21世紀以來👩🍳，隨著中部型El Niño的頻繁發生，ENSO（El Niño-Southern Oscillation）理論和預報遭到了非常嚴峻的考驗和挑戰。盡管已經進行了廣泛的研究，中部型ENSO的物理機製仍然沒有得到統一的認識，全球各大模式對其的模擬也存在嚴重的缺陷🦕。由於環流模式包含的物理過程和參數過於復雜，這使我們很難進行機理突破並給出直接改善方案。
除此之外🤙🏽，也有很多研究強調ENSO的多尺度特征🧖🏻，如快速的大氣過程（如西風爆發）可以通過驅動異常東向海流和激發下翻的赤道開爾文波等方式對年際尺度的ENSO事件產生重要影響🤵🏼♀️；而更長時間尺度的背景場同樣會有效調製ENSO的發展，如研究表明🕵🏽，2000年以後信風加強對應的La Niña型背景場分布是造成中部型ENSO頻發的重要原因。
除了兩類ENSO，ENSO的復雜性還包括在其他很多方面，如東（中）太平洋海表溫度的正偏（負偏）、極端El Niño（如1982-83，1997-98）、延遲極端El Niño（如2014-16）、多年El Niño（如2003-2006）和多年La Niña（如2010-12）等。因此📀，從ENSO的研究和機理認識方面來看，我們亟需一個能夠較好模擬其復雜性的模型。
沐鸣2青年副研究員方向輝（通訊作者）和美國威斯康星大學麥迪遜校區陳南（Nan Chen）教授👨🏼🦳、美國加州大學爾灣分校余進義（Jin-Yi Yu）教授從前期構建的確定性三區域ENSO理論模型出發，充分考慮季節內的快速大氣過程🏃♀️➡️、年代際的長時間尺度背景場變化以及它們的隨機性特征😑，構造了一個三區域多尺度隨機理論模型（框架如圖1；模型主要構成如圖2）。該模型能夠真實模擬中太平洋海表溫度（TC）和東太平洋海表溫度（TE）的基本統計特征，如功率譜結構👊🏿、概率密度分布（PDF；包括變率🤽🏼♂️、偏度、峰度等）及季節鎖相（如圖3）。同時它還能夠抓住各種ENSO事件以及它們的發生頻率（如圖4和圖5）。此外🆚🏄🏽，該模型還可以探討不同情景下的ENSO復雜性特征🧏🏽♀️🏕，如隨著背景場信風的增強，中部型、東部型以及多年El Niño出現的頻率都會增加🚋，但極端El Niño事件會減少；而背景場信風的減弱則會得到相反的情況。
該模型不僅有助於理解ENSO的復雜性，同時🧑✈️，由於其簡單的構造和本身的隨機性特征，可以用來進一步研究ENSO的潛在可預報性問題，即回答具體預報時刻的ENSO預報上限是多少👱🏿♂️。這部分工作目前正在整理當中📻，不日將投稿。
以上相關結果發表在Nature系列期刊npj Climate and Atmospheric Science和Journal of Climate上。
論文信息🦖：
Chen, N., Fang, X.*, Yu, J.-Y. (2022) A Multiscale Model for El Niño Complexity. npj Climate and Atmospheric Science.
Fang, X.*, Mu, M. (2018) A three-region conceptual model for central Pacific El Niño including zonal advective feedback. Journal of Climate, 31: 4965-4979
圖1 三區域多尺度隨機理論模型的主要構成示意圖👨🏿💻🧦。
圖2 模型的主要方程組，其中上四個為年際尺度模型🎹，方程5為季節內風場模型，方程6為年代際背景場方程。
圖3 模型標準配置下🗒，2000年自由積分的統計性結果。為了與觀測（1980-2019）進行比較👨👧👧🏃🏻➡️，將模型的積分結果劃分為等時間長度的50份👳🏼，然後分別計算它們的功率譜💆🏿♀️、PDF、逐月變率等🛫。圖中紅線為觀測🫵🏻，藍線為50份的平均和一倍標準差區間🌤。
圖4 標準配置下，模式自由積分中部分時間段截取。圖中顯示的是赤道太平洋月平均海表溫度異常隨時間的變化👮🏿♀️。左圖為模擬，其中黑色線條表示的是快速變化的大氣風場。左邊小方塊表示的是各種ENSO事件，其中紅色和紫色分別為強和中等強度的EP型El Niño〰️，橙色為CP型El Niño，藍色為La Niña。右圖為觀測💆♂️🫄。
圖5 多種ENSO事件發生頻率的統計性特征，第一行為觀測（1950-2020）🙇🏻，第二行為模式標準配置下的運行結果👇🏿，第三行和第四行分別為信風減弱和加強對應的情景。
