CMIP5西北太平洋气候变率的模拟评估

智海,李恺霖,周顺武

(南京信息工程大学 大气科学学院,江苏 南京 210044)



CMIP5西北太平洋气候变率的模拟评估

智海,李恺霖,周顺武

(南京信息工程大学 大气科学学院,江苏 南京 210044)

利用观测海温资料和CMIP5模式模拟结果分析西北太平洋(120°E～120°W,20～60°N)海表温度的气候态和年代际变化特征。结果表明,所选22个模式可以较好地模拟出西北太平洋海表温度的气候特征及其年际、年代际变化特征;模式模拟的海表温度总体标准偏差在黑潮延伸体区域最大;绝大多数模式能模拟出海表温度的第一EOF模态;西北太平洋海表温度具有较明显的年代际振荡现象,13/22的模式模拟的海表温度存在明显的年代际振荡,同时海表温度气候态的模拟偏差对其周期振荡模拟的影响较大,尤其在黑潮延伸体区域。

CMIP5;西北太平洋;气候变率;海表温度

0 引言

对于东亚的气候而言,无论是东亚夏季风还是冬季风,都存在着明显的年代际变化(李建平等,2013)。例如在1980—2000年太平洋年代际振荡(Pacific Decadal Oscillation,PDO)处于正位相,多发生较强的厄尔尼诺,呈现为东亚夏季风减弱的态势,中国夏季长江流域降水异常增多,俗称南涝北旱(赵平和周秀骥,2006),而在2000—2013年近十年期间PDO为负位相,多发生较强的拉尼娜,呈现为东亚夏季风增强的态势,中国夏季北方地区降水异常增多,俗称北涝南旱(顾薇和李崇银,2010;刘海文等,2012),PDO对东亚气候的年代际变化有着至关重要的影响(Li et al.,2010;Zhu et al.,2011)。

太平洋年代际振荡是近年来所发现的年代际时间尺度上的强信号(Mantua et al.,1997)。自从这一现象被发现以来,就在学界受到极大的关注:一方面,PDO是叠加在长期气候趋势上变化上的扰动,可直接造成包括我国在内的太平洋地区气候的年代际变化(马柱国和邵丽娟,2006;朱益民等,2007;Yoon and Yeh,2010;李崇银等,2011;余斌等,2011;李明刚等,2012);另一方面PDO又是年际变率的重要背景,对于年际变化(如ENSO)有重要的调制作用(Zhang et al.,1997;Alexander and Barnett,1998;McCabe and Dettinger,1999;Mantua and Hare,2002;杨修群等,2004;Schneider and Cornuelle,2005;孙晓娟等,2011;Wang et al.,2012;张福颖等,2012;Chen et al.,2013)。大量的观测资料和分析表明:在1976/1977年前后北太平洋海洋大气状况出现了一次显著的年代际形态转变(Trenberth,1990)。在海洋方面,热带中东太平洋海表温度(sea surface temperature,SST)出现年代际异常增暖,而在北太平洋中西部SST却异常变冷,阿拉斯加湾及北美西岸SST增加。而海洋上的这种变化对应着大气上的变化体现在:北太平洋地区海平面气压(sea level pressure,SLP)和500 hPa高度场明显降低,阿申低压异常加深、东移并偏南(杨修群等,2004)。研究还发现,类似于20世纪70年代末的气候突变同样发生在20世纪20和40年代,而且近期的研究还发现了从1998—2002年的冬季的一些异常特征也可以用年代际振荡来解释(Bond et al.,2003)。

海洋是大气的加热场,具有相当大的热容量及缓慢变化的特性,因此在研究气候年代际时间尺度自然变率时海洋的年代际变化受到广泛关注。而大气系统直接受SST的强迫,因此首先要认识年代际时间尺度上SST的分布型式和变率(李泓和李丽平,2001)。但是由于各种各样资料的限制和观测手段的缺乏,随着技术手段的发展气候模式越来越成为研究年代际气候变化的有效工具。但是,虽然气候系统模式是气候变化模拟和预估的有力工具,但其可靠性一直是人们关注的问题,世界气候研究计划已经组织了多次耦合模式比较计划(CMIP),旨在统一的框架下开展多模式比较(郭彦等,2013)。2008年耦合模拟工作组(WGCM)与国际地学生物圈计划(IGBP)的地球系统积分与模拟(AIMES)计划联合召开会议,决定合作推动新一轮的气候模式比较研究计划CMIP5(Taylor et al.,2012)。新一轮计划依然是以CMIP3为基础,但是又做了许多改进,特别是改进物理参数化和提高模式分辨率,目前的气候模式已不是单纯比较模式模拟变量的能力,而是发展到进一步深入考察模式对物理过程和因子的模拟能力,即研究模式物理的真实性。

