CMIP5模式對AMO與PDO模擬評估及未來預估

宋晗 劉鵬 陶麗

摘要 利用1880—2009年海表溫度（Sea Surface Temperature，SST）觀測資料以及耦合模式比較計劃第五階段（Coupled Model Intercomparison Project phase 5，CMIP5）中4種情景（piControl、historical、RCP2.6、RCP4.5）下的模擬資料，通過資料對比，評估了CMIP5模式對兩個最為重要年代際尺度模態——北大西洋年代際振蕩（Atlantic Multidecadal Oscillation，AMO）和太平洋年代際振蕩（Pacific Decadal Oscillation，PDO）的模擬性能，并分析了在不同增暖情景下，這兩個海洋年代際模態的變化特征。結果表明：在historical和piControl情景下，多模式集合可以再現北太平洋、東太平洋和北大西洋海表溫度的年代際變化中心，但模擬的AMO和PDO模態的振幅都偏弱，特別是PDO模態在東太平洋強度的再現能力較弱。與觀測資料相比，在historical情景下對AMO和PDO時空特征模擬較好的模式有：CESM1-CAM5、FGOALS-g2、GISS-E2-H-CC、MIROC5和NorESM1-ME，多模式集合則有更好的模擬效果。在不同增暖情景下，AMO與PDO的空間特征基本一致且振幅差隨增暖變化不明顯，但是伴隨全球增暖加強，兩模態都呈現方差貢獻減小的特征，尤其AMO模態。

關鍵詞CMIP5;AMO;PDO;SST;全球增暖

在全球增暖背景下，由于大氣環流的變化過程相對較快，對于年際以上時間尺度的氣候變化的研究，需要通過海洋的年代際變化來進行進一步研究（劉鵬等，2014）。對于海洋的年代際變化最直觀就是對SST進行研究，在眾多年代際信號中最顯著的信號有AMO和PDO。Bjerknes（1964）、Folland and Parker（1990）發現1920—1960年，北大西洋海表溫度存在增暖趨勢，1960—1980年則逐漸進入變冷的階段。從1990年開始，北大西洋海表溫度又進入暖期。Kerr（2000）將上述海表溫度的年代際變化正式定義為北大西洋年代際振蕩（the Atlantic Multidecadal Oscillation，AMO），它存在65～80 a周期性冷暖位相交替的現象，振幅為0.4 ℃（李雙林等，2009）。Mantua et al.（1997）用海表溫度月資料的異常去掉全球增暖趨勢后，對北太平洋地區做經驗正交分解（Empirical Orthogonal Function，EOF）分析，將第一模態定義為PDO模態，PDO存在多周期現象，并與厄爾尼諾和南方濤動（El Nio-Southern Oscillation，ENSO）存在密切關系（Minobe，1997）。AMO與PDO信號對全球增暖停滯事件產生重要的影響，胡研究發現全球海洋變暖和AMO可以相互影響，認為北大西洋增暖以及深層熱量傳輸導致環流異常從而影響赤道太平洋信風，通過數值模擬以及模式試驗發現信風增強導致赤道太平洋變冷是全球增暖停滯的重要原因，在全球變暖停滯期的空間分布與PDO類似，并與PDO負位相存在相關性，因此一般認為AMO與PDO共同影響是造成全球增暖停滯的重要原因（Kosaka and Xie，2013;Chen and Tung，2014;England et al.，2014;Liu and Sui，2014;McGregor et al.，2014;Wu et al.，2018;楊韻等，2018）。

AMO與PDO除了對全球氣候產生影響，還會對區域氣候有影響。AMO對于東亞夏季風、降水、氣溫變化、大西洋颶風的強度及頻率以及ENSO強度均產生影響，而PDO的主要影響中緯度，當PDO正位相時，中國東部、韓國、日本美國東南部、堪察加半島等地區溫度明顯降低;澳大利亞西北部、北美西北部等地區溫度偏高;澳大利亞東部、日本、北美中部等地區降水明顯減少（李雙林等，2009;Newman et al.，2016）。當AMO是正位相，PDO為負位相時，兩者都有利于東亞夏季風增強北推，否則出現相反的情況（丁一匯等，2020）。華南春季降水與PDO指數存在正相關關系，前期秋季PDO處于負位相時，華南春季降水偏少，反之亦然（孫照渤等，2017）。PDO正位相可以激發出負的太平洋-日本型遙相關波列，導致長江中下游地區降水偏多，華北降水偏少（任永建等，2016）。PDO對北半球冬季兩大洋風暴軸強度和位置的變化有影響（朱偉軍等，2019）。AMO與PDO形成機制都較為復雜，AMO普遍被認為是氣候系統內部的自然變率，它會對氣候變化產生較大影響;而PDO形成機制主要分成氣候系統外部強迫與氣候系統的內部作用兩部分，而氣候系統內因主要分為5種，包括大氣的隨機強迫、大氣遙相關、中緯度局地海氣相互作用、熱帶與中緯度相互作用以及海洋非線性過程（Dima and Lohmann，2007;方長芳，2010）。

