CICE5.0与BCC_CSM2.0模式的耦合及对北极海冰的模拟评估

房永杰,储敏*,吴统文,张录军，聂思程

(1.中国气象局国家气候中心, 北京 100081；2. 南京大学 大气科学学院，江苏 南京 210023)

CICE5.0与BCC_CSM2.0模式的耦合及对北极海冰的模拟评估

房永杰1,储敏1*,吴统文1,张录军2，聂思程2

(1.中国气象局国家气候中心, 北京 100081；2. 南京大学 大气科学学院，江苏 南京 210023)

本文将美国Los Alamos国家实验室发展的最新海冰模式CICE5.0引入国家气候中心气候系统模式BCC_CSM2.0，替代原有的海冰模式SIS，形成一个新的耦合模式。在此基础上，评估新耦合模式对1985-2009年北极海冰的模拟性能，检验引入CICE5.0后对耦合模式中北极海冰、海洋和大气模拟结果的改进。结果表明，引入CICE5.0后，模式能较好地模拟出北极海冰的空间分布、季节以及年际变化特征。相比于旧版本耦合模式，新耦合模式模拟的北极多年冰增多、一年冰减少，同时，海冰增厚、海冰流速减慢，模拟效果得到显著改进，对波弗特涡流模拟的改善尤为明显。进一步分析发现，相比于SIS，CICE5.0对北极海冰特别是海冰厚度模拟性能的提升，在耦合进入BCC_CSM2.0后，会触发冰-温的正反馈机制，改进了模式对海平面气压场、表层气温和海表温度的模拟，由此进一步提高了模式对北极海冰的模拟能力。

气候系统模式；BCC_CSM2.0；CICE5.0；北极海冰；模式评估

1 引言

海冰是气候系统的重要组成部分，也是全球气候变化最敏感的组分之一，其变化具有全球气候变化指示和放大器的作用。在全球变暖的大背景下，极地气候系统近几十年来发生了比其地区更为显著的变化。研究表明，近30年北极海冰呈快速衰减趋势，就年平均而言，北极海冰的覆盖范围每10年减少约3%，其中夏季最为显著，每10年减少约10%[1—2]。与此同时，北极海冰厚度明显变薄[3—4]，北冰洋的海冰运动模式发生了很大变化[5]。海冰的显著变化会改变极地气候系统中陆、气、海、冰各个子系统的能量平衡。由于海冰-反照率正反馈机制的作用，使得全球增暖对气候的影响在极区被放大，极区气候的快速显著变化反过来又会通过大气环流和海洋温盐环流等途径影响全球的气候变化[6—7]。因此，利用大气-海洋-陆地-海冰耦合的气候系统模式对海冰进行合理模拟是研究海冰变化及其成因的重要途径之一。但到目前为止，全球耦合模式(Coupled General Circulation Models, CGCMs)对于海冰特别是北极海冰厚度和面积的模拟还存在很大问题[8—12]。邱博等[9]和舒启等[13]分别评估了参加CMIP5(Coupled Model Inter-comparison Project Phase 5)计划14和24个CGCMs的模拟结果，发现大部分模式能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，年均海冰面积大小与观测也存在较大差别，模拟的海冰流速普遍偏大，且模拟的1979-2005年间北极海冰减少速度均小于观测值。

BCC_CSM2.0是由中国气象局国家气候中心(Beijing Climate Center，BCC)发展的中等分辨率气候系统模式。它以美国国家大气研究中心(NCAR)的通用气候系统模式耦合器Coupler 5[14]为基础，包括大气模式BCC_AGCM2.0[15]、海洋模式MOM4.0[16]、海冰模式SIS[17]及陆面模式BCC_AVIM2.0[18]4个分量模式(图1)。BCC_CSM2.0是国家气候中心第二代短期气候预测模式系统的主要组成部分[19]，同时基于其开展的CMIP5试验的研究结果也为IPCC第五次评估报告(IPCC AR5)提供了有价值的参考[20]。目前国内气象学者对于BCC_CSM2.0模式已经进行了大量的评估分析。这些研究表明BCC_CSM2.0对全球季风降水、东亚降水的季节和日变化特征、大气低频振荡以及ENSO(El Nio-Southern Osillation)等都具有较好的模拟性能[21]。但该模式对海冰，尤其是北极海冰的模拟能力仍存在许多问题和不足，模拟的北极海冰冬季偏多，夏季偏少，厚度偏薄，海冰流速偏大，且不能模拟出波弗特涡流[22]。为此，不断完善BCC气候系统模式中的海冰分量模式，使其能够合理模拟海冰的季节分布以及相关的大气-海冰-海洋相互作用，将有利于提高BCC模式对未来极地以及全球气候变化的预测能力。

