胡伯彥， 湯劍平， 王淑瑜

1 南京大學(xué)大氣科學(xué)學(xué)院， 南京 210023 2 中國(guó)民用航空華東地區(qū)空中交通管理局， 上海 200335

0 引言

伴隨全球民用航空業(yè)的快速發(fā)展，公眾對(duì)飛行安全的關(guān)注度也逐步提高.根據(jù)美國(guó)國(guó)家安全運(yùn)輸委員會(huì)(National Transportation Safety Board, NTSB)統(tǒng)計(jì)，2000—2011年全美大型商用飛機(jī)飛行事故中有37%與天氣有關(guān)，其中因空中顛簸造成的事故占比超過(guò)70% (Eick, 2014).美國(guó)聯(lián)邦航空管理局(Federal Aviation Administration, FAA)數(shù)據(jù)顯示，1980—2008年全美共發(fā)生234起因飛機(jī)空中顛簸造成的飛行事故，導(dǎo)致298人嚴(yán)重受傷、3人死亡(FAA, 2017).在中國(guó)，空中顛簸對(duì)飛行安全同樣造成嚴(yán)重影響.2015年8月，海南航空一架由成都飛往北京的航班在下降過(guò)程中突遇強(qiáng)烈顛簸，導(dǎo)致機(jī)組人員和乘客共30人受傷；2017年6月，中國(guó)東方航空MU774航班在飛行途中遭遇多次顛簸，導(dǎo)致20余人受傷，其中4人重傷.飛機(jī)空中顛簸是由大氣中的湍流現(xiàn)象引發(fā)的.研究人員根據(jù)激發(fā)湍流渦旋的大尺度強(qiáng)迫機(jī)制不同將與航空有關(guān)的湍流分成以下幾種類(lèi)型：對(duì)流湍流(convective turbulence)、低層湍流(low-level turbulence)、山地波湍流(mountain wave turbulence)、晴空湍流(clear-air turbulence)和飛機(jī)尾渦“湍流”(aircraft-induced “turbulence”)(Sharman and Lane, 2016)，其中晴空湍流是引起飛機(jī)空中顛簸的最主要湍流類(lèi)型.由于晴空湍流無(wú)法通過(guò)飛行員目視或機(jī)載雷達(dá)進(jìn)行有效探測(cè)，且普遍發(fā)生在6000 m以上的巡航飛行高度(Chambers, 1955)，飛機(jī)一旦在毫無(wú)預(yù)警狀態(tài)下進(jìn)入強(qiáng)湍流區(qū)，很容易造成乘客或機(jī)組人員受傷.晴空湍流的產(chǎn)生受多種因素影響，如Kelvin-Helmholtz不穩(wěn)定(Sharman et al., 2006)、慣性重力波(Sharman et al., 2012)、高空急流(Kaplan et al., 2006)、地形強(qiáng)迫(Lilly, 1978)等.周林和黃超凡(2015)針對(duì)晴空湍流的形成機(jī)制做了較好總結(jié).

晴空湍流的預(yù)測(cè)一直是航空氣象領(lǐng)域的難點(diǎn).當(dāng)前數(shù)值天氣預(yù)報(bào)(Numerical Weather Prediction, NWP)技術(shù)被廣泛應(yīng)用于雷暴、大風(fēng)、強(qiáng)降水等航空高影響天氣的預(yù)測(cè)中(Gultepe et al., 2019).然而，能夠引發(fā)飛機(jī)空中顛簸的湍流渦旋尺度通常在100 m至1 km之間(Sharman et al., 2014)，以現(xiàn)有的NWP能力很難在如此高分辨率條件下對(duì)大氣進(jìn)行準(zhǔn)確模擬(Sharman et al., 2006).前人根據(jù)小尺度湍流渦旋能量可由大尺度大氣運(yùn)動(dòng)轉(zhuǎn)化而來(lái)這一假設(shè)(Dutton and Panofsky, 1970)，利用NWP輸出結(jié)果計(jì)算各種湍流指數(shù)進(jìn)行晴空湍流的診斷和預(yù)測(cè).Sharman等(2006)綜合多種湍流指數(shù)建立了一套針對(duì)北美地區(qū)晴空湍流的“圖形化湍流指導(dǎo)(Graphical Turbulence Guidance, GTG)”集成算法，該算法切實(shí)滿足了航空用戶對(duì)于湍流預(yù)測(cè)的實(shí)際需求.黃超凡等(2015)利用多個(gè)湍流指數(shù)對(duì)南海及附近海域晴空湍流事件進(jìn)行了研究.申燕玲等(2017)和徐佳男等(2018)利用飛機(jī)觀測(cè)資料和ERA-Interim再分析資料評(píng)估了多種晴空湍流指數(shù)在中國(guó)地區(qū)的診斷能力優(yōu)劣.

