CMIP5氣候模式下淡水通量變化

張守文，王輝，姜華*，杜凌

(1. 中國海洋大學(xué) 海洋與大氣學(xué)院，山東 青島 266100；2. 國家海洋環(huán)境預(yù)報中心，北京 100081)

?

CMIP5氣候模式下淡水通量變化

張守文1，2，王輝2，姜華2*，杜凌1

(1. 中國海洋大學(xué) 海洋與大氣學(xué)院，山東 青島 266100；2. 國家海洋環(huán)境預(yù)報中心，北京 100081)

摘要：基于全球降水氣候態(tài)計劃(GPCP)的降水資料和美國伍茲霍爾海洋研究所(WHOI)的客觀分析海氣通量(OAFlux)的蒸發(fā)數(shù)據(jù)，對CMIP5的13個耦合模式的淡水通量歷史模擬結(jié)果進(jìn)行評估。結(jié)果表明：模式能夠模擬出淡水通量的氣候態(tài)空間分布，但普遍存在雙熱帶輻合帶(ITCZ)現(xiàn)象，熱帶海域是模式模擬不確定性最大的區(qū)域。模式能較好模擬出緯向平均的淡水通量的分布特征，但量值較實(shí)測偏小，且由于模式對1月10°S附近淡水通量的模擬過低，導(dǎo)致年平均的赤道和10°S之間的淡水通量模擬存在明顯的偏差。季節(jié)尺度上，模式對北半球淡水通量的變化特征有很好的模擬能力，但對南半球的模擬能力不足。年際尺度上，模式普遍能夠刻畫ENSO引起的淡水通量在太平洋中部同西太平洋以及印尼貫通流反相變化的空間分布特征，但是時間特征模擬很差。從各個方面評估模式的歷史模擬結(jié)果，多模式集合的結(jié)果都要優(yōu)于單個模式的結(jié)果。全球變暖背景下，未來淡水通量變化最顯著的區(qū)域位于熱帶和亞熱帶區(qū)域。原本蒸發(fā)(降水)占主導(dǎo)的海域，蒸發(fā)(降水)更強(qiáng)。不同氣候情景下，淡水通量變化的空間形態(tài)沒有顯著變化，但RCP8.5氣候情景下模擬的淡水通量變化幅度及模式間變化的一致性均強(qiáng)于RCP4.5的結(jié)果。

關(guān)鍵詞：淡水通量；CMIP5; 模式比較；預(yù)估；情景

1引言

海氣淡水通量，即海洋大氣界面處蒸發(fā)與降水之差(E-P)，是表征全球大氣與海洋之間水氣交換的一個重要指標(biāo)。淡水通量的變化不僅能夠改變海洋鹽度場，引起溫度場和流場異常，還能夠通過海氣界面的能量交換引起大氣的響應(yīng)[1—4]。隨著大氣中的溫室氣體含量不斷的增加，全球氣候一直處于升溫的變化中，預(yù)期的結(jié)果是全球水循環(huán)的增強(qiáng)[5—6]，并主要表現(xiàn)在大氣水汽輸運(yùn)的增強(qiáng)上。政府間氣候變化第四次、第五次評估報告[7—8]對全球水循環(huán)的特征給出了共同的描述，即“Wet getting wetter and dry getting drier”。也就是說熱帶和中緯度地區(qū)原本濕潤的區(qū)域會變得更加濕潤，而亞熱帶干旱、半干旱的地區(qū)會變得更加干旱[9—11]。如果預(yù)測的水循環(huán)在未來的現(xiàn)實(shí)中會發(fā)生如此大尺度的變化，這會給人類社會和生態(tài)系統(tǒng)帶來十分嚴(yán)峻的考驗(yàn)。比如，原本濕潤的地區(qū)會遭受頻發(fā)的洪水的侵襲，與此同時，原本干旱的地區(qū)由于轉(zhuǎn)換到了一個更加干旱的氣候中，將會面臨可用水的減少和水質(zhì)的下降等一系列嚴(yán)峻的考驗(yàn)。

全球變暖會導(dǎo)致水循環(huán)的加強(qiáng)，而水循環(huán)的改變會通過改變沿等密度面的海洋熱擴(kuò)散，進(jìn)而影響海表面的溫度。變化了的海表面溫度又會作用于大氣的下墊面，通過改變大氣中水氣的承載能力和改變海氣界面處的蒸發(fā)，繼而引起水循環(huán)的變化。因此，淡水通量的模擬能夠直接關(guān)系到海表面溫度的模擬正確與否并最終反饋到淡水通量自身的模擬。未來氣候模式的發(fā)展首先要著力改進(jìn)模式物理參數(shù)化方案，使得模式的物理框架更加完備，增加預(yù)報結(jié)果的可靠性。比如對淡水通量的模擬，熱帶太平洋云反饋的作用以及緯向海表面溫度的梯度都是亟需完善的科學(xué)問題。其次，模式的分辨率需要進(jìn)一步細(xì)化，從而增加對區(qū)域海洋的可預(yù)報性，最大限度的發(fā)揮模式的科學(xué)研究價值。

