RegCM4對中國東部區(qū)域氣候模擬的輻射收支分析

韓振宇,王宇星,聶羽

?

RegCM4對中國東部區(qū)域氣候模擬的輻射收支分析

韓振宇①*,王宇星②,聶羽①

① 中國氣象局 國家氣候中心,北京 100081;

② 國家海洋局 海洋減災中心,北京 100194

2015-11-04收稿，2016-05-05接受

中國氣象局氣候變化專項項目(CCSF201626;CCSF201509);國家自然科學基金資助項目(41405101);公益性行業(yè)(氣象)科研專項(GYHY201306019)

利用衛(wèi)星和再分析數(shù)據(jù),評估了區(qū)域氣候模式RegCM4對中國東部地區(qū)輻射收支的基本模擬能力,重點關注地表凈短波(SNS)、地表凈長波(SNL)、大氣頂凈短波(TNS)、大氣頂凈長波(TNL)4個輻射分量。結果表明:1)短波輻射的誤差值在夏季較大,而長波輻射的誤差值在冬季較大。但各輻射分量模擬誤差的空間分布在冬、夏季都有較好的一致性。2)對于地表輻射通量,SNS表現(xiàn)為正偏差(向下凈短波偏多),在各分量中誤差最大,區(qū)域平均誤差值近50 W/m2;SNL表現(xiàn)為負偏差(向上凈長波偏多);對于大氣頂輻射通量,TNS和TNL分別表現(xiàn)為“北負南正”的誤差分布和整體正偏差。3)利用空間相關和散點線性回歸方法對4個輻射分量的模擬誤差進行歸因分析,發(fā)現(xiàn)在云量、地表反照率、地表溫度三個直接影響因子中,云量模擬誤差的貢獻最大,中國東部地區(qū)云量模擬顯著偏少。

輻射收支

模擬評估

區(qū)域氣候模式

云量

地表反照率

大氣頂?shù)膬糨椛涫钦麄€氣候系統(tǒng)的主要能量來源,這種輻射能量能轉化為其他形式的能量重新分布,如動能、潛熱能和感熱能等,最終起驅動氣候系統(tǒng)各圈層內的運動、維持地球生命活動等作用。太陽輻射的季節(jié)變化及其導致的海陸溫差變化是東亞季風的重要驅動因子之一。19世紀70年代以來,利用衛(wèi)星數(shù)據(jù)來精確測定全球輻射收支的工作陸續(xù)開展,提供了大量有關大氣頂輻射收支的信息,這些數(shù)據(jù)成為了評估氣候模式的重要依據(jù)。但僅根據(jù)大氣頂?shù)妮椛涫罩Р⒉荒苋娣从炒髿獾妮椛涮卣?輻射在大氣和地表之間的分配也是非常重要的(Gleckler,2005;Stephens,2005)。因此大氣頂(Top Of Atmosphere,TOA)和地表(SurFaCe,SFC)的輻射收支模擬都是區(qū)域氣候模式(Regional Climate Model,RCM)性能評估的重要內容(Jaeger et al.,2008;Kothe et al.,2011;Güttler et al.,2014;Pessacg et al.,2014),可為RCM在氣候預測、氣候變化等方面的研究提供基礎,但東亞地區(qū)的相關研究還較少。

臺站觀測能夠提供精確的SFC輻射收支數(shù)據(jù),常被用來進行RCM等模式的評估(閻宇平等,2001;劉樹華等,2008;于濤,2010;宋耀明等,2014)。但有限的臺站觀測無法提供時空連續(xù)的長期觀測資料,同時也缺少TOA的輻射資料;因此再分析資料和衛(wèi)星資料也常用來進行模擬評估(Li et al.,2009;Kothe et al.,2011;Güttler et al.,2014;Wang et al.,2014)。

