房永杰,儲(chǔ)敏*,吳統(tǒng)文,張錄軍，聶思程

(1.中國(guó)氣象局國(guó)家氣候中心, 北京 100081；2. 南京大學(xué) 大氣科學(xué)學(xué)院，江蘇 南京 210023)

CICE5.0與BCC_CSM2.0模式的耦合及對(duì)北極海冰的模擬評(píng)估

房永杰1,儲(chǔ)敏1*,吳統(tǒng)文1,張錄軍2，聶思程2

(1.中國(guó)氣象局國(guó)家氣候中心, 北京 100081；2. 南京大學(xué) 大氣科學(xué)學(xué)院，江蘇 南京 210023)

本文將美國(guó)Los Alamos國(guó)家實(shí)驗(yàn)室發(fā)展的最新海冰模式CICE5.0引入國(guó)家氣候中心氣候系統(tǒng)模式BCC_CSM2.0，替代原有的海冰模式SIS，形成一個(gè)新的耦合模式。在此基礎(chǔ)上，評(píng)估新耦合模式對(duì)1985-2009年北極海冰的模擬性能，檢驗(yàn)引入CICE5.0后對(duì)耦合模式中北極海冰、海洋和大氣模擬結(jié)果的改進(jìn)。結(jié)果表明，引入CICE5.0后，模式能較好地模擬出北極海冰的空間分布、季節(jié)以及年際變化特征。相比于舊版本耦合模式，新耦合模式模擬的北極多年冰增多、一年冰減少，同時(shí)，海冰增厚、海冰流速減慢，模擬效果得到顯著改進(jìn)，對(duì)波弗特渦流模擬的改善尤為明顯。進(jìn)一步分析發(fā)現(xiàn)，相比于SIS，CICE5.0對(duì)北極海冰特別是海冰厚度模擬性能的提升，在耦合進(jìn)入BCC_CSM2.0后，會(huì)觸發(fā)冰-溫的正反饋機(jī)制，改進(jìn)了模式對(duì)海平面氣壓場(chǎng)、表層氣溫和海表溫度的模擬，由此進(jìn)一步提高了模式對(duì)北極海冰的模擬能力。

氣候系統(tǒng)模式；BCC_CSM2.0；CICE5.0；北極海冰；模式評(píng)估

1 引言

海冰是氣候系統(tǒng)的重要組成部分，也是全球氣候變化最敏感的組分之一，其變化具有全球氣候變化指示和放大器的作用。在全球變暖的大背景下，極地氣候系統(tǒng)近幾十年來(lái)發(fā)生了比其地區(qū)更為顯著的變化。研究表明，近30年北極海冰呈快速衰減趨勢(shì)，就年平均而言，北極海冰的覆蓋范圍每10年減少約3%，其中夏季最為顯著，每10年減少約10%[1—2]。與此同時(shí)，北極海冰厚度明顯變薄[3—4]，北冰洋的海冰運(yùn)動(dòng)模式發(fā)生了很大變化[5]。海冰的顯著變化會(huì)改變極地氣候系統(tǒng)中陸、氣、海、冰各個(gè)子系統(tǒng)的能量平衡。由于海冰-反照率正反饋機(jī)制的作用，使得全球增暖對(duì)氣候的影響在極區(qū)被放大，極區(qū)氣候的快速顯著變化反過(guò)來(lái)又會(huì)通過(guò)大氣環(huán)流和海洋溫鹽環(huán)流等途徑影響全球的氣候變化[6—7]。因此，利用大氣-海洋-陸地-海冰耦合的氣候系統(tǒng)模式對(duì)海冰進(jìn)行合理模擬是研究海冰變化及其成因的重要途徑之一。但到目前為止，全球耦合模式(Coupled General Circulation Models, CGCMs)對(duì)于海冰特別是北極海冰厚度和面積的模擬還存在很大問(wèn)題[8—12]。邱博等[9]和舒啟等[13]分別評(píng)估了參加CMIP5(Coupled Model Inter-comparison Project Phase 5)計(jì)劃14和24個(gè)CGCMs的模擬結(jié)果，發(fā)現(xiàn)大部分模式能模擬出北極海冰的季節(jié)變化特征，但是大多數(shù)模式模擬的夏季海冰偏少，年均海冰面積大小與觀測(cè)也存在較大差別，模擬的海冰流速普遍偏大，且模擬的1979-2005年間北極海冰減少速度均小于觀測(cè)值。

BCC_CSM2.0是由中國(guó)氣象局國(guó)家氣候中心(Beijing Climate Center，BCC)發(fā)展的中等分辨率氣候系統(tǒng)模式。它以美國(guó)國(guó)家大氣研究中心(NCAR)的通用氣候系統(tǒng)模式耦合器Coupler 5[14]為基礎(chǔ)，包括大氣模式BCC_AGCM2.0[15]、海洋模式MOM4.0[16]、海冰模式SIS[17]及陸面模式BCC_AVIM2.0[18]4個(gè)分量模式(圖1)。BCC_CSM2.0是國(guó)家氣候中心第二代短期氣候預(yù)測(cè)模式系統(tǒng)的主要組成部分[19]，同時(shí)基于其開(kāi)展的CMIP5試驗(yàn)的研究結(jié)果也為IPCC第五次評(píng)估報(bào)告(IPCC AR5)提供了有價(jià)值的參考[20]。目前國(guó)內(nèi)氣象學(xué)者對(duì)于BCC_CSM2.0模式已經(jīng)進(jìn)行了大量的評(píng)估分析。這些研究表明BCC_CSM2.0對(duì)全球季風(fēng)降水、東亞降水的季節(jié)和日變化特征、大氣低頻振蕩以及ENSO(El Nio-Southern Osillation)等都具有較好的模擬性能[21]。但該模式對(duì)海冰，尤其是北極海冰的模擬能力仍存在許多問(wèn)題和不足，模擬的北極海冰冬季偏多，夏季偏少，厚度偏薄，海冰流速偏大，且不能模擬出波弗特渦流[22]。為此，不斷完善BCC氣候系統(tǒng)模式中的海冰分量模式，使其能夠合理模擬海冰的季節(jié)分布以及相關(guān)的大氣-海冰-海洋相互作用，將有利于提高BCC模式對(duì)未來(lái)極地以及全球氣候變化的預(yù)測(cè)能力。

