CMIP5模式对海气相互作用的模拟性能分析.docx

CMIP5模式对海气相互作用的模拟性能分析.docx

《CMIP5模式对海气相互作用的模拟性能分析.docx》由会员分享，可在线阅读，更多相关《CMIP5模式对海气相互作用的模拟性能分析.docx（12页珍藏版）》请在冰豆网上搜索。

CMIP5模式对海气相互作用的模拟性能分析

CMIP5模式对海-气相互作用的模拟性能分析

近年来，全球环境变化已经引起政府和人民的高度关注,其对社会、经济发展所造成的影响日益凸显。

在政府间气候变化专门委员会（IntergovernmentalPanelonClimateChange,简称IPCC）第五次评估报告（AR5）中明确指出:

气候变化要比我们原来认识到的更加严重，20世纪50年代以来观测到的气候系统的许多变化是史无前例的，包括大气和海洋的温度升高、海平面上升等。

在1880-2012年间，全球海陆表面平均温度呈线性升高了0.85℃；在1971-2010年间，被海水吸收积累的热量约有90%，其中700米深度以内的上层海水吸收了60%，75米深度以内的浅层海水平均温度在1971到2010年间以每十年以0.11℃的速率上升（秦大河-2014）。

海洋的面积占据了地球表面的71%，作为水圈的主体，是气候系统的重要组成部分之一，人们越来越多地认识到其在气候形成和变化中起着非常重要的作用。

海洋的热容量远远大于大气的热容量，并具有巨大的热惯性以及较强的“记忆”功能，是气候系统最有利和最直接的调节系统。

海洋对温室气体的显著吸收，有力的缓解了全球变暖，这对研究全球气候变化十分关键（董思言,髙学杰-2014）。

在全球环境急剧变化的今天，海气相互作用的异常，直接影响着ENSO、台风活动路径、全球降水和温度变化等。

因此，如果能更好的模拟海气相互作用结果，预估未来的气候变化趋势，对正确地做出气候影响评价和决策有着重要意义（陈晓晨-2014）。

从IPCC报告以及各项研究结果可以看出，许多结论的得出都是基于气候模式的模拟结果。

气候模式是气候模拟、预估和预测的重要工具，随着气候模拟的不断发展，气候模式的模拟能力有了很大的提高（吴国雄等译1995;廖洞贤1999;李崇银2000）。

近些年来，气候系统模式发展迅速，CMIP5也于2008年正式开启。

与CMIP3模式相比，CMIP5集合了当今全世界主流的耦合模式，代表了现今模式的发展水平，模式采用了更合理的参数化方案来提高气候模式的模拟和预估能力。

但是由于全球气候变化的复杂性、外加气候模式的系统误差，模式模拟本身误差较大，并且不同模式模拟的差异也较大。

因此，有必要对全球气候模式的海气耦合模拟能力进行评估，是开展气候模拟、预测和预估的基础性工作之一，同时也有助于更好地理解模式本身的未来发展和局限性，也为研究者对模式的使用提供参考依据。

第二章模式和观测资料介绍

2.1CMIP5模式介绍

气候系统模式是研究气候变化机理和预测未来气候变化不可代替的工具。

世界气候研究计划（WCRP）组织的耦合模式比较计划（CMIP），为国际耦合模式的评估和后续发展提供了重要的平台（辛晓歌、张洁-2012）。

CMIP在经历了CMIP1、CMIP2和CMIP3几个阶段之后，于2008年9月启动了第五阶段试验计划（CMIP5）。

CMIP5是在第三次全球耦合模式比较计划（CMIP3）基础上发展的，旨在对全球气候耦合模式进行比较，以促进气候模式的发展（http:

//cmip-pcmdi.llnl.gov/cmip5/）（李瑞青等，2013）。

有20多个国家的50多种模式参与了这一阶段的计划。

与以往阶段相比，该计划新增了一些模式试验，加强了历史和古气候试验的模拟，目的是解决IPCC第四次评估报告（AR4）后涌现出的主要科学问题，以丰富现有气候变化理论，提高对未来气候变化的预估能力。

本次选用的3个CMIP5模式分别为FGOALS-g2;GFDL_CM3;MIROC5，利用3个模式的历史情景（historical）下海温和气温的月平均模拟资料、amip的气温资料以及观测资料（Tayloretal.2009,2011），对其的模拟结果进行对比分析。

其中CMIP5试验中的历史试验（historical）：

是对最近时期的历史气候（1850-2005年）的模拟,强迫场既包括自然强迫（如火山喷发、太阳辖射等），也包括由人为因素可能导致的各类强迫（如温室气体、臭氧等）。

具体到每个模式，所采用的强迫场又有所不同。

通过历史试验，可以了解和评估不同模式对过去气候的模拟能力。

根据不同的强迫场，historical还有几个衍生试验:

historicalNat（历史模拟中仅有自然强迫的试验）、historicalMisc（历史模拟中单个或多个强迫的试验）、historicalGHG（历史模拟中仅有温室气体强迫的试验）、historicalExt（2012年历史试验的扩展试验）。

amip（AMIP试验）:

