栗 晗,凌鐵軍,張?zhí)N斐,祖子清,王 劍(國(guó)家海洋環(huán)境預(yù)報(bào)中心國(guó)家海洋局海洋災(zāi)害預(yù)報(bào)技術(shù)研究重點(diǎn)實(shí)驗(yàn)室,北京100081)
中國(guó)近海風(fēng)場(chǎng)未來(lái)氣候變化統(tǒng)計(jì)降尺度預(yù)估
栗晗,凌鐵軍,張?zhí)N斐,祖子清,王劍
(國(guó)家海洋環(huán)境預(yù)報(bào)中心國(guó)家海洋局海洋災(zāi)害預(yù)報(bào)技術(shù)研究重點(diǎn)實(shí)驗(yàn)室,北京100081)
利用經(jīng)驗(yàn)正交分解和多元回歸相結(jié)合的方法,基于1992—2011年逐日0.25°×0.25°經(jīng)緯度網(wǎng)格衛(wèi)星反演風(fēng)場(chǎng)和歐洲中期數(shù)值預(yù)報(bào)中心1.5°×1.5°經(jīng)緯度網(wǎng)格的再分析海表面風(fēng)場(chǎng)和氣壓場(chǎng)資料,建立了中國(guó)近海海表面風(fēng)場(chǎng)的統(tǒng)計(jì)降尺度模型,并對(duì)模型進(jìn)行了驗(yàn)證。將該模型應(yīng)用到全球耦合模式比較計(jì)劃中的8個(gè)模式輸出場(chǎng),對(duì)1986—2005年歷史氣候態(tài)模擬和2026—2045年3個(gè)不同排放情景下中國(guó)近海海表面風(fēng)場(chǎng)的變化特征進(jìn)行評(píng)估。結(jié)果表明:統(tǒng)計(jì)降尺度模型的交叉驗(yàn)證顯示其較好的再現(xiàn)了海表面風(fēng)場(chǎng)(SSWS)的氣候態(tài)空間分布;與觀測(cè)對(duì)比表明,利用模式模擬數(shù)據(jù)進(jìn)行統(tǒng)計(jì)降尺度分析的空間分布型的模擬上要優(yōu)于直接插值結(jié)果;相對(duì)于歷史模擬參考時(shí)段,未來(lái)各RCP情景冬季SSWS整體變化不大,空間分布均表現(xiàn)為約25°N以南海域SSWS增加,夏季SSWS整體表現(xiàn)為略微的增加,增加主要區(qū)域?yàn)樯綎|半島中國(guó)黃海海域,臺(tái)灣島以東中國(guó)東海海域以及南海部分海域,不同情景之間SSWS變化的幅度和區(qū)域大小均不相同。
統(tǒng)計(jì)降尺度;CMIP5模式;海表面風(fēng)場(chǎng);氣候變化預(yù)估
海岸帶地區(qū)作為我國(guó)經(jīng)濟(jì)力量的重要組成部分,對(duì)其未來(lái)區(qū)域氣候變化影響的評(píng)估是氣候變化影響的重點(diǎn)研究方向之一,涉及社會(huì)經(jīng)濟(jì)、生態(tài)系統(tǒng)和自然災(zāi)害等多個(gè)研究領(lǐng)域。伴隨全球氣候變化,海洋災(zāi)害頻發(fā),而其中由風(fēng)暴潮、海浪等災(zāi)害帶來(lái)的直接經(jīng)濟(jì)損失最為嚴(yán)重。2014年《中國(guó)海洋災(zāi)害公報(bào)》表明,2014年各類海洋災(zāi)害造成直接經(jīng)濟(jì)損失136.14億元,其中造成直接經(jīng)濟(jì)損失最嚴(yán)重的是風(fēng)暴潮災(zāi)害,占全部直接經(jīng)濟(jì)損失的99.7%。而風(fēng)暴潮和災(zāi)害性海浪與劇烈的大氣擾動(dòng)(如登陸臺(tái)風(fēng)、極端低壓中心等災(zāi)害性天氣系統(tǒng))聯(lián)系緊密,因此,科學(xué)的評(píng)估未來(lái)氣候情境下近海風(fēng)場(chǎng)特征及其與海洋災(zāi)害性活動(dòng)的關(guān)系,對(duì)海岸帶社會(huì)經(jīng)濟(jì)發(fā)展具有十分重要的意義。
政府間氣候變化專門(mén)委員會(huì)(IPCC)第四次評(píng)估報(bào)告關(guān)于近地面風(fēng)場(chǎng)的研究指出,中緯度西風(fēng)風(fēng)速在南北半球均有增加,然而管理極端事件和災(zāi)害風(fēng)險(xiǎn)推進(jìn)氣候變化適應(yīng)特別報(bào)告也指出,對(duì)于近地面尤其是海表面風(fēng)場(chǎng)的觀測(cè)手段仍存在缺陷,導(dǎo)致關(guān)于近地面風(fēng)場(chǎng)的未來(lái)氣候下變化趨勢(shì)的結(jié)論可信度仍然是較低的。
基于最新的國(guó)際耦合模式比較計(jì)劃第五階段(CMIP5)試驗(yàn)數(shù)據(jù),科研人員已經(jīng)針對(duì)中國(guó)未來(lái)氣候變化開(kāi)展了許多數(shù)值模擬試驗(yàn)和預(yù)估工作[1-4]。姜大膀等[5]對(duì)21世紀(jì)東亞季風(fēng)的變化進(jìn)行了研究,指出東亞冬季風(fēng)整體強(qiáng)度并沒(méi)有趨勢(shì)性變化,而夏季風(fēng)環(huán)流在中國(guó)東部地區(qū)略有加強(qiáng)。劉蕓蕓等[6]也開(kāi)展了針對(duì)西太平洋副熱帶高壓的研究,并指出CMIP5模式對(duì)東亞地區(qū)高度場(chǎng)和高空風(fēng)場(chǎng)的空間形態(tài)和振幅均有較強(qiáng)的模擬能力。
