CMIP5模式對中國近海海表溫度的模擬及預估

宋春陽，張守文，姜華，2*，王輝，2，王大奎，黃勇勇

(1. 國家海洋環境預報中心，北京 100081；2. 國家海洋局海洋災害預報技術研究重點實驗室，北京 100081)

?

CMIP5模式對中國近海海表溫度的模擬及預估

宋春陽1，張守文1，姜華1，2*，王輝1，2，王大奎1，黃勇勇1

(1. 國家海洋環境預報中心，北京 100081；2. 國家海洋局海洋災害預報技術研究重點實驗室，北京 100081)

基于觀測和再分析資料，利用多種指標和方法評估了國際耦合模式比較計劃(CMIP5)中21個模式對中國近海海溫的月、季節和年際變化模擬能力。多模式集合能夠再現氣候平均意義下近海海溫的空間分布特征，但量值上存在一定的低估。在渤海和黃海，集合平均與觀測差別比較明顯。在年際尺度上，與觀測數據對比，模式模擬海溫與Nio3指數相關性較小。中國近海海表面溫度在1960-2002年有明顯的升高趨勢，從2003年開始增溫趨緩。評估結果表明，ACCESS1.0、BCC-CSM1.1、HadGEM2-ES、IPSL-CM5A-MR、CMCC-CM、FGOALS-g2、CNRM-CM5-2、INMCM4 八個模式對中國近海海溫的變化有較好的模擬能力。利用ACCESS1.0、INMCM4、BCC-CSM1.1、IPSL-CM5A-MR、CMCC-CM這5個模式結果對中國近海海溫未來的變化進行了預估。在RCP4.5、RCP8.5情景下，未來近100年中國近海海溫有明顯升高趨勢，最優模式多模式集合平均增溫分別可達到1.5℃、3.3℃，凈熱通量變化和平流變化共同促進了東海升溫。

中國近海海溫；CMIP5；模式評估；未來預估

1　引言

IPCC第五次評估報告[1]對全球氣候變化等進行了評估，對全球及典型區域的氣候變化進行了詳細的分析和預估，成為國際社會認識和了解氣候變化問題的主要科學依據。預測未來氣候變化的重要工具就是氣候系統模式和地球系統模式。氣候模式受模式邊界條件、參數化錯誤、模式構造以及所輸入的變量限制[2]，模擬結果存在一定偏差和不確定性。在不同季節不同區域CMIP5模式對降水模擬偏差是不同的[3]。已有分析指出CMIP模式模擬在全球變暖情形下熱帶海域“越暖越濕潤”并且會對沃克環流以及哈德來環流產生影響[4—5]，3個熱帶大洋的海溫增暖表現出不均勻性，且增暖原因存在較大差異[6]。部分耦合模式模擬ENSO冷暖事件幾乎是對稱發生的，對ENSO不對稱性的模擬非常弱甚至沒有[7]。

中國近海海表溫度(SST)的變化對我國沿岸氣候、海洋生態和漁業資源有重要影響。近海SST的EOF分析第一模態空間分布表現為整個區域同相變化的特征，最大振幅在中國東部海域，時間系數與Nio3指數顯著相關；第二模態空間分布表現為東海黑潮區與其他海區SST變化位相相反[8]。1901—2004年中國近海海溫均呈增加趨勢，20世紀 80 年代以后增暖較明顯[9]。近20年來，沿海氣溫、海溫和海平面的上升幅度分別為1.1℃、0.9℃和92 mm。中國近海除南海外，水深不足200 m，SST變化顯著受海表面熱通量變化影響。近50年中國東部海域潛熱通量顯著增加，增幅最為明顯區域在黑潮主軸[10]。中國近海海溫年際年代際振蕩不是一種局地現象，而與太平洋海溫變化有關，是海氣作用的結果[11]。ENSO對滯后其兩年的東中國海區海溫變化影響顯著[12]。已有分析指出CMIP5大部分模式能較好的模擬出南海20世紀歷史SST的基本特征和變化規律，并且指出在RCP2.6、RCP4.5和RCP8.5排放情景下多模式集合平均的增溫趨勢分別為0.42℃/(100 a)、1.50℃/(100 a)和3.30℃/(100 a)[13]。利用氣候耦合模式CCSM4對全球SSH變化趨勢預測的模擬，在RCP4.5情景下南海海域在21世紀末10年平均海平面相對于20世紀末10年上升了15～39 cm[14]。王皘和劉秦玉[15]利用IPCC中的4個模式計算了海洋、氣象要素的變化趨勢，指出南海海洋動力過程可能在維持南海深水海盆50 年來SST持續增暖中的重要性。通過地球系統模式MPI-ESM在RCP4.5情景下的結果發現北太平洋內區風應力場的變化主要影響東海黑潮上層流量的年際和年代際變化，其風應力旋度對東海黑潮上層流量存在超前10個月的影響[16]。

