CMIP5模式對(duì)中國近海海表溫度的模擬及預(yù)估

宋春陽，張守文，姜華，2*，王輝，2，王大奎，黃勇勇

(1. 國家海洋環(huán)境預(yù)報(bào)中心，北京 100081；2. 國家海洋局海洋災(zāi)害預(yù)報(bào)技術(shù)研究重點(diǎn)實(shí)驗(yàn)室，北京 100081)

?

CMIP5模式對(duì)中國近海海表溫度的模擬及預(yù)估

宋春陽1，張守文1，姜華1，2*，王輝1，2，王大奎1，黃勇勇1

(1. 國家海洋環(huán)境預(yù)報(bào)中心，北京 100081；2. 國家海洋局海洋災(zāi)害預(yù)報(bào)技術(shù)研究重點(diǎn)實(shí)驗(yàn)室，北京 100081)

基于觀測(cè)和再分析資料，利用多種指標(biāo)和方法評(píng)估了國際耦合模式比較計(jì)劃(CMIP5)中21個(gè)模式對(duì)中國近海海溫的月、季節(jié)和年際變化模擬能力。多模式集合能夠再現(xiàn)氣候平均意義下近海海溫的空間分布特征，但量值上存在一定的低估。在渤海和黃海，集合平均與觀測(cè)差別比較明顯。在年際尺度上，與觀測(cè)數(shù)據(jù)對(duì)比，模式模擬海溫與Nio3指數(shù)相關(guān)性較小。中國近海海表面溫度在1960-2002年有明顯的升高趨勢(shì)，從2003年開始增溫趨緩。評(píng)估結(jié)果表明，ACCESS1.0、BCC-CSM1.1、HadGEM2-ES、IPSL-CM5A-MR、CMCC-CM、FGOALS-g2、CNRM-CM5-2、INMCM4 八個(gè)模式對(duì)中國近海海溫的變化有較好的模擬能力。利用ACCESS1.0、INMCM4、BCC-CSM1.1、IPSL-CM5A-MR、CMCC-CM這5個(gè)模式結(jié)果對(duì)中國近海海溫未來的變化進(jìn)行了預(yù)估。在RCP4.5、RCP8.5情景下，未來近100年中國近海海溫有明顯升高趨勢(shì)，最優(yōu)模式多模式集合平均增溫分別可達(dá)到1.5℃、3.3℃，凈熱通量變化和平流變化共同促進(jìn)了東海升溫。

中國近海海溫；CMIP5；模式評(píng)估；未來預(yù)估

1　引言

IPCC第五次評(píng)估報(bào)告[1]對(duì)全球氣候變化等進(jìn)行了評(píng)估，對(duì)全球及典型區(qū)域的氣候變化進(jìn)行了詳細(xì)的分析和預(yù)估，成為國際社會(huì)認(rèn)識(shí)和了解氣候變化問題的主要科學(xué)依據(jù)。預(yù)測(cè)未來氣候變化的重要工具就是氣候系統(tǒng)模式和地球系統(tǒng)模式。氣候模式受模式邊界條件、參數(shù)化錯(cuò)誤、模式構(gòu)造以及所輸入的變量限制[2]，模擬結(jié)果存在一定偏差和不確定性。在不同季節(jié)不同區(qū)域CMIP5模式對(duì)降水模擬偏差是不同的[3]。已有分析指出CMIP模式模擬在全球變暖情形下熱帶海域“越暖越濕潤(rùn)”并且會(huì)對(duì)沃克環(huán)流以及哈德來環(huán)流產(chǎn)生影響[4—5]，3個(gè)熱帶大洋的海溫增暖表現(xiàn)出不均勻性，且增暖原因存在較大差異[6]。部分耦合模式模擬ENSO冷暖事件幾乎是對(duì)稱發(fā)生的，對(duì)ENSO不對(duì)稱性的模擬非常弱甚至沒有[7]。