為了深入了解淡水循環(huán)及其對氣候變化的影響，迫切需要對其特征加以分析并定性定量的預(yù)估淡水通量的變化。耦合模式比較計劃第五階段(CMIP5)為實(shí)現(xiàn)這個目的提供了有效的工具。最新的全球氣候模式采用更合理的參數(shù)化方案、通量處理方案和耦合技術(shù)，模式的模擬結(jié)果和預(yù)估能力都得到了顯著的提高。目前為止，大量的工作都是對陸面降水的檢驗(yàn)以及對未來極端降水的預(yù)估。IPCC5報告指出，全球大尺度降水的空間形態(tài)模擬有了顯著提高，較之于CMIP3，年平均相關(guān)性從0.77提高到了0.82。Liu等[12]通過將全球的陸地劃分為8個區(qū)域，評估了CMIP5中12個模式對夏季和冬季降水的模擬能力，研究發(fā)現(xiàn)在全球尺度上，模式的結(jié)果與再分析數(shù)據(jù)結(jié)果沒有十分顯著的差別，但是在不同的區(qū)域存在十分強(qiáng)的季節(jié)誤差和模式間的誤差。Sillmann等[13]發(fā)現(xiàn)CMIP5能夠比CMIP3更為準(zhǔn)確的模擬出降水的振幅，但是對于極端降水的模擬仍有很大的不確定性。Kumar等[14]則指出模式在表現(xiàn)降水的長期變化上表現(xiàn)不足。除此之外，模式的區(qū)域降水的模擬能力也獲得了很大關(guān)注。陳曉晨等[15]的研究發(fā)現(xiàn)CMIP5的模式能夠再現(xiàn)中國年平均降水的時空變化特征，但在量值上有較大偏差，多模式集合的結(jié)果要優(yōu)于單個模式的結(jié)果。李振朝等[16]研究發(fā)現(xiàn)模式對北半球季節(jié)變化降水的模擬要遠(yuǎn)優(yōu)于趨勢的模擬，各個模式都能夠模擬出青藏高原的降水中心，但模式間差異較大。

前人的工作對CMIP5模式降水的評估多是針對陸面的降水，而對海洋中的降水，以及對淡水通量的模擬缺乏足夠的評估。因此，本文利用13個CMIP5全球氣候模式的結(jié)果，分別從氣候態(tài)的空間分布、季節(jié)變化和年際變化的特征幾個角度評估模式淡水通量歷史結(jié)果模擬能力，并在此基礎(chǔ)上，分析了在全球變暖的不同未來氣候情景下，淡水通量的變化特征。

2數(shù)據(jù)和方法

為了評估模式的模擬能力，本文主要使用了全球降水氣候態(tài)計劃(GPCP，Adler等[17])的降水資料和美國伍茲霍爾海洋研究所的客觀分析海氣通量OAFlux的蒸發(fā)數(shù)據(jù)(Yu和Weller[18])與模式的結(jié)果進(jìn)行對比。這兩種數(shù)據(jù)組合表征的淡水通量是目前為止最為準(zhǔn)確的淡水通量的數(shù)據(jù)，很多研究也一致選擇這種組合方式[3，19]。

本文選取了參加CMIP5計劃中的13個模式的歷史氣候模擬試驗(yàn)(historical)數(shù)據(jù)和RCP4.5、RCP8.5兩種典型濃度路徑未來情景(Representative Concentration Pathways)實(shí)驗(yàn)數(shù)據(jù)(Taylor等[20])。這13個模式分別為BCC-CSM1-1、BNU-ESM、CanESM2、CCSM4、CESM1-CAM5、CSIRO-MK3-6-0、GISS-E2-H、INMCM4、IPSL-CM5A-LR、MIROC-ESM、MIROC5、MPI-ESM-LR和MRI-CGCM3，每個模式的具體信息和細(xì)節(jié)可以參照http://cmip-pcmdi.llnl.gov/cmip5/。歷史氣候模擬實(shí)驗(yàn)首先在溫室氣體等外強(qiáng)迫固定在工業(yè)革命前的狀態(tài)運(yùn)行數(shù)百年，使得模式達(dá)到平衡，之后在實(shí)測的溫室氣體、太陽常數(shù)、火山活動、臭氧和氣溶膠等外強(qiáng)迫下模擬1850到2005年的海洋-大氣的歷史變化。RCP4.5和RCP8.5分別表示在該情景下，輻射強(qiáng)迫在2100年分別達(dá)到4.5和8.5 W/m2。為了方便數(shù)據(jù)處理和比較，我們只選取每種試驗(yàn)下每個模式的第一個樣本，并使用線性插值的方法將其插值到再分析數(shù)據(jù)的網(wǎng)格上。