關于中國近海研究多是基于歷史觀測數據，未來情景下的變化研究較少[17—19]。以往的CMIP模式評估工作大多關注陸面區域的氣候特征[20—24]，對中國近海的海洋環境模擬能力評估還不夠。隨著全球變暖的加劇，極端事件引起的災害發生頻率和強度都在增加[25—26]。由此對人類社會、經濟和自然生態系統帶來的巨大損失更是難以估計，近十幾年來海洋災害所造成的直接經濟損失呈現明顯上升的趨勢。如果能通過CMIP5全球氣候模式來預估中國近海未來的氣候變化，對正確地做出氣候影響評價和決策有著重要意義。

本文關注中國近海SST的變化趨勢。鑒于CMIP5模擬結果中存在的偏差和不確定性，文章首先應用觀測和再分析資料，利用多種指標和方法評估了21個CMIP5模式對過去多年中國近海SST的模擬能力，并從海表面凈熱通量、平流輸運等主要影響因素來分析引起各模式海溫變化的原因。通過評估，選取性能較好的5個模式，采用多模式集合方法研究在不同輻射強迫情景所產生的未來全球變暖背景下，預估中國近海SST的未來變化特征。

2　數據及方法

本文關注中國近海變化，經緯度范圍選取1°～41°N，100°～130°E。SST資料來自于英國哈德萊中心的HadISST數據，其空間分辨率1.0°×1.0°，資料截取時間段為1960年1月到2005年12月。海表面熱通量數據來自NCEP，其分辨率為1.861°×1.836°，方向取向下為正，代表海洋得熱，包括長波輻射、短波輻射、潛熱通量和感熱通量4個分量，時間跨度為1960—2005年。CMIP5模式眾多，我們選取了具有地域代表性的21個CMIP5模式，其中包括4個中國模式(具體信息見表1)。模式數據包括歷史氣候模擬試驗數據和RCP4.5、RCP8.5未來情景的試驗數據。取1986—2005年作為當前氣候，2080—2099年作為未來氣候，計算各個模式在兩個階段的海溫差值作為未來海溫的變化。為了方便比較，把再分析和CMIP5模式海溫插值到0.5°×0.5°的規則網格上。

表1　分析所用的CMIP5中21個模式

續表1

3　氣候模式對中國近海海溫的模擬評估

3.1中國近海海溫變化特征

圖1是來自CMIP5中21個模式和HadISST的中國近海SST距平時間序列。可以看出無論模式模擬還是觀測結果都顯示中國近海SST在1960—2005年有明顯上升的線性趨勢，觀測結果為0.150℃/(10 a)，模式集合平均結果為0.086℃/(10 a)，強度較觀測偏弱，并且各模式及觀測結果有顯著的年際-年代際變化。但不同模式模擬的增溫速率有差異，大部分模式模擬的SST距平值大于觀測值。在20世紀最后20年各模式模擬效果較好，偏差較小。受1997—1998強ENSO事件影響，中國近海海溫在1998年整體偏暖，但因為所選的CMIP5模式數據為歷史氣候模擬試驗數據，所以沒有看到這一年際變化現象。