CICE是美国Los Alamos国家实验室发展的海冰模式，具有复杂的参数化过程，在国际气候变化模拟和预测中得到了广泛的应用[23]。本文利用最新版本的CICE5.0替代了BCC_CSM2.0中的原有的海冰模块(SIS)，形成新的耦合模式，并进行了70年的连续积分，检验引入CICE5.0对耦合模式北极海冰和其他相关气候要素模拟结果的改进，同时分析误差来源，为模式的后续发展提供科学依据。

2 模式、试验设计及资料介绍

2.1 模式简介

CICE5.0是美国Los Alamos国家实验室2013年9月发布的海冰模式版本，该模式集成了海冰数值模式的最新发展成果。与旧版本BCC气候系统模式中的海冰模式分量SIS相比，CICE5.0对海冰动力和热力过程的物理参数化方案更加完善。CICE5.0动力学模块采用弹-黏-塑(EVP)海冰流变学，热力部分是一个可分辨海冰温度垂直廓线和显式盐泡参数化的海冰热力学模块[24]；在海冰厚度空间采用5层的海冰厚度分级，并采用拉格朗日线性传输的厚度分布模式，能更好地描述海冰的各种通量性质[25]；使用更为复杂的海冰机械再分布方案，并考虑海冰的成脊、叠挤作用以及侧边界融化热力过程[26]；采用了一个新的融池参数化方案，该方案利用冰厚判断冰面地形，从而能更加准确的计算融池覆盖率和融池深度[27]；采用一个新的短波辐射方案(Delta-Eddington)[28]，能更加精确的计算冰层和雪发射、吸收和投射的短波辐射；海冰运动方程中的风应力和海洋拖曳力项中考虑了海冰密集度的影响，使得在海冰密集度低值区海冰运动与自由漂移理论一致[29]。此外，CICE5.0用新冰生成参数化方案模拟海冰的产生，当大量的雪盖将海冰压到海平面以下时可以模拟雪冰的形成[30]。关于模式的详细介绍可参考Hunke等[23]。

图1 BCC耦合模式示意图Fig.1 Structure of BCC coupled climate system model

2.2 试验设计及资料介绍

新耦合模式与老版本BCC_CSM2.0气候系统模式相比，除海冰模式替换为CICE5.0外，大气、陆面以及海洋模式分量均保持不变(图1)，大气模式和陆面模式的分辨率为T106, 相当于约1.1°(经度)×1.1°(纬度)。大气模式垂直方向26层；海冰模式和海洋分量模式分辨率一致，对北极点采用三极网格，近赤道地区水平分辨率约为(1/3)°×1°，中高纬地区约1°×1°，海洋模式垂直方向40层。关于BCC气候系统模式的详细介绍见Wu等[18]。在耦合CICE5.0后的BCC模式系统中，大气、海冰和海洋之间均实现双向耦合。大气模式通过耦合器向海冰模式提供10 m风速、2 m气温和比湿、向下长波和短波辐射、降水、海平面气压场等，海洋模式通过耦合器为海冰模式提供海表温度、海表流速、盐度以及冻融势等，而海冰模式则通过耦合器向海洋和大气提供海冰密集度、淡水通量、热通量、表面风应力等信息。

将大气中的二氧化碳、甲烷等温室气体的浓度控制在1980年的水平，海冰从静止开始，大气、海洋和陆面的初始场取自旧版本BCC_CSM2.0开展CMIP5的Historical试验[31]1980年1月1日的瞬时场，将新版耦合模式积分45 a。图2是该控制试验北极年平均海冰面积的时间序列图。从图2中可以看出耦合积分到第20 a左右，模式已基本处于平衡状态。本文选取控制试验第35年末的瞬时场作为初始场, 根据观测的20世纪温室气体排放情景, 将新耦合模式从1980年1月开始积分, 对20世纪中后期和21世纪初的全球气候进行了模拟。选取该试验(模拟结果以BCC_CICE表示)1985-2009年海冰、大气及海洋月平均模拟结果，与旧版本模式BCC_CSM2.0(模拟结果以BCC_SIS表示)参加CMIP5 Historical试验[31]1985-2009年的模拟结果进行对比分析。

图2 控制试验北极年平均海冰面积时间序列Fig.2 Time series of the annual mean Arctic sea ice areas in the spin-up run