中國近海海表溫度(SST)的變化對(duì)我國沿岸氣候、海洋生態(tài)和漁業(yè)資源有重要影響。近海SST的EOF分析第一模態(tài)空間分布表現(xiàn)為整個(gè)區(qū)域同相變化的特征，最大振幅在中國東部海域，時(shí)間系數(shù)與Nio3指數(shù)顯著相關(guān)；第二模態(tài)空間分布表現(xiàn)為東海黑潮區(qū)與其他海區(qū)SST變化位相相反[8]。1901—2004年中國近海海溫均呈增加趨勢(shì)，20世紀(jì) 80 年代以后增暖較明顯[9]。近20年來，沿海氣溫、海溫和海平面的上升幅度分別為1.1℃、0.9℃和92 mm。中國近海除南海外，水深不足200 m，SST變化顯著受海表面熱通量變化影響。近50年中國東部海域潛熱通量顯著增加，增幅最為明顯區(qū)域在黑潮主軸[10]。中國近海海溫年際年代際振蕩不是一種局地現(xiàn)象，而與太平洋海溫變化有關(guān)，是海氣作用的結(jié)果[11]。ENSO對(duì)滯后其兩年的東中國海區(qū)海溫變化影響顯著[12]。已有分析指出CMIP5大部分模式能較好的模擬出南海20世紀(jì)歷史SST的基本特征和變化規(guī)律，并且指出在RCP2.6、RCP4.5和RCP8.5排放情景下多模式集合平均的增溫趨勢(shì)分別為0.42℃/(100 a)、1.50℃/(100 a)和3.30℃/(100 a)[13]。利用氣候耦合模式CCSM4對(duì)全球SSH變化趨勢(shì)預(yù)測(cè)的模擬，在RCP4.5情景下南海海域在21世紀(jì)末10年平均海平面相對(duì)于20世紀(jì)末10年上升了15～39 cm[14]。王皘和劉秦玉[15]利用IPCC中的4個(gè)模式計(jì)算了海洋、氣象要素的變化趨勢(shì)，指出南海海洋動(dòng)力過程可能在維持南海深水海盆50 年來SST持續(xù)增暖中的重要性。通過地球系統(tǒng)模式MPI-ESM在RCP4.5情景下的結(jié)果發(fā)現(xiàn)北太平洋內(nèi)區(qū)風(fēng)應(yīng)力場(chǎng)的變化主要影響東海黑潮上層流量的年際和年代際變化，其風(fēng)應(yīng)力旋度對(duì)東海黑潮上層流量存在超前10個(gè)月的影響[16]。

關(guān)于中國近海研究多是基于歷史觀測(cè)數(shù)據(jù)，未來情景下的變化研究較少[17—19]。以往的CMIP模式評(píng)估工作大多關(guān)注陸面區(qū)域的氣候特征[20—24]，對(duì)中國近海的海洋環(huán)境模擬能力評(píng)估還不夠。隨著全球變暖的加劇，極端事件引起的災(zāi)害發(fā)生頻率和強(qiáng)度都在增加[25—26]。由此對(duì)人類社會(huì)、經(jīng)濟(jì)和自然生態(tài)系統(tǒng)帶來的巨大損失更是難以估計(jì)，近十幾年來海洋災(zāi)害所造成的直接經(jīng)濟(jì)損失呈現(xiàn)明顯上升的趨勢(shì)。如果能通過CMIP5全球氣候模式來預(yù)估中國近海未來的氣候變化，對(duì)正確地做出氣候影響評(píng)價(jià)和決策有著重要意義。

本文關(guān)注中國近海SST的變化趨勢(shì)。鑒于CMIP5模擬結(jié)果中存在的偏差和不確定性，文章首先應(yīng)用觀測(cè)和再分析資料，利用多種指標(biāo)和方法評(píng)估了21個(gè)CMIP5模式對(duì)過去多年中國近海SST的模擬能力，并從海表面凈熱通量、平流輸運(yùn)等主要影響因素來分析引起各模式海溫變化的原因。通過評(píng)估，選取性能較好的5個(gè)模式，采用多模式集合方法研究在不同輻射強(qiáng)迫情景所產(chǎn)生的未來全球變暖背景下，預(yù)估中國近海SST的未來變化特征。

2　數(shù)據(jù)及方法

本文關(guān)注中國近海變化，經(jīng)緯度范圍選取1°～41°N，100°～130°E。SST資料來自于英國哈德萊中心的HadISST數(shù)據(jù)，其空間分辨率1.0°×1.0°，資料截取時(shí)間段為1960年1月到2005年12月。海表面熱通量數(shù)據(jù)來自NCEP，其分辨率為1.861°×1.836°，方向取向下為正，代表海洋得熱，包括長(zhǎng)波輻射、短波輻射、潛熱通量和感熱通量4個(gè)分量，時(shí)間跨度為1960—2005年。CMIP5模式眾多，我們選取了具有地域代表性的21個(gè)CMIP5模式，其中包括4個(gè)中國模式(具體信息見表1)。模式數(shù)據(jù)包括歷史氣候模擬試驗(yàn)數(shù)據(jù)和RCP4.5、RCP8.5未來情景的試驗(yàn)數(shù)據(jù)。取1986—2005年作為當(dāng)前氣候，2080—2099年作為未來氣候，計(jì)算各個(gè)模式在兩個(gè)階段的海溫差值作為未來海溫的變化。為了方便比較，把再分析和CMIP5模式海溫插值到0.5°×0.5°的規(guī)則網(wǎng)格上。

