转自:“气象学家”公众号
https://mp.weixin.qq.com/s/dFn0uolVymum5mY6GF0xtQ
Decadal changes in atmospheric circulation detected in cloud motion vectors Larry Di Girolamo, Guangyu Zhao, Gan Zhang, Zhuo Wang, Jesse Loveridge & Arka Mitra
引用本文
Di Girolamo, L., Zhao, G., Zhang, G. et al. Decadal changes in atmospheric circulation detected in cloud motion vectors. Nature (2025). https://doi.org/10.1038/s41586-025-09242-1
大气环流变化正在改变全球天气格局。我们利用多角度成像光谱辐射计(MISR)卫星观测的高度分辨云运动矢量(CMVs),首次发现过去20年对流层环流的统计学显著变化。 中纬度上对流层云运动速度最高增加约4 m s⁻¹·十年⁻¹,主要归因于经向流增强,可能反映风暴路径向极地偏移或温带气旋增强。 北半球与南半球热带边界分别以0.42±0.22°·十年⁻¹和0.02±0.14°·十年⁻¹速率向极地移动,极锋移动速率分别为0.37±0.31°·十年⁻¹和0.31±0.21°·十年⁻¹。这些独立观测为改进再分析和气候模型提供了关键基准。
图1 2000–2020年对流层风场气候态及年代际趋势
1. 研究背景与动机
• 关键问题: 大气环流(如哈德来环流、中纬度西风急流)的变化深刻影响全球天气模式(风暴路径、降水带、极端事件)。然而,基于气候模式(CMIP)和再分析数据(如ERA5)的研究在环流变化的幅度、甚至方向上存在显著差异和不一致。
• 根本挑战:
• 模式不确定性: 气候模式对物理过程(如云、对流)的参数化存在固有不确定性。
• 再分析数据局限性: 再分析(如ERA5)虽然融合了观测,但其核心是数值模式,同样受参数化不确定性影响。更重要的是,同化的观测系统(卫星、探空、地面站)本身在时间上是演变的(仪器更替、校准漂移、数据不连续),导致再分析存在随时间变化的偏差(time-dependent biases),使趋势检测复杂化。
• 指标多样性: 描述环流特征(如哈德来环流边界)的指标多样,且不同指标(高层 vs. 低层)可能给出不一致的结果。
• 迫切需求: 迫切需要独立于模式和再分析、具备气候观测质量(Climate-Quality) 的全球观测数据集来验证环流变化,为改进模式和再分析提供基准(Benchmark)。
• MISR CMV的独特价值: 本文提出MISR CMV正是满足这一需求的理想数据集:
• 高度分辨: 提供云顶高度处的风速和风向(垂直分辨率1km)。
• 立体成像原理: 通过多角度图像视差直接测量云高和运动,对辐射定标漂移不敏感,提供了“极其稳定”的记录(关键优势)。
• 精度与稳定性验证: 经过广泛验证,风速精度约±3.7 m/s,高度精度约±370m,且利用地表作为稳定目标验证了长期稳定性(风速/高度趋势可忽略)。
• 独立于再分析: MISR CMV未被同化进任何再分析系统,是独立的观测基准。
• 长期稳定平台: Terra卫星保持极其稳定的赤道穿越时间超过20年,消除了日变化混淆效应和拼接短寿命卫星数据带来的人为不连续性。
图2 热带与极地环流边界的纬度迁移
2. 研究方法与挑战
• 数据:
• 主数据: MISR Level 2 CMV产品 (Version F02_0002, 2000-2020),仅使用白天降轨数据保证当地时间一致性。
• 对比数据: ERA5再分析小时数据 (0.25° x 0.25°, 37层气压层)。特别处理了两种ERA5子集:
• ERA5_MS: 在MISR CMV观测的确切时间、地点(经纬度)和高度采样ERA5风场。这是最直接、最公平的比较。
• ERA5_AW: 所有当地时间10:30的ERA5风场数据(无论有无云),用于比较“有云条件”风与“所有条件”风的差异,并连接其他使用再分析日均值的研究。
• 关键处理步骤:
• 空间聚合: 将原始CMV和ERA5_MS数据按月聚合到0.25° x 0.25° 网格和20个1km垂直层(0-20km)。
• 纬向平均: 计算经度平均,得到纬向平均风场(U-东西风, V-南北风, 风速)。
• 去季节化: 计算每个网格/高度/月份相对于2000-2020年该月气候平均的异常值。
• 趋势分析:
1. 非参数方法: 使用Mann-Kendall检验判断趋势显著性,Sen's斜率估计趋势大小。
2. 多重检验校正: 应用严格的收紧错误发现率(tightened FDR)校正(控制整体假阳性率≤5%),显著提高了结果的可信度,仅保留高置信度的趋势(文中所有显示的趋势均通过此校正)。
• 环流边界指标计算:
• 哈德来环流扩张 (Lat_U0): 在0-1km高度层,纬向平均U分量由负(东风)变正(西风)的纬度。使用TropD软件包计算。
• 极锋急流位置 (Lat_Umax): 在1-2km高度层(约850hPa),纬向平均U分量达到最大值的纬度。同样使用TropD计算(“peak”方法)。
• 应对CMV的“云条件”采样挑战: CMV只在有云时才有观测,这本质上是“条件采样”。作者深入分析了潜在混淆因素:
• 样本数量趋势: 发现样本数的年代际变化很小(大多在-0.6%到+0.2%/十年),且其空间分布与风趋势分布不匹配,影响可忽略。
• 云顶高度变化趋势: 发现1km层内平均云顶高度趋势很小(多在0到+40 m/十年)。结合典型风速垂直梯度(~5 m/s/km)估算,其对风速趋势的影响极限约+0.2 m/s/十年,远小于观测到的风趋势。层内高度与风速相关性极低(<0.2)。
• 样本经度偏移: 发现显著的经度重心偏移趋势区域很少,且与风趋势显著区域不重合。
• 结论: 观测到的MISR CMV变化主要归因于云顶高度处大气环流本身的变化,而非采样偏差。 |