氣候模式中海洋數(shù)據(jù)同化對熱帶降水偏差的影響

陳輝，尹訓(xùn)強(qiáng)，宋振亞，宋亞娟，鮑穎，喬方利*

(1.國家海洋局 第一海洋研究所，山東 青島 266061；2.海洋環(huán)境科學(xué)與數(shù)值模擬國家海洋局重點實驗室，山東 青島 266061)

氣候模式中海洋數(shù)據(jù)同化對熱帶降水偏差的影響

陳輝1，2，尹訓(xùn)強(qiáng)1，2，宋振亞1，2，宋亞娟1，2，鮑穎1，2，喬方利1，2*

(1.國家海洋局 第一海洋研究所，山東 青島 266061；2.海洋環(huán)境科學(xué)與數(shù)值模擬國家海洋局重點實驗室，山東 青島 266061)

本文采用海洋衛(wèi)星觀測海表溫度(SST)和海面高度異常(SLA)數(shù)據(jù)，對國家海洋局第一海洋研究所地球系統(tǒng)模式FIO-ESM(First Institute of Oceanography Earth System Model version 1.0)中海洋模式分量進(jìn)行了集合調(diào)整卡爾曼濾波(EAKF)同化，對比分析了大氣環(huán)流、濕度和云量對海洋數(shù)據(jù)同化的響應(yīng)，探討了海洋同化對熱帶降水模擬偏差的影響。結(jié)果表明：海洋數(shù)據(jù)同化能有效改善海表溫度和上層海洋熱含量的模擬，30°S～30°N緯度帶內(nèi)年平均SST的絕均差降低60%。同化后大氣模式模擬的赤道兩側(cè)信風(fēng)得到明顯改善，上升氣流在赤道以北熱帶地區(qū)增強(qiáng)而在赤道以南熱帶地區(qū)減弱，熱帶降水模擬的動力結(jié)構(gòu)更為合理，水汽和云量分布也更切合實際。熱帶年平均降水的空間分布和強(qiáng)度在同化后均得到改善，赤道以南的緯向年平均降水峰值顯著降低，降水偏差明顯減小，同化后30°S～30°N緯度帶內(nèi)年平均降水絕均差降低35%。

氣候模式；海洋數(shù)據(jù)同化；集合調(diào)整卡爾曼濾波；降水

1 引言

降水與人們生活息息相關(guān)，作為全球水循環(huán)中最主要的環(huán)節(jié)之一，是聯(lián)系外部輻射強(qiáng)迫、大氣圈、水圈、冰凍圈、陸地圈以及生物圈的紐帶，對調(diào)節(jié)全球氣候、維持生態(tài)平衡具有重要作用，降水模擬是目前氣候變化研究中的一個重要問題[1-2]。隨著社會經(jīng)濟(jì)發(fā)展對氣候依賴程度的增加，降水的預(yù)測在國際上越來越受到人們的關(guān)注。在氣候尺度上，采用氣候模式進(jìn)行動力數(shù)值預(yù)測成為主流方法，世界氣象組織(WMO)未來發(fā)展戰(zhàn)略目標(biāo)把氣候預(yù)測列為一個具有挑戰(zhàn)性的研究目標(biāo)[3]。

自20世紀(jì)70年代Manabe和Bryan[4]在海氣耦合模式領(lǐng)域的開創(chuàng)性工作以來，在WCRP和多個模式比較計劃(包括CMIP、PMIP、CFMIP等)推動下，海氣耦合模式取得了很大的發(fā)展和改進(jìn)，已成為開展氣候變化研究和預(yù)報的主要工具之一。但是，海氣耦合模式仍然面臨一些共性問題，特別是非通量調(diào)整的海氣耦合模式的模擬結(jié)果存在顯著熱帶偏差，比如最新的第5次耦合模式比較計劃CMIP5(Coupled Model Intercomparison Project Phase 5)中多模式平均已經(jīng)能夠較好地模擬出大尺度降水分布特征，但熱帶地區(qū)降水偏差和雙赤道輻合帶(Double ITCZ)問題仍然存在[5—7]。觀測表明，在赤道以南熱帶東太平洋的降水強(qiáng)度相對較小[8]，而在海氣耦合模式中，赤道以南的降水偏強(qiáng)，相應(yīng)的海面溫度、海面風(fēng)場和上層海洋環(huán)流也與觀測存在較大的差異[8—9]，被稱為Double ITCZ問題。

很多學(xué)者對海氣耦合模式的熱帶降水偏差的成因開展了研究。通過模式對比和敏感性實驗分析，認(rèn)為降水偏差主要是由大氣模式的模擬偏差引起[10]，大氣模式中的降水、海表面空氣濕度對海表溫度(SST)以及風(fēng)場變化過于敏感使得正反饋作用偏強(qiáng)，而云量對降水的敏感性不足導(dǎo)致負(fù)反饋機(jī)制偏弱，從而形成雙赤道輻合帶偏差。Lin[11]的研究認(rèn)為信風(fēng)過強(qiáng)、潛熱通量偏高、地面短波輻射不足是海氣耦合模式中熱帶降水偏強(qiáng)的主要原因。也有研究指出，大氣模式中積云對流參數(shù)化方案不完善是造成降水偏差的重要原因，改進(jìn)對流模型能夠改進(jìn)海氣耦合模式的降水模擬能力[12—17]。同時，海洋作為大氣的主要下墊面，上層海洋結(jié)構(gòu)的改變通過海氣相互作用可以影響大氣運動、水汽分布等，進(jìn)而影響降水，赤道SST異常是導(dǎo)致熱帶降水異常的主要原因[18]。熱帶海洋降雨密集區(qū)與高SST區(qū)有較強(qiáng)的相關(guān)性，尤其在ENSO期間[19]，SST對維持大氣環(huán)流的基本形態(tài)起關(guān)鍵作用。Zhang等[8]的研究表明虛假的雙赤道輻合帶與赤道兩側(cè)對稱分布的SST、緯向流、上升流以及溫躍層結(jié)構(gòu)有關(guān)，進(jìn)而影響氣候模式模擬熱帶平均氣候和厄爾尼諾事件等。赤道東西向SST梯度偏差、秘魯沿岸的層云以及海氣相互作用過程也會導(dǎo)致赤道存在虛假的雙赤道輻合帶[20—21]。

