海洋氣候變化預估及研究方法綜述

何越，蔡怡，陳幸榮，王海燕

（1.廈門大學海洋與地球學院，福建廈門361005；2.國家海洋環境預報中心，北京100081；3.國家海洋局海洋災害預報技術研究重點實驗室，北京100081）

海洋氣候變化預估及研究方法綜述

何越1,2，蔡怡2,3，陳幸榮2，王海燕2

（1.廈門大學海洋與地球學院，福建廈門361005；2.國家海洋環境預報中心，北京100081；3.國家海洋局海洋災害預報技術研究重點實驗室，北京100081）

概述了目前預估的未來海洋氣候變化狀態，總結了在氣候變化預估中常用的氣候模式，包括簡單概念性氣候模式、中等復雜程度氣候模式、氣候系統模式和地球系統模式，介紹了海洋氣候變化預估的多模式集合法和動力降尺度法。指出當前對一些對氣候變化影響較大的區域海洋和氣候系統自然變率的模擬預估研究還存在很多不足之處。高分辨率氣候系統模式和基于多模式集合的概率預估可以在一定程度上減少海洋氣候變化預估的不確定性，高分辨率氣候模式的研發和概率預估的應用是當前的兩個主要發展趨勢。

海洋氣候變化預估；氣候模式；多模式集合；動力降尺度

1 引言

20世紀以來，全球環境發生了前所未有的變化，全球降水量重新分配，冰川和凍土消融，海平面上升，極端氣候事件如熱浪、干旱和強降水等發生的強度和頻率增加，一系列全球性重大環境問題對人類的生存和發展造成嚴重威脅[1-2]。以全球變暖為主要特征的氣候變化是這一系列全球環境問題產生的根源。聯合國氣候變化專門委員會第五次評估報告指出，氣候系統的變暖是毋庸置疑的：自20世紀中葉以來，大氣和海洋已變暖、積雪和冰量已減少、海平面已上升、溫室氣體濃度已增加。地球表面溫度在近三十年中的每個十年都相繼高于1850年以來的任何先前十年[3]。

海洋作為氣候系統的重要組成部分，在氣候系統的變化和調節方面發揮著重要作用。海洋表層吸收大量的太陽輻射，并通過潛熱、長波輻射和感熱交換的方式輸送給大氣，以能量形式來影響大氣運動。近幾十年來，氣候系統約93%的熱增量存儲于海洋上700 m層中，并促使海洋熱膨脹及其后的海平面上升，另外少量的熱增量使得大陸變暖、大氣升溫和冰川融化。海洋巨大的熱慣性，使得其變化相對于大氣變化一般會遲滯數個月或更長，其年循環也要遲緩于陸地，陸地和毗鄰海面的溫度差，會引起季風環流等各種大氣反應。海洋在風力和冷熱造成的密度差異以及蒸發、降水和徑流的影響下，會做水平和垂直運動，在運動過程中，海洋重新分配熱量和鹽分，其分配方式對決定地球氣候的細節至關重要[4]。

對海洋氣候變化的預估有助于增進對全球氣候變化的理解，有助于更全面地評估未來氣候變化帶來的一系列影響，及早作出合理的適應對策。本文概述了目前預估的全球和區域海洋未來可能的氣候變化狀態，并介紹了氣候預估所用數值模式的發展和主要動力預估方法，最后進行了總結和展望。

2 預估的未來海洋氣候變化狀態

作為由世界氣象組織（World Meteorological Organization，WMO）和聯合國環境規劃署（UnitedNations Environment Programme，UNEP）于1988年共同建立的政府間機構，政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）是牽頭評估氣候變化的國際組織。IPCC對氣候系統變化的預估基于一系列氣候模式得出，包括簡單氣候模式、中等復雜模式、綜合氣候模式以及地球系統模式。國際耦合模式比較計劃（Coupled Model Intercomparison Project，CMIP）由世界氣候研究計劃（WRCP）組織，耦合模式比較計劃第五階段（CMIP5）于2008年啟動，IPCC第五次評估報告主要采納了CMIP5氣候模式的結果。這些模式對未來氣候變化的預估基于一系列人為強迫的情景—典型濃度路徑（RCPs），每種路徑提供了不同程度的輻射強迫、溫室氣體（氣溶膠、化學活性氣體）排放和濃度及土地利用/覆蓋[5]。

2.1 預估的未來全球海洋氣候變化狀態

根據IPCC第五次評估報告的結果，在所有RCP情景下，全球海洋都將會變暖。未來海洋平均溫度將會上升（見圖1）。2016—2035年全球平均海表面溫度和垂直平均海洋溫度，將會高于1986—2005年間對應的海洋平均溫度。到2090年，在RCP8.5情景下平均海表面溫度將會比1990年高出2.7℃。到21世紀末，在RCP2.6和RCP8.5情景下，上層100 m內海洋增溫分別約為0.6℃和2.0℃，1000 m深的海洋增溫分別約為0.3℃和0.6℃。預估熱帶和北半球副熱帶地區的海表面是變暖最強的區域，而深海變暖最強的區域位于南大洋[6]。

