BCC_CSM北極海冰模擬性能的改進對東亞冬季氣候模擬的影響

鄧汝漳,儲敏,任宏利,劉景鵬,陳權亮

① 成都信息工程大學,四川 成都 610225;② 國家氣候中心,北京 100081;③ 中國氣象科學研究院,北京 100081

*聯系人，E-mail:chumin@cma.gov.cn

**聯系人，E-mail:renhl@cma.gov.cn

北極是氣候系統中最敏感且脆弱的組成之一,也是影響東亞冬季氣候的重要區域(Alexander et al.,2004;俞永強和陳文,2005)。北極海冰變化是氣候變化的重要指示參量,其最顯著的標志之一是海冰的減少(Qin et al.,2014),其主要表現為海冰面積的減少(Perovich and Richer-Menge,2009;Screen and Simmonds,2010)和海冰厚度的變薄(Kwok and Rothrock,2009):北極海冰呈現衰減趨勢,尤其是夏季海冰,衰減速率約10%/(10 a)(Stroeve et al.,2007;Comiso et al.,2008);與此同時,北極地區海冰正在向季節性海冰覆蓋狀態轉變(Maslanik et al.,2011;Comiso,2012)。北極海冰的顯著變化通過與大氣、海洋的相互作用對極地地區以及全球的氣候變化有著重要的影響(Bader et al.,2011;Wu et al.,2015;武炳義和楊琨,2016)。

正是因為北極海冰在氣候系統中的重要地位,國內外氣象學者針對海冰變化對區域氣候以及全球氣候的影響進行了大量的研究(Budikova,2009;Gao et al.,2015;武炳義,2018)。有研究表明,北極海冰的加速減少對中國以及東亞的天氣和氣候產生重要影響(武炳義等,2001,2011;Wu et al.,2009;Zuo et al.,2016;王樂等,2019;吳磊等,2019),并且是導致中國冬季極端低溫事件頻發的重要因素(Wu et al.,2013;謝永坤等,2014;李思和武炳義,2019)。北極海冰的變化影響中高緯環流系統(極渦、急流、西伯利亞高壓、阻塞高壓等)(張若楠和武炳義,2011;張若楠等,2018;Kim and Kim,2020;Savelieva,2020),以及中高緯度大氣環流盛行模態(AO、NAO、AD等)(武炳義等,2004;Wu and Zhang,2010;何金海等,2015;祁莉和徐業佳,2018),進而影響東亞區域的天氣、氣候。然而北極海冰融化影響冬季東亞區域的天氣、氣候的過程和機制,還存在很大的不確定性(包括非線性聯系)(Overland et al.,2015,2016;Semenov and Latif,2015),認知有限且存在較多的學術爭議,所以需要開展深入細致的研究。而數值模式是研究氣候系統中海冰的變化與氣候變化相互作用的有效工具,因此利用大氣-海冰-海洋-陸地耦合的氣候系統模式對海冰進行合理模擬是研究海冰變化及其融化對冬季東亞區域氣候影響的重要工具之一。

BCC_CSM是中國氣象局國家氣候中心發展的大氣-海冰-海洋-陸地多圈層耦合的全球氣候系統模式(吳統文等,2018),其中海冰分量包括兩個海冰模式,分別為SIS(Winton,2000)和CICE(Hunke et al.,2013)。目前,國內學者對BCC的SIS模式版本結果進行了全面評估,表明其對全球季風降水、東亞降水的氣候平均態、季節和日變化特征、大氣低頻振蕩以及ENSO等都具有較好的模擬能力,但是對地面氣溫和降水的變化趨勢與觀測存在一定差異(董敏等,2013;周鑫等,2014)。特別是,該模式對北極海冰模擬能力仍存在許多問題和不足,即北極海冰夏季偏少,冬季偏多、厚度偏薄,鄂霍次克海、白令海和巴倫支海等海區海冰面積模擬誤差偏大(譚慧慧等,2015)。由于大氣-海冰-海洋相互作用,海冰模擬的偏差必定會影響大氣和海洋的熱力和動力狀態。因此不斷改善BCC_CSM的海冰分量模式,提高模式對海冰模擬性能,有利于提高氣候模式中的海洋-海冰-大氣之間狀態的協調性,使其能夠合理地模擬海冰的季節特征以及相應的大氣-海冰-海洋相互作用,這將有利于提高BCC模式對東亞以及全球的氣候變化預測能力。

