Marine Meteorology

Deficiency of CMIP5 models in simulating changes of Pacific Walker circulation in recent three decades: the role of Sea Surface Temperature *

  • LIN Shuheng 1, 2 ,
  • GUAN Yuping , 1, 2, 4 ,
  • ZHANG Banglin 3
Expand
  • 1. State Key Laboratory of Tropical Oceanography (South China Sea Institute of Oceanology, Chinese Academy of Sciences), Guangzhou 510301, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Guangdong Provincial Key Laboratory of Regional Numerical Weather Prediction, Institute of Tropical and Marine Meteorology, Guangzhou 510640, China
  • 4. Zhuhai Joint Innovative Center for Climate-Environment-Ecosystem, Zhuhai 519078, China
GUAN Yuping. E-mail:

Copy editor: YIN Bo

Received date: 2019-01-01

  Request revised date: 2019-02-27

  Online published: 2019-10-09

Supported by

National Key Research and Development Plan Project(2018YFC1506903)

National Natural Science Key Fund Project(41830538)

Independent project of State Key Laboratory of Tropical Oceanography(South China Sea Institute of Oceanology, Chinese Academy of Sciences)(LTOZZ1802)

Copyright

Copyright reserved © 2019. Office of Acta Agronomica Sinica All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.

Abstract

The Pacific Walker circulation (PWC) is the most important atmospheric system over the tropical Pacific Ocean, and the cause of the long-term change of the PWC in response to global warming still remains debatable. The observations consistently indicate that the PWC has significantly strengthened in the past three decades. We examine the changes of the PWC in 18 climate models participated in phase 5 of the Coupled Model Intercomparison Project (CMIP5). Most CMIP5 models have produced successful simulations for the climatological spatial distribution features of the PWC, but no one can simulate the trend of significant enhancement of the PWC as observed. The deficiency of the models to simulate the trend of the PWC depends mainly on the capability of the models to simulate changes in sea surface temperature (SST). The trend pattern of SST is similar to that of the observation (i.e., La Niña-like) in the coupled models that simulate a strengthening PWC, but there are still some differences between the two. However, the distribution of SST shows an El Niño-like trend pattern in the coupled models that simulate a weakening PWC, which does not match that of the observation. For the latter models, if the observed SST is used to drive its corresponding atmospheric models, it can simulate the enhancement of the PWC, which fully demonstrates the leading role of SST change in the long-term change of the PWC. Therefore, to reasonably predict the change of the PWC in the context of global warming, the CMIP5 models need to improve their simulation capability for SST changes in the tropical Pacific.

Cite this article

LIN Shuheng , GUAN Yuping , ZHANG Banglin . Deficiency of CMIP5 models in simulating changes of Pacific Walker circulation in recent three decades: the role of Sea Surface Temperature *[J]. Journal of Tropical Oceanography, 2019 , 38(5) : 52 -67 . DOI: 10.11978/2019002