本文通過Taylor圖研究不同模式模擬的結(jié)果與再分析資料標(biāo)準(zhǔn)差和相關(guān)性的關(guān)系。其次，為了評估未來氣候情景下淡水通量的變化是否通過顯著性檢驗(yàn)，我們使用了卡方檢驗(yàn)。圖6中灰點(diǎn)的區(qū)域表示多模式集合的結(jié)果通過了顯著性檢驗(yàn)。

3結(jié)果分析

3.1淡水通量氣候特征的模擬

1980-2005年平均的淡水通量空間差異性較大(圖1a)。淡水通量的空間分布主要受降水的分布影響，負(fù)的極大值區(qū)主要位于強(qiáng)的熱帶輻合區(qū)域，如熱帶輻合帶和南太平洋輻合帶；而正的極大值區(qū)域主要位于副熱帶高壓區(qū)域(圖1o,p)。在全球尺度上，除了北半球的西邊界流區(qū)，蒸發(fā)、降水最大值的區(qū)域通常不會疊加在一起。在西邊界流區(qū)，中緯度風(fēng)暴帶強(qiáng)降水區(qū)域稍微位于蒸發(fā)最大值的下游區(qū)域。這導(dǎo)致了蒸發(fā)降水的補(bǔ)償，使得淡水通量很弱。通過比較13個氣候模式與再分析的淡水通量的空間分布，模式基本能夠再現(xiàn)再分析資料的空間分布形態(tài)，但模式與再分析資料以及模式與模式之間還是存在一定的偏差。在熱帶太平洋海域，負(fù)的淡水通量主要位于暖池以及ITCZ(Intertropical Convergence Zone)和SPCZ海域，主要原因是因?yàn)檫@些海域SST較高，對流作用強(qiáng)，降水旺盛，因此導(dǎo)致了淡水通量呈現(xiàn)出明顯的負(fù)的分布。與之相對應(yīng)，正值區(qū)域主要位于ITCZ北部以及SPCZ東南部，這些區(qū)域中，海表面溫度相對較低，對流稍弱，蒸發(fā)占據(jù)了主導(dǎo)地位。值得注意的是每個模式模擬的暖池區(qū)域以及ITCZ區(qū)域的淡水通量的負(fù)值都要大于再分析的結(jié)果，而除MIROC-ESM之外的12個模式模擬的SPCZ的淡水通量也都要大于再分析結(jié)果。模式(除MIROC的兩個模式外)普遍的表現(xiàn)出顯著的雙ITCZ現(xiàn)象，淡水通量模擬的這種現(xiàn)象主要受降水模擬的影響(圖1p)，并且伴隨著赤道冷舌西伸過強(qiáng)發(fā)生(Mechoso等[21])。此外，模式模擬的淡水通量在印度洋上的負(fù)值區(qū)向西延伸過強(qiáng)，最遠(yuǎn)達(dá)到印度洋西海岸。通過對比再分析資料與多模式集合的結(jié)果，模式模擬的負(fù)的淡水通量的強(qiáng)度要大于再分析的結(jié)果且緯向的延伸要強(qiáng)于再分析的結(jié)果，而模擬的正的淡水通量的強(qiáng)度和經(jīng)向的延伸也要弱于再分析結(jié)果。分析不同模式間模擬的差別，不同模式在熱帶區(qū)域的模擬結(jié)果存在較大偏差，而在副熱帶以及更高的緯度帶上，模式間的差異性不顯著。在熱帶區(qū)域，模式模擬的淡水通量的氣候態(tài)之間的標(biāo)準(zhǔn)差的最大值約為0.5 m/a，與淡水通量氣候態(tài)最大2 m/a的量值相比，不確定性達(dá)到了40%(圖1o)。

圖1　1980-2005年再分析的淡水通量氣候態(tài)空間分布(a)和13個模式的氣候態(tài)空間分布(b-n)、多模式集合的平均(o)以及降水多模式集合的平均(p) Fig.1　Climatological freshwater flux from reanalysis (a) and climate simulations by 13 coupled climate models (b-n)，multi-model ensemble mean (o) and multi-model ensemble mean of precipitation (p) during 1980 to 2005

