大气环流模式CAM4对亚洲气候的高分辨率模拟

沙莹莹，石正国

（1.中国科学院地球环境研究所 黄土与第四纪地质国家重点实验室，西安 710061；2.中国科学院大学，北京 100049；3.中国科学院青藏高原地球科学卓越中心，北京 100101）

大气环流模式CAM4对亚洲气候的高分辨率模拟

沙莹莹1,2，石正国1,3

（1.中国科学院地球环境研究所 黄土与第四纪地质国家重点实验室，西安 710061；2.中国科学院大学，北京 100049；3.中国科学院青藏高原地球科学卓越中心，北京 100101）

中小尺度地形不仅在区域尺度上影响降水和环流形势分布，还会影响季风、西风急流等大尺度的天气系统。新的全球模式分辨率得到明显提高，本研究通过对比分析CAM4高分辨率配置下的模拟结果与高分辨率APHRO降水和ERA-Interim再分析资料，评估高分辨率CAM4对亚洲地区气候系统的模拟性能。结果表明，该模式不仅对亚洲季风-干旱气候系统的大尺度分布特征有良好的模拟能力，还能很好地模拟出季风区和内陆干旱半干旱区年均和季节平均降水的高、低值中心以及水平风场、地表温度和海平面气压的区域差异性特征，尤其是山脉地形附近的降水极值和风场变化。此外，CAM4与气象资料间在不同空间尺度上的空间相关性均很好，其中地表温度的相关系数在0.9以上，降水在亚洲地区超过0.7。

CAM4；高分辨率；数值模拟；亚洲季风；内陆干旱

亚洲地区气候类型复杂，不仅包括典型的印度季风区和东亚季风区，还包括内陆干旱和半干旱区等。其独特的气候系统形成与太阳辐射、海陆分布和南北极冰盖等外部强迫因子密切相关。青藏高原作为全球最高最大的地形，其对亚洲气候的影响也早在20世纪50年代就引起关注（Bolin，1950；叶笃正，1952；Flohn，1957）。通过大量的气候模拟研究，证明青藏高原对大尺度亚洲季风系统的加强和内陆干旱化的加剧等均起到不可忽视的作用（Hahn and Manabe，1975；Broccoli and Manabe，1992；Kutzbatch et al，1993；An et al，2001；Liu and Yin，2002；Molnar et al，2010；Shi et al，2011；Wu et al，2012；Jiang et al，2015a）。

相比于对青藏高原大地形气候效应的研究，针对较小地形和山脉气候效应的研究却很少。这其中一部分原因是由于大部分模式的水平分辨率较低，除青藏高原主体外其他山脉不能很好地在模式中得以体现，模式往往忽略了小地形的作用，因此也无法进行青藏高原主体外较小山脉地形的气候效应的模拟研究。此外，分辨率低的观测资料也往往会使结果失真，导致对较小尺度的气候特征认识出现偏差（Xie et al，2006；Wu et al，2014）。亚洲地区的气候特征受季风和西风环流以及复杂地形的综合影响，开展亚洲区域气候特征及其变化的研究也需要高分辨率的观测资料。

模式水平分辨率的提高能有效改进模式对天气尺度以及中尺度气候系统的气候态和各气象要素及其变率的模拟能力（Christensen and Kuhry，2000；Gao et al，2006；Jiang et al，2015b）。通过比较政府间气候变化专门委员会（IPCC）评估报告的77个耦合全球气候模式发现，模式水平分辨率的提高有效增强了其对中国地区年均以及季节平均温度和降水气候态的模拟能力，此外，对春季和夏季气温以及冬季降水年际变率的模拟能力得以加强（Jiang et al，2015b）。我国年均降水的雨带分布也更接近观测形态，如低分辨下1000 mm年总降水量等值线位置偏北的状况得到明显改善，东亚大尺度降水分布以及东亚夏季风期间的较小尺度对流过程也受到水平分辨率的显著影响（Gao et al，2006）。

随着模式分辨率的提高，一些针对较小地形的模拟试验表明小地形对区域乃至大尺度亚洲季风环流以及内陆干旱区降水等也有重要影响（Xie et al，2006；Wang and Tan，2014；Liu et al，2015）。印度季风区各季风降水的对流中心的形成和所处位置与位于南亚地区的中尺度山脉（宽度不超过500 km）有关（Xie et al，2006）。Wu et al（2014） 通过模拟发现，位于中印半岛西北部的Arakan山脉对印度季风的爆发有重要作用，甚至对东亚夏季风的开始也有影响。蒙古高原较青藏高原面积小、高度低，位于偏北的位置，然而有山/无山的敏感性试验表明蒙古高原对大气准定常行星波的形成、东亚西风急流的加强以及东亚冬季风的加强作用与青藏高原可比（Shi et al，2014；Sha et al，2015）。

气候模式分辨率的提高能够更好地在模式中体现出除青藏高原外的中尺度山脉和更小尺度的地形，有利于模拟出更接近实际的大气环流型和降水特征，从而进一步研究小地形的气候效应。目前，利用高分辨率气候模式模拟亚洲地区的区域性气候特征的研究工作还较少，模式分辨率的提高能否更好地反映出亚洲地区复杂的气候分布特征亟需进行评估。新的全球模式采用有限元差分方法，分辨率也得到了明显提高。因此，本研究利于大气环流模式CAM4高分辨率配置下建立工业革命前控制试验，通过与高分辨率观测及再分析资料对比，评估CAM4对亚洲主要气候系统的模拟能力，并分析亚洲地区复杂的气候特征及可能的影响因素。

