气候系统模式对于北极海冰模拟分析

邱博 张录军 储敏 吴统文 谭慧慧

（1南京大学大气科学学院，江苏南京210093；2江苏省气候变化协同创新中心，江苏南京210093；3中国气象局国家气候中心，北京100081）

0 引言

目前，全球变化导致北极地区迅速增暖，特别是20世纪80年代以来，北极地区海冰快速减少［1-3］。Holland等［4］指出由于北极地区冰雪反照率的反馈作用，使得这一地区对全球气候的变化尤其敏感。北极地区海冰减少，温度又进一步升高，并且通过其对大气的正/负反馈进而影响遥远区域的气候变异［5-9］。Francis等［10］研究指出，9月份海冰范围与后期冬季大尺度大气环流异常相联系。同时，海冰的减少，对于北极地区的航海，当地的生态系统及其对中纬度的极端天气的变化都有着重要的影响［11］。

气候模式已经成为研究气候变率及其变化的重要工具，全球耦合模式对比计划为我们提供了全球许多国家主要的海气耦合模式的实验结果，使得我们可以评估这些模式是否能够正确地模拟出海冰的分布、变率及其变化趋势。IPCC第三次评估报告［12］指出，关于气候模式改进最重要的任务之一是尽可能减少模式的不确定性，因而，模拟结果的检验，尤其模式间的相互比较非常重要。IPCC第四次评估报告（IPCC AR4）使用的是第三阶段全球耦合模式对比计划（CMIP3）的全球约20个耦合模式的模拟结果，Arzel等［13］在此次报告中评估了不同模式对于海冰的模拟能力。尽管如此，CMIP3的模式在模拟海冰面积大小以及变化趋势等方面仍然存在很多的不确定性［14-16］。

第五阶段全球耦合模式对比计划（CMIP5）为IPCC第五次评估报告（IPCC AR5）撰写提供重要科学依据，Stroeve等［17］评估了 CMIP5和 CMIP3模式对于海冰的模拟能力，但是这篇文章主要侧重于分析模式对于北极海冰变化趋势的模拟，而对于CMIP5模式模拟北极海冰的空间分布、年际变化以及北极海冰对气候变暖的响应等方面则涉及较少，而这正是本文的研究重点。因此，我们把CMIP5的模式海冰结果与观测资料进行比较，以此来评估气候模式对于北极海冰的模拟能力，并且研究这些模式模拟的北极海冰的变化对于全球变化的响应。

1 模式和资料简介

本文用到了参加CMIP5的15个耦合模式模拟的海冰密集度（sea ice concentration，简称SIC）和地表气温（surface air temperature，简称 SAT）资料（http：//cmip-pcmdi.llnl.gov/cmip5/），这些模式分别来自6个国家的不同的研究机构，基本能反映当前国际气候系统模式的水平。

参加CMIP5的气候模拟试验的目的，是利用实际的外强迫来驱动耦合模式，模拟20世纪气候的实际演变过程，考察耦合模式的模拟能力，以此作为评估这些耦合模式所预估的未来气候变化情景的可信度。表1给出了15个模式的简单介绍以及部分计算结果，其中14个模式是从19世纪中期开始积分的，而CanCM4是从20世纪中期开始的。每个模式的集合实验个数从1个到10个不等，文中涉及北极海冰面积（sea ice extent，简称SIE）等方面计算的时候均采用集合平均的方法，同时由于不同模式的水平分辨率不同，在分析之前，我们将所有的模拟结果插值到1°×1°分辨率的规则网格上。

为检验模式性能，本文使用了NOAA/NSIDC的北极海冰的卫星观测资料，由于卫星资料是从1978年10月开始的，所以本文主要关注1979—2005年北极的海冰的变化。Parkinson等［18］和 Zwally等［19］计算的海冰面积是指海冰密集度不小于15%的海区面积，所以本文在计算模式的海冰面积时，也采用这一标准。同时本文中表面气温（SAT）的资料还用到了NCEP/NCAR Reanalysis 2再分析资料。为讨论方便，在与模式结果进行对比时，将美国NOAA/NSIDC的北极海冰资料和NCEP再分析资料统称为观测资料。同时，本文参考Clare和Walsh的海冰季节划分方法［20］，定义冬季为 1—3月，春季为4—6月，夏季为7—9月，秋季为10—12月。

表1 观测资料和CM IP5模式的海冰面积、变率以及变化趋势Table 1.SIE，variability and trends in observations and CMIP5 models

