基于CMIP6模式的热带太平洋海表温度增暖初步评估

2021-05-21 07:58张馨尤张美琪段永亮李奎平王辉武
海洋科学进展 2021年2期
关键词:海温赤道热带

张馨尤,刘 琳*,张美琪,段永亮,杨 洋,杨 光,李奎平,王辉武

(1.自然资源部 第一海洋研究所海洋与气候研究中心,山东 青岛266061;2.自然资源部 海洋环境科学与数值模拟重点实验室,山东 青岛266061;3.山东省海洋环境科学与数值模拟重点实验室,山东 青岛266061;4.青岛海洋科学与技术试点国家实验室 区域海洋动力学与数值模拟功能实验室,山东 青岛266237)

海洋约占地球面积的71%,由于其巨大的热容量在气候系统中扮演着非常重要的角色。气候变化问题越来越受到国际社会的关注。自20世纪80年代以来,全球气候就不断变暖[1],全球变暖背景下气候如何变化成为研究热点。海洋储存了地球上大部分能量,特别是热带海洋,研究发现,近几十年观测到的热带大洋增暖主要是由人类外强迫导致,温室效应气体的排放占据主要原因[2]。太平洋海域是全球海气相互作用最为活跃的地带之一,太平洋的海表温度变化对全球的气候变化都有着重要的指示意义。

世界气候研究计划(World Climate Research Programme,WCRP)第五次耦合模式比较计划(Coupled Model Intercomparison Project Phase 5,CMIP5)提供了全球多个气候模式,用来评估过去及未来的气候变化。利用模式模拟来研究热带海洋增暖有很重要的现实意义。全球变暖引起海平面上升、自然灾害和极端天气的频发,同时引起与海洋增暖密切相关的东亚夏季风和降水的变化[3-4]等,若没做好预报和预防措施,会给人们日常生活带来了诸多不便,甚至会威胁生命财产安全。相比CMIP3模式,CMIP5模式的模拟能力显著提高[5-7]。基于CMIP5模式的分析结果表明,未来全球海温将不断增加,不过不同模式模拟出的海温增暖速度、面积大小、最高气温都不大一致,并且受系统性误差影响很大。在RCP8.5情景下,FGOALS-g2和FGOALS-s2两个版本都预测了全球变暖模式,但是FGOALS-g2预测的是类似La Niña的平均增暖模式,而FGOALS-s2预测的是El Niño平均变暖模式[8]。Zhang等[9]评估了自然资源部第一海洋研究所的FIOESM1.0模式,结果表明FIO-ESM1.0给出了全球变暖下的类La Niña型增暖。孙燕[10]通过IPCC模式对暖池热力状况模拟,发现大部分模式模拟的暖池比观测小,个别存在偏大情况,最高海温无论是在热带印度洋还是太平洋都模拟过高,由于系统误差存在,冷舌过度西伸,导致暖池又小又热。海表温度的增暖表现出明显的不均匀性。在热带太平洋地区,赤道北侧增暖强于赤道南侧,赤道东太平洋增暖幅度强于西太平洋[11]。也有学者致力于改善模式缺陷,从而减小模式系统误差带来的预测不准确。刘辉等[12]对大气科学与地球物理动力学数值模拟国家重点实验室(LASG)研发的耦合海洋-大气-陆地大气环流模式进行了分析,认为海温升高是由于持续的西风应力异常引起的,而西风异常主要来自于部分近赤道地区的热通量误差,参考热通量将试验前4个月改为前3年可以有效避免持续西风应力异常的发生。应用这一改进的参考通量后,该区域的海温模拟得到了明显改善。前人研究表明热带增暖大值区分布在赤道地区,这种非均匀增暖的机制很多研究者进行了分析讨论。Köberle和Philander[13]把导致海温变化的局地因子分为两大类:即海面热通量和海洋内部动力过程。赤道太平洋海温增暖模式形成过程有2个主要特点:纬向厄尔尼诺增暖模式(El Niño-like pattern)[14-16]和经向赤道峰值增暖模式[17-18]。De Szoeke等[19]通过海表层热通量研究了热带太平洋海温增暖型的形成。Ying等[20]利用32个CMIP5模型通过分析混合层能量收支的变化探讨了年平均赤道太平洋海温增暖模式的形成机制,为研究EPSW模型间不确定的重要机制提供了一种有用的方法。杜美芳[11]从年平均角度对比海面热通量和海表平流等作用,找出热带太平洋增暖原因存在明显区域性,赤道以及以北地区海洋的动力作用起主导作用,赤道以南地区是热力作用为主导。

