譚慧慧 張錄軍 儲敏 吳統(tǒng)文 邱博 李江龍

?

BCC_CSM對全球海冰面積和厚度模擬及其誤差成因分析

譚慧慧1, 2張錄軍1, 2儲敏3吳統(tǒng)文3邱博1, 2李江龍3

1南京大學(xué)大氣科學(xué)學(xué)院，南京210093;2南京大學(xué)氣候變化協(xié)同創(chuàng)新中心，南京210093;3中國氣象局國家氣候中心，北京100081

本文評估了國家氣候中心發(fā)展的BCC_CSM模式對全球海冰的模擬能力，結(jié)果表明：該氣候系統(tǒng)模式能夠較好地模擬出全球海冰面積和厚度的時空分布特征，且南半球海冰模擬能力優(yōu)于北半球。通過對比分析發(fā)現(xiàn)：年平均海冰面積模擬誤差最大的區(qū)域位于鄂霍次克海、白令海和巴倫支海等海區(qū)，年平均海冰厚度分布與觀測相近，在北半球冬季模擬的厚度偏?。粡暮１竟?jié)變化來看，模擬的夏季海冰面積偏低，冬季偏高；從海冰年際變化來看，近60年南北半球海冰面積模擬都比觀測偏多，但南半球偏多幅度較小，然而北半球海冰年際變化趨勢的模擬卻好于南半球。另外，通過對海冰模擬誤差成因分析，發(fā)現(xiàn)模擬的凈輻射能量收入偏低使得海溫異常偏冷，是導(dǎo)致北半球冬季海冰模擬偏多的主要原因。

氣候系統(tǒng)模式 海冰 模式評估 BCC_CSM 模式

1 引言

極地海冰作為冷源對于大氣環(huán)流和全球氣候有著極其重要的影響。近幾十年來極地氣候發(fā)生了顯著變化，研究表明近30年北極海冰尤其是夏季海冰呈快速衰減趨勢（Comiso et al., 2008；Perovich and Richter-Menge，2009；張璐等，2009；Stroeve et al., 2012），2012年9月北極海冰面積達到了有衛(wèi)星觀測以來的最小值（Balcerak，2012），并且海冰厚度也在明顯變?。≧othrock et al., 2008；Kwok and Rothrock，2009）；而自20世紀70年代末以來南極海冰面積則呈增加趨勢（卞林根和林學(xué)椿，2005；Comiso and Nishio，2008）。導(dǎo)致海冰快速變化的原因有很多，利用數(shù)值模式對海冰進行合理模擬是研究海冰變化及其成因的重要途徑。但目前仍存在許多問題，因為在耦合模式中，海冰模式是由大氣場和海洋場共同驅(qū)動的，大氣或海洋狀態(tài)的微小誤差都可能導(dǎo)致海冰面積、厚度或流速的誤差（McLaren et al., 2006）。國內(nèi)外已有學(xué)者對不同模式模擬海冰的性能以及誤差成因開展了研究工作，王秀成等（2009，2010）對氣候系統(tǒng)模式FGOALS_1.1的極地氣候模擬現(xiàn)狀進行了評估，表明該模式對極地海冰有一定模擬能力，但仍存在較大偏差；Arzel et al.（2006）對CMIP3中的海冰數(shù)據(jù)進行分析，指出多模式平均的海冰面積與衛(wèi)星數(shù)據(jù)較為吻合，但夏季南極海冰總量有減少趨勢，與觀測相反；Turner et al.（2013）利用CMIP5中18個模式輸出的海冰分量，對南極海冰進行了初步評估分析，結(jié)果表明多模式平均的冬季海冰面積比CMIP3的結(jié)果更接近觀測，但大部分模式仍沒有合理地模擬出近30年南極海冰面積增加的趨勢。

