氣候系統模式對于北極海冰模擬分析

邱博 張錄軍 儲敏 吳統文 譚慧慧

（1南京大學大氣科學學院，江蘇南京210093；2江蘇省氣候變化協同創新中心，江蘇南京210093；3中國氣象局國家氣候中心，北京100081）

0 引言

目前，全球變化導致北極地區迅速增暖，特別是20世紀80年代以來，北極地區海冰快速減少［1-3］。Holland等［4］指出由于北極地區冰雪反照率的反饋作用，使得這一地區對全球氣候的變化尤其敏感。北極地區海冰減少，溫度又進一步升高，并且通過其對大氣的正/負反饋進而影響遙遠區域的氣候變異［5-9］。Francis等［10］研究指出，9月份海冰范圍與后期冬季大尺度大氣環流異常相聯系。同時，海冰的減少，對于北極地區的航海，當地的生態系統及其對中緯度的極端天氣的變化都有著重要的影響［11］。

氣候模式已經成為研究氣候變率及其變化的重要工具，全球耦合模式對比計劃為我們提供了全球許多國家主要的海氣耦合模式的實驗結果，使得我們可以評估這些模式是否能夠正確地模擬出海冰的分布、變率及其變化趨勢。IPCC第三次評估報告［12］指出，關于氣候模式改進最重要的任務之一是盡可能減少模式的不確定性，因而，模擬結果的檢驗，尤其模式間的相互比較非常重要。IPCC第四次評估報告（IPCC AR4）使用的是第三階段全球耦合模式對比計劃（CMIP3）的全球約20個耦合模式的模擬結果，Arzel等［13］在此次報告中評估了不同模式對于海冰的模擬能力。盡管如此，CMIP3的模式在模擬海冰面積大小以及變化趨勢等方面仍然存在很多的不確定性［14-16］。

第五階段全球耦合模式對比計劃（CMIP5）為IPCC第五次評估報告（IPCC AR5）撰寫提供重要科學依據，Stroeve等［17］評估了 CMIP5和 CMIP3模式對于海冰的模擬能力，但是這篇文章主要側重于分析模式對于北極海冰變化趨勢的模擬，而對于CMIP5模式模擬北極海冰的空間分布、年際變化以及北極海冰對氣候變暖的響應等方面則涉及較少，而這正是本文的研究重點。因此，我們把CMIP5的模式海冰結果與觀測資料進行比較，以此來評估氣候模式對于北極海冰的模擬能力，并且研究這些模式模擬的北極海冰的變化對于全球變化的響應。

1 模式和資料簡介

本文用到了參加CMIP5的15個耦合模式模擬的海冰密集度（sea ice concentration，簡稱SIC）和地表氣溫（surface air temperature，簡稱 SAT）資料（http：//cmip-pcmdi.llnl.gov/cmip5/），這些模式分別來自6個國家的不同的研究機構，基本能反映當前國際氣候系統模式的水平。

參加CMIP5的氣候模擬試驗的目的，是利用實際的外強迫來驅動耦合模式，模擬20世紀氣候的實際演變過程，考察耦合模式的模擬能力，以此作為評估這些耦合模式所預估的未來氣候變化情景的可信度。表1給出了15個模式的簡單介紹以及部分計算結果，其中14個模式是從19世紀中期開始積分的，而CanCM4是從20世紀中期開始的。每個模式的集合實驗個數從1個到10個不等，文中涉及北極海冰面積（sea ice extent，簡稱SIE）等方面計算的時候均采用集合平均的方法，同時由于不同模式的水平分辨率不同，在分析之前，我們將所有的模擬結果插值到1°×1°分辨率的規則網格上。

為檢驗模式性能，本文使用了NOAA/NSIDC的北極海冰的衛星觀測資料，由于衛星資料是從1978年10月開始的，所以本文主要關注1979—2005年北極的海冰的變化。Parkinson等［18］和 Zwally等［19］計算的海冰面積是指海冰密集度不小于15%的海區面積，所以本文在計算模式的海冰面積時，也采用這一標準。同時本文中表面氣溫（SAT）的資料還用到了NCEP/NCAR Reanalysis 2再分析資料。為討論方便，在與模式結果進行對比時，將美國NOAA/NSIDC的北極海冰資料和NCEP再分析資料統稱為觀測資料。同時，本文參考Clare和Walsh的海冰季節劃分方法［20］，定義冬季為 1—3月，春季為4—6月，夏季為7—9月，秋季為10—12月。

表1 觀測資料和CM IP5模式的海冰面積、變率以及變化趨勢Table 1.SIE，variability and trends in observations and CMIP5 models