一直以来,太平洋海温变率主导模态评估和预估的研究较少,Overland et al.(2007)用10个IPCC AR4模式在未来全球变暖情景下预估了未来北太平洋年际振荡的变化,模式集合的结果指出未来北太平洋全海盆增暖,SST的空间型态没有变化。IPCC AR4模式对热带太平洋和北太平洋海温的年代际可预报性模拟较差,这是由于北太平洋SST从季节到年代际的变化不仅仅起源于红噪声同时起因于ENSO中转变成红噪声的信号(Newman et al.,2003)。Furtado et al.(2011)指出IPCC AR4模式中北太平洋海温模态在时空特征上都与观测结果有着显著的差别,这是因为模式捕捉北太平洋主导模态动力过程的能力值得怀疑。Meehl et al.(2013)研究指出特别是在热带太平洋,与海温的线性趋势不同的模态往往会在中断数十年后呈现出相反的相位。更进一步的研究表明,通过对北太平洋黑潮区海平面高度的研究,能进行对黑潮变化的预测(Qiu et al.,2014)。李根(2012)发现在利用CMIP3不同耦合模式模拟热带气候态SST时存在着非常大的模式差异,这种差异甚至超过了实际SST的变化。孙龚(2013)对比了CMIP3和CMIP5对北太平洋海温变率前两个模态的模拟结果,指出不论是CMIP3还是CMIP5对于时间特征基本没有模拟能力。模式的模拟性能主要表现为两个方面:一是气候态,二是气候变率。对气候态的模拟在一定程度上表征了模式在一定时间尺度下对气候背景的模拟能力,而合理的模拟出年际变率才能利用模式对未来气候进行有效的预估(张宏芳,2011)。

因此本文拟利用CMIP5的实验结果,评估气候模式对西北太平洋上层海温的变率模拟。针对挑选出的22个模式的piControl实验结果,通过分析海温的气候态、气候变率及模式与模式之间的模拟不确定性,评估各个模式以及模式的集合平均对于西北太平洋年代际变率的模拟能力。并通过揭示西北太平洋气候变率的特征来探究影响西北太平洋年代际变化的可能因素。

1 资料与方法

采用的观测资料是来自NCEP/NCAR的ERSST(Improved Extended Reconstruction Sea Surface Temperature,ERSST)再分析资料(Smith and Reynolds,2004)。该资料是基于最新的ICOADS SST数据,釆用改良的统计方法重新构建而成的逐月资料,可追溯至1854年1月,水平空间分辨率是2°×2°,并且扣除了全球变暖的趋势。

图1 观测和模拟的西北太平洋年海表温度气候态(等值线;单位:℃)及其差值分布(模拟结果减观测结果;彩色阴影区,单位:℃)Fig.1 Observed and simulated climatologies of SST(contours;units:℃) in Northwest Pacific and their differences(simulations minus observations;color shadings,units:℃)

使用来自CMIP5的22个模式资料,模式的实验是piControl实验(工业革命前控制实验),主要用来估计模式的非强迫变率和诊断非强迫系统的气候漂移。本文采用的piControl实验的设计目的是在不考虑外界强迫和全球变暖的情形下研究气候本身的内部变率。实验将太阳常数、温室气体、气溶胶和臭氧等强迫资料固定在1850年前后(Taylor et al.,2012)。模式选取的资料是模式模拟实验的最后100 a的资料。资料选取的范围是120°E～120°W、20～60°N的西北太平洋区域。由于不同模式之间水平分辨率各不相同,为了便于与模式进行比较,把观测资料和所有的模式资料全部插值为1°×1°规则网格。

模式对气候态的模拟在一定程度上表征了模式在一定时间尺度下对气候背景的刻画能力,采用Taylor图评估方法对气候态进行评估;对年际变率的模拟能力是模式模拟能力的重要体现之一,使用EOF和功率谱分析方法对年际变率进行评估。

