CMIP6 模式对北冰洋海洋热含量的模拟能力评估

谢龙，白学志*，龙上敏

(1.河海大学 海洋学院，江苏 南京 210098)

1 引言

自20 世纪70 年代以来，全球气温持续升高，对北极产生了深刻的影响。21 世纪以来，北极的气温变化是全球平均水平的两倍，这被称为“北极放大”现象[1]。与此同时，北极海冰覆盖范围呈不断减小的趋势[2-5]，海冰厚度和海冰密集度也持续降低[6-7]，在2007 年夏季出现了有卫星观测以来海冰覆盖面积的最低值[5,8]。一般认为北极海冰范围会继续减小，在2030 年可能会出现在夏季北极无冰的情况[4]。

海冰是北极气候系统的一个重要组成部分，控制着海洋-大气界面上的热量、水、动量和气体交换。夏季海冰范围的减小会增加海洋对太阳辐射的吸收，一方面加速海冰的融化，另一方面越来越多的开阔海面对大气产生异常加热，形成正反馈效应[9-10]。研究表明，北极增暖的反馈主要是冰雪反照率反馈，海冰的减少被认为是北极放大现象的关键因素[1]。过去30 年的海冰减退极大地改变了北冰洋上混合层的热收支[11]。在全球变暖和北极海冰不断减少的背景下，北冰洋的热含量必将发生变化，不同区域热含量变化情况也不尽相同。因此，研究北冰洋热含量的变化及其影响因素对于研究北冰洋海冰变化及气候变化有重要意义。

北冰洋热含量表现出明显的季节变化。Serreze等[12]利用PHC（Polar Science Center Hydrographic Climatology）资料计算得到北冰洋热含量的季节变化。夏季（7-9 月）北冰洋热含量增量最大，9 月热含量达到最大值，11-12 月热损失最大，随后热含量持续下降，4 月达到最小值。

在海盆内部，Timmermans 等[13]研究发现，在1987-2017 年的30 年里，加拿大海盆热含量增加了几乎1 倍，主要原因是海冰减少导致上层海洋吸收更多的太阳辐射。M.S.和Thompson[14]利用同化资料研究了1958-2005 年间北冰洋上层1 000 m 热含量的长期变化特征。研究发现，北冰洋热含量的季节循环主要受上层海洋净热通量的正负控制，而年际变化主要与北大西洋的经向热平流有关。Lique 和Steele[15]利用高分辨率全球海洋海冰模式ORCA025 对1968-2007 年间北冰洋热含量变化进行REOF 分析，发现北冰洋28%的热含量变化是由季节性无冰区大气热通量的季节性和年际变化驱动的，31%的热含量变化受到大西洋水通过弗拉姆海峡的热含量变化影响。

历史观测数据显示，北冰洋在过去几十年中主要的气候参数，如：北极表层气温、北冰洋淡水含量、中层（150～1 000 m）大西洋水温度以及陆缘冰厚度等都发生了明显变化[16-17]。在北欧海中，大西洋水是一个表层水团，温度最大值出现在海洋表面。在弗拉姆海峡中，它汇入西斯匹次卑尔根海流的地方，温度在次表层出现最大值。大西洋水通过弗拉姆海峡和巴伦支海进入欧亚海盆后，继续向下游输运[18-19]，大部分大西洋水绕北冰洋循环流动，大多数作为一股“边缘”流沿着大陆架坡流动[20]，流动过程中大西洋水的温度和盐度在逐渐降低。在弗拉姆海峡，大西洋水温度大约为3℃，在北冰洋内部温度下降到0.4℃。大西洋水的核心也随着大西洋水在北冰洋内部的流动而从表层向下流动，从弗拉姆海峡的200 m 下降到加拿大海盆中的500 m[21]。

暖而咸的大西洋水分布在北冰洋各个区域，对于北冰洋的热量平衡起着特殊的作用，但是大西洋水向上释放的热量能否影响北极海冰仍然存在很多争论[22-23]。随着21 世纪以来北冰洋内大西洋水异常增暖[24]以及欧亚海盆内“大西洋化”现象向东拓展，越来越多学者认为大西洋水的热量对于北冰洋海冰的变化具有重要的作用[25-26]。Polyakov 等[27]利用三维冰-海模型实验估算出在40 年后大西洋水热通量每增加0.5 W/m2将会导致28～35 cm 的海冰融化。

