江 穎，隆 霄，Celestin Sindikubwabo

（蘭州大學大氣科學學院，甘肅 蘭州730000）

東亞地區(qū)是典型的季風氣候區(qū)，該地區(qū)不僅受到低緯度亞洲季風的影響，還會受到中緯度副熱帶環(huán)流異常所導致的水汽輸送異常的影響，是全球范圍內(nèi)降水變率最大的地區(qū)之一[1]。并且該地區(qū)降水時空分布變化所引發(fā)的洪澇、干旱等災害嚴重影響著中國、韓國以及日本等地人們的生活、生產(chǎn)和經(jīng)濟發(fā)展，因此提高東亞地區(qū)降水預測水平對東亞地區(qū)具有重要意義[2]。動力氣候模式是世界各大氣候預測業(yè)務部門的主要根據(jù)，評估和檢驗氣候模式對東亞地區(qū)降水和環(huán)流的預測能力對提高模式產(chǎn)品的業(yè)務應用有重要意義[3]。

目前已經(jīng)有很多動力氣候模式對東亞地區(qū)降水模擬能力進行評估和檢驗的研究。例如Song and Zhou[4]通過對第五次耦合模式比較計劃（CMIP5）單獨大氣模式和海氣耦合模式的比較，表明海氣耦合模式對東亞地區(qū)夏季降水和雨帶模擬能力好于大氣模式，指出海氣耦合過程在模擬東亞夏季降水的重要作用；Zou and Zhou[5]借助區(qū)域海氣耦合模式也證明了海氣耦合過程在模擬東亞地區(qū)夏季降水的重要作用；王淑瑜等[6]分析了5個海氣耦合模式模擬的東亞地區(qū)地面氣溫和降水量的多年平均值，并與觀測值進行了比較，發(fā)現(xiàn)模式能模擬出東亞地區(qū)降水的時空分布特征，但模擬效果的區(qū)域性差別比較大；張莉[7]分析了政府間氣候變化委員會第四次評估報告（IPCC AR4）的17個海氣耦合模式對東亞季風區(qū)夏季降水和環(huán)流的模擬能力，指出模式基本都能模擬出降水的空間分布特點，但普遍存在降水量偏少的情況；蘇琪驊[8]評估了CMIP5中27個氣候模式及其集合平均對中國地區(qū)溫度和降水的模擬效果，得出模式能較好的模擬出溫度的變化特征，但模擬結果存在系統(tǒng)性偏差，而模式對降水的時間變化模擬有限；Song et al.[9]指出CMIP5模式能夠合理模擬東亞降水的年代際變化。

2010年7月NCAR推出的新一代地球系統(tǒng)模式（Community Earth System Model，CESM），是一個完全耦合的氣候模式。自發(fā)布以來，CESM模式得到了廣泛應用。韓春鳳等[10]通過與觀測再分析資料和參加第五次耦合模式比較計劃（CMIP5）的模式模擬結果進行對比分析，評估了CESM1.0.3版本對亞洲夏季風的模擬能力，得出模擬水平與4個最好的CMIP5相當。本文將利用CESM1.2.0模式對1979—2008年的大氣環(huán)流特征進行模擬，利用再分析資料對比分析模式模擬結果對東亞地區(qū)環(huán)流特征、降水和溫度等的表征能力。

