江 穎，張明俊，鄒小松，孟曉文，楊子凡，隆 霄

（1.福州市氣象局，福州350008；2.閩侯縣氣象局，福建 閩侯 350108；3.閩清縣氣象局，福建 閩清 350800；4.中國人民解放軍95810部隊(duì)氣象臺(tái)，北京 100076；5.酒泉衛(wèi)星發(fā)射中心，甘肅 酒泉 735000；6.蘭州大學(xué)，蘭州 710000）

東亞地區(qū)東臨太平洋，西為青藏高原，地形和地貌條件多樣，氣候系統(tǒng)復(fù)雜，是全球受災(zāi)害氣候影響嚴(yán)重地區(qū)。氣候?yàn)?zāi)害包括洪澇災(zāi)害、熱浪、干旱等，常造成巨大的生命與財(cái)產(chǎn)損失，嚴(yán)重影響著人們的生活、生產(chǎn)和經(jīng)濟(jì)發(fā)展。在全球變暖的氣候背景下，災(zāi)害事件表現(xiàn)出頻率增多、程度增強(qiáng)的趨勢(shì)。天氣與氣候?yàn)?zāi)害帶來的經(jīng)濟(jì)損失很大一部分是由干旱和洪澇造成的［1］。在東亞地區(qū)，夏季降水占到全年降水的50%以上，而夏季降水異常對(duì)旱澇發(fā)生頻率、強(qiáng)度以及區(qū)域分布都有重要的影響。研究東亞地區(qū)夏季降水的時(shí)空變化規(guī)律，對(duì)旱澇預(yù)測以及防災(zāi)減災(zāi)有著重要的指導(dǎo)意義。

氣候模式是世界各大氣候預(yù)測業(yè)務(wù)部門的主要根據(jù)，是模擬和預(yù)估氣候變化的重要工具，其模擬結(jié)果在環(huán)境、農(nóng)業(yè)和生態(tài)等各個(gè)領(lǐng)域廣泛應(yīng)用［2-4］。全面、系統(tǒng)地評(píng)估氣候模式對(duì)東亞地區(qū)的模擬能力有重要意義［5］。CESM（Community Earth System Model）模式是由美國國家大氣研究中心（The National Center for Atmospheric Research）開發(fā)的新一代地球氣候系統(tǒng)耦合模式，在國際中被廣泛使用，在氣候與環(huán)境的演變、人類與氣候變化等方面都具有較好的模擬效果。由于氣候系統(tǒng)的復(fù)雜性，氣候模式結(jié)果存在不確定性［6］，模式的不完善是其原因之一，深入研究模式對(duì)東亞地區(qū)氣候模態(tài)的變化，具有十分重要的意義。Pan等［7］、Druyan等［8］和Horel等［9］將長期的模式積分分成一系列短時(shí)間間隔的數(shù)值積分后，模擬誤差明顯減少，即不斷更新初始場可以改善氣候模式的模擬結(jié)果。全球地表溫度上升，氣候變暖，由此導(dǎo)致海平面上升、水圈循環(huán)變化、海洋酸化、極端天氣和氣候事件頻率和強(qiáng)度增加等一系列的氣候和環(huán)境變化，在對(duì)氣候較為敏感和脆弱的地區(qū)更明顯［10，11］。江穎等［12］分析表明CESM模式對(duì)地表氣溫的模擬存在較為明顯誤差，因此，不斷利用地表氣溫的分析場更新CESM模式的模擬場，對(duì)比分析更新和未更新地表氣溫對(duì)東亞地區(qū)夏季物理量場氣候特征的影響。