1 数据与模式介绍

降水数据来自日本APHRODITE（Asian Precipitation-Highly Resolved Observational Data Integration Towards Evaluation of Water Resources）建立的高分辨率逐日亚洲陆地降水数据集（简称APHRO），水平分辨率为0.25°×0.25°，时间从1951年到2007年。该降水数据集能准确表征我国雨带的季节性移动，且降水量与台站资料一致（韩振宇和周天军，2012）。因此可以用来研究亚洲地区降水的气候特征。由于该降水数据集分为季风区、中亚、俄罗斯和日本四个子数据集，因此在分析前将这四个子集数据进行整合，使降水数据覆盖整个亚洲地区。

海平面气压、温度和风场等数据来自欧洲中期天气预报中心（ECMWF）的ERA-Interim再分析月均资料，水平分辨率为0.75°×0.75°，时间从1979年至2014年。该再分析资料能很好地表现海表湍流通量（Brunke et al，2011），其环流和温度场等在我国的适用性也较好（白磊等，2013；曾刚等，2013；高路和郝璐，2014）。为保持降水和再分析资料各变量在时间上的一致性，本文均选取1979年至2007年共29年进行分析。

本文所用模式为美国国家大气研究中心（NCAR）的全球大气环流模式CAM4。CAM4是NCAR的第六代全球大气环流模式，相比于CAM3，CAM4缺省的动力内核由原来的谱内核改为有限体积内核，CAM4在深对流方案、北极云量模拟、辐射接口以及计算可扩展性等方面也均做了显著改进，有效提高了对ENSO的模拟能力（Neale et al，2008，2010）。此外，CAM4还包括了陆面模块CLM4，为大气模式提供陆面状况和陆气之间的能量、动量和水汽交换等下边界条件（Oleson et al，2010）。本研究的模拟试验水平分辨率为0.47°×0.63°（纬向×经向），垂直方向上分为26层，模式层顶气压为20 hPa，CO2浓度为284.7 mg · kg-1。模拟使用现代气候平均的海洋表面温度和海冰范围作为海洋边界条件。模式共积分6年，取后5年平均进行分析，研究区域取0° — 60°N，40° — 160°E。

文章主要分析高分率大气环流模式CAM4对亚洲主要气候系统的模拟能力，因此需要与高分辨率的观测资料进行对比，由于APHRO陆地降水资料的水平分辨率与ERA-Interim再分析资料不同，因此采用双线性插值方法将APHRO降水资料处理成0.75°×0.75°水平格点资料，插值结果与原始数据在气候态上结果一致。此外，APHRO为逐日资料，而ERA-Interim再分析和CAM4输出为逐月资料，故而在分析前将ARHRO逐日降水资料处理成月均资料。本文主要进行气候态分析，夏季平均为6月、7月和8月平均，冬季则为12月、1月和2月。

2 结果分析

2.1 地表温度

2.1.1 夏季平均

热带太平洋和印度洋洋面温度一般在28℃左右。30°N以北的太平洋区域海表温度自南向北逐渐递减（图1a）。陆地上温度分布比较复杂，地表温度最高的地区为巴基斯坦中南部，而青藏高原上则为温度极小值区。印度季风区温度梯度较小，地表温度高值区位于印度北部和西北部，东亚东部有一暖舌，从20°N向北延伸至东亚东部40°N。我国新疆有一个暖中心，中心位于塔里木盆地。中亚地区地表温度比明显高于我国西北地区，除了位于巴基斯坦的温度极大值中心外，在里海东部还存在一个温度高值区。由于受海拔高度的影响，青藏高原以及天山周边的地表温度梯度很大。

CAM4模拟的地表温度梯度最大值区域同样位于青藏高原和天山周边，南侧经向温度梯度为正值而北侧为负值（图1b）。东亚东部大陆温度梯度小，等温线从南部向北延伸至40°N。我国新疆南部存在一个高值区。中亚地区的地表温度较我国西北地区高，里海东部有一个温度高值中心。整体上看，CAM4模拟的地表温度在中亚南部以及印度北部地区偏低，而在东亚东部地区偏高，但分布形态与再分析资料一致。

2.1.2 冬季平均

冬季海表温度比陆地高，青藏高原上较同纬度低海拔区域的温度低，形成一个地表温度低值中心，东亚大陆东部等温线呈西南—东北向倾斜，地表温度自南向北逐渐减小，温度梯度比夏季大（图2a）。青藏高原仍为地表温度低值区，但在蒙古国西北部也出现一个低值中心，该位置与西伯利亚高压的中心位置保持一致。除此之外，新疆南部为另一个地表温度的低值区，温度低于-10℃，可见，新疆南部冬季和夏季地表温度变化剧烈。然而，40°N以南同纬度的中亚地区地表温度却高于0℃，里海为一地表温度高值中心，温度超过4℃。冬季地表温度梯度最大的区域与夏季有所不同，除青藏高原南侧的极大值区域外，东亚40°N左右，120° —140°E也为一个地表温度梯度高值区，而由于冬季南疆地表温度的迅速减小，青藏高原北侧的经向温度梯度比夏季小（绝对值）。

图1 夏季平均地表温度/ ℃（a）ERA-Interim再分析资料夏季平均；（b）CAM4模式结果Fig.1 Surface temperature /℃ in summer (a) ERA-Interim reanalysis; (b) CAM4 results