太平洋沃克环流(Pacific Walker Circulation, PWC)是热带地区最重要的大气环流系统, 是大气与海洋相互作用最主要的组成部分。PWC是由赤道太平洋海表面温度(Sea Surface Temperature, SST)纬向差异直接驱动的热力环流, 表现为在西太平洋暖水区上升, 在东太平洋冷水区下沉, 其表层由于东西海表气压梯度作用盛行东风, 而在对流层高层则被强劲的西风所控制的顺时针环流(Bjerknes, 1969)。PWC与季风、厄尔尼诺-南方涛动事件(El Niño-Southern Oscillation, ENSO)和印度洋偶极子事件(Indian Dipole Mode, IOD) (Saji et al, 1999)有紧密的联系, 使得其对全球气候产生影响(Philander, 1990; Meehl et al, 2003; Wang et al, 2012; England et al, 2014), 环流的强度与结构变化能够对热带地区的季风、降水、气温和风造成巨大的影响(Power et al, 1999; Williams et al, 2011; Wang et al, 2012; Liu et al, 2013; England et al, 2014)。因此, 研究PWC的强度与结构的长期变化, 对全球气候变化与灾害预测有至关重要的作用。
对于PWC强度在全球变暖背景下的长期变化, 学术界开展过许多研究, 但存在较大的争论。现今科学界认为PWC在全球变暖下变化的机制主要有两个, 其中一个主要的机制是自由大气随高度增加的水平均一增温使得大气静力稳定度增加速度快于辐射冷却, 从而使大气环流减弱(Knutson et al, 1995)。从全球水循环角度出发, 由于全球平均降水需与边界层向对流层输送的水汽相平衡, 大气的均一增暖使得降水增加的速率低于大气水汽含量增加的速率, 则边界层与对流层中层的质量交换减弱, 同样可以造成大气环流减弱(Held et al, 2006), 上述机制被称为均一增温机制(Bayr et al, 2014; Ma et al, 2016), 该机制强调大气变化对PWC变化有重要作用。理想大气环流模式(Atmospheric General Circulation Model, AGCM)实验表明在热带太平洋纬向SST梯度无任何变化情况下, 能够得到沃克环流减弱的结果(Gastineau et al, 2009; Ma et al, 2012), 支持了上述均一增温机制。然而一个对立的假设认为热带太平洋纬向SST梯度的变化对沃克环流变化起到至关重要的作用(Meng et al, 2012; Tokinaga et al, 2012a; Sandeep et al, 2014), 被称为非均一增温机制, 该机制强调海洋的变化通过海气相互作用进而使得PWC发生变化。由于区域蒸发冷却的强度不同(Knutson et al, 1995; Xie et al, 2010)、海洋动力过程(Clement et al, 1996)、海洋与大陆(Zhang et al, 2017a)及海洋与海洋之间增温速度的差异(Luo et al, 2012; McGregor et al, 2014; Zhang et al, 2017b), 导致海表温度(SST)趋势的空间分布呈类厄尔尼诺(El Niño) [类拉尼娜(La Niña)]型, 使得PWC减弱(加强)。虽然根据皮耶克里斯反馈(Bjerknes feedback) (Bjerknes, 1969), SST和PWC之间能互相影响, 但实际上SST的变化是由海洋动力过程和大气反馈共同影响的, 尽管PWC减弱, 但SST不一样会出现类El Niño分布(Dinezio et al, 2009, 2010)。而许多研究认为当SST有类El Niño (类La Niña)型趋势分布时, PWC则会有相应变化。例如Meng等(2012)用1900— 2007年的类La Niña型海温[源自英国气象局哈德莱中心海面温度数据集(HadISST)]驱动AGCM, PWC加强。Tokinaga等(2012a)用夜间海表气温与SST合并后的数据(变化表现为类El Niño型分布)驱动AGCM, 结果显示PWC减弱, 而用HadISST的结果(1950—2009年间表现为类La Niña型分布)却表现为PWC增强, 因此认为热带太平洋类El Niño型的SST趋势分布是PWC减弱的主要原因。
大部分气候耦合模式一致预测沃克环流将在全球增暖下减弱。参与第三次和第五次国际耦合模式比较计划(Phase 3 and 5 Coupled Model Intercomparison Project, CMIP3和CMIP5)的大部分模式模拟出PWC在20世纪减弱, 并将在21世纪继续减弱, 太平洋SST趋势为类El Niño型分布(Vecchi et al, 2007; Dinezio et al, 2009, 2013; Power et al, 2011; Bayr et al, 2014)。虽然部分研究基于观测和再分析资料发现, 东、西太平洋纬向海表气压(Sea Level Pressure, SLP)梯度、SST梯度在整个20世纪是减小的,同时西太平降水减少(Vecchi et al, 2006; Zhang et al, 2006; Power et al, 2007, 2011; Yu et al, 2010; Tokinaga et al, 2012b; Dinezio et al, 2013), 支持了上述耦合模式的结果, 但也有研究通过观测数据发现PWC是加强的(Sohn et al, 2010; L’Heureux et al, 2013; Sandeep et al, 2014)。观测间的矛盾可能是由于观测得到的结论大都是基于重构的SLP数据(Vecchi et al, 2006; Power et al, 2007; Dinezio et al, 2013), 但由于船舶资料在1950年前的稀少, 使得SLP的趋势存在偏差(Dinezio et al, 2013; L’Heureux et al, 2013)。同时观测系统在1979年后的改变可能会影响基于再分析数据得到的结果(Tokinaga et al, 2012b; De Boisséson et al, 2014; Schwendike et al, 2014)。
虽然基于不同观测资料得到的整个20世纪与20世纪后半叶的PWC趋势存在矛盾, 但是对于1970年后的变化较为一致。从1970年开始, 沃克环流随着全球平均温度的升高同步地加强(L’Heureux et al, 2013), 许多研究通过分析观测与再分析资料以及AGCM的一系列数值实验, 均得出PWC在近30年显著增强, 并且归因于太平洋SST趋势呈类La Niña型(Meng et al, 2012; Luo et al, 2012; L’Heureux et al, 2013; McGregor et al, 2014; Bayr et al, 2014; England et al, 2014; Ma et al, 2016; 孙稚权 等, 2016; Zhang et al, 2017a; Kim et al, 2018)。Ma等(2016)通过7个再分析资料之间的比较, 更加有力地证实了上述结论。模式结果需同观测进行比较, 才能使我们能够对其模拟能力有更好的评估。有研究认为气候模式难以对近30年热带太平洋地区的气候变化做出合理的模拟, 对于近30年PWC趋势的模拟存在缺陷(England et al, 2014; McGregor et al, 2014)。Sohn等(2013)认为CMIP3耦合模式不能够模拟出近30年PWC的加强是由于无法正确模拟出东部型与中部型El Niño (Ashok et al, 2009)。马双梅等(2014)评估了中科院大气物理研究所发展的耦合气候系统模式FGOALS的两个版本(FGOALS-g2和FGOALS-s2)对于PWC变化的模拟能力, 发现模式模拟1982—2004年的趋势与观测结果之间的偏差源自模式内部变率与观测不对应。同时Kociuba等(2015)分析了35个CMIP5耦合模式, 以太平洋纬向SLP梯度作为PWC的强度指标, 发现耦合模式不能一致模拟出近30年观测中PWC的加强, 认为由于模式对于PWC强度的年代际和年际变化模拟相较于观测偏小, 使得对PWC趋势的模拟存在欠缺, 但模式与观测之间以及各模式之间存在差异的原因仍不清楚。然而Ma等(2016)分析了26个CMIP5模式中的大气环流模式比较计划(AMIP)试验, 发现AMIP试验对于观测的类La Niña型SST的响应, 均能模拟出PWC在近30年的加强。Sandeep等(2014)发现美国国家海洋和大气管理局的20世纪再分析资料(20CR)与CMIP5模式得到的PWC对整个20世纪的趋势相反, 认为是模式中模拟的太平洋SST梯度趋势与观测结果相反导致的。那么耦合模式对于近30年PWC的趋势模拟如何, 假如与观测存在差异, 是否是由于耦合模式模拟的SST趋势分布与观测存在偏差导致的?下文将针对这两个科学问题进行讨论。

1 资料和研究方法

1.1 观测与模式资料

本文使用6套再分析资料, 包括美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration, NOAA)下属环境合作研究所(Cooperative Institute for Research in Environmental Sciences, CIRES)的20CR (Compo et al, 2011); 欧洲中期天气预报中心(European Centre for Medium- Range Weather Forecasts, ECMWF)的欧洲中心再分析资料(ERA-Interim) (Dee et al, 2011); 日本气象厅的55年再分析计划(JRA-55) (Ebita et al, 2011); 美国国家航空航天局(NASA)的现代时期的研究与应用回顾性分析(Modern-Era Retrospective Analysis for Research and Applications, MERRA)再分析资料(Rienecker et al, 2011); 美国国家环境预测中心(National Centers for Environmental Prediction, NCEP)与美国大气研究中心(National Center for Atmospheric Research, NCAR)的NCEP/NCAR (NCEP-1; Kalnay et al, 1996)和美国能源部的NCEP/DOE (NCEP-2; Kanamitsu et al, 2002)再分析资料。表1给出了各资料的同化方法, 空间分辨率和时间跨度。再分析资料是研究全球范围内气候变化特征最常使用的资料, 但是作为一种利用资料同化技术把数值预报产品和观测资料融合的“产物”, 必然包含由数值模式、同化方案以及系统变更等产生的误差(Reichler et al, 2008)。因此使用多种再分析资料探究气候变化特征显得尤为重要(Thorne et al, 2010)。本文中6个再分析资料的集合平均(Ensemble Mean, ENS)是将各再分析资料通过二维线性插值到统一的2.5º×2.5º的水平分辨率得到的。为方便起见, 后文将再分析资料也称为观测资料。
表1 本文所使用的再分析资料及其详细信息