1 材料和方法

資料包括歐洲中期天氣預(yù)報(bào)中心（The European Centre for Medium-Range Weather Forecasts）的再分析數(shù)據(jù)ERA-interim資料（ERA資料）、CMAP（Climate Prediction Center Merged Analysis of Precipitation）逐月降水資料和美國國家環(huán)境預(yù)報(bào)中心（National Cen?ters for Environmental Prediction，NCEP）提供的FNL客觀分析資料（NCEP再分析資料）。利用CESM模式對(duì)東亞地區(qū)氣候進(jìn)行數(shù)值模擬，便于與模擬結(jié)果對(duì)比，將CMAP降水資料、ERA資料及NCEP再分析資料采用雙線性插值的方法處理成1.9°×2.5°水平分辨率格點(diǎn)，與CESM模式水平網(wǎng)格點(diǎn)相匹配。

模式是CESM1.2.0，大氣模塊為CAM4，陸面模塊為CLM4，海洋模塊為POP2。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°×2.5°gxlv6，其中大氣和陸面模塊的水平分辨率為1.9°×2.5°（緯向×經(jīng)向），垂直方向總共26層，為混合坐標(biāo)；海洋和陸冰模塊水平分辨率約為1°×1°，垂直方向采用z坐標(biāo)系，分為60層。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(qiáng)迫下進(jìn)行，其中溫室氣體CO2、CH4、N2O的體積溶度分別為2.874×10-4、7.916×10-7、2.757×10-7。氣溶膠溶度和土壤利用為NCAR給定的1850年強(qiáng)迫場。數(shù)值試驗(yàn)分為兩組，其中以1979年1月1日00：00（GMT，下同）為初始場，從1979年1月1日開始連續(xù)積分30年至2008年12月31日（未更新試驗(yàn)）。更新地表氣溫試驗(yàn)將NCEP再分析資料的1979—2008年2.5°×2.5°的再分析資料處理到1.9°×2.5°模式水平分辨率的網(wǎng)格點(diǎn)上，并更新到CESM模式當(dāng)中。在CESM模式模擬過程中將地表氣溫場（tobssfc）作為“真實(shí)”場，每天00：00時(shí)更新CESM模式模擬的地表氣溫（tmodsfc）進(jìn)行數(shù)值積分至2008年12月31日24：00（簡稱更新試驗(yàn)）。

2 結(jié)果與分析

2.1 溫度場特征分析

未更新與更新試驗(yàn)?zāi)M的1979年1月1日至2008年12月31日平均地表氣溫模擬結(jié)果基本一致，差異主要出現(xiàn)在青藏高原地區(qū)，更新試驗(yàn)?zāi)M的青藏高原地區(qū)的地表氣溫要高于未更新試驗(yàn)的模擬結(jié)果。對(duì)比兩次試驗(yàn)?zāi)MERA，再分析資料地表氣溫差，可以看出，引入地表氣溫后CESM模式模擬的結(jié)果與ERA再分析資料的結(jié)果更接近。更新試驗(yàn)和未更新試驗(yàn)?zāi)M地表氣溫與ERA再分析資料的地表氣溫的統(tǒng)計(jì)結(jié)果（表1、表2）顯示，CESM模式模擬過程中不斷更新地表氣溫后，與ERA再分析資料的相關(guān)系數(shù)達(dá)0.96，比未更新試驗(yàn)?zāi)M結(jié)果的相關(guān)系數(shù)（0.91）要高，更新地表氣溫后模擬結(jié)果與ERA再分析資料的絕對(duì)誤差為0.37℃，比未更新試驗(yàn)?zāi)M結(jié)果的絕對(duì)誤差0.99℃降低0.62℃，模擬結(jié)果得到顯著提高。顧震潮［13］指出，僅僅是地面溫壓場的演變完全蘊(yùn)含了斜壓大氣三維溫壓場的結(jié)構(gòu)，地表氣溫模擬結(jié)果的改善對(duì)于大氣的風(fēng)場、降水等物理量的模擬結(jié)果也會(huì)產(chǎn)生影響，以下對(duì)有關(guān)物理量場的影響展開分析。

表1 更新試驗(yàn)?zāi)M與未更新試驗(yàn)?zāi)M各物理量的相關(guān)系數(shù)