由于观测资料的稀缺，海-冰耦合模式是研究北极海-冰-气系统的重要工具[28-29]。第六次国际耦合模式比较计划（Coupled Model Intercomparison Project Phase 6，CMIP6）是CMIP 实施20 多年来参与的模式数量最多、设计的数值实验最丰富、所提供的模拟数据最为庞大的一次。这些数据将支撑未来5～10 年的全球气候研究，基于这些数据的研究成果将构成未来气候评估和气候谈判的基础[30]。因此，CMIP6 模式对北极地区气候模拟的准确与否具有重要意义。本文拟基于观测资料，评估CMIP6 模式对北冰洋热含量的模拟能力。

本文采用PHC 观测资料、ECCO2（The Estimating the Circulation and Climate of the Ocean Project Version 2）、SODA（Simple Ocean Data Assimilation）和GECCO3（German Contribution to the Estimating the Circulation and Climate of the Ocean Project Version 3）再分析资料以及29 套CMIP6 模式资料对北冰洋热含量的水平分布、季节变化和长期变化趋势等进行研究，同时评估了CMIP6 模式对北冰洋海洋热含量的模拟能力。

2 数据和方法

2.1 数据

本文采用PHC 的温度数据，包括气候态年平均、季节平均和月平均数据。数据的空间范围为全球海洋89.5°S～89.5°N，环全球经度，水平空间分辨率为1°×1°。其中，季节平均数据仅包括冬季和夏季两个季节，月平均数据只有海洋上层1 500 m 的数据。

本文采用了SODA、ECCO2 和GECCO3 再分析资料。SODA 海洋数据集是由全球简单海洋资料同化分析系统产生，该系统是美国马里兰大学于20 世纪90 年代初开发的分析系统，其目的是为气候研究提供一套与大气再分析资料相匹配的海洋再分析资料[31]。SODA 资料时间范围为1980 年1 月至2015 年12 月，时间分辨率为逐月，空间范围为74.75°S～89.75°N，环全球经度，水平空间分辨率为1°×1°。ECCO2 资料来自美国喷气动力实验室（Jet Propulsion Laboratory,JPL），是基于美国麻省理工学院的海洋环流模式（Massachusetts Institude of Technology general circulation model,MITgcm）[32]。数据时间范围为1992年1 月至2016 年12 月，时间分辨率为3 d，空间范围为全球海洋89.875°S～89.875°N，环全球经度，水平空间分辨率为0.25°×0.25°。本文还使用了同样基于MITgcm的GECCO3 再分析资料。GECCO 是德国对ECCO 的进一步发展，GECCO3 则是GECCO 和GECCO2 的延续。GECCO3 数据时间范围为1948 年1 月至2018年1 月，时间分辨率为逐月，空间范围为全球海洋89.5°S～89.5°N，环全球经度，水平空间分辨率为1°×1°。

世界气候研究计划“耦合模拟工作组”组织的CMIP6 正在进行中，全球33 家机构的约112 个气候模式版本注册参加[30]。本文选取了CMIP6 历史气候模拟实验下的29 个模式（1850 年1 月至2014 年12 月）以及未来试验场景SSP126（在SSP1（低强迫情景）基础上对RCP2.6 情景的升级（辐射强度在2100 年达到2.6 W/m2））下的25 个模式（2015 年1 月至2100 年12 月，4 个中国模式BCC-ESM1、CASESM2-0、CIESM 和TaiESM1 在SSP126 实验场景下没有提供结果）。CMIP6 模式数据在使用过程中均插值到1°×1°的规则网格上，模式所属机构和网格分辨率见表1。

表1 模式介绍Table 1 Models introduction

2.2 热含量计算方法

本文采用Lique 和Steele[15]给出的计算公式来计算海洋热含量

式中，T是给定点的温度；Tref是参考温度，取Tref=-0.27℃，-0.27℃是利用PHC 数据计算得到的气候态平均温度；通过计算，我们发现海水密度与海水比热容取定值和变化值对计算热含量影响很小，因此本文取海水密度ρ0=1 026 kg/m3，海水比热容Cp=4 000 J/(kg·℃)。计算区域为60°～90°N，环全球经度，计算深度分别为海洋上层500 m 和全水深。

