CMIP6模式对中国近海气象要素模拟评估与预测_唐寅.pdf

88 海洋科学/2022 年/第 46 卷/第 12 期 CMIP6 模式对中国近海气象要素模拟评估与预测 唐 寅1,毛新燕1,钱 闯1,田晓露1,王亚男1,江文胜2(1.中国海洋大学 海洋与大气学院,山东 青岛 266100;2.中国海洋大学 环境科学与工程学院,山东 青岛 266100)摘要:为了研究第六次国际耦合模式比较计划(CMIP6)中新提出的“情景模式比较计划”(ScenarioMIP)下中国近海气象要素的变化情况,本文选取了其中 6 个海气耦合模型,对其模拟的风速、气温、降水进行评估与预测。评估结果表明选取的模式对中国近海模拟效果整体都不错,但在菲律宾群岛附近模拟结果相对欠佳。模型平均预估结果表明未来 21 世纪中叶 4 个情景下渤黄海风速夏季增加、冬季减弱;至 21 世纪末,研究海域夏季 15N 以北(南)风速主要呈增加(减小)的趋势,冬季 25N 以北(南)风速主要呈减小(增加)的趋势。4 个未来情景下的中国近海气温都将持续升高,高纬区域增幅大于低纬。可持续发展情景(SSP1-2.6)能有效减缓升温,其他放任温室气体大量排放的情景(如 SSP5-8.5),则会加剧升温。未来中国近海降水变化总体上呈增加趋势,渤黄海与东海降水增幅在 SSP5-8.5 情景下最大,世纪末分别增加约 15.87%与 5.61%;南海降水增幅在 SSP2-4.5 情景下最大,世纪末增加约 4.84%。关键词:CMIP6;ScenarioMIP;中国近海;气象要素评估;未来预测 中图分类号:P731 文献标识码:A 文章编号:1000-3096(2022)12-0088-15 DOI:10.11759/hykx20220118001 中国地处亚欧大陆东部,毗邻西北太平洋,主要气候类型是季风气候。东亚季风气候变化影响中国近海的海洋动力与生态环境,风、气温、降水等常见气象要素跟海水的温度、盐度以及生物活动等联系紧密。风能使海洋产生风海流与上升流,进而影响海表温度。研究表明 19712001 年间的东亚冬季风年代际减弱可能是中国近海海面温度(sea surface temperature,SST)年代际上升的重要原因之一1。除此之外,其他气象要素例如气温也与海温联系紧密,有研究指出北黄海附近海域冬季的气温是影响其冷水团温度的主要因素之一2。气温变化也能通过影响海水蒸发进而影响海水盐度。另外,降水与蒸发等水的相态变化也与海水盐度联系密切,研究指出渤海盐度受局地气象要素的影响显著,盐度变化滞后于降水和蒸发的变化,夏季降水与秋季蒸发对秋冬季盐度分布影响很大3。生态环境方面,蔡榕硕与谭红建4研究发现 20世纪 70年代以来的东亚气候变化可能是赤潮等生态灾害频发和中国近海鱼类物种北移的重要原因之一。前人的模型预测结果也表明,中国近海的动力与生态环境对于气候变化也有极强的响应5-7。综上,为了预测未来中国海洋环境的变化情况,研究近海气象要素的变化是很有必要的。现阶段对于气候变化的评估与预测大多基于国际耦合模式比较计划(Coupled Model Intercompari-son Project,CMIP),包括 CMIP1(1995 年)、CMIP2(1997 年)、CMIP3(2004 年)、CMIP5(2013 年)和目前正在进行的 CMIP6。联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)依据CMIP5发布的第五次评估报告(Fifth Assessment Report,AR5)报告指出人类活动极有可能是导致 20 世纪中叶以来气候变暖的主要因素8。CMIP 目前已进入第六阶段,共有来自全球 33 个机构的 112 个全球气候模式(Global Climate Model,GCM)参与其中。CMIP6 是 CMIP 计划实施以来参与模式最多、设计试验最完善、提供数据最庞大的一次,其为评估模式对过去和当前气候变化的模拟能力以及预估未来气候变化提供了重要数据基础9。