为了对模式的模拟结果进行评估，本文使用了如下观测资料：(1)英国Hadley中心的海冰密集度和海表温度数据[32](Hadley Centre Sea Ice and Sea Surface Temperature data set, HadISST)；(2)美国国家冰雪数据中心( National Snow and Ice Data Center, NSIDC)的海冰流速场资料[33], 该资料是利用SMMR (Scanning Multichannel Microwave Radiometer) 和SSM/I(Special Sensor Microwave/Imager)卫星资料反演获得；(3)美国潜艇观测的北极海冰厚度场资料[34]；(4)ERA-Interim再分析资料[35], 包括海平面气压场和2 m气温等；(5)美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration, NOAA)日平均海冰密集度资料[36]。此外，为了进行单独CICE5.0和SIS模式的模拟试验，本文还使用了SODA(Simple Ocean Data Assimilation)表层洋流[37]和WOA09(World Ocean Atlas 2009)温盐数据[38]作为驱动场。

3 结果分析

3.1 海冰

图3给出了观测和模拟的1985-2009年北极3月和9月平均海冰密集度的水平分布。由图可见，在3月份，BCC_CICE和BCC_SIS基本都能再现北极海冰密集度的主要分布型，但模拟的北太平洋和北大西洋的海冰明显偏多(图3b，3c)。相比于BCC_SIS，BCC_CICE模拟的鄂霍次克海、格陵兰海以及拉布拉多海巴伦支海、巴芬湾海冰减少，与观测更为接近(图3c)。9月份，观测的海冰收缩至北冰洋内(图3d)，BCC_SIS模拟的北极中央区海冰严重偏少(图3e)，BCC_CICE对此有较大改进(图3f)，模拟的海冰密集度高于80%的海区面积明显大于BCC_SIS。模拟的海冰密集度与观测的空间相关系数，BCC_SIS在3月和9月分别为0.82和0.70，而BCC_CICE则分别为0.89和0.86。进一步分析模拟的海冰密集度与观测的均方根偏差，3月份BCC_SIS和BCC_CICE分别为30%和20%，而9月份分别55%和16%。可见，将海冰模式由SIS替换为CICE5.0后，模式模拟的海冰密集度在空间分布和强度上都更为合理。

由于观测资料的限制，无法获得北极月平均的海冰厚度场，为此，我们采用美国潜艇观测的北极年平均海冰厚度资料来评估模拟结果。由图4a可见，观测的年平均海冰在格陵兰岛北侧和加拿大海盆最厚，达5 m以上，海冰厚度由加拿大海盆向欧亚大陆逐渐变薄，其中楚科奇海南部和喀拉海海冰厚度小于1 m。由图4b可见，BCC_SIS模拟的海冰厚度明显偏薄，模拟的北冰洋大部分冰区厚度小于1 m，较观测偏小50%以上。与BCC_SIS相比，BCC_CICE的模拟结果与观测更为一致，加拿大群岛海冰厚度可达4 m，整个加拿大海盆和欧亚海盆的海冰厚度都在2.5 m以上，但与观测相比，仍略为偏薄(图4b)。

图5给出了观测和模拟的北极地区3月和9月平均海冰流速场。3月，观测北极海冰运动的主要特征是波弗特涡流和穿极漂流(图5a)。波弗特涡流是位于波弗特海的反气旋式海冰环流，其南支流向楚科奇海，北支汇入穿极漂流。穿极漂流主要源自于拉普捷夫海，穿越北极点，经弗莱姆海峡，沿格陵兰岛东岸进入北大西洋。另外，巴伦支海、巴芬湾、白令海以及鄂霍次海也均有向南的海冰输送。9月，观测海冰运动的主要特征与3月基本一致，但流速明显减弱(图5d)。新旧耦合模式都能较好的模拟出穿极漂流，但是强度偏强，特别是弗拉姆海峡，海冰流速较观测偏大2倍以上。同时，模式模拟的海冰边缘区的海冰流速也异常偏大，导致海冰向南输送增强，这与模式模拟的海冰边缘区破碎冰偏多一致(图3)。BCC_SIS没有模拟出波弗特涡流(图5b，5e)，BCC_CICE能较好地模拟出这一涡流特征，尽管模拟的9月波弗特涡流位置偏北，强度偏强(图5c，5f)。此外，相比于BCC_SIS，BCC_CICE模拟的3月份格陵兰海和拉布拉多海海冰流速减弱，与观测更为一致，但模拟的9月份弗拉姆海峡海冰流速偏强(图5f)。

图3 观测和模拟的1985-2009年北极地区3月(a～c)和9月(d～f)平均海冰密集度场：a, d为观测；b, e为BCC_SIS模拟；c, f为BCC_CICE模拟Fig.3 Arctic sea ice concentrations in March (a-c) and September (d-f) during 1985-2009 from observation(a, d), BCC_SIS (b, e), and BCC_CICE (c, f)