2 結果分析

2.1 北極海冰空間形態的模擬

圖1是1979—2005年冬季和夏季北極海冰密集度的空間分布。從圖中可以看到，冬季和夏季多模式集合平均的北極海冰的范圍均大于觀測，海冰模擬偏多的范圍主要集中在太平洋一側的鄂霍次克海以及白令海，以及大西洋一側的巴倫支海、格陵蘭海和拉布拉多海。但是在夏季，雖然多模式集合平均的北極海冰的范圍偏大，但是北冰洋邊緣海區的海冰密集度的數值要小于觀測。

圖1 1979—2005年觀測（a，b）和 CMIP5集合平均（c，d）北極海冰密集度的空間分布（%）.（a，c）冬季，（b，d）夏季Fig.1.The spatial distribution（%）of Arctic SIC from observations（a，b）and CMIP5 ensemblemean（c，d）over 1979—2005（a，c）winter；（b，d）summer

為了定量評估不同模式模擬的多年平均的海冰密集度空間型與觀測的相似度，把各個模式模擬的多年平均的海冰密集度與觀測空間相關，并計算模式模擬的標準差與觀測的比率，將其表示在“泰勒”圖［21］上（圖2）。圖中的半徑表示標準差的比率，與縱坐標軸的角度表示相關系數的反余弦，即離橫坐標軸比率為1的半徑越近，則表示模式模擬的海冰密集度的形態越接近觀測。從圖中可以看到，多數模式模擬的多年平均的海冰密集度與觀測的相關系數都在0.6—0.9之間，并且除了FGOALS-g2以外，其他模式的空間標準差均小于觀測，其中BCCCSM1.1的空間標準差遠小于觀測，同時還可以看到，MIROC-ESM和MIROC-ESM-CHEM模式對于北極海冰空間分布模擬能力要強于其他模式。

2.2 北極海冰季節、年際變化的模擬

圖3給出了1979—2005年平均的北極海冰面積的季節變化。觀測資料結果顯示，北極海冰面積在3月達到全年最大值，為15.7×106km2，在9月達到最小值，為6.9×106km2。將模擬的北極海冰面積與觀測對比時發現，不同的模式對于海冰面積的模擬差異很大。大部分模式模擬的海冰面積偏小，特別是8—10月，其中在全年海冰面積最小的9月份，GFDL-CM3模擬的海冰面積最少，而GISS-E2-R-CC和HadGEM2-AO模擬的9月海冰面積也有很大的負偏差。而CSIRO-Mk3.6.0模擬的海冰面積在所有季節均偏大，BCC-CSM1.1模擬的冬季北極海冰面積的明顯偏多，但在夏季面積則偏少。15個模式集合平均的結果與觀測較為接近。從季節變化的均方根誤差的計算結果看（表1），HadGEM2-ES的均方根誤差最小，為 0.83×106km2，CanESM2的均方根誤差也較小，而模擬最差的是BCC-CSM1.1，均方根誤差為4.38×106km2。

圖2 模式模擬多年平均的北極海冰空間能力的泰勒圖Fig.2.Taylor diagrams showing skills of geographical distribution ofmean Arctic sea ice

圖3 1979—2005年觀測資料和CMIP5模式的北極海冰面積的季節循環Fig.3.The seasonal cycle of Arctic SIE from observations and CMIP5 models over 1979—2005

圖4是1979—2005年北極海冰面積的年際變化，從圖中可以看到，CanCM4、HadGEM2-ES和GISS-E2-H-CC模擬的海冰面積與觀測較為接近，BCC-CSM1.1和 CSIRO-Mk3.6.0模擬的海冰面積偏多，GFDL-CM3則明顯偏少。而多模式集合平均的結果與觀測較為接近。從年際變化的均方根誤差的計算結果看（表1），CanCM4的均方根誤差最小，為0.23×106km2，接著是 HadGEM2-ES，模擬最差的是 GFDL-CM3，均方根誤差為3.87×106km2。

圖4 1979—2005年觀測資料和CMIP5模式的年平均北極海冰面積的年際變化Fig.4.The mean annual Arctic SIE from observations and CMIP5 models over 1979—2005

