孟佳佳，楊宇星，王法明

（1. 中國科學院 海洋研究所，山東 青島 266071； 2. 中國科學院大學，北京 100049； 3. 中國科學院 海洋環(huán)流與波動重點實驗室，山東 青島 266071； 4. 青島海洋科學與技術國家實驗室 海洋動力過程與氣候功能實驗室，山東 青島 266237）

?

GFDL模式對太平洋海表面溫度的年際和年代際變率的模擬評估

孟佳佳1，2，3，4，楊宇星1，3，4，王法明1，3，4

（1. 中國科學院 海洋研究所，山東 青島 266071； 2. 中國科學院大學，北京 100049； 3. 中國科學院 海洋環(huán)流與波動重點實驗室，山東 青島 266071； 4. 青島海洋科學與技術國家實驗室 海洋動力過程與氣候功能實驗室，山東 青島 266237）

摘要：為評估美國地球物理流體動力學實驗室（Geophysical Fluid Dynamics Laboratory，GFDL）模式CM3、ESM2M和ESM2G對太平洋海表面溫度的年際和年代際變率的模擬能力，本文利用GFDL歷史試驗模擬結果和美國海洋大氣局（National Oceanic and Atmospheric Administration， NOAA）提供的擴展重建的海表溫度（Extended Reconstructed Sea Surface Temperature， ERSST）資料，比較模式模擬和觀測的厄爾尼諾-南方濤動（El Ni?o-Southern Oscillation， ENSO）和太平洋年代際振蕩（Pacific Decadal Oscillation，PDO）的時空分布、周期及可預報性等。結果表明： 三個模式均可以較好地模擬太平洋主要年際信號ENSO和年代際信號PDO，ESM2G對ENSO的模擬最好，CM3對PDO的模擬與觀測更為接近。研究結果為進一步利用模式探討ENSO和PDO的物理機制提供可能的參考。

關鍵詞：GFDL（Geophysical Fluid Dynamics Laboratory）模式； ENSO（E?l Ni?o-Southern Oscillation）；PDO（Pacific Decadal Oscillation）； 可預報性

太平洋海表面溫度（sea surface temperature，SST）存在兩類主要的變率［1-3］，一是具有2～7 a周期的年際變率，即厄爾尼諾-南方濤動（El Ni?o-Southern Oscillation，ENSO），二是具有準20 a和50 a周期振蕩的年代際變率，即太平洋年代際振蕩（Pacific Decadal Oscillation，PDO），而年際及年代際的海溫異常信號會通過海氣相互作用對區(qū)域甚至全球氣候產生重大影響［4-5］，因此，進行ENSO和PDO及其可預報性的研究十分重要［6-7］。

當前海氣耦合模式已成為研究氣候變化、進行氣候預測的重要工具之一，利用耦合模式對 ENSO 和PDO進行預測具有一定可行性［8-9］。然而，由于耦合模式對實際氣候的模擬能力有限，因此對其進行評估十分必要。大量研究從時空分布和周期方面評估了耦合模式模擬的ENSO和PDO。Sheffield等［10］研究發(fā)現(xiàn)國際耦合模式比較計劃（Coupled Model Intercomparison Project 5，CMIP5）的部分模式模擬的ENSO的周期和強度與觀測相當，并且能夠捕捉到PDO的空間結構。張芳等［11］則認為CMIP5試驗中的耦合模式基本上能模擬出熱帶太平洋海溫的時空分布特征，雖然較多模式模擬的ENSO的周期在2～7 a范圍內，但模式結果存在很大的差異。對于 CCSM4模式模擬的ENSO和PDO的評估，則認為CCSM4模式模擬的ENSO有3～6 a的周期，但高估了ENSO的強度，模擬的PDO功率譜檢驗中存在顯著的15 a的振蕩周期，空間結構和量級與觀測較為接近［12］。朱益明等［13］發(fā)現(xiàn)FGOALS_g模式能夠模擬出PDO的主要空間分布特征，顯著周期為10～20 a。目前還沒有研究從可預報性的角度出發(fā)對模式模擬的 ENSO 和PDO進行評估。

