潘延 張洋 李舒婷

(南京大學 大氣科學學院，南京 210023)

引 言

青藏高原擁有250萬平km2的廣闊面積和超過4 km的平均高度，具有除極地地區(qū)外最大的冰儲量，是亞洲十余條重要河流的發(fā)源地，為超過20億人口提供必需的水資源[1]。青藏高原也是氣候變化的響應敏感區(qū)。政府間氣候變化專門委員會(Intergovernmental Panel on Climate Change, IPCC)第六次評估報告[2]指出，在全球變暖背景下，青藏高原冬春季節(jié)增溫顯著，積雪消退，高溫事件的強度和頻次顯著提升，由此引發(fā)的水文和氣候變化將對周邊和下游地區(qū)居民的生活產(chǎn)生重要影響。諸多研究顯示，青藏高原的熱力狀態(tài)，通過影響周邊的大氣環(huán)流，可以影響東亞及下游更廣闊地區(qū)的天氣氣候特征[3-12]。最新研究顯示[13]，高原春季的熱力狀態(tài)，可以進一步影響東亞的夏季降水，成為次季節(jié)—季節(jié)氣候預測的重要因子。因此，理解和模擬青藏高原的氣溫變化對于短期氣候預測、應對氣候變化的影響等均有重要意義。

已有研究顯示，高原春季的表面氣溫不僅受到高原局地輻射反射率等因素影響，高原土壤溫濕度和前期積雪等往往對高原春季表面氣溫的影響更顯著[14-16]，而高原土壤溫濕度和前期的積雪常受到冬季大尺度大氣環(huán)流的顯著影響[5,17-24]。研究[16,25]顯示，北大西洋海溫異?？赏ㄟ^激發(fā)異常Rossby波列，并通過向下游傳播影響不同季節(jié)的高原降水。冬季北極海冰變化引發(fā)的類似北極濤動(Arctic Oscillation, AO)響應會激發(fā)南傳的Rossby波，在高原上空形成有利于水汽輸入的環(huán)流配置。ZHANG，et al[15]發(fā)現(xiàn)，當冬季大氣環(huán)流在高原上游的北極—大西洋區(qū)域呈現(xiàn)AO正位相的大氣環(huán)流特征、下游的東亞—太平洋區(qū)域呈現(xiàn)西太平洋遙相關(guān)型(Western Pacific Teleconnection Pattern, WP)負位相的大氣環(huán)流特征時，從北極及高緯地區(qū)可以激發(fā)出南、北兩支行星尺度波列向歐亞大陸傳播，分別帶來暖濕氣流和冷空氣在高原上空匯合，形成有利于高原降雪的水汽條件和動力條件，有利于形成大范圍的降雪，使高原冬春積雪偏多、春季高原地溫偏低，通過土壤的記憶作用使春季高原近地面氣溫偏低。這一高原春季熱力異常可以進一步影響下游東亞區(qū)域的夏季降水。這些研究揭示了冬季北半球大氣環(huán)流和高原冬春表面氣溫之間的相關(guān)關(guān)系。

氣候模式是研究氣候系統(tǒng)內(nèi)相互作用機理、進行氣候預測和開展氣候變化預估的主要工具。然而，由于復雜的地形、氣候過程的多樣性及長期觀測數(shù)據(jù)的缺乏，高原氣候的模擬一直是氣候模擬中最薄弱的環(huán)節(jié)之一[26-29]。同時，極地—中高緯度大氣由于其多尺度、強非線性、變率復雜等特點，氣候模式對其模擬能力一直較熱帶及低緯度地區(qū)偏弱。因此，當前的氣候模式對觀測中所發(fā)現(xiàn)的冬季中高緯大氣環(huán)流和青藏高原的冬春表面氣溫的相關(guān)關(guān)系的模擬能力如何？這是利用氣候模式深入研究青藏高原的氣候變化之前所需要回答的問題。世界氣候研究計劃(World Climate Research Programme, WCRP)組織的耦合模式比較計劃(Coupled Model Intercomparison Project, CMIP)為國際耦合模式的評估和發(fā)展提供了重要的平臺。參與該計劃的試驗數(shù)據(jù)被廣泛應用于氣候變化相關(guān)機理以及未來氣候變化特征預估等方面的研究，其結(jié)果是IPCC評估報告的重要內(nèi)容之一。截至目前，第六次國際耦合模式比較計劃的模式試驗數(shù)據(jù)已經(jīng)公布。其中歷史情景模擬試驗(Historical Simulations)是在基于觀測的、隨時間變化的、各種外強迫驅(qū)動下進行的1850年以來的歷史氣候模擬。該結(jié)果常用來評估模式對氣候變化的模擬能力，是研究模式性能時常用的指標性情景之一。

本文將評估CMIP第五次和第六次比較計劃中各自36個和39個模式歷史情景試驗的模擬結(jié)果，通過與基于觀測的再分析資料中的大氣環(huán)流—高原氣溫之間的相關(guān)關(guān)系對比，回答下列問題：CMIP5和CMIP6模式能夠在何種程度上模擬出冬季北半球大氣環(huán)流和同后期的高原氣溫之間的相關(guān)關(guān)系？模式是否在模擬出相關(guān)關(guān)系的同時能模擬出此關(guān)系背后的物理機制？這些問題的回答對利用氣候模式研究高原的氣候變率和氣候變化、提升模式對北半球極地—中高緯度地區(qū)和高原地區(qū)的氣候模擬和預測能力都有科學和實際意義。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)