3 结果

3.1 历史时期北冰洋热含量水平分布特征

3.1.1 观测和再分析资料

图1和图2分别为观测和再分析资料气候年平均上层500 m 和全水深热含量水平分布，再分析资料在计算时选取公共时间段：1992 年1 月至2015 年12 月。

图1 1992-2015 年基于观测和再分析资料的北冰洋长期年平均上层500 m 热含量水平分布Fig.1 Distribution of annual average upper 500 m heat content in the Arctic Ocean from 1992 to 2015 based on the observation reanalysis data

图2 1992-2015 年基于观测和再分析资料的北冰洋长期年均全水深热含量水平分布Fig.2 Distribution of annual average whole water heat content in the Arctic Ocean from 1992 to 2015 based on the observation reanalysis data

由图可以看出，不论是上层500 m 还是全水深，观测和再分析资料的北冰洋热含量水平分布都表现出在北欧海（北欧海是对格陵兰海、冰岛海和挪威海的统称）较高，在挪威海最高的特征。这主要是受到沿着挪威陆坡北向流动的挪威海大西洋暖流和自弗拉姆海峡向南流动的东格陵兰寒流的影响[33-36]。

在上层500 m，观测和再分析资料的北冰洋热含量水平分布都表现出由弗拉姆海峡至北冰洋中心逐渐降低，在欧亚海盆为正，在加拿大海盆为负的特征。这是因为随着大西洋水不断向北冰洋内部流动温度也在逐渐降低，热含量也逐渐减小。对于全水深，北冰洋热含量在挪威海最高，在格陵兰海、欧亚海盆和加拿大海盆热含量为负。在北冰洋内部的海盆边缘出现热含量的极大值，这主要是因为温暖的北大西洋水主要是沿着大陆坡在北极海盆周围流动[20]。相较于上层500 m，北冰洋全水深热含量在欧亚海盆由正值变为负值。

3.1.2 CMIP6 模拟结果和偏差

图3给出了CMIP6 多模式集合平均结果（MME）的热含量水平分布。如图所示，MME 的北冰洋热含量水平分布也表现出挪威海最高的特征。MME 上层500 m 热含量水平分布与观测比较接近：在挪威海最高，由弗拉姆海峡至北冰洋中心逐渐降低。MME全水深热含量在北冰洋几乎所有海域全部为正，同观测和再分析资料相差较大。

图3 CMIP6 多模式集合平均北冰洋热含量水平分布Fig.3 The Arctic Ocean heat content of multi-model ensemble mean

用MME 减去PHC 和SODA，得到热含量偏差如图4所示（蓝色代表MME 偏冷，橙色代表MME 偏暖）。由图可知，在上层500 m，MME 热含量在格陵兰海暖偏差最大，在挪威海、巴伦支海及欧亚海盆偏冷。对于全水深热含量，MME 在几乎所有海域均偏暖，同样在格陵兰海暖偏差最大，仅在巴伦支海部分海域偏冷。

图4 北冰洋热含量水平分布偏差Fig.4 Deviation of the Arctic Ocean heat content with respect to PHC and SODA,respectively

为了研究模式模拟偏差产生的原因，图5给出了PHC、再分析资料和CMIP6 模式模拟的垂直温度剖面。在加拿大海盆，模拟的温度剖面分布与观测较为相似，都是表层温度较低，至500 m 深度左右温度达到最高值，随后温度缓慢降低，2 000 m 以深后温度基本保持不变。但是模拟的温度在整个水柱明显高于观测和再分析资料，约0.8℃，因此模式模拟的上层500 m 和全水深热含量在加拿大海盆偏暖。

在欧亚海盆，模拟的上层500 m 热含量偏冷，而全水深热含量偏暖。欧亚海盆上层500 m 温度剖面如图5c所示。由图可知，模式模拟的上层500 m 温度垂直剖面与PHC 和再分析资料相比有较大差异：PHC 和再分析资料温度最高值出现在300 m 水深上下，约为0.9℃，随后温度逐渐降低，至2 000 m 水深上下达到最低值，在-0.5～-1℃之间。而模式模拟的MME 温度最高值出现在水深800 m 上下，约为1℃，明显偏深。在上层500 m，MME 温度略低于PHC 和再分析资料。但随着水深逐渐增加，在500 m 以深，MME 温度逐渐高于PHC 和再分析资料，至温度稳定后，MME 温度高于PHC 和再分析资料接近2℃。这导致了模式模拟的欧亚海盆上层500 m 热含量偏冷，而全水深热含量偏暖。CMIP6 模式对于入流大西洋水的模拟仍然是亟待解决的问题，几乎没有模式能较准确地模拟出北冰洋中大西洋水的垂直结构。

