趙立清 王曉春 李佳琦

研究論文

第六次國(guó)際耦合模式比較計(jì)劃中我國(guó)地球氣候系統(tǒng)模式海冰范圍的模擬評(píng)價(jià)

趙立清 王曉春 李佳琦

(南京信息工程大學(xué)海洋科學(xué)學(xué)院, 江蘇 南京 210044)

世界氣候研究計(jì)劃(WCRP)正在組織實(shí)施第六次國(guó)際耦合模式比較計(jì)劃(CMIP6), 該計(jì)劃中, 我國(guó)提供了9個(gè)地球氣候系統(tǒng)模式的結(jié)果。本文利用這9個(gè)地球氣候系統(tǒng)模式的北極海冰輸出以及同時(shí)段海冰的觀測(cè)數(shù)據(jù), 評(píng)價(jià)了這些模式1980—2014年北極海冰范圍的季節(jié)變化、長(zhǎng)期趨勢(shì)及年內(nèi)變率, 并與CMIP6多模式平均進(jìn)行了比較。結(jié)果表明, 與觀測(cè)數(shù)據(jù)對(duì)比, 多數(shù)模式(8/9)都能反映出北極海冰范圍季節(jié)變化的時(shí)間特征, 其中1個(gè)模式海冰范圍最大值的出現(xiàn)時(shí)間延遲了1個(gè)月。多數(shù)模式(8/9)高估季節(jié)變化的最大值。在長(zhǎng)期趨勢(shì)方面, 5個(gè)模式高估了3月北極海冰范圍減小的趨勢(shì), 4個(gè)模式低估了9月北極海冰范圍減小的趨勢(shì)。與CMIP6多模式平均結(jié)果相比, 其中1個(gè)模式的季節(jié)變化和長(zhǎng)期趨勢(shì)在多模式平均值的標(biāo)準(zhǔn)差范圍內(nèi)。觀測(cè)表明, 1980—2014年, 9月海冰范圍的減少趨勢(shì)為3月減少趨勢(shì)的2倍, 這導(dǎo)致了海冰范圍年內(nèi)變率呈現(xiàn)上升趨勢(shì), 有兩個(gè)模式較好地再現(xiàn)了這一特征。此外, 參加CMIP5及CMIP6具有傳承關(guān)系的我國(guó)4個(gè)模式在北極海冰范圍季節(jié)變化及長(zhǎng)期趨勢(shì)方面有了明顯的改善。

地球氣候系統(tǒng)模式 CMIP6 北極海冰 海冰范圍

0 引言

世界氣候研究計(jì)劃(World Climate Research Programme, WCRP)耦合模式工作組(Working Group on Coupled Models, WGCM)組織的國(guó)際耦合模式比較計(jì)劃(Coupled Model Intercomparison Project, CMIP)提供了大量的地球氣候系統(tǒng)模式試驗(yàn)結(jié)果, 這為評(píng)估這些模式能否準(zhǔn)確模擬海冰變化提供了可能。在以往CMIP中, CMIP3中的多數(shù)模式能模擬出北極海冰范圍的下降趨勢(shì)以及北極海冰范圍的季節(jié)循環(huán)特征, 然而北極海冰夏季的下降趨勢(shì)被嚴(yán)重低估[1-2]。CMIP5中大多數(shù)模式能較好地模擬出北極海冰范圍的氣候特征及多年下降趨勢(shì)[3-4]。與CMIP3模擬結(jié)果相比, CMIP5中1979—2005年北極海冰范圍在夏季的下降趨勢(shì)與觀測(cè)結(jié)果更接近, 但仍然小于觀測(cè)值[3-4]。目前, CMIP6正在進(jìn)行中[5-6], 截至2021年3月, 有56個(gè)模式向CMIP6提供了歷史試驗(yàn)(Historical Experiment)的海冰模擬結(jié)果(詳見(jiàn)https:// pcmdi.llnl.gov/CMIP6/)。Notz和Community[7]指出北極海冰面積的觀測(cè)結(jié)果在CMIP6多模式集合平均范圍內(nèi)。Shu等[8]系統(tǒng)地評(píng)估了CMIP6模式對(duì)海冰范圍季節(jié)變化和年際變化的模擬能力, 他們的研究指出, 多模式集合平均結(jié)果能較好地給出兩極海冰的季節(jié)變化特征, 但仍低估北極海冰夏季的減小速率; 與CMIP5相比, CMIP6多模式集合平均結(jié)果與觀測(cè)值更加接近。需要說(shuō)明的是, 他們的評(píng)估側(cè)重CMIP6 的集合平均結(jié)果, 并非單獨(dú)的模式, 未能深入討論各個(gè)模式之間模擬結(jié)果的差異。

我國(guó)是CMIP6中提供模式結(jié)果較多的國(guó)家, 共有6個(gè)研究機(jī)構(gòu)提供了9個(gè)模式的結(jié)果, 模式數(shù)量?jī)H次于美國(guó)。這9個(gè)模式分別為國(guó)家氣候中心的BCC-CSM2-MR[9-10]和BCC-ESM1-0[9, 11], 中國(guó)氣象科學(xué)研究院的CAMS-CSM1-0[12-13], 中國(guó)科學(xué)院大氣物理研究所的CAS-ESM2-0[14]、FGOALS-f3-L[15-16]和FGOALS-g3[17], 清華大學(xué)的CIESM[18], 自然資源部第一海洋研究所的FIO-ESM-2-0[19], 以及南京信息工程大學(xué)的NESM3[20-21]。本文的研究目的是對(duì)參與CMIP6的國(guó)內(nèi)9個(gè)模式的模擬能力進(jìn)行綜合評(píng)價(jià), 側(cè)重單個(gè)模式的表現(xiàn), 評(píng)價(jià)變量為海冰范圍。本文除了分析北極海冰范圍的常規(guī)量, 比如氣候平均值、年際和季節(jié)變化外, 還將對(duì)年內(nèi)海冰范圍標(biāo)準(zhǔn)差的年際變化進(jìn)行分析。在分析中發(fā)現(xiàn), 海冰范圍年內(nèi)最小值(9月)的下降速率約為海冰范圍年內(nèi)最大值(3月)下降速率的2倍。由此可見(jiàn), 海冰范圍的年內(nèi)標(biāo)準(zhǔn)差隨著時(shí)間的推移正在逐漸發(fā)生著變化, 模式能否捕捉到這一變化也將在本文中進(jìn)行討論。

