參加CMIP5的四個中國氣候模式模擬的東亞冬季風年際變率

金晨曦1, 2 周天軍1, 3

?

參加CMIP5的四個中國氣候模式模擬的東亞冬季風年際變率

金晨曦周天軍

1中國科學院大氣物理研究所大氣科學和地球流體力學數值模擬國家重點實驗室（LASG），北京100029 2中國科學院大學，北京100049 3中國科學院氣候變化研究中心，北京100029

本文比較了中國參加“國際耦合模式比較計劃”（CMIP5）的四個大氣環流模式（即FGOALS-g2、FGOALS-s2、BCC-CSM1-1、BNU-ESM大氣模式）在觀測海溫驅動下，對東亞冬季風（EAWM）氣候態和年際變率的模擬能力。結果表明，在氣候態上，四個模式均合理再現了EAWM高低層環流系統（包括低層西伯利亞高壓（SH）、阿留申低壓、異常偏北風、和中高層東亞大槽、西風急流），其中對2 m氣溫和500 hPa高度場的模擬技巧最高，四個模式模擬的結果與再分析資料的空間相關系數都達到0.99。在年際變率上，分別對東亞北部地區（30°N～60°N，100°E～140°E）和東亞南部地區（0°～30°N，100°E～140°E）的2 m氣溫進行經驗正交函數分解（EOF），提取變率主導模態。結果表明，在東亞北部地區，四個模式對2 m氣溫第一模態（簡稱“北部型”）的空間分布均有很高的模擬技巧，但只有BNU-ESM能夠較好再現其對應的年際變率，其模擬的時間序列與觀測的相關系數為0.69。四個模式均能模擬出觀測中的3.1 a主導周期，但只有FGOALS-s2和BNU-ESM能模擬出觀測中的2.5 a主導周期。在東亞南部地區，模式模擬的前兩個主模態共同解釋觀測中第一模態（簡稱“南部型”）的特征，其中FGOALS-g2、FGOALS-s2和BNU-ESM的綜合模擬技巧較高，但只有BNU-ESM成功再現了觀測中2.5 a和3.1 a的主導周期。機理分析表明，FGOALS-g2、FGOALS-s2、BNU-ESM三個模式能合理再現菲律賓海反氣旋，同時對南部型有較高的模擬能力，而BCC-CSM1-1則未能有效再現菲律賓海反氣旋，使得 BCC-CSM1-1對南部型模擬技巧較低。觀測和四個模式模擬的結果一致表現出北極濤動（AO）與北部型PC1呈顯著相關，影響大于SH。

東亞冬季風 ENSO 北極濤動 年際變率

1 引言

東亞地處歐亞大陸，東臨太平洋，西靠青藏高原，獨特的地理位置使得東亞季風成為全球最為活躍的季風系統之一（Huang et al., 2012）。作為東亞季風的重要成員，東亞冬季風（EAWM）以東亞地區北半球冬季時常發生的冷空氣南下為特征，在高層與西風急流和東亞大槽聯系緊密，在低層與西伯利亞高壓和阿留申低壓有關，同時低層30°N以北盛行西北風，30°N以南盛行東北風（Ding, 1994; Chen et al., 2000）。EAWM對東亞氣候和全球氣候都有重要影響，一方面強EAWM會給中國、韓國、日本和周邊地區帶來寒潮低溫冷害、冰凍雨雪等災害性天氣，比如2007到2008年冬季異常強的EAWM導致中國南方地區受到暴風雪及凍雨災害（Zhou et al., 2009），造成129人死亡以及大約1500億人民幣的經濟損失（中國氣象局國家氣候中心, 2008）；另一方面，EAWM通過寒潮由北向南入侵低緯地區，促進熱帶地區與中高緯地區的相互作用，從而影響更大尺度的氣候（Yang et al., 2002; Huang et al., 2003; Chang et al., 2005）。因此，研究EAWM變率及其機理具有重要意義。

關于EAWM的年際變率已經有大量研究工作，前人通過觀測資料的分析表明，EAWM年際變率主要受厄爾尼諾—南方濤動（ENSO）（Tomita and Yasunari, 1996; Zhang et al., 1996）和北極濤動（AO）（Thompson and Wallace, 1998）影響。ENSO影響EAWM的機制可歸納如下：厄爾尼諾年對應的中東太平洋暖海溫在其西北方向激發出一個氣旋（Gill, 1980），氣旋西側的偏北風與東北信風疊加，使得風速加強，從而加強了西北太平洋（WNP）的蒸發冷卻效應，西北太平洋的冷海溫通過激發羅斯貝波，有助于菲律賓海反氣旋（PSAC）的形成，菲律賓海反氣旋西側的西南風將減弱東亞冬季風，這種環流型被稱為“太平洋—東亞”遙相關型（Wang et al., 2000；Wang and Zhang，2002）。

AO影響EAWM的機制尚存在爭議，研究表明在1958～1998年間AO與西伯利亞高壓（SH）呈負相關，與中國東部地區地表氣溫呈顯著正相關，但在去掉線性趨勢后，AO與SH、SH與中國東部地區地表氣溫依然顯著相關，而AO與中國東部地區地表氣溫相關則不再顯著，由此說明AO通過SH而影響EAWM（Gong et al., 2001）。針對AO通過SH而影響EAWM這一結論，有觀點認為AO與SH相對獨立地影響EAWM，AO直接影響東亞35°N以北地區的地表氣溫、海平面氣壓和500 hPa東亞大槽，而SH直接影響東亞50°N以南地區的海平面氣壓和東亞沿岸偏北風，并且AO僅占SH 13%的方差貢獻（Wu and Wang, 2002）。

