变网格模式LMDZ4对东亚夏季气候的模拟检验

杨浩,江志红,李肇新



变网格模式LMDZ4对东亚夏季气候的模拟检验

杨浩①②,江志红②*,李肇新②③

① 中国气象局 武汉暴雨研究所 暴雨监测预警湖北省重点实验室,湖北 武汉,430205;

② 南京信息工程大学 气象灾害教育部重点实验室/气象灾害预报预警与评估协同创新中心,江苏 南京,210044;

③ 法国科研中心动力气象实验室,法国 巴黎

2015-04-10收稿，2015-06-23接受

国家自然科学基金重点项目(41230528);江苏高校优势学科建设工程资助项目(PAPD);公益性行业(气象)科研专项(GYHY201306024);江苏省高校“青蓝工程”创新团队项目

摘要对法国动力气象实验室发展的变网格全球大气环流模式LMDZ4在东亚地区的模拟性能进行评估。LMDZ4作为海气耦合模式IPSL-CM5A的大气模块,本文局地格点加密区域位于东亚上空,加密区外使用ERA-interim再分析资料进行驱动,积分时段为1979—2009年。通过对模式在东亚东部区域夏季气候的模拟能力评估,发现模式整体上能够真实地模拟出南亚高压、西风急流、西太副高、水汽输送以及夏季风等环流系统的气候平均态,地面雨带和气温的分布及极值中心都得到较好再现。同时模式仍显现一定的偏差,具体表现为,华南沿海的模拟偏冷偏湿,江淮流域偏暖偏干,而东北地区则偏暖偏湿,导致这种地面要素场偏差的原因来自于中上层环流场的系统性模拟偏差。例如,高层南亚高压、西风急流模拟偏弱,而印度季风和来自印度洋的水汽输送偏强,导致华南沿海降水偏多。西太平洋副高偏东偏弱,低纬东风带强度偏弱,西太平洋区域比湿偏小,使得东南风带来的水汽无法到达江淮流域。上述偏差的产生可能由于LMDZ4模式中的云参数化方案尚存在不足之处,使得云量的模拟偏少,并且该版本模式的垂直分辨率不足,限制了它对高层环流系统的模拟能力,增加了模式的系统误差。

关键词

变网格模式

东亚夏季气候

模拟检验

气候系统的复杂性决定了气候模式中存在着缺陷,它们在气候模式建立之初就已经存在(Collins et al.,2010)。气候模式仍然需要做很大改进,云辐射过程、云和水汽反馈过程、陆面过程以及海洋物理过程等是气候模式误差的主要来源。同时,不同模块之间的误差传递,也在某些程度上增强了模式总体的不确定性(陈海山等,2011)。因此,对气候系统描述的误差,对气候系统的各个物理过程认知的有限以及技术的限制,使得要完全解决这些问题仍然面临很大的挑战(Van Vuuren et al.,2011)。动力降尺度一般采用区域气候模式进行,它需要将观测或者低分辨率全球模式结果作为模拟所需的初始和侧边界驱动条件。动力降尺度可以捕捉到较小尺度的非线性作用,所提供的气候变量之间提高了协调性。然而,区域气候模式模拟的区域气候特征较全球模式有较大改善的原因,目前尚不清楚(王树舟和于恩涛,2013;Blazquez and Nunez,2013)。是由区域模式分辨率提高、区域内部地形、下垫面特征描述更加细致等造成,还是由外部环境场的强迫引起?为了排除全球模式外强迫部分所带来的误差来源,利用观测(再分析)资料强迫区域气候模式进行降尺度模拟,可以有效地检验观测强迫场条件下区域气候模式的模拟效果。

除了利用区域气候模式对局地区域气候进行模拟之外,动力降尺度的另外一种有效途径是采用变网格技术,在大气环流模式中对某一区域加密网格,提高局地的水平分辨率,而远离该区域的水平分辨率则相对降低。Déqué et al.(1994)的研究结果表明,和单纯的全球模式相比,这种方法能够提高模式对区域气候的模拟能力。LMDZ模式是法国国家科研中心动力气象实验室(LMD)发展的一个具有变网格能力的大气环流模式(Le et al.,1994;Li,1999)。Zhou and Li(2002)利用该模式的一个较早期版本对东亚地区进行加密,模式能够较好地再现东亚夏季风的基本特征。然而,该工作中LMDZ模式加密区分辨率较低(1°×1.5°),其模拟性能和应用均受到限制。近几年,该模式在原有基础上增加了一个新的功能,即可以利用观测资料或全球模式的环流场来强迫模式中加密区域之外的大气变量,使模式对加密区域的模拟类似于一个区域气候模式。Xin et al.(2008)和辛晓歌等(2011)利用该模式研究了东亚地区高层大气春季变冷趋势引起的气候效应。而Chen et al.(2011)则用全球模式的输出结果强迫LMDZ,从而进行未来气候情景在中国地区的降尺度试验。值得一提的是他们所用模式正是LMDZ大气模式的全球版本,利用多个海气耦合模式的海温资料驱动,从而实现多模式集合研究。