模式能模擬出緯向平均的淡水通量及其季節(jié)變化的緯度分布的特征(圖2)，即緯向上呈現(xiàn)M狀的分布。但是在具體分布形態(tài)和量值上還是存在一定的誤差。無論年平均還是1月或者7月淡水通量的緯向分布，在赤道區(qū)域都有一個明顯的凸起，即此處的淡水通量的量值要大于南北兩側(cè)的值，這主要是由于模式對赤道太平洋東部的模擬出現(xiàn)雙ITCZ所致。由于模式對1月10°S附近模擬的淡水通量異常小，使得與實(shí)測之間產(chǎn)生了較大誤差。7月同樣也存在這樣異常的小值，但是多模式集合的結(jié)果要明顯好于1月的結(jié)果。可見，正是由于模式對10°S附近淡水通量的異常模擬，導(dǎo)致了年平均赤道區(qū)域的偏差。此外，模式的結(jié)果普遍小于實(shí)測的結(jié)果，特別是南北緯20°之間的區(qū)域，實(shí)測與多模式集合結(jié)果的誤差最大能夠達(dá)到1 m/a。整體而言，實(shí)測與多模式最大值的模擬結(jié)果存在較好的一致性。

圖2　緯向平均淡水通量的緯度分布Fig.2　Latitudinal distribution of zonally averaged freshwater

為評估局部區(qū)域淡水通量模擬能力，我們首先將熱帶太平洋區(qū)域劃分為南北兩側(cè)，并分別繪制Taylor圖分析模式模擬結(jié)果與再分析資料的關(guān)系。之所以將熱帶太平洋以赤道為界一分為二，而不將整個熱帶太平洋區(qū)域取平均，是因?yàn)槌嗟滥媳眱蓚?cè)呈現(xiàn)出不同的變化特征(圖4)，若將整個海區(qū)取平均無法表現(xiàn)出局部區(qū)域的淡水通量的季節(jié)變化。我們發(fā)現(xiàn)，氣候模式的模擬結(jié)果與再分析數(shù)據(jù)的相關(guān)性很好，均在0.7～0.9之間(圖3)。但是模式模擬的淡水通量的標(biāo)準(zhǔn)差普遍大于再分析的結(jié)果，特別是BCC-CSM1-1和MRI-CGCM3，其標(biāo)準(zhǔn)差誤差在0°～20°N之間相差60%，而在0°～20°S區(qū)域相差近50%。可見，在淡水通量變化最為顯著的熱帶太平洋海域，雖然模式模擬的淡水通量與再分析數(shù)據(jù)有著十分顯著的相關(guān)性，但是對淡水通量變化強(qiáng)度的模擬存在較大的誤差。同樣，我們利用Taylor圖分析了20°N以北以及20°～40°S的海域模式模擬的結(jié)果，結(jié)果表明，20°N以北海域模式模擬結(jié)果與再分析數(shù)據(jù)相關(guān)性在0.8～0.95之間，但模式標(biāo)準(zhǔn)差的結(jié)果要稍弱于再分析結(jié)果；20°～40°S海域中，模式模擬的結(jié)果與再分析數(shù)據(jù)出入很大，首先是相關(guān)性不顯著，其次是模式模擬結(jié)果的標(biāo)準(zhǔn)差都要弱于再分析數(shù)據(jù)，這主要是由于模式對南半球淡水通量零等值線的模擬過北引起的(圖1)，同時與南半球再分析的淡水通量的不確定性也有一定關(guān)系。

圖3　太平洋熱帶海域再分析和模式模擬淡水通量的Taylor關(guān)系圖(A表示再分析數(shù)據(jù)，B-N依次代表BCC-CSM1-1、BNU-ESM、CanESM2、CCSM4、CESM1-CAM5、CSIRO-MK3-6-0、GISS-E2-H、INMCM4、IPSL-CM5A-LR、MIROC-ESM、MIROC5、MPI-ESM-LR和MRI-CGCM3模式)Fig.3　Taylor diagrams of the reanalysis and simulated freshwater flux on the tropical Pacific Ocean. A represents the reanalysis freshwater flux，B-N represent BCC-CSM1-1、BNU-ESM、CanESM2、CCSM4、CESM1-CAM5、CSIRO-MK3-6-0、GISS-E2-H、INMCM4、IPSL-CM5A-LR、MIROC-ESM、MIROC5、MPI-ESM-LR and MRI-CGCM3 respectively

圖4　月均淡水通量EOF分析第一模態(tài)的空間分布(a為再分析數(shù)據(jù)的結(jié)果，b-n為13個模式的結(jié)果，o為多模式集合的結(jié)果)Fig.4　Space distribution of the first EOF of monthly freshwater flux (a represents the reanalysis results，b-n represent the results of 13 climate models and o represents the results of multi-model ensemble)