為此,房永杰等(2017)進行了相同外強迫條件下海冰模式CICE和SIS的單獨運行試驗,結果表明CICE相對于SIS無論在海冰密集度還是海冰厚度的空間分布上均與觀測更為接近。同時Chu et al.(2019)對BCC_CSM海冰分量分別為SIS和CICE的兩個模式版本進行對比分析,發現后者對于北極海冰密集度模擬結果更加趨于合理(圖1),而且北極氣候以及海洋的模擬也得到顯著改進,這說明CICE版本模式提高了海洋-海冰-大氣之間狀態的協調性。為了考察BCC_CSM北極海冰模擬性能的改進對東亞冬季氣候模擬的影響,本文將進一步對新、舊耦合模式的歷史實驗結果與觀測進行對比分析,據此定量評估模式對東亞冬季各氣候要素的模擬能力,進而考察模式中北極海冰模擬改進對東亞冬季氣候模擬性能的影響,并明確制約模式和觀測資料一致性的內在因素,為后續的模式發展提供參考。

圖1 1985—2014年觀測的和模擬的北極海冰面積的季節循環(單位: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 模式介紹及資料

1.1 模式和試驗介紹

CICE5.0是美國Los Alamos國家實驗室2013年9月發布的海冰模式版本。與BCC_CSM2.0所使用的SIS相比,CICE5.0針對海冰動力和熱力過程的物理參數化方案更加完善,主要表現在:1)在海冰動力模塊中采用改進的黏彈塑性海冰本構模型,增強模式捕捉海冰對施加應力大小變化的響應能力,與原方案相比,新方案效率更高(Hunke and Dukowicz,1997);2)相比SIS的兩層方案,CICE采用更高且可調的垂直分層方案,可更好地分辨海冰內部溫度和鹽度的垂直變化(Hunke and Dukowicz,1997);3)為了更好地模擬海冰厚度的分布情況,在海冰厚度方面,CICE采用5層海冰厚度分級,更好地描述海冰的各種物理屬性,并使用更為復雜的海冰機械再分布方案進行不同類別之間的轉換,同時采用更加接近觀測的海冰成脊、疊擠作用的厚度再分布函數(Lipscomb et al.,2007);4)短波方案中采用新的Delta-Eddingtom方案,通過實驗觀測的積雪和海冰的內在光學屬性,能更加精確的計算冰層和雪反射、吸收和透射的短波輻射(Holland et al.,2012),并且加入與Delta-Eddingtom短波輻射相聯系的顯式融池參數化方案,利用海冰厚度判斷冰面地形,更好模擬融池的發生、發展和重新凍結的過程,從而能更加準確計算融池覆蓋率和融池深度(Hunke et al.,2013)。

為了更好地研究海冰模式的影響,新版本耦合模式與BCC_CSM2.0氣候系統模式相比,除海冰分量SIS替換為CICE5.0外,其他模式分量保持不變。選取新版本耦合模式(模擬結果以BCC_CICE表示)1985—2014年東亞冬季氣候模擬結果,與舊版本耦合模式BCC_CSM2.0(模擬結果以BCC_SIS表示)1985—2014年的模擬結果進行對比分析。

圖2 觀測的東亞冬季2 m氣溫場(a)、BCC_SIS模擬的與觀測的東亞冬季氣溫的差值場(b)以及BCC_CICE模擬的與BCC_SIS模擬的氣溫的差值場(c)(單位:℃)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 觀測和再分析資料及方法

為了對模式的模擬結果進行評估,使用了如下的觀測和再分析資料包括:1)英國哈德萊中心的海冰密集度數據(Hadley Centre Sea Ice data set,HadISST);2)英國歐洲中期天氣預報中心(European Centre for Medium-Range Weather Forecasts,ECMWF)的ERA5月平均海平面氣壓、2 m氣溫、總降水量、850 hPa經向和緯向風資料;由于不同資料的水平分辨率各不相同,為了方便進行定量分析比較,將觀測和模式結果全部采用雙線性插值方法統一插值到ERA5再分析數據對應的網格上,即1°×1°的水平分辨率。