表1　分析所用的CMIP5中21個(gè)模式

續(xù)表1

3　氣候模式對(duì)中國近海海溫的模擬評(píng)估

3.1中國近海海溫變化特征

圖1是來自CMIP5中21個(gè)模式和HadISST的中國近海SST距平時(shí)間序列。可以看出無論模式模擬還是觀測(cè)結(jié)果都顯示中國近海SST在1960—2005年有明顯上升的線性趨勢(shì)，觀測(cè)結(jié)果為0.150℃/(10 a)，模式集合平均結(jié)果為0.086℃/(10 a)，強(qiáng)度較觀測(cè)偏弱，并且各模式及觀測(cè)結(jié)果有顯著的年際-年代際變化。但不同模式模擬的增溫速率有差異，大部分模式模擬的SST距平值大于觀測(cè)值。在20世紀(jì)最后20年各模式模擬效果較好，偏差較小。受1997—1998強(qiáng)ENSO事件影響，中國近海海溫在1998年整體偏暖，但因?yàn)樗x的CMIP5模式數(shù)據(jù)為歷史氣候模擬試驗(yàn)數(shù)據(jù)，所以沒有看到這一年際變化現(xiàn)象。

圖1　來自CMIP5試驗(yàn)中21個(gè)模式和HadISST 1960-2005年中國近海海溫距平的年平均時(shí)間序列(距平為相對(duì)1986-2005年)Fig.1　Time series annual averaged SST anomalies in China offshore from 1960 to 2005(relative to 1986-2005)黑色線代表HadISST；紅色代表多模式集合平均(MME)；單位：℃The black line represents the observation HadISST; the red line represents the multi-model ensemble; unit:℃

從HadISST氣候平均SST空間分布圖來看(圖2)，中國近海溫度分布自北向南逐漸遞增，等溫線呈西南-東北向分布，其年較差由北向南逐漸減小。CMIP5中各模式基本上能夠表現(xiàn)出氣候態(tài)海溫的空間分布特征。多模式集合平均(MME)與觀測(cè)一致性較高。因?yàn)楦髂Ｊ侥M誤差不同，多模式集合平均后誤差要小于單個(gè)模式誤差，這是因?yàn)楦鱾€(gè)模式誤差相抵，趨于平均態(tài)。從偏差圖可以看出多集合平均對(duì)南海和東海模擬較好，在渤、黃海偏差較大，有較大低值，但在臺(tái)灣海峽多模式集合平均大于觀測(cè)值，其偏差可達(dá)1.2℃，整體來說在大部分海域多模式集合平均比觀測(cè)值稍小，存在一定的低估。

圖2　1960-2005年中國近海年平均海溫空間分布Fig.2　Space distribution of annual averaged SSTS in China offshore from 1960 to 2005a-u：CMIP5模式；v: HadISST；w:多模式集合的平均(MME)；x：MME與HadISST之差(單位：℃)a-u：CMIP5 models；v: HadISST；w: multi-model ensemble；x：the difference between the MME and HadISST (unit:℃)

圖3　1960-2005年海溫EOF第一模態(tài)空間分布 Fig.3　Space distribution of the first EOF of monthly averaged SST anomaliesa-q：CMIP5模式；s: HadISST；r:多模式集合的平均(MME)；u：HadISST與Nio3指數(shù)相關(guān)系數(shù)空間分布；v：MME與Nio3指數(shù)相關(guān)系數(shù)空間分布a-q：CMIP5 models；s: HadISST；r: multi-model ensemble；u-v：the distribution of correlation coefficient of HadISST and the multi-model ensemble with Nio3 respectively

圖4　1960-2005年中國近海年平均凈熱通量空間分布Fig.4　Space distribution of annual averaged net heat fluxes in China offshore from 1960 to 2005a-q：CMIP5模式；r: NCEP；s:多模式集合的平均(MME)；t：MME與NCEP之差(單位：W/m2)a-q：CMIP5 models；r: NCEP；s: multi-model ensemble；t: the difference between the MME and NCEP (unit: W/m2)

圖5　1960—2005年各模式模擬的多時(shí)間尺度(月、季、年)平均SST的相對(duì)均方根誤差(RMSE′)，A-Q所代表的模式參考圖6Fig.5　Relative error measures of CMIP5 model performance(month，season，year) in SSTS.The represents of A-Q refer to fig.6

圖3顯示CMIP5模式數(shù)據(jù)EOF分析第一模態(tài)方差貢獻(xiàn)在32%～56%之間。HadISST第一模態(tài)方差為47%，第一模態(tài)非常顯著，HadISST整個(gè)區(qū)域?yàn)檎?，并且在渤海、黃海、東海正信號(hào)較強(qiáng)，該海區(qū)有較強(qiáng)的年際振蕩信號(hào)。從第一模態(tài)時(shí)間序列來看(圖略)，全球在最近幾十年是變暖的，而且有明顯的周期變化。