Zou et al.(2010)利用1958—2000年ERA40再分析资料来驱动在中国地区加密的LMDZ模式,第一次系统评估了LMDZ模式在中国地区的气候模拟性能,指出模式对夏季气候平均态具有较好的再现能力,而且对中国东部夏季地面气温和降水的年际变率和年代际变化也具有较好的模拟能力。但Zou et al.(2010)使用的LMDZ版本对应于法国拉普拉斯学院IPSL参加CMIP3试验的耦合模式的大气模块,具体描述可参见Hourdin et al.(2006)。然而,LMDZ是一个不断发展更新的模式,本文使用的LMDZ4版本是IPSL参与CMIP5试验的耦合模式IPSL-CM5A(Dufresne et al.,2013)的大气模块,水平分辨率相对于Zhou and Li(2002)已有较大提高。本文目的在于检验改进后的模式LMDZ4的模拟性能,且采用的模式驱动场是较新的ERA-interim高分辨率(0.75°×0.75°)再分析资料,积分时段为1979—2009年。此外,本文的分析将侧重于对中国气候有较大影响的东亚地区大气环流系统,包括南亚高压,西风急流和西太平洋副热带高压等。

东亚地区处于海陆交界地带,是世界典型的季风区之一,地形复杂多变,给模式在该区域的性能带来一定挑战(Kang et al.,2002;顾薇和李崇银,2010)。此外,模式的模拟性能主要表现在对气候平均态和气候变率两个方面,而气候平均态的评估是检验模式模拟能力的基础和重要参考依据,在很大程度上也代表模式模拟效果的优劣。因此,进一步开展变网格模式模拟结果的诊断分析和物理解释方面的研究,揭示变网格模式对东亚地区气候系统模拟误差的原因,对于改进模式,提高东亚区域尤其是我国气候变化的模拟和预测水平具有重要的科学意义和应用价值。

本文利用观测的再分析资料驱动变网格大气环流模式LMDZ4,从考察模式对东亚夏季降水、气温以及环流形势模拟能力的角度,对模式的模拟能力进行评估,分析模拟偏差的产生原因,并对模式的不确定性有一定了解,为进一步预估未来气候奠定基础。

1　模式介绍和试验设计

大气环流模式LMDZ发展到现在,从最初的固定均匀网格(Sadourny and Laval,1984)到可变网格(Li,1999),再到LMDZ4(Hourdin et al.,2006;Dufresne et al.,2013),各物理参数化方案得到了改进和完善。本文使用的模式是LMDZ4,为了提高模式对东亚复杂地形的刻画能力,将全球尺度经纬向网格数设为120×120,模式的加密倍数在经度和纬度方向分别设为5和2.5。使得东亚加密区的水平分辨率为0.6°(经度)×0.6° (纬度),模式中心点为(110°E,30°N),加密区范围(85～135°E,5～55°N)(图1),覆盖了东亚大部分地区,垂直方向19层。为保证环流模拟的有效性,在模式加密区内没有外部资料强迫作用,加密区外松弛过程时间尺度为0.5 h,加密区域内模式几乎是独立运行,而在加密区以外模式几乎完全依赖于强迫场的变化而变化。

图1　模式在全球的网格点分布Fig.1　Schematic representation of the global model grid

模式的强迫环流场使用ERA-interim再分析资料,强迫变量包括纬向风(u)、经向风(v)、温度(t)和比湿(q),强迫场更新时间间隔为6 h,水平分辨率0.75°×0.75°。模式的下边界由具有季节变化的观测SST和海冰进行强迫,积分时间为1979—2009年,共31 a。相比于Zou et al.(2010)和Xin et al.(2008)的工作,该试验的设计中,LMDZ4模式在东亚地区与ERA-interim的分辨率较为接近,地形也基本一致(图2)。为对比模拟结果,本文选取的环流场资料为ERA-interim再分析资料,地面气温和降水资料分别使用Xu et al.(2009)和Chen et al.(2010)发展的中国区域格点数据,这两套数据均由站点观测插值得到,分辨率均为0.5°×0.5°。

图2　ERA-interim(a,c)与LMDZ4(b,d)模式在东亚(a,b)和中国东南部(c,d)的地形分布(单位:m)Fig.2　Topography in (a,b)East Asia and (c,d)South China in (a,c)ERA-Interim data and in (b,d)the LMDZ4 model(units:m)

2　结果分析

2.1地面要素场模拟的检验

降水和气温是最具代表性的两个气候要素,直接反映出气候变化特征并影响着人类活动,在区域气候模拟研究中,人们最关心的就是模式对温度和降水的模拟能力。

图3a、b、c给出了观测的夏季气候平均降水以及模拟偏差,模式可以成功地再现降水的由南向北递减的分布特征,能够模拟出位于中国南部沿海的降水中心,但对于夏季长江流域的多雨带,模式没有有效地抓住该特征。由模拟偏差(图3c)可见,模式在中国南部沿海、东北以及青藏高原东侧等地区模拟的降水偏多,比实际观测偏多1～2 mm/d。而在江淮流域到西南地区,模拟降水偏少1 mm/d左右。全国平均来看,模拟降水总体偏湿,比观测多0.67 mm/d,这也和Zou et al.(2010)得出的结论一致,他们模式降水多出1.22 mm/d。