國際聯(lián)合區(qū)域氣候降尺度試驗CORDEX(COordinated Regional climate Downscaling EXperiment),旨在基于全球模式的多模式、多情景預估結果,利用RCM等降尺度方法獲得高分辨率區(qū)域氣候變化信息(Giorgi et al.,2009)。目前,CORDEX-EastAsia第二階段已在開展,RCM分辨率由50 km提高到25 km,能更好地適應東亞復雜的下墊面特征。本文的研究目的是,以再分析和衛(wèi)星資料的輻射數(shù)據(jù)為參考,對區(qū)域氣候模式RegCM4的CORDEX試驗在中國東部的模擬結果進行初步評估。

1　模式、試驗和資料

1.1模式簡介及試驗設計

國際理論物理中心研制的RegCM系列區(qū)域氣候模式有著廣泛的應用,該系列模式對東亞和中國地區(qū)氣候有較好的模擬能力(Gao et al.,2003,2008;李巧萍和丁一匯,2004;鄒靖和謝正輝,2012;Zou and Zhou,2013)。本研究使用RegCM4.4版本,該模式有多種物理參數(shù)化方案選擇(Giorgi et al.,2012)。經(jīng)過在再分析資料驅動下的大量試驗的對比分析(王美麗,2015;Gao et al.,2016),本研究選擇了對中國氣候有較好模擬效果的參數(shù)化組合:輻射采用CCM3方案,行星邊界層使用Holtslag方案,大尺度降水采用SUBEX方案,積云對流選擇Emanuel方案,陸面使用CLM3.5方案。試驗使用的土地覆蓋資料在中國區(qū)域內基于中國1:100萬植被圖得到(韓振宇等,2015)。該版本已經(jīng)被應用在短期氣候預測(張冬峰等,2015)和CORDEX-East Asia第二階段的系列試驗。

模擬區(qū)域采用CORDEX-EastAsia第二階段的推薦區(qū)域,覆蓋整個中國大陸及周邊地區(qū)(http://www.cordex.org/index.php?option=com_content&view=article&id=88&Itemid=625)。模式垂直方向分18層,水平分辨率取25 km。模式的初始和側邊界場數(shù)據(jù)、海溫數(shù)據(jù)都采用ERA-Interim再分析資料。試驗積分從1990年1月1日到2010年12月31日(世界時,下同),其中第1年作為模式初始化時段。

1.2資料

衛(wèi)星資料和再分析資料中的輻射數(shù)據(jù)都存在一定的不確定性,因此本文選用兩套資料,以考察觀測資料不確定性對評估結果的影響。

1)CERES(Clouds and the Earth’s Radiant Energy System)EBAF逐月衛(wèi)星反演輻射資料(簡稱CERES),水平分辨率為1°×1°,時間跨度為2000年3月—2014年3月(Loeb et al.,2009;Kato et al.,2013)。CERES資料因其較高的精度已被廣泛用于氣候模式評估(吳春強和周天軍,2011)。

2)ERA-Interim再分析資料(簡稱ERAI)中的輻射通量、地表溫度、地表反照率、云量,水平分辨率為1.5°×1.5°,時間跨度為1979年1月—2014年5月(Dee et al.,2011)。受觀測資料時段的限制,本文選取2001—2010年的平均值作為氣候態(tài)進行評估分析。

文中將不同分辨率的觀測和模式結果都水平插值到1°×1°分辨率,選取中國東部地區(qū)(108～123°E,20～40°N)為東亞季風區(qū)的主要陸地區(qū)域進行分析,文中的區(qū)域平均等統(tǒng)計分析全部基于該區(qū)域。需要注意,文中所有能量通量都是以向下為正。

2　輻射收支的模擬評估

2.1地表凈短波輻射(SNS)

相比CERES和ERAI,模式模擬的區(qū)域平均SNS都偏高,其中以ERAI為參考得到的誤差相對較低(圖1)。在觀測中,冬季云量較少,地表短波輻射以緯向分布為主,由南部沿海向北逐漸減小,數(shù)值分布在50～150 W/m2;夏季受夏季風相關云系的影響,江淮地區(qū)有明顯的低值中心,數(shù)值在150 W/m2附近,而華北地區(qū)的高值能超過200 W/m2(圖略)。

