32（0.10）、0.13（0.58）、0.10（0.52）、0.08（0.53），表明多模式的平均对AAO年代际的变率模拟也具有了一定的水平，也说明将来通过模式模拟AAO长期变率是有可能的。功率谱分析表明，过去500年DJF-AAO指数有着明显的年际、年代际波动，其突出的年际变率周期有2.4a、2.6a、6.3a，突出的年代际波动周期有24.1a、37.6a，均达到95％显著性水平。进一步的小波分析表明过去500年DJF-AAO在各种时间尺度上的变率及周期信号有明显的随时间而演变的特征。而AAO年际、年代际变率及其随时间演变的成因，还需要进一步的研究。参考文献(References)AllanRJ,AnsellTJ.2004.Anewgloballycompletemonthlyhistoricalmeansealevelpressuredataset(HadSLP2):1850-2004[J].JClim,19,5816-584.鲍学俊，王盘兴，谭军.2006.南极涛动与江淮梅雨异常的时滞相关分析[J].南京气象学院学报，29（3）：348–352.BaoXuejun,WangPanxing,TanJun.2006.TimelagcorrelationanalysesofAntarcticoscillationsandJianghuaMeiyuanomaly[J].JournalofNanjingInstituteofMeteorology(inChinese),29(3):348–352.BromwichDH,FogtRL.2004.StrongtrendsintheskilloftheERA-40andNCEP/NCARreanalysesinthehighandmiddlelatitudesofthesouthernhemisphere,1958-2001[J].JClim,17,4603-4619.CaiWJ,ShiG,LiY.2005.MultidecadalfluctuationsofwinterrainfalloversouthwestWesternAustraliasimulatedintheCSIROMark3coupledmodel[J].GeophysResLett,32,L12701,doi:10.1029/2005GL022712.范可，王会军.2006.南极涛动的年际变化及其对东亚冬春季气候的影响[J].中国科学D辑，49(5):554–560.FanKe,WangHuijun.2006.InterannualvariabilityofAntarcticOscillationanditsinfluenceonEastAsianclimateduringborealwinterandspring[J].ScienceinChina(D)(inChinese),49(5):554–560.FogtRL,PerlwitzJ,MonaghanAJ,etal.2021.HistoricalSAMvariability.PartII:20thcenturyvariabilityandtrendsfromreconstructions,observations,andtheIPCCAR4Models[J].JClim,revisedFrittsHC.1976.Treeringsandclimate.London[M]:AcademicPress.高辉，薛峰，王会军.2003.南极涛动年际变化对江淮梅雨的影响及预报意义[J].科学通报，48(增刊2）:87–92.GaoHui,XueFeng,WangHuijun.2003.InfluenceofinterannualvariabilityofAntarcticoscillationonmei-yualongtheYangtzeandHuaiheRivervalleyanditsimportancetoprediction[J].ChineseScienceBulletin(inChinese),48(S2):87–GongDY,KimSJ,HoCH.2021.ArcticandAntarcticOscillationsignaturesintropicalcoralproxiesovertheSouthChinaSea[J].AnnGeophys,27,1979-1988.GongDY,LuterbacherJ.2021.Variabilityofthelow-levelcross-equatorialjetofthewesternIndianOceansince1660asderivedfromthecoralproxies[J].GeophysResLett,35,doi:1029/2007GL032409.GongDY,WangSW.1999.DefinitionofAntarcticoscillationindex[J].GeophysResLett,26(4):459-462.何金海,陈丽臻.1989.南半球中纬度准40天振荡及其与北半球夏季风的关系[J].南京气象学院学报,12(1),11–18.HeJinhai,ChenLizhen.1989.Quasi-40dayoscillationsoverthemid-latitudeofthesouthernhemispherewiththeirrelationtothesummermonsoonoverthenorthernhemisphere[J].JournalofNanjingInstituteofMeteorology(inChinese),12(1),11–18.JonesJM,FogtRL,WidmannM,etal.2021.HistoricalSAMvariability.PartI:Centurylengthseasonalreconstructions[J].JClim,revised.JonesJM,WidmannM.2003.Instrument-andtree-ring-basedestimatesoftheAntarcticoscillation[J].JClim,16,3511-3524.JonesPD,ListerDH.2007.Intercomparisonoffourdifferentsouthernhemispheresealevelpressuredatasets[J].GeophysResLett,34,L10704,doi:10.1092/2007GL029251.KalnayE,KanamitsuM,KistlerR,etal.1996.TheNCEP/NCAR40-yearreanalysisproject[J].BullAmerMeteroSoc,77:437-471.KurodaY,KoderaK.2005.Solarcyclemodulationofthesouthernannularmode[J].GeophysResLett,32,L13802,doi:10.1029/2005GL022516.LorenzEN.1956.Empiricalorthogonalfunctionsandstatisticalweatherprediction.StatisticalforecastingprojectreportNo1,M.I.T.