CMIP6模式大氣中南北半球際濤動的季節(jié)循環(huán)

喬年,盧楚翰,管兆勇,胡楊,胡定珠

南京信息工程大學(xué) 氣象災(zāi)害教育部重點實驗室/氣象災(zāi)害預(yù)報預(yù)警與評估協(xié)同創(chuàng)新中心,江蘇 南京 210044

大氣質(zhì)量變化能夠直接體現(xiàn)大氣環(huán)流變化和氣候系統(tǒng)的變化調(diào)整(Lorenz,1951;Christy et al.,1989;Yu et al.,2014),這種調(diào)整決定了天氣氣候變化甚至極端天氣氣候事件發(fā)生。研究表明,在全球干空氣質(zhì)量守恒的前提下,一個半球的大氣質(zhì)量的增加必須與另一個半球大氣質(zhì)量的減少相平衡(Trenberth,1981;Trenberth and Smith,2005),比如冬半球由于冷卻而地表氣壓增加時,夏半球的平均氣壓就會減少(Chen et al.,1997)。Trenberth(1981)發(fā)現(xiàn)由于水汽質(zhì)量的季節(jié)變化,全球大氣質(zhì)量存在變程為0.5 hPa的年循環(huán),并在8月達到最大。Guan and Yamagata(2001)使用地表氣壓(Ps)計算大氣質(zhì)量,發(fā)現(xiàn)南北半球間可以存在全球空間尺度的大氣質(zhì)量重新分布[即“南北濤動”(InterHemispheric Oscillation,IHO)]。IHO作為地表氣壓場EOF分析的第三模態(tài),其方差貢獻達到14.5%,僅次于第一模態(tài)(南極濤動,AAO)和第二模態(tài)(北極濤動,AO)。IHO反映了由半球際大氣質(zhì)量交換導(dǎo)致的大氣質(zhì)量重新分布,其異常質(zhì)量大值區(qū)主要集中于兩半球的中高緯度,它將引起全球范圍內(nèi)的大氣環(huán)流變化。盧楚翰等(2008)對IHO季節(jié)特征進行了分析,結(jié)果表明大氣質(zhì)量IHO季節(jié)循環(huán)明顯,表現(xiàn)為兩半球大氣質(zhì)量的反位相變化,北半球大氣質(zhì)量在冬季達到最大,夏季為最小,南半球亦然。IHO季節(jié)變化與全球范圍大氣質(zhì)量的重新分布相關(guān),其中對IHO貢獻最大的地表氣壓擾動出現(xiàn)在中緯度地區(qū),對IHO季節(jié)變化起到主要作用的是水汽質(zhì)量的變化。IHO與我國同期氣候變動以及夏季風異常存在顯著聯(lián)系(盧楚翰等,2008,2010;盧楚翰和管兆勇,2009;Guan et al.,2010;叢菁等,2011;Jin et al.,2015)。此外,IHO與大氣質(zhì)量海陸間遷移(胡潮等,2015;周游等,2016;尹旸艷等,2018)、大氣角動量異常(Lu and Guan,2019)等現(xiàn)象都有關(guān)。

在模式以及再分析資料中,地表氣壓是一個敏感的積分值(Hoinka,1998),利用其研究大氣總質(zhì)量以及水汽分量的收支平衡是評估再分析資料同化質(zhì)量(Trenberth and Smith,2005;Berrisford et al.,2011)以及氣候模式性能的重要方面(Taylor and Fournier,2010)。世界氣候研究計劃(World Climate Research Program,WCRP)下的國際耦合模式比較計劃(Coupled Model Intercomparison Project,CMIP)在氣候變化及其影響方面得到了廣泛的應(yīng)用,已有研究利用CMIP模式資料分析了半球大氣質(zhì)量的變化情況。盧楚翰和管兆勇(2009)利用國際大氣環(huán)流模式比較計劃(Atmospheric Model Intercomparison Project,AMIP)的12個模式資料評估這些模式對IHO季節(jié)變化以及內(nèi)部因子的模擬能力,表明12個模式均能模擬出兩半球平均大氣質(zhì)量的反位相變化,但是各模式的年變程以及變化位相有明顯差異。Qin et al.(2015)通過對比CMIP5模式輸出資料和ERA Interim再分析資料,指出南北半球際干空氣質(zhì)量流和半球內(nèi)部干空氣的局地變化存在明顯的不一致性。胡潮等(2015)選用CMIP5的9個模式的輸出資料,表明了模式模擬的北半球海陸間的大氣質(zhì)量存在顯著的季節(jié)性遷移,同時證明了海陸間熱力因素差異推動了大氣質(zhì)量在海陸間遷移。Lu and Guan(2019)借助CMIP5模式資料驗證了與兩個半球溫帶IHO現(xiàn)象相關(guān)的牽連角動量異常引發(fā)了相對角動量的經(jīng)向遙相關(guān)。