圖1 CMIP5多模式在不同情景下模擬的2081—2100年相對1986—2005年均表面溫度變化[3]

研究表明[7]海洋熱含量將增加，熱量從海面輸送到深海。在RCP4.5情景下，上700 m深的海洋表層和次表層吸收的熱能占海洋吸收總熱能的50%，上2 000 m深的海水層吸收的熱能占到85%。海洋的熱能從海表面輸送到海洋深處需要持續很長時間，即使從當前開始溫室氣體排放量減少或濃度保持穩定，海洋變暖也仍將會持續幾個世紀。

Burkett等[8]研究顯示海冰范圍會進一步縮減（見圖2）。21世紀后期，北極海冰蓋將會繼續縮小并變薄，南極海冰范圍和體積也將會減少。預估2081—2100年與1986—2005年相比，北極海冰體積在RCP2.6情景下在二月份將減少8%，九月份將減少43%，在RCP8.5情景下二月份將減少34%，九月份將減少94%.南極海冰體積在RCP2.6情景下二月份將減少16%，九月份將減少8%，在RCP8.5情景下二月份將減少67%，九月份將減少30%.

圖2 CMIP5多模式模擬的1980—2100年北半球9

圖3 CMIP5多模式在不同RCP情景下模擬的2081—2100年相對1986—2005年全球相對海平面的變化[3]

Wong等[9]指出全球平均海平面將會上升（見圖3）。全球平均海平面在2081—2100年與1986—2005年相比，RCP2.6情景下將會上升0.26～0.55 m，RCP4.5情景下將會上升0.32～0.63 m，RCP8.5情景下將會上升0.45～0.82 m。在導致全球平均海平面上升的因素中，熱膨脹貢獻最大，占30%～55%，其次是冰川，占15%～35%。在南大洋和北美洲附近，區域海平面變化值比全球平均值高30%，在赤道地區比平均值高10%～20%，北極和位于南極附近的區域比平均值低50%，極端海平面出現率將會明顯增加。預估2100年之后，全球平均海平面將會持續上升。海洋熱膨脹隨著全球變暖而加劇，引起的海平面上升將會持續數百年乃至數千年。

2.2 預估的未來區域海洋氣候變化狀態

海洋氣候呈現出全球平均變化狀態的同時，各區域海洋也呈現出各自不同的變化型態。IPCC第五次評估報告指出[3]，在21世紀末期，厄爾尼諾-南方濤動（El Ni?o-Southern Oscillation，ENSO）將仍是熱帶太平洋區域自然氣候變率的主導模態，并影響全球氣候，ENSO引起的區域降水變率將會增強。在北太平洋和北美地區，與厄爾尼諾和拉尼娜（遙相關）有關的溫度和降水距平型態未來可能東移。未來南太平洋幅合帶緯向事件的年際發生率將會增加，南太平洋幅合帶將會南移，導致南美東南部降水增加，幅合帶北部降水減少。在熱帶印度洋，東部升溫幅度將會減小，降水將會減少；西部升溫幅度將會增大，降水將會增多。印度洋年際變率的偶極子模態將保持活躍，并對東非、印度尼西亞和澳大利亞的極端氣候產生影響。預估21世紀末，大西洋經向翻轉環流（Atlantic Meridional Overturning Circulation，AMOC）將會減弱，在RCP2.6情景下約減弱11%，在RCP8.5情景下約減弱34%。

海洋的西邊界流區域展現出了最大的變暖速率，全球氣候模式預測隨著氣候的變化西邊界流系統將會繼續加速變暖[10]。預估在全球變暖的背景下，由于夏季風增強冬季風減弱，中國東海黑潮很有可能會增強[11]。預估21世紀末，加勒比海和墨西哥灣海域的西邊界流系統（包括加勒比海流、尤卡坦海流和環海流）的體積輸運將會減少20%～25%[12-13]。到21世紀中期，澳大利亞西邊界流的輸運量將會減少15%，印度尼西亞貫穿流的輸運量將會減少20%，澳大利亞東邊界流的輸運量將會增加12%，東邊界流延伸體的輸運量將會增加35%[14]。

21世紀末，我國近海的海溫將會有一個相對較大幅度的增加[15-16]。預估溫度增量最大為2.5～4.5℃，最小為1.2～2.0℃。溫度增加較大的區域位于渤海和黃海中部，增加較小的區域位于我國東南沿岸，朝鮮西海岸和東海南部附近[11]。宋春陽等[16]指出未來近100 a我國近海海溫有明顯的升高趨勢，在RCP4.5和RCP8.5情景下，平均增溫分別可達到1.5℃和3.3℃，凈熱通量變化和平流變化共同促進了東海升溫。對我國南海的預估表明，未來100 a南海SST存在明顯上升趨勢，在RCP2.6，RCP4.5，RCP8.5 3種情景下，南海SST每百年的增溫幅度分別為0.42℃，1.50℃，3.30℃，增溫趨勢隨空間變化較小，隨時間呈現出不均勻變化[17]。