圖6　蒸發(fā)、降水、淡水通量2080-2099年平均態(tài)減去1980-1999年平均態(tài)(第一列為RCP4.5情景下的差值，第二列RCP8.5情景下的差值，第三列RCP8.5情景與RCP4.5情景的差值)Fig.6　Average evaporation，precipitation and E-P change for (2080-2099) relative to (1980-1999) (the first column represents the difference under RCP4.5，the second column represents the difference under RCP8.5 while the third column represents the difference between two scenarios，RCP8.5 and RCP4.5)

圖7　不同氣候情景下淡水通量變化的緯向平均分布以及同多模式集合變化一致的模式數(shù)量的緯向分布Fig.7　Latitudinal distribution of zonally averaged freshwater change under RCP4.5 scenario (a) and RCP8.5 scenario (b)，the quantities of climate models that have similar change with the multi-model ensemble

3.2淡水通量時空特征的模擬與分析

為了刻畫淡水通量季節(jié)變化的時空特征，我們對1980-2005年再分析的淡水通量數(shù)據(jù)和模式模擬的數(shù)據(jù)分別進(jìn)行了經(jīng)驗(yàn)正交函數(shù)(EOF)分析(圖4)。通過分析再分析的結(jié)果，可以發(fā)現(xiàn)EOF第一模態(tài)以赤道為界，南北兩側(cè)呈現(xiàn)不同的變化特征。西邊界流區(qū)變化十分顯著，結(jié)合第一模態(tài)的時間序列(未展示)，可以發(fā)現(xiàn)灣流和黑潮區(qū)域在夏季為負(fù)的淡水通量，而在冬季為正的淡水通量。印度洋和太平洋的季風(fēng)區(qū)也顯示出這種顯著的季節(jié)變化特征。對比模式模擬的結(jié)果與再分析結(jié)果，模式整體上能夠模擬出以赤道為界南北半球不一致的變化，但是存在較大的誤差。首先，除了MIROC5外，其他模式均沒有模擬出西邊界流區(qū)顯著的淡水通量變化；其次，模式在南半球35°～65°S緯度帶的太平洋以及印度洋東部均存在負(fù)-正-負(fù)的變化，這與再分析的結(jié)果不符。

考察模式第一模態(tài)的方差貢獻(xiàn)率，模式的結(jié)果為27%～41%，而多模式集合的結(jié)果為31%，與再分析的30%的貢獻(xiàn)率吻合較好。通過將模式數(shù)據(jù)第一模態(tài)的時間序列與再分析結(jié)果對比，發(fā)現(xiàn)相關(guān)系數(shù)最小的模式是BNU-ESM，為0.83，相關(guān)系數(shù)最大的為CSIRO-Mk3-6-0，為0.964。足見，模式模擬的結(jié)果雖然在區(qū)域海洋，尤其是35°S以南的南半球海域和西邊界流區(qū)存在一定的誤差，但是基本上能夠刻畫全球尺度上淡水通量季節(jié)變化的時空特征。

分析淡水通量的年際變化特征，我們首先對原始的月均淡水通量數(shù)據(jù)求年平均，并對其進(jìn)行EOF分析。再分析數(shù)據(jù)EOF分析第一模態(tài)顯示太平洋中部同西太平洋以及印尼貫穿流海域呈現(xiàn)出相反的變化特征。這與El Nio年蒸發(fā)和降水的變化一致，即太平洋中部海表面高溫區(qū)域的蒸發(fā)增強(qiáng)，而在西太平洋和印尼貫穿流海域降水增強(qiáng)(Curtis[22])，可見此模態(tài)是受ENSO顯著影響的模態(tài)。年際尺度上淡水通量EOF第一模態(tài)與月均淡水通量EOF分析的第三模態(tài)的空間分布(Schanze等[23])一致。通過對比再分析結(jié)果，模式普遍能夠得到太平洋中部同西太平洋以及印尼貫穿流海域相反的變化特征，但是仍然存在一定偏差。首先，模式模擬的淡水通量的變化中心過于西伸；其次，印度洋中東部的模擬過強(qiáng)(CCSM4、CESM1-CAM5、INMCM4、MIROC-ESM、MRI-CGCM3)；再次，模式對北太平洋東部熱帶海域的模擬普遍過強(qiáng)。再分析資料的EOF第一模態(tài)的方差貢獻(xiàn)率為24%，不同模式模擬的第一模態(tài)的方差貢獻(xiàn)率變化較大，為14%～38%，多模式集合的結(jié)果要明顯強(qiáng)于單個模式的結(jié)果。