图5 北冰洋各海盆和格陵兰海长期年平均垂直温度剖面Fig.5 Long-term annual mean vertical temperature profiles of the Arctic Ocean basins and Greenland Sea

在格陵兰海，MME 温度垂直剖面与PHC 和再分析资料存在较大偏差：模式模拟的温度剖面随着深度增加先降低后增加，在约300 m 水深达到最高值6℃左右，随后温度逐渐降低，至1 500 m 水深后稳定在2℃左右，而PHC 和再分析资料的温度垂直剖面则随着水深增加温度逐渐降低，由表层的6～10℃至1 000 m 以深稳定在-2℃。在800 m 以深，MME 温度显著高于观测和再分析资料，温度差甚至达到4℃，因此格陵兰海出现最大热含量暖偏差。

3.1.3 中国模式模拟能力

为了了解中国模式对于北冰洋热含量的模拟情况，用中国模式模拟结果减去PHC 得到中国模式与PHC 上层500 m 和全水深热含量偏差如图6和图7所示。在上层500 m，大部分中国模式都在格陵兰海偏暖，在挪威海和巴伦支海偏冷，其中CIESM 的暖偏差最大。FGOALS-f3-L、FGOALS-g3、FIO-ESM-2-0和CAS-ESM2-0 在欧亚海盆和加拿大海盆偏冷，其余中国模式偏暖。对于全水深热含量，大部分模式都在巴伦支海偏冷。FGOALS-f3-L 在加拿大海盆偏冷，FGOALS-g3 在加拿大海盆和欧亚海盆偏冷，其他中国模式在加拿大海盆和欧亚海盆均呈明显偏暖的特征。

图6 中国模式与PHC 的北冰洋上层500 m 热含量水平分布偏差Fig.6 Deviation of the upper 500 m Arctic Ocean heat content of Chinese models with respect to PHC

图7 中国模式与PHC 的北冰洋全水深热含量水平分布偏差Fig.7 Deviation of the whole water column Arctic Ocean heat content of Chinese models with respect to PHC

为了更好地了解MME 和中国模式与PHC 资料的偏差，通过计算不同资料在0～100 m、100～300 m、300～750 m、750～1 500 m 和1 500～3 000 m 不同深度的平均温度，用MME 和中国模式减去PHC，得到模式平均温度剖面与PHC 的温度偏差如图8所示。

图8 CMIP6 模式平均温度剖面与PHC 温度剖面的温度偏差Fig.8 The temperature deviation between the average temperature profile of the CMIP6 models and the PHC temperature profile

由图可知，对于加拿大海盆，在上层100 m，MME和所有中国模式均偏冷。MME 偏冷约0.5℃，除了NESM3，其他中国模式偏差较大，超过1℃。在100～300 m 水深，MME 偏暖约0.5℃，CIESM 偏暖较小，NESM3 偏暖接近2℃，其余中国模式仍旧偏冷，但偏差较上层500 m 减小。在300 m 以深，除了FGOALS-g3和FGOALS-f3-L 一直偏冷，NESM3 在1 500 m 以深偏冷，其余中国模式均偏暖。BCC-CSM2-MR 和BCCESM1 偏差最大，基本都偏暖2℃，CIESM 和TaiESM1次之。对于欧亚海盆，在上层100 m，MME 和所有中国模式均偏冷超过1℃。在100～300 m 水深，部分中国模式由偏冷变为偏暖，偏差较上层100 m 均有减小。在300 m 以深，温度偏差情况类似于加拿大海盆。在格陵兰海，除了BCC-CSM2-MR 和BCC-ESM1在上层100 m 偏冷，NESM3 在上层300 m 偏冷，其余中国模式在所有深度处均偏暖。MME 在100～300 m偏暖超过6℃。偏差最大的模式是100～300 m 水深的CIESM，最大偏差接近10℃。从750 m 以深，MME和中国模式的偏差逐渐减小。

从以上分析可以看出，加拿大海盆和欧亚海盆温度偏差的特征比较相似，在格陵兰海情况则不同。同时，从温度偏差的绝对值考虑，格陵兰海温度偏差在-4～10℃，远超加拿大海盆和欧亚海盆的-3～3℃。这也解释了为什么MME 与PHC 的暖偏差在格陵兰海最大。