圖1　相對于觀測基準(ERAI+CERES)/2,CERES、ERAI和RegCM4中輻射分量SNS、TNS、SNL、TNL的區(qū)域平均偏差(單位:W/m2)Fig.1　Biases of CERES,ERA-Interim and RegCM4 relative to (ERA-Interim+CERES)/2 for SNS,TNS,SNL and TNL(for the whole investigation area and time period;units:W·m-2)

圖2　相對于CERES(a,c,e,g)和ERAI(b,d,f,h),RegCM4模擬SNS和SNL的誤差(單位:W/m2)a,b.冬季SNS;c,d.夏季SNS;e,f.冬季SNL;g,h.夏季SNLFig.2　Biases of RegCM4 relative to (a,c,e,g)CERES and (b,d,f,h)ERA-Interim for SNS and SNL(units:W·m-2):(a,b)SNS in winter;(c,d)SNS in summer;(e,f)SNL in winter;(g,h)SNL in summer

圖2a、c分別給出了模式多年平均SNS相對于CERES的差值,從空間分布圖中可以看出,冬季該區(qū)域以模擬偏多為主,尤其在30°N以南的地區(qū),SNS模擬得明顯偏多,中心偏高可超過80 W/m2;夏季模擬誤差明顯大于冬季,最高超過100 W/m2,但空間分布類似。如果以ERAI為參考,得到的誤差普遍較低,但空間分布一致。

2.2地表凈長波輻射(SNL)

相比CERES和ERAI,模式模擬的區(qū)域平均SNL都偏低,即模式模擬的地表長波熱量釋放偏大,其中以ERAI為參考得到的誤差相對較低(圖1)。在觀測中,冬季SNL的分布與云量有關,-50 W/m2的等值線大致位于32°N,其以南區(qū)域的云量大都超過五成。湖南及以西的云量超過六成,對應SNL的高值中心,可達-20 W/m2;夏季SNL的分布也與云量有很好的對應關系,除華北個別區(qū)域外,多數(shù)區(qū)域的云量都超過五成,SNL大于-50 W/m2(圖略)。

圖2e、g分別給出了模式多年平均SNL相對于CERES的差值,從空間分布圖中可以看出,冬季該區(qū)域以模擬偏少為主,尤其在南部沿海地區(qū),SNL模擬得明顯偏少,中心偏低可超過-80 W/m2;夏季,模擬誤差明顯低于冬季,但空間分布類似,誤差值大都分布在-5～-15 W/m2。如果以ERAI為參考,得到的誤差普遍較低,但空間分布一致。

2.3大氣頂凈短波輻射(TNS)

相比CERES和ERAI,模式模擬的區(qū)域平均TNS都偏低,其中以ERAI為參考得到的誤差相對較高(圖1)。在觀測中,冬、夏季,TNS的空間分布與SNS的相似,數(shù)值分別分布在120～220 W/m2和270～350 W/m2(圖略)。圖3a、c分別給出了模式多年平均TNS相對于CERES的差值,從空間分布圖中可以看出,冬季,以30°N為界,模擬誤差空間分布為“北負南正”,誤差值遠低于SNS,分布在-30～40 W/m2。夏季的空間分布與冬季相似,北部負偏差增強,而南部正偏差減弱。如果以ERAI為參考,得到的誤差以負偏差為主,但空間和季節(jié)分布變化不大。

圖3　相對于CERES(a,c,e,g)和ERAI(b,d,f,h),RegCM4模擬TNS和TNL的誤差(單位:W/m2)a,b.冬季TNS;c,d.夏季TNS;e,f.冬季TNL;g,h.夏季TNLFig.3　Biases of RegCM4 relative to (a,c,e,g)CERES and (b,d,f,h)ERA-Interim for TNS and TNL(units:W·m-2):(a,b)TNS in winter;(c,d)TNS in summer;(e,f)TNL in winter;(g,h)TNL in summer

2.4大氣頂凈長波輻射(TNL)