本文使用36個CMIP5模式和39個CMIP6模式的模擬結(jié)果進行評估。表1、2分別列出了本研究用到的CMIP5和CMIP6模式。在這些模式中，有相當一部分模式為同源模式，均參加了CMIP5和CMIP6的模式比較計劃，例如CMIP5的ACCESS1-0、BCC-CSM1-1、CMCC-CM、CanESM2、FGOALS-g2、GFDL-ESM2G、GISS-E2-H-CC、GISS-E2-H、INMCM4、IPSL-CM5A-LR、FIO-ESM、MIROC5、MPI-ESM-LR、MRI-ESM1、NorESM1-M，對應CMIP6中的ACCESS-CM2、BCC-CSM2-MR、CMCC-CM2-SR5、CanESM5、FGOALS-g3、GFDL-ESM4、GISS-E2-1-H、GISS-E2-2-H、INM-CM5-0、IPSL-CM6A-LR、FIO-ESM-2-0、MIROC6、MPI-ESM1-2-LR、MRI-ESM2-0、NorESM2-LM。本文也將通過這些模式在CMIP5和CMIP6中的表現(xiàn)，綜合評估CMIP模式在大氣環(huán)流—高原氣候耦合關(guān)系的模擬能力的改進。

表1 本文使用的36個CMIP5模式列表

本研究所用的每個CMIP5(CMIP6)模式均選擇了歷史情景下的r1i1p1(r1i1p1f1)集合月平均輸出結(jié)果。這一設定保證所選集合成員具有類似的初始條件、物理方案和海溫等邊界條件的配置。由于這一情景下CMIP5(CMIP6)模式的輸出統(tǒng)一截止到2004(2014)年，本文選擇了1973—2004(2014)年的模擬數(shù)據(jù)用于對比和評估。為了便于對比，模式輸出的近地面數(shù)據(jù)使用雙線性插值法被統(tǒng)一插值到0.5°×0.5°格點上，其他高度數(shù)據(jù)被統(tǒng)一插值到1°×1°格點上。CMIP模式對耦合關(guān)系的模擬結(jié)果被用來與實際觀測中冬季大氣環(huán)流—春季青藏高原表面氣溫之間的耦合關(guān)系進行對比。本文觀測中的表面氣溫使用了美國國家大氣與海洋管理局(NOAA)氣侯異常監(jiān)測系統(tǒng)(Climate Anomaly Monitoring System，CAMS)的月平均2 m氣溫再分析數(shù)據(jù)集[30]，空間分辨率為0.5°×0.5°。之前的多項研究通過使用多種站點資料證明了CAMS近地面氣溫數(shù)據(jù)能夠較好反映青藏高原地表溫度的變化特征。大氣環(huán)流數(shù)據(jù)使用了歐洲中心第五代再分析數(shù)據(jù)集(ERA5)[31]的月平均位勢高度和風場資料，空間分辨率為1°×1°。再分析資料的時間范圍均為1973—2020年。研究中還使用了NCEP-Ⅰ和NCEP-Ⅱ再分析數(shù)據(jù)集來分析驗證觀測中冬季大氣環(huán)流與高原表面氣溫之間的耦合關(guān)系，得到的結(jié)果與使用ERA5數(shù)據(jù)得到的結(jié)果相似，因此本文只展示ERA5的分析結(jié)果與模式結(jié)果進行對比。

表2 本文使用的39個CMIP6模式列表

1.2 方法

本文主要運用最大協(xié)方差分析方法(Maximum Covariance Analysis, MCA)計算分析北半球大氣環(huán)流場與青藏高原表面氣溫的耦合關(guān)系。通過對北半球冬春季不同月份的熱帶外(20°～85°N)200 hPa位勢高度場和同、后期青藏高原近地面2 m氣溫的協(xié)方差矩陣進行奇異值分解，得到兩變量場之間的耦合MCA模態(tài)，以及隨之得到的兩組時間主成分(時間序列)。通過將兩組變量場回歸到各自的時間主成分得到同性回歸系數(shù)場，并將變量場回歸到另一變量的時間主成分上，得到異性回歸系數(shù)場。

本文選擇解釋方差占比最大的一組MCA結(jié)果作為最主要模態(tài)進行分析，并使用蒙特卡洛方法檢驗MCA結(jié)果的顯著性水平。本文所用的蒙特卡洛方法是一種隨機抽樣檢驗方法，通過打亂并重排兩組變量場的其中一組的時間順序構(gòu)建一個新變量場，再與另一組原始變量場重新計算MCA解釋方差占比。如此重復較多次后將每次的MCA解釋方差按從大至小順序排列成一新數(shù)組，原場MCA的解釋方差在該單調(diào)遞減的解釋方差數(shù)組中所處的百分位數(shù)即可用來確定其顯著性水平。