2.3 北極海冰的變化趨勢的模擬

以上主要分析了氣候模式對于北極海冰面積的季節和年際變化模擬效果，下面我們主要研究不同的氣候模式對于北極海冰變化趨勢的模擬能力。

圖5是1979—2005年不同季節北極海冰密集度變化趨勢的空間分布。在冬季，觀測（圖5a）中北大西洋一側的格陵蘭海、巴倫支海和巴芬灣的海冰均為顯著減少的趨勢，而在太平洋一側的鄂霍次克海的海冰減少的趨勢也較為顯著；多模式平均（圖5c）的結果中，海冰減少的范圍與觀測較為接近，但是減少的趨勢遠小于觀測。在夏季，觀測（圖5b）中海冰減少的海區主要集中在北冰洋邊緣地區，特別是在楚科奇海、巴倫支海和喀拉海等海區；多模式平均（圖5d）的結果中，海冰減少的范圍比觀測大，但是減少的趨勢遠小于觀測。

圖5 1979—2005年觀測（a，b）和CMIP5集合平均（c，d）北極海冰密集度變化趨勢的空間分布.（a，c）冬季；（b，d）夏季（單位：%·dec-1）Fig.5.The seasonalmean spatial distribution of trend in Arctic SIC from observations（a，b）and CMIP5 ensemblemean（c，d）over 1979—2005.（a，c）winter；（b，d）summer（unit：%·dec-1）

1979—2005年，在觀測中，年平均的北極海冰面積線性減少的趨勢為-0.44×106km2·dec-1，15個模式均模擬出了海冰面積減少的變化趨勢（表1），CanESM2模式的線性減少趨勢最大，為-0.5×106km2·dec-1，而FGOALS-g2模式的線性減少趨勢最小，為 -0.14×106km2·dec-1，而 HadGEM2-ES、HadCM3等模式的線性減少趨勢與觀測較為接近。

圖6是不同月份北極海冰面積的變化趨勢，在觀測中，各個月份海冰面積均為減少的變化趨勢，其中9月份減少的趨勢最大，為-0.59×106km2·dec-1，而5月份減少的趨勢最小，為 -0.36×106km2·dec-1。模式模擬的各月海冰面積的變化趨勢與觀測相差較大，多數模式模擬的海冰面積減少的趨勢要小于觀測值，特別是在冬季和春季。多模式集合平均的北極海冰面積變化趨勢在6月最小，為-0.22×106km2·dec-1，在 9月最大，為 -0.53×106km2·dec-1。

2.4 北極海冰對于全球變化的氣候敏感性分析

隨著大氣中溫室氣體濃度的持續增加和土地利用變化，氣候系統正在經歷一次以變暖為主要特征的顯著變化，周天軍等［22］利用19個氣候模式檢驗了20世紀全球以及中國的地表氣溫的變化。與此同時，氣候變化已經而且正在導致海平面上升、水圈循環變化、極端天氣和氣候事件頻率和強度增加等一系列的氣候和環境變化，尤其體現在對氣候變化較為敏感和脆弱的地區，而北極地區海冰在全球變化的背景下也顯著減少，下面我們分析北極海冰的變化對于全球變化的響應。

圖6 1979—2005年觀測資料和CMIP5模式不同月份北極海冰面積的變化趨勢Fig.6.Monthly trends of Arctic SIE from observations and CMIP5 models over 1979—2005

Gregory等［23］和 Forster等［24］使用了一種新的表達式N-Q＝-YΔTs來診斷全球變暖下氣候敏感性的反饋情況，其中N表示氣候系統的凈熱量通量，Q表示氣候系統外部的輻射強迫，ΔTs表示地表氣溫的變化，Y則為氣候敏感因子，一些學者利用這個概念和方法做了中低緯度一些氣候敏感性的分析［25-26］。Zhang［27］指出，這種方法同樣適用于北極地區，并將上式變形為ΔAice＝-YΔTs，其中ΔAice表示海冰面積的異常，并用此方法討論了9月的海冰面積變化對北極地區地表氣溫的響應。而Gregory等［28］和 Michael［29］指出北極海冰面積與全球溫度的變化密切相關，所以本文主要研究北極的年平均的海冰面積對于全球地表氣溫變化的響應。

為了研究北極海冰的氣候敏感性Y，我們首先計算了1979—2005年平均的全球地表氣溫的變化（圖7），從圖中可以看到，觀測資料和模式的全球地表氣溫均呈現出增溫的變化趨勢，這與全球變暖的結果相一致。與觀測結果相比，多數模式模擬的全球地表氣溫低于觀測值，由前面的分析可知，很多模式模擬的北極海冰面積都比觀測值要小，而這些并不符合溫度降低，海冰面積增加的常識，模式的模擬結果中海冰面積和地表氣溫的不一致性說明不同的模式的海冰對于溫度變化的響應是不同的，而這些也使得我們需要進一步探究海冰面積和地表氣溫之間的關系。

圖7 1979—2005年觀測資料和CMIP5模式年平均全球地表氣溫的變化趨勢Fig.7.Themean global SAT from the observations and CMIP5 models over 1979—2005