然而,受限于全球氣候模式的分辨率較低,以往的研究工作多集中于對(duì)于整個(gè)東亞地區(qū)的整體氣候評(píng)估,區(qū)域性氣候特征再現(xiàn)力有待改進(jìn)。同時(shí)對(duì)于氣候變化的影響和應(yīng)對(duì)研究通常在較高的水平分辨率上開(kāi)展[7],而以往的基于全球氣候模式的多模式預(yù)估則大多對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單的插值處理,因此本文嘗試?yán)媒党叨鹊姆椒▽?duì)CMIP5全球氣候模式(Global Climate Models,GCMs)輸出場(chǎng)的分辨率進(jìn)行提高,從而開(kāi)展更加有效的對(duì)中國(guó)近海區(qū)域海洋氣候變化研究。
常用的降尺度方法包括兩種:第一種方法是利用區(qū)域氣候模式輸入GCMs大尺度氣候信息進(jìn)行的動(dòng)力降尺度區(qū)域氣候模擬,第二種方法是統(tǒng)計(jì)降尺度,即基于大尺度氣候狀態(tài)和局地小尺度氣候特征之間的統(tǒng)計(jì)相關(guān)關(guān)系建立統(tǒng)計(jì)模型并應(yīng)用于GCMs輸出場(chǎng),從而把大尺度氣候信息轉(zhuǎn)化為局地小尺度的氣候信息。雖然動(dòng)力降尺度模擬物理意義更明確,但其計(jì)算量巨大,消耗計(jì)算機(jī)時(shí)長(zhǎng),并且其模擬結(jié)果受GCMs提供的邊界條件影響較大,很難對(duì)氣候變化進(jìn)行多模式集合評(píng)估。因此,本文利用經(jīng)驗(yàn)正交分析(EOF)和多元回歸相結(jié)合的統(tǒng)計(jì)降尺度方法對(duì)GCMs輸出場(chǎng)進(jìn)行降尺度分析,從而對(duì)比未來(lái)氣候情景下中國(guó)近海海表面風(fēng)場(chǎng)的特征變化。雖然統(tǒng)計(jì)降尺度技術(shù)在氣候變化的研究中已經(jīng)有了一定的應(yīng)用,包括對(duì)陸地氣溫、降水或風(fēng)能等的研究[8-10],但對(duì)于區(qū)域性的海洋氣候變化的研究相對(duì)較少,截至目前為止還沒(méi)有開(kāi)展針對(duì)中國(guó)近海海表面風(fēng)速統(tǒng)計(jì)降尺度研究的先例,而且對(duì)未來(lái)排放情景下基于統(tǒng)計(jì)降尺度模型的區(qū)域海洋氣候變化的預(yù)估也多基于單一模式結(jié)果[11]。因此,本文將統(tǒng)計(jì)降尺度技術(shù)結(jié)合CMIP5多模式輸出結(jié)果對(duì)中國(guó)近海海域海洋氣候變化展開(kāi)研究,首先嘗試構(gòu)建適用于目標(biāo)海域的統(tǒng)計(jì)降尺度模型,同時(shí)利用該模型基于氣候模式結(jié)果對(duì)未來(lái)2026—2045年不同排放情境下的目標(biāo)海域氣候變化特征進(jìn)行降尺度預(yù)估并對(duì)比模式和情景之間的差異,以期為目標(biāo)海域氣候和環(huán)境未來(lái)變化的科學(xué)評(píng)估提供參考依據(jù)。
2.1數(shù)據(jù)選取
應(yīng)用統(tǒng)計(jì)降尺度方法對(duì)預(yù)報(bào)量進(jìn)行預(yù)測(cè)時(shí),需要選擇相應(yīng)的大尺度氣候預(yù)報(bào)因子,建立其與局地小尺度環(huán)流之間的統(tǒng)計(jì)關(guān)系。本文需要高分辨率的海表面風(fēng)場(chǎng)數(shù)據(jù)為基礎(chǔ),計(jì)算局地尺度預(yù)報(bào)變量。對(duì)于海表面風(fēng)場(chǎng)來(lái)說(shuō)高分辨率的數(shù)據(jù)多來(lái)自于衛(wèi)星觀測(cè),如QuickSCAT、ASCAT和CCMP(Cross-Calibrated Multi-Platform)等衛(wèi)星反演風(fēng)場(chǎng),并且已經(jīng)開(kāi)展了許多基于這些衛(wèi)星觀測(cè)資料的研究工作[12-14]。基于資料時(shí)間長(zhǎng)度和空間分辨率的考慮,本文選取了CCMP衛(wèi)星觀測(cè)海表面風(fēng)場(chǎng)風(fēng)速數(shù)據(jù)作為統(tǒng)計(jì)降尺度模型的預(yù)報(bào)變量,用來(lái)構(gòu)建局地尺度和大尺度之間的統(tǒng)計(jì)關(guān)系,其空間分辨率為0.25°。大尺度的預(yù)報(bào)因子則使用歐洲中期數(shù)值預(yù)報(bào)中心(ECMWF)發(fā)布的再分析數(shù)據(jù)集(ERAInterim),其包括海表面氣壓(Sea Level Pressure,SLP)、海表面風(fēng)速(Sea Surface Wind Speed,SSWS)等氣象要素,空間分辨率為1.5°。兩組數(shù)據(jù)的時(shí)間維保持一致,均為1992—2011年。
對(duì)未來(lái)氣候情景的預(yù)估則選用CMIP5全球耦合模式比較計(jì)劃中的8個(gè)模式的模擬輸出結(jié)果。模式信息見(jiàn)表1。CMIP5計(jì)劃中采用的新一代排放情景稱為“典型濃度目標(biāo)”,包含4種排放情景由高到低分別為RCP8.5、RCP6.0、RCP4.5和RCP2.6[15]。其中RCP4.5作為未來(lái)最有可能發(fā)生的排放情景,而RCP2.6和RCP8.5則分別代表了未來(lái)氣候的相對(duì)極端變化,因此,本文選擇這3個(gè)排放情景下的模式數(shù)據(jù)作為未來(lái)氣候變化的研究對(duì)象。
表1 本文研究所用CMIP5各模式信息