在評價模式模擬技巧時，本文用到的指標主要有：空間相關(guān)系數(shù)R、中心化均方根誤差E′、空間場標準差σ和由這三者計算的技巧評分SC[32]。模式與觀測結(jié)果之間的R越大、E′越小、σ越相似意味著模擬效果越好。R、E′和SC的計算方法如公式(1)、(2)、(3)所示。

(1)

(2)

(3)

本文通過診斷MCA結(jié)果對應環(huán)流場空間模態(tài)激發(fā)的波活動通量(Wave Activity Flux，WAF)來分析冬季北半球大氣環(huán)流和青藏高原氣候異常的聯(lián)系機制。本文采用Takaya, et al[33]提出的方法計算波活動通量。該方法假設背景流緯向非均勻且緩慢變化，使用擾動流函數(shù)和背景流場計算得到波活動通量。具體的方法如式(4)所示：

(4)

其中：U為風速；ψ′為擾動流函數(shù)；x表示經(jīng)向距離；y表示緯向距離；p表示垂直氣壓；f0表示科里奧利參數(shù)；S表示浮力頻率。在準地轉(zhuǎn)的假設下，波活動通量方向可表征大尺度波動的能量傳播方向，WAF的診斷可以揭示影響高原氣候的遙相關(guān)波列，幫助分析冬季大氣環(huán)流與高原氣候的遙相關(guān)機制。

2 主要結(jié)果

2.1 模式模擬的相關(guān)關(guān)系

冬春季節(jié)北半球大氣環(huán)流十分活躍，高原降水、積融雪情況復雜，這一時期內(nèi)大氣環(huán)流與高原氣候之間的關(guān)系變化迅速。已有分析表明[15]，冬末的大氣環(huán)流異常與隨后春季青藏高原氣溫的遙相關(guān)關(guān)系具有次季節(jié)尺度的變化特征，表現(xiàn)為2月大氣環(huán)流場與同期及后期高原氣溫之間的相關(guān)性逐漸增強，到4月相關(guān)關(guān)系最強，之后相關(guān)關(guān)系迅速消失。即當2月大氣環(huán)流在高原上游的北極—大西洋區(qū)域呈現(xiàn)AO正位相的大氣環(huán)流特征、下游的東亞—太平洋區(qū)域呈現(xiàn)西太平洋遙相關(guān)型負位相的大氣環(huán)流特征時，從北極及高緯地區(qū)激發(fā)的波列向下游傳播到達青藏高原上空，有利于在高原形成大范圍的降雪，引起后期尤其是4月高原氣溫偏冷。為了盡可能全面地討論模式模擬的環(huán)流—高原之間的相關(guān)關(guān)系，在模式評估時將時間范圍放寬到冬春季的1—5月間，對這一時間段內(nèi)的北半球大氣環(huán)流和同后期青藏高原2 m氣溫逐月計算MCA結(jié)果，并進行蒙特卡洛顯著性檢驗，選擇顯著性超過α=0.05的大氣環(huán)流—高原氣溫MCA模態(tài)。在本文的分析中，將主要關(guān)注這些顯著的耦合模態(tài)。

圖1給出了歷史情景下觀測中及36個CMIP5模式的模擬結(jié)果中北半球200 hPa位勢高度場與同后期高原2 m氣溫的MCA模態(tài)通過α=0.05顯著性檢驗的情況。再分析資料的MCA結(jié)果中，2月環(huán)流與2—4月高原氣溫的耦合關(guān)系均超過α=0.05的顯著性水平，并且兩組變量各自的時間主成分相關(guān)系數(shù)均超過了0.5，呈顯著相關(guān)。這與之前的研究結(jié)論一致，即冬季大氣環(huán)流和春季青藏高原熱力狀態(tài)之間存在很強且顯著的相關(guān)性。在CMIP5的模擬結(jié)果中，一共有26個CMIP5模式重現(xiàn)出了顯著的耦合關(guān)系(除ACCESS1-0、CMCC-CMS、CMCC-CM、GFDL-CM3、GFDL-ESM2G、GISS-E2-H、GISS-E2-R-CC、HadGEM2-CC、MIROC-ESM-CHEM、NorESM-M外)。這些模式結(jié)果顯示了1—4月位勢高度場與同后期的青藏高原氣溫之間顯著的相關(guān)關(guān)系。相比之下，圖2中有37個CMIP6模式(除CESM-FV2、INM-CM5-0)模擬出了顯著的環(huán)流—高原耦合關(guān)系，覆蓋了更多月份的位勢高度場—高原氣溫組合，表明在CMIP6中有更多的模式能夠模擬出冬季大氣環(huán)流場和高原冬春氣溫之間的耦合關(guān)系。

圖1 觀測與CMIP5模式中不同月份的200 hPa位勢高度場與同后期青藏高原2 m溫度場的MCA結(jié)果(藍色顯示高于α=0.05顯著性的MCA結(jié)果)