為了定量評估模式模擬的多年平均東亞冬季各氣候要素空間型與觀測場的一致性并考察兩者之間的差異性,首先對各氣候要素的空間分布情況進行定性對比分析。對東亞冬季各氣候要素的研究區域有所差異:溫度、降水和海平面氣壓研究范圍為(70°～140°E,15°～60°N);850 hPa冬季風場分析區域為(110°～140°E,25°～45°N)。利用BCC_CICE和BCC_SIS模式輸出結果,計算模式模擬的1985—2014年多年平均的東亞冬季各氣候要素氣候態與觀測的空間相關系數以及模式模擬的標準差與觀測結果的比值,并將其表示在Taylor圖上,利用Taylor圖對模擬場和觀測場的相似性進行分析,定性評估氣候模式中北極海冰模擬性能的改進對東亞冬季氣候要素模擬性能的影響。Taylor圖可以較為直觀地反映出模式模擬性能的優劣,其主要從兩個方面綜合考察兩個場相關的程度,分別考量兩個場的空間相關系數以及兩者標準差之比:空間相關系數越高則表示模擬場與觀測場的空間分布型越接近;模擬場的標準差與觀測場的標準差之比越接近1,則表示模式對于空間分布的變率模擬的效果越好(Taylor,2001)。同時本文計算模式模擬場與觀測場之間的均方根誤差:其表示研究區域內模式各格點與觀測結果的絕對偏差平均值。

2 結果分析

2.1 氣溫模擬

氣溫是反映氣候模式水平的最重要物理量之一,這里首先檢驗新、舊耦合模式對東亞冬季氣溫的模擬能力。圖2為東亞冬季氣溫的觀測場以及模式與觀測的偏差分布。總體來看,根據觀測的冬季氣溫分布(圖2a)在東亞東部(105°E以東)氣溫自南向北逐漸降低;在東亞北部(40°N以北)大部分地區氣溫均低于0 ℃,最低可達-30 ℃;青藏高原由于海拔較高,整體表現為大范圍的低溫,冷中心位于青藏高原西北部,氣溫低于-25 ℃,而新疆西部氣溫相對較暖。

模式與觀測的東亞氣溫空間分布型基本一致,但振幅有所差異,主要差異表現在:東亞中高緯度和高原地區模擬的暖偏差以及東亞東部沿海和盆地地區模擬的冷偏差。由圖2b、2c的模擬偏差分布可以看出:首先對于東亞中高緯度地區,BCC_SIS中東亞中高緯度地區氣溫模擬偏高,整體模擬偏高5～8 ℃,尤其是西伯利亞地區,相比之下,BCC_CICE模式中的西伯利亞地區以及東亞中緯度地區(40°～50°N)氣溫模擬偏差減少,但是其對于我國東北及其以北地區的氣溫模擬偏差增大;然后對于高原地區,BCC_SIS模擬的青藏高原南側以及東部地區氣溫偏高,同時青藏高原西部的低溫中心模擬整體偏高8 ℃以上,而青藏高原中部的氣溫以及位于青藏高原北側的塔里木盆地的暖中心模擬偏冷,最大冷偏差大于8 ℃,同時模式對于云貴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模擬的青藏高原西部和東部地區的暖偏差以及青藏高原中部、云貴高原和四川盆地的冷偏差減少;最后對于中國地區,BCC_SIS對于中國氣溫模擬存在一定的冷偏差,這與以往的模式結果是一致的(王淑瑜和熊喆,2004;田芝平和姜大膀,2013),而BCC_CICE放大了模式對于中國的模擬冷偏差。

為了定量評估模式對氣溫的模擬能力,圖3給出了東亞區域冬季氣候要素的均方根誤差。由圖3可見,模式模擬東亞冬季氣溫的均方根誤差均大于4.3 ℃。通過圖4中Taylor圖可知,新、舊耦合模式與觀測之間的空間相關系數均在0.97以上,同時模式與觀測的標準差之比均接近1,說明BCC模式能較好地刻畫東亞冬季氣溫的空間分布和空間變率。但是BCC_CICE模擬的東亞冬季的區域平均氣溫偏差較BCC_SIS的模擬偏差略小。

圖3 東亞冬季各氣候要素的均方根誤差(T2m:氣溫,Pre:降水,SLP:海平面氣壓,U850:850 hPa緯向風,V850:850 hPa經向風,|UV|850:850 hPa風場的模;紅、藍色分別表示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)