3 海洋氣候變化預估的氣候模式

對于上述海洋氣候變化的預估結果，目前主要是根據氣候模式的計算得到的。氣候模型是理解過去氣候系統演變機理，預估未來氣候系統潛在變化的重要工具。氣候模型實際上是將氣候系統的一系列基礎過程用數學方程組表達出來，構成氣候系統的數學物理模型，然后通過數值離散方法在大型綜合計算機上進行求解，實現對氣候系統行為和過程的模擬與預測[18]。氣候系統的基礎過程包括不同復雜程度的物理、化學和生物過程，根據數學物理模型對氣候系統的大氣圈、水圈、冰雪圈、巖石圈和生物圈某一方面或多個方面基礎過程表達的復雜程度，可以將其劃分為不同的氣候模式。

3.1 簡單概念性氣候模式

簡單概念性氣候模式對氣候系統進行高度整合，強調氣候系統的主要氣候特征和物理過程，如熱力動力過程、輻射對流過程或關鍵反饋過程等，對氣候系統的其他過程或細節描述較少，通常緯向平均，維數少，分辨率低，只能反映研究區域的一個平均過程。簡單氣候模式對計算機性能要求較低，可以進行長時間尺度的模擬，在對氣候變化成因的模擬研究中應用較多[19-20]。常用的簡單氣候模式有氣候系統概念模型、能量平衡模式、統計動力模式、輻射對流模式和海洋上翻-擴散模式等。在IPCC歷次報告中，都引用了簡單氣候模式的結果。簡單氣候模式以一套全球或者半球框的形式代表海洋-大氣系統，利用能量平衡方程預測全球地表溫度，與地球生物化學圈簡化模式耦合后，可以快速估測氣候系統對氣候情景的響應，能夠預估由熱膨脹導致的全球平均海平面的上升[3]。簡單概念性氣候模式對簡單背景下的探索性研究具有一定的參考意義，隨著對氣候變化動力機制研究的逐漸深入，需要考慮的物理過程也更多，對模擬精度也有了更高要求，簡單概念性氣候模式在海洋氣候預估方面存在著局限性。

3.2 中等復雜程度氣候模式

中等復雜程度氣候模式（EMICs）描述了包括人類與自然相互作用的氣候系統，一般具有兩個維度，兩個水平維度或是一個水平與一個垂直維度，其復雜程度介于簡單氣候模式和氣候系統模式之間，涵蓋了氣候系統模式（GCMs）中的大多數過程，但是對這些過程的表達要相對簡化，整合程度沒有簡單氣候模式高，細節描述相對簡單氣候模式更加豐富，兼顧簡單氣候模式和氣候系統模式的部分優點[21-22]。根據EMICs在大氣模塊構成和簡化程度方面存在的差異，可分為兩類：一類是基于GCMs進行大氣或者海洋過程的簡化，總體復雜程度較高，對氣候過程及反饋過程描述較為完善和細膩，如德國漢堡大學Planet Simulator模式[23-24]；另一類基于低分辨率且大量參數化的模式，這類EMICs在更長時間尺度氣候變化的研究中有著重要作用。從模式的復雜程度上看，前者更像是簡化的GCMs，后者更接近于簡單氣候模式。在IPCC第四次評估報告中[25]，利用一個低分辨率的GCM和數個EMICs進行海平面上升的歸因分析，得出海洋熱膨脹是海平面上升的最主要促成因素之一，并對未來進行了預估。在IPCC第五次評估報告中[3]，EMICs在古氣候模擬、未來氣候預估等方面發揮了重要作用。EMICs能夠刻畫出氣候變化的大體特征，同時計算要求低，其應用范圍幾乎覆蓋了簡單氣候模式和氣候系統模式的所有研究領域。但是分辨率比較低，相對GCMs而言，對氣候系統的細節描述也是十分簡化，尚不能達到GCMs的高度。