圖1　來自CMIP5試驗中21個模式和HadISST 1960-2005年中國近海海溫距平的年平均時間序列(距平為相對1986-2005年)Fig.1　Time series annual averaged SST anomalies in China offshore from 1960 to 2005(relative to 1986-2005)黑色線代表HadISST；紅色代表多模式集合平均(MME)；單位：℃The black line represents the observation HadISST; the red line represents the multi-model ensemble; unit:℃

從HadISST氣候平均SST空間分布圖來看(圖2)，中國近海溫度分布自北向南逐漸遞增，等溫線呈西南-東北向分布，其年較差由北向南逐漸減小。CMIP5中各模式基本上能夠表現出氣候態海溫的空間分布特征。多模式集合平均(MME)與觀測一致性較高。因為各模式模擬誤差不同，多模式集合平均后誤差要小于單個模式誤差，這是因為各個模式誤差相抵，趨于平均態。從偏差圖可以看出多集合平均對南海和東海模擬較好，在渤、黃海偏差較大，有較大低值，但在臺灣海峽多模式集合平均大于觀測值，其偏差可達1.2℃，整體來說在大部分海域多模式集合平均比觀測值稍小，存在一定的低估。

圖2　1960-2005年中國近海年平均海溫空間分布Fig.2　Space distribution of annual averaged SSTS in China offshore from 1960 to 2005a-u：CMIP5模式；v: HadISST；w:多模式集合的平均(MME)；x：MME與HadISST之差(單位：℃)a-u：CMIP5 models；v: HadISST；w: multi-model ensemble；x：the difference between the MME and HadISST (unit:℃)

圖3　1960-2005年海溫EOF第一模態空間分布 Fig.3　Space distribution of the first EOF of monthly averaged SST anomaliesa-q：CMIP5模式；s: HadISST；r:多模式集合的平均(MME)；u：HadISST與Nio3指數相關系數空間分布；v：MME與Nio3指數相關系數空間分布a-q：CMIP5 models；s: HadISST；r: multi-model ensemble；u-v：the distribution of correlation coefficient of HadISST and the multi-model ensemble with Nio3 respectively

圖4　1960-2005年中國近海年平均凈熱通量空間分布Fig.4　Space distribution of annual averaged net heat fluxes in China offshore from 1960 to 2005a-q：CMIP5模式；r: NCEP；s:多模式集合的平均(MME)；t：MME與NCEP之差(單位：W/m2)a-q：CMIP5 models；r: NCEP；s: multi-model ensemble；t: the difference between the MME and NCEP (unit: W/m2)

圖5　1960—2005年各模式模擬的多時間尺度(月、季、年)平均SST的相對均方根誤差(RMSE′)，A-Q所代表的模式參考圖6Fig.5　Relative error measures of CMIP5 model performance(month，season，year) in SSTS.The represents of A-Q refer to fig.6

圖3顯示CMIP5模式數據EOF分析第一模態方差貢獻在32%～56%之間。HadISST第一模態方差為47%，第一模態非常顯著，HadISST整個區域為正值，并且在渤海、黃海、東海正信號較強，該海區有較強的年際振蕩信號。從第一模態時間序列來看(圖略)，全球在最近幾十年是變暖的，而且有明顯的周期變化。

通過對中國近海海溫EOF分析可以發現在中國東部海域海溫年際變化振幅最強，多模式集合平均對年際變化模擬較弱。將HadISST和多模式集合平均第一模態時間系數進行功率譜分析(圖略)發現，再分析數據有準4年(43個月)周期，而多模式集合數據并沒有很明顯的周期變化。圖3u、3v為HadISST與MME分別對應的Nio3指數的相關系數空間分布圖，從圖中可以看出MME與HadISST有一定差距，MME并不能模擬出南海與Nio3指數的正相關變化，對比來說MME與Nio3指數相關性較低。因為所選的CMIP5模式數據為歷史氣候模擬試驗數據，模式對年際變化現象的模擬稍弱。另外，CMIP5模式不能很好地模擬出ENSO的不對稱性，大部分模式模擬ENSO對稱性較強。ENSO不對稱性可能會導致ENSO年代際變率并且導致長期背景海溫出現模擬誤差[7，27]。