目前，海氣耦合模式中熱帶降水偏差的來源和機(jī)制仍不清晰。為深入探討氣候模式中海洋對降水的影響，本研究將通過開展海洋數(shù)據(jù)同化實驗，對比分析大氣對海洋數(shù)據(jù)同化的響應(yīng)以及海洋同化對熱帶降水偏差的影響。在國家海洋局第一海洋研究所發(fā)展的地球系統(tǒng)模式FIO-ESM(First Institute of Oceanography Earth System Model version 1.0)基礎(chǔ)上，采用集合卡爾曼濾波(EAKF)方法開展海洋同化實驗，對海表溫度(SST)和海面高度異常(SLA)兩種海洋衛(wèi)星觀測數(shù)據(jù)進(jìn)行同化，從大氣運動、水汽分布和云量分布等方面對比分析海洋模擬的改善對大氣模式熱帶降水模擬的影響。

2 方法與數(shù)據(jù)

2.1 FIO-ESM

本研究以FIO—ESM作為數(shù)值實驗平臺，進(jìn)行海洋觀測數(shù)據(jù)的同化實驗。該模式是基于袁業(yè)立等[22]和Qiao等[23—24]提出的非破波浪致混合理論而發(fā)展起來的一個包含海浪模式的地球氣候系統(tǒng)模式，參加了第5次國際氣候模式比較計劃(CMIP5)。FIO—ESM由物理模式和生物地球化學(xué)過程模式組成，本研究的工作是基于物理模式部分進(jìn)行的，其中，大氣分量模式為CAM3.0(Community Atmosphere Model version 3.0)[25]，其水平分辨率為T42，約為2.875°，垂向上分26層；陸面分量模式為CLM3.5 (Community Land Model version 3.5)，水平分辨率與大氣分量模式相同；海洋分量模式為POP2.0(Parallel Ocean Program version 2.0)[26]，水平分辨率經(jīng)向為1.1°，緯向為0.3°～0.5°，垂向上分40層；海冰分量模式為CICE4 (Los Alamos National Laboratory Sea Ice Model version 4)，水平分辨率與海洋分量模式相同；海浪分量模式為MASNUM(Marine Science and Numerical Modeling)，水平分辨率為2°×2°，波向分辨率為30°；它們借助NCAR的通量耦合器Coupler 6耦合為一個完整的地球系統(tǒng)模式。大氣模式、陸面模式和海冰模式與耦合器的交換頻率為每1 h交換1次，海洋模式與耦合器的交換頻率為每24 h交換1次，海浪模式與耦合器的交換頻率為每6 h交換1次，有關(guān)FIO-ESM的細(xì)節(jié)可參考文獻(xiàn)[27]。

2.2 海洋數(shù)據(jù)同化實驗

數(shù)據(jù)同化采用集合調(diào)整卡爾曼濾波方法(EAKF)[28—29]，整個同化系統(tǒng)包括海洋觀測數(shù)據(jù)預(yù)處理模塊、氣候模式EAKF同化模塊、氣候模式初始場擾動模塊、氣候模式集合運行模塊和氣候模式EAKF同化控制模塊5部分。其中，海洋觀測數(shù)據(jù)預(yù)處理模塊實現(xiàn)海洋衛(wèi)星數(shù)據(jù)SST和SLA的質(zhì)量控制、異常數(shù)據(jù)剔除和單位轉(zhuǎn)換等，氣候模式EAKF同化模塊利用Yin等[30]的實現(xiàn)方案采用并行方式對觀測數(shù)據(jù)進(jìn)行多變量集合濾波調(diào)整。在同化過程中，需要調(diào)整的模式變量均包括水平流速分量、溫度、鹽度和海面高度，垂向流速和密度等非模式積分變量不做同化調(diào)整。同化所采用的日平均SLA數(shù)據(jù)由法國AVISO (Archiving，Validation and Interpretation of Satellite Data in Oceanography)網(wǎng)站提供，水平空間分辨率為(1/3)°×(1/3)°[31]。同化所采用的SST日平均數(shù)據(jù)來自美國國家海洋與大氣局氣候數(shù)據(jù)中心(NOAA/National Climate Data Center)，水平分辨率為(1/4)°×(1/4)°[32]。

氣候模式初始場擾動模塊采用氣候模式初始場中的三維海溫擾動方法，擾動后的溫度可表示為：

(1)

