CMIP5模式对东亚冬季风气候态与年际变率的模拟评估外文翻译资料

 2022-12-16 11:12

英语原文共 20 页，剩余内容已隐藏，支付完成后下载完整资料

CMIP5模式对东亚冬季风气候态与年际变率的模拟评估

HAINAN GONG

中国科学院大气物理研究所季风系统研究中心，中国科学院大学

LIN WANG AND WEN CHEN

北京中国科学院大气物理研究所季风系统研究中心，中国科学院，北京

RENGUANG WU

中国大学航天与地球信息科学研究所，深圳研究所，香港，中国

KE WEI

中国科学院大气物理研究所季风系统研究中心，中国科学院，北京

XUEFENG CUI

地球表面过程与资源生态学国家重点实验室，全球变化学院，北京师范大学，北京，中国

摘要:本文评估了第五次耦合模式比较计划（CMIP5）提供的模式对东亚冬季风气候态和年际变率（称为EWAM）的模拟能力。多模式集合（MME）能够合理再现EWAM的环流特点，模拟的地表温度偏低，但这种偏差与CMIP3模式相比有所减少。对大尺度环流而言，模式间差异较小，但对对流层低层经向风和东亚沿海岸降水的模拟模式间差异较大。大部分模式可以模拟出于EWAM有关的环流要素。普遍的差异是模式模拟的结果略低于观测值。对于东亚冬季风指数而言，虽然模拟结果常低于观测值，但是多模式集合能够很好的再现EWAM的异常。一个普遍的问题是，对30°S以南地区的异常情况，模式都不能很好地再现，这种偏差可能来源于东亚冬季风指数的缺陷，也可能是因为模式不能考虑到热带与温带间的相互作用。文章还评估了ENSO与EWAM的关系，一半的模式能够很好地模拟出观察到的ENSO与EWAM的关系，包括Nino-3.4与东亚冬季风指数间重要的负相关关系，以及和西北太平洋反气旋（气旋）异常的关系。这些模式模拟较好的原因是，他们能够合理的模拟出ENSO的空间结构及其年际变率的强度。

1.序言

东亚冬季风（EAWM）是冬季北半球的一个重要系统。它的特点是低层有冷的西伯利亚高压和暖的阿留申低压，对流层低层是沿着东海岸的北风或东北风，对流层中层是东亚大槽，对流层上层有急流。EAWM的变化对人口稠密的东亚而言，有着巨大的社会和经济上的影响，并且还能够引起有潜在发生极端寒冷、洪涝天气的东南地区国家发生严重灾害。

对东亚冬季风的变化不但受中-高纬度因素，如欧亚雪盖、西伯利亚高压、北极涛动、欧洲和乌拉尔地区阻塞高压等因素的影响，而且还受到热带因素的影响，如ENSO、热带印度洋海表温度等因素。东亚冬季风在厄尔尼诺年趋于减弱，在拉尼娜年增强。将ENSO事件与东亚冬季风联系到一起的关键系统，是对流层低层西北太平洋和南（北）风异常，一种反气旋（气旋）。

数值气候模式是研究季风变化和全球气候的一个基本工具。随着气候模式的发展，对其模式的评估成为了重要的研究主题，针对气候系统模型的能否模拟区域和全球气候的研究有很多，例如：Giorgi 和 Mean等人。与其他的全球气候现象相比，模拟季风和其年际变率是一个最具挑战性的问题。不能很好地模拟季风一个很重要的原因可能是其引起的复杂的热力过程，这些过程是因大型陆-海-热对比引起的。另一个可能原因是，对于异常的季风与ENSO关系模拟能力差。

与气候模式对夏季风的模拟评估相比，很少有对东亚冬季风模拟的评估。（Ji et al.1997）分析单一大气大气环流模式（AGCM），发现热带海洋表面温度（SST）的异常能够很大程度上影响东亚冬季风EAWM；Hu et al.（2000）分析了一个耦合的大气—海洋大气环流模式（CGCM），得出在全球变暖的情况下，东亚冬季风强度很可能减弱，而其年际、年代际变化基本不受影响；Zhang et al.（1997）评估了大气模式比较项目（AMIP）中的八个模式对东亚冬季风（EAWM）的模拟情况，重点针对EAWM的天气尺度特征如冷潮。Hori和Ueda（2006）评估了在全球变暖的影响下，9个CGCMs中的EAWM的变化，发现结果与Hu et al.（2000）研究结果相似。这些研究都是以在是全球变暖情景下并且都关注了东亚冬季风的天气尺度特征。然而，耦合模式对气候态和东亚冬季风的年际变率不能够系统地进行。注意到模式能够合理地再现气候和东亚冬季风年际变率都是基于其他国家的相关研究与模型。因此，有必要更加注重对基本方面的评估。