圖4 東亞冬季氣候要素場的Taylor圖(數字1—6分別表示氣溫(T2m)、降水(Pre)、海平面氣壓(SLP)、850 hPa緯向風(U850)、850 hPa經向風(V850)、850 hPa風場的模(|UV|850);紅、藍色分別表示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)

為了揭示新、舊耦合模式對東亞冬季氣溫模擬偏差的原因,圖5給出了模式與觀測之間東亞冬季地表凈輻射熱通量、地表凈短波輻射和地表凈長波輻射的模擬偏差以及新、舊耦合模式之間的差值場。通過對比新、舊版本耦合模式的輻射通量模擬偏差,可以看出:相比于BCC_SIS,BCC_CICE的輻射通量模擬偏差有所改善。由圖5b可知,對于東亞中高緯度地區,在BCC_SIS模式中,東亞中高緯度地區的地表凈輻射熱通量模擬偏差為正,模式高估東亞中高緯度地區的地表凈輻射熱通量,模式中該地區獲得更多的熱量是東亞中高緯度氣溫模擬暖偏差的主要原因,而相比于BCC_SIS,BCC_CICE降低了東亞中高緯度地區的地表凈輻射熱通量模擬正偏差,因此減少了東亞中高緯度地區模擬暖偏差。對于中國東南地區而言,BCC_SIS模擬該地區的地表凈輻射熱通量模擬偏差為正,但是模式對于中國東南地區的氣溫模擬偏冷,這說明了中國東南地區的冷偏差并不是當地的輻射熱通量模擬偏差導致的,而相對于BCC_SIS,BCC_CICE對于中國地區的地表凈輻射熱通量模擬偏差為負,說明在BCC_CICE中中國地區比BCC_SIS中獲得更少的熱量,這是BCC_CICE增大了中國東南地區的模擬冷偏差的主要原因。在青藏高原地區,BCC_SIS低估了青藏高原中部以及塔里木盆地的凈短波輻射的強度,這可能是該地區模擬冷偏差的主要原因;同時模式也高估了青藏高原西部的低溫中心的凈短波輻射強度,這可能是青藏高原低溫中心模擬偏暖的主要原因。BCC_SIS的地表凈輻射熱通量模擬偏差主要是模式高估了地表凈長波輻射導致的,而相比于BCC_SIS,BCC_CICE改善了輻射熱通量的模擬偏差,說明了北極海冰模擬性能的改善有利于改善東亞冬季大氣中的對流以及云物理過程等。

圖5 東亞冬季地表凈輻射熱通量(a,b,c)、地表凈短波輻射(d,e,f)和地表凈長波輻射(g,h,i)分布(單位:W/m2):(a,d,g)觀測場;(b,e,h)BCC_SIS模擬的與觀測的差值場;(c,f,i)BCC_CICE模擬的與BCC_SIS模擬的差值場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

從以上分析可以看出,BCC_SIS模擬的地表凈長波輻射較觀測偏大,是BCC_SIS模擬東亞冬季氣溫暖偏差的主要原因,同時BCC_SIS中青藏高原氣溫模擬偏差,可能是模式對凈短波輻射存在一定的偏差導致的,而引入CICE5.0后,新耦合模式不僅保持了BCC模式對于東亞冬季氣溫空間分布以及變率的良好模擬性能,并且模式通過輻射通量模擬偏差的改善,減少了模式對于東亞冬季中高緯度地區(尤其是西伯利亞地區)氣溫模擬的暖偏差,同時增強了青藏高原及其附近地區的模擬效果。

2.2 降水模擬

東亞季風區降水一直是氣候模式模擬的難點,因此了解模式對東亞降水的模擬能力十分重要。東亞冬季降水量主要表現為南多北少,海洋多于陸地。由圖3、4可見,模式模擬東亞冬季總降水與觀測之間的均方根誤差均為3.0 kg/m2,空間相關系數值都在0.97以上,標準差之比接近1,這說明BCC模式能夠較好地模擬出東亞降水南多北少的特點。模式與觀測的總降水量空間分布型以及空間變率基本一致,但振幅有所差異,主要表現在青藏高原以及東亞高緯度地區,尤其是青藏高原南側。圖6為東亞冬季降水的觀測以及模式與觀測的偏差分布。從圖6b可以看出,BCC_SIS對青藏高原南側以及東亞東南沿海地區的降水量模擬略有偏低,而對于青藏高原以及東亞中高緯度地區的模擬偏多。相比之下,BCC_CICE對于東亞中高緯度以及東部沿海地區的降水量模擬誤差有所減小,BCC_CICE模擬的東亞冬季降水量與觀測之間的空間相關系數增大,模擬與觀測的降水量空間分布更加接近,但是BCC_CICE對東亞東部海域的降水量模擬誤差增大。