本文采用的CMIP5模式在氣候變化研究方面提供了較好的資料，較以前幾個階段它在模式的參數化方案、通量處理方法以及耦合器技術等方面均得到了很大改進，并且輸出要素增多（Meehl et al.，2005，2007;辛曉歌等，2012;陳曉晨等，2014）。有學者在采用CMIP5模式對不同要素的模擬能力進行評估中，發現其均存在一定的模擬能力，但在單一要素的模擬中發現，由于模式敏感度、動力框架等不同，導致模擬結果存在較大差異，因此需要進一步完善（Reichler and Kim，2008;Taylor et al.，2012;郭彥等，2013）。其他學者進一步研究發現CMIP5模式可以再現北大西洋以外的SST異常，但難以重現某些與AMO有關的區域影響，并且在piControl情景下AMO與海氣相互作用有關，而在historical情景下則認為與自然以及人為強迫有關（Han et al.，2016;Lyu and Yu，2017;Murphy et al.，2017）。并且CMIP5模式對PDO模擬存在一定缺陷（孫龔，2013），這可能與PDO幾十年的基本模態有關（Newman，2013），Kim et al.（2016）指出無論是CMIP5還是CMIP3，在模擬ENSO和PDO的空間模態、降水等方面與觀測都存在一定差異，并且CMIP5模式集合較CMIP3模式集合具有更好的模擬能力（孫龔，2013）。

以上研究均是對AMO與PDO的模擬能力進行分析，在觀測中發現了AMO與PDO存在一定相關性（Delworth and Mann，2000;Wu et al.，2011;Chen et al.，2014;McGregor et al.，2014），因此是否可以將AMO與PDO模擬能力進行聯合評價，挑選出既對PDO有較好的模擬，又對AMO有較好模擬的模式是本文待解決的問題。本文分析評估CMIP5中不同模式對AMO與PDO的模擬性能以及未來情景下這兩個海洋年代際模態對于全球增暖的響應。由于工業化革命前期參照試驗（piControl）主要用于研究氣候系統內部自然變率，歷史情景試驗（historical）主要是研究自然和人為驅動下的氣候變化，未來典型濃度路徑情景試驗主要是未來氣候變化預估，因此將各個模式的historical試驗結果與觀測進行對比，作為評估模式的標準，分析AMO與PDO未加強迫下的基本特征，進而找出對AMO與PDO都模擬效果較好的模式，并對模式的模擬能力進行排序，并且分析這兩個海洋年代際模態在增暖情景下的變化，這對于今后研究年代際變化的模式挑選具有重要意義。

1 數據和方法

使用了CMIP5模式中historical、piControl、RCP2.6、RCP4.5情景下不同模式模擬的SST資料。其中historical試驗選取1850—2005年共156 a的SST資料，piControl試驗選取了結果較為穩定的連續400 a的SST資料。為了保證足夠多樣本數，RCP2.6和RCP4.5未來情景試驗選取了2006—2100年共95 a的SST資料。模式資料均通過線性插值成水平分辨率為1°×1°。相關模式基本信息見表1。historical、piControl、RCP2.6以及RCP4.5試驗模式個數分別為24、11、11以及16，模式個數不同，一方面由于piControl所選取時間長度較長，因此符合模式較少，另一方面RCP2.6以及RCP4.5本身的模式個數較少。為了評估模式的模擬能力，本文采用Hadley中心提供的SST資料，時間長度為1880-2009年共130 a，水平分辨率為1°×1°（模式數據下載地址：http：//data.ceda.ac.uk/badc/cmip5/data/）。

