BCC-CSM2-MR模式對東亞冬季風氣候特征的模擬評估

鄒星捷， 朱麗華

1. 成都信息工程大學 大氣科學學院/高原大氣與環境四川省重點實驗室，成都 610225；2. 湖南省郴州市氣象技術裝備中心，湖南 郴州 423000

東亞是世界上人口最密集的地區之一, 占世界人口的22%． 東亞也是最典型的季風氣候區, 夏季受來自海洋的水汽影響[1], 炎熱多雨, 冬季低溫少雨, 東亞季風是全球最為活躍的季風系統之一[2-3]． 作為東亞季風最重要的成員之一, 東亞冬季風(East Asian Winter Monsoom, EAWM)及其相關環流是北半球冬季最重要的環流系統, EAWM環流系統控制面積大, 影響時間長, EAWM的建立引導冷空氣向南流動, 給東亞地區帶來寒潮、 雨雪、 大風和沙塵暴等惡劣天氣[4-7], 冷空氣向南侵入低緯度地區, 有利于促進中高緯地區與熱帶地區間的相互作用, 導致東南亞地區出現暴雨和強對流天氣, 甚至影響更大尺度的氣候變化[8-11], EAWM向南流動還可能越過赤道從而影響澳洲夏季風[12], 此外, EAWM的強弱變化會對四川盆地春旱的強度產生影響[13]． EAWM的運動和發展甚至會引起全球范圍的大氣環流變化[14]． 因此, EAWM的變化及影響研究具有重要的理論價值和現實意義．

氣候模式是研究當代氣候模式和預估氣候變化的重要工具, 但是由于東亞地區氣候的復雜性, 使得氣候模式對東亞地區氣候及氣候變化的模擬結果存在很大的不確定性． 相對于東亞夏季風的模擬評估, 當前關于BCC-CSM2-MR模式對EAWM模擬能力的評估工作較少． 加強評估氣候模式對東亞氣候的模擬能力, 是氣候模式改進、 模式結果推廣及應用的關鍵科學依據和理論參考．

EAWM以北半球冬季東亞地區近地面“冷涌”的間歇性爆發為特征[15], 與西伯利亞高壓和阿留申低壓、 對流層中層的東亞大槽、 對流層高層的西風急流等的變化密切相關[4, 16-18], 這些環流系統構成了EAWM環流系統的主要成員, 也是評估BCC-CSM2-MR模式對EAWM模擬性能的關鍵考察因子． 針對高低層環流系統, 王冰笛等[19]評估了新一代區域氣候模式(Regional Climate-Weather Research and Forecasting, CWRF)對EAWM環流特征的模擬能力; 金晨曦等[20]評估了CMIP5中4個中國氣候模式對EAWM氣候態的模擬能力, 分析了2 m氣溫時空分布特征的模擬表現及影響EAWM年際變化率的機理; 尹依雯[21]評估了CMIP5中17個模式對EAWM氣候態及年際變化的模擬能力; 王政琪等[22]評估了CMIP5中44個模式對EAWM環流系統, 尤其是冬季風指數及其與氣溫特征和對應環流的模擬能力． 近些年, 國家(北京)氣候中心在模式發展方面取得重要進展, 其發展的新版本模式BCC-CSM2-MR參加了第六次國際耦合模式比較計劃(Coupled Model Intercomparison Project Phase 6, CMIP6), BCC-CSM2-MR的大氣模式分量為BCC-AGCM3-MR, 水平分辨率為T106, 垂直分層46層, 對深對流過程、 大氣輻射和重力波方案進行了改進, 引入了氣溶膠間接效應[23-24]． BCC-CSM2-MR模式中的海洋模式為美國流體力學實驗室發展的MOM4-L40, 采用三極網格gx1v1, 熱帶地區分辨率為0.3°, 熱帶到極地地區分辨率逐漸遞增至1°． BCC-CSM2-MR模式的陸面分量為BCC-AVIM2, 水平分辨率為T106[23]． 相對于BCC-CSM1-1M模式, 該模式在全球平均氣溫及中國降水分布方面[23], 以及海溫、 海冰、 大西洋經向翻轉環流(Atlantic Meridional Overturning Circulation, AMOC)、 輻射收支、 熱帶季節內振蕩(Madden Julian Oscillation, MJO)和平流層準兩年振蕩(Quasi-Biennial Oscillation, QBO)等方面[24]的模擬能力均有明顯提高, 但是BCC-CSM2-MR模式對EAWM環流系統的模擬能力如何還存在不確定性．