3.3 氣候系統模式

氣候系統模式（GCMs）綜合考慮了氣候系統中多個圈層及其相互作用的過程，可以對氣候進行全三維的模擬，它以大氣和海洋中諸多過程的平衡為基礎，包括能量平衡、動力平衡、示蹤體（如大氣中的水蒸氣和海洋中的溫鹽）平衡以及質量守恒的平衡，模式涵蓋了諸如陸面、陸海冰、云、海冰結構、熱力、濕度、動力和鹽度的傳送等過程[19]。GCMs采用模塊化框架，利用耦合器將大氣、海洋、海冰和陸面等子模式相互耦合在一起，各組分之間通過耦合器傳遞信息和數據。GCMs主要是利用大量的格點詳細劃分大氣、海洋和地表條件，通過數字技術解決在不同小塊上產生的一系列非線性平衡關系，應用時間步長的方法來進行計算[26-27]。國際耦合模式比較計劃（CMIP）推動了耦合氣候系統模式（CGCMs）的發展與應用，該計劃主要研究CGCMs模擬的氣候變率和可預報性，利用觀測資料對模擬結果進行檢驗，并運用CGCMs預估未來氣候變化。基于CMIP計劃氣候模擬和預估結果的大量科學論文，是IPCC編寫科學評估報告的基礎[28-29]。全球氣候系統模式能夠在全球尺度上對氣候的未來情景進行宏觀預測分析，但空間分辨率較低，難以描述區域尺度的復雜地形、植被分布和物理過程，對區域尺度的氣候變化模擬與預報能力有限，故區域氣候模式以及區域氣候模擬研究近年來受到了較多關注。尤其是在大氣和海洋相互作用的區域，其動力和熱力機制主要受中小尺度海氣相互作用過程的控制，區域海氣耦合模式研究區域小，空間分辨率高，能較好地表示地形和海表狀況，同時包含較詳細的過程方案，對區域尺度的氣候預估顯示出巨大價值[30-32]。氣候系統模式復雜程度相對較高，考慮的模塊較多，參數化程度相對復雜，模式的初始狀態和邊界條件就相應很重要，參數條件的細微變化就可能對結果產生較大影響。另一方面，各個模塊間的耦合作用需要耗費大量的計算時間來達到氣候系統的平衡，因而對計算機水平的要求也高。

3.4 地球系統模式

地球系統模式把大氣圈、水圈、冰雪圈、巖石圈和生物圈作為一個相互作用的整體來考慮，能夠反映地球各圈層之間的相互作用。王斌等[18]將地球系統模式的發展劃分為基礎階段、過渡階段和成型階段。基礎階段即以地球流體（大氣和海洋）為主體的物理氣候系統模式階段，固體地球部分只考慮了地球表層的陸面物理過程，過渡階段是在物理氣候系統模式的基礎上考慮了大氣化學過程、生物地球化學過程和人文過程的地球氣候系統模式階段，成型階段是在地球氣候系統模型的基礎上考慮其與固體地球和空間天氣相互作用的相對完整的數值模式階段，也就是地球系統模式階段（地球系統模式的框架如圖4所示）。氣候系統模式屬于地球系統模式的雛形，目前國際上所說的地球系統模式是通過耦合器相聯接的大氣模式、海洋模式、大氣化學模式、陸面模式、海冰模式、海洋生物地球化學模式、區域氣候模式構成的模式系統，從嚴格意義上應該屬于地球氣候系統模式。在參加CMIP5的模式中，包括11個地球系統模式參與了對未來氣候變化的預估試驗，其中有5個包含完整的陸地、海洋碳循環以及大氣化學過程，5個只包含海洋和陸地碳循環，1個只包含海洋碳循環[33-34]。地球系統模式所包含的物理、化學和生物過程幾乎涵蓋了地球科學中的絕大多數研究方向，遠比一般的氣候系統模式更復雜，對計算機的要求也相當高，其研制是一個巨大的系統工程。

4 海洋氣候變化預估的主要動力方法

對海洋氣候變化的預估主要是基于系列氣候模式在未來特定情景下的模擬結果得出的。對大范圍的全球海洋的預估常用多模式集合的方法，這類預估往往關注全球海洋的整體變化特征，忽略區域海洋的局部變化特征，對參與模擬的氣候模式的分辨率沒有特定要求。對相對小范圍的區域海洋的預估常采用動力降尺度的方法，將研究區域設置在感興趣的區域海洋，關注區域海洋變化的細節特征，要求參與模擬的氣候模式的分辨率達到特定的精度。多模式集合法和動力降尺度法不是兩種截然分離的方法，在對區域海洋進行預估時也可以結合多模式集合的方法。

4.1 多模式集合法

圖4 地球系統模式框架[18]