图3　中国夏季平均降水(a、b、c;单位mm/d)和气温(d、e、f;单位:℃)分布(阴影区偏差绝对值大于1 mm/d 或1 ℃)　　a,d.观测值;b,e.模拟值;c,f.模拟偏差Fig.3　June—August mean (a—c)precipitation (units:mm·d-1)and (d—f)surface air temperature(units:℃)for the (a,d)observation,and the difference between (b,e)LMDZ4 and the (c,f)observation:(shaded areas indicate biases exceeding 1 mm·d-1 or 1 ℃)

相对降水来说,模式对温度的模拟误差较小(图3d、e、f)。全国总体为暖偏差,模拟偏高1.3 ℃。通过对比观测与模式模拟的多年平均夏季地面气温分布发现,中国夏季气温南高北低的变化趋势在模式中得到较好再现,四川盆地、内蒙西部以及塔里木盆地的高值中心位置模拟准确。温度的模拟偏差分布同样具有明显的区域差异,其中冷偏差主要分布在东南沿海(-1 ℃)和青藏高原周边地区(-1～-4 ℃),而东北、黄淮流域、四川盆地以及西北地区则呈现暖偏差,最高偏差达3 ℃(图3f)。这种温度的模拟偏差,不仅只表现在低层,到对流层中部500 hPa附近,偏差均呈现出南低北高(图4),在对流层高层,偏差反向,南方模拟偏高,北方偏低。

通过对比地面要素场,模式基本抓住了降水和温度在中国的分布特征,空间相关系数均超过99%显著性检验。同时模拟仍存在一定的偏差,具体表现为,华南沿海的模拟偏冷偏湿,江淮流域偏暖偏干,而东北地区则为偏暖偏湿。影响气温和降水的最直接因素来自环流场,因此有必要进一步从环流场角度寻找模式模拟偏差的来源。

图4　110～120°E平均经向温度模拟偏差的垂直分布(阴影区偏差绝对值超过0.5 ℃,竖线内部为模式实际有效模拟区间)Fig.4　Vertical distribution of model biases for June—August mean temperature averaged for the longitudinal range of 110—120°E(shading indicates regions greater than 0.5 ℃;inner straight lines indicate the effective model area)

2.2高层环流系统的模拟检验

大量研究表明,东亚夏季环流系统中,最重要的高层大尺度环流系统是位于东亚中纬度地区的高空西风急流以及南亚高压(朱福康等,1980;朱乾根等,2003;Zhang et al.,2006),其强度变化和位置移动影响着我国的气温分布和雨带移动。因此模式对高层环流系统的模拟能力直接决定降水和气温的模拟效果。

从模式模拟的100 hPa南亚高压及其偏差场可看出(图5),南亚高压位于30°N的纬度中心位置能准确模拟出来,但中心经向位置偏西,强度偏弱。根据刘杰等(2010)关于南亚高压相关指数的定义,与观测相比,模式模拟的南亚高压中心的面积偏小,16 750 gpm闭合曲线仅位于青藏高原上空(图5a),而观测的16 750 gpm闭合曲线一直延伸到长江下游入海口附近(图略),这也极有可能是和长江流域模式降水偏少有关。由于风场与气压场动力学上的联系,南亚高压和西风急流是紧密联系在一起的,气压场的变化必然导致风场的调整,风场的变化亦会导致气压场的变动。

图5　夏季100 hPa位势高度的模拟场(a),模拟偏差场(b)(单位:gpm;图a阴影表示南亚高压中心位置;图b阴影表示偏差超过100 gpm)Fig.5　June—August mean geopotential height at 100 hPa for (a)LMDZ4 and (b)the difference between LMDZ4 and ERA-Interim(units:gpm)[shaded area in (a)is the observed South Asian High extent;shaded area in (b)indicates model biases exceeding 100 gpm]

因此,从模式对200 hPa夏季气候平均纬向风的模拟结果来看(图6),模式能够较好地模拟出东亚西风急流的基本位置,模拟的急流轴(最大风速达30 m/s以上中心纬度)位于40°N附近,与观测资料很接近,但强度比观测弱,极大值中心范围较小。由模拟与观测之差(图6c)可见,在我国华北和内蒙上空区,西风急流模拟较弱,负偏差中心值为3 m/s,低纬地区长江以南高层为弱东风区。这种200 hPa纬向风模拟的整体偏弱从速度势上同样得到反映,在观测场中(图6a),辐散风中心位于菲律宾及其周围海域上空,整个东亚区域都处在辐散风范围内,在北印度洋和南亚上空辐散风梯度最大。模拟的速度势分布型(图6b)与观测基本吻合,辐散中心同样在菲律宾上空附近,最强辐散风出现在印度半岛和阿拉伯海一带。但是,模拟的速度势强度较观测弱,尤其辐散中心的偏弱程度达到25%。根据地转风关系,南亚高压的偏弱,直接导致西风急流以及低纬东风带的减弱,速度势减小。