近年來(lái)在全球氣候變暖背景下開(kāi)展晴空湍流的未來(lái)變化預(yù)估研究成為了一個(gè)新的研究熱點(diǎn).有研究表明未來(lái)南北半球中緯度地區(qū)高空急流將有所增強(qiáng)(Lorenz and DeWeaver, 2007; Collins et al., 2013; Solomon and Polvani, 2016)，大氣環(huán)流的改變影響了晴空湍流的強(qiáng)度和出現(xiàn)頻率，并可能對(duì)飛行安全造成新的影響.Jaeger和Sprenger(2007)分析了北半球晴空湍流在1958—2001年的頻率變化，結(jié)果顯示中度及以上強(qiáng)度(Moderate-or-Greater, MOG)湍流具有增多趨勢(shì)，尤其在冬季北美洲東西海岸、喜馬拉雅地區(qū)、歐洲中部、中國(guó)東部、北大西洋和北太平洋西部趨勢(shì)明顯.Williams和Joshi(2013)對(duì)CO2濃度倍增條件下跨大西洋地區(qū)21世紀(jì)中期冬季晴空湍流未來(lái)變化進(jìn)行了預(yù)估，發(fā)現(xiàn)湍流強(qiáng)度總體將增強(qiáng)10%～40%，MOG湍流將增多40%～170%.Williams(2017)進(jìn)一步對(duì)跨大西洋地區(qū)更多強(qiáng)度類(lèi)別湍流的未來(lái)變化進(jìn)行了研究，發(fā)現(xiàn)輕度湍流將增多59%、輕-中度湍流將增多75%、中度湍流將增多94%、中-重度湍流將增多127%、重度湍流將增多149%.Storer等(2017)則對(duì)全球范圍內(nèi)多個(gè)高度層上各季節(jié)晴空湍流未來(lái)變化進(jìn)行了預(yù)估，結(jié)果顯示在南北半球中緯度地區(qū)湍流增多最明顯，部分地區(qū)增幅達(dá)到工業(yè)化前數(shù)倍；在北美、北太平洋和歐洲地區(qū)，重度湍流預(yù)計(jì)將增多一倍.

目前已有的研究結(jié)果主要基于全球環(huán)流模式(Global Circulation Model, GCM)得到.由于GCM空間分辨率相對(duì)較低(～150 km)，對(duì)晴空湍流的區(qū)域變化特征刻畫(huà)不夠細(xì)致，無(wú)法滿足航空氣象需求.近年來(lái)隨著動(dòng)力降尺度(dynamical downscaling)技術(shù)的發(fā)展，區(qū)域氣候模式(Regional Climate Model, RCM)得到了廣泛應(yīng)用(Giorgi, 1990, 2019).利用GCM輸出結(jié)果嵌套高分辨率RCM可以使模擬結(jié)果既較好表征大尺度環(huán)流特征，又對(duì)中小尺度系統(tǒng)有良好的模擬.為提供質(zhì)量可控的降尺度模式信息，由世界氣候研究計(jì)劃(World Climate Research Program, WCRP)主導(dǎo)并發(fā)起了國(guó)際間區(qū)域氣候降尺度試驗(yàn)(Coordinated Regional Climate Downscaling Experiment, CORDEX)(Giorgi et al., 2009; Giorgi and Gutowski, 2015).Hu等(2021)在CORDEX框架下利用RCM降尺度技術(shù)對(duì)全球變暖背景下東亞地區(qū)21世紀(jì)中期冬季250 hPa高度晴空湍流未來(lái)變化進(jìn)行了預(yù)估，給出了五種強(qiáng)度湍流的出現(xiàn)頻率變化.本文在該研究基礎(chǔ)上將預(yù)估范圍擴(kuò)大到所有季節(jié)和更多高度層，從而使東亞地區(qū)晴空湍流變化能夠在更廣泛的時(shí)空維度下得到展現(xiàn).

1 模式和方法

本文RCM選用由美國(guó)國(guó)家大氣研究中心(National Center for Atmospheric Research, NCAR)和美國(guó)國(guó)家海洋大氣管理局(National Oceanic and Atmospheric Administration, NOAA)共同研發(fā)的中尺度數(shù)值模式WRF(Weather Research and Forecasting)(Skamarock et al., 2008).該模式已被廣泛應(yīng)用于區(qū)域氣候數(shù)值模擬研究領(lǐng)域(Tang et al., 2016; Wang et al., 2019).模擬試驗(yàn)的初始場(chǎng)和邊界場(chǎng)資料來(lái)自耦合模式比較計(jì)劃CMIP5(Coupled Model Intercomparison Project Phase 5)(Taylor et al., 2012)的四個(gè)GCM，分別為CNRM-CM5(Voldoire et al., 2013)、GFDL-ESM2M(Dunne et al., 2012)、EC-EARTH(Hazeleger et al., 2010)和MPI-ESM-LR(Jungclaus et al., 2010).這些GCM對(duì)東亞地區(qū)當(dāng)代氣候均具有良好的模擬能力(Chen and Sun, 2013).