CICE是美國(guó)Los Alamos國(guó)家實(shí)驗(yàn)室發(fā)展的海冰模式，具有復(fù)雜的參數(shù)化過(guò)程，在國(guó)際氣候變化模擬和預(yù)測(cè)中得到了廣泛的應(yīng)用[23]。本文利用最新版本的CICE5.0替代了BCC_CSM2.0中的原有的海冰模塊(SIS)，形成新的耦合模式，并進(jìn)行了70年的連續(xù)積分，檢驗(yàn)引入CICE5.0對(duì)耦合模式北極海冰和其他相關(guān)氣候要素模擬結(jié)果的改進(jìn)，同時(shí)分析誤差來(lái)源，為模式的后續(xù)發(fā)展提供科學(xué)依據(jù)。

2 模式、試驗(yàn)設(shè)計(jì)及資料介紹

2.1 模式簡(jiǎn)介

CICE5.0是美國(guó)Los Alamos國(guó)家實(shí)驗(yàn)室2013年9月發(fā)布的海冰模式版本，該模式集成了海冰數(shù)值模式的最新發(fā)展成果。與舊版本BCC氣候系統(tǒng)模式中的海冰模式分量SIS相比，CICE5.0對(duì)海冰動(dòng)力和熱力過(guò)程的物理參數(shù)化方案更加完善。CICE5.0動(dòng)力學(xué)模塊采用彈-黏-塑(EVP)海冰流變學(xué)，熱力部分是一個(gè)可分辨海冰溫度垂直廓線和顯式鹽泡參數(shù)化的海冰熱力學(xué)模塊[24]；在海冰厚度空間采用5層的海冰厚度分級(jí)，并采用拉格朗日線性傳輸?shù)暮穸确植寄Ｊ?，能更好地描述海冰的各種通量性質(zhì)[25]；使用更為復(fù)雜的海冰機(jī)械再分布方案，并考慮海冰的成脊、疊擠作用以及側(cè)邊界融化熱力過(guò)程[26]；采用了一個(gè)新的融池參數(shù)化方案，該方案利用冰厚判斷冰面地形，從而能更加準(zhǔn)確的計(jì)算融池覆蓋率和融池深度[27]；采用一個(gè)新的短波輻射方案(Delta-Eddington)[28]，能更加精確的計(jì)算冰層和雪發(fā)射、吸收和投射的短波輻射；海冰運(yùn)動(dòng)方程中的風(fēng)應(yīng)力和海洋拖曳力項(xiàng)中考慮了海冰密集度的影響，使得在海冰密集度低值區(qū)海冰運(yùn)動(dòng)與自由漂移理論一致[29]。此外，CICE5.0用新冰生成參數(shù)化方案模擬海冰的產(chǎn)生，當(dāng)大量的雪蓋將海冰壓到海平面以下時(shí)可以模擬雪冰的形成[30]。關(guān)于模式的詳細(xì)介紹可參考Hunke等[23]。

圖1 BCC耦合模式示意圖Fig.1 Structure of BCC coupled climate system model

2.2 試驗(yàn)設(shè)計(jì)及資料介紹

新耦合模式與老版本BCC_CSM2.0氣候系統(tǒng)模式相比，除海冰模式替換為CICE5.0外，大氣、陸面以及海洋模式分量均保持不變(圖1)，大氣模式和陸面模式的分辨率為T106, 相當(dāng)于約1.1°(經(jīng)度)×1.1°(緯度)。大氣模式垂直方向26層；海冰模式和海洋分量模式分辨率一致，對(duì)北極點(diǎn)采用三極網(wǎng)格，近赤道地區(qū)水平分辨率約為(1/3)°×1°，中高緯地區(qū)約1°×1°，海洋模式垂直方向40層。關(guān)于BCC氣候系統(tǒng)模式的詳細(xì)介紹見(jiàn)Wu等[18]。在耦合CICE5.0后的BCC模式系統(tǒng)中，大氣、海冰和海洋之間均實(shí)現(xiàn)雙向耦合。大氣模式通過(guò)耦合器向海冰模式提供10 m風(fēng)速、2 m氣溫和比濕、向下長(zhǎng)波和短波輻射、降水、海平面氣壓場(chǎng)等，海洋模式通過(guò)耦合器為海冰模式提供海表溫度、海表流速、鹽度以及凍融勢(shì)等，而海冰模式則通過(guò)耦合器向海洋和大氣提供海冰密集度、淡水通量、熱通量、表面風(fēng)應(yīng)力等信息。