本文提取AMO和PDO年代際信號及其集合的方法如下：首先對各個模式的SST分別求全球平均，然后運用集合經驗模態分解（Ensemble Empirical Mode Decomposition，EEMD;薛春芳等，2013）得到各個模式全球平均的SST增暖趨勢，并回歸到每個格點上，每個格點SST減去這個回歸趨勢，然后利用Lanczos濾波器（姚菊香等，2005）濾掉13 a以下的波（去除太陽黑子影響），只保留年代際信號，再通過EOF方法提取不同模式AMO模態和PDO模態，并將不同模式得到的時間序列分別進行功率譜分析，然后對于同一情景下不同模式得到的方差、AMO模態和PDO模態分別求平均作為模式集合，功率譜集合平均是對得到的功率譜曲線以及檢驗線的同一周期做平均作為模式集合結果。首先對比分析觀測與historical資料，并且將historical與piControl進行比較，然后再把historical的各個模式對兩個模態（AMO、PDO）的模擬能力進行排序，最后在不同增暖情景下分析兩模態隨增暖的變化情況。其中使用了Xu et al.（2016）提出的矢量場評估（Vector Field Evaluation，VFE）泰勒圖方法，對AMO與PDO的模擬能力進行聯合評價。

2 historical試驗中AMO與PDO的特征分析

2.1 年代際變化主要區域

研究氣候年代際變化首先要對于年代際變化大值區有所了解，進而對得到年代際信號明顯區域進行進一步分析。首先對觀測以及各個模式輸出的SST年資料去趨勢。由圖1可以看出SST增暖趨勢并非是線性趨勢，且EEMD方法得到的趨勢基本上可以代表SST趨勢，因此利用EEMD方法去除CMIP5各個情景下各個模式的SST趨勢變化是比較合理的。對去趨勢后SST進行13 a低通濾波，計算每一格點的年代際均方差，并與未濾波SST的均方差進行比較（圖2）。由圖2a、2b可以看出無論是濾波還是未濾波下SST均方差均在北太平洋、東太平洋以及北大西洋地區出現大值，說明SST年際以及年代際信號在這三個地區均較強。圖2b、2d分別為historical試驗多模式的均方差集合結果，多模式總均方差集合與年代際尺度均方差集合的大值區位置與觀測大致相同，不同在于多模式均方差更大，北太平洋大值區偏西，東太平洋大值區向西延伸，北大西洋大值區擴大。

熱帶中東太平洋未濾波時在三個區域中信號強度最強，但濾波后信號在三個區域中強度最弱，說明年代際信號主要存在于北大西洋以及北太平洋地區，熱帶中東太平洋地區主要為年際信號，并存在年代際信號。

為更加清晰地分析年代際信號明顯的區域，將圖2a、2b中SST總均方差大于0.35部分區域挑選出來，再用年代際尺度均方差除以總均方差得到圖2e和圖2f表示年代際信號在總信號中所占比重。由圖2e觀測結果可見北太平洋以及北大西洋地區貢獻率達到60%以上，熱帶中東太平洋地區貢獻率僅為30%左右，并且熱帶中東太平洋大值區出現在Nio3區（150°～90°W，5°S～5°N）南側。由圖2f historical模式結果可見SST年代際信號在北太平洋、北大西洋區域更強，并且所占比重更大。由此可得出在北太平洋、熱帶中東太平洋以及北大西洋地區年代際信號顯著且年代際貢獻率較大。

2.2 historical和piControl試驗中AMO、PDO時空特征分析

選取年代際信號顯著區域，即北太平洋以及北大西洋地區（0°～60°N的北大西洋，20°N以北的太平洋）。對這兩個地區的SST進行EOF分解，將標準化后PDO、AMO的時間序列定義為觀測和各個模式的PDO指數和AMO指數，然后得到觀測和各個模式SST的PDO和AMO指數回歸場，并對多模式回歸場進行平均（圖3）。由圖3可以看到historical情景下多模式集合與觀測相比，AMO模態在北大西洋地區大值區向高緯度移動，熱帶大西洋信號強度小于觀測，但在東太平洋地區信號強于觀測;在觀測中，PDO模態在熱帶中東太平洋地區、熱帶印度洋地區存在很強的信號，而在模式集合中熱帶中東太平洋地區信號偏弱、熱帶印度洋地區信號消失，在北太平洋地區大值區位置偏西。historical情景與piControl情景比較，可以看到piControl情景下AMO模態，在熱帶大西洋、熱帶太平洋海表溫度異常不明顯。但是historical無論是與觀測還是piControl比較，空間場分布基本一致，強度略有差異，因此historical 試驗能夠模擬AMO和PDO的基本空間特征。觀測中AMO模態方差貢獻為53%，貢獻遠大于piControl與historical兩種試驗，其方差貢獻（VAR，下同）分別為34%和30%，而觀測中PDO模態方差為38%，方差貢獻略小于其他兩種情景，其方差貢獻分別為42%和41%，但無論是AMO還是PDO模態historical情景下方差貢獻均略大于piControl情景下。