是大气试验,海洋场使用的是1979到现在的观测海温和海冰。

根据强迫场的不同,amip还有几个衍生试验:

amip4XCO2（4倍CO:

的AMIP试验）:

amip4K（均一4K海温增加的AMIP试验）;amipFuture（海温型异常的AMIP试验）。

本文所选取的3个模式基本信息如下：

FGOALS-g2（grid-pointversion2ofFlexibleGlobalOcean-Atmosphere-LandSystemmodel）是参与IPCC（政府间气候变化专门委员会）第5次评估报告CMIP5的57个模式之一，也是国际上提交了年代际气候预测结果的18个模式之一。

由中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室（LASG）与清华大学地球系统科学研究中心（CESS）联合开发。

该耦合模式的综合性能与国际先进的模式处于同等水平，在ElNiño−SouthernOscillation、热带太平洋海平面温度的年循环、云辐射强迫等方面的表现尤为出色（黄文誉,王斌-2014）。

耦合模式的4个分量（大气、海洋、陆面和海冰）及其分辨率如下：

分量

名称

分辨率

大气

GAMIL2

128*60*26

海洋

LICOM2

360*196*30

陆面

CLM3

128*60*10

海冰

CICE4-LASG

360*196*4

GFDL-CM3是地球流体力学实验室模式，该模式的大气模块采用的是AM3（AtmosphericcomponentVersion3），144*90个网格点，水平分辨率约为2.5°*2.0°（经度*纬度），垂向分辨率范围大约为：

近地面为70m，到对流层顶为1~1.5km，平流层大部分为3~4km，并且考虑了气溶胶。

而海洋模块共360*200个网格，经向分辨率为1°，纬向分辨率在赤道附近约为0.3°，随着向南北两极逐渐增加到1°。

MIROC5是日本东京大学耦合模型,其大气分量采用CCSR/NIES/FRCGCAGCM（CenterforClimateSystemResearch/NationalInstituteforEnvironmentalStudies/FrontierResearchCenterforGlobalChanceAtmosphericGeneralCirculationModel）,共256×128个网格点,水平分辨率约为1.41°×1.41°,垂直分为40层,海洋和海冰分量为COCOv4.5（CCSROceanComponentmodelversion4.5）,共256×224个网格,分辨率约为1.41°×1°（经度×纬度）,垂直分为49层（周天军,宇如聪,刘喜迎-2005）。

模式名称

单位名称及所属国家

大气模式分辨率

逐月输出

逐日输出

FGOALS-G2

LASG-CESS,中国

128*60

√

√

GFD-CM3

NOAAGFDL,美国

144*90

√

√

MIROC5

MIROC,日本

256*128

√

√

2.2观测数据介绍

（1）气温观测数据：

本文采用的气温观测资料为美国国家宇航局哥达德航天研究所GISS的GISTEMP（王绍武,罗勇,赵宗慈-2013；宋丰飞，周天军-2012）地表气温逐月距平资料，所用时间段为1979~2005年。

具体如下：

数据集

GISTEMP（GISSSurfaceTemperature）

来源

美国国家宇航局哥达德航天研究所（NASAGISS）

站点

个数

6257

特征

陆地站点，大部分来自GHCN站点库，另增加考虑北极研究科学委员会（SCAR）站点信息

地表气温

年代

1880~2007

基准值

1951~1980年平均气温

特征

对GHCN数据集作部分订正（内插、异常值剔除等），此外美国气温值参考美国历史气候网（USHCN）数据集，南极洲气温值参考SCAR数据集

（2）海温观测数据：

本文采用的海温观测资料为美国国家海洋和大气管理局（NOAA）提供的改进扩展重建的海表温度资料improvedExtendedReconstructionSeaSurfaceTemperature（ERSST）,基于最新的ICOADSSST数据，采用改良的统计方法重新构建而成。

该方法使用稀疏数据进行计算也可得到较稳定的计算结果。

随着新数据的加入，数据集也会得到相应的更新。

（SmithandReynolds2004）

第3章结果分析

为了研究所选取的三种模式对海气相互作用的模拟性能，将这三种模式在1979年到2005年间的historical情景下月平均气温（SAT）、海温（SST）和在amip情景下模拟的月平均气温（SAT）进行数据处理，分别计算出其冷季（11月至3月）、暖季（5月至9月）的季温度变化趋势，将其与实际观测值进行对比分析。