3.2 北冰洋海洋热含量的季节和年代际变化

3.2.1 季节变化

利用PHC 月均数据计算得到的PHC 热含量的季节变化如图9所示。由图可知，北冰洋热含量表现出明显的季节变化：夏季（7-9 月）北冰洋热含量增量最大，9 月份达到最大值。11-12 月热损失最大，随后热含量持续下降，4 月份达到最小值。

图9 基于PHC 观测资料的北冰洋热含量季节变化Fig.9 Seasonal variation of Arctic Ocean heat content based on the PHC observation data

GECCO3、ECCO2 和SODA 3 种再分析资料的热含量季节和年代际变化如图10所示。其中，GECCO3时间范围是1948-2018 年，ECCO2 时间范围是1992-2016 年，SODA 时间范围是1980-2015 年，在计算年代际变化时使用十三点滑动平均的方法除去季节信号。

由图10c和图10d可知，在上层500 m，再分析资料表现出同PHC 相同的季节变化特征：热含量在9 月份最高，4 月份最低。ECCO2 的上层海洋热含量最高，SODA 和GECCO3 次之，PHC 最低。对于全水深，ECCO2 和SODA 热含量季节变化特征同上层500 m情况相同。GECCO3 热含量在10 月份最低，2 月份最高，同SODA 和ECCO2 相差较大。

由图10a和图10b可知，在上层500 m，GECCO3在1948-1988 年间热含量呈下降趋势。在1992-2016年，再分析资料热含量表现出一致的上升趋势。对于全水深，GECCO3 与ECCO2 和SODA 表现出较大的差异。GECCO3 的热含量从1948-1963 年迅速上升，再经历至1978 年的缓慢上升之后，基本保持不变，与ECCO2 和SODA 的热含量明显上升趋势相差较大。ECCO2 和SODA 则表现出明显的热含量上升趋势。结合图10c和图10d，我们发现，GECCO3 对于上层500 m 热含量的模拟与SODA 和ECCO2 比较接近，但在全水深时偏差较大。

图10 基于GECCO3、ECCO2、SODA 再分析资料的北冰洋热含量年代际变化和季节变化Fig.10 Decadal and seasonal variations of heat content in the Arctic Ocean of GECCO3、ECCO2 and SODA reanalysis data

CMIP6 模式的北冰洋历史热含量季节变化如图11所示。由图可知，CMIP6 模式模拟的上层500 m 热含量的季节变化特征与观测和再分析资料相似：热含量在9 月份最高，4 月份最低。MME 的模拟结果同观测和再分析资料比较接近。CMIP6 模式全水深热含量也表现出与观测和再分析资料相同的季节变化。中国模式CIESM 的热含量远高于其他模式，模拟较差。不同模式间热含量差异非常大。

图11 CMIP6 模式模拟的北冰洋历史热含量季节变化（1850-2014 年）Fig.11 Seasonal variation of the Arctic Ocean historical heat content of CMIP6 models (1850-2014)

3.2.2 模式评估

图12给出了CMIP6 模式与PHC 观测资料的北冰洋年平均热含量之间的泰勒图。黑色实线代表标准偏差，蓝色虚线代表相关系数，粉红虚线代表中心均方根差。由图可知，在上层500 m，大部分CMIP6模式模拟能力比较接近，相关系数在0.7～0.95 之间，标准偏差在0.75～1.5 之间。在上层500 m，中国模式BCC-CSM2-MR、BCC-ESM1 和NESM3 年平均热含量与PHC 的相关系数非常小，模拟相对较差，FIOESM-2-0、CESM2-WACCM 和CESM2 的模拟相对较好。相较上层500 m，CMIP6 模式全水深热含量的空间泰勒图分布比较分散，偏差相对较大。MRI-ESM2-0、BCC-CSM2-MR 和BCC-ESM1 的模拟相对较 差，CNRM-CM6-1、CNRM-ESM2-1 和 Had-GEM3-GC31-LL 模拟相对较好。

为方便查阅，表2给出了图12空间泰勒图的标准偏差、中心均方根差和相关系数的具体数值。

表2 CMIP6 模式与PHC 观测资料历史年平均热含量之间的标准偏差、中心均方根差和相关系数Table 2 Standard deviation,center root mean square difference and correlation of annual average heat content in history between CMIP6 models and PHC observation data

图12 CMIP6 模式与PHC 观测资料历史年平均热含量之间的空间泰勒图（1850-2014 年）Fig.12 Taylor diagram of annual average heat content in history between CMIP6 models and PHC observation data (1850-2014)