1 模式、試驗方案和資料簡介

CESM模式是由美國國家大氣研究中心（NCAR）開發(fā)的新一代地球氣候系統(tǒng)耦合模式，該模式系統(tǒng)包含7個物理模塊，分別為大氣、陸面、海洋、陸冰、海冰、表面徑流等子模塊，并利用耦合器來控制各個模塊間的數(shù)據(jù)交換以及調(diào)整它們的計算時間。模式的每一模塊會有幾種不同的工作狀態(tài)，包括激活（active）、數(shù)據(jù)（data）、休眠（dead）和關閉（stub）。模式根據(jù)不同的試驗目的和要求選擇不同的模式組合形式（component set）來進行有關的數(shù)值試驗。本文選用的是CESM1.2.0版本，其中大氣模塊是CAM4，CAM4相對于CAM3版本調(diào)整了深對流和動量交換，是從ZM深對流方案[11]演變而來；陸面模塊為CLM4，包括生物地球物理、水文循環(huán)、生物地球化學和動態(tài)植被4個部分，CLM4改進了CLM3.5的土壤水分動力學過程；海洋模塊為POP2，海洋渦流參數(shù)化方案為GM形式[12]。本文采用的模式組合形式為B20TR，為全耦合模式，大氣、陸面、海洋和海冰均為active。模式分辨率為1.9毅伊2.5毅gxlv6，其中大氣和陸面模塊的水平分辨率為1.9毅伊2.5毅（緯向伊經(jīng)向），垂直方向總共26層，為混合坐標；海洋和陸冰模塊水平分辨率約為1毅伊1毅，垂直方向采用坐標系，分為60層。本試驗未啟用陸冰模塊和陸地模塊中的碳、氮循環(huán)過程。模式模擬在固定外強迫下進行，其中溫室氣體 CO2、CH4、N2O的 體 積 溶 度 分 別 為 2.847 伊10-4、7.919伊10-7、2.756 8伊10-7。氣溶膠濃度和土壤利用為NCAR給定的1850年的強迫場?？刂圃囼瀼?979年1月1日00時00分00秒UTC開始積分30 a至2008年12月31日24時00分00秒UTC。

文中以歐洲數(shù)值預報中心（ECMWF）提供的再分析數(shù)據(jù)ERA-interim資料（以下簡稱“ERA”）和CMAP（Climate Prediction Center Merged Analysis of Precipitation）[13]逐月降水資料為基礎，檢驗CESM對東亞地區(qū)（5毅耀55毅N，50毅耀150毅E）降水、地表溫度和夏季環(huán)流等方面的模擬效果。ERA-interim是歐洲中心ECMWF繼ERA40后推出的一套新的再分析資料，該資料在數(shù)據(jù)處理上由三維同化系統(tǒng)（3DVAR）發(fā)展成12 h分析窗的四維同化系統(tǒng)（4DVAR），水平分辨率提高到約80 km（T255譜截斷），同時修改了模式的有關參數(shù)，并融合了更多的衛(wèi)星資料和地面資料。有研究表明ERA-interim的地表溫度資料和風場再分析資料在高原地區(qū)適用性最好[14]，并且在觀測站點偏少的地區(qū)ERA資料好于NCEP再分析資料[15]。其水平分辨率為2.5毅伊2.5毅，垂直28層，時間分辨率為每6 h一次。CMAP降水資料融合了5種衛(wèi)星（GPI、OPI、SSM/I scattering、SSM/I emission和MSU）估計的降水資料，雨量計觀測的降水數(shù)據(jù)和NCEP/NCAR再分析資料中的降水數(shù)據(jù)，時間序列較長，可以更好地描述降水在東亞地區(qū)的分布，相對于模式計算的再分析降水資料而言，CMAP資料與臺站資料的結果更為接近[16]，從而選用其作為降水的參考資料。其水平分辨率為2.5毅伊2.5毅。這兩種資料在天氣和氣候分析中廣泛應用。為分析時便于比較，將降水資料和ERA資料利用雙線性插值的方法插值到1.9毅伊2.5毅分辨率的模式水平網(wǎng)格點。文中主要通過對比降水、風場、溫度場和水汽通量場等物理量來檢驗CESM模式對東亞地區(qū)降水及環(huán)流等方面的模擬能力。