圖2 與圖1相似，但為CMIP6模式的結(jié)果

為評估模式對耦合關(guān)系的模擬，本文選擇了觀測中2月北半球大氣環(huán)流場和4月青藏高原2 m氣溫場的MCA結(jié)果作為模式評估的參考標準。這一MCA模態(tài)的時間主成分之間相關(guān)系數(shù)超過0.63，解釋方差最大，為81%，表明了兩組要素場之間存在高度的相關(guān)性。其持續(xù)時間在冬春之間，最能夠代表冬季環(huán)流場和春季高原之間的耦合關(guān)系?；谶@一標準，首先對模式模擬中通過顯著性檢驗的各MCA空間模態(tài)進行了評估。圖3給出了CMIP5模式中不同模式、不同月份組合的MCA模態(tài)的泰勒分布。對于CMIP5模式，大部分模式的位勢高度回歸系數(shù)場空間相關(guān)性在0～7(圖3a、b)，有11個模式的相關(guān)系數(shù)超過0.5：ACCESS1-3，CESM1-BGC，CESM1-CAM5，CMCC-CESM，CSIRO-Mk3-6-0，HadGEM2-AO，HadGEM2-ES，IPSL-CM5A-LR，IPSL-CM5A-MR，IPSL-CM5B-LR，MPI-ESM-LR。這些模式結(jié)果的標準差都大于參考模態(tài)的標準差，中心均方根誤差也較大，表明模式模擬結(jié)果相對于參考態(tài)仍有較大偏差。在模擬高原氣溫回歸系數(shù)場時(圖3c、d)，CMIP5模式的表現(xiàn)均弱于它們在模擬位勢高度場上的表現(xiàn)，所有結(jié)果與參考態(tài)的空間相關(guān)性都在0.4以下，相對標準差分布也更分散，這表明當前的氣候模式在模擬高原氣候時仍有很大提升空間。

圖3 36個CMIP5模式的200 hPa位勢高度場—高原2 m氣溫場MCA結(jié)果的泰勒分布：(a)位勢高度場同性回歸系數(shù)場；(b)位勢高度場異性回歸系數(shù)場；(c)高原2 m氣溫場同性回歸系數(shù)場；(d)高原2 m氣溫場異性回歸系數(shù)場

CMIP6模式模擬的MCA模態(tài)中，位勢高度場與觀測中的情況有更強的相似性(圖4a、b)。ACCESS-ESM1-5，BCC-CSM2-MR，CAMS-CSM1-0，CAS-ESM2-0，CESM2-WACCM，E3SM-1-1，F(xiàn)IO-ESM-2-0，GISS-E2-1-G，GISS-E2-2-H，INM-CM4-8，IPSL-CM6A-LR-INCA，IPSL-CM6A-LR，KIOST-ESM，MPI-ESM1-2-LR，MRI-ESM2-0，NorESM2-MM等16個模式的相關(guān)系數(shù)超過0.5，相對標準差也更集中分布在1.0附近，比CMIP5的模擬結(jié)果更接近觀測中情況。當進入5月后，MCA模態(tài)中位勢高度場與參考態(tài)之間的相關(guān)系數(shù)減小到0.3以下(未顯示)，表明模擬的耦合關(guān)系在春末發(fā)生較大改變，和實際觀測情況相比出現(xiàn)了較大偏差。CMIP6模式對高原氣溫回歸系數(shù)場的模擬結(jié)果(圖4c、d)同樣相比對大氣環(huán)流場的模擬偏弱，且相對CMIP5模式改進不明顯。根據(jù)泰勒分布的結(jié)果，CMIP5和CMIP6共同特點是對耦合模態(tài)中位勢高度同性場的模擬結(jié)果比其他結(jié)果更具有區(qū)分度，因此更適合用于評估不同模式結(jié)果對冬季大氣環(huán)流—同后期高原氣溫耦合關(guān)系的模擬能力。

圖4 和圖3相同，但為CMIP6模式的結(jié)果

在對MCA耦合模態(tài)時間變率的模擬上，CMIP5模式的模擬結(jié)果與觀測結(jié)果的相關(guān)性較弱，模式與觀測時間主成分的相關(guān)系數(shù)范圍在-0.3～0.5之間(圖5a)。CMIP6模式模擬結(jié)果的時間相關(guān)性結(jié)果要好于CMIP5, 相關(guān)系數(shù)在-0.1～0.7之間，有更多的模式模擬出的時間變率與觀測之間顯著相關(guān)，有8個模式的相關(guān)系數(shù)超過0.5(圖6a)。大部分CMIP5和CMIP6模式都模擬出了在較長時間尺度上的青藏高原整體升溫趨勢(圖5b、6b),個別模式出現(xiàn)了微弱的增加(圖5c、6c)。模式整體上能夠模擬出高原表面氣溫的長期變化趨勢。需要注意的是，雖然CMIP模式使用了與觀測一致的外強迫，但受初值等因素的影響，模式中年際變率的時間序列常常與觀測無法一一對應。即模式雖然能模擬出觀測中的空間模態(tài)，但在模擬這些模態(tài)的位相演變時經(jīng)常出現(xiàn)偏差。因此，在分析CMIP模式的模擬結(jié)果時，通常不期望模式的時間序列與觀測的時間序列有很高的相關(guān)系數(shù)。盡管如此，本文的分析結(jié)果顯示，CMIP6模式在模擬大氣環(huán)流的年際變化規(guī)律時，其能力較CMIP5模式有了明顯提高。

