《Dynamics of Atmospheres and Oceans》：Influence of Regional rainfall biases on Sub-Seasonal variability During Boreal Summer Over South Asia in NGFS Reanalysis
编辑推荐：
孟加拉湾过量湿度影响季风动力机制研究。基于1999-2018年22km NGFS再分析数据，发现该系统在南部孟加拉湾存在显著湿度偏多，导致对流加热异常和波动态模拟偏差，揭示区域热源与赤道波相互作用（BSISO）对季风亚季节 variability的关键调控作用。
Bibhuti S Keshav | Mohan T. S | Smrutishree Lenka | Nagarjuna Rao D | Raghavendra Ashrit | V.S. Prasad
印度地球科学部国家中程天气预报中心
摘要
本研究探讨了NCMRWF全球预报系统（NGFS）再分析中持续存在的过量水分问题，重点关注孟加拉湾（BoB），特别是南部孟加拉湾（SBoB）。进一步研究了这种过量水分如何影响关键大气过程，并在季节内时间尺度上调节季风动态。研究表明，区域热源与赤道波动力之间的相互作用，特别是北半球夏季季节内振荡（BSISO），在产生这些偏差中起着关键作用。为了验证这一假设，我们分析了20年（1999–2018年）的高分辨率NGFS再分析数据（约22公里分辨率），这些数据是通过集成多种卫星数据的先进数据同化系统生成的。结果随后通过观测和其他再分析产品进行了验证。
NGFS在孟加拉湾地区显示出明显的湿润偏差，这与总水汽柱（TCWV）的增加和潜热加强的现象有关。在陆地上，NGFS的降雨概率分布函数（PDFs）呈现出更宽的、右偏的结构，表明强降雨事件的频率较高，但相对于ERA5和GPCP而言，其强度较低。时空谱分析显示，关键的赤道波模式（如对流耦合的Kelvin波和Rossby波）的表示较弱，导致模拟季风季节内变异性时准确性降低。此外，NGFS在南部孟加拉湾上空表现出增强的对流层上部绝热加热，这加剧了区域降雨差异。尽管NGFS能够捕捉到基本季风变量之间的关联，但在表示热带对流和赤道波过程方面仍存在显著局限性。因此，本研究强调了改进对流动力学和波-水分相互作用模拟的必要性，以提高季风预测能力并加深对区域气候变异性的理解。
引言
印度夏季季风降雨（ISMR）在整个北半球夏季季风季节表现出显著的时空变异性，不同地区的降雨强度、持续时间、频率和分布都有所波动（Ferranti等人，1997年；Goswami，1994年；Krishnamurthy和Shukla，2000年；Sperber等人，2000年；Goswami和Ajay Mohan，2001年）。在有利的大气条件下，ISMR表现出脉动特性，表现为活跃期（对流增强）和间歇期（对流抑制）（Rajeevan等人，2006年；Rajeevan等人，2010年）。这些降雨期的持续时间和发生情况在很大程度上决定了印度大陆的季风降水量，并影响农业和社会经济部门（Gadgil，2003年）。然而，对这些降雨期的真实模拟及其季节内演变过程仍处于初级阶段（Sperber等人，2013年）。印度次大陆的季平均降雨量显示多个降雨高峰区（如西海岸、中部印度（CI）、孟加拉湾头部（BoB）、赤道印度洋（EIO）和热带西太平洋（TWP）），或者仅仅是热源（Magagi和Barros，2004年）。这些对流中心从海洋区域向大陆区域的迁移通常与印度地区的季节内向极地传播有关（Yasunari，1979年；Gadgil，2003年）。类似的向极地迁移现象也在西太平洋观察到（例如，Murakami等人，1984年；Lau和Chan，1986年；Wang和Rui，1990年）。这些向北传播的成分与向东传播的Madden–Julian振荡（MJO）共存，夏季的MJO比冬季较弱（Julian和Madden，1981年；Hendon和Salby，1994年；Annamalai和Slingo，2001年）。这些对流中心（热源）的相互影响和联系在调节ISMR的次季节性变异性中起着至关重要的作用。因此，为了更好地理解和预测这些降雨期，研究这些热源的空间和时间特征以及控制它们的物理过程是必要的。
近年来，多项研究确定了引发活跃期和间歇期降雨的机制。观测证据表明，来自阿拉伯海东部（AS）周围沙漠的干燥空气侵入会在800 hPa附近引起强烈的大气逆温层，抑制对流增长（Bhat，2006年；Krishnamurti等人，2010年；Parker等人，2016年；Turner等人，2020年）。Raman和Rao（1981年）较早报告了来自中纬度的干燥空气侵入的作用，他们发现印度严重的季风干旱伴随着东亚和西亚上空的对流层阻塞脊以及干燥中纬度空气的侵入。多项研究还指出了中纬度Rossby波在引发CI地区活跃/间歇期降雨中的作用（Wang和Xie，1997年；Krishnan等人，2000年；Kemball-Cook和Wang，2001年）。Prasanna和Annamalai（2012年）利用再分析数据研究了长时间间歇期的动态，发现干燥空气平流是引发CI地区间歇期的主要前兆。Mohan等人（2018年）和Mohan等人（2024年）通过数值模型输出发现，在印度中部地区，干燥（湿润）空气平流是引发间歇期（活跃期）负（正）降雨异常的主要因素。Hanf等人（2017年）在理论研究中发现，孟加拉湾地区的过量水分和降雨会显著影响季风的季节内变异性。所有上述研究都在观测、再分析和模型中确定了印度次大陆降雨变异性的来源。为了提高建模能力，国家中程天气预报中心（NCMRWF）最近开发了一个本土化的全球再分析系统，称为NCMRWF全球预报系统（NGFS）（详见第2节）。为了评估新创建的全球再分析系统的优点和缺点，我们试图了解印度次大陆北半球夏季季风期间关键变量的次季节性变异性。
