Open Journal of Natural Science 自然科学, 2021, 9(1), 198-207
Published Online January 2021 in Hans. /journal/ojns
/10.12677/ojns.2021.91022
邓嘉玲
成都信息工程大学,大气科学学院,四川成都
收稿日期:2020年12月30日;录用日期:2021年1月22日;发布日期:2021年1月29日
摘要
使用全球气候系统模式来模拟研究未来气候变化是现在常用的方法。由于全球气候系统模式对区域尺度的模拟能力有较大的不确定性,所以预估未来气候变化之前通常要进行模式模拟能力的评估。本文利用CMIP6 (Coupled Model Intercomparison Project Phase 6)中的8个全球气候系统模式对中国区域进行气温要素模拟的结果,来评估全球气候系统模式对中国区域的模拟能力。同观测资料对比,能得出以下结论,此8个模式能较好的模拟过去一段时间中国气温变化的大致趋势,都呈现升温的趋势。对中国区域的模拟,模式对青藏高原和四川盆地等受地形影响气温变化的模拟能力不是很好,产生非常大的冷偏差。对国内中部以及东南地区的模拟能力也就相对较好,误差较小。
关键词
CMIP6,中国区域,气温,评估
Assessment of Air Temperature Simulations in China by CMIP6 Multi-Models
Jialing Deng
School of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu Sichuan
Received: Dec. 30th, 2020; accepted: Jan. 22nd, 2021; published: Jan. 29th, 2021
Abstract
Based on the simulations of global climate system models, the projection of future climate change can be researched. Since the global climate system model has great uncertainty in the ability to simulate the regional scale, this study uses the results of the temperature element simulations of
邓嘉玲the 8 global climate system models in CMIP6 (Coupled Model Intercomparison Project Phase 6) to evaluate the ability of simulation global climate system model in China. Comparing with the ob-servation data, the following conclusions can be drawn: each model can better simulate the gener-al trend of temperature changes in China in the past period, and all show a warming trend. For the temperature simulation in China, the models are not very good at simulating the topography-related temperature change, such as in the Qinghai-Tibet Plateau and in the Sichuan Basin, resulting in very large cold deviations. The simulation capability for the central and southeastern regions of China is relatively good, with small bias.
Keywords
CMIP6, China, Air Temperature, Assessment
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).
/licenses/by/4.0/
1. 引言
世界气候研究计划(WCPR)为了推动模式发展和增进对地球气候系统的科学理解,开创了国际耦合模式比较计划(CMIP, Coupled Model Intercomparison Project Phase 6) [1],其先后进行了共计六次的模式比较计划。如今,耦合模式进行到了第六阶段,这次的研究计划是CMIP计划实施以来,模式数量最多,模拟数据最庞大的一次。相较于上一代CMIP5模式,CMIP6模式在模式分辨率和模式物理过程等方面已有不少改进,且这次参与CMIP6的模式研发团队增加了13家机构,一共达到了33家研发团队。而这次所提供的气候模式数据也能够对未来全球范围内的气候研究起到了支撑作用。在目前全球增温的环境下,由于全球气候系统的复杂性,不同区域的气候变化会受海陆因素、地形、人类活动和当地的经济状况等的影响,从而表现出不同的特征。虽然气候系统模式对大尺度系统的变化趋势、特征有较好的模拟
