不同時間頻次的外強(qiáng)迫對全球大洋海溫模擬的影響

史珍，李響，劉娜

不同時間頻次的外強(qiáng)迫對全球大洋海溫模擬的影響

史珍，李響，劉娜

（國家海洋環(huán)境預(yù)報中心國家海洋局海洋災(zāi)害預(yù)報技術(shù)研究重點(diǎn)實(shí)驗(yàn)室，北京100081）

研究了不同時間頻次外強(qiáng)迫對全球海洋環(huán)流模式MOM4的海溫模擬的影響，并分析了其影響海溫模擬的物理機(jī)制。結(jié)果表明：由于時間平均產(chǎn)生的不同時間頻次的外強(qiáng)迫具有相同的氣候態(tài)，但是其強(qiáng)度差異較大。采用不同時間頻次的外強(qiáng)迫均能較好的重現(xiàn)全球海溫的大尺度時空分布特征，且對海溫異常的模擬跟觀測較為接近，但是不同時間頻次外強(qiáng)迫對全球海溫平均值的模擬偏差較大，其中逐6 h的外強(qiáng)迫模擬的全球平均海溫相對于逐月外強(qiáng)迫模擬的全球平均海溫改進(jìn)了0.74℃。高頻強(qiáng)迫模擬的海溫更加接近觀測，其對全球海洋起著冷卻的作用。這種冷卻作用在中高緯度海域主要通過加強(qiáng)垂直混合導(dǎo)致，而在低緯海域可能是平流過程及熱通量導(dǎo)致。

MOM4；時間頻次；外強(qiáng)迫；海溫

1 引言

早期由于缺乏海上風(fēng)場與熱力場的觀測，海洋模式通常采用相對低時空分辨率的外強(qiáng)迫數(shù)據(jù)?；谛〕叨雀哳l外強(qiáng)迫對大尺度低頻海洋的氣候變率不存在顯著影響的假定，小尺度海洋模式進(jìn)行短時模擬的研究中偶爾采用由浮標(biāo)觀測得到的高時空分辨率的動力及熱力場[1]，大尺度海洋氣候模式則通常都采用低分辨率的外強(qiáng)迫數(shù)據(jù)。但是該假定并不是普遍適用的，Large等[2]利用高頻風(fēng)場強(qiáng)迫一個北太平洋的準(zhǔn)地轉(zhuǎn)模式的結(jié)果表明：高頻風(fēng)場外強(qiáng)迫對海洋的斜壓過程及深層動能有一定的影響。Chen等[3]利用一個“人造”的高頻風(fēng)場強(qiáng)迫模式，發(fā)現(xiàn)高頻風(fēng)場外強(qiáng)迫可以通過垂直混合顯著的降低海表溫度（Sea Surface Temperature，SST）。隨著海洋觀測的進(jìn)步，出現(xiàn)了越來越多高時間分辨率的數(shù)據(jù)，許多研究開始關(guān)注高時間分辨率的外強(qiáng)迫數(shù)據(jù)對海洋模擬的影響。Chen等[4]利用NASA Scatterometer(NSCAT)的觀測風(fēng)場，研究了高時空分辨率風(fēng)場外強(qiáng)迫對1997—1998年El Ni?o爆發(fā)的影響，發(fā)現(xiàn)時間平滑后的風(fēng)場通過減少垂直湍流混合的能量而加熱SST，而空間平滑的風(fēng)場則沒有時間平滑的風(fēng)場那么明顯的加熱SST，但是對海洋動力過程的響應(yīng)具有重要的影響。Sui等[5]研究了逐日的表面強(qiáng)迫場對赤道太平洋上層海洋的影響，結(jié)果表明高頻的表面強(qiáng)迫場對SST具有冷卻作用，其主要通過加強(qiáng)垂直混合來減少上層海洋的垂直層結(jié)，同時減少進(jìn)入海洋的凈熱通量及經(jīng)向熱平流這兩個機(jī)制實(shí)現(xiàn)。Kara等[6]研究了不同時空分辨率的數(shù)據(jù)強(qiáng)迫HYCOM（Hybrid Coordinate Ocean Model）模式對黑海海溫及海流模擬的影響，結(jié)果表明高頻的大氣強(qiáng)迫場對黑海沿岸流的加強(qiáng)及中尺度渦的形成具有非常顯著的影響。Casella等[7]對利古里亞海的研究得到了跟Kara等人的研究類似的結(jié)論。Cardona等[8]用ROMS（Regional Ocean Modeling System）模式研究了高頻風(fēng)場對南海海洋模擬的影響，結(jié)果表明高頻風(fēng)場對水平環(huán)流的模擬沒有顯著影響，但對垂直速度場有較大的影響，主要機(jī)制是慣性頻率附近以及更高頻的風(fēng)場會激發(fā)渦旋Rossby波及慣性波，而這些波動控制了混合層以及100 m以上層的垂直速度場。除了研究不同時間分辨率的外強(qiáng)迫對區(qū)域海洋模式模擬的影響，科研人員也研究了不同時間分辨率高頻風(fēng)場對全球海洋模擬的影響。Lee等[9]的研究通過采樣方式得到的不同時間分辨率的外強(qiáng)迫場，其結(jié)果表明高頻風(fēng)場數(shù)據(jù)對減小模式誤差具有非常重要的作用，主要機(jī)制是通過采樣的方式一方面減少了風(fēng)場的高頻分量，減弱垂直混合而影響中高緯海域的混合層深度及海表溫度；另一方面改變風(fēng)場的年平均值，進(jìn)而導(dǎo)致平流的差異而影響低緯海域及沿岸海域。