一些研究使用了NGFS数据对印度地区进行了研究。Singh等人（2021年）评估了NGFS在印度季风期间的降雨情况，发现NGFS能够捕捉到与观测结果相比的降雨和极端降雨事件的空间和时间模式，他们的研究还指出NGFS能够有效表示印度次大陆的降雨概率分布，但北部山区的表现不佳。在另一项研究中，Sandeep和Prasad（2020年）检验了NGFS在表示印度地区寒潮事件方面的准确性。再分析数据也被用于评估水文研究和气候趋势（Ghodichore等人，2025年）。然而，没有任何研究彻底探讨了NGFS降雨数据不准确的物理机制。据作者所知，之前使用NGFS数据的研究均未解决这一问题。此外，每日降雨方差（图1）显示印度次大陆南部地区的降雨空间图存在较大差异（这将在后续章节中详细讨论）。受降雨方差差异的启发，我们旨在研究NGFS再分析中南部孟加拉湾沿岸及周围东海岸的过量降雨之间的关系。此外，上述地区过量降雨（或区域热源）的存在及其影响尚未得到研究。此外，NGFS再分析中孟加拉湾地区的降雨存在正向偏差，这种高估的偏差降低了模型的可信度，使得在没有了解潜在机制的情况下难以对其进行微调。解决这些偏差对于提高模型在研究社区中的实用性及其发展至关重要。由于印度次大陆对流易发区域（例如中部印度和孟加拉湾，尤其是南部孟加拉湾地区）存在异质分布和过量水分，本研究旨在探讨关键变量的异常行为及其对调节季风动态的影响，特别是在季节内时间尺度上。需要解决的一个关键科学问题是区域热源如何影响赤道波动力学并导致再分析产品中的偏差。为此，我们分析了20年的数据以识别区域热源，并研究北半球夏季季节内振荡（BSISO）在降雨偏差中的作用。假设在存在显著偏差的地区主要存在区域热源和汇。本文的结构如下：第2节描述了本研究中使用的再分析和观测数据，以及用于综合分析的方法和波数频率谱；第3节简要描述了平均状态和偏差，以及绝热加热的垂直结构和统计分布和关键变量的差异。第4节描述了北半球夏季季风期间的季节内变异性，第5节给出了总结和结论。
数据和方法
本研究使用了NCMRWF开发的本土化再分析数据，时间跨度为1999年至2018年。NGFS数据集经过了持续改进，采用了网格统计插值（GSI）同化方案，并提升到了T574（约22公里分辨率）的水平，涵盖了64个垂直层次。该同化过程整合了广泛的气象和海洋卫星数据集（Prasad等人，2011年；Prasad等人，2016年）。
平均状态、方差和偏差
图1显示了NGFS降雨数据的空间降雨方差，以捕捉降雨变化较大的区域或“热点”。NGFS的每日降雨方差空间图（图1a）与观测到的GPCP数据（图1b）进行了比较。注意，在计算每日方差时考虑了6月至9月的降雨数据。NGFS再分析的降雨显示出更高的方差，尤其是在降雨量较大的区域（图1a）。虽然空间降雨图
季节内变异性
为了评估NGFS再分析在捕捉间歇期（活跃期）振荡行为方面的有效性，图7（图8）展示了降水异常和低层850hPa环流模式的复合时空演变。复合图以5天为间隔，从-20天到+20天制备，以便于阅读。
对于间歇期复合图，在-20天的滞后期间，降雨异常的演变表明
总结与结论
在这项研究中，我们分析了NCMRWF新开发的全球再分析数据，该数据的空间分辨率为0.25度，基于全球预报系统（GFS）模型。利用20年的再分析数据，研究了印度次大陆北半球夏季季风期间的关键变量。我们的分析强调了高分辨率再分析和预报模型对于更好地理解大气物理过程的重要性。
伦理批准/声明
手稿中的所有作者均声明他们遵守了公认的研究伦理标准。
资金信息
作者声明在准备本手稿期间没有收到任何资金、资助或其他支持。
未引用的参考文献
(Dutta和Prasad，2011年；Gill，1980年；Goswami，2012年；Goswami和Ajayamohan，2001年；Murakami，1984年；Narayanan和Rao，1981年)
CRediT作者贡献声明
Thota Mohana：写作——审阅与编辑、初稿撰写、方法论、概念化。Bibhuti S Keshav：可视化、验证、软件、正式分析、数据管理。Nagarjuna Rao D：写作——审阅与编辑、数据管理。Smrutishree Lenka：写作——审阅与编辑、可视化、验证、正式分析、数据管理。Raghavendra Ashrit：监督、调查、资金获取。V.S Prasad：监督、项目管理、调查。
致谢
本研究利用了NCMRWF的MIHIR和ARUNIKA超级计算机的计算能力。作者感谢印度政府地球科学部的支持。
代码可用性
< />