圖5 36個CMIP5模式的顯著MCA結(jié)果中：(a)位勢高度場時間主成分；(b)2 m氣溫場時間主成分與觀測中對應結(jié)果的相關(guān)系數(shù)；(c)2 m氣溫場時間主成分的線性變化趨勢(黑色虛(點)線表示α=0.05(0.10)顯著性水平)

圖6 同圖5，但為39個CMIP6模式模擬結(jié)果

為了全面地量化模式的耦合關(guān)系的模擬能力，本文用Taylor[32]中的經(jīng)典評分公式計算了CMIP5和CMIP6模式模擬的技巧評分SC。利用這一基于模擬結(jié)果的空間相關(guān)系數(shù)和相對標準差的評分對所有模式的MCA模態(tài)的空間模擬能力進行綜合評價，并選擇評分大于0.35的“好”模式進一步考察其MCA模態(tài)的空間特征。在CMIP5模式中，CMCC-CESM，CESM1-CAM5，MIROC5，MPI-ESM-LR，CESM1-BGC，CSIRO-Mk3-6-0，IPSL-CM5A-LR，GISS-E2-R 8個模式獲得了超過0.35的評分(圖7)。這些模式MCA模態(tài)中的位勢高度場都具有明顯的北極—環(huán)極地區(qū)的負—正信號分布，在接近歐洲的北大西洋上空有交替分布的正負中心(圖7a2、a3、a5—a8),這些特征與觀測十分接近。值得注意的是，大部分模式MCA模態(tài)中位勢高度場上青藏高原上空均出現(xiàn)了明顯的負信號，對應著青藏高原氣溫的負異常，而CESM-BGC和CSIRO-Mk3-6-0在青藏高原上空的信號較弱或未體現(xiàn)(圖7a6、a7)，對應的高原信號也明顯弱于其他模式。上述模式中MCA模態(tài)兩組變量的時間主成分相關(guān)系數(shù)都超過0.5，表明兩者變化的高度相關(guān)性。

圖7 技巧評分超過0.35的CMIP5模式不同月份的200 hPa位勢高度場—青藏高原2 m氣溫的MCA結(jié)果：(a)位勢高度場同性相關(guān)模態(tài)；(b)2 m氣溫場異性相關(guān)模態(tài)；(c)位勢高度場(藍色)和氣溫場(黃色)對應時間主成分

在CMIP6模式中，INM-CM4-8，MPI-ESM1-2-LR，E3SM-1-1，MRI-ESM2-0，F(xiàn)IO-ESM-2-0，KIOST-ESM，CAMS-CSM1-0，CAS-ESM2-0，KACE-1-0-G，BCC-CSM2-MR，GISS-E2-2-H，ACCESS-ESM1-5 12個模式獲得了超過0.35的評分，這些模式MCA模態(tài)中的位勢高度場(圖8)同樣表現(xiàn)出了負—正的緯向偶極子結(jié)果，空間結(jié)構(gòu)比CMIP5更加規(guī)則。所有評分超過0.35的模式在北極—北大西亞上空都出現(xiàn)了清晰的負正對比，除KIOST-ESM(圖8a6)的其他模式中北太平洋的高緯度和中緯度之間都出現(xiàn)了正—負結(jié)構(gòu)，和觀測中的WP結(jié)構(gòu)相似。兩場時間主成分同樣高度相關(guān)。由此可見，CMIP6模式對大氣環(huán)流—高原氣溫耦合模態(tài)的模擬有了進一步提升。

圖8 同圖7,但為CMIP6 模式結(jié)果

為了進一步比較CMIP5和CMIP6模式對MCA模態(tài)中位勢高度場和高原氣溫場的模擬偏差，圖9、10展示了CMIP5和CMIP6各模式中顯著MCA結(jié)果與觀測值之間均方根誤差的平均值E，定義為：

(5)

其中：N代表用于計算的模式MCA結(jié)果數(shù)；f代表模式中MCA結(jié)果；r代表作為參考的觀測結(jié)果。

CMIP5模式對耦合模態(tài)中位勢高度場模擬的最大誤差分布在北極圈內(nèi)的北大西洋—格陵蘭區(qū)域、巴倫支喀拉海區(qū)域和白令海峽附近，并沿緯度下降逐漸減弱(圖9a)；氣溫場的誤差主要分布在高原中部和西南部，在觀測中信號較大的中西部區(qū)域也有分布(圖9b)。CMIP6模式對耦合模態(tài)中大氣環(huán)流場的模擬誤差的分布特征幾乎和CMIP5一致(圖10a)，但是CMIP6各模式與高原氣溫場的均方根誤差數(shù)值顯著減小(圖10b)，這說明盡管仍然存在誤差，但是CMIP6模式結(jié)果整體上更加趨近于觀測的結(jié)果。