目前，國內(nèi)關(guān)于這方面的研究開展的相對較少，但是該研究對建立海洋氣候預(yù)報系統(tǒng)非常重要，因此非常有必要進(jìn)行該方面的研究探索。同時，國際上對不同時間分辨率的外強(qiáng)迫對海洋模擬的影響機(jī)制并未形成一致的結(jié)論，這也需要進(jìn)一步的進(jìn)行研究。另外，以往的研究中并未采用過氣候預(yù)測系統(tǒng)的大氣再分析數(shù)據(jù)CFSR（Climate Forecast System Reanalysis）作為強(qiáng)迫數(shù)據(jù)，那么這種數(shù)據(jù)的差異是否對研究不同頻次大氣外強(qiáng)迫對海洋模擬產(chǎn)生不同的影響？這也是亟需回答的問題。因此，本文針對以上問題，開展了不同時間分辨率的CFSR外強(qiáng)迫數(shù)據(jù)對全球海溫模擬影響的研究。

2 模式、試驗(yàn)及數(shù)據(jù)介紹

2.1 模式介紹

研究中所用海洋環(huán)流模式為MOM4（The Module Ocean Model Version 4）[10]。該模式是由美國地球流體力學(xué)實(shí)驗(yàn)室（The Geophysical Fluid Dynamics Laboratory，GFDL）開發(fā)的模塊化海洋模式，為自由表面原始方程海洋模式，采用非Boussinesq近似和靜力近似。模式的水平網(wǎng)格為Arakawa B網(wǎng)格，垂直坐標(biāo)為z坐標(biāo)系。模式提供了多種垂直混合參數(shù)化方案，包括KPP方案、Richardson數(shù)決定的渦動混合系數(shù)法等。

該研究中，模式的計算范圍包含了全球所有大洋，水平網(wǎng)格分辨率為1/4°×1/4°，垂直方向分為50層，其中海表淺層加密垂向?qū)訑?shù)，最大水深取為5 500 m。模式中海底地形數(shù)據(jù)采用OCCAM的0.2°資料。模式采取三極點(diǎn)網(wǎng)格，可以有效消除全球模式在北極的奇點(diǎn)。模式中溫、鹽、流速及自由表面的積分步長均取為1 500 s,流函數(shù)的積分時間步長取為25 s。首先，利用美國國家大氣研究中心的海洋模式比較計劃（OMIP_NCAR）氣候態(tài)數(shù)據(jù)強(qiáng)迫MOM4模式，從靜止海洋狀態(tài)積分20 a，使海洋模式運(yùn)行到一個穩(wěn)定的狀態(tài)。在此基礎(chǔ)上，以氣候態(tài)運(yùn)行的最后一個時刻的物理量場作為高頻強(qiáng)迫試驗(yàn)的初始場，采用CFSR實(shí)時數(shù)據(jù)強(qiáng)迫MOM4模式積分28a，大氣強(qiáng)迫數(shù)據(jù)分別采用不同時間頻次（6 h、逐日、月平均）的CFSR數(shù)據(jù)集。所有外強(qiáng)迫資料均經(jīng)過插值以適應(yīng)模式需要。