氣候模式是理解EAWM機理的重要工具，此前有大量關于評估模式對東亞氣候模擬性能的分析工作（Zhou and Li, 2002; Lau and Nath, 2006; Zhou and Yu, 2006；馮錦明和符淙斌，2007；許崇海等，2007；Gao et al., 2012）。通過對比IPCC AR4的20個耦合模式和觀測結果，發現模式能合理再現東亞冬季氣候平均的海平面氣壓、850 hPa風場和地表溫度，并且對地表氣溫模擬技巧最高，其中有10個模式能合理再現EAWM在1980年代的減弱趨勢（He and Wang，2012）。通過評估8個早期的大氣環流模式模擬的EAWM，發現模式能較為合理的再現EAWM氣候平均態特征，同時對寒潮特征模擬技巧較高，部分模式能再現觀測中寒潮的軌跡、強度、頻率和來源（Zhang et al., 1997）。對參加CMIP5的18個氣候模式模擬的1961～2005年氣溫和降水進行評估，發現模式對氣溫的變暖趨勢模擬技巧較高，而對降水時間演變模擬技巧有待提高；對整個中國地區而言，模式模擬的氣溫偏低，而降水偏高（Xu and Xu, 2012）。

綜合前人工作，關于大氣模式比較計劃（AMIP）試驗模擬的EAWM年際變率的研究不多，特別是針對最新的CMIP5模式的分析結果尚未見諸報道。本文的目的是，綜合評估中國參與國際比較計劃CMIP5的四個大氣模式對EAWM高低層環流系統以及2 m氣溫時空分布特征的模擬能力；在此基礎上，利用數值模擬的結果，討論影響EAWM年際變率的機理。

本文其余內容安排如下：第二部分介紹模式、資料和方法；第三部分主要從氣候態、2 m氣溫時空分布特征兩個方面來綜合考察模式在東亞冬季風區的表現，并利用數值模擬分析影響EAWM年際變率的機理；第四部分是總結。

2 模式、資料和方法

本文所采用的模式資料來自“國際耦合模式比較計劃”CMIP5的多模式資料集，選用參與AMIP試驗的四個中國氣候模式結果加以分析，模式的基本信息見表1。所有模式均采用歷史觀測海表溫度驅動（Rayner et al., 2003）。由于以上四個氣候模式的水平分辨率各不相同，為了便于比較，本文利用雙線性插值將所有模式數據插值到2.5°經度×2.5°緯度上。本文所選用的資料長度為1979～2008年。

表1 本文所采用的四個中國氣候模式簡介

* LASG/IAP為中國科學院大氣物理研究所大氣科學和地球流體力學數值模擬國家重點實驗室；BCC/ CMA為中國氣象局國家氣候中心；GCESS/BNU為北京師范大學全球變化與地球系統科學研究院

為評估模式的模擬能力，本文用到的對比資料包括：（1）NCEP–DOE II再分析資料，水平分辨率為2.5°經度×2.5°緯度（Kanamitsu et al., 2002）；（2）NOAA的海溫資料ERSST V.3b，水平分辨率為2°經度×2°緯度（Smith et al., 2008），用于計算Ni?o3.4指數，即（5°S～5°N，120°W～170°W）范圍內表層海溫異常（SSTA）的區域平均值。所有資料均使用1979～2008年時段進行分析，為便于討論，本文以下將再分析資料和觀測資料泛稱為“觀測資料”。1980年冬季指1979年12月與1980年1月和2月，依此類推。注意到為簡明起見，我們使用了NCEP–DOE II再分析資料中的地面要素場，而不是相對更可靠的基于站點觀測的格點化資料，如HadCRU（Morice et al., 2012）、CM05系列（Xu et al., 2009；吳佳和高學杰，2013）等。

為定量評估各模式對東亞冬季風區氣候態的模擬性能，本文采用以下兩個統計指標（Jiang et al., 2005）。區域平均誤差（RAE）:

和空間相關系數（SCC）:

（2）

其中x和y分別代表模式模擬值和觀測值。

為定量評估各模式對2 m氣溫時空分布的模擬能力，本文計算了模式模擬的PC1、PC2與觀測PC1的時間相關系數（TCC1、TCC2），以及模式模擬的EOF1、EOF2與觀測EOF1的空間相關系數（PCC1、PCC2）。為了評估空間分布和時間序列的總體作用，參考前人工作（Lee et al., 2011），本文用TCC1與PCC1乘積開方來定量評估模式對北方型的綜合模擬技巧，稱之為SKILL-N：

通過考慮模式模擬的前兩個模態與觀測第一模態的相似度，來定量評估模式對南方型的綜合模擬技巧，稱之為SKILL-S：

（4）

其中R1和R2分別表示模式模擬的第一模態解釋方差和第二模態解釋方差與前兩個模態解釋方差的百分比。且SKILL值的范圍由0到1，越接近1說明模式模擬技巧越高。

本文采用的分析方法主要有經驗正交函數分解（EOF）、功率譜分析和回歸分析。本文重點關注EAWM的年際變率，因此在2 m氣溫時空分布特征和EAWM機理分析部分，所有資料都進行了8年高通濾波處理，只保留8年以下的年際變率信號。

3 結果分析

本文以下首先針對高低層環流系統，評估模式對EAWM氣候態的模擬能力；然后，重點考察模式對2 m氣溫時空分布特征的表現。最后，利用模式結果，分析影響EAWM年際變率的機理。