BCC_CSM是由中國氣象局國家氣候中心（Beijing Climate Center，BCC）新發(fā)展的氣候系統(tǒng)模式，BCC所開展的CMIP5試驗計劃的評估研究結(jié)果為IPCC第五次評估報告（IPCC AR5）提供了有價值的參考（Flato et al., 2013）。目前國內(nèi)氣象學(xué)者對于BCC_CSM模式大氣分量的輸出結(jié)果已經(jīng)進行了大量的評估分析，例如高峰等（2012）評估了該模式年代際試驗對10年尺度全球及區(qū)域地表溫度的預(yù)測能力，張莉等（2013）評估了BCC_CSM1.1和BCC_CSM1.1（m）兩個版本對熱帶降水年循環(huán)模態(tài)的模擬能力，也有學(xué)者（Xu and Xu, 2012）利用CMIP5多模式結(jié)果對我國地區(qū)氣溫、降水及氣候變化的模擬進行了評估，但目前還沒有針對BCC_CSM模式對海冰模擬性能的評估分析。

本文利用BCC_CSM海冰分量的歷史試驗結(jié)果與觀測數(shù)據(jù)進行對比分析，檢驗氣候系統(tǒng)模式BCC_CSM1.1對于全球海冰面積和厚度的模擬能力，重點評估海冰面積并分析其誤差成因，為進一步改進和完善該模式提供科學(xué)依據(jù)。

2 模式介紹及資料

BCC_CSM模式中的海冰分量是由美國地球物理流體動力學(xué)實驗室（Geophysical Fluid Dynamics Laboratory, GFDL）開發(fā)的全球動力熱力海冰模型SIS（Winton，2000），與海洋模式MOM4-L40有相同的水平分辨率，為1°經(jīng)度，在30°N和30°S之間為1/3°緯度。該模式對海冰熱力過程的描述以Semtner（1976）發(fā)展的模式為基礎(chǔ)，垂直結(jié)構(gòu)為三層，包括一層雪蓋和兩層厚度相同的海冰，在每個網(wǎng)格中，都考慮了五種海冰，包括海冰的厚度；在動力學(xué)過程上采用彈—粘—塑（EVP）海冰流變學(xué)（Hunke and Dukowicz, 1997）計算海冰的內(nèi)部應(yīng)力，用迎風(fēng)方案計算守恒量，如海冰密集度、冰總量、冰的熱含量等的平流過程。

本文用到的模式資料為BCC_CSM1.1版本1953～2012年逐月全球海冰密集度（Sea Ice Concentration，SIC）、海表面溫度（Sea Surface Temperature，SST）、地面氣溫、海平面氣壓以及長/短波輻射通量數(shù)據(jù)。所使用的觀測資料包括（1）英國Hadley氣候中心的海冰密集度和海表面溫度數(shù)據(jù)（Hadley Centre Sea Ice and Sea Surface Temperature data set, HadISST）（Rayner et al., 2003），（2）美國國家冰雪數(shù)據(jù)中心（National Snow and Ice Data Center, NSIDC）的南北極海冰覆蓋范圍（Sea Ice Extent, SIE）數(shù)據(jù)（Fetterer et al., 2002），（3）美國國家環(huán)境預(yù)報中心（National Centers for Environmental Prediction, NCEP）逐月地面氣溫和海平面氣壓再分析數(shù)據(jù)（Kalnay et al., 1996），以及（4）美國國家航空航天局（National Aeronautics and Space Administration, NASA）的GEWEX/SRB（Global Energy and Water-Cycle Experiment/ Surface Radiation Budget）長/短波輻射通量衛(wèi)星數(shù)據(jù)（Stackhouse et al., 2011）。

3 海冰模擬結(jié)果評估

3.1 空間分布特征

3.1.1 海冰密集度

圖1為模擬和觀測的1953～2012年北半球冬季和夏季平均海冰密集度（SIC）的空間分布場，從圖1a、b中可以看出模擬的冬季北太平洋和北大西洋的海冰明顯偏多，偏差主要位于鄂霍次克海、白令海、巴倫支海、格陵蘭海以及巴芬灣。夏季（圖1c、d）在巴芬灣模擬的海冰偏多，楚科奇海偏少，且大部分海區(qū)模擬的SIC值要低于觀測，海冰邊緣存在較大范圍的碎冰區(qū)。圖2為南半球的情形，無論冬季還是夏季，模擬的海冰分布均與觀測較為接近。冬季（圖2a、b）在印度洋東部（60°E～120°E附近）模擬海冰偏多，西部（0°～60°E附近）模擬的SIC值偏?。幌募荆▓D2c、d）主要在威德爾海模擬的海冰偏少。從冬季和夏季海冰密集度的均方根誤差（Root Mean Square Error，RMSE）分布（圖3）上，可以看出冬季北半球（圖3a）誤差最大的區(qū)域主要位于格陵蘭島周邊海域以及鄂霍次克海，其他大部分海區(qū)RMSE小于0.1；夏季（圖3b）誤差較大的區(qū)域位于巴芬灣和波弗特海。冬季南半球（圖3c）誤差較大的地區(qū)主要位于印度洋東部和太平洋的海冰邊緣帶，而夏季（圖3d）的RMSE大值主要位于南極大陸沿岸，最大值出現(xiàn)在威德爾海。