相比CERES和ERAI,模式模擬的區(qū)域平均TNL都偏高,即模式模擬的大氣頂長波熱量釋放偏小,其中以ERAI為參考得到的誤差相對較高(圖1)。在觀測中,冬季云量較少,TNL以緯向分布為主,由南向北逐漸增大,數(shù)值分布在-270～-210 W/m2;夏季,受夏季風相關云系的影響,江淮和華南地區(qū)有明顯的高值中心,數(shù)值大于-230 W/m2,而華北地區(qū)的低值超過-260 W/m2(圖略)。

圖3e、g分別給出了模式多年平均TNL相對于CERES的差值,從空間分布圖中可以看出,冬季該區(qū)域以正偏差為主,尤其在30°N以北的地區(qū),TNL模擬誤差較大,多數(shù)區(qū)域超過20 W/m2;夏季的模擬誤差總體小于冬季,且在南部沿海有較小的負偏差,但是北部部分區(qū)域的誤差較大,最高超過40 W/m2。如果以ERAI為參考,得到的誤差普遍較高,但空間分布一致。

總體來看,分別以CERES和ERAI為參考,得到的模式誤差的季節(jié)和空間分布都較為一致,所以能基本排除觀測資料的不確定性對模式評估結果的影響。模式模擬的SFC輻射通量更接近ERAI,而TOA輻射通量更接近CERES,其中SNS的模擬誤差最大。

3　影響因子分析

模式顯著高估了SFC的凈入射短波輻射和凈出射長波輻射,而在TOA是相反的誤差。對于總的輻射收支,這些分量的模擬誤差會部分抵消。模式模擬SNS偏高通常有兩種可能的原因,一是云量或者其他大氣短波吸收量的模擬偏低,導致模擬的向下短波輻射偏大;二是由地表反照率的模擬偏低所引起。SNL的模擬誤差可能來自云量或者地表溫度模擬誤差引起的向外長波高估。TNS、TNL模擬誤差的影響因子分別與SNS、SNL類似,但具體的物理過程有所區(qū)別。將在本節(jié)詳細分析誤差的來源(如無特別說明,以下的模擬誤差都是基于CERES)。

圖4　相對于CERES,RegCM4模擬總云量(a—c)和地表反照率(d—f)的誤差　　a,d.年平均;b,e.冬季;c,f.夏季Fig.4　Biases of RegCM4 relative to CERES for (a—c)total cloud fraction and (d—f)surface albedo:(a,d)annual mean;(b,e)winter mean;(c,f)summer mean

推測云量(CFR)、地表反照率(ALB)、地表溫度(TS)是直接影響輻射收支各分量模擬的三個主要因素。如果CFR和ALB模擬偏低,可能會起到增加SNS和TNS的作用;TS模擬偏低,可能會起到增加SNL和TNL的作用。對比這些要素模擬誤差的空間分布,可以發(fā)現(xiàn)一些定性的對應關系:CFR的年平均模擬誤差以偏少為主,在30°N以南的部分地區(qū)偏少超過二成,而在北部部分地區(qū)存在正偏差(圖4a),正偏差在冬季更為顯著(圖4b)。這樣的空間分布與SNS和TNS模擬誤差有很好的空間對應關系,且在冬季相關更強,其相關系數(shù)達-0.87和-0.86(表1);而ALB模擬以偏低為主,誤差值的空間分布較為均勻,沒有明顯的高低值中心(圖4d),且季節(jié)差異較小(圖4e—f)。ALB與SNS或者TNS模擬誤差之間的空間相關較弱,且不是推測的負相關(表1),因此判斷ALB模擬誤差對短波輻射模擬的影響較小;出乎預料的是,TS和SNL模擬誤差的相關在冬、夏季符號相反,且TS和TNL模擬誤差之間并沒有顯著的相關(表1),因此推測TS模擬誤差對長波輻射模擬的影響較小。

表1輻射分量模擬誤差與CFR、ALB、TS模擬誤差的空間相關系數(shù)