CMIP6是CMIP計劃實施以來參與模式最多、設(shè)計試驗最完善、提供數(shù)據(jù)最龐大的一次,提出了最新的共享社會經(jīng)濟路徑,改進了CMIP5中長期存在的模型偏差和輻射強迫量化差的問題,為評估模式對過去和當前氣候變化的模擬能力、預(yù)估未來氣候變化提供了重要數(shù)據(jù)基礎(chǔ)(Eyring et al.,2016)。許多研究評估了CMIP6模式對異常氣候事件的模擬能力,表明其相比于CMIP5能更好地模擬出氣候的平均態(tài)以及趨勢變化特征,但其改進程度有限(Chen et al.,2020;Fan et al.,2020;Kim et al.,2020;Lin and Chen,2020;向竣文等,2021;Zhang and Chen,2021)。但是目前利用CMIP6模式對半球間大氣質(zhì)量變化的研究仍是空白。同時,干空氣質(zhì)量流和水汽質(zhì)量流是引起地表氣壓變化的兩個主要分量,但兩者在氣候模式模擬中的效果均有待改進。由于目前主流海氣耦合模式內(nèi)部具有自身的大氣質(zhì)量平衡功能,這與再分析資料通過同化觀測資料而得到地表氣壓存在不同,即再分析資料的全球干空氣質(zhì)量不一定守恒,因此,有必要針對CMIP6數(shù)據(jù)對于大氣質(zhì)量的模擬能力進行研究。

CMIP6模式對大氣環(huán)流包括大氣質(zhì)量重新分布的模擬總體上是成功的,但對半球際大氣質(zhì)量南北濤動的模擬如何則還需研究。目前這方面的工作尚未見諸報道。因此,本文使用1958—2014年47個CMIP6模式輸出資料驗證NCEP/NCAR再分析資料揭示的IHO季節(jié)變化特征,并且評估CMIP6對IHO季節(jié)特征的模擬能力。首先基于47個CMIP6模式和NCEP再分析資料的南北半球大氣質(zhì)量季節(jié)變化序列間相關(guān)系數(shù),挑選出兩個半球相關(guān)系數(shù)都高于0.9的16個模式。再從地表氣壓和位勢高度異常值分布來探討16個CMIP6模式對IHO空間結(jié)構(gòu)的模擬效果,最后從水汽質(zhì)量、越赤道質(zhì)量流和地表凈長短波輻射通量三個因子來討論CMIP6模式對導(dǎo)致IHO季節(jié)變化的各個因子模擬能力。

1 資料與方法

1.1 資料

本文再分析資料取自NCEP/NCAR再分析資料集(Kalnay et al.,1998),所用變量為月平均地表氣壓、位勢高度場、降水率、蒸發(fā)率、多層經(jīng)向風場和地表凈短長波輻射通量,格點分辨率為2.5°×2.5°,多層數(shù)據(jù)高度范圍為1 000～10 hPa,層次是17層,覆蓋時段為1958年1月—2014年12月,截至2021年11月,共有47個CMIP6模式已對外發(fā)布了歷史時期的月平均地表氣壓數(shù)據(jù),模式的具體信息見表1,歷史時期分析時段為1958年1月—2014年12月。在之后的研究中挑選了其中模擬較好的16個模式,并將與NCEP再分析資料相同的變量進行對比分析。此外,采用雙線性插值方法,對不同分辨率的資料進行了處理,使其分辨率統(tǒng)一到2.5°×2.5°網(wǎng)格,并取各模式的等權(quán)重算術(shù)平均作為模式集合量。

1.2 方法

1.2.1 大氣質(zhì)量

根據(jù)Guan and Yamagata(2001),利用地表氣壓Ps計算全球的大氣總質(zhì)量mG，其表達式為：

(1)

其中：fD=1.0020為地球形變參數(shù)；φ為緯度。由此可以推出北半球和南半球大氣總質(zhì)量表達式分別為：

表1 CMIP6的47個模式的基本信息

(2)

而全球水汽質(zhì)量mwG、北半球mNHw及南半球水汽質(zhì)量mSHw的表達式為：

(3)

其中:Pw是地表氣壓Ps中的水汽壓強分量，表示為：

(4)

式中：q為比濕；w為整層大氣的可降水量。

這里依據(jù)大氣質(zhì)量定義IHO指數(shù)為：

(5)