图2b为CAM4模拟的冬季地表温度，整体上，海表温度高于陆地温度，而中亚地区温度高于东亚地区。可以看到，模式不仅很好地模拟出了大尺度地表温度分布形态，对地表温度低值和高值中心，以及温度梯度高值区也有很好的模拟能力。

2.2 海平面气压

2.2.1 夏季平均

夏季时亚洲大陆上的气压较低，在大尺度上没有明显的气压中心，中印半岛以及整个东亚地区海平面气压基本一样，等压线稀疏（图3a）。太平洋上存在一个闭合高压，中心位于30° — 40°N的东太平洋，该高压中心一直向西延伸至西太平洋。印度洋上海平面气压呈东西向水平分布，从南向北气压减小，中亚南部有一个闭合的低压中心，向北气压又逐步增大。CAM4模拟的太平洋副高位置与ERA-Interim再分析资料一致，但强度略大（图3b）。此外，也模拟出印度洋及中亚地区海平面的东西向分布特征以及中亚南部的低压带。

2.2.2 冬季平均

冬季陆地气压整体上高于海洋，亚洲大陆和太平洋上均存在两个明显的闭合气压中心。西伯利亚高压中心位于贝加尔湖和巴尔喀什湖之间，该大陆性冷高压在冬季影响整个东亚大陆，从西北向东亚东南部方向气压逐渐减小（图4a）。阿留申低压位于30°N以北的北太平洋区域。20°N以南的热带地区气压则呈东西向水平分布。可以看到，CAM4模拟的西伯利亚高压和阿留申低压位置与ERA-Interim再分析资料一致（图4b），但强度偏强，这可能与再分析资料以及模式的准确性有关。

图2 冬季平均地表温度 /℃（a）ERA-Interim再分析资料冬季平均；（b）CAM4模式结果Fig.2 Surface temperature /℃ in winter (a) ERA-Interim reanalysis; (b) CAM4 results

2.3 降水和850 hPa风场

2.3.1 年平均特征

从APHRO降水观测资料来看（图5a），印度和东亚季风区降水最多，印度半岛西海岸、印度东北部靠近喜马拉雅山脉地区、孟加拉湾北部以及中印半岛西部海岸均是印度季风降水的大值区，而印度西北部和东南部、中亚半岛中部降水相对较少，东亚季风区降水的大值区位于我国东南部沿海，从东南向西北逐渐减少，日本和朝鲜半岛降水也较多。对于内陆干旱半干旱区，降水的极小值中心位于我国新疆以及伊朗、巴基斯坦和阿富汗三国的交界处，年均降水量在80 mm以下。值得注意的是，位于我国西部边界的哈萨克斯坦等国的东部地区以及伊朗西北部则为干旱区降水最多的区域，年降水量超过300 mm。

CAM4模拟的印度和东亚季风区降水与APHRO观测结果高度一致（图5b）。几个降水高值区和低值区均有清晰的体现，如印度半岛西海岸和印度东北部靠近喜马拉雅山脉的降水极大值中心。对于内陆干旱半干旱区，CAM4模拟能力也很好。尤其是新疆地区的降水极小值中心以及我国西部边界各国东部相对较高的降水量区域。

由此可见，高分辨率的大气环流模式不仅能够模拟出大尺度的季风和干旱半干旱区的大尺度降水特征，也能够模拟出气候系统内部的差异性特征。这对于深入认识各气候系统的特征及其发展和形成过程及机理起到至关重要的作用。

2.3.2 夏季平均

与年平均降水相比，印度和东亚季风区降水增加明显，印度半岛西海岸和印度东北部靠近喜马拉雅山脉的尼泊尔等地区、孟加拉国以及中印半岛西海岸为降水高值区（图6a）。我国夏季降水从东南沿海向西北内陆逐渐减少。对于内陆干旱半干旱区而言，包括新疆在内的我国西北地区夏季降水均较年平均多，但除巴基斯坦以外的其他中亚国家夏季降水则较年平均少。也就是说，夏季对我国西北内陆来说是雨季而对中亚地区来说是旱季（除巴基斯坦）。降水极小值区出现在里海以东、巴基斯坦和我国新疆以西的中亚大部分地区，而新疆塔克拉玛干沙漠地区降水增多。CAM4模拟的夏季降水分布与APHRO结果一致（图6b）。模拟出印度西海岸和靠近喜马拉雅山脉的尼泊尔等地区、中印半岛西部等降水高值区，以及夏季位于里海以东中亚地区的降水极小值区域，我国西北地区夏季降水量高于年平均，新疆塔克拉玛干沙漠地区降水增多，年平均所在的极小值中心也明显缩小。

图3 夏季海平面气压 / hPa（a）ERA-Interim再分析资料夏季平均；（b）CAM4模式结果Fig.3 Sea level pressure / hPa in summer (a) ERA-Interim reanalysis; (b) CAM4 results

