CMIP5模式对于北大大西洋年代际振荡及其气候影响的模拟外文翻译资料

英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

大气科学进展，第33卷，2016年12月，1329-1342.

CMIP5模式对于北大大西洋年代际振荡及其气候影响的模拟

Zhe HAN1, Feifei LUOlowast;2, Shuanglin LI2, Yongqi GAO2,3, Tore FUREVIK4, and Lea SVENDSEN3

1中国科学院东亚温带区域气候环境重点实验室，北京100029。

2中国科学院大气物理研究所南森国际研究中心和气候变化研究中心，北京100029。

3南森环境与遥感中心和皮耶尼克斯气候研究中心，卑尔根，5006，挪威。

4卑尔根大学地球物理研究所和皮耶尼克斯气候研究中心，卑尔根5007，挪威。

(2015年12月15日收到；2016年6月18日修订；2016年7月8日接受)

摘要

本研究主要关注内部变的北大西洋年代际振荡(AMO)的气候影响。考虑到从内部变率中扣除外部强迫的影响所带来的困难，由于仪器观测和历史模拟的记录长度比较短，我们在观测和CMIP5模式的“工业化前”试验中进行评估和比较AMO及其相关气候的影响。首先，我们评估了25个CMIP5模式的 “历史”试验数据，发现他们对AMO大多有比较合理的模拟能力。与其它模式相比，6个具有更高的能力的模式被选择来评估AMO相关的气候影响，发现他们的“工业化前”试验捕捉到了AMO的基本特性。一个正相位的AMO有利于的北大西洋周围更暖的表面温度，大西洋ITCZ向北移动，导致萨赫勒地区降雨量增加，巴西降雨量减少。此外，结果证实了AMO和东亚地表温度之间存在遥相关，以及印度夏季风在AMO的正相位阶段的延迟撤退。这些联系可能主要是由内部气候变化引起的。相反的结果使用于AMO的负位相。

关键词：大西洋数十年振荡，CMIP5，内部气候变化，气候影响。

引用：韩，Z，F.F.罗，S.L.李，Y.Q.高，T.F和u.kL.Svendsen，2016：通过CMIP5模型的模拟大西洋数十年振荡及其气候影响Sci, 33(12),1329-1342, doi: 10.1007/s00376-016-5270 4。

（一）引言

北大西洋年代际振荡（AMO）--北大西洋地区海表温度的主要模式（Delworth and Mann, 2000; Enfield et al., 2001）由于其显著的气候影响而引起了相当大的关注。虽然AMO和AMOC之间的关系在不同模式之间有很大的差异（Medhaug and Furevik, 2011; Zhang and Wang,2013），AMO被认为是与大西洋经向翻转环流(AMOC)有关的内部气候变率模态，以及是一种AMOC的可观察痕迹(e.g. Delworth and Mann, 2000; Zhang and Delworth,2005; Knight et al., 2006; Msadek et al., 2011; Ba et al.,2014; Drinkwater et al., 2014)。此外，许多模式研究表明AMO也受到外部强迫的影响，如太阳变化、火山以及人为气溶胶(Otteraring; et al., 2010; Chylek et al., 2011; Booth et al., 2012)。根据140年的海温仪器记录，AMO显示出约65-80年的周期（e.g., Enfield et al.,2001; Sutton and Hodson, 2007; Ting et al., 2009）。然而，古气候和模式研究表明，AMO的变率存在多年代际尺度特征(Gray et al., 2004; Chylek et al., 2011; Medhaug and Furevik, 2011; Ting et al., 2011)。