RCM模擬區(qū)域(CORDEX-EA-II區(qū)域)如圖1所示，模擬中心為35°N，116°E，模式水平分辨率25 km，垂直方向分為29層，頂層氣壓50 hPa，高空變量逐6 h輸出.試驗(yàn)選用的物理參數(shù)化方案包括WSM5(WRF single-moment 5-class)微物理方案(Lim and Hong, 2010)，基于Kain和Fritsch(1990)的對(duì)流參數(shù)化方案，YSU(Yonsei University)行星邊界層方案(Hong et al., 2006)，Noah陸面過(guò)程方案(Chen and Dudhia, 2001)，CAM(Community Atmosphere Model)輻射方案(Collins et al., 2004).參數(shù)化方案是基于CORDEX東亞區(qū)域前期模擬試驗(yàn)總結(jié)選取的(Hui et al., 2019; Niu et al., 2020).當(dāng)代氣候模擬時(shí)段為1979—2005年(參考試驗(yàn))，主要考慮自然和人類(lèi)共同影響.未來(lái)氣候模擬時(shí)段為2029—2060年(變化試驗(yàn))，選用新一代排放情景中具有最高CO2濃度的RCP 8.5(Representative Concentration Pathway 8.5)情景(Riahi et al., 2011).從參考試驗(yàn)和變化試驗(yàn)中各選取20年作為研究時(shí)段(1981—2000年，2041—2060年).研究區(qū)域(15°N—55°N, 70°E—140°E)包含了整個(gè)東亞地區(qū).

圖1 RCM模擬區(qū)域(填圖，CORDEX-EA-II區(qū)域)，選取的研究區(qū)域(東亞地區(qū)：15°N—55°N，70°E—140°E)及中國(guó)地區(qū)四個(gè)子區(qū)域(東北地區(qū)：41°N—52°N，112°E—133°E；東南地區(qū)： 21°N—41°N，112°E—125°E；西北地區(qū)：37°N—46°N，75°E—112°E；西南地區(qū)：20°N—37°N，98°E—112°E)Fig.1 The simulation domain by RCM (shading, CORDEX-EA-II area), study area (East Asia: 15°N—55°N, 70°E—140°E), and China′s four sub-regions (Northeast China: 41°N—52°N, 112°E—133°E; Southeast China: 21°N—41°N, 112°E—125°E; Northwest China: 37°N—46°N, 75°E—112°E; Southwest China: 20°N—37°N, 98°E—112°E)

本文參照前人研究選取了21個(gè)有代表性的晴空湍流指數(shù)(表1).這些指數(shù)有的根據(jù)大氣運(yùn)動(dòng)方程經(jīng)嚴(yán)格推導(dǎo)得到，具有明確的物理解釋?zhuān)鏡ichardson數(shù)(Endlich, 1964)、Brown指數(shù)(Brown, 1973)等；有的通過(guò)回歸分析得到，屬于經(jīng)驗(yàn)類(lèi)指數(shù)，如Ellrod指數(shù)(Ellrod and Knapp, 1992)、Dutton經(jīng)驗(yàn)指數(shù)(Dutton, 1980)等.關(guān)于晴空湍流指數(shù)的物理意義和計(jì)算步驟介紹，可參考表1所列文獻(xiàn).Sharman等(2006)曾歸納了數(shù)十種湍流指數(shù)的基本概念和計(jì)算方法，亦可作為有效參考.

表1 21個(gè)晴空湍流指數(shù)及計(jì)算方法Table 1 21 clear-air turbulence diagnostics and the algorithms

對(duì)晴空湍流強(qiáng)度類(lèi)別的劃分參照了Williams(2017)給出的方法.該方法將湍流指數(shù)計(jì)算結(jié)果由大到小排序，根據(jù)輕度及以上強(qiáng)度(Light-or-Greater, LOG)湍流發(fā)生頻率為3.0%、MOG湍流發(fā)生頻率為0.4%的已有觀測(cè)結(jié)果，利用對(duì)數(shù)正態(tài)分布得到如下分類(lèi)：湍流指數(shù)頻率分布第99.9～100百分位代表重度湍流、第99.8～99.9百分位代表中-重度湍流、第99.6～99.8百分位代表中度湍流、第99.1～99.6百分位代表輕-中度湍流、第97.0～99.1百分位代表輕度湍流、其余代表無(wú)湍流.

2 當(dāng)代氣候模擬效果檢驗(yàn)

在全球變暖背景下開(kāi)展晴空湍流未來(lái)變化趨勢(shì)預(yù)估之前，需要評(píng)估RCM對(duì)當(dāng)代氣候特征的模擬效果.首先評(píng)估了模式對(duì)高空變量氣候平均態(tài)的模擬能力.選取的檢驗(yàn)資料為歐洲中期天氣預(yù)報(bào)中心(European Centre for Medium-Range Weather Forecasts, ECMWF)的ERA-Interim再分析資料(Simmons et al., 2006; Uppala et al., 2008)，水平分辨率為0.75°×0.75°，時(shí)間分辨率為6 h，變量包括u風(fēng)速、v風(fēng)速、溫度和位勢(shì)高度.

