BCC_CSM北极海冰模拟性能的改进对东亚冬季气候模拟的影响
2021-03-04邓汝漳储敏任宏利刘景鹏陈权亮
邓汝漳,储敏,任宏利,刘景鹏,陈权亮
① 成都信息工程大学,四川 成都 610225;② 国家气候中心,北京 100081;③ 中国气象科学研究院,北京 100081
*联系人,E-mail:chumin@cma.gov.cn
**联系人,E-mail:renhl@cma.gov.cn
北极是气候系统中最敏感且脆弱的组成之一,也是影响东亚冬季气候的重要区域(Alexander et al.,2004;俞永强和陈文,2005)。北极海冰变化是气候变化的重要指示参量,其最显著的标志之一是海冰的减少(Qin et al.,2014),其主要表现为海冰面积的减少(Perovich and Richer-Menge,2009;Screen and Simmonds,2010)和海冰厚度的变薄(Kwok and Rothrock,2009):北极海冰呈现衰减趋势,尤其是夏季海冰,衰减速率约10%/(10 a)(Stroeve et al.,2007;Comiso et al.,2008);与此同时,北极地区海冰正在向季节性海冰覆盖状态转变(Maslanik et al.,2011;Comiso,2012)。北极海冰的显著变化通过与大气、海洋的相互作用对极地地区以及全球的气候变化有着重要的影响(Bader et al.,2011;Wu et al.,2015;武炳义和杨琨,2016)。
正是因为北极海冰在气候系统中的重要地位,国内外气象学者针对海冰变化对区域气候以及全球气候的影响进行了大量的研究(Budikova,2009;Gao et al.,2015;武炳义,2018)。有研究表明,北极海冰的加速减少对中国以及东亚的天气和气候产生重要影响(武炳义等,2001,2011;Wu et al.,2009;Zuo et al.,2016;王乐等,2019;吴磊等,2019),并且是导致中国冬季极端低温事件频发的重要因素(Wu et al.,2013;谢永坤等,2014;李思和武炳义,2019)。北极海冰的变化影响中高纬环流系统(极涡、急流、西伯利亚高压、阻塞高压等)(张若楠和武炳义,2011;张若楠等,2018;Kim and Kim,2020;Savelieva,2020),以及中高纬度大气环流盛行模态(AO、NAO、AD等)(武炳义等,2004;Wu and Zhang,2010;何金海等,2015;祁莉和徐业佳,2018),进而影响东亚区域的天气、气候。然而北极海冰融化影响冬季东亚区域的天气、气候的过程和机制,还存在很大的不确定性(包括非线性联系)(Overland et al.,2015,2016;Semenov and Latif,2015),认知有限且存在较多的学术争议,所以需要开展深入细致的研究。而数值模式是研究气候系统中海冰的变化与气候变化相互作用的有效工具,因此利用大气-海冰-海洋-陆地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融化对冬季东亚区域气候影响的重要工具之一。
BCC_CSM是中国气象局国家气候中心发展的大气-海冰-海洋-陆地多圈层耦合的全球气候系统模式(吴统文等,2018),其中海冰分量包括两个海冰模式,分别为SIS(Winton,2000)和CICE(Hunke et al.,2013)。目前,国内学者对BCC的SIS模式版本结果进行了全面评估,表明其对全球季风降水、东亚降水的气候平均态、季节和日变化特征、大气低频振荡以及ENSO等都具有较好的模拟能力,但是对地面气温和降水的变化趋势与观测存在一定差异(董敏等,2013;周鑫等,2014)。特别是,该模式对北极海冰模拟能力仍存在许多问题和不足,即北极海冰夏季偏少,冬季偏多、厚度偏薄,鄂霍次克海、白令海和巴伦支海等海区海冰面积模拟误差偏大(谭慧慧等,2015)。由于大气-海冰-海洋相互作用,海冰模拟的偏差必定会影响大气和海洋的热力和动力状态。因此不断改善BCC_CSM的海冰分量模式,提高模式对海冰模拟性能,有利于提高气候模式中的海洋-海冰-大气之间状态的协调性,使其能够合理地模拟海冰的季节特征以及相应的大气-海冰-海洋相互作用,这将有利于提高BCC模式对东亚以及全球的气候变化预测能力。