印度、东亚季风区与干旱半干旱区的低层风场差异明显（图6a）。来自印度洋的西南气流与阿拉伯海的西风气流一起向东，巴基斯坦和印度西北部为西南风，而印度半岛主要为偏西风，偏西气流经过印度半岛分为两支，一支北上后流向印度东北部、尼泊尔地区，另一支与孟加拉湾的西南气流一起继续向东、向北流去，孟加拉国为强的南西南风，西南风流经中印半岛和我国南海继续向北到达东亚地区，与来自西太平洋的东南风共同影响包括我国东部、朝鲜半岛以及日本在内的东亚季风区。对东亚季风区而言，强的偏南风从大陆东部进入西部内陆地区并逐渐减弱，至100°E左右基本不受季风影响，100°E以西主要受西风气流控制。西北气流沿阿尔泰山脉进入我国新疆，一部分气流继续向东、向南，另一部分气流则转为东、东北风进入塔里木盆地，这一风场的转向可能和天山以及昆仑山脉的阻挡有关。中亚地区的风场结构与我国西北地区不同，除巴基斯坦外均为很强的偏北风。CAM4模拟的低层风场与ERA-Interim再分析资料一致（图6b），尤其是印度季风区的西南风和西风以及东亚季风区的偏南风。此外，模式也很好地模拟出我国新疆地区风场的转向特征。中亚地区夏季的偏北风也有较好的体现，仅低估了35°N以南阿富汗、伊朗地区的偏北风。

图4 冬季海平面气压/ hPa（a）ERA-Interim再分析资料冬季平均；（b）CAM4模式结果Fig.4 Sea level pressure / hPa in winter (a) ERA-Interim reanalysis; (b) CAM4 results

2.3.3 冬季平均

季风区冬季降水明显少于年平均，极小值区域包括印度半岛西部、中印半岛西部，而我国30°N以南的东南部地区和印度北部地区则为季风区冬季降水高值区域（图7a）。我国整个西北地区冬季降水也少于年平均值，而除巴基斯坦外的中亚国家冬季降水则高于年平均，降水高值区靠近我国西部边界。即：冬季为中亚干旱区的雨季而为季风区和我国干旱半干旱区的旱季。CAM4不仅模拟出季风区和干旱半干旱区总体的降水分布形态，也对降水极值中心有很好的反映（图7b）。如位于印度半岛北部和西部的降水极大、极小值区，我国东南部降水高值区，以及我国西北部降水极小值区和中亚东部的降水高值区等。

图5 年平均降水（阴影，mm · day-1）和850 hPa风场（矢量箭头，m · s-1）（a）APHRO降水资料与ERA-Interim再分析资料年平均；（b）CAM4模式结果Fig.5 Annual mean precipitation (shaded, mm · day-1) and 850 hPa wind (vectors, m · s-1) (a) APHRO precipitation data and ERA-Interim reanalysis; (b) CAM4 results

冬季，30°N以北的整个东亚冬季风区为典型的西北风，以我国东北、华北地区为最强，沿西南方向逐渐减弱，弱的西、西北风与西南风在30°N以南的东亚东南部地区汇合（图7a）。东亚100°E以西主要为西风气流，但我国新疆地区风速很小。中亚地区纬向西风气流比我国西北地区强，此外，35°N以北区域还受较强的偏南风影响。来自中亚30°N附近的西风进入印度半岛，在其北部和东北部为西北风流入孟加拉湾，一支流向缅甸进入我国云南，另一支在20°N以南转向，与来自我国南海以及中印半岛南部的东风汇合，流向阿拉伯海以及印度洋。图7b为CAM4模拟的冬季低层风场，模式能很好地模拟东亚冬季风区的强西北风、中亚35°N以北的西南风、以及印度半岛和阿拉伯海的偏东风。对我国西北新疆地区的风场形态也有良好的模拟能力。但整体上看，模拟的东亚地区西北风和印度季风区的东风的强度均偏强，此外，中亚南部为偏北风，这与ERA-Interim在该区域的风场特征存在偏差。

总体来说，CAM4对低层风场的模拟能力很好，不仅在季风-干旱大尺度上表现出很好的一致性，还能准确模拟出季风、干旱系统内部的差异。

2.4 空间相关系数

空间相关系数可以进一步定量化评估CAM4对温度和降水等近地面气象要素空间分布的模拟能力。为此，我们同样利用双线性插值方法将CAM4模拟结果插值到0.75°×0.75°的水平格点上，从而与ERA-Interim再分析资料以及插值后的APHRO降水资料在水平格点上保持一致。表1是CAM4与气象资料在夏季和冬季时的地表温度、海平面气压、850 hPa纬向风和经向风以及降水在全球、北半球、亚洲、印度季风区、东亚季风区、我国西北以及中亚地区的空间相关系数，其中，也计算了年均降水在各区域的空间相关系数。这里，亚洲地区指研究区域0° — 60°N，40° — 160°E，此外，还包括四个子区域：印度季风区为10° — 30°N，70° — 90°E，东亚季风区为20° — 45°N，110° — 140°E，我国西北地区为35° — 45°N，80° — 105°E，中亚地区为30° — 45°N，50° — 75°E。

图6 夏季平均降水（阴影，mm · day-1）和850 hPa风场（矢量箭头，m · s-1）（a）APHRO降水资料与ERA-Interim再分析资料夏季平均；（b）CAM4模式结果Fig.6 precipitation (shaded, mm · day-1) and 850 hPa wind (vectors, m · s-1) in summer (a) APHRO precipitation data and ERA-Interim reanalysis; (b) CAM4 results