圖2為東亞地區(qū)250 hPa高度四個(gè)高空變量1981—2000年氣候平均態(tài)模擬結(jié)果與再分析結(jié)果差異的空間分布；表2為模擬結(jié)果與再分析結(jié)果的空間相關(guān)系數(shù)(Correlation Coefficient, CORR)和均方根誤差(Root-Mean-Square Error, RMSE).對(duì)比不同GCM驅(qū)動(dòng)下的RCM模擬結(jié)果發(fā)現(xiàn)，對(duì)u風(fēng)速的模擬四組試驗(yàn)均在中緯度地區(qū)偏大，其中CNRM-CM5試驗(yàn)(圖2a)和MPI-ESM-LR試驗(yàn)(圖2d)偏差相對(duì)較小(RMSE均低于2.3 m·s-1)，EC-EARTH試驗(yàn)(圖2c)次之(RMSE為3.07 m·s-1)，GFDL-ESM2M試驗(yàn)(圖2b)偏差最大(RMSE為3.99 m·s-1).對(duì)v風(fēng)速的模擬四組結(jié)果較為相似，均在東部地區(qū)模擬偏大、西部地區(qū)模擬偏小，RMSE均超過(guò)了4.8 m·s-1；其中CNRM-CM5試驗(yàn)(圖2e)和EC-EARTH試驗(yàn)(圖2g)相對(duì)較好，GFDL-ESM2M試驗(yàn)(圖2f)和MPI-ESM-LR試驗(yàn)(圖2h)相對(duì)較差.對(duì)溫度的模擬總體來(lái)看高緯地區(qū)偏差幅度小于低緯地區(qū)，其中GFDL-ESM2M試驗(yàn)(圖2j)和MPI-ESM-LR試驗(yàn)(圖2l)偏差相對(duì)較小(RMSE均小于2 ℃)，EC-EARTH試驗(yàn)(圖2k)次之(RMSE為2.30 ℃)，CNRM-CM5試驗(yàn)(圖2i)偏差最大(RMSE達(dá)到3.62 ℃).對(duì)位勢(shì)高度的模擬四組結(jié)果均顯示在35°N以北存在顯著負(fù)偏差，偏差幅度MPI-ESM-LR試驗(yàn)(圖2p)最小(RMSE為62.5 gpm)，CNRM-CM5試驗(yàn)(圖2m)和GFDL-ESM2M試驗(yàn)(圖2n)均較大(RMSE均超過(guò)100 gpm).從空間CORR統(tǒng)計(jì)結(jié)果來(lái)看，四組試驗(yàn)中u風(fēng)速、溫度、位勢(shì)高度結(jié)果均分別超過(guò)了0.96、0.98和0.99，只有v風(fēng)速結(jié)果相對(duì)較低，但也均達(dá)到0.60以上.可見(jiàn)RCM能夠較好再現(xiàn)東亞地區(qū)當(dāng)代高空變量氣候平均態(tài)空間分布特征.

圖2 東亞地區(qū)250 hPa高度1981—2000年u風(fēng)速、v風(fēng)速、溫度和位勢(shì)高度氣候平均態(tài)RCM模擬結(jié)果與ERA-Interim再分析結(jié)果差異的空間分布.模擬結(jié)果分別來(lái)自CNRM-CM5、GFDL-ESM2M、EC-EARTH和MPI-ESM-LR驅(qū)動(dòng)的WRF試驗(yàn)Fig.2 Spatial distributions of the climatological mean state biases between RCM simulations and ERA-Interim reanalysis in u velocity, v velocity, temperature and geopotential over East Asia in 1981—2000 at 250 hPa. The simulation results come from CNRM-CM5, GFDL-ESM2M, EC-EARTH, and MPI-ESM-LR driven WRF experiments, respectively

表2 東亞地區(qū)250 hPa高度1981—2000年u風(fēng)速、v風(fēng)速、溫度和位勢(shì)高度氣候平均態(tài)RCM模擬結(jié)果與ERA-Interim再分析結(jié)果空間相關(guān)系數(shù)(CORR)和均方根誤差(RMSE).模擬結(jié)果分別來(lái)自CNRM-CM5、GFDL-ESM2M、EC-EARTH和MPI-ESM-LR驅(qū)動(dòng)的WRF試驗(yàn)

總體來(lái)看，GCM驅(qū)動(dòng)下的RCM能夠較好再現(xiàn)東亞地區(qū)當(dāng)代高空風(fēng)場(chǎng)、溫度場(chǎng)和高度場(chǎng)的氣候平均態(tài)空間分布，同時(shí)對(duì)晴空湍流指數(shù)分布特征也具有較好模擬能力.因此，利用RCM結(jié)果進(jìn)行全球變暖背景下晴空湍流的未來(lái)變化預(yù)估研究是可行的.