圖8 觀測（紅色）和模式（藍色）資料北極海冰面積和地表氣溫距平的散點分布和線性回歸Fig.8.Scatter plot and linear regression of annual Arctic SIE and SAT anomalies for models（blue）and observations（red）

圖8是觀測和所有模式的海冰面積和地表氣溫之間的關系，我們利用線性回歸的方法計算溫度異常和海冰面積異常之間的關系，分別計算觀測的海冰面積對于地表氣溫的敏感性（Yobs）和所有模式的氣候敏感性（Ymod），計算可得Yobs＝1.02×106km2·K-1，Ymod＝1.11×106km2·K-1，由此可知，模式模擬的北極海冰面積對于全球地表氣溫的響應略強于觀測。表2給出了不同模式的氣候敏感性（Y）的數值，由表2可知，不同模式的氣候敏感性差異較大，其中 CSIRO-Mk3.6.0模式的Y的數值最小為0.62×106km2·K-1，而 GISS-E2-R-CC模式的Y的數值最大為1.68×106km2·K-1，說明不同的模式的北極海冰面積對于地表氣溫的響應有很大的不同。

為了進一步揭示不同模式的北極海冰面積的變化對于氣候變化的響應，我們根據不同模式的北極海冰面積季節和年際變化的均方根誤差之和作為標準（數值越小說明模式模擬得越好），將15個模式分為模擬好、較好、一般三種類別（表2），從表2中可以看到，三類Y的平均值依次為1.158×106km2·K-1、1.16×106km2·K-1和 1.186×106km2·K-1，說明對于北極海冰面積模擬較好的模式，對于海冰面積變化對于溫度的響應也跟觀測更接近一些。

表2 不同模式的氣候敏感性Table 2.Diagnosed sensitivity term for allmodels

3 小結

本文運用觀測和CMIP5模式的海冰資料，評估了國內外15個氣候模式模擬北極海冰的性能，多數模式都能夠較好地模擬出北極海冰的季節變化特征，但是大多數模式模擬的夏季海冰偏少，而年均海冰面積大小與觀測差別也較大。比較而言CanCM4、HadGEM2-ES模擬的年平均海冰面積較好，而多模式集合平均的結果與觀測較為接近。在觀測中，全年各月份海冰面積均呈現減少的變化趨勢，其中9月份減幅最大，而5月份減幅最小。目前，大部分的氣候系統模式也能夠模擬出北極海冰減少的變化趨勢，但減小幅度與實際差別較大。同時，在全球變化背景下，平均地表氣溫升高1℃，北極海冰的面積約減少1.02×106km2，而在模式中北極海冰面積的減幅位于 0.62×106—1.68×106km2之間，不同模式之間的氣候敏感性差異較大，說明氣候系統模式對北極海冰時空場的模擬仍然存在很多不確定性。

因此，從氣候系統模式發展的角度來看，我們需要在提高模式分辨率的同時，更需要關注相關海-氣-冰相互作用及其物理過程優化方案的改進。

1 Cavalieri D J，Parkinson C L，Vinnikov K Y.30-Year satellite record reveals contrasting Arctic and Antarctic decadal sea ice variability.Geophysical Research Letters，2003，30（18），doi：10.1029/2003GL018031.

2 Stroeve JC，Serreze M C，Fetterer F，et al.Tracking the Arctic’s shrinking ice cover：Another extreme Septemberminimum in 2004.Geophysical Research Letters，2005，32（4）：L04501，doi：10.1029/2004GL021810.

3 Comiso JC，Parkinson C L，Gersten R，et al.Accelerated decline in the Arctic sea ice cover.Geophysical Research Letters，2008，35（1）：L01703，doi：10.1029/2007GL031972.

4 Holland M M，Bitz CM.Polar amplification of climate change in coupledmodels.Climate Dynamics，2003，21（3-4）：221—232.

5 Alexander M A，Bhatt U S，Walsh JE，et al.The atmospheric response to realistic sea ice anomalies in an AGCM during winter.Journal of Climate，2004，17（5）：890—905.

6 Magnusdottir G，Derser C，Saravanan R.The effects of North Atlantic SST and sea ice anomalies in the winter circulation in CCM3.PartⅠ：Main features and storm track characteristics of the response.Journal of Climate，2004，17（5）：857—876.

7 Deser C，Magnusdottir G，Saravanan R，etal.The effects of North Atlantic SST and sea ice anomalies on the winter circulation in CCM3.PartⅡ：Direct and indirect components of the response.Journal of Climate，2004，17（5）：877—889.