首先,為方便統(tǒng)計(jì)模型的建立以及后續(xù)各GCMs輸出場(chǎng)的計(jì)算,需要對(duì)原始數(shù)據(jù)進(jìn)行處理。(1)統(tǒng)計(jì)降尺度模型的建立和應(yīng)用需要各輸入輸出數(shù)據(jù)保持統(tǒng)一的時(shí)空分辨率,而各GCMs模擬的分辨率存在差異,本文為方便起見(jiàn),將所有GCMs輸出數(shù)據(jù)的時(shí)間軸統(tǒng)一調(diào)整為一年360 d,方法為去除每年最后5 d或6 d的數(shù)據(jù)。同時(shí)將各GCMs模擬結(jié)果雙線性插值到1.5°分辨率。(2)除CCMP衛(wèi)星風(fēng)場(chǎng)以外,ECMWF再分析數(shù)據(jù)和GCMs模擬輸出數(shù)據(jù)均包含了陸地格點(diǎn),因此,本文利用1.5°對(duì)應(yīng)分辨率的海陸分布數(shù)據(jù)對(duì)其進(jìn)行處理,只保留海表面數(shù)據(jù)格點(diǎn)。
2.2統(tǒng)計(jì)模型建立
本文采用主分量分析EOF和多元回歸MLR相結(jié)合的方法構(gòu)建統(tǒng)計(jì)降尺度模型。即采用EOF分解的降維優(yōu)點(diǎn),從分解得到的序列中選取顯著模態(tài),再通過(guò)多元回歸的方法,建立局地尺度預(yù)報(bào)量(Predictand)和大尺度預(yù)報(bào)因子(Predictor)間的統(tǒng)計(jì)關(guān)系。首先,對(duì)預(yù)報(bào)量進(jìn)行選取,由于目標(biāo)區(qū)域(中國(guó)近海海域)位于東亞季風(fēng)區(qū),冬夏季季風(fēng)特征明顯,均有盛行風(fēng)向主導(dǎo),而統(tǒng)計(jì)降尺度方法主要針對(duì)氣候因子的異常信息,考慮到風(fēng)向在短期氣候尺度上的異常特征較不明顯,本文考慮將風(fēng)向信息從經(jīng)緯向風(fēng)中去除,而只保留海表面風(fēng)速大小信息。其次,對(duì)大尺度預(yù)報(bào)因子的選取則考慮兩個(gè)方面,(1)與預(yù)報(bào)變量之間存在較強(qiáng)的物理聯(lián)系,(2)GCMs能夠輸出較可靠的變量數(shù)據(jù)。同時(shí),Zorita等[16]也指出海表面氣壓(SLP)與地表面氣候變量的關(guān)系是較穩(wěn)定的。本文選擇SLP作為除SSWS以外的第二個(gè)預(yù)報(bào)因子。范麗軍[17]指出多變量聯(lián)合場(chǎng)EOF分解的統(tǒng)計(jì)降尺度方法能夠更好的揭示多變量場(chǎng)之間的物理聯(lián)系,使統(tǒng)計(jì)模型的物理意義更明確。因此,本文的統(tǒng)計(jì)模型建立采用SLP和SSWS作為聯(lián)合場(chǎng)預(yù)報(bào)因子。
本文建立的統(tǒng)計(jì)降尺度模型基于1992—2011年的CCMP衛(wèi)星風(fēng)場(chǎng)數(shù)據(jù)以及ECMWF的再分析風(fēng)場(chǎng)資料,模型的預(yù)報(bào)變量矩陣為1992—2011年間的CCMP觀測(cè)SSWS,預(yù)報(bào)因子矩陣為1992—2011年ECMWF再分析SSWS和SLP的聯(lián)合場(chǎng)。其中需要說(shuō)明的是,為了消除GCMs和再分析數(shù)據(jù)以及衛(wèi)星觀測(cè)風(fēng)場(chǎng)之間的平均值和標(biāo)準(zhǔn)差上的系統(tǒng)誤差,預(yù)報(bào)變量和預(yù)報(bào)因子均進(jìn)行了標(biāo)準(zhǔn)化處理。
對(duì)于預(yù)報(bào)變量矩陣和預(yù)報(bào)因子聯(lián)合矩陣分別進(jìn)行EOF分解,并提取對(duì)應(yīng)的EOF空間模態(tài)和主成分時(shí)間序列PC,然后基于多元回歸的方法,對(duì)于每一個(gè)預(yù)報(bào)變量矩陣的主成分,分別建立其與預(yù)報(bào)因子矩陣各主成分間的多元線性回歸模型,其過(guò)程見(jiàn)圖1。
2.3 GCMs輸出場(chǎng)降尺度投影
圖1 聯(lián)合EOF分解與多元回歸結(jié)合的統(tǒng)計(jì)降尺度流程圖
基于上述高分辨率衛(wèi)星觀測(cè)風(fēng)場(chǎng)和低分辨率再分析場(chǎng)(風(fēng)場(chǎng)、氣壓場(chǎng)等)建立的中國(guó)近海區(qū)域統(tǒng)計(jì)降尺度模型,將全球氣候模式輸出海表面風(fēng)場(chǎng)投影到高分辨率網(wǎng)格,從而得到一套高分辨率的中國(guó)近海風(fēng)場(chǎng)數(shù)據(jù)資料。
具體過(guò)程如圖1第2)步所示,X為輸入的大尺度GCMs預(yù)報(bào)因子矩陣(SSWS、SLP聯(lián)合場(chǎng)),為ECMWF聯(lián)合預(yù)報(bào)因子的第j個(gè)空間模態(tài),兩者的空間格點(diǎn)數(shù)保持一致,則可以得到一個(gè)新的主成分序列,其包含了大尺度輸入場(chǎng)GCMs模擬結(jié)果的氣候信息。第3)步,將新的主成分P與小尺度SSWS的空間模態(tài)EO相乘,對(duì)預(yù)測(cè)目標(biāo)量(GCMs輸出場(chǎng)投影)完成重構(gòu)。