下面分析historical 試驗對PDO和AMO周期的模擬能力。對各個模式的AMO與PDO指數進行功率譜分析，然后將功率譜進行多模式集合并與觀測進行對比（圖4）。圖4a中可以看到AMO在觀測中只存在明顯的60 a左右周期，并不存在雙周期現象;而在historical多模式集合中可以看到除60～70 a周期外，還存在20 a左右明顯周期的雙周期現象;但是在piControl情景下短周期較長周期更為顯著，可能是由于長周期在不同模式中較為分散，平均后振幅并不顯著，也可能是由于piControl的時間較長，導致周期離散度增大。在圖4b中觀測PDO存在20～30 a以及50～60 a顯著周期;在historical多模式集合中可以看到PDO在20～40 a左右均有明顯周期，較長周期變長，達到70 a左右;而piControl情景下較短周期的主周期增多，長周期更長達到80 a左右，可以在60 a左右發現一個次要周期。進一步發現AMO主周期振幅略大于PDO主周期振幅，并且無論是AMO還是PDO，長周期在觀測中振幅均大于piControl情景下多模式集合振幅，可能是由于一方面模式模擬不出這種長周期的變化，另一方面不同模式主周期較為分散，平均后振幅降低。historical情景下與觀測相比，AMO與PDO時空基本特征一致，在強度、中心位置與主周期長度上略有差異。由于piControl試驗主要研究氣候系統內部變率，不包含增暖信息，AMO和PDO一般認為是一種氣候系統內部變率，增暖對它們也有一定的影響，因此這里有必要將piControl與historical情景下AMO、PDO進行對比分析。各個模式AMO與PDO空間特征在兩個情景下基本對應一致（圖略），但振蕩周期不太一樣，例如ACCESS1-3模式（圖5），historical情景下AMO表現為有一個70 a左右的長周期和20 a左右的短周期，而piControl情景下只有短周期振蕩比較明顯;historical情景下PDO的長周期振蕩相對于piControl情景下的長周期振蕩較弱，但總體上兩種情景下，PDO的振蕩周期較接近。

為了更好地研究模式模擬能力，將各個模式的AMO和PDO模態與功率譜曲線分別用VFE泰勒圖方法進行分析（圖6），將AMO作為矢量場的一維，將PDO作為另一維，通過計算得到VFE圖。其中標號1～24分別為ACCESS1-0、ACCESS1-3、bcc-csm1-1、bcc-csm1-1-m 、CanESM2、CCSM4、CESM1-BGC、CESM1-CAM5、CESM1-FASTCHEM、CESM1-WACCM、CMCC-CESM、CNRM-CM5、FGOALS-g2、FGOALS-s2、GISS-E2-H、GISS-E2-H-CC、inmcm4、IPSL-CM5A-LR、IPSL-CM5A-MR、MIROC5、MPI-ESM-LR、MRI-CGCM3、NorESM1-M、NorESM1-ME，25表示模式的集合平均，紅色圈圓心處為觀測資料，當所求點越接近于紅色圈圓心，則該模式與觀測越接近。矢量長度是指一個矢量的模的長度，橫縱坐標代表歸一化矢量長度（模式場矢量長度除以觀測場矢量長度），扇形坐標代表觀測與各個模式的矢量相似系數，圖6a是將AMO與PDO的EOF區域分別插值成2°×2°以及2.5°×2.5°的格點，同時選取了573個格點，對各個模式的AMO、PDO空間結構的進行聯合評估的VFE泰勒圖。圖6b顯示了各個模式AMO與PDO周期聯合評估的VFE泰勒圖。

由圖6a可以看到編號25距離紅色圓心最近，表示historical多模式集合在空間場模擬上與觀測最為接近，并且大多數模式的矢量長度大于觀測，表示模擬的PDO和AMO的振幅較觀測強，相似系數為0.5～0.9，模擬較好模式有CESM1-CAM5、FGOALS-g2、IPSL-CM5A-MR、MIROC5。圖6b中CESM1-CAM5的周期與觀測最為接近，MME與ACCESS1-3、GISS-E2-H-CC、MPI-ESM-LR模式模擬較好，大多數模式的矢量長度小于觀測，表示模擬的PDO和AMO的年代際周期不顯著，相似系數為0.3～0.8。表2為計算得到歸一化的矢量偏差均方根。表中紅色標注為空間場與周期模擬能力均較好的模式。將空間排序和周期排序相加，并重新排名得到對historical試驗中空間結構和周期都模擬的比較好的模式：CESM1-CAM5、FGOALS-g2、GISS-E2-H-CC、MIROC5、NorESM1-ME，多模式集合也具有較好模擬能力。