2 CMIP5模式气候态模拟结果

海温是对气候直接产生影响的海洋要素,并因此影响天气和气候的变化,图1从整体上来看,SST呈现出很明显的南暖北冷的分布形式。从集合平均的结果看来误差控制的很好,误差数值都在0 ℃左右。而从模式与观测之间的差值可以看出,从总体上模式与观测之间的误差在-4～2 ℃之间,但有个别模式在个别地区出现了比较大的偏差。12/22的模式把误差控制在了0 ℃左右,其中NorESM1-ME、NorESM1-M这两个模式控制的比较好。7/22的模式在日本东部都有着SST的偏高中心,以EC-EARTH偏高的较多。与模式有着明显偏高中心相对应的是IPSL-CM5B-LR,IPSL-CM5B-LR在日本东部的SST明显偏低。

为了更直观地看出各个模式对于气候态模拟的优劣程度,图2给出了Taylor图。Taylor图是用来衡量模式模拟能力的图形,各个数字代表模式的编号,数字的方位角表示模式与观测的空间相关系数,数字与原点的距离表示模式与观测的标准差之比。REF表示观测,越接近REF表示模拟的效果越好。从Taylor图中可以看出几乎所有模式的模拟结果都集中在REF附近,并且所有模式的相关系数都在0.95以上,说明模式对海洋气候态模拟的效果较好,各个模式间的差别不大。

图3 22个模式集合平均的海表温度总体标准偏差(单位:℃)Fig.3 Total standard deviation of SST for the ensenble mean of 22 models(units:℃)

图2 22个模式及模式集合平均的标准化西北太平洋海表温度的Taylor图Fig.2 Taylor diagram of normalized SSTs over Northwest Pacific for the 22 models and their ensemble mean

为了直观了解模式与模式之间对于不同海区的模拟差异,图3所给出的是多模式集合平均及其22个模式的总体标准差空间分布,从图中看出低纬度太平洋地区的数值很小,基本上都在1以下。中高纬度太平洋大部分区域的数值在1～2之间,但是在日本黑潮延伸体、日本海西部、黄海东部各个模式模拟的偏差较大。这是由于黑潮是全球最强的西边界流之一,活动活跃(谷德军,2004),而黄海由于有黄海暖流这一支输运外海高盐水的流动导致变率较大(汤毓祥,2001)。另外由于海气耦合模式中,模拟结果和观测的差别在耦合模式中会通过海气相互作用被放大,差别大的基本上是在海陆边界处(陈克明等,1997;闵锦忠等,2000)。基于以上的原因,故这些区域模式与模式之间模拟差异比较大,该区域的不确定性强。

图4 西北太平洋海表温度的标准偏差(单位:℃)Fig.4 Standard deviations of SST over Northwest Pacific(units:℃)

3 CMIP5模式气候变率模拟结果

3.1 标准差

标准差往往被用来描述数据的离散程度,对于海温计算标准差可以表征海温的变化情况。图4给出的是西北太平洋海表温度时间序列的标准差示意图。从整体上来看,近100 a来西北太平洋海表温度都有着普遍的变化。从观测中可以看出SST变率最大的地区的在日本西部的日本海、黄海以及黑潮延伸体一带。另外在日本东部的黑潮分支和黑潮延伸体的区域,SST的变率也比较明显。对于集合平均来说SST变率最明显的地方是在中国的黄海、日本海西部这一带,但是却没有模拟出鄂霍次克海的变率。有15/22的模式对于在黄海的SST标准模拟的比较好;13/22的模式都对日本海区域的SST标准差的强度和范围都模拟的比较好;16/22的模式模拟出在日本海海域和黄海海域标准差高值中心的情形。而对于黑潮延伸体的SST标准差模拟,20/22的模式模拟了出来,但是在强度上有所差异,不同的模式之间模拟的范围还有较大差距。CanESM2、CNRM-CM5、IPSL-CM5A-LR、IPSL-CM5A-MR、IPSL-CM5B-LR这四个模式在黑潮延伸体有着明显的大值区,强度大范围广,强度达到了6 ℃。MRI-CGCM3在黑潮延伸区的强度也很强,也达到了6 ℃,但范围稍小。NorESM1-ME、NorESM1-M这两个模式所模拟出的变率较小,只有4 ℃。