Table 1The spatial correlation coefficients between biases of radiation components and that of CFR,ALB,and TS

CFRALB年冬季夏季年冬季夏季SNS-080-087-049023010008TNS-081-086-056040019026CFRTS年冬季夏季年冬季夏季SNL080077062005044-049TNL072065064-018001-029

下面進一步給出CFR、ALB、TS這三個要素綜合影響各輻射分量模擬的定量分析。圖5a給出的是SNS模擬誤差對CFR和ALB誤差(dCFR和dALB)的依賴度。當ALB的誤差為零時,隨著CFR誤差值由正到負,SNS的模擬誤差會從-14 W/m2增加到78 W/m2。從圖5c可以看出,多數(shù)樣本點(約84%)都位于坐標系的第三象限,dCFR和dALB都是負值,即模擬結果中云量偏少、反照率偏弱,對應圖5a中SNS模擬偏高。并且SNS誤差僅在縱軸方向(dCFR變化的方向)上的變化較為顯著,再次說明ALB與SNS模擬誤差之間的相關較弱。對TNS的分析也是類似的(圖5b)。

圖5　模式中SNS(a)和TNS(b)模擬誤差(單位:W/m2)與ALB和CFR模擬誤差的對應關系以及ALB和CFR模擬誤差的聯(lián)合分布(c,用樣本點數(shù)表示)Fig.5　Monthly means of model biases in (a)SNS and (b)TNS (units:W·m-2) against biases in ALB and CFR and (c)the number of occurrence in each ALB-CFR class

圖6a給出的是SNL模擬誤差對CFR和TS誤差(dCFR和dTS)的依賴度。當TS的誤差為零時,隨著CFR誤差值由正到負,SNL的模擬誤差會從15 W/m2降低到-42 W/m2。從圖6c可以看出,近半數(shù)樣本點(約46%)都位于坐標系第二、三象限的零值附近。dCFR是負值,說明模擬結果中云量偏少,對應圖6a中SNL模擬偏低,地表長波熱量釋放偏大。并且SNL誤差在橫軸方向(dTS變化的方向)上幾乎沒有變化,說明TS與SNL模擬誤差之間的相關沒有CFR強。對于TNL(圖6b),其模擬誤差都是正值,但隨著CFR誤差值由正到負變化時,正偏差也在逐漸變小。這是因為,CFR偏小時大氣頂向外長波熱量釋放較大,TNL數(shù)值偏小。同樣,TS與TNL模擬誤差之間的相關較弱。

假設不同誤差之間的關系是線性的,線性回歸的決定系數(shù)R2可以用來衡量誤差貢獻率。基于CERES和ERAI的計算都顯示,dCFR對各個輻射分量模擬誤差的貢獻率都遠大于dALB或者dTS,且對各個輻射分量的影響也是相當?shù)?圖略)。

4　結論和討論

利用衛(wèi)星和再分析數(shù)據(jù),初步評估了中國東部區(qū)域模式RegCM4模擬的輻射收支過程,主要結論有:

1)在中國東部區(qū)域,RegCM4顯著高估了區(qū)域平均的SFC凈入射短波輻射和凈出射長波輻射,而在TOA是相反的誤差。這一結論不依賴于觀測資料的選擇,且誤差的空間分布隨季節(jié)變化不大。短波輻射的誤差值在夏季較大,季節(jié)差異超過20 W/m2;而長波輻射的誤差值在冬季較大,季節(jié)差異在10 W/m2附近。輻射分量SNS的模擬誤差最大,區(qū)域年平均誤差值將近50 W/m2。

2)選擇CFR、ALB、TS三個直接影響因子,對四個輻射分量的模擬誤差進行線性歸因分析。中國東部地區(qū)CFR模擬顯著偏少,年平均模擬值在30°N以南的部分地區(qū)偏少超過二成。其空間和散點分布都與四個輻射分量的誤差有很好的相關關系。空間相關、散點線性回歸的分析結果都顯示,三個因子中CFR模擬誤差的貢獻最大,貢獻率大都超過25%,空間相關系數(shù)也超過0.5,高于ALB和TS低于10%的貢獻率和較低的空間相關系數(shù)。