將大氣中的二氧化碳、甲烷等溫室氣體的濃度控制在1980年的水平，海冰從靜止開(kāi)始，大氣、海洋和陸面的初始場(chǎng)取自舊版本BCC_CSM2.0開(kāi)展CMIP5的Historical試驗(yàn)[31]1980年1月1日的瞬時(shí)場(chǎng)，將新版耦合模式積分45 a。圖2是該控制試驗(yàn)北極年平均海冰面積的時(shí)間序列圖。從圖2中可以看出耦合積分到第20 a左右，模式已基本處于平衡狀態(tài)。本文選取控制試驗(yàn)第35年末的瞬時(shí)場(chǎng)作為初始場(chǎng), 根據(jù)觀測(cè)的20世紀(jì)溫室氣體排放情景, 將新耦合模式從1980年1月開(kāi)始積分, 對(duì)20世紀(jì)中后期和21世紀(jì)初的全球氣候進(jìn)行了模擬。選取該試驗(yàn)(模擬結(jié)果以BCC_CICE表示)1985-2009年海冰、大氣及海洋月平均模擬結(jié)果，與舊版本模式BCC_CSM2.0(模擬結(jié)果以BCC_SIS表示)參加CMIP5 Historical試驗(yàn)[31]1985-2009年的模擬結(jié)果進(jìn)行對(duì)比分析。

圖2 控制試驗(yàn)北極年平均海冰面積時(shí)間序列Fig.2 Time series of the annual mean Arctic sea ice areas in the spin-up run

為了對(duì)模式的模擬結(jié)果進(jìn)行評(píng)估，本文使用了如下觀測(cè)資料：(1)英國(guó)Hadley中心的海冰密集度和海表溫度數(shù)據(jù)[32](Hadley Centre Sea Ice and Sea Surface Temperature data set, HadISST)；(2)美國(guó)國(guó)家冰雪數(shù)據(jù)中心( National Snow and Ice Data Center, NSIDC)的海冰流速場(chǎng)資料[33], 該資料是利用SMMR (Scanning Multichannel Microwave Radiometer) 和SSM/I(Special Sensor Microwave/Imager)衛(wèi)星資料反演獲得；(3)美國(guó)潛艇觀測(cè)的北極海冰厚度場(chǎng)資料[34]；(4)ERA-Interim再分析資料[35], 包括海平面氣壓場(chǎng)和2 m氣溫等；(5)美國(guó)國(guó)家海洋和大氣管理局(National Oceanic and Atmospheric Administration, NOAA)日平均海冰密集度資料[36]。此外，為了進(jìn)行單獨(dú)CICE5.0和SIS模式的模擬試驗(yàn)，本文還使用了SODA(Simple Ocean Data Assimilation)表層洋流[37]和WOA09(World Ocean Atlas 2009)溫鹽數(shù)據(jù)[38]作為驅(qū)動(dòng)場(chǎng)。

3 結(jié)果分析

3.1 海冰

圖3給出了觀測(cè)和模擬的1985-2009年北極3月和9月平均海冰密集度的水平分布。由圖可見(jiàn)，在3月份，BCC_CICE和BCC_SIS基本都能再現(xiàn)北極海冰密集度的主要分布型，但模擬的北太平洋和北大西洋的海冰明顯偏多(圖3b，3c)。相比于BCC_SIS，BCC_CICE模擬的鄂霍次克海、格陵蘭海以及拉布拉多海巴倫支海、巴芬灣海冰減少，與觀測(cè)更為接近(圖3c)。9月份，觀測(cè)的海冰收縮至北冰洋內(nèi)(圖3d)，BCC_SIS模擬的北極中央?yún)^(qū)海冰嚴(yán)重偏少(圖3e)，BCC_CICE對(duì)此有較大改進(jìn)(圖3f)，模擬的海冰密集度高于80%的海區(qū)面積明顯大于BCC_SIS。模擬的海冰密集度與觀測(cè)的空間相關(guān)系數(shù)，BCC_SIS在3月和9月分別為0.82和0.70，而BCC_CICE則分別為0.89和0.86。進(jìn)一步分析模擬的海冰密集度與觀測(cè)的均方根偏差，3月份BCC_SIS和BCC_CICE分別為30%和20%，而9月份分別55%和16%?？梢?jiàn)，將海冰模式由SIS替換為CICE5.0后，模式模擬的海冰密集度在空間分布和強(qiáng)度上都更為合理。

由于觀測(cè)資料的限制，無(wú)法獲得北極月平均的海冰厚度場(chǎng)，為此，我們采用美國(guó)潛艇觀測(cè)的北極年平均海冰厚度資料來(lái)評(píng)估模擬結(jié)果。由圖4a可見(jiàn)，觀測(cè)的年平均海冰在格陵蘭島北側(cè)和加拿大海盆最厚，達(dá)5 m以上，海冰厚度由加拿大海盆向歐亞大陸逐漸變薄，其中楚科奇海南部和喀拉海海冰厚度小于1 m。由圖4b可見(jiàn)，BCC_SIS模擬的海冰厚度明顯偏薄，模擬的北冰洋大部分冰區(qū)厚度小于1 m，較觀測(cè)偏小50%以上。與BCC_SIS相比，BCC_CICE的模擬結(jié)果與觀測(cè)更為一致，加拿大群島海冰厚度可達(dá)4 m，整個(gè)加拿大海盆和歐亞海盆的海冰厚度都在2.5 m以上，但與觀測(cè)相比，仍略為偏薄(圖4b)。