基于對數值模式模擬預估結果進行的氣候變化預估總是存在著諸多不確定性。這些不確定性主要可以劃分為4類，初始條件不確定性、邊界條件不確定性、模式參數化過程不確定性和模式構建的不確定性[35-36]。其中，模式參數化過程的不確定性和模式構建的不確定性是最為主要的兩個方面，通過提高模式的分辨率可以在一定程度上減少對模式參數化過程的依賴，減少模式通過次網格參數化產生的不確定性[37-38]，還有一類不確定性是在模式設計過程中引入的，每個模型的構架與所要模擬的真實系統之間存在固有的誤差，即模式構建的不確定性，這些誤差是無法通過調整其參數化過程加以消除的，這也是著眼于多模式集合的主要動機[35-36,39-40]。多模式集合是一系列結構不同的模式的模擬結果，這些模式的初始值或者是單個的，或者是一個集合[35]。有研究表明[41-42]，多模式集合對ENSO的預估通常要好于單個模式的預估結果。趙宗慈等[43]在對地球系統模式的評估中也指出所有氣候模式的集合平均明顯優于單個模式的模擬結果。多模式集合相對單個模式模擬精度的提高，不是針對某一特定要素而言的，而是從總體上提高了要素的平均模擬精度。多模式間的結合有不同的方法，常見的有貝葉斯法[39-40,44]、權重平均法和等權的算術平均法。IPCC第四次和第五次評估報告對長期氣候變化的預估采用了多模式集合等權平均的方法。用于多模式集合平均的模式只有在相互獨立的情況下，才能在集合平均時顯著減少模擬誤差，然而實際情況是雖然集合模式來自世界不同國家和機構，但是模式在很多方面具有共性，模式對于不能分辨的過程采取的次網格參數化方案是相似的，參數化過程中模型基本上都使用了相同的理論參數，模型網格和數值離散方案也基本上都是類似的，這些過程所引入的誤差也是類似的，難以通過多模式集合平均消除掉[35,41,45]。R?is?nen和Palmer[46]提出了在多模式集合的氣候變化模擬中氣候變化預估應該以一種概率預估的形式表達的觀點。

4.2 動力降尺度法

對全球海洋氣候變化的預估大多是基于全球耦合的大氣海洋環流模式（AOGCMs）在未來特定情景下的模擬結果。全球AOGCM較粗的分辨率往往達不到對特定區域海洋研究所需的精度，無法分辨出區域海洋復雜的地形和海岸線。主要可以通過3個途徑提高區域海洋的氣候變化模擬能力，一是增加現有全球耦合大氣海洋環流模式的水平分辨率，二是在全球耦合大氣海洋環流模式中采用變網格方案技術，三是采用高分辨率的區域氣候模式與全球氣候模式相嵌套，也就是動力降尺度技術[47-48]。前兩種方法由于受到計算機性能的限制和變網格方案的復雜性，利用區域氣候模式的動力降尺度方法較受青睞[11-15,49-50]。因此對區域海洋的預估常常利用區域氣候模式通過動力降尺度的方法進行，將大尺度、低分辨率的全球氣候模式輸出的信息，轉化為小尺度、高分辨率的區域氣候變化信息。動力降尺度技術，基于區域氣候模式詳細的中小尺度物理過程和相應的空間分辨率，這種空間分辨率足以分辨區域海洋復雜的地形、海陸差異和渦動過程等，能夠產生與提供驅動場的全球氣候模式（GCMs）或全球再分析數據或觀測數據的大尺度環流相一致的精細區域氣候信息。運用動力降尺度對區域海洋氣候變化進行預估的前提是，通過降尺度能夠在再現全球氣候模式中的大尺度特征的情況下，盡可能增加區域變化的更精細的細節信息。只有在滿足一定的條件時，區域模式才能夠達到降尺度的目的，這些條件包括合適的側邊界條件和區域設置、對流方案、陸地表面參數化方案、初始化條件、數值方案和足夠大的研究域，其中任何一個條件存在較大問題時，都會嚴重影響降尺度結果。在氣候變化預估中，用于提供區域模式驅動力的側邊界條件十分關鍵，如果使用對當前氣候的模擬具有嚴重缺陷的GCM來提供側邊界條件，這種系統誤差會傳遞到區域尺度的氣候預估中，因此慎重選擇提供側邊界的GCM并對側邊界進行誤差校正是十分必要的[51-52]。

5 研究展望

海洋氣候的變化決定陸地氣候的變化，尤其是對長期氣候變化進行預估時必須考慮海洋的情況，對海洋氣候變化的預估可以更好地理解未來全球氣候變化情況。隨著計算機水平的發展和對氣候系統基礎相互作用過程研究的深入，用于氣候變化預估的氣候模式經歷了從簡單概念性氣候模式、中等復雜程度氣候模式、氣候系統模式到地球系統模式的發展歷程，極大促進了對氣候變化的預估研究。對海洋氣候變化的預估也從全球的整體性平均預估擴展到對區域海洋的氣候變化預估，逐漸向著精細化的方向發展。目前對海洋氣候變化的預估還存在有待完善的地方：

（1）加強對氣候變化影響較大的區域海洋和氣候系統自然變率的模擬預估。一些對全球氣候變化影響較大的區域海洋或流系的預估鮮有涉及，如西太平洋暖池區、赤道流系、黑潮及黑潮延伸體的變化都會極大影響全球氣候的變化，對這些區域的氣候變化預估有待加強。對典型的自然氣候變率的預估不足，目前對熱帶太平洋ENSO、印度洋偶極子IOD未來變化的研究尚處于低信度水平，對太平洋年代際振蕩PDO的預估還未見諸文獻，需要加強對這些顯著影響氣候變化的氣候系統自然變率的模擬預估。另外，對海洋的預估大多關注海洋表層和次表層，Meehl等[53]研究指出全球增暖停滯期間，海洋上700 m層增暖變緩，700～2 000 m深度的中下層海洋海溫在持續上升，表明深海氣候變化預估對于未來全球氣候變化預估具有重要意義；