圖6　模式中SNL(a)和TNL(b)模擬誤差(單位:W/m2)與TS和CFR模擬誤差的對應關系及TS和CFR模擬誤差的聯(lián)合分布(c,用樣本點數(shù)表示)Fig.6　Monthly means of model biases in (a)SNL and (b)TNL(units:W·m-2) against biases in TS and CFR and (c)the number of occurrence in each TS-CFR class

RegCM4中SNS的模擬誤差最為突出,以CERES為參考,RegCM4模擬SNS偏高,與眾多CMIP3/5模式的模擬結果相似(Li et al.,2013)。ERAI作為再分析系統(tǒng)的直接模擬輸出也表現(xiàn)出類似的差異(圖2a—d),且RegCM4模擬的云量也與ERAI更加接近(圖略),可能是RegCM4與這些全球氣候模式及再分析系統(tǒng)存在相似的缺陷。例如,Li et al.(2013)指出全球模式在計算輻射傳輸時普遍未考慮云中雨(雪)水或對流云云水的輻射強迫作用,RegCM4是否有類似的影響還需進一步分析。目前,RegCM4已引入新的大尺度降水方案,是包括五種水物質的混合相云方案(Nogherotto et al.,2012;Nogherotto,2015),其對云輻射效應的描述更加準確,未來需要進一步分析新的方案對RegCM4輻射收支模擬的影響。此外,本文僅對比分析了對輻射通量模擬誤差產(chǎn)生直接影響的三個物理因子,未來對RegCM4模式的進一步改進時,還需要深入分析環(huán)流等偏差或者物理過程參數(shù)化方案對云量、地表反照率等模擬的影響。

References)

Dee D,Uppala S,Simmons A,et al.,2011.The ERA-Interim reanalysis:Configuration and performance of the data assimilation system[J].Quart J Roy Meteor Soc,137(656):553-597.

Gao X,Luo Y,Lin W,et al.,2003.Simulation of effects of land use change on climate in China by a regional climate model[J].Adv Atmos Sci,20(4):583-592.

Gao X,Shi Y,Song R,et al.,2008.Reduction of future monsoon precipitation over China:Comparison between a high resolution RCM simulation and the driving GCM[J].Meteor Atmos Phys,100(1):73-86.

Gao X J,Shi Y,Giorgi F,2016.Comparison of convective parameterizations in RegCM4 experiments over China with CLM as the land surface model[J].Atmospheric & Oceanic Science Letters,doi:10.1080/16742834.2016.1172938.

Giorgi F,Jones C,Asrar G R,2009.Addressing climate information needs at the regional level:The CORDEX framework[J].WMO Bulletin,58(3):175-183.

Giorgi F,Coppola E,Solmon F,et al.,2012.RegCM4:Model description and preliminary tests over multiple CORDEX domains[J].Climate Res,52:7-29.

Gleckler P J,2005.Surface energy balance errors in AGCMs:Implications for ocean-atmosphere model coupling[J].Geophys Res Lett,32(15):L15708.

韓振宇,高學杰,石英,等,2015.中國高精度土地覆蓋數(shù)據(jù)在RegCM4/CLM模式中的引入及其對區(qū)域氣候模擬影響的分析[J].冰川凍土,37(4):857-866.Han Z Y,Gao X J,Shi Y,et al.,2015.Development of Chinese high resolution land cover for the RegCM4/CLM and its impact on regional climate simulation[J].Journal of Glaciology and Geocryology,37(4):857-866.(in Chinese).

Jaeger E B,Anders I,Lüthi D,et al.,2008.Analysis of ERA40-driven CLM simulations for Europe[J].Meteor Z,17(4):349-367.

Kato S,Loeb N G,Rose F G,et al.,2013.Surface irradiances consistent with CERES-derived top-of-atmosphere shortwave and longwave irradiances[J].J Climate,26(9):2719-2740.