本研究利用BCC-CSM2-MR氣候模式的歷史模擬試驗數據, 評估該模式對EAWM平均環流、 年際、 年代際變化以及與東亞冬季氣溫和環流的關系等方面的模擬能力, 以期為模式的發展、 改進及其未來的應用提供科學依據．

1 數據資料和方法

1.1 數據資料

本研究所使用的數據資料如下:

1) 由英國East Anglia大學東安格里亞大學氣候研究中心(Climatic Research Unit, CRU)提供的地面氣溫逐月資料, 資料水平分辨率為0.5°×0.5°．

2) NCEP/DOE再分析逐月數據集, 物理量包括: 海平面氣壓、 位勢高度、 緯向風和經向風, 資料水平分辨率為2.5°×2.5°．

3) 國家(北京)氣候中心推出的在CMIP6中的氣候模式BCC-CSM2-MR, 逐月物理量包括: 地面氣溫、 海平面氣壓、 位勢高度、 緯向風和經向風, 水平分辨率為1.125°×1.125°．

為保證數據時間段的一致性, 以上資料均選取1979-2014年進行分析, 本研究中冬季指12月至次年2月． 為了便于討論, 本研究中將CRU資料和NCEP/DOE再分析資料泛稱為“觀測資料”．

1.2 研究方法

為了評估模式對以上物理場的模擬效果, 參照文獻[25]選取區域平均誤差(Regional Average Error, RAE)和空間相關系數(Spatial Correlation Coefficient, SCC)作為統計指標, 公式分別如下:

式中:X為模式模擬平均值;Y為觀測評價值;xi為模式模擬值;yi為觀測值;n為樣本數量．

2 結果分析

2.1 東亞冬季風氣候態特征模擬評估

2.1.1 海平面氣壓場

模式能否合理再現觀測中的氣候態特征是評估模型模擬性能的一個重要因素[26]． 研究表明, 海陸間氣壓差是影響EAWM強弱及范圍的一個重要因子, EAWM向南發展的程度也受海陸間氣壓差影響, 因此EAWM在低層與西伯利亞高壓和阿留申低壓相關． 同時, 西伯利亞高壓也是影響東亞地區冬季溫度、 降水的重要環流因子, 其強度變化可能是引起我國乃至東亞地區冬季氣溫變化的原因之一[27], 所以海平面氣壓場是衡量EAWM強弱的一個重要要素場． 圖1分別給出觀測和模式中1979-2014年冬季海平面氣壓氣候平均態分布． 觀測結果顯示(圖1a), 冬季平均狀況下, 貝加爾湖以西以南地區為顯著的高壓中心, 低壓中心位于阿留申群島, BCC-CSM2-MR模式(下文簡稱模式)模擬出的西伯利亞高壓中心及阿留申低壓中心的位置與觀測資料大致相同, 但是觀測中西伯利亞高壓控制的范圍略大于模式, 強度大致相同, 同時, 模式與觀測中的阿留申低壓強度相近, 模式中的低壓范圍略大于觀測資料(圖1b)． 可見, 模式能夠較好地模擬出東亞冬季海平面氣壓場的氣候態分布．

單位: hPa圖1 1979-2014年冬季海平面氣壓(SLP)氣候平均態

2.1.2 2 m溫度場

無論EAWM的環流怎樣變化, 最能直接反映冬季地面冷空氣活動的物理量就是2 m氣溫[28]． EAWM的強弱和西太平洋與高緯大陸間溫度差有關, 溫度差越大則EAWM越強． 圖2為觀測與模式中冬季2 m氣溫氣候平均態, 圖2a中顯示, 觀測中2 m氣溫由北向南遞增, 冷中心位于西伯利亞中部地區． 圖2b中, 模式模擬的2 m氣溫氣候平均態分布顯示, 冷區范圍大于觀測資料, 但是模式的冷中心強度略小于觀測． 總而言之, 模式模擬的2 m氣溫場能合理再現冬季氣溫由北向南遞增的分布特征以及西伯利亞地區的強冷中心．