图5给出的是经过标准化处理后的22个模式及集合平均的西北太平洋海表温度空间分布标准差Taylor图。在图中可以看出所有模式的空间相关系数都达到了0.9以上,CESM1(BGC)的空间相关系数更是超过了0.98,这说明模式对空间形态的模拟较好。6/22的模式标准差之比在1以上。

图5 22个模式及模式集合平均的标准化西北太平洋海表温度标准偏差的Taylor图Fig.5 Taylor diagram of standard deviations of normalized SST over Northwest Pacific for the 22 models and their ensemble mean

图6 西北太平洋海表温度的EOF第一空间模态Fig.6 Spatial patterns of the first EOF mode of SST over Northwest Pacific

3.2 经验正交函数(EOF)

经验正交函数(EOF)能把随时间变化的变量场分解为不随时间变化的空间函数部分以及只依赖时间变化的时间函数部分,从而更好地对海温的特征进行分析。图6给出的是经过EOF分解后的西北太平洋海表温度的第一模态的空间型。无论是观测资料还是模式资料都反映出PDO的分布形态。但是由于模式性能的差异,在EOF分解的时候,其有些模式的模态相对观测出现了漂移,与观测相比相差较大,但为了整体评估选择的CMIP5模式,把结果放在一起比较,也说明了模式之间在模拟年际变化之间的优劣。从观测中我们可以看出负值中心在西北太平洋中部,同时负值的范围很大,而在北美的沿岸是正的大值区,空间第一模态基本上以40°N为中心南北对称分布。对于模式集合平均来说,零线的走向和观测的走向基本一致,对于中心的位置来说集合平均的中心位置在日本以东的海面上,而在北美的西岸也呈现类似于带状的分布,但是这种分布的范围和强度与实际观测存在着比较大的差异。对于另外的22个模式来说,分布型基本上也是以40°N为中心南北对称分布,零线的位置基本上走向一致。对于中心的模拟,大多数模式模拟中心的位置偏北,而且模式与模式之间模拟的效果相差巨大。17/22的模式的中心在日本东部,并且向太平洋东部延伸,其中ACCSEE1.0、BCC-CSM1.1、MPI-ESM-LR在日本东部的中心模拟的数值较大,以MPI-ESM-LR模拟的数值为最大。几乎所有的模式都没能很好的模拟出北美沿岸的正值区带状分布。

图7所给出的是西北太平洋EOF第一模态是时间序列,为了便于比较,事先进行了标准化处理。从观测资料的EOF中可以看出,EOF第一模态的时间序列存在着明显的振荡现象,不论是正位相还是负位相都有着比较大的振幅。对于集合平均来说振幅很小,基本上观察不到正负相位的变化。从另外的23个模式中可以看出各个模式之间有着正负位相的分布。并且各个模式的振幅都不尽相同,但是比起观测值振幅来说,所有的模式振幅都比实际的情况要来的小。观测的最大正振幅达到了0.023,负振幅也达到了-0.022,所有模式的正负振幅都在-0.020～0.020之间。

图7 西北太平洋海表温度EOF第一模态的标准化时间序列Fig.7 Normalized time coefficients of the first EOF mode of SST over North Pacific

表1给出的是各个数据的模态所对应的方差贡献率。从观测数据中可以看出:第一模态的方差贡献率为22.3%。而集合模式中第一模态的贡献率为13.6%。对于22个模式而言一共有14/22的模式第一模态的方差贡献率小于20%,8/22的模式贡献率大于20%,其中CCSM4、NorESM1-ME、NorESM1-M这三个模式的贡献率超过30%。