可以看到，CAM4对各变量空间分布形态均有很好的模拟能力，均通过99%的显著性检验。整体而言，各变量在全球、北半球和亚洲区域尺度上的空间相关系数均在0.7以上。CAM4对地表温度的模拟能力最好，与观测资料的相关系数在0.993 — 0.892，其次为海平面气压和850 hPa纬向风（二者相当）、850 hPa经向风，最后为降水场。对比夏季和冬季的空间相关系数，地表温度冬季时在除我国西北以外的各区域其相关系数均比夏季高，夏季时四个子区域相关系数由高到低分别为：我国西北、印度地区、东亚季风区和中亚地区，夏季则为：东亚季风区、印度地区、中亚和我国西北。各区域海平面气压夏季的相关性均比冬季高，夏季时相关系数由高到低分别为：印度、我国西北、中亚和东亚季风区，冬季为印度、东亚季风区、我国西北和中亚地区。冬季的850 hPa纬向风在全球、北半球和包括东亚季风区的亚洲地区相关性比夏季高，而印度季风区、我国西北和中亚地区则夏季相关性高于冬季，其中四个子区域在夏季的相关系数排序为（高值到低值）：印度、我国西北、中亚和东亚季风区，冬季为：东亚季风区、印度、我国西北和中亚地区。850 hPa经向风则表现为除东亚季风区和我国西北外夏季的相关系数均比冬季高，夏季四个区域的相关系数顺序为（高值到低值）：印度、中亚、我国西北和东亚地区，其中东亚地区的相关系数为0.495，而其他地区则均超过0.78，冬季顺序为：中亚、我国西北、东亚季风区和印度地区。值得注意的是，降水空间相关系数的季节性特征与850 hPa纬向风相同，即：印度季风区、我国西北和中亚地区夏季高于冬季，其他区域则冬季高于夏季。夏季相关系数由高到低分别为：中亚、我国西北、印度地区和东亚季风区，冬季则为：东亚季风区、印度、中亚和我国西北地区。就年均降水的区域分布来看，东亚地区的空间相关系数最高，达到0.902，其次分别为中亚地区、我国西北和印度地区。

图7 冬季平均降水（阴影，mm · day-1）和850 hPa风场（矢量箭头，m · s-1）（a）APHRO降水资料与ERA-Interim再分析资料冬季平均；（b）CAM4模式结果Fig.7 precipitation (shaded, mm · day-1) and 850 hPa wind (vectors, mm · day-1) in winter (a) APHRO precipitation data and ERA-Interim reanalysis; (b) CAM4 results

表1 现代气象资料与CAM4气候态的空间相关系数Tab.1 Spatial correlation between meteorological and CAM4 data

可以看到，CAM4对各变量空间分布形态均有很好的模拟能力，均通过99%的显著性检验。整体而言，各变量在全球、北半球和亚洲区域尺度上的空间相关系数均在0.7以上。CAM4对地表温度的模拟能力最好，与观测资料的相关系数在0.993 — 0.892，其次为海平面气压和850 hPa纬向风（二者相当）、850 hPa经向风，最后为降水场。对比夏季和冬季的空间相关系数，地表温度冬季时在除我国西北以外的各区域其相关系数均比夏季高，夏季时四个子区域相关系数由高到低分别为：我国西北、印度地区、东亚季风区和中亚地区，夏季则为：东亚季风区、印度地区、中亚和我国西北。各区域海平面气压夏季的相关性均比冬季高，夏季时相关系数由高到低分别为：印度、我国西北、中亚和东亚季风区，冬季为印度、东亚季风区、我国西北和中亚地区。冬季的850 hPa纬向风在全球、北半球和包括东亚季风区的亚洲地区相关性比夏季高，而印度季风区、我国西北和中亚地区则夏季相关性高于冬季，其中四个子区域在夏季的相关系数排序为（高值到低值）：印度、我国西北、中亚和东亚季风区，冬季为：东亚季风区、印度、我国西北和中亚地区。850 hPa经向风则表现为，除东亚季风区和我国西北外夏季的相关系数均比冬季高，夏季四个区域的相关系数顺序为（高值到低值）：印度、中亚、我国西北和东亚地区，其中东亚地区的相关系数为0.495，而其他地区则均超过0.78，冬季顺序为：中亚、我国西北、东亚季风区和印度地区。值得注意的是，降水空间相关系数的季节性特征与850 hPa纬向风相同，即：印度季风区、我国西北和中亚地区夏季高于冬季，其他区域则冬季高于夏季，夏季相关系数由高到低分别为：中亚、我国西北、印度地区和东亚季风区，冬季则为：东亚季风区、印度、中亚和我国西北地区。就年均降水的区域分布来看，东亚地区的空间相关系数最高，达到0.902，其次分别为中亚地区、我国西北和印度地区。

3 结论

印度和东亚季风，以及内陆干旱和半干旱的气候分布是亚洲地区最基本的大尺度气候特征，这一大尺度特征在很多分辨率较低的大气/气候模式中也有良好的模拟（Broccoli and Manabe，1992；Kutzbatch et al，1993；Kitoh，2004），然而，低分辨率模式模拟的结果却无法准确反映降水和气温等物理量的高、低值中心以及环流和气压场的梯度分布等较小尺度特征，这不仅会导致对局地气候的认识出现偏差，也导致可能忽略小尺度变化对大尺度季风-干旱环境的重要作用。高分辨率的大气环流模式CAM4不仅能模拟出季风-干旱分布的大尺度降水、流场和温度场等特征，还能很好地模拟出较小尺度的气候差异。主要结论如下：

（1）从降水分布来看，印度半岛西海岸、喜马拉雅山南部、孟加拉国和中印半岛西部等亚洲季风降水的高值中心在CAM4中得以良好的体现，此外，模式也能反映出夏季中亚降水低于我国内陆而冬季多于我国内陆的亚洲内陆地区的差异性特征。