單位: ℃圖2 1979-2014年冬季2 m氣溫氣候平均態

2.1.3 850 hPa風場

圖3為冬季多年平均的850 hPa風矢量場氣候態分布, 圖3a中東亞陸地地區為反氣旋式環流, 阿留申地區為氣旋式環流, 分別對應圖1中的西伯利亞高壓和阿留申低壓． 同時, 圖3b顯示, 模式能夠較好地模擬850 hPa上冬季東亞大陸上的反氣旋式環流及阿留申地區的氣旋式環流, 也能較好模擬氣旋與反氣旋之間東亞區域(20°-60°N, 115°-150°E)的偏北風, 但是模式模擬的偏北風強于觀測結果．

單位: m/s, 黑色方框代表東亞冬季風區, “A”代表反氣旋環流, “C”代表氣旋環流．圖3 1979-2014年冬季850 hPa風矢量場氣候平均態

2.1.4 500 hPa高度場

EAWM區域內的冷空氣活動會隨著東亞大槽的加深顯著加強[29]． 東亞大槽通常位于阿留申群島以西, 其槽前為正渦度平流, 地面輻合上升增強, 對應高空高壓和地面低壓, 地面低壓即上文所分析的阿留申低壓． 槽后為冷平流, 負渦度平流, 地面輻合上升減弱, 對應高空低壓和地面高壓, 即西伯利亞冷高壓． 當東亞大槽加深(變淺)時, 槽前輻合上升加強(減弱), 槽后輻合下沉變強(減弱), 對應的是阿留申低壓加強(減弱), 西伯利亞高壓加強(減弱), 這也就導致了EAWM的加強(減弱)[30]． 圖4顯示了500 hPa多年平均的位勢高度和風矢量分布, 從圖4a中可以看出, 觀測資料中冬季東亞大槽位于東亞大陸沿海地區, 東亞大陸受槽后偏北氣流控制, 同時圖4b中的模式結果能夠較好再現冬季東亞大槽的位置、 強度, 以及槽后偏北氣流對東亞地區的影響．

黑色方框代表東亞冬季風區．圖4 1979-2014年冬季500 hPa風矢量場(單位: m/s)及位勢高度氣候平均態(單位: dagpm)

2.1.5 200 hPa西風急流

EAWM與高層和西風急流的聯系是十分緊密的, 西風急流的成因是南北溫度梯度的存在, 當西風急流增強時, 西太平洋與高緯大陸間溫度差變大． 而且西風急流的強弱與西伯利亞高壓、 阿留申低壓及東亞大槽的強弱密切相關[31]． 而地面氣溫最能直接反映近地面冬季風活動狀況, EAWM南下的一個顯著表現就是地面氣溫的下降． 因此當西風急流加強時, 西伯利亞高壓和阿留申低壓的氣壓差增大, 東亞大槽加強, EAWM也隨之加強, 從而引起東亞地區氣溫下降． 圖5為冬季多年平均的200 hPa緯向風分布, 圖5a中顯示, 觀測中對流層上層的西風急流中心軸線位于25°-36°N附近, 東亞海上和日本上空的急流風速最強． 圖5b中模式能夠較好地模擬出亞洲冬季對流層高層西風急流的軸線位置和中心強度, 只是模式模擬的急流中心范圍略大于觀測結果．

單位: m/s圖5 1979-2014年冬季200 hPa緯向風氣候平均態

綜上所述, 就氣候平均態而言, BCC-CSM2-MR模式能夠較好地模擬出西伯利亞高壓、 阿留申低壓、 850 hPa東亞大陸的偏北風、 500 hPa的東亞大槽以及200 hPa的西風急流等EAWM環流系統的位置及大值中心, 只是BCC-CSM2-MR模式略高估算了EAWM的平均強度．