为此,房永杰等(2017)进行了相同外强迫条件下海冰模式CICE和SIS的单独运行试验,结果表明CICE相对于SIS无论在海冰密集度还是海冰厚度的空间分布上均与观测更为接近。同时Chu et al.(2019)对BCC_CSM海冰分量分别为SIS和CICE的两个模式版本进行对比分析,发现后者对于北极海冰密集度模拟结果更加趋于合理(图1),而且北极气候以及海洋的模拟也得到显著改进,这说明CICE版本模式提高了海洋-海冰-大气之间状态的协调性。为了考察BCC_CSM北极海冰模拟性能的改进对东亚冬季气候模拟的影响,本文将进一步对新、旧耦合模式的历史实验结果与观测进行对比分析,据此定量评估模式对东亚冬季各气候要素的模拟能力,进而考察模式中北极海冰模拟改进对东亚冬季气候模拟性能的影响,并明确制约模式和观测资料一致性的内在因素,为后续的模式发展提供参考。
图1 1985—2014年观测的和模拟的北极海冰面积的季节循环(单位:1011 m2;引自Chu et al.(2019))Fig.1 Annual cycle of mean Arctic Sea ice area from 1985 to 2014 based on the observations and the simulations (units:1011 m2;From Chu et al.(2019))
1 模式介绍及资料
1.1 模式和试验介绍
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。与BCC_CSM2.0所使用的SIS相比,CICE5.0针对海冰动力和热力过程的物理参数化方案更加完善,主要表现在:1)在海冰动力模块中采用改进的黏弹塑性海冰本构模型,增强模式捕捉海冰对施加应力大小变化的响应能力,与原方案相比,新方案效率更高(Hunke and Dukowicz,1997);2)相比SIS的两层方案,CICE采用更高且可调的垂直分层方案,可更好地分辨海冰内部温度和盐度的垂直变化(Hunke and Dukowicz,1997);3)为了更好地模拟海冰厚度的分布情况,在海冰厚度方面,CICE采用5层海冰厚度分级,更好地描述海冰的各种物理属性,并使用更为复杂的海冰机械再分布方案进行不同类别之间的转换,同时采用更加接近观测的海冰成脊、叠挤作用的厚度再分布函数(Lipscomb et al.,2007);4)短波方案中采用新的Delta-Eddingtom方案,通过实验观测的积雪和海冰的内在光学属性,能更加精确的计算冰层和雪反射、吸收和透射的短波辐射(Holland et al.,2012),并且加入与Delta-Eddingtom短波辐射相联系的显式融池参数化方案,利用海冰厚度判断冰面地形,更好模拟融池的发生、发展和重新冻结的过程,从而能更加准确计算融池覆盖率和融池深度(Hunke et al.,2013)。
为了更好地研究海冰模式的影响,新版本耦合模式与BCC_CSM2.0气候系统模式相比,除海冰分量SIS替换为CICE5.0外,其他模式分量保持不变。选取新版本耦合模式(模拟结果以BCC_CICE表示)1985—2014年东亚冬季气候模拟结果,与旧版本耦合模式BCC_CSM2.0(模拟结果以BCC_SIS表示)1985—2014年的模拟结果进行对比分析。
图2 观测的东亚冬季2 m气温场(a)、BCC_SIS模拟的与观测的东亚冬季气温的差值场(b)以及BCC_CICE模拟的与BCC_SIS模拟的气温的差值场(c)(单位:℃)Fig.2 (a) Climatology of observed 2 m air temperature in East Asia in winter,(b) differences between the simulations by BCC_SIS and the observations,and (c) differences between the simulations by BCC_CICE and the simulations by BCC_SIS (units:℃)
1.2 观测和再分析资料及方法
为了对模式的模拟结果进行评估,使用了如下的观测和再分析资料包括:1)英国哈德莱中心的海冰密集度数据(Hadley Centre Sea Ice data set,HadISST);2)英国欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)的ERA5月平均海平面气压、2 m气温、总降水量、850 hPa经向和纬向风资料;由于不同资料的水平分辨率各不相同,为了方便进行定量分析比较,将观测和模式结果全部采用双线性插值方法统一插值到ERA5再分析数据对应的网格上,即1°×1°的水平分辨率。