圖5給出了觀測(cè)和模擬的北極地區(qū)3月和9月平均海冰流速場(chǎng)。3月，觀測(cè)北極海冰運(yùn)動(dòng)的主要特征是波弗特渦流和穿極漂流(圖5a)。波弗特渦流是位于波弗特海的反氣旋式海冰環(huán)流，其南支流向楚科奇海，北支匯入穿極漂流。穿極漂流主要源自于拉普捷夫海，穿越北極點(diǎn)，經(jīng)弗萊姆海峽，沿格陵蘭島東岸進(jìn)入北大西洋。另外，巴倫支海、巴芬灣、白令海以及鄂霍次海也均有向南的海冰輸送。9月，觀測(cè)海冰運(yùn)動(dòng)的主要特征與3月基本一致，但流速明顯減弱(圖5d)。新舊耦合模式都能較好的模擬出穿極漂流，但是強(qiáng)度偏強(qiáng)，特別是弗拉姆海峽，海冰流速較觀測(cè)偏大2倍以上。同時(shí)，模式模擬的海冰邊緣區(qū)的海冰流速也異常偏大，導(dǎo)致海冰向南輸送增強(qiáng)，這與模式模擬的海冰邊緣區(qū)破碎冰偏多一致(圖3)。BCC_SIS沒(méi)有模擬出波弗特渦流(圖5b，5e)，BCC_CICE能較好地模擬出這一渦流特征，盡管模擬的9月波弗特渦流位置偏北，強(qiáng)度偏強(qiáng)(圖5c，5f)。此外，相比于BCC_SIS，BCC_CICE模擬的3月份格陵蘭海和拉布拉多海海冰流速減弱，與觀測(cè)更為一致，但模擬的9月份弗拉姆海峽海冰流速偏強(qiáng)(圖5f)。

圖3 觀測(cè)和模擬的1985-2009年北極地區(qū)3月(a～c)和9月(d～f)平均海冰密集度場(chǎng)：a, d為觀測(cè)；b, e為BCC_SIS模擬；c, f為BCC_CICE模擬Fig.3 Arctic sea ice concentrations in March (a-c) and September (d-f) during 1985-2009 from observation(a, d), BCC_SIS (b, e), and BCC_CICE (c, f)

圖4 觀測(cè)和模式模擬的1985-2009年北極年平均海冰厚度場(chǎng)：a為觀測(cè)；b為BCC_SIS模擬；c為BCC_CICE模擬Fig.4 Arctic annual mean ice thickness during 1985-2009 from observation(a), BCC_SIS (b), and BCC_CICE(c)

圖5 觀測(cè)和模擬的1985-2009年北極地區(qū)3月(a～c)和9月(d～f)平均海冰流速場(chǎng)：a, d為觀測(cè)；b, e為BCC_SIS模擬；c, f為BCC_CICE模擬Fig.5 Arctic sea ice velocity in March (a-c) and September (d-f) during 1985-2009 from observation (a, d), BCC_SIS (b, e), and BCC_CICE (c, f)

通常認(rèn)為當(dāng)海冰密集度不小于15%時(shí)，該區(qū)域?yàn)楹１采w，由此可以計(jì)算得到海冰覆蓋面積。圖6給出了1985-2009年平均的海冰覆蓋面積的季節(jié)變化。觀測(cè)顯示，北極海冰面積在3月最大，9月最小(圖6)。2個(gè)模式模擬海冰面積的季節(jié)循環(huán)與觀測(cè)基本一致，但BCC_SIS模擬的3月份北極海冰面積偏多，而9月份海冰面積偏少，這與其模擬的海冰密集度的偏差一致(圖3)。相比之下，BCC_CICE對(duì)海冰覆蓋面積的模擬結(jié)果與觀測(cè)更加接近，但仍存在與BCC_SIS類似的模擬偏差，特別是春季。

圖6 觀測(cè)和模式模擬的1985-2009年北極海冰面積的季節(jié)循環(huán)Fig.6 The annual cycle of mean Arctic Sea ice area during 1985-2009 from observation and simulations

在年際變化上，從1985-2009年，觀測(cè)和模擬的年平均海冰面積均呈減少趨勢(shì)(圖7a)，其中觀測(cè)的海冰減少的速度為每年2.89×104km2，BCC_SIS和BCC_CICE分別為4.38×104km2和1.58×104km2。此外，2個(gè)模式模擬的年平均海冰面積都整體偏多，相比BCC_CICE，BCC_SIS的模擬的年平均海冰面積略有減少，但由圖6可知，這主要與其模擬的夏秋季海冰面積異常偏少有關(guān)。

圖7 觀測(cè)和模式模擬的1985-2009年北極地區(qū)年平均海冰(a)、一年冰(b)和多年冰(c)面積的年際變化Fig.7 Time series of sea ice area for annual mean sea ice(a), one year sea ice(b)，and multi-year sea ice (c) over the arctic ocean during the period 1985-2009

一般來(lái)說(shuō)，北極海冰覆蓋區(qū)域大體上分為兩種類型，一種是多年冰，即海冰覆蓋在夏秋季節(jié)達(dá)到最小時(shí)還存在的冰；另外一種是一年冰，即夏秋季節(jié)海冰退縮最小范圍時(shí)融掉了的季節(jié)性冰。圖7b和7c進(jìn)一步給出了這兩種冰的年際化情況。觀測(cè)中，伴隨全球變暖，北極地區(qū)一年冰面積呈增多趨勢(shì)，增速為每年4.93×104km2，而多年冰則呈減少趨勢(shì)，減速為每年5.16×104km2。 BCC_SIS雖然模擬出多年冰的減少趨勢(shì)(減少速度為每年3.98×104km2)，但沒(méi)有模擬出一年冰增多的趨勢(shì)，且模擬的一年冰面積較觀測(cè)偏多，而多年冰面積則明顯偏少。相比之下，BCC_CICE的模擬結(jié)果與觀測(cè)較為一致，模擬的一年海冰面積增多速度為每年6.17×104km2，而多年冰面積減少速度為每年6.42×104km2，模擬的多年冰面積與觀測(cè)基本一致，但模擬的一年冰面積仍較觀測(cè)偏多。對(duì)比圖3可知，相比于BCC_SIS，BCC_CICE對(duì)于北極春季海冰模擬的改善主要源于其對(duì)一年冰模擬的減少，而對(duì)秋季海冰模擬的改善主要源于其對(duì)多年冰模擬的增多。

