CMIP6模式對中國近海氣象要素模擬評估與預(yù)測

唐 寅, 毛新燕, 錢 闖, 田曉露, 王亞男, 江文勝

CMIP6模式對中國近海氣象要素模擬評估與預(yù)測

唐 寅1, 毛新燕1, 錢 闖1, 田曉露1, 王亞男1, 江文勝2

(1. 中國海洋大學(xué) 海洋與大氣學(xué)院, 山東 青島 266100; 2. 中國海洋大學(xué) 環(huán)境科學(xué)與工程學(xué)院, 山東 青島 266100)

為了研究第六次國際耦合模式比較計劃(CMIP6)中新提出的“情景模式比較計劃”(ScenarioMIP)下中國近海氣象要素的變化情況, 本文選取了其中6個海氣耦合模型, 對其模擬的風(fēng)速、氣溫、降水進(jìn)行評估與預(yù)測。評估結(jié)果表明選取的模式對中國近海模擬效果整體都不錯, 但在菲律賓群島附近模擬結(jié)果相對欠佳。模型平均預(yù)估結(jié)果表明未來21世紀(jì)中葉4個情景下渤黃海風(fēng)速夏季增加、冬季減弱; 至21世紀(jì)末, 研究海域夏季15°N以北(南)風(fēng)速主要呈增加(減小)的趨勢, 冬季25°N以北(南)風(fēng)速主要呈減小(增加)的趨勢。4個未來情景下的中國近海氣溫都將持續(xù)升高, 高緯區(qū)域增幅大于低緯。可持續(xù)發(fā)展情景(SSP1-2.6)能有效減緩升溫, 其他放任溫室氣體大量排放的情景(如SSP5-8.5), 則會加劇升溫。未來中國近海降水變化總體上呈增加趨勢, 渤黃海與東海降水增幅在SSP5-8.5情景下最大, 世紀(jì)末分別增加約15.87%與5.61%; 南海降水增幅在SSP2-4.5情景下最大, 世紀(jì)末增加約4.84%。

CMIP6; ScenarioMIP; 中國近海; 氣象要素評估; 未來預(yù)測

中國地處亞歐大陸東部, 毗鄰西北太平洋, 主要?dú)夂蝾愋褪羌撅L(fēng)氣候。東亞季風(fēng)氣候變化影響中國近海的海洋動力與生態(tài)環(huán)境, 風(fēng)、氣溫、降水等常見氣象要素跟海水的溫度、鹽度以及生物活動等聯(lián)系緊密。風(fēng)能使海洋產(chǎn)生風(fēng)海流與上升流, 進(jìn)而影響海表溫度。研究表明1971—2001年間的東亞冬季風(fēng)年代際減弱可能是中國近海海面溫度(sea surface temperature, SST)年代際上升的重要原因之一[1]。除此之外, 其他氣象要素例如氣溫也與海溫聯(lián)系緊密, 有研究指出北黃海附近海域冬季的氣溫是影響其冷水團(tuán)溫度的主要因素之一[2]。氣溫變化也能通過影響海水蒸發(fā)進(jìn)而影響海水鹽度。另外, 降水與蒸發(fā)等水的相態(tài)變化也與海水鹽度聯(lián)系密切, 研究指出渤海鹽度受局地氣象要素的影響顯著, 鹽度變化滯后于降水和蒸發(fā)的變化, 夏季降水與秋季蒸發(fā)對秋冬季鹽度分布影響很大[3]。生態(tài)環(huán)境方面, 蔡榕碩與譚紅建[4]研究發(fā)現(xiàn)20世紀(jì)70年代以來的東亞氣候變化可能是赤潮等生態(tài)災(zāi)害頻發(fā)和中國近海魚類物種北移的重要原因之一。前人的模型預(yù)測結(jié)果也表明, 中國近海的動力與生態(tài)環(huán)境對于氣候變化也有極強(qiáng)的響應(yīng)[5-7]。綜上, 為了預(yù)測未來中國海洋環(huán)境的變化情況, 研究近海氣象要素的變化是很有必要的。

現(xiàn)階段對于氣候變化的評估與預(yù)測大多基于國際耦合模式比較計劃(Coupled Model Intercomparison Project, CMIP), 包括CMIP1(1995年)、CMIP2 (1997年)、CMIP3(2004年)、CMIP5(2013年)和目前正在進(jìn)行的CMIP6。聯(lián)合國政府間氣候變化專門委員會(Intergovernmental Panel on Climate Change, IPCC)依據(jù)CMIP5發(fā)布的第五次評估報告(Fifth Assessment Report, AR5)報告指出人類活動極有可能是導(dǎo)致20 世紀(jì)中葉以來氣候變暖的主要因素[8]。CMIP目前已進(jìn)入第六階段, 共有來自全球33個機(jī)構(gòu)的112個全球氣候模式(Global Climate Model, GCM)參與其中。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, 其為評估模式對過去和當(dāng)前氣候變化的模擬能力以及預(yù)估未來氣候變化提供了重要數(shù)據(jù)基礎(chǔ)[9]。