Table 1 Reanalysis datasets used in this study and their detailed information

数据 来源 同化方法 参考文献 时间跨度 空间分辨率
水平 垂直
20CR NOAA-CIRES 3D-Var Compo等(2011) 1871—现在 2°×2° 24层
ERA-Interim ECMWF 4D-Var Dee等(2011) 1979—现在 1.5°×1.5° 37层
JRA-55 JMA 4D-Var Ebita等(2011) 1958—现在 1.25°×1.25° 37层
MERRA NASA 3D-Var Rienecker等(2011) 1979—现在 2/3°×1/2° 42层
NCEP-1 NCEP-NCAR 3D-Var Kalnay等(1996) 1948—现在 2.5°×2.5° 17层
NCEP-2 NCEP-DOE 3D-Var Kanamitsu等(2002) 1979—现在 2.5°×2.5° 17层
为了理解SLP、降水、SST与PWC近30年变化的关系, 本文使用了全球降水气候计划(Global Precipitation Climatology Project, GPCP)的月降水数据, 空间分辨率为2.5º×2.5º, 时间跨度为1979年1月至今(Adler et al, 2003)。哈德莱中心的SLP月平均数据(HadSLP2), 空间分辨率为5º×5º, 时间跨度为1850年1月至今(Allan et al, 2006)。本文使用了2套SST资料, 包括NOAA的扩展重建海表温度数据(ERSST.v4b), 空间分辨率为2º×2º, 时间跨度为1854年1月至今(Huang et al, 2015); 英国气象局哈德莱中心海面温度数据集(HadISST), 空间分辨率为0.5º×0.5º, 时间跨度为1870年1月至今(Rayner et al, 2003)。下文将HadISST与ERSST资料也统称为SST观测资料。
本文所用的CMIP5耦合模式数据是选取1979—2005年的CMIP5模式历史模拟试验(historical simulation)资料, 历史模拟试验是根据国际耦合模式比较计划提供的历史大气辐射强迫场(例如: 温室气体与火山气溶胶等)驱动海气耦合模式, 绝大部分模式的历史模拟试验数据可取范围为1850—2005年。为了探究CMIP5耦合模式对近30年PWC变化模拟偏差的成因, 本文同时分析了相应模式的AMIP试验。AMIP试验是将观测的逐月历史SST数据作为CMIP5耦合模式中的大气环流模式的外强迫, AMIP试验中的大气成分变化与历史试验一致, 因此历史试验与AMIP试验结果之间的差异可以归结为SST的变化。因为AMIP试验数据的时长为1979—2008年, 为便于比较, 我们用代表性浓度路径(RCP4.5)情景下的预估资料将历史试验数据延长至2008年12月。因为RCP4.5情景预估的温室气体浓度在2006—2008年与观测十分接近(Fyfe et al, 2013), 因而本文采用RCP4.5试验的数据将历史试验数据延长。需要指出的是, 我们也计算了不延长数据(即1979—2005年)的结果, 发现并不会对本文的结论有大的影响。现今参与CMIP5比较计划的模式达40余个, 本文挑选的18个模式, 是因为这些模式同时具有历史试验、RCP4.5和AMIP试验数据, 模式数据的具体信息见表2。为方便起见, 下文中将CMIP5耦合模式历史试验的结果也称为CMIP5耦合模式结果。本文只考虑每个模式第一个集合成员的模拟结果, 即r1i1p1。CMIP5模式需要设置一系列数值模拟试验, 每个模式模拟的试验成员用r<N>i<M>p<L>标识, 其中r表示“realization”, 用以区分成员间的不同, i表示“initialization method”, 表示模式的初始化方案, 而p表示“physics version”, 表示物理方案。本文通过二维线性插值将数据统一插值为2.5º×2.5º的空间分辨率。更多关于模式细节的描述, 可以在CMIP5下载网站(http://cmip-pcmdi.llnl.gov/cmip5/)找到。
表2 本文中所使用的18个CMIP5耦合模式(水平分辨率用纬度×经度格点的数目表示)

Tab. 2 Details of 18 CMIP5 models used in this study (Resolutions are given in terms of latitude×longitude grid points)

序号 模式 分辨率/(纬度×经度) 所属机构
1 ACCESS1.0 144×192 联邦科学与工业研究组织——气象局(澳大利亚)
2 ACCESS1.3 144×192 联邦科学与工业研究组织——气象局(澳大利亚)
3 BCC-CSM1.1 64×128 北京气候中心——中国气象局(中国)
4 BCC-CSM1.1(m) 160×320 北京气候中心——中国气象局(中国)
5 CCSM4 192×288 美国国家大气研究中心(美国)
6 CMCC-CM 240×480 意大利欧洲-梅迪特拉内奥气候研究中心(意大利)
7 CNRM-CM5 128×156 法国气象局气候变化研究中心(法国)
8 CSIRO Mk3.6.0 96×192 澳大利亚联邦科学和工业研究, 昆士兰气候变化卓越中心(澳大利亚)
9 GFDL CM3 90×144 美国国家海洋和大气管理局地球流体实验室(美国)
10 INM-CM4.0 120×180 俄罗斯数值数学研究所(俄罗斯)
11 IPSL-CM5A-LR 96×96 皮埃尔-西蒙-拉普拉斯研究所(法国)
12 IPSL-CM5A-MR 143×144 皮埃尔-西蒙-拉普拉斯研究所(法国)
13 IPSL-CM5B-LR 96×96 皮埃尔-西蒙-拉普拉斯研究所(法国)
14 MIROC5 128×256 日本气候系统研究中心, 国家环境研究所和前沿气候变化研究中心(日本)
15 MPI-ESM-LR 96×192 马克斯普朗克气象研究所(德国)
16 MPI-ESM-MR 96×192 马克斯普朗克气象研究所(德国)
17 MRI-CGCM3 160×320 日本气象研究所(日本)
18 NorESM1-M 96×144 挪威气候中心(挪威)

