东亚地区晴空湍流未来变化趋势预估：基于CORDEX-WRF模式降尺度

胡伯彦， 汤剑平， 王淑瑜

1 南京大学大气科学学院， 南京 210023 2 中国民用航空华东地区空中交通管理局， 上海 200335

0 引言

伴随全球民用航空业的快速发展，公众对飞行安全的关注度也逐步提高.根据美国国家安全运输委员会(National Transportation Safety Board, NTSB)统计，2000—2011年全美大型商用飞机飞行事故中有37%与天气有关，其中因空中颠簸造成的事故占比超过70% (Eick, 2014).美国联邦航空管理局(Federal Aviation Administration, FAA)数据显示，1980—2008年全美共发生234起因飞机空中颠簸造成的飞行事故，导致298人严重受伤、3人死亡(FAA, 2017).在中国，空中颠簸对飞行安全同样造成严重影响.2015年8月，海南航空一架由成都飞往北京的航班在下降过程中突遇强烈颠簸，导致机组人员和乘客共30人受伤；2017年6月，中国东方航空MU774航班在飞行途中遭遇多次颠簸，导致20余人受伤，其中4人重伤.飞机空中颠簸是由大气中的湍流现象引发的.研究人员根据激发湍流涡旋的大尺度强迫机制不同将与航空有关的湍流分成以下几种类型：对流湍流(convective turbulence)、低层湍流(low-level turbulence)、山地波湍流(mountain wave turbulence)、晴空湍流(clear-air turbulence)和飞机尾涡“湍流”(aircraft-induced “turbulence”)(Sharman and Lane, 2016)，其中晴空湍流是引起飞机空中颠簸的最主要湍流类型.由于晴空湍流无法通过飞行员目视或机载雷达进行有效探测，且普遍发生在6000 m以上的巡航飞行高度(Chambers, 1955)，飞机一旦在毫无预警状态下进入强湍流区，很容易造成乘客或机组人员受伤.晴空湍流的产生受多种因素影响，如Kelvin-Helmholtz不稳定(Sharman et al., 2006)、惯性重力波(Sharman et al., 2012)、高空急流(Kaplan et al., 2006)、地形强迫(Lilly, 1978)等.周林和黄超凡(2015)针对晴空湍流的形成机制做了较好总结.

晴空湍流的预测一直是航空气象领域的难点.当前数值天气预报(Numerical Weather Prediction, NWP)技术被广泛应用于雷暴、大风、强降水等航空高影响天气的预测中(Gultepe et al., 2019).然而，能够引发飞机空中颠簸的湍流涡旋尺度通常在100 m至1 km之间(Sharman et al., 2014)，以现有的NWP能力很难在如此高分辨率条件下对大气进行准确模拟(Sharman et al., 2006).前人根据小尺度湍流涡旋能量可由大尺度大气运动转化而来这一假设(Dutton and Panofsky, 1970)，利用NWP输出结果计算各种湍流指数进行晴空湍流的诊断和预测.Sharman等(2006)综合多种湍流指数建立了一套针对北美地区晴空湍流的“图形化湍流指导(Graphical Turbulence Guidance, GTG)”集成算法，该算法切实满足了航空用户对于湍流预测的实际需求.黄超凡等(2015)利用多个湍流指数对南海及附近海域晴空湍流事件进行了研究.申燕玲等(2017)和徐佳男等(2018)利用飞机观测资料和ERA-Interim再分析资料评估了多种晴空湍流指数在中国地区的诊断能力优劣.