为了定量评估模式模拟的多年平均东亚冬季各气候要素空间型与观测场的一致性并考察两者之间的差异性,首先对各气候要素的空间分布情况进行定性对比分析。对东亚冬季各气候要素的研究区域有所差异:温度、降水和海平面气压研究范围为(70°~140°E,15°~60°N);850 hPa冬季风场分析区域为(110°~140°E,25°~45°N)。利用BCC_CICE和BCC_SIS模式输出结果,计算模式模拟的1985—2014年多年平均的东亚冬季各气候要素气候态与观测的空间相关系数以及模式模拟的标准差与观测结果的比值,并将其表示在Taylor图上,利用Taylor图对模拟场和观测场的相似性进行分析,定性评估气候模式中北极海冰模拟性能的改进对东亚冬季气候要素模拟性能的影响。Taylor图可以较为直观地反映出模式模拟性能的优劣,其主要从两个方面综合考察两个场相关的程度,分别考量两个场的空间相关系数以及两者标准差之比:空间相关系数越高则表示模拟场与观测场的空间分布型越接近;模拟场的标准差与观测场的标准差之比越接近1,则表示模式对于空间分布的变率模拟的效果越好(Taylor,2001)。同时本文计算模式模拟场与观测场之间的均方根误差:其表示研究区域内模式各格点与观测结果的绝对偏差平均值。
2 结果分析
2.1 气温模拟
气温是反映气候模式水平的最重要物理量之一,这里首先检验新、旧耦合模式对东亚冬季气温的模拟能力。图2为东亚冬季气温的观测场以及模式与观测的偏差分布。总体来看,根据观测的冬季气温分布(图2a)在东亚东部(105°E以东)气温自南向北逐渐降低;在东亚北部(40°N以北)大部分地区气温均低于0 ℃,最低可达-30 ℃;青藏高原由于海拔较高,整体表现为大范围的低温,冷中心位于青藏高原西北部,气温低于-25 ℃,而新疆西部气温相对较暖。
模式与观测的东亚气温空间分布型基本一致,但振幅有所差异,主要差异表现在:东亚中高纬度和高原地区模拟的暖偏差以及东亚东部沿海和盆地地区模拟的冷偏差。由图2b、2c的模拟偏差分布可以看出:首先对于东亚中高纬度地区,BCC_SIS中东亚中高纬度地区气温模拟偏高,整体模拟偏高5~8 ℃,尤其是西伯利亚地区,相比之下,BCC_CICE模式中的西伯利亚地区以及东亚中纬度地区(40°~50°N)气温模拟偏差减少,但是其对于我国东北及其以北地区的气温模拟偏差增大;然后对于高原地区,BCC_SIS模拟的青藏高原南侧以及东部地区气温偏高,同时青藏高原西部的低温中心模拟整体偏高8 ℃以上,而青藏高原中部的气温以及位于青藏高原北侧的塔里木盆地的暖中心模拟偏冷,最大冷偏差大于8 ℃,同时模式对于云贵高原以及四川盆地都存在一定程度的冷偏差,其中四川盆地的冷偏差大于8 ℃,相比于BCC_SIS,BCC_CICE模拟的青藏高原西部和东部地区的暖偏差以及青藏高原中部、云贵高原和四川盆地的冷偏差减少;最后对于中国地区,BCC_SIS对于中国气温模拟存在一定的冷偏差,这与以往的模式结果是一致的(王淑瑜和熊喆,2004;田芝平和姜大膀,2013),而BCC_CICE放大了模式对于中国的模拟冷偏差。
为了定量评估模式对气温的模拟能力,图3给出了东亚区域冬季气候要素的均方根误差。由图3可见,模式模拟东亚冬季气温的均方根误差均大于4.3 ℃。通过图4中Taylor图可知,新、旧耦合模式与观测之间的空间相关系数均在0.97以上,同时模式与观测的标准差之比均接近1,说明BCC模式能较好地刻画东亚冬季气温的空间分布和空间变率。但是BCC_CICE模拟的东亚冬季的区域平均气温偏差较BCC_SIS的模拟偏差略小。
图3 东亚冬季各气候要素的均方根误差(T2m:气温,Pre:降水,SLP:海平面气压,U850:850 hPa纬向风,V850:850 hPa经向风,|UV|850:850 hPa风场的模;红、蓝色分别表示BCC_CICE、BCC_SIS)Fig.3 Root-mean-square errors of climate elements in East Asia in winter (T2m:2 m air temperature,Pre:precipitation,SLP:sea level pressure,U850:850 hPa zonal wind,V850:850 hPa meridional wind,|UV|850:magnitude of 850 hPa wind vector;Red and blue represent BCC_CICE and BCC_SIS,respectively)