通過對(duì)中國近海海溫EOF分析可以發(fā)現(xiàn)在中國東部海域海溫年際變化振幅最強(qiáng)，多模式集合平均對(duì)年際變化模擬較弱。將HadISST和多模式集合平均第一模態(tài)時(shí)間系數(shù)進(jìn)行功率譜分析(圖略)發(fā)現(xiàn)，再分析數(shù)據(jù)有準(zhǔn)4年(43個(gè)月)周期，而多模式集合數(shù)據(jù)并沒有很明顯的周期變化。圖3u、3v為HadISST與MME分別對(duì)應(yīng)的Nio3指數(shù)的相關(guān)系數(shù)空間分布圖，從圖中可以看出MME與HadISST有一定差距，MME并不能模擬出南海與Nio3指數(shù)的正相關(guān)變化，對(duì)比來說MME與Nio3指數(shù)相關(guān)性較低。因?yàn)樗x的CMIP5模式數(shù)據(jù)為歷史氣候模擬試驗(yàn)數(shù)據(jù)，模式對(duì)年際變化現(xiàn)象的模擬稍弱。另外，CMIP5模式不能很好地模擬出ENSO的不對(duì)稱性，大部分模式模擬ENSO對(duì)稱性較強(qiáng)。ENSO不對(duì)稱性可能會(huì)導(dǎo)致ENSO年代際變率并且導(dǎo)致長(zhǎng)期背景海溫出現(xiàn)模擬誤差[7，27]。

3.2海氣界面凈熱通量氣候特征

通過觀測(cè)和模式數(shù)據(jù)發(fā)現(xiàn)上世紀(jì)中期開始中國近海海溫增高，大部分模式可以模擬出70年代后期溫度顯著升高這一趨勢(shì)。大氣輻射的變化會(huì)通過影響海面凈熱通量變化影響海溫的變化[28]。這里討論CMIP5模式對(duì)海表凈熱通量的模擬能力，考察模式對(duì)溫度變化機(jī)制的模擬效果。CanCM4、EC-EARTH、FIO-ESM和HadGEM2-AO這4個(gè)模式數(shù)據(jù)缺失以及模擬效果較差被舍棄。

海表面凈熱通量包括長(zhǎng)波輻射、短波輻射、潛熱通量和感熱通量。其中潛熱通量和短波輻射量值較大，感熱通量和長(zhǎng)波輻射量值較小，中國近海凈熱通量空間分布主要由潛熱通量決定[10]。感熱和潛熱通量年變化可能與東亞季風(fēng)爆發(fā)有關(guān)[17]。低緯度赤道區(qū)域，太陽輻射強(qiáng)烈，海水大量得熱。西邊界強(qiáng)流黑潮從暖濕的低緯度輸送熱量到冷干的中高緯度海區(qū)，海水在黑潮及其延伸體區(qū)域會(huì)大量失去熱量。圖4中凈熱通量分布表明在黑潮及其延伸體海表面失熱最為顯著，在赤道以及低緯地區(qū)得熱最多。通過對(duì)比可以發(fā)現(xiàn)CMIP5各模式基本上能較好的模擬出凈熱通量這一空間分布特征，但失熱的量值各模式差異較大，在赤道地區(qū)得熱較觀測(cè)來說模擬偏低。渤海、黃海和南海北部以低量值的失去熱量為主，南海南部以得到熱量為主。從偏差圖可以看出多集合平均在臺(tái)灣海峽偏差較大，有較大低值，其偏差可達(dá)60 W/m2。但在南海中部多模式集合平均大于觀測(cè)值，整體來說在大部分海域多模式集合平均比觀測(cè)值稍小，存在一定的低估。

3.3氣候模式的幾個(gè)量化評(píng)估指標(biāo)

圖5給出各模式不同時(shí)間尺度(月、季、年)海溫的相對(duì)均方根誤差(RMSE′)。其月平均代表中國近海原始月均海溫?cái)?shù)據(jù)的時(shí)間序列圖。由定義可知，相對(duì)均方根誤差小于零代表該模式模擬效果較好(高于中等水平)；相對(duì)均方根誤差大于零代表模擬效果較差(低于中等水平)。從圖中可以看出，與HadISST相比，對(duì)中國近海SST模擬能力較好的模式包括ACCESS1.0、BCC-CSM1-1、FGOALS-g2、HadGEM2-ES、INMCM4和IPSL-CM5A-MR，其中ACCESS1.0、FGOALS-g2、INMCM4和多模式集合平均對(duì)所有月份和季節(jié)的RMSE′都小于零，多模式集合平均模擬效果最好。圖6分別繪制了中國近海月平均、年平均海溫氣候態(tài)泰勒?qǐng)D，橫縱坐標(biāo)為標(biāo)準(zhǔn)差，弧度軸為相關(guān)系數(shù)，綠色線為均方根誤差。從圖中能夠看出IPSL-CM5A-MR是與HadISST相關(guān)性最好、均方根誤差最小的模式。海溫月平均結(jié)果與HadISST相關(guān)性很好，月均海溫相關(guān)系數(shù)都在0.9以上，大部分模式均方根誤差在0.5左右。多模式集合平均值(R)與觀測(cè)資料一致性較高，在圖6a中最接近觀測(cè)資料，模擬效果最好。從表2我們也可以發(fā)現(xiàn)，分辨率高的模式不一定模擬效果好。說明只提高模式分辨率還是不夠的，可能改進(jìn)模式物理參數(shù)化方案同分辨率提高協(xié)調(diào)一致才能更好的起作用[29]。多模式集合平均結(jié)果對(duì)中國近海海溫月平均、年平均，EOF第一模態(tài)以及凈熱通量綜合模擬效果較好，但對(duì)中國近海海溫線性升溫趨勢(shì)模擬效果一般，在多模式集合平均過程中，模式結(jié)果相互抵消，使其年際、年代際變化信號(hào)不明顯。