近年来在全球气候变暖背景下开展晴空湍流的未来变化预估研究成为了一个新的研究热点.有研究表明未来南北半球中纬度地区高空急流将有所增强(Lorenz and DeWeaver, 2007; Collins et al., 2013; Solomon and Polvani, 2016)，大气环流的改变影响了晴空湍流的强度和出现频率，并可能对飞行安全造成新的影响.Jaeger和Sprenger(2007)分析了北半球晴空湍流在1958—2001年的频率变化，结果显示中度及以上强度(Moderate-or-Greater, MOG)湍流具有增多趋势，尤其在冬季北美洲东西海岸、喜马拉雅地区、欧洲中部、中国东部、北大西洋和北太平洋西部趋势明显.Williams和Joshi(2013)对CO2浓度倍增条件下跨大西洋地区21世纪中期冬季晴空湍流未来变化进行了预估，发现湍流强度总体将增强10%～40%，MOG湍流将增多40%～170%.Williams(2017)进一步对跨大西洋地区更多强度类别湍流的未来变化进行了研究，发现轻度湍流将增多59%、轻-中度湍流将增多75%、中度湍流将增多94%、中-重度湍流将增多127%、重度湍流将增多149%.Storer等(2017)则对全球范围内多个高度层上各季节晴空湍流未来变化进行了预估，结果显示在南北半球中纬度地区湍流增多最明显，部分地区增幅达到工业化前数倍；在北美、北太平洋和欧洲地区，重度湍流预计将增多一倍.

目前已有的研究结果主要基于全球环流模式(Global Circulation Model, GCM)得到.由于GCM空间分辨率相对较低(～150 km)，对晴空湍流的区域变化特征刻画不够细致，无法满足航空气象需求.近年来随着动力降尺度(dynamical downscaling)技术的发展，区域气候模式(Regional Climate Model, RCM)得到了广泛应用(Giorgi, 1990, 2019).利用GCM输出结果嵌套高分辨率RCM可以使模拟结果既较好表征大尺度环流特征，又对中小尺度系统有良好的模拟.为提供质量可控的降尺度模式信息，由世界气候研究计划(World Climate Research Program, WCRP)主导并发起了国际间区域气候降尺度试验(Coordinated Regional Climate Downscaling Experiment, CORDEX)(Giorgi et al., 2009; Giorgi and Gutowski, 2015).Hu等(2021)在CORDEX框架下利用RCM降尺度技术对全球变暖背景下东亚地区21世纪中期冬季250 hPa高度晴空湍流未来变化进行了预估，给出了五种强度湍流的出现频率变化.本文在该研究基础上将预估范围扩大到所有季节和更多高度层，从而使东亚地区晴空湍流变化能够在更广泛的时空维度下得到展现.

1 模式和方法

本文RCM选用由美国国家大气研究中心(National Center for Atmospheric Research, NCAR)和美国国家海洋大气管理局(National Oceanic and Atmospheric Administration, NOAA)共同研发的中尺度数值模式WRF(Weather Research and Forecasting)(Skamarock et al., 2008).该模式已被广泛应用于区域气候数值模拟研究领域(Tang et al., 2016; Wang et al., 2019).模拟试验的初始场和边界场资料来自耦合模式比较计划CMIP5(Coupled Model Intercomparison Project Phase 5)(Taylor et al., 2012)的四个GCM，分别为CNRM-CM5(Voldoire et al., 2013)、GFDL-ESM2M(Dunne et al., 2012)、EC-EARTH(Hazeleger et al., 2010)和MPI-ESM-LR(Jungclaus et al., 2010).这些GCM对东亚地区当代气候均具有良好的模拟能力(Chen and Sun, 2013).

RCM模拟区域(CORDEX-EA-II区域)如图1所示，模拟中心为35°N，116°E，模式水平分辨率25 km，垂直方向分为29层，顶层气压50 hPa，高空变量逐6 h输出.试验选用的物理参数化方案包括WSM5(WRF single-moment 5-class)微物理方案(Lim and Hong, 2010)，基于Kain和Fritsch(1990)的对流参数化方案，YSU(Yonsei University)行星边界层方案(Hong et al., 2006)，Noah陆面过程方案(Chen and Dudhia, 2001)，CAM(Community Atmosphere Model)辐射方案(Collins et al., 2004).参数化方案是基于CORDEX东亚区域前期模拟试验总结选取的(Hui et al., 2019; Niu et al., 2020).当代气候模拟时段为1979—2005年(参考试验)，主要考虑自然和人类共同影响.未来气候模拟时段为2029—2060年(变化试验)，选用新一代排放情景中具有最高CO2浓度的RCP 8.5(Representative Concentration Pathway 8.5)情景(Riahi et al., 2011).从参考试验和变化试验中各选取20年作为研究时段(1981—2000年，2041—2060年).研究区域(15°N—55°N, 70°E—140°E)包含了整个东亚地区.