圖9 CMIP5模式顯著 MCA結(jié)果與觀測中的:(a)位勢高度同性回歸系數(shù)場;(b)2 m氣溫異性回歸系數(shù)場之間的均方根誤差平均

圖10 同圖9，但為CMIP6模式結(jié)果

在上述對耦合模態(tài)大氣環(huán)流場模擬偏差的分析中，誤差較大的區(qū)域分布在北極圈內(nèi)的北大西洋—格陵蘭區(qū)域、巴倫支喀拉海區(qū)域和白令海峽附近。在前期的研究[14]中顯示，也是極地—高原之間的南北兩支遙相關(guān)波列產(chǎn)生的關(guān)鍵區(qū)之一。該遙相關(guān)波列對高原的冬季降水及高原春季的熱力狀態(tài)常產(chǎn)生重要影響。因此，接下來將討論模式MCA結(jié)果中大氣環(huán)流場的遙相關(guān)過程，以評估模式是否能較好模擬環(huán)流—高原遙相關(guān)耦合關(guān)系的物理機制。

2.2 遙相關(guān)關(guān)系的物理機制

上述對CMIP5和CMIP6模式模擬的MCA結(jié)果分析顯示，相比于對高原2 m氣溫場和MCA模態(tài)的時間變率的模擬，CMIP5和CMIP6模式均對耦合模態(tài)中的大氣環(huán)流場體現(xiàn)了更好的模擬能力。根據(jù)已有的研究[14]，MCA模態(tài)中的大氣環(huán)流場總體上體現(xiàn)了異位相的AO和 WP的疊加，在這種環(huán)流型下，北極附近所激發(fā)的南、北兩支行星Rossby波在高原上空附近匯合，常帶來冷暖空氣的交匯，進而引起大范圍降雪，影響后期高原的熱力狀態(tài)。在本節(jié)中，將進一步討論模式模擬的大氣環(huán)流模態(tài)以及與之相關(guān)的Rossby波波列，從而評價模式對耦合機制的模擬能力。

首先評估模式模擬的MCA模態(tài)中的大氣環(huán)流型的空間分布特征。觀測中MCA模態(tài)的大氣環(huán)流型與AO和WP在時間和空間上都具有顯著的相關(guān)關(guān)系。在時間序列上，2月北半球位勢高度場的主成分與同期AO序列的相關(guān)性達到0.36，與WP的相關(guān)性達到-0.7，均超過α=0.01的顯著性水平。為了比較CMIP各模式對這一相關(guān)性的模擬能力，本文分別計算了各模式結(jié)果中位勢高度場的時間主成分與觀測時間主成分及同期(2月)AO和WP時間序列的相關(guān)系數(shù)，得到的結(jié)果繪制在圖11上。在CMIP5和CMIP6的模式模擬中，模式與觀測時間主成分的相關(guān)系數(shù)與AO、WP的相關(guān)系數(shù)之間均出現(xiàn)了顯著的相關(guān)關(guān)系(圖11a、b)，這些模式模擬的MCA大氣環(huán)流模態(tài)與AO有良好的相關(guān)性，和WP的相關(guān)性更強。上述結(jié)果表明CMIP模式能夠正確地模擬大氣環(huán)流場的AO/WP反相位疊加的特征，并且CMIP6模式中位勢高度場相關(guān)參數(shù)整體上更加接近觀測結(jié)果。圖11進一步分析了模式和觀測中MCA模態(tài)中大氣環(huán)流場的時間序列之間的相關(guān)性與上一節(jié)使用的技巧評分SC的關(guān)系。在CMIP5模式中，兩者之間沒有顯著的相關(guān)性(相關(guān)系數(shù)為-0.16)，表明空間模擬性能較好的模式可能仍然缺乏對時間變率的模擬能力。而在CMIP6模式中，這一系數(shù)提升到0.24，超過α=0.05顯著性水平，并且分布更加密集，表明CMIP6模式對耦合模態(tài)的空間分布和時間變率模擬性能的同步性有所提高(圖11c)。

圖11 所有CMIP5/CMIP6模式顯著MCA結(jié)果的位勢高度場時間主成分與觀測對應結(jié)果的相關(guān)性與：(a)位勢高度場時間主成分與參考態(tài)同期AO序列相關(guān)性；(b)位勢高度場時間主成分與參考態(tài)同期WP序列相關(guān)性；(c)位勢高度同性回歸系數(shù)場評分的散點

本文進一步診斷比較了各模式耦合模態(tài)中大氣環(huán)流場對應的波活動通量，評價模式能否再現(xiàn)觀測中的波動能量傳播途徑及耦合關(guān)系背后的物理過程。圖12中的CMIP5模式往往能模擬出遙相關(guān)波列中單支波列的部分特征，如CMCC-CESM(圖12b), CESM1-CAM5(圖12c), MPI-ESM-LR(圖12e),IPSL-CM5A-LR(圖12h)模擬出了南支波列在歐洲大陸上空到阿拉伯海的部分(但部分在高原以西上空中斷)，這支波列與AO環(huán)流型相關(guān)；MIROC5(圖12d), CESM1-BGC(圖12f), CSIRO-Mk3-6-0(圖12g)模擬出了北支波列，這支波列會誘導形成有利于冷空氣南下到達高原的環(huán)流背景。

圖12 觀測與評分較高的CMIP5模式中波活動通量(箭矢，m2·s-2)和MCA相關(guān)流函數(shù)異常(填色，106m2·s-1)