（2）減少海洋氣候變化預估的不確定性。氣候系統模式和地球系統模式在研究氣候系統演化機理、預測和預估未來氣候變化中發揮了重要作用，但是模式性能尚不能完全滿足氣候變化模擬和預測與預估研究的需求。模式的模擬結果存在著諸多不確定性，其中參數化過程不確定性和模式構建不確定性是最主要的兩大不確定性。高分辨率模式可以直接分辨更多的中小尺度動力過程，減少模式對次網格參數化過程的依賴，從而在一定程度上減少參數化過程不確定性。隨著計算機水平的發展，高分辨率氣候系統模式的研發成為當今氣候模式研究領域的一個重要趨勢。最新的國際耦合模式比較計劃第六階段（CMIP6）已經將高分辨率耦合模式模擬比較計劃列為其子計劃之一[54-55]。但是在高分辨率模式的發展中要注意氣候系統模式的空間分辨率和次網格參數化過程應該相互匹配，而且必須同時兼顧動力框架和次網格參數化過程的改進[56]。對于模式構建不確定性，可以采取多模式集合平均的方法加以消除，但是要求參與集合平均的模式之間應該是相互獨立的，在現階段模式間尚不可能達到完全獨立，基于多模式集合的概率預估可以對模式間的不確定性進行量化，是相對于多模式集合平均確定性預估的一種改進，是未來的一個主要發展方向。對區域氣候變化的預估而言，多模式集合與降尺度相結合能顯著減少對區域海洋氣候變化預估的不確定性，是未來提高區域海洋氣候變化預估精度的重要手段之一；

（3）我國應加強對近海海洋氣候變化的精細預估研究。我國近海作為西太平洋的邊緣海，是世界上最大的大陸和最大的海洋之間的交匯區，流系錯綜復雜，其海洋環境的變化會對我國的陸地氣候尤其是沿岸氣候、海洋生態、漁業資源、沿岸經濟發展、居民生活等產生一系列重要影響。我國沿海城市也面臨著海平面上升的危險，近年來熱帶風暴登錄我國東南沿岸一帶的頻率和強度都有所增加。目前對我國近海海洋氣候變化預估的研究相對較少，而且預估精度也不夠高。對我國近海未來海洋氣候變化的精細預估，可以提供更多關于我國近海未來環境變化的細節信息，為決策者提供一些參考，及早做出合理的適應政策，以避免和降低未來氣候變化所帶來的風險。

[1]陳宜瑜.全球變化與社會可持續發展[J].地球科學進展,2003,18(1):1-3.

[2]徐冠華,葛全勝,宮鵬,等.全球變化和人類可持續發展:挑戰與對策[J].科學通報,2013,58(21):2100-2106.

[3]IPCC.Climate Change 2013:The physical science basis.contribution of working group I to the fifth assessment report of the intergovernmentalpanelonclimatechange[M].Cambridge:Cambridge University Press,2013.

[4]Stewart R V V.Ocean and climate[J].Impact of Science on Society,1990,166:47-53.

[5]Moss R H,Edmonds J A,Hibbard K A,et al.The next generation of scenarios for climate change research and assessment[J].Nature,2010,463(7282):747-756.

[6]P?rtner H O,Karl D M,Boyd P W,et al.Climate change 2013:Ocean systems[M]//Intergovernmental Panel on Climate Change,Working Group I Contribution to the IPCC Fifth Assessment Report(AR5).New York:Cambridge University Press,2013.

[7]Guldberg O H,Cai R,et al.Climate change 2013:the ocean[C]//Intergovernmental Panel on Climate Change.Working Group I Contribution to the IPCC Fifth Assessment Report(AR5).New York:Cambridge University Press,2013.

[8]Burkett V,Suarez A G,Bindi M,et al.Climate change 2013:point of departure[C]//Intergovernmental Panel on Climate Change.Working Group I Contribution to the IPCC Fifth Assessment Report(AR5).New York:Cambridge University Press,2013.

[9]Wong P P,Losada I J,et al.Climate change 2013:coastal systems andlow-lyingareas[C]//IntergovernmentalPanelonClimate Change.Working Group I Contribution to the IPCC Fifth Assessment Report(AR5).New York:Cambridge University Press,2013.

[10]Matear R J,Chamberlain M A,Sun C,et al.Climate change projection of the Tasman Sea from an eddy-resolving ocean model[J].Journal of Geophysical Research:Oceans,2013,118(6):2961-2976.

[11]Yu X L,Wang F,Tang X H.Future projection of East China Sea temperature by dynamic downscaling of the IPCC_AR4 CCSM3 model result[J].Chinese Journal of Oceanology and Limnology,2012,30(5):826-842.

[12]Liu Y Y,Lee S K,Enfield D B,et al.Potential impact of climate change on the Intra-Americas Sea:Part-1.A dynamic downscaling of the CMIP5 model projections[J].Journal of Marine Systems,2015,148:56-69.