CMIP6 模式模拟的1850-2100 年北冰洋上层500 m 热含量和全水深热含量的长期变化趋势如图13所示。由图可知，1850-1975 年间，MME 上层500 m和全水深热含量基本保持不变。1975 年以后，上层500 m 热含量呈明显的上升趋势，到了2075-2100 年间，热含量基本保持不变；1975 年以后，全水深热含量也呈上升趋势，但相较上层500 m其上升趋势较缓。这可能是因为上层海洋受到二氧化碳增加等因素导致的全球变暖的影响要大于深层海洋。粗蓝线和粗红线分别是历史时期SODA 和ECCO2 年平均热含量时间序列。在上层500 m，SODA 和ECCO2 热含量高于MME，增长趋势也大于MME，但对于全水深，SODA 和ECCO2热含量则低于MME，在增长趋势方面则无明显差异。

图13 CMIP6 模式模拟的北冰洋年平均热含量时间序列Fig.13 Time series of the Arctic Ocean annual mean heat content of CMIP6 models

在上层500 m，大部分中国模式热含量和热含量增长趋势均低于MME、ECCO2 和SODA，但在全水深情况下，大部分中国模式热含量要高于MME、ECCO2和SODA。其中，中国模式CIESM 热含量与其他CMIP6模式和再分析资料相差很大。不同模式热含量差异很大，在全水深情况下，甚至有一个CMIP6 模式热含量出现了负值。

3.3 CMIP6 模式间不确定性

图14给出模式间热含量偏差的标准差。由图可知，历史和未来情形下模式间热含量偏差的标准差比较相似，模式间热含量变化最大的区域主要出现在北欧海、欧亚海盆和加拿大海盆。在上层500 m，模式间热含量标准差最大值出现在挪威海域，加拿大海盆和欧亚海盆次之，说明模式间热含量变化最大的区域在挪威海域；对于全水深，标准差最大值出现在戴维斯海峡，欧亚海盆较高，加拿大海盆和挪威海次之。

图14 北冰洋CMIP6 模式间热含量偏差的标准差Fig.14 Standard deviation of the Arctic Ocean heat content between models

利用模式间EOF(正交函数分解)方法，我们先对29 个CMIP6 模式处理得到多模式集合平均结果MME，用每个模式与MME 做差得到模式与MME 偏差的矩阵，然后进行EOF 分解，得到的模式间序列即为不同模式对该模态的模拟情况，结果如图15和图16所示。

如图15和图16所示，上层500 m 和全水深模式间EOF 第一模态（EOF1）表现出整个北冰洋同位相变化特征，且第一模态表现出与热含量水平分布类似的特征。在北冰洋内部的欧亚海盆和加拿大海盆，出现沿着海盆边缘的红线和蓝线，其绝对值大小均在0.5～1之间。出现沿海盆边缘的线说明不同CMIP6 模式对于大西洋水在北冰洋内部沿海盆边缘的流动差异较大；从模式间序列来看，上层500 m 有16 个模式较MME 偏冷，13 个模式偏暖。6 个中国模式偏暖，4 个偏冷；全水深有12 个模式较MME 偏冷，17 个模式偏暖。8 个中国模式偏暖，2 个偏冷。

图15 北冰洋上层500 m 历史热含量的CMIP6 模式间EOF 第一模态分布（a）和模式间序列(b）（1850-2014 年）Fig.15 Distribution of the first EOF mode between CMIP6 models of the historical upper 500 m heat content of the Arctic Ocean (a) and sequence between models (b) (1850-2014)

图16 北冰洋历史全水深热含量的CMIP6 模式间EOF 第一模态（a）和模式间序列（b）（1850-2014 年）Fig.16 Distribution of the first EOF mode between CMIP6 models of the historical whole water column heat content of the Arctic Ocean (a) and sequence between models (b) (1850-2014)

3.4 CMIP6 对未来北冰洋热含量预测

CMIP6 模式给出了2015-2100 年在不同情景下的预测结果。在未来试验场景SSP126 下，6 个中国模式提供了结果。为了观察北冰洋热含量在未来的变化情况，我们选取了两个时间段进行对比：2020-2050 年和2060-2090 年，得到MME 热含量水平分布如图17所示。