3.3未來不同氣候情景下淡水通量的變化

通過評估氣候模式對1980-2005年淡水通量的模擬，我們發(fā)現(xiàn)模式基本上能夠再現(xiàn)淡水通量變化的空間特征，且多模式集合的結(jié)果要明顯優(yōu)于單個模式的結(jié)果。本文將1980-1999年的平均態(tài)定義為當(dāng)今的氣候狀態(tài)，而未來的氣候狀態(tài)則定義為2080-2099年的平均態(tài)，通過多模式集合的方法比較兩者的差值來定性定量的探討淡水通量在未來不同氣候情景下的變化。之前的分析，得知BCC-CSM1-1和MRI-CGCM3兩個模式對熱帶海域的模擬過強(qiáng)，因此下文中對未來氣候情景下淡水通量的預(yù)估中，舍棄了這兩個模式的結(jié)果。通過圖6多模式集合的結(jié)果可以得知，全球變暖會導(dǎo)致淡水通量的變化呈帶狀分布，在赤道以及中高緯海域減小，而在亞熱帶區(qū)域則明顯的增加。蒸發(fā)只在南大洋部分海域和北大西洋高緯海域呈現(xiàn)出明顯的減小的變化，其他區(qū)域都是隨著全球變暖而增加。赤道區(qū)域是降水變化最為顯著的區(qū)域，降水顯著的增加，變化的大小約為0.4 m/a；在亞熱帶海域，降水的變化不確定性較大(沒有通過顯著性檢驗(yàn))，表明不同模式之間存在較大的差異。降水的空間變化形態(tài)決定了淡水通量的空間變化(圖6d，g)。不同情景下，淡水通量的空間形態(tài)沒有顯著變化，但RCP8.5氣候情景下，淡水通量相對于RCP4.5情景明顯加強(qiáng)。可以預(yù)期未來的北大西洋的淡水通量會減小，這主要是由于蒸發(fā)的減弱造成的。失水減少，會使得海面鹽度相對變大，對經(jīng)向翻轉(zhuǎn)流必然存在一定的影響。

隨著全球變暖，兩種氣候情景下，緯向平均淡水通量的變化呈現(xiàn)出一致的形態(tài)，即“M”形(圖7)。圖7a，b中的黑色實(shí)線表示多模式集合的結(jié)果，紅色實(shí)線表示與多模式集合的結(jié)果正負(fù)一致的模式結(jié)果的最大值，而藍(lán)色實(shí)線則表示相應(yīng)的模式的最小值。多模式集合結(jié)果表明，中低緯度海區(qū)是變化最為顯著的區(qū)域。RCP4.5氣候情景下，赤道區(qū)域淡水通量減小0.15 m/a，而亞熱帶海域則是增加了0.05 m/a到0.12 m/a不等；RCP8.5氣候情景下，赤道區(qū)域減小0.22 m/a，亞熱帶海域增加0.2～0.5 m/a不等。此外，熱帶海域和亞熱帶海域是模式結(jié)果不確定性最大的區(qū)域，RCP4.5氣候情景下，不確定性最大值達(dá)到0.13 m/a，而RCP8.5氣候情景下，不確定性最大值則高達(dá)0.22 m/a。

考察模式模擬的淡水通量的一致性，能夠很好的評估多模式集合結(jié)果的可信度。圖7c，d中的黑線表示緯向平均的同多模式集合結(jié)果正負(fù)變化一致的模式的數(shù)量。可以發(fā)現(xiàn)，兩種氣候情景下，曲線的變化形態(tài)一致。模式對高緯度區(qū)域淡水通量變化的模擬與多模式集合結(jié)果正負(fù)相同的約有10個(參與評估的11個模式)，表現(xiàn)出了極高的一致性；正負(fù)變化相同的個數(shù)最少的區(qū)域出現(xiàn)在45°S附近，約有7個；其他區(qū)域約為9個。整體上，RCP8.5氣候情景下要比RCP4.5氣候情景下的個數(shù)多。

4討論

本文利用GPCP的降水資料和WHOI OAFlux的蒸發(fā)數(shù)據(jù)，通過從氣候態(tài)的空間分布、季節(jié)變化和年際變化的特征來評估13個模式1980-2005年淡水通量歷史模擬能力。在此基礎(chǔ)上，使用RCP4.5和RCP8.5不同氣候情景下的淡水通量數(shù)據(jù)，定性定量的預(yù)估未來全球變暖背景下，淡水通量的變化特征。結(jié)果表明：

(1)各模式能夠模擬出淡水通量的氣候態(tài)分布。但除MIROC-ESM和MIROC5外，其他模式都會出現(xiàn)雙ITCZ現(xiàn)象。熱帶海域是各個模式之間模擬不確定性最大的區(qū)域，不確定性最大達(dá)到40%。