3.3 功率谱分析

功率谱分析是用来分析周期的一种方法,能帮助我们更加深入的了解海温的性质。图8给出的是观测资料、22个所选取模式以及模式集合平均的功率谱分析。虚线表示的是95%的置信区间。从第一张观测图中可以看出,西北太平洋海表温度存在这一个大约8 a左右的振荡周期,同时还可能存在着长达50 a以上的振荡周期。以下这几个模式超过了置信线,存在着比较明显的周期ACCSEE1.0、CanESM2、CESM1(BGC)、CNRM-CM5、GFDL-CM3、GFDL-ESM2G、HadGEM2-ES、INM-CM4、IPSL-CM5A-MR、IPSL-CM5B-LR、MPI-ESM-P、NorESM1-ME、NorESM1-M,它们对应的周期分别为:15、16、5、5、20、15、14、25、5、15、15、5、6 a。呈现出明显周期的年份以20 a左右的周期为最多。但是相比较于在气候态上模拟能力较好的集合平均来说,它在功率谱上没有存在着明显的周期,集合的模拟能力甚至比不上单个模式的模拟能力。通过对于气候态的分析,气候态差异最大的地区是黑潮延伸体,对模式总体标准偏差的分析可以看出模式之间不确定性最强的区域是在日本海的西部、黄海的东部以及黑潮延伸体,尤其以黑潮延伸体的不确定性最强,不确定的范围最广。而通过各个模式间的海表温度标准差可以看出各个模式的变率在这些区域的变率也普遍较大。但是对于黑潮延伸体气候态偏差较大的CanESM2、EC-EARTH、IPSL-CM5B-LR的这3个模式中有两个有比较明显的周期;CanESM2、CNRM-CM5、 IPSL-CM5A-LR、IPSL-CM5A-MR 、IPSL-CM5B-LR、MRI-CGCM3这6个模式的时间变率比较大,其中有4个模式有明显的周期。反观黑潮延伸体变率最小的NorESM1-ME、NorESM1-M这两个模式并没有明显的周期。因此气候态模拟的差异对SST周期振荡的影响比较小,而黑潮延伸体变率的大小会很明显的影响到SST的振荡周期。

表1 西北太平洋海表温度EOF第一模态的方差贡献率

Table 1 Variance contributions of the first EOF mode of SST over North Pacific

编号名称第一模态方差贡献率/%编号名称第一模态方差贡献率/%1observe22.313HadGEM2-AO14.92Ensemble13.614HadGEM2-CC15.43ACCESS1.015.915HadGEM2-ES15.64BCC-CSM1.124.916INM-CM418.35CanESM224.417IPSL-CM5A-LR19.36CCSM432.418IPSL-CM5A-MR20.77CESM1(BGC)28.519IPSL-CM5B-LR19.88CNRM-CM516.820MPI-ESM-LR17.89EC-EARTH17.321MPI-ESM-P19.610GFDL-CM318.822MRI-CGCM317.011GFDL-ESM2G18.823NorESM1-ME31.612GFDL-ESM2M23.724NorESM1-M32.6

图8 西北太平洋海表温度EOF第一模态时间系数的功率谱分析(虚线表示95%置信水平)Fig.8 Power spectrum analysis of time coefficients of the first EOF mode of SST over North Pacific(Dotted lines represent 95% confidence level)

4 结论

本文从西北太平洋SST的年代际变化入手,利用ERSST海温资料以及CMIP5的piControl试验的22个模式资料以及这22个模式的集合平均,重点研究了西北太平洋SST的气候态特征、时空变率以及周期,得到了如下几个结论:

1)气候态上观测与模式之间呈现着南暖北冷的带状分布型,各个模式之间对于气候态的模拟效果很好。从气候态的偏差上来看模式的集合平均偏差很少。12/22的模式把误差控制在了0 ℃左右,其中NorESM1-ME、NorESM1-M模拟较好。7/22的模式在日本东部都有着SST偏高中心,以EC-EARTH偏高的较多。IPSL-CM5B-LR在日本东部的SST与却明显的偏低了。

2)通过分析22个模式以及集合平均的时空变率,在空间上在中低纬度模式与模式之间的模拟的差异小,不确定性小。但是在黑潮延伸体和海岸线部分却有着大值区,因此在这些区域模式之间的差异比较大,不确定性大。模式的集合平均对于时间变率的模拟相比于各个模式没有很明显的优势。

3)对以上资料进行EOF分解,对于ERSST海温资料第一模态的方差贡献率为22.3%。GFDL-ESM2M最接近实际的方差贡献率为23.7%,CCSM4、NorESM1-ME、NorESM1-M这三个模式的贡献率超过30%,而集合模式中第一模态的贡献率仅为13.6%。13/22的模式存在着明显的周期,周期从5～15 a之间,集合模式对于周期完全没有模拟能力,这是由于耦合模式的不受外部强迫所造成的。周期对于气候态差异的响应较弱,对于黑潮延伸体高变率的响应较强。

CMIP5中的piControl实验排除了外界的影响,忽略了全球变暖的影响,注重研究了气候系统本身的变率,对于气候态的模拟不同模式之间的差异比较少,但是当进行更加深入的研究时,模式与模式之间却出现了巨大的差异,因此下一步要进一步研究模式的之间不同的物理参数化方案通过更好的参数化方案的选取来尽可能揭示太平洋年代际振荡可能的物理过程。

Alexander G,Barnett T P.1998.Interdecadal modulation of ENSO teleconnections[J].Bull Amer Meteor Soc,79(12):2715-2725.