2 結果分析

2.1 降水特征分析

圖1為CESM模式模擬的1979—2008年30 a平均降水的水平分布和CMAP資料給出的降水分布，從圖1中可以看出模式基本可以模擬出冬季和夏季東亞地區(qū)降水從海洋向內(nèi)陸逐漸減少的分布特征，并且在夏季模式模擬的結果與CMAP降水資料之間的相關系數(shù)達到0.6，冬季可以達到0.75。冬季CMAP資料顯示，在日本海附近有強降水中心（圖1b），模式模擬的結果并未出現(xiàn)；CMAP降水在青藏高原西北部出現(xiàn)2個降水中心，而模式模擬的降水中心則出現(xiàn)在青藏高原南部。冬季模擬結果與CMAP資料差（圖1e）顯示兩者差別較小，主要在青藏高原西北部和日本海附近模擬降水偏少，在青藏高原南部降水模擬偏多。夏季CMAP資料顯示，從日本島到朝鮮半島至我國江淮流域存在一條強降水帶（圖1d），模式模擬的結果在朝鮮半島和日本島為強降水區(qū)，而江淮地區(qū)的降水明顯偏弱（圖1c），模式模擬的降水在青藏高原南麓和甘肅南部地區(qū)出現(xiàn)2個降水中心，其強度較CMAP資料明顯偏強；模式也較好地模擬出印度半島西部的強降水區(qū)，只不過其降水范圍較CMAP結果略大。夏季模擬結果和CMAP資料的差（圖1f）表明模式模擬的降水在陸地大部分偏大，海洋上大部分偏小；陸地降水偏高的強中心分別位于青藏高原南部、遼寧地區(qū)和印度半島地區(qū)。一般7月為梅雨期，從日本半島到我國江淮地區(qū)為強降水區(qū)，而模式模擬的降水在該地區(qū)明顯偏弱。

降水季節(jié)進退的模擬是評估模式模擬效果的一個重要內(nèi)容。將CMAP降水資料和CESM模擬的降水資料按月平均得到逐月降水平均結果，本文主要分析東亞地區(qū)，將逐月平均降水結果沿105毅耀120毅E進行空間平均（22毅耀40毅N主要表征中國大陸地區(qū)，5毅耀21毅N表征南海地區(qū)）得到該地區(qū)降水的時間緯度變化（圖2），從圖中可以看出模式能較好地模擬出客觀分析的雨帶由南向北的季節(jié)推進特征。在低緯地區(qū)（8毅耀21毅N）觀測的強降水出現(xiàn)5—9月，最大降水量達到500 mm左右，模式模擬的強降水階段為6—10月，降水強度不及觀測的一半；觀測的降水增加出現(xiàn)在4月，而模擬的出現(xiàn)在4月下旬左右（圖2a、2b）；21毅耀45毅N區(qū)間模式模擬結果和CMAP資料均顯示降水從5月到9月有從南向北推進的特征。在中緯度（26毅耀32毅N）地區(qū)，3月份觀測的降水量已達200 mm，模擬的降水在4月份達到這一強度，強降水時段在3—10月份，模擬的強降水時段與觀測的大體一致；模擬結果顯示28毅N附近在5—6月出現(xiàn)了強降水中心，強度達到250 mm左右，在38毅N附近也存在強降水中心，其強度在300 mm左右，這2個中心的降水強度明顯高于觀測結果，且持續(xù)時間較長。下文以夏季7月為例，從溫度、風場和水汽通量場對夏季降水的模擬結果進行分析。

圖1 模式模擬和CMAP的1月、7月平均降水及兩者的差（單位：mm/mon）

2.2 溫度場特征分析

圖3為模式模擬和ERA觀測的地表溫度，可以看出：模式模擬的地表溫度在青藏高原地區(qū)明顯較ERA再分析結果低（圖3a、3b）。以ERA觀測為參考場，模式模擬的地表溫度與其差異的總體表現(xiàn)為陸地偏低，海洋高，其中青藏高原地區(qū)偏低幅度最大（圖3c）可達到6益以上，可能由于青藏高原下墊面和地形復雜，模式分辨率較粗，在對地形插值時出現(xiàn)較大的誤差，從而導致該地區(qū)地表溫度模擬的偏差較大。

2.3 風場特征分析

風場是表征大氣環(huán)流的一個主要因素，以下進一步對比分析模式對風場的模擬效果，圖4為200 hPa的風場分布，可以看出7月強大的反氣旋環(huán)流控制著東亞大部分地區(qū)，模式能模擬出這種環(huán)流特征，但模擬的強度強于ERA資料的結果（圖4a、4b），模擬偏差主要表現(xiàn)為日本島以南的西太平洋地區(qū)出現(xiàn)異常氣旋性環(huán)流，在我國的東北及蒙古國東部地區(qū)出現(xiàn)異常的反氣旋性環(huán)流（圖4c）。