图4 观测和模式模拟的1985-2009年北极年平均海冰厚度场：a为观测；b为BCC_SIS模拟；c为BCC_CICE模拟Fig.4 Arctic annual mean ice thickness during 1985-2009 from observation(a), BCC_SIS (b), and BCC_CICE(c)

图5 观测和模拟的1985-2009年北极地区3月(a～c)和9月(d～f)平均海冰流速场：a, d为观测；b, e为BCC_SIS模拟；c, f为BCC_CICE模拟Fig.5 Arctic sea ice velocity in March (a-c) and September (d-f) during 1985-2009 from observation (a, d), BCC_SIS (b, e), and BCC_CICE (c, f)

通常认为当海冰密集度不小于15%时，该区域为海冰所覆盖，由此可以计算得到海冰覆盖面积。图6给出了1985-2009年平均的海冰覆盖面积的季节变化。观测显示，北极海冰面积在3月最大，9月最小(图6)。2个模式模拟海冰面积的季节循环与观测基本一致，但BCC_SIS模拟的3月份北极海冰面积偏多，而9月份海冰面积偏少，这与其模拟的海冰密集度的偏差一致(图3)。相比之下，BCC_CICE对海冰覆盖面积的模拟结果与观测更加接近，但仍存在与BCC_SIS类似的模拟偏差，特别是春季。

图6 观测和模式模拟的1985-2009年北极海冰面积的季节循环Fig.6 The annual cycle of mean Arctic Sea ice area during 1985-2009 from observation and simulations

在年际变化上，从1985-2009年，观测和模拟的年平均海冰面积均呈减少趋势(图7a)，其中观测的海冰减少的速度为每年2.89×104km2，BCC_SIS和BCC_CICE分别为4.38×104km2和1.58×104km2。此外，2个模式模拟的年平均海冰面积都整体偏多，相比BCC_CICE，BCC_SIS的模拟的年平均海冰面积略有减少，但由图6可知，这主要与其模拟的夏秋季海冰面积异常偏少有关。

图7 观测和模式模拟的1985-2009年北极地区年平均海冰(a)、一年冰(b)和多年冰(c)面积的年际变化Fig.7 Time series of sea ice area for annual mean sea ice(a), one year sea ice(b)，and multi-year sea ice (c) over the arctic ocean during the period 1985-2009

一般来说，北极海冰覆盖区域大体上分为两种类型，一种是多年冰，即海冰覆盖在夏秋季节达到最小时还存在的冰；另外一种是一年冰，即夏秋季节海冰退缩最小范围时融掉了的季节性冰。图7b和7c进一步给出了这两种冰的年际化情况。观测中，伴随全球变暖，北极地区一年冰面积呈增多趋势，增速为每年4.93×104km2，而多年冰则呈减少趋势，减速为每年5.16×104km2。 BCC_SIS虽然模拟出多年冰的减少趋势(减少速度为每年3.98×104km2)，但没有模拟出一年冰增多的趋势，且模拟的一年冰面积较观测偏多，而多年冰面积则明显偏少。相比之下，BCC_CICE的模拟结果与观测较为一致，模拟的一年海冰面积增多速度为每年6.17×104km2，而多年冰面积减少速度为每年6.42×104km2，模拟的多年冰面积与观测基本一致，但模拟的一年冰面积仍较观测偏多。对比图3可知，相比于BCC_SIS，BCC_CICE对于北极春季海冰模拟的改善主要源于其对一年冰模拟的减少，而对秋季海冰模拟的改善主要源于其对多年冰模拟的增多。

3.2 对北极海冰模拟改进的可能机制

从上节分析可知，将海冰模式替换为CICE5.0后，新版本耦合模式对北极海冰具有较好的模拟性能，其模拟的海冰密集度分布、海冰厚度以及海冰流速均较旧版本耦合模式有不同程度改进。由于新旧版耦合模式的主要区别是海冰模式分量不同，因此这些改进可能与单独海冰模式CICE5.0和SIS模拟性能的不同有关。为了进一步对比分析CICE5.0和SIS的模拟性能，本文进行了相同外强迫下单独CICE5.0和SIS的试验积分(分别以CICE_SOLO和SIS_SOLO表示)，其中大气强迫场均采用ERA-Interim再分析多年平均每6 h一次的10 m气温、风速、比湿和表面热通量场，气候态月平均降水和云量；海洋强迫场均为气候态月平均SODA表层洋流和WOA09温盐数据。两个试验分别积分了20 a，取后10 a的平均模拟结果进行对比分析。