3.2 對(duì)北極海冰模擬改進(jìn)的可能機(jī)制

從上節(jié)分析可知，將海冰模式替換為CICE5.0后，新版本耦合模式對(duì)北極海冰具有較好的模擬性能，其模擬的海冰密集度分布、海冰厚度以及海冰流速均較舊版本耦合模式有不同程度改進(jìn)。由于新舊版耦合模式的主要區(qū)別是海冰模式分量不同，因此這些改進(jìn)可能與單獨(dú)海冰模式CICE5.0和SIS模擬性能的不同有關(guān)。為了進(jìn)一步對(duì)比分析CICE5.0和SIS的模擬性能，本文進(jìn)行了相同外強(qiáng)迫下單獨(dú)CICE5.0和SIS的試驗(yàn)積分(分別以CICE_SOLO和SIS_SOLO表示)，其中大氣強(qiáng)迫場(chǎng)均采用ERA-Interim再分析多年平均每6 h一次的10 m氣溫、風(fēng)速、比濕和表面熱通量場(chǎng)，氣候態(tài)月平均降水和云量；海洋強(qiáng)迫場(chǎng)均為氣候態(tài)月平均SODA表層洋流和WOA09溫鹽數(shù)據(jù)。兩個(gè)試驗(yàn)分別積分了20 a，取后10 a的平均模擬結(jié)果進(jìn)行對(duì)比分析。

首先分析兩個(gè)單獨(dú)模式積分試驗(yàn)?zāi)M的3月份海冰密集度和年平均海冰厚度的分布情況發(fā)現(xiàn)，單獨(dú)CICE5.0和SIS模擬的3月份北極海冰密集度的分布基本一致(圖略)，但二者對(duì)海冰厚度的模擬存在較大差異(圖8)。從圖8b中可以發(fā)現(xiàn)，單獨(dú)CICE5.0模擬的年平均海冰厚度分布與觀測(cè)一致(圖4a)，且在大部分北冰洋厚度達(dá)4 m以上，而單獨(dú)SIS模式模擬的海冰厚度明顯偏薄，北極大部分地區(qū)海冰厚度小于2.5 m(圖8a)，這與耦合試驗(yàn)BCC_CICE和BCC_SIS的模擬結(jié)果一致(圖4)。進(jìn)一步分析海冰厚度的季節(jié)變化發(fā)現(xiàn)，相比SIS，CICE5.0模擬海冰厚度的增加在冬春季節(jié)更為顯著(圖略)。分析9月份的模擬情況發(fā)現(xiàn)，單獨(dú)CICE5.0試驗(yàn)?zāi)M的海冰面積較單獨(dú)SIS試驗(yàn)明顯增多(圖8c，8d)，與觀測(cè)的情況也更為接近(圖3a)。兩個(gè)模式對(duì)海冰面積模擬的差異可能與他們對(duì)海冰厚度的模擬偏差有關(guān)，在相同的外強(qiáng)迫下，單獨(dú)CICE5.0模擬的海冰由于較厚在夏秋季節(jié)難以完全融化，因此秋季扔存有較大的海冰面積，而單獨(dú)SIS模式則正好相反。

圖8 單獨(dú)CICE5.0和SIS模式模擬的北極地區(qū)年平均海冰厚度(a，b)和9月平均海冰密集度(c, d)分布：a, c為SIS_SOLO模擬；b, d為CICE_SOLO模擬Fig.8 Arctic annual mean ice thickness (a, b) and sea ice concentrations (c, d) in September from SIS_SOLO (a, c) and CICE_SOLO (b, d)

圖9 BCC_SIS模擬與觀測(cè)的北極9月平均海平面氣壓場(chǎng)(a)，2 m氣溫(c)和海表溫度分布(e)的差值場(chǎng)，b、d、f同a、c、e，但為BCC_CICE與BCC_SIS的差值場(chǎng)Fig.9 The differences of Arctic sea level pressure (a), 2 m surface air temperature (c) and sea surface temperature (e) in September between the BCC_SIS and observation. b, d, f same as a, c, e, but for the difference be-tween the BCC_CICE and BCC_SIS

相比于單獨(dú)SIS模式，單獨(dú)CICE5.0對(duì)于北極海冰模擬性能的提高，在耦合進(jìn)入BCC_CSM2.0后，會(huì)進(jìn)一步通過(guò)海-冰-氣相互作用而改進(jìn)對(duì)北極地區(qū)大氣和海洋狀況的模擬，從而進(jìn)一步改進(jìn)模式對(duì)海冰的模擬。例如，BCC_SIS模擬的北極地區(qū)秋季近地面氣溫和海表溫度偏高(圖9a, 9c)，海平面氣壓場(chǎng)偏低(圖9e)，而當(dāng)用CICE5.0替代SIS后，由于CICE5.0自身模擬性能的提高，模式模擬的北極秋季海冰會(huì)有面積增多、厚度增加的變化。這一方面會(huì)導(dǎo)致北極地區(qū)反照率增加，凈輻射能量收入減少(圖略)，因此北極地區(qū)表層氣溫降低(圖9d)，海平面氣壓場(chǎng)升高(圖9b)，極地與低緯的氣壓梯度減弱, 使得吹向北極的暖濕氣流減弱, 導(dǎo)致極地溫度進(jìn)一步降低，從而更有利于夏秋季節(jié)海冰的增多。另一方面海冰厚度和面積的增加使反射的太陽(yáng)輻射增多，而穿透海冰被海洋吸收的太陽(yáng)輻射減少，導(dǎo)致表層海洋的溫度降低(圖9f)，從而也更有利于海冰的進(jìn)一步凝結(jié)。因此，這兩個(gè)冰-溫的正反饋過(guò)程都可以改進(jìn)模式對(duì)北極海冰以及相關(guān)大氣和海洋狀況的模擬能力。