圖2 模式模擬（a）和CMAP（b）的降水沿105毅耀120毅E的逐月演變（單位：mm/mon）

圖3 模式模擬（a）和ERA（b）的1979—2008年7月地表平均溫度及兩者之差（c）（單位：K）

在500 hPa，太平洋副熱帶高壓的位置和強度對東亞地區(qū)7月降水有重要影響。由圖5a和5b看出再分析資料的588線西脊點位于日本島西南側125毅E附近，而模式模擬的588線西脊點則西伸至110毅E附近，位于我國江淮地區(qū)；此外，模式模擬的西太平洋副高范圍明顯強于ERA資料的結果；模式模擬的環(huán)流形勢與ERA再分析的差主要表現(xiàn)在西太平洋和我國青藏高原南部地區(qū)分別出現(xiàn)一個氣旋性異常環(huán)流和反氣旋性異常環(huán)流（圖5c）。與降水的模擬結果（圖1c）對比可以看出：西太平洋降水模擬的偏多與該地區(qū)500 hPa的氣旋性環(huán)流異常相對應，江淮地區(qū)模擬的降水偏少主要是由于模式模擬的西太平洋副高強度偏強所致。

圖4 模式模擬（a）和ERA（b）的1979—2008年7月200 hPa平均風場及兩者之差（c）（單位：m/s）

圖5 模式模擬（a）和ERA（b）的1979—2008年7月500 hPa平均風場（矢量，單位m/s）和位勢高度場（等值線，單位：dgpm）及兩者風場差（c）

對比分析模式模擬的和ERA再分析的經(jīng)向垂直環(huán)流（圖6），分別沿105毅耀120毅E及75毅耀100毅E進行緯向平均。在105毅耀120毅E之間，模式模擬的經(jīng)向垂直環(huán)流在35毅N以南與ERA再分析結果比較一致，在其以北則有較大差異，ERA資料在41毅N 700 hPa高度附近出現(xiàn)弱的下沉氣流（圖6a、6b）；兩者之差在5毅耀16毅N之間表現(xiàn)為從200耀700 hPa高度為異常的下沉氣流，同時在23毅耀29毅N之間為從400耀850 hPa也出現(xiàn)異常下沉氣流，這導致模式模擬的降水在這兩個區(qū)域較CMAP觀測的降水偏弱（圖1c）；在29毅耀41毅N之間則表現(xiàn)為明顯的上升氣流異常，因而模式模擬的該區(qū)域降水偏強（圖1c）。在75毅耀100毅E之間，模式模擬的經(jīng)向垂直環(huán)流與ERA再分析結果的差異主要表現(xiàn)在青藏高原地區(qū)，在青藏高原南側23毅耀32毅N和北側41毅耀50毅N之間出現(xiàn)兩個明顯的異常環(huán)流，其中南支異常環(huán)流在32毅N為明顯上升氣流，上升至350 hPa高度，在23毅N附近表現(xiàn)為下沉氣流；北支異常環(huán)流在41毅N附近為上升氣流，上升至500 hPa高度左右，50毅N附近為下沉氣流，南支異常環(huán)流表現(xiàn)為伸展高度高而狹窄，北支異常環(huán)流為伸展高度低但范圍稍寬（圖6f）。模式模擬的高原南側地區(qū)和北側地區(qū)的降水均比CMAP資料結果強，其中南側降水偏多異常非常明顯（圖1c），這與模式模擬的經(jīng)向垂直環(huán)流的異常特征密切相關。