3.2海氣界面凈熱通量氣候特征

通過觀測和模式數據發現上世紀中期開始中國近海海溫增高，大部分模式可以模擬出70年代后期溫度顯著升高這一趨勢。大氣輻射的變化會通過影響海面凈熱通量變化影響海溫的變化[28]。這里討論CMIP5模式對海表凈熱通量的模擬能力，考察模式對溫度變化機制的模擬效果。CanCM4、EC-EARTH、FIO-ESM和HadGEM2-AO這4個模式數據缺失以及模擬效果較差被舍棄。

海表面凈熱通量包括長波輻射、短波輻射、潛熱通量和感熱通量。其中潛熱通量和短波輻射量值較大，感熱通量和長波輻射量值較小，中國近海凈熱通量空間分布主要由潛熱通量決定[10]。感熱和潛熱通量年變化可能與東亞季風爆發有關[17]。低緯度赤道區域，太陽輻射強烈，海水大量得熱。西邊界強流黑潮從暖濕的低緯度輸送熱量到冷干的中高緯度海區，海水在黑潮及其延伸體區域會大量失去熱量。圖4中凈熱通量分布表明在黑潮及其延伸體海表面失熱最為顯著，在赤道以及低緯地區得熱最多。通過對比可以發現CMIP5各模式基本上能較好的模擬出凈熱通量這一空間分布特征，但失熱的量值各模式差異較大，在赤道地區得熱較觀測來說模擬偏低。渤海、黃海和南海北部以低量值的失去熱量為主，南海南部以得到熱量為主。從偏差圖可以看出多集合平均在臺灣海峽偏差較大，有較大低值，其偏差可達60 W/m2。但在南海中部多模式集合平均大于觀測值，整體來說在大部分海域多模式集合平均比觀測值稍小，存在一定的低估。

3.3氣候模式的幾個量化評估指標

圖5給出各模式不同時間尺度(月、季、年)海溫的相對均方根誤差(RMSE′)。其月平均代表中國近海原始月均海溫數據的時間序列圖。由定義可知，相對均方根誤差小于零代表該模式模擬效果較好(高于中等水平)；相對均方根誤差大于零代表模擬效果較差(低于中等水平)。從圖中可以看出，與HadISST相比，對中國近海SST模擬能力較好的模式包括ACCESS1.0、BCC-CSM1-1、FGOALS-g2、HadGEM2-ES、INMCM4和IPSL-CM5A-MR，其中ACCESS1.0、FGOALS-g2、INMCM4和多模式集合平均對所有月份和季節的RMSE′都小于零，多模式集合平均模擬效果最好。圖6分別繪制了中國近海月平均、年平均海溫氣候態泰勒圖，橫縱坐標為標準差，弧度軸為相關系數，綠色線為均方根誤差。從圖中能夠看出IPSL-CM5A-MR是與HadISST相關性最好、均方根誤差最小的模式。海溫月平均結果與HadISST相關性很好，月均海溫相關系數都在0.9以上，大部分模式均方根誤差在0.5左右。多模式集合平均值(R)與觀測資料一致性較高，在圖6a中最接近觀測資料，模擬效果最好。從表2我們也可以發現，分辨率高的模式不一定模擬效果好。說明只提高模式分辨率還是不夠的，可能改進模式物理參數化方案同分辨率提高協調一致才能更好的起作用[29]。多模式集合平均結果對中國近海海溫月平均、年平均，EOF第一模態以及凈熱通量綜合模擬效果較好，但對中國近海海溫線性升溫趨勢模擬效果一般，在多模式集合平均過程中，模式結果相互抵消，使其年際、年代際變化信號不明顯。

圖6　各模式海溫與HadISST數據泰勒圖(a:月平均，b：年平均)Fig.6　Taylor diagrams of the reanalysis and CMIP5 models(a：monthly averaged，b：annual averaged) in China offshore