式中，α取值為10-3，β為(-1，1)之間平均分布的隨機(jī)數(shù)，對于不同的樣本采用不同的隨機(jī)數(shù)種子，分別對每個模式的網(wǎng)格點生成相應(yīng)的隨機(jī)數(shù)，下標(biāo)i，j和k分別為空間網(wǎng)格序號，上標(biāo)pert和init分別表示擾動后和擾動前。用上述方法擾動得到一組初始場，積分這一組模式作為集合預(yù)測模型，本研究取10個集合樣本。該集合模式積分2個模式年后，不同模式樣本之間的溫度差異在表層達(dá)到0.1～1.0°C，在1 000 m以深則達(dá)到0.01°C量級，而且不同樣本之間的發(fā)散度也隨時間相對穩(wěn)定。本文所有的數(shù)值實驗均以該集合預(yù)測模型運行2年后的結(jié)果作為初始場。

該氣候模式海洋模式分量的數(shù)據(jù)同化過程為：(1)以擾動實驗的集合預(yù)測模型運行2個模式年之后所得模式狀態(tài)的集合作為集合初始場，同時啟動一組氣候模式，分別從不同的初始場開始2 000年的氣候模擬，同時啟動海洋數(shù)據(jù)同化模塊；(2)集合氣候模型運行至新的觀測時刻后，同化模塊從各樣本模式中收集當(dāng)前的海洋模式變量，包括水位、溫度、鹽度和流速等主要海洋分量作為同化前的模式狀態(tài)集合；(3)獲取當(dāng)前時刻的觀測數(shù)據(jù)，進(jìn)行質(zhì)量控制并剔除異常觀測數(shù)據(jù)，建立模式網(wǎng)格與觀測點之間對應(yīng)的觀測算子，用于網(wǎng)格上的模式變量與觀測變量之間的投影，獲取相應(yīng)觀測點的模擬結(jié)果；(4)首先通過觀測信息計算觀測要素在觀測點上的調(diào)整量，然后依據(jù)模式狀態(tài)集合計算觀測點與周圍網(wǎng)格點的變量之間的協(xié)方差對模式網(wǎng)格點上的所有模式變量進(jìn)行調(diào)整；(5)集合模式每個樣本模式從同化模塊獲取相應(yīng)的同化調(diào)整量，按照時間步長逐步將其加入到模式變量中；(6)返回步驟(2)直至實驗結(jié)束。

本文兩組實驗分別為控制實驗和同化實驗，控制實驗是氣候模式的積分，以下用同化前表示；同化實驗在模擬過程中加入SLA和SST數(shù)據(jù)進(jìn)行同化，同化時間間隔為1 d，即每天的0時(UTC)同化一次數(shù)據(jù)。得到該時刻的同化調(diào)整量后，為了避免直接將調(diào)整量加入后引起模式的不穩(wěn)定，本研究將同化調(diào)整量在每步積分中逐漸加入，調(diào)整過程對應(yīng)的時間尺度為5 d。本文采用集合平均結(jié)果進(jìn)行對比分析。

2.3 數(shù)據(jù)

本文分析了同化前后海表溫度和上層海洋熱含量的變化，用于對比的觀測數(shù)據(jù)采用Met Office Hadley Centre observations datasets發(fā)布的月平均EN3數(shù)據(jù)[33]，其中上層海洋熱含量為0～500 m海洋熱含量，分別由觀測海溫和模擬海溫的垂向積分所得。

為了分析大氣模式對海洋數(shù)據(jù)同化的響應(yīng)，采用歐洲中期天氣預(yù)報中心(ECMWF)發(fā)布的月平均大氣再分析資料(ERA-Interim)[34]與大氣模式結(jié)果進(jìn)行對比分析，其水平分辨率為1.5°×1.5°，垂向分層為37層。

目前廣泛應(yīng)用于氣候分析、數(shù)值模式驗證等研究中的全球降水再分析數(shù)據(jù)主要有兩套，分別是由全球降水氣候計劃(Global Precipitation Climatology Project，GPCP)[35]和美國國家海洋大氣局氣候預(yù)報中心發(fā)布的月平均降水?dāng)?shù)據(jù)(CPC Merged Analysis of Precipitation，CMAP)[36]。GPCP是世界氣候研究計劃(WCRP)的產(chǎn)品，綜合了紅外和微波衛(wèi)星觀測以及全球6 000多個常規(guī)降雨觀測而生成的全球降水資料集。CMAP降水?dāng)?shù)據(jù)是通過融合不同來源降水信息建立的全球降水?dāng)?shù)據(jù)集，每年更新一次，其數(shù)據(jù)來源與GPCP基本相同，但算法不同。對CMAP和GPCP兩種降水?dāng)?shù)據(jù)的對比分析表明：兩種數(shù)據(jù)均能反映氣候平均降水的主要模態(tài)，在局部范圍內(nèi)存在差異?？傮w上，CMAP在熱帶中低緯度地區(qū)的降水比GPCP質(zhì)量高，高緯度則相反[37]。本研究主要是分析熱帶地區(qū)的降水，因此采用CMAP數(shù)據(jù)與模擬結(jié)果進(jìn)行比較分析。

3 大氣模式對海洋數(shù)據(jù)同化的響應(yīng)

3.1 海平面氣壓

不同于直接用觀測的海溫來驅(qū)動大氣模式，本實驗利用EAKF方法將海洋觀測資料同化到耦合模式的海洋模式分量中，不斷調(diào)整海洋的溫度、鹽度和水平速度等變量，海洋和大氣通過海氣相互作用形成反饋最終影響大氣環(huán)流。相比于海表溫度的單方面強(qiáng)迫，這更有利于探討大氣模式對海洋模擬改善響應(yīng)的動力過程。