4 結(jié)論

本文將美國(guó)Los Alamos國(guó)家實(shí)驗(yàn)室發(fā)展的最新海冰模式CICE5.0引入國(guó)家氣候中心的氣候系統(tǒng)模式BCC_CSM2.0，替代原有的海冰分量模式SIS，形成一個(gè)新的耦合模式。在此基礎(chǔ)上，評(píng)估了新版本耦合模式對(duì)1985-2009年北極海冰的模擬性能，檢驗(yàn)了引入CICE5.0后耦合模式中北極海冰、海洋和大氣模擬結(jié)果的改進(jìn)，并討論了導(dǎo)致海冰模擬改進(jìn)的可能原因。主要結(jié)論總結(jié)如下：

(1)引入CICE5.0后，模式能較好模擬出北極海冰的氣候態(tài)分布和季節(jié)變化特征，模擬的海冰密集度的空間分布和強(qiáng)度均優(yōu)于舊版本耦合模式，對(duì)北極地區(qū)多年冰和一年冰模擬的改進(jìn)尤為明顯。新版本模式能較好的模擬出北極海冰厚度由加拿大海盆向歐亞大陸逐漸變薄的分布特征，模擬的海冰厚度較舊版本模式明顯增厚，與觀測(cè)更為接近。新版本耦合模式能基本能再現(xiàn)北極海冰運(yùn)動(dòng)的主要特征，模擬的海冰穿極漂流和波弗特渦流的位置和強(qiáng)度較舊版本耦合模式都更為合理。同時(shí)，新版本模式模擬的20世紀(jì)80年代以來(lái)北極海冰面積減少的趨勢(shì)與觀測(cè)結(jié)果也基本一致。

(2)進(jìn)一步分析發(fā)現(xiàn)，BCC_SIS模擬的夏季冰面氣溫和海表溫度偏高，海平面氣壓場(chǎng)偏低，這與其模擬的海冰厚度偏薄，夏季海冰偏少一致。而當(dāng)用CICE5.0替代SIS后，由于CICE5.0自身模擬性能的提高，模式模擬的北極夏季海冰面積增多、厚度增加，使地表氣溫和表層海洋溫度降低、海表平面氣壓場(chǎng)升高，更有利于海冰的增多，形成冰-溫的正反饋機(jī)制，最終改進(jìn)了模式對(duì)于北極海冰以及相關(guān)大氣和海洋氣象要素場(chǎng)的模擬能力。

相比SIS模式，單獨(dú)CICE5.0模式對(duì)北極海冰模擬的改進(jìn)可能與其更完善的物理過(guò)程、更精細(xì)的海冰分類以及更高的模式垂直分辨率有關(guān)[23]。例如，CICE5.0采用的Delta-Eddington短波輻射參數(shù)化方案考慮了積雪和海冰的內(nèi)在光學(xué)屬，使得計(jì)算的海冰吸收和透射的短波輻射與CCSM3輻射方案(SIS采用)相比顯著減少[11]，因此更有利于海冰增厚。但同時(shí)我們也注意到，新舊版耦合模式也存在類似的模擬偏差，如模擬的冬春季節(jié)海冰薄而廣、海冰破碎冰區(qū)偏多、海冰流速偏大等。這些模擬偏差可能與大氣和海洋分量模式的系統(tǒng)性偏差有關(guān)，特別是大氣云、輻射過(guò)程和海洋混合層的模擬偏差，會(huì)通過(guò)海-冰-氣相互作用而放大，從而進(jìn)一步影響海冰的模擬性能。因此，對(duì)于進(jìn)一步改善模式對(duì)海冰的模擬，首要任務(wù)是提高大氣和海洋分量模式的在極區(qū)的模擬性能。此外，受制于計(jì)算條件，本文對(duì)新版耦合模式的積分時(shí)間較短(70年左右)，下一步將進(jìn)行更長(zhǎng)時(shí)間尺度的模擬積分，以進(jìn)一步分析CICE5.0對(duì)BCC耦合模式性能的影響。

[1] Cavalieri D J, Parkinson C L, Vinnikov K Y. 30-year satellite record reveals contrasting Arctic and Antarctic decadal sea ice variability[J]. Geophysical Research Letters, 2003, 30(18):CRY 4-1.

[2] Perovich D K, Richter-Menge J A. Loss of sea ice in the Arctic[J]. Annual Review of Marine Science, 2009, 1: 417-441.

[3] Kwok R, Rothrock D A. Decline in Arctic sea ice thickness from submarine and ICESat records: 1958-2008[J]. Geophysical Research Letters, 2009, 36: L15501.

[4] Rothrock D A, Yu Y, Maykut G A. Thinning of the Arctic sea-ice cover[J]. Geophysical Research Letters, 1999, 26(23): 3469-3472.

[5] Pfirman S, Haxby W F, Colony R, et al. Variability in Arctic sea ice drift[J]. Geophysical Research Letters, 2004, 31: L16402.

[6] Alexander M A, Bhatt U S, Walsh J E, et al. The atmospheric response to realistic sea ice anomalies in an AGCM during winter[J]. Journal of Climate, 2004, 17(5): 890-905.

[7] Walsh J E. The role of sea ice in climate variability: theories and evidence[J]. Atmosphere-Ocean, 1983, 21: 229-242.

[8] Parkinson C L, Vinnikov K Y, Cavalieri D J. Evaluation of the simulation of the annual cycle of Arctic and Antarctic sea ice coverages by 11 major global climate models[J]. Journal of Geophysical Research, 2006, 111: C07012.

[9]邱博, 張錄軍, 儲(chǔ)敏, 等. 氣候系統(tǒng)模式對(duì)于北極海冰模擬分析[J]. 極地研究, 2015, 27(1): 47-55.