CMIP6模式對耦合模態(tài)的模擬中更多的模式能夠模擬出類似兩支波列的結(jié)構(gòu)(FIO-ESM-2-0, 圖13e; GISS-E2-H, 圖13k)。有的模式增強了對單支波列的模擬能力，如E3SM1-1(圖13c)，CAMS-CSM1-0(圖13g)和BCC-CSM2-MR(圖13j)對南支波列的模擬。但仍有一些評分較高的模式?jīng)]有表現(xiàn)出更接近真實情況的對雙波列的模擬能力，能量傳輸?shù)闹饕窂桨l(fā)生了偏移(如ACCESS-ESM1-5，圖13l)，與觀測中的結(jié)果有明顯的不一致。有些評分較低的模式反而表現(xiàn)出了對北支波列的模擬能力(GISS-E2-1-G-CC和GISS-E2-1-H，結(jié)果未展示)。這些結(jié)果表明，在不同集合中，即使能較好模擬耦合關(guān)系的模式在動力機制上仍然可能存在不足。

圖13 同圖12，但為CMIP6模式模擬結(jié)果

同源模式的WAF診斷結(jié)果中，CMIP5中 IPSL-CM5A-LR(圖12h)模擬出了類似觀測的南支波列結(jié)構(gòu)，但是其源頭在北大西洋靠近歐洲的海面上空，而非觀測中的靠近極圈的高緯度地區(qū)。CMIP6同源模式中出現(xiàn)了BCC-CSM2-MR(圖13j), NorESM2-LM(未展示)等顯著結(jié)果，對他們的WAF診斷均發(fā)現(xiàn)了較好的波列形態(tài)，均重現(xiàn)了結(jié)構(gòu)較為完整的挪威?！⒗雿u—高原西南側(cè)的南支波列。因此，CMIP6在整體上對冬季環(huán)流和春季青藏高原氣溫的耦合關(guān)系的空間、時間模擬能力更強，對機制的捕捉能力更接近實際結(jié)果。

2.3 同源模式比較

為了全面比較CMIP全體和單個模式對大氣環(huán)流—高原氣溫耦合關(guān)系的模擬性能，本文進一步討論了15組同源模式模擬的顯著MCA結(jié)果。通過比較它們各自的空間模擬能力技巧評分(SC)、時間變率模擬能力(與觀測中大氣環(huán)流場時間主成分相關(guān)性)、重要機制復現(xiàn)能力(與AO和WP序列的相關(guān)性及模擬波列的真實性)等方面來評價它們所代表的CMIP5和CMIP6模式的模擬能力。圖14展示了CMIP5和CMIP6同源模式對各月份兩變量場之間耦合關(guān)系模擬的各項得分。結(jié)果顯示，更多的CMIP6同源模式(14個)模擬出了顯著的冬季大氣環(huán)流同后期高原氣溫之間的耦合關(guān)系，并且覆蓋了更多的月份。ACCESS-CM2, BCC-CSM2-MR, CMCC-CM2-SR5, CanESM5, FGOALS-g3, GFDL-ESM4, GISS-E2-2-H, FIO-ESM-2-0, MRI-ESM2-0, NorESM2-LM 10個模式比他們在CMIP5中的結(jié)果更好，其中有6個模式在CMIP6中首次模擬出顯著相關(guān)關(guān)系，另外4個最高相關(guān)系數(shù)高于CMIP5中結(jié)果(圖14a、b)。CMIP6同源模式對耦合模態(tài)時間變率的模擬性能有所提升，CMIP5模擬結(jié)果的相關(guān)系數(shù)平均為0.11，CMIP6為0.28。但從它們的時間主成分與AO和WP時間序列的最高相關(guān)性來看，CMIP6模式提升不明顯(CMIP5與AO/WP相關(guān)系數(shù)均值為0.06和-0.16，CMIP6為0.01和-0.17)。

圖14 CMIP5(第一列)和CMIP6(第二列)同源模式顯著MCA的空間技巧SC評分(a、b)、時間主成分與觀測時間主成分(c、d)、時間主成分與AO序列(e、f)、時間主成分與WP序列(g、h)的相關(guān)關(guān)系

3 結(jié)論

研究顯示，冬季北極—中高緯和青藏高原之間的大氣環(huán)流常通過南北兩支波列聯(lián)系在一起，顯著影響高原的冬季降雪、繼而影響高原春季的熱力狀況及夏季的東亞降水。冬季大氣環(huán)流與高原春季氣溫的這一聯(lián)系也為次季節(jié)—季節(jié)氣候預測提供了可能途徑。本文評估了CMIP5的 36個模式和 CMIP6 的39個模式對這一觀測中的相關(guān)關(guān)系的模擬能力。利用最大協(xié)方差分析方法，本文計算并比較了觀測和模式中冬季北半球200 hPa位勢高度場與同后期青藏高原近地面氣溫的耦合關(guān)系。整體而言，大部分CMIP模式能夠模擬出顯著的冬季北半球大氣環(huán)流與青藏高原冬春氣溫之間的相關(guān)關(guān)系，且CMIP6模式模擬相關(guān)特征和作用機制的能力較CMIP5均有所提升。主要結(jié)論如下：