圖6　各模式海溫與HadISST數(shù)據(jù)泰勒?qǐng)D(a:月平均，b：年平均)Fig.6　Taylor diagrams of the reanalysis and CMIP5 models(a：monthly averaged，b：annual averaged) in China offshore

氣候模式海溫月平均相關(guān)系數(shù)海溫年平均相關(guān)系數(shù)EOF第一模態(tài)空間相關(guān)系數(shù)凈熱通量空間相關(guān)系數(shù)相關(guān)系數(shù)平均值觀測(cè)與模式升溫趨勢(shì)差/℃·(10a)-1ACCESS10094605180831094908110068BCC?CSM11095805750414091207140016BCC?CSM11(m)096004660062088805940032CCSM4094704760198092206350020CESM1?CAM5092601830454092906230057CMCC?CM095804900703080707390038CNRM?CM5?2096403870861094707810082CSIRO?Mk3?6?0094502680584086506650106FGOALS?g2095905610727094307970033GFDL?CM3093100760727090106580104GISS?E2?H093101590960087907320096HadGEM2?ES096203890934096208110073

續(xù)表2

4　未來中國近海海溫變化預(yù)估

通過評(píng)估，我們發(fā)現(xiàn)CMIP5模式基本上能夠較好的再現(xiàn)中國近海海溫空間特征，并非模式分辨率越高其模擬效果就越好。利用各統(tǒng)計(jì)方法得到表2，我們發(fā)現(xiàn)ACCESS1.0、BCC-CSM1.1、HadGEM2-ES、IPSL-CM5A-MR、CMCC-CM、FGOALS-g2、CNRM-CM5-2、INMCM4這8個(gè)模式月平均、年平均海溫，EOF第一模態(tài)空間相關(guān)系數(shù)，凈熱通量空間相關(guān)系數(shù)這4個(gè)量的平均值以及中國近海海表溫度線性趨勢(shì)差值綜合模擬結(jié)果最好，其相關(guān)系數(shù)平均值均在0.7以上。并且ACCESS1-0、INMCM4對(duì)所有月份和季節(jié)的RMSE，都小于零，均方根誤差最小，IPSL-CM5A-MR是與HadISST相關(guān)性最好、均方根誤差最小，線性趨勢(shì)偏差最小的模式。BCC-CSM1.1、CMCC-CM平均相關(guān)系數(shù)及線性趨勢(shì)偏差較小，綜合整體來說效果較好，故最終選取ACCESS1.0、INMCM4、BCC-CSM1.1、IPSL-CM5A-MR、CMCC-CM這5個(gè)模式并把它們定義為最優(yōu)模式來進(jìn)行RCP4.5、RCP8.5情景下未來100年預(yù)估。

在RCP4.5情景下未來100年中國近海海表面溫度都有明顯的增溫趨勢(shì)，21世紀(jì)前期和中期海表溫度會(huì)顯著增高，到21世紀(jì)后30年會(huì)趨于平穩(wěn)，預(yù)計(jì)升溫1～2℃。RCP8.5情景下未來100年中國近海海溫是遞增的，升溫最高可達(dá)4℃。其中INMCM4與其他幾個(gè)模式相比增溫趨勢(shì)較緩。

圖8　2080-2099年相對(duì)1986-2005年中國近海最優(yōu)模式集合平均海溫、風(fēng)場(chǎng)、海表凈熱通量和流速變化空間分布圖Fig.8　Space distribution of the most excellent multi-model ensemble annual averaged SST， surface wind， net heat flux，and sea surface velocity variation in China offshore from 2006 to 2099(relative to 1986-2005)

圖8為RCP4.5情景下(RCP8.5情景類似)，選取的最優(yōu)模式集合平均的未來100年海溫、風(fēng)場(chǎng)、流速和海表凈熱通量的變化趨勢(shì)。未來中國近海SST會(huì)顯著增高，渤、黃海增溫幅度最為明顯，約為2.2℃，東海、南海增溫幅度分別約為1.7℃、1.4℃。SST等值線分布疏密程度改變很小，溫度梯度幾乎不變。未來中國近海區(qū)域東北風(fēng)減弱。臺(tái)灣以東黑潮和東海黑潮流速增強(qiáng)，平流作用加強(qiáng)促使溫度升高。未來海表凈熱通量在不同海區(qū)變化不同，在東海、黑潮區(qū)域以及南海凈熱通量變化為正，表明凈熱通量對(duì)東海以及南海具有增溫效果。在RCP4.5情景下凈熱通量變化和平流變化共同促進(jìn)了東海海溫升高。