2.2 試驗(yàn)設(shè)計與數(shù)據(jù)介紹

為了考察不同時間分辨率的外強(qiáng)迫對MOM4模式的海溫模擬結(jié)果的影響，本文設(shè)計了3組試驗(yàn)，分別為：采用CFSR的逐6 h數(shù)據(jù)集作為外強(qiáng)迫的試驗(yàn)，記為CFSR_6h；采用CFSR的逐日數(shù)據(jù)集作為外強(qiáng)迫的試驗(yàn)，記為CFSR_Day；以及采用CFSR的月平均數(shù)據(jù)集作為外強(qiáng)迫的試驗(yàn)，記為CFSR_Mon。

需要特別指出的是，逐日的CFSR數(shù)據(jù)及月平均的CFSR數(shù)據(jù)均由時間分辨率為逐6 h數(shù)據(jù)集通過計算日平均值與月平均值獲得，這保證了這幾套外強(qiáng)迫數(shù)據(jù)的氣候態(tài)是相同的。

本文研究中用到的主要數(shù)據(jù)包括：

（1）美國國家環(huán)境預(yù)報中心（National Centers for Environmental Prediction，NCEP）的CFSR數(shù)據(jù)[11]。研究中該數(shù)據(jù)的時間范圍為1981年1月—2008年12月，時間分辨率為逐6 h，水平分辨率為0.5°。該數(shù)據(jù)作為CFSR試驗(yàn)的外強(qiáng)迫數(shù)據(jù)驅(qū)動MOM4模式；

（2）美國馬里蘭大學(xué)的海洋再分析數(shù)據(jù)（Simple Ocean Data Assimilation，SODA）[12]，該數(shù)據(jù)為月平均數(shù)據(jù)，時間范圍為1981年1月—2008年12月，水平分辨率為0.5°，垂直共40層。該數(shù)據(jù)作為海洋的觀測數(shù)據(jù)與3組試驗(yàn)數(shù)據(jù)進(jìn)行對比。

3 結(jié)果分析

3.1 全球平均海表溫度

海洋模式的評估中，SST為第一考核指標(biāo)。圖1給出了SODA以及3組試驗(yàn)?zāi)M的全球月平均SST隨時間的變化。從圖中可以看出，3組試驗(yàn)的平均SST與SODA的平均SST有較大的差異，其中CFSR_6h試驗(yàn)?zāi)M的全球年平均SST值為18.61℃，與觀測（18.41℃）最為接近，誤差為0.2℃；CFSR_ Day試驗(yàn)?zāi)M的全球年平均SST值為18.84℃，相對于觀測的誤差為0.43℃；CFSR_Mon試驗(yàn)?zāi)M的全球年平均SST值為19.35℃，相對于觀測的誤差為0.94℃。該結(jié)果表明，采用高頻次的外強(qiáng)迫模擬的SST更接近觀測，高頻外強(qiáng)迫對全球海洋影響的總體效應(yīng)為冷卻海洋，而低頻外強(qiáng)迫對全球海洋的總體效應(yīng)為加熱海洋。在此基礎(chǔ)上，分別計算了3組試驗(yàn)的全球月平均SST與觀測值的相關(guān)系數(shù)，3組試驗(yàn)與觀測的相關(guān)系數(shù)分別為0.78（CFSR_6h）、0.73（CFSR_Day）、0.66（CFSR_Mon），均通過了99%的顯著性檢驗(yàn)。該結(jié)果表明采用不同時間頻次的外強(qiáng)迫模擬的海表溫度具有相似的變化趨勢，但是高頻外強(qiáng)迫模擬的SSTA更加接近觀測。