3.1 東亞冬季風的氣候態特征

能否合理再現觀測氣候態的特征是衡量一個模式性能的重要因素（Sun and Ding，2008）。為評估模式對東亞冬季風的模擬性能，本文選取以下EAWM環流系統進行分析（Chang et al., 2004；Wang et al., 2009）：西伯利亞高壓（20N°～65°N，70E°～140°E），阿留申低壓（30°N～70°N，150°E～240°E），500 hPa東亞大槽（20°N～70°N，70°E～180°E），850 hPa偏北風（10°N～60°N，115E°～150°E）和500 hPa西風急流（20°N～60°N，100E°～160°E）。同時，考慮到2 m氣溫（15°N～55°N，70°E～150°E）直接表征冬季地面冷空氣活動，而熱帶降水（20°S～20°N，80°E～180°E）的異常加熱作用能夠影響到EAWM的變率，故本文對其一并進行分析。

由于冬季海陸熱力差異明顯，西伯利亞高壓和阿留申低壓是EAWM低層重要的環流系統，對我國冬季大范圍低溫寒潮天氣有重要影響（Tao and Chen, 1987）。圖1a為觀測的海平面氣壓場，西伯利亞地區為顯著的高壓中心，高壓脊一直向南延伸到中國南海北部，低壓中心位于阿留申地區。模式能較為合理的再現西伯利亞高壓和阿留申低壓（圖2a），高壓中心位于（50°N，100°W）附近，低壓中心位于（55°N，180°），與觀測較為一致；但模式模擬的海平面氣壓整體強于觀測，在北太平洋地區最大差值超過4.0 hPa，對應著阿留申低壓偏弱，在歐亞大陸北部模擬比觀測偏弱，負值中心位于（55°N，140°W），最大差值達到－3.0 hPa。

為評估模式對于東亞大槽的模擬能力，圖1b給出觀測的東亞地區500 hPa高度場，東亞地區存在顯著的大槽，有助于冷空氣南下。模式能較為合理的再現東亞大槽，但強度弱于觀測（圖2b）；模式模擬的500 hPa高度場整體弱于觀測，最大負值中心位于西伯利亞一帶，達到－2.0 dagpm，在北太平洋地區模擬比觀測偏強，最大差值達到3.0 dagpm。由于中高緯地區是正壓結構，所以模式低層（SLP）和中層（H500）的模擬結果與觀測的差異是一致的（圖2a、b），這一點在北太平洋阿留申地區和西伯利亞地區尤其明顯。

無論東亞冬季風區環流如何變化，2 m氣溫最能直接反映冬季地面冷空氣活動。因此，下面將評估模式對于東亞地區2 m氣溫的模擬能力。圖1a為觀測的東亞地區2 m氣溫場，2 m氣溫由南向北遞減。模式基本能再現2 m氣溫由南向北遞減的分布特征（圖2c）；模式模擬的2 m氣溫可能受地形影響在中國西部地區與觀測偏差較大，最大值達到4.0°C，而東部沿海地區與觀測偏差較小。

熱帶降水釋放的潛熱是東亞季風的重要驅動因子。圖1b為觀測的降水場，高值中心位于熱帶地區。模式模擬的降水中心位于西太平洋南部和印度洋東部地區，最大降水值達到14.0 mm d（圖2d）；模式模擬的熱帶降水在西太平洋強于觀測，最大差值超過4.0 mm d，在海洋性大陸地區和印度洋東部地區弱于觀測，最大差值達到－4.0mm d。

由觀測的850 hPa風場（圖1a）所示，東亞地區30°N以北為西北風，30°N以南為東北風。模式能較為合理的再現低層東亞地區的偏北風（圖2e）；模式模擬的850 hPa風場整體略強于觀測，中印半島和南海地區最大差值達到4.0 m s。

圖1b為觀測的500 hPa風場，在東亞—北太平洋地區有三條急流，冬季東亞副熱帶急流和東亞溫帶急流（Ren et al., 2011）以及北太平洋上空 急流（Yang et al., 2002）。模式能較為合理的再現中高層東亞地區的西風急流，模擬的東亞副熱帶急流和北太平洋上空急流偏弱，而溫帶急流偏強（圖2f）。

為定量比較四個模式AMIP試驗對東亞冬季風區氣候態的模擬能力，圖3給出了冬季氣候態（1979～2008年）平均東亞冬季風地區（0°～80°N，60°E～180°E）各相關物理量的泰勒圖。從空間相關系數上看，850 hPa經向風、500 hPa經向風和降水略低（0.8左右），而SLP、850 hPa緯向風和500 hPa緯向風略高（0.95左右），2 m氣溫和500 hPa高度場最高（超過0.99）。從標準化的均方根誤差上來看，結論也大致相當。從各個物理量來看，除降水四個模式模擬的差別較大外，FGOALS-g2模擬效果最優，BCC-CSM1-1模擬效果有待提高，其他幾個物理量四個模式模擬效果差別不大。

通過以上分析可以得出，四個模式對東亞冬季風區各環流系統的模擬技巧較高，基本能合理再現西伯利亞高壓、阿留申低壓、低層異常偏北風、東亞大槽和西風急流這些環流系統，以及2 m氣溫和熱帶降水兩個重要氣象要素，且對2 m氣溫和500 hPa高度場模擬技巧最高。較為合理的氣候態模擬能力，是下文討論年際變率模擬的基礎。