表2 更新試驗(yàn)?zāi)M與未更新試驗(yàn)?zāi)M各物理量的絕對(duì)誤差

2.2 降水場特征分析

更新試驗(yàn)和未更新試驗(yàn)?zāi)M的1979—2008年7月平均降水場分布模擬值基本一致，主要差異出現(xiàn)在青藏高原地區(qū)，更新試驗(yàn)?zāi)M降水明顯少于未更新試驗(yàn)的模擬結(jié)果。從兩者差可以看出，7月，東亞東部地區(qū)降水差成“正-負(fù)-正”分布。與未更新試驗(yàn)的模擬結(jié)果相比，更新試驗(yàn)的模擬結(jié)果對(duì)中國南方大部分地區(qū)以及西太平洋，尤其是青藏高原附近的降水分布相對(duì)偏?。辉谥袊A北、東北東部以及南海附近的相對(duì)偏大。從CMAP資料與未更新試驗(yàn)?zāi)M降水量之差的水平分布得出，更新試驗(yàn)?zāi)M的降水場分布與CMAP資料更為接近。統(tǒng)計(jì)結(jié)果（表1、表2）顯示，更新試驗(yàn)?zāi)M結(jié)果與CMAP資料的相關(guān)系數(shù)達(dá)到0.76，明顯高于未更新試驗(yàn)?zāi)M結(jié)果的相關(guān)系數(shù)（0.65）；更新試驗(yàn)絕對(duì)誤差為2.31 mm/月，低于未更新試驗(yàn)?zāi)M結(jié)果的絕對(duì)誤差（2.42 mm/月），表明更新試驗(yàn)對(duì)降水的模擬效果得到明顯改善。

降水季節(jié)進(jìn)退的模擬是評(píng)估模式模擬效果的一個(gè)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(jié)果，對(duì)1979—2008年逐月平均降水結(jié)果沿105°E—120°E進(jìn)行空間平均（22°N—40°N主要表征中國大陸地區(qū)，5°N—21°N表征南海地區(qū)）得到該地區(qū)降水的時(shí)間緯度變化（圖1），對(duì)比分析兩個(gè)試驗(yàn)?zāi)M降水的季節(jié)變化特征。從圖中可以看出，更新試驗(yàn)和未更新試驗(yàn)均能模擬出降水由南向北推進(jìn)的特征。在低緯地區(qū)（8°N—21°N）未更新試驗(yàn)?zāi)M的強(qiáng)降水階段為6—10月，最大降水量為250 mm，更新試驗(yàn)的強(qiáng)降水出現(xiàn)在5—9月，在7、8月出現(xiàn)降水最多值，達(dá)到300 mm左右，較未更新試驗(yàn)的雨季偏早，雨量偏多；21°N—45°N區(qū)間未更新試驗(yàn)和更新試驗(yàn)的模擬結(jié)果均顯示降水在5—9月有從南向北的推進(jìn)的特征。在中緯度（26°N—32°N）地區(qū)，更新試驗(yàn)和未更新試驗(yàn)在3—4月降水顯著增多，未更新試驗(yàn)的強(qiáng)降水中心出現(xiàn)在5月中下旬，降水強(qiáng)度為250 mm，更新試驗(yàn)?zāi)M的強(qiáng)降水中心出現(xiàn)在4月底5月初，強(qiáng)度達(dá)350 mm，出現(xiàn)視角較未更新試驗(yàn)時(shí)間早，強(qiáng)度偏強(qiáng)。在中高緯（32°N—38°N）地區(qū)，更新試驗(yàn)在8—9月存在一個(gè)降水中心大值，可達(dá)200 mm。總體來說，相對(duì)于未更新試驗(yàn)，更新試驗(yàn)在5°N—55°N區(qū)間內(nèi)強(qiáng)降水出現(xiàn)時(shí)間偏早，降水強(qiáng)度偏大，模擬結(jié)果與CMAP降水資料的變化特征更為接近。