3 晴空湍流未來(lái)變化趨勢(shì)預(yù)估

3.1 季節(jié)變化

首先以VWS指數(shù)為例，不同GCM驅(qū)動(dòng)下的RCM東亞地區(qū)2041—2060年250 hPa高度冬季中度湍流頻率百分比變化(相較1981—2000年)空間分布如圖5所示.四組預(yù)估結(jié)果既存在相似性，即湍流在中緯地區(qū)都將明顯增多、高緯地區(qū)為減少；又具有差異性，即頻率變化空間分布在低緯地區(qū)不一致，其中EC-EARTH試驗(yàn)(圖5a)印度半島北部湍流增多超過(guò)200%、西北太平洋地區(qū)略有增多，GFDL-ESM2M試驗(yàn)(圖5c)印度半島北部湍流減少、西北太平洋地區(qū)明顯增多.不同預(yù)估結(jié)果給出的湍流頻率百分比變化區(qū)域平均值同樣差別較大，EC-EARTH試驗(yàn)顯示中度湍流將增多71.9%，其次為MPI-ESM-LR試驗(yàn)的60.0%和GFDL-ESM2M試驗(yàn)的44.5%，最后為CNRM-CM5試驗(yàn)的39.4%.采用多模式集合平均方式可以有效降低預(yù)估結(jié)果具有的不確定性(Wang et al., 2019).

為此，圖6進(jìn)一步給出了所有指數(shù)中度湍流頻率百分比變化空間分布，圖6a即為圖5各組結(jié)果的等權(quán)重平均.由圖6可見(jiàn)，VWS、Dutton、Brown2、-Ri、TI3、TI1、NCSU1和TI2指數(shù)均顯示在20°N—40°N間湍流明顯增多；NGM2、NVA、VORSQ、|HWS|和Brown1指數(shù)則顯示在40°N以北湍流明顯增多；Endlich和TEMPG指數(shù)為30°N以南湍流明顯增多；IAwind、|UBF|和|DIV|指數(shù)顯示青藏高原地區(qū)湍流顯著增多.從區(qū)域平均百分比變化來(lái)看，VWS、Dutton和Brown2指數(shù)對(duì)應(yīng)的湍流增幅均超過(guò)了50%，DFE和|UBF|指數(shù)增幅不足10%，|DIV|指數(shù)甚至顯示湍流將減少2.84%.本文參照Storer等(2017)的方案，假設(shè)所有指數(shù)都具有相等的重要性，利用多指數(shù)結(jié)果等權(quán)重平均方式得到晴空湍流最終變化結(jié)果.

圖7為各強(qiáng)度湍流在不同季節(jié)的頻率百分比變化空間分布，圖7l即為圖6中21個(gè)指數(shù)結(jié)果的等權(quán)重平均，圖中黑色實(shí)線包圍區(qū)域表示有超過(guò)2/3的指數(shù)(7個(gè)或14個(gè))具有一致的變化趨勢(shì)，即變化結(jié)果通過(guò)了顯著性為90%的雙尾二項(xiàng)式檢驗(yàn)(two-tailed binomial test)，此時(shí)零假設(shè)(null hypothesis)為所有指數(shù)都是相互獨(dú)立的，且未來(lái)為增大或減小的概率相同.由圖7可見(jiàn)，未來(lái)所有季節(jié)中均具有湍流強(qiáng)度越強(qiáng)、湍流頻率增幅越大的特征.冬季頻率百分比變化從輕度湍流(圖7d)的增多17.9%到重度湍流(圖7t)的增多58.0%，增幅跨度在所有季節(jié)中最大.跨度次之的是秋季和夏季，最小的為春季.對(duì)比不同季節(jié)變化結(jié)果可以發(fā)現(xiàn)，各強(qiáng)度湍流均在冬季增加最多，春季和秋季次之，夏季最少；以中度湍流為例，冬季平均增幅達(dá)到了27.0%(圖7l)，春季和秋季分別為13.6%(圖7i)和12.6%(圖7k)，夏季只有6.70%(圖7j).從空間變化結(jié)果還可以發(fā)現(xiàn)，夏季和秋季輕度(圖7b—c)、輕-中度(圖7f—g)、中度(圖7j—k)、中-重度湍流(圖7n—o)在30°N以南局部地區(qū)將減少，但減幅均未超過(guò)30%.