3 不同增暖情景下AMO與PDO特征分析

3.1 空間特征分析

多模式集合較大多數模式而言具有較好的模擬效果，因此進一步研究了在不同增暖情景下AMO與PDO的特征，可以從多模式集合進行研究。圖7中各個情景下模式集合所選模式為表1中對應情景下所給出有資料的模式，圖7中可以看出在各個情景下AMO、PDO空間特征基本保持一致，振幅大小差異不明顯。與觀測中情況相反，AMO模態在各個情景下的方差貢獻率要小于PDO的方差貢獻。對AMO模態，各個情景下均存在太平洋海表溫度異常，RCP4.5情景下太平洋海表溫度異常更為顯著，并且在該情景下印度洋海表溫度異常較為顯著;對PDO模態，各情景均在熱帶中東太平洋模擬出較小的海表溫度異常，在印度洋基本看不到明顯的海表溫度異常。綜上所述，在各情景下AMO與PDO空間模態的基本特征大致相同，其空間分布隨增暖的加強在各自的區域內未有明顯的變化，但集合后AMO與PDO模態的方差貢獻隨增暖加強略有減小的趨勢。

3.2 方差貢獻率隨增暖的變化

為了研究方差貢獻隨增暖的變化，進一步利用散點圖分析不同情景下各個模式方差貢獻大小隨全球平均SST的變化（圖8）。由圖8a可見，各個情景下AMO模態的方差貢獻率隨全球平均SST的增大而有逐漸減小的趨勢，而且增暖幅度越強，其方差貢獻率隨全球平均SST增大而減小得越明顯，在圖8a中表現為散點圖斜率piControl

4 討論與結論

基于觀測SST以及CMIP5試驗中的上述4種情景下耦合模式輸出SST資料，提取AMO與PDO信號，并分析這兩種年代際模態的時空特征，進行CMIP5耦合模式對這兩種年代際模態模擬能力的聯合評估，客觀定量地找出模擬能力較好的模式，并分析未來情景下這兩個海洋年代際變化模態對于全球增暖的響應，得到如下結論：

觀測與historical情景資料中均發現北太平洋、熱帶中東太平洋和北大西洋地區年代際信號較為顯著。對于AMO和PDO的模擬，多模式集合與觀測的空間分布基本相同，多模式集合在兩種模態的振幅稍有偏弱，在PDO模態北太平洋中心位置向西側偏移。在周期模擬方面，觀測中AMO與PDO具有明顯50～60 a長周期，并且PDO存在20 a左右較短周期，而多模式集合對兩模態的長周期模擬能力很有限。CESM1-CAM5、FGOALS-g2、GISS-E2-H-CC、MIROC5、NorESM1-ME以及多模式集合對AMO和PDO的模擬能力較好，而模式ACCESS1-0、bcc-csm1-1-m、CESM1-WACCM、GISS-E2-H、IPSL-CM5A-LR的模擬能力較差。

4種不同情景（piControl、historical、RCP2.6、RCP4.5）下的AMO與PDO的振幅未隨增暖加強出現一致性變化，空間基本特征一致，并且在piControl情景下AMO只是相對獨立的大西洋SST異常，而在其他情景下，AMO模態在太平洋均有異常;PDO模態在不同情景下基本保持一致，均表現為相對獨立的太平洋SST異常，熱帶中東太平洋地區信號較弱。

在不同增暖情景下，AMO與PDO模式集合的方差貢獻率均存在隨增暖的加強而略有減小的趨勢。進一步研究同一情景下方差貢獻隨增暖變化，可以看出AMO模態的這一特征更為明顯，而PDO模態雖然有類似現象但略不明顯，具體物理機制有待探討。

本文對于CMIP5各個耦合模式中AMO空間模態、周期與PDO空間模態、周期進行聯合定量評估，得到模擬能力較好的模式，這對于模式挑選具有重要的意義。

參考文獻（References）

Bjerknes J，1964.Atlantic air-sea interaction[J].Adv Geophys，10：1-82.doi：10.1016/S0065-2687（08）60005-9.

Chen W，Lu R Y，Dong B W，2014.Intensified anticyclonic anomaly over the western North Pacific during El Nio decaying summer under a weakened Atlantic thermohaline circulation[J].J Geophys Res：Atmos，119（24）：13637-13650.doi：10.1002/2014JD022199.