盡管每一模式在發(fā)展階段都會(huì)與觀測(cè)結(jié)果進(jìn)行比較, 以評(píng)價(jià)模式的性能, 但國(guó)內(nèi)模式之間直接比較的研究并不多見(jiàn)。另一方面, 當(dāng)參與比較的模式較多時(shí), 模式之間比較的工作往往偏重于多模式的集合平均, 對(duì)模式間的差異及細(xì)節(jié)分析不夠。此外, 本文還通過(guò)比較來(lái)自同一機(jī)構(gòu)同時(shí)參加 CMIP6 和 CMIP5 的模式模擬結(jié)果, 評(píng)估具有傳承關(guān)系的模式模擬北極海冰的能力是否有提高。對(duì)我國(guó)模式結(jié)果進(jìn)行更細(xì)致的比較, 將促進(jìn)我國(guó)地球氣候系統(tǒng)模式的發(fā)展, 通過(guò)與多模式平均結(jié)果進(jìn)行對(duì)比, 也能評(píng)估出我國(guó)地球氣候系統(tǒng)模式的總體水平。在評(píng)價(jià)基礎(chǔ)上對(duì)模式結(jié)果的綜合利用可提高未來(lái)氣候變化預(yù)估的準(zhǔn)確性。

本文重點(diǎn)分析9個(gè)中國(guó)地球氣候系統(tǒng)模式在模擬北極海冰范圍中的表現(xiàn), 關(guān)于這9個(gè)模式在模擬北極海冰空間分布方面的比較及分析, 我們將另文討論。本文依據(jù)衛(wèi)星觀測(cè)資料, 利用這些模式評(píng)價(jià)1980—2014年不同模式對(duì)于北極海冰范圍的季節(jié)變化和長(zhǎng)期趨勢(shì)的模擬結(jié)果。第1節(jié)介紹我國(guó)的9個(gè)模式、所用的觀測(cè)資料及比較方法, 第2節(jié)比較了這9個(gè)模式對(duì)北極海冰范圍季節(jié)變化的模擬能力, 第3節(jié)比較了它們對(duì)北極海冰范圍年際變化的模擬能力, 第4節(jié)對(duì)這9個(gè)模式中來(lái)自同一機(jī)構(gòu)同時(shí)參與 CMIP6 和 CMIP5的模式進(jìn)行了比較, 第5節(jié)為總結(jié)及討論。

1 CMIP6中我國(guó)的9個(gè)模式及比較方法

1.1 CMIP6中我國(guó)的9個(gè)模式

與大氣、海洋模式相比, 我國(guó)在海冰模式研發(fā)方面起步較晚。20世紀(jì)90年代初, 基于對(duì)海冰熱力學(xué)、動(dòng)力學(xué)和流變學(xué)的研究, 吳輝碇等[22]研究了適合于渤海冰情的海冰動(dòng)力-熱力學(xué)模式; 楊清華等[23]引進(jìn)和改進(jìn)了美國(guó)麻省理工學(xué)院的MITgcm (Massachusetts Institute of Technology General Circulation Model) 海冰-海洋耦合模式, 并開(kāi)展了極地海冰預(yù)報(bào)。20世紀(jì)90年代末, 中國(guó)科學(xué)院大氣物理研究所率先開(kāi)始大氣-海冰-海洋耦合模擬, 研究了極地海冰氣候特征[24]。近年來(lái), 中國(guó)科學(xué)院大氣物理研究所自主開(kāi)發(fā)了更為合理的海冰熱力學(xué)參數(shù)化方案[25], 并對(duì)CICE4海冰模式中的物理過(guò)程進(jìn)行了改進(jìn), 改進(jìn)的CICE4海冰模式已應(yīng)用于中國(guó)科學(xué)院大氣物理研究所、北京師范大學(xué)和自然年資源部第一海洋研究所的氣候系統(tǒng)模式, 并參與了CMIP5試驗(yàn)。但對(duì)參加CMIP5的6個(gè)中國(guó)氣候系統(tǒng)模式北極海冰模擬結(jié)果的評(píng)估表明, 我國(guó)模式對(duì)海冰范圍模擬結(jié)果與國(guó)際CMIP5模式的平均水平相比還存在一定差距[26]。

表1給出了參加CMIP6的9個(gè)中國(guó)地球氣候系統(tǒng)模式的基本信息。這些模式的空間分辨率都為1o×1°左右。其中3個(gè)氣候系統(tǒng)模式采用了Sea Ice Simulator (SIS)海冰模塊[27], 另外6個(gè)采用了Las Alamos National Lab 開(kāi)發(fā)的CICE4海冰模塊[28]。表1中BCC模式采用了SIS海冰模塊, 相關(guān)研究表明, 在BCC模式中使用CICE5.0海冰模塊可以改善對(duì)北極海冰的模擬[29]。耦合模式的海冰模擬結(jié)果由多種因素確定, 模式結(jié)果變化的原因需要詳細(xì)的診斷分析。