5　結(jié)論

本文選取21個(gè)CMIP5模式海溫?cái)?shù)據(jù)，從多方面評(píng)估了21個(gè)CMIP5模式對(duì)中國近海海溫的歷史模擬能力。在此基礎(chǔ)上，采用性能較好的5個(gè)模式，利用RCP4.5、RCP8.5情景下海溫?cái)?shù)據(jù)預(yù)估了未來全球變暖背景下中國近海海溫可能變化特征以及對(duì)海溫增暖的非均勻特征進(jìn)行了分析。得到以下結(jié)論：

(1)中國近海海表面溫度在1960-2005年有明顯上升的線性趨勢(shì)，大部分模式模擬效果較好并能體現(xiàn)出變化趨勢(shì)。多模式集合平均的誤差要小于單個(gè)模式誤差，在渤海和黃海，集合平均與觀測(cè)差別較明顯。凈熱通量在黑潮及其延伸體海表面失熱最為顯著，在赤道以及低緯地區(qū)得熱較明顯。CMIP5各模式基本上能較好的模擬出凈熱通量這一空間分布特征，但失熱的量值各模式差異較大。

(2)由CMIP5模式對(duì)中國近海海溫EOF第一模態(tài)分析可知，ACCESS1.0、HadGEM2-ES、IPSL-CM5A-MR、CMCC-CM、FGOALS-g2、CNRM-CM5-2、INMCM4、GISS-E2-H、NorESM1-M這9個(gè)模式能模擬出東中國海較強(qiáng)的正信號(hào)，與觀測(cè)數(shù)據(jù)一致。多模式集合平均并不能很好模擬出南海與Nio3指數(shù)的正相關(guān)變化。

(3)在RCP4.5排放情景下，中國近海在未來100年內(nèi)有明顯的增溫趨勢(shì)，在渤、黃海增溫幅度最為明顯，約為2.2℃，東海和南海約為1.7℃、1.4℃。在RCP4.5、RCP8.5排放情景下中國近海海溫在2006-2099年最優(yōu)模式多模式集合平均增溫分別可達(dá)到1.5℃、3.3℃。凈熱通量變化和平流變化共同促進(jìn)了東海升溫。

(4)從結(jié)果上來看模式分辨率越高不一定對(duì)中國近海模擬效果更好，部分模式對(duì)歷史增溫趨勢(shì)、年際變化、凈熱通量模擬較差，說明對(duì)區(qū)域海洋的模擬只提高分辨率是不夠的，還要改進(jìn)模式物理參數(shù)化方案，增加預(yù)報(bào)結(jié)果的可靠性。

[1]IPCC. Climate change 2013: The physical science basis[C]//Stocker T F， Qin D， Plattner G K， et al. Contribution of Working Group Ⅰ to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge， United Kingdom， New York， NY， USA: Cambridge University Press， 2013: 1535， doi: 10.1017/CBO9781107415324．

[2]Feddema J J， Oleson K W， Bonan G B， et al. The importance of land-cover change in simulating future climates[J]. Science， 2005， 310(5754): 1674-1678.

[3]Liu Zhu， Mehran A， Phillips T J， et al. Seasonal and regional biases in CMIP5 precipitation simulations[J]. Climate Research， 2014， 60(1): 35-50.

[4]Ma Jian， Xie Shangping. Regional patterns of sea surface temperature change: a source of uncertainty in future projections of precipitation and atmospheric circulation[J]. Journal of Climate， 2013， 26(8): 2482-2501.

[5]Du Yan， Xie Shangping. Role of atmospheric adjustments in the tropical Indian Ocean warming during the 20th century in climate models[J]. Geophysical Research Letters， 2008， 35(8)， doi: 10.1029/2008GL033631.

[6]杜美芳， 徐海明， 周超. 基于CMIP5資料的熱帶大洋非均勻增暖及其成因的分析[J]. 熱帶海洋學(xué)報(bào)， 2015， 34(3): 1-12.

Du Meifang， Xu Haiming， Zhou Chao. Analysis of non-uniform sea surface temperature warming over the tropical oceans and its causes based on CMIP5 data[J]. Journal of Tropical Oceanography， 2015， 34(3): 1-12.

[7]孫燕. IPCC模式對(duì)印太暖池模擬的研究[D]. 青島: 中國海洋大學(xué)， 2011.

Sun Yan. Simulations of the Indo-Pacific warm pool by IPCC models[D]. Qingdao: Ocean University of China， 2011.

[8]劉喜惠. 我國近海SST低頻變化的特征及其可能機(jī)制[D]. 青島: 中國海洋大學(xué)， 2012.