图7给出中国东部纬向风和经向风模拟偏差的垂直分布。纬向风的模拟偏差(图7a)主要表现在对流层上层低纬地区的西风风速和中纬度的东风风速均比观测偏小,在对流层中层500 hPa附近模拟与观测较为接近,在对流层低层,华南、江淮地区的西风偏强,华北地区西风略弱。经向风的模拟偏差廓线如图7b,与纬向风类似,模拟偏差在近地面表现得更加复杂。对流层中上层北风模拟大范围偏弱,低层华南和华北地区南风偏弱,江淮地区南风偏强。因此,该模式在对流层中上层表现为系统性偏差,在对地表气候具有重要影响的对流层下层,模式模拟的经向风场偏差与上述温度的偏差相符。

图6　ERA-interim(a)和LMDZ4(b)的夏季平均200 hPa速度势(等值线,单位:106m2·s-1)、辐散风场(矢量,单位:m/s)、纬向风(阴影,单位:m/s)及纬向风模式偏差(c,单位:m/s)分布(图c方框内部为模式实际有效模拟区间)Fig.6　June—August mean 200-hPa velocity potential(contours;units:106 m2·s-1),divergent wind (vectors;units:m·s-1),and zonal wind [(a)ERA-Interim;(b)LMDZ4];and (c)model biases for 200-hPa zonal wind[inner box in (c)is the effective model area]

图7　110～120°E平均纬向风(a)和经向风(b)模拟偏差的垂直分布(单位:m/s,竖线内部为模式实际有效模拟区间)Fig.7　Vertical section of model wind biases for June—August mean (a)zonal wind and (b)meridional wind,averaged for the longitudinal range of 110—120°E (units:m·s-1;shading indicates regions greater than 1 m·s-1;inner straight lines indicate the effective model area)

总之,模式对对流层上层南亚高压、西风急流和速度势的模拟在空间分布上与观测十分吻合(空间相关系数均超过0.98),但强度明显偏弱,高层环流系统的减弱,将进一步影响到对流层中低层的天气系统,从而引起我国雨带和气温的变化。

2.3中、低层环流系统的模拟检验

前文主要检验了模式模拟的西风急流等对流层高层环流系统,而在行星尺度上,影响东亚夏季降水、温度变化的另一个大的环流系统是中低纬对流层中低层的西太平洋副热带高压(吴国雄等,2002;陶诗言和卫捷,2006)。因此,模式对西太副高的模拟能力往往决定着我国降水的模拟效果。

从观测的夏季500 hPa高度场来看(图8a),西太平洋副高脊线维持在25°N左右,西伸脊点位于134°E附近,中高纬度等高线较为平直,在我国华北上空有一弱低压槽,印度上空存在明显高压区。图 8b显示,模式对500 hPa 高度场有较好的模拟效果(空间相关系数达到0.97),副高脊线位置与观测处在同一纬度。模式模拟偏差表现在副高强度偏弱、位置偏东(西伸脊点在138°E);同时模拟值总体偏低,低纬度偏低情况明显,与大陆高压距离更远;中国东部上空的低槽更加明显(偏差图略)。已有研究表明,南亚高压的东西振荡与500 hPa西太副高存在“相向而行,相背而离”的特征,对我国夏季区域降水有非常重要的影响(朱福康等,1980)。上一节已指出模拟的南亚高压偏西偏弱,与模拟副高“相背而离”,因此该系统将进一步影响低层及地面要素场。

图8　夏季500 hPa位势高度场(等值线,单位:dagpm)和850 hPa平均风场(箭矢，单位:m/s,阴影区风速大于3 m/s)a.观测值;b.模拟偏差Fig.8　June—August mean (a)geopotential height at 500 hPa(contours;units:dagpm)and winds at 850 hPa (vectors;units:m·s-1)for ERA-Interim and (b)model bias

由于西太副高直接引导低层850 hPa风场的运动,当副高偏东且较弱,相应的来自西太平洋的东南季风减弱,而印度季风却较强,来自印度—孟湾的西南气流强盛,不但进入南海,到达菲律宾,还进一步到达菲律宾以东的西太平洋。由850 hPa气候平均风场及模拟偏差场(图8a、b)可见,模式较好地模拟出了对中国夏季气候有重要影响的青藏高原南、北支气流。北支气流在夏季很弱,仅在新疆南部的天山山脉附近有一小股偏西气流。南支气流位于东亚南部,由印度洋北部的偏西气流经中南半岛、南海进入中国东部。与观测资料对比可知,模式模拟的南支气流比观测偏强,南支西南风气流能够北伸至长江以南地区,这样的模拟偏差一方面会使得南支气流携带水汽到达华南沿海,导致该区域降水偏多,温度偏低;另一方面,模拟偏弱的东南风无法将水汽送到江淮流域,造成模拟的江淮流域偏干,偏热(图3)。需要指出的是,由于LMDZ4模式设计的特殊性,模式加密区东边界为135°E,135°E以东的风场(u、v)会向强迫场恢复,因此对该区域风场结果应谨慎对待。