Kothe S,Dobler A,Beck A,et al.,2011.The radiation budget in a regional climate model[J].Climate Dyn,36(5/6):1023-1036.

Li J D,Liu Y M,Wu G X,2009.Cloud radiative forcing in Asian monsoon region simulated by IPCC AR4 AMIP models[J].Adv Atmos Sci,26(5):923-939.

Li J L,Waliser D E,Stephens G,et al.,2013.Characterizing and understanding radiation budget biases in CMIP3/CMIP5 GCMs,contemporary GCM,and reanalysis[J].J Geophys Res:Atmospheres,118(15):8166-8184.

李巧萍,丁一匯,2004.區(qū)域氣候模式對東亞季風和中國降水的多年模擬與性能檢驗[J].氣象學報,62(2):140-153.Li Q P,Ding Y H,2004.Multi-year simulation of the east Asian monsoon and precipitation in China using a regional climate model and evaluation[J].Acta Meteorologica Sinica,62(2):140-153.(in Chinese).

劉樹華,蔣浩宇,胡非,等,2008.利用區(qū)域尺度氣象模式模擬黑河地區(qū)地表能量通量的研究[J].大氣科學,32(6):1392-1400.Liu S H,Jiang H Y,Hu F,et al.,2008.A study of surface energy fluxes in Heihe region simulated with a mesoscale atmospheric model[J].Chin J Atmos Sci,32(6):1392-1400.(in Chinese).

Loeb N G,Wielicki B A,Doelling D R,et al.,2009.Toward optimal closure of the Earth's top-of-atmosphere radiation budget[J].J Climate,22(3):748-766.

Nogherotto R,2015.A numerical framework for multiple phase cloud microphysics in regional and global atmospheric models[D].Trieste:University of Trieste.

Nogherotto R,Tompkins A M,Giorgi F,et al.,2012.The new microphysic cloud scheme implemented in RegCM4[C]//EGU General Assembly Conference.Abstracts,8017.

Pessacg N L,Solman S A,Samuelsson P,et al.,2014.The surface radiation budget over South America in a set of regional climate models from the CLARIS-LPB project[J].Climate Dyn,43(5-6):1221-1239.

宋耀明,范軼,馬天嬌,2014.陸面過程模式CLM4.5在半干旱區(qū)退化草原站的模擬性能評估[J].大氣科學學報,37(6):794-803.Song Y M,Fan Y,Ma T J,2014.Evaluation of simulation performance of land surface model NCAR_CLM4.5 at a degrated glassland station in semi-arid area[J].Trans Atmos Sci,37(6):794-803.(in Chinese).

Stephens G L,2005.Cloud feedbacks in the climate system:A critical review[J].J Climate,18(2):237-273.

Wang F,Yang S,Wu T,2014.Radiation budget biases in AMIP5 models over the East Asian monsoon region[J].J Geophys Res:Atmospheres,119(23):13,400-413,426.

王美麗,2015.RegCM4.4區(qū)域氣候模式對中國當代氣候及極端事件的高分辨率數(shù)值模擬[D].北京:中國氣象科學研究院.Wang M L,2015.A high resolution simulation of present climate and extreme events over East Asia by RegCM4.4[D].Beijing:Chinese Academy of Meteorological Sciences.(in Chinese).

吳春強,周天軍,2011.CFMIP大氣環(huán)流模式模擬的東亞云輻射強迫特征[J].氣象學報,69(3):381-399.Wu C Q,Zhou T J,2011.Characteristics of cloud radiative forcings over East Asia as simulated by the AGCMs in the CFMIP[J].Acta Meteorologica Sinica,69(3):381-399.(in Chinese).

閻宇平,王介民,Menenti M,et al.,2001.黑河實驗區(qū)非均勻地表能量通量的數(shù)值模擬[J].高原氣象,20(2):132-139.Yan Y P,Wang J M,Menenti M,et al.,2001.Numerical simulation of surface energy fluxes over heterogeneous land surfaces in HEIFE area[J].Plateau Meteor,20(2):132-139.(in Chinese).