CMIP6最新提出的情景模式比較計劃(ScenarioMIP)是基于不同的共享社會經(jīng)濟(jì)路徑(shared socioeconomic pathway, SSP)以及最新的人為排放溫室氣體趨勢提出的新預(yù)估情景[10-11]。其中SSP描述了在沒有氣候變化或者氣候政策影響下, 未來社會的可能發(fā)展。SSP1、SSP2、SSP3、SSP4 和SSP5 分別代表了可持續(xù)發(fā)展、中度發(fā)展、局部發(fā)展、不均衡發(fā)展和常規(guī)發(fā)展5種路徑。CMIP5提出的典型濃度路徑(representative concentration pathway, RCP)主要包括RCP2.6、RCP4.5、RCP6.0、RCP8.5等路徑, 每種路徑中RCP后的數(shù)字代表了到2100年溫室氣體的輻射強(qiáng)迫值, 即分別為2.6、4.5、6.0、8.5 W/m2, CMIP6在此基礎(chǔ)上又添加了RCP7.0、RCP3.4與低于2.6 W/m2的排放路徑。ScenarioMIP中社會經(jīng)濟(jì)發(fā)展路徑(SSP)與未來輻射強(qiáng)迫路徑(RCP)兩者之間具有一致性, 社會經(jīng)濟(jì)發(fā)展情景(SSP)是基礎(chǔ), 在這個基礎(chǔ)上再生成對應(yīng)的溫室氣體排放路徑(RCP)。ScenarioMIP情景形式上通?？梢詫懗蒘SPx-y, 例如SSP1-2.6代表SSP1路徑與RCP2.6(到2100年溫室氣體輻射強(qiáng)迫穩(wěn)定在2.6 W/m2左右)相結(jié)合的未來情況。對于ScenarioMIP情景下全球氣象要素的未來變化情況, 研究表明[12-13]不同情景之間, 未來氣溫與降水變化差異很大。升溫較大的區(qū)域位于北半球高緯度地區(qū), 陸地升溫比海洋更大。伴隨著氣溫增加, 陸地上將會有更多地區(qū)面臨降水的顯著變化(中等信度), 其中高緯度地區(qū)、熱帶海洋和大部分季風(fēng)區(qū)降水很可能增加, 副熱帶大部分地區(qū)降水可能減少。

科研人員利用CMIP針對東亞未來氣候變化已經(jīng)開展了許多數(shù)值模擬試驗和預(yù)估工作。風(fēng)速方面, 研究指出在RCP4.5與 RCP8.5 情景下, CMIP5大多數(shù)模型均模擬出東中國海夏季風(fēng)增強(qiáng), 冬季風(fēng)減弱的變化特征, RCP4.5情景下夏季風(fēng)速增加約3.7%[14-15]。但是也有研究表明在CMIP3 的中等溫室氣體排放情景與CMIP5的3個情景(RCP2.6, RCP4.5, RCP8.5)下, 未來東亞的夏季風(fēng)速增加, 冬季25°N以北(南)風(fēng)速減少(增加), 不同情景下風(fēng)速變化的幅度與區(qū)域大小均不相同[16-17]。氣溫與降水方面, 研究指出在RCP4.5情景下東亞區(qū)域未來的地面氣溫將普遍升高, 海洋上的增暖幅度小于陸地; 東亞大部分區(qū)域的降水也會增加, 陸地較為明顯, 但增加幅度較小, 年均降水平均增加4.62%[15, 18]。前人已將最新的CMIP6數(shù)據(jù)運(yùn)用到對中國陸地的風(fēng)速[19]、氣溫與降水[20-21]的研究中, 但對于海上的氣象要素的研究相對較少。在對中國近海風(fēng)能的研究中[22], 結(jié)果表明在SSP2-4.5與SSP5-8.5這2個情景下, 未來風(fēng)速在東海小幅下降, 在南海會有所增加; 21世紀(jì)中期(2041—2060)風(fēng)速的變化幅度<±0.2 m/s, 21世紀(jì)后期(2081—2100)的變化幅度<±0.3 m/s。

CMIP6采用了新一代氣候模式、一組新的濃度、排放和土地利用情景, 因此 CMIP6的氣候預(yù)估結(jié)果與CMIP5是有所不同的[23]。CMIP6中SSP情景的增暖情況通常也要強(qiáng)于CMIP5中對應(yīng)的RCP情景[24-25], 而目前對于未來中國近海氣象要素在新提出的Sce-narioMIP情景下的具體變化情況研究相對較少。本文主要利用CMIP6氣候模式模擬的10 m高度風(fēng)速、2 m高度氣溫與降水量這3個常見的季風(fēng)氣候要素來探究未來中國近海氣候變化, 旨在通過統(tǒng)計分析等手段對其模擬出來的數(shù)據(jù)進(jìn)行評估, 并得出在ScenarioMIP情景下中國近海氣象要素的未來變化趨勢。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)選取

本文主要使用了6個CMIP6的氣候模式(表1)的10 m高度風(fēng)速, 2 m高度氣溫與降水?dāng)?shù)據(jù)。選取了CMIP6歷史情景與一級試驗(Tier-1)中的4個情景(SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP5-8.5)。歷史情景年份為2005—2014年, 未來情景將針對21世紀(jì)中葉(2050—2059年)和21世紀(jì)末(2090—2099年)兩個時間段進(jìn)行進(jìn)一步分析。

表1 本文研究所用的CMIP6模式信息

考慮到上述CMIP6各模式分辨率并不統(tǒng)一, 故將所有氣候模式結(jié)果均雙線性插值到ERA5的0.25°× 0.25°(經(jīng)度×緯度)的網(wǎng)格里, 并根據(jù)ERA5的海陸分布情況(圖1)保留了海上的格點(diǎn)。此外, 本文對研究海域進(jìn)行了分區(qū), 依據(jù)前人劃分標(biāo)準(zhǔn)分成了渤黃海(BYS)區(qū)(117°～127°E, 35°～41°N), 東海(ECS)區(qū)(120°～130°E, 22°～35°N)和南海(SCS)區(qū)(105°～120°E, 5°～22°N)[14]。并將之前未研究的臺灣島以西的部分海域(即113°～120°E)歸納至了東海(ECS)的范圍。

圖1 研究海域的海陸分布與分區(qū)情況

注: 其中藍(lán)色代表海上的格點(diǎn), 灰色代表陸地格點(diǎn)

1.2 研究方法

本文用Taylor圖(圖2)的方法來進(jìn)行模型評估, 該方法由Taylor[26]于2001年首先提出, 基于相關(guān)系數(shù)()、中心均方根誤差(′)、標(biāo)準(zhǔn)差這3個指標(biāo), 來比較模式結(jié)果與觀測的關(guān)系, 用以評估模擬能力。

本文除了對單個模式進(jìn)行評估與預(yù)測的結(jié)果分析以外, 考慮到單個模式的不確定性, 也對所有模式進(jìn)行了等權(quán)平均, 并對模型平均(MME)的結(jié)果采用同樣的方式進(jìn)行了評估。