圖6 觀測的東亞冬季降水量場(a)、BCC_SIS模擬的與觀測的東亞冬季降水量的差值場(b)以及BCC_CICE模擬的與BCC_SIS模擬的降水量的差值場(c)(單位: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)

從整體而言,引入CICE5.0后,新耦合模式不僅提高了東亞冬季降水量的空間分布模擬效果,而且改善了東亞地區冬季降水量的模擬偏差,新耦合模式模擬的東亞冬季降水量的空間分布特征與觀測結果更加具有一致性。但是值得注意的是:新耦合模式與觀測的標準差之比增大(圖4),這說明了北極海冰模擬性能的提升,使得新耦合模式對于東亞冬季總降水量空間變率的模擬增大。

2.3 大氣環流場

這里進一步給出新、舊耦合模式對于主要大氣環流場的模擬和觀測對比情況。海平面氣壓(Sea Level Pressure,SLP)是描述大氣質量分布以及大氣環流狀況的一個關鍵因素以及評估大氣環流模擬情況的重要變量。海平面氣壓場的變化與近地面風場存在非常緊密的聯系,其形勢能夠準確地反映近地層大氣環流的特征。東亞冬季風是影響東亞冬季氣候的一個重要的大尺度環流系統,而850 hPa風場則是表征該季風環流狀況的重要因子(王會軍和姜大膀,2004)。因此了解模式中東亞冬季大氣環流的模擬能力對分析東亞冬季氣候模擬情況具有十分重要的作用。

2.3.1 海平面氣壓

圖7a給出了觀測的北半球冬季海平面氣壓的空間分布。可以看到,東亞區域冬季西伯利亞地區被強大的反氣旋所控制,即西伯利亞高壓,東亞大部分區域處于西伯利亞高壓的影響范圍內。從圖4可知,模式模擬的多年平均的東亞冬季SLP和觀測的空間相關系數均大于0.8,同時模式的空間標準差均接近于觀測的結果,這說明BCC模式模擬與觀測的空間分布型以及空間變率基本保持一致。從圖7b可看,與觀測相比,BCC_SIS對于中低緯度地區(主要是45°N以南)的SLP模擬明顯偏高,尤其是青藏高原及附近地區冬季SLP的模擬明顯偏高(模擬偏差超過9 hPa),而對于中高緯度地區(主要是45°N以北)的SLP模擬偏低,這導致了BCC_SIS模擬的高、低緯度之間的氣壓梯度力增大。從區域上看,BCC_SIS模擬的陸地區域SLP偏差要明顯大于海洋區域的偏差,使得BCC_SIS模擬的海陸之間的氣壓梯度力增大。由圖7c可見,與BCC_SIS相比,BCC_CICE對青藏高原及附近地區SLP模擬結果偏弱,高緯度地區的模擬偏強,模式與觀測的空間相關系數提高以及均方根誤差減小,同時從Taylor圖上看,BCC_CICE模擬的SLP標準差之比更加接近1,這說明:隨著北極海冰模擬性能的提高,BCC_CICE模擬的東亞冬季SLP在空間分布和空間變率上更為合理,這有利于提高東亞地區其他氣候要素的模擬效果。

圖7 觀測的北半球冬季海平面氣壓場(a)、BCC_SIS模擬的與觀測的北半球冬季海平面氣壓的差值場(b)以及BCC_CICE模擬的與BCC_SIS模擬的海平面氣壓的差值場(c)(單位: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風場

圖8 觀測的東亞850 hPa風場(a)、BCC_SIS模擬的與觀測的東亞850 hPa風場的差值場(b)以及BCC_CICE模擬的與BCC_SIS模擬的風場的差值場(c)(單位: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)