图1 RCM模拟区域(填图，CORDEX-EA-II区域)，选取的研究区域(东亚地区：15°N—55°N，70°E—140°E)及中国地区四个子区域(东北地区：41°N—52°N，112°E—133°E；东南地区： 21°N—41°N，112°E—125°E；西北地区：37°N—46°N，75°E—112°E；西南地区：20°N—37°N，98°E—112°E)Fig.1 The simulation domain by RCM (shading, CORDEX-EA-II area), study area (East Asia: 15°N—55°N, 70°E—140°E), and China′s four sub-regions (Northeast China: 41°N—52°N, 112°E—133°E; Southeast China: 21°N—41°N, 112°E—125°E; Northwest China: 37°N—46°N, 75°E—112°E; Southwest China: 20°N—37°N, 98°E—112°E)

本文参照前人研究选取了21个有代表性的晴空湍流指数(表1).这些指数有的根据大气运动方程经严格推导得到，具有明确的物理解释，如Richardson数(Endlich, 1964)、Brown指数(Brown, 1973)等；有的通过回归分析得到，属于经验类指数，如Ellrod指数(Ellrod and Knapp, 1992)、Dutton经验指数(Dutton, 1980)等.关于晴空湍流指数的物理意义和计算步骤介绍，可参考表1所列文献.Sharman等(2006)曾归纳了数十种湍流指数的基本概念和计算方法，亦可作为有效参考.

表1 21个晴空湍流指数及计算方法Table 1 21 clear-air turbulence diagnostics and the algorithms

对晴空湍流强度类别的划分参照了Williams(2017)给出的方法.该方法将湍流指数计算结果由大到小排序，根据轻度及以上强度(Light-or-Greater, LOG)湍流发生频率为3.0%、MOG湍流发生频率为0.4%的已有观测结果，利用对数正态分布得到如下分类：湍流指数频率分布第99.9～100百分位代表重度湍流、第99.8～99.9百分位代表中-重度湍流、第99.6～99.8百分位代表中度湍流、第99.1～99.6百分位代表轻-中度湍流、第97.0～99.1百分位代表轻度湍流、其余代表无湍流.

2 当代气候模拟效果检验

在全球变暖背景下开展晴空湍流未来变化趋势预估之前，需要评估RCM对当代气候特征的模拟效果.首先评估了模式对高空变量气候平均态的模拟能力.选取的检验资料为欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)的ERA-Interim再分析资料(Simmons et al., 2006; Uppala et al., 2008)，水平分辨率为0.75°×0.75°，时间分辨率为6 h，变量包括u风速、v风速、温度和位势高度.

图2为东亚地区250 hPa高度四个高空变量1981—2000年气候平均态模拟结果与再分析结果差异的空间分布；表2为模拟结果与再分析结果的空间相关系数(Correlation Coefficient, CORR)和均方根误差(Root-Mean-Square Error, RMSE).对比不同GCM驱动下的RCM模拟结果发现，对u风速的模拟四组试验均在中纬度地区偏大，其中CNRM-CM5试验(图2a)和MPI-ESM-LR试验(图2d)偏差相对较小(RMSE均低于2.3 m·s-1)，EC-EARTH试验(图2c)次之(RMSE为3.07 m·s-1)，GFDL-ESM2M试验(图2b)偏差最大(RMSE为3.99 m·s-1).对v风速的模拟四组结果较为相似，均在东部地区模拟偏大、西部地区模拟偏小，RMSE均超过了4.8 m·s-1；其中CNRM-CM5试验(图2e)和EC-EARTH试验(图2g)相对较好，GFDL-ESM2M试验(图2f)和MPI-ESM-LR试验(图2h)相对较差.对温度的模拟总体来看高纬地区偏差幅度小于低纬地区，其中GFDL-ESM2M试验(图2j)和MPI-ESM-LR试验(图2l)偏差相对较小(RMSE均小于2 ℃)，EC-EARTH试验(图2k)次之(RMSE为2.30 ℃)，CNRM-CM5试验(图2i)偏差最大(RMSE达到3.62 ℃).对位势高度的模拟四组结果均显示在35°N以北存在显著负偏差，偏差幅度MPI-ESM-LR试验(图2p)最小(RMSE为62.5 gpm)，CNRM-CM5试验(图2m)和GFDL-ESM2M试验(图2n)均较大(RMSE均超过100 gpm).从空间CORR统计结果来看，四组试验中u风速、温度、位势高度结果均分别超过了0.96、0.98和0.99，只有v风速结果相对较低，但也均达到0.60以上.可见RCM能够较好再现东亚地区当代高空变量气候平均态空间分布特征.