圖3 東亞地區(qū)250 hPa高度1981—2000年VWS指數(shù)氣候平均態(tài)RCM模擬結(jié)果與ERA-Interim再分析結(jié)果(經(jīng)0～1標(biāo)準(zhǔn)化處理)的空間分布.模擬結(jié)果分別來(lái)自CNRM-CM5、GFDL-ESM2M、EC-EARTH和MPI-ESM-LR驅(qū)動(dòng)的WRF試驗(yàn)Fig.3 Spatial distributions of the climatological mean state of VWS diagnostic (normalized into 0～1) by RCM simulations and ERA-Interim reanalysis over East Asia in 1981—2000 at 250 hPa. The simulation results come from CNRM-CM5, GFDL-ESM2M, EC-EARTH, and MPI-ESM-LR driven WRF experiments, respectively

3.2 高度變化

本節(jié)進(jìn)一步將晴空湍流未來(lái)變化趨勢(shì)預(yù)估范圍擴(kuò)展到200 hPa和300 hPa高度，從而可以涵蓋更多的飛行高度層.表3給出了兩個(gè)高度層上五種強(qiáng)度湍流在各季節(jié)的頻率百分比變化區(qū)域平均結(jié)果.與250 hPa類(lèi)似，200 hPa和300 hPa上同樣存在湍流強(qiáng)度越強(qiáng)、湍流頻率增幅越大的特征.增幅跨度在200 hPa除春季低于30%外，其他季節(jié)均高于30%；300 hPa則相反，只有冬季高于30%，其他季節(jié)均低于30%.200 hPa和300 hPa上也均存在各強(qiáng)度湍流冬季增幅最大、夏季增幅最小的特征(200 hPa高度重度湍流除外).從不同高度變化結(jié)果對(duì)比來(lái)看，200 hPa和250 hPa上各強(qiáng)度湍流增幅普遍大于300 hPa，其中夏季輕度和輕-中度湍流在300 hPa上還將有所減少.此外，各強(qiáng)度湍流增幅在夏季和秋季隨高度降低逐步減小，春季和冬季則250 hPa高度上增幅最大，其次為200 hPa高度，最后為300 hPa高度.

表3 2041—2060年各季節(jié)五種強(qiáng)度湍流(輕度、輕-中度、中度、中-重度和重度)在兩個(gè)高度層上(200 hPa和300 hPa)的東亞平均頻率百分比變化(相較1981—2000年).變化結(jié)果為21個(gè)指數(shù)的等權(quán)重平均，各指數(shù)結(jié)果來(lái)自CNRM-CM5、GFDL-ESM2M、EC-EARTH和MPI-ESM-LR驅(qū)動(dòng)的WRF試驗(yàn)的等權(quán)重平均

表4給出了中國(guó)地區(qū)不同子區(qū)域(東北、東南、西北、西南)平均的三個(gè)高度層上(200 hPa、250 hPa和300 hPa)五種強(qiáng)度湍流季節(jié)平均頻率百分比變化結(jié)果.由表4可見(jiàn)，所有子區(qū)域中均存在湍流強(qiáng)度越強(qiáng)、湍流頻率增幅越大的特征，且200 hPa和250 hPa上增幅普遍大于300 hPa.從不同子區(qū)域變化結(jié)果對(duì)比來(lái)看，緯度越高的區(qū)域，湍流頻率增幅也越大(西北地區(qū)大于西南地區(qū)、東北地區(qū)大于東南地區(qū))，且這一特征在所有湍流強(qiáng)度類(lèi)別和所有高度層上均存在.在緯度偏北的子區(qū)域中，幾乎所有高度層和所有強(qiáng)度湍流都存在增幅“東高西低”的分布特征(250 hPa高度重度湍流除外)；而緯度偏南的子區(qū)域中，湍流增幅只在200 hPa高度上具有類(lèi)似特征，250 hPa和300 hPa上則為“西高東低”分布特征.

表4 2041—2060年季節(jié)和中國(guó)地區(qū)子區(qū)域(東北、東南、西北、西南)平均的五種強(qiáng)度湍流(輕度、輕-中度、中度、中-重度和重度)在三個(gè)高度層上(200 hPa、250 hPa和300 hPa)的頻率百分比變化(相較1981—2000年).變化結(jié)果為21個(gè)指數(shù)的等權(quán)重平均，各指數(shù)結(jié)果來(lái)自CNRM-CM5、GFDL-ESM2M、EC-EARTH和MPI-ESM-LR驅(qū)動(dòng)的WRF試驗(yàn)的等權(quán)重平均