Chen X，Tung K K，2014.Varying planetary heat sink led to global-warming slowdown and acceleration[J].Science，345（6199）：897-903.doi：10.1126/science.1254937.

陳曉晨，徐影，許崇海，等，2014.CMIP5全球氣候模式對中國地區降水模擬能力的評估[J].氣候變化研究進展，10（3）：217-225. Chen X C，Xu Y，Xu C H，et al.，2014.Assessment of precipitation simulations in China by CMIP5 multi-models[J].Adv Climate Change Res，10（3）：217-225.doi：10.3969/j.issn.1673-1719.2014.03.011.（in Chinese）.

Cheng J，Liu Z Y，Zhang S Q，et al.，2016.Reduced interdecadal variability of Atlantic Meridional Overturning Circulation under global warming[J].PNAS，113（12）：3175-3178.doi：10.1073/pnas.1519827113.

Delworth T L，Mann M E，2000.Observed and simulated multidecadal variability in the Northern Hemisphere[J].Clim Dyn，16（9）：661-676.doi：10.1007/s003820000075.

Dima M H，Lohmann G，2007.A hemispheric mechanism for the Atlantic multidecadal oscillation[J].J Climate，20（11）：2706-2719.doi：10.1175/jcli4174.1.

丁一匯，李怡，王遵婭，等，2020.亞非夏季風的年代際變化：大西洋多年代際振蕩與太平洋年代際振蕩的協同作用[J].大氣科學學報，43（1）：20-32. Ding Y H，Li Y，Wang Z Y，et al.，2020.Interdecadal variation of Afro-Asian summer monsoon：coordinated effects of AMO and PDO oceanic modes[J].Trans Atmos Sci，43（1）：20-32.doi：10.13878/j.cnki.dqkxxb.20191011007.（in Chinese）.

England M H，McGregorS，SpenceP，et al.，2014.Recent intensification of wind-driven circulation in the Pacific and the ongoing warming hiatus[J].Nat Clim Chang，4（3）：222-227.doi：10.1038/nclimate2106.

方長芳，2010.全球變暖對北太平洋年代際變化的影響及可能機制研究[D].青島：中國海洋大學. Fang C F，.2010.The effect of global warming on North Pacific decadal variability and the possible mechanism[D].Qingdao：Ocean University of China.（in Chinese）.

Folland C K，Parker D E，1990.Observed variations of sea surface temperature[M]//Climate-Ocean Interaction.Dordrecht：Springer Netherlands：21-52.doi：10.1007/978-94-009-2093-4_2.

郭彥，董文杰，任福民，等，2013.CMIP5模式對中國年平均氣溫模擬及其與CMIP3模式的比較[J].氣候變化研究進展，9（3）：181-186. Guo Y，Dong W J，Ren F M，et al.，2013.Assessment of CMIP5 simulations for China annual average surface temperature and its comparison with CMIP3 simulations[J].Adv Climate Change Res，9（3）：181-186.doi：10.3969/j.issn.1673-1719.2013.03.004.（in Chinese）.

Han Z，Luo F F，Li S L，et al.，2016.Simulation by CMIP5 models of the Atlantic multidecadal oscillation and its climate impacts[J].Adv Atmos Sci，33（12）：1329-1342.doi：10.1007/s00376-016-5270-4.

Kerr R A，2000.A north Atlantic climate pacemaker for the centuries[J].Science，288（5473）：1984-1985.doi：10.1126/science.288.5473.1984.

Kim H，Yeh S W，Kwon M，2016.Marginal changes in the linear relationship of ENSO-PDO in the CMIP5 RCP4.5 scenario[J].Int J Climatol，36（15）：4667-4678.doi：10.1002/joc.4655.

KosakaY，Xie S P，2013.Recent global-warming hiatus tied to equatorial Pacific surface cooling[J].Nature，501（7467）：403-407.doi：10.1038/nature12534.

李雙林，王彥明，郜永祺，2009.北大西洋年代際振蕩（AMO）氣候影響的研究評述[J].大氣科學學報，32（3）：458-465. Li S L，Wang Y M，Gao Y Q，2009.A review of the researches on the Atlantic multidecadal oscillation（AMO） and its climate influence[J].Trans Atmos Sci，32（3）：458-465.doi：10.13878/j.cnki.dqkxxb.2009.03.006.（in Chinese）.

Liu P，Sui C H，2014.An observational analysis of the oceanic and atmospheric structure of global-scale multi-decadal variability[J].Adv Atmos Sci，31（2）：316-330.doi：10.1007/s00376-013-2305-y.