圖1給出ERA-Interim再分析數(shù)據(jù)以及同化前后年平均海平面氣壓場的分布。再分析數(shù)據(jù)顯示，赤道地區(qū)為低壓帶，東太平洋以及大西洋赤道兩側(cè)各有一個高壓中心分布，在印度洋南部也有一個高壓中心，印度洋北部由于高原山脈的地形作用氣壓值最低。同化前模擬的海平面氣壓偏差在±10 hPa范圍內(nèi)，模擬的赤道東太平洋氣壓偏低，西太平洋、印度洋、大西洋西部以及非洲北部區(qū)域氣壓偏高；同化后，赤道太平洋東部海平面氣壓上升，而赤道西太平洋、印度洋、非洲東部等區(qū)域海平面氣壓下降。從圖2、3也可以看出，同化前后海平面氣壓場的變化與SST、上層海洋熱含量的變化在水平空間分布上有較好的對應(yīng)關(guān)系。表1給出海洋與氣象要素同化前后年平均絕均差，同化效果用絕均差的減小量與同化前絕均差的百分比表示。從表1可以看出相關(guān)變量同化效果，其中改善最小的海平面氣壓的同化效果為19%，改善最大的海表溫度的同化效果高達(dá)60%。

圖1 ERA-Interim年平均海平面氣壓(a)及模擬偏差(b ～ d)Fig.1 Annual mean sea level pressure from ERA-Interim (a) and simulated differences (b. without data assimilation; c. with data assimilation; d. difference between b and c)

續(xù)表1

關(guān)于海洋衛(wèi)星數(shù)據(jù)同化對氣候模式FIO-ESM中海洋模式分量的影響，我們已在之前的研究中進(jìn)行了分析*陳輝，尹訓(xùn)強(qiáng)，鮑穎，等.基于地球系統(tǒng)模式FIO-ESM的海洋衛(wèi)星資料EAKF同化實驗[J].中國科學(xué)：地球科學(xué)，待刊.，此處將針對熱帶海區(qū)(30°S～30°N)給出海洋SST和上層海洋熱含量的改善，并與大氣的變化進(jìn)行對比分析。圖2給出了年平均海表面溫度的分布。同化前，模擬海表面溫度在赤道東太平洋區(qū)域相比觀測偏高2～5℃，在西太平洋赤道兩側(cè)則偏低2～3℃，其他區(qū)域的誤差相對較小。同化后，模擬的海面溫度在赤道印度洋、赤道大西洋區(qū)域都有明顯改善，而在太平洋區(qū)域誤差改善最為顯著。赤道東太平洋區(qū)域的海表溫度誤差降為0～1℃，在南美洲西岸海表溫度誤差減小約5℃，調(diào)整后的SST赤道東西向梯度分布更為合理。如表1所示，整個區(qū)域年平均SST的絕均差從同化前的1.05℃降低為同化后的0.42℃。

圖2 EN3年平均海表溫度(a)及模擬偏差(b ～ d)Fig.2 Annual mean sea surface temperature from EN3 (a) and simulated differences (b. without data assimilation; c. with data assimilation; d. difference between b and c)

上層海洋熱含量同化前后的偏差變化與SST變化類似(見圖3)。同化前，北印度洋、大西洋東岸的熱含量模擬偏高，尤其是赤道東太平洋冷舌區(qū)的熱含量明顯偏高，與冷舌區(qū)SST模擬偏高一致；而在赤道西南太平洋熱含量模擬偏低。同化后，赤道東太平洋上層熱含量明顯降低，西太平洋暖池區(qū)熱含量則略有增加；印度洋和大西洋赤道區(qū)域熱含量在同化前后變化不大。赤道東太平洋海洋熱含量的改善與SST的改善分布類似，都呈現(xiàn)出舌狀改善區(qū)，但SST的改善舌狀呈東西向延伸形態(tài)，而熱含量的改善表現(xiàn)為明顯的從東南向西北延伸。

圖3 EN3海洋0～500 m熱含量分布(a)及模擬偏差(b ～ d)Fig.3 Ocean heat content from EN3 (a) and simulated differences (b. without data assimilation; c. with data assimilation; d. difference between b and c) in the upper 500 m

圖4 ERA-Interim再分析資料和同化前后的低層年平均風(fēng)場(975 hPa)Fig.4 Annual mean wind distribution at 975 hPa from ERA-Interim (a) and without (b)/with(c) data assimilation

圖5 ERA-Interim及同化前后大氣緯向平均垂直速度分布Fig.5 Zonal mean omega velocity of atmosphere from ERA-Interim (a) and without (b)/with(c) data assimilation

3.2 大氣環(huán)流

對比同化前后低層風(fēng)場的模擬結(jié)果(見圖4)可以看出，由于上層海洋模擬的改善，低層大氣的運動發(fā)生了明顯變化。同化前的低層風(fēng)場與再分析結(jié)果差異較大，而同化后模擬結(jié)果與ERA-Interim再分析結(jié)果更為相符。同化前，太平洋赤道兩側(cè)的東北信風(fēng)和東南信風(fēng)帶明顯偏強(qiáng)，信風(fēng)帶在赤道兩側(cè)基本對稱分布。在赤道太平洋區(qū)域，同化前的風(fēng)場相對ERA-Interim再分析風(fēng)場偏小，存在一個明顯的低風(fēng)速區(qū)域，而在太平洋中部赤道以南的東南信風(fēng)的西分量偏大，導(dǎo)致赤道以南的東南信風(fēng)未能跨越赤道形成越赤道氣流，這一偏差在同化后得到明顯改善。同化后，由于冷舌區(qū)SST模擬偏差減小，東太平洋赤道以南的東南信風(fēng)西風(fēng)分量減弱而北風(fēng)分量增強(qiáng)，東南信風(fēng)跨越赤道，在5°N附近與東北信風(fēng)匯合；與上層海洋SST和熱含量的改善分布相似，低層風(fēng)場在印度洋和大西洋的改善也相對較小。