2.3 風(fēng)場特征分析

1979—2008年7月更新試驗(yàn)和未更新試驗(yàn)?zāi)M的200 hPa風(fēng)場分布，兩者均模擬出在夏季200 hPa南亞高壓未更新東亞大部分地區(qū)的主要特征。更新試驗(yàn)與未更新試驗(yàn)的模擬結(jié)果差主要表現(xiàn)為，在中國以西為一個(gè)強(qiáng)的異常氣旋性環(huán)流，在中國東部，南北方向?yàn)閮蓚€(gè)反向的環(huán)流，南邊為氣旋性環(huán)流，北邊為反氣旋性環(huán)流，這與ERA再分析和未更新試驗(yàn)之差的結(jié)果一致。更新試驗(yàn)?zāi)M的200 hPa緯向風(fēng)和經(jīng)向風(fēng)與ERA再分析資料的相關(guān)性分別為0.95和0.72，均高出未更新試驗(yàn)?zāi)M結(jié)果的統(tǒng)計(jì)結(jié)果（緯/經(jīng)向風(fēng)0.91/0.68）4個(gè)百分點(diǎn)；絕對(duì)誤差的統(tǒng)計(jì)顯示，更新試驗(yàn)?zāi)M的緯向風(fēng)和經(jīng)向風(fēng)的絕對(duì)誤差分別為0.22和0.12 m/s，均小于未更新試驗(yàn)?zāi)M結(jié)果的絕對(duì)誤差（緯向風(fēng)0.35 m/s，經(jīng)向風(fēng)0.13 m/s），說明更新試驗(yàn)的模擬結(jié)果較未更新試驗(yàn)?zāi)M的200 hPa風(fēng)場有一定改進(jìn)。

在對(duì)流層中層500 hPa夏季東亞地區(qū)風(fēng)場和高度場的分布，東亞東部地區(qū)主要有西太平洋副熱帶高壓，未更新試驗(yàn)和更新試驗(yàn)?zāi)M的西太平洋副高強(qiáng)度基本一致，但未更新試驗(yàn)?zāi)M的586線西脊點(diǎn)位于105°E，更新試驗(yàn)?zāi)M的位于108°E左右，較未更新試驗(yàn)偏東。更新試驗(yàn)?zāi)M的環(huán)流形勢(shì)與未更新試驗(yàn)?zāi)M的差主要表現(xiàn)在西太平洋地區(qū)出現(xiàn)一個(gè)反氣旋性環(huán)流，與ERA再分析和未更新試驗(yàn)差在西太平洋地區(qū)出現(xiàn)反氣旋環(huán)流相吻合。結(jié)合降水場分析可得出，更新試驗(yàn)?zāi)M的西太平洋地區(qū)降水減少以及南海和日本群島降水增多與200 hPa和500 hPa出現(xiàn)的異常環(huán)流相對(duì)應(yīng)。更新試驗(yàn)?zāi)M的500 hPa緯/經(jīng)向風(fēng)與ERA再分析資料的相關(guān)系數(shù)為0.96/0.74，高于未更新試驗(yàn)的模擬結(jié)果（0.94/0.68），計(jì)算的絕對(duì)誤差（緯向風(fēng)0.22 m/s，經(jīng)向風(fēng)0.03 m/s）小于未更新試驗(yàn)?zāi)M結(jié)果的絕對(duì)誤差（緯向風(fēng)0.24 m/s，經(jīng)向風(fēng)0.03 m/s），說明更新試驗(yàn)提高了500 hPa風(fēng)場和高度場與“真實(shí)場”的相關(guān)性，與ERA客觀分析結(jié)果更為貼近。