其中,為研究的氣象要素,為模式個數(shù)。

圖2 Taylor示意簡圖

Fig. 2 Taylor schematic

注:σ與σ分別是模式與觀測的標(biāo)準(zhǔn)差

2 對CMIP6模式歷史模擬結(jié)果的評估

對于所選取的CMIP6各模式的歷史模擬結(jié)果, 用歐洲中期天氣預(yù)報中心(European Centre for Medium-Range Weather Forecasts, ECMWF)發(fā)布的第五代全球氣候再分析數(shù)據(jù)集 (ECMWF Reanalysis v5, ERA5)作為觀測數(shù)據(jù), 通過Taylor圖進(jìn)行對比與分析(圖3)。由圖3a可看出所挑選的6個模式對風(fēng)速模擬結(jié)果不一, 相關(guān)系數(shù)范圍為70%～90%, 中心均方根誤差(′)范圍為0.40～0.75, 模擬最接近觀測的是GFDL-ESM4, MME對相關(guān)系數(shù)與′這2個指標(biāo)的模擬略優(yōu)于單個模型; 在對氣溫(圖3b)的模擬結(jié)果上, 可以看出挑選的6個模式的模擬結(jié)果與ERA5再分析數(shù)據(jù)都比較接近, 相關(guān)系數(shù)均達(dá)到了90%以上, 中心均方根誤差(′)除了BCC-CSM2-MR均小于0.25; 對降水(圖3c)的模擬結(jié)果中, 不同模式的模擬差別較大, 相對來說FGOALS-f3-L, GFDL-ESM4, CMCC-ESM2相對模擬得更好, MME結(jié)果略優(yōu)于單個模型。

就′時空分布特征的模擬情況來說, 同一模型對不同月份、季節(jié)的模擬優(yōu)劣并不相同(圖4), 例如GFDL-ESM4模擬7月風(fēng)速的′相對別的月份略大等。相對于單個模型, MME每月的′都比較接近, 除對8月氣溫模擬較差以外, MME模擬的其他月份的各要素的′均小于1。圖5則給出了各模式空間上的′分布, 結(jié)果表明同一模式對于不同區(qū)域的模擬能力也不盡相同?！漭^大值主要集中于菲律賓群島附近海域, 在這些海域, 相對于模擬結(jié)果較差的單個模型, 多模型平均(MME)的′明顯更小。綜上所述, MME的歷史模擬結(jié)果要優(yōu)于單個模型。

圖3 CMIP6模式歷史模擬相對于ERA5再分析數(shù)據(jù)的Taylor圖

3 ScenarioMIP情景下中國近海未來不同氣象要素的變化

由上述對6個CMIP模式的歷史模型評估可知, MME的結(jié)果要優(yōu)于單一模型。因此對于不同情景21世紀(jì)中葉與世紀(jì)末中國近海氣象要素的變化情況, 我們也將基于MME結(jié)果進(jìn)一步地預(yù)估。

3.1 未來風(fēng)速變化

在未來情景下, 隨著全球變暖, 東亞季風(fēng)系統(tǒng)也存在一定的響應(yīng)[22]。在研究海域內(nèi), 21世紀(jì)中葉不同情景下風(fēng)速變化不一(圖6a)。整體來看, 夏季渤黃海、東海與菲律賓以東的大部分海域風(fēng)速會顯著增加, 4個情景中SSP5-8.5情景下風(fēng)速增加的范圍與強(qiáng)度最大, SSP2-4.5情景相對最小。冬季4個情景之間風(fēng)速變化趨勢差異較大, 在SSP1-2.6與SSP5-8.5情景下表現(xiàn)為約25°N以北(南)風(fēng)速減弱(增強(qiáng)); 在中度發(fā)展(SSP2-4.5)情景下渤海、黃海風(fēng)速略微減少, 其余海域風(fēng)速增加; 局部發(fā)展(SSP3-7.0)情景下, 中國近海風(fēng)速則基本都呈減弱趨勢。至本世紀(jì)末(圖6b), 4個情景下的風(fēng)速變化趨勢趨于統(tǒng)一。研究海域夏季15°N以北(南)風(fēng)速主要呈增加(減小)趨勢, 冬季25°N以北(南)風(fēng)速主要呈減小(增加)趨勢, 這與前人研究結(jié)果相近[13-14]。21世紀(jì)末不同情景下風(fēng)速變化的差異主要體現(xiàn)在變化幅度上, SSP1-2.6情景變化幅度相對最小, SSP5-8.5情景變化幅度相對最大, 風(fēng)速變幅小于0.7 m/s。四個情景中, 渤海、黃河風(fēng)速夏季增加, 冬季減弱的趨勢與前人研究所得的未來中國陸地風(fēng)速變化預(yù)估結(jié)論一致[27]。

注: 其中MAM, JJA, SON, DJF, ANN分別是春、夏、秋、冬、年均的簡稱

經(jīng)前人研究[16-17], 未來增暖情景下, 夏季同一緯度上東亞大陸氣溫的升溫幅度明顯大于西太平洋海域, 這會導(dǎo)致東西向的海陸熱力差異變大, 進(jìn)而使得東亞大陸熱低壓加強(qiáng)幅度超過西太平洋副熱帶高壓的減弱幅度, 從而引起夏季偏南風(fēng)的增強(qiáng)。而在冬季, 因為東亞大陸氣溫上升幅度比西北太平洋上的更大, 則會引起東北亞地區(qū)的西北-東南溫度梯度減弱、氣壓梯度力減小, 進(jìn)而導(dǎo)致原有的西北風(fēng)氣流減弱。故海陸升溫幅度差異可能是導(dǎo)致21世紀(jì)末夏季15°N以北風(fēng)速增加和冬季25°N以北風(fēng)速減弱的原因之一。根據(jù)前人對于東亞季風(fēng)區(qū)(27°～35°N, 105°E以東的陸地)與副熱帶西北太平洋(15°～30°N, 120°～150°E的海域)兩個區(qū)域的劃分標(biāo)準(zhǔn)[28], 計算了兩地4個情景下21世紀(jì)末的升溫幅度(表2)。結(jié)果表明未來4個情景下陸地升溫幅度均大于海洋, 且伴隨著情景的變化(依照SSP1-2.6至SSP5-8.5的順序), 陸地與海洋升溫幅度的差距也在增大。