3.2 2 m氣溫EOF主導模態

考慮到EAWM經向跨度大，既包含熱帶地區又包含副熱帶地區，兩個區域間環流系統以及與近赤道強對流系統耦合程度有很大不同，本文參考前人做法，將東亞地區分為東亞北部地區（30°N～60°N，100°E～140°E）和東亞南部地區（0°～30°N，100°E～140°E）（Wang et al., 2010）。同時，考慮到2 m氣溫最能直接反映冬季地面冷空氣活動（趙平和張人禾，2006），而以上四個模式模擬的冬季氣候態平均2 m氣溫與觀測最為接近，因此，選取2 m氣溫依次對東亞北部地區和東亞南部地區做EOF分析，通過與觀測結果的對比，來評估模式對東亞北部和東亞南部地區2 m氣溫時空分布特征的模擬能力。由于本文主要考察EAWM的年際變率特征，故在EOF分解之前，將2 m氣溫場進行8年以下 高通濾波處理，同時對資料做了權重為的加權處理。

圖4（a–e）給出東亞北部地區2 m氣溫EOF1主導模態空間分布。觀測中第一模態解釋方差為60.4%，在60°N附近有很強的負異常，強度向南逐漸減小，表征寒潮由北向南入侵東亞地區（以下簡稱“北部型”）（Wang et al., 2010）。四個模式模擬的主導模態空間分布與觀測一致性較高，空間相關系數（PCC）分別為0.50、0.82、0.85、0.76，都通過了1%的顯著性檢驗，解釋方差分別為53.8%、70.2%、49.7%、58.1%，均通過了North準則顯著性檢驗（North et al., 1982），表明第一模態是獨立的。

東亞南部地區2 m氣溫EOF1第一模態（h–j）和EOF2第二模態（k–o）空間分布如圖4所示，觀測的第一模態解釋方差為44.9%，可以看到存在兩個負異常中心，其中一個中心位于中國東南沿海一帶，強度由東北向西南逐漸減小，另一個中心位于中南半島北部（以下簡稱“南部型”）（Wang et al., 2010）。四個模式模擬的前兩個模態空間分布均與觀測的第一模態存在一定的相似性，如模式模擬的第一模態負異常中心均位于華南地區，但位置較觀測偏東北方向，且均未能有效再現另一個位于中國東南沿海一帶的負異常中心，空間相關系數（PCC1）分別為0.36、0.55、0.41、0.54，都通過了5%的顯著性檢驗，解釋方差分別為45.0%、33.4%、40.2%、63.1%，除FGOALS-s2外，其他3個模式及觀測均通過了North準則顯著性檢驗（North et al., 1982）。而模式模擬的第二模態負異常中心位于中南半島地區，與觀測第一模態負異常中心較為接近，空間相關系數（PCC2）分別為0.55、0.35、0.25、0.24，解釋方差分別為23.7%、31.4%、27.8%、17.6%。

模式能否再現北部型和南部型的年際變率？東亞北部地區主導模態（PC1）和東亞南部地區前兩個模態（PC1、PC2）的時間序列如圖5所示，與觀測相關系數的定量分析如表2所示，北部型PC1與觀測的相關系數BNU-ESM為0.69，通過了1%的顯著性檢驗，FGOALS-s2與觀測的時間相關系數為0.32，通過10%的顯著性檢驗，而FGOALS-g2和BCC-CSM1-1與觀測時間相關系數分別為－0.01和0.14。

南部型PC1與觀測的相關系數，除BCC- CSM1-1較小（0.04）外，其他三個模式分別為0.41、0.44、0.64，均通過了5%的顯著性檢驗；而南部型PC2與觀測PC1的相關系數，除BNU-ESM較小（0.24）外，其他三個模式分別為0.80、0.60、0.62，均通過了1%的顯著性檢驗，模式PC2與觀測PC1的高相關關系也進一步證明了模式模擬的第二模態同樣對應著觀測的第一模態。

綜合評估時空特征的SKILL來看，模式集合平均對北部型和南部型的模擬能力相當。從單個模式來看，FGOALS-g2對南部型的模擬技巧明顯強于北部型，FGOALS-s2和BNU-ESM對北部型和南部型的模擬技巧均較高，但BNU-ESM的模擬技巧高于FGOALS-s2，而BCC-CSM1-1對北部型和南部型的模擬技巧均較低。

表2 模式模擬的前兩個主模態的時間序列（PC1，PC2）與觀測第一模態的時間序列（PC1）之間的時間相關系數（TCC1，TCC2），前兩個主模態的空間分布（EOF1，EOF2）與觀測第一模態的空間分布（EOF1）之間的空間相關系數（PCC1，PCC2），以及二者總體技巧評分（SKILL-N, SKILL-S），其中加粗數字表示未通過5%顯著性檢驗

為揭示年際變率的主導周期，圖6為北部型PC1（a–e）和南部型PC1（f–j）以及PC2（k–o）的功率譜分析。對于北部型而言，觀測PC1的主導周期為3.1 a（通過5%顯著性檢驗）和2.5 a（通過10%顯著性檢驗），四個模式都能模擬出3.1 a的主導周期，但只有FGOALS-g2和BNU-ESM能模擬出2.5 a的周期；對于東亞南部地區而言，觀測PC1的主導周期同樣為3.1 a（通過5%顯著性檢驗）和2.5 a（通過10%顯著性檢驗），四個模式模擬的PC1中，只有BNU-ESM能同時模擬出這兩個周期，FGOALS-g2只能模擬出3.1 a的周期，BCC-CSM1-1只能模擬出2.5 a的周期，而FGOALS-s2主導周期不明顯；而模式模擬的PC2，FGOALS-g2和FGOALS-s2均存在2.5 a的顯著周期，BCC-CSM1-1存在3 a的顯著周期，而BNU-ESM主導周期為4 a。