對(duì)比分析更新試驗(yàn)?zāi)M的和未更新試驗(yàn)?zāi)M的經(jīng)向垂直環(huán)流（圖2）的主要特征，分析時(shí)分別沿105°E—120°E及75°E—100°E進(jìn)行緯向平均，從圖2可以看出，在105°E—120°E，更新試驗(yàn)結(jié)果與未更新試驗(yàn)結(jié)果比較一致（圖2a、圖2b）；兩者之差在5°N—18°N表現(xiàn)為從200～700 hPa高度出現(xiàn)異常的上升氣流，在21°N—29°N為從200～850 hPa出現(xiàn)異常下沉氣流，在32°N—38°N從200～700 hPa表現(xiàn)為異常上升氣流（圖2c），這導(dǎo)致更新試驗(yàn)?zāi)M的降水場在東亞地區(qū)南北出現(xiàn)正-負(fù)-正的特征，與ERA再分析和未更新試驗(yàn)差（圖2c1）的垂直分布狀況一致。在75°E—100°E，主要分析20°N—50°N青藏高原地區(qū)更新試驗(yàn)?zāi)M的與未更新試驗(yàn)?zāi)M的垂直環(huán)流的差異，在青藏高原南側(cè)23°N—32°N從200 hPa至850 hPa高度為異常的下沉氣流，在北側(cè)38°N—45°N出現(xiàn)一個(gè)明顯的異常環(huán)流，異常環(huán)流在38°N附近為下沉氣流，至750 hPa高度左右，44°N附近為上升氣流（圖2f）。與在青藏高原地區(qū)更新試驗(yàn)?zāi)M的降水場偏低相一致。

2.4 水汽通量場特征分析

水汽通量場的對(duì)比分析表明，更新試驗(yàn)?zāi)M的和未更新試驗(yàn)?zāi)M水汽通量場和水汽通量散度場，兩者差異不大，均能很好地模擬出水汽輸送特征。更新試驗(yàn)?zāi)M的水汽通量散度場在南海地區(qū)和日本島及朝鮮島地區(qū)的輻合強(qiáng)度大于未更新試驗(yàn)，印度半島和中國西北大多為水汽通量散度輻散區(qū)，更新試驗(yàn)?zāi)M的強(qiáng)度較未更新試驗(yàn)?zāi)M弱，兩者的降水異常分布相一致。與表1對(duì)比分析可發(fā)現(xiàn)，更新試驗(yàn)?zāi)M的水汽通量和水汽通量散度的分布與ERA再分析更為一致，并且更新試驗(yàn)?zāi)M的水汽通量散度與ERA再分析資料的相關(guān)系數(shù)達(dá)到0.76，明顯高于未更新試驗(yàn)?zāi)M結(jié)果的相關(guān)系數(shù)0.65，提高了11個(gè)百分點(diǎn)；更新試驗(yàn)?zāi)M的水汽通量散度的絕對(duì)誤差為7×10-5kg/（kg·s）比未更新試驗(yàn)?zāi)M結(jié)果絕對(duì)誤差11×10-5kg/（kg·s）有大幅度降低，更接近ERA再分析資料的結(jié)果。

3 小結(jié)與討論

對(duì)比分析利用CESM模式未更新和更新地表氣溫到CESM模式的模擬結(jié)果對(duì)東亞地區(qū)氣候物理量場的影響，將NCEP再分析資料地表氣溫引入CESM模式，模擬結(jié)果和主要模態(tài)較未更新試驗(yàn)的得到明顯改善。更新試驗(yàn)?zāi)M的地表氣溫、降水時(shí)空分布、風(fēng)場和水汽通量場與ERA再分析資料中的地表氣溫相關(guān)系數(shù)明顯高于未更新試驗(yàn)的相關(guān)系數(shù)，更新試驗(yàn)?zāi)M結(jié)果的絕對(duì)誤差小于未更新試驗(yàn)?zāi)M結(jié)果的絕對(duì)誤差，與ERA再分析資料更加接近。

地表氣溫是描述全球區(qū)域氣候系統(tǒng)狀態(tài)的最常用變量之一，它的變化特征蘊(yùn)含了大氣中溫室氣體、氣溶膠及土地利用等多方面變化因素。顧震潮［13］指出，地面溫壓場的演變反映也蘊(yùn)含了斜壓大氣三維溫壓場的構(gòu)造，并且決定斜壓大氣三維溫壓場的發(fā)展，因此在氣候模式中引入相對(duì)真實(shí)的地表氣溫信息后，可以降低由于氣候模式長時(shí)間積分帶來的模式誤差不確定性。