基于CESM氣候模式的同化模擬實驗

李熠，陳幸榮,2，譚晶，黃勇勇，蔡怡,2

（1.國家海洋環(huán)境預(yù)報中心，北京100081；2.國家海洋局海洋災(zāi)害預(yù)報技術(shù)研究重點實驗室，北京100081）

1 引言

耦合氣候模式是進行短期氣候預(yù)測的重要工具。近年來，隨著模式物理參數(shù)化方案的改進和分辨率的提升，其模擬能力有了長足進步，在氣候評估和短期氣候預(yù)測中發(fā)揮了愈發(fā)重要的作用。目前，國內(nèi)外有眾多科研院所從事模式研究，如美國國家大氣研究中心（NCAR）、美國地球流體動力學(xué)實驗室（GFDL）、德國馬克斯ˉ普朗克研究所（MPI）、中國科學(xué)院大氣物理研究所、國家氣候中心等，均發(fā)展了各具特色的耦合模式。國內(nèi)外大量業(yè)務(wù)預(yù)報機構(gòu)，如美國氣候預(yù)報中心（CPC）、歐洲中心（ECMWF）、日本氣象廳、國家氣候中心等，也在各自的預(yù)報工作中，大量采用模式結(jié)果作為最終預(yù)報結(jié)論的依據(jù)。

預(yù)報技巧的提高很大程度上依賴合理的初始化方案，早在20 世紀(jì)60年代Lorenz、Charney 等前人就指出大氣的瞬間狀態(tài)預(yù)報時效較短，對于較長期的預(yù)報主要依賴于下邊界條件。而對于ENSO這一氣候系統(tǒng)中最重要的年際信號，也有研究指出，其可預(yù)報性主要來源于海洋的記憶，因此可以通過初始化耦合模式的海洋模塊，得到較好的ENSO預(yù)報效果[1-3]。長時間來，國內(nèi)外學(xué)者發(fā)展了多種耦合模式初始化方法。如Chen等利用Zebiak-Cane 模式[4-5]將實測的海表面風(fēng)應(yīng)力異常疊加到耦合模式輸出的風(fēng)應(yīng)力上，驅(qū)動模式得到初始場[6-7]。但是，直接利用實際觀測需要大量的研究和實驗，且需要進行大量工作收集、校正觀測資料。若使用格點分析資料進行同化，將在實際預(yù)測工作中免去收集觀測資料、進行同化計算等工作，并能直接利用高質(zhì)量的同化產(chǎn)品提高耦合模式的模擬能力，最終提高預(yù)測技巧。已有研究表明，nudging同化是行之有效的方法[2-3,8]。

目前應(yīng)用較廣泛的、變量和層次完整的海洋格點同化資料有美國馬里蘭大學(xué)的SODA和NCEP的GODAS 等資料集。其中GODAS 作為NCEP 的業(yè)務(wù)化資料，其資料質(zhì)量和實時性都較好，這對于預(yù)報工作有重要的實際應(yīng)用價值。國家海洋環(huán)境預(yù)報中心自2008年開始，利用nudging方法將GODAS次表層海溫同化到共同氣候系統(tǒng)模式第三版（Community Climate System Model 3，CCSM3）中，取得了較好的效果[9]，并開展了業(yè)務(wù)化預(yù)報。

CESM 是由NCAR 于2010年07月推出的新一代地球系統(tǒng)模式（Earth System Model），是一個完全耦合的氣候模式，在CESM 中包括大氣、陸地、海洋、海冰、陸冰等幾大模塊。其主要用于研究地球的過去、現(xiàn)在和未來的氣候狀況。其全稱為Community Earth System Model，中文譯名為“通用地球系統(tǒng)模式”。與上代模式CCSM3 相比，CESM在參數(shù)化方案、資料庫等很多方面有了改進[10]。如大氣模塊中采用了新的濕湍流方案，可以更好模擬層云中的氣溶膠作用，新的淺對流方案，可以更好模擬淺對流活動，海洋模塊中也增加了新的渦通量參數(shù)化方案等。另外，CESM新增了陸冰模塊，可以模擬冰川活動。研究表明，CESM 模式在ENSO 的模擬方面較CCSM3 有明顯改進，表現(xiàn)在NINO3 指數(shù)的功率譜周期主要峰值集中在3—6年，赤道太平洋海溫異常呈一年周期振蕩，這些特性均與實況更相符[11-12]。