Qiu Bo, Zhang Lujun, Chu Min, et al. Performance analysis of arctic sea ice simulation in climate system models[J]. Chinese Journal of Polar Research, 2015, 27(1): 47-55.

[10]王秀成, 劉驥平, 俞永強(qiáng), 等. FGOALS_g1.1極地氣候模擬[J]. 氣象學(xué)報(bào), 2009, 67 (6): 961-972.

Wang Xiucheng, Liu Jiping, Yu Yongqiang, et al. Polar climate simulation in FGOALS_g1.1[J]. Acta Meteorologica Sinica, 2009, 67 (6): 961-972.

[11] 王秀成, 劉驥平, 俞永強(qiáng), 等. 海冰模式CICE4.0與LASG/IAP氣候系統(tǒng)模式的耦合試驗(yàn)[J]. 大氣科學(xué), 2010, 34 (4): 780-792.

Wang Xiucheng, Liu Jiping, Yu Yongqiang, et al. Experiment of coupling sea ice model CICE4.0to LASG/IAP climate system model[J]. Chineses Journal of Atmospheric Science, 2010, 34 (4): 780-792.

[12] Turner J, Bracegirdle T J, Phillips T, et al. An initial assessment of Antarctic sea ice extent in the CMIP5 models[J]. Journal of Climate, 2013, 26(5): 1473-1484.

[13] 舒啟，喬方利，宋振亞．地球系統(tǒng)模式FIO-ESM對(duì)北極海冰的模擬和預(yù)估[J]．海洋學(xué)報(bào), 2013, 35(5): 37-45.

Shu Qi, Qiao Fangli, Song Zhenya. The hindcast and forecast of sea ice in the Arctic by FIO-ESM based on CMIP5 experiments[J]．Haiyang Xuebao, 2013, 35(5): 37-45.

[14] Kiehl J T, Gent P R. The community climate system model (version 2)[J]. Journal of Climate, 2004, 17(19): 3666-3682.

[15] Wu Tongwen, Yu Rucong, Zhang Fang, et al. The Beijing Climate Center atmospheric general circulation model: description and its performance for the present-day climate[J]. Climate Dynamics, 2010, 34:123-147.

[16] Murray R J. Explicit generation of orthogonal grids for ocean models[J]. Journal of Compute Physics, 1996, 126: 251-273.

[17] Winton M. A reformulated three-layer sea ice model[J]. Journal of Atmospheric Oceanic Technology, 2000, 17: 525-531.

[18] Wu Tongwen, Li Weiping, Ji Jinjun, et al. Global carbon budgets simulated by the Beijing Climate Center Climate System Model for the last century [J]. Journal of Geophysical Research Atmosphere, 2003, 118(10), 4326-4347.

[19] 吳統(tǒng)文, 宋連春, 劉向文, 等. 國(guó)家氣候中心短期氣候預(yù)測(cè)模式系統(tǒng)業(yè)務(wù)化進(jìn)展[J]. 應(yīng)用氣象學(xué)報(bào), 2013, 24(5): 535-543.

Wu Tongwen, Song Lianchun, Liu Xiangwen, et al. Progress in developing the short-range operational climate prediction system of China National Climate Center[J]. Journal of Applied Meteorological Science, 2013, 24(5): 535-543.

[20] 董思言, 髙學(xué)杰. 長(zhǎng)期氣候變化: IPCC第五次評(píng)估報(bào)告解讀[J]. 氣候變化研究進(jìn)展, 2014, 10(1): 56-59.

Dong Siyan, Gao Xuejie. Long-term climate change: interpretation of IPCC fifth assessment report[J]. Progressus Inquisitiones de Mutatione Climatis, 2014, 10(1): 56-59.

[21] 吳統(tǒng)文, 宋連春, 李偉平, 等. 北京氣候中心氣候系統(tǒng)模式研發(fā)進(jìn)展—在氣候變化研究中的應(yīng)用[J]. 氣象學(xué)報(bào), 2014, 72(1): 12-29.

Wu Tongwen, Song Lianchun, Li Weiping, et al. An overview on progress in Beijing Climate Certer Climate System Model—Its development and application to climate change studies[J]. Acta Meteorologica Sinica, 2014, 72(1): 12-29.

[22] 譚慧慧, 張錄軍, 儲(chǔ)敏, 等. BCC_CSM對(duì)全球海冰面積和厚度模擬及其誤差成因分析[J]. 大氣科學(xué), 2015, 39 (1): 197-209.

Tan Huihui, Zhang Lujun, Chu Min, et al. An analysis of simulated global sea ice extent, and causes of error with the BCC_CSM model[J]. Chinese Journal of Atmospheric Sciences (in Chinese),2015, 39 (1): 197-209.

[23] Hunke E C, Lipscomb W H, Turner A K, et al. CICE: the Los Alamos Sea Ice Model Documentation and Software User’s Manual Version 5.0 LA-CC-06-012[S]. Los Alamos National Laboratory, Los Alamos NM, 2013, 87545:115.

[24] Hunke E C, Dukowicz J K. An elastic-viscous-plastic model for sea ice dynamics[J]. Journal of Physics Oceanography, 1997, 27: 1849-1867.

[25] Thorndike A S, Rothrock D A, Maykut G A, et al. The thickness distribution of sea ice[J]. Journal of Geophysical Research, 1975, 80(33): 4501-4513.

[26] Lipscomb W H, Hunke E C, Maslowski W, et al. Ridging, strength, and stability in high-resolution sea ice models[J]. Journal of Geophysical Research, 2007, 112: C03S91.

[27] Hunke E C, Hebert D A, Lecompte O. Level-ice melt ponds in the Los Alamos sea ice model, CICE[J]. Ocean Model, 2013, 71: 26-42.