美國國家海洋大氣局（National Oceanic and Atmospheric Administration，NOAA）地球物理流體動力學實驗室（Geophysical Fluid Dynamics Laboratory，GFDL）是CMIP5的主要參與者之一，致力于全球氣候變化的模擬，其新一代模式 CM3、ESM2M、

［Foundation： The strategic Priority Research Program of the Chinese Academy of Sciences，No.XDA11010102； National Natural Science Foundation of China-Innovation Research Group of Sciences Fund，No.41421005； National Natural Science Foundation of China-Shandong Joint Fund for Marine Science Research Centers，No.U1406401］

1 資料和方法

1.1 數(shù)據(jù)資料

GFDL新一代模式是在 CM2.1的基礎上通過兩種路徑發(fā)展而來的，一種是為解決氣溶膠-云相互作用、化學-氣候相互作用以及對流層和平流層之間的聯(lián)系而發(fā)展的CM3模式，使用與CM2.1相同的海洋和海冰成分，并使用新的大氣成分AM3和陸地成分LM3； 另一種是為進一步理解地球的生物化學循環(huán)而開發(fā)的碳循環(huán)地球系統(tǒng)模式 ESM2M和 ESM2G，兩者均采用與CM2.1相同的大氣和海冰成分以及新的陸地模式LM3.0，其中ESM2M的海洋成分使用基于壓力的垂直坐標系，而ESM2G的海洋成分使用獨立的等密度模式，它們在溫躍層特性、深層環(huán)流、通風模態(tài)及厄爾尼諾變率方面有很大的不同［14-15］。

本研究采用了 GFDL模式歷史試驗模擬的月平均海表面溫度資料。歷史試驗是利用與觀測一致的外強迫驅動耦合模式模擬近百年的實際氣候，這些外強迫包括人類活動和火山噴發(fā)導致的大氣成分改變，太陽輻射及土地利用等的變化。歷史試驗的模式輸出資料可以用來評估模式對現(xiàn)代氣候的模擬能力［16］。模式海洋成分在赤道附近經向分辨率為1/3°，赤道外水平分辨率為1°×1°，時間長度為1861～2005年（其中CM3從1860年開始）。觀測的海表溫度資料為NOAA擴展重建的月平均海表面溫度數(shù)據(jù)集ERSST（Extended Reconstructed Sea Surface Temperature Dataset Version 3b）［17］，分辨率為2°×2°，時段為1854年1月～2014年2月。本文中為使模式資料與ERSST資料的分辨率統(tǒng)一，將模式資料插值到與實測資料相同的2°×2°格點上。

1.2 研究方法

本文運用經驗正交函數(shù)分解（Empirical Orthogonal Function，EOF）方法和功率譜方法，對熱帶太平洋和北太平洋 SST進行分析，比較模式和觀測的ENSO和PDO的時空分布特征和周期。對熱帶太平洋SST第一主成分和北太平洋SST第一主成分即PDO指數(shù)的可預報性進行分析，由此評估模式對ENSO和PDO的模擬能力。

根據(jù)Hasselmann隨機氣候模式［18］：其中X表示氣候變量，A為線性算子，η為隨機噪聲但不一定是白噪聲。該隨機氣候系統(tǒng)框架下X的變化由兩部分組成，即初始狀態(tài)的自由演化和噪聲強迫項：

2 模擬結果評估

2.1 年際變率ENSO的模擬評估

為評估三個模式對 ENSO的模擬，首先對觀測和模式資料中熱帶太平洋（30°S～30°N，120°E～70°W）海表面溫度進行EOF分解，得到第一主成分時間序列，并將標準化的時間序列回歸到海溫距平場上得到第一主成分的空間模態(tài)。圖 1給出了觀測和模式模擬的熱帶太平洋 SST第一主成分時間序列及Ni?o3（5°N～5°S，150°～90°W）指數(shù)，由于全球氣候模式中各海氣變量場都會在熱帶太平洋出現(xiàn)向西偏移