CMIP6最新提出的情景模式比较计划(ScenarioMIP)收稿日期:2022-01-18;修回日期:2022-03-24 基金项目:国家自然科学基金联合基金项目(U2106204)Foundation:Joint Fund Project of National Natural Science Foundation of China,No.U2106204 作者简介:唐寅(1998),男,四川广元人,硕士研究生,研究方向:海洋未来预测,E-mail:;毛新燕(1982),山东青岛人,通信作者,副教授,主要从事近海环流、物质输运以及海洋生态环境的研究,E-mail: Marine Sciences/Vol.46,No.12/2022 89 是基于不同的共享社会经济路径(shared socioeco-nomic pathway,SSP)以及最新的人为排放温室气体趋势提出的新预估情景10-11。其中 SSP 描述了在没有气候变化或者气候政策影响下,未来社会的可能发展。SSP1、SSP2、SSP3、SSP4 和 SSP5 分别代表了可持续发展、中度发展、局部发展、不均衡发展和常规发展 5 种路径。CMIP5 提出的典型浓度路径(representative concentration pathway,RCP)主要包括 RCP2.6、RCP4.5、RCP6.0、RCP8.5 等路径,每种路径中RCP后的数字代表了到2100年温室气体的辐射强迫值,即分别为 2.6、4.5、6.0、8.5 W/m2,CMIP6在此基础上又添加 了 RCP7.0、RCP3.4 与低于2.6 W/m2的排放路径。ScenarioMIP 中社会经济发展路径(SSP)与未来辐射强迫路径(RCP)两者之间具有一致性,社会经济发展情景(SSP)是基础,在这个基础 上 再 生 成 对 应 的 温 室 气 体 排 放 路 径(RCP)。ScenarioMIP 情景形式上通常可以写成 SSPx-y,例如SSP1-2.6代表 SSP1 路径与 RCP2.6(到 2100 年温室气体辐射强迫稳定在 2.6 W/m2左右)相结合的未来情况。对于 ScenarioMIP 情景下全球气象要素的未来变化情况,研究表明12-13不同情景之间,未来气温与降水变化差异很大。升温较大的区域位于北半球高纬度地区,陆地升温比海洋更大。伴随着气温增加,陆地上将会有更多地区面临降水的显著变化(中等信度),其中高纬度地区、热带海洋和大部分季风区降水很可能增加,副热带大部分地区降水可能减少。科研人员利用 CMIP 针对东亚未来气候变化已经开展了许多数值模拟试验和预估工作。风速方面,研究指出在 RCP4.5 与 RCP8.5 情景下,CMIP5大多数模型均模拟出东中国海夏季风增强,冬季风减弱的变化特征,RCP4.5 情景下夏季风速增加约3.7%14-15。但是也有研究表明在 CMIP3 的中等温室气体排放情景与 CMIP5的3个情景(RCP2.6,RCP4.5,RCP8.5)下,未来东亚的夏季风速增加,冬季25N以北(南)风速减少(增加),不同情景下风速变化的幅度与区域大小均不相同16-17。气温与降水方面,研究指出在RCP4.5情景下东亚区域未来的地面气温将普遍升高,海洋上的增暖幅度小于陆地;东亚大部分区域的降水也会增加,陆地较为明显,但增加幅度较小,年均降水平均增加 4.62%15,18。前人已将最新的CMIP6 数据运用到对中国陆地的风速19、气温与降水20-21的研究中,但对于海上的气象要素的研究相对较少。在对中国近海风能的研究中22,结果表明在SSP2-4.5 与 SSP5-8.5 这 2 个情景下,未来风速在东海小幅下降,在南海会有所增加;21 世纪中期(20412060)风速的变化幅度0.2 m/s,21 世纪后期(20812100)的变化幅度0.3 m/s。