3.1amip情景下模拟性能分析

amip情景下的模式模拟结果与观测结果对比分析，模式运用实际观测海温结果模拟大气气温场，仅包含了海洋对大气的影响结果，而非海-气耦合作用后的模拟结果。

图3.1冷季气温趋势模拟结果，其中（a）观测数据（b）Fgoals-g2（c）GFDL-CM3（d）MIROC5

图3.1是1979年至2004年间，三个CMIP5耦合模式在AMIP情景下模拟的冷季（11月至3月）气温变化趋势图，其中，红色区域表示26年间温度变化总体呈上升趋势，蓝色区域表示呈下降趋势。

图中可以看出，三个模式的模拟结果各不相同。

从观测数据趋势图显示，全球绝大多数地区气温呈上升趋势，在东太平洋沿岸和南极洲等地区气温呈现下降趋势。

GFDL-CM3模式对亚欧地区、加拿大以及澳大利亚地区的模拟结果与实际情况有较大差距。

Fgoals-g2模式和MIROC5模式对高纬度地区的模拟结果与观测结果完全相反；对中低纬度地区的模拟结果基本与资料数据结果吻合，但是模式结果仍存在一定的偏差，如两个模式对于东太平洋沿岸的模拟结果均偏低；Fgoals-g2模式对中国地区的模拟结果偏差较大，呈温度降低趋势。

图3.2暖季气温趋势模拟结果，其中（a）观测数据（b）Fgoals-g2（c）GFDL-CM3（d）MIROC5

图3.2是1979年至2004年间，三个CMIP5耦合模式在AMIP情景下模拟的暖季（5月至9月）气温变化趋势图。

从模式对全球暖季温度变化趋势的模拟情况可以看出，三个模式都较好的模拟出了温度变化趋势，对中低纬度地区的模拟结果均优于对高纬度地区的模拟结果，但不同模式对于个别区域的模拟结果有所差异，其中Fgoals-g2模式对澳大利亚的模拟结果呈气温下降趋势，与实际观测数据不符；MIROC5模式对澳大利亚的模拟结果较实际情况偏高；三个模式对南非地区的模拟温度趋势均低于实际观测数据；对亚欧地区的模拟温度趋势则高于实际观测数据。

三个模式对高纬度的模拟在北半球效果较好，在南半球模拟的结果与观测数据结果相反。

AMIP情景下的试验是大气场试验，海洋场采用的是从1979年到2005年的观测海温和海冰。

从上述对比图中可以看出，Fgoals-g2、GFDL-CM3和MIROC5这三个模式在这26年间，对中低纬度地区的模拟结果比对高纬度地区的模拟结果要准确；对冷季的温度趋势模拟比对暖季的温度趋势模拟结果要更加符合实际观测数据。

3.2historical情景下模拟性能分析

CMIP5模式的historical情景是海-气耦合作用下的模拟结果，其结果反应了CMIP5模式在海气耦合时与实际观测间的差异。

图3.3冷季气温趋势模拟结果，其中（a）Fgoals-g2,（b）GFDL-CM3,（c）MIROC5

图3.3为CMIP5三个模式在historical情景下模拟从1979年到2005年冷季气温变化趋势图。

与图3.1中的观测结果相比，Fgoals-g2模式和MIROC5模式在东太平洋沿岸地区、中东地区气温变化呈相反趋势；在中低纬陆地地区，温度变化趋势与实际观测结果基本吻合。

Fgoals-g2模式在格陵兰地区气温呈现较大的减小趋势，与观测结果不符；GFDL-CM3模式在欧洲北部和澳大利亚以及南半球高纬度地区与观测结果呈完全相反的趋势；MIROC5模式与前两个模式相比，对于高纬度地区的模拟情况较为准确。

三个模式对北纬30°~60°间的气温趋势模拟与观测结果趋势相符，但模拟趋势的气温升高太显著，远高于实际观测结果。

与amip情景下的冷季气温趋势模拟图相比，在amip情景下，模式模拟沿海地区及中低纬地区的结果较为准确，在北半球高纬度地区historical情境下的模拟结果优于amip情境下的模拟，但在南半球则amip情景下的模拟更为准确。

图3.4暖季气温趋势模拟结果，其中（a）Fgoals-g2,（b）GFDL-CM3,（c）MIROC5

图3.4为Historical情境下模拟从1979年到2005年暖季气温变化趋势图。

与图3.2中观测结果相比，三个模式对印度洋的模拟均不理想且对南半球高纬度的模拟结果与观测；Fgoals-g2模式对陆地的模拟与其他两个模式相比，与观测结果更加吻合。

GFDL-CM3模式和MIROC5模式在北纬25°~60°附近模拟的温度变化趋势与实际相符，但模拟值比观测结果偏高；MIROC5模式在西太平洋区域模拟气温呈下降趋势，与观测结果相反。