(6)

1.2.2 越赤道質(zhì)量流

盧楚翰等(2008)根據(jù)質(zhì)量守恒原理,假設(shè)半球內(nèi)其他氣體成分季節(jié)變化相對較小,即半球內(nèi)干空氣質(zhì)量源匯引起的干空氣總質(zhì)量無顯著變化，半球大氣質(zhì)量月變化值Δm可表示為：

Δm=E-P+I1。

(7)

式中：半球逐月蒸發(fā)量(E)與逐月降水量(P)之差表示半球內(nèi)水汽質(zhì)量月變化值;I1為逐月越赤道質(zhì)量流(包括干空氣及水汽越赤道輸送)。由此可得逐月越赤道質(zhì)量流I1為：

I1=Δm-(E-P)。

(8)

除了根據(jù)質(zhì)量守恒原理反算越赤道質(zhì)量I1，還可以用赤道面上的v場的垂直積分來獲得質(zhì)量輸送I2。根據(jù)Guan and Yamagata(2001)，赤道垂直面內(nèi)單位時間內(nèi)通過單位長度的大氣質(zhì)量流可表示為：

(9)

該式是對大氣質(zhì)量流的整層積分，g、φ、λ分別表示地球重力加速度、經(jīng)度及緯度，實際計算中v從地表積分至資料頂層(10 hPa)。由η又可求得各月通過整個赤道垂直面的大氣質(zhì)量流I2,其表達式為：

(10)

式中：a為地球半徑；τm為該月總時間長度。

2 模擬的半球大氣質(zhì)量逐月變化及模式選取

2.1 模式大氣結(jié)果

CMIP6的47個模式對南北半球大氣質(zhì)量及其變化的模擬總體上是成功的,但模式間的差距仍然非常大。根據(jù)式(2),利用47個CMIP6模式資料計算了南北半球大氣總質(zhì)量季節(jié)變化(圖1a),可以發(fā)現(xiàn)47個模式基本都能較好地再現(xiàn)南北半球大氣總質(zhì)量季節(jié)變化的兩個特征:一是兩半球的大氣質(zhì)量季節(jié)變化主要為一波型,但其變化在南北半球間位相相反,呈現(xiàn)明顯的IHO特征。北半球的大氣質(zhì)量在冬季(DJF)達到最大,夏季(JJA)最小,波谷在7、8月較為明顯,而波峰幾乎持續(xù)于冬半年(DJFMA),而南半球情況相反;二是南半球大氣質(zhì)量明顯高于北半球,這也與盧楚翰等(2008)用1979—2006年再分析資料得到的大氣質(zhì)量逐月變化相似。但是在數(shù)值上與再分析資料計算結(jié)果各有差距:對于北半球大氣質(zhì)量,NESM3模式的2月大氣總質(zhì)量正偏差值最大,達到6.90×1015kg;MIROC-ES2L模式的5月大氣總質(zhì)量負偏差值最大,達到-9.27×1015kg,偏差最小的是IPSL-CM5A2-INCA的11月,偏差值只有0.006 6×1015kg。而對于南半球,MCM-UA-1-0模式的7月大氣總質(zhì)量正偏差值最大,達到10.24×1015kg,KIOST-ESM模式的8月負偏差值最大,達到-9.09×1015kg,偏差最小的是FIO-ESM-2-0的1月,偏差值只有0.002 7×1015kg。

圖1 47個CMIP6模式模擬的南北半球大氣總質(zhì)量多年月平均值(a;單位:1015 kg;虛線、實線分別為南、北半球;紅色、黑色加粗線分別為47個模式集合平均、再分析資料),47個CMIP6模式模擬的南北半球大氣總質(zhì)量與再分析資料的相關(guān)系數(shù)(b;藍色、紅色線分別為南、北半球;橫坐標的模式編號見表1),以及16個CMIP6模式模擬的南北半球大氣質(zhì)量氣候平均值(c;單位:1015 kg;扣除了年平均值;實線、點劃線分別為CMIP6、再分析北半球,長、短虛線分別為CMIP6、再分析南半球,+、*分別為CMIP6、再分析全球)

2.2 模式選取

上述分析表明,47個CMIP6模式都能模擬出IHO的季節(jié)演變特征,但是模擬能力還是有差距。根據(jù)南北半球大氣質(zhì)量季節(jié)模擬與再分析資料的相關(guān)性,從中挑選出兩個半球相關(guān)系數(shù)都高于0.9的16個模式(表2)。由于16個模式集合平均的模擬效果相對47個模式集合平均模擬效果明顯改善,所以接下來的研究也從16個模式集合平均展開。