（2）高分辨率CAM4对季节性流场的模拟更接近实际分布，如印度季风区夏季低层风场在印度洋、印度半岛和孟加拉湾及其北部陆地以及中印半岛的区域性差异，以及东亚大陆东部的西南风逐渐向西北转为东南风的特征，尤其对夏季新疆地区风场转向的模拟，此外，也体现出中亚地区夏季为偏北风而冬季主要为偏南风的季节性差异。

（3）从温度场和气压场来看，除海陆间的大尺度差异以及冬季的西伯利亚高压和夏季的副热带高压等大尺度系统外，CAM4也能模拟出季节性地表温度高、低值中心以及等温线密集区（温度梯度高值区）。

（4）高分辨率CAM4的近地表各气象要素的空间分布特征与气象观测资料间相关关系很高，其中地表温度的空间相关系数最高，在不同区域上均能达到0.9以上，海平面气压和850 hPa纬向风其次，850 hPa经向风比纬向风低，降水最低。

从高分辨率APHRO降水资料和ERA-Interim再分析资料可以看到，无论是季风降水还是干旱区降水，降水的高值区往往位于山脉迎风面而低值区位于山脉背风面，这一特征与印度夏季风的对流活动中心位置和对应山脉地形间的关系一致（Xie et al，2006；Wu et al，2014）。Gao at al（2006）通过对比不同地形分辨率的模拟试验后也指出，随着地形分辨率的提高，模拟的降水分布更接近实际。除此之外，水平风场在山脉附近会发生明显的变化（李斐等，2012；Li and Zhang，2012），从而通过温度平流等作用直接影响到温度分布，进一步改变环流场的结构和垂直运动，最终对大尺度气候系统产生影响（Shi et al，2014；Sha et al，2015）。因此，深入认识亚洲季风-干旱气候系统须采用高分辨率气候模式，分析区域差异产生的原因以及对大尺度气候系统的作用，从而避免对模式结果的理解产生偏差。降水及环流特征的区域差异在高分辨率CAM4的模拟结果中得以体现，初步来看，近地面风在遇到山脉阻挡后往往会发生绕流和爬坡，因此有利于山前降水，此外，也可能改变水汽的输送路径和水汽的辐合辐散，但降水和环流场等气象要素和气候系统与山脉地形的关系需要进一步进行敏感性试验以及对观测资料的深入分析。

白 磊, 王维霞, 姚亚楠, 等. 2013. ERA-Interim和NCEP/ NCAR 再分析数据气温和气压值在天山山区适用性分析 [J].沙漠与绿洲气象, 7(3): 51 – 56. [Bai L, Wang W X, Yao Y N, et al. 2013. Reliability of NCEP/NCAR and ERA-Interim reanalysis data on Tianshan mountainous area [J].Dersert and Oasis Meteorology, 7(3): 51 – 56.]

曾 刚, 伯忠凯, 倪东鸿, 等. 2013. 多套大气再分析资料的南亚高压强度变化特征及其与海表温度异常关系的比较分析 [J].大气科学学报, 36(5): 577 – 585. [Zeng G, Bo Z K, Ni D H, et al. 2013. Comparison analysis of South Asia high intensity variation and its relation to SSTA in atmospheric multi-reanalysis data [J].Transactions of Atmospheric Sciences, 36(5): 577 – 585.]

高 路, 郝 璐. 2014. ERA-Interim 气温数据在中国区域的适用性评估 [J].亚热带资源与环境学报, 9(2): 75 – 81. [Gao L, Hao L. 2014. Verifi cation of ERA-Interim reanalysis data over China [J].Journal of Subtropical Resources and Environment, 9(2): 75 – 81.]

韩振宇, 周天军. 2012. APHRODITE 高分辨率逐日降水资料在中国大陆地区的适用性[J].大气科学, 36(2): 361 – 373. [Han Z Y, Zhou T J. 2012. Assessing the quality of APHRODITE high-resolution daily precipitation dataset over contiguous China [J].Chinese Journal of Atmospheric Sciences, 36(2): 361 – 373.]

李 斐, 李建平, 李艳杰, 等. 2012. 青藏高原绕流和爬流的气候学特征 [J].大气科学, 36(6): 1236 – 1252. [Li F, Li J P, Li Y J, et al. 2012. Climatological characteristics of fl ow around and fl ow over the Tibetan Plateau [J].Chinese Journal of Atmospheric Sciences, 36(6): 1236 – 1252.]

叶笃正. 1952. 西藏高原对于大气环流影响的季节变化 [J].气象学报, 23: 33 – 47. [Yeh T C. 1952. The seasonal variation of the infl uence of Tibetan Plateau on the general circulation [J].Acta Meteoro Sinica, 23: 33 – 47.]

An Z S, Kutzbach J E, Prell W L, et al. 2001. Evolution of Asian monsoons and phased uplift of the Himalaya-Tibetan plateau since Late Miocene times [J].Nature, 411(6833): 62 – 66.

Bolin B. 1950. On the influence of the Earth's orography on the general character of the westerlies [J].Tellus A, 2(3): 184 – 195.

Broccoli A J, Manabe S. 1992. The effects of orography on midlatitude Northern Hemisphere dry climates [J].Journal of Climate, 5(11): 1181 – 1201.