3.3 可能成因分析

Collins等(2013)指出，未來(lái)大氣潛熱釋放增加將使熱帶地區(qū)對(duì)流層上部大氣增暖幅度高于對(duì)流層下部，同時(shí)大氣紅外輻射特征的改變導(dǎo)致極地平流層下部大氣具有冷卻趨勢(shì).發(fā)生在對(duì)流層上部-平流層下部的大氣升溫差異使赤道-極地溫度梯度進(jìn)一步加大，從而引起中緯度地區(qū)垂直風(fēng)切變作用增強(qiáng)，并最終導(dǎo)致該區(qū)域晴空湍流出現(xiàn)頻率增大(Lee et al., 2019).此外，全球變暖背景下中緯度地區(qū)高空急流的增強(qiáng)也可能引起晴空湍流的增多(Delcambre et al., 2013).參照以上解釋?zhuān)疚膶?duì)RCM模擬的東亞地區(qū)2041—2060年風(fēng)場(chǎng)和溫度場(chǎng)變化特征(相較1981—2000年)進(jìn)行了簡(jiǎn)要分析.圖8為不同季節(jié)250 hPa高度大氣溫度變化和垂直風(fēng)切變變化的空間分布.所有季節(jié)中均存在緯度越低、大氣升溫幅度越大的現(xiàn)象，且經(jīng)向升溫差異冬季(圖8d)最明顯，春季(圖8a)和秋季(圖8c)次之，夏季(圖8b)最不明顯.這也導(dǎo)致中緯度地區(qū)垂直風(fēng)切變作用冬季增強(qiáng)最多，夏季增強(qiáng)最少，并且與圖7給出的不同季節(jié)湍流頻率百分比變化空間分布具有較好對(duì)應(yīng)關(guān)系.圖9給出了東亞地區(qū)各季節(jié)大氣溫度變化和u風(fēng)速變化的經(jīng)向-垂直分布.在所有季節(jié)中，200～250 hPa高度30°N以南地區(qū)均存在明顯的大氣升溫中心，且伴隨緯度的升高，升溫幅度逐漸減??；經(jīng)向溫度梯度增強(qiáng)引起u風(fēng)速增大，特別在冬季(圖9d)和春季(圖9a)增大作用明顯，這也進(jìn)一步解釋了未來(lái)晴空湍流頻率為何在冬季和春季具有較大增幅.

圖4 東亞地區(qū)250 hPa高度1981—2000年TI1指數(shù)和NGM2指數(shù)氣候平均態(tài)RCM模擬結(jié)果與ERA-Interim再分析結(jié)果(經(jīng)0～1標(biāo)準(zhǔn)化處理)空間相關(guān)系數(shù)(CORR)和均方根誤差(RMSE).模擬結(jié)果分別來(lái)自CNRM-CM5、GFDL-ESM2M、EC-EARTH和MPI-ESM-LR驅(qū)動(dòng)的WRF試驗(yàn)Fig.4 The spatial correlation coefficient (CORR) and root-mean-square error (RMSE) between RCM simulations and ERA-Interim reanalysis of climatological mean state in TI1 and NGM2 (normalized into 0～1) over East Asia in 1981—2000 at 250 hPa. The simulation results come from CNRM-CM5, GFDL-ESM2M,EC-EARTH, and MPI-ESM-LR driven WRF experiments, respectively

圖5 東亞地區(qū)2041—2060年250 hPa高度冬季VWS指數(shù)中度湍流頻率百分比變化(相較1981—2000年)空間分布.空間分布按照東亞平均結(jié)果(粗斜體字)由大到小排列(從左至右、從上至下)，并分別來(lái)自EC-EARTH，MPI-ESM-LR，GFDL-ESM2M和CNRM-CM5驅(qū)動(dòng)的WRF試驗(yàn)Fig.5 Spatial distributions of the percentage changes (compared with 1981—2000) in winter occurrence frequency for moderate turbulence by VWS diagnostic in 2041—2060 over East Asia at 250 hPa. The distributions are ordered (from left to right and top to bottom) from the largest to smallest regional-mean percentage changes (bold italic numbers). The changes are calculated from EC-EARTH, MPI-ESM-LR, GFDL-ESM2M, and CNRM-CM5 driven WRF experiments, respectively

圖7 東亞地區(qū)2041—2060年250 hPa高度各季節(jié)五種強(qiáng)度湍流(輕度、輕-中度、中度、中-重度和重度)頻率百分比變化(相較1981—2000年)空間分布.變化結(jié)果為21個(gè)指數(shù)的等權(quán)重平均，各指數(shù)結(jié)果來(lái)自CNRM-CM5、GFDL-ESM2M、EC-EARTH和MPI-ESM-LR驅(qū)動(dòng)的WRF試驗(yàn)的等權(quán)重平均.粗斜體字為東亞平均頻率百分比變化.黑色實(shí)線包圍的區(qū)域代表有超過(guò)2/3的指數(shù)(7個(gè)或14個(gè))具有一致變化趨勢(shì)，即變化結(jié)果通過(guò)了顯著性為90%的雙尾二項(xiàng)式檢驗(yàn)，零假設(shè)為所有指數(shù)都相互獨(dú)立，且未來(lái)為增大或減小的概率相同F(xiàn)ig.7 Spatial distribution of the percentage changes (compared with 1981—2000) in occurrence frequency for five turbulence strength categories (light, light-to-moderate, moderate, moderate-to-severe and severe) in four seasons in 2041—2060 over East Asia at 250 hPa. The changes are equal-weight averaged over all 21 clear-air turbulence diagnostics, which from EC-EARTH, MPI-ESM-LR, GFDL-ESM2M, and CNRM-CM5 driven WRF experiments, respectively. The bold italic numbers indicate the regional-mean percentage changes. The black lines delineate the regions in which over two-thirds of the diagnostics (7 and 14) agree on the sign of the change. Within these regions, the agreement on the sign of the change is statistically significant at the 90% level according to the two-tailed binomial test, under the null hypothesis that each of the 21 diagnostics is independent and equally likely to increase or decrease