需要注意的是,在統(tǒng)計(jì)降尺度方法的應(yīng)用研究中,常會(huì)出現(xiàn)降尺度后的變量結(jié)果方差比實(shí)際值的方差偏低,氣候研究中常常需要估計(jì)值的方差與長(zhǎng)期氣候態(tài)保持一致,因此需要對(duì)預(yù)測(cè)結(jié)果的方差進(jìn)行放大處理。本文采用人為修正的方法[17-19],即在預(yù)測(cè)結(jié)果的基礎(chǔ)上進(jìn)行修正,具體方法為將統(tǒng)計(jì)模型的輸出的預(yù)測(cè)結(jié)果除以自身的標(biāo)準(zhǔn)差,然后將預(yù)測(cè)結(jié)果乘以1992—2011年的CCMP衛(wèi)星觀測(cè)風(fēng)場(chǎng)的標(biāo)準(zhǔn)差,從而對(duì)預(yù)測(cè)結(jié)果的方差進(jìn)行放大。
本文建立統(tǒng)計(jì)降尺度模型的目的是為了能夠?qū)ξ磥?lái)氣候變化作出預(yù)估,因此需要利用交叉驗(yàn)證的方法來(lái)檢驗(yàn)該模型對(duì)于基礎(chǔ)數(shù)據(jù)(時(shí)間)選擇的敏感性。本文的具體做法是:采用10組交叉驗(yàn)證的方法,即將1992—2011年的ERA和CCMP數(shù)據(jù)每?jī)赡暌唤M分為10組,隨后首先選擇1992—1993年的數(shù)據(jù)作為一個(gè)樣本數(shù)據(jù),用其余9組樣本建立統(tǒng)計(jì)降尺度模型,對(duì)選擇的樣本進(jìn)行估計(jì),這個(gè)過(guò)程重復(fù)10次即可得到10組通過(guò)不同的統(tǒng)計(jì)降尺度模型得到的估計(jì)值,最后用這10組模式估計(jì)值與原CCMP觀測(cè)風(fēng)場(chǎng)進(jìn)行對(duì)比,其相關(guān)系數(shù)、解釋方差、均方根誤差等結(jié)果見(jiàn)圖2。
從圖2a相關(guān)系數(shù)來(lái)看,SSWS的全場(chǎng)平均相關(guān)系數(shù)約為0.87,其中中國(guó)大陸的沿海地區(qū),包括渤海沿海、海南島以西北部灣沿海區(qū)域相關(guān)系數(shù)偏低,約為0.7—0.75,這是由于沿岸附近的海域,存在包括地形等的影響風(fēng)場(chǎng)的因子較多,同時(shí)中小尺度過(guò)程在此區(qū)域內(nèi)也相對(duì)頻繁,因此模型的誤差可能較大。其他海域沿海地區(qū)風(fēng)場(chǎng)的相關(guān)系數(shù)均可達(dá)0.8以上,相關(guān)系數(shù)超過(guò)0.9的區(qū)域則位于大洋內(nèi)區(qū),并且存在的兩個(gè)高值區(qū)分別位于中國(guó)南海和西太平洋菲律賓東部海域,其相關(guān)性均可達(dá)0.95。
圖2a中等值線給出了方差貢獻(xiàn)(解釋方差)的空間分布,其代表了模型結(jié)果對(duì)原觀測(cè)風(fēng)場(chǎng)的解釋程度,從圖中可以看出其與相關(guān)系數(shù)分布相似,全場(chǎng)平均的解釋方差約為73.5%,在中國(guó)大陸沿海區(qū)域則較低,模型結(jié)果的解釋方差在65%—70%左右。高值區(qū)同樣出現(xiàn)在中國(guó)南海和西太平洋菲律賓東部大洋內(nèi)區(qū)海域,最高值可達(dá)90%左右。
圖2模式估計(jì)值與原CCMP觀測(cè)風(fēng)場(chǎng)對(duì)比
圖2b給出了模型結(jié)果與觀測(cè)風(fēng)場(chǎng)的絕對(duì)誤差(RMSE)以及觀測(cè)風(fēng)場(chǎng)的標(biāo)準(zhǔn)差(RMS),兩者也有較一致的空間分布形態(tài)。其中,模型結(jié)果與觀測(cè)絕對(duì)誤差RMSE在臺(tái)灣海峽存在一個(gè)高值區(qū)約為2.5 m/s,而臺(tái)灣海峽海域常年風(fēng)速較大,與其相對(duì)應(yīng)觀測(cè)風(fēng)場(chǎng)的標(biāo)準(zhǔn)差也在此區(qū)域存在高值達(dá)4.5 m/s,同時(shí),該區(qū)域的相關(guān)系數(shù)可達(dá)0.8,解釋方差約為70%左右,因此其相對(duì)誤差依然較小。而對(duì)于其他沿海區(qū)域,絕對(duì)誤差RMSE均小于2 m/s,特別對(duì)于海南島以東廣東沿海、浙江、江蘇沿海沿岸RMSE則均小于1.5 m/s。以上結(jié)果說(shuō)明本文中所構(gòu)建的統(tǒng)計(jì)降尺度模能夠很好的再現(xiàn)中國(guó)南海以及東部太平洋海域的風(fēng)場(chǎng)時(shí)空特征,而對(duì)于中國(guó)大陸沿岸區(qū)域,模型也能夠有較好的表現(xiàn)。
基于上文已經(jīng)構(gòu)建并檢驗(yàn)的統(tǒng)計(jì)模型,將CMIP5各全球氣候模式各情景的模擬SSWS和SLP聯(lián)合場(chǎng)進(jìn)行統(tǒng)計(jì)降尺度處理,得到中國(guó)近海區(qū)域各個(gè)氣候模式的SSWS降尺度結(jié)果。由于本文的關(guān)注區(qū)域集中在中國(guó)大陸沿岸附近,本節(jié)選擇(105°—130°E,10°—40°N)作為研究區(qū)域。為了評(píng)估統(tǒng)計(jì)降尺度后的各個(gè)模式結(jié)果對(duì)中國(guó)近海區(qū)域SSWS大小的模擬能力,本文分別計(jì)算各模式結(jié)果相對(duì)于ERA再分析SSWS的氣候態(tài)(1986—2005年平均)的空間分布相關(guān)系數(shù)和標(biāo)準(zhǔn)差之比以及中心化均方根誤差,并將所有信息繪制在Taylor圖中(見(jiàn)圖3)。同時(shí),為了對(duì)比統(tǒng)計(jì)降尺度(Statistical Downscaling,SD)結(jié)果與直接插值(Bilinear Interpolation,BI)結(jié)果之間的差異性,圖3中也給出了各個(gè)模式SSWS場(chǎng)經(jīng)過(guò)直接雙線性插值得到的相同區(qū)域的結(jié)果,由藍(lán)色數(shù)字表示。與圖3相對(duì)應(yīng),表2列出了各個(gè)模式統(tǒng)計(jì)降尺度結(jié)果與ERA氣候態(tài)空間分布的空間相關(guān)系數(shù)和標(biāo)準(zhǔn)差之比,受篇幅所限,插值結(jié)果的空間系數(shù)和相對(duì)標(biāo)準(zhǔn)差并未列出。