本文重點(diǎn)分析這9個(gè)模式在模擬北極海冰范圍中的表現(xiàn), 將北極海冰范圍定義為30.98oN以北海冰密集度(Sea Ice Concentration, SIC)大于15%的所有網(wǎng)格點(diǎn)面積之和。為避免空間插值可能帶來(lái)的誤差, 模式的海冰范圍使用模式原始網(wǎng)格計(jì)算得到。本文中的模式數(shù)據(jù)使用了CMIP6中歷史氣候模擬試驗(yàn)(Historical)的輸出結(jié)果[6]。為避免氣候系統(tǒng)模式結(jié)果對(duì)初始狀態(tài)的敏感性, 可以使用包含多個(gè)成員的集合平均, 對(duì)集合的統(tǒng)計(jì)分析能一定程度上削弱氣候系統(tǒng)內(nèi)部變率對(duì)模式結(jié)果的影響[30]。表1中列出了這9個(gè)模式歷史試驗(yàn)的集合成員數(shù)量, 本文的所有分析都使用了集合成員的平均。

表1 中國(guó)9個(gè)CMIP6模式海冰模塊的基本信息

1.2 觀測(cè)資料及比較方法

海冰密集度觀測(cè)數(shù)據(jù)采用美國(guó)冰雪數(shù)據(jù)中心(National Snow and Ice Data Center, NSIDC)發(fā)布的衛(wèi)星數(shù)據(jù)產(chǎn)品——NSIDC-0051數(shù)據(jù)集[31]。該數(shù)據(jù)集的空間分辨率為25 km×25 km, 時(shí)間分辨率為1天, 本文使用了月平均數(shù)據(jù)。1978年以來(lái), 被動(dòng)式微波輻射計(jì)衛(wèi)星資料的使用為整個(gè)北極地區(qū)提供了綜合和全面的海冰密集度信息。同時(shí)也發(fā)展了許多從被動(dòng)式微波輻射計(jì)數(shù)據(jù)資料中獲取海冰密集度數(shù)據(jù)的算法, 比如NASA Team反演算法[32]和Bootstrap反演算法[33]等。比較結(jié)果表明, 采用兩種反演算法得到的海冰范圍相近, 比如使用NASA Team反演算法得到的1980—2014年北極平均海冰范圍為1.18×107km2, 使用Bootstrap反演算法得到的北極平均海冰范圍為1.21×107km2, 兩者的差別為2.5%, 遠(yuǎn)小于觀測(cè)與模式結(jié)果之間的差別。本文中使用的海冰觀測(cè)資料為采用NASA Team算法獲取的海冰密集度數(shù)據(jù)。

海冰范圍變化有著不同的時(shí)間尺度, 本文將北極海冰范圍的變化分為季節(jié)變化和長(zhǎng)期趨勢(shì)兩部分。其中, 海冰范圍的季節(jié)變化由1980—2014年海冰范圍的多年平均確定; 原始數(shù)據(jù)去掉多年平均的季節(jié)變化, 便可以得到海冰范圍的異常, 利用異常值可以估計(jì)海冰范圍的長(zhǎng)期趨勢(shì)。除全年趨勢(shì)外, 本文也分析了3月及9月北極海冰范圍的長(zhǎng)期變化趨勢(shì)。

本文還計(jì)算了海冰范圍的平均值、季節(jié)變化極值及振幅。海冰范圍平均值為1980年1月—2014年12月所有月份海冰覆蓋范圍的平均值, 該指標(biāo)反映的是各模式對(duì)北極海冰面積總量的模擬效果。海冰范圍季節(jié)變化極值是指季節(jié)變化的最大值與最小值, 最大值減去最小值的差值的一半定義為海冰范圍季節(jié)變化的振幅, 極值與振幅反映模式/觀測(cè)數(shù)據(jù)的季節(jié)變化幅度。

2 我國(guó)模式對(duì)北極海冰范圍季節(jié)變化的模擬能力

本文首先評(píng)估了9個(gè)CMIP6模式(表1)對(duì)北極海冰范圍季節(jié)變化的模擬能力。圖1a中黑實(shí)線(xiàn)為觀測(cè)值(OBS), 由圖1a可知, 幾乎所有模式都能反映出與觀測(cè)一致的北極海冰范圍季節(jié)變化特征, 即海冰范圍在北半球春季3月增長(zhǎng)到最大值之后減小到9月最小值再回升的年循環(huán)特征。但NESM3模擬的海冰生長(zhǎng)期滯后一個(gè)月。CAS-ESM2-0模式3月模擬值與觀測(cè)值相差最小; NESM3模式9月模擬值與觀測(cè)值基本一致。BCC-CSM2-MR、BCC-ESM1-0、CAMS- CSM1-0、FGOALS-f3-L與FGOALS-g3在所有月份的模擬結(jié)果均大于觀測(cè)值, 高估了北極的海冰范圍; CIESM所有月份的模擬結(jié)果均小于觀測(cè)值, 低估了北極的海冰范圍。CAMS-CSM1-0模式較大地高估了冬季海冰范圍的極大值。CAS-ESM2-0模式在6—11月模擬結(jié)果與觀測(cè)偏差較大, 其余月份與觀測(cè)基本一致。NESM3模式8—11月模擬結(jié)果與觀測(cè)值基本一致。FIO- ESM-2-0模式在1—7和12月模擬結(jié)果大于觀測(cè)值, 8—11月模擬結(jié)果小于觀測(cè)值。FGOALS-f3-L模式在1—7月模擬結(jié)果大于觀測(cè)值, 但其余月份與觀測(cè)值基本一致。