1.2 方法

哈德莱环流的结构可以通过纬向平均的经向风从特定的等压面积分至大气层顶(0hpa)得到的经向质量流函数来刻画(Oort et al, 1996)。同样, PWC可以通过纬向质量流函数ψ来刻画(Yu et al, 2010, 2012)。如下公式所示:
$\psi \text{=}\frac{a\Delta \varphi }{g}\int_{0}^{p}{{{u}_{\text{D}}}\text{d}p}$
式中: ψ代表纬向质量流函数; a是地球半径(单位: m); $\Delta \varphi $是5ºN—5ºS赤道带宽度(单位: 弧度); uD是辐散风的纬向分量(单位: m·s-1), 辐散风通过求解散度的泊松方程得到; g为重力加速度, 取9.8m·s-2; P为大气压强(单位: Pa)。参照Ma等(2016)中的定义, 将(150ºE—150ºW, 5ºS—5ºN)区域所有等压面平均的ψ作为PWC的强度指数, 即PWCI (PWC Intensity)。本文通过PWCI计算CMIP5耦合模式模拟的PWC在1979—2008年的强度趋势, 结果如图1b所示。有4个模式模拟出PWC显著加强, 而有2个模式模拟出PWC的显著减弱。将4个模拟PWC显著加强的模式称为CMIP5 (+PWCI)模式, 2个模拟显著减弱的模式称为CMIP5 (-PWCI)模式。同时, 将CMIP5 (+PWCI) 模式与CMIP5 (-PWCI)模式对应的AMIP试验结果挑选出来, 下文称为AMIP (+CMIP5)及AMIP (-CMIP5), 即模拟出PWC显著加强(减弱)的耦合模式所对应的AMIP试验。同时, 参照前人研究(Bayr et al, 2014), 热带太平洋SST梯度用以下公式表示:
$\Delta \text{SST=}$SST (160º—80ºW, 5ºS—5ºN) - SST (80º— 160ºE, 5ºS—5ºN)
本文中所有的趋势是根据线性回归的最小二乘法得到的, 同时趋势的置信检验是通过双尾T-检验来估计。
图1 PWC强度在1979—2008年的线性趋势

a. AMIP试验与再分析资料; b. CMIP5耦合模式与再分析资料。横坐标为各再分析资料(对应表1)与CMIP5模式(对应表2)的名称。误差棒表示线性趋势的标准偏差, 通过90%置信区间的正(负)趋势用红(蓝)色填充表示。再分析集合平均与模式集合平均的趋势大小分别用红色三角形与蓝色圆点实心标出

Fig. 1 Linear trends of PWC intensity over the period from 1979 to 2008.

(a) AMIP stimulations and six reanalysis datasets; (b) CMIP5 and six reanalysis datasets. Error bars denote standard errors of linear trends. The labels of x-axis are the names of reanalysis data (corresponding to Tab. 1) and CMIP5 models (corresponding to Tab. 2). Positive linear trends of CMIP5 and AMIP simulations satisfying 90% confidence level are highlighted in red and blue, respectively. Linear trends of ensemble mean of reanalysis and models are marked by red triangle and blue dot, respectively

2 CMIP5模拟的沃克环流的气候态分布

在分析CMIP5耦合模式对于近30年环流变化的模拟能力前, 我们先对其就近30年PWC以及SST的气候态模拟能力进行评估。图2c和2b分别给出了CMIP5耦合模式及相应的AMIP试验得到PWC的气候态分布。纬向质量流函数ψ为正(负)值的区域, 表示顺时针(逆时针)环流, 其中位于热带太平洋上空, ψ为正值的红色区域即为太平洋沃克环流。通过与6个再分析资料的集合平均结果比较, 可以看出CMIP5耦合模式及其AMIP试验均能较好地刻画出PWC的空间结构, 表现为在西太平洋暖池区上升而在东太平洋冷水区下沉的顺时针环流。
图2 赤道太平洋区域(5ºS—5ºN)平均的纬向质量流函数的气候态(1979—2008年) (a~c, 等值线和填色, 单位: ×109kg·s-1)和热带太平洋海表面温度的气候态(1979—2008年) (d~f, 等值线及填色, 单位: ℃)

a. 6个再分析集合平均; b. AMIP试验集合平均; c. CMIP5耦合模式集合平均; d. ERSST; e. HadISST; f. CMIP5耦合模式集合平均

Fig. 2 Long-term mean (1979-2008) of zonal mass stream function ψ along the equatorial Pacific (5ºS—5ºN) (a~c, shading and contour; units: ×109 kg·s-1) and long-term mean (1979-2008) of SST in the tropical Pacific Ocean (d~f, shading and contour; units: ºC).

(a) Ensemble mean of six reanalysis datasets; (b) ensemble mean of AMIP simulations; (c) ensemble mean of CMIP5 simulations; (d) ERSST; (e) HadISST; (f) ensemble mean CMIP5 simulations

同时ψ在对流层中层500hPa附近达到最大, 表明PWC在对流层中层具有最大的强度。图2a、2b和2c中加粗的等值线表示ψ=0, 为PWC的边界, 其中位于西太平洋上的边界(称为西边界)与垂直上升速度最强的位置一致(Bayr et al, 2014; Ma et al, 2016)。观测得到的PWC西边界位于150ºE, 而耦合模式的西边界较观测偏西, 位于140ºE, 同时耦合模式模拟的PWC强度相较于观测偏小10.9%。虽然CMIP5耦合模式模拟的PWC强度以及西边界位置与观测存在一定差异, 但是其模拟的PWC气候态分布相对观测的泰勒图可以看出(图3a), 大部分模式得到的PWC与观测之间的相关系数超过0.85, 相对标准差介于0.75~1, 说明大部分模式能够对PWC的气候态强度与空间结构有较合理的模拟, 同时模式多集合平均的结果相较于单个模式, 更接近观测, 说明使用多模式的集合平均结果研究PWC的气候态分布更为合理。AMIP试验得到的PWC西边界与观测的结果较为接近(图2b), Ma等(2016)的结果表明大部分AMIP试验得到的PWC气候态与观测的相关系数超过0.9。因而, AMIP试验对于PWC近30年气候态的模拟效果好于CMIP5的海气耦合模式。
图3 18个CMIP5耦合模式模拟的热带太平洋沃克环流(a)和海表面温度(b)的气候态相对于观测的泰勒诊断图

a中参考点REF为6个再分析资料的集合平均; b中为NOAA的扩展重建海表温度数据(ERSST.v4b)与英国气象局哈德莱中心海面温度数据集(HadISST)的平均。极坐标表示模拟场到原点的距离, 代表模拟场相对于参考点的标准差; 角坐标表示模拟场的方位角的余弦, 代表模拟场与观测场的相关系数。角坐标和极坐标值越接近于1 (即点REF), 表示模拟场的空间分布越接近于观测

Fig. 3 Taylor diagrams of the climatology of tropical Pacific Walker circulation and SST in 18 CMIP5 models.