能力[2],但对区域尺度的气候模拟依然有许多不足、不确定性,所以我们需要针对不同区域来评估气候系统模式的模拟能力。同时,中国地形多种多样山区面积广大,还有丰富的季风系统以及青藏高原、四川盆地等多样的地形地势,使中国的气候十分复杂。因此气候系统对中国气候的模拟、预测十分重要,也一直是被广泛关注的问题。论文对8个全球气候模式进行了中国区域过去一段时间内的气温要素模拟能力的简单评估,希望能为全球气候模式对中国区域未来天气变化的预估增加可信度。
张莉,张艳武,徐影[3]等对cmip5中29个气候模式,通过等权重算术平均的方法进行了中国区域气温要素模拟能力的评估,得出了模式能较好的模拟过去一段时间内中国区域气温的空间分布,对中国区域的气候时空变化特征有一定的模拟能力,通过CMIP5研究中国未来平均气温变化和规律是可行的。梁苏洁[4]得出了CMIP5气候模式基本都能反应出中国冬季气温变化的增暖的趋势,且国内北方相较于南方增暖更厉害,伍清[5]等则对CMIP5对西南地区的气温模拟能力进行了评估,得出模式都能较好的反应出西南地区过去五十年的增温趋势,但仅有少数的模式能模拟出气温的增加幅度对海拔存在依赖性的特征。郭彦[2]等将CMIP5模式对中国年平均气温模拟及其与CMIP3模式的比较,目前利用气候系统模式对中国区域气温要素的模拟都还处于CMIP5,CMIP6计划中的数据更为庞大,对大气物理过程的描述也更加准确,但是我们对CMIP6中的气候系统模式在区域尺度上对气温的模拟能力还未进行过评估,还存在着不足,所以若要对中国未来气候变化进行预测以及其变化机制等方面的研究,对CMIP6进行模拟能力评
邓嘉玲
估是必不可少的。
我们知道,气候系统模式是我们目前研究气候变化机制和预测未来气候变化非常有力的工具[6]。在自然和人类活动的外强迫下,模式能够较好的模拟出全球变暖的主要特征[7],所以其准确性也一直是被广泛关注的问题,而随着计算机,科技的发展,能计算的数据越来越精细,资料也越来越丰富,大气模式的分辨率也大大提高,所以对未来气候的预测的精确度和时间长度要求越来越高,对模式在区域尺度的气候要素的模拟能力的准确性的要求在不断增加。同时基于这些气候系统模式的分析结果也是我们对气候预估以及气候谈判等方面的基础。同时,这些气候系统模式的发展也对我们的日常生活,如天气预报等,有非常大的帮助,与其他许多行业的发展也息息相关。但是通过对CMIP5气候系统模式的模拟评估我们知道,它对区域尺度的模拟尚有待完善和改进的地方,所以在耦合模式进行到当前阶段的时候,在中国区域对CMIP6气候系统模式各气象要素如气温的模式进行评估就重要了。也对我们预测未来气候变化,研究气候变化机制,发展气候方面的研究有帮助。
2. 资料概况与研究方法
资料包括有观测资料和模式资料。模式资料我们取了CMIP6模式中8个全球气候模式的数据,该数据来自于WCPR中CMIP6模式的数据,时间跨度为1840~2015年。该模式对比CMIP5模式,不仅大气和海洋模式的分辨率大大提高[1],而且主要以碳氢循环过程的模式为主。模式资料的研发机构包括了中国,法国,加拿大等。8个模式资料基本信息见下图(表1)。
观测资料是由吴佳等[8]基于国家气象中心2400多国家级台站建立的0.5˚ × 0.5˚分辨率的月平均温度的格点资料,时间跨度为1961~2014年。
Table 1. The basic information for 8 global climate models
表1. 8个全球气候模式基本信息
模式名称研发机构模式分辨率
BCC-CSM2-MR CNRM-ESM2-1 CAMS-CSM1-0
CanESM5
CESM2 CESM2-WACCM CNRM-CM6-1 BCC-ESM1
BCC,CMA,中国
CNRM,CERFACS,法国
CAMS,CMA,中国
CCCma,加拿大
NCAR,美国
NCAR,美国
CNRM,CERFACS,法国
BCC,CMA,中国
160 × 320
128 × 256
160 × 320
64 × 128
192 × 288
192 × 288
128 × 256
64 × 128
由于每个模式的分辨率不同,所以我们需要首先通过双线性插值方法将模式资料插值到分辨率为0.5˚ × 0.5˚的网格点,这样才能方便比较,进行后面的数据处理。然后将中国区域的数据单独抠出来后,进行维度方面的简单算术平均处理,得到中国区域的1961~2014年的年平均温度变化,对观测资料进行同样处理。然后通过观测资料和模式资料进行对比,可得到模式资料对中国过去1961到2014年的气温要素的大致模拟能力。为了更直接清晰地看出各模式对中国区域的模拟能力,还分别在空间尺度上和时间序列上进行了简单的差值处理(模式资料减去观测资料)。
3. 中国区域气温模拟能力
3.1. 时间维度上的模拟能力
通过对模式数据处理,得到了八个模式下中国区域1961~2014年的平均温度折线图(图1),观察观测
邓嘉玲
数据我们能看到在1961到2014年这段时期中国的平均气温是呈增长趋势的,总的1961到2014年的观测数据的平均增长速率为0.17℃/10a ,为了更清晰的看出模式对中国地区气温的总体变化趋势的模拟的能力,也计算了模式在1961到2014年54年间的平均增长速率(见表2)。可以看到大部分的模式资料在这段