CMIP6 采用了新一代气候模式、一组新的浓度、排放和土地利用情景,因此 CMIP6 的气候预估结果与 CMIP5 是有所不同的23。CMIP6 中 SSP 情景的增暖情况通常也要强于 CMIP5 中对应的 RCP 情景24-25,而目前对于未来中国近海气象要素在新提出的 Sce-narioMIP 情景下的具体变化情况研究相对较少。本文主要利用 CMIP6 气候模式模拟的 10 m 高度风速、2 m高度气温与降水量这 3个常见的季风气候要素来探究未来中国近海气候变化,旨在通过统计分析等手段对其模拟出来的数据进行评估,并得出在 ScenarioMIP情景下中国近海气象要素的未来变化趋势。1 数据与方法数据与方法 1.1 数据选取数据选取 本文主要使用了 6 个 CMIP6 的气候模式(表 1)的 10 m 高度风速,2 m 高度气温与降水数据。选取了CMIP6 历史情景与一级试验(Tier-1)中的 4 个情景(SSP1-2.6,SSP2-4.5,SSP3-7.0,SSP5-8.5)。历史情景年份为 20052014年,未来情景将针对 21世纪中叶(20502059 年)和 21 世纪末(20902099 年)两个时间段进行进一步分析。表 1 本文研究所用的 CMIP6 模式信息 Tab.1 CMIP6 mode information 模型名称 机构(国家)分辨率(经度纬度)网格数(经向纬向)BCC-CSM2-MR BCC(中国)1.1251.121 320160 CAMS-CSM1-0 CAMS(中国)1.1251.121 320160 CMCC-ESM2 CMCC(意大利)1.250.94 288192 FGOALS-f3-L CAS(中国)1.251 288180 GFDL-ESM4 NOAA-GFDL(美国)1.251 288180 MPI-ESM1-2-HR DKRZ(德国)0.937 50.935 384192 90 海洋科学/2022 年/第 46 卷/第 12 期 考虑到上述 CMIP6 各模式分辨率并不统一,故将所有气候模式结果均双线性插值到 ERA5 的 0.25 0.25(经度纬度)的网格里,并根据 ERA5 的海陆分布情况(图 1)保留了海上的格点。此外,本文对研究海域进行了分区,依据前人划分标准分成了渤黄海(BYS)区(117127E,3541N),东 海(ECS)区(120130E,2235N)和南海(SCS)区(105120E,522N)14。并将之前未研究的台湾岛以西的部分海域(即 113120E)归纳至了东海(ECS)的范围。图 1 研究海域的海陆分布与分区情况 Fig.1 Marine and land distribution and Marine area divi-sion in the study area 注:其中蓝色代表海上的格点,灰色代表陆地格点 1.2 研究方法研究方法 本文用 Taylor 图(图 2)的方法来进行模型评估,该方法由 Taylor26于 2001 年首先提出,基于相关系数(R)、中心均方根误差(E)、标准差 这 3 个指标,来比较模式结果与观测的关系,用以评估模拟能力。本文除了对单个模式进行评估与预测的结果分析以外,考虑到单个模式的不确定性,也对所有模式进行了等权平均,并对模型平均(MME)的结果采用同样的方式进行了评估。MME11 IiiSSI=,(1)其中,S 为研究的气象要素,I 为模式个数。图 2 Taylor 示意简图 Fig.2 Taylor schematic 注:f与 r分别是模式与观测的标准差 2 对对CMIP6模式历史模拟结果的评估模式历史模拟结果的评估 对于所选取的 CMIP6 各模式的历史模拟结果,用欧洲中期天气预报中心(European Centre for Me-dium-Range Weather Forecasts,ECMWF)发布的第五代全球气候再分析数据集(ECMWF Reanalysis v5