圖1 觀測和模式模擬的1861～2005年Ni?o3指數(shù)和熱帶太平洋SST第一主成分PC1Fig. 1 Observed and simulated Ni?o3 index and the first principle component of tropical Pacific SSTs from 1861 to 2005

表1 觀測和模式模擬的1861～2005年Ni?o3指數(shù)統(tǒng)計值Tab. 1 Statistics of the observed and simulated Ni?o3index from 1861 to 2005

對熱帶太平洋SST第一主成分PC1進行功率譜分析，以此來評估模式對于ENSO周期的模擬（圖2）。觀測資料得到的PC1在2～7 a的周期上有較寬的譜，具有明顯的年際變率，通過 95%的顯著性檢驗的主周期為3.5 a和5.5 a。CM3模式模擬的PC1也在2～7 a上有較寬的譜，與觀測一致，譜峰主要位于2.5 a、3.5 a和5 a周期處，并通過顯著性檢驗，ESM2M模式PC1的功率譜主要分布于2～6 a周期上，ESM2G主要分布于2～8 a，顯著的主周期均為5 a。通過上述分析可以看出，三個模式均能模擬出 ENSO事件 2～7 a周期的年際變率，但不同模式模擬的主周期與觀測存在差異。

更進一步，從熱帶太平洋SST第一主成分 PC1的可預報性角度，分析模式對于年際海溫異常信號的模擬能力。如圖3所示，觀測的 PC1的可預報信號隨時間迅速衰減，年際海溫異常信號13個月以后趨于0。CM3和ESM2M模式PC1的可預報信號分別在8個月和12個月以后衰減到0但有明顯的振蕩，這可能是由于模式模擬的 ENSO信號具有很強的非線性。從圖中可以看出，ESM2G模式對年際海溫變率的可預報性的模擬與觀測最為接近。

圖2 觀測和模式模擬的1861～2005年熱帶太平洋SST第一主成分PC1的功率譜Fig. 2 Power spectrum of the first principal component of the observed and simulated tropical Pacific SSTs from 1861 to 2005

圖3 觀測和模式模擬的1861～2005年熱帶太平洋SST第一主成分PC1的可預報性Fig. 3 Predictability of the first principal component of the observed and simulated tropical Pacific SSTs from 1861 to 2005

觀測和模式模擬的熱帶太平洋第一主成分空間模態(tài)EOF1如圖4所示，均呈現(xiàn)典型的ENSO模態(tài)，ENSO為正位相時，表現(xiàn)為從南美沿岸延伸到赤道中東太平洋的海表溫度的異常增暖。定量分析見表2，觀測的第一模態(tài)的解釋方差為 37.1%，CM3模式與觀測最為接近，ESM2M偏大，說明ESM2M模式模擬的熱帶太平洋年際變率過強。三個模式均能模擬出與觀測類似的 ENSO空間模態(tài)，觀測的 ENSO空間模態(tài)海溫異常的 0.6℃等值線位于日界線以西，而模式模擬的 ENSO模態(tài)一直延伸到 150°E附近；CM3和ESM2M的模式結果在120°W附近增暖超過1℃，ESM2G 相應的模式結果超過 0.8℃，以上結果說明模式模擬的赤道中東太平洋增暖過強，并過度向西延伸。此外，CM3和ESM2M模式模擬的熱帶太平洋西北部海溫異常變冷較觀測強。為定量地分析模式模擬能力，借助泰勒圖來做進一步研究。模式與觀測的標準差之比表示模式對中心振幅的模擬能力，均方根誤差表示模擬的空間型與觀測的相似性，均方根誤差越接近 0，表示模式模擬能力越高，相關系數(shù)可表示模式對主要中心位置的模擬能力。將這三個評估指標顯示在一張?zhí)├請D中可以較全面地反映多個模式的模擬能力，圖中每個點代表一個模式，到原點的半徑代表其對于觀測值的標準差，每個點在圖中方位角的余弦代表模式場與觀測場的相關系數(shù)，到觀測點的距離代表其均方根誤差，簡而言之，模式所代表的點與觀測點的距離越接近，表示模式的模擬能力越好。從圖 5可以看出，三個模式中，ESM2G模式對ENSO模態(tài)的模擬結果最好，均方根誤差最小為0.14（℃表 2），模式的標準差在觀測結果附近為0.25，℃說明模式對ENSO模態(tài)中SST變化幅度的模擬比較理想，對于中心位置的模擬能力也較好，相關系數(shù)為0.85。