和amip情境下的模拟结果相比，amip情景下对于南半球的模拟结果和北半球中低纬地区的模拟结果优于historical情景下的模拟；两种情景下的三个模式对南半球高纬度地区的模拟均与实际观测结果呈相反趋势。

可见这三个模式对中低纬地区的模拟比高纬地区的模拟更为准确，在amip情景下的模拟比在historical情景下的模拟更为准确。

图3.5冷季海温趋势模拟结果（a）观测（b）Fgoals-g2（c）GFDL-CM3,（d）MIROC5

图3.5为观测的冷季海温变化趋势和三个模式在historical情景下冷季的海温变化趋势。

观测结果显示：

1979年至2005年间，在东太平洋及南纬45°~90°海温呈减小趋势，其余大洋的海温均呈升高趋势。

Fgoals-g2模式在东太平洋沿岸地区、北大西洋与观测结果呈相反的趋势，在南半球高纬度地区虽然呈减小趋势，但是要弱于观测结果的减小趋势，其余地区与观测结果基本一致；GFDL-CM3模式在东太平洋沿岸地区模拟的海温与观测结果同样呈相反的趋势，在南纬30°~60°的海温变化呈较高的上升趋势，但远高于实际观测海温的变化趋势；MIROC5模式在东印度洋和西太平洋的模拟结果呈现海温降低的趋势，与观测的海温升高结果相反。

由上述分析可见，三个模式在冷季对海温的模拟，Fgoals-g2模式的模拟结果除个别小片海域以外，均优于其他两个模式模拟的结果；GFDL-CM3模式对低纬度的模拟能力高于对中高纬度的模拟能力；MIROC5模式模拟能力与观测结果的趋势基本相符，但温度上升及下降的趋势梯度都小于实际观测趋势。

图3.6暖季的海温趋势（a）观测（b）Fgoals-g2（c）GFDL-CM3（d）MIROC5

图3.5为观测的暖季海温变化趋势和三个模式在historical情景下暖季的海温变化趋势。

观测结果显示：

1979年至2005年间，北半球大部分海域以及南半球0°~45°附近均呈现出海温升高的趋势，在南半球45°~90°大部分区域以及东太平洋沿岸地区呈现出海温降低的趋势。

Fgoals-g2模式模拟的结果与观测结果基本吻合，除东太平洋以及格陵兰南部海域呈现出海温变暖趋势，与观测结果不符；GFDL-CM3模式对南半球中高纬海域的模拟结果呈现梯度较大的升高趋势，与观测的海温降低趋势结论相反；MIROC5模式对南半球低纬度的印度洋和大西洋模拟的海温变化呈现减小的趋势，这与观测结论相反，对北纬30°~70°的太平洋海域模拟的海温梯度减小较为明显，而观测数据显示为趋势明显升高。

从historical情景下模拟结果显示：

无论是冷季还是暖季的模拟，Fgoals-g2的模拟结果与观测结果最为相近，具有较好的历史海温模拟能力。

GFDL-CM3模式对中低纬地区的模拟能力较好，对高纬的模拟与观测结果并不一致，模拟能力较差。

MIROC5模式在冷季的模拟优于在暖季的模拟，从整体来看对海温的模拟与其他两个模式相比并不理想。

第4章总结与讨论

从观测数据计算出的结果可以看出：

在1979年至2005年期间，大陆地区这26年间的冷季和暖季均呈现气温整体上升趋势，其中北半球25°~90°间的气温上升幅度远大于南半球的；在北纬30°~南纬30°间的东太平洋沿岸海域及南纬55°以上大部分海域在这26年间呈现小幅度的海温降低趋势，太平洋中间海域及北纬30°~65°间的海域呈现较大幅度的上升趋势，其余海域海温上升梯度较小。

在CMIP5中选取的三个模式，amip情境下的模拟结果：

三种模式对中低纬度的模拟能力均优于对高纬度的模拟能力，且对大陆地区的气温模拟均符合实际观测趋势，具有良好的模拟能力。

在historical情境下，从气温的模拟结果可以看出：

在海-气相互作用下，三个模式模拟出的气温升高趋势均比实际观测结果要高，且仍对低纬度的模拟能力较好。

Amip仅包含海洋对大气影响的结果，而historical是海-气耦合后的结果，从26年的气温变化趋势图来看，amip情景下的温度趋势比historical情境下的更加符合观测温度变化趋势。

从海温的模拟结果可以看出：

Fgoals-g2模式对于海温的模拟明显优于其他两个模式，三个模式对东太平洋沿岸的模拟均不理想，GFDL-CM3模式的海温上升趋势略高于实际观测结果。

从CMIP5的这三个模式可以看到，CMIP5模式对海温的模拟要比气温模拟好；amip情景下的模拟优于historical情景下的。

虽然模式对于海-气相互作用下的模拟还有待提高，但CMIP5模式对于中低纬的模拟与实际观测下的温度变化趋势比较吻合。