首先分析两个单独模式积分试验模拟的3月份海冰密集度和年平均海冰厚度的分布情况发现，单独CICE5.0和SIS模拟的3月份北极海冰密集度的分布基本一致(图略)，但二者对海冰厚度的模拟存在较大差异(图8)。从图8b中可以发现，单独CICE5.0模拟的年平均海冰厚度分布与观测一致(图4a)，且在大部分北冰洋厚度达4 m以上，而单独SIS模式模拟的海冰厚度明显偏薄，北极大部分地区海冰厚度小于2.5 m(图8a)，这与耦合试验BCC_CICE和BCC_SIS的模拟结果一致(图4)。进一步分析海冰厚度的季节变化发现，相比SIS，CICE5.0模拟海冰厚度的增加在冬春季节更为显著(图略)。分析9月份的模拟情况发现，单独CICE5.0试验模拟的海冰面积较单独SIS试验明显增多(图8c，8d)，与观测的情况也更为接近(图3a)。两个模式对海冰面积模拟的差异可能与他们对海冰厚度的模拟偏差有关，在相同的外强迫下，单独CICE5.0模拟的海冰由于较厚在夏秋季节难以完全融化，因此秋季扔存有较大的海冰面积，而单独SIS模式则正好相反。

图8 单独CICE5.0和SIS模式模拟的北极地区年平均海冰厚度(a，b)和9月平均海冰密集度(c, d)分布：a, c为SIS_SOLO模拟；b, d为CICE_SOLO模拟Fig.8 Arctic annual mean ice thickness (a, b) and sea ice concentrations (c, d) in September from SIS_SOLO (a, c) and CICE_SOLO (b, d)

图9 BCC_SIS模拟与观测的北极9月平均海平面气压场(a)，2 m气温(c)和海表温度分布(e)的差值场，b、d、f同a、c、e，但为BCC_CICE与BCC_SIS的差值场Fig.9 The differences of Arctic sea level pressure (a), 2 m surface air temperature (c) and sea surface temperature (e) in September between the BCC_SIS and observation. b, d, f same as a, c, e, but for the difference be-tween the BCC_CICE and BCC_SIS

相比于单独SIS模式，单独CICE5.0对于北极海冰模拟性能的提高，在耦合进入BCC_CSM2.0后，会进一步通过海-冰-气相互作用而改进对北极地区大气和海洋状况的模拟，从而进一步改进模式对海冰的模拟。例如，BCC_SIS模拟的北极地区秋季近地面气温和海表温度偏高(图9a, 9c)，海平面气压场偏低(图9e)，而当用CICE5.0替代SIS后，由于CICE5.0自身模拟性能的提高，模式模拟的北极秋季海冰会有面积增多、厚度增加的变化。这一方面会导致北极地区反照率增加，净辐射能量收入减少(图略)，因此北极地区表层气温降低(图9d)，海平面气压场升高(图9b)，极地与低纬的气压梯度减弱, 使得吹向北极的暖湿气流减弱, 导致极地温度进一步降低，从而更有利于夏秋季节海冰的增多。另一方面海冰厚度和面积的增加使反射的太阳辐射增多，而穿透海冰被海洋吸收的太阳辐射减少，导致表层海洋的温度降低(图9f)，从而也更有利于海冰的进一步凝结。因此，这两个冰-温的正反馈过程都可以改进模式对北极海冰以及相关大气和海洋状况的模拟能力。

4 结论

本文将美国Los Alamos国家实验室发展的最新海冰模式CICE5.0引入国家气候中心的气候系统模式BCC_CSM2.0，替代原有的海冰分量模式SIS，形成一个新的耦合模式。在此基础上，评估了新版本耦合模式对1985-2009年北极海冰的模拟性能，检验了引入CICE5.0后耦合模式中北极海冰、海洋和大气模拟结果的改进，并讨论了导致海冰模拟改进的可能原因。主要结论总结如下：

(1)引入CICE5.0后，模式能较好模拟出北极海冰的气候态分布和季节变化特征，模拟的海冰密集度的空间分布和强度均优于旧版本耦合模式，对北极地区多年冰和一年冰模拟的改进尤为明显。新版本模式能较好的模拟出北极海冰厚度由加拿大海盆向欧亚大陆逐渐变薄的分布特征，模拟的海冰厚度较旧版本模式明显增厚，与观测更为接近。新版本耦合模式能基本能再现北极海冰运动的主要特征，模拟的海冰穿极漂流和波弗特涡流的位置和强度较旧版本耦合模式都更为合理。同时，新版本模式模拟的20世纪80年代以来北极海冰面积减少的趋势与观测结果也基本一致。