2 结果分析

2.1 北极海冰空间形态的模拟

图1是1979—2005年冬季和夏季北极海冰密集度的空间分布。从图中可以看到，冬季和夏季多模式集合平均的北极海冰的范围均大于观测，海冰模拟偏多的范围主要集中在太平洋一侧的鄂霍次克海以及白令海，以及大西洋一侧的巴伦支海、格陵兰海和拉布拉多海。但是在夏季，虽然多模式集合平均的北极海冰的范围偏大，但是北冰洋边缘海区的海冰密集度的数值要小于观测。

图1 1979—2005年观测（a，b）和 CMIP5集合平均（c，d）北极海冰密集度的空间分布（%）.（a，c）冬季，（b，d）夏季Fig.1.The spatial distribution（%）of Arctic SIC from observations（a，b）and CMIP5 ensemblemean（c，d）over 1979—2005（a，c）winter；（b，d）summer

为了定量评估不同模式模拟的多年平均的海冰密集度空间型与观测的相似度，把各个模式模拟的多年平均的海冰密集度与观测空间相关，并计算模式模拟的标准差与观测的比率，将其表示在“泰勒”图［21］上（图2）。图中的半径表示标准差的比率，与纵坐标轴的角度表示相关系数的反余弦，即离横坐标轴比率为1的半径越近，则表示模式模拟的海冰密集度的形态越接近观测。从图中可以看到，多数模式模拟的多年平均的海冰密集度与观测的相关系数都在0.6—0.9之间，并且除了FGOALS-g2以外，其他模式的空间标准差均小于观测，其中BCCCSM1.1的空间标准差远小于观测，同时还可以看到，MIROC-ESM和MIROC-ESM-CHEM模式对于北极海冰空间分布模拟能力要强于其他模式。

2.2 北极海冰季节、年际变化的模拟

图3给出了1979—2005年平均的北极海冰面积的季节变化。观测资料结果显示，北极海冰面积在3月达到全年最大值，为15.7×106km2，在9月达到最小值，为6.9×106km2。将模拟的北极海冰面积与观测对比时发现，不同的模式对于海冰面积的模拟差异很大。大部分模式模拟的海冰面积偏小，特别是8—10月，其中在全年海冰面积最小的9月份，GFDL-CM3模拟的海冰面积最少，而GISS-E2-R-CC和HadGEM2-AO模拟的9月海冰面积也有很大的负偏差。而CSIRO-Mk3.6.0模拟的海冰面积在所有季节均偏大，BCC-CSM1.1模拟的冬季北极海冰面积的明显偏多，但在夏季面积则偏少。15个模式集合平均的结果与观测较为接近。从季节变化的均方根误差的计算结果看（表1），HadGEM2-ES的均方根误差最小，为 0.83×106km2，CanESM2的均方根误差也较小，而模拟最差的是BCC-CSM1.1，均方根误差为4.38×106km2。

图2 模式模拟多年平均的北极海冰空间能力的泰勒图Fig.2.Taylor diagrams showing skills of geographical distribution ofmean Arctic sea ice

图3 1979—2005年观测资料和CMIP5模式的北极海冰面积的季节循环Fig.3.The seasonal cycle of Arctic SIE from observations and CMIP5 models over 1979—2005

图4是1979—2005年北极海冰面积的年际变化，从图中可以看到，CanCM4、HadGEM2-ES和GISS-E2-H-CC模拟的海冰面积与观测较为接近，BCC-CSM1.1和 CSIRO-Mk3.6.0模拟的海冰面积偏多，GFDL-CM3则明显偏少。而多模式集合平均的结果与观测较为接近。从年际变化的均方根误差的计算结果看（表1），CanCM4的均方根误差最小，为0.23×106km2，接着是 HadGEM2-ES，模拟最差的是 GFDL-CM3，均方根误差为3.87×106km2。

图4 1979—2005年观测资料和CMIP5模式的年平均北极海冰面积的年际变化Fig.4.The mean annual Arctic SIE from observations and CMIP5 models over 1979—2005