为了进一步检验模式对中、低层环流系统的模拟能力,同时了解降水和温度模拟误差的原因,计算夏季850 hPa水汽通量及散度(图9)。从模拟和观测场上可以看出(图9a、b):二者水汽辐合区范围都集中在江淮流域,观测和模拟的辐合中心基本一致;水汽的辐散区包括华南沿海、华北、东北以及西北地区。上述这些特点,与夏季平均降水分布(图3)相比较,发现它与降水分布特征相吻合。模式完全抓住了水汽通量及散度的分布特征,但也存在一定的偏差(图9c)。例如,模式模拟东亚地区西南季风的水汽输送在南海到我国南部沿海地区偏强,并且该区域的散度模拟偏差为负,表明辐合更强,而江淮地区的散度模拟偏差为正,辐合偏弱,东北也存在较明显辐合偏强区域,这与降水在江淮偏少,东南沿海和东北偏多的模拟偏差分布基本吻合(图3)。显然这种偏差与高层大尺度环流系统中的南亚高压模拟偏西偏弱,西风急流和低纬东风带强度模拟偏弱,西太平洋副高模拟偏东偏弱有关。

图9　夏季850 hPa水汽通量(箭矢，单位:kg·(s·hPa·m)-1)及散度(阴影，单位:10-5 g·s-1·cm-2)观测(a)和模拟偏差场(b)(黄色阴影为正散度,蓝色阴影为负散度,深灰色阴影为正偏差,浅灰色阴影为负偏差)Fig.9　June—August mean (a)moisture flux [vectors;units:kg·(s·hPa·m)-1] and moisture flux divergence (shading;units:10-5 g·s-1·cm-2)at 850 hPa for ERA-Interim and (b)model biases (yellow and dark gray shading indicates positive biases;blue and light gray shading indicates negative biases)

模式对上层形势场的模拟存在着偏差,相应的也将影响各个地面量的模拟效果。通过以上环流系统模拟偏差分析可知,850 hPa南支西南风模拟偏强,这样将向中国东南沿海输送更多的水汽,使得该地区降水模拟偏多。高层南亚高压以及200 hPa副热带西风急流和低纬度东风带的模拟偏弱,导致500 hPa西太副高偏东偏弱,使得低层来自太平洋的东南风较弱,向江淮流域输送的水汽不足,降水模拟偏少。这种影响机制已在大量的观测诊断分析中得到证实:即夏季西风急流异常偏北(偏弱)时,我国长江中下游夏季降水异常偏少,华南、河套、华北地区夏季降水异常偏多;夏季西风急流异常偏南时,长江中下游夏季降水异常偏多,河套、华北地区夏季降水异常偏少(Liang and Wang,1998;Zhang et al.,2006;杜银等,2009)。

2.4云和比湿的模拟检验

除了上述环流形势场以外,云是太阳辐射主要的调制者,通过吸收和散射入射的太阳辐射,起到冷却或加热地面气温的作用,对降水和气温有重要影响(IPCC,2007;杨溯等,2013)。当前气候模式对云辐射过程的模拟还存在很大的不确定性,这直接影响用模式预估未来气候变化的可信度(汪方和丁一汇,2005;Li et al.,2011;Dufresne et al.,2013)。图10给出了再分析资料的气候平均总云量及LMDZ4模式的模拟偏差。模式基本能抓住总云量由南向北递减的分布特征,阿拉伯海、西太平洋、西北太平洋的大值中心模拟较好。但除了南海北部、南海以东部分地区以及青藏高原西南地区以外,全国其他地区的总云量模拟均偏少。其中,青藏高原及以东地区、贝加尔湖附近的总云量偏少程度达到20%。夏季云量的模拟偏少,导致太阳对地面的短波辐射增加,从而造成我国整个长江以北地区气温模拟偏高(图3)。

比湿分布同样与季风环流、水汽输送以及地面降水密切相关。从900 hPa比湿观测场(图10)可以看到,中国西南、中南半岛北部以及青藏高原南侧是一条比湿高值带,这是来自印度洋的索马里急流带来的水汽输送。同时在菲律宾到我国南海区域也存在一大值区,该区域水汽来自西太平洋副热带反气旋。模式模拟的第一个高值区较好,但第二个高值中心没有模拟出,这可能由于上层模拟的500 hPa西太副高偏东偏弱,850 hPa西太反气旋较弱(图8),从而导致向该区域输送的水汽偏少。从模拟比湿偏差图上还可以看出,我国南海以及西太平洋大片区域比湿偏少,说明该区域受副高的影响更多一些。

IPCC最近几次报告均指出(IPCC,2001,2007),当前所有模式的云辐射参数化方案对模式的分辨率十分敏感。对不同的垂直分辨率,模拟云量相对于观测的偏差范围可达20%,射出长波辐射和入射短波辐射也会发生显著的的变化,对降水和气温产生极大影响。最重要的是,模拟结果并不随分辨率的增加而收敛于观测结果,而是表现为显著的系统性误差(Lane et al.,2000)。LMDZ4同样存在上述问题,模式垂直分辨率(19层)的不足会使模拟的云结构产生误差,并对温度、比湿等有明显的影响(Hourdin,2006;Dufresne,2013)。

图10　夏季观测总云量(a)及模拟偏差(b)(单位:%),900 hPa比湿(c)及模拟偏差(d)(单位:g/kg)Fig.10　June—August mean (a)total cloud cover(units:%)and (c)specific humidity(units:g·kg-1)at 900 hPa for ERA-Interim and (b,d)model biases