表2 16個CMIP6模式模擬的南北半球大氣質(zhì)量季節(jié)變化序列與NCEP再分析資料的相關(guān)系數(shù)

扣除年平均值后,16個模式集合平均的兩個半球以及全球逐月大氣總質(zhì)量氣候平均值顯示出,半球的大氣質(zhì)量氣候平均值逐月變化呈現(xiàn)顯著的IHO季節(jié)特征(圖1c),與圖1a分析結(jié)果相吻合,驗證了16個CMIP6模式對IHO季節(jié)特征具有較好的模擬能力。

需要說明的是,雖然從47個模式中挑選出的16模式集合平均對半球大氣質(zhì)量氣候平均值模擬效果較好,但仍存在一定的偏差,尤其體現(xiàn)在兩個半球大氣質(zhì)量氣候平均值的峰谷值模擬,再分析資料顯示的北半球峰值在11月,谷值在8月,南半球峰谷值與之相反;而CMIP6模式模擬的北半球峰值在2月,谷值在7月,南半球與之相反,而且南北半球的峰值都高于再分析資料,谷值都低于再分析資料。

3 模擬的IHO的空間結(jié)構(gòu)

為了進一步分析模式大氣中的IHO的環(huán)流特征,這里從地表氣壓PS異常值和緯向平均的位勢高度[h]異常值(這里所說的異常值指相對于年平均值而來的偏差)在2、7、8和11月的分布情況來探討。

3.1 水平分布

CMIP6模擬的地表氣壓PS異常在不同的季節(jié)有共同的特征但亦有顯著的差異。由圖2可知:1)無論在哪一個季節(jié),幅度較大的擾動均出現(xiàn)在中高緯度,且與海陸地形分布有關(guān);2)熱帶以及南半球中高緯主要為帶狀的正負異常分布,其大氣質(zhì)量分布差異主要為經(jīng)向型。冬夏兩季的緯向平均異常隨緯度呈反相變化,其中副熱帶和極區(qū)振幅較大(圖2m—p),即冬夏兩季的經(jīng)向異常質(zhì)量主要分布于副熱帶及兩極極區(qū)。3)冬季(圖2b)北半球大氣質(zhì)量正異常主要堆積于亞洲大陸(青藏高原除外)以及北美大陸的中東部,負異常出現(xiàn)于30°N以北的中太平洋及大西洋面,夏季(圖2c—d)情形相反。北半球大氣質(zhì)量分布緯向差異明顯,15°N以北區(qū)域冬、夏兩季的質(zhì)量分布呈現(xiàn)顯著的海陸分布差異。

圖2 地表氣壓異常值分布(單位:hPa;(a)—(d)分別為11月、2月、7月、8月的16個CMIP6模式的集合平均;(e)—(h)同(a)—(d),但為NCEP再分析資料;(i)—(l)同(a)—(d),但為集合平均與再分析資料的差值場;(m)—(p)為緯向平均分布,其中紅、藍實線分別為集合平均和再分析資料,虛線為集合平均和再分析資料的差值)

雖然模擬的地表氣壓PS異常值在水平空間分布上與再分析資料基本吻合,但是各月份間在不同地區(qū)依舊存在不同的模擬偏差(圖2i—l)。11月的模擬中雖然北太平洋、北大西洋和歐亞大陸的異常變化幅度都偏大(圖2i),但從緯向平均(圖2m)可以看出,除了中緯度異常值模擬偏大,北半球其他地區(qū)模擬值都偏小,這就會使得整個北半球平均PS正異常值偏小,這與圖1c中11月CMIP6模擬的北半球大氣質(zhì)量異常變化小于再分析資料的結(jié)果一致。南半球模擬情況與北半球類似,但是除了在南半球中高緯度負異常值大于再分析資料的(圖2j),其他地區(qū)均偏小。模式大氣中2月的南北半球的PS異常變化幅度均大于再分析資料的,尤其是在北半球60°N以北的地區(qū)模擬偏差較大,最大偏差值達到1.13 hPa,由此亦可理解圖1c中CMIP6模擬的南北半球大氣質(zhì)量變化幅度都偏大的原因。綜合11和2月PS異常模擬效果來看,不同緯度帶間都存在一定的模擬偏差,尤其是在北太平洋、北大西洋和歐亞大陸和兩極地區(qū)偏差更大。CMIP6模擬的2月半球平均PS異常變化(南半球:-0.62 hPa,北半球:0.46 hPa)大于11月(南半球:-0.58 hPa,北半球:0.43 hPa),表明半球大氣質(zhì)量異常變化峰谷值在2月,而再分析資料2月半球平均PS異常變化幅度(南半球:-0.53 hPa,北半球:0.28 hPa)小于11月(南半球:-0.67 hPa,北半球:0.38 hPa),半球大氣質(zhì)量異常變化峰谷值在11月。這些就導(dǎo)致了CMIP6模擬的11和2月半球大氣質(zhì)量異常變化峰谷值與再分析資料的所揭示的峰谷值出現(xiàn)時間不一致。