劉鵬，江志紅，于華英，等，2014.全球海表溫度在不同時間尺度的主模態對比分析[J].地球科學進展，29（7）：844-853. Liu P，Jiang Z H，Yu H Y，et al.，2014.A comparative analysis of main modes of global-scale sea surface temperature on multiple time scale[J].Adv Earth Sci，29（7）：844-853.doi：10.11867/j.issn.1001-8166.2014.07.0844.（in Chinese）.

Lyu K W，Yu J Y，2017.Climate impacts of the Atlantic Multidecadal Oscillation simulated in the CMIP5 models：a re-evaluation based on a revised index[J].Geophys Res Lett，44（8）：3867-3876.doi：10.1002/2017GL072681.

Mantua N J，Hare S R，Zhang Y，et al.，1997.A Pacific interdecadal climate oscillation with impacts on salmon production[J].Bull Amer Meteor Soc，78（6）：1069-1079.doi：10.1175/1520-0477（1997）078<1069：apicow>2.0.co;2.

McGregor S，Timmermann A，Stuecker M F，et al.，2014.Recent Walker circulation strengthening and Pacific cooling amplified by Atlantic warming[J].Nat Clim Chang，4（10）：888-892.doi：10.1038/nclimate2330.

Meehl G A，Covey C，McAvaney B，et al.，2005.Overview of the coupled model intercomparison project[J].Bull the Amer Meteor Soc，86（1）：89-93.

Meehl G A，Covey C，Delworth T，et al.，2007.THE WCRP CMIP3 multimodeldataset：a new era in climate change research[J].Bull Am Meteor Soc，88（9）：1383-1394.doi：10.1175/bams-88-9-1383.

Minobe S，1997.A 50—70 year climatic oscillation over the North Pacific and North America[J].Geophys Res Lett，24（6）：683-686.doi：10.1029/97GL00504.

Murphy L N，Bellomo K，Cane M，et al.，2017.The role of historical forcings in simulating the observed Atlantic multidecadal oscillation[J].Geophys Res Lett，44（5）：2472-2480.doi：10.1002/2016GL071337.

Newman M，2013.An empirical benchmark for decadal forecasts of global surface temperature anomalies[J].J Climate，26（14）：5260-5269.doi：10.1175/jcli-d-12-00590.1.

Newman M，Alexander M A，Ault T R，et al.，2016.The Pacific decadal oscillation，revisited[J].J Climate，29（12）：4399-4427.doi：10.1175/jcli-d-15-0508.1.

Reichler T，Kim J，2008.Supplement to how well do coupled models simulate todays climate？[J].Bull Amer Meteor Soc，89（3）：S1-S6.doi：10.1175/bams-89-3-reichler.

任永建，宋連春，肖鶯，2016.1880—2010年中國東部夏季降水年代際變化特征[J].大氣科學學報，39（4）：445-454. Ren Y J，Song L C，Xiao Y，2016.Interdecadal change of summer precipitation in Eastern China during 1880—2010[J].Trans Atmos Sci，39（4）：445-454.doi：10.13878/j.cnki.dqkxxb.20160101033.（in Chinese）.

孫，2013.氣候模式對北太平洋海溫變率主導模態的評估及其預估[D].蘭州：蘭州大學. Sun G，2013.Evaluation and projection of the leading modes of sea surface temoerature anomalies over the north Pacific in climate models[D].Lanzhou：Lanzhou University.（in Chinese）.

孫照渤，徐青竹，倪東鴻，2017.華南春季降水的年代際變化及其與大氣環流和海溫的關系[J].大氣科學學報，40（4）：433-442. Sun Z B，Xu Q Z，Ni D H，2017.Interdecadal variation of spring precipitation in South China and its relationships with atmospheric circulation and SST[J].Trans Atmos Sci，40（4）：433-442.doi：10.13878/j.cnki.dqkxxb.20150325001.（in Chinese）.

Taylor K E，Stouffer R J，Meehl G A，2012.An overview of CMIP5 and the experiment design[J].Bull Am Meteor Soc，93（4）：485-498.doi：10.1175/bams-d-11-00094.1.

Wu S，Liu Z Y，Zhang R，et al.，2011.On the observed relationship between the Pacific decadal oscillation and the Atlantic Multi-decadal oscillation[J].J Oceanogr，67（1）：27-35.doi：10.1007/s10872-011-0003-x.

Wu S，Liu Z Y，Cheng J，et al.，2018.Response of North Pacific and North Atlantic decadal variability to weak global warming[J].Adv Clim Chang Res，9（2）：95-101.doi：10.1016/j.accre.2018.03.001.