比較兩種方案的計(jì)算結(jié)果,如圖3所示,相對(duì)于BI結(jié)果而言SD結(jié)果更好的再現(xiàn)了SSWS氣候態(tài)的空間分布特征。就空間相關(guān)系數(shù)而言,BI結(jié)果在冬季與ERA再分析場(chǎng)的空間相關(guān)系數(shù)為-0.2—0.73,SD結(jié)果則提高為0.55—0.79,平均為0.73左右;BI結(jié)果在夏季的空間相關(guān)系數(shù)為-0.06—0.61,SD結(jié)果則升至為0.58—0.76,平均為0.66左右。而對(duì)于目標(biāo)區(qū)域觀測(cè)空間變率(即相對(duì)標(biāo)準(zhǔn)差)的模擬能力在有些模式中變的更加合理,而另一些則變差,除BCC-CSM1.1-M的BI結(jié)果的標(biāo)準(zhǔn)差約為1以外,其他的無(wú)論BI還是SD的計(jì)算結(jié)果所有模式的標(biāo)準(zhǔn)差均大于1,這說(shuō)明CMIP5模式的兩種結(jié)果普遍高估了中國(guó)大陸近海SSWS的空間變率,但相對(duì)而言,SD的結(jié)果其各模式平均相對(duì)標(biāo)準(zhǔn)差為冬季1.41、夏季1.68,相對(duì)于BI結(jié)果冬季1.69、夏季1.77更接近于1。
圖3 1986—2005年CMIP5模式歷史模擬統(tǒng)計(jì)降尺度/雙線性插值相對(duì)于ERA再分析場(chǎng)的區(qū)域近地面10 m風(fēng)場(chǎng)氣候態(tài)分布的Taylor圖
表2 模式與ERA的空間相關(guān)系數(shù)和標(biāo)準(zhǔn)差之比
對(duì)比模式模擬性能最直觀的指標(biāo)中心化均方根誤差,冬季BI結(jié)果的模式集合平均的均方根誤差為1.38,SD結(jié)果則減小為0.95;夏季BI結(jié)果為1.61,SD結(jié)果則減小為1.27。此外,BI結(jié)果中均方根誤差較小的模式,其對(duì)應(yīng)的SD的結(jié)果并沒(méi)有明顯的變化,如BCC-CSM1.1、BCC-CSM1.1-M、CNRM-CM5模式;其他BI結(jié)果中均方根誤差較大的模式,其統(tǒng)計(jì)降尺度的結(jié)果均方根誤差均有不同程度的減小,如GFDL和MRI-CGCM3模式。綜合以上各項(xiàng)結(jié)果來(lái)看,對(duì)于中國(guó)大陸近海海表面風(fēng)場(chǎng),通過(guò)統(tǒng)計(jì)降尺度方法得到的高分辨率區(qū)域風(fēng)場(chǎng)數(shù)據(jù)對(duì)于觀測(cè)場(chǎng)的空間分布型模擬的已較好,并且其相對(duì)于直接插值得到的結(jié)果有著較明顯的優(yōu)勢(shì)。
東亞區(qū)域氣候季風(fēng)特征明顯,本節(jié)分別對(duì)冬夏兩季中國(guó)大陸近海SSWS在不同排放情景下年際變化和空間分布特征進(jìn)行討論,并結(jié)合模式模擬的大尺度環(huán)境場(chǎng)氣候變化來(lái)分析其原因。同時(shí),為了更好的研究未來(lái)情景下的氣候變化,各模式結(jié)果分別從未來(lái)排放情景中除去1986—2005年的歷史氣候態(tài),以便盡可能的消除模式之間由于參照時(shí)段氣候不同所產(chǎn)生的影響。
5.1冬季
首先將西北太平洋中國(guó)大陸近海(105°—130°E,10°—40°N)海域所有格點(diǎn)的年均SSWS進(jìn)行面積加權(quán)平均,得到各模式未來(lái)不同排放情景(RCP)下的預(yù)估結(jié)果的年際變化(圖4b—d)。從年際變化趨勢(shì)來(lái)看,2026—2045年冬季SSWS在RCP2.6、RCP4.5、RCP8.5情景下模式集合平均均表現(xiàn)為增強(qiáng)。但是上述變化大多都很小,其中僅有HADGEM2在RCP2.6排放情景下和CCSM4在RCP8.5情景下的增強(qiáng)趨勢(shì)通過(guò)了90%信度水平的t檢驗(yàn);考慮相對(duì)于參考時(shí)段的RCP情景下平均SSWS的變化,無(wú)論是單個(gè)模式還是他們的集合平均,冬季各情景下SSWS總體上是圍繞0值的小幅上下波動(dòng),并沒(méi)有明顯整體的增加或減少;根據(jù)冬季區(qū)域平均SSWS年際變化的標(biāo)準(zhǔn)差相對(duì)于參考時(shí)段的變化來(lái)看,其有較明顯的增加,并且隨情景排放量的增加表現(xiàn)出一致的變化,這意味著冬季SSWS的年際變率在未來(lái)排放情境下有所增加。
圖4 相對(duì)于1986—2005年歷史模擬參考時(shí)段各模式各情景區(qū)域海表面風(fēng)速大小變化