3　结论与讨论

本文使用LMDZ4变网格大气环流模式嵌套于ERA-interim再分析资料进行了31 a积分,详细分析了其对东亚区域夏季气候的刻画能力,在观测资料作为强迫场的条件下,检验模式对东亚区域气候的模拟性能和偏差,探讨其误差和不确定性来源。分析结果表明:

图11　模式模拟的各环流要素场及偏差示意Fig.11　Schematic representation of the major atmospheric circulation systems in the region and their biases in LMDZ4

1)通过对比地面降水和气温、高中低层环流场,模式在整体上能够较为真实地模拟出大气和陆面等主要变量的气候平均态。模式也能较好再现高层急流、副高、水汽输送以及夏季风等的空间分布特征和系统强度,并且模式对对流层中、高层环流的模拟比对低层环流的模拟更接近于观测,这与辛晓歌等(2011)研究结论一致。雨带和气温极值中心在模式中的再现,表明模式对于东亚气候具有不错的模拟能力,同时说明变网格模式LMDZ4对各要素场的模拟精确度较高。

2)模拟结果同样存在一定的误差(图11),具体表现为:环流场上的模拟表现为系统性偏差,夏季高层南亚高压偏西偏弱,西风急流和低纬东风带强度偏弱,西太平洋副高偏东偏弱,西太反气旋较弱。与此同时,印度季风强盛,来自印度洋的西南风水汽输送偏强,而东南风带来的水汽无法到达江淮流域,我国南海以及西太平洋大片区域比湿偏少。由于以上环流系统的模拟偏差,最终导致地面要素场上华南沿海的模拟偏冷偏湿,江淮流域偏暖偏干,而东北地区则为偏暖偏湿。

该试验中,模式与再分析资料强迫场的水平分辨率和下垫面地形基本一致,因此可以排除全球模式驱动时带来的边界条件的不确定性。通过评估检验,对模式模拟产生的系统性偏差以及误差来源有了进一步深入理解。Hourdin et al.(2006,2013)研究已指出,LMDZ4模式中的辐射方案和云参数化方案中还存在一些薄弱环节(如云水含量、光学厚度、云粒子有效半径等),导致云量的模拟偏少。最新版本的模式LMDZ5中水平和垂直分辨率都得到很大改进,尤其是垂直分辨率由19层增加到39层,这极大提高了模式对高层环流系统的模拟能力(Dufresne et al.,2013;Hourdin et al.,2013)。最后需要说明的是,由于本文采用的模式驱动及验证资料(ERA-interim)本身仍存在一定的不确定性,对本文的结论应谨慎对待。

参考文献(References)

Blazquez J,Nunez M N,2013.Analysis of uncertainties in future climate projections for South America:Comparison of WCRP-CMIP3 and WCRP-CMIP5 models[J].Climate Dyn,41:1039-1056.

Chen D,Ou T,Gong L,et al.,2010.Spatial interpolation of daily precipitation in China:1951—2005[J].Adv Atmos Sci,27(6):1221-1232.doi:10.1007/s00376-010-9151-y.

陈海山,施思,周晶,2011.BCC 气候模式对中国近50 a极端气候事件的模拟评估[J].大气科学学报,34(5):513-528.Chen H S,Shi S,Zhou J,2011.Evaluation of recent 50 years extreme climate events over China simulated by Beijing Climate Center(BCC) climatemodel[J].Trans Atmos Sci,34(5):513-528.(in Chinese).

Chen W,Jiang Z,Li L,et al.,2011.Simulation of regional climate change under the IPCC A2 scenario in southeast China[J].Climate Dyn,36:491-507.

Collins M,An S I,Cai W,et al.,2010.The impact of global warming on the tropical Pacific Ocean and El Nio[J].Nature Geoscience,3(6):391-397.

Déqué M,Dreveton C,Braun A,et al.,1994.The ARPEGE/IFS atmosphere model:A contribution to the French community climate modeling[J].Climate Dyn,10:249-266.

杜银,张耀存,谢志清,2009.东亚副热带西风急流位置变化及其对中国东部夏季降水异常分布的影响[J].大气科学,33(3):581-592.Du Y,Zhang Y C,Xie Z Q,2009.Location variation of the East Asia subtropical westerly jet and its effect on the summer precipitation anomaly over eastern China[J].Chinese J Atmos Sci,33 (3):581-592.(in Chinese).

Dufresne J L,Foujols M A,Denvil S,et al.,2013.Climate change projections using the IPSL-CM5 Earth System Model:From CMIP3 to CMIP5[J].Climate Dyn,40:2123-2165.

顾薇,李崇银,2010.IPCC AR4中海气耦合模式对中国东部夏季降水及PDO、NAO年代际变化的模拟能力分析[J].大气科学学报,33(4):401-411.Gu W,Li C Y,2010.Evaluation of the IPCC AR4 climate models in simulating the interdecadal variations of the east China summer precipitation,PDO and NAO[J].Trans Atmos Sci,33(4):401-411.(in Chinese).

Hourdin F,Musat I,Bony S,et al.,2006.The LMDZ4 general circulation model:Climate performance and sensitivity to parameterized physics with emphasis on tropical convection[J].Climate Dyn,27:787-813.