图2 东亚地区250 hPa高度1981—2000年u风速、v风速、温度和位势高度气候平均态RCM模拟结果与ERA-Interim再分析结果差异的空间分布.模拟结果分别来自CNRM-CM5、GFDL-ESM2M、EC-EARTH和MPI-ESM-LR驱动的WRF试验Fig.2 Spatial distributions of the climatological mean state biases between RCM simulations and ERA-Interim reanalysis in u velocity, v velocity, temperature and geopotential over East Asia in 1981—2000 at 250 hPa. The simulation results come from CNRM-CM5, GFDL-ESM2M, EC-EARTH, and MPI-ESM-LR driven WRF experiments, respectively

表2 东亚地区250 hPa高度1981—2000年u风速、v风速、温度和位势高度气候平均态RCM模拟结果与ERA-Interim再分析结果空间相关系数(CORR)和均方根误差(RMSE).模拟结果分别来自CNRM-CM5、GFDL-ESM2M、EC-EARTH和MPI-ESM-LR驱动的WRF试验

总体来看，GCM驱动下的RCM能够较好再现东亚地区当代高空风场、温度场和高度场的气候平均态空间分布，同时对晴空湍流指数分布特征也具有较好模拟能力.因此，利用RCM结果进行全球变暖背景下晴空湍流的未来变化预估研究是可行的.

3 晴空湍流未来变化趋势预估

3.1 季节变化

首先以VWS指数为例，不同GCM驱动下的RCM东亚地区2041—2060年250 hPa高度冬季中度湍流频率百分比变化(相较1981—2000年)空间分布如图5所示.四组预估结果既存在相似性，即湍流在中纬地区都将明显增多、高纬地区为减少；又具有差异性，即频率变化空间分布在低纬地区不一致，其中EC-EARTH试验(图5a)印度半岛北部湍流增多超过200%、西北太平洋地区略有增多，GFDL-ESM2M试验(图5c)印度半岛北部湍流减少、西北太平洋地区明显增多.不同预估结果给出的湍流频率百分比变化区域平均值同样差别较大，EC-EARTH试验显示中度湍流将增多71.9%，其次为MPI-ESM-LR试验的60.0%和GFDL-ESM2M试验的44.5%，最后为CNRM-CM5试验的39.4%.采用多模式集合平均方式可以有效降低预估结果具有的不确定性(Wang et al., 2019).

为此，图6进一步给出了所有指数中度湍流频率百分比变化空间分布，图6a即为图5各组结果的等权重平均.由图6可见，VWS、Dutton、Brown2、-Ri、TI3、TI1、NCSU1和TI2指数均显示在20°N—40°N间湍流明显增多；NGM2、NVA、VORSQ、|HWS|和Brown1指数则显示在40°N以北湍流明显增多；Endlich和TEMPG指数为30°N以南湍流明显增多；IAwind、|UBF|和|DIV|指数显示青藏高原地区湍流显著增多.从区域平均百分比变化来看，VWS、Dutton和Brown2指数对应的湍流增幅均超过了50%，DFE和|UBF|指数增幅不足10%，|DIV|指数甚至显示湍流将减少2.84%.本文参照Storer等(2017)的方案，假设所有指数都具有相等的重要性，利用多指数结果等权重平均方式得到晴空湍流最终变化结果.