2.1.6 泰勒圖分析

為了定量評估模式對各個物理量場的模擬效果, 圖6計算了1979-2014年EAWM環流系統相關區域(0°-80°N, 60°-180°E)各相關物理量氣候態分布的觀測結果與模式結果比較的泰勒圖分布． 圖6顯示, 相對于其他物理量, 模式對東亞冬季500 hPa位勢高度場氣候態分布的模擬結果最接近觀測結果, 模式模擬結果與觀測結果的空間相關系數超過了0.96, 均方根誤差約為0.35． 此外, 模式對東亞冬季200 hPa緯向風和2 m氣溫氣候態分布的模擬也相對較好, 兩者與觀測結果的空間相關系數都保持在0.84左右, 均方根誤差在0.6左右． 模式對海平面氣壓場和500 hPa緯向風的模擬效果僅次于對200 hPa緯向風和2 m氣溫的模擬效果, 兩者與觀測結果的空間相關系數在0.8左右, 均方根誤差在0.7左右． 相對于以上各個物理量場的模擬, 模式對850 hPa緯向風、 850 hPa經向風及500 hPa經向風的模擬效果相對較差, 與觀測結果的空間相關系數在0.6左右, 均方根誤差約為0.85．

圖6 EAWM環流系統相關區域(0°-80°N, 60°-180°E)各相關物理量氣候態分布的觀測結果與模式結果比較的泰勒圖分布

2.2 EAWM指數變化模擬評估

2.2.1 EAWM指數時間變化特征

為了評估模式對EAWM變化的模擬能力, 選取EAWM指數來定量描述EAWM強度的年際和年代際變化特征, 根據前人研究及上文所述, EAWM的強度與500 hPa位勢高度場上東亞大槽的強弱變化密切相關, 并且相對于其他物理量, 模式對東亞冬季500 hPa位勢高度場模擬得更好, 因此本研究參照文獻[32]選取了1979-2014年500 hPa高度場上(45°-55°N,75°-85°E)與(30°-40°N,130°-140°E)兩個區域內高度場的平均值之差來定量描述EAWM的強度, 指數越大(小)表示EAWM越強(弱)． 由此計算得出的觀測資料與模式中的EAWM時間序列及其線性趨勢如圖7所示, 模式能夠較好地模擬出EAWM的年際變化, 將根據觀測資料計算得到的指數時間序列與模式結果進行相關分析, 兩者的相關系數為0.69, 通過了99%的顯著性檢驗．

圖7 1979-2014年EAWM指數標準化時間序列及其一元線性趨勢圖

EAWM指數的線性趨勢分析顯示(圖7), 無論觀測數據還是模式數據, EAWM指數均呈現減弱趨勢, 即EAWM減弱． 觀測資料中, EAWM在1979-2014年間顯著減弱, 該減弱趨勢通過了90%的顯著性檢驗, 模式雖然捕捉到了EAWM的減弱趨勢, 但其減弱趨勢并不顯著, 即BCC-CSM2-MR模式低估了EAWM的減弱程度．