Hourdin F,Foujols M A,Codron F,et al.,2013.Impact of the LMDZ atmospheric grid configuration on the climate and sensitivity of the IPSL-CM5A coupled model[J].Climate Dyn,40:2167-2192.

IPCC,2001.Climate change 2001:The scientific basis.In contribution of working group I to the third assessment report of the intergovernmental panel on climate change[R].United Kingdom and New York,USA:Cambridge University Press.

IPCC,2007.Climate change 2007:The physical science basis.Contribution of working group I to the fourth assessment report of the intergovernmental panel on climate change[R].New York:Cambridge University Press.

Kang I,Jin K,Wang B,et al.,2002.Inter-comparison of the climatological variations of Asian summer monsoon precipitation simulated by 10 GCMs[J].Climate Dyn,19:383-395.

Lane D E,Somerville R C,Jacobellis S F,2000.Sensitivity of cloud and radiation parameterizations to changes in vertical resolution[J].J Climate,13:915-922.

Le T H,Li Z X,Forichon M F,1994.Sensitivity of the LMD general circulation model to greenhouse forcing associated with two different cloud water parameterizations[J].J Climate,7:1827-1841.

Li W G,Hou M T,Xin J W,2011.Low-cloud and sunshine duration in the low-latitude belt of South China for the period 1961-2005[J].Theor Appl Climatol,104:473-478..

Li Z,1999.Ensemble atmospheric GCM simulation of climate interannual variability from 1979 to 1994[J].J Climate,12:986-1001.

Liang X Z,Wang W C,1998.Associations between China monsoon rainfall and tropospheric jets[J].Quart J Roy Meteor Soc,124:2597-2623.

刘杰,况雪源,张耀存,2010.对流层上层东半球副热带西风急流与副热带(南亚)高压的关系[J].气象科学,30(1):34-41.Liu J,Kuang X Y,Zhang Y C,2010.Relationship between the east Asia subtropical westerly jet in the upper troposphere and the subtropical south Asian high[J].Scientia Meteorologica Sinica,30(1):34-41.(in Chinese).

Sadourny R,Laval K,1984.January and July performance of the LMD general circulation model.In:Berger A,Nicolis C(eds)New perspectives in climate modeling[R].Amsterdam:Elsevier:173-197

陶诗言,卫捷,2006.再论夏季西太平洋副热带高压的西伸北跳[J].应用气象学报,17:513-525.Tao S Y,Wei J,2006.The Westward,Northward advance of the subtropical high over the West Pacific in summer[J].J Appl Meteor Sci,17:513-525.(in Chinese).

Van Vuuren D P,Edmonds J A,Kainuma M,et al.,2011.The representative concentration pathways:An overview[J].Climatic Change,109:5-31.

汪方,丁一汇,2005.气候模式中云辐射反馈过程机理的评述[J].地球科学进展,20(2):207-215.Wang F,Ding Y H,2005.An evaluation of cloud radiative feedback mechanisms in climate models[J].Advances in Earth Science.20(2):207-215.(in Chinese).

王树舟,于恩涛,2013.基于MIROC/WRF 嵌套模式的中国气候降尺度模拟[J].气候与环境研究,18(6):681-692.Wang S Z,Yu E T,2013.Dynamical downscaling simulation over China using the nested MIROC/WRF model[J].Climatic Environ Res,18 (6):681-692.(in Chinese).

吴国雄,丑纪范,刘屹岷,等,2002.副热带高压形成和变异的动力学问题[M].北京:科学出版社:312.Wu G X,Chou J F,Liu Y M,et al.,2002.The dynamic mechanism on the formation and variation of subtropical high[M].Beijing:Science Press:312.(in Chinese).

Xin X,Li Z,Yu R,et al.,2008.Impacts of upper tropospheric cooling upon the late spring drought in East Asia simulated by a regional climate model[J].Adv Atmos Sci,25(4):555-562.

辛晓歌,周天军,李肇新,2011.一个变网格大气环流模式对中国东部春季的区域气候模拟[J].气象学报,69(4):682-692.Xin X G,Zhou T J,Li Z X,2011.Regional climate simulation over eastern China in spring by a variable resolution AGCM[J].Acta Meteorologica Sinica,69(4):682-692.(in Chinese).

Xu Y,Gao X,Shen Y,2009.A daily temperature dataset over China and its application in validating a RCM simulation[J].Adv Atmos Sci,26(4):763-772.

杨溯,石广玉,王标,等,2013.1961—2009年我国地面太阳辐射变化特征及云对其影响的研究[J].大气科学,37(5):963-970.Yang S,Shi G Y,Wang B,et al.,2013.Trends in surface solar radiation(SSR)and the effect of clouds on SSR during 1961—2009 in China[J].Chinese J Atmos Sci,37 (5):963-970.(in Chinese).

Zhang Y C,Kuang X Y,Guo W D,et al.,2006.Seasonal evolution of the upper tropospheric westerly jet core over East Asia[J].Geophys Res Lett,33:L11708.doi:10.1029/2006GL026377.

Zhou T J,Li Z X,2002.Simulation of the East Asian summer monsoon using a variable resolution atmospheric GCM[J].Climate Dyn,19:167-180.