海洋内部动力过程及大气强迫均能够对太平洋SST增暖产生影响。在海洋内部动力过程影响方面,Cane等[21]通过理论分析发现海洋内部的动力过程通过对来自于大气的热强迫可以产生与观测相符合的太平洋SST增暖形态。Clement等[22]发现赤道海洋内部上升流对SST增暖趋势具有重要影响。Yeh等[23]通过分析CMIP3与CMIP5模式数据发现,各CMIP模式模拟得到的热带太平洋上层海洋背景场分布也能影响SST增暖特征。大气的外强迫作用方面,Meehl等[24]指出,年代际太平洋振荡对全球表面温度增温具有重要贡献。胡运等[25]指出耦合模式对SST模拟偏差来源即来自于单独的海洋过程、大气过程,也来自于海气相互作用过程。

目前,第六次耦合模式比较计划(Coupled Model Intercomparison Project Phase6,CMIP6)正在进行[26-28]。来自全球的气候学家将共享、分析和比较来自最新的全球气候模式的模拟结果。这些模式数据将支撑未来5~10 a的全球气候研究,基于这些数据的分析结果将构成未来气候评估和气候谈判的基础[29]。CMIP6是CMIP计划实施20多年来参与的模式数量最多、设计的科学试验最为完善、所提供的模拟数据最为庞大的一次。Tokarska等[30]指出,对于CMIP6模式来讲,历史阶段的全球增暖趋势模拟能力与未来排放情景下的全球增暖趋势模拟能力具有很高相关,在某种程度上历史阶段模拟能力反映了未来情境下的模拟能力。因此,对CMIP6历史阶段SST增暖现象开展评估对于了解CMIP6的基础模拟能力及未来情境下的增暖趋势变化都具有重要意义。Song等[31]基于CMIP5及CMIP6模式模拟结果对热带太平洋海表温度(Sea Surface Temperature,SST)的季节变化进行了评估,他指出CMIP6各模式对热带太平洋SST季节变化的模拟能力并没有显著提高。CMIP6模拟结果正在陆续公开,然而前人基于CMIP6开展的热带太平洋SST增暖方面的评估工作较少。本研究基于正式公开的12个CMIP6耦合模式模拟结果,从热带太平洋SST长期变化趋势为切入点,讨论模拟得到的太平洋SST长期趋势在1950—1999年间的变化,为进一步开展基于CMIP6模式对未来气候变化下的评估提供基础。

1 数据与方法

1.1 数据

本文所使用的耦合模式模拟结果数据来自CMIP6中12个模式历史气候模拟的海表温度月平均输出资料。由于CMIP6包含众多试验,本研究只选取了历史气候模拟试验[28]进行分析,以便分析与评估不同模式对20世纪历史态模拟情况,试验时间范围为1950年1月至1999年12月。本文还使用了英国哈德莱中心的SST月平均再分析资料(HadISST)[32],水平分辨率为1°×1°,时间跨度为1950年1月至1999年12月。由于CMIP6各模式水平空间分辨率各不相同,为方便处理分析数据,本文将所有模式数据统一插值到1.875°×2.236°的网格上。CMIP6中12个模式信息如表1所示。

表1 所用的12个CMIP6耦合模式Table 1 Details of 12 CMIP6 models used in this study

1.2 研究方法

1.2.1 Taylor图分析

Taylor图能够精确地拟合出模式模拟场与观测场之间的相关程度,同时包括标准偏差和均方根差,将三者显示在一张二维图上。模式之间的相似性可以通过它们的相关系数、均方根差和变化幅度(标准偏差)来量化[33]。假设2个变量f n和r n,N个时间或空间格点,那么相关系数(R)定义为

