论文总字数：18777字

目 录

1 引言 1

1.1 研究的目的及意义 1

1.2 研究的历史和现状 1

2 资料和方法 2

2.1 资料 2

2.1.1 观测资料 2

2.1.2 模式资料 2

2.2 方法 3

3 结果分析 4

3.1 CMIP5模式对东亚冬季气候态的模拟 4

3.1.1 对东亚冬季环流场的模拟 4

3.1.2 对气象要素在空间上的模拟 7

3.2 CMIP5模式对冬季风年际变率的模拟 8

3.2.1 观测资料和模式模拟结果时间相关系数分析 8

3.2.2 地表温度EOF主模态分析 9

4 结论 14

4.1 主要结论 14

4.2 讨论与展望 15

参考文献 15

致谢 17

CMIP5模式对东亚冬季风年际变率模拟的评估

周霖

，China

Abstract：In this paper, by comparing the NCEP/NCAR reanalysis data and the model results of the 12 coupled climate model of Phase 5 of the Coupled models Intercomparison Project(hereinafter referred to as CMIP5),to assess the capabilities of the climate models in simulating the east Asian winter monsoon from climate state and interannual variability this two aspects.Results show that models have a good simulative technique in the simulation of climate condition and can reproduce the circulation systems of east Asia reasonably,for example: Siberian high, Aleutian low,northerly winds,the high-level east Asian major trough ,westerly jet and the meteorological elements:surface temperature.On the whole,the simulation of 500hpa height field is the best.In addition,the simulation abilities of ACCESS1-0, CanESM2 and CNRM - CM5 modes are generally better;In the simulation of interannual variability,the simulative results are poor than the simulation of the climate states,and the differences between models are big,as well.However,the surface temperature is the best simulated meteorological elements.So performing separate empirical orthogonal function (EOF) analyses of the surface temperature to identify the models while seperating the east Asia to two areas:the north east Asia(30°N-60°N,100°E-140°E) and the south east Asia（0°-30°N,100°E-140°E).The ability of spacial distribution simulation of models are all not bad.bcc-csm1-1-m and CCSM4 models are good at simulating the first model spacial distribution of north east Asian while CNRM-CM5 and HadGEM2-CC models are good at simulating southern of east Asian.But modes can not simulate the time series well,which is greatly inferior to the spatial distribution.

Key words： East Asian Winter Monsoon;CMIP5;interannual variability;pattern evaluation

1 引言

1.1 研究的目的及意义

在北半球的冬季，由于西伯利亚高压与阿留申低压两系统之间存在很强的气压梯度差而在东亚地区盛行西北风，即冬季风。东亚地区又因其独特的地理位置：东临太平洋，西靠青藏高原，使得冬季风在这一地带非常活跃，该地区的冬季风就是本文主要研究对象：东亚冬季风（EAWM）。在北半球冬季，东亚冬季风的发生以东亚地区冷空气的南下为主要特征，并且与东亚地区的环流系统存在密切联系，低层的西伯利亚高压和阿留申低压是EAWM形成的关键因素，高层的西风急流和东亚大槽也会对其产生影响^[1-2]。东亚冬季风的影响区域很大，一方面会给东亚地区带来寒潮、强冷空气活动、大风、降雪和霜冻等灾害性天气，严重影响当地的天气状况，给人们的出行活动带来不便甚至产生损失：发生在2007到2008年冬季的异常强EAWM，使中国南部地区受到了暴风雪、冻雨和强冷空气等灾害^[3]，造成了人员死亡和严重的经济损失；另一方面EAWM的影响还可能扩展到南半球^[4-5]，进而对全球的大气环流产生影响。例如：朱抱真、陈隆勋等^[6-7]发现EAWM的活动和异常会使马来西亚、澳大利亚等地产生旱涝天气；往东会对西太平洋地区的对流活动及其降水产生影响^[8-9]；EAWM不仅会影响当期的天气状况，还会影响未来的大气环流和天气状况，比如：Hui L等^[10]研究发现冬季特定的环流型会影响中国东部第二年的春季降水；除此之外，李崇明等^[11]研究表明异常的东亚冬季风还可能会激发产生ENSO信号，影响西太平洋的海温。综上所述，东亚冬季风存在很重大的研究价值，我们应该更全面地深入研究和认识东亚冬季风。