3.3 南部型的形成機理分析

前人研究表明，東亞冬季南部地區主要受ENSO影響（Wang et al., 2010）。觀測的南部型PC1與Nino3.4指數相關系數為－0.52，通過1%的顯著性檢驗（表3），而模式模擬的南部型PC1和PC2與Nino3.4指數的相關系數如表4，FGOALS-g2模擬的PC2為?0.59，FGOALS-s2模擬的PC1和PC2分別為－0.43和－0.50，BNU-ESM模擬的PC2為－0.36，均通過了5%的顯著性檢驗，即模式模擬的前兩個主導模態都可能是ENSO模態，因此，將觀測的主導模態空間型投影到模式結果中，得到對應的時間序列，再與Ni?o3.4指數做相關（表3），除BCC-CSM1-1未通過10%的顯著性檢驗外（－0.13），其他三個模式分別為－0.38，－0.53，－0.32，均通過了5%的顯著性檢驗。

表3 觀測的南方型PC1以及觀測的主導模態空間型投影到模式結果中，所得到的時間序列與Ni?o3.4指數的相關系數，其中加粗數字通過5%顯著性檢驗

表4 模式模擬的南部型前兩個主模態的時間序列（PC1, PC2）與Ni?o3.4指數的相關系數, 其中加粗數字通過5%顯著性檢驗

進一步探究ENSO對東亞冬季風南部型的影響，圖7a–e給出冬季Ni?o3.4指數與同期850 hPa風場的回歸分布。觀測顯示，在850 hPa菲律賓海附近存在一個異常反氣旋，反氣旋西側的西南風一直延伸到30°N，減弱東亞冬季風。模式模擬結果如圖7b–e所示，FGOALS-g2、FGOALS-s2、BNU- ESM能合理再現850 hPa菲律賓海反氣旋，其中FGOALS-g2和BNU-ESM模擬的反氣旋中心位置偏東，FGOALS-g2和FGOALS-s2模擬的反氣旋強度偏強，BNU-ESM模擬的反氣旋強度偏弱，特別是對海洋性大陸影響不明顯。而BCC-CSM1-1模擬的異常反氣旋中心則偏離菲律賓海，位于日界線附近，使得中國南部地區存在異常偏北風。

進一步給出冬季Ni?o3.4指數與同期海平面氣壓和2 m氣溫的回歸分布（圖7f），觀測表明西太平洋地區2 m氣溫為負異常，菲律賓海附近存在 一個高壓中心，同時東亞沿岸存在2 m氣溫正異常，表明弱的東亞冬季風。模式模擬結果如圖7b–e所示，四個模式都能合理再現菲律賓海附近的高壓中心和西太平洋2 m氣溫負異常，但除BNU-ESM外，其他三個模式模擬的東亞沿岸2 m氣溫正異常位置偏南。

為定量分析四個模式AMIP試驗模擬的太平洋—東亞遙相關型，圖8給出了Ni?o3.4指數與各物理量的回歸系數在不同區域的平均值，分別為東亞沿岸（15°N～30°N，110°E～130°E）經向風和2 m氣溫、西太平洋地區（0°～20°N，130°E～160°E）2 m氣溫、菲律賓海附近（0°～20°N，120°E～150°E）海平面氣壓和菲律賓海附近（5°N～15°N，120°E～140°E）850 hPa風場流函數。從東亞沿岸經向風（EA-V）來看，FGOALS-g2和FGOALS-s2比觀測偏強，BNU-ESM較觀測偏弱，而BCC-CSM1-1接近零值；從東亞沿岸2 m氣溫（EA-T）來看，FGOALS-s2和BNU-ESM與觀測較為接近，FGOALS-g2偏弱，而BCC-CSM1-1為負值，與觀測差別較大；四個模式模擬的西太平洋冷海溫（WP-T）較觀測一致偏弱；FGOALS-g2和FGOALS-s2模擬的菲律賓海附近高壓（PS-SLP）強于觀測，BCC-CSM1-1和BNU-ESM與觀測相當；從表征菲律賓海反氣旋渦旋運動的850 hPa 風場流函數（PS-SF）來看，FGOALS-g2強于觀 測，FGOALS-s2和BNU-ESM接近觀測，而BCC- CSM1-1接近零值，說明未能模擬出菲律賓海反氣旋，原因在于其反氣旋的位置過于偏東。

3.4 關于北部型的討論

本節簡要討論EAWM北部型的年際變率機理，圖9給出冬季AO指數與同期200 hPa緯向風、2 m氣溫以及500 hPa高度場的回歸分布。觀測顯示，AO的正位相對應著20°N～60°N西風急流偏弱、東亞大槽偏弱以及歐亞大陸北部地區2 m氣溫正異常，即弱的EAWM。四個模式能較為合理的再現這一現象。表5給出AO指數與各自PC1的相關系數，在觀測與模式中，AO與各自的北方型PC1均呈現出顯著負相關關系。但FGOALS-g2模擬的環流系統較觀測偏南，AO與南方型PC1的相關系數為 －0.52，說明在FGOALS-g2中，AO的影響范圍延伸至東亞南部地區。表5同時給出西伯利亞高壓指數（SHI）（Gong et al., 2001）與各自的南北方型PC1的相關系數，觀測和模式結果都顯示，SH對南北方型均有一定影響，但就北部型來看，其影響遠不如AO的影響密切。說明，AO可以直接影響EAWM北部地區。