1.2.2 趋势分析

为分析某个空间点位SST的长期趋势变化特征,首先对该点处的完整时间序列进行线性拟合,将拟合得到的直线斜率作为50 a间该点处的长期变化趋势。

1.2.3 趋势变率分析

为进一步分析某个空间点位的物理要素长期特征,本文提出了一种度量时间序列长期变化趋势变率的分析方法,用来描述一个固定点位处SST增暖趋势变化幅度。具体方法为:对空间一点来说,对该点海温时间序列进行滑动趋势分析,即以20 a作为时间窗口,在此窗口内利用线性回归方法计算得到该点海温的变化趋势,然后逐渐滑动时间窗口至下一年,继续利用线性回归方法计算得到该点海温的变化趋势。以此类推,将会在空间点位上得到长度为31的年滑动变化趋势时间序列。进一步对本文所关注的所有空间点进行计算,从而得到三维滑动变化趋势数据集。通过对此数据进行方差分析,可以得到SST空间变暖长期趋势下的内在变率,为多模式评估提供了一种新方法。

2 热带太平洋SST增暖趋势

图1 给出了热带太平洋区域(120°E~80°W,20°S~20°N)1950年至1999年间观测及模式集合平均SST长期变化趋势结果,长期变化趋势是指1950年至1999年共50 a海温时间序列的拟合直线斜率。观测表明,20世纪后50 a间,热带太平洋SST经历了整体增温,大部分区域增温幅度超过0.000 7℃/月。伴随太平洋SST整体增温,增温区域呈现显著的地域性差异。赤道东太平洋增温幅度最显著,增温最大值区域出现在120°~90°W,0~10°S的赤道以南区域,最大值近0.002℃/月。西北太平洋及东北太平洋增温也显著,最大值达0.001℃/月。赤道中太平洋地区出现增温趋势减少态势,特别是中太平洋靠近西南侧及西北侧(图1a)。从CMIP6集合平均结果来看,目前12个耦合模式的集合平均结果与观测相比较表现出了较大偏差,主要反映在:1)热带太平洋SST增暖趋势显著弱于观测结果,集合平均增温最大值约0.000 8℃/月,远小于观测中的0.002℃/月;2)赤道东太平洋出现增温最小现象,这与观测中揭示出的赤道东太平洋区域为增温最大值区域刚好相反;3)赤道外北太平洋和南太平洋出现“V”字形增温最大值区域,增温最大值由(180°E,0°S)分别向西北和西南方向扩展,增温最大值小于0.000 8℃/月,此分布情况与观测揭示的赤道外北太平洋和赤道外南太平洋为增温最小值相反。

图1 1950年至1999年热带太平洋SST长期变化趋势Fig.1 The warming trend of SST in tropical Pacific from 1950 to 1999

与集合平均结果不同,12个模式均给出不同SST增暖趋势的模拟结果(图2)。大多数模式结果表现出了赤道东太平洋SST变冷的变化趋势,只有3个模式(MCM-UA-1-0,CanESM5以及MIROC6)结果表现出了与观测相符合的赤道东太平洋SST增暖,剩余9个模式结果表现出了赤道东太平洋SST变冷趋势,特别是CNRM-CM6-1模式结果表现出的赤道东太平洋SST偏冷趋势达-0.000 8℃/月。对赤道外北太平洋和南太平洋区域来讲,几乎所有模式都结果表现出了“V”字型增暖,增温由赤道中西太平洋开展分别向西北和西南方向扩展,只有SAM0-UNICON模式结果表现出了热带太平洋SST变冷的趋势分布。对赤道西太平洋来讲,除NUIST-NESM3,CNRM-CM6-1以及SAM0-UNICON三个模式结果表现出了变冷趋势外,其他模式均表现出了增暖趋势。

表2 给出了12个模式模拟得到的热带太平洋SST增暖趋势与观测相比较的空间相关系数。整体而言,大多数模式的空间相关系数高于0.35,只有SAM0-UNICON除外,其空间相关系数为0.033 9,表明该模式对热带太平洋SST长期增暖趋势的空间分布模拟出现了严重偏差。

图2 CMIP6中12个模式模拟的1950年至1999年热带太平洋区域SST增暖趋势Fig.2 The warming trend of SST in tropical Pacific from 1950 to 1999 in 12 CMIP6 models