為了深入了解這9個(gè)國(guó)內(nèi)模式對(duì)海冰范圍季節(jié)變化模擬的技巧, 本文將其與CMIP6其他模式進(jìn)行了對(duì)比。圖1a中灰色陰影部分為44個(gè)CMIP6地球氣候系統(tǒng)模式的多模式平均結(jié)果(multimodel mean, MMM)及其標(biāo)準(zhǔn)差(standard deviation, STD)[8]。每個(gè)月份陰影部分的上限和下限分別表示MMM+STD和MMM–STD?？梢钥闯? 在3月, 有6個(gè)模式對(duì)海冰范圍的模擬結(jié)果均分布在MMM±STD范圍內(nèi); 在9月, 只有4個(gè)模式的模擬結(jié)果分布在MMM±STD范圍內(nèi); 模式BCC-CSM2-MR和FGOALS-f3-L在所有月份基本都分布在MMM±STD范圍內(nèi)。

圖1 1980—2014年北極海冰范圍觀測(cè)數(shù)據(jù)及模式結(jié)果。a)北極海冰范圍季節(jié)變化的多年平均; b)海冰范圍季節(jié)變化的極值柱狀圖

Fig.1. The observed and modeled Arctic sea ice extents from 1980 to 2014. a) the mean seasonal cycle of Arctic sea ice extent; b) the bar graphs of extreme values of the seasonal cycle of sea ice extent for nine models and observation

圖1b顯示的是1980—2014年間海冰范圍的均值和極值(振幅), 均值能反映模式對(duì)北極海冰范圍總量的模擬效果, 極值(振幅)能反映模式海冰范圍的季節(jié)變化幅度。如圖1b所示, 柱的頂端點(diǎn)和底端點(diǎn)分別表示海冰范圍季節(jié)變化的極大值和極小值, 柱的高度表示兩倍振幅, 柱上的橫線(xiàn)位置表示該模式/觀測(cè)的平均值。通過(guò)與觀測(cè)對(duì)比, FIO-ESM-2-0和CAS-ESM2-0模擬的海冰范圍均值與觀測(cè)值最接近, 說(shuō)明這兩個(gè)模式對(duì)多年平均(1980—2014年)海冰范圍的模擬效果較好。9個(gè)模式中, 8個(gè)模式高估了海冰范圍季節(jié)變化中的極大值; 5個(gè)模式高估了海冰范圍季節(jié)變化中的極小值, 3個(gè)模式低估了海冰范圍的極小值, NESM3模式海冰范圍極小值與觀測(cè)值相近。就季節(jié)變化振幅的模擬而言, 模擬效果較好的是BCC-CSM2-MR和BCC-ESM1-0; 除FGOALS-g3模式外, 其余6個(gè)模式對(duì)于季節(jié)變化的振幅都有所高估。使用SIS海冰模塊和使用CICE海冰模塊的氣候模式在模擬北極海冰范圍方面沒(méi)有系統(tǒng)性的區(qū)別。

3 我國(guó)模式對(duì)北極海冰范圍年際變化的模擬能力

3.1 海冰范圍的長(zhǎng)期趨勢(shì)

有衛(wèi)星觀測(cè)以來(lái), 北極海冰明顯減少, 9月的減少趨勢(shì)最大[8]。評(píng)估模式中海冰范圍的變化趨勢(shì)對(duì)未來(lái)北極海冰范圍的預(yù)測(cè)具有十分重要的意義。圖2和圖3分別給出了各模式的1980—2014年3月(冬季)和9月(夏季)北極海冰范圍的年際變化曲線(xiàn)。從圖2可知, CAS-ESM2-0模式3月的模擬結(jié)果與觀測(cè)值最接近, 這與圖1a中該模式的氣候態(tài)平均海冰范圍結(jié)果一致; CAMS-CSM1-0模式3月的模擬結(jié)果與觀測(cè)值相差最大。BCC-CSM2-MR、BCC-ESM1-0、CAMS-CSM1-0、FGOALS-f3-L、FGOALS-g3、FIO-ESM-2-0和NESM3模式3月模擬結(jié)果在1980—2014年間均大于觀測(cè)值; CIESM模式3月模擬結(jié)果小于觀測(cè)值。

9月海冰范圍最顯著的變化是其長(zhǎng)期減少的趨勢(shì)(圖3)。有衛(wèi)星觀測(cè)以來(lái), 最小海冰范圍發(fā)生在2012年9月, 為3.62×106km2。9個(gè)模式中, 除兩個(gè)模式(CAMS-CSM1-0和CIESM)沒(méi)有明顯的下降趨勢(shì)外, 其余7個(gè)模式均不同程度地模擬出了9月海冰減少的趨勢(shì)。但CIESM模式9月模擬結(jié)果與觀測(cè)相差較大, 該模式模擬的9月海冰在20世紀(jì)80年代幾乎已經(jīng)全部融化, 所以沒(méi)有減小趨勢(shì)。BCC-CSM2-MR、BCC-ESM1-0、CAMS- CSM1-0和FGOALS-g3模式結(jié)果基本都大于觀測(cè)值, 均高估9月海冰范圍; CAS-ESM2-0、CIESM和FIO-ESM-2-0模式結(jié)果基本都小于觀測(cè)值, 低估9月的海冰范圍。相比較而言, NESM3和FGOALS-f3-L模式在9月的輸出結(jié)果與觀測(cè)值較接近。

圖2 1980—2014年3月北極海冰范圍的觀測(cè)數(shù)據(jù)(黑實(shí)線(xiàn))及模式(彩色線(xiàn))的年際變化

Fig.2. The interannual variability of observed (solid black line) and modeled (colored lines) Arctic sea ice extents in March from 1980 to 2014