(2)模式能夠模擬出緯向平均的淡水通量的分布特征，但由于模式對1月10°S附近淡水通量的模擬過低，導(dǎo)致年平均的赤道和10°S之間的淡水通量模擬存在明顯的偏差。

(3)模式對北半球的季節(jié)變化的模擬很好，但對南半球的模擬能力不足。年際尺度上，模式都能夠再現(xiàn)由ENSO引起的太平洋中部同西太平洋以及印尼貫通流反相的變化，但是無法準(zhǔn)確的刻畫淡水通量年際變化的時間特征。

(4)全球變暖背景下，熱帶太平洋的降水異常增多，導(dǎo)致熱帶太平洋淡水通量異常減小，成為了淡水通量變化最為顯著的區(qū)域，變化的幅度約為0.4 m/a。不同氣候情景下，淡水通量變化的空間形態(tài)沒有改變，RCP8.5氣候情景下模擬的淡水通量變化強(qiáng)于RCP4.5的變化。此外，RCP8.5氣候情景下各模式模擬結(jié)果的一致性也要略強(qiáng)于RCP4.5。

致謝：本文所用模式資料均來自網(wǎng)站http://cmip-pcmdi.llnl.gov/，對模式組表示衷心感謝。感謝美國大氣海洋局(NOAA)提供的GPCP降水?dāng)?shù)據(jù)和美國伍茲霍爾研究所(WHOI)提供的蒸發(fā)數(shù)據(jù)。

參考文獻(xiàn)：

[1]Huang B Y，Mehta V M，Schneider N. Oceanic response to idealized net atmospheric freshwater in the pacific at the decadal time scale[J]. J Phys Oceanogr，2005，35(12): 2467-2486.

[2]Renold M，Raible C C，Yoshimori M，et al. Simulated resumption of the north Atlantic meridional overturning circulation-Slow basin-wide advection and abrupt local convection[J]. Quatern Sci Rev，2010，29(1/2): 101-112．

[3]Zhang L P，Wu L X，Zhang J X. Coupled ocean-atmosphere responses to recent freshwater flux changes over the Kuroshio-Oyashio Extension region[J]. J Climate，2011，24(5): 1507-1524.

[4]Zhang R H，Zheng F，Zhu J S，et al. Modulation of El Nio-Southern Oscillation by freshwater flux and salinity variability in the tropical Pacific[J]. Adv Atmos Sci，2012，29(4): 647-660.

[5]Huntington T G. Evidence for intensification of the global water cycle: review and synthesis[J]. J Hydrol，2006，319(1/4): 83-95．

[6]Oki T，Kanae S. Global hydrological cycles and world water resources[J]. Science，2006，313(5790): 1068-1072．

[7]IPCC. Summary for policymakers[C]// Solomon S，Qin D，Manning M，et al. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press，2007.

[8]IPCC. Climate change 2013: The physical science basis[C]//Stocker T F，Qin D，Plattner G K，et al. Contribution to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press，2013: 1535．

[9]Held I M，Soden B J. Robust responses of the hydrological cycle to global warming[J]. J Climate，2006，19(21): 5686-5699．

[10]Meehl G A，Stocker T F，Collins W D，et al. Global climate projections[C]//Solomon S，Qin D，Manning M，et al. Climate Change 2007: the Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press，2007: 747-845．

[11]Chou C，Neelin J D，Chen C A，et al. Evaluating the “rich-get-richer” mechanism in tropical precipitation change under global warming[J]. J Climate，2009，22(8): 1982-2005．

[12]Liu Z，Mehran A，Phillips T J，et al. Seasonal and regional biases in CMIP5 precipitation simulations[J]. Climate Res，2014，60(1): 35-50．

[13]Sillmann J，Kharin V V，Zhang X，et al. Climate extremes indices in the CMIP5 multimodel ensemble: Part 1. Model evaluation in the present climate[J]. J Geophys Res Atmos，2013，118(4): 1716-1733.

[14]Kumar S，Merwade V，Kinter Ⅲ J L，et al. Evaluation of temperature and precipitation trends and long-term persistence in CMIP5 twentieth-century climate simulations[J]. J Climate，2013，26(12): 4168-4185.

[15]陳曉晨，徐影，許崇海，等. CMIP5全球氣候模式對中國地區(qū)降水模擬能力的評估[J]. 氣候變化研究進(jìn)展，2014，10(3): 217-225．

Chen Xiaochen，Xu Ying，Xu Chonghai，et al. Assessment of precipitation simulations in China by CMIP5 multi-models[J]. Progressus Inquisitiones de Mutatione Climatis，2014，10(3): 217-225．

[16]李振朝，韋志剛，呂世華，等. CMIP5部分模式氣溫和降水模擬結(jié)果在北半球及青藏高原的檢驗(yàn)[J]. 高原氣象，2013，32(4): 921-928.