本文使用Nudging同化方法，將GODAS次表層海溫同化到CESM模式中，下面將介紹模式設(shè)置和同化試驗設(shè)計，并對結(jié)果做初步分析。

2 數(shù)據(jù)和方法

2.1 數(shù)據(jù)

本文所用同化資料為美國大氣海洋局國家環(huán)境預(yù)報中心的全球海洋數(shù)據(jù)同化系統(tǒng)資料集GODAS 數(shù)據(jù)（http://www.cpc.ncep.noaa.gov/products/GODAS/）。GODAS 是NCEP 的業(yè)務(wù)化同化數(shù)據(jù)集，該套數(shù)據(jù)的觀測源為連續(xù)實時浮標(biāo)、船舶等觀測數(shù)據(jù)，模式基于GFDL MOM.v3版本，模式設(shè)置為南北范圍75°S—65°N，分辨率從南北向赤道增加，變化范圍為1°—(1/3)°，垂直40層，每月發(fā)布月平均數(shù)據(jù)。同化分析方法為三維變分同化方法（3DVAR）。該套資料溫度、鹽度廓線與觀測對比十分接近，屬于目前應(yīng)用最為廣泛的海洋實時同化數(shù)據(jù)集。

此外，本文還使用了NCEP再分析資料第二版的海平面氣壓和850 hPa 緯向風(fēng)（http://www.esrl.noaa.gov/psd/data/gridded/data.ncep.reanalysis2.html)、GPCP 降水資料（http://www.esrl.noaa.gov/psd/data/gridded/data.gpcp.html）以 及CPC 的NINO3 指 數(shù)（http:// www.cpc.ncep.noaa.gov/ data/ indices/sstoi.indices），均為月平均資料。其中NCEP再分析資料和GPCP降水資料的水平分辨率為2.5°×2.5°。

2.2 模式設(shè)置及同化方案設(shè)計

我們采用CESM1.0.4 版本進行運算，其中海洋模塊為POP2，大氣模塊為CAM5，陸面模塊為CLM4，海 冰 模 塊 為 CICE4，陸 冰 模 塊 為GLIMMER-CISM，耦合器為CPL7。我們采用的模式分辨率為0.9×1.25_gx1v6，即大氣水平分辨率為0.9°×1.25°，垂向分為26層，海洋模式水平分辨率接近1°，垂向分為60層，從5 m到5375 m。

我們首先進行了100年的積分，在大氣和上層海洋基本達到平衡后，利用nudging 方法，將GODAS 海溫資料同化到pop 模式中，同化時間為1981—2012年共32年。同化變量為次表層海溫，垂直層次從15 m至約400 m（31層），松弛系數(shù)在15 m時為30 d，在400 m 時線性過渡到90d。本文選取1982—2011年共30年的同化結(jié)果進行分析。

3 結(jié)果

3.1年平均

海表面溫度（Sea Surface Temperature，SST）是氣候系統(tǒng)中最重要的一個要素，對SST的模擬在一定程度上標(biāo)志著整個耦合系統(tǒng)的模擬能力。我們首先分析同化系統(tǒng)中SST的模擬情況。

圖1 是CESM 同化模擬的SST 與GODAS 數(shù)據(jù)SST的對比?？梢钥吹?，在全球大部分海域，同化后的SST 與GODAS 數(shù)據(jù)非常接近，偏差在0.5oC 以內(nèi)。偏差較大的區(qū)域主要集中在大西洋西北部、南極繞極流、赤道太平洋中東部區(qū)域。這些區(qū)域是明顯的上升流區(qū)，造成這一偏差的主要原因在于混合參數(shù)化方案的不完善。但因為分辨率的提高和大氣模塊的改進，CESM 與CCSM3 相比，在SST 的模擬上有了較大改善[11]。

圖1 CESM模擬與GODAS資料SST差值

圖2 海表面流場對比（單位：cm/s）

圖2 為CESM 模擬的表面流場與GODAS 資料的對比?？梢钥吹?，二者的整體分布較為一致，赤道流、赤道逆流、西邊界流和南極繞極流等主要流系都模擬出來了。還存在以下幾個問題：赤道東太平洋流場相對GODAS 較弱，而赤道中西太平洋流場偏強；墨西哥灣流、巴西洋流與GODAS相比明顯偏強，導(dǎo)致高海溫水團向高緯輸送較多，對應(yīng)上述大西洋西邊界的高海溫區(qū)域。