2.2.2 EAWM指數與各物理場的回歸分析

東亞冬季低空環流的變化是EAWM變化的最直接反映, 為了進一步評估模式關于EAWM與近地面氣溫及低空環流變化關系的模擬效果, 圖8-10分別顯示了觀測資料與模式資料中EAWM指數回歸的2 m氣溫、 海平面氣壓場和850 hPa風矢量的空間分布． 由圖8a可知, 在觀測資料中, 當EAWM偏強時, 東亞大部分地區2 m氣溫表現為負異常, 中心位于我國黃河流域、 東部沿海至朝鮮半島、 日本南部一線, 貝加爾湖以北為溫度正異常． 圖8b顯示, BCC-CSM2-MR模式高估了EAWM對貝加爾湖以西地區氣溫正異常的影響, 低估了EAWM對我國中東部地區氣溫負異常的影響, 甚至出現與觀測資料相反的現象． 在EAWM回歸的海平面氣壓場上(圖9), 觀測資料中(圖9a)當EAWM增強時, 在貝加爾湖以西以南地區海平面氣壓表現為正異常, 西伯利亞高壓偏強, 對應850 hPa風場在該區域的反氣旋式異常環流(圖10a)． 同時, 日本以東的西太平洋地區為負異常, 阿留申低壓偏強(圖9a), 對應850 hPa風場在該區域上空為氣旋式異常環流(圖10a)． 而在模式資料中, EAWM偏強時對應的陸地地區海平面氣壓場異常偏強中心位置相對于觀測資料偏南, 同時太平洋區域海平面氣壓負異常中心位置相對于觀測資料偏北(圖9b), 對應850 hPa風場上大陸地區反氣旋式環流及海洋上的氣旋式異常環流相對于觀測資料分別偏南和偏北(圖10b), 因此導致在觀測資料中, 大陸的異常反氣旋與海洋上的異常氣旋之間的東亞地區為強盛的偏北氣流控制, EAWM偏強(圖10a), 而在模式資料中, 反氣旋式異常環流與氣旋式異常環流之間的異常較觀測資料偏弱(圖10b), 從而導致模式資料中2 m氣溫在東亞地區的負異常沒有觀測資料中明顯(圖8b)．

單位: ℃． 圖中打點區域通過95%的顯著性檢驗．圖8 EAWM指數回歸的冬季2 m氣溫分布

單位: hPa． 圖中打點區域通過95%的顯著性檢驗．圖9 EAWM指數回歸的冬季海平面氣壓場

單位: m/s． 圖中打點區域為850 hPa經向風通過95%的顯著性檢驗．圖10 EAWM指數回歸的850 hPa冬季風矢量

綜上所述, BCC-CSM2-MR模式能夠較好地模擬出觀測資料中EAWM的年際變化及其年代際減弱趨勢, 但是與觀測資料結果相比, 模式模擬的冬季風減弱趨勢偏?。?同時, 模式能夠捕捉冬季風異常時西伯利亞地區的高壓異常及阿留申地區的低壓異常, 但是由于高低壓異常中心在模式和觀測中的位置存在差異, 導致模式中東亞低層的北風異常較觀測結果偏弱, 2 m氣溫負異常相對觀測結果也偏弱．

3 結論

本研究通過BCC-CSM2-MR模式資料和CRU,NCEP/DOE資料進行比較, 從氣候態、 年際、 年代際變化以及與氣溫和環流的關系等方面綜合評估了BCC-CSM2-MR模式對EAWM的模擬能力． 得出如下主要結論:

1) BCC-CSM2-MR模式對EAWM環流系統氣候態分布的模擬能力較好, 能夠較準確捕捉到海平面氣壓場上的西伯利亞高壓和阿留申低壓、 東亞地區850 hPa的偏北風、 500 hPa的東亞大槽及200 hPa的西風急流等EAWM的關鍵環流系統． 相對而言, 模式對500 hPa高度場模擬最好, 其次為200 hPa緯向風和2 m氣溫場, 模式對海平面氣壓場和500 hPa緯向風的模擬效果再次之, 對850 hPa緯向風、 850 hPa經向風和500 hPa經向風的模擬效果相對較差．

2) 觀測和模式資料中EAWM指數變化的相關分析和趨勢分析表明, 模式能夠較好地模擬出EAWM的年際變化, 同時能夠捕捉EAWM的年代際減弱趨勢, 但是模式模擬的EAWM減弱趨勢小于觀測結果．

3) 模式能夠模擬出EAWM異常時海平面氣壓場上西伯利亞地區的高壓異常和阿留申地區的低壓異常, 也能模擬出850 hPa上對應區域的異常反氣旋和異常氣旋性環流, 但是由于高低壓異常中心位置與觀測資料的差異, 導致模式中EAWM異常對應的冬季風區850 hPa偏北風異常相對于觀測資料偏弱, 同時2 m氣溫負異常也較觀測結果偏小．

綜上所述, 盡管BCC-CSM2-MR模式能夠較好地模擬EAWM的氣候特征, 但是無論在氣候態、 年際、 年代際變化方面, 還是EAWM與氣溫和環流的關系方面, 該模式依然存在不同程度的誤差, 而造成這些誤差的原因還有待進一步研究．