圖4 觀測和模式模擬的1861～2005年熱帶太平洋SST第一模態(tài)EOF1Fig. 4 Spatial pattern of EOF1 of the observed and simulated tropical Pacific SSTs from 1861 to 2005

圖5 觀測和模式模擬的ENSO模態(tài)的泰勒圖Fig. 5 Taylor diagram of simulated vs. observed ENSO pattern

解釋方差（%）標準差（）℃均方根誤差（）℃相關系數(shù)觀測CM3 ESM2M ESM2G 37.1 　0.27 　0 　1 36.9 　0.36 　0.17 　0.88 42.3 　0.48 　0.26 　0.91 29.7 　0.25 　0.14 　0.85

2.2 年代際變率PDO的模擬評估

本文對除去全球平均海溫異常的北太平洋（20°N～60°N，120°E～120°W）月平均海溫異常 SSTA進行 EOF分解，得到其標準化的第一主成分時間序列［22］，然后進行年平均，即為年平均的 PDO指數(shù)，進一步將PDO指數(shù)與原始海溫距平場進行回歸得到回歸系數(shù)，即為 PDO的空間模態(tài)和強度，其中從北太平洋月平均海溫異常中除去全球平均的月平均海溫異常是為了消除全球變暖的影響。

圖6 觀測和模式模擬的1861～2005年年平均PDO指數(shù)Fig. 6 Observed and simulated annual mean PDO index from 1861 to 2005

圖7 觀測和模式模擬的1861～2005年年平均PDO指數(shù)的功率譜Fig. 7 Power spectrum of the observed and simulated annual mean PDO index from 1861 to 2005

圖6給出了觀測和模式模擬的PDO指數(shù)，時間序列呈現(xiàn)明顯的年代際周期振蕩。對PDO指數(shù)進行功率譜分析可以發(fā)現(xiàn)（圖7），觀測的PDO指數(shù)譜峰主要位于5 a和40 a周期處，并且通過95%的顯著性檢驗，在 20 a周期以上有較寬的譜，說明年代際變率之上疊加了很強的年際振蕩。CM3模式中PDO的主周期為5 a和15 a，年代際變率的周期與觀測相比較短，且未通過顯著性檢驗。ESM2M模式中PDO指數(shù)在10 a以上的周期處具有較寬的功率譜，譜峰位于5 a和40 a周期處，顯著的主周期為5 a。ESM2G的PDO指數(shù)的功率譜主要分布在年代際時間尺度上，顯著的主周期為12 a和30 a（圖7）。綜上所述，與觀測類似，三個模式模擬的PDO指數(shù)的功率譜主要在年代際周期上，但各個模式的主周期與觀測存在較大差異，其中ESM2M的結果與觀測最為接近。

從年平均的PDO指數(shù)的可預報性角度，分析模式對于年代際海溫異常信號的模擬能力。從圖 8可以看出，觀測的PDO指數(shù)在2a以后可預報信號趨于0，CM3和ESM2M均有類似的結果，因此，CM3與ESM2M 模式模擬的年代際海溫異常信號與觀測更為接近。ESM2G的可預報性偏高，4 a以后可預報信號趨于0，這和模式模擬的PDO的周期有關。CM3 和ESM2M模式中PDO指數(shù)除了明顯的年代際變率以外，還存在很強的年際變率，而ESM2G模式中以年代際變率為主，周期較長，年代際海溫異常信號偏強，可預報性偏高。