圖5 CMIP6模式E′的空間分布(相對于ERA5再分析數(shù)據(jù))

3.2 未來氣溫變化

伴隨著社會發(fā)展與溫室氣體的排放, 未來中國近海的氣溫在各個情景下都有明顯的增溫趨勢。相對于2005—2014年氣候態(tài)平均結(jié)果, 4個未來情景下近海氣溫仍將繼續(xù)升高, 高緯區(qū)域增幅大于低緯, 這與前人的研究結(jié)果一致[29]。4個季節(jié)中, 夏季增溫幅度略高于其他季節(jié)。在21世紀(jì)中葉(圖7a), 隨著未來情景的變化(即從SSP1-2.6變化至SSP5-8.5), 整體升溫幅度也會有所增大。4個情景中除SSP5-8.5情景夏季有部分海域升溫超過2 ℃以外, 其余3個情景夏季升溫的最大幅度值都在1.7～1.8 ℃的范圍內(nèi)。21世紀(jì)末(圖7b)氣溫變化規(guī)律與本世紀(jì)中葉相似, 不過增溫幅度存在一定的差別?？沙掷m(xù)發(fā)展情景(SSP1-2.6)下, 21世紀(jì)末增溫幅度與21世紀(jì)中葉相差不大, 其余3個情景下世紀(jì)末增溫幅度均明顯大于世紀(jì)中葉。21世紀(jì)末4個情景下氣溫變化的差異也大于21世紀(jì)中葉, 世紀(jì)末夏季增溫最大值在SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP5-8.5這4個情景下分別約為1.9 ℃, 2.7 ℃, 3.8 ℃與4.8 ℃。

圖6 21世紀(jì)中葉與世紀(jì)末的風(fēng)速變化(單位: m/s, 相對于2005—2014年平均)

表2 未來4個情境下21世紀(jì)末東亞(氣溫)與西北太平洋(海溫)升溫幅度表(單位: ℃)

結(jié)合圖8可以發(fā)現(xiàn)伴隨著未來情景的變化, 21世紀(jì)后半部分的氣溫增幅與增速也在逐漸增大?？沙掷m(xù)發(fā)展情景(SSP1-2.6)下, 21世紀(jì)后半部分氣溫增長最小, 增速接近0; 中度發(fā)展(SSP2-4.5)情景下, 21世紀(jì)后半部分氣溫有所增長, 但增速緩于前半部分; SSP3-7.0與SSP5-8.5情景下, 21世紀(jì)后半部分的氣溫增長較大, 增速也略大于前半部分。

圖7 21世紀(jì)中葉與世紀(jì)末的氣溫變化(單位: ℃, 相對于2005—2014年平均)

圖8 不同情景下研究海域的氣候態(tài)年均氣溫變化

3.3 未來降水變化

整體來看, 未來大部分海域的降水量夏秋季會有明顯增加(圖9)。空間分布上, 未來降水量增加比較顯著的海域, 夏秋季主要集中于東海、南海北部和菲律賓群島以東海域; 冬季則主要集中于印度尼西亞北部以及菲律賓中部附近的海域。四個季節(jié)中, 夏季與秋季降水增加相對顯著。4個情景下降水變化程度不一: 在東亞降水相對集中于夏季, 21世紀(jì)中葉四個情境中夏季SSP3-7.0與SSP5-8.5降水增加較為顯著, 兩個情景下降水顯著增加的區(qū)域不同, SSP3- 7.0集中于菲律賓以東的海域, SSP5-8.5集中于東海。4個情景下21世紀(jì)末夏秋季降水依然都有很大程度的增加, 主要集中于15°N以北的海域, 其中 SSP5- 8.5情景增加最為顯著, 可持續(xù)發(fā)展情景(SSP1-2.6)下, 世紀(jì)中葉大范圍降水增加的幅度在0.5 mm/d左右。21世紀(jì)末在世紀(jì)中葉的基礎(chǔ)上, 夏季南海降水增加顯著, 冬季菲律賓群島以東降水增加顯著。在極端的常規(guī)發(fā)展情景(SSP5-8.5)下, 21世紀(jì)中葉夏季降水增加幅度范圍為0.5～1.0 mm/d, 世紀(jì)末則達(dá)到了 1.0～1.5 mm/d。

圖9 21世紀(jì)中葉與世紀(jì)末的降水變化(單位: mm/d, 相對于2005—2014年平均)

比較不同情景下的未來與歷史的月平均降水(圖10), 盡管存在一定的差異, 但未來中國近海的整體降水量還是有所增加的, 21世紀(jì)末時期的降水量略大于世紀(jì)中葉, 未來降水的增加可能與全球變暖的情景下, 東亞夏季風(fēng)西南氣流加強(qiáng), 大氣水汽含量增加有關(guān)[30]。未來降水的時間變化規(guī)律改變不大, 2—3月份降水最少, 7—8月份降水最多。年均時間尺度上, 4個情景中降水增加最為顯著的情景為SSP5-8.5情景。

4 不同分區(qū)氣象要素的未來變化

由前面分析可得未來不同情景下氣象要素的變化差別很大。為了進(jìn)一步研究中國未來不同海區(qū)上氣象要素的變化情況, 根據(jù)圖1的分區(qū)情況對不同海區(qū)的風(fēng)速(圖11)、氣溫(圖12)、降水(圖13)進(jìn)行定量研究。