Bond N A,Overland J E,Michael S,et al.2003.Recent shifts in the state of the North Pacific[J].Geophys Res Lett,30(23):1-4.

陈克明,金向泽,张学洪.1997.关于海气耦合模式气候漂移及敏感性的一点探讨[J].海洋学报,19(2):38-51. Chen Keming,Jin Xiangze,Zhang Xuehong.1997.A discuss of coupledocean-atmosphere model climate drift and its sensitivity[J].Acta Oceanologica Sinica,19(2):38-51.(in Chinese).

Chen W,Juan F,Wu R G.2013.Roles of ENSO and PDO in the link of the East Asian winter monsoon to the following summer monsoon[J].J Climate,26(2):622-635.

Furtado,Jason C,Lorenzo D E,Schneider N,et al.2011.North Pacific decadal variability and climate change in the IPCC AR4 models[J].J Climate,24(12):3049-3067.

谷德军,王东晓,袁金南.2004.黑潮输送的异常及其与大尺度海气相互作用的关系[J].热带海洋学报,23(6):30-39. Gu Dejun,Wang Dongxiao,Yuan Jinnan.2004.Anomalous transport of Kuroshio and its relationship with large scale atmosphere-sea interaction[J].Journal of Tropical Oceanography,23(6):30-39.(in Chinese).

顾薇,李崇银.2010.IPCC AR4中海气耦合模式对中国东部夏季降水及PDO、NAO年代际变化的模拟能力分析[J].大气科学学报,33(4):401-411. Gu Wei,Li Chongyin.2010.Evaluation of IPCC AR4 climate models in simulating the interdecadal variations of the East China summer precipitation PDO and NAO[J].Trans Atmos Sci,33(4):401-411.(in Chinese).

郭彦,董文杰,任福民,等.2013.CMIP5模式对中国年平均气温模拟及其与CMIP3模式的比较[J].气候变化研究进展,9(3):181-186. Guo Yan,Dong Wenjie,Ren Fuming,et al.2013.Assessment of CMIP5 simulations for China annual average surface temperature and its comparison with CMIP3 simulations[J].Adv Climate Change Res,9(3):181-186.(in Chinese).

李崇银,王力群,顾薇.2011.冬季蒙古高压与北太平洋海温异常的年际尺度关系[J].大气科学,35(2):193-200. Li Chongyin,Wang Liqun,Gu Wei.2011.Interannual time-scale relationship between Mongolia high and SST anomaly in the North Pacific in winter[J].Chinese J Atmos Sci,35(2):193-200.(in Chinese).

李根.2012.海气界面热通量变化趋势及其与SST的关系[D].合肥:中国科学技术大学. Li Geng.2012.Trend variability in Air-Sea fluxes and their relationship with SST[D].Hefei:University of Science and Technology of China.(in Chinese).

李泓,李丽平.2001.太平洋地区海气系统年代际变率研究的若干进展[J].南京气象学院学报,24(4):591-598. Li Hong,Li Liping.2001.Advance in study on inter-decadal climate variability of the Pacific atmosphere-ocean system[J].J Nanjing Inst Meteor,24(4):591-598.(in Chinese).

Li H,Dai A,Zhou T,et al.2010.Responses of East Asian summer monsoon to historical SST and atmospheric forcing during 1950—2000[J].Climate Dyn,34(4):501-514.

李建平,任荣彩,齐义泉,等.2013.亚洲区域海—陆—气相互作用对全球和亚洲气候变化的作用研究进展[J].大气科学,37(2):518-538. Li Jianping,Ren Rongcai,Qi Yiquan,et al.2013.Progress in air-land-sea interactions in Asia and their role in global and Asian climate change[J].Chinese J Atmos Sci,37(2):518-538.(in Chinese).