2.3 北极海冰的变化趋势的模拟

以上主要分析了气候模式对于北极海冰面积的季节和年际变化模拟效果，下面我们主要研究不同的气候模式对于北极海冰变化趋势的模拟能力。

图5是1979—2005年不同季节北极海冰密集度变化趋势的空间分布。在冬季，观测（图5a）中北大西洋一侧的格陵兰海、巴伦支海和巴芬湾的海冰均为显著减少的趋势，而在太平洋一侧的鄂霍次克海的海冰减少的趋势也较为显著；多模式平均（图5c）的结果中，海冰减少的范围与观测较为接近，但是减少的趋势远小于观测。在夏季，观测（图5b）中海冰减少的海区主要集中在北冰洋边缘地区，特别是在楚科奇海、巴伦支海和喀拉海等海区；多模式平均（图5d）的结果中，海冰减少的范围比观测大，但是减少的趋势远小于观测。

图5 1979—2005年观测（a，b）和CMIP5集合平均（c，d）北极海冰密集度变化趋势的空间分布.（a，c）冬季；（b，d）夏季（单位：%·dec-1）Fig.5.The seasonalmean spatial distribution of trend in Arctic SIC from observations（a，b）and CMIP5 ensemblemean（c，d）over 1979—2005.（a，c）winter；（b，d）summer（unit：%·dec-1）

1979—2005年，在观测中，年平均的北极海冰面积线性减少的趋势为-0.44×106km2·dec-1，15个模式均模拟出了海冰面积减少的变化趋势（表1），CanESM2模式的线性减少趋势最大，为-0.5×106km2·dec-1，而FGOALS-g2模式的线性减少趋势最小，为 -0.14×106km2·dec-1，而 HadGEM2-ES、HadCM3等模式的线性减少趋势与观测较为接近。

图6是不同月份北极海冰面积的变化趋势，在观测中，各个月份海冰面积均为减少的变化趋势，其中9月份减少的趋势最大，为-0.59×106km2·dec-1，而5月份减少的趋势最小，为 -0.36×106km2·dec-1。模式模拟的各月海冰面积的变化趋势与观测相差较大，多数模式模拟的海冰面积减少的趋势要小于观测值，特别是在冬季和春季。多模式集合平均的北极海冰面积变化趋势在6月最小，为-0.22×106km2·dec-1，在 9月最大，为 -0.53×106km2·dec-1。

2.4 北极海冰对于全球变化的气候敏感性分析

随着大气中温室气体浓度的持续增加和土地利用变化，气候系统正在经历一次以变暖为主要特征的显著变化，周天军等［22］利用19个气候模式检验了20世纪全球以及中国的地表气温的变化。与此同时，气候变化已经而且正在导致海平面上升、水圈循环变化、极端天气和气候事件频率和强度增加等一系列的气候和环境变化，尤其体现在对气候变化较为敏感和脆弱的地区，而北极地区海冰在全球变化的背景下也显著减少，下面我们分析北极海冰的变化对于全球变化的响应。

图6 1979—2005年观测资料和CMIP5模式不同月份北极海冰面积的变化趋势Fig.6.Monthly trends of Arctic SIE from observations and CMIP5 models over 1979—2005

Gregory等［23］和 Forster等［24］使用了一种新的表达式N-Q＝-YΔTs来诊断全球变暖下气候敏感性的反馈情况，其中N表示气候系统的净热量通量，Q表示气候系统外部的辐射强迫，ΔTs表示地表气温的变化，Y则为气候敏感因子，一些学者利用这个概念和方法做了中低纬度一些气候敏感性的分析［25-26］。Zhang［27］指出，这种方法同样适用于北极地区，并将上式变形为ΔAice＝-YΔTs，其中ΔAice表示海冰面积的异常，并用此方法讨论了9月的海冰面积变化对北极地区地表气温的响应。而Gregory等［28］和 Michael［29］指出北极海冰面积与全球温度的变化密切相关，所以本文主要研究北极的年平均的海冰面积对于全球地表气温变化的响应。

为了研究北极海冰的气候敏感性Y，我们首先计算了1979—2005年平均的全球地表气温的变化（图7），从图中可以看到，观测资料和模式的全球地表气温均呈现出增温的变化趋势，这与全球变暖的结果相一致。与观测结果相比，多数模式模拟的全球地表气温低于观测值，由前面的分析可知，很多模式模拟的北极海冰面积都比观测值要小，而这些并不符合温度降低，海冰面积增加的常识，模式的模拟结果中海冰面积和地表气温的不一致性说明不同的模式的海冰对于温度变化的响应是不同的，而这些也使得我们需要进一步探究海冰面积和地表气温之间的关系。

图7 1979—2005年观测资料和CMIP5模式年平均全球地表气温的变化趋势Fig.7.Themean global SAT from the observations and CMIP5 models over 1979—2005