朱福康,陆龙骅,陈咸吉,等,1980.南亚高压[M].北京:科学出版社.Zhu F K,Lu L Y,Chen W J,et al.,1980.The South Asian High[M].Beijing:Science Press.(in Chinese).

朱乾根,林锦瑞,寿绍文,等,2003.天气学原理和方法[M].北京:气象出版社:192-195.Zhu Q G,Lin J R,Shou S W,et al.,2003.Principles and methods of synoptic meteorology[M].Beijing:China Meteorological Press:192-195.(in Chinese).

Zou L W,Zhou T J,Li Z X,et al.,2010.East China summer rainfall variability of 1958—2000:Dynamical down scaling with a Variable-Resolution AGCM[J].J Climate,23:6394-6408.

LMDZ4,a variable-resolution global atmospheric general circulation model,is assessed against observed data in Southeast Asia before its further utilization in climate change downscaling studies.The model is developed in the Laboratoire de Météorologie Dynamique in Paris,as the atmospheric component of the ocean—atmosphere coupled system IPSL-CM5A.In order to investigate the ability of LMDZ4 in simulating East Asian summer precipitation,temperature and circulation,this paper analyzes the causes of simulation deviation and some of the uncertainties in this model.The study is expected to lay a foundation for further forecasting of future climate changes.

In this study,LMDZ4 has its domain centered over Southeast Asia[domain center at (30°N,110°E);coverage:(5—55°N,85—135°E)],and is driven by ERA-Interim reanalysis data from 1979 to 2009.It is actually used as a traditional limited-area model with the whole globe as the buffer zone that receives the ERA-Interim data.The nudged variables include zonal wind,meridional wind,temperature and specific humidity,with a time interval of 6 h.There are 121×120(latitude×longitude)grids and 19 layers in the vertical direction.The spatial resolution inside the domain is approximately 0.6°×0.6°.The driving forcing is added through a relaxation procedure.We impose a long(10 days,but not infinite,to be comparable with other simulations using this historical set-up)relaxation time scale inside the domain,while the relaxation time scale outside the domain is 1.5 h.The use of two distinct relaxation time scales inside and outside the domain enables the model to run almost freely inside the domain,whereas it completely follows the forcing outside the domain.For the purpose of model assessment,daily temperature and rainfall at a few meteorological stations in China are used.These two datasets are available with a resolution of 0.5°×0.5°.

Results show that the mean state of the major atmospheric general circulation systems can be simulated well,including the South Asian High,westerly jet,western Pacific subtropical high,and moisture transport.The main characteristics of rainfall and surface air temperature are also successfully reproduced.Nevertheless,the simulation shows some biases.Wet and cold biases are found over southern coastal areas,warm and dry biases over the Huaihe river basin,and warm and wet biases over northeast regions,which are related to the simulation deviations of mid-upper level circulations.For example,the simulated strengths of the South Asian high and westerly jet stream are too weak,while the water vapor transport from the Indian Ocean is stronger,leading to more rainfall over southern coastal areas.The missed rainfall belt along the Yangtze River Valley is due to a lack of moisture brought by southeast winds that are too weak,and is directly related to the weak western Pacific subtropical high,which leads to less moisture over western Pacific regions.The deviations mentioned above may largely be attributable to the cloud parameterization scheme in LMDZ4,which yields insufficient cloud cover.In addition,the coarse vertical resolution in this model version is also thought to be a factor contributing to some of the imperfections in upper-level circulation,and to model biases.As we use only one regional climate model driven by one set of reanalysis data,we cannot fully explore the uncertainties of this model in terms of climate changes for precipitation and temperature.It is clear that more research is needed to assess these uncertainties.We need to include as many different types of downscaling model(e.g.,dynamical and statistical downscaling)as possible when generating climate-change information at the local scale.

variable-resolution model;East Asian summer climate;model performance

(责任编辑：刘菲)

doi：10.13878/j.cnki.dqkxxb.20150410001

Simulation of the East Asian summer climate with LMDZ4—a variable resolution model

YANG Hao1,2,JIANG Zhihong2,LI Zhaoxin2,3

1HubeiKeyLaboratoryforHeavyRainMonitoringandWarningResearch,InstituteofHeavyRain,ChinaMeteorologicalAdministration,Wuhan430205,China;2KeyLaboratoryofMeteorologicalDisasterofMinistryofEducation(KLME)/CollaborativeInnovationCenteronForecastandEvaluationofMeteorologicalDisasters(CIC-FEMD),NanjingUniversityofInformationScience&Technology,Nanjing210044,China;3LaboratoiredeMétéorologieDynamique,CNRS,Paris,France

引用格式：杨浩,江志红,李肇新,2016.变网格模式LMDZ4对东亚夏季气候的模拟检验[J].大气科学学报,39(4):433-444.

Yang H,Jiang Z H,Li Z X,2016.Simulation of the East Asian summer climate with LMDZ4—a variable resolution model[J].Trans Atmos Sci,39(4):433-444.doi：10.13878/j.cnki.dqkxxb.20150410001.(in Chinese).

*联系人，E-mail:zhjiang@nuist.edu.cn