李明刚,管兆勇,韩洁,等.2012.近50 a华东地区夏季极端降水事件的年代际变化[J].大气科学学报,35(5):591-602. Li Minggang,Guan Zhaoyong,Han Jie,et al.2012.Interdecadal changes of summertime precipitation extremes in East China in recent five decades[J].Trans Atmos Sci,35(5):591-602.(in Chinese).

刘海文,周天军,朱玉祥,等.2012.东亚夏季风自20世纪90年代初开始恢复增强[J].科学通报,57(9):765-769. Liu Haiwen,Zhou Tianjun,Zhu Yuxiang,et al.2012.The strengthening East Asia summer monsoon since the early 1990s[J].Chinese Science Bulletin,57(9):765-769.(in Chinese).

马柱国,邵丽娟.2006.中国北方近百年干湿变化与太平洋年代际振荡的关系[J].大气科学,30(3):464-474. Ma Zhuguo,Shao Lijuan.2006.Relationship between dry/wet variation and the Pacific decade oscillation(PDO) in Northern China during the last 100 years[J].Chinese J Atmos Sci,30(3):464-474.(in Chinese).

Mantua,N J,Hare S R.2002.The Pacific decadal oscillation[J].Journal of Oceanography,58(1):35-44.

Mantua N J,Hare S R,Zhang Y,et al.1997.A Pacific interdecadal climate oscillation with impacts on salmon production[J].Bull Amer Meteor Soc,78(6):1069-1079.

McCabe G J,Dettinger M D.1999.Decadal variations in the strength of ENSO teleconnections with precipitation in the Western United States[J].Int J Climatol,19(13):1399-1410.

Meehl G A,Hu A,Arblaster J M,et al.2013.Externally forced and internally generated decadal climate variability associated with the interdecadal Pacific oscillation[J].J Climate,26(18):7298-7310.

闵锦忠,孙照渤,朱伟军.2000.海气耦合环流模式及耦合技术的研究[J].南京气象学院学报,23(3):449-458. Min Jinzhong,Sun Zhaobo,Zhu Weijun.2000.Review of study on air-sea coupled models and coupling method[J].J Nanjing Inst Meteor,23(3):449-458.(in Chinese).

Newman M,Compo G P,Alexander M A.2003.ENSO-forced variability of the Pacific decadal oscillation[J].J Climate,16(23):3853-3857.

Overland J E,Wang M Y.2007.Future climate of the North Pacific Ocean[J].Eos Trans Amer Geophys Union,88(16):178-182.

Qiu B,Chen S,Schneider N,et al.2014.A coupled decadal prediction of the dynamic state of the Kuroshio extension system[J].J Climate,27(4):1751-1764.

Schneide N,Cornuelle B D.2005.The forcing of the Pacific decadal oscillation[J].J Climate,18(21):4355-4373.

Smith T M,Reynolds R W.2004.Improved extended reconstruction of SST(1854—1997)[J].J Climate,17(12):2466-2477.

孙晓娟,王盘兴,智海,等.2011.阿留申低压四种环流指数的分析和比较[J].大气科学学报,34(1):74-84. Sun Xiaojuan,Wang Panxing,Zhi Hai,et al.2011.Analysis and comparison of four kinds of circulation indices of Aleutian[J].Trans Atmos Sci,34(1):74-84.(in Chinese).

Taylor K E,Stouffer R J,Gerald A M.2012.An overview of CMIP5 and the experiment design[J].Bull Amer Meteor Soc,93(4):485-498.

汤毓祥.2001.冬至初春黄海暖流的路径和起源[J].海洋学报,23(1):1-12. Tang Yuxiang.2001.On the origin and path of the Huanghai warm current during winter and early spring[J].Acta Oceanologica Sinica,23(1):1-12.(in Chinese).

Trenberth K E.1990.Recent observed interdecadal climate changes in the Northern Hemisphere[J].Bull Amer Meteor Soc,71(7):988-993.

Wang H,Kumar A,Wang W Q,et al.2012.Influence of ENSO on Pacific decadal variability:An analysis based on the NCEP climate forecast system[J].J Climate,25(18):6136-6151.

杨修群,朱益民,谢倩,等.2004.太平洋年代际振荡的研究进展[J].大气科学,28(6):979-992. Yang Xiuqun,Zhu Yimin,Xie Qian,et al.2004.Advances in studies of Pacific decadal oscillation[J].Chinese J Atmos Sci,28(6):979-992.(in Chinese).