(a) Tropical Pacific Walker circulation; (b) SST. The REF in (a) is ensemble mean of the six reanalysis datasets and that in (b) is mean of ERSST and HadISST datasets. The radial coordinate is the standard deviation of model results divided by standard deviation of the observations. The angular coordinate is weighted pattern correlation coefficient between model results and observations. The closer the angular and polar values are to 1 (i.e., REF), the closer the spatial distribution of the simulated field is to the observation

根据Bjerknes正反馈机制, 热带太平洋SST的变化与PWC的变化具有紧密联系(Bjerknes, 1969), 因而检验耦合模式对于热带太平洋SST气候态的模拟能力也尤为重要。图2d、2e和2f分别给出了ERSST.v4b、HadISST及CMIP5耦合模式集合平均的SST在1979—2008年的气候态的空间分布。与观测的海温相比, 耦合模式能够较好地模拟出SST的基本空间分布, 表现为较强的纬向不对称性, 即西太平洋和印度尼西亚海区为海水的暖中心, 而与之形成鲜明对比的是从秘鲁沿岸向赤道延伸的冷舌区。图3b给出了各模式的SST相对于观测的泰勒图。可以看出, 大部分CMIP5耦合模式与观测的相关系数超过0.9, 同时, 大多数模式的空间标准差与观测的标准差之比在0.75~1.25, 说明无论空间结构还是大小, 模式对SST气候态的模拟都较好。模式虽然能较好地模拟出SST气候态的空间分布, 但仍存在一定的偏差, 主要体现在: 以28℃等温线表征暖池的范围, 模式模拟的暖池范围相较于观测偏小, 并且暖池内的海温也偏低(图2f), 这可能使得模拟的PWC强度相较于观测偏弱; 秘鲁沿岸冷舌相较于观测过于西伸, 可能导致东太平洋下沉运动区域的过多西伸。综上所述, 尽管存在一些差异, CMIP5耦合模式还是能较好地模拟出近30年PWC与SST的气候态分布。

3 CMIP5耦合模式模拟的近30年PWC的变化

图1给出基于观测、CMIP5耦合模式和相应模式的AMIP试验得到的沃克环流强度的线性趋势。除NCEP-2外, 其他再分析资料均表明PWC在近30年显著加强, 集合平均结果为0.31×109kg·s-1·decade-1。耦合模式间对于近30年PWC强度趋势的模拟不一致, 其中GFDL-CM3、IPSL-CM5A-MR, INMCM4及CSIRO- Mk3-6-0 [CMIP5 (+PWCI)模式]模拟出显著的加强趋势而MPI-ESM-MR与MIROC5 [CMIP5 (-PWCI)模式]为显著减弱趋势, 并且集合平均接近为0 (图1b), 说明模式中的外强迫对于近30年PWC变化的作用很小, 自然内部变率可能起主导作用。虽然18个耦合模式对于PWC的气候态模拟较好, 但是对于近30年PWC趋势的模拟, 结果与观测偏离较大。CMIP5耦合模式模拟的最大加强趋势: 0.18×109kg·s-1·decade-1也只有观测的58%。然而由观测的SST作为外强迫驱动相应耦合模式中的大气环流模式(AMIP试验), 均模拟出近30年PWC的加强, 其中有8个模式的AMIP试验通过90%的置信检验(图1a)。所有AMIP试验的集合平均结果为0.23kg·s-1·decade-1, 8个显著加强趋势的模式集合平均结果为0.27kg·s-1·decade-1, 与观测较为接近, 是观测的87%。进一步比较AMIP试验结果与耦合模式得到的结果, 各模式AMIP试验的结果均大于耦合模式结果, 同时18个CMIP5耦合模式中有7个模式的AMIP结果与耦合模式趋势相反, 虽然MPI-ESM-MR与MIROC5耦合模式模拟出近30年PWC是显著减弱的, 但是在AMIP试验中却模拟与观测接近的PWC加强趋势(图1a)。AMIP试验与CMIP5耦合模式得到不同的结果, 说明SST的变化可能对近30年PWC的变化起到至关重要的作用。
图4分别给出了基于观测、AMIP试验集合平均、模拟PWC加强的CMIP5耦合模式[CMIP5 (+PWCI)模式]、模拟PWC减弱的CMIP5耦合模式[CMIP5 (-PWCI)模式]及相应模式的AMIP试验得到的纬向质量流函数线性趋势的空间分布。观测(图4a)与AMIP试验集合平均(图4b)的ψ趋势的空间分布十分相似, 均表现为在150oE—150oW, 从对流层低层到上层ψ的显著增强, 表明PWC加强, 且PWC的空间结构变化表现为西移。虽然CMIP5 (+PWCI) 模式的趋势显著小于观测, 但同样表现为在中、西太平洋上空纬向质量流函数的加强, 同时PWC相对于气候态西移(图4c), 而CMIP5 (-PWCI)模式的线性趋势的空间分布则相反, PWC在西、中太平洋上空显著减弱, 同时在150oE附近减弱最显著, 模拟结果为近30年PWC的持续减弱与东移(图4d)。但CMIP5 (-PWCI)模式对应的AMIP试验(图4f)结果与AMIP集合平均的结果更为接近, 虽然CMIP5 (-PWCI)模式模拟出与观测截然相反的趋势, 但是其大气环流模式能够模拟出近30年PWC的加强。
图4 1979—2008年纬向质量流函数的气候态(等值线, 单位: ×109kg·s-1)和该时段的线性趋势(填色, 单位: ×109kg·s-1·decade-1)

a. 6个再分析资料集合平均(ENS); b. 18个AMIP试验集合平均; c. CMIP5 (+PWCI)模式; d. CMIP5 (-PWCI)模式; e. AMIP (+CMIP5)试验; f. AMIP (-CMIP5)试验。黑色打点表示趋势通过95%的置信检验。位于坐标底下的黑色加粗线段分别表示海洋性大陆以及南美洲大陆的地形范围

Fig. 4 Climatology (contour, units: ×109 kg·s-1) and linear trend (shading, units: ×109 kg·s-1·decade-1) of zonal mass stream function ψ over 1979-2008. (a) Ensemble mean of six reanalysis datasets (ENS); (b) ensemble mean of 18 AMIP stimulations; (c) CMIP5 (+PWCI) models; (d) CMIP5 (-PWCI) models; (e) AMIP (+CMIP5) stimulations; (f) AMIP (-CMIP5) stimulations.