(1)CMIP5中36個模式和CMIP6中39個模式中的冬季北半球位勢高度場與同后期青藏高原2 m氣溫場的MCA結(jié)果顯示，大部分模式能夠模擬出2月大氣環(huán)流與2—4月青藏高原2 m氣溫之間顯著的耦合關(guān)系，但是模擬結(jié)果的MCA模態(tài)的空間和時間分布特征與觀測結(jié)果的相關(guān)性因模式而異。大部分CMIP5模式的位勢高度場空間相關(guān)性在0.7以下，只有11個模式結(jié)果的空間相關(guān)性超過了0.5。這些模式結(jié)果的標準差都大于觀測中模態(tài)的標準差，中心均方根誤差也較大，表明模式結(jié)果相對于觀測結(jié)果仍有較大偏差，空間上偏差較大區(qū)域集中于北極圈附近格陵蘭、巴倫支喀拉海和白令海峽附近。CMIP6模式模擬結(jié)果中MCA模態(tài)的位勢高度場空間分布特征更貼近觀測，有16個模式的耦合關(guān)系與觀測中MCA模態(tài)的相關(guān)系數(shù)超過了0.5，最高達到0.9，相對標準差等結(jié)果也顯示其比CMIP5的結(jié)果更接近觀測。

(2)在對MCA模態(tài)年際變率的模擬上，CMIP6模式模擬的時間主成分與觀測相關(guān)性要好于CMIP5，前者有更多組結(jié)果與觀測中MCA時間主成分之間具有較強相關(guān)性。在較長時間尺度上大部分模式都模擬出了青藏高原溫度的整體升溫趨勢。本文根據(jù)Taylor[32]的技巧評分公式計算各模式對MCA大氣環(huán)流空間模態(tài)的模擬能力，以此來評價各模式的表現(xiàn)。分析顯示，在CMIP6模式的模擬中，具有較高評分的模式在時間變率的模擬上和觀測更加接近，而在CMIP5模式的模擬中，上述相關(guān)性并不明顯。

(3)本文進一步評估了各模式模擬的MCA模態(tài)背后的動力過程。觀測中MCA模態(tài)的大氣環(huán)流場與AO和WP在時間和空間上都具有顯著的相關(guān)關(guān)系，伴隨這一大氣環(huán)流場，極地—高緯度激發(fā)的南北兩支波列分別經(jīng)過挪威?！獨W洲大陸—阿拉伯半島和喀拉?！蛡愔Ш！鞑麃喢晒旁诟咴峡諈R合，影響高原的氣候。CMIP5模式的結(jié)果表明，對于模擬較好的模式，其模擬的大氣環(huán)流場與AO和WP在空間和時間上也有更好的相關(guān)性，CMIP6模式同樣如此。通過對各模態(tài)對應的波活動通量進行診斷對比，發(fā)現(xiàn)在CMIP5模式中，表現(xiàn)最好的模式能模擬出單一波列的部分特征，但是CMIP6中有更多模式對極地—高原波列具有較強的模擬能力，表現(xiàn)在有模式能夠模擬出類似兩支波列的結(jié)構(gòu)。另有一些模式增強了對單支波列的模擬能力。但空間模擬技巧評分和重現(xiàn)波列的能力并不完全對應。從波列結(jié)構(gòu)來看，CMIP6中更多模式模擬出了較好的波列形態(tài)，其中CMCC-CM2-SR5和IPSL-CM6A-LR均重現(xiàn)了結(jié)構(gòu)較為完整的挪威海-阿拉伯半島—高原西南側(cè)的南支波列，其他模式也能重現(xiàn)部分喀拉?！咴眰?cè)的北支波列。結(jié)合上述定量與定性的結(jié)果，可以認為CMIP6在整體上對冬季環(huán)流和春季青藏高原氣溫的次季節(jié)相關(guān)關(guān)系的模擬能力更強，對機制的模擬能力更接近實際結(jié)果。

(4)本研究還關(guān)注了同源模式所代表的兩代CMIP模式對冬季環(huán)流和春季青藏高原氣溫的次季節(jié)相關(guān)關(guān)系的改進。整體而言，CMIP6有更多的同源模式模擬出了冬季大氣環(huán)流—同后期高原氣溫之間的相關(guān)關(guān)系，其中有6個模式在CMIP6中首次模擬出顯著的相關(guān)關(guān)系。有4個CMIP6模式比CMIP5評分更高，其他模式的最高評分比原先略有降低。CMIP6對時間變率的模擬有所提升，但在同源模式中這一改變幅度較小。從它們的時間主成分與AO和WP系數(shù)的相關(guān)性來看，模式幾乎沒有提升。此外，盡管相較于CMIP5模式，CMIP6模式結(jié)果整體上更加趨近觀測中的2 m氣溫場空間模態(tài)，但CMIP6模式在對于MCA模態(tài)中高原2 m氣溫場空間變化的模擬總體仍然弱于對北半球大氣環(huán)流場的模擬能力。這也說明，在提升高原氣候的模擬能力方面，仍有許多需要改進的地方。