图4 东亚冬季气候要素场的Taylor图(数字1—6分别表示气温(T2m)、降水(Pre)、海平面气压(SLP)、850 hPa纬向风(U850)、850 hPa经向风(V850)、850 hPa风场的模(|UV|850);红、蓝色分别表示BCC_CICE、BCC_SIS)Fig.4 Taylor diagram of climate elements in East Asia in winter (Numbers 1 to 6 stand for air temperature (T2m),precipitation (Pre),sea level pressure (SLP),850 hPa zonal wind (U850),850 hPa meridional wind (V850),and magnitude of 850 hPa wind vector (|UV|850),respectively;Red and blue represent BCC_CICE and BCC_SIS,respectively)
为了揭示新、旧耦合模式对东亚冬季气温模拟偏差的原因,图5给出了模式与观测之间东亚冬季地表净辐射热通量、地表净短波辐射和地表净长波辐射的模拟偏差以及新、旧耦合模式之间的差值场。通过对比新、旧版本耦合模式的辐射通量模拟偏差,可以看出:相比于BCC_SIS,BCC_CICE的辐射通量模拟偏差有所改善。由图5b可知,对于东亚中高纬度地区,在BCC_SIS模式中,东亚中高纬度地区的地表净辐射热通量模拟偏差为正,模式高估东亚中高纬度地区的地表净辐射热通量,模式中该地区获得更多的热量是东亚中高纬度气温模拟暖偏差的主要原因,而相比于BCC_SIS,BCC_CICE降低了东亚中高纬度地区的地表净辐射热通量模拟正偏差,因此减少了东亚中高纬度地区模拟暖偏差。对于中国东南地区而言,BCC_SIS模拟该地区的地表净辐射热通量模拟偏差为正,但是模式对于中国东南地区的气温模拟偏冷,这说明了中国东南地区的冷偏差并不是当地的辐射热通量模拟偏差导致的,而相对于BCC_SIS,BCC_CICE对于中国地区的地表净辐射热通量模拟偏差为负,说明在BCC_CICE中中国地区比BCC_SIS中获得更少的热量,这是BCC_CICE增大了中国东南地区的模拟冷偏差的主要原因。在青藏高原地区,BCC_SIS低估了青藏高原中部以及塔里木盆地的净短波辐射的强度,这可能是该地区模拟冷偏差的主要原因;同时模式也高估了青藏高原西部的低温中心的净短波辐射强度,这可能是青藏高原低温中心模拟偏暖的主要原因。BCC_SIS的地表净辐射热通量模拟偏差主要是模式高估了地表净长波辐射导致的,而相比于BCC_SIS,BCC_CICE改善了辐射热通量的模拟偏差,说明了北极海冰模拟性能的改善有利于改善东亚冬季大气中的对流以及云物理过程等。
图5 东亚冬季地表净辐射热通量(a,b,c)、地表净短波辐射(d,e,f)和地表净长波辐射(g,h,i)分布(单位:W/m2):(a,d,g)观测场;(b,e,h)BCC_SIS模拟的与观测的差值场;(c,f,i)BCC_CICE模拟的与BCC_SIS模拟的差值场Fig.5 Distributions of (a,b,c) surface net radiant heat flux,(d,e,f) surface net shortwave radiation,and (g,h,i) surface net long-wave radiation in East Asia in winter (units:W/m2):(a,d,g) the observations;(b,e,h) differences between the simulations by BCC_SIS and the observations;(c,f,i) differences between the simulations by BCC_CICE and the simulations by BCC_SIS
从以上分析可以看出,BCC_SIS模拟的地表净长波辐射较观测偏大,是BCC_SIS模拟东亚冬季气温暖偏差的主要原因,同时BCC_SIS中青藏高原气温模拟偏差,可能是模式对净短波辐射存在一定的偏差导致的,而引入CICE5.0后,新耦合模式不仅保持了BCC模式对于东亚冬季气温空间分布以及变率的良好模拟性能,并且模式通过辐射通量模拟偏差的改善,减少了模式对于东亚冬季中高纬度地区(尤其是西伯利亚地区)气温模拟的暖偏差,同时增强了青藏高原及其附近地区的模拟效果。
2.2 降水模拟