圖8給出了觀測和模式模擬的東亞冬季850 hPa風場及其差值空間分布情況。由圖8a可見,東亞東部地區及其以東海域冬季盛行西北風,這是東亞冬季風的顯著特征(王會軍和姜大膀,2004)。模式雖然能夠模擬出這一西北風氣流的基本特征,但由于BCC模式對于北風分量模擬性能有限,使得東亞東部地區上空模擬的北風分量偏強以及東部海域上空模擬的北風分量偏弱。模式中北風分量模擬偏強是由于BCC_SIS模擬的中高緯度地區SLP偏高,導致東亞地區中高緯度與低緯度之間氣壓梯度增強,造成在東亞區域產生了偏北風分量,因而模式模擬的冬季風偏強。相比之下,由于BCC_CICE對東亞冬季SLP模擬性能的提高,使得模式模擬的中高、低緯度以及海、陸之間的氣壓梯度得到減弱,東亞區域產生偏南、偏東風異常,東亞冬季風模擬偏差減少,新耦合模式模擬的東亞冬季風的空間分布以及其強度更加接近觀測的結果。

圖4中數字4、5、6分別表示850 hPa緯向風、850 hPa經向風、850 hPa風速的模,其中經向風的描述季風環流的重要指標。從圖4中可見,對于冬季850 hPa經向風,模式模擬與觀測的空間相關系數較低,這說明了BCC模式存在北風分量模擬性能的不足。與BCC_SIS相比,BCC_CICE模擬的經向風與觀測之間的空間相關系數提高以及均方根誤差減少,并且標準差之比基本保持不變,模擬東亞冬季經向風的空間型更加接近觀測。就相關系數而言,BCC模式對冬季850 hPa緯向風及風速模的模擬效果均高于經向風的模擬效果。相比于BCC_SIS,BCC_CICE冬季850 hPa緯向風及風速模的模擬情況與經向風模擬結果類似,但是標準差之比有所增大。由此可見,BCC_CSM中北極海冰模擬性能的提高有效改善了模式對于東亞冬季風的模擬情況,尤其是經向風的模擬能力。

從冬季北半球氣壓場模擬來看,BCC_SIS模擬的阿留申低壓強度比觀測略弱,位置偏西、偏南,導致中國東北地區850 hPa風場產生氣旋式環流異常,增大海洋向陸地的水汽輸送,使得中國東北地區降水模擬偏多(圖6b)。與BCC_SIS相比,BCC_CICE模擬的850 hPa風場產生反氣旋式環流異常,海洋向陸地的熱量輸送增大,中國東北地區模擬的暖偏差增大(圖5c)。BCC_SIS模擬的冰島低壓強度偏強,位置偏東、偏北,減弱了向極地的氣流,中高緯度地區向極地的熱量輸送減少,使得西伯利亞地區氣溫模擬偏暖,同時增加了北冰洋向東亞中高緯度地區水汽輸送,使得東亞冬季中高緯度地區的降水模擬偏多。與BCC_SIS相比,BCC_CICE對東亞冬季大氣環流模擬性能的改善,增強西伯利亞地區向極地的熱量輸送,以及減弱了極地向東亞中高緯度的水汽輸送,有效地改善了模式對于東亞中高緯度地區冬季氣溫以及降水的模擬。BCC_CICE對于東亞冬季風模擬性能的改善,冬季風模擬減弱,東亞低緯度地區海洋向陸地的水汽輸送增加,減少中國東南地區冬季降水量的模擬偏差。整體而言,新版本耦合模式對東亞冬季大氣環流模擬性能的改善,有效地改善了模式對于東亞冬季氣溫以及降水的模擬。

3 冬季北極海冰與東亞冬季氣候關系的模擬

西伯利亞高壓是控制東亞大陸近地面冬季大氣環流及氣候要素的重要環流系統,諸多研究發現西伯利亞高壓的強弱變化對冬季東亞地區大氣環流、氣溫以及降水等的變化有非常重要的作用(龔道溢和王紹武,1999;龔道溢等,2002;朱紅霞等,2019)。為了探討模式對于冬季北極海冰密集度與東亞冬季氣候關系的模擬情況。本文將西伯利亞高壓進行定量化處理,采用一個西伯利亞高壓強度指數為冬季(12月—次年2月)區域(80°～120°E,40°～60°N)內的格點為計算對象,以區域內各個格點的緯度余弦值為權重系數,將區域內各個格點的SLP加權平均值(武炳義等,2011)。