圖3 1980—2014年9月北極海冰范圍的觀測(cè)數(shù)據(jù)(黑實(shí)線(xiàn))及模式(彩色線(xiàn))的年際變化

Fig.3. The interannual variability of observed (solid black line) and modeled (colored lines) Arctic sea ice extents in September from 1980 to 2014

圖4給出了1980—2014年3月、9月及全年北極海冰范圍觀測(cè)數(shù)據(jù)及各模式的長(zhǎng)期變化趨勢(shì)。各個(gè)模式展現(xiàn)的海冰范圍長(zhǎng)期趨勢(shì)有很大不同。對(duì)于3月海冰范圍的減小趨勢(shì), 與觀測(cè)相比, 表現(xiàn)較好的是BCC-CSM2-MR、BCC-ESM1-0、FGOALS-f3-L和FIO-ESM2-0模式。9個(gè)模式中有5個(gè)模式高估了減小的趨勢(shì), 其中, FGOALS- g3趨勢(shì)高估得最多; 3個(gè)模式低估了減小的趨勢(shì); 1個(gè)模式(CIESM)的3月變化趨勢(shì)并不顯著。與CMIP6多模式集合平均的3月北極海冰范圍的長(zhǎng)期趨勢(shì) (–0.45±0.03)×105km2·a–1相比[8], BCC- ESM1-0和FGOALS-f3-L模式模擬的下降趨勢(shì)與多模式平均結(jié)果較吻合。

對(duì)于9月北極海冰范圍的減小趨勢(shì), 表現(xiàn)較好的是BCC-CSM2-MR模式, 與觀測(cè)值最接近。其余幾個(gè)模式中有4個(gè)模式低估了北極海冰的減小趨勢(shì), CAS-ESM2-0和NESM3模式高估了9月海冰范圍的減小趨勢(shì); CAMS-CSM1-0和CIESM 9月北極海冰范圍沒(méi)有明顯的變化趨勢(shì)。與CMIP6多模式集合平均9月北極海冰范圍的長(zhǎng)期趨勢(shì)(–0.70±0.06)×105km2·a–1相比[8], BCC- ESM1-0和FIO-ESM-2-0模式模擬的下降趨勢(shì)與多模式平均結(jié)果較吻合。需要指出CMIP6 多模式平均結(jié)果也低估了9月海冰范圍的減少趨勢(shì)(–0.83±0.18)×105km2·a–1 [8]。比較觀測(cè)的3月和9月北極海冰范圍的下降趨勢(shì)(圖4中的OBS), 可以注意到, 9月北極海冰范圍的下降趨勢(shì)約為3月下降趨勢(shì)的2倍, 隨著時(shí)間的推移, 這勢(shì)必導(dǎo)致海冰范圍年內(nèi)變率的改變, 模式能否捕捉到這一特征也是考察的一項(xiàng)指標(biāo)。

圖4 1980—2014年北極海冰范圍的變化趨勢(shì)。a) 3月; b)9月; c)全年

Fig.4. The trends of Arctic sea ice extent from 1980 to 2014. a) March; b) September; c) the whole year

在全年趨勢(shì)方面, 與觀測(cè)相比, 表現(xiàn)較好的是BCC-CSM2-MR。其中, 9個(gè)模式中有6個(gè)模式低估了北極海冰范圍全年的減小趨勢(shì); NESM3和FGOALS-g3高估了海冰范圍全年的減小趨勢(shì)。

3.2 海冰范圍年內(nèi)變率的長(zhǎng)期趨勢(shì)

海冰范圍具有明顯的年循環(huán)變化特征, 即在北半球3月增長(zhǎng)到最大值、9月減小到最小值。1980—2014年北極海冰范圍的變化趨勢(shì)在3月與9月明顯不同, 這必然導(dǎo)致海冰范圍的年內(nèi)變率不同, 甚至也存在海冰范圍年內(nèi)變率的長(zhǎng)期趨勢(shì)。這種趨勢(shì)的模擬技巧可能會(huì)影響模式對(duì)未來(lái)海冰變化的預(yù)測(cè)能力。為了更細(xì)致地刻畫(huà)海冰范圍的年內(nèi)變率特征, 圖5計(jì)算了1980—2014年每年12個(gè)月海冰范圍的標(biāo)準(zhǔn)差, 從圖5可知, 除FGOALS-g3模式外, 其余模式的年內(nèi)海冰范圍標(biāo)準(zhǔn)差均大于觀測(cè)值, 表明模式具有較大的海冰范圍年內(nèi)變化幅度。整體來(lái)看, CIESM模式的年內(nèi)海冰范圍標(biāo)準(zhǔn)差最大, 這與圖1b 中CIESM的多年平均海冰范圍極值柱較長(zhǎng)一致; FGOALS-g3模式的年內(nèi)海冰范圍標(biāo)準(zhǔn)差較小, 這與圖1b中FGOALS-g3的多年平均海冰范圍極值柱較短一致。

另一方面, 從圖5可知, 觀測(cè)數(shù)據(jù)的年內(nèi)海冰范圍標(biāo)準(zhǔn)差總體呈現(xiàn)上升趨勢(shì)。為了定量對(duì)比各個(gè)模式的年內(nèi)海冰范圍變化趨勢(shì), 圖6給出了觀測(cè)數(shù)據(jù)及9個(gè)模式年內(nèi)海冰范圍標(biāo)準(zhǔn)差的變化趨勢(shì)。從圖6可知, 觀測(cè)數(shù)據(jù)的年內(nèi)海冰范圍的變化趨勢(shì)約為1.74×104km2·a–1, NESM3模式的年內(nèi)海冰范圍變化趨勢(shì)為1.49×104km2·a–1, 與觀測(cè)值較接近。FIO-ESM-2-0模式的年內(nèi)海冰范圍變化趨勢(shì)為2.32×104km2·a–1, 約為觀測(cè)值的1.33倍。與觀測(cè)得到的正變化趨勢(shì)相反, FGOALS-g3表現(xiàn)出負(fù)的年內(nèi)海冰范圍變化趨勢(shì), 表明該模式年內(nèi)海冰范圍變化幅度在變小。