就平均SSWS變化的空間分布而言,未來(lái)3個(gè)排放情景出現(xiàn)了較一致的區(qū)域分布(圖5i),均表現(xiàn)為冬季25°N以南海域風(fēng)速增大,以北除渤海灣一帶風(fēng)速有所增大以外,其余海域風(fēng)速減??;根據(jù)90%信度水平的t檢驗(yàn)結(jié)果顯示,各情景下冬季年均SSWS變大的海域其顯著性也均較高,主要為25°N以南海域(也包括渤海灣海域),而其他海域則顯著性較弱。就圖5a—h中各模式結(jié)果的一致性來(lái)看,RCP2.6、RCP4.5和RCP8.5情景下均有超過(guò)半數(shù)(5個(gè)、6個(gè)、7個(gè))的模式表現(xiàn)出25°N以南海域的SSWS增大現(xiàn)象且多數(shù)模式較為顯著,而對(duì)于25°N以北風(fēng)速的略微減弱各模式間差異性較大,且多數(shù)模式表現(xiàn)出的減弱沒(méi)有通過(guò)90%信度水平的t檢驗(yàn)。以上結(jié)果可以看出多模式的平均預(yù)估未來(lái)情境下的冬季SSWS變化,在25°N以南增加較為明顯,在25°N以北海域有所減弱但其幅度較小且顯著性較弱,這與之前基于CMIP3和CMIP5的多模式對(duì)東亞冬季風(fēng)(冬季近地面10 m風(fēng)速)的預(yù)估結(jié)果是較一致的[5]。
圖5 相對(duì)于1986—2005年historical模擬參考時(shí)段,2026—2045年時(shí)段各模式各情境冬季平均海表面10 m風(fēng)速的變化
未來(lái)排放情景下所造成的全球變暖導(dǎo)致冬季海陸熱力差異減?。懙厣郎剌^快,圖6a—c)理論上應(yīng)該導(dǎo)致冬季季風(fēng)的減弱,中國(guó)近海SSWS也相應(yīng)減小,而根據(jù)圖5i結(jié)果來(lái)看,中國(guó)近海南部海域SSWS反而增加。結(jié)合圖6a—c中給出的近地面氣溫和海平面氣壓的異常氣候變化來(lái)看,隨排放情景排放量的增加,西北太平洋中緯度地區(qū)逐漸形成一個(gè)西南-東北向的異常高壓反氣旋環(huán)流并逐漸范圍增大,其西側(cè)偏南氣流帶西伸至中國(guó)大陸沿海海域,造成原有的冬季偏北風(fēng)減弱。而25°N以南南海海域SSWS的增強(qiáng)可能來(lái)自于該異常高壓環(huán)流南側(cè)的東風(fēng)異常向西與東亞盛行的西北風(fēng)交匯產(chǎn)生的南下氣流。對(duì)于單個(gè)模式模擬的氣候變化結(jié)果來(lái)看,HADGEM2的冬季平均SSWS變化在中國(guó)近海南部海域的增大幅度大于模式集合平均,其對(duì)應(yīng)的西北太平洋海平面氣壓的高壓異常也高達(dá)0.8 hPa大于模式平均的0.2 hPa,而圖5b和圖5g中所示RCP4.5情景下MRI-CGCM3和BCC-CSM1.1-M出現(xiàn)的大面積風(fēng)速減弱,其對(duì)應(yīng)模式和情景下所模擬的該異常高壓環(huán)流也相應(yīng)較弱,這也進(jìn)一步說(shuō)明了該異常高壓環(huán)流對(duì)中國(guó)近海SSWS的影響。
圖6 相對(duì)于1986—2005年歷史模擬參考時(shí)段,2026—2045年RCP情景模擬時(shí)段各模式集合平均近地面
5.2夏季
夏季各模式未來(lái)不同排放情景(RCP)下的預(yù)估結(jié)果的年際變化如圖4f—h所示。從各個(gè)模式的年際變化趨勢(shì)來(lái)看,夏季風(fēng)與冬季風(fēng)結(jié)果相類似并沒(méi)有出現(xiàn)明顯的風(fēng)速量值隨時(shí)間的增加或減小的趨勢(shì)。而從圖4中陰影區(qū)的范圍來(lái)看,SSWS在夏季的不確定性要小于冬季,降尺度結(jié)果的模式間一致性也相對(duì)較高;考慮相對(duì)于參考時(shí)段RCP情景下平均SSWS的變化,其中RCP2.6、RCP4.5和RCP8.5情景分別有6個(gè)、5個(gè)和6個(gè)模式的平均風(fēng)速變化為正,而各情景下各模式平均SSWS的變化范圍分別為-1.6%—2.7%、-1%—2.7%和-1%—1.8%,相對(duì)應(yīng)的模式集合平均變化分別為0.96%、0.97%和0.7%;另外,相對(duì)于參考時(shí)間段,夏季SSWS年際變化標(biāo)準(zhǔn)差在RCP2.6情景下減小,RCP4.5和RCP8.5情景均增大。綜上來(lái)看,相對(duì)于參考時(shí)段,未來(lái)排放背景下2026—2045年中國(guó)大陸近海區(qū)域平均SSWS在夏季表現(xiàn)為略微增加,并且其年際變率在RCP4.5和RCP8.5情景下均增大。
圖7 相對(duì)于1986—2005年歷史模擬參考時(shí)段,2026—2045年時(shí)段各模式各情境夏季平均海表面10 m風(fēng)速的變化
就圖7i中給出的模式平均夏季SSWS空間分布來(lái)看,中國(guó)近海主要表現(xiàn)為增大,增加較顯著的區(qū)域則分布在山東半島中國(guó)黃海海域,臺(tái)灣島以東中國(guó)東海海域以及南海部分海域,且均通過(guò)了90%信度水平的t檢驗(yàn),在其余海域則僅出現(xiàn)較小幅度的變化且不顯著。同冬季類似,3個(gè)不同情景之間風(fēng)速變化的空間分布類似,但其變幅和區(qū)域大小有差異。而根據(jù)夏季平均SSWS變化空間分布各模式結(jié)果一致性來(lái)看(圖7a—h),HADGEM2模式在3個(gè)排放情景下表現(xiàn)出了東亞22°N以南較大區(qū)域的SSWS減小;BCC-CM1.1-M的RCP8.5結(jié)果在臺(tái)灣島附近中國(guó)大陸沿海區(qū)域及其東南區(qū)域出現(xiàn)較明顯的減??;其他模式在排放情景下均在中國(guó)大陸近海海域出現(xiàn)不同程度的增大的SSWS變化。對(duì)于集合平均結(jié)果中出現(xiàn)的SSWS顯著性增大的3個(gè)區(qū)域山東半島附近海域、臺(tái)灣島以東中國(guó)東海和海南島附近及其以南南海海域,RCP2.6情景下分別有6個(gè)、4個(gè)和6個(gè)模式與集合平均結(jié)果一致,RCP4.5(8.5)情景下則分別有6(4)個(gè)、4(4)個(gè)和5(4)個(gè)模式一致。綜上所述,夏季大多數(shù)模式在未來(lái)排放情景下均表現(xiàn)出了SSWS增大的現(xiàn)象。