表5 觀測與模式中南北方型PC1與各自的AO指數（AOI）和西伯利亞高壓指數（SHI）（8年高通濾波處理）的相關系數, 其中加粗數字通過1%顯著性檢驗

模擬的AO年際變率特征如何？如表6所示，作為大氣固有的內部變率模態，AO的年際變率受ENSO型海溫異常的影響不夠顯著（Yamazaki and Shinya, 1999; Zhou and Li., 2000），這是為何AMIP試驗難以合理再現實際的北部型模態年際變化的原因。

表6 觀測的AO指數（AOI）與各模式模擬的AO指數（AOI）的相關系數（8年高通濾波處理），均未通過10%顯著性檢驗

4 結論

本文通過FGOALS-g2、FGOALS-s2、BCC- CSM1-1、BNU-ESM四個模式AMIP試驗結果與NCEP-DOE II資料進行比較，從東亞冬季風氣候態和2 m氣溫時空分布特征兩個方面，綜合考察了四個模式在東亞冬季風區的模擬能力，分析了影響EAWM年際變率的機理。主要結論如下：

（1）在東亞冬季風氣候態上，四個模式對東亞冬季風區各環流系統的模擬技巧較高，均能合理再現西伯利亞高壓、阿留申低壓、低層異常偏北風和高層東亞大槽、西風急流這些重要的環流系統，以及2 m氣溫和熱帶降水兩個重要氣象要素。但四個模式在東亞冬季風區各物理量的模擬中存在一些微小的差異，普遍模擬較好的物理量是2 m氣溫和500 hPa高度場，與觀測的空間相關系數超過0.99，均方根誤差在0.1左右；模擬效果其次的是海平面氣壓、500 hPa緯向風和850 hPa緯向風，與觀測的空間相關系數為0.95左右，均方根誤差在0.4左右；模擬效果一般的是850 hPa經向風、500 hPa經向風和降水，與觀測的空間相關系數在0.8左右，均方根誤差在0.7左右。

（2）對東亞南部（0°～30°N，100°E～140°E）和北部（30°N～60°N，100°E～140°E）的2 m氣溫分別進行經驗正交函數分解（EOF），提取其主導模態（EOF1和PC1）。在東亞北部地區，四個模式對2 m氣溫EOF1有很高的模擬技巧，但對應PC1在各模式之間存在相當大的差別，其中BNU-ESM模擬技巧最高，與觀測PC1相關系數為0.69，其他三個模式模擬技巧較低，均未通過5%的顯著性檢驗。在東亞南部地區，模式模擬的前兩個主模態共同解釋觀測中第一模態的特征，除BCC-CSM1-1外，其他三個模式的綜合模擬技巧較高。

（3）FGOALS-g2、FGOALS-s2和BNU-ESM三個模式均能合理再現菲律賓海反氣旋，同時這三個模式對東亞南部地區2 m氣溫時空分布特征的模擬技巧較高，而BCC-CSM1-1則未能有效再現菲律賓海反氣旋，對東亞南部地區2 m氣溫時空分布特征的模擬技巧也較低，說明ENSO通過菲律賓海反氣旋影響EAWM南部地區。

（4）觀測與四個模式結果一致表現出AO與北部型PC1呈顯著相關，密切程度遠高于SH與北部型PC1的關系，說明AO可以直接影響EAWM北部地區。前人工作表明AO為大氣內部模態，這也就解釋了模式模擬的北部型模態與觀測相關較高，而對應PC1與觀測相關較低這一現象。

Bao Qing, Lin Pengfei, Zhou Tianjun, et al. 2013. The flexible global ocean-atmosphere-land system model, spectral version: FGOALS-s2[J]. Adv. Atmos. Sci.,30 (3): 561–576.

Chang C P, Wang Zhuo, Ju Jianhua, et al. 2004. On the relationship between western maritime continent monsoon rainfall and ENSO during northern winter [J]. J. Climate, 17 (3): 665–672.

Chang C P, Harr P, Chen H J. 2005. Synoptic disturbances over the equatorial South China Sea and western maritime continent during boreal winter [J]. Mon. Wea. Rev., 133 (3): 489–503.

Chen Wen, Graf H F, Huang Ronghui. 2000. The interannual variability of East Asian winter monsoon and its relation to the summer monsoon[J]. Adv. Atmos. Sci., 17 (1): 48–60

Ding Yihui. 1994. Monsoons over China [M]. Dordrecht, Boston, London: Kluwer Academic Publishers, 419pp.

馮錦明, 符淙斌. 2007. 不同區域氣候模式對中國地區溫度和降水的長期模擬比較 [J]. 大氣科學, 31 (5): 805–814. Feng J M, Fu C B. 2007. Intercomparison of long-term simulations of temperature and precipitation over China by different regional climate models [J]. Chinese J. Atmos. Sci. (in Chinese), 31 (5): 805–814.

Gao Xuejie, Shi Ying, Zhang Dongfeng, et al. 2012. Uncertainties in monsoon precipitation projections over China: Results from two high-resolution RCM simulations [J]. Climate Res., 52: 213–226.

Gill A E. 1980. Some simple solutions for heat-induced tropical circulation [J]. Quart. J. Roy. Meteor. Soc., 106 (449): 447–462.

Gong D Y, Wang S W, Zhu J H. 2001. East Asian winter monsoon and Arctic oscillation [J]. Geophys. Res. Lett., 28 (10): 2073–2076.

He Shengping, Wang Huijun.2012. Analysis of the decadal and interdecadal variations of the East Asian winter monsoon as simulated by 20 coupled models in IPCC AR4 [J]. Acta Meteorologica Sinica, 26 (4): 476–488.