[13]Nurse L A,Charlery J L.Projected SST trends across the Caribbean Sea based on PRECIS downscaling of ECHAM4,under the SRESA2andB2scenarios[J].TheoreticalandApplied Climatology,2016,123(1-2):199-215.

[14]Sun C J,Feng M,Matear R J,et al.Marine downscaling of a future climate scenario for Australian boundary currents[J].Journal of Climate,2012,25(8):2947-2962.

[15]Seo G H,Cho Y K,Choi B J,et al.Climate change projection in the Northwest Pacific marginal seas through dynamic downscaling[J].Journal of Geophysical Research:Oceans,2014,119(6):3497-3516.

[16]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.

[17]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.

[18]王斌,周天軍,俞永強,等.地球系統模式發展展望[J].氣象學報,2008,66(6):857-869.

[19]張冉,李力,郭慶春,等.古氣候研究中氣候模式的發展與應用[J].干旱區研究,2007,24(5):704-711.

[20]王勇,劉蘇峽,邵亞平,等.簡單地球模型的研究進展[J].氣象科技進展,2014,4(3):26-31.

[21]Gallée H,Van Ypersele J P,Fichefet T,et al.Simulation of the last glacial cycle by a coupled,sectorially averaged climate-ice sheet model:1.The climate model[J].Journal of Geophysical Research,1991,96(D7):13139-13161.

[22]Ganopolski A,Petoukhov V,Rahmstorf S,et al.CLIMBER-2:a climate system model of intermediate complexity.Part I:model description and performance for present climate[J].Climate Dynamics,2000,16:1-17.

[23]Fraedrich K,Jansen H,Kirk E,et al.The planet simulator:green planet and desert world[J].Meteorologische Zeitschrift,2005,14(3):305-314.

[24]Fraedrich K,Jansen H,Kirk E,et al.The planet simulator:towards a user friendly model[J].Meteorologische Zeitschrift,2005,14(3):299-304.

[25]IPCC.IPCC fourth assessment report(AR4).Climate change 2007:the physical science basis.Contribution of working group I to the fourth assessment report of the intergovernmental panel on climate change[M].Cambridge:Cambridge University Press,2007.

[26]Haltiner G J,Williams R T.Numerical prediction and dynamic meteorology[M].2nd ed.New York:John Wiley&Sons,1980.

[27]Hansen J,Russell G,Rind D,et al.Efficient three-dimensional global models for climate studies:models I and II[J].Monthly Weather Review,1983,111(4):609-662.

[28]羅勇,王紹武,黨鴻雁,等.近20年來氣候模式的發展與模式比較計劃[J].地球科學進展,2002,17(3):372-377.

[29]周天軍,鄒立維,吳波,等.中國地球氣候系統模式研究進展:CMIP計劃實施近20年回顧[J].氣象學報,2014,72(5):892-907.

[30]Wang Y Q,Leung L R,McGregor J L,et al.Regional climate modeling:progress,challenges,and prospects[J].Journal of the Meteorological Society of Japan,2004,82(6):1599-1628.

[31]陸其峰,潘曉玲,鐘科,等.區域氣候模式研究進展[J].南京氣象學院學報,2003,26(4):557-565.

[32]彭世球,劉段靈,孫照渤,等.區域海氣耦合模式研究進展[J].中國科學:地球科學,2012,42(9):1301-1316.

[33]Taylor K E,Stouffer R J,Meehl G A.An overview of CMIP5 and the experiment design[J].Bulletin of the American Meteorological Society,2012,93(4):485-498.

[34]Anav A,Friedlingstein P,Kidston M,et al.Evaluating the land and ocean components of the global carbon cycle in the CMIP5 earth system models[J].Journal of Climate,2013,26(18):6801-6843.

[35]Tebaldi C,Knutti R.The use of the multi-model ensemble in probabilistic climate projections[J].Philosophical Transactions of the Royal Society A,Mathematical,Physical and Engineering Sciences,2007,365(1857):2053-2075.

[36]Van Oldenborgh G J,Doblas-Reyes F J,Wouters B,et al.Decadal prediction skill in a multi-model ensemble[J].Climate Dynamics,2012,38(7-8):1263-1280.

[37]Randall D,Khairoutdinov M,Arakawa A,et al.Breaking the cloud parameterization deadlock[J].Bulletin of the American Meteorological Society,2003,84(11):1547-1564.

[38]Bony S,Dufresne J L.Marine boundary layer clouds at the heart of tropical cloud feedback uncertainties in climate models[J].GeophysicalResearchLetters,2005,32(20):L20806,doi:10.1029/2005gl023851.

[39]Min S K,Hense A.A Bayesian assessment of climate change using multimodel ensembles.Part II:regional and seasonal mean surfacetemperatures[J].JournalofClimate,2007,20(12):2769-2790.