于濤,2010.綠洲—沙漠系統(tǒng)地表輻射收支的模擬研究[J].中國沙漠,30(3):686-690.Yu T,2010.Simulation of surface radiation balance over the oasis-desert system[J].Journal of Desert Research,30(3):686-690.(in Chinese).

張冬峰,高學杰,馬潔華,2015.CCSM4.0模式及其驅動下RegCM4.4模式對中國夏季氣候的回報分析[J].氣候與環(huán)境研究,20(3):307-318.Zhang D F,Gao X J,Ma J H,2015.Analysis of summer climate over China from hindcast experiments by CCSM4.0 and RegCM4.4 models[J].Climatic Environ Res,20(3):307-318.(in Chinese).

鄒靖,謝正輝,2012.RegCM4 中陸面過程參數(shù)化方案對東亞區(qū)域氣候模擬的影響[J].氣象學報,70(6):1312-1326.Zou J,Xie Z H,2012.The effects of the land-surface process parameterization of the RegCM4 on climate simulation in East Asia[J].Acta Meteorologica Sinica,70(6):1312-1326.(in Chinese).

Zou L,Zhou T,2013.Near future(2016—40) summer precipitation changes over China as projected by a regional climate model(RCM) under the RCP8.5 emissions scenario:Comparison between RCM downscaling and the driving GCM[J].Adv Atmos Sci,30(3):806-818.

The net radiation at the top of the atmosphere(TOA) is one of the most important driving forces of the Earth’s climate system,while the radiation budget of the climate system directly influences atmospheric and oceanic motion,as well as the atmospheric water cycle.In this paper,the performance of the regional climate model RegCM4 in simulating the radiation budget over eastern China is evaluated.A long-term simulation at a grid spacing of 25 km driven by ERA-Interim data for the period 1990—2010 is conducted.The East Asia domain of phase II of the international COordinated Regional climate Downscaling EXperiment(CORDEX) is used as the model domain.The simulation is compared with a satellite dataset and reanalysis over eastern China during 2001—10 in terms of surface net shortwave(SNS),surface net longwave(SNL),TOA net shortwave(TNS),and TOA net longwave(TNL) radiation.Results show that biases in shortwave fluxes are larger in summer,and biases in longwave fluxes are larger in winter.However,spatial distributions of the biases in summer and winter are similar.For surface fluxes,biases of SNS are positive(overestimation of net downward shortwave flux),with a regional average of nearly 50 W/m2,which is the maximum among these radiation flux biases.Biases of SNL are negative(overestimation of net upward longwave flux).For TOA fluxes,biases of TNS are negative in the north but positive in the south,and biases of TNL are overall positive.Attribution analysis on the biases in radiation fluxes is conducted by two methods—spatial correlation and linear regression.The biases in the cloud fraction,surface albedo,and surface temperature are considered.We find that biases in the radiation fluxes can be explained,to a large degree,by significant negative biases in cloud fraction.

radiation budget;model evaluation;regional climate model;cloud fraction;surface albedo

(責任編輯：孫寧)

The radiation budget in a regional climate simulation by RegCM4 for eastern China

HAN Zhenyu1,WANG Yuxing2,NIE Yu1

1NationalClimateCenter,ChinaMeteorologicalAdministration,Beijing100081,China;2NationalMarineHazardMitigationService,Beijing100194,China

10.13878/j.cnki.dqkxxb.20151104001

引用格式：韓振宇,王宇星,聶羽,2016.RegCM4對中國東部區(qū)域氣候模擬的輻射收支分析[J].大氣科學學報,39(5):683-691.

Han Z Y,Wang Y X,Nie Y,2016.The radiation budget in a regional climate simulation by RegCM4 for eastern China[J].Trans Atmos Sci,39(5):683-691.doi：10.13878/j.cnki.dqkxxb.20151104001.(in Chinese).

*聯(lián)系人，E-mail:hanzy@cma.gov.cn