圖5給出了緯向平均的大氣垂向運動結(jié)構(gòu)，可以看出，同化前赤道兩側(cè)的垂向運動強(qiáng)度與再分析數(shù)據(jù)資料差異較大，且上升、下沉氣流強(qiáng)度明顯偏強(qiáng)；而同化后，盡管上升氣流和下沉氣流的強(qiáng)度與再分析資料仍存在一定的差異，但其垂直運動結(jié)構(gòu)與實際更接近，上升氣流在赤道以北較強(qiáng)而在赤道以南較弱。與同化后上層海洋的改善情況對比可知，大氣低層風(fēng)場和垂直運動的改善與SST的改善分布有較好的對應(yīng)關(guān)系，表明上層海洋的改善通過海氣相互作用影響大氣水平和垂直運動過程，為大氣環(huán)流模式降水模擬的改進(jìn)提供動力基礎(chǔ)。

3.3 濕度和云量

在耦合模式中，海洋占全球大氣下墊面面積的70%，其上層溫度結(jié)構(gòu)模擬的改善將對海氣界面通量產(chǎn)生直接影響，進(jìn)而改變大氣模式對內(nèi)部動力和熱力過程的模擬能力。

圖6和7分別給出ERA-Interim與同化前后年平均比濕(975 hPa)和總云量的分布。同化前的比濕和總云量在赤道太平洋中部沿赤道對稱分布，與ERA-Interim結(jié)構(gòu)相差較大，赤道15°S～15°N之間比濕偏高約0.3 g/kg，在赤道區(qū)域比濕整體偏大，云量在赤道太平洋中部亦偏多。同化后年平均比濕分布明顯改善，赤道區(qū)域濕度顯著減小，在西太平洋濕度最大；總云量在赤道太平洋中部的分布與ERA-Interim更為接近，北部云量多，南部云量較少，在太平洋西邊界的云量相對同化前增加。圖7d給出了同化前后的云量差異。太平洋中部赤道以南上空的云量在同化后明顯減少，在西北和西南太平洋上空云量增多。綜上可知，海洋數(shù)據(jù)同化直接改善了海表溫度和上層海洋熱含量，通過海氣相互作用，影響了低層大氣熱量輸送和運動過程，使大氣濕度和云量分布更切合實際，為改善大氣降水模擬提供了合理的水汽條件。

圖6 ERA-Interim 975 hPa年平均比濕(a)及模擬偏差(b ～ d)Fig.6 Annual mean specific humidity from ERA-Interim (a) and simulated differences (b. without data assimilation; c. with data assimilation; d. difference between b and c) at 975 hPa

圖7 ERA-Interim年平均總云量分布(a)及模擬偏差(b ～ d)Fig.7 Annual mean total cloud fraction from ERA-Interim (a) and simulated differences (b. without data assimilation; c. with data assimilation; d. difference between b and c)

3.4 熱帶降水

全球降水在緯向上有一定的分布特征，低緯熱帶地區(qū)比較濕潤，降水較多，中高緯降水量較小，在西風(fēng)帶區(qū)域增強(qiáng)，繼而向兩極遞減。對比緯向平均降水分布(見圖8)，CMAP降水?dāng)?shù)據(jù)在赤道兩側(cè)存在兩個峰值，且赤道以北的峰值(6 mm/d)高于赤道以南的峰值(4 mm/d)。在熱帶低緯度區(qū)域，同化前緯向平均降水強(qiáng)度偏強(qiáng)，且在赤道以南的緯向平均降水峰值約為6.3 mm/d，高于赤道以北的緯向平均降水峰值。圖中紅色曲線表示同化后的年平均緯向平均降水分布，可以看出，同化后在赤道南側(cè)的緯向平均降水峰值顯著下降，減小量約1.5 mm/d，赤道兩側(cè)熱帶的年平均緯向平均降水分布與CMAP數(shù)據(jù)的結(jié)果比較一致?？梢姡瑲夂蚰Ｊ胶Ｑ髷?shù)據(jù)同化過程能有效降低赤道南北兩側(cè)緯向平均降水的偏差，使得赤道以南的緯向平均降水峰值顯著下降，且低于赤道北側(cè)緯向平均降水峰值，上層海洋模擬改善后FIO-ESM氣候模式所模擬的年平均緯向平均降水分布更加合理。

圖8 CMAP及同化前后緯向平均的年平均降水分布Fig.8 Annual mean zonal averaged precipitation from CMAP (black) and without (green) / with (red) data assimilation