2.4 水汽場特征分析

水汽不僅對天氣和氣候有重要影響，也對降水的形成有重要作用。圖7a和7b分別為模式模擬和ERA再分析的水汽通量場和水汽通量散度場，從ERA再分析資料顯示東亞地區(qū)的水汽輸送主要有兩條輸送通道，一條為西南氣流從印度洋的水汽通量輸送，另一條為東南氣流從太平洋的水汽通量輸送，CESM模式均能很好地模擬出這種主要的水汽輸送特征。模式模擬的和ERA再分析的水汽通量散度之差在我國江淮地區(qū)和南海地區(qū)表現(xiàn)為水汽通量散度輻散，而陸地大多為水汽通量散度輻合地區(qū)，這與模式模擬的降水及CMAP資料的降水異常分布相一致（圖1c）。

3 結論與討論

圖6 沿105毅耀120毅E和75毅耀100毅E模式模擬的和ERA再分析的經(jīng)向垂直環(huán)流

圖7 模式模擬（a）和ERA（b）的700 hPa水汽通量（矢量，單位：kg·m/（kg·s））、水汽通量散度（等值線，單位：kg/（kg·s））及兩者之差（c）

CESM模式是新一代的地球氣候模擬系統(tǒng)，本文以CMAP降水資料及ERA-interim再分析資料為基礎對比分析了該模式對東亞地區(qū)1979—2008環(huán)流特征及降水特征的模擬效果，結果表明：CESM模式可以模擬出東亞地區(qū)降水量從海上向內(nèi)陸減少的空間分布特征及降水帶從春季到夏季由南向北逐步推進及從秋季到冬季南退的主要特征；與CMAP資料的對比可以發(fā)現(xiàn)降水的空間分布差異主要表現(xiàn)為陸地上模式模擬的降水偏多而在海洋上偏少，主要差異在青藏高原附近地區(qū)。模式模擬的雨季在低緯度地區(qū)比CMAP資料出現(xiàn)的早，降水強度偏弱，在中緯度地區(qū)比CMAP資料的結果出現(xiàn)的要晚，但強降水持續(xù)時間較長。對比分析東亞地區(qū)ERA再分析資料和CESM模式模擬的有關物理量場的分布特征顯示：模式模擬的地表溫度在陸地地區(qū)較ERA客觀分析資料的結果明顯偏低，而在海洋上則偏高；模式能模擬出200 hPa和500 hPa東亞地區(qū)大氣環(huán)流的主要特征與ERA再分析資料的主要特征一致性較好，但在西太平洋地區(qū)的200 hPa和500 hPa均出現(xiàn)異常的氣旋性環(huán)流，500 hPa的青藏高原地區(qū)出現(xiàn)反氣旋性異常環(huán)流。同時模式模擬的500 hPa西太副高向西伸展明顯至我國的江淮地區(qū)，強度偏強，這導致模式模擬的降水在該區(qū)域較CMAP資料的結果偏少。經(jīng)向垂直環(huán)流的對比分析表明，模擬的與ERA資料的經(jīng)向垂直環(huán)流最顯著差異出現(xiàn)在青藏高原地區(qū)，在青藏高原南側和北側出現(xiàn)兩支異常垂直環(huán)流，其中南側的異常垂直環(huán)流伸展高度高，范圍狹窄，與模式模擬夏季降水在青藏高原南側偏多相對應。此外CESM也能模擬出ERA資料中東亞地區(qū)的兩支主要的水汽輸送帶，并且水汽輸送模擬偏少地區(qū)與降水模擬偏少的區(qū)域相對應。

以上的對數(shù)值模擬結果的檢驗分析表明，CESM模式可以模擬出東亞地區(qū)大氣環(huán)流的主要特征及降水的季節(jié)變化的主要特征。對降水的分布和量值模擬則存在較明顯的差異，這主要是由于降水過程一般屬于中小尺度的大氣過程，其形成和發(fā)展機理極為復雜，氣候模式尤其是全球尺度的氣候模式的水平分辨率均較粗，對降水過程的物理過程描述存在明顯的不足；對比分析結果也顯示CESM模式在青藏高原復雜大地形條件下的模擬結果與ERA客觀分析結果存在較大差異，在高原南側的垂直環(huán)流差異最為顯著，這意味著該模式對復雜大地形條件下的模擬結果存在不足，在這些地區(qū)使用模式模擬結果時應仔細分析；CESM模式模擬的東亞地區(qū)的地表溫度與ERA客觀分析資料相比，陸地地區(qū)的偏低幅度大于海洋上的，Chen等[17]指出低層溫度（反映海陸熱力差異）模擬的偏差可能是造成環(huán)流模擬誤差的來源之一，這種偏差將導致模式中的海陸差異減小，進而對環(huán)流特征及降水的模擬效果產(chǎn)生影響，因此下一步的工作將是在該模式中引入客觀分析的地表溫度場，以期來改進CESM模式的模擬效果。