氣候模式海溫月平均相關系數海溫年平均相關系數EOF第一模態空間相關系數凈熱通量空間相關系數相關系數平均值觀測與模式升溫趨勢差/℃·(10a)-1ACCESS10094605180831094908110068BCC?CSM11095805750414091207140016BCC?CSM11(m)096004660062088805940032CCSM4094704760198092206350020CESM1?CAM5092601830454092906230057CMCC?CM095804900703080707390038CNRM?CM5?2096403870861094707810082CSIRO?Mk3?6?0094502680584086506650106FGOALS?g2095905610727094307970033GFDL?CM3093100760727090106580104GISS?E2?H093101590960087907320096HadGEM2?ES096203890934096208110073

續表2

4　未來中國近海海溫變化預估

通過評估，我們發現CMIP5模式基本上能夠較好的再現中國近海海溫空間特征，并非模式分辨率越高其模擬效果就越好。利用各統計方法得到表2，我們發現ACCESS1.0、BCC-CSM1.1、HadGEM2-ES、IPSL-CM5A-MR、CMCC-CM、FGOALS-g2、CNRM-CM5-2、INMCM4這8個模式月平均、年平均海溫，EOF第一模態空間相關系數，凈熱通量空間相關系數這4個量的平均值以及中國近海海表溫度線性趨勢差值綜合模擬結果最好，其相關系數平均值均在0.7以上。并且ACCESS1-0、INMCM4對所有月份和季節的RMSE，都小于零，均方根誤差最小，IPSL-CM5A-MR是與HadISST相關性最好、均方根誤差最小，線性趨勢偏差最小的模式。BCC-CSM1.1、CMCC-CM平均相關系數及線性趨勢偏差較小，綜合整體來說效果較好，故最終選取ACCESS1.0、INMCM4、BCC-CSM1.1、IPSL-CM5A-MR、CMCC-CM這5個模式并把它們定義為最優模式來進行RCP4.5、RCP8.5情景下未來100年預估。

在RCP4.5情景下未來100年中國近海海表面溫度都有明顯的增溫趨勢，21世紀前期和中期海表溫度會顯著增高，到21世紀后30年會趨于平穩，預計升溫1～2℃。RCP8.5情景下未來100年中國近海海溫是遞增的，升溫最高可達4℃。其中INMCM4與其他幾個模式相比增溫趨勢較緩。

圖8　2080-2099年相對1986-2005年中國近海最優模式集合平均海溫、風場、海表凈熱通量和流速變化空間分布圖Fig.8　Space distribution of the most excellent multi-model ensemble annual averaged SST， surface wind， net heat flux，and sea surface velocity variation in China offshore from 2006 to 2099(relative to 1986-2005)

圖8為RCP4.5情景下(RCP8.5情景類似)，選取的最優模式集合平均的未來100年海溫、風場、流速和海表凈熱通量的變化趨勢。未來中國近海SST會顯著增高，渤、黃海增溫幅度最為明顯，約為2.2℃，東海、南海增溫幅度分別約為1.7℃、1.4℃。SST等值線分布疏密程度改變很小，溫度梯度幾乎不變。未來中國近海區域東北風減弱。臺灣以東黑潮和東海黑潮流速增強，平流作用加強促使溫度升高。未來海表凈熱通量在不同海區變化不同，在東海、黑潮區域以及南海凈熱通量變化為正，表明凈熱通量對東海以及南海具有增溫效果。在RCP4.5情景下凈熱通量變化和平流變化共同促進了東海海溫升高。

5　結論

本文選取21個CMIP5模式海溫數據，從多方面評估了21個CMIP5模式對中國近海海溫的歷史模擬能力。在此基礎上，采用性能較好的5個模式，利用RCP4.5、RCP8.5情景下海溫數據預估了未來全球變暖背景下中國近海海溫可能變化特征以及對海溫增暖的非均勻特征進行了分析。得到以下結論：

(1)中國近海海表面溫度在1960-2005年有明顯上升的線性趨勢，大部分模式模擬效果較好并能體現出變化趨勢。多模式集合平均的誤差要小于單個模式誤差，在渤海和黃海，集合平均與觀測差別較明顯。凈熱通量在黑潮及其延伸體海表面失熱最為顯著，在赤道以及低緯地區得熱較明顯。CMIP5各模式基本上能較好的模擬出凈熱通量這一空間分布特征，但失熱的量值各模式差異較大。