平均海平面氣壓是評估模式大氣表面環(huán)流能力的重要因子，它能衡量模式熱力和動力整體模擬能力。圖3所示為CESM模擬與NCEP再分析資料的海平面氣壓的差值，其中青藏高原等高地形造成的差異不做討論?？梢钥吹?，模擬結(jié)果與再分析資料的差值不超過5 hPa。模擬偏差沿緯圈基本呈帶狀分布，在熱帶區(qū)域偏差較小，不超過1 hPa。偏差最大的區(qū)域出現(xiàn)在南大西洋中緯度地區(qū)，模擬偏高4 hPa。北大西洋中緯度偏差也較大，模擬偏高3 hPa 以上。南北半球高緯度均存在模擬結(jié)果偏低的情況，其中北半球陸地區(qū)域較明顯，偏低3 hPa左右。與CCSM3結(jié)果相比，有較大改進。

圖3 CESM模擬的海平面氣壓與NCEP資料的差值

圖4 CESM模擬的降水、GPCP資料的降水及二者的差值

作為熱力和動力過程的集中體現(xiàn)，降水是評價模式模擬能力的重要因子。圖4所示為CESM模擬的降水結(jié)果及其與GPCP 資料的差值。由圖可見，模擬結(jié)果的分布和量級與GPCP 一致，降水主要集中在熱帶區(qū)域，但模擬結(jié)果在赤道輻合帶區(qū)域偏多明顯。在赤道太平洋以北至5oN 有一條緯向雨帶，模擬結(jié)果為9 mm/d 以上，與GPCP 資料相比偏多2 mm/d 左右。從赤道西太平洋向東南方向延伸的雨帶強度較GPCP 偏強，范圍也偏大。這是CESM及CCSM模式在降水模擬上的主要缺陷[11]。印度洋區(qū)域的模擬結(jié)果東西分布過于均一，未能很好模擬出該區(qū)域降水由西北向東南遞增的趨勢。大西洋區(qū)域模擬結(jié)果與GPCP 相差不明顯。與CCSM3 的nudging 結(jié)果相比，CESM 在降水方面有所改善，但效果不明顯。

海表面風(fēng)應(yīng)力是海洋能量、動量傳輸?shù)闹匾?qū)動力，圖5所示為模擬的海表面風(fēng)應(yīng)力與GODAS資料的對比。由圖可見，從南北太平洋、大西洋的副熱帶反氣旋式風(fēng)應(yīng)力到大西洋和印度洋南半球有強盛的西風(fēng)應(yīng)力環(huán)繞整個南半球中緯度區(qū)域，風(fēng)應(yīng)力方向及大小模擬都比較好。只是在南半球西風(fēng)帶區(qū)域模擬的風(fēng)應(yīng)力較NCEP 再分析資料略偏弱。與CCSM3的nudging結(jié)果相比，信風(fēng)過強的問題得到了解決。

從上述結(jié)果來看，nudging同化使CESM耦合模式的模擬結(jié)果在海表面溫度、海流、表面風(fēng)應(yīng)力等方面與GODAS符合較好，而且海平面氣壓、降水等氣象要素的模擬結(jié)果與NCEP、GPCP的結(jié)果也較為一致，但部分區(qū)域，如北太平洋、熱帶印度洋、中高緯度南大洋以及具有陡峭地形的大洋西邊界等區(qū)域普遍存在一定偏差，這表明改進次表層海溫可以提高耦合模式的模擬能力。

圖5 海表面風(fēng)應(yīng)力對比

3.2 季節(jié)變化

圖6 所示為模擬海表溫度與GODAS 資料在冬（12月、1月、2月，下同）、夏季（6月、7月、8月，下同）的差值。可見，二者在冬夏季的分布一致，差異較小。夏季的模擬結(jié)果較GODAS 資料偏冷，北太平洋、北大西洋和赤道中東太平洋較明顯。冬季這種現(xiàn)象得到緩解，但在赤道東太平洋沿岸有明顯的偏冷區(qū)域，南極繞極流區(qū)則海溫偏高。

圖7 和圖8 為冬、夏季CESM 模擬的降水及其與GPCP 資料的差值?？梢钥吹?，模擬的降水與實況類似，在亞洲、非洲等季風(fēng)區(qū)有明顯的季節(jié)變化。但與年平均降水的結(jié)果類似，冬、夏季模式結(jié)果在太平洋赤道輻合帶區(qū)域均存在模擬結(jié)果偏大的情況。