圖1 SODA、CFSR_6h試驗(yàn)、CFSR_Day試驗(yàn)及CFSR_Mon試驗(yàn)的全球月平均SST隨時間的變化

圖2 CFSR_Day試驗(yàn)和CFSR_Mon試驗(yàn)分別與CFSR_6h試驗(yàn)的年平均SST差值（單位：℃）的空間分布

進(jìn)一步對比了3組試驗(yàn)?zāi)M的年平均SST的全球空間分布情況（圖略）。3組試驗(yàn)均能較好的再現(xiàn)全球SST的整體分布特征。同時，3組試驗(yàn)?zāi)M的年平均SST的分布也存在一定的差異。圖2給出了CFSR_Day試驗(yàn)與CFSR_6h試驗(yàn)的年平均SST差值以及CFSR_Day試驗(yàn)與CFSR_6h試驗(yàn)的年平均SST差值的空間分布。相比于CFSR_6h試驗(yàn)?zāi)M的年平均SST，CFSR_Day試驗(yàn)及CFSR_Mon試驗(yàn)?zāi)M的年平均SST在太平洋海域及大西洋的西海岸海域偏高，但是偏高幅度不同。CFSR_Day試驗(yàn)的年平均SST最大偏高約1℃，而CFSR_Mon試驗(yàn)的年平均SST最大偏高超過3℃。在印度洋海域，CFSR_Day試驗(yàn)的年平均SST較CFSR_6h試驗(yàn)整體偏低，而CFSR_Mon試驗(yàn)的年平均SST在30°S以北海域偏低，而30°S以南海域偏高；在大西洋海域，除西海岸附近區(qū)域外，其他海域整體偏低，而CFSR_Mon試驗(yàn)的年平均SST在30°S—30°N之間偏低，其他海域偏高。該結(jié)果表明，不同時間頻次的外強(qiáng)迫數(shù)據(jù)對不同的海域SST模擬的影響最主要機(jī)制可能不完全相同的。

3.2 海溫的季節(jié)變化

3組試驗(yàn)均能很好的模擬出SST的季節(jié)變化特征。圖3給出了CFSR_Day試驗(yàn)、CFSR_Mon試驗(yàn)的SST季節(jié)變化相對于CFSR_6h試驗(yàn)的差異。從圖3可以看出，在赤道東太平洋海域，CFSR_Day試驗(yàn)及CFSR_Mon試驗(yàn)的SST季節(jié)變化相對于CFSR_6h試驗(yàn)的SST季節(jié)變化的振幅偏強(qiáng)，且CFSR_Mon試驗(yàn)在赤道東太平洋有1.5℃的正異常偏差；在赤道印度洋及大西洋海域，CFSR_Day試驗(yàn)及CFSR_Mon試驗(yàn)的SST季節(jié)變化相對于CFSR_ 6h試驗(yàn)的SST季節(jié)變化的振幅偏弱，但是總體差異相對的較小，均在正負(fù)0.5℃范圍內(nèi)。該結(jié)果進(jìn)一步表明，不同時間頻次外強(qiáng)迫對SST季節(jié)變化的影響在不同季節(jié)及不同海域的物理機(jī)制不盡相同。

圖3 CFSR_Day試驗(yàn)和CFSR_Mon試驗(yàn)分別與CFSR_6h試驗(yàn)SST季節(jié)變化的差值（單位：℃）隨緯度-時間分布

3.3 海表溫度的年際變化

3.3.1 熱帶太平洋海溫年際變化

在年際尺度上，熱帶太平洋海溫年際變化的最主要特征是ENSO[13]。當(dāng)ENSO處于正位相時，海洋對應(yīng)為El Ni?o事件；當(dāng)ENSO處于負(fù)位相時，海洋對應(yīng)為La Ni?a事件。通常用赤道東太平洋特定區(qū)域海溫異常的平均值代表ENSO指數(shù)。目前國際上對ENSO指數(shù)的定義存在著較多的觀點(diǎn)[14]，本研究中以Nino3.4指數(shù)為代表，研究采用不同時間頻次外強(qiáng)迫數(shù)據(jù)強(qiáng)迫MOM4模式時模擬的ENSO的差異。

文中分別計算了SODA數(shù)據(jù)、CFSR_6h試驗(yàn)、CFSR_Day試驗(yàn)以及CFSR_Mon試驗(yàn)的Nino3.4指數(shù)，并對該指數(shù)進(jìn)行了對比分析（見圖4）。從圖中可以看出，除了極個別年份（如2003—2004年）CFSR_Mon試驗(yàn)?zāi)M的Nino3.4指數(shù)較觀測偏大外，3組試驗(yàn)計算得到的Nino3.4指數(shù)與SODA數(shù)據(jù)計算得到的Nino3.4指數(shù)具有一致的變化特征，其與觀測的Nino3.4指數(shù)的相關(guān)系數(shù)分別為：CFSR_6h試驗(yàn)計算的Nino3.4指數(shù)與觀測的Nino3.4指數(shù)的相關(guān)系數(shù)為0.93；CFSR_Day試驗(yàn)計算的Nino3.4指數(shù)與觀測的Nino3.4指數(shù)的相關(guān)系數(shù)為0.91；而CFSR_Mon試驗(yàn)計算的Nino3.4指數(shù)與觀測的Nino3.4指數(shù)的相關(guān)系數(shù)則也達(dá)到了0.89。3組試驗(yàn)的Nino3.4的相關(guān)系數(shù)均通過了99%的信度檢驗(yàn)。3組試驗(yàn)對幾次強(qiáng)的El Ni?o事件均模擬的較好，如1982—1983年及1997—1998年，El Ni?o事件的爆發(fā)時間、持續(xù)時間及振幅均與觀測較為一致。但是對于La Ni?a事件，在2000年以后，3組試驗(yàn)?zāi)M的振幅均偏弱。以上結(jié)果表明，MOM4采用不同時間頻次的CFSR外強(qiáng)迫數(shù)據(jù)均能較好的模擬出ENSO的變化特征，其中采用高時間頻次的外強(qiáng)迫模擬的熱帶太平洋SST的年際變率更接近觀測，但是這種優(yōu)勢不顯著。