圖 8 觀測和模式模擬的1861～2005年年平均PDO指數(shù)的可預報性Fig. 8 Predictability of the observed and simulated annual mean PDO index from 1861 to 2005

圖9 觀測和模式模擬的1861～2005年北太平洋SST第一模態(tài)EOF1Fig. 9 Spatial pattern of EOF1 of the observed and simulated North Pacific SSTs from 1861 to 2005

圖 9給出了觀測和模式模擬的 PDO的空間模態(tài)。當PDO為正位相時，北太平洋中西部SST異常變冷，對應于阿拉斯加灣和北美西岸SST異常增暖；從定量上分析，觀測的北太平洋 SST第一主成分空間模態(tài) EOF1的解釋方差為 20.7%，北太平洋中部SST負異?？梢赃_到0.4℃以上，北美沿岸的正異常為0.2℃左右。CM3模式的PDO的空間結構與觀測最為接近，SST負異常區(qū)域基本與觀測一致，而阿拉斯加灣附近 SST正異常超過 0.4，℃比觀測強。ESM2M和ESM2G模式中北太平洋西部SST負異常中心超過 0.6，℃ 且向西南方向延伸，ESM2G中阿拉斯加灣和北美西岸SST正異常過強。結合統(tǒng)計值（表3）和泰勒圖（圖10），進一步評估模式對PDO的空間模態(tài)的模擬能力。泰勒圖中（圖10），CM3模式與觀測最為接近，標準差和均方根誤差最小，分別為0.34℃和0.15，℃相關系數(shù)達到 0.9，因此 CM3模式模擬的PDO 的空間型分布和強度與觀測最為接近，而ESM2G模式的標準差高于觀測 0.1℃以上，均方根誤差較大，模擬的海溫正負異常過強。

表3 觀測和模式模擬的1861～2005年北太平洋SST第一模態(tài)EOF1統(tǒng)計值Tab. 3 Statistics of EOF1 of the observed and simulatedNorth Pacific SSTs from 1861 to 2005

圖10 觀測和模式模擬的PDO模態(tài)的泰勒圖Fig. 10 Taylor diagram of simulated vs. observed PDO pattern

3 結論

本文利用GFDL新一代模式CM3、ESM2M、ESM2G歷史試驗模擬的1861～2005年月平均SST資料和 NOAA提供的 ERSST資料，對模式模擬的太平洋SST的年際和年代際變率進行評估，得到如下結果：

1） 對于年際變率 ENSO，三個模式均能模擬出ENSO事件的2～7 a周期性變率，不同模式模擬的主周期與觀測存在差異； ESM2G模式對年際海溫異常信號的模擬與觀測較為一致，熱帶太平洋海溫第一主成分PC1的可預報信號12個月以后趨于0； 模式能夠成功模擬出年際變率 ENSO的主要空間分布特征，但模式中熱帶中東太平洋海溫異常增暖過強，并向西延伸，其中ESM2G的空間模態(tài)與觀測最為相似。

2） 對于年代際變率 PDO，三個模式的 PDO指數(shù)的功率譜主要在年代際時間尺度上，其中CM3和ESM2M 在年代際變率之上疊加很強的年際振蕩，ESM2G年際變率較弱，模式模擬的PDO的主周期與觀測存在較大差異； 觀測的PDO指數(shù)在2 a以后可預報信號趨于0，CM3和ESM2M模式均有類似的結果，ESM2G模式模擬的年代際的海溫異常信號偏強，可預報信號 4 a以后趨于 0； 模式可以較好地模擬PDO的空間分布，但是模式中中西部海溫異常偏冷，阿拉斯加灣及北美西岸異常增暖過強，其中CM3模式中PDO空間結構與觀測最為相似。