表2 CMIP6各模式的增暖趋势空间相关系数Table 2 The spatial correlation coefficients between CMIP6 models and observation

3 热带太平洋SST增暖变率分析

热带太平洋SST在过去50 a的变暖总趋势只给出了平均意义下的变化特征,并没有变暖的细节。在这一部分,我们通过引入长期趋势变暖变率,对热带太平洋SST变暖趋势的变化情况进行分析,从而为进一步理解全球变暖提供信息。

图3 a给出了观测得到的1950—1999年热带太平洋SST增暖变率空间分布。与长期增暖趋势不同,热带太平洋SST增暖变率存在显著的空间分布差异,增暖变率最大值出现在赤道中太平洋、赤道东南太平洋及赤道外东北太平洋靠近美洲沿岸。其中,赤道中太平洋区域增暖变率最大,达0.003 8℃/月。该最大值区域与赤道外东北太平洋最大值区域连接在一起,形成热带太平洋最大的SST增暖变率最大区域。与长期变化趋势不同(图1a),赤道西太平洋和东太平洋区域SST增暖变率远小于赤道中太平洋,特别是赤道西太平洋地区,增暖变率最小值区域覆盖了150°~160°E,20°N~10°S范围内的广大区域。

与观测相比较,CMIP6耦合模式集合平均结果(图3b)显示平均意义下,基于12个耦合模式的CMIP6结果能够体现出热带太平洋SST增暖变率的空间不一致,包括中太平洋变率最大,东太平洋和西太平洋增暖变率变小,而且模式模拟强度低于观测结果。CMIP6集合平均结果还揭示出其能够反映赤道中太平洋增暖变率最大这个特征,只是增暖变率最大区域覆盖范围更加集中在赤道太平洋,并且经向范围覆盖区域更大(165°E~110°W)。赤道南太平洋SST增暖变率也可以较好地反映,只是变率最大区域与观测结果相比范围偏小,强度偏弱。模拟结果最大值为0.002℃/月,远小于观测中的0.003 8℃/月。另外一个显著特征是观测中揭示的热带太平洋SST增暖变率最大区域从赤道中太平洋向东北方向一直延伸到美洲沿岸附近并没有被耦合模式很好地模拟出。CMIP6模拟结果中,在10°N附近存在一条显著的SST增温变率偏弱区,将赤道中太平洋与东北太平洋的SST增温变率最大值区域分割开。总体而言,CMIP6耦合模式集合平均结果能够反映出热带太平洋SST增温变率的空间分布特征,增温变率较观测而言较弱。

图3 观测及CMIP6模式集合平均的热带太平洋SST增暖变率空间分布Fig.3 Same as Fig.1 but for the variability of SST warming trend

各模式对热带太平洋SST增暖变率模拟也存在较大差异(图4)。从整体模拟强度来看,NCAR_CESM2模式模拟得到的增暖变率模拟强度最强,最大值能达到0.002 4℃/月,GISS-E2-1-G,MIROC6,FGOALS-f2-L,MCM-UA-1-0以及FIO-ESM-2-0模式模拟强度也较强。其余模式模拟的热带太平洋SST增暖变率强度则偏弱,例如BCC-CSM2-MR,NUIST-NESM3模式。从SST增暖变率最大值出现的区域来看,大部分CMIP6模式均给出赤道太平洋增暖趋势最大值区域,并且覆盖范围包含接近整个赤道太平洋,只有MCM-UA-1-0模式给出了与观测较相符合的赤道中太平洋增暖;赤道南太平洋增暖变率最大值区域只有这几个模式能够清晰的给出,分别是MCM-UA-1-0,Can ESM5,NCAR_CESM2,FIO-ESM-2-0以及FGOALS-f3-L模式。东北太平洋SST增暖变率最大值这一现象在12个模式的模拟结果中均有所反映,但是观测中SST增暖变率最大值区域,即从赤道地区延伸到东北太平洋海区这一范围,并不能被大多数CMIP6模式模拟出来。除了MIROC6,NUIST-NESM3以及CNRM-CM6-1模式能够模拟出赤道中太平洋SST增温变率最大值区域(从赤道地区能够延伸到东北太平洋海区),其余9个模式均无法模拟出以上连续的分布特征,均在10°N附近出现了增暖变率的小值区域。