东亚季风区降水一直是气候模式模拟的难点,因此了解模式对东亚降水的模拟能力十分重要。东亚冬季降水量主要表现为南多北少,海洋多于陆地。由图3、4可见,模式模拟东亚冬季总降水与观测之间的均方根误差均为3.0 kg/m2,空间相关系数值都在0.97以上,标准差之比接近1,这说明BCC模式能够较好地模拟出东亚降水南多北少的特点。模式与观测的总降水量空间分布型以及空间变率基本一致,但振幅有所差异,主要表现在青藏高原以及东亚高纬度地区,尤其是青藏高原南侧。图6为东亚冬季降水的观测以及模式与观测的偏差分布。从图6b可以看出,BCC_SIS对青藏高原南侧以及东亚东南沿海地区的降水量模拟略有偏低,而对于青藏高原以及东亚中高纬度地区的模拟偏多。相比之下,BCC_CICE对于东亚中高纬度以及东部沿海地区的降水量模拟误差有所减小,BCC_CICE模拟的东亚冬季降水量与观测之间的空间相关系数增大,模拟与观测的降水量空间分布更加接近,但是BCC_CICE对东亚东部海域的降水量模拟误差增大。
图6 观测的东亚冬季降水量场(a)、BCC_SIS模拟的与观测的东亚冬季降水量的差值场(b)以及BCC_CICE模拟的与BCC_SIS模拟的降水量的差值场(c)(单位:kg/m2)Fig.6 (a) Climatology of observed precipitation in East Asia in winter,(b) differences between the simulations by BCC_SIS and the observations,and (c) differences between the simulations by BCC_CICE and the simulations by BCC_SIS (units:kg/m2)
从整体而言,引入CICE5.0后,新耦合模式不仅提高了东亚冬季降水量的空间分布模拟效果,而且改善了东亚地区冬季降水量的模拟偏差,新耦合模式模拟的东亚冬季降水量的空间分布特征与观测结果更加具有一致性。但是值得注意的是:新耦合模式与观测的标准差之比增大(图4),这说明了北极海冰模拟性能的提升,使得新耦合模式对于东亚冬季总降水量空间变率的模拟增大。
2.3 大气环流场
这里进一步给出新、旧耦合模式对于主要大气环流场的模拟和观测对比情况。海平面气压(Sea Level Pressure,SLP)是描述大气质量分布以及大气环流状况的一个关键因素以及评估大气环流模拟情况的重要变量。海平面气压场的变化与近地面风场存在非常紧密的联系,其形势能够准确地反映近地层大气环流的特征。东亚冬季风是影响东亚冬季气候的一个重要的大尺度环流系统,而850 hPa风场则是表征该季风环流状况的重要因子(王会军和姜大膀,2004)。因此了解模式中东亚冬季大气环流的模拟能力对分析东亚冬季气候模拟情况具有十分重要的作用。
2.3.1 海平面气压
图7a给出了观测的北半球冬季海平面气压的空间分布。可以看到,东亚区域冬季西伯利亚地区被强大的反气旋所控制,即西伯利亚高压,东亚大部分区域处于西伯利亚高压的影响范围内。从图4可知,模式模拟的多年平均的东亚冬季SLP和观测的空间相关系数均大于0.8,同时模式的空间标准差均接近于观测的结果,这说明BCC模式模拟与观测的空间分布型以及空间变率基本保持一致。从图7b可看,与观测相比,BCC_SIS对于中低纬度地区(主要是45°N以南)的SLP模拟明显偏高,尤其是青藏高原及附近地区冬季SLP的模拟明显偏高(模拟偏差超过9 hPa),而对于中高纬度地区(主要是45°N以北)的SLP模拟偏低,这导致了BCC_SIS模拟的高、低纬度之间的气压梯度力增大。从区域上看,BCC_SIS模拟的陆地区域SLP偏差要明显大于海洋区域的偏差,使得BCC_SIS模拟的海陆之间的气压梯度力增大。由图7c可见,与BCC_SIS相比,BCC_CICE对青藏高原及附近地区SLP模拟结果偏弱,高纬度地区的模拟偏强,模式与观测的空间相关系数提高以及均方根误差减小,同时从Taylor图上看,BCC_CICE模拟的SLP标准差之比更加接近1,这说明:随着北极海冰模拟性能的提高,BCC_CICE模拟的东亚冬季SLP在空间分布和空间变率上更为合理,这有利于提高东亚地区其他气候要素的模拟效果。
图7 观测的北半球冬季海平面气压场(a)、BCC_SIS模拟的与观测的北半球冬季海平面气压的差值场(b)以及BCC_CICE模拟的与BCC_SIS模拟的海平面气压的差值场(c)(单位:hPa)Fig.7 (a) Climatology of observed sea level pressure in the Northern Hemisphere in winter,(b) differences between the simulations by BCC_SIS and the observations,and (c) differences between the simulations by BCC_CICE and the simulations by BCC_SIS (units:hPa)