尽管存在许多与AMO相关的不确定性，但观测和模式研究表明，它与全球范围内的气候变率有关，如北美地表气温升高和夏季降水减少（Sutton and Hodson，2007）， 欧洲地表气温度和夏季降水增加（Sutton and Hodson，2005），大西洋ITCZ向北移动（Knight et al., 2006; Zhang and Delworth,2006; Ting et al., 2011），萨赫勒（Zhang and Delworth, 2006; Ting et al., 2011）和印度地区的夏季雨量增加（Goswami et al., 2006; Zhang and Delworth, 2006; Feng and Hu, 2008; Li et al., 2008; Luo et al., 2011），在长江中下游地区夏季降水增加，东亚四季地表气温升高(Lu et al., 2006; Li and Bates, 2007; Wang et al., 2009）。然而，应该指出的是这些研究结果大多来自于相对较短的观测记录，或者气候模式的历史实验，或利用观察到的或与AMO 有关的SST /通量异常强迫的数值试验（e.g., Zhang and Delworth, 2005; Lu et al., 2006; Li et al., 2008; Yu et al., 2009）。因此，很难将AMO的气候效应与气候系统的内部变化区分开来（Zhang and Wang，2013）。 此外，AMO的相关影响可能受到外部强迫的影响（Cheng et al., 2013; Chiang et al., 2013; Dunstone et al.,2013; Wilcox et al., 2013; Martin et al., 2014; Allen, 2015）。

在这项研究中，通过比较参与CMIP5的模式的“工业化前控制”试验的输出结果与观察结果，AMO作为内部变率模式的我们研究了AMO的时空分布特征。文章结构：第2节描述了所使用的模式和数据集; 第3节将CMIP5模拟的AMO和相关的气候模式与观测结果进行了比较; 最后，第4节提供了总结和讨论。

1. 模型与数据

本研究使用的是模式模拟的月平均SST，地表温度和降水量，基于CMIP5的两种类型试验结果：1)1850-2005年的“历史”试验，利用观测的强迫数据：包括排放或温室气体浓度、自然和人为气溶胶、太阳强迫和土地利用变化(Taylor et al., 2012)；（2）“工业化前控制”试验，强伯数据包括固定的混合气体，天然气溶胶，以及一些短寿命气体（Taylor et al.，2012）。在“工业前控制”试验中，太阳辐射强迫保持不变，没有火山喷发。模式数据下载自PCMDI CMIP5网站。（http://pcmdi9.llnl.gov/esgf-web-fe/）。“历史”试验用于CMIP5模式的验证和选择，“工业化前”试验侧重于AMO的特征以及对温度和降水的影响，主要是为了表明AMO的内部变化。

表1列出了25种选定模式中的每一种的模式组，模式名称，海洋和大气成分的水平分辨率以及集合成员。此外，还列出了从这25个模式中选择用于进一步分析的六个模式的“工业化前”试验的时间跨度。十个模式是地球系统模式，包括海洋和大气化学以及相互作用的陆地表面过程。有关CMIP5模式和试验的更多详细信息，请访问http://cmip-pcmdi.llnl.gov/cmip5/design.html，以及相关论文中找到（e.g., Taylor et al., 2012）。

观测的SST数据集是HadISST（Rayner et al.,2003），跨越1870年至2010年，分辨率为1.0°x 1.0°。1901—2009年每月全球陆地温度和降水量在0.5°times;0.5°网格上，是从CRU TS 3.1数据集中获得的（Mitchell and Jones，2005）。鉴于HadISST和CRU在极地地区的记录稀少，美国宇航局的GISS编制的月表面温度异常应用于1880-2014年，并且是在2.0°times;2.0°网格（Hansen et al., 2006）

在分析之前，所有模试输出以及观测数据都使用线性插值方案插值到2.0°times;2.0°网格上。为了减少温室气体可能造成的影响，首先将所有“历史”试验，观测和再分析的数据集进行线性消除。然后，使用九点运行均值滤波器对去趋势时间序列进行低通滤波，以获得低频分量。在整个研究中使用的t检验的自由度是n / 9-1，其中n代表样本数。AMO指数定义为北大西洋盆地年平均低频SST异常（0°-60°N-75°-7.5°W）（Enfield et al., 2001; Wang et al., 2009）。