7和8月的月份偏差與11和2月相似(圖2k、l),7月的模擬異常變化幅度基本都明顯偏大,尤其在北太平洋、歐亞大陸和南半球中緯度,但是南半球極區(qū)的模擬卻偏小。8月與之略有不同,體現(xiàn)在北半球PS異常變化幅度偏大,但是南半球由于中緯度異常變化位相與再分析數(shù)據(jù)相反,反映出南半球8月PS異常變化小于再分析資料的。CMIP6模擬的7月半球平均PS異常變化幅度(南半球:1.16 hPa,北半球:-0.86 hPa)大于8月(南半球:1.09 hPa,北半球:-0.80 hPa),使得半球大氣質(zhì)量異常變化峰谷值在7月,而用再分析資料所揭示的7月半球平均PS異常變化幅度(南半球:1.03 hPa,北半球:-0.55 hPa)小于8月(南半球:1.05 hPa,北半球:-0.58 hPa),顯示出半球大氣質(zhì)量異常變化峰谷值在8月,這揭示出CMIP6模擬的7和8月半球大氣質(zhì)量異常變化峰谷值與基于再分析資料所得產(chǎn)生月出現(xiàn)偏差。

3.2 垂直結(jié)構(gòu)

圖3 緯向平均的位勢高度異常值分布(單位:gpm;(a)—(d)分別為11月、2月、7月、8月的16個CMIP6模式的集合平均;(e)—(h)同(a)—(d),但為再分析資料;(i)—(l)同(a)—(d),但為集合平均與再分析資料的差值)

CMIP6模式能較好地模擬出緯向平均位勢高度[h]異常值的IHO特征,[h]的異常值在南北半球間呈現(xiàn)反位相變化關(guān)系(圖3)。由圖3可見,在北半球[h]呈冬高(2月;圖3b)夏低(7、8月;圖3c、d)的異常變化,這與南半球的變化位相相反。大值區(qū)集中在半球的中高緯度。這些總體上與再分析資料(圖3e—h)所示結(jié)果一致。

然而,值得說明的是,模擬的4個月份[h]異常值與再分析資料仍存在一定的差異(圖3i—l):CMIP6模式模擬的11月北半球[h]異常值變化幅度較再分析資料顯示的偏小,尤其是在50 hPa以上;模式模擬的11月南半球[h]正異常值偏小,在60°S的負值從地面延伸到300 hPa以上,而再分析資料顯示南半球[h]異常值負值在60°S上空伸展到300 hPa以下,除此之外,正值的大值厚度(延伸到50 hPa)也沒再分析資料所示的大(延伸到70 hPa)(圖3i)。CMIP6模式對2月[h]異常值的模擬偏差(圖3j)與11月不同,正負值的大值區(qū)都明顯大于再分析資料的,而大值厚度和寬度都與再分析資料接近。差異明顯的地方在于,CMIP6模擬的2月南半球的正[h]能越過赤道到北半球,而再分析資料并沒有這個特征。而對于7、8月(圖3k、l)的模擬偏差也不同于2月,CMIP6對7—8月[h]異常模擬的負值變化幅度比再分析資料小,而且厚度也有差異:CMIP6模擬的只能到200 hPa左右,而再分析資料的[h]異常值負值大值在南半球中高緯度能延伸到接近300 hPa。對于北半球[h]正異常的模擬無論是量值還是厚度都較為接近。

需要指出,盡管CMIP6的16個模式能較好地模擬出IHO的空間結(jié)構(gòu),顯示出季節(jié)IHO的發(fā)生集中在兩個半球的中高緯度,但是,CMIP6模式模擬的地表氣壓異常值在北太平洋、歐亞大陸、南半球中緯度和兩極極區(qū)出現(xiàn)顯著的模擬偏差,而且模擬的位勢高度在半球中高緯度的厚度范圍較小,這樣的模擬偏差導(dǎo)致半球平均的位勢高度和地表氣壓異常值變化出現(xiàn)差異,最終使得半球大氣質(zhì)量逐月變化模擬也出現(xiàn)相同的偏差。