图17a和图17b是上层500 m 热含量水平分布，图17c和图17d是全水深热含量水平分布。整体看来，对于上层500 m 和全水深，其热含量水平分布情况与历史情形相似。2060-2090 年较2020-2050 年均表现出明显的热含量自欧亚海盆向加拿大海盆增加的趋势。这说明在CMIP6模式对于未来情形的模拟中，北冰洋在增暖。

图17 CMIP6 多模式集合平均未来北冰洋热含量水平分布Fig.17 The future heat content of the Arctic Ocean of CMIP6 multi-model ensemble mean

图18给出了6 个CMIP6 中国模式在未来两个时间段北冰洋上层500 m（图18a）和全水深（图18b）热含量的水平分布情况。由图可知，中国模式的未来热含量水平分布与历史情形相似，但在未来两个时间段，除了FIO-ESM-2-0，其余5 个中国模式均没有表现出明显的热含量增加，热含量变化很小，与MME所表现的北冰洋增暖情形相差甚大。对于全水深，中国模式的未来热含量水平分布与历史情形相似，但类似于上层500 m，在未来的两个时间段，只有FIOESM-2-0 表现出热含量的增加，其余5 个中国模式均没有表现出明显的热含量增加，热含量变化很小，模拟情况同MME 相差较大。

图18 CMIP6 中国模式模拟2020-2050 年、2060-2090 年北冰洋年平均热含量水平分布Fig.18 The annual mean heat content in the Arctic Ocean of CMIP6 Chinese models in 2020-2050 and 2060-2090

4 结论

前人对于北极热含量已经进行过一些研究。Serreze 等[12]利用PHC 资料计算得到北冰洋热含量的季节变化：热含量在9 月份最高，4 月份最低。本文基于观测和再分析资料，结合CMIP6 模式资料，研究发现CMIP6 模式模拟的北冰洋热含量也表现出与PHC 相同的季节变化，但不同模式的差异非常大；对于北冰洋的热含量长期变化趋势，在1850-1975 年间，MME 和大部分CMIP6 模式的上层500 m 热含量基本保持不变，1975 年之后热含量呈明显的上升趋势，到了2075-2100 年间热含量增加逐渐减少，基本

保持不变。全水深热含量的上升趋势相较上层500 m较缓。其中，中国模式CIESM 的热含量远高于再分析资料和其他CMIP6 模式，模拟较差。

Lique 和Steele[15]利用ORCA025 研究了1968-2007 年间北冰洋热含量的水平分布。研究发现，北大西洋水通过弗拉姆海峡东部和巴伦支海进入北极盆地，并在盆地周围的大陆坡继续流动。本文研究发现在历史情形下（1850-2014 年），北冰洋上层500 m热含量在挪威海最大，由弗拉姆海峡至欧亚海盆热含量逐渐降低；全水深热含量的最大值出现在挪威海，极大值出现在北冰洋内部海盆边缘区域，在欧亚海盆和加拿大海盆内部热含量为负。历史情形下，相较观测和再分析资料，MME 全水深热含量在几乎所有海域均偏暖。未来情形下（2015-2100 年），MME 的模拟结果表明北冰洋正在增暖，但大部分中国模式却没有表现出明显的热含量增加现象。通过分析CMIP6模式与PHC 年平均热含量之间的空间泰勒图，本文发现：在历史情形下，BCC-CSM2-MR 和BCC-ESM1对北冰洋上层500 m 和全水深热含量的模拟都比较差，NESM3 对上层500 m 热含量的模拟较差，MRIESM2-0 对全水深热含量的模拟较差。CESM2、CESM2-WACCM 和中国模式FIO-ESM-2-0 对上层500 m 热含量的模拟较好，CNRM-CM6-1、CNRMESM2-1 和Had-GEM3-GC31-LL 对全水深热含量的模拟较好。

CMIP6 模式对于北冰洋垂直温度剖面的模拟情况与观测和再分析资料差异较大，在加拿大海盆，模拟的温度垂直剖面与观测类似，但整体温度偏高；在欧亚海盆，模拟的温度垂直剖面形状与观测相差较大，没有能较准确地模拟出大西洋水地垂直结构，在1 000 m 以深，模拟的温度偏高2℃左右。

本文分析了北冰洋热含量的水平分布、季节变化和长期变化趋势等，但对北冰洋热含量的分析没有深入至其影响机制层面，下一步的工作可以结合北冰洋海表面热通量和海洋热输送等资料深入分析北冰洋热含量的影响因素，同时从模式的动力学框架和对北极极端事件的模拟情况等角度对CMIP6 模式进行进一步的评估。