(2)进一步分析发现，BCC_SIS模拟的夏季冰面气温和海表温度偏高，海平面气压场偏低，这与其模拟的海冰厚度偏薄，夏季海冰偏少一致。而当用CICE5.0替代SIS后，由于CICE5.0自身模拟性能的提高，模式模拟的北极夏季海冰面积增多、厚度增加，使地表气温和表层海洋温度降低、海表平面气压场升高，更有利于海冰的增多，形成冰-温的正反馈机制，最终改进了模式对于北极海冰以及相关大气和海洋气象要素场的模拟能力。

相比SIS模式，单独CICE5.0模式对北极海冰模拟的改进可能与其更完善的物理过程、更精细的海冰分类以及更高的模式垂直分辨率有关[23]。例如，CICE5.0采用的Delta-Eddington短波辐射参数化方案考虑了积雪和海冰的内在光学属，使得计算的海冰吸收和透射的短波辐射与CCSM3辐射方案(SIS采用)相比显著减少[11]，因此更有利于海冰增厚。但同时我们也注意到，新旧版耦合模式也存在类似的模拟偏差，如模拟的冬春季节海冰薄而广、海冰破碎冰区偏多、海冰流速偏大等。这些模拟偏差可能与大气和海洋分量模式的系统性偏差有关，特别是大气云、辐射过程和海洋混合层的模拟偏差，会通过海-冰-气相互作用而放大，从而进一步影响海冰的模拟性能。因此，对于进一步改善模式对海冰的模拟，首要任务是提高大气和海洋分量模式的在极区的模拟性能。此外，受制于计算条件，本文对新版耦合模式的积分时间较短(70年左右)，下一步将进行更长时间尺度的模拟积分，以进一步分析CICE5.0对BCC耦合模式性能的影响。

[1] Cavalieri D J, Parkinson C L, Vinnikov K Y. 30-year satellite record reveals contrasting Arctic and Antarctic decadal sea ice variability[J]. Geophysical Research Letters, 2003, 30(18):CRY 4-1.

[2] Perovich D K, Richter-Menge J A. Loss of sea ice in the Arctic[J]. Annual Review of Marine Science, 2009, 1: 417-441.

[3] Kwok R, Rothrock D A. Decline in Arctic sea ice thickness from submarine and ICESat records: 1958-2008[J]. Geophysical Research Letters, 2009, 36: L15501.

[4] Rothrock D A, Yu Y, Maykut G A. Thinning of the Arctic sea-ice cover[J]. Geophysical Research Letters, 1999, 26(23): 3469-3472.

[5] Pfirman S, Haxby W F, Colony R, et al. Variability in Arctic sea ice drift[J]. Geophysical Research Letters, 2004, 31: L16402.

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

[7] Walsh J E. The role of sea ice in climate variability: theories and evidence[J]. Atmosphere-Ocean, 1983, 21: 229-242.

[8] Parkinson C L, Vinnikov K Y, Cavalieri D J. Evaluation of the simulation of the annual cycle of Arctic and Antarctic sea ice coverages by 11 major global climate models[J]. Journal of Geophysical Research, 2006, 111: C07012.

[9]邱博, 张录军, 储敏, 等. 气候系统模式对于北极海冰模拟分析[J]. 极地研究, 2015, 27(1): 47-55.

Qiu Bo, Zhang Lujun, Chu Min, et al. Performance analysis of arctic sea ice simulation in climate system models[J]. Chinese Journal of Polar Research, 2015, 27(1): 47-55.

[10]王秀成, 刘骥平, 俞永强, 等. FGOALS_g1.1极地气候模拟[J]. 气象学报, 2009, 67 (6): 961-972.

Wang Xiucheng, Liu Jiping, Yu Yongqiang, et al. Polar climate simulation in FGOALS_g1.1[J]. Acta Meteorologica Sinica, 2009, 67 (6): 961-972.

[11] 王秀成, 刘骥平, 俞永强, 等. 海冰模式CICE4.0与LASG/IAP气候系统模式的耦合试验[J]. 大气科学, 2010, 34 (4): 780-792.

Wang Xiucheng, Liu Jiping, Yu Yongqiang, et al. Experiment of coupling sea ice model CICE4.0to LASG/IAP climate system model[J]. Chineses Journal of Atmospheric Science, 2010, 34 (4): 780-792.

[12] Turner J, Bracegirdle T J, Phillips T, et al. An initial assessment of Antarctic sea ice extent in the CMIP5 models[J]. Journal of Climate, 2013, 26(5): 1473-1484.

[13] 舒启，乔方利，宋振亚．地球系统模式FIO-ESM对北极海冰的模拟和预估[J]．海洋学报, 2013, 35(5): 37-45.