圖1 1953～2012年北半球（a，b）冬季（3月）和（c，d）夏季（9月）平均海冰密集度空間分布：（a，c）模擬；（b，d）HadISST資料。深灰色區(qū)域海冰密集度大于0.9，淺灰色區(qū)域小于0.1，等值線間隔0.1

圖2 1953～2012年南半球（a，b）冬季（9月）和（c，d）夏季（3月）平均海冰密集度空間分布：（a，c）模擬；（b，d）HadISST資料。深灰色區(qū)域海冰密集度大于0.9，淺灰色區(qū)域小于0.1，等值線間隔0.1

圖3 1953～2012年北半球（a）冬季、（b）夏季和南半球（c）冬季、（d）夏季海冰密集度均方根誤差空間分布。深灰色區(qū)域均方根誤差大于0.6，淺灰色區(qū)域小于0.1，等值線間隔0.1

3.1.2 海冰厚度

圖4為1953～2012年全球冬季和夏季平均海冰厚度的模擬結(jié)果。由于海冰厚度的觀測資料主要通過潛水艇、衛(wèi)星等觀測手段獲取，得到的數(shù)據(jù)是短時的或區(qū)域性的，很難與本文中模式模擬結(jié)果所選時段和空間區(qū)域相一致；并且目前對海冰厚度觀測數(shù)據(jù)的處理還沒有統(tǒng)一標準。因此，我們在這里給出了模擬的海冰厚度分布圖，并結(jié)合前人相關(guān)的研究結(jié)果進行定性地對比分析。

從圖4a可以看出，在北半球冬季，海冰在格陵蘭島及加拿大的北部海域最厚，厚度可達4 m以上，而靠近歐亞大陸架的喀拉海和巴倫支海的海冰厚度偏薄，小于1 m；在夏季（圖4b），除了巴芬灣北部海域冰厚度可達3.5 m以上之外，北冰洋其他海域的平均海冰厚度小于1 m。在觀測方面，Serreze and Barry（2005）利用潛水艇觀測數(shù)據(jù)得到的北半球平均海冰厚度分布結(jié)果顯示，冬季在加拿大和格陵蘭島北側(cè)的最大海冰厚度可以達到6～8 m，在歐亞大陸沿岸海冰厚度最薄在1 m以下；Kwok and Rothrock（2009）利用衛(wèi)星數(shù)據(jù)研究了2003～2008年北極海冰厚度的空間分布特征，冰厚度從加拿大和格陵蘭島北側(cè)逐漸向歐亞大陸方向遞減，在北極點附近年平均海冰厚度約為2.0～2.5 m，而在相同時段內(nèi)模式模擬的北極點區(qū)域海冰厚度約為1.5～2.0 m（圖略）。因此BCC_CSM模式基本上能夠模擬出北半球海冰厚度的高值區(qū)及空間分布特征，但是模擬的厚度值偏小。

對于南半球（圖4c、d）而言，無論冬季還是夏季，模擬的海冰都比較薄，厚度不足1 m，威德爾海和阿蒙森海的海冰較厚，最厚的海冰出現(xiàn)在威德爾海西側(cè)，可達1.5 m以上，并且這種厚冰在夏季幾乎不消融。根據(jù)前人的研究結(jié)論，南半球海冰厚度通常在0.5～0.7 m（Wadhams et al., 1987），威德爾海典型冰厚在1.5 m左右（Lange and Eicken, 1991）。Kurtz and Markus（2012）利用衛(wèi)星數(shù)據(jù)研究了2003～2008年南極海冰厚度的空間分布特征，結(jié)果表明：南極最厚的海冰位于威德爾海西側(cè)，別林斯高晉海和阿蒙森海，羅斯海西側(cè)以及環(huán)南極海岸線地區(qū)，最厚可達1.5～2.0 m，并且厚冰在融冰季節(jié)（夏季）仍然存在；最薄的海冰出現(xiàn)在威德爾海東側(cè)，羅斯海以及海冰邊緣區(qū)等。所以，在南半球，氣候系統(tǒng)模式BCC_CSM模擬結(jié)果與觀測值接近，海冰厚度的模擬能力較好。