在觀測結果中,冬季西伯利亞高壓異常與同期海冰密集度異常的空間演變存在密切相關。在冬季,格陵蘭海東部以及巴倫支海-喀拉海,均存在顯著的負SIC相關關系(圖9a),這說明當冬季格陵蘭海東部以及巴倫支海-喀拉海海冰減少時,使得同期西伯利亞高壓的強度增強。冬季西伯利亞高壓異常與同期海冰密集度異常的顯著負SIC異常相關關系在BCC_CICE模式中能夠較好地模擬,主要集中在巴倫支-喀拉海(圖9b),而BCC_SIS不僅不能較好地模擬觀測中的負相關關系,而且冬季巴倫支海-喀拉海海冰密集度異常與同期西伯利亞高壓異常之間的關系與觀測的結果相反,主要為正相關關系。由此可見,當引入海冰分量CICE5.0后,新耦合模式中冬季西伯利亞高壓對同期巴倫支海-喀拉海海冰密集度異常的響應模擬性能增強,使得模式能夠較好地模擬出觀測中顯著的負相關關系。這有利于提高新耦合模式對于冬季西伯利亞高壓的模擬能力,進而提高東亞冬季各氣候要素的模擬性能。依據圖9給出的冬季西伯利亞高壓異常與同期海冰密集度異常的相關關系,利用冬季(12月—次年2月)區域(30.5°～120.5°E,70.5°～83.5°N,圖9黑框)的海冰密集度異常的區域平均值建立了一個海冰指數,來表征巴倫支海-喀拉海海冰異常變化。

圖9 冬季西伯利亞高壓異常與北極海冰密集度異常的相關系數(黑點表示通過0.05信度的顯著性檢驗):(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

圖10 冬季海冰指數與東亞海平面氣壓異常(a,b,c)、降水異常(d,e,f)以及氣溫異常(g,h,i)的相關系數:(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

上文揭示出隨著模式中海冰模擬性能的提高,BCC_CICE改善了模式對于東亞冬季大氣環流、氣溫以及降水的模擬性能。為了進一步探討新耦合模式對東亞冬季各氣候要素模擬性能提高的原因,將觀測以及模擬的海冰指數分別與冬季東亞SLP、氣溫以及降水進行相關分析研究(圖10)。從圖10a可以看出,當冬季巴倫支海-喀拉海海冰密集度距平場為正(負)異常時,東亞高緯度地區為負(正)異常,低緯度地區為負(正)異常。BCC_CICE能夠較好地模擬冬季巴倫支海-喀拉海海冰密集度異常與東亞冬季SLP異常的相關關系空間型(圖10b),而BCC_SIS并不能模擬出這類相關關系的空間分布型,甚至表現出截然不同的空間分布型(圖10c),而且本文發現相關關系模擬較為接近的區域與模式模擬SLP改善的區域較為接近。這說明:引入新的海冰分量CICE5.0,增強了模式模擬的冬季SLP對于同期巴倫支海-喀拉海海冰密集度異常的響應,使得BCC_CICE在很大程度上可以模擬出觀測得到的冬季SLP與同期巴倫支海-喀拉海海冰密集度異常的相關關系的空間分布型,進而改善了模式對東亞冬季SLP的模擬性能。同樣地,BCC_CICE能夠較好地模擬海冰指數與東亞冬季中高緯度地區的氣溫(降水)的正相關關系,并且高緯度地區相關關系的空間分布與觀測結果接近,而BCC_SIS并不能模擬觀測的中高緯度地區的氣溫(降水)和同期巴倫支海-喀拉海海冰密集度異常的正相關關系反而表現出負相關關系。值得注意的是:與BCC_SIS相比,BCC_CICE明顯改善東亞冬季中高緯度地區的氣溫(降水)的模擬偏差。這說明:引入新的海冰分量CICE5.0,增強了東亞冬季中高緯度地區的氣溫(降水)對同期巴倫支海-喀拉海海冰密集度異常響應能力,使得新耦合模式能夠較好地模擬出觀測中的東亞冬季中高緯度地區的氣溫(降水)與同期巴倫支海-喀拉海海冰密集度異常的正相關關系,進而提高模式冬季東亞中高緯度地區的氣溫以及降水的模擬性能。