Stippling indicates the trend is statistically significant at the level 95%. Black thick lines at the bottom indicate the Maritime and South American Continent

赤道太平洋东—西海表气压梯度$\Delta \text{SLP}$[塔希提地区(5ºS—5ºN, 160º—80ºW)与达尔文地区(5ºS— 5ºN, 80º—160ºE)之差]以及纬向风Us (5ºS—5ºN, 150ºE—150ºW 平均)能够表征PWC在近地面的强度, $\Delta \text{SLP}$与-Us越大, 则PWC越强, 许多研究将$\Delta \text{SLP}$与Us作为PWC的强度指标(Vecchi et al, 2006, 2007; Luo et al, 2012; McGregor et al, 2014; Ma et al, 2016)。那么耦合模式及相应的AMIP试验模拟的SLP与纬向风与观测相比是如何的呢?图5给出了观测、AMIP集合平均、CMIP5 (+PWCI)模式与CMIP5 (-PWCI)模式及相应的AMIP试验的SLP、1000hPa风及降水的线性趋势的空间分布。近30年观测的SLP变化表现为在中、东太平洋的显著增加, 而在印—太暖池与印度洋显著降低, $\Delta \text{SLP}$增大。同时纬向东风在赤道太平洋显著加强, 表明PWC的加强(图5a)。热带地区的纬向环流本质上是由热力直接驱动的, 在环流上升区域, 主要由上升的绝热冷却与降水释放的非绝热加热相平衡(Yu et al, 2010, 2012 )。近30年观测的降水在中印度洋与西太平洋显著增多而在中、东太平洋显著减少, 支持了PWC的加强与西移。对于近30年观测的类La Niña型的SST变化分布的响应, AMIP试验的集合平均结果与观测较为接近。CMIP5 (+PWCI)模式的SLP与风场变化也表明PWC的加强与西移, 但是其趋势较观测偏小(图5c), 相同模式的AMIP试验得出与观测更为接近的结果(图5e)。而CMIP5 (-PWCI)模式模拟的SLP、风及降水的趋势分布则与观测存在显著差异, 具体来说, SLP在印度洋和西太平洋显著增强, 在东太平洋下降, $\Delta \text{SLP}$减小; 热带太平洋纬向西风在中、西太平洋显著加强; 降水表现为在暖池及西太平洋区域减少, 在中太平洋增加, 模拟的是PWC的减弱与东移(图5d)。风、降水及SLP的变化在CMIP5 (-PWCI)模式中均表现出类似El Niño事件的空间分布。然而, CMIP5 (-PWCI)模式的AMIP试验, 其对观测的SST 响应的结果与观测接近, 能够模拟出近30年$\Delta \text{SLP}$的增加、赤道纬向东风的加强、印度洋和西太平洋降水的增多, PWC加强且西移。AMIP试验的结果与耦合模式的结果对比, 可以得出有可能由于耦合模式自身模拟的SST变化与观测不同, 导致模拟的PWC变化与观测存在差异。
图5 海表面气压(填色, 单位: hPa·decade-1)、1000hPa等压面上的风(箭头, 单位m·s-1·decade-1)和降水速率(等值线, 单位: mm·d-1·decade-1)在1979—2008年的线性趋势

a. 观测; b. 18个AMIP试验集合平均; c. CMIP5 (+PWCI)模式; d. CMIP5 (-PWCI)模式; e. AMIP (+CMIP5)试验; f. AMIP (-CMIP5)试验。a中观测的风来自6个再分析资料的集合平均, SLP为HadSLP2数据, 降水资料来自GPCP数据。图中绿色实线表示降水速率的趋势为正值, 紫色虚线表示降水速率的趋势为负值, 黑色打点表示SLP趋势通过95%的置信检验。图中只给出纬向风趋势通过95%置信检验的风场

Fig. 5 Linear trends of SLP (shading, units: hPa·decade-1), wind at 1000 hPa (vector, units: m·s-1·decade-1) and precipitation (contour, units: mm·d-1·decade-1) during 1979-2008. (a) observation; (b) ensemble mean of 18 AMIP stimulations; (c) CMIP5 (+PWCI) models; (d) CMIP5 (-PWCI) models; (e) AMIP (+CMIP5) stimulations; (f) AMIP (-CMIP5) stimulations.

Wind and SLP data are from the ENS and precipitation is from the GPCP in (a). Green solid contour denotes the trend of precipitation is positive, and purple denotes the negative trend. Vectors are plotted only for regions with surface zonal wind trends that are statistically significant at the 95% level. Stippling indicates the trend of SLP is statistically significant at the 95% level

4 海表面温度对沃克环流变化的主导作用

近30年热带太平洋SST趋势呈类La Niña型分布, 即中、东太平洋显著降温而西太平洋显著升温。20世纪90年代中期开始, 热带太平洋的信风由于太平洋多年代际振荡(Interdecadal Pacific Oscillation, IPO)相位的转变而显著加强(Merrifield, 2011; England et al, 2014)。同时, 类La Niña型SST变化使得PWC西移, 降水正异常中心移至海洋性大陆区域(Ma et al, 2016; Zhang et al, 2017a; Kim et al, 2018), SST的变化能够影响纬向环流的空间结构与强度变化。根据前文的分析, 近30年SST变化可能对PWC变化起主导作用, 结合前人研究, 进一步探究耦合模式模拟的SST, 特别是热带太平洋SST变化与PWC变化的关系。
图6给出了模式间模拟的$\Delta \text{SST}$趋势与PWC强度趋势的散点图。模式间模拟的$\Delta \text{SST}$趋势与强度趋势呈显著的正相关关系, 相关系数达0.87。模拟出PWC加强(减弱)的模式, 模拟的热带太平洋纬向SST梯度为正(负)趋势, 说明西太平洋相较于东太平洋有更多的升温(降温)与PWC的加强(减弱)有紧密的联系, 耦合模式之间模拟PWC趋势的不一致是由于各模式间自身模拟的SST存在差异。模式集合平均的$\Delta \text{SST}$趋势与PWCI趋势接近为0, 观测中的$\Delta \text{SST}$与PWCI趋势明显大于所有的耦合模式, 耦合模式无法模拟出观测的SST变化, 使得对PWC趋势无法做出合理模拟。AMIP试验用观测的SST作为大气模式的外强迫, 且大气成分的变化与耦合模式是一样的, 却能够一致模拟出PWC的加强, 说明由于耦合模式无法正确模拟出观测的$\Delta \text{SST}$趋势, 进而使得模拟的PWC趋势与观测相差甚远。
图6 CMIP5耦合模式模拟的赤道太平洋纬向SST梯度[$\Delta \text{SST}$, (80º—160ºW, 5ºS—5ºN)平均SST减去(80º—160ºE, 5ºS—5ºN)平均SST]与PWC的强度在1979—2008年的线性趋势的散点图

黑色直线表示18个模式之间的最小二乘的拟合直线, 黑点表示CMIP5耦合模式的集合平均结果, 红点表示再分析资料得到的PWCI的趋势与观测得到的SST趋势

Fig. 6 Scatterplot of linear trends of SST gradient [$\Delta \text{SST}$, regional mean over (80º—160ºW, 5ºS—5ºN) minus that over (80º—160ºE, 5ºS—5ºN)] and PWC intensity during 1979-2008.