(2)由CMIP5模式對中國近海海溫EOF第一模態分析可知，ACCESS1.0、HadGEM2-ES、IPSL-CM5A-MR、CMCC-CM、FGOALS-g2、CNRM-CM5-2、INMCM4、GISS-E2-H、NorESM1-M這9個模式能模擬出東中國海較強的正信號，與觀測數據一致。多模式集合平均并不能很好模擬出南海與Nio3指數的正相關變化。

(3)在RCP4.5排放情景下，中國近海在未來100年內有明顯的增溫趨勢，在渤、黃海增溫幅度最為明顯，約為2.2℃，東海和南海約為1.7℃、1.4℃。在RCP4.5、RCP8.5排放情景下中國近海海溫在2006-2099年最優模式多模式集合平均增溫分別可達到1.5℃、3.3℃。凈熱通量變化和平流變化共同促進了東海升溫。

(4)從結果上來看模式分辨率越高不一定對中國近海模擬效果更好，部分模式對歷史增溫趨勢、年際變化、凈熱通量模擬較差，說明對區域海洋的模擬只提高分辨率是不夠的，還要改進模式物理參數化方案，增加預報結果的可靠性。

[1]IPCC. Climate change 2013: The physical science basis[C]//Stocker T F， Qin D， Plattner G K， et al. Contribution of Working Group Ⅰ to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge， United Kingdom， New York， NY， USA: Cambridge University Press， 2013: 1535， doi: 10.1017/CBO9781107415324．

[2]Feddema J J， Oleson K W， Bonan G B， et al. The importance of land-cover change in simulating future climates[J]. Science， 2005， 310(5754): 1674-1678.

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

[4]Ma Jian， Xie Shangping. Regional patterns of sea surface temperature change: a source of uncertainty in future projections of precipitation and atmospheric circulation[J]. Journal of Climate， 2013， 26(8): 2482-2501.

[5]Du Yan， Xie Shangping. Role of atmospheric adjustments in the tropical Indian Ocean warming during the 20th century in climate models[J]. Geophysical Research Letters， 2008， 35(8)， doi: 10.1029/2008GL033631.

[6]杜美芳， 徐海明， 周超. 基于CMIP5資料的熱帶大洋非均勻增暖及其成因的分析[J]. 熱帶海洋學報， 2015， 34(3): 1-12.

Du Meifang， Xu Haiming， Zhou Chao. Analysis of non-uniform sea surface temperature warming over the tropical oceans and its causes based on CMIP5 data[J]. Journal of Tropical Oceanography， 2015， 34(3): 1-12.

[7]孫燕. IPCC模式對印太暖池模擬的研究[D]. 青島: 中國海洋大學， 2011.

Sun Yan. Simulations of the Indo-Pacific warm pool by IPCC models[D]. Qingdao: Ocean University of China， 2011.

[8]劉喜惠. 我國近海SST低頻變化的特征及其可能機制[D]. 青島: 中國海洋大學， 2012.

Liu Xihui. Characteristic and mechanisms of sea surface temperature low frequency variability in the offshore sea of China[D]. Qingdao: Ocean University of China， 2012.

[9]張秀芝， 裘越芳， 吳迅英. 近百年中國近海海溫變化[J]. 氣候與環境研究， 2005， 10(4): 799-807.

Zhang Xiuzhi， Qiu Yuefang， Wu Xunying. The long-term change for sea surface temperature in the last 100 years in the offshore sea of China[J]. Climatic and Environmental Research， 2005， 10(4): 799-807.

[10]劉娜. 東中國海熱通量及熱收支變化研究[D]. 青島: 中國海洋大學， 2010.

Liu Na. Variations of heat flux and heat budget in the East China Sea[D]. Qingdao: Ocean University of China， 2010.

[11]張志華， 陳幸榮， 蔡怡. 中國近海海溫年際年代際振蕩關鍵海區分析研究[J]. 海洋預報， 2012， 29(4): 1-6.