圖4 逐月Nino3.4指數(shù)變化觀測值（SODA）與CFSR_6h試驗(yàn)、CFSR_Day試驗(yàn)、CFSR_Mon試驗(yàn)的對比

圖5 逐月DMI指數(shù)變化觀測值（SODA）與CFSR_6h試驗(yàn)、CFSR_Day試驗(yàn)、CFSR_Mon試驗(yàn)的對比

3.3.2 印度洋海溫年際變化

在熱帶印度洋區(qū)域，海溫的年際變化的主要特征為印度洋海表溫度異常（Sea SurfaceTemperature Anomaly，SSTA）呈現(xiàn)偶極子分布特征，也稱為印度洋偶極子。Saji等[15]將赤道西印度洋（50°—70°E，10°S—10°N）和東南印度洋（90°—110°E,10°S—0°）海區(qū)平均的SSTA之差定義為印度洋偶極子指數(shù)（Dipole Mode Index，DMI）。

根據(jù)DMI的定義，分別計算了SODA數(shù)據(jù)、CFSR_6h試驗(yàn)、CFSR_Day試驗(yàn)以及CFSR_Mon試驗(yàn)的DMI指數(shù)，并進(jìn)行了對比（見圖5）。從圖中可以看出，CFSR_6h試驗(yàn)、CFSR_Day試驗(yàn)以及CFSR_Mon試驗(yàn)?zāi)M的DMI指數(shù)與SODA數(shù)據(jù)計算得到的DMI指數(shù)具有一致的變化特征。對于幾次強(qiáng)的印度洋偶極子（Indian Ocean Dipole，IOD）正位相年份及負(fù)位相年份，3組試驗(yàn)均有較好的模擬，但是需要指出的是CFSR_Mon試驗(yàn)?zāi)M的DMI指數(shù)在IOD較強(qiáng)的年份偏大。分別計算了3組試驗(yàn)?zāi)M的DMI指數(shù)與SODA數(shù)據(jù)的相關(guān)系數(shù)，其中CFSR_6h試驗(yàn)?zāi)M的DMI指數(shù)與SODA數(shù)據(jù)的DMI指數(shù)相關(guān)系數(shù)為0.9；CFSR_6h試驗(yàn)?zāi)M的DMI指數(shù)與SODA數(shù)據(jù)的DMI指數(shù)相關(guān)系數(shù)為0.9；CFSR_6h試驗(yàn)?zāi)M的DMI指數(shù)與SODA數(shù)據(jù)的DMI指數(shù)相關(guān)系數(shù)為0.85，這些相關(guān)系數(shù)均通過了99%的信度檢驗(yàn)。該結(jié)果表明，MOM4采用不同時間頻次的CFSR外強(qiáng)迫數(shù)據(jù)均能較好的模擬出印度洋偶極子的變化特征，其中采用高時間頻次的外強(qiáng)迫模擬的印度洋SST的年際變化更加接近觀測，但是優(yōu)勢同樣不明顯。

4 不同頻次外強(qiáng)迫對海溫影響的原因

4.1 不同頻次外強(qiáng)迫的差異

3組試驗(yàn)的差異為使用了不同時間頻次的外強(qiáng)迫數(shù)據(jù)，這些外強(qiáng)迫數(shù)據(jù)的氣候態(tài)雖然相同，但是輸入模式中的風(fēng)應(yīng)力及熱力強(qiáng)迫存在著差異，這導(dǎo)致了海溫、海流模擬的差異。

圖6給出了1996—1997年間不同時間分辨率的沿赤道緯向風(fēng)應(yīng)力隨時間的變化。從圖中可以看出，3組不同時間頻次的風(fēng)應(yīng)力隨時間變化的趨勢相對一致，但是在風(fēng)應(yīng)力的變率及大小方面存在較大差異。日平均及月平均對緯向風(fēng)應(yīng)力的影響主要有兩個方面：一是降低了風(fēng)應(yīng)力的變率，二是減弱了風(fēng)應(yīng)力的強(qiáng)度。