Huang Ronghui, Zhou Liantong, Chen Wen. 2003. The progresses of recent studies on the variabilities of the East Asian monsoon and their causes [J]. Adv. Atmos. Sci., 20 (1): 55–69.

Huang Ronghui, Chen Jilong, Wang Lin, et al. 2012. Characteristics, processes, and causes of the spatio-temporal variabilities of the East Asian monsoon system [J]. Adv. Atmos. Sci.,29 (5): 910–942.

Jiang Dabang, Wang Huijun, Lang Xianmei. 2005. Evaluation of East Asian climatology as simulated by seven coupled models [J]. Adv. Atmos. Sci., 22 (4): 479–495.

Kanamitsu M, Ebisuzaki W, Woollen J, et al. 2002. NCEP-DOE AMIP-Ⅱ reanalysis(R?2) [J]. Bull. Amer. Meteor. Soc., 83 (11): 1631–1643.

Lau N C, Nath M J. 2006. ENSO modulation of the interannual and intraseasonal variability of the East Asian monsoon—A model study [J]. J. Climate, 19 (18): 4508–4530.

Lee J Y, Wang B, Ding Q, et al. 2011. How predictable is the Northern Hemisphere summer upper-tropospheric circulation? [J]. Climate Dyn., 37 (5?6): 1189–1203.

Li Lijuan, Lin Pengfei, Yu Yongqiang, et al. 2013. The Flexible Global Ocean-Atmosphere-Land System Model, Grid-point Version 2: FGOALS-g2 [J]. Adv. Atmos. Sci., 30 (3): 543–560.

Morice C P, Kennedy J J, Rayner N A, et al. 2012. Quantifying uncertainties in global and regional temperature change using an ensemble of observational estimates: The HadCRUT4 data set [J]. J. Geophys. Res., 117 (D8): D08101.

North G R, Bell T L, Cahalan R F, et al. 1982. Sampling errors in the estimation of empirical orthogonal functions [J]. Mon. Wea. Rev., 110 (7): 699–706.

Rayner N A, Parker D E, Horton E B, et al. 2003. Global analyses of sea surface temperature, sea ice, and night marine air temperature since the late nineteenth century [J]. J. Geophys. Res., 108 (D14): 4407, doi:10. 1029/2002JD002670.

Ren Xuejuan, Yang Xiuqun, Zhou Tianjun, et al. 2011. Diagnostic comparison of wintertime East Asian subtropical jet and polar-front jet: Large-scale characteristics and transient eddy activities [J]. Acta Meteorologica Sinica, 25 (1): 21–33.

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

Sun Ying, Ding Yihui. 2008. An assessment on the performance of IPCC AR4 climate models in simulating interdecadal variations of the East Asian summer monsoon [J]. Acta Meteorologica Sinica, 22 (4): 472–488.

Tao S Y, Chen L X. 1987. A review of recent research on the East Asian summer monsoon in China [M]//Chang C P, Krishnamurti T N, eds. Monsoon Meteorology. London: Oxford University Press, 60–92.

Thompson D W J, Wallace J M. 1998. The Arctic Oscillation signature in the wintertime geopotential height and temperature fields [J]. Geophys. Res. Lett., 25 (9): 1297–1300.

Tomita T, Yasunari T. 1996. Role of the northeast winter monsoon on the biennial oscillation of the ENSO/monsoon system [J]. J. Meteor. Soc. Japan, 74 (4): 399–413.

Wang Bin, Zhang Qin. 2002. Pacific?East Asian teleconnection. Part Ⅱ: How the Philippine Sea anomalous anticyclone is established during El Ni?o development [J]. J. Climate, 15 (22): 3252–3265.

Wang Bin, Wu Renguang, Fu Xiouhua. 2000. Pacific?East Asia teleconnection: How does ENSO affect East Asian climate? [J]. J. Climate, 13 (9): 1517–1536.

Wang Bin, Wu Zhiwei, Chang C P, et al. 2010. Another look at interannual-to-interdecadal variations of the East Asian winter monsoon: The northern and southern temperature modes [J]. J. Climate, 23 (6): 1495–1512.

Wang Lin, Chen Wen, Zhou Wen, et al. 2009. Interannual variations of East Asian trough axis at 500 hPa and its association with the East Asian winter monsoon pathway [J]. J. Climate, 22 (3): 600–614.

Wu Bingyi, Wang Jia. 2002. Winter Arctic oscillation, Siberian high and East Asian winter monsoon [J]. Geophys. Res. Lett., 29(19): 3-1–3-4.

吳佳，高學杰. 2013. 一套格點化的中國區域逐日觀測資料及與其它資料的對比 [J]. 地球物理學報, 56 (4): 1102–1111. Wu J, Gao X J. 2013. A gridded daily observation dataset over China region and comparison with the other datasets [J]. Chinese Journal of Geophysics (in Chinese), 56 (4): 1102–1111.

Xin Xiaoge, Wu Tongwen, Li Jianglong, et al. 2013. How well does BCC-CSM1.1 reproduce the 20th century climate change over China? [J]. Atmos. Oceanic Sci. Lett., 6 (1): 21–26.

許崇海, 沈新勇, 徐影. 2007. IPCC AR4模式對東亞地區氣候模擬能力的分析 [J]. 氣候變化研究進展, 3 (5): 287–292. Xu Chonghai, Shen Xinyong, Xu Ying. 2007. An analysis of climate change in East Asia by using the IPCC AR4 simulations [J]. Adv. Clim. Change Res. (in Chinese), 3 (5): 287–292.