[M].Boston:CambridgePress:49.LovenduskiNS,GruberN.2005.ImpactoftheSouthernAnnularModeonSouthernOceancirculationandbiology[J].GeophysResLett,32,L11603,doi:10.1029/2005GL022727.MannME,ZhangZH,HughesMK,etal.2021.Proxy-basedreconstructionsofhemisphericandglobalsurfacetemperaturevariationsoverthepasttwomillennia[J].PNatlAcadSciUSA,105(36):13252–13257.MarshallGJ.2003.Trendsinthesouthernannularmodefromobservationsandreanalyses.JClim,16(24):4134–4143.MillerRL,SchmidtGA,ShindellDT.2006.Forcedannularvariationsinthe20thcenturyIntergovernmentalPanelonClimateChangeFourthAssessmentReportmodels[J].JGeophysRes,111，doi:10.1029/2005JD006323.MorenoPI,FrançoisJP,Villa-MartínezRP,etal.2021.Millennial-scalevariabilityinSouthernHemispherewesterlywindactivityoverthelast5000yearsinSWPatagonia[J].QuatSciRev,28:25-38.NanSN,LiJP.2003.TherelationshipbetweenthesummerprecipitationintheYangtzeRivervalleyandtheborealspringsouthernhemisphereannularmode[J].GeophysResLettReasonCJC,RouaultM.2005.LinksbetweentheArcticOscillationandwinterrainfalloverwesternSouthAfrica[J].GeophysResLett,32,L07705,doi:10.1029/2005GL022419.RogersJ,LoonHV.1982.Spatialvariabilityofsealevelpressureand500mbheightanomaliesovertheSouthernHemisphere[J].MonWeaRev,110(10):1375-1392.ShindellDT,SchmidtGA.2004.Southernhemisphereclimateresponsetoozonechangesandgreenhousegasincreases[J].GeophysResLett,31(18),L18209,doi:10.1029/2004GL020724.ThompsonDWJ,SolomonS.2002.Interpretationofrecentsouthernhemisphereclimatechange[J].Science,296,895-899.ThompsonDWJ,WallaceJM.2000.Annularmodesintheextratropicalcirculation.PartI:monthtomonthvariability[J].JClim,13(5):1000-1016.TorrenceC,CompoGP.1998.Apracticalguidetowaveletanalysis[J].BullAmMeteorolSoc,79(1):61-78.UppalaSM.,KållbergPW,SimmonsAJ,etal.2005.TheERA-40reanalysis[J].QuartJRoyMeteorSoc,131,2961-3012.VisbeckM.2021.Astation-basedSouthernAnnularModeindexfrom1884to2005[J].JClim,22,940–950.WangHJ,FanK.2005.Central-northChinaprecipitationasreconstructedfromtheQingdynasty:signaloftheAntarcticatmosphericoscillation[J].GeophysResLett,32,L24705,doi:10.1029/2005GL024562张自银，龚道溢，何学兆等.2021.1644年以来西太平洋暖池海温重建[J].中国科学D辑,39(1):106–115.ZhangZiyin,GongDaoyi,HeXuezhao,etal.2021.ReconstructionofthewesternPacificwarmpoolSSTsince1644AD[J].ScienceinChina(D)(inChinese),39(1):106–115.ZhouTJ,YuRC.2004.Sea-surfacetemperatureinducedvariabilityoftheSouthernAnnularModeinanatmosphericgeneralcirculationmodel[J].GeophysResLett,31(24),L24206,doi:10.1029/2004GL021473.祝亚丽，王会军.2021.基于IPCCAR4耦合模式的南极涛动和北极涛动的模拟及未来变化预估[J].气象学报,66(6):994–1004.ZhuYali,WangHuijun.2021.ThearcticandantarcticoscillationsintheIPCCAR4coupledmodels[J].ActaMeteorologicaSinica(inChinese),66(6):993–1004.AntarcticOscillationIndexreconstructionsince1500ADandanalysisofitsvariabilityZhangZiyinGongDaoyiHeXuezhaoLeiYangnaFengShenghui(StateKeyLaboratoryofEarthSurfaceProcessesandResour