3組試驗(yàn)輻射熱通量的差異與風(fēng)應(yīng)力的差異類似。其中，3組試驗(yàn)的凈輻射通量沿赤道的分布特征比較一致，但是隨時間的變化存在較大的差異。逐6 h的凈輻射通量在白天和夜晚存在較大的差異，海洋在白天吸收熱量，夜晚放出熱量，而通過日平均或者月平均，這種日變化的差異被消除了。同時，平均以后，低時間頻次的凈輻射通量的變率減小，尤其是月平均的輻射通量。

圖6 1996—1997年3組試驗(yàn)中沿赤道緯向風(fēng)應(yīng)力（單位：N/m2）隨時間的變化

4.2 影響機(jī)制

模式的SST的值在很大程度上取決于海洋中的垂向混合過程，通常垂直混合的強(qiáng)弱可以用混合層深度（Mixed Layer Depth，MLD）進(jìn)行表征。MLD定義了湍流垂向混合所能達(dá)到的最大深度，其直接反映了上層海洋對各種外界強(qiáng)迫的響應(yīng)強(qiáng)度，是刻畫海洋上混合層的一個非常重要的物理參量?；旌蠈拥亩x方法較多[16-18]，文中采用閾值的方法定義混合層深度，即：將與海表溫度相差0.5℃所在處定義為混合層底。

圖7 CFSR_6h試驗(yàn)、CFSR_Day試驗(yàn)及CFSR_Mon試驗(yàn)的全球月平均MLD隨時間的變化

圖8 CFSR_Day試驗(yàn)和CFSR_Mon試驗(yàn)分別與CFSR_6h試驗(yàn)的年平均MLD差值（單位：m）的空間分布

圖7 給出了3組試驗(yàn)的全球月平均MLD隨時間的變化。從圖中可以看出，3組試驗(yàn)的全球月平均MLD隨時間變化趨勢非常一致，但是均值及振幅上存在較大的差異。3組試驗(yàn)的全球MLD的均值分別為61.1 m（CFSR_6h）、52.7 m（CFSR_Day）、47.3 m（CFSR_Mon）。隨著外強(qiáng)迫時間頻次的降低，MLD的均值呈現(xiàn)減小的趨勢，即總體平均的垂直混合逐漸減弱。與之相對應(yīng)的，3組試驗(yàn)的全球年平均SST隨著外強(qiáng)迫時間頻次的降低而增加。該結(jié)果表明：平均效應(yīng)上，高頻的外強(qiáng)迫可以加強(qiáng)海洋的垂向混合，從而起到對SST的降溫作用。3組試驗(yàn)的振幅同樣存在差異，CFSR_6h試驗(yàn)的MLD振幅異常極值比較大，序列的標(biāo)準(zhǔn)差達(dá)到了11.96 m，CFSR_Day試驗(yàn)的次之，CFRS_Mon試驗(yàn)的最小。3組試驗(yàn)的MLD的變化趨勢較為一致，主要是因?yàn)闀r間平均對低頻外強(qiáng)迫的影響較小。

圖8給出了CFSR_Day試驗(yàn)、CFSR_Mon試驗(yàn)與CFSR_6h試驗(yàn)的年平均MLD差值的空間分布。CFSR_Day試驗(yàn)及CFSR_Mon試驗(yàn)?zāi)M的MLD在全球大部分大洋上相比于CFSR_6h試驗(yàn)偏淺，但是在太平洋30°S—30°N之間，CFSR_Day試驗(yàn)及CFSR_Mon試驗(yàn)的MLD較CFSR_6h偏深，結(jié)合3組試驗(yàn)?zāi)昶骄鵖ST的空間分布特征可以發(fā)現(xiàn)：在中高緯海域，CFSR_6h試驗(yàn)?zāi)M的MLD偏深，溫度偏低；而中低緯海域，CFSR_6h試驗(yàn)?zāi)M的MLD偏淺，但是溫度同樣偏低。該結(jié)果表明，在中高緯地區(qū)造成海洋冷卻的主要機(jī)制是垂直混合的加強(qiáng)，而在低緯區(qū)域及西邊界流區(qū)域，垂直混合不是造成海洋冷卻的主要機(jī)制，而平流過程及凈熱通量的加熱作用可能是導(dǎo)致海溫差異的更重要的機(jī)制。