8 Deser C，Tomas R A，Peng S L.The transient atmospheric circulation response to North Atlantic SST and sea ice anomalies.Journal of Climate，2007，20（18）：4751—4767.

9 Honda M，Inous J，Yamane S.Influence of low Arctic sea-iceminima on anomalously cold Eurasian winters.Geophysical Research Letters，2009，36（8）：L08707，doi：10.1029/2008GL037079.

10 Francis JA，Chan W H，Leathers D J，etal.Winter northern hemisphereweather patterns remember summer Arctic sea-ice extent.Geophysical Research Letters，2009，36（7）：L07503，doi：10.1029/2009GL037274.

11 Francis JA，Vavrus S J.Evidence linking Arctic amplification to extreme weather in mid-latitudes.Geophysical Research Letters，2012，39（6）：L06801，doi：10.1029/2012GL051000.

12 IPCC.Climate change 2001：The scientific basis//Houghton JT，Ding Y，Griggs D J，etal.Contribution ofWorking Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge，United Kingdom and New York，NY，USA：Cambridge University Press，2001：511.

13 Arzel O，Fichefet T，Goosse H.Sea ice evolution over the 20th and 21st centuries as simulated by current AOGCMs.Ocean Modelling，2006，12（3-4）：401—415.

14 Stroeve J，Holland M M，MeierW，etal.Arctic sea ice decline：Faster than forecast.Geophysical Research Letters，2007，34（9）：L09501，doi：10.1029/2007GL029703.

15 Kattsov V，Ryabinin V，Overland J，Serreze M，etal.Arctic sea ice change：A grand challenge of climate science.JournalofGlaciology，2010，56（200）：1115—1121.

16 Kay JE，Holland M M，Jahn A.Inter-annual tomulti-decadal Arctic sea ice extent trends in awarmingworld.Geophysical Research Letters，2011，38（15）：L15708，doi：10.1029/2011GL048008.

17 Stroeve JC，Kattsov V，Barrett A，et al.Trends in Arctic sea ice extent from CMIP5，CMIP3 and observations.Geophysical Research Letters，2012，39（16）：L16502，doi：10.1029/2012GL052676.

18 Parkinson C L，CavalieriD J，Gloersen P，etal.Arctic sea ice extents，areas，and trends，1978—1996.JournalofGeophysicalResearch：Oceans，1999，104（C9）：20837—20856.

19 Zwally H J，Comiso JC，Parkinson C L，etal.Variability of Antarctic sea ice 1979—1998.Journal of Geophysical Research：Oceans，2002，107（C5）：9-1-9-19，doi：10.1029/2000JC000733.

20 Deser C，Walsh JE，Timlin M S.Arctic sea ice variability in the context of recent atmospheric circulation trends.Journal of Climate，2000，13（3）：617—633.

21 Taylor K E.Summarizingmultiple aspects ofmodel performance in a single diagram.Journal of Geophysical Research：Atmospheres，2001，106（D7）：7183—7192，doi：10.1029/2000JD900719.

22 Zhou T J，Yu R C.Twentieth-century surface air temperature over China and the globe simulated by coupled climatemodels.Journal of Climate，2006，19（22）：5843—5858.

23 Gregory JM，Ingram W J，Palmer M A，etal.A newmethod for diagnosing radiative forcing and climate sensitivity.Geophysical Research Letters，2004，31（3）：L03205，doi：10.1029/2003GL018747.

24 Forster PM D，Gregory JM.The climate sensitivity and its components diagnosed from earth radiation budget data.Journal of Climate，2006，19（1）：39—52.

25 Bony S，Dufresne JL.Marine boundary layer clouds at the heart of tropical cloud feedback uncertainties in climatemodels.Geophysical Research Letters，2005，32（20）：L20806，doi：10.1029/2005GL023851.

26 Lindzen R S，Choi Y S.On the determination of climate feedbacks from ERBE data.Geophysical Research Letters，2009，36（16）：L16705，doi：10.1029/2009GL039628.

27 Zhang X D.Sensitivity of Arctic summer sea ice coverage to global warming forcing：Towards reducing uncertainty in arctic climate change projections.Tellus，2010，62（3）：220—227.

28 Gregory JM，Stott PA，Cresswell D J，etal.Recentand future changes in Arctic sea ice simulated by the HadCM3 AOGCM.Geophysical Research Letters，2002，29（24）：28-1-28-4，doi：10.1029/2001GL014575.

29 Winton M.Do climatemodelsunderestimate the sensitivity of Northern Hemisphere sea ice cover？Journal of Climate，2011，24（15）：3924—3934.