The black line denotes the least-squares linear fit of the trend based on 18 CMIP5 models. Black dot denotes the trend of PWC intensity and $\Delta \text{SST}$ in ensemble mean of CMIP5 models, and red dot denotes the trend in the observations

进一步比较观测CMIP5 (+PWCI)模式和 CMIP5 (-PWCI)模式模拟的1979—2008年间SST趋势的空间分布(图7), 可以看出, ERSST与HadISST资料得到的SST趋势分布接近, 空间相关系数达0.95, 表现为在热带中、东太平洋显著降温而西太平洋显著升温, $\Delta \text{SST}$增大, 呈现类La Niña型分布。从整个太平洋海盆来看, SST趋势则表现为IPO负相位时SST的异常分布, 同时印度洋与大西洋有明显增温, 与前人研究得到的结果一致(McGregor et al, 2014; England et al, 2014; Zhang, 2016)。印度洋与大西洋的SST在近几十年的增温有利于太平洋类La Niña型的SST趋势分布的形成, 进而使得太平洋赤道东风加强, PWC增强(Luo et al, 2012; McGregor et al, 2014)。CMIP5 (+PWCI) 模式模拟的SST趋势在大西洋和印度洋区域与观测较为接近, 大西洋和印度洋增温趋势较太平洋明显偏强, 同时在太平洋上, 西太平洋的增温明显大于中、东太平洋, 使得$\Delta \text{SST}$增大, 因此CMIP5 (+PWCI)模式能够模拟出PWC的加强, 但因为西太平洋的增温及东太平洋的降温趋势小于观测, 使得模拟的PWC趋势明显小于观测。CMIP5 (-PWCI)同样模拟出印度洋与大西洋的增暖, 但在热带太平洋则与观测相差很大, 赤道中、东太平洋的增温明显大于西太平洋, 空间分布呈类El Niño型。总的来说, CMIP5耦合模式对于大西洋与印度洋的SST趋势模拟与观测差异不大, 而在热带太平洋具有显著差异, 结合前文与AMIP试验对比的一系列结果, 说明CMIP5耦合模式无法合理模拟出观测中的近30年PWC的显著加强趋势, 并且模式之间也不一致, 是与模拟的热带太平洋SST趋势分布型有关(图7)。
图7 海表面温度在1979—2008年的线性趋势

a. ERSST; b. HadISST; c. CMIP5 (+PWCI)模式; d. CMIP5 (-PWCI)模式。黑色打点表示趋势通过95%的置信检验

Fig. 7 Linear trend of annual-mean SST (shading, units: K·decade-1) during 1979-2008.

(a) ERSST; (b) HadISST; (c) CMIP5 (+PWCI) models; (d) CMIP5 (-PWCI) models. Stippling indicates the trend is statistically significant at the 95% level

CMIP5耦合模式对近30年SST和PWC的气候态有合理的模拟, 却对其趋势模拟较差, 因此我们进一步分析模式得到的$\Delta \text{SST}$与PWCI的年际与年代际变化(图8图9), 我们发现虽然CMIP5 (+PWCI)模式能够模拟出$\Delta \text{SST}$在近30年的增强, 但相较观测有较小的年际变率, 同时模拟的年际振荡强于观测(图8a), 而过小的年际变率及过强的年际振荡会使得长期趋势模拟偏弱(Kociuba et al, 2015)。CMIP5 (-PWCI)模式则模拟出$\Delta \text{SST}$在20世纪90年代后的减弱(图8b)。观测的$\Delta \text{SST}$与Niño3.4指数的时间序列相关性较好, 相关系数为-0.93, $\Delta \text{SST}$可以反映观测中两次强厄尔尼诺事件(1982/1983与1986/1987)。PWC近30年的趋势对ENSO事件十分敏感(Kociuba et al, 2015), 但是模式模拟的$\Delta \text{SST}$与Niño3.4指数无明显关系, 无法模拟出对应的ENSO事件。因此, CMIP5 (+PWCI)模式虽然能够模拟出PWC的增强, 但是模拟的PWCI年际变化同样与观测相差甚远, 而对应的AMIP试验却与观测结果接近(图8c), 相关系数达0.97。对于CMIP5 (-PWCI)模式则模拟出与观测相反的趋势, 但其对应的AMIP试验的年际变化则与观测有很好的匹配, 相关系数达0.95 (图8d), 这是因为AMIP是用观测的海温驱动的。
图8 {Invalid MML}海表温度梯度(a、b)和沃克环流强度(c、d)的异常值年变化的时间序列

a. CMIP5 (+PWCI)模式与观测; b. CMIP5 (-PWCI)模式与观测; c. CMIP5 (+PWCI)模式、AMIP (+CMIP5)与观测; d. CMIP5 (-PWCI)模式、AMIP (-CMIP5)与观测。CMIP5 (+PWCI)模式包括GFDL-CM3、IPSL-CM5A-MR、INMCM4、CSIRO-Mk3-6-0模式, CMIP5 (-PWCI)模式包括MPI-ESM-MR和MIROC5。模式具体细节见表2。图a中红色实线表示Niño3.4指数的相反号的时间序列, 用-1×Niño3.4表示, 由HadISST数据计算得到。图中ENS表示6个再分析的集合平均, observation表示ERSST.v4b与HadISST的平均

Fig. 8 Time series of the annual anomalies of SST gradient and PWCI.

(a) CMIP5 (+PWCI) models and observation; (b) CMIP5 (-PWCI) models and observation; (c) CMIP5 (+PWCI) models, AMIP (+CMIP5) stimulations and observations; (d) CMIP5 (-PWCI) models, AMIP (-CMIP5) stimulations and observation. The CMIP5 (+PWCI) models include GFDL-CM3, IPSL-CM5A-MR, INMCM4, CSIRO-Mk3-6-0 mode, and CMIP5 (-PWCI) model include MPI-ESM-MR and MIROC5. See Tab. 2 for more details. Red line denotes reversed Niño3.4 index derived from HadISST dataset. ENS denotes ensemble mean of six reanalysis datasets, and observed SST is derived from the mean of ERSST.V4b and HadISST