為進一步分析東亞冬季降水、氣溫模擬性能的改善與巴倫支海-喀拉海海冰密集度異常的聯系,計算了模式中西伯利亞地區(88°～116°E,50°～60°N,Siberia)、中國西北(74°～95°E,36°～50°N,NWC)、中國東北(118°～135°E,42°～52°N,NEC)、中國華北(54°～118°E,36°～42°N,NC)、中國東南(105°～118°E,22°～34°N,SEC)總共5個區域的降水、氣溫相對于觀測場的偏差情況(圖11),并比較模式與觀測中降水、氣溫與同期巴倫支海-喀拉海海冰密集度的相關系數情況(圖12)。

從圖11a和圖12a可見,與BCC_SIS相比,BCC_CICE模擬的區域降水模擬偏差減少,除了中國東南地區外,其他區域的降水異常對同期巴倫支海-喀拉海海冰密集異常的響應與觀測結果更加接近,這說明:BCC_CICE中東亞中高緯度降水模擬水平的提升可能來自其能夠較好地抓住中高緯度降水與海冰密集度之間的相關關系以及降水異常對海冰密集度異常的響應,而中低緯度降水模擬水平的提升更多來自模式對于大氣環流模擬的改善。從圖11b和圖12b可見,相比于BCC_SIS,BCC_CICE的氣溫異常對同期巴倫支海-喀拉海海冰密集異常的響應與觀測更為接近,但是新耦合模式中中國東北以及中國東南的模擬偏差增大,而其他區域的模擬偏差減少,這說明:新耦合模式能夠較好地抓住氣溫與海冰密集異常的相關關系以及氣溫異常對海冰密集度異常的響應,進而提高東亞內陸地區的氣溫模擬效果,但由于影響東亞沿海地區氣溫模擬的因素較多,所以僅僅是北極海冰模擬的改善并不能較好地提高模式對東亞沿海地區的氣溫模擬水平。

圖11 區域降水(a)、氣溫(b)的模擬偏差(紅、藍色分別表示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)

圖12 海冰指數與冬季區域降水異常(a)、氣溫異常(b)的相關系數(紅色、綠色和藍色分別表示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 結論

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)對東亞氣候模擬的影響,并且討論了導致模式對東亞氣候模擬性能改變的原因。結果表明:

1) BCC_CSM2.0模式高估了東亞冬季地面接收的凈長波輻射,使得凈輻射能量收入高于觀測結果,導致該地區氣溫模擬偏暖。同時BCC_CSM2.0模擬低估了青藏高原地區的凈短波輻射,這是青藏高原氣溫模擬偏低的主要原因。引入CICE5.0后,新版本耦合模式對東亞冬季輻射熱通量模擬性能的提高,有利于提高模式對東亞冬季氣溫的模擬性能。

2) 將海冰模式由SIS替換成CICE5.0后,新版本耦合模式能夠較好地模擬出東亞冬季海平面氣壓的氣候態空間分布特征,同時改善了東亞風場模擬效果,尤其是經向風的模擬性能,減少了東亞冬季風的模擬偏差。新耦合模式改善東亞冬季大氣環流的模擬偏差,使得模式對東亞冬季中高緯度地區氣溫以及降水的模擬誤差得到較好的改善。

3) 進一步分析發現,由于海冰模擬性能的不足,舊耦合模式并不能較好地模擬出冬季巴倫支海-喀拉海海冰密集度異常與同期東亞SLP、降水以及氣溫異常的相關關系。而引入CICE5.0后,新耦合模式在很大程度上能夠重現出觀測中的冬季巴倫支海-喀拉海海冰密集度異常與同期東亞SLP、降水以及氣溫異常之間相關關系,尤其是東亞中高緯度地區。新耦合模式氣候模擬性能的提升來自模式增強了東亞冬季氣候要素異常對海冰變化的響應。

4) 引入海冰模式CICE5.0后,新耦合模式中東亞冬季氣候要素的空間變率模擬普遍增大,主要是新耦合模式增強了東亞冬季氣候要素對海冰變化的響應,模式中東亞冬季中高緯度、低緯度地區氣候要素與北極海冰密集度異常之間截然不同的相關關系所導致的。

5) 新耦合模式對于東亞冬季大氣環流以及輻射通量的模擬性能的改進,并不能有效提高模式對東亞冬季東南地區的氣溫的模擬性能。這是由于BCC_CSM2.0模式自身對該地區氣溫模擬存在一定冷偏差,新耦合模式降低了該地區輻射通量的模擬正偏差,反而使得東亞冬季東南地區的氣溫模擬冷偏差增大。