1.2 研究的历史和现状

对东亚冬季风的年际变率的研究已经有很多了，比如：通过定义EAWM指数研究其年际年代际异常，晏红明等^[12]发现EAWM有非常明显的周期振荡特点；裴顺强等^[13]改进提出了一个能更好表征EAWM强度的指数来研究其年际年代际变化及异常特征；穆明权等^[14]在讨论EAWM年际变化特征时发现其中存在有明显的ENSO信号。通过气候模式对EAWM进行研究是一项很重要的工作，许多学者通过许多不同的模式模拟东亚冬季风，并对结果进行了评估。郭岩等^[15]通过对比CMIP3模式的21个气候耦合模式模拟结果和ERA40观测数据，发现模式均能合理再现东亚冬季海平面气压、850hPa风场和500hPa高度场气候态的空间分布特征，说明模式对东亚地区冬季大气环流的模拟能力是不错的，但只能抓住500hPa高度场的主要变化特点。金晨曦等^[16]评估了4个中国参加CMIP5的大气环流耦合模式在观测海温驱动下，对东亚冬季风气候态和年际变率的模拟能力，在气候态模拟方面，发现模式都有较高的模拟技巧，但在年际变率方面，只有一个模式较为突出，能较好得再现2m气温在时间上的变化。利用CMIP3和CMIP5模式同时对东亚季风过去气候态进行模拟，择优选取模式对21世纪东亚季风变化进行预估，姜大膀等^[17]发现21世纪东亚冬季风强度整体变化不大，在区域尺度上表现为在东亚约25°N以北地区减弱，在其南部加强。杨军丽等^[18]在评估IPCC AR4的12个气候模式模拟结果时，指出模式对冬季的模拟一般要好于夏季，尤其是在冬季东亚热带季风区。贺圣平^[19]等则评估了IPCC AR4的20个耦合模式的模拟结果，发现在所选的气象要素中，模式对东亚冬季气候平均的地表温度的模拟能力最好，而且其中的10个模式合理再现了东亚冬季风在1980~1989年之间的变弱现象。综上，我们可以发现前人对东亚冬季气候态的研究较多，而且通过模式模拟出的结果都不错，然而对年际变率的模拟效果则相对较差，并且评估也相对较少，因此本文继续通过模式来模拟东亚冬季风并对结果做出评估和讨论。

本文利用1956-2005年NCEP/NCAR再分析资料和耦合模式比较计划（Phase5 of the Coupled Model Intercomparison Project，简称CMIP5）的12个气候耦合模式（观测和模式资料在第二部分中详细说明），分别对东亚冬季风的气候态和年际变率进行模拟，客观评估各个气候模式的模拟结果，对其优缺点做出分析和讨论。

2 资料和方法

2.1 资料

2.1.1 观测资料

本文所用的观测资料为美国国家大气研究中心（NCEP/NCAR）提供的月平均再分析资料，水平分辨率为2.5°2.5°；时间长度为为1956-2005年，1956年冬（DJF）指1955年12月至1956年2月。

2.1.2 模式资料

模式资料选取的是12个参加CMIP5在历史气候模拟试验下的资料集，包括海平面气压、地表温度、850hPa经向风和纬向风、500hPa高度场以及200hPa纬向风，模式基本信息见表1。由于模式间的水平分辨率都各不相同，本文利用双线性插值法，把所有模式的数据插值到了2.5°2.5°分辨率的网格上。模式集合平均（MME）为简单的等权重平均。

表1 本文所采用的12个气候耦合模式的信息

2.2 方法

本文采用的方法有：（1）通过计算观测资料和模式资料主要气象要素的空间、时间相关系数来定量评估模式对气象要素模拟能力；（2）经验正交函数分析方法(Empirical Orthogonal Function,缩写为EOF)，也称特征向量分析(Eigenvector Analysis)，或者主成分分析(Principal Component Analysis,缩写PCA)。它能够把会随时间变化的气象要素场分解成两个部分：空间函数部分、与之相对应的时间函数部分。空间函数部分可代表气象要素场的区域分布特点，它不会随时间变化而发生改变；时间函数部分是由变量的线性组合所构成的，成为主分量。本文通过对地表温度进行经验正交函数分解（EOF）分析，分析模式是否能合理再现地表温度的空间分布特征及其时间序列（3）为了定量评估模式对地表温度时间和空间分布的模拟能力，本文计算了模式模拟结果的主模态和观测资料的主模态的空间相关系数，以及模式模拟主模态的时间序列与观测主模态的时间序列的时间相关系数。为了评估模式对空间分布和时间序列整体的模拟能力，本文参考了前人的做法^[20]，定义了一个模式评分技巧，称之为SKILL：，其中SCC1表示模式模拟的地表温度EOF分解主模态的空间分布特征和观测资料主模态的相关系数；TCC1则表示模式模拟的地表温度EOF分解主模态的时间序列与观测主模态的时间序列的相关系数。SKILL的值越接近于1，则说明模式对时空整体的模拟能力越好。（4）相关分析和t检验：本文中用到的统计量为简单相关系数：，x和y是两个要求相关关系的统计量，和分别为这两个统计量的均值，n为样本数，r则为这两个统计量之间的相关系数，取值范围为（-1.0,1.0），当rgt;0时，说明两个变量之间存在正相关，r越接近1，两者的相关程度越高；当rlt;0时，说明两个变量之间存在负相关，r越接近-1，两者的相关程度越高；当r=0时，说明两个变量之间相互独立。而判断两个变量之间是否为显著相关，就需要通过显著性检验。

剩余内容已隐藏，请支付后下载全文，论文总字数：18777字

相关图片展示：