圖4 1953～2012年北半球（a）冬季、（b）夏季和南半球（c）冬季、（d）夏季平均海冰厚度空間分布（單位：m）

圖5 1953～2012年（a）北半球和（b）南半球平均海冰面積季節(jié)變化曲線（單位：106km2；虛線：模擬；實線：HadISST資料）

3.2 季節(jié)及年（代）際變化

一般認為當海冰密集度（SIC）不小于15%時，該區(qū)域為海冰所覆蓋，由此可以計算得到海冰覆蓋面積（SIE）的季節(jié)和年際變化。圖5為南北半球SIE的季節(jié)變化，北半球（圖5a）模擬的夏季SIE接近觀測值并略有偏低，冬季SIE則遠高于觀測，南半球（圖5b）模擬的各個月份SIE與觀測較為一致，冬季略高、夏季略低。結(jié)合SIE的年際變化曲線（圖6），可以看出北半球（圖6a）模擬的SIE要明顯高于觀測結(jié)果，其長期有減小趨勢，與觀測較為一致，根據(jù)模式和HadISST資料計算得到北半球平均海冰面積的相關(guān)系數(shù)高達0.91；南半球模擬的SIE在90年代之前與觀測存在較大偏差，之后較接近觀測值，且模擬和觀測結(jié)果均顯示90年代以來SIE有增長趨勢。

圖7為模擬和觀測的北半球冬（夏）季海冰（SIC）長期變化趨勢空間分布場。模擬結(jié)果（圖7a）顯示，冬季SIC在白令海存在大范圍的減小趨勢，與觀測不符，在阿拉斯加南部沿岸，模擬和觀測均顯示SIC減小，可以達到―0.1/10年；而鄂霍次克海北部SIC的減小趨勢沒有被模擬出來；在大西洋一側(cè)，冬季格陵蘭海和巴倫支海的SIC呈減小趨勢，但減小的強度比觀測偏弱。對于夏季（圖7c、d）而言，模擬和觀測顯示的SIC減小的區(qū)域較為一致，分布在阿拉斯加和歐亞大陸北部沿岸以及格陵蘭島東岸，但模擬的SIC減小程度低于觀測。而在南半球（圖略），無論冬季或夏季，模式?jīng)]有模擬出SIC增加的趨勢特征。

另外，通過對BCC_CSM1.1與CMIP5中其他模式海冰模擬結(jié)果對比分析，結(jié)果表明：BCC_CSM模式模擬的北半球海冰面積在冬季異常偏多、夏季偏少，而南半球海冰則在整體上相對于多數(shù)模式結(jié)果偏多，BCC_CSM模式和NorESM1-M（挪威）、MIROC4h（日本）模式對南半球海冰面積季節(jié)變化的模擬較為接近觀測值（圖略）；在年際變化上該模式未能準確模擬出近幾十年來北半球海冰快速減少的趨勢，對于南半球，BCC_CSM模式與CMIP5大多數(shù)模式一樣，未能模擬出南半球夏季SIC增加的趨勢（Turner et al., 2013）。

圖7 1953～2012年北半球（a，b）冬季（3月）和（c，d）夏季（9月）海冰密集度長期變化趨勢空間分布：（a，c）模擬；（b，d）HadISST資料

3.3 海冰分布形態(tài)

IPCC第五次評估報告指出，即使模擬的海冰面積相對準確，海冰密集度的地理分布也可能與觀測結(jié)果存在較大差異（Flato et al., 2013）。為定量表征海冰面積模擬的準確性，客觀衡量模擬和觀測的海冰分布的差異性，我們參考前人的工作中所用統(tǒng)計量（Wu et al., 1997），利用網(wǎng)格點數(shù)據(jù)，分別統(tǒng)計出模式和HadISST資料均顯示有海冰的區(qū)域面積、模式結(jié)果為有海冰但是觀測結(jié)果未顯示有海冰的區(qū)域面積以及觀測結(jié)果為有海冰但是模式結(jié)果未顯示的區(qū)域面積，并由觀測數(shù)據(jù)計算得到真實的海冰面積。從而進一步得到統(tǒng)計量、和：