Li Zhenchao，Wei Zhigang，Lv Shihua，et al. Verifications of surface air temperature and precipitation from CMIP5 model in northern hemisphere and Qinghai-Xizang plateau[J]. Plateau Meteorology，2013，32(4): 921-928.

[17]Adler R F，Huffman G J，Ghang A，et al. The version-2 global precipitation climatology project (GPCP) monthly precipitation analysis (1979-present)[J]. J Hydrometeor，2003，4(6): 1147-1167.

[18]Yu L S，Weller R A. Objectively analyzed air-sea heat fluxes for the global ice-free oceans (1981-2005)[J]. Bull Amer Meteor Soc，2007，88(4): 527-539.

[19]Zheng F，Zhang R H. Effects of interannual salinity variability and freshwater flux forcing on the development of the 2007/08 La Nia event diagnosed from Argo and satellite data[J]. Dyn Atmos Ocn，2012，57: 45-57.

[20]Taylor K E，Stouffer R J，Meehl G A. An overview of CMIP5 and the experiment design[J]. Bull Amer Meteor Soc，2012，93(4): 485-498.

[21]Mechoso C R，Robertson A W，Barth N，et al. The seasonal cycle over the tropical Pacific in coupled ocean-atmosphere general circulation models[J]. Mon Wea Rev，1995，123(9): 2825-2838.

[22]Curtis S. The El Nio-southern oscillation and global precipitation[J]. Geography Compass，2008，2(3): 600-619.

[23]Schanze J J，Schmitt R W，Yu L L. The global oceanic freshwater cycle: a state-of-the-art quantification[J]. J Mar Res，2010，68(3/4): 569-595.

[24]Williams P D，Guilyardi E，Sutton R，et al. A new feedback on climate change from the hydrological cycle[J]. Geophys Res Lett，2007，34: L08706.

收稿日期：2014-12-19；

修訂日期：2015-02-02。

基金項(xiàng)目：國家海洋局海洋公益性專項(xiàng)(201505013)；國家自然科學(xué)基金(41376008，41106024，41376016)。

作者簡介：張守文(1987—)，男，山東省日照市人，博士，主要從事氣候變化背景下的海平面變化及全球水循環(huán)研究。E-mail：zhangshouwen@ouc.edu.cn *通信作者：姜華，研究員，主要從事海洋環(huán)流變異和氣候變化。E-mail：hjiang@nmefc.gov.cn

中圖分類號:P731.27

文獻(xiàn)標(biāo)志碼：A

文章編號：0253-4193(2016)01-0010-10

Freshwater flux variations based on CMIP5 climate models

Zhang Shouwen1，2，Wang Hui2，Jiang Hua2，Du Ling1

(1.CollegeofOceanicandAtmosphericScience，OceanUniversityofChina，Qingdao266100，China；2.NationalMarineEnvironmentalForecastingCenter，StateOceanicAdministration，Beijing100081，China)

Abstract:Reanalysis precipitation datasets from Global Precipitation Climatology Project (GPCP) and evaporation datasets from WHOI OAflux project are used to evaluate the historical freshwater flux from 13 CMIP5 climate models. The results show that all models could capture the climatological space distribution while the double ITCZs are widespread and the tropical ocean is the region with most significant uncertainties among the models. Latitudinal distributions of zonal-mean freshwater and their seasonal variations are broadly captured by most of the models. But the models’ results are smaller than the reanalysis data，freshwater simulation between 10°S and the equator shows significant bias because of the overestimate of freshwater in the January. On the seasonal timescale，the models show good result in the North Hemisphere，but have some deficiencies in the South Hemisphere. On the interannual timescale，the models could provide a suitable simulation of freshwater space distribution induced by ENSO，but they are deficient in simulating the temporal characteristics. Results of multi-model ensemble are superior to single model in all respects of evaluation.Tropical and sub-tropical ocean will change significant under the circumstance of global warming，where used to be dry will be drier and wet will be wetter. Spatial distribution pattern will not change markedly under different scenarios，but the amplitudes of freshwater flux and the consistency among the models will strengthen under RCP8.5 compared with the RCP4.5.

Key words:freshwater flux; CMIP5; model evaluation; projection; scenarios

張守文，王輝，姜華，等. CMIP5氣候模式下淡水通量變化[J]. 海洋學(xué)報，2016，38(1): 10-19，doi:10.3969/j.issn.0253-4193.2016.01.002

Zhang Shouwen，Wang Hui，Jiang Hua，et al. Freshwater flux variations based on CMIP5 climate models[J]. Haiyang Xuebao，2016，38(1): 10-19，doi:10.3969/j.issn.0253-4193.2016.01.002