[28] Holland M, Bailey D A, Briegleb B P, et al. Improved sea ice shortwave radiation physics in CCSM4: The impact of melt ponds and aerosols on Arctic sea ice[J]. Journal of Climate, 2012, 25: 1413-1430.

[29] Connolley W M, Gregory J M, Hunke E, et al. On the consistent scaling of terms in the sea-ice dynamics equation[J]. Journal of Physics Oceanography, 2004, 34(7): 1776-1780.

[30] Turner A K, Hunke E C, Bitz C M. Two modes of sea-ice gravity drainage: A parameterization for large-scale modeling[J]. Journal of Geophysical Research Oceans, 2013, 118: 2279-2294.

[31] 辛?xí)愿? 吳統(tǒng)文, 張潔. BCC氣候系統(tǒng)模式開(kāi)展的CMIP5試驗(yàn)介紹[J]. 氣候變化研究進(jìn)展, 2012, 8(5): 378-382.

Xin Xiaoge, Wu Tongwen, Zhang Jie. Introduction of CMIP5 experiments carried out by BCC climate system model[J]. Progressus Inquisitiones de Mutatione Climatis, 2012, 8(5): 378-382.

[32] Rayner N A, Parker D E, Horton E B, et al. Global analyses of sea surface temperature, sea ice, and night marine air temperature since the late nineteenth century[J]. Journal of Geophysical Research, 2003, 108(D14): 4407.

[33] Fowler C. Polar Pathfinder Daily 25 km EASE-Grid Sea Ice Motion Vectors[S]. National Snow and Ice Data Center, Boulder,Colorado, 2007.

[34] Bourke R H, Garrett R P. Sea ice thickness distribution in the Arctic-Ocean[J]. Cold Regions Science and Technology, 1987, 13(3): 259-280.

[35] Dee D P, Uppala S M, Simmons A J, et al. The ERA-interim reanalysis: Configuration and per-formance of the data assimilation system[J]. Quarterly Jounral of Royal Meteorological Society, 2011, 137: 553-597.

[36] Reynolds R W, Smith T M, Liu C, et al. Daily high-resolution-blended analyses for sea surface temperature[J]. Journal of Climate, 2007, 20: 5473-5496.

[37] Carton J A, Chepurin G, Cao X H, et al. A simple ocean data assimilation analysis of the global upper ocean 1950-95. Part I: Methodology[J]. Journal of Physical Oceanography, 2000, 30(2): 294-309.

[38] Locarnini R A, Mishonov A V, Antonov J I, et al. World Ocean Atlas 2009[R]. Volume 1: Temperature. NOAA Atlas NESDIS 68, U.S. Government Printing Office Washington, D C, 2010.

fCouping of CICE5.0 with BCC_CSM2.0 model and its performance evaluation on Arctic sea ice simulation

Fang Yongjie1, Chu Min1, Wu Tongwen1, Zhang Lujun2, Nie Sicheng2

(1.BeijingClimateCenter,ChinaMeteorologicalAdministration,Beijing100081,China; 2.SchoolofAtmosphericSciences,NanjingUniversity,Nanjing210023,China)

The latest Los Alamos sea ice model (CICE5.0) is coupled to the Beijing Climate Center coupled system model (BCC_CSM2.0) by replacing its original sea ice model (SIS). The performance of the new coupled model in simulating silent features of Arctic sea ice during 1985-2009 is thoroughly assessed through a comparison to both the original version and observations. The results show that the new coupled model can reasonably capture the spatial pattern, seasonal and inter-annual variation of Arctic sea ice. The CICE5.0 significantly improves the Arctic sea ice simulation, which includes a decrease (increase) of one year (multi-year) sea ice area, an increase in ice thickness, a reduction in ice motion, and a more realistic Beaufort Gyre. Further analysis indicates that, compared with the SIS, the better performance of the CICE5.0 in simulating the Arctic sea ice, especially for its thickness, results in positive ice-temperature feedbacks when coupled with the BCC_CSM2.0. As a result, the surface air temperature, sea level pressure, and the sea surface temperature are better simulated, which further improves the Arctic sea ice simulation.

climate system model; BCC_CSM2.0; CICE5.0; Arctic sea ice; model evolution

10.3969/j.issn.0253-4193.2017.05.004

2016-07-04；

2016-11-25。

國(guó)家重點(diǎn)研發(fā)計(jì)劃“全球變化及應(yīng)對(duì)”重點(diǎn)專項(xiàng)項(xiàng)目(2016YFA0602103)；國(guó)家重點(diǎn)基礎(chǔ)研究計(jì)劃973項(xiàng)目(2015CB953900)；公益行業(yè)(氣象)科研專項(xiàng)(GYHY201506011)。

房永杰(1982—)，男，內(nèi)蒙古自治區(qū)赤峰市人，主要從事氣候系統(tǒng)模式發(fā)展和模擬方面研究。E-mail:fangyj@cma.gov.cn

*通信作者：儲(chǔ)敏，高級(jí)工程師，主要從事海冰模式發(fā)展和模擬方面研究。E-mail：chumin@cma.gov.cn

P731.32

A

0253-4193(2017)05-0033-11

房永杰，儲(chǔ)敏, 吳統(tǒng)文, 等. CICE5.0與BCC_CSM2.0模式的耦合及對(duì)北極海冰的模擬評(píng)估[J]. 海洋學(xué)報(bào), 2017, 39(5): 33-43,

Fang Yongjie, Chu Min, Wu Tongwen, et al. Couping of CICE5 .0 with BCC_CSM2.0 model and its performance evaluation on Arctic sea ice simulation[J]. Haiyang Xuebao, 2017, 39(5): 33-43, doi：10.3969/j.issn.0253-4193.2017.05.004