5 結(jié)論

本文研究了不同時間頻次的動力及熱力強(qiáng)迫對全球大洋海溫模擬的影響，分別設(shè)計了3組試驗(yàn)：CFSR_6h，CFSR_Day，CFSR_Mon，對比了這3組試驗(yàn)?zāi)M的海溫差異，并進(jìn)一步的分析了這種差異產(chǎn)生的物理機(jī)制。

（1）通過與觀測的海溫對比，3組試驗(yàn)?zāi)M的大尺度SST分布特征、SST的季節(jié)及年際變化等方面與觀測較為一致。但是，CFSR_6h試驗(yàn)?zāi)M的海溫的全球年平均海溫、全球月平均海溫異常、平均SST的空間分布的各個方面比CFSR_Day試驗(yàn)及CFSR_Mon試驗(yàn)更加接近觀測；

（2）3組試驗(yàn)?zāi)M的全球年平均海溫與觀測分別相差0.2℃（CFSR_6h），0.43℃（CFSR_Day）以及0.94℃（CFSR_Mon）。不同時間頻次外強(qiáng)迫對海溫模擬的總體差異表現(xiàn)為高頻外強(qiáng)迫具有冷卻海洋的作用，而低頻外強(qiáng)迫具有加熱海洋的作用。在業(yè)務(wù)的海溫預(yù)報中，為了提高海溫預(yù)報技巧，非常有必要采用高時間頻次的外強(qiáng)迫數(shù)據(jù)驅(qū)動海洋預(yù)報模式；

（3）3組試驗(yàn)采用的不同時間頻次的外強(qiáng)迫數(shù)據(jù)具有相同的氣候態(tài)，但是由于時間平均造成了低頻外強(qiáng)迫的變率減小和強(qiáng)度減弱。前者的影響是3組試驗(yàn)?zāi)M的海溫的季節(jié)及年際變化相對一致，而后者導(dǎo)致了全球大洋垂直混合與熱量收支的差異，進(jìn)一步導(dǎo)致了海溫大小的差異。在不同的海域，影響海溫的主要物理過程存在一定的差異。在中高緯區(qū)域，主要通過垂直混合過程影響海溫，而在低緯區(qū)域及西邊界流區(qū)域，平流過程及外強(qiáng)迫的加熱過程可能起著更為重要的作用。

本文研究了不同時間頻次外強(qiáng)迫對全球大洋海溫模擬的影響，探討了不同外強(qiáng)迫對海溫影響的機(jī)制，但是對于不同時間頻次外強(qiáng)迫對不同海域的海溫影響機(jī)制未能完全解決。造成該問題的原因主要有兩方面：一是由于由于計算及存儲條件的限制，試驗(yàn)未輸出高頻次的模擬結(jié)果，部分影響了物理機(jī)制的分析；二是在設(shè)計試驗(yàn)時，未將熱力強(qiáng)迫及動力強(qiáng)迫分開進(jìn)行試驗(yàn)，這導(dǎo)致在機(jī)制分析時無法分別討論動力強(qiáng)迫及熱力強(qiáng)迫的影響。未來將設(shè)計更多的試驗(yàn)，進(jìn)一步討論不同時間分辨率的動力強(qiáng)迫及熱力強(qiáng)迫對海洋模擬的影響，更加細(xì)致的解釋這種差異產(chǎn)生的物理機(jī)制，為未來建設(shè)業(yè)務(wù)化的海洋預(yù)測系統(tǒng)提供更加可靠的理論支持。

[1]Chen D K,Wang D P.Simulating the Time-Variable Coastal Upwelling During CODE 2[J].Journal of Marine Research,1990, 48(2):335-358.

[2]Large W G,Holland W R,Evans J C.Quasi-geostrophic Ocean Response to Real Wind Forcing:The Effects of Temporal Smoothing[J].Journal of Physical Oceanography,1991,21(7):998-1017.

[3]Chen D K,Rothstein L M,Busalacchi A J.A Hybrid Vertical Mixing Scheme and Its Application to Tropical Ocean Models[J]. Journal of Physical Oceanography,1994,24(10):2156-2179.

[4]Chen D K,Liu W T,Zebiak S E,et al.Sensitivity of the tropical Pacific Ocean simulation to the temporal and spatial resolution of wind forcing[J].Journal of Geophysical Research:Oceans,1999, 104(C5):11261-11271.