Liu Xihui. Characteristic and mechanisms of sea surface temperature low frequency variability in the offshore sea of China[D]. Qingdao: Ocean University of China， 2012.

[9]張秀芝， 裘越芳， 吳迅英. 近百年中國近海海溫變化[J]. 氣候與環(huán)境研究， 2005， 10(4): 799-807.

Zhang Xiuzhi， Qiu Yuefang， Wu Xunying. The long-term change for sea surface temperature in the last 100 years in the offshore sea of China[J]. Climatic and Environmental Research， 2005， 10(4): 799-807.

[10]劉娜. 東中國海熱通量及熱收支變化研究[D]. 青島: 中國海洋大學(xué)， 2010.

Liu Na. Variations of heat flux and heat budget in the East China Sea[D]. Qingdao: Ocean University of China， 2010.

[11]張志華， 陳幸榮， 蔡怡. 中國近海海溫年際年代際振蕩關(guān)鍵海區(qū)分析研究[J]. 海洋預(yù)報(bào)， 2012， 29(4): 1-6.

Zhang Zhihua， Chen Xingrong， Cai Yi. A study of SST decadal oscillation in China Sea[J]. Marine Forecasts， 2012， 29(4): 1-6.

[12]伍玉梅， 徐兆禮， 樊偉， 等. 1985-2005年東海海表溫度時(shí)空變化特征分析[J]. 海洋學(xué)報(bào)， 2011， 33(6): 9-18.

Wu Yumei， Xu Zhaoli， Fan Wei， et al. Change of sea surface temperature in the East China Sea during 1985-2005[J]. Haiyang Xuebao， 2011， 33(6): 9-18.

[13]黃傳江， 喬方利， 宋亞娟， 等. CMIP5模式對(duì)南海SST的模擬和預(yù)估[J]. 海洋學(xué)報(bào)， 2014， 36(1): 38-47.

Huang Chuanjiang， Qiao Fangli， Song Yajuan， et al. The simulation and forecast of SST in the South China Sea by CMIP5 models[J]. Haiyang Xuebao， 2014， 36(1): 38-47.

[14]張吉， 左軍成， 李娟， 等. RCP4.5情景下預(yù)測(cè)21世紀(jì)南海海平面變化[J]. 海洋學(xué)報(bào)， 2014， 36(11): 21-29.

Zhang Ji， Zuo Juncheng， Li Juan， et al. Sea level variations in the South China Sea during the 21st century under RCP4.5[J]. Haiyang Xuebao， 2014， 36(11): 21-29.

[15]王皘， 劉秦玉. 海氣界面熱通量交換對(duì)南海深水海盆SST持續(xù)增暖的可能貢獻(xiàn)[J]. 中國海洋大學(xué)學(xué)報(bào)， 2011， 41(6): 9-14， 22.

Wang Qian， Liu Qinyu. Contribution of air-sea interface heat flux to the sea surface temperature persistence warming in South China Sea[J]. Periodical of Ocean University of China， 2011， 41(6): 9-14， 22.

[16]管承揚(yáng). 未來全球氣候變化情景下東海黑潮環(huán)流特征及其對(duì)大氣強(qiáng)迫的響應(yīng)分析[D]. 青島: 中國海洋大學(xué)， 2014.

Guan Chengyang. The features of the Kuroshio circulation in East China Sea and its response to atmospheric forcing under global climate change scenario in the future[D]. Qingdao: Ocean University of China， 2014.

[17]陳錦年， 伍玉梅， 何宜軍. 中國近海海氣界面熱通量的反演[J]. 海洋學(xué)報(bào)， 2006， 28(4): 26-35.

Chen Jinnian， Wu Yumei， He Yijun. The remote of the sensible and latent heat fluxes in China coast[J]. Haiyang Xuebao， 2006， 28(4): 26-35.

[18]馮琳， 林霄沛. 1945—2006年東中國海海表溫度的長(zhǎng)期變化趨勢(shì)[J]. 中國海洋大學(xué)學(xué)報(bào)， 2009， 39(1): 13-18.

Feng Lin， Lin Xiaopei. Long-term trend of the East China Sea surface temperature during 1945—2006[J]. Periodical of Ocean University of China， 2009， 39(1): 13-18.

[19]Liu Na， Wang Hui， Ling Tiejun， et al. The influence of ENSO on sea surface temperature variations in the China seas[J]. Acta Oceanologica Sinica， 2013， 32(9): 21-29.

[20]Miao Chiyuan， Duan Qingyun， Sun Qiaohong， et al. Assessment of CMIP5 climate models and projected temperature changes over Northern Eurasia[J]. Environmental Research Letters， 2014， 9(5): 055007.

[21]Chen Liang， Frauenfeld O W. A comprehensive evaluation of precipitation simulations over China based on CMIP5 multimodel ensemble projections[J]. Journal of Geophysical Research: Atmospheres， 2014， 119(10): 5767-5786.