Shu Qi, Qiao Fangli, Song Zhenya. The hindcast and forecast of sea ice in the Arctic by FIO-ESM based on CMIP5 experiments[J]．Haiyang Xuebao, 2013, 35(5): 37-45.

[14] Kiehl J T, Gent P R. The community climate system model (version 2)[J]. Journal of Climate, 2004, 17(19): 3666-3682.

[15] Wu Tongwen, Yu Rucong, Zhang Fang, et al. The Beijing Climate Center atmospheric general circulation model: description and its performance for the present-day climate[J]. Climate Dynamics, 2010, 34:123-147.

[16] Murray R J. Explicit generation of orthogonal grids for ocean models[J]. Journal of Compute Physics, 1996, 126: 251-273.

[17] Winton M. A reformulated three-layer sea ice model[J]. Journal of Atmospheric Oceanic Technology, 2000, 17: 525-531.

[18] Wu Tongwen, Li Weiping, Ji Jinjun, et al. Global carbon budgets simulated by the Beijing Climate Center Climate System Model for the last century [J]. Journal of Geophysical Research Atmosphere, 2003, 118(10), 4326-4347.

[19] 吴统文, 宋连春, 刘向文, 等. 国家气候中心短期气候预测模式系统业务化进展[J]. 应用气象学报, 2013, 24(5): 535-543.

Wu Tongwen, Song Lianchun, Liu Xiangwen, et al. Progress in developing the short-range operational climate prediction system of China National Climate Center[J]. Journal of Applied Meteorological Science, 2013, 24(5): 535-543.

[20] 董思言, 髙学杰. 长期气候变化: IPCC第五次评估报告解读[J]. 气候变化研究进展, 2014, 10(1): 56-59.

Dong Siyan, Gao Xuejie. Long-term climate change: interpretation of IPCC fifth assessment report[J]. Progressus Inquisitiones de Mutatione Climatis, 2014, 10(1): 56-59.

[21] 吴统文, 宋连春, 李伟平, 等. 北京气候中心气候系统模式研发进展—在气候变化研究中的应用[J]. 气象学报, 2014, 72(1): 12-29.

Wu Tongwen, Song Lianchun, Li Weiping, et al. An overview on progress in Beijing Climate Certer Climate System Model—Its development and application to climate change studies[J]. Acta Meteorologica Sinica, 2014, 72(1): 12-29.

[22] 谭慧慧, 张录军, 储敏, 等. BCC_CSM对全球海冰面积和厚度模拟及其误差成因分析[J]. 大气科学, 2015, 39 (1): 197-209.

Tan Huihui, Zhang Lujun, Chu Min, et al. An analysis of simulated global sea ice extent, and causes of error with the BCC_CSM model[J]. Chinese Journal of Atmospheric Sciences (in Chinese),2015, 39 (1): 197-209.

[23] Hunke E C, Lipscomb W H, Turner A K, et al. CICE: the Los Alamos Sea Ice Model Documentation and Software User’s Manual Version 5.0 LA-CC-06-012[S]. Los Alamos National Laboratory, Los Alamos NM, 2013, 87545:115.

[24] Hunke E C, Dukowicz J K. An elastic-viscous-plastic model for sea ice dynamics[J]. Journal of Physics Oceanography, 1997, 27: 1849-1867.

[25] Thorndike A S, Rothrock D A, Maykut G A, et al. The thickness distribution of sea ice[J]. Journal of Geophysical Research, 1975, 80(33): 4501-4513.

[26] Lipscomb W H, Hunke E C, Maslowski W, et al. Ridging, strength, and stability in high-resolution sea ice models[J]. Journal of Geophysical Research, 2007, 112: C03S91.

[27] Hunke E C, Hebert D A, Lecompte O. Level-ice melt ponds in the Los Alamos sea ice model, CICE[J]. Ocean Model, 2013, 71: 26-42.

[28] Holland M, Bailey D A, Briegleb B P, et al. Improved sea ice shortwave radiation physics in CCSM4: The impact of melt ponds and aerosols on Arctic sea ice[J]. Journal of Climate, 2012, 25: 1413-1430.

[29] Connolley W M, Gregory J M, Hunke E, et al. On the consistent scaling of terms in the sea-ice dynamics equation[J]. Journal of Physics Oceanography, 2004, 34(7): 1776-1780.

[30] Turner A K, Hunke E C, Bitz C M. Two modes of sea-ice gravity drainage: A parameterization for large-scale modeling[J]. Journal of Geophysical Research Oceans, 2013, 118: 2279-2294.