最近，第五次耦合模式比较计划（CMIP5）提供的模式资料对外开放，与CMIP3模式相比，模拟模型具有更高的分辨率（1°–2.8°）更能够合理地代表地球系统，包括碳循环，动态植被过程。基于18个CMIP5 CGCMs模式，本文将试图解决这一问题：如何使CMIP5模式能够很好地再现所观测到的气候和东亚冬季风年际变率？这个问题特别重要因为这是我们预测未来的东亚冬季风的变化的第一步。由于ENSO通常被认为是最重要的预测因子，也是对东亚冬季风变化的驱动因素，在这些模式中我们会考虑与ENSO–东亚冬季风的关系。文中的第2节将介绍 再分析资料、模拟模型和分析方法。第3节针对气候与东亚冬季风的气候态和年际变率以及ENSO与东亚冬季风的关系进行了评估。第4节中给出了总结和讨论。

2.数据介绍、模式简介、分析方法

a.数据介绍

本文中，运用了欧洲天气预报中心（ECMWF）提供的40年月平均再分析资料（ERA-40），选取了1957.9-2002.8进行分析，其水平分辨率为2.5*2.5有23个垂直高度层从1000到1 hPa。所使用的海温数据来自于ERSST V3的月平均资料，其水平分辨率为2*2，并涵盖了1854.1到现在的数据资料，实际降水量用全球降水月平均气候态项目（GPCP）提供的数据来代替，此数据是从1970.1开始，分辨率为2.5*2.5。

b.模式简介

模式的名字和其相关信息，包括水平和垂直分辨率列于表1。CMIP5模式的水平分辨率从最低分辨率（3*2.8，FGOALS-g2）到最佳分辨率（0.94*1.258，CCSM4）均有相应模式对应。与CMIP3模式相比，最低水平分辨率更精细。而最佳分辨率CMIP3与CMIP5模式相类似。来自18个CMIP5模式的月平均数据是从网站下载的。本文选取了以前研究中的一个方面进行了分析。不同模式的水平分辨率不同，所有的模型需要做插值才能与观测结果相比较。也就是说，需要将大气变量和降水量进行插值，使其经纬向分辨率变为2.5*2.5，才能分别与ERA-40资料和GPCP资料进行比较，而海温的数据需要插值使其分辨率为2*2，才能与ERSSTv3数据相比较。

c.分析方法

本文中，基于1971–2000年的东亚季风来评估其特点的，该时间段是世界气象组织（WMO）推荐的标准时间。对GPCP降水数据运用，考虑将1979-2005年用于降水量分析。年际变率量是在原始数据基础之上，进行线性去趋势处理后得到的。采用了30年（1971 - 2000）冬季十二月，一月，和二月（DJF）三个月的月平均数据，在这里，我们一惯认为1971年指的是1970 / 71的冬天。运用了回归分析和相关分析方法对结果进行了评估，多模式集合（MME）计算采用了简单的加权平均法。

3.结果分析

a.气候态

东亚冬季风的一个特点是表明有强大的北风和西伯利亚高压和阿留申低压间（东西间）有很大压力梯度，在对流层上部存在东亚急流，东亚沿海地区有很深厚长波系统。因此，我们首先评估这些能够表示这些系统的模式的性能。基于ERA-40数据资料（以下简称“观测资料”或者“观测场”），图1显示了东亚冬季的平均环流，18个CMIP5模式的多模式结合，以及他们间的区别。多模式结合能够很好地模拟，地表附近即中纬度地区对流层低层的东亚冬季风的特点和西伯利亚高压与阿留申低压见得纬向压力对比度（图.1a,b）然而，多模式结合的模拟结果有一定的偏差（Fig.1c），比如中部西伯利亚北（南）部的SLP稍高（低），而模拟的菲律宾地区的偏北风弱于观测资料，东亚沿海地区的北风高于观测场，因为较高的对青藏高原SLP的观测（图1，c）。虽然多模式结合能够很好地模拟冷中心的位置（图1，b），但还应该注意到其所模拟的几乎所有东亚地区都存在一个普遍的冷偏差（图1，c）。与CMIP3模式相比，这种东亚地区的冷偏差在CMIP5模式中有所减小，这也意味着，CMIP5模式对冬季气温的模拟能力有了一定的提高。初步分析表明，这种改进可能部分是因为CMIP5模式中云辐射反馈能力的提高。而其对土地植被变化与动态植被的描述更加详细也可能是CMIP5模拟能力提高的原因。

随着高原南北两侧的西风气流的增强和西伯利亚高压向中国东部高原的延伸，青藏高原对环流的影响明确地在多模式结合中展现出来（图1.a，b）。在对流层中上层，多模式结合能够准确模拟出其位置、沿东海岸大槽强度和东亚急流（图1d,e）然而，在图1所示的整个区域的500 h P a位势高度场可以看到明显的负偏差。这种偏差使得东亚大槽表现很强，这也暗示着多模式结合对东亚大槽的强度的模拟，与观测相比有所增强。因此多模式结合模式高估了南北位势高度梯度，反过来也导致了与观测值相比，对西风急流的模拟稍有增强。