Brunke M A, Wang Z, Zeng X B, et al. 2011. An assessment of the uncertainties in ocean surface turbulent fl uxes in 11 reanalysis, satellite-derived, and combined global datasets [J].Journal of Climate, 24(21): 5469 – 5493.

Christensen J H, Kuhry P. 2000. High-resolution regional climate model validation and permafrost simulation for the East European Russian Arctic [J].Journal of Geophysical Research, 105(D24): 29647 – 29658.

Flohn H. 1957. Large-scale aspects of the “summer monsoon”in south and east Asia [J].Journal of the Meteorological Society of Japan, 75: 180 – 186.

Gao X J, Xu Y, Zhao Z C, et al. 2006. On the role of resolution and topography in the simulation of East Asia precipitation [J].Theoretical and Applied Climatology, 86(1 / 2/ 3/ 4): 173 – 185.

Hahn D G, Manabe S. 1975. The role of mountains in the south Asian monsoon circulation [J].Journal of the Atmospheric Sciences, 32(8): 1515 – 1541.

Jiang D B, Tian Z P, Lang X M. 2015b. Reliability of climate models for China through the IPCC Third to Fifth Assessment Reports [J].International Journal of Climatology, 36(3): 1114 – 1133.

Jiang D B, Yu G, Zhao P, et al. 2015a. Paleoclimate modeling in China: A review [J].Advances in Atmospheric Sciences, 32(2): 250 – 275.

Kitoh A. 2004. Effects of mountain uplift on East Asian summer climate investigated by a coupled atmosphereocean GCM [J].Journal of Climate, 17(4): 783 – 802.

Kutzbach J E, Prell W L, Ruddiman W F. 1993. Sensitivity of Eurasian climate to surface uplift of the Tibetan Plateau [J].The Journal of Geology, 101(2): 177 – 190.

Li Q, Zhang R H. 2012. Seasonal variation of climatological bypassing fl ows around the Tibetan Plateau [J].Advances in Atmospheric Sciences, 29: 1100 – 1110.

Liu X D, Sun H, Miao Y F, et al. 2015. Impacts of uplift of northern Tibetan Plateau and formation of Asian inland deserts on regional climate and environment [J].Quaternary Science Reviews, 116: 1 – 14.

Liu X D, Yin Z Y. 2002. Sensitivity of East Asian monsoon climate to the uplift of the Tibetan Plateau [J].Palaeogeography, Palaeoclimatology, Palaeoecology, 183(3): 223 – 245.

Molnar P, Boos W R, Battisti D S. 2010. Orographic controls on climate and paleoclimate of Asia: thermal and mechanical roles for the Tibetan Plateau [J].Annual Review of Earth and Planetary Sciences, 38(1): 77 – 102.

Neale R B, Richter J H, Jochum M, et al. 2010. Description of the NCAR Community Atmosphere Model (CAM 4.0) [R]. Technical Note (NCAR/TN-486-STR), National Center for Atmospheric Research.

Neale R B, Richter J H, Jochum, M. 2008. The impact of convection on ENSO: From a delayed oscillator to a series of events [J].Journal of climate, 21(22): 5904 – 5924.

Oleson K W, Lawrence D M, Gordon B, et al. 2010. Technical description of version 4.0 of the Community Land Model (CLM) [R]. Technical Note NCAR/TN-478+STR, National Center for Atmospheric Research.

Sha Y Y, Shi Z G, Liu X D, et al. 2015. Distinct impacts of the Mongolian and Tibetan plateaus on the evolution of the East Asian monsoon [J].Journal of Geophysical Research, 120: 4764 – 4782.

Shi Z G, Liu X D, An Z S, et al. 2011. Simulated variations of eolian dust from inner Asian deserts at the mid-Pliocene, last glacial maximum, and present day: contributions from the regional tectonic uplift and global climate change [J].Climate Dynamics, 37: 2289 – 2301.

Shi Z G, Liu X D, Liu Y M, et al. 2014. Impact of Mongolian Plateau versus Tibetan Plateau on the westerly jet over North Pacifi c Ocean [J].Climate Dynamics, 44(11 / 12): 3067 – 3076.

Wang Q W, Tan Z M. 2014. Multi-scale topographic control of southwest vortex formation in Tibetan Plateau region in an idealized simulation [J].Journal of Geophysical Research, 119(20): 11543 – 11561.

Wu C H, Hsu H H, Chou M D. 2014. Effect of the Arakan Mountains in the northwestern Indochina Peninsula on the late May Asian monsoon transition [J].Journal of Geophysical Research, 119(18): 10769 – 10779.

Wu G X, Liu Y, He B, et al. 2012. Thermal controls on the Asian summer monsoon [J].Scientific Reports, 2, doi: 10.1038/srep00404.

Xie S P, Xu H, Saji N H, et al. 2006. Role of narrow mountains in large-scale organization of Asian monsoon convection [J].Journal of Climate, 19(14): 3420 – 3429.