Zhang Zhihua， Chen Xingrong， Cai Yi. A study of SST decadal oscillation in China Sea[J]. Marine Forecasts， 2012， 29(4): 1-6.

[12]伍玉梅， 徐兆禮， 樊偉， 等. 1985-2005年東海海表溫度時空變化特征分析[J]. 海洋學報， 2011， 33(6): 9-18.

Wu Yumei， Xu Zhaoli， Fan Wei， et al. Change of sea surface temperature in the East China Sea during 1985-2005[J]. Haiyang Xuebao， 2011， 33(6): 9-18.

[13]黃傳江， 喬方利， 宋亞娟， 等. CMIP5模式對南海SST的模擬和預估[J]. 海洋學報， 2014， 36(1): 38-47.

Huang Chuanjiang， Qiao Fangli， Song Yajuan， et al. The simulation and forecast of SST in the South China Sea by CMIP5 models[J]. Haiyang Xuebao， 2014， 36(1): 38-47.

[14]張吉， 左軍成， 李娟， 等. RCP4.5情景下預測21世紀南海海平面變化[J]. 海洋學報， 2014， 36(11): 21-29.

Zhang Ji， Zuo Juncheng， Li Juan， et al. Sea level variations in the South China Sea during the 21st century under RCP4.5[J]. Haiyang Xuebao， 2014， 36(11): 21-29.

[15]王皘， 劉秦玉. 海氣界面熱通量交換對南海深水海盆SST持續增暖的可能貢獻[J]. 中國海洋大學學報， 2011， 41(6): 9-14， 22.

Wang Qian， Liu Qinyu. Contribution of air-sea interface heat flux to the sea surface temperature persistence warming in South China Sea[J]. Periodical of Ocean University of China， 2011， 41(6): 9-14， 22.

[16]管承揚. 未來全球氣候變化情景下東海黑潮環流特征及其對大氣強迫的響應分析[D]. 青島: 中國海洋大學， 2014.

Guan Chengyang. The features of the Kuroshio circulation in East China Sea and its response to atmospheric forcing under global climate change scenario in the future[D]. Qingdao: Ocean University of China， 2014.

[17]陳錦年， 伍玉梅， 何宜軍. 中國近海海氣界面熱通量的反演[J]. 海洋學報， 2006， 28(4): 26-35.

Chen Jinnian， Wu Yumei， He Yijun. The remote of the sensible and latent heat fluxes in China coast[J]. Haiyang Xuebao， 2006， 28(4): 26-35.

[18]馮琳， 林霄沛. 1945—2006年東中國海海表溫度的長期變化趨勢[J]. 中國海洋大學學報， 2009， 39(1): 13-18.

Feng Lin， Lin Xiaopei. Long-term trend of the East China Sea surface temperature during 1945—2006[J]. Periodical of Ocean University of China， 2009， 39(1): 13-18.

[19]Liu Na， Wang Hui， Ling Tiejun， et al. The influence of ENSO on sea surface temperature variations in the China seas[J]. Acta Oceanologica Sinica， 2013， 32(9): 21-29.

[20]Miao Chiyuan， Duan Qingyun， Sun Qiaohong， et al. Assessment of CMIP5 climate models and projected temperature changes over Northern Eurasia[J]. Environmental Research Letters， 2014， 9(5): 055007.

[21]Chen Liang， Frauenfeld O W. A comprehensive evaluation of precipitation simulations over China based on CMIP5 multimodel ensemble projections[J]. Journal of Geophysical Research: Atmospheres， 2014， 119(10): 5767-5786.

[22]Xu Chonghai， Xu Ying. The projection of temperature and precipitation over China under RCP scenarios using a CMIP5 multi-model ensemble[J]. Atmospheric and Oceanic Science Letters， 2012， 5(6): 527-533.

[23]Xu Ying， Xu Chonghai. Preliminary assessment of simulations of climate changes over China by CMIP5 multi-models[J]. Atmospheric and Oceanic Science Letters， 2012， 5(6): 489-494.