4 影響IHO季節(jié)變化的內(nèi)外部因子

半球大氣質(zhì)量變化包括半球內(nèi)部變化及半球際的傳輸。而內(nèi)部變化可分為干空氣及水汽質(zhì)量的變化,季節(jié)變化過程中半球內(nèi)影響干空氣質(zhì)量變化包括可能的源匯如氮氣和氧氣的變化、CO2等溫室氣體等變化尚未被證明足夠大,因此水汽質(zhì)量變化和越赤道質(zhì)量流是IHO季節(jié)循環(huán)重要的影響因子。

4.1 水汽質(zhì)量

由再分析資料診斷結(jié)果分析可知,半球水汽質(zhì)量的季節(jié)變化是南北濤動年循環(huán)的重要分量(盧楚翰等,2008)。圖4a給出了全球以及半球水汽質(zhì)量和干空氣質(zhì)量變化。結(jié)合圖1c發(fā)現(xiàn),16個CMIP6模式集合平均能模擬出如下的特征:1)南北半球水汽質(zhì)量與大氣總質(zhì)量呈現(xiàn)反向變化關(guān)系,且干空氣質(zhì)量與大氣總質(zhì)量呈現(xiàn)同向變化。ImIHO和IwIHO的逐月變化(表3)表明,大氣中水汽總量的變化對南北濤動有抵消作用,或者說,存在與南北濤動位相相反的水汽的南北濤動變化。這種變化值得進一步研究。2)北半球水汽質(zhì)量變化峰值高于南半球。由于H2O分子量為18,遠低于大氣平均分子量28,夏季北半球水汽體積的增加是地表Ps進一步降低、IHO指數(shù)減小的重要分量。

表3 16個CMIP6模式模擬的ImIHO和IwIHO的逐月變化

需要說明的是,CMIP6模式對于兩個半球水汽質(zhì)量月平均值季節(jié)變化的模擬依舊與再分析資料存在差異(圖4a)。在冬春兩個季節(jié),集合平均的南半球水汽質(zhì)量變化幅度比再分析數(shù)據(jù)略高,相應(yīng)地北半球水汽質(zhì)量變化幅度比再分析資料略低,而在夏秋相反,但都在2、3月集合平均與再分析資料偏差最大,正偏差達到0.41×1015kg(負偏差達到-0.54×1015kg)。此外,CMIP6模擬的南北半球水汽質(zhì)量和干空氣質(zhì)量氣候平均值(圖4b)峰谷值都是在7月,再分析資料顯示的峰谷值是在8月,而圖1c中CMIP6和再分析數(shù)據(jù)的南北半球大氣總質(zhì)量氣候平均值的峰谷值也在7和8月出現(xiàn)偏差,所以16個CMIP6模式對水汽質(zhì)量氣候平均值在7、8月峰谷值的模擬偏差也會導(dǎo)致大氣總質(zhì)量氣候平均值在這兩個月產(chǎn)生偏差。

圖4 半球水汽質(zhì)量多年月平均值(a;單位:1015 kg;實線、點劃線分別為CMIP6、再分析北半球,長、短虛線分別為CMIP6和再分析南半球),以及半球及全球水汽質(zhì)量和干空氣質(zhì)量氣候平均值的逐月變化(b;單位:1015 kg;扣除了年平均值;實線、空心圓分別為CMIP6、再分析資料北半球水汽質(zhì)量,長虛線、矩形分別為CMIP6、再分析資料南半球水汽質(zhì)量,+、△分別為CMIP6、再分析資料全球水汽質(zhì)量;點劃線、五角星分別為CMIP6、再分析資料北半球干空氣質(zhì)量,短虛線、六角星分別為CMIP6和再分析資料南半球干空氣質(zhì)量,*、●分別為CMIP6、再分析資料全球干空氣質(zhì)量)

4.2 越赤道質(zhì)量流

任一本球大氣質(zhì)量變化包括本半球水汽質(zhì)量變化和來自另一半球的大氣質(zhì)量輸送。由于赤道是兩半球的地理邊界,兩個半球之間通過赤道的大氣質(zhì)量交換使全球大氣質(zhì)量在兩半球間重新分布,導(dǎo)致半球內(nèi)地表氣壓發(fā)生變化,形成IHO及其季節(jié)循環(huán)。根據(jù)式(7)計算了Δm(圖5a)、E-P(圖5b),通過與再分析資料結(jié)果的對比,可以發(fā)現(xiàn)CMIP6能夠模擬出Δm的變化特征:Δm呈現(xiàn)顯著的IHO特征,而且均在半球秋季達到最大,半球春季達到最小,但在4月的兩個半球,模擬值Δm都偏小,而在8月,北半球Δm的模擬值偏大,南半球的幾乎吻合。E-P的模擬效果卻比較差。雖然集合平均的E-P年變程大于Δm年變程,但是與再分析資料的E-P相差較大,不僅變化位相不吻合,而且年變程也小于再分析資料結(jié)果,南北半球均方根誤差分別高達8.55×1015kg和14.43×1015kg。這與盧楚翰和管兆勇(2009)用AMIP模式得到的結(jié)果一致,說明了CMIP6中對于E-P的模擬能力在15 a的發(fā)展中沒有明顯提高。