图8 观测（红色）和模式（蓝色）资料北极海冰面积和地表气温距平的散点分布和线性回归Fig.8.Scatter plot and linear regression of annual Arctic SIE and SAT anomalies for models（blue）and observations（red）

图8是观测和所有模式的海冰面积和地表气温之间的关系，我们利用线性回归的方法计算温度异常和海冰面积异常之间的关系，分别计算观测的海冰面积对于地表气温的敏感性（Yobs）和所有模式的气候敏感性（Ymod），计算可得Yobs＝1.02×106km2·K-1，Ymod＝1.11×106km2·K-1，由此可知，模式模拟的北极海冰面积对于全球地表气温的响应略强于观测。表2给出了不同模式的气候敏感性（Y）的数值，由表2可知，不同模式的气候敏感性差异较大，其中 CSIRO-Mk3.6.0模式的Y的数值最小为0.62×106km2·K-1，而 GISS-E2-R-CC模式的Y的数值最大为1.68×106km2·K-1，说明不同的模式的北极海冰面积对于地表气温的响应有很大的不同。

为了进一步揭示不同模式的北极海冰面积的变化对于气候变化的响应，我们根据不同模式的北极海冰面积季节和年际变化的均方根误差之和作为标准（数值越小说明模式模拟得越好），将15个模式分为模拟好、较好、一般三种类别（表2），从表2中可以看到，三类Y的平均值依次为1.158×106km2·K-1、1.16×106km2·K-1和 1.186×106km2·K-1，说明对于北极海冰面积模拟较好的模式，对于海冰面积变化对于温度的响应也跟观测更接近一些。

表2 不同模式的气候敏感性Table 2.Diagnosed sensitivity term for allmodels

3 小结

本文运用观测和CMIP5模式的海冰资料，评估了国内外15个气候模式模拟北极海冰的性能，多数模式都能够较好地模拟出北极海冰的季节变化特征，但是大多数模式模拟的夏季海冰偏少，而年均海冰面积大小与观测差别也较大。比较而言CanCM4、HadGEM2-ES模拟的年平均海冰面积较好，而多模式集合平均的结果与观测较为接近。在观测中，全年各月份海冰面积均呈现减少的变化趋势，其中9月份减幅最大，而5月份减幅最小。目前，大部分的气候系统模式也能够模拟出北极海冰减少的变化趋势，但减小幅度与实际差别较大。同时，在全球变化背景下，平均地表气温升高1℃，北极海冰的面积约减少1.02×106km2，而在模式中北极海冰面积的减幅位于 0.62×106—1.68×106km2之间，不同模式之间的气候敏感性差异较大，说明气候系统模式对北极海冰时空场的模拟仍然存在很多不确定性。

因此，从气候系统模式发展的角度来看，我们需要在提高模式分辨率的同时，更需要关注相关海-气-冰相互作用及其物理过程优化方案的改进。

1 Cavalieri D J，Parkinson C L，Vinnikov K Y.30-Year satellite record reveals contrasting Arctic and Antarctic decadal sea ice variability.Geophysical Research Letters，2003，30（18），doi：10.1029/2003GL018031.

2 Stroeve JC，Serreze M C，Fetterer F，et al.Tracking the Arctic’s shrinking ice cover：Another extreme Septemberminimum in 2004.Geophysical Research Letters，2005，32（4）：L04501，doi：10.1029/2004GL021810.

3 Comiso JC，Parkinson C L，Gersten R，et al.Accelerated decline in the Arctic sea ice cover.Geophysical Research Letters，2008，35（1）：L01703，doi：10.1029/2007GL031972.

4 Holland M M，Bitz CM.Polar amplification of climate change in coupledmodels.Climate Dynamics，2003，21（3-4）：221—232.

5 Alexander M A，Bhatt U S，Walsh JE，et al.The atmospheric response to realistic sea ice anomalies in an AGCM during winter.Journal of Climate，2004，17（5）：890—905.

6 Magnusdottir G，Derser C，Saravanan R.The effects of North Atlantic SST and sea ice anomalies in the winter circulation in CCM3.PartⅠ：Main features and storm track characteristics of the response.Journal of Climate，2004，17（5）：857—876.

7 Deser C，Magnusdottir G，Saravanan R，etal.The effects of North Atlantic SST and sea ice anomalies on the winter circulation in CCM3.PartⅡ：Direct and indirect components of the response.Journal of Climate，2004，17（5）：877—889.

8 Deser C，Tomas R A，Peng S L.The transient atmospheric circulation response to North Atlantic SST and sea ice anomalies.Journal of Climate，2007，20（18）：4751—4767.