2.3.2 850 hPa风场
图8 观测的东亚850 hPa风场(a)、BCC_SIS模拟的与观测的东亚850 hPa风场的差值场(b)以及BCC_CICE模拟的与BCC_SIS模拟的风场的差值场(c)(单位:m/s)Fig.8 (a) Climatology of observed 850 hPa wind in East Asia in winter,(b) differences between the simulations by BCC_SIS and the observations,and (c) differences between the simulations by BCC_CICE and the simulations by BCC_SIS (units:m/s)
图8给出了观测和模式模拟的东亚冬季850 hPa风场及其差值空间分布情况。由图8a可见,东亚东部地区及其以东海域冬季盛行西北风,这是东亚冬季风的显著特征(王会军和姜大膀,2004)。模式虽然能够模拟出这一西北风气流的基本特征,但由于BCC模式对于北风分量模拟性能有限,使得东亚东部地区上空模拟的北风分量偏强以及东部海域上空模拟的北风分量偏弱。模式中北风分量模拟偏强是由于BCC_SIS模拟的中高纬度地区SLP偏高,导致东亚地区中高纬度与低纬度之间气压梯度增强,造成在东亚区域产生了偏北风分量,因而模式模拟的冬季风偏强。相比之下,由于BCC_CICE对东亚冬季SLP模拟性能的提高,使得模式模拟的中高、低纬度以及海、陆之间的气压梯度得到减弱,东亚区域产生偏南、偏东风异常,东亚冬季风模拟偏差减少,新耦合模式模拟的东亚冬季风的空间分布以及其强度更加接近观测的结果。
图4中数字4、5、6分别表示850 hPa纬向风、850 hPa经向风、850 hPa风速的模,其中经向风的描述季风环流的重要指标。从图4中可见,对于冬季850 hPa经向风,模式模拟与观测的空间相关系数较低,这说明了BCC模式存在北风分量模拟性能的不足。与BCC_SIS相比,BCC_CICE模拟的经向风与观测之间的空间相关系数提高以及均方根误差减少,并且标准差之比基本保持不变,模拟东亚冬季经向风的空间型更加接近观测。就相关系数而言,BCC模式对冬季850 hPa纬向风及风速模的模拟效果均高于经向风的模拟效果。相比于BCC_SIS,BCC_CICE冬季850 hPa纬向风及风速模的模拟情况与经向风模拟结果类似,但是标准差之比有所增大。由此可见,BCC_CSM中北极海冰模拟性能的提高有效改善了模式对于东亚冬季风的模拟情况,尤其是经向风的模拟能力。
从冬季北半球气压场模拟来看,BCC_SIS模拟的阿留申低压强度比观测略弱,位置偏西、偏南,导致中国东北地区850 hPa风场产生气旋式环流异常,增大海洋向陆地的水汽输送,使得中国东北地区降水模拟偏多(图6b)。与BCC_SIS相比,BCC_CICE模拟的850 hPa风场产生反气旋式环流异常,海洋向陆地的热量输送增大,中国东北地区模拟的暖偏差增大(图5c)。BCC_SIS模拟的冰岛低压强度偏强,位置偏东、偏北,减弱了向极地的气流,中高纬度地区向极地的热量输送减少,使得西伯利亚地区气温模拟偏暖,同时增加了北冰洋向东亚中高纬度地区水汽输送,使得东亚冬季中高纬度地区的降水模拟偏多。与BCC_SIS相比,BCC_CICE对东亚冬季大气环流模拟性能的改善,增强西伯利亚地区向极地的热量输送,以及减弱了极地向东亚中高纬度的水汽输送,有效地改善了模式对于东亚中高纬度地区冬季气温以及降水的模拟。BCC_CICE对于东亚冬季风模拟性能的改善,冬季风模拟减弱,东亚低纬度地区海洋向陆地的水汽输送增加,减少中国东南地区冬季降水量的模拟偏差。整体而言,新版本耦合模式对东亚冬季大气环流模拟性能的改善,有效地改善了模式对于东亚冬季气温以及降水的模拟。
3 冬季北极海冰与东亚冬季气候关系的模拟
西伯利亚高压是控制东亚大陆近地面冬季大气环流及气候要素的重要环流系统,诸多研究发现西伯利亚高压的强弱变化对冬季东亚地区大气环流、气温以及降水等的变化有非常重要的作用(龚道溢和王绍武,1999;龚道溢等,2002;朱红霞等,2019)。为了探讨模式对于冬季北极海冰密集度与东亚冬季气候关系的模拟情况。本文将西伯利亚高压进行定量化处理,采用一个西伯利亚高压强度指数为冬季(12月—次年2月)区域(80°~120°E,40°~60°N)内的格点为计算对象,以区域内各个格点的纬度余弦值为权重系数,将区域内各个格点的SLP加权平均值(武炳义等,2011)。