圖8 1953～2012年（a）北半球和（b）南半球Pm月—年際分布

4 北半球海冰誤差影響因子分析

由上文可知，BCC_CSM模式模擬海冰誤差主要出現(xiàn)在北半球冬季，而在耦合模式中，海冰模式由大氣場和海洋場共同驅(qū)動，海冰的模擬效果與高緯度海溫、氣溫和海平面氣壓的模擬結(jié)果關(guān)系密切（王秀成等，2010）。本文以北半球為例，針對海冰模擬在邊緣冰區(qū)誤差較大，選取位于北太平洋和北大西洋的兩個矩形區(qū)域，討論海溫對海冰模擬的影響。設(shè)定（42°N～70°N，131°E～158°W）為太平洋區(qū)域，包括白令海和鄂霍次克海；（55°N～80°N，45°W～60°E）為大西洋區(qū)域，包括格陵蘭海、巴倫支海和挪威海。由于模擬誤差主要出現(xiàn)在冬半年，并在3月份最大，結(jié)合3月平均海表溫度分布（圖10）可以看出，兩個區(qū)域均存在大面積溫度低于―1°C的海域，包括整個鄂霍次克海，白令海的大部分海域，以及格陵蘭海北部和巴倫支海，通常我們認為溫度低于―1°C的海水有利于海冰的生成。

圖9 1953～2012年（a）北半球和（b）南半球Po、Pu季節(jié)變化曲線

圖10 1953～2012年（a，b）太平洋和（c，d）大西洋區(qū)域3月平均海表溫度分布（單位：°C）：（a，c）模擬；（b，d）HadISST資料?；疑珔^(qū)域海表溫度小于―1°C

圖11a為太平洋區(qū)域3月份海冰面積（SIE）、海表溫度（SST）、凈輻射能量收入以及冰雪反照率隨時間的變化曲線，其中凈輻射能量和反照率的觀測資料年份為1984～2007年。該區(qū)域模擬的3月海冰面積在4.5×106km2左右，超出觀測約2×106km2，其海表面溫度比觀測偏低1°C左右，得到的平均凈輻射能量也比觀測少20～30 W/m2，模擬的反照率則略高于觀測值，這四個變量之間具有較好的配置關(guān)系。太平洋區(qū)域的高反照率使得海表面反射更多的太陽輻射，得到的凈輻射能量就會減少，從而導(dǎo)致模擬的海溫偏低，海冰偏多。另外，對于各個變量的長期變化趨勢而言，模擬的北太平洋區(qū)域平均反照率近60年來有明顯的下降趨勢，使得該區(qū)域所得到的凈輻射能量有增加趨勢，海洋吸收了更多的能量，海溫不斷升高，最終會導(dǎo)致該區(qū)域模擬的海冰面積有較明顯的減小趨勢。從其季節(jié)變化（圖11b）上可以看出，模擬的反照率在夏季與觀測接近，其他季節(jié)高于觀測，逐月的凈輻射能量和海溫都低于觀測值，這種能量損失的持續(xù)累積使得海冰面積的誤差在3月份達到最大。因此，太平洋區(qū)域海溫偏冷、海冰偏多主要是由于熱力過程導(dǎo)致的。

對于大西洋區(qū)域（圖12）也存在類似的配置關(guān)系，不同之處在于3月份凈輻射能量與觀測的偏差在8 W/m2左右，低于太平洋區(qū)域的能量偏差，但是其海溫卻比觀測低2°C以上，說明在大西洋區(qū)域，除了熱量收支差異導(dǎo)致海溫偏冷，向極地的熱輸送等動力過程也可能是海溫異常偏冷的誘因。

圖11 太平洋區(qū)域海冰面積（SIE，單位：106 km2）、海表溫度（單位：°C）、凈輻射能量（NRF，單位：W/m2）及反照率的（a）年際（3月）和（b）季節(jié)變化（實線：模擬；虛線：觀測）