Xu Ying, Xu Chonghai. 2012. Preliminary assessment of simulations of climate changes over China by CMIP5 multi-models [J]. Atmos. Oceanic Sci. Lett., 5 (6): 489–494.

Xu Y, Gao X J, Shen Y, et al. 2009. A daily temperature dataset over China and its application in validating a RCM simulation [J]. Adv. Atmos. Sci., 26 (4): 763–772.

Yamazaki K, Shinya Y. 1999. Analysis of the arctic oscillation simulated by AGCM [J]. J. Meteor. Soc. Japan, 77 (6): 1287–1298.

Yang S, Lau K M, Kim K M. 2002. Variations of the East Asian jet stream and Asian–Pacific–American winter climate anomalies [J]. J. Climate, 15 (3): 306–325.

Zhang R H, Sumi A, Kimoto M. 1996. Impact of El Ni?o on the East Asian monsoon: A diagnostic study of the '86/87 and '91/92 events [J]. J. Meteor. Soc. Japan, 74 (1): 49–62.

Zhang Y, Sperber K R, Boyle J S, et al. 1997. East Asian winter monsoon: Results from eight AMIP models [J]. Climate Dyn., 13 (11): 797–820.

趙平, 張人禾. 2006. 東亞—北太平洋偶極型氣壓場及其與東亞季風年際變化的關系 [J]. 大氣科學, 30 (2): 307–316. Zhao Ping, Zhang Renhe. 2006. Relationship of interannual variation between an Eastern Asia–Pacific dipole pressure pattern and East Asian monsoon [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 30 (2): 307–316.

Zhou T J, Li Z X. 2002. Simulation of the East Asian summer monsoon using a variable resolution atmospheric GCM [J]. Climate Dyn., 19 (2): 167–180.

Zhou Tianjun, Yu Rucong. 2006. Twentieth-century surface air temperature over China and the globe simulated by coupled climate models [J]. J. Climate, 19 (22): 5843–5858.

Zhou Tianjun, Zhang Xuehong, Yu Rucong, et al. 2000. The North Atlantic oscillation simulated by version 2 and 4 of IAP/LASG GOALS Model [J]. Adv. Atmos. Sci., 17 (4): 601–616.

Zhou Wen, Chan J C L, Chen Wen, et al. 2009. Synoptic-scale controls of persistent low temperature and icy weather over southern China in January 2008 [J]. Mon. Wea. Rev., 137 (11): 3978–3991.

中國氣象局國家氣候中心. 2008. 全國氣候影響評價 [M]. 北京: 氣象出版社, 18pp. National Climate Center (NCC)/Chinese Meteorological Administration (CMA). 2008. China Climate Impact Assessment (in Chinese) [M]. Beijing: China Meteorological Press, 18pp.

Analysis of the Interannual Variations of the East Asian Winter Monsoon Simulation by Four CMIP5 GCMs

JIN Chenxiand ZHOU Tianjun

1,,,100029 2,100049 3,,100029

This study evaluates simulations of the interannual variations of the East Asian Winter Monsoon (EAWM) in four general circulation models (GCMs) that participated in the Couple Model Intercomparison Project 5 (CMIP5). The results indicate that all models can reasonably reproduce the high- and low-level circulation fields including the Siberian High (SH), Aleutian low, near surface wind and mid- to upper-level East Asian (EA) major trough, and upper-tropospheric EA jet. The interannual variability modes are identified by performing separate empirical orthogonal Function (EOF) analyses of the temperature 2 m over the northern domain (30°N–60°N, 100°E–140°E) and the southern domain (0°–30°N, 100°E–140°E). For the northern mode, all four models effectively capture the spatial features. However, only the Beijing Normal UniversityEarth System Model(BNU-ESM) reasonably simulates the temporal characteristics; the first principalcomponent (PC1) correlation coefficient between the BNU-ESM and National Centers for Environmental Prediction/U.S. Department of Energy Reanalysis II (NCEP-DOE II) is 0.69. For the southern mode, the first two EOF modes in all models correlate strongly with the observed first leading EOF mode (EOF1), which indicates that the simulated first two modes together explain the observed characteristics of the first mode. The general skills of the grid-point version 2 Flexible Global Ocean–Atmosphere–Land System model (FGOALS-g2), the version 2 FGOALS spectral model (FGOALS-s2), and BNU–ESM in the simulation of the southern modes are high, which is mainly attributed to the successful simulation of the Philippine Sea anticyclone associated with El Ni?o forcing. However, version 1.1 of the BeijingClimate Center Climate System Model (BCC-CSM1-1) fails to capture the interannual variations of the southern mode and the Philippine Sea anticyclone. Both the observation and the simulations show that the northern mode correlates significantly with Arctic Oscillation (AO).

East Asian Winter Monsoon (EAWM), ENSO, Arctic Oscillation (AO), Interannual variability

1006–9895(2014)03–0453–16

P461

A

10.3878/j.issn.1006-9895.2013.13180

2013–05–20，

2013–11–20收修定稿

國家杰出青年科學基金項目41125017，中國科學院戰略性先導科技專項XDA05110300

金晨曦，男，1989年出生，博士研究生，主要從事氣候模擬研究。E-mail: jincx@mail.iap.ac.cn

金晨曦, 周天軍. 2014. 參加CMIP5的四個中國氣候模式模擬的東亞冬季風年際變率 [J]. 大氣科學, 38 (3): 453–468, doi:10.3878/j.issn.1006-9895.2013. 13180. Jin Chenxi, Zhou Tianjun. 2014. Analysis of the interannual variations of the East Asian winter monsoon simulation by four CMIP5 GCMs [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 38 (3): 453–468.