辛曉歌，吳統文，張潔，2012.BCC氣候系統模式開展的CMIP5試驗介紹[J].氣候變化研究進展，8（5）：378-382. Xin X G，Wu T W，Zhang J，2012.Introduction of CMIP5 experiments carried out by BCC climate system model[J].Adv Climate Chang Res，8（5）：378-382.doi：10.3969/j.issn.1673-1719.2012.05.010.（in Chinese）.

Xu Z F，Hou Z L，HanY，et al.，2016.A diagram for evaluating multiple aspects of model performance in simulating vector fields[J].Geosci Model Dev，9（12）：4365-4380.doi：10.5194/gmd-9-4365-2016.

薛春芳，侯威，趙俊虎，等，2013.集合經驗模態分解在區域降水變化多尺度分析及氣候變化響應研究中的應用[J].物理學報，62（10）：496-503.Xue C F，HouW，Zhao J H，et al.，2013.The application of ensemble empirical mode decomposition method in multiscale analysis of region precipitation and its response to the climate change？[J].Acta Phys Sin，62（10）：496-503.doi：10.7498/aps.62.109203.（in Chinese）.

楊韻，李建平，謝飛，等，2018.熱帶北大西洋模態年際變率的研究進展與展望[J].地球科學進展，33（8）：808-817. Yang Y，Li J P，XieF，et al.，2018.Progresses and prospects for north tropical Atlantic mode interannual variability[J].Adv Earth Sci，33（8）：808-817.doi：10.11867/j.issn.1001-8166.2018.08.0808.（in Chinese）.

姚菊香，王盤興，李麗平，2005.季節內振蕩研究中兩種數字濾波器的性能對比[J].南京氣象學院學報，28（2）：248-253. Yao J X，Wang P X，Li L P，2005.Performance contrast between two filters in madden-Julian oscillations analysis[J].J Nanjing Inst Meteor，28（2）：248-253.doi：10.13878/j.cnki.dqkxxb.2005.02.014.（in Chinese）.

朱偉軍，曹煜晨，李天宇，等，2019.太平洋年代際振蕩對冬季北半球兩大洋風暴軸協同變化的可能影響[J].大氣科學學報，42（6）：892-901.Zhu W J，Cao Y C，Li T Y，et al.，2019.Possible influence of the Pacific Decadal Oscillation on the concurrent variations of the northern Atlantic and Pacific storm tracks during boreal winter[J].Trans Atmos Sci，42（6）：892-901.doi：10.13878/j.cnki.dqkxxb.20181015001.（in Chinese）.

Evaluation and future projection of AMO and PDO in CMIP5 models

SONG Han，LIU Peng，TAO Li

Key Laboratory of Meteorological Disaster，Ministry of Education （KLME）/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters （CIC-FEMD）/Joint International Research Laboratory of Climate and Environment Change （ILCEC），Nanjing University of Information Science and Technology，Nanjing 210044，China

Based on the observed sea surface temperature （SST） data from 1880 to 2009 and the simulated SST datasets under four scenarios （piControl，historical，RCP2.6 and RCP4.5） in the CMIP5 （Coupled Model Intercomparison Project phase 5） models，this paper evaluated the simulation performance of CMIP5 models for two most important interdecadal scale modes （Atlantic Multidecadal Oscillation （AMO） and Pacific Decadal Oscillation （PDO）），and further investigated their future projection under different warming scenarios.Results show that the multi-model ensemble can reproduce the interdecadal variation centers of sea surface temperature in North Pacific，East Pacific and North Atlantic under historical and piControl scenarios，but the simulatedamplitudes of AMO mode and PDO mode are weak，especially PDO mode in East Pacific.By evaluating the spatial and temporal characteristics of AMO mode and PDO mode under historical scenario，this paper ranks the ability of models that simulate AMO mode and PDO mode，and suggeststhat CESM1-CAM5，FGOALS-g2，GISS-E2-H-CC，MIROC5 and NorESM1-ME are five better models and the multi-model ensemble is best.Under different warming scenarios，the spatial characteristics of AMO mode and PDO mode are basically consistent and the amplitude differencesamong different warming scenarios are not obvious.However，with the increase of global warming，AMO modeand PDOmode are characterized by the decrease of variance contribution，especially AMO mode.

CMIP5;AMO;PDO;SST;global warming

doi：10.13878/j.cnki.dqkxxb.20190227001

（責任編輯：袁東敏）