圖6 CESM模擬與GODAS資料SST差值

冬季，南太平洋和南大西洋以及熱帶海洋性大陸、南美大陸、非洲大陸南部區(qū)域的雨帶都模擬出來了，但位置與量值較GPCP 均有一定偏差。其中南太平洋、南大西洋、熱帶海洋性大陸和非洲大陸南部區(qū)域模擬偏多，南美大陸模擬偏少。北太平洋的赤道輻合帶區(qū)域模擬降水偏多也較明顯。夏季雨帶北移，南亞、東南亞的強降雨區(qū)都模擬出來了。但與GPCP資料相比，南亞雨帶偏西偏強，赤道東印度洋降水偏少。此外，西太暖池區(qū)域和黑潮延伸體降水均偏少。

圖9 和圖10 為冬、夏季CESM 模擬的海平面氣壓及其與NCEP 資料的差值。可以看到，模擬的海平面氣壓與實況類似，北半球冬季的阿留申低壓、冰島低壓，夏季的副熱帶高壓等主要系統(tǒng)都能模擬出來。但冬季對阿留申低壓和冰島低壓的模擬結(jié)果均略偏低，偏差在ˉ4 hPa左右；夏季對副熱帶高壓的模擬則偏強，偏強幅度最高可達8 hPa。南半球海洋面積廣大，模擬結(jié)果優(yōu)于北半球，冬季南半球30°S以北模擬略偏低，30°S 以南略偏高，夏季印度洋和南太平洋略偏低，大西洋和北太平洋略偏高。

圖7 冬季CESM模擬的降水、GPCP資料的降水及二者的差值

3.3 對ENSO現(xiàn)象的模擬

厄爾尼諾-南方濤動（El Ni?o and Southern Oscillation，ENSO）現(xiàn)象是氣候系統(tǒng)中最主要的年際信號，對我國和全球氣候有巨大影響[13-14]，也是短期氣候預(yù)測業(yè)務(wù)的重點工作之一，以下本文將就模式對ENSO現(xiàn)象的模擬進行分析。

圖11 為CESM 模擬的NINO3 指數(shù)與CPC 資料的對比。可以看到，除個別厄爾尼諾（拉尼娜）事件中（如1986—1987年的厄爾尼諾事件和1998—1999年的拉尼娜事件），模擬的強度略強于CPC資料外，二者整體較為一致，相關(guān)系數(shù)達到0.90。

圖8 夏季CESM模擬的降水、GPCP資料的降水及二者的差值

圖12所示為模式模擬和GODAS數(shù)據(jù)的赤道太平洋海表面溫度異常（SSTA）的時間-經(jīng)度剖面。模式可以較好的模擬出歷次ENSO過程，在位置、強度、位相上與GODAS 均比較接近。與NINO3 指數(shù)的情況類似，CESM 對某些厄爾尼諾（拉尼娜）事件的模擬幅度較強。如1988—1989年的拉尼娜事件中，模擬的最大SSTA 超過了ˉ3.0oC，而GODAS 資料的SSTA 最大只有ˉ1.0 ℃左右；1987—1988年的厄爾尼諾事件中，模擬的正海溫距平范圍也較GODAS偏大。但總體而言，CESM 較好的再現(xiàn)了歷次厄爾尼諾和拉尼娜事件，效果較CCSM3 有了較大提升。

赤道太平洋西風(fēng)異常是激發(fā)赤道Kelvin 波的重要因子，而赤道Kelvin波是太平洋西側(cè)的暖水持續(xù)東傳的主要機制。圖13 為CESM 模擬和NCEP再分析數(shù)據(jù)的赤道緯向風(fēng)異常的時間ˉ經(jīng)度剖面。從圖中可以看到，CESM 模式較好地模擬出歷次厄爾尼諾事件和拉尼娜事件的緯向風(fēng)異常，而且異常東傳趨勢明顯。問題在于，模擬的緯向風(fēng)異常幅度常較NCEP 再分析資料偏大，在中西太平洋尤為明顯。如1987—1988年的厄爾尼諾事件中，模擬的緯向風(fēng)正異常（西風(fēng)異常）超過了4 m/s，且范圍達到了135°W，而NCEP 再分析資料中的西風(fēng)異常尚未達到2 m/s，強的西風(fēng)異常會導(dǎo)致西太平洋的暖水過多東傳，導(dǎo)致上述模擬的厄爾尼諾事件偏強。