Yoon J,Yeh S W.2010.Influence of the Pacific decadal oscillation on the relationship between El Nio and the Northeast Asian summer monsoon[J].J Climate,23(17):4525-4537.

余斌,George J,Francis W,等.2011.海表热通量反馈及海温变率[J].大气科学学报,34(1):1-7. Yu Bin,George J,Francis W,et al.2011.Surface heat flux feedback and SST variability[J].Trans Atmos Sci,34(1):1-7.(in Chinese).

张福颖,郭品文,程军.2012.热带太平洋与印度洋相互作用的年代际变化及其数值模拟[J].大气科学学报,35(1):32-40. Zhang Fuying,Guo Pinwen,Cheng Jun.2012.Interdecadal change of the interaction between tropical Pacific and tropical Indian Ocean by diagnosis analysis and its numerical simulations[J].Trans Atmos Sci,35(1):32-40.(in Chinese).

张宏芳.2011.IPCC AR4气候模式对东亚夏季大气环流模拟的评估及其重建、预估[D].南京:南京信息工程大学. Zhang Hongfang.2011.Evaluation,reconstruction and projection of summer atmospheric circulation over East Asia by IPCC AR4 climate models[D].Nanjing:Nanjing University of Information Sciences and Technology.(in Chinese).

Zhang Y,Wallace J M,David S.1997.ENSO-like interdecadal variability:1900—93[J].J Climate,10(5):1004-1020.

赵平,周秀骥.2006.近40年我国东部降水持续时间和雨带移动的年代际变化[J].应用气象学报,17(5):548-556. Zhao Ping,Zhou Xiuji.2006.Decadal variability of rainfull persistent time and rainbelt shift over Eastern China in recent 40 years[J].J Appl Meteor Sci,17(5):548-556.(in Chinese).

朱益民,杨修群,陈晓颖,等.2007.ENSO与中国夏季年际气候异常关系的年代际变化[J].热带气象学报,23(2):105-116. Zhu Yimin,Yang Xiuqun,Chen Xiaoying,et al.2007.Interdecadal variation of the relationship between ENSO and summer interannual climate variability in China[J].Journal of Tropical Meteorology,23(2):105-116.(in Chinese).

Zhu Y,Wang H,Zhou W,et al.2011.Recent changes in the summer precipitation pattern in East China and the background circulation[J].Climate Dyn,36(7/8):1463-1473.

(责任编辑：孙宁)

CMIP5 assessment of climate variability over Northwest Pacific

ZHI Hai,LI Kai-lin,ZHOU Shun-wu

(School of Atmospheric Sciences,NUIST,Nanjing 210044,China)

The observed SST data and CMIP5 data are used to analyze climate state and interdecadal variation of sea surface temperature(SST) over Northwest Pacific(20—60°N,120°E—120°W).Results indicate that the selected 22 models can simulate the climate state perfectly.More importantly,the selected models can simulate the annual and interdecadal variations of SST over Northwest Pacific.Total standard deviation of SST simulted by the models is the largest in Kuroshio extension region.The majority of models have an ability to simulate the first EOF mode of SST.The SST over Northwest Pacific has a significant interdecadal oscillation phenomenon.SSTs simulated by the 13/22 models have obvious interdecadal oscillations.Meanwhile,the simulated deviation of SST climate state has a great effect on the periodic oscillation of SST,especially in Kuroshio extension region.

CMIP5;Northwest Pacific;climate variability;SST(sea surface temperature)

2014-05-08；改回日期：2015-03-02

国家重点基础研究发展规划项目(2012CB955204);国家自然科学基金(41376039)

智海,博士,副教授,研究方向为气候变化,Zhihai@nuist.edu.cn.

10.13878/j.cnki.dqkxxb.20140508002.

1674-7097(2015)02-0184-11

P4

A

10.13878/j.cnki.dqkxxb.20140508002

智海,李恺霖,周顺武.2015.CMIP5西北太平洋气候变率的模拟评估[J].大气科学学报,38(2):184-194.

Zhi Hai,Li Kai-lin,Zhou Shun-wu.2015.CMIP5 assessment of climate variability over Northwest Pacific[J].Trans Atmos Sci,38(2):184-194.(in Chinese).