同化前年平均降水分布最顯著的特征是在太平洋中部赤道兩側(cè)存在兩個對稱的降水帶(見圖9)，即存在明顯的虛假雙赤道輻合帶。從圖9b中可以明顯看出同化前位于太平洋中部赤道以南的異常降水分布與位于赤道以北的降水對稱分布，而在圖9a中CMAP降水?dāng)?shù)據(jù)的年平均降水分布呈非對稱分布。此外，同化前在赤道太平洋東岸、赤道南美洲西部區(qū)域降水強(qiáng)度偏弱，降水區(qū)域面積偏小，在地形起伏區(qū)域如中南半島和印第安斯山脈東部降水強(qiáng)度偏弱、非洲赤道區(qū)域降水強(qiáng)度則偏強(qiáng)。同化后，全球水平分布的整體態(tài)勢與觀測更為接近，降水中心集中分布在赤道太平洋西岸群島；在太平洋赤道以南的降水帶向西收縮，赤道兩側(cè)降水強(qiáng)度均減弱，表明同化實驗有效抑制了該氣候模式中的雙赤道輻合帶現(xiàn)象，使得降水在赤道太平洋的赤道兩側(cè)呈現(xiàn)不對稱分布，與實際相符。在北印度洋區(qū)域，同化后的降水略有增加，其分布結(jié)構(gòu)與CMAP更為一致。為了更清晰的分辨同化前后水分布的差異，圖10d給出了同化前后的年平均降水相對CMAP降水?dāng)?shù)據(jù)的偏差。從圖中可看出同化后熱帶降水偏差整體減小，尤其在赤道太平洋區(qū)域，降水偏差減小約5 mm/d，在西太暖池區(qū)降水增加約3 mm/d，而在熱帶其他區(qū)域上也有不同程度的改善。

本研究通過數(shù)據(jù)同化實驗研究了海洋改善對大氣降水影響，在氣候模式中采用海洋數(shù)據(jù)同化方法改善了海洋的模擬，通過海氣相互用進(jìn)而影響大氣運動和水汽分布，最終有效抑制了雙赤道輻合帶現(xiàn)象，使年平均降水分布結(jié)構(gòu)更為合理，表明海洋的準(zhǔn)確模擬對改善氣候模式的降水模擬具有不可忽視的作用。

圖9 CMAP及同化前后年平均降水分布Fig.9 Annual mean precipitation from CMAP (a) and without (b) / with (c) data assimilation

圖10 同化前后年平均降水與CMAP的差異及同化前后差異Fig.10 Differences of annual mean precipitation compare to CAMP (a. without data assimilation; b with data assimilation; c. differences between a and b)

4 結(jié)論與討論

本文基于EAKF方法對氣候模式FIO-ESM中海洋模式進(jìn)行了海洋衛(wèi)星資料(SST和SLA)同化實驗，對比分析了大氣環(huán)流、水汽分布、云量對上層海洋模擬改善的響應(yīng)，探討了耦合模式中海洋數(shù)據(jù)同化對熱帶降水模擬偏差的影響。結(jié)果顯示：

(1)在海洋衛(wèi)星數(shù)據(jù)同化后，氣候模式FIO-ESM所模擬的海面氣壓、大氣975 hPa風(fēng)場和大氣垂向運動均得到顯著改善，同化后熱帶區(qū)域(30°S～30°N)年平均絕均差分別減少19%、26%和50%，為降水模擬的改進(jìn)提供了動力基礎(chǔ)；

(2)海洋上層熱結(jié)構(gòu)的改善通過海氣相互作用過程影響大氣濕度和云量的模擬，同化后熱帶區(qū)域的年平均絕均差分別減小37%和25%，為改善降水模擬提供了合理的水汽條件；

(3)同化后氣候模式雙赤道輻合帶現(xiàn)象得到有效抑制，赤道以南緯向平均降水顯著減少，使得模擬的熱帶降水空間和強(qiáng)度分布更為合理，同化后年平均降水的絕均差降低了0.53 mm/d。

在采用SST強(qiáng)迫的大氣模式中，海洋的狀態(tài)僅是大氣的底邊界強(qiáng)迫，缺少海洋與大氣之間的互相反饋，而耦合模式包含多個模式分量，各個模式分量之間通過耦合器進(jìn)行相互作用，物理過程與實際更為接近。海洋數(shù)據(jù)同化改善了海洋狀態(tài)的模擬，低層大氣對上層海洋動力和熱力的改變做出響應(yīng)，同時大氣的改變也進(jìn)一步通過海氣相互作用反饋到海洋。在赤道東太平洋冷舌區(qū)，同化后的海表溫度降低，海洋上層熱含量減少，導(dǎo)致海平面氣壓上升，越赤道氣流加強(qiáng)，大氣上升運動的強(qiáng)度減弱，水汽含量和云量減少，最終使得東太平洋冷舌區(qū)降水量減小。大氣環(huán)流結(jié)構(gòu)、水汽、云量等氣象要素模擬的改進(jìn)，有效抑制了赤道以南的緯向平均降水峰值，使熱帶年平均降水的空間結(jié)構(gòu)和強(qiáng)度模擬均得到了改善。本文實驗結(jié)果表明海洋資料同化可使熱帶降水模擬的絕均差降低35%，可見氣候模式中海洋模擬的準(zhǔn)確程度是降水模擬偏差的重要影響因素。

值得注意的是，海氣相互作用和大氣中的對流積分、云物理等過程在氣候模式中是否得到準(zhǔn)確的描述也是影響降水模擬的重要因素。海洋同化能改善氣候模式的模擬能力，熱帶降水偏差顯著減少，但海氣相互作用以及大氣云物理過程等的清晰物理認(rèn)識也是改善氣候模式必不可少的。

[1] WCRP. CLIVAR Science Plan，WCRP Pub. No. 89，WMO/TD-No. 690[M]. World Meteorological Organization，Geneva，1995．

[2] WCRP. The world climate research programme strategic framework 2005-2015 coordinated observation and prediction of the Earth system (COPES)[M]. World Meteorological Organization，Geneva，2005．