圖12 大西洋區(qū)域海冰面積（單位：106 km2）、海表溫度（單位：°C）、凈輻射能量（單位：W/m2）及反照率的（a）年際（3月）和（b）季節(jié)變化（實線：模擬；虛線：觀測）

圖13和14分別給出了由模式和NCEP再分析資料得到的北半球3月地面大氣溫度場和海平面氣壓場。在模式中（圖13a），近地面溫度從大西洋和太平洋向極地方向迅速遞減，整個北冰洋的氣溫在―20°C以下，最冷區(qū)域出現(xiàn)在加拿大北部海域，在北大西洋一側(cè)存在明顯的暖舌，這些特征均與觀測（圖13b）較為一致。模式模擬的3月海平面氣壓場（圖14a）中，模擬的西伯利亞高壓和阿留申低壓位置與觀測（圖14b）接近，但冰島低壓強度比觀測略大，模擬的位置偏東偏北，在巴倫支海和挪威海附近等壓線近于緯向分布，使得向極地方向的氣流減弱，導(dǎo)致通過大氣環(huán)流向巴倫支海和挪威海輸送的熱量減少，另一方面海表面風(fēng)應(yīng)力的極向分量減弱，北大西洋暖流向極地熱量輸送減少，最終會造成北大西洋一側(cè)海區(qū)大氣和海洋偏冷，海冰偏多。

圖13 1953～2012年北半球3月地面氣溫空間分布（單位：°C）：（a）模擬；（b）NCEP再分析資料

圖14 1953～2012年北半球3月海平面氣壓空間分布（單位：hPa）：（a）模擬；（b）NCEP再分析資料

5 結(jié)論

本文評估了BCC_CSM1.1模式對全球海冰面積和厚度的模擬能力，著重分析了模式在模擬海冰面積和分布形態(tài)上存在的誤差，并討論了產(chǎn)生這種誤差的可能原因，結(jié)果表明：

（1）BCC_CSM對于海冰空間分布的模擬，南半球的模擬結(jié)果好于北半球，北半球模擬誤差最大的月份出現(xiàn)在冬季，模擬的北冰洋邊緣海冰明顯偏多；對于海冰厚度的空間分布，北半球基本模擬出了厚度的分布特征，但模擬的海冰偏薄，南半球模擬結(jié)果與觀測較為一致。

（2）模式對于海冰密集度年際變化趨勢的模擬，基本模擬出北半球SIC減小的趨勢，但減小程度比觀測偏低；南半球模擬結(jié)果與觀測偏差較大，沒有模擬出SIC增加的趨勢特征。

（3）對于年平均海冰面積的模擬，北半球的SIE值要明顯高于觀測結(jié)果，并且其長期變化有減少趨勢；南半球模擬的SIE值與觀測接近，且觀測和模擬均顯示1990年代以來SIE有增長的趨勢；另外，對于海冰面積的季節(jié)變化，模擬的南北半球夏季SIE均偏低、冬季偏高。然而，SIE的模擬誤差小并不代表模擬的準確性高，研究表明：雖然南半球夏季模擬的SIE在數(shù)值上與觀測接近，但只有不超過一半面積的海冰被正確模擬出來。

（4）模式模擬的北太平洋和北大西洋區(qū)域的冰雪反照率偏高，凈輻射能量收入低于觀測結(jié)果，導(dǎo)致該區(qū)域海溫異常偏冷，海冰偏多；此外，冰島低壓的模擬誤差致使北大西洋向極地的熱量輸送減少。上述因素是導(dǎo)致BCC_CSM模式模擬冬季北半球海冰面積存在較大偏差的重要原因。

（References：）

Arzel O, Fichefet T, Goosse H. 2006. Sea ice evolution over the 20th and 21st centuries as simulated by current AOGCMs [J]. Ocean Modelling, 12 (3–4): 401–415.

Balcerak E. 2012. Arctic report card: Sea ice and snow reached record lows in 2012 [J]. Eos, Trans. Amer. Geophys. Union, 93 (51): 536–536.

卞林根, 林學(xué)椿. 2005. 近30年南極海冰的變化特征 [J]. 極地研究, 17 (4): 233–244. Bian Lingen, Lin Xuechun. 2005. Variation of Antarctic sea ice in the latest 30 years [J]. Chinese Journal of Polar Research (in Chinese), 17(4): 233-244.