9 Honda M，Inous J，Yamane S.Influence of low Arctic sea-iceminima on anomalously cold Eurasian winters.Geophysical Research Letters，2009，36（8）：L08707，doi：10.1029/2008GL037079.

10 Francis JA，Chan W H，Leathers D J，etal.Winter northern hemisphereweather patterns remember summer Arctic sea-ice extent.Geophysical Research Letters，2009，36（7）：L07503，doi：10.1029/2009GL037274.

11 Francis JA，Vavrus S J.Evidence linking Arctic amplification to extreme weather in mid-latitudes.Geophysical Research Letters，2012，39（6）：L06801，doi：10.1029/2012GL051000.

12 IPCC.Climate change 2001：The scientific basis//Houghton JT，Ding Y，Griggs D J，etal.Contribution ofWorking Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge，United Kingdom and New York，NY，USA：Cambridge University Press，2001：511.

13 Arzel O，Fichefet T，Goosse H.Sea ice evolution over the 20th and 21st centuries as simulated by current AOGCMs.Ocean Modelling，2006，12（3-4）：401—415.

14 Stroeve J，Holland M M，MeierW，etal.Arctic sea ice decline：Faster than forecast.Geophysical Research Letters，2007，34（9）：L09501，doi：10.1029/2007GL029703.

15 Kattsov V，Ryabinin V，Overland J，Serreze M，etal.Arctic sea ice change：A grand challenge of climate science.JournalofGlaciology，2010，56（200）：1115—1121.

16 Kay JE，Holland M M，Jahn A.Inter-annual tomulti-decadal Arctic sea ice extent trends in awarmingworld.Geophysical Research Letters，2011，38（15）：L15708，doi：10.1029/2011GL048008.

17 Stroeve JC，Kattsov V，Barrett A，et al.Trends in Arctic sea ice extent from CMIP5，CMIP3 and observations.Geophysical Research Letters，2012，39（16）：L16502，doi：10.1029/2012GL052676.

18 Parkinson C L，CavalieriD J，Gloersen P，etal.Arctic sea ice extents，areas，and trends，1978—1996.JournalofGeophysicalResearch：Oceans，1999，104（C9）：20837—20856.

19 Zwally H J，Comiso JC，Parkinson C L，etal.Variability of Antarctic sea ice 1979—1998.Journal of Geophysical Research：Oceans，2002，107（C5）：9-1-9-19，doi：10.1029/2000JC000733.

20 Deser C，Walsh JE，Timlin M S.Arctic sea ice variability in the context of recent atmospheric circulation trends.Journal of Climate，2000，13（3）：617—633.

21 Taylor K E.Summarizingmultiple aspects ofmodel performance in a single diagram.Journal of Geophysical Research：Atmospheres，2001，106（D7）：7183—7192，doi：10.1029/2000JD900719.

22 Zhou T J，Yu R C.Twentieth-century surface air temperature over China and the globe simulated by coupled climatemodels.Journal of Climate，2006，19（22）：5843—5858.

23 Gregory JM，Ingram W J，Palmer M A，etal.A newmethod for diagnosing radiative forcing and climate sensitivity.Geophysical Research Letters，2004，31（3）：L03205，doi：10.1029/2003GL018747.

24 Forster PM D，Gregory JM.The climate sensitivity and its components diagnosed from earth radiation budget data.Journal of Climate，2006，19（1）：39—52.

25 Bony S，Dufresne JL.Marine boundary layer clouds at the heart of tropical cloud feedback uncertainties in climatemodels.Geophysical Research Letters，2005，32（20）：L20806，doi：10.1029/2005GL023851.

26 Lindzen R S，Choi Y S.On the determination of climate feedbacks from ERBE data.Geophysical Research Letters，2009，36（16）：L16705，doi：10.1029/2009GL039628.

27 Zhang X D.Sensitivity of Arctic summer sea ice coverage to global warming forcing：Towards reducing uncertainty in arctic climate change projections.Tellus，2010，62（3）：220—227.

28 Gregory JM，Stott PA，Cresswell D J，etal.Recentand future changes in Arctic sea ice simulated by the HadCM3 AOGCM.Geophysical Research Letters，2002，29（24）：28-1-28-4，doi：10.1029/2001GL014575.

29 Winton M.Do climatemodelsunderestimate the sensitivity of Northern Hemisphere sea ice cover？Journal of Climate，2011，24（15）：3924—3934.