图7为各强度湍流在不同季节的频率百分比变化空间分布，图7l即为图6中21个指数结果的等权重平均，图中黑色实线包围区域表示有超过2/3的指数(7个或14个)具有一致的变化趋势，即变化结果通过了显著性为90%的双尾二项式检验(two-tailed binomial test)，此时零假设(null hypothesis)为所有指数都是相互独立的，且未来为增大或减小的概率相同.由图7可见，未来所有季节中均具有湍流强度越强、湍流频率增幅越大的特征.冬季频率百分比变化从轻度湍流(图7d)的增多17.9%到重度湍流(图7t)的增多58.0%，增幅跨度在所有季节中最大.跨度次之的是秋季和夏季，最小的为春季.对比不同季节变化结果可以发现，各强度湍流均在冬季增加最多，春季和秋季次之，夏季最少；以中度湍流为例，冬季平均增幅达到了27.0%(图7l)，春季和秋季分别为13.6%(图7i)和12.6%(图7k)，夏季只有6.70%(图7j).从空间变化结果还可以发现，夏季和秋季轻度(图7b—c)、轻-中度(图7f—g)、中度(图7j—k)、中-重度湍流(图7n—o)在30°N以南局部地区将减少，但减幅均未超过30%.

图3 东亚地区250 hPa高度1981—2000年VWS指数气候平均态RCM模拟结果与ERA-Interim再分析结果(经0～1标准化处理)的空间分布.模拟结果分别来自CNRM-CM5、GFDL-ESM2M、EC-EARTH和MPI-ESM-LR驱动的WRF试验Fig.3 Spatial distributions of the climatological mean state of VWS diagnostic (normalized into 0～1) by RCM simulations and ERA-Interim reanalysis over East Asia in 1981—2000 at 250 hPa. The simulation results come from CNRM-CM5, GFDL-ESM2M, EC-EARTH, and MPI-ESM-LR driven WRF experiments, respectively

3.2 高度变化

本节进一步将晴空湍流未来变化趋势预估范围扩展到200 hPa和300 hPa高度，从而可以涵盖更多的飞行高度层.表3给出了两个高度层上五种强度湍流在各季节的频率百分比变化区域平均结果.与250 hPa类似，200 hPa和300 hPa上同样存在湍流强度越强、湍流频率增幅越大的特征.增幅跨度在200 hPa除春季低于30%外，其他季节均高于30%；300 hPa则相反，只有冬季高于30%，其他季节均低于30%.200 hPa和300 hPa上也均存在各强度湍流冬季增幅最大、夏季增幅最小的特征(200 hPa高度重度湍流除外).从不同高度变化结果对比来看，200 hPa和250 hPa上各强度湍流增幅普遍大于300 hPa，其中夏季轻度和轻-中度湍流在300 hPa上还将有所减少.此外，各强度湍流增幅在夏季和秋季随高度降低逐步减小，春季和冬季则250 hPa高度上增幅最大，其次为200 hPa高度，最后为300 hPa高度.

表3 2041—2060年各季节五种强度湍流(轻度、轻-中度、中度、中-重度和重度)在两个高度层上(200 hPa和300 hPa)的东亚平均频率百分比变化(相较1981—2000年).变化结果为21个指数的等权重平均，各指数结果来自CNRM-CM5、GFDL-ESM2M、EC-EARTH和MPI-ESM-LR驱动的WRF试验的等权重平均

表4给出了中国地区不同子区域(东北、东南、西北、西南)平均的三个高度层上(200 hPa、250 hPa和300 hPa)五种强度湍流季节平均频率百分比变化结果.由表4可见，所有子区域中均存在湍流强度越强、湍流频率增幅越大的特征，且200 hPa和250 hPa上增幅普遍大于300 hPa.从不同子区域变化结果对比来看，纬度越高的区域，湍流频率增幅也越大(西北地区大于西南地区、东北地区大于东南地区)，且这一特征在所有湍流强度类别和所有高度层上均存在.在纬度偏北的子区域中，几乎所有高度层和所有强度湍流都存在增幅“东高西低”的分布特征(250 hPa高度重度湍流除外)；而纬度偏南的子区域中，湍流增幅只在200 hPa高度上具有类似特征，250 hPa和300 hPa上则为“西高东低”分布特征.