GFDL模式對于太平洋海表面溫度的年際變率ENSO和年代際變率 PDO均有較好的模擬，從可預報性的角度來看，ESM2G對ENSO的模擬最好，CM3 對PDO的模擬與觀測更為接近。研究結果為進一步利用模式探討ENSO和PDO的物理機制提供可能的參考。通常驅動海洋環(huán)流模式的強迫場有三個： 風應力、熱通量和淡水通量，模式對于強迫場的模擬偏差都會導致對ENSO和PDO的模擬偏差。此外，模式海洋成分的水平分辨率，不同的坐標系，對流參數(shù)化方案，以及耦合方案等，這些都會導致模式模擬的年際和年代際變率與觀測存在差異，具體原因將會在下一步工作中進行進一步研究。

參考文獻：

［1］ Deser C，Blackmon M L. On the relationship between tropical and North Pacific sea surface temperature variations［J］. Journal of Climate，1995，8（6）： 1677- 1680.

［2］ Yeh S W，Kirtman B P. On the relationship between the interannual and decadal SST variability in the North Pacific and tropical Pacific Ocean［J］. Journal of Geophysical Research： Atmospheres （1984-2012），2003，108（D11）： 4344.

［3］ Park J Y，Yeh S W，Kug J S. Revisited relationship between tropical and North Pacific sea surface temperature variations［J］. Geophysical Research Letters，2012，39（2）： L02703.

［4］ Hidalgo H G，Dracup J A. ENSO and PDO effects on hydroclimatic variations of the Upper Colorado River Basin［J］. Journal of Hydrometeorology，2003，4（1）： 5-23.

［5］ Hu Z Z，Huang B. Interferential impact of ENSO and PDO on dry and wet conditions in the US Great Plains［J］. Journal of Climate，2009，22： 6047-6065.

［6］ Latif M，Anderson D，Barnett T，et al. A review of the predictability and prediction of ENSO［J］. Journal of Geophysical Research： Oceans （1978-2012），1998，103（C7）： 14375-14393.

［7］ Newman M. Interannual to decadal predictability of tropical and North Pacific sea surface temperatures［J］. Journal of climate，2007，20（11）： 2333- 2356.

［8］ Behringer D W，Ji M，Leetmaa A. An improved coupled model for ENSO prediction and implications for ocean initialization. Part I： The ocean data assimilation system［J］. Monthly Weather Review，1998，126（4）： 1013-1021.

［9］ Wang H，Kumar A，Wang W，et al. Seasonality of the Pacific decadal oscillation［J］. Journal of Climate，2012，25（1）： 25-38.

［10］ Sheffield J，Camargo S J，F(xiàn)u R，et al. North American climate in CMIP5 experiments. Part II： Evaluation of historical simulations of intraseasonal to decadal variability［J］. Journal of Climate，2013，26（23）： 9247-9290.

［11］ 張芳，董敏，吳統(tǒng)文. CMIP5模式對ENSO現(xiàn)象的模擬能力評估［J］. 氣象學報，2014，72（10）： 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（10）： 30-48.

［12］ Deser C，Phillips A S，Tomas R A，et al. ENSO and Pacific decadal variability in the Community Climate System Model version 4［J］. Journal of Climate，2012，25（8）： 2622-2651.

［13］ 朱益民，楊修群，俞永強，等. FGOALS_g 快速耦合模式模擬的北太平洋年代際變率［J］. 地球物理學報，2008，51（1）： 58-69. Zhu Yimin，Yang Xiuqun，Yu Yongqiang，et al. Decadal variability in the North Pacific as simulated by FGOALS_g fast coupled climate model［J］. Chinese Journal of Geophysics，2008，51（1），58-69.

［14］ Griffies S M，Winton M，Donner L J，et al. The GFDL CM3 coupled climate model： Characteristics of the ocean and sea ice simulations［J］. Journal of Climate，2011，24（13）： 3520-3544.

［15］ Dunne J P，John J G，Adcroft A J，et al. GFDL's ESM2 global coupled climate-carbon Earth System Models. Part I： Physical formulation and baseline simulation characteristics［J］. Journal of Climate，2012，25（19）： 6646-6665.

［16］ Taylor K E，Stouffer R J，Meehl G A. An overview of CMIP5 and the experiment design［J］. Bulletin of the American Meteorological Society，2012，93（4）： 485-498.