[31] 辛晓歌, 吴统文, 张洁. BCC气候系统模式开展的CMIP5试验介绍[J]. 气候变化研究进展, 2012, 8(5): 378-382.

Xin Xiaoge, Wu Tongwen, Zhang Jie. Introduction of CMIP5 experiments carried out by BCC climate system model[J]. Progressus Inquisitiones de Mutatione Climatis, 2012, 8(5): 378-382.

[32] Rayner N A, Parker D E, Horton E B, et al. Global analyses of sea surface temperature, sea ice, and night marine air temperature since the late nineteenth century[J]. Journal of Geophysical Research, 2003, 108(D14): 4407.

[33] Fowler C. Polar Pathfinder Daily 25 km EASE-Grid Sea Ice Motion Vectors[S]. National Snow and Ice Data Center, Boulder,Colorado, 2007.

[34] Bourke R H, Garrett R P. Sea ice thickness distribution in the Arctic-Ocean[J]. Cold Regions Science and Technology, 1987, 13(3): 259-280.

[35] Dee D P, Uppala S M, Simmons A J, et al. The ERA-interim reanalysis: Configuration and per-formance of the data assimilation system[J]. Quarterly Jounral of Royal Meteorological Society, 2011, 137: 553-597.

[36] Reynolds R W, Smith T M, Liu C, et al. Daily high-resolution-blended analyses for sea surface temperature[J]. Journal of Climate, 2007, 20: 5473-5496.

[37] Carton J A, Chepurin G, Cao X H, et al. A simple ocean data assimilation analysis of the global upper ocean 1950-95. Part I: Methodology[J]. Journal of Physical Oceanography, 2000, 30(2): 294-309.

[38] Locarnini R A, Mishonov A V, Antonov J I, et al. World Ocean Atlas 2009[R]. Volume 1: Temperature. NOAA Atlas NESDIS 68, U.S. Government Printing Office Washington, D C, 2010.

fCouping of CICE5.0 with BCC_CSM2.0 model and its performance evaluation on Arctic sea ice simulation

Fang Yongjie1, Chu Min1, Wu Tongwen1, Zhang Lujun2, Nie Sicheng2

(1.BeijingClimateCenter,ChinaMeteorologicalAdministration,Beijing100081,China; 2.SchoolofAtmosphericSciences,NanjingUniversity,Nanjing210023,China)

The latest Los Alamos sea ice model (CICE5.0) is coupled to the Beijing Climate Center coupled system model (BCC_CSM2.0) by replacing its original sea ice model (SIS). The performance of the new coupled model in simulating silent features of Arctic sea ice during 1985-2009 is thoroughly assessed through a comparison to both the original version and observations. The results show that the new coupled model can reasonably capture the spatial pattern, seasonal and inter-annual variation of Arctic sea ice. The CICE5.0 significantly improves the Arctic sea ice simulation, which includes a decrease (increase) of one year (multi-year) sea ice area, an increase in ice thickness, a reduction in ice motion, and a more realistic Beaufort Gyre. Further analysis indicates that, compared with the SIS, the better performance of the CICE5.0 in simulating the Arctic sea ice, especially for its thickness, results in positive ice-temperature feedbacks when coupled with the BCC_CSM2.0. As a result, the surface air temperature, sea level pressure, and the sea surface temperature are better simulated, which further improves the Arctic sea ice simulation.

climate system model; BCC_CSM2.0; CICE5.0; Arctic sea ice; model evolution

10.3969/j.issn.0253-4193.2017.05.004

2016-07-04；

2016-11-25。

国家重点研发计划“全球变化及应对”重点专项项目(2016YFA0602103)；国家重点基础研究计划973项目(2015CB953900)；公益行业(气象)科研专项(GYHY201506011)。

房永杰(1982—)，男，内蒙古自治区赤峰市人，主要从事气候系统模式发展和模拟方面研究。E-mail:fangyj@cma.gov.cn

*通信作者：储敏，高级工程师，主要从事海冰模式发展和模拟方面研究。E-mail：chumin@cma.gov.cn

P731.32

A

0253-4193(2017)05-0033-11

房永杰，储敏, 吴统文, 等. CICE5.0与BCC_CSM2.0模式的耦合及对北极海冰的模拟评估[J]. 海洋学报, 2017, 39(5): 33-43,

Fang Yongjie, Chu Min, Wu Tongwen, et al. Couping of CICE5 .0 with BCC_CSM2.0 model and its performance evaluation on Arctic sea ice simulation[J]. Haiyang Xuebao, 2017, 39(5): 33-43, doi：10.3969/j.issn.0253-4193.2017.05.004