表4 2041—2060年季节和中国地区子区域(东北、东南、西北、西南)平均的五种强度湍流(轻度、轻-中度、中度、中-重度和重度)在三个高度层上(200 hPa、250 hPa和300 hPa)的频率百分比变化(相较1981—2000年).变化结果为21个指数的等权重平均，各指数结果来自CNRM-CM5、GFDL-ESM2M、EC-EARTH和MPI-ESM-LR驱动的WRF试验的等权重平均

3.3 可能成因分析

Collins等(2013)指出，未来大气潜热释放增加将使热带地区对流层上部大气增暖幅度高于对流层下部，同时大气红外辐射特征的改变导致极地平流层下部大气具有冷却趋势.发生在对流层上部-平流层下部的大气升温差异使赤道-极地温度梯度进一步加大，从而引起中纬度地区垂直风切变作用增强，并最终导致该区域晴空湍流出现频率增大(Lee et al., 2019).此外，全球变暖背景下中纬度地区高空急流的增强也可能引起晴空湍流的增多(Delcambre et al., 2013).参照以上解释，本文对RCM模拟的东亚地区2041—2060年风场和温度场变化特征(相较1981—2000年)进行了简要分析.图8为不同季节250 hPa高度大气温度变化和垂直风切变变化的空间分布.所有季节中均存在纬度越低、大气升温幅度越大的现象，且经向升温差异冬季(图8d)最明显，春季(图8a)和秋季(图8c)次之，夏季(图8b)最不明显.这也导致中纬度地区垂直风切变作用冬季增强最多，夏季增强最少，并且与图7给出的不同季节湍流频率百分比变化空间分布具有较好对应关系.图9给出了东亚地区各季节大气温度变化和u风速变化的经向-垂直分布.在所有季节中，200～250 hPa高度30°N以南地区均存在明显的大气升温中心，且伴随纬度的升高，升温幅度逐渐减小；经向温度梯度增强引起u风速增大，特别在冬季(图9d)和春季(图9a)增大作用明显，这也进一步解释了未来晴空湍流频率为何在冬季和春季具有较大增幅.

图4 东亚地区250 hPa高度1981—2000年TI1指数和NGM2指数气候平均态RCM模拟结果与ERA-Interim再分析结果(经0～1标准化处理)空间相关系数(CORR)和均方根误差(RMSE).模拟结果分别来自CNRM-CM5、GFDL-ESM2M、EC-EARTH和MPI-ESM-LR驱动的WRF试验Fig.4 The spatial correlation coefficient (CORR) and root-mean-square error (RMSE) between RCM simulations and ERA-Interim reanalysis of climatological mean state in TI1 and NGM2 (normalized into 0～1) over East Asia in 1981—2000 at 250 hPa. The simulation results come from CNRM-CM5, GFDL-ESM2M,EC-EARTH, and MPI-ESM-LR driven WRF experiments, respectively

图5 东亚地区2041—2060年250 hPa高度冬季VWS指数中度湍流频率百分比变化(相较1981—2000年)空间分布.空间分布按照东亚平均结果(粗斜体字)由大到小排列(从左至右、从上至下)，并分别来自EC-EARTH，MPI-ESM-LR，GFDL-ESM2M和CNRM-CM5驱动的WRF试验Fig.5 Spatial distributions of the percentage changes (compared with 1981—2000) in winter occurrence frequency for moderate turbulence by VWS diagnostic in 2041—2060 over East Asia at 250 hPa. The distributions are ordered (from left to right and top to bottom) from the largest to smallest regional-mean percentage changes (bold italic numbers). The changes are calculated from EC-EARTH, MPI-ESM-LR, GFDL-ESM2M, and CNRM-CM5 driven WRF experiments, respectively