由于E-P的模擬效果較差,致使I1模擬效果(圖5c)也較差,其均方根誤差達到14.46×1015kg。但是,CMIP6集合平均的越赤道質(zhì)量流I1與E-P變程量級相同,驗證了半球內(nèi)部水汽質(zhì)量的變化可能是驅(qū)動越赤道質(zhì)量流的產(chǎn)生的原因之一。

除了倒算出越赤道質(zhì)量流I1,還可以根據(jù)式(10)用經(jīng)向風v計算越赤道質(zhì)量流I2(圖5d)。可以發(fā)現(xiàn)CMIP6模擬的I2的年變程比再分析資料結(jié)果小,而且7—12月是從南向北輸送的正越赤道質(zhì)量流,而再分析資料與之相反,是從北向南的負越赤道質(zhì)量流,均方根誤差高達51.12×1015kg。這比對I1的模擬效果差。值得注意的是,由于目前模式以及同化再分析資料中的局限性,無論是由再分析資料還是CMIP6模式計算的I1和I2間的差距均比較大,兩者的年變程量級不同且變化位相也不匹配,即I1和I2的一致性依舊沒有得以解決。

圖5 氣候平均的南北半球大氣質(zhì)量變化Δm(a)和E-P(b)(單位:1015 kg;實線、點劃線分別為CMIP6、再分析北半球,長、短虛線分別為CMIP6和再分析南半球),以及I1(c)和I2(d)(單位:1015 kg;實線、虛線分別為CMIP6模式集合平均、再分析資料)

4.3 輻射季節(jié)變化

太陽輻射的季節(jié)變化造成兩半球的加熱不均,影響著兩半球大氣的相互作用,因而是IHO季節(jié)循環(huán)的主要外強迫因子。由于16個模式中只有8個模式輸出了地表凈長波和短波輻射通量,所以這里只用這8個模式的集合平均來分析。圖6a和b分別給出了兩半球氣候平均的逐月地表凈短波及凈長波輻射。圖6a清楚地顯示出CMIP6模擬的地表凈短波輻射呈現(xiàn)夏高冬低的特征,其位相變化與圖4a水汽質(zhì)量逐月變化吻合,表明了地表凈短波加熱造成的水汽蒸發(fā)在水汽質(zhì)量變化中起到重要作用。

要說明的是,雖然CMIP6模式也模擬出北半球平均地表凈短波輻射年變程和峰值小于南北球,但是CMIP6模式的南北半球平均地表凈短波輻射量明顯小于再分析數(shù)據(jù),而且對北半球的模擬效果比南半球的模擬效果差,體現(xiàn)在北半球地表凈短波輻射的平均偏差絕對值36.81 W/m2高于南半球32.28 W/m2。此外,對于北半球地表凈短波輻射模擬偏差絕對值最大值在6月,高達52.36 W/m2,而南半球模擬偏差絕對值最大值在12月,達到45.46 W/m2。

長波輻射能量是大氣能量的主要來源,而大氣受到長波輻射加熱(冷卻)而膨脹(收縮),從而產(chǎn)生壓力梯度力并進而導(dǎo)致質(zhì)量輸送。圖6b中CMIP6對地表凈長波輻射模擬效果與凈地表短波輻射模擬效果相似,能夠模擬出地表凈長波輻射在春秋兩個季節(jié)變化幅度最大,與再分析資料顯示的位相基本吻合,也與圖5a中Δm變化對應(yīng)。然而,值得注意的是,模擬出的輻射量小于再分析資料結(jié)果并且6—9月北半球地表凈長波輻射應(yīng)該大于南半球,但是CMIP6模式卻沒有模擬出來。同時再分析資料顯示出北半球地表凈長波輻射最小值在7月,而CMIP6集合平均的最小值卻在8月。

圖6 氣候平均的平均地面凈短波輻射(a)和凈長波輻射(b)(單位:W/m2;實線、點劃線分別為CMIP6、再分析北半球,長、短虛線分別為CMIP6、再分析南半球)