[22]Xu Chonghai， Xu Ying. The projection of temperature and precipitation over China under RCP scenarios using a CMIP5 multi-model ensemble[J]. Atmospheric and Oceanic Science Letters， 2012， 5(6): 527-533.

[23]Xu Ying， Xu Chonghai. Preliminary assessment of simulations of climate changes over China by CMIP5 multi-models[J]. Atmospheric and Oceanic Science Letters， 2012， 5(6): 489-494.

[24]陳曉晨. CMIP5全球氣候模式對(duì)中國降水模擬能力的評(píng)估[D]. 北京: 中國氣象科學(xué)研究院， 2014.

Chen Xiaochen. Assessment of the precipitation over China simulated by CMIP5 multi-models[D]. Beijing: Chinese Academy of Meteorological Sciences， 2014.

[25]Sillmann J， Kharin V V， Zhang X， et al. Climate extremes indices in the CMIP5 multimodel ensemble: Part 1. Model evaluation in the present climate[J]. Journal of Geophysical Research: Atmospheres， 2013， 118(4): 1716-1733.

[26]Tebaldi C， Hayhoe K， Arblaster J M， et al. Going to the extremes: an intercomparison of model-simulated historical and future changes in extreme events[J]. Climatic Change， 2006， 79(3/4): 185-211.

[27]Schopf P S， Burgman R J. A simple mechanism for ENSO residuals and asymmetry[J]. Journal of Climate， 2006， 19(13): 3167-3179.

[28]Frankignoul C， Kestenare E. The surface heat flux feedback. Part Ⅰ: estimates from observations in the Atlantic and the North Pacific[J]. Climate Dynamics， 2002， 19(8): 633-647.

[29]張芳， 董敏， 吳統(tǒng)文. CMIP5模式對(duì)ENSO現(xiàn)象的模擬能力評(píng)估[J]. 氣象學(xué)報(bào)， 2014， 72(1): 30-48.

Zhang Fang， Dong Min， Wu Tongwen. Evaluation of the ENSO features simulations as done by the CMIP5 models[J]. Acta Meteorologica Sinica， 2014， 72(1): 30-48.

Evaluation and projection of SST in the China seas from CMIP5

Song Chunyang1， Zhang Shouwen1， Jiang Hua1，2，Wang Hui1，2，Wang Dakui1，Huang Yongyong1

(1. National Marine Environmental Forecasting Center，Beijing 100081，China; 2.Key Laboratory of Research on Marine Hazards Forecasting， State Oceanic Administration， Beijing 100081， China)

Based on observation and reanalysis data， the ability of 21 CMIP5 models to simulate monthly，seasonal and interannual SSTs in the China seas are evaluated. The results show that the CMIP5 models can simulate the spatial distribution of SST in the China seas well but underestimate its magnitude. The SST difference between the multi-model ensemble and observations is significant in the Bohai Sea and Yellow Sea. As to the interannual timescale， the simulation results and Nio3 index is worse correlated than observation and Nio3 index. The SST in the China seas increases in 1960-2002， but changes to be stable in 2003. Among the 21 CMIP5 models， ACCESS1.0、BCC-CSM1.1，HadGEM2-ES，IPSL-CM5A-MR，CMCC-CM，F(xiàn)GOALS-g2，CNRM-CM5-2 and INMCM4 can simulate the SSTS in the China seas better. The trend of SST in the China seas is simulated based on ACCESS1.0，INMCM4，BCC-CSM1.1，IPSL-CM5A-MR，CMCC-CM. Under RCP4.5， RCP8.5 run， the warming trends of SST will continue in the following 100 years with a spatial average of 1.5℃ and 3.3℃ over the whole China seas. The major cause of SST warming in the East China Sea is sea surface net heat flux and the temperature advection．

SST in the China seas; CMIP5;model evaluation; projection

10.3969/j.issn.0253-4193.2016.10.001

2016-03-04；

2016-04-18。

國家海洋局海洋公益性行業(yè)科研專項(xiàng)經(jīng)費(fèi)(201505013)；國家自然科學(xué)基金(41376016，41206023，41306007)。

宋春陽(1990—)，男，天津市人，主要從事氣候變化背景下的中國近海氣候特征研究。E-mail：chunyang606@163.com

姜華，女，研究員，主要從事海洋環(huán)流變異和氣候變化。E-mail:hjiang@nmefc.gov.cn

P732

A

0253-4193(2016)10-0001-11

宋春陽，張守文，姜華，等. CMIP5模式對(duì)中國近海海表溫度的模擬及預(yù)估[J].海洋學(xué)報(bào)，2016，38(10)：1—11，

Song Chunyang， Zhang Shouwen， Jiang Hua， et al. Evaluation and projection of SST in the China seas from CMIP5[J]. Haiyang Xuebao，2016，38(10)：1—11， doi：10.3969/j.issn.0253-4193.2016.10.001