4 CMIP5和CMIP6中的我國(guó)模式比較

我國(guó)有6個(gè)模式參加了CMIP5[34], 分別為國(guó)家氣候中心的BCC-CSM1.1和BCC-CSM1.1(m)、北京師范大學(xué)的BNU-ESM、中國(guó)科學(xué)院大氣物理研究所的FGOALS-s2和FGOALS-g2以及自然資源部第一海洋研究所的FIO-ESM。本文重點(diǎn)關(guān)注其中與CMIP6中有明顯傳承關(guān)系的4個(gè)模式, 即BCC-CSM1.1(m)、FGOALS-s2、FGOALS-g2與FIO-ESM。圖7對(duì)比了CMIP5與CMIP6中具有傳承關(guān)系的我國(guó)模式海冰范圍的全年變化趨勢(shì), 這里進(jìn)行對(duì)比的時(shí)間區(qū)間為1980—2005年。與相應(yīng)的上一代模式相比, 4個(gè)模式的全年變化趨勢(shì)均更接近觀測(cè)結(jié)果。具體說(shuō)來(lái), BCC-CSM模式和FGOALS-g3模式改進(jìn)了上一代模式中與觀測(cè)值相比偏大的下降趨勢(shì); FGOALS-f3-L和FIO-ESM-2-0模式改進(jìn)了相應(yīng)的上一代模式中偏小的下降趨勢(shì)。

圖5 1980—2014年內(nèi)海冰范圍標(biāo)準(zhǔn)差的觀測(cè)數(shù)據(jù)(黑實(shí)線(xiàn))及模式(彩色線(xiàn))年際變化

Fig.5. The interannual variability of intra-annual sea ice extent standard deviations for observation (solid black line) and nine models (colored lines) from 1980 to 2014

圖6 1980—2014年內(nèi)海冰范圍標(biāo)準(zhǔn)差的觀測(cè)數(shù)據(jù)及模式變化趨勢(shì)。其中帶*號(hào)的值表示通過(guò)95%顯著性檢驗(yàn)

Fig.6. The trend of intra-annual sea ice extents standard deviation from 1980 to 2014 for observation and nine models. The asterisks associated with those bars indicate that the trends are significant at 95% level

為了分析具有傳承關(guān)系的4個(gè)模式北極海冰范圍在季節(jié)變化上的表現(xiàn), 圖8給出了1980—2005年平均海冰范圍極值柱狀圖。可以看出, 4個(gè)模式在不同方面均有改善, 如BCC-CSM2-MR改善了上一代模式中偏大的海冰范圍季節(jié)變化幅度; FGOALS-g3和FGOALS-f3-L改善了上一代模式偏小的海冰范圍季節(jié)變化幅度; FIO-ESM-2-0的海冰范圍均值較上一代模式與觀測(cè)更接近。

5 結(jié)論與討論

本文評(píng)估了我國(guó)大陸地區(qū)參加CMIP6計(jì)劃的9個(gè)氣候模式對(duì)北極海冰范圍的模擬。結(jié)合同時(shí)段海冰的觀測(cè)數(shù)據(jù), 評(píng)價(jià)了1980—2014年北極海冰范圍的模式季節(jié)變化和長(zhǎng)期趨勢(shì)。在季節(jié)變化方面, 幾乎所有模式都能反映出北極海冰范圍的年際變化特征。然而, 多數(shù)模式(8/9)高估季節(jié)變化的最大值, 其中1個(gè)模式海冰范圍最大值出現(xiàn)在4月而不是3月。

圖7 1980—2005年北極海冰范圍趨勢(shì)觀測(cè)數(shù)據(jù)及CMIP5與CMIP6中國(guó)模式年變化趨勢(shì)

Fig.7. The trend of sea ice extent for the whole year based on observation and four models that contributed to both CMIP5 and CMIP6 and are from the same Chinese institutions from 1980 to 2005

圖8 CMIP5與CMIP6中具有傳承關(guān)系的中國(guó)模式多年平均(1980—2005年)北極海冰范圍季節(jié)變化的極值柱狀圖

Fig.8. The bar graphs of extreme values of the seasonal cycle of sea ice extent based on observation and four models that contributed to both CMIP5 and CMIP6 and are from the same Chinese institutions from 1980 to 2005

在長(zhǎng)期趨勢(shì)方面, 9個(gè)模式中有5個(gè)模式高估了3月北極海冰范圍減小的趨勢(shì), 1個(gè)模式結(jié)果沒(méi)有明顯的變化趨勢(shì); 4個(gè)模式低估了9月北極海冰范圍減小的趨勢(shì), 2個(gè)模式結(jié)果沒(méi)有明顯的變化趨勢(shì)?？傮w說(shuō)來(lái), 與觀測(cè)相比, BCC-CSM2-MR模式對(duì)北極海冰范圍的減小趨勢(shì)捕捉較好。此外, 觀測(cè)表明, 9月海冰范圍的減少趨勢(shì)為3月減少趨勢(shì)的2倍, 這導(dǎo)致了年內(nèi)海冰范圍標(biāo)準(zhǔn)差在1980—2014年呈現(xiàn)上升趨勢(shì), BCC-CSM2-MR及NESM3模式較好地再現(xiàn)了這一特征。