因此,CMIP6模式能成功模擬出地表凈長波和短波輻射通量的季節(jié)變化,但是在量值上卻明顯小于再分析資料結(jié)果,而且對于北半球地表凈長短波輻射通量的模擬效果都比南半球的模擬效果差。

5 結(jié)論與討論

雖然47個CMIP6模式都能模擬出IHO的季節(jié)演變特征,但模式間依舊存在差異?；?7個CMIP6模式和NCEP再分析資料的南、北半球大氣質(zhì)量季節(jié)變化序列間相關(guān)強弱,挑選出16個模式用于IHO分析,主要結(jié)論如下:

1)CMIP6模式大氣中半球大氣質(zhì)量氣候平均值逐月變化顯示出清楚的IHO季節(jié)循環(huán)和IHO的空間結(jié)構(gòu)。從水平結(jié)構(gòu)來看,北半球大氣質(zhì)量分布緯向差異明顯,冬季北半球大氣質(zhì)量正異常主要堆積于亞洲大陸(青藏高原除外)以及北美大陸的中東部,受海陸地形和熱力差異影響(胡潮等,2015),負異常出現(xiàn)于30°N以北的中太平洋及大西洋面。夏季情形相反。而熱帶以及南半球中高緯主要為帶狀的正負異常分布,其大氣質(zhì)量分布差異主要為經(jīng)向型,冬夏兩季的經(jīng)向異常質(zhì)量主要分布于副熱帶及兩極極區(qū)。從垂直分布結(jié)構(gòu)看,半球位勢高度呈冬高夏低的異常變化,這與南半球的變化位相相反,異常變化大值區(qū)集中在半球的中高緯度。

2)16個CMIP6模式大氣中水汽質(zhì)量有著明顯的年循環(huán)變化,但水汽變化對IHO季節(jié)變化有抵消作用。模擬的越赤道質(zhì)量流與模擬的蒸發(fā)-降水年變程相當,表明了半球內(nèi)部水汽質(zhì)量變化間接驅(qū)動了越赤道質(zhì)量流的產(chǎn)生。此外,CMIP6模式能夠模擬出地表凈短波輻射夏高冬低和地表凈長波輻射在春秋變化幅度較大的季節(jié)變化特征。

3)雖然16個CMIP6模式對半球大氣質(zhì)量氣候平均值模擬效果較好,但仍存在一定的偏差。CMIP6模式模擬的北半球大氣質(zhì)量氣候平均值的峰谷值分別出現(xiàn)在2月和7月,而再分析資料顯示的北半球峰谷值分別出現(xiàn)在11月和8月,而且南、北半球大氣質(zhì)量氣候平均值的峰(谷)值都高(低)于再分析資料的。從模擬的空間結(jié)構(gòu)上看,CMIP6模式模擬的地表氣壓異常值在北太平洋、歐亞大陸和北極地區(qū)明顯偏大,在南半球中緯度和南極地區(qū)在不同的月份偏大和偏小值都會出現(xiàn)。CMIP6模式模擬的位勢高度異常值在兩個半球中高緯度平流層和對流層均比再分析資料顯示的小。另外,CMIP6模式對蒸發(fā)降水量和赤道經(jīng)向風場模擬的均效果較差,所以用兩種方法估算的越赤道質(zhì)量流誤差亦較大。同時,CMIP6模式模擬的南北半球平均地表凈長短波輻射通量都小于再分析資料的相應(yīng)的數(shù)值。

因此,需要特別說明,CMIP6模式能成功地模擬出半球間大氣質(zhì)量南北濤動季節(jié)特征,但是在北太平洋、歐亞大陸、南半球中緯度和兩極極區(qū)的模擬能力有待提高。已有研究表明AMIP模式資料模擬的緯向平均地表氣壓在40°S～40°N區(qū)間內(nèi)與再分析資料接近,在中高緯度則存在較大差異(盧楚翰和管兆勇,2009)。對比本文結(jié)果發(fā)現(xiàn),CMIP6模式對于中高緯度地區(qū)大氣質(zhì)量分布的模擬效果改進較小。CMIP6模式無論是對E-P、越赤道質(zhì)量流I1和I2、還是地表凈長/短波輻射的量值模擬尚不理想,需要進一步改善,而模式對這三個因子模擬性能差的原因尚不明確,還需要大量的研究。此外,CMIP6模式對于IHO的年際和年代際的模擬能力如何尚有待研究。

致謝:CMIP6資料取自美國Lorenz國家實驗室(LLNL/PCMDI,Program for Climate Model Diagnosis and Intercomparison);NCEP/NCAR資料取自NOAA-CIRES Climate Diagnostics Center;文中插圖繪制使用NCL、Origin軟件。謹致謝忱!