4.1 不同分區(qū)未來的風(fēng)速變化

根據(jù)前面的研究, 未來風(fēng)速變化有明顯的季節(jié)和區(qū)域差異。21世紀(jì)中葉, 3個海區(qū)在4個情景下的風(fēng)速變化不一。4個情景下渤黃海風(fēng)速變化趨勢較為一致, 呈夏季增加、冬季減弱的趨勢。夏季四個情景下渤黃海風(fēng)速增加的幅度范圍為0.09～0.16 m/s, 其中SSP2-4.5最小, SSP5-8.5最大; 冬季SSP3-7.0與SSP5-8.5情景下渤黃海風(fēng)速減弱幅度較大(0.17 m/s), 相反在SSP1-2.6與SSP2-4.5這2個情景下風(fēng)速減弱幅度極小(<0.02 m/s)。東海與南海不同情景下的風(fēng)速變化不一。東海4個情景下夏季風(fēng)速變化范圍為–0.03～0.12 m/s, 冬季變化范圍為–0.17～0.03 m/s。南海風(fēng)速在4個情景下夏季均呈略微減小趨勢(–0.08～ –0.02 m/s), 冬季變化不一, 變化范圍為–0.07～0.13 m/s。3個海區(qū)世紀(jì)中葉年均風(fēng)速變化幅度均小于0.07 m/s。

圖10 模型平均(MME)模擬的不同情景下的月平均降水(單位: mm)

圖11 21世紀(jì)中葉與世紀(jì)末不同分區(qū)的風(fēng)速變化

圖12 21世紀(jì)中葉與世紀(jì)末不同分區(qū)氣溫年均變化

圖13 21世紀(jì)中葉與世紀(jì)末不同分區(qū)降水年均變化

世紀(jì)末時期, 不同情景下渤黃海與東海的夏冬兩季風(fēng)速變化逐漸統(tǒng)一, 總體呈夏季風(fēng)速增加, 冬季風(fēng)速減小的趨勢。夏季渤黃海與東海在SSP5-8.5情景下風(fēng)速增長較為顯著, 分別增加了0.35 m/s和0.18 m/s; 其余情景下依照SSP1-2.6, SSP2-4.5, SSP3-7.0的順序, 渤黃海風(fēng)速增加幅度從0.06 m/s增加至0.14 m/s, 東海從0.04 m/s減小至0.01 m/s。冬季渤黃海SSP1-2.6減弱幅度較為顯著(–0.13 m/s), 其余3個情景下基本處于–0.04～–0.03 m/s的范圍內(nèi), 東海減弱最顯著的情景是SSP5-8.5(–0.19 m/s), 其余3個情景基本處于–0.10～–0.08 m/s的范圍內(nèi)。南海夏季4個情景下南部與北部風(fēng)速變化趨勢不一, 故整體的風(fēng)速變化并不一樣, 4個情境下SSP1-2.6情景下差距最小, SSP3-7.0差距最大; 南海冬季4個情景下風(fēng)速均呈增大的趨勢, 其中SSP5-8.5情景下增幅最大, 約增加了0.20 m/s, SSP1-2.6情景下增幅最小, 約增加了0.06 m/s。三個海區(qū)在21世紀(jì)末的年均風(fēng)速變化幅度均小于0.12 m/s。

綜上還可發(fā)現(xiàn), 除SSP5-8.5情景以外, 3個海區(qū)未來夏冬兩季風(fēng)速平均變化幅度均小于0.15 m/s, SSP5-8.5情景下風(fēng)速變化的程度明顯大于其他情景。由此可見SSP5社會發(fā)展路徑與溫室氣體大量排放(RCP8.5)兩種人為因素, 會使得未來風(fēng)速變化更加劇烈。

4.2 不同分區(qū)未來的氣溫變化

氣溫變化方面, 未來3個海區(qū)不同情景下氣溫有著不同的變化幅度基本隨情景[從可持續(xù)發(fā)展(SSP1-2.6)至常規(guī)發(fā)展(SSP5-8.5)的順序]的變化而增大。同一情景下3個海區(qū)升溫幅度的大小跟緯度有關(guān), 渤黃海大于東海, 東海大于南海。

在2005—2014年的基礎(chǔ)上, 可持續(xù)發(fā)展情景(SSP1-2.6)下, 世紀(jì)中葉渤黃海、東海與南海平均氣溫年均分別約增加了約1.3 ℃、0.9 ℃、0.6 ℃。21世紀(jì)末在世紀(jì)中葉的基礎(chǔ)上渤黃海與東海氣溫約上升0.2和0.1 ℃, 南海氣溫變化極小(<0.01 ℃)。在最極端的放任溫室氣體大量排放情景(SSP5-8.5)下, 21世紀(jì)中葉渤黃海、東海與南海平均氣溫年均分別增加了約2.1 ℃, 1.5 ℃, 1.2 ℃。21世紀(jì)末在世紀(jì)中葉的基礎(chǔ)上氣溫增長幅度較大, 渤黃海、東海與南海平均氣溫年均分別增加了約2.4 ℃, 1.8 ℃, 1.4 ℃, 基本呈隨緯度變低而減小的規(guī)律。其余情景下未來2個時期的氣溫升溫幅度處于上述兩情景之間。

綜上所述, 未來社會發(fā)展路徑的選擇對中國近海氣溫變化影響巨大?？沙掷m(xù)發(fā)展情景(SSP1-2.6)能有效減緩氣溫升高, 其他放任溫室氣體大量排放的情景(如SSP5-8.5), 則相反。

4.3 各海區(qū)未來的降水變化

未來3個海區(qū)年均降水整體都呈增大趨勢(圖13)。21世紀(jì)中葉各海區(qū)在不同情景下變化不一, 渤黃海與東海在SSP5-8.5情景下降水增加最顯著, 分別增加了7.45%和6.80%; 在SSP2-4.5情景下相對增加得最少, 分別增加了0.35%和3.56%。南海增加較為顯著的為SSP2-4.5與SSP5-8.5情景, 都增加了約3%, 其余2個情景下增加了約1%。3個海區(qū)中, 渤黃海在不同情景之間的降水變化差異較大, 東海較小。

21世紀(jì)末不同海區(qū)不同情景下變化差異比世紀(jì)中葉更顯著, 其中東海4個情景下差異最小, 增加了約4.65%～5.61%; 渤黃海在SSP1-2.6情景下降水增長最小, 增長了約7.44%, 在SSP5-8.5情景下增長最大, 增長了約15.87%; 南海4個情景下差異最大, 其中SSP3-7.0最小, 略微減少了0.02%, SSP2-4.5最大, 增長了約4.84%。