［17］ Smith T M，Reynolds R W，Peterson T C，et al. Improvements to NOAA's historical merged land-ocean surface temperature analysis （1880-2006）［J］. Journal of Climate，2008，21（10）： 2283-2296.

［18］ Hasselmann K. Stochastic climate models part I. Theory［J］. Tellus，1976，28（6）： 473-485.

［19］ DelSole T，Tippett M K. Average predictability time. part I： Theory［J］. Journal of the Atmospheric Sciences，2009，66（5）： 1172-1187.

［20］ DelSole T，Tippett M K. Average predictability time. Part II： Seamless diagnoses of predictability on multiple time scales［J］. Journal of the Atmospheric Sciences，2009，66（5）： 1188-1204.

［21］ Jia L，DelSole T. Diagnosis of multiyear predictability on continental scales［J］. Journal of Climate，2011，24（19）： 5108-5124.

［22］ Deser C，Alexander M A，Xie S P，et al. Sea surface temperature variability： Patterns and mechanisms［J］. Annual Review of Marine Science，2010，2： 115-143.

（本文編輯： 李曉燕）

中圖分類號：732.5

文獻標識碼：A

文章編號：1000-3096（2016）04-0140-09

doi：10.11759/hykx20150211001

收稿日期：2015-02-11； 修回日期： 2016-01-05

基金項目：中國科學院戰(zhàn)略性先導科技專項（XDA11010102）國家自然科學基金委員會創(chuàng)新研究群體科學基金（41421005）； 國家自然科學基金委員會與山東省聯(lián)合基金（U1406401）

作者簡介：孟佳佳（1990-），女，甘肅武威人，碩士，從事海洋氣象學，電話：18693170625，Email： qingchen_321@163.com； 王法明，通信作者，研究員，主要從事氣候動力學，電話： 0532-82898933，E-mail： faming_wang@qdio.ac.cnESM2G具有很高的分辨率。本文針對GFDL模式的歷史試驗結果，在分析ENSO和PDO的時空分布特征、周期的基礎上，從可預報性角度出發(fā)，對模式模擬的太平洋 SST的年際和年代際變率進行評估，研究結果為進一步利用模式探討ENSO和PDO的物理機制提供可能的參考。

Evaluation of interannual and decadal variations of Pacific SST simulated by GFDL models

MENG Jia-jia1，2，3，4，YANG Yu-xing1，3，4，WANG Fa-ming1，3，4
（1. Institute of Oceanology，Chinese Academy of Sciences，Qingdao 266071，China； 2. University of Chinese Academy of Sciences，Beijing 100049，China； 3. Key Laboratory of Ocean Circulation and Wave，Institute of Oceanology，Chinese Academy of Sciences，Qingdao 266071，China； 4. Laboratory for Ocean and Climate Dynamics Qingdao National Laboratory for Marine Science and Technology，Qingdao 266237，China）

Received： Feb. 11，2015

Key words：GFDL （Geophysical Fluid Dynamics Laboratory） models； ENSO （El Ni?o-Southern Oscillation）； PDO （Pacific Decadal Oscillation）； predictability

Abstract：In this paper，we evaluated the ability of the Geophysical Fluid Dynamic Laboratory （GFDL） models CM3，ESM2M，and ESM2G to simulate the interannual and decadal variations of Pacific sea surface temperature （SST） by comparing the temporal and spatial distributions，periods，and predictions of observed and simulated El Ni?o-Southern Oscillations （ENSOs） and Pacific Decadal Oscillations （PDOs），based on the output of historical experiments using GFDL models and extended reconstructed sea surface temperature （ERSST） data from the National Oceanic and Atmospheric Administration （NOAA）. In general，the models captured well the interannual signals of the ENSO and the decadal signals of the PDO. ENSO is correctly simulated by ESM2G，while the PDO simulations by CM3 closely resemble those of observations. These results may be referenced in future studies of the physical mechanisms of the ENSO and PDO.