[40]Duan Q Y,Ajami N K,Gao X G,et al.Multi-model ensemble hydrologicpredictionusingBayesianmodelaveraging[J].Advances in Water Resources,2007,30(5):1371-1386.

[41]Palmer T N,Doblas-Reyes F J,Hagedorn R,et al.Probabilistic prediction of climate using multi-model ensembles:from basics to applications[J].Philosophical Transactions of the Royal Society B:Biological Sciences,2005,360(1463):1991-1998.

[42]Arzhanov M M,Semenov V A,Mokhov I I,et al.Climate change projections in the Black Sea region based on CMIP5 model ensemble[J].Research Activities in Atmospheric and Oceanic Modelling,2013,43(7):5-6.

[43]趙宗慈,羅勇,黃建斌.對地球系統模式評估方法的回顧[J].氣候變化研究進展,2013,9(1):1-8.

[44]Robertson A.W,Lall U,Zebiak S E,et al.Improved combination of multiple atmospheric GCM ensembles for seasonal prediction[J].Monthly Weather Review,2004,132(12):2732-2744.

[45]Semenov M A,Stratonovitch P.Use of multi-model ensembles from global climate models for assessment of climate change impacts[J].Climate Research,2010,41(1):1-14.

[46]R?is?nen J,Palmer T N.A probability and decision-model analysis of a multimodel ensemble of climate change simulations[J].Journal of Climate,2001,14(15):3212-3226.

[47]Cohen S J.Bringing the global warming issue closer to home:the challenge of regional impact studies[J].Bulletin of the American Meteorological Society,1990,71(4):520-526.

[48]Wilby R L,Charles S P,Zorita E,et al.Guidelines for use of climate scenarios developed from statistical downscaling methods[EB/OL].IPCCPublications,2004,http://www.ipccdata.org/guidelines/dgm_no2_v1_09_2004.pdf.

[49]?dlandsvik B,Bentsen M.Downscaling a twentieth century global climate simulation to the North Sea[J].Ocean Dynamics,2007,57(4-5):453-466.

[50]?dlandsvik B.Marine downscaling of a future climate scenario for the North Sea[J].TellusA,2008,60(3):451-458.

[51]Meier H E M.Baltic Sea climate in the late twenty-first century:a dynamical downscaling approach using two global models and two emission scenarios[J].Climate Dynamics,2006,27(1):39-68.

[52]Xue Y K,Janjic Z,Dudhia J,et al.Areview on regional dynamical downscaling in intraseasonal to seasonal simulation/prediction and major factors that affect downscaling ability[J].Atmospheric Research,2014,147-148:68-85,doi:10.1016/j.atmosres.2014.05.001.

[53]Meehl GA,Arblaster J M,Fasullo J T,et al.Model-based evidence of deep-ocean heat uptake during surface-temperature hiatus periods[J].Nature Climate Change,2011,1(7):360-364.

[54]宇如聰.高分辨率氣候系統模式的研制與評估[J].中國基礎科學·研究進展,2015,(2):27-37,doi:10.3969/j.issn.1009-2412.2015.02.005.

[55]欒貽花,俞永強,鄭偉鵬.全球高分辨率氣候系統模式研究進展[J].地球科學進展,2016,31(3):258-268.

[56]Bennartz R,Lauer A,Brenguier J L.Scale-aware integral constraints on autoconversion and accretion in regional and global climate models[J].Geophysical Research Letters,2011,38(10):L10809,doi:10.1029/2011GL047618.

Review on the projection and study methods of ocean climate change

HE Yue1,2,CAI Yi2,3,CHEN Xing-rong2,3,WANG Hai-yan2
（1.College of Ocean and Earth Sciences,Xiamen University,Xiamen 361005 China;2.National Marine Environmental Forecasting Center,Beijing 100081 China;3.Key Laboratory of Research on Marine Hazards Forecasting,State Oceanic Administration,Beijing 100081 China）

The projection of the main ocean climate changes in the future are generalized.The major climate models used to simulate the ocean climate are summarized,including Simple Conceptual Climate Models(SCMs),Earth System Models of Intermediate Complexity(EMICs),General Circulation Models(GCMs)and Earth System Models(ESMs).The methods of multi-model ensemble and dynamical down-scaling in the ocean climate change projection are introduced.The paper points out some proposals on the projection of ocean climate change research.The projection of some regional oceans and climate system natural variabilities which have great values to the climate change is still under a low level.High-resolution climate system models and probabilistic prediction can efficiently reduce the projection uncertainty.The research and development of high-resolution climate models and application of probabilistic prediction are the two main study direction.

ocean climate change projection;climate model;multi-model ensemble;dynamical down-scaling

P732.5

A

1003-0239（2017）06-0089-10

10.11737/j.issn.1003-0239.2017.06.011

2016-12-30；

2017-01-10。

國家海洋局公益性行業科研專項（201505013）。

何越（1991-），女，碩士在讀，主要從事海洋氣候動力預測研究。E-mail:heyue1011@163.com