不同海區(qū)降水隨情景的變化不一。整體變化幅度小于16%, 量值小于0.35 mm/d。渤黃海與東海降水增幅在SSP5-8.5情景下最大, 21世紀(jì)末分別約增加15.87%與5.6%; 南海降水增幅在SSP2-4.5情景下最大, 世紀(jì)末約增加4.84%, 本文前面的研究也可發(fā)現(xiàn)南海南部存在降水減少的趨勢。在東亞與南亞季風(fēng)系統(tǒng)中, 渤、黃海為暖溫帶季風(fēng)氣候區(qū); 東海為亞熱帶季風(fēng)氣候區(qū); 南海大部分海域為熱帶季風(fēng)氣候區(qū); 10°N以南的南海屬赤道季風(fēng)氣候。所以3個海區(qū)未來降水變化有差別可能是因為其所屬氣候區(qū)不一樣的緣故。

5 結(jié)論與討論

利用CMIP6最新提出的情景(ScenarioMIP)的模式數(shù)據(jù)對中國近海氣象要素進(jìn)行了評估與預(yù)測。

首先利用Taylor圖等分析方法利用ERA5再分析數(shù)據(jù)對所挑選的6個CMIP6模式以及多模型平均(MME)模擬結(jié)果進(jìn)行評估, 綜合來看6個模式對研究的大部分海域模擬較好, 相對模擬不準(zhǔn)的海域主要集中在菲律賓群島附近。

然后利用多模型平均(MME)的結(jié)果對未來進(jìn)行預(yù)估。對中國近海(渤黃海、東海、南海3個海區(qū))未來的風(fēng)速, 氣溫, 降水氣象要素的變化得到以下幾點(diǎn)結(jié)論:

1) 21世紀(jì)中葉4個情景下中國近海的風(fēng)速變化趨勢不一, 渤黃海與東海部分海域風(fēng)速增加明顯, 冬季南海風(fēng)速增加明顯。世紀(jì)末變化趨勢逐步統(tǒng)一, 研究海域夏季15°N以北(南)風(fēng)速主要呈增加(減小)的趨勢, 冬季25°N以北(南)風(fēng)速主要呈減小(增加)的趨勢, 變化幅度小于0.7 m/s。SSP1-2.6情景下變化幅度最小, SSP5-8.5情景下變化幅度最大。

2) 21世紀(jì)中葉不同情景下, 同一海區(qū)風(fēng)速的變化趨勢不一致。21世紀(jì)末渤黃海與東海趨勢逐漸一致, 風(fēng)速整體呈夏季增強(qiáng)、冬季減弱的趨勢。4個情景下的風(fēng)速, 南海夏季北部與南部變化不一, 但冬季所有情景下均呈增加的趨勢。4個情景中, SSP5-8.5情景下的風(fēng)速變化的程度異常大于其他情景。

3) 4個未來情景下的中國近海氣溫都仍將繼續(xù)上升, 高緯區(qū)域增幅大于低緯。伴隨著未來情景[從可持續(xù)發(fā)展(SSP1-2.6)至常規(guī)發(fā)展(SSP5-8.5)的順序]的變化, 未來三個海區(qū)氣溫增加的幅度增大, 后半世紀(jì)的氣溫增速也在逐漸變大?？沙掷m(xù)發(fā)展情景(SSP1-2.6)能有效減緩升溫; 其他放任溫室氣體大量排放的情景(如SSP5-8.5), 則會加劇升溫。

4)未來中國近海降水總體上呈增加趨勢, 不同情景下降水增幅不同, 4個情景中SSP5-8.5情景下年均降水量增幅相對較大。4季中夏季和秋季降水增加量較多。渤黃海與東海降水增幅在SSP5-8.5情景下最大, 21世紀(jì)末分別約增加15.87%與5.61%; 南海降水增幅在SSP2-4.5情景下最大, 21世紀(jì)末約增加4.84%。降水增幅的差別可能是不同海區(qū)未來降水變化趨勢不同所導(dǎo)致。

5) 未來社會發(fā)展路徑的選擇、溫室氣體的排放量等人為因素對于中國近海氣象要素的影響巨大。

利用大尺度海氣耦合模型對中國近海氣候進(jìn)行評估與預(yù)測的過程中存在一些不確定性, 本研究也采用了模型集合平均的方法減小了單個模式模擬的系統(tǒng)誤差。未來還可以對氣象要素進(jìn)行降尺度處理等方法對模型模擬結(jié)果進(jìn)行一定的偏差矯正, 從而提高研究的準(zhǔn)確度。

[1] 蔡榕碩, 陳際龍, 譚紅建. 全球變暖背景下中國近海表層海溫變異及其與東亞季風(fēng)的關(guān)系[J]. 氣候與環(huán)境研究, 2011, 16(1): 94-104.

CAI Rongshuo, CHEN Jilong, TAN Hongjian. Variations of the sea surface temperature in the offshore area of China and their relationship with the East Asian monsoon under the global warming[J]. Climatic and Environmental Research, 2011, 16(1): 94-104.

[2] 江蓓潔, 鮑獻(xiàn)文, 吳德星, 等. 北黃海冷水團(tuán)溫、鹽多年變化特征及影響因素[J]. 海洋學(xué)報(中文版), 2007, 29(4): 1-10.

JIANG Beijie, BAO Xianwen, WU Dexing, et al. Inte-ra-nnual variation of temperature and salinity of nor-thern Huanghai Sea Cold Water Mass and its probable cause[J]. Acta Oceanologica Sinica, 2007, 29(4): 1-10.

[3] 匡曉迪. 氣候變化對渤海鹽度年際變化及長期變化的影響[D]. 青島: 中國海洋大學(xué), 2009.

KUANG Xiaodi. The impact of climate change on inter- annual and long term variation of the salinity of Bohai Sea[D]. Qingdao: Ocean University of China, 2009.

[4] 蔡榕碩, 譚紅建. 東亞氣候的年代際變化對中國近海生態(tài)的影響[J]. 臺灣海峽, 2010, 29(2): 173-183.