[3] WMO. WMO Strategic Plan，WMO-No. 1028[M]. World Meteorological Organization，Geneva，2007．

[4] Manabe S，Bryan K. Climate calculation with a combined ocean-atmosphere model[J]. Journal of Atmosphere Science，1969，26: 768-789．

[5] Pincus R，Batstone C P，Hofmann R J P，et al. Evaluating the present day simulation of clouds，precipitation，and radiation in climate models[J]. Journal of Geophysical Research: Atmospheres (1984-2012)，2008，113(D14)．

[6] Brown J R，Moise A F，Colman R A. The South Pacific Convergence Zone in CMIP5 simulations of historical and future climate[J]. Climate Dynamics，2013，41(7/8): 2179-2197．

[7] Elguindi N，Grundstein A，Bernardes S，et al. Assessment of CMIP5 global model simulations and climate change projections for the 21st century using a modified Thornthwaite climate classification[J]. Climatic Change，2014，122(4): 1-16．

[8] Zhang X，Lin W，Zhang M. Toward understanding the double Intertropical Convergence Zone pathology in coupled ocean-atmosphere general circulation models[J]. Journal of Geophysical Research: Atmospheres (1984-2012)，2007，112(D12)．

[9] Mechoso C R，Robertson A W，Barth N，et al. The seasonal cycle over the tropical Pacific in coupled ocean-atmosphere general circulation models[J]. Monthly Weather Review，1995，123(9): 2825-2838．

[10] Schneider E K. Understanding differences between the equatorial Pacific as simulated by two coupled GCMs[J]. Journal of Climate，2002，15(5): 449-469．

[11] Lin J L. The double-ITCZ problem in IPCC AR4 coupled GCMs: ocean-atmosphere feedback analysis[J]. Journal of Climate，2007，20(18):4497-4525．

[12] Arakawa A. The cumulus parameterization problem: past，present，and future[J]. Journal of Climate，2004，17(13): 2493-2525．

[13] Chen H，Zhou T，Neale R B，et al. Performance of the new NCAR CAM3. 5 in East Asian summer monsoon simulations: Sensitivity to modifications of the convection scheme[J]. Journal of Climate，2010，23(13): 3657-3675．

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

[15] Delworth T L，Rosati A，Anderson W，et al. Simulated climate and climate change in the GFDL CM2. 5 high-resolution coupled climate model[J]. Journal of Climate，2012，25(8): 2755-2781．

[16] 劉屹岷，劉琨，吳國雄. 積云對流參數(shù)化方案對大氣含水量及降水的影響[J].大氣科學(xué)，2007，31(6): 1201-1211.

Liu Yimin，Liu Kun, Wu Guoxiong. The impacts of the cumulus convective parameterization on the atmospheric water-content and rainfall simulation in SAMIL[J]. Chinese Journal of Atmospheric Sciences，2007，31(6):1201-1211．

[17] 鐘琦，鐘青，沈元芳. 物理守恒律保真全球譜模式輻射—云—對流過程的改進(jìn)[J]. 氣候與環(huán)境研究，2011，16(4): 407-418．

Zhong Qi，Zhong Qing，Shen Yuanfang. Improvement on the simulation of radiation-cloud-convection process in a physical conserving fidelity global spectral model[J]. Climatic and Environment al Research，2011，16 (4) : 407-418．

[18] Sud Y C，Walker G K，Zhou Y P，et al. Influence of local and remote sea surface temperatures on precipitation as inferred from changes in boundary-layer moisture convergence and moist thermodynamics over global oceans[J]. Quarterly Journal of the Royal Meteorological Society，2008，134(630): 147-163．

[19] Giannini A，Chiang J C H，Cane M A，et al. The ENSO teleconnection to the tropical Atlantic Ocean: contributions of the remote and local SSTs to rainfall variability in the tropical Americas[J]. Journal of Climate，2001，14(24): 4530-4544．

[20] Li B，Zhou T. ENSO-related principal interannual variability modes of early and late summer rainfall over East Asia in SST driven AGCM simulations[J].Journal Geophysics Research，2011，116:D14118．

[21] Dai A. Precipitation characteristics in eighteen coupled climate models[J]. Journal of Climate，2006，19(18): 4605-4630．

[22] 袁業(yè)立，喬方利，華鋒，等. 近海環(huán)流數(shù)值模式的建立，部分1：海波的攪拌和波-流相互作用[J]. 水動力學(xué)研究與進(jìn)展：A輯，1999，14(4B): 1-8．

Yuan Yeli，Qiao Fangli，Hua Feng，et al. Establish an offshore circulation numerical model，Part Ⅰ: wave stirring and wave-current interaction[J]. Journal of Hydrodynamics: Ser A，1999，14(4B): 1-8．

[23] Qiao F L，Yuan Y L，Yang Y Z，et al. Wave-induced mixing in the upper ocean: distribution and application to a global ocean circulation model[J]. Geophysics Research Letter，2004，31: L11303．

[24] Qiao F L，Yuan Y L，Ezer T，et al. A three-dimensional surface wave-ocean circulation coupled model and its initial testing[J]. Ocean Dynamics，2010，60(5):1339-1355．

[25] Collins W D，Rasch P J，Boville B A，et al. The formulation and atmospheric simulation of the Community Atmosphere Model version 3 (CAM3)[J]. Journal of Climate，2006，19(11): 2144-2161．

[26] Smith R，Jones P，Briegleb B，et al. The parallel ocean program (POP) reference manual[R]. Los Alamos National Lab Technical Report，2010: 141．

[27] Qiao F L，Song Z Y，Bao Y，et al. Development and evaluation of an Earth System Model with surface gravity waves[J]. Journal of Geophysical Research: Oceans，2013，118(9): 4514-4524．

[28] Anderson J L. An ensemble adjustment Kalman filter for data assimilation[J]. Monthly Weather Review，2001，129(12): 2884-2903.