A high resolution simulation on Asian climate by Community Atmosphere Model 4

SHA Yingying1,2, SHI Zhengguo1,3
(1. State Key Laboratory of Loess and Quaternary Geology, Institute of Earth Environment, Chinese Academy of Sciences, Xi'an 710061, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China; 3. CAS Center for Excellence in Tibetan Plateau Earth Sciences, Beijing 100101, China)

Background, aim, and scopeAsian climate is characterized by the Indian monsoon, the East Asian monsoon and inland aridity, which is complex and sensitive to global change. The formation and variation of the climate system are correlated with lots of external forcings, such as solar radiation, landsea distribution and ice sheet. The Tibetan Plateau is also demonstrated to have a vital effect on the Asian monsoons and inland aridity. Besides the large scale plateau, the meso- and small-scale mountains also show great infl uence. These mountains not only affect the regional precipitation and circulation, but also infl uence large scale weather systems such as monsoons and westerly jet fl ow. The climate model CAM4 is with much higher resolution, it can refl ect a more realistic topography and resolute those meso- and small-scale mountains to evaluate the climate effect of them.Materials and methodsThe precipitation data is a daily database from Asian Precipitation-Highly Resolved Observational Data IntegrationTowards Evaluation of Water Resources of Japan. Its spatial resolution is 0.25°×0.25° from 1951 to 2007. Other meteorological variables such as sea level pressure, horizontal wind and temperature is from ERA-Interim reanalysis data of European Center for Medium-Range Weather Forecasts(ECMWF). The reanalysis data is from 1979 to present with a resolution of 0.75°×0.75°. Besides the meteorological data, the climate model we used to simulate is the CAM4. The CAM4 is the sixth generation of the NCAR atmospheric general climate model. The horizontal resolution is 0.47°×0.63° (latitude×longitude) in the simulation.ResultsWith the apparently increased resolution of global climate model, the modeling result conducted by CAM4 with high resolution is compared with APHRO precipitation and ERAInterim reanalysis data to evaluate whether and in what extent the simulating capability is improved. (1) The CAM4 with high resolution can well simulates the large scale Asian monsoon — aridity climate pattern. (2) More importantly, the Asian monsoon precipitation are well presented, including the Indian monsoon rain centers over the west coast of the Indian subcontinent, the southern Himalaya mountains, Bangladesh and the west coast of Indochina peninsula, and the East Asian monsoon rain gradient decreases from southeast to northwest. The CAM4 also shows more precipitation in winter and less precipitation in summer over arid inland of the Central Asia, which is different compared to inland China, where the most raining season is summer. (3) The atmosphere circulation simulated in high-resoluted CAM4 is more realistic, such as the 850 hPa wind difference over the Indian ocean, the Indian subcontinent, the Bay of Bengal and the Indochina peninsula of the Indian monsoon region, the wind direction turning from southwesterly to southeasterly over east China of the East Asian monsoon region, and the summer bypassing fl ows over the south Tianshan mountain in Xinjiang. (4) Besides, the surface temperature and sea level pressure patterns of the Asian monsoon and interior aridity are also well simulated, including the large scale climate systems such as the Siberian high, the Aleutian low and the western Pacifi c high, and the seasonal variations of the meso-scale pressure and temperature centers and gradients. (5) The spatial correlations show that the correlation between CAM4 and meteorological observation are signifi cant on global, North Hemisphere and continent scale. The surface temperature has a very high correlation between high-resoluted CAM4 model and meteorological data. The correlation coeffi cient of surface temperature is above 0.9. The correlation coeffi cient of sea level pressure, 850 hPa zonal wind and meridional wind is above 0.9, 0.9 and 0.8 on global scale, respectively. The correlation coeffi cient of precipitation over Asia is no less than 0.7.DiscussionThe results suggest that the precipitation center is always located over upwind regions no matter over monsoon or inland arid areas while the downwind regions always get minimum rainfall. The character is accordance with the relationship between the convective activity and mountains. Besides, the wind field also changes near mountainous regions and obviously different from other regions. The related temperature distribution can be directly infl uenced by temperature advection change caused by wind variation. As a result, the atmosphere circulation and vertical structure are changed, which can also infl uence large scale climate systems. Lots of studies show that more realistic precipitation and wind fi eld can be simulated with higher topography resolution in climate models. Therefore, high-resoluted climate models need to be used to study the detailed monsoon and arid climate and inner difference over Asia and study the relationship between precipitation, atmosphere circulation and mountains.ConclusionsThe results show that the high-resoluted CAM4 model can improve the simulation skill over Asian, where the climate system is characterized by complex monsoons and aridity. With the improved resolution, the differences between the Indian monsoon and the East Asian monsoon, and between the arid Central Asia and inland China are obviously presented. Besides, it suggests a great infl uence of meso- and small-scale mountains on convection centers and precipitation distribution.Recommendations and perspectivesThe high-resoluted CAM4 model is very helpful for detailed study of the complex Asian climate and to deep our understanding of the infl uence of the mountain topogaraphy. The sensitivity experiments related to meso-scale mountain need to be designed to further fi nger out its climate effect.

CAM4; high resolution; simulation; Asian monsoon; interior aridity

SHI Zhengguo, E-mail: shizg@ieecas.cn

10.7515/JEE201603006

2015-11-23；录用日期：2015-12-24

Received Date:2015-11-23;Accepted Date:2015-12-24

中国科学院战略重点研究项目（XDB03020601）；国家自然科学基金项目（41290255，41572160）；国家重点基础研究发展计划（2013CB955904）；黄土与第四纪地质国家重点实验室开放基金项目（SKLLQG1416）

Foundation Item:Strategic Priority Research Program of Chinese Academy of Sciences (XDB03020601); National Natural Science Foundation of China (41290255, 41572160); National Basic Research Program of China (2013CB955904); Program of State Key Laboratory of Loess and Quaternary Geology (SKLLQG1416)

石正国，E-mail: shizg@ieecas.cn