CAI Rongshuo, TAN Hongjian. Influence of interdeca-dal climate variation over East Asia on offshore ecolo-gical system of China[J]. Journal of Oceanography in Taiwan Strait, 2010, 29(2): 173-183.

[5] 張維娟. 黃海動力環(huán)境對未來氣候變化響應(yīng)的情景預(yù)測[D]. 天津: 天津科技大學(xué), 2014.

ZHANG Weijuan. The scenario prediction of Yellow Sea’s dynamic environment response to future climate variation[D]. Tianjin: Tianjin University of Science and Technology, 2014.

[6] 趙一丁, 楊波, 魏皓, 等. 未來黃、東海營養(yǎng)鹽濃度變化情景預(yù)測[J]. 海洋與湖沼, 2015, 46(5): 983-994.

ZHAO Yiding, YANG Bo, WEI Hao, et al. Scenario prediction of future nutrient concentration in the Yellow Sea and East China Sea[J]. Oceanologia et Limnologia Sinica, 2015, 46(5): 983-994.

[7] 趙一丁. 未來黃東海生態(tài)環(huán)境變化情景預(yù)測[D]. 青島: 中國海洋大學(xué), 2015.

ZHAO Yiding. Scenario prediction of future ecological environment change in the Yellow sea and East China Sea[D]. Qingdao: Ocean University of China, 2015.

[8] IPCC. Climate Change 2013: The Physical Science Basis. Contribution of working group i to the fifth assessment report of the intergovernmental panel on climate change[M]. Cambridge: Cambridge University Press, 2013.

[9] 周天軍, 鄒立維, 陳曉龍. 第六次國際耦合模式比較計劃(CMIP6)評述[J]. 氣候變化研究進(jìn)展, 2019, 15(5): 445-456.

ZHOU Tianjun, ZOU Liwei, CHEN Xiaolong. Commentary on the Coupled Model Intercomparison Project Phase 6 (CMIP6)[J]. Climate Change Research, 2019, 15(5): 445-456

[10] 張麗霞, 陳曉龍, 辛?xí)愿? CMIP6情景模式比較計劃(ScenarioMIP)概況與評述[J]. 氣候變化研究進(jìn)展, 2019, 15(5): 519-525.

ZHANG Lixia, CHEN Xiaolong, XIN Xiaoge. Short commentary on CMIP6 Scenario Model Intercomparison Project (ScenarioMIP)[J]. Climate Change Research, 2019, 15(5): 519-525.

[11] TEBALDI C, DEBEIRE K, EYRING V, et al. Climate model projections from the Scenario Model Intercomparison Project (ScenarioMIP) of CMIP6[J]. Earth System Dynamics, 2021, 12(1): 253-293.

[12] 周天軍, 陳梓明, 鄒立維, 等. 中國地球氣候系統(tǒng)模式的發(fā)展及其模擬和預(yù)估[J]. 氣象學(xué)報, 2020, 78(3): 332-350.

ZHOU Tianjun, CHEN Ziming, ZOU Liwei, et al. De-ve-lopment of climate and earth system models in China: Past achievements and new CMIP6 fesults[J]. Acta Meteorologica Sinica, 2020, 78(3): 332-350.

[13] 周天軍, 陳梓明, 陳曉龍, 等. IPCC AR6報告解讀: 未來的全球氣候——基于情景的預(yù)估和近期信息[J]. 氣候變化研究進(jìn)展, 2021, 17(6): 652-663.

ZHOU Tianjun, CHEN Ziming, CHEN Xiaolong, et al. Interpreting IPCC AR6: future global climate based on projection under scenarios and on near-term information[J]. Climate Change Research, 2021, 17(6): 652-663

[14] 宋春陽. CMIP5模式對中國近海氣候特征模擬評估及預(yù)估[D]. 北京: 國家海洋環(huán)境預(yù)報中心, 2016.

SONG Chunyang. Evaluation and projection of SST in the China seas from CMIP5[D]. Beijing: National Marine Environmental Forecasting Center, 2016.

[15] 張維娟, 楊波, 魏皓. 四個耦合模式在模擬和預(yù)測東亞季風(fēng)系統(tǒng)方面的對比分析[J]. 海洋科學(xué), 2014, 38(9): 96-108.

ZHANG Weijuan, YANG Bo, WEI Hao. Comaprison of four coupling models in simulation and forecast analysis of the East Asian monsoon system[J]. Marine Sciences, 2014, 38(9): 96-108.

[16] JIANG D B, TIAN Z P. East Asian monsoon change for the 21st century: Results of CMIP3 and CMIP5 mode-ls[J]. Chinese Science Bulletin, 2013, 58(12): 1427- 1435.

[17] 栗晗, 凌鐵軍, 張?zhí)N斐, 等. 中國近海風(fēng)場未來氣候變化統(tǒng)計降尺度預(yù)估[J]. 海洋預(yù)報, 2016, 33(4): 34-45.

LI Han, LING Tiejun, ZHANG Yunfei, et al. Statistical downscaling projection of sea-surface wind near China under RCPs scenarios[J].Marine Forecasts, 2016, 33(4): 34-45.

[18] 趙歡. 基于CMIP5多模式集成的東亞地面氣溫和降水的統(tǒng)計降尺度預(yù)測研究[D]. 南京: 南京信息工程大學(xué), 2015.

ZHAO Huan. Statistical downscaling of temperature and precipitation based on the multimodel ensemble forecast using CMIP5 data[D]. Nanjing: Nanjing University of Information Science and Technology, 2015.

[19] WU J, SHI Y, XU Y. Evaluation and projection of surface wind speed over China based on CMIP6 GCMs[J]. Journal of Geophysical Research: Atmospheres, 2020, 125(22): e2020JD033611.

[20] 向竣文, 張利平, 鄧瑤, 等. 基于CMIP6的中國主要地區(qū)極端氣溫/降水模擬能力評估及未來情景預(yù)估[J]. 武漢大學(xué)學(xué)報(工學(xué)版), 2021, 54(1): 46-57.