图4 CMIP6各模式热带太平洋SST增暖变率空间分布Fig.4 Variability of SST warming trend in different CMIP6 models

图5 为CMIP6各模式模拟的区域平均热带太平洋SST增暖变率泰勒图。泰勒图可以定量地显示出模式模拟和观测资料之间的空间相似程度[28],能够给出12个模式模拟结果以及其集合平均的SST增温变率与观测场间的相关系数、标准偏差以及均方根误差。从图5可以看出,12个模式及集合平均结果与观测的相关性并不高,大部分模拟的相关系数范围为0.4~0.6,超过95%置信水平。L点对应的SAM0-UNICON模式的相关系数小于0.1,MIROC6,NCAR_CESM2,MRI-ESM2-0,FIO-ESM-2-0四个模式与观测的相关系数均大于0.5,集合平均和观测的相关系数为0.516 7。大部分CMIP6模式模拟的增暖变率的标准偏差相比观测场偏差都偏小,标准差在0.6~1.2,表明CMIP6模式对太平洋SST增暖变率具有一定的模拟能力。但与观测相比,还存在一定偏差。

图5 CMIP6各模式模拟的区域平均热带太平洋SST增暖变率泰勒图Fig.5 Taylor diagram for the variability of SST warming trend in CMIP6 models

4 结 语

全球变暖背景下SST增暖是重要的科学事实[34]。作为全球最大的大洋,太平洋SST变化影响着多时间尺度海洋与气候事件。基于最新的CMIP6耦合模式模拟结果,本文对12个CMIP6模式模拟得到的历史模拟场景下的1950年至1999年热带太平洋SST长期变化趋势进行了分析,初步揭示了CMIP6模式对热带太平洋SST模拟能力。与观测相比,CMIP6耦合模式能够模拟出热带太平洋的增暖空间分布不均匀性及增暖变率的空间分布不均匀性,但各模式模拟增暖趋势均弱于观测结果,并且增暖变率与观测存在较大差距。CMIP6各模式均给出了赤道中太平洋增温趋势以及增温变率最大值区域位于赤道中太平洋,表明现阶段各模式对赤道中太平洋模拟能力较强,而其他区域SST变化模拟较弱。各模式对10°N地区的增暖变率普遍存在模拟偏弱,而观测中则较强,并且与赤道中太平洋和东北太平洋有较好连续性。该现象可能意味着CMIP6模式对厄尔尼诺中部型事件的产生机制模拟存在一定偏差,因为观测分析表明,从东北太平洋产生并传播到中太平洋的SST信号是厄尔尼诺中部型事件发生的重要途径。各模式模拟得到的热带太平洋SST增暖变率最大值区均位于赤道西太平洋,显示出现阶段各模式对赤道太平洋SST的模拟偏差的一致性。由于导致CMIP6模式对太平洋SST增暖模拟出现偏差的因素很复杂,因此本文并没有在模拟偏差来源方面进行仔细探讨,仅进行了初步讨论。SST增暖偏差的有关工作将在未来的进一步分析中开展。

除现有的各模式对热带太平洋SST模拟增暖及增暖变率的空间分布存在较大差异,本研究发现CMIP6对热带太平洋SST增暖趋势和增暖变率模拟均比观测结果偏弱。此发现只是基于历史态SST变化,假设各模式模拟能力保持不变,那么我们有理由相信本文使用的12个CMIP6耦合模式对未来全球变暖的模拟,特别是热带太平洋SST模拟可能存在低估的倾向,需要通过一些技术手段来提高模式对热带太平洋SST的模拟能力。

猜你喜欢
海温赤道热带
北太平洋海温Victoria模态与ENSO年际关系的非对称特征
基于深度学习的海温观测数据质量控制应用研究
热带东太平洋海温与亚洲夏季风的关系
热带风情
距赤道越远越喜爱黄色
热带的鸟儿
最热的地方不在赤道
T 台热带风情秀
FY-3卫星VIRR海表温度产品进展
最热的地方不在赤道