我國(guó)9個(gè)模式海冰范圍的輸出結(jié)果與CMIP6多模式平均結(jié)果[8]的對(duì)比表明, BCC-CSM2-MR和FGOALS-f3-L模式在所有月份的模擬結(jié)果都分布在多模式平均值的標(biāo)準(zhǔn)差范圍內(nèi)。BCC- ESM1-0和FGOALS-f3-L模式模擬的3月北極海冰范圍的下降趨勢(shì)與多模式平均結(jié)果一致。BCC-ESM1-0和FIO-ESM-2-0模式模擬9月北極海冰范圍的下降趨勢(shì)與多模式平均結(jié)果一致。總體來(lái)說(shuō), 與多模式平均結(jié)果相比, BCC-ESM1-0模式的季節(jié)變化和長(zhǎng)期趨勢(shì)在多模式平均值的標(biāo)準(zhǔn)差范圍內(nèi)。

需要指出的是, 本文只對(duì)9個(gè)模式中的北極海冰范圍進(jìn)行了比較, 海冰范圍反映海冰分布的積分結(jié)果, 這對(duì)于評(píng)估模式的模擬技巧是遠(yuǎn)遠(yuǎn)不夠的, 進(jìn)一步的工作將增加更多變量以及相應(yīng)變量空間分布的比較。這9個(gè)模式海冰密集度及長(zhǎng)期趨勢(shì)空間分布的比較我們將另文討論。另外, 本文通過(guò)海冰范圍的比較呈現(xiàn)了模式之間的差別與不足, 并未分析差別的原因。耦合模式中海冰的模擬誤差可能來(lái)自于海冰模式, 也可能來(lái)自于大氣、海洋等其他分量模式, 或者耦合過(guò)程。而造成模擬誤差的原因可能因模式而異, 未來(lái)需要針對(duì)單個(gè)模式, 通過(guò)敏感性試驗(yàn)具體分析造成誤差的原因。

致謝 本文中CMIP5我國(guó)模式數(shù)據(jù)的獲取得到了自然資源部第一海洋研究所喬方利研究員和舒啟博士以及南京大學(xué)大氣科學(xué)學(xué)院張錄軍教授的幫助, 在此表示感謝。

1 STROEVE J, HOLLAND M M, MEIER W, et al. Arctic sea ice decline: Faster than forecast[J]. Geophysical Research Letters, 2007, 34(9): L09501.

2 張璐, 張占海, 李群, 等. 近30年北極海冰異常變化趨勢(shì)[J].極地研究, 2009, 21(4):344-352.

3 SHU Q, SONG Z, QIAO F. Assessment of sea ice simulations in the CMIP5 models[J]. The Cryosphere, 2015, 9(1):399-409.

4 STROEVE J C, KATTSOV V, BARRETT A, et al. Trends in Arctic sea ice extent from CMIP5, CMIP3, and observations[J]. Geophysical Research Letters, 2012, 39(16): L16502.

5 EYRING V, BONY S, MEEHL G A, et al. Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization[J]. Geoscientific Model Development, 2016, 9(5):1937-1958.

6 周天軍, 鄒立維, 陳曉龍. 第六次國(guó)際耦合模式比較計(jì)劃(CMIP6)評(píng)述[J].氣候變化研究進(jìn)展, 2019, 15(5):445-456.

7 NOTZ D, COMMUNITY S. Arctic sea ice in CMIP6[J]. Geophysical Research Letters, 2020, 47(10): e2019GL086749.

8 SHU Q, WANG Q, SONG Z Y, et al. Assessment of sea ice extent in CMIP6 with comparison to observations and CMIP5[J]. Geophysical Research Letters, 2020, 47(9): e2020GL087965.

9 辛?xí)愿? 吳統(tǒng)文, 張潔, 等. BCC模式及其開(kāi)展的CMIP6試驗(yàn)介紹[J].氣候變化研究進(jìn)展, 2019, 15(5):533-539.

10 WU T W, LU Y X, FANG Y J, et al. The Beijing Climate Center Climate System Model (BCC-CSM): The main progress from CMIP5 to CMIP6[J]. Geoscientific Model Development, 2019, 12(4):1573-1600.

11 WU T W, ZHANG F, ZHANG J, et al. Beijing Climate Center Earth System Model version 1 (BCC-ESM1): Model description and evaluation of aerosol simulations[J]. Geoscientific Model Development, 2020, 13(3):977-1005.

12 RONG X Y, LI J, CHEN H M, et al. The CAMS climate system model and a basic evaluation of its climatology and climate variability simulation[J]. Journal of Meteorological Research, 2018, 32(6):839-861.

13 容新堯, 李建, 陳昊明, 等. CAMS-CSM模式及其參與CMIP6的方案[J].氣候變化研究進(jìn)展, 2019, 15(5):540-544.

14 周廣慶, 張?jiān)迫? 姜金榮, 等. 地球系統(tǒng)模式CAS-ESM[J].數(shù)據(jù)與計(jì)算發(fā)展前沿, 2020, 2(1):38-54.

15 HE B, BAO Q, WANG X C, et al. CAS FGOALS-f3-L model datasets for CMIP6 historical atmospheric model intercomparison project simulation[J]. Advances in Atmospheric Sciences, 2019, 36(8):771-778.

16 HE B, LIU Y M, WU G X, et al. CAS FGOALS-f3-L model datasets for CMIP6 GMMIP Tier-1 and Tier-3 experiments[J]. Advances in Atmospheric Sciences, 2020, 37(1):18-28.

17 唐彥麗, 俞永強(qiáng), 李立娟, 等. FGOALS-g模式及其參與CMIP6的方案[J].氣候變化研究進(jìn)展, 2019, 15(5):551-557.