XIANG Junweng, ZHANG Liping, DENG Yao, et al. Projection and evaluation of extreme temperature and precipitation in major regions of China by CMIP6 models[J]. Engineering Journal of Wuhan University, 2021, 54(1): 46-57.

[21] 楊小玲. CMIP6優(yōu)選模式集合對中國溫度和降水的模擬評估與預(yù)估[D]. 南京: 南京信息工程大學(xué), 2022.

YANG Xiaoling. Simulation assessment and prediction of temperature and precipitation in China by CMIP6 Best Multi-Model Ensemble[D]. Nanjing: Nanjing Uni-versity of Information Engineering, 2022.

[22] ZHANG S Y, LI X C. Future projections of offshore wind energy resources in China using CMIP6 simulations and a deep learning-based downscaling method[J]. Energy, 2021, 217: 119321.

[23] O’NEILL B C, TEBALDI C, VAN VURREN D P, et al. The Scenario Model Intercomparison Project (ScenarioMIP) for CMIP6[J]. Geoscientific Model Development, 2016, 9(9): 3461-3482.

[24] CHEN H P, SUN J Q, LIN W Q, et al. Comparison of CMIP6 and CMIP5 models in simulating climate extremes[J]. Science Bulletin, 2020, 65(17): 1415-1418.

[25] ZHU H H, JIANG Z H, LI L. Projection of climate ext-remes in China, an incremental exercise from CMIP5 to CMIP6[J]. Science Bulletin, 2021, 66(24): 2528-2537.

[26] TAYLOR K E. Summarizing multiple aspects of model performance in a single diagram[J]. Journal of Geophy-sical Research: Atmospheres, 2001, 106(D7): 7183- 7192.

[27] 江瀅, 羅勇, 趙宗慈. 全球氣候模式對未來中國風(fēng)速變化預(yù)估[J]. 大氣科學(xué), 2010, 34(2): 323-336.

JIANG Ying, LUO Yong, ZHAO Zongci. Projection of wind speed changes in China in the 21st century by climate model[J]. Chinese Journal of Atmospheric Sciences, 2010, 34(2): 323-336.

[28] 孫秀榮, 陳隆勛, 何金海. 東亞海陸熱力差指數(shù)及其與環(huán)流和降水的年際變化關(guān)系[J]. 氣象學(xué)報, 2002, 60(2): 164-172.

SUN Xiurong, CHEN Longxun, HE Jinhai. Index of land–sea thermal difference and its relation to interannual variation of summer circulation and rainfall over East Asian[J]. Acta Meteorologica Sinica, 2002, 60(2): 164-172.

[29] 胡婷, 孫穎, 張學(xué)斌. 全球1.5和2 ℃溫升時的氣溫和降水變化預(yù)估[J]. 科學(xué)通報, 2017, 62(26): 3098- 3111.

HU Ting, SUN Ying, ZHANG Xuebin. Temperature and precipitation projection at 1.5 and 2 ℃ increase in global mean temperature[J]. Chinese Science Bulletin, 2017, 62(26): 3098-3111.

[30] 孫穎, 丁一匯. 未來百年東亞夏季降水和季風(fēng)預(yù)測的研究[J]. 中國科學(xué)D輯: 地球科學(xué), 2009, 39(11): 1487- 1504.

SUN Ying, DING Yihui. A projection of future changes in summer precipitation and monsoon in East Asia[J]. Science in China (Series D), 2009, 39(11): 1487-1504.

Evaluation and prediction of coastal meteorological elements in China by the CMIP6 model

TANG Yin1, MAO Xin-yan1, QIAN Chuang1, TIAN Xiao-lu1, WANG Ya-nan1,JIANG Wen-sheng2

(1. College of Oceanic and Atmospheric Sciences, Ocean University of China, Qingdao 266100, China; 2. College of Environmental Science and Engineering, Ocean University of China, Qingdao 266100, China)

To study the future meteorological element changes in the China coastal ocean under ScenarioMIP proposed by the Sixth International Coupled Model Comparison Project (CMIP6), this paper selected six coupled models of sea and air toevaluate and forecast the simulated wind speed, temperature, and precipitation. Theevaluation results show that the simulation effect of each mode is relatively accurate in general but relatively poor near the Philippines. Then, based on themultimodel average (MME) prediction results, in the middle of the 21st century, the variation in wind speed in the Bohai Sea and the Yellow Sea (BYS) increased in summer and decreased in winter under four scenarios. By the end of the 21st century, the wind speed north (south) of 15°N in summer mainly showed an increasing (decreasing) trend, and the wind speed north (south) of 25°N in winter mainly showed a decreasing (increasing) trend. In all four scenarios, the future temperature of China’s coastal ocean continued to rise, particularly in the high latitude region. Sustainable development scenarios (SSP1-2.6) can effectively mitigate temperature increases, while scenarios that allow large amounts of greenhouse gas emissions (such as SSP5-8.5) exacerbate temperature increases. In the future, the precipitation in the China coastal ocean will generally increase. BYS and the East China Sea (ECS) had the largest increase in precipitation under SSP5-8.5, increasing by approximately 15.87% and 5.61%, respectively, at the end of the century. The South China Sea (SCS) had the largest increase in precipitation under SSP2-4.5, increasing by approximately 4.84% at the end of the century.

CMIP6; scenarioMIP; China coastal ocean; meteorological element assessment; future projection

Jan. 18, 2022

P731

A

1000-3096(2022)12-0088-15

10.11759/hykx20220118001

2022-01-18;

2022-03-24

國家自然科學(xué)基金聯(lián)合基金項目(U2106204)

[Joint Fund Project of National Natural Science Foundation of China, No. U2106204]

唐寅(1998—), 男, 四川廣元人, 碩士研究生, 研究方向: 海洋未來預(yù)測, E-mail: tangyin@stu.ouc.edu.cn; 毛新燕(1982—), 山東青島人,通信作者, 副教授, 主要從事近海環(huán)流、物質(zhì)輸運(yùn)以及海洋生態(tài)環(huán)境的研究, E-mail: maoxinyan@ouc.edu.cn

(本文編輯: 叢培秀)