結(jié)合圖6d—e中夏季的近地面氣溫和海平面氣壓排放情景下的氣候變化情況分析夏季SSWS增大的原因,一方面,增暖情境下東亞地區(qū)大陸升溫要高于西太平洋海洋區(qū)域,因此東西向海陸熱力差異加大,導(dǎo)致夏季東亞大陸熱低壓加強(qiáng)幅度超過(guò)西太平洋副熱帶高壓的減弱幅度,另一方面中國(guó)大陸與南海相比,其增暖幅度也更大,因此南北向的海陸熱力差異也加大,同樣導(dǎo)致南北氣壓差相應(yīng)增大,引起偏南氣流異常。兩者共同作用,均會(huì)加大東亞夏季偏南季風(fēng)的強(qiáng)度,從而增加中國(guó)大陸近海海域夏季SSWS量值。但針對(duì)單個(gè)模式結(jié)果來(lái)看,HADGEM2模擬的各情景結(jié)果以及BCC-CSM1.1-M的RCP8.5情景和CNRM-CM5的RCP4.5情景結(jié)果均出現(xiàn)了大面積的風(fēng)速減小現(xiàn)象,但其對(duì)應(yīng)的未來(lái)情景下近地面氣溫和海平面氣壓異常與集合平均相比并沒(méi)有明顯差異,因此在對(duì)未來(lái)情境下氣候進(jìn)行預(yù)估還要考慮模式本身對(duì)于情景差異(增暖)的響應(yīng)的不同。
本文基于CCMP的高分辨率衛(wèi)星觀測(cè)風(fēng)場(chǎng)和ECMWF的再分析海表面風(fēng)場(chǎng)和氣壓場(chǎng),對(duì)中國(guó)大陸近海海表面風(fēng)速(SSWS)建立了統(tǒng)計(jì)降尺度模型,并對(duì)模型進(jìn)行了驗(yàn)證。利用CMIP5耦合模式比較計(jì)劃的8個(gè)全球氣候模式在不同排放情景下的模擬結(jié)果作為統(tǒng)計(jì)模型輸入場(chǎng)對(duì)中國(guó)近海氣候變化進(jìn)行了預(yù)估研究。主要結(jié)論有:
(1)統(tǒng)計(jì)降尺度后的全球氣候模式結(jié)果與直接插值結(jié)果相比在氣候態(tài)的空間分布型模擬上有所改進(jìn);
(2)根據(jù)各情景下區(qū)域平均的風(fēng)速年際變化來(lái)看,盡管冬夏季未來(lái)3個(gè)RCP情景下均有超過(guò)半數(shù)的模式出現(xiàn)和集合平均一致的線性增加趨勢(shì),但大多數(shù)結(jié)果均較弱且不顯著。相比于1986—2005年參考時(shí)段,夏季區(qū)域平均風(fēng)速略有增加,主要原因可能來(lái)自于增暖情境下東亞地區(qū)徑向和緯向的海陸熱力差異增大所致;
(3)從空間分布來(lái)看,相對(duì)于參考時(shí)段,未來(lái)3個(gè)RCP排放情景下出現(xiàn)了較一致的風(fēng)速顯著增大區(qū)域的分布,冬季主要在25°N以南海域,其中RCP4.5情景增暖區(qū)域和幅度較小,這是因?yàn)榕欧徘榫跋聳|亞地區(qū)出現(xiàn)了一個(gè)異常高壓環(huán)流,結(jié)合冬季海陸溫差的減小所造成。夏季則為山東半島中國(guó)黃海海域,臺(tái)灣島以東中國(guó)東海海域以及南海部分海域,而減弱區(qū)域的風(fēng)速變化并不顯著。
作為EOF與MLR相結(jié)合的統(tǒng)計(jì)降尺度方法在中國(guó)大陸附近目標(biāo)區(qū)域的首次嘗試,本文中統(tǒng)計(jì)降尺度模型的大尺度因子只選取了海表面風(fēng)速本身和海平面氣壓,而選擇不同的預(yù)報(bào)因子(例如加入海表面溫度)對(duì)預(yù)報(bào)結(jié)果也會(huì)產(chǎn)生影響[17]。同時(shí),本文對(duì)未來(lái)氣候情景的預(yù)估基于對(duì)CMIP5全球氣候模式的選取,受限于模式數(shù)據(jù)資料的獲取途徑限制和各情景數(shù)據(jù)的完整性,未能收集全部模式模擬結(jié)果并擇優(yōu)選取,因此,在解釋未來(lái)排放情景下中國(guó)近海SSWS的長(zhǎng)期變化趨勢(shì)過(guò)程中,樣本代表性尚待進(jìn)一步研究。另外需要注意的是,RCP各排放情景在2026—2045年之間的差別并不是非常顯著,同時(shí)對(duì)于1986—2005年以及2026—2045年之間,由于時(shí)間段較為接近,RCP各情景之間的差異對(duì)氣候變化的影響可能尚不顯著,因此在本文的評(píng)估結(jié)果中中國(guó)大陸近海SSWS的各模式各情景結(jié)果之間雖然有所差異,但并不明顯。綜上所述,對(duì)統(tǒng)計(jì)降尺度模式進(jìn)行改進(jìn)、進(jìn)一步挑選更多的模式數(shù)據(jù)進(jìn)行集合預(yù)估以及對(duì)比更長(zhǎng)期的時(shí)間尺度上不同RCP情景下的氣候變化差異都值得進(jìn)一步的研究。
[1]Chen H P,Sun J Q.Projected change in East Asian summer monsoon precipitation under RCP scenario[J].Meteorology and Atmospheric Physics,2013,121(1-2):55-77.