时期也都基本表现出增温的趋势,只有一个模式BCC-ESM1在2014年相对于1961年温度降低了,使速率呈现出一个负的增长。对比所有模式CESM2-WACCM 的增长速率最为接近,说明和观测资料总的增长趋势最为接近。
Figure 1. The mean temperature of models in China during 1961~2014 图1. 模式1960~2010年中国区域平均温度模拟
Table 2. The change trend of models during 1961~2014 表2. 1961~2014年间模式平均增长速率
模式名称 CanESM5 BCC-CSM2-MR
BCC-ESM1 CAMS-CSM1-0
平均增长速率(℃/10a)
0.43 0.06 −0.02 0.06 模式名称 CESM2 CNRM-CM6-1
CNRM-ESM2-1
CESM2-WACCM
中国的气候
平均增长速率(℃/10a)
0.33
0.28
0.31
0.24
因为在这54年间,主要的增长时期是在1976到2007年,平均增长速率为0.51℃/10a 所以为了更细致的比较,计算了8个模式在这段时期内的增长速率(表3)。在这段时期内,我们可以看到所有的模式都呈现了增长的趋势,而且在总的54年内呈负趋势的BCC-ESM1也在这段时期内是有一个正的增长趋势的,而且是所有模式中与观测资料增长趋势第二相近的。有这个结果的可能原因是由于1961到2014年这54年总的温度增长并不是特别大,而模式与观测资料间的差值可能是正值也可能是负值,也可能有大有小,从而导致的这个结果。模式中与这段增长区间速率最为相近的为CNRM-ESM2-1,比例为96%
,
邓嘉玲
非常接近。为了更直观的看出模式对气温要素的总体变化趋势的模拟能力,计算了模式与观测数据之间的相关系数(表4),可以看到CESM2-WACCM是最好的,在0.8左右。最差的为CNRM-CM6-1相关系数在0.54而前面总的平均增长速率相差最大的模式相关系数也有0.6这说明看模式对中国区域平均气温的总体趋势的模拟能力,通过总的平均增长速率来评判不是特别准确。
Table 3. The change trend of models during 1976~2007
表3. 1976~2007年间模式平均增长速率
模式名称CanESM5 BCC-CSM2-MR BCC-ESM1 CAMS-CSM1-0 平均增长速率(℃/10a) 0.36 0.23 0.46 0.21 模式名称CESM2 CNRM-CM6-1 CNRM-ESM2-1 CESM2-WACCM 平均增长速率(℃/10a) 0.31 0.18 0.49 0.31
Table 4. The correlation coefficients between models and observation data
表4. 模式与观测数据之间的相关系数
模式名称CanESM5 BCC-CSM2-MR BCC-ESM1 CAMS-CSM1-0
相关系数0.7792 0.5426 0.6435 0.5665
模式名称CESM2 CNRM-CM6-1 CNRM-ESM2-1 CESM2-WACCM
相关系数0.6826 0.5236 0.7228 0.7919
综合上述结果,说明模式对中国区域平均气温的总体的增长趋势是有较好的模拟能力的。而对观测资料的增长趋势模拟能力最好的为CESM2-WACCM。最后在总的增温趋势中有两个增加十分明显的时段,一个是在1984年到1990平均增温速率达到了0.2℃/年。以及1996到1998年平均增温速率为0.55℃/年,而大部分的模式在这两个时间段也表现出增温的趋势,只有少数的模式表现出了较前年下降的趋势,综合比较相关系数,说明大部分的模式对于中国区域气温要素的变化特征能有较具体的模拟能力。模式能大致的表现的中国地区气温要素变化的特征,但还是有些许差距,相关系数最大的也在0.8附近,说明在这方面模式还有待发展。观测资料表现出来的自1970年之后的增温与北半球以及全球的平均气温的年代际变化一致[9]。Delworth [10]等通过GFDL海气耦合模式研究认为这段时期的变暖是由于人类活动以及海气系统内部年代际变率共同的作用造成的。虽然在全球变暖的背景下,模式对中国地区气温要素模拟能力在总的趋势上有较好的性能,但是由图1可以看到在模式与观测数据之间的平均温度还是有些许差距的,大部分数据的折线都在观测数据的下方,模式相比于观测数据基本温度都是偏低的,只有两个模式有正的差值,模拟的温度数据比观测温度数据值要大。而模式和模式之间有的折线增长趋势以及温度模拟非常接近,比如BCC-CSM2-MR和BCC-ESM1之间,CESM2和CESM2-WACCM之间,CNRM-CM6-1和CNRM-ESM2-1之间。这三对模式的平均温度折线非常接近,温度相差不超过1℃。这说明不
同研发机构在模式中对大气物理过程中如水汽过程、正负反馈机制等是有差异的,而这种差异也就是导致模式与模式数据之间的不同。也因此来自同一研发机构的模式之间,对同一气象要素的模拟数据结果是相近的。周天军[11]等也指出对于CMIP5中的模式由于没有严格的限制准入条件,导致各个模式在性能上表现出较大的差异。由于模式与观测数据之间还是存在一定差值的,为了更清楚的显示出模式数据下对中国区域的平均气温的模拟与观测数据之间的差异,也对8个模式数据进行了简单的差值处理(图2)。
发布评论