[24]陳曉晨. CMIP5全球氣候模式對中國降水模擬能力的評估[D]. 北京: 中國氣象科學研究院， 2014.

Chen Xiaochen. Assessment of the precipitation over China simulated by CMIP5 multi-models[D]. Beijing: Chinese Academy of Meteorological Sciences， 2014.

[25]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]. Journal of Geophysical Research: Atmospheres， 2013， 118(4): 1716-1733.

[26]Tebaldi C， Hayhoe K， Arblaster J M， et al. Going to the extremes: an intercomparison of model-simulated historical and future changes in extreme events[J]. Climatic Change， 2006， 79(3/4): 185-211.

[27]Schopf P S， Burgman R J. A simple mechanism for ENSO residuals and asymmetry[J]. Journal of Climate， 2006， 19(13): 3167-3179.

[28]Frankignoul C， Kestenare E. The surface heat flux feedback. Part Ⅰ: estimates from observations in the Atlantic and the North Pacific[J]. Climate Dynamics， 2002， 19(8): 633-647.

[29]張芳， 董敏， 吳統文. CMIP5模式對ENSO現象的模擬能力評估[J]. 氣象學報， 2014， 72(1): 30-48.

Zhang Fang， Dong Min， Wu Tongwen. Evaluation of the ENSO features simulations as done by the CMIP5 models[J]. Acta Meteorologica Sinica， 2014， 72(1): 30-48.

Evaluation and projection of SST in the China seas from CMIP5

Song Chunyang1， Zhang Shouwen1， Jiang Hua1，2，Wang Hui1，2，Wang Dakui1，Huang Yongyong1

(1. National Marine Environmental Forecasting Center，Beijing 100081，China; 2.Key Laboratory of Research on Marine Hazards Forecasting， State Oceanic Administration， Beijing 100081， China)

Based on observation and reanalysis data， the ability of 21 CMIP5 models to simulate monthly，seasonal and interannual SSTs in the China seas are evaluated. The results show that the CMIP5 models can simulate the spatial distribution of SST in the China seas well but underestimate its magnitude. The SST difference between the multi-model ensemble and observations is significant in the Bohai Sea and Yellow Sea. As to the interannual timescale， the simulation results and Nio3 index is worse correlated than observation and Nio3 index. The SST in the China seas increases in 1960-2002， but changes to be stable in 2003. Among the 21 CMIP5 models， ACCESS1.0、BCC-CSM1.1，HadGEM2-ES，IPSL-CM5A-MR，CMCC-CM，FGOALS-g2，CNRM-CM5-2 and INMCM4 can simulate the SSTS in the China seas better. The trend of SST in the China seas is simulated based on ACCESS1.0，INMCM4，BCC-CSM1.1，IPSL-CM5A-MR，CMCC-CM. Under RCP4.5， RCP8.5 run， the warming trends of SST will continue in the following 100 years with a spatial average of 1.5℃ and 3.3℃ over the whole China seas. The major cause of SST warming in the East China Sea is sea surface net heat flux and the temperature advection．

SST in the China seas; CMIP5;model evaluation; projection

10.3969/j.issn.0253-4193.2016.10.001

2016-03-04；

2016-04-18。

國家海洋局海洋公益性行業科研專項經費(201505013)；國家自然科學基金(41376016，41206023，41306007)。

宋春陽(1990—)，男，天津市人，主要從事氣候變化背景下的中國近海氣候特征研究。E-mail：chunyang606@163.com

姜華，女，研究員，主要從事海洋環流變異和氣候變化。E-mail:hjiang@nmefc.gov.cn

P732

A

0253-4193(2016)10-0001-11

宋春陽，張守文，姜華，等. CMIP5模式對中國近海海表溫度的模擬及預估[J].海洋學報，2016，38(10)：1—11，

Song Chunyang， Zhang Shouwen， Jiang Hua， et al. Evaluation and projection of SST in the China seas from CMIP5[J]. Haiyang Xuebao，2016，38(10)：1—11， doi：10.3969/j.issn.0253-4193.2016.10.001