[29] Anderson J L. A local least squares framework for ensemble filtering[J]. Monthly Weather Review，2003，131(4):634-642．

[30] Yin X Q，Qiao F L，Yang Y Z，et al. Argo data assimilation in ocean general circulation model of Northwest Pacific Ocean[J]. Ocean Dynamics，2012，62(7):1059-1071．

[31] Ducet N，Le Traon P Y，Reverdin G. Global high-resolution mapping of ocean circulation from TOPEX/Poseidon and ERS-1 and-2[J]. Journal of Geophysical Research: Oceans (1978-2012)，2000，105(C8): 19477-19498．

[32] Reynolds R W，Smith T M，Liu C，et al. Daily High-resolution Blended Analyses for sea surface temperature[J]. J Climate，2007，20: 5473-5496．

[33] Ingleby B，Huddleston M. Quality control of ocean temperature and salinity profiles-historical and real-time data[J]. Journal of Marine Systems，2007，65:158-175．

[34] Dee D P，Uppala S M，Simmons A J，et al. The ERA-Interim reanalysis: Configuration and performance of the data assimilation system[J]. Quarterly Journal of the Royal Meteorological Society，2011，137(656): 553-597．

[35] Huffman G J，Bolvin D T. GPCP Version 2.2 SG Combined Precipitation Data Set Documentation[OL]. http://www.esrl.noaa.gov/psd/data/gridded/data.gpcp.html．

[36] Xie P，Arkin P A. Global precipitation: A 17-year monthly analysis based on gauge observations，satellite estimates，and numerical model outputs[J]. Bulletin of the American Meteorological Society，1997，78(11): 2539-2558．

[37] Yin X，Gruber A，Arkin P. Comparison of the GPCP and CMAP Merged Gauge-Satellite Monthly Precipitation Products for the Period 1979-2001[J]. Journal of Hydrometeorology，2004，5(6):1207-1222．

The impacts of ocean data assimilation on tropical precipitation bias in a climate model

Chen Hui1，2，Yin Xunqiang1，2，Song Zhenya1，2，Song Yajuan1，2，Bao Ying1，2，Qiao Fangli1，2

(1.FirstInstituteofOceanography，StateOceanicAdministration，Qingdao266061，China; 2.KeyLabofMarineScienceandNumericalModeling，StateOceanicAdministration，Qingdao266061，China)

Using the Ensemble Adjustment Kalman Filter (EAKF)，two kinds of oceanic satellite observations，namely sea surface temperature (SST) and sea level anomaly (SLA)，had been assimilated into the ocean model component of the FIO-ESM (First Institute of Oceanography Earth System Model version 1.0). We analyzed the differences of the atmospheric circulation，specific humidity，cloud fraction，and precipitation in tropical between the assimilation and no assimilation experiment，to investigate the impacts of ocean data assimilation on tropical precipitation simulation in a climate model. The results showed that ocean data assimilation can effectively improve the sea surface temperature and ocean heat content in the upper layer of the ocean，the absolute mean error of annual mean SST in the area of 30°S～30°N were reduced by 60%. Sea level pressure and atmospheric circulation such as lower winds had been significantly improved. The atmospheric vertical motion turns to be more reasonable，which provide reliable dynamic conditions for precipitation simulation. Improvements of SST and atmospheric circulation would further influence the spatial distribution of the specific humidity and cloud fraction，giving more reasonable moisture conditions for precipitation simulation. Finally，the spatial distribution and intensity of zonal mean were significantly improved，the peak value of precipitation in the south of the equator were obviously reduced，and the absolute mean error of annual mean precipitation in the oceanic area of 30°S～30°N were reduced by 35%．

climate model；data assimilation；EAKF；precipitation

10.3969/j.issn.0253-4193.2015.07.005

2014-05-26；

2015-03-20。

國家自然科學(xué)基金委員會-山東省人民政府聯(lián)合資助海洋科學(xué)研究中心項目(U1406404);中央級公益性科研院所基本科研業(yè)務(wù)費專項資金資助項目(2012G24)；海洋公益性行業(yè)科研專項(201505013)。

陳輝(1988—)，女，江蘇省如皋市人，主要從事海洋數(shù)值模擬結(jié)果分析。E-mail：chenhui@fio.org.cn

*通信作者：喬方利(1966—)，男，山東省慶云縣人，研究員，主要從事海洋與氣候模式發(fā)展、海洋混合等研究。E-mail：qiaofl@fio.org.cn

P732.4

A

0253-4193(2015)07-0041-13

陳輝，尹訓(xùn)強(qiáng)，宋振亞，等. 氣候模式中海洋數(shù)據(jù)同化對熱帶降水偏差的影響[J]. 海洋學(xué)報，2015，37(7): 41-53，

Chen Hui，Yin Xunqiang，Song Zhenya，et al. The impacts of ocean data assimilation on tropical precipitation bias in a climate model[J]. Haiyang Xuebao，2015，37(7): 41-53，doi：10.3969/j.issn.0253-4193.2015.07.005