为了能够描述18个模式对东亚冬季风气候的模拟情况，采用泰勒图（图2）绘制的典型区域东亚（20°-50°N，100°–145°E）。此外海平面气压（SLP），表面空气温度（SAT）、降水量（Pr），500 hPa位势高度场（Z500），200 hPa的平均纬向风，850 hPa经向风（V850）也是选取相同的区域分析的。SAT，U200，和Z500与观测场相比具有高度相关性。大部分的相关系数超过0.95，模式间的差异是很小的，相比之下，Pr与V850的相关性较低，大多数都在0.9一下。虽然这个值是可接受的，但对于Pr与V850而言，模式间的差异是很大的（图2a,b）。模拟的SAT和Z500标准偏差与观察场大体相同，模式间的差异小，而与观测值相比，模拟PR和V850的大多数模式，模式间的差异显然较大。这些结果表明模式模拟的能力不仅取决于模式本身，也取决于模拟的变量。比较而言大尺度环流更容易被模式模拟。

泰勒图可以反映空间模式的相似性，但不能描述变量的绝对强度，所以我们需要进一步描述，选取与EAWM密切相关的几个系统，（表2）通过计算模式与观测之间的差值来展现。多模式结合模拟的西伯利亚高压（图3a）和阿留申低压（图3b）的偏差分别为-1.2和-0.9 hPa。这一结果表明CMIP5的MME善于模拟与EAWM相关地区的SLP。这也意味着多模式集合对SLP气候态的模拟要优于所有的单一模式（图3a,b）图3c和3d分别显示了近地表（10m）经向风和东亚850 hPa风速。多模式结合能够成功地模拟经向风，但是却高估了垂直方向上的风速，有着0.5m/s的正偏差，这个偏差与CMIP5模式中的偏差相近，这也意味着多模式集合在这方面上并没有比CMIP5模式提高多少。对于500 hPa东亚大槽，（图3e），几乎所有的模式有很强的负偏差（大约在-39位势米）。这表明大多数模型都高估了东亚大槽的强度。这种高估与对850 hPa风速指数评估相对应（图3d）。多模式集合能够重现200 hPa东亚急流的强度（图3f）,但是FGOALS-s2(IPSL-CM5A-LR)低估了其强度。图4通过18个模式的标准偏差，显示了模式间的差异大小。各模式对东亚SLP的模拟差异小，但是在高纬度较高，特别是北太平洋和青藏高原。它反应了不同模式对于阿留申低压和西伯利亚高压模拟差别较大。对于后者的模拟可能是因为对青藏高原地形的处理不同。由此SAT差值和V850差值在亚洲东部和东北部是很大的，因为这两个变量与西伯利亚高压和阿留申低压的东西气压梯度相关，各模式对北大西洋850hpa纬向风和200hpa纬向风的模拟差异大，图4c,f显示了相关风速的最大值。也表明了不同模式中纬向风最大的位置以及其强度。850hPa纬向风的差比CMIP3模拟的要小，也表明了CMIP5在这方面有所改进。不同模式对北太平洋500hPa高度场的模拟结果要高，而对东亚大槽地区的模拟结果要低（图4E）。

b.年际变率

在这一部分中，我们使用年际标准差作度量，描述东亚冬季风年际变率的强度。图5显示了18个模式中冬季850hPa平均径向风场（阴影）和SLP（流线型）。其结果是通过与再分析资料对比得出的。 中国南部、南海地区、和邻近西太平洋地区的850hPa平均径向风场的年际变率较大，邻近西太平洋地区是与菲律宾海周围地区异常的反气旋（气旋）的有关的地区，而菲律宾海周围异常的反气旋（气旋）是在厄尔尼诺（拉尼娜）现象发生发展时产生的，其对东亚冬季风有着很大的影响。大多数的模式都显示，对这些地区冬季850hPa平均径向风场的过高估计。对年际变率的模拟，五个模式的模拟明显的偏小，这五个模式分别为（GISS-E2-H,GISS-E2-R,HadGEM2-CC,INM-CM4和IPSL-CM5A-LR），而与观测资料相比，模拟结果偏大的有两个模式（FGOALS-s2,MIROC5）。此外，几乎所有的模型都可以模拟，北太平洋地区阿留申低压的年际变率和相对较小的西伯利亚高压地区的SLP的年际变率。多模式结合能够很好地再现850hPa纬向风和SLP年际变率。

图6显示了冬季平均SAT（流线）的年际标准差和东亚和西太平洋地区的降水量（阴影区），由图可以看到，降水量的年际变率能够延伸到20。S这一点正在评估中，因为与东亚冬季风相关的冷池能够引起海洋大陆的异常降水对流。在高纬度地区观察到的标准偏差是非常大的，而次标准差的大小从中国的南部向西部减小（图6,t）。这一特点能够被所有模式以及多模式集合正确模拟（图6，a-s）。海洋大陆的降水量年际变率较大（图6,t）。而多模式结合能够正确模拟这一地区降水量的年际变率。INM-CM4模式低估了降水量的年际变率，约一半的CMIP5模式都对其过高估计了，特别是对海洋大陆上降水量年际变率的估计。海洋大陆上降水量年际变率强度与850hPa径向风的变化相一致。（图5，阴影区）。这意味着，

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[30598]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章