Comiso J C, Nishio F. 2008. Trends in the sea ice cover using enhanced and compatible AMSR-E, SSM/I, and SMMR data [J]. J. Geophys. Res., 113: C02S07, doi:10.1029/2007JC004257.

Comiso J C, Parkinson C L, Gersten R, et al. 2008. Accelerated decline in the Arctic sea ice cover [J]. Geophys. Res. Lett., 35: L01703, doi:10. 1029/2007GL031972.

Fetterer F, Knowles K, Meier W, et al. 2002. Sea Ice Index [DB/OL]. National Snow and Ice Data Center, Boulder, Colorado, USA. http://dx.doi.org/10.7265/N5QJ7F7W [2013-05-07].

Flato G, Marotzke J, Abiodun B, et al. 2013. Evaluation of climate models [M]// Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Stocker T F, Qin D, Plattner G K, et al., Eds. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 787–789.

高峰, 辛?xí)愿? 吳統(tǒng)文. 2012. BCC_CSM1.1對10年尺度全球及區(qū)域溫度的預(yù)測研究 [J]. 大氣科學(xué), 36 (6): 1165–1179. Gao Feng, Xin Xiaoge, Wu Tongwen. 2012. A study of the prediction of regional and global temperature on decadal time scale with BCC_CSM1.1 model [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 36 (6): 1165– 1179.

Hunke E C, Dukowicz J K. 1997. An elastic-viscous-plastic model for sea ice dynamics [J]. J. Phys. Oceanogr., 27 (9): 1849–1867.

Kalnay E, Kanamitsu M, Kistler R, et al. 1996. The NCEP/NCAR 40-year reanalysis project [J]. Bull. Amer. Meteor. Soc., 77 (3): 437–471.

Kurtz N T, Markus T. 2012. Satellite observations of Antarctic sea ice thickness and volume [J]. J. Geophys. Res., 117: C08025, doi:10.1029/ 2012JC008141.

Kwok R, Rothrock D A. 2009. Decline in Arctic sea ice thickness from submarine and ICESat records: 1958–2008 [J]. Geophys. Res. Lett., 36: L15501, doi:10.1029/2009GL039035.

Lange M A, Eicken H. 1991. The sea ice thickness distribution in the northwestern Weddell Sea [J]. J. Geophys. Res., 96 (C3): 4821–4837.

McLaren A J, Banks H T, Durman C F, et al. 2006. Evaluation of the sea ice simulation in a new coupled atmosphere-ocean climate model (HadGEM1) [J]. J. Geophys. Res., 111: C12014, doi:10.1029/ 2005JC003033.

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

Rayner N A, Parker D E, Horton E B, et al. 2003. Global analyses of sea surface temperature, sea ice, and night marine air temperature since the late nineteenth century [J]. J. Geophys. Res., 108(D14), 4407, doi:10.1029/2002JD002670.

Rothrock D A, Percival D B, Wensnahan M. 2008. The decline in Arctic sea-ice thickness: Separating the spatial, annual, and interannual variability in a quarter century of submarine data [J]. J. Geophys. Res., 113: C05003, doi:10.1029/2007JC004252.

Semtner A J. 1976. A model for the thermodynamic growth of sea ice in numerical investigations of climate [J]. J. Phys. Oceanogr., 6 (3): 379– 389.

Serreze M C, Barry R G. 2005. The Arctic Climate System [M]. New York: Cambridge University Press, 424.

Stackhouse P W, Gupta S K, Cox S J, et al. 2011. The NASA/GEWEX surface radiation budget release 3.0: 24.5-year dataset [J]. GEWEX News, 21 (1): 10–12.

Stroeve J C, Serreze M C, Holland M M, et al. 2012. The Arctic’s rapidly shrinking sea ice cover: A research synthesis [J]. Climatic Change, 110 (3–4): 1005–1027.

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

Wadhams P, Lange M A, Ackley S F. 1987. The ice thickness distribution across the Atlantic sector of the Antarctic Ocean in midwinter [J]. J. Geophys. Res., 92 (C13): 14535–14552.

王秀成, 劉驥平, 俞永強, 等. 2009. FGOALS_g1.1極地氣候模擬 [J]. 氣象學(xué)報, 67 (6): 961–972. Wang Xiucheng, Liu Jiping, Yu Yongqiang, et al. 2009. Polar climate simulation in FGOALS_g1.1 [J]. Acta Meteorologica Sinica (in Chinese), 67(6): 961-972.