參考文獻：

[1]Tao S Y，Chen L X.A review of recent research on the East Asian summer monsoon in China[M].1987：60-92.

[2]黃榮輝，蔡榕碩，陳際龍，等.我國旱澇氣候災害的年代際變化及其與東亞氣候系統(tǒng)變化的關系 [J].大氣科學，2006，30（5）：730-743.

[3]賈小龍，陳麗娟，高輝，等.我國短期氣候預測技術進展[J].應用氣象學報，2013，24（6）：641-655.

[4]Song FengFei，Zhou Tianjun.Interannual variability of East Asian summer monsoon simulated by CMIP3 and CMIP5 AGCMs：Skill dependence on Indian Oceanwestern Pacific anticyclone teleconnection[J].J.Climate，2014，27（4）：1679-1697.

[5]Zou Liwei，Zhou Tianjun.Can a regionaloceanatmosphere coupled model improve the simulation of the interannual variability of the western North Pacific summer monsoon[J].J.Climate，2013，26（7）：2353-2367.

[6]王淑瑜，熊喆援5個海氣耦合模式模擬東亞區(qū)域氣候能力的初步分析［J］.氣候與環(huán)境研究，2000，9（2）：240-250援

[7]張莉，丁一匯，孫穎.全球海氣耦合模式對東亞季風降水模擬的檢驗[J].大氣科學，2008，32（2）：261-276.

[8]蘇琪驊.基于CMIP5模式在中國地區(qū)溫度與降水的模擬評估及集合預報方法研究 [D].安徽：中國科學技術大學，2017：1-51.

[9]Song FengFei，Zhou Tianjun，Qian Yun.Responses of East Asian summer monsoon to natural and anthropogenic forcing in the 17 latest CMIP5 models[J].Geophys.Res.Lett.，2014，41（2）：596-603.

[10]韓春鳳，劉健，王志遠援通用地球系統(tǒng)模式對亞洲夏季風降水的模擬能力評估援氣象科學，2017，37（2）：151-160援

[11]Danabasoglu G，Bates S C，Briegleb B P，et al.The CCSM4Ocean Component[J].JournalofClimate，2012，25（5）：1361-1389.

[12]Zhang G J，Norman A.McFarlance.Sensitivity of climate simulations to the parameterization of cumulus convection in the Canadian climate centre general circulation model[J].Atmosphere-Ocean，1995，33（3）：407-446.

[13]Xie P.，Arkin P.Global precipitation：a 17-year monthly analysis based on gauge observations，satellite estimates，and numerical model outputs[J].Bull.Amer.Meteor.Soc.，1997，78：2539-2558.

[14]田雨潤，李國平，劉云豐.三種再分析資料計算青藏高原大氣熱源的比較[J].沙漠與綠洲氣象，2017，11（4）：1-8.

[15]白磊.ERA-interim和NCEP/NCAR再分析數(shù)據(jù)氣溫和氣壓值在中天山山區(qū)適用性分析 [J].沙漠與綠洲氣象，2013，7（3）：51-56.

[16]聶肅平，羅勇，李偉平，等.一套新的30年全球臺站逐日降水資料集：質(zhì)量控制與評估 [J].氣候變化研究進展，2011，7（4）：235-242.

[17]Chen Q Y，Yu Y Q，Qian Y F.Simulation of the 100hPa South Asian summer monsoon with IAP CGCM.Advances in Atmospheric Sciences，1997，14（4）：461-472.