（三）结果

3.1模式选择

首先，我们根据AMO的“历史”试验评估（通过与观察比较）25个CMIP5模式的模拟能力。功率谱分析表明，观察到的AMO指数表现出约50-70年左右的一个显著周期（图1a），与早期研究一致（e.g.,Enfield et al., 2001; Kavvada et al., 2013）。 至于模式[图 1（b）-（z）]，大多数显示主要的周期约为10 -70年，且不只一个的显著峰值。 FGOALS-g2和GFDL-ESM2G是例外，在十年到几十年的时间尺度上没有显著的周期。 图2通过泰勒图显示了模式和观察到的AMO指数之间的相似性（Taylor，2001）。很明显，模式在它们对AMO指数演变的模拟能力方面存在很大差异，表现出从-0.3到0.6的范围广泛的时间相关系数。考虑到海洋条件没有初始化以及模式中的内在随机强迫，这是可以预见的。大多数模式具有较弱的振幅，小于或等于观察的一个标准偏差。

将模式中AMO的空间结构与观测结果进行了比较（图3）。类似于之前的许多研究发现(e.g., Delworth and Mann, 2000; Zhang and Delworth, 2005; Kavvada et al., 2013; Zhang and Wang,2013; Ba et al., 2014）观测模式的特点是马蹄形图案，其中最大中在格陵兰和大西洋中部纽芬兰以东（图3a中黑色方块所代表的区域），相对较弱的异常在非洲西北部海岸向西延伸到热带地区。

图4通过Taylor图显示了模拟的和观测的AMO模式之间的相似性（模式越好，模式与“OBS”之间的距离越短）。不同模式的模拟能力会有很大方面的不同,所代表的广泛空间的相关系数。(SCC)(从-0.3到0.6)和归一化标准差(从0.2到7.1)表示(图4)。这些模式与观测之间的差异主要体现在三个方面。首先，虽然模式中的最大异常位于在中高纬度，但是中心偏离了观测，位于北部或东部。其次，在一些模式中，可以发现在纽芬兰东南部存在负异常。第三，在大多数模式中的亚热带/热带变暖的并不以与观测中相同的方式呈现，其中一些变暖的位置相对于观测值位于北部。这些差异不仅存在于观测与模式之间，而且存在于模式之间。一些模式的归一化标准差大于观测值的一个标准偏差，这可能是由于这些模式中的格陵兰岛周围变得很暖造成的(图3)。述分析表明观测AMO的模式具有广泛的模拟能力。上述分析表明，在模拟观测AMO的模式具有比较合理的模拟能力。

表1.本文使用的25个CMIP5模式的“历史”试验和6个模式（粗体）“工业化前”试验的详细信息。斜体类型的模式名称表示它们是地球系统模式。

参考编号 模式名称 模式组 海洋（X，Y网格点） 大气（Lontimes;LAT） 整体数量 时间间隔

1 ACCESS1.0 CSIRO-BOM, Australia 360times;300 1.88◦ times;1.25◦ 2 —

2 ACCESS1.3 CSIRO-BOM, Australia 360times;300 1.88◦ times;1.25◦ 2 —

3 BCC CSM1.1 BCC, China 360times;232 2.81◦ times;2.81◦ 3 —

4 BCC CSM1.1(m) BCC, China 360times;232 1.13◦ times;1.13◦ 3 400

5 CCSM4 NCAR, USA 320times;384 1.25◦ times;0.94◦ 6 —

6 CESM1(BGC) NCAR, USA 320times;384 1.25◦ times;0.94◦ 1 —

7 CESM1(CAM5) NCAR, USA 320times;384 1.25◦ times;0.94◦ 3 —

8 CESM1(FAST CHEM) NCAR, USA 320times;384 1.25◦ times;0.94◦ 3 —

9 CESM1(WACCM) NCAR, USA 320times;384 2.5◦ times;1.88◦ 1 —

10 CNRM-CM5 CNRM-CERFACS, F

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18788]，资料为PDF文档或Word文档，PDF文档可免费转换为Word