王秀成, 劉驥平, 俞永強, 等. 2010. 海冰模式CICE4.0與LASG/IAP氣候系統(tǒng)模式的耦合試驗[J]. 大氣科學(xué), 34 (4): 780–792. WangXiucheng, Liu Jiping, Yu Yongqiang, et al. 2010. Experiment of coupling sea ice model CICE 4.0 to LASG/IAP climate system model [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 34 (4): 780– 792.

Winton M. 2000. A reformulated three-layer sea ice model [J]. J. Atmos. Oceanic Technol., 17 (4): 525–531.

Wu Xingren, Simmonds I, Budd W F. 1997. Modeling of Antarctic sea ice in a general circulation model [J]. J. Climate, 10 (4): 593–609.

Xu Chonghai, Xu Ying. 2012. The projection of temperature and precipitation over China under RCP scenarios using a CMIP5 multi-model ensemble [J]. Atmospheric and Oceanic Science Letters, 5 (6): 527–533.

張莉, 吳統(tǒng)文, 辛?xí)愿? 等. 2013. BCC_CSM模式對熱帶降水年循環(huán)模態(tài)的模擬 [J]. 大氣科學(xué), 37 (5): 994–1012. Zhang Li, Wu Tongwen, Xin Xiaoge, et al. 2013. The annual modes of tropical precipitation simulated by the Beijing Climate Center Climate System Model (BCC_CSM) [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 37(5): 994–1012.

張璐, 張占海, 李群, 等. 2009. 近30年北極海冰異常變化趨勢 [J]. 極地研究, 21 (4): 344–352. Zhang Lu, Zhang Zhanhai, Li Qun, et al. 2009. Status of the recent declining of Arctic sea ice studies [J]. Chinese Journal of Polar Research (in Chinese), 21(4): 344-352.

譚慧慧, 張錄軍, 儲敏, 等. 2015. BCC_CSM對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), 39 (1): 197?209, doi:10.3878/j.issn. 1006-9895.1404.13301. Tan Huihui, Zhang Lujun, Chu Min, et al. 2015. An analysis of simulated global sea ice extent, thickness, and causes of error with the BCC_CSM model [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 39 (1): 197?209.

An Analysis of Simulated Global Sea Ice Extent, Thickness, and Causes of Error with the BCC_CSM Model

TAN Huihui1, 2, ZHANG Lujun1, 2, CHU Min3, WU Tongwen3, QIU Bo1, 2, and LI Jianglong3

1,,2100932,210093,,100081

In this study, we evaluate the global sea ice modeling capability of the Beijing Climate Center Climate System Model (BCC_CSM). Comparative analysis results indicate that the model simulates the spatial and temporal distribution characteristics of global sea ice extent and thickness well and that its simulation performance in the Southern Hemisphere is better than that in the Northern Hemisphere. The maximum simulation bias of the annual mean sea ice extent (SIE) occurs in the Sea of ??Okhotsk, the Bering Sea, and the Barents Sea. The spatial distribution results for simulated sea ice thickness are similar to those from observation data, with thinner sea ice in the Northern Hemisphere winter. The mean annual cycle of sea ice extent has a negative bias in summer and a positive bias in winter, as compared with observation data. The annual mean SIE in the past 60 years in both the Northern and Southern Hemispheres is excessive, while the positive bias in the Southern Hemisphere is smaller. However, the simulated interannual variation trend in the Northern Hemisphere is more accurate. In addition, lower net radiation results lead to anomalous cold sea surface temperatures, which may be the main reason for the sea ice simulation error.

Climate system model, Sea ice, Model assessment, BCC_CSM model

1006?9895(2015)01?0197?13

P461

A

10.3878/j.issn.1006-9895.1404.13301

2013?11?05；網(wǎng)絡(luò)預(yù)出版日期 2014?04?04

國家自然科學(xué)基金項目40975040，公益行業(yè)（氣象）科研專項GYHY201106035、GYHY201006018

譚慧慧，女，1989年出生，碩士研究生，主要從事極地與東亞氣候研究。E-mail: hhtan_nju@126.com

張錄軍，E-mail: ljzhang@nju.edu.cn