图7 东亚地区2041—2060年250 hPa高度各季节五种强度湍流(轻度、轻-中度、中度、中-重度和重度)频率百分比变化(相较1981—2000年)空间分布.变化结果为21个指数的等权重平均，各指数结果来自CNRM-CM5、GFDL-ESM2M、EC-EARTH和MPI-ESM-LR驱动的WRF试验的等权重平均.粗斜体字为东亚平均频率百分比变化.黑色实线包围的区域代表有超过2/3的指数(7个或14个)具有一致变化趋势，即变化结果通过了显著性为90%的双尾二项式检验，零假设为所有指数都相互独立，且未来为增大或减小的概率相同Fig.7 Spatial distribution of the percentage changes (compared with 1981—2000) in occurrence frequency for five turbulence strength categories (light, light-to-moderate, moderate, moderate-to-severe and severe) in four seasons in 2041—2060 over East Asia at 250 hPa. The changes are equal-weight averaged over all 21 clear-air turbulence diagnostics, which from EC-EARTH, MPI-ESM-LR, GFDL-ESM2M, and CNRM-CM5 driven WRF experiments, respectively. The bold italic numbers indicate the regional-mean percentage changes. The black lines delineate the regions in which over two-thirds of the diagnostics (7 and 14) agree on the sign of the change. Within these regions, the agreement on the sign of the change is statistically significant at the 90% level according to the two-tailed binomial test, under the null hypothesis that each of the 21 diagnostics is independent and equally likely to increase or decrease

图9 东亚地区2041—2060年各季节大气温度变化(填图)和u风速变化(等值线)(相较1981—2000年)的经向-垂直分布(70°E—140°E平均).变化结果为EC-EARTH，MPI-ESM-LR，GFDL-ESM2M和CNRM-CM5驱动的WRF试验的等权重平均Fig.9 Meridional-vertical distribution (70°E—140°E mean) of the four seasonal changes (compared with 1981—2000) in atmosphere temperature (shading) and u velocity (contour lines) in 2041—2060 over East Asia. The changes are equal-weight averaged from EC-EARTH, MPI-ESM-LR, GFDL-ESM2M, and CNRM-CM5 driven WRF experiments, respectively

4 结论和讨论

本文利用CMIP5提供的四个GCM(CNRM-CM5、GFDL-ESM2M、EC-EARTH和MPI-ESM-LR)分别驱动RCM(WRF)，对CORDEX东亚地区当代和RCP 8.5情景下未来气候进行高分辨率模拟.分别选取1981—2000年和2041—2060年作为研究时段，利用21个晴空湍流指数对东亚地区三个高度层上(200 hPa、250 hPa和300 hPa)五种强度湍流(轻度、轻-中度、中度、中-重度和重度)在各季节的频率变化进行了预估，得到如下结论：

(1)RCM能够较好再现东亚地区当代高空风场、温度场和高度场的气候平均态空间分布，同时对晴空湍流指数分布特征亦具有较好模拟能力.

(2)未来东亚地区所有季节中均存在湍流强度越强、湍流频率增幅越大的特征，且增幅均为冬季最大，春季和秋季次之，夏季最小.

(3)200 hPa和250 hPa上各强度湍流增幅普遍大于300 hPa，且夏季和秋季增幅随高度降低而减小，春季和冬季则250 hPa上增幅最大，300 hPa上增幅最小；纬度越高的子区域湍流频率增幅越大，且北方地区在所有高度层都具有增幅“东高西低”分布特征，南方地区则250 hPa和300 hPa上为“西高东低”分布特征.

(4)未来东亚中纬度地区垂直风切变作用增强可能是引起晴空湍流增多的重要原因之一；高空急流的变化同样对晴空湍流变化有所影响.

需要指出的是，在本研究中仍然存在许多不足和待改进方面.首先，尽管本文研究结果能够为飞机制造行业或民航管制部门提供一定参考，但从业务运行角度出发，由于RCM空间分辨率仍相对较低，无法得到针对航路尺度(水平宽度20 km、垂直间隔300 m)的晴空湍流发生频率或发生强度预估结果，这是可改进的方面之一.其次，利用RCM进行降尺度研究与GCM的选取直接相关，不同GCM提供的大气背景场资料不同，很可能导致预估结果出现较大的差异；此外，温室气体排放与政治、经济、社会等诸多因素有关，想要准确量化未来温室气体排放情景是非常困难的.因此，在今后的研究中应继续使用多模式、多指数集合平均方式以降低预估结果可能具有的不确定性，并且还需要引入更多的温室气体排放情景(如RCP 2.6、RCP 4.5、RCP 6.0等)开展预估研究.最后，利用具有更高空间分辨率的新一代耦合模式比较计划CMIP6(Eyring et al., 2015)结果作为驱动场开展RCM降尺度研究也是可改进的一个方面.