18 林巖鑾, 黃小猛, 梁逸爽, 等. 清華大學(xué)CIESM模式及其參與CMIP6的方案[J].氣候變化研究進(jìn)展, 2019, 15(5):545-550.

19 宋振亞, 鮑穎, 喬方利. FIO-ESM v2.0模式及其參與CMIP6的方案[J].氣候變化研究進(jìn)展, 2019, 15(5):558-565.

20 CAO J, WANG B, YANG Y M, et al. The NUIST Earth System Model (NESM) version 3: description and preliminary evaluation[J]. Geoscientific Model Development, 2018, 11(7):2975-2993.

21 曹劍, 馬利斌, 李娟, 等. NUIST-ESM模式及其參與CMIP6的方案[J].氣候變化研究進(jìn)展, 2019, 15(5):566-570.

22 吳輝碇, 白珊, 張占海. 海冰動(dòng)力學(xué)過(guò)程的數(shù)值模擬[J].海洋學(xué)報(bào), 1998, 20(2): 1-13.

23 楊清華, 劉驥平, 張占海, 等. 北極海冰數(shù)值預(yù)報(bào)的初步研究——基于海冰-海洋耦合模式MITgcm的模擬試驗(yàn)[J].大氣科學(xué), 2011, 35(3):473-482.

24 吳國(guó)雄, 張學(xué)洪, 劉輝, 等.全球海洋-大氣-陸面系統(tǒng)模式(GOALS/LASG)及其模擬研究[J].應(yīng)用氣象學(xué)報(bào), 1997, 8(S1):15-28.

25 LIU J P. Sensitivity of sea ice and ocean simulations to sea ice salinity in a coupled global climate model[J]. Science China Earth Sciences, 2010, 53(6):911-918.

26 朱清照, 聞新宇.中國(guó)CMIP5模式對(duì)未來(lái)北極海冰的模擬偏差[J].氣候變化研究進(jìn)展, 2016, 12(4):276-285.

27 WINTON M. A reformulated three-layer sea ice model[J]. Journal of Atmospheric and Oceanic Technology, 2000, 17(4):525-531.

28 DUVIVIER A. CICE-Consortium Documentation Release 6.0.0.aplha [R/OL].(2018-05-10)[2022-10-18]. https://buildmedia. readthedocs.org/media/pdf/cicea/latest/cicea.pdf.

29 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.

30 JAHN A, KAY J E, HOLLAND M M, et al. How predictable is the timing of a summer ice-free Arctic? [J]. Geophysical Research Letters, 2016, 43(17): 9113-9120.

31 CAVALIERI D J, PARKINSON C L, GLOERSEN P, et al. Sea-ice concentration from Nimbus-7 SMMR and DMSP SSM/I-SSMIS passive microwave data, version 1[DB/OL]. [2022-10-18]. https://nsidc.org/data/nsidc-0051/versions/1.

32 CAVALIERI D J, GLOERSEN P, CAMPBELL W J. Determination of sea ice parameters with the NIMBUS 7 SMMR[J]. Journal of Geophysical Research: Atmospheres, 1984, 89(D4):5355-5369.

33 COMISO J C. Bootstrap sea ice concentrations from Nimbus-7 SMMR and DMSP SSM/I-SSMIS, version 3 [DB/OL]. [2022-10-18]. https://nsidc.org/data/nsidc-0079/versions/3.

34 ZHOU T J, CHEN X L, DONG L, et al. Chinese contribution to CMIP5: An overview of five Chinese models’ performances[J]. Journal of Meteorological Research, 2014, 28(4):481-509.

Evaluation of Arctic sea ice extent according to Chinese CMIP6 models

Zhao Liqing, Wang Xiaochun, Li Jiaqi

(School of Marine Sciences, Nanjing University of Information Science & Technology, Nanjing 210014, China)

The Coupled Model Intercomparison Project Phase Six (CMIP6) organized by the World Climate Research Project (WCRP) is in progress. Nine earth climate system models from China contribute to CMIP6. The seasonal cycle, long-term linear trend, and intra-annual variability of Arctic sea ice extent (SIE) from the nine models are evaluated by comparing them with observations from 1980 to 2014. The results show that eight models are capable of reproducing the seasonal cycles of Arctic SIE well, except one of nine models in which the maximum value of seasonal cycle is delayed by one month. Most of the models (8/9) overestimate the maximum sea ice extent values of seasonal cycle. In terms of long-term trends, five models overestimate the declining trends of Arctic sea ice in March, and four models underestimate the declining trends of Arctic sea ice in September. Compared with the results of the CMIP6 multi-model ensemble mean, it is found that there is one model for which the seasonal cycle and long-term linear trend of SIE are both within the range of the multi-model ensemble mean’s standard deviation. The difference in long-term September and March SIE trends leads to a significant increasing trend of SIE intra-annual variability as measured by the standard deviation of SIE within a calendar year. Two models can reproduce this feature reasonably well. Finally, it is worth pointing out that four models from the same institution that contributed to both CMIP5 and CMIP6 show improvements in terms of SIE seasonal cycle and its long-term linear trend of annual averaged SIE.

earth climate system model, CMIP6, Arctic sea ice, sea ice extent

2021年8月收到來(lái)稿, 2021年10月收到修改稿

國(guó)家重點(diǎn)研發(fā)計(jì)劃 (2018YFA0605904)資助

趙立清, 女, 1982年生。副教授, 主要從事海冰模式分析和海洋湍流混合等研究。E-mail: zhaoliqing@nuist.edu.cn

王曉春, E-mail: xcwang@nuist.edu.cn

10.13679/j.jdyj.20210071