在观测结果中,冬季西伯利亚高压异常与同期海冰密集度异常的空间演变存在密切相关。在冬季,格陵兰海东部以及巴伦支海-喀拉海,均存在显著的负SIC相关关系(图9a),这说明当冬季格陵兰海东部以及巴伦支海-喀拉海海冰减少时,使得同期西伯利亚高压的强度增强。冬季西伯利亚高压异常与同期海冰密集度异常的显著负SIC异常相关关系在BCC_CICE模式中能够较好地模拟,主要集中在巴伦支-喀拉海(图9b),而BCC_SIS不仅不能较好地模拟观测中的负相关关系,而且冬季巴伦支海-喀拉海海冰密集度异常与同期西伯利亚高压异常之间的关系与观测的结果相反,主要为正相关关系。由此可见,当引入海冰分量CICE5.0后,新耦合模式中冬季西伯利亚高压对同期巴伦支海-喀拉海海冰密集度异常的响应模拟性能增强,使得模式能够较好地模拟出观测中显著的负相关关系。这有利于提高新耦合模式对于冬季西伯利亚高压的模拟能力,进而提高东亚冬季各气候要素的模拟性能。依据图9给出的冬季西伯利亚高压异常与同期海冰密集度异常的相关关系,利用冬季(12月—次年2月)区域(30.5°~120.5°E,70.5°~83.5°N,图9黑框)的海冰密集度异常的区域平均值建立了一个海冰指数,来表征巴伦支海-喀拉海海冰异常变化。
图9 冬季西伯利亚高压异常与北极海冰密集度异常的相关系数(黑点表示通过0.05信度的显著性检验):(a)ERA5;(b)BCC_CICE;(c)BCC_SISFig.9 Correlation coefficients between Siberian high anomalies and Arctic sea ice concentration anomalies in winter (Black dots denote the coefficients passing significance test at 0.05 level:(a)ERA5;(b)BCC_CICE;(c)BCC_SIS
图10 冬季海冰指数与东亚海平面气压异常(a,b,c)、降水异常(d,e,f)以及气温异常(g,h,i)的相关系数:(a,d,g)ERA5;(b,e,h)BCC_CICE;(c,f,i)BCC_SISFig.10 Correlation coefficients of the sea ice index with (a,b,c) sea level pressure anomalies,(d,e,f) precipitation anomalies,and (g,h,i) 2 m air temperature anomalies in East Asia in winter:(a,d,g)ERA5;(b,e,h)BCC_CICE;(c,f,i)BCC_SIS
上文揭示出随着模式中海冰模拟性能的提高,BCC_CICE改善了模式对于东亚冬季大气环流、气温以及降水的模拟性能。为了进一步探讨新耦合模式对东亚冬季各气候要素模拟性能提高的原因,将观测以及模拟的海冰指数分别与冬季东亚SLP、气温以及降水进行相关分析研究(图10)。从图10a可以看出,当冬季巴伦支海-喀拉海海冰密集度距平场为正(负)异常时,东亚高纬度地区为负(正)异常,低纬度地区为负(正)异常。BCC_CICE能够较好地模拟冬季巴伦支海-喀拉海海冰密集度异常与东亚冬季SLP异常的相关关系空间型(图10b),而BCC_SIS并不能模拟出这类相关关系的空间分布型,甚至表现出截然不同的空间分布型(图10c),而且本文发现相关关系模拟较为接近的区域与模式模拟SLP改善的区域较为接近。这说明:引入新的海冰分量CICE5.0,增强了模式模拟的冬季SLP对于同期巴伦支海-喀拉海海冰密集度异常的响应,使得BCC_CICE在很大程度上可以模拟出观测得到的冬季SLP与同期巴伦支海-喀拉海海冰密集度异常的相关关系的空间分布型,进而改善了模式对东亚冬季SLP的模拟性能。同样地,BCC_CICE能够较好地模拟海冰指数与东亚冬季中高纬度地区的气温(降水)的正相关关系,并且高纬度地区相关关系的空间分布与观测结果接近,而BCC_SIS并不能模拟观测的中高纬度地区的气温(降水)和同期巴伦支海-喀拉海海冰密集度异常的正相关关系反而表现出负相关关系。值得注意的是:与BCC_SIS相比,BCC_CICE明显改善东亚冬季中高纬度地区的气温(降水)的模拟偏差。这说明:引入新的海冰分量CICE5.0,增强了东亚冬季中高纬度地区的气温(降水)对同期巴伦支海-喀拉海海冰密集度异常响应能力,使得新耦合模式能够较好地模拟出观测中的东亚冬季中高纬度地区的气温(降水)与同期巴伦支海-喀拉海海冰密集度异常的正相关关系,进而提高模式冬季东亚中高纬度地区的气温以及降水的模拟性能。