[2]金晨曦,周天軍.參加CMIP5的四個(gè)中國(guó)氣候模式模擬的東亞冬季風(fēng)年際變率[J].大氣科學(xué),2014,38(3):453-468.
[3]Zhang L,Wu T W,Xin X G,et al.Projections of annual mean air temperature and precipitation over the globe and in China during the 21st Century by the BCC climate system model BCC_CSM1.0[J].Acta Meteorologica Sinica,2012,26(3):362-375.
[4]董敏,吳統(tǒng)文,王在志,等.BCC_CSM1.0模式對(duì)20世紀(jì)降水及其變率的模擬[J].應(yīng)用氣象學(xué)報(bào),2013,24(1):1-11.
[5]Jiang D B,Tian Z P.East Asian monsoon change for the 21st century:results of CMIP3 and CMIP5 models[J].Chinese Science Bulletin,2013,58(12):1427-1435.
[6]劉蕓蕓,李維京,左金清,等.CMIP5模式對(duì)西太平洋副熱帶高壓的模擬和預(yù)估[J].氣象學(xué)報(bào),2014,72(2):277-290.
[7]胡芩,姜大膀,范廣洲.青藏高原未來(lái)氣候變化預(yù)估:CMIP5模式結(jié)果[J].大氣科學(xué),2015,39(2):260-270.
[8]范麗軍,符淙斌,陳德亮.統(tǒng)計(jì)降尺度法對(duì)華北地區(qū)未來(lái)區(qū)域氣溫變化情景的預(yù)估[J].大氣科學(xué),2007,31(5):887-897.
[9]湯劍平,高紅霞,李艷,等.IPCC-A2情景下我國(guó)21世紀(jì)風(fēng)能變化的統(tǒng)計(jì)降尺度方法研究[J].太陽(yáng)能學(xué)報(bào),2009,30(5):655-666.
[10]王亞男,智協(xié)飛.多模式降水集合預(yù)報(bào)的統(tǒng)計(jì)降尺度研究[J].暴雨災(zāi)害,2012,31(1):1-7.
[11]Goubanova K,Echevin V,Dewitte B,et al.Statistical downscaling of sea-surface wind over the Peru-Chile upwelling region: diagnosing the impact of climate change from the IPSL-CM4 model[J].Climate Dynamics,2010,36(7-8):1365-1378.
[12]高留喜,朱蓉,常蕊.QuikSCAT和ASCAT衛(wèi)星反演風(fēng)場(chǎng)在中國(guó)南海北部的適用性研究[J].氣象,2014,40(10):1240-1247.
[13]鄭崇偉.基于CCMP風(fēng)場(chǎng)的近22年中國(guó)海海表風(fēng)場(chǎng)特征分析[J].氣象與減災(zāi)研究,2011,34(3):41-46.
[14]王慧,隋偉輝.基于CCMP風(fēng)場(chǎng)的中國(guó)近海18個(gè)海區(qū)海面大風(fēng)季節(jié)變化特征分析[J].氣象科技,2013,41(4):720-725.
[15]王紹武,羅勇,趙宗慈,等.新一代溫室氣體排放情景[J].氣候變化研究進(jìn)展,2012,8(4):305-307.
[16]Zorita E,Von Storch H.The analog method as a simple statistical downscalingtechnique:comparisonwithmorecomplicated methods[J].Journal of Climate,1999,12(8):2474-2489.
[17]范麗軍.統(tǒng)計(jì)降尺度方法集合預(yù)估華東氣溫的初步研究[J].高原氣象,2010,29(2):392-402.
[18]Von Storch H.On the use of“inflation”in statistical downscaling[J].Journal of Climate,1999,12(12):3505-3506.
[19]Huth R.Sensitivity of local daily temperature change estimates to the selection of downscaling models and predictors[J].Journal of Climate,2004,17(3):640-652.
Statistical downscaling projection of sea-surface wind near China under RCPs scenarios
LI Han,LING Tie-jun,ZHANG Yun-fei,ZU Zi-qing,WANG Jian
(National Marine Environmental Forecasting Center,Key Laboratory of Research on Marine Hazards forecasting of SOA,Beijing 100081 China)
The statistical downscaling method based on Empirical Orthogonal Function(EOF)and Multiple Linear Regression(MLR)is applied to downscale sea surface wind speed(SSWS)in the target region(TR)of North West Pacific near China in this paper.The statistical downscaling model(SDM)is derived from the low resolution ECMWF reanalyzes SSWS and sea level pressure(SLP)data and the high resolution Cross-Calibrated Multi-Platform(CCMP)SSWS data over an independent period 1992—2011,then tested by using cross-validation method.Finally,the multiple climate models within the phase five of the Coupled Model Intercomparison Project(CMIP5)under the Representative Concentration Pathway(RCP2.6,RCP4.5,RCP8.5)scenarios over 2026—2045 are downscaled to project the climate change for the 21st century.The results show that the SDM exhibits significant skill in reproducing the SSWS climatology with a high average spatial correlation coefficient of 0.87.Compared with observed data,the downscaling result of CMIP5 models output under historical scenario(1986—2005)show better performance than directly Bilinear Interpolation result.With respect to the reference period 1986—2005,the TR winter SSWS strengthens(weakens)in the north(south)of about 25°N,while change little as a whole.The TR summer SSWS slightly increase over the Yellow Sea near Shandong Peninsula,the East Sea near the east of Taiwan and certain regions of the South China Sea.These changes might result from decreased(increased)winter(summer)land-sea thermal contrast between the East Asia Continent and the western North Pacific.
statistical downscaling;CMIP5 models;sea surface wind speed;climate change projection
P732
A
1003-0239(2016)03-0034-12
10.11737/j.issn.1003-0239.2016.04.005
2015-10-19
國(guó)家科技支撐計(jì)劃(2012BAC19B08);國(guó)家自然科學(xué)基金(41376016);國(guó)家海洋局海洋公益性行業(yè)科研專項(xiàng)(201205182)。
栗晗(1992-),男,碩士在讀,主要從事氣候變化研究。E-mail∶hanli_1005@163.com