圖9 冬季CESM模擬的海平面氣壓及其與NCEP資料的差值

圖10 夏季CESM模擬的海平面氣壓及其與NCEP資料的差值

圖11 Nino3指數(shù)對比（綠色：CPC資料；藍色：CESM同化）

圖12 赤道SSTA時間-經(jīng)度剖面（單位：oC）

圖13 赤道850 hPa緯向風(fēng)異常時間-經(jīng)度剖面（單位：m/s）

厄爾尼諾期間，Walker 環(huán)流上升支從印度尼西亞東移到日界線附近，將造成赤道中東太平洋降水增多，拉尼娜期間則相反。圖14所示為赤道太平洋降水異常的時間ˉ經(jīng)度剖面圖。從總體上來看，模擬的強度和位相都與GPCP 結(jié)果基本一致，也較好重現(xiàn)了距平東傳的過程。但與GPCP 相比，模擬的降水距平略偏弱，且范圍略偏大。如1990—1991年的厄爾尼諾事件和1999年的拉尼娜事件。

4 結(jié)論與討論

耦合氣候模式是氣候預(yù)測的有力工具，如何生成有效的初始場是進行研究和預(yù)報的重要工作。本文采用nudging方法，將格點的GODAS資料同化到CESM 耦合模式中。結(jié)果表明，同化后的耦合模式可以較好的重現(xiàn)中低緯海洋和大氣的平均特征和隨時間演變規(guī)律，對ENSO現(xiàn)象的模擬也比較好，NINO3 指數(shù)與CPC 資料的相關(guān)系數(shù)達到0.90。同化次表層海溫可以直接有效的訂正表層海溫和海洋模塊的其他結(jié)果，并通過耦合過程訂正大氣模塊結(jié)果。但模擬結(jié)果仍存在一些問題，如大西洋西邊界流偏強，赤道輻合帶降水偏多等。

本文只同化了GODAS 資料的次表層海溫，其覆蓋范圍只有65°N—75°S 之間，沒有覆蓋高緯地區(qū)，今后工作中將嘗試將海冰密集度等資料同化到耦合模式中，進一步提高對高緯地區(qū)的模擬能力。

[1]Wyrtki K.Water displacements in the Pacific and the genesis of El Ni?o cycles[J]. Journal of Geophysical Research: Oceans(1978-2012),1985,90(C4):7129-7132.

[2]Luo J J, Masson S, Behera S, et al. Seasonal climate predictability in a coupled OAGCM using a different approach for ensemble forecasts[J].Journal of Climate,2005,18(21):4474-4497.

[3]Luo J J, Masson S, Behera S K, et al. Extended ENSO predictions using a fully coupled ocean-atmosphere model[J]. Journal of Climate,2008,21(1):84-93.

[4]Cane M A, Zebiak S E, Dolan S C. Experimental forecasts of El Ni?o[J].Nature,1986,321(6073):827-832.

[5]Zebiak S E, Cane M A.A Model El Ni?o-Southern Oscillation[J].Monthly Weather Review,1987,115(10):2262-2278.

[6]Chen D,Zebiak S E,Busalacchi A J,et al.An improved procedure for El Ni?o forecasting: Implications for predictability[J]. Science,1995,269(5231):1699-1702.

[7]Chen D,Zebiak S E, Cane M A, et al. Initialization and predictability of a coupled ENSO forecast model [J]. Monthly Weather Review,1997,125(5):773-788.

[8]Chen D,Cane M A,Kaplan A,et al.Predictability of El Ni?o over the past 148 years[J].Nature,2004,428(6984):733-736.

[9]凌鐵軍,王彰貴,王斌,等.基于CCSM3 氣候模式的同化模擬試驗[J].海洋學(xué)報,2009,31(6):9-21.

[10]Vertenstein M, Craig T, Middleton A, et al. CESM 1.0.4 User’s Guide[Z].

[11]Gent P R, Danabasoglu G, Donner L J, et al. The community climate system model version 4[J]. Journal of Climate, 2011, 24(19):4973-4991.

[12]Deser C, Phillips A S, Tomas R A, et al. ENSO and pacific decadal variability in the community climate system model version 4[J].Journal of Climate,2012,25(8):2622-2651.

[13]Philander S G H. El Ni?o southern oscillation phenomena[J].Nature,1983,302(5906):295-301

[14]陳永利,趙永平,王凡.ENSO 與海洋環(huán)境和中國氣候異常[M].北京:科學(xué)出版社,2013.