为进一步分析东亚冬季降水、气温模拟性能的改善与巴伦支海-喀拉海海冰密集度异常的联系,计算了模式中西伯利亚地区(88°~116°E,50°~60°N,Siberia)、中国西北(74°~95°E,36°~50°N,NWC)、中国东北(118°~135°E,42°~52°N,NEC)、中国华北(54°~118°E,36°~42°N,NC)、中国东南(105°~118°E,22°~34°N,SEC)总共5个区域的降水、气温相对于观测场的偏差情况(图11),并比较模式与观测中降水、气温与同期巴伦支海-喀拉海海冰密集度的相关系数情况(图12)。
从图11a和图12a可见,与BCC_SIS相比,BCC_CICE模拟的区域降水模拟偏差减少,除了中国东南地区外,其他区域的降水异常对同期巴伦支海-喀拉海海冰密集异常的响应与观测结果更加接近,这说明:BCC_CICE中东亚中高纬度降水模拟水平的提升可能来自其能够较好地抓住中高纬度降水与海冰密集度之间的相关关系以及降水异常对海冰密集度异常的响应,而中低纬度降水模拟水平的提升更多来自模式对于大气环流模拟的改善。从图11b和图12b可见,相比于BCC_SIS,BCC_CICE的气温异常对同期巴伦支海-喀拉海海冰密集异常的响应与观测更为接近,但是新耦合模式中中国东北以及中国东南的模拟偏差增大,而其他区域的模拟偏差减少,这说明:新耦合模式能够较好地抓住气温与海冰密集异常的相关关系以及气温异常对海冰密集度异常的响应,进而提高东亚内陆地区的气温模拟效果,但由于影响东亚沿海地区气温模拟的因素较多,所以仅仅是北极海冰模拟的改善并不能较好地提高模式对东亚沿海地区的气温模拟水平。
图11 区域降水(a)、气温(b)的模拟偏差(红、蓝色分别表示BCC_CICE、BCC_SIS)Fig.11 Simulation deviations of regional (a) precipitation and (b) air temperature (Red and blue show BCC_CICE and BCC_SIS,respectively)
图12 海冰指数与冬季区域降水异常(a)、气温异常(b)的相关系数(红色、绿色和蓝色分别表示BCC_CICE、ERA5和BCC_SIS)Fig.12 Correlation coefficients of the sea ice index with regional (a) precipitation and (b) air temperature anomalies in winter (Red,green and blue show BCC_CICE,ERA5 and BCC_SIS,respectively)
4 结论
本文深入分析了BCC_CSM2.0中利用海冰模式(CICE5.0)替代原有模式(SIS)对东亚气候模拟的影响,并且讨论了导致模式对东亚气候模拟性能改变的原因。结果表明:
1) BCC_CSM2.0模式高估了东亚冬季地面接收的净长波辐射,使得净辐射能量收入高于观测结果,导致该地区气温模拟偏暖。同时BCC_CSM2.0模拟低估了青藏高原地区的净短波辐射,这是青藏高原气温模拟偏低的主要原因。引入CICE5.0后,新版本耦合模式对东亚冬季辐射热通量模拟性能的提高,有利于提高模式对东亚冬季气温的模拟性能。
2) 将海冰模式由SIS替换成CICE5.0后,新版本耦合模式能够较好地模拟出东亚冬季海平面气压的气候态空间分布特征,同时改善了东亚风场模拟效果,尤其是经向风的模拟性能,减少了东亚冬季风的模拟偏差。新耦合模式改善东亚冬季大气环流的模拟偏差,使得模式对东亚冬季中高纬度地区气温以及降水的模拟误差得到较好的改善。
3) 进一步分析发现,由于海冰模拟性能的不足,旧耦合模式并不能较好地模拟出冬季巴伦支海-喀拉海海冰密集度异常与同期东亚SLP、降水以及气温异常的相关关系。而引入CICE5.0后,新耦合模式在很大程度上能够重现出观测中的冬季巴伦支海-喀拉海海冰密集度异常与同期东亚SLP、降水以及气温异常之间相关关系,尤其是东亚中高纬度地区。新耦合模式气候模拟性能的提升来自模式增强了东亚冬季气候要素异常对海冰变化的响应。
4) 引入海冰模式CICE5.0后,新耦合模式中东亚冬季气候要素的空间变率模拟普遍增大,主要是新耦合模式增强了东亚冬季气候要素对海冰变化的响应,模式中东亚冬季中高纬度、低纬度地区气候要素与北极海冰密集度异常之间截然不同的相关关系所导致的。
5) 新耦合模式对于东亚冬季大气环流以及辐射通量的模拟性能的改进,并不能有效提高模式对东亚冬季东南地区的气温的模拟性能。这是由于BCC_CSM2.0模式自身对该地区气温模拟存在一定冷偏差,新耦合模式降低了该地区辐射通量的模拟正偏差,反而使得东亚冬季东南地区的气温模拟冷偏差增大。