圖9 東亞地區(qū)2041—2060年各季節(jié)大氣溫度變化(填圖)和u風(fēng)速變化(等值線)(相較1981—2000年)的經(jīng)向-垂直分布(70°E—140°E平均).變化結(jié)果為EC-EARTH，MPI-ESM-LR，GFDL-ESM2M和CNRM-CM5驅(qū)動(dòng)的WRF試驗(yàn)的等權(quán)重平均Fig.9 Meridional-vertical distribution (70°E—140°E mean) of the four seasonal changes (compared with 1981—2000) in atmosphere temperature (shading) and u velocity (contour lines) in 2041—2060 over East Asia. The changes are equal-weight averaged from EC-EARTH, MPI-ESM-LR, GFDL-ESM2M, and CNRM-CM5 driven WRF experiments, respectively

4 結(jié)論和討論

本文利用CMIP5提供的四個(gè)GCM(CNRM-CM5、GFDL-ESM2M、EC-EARTH和MPI-ESM-LR)分別驅(qū)動(dòng)RCM(WRF)，對(duì)CORDEX東亞地區(qū)當(dāng)代和RCP 8.5情景下未來(lái)氣候進(jìn)行高分辨率模擬.分別選取1981—2000年和2041—2060年作為研究時(shí)段，利用21個(gè)晴空湍流指數(shù)對(duì)東亞地區(qū)三個(gè)高度層上(200 hPa、250 hPa和300 hPa)五種強(qiáng)度湍流(輕度、輕-中度、中度、中-重度和重度)在各季節(jié)的頻率變化進(jìn)行了預(yù)估，得到如下結(jié)論：

(1)RCM能夠較好再現(xiàn)東亞地區(qū)當(dāng)代高空風(fēng)場(chǎng)、溫度場(chǎng)和高度場(chǎng)的氣候平均態(tài)空間分布，同時(shí)對(duì)晴空湍流指數(shù)分布特征亦具有較好模擬能力.

(2)未來(lái)東亞地區(qū)所有季節(jié)中均存在湍流強(qiáng)度越強(qiáng)、湍流頻率增幅越大的特征，且增幅均為冬季最大，春季和秋季次之，夏季最小.

(3)200 hPa和250 hPa上各強(qiáng)度湍流增幅普遍大于300 hPa，且夏季和秋季增幅隨高度降低而減小，春季和冬季則250 hPa上增幅最大，300 hPa上增幅最小；緯度越高的子區(qū)域湍流頻率增幅越大，且北方地區(qū)在所有高度層都具有增幅“東高西低”分布特征，南方地區(qū)則250 hPa和300 hPa上為“西高東低”分布特征.

(4)未來(lái)東亞中緯度地區(qū)垂直風(fēng)切變作用增強(qiáng)可能是引起晴空湍流增多的重要原因之一；高空急流的變化同樣對(duì)晴空湍流變化有所影響.

需要指出的是，在本研究中仍然存在許多不足和待改進(jìn)方面.首先，盡管本文研究結(jié)果能夠?yàn)轱w機(jī)制造行業(yè)或民航管制部門(mén)提供一定參考，但從業(yè)務(wù)運(yùn)行角度出發(fā)，由于RCM空間分辨率仍相對(duì)較低，無(wú)法得到針對(duì)航路尺度(水平寬度20 km、垂直間隔300 m)的晴空湍流發(fā)生頻率或發(fā)生強(qiáng)度預(yù)估結(jié)果，這是可改進(jìn)的方面之一.其次，利用RCM進(jìn)行降尺度研究與GCM的選取直接相關(guān)，不同GCM提供的大氣背景場(chǎng)資料不同，很可能導(dǎo)致預(yù)估結(jié)果出現(xiàn)較大的差異；此外，溫室氣體排放與政治、經(jīng)濟(jì)、社會(huì)等諸多因素有關(guān)，想要準(zhǔn)確量化未來(lái)溫室氣體排放情景是非常困難的.因此，在今后的研究中應(yīng)繼續(xù)使用多模式、多指數(shù)集合平均方式以降低預(yù)估結(jié)果可能具有的不確定性，并且還需要引入更多的溫室氣體排放情景(如RCP 2.6、RCP 4.5、RCP 6.0等)開(kāi)展預(yù)估研究.最后，利用具有更高空間分辨率的新一代耦合模式比較計(jì)劃CMIP6(Eyring et al., 2015)結(jié)果作為驅(qū)動(dòng)場(chǎng)開(kāi)展RCM降尺度研究也是可改進(jìn)的一個(gè)方面.