[5]Sui C H,Li X F,Rienecker M M,et al.The Role of Daily Surface Forcing in the Upper Ocean over the Tropical Pacific:A Numerical Study[J].Journal of Climate,2003,16(4):756-766.

[6]Kara A B,Hurlburt H E,Wallcraft A J,et al.Black Sea Mixed Layer Sensitivity to Various Wind and Thermal Forcing Products on Climatological Time Scales[J].Journal of Climate,2005,18(24):5266-5293.

[7]Casella E,Molcard A,Provenzale A.Mesoscale vortices in the Ligurian Sea and their effect on coastal upwelling processes[J]. Journal of Marine Systems,2011,88(1):12-19.

[8]Cardona Y,Bracco A.Enhanced vertical mixing within mesoscale eddies due to high frequency winds in the South China Sea[J]. Ocean Modelling,2012,42:1-15.

[9]Lee T,Liu W T.Effects of High-Frequency Wind Sampling on Simulated Mixed Layer Depth and Upper Ocean Temperature[J]. Journal of Geophysical Research:Oceans,2005,110(C5):C05002.

[10]Griffies S M,Harrison M J,Pacanowski RC,et al.A technical guide to MOM4[J].GFDL Ocean Group Technical Report,2004, 5:371.

[11]Saha S,Moorthi S,Pan H L,et al.NCEP Climate Forecast System Reanalysis(CFSR)SelectedHourlyTime-SeriesProducts, January 1979 to December 2010[R].Boulder,CO:Research Data Archive at the National Center for Atmospheric Research, Computational and Information Systems Laboratory,2010.

[12]Carton J A,Chepurin G,Cao X H.A Simple Ocean Data Assimilation Analysis of the Global Upper Ocean 1950-95.Part II:Results[J].Journal of Physical Oceanography,2000,30(2): 311-326.

[13]黃榮輝.ENSO及熱帶海-氣相互作用動力學(xué)研究的新進(jìn)展[J].大氣科學(xué),1990,14(2):234-242.

[14]李曉燕,翟盤茂.ENSO事件指數(shù)與指標(biāo)研究[J].氣象學(xué)報, 2000,58(1):102-109.

[15]Saji N H,Goswami B N,Vinayachandran P N,et al.A dipole mode in the tropical Indian Ocean[J].Nature,1999,401(6751): 360-363.

[16]Kara A B,Rochford PA,Hurlburt H E.An Optimal Definition for Ocean Mixed Layer Depth[J].Journal of Geophysical Research: Oceans,2000,105(C7):16803-16821.

[17]Thomson R E,Fine I V.Estimating Mixed Layer Depth from Oceanic Profile Data[J].Journal of Atmospheric and Oceanic Technology,2003,20(2):319-329.

[18]范聰慧.多因素對海洋上混合層深度影響的數(shù)值模擬[D].北京:中國科學(xué)院研究生院(海洋研究所),2007.

Effects of different temporal resolution of wind and thermal forcing on simulated global ocean temperature

SHI Zhen，LI Xiang，LIU Na
（National Marine Environmental Forecasting Center,Key Laboratory of Research on Marine Hazards forecasting,State Oceanic Administration People’s Republic of China,Beijing 100081 China）

In this study,heat fluxes and wind stress with different temporal resolution are compared,and they are used as the upper boundary condition for a global oceanic general circulation model MOM4.Because of the time average,three experiments(CFSR_6h,CFSR_Day,CFSR_Mon)have the same climate characteristics,while differ in magnitude.The comparison between the simulations and observations reveals that the model SSTs have similar seasonal to interannual variability as the observed SST.But the magnitude of SSTs differ from observed SST within 1℃,the global mean SST in CFSR_6h is 0.74℃lower than in CFSR_Mon.In general,ocean temperature simulated with high frequency forcing is more similar with observation.The effect of high frequency forcing can cool the global ocean.In the mid-latitude and high-latitude area,high frequency forcing enhances vertical mixing to cool the ocean.But in the low-latitude area,the horizontal advection and heat flux may play more important roles to cool the ocean.

MOM4;temporal resolution;forcing;ocean temperature

P731.11

：A

：1003-0239（2016）06-0001-09

10.11737/j.issn.1003-0239.2016.06.001

2016-01-29

國家自然科學(xué)基金（41376016）；國家自然科學(xué)基金青年基金（41306008）。

史珍（1984-），女，助理研究員，博士，主要從事大氣、海洋可預(yù)報性及海洋模式的研究。E-mail:shiz@nmefc.gov.cn