在年代际尺度上, 观测的$\Delta \text{SST}$与IPO指数具有很好的相关性, 相关系数达-0.98。近30年IPO从正相位转向负相位, 能够使得热带东太平洋SST显著下降, 西太平洋SST显著升高, 进而PWC加强(England et al, 2014)。然而模式得到的$\Delta \text{SST}$年代际变率显著小于观测(图9a、9b), 同时与IPO指数的变化不一致。对于PWC的强度, 无论是CMIP5 (+PWCI)还是CMIP5 (-PWCI)模式模拟的年代际变率与观测相比同样偏小, 但对于相应模式的AMIP试验, 模拟的PWC年代际变率均与观测较为接近(图9c、9d)。因而模式对于SST年代际变率模拟偏弱同样会使得30年以上的趋势模拟偏弱。
图9 海表温度梯度(a、b)和沃克环流强度(c、d)的异常值9年滑动平均的年变化时间序列

a. CMIP5 (+PWCI)模式与观测; b. CMIP5 (-PWCI)模式与观测; c. CMIP5 (+PWCI)模式、AMIP (+CMIP5)与观测; d. CMIP5 (-PWCI)模式、AMIP(-CMIP5)与观测。CMIP5 (+PWCI)模式包括GFDL-CM3、IPSL-CM5A-MR、INMCM4、CSIRO-Mk3-6-0模式, CMIP5(-PWCI)模式包括MPI-ESM-MR和MIROC5。模式具体细节见表2。图a中红色实线表示IPO指数的相反号的时间序列, 用-1×IPO表示, 由HadISST数据计算得到。图中ENS表示6个再分析的集合平均, observation表示ERSST.v4b与HadISST的平均

Fig. 9 Time series of the nine-year smooth anomalies of SST gradient and PWCI.

(a) CMIP5 (+PWCI) models and observation; (b) CMIP5 (-PWCI) models and observation; (c) CMIP5 (+PWCI) models, AMIP (+CMIP5) stimulations and observations; (d) CMIP5 (-PWCI) models, AMIP (-CMIP5) stimulations and observation. The CMIP5 (+PWCI) models include GFDL-CM3, IPSL-CM5A-MR, INMCM4, CSIRO-Mk3-6-0 mode, and CMIP5 (-PWCI) model include MPI-ESM-MR and MIROC5. See Tab. 2 for more details. Red line denotes reversed IPO index derived from HadISST dataset. ENS denotes ensemble mean of six reanalysis datasets, and observed SST is derived from the mean of ERSST.V4b and HadISST

综上所述, 模式模拟的SST年际与年代际变率与观测相比偏小, 同时年际震荡偏大, 可能使得模拟的PWC趋势偏弱。另一方面, 由于CMIP5耦合模式只能考察其对外强迫的响应, 其外强迫与观测虽然接近, 但是模拟的内部变率(如ENSO与IPO)与观测中的内部变率相位可能无法一致对应。因此也可能是由于模式模拟的SST内部变率与观测不对应, 使得其年际与年代际变化存在偏差, 进而导致SST趋势分布型与观测不同。同时有研究表明近30年观测中PWC的长期趋势主要是由内部变率, 如IPO或者北太平洋年代际震荡(Pacific Decadal Oscillation, PDO)相位变化主导的(England et al, 2014; Bordbar et al, 2017), 模式对于近30年SST内部变率的模拟与观测无法逐年对应, 使其不能够模拟出观测中的PWC趋势。对于观测的SST的响应, AMIP试验却能得到较好的模拟结果, 进一步说明SST的变化主导了PWC的变化, 耦合模式对于PWC年际及年代际变化有成功模拟的前提是对SST变化有成功的模拟。

5 讨论与结论

本文分析了18个CMIP5模式对近30年热带太平洋沃克环流变化的模拟情况, 通过与一系列观测资料和AMIP试验对比, 发现CMIP5耦合模式不能够模拟出近30年观测中PWC显著加强的趋势, 同时模式间也存在差异。本文认为耦合模式对于热带太平洋SST趋势分布型模拟的偏差是导致模拟的PWC趋势与观测不同的主要原因。主要结论如下:
1) 18个CMIP5耦合模式对于PWC以及SST的气候态在空间分布和强度上都具有比较合理的模拟, 同时模式集合平均与各个模式相比更加接近观测, 具有更好的模拟结果。
2) CMIP5耦合模式无法模拟与观测中PWC加强的趋势, 并且模式之间的结果不一致, 虽然GFDL-CM3、IPSL-CM5A-MR、INMCM4及CSIRO- Mk3-6-0 [CMIP5 (+PWCI)模式]模拟出显著的加强趋势, 但趋势均小于观测, 其中最大的趋势只有观测的58%, 而MPI-ESM-MR与MIROC5 [CMIP5 (-PWCI)模式]则模拟出显著减弱趋势。但用观测的类La Niña型SST驱动MPI-ESM-MR与MIROC5的大气环流模式, 即其AMIP试验, 也能够模拟出PWC的加强。CMIP5 (+PWCI) 模式得到的纬向质量流函数ψ、SLP、风和降水趋势的空间分布同样表明PWC的加强与西移, 但趋势相较观测偏小, 而CMIP5 (-PWCI)模式的结果则与观测相反, 模拟出PWC的减弱与东移。而CMIP5 (+PWCI)模式与CMIP5 (-PWCI)模式对应的AMIP试验却一致表现出与观测接近的趋势分布。
3) CMIP5耦合模式模拟的PWC强度趋势与$\Delta \text{SST}$趋势呈显著的正相关关系, 模拟出PWC加强(减弱)的模式, 模拟的热带太平洋SST趋势分布表现为类La Niña (El Niño)型。因为所有模式模拟的$\Delta \text{SST}$趋势均小于观测, 使得模拟的PWC趋势远小于观测结果。同时, 模式间模拟的热带太平洋SST趋势分布的不同, 使得模式之间模拟的PWC趋势存在差异。同时这种SST趋势的差异可能是由各模式模拟的SST年际与年代际变率偏弱或内部变率与观测不对应导致的。
过去的研究认为热带太平洋SST变化分布型对于沃克环流长期变化具有重要作用, 是沃克环流在全球增暖背景下变化的主导因素(Meng et al, 2012; Tokinaga et al, 2012a, b; Sandeep et al, 2014; Ma et al, 2016), 本文的结论进一步支持了这一观点。现今对于PWC在全球变暖下的长期变化有两个理论机制, 均一增温理论强调大气的变化对PWC变化有主导作用, 而非均一增温理论强调热带太平洋SST的变化通过海气相互作用使得PWC发生变化。本文中CMIP5 (-PWCI)模式及相应的AMIP试验有相同的大气成分的变化, 得到的PWC趋势却相反, 说明了SST的变化对于近30年PWC的变化起到更为重要的作用, 能够作为非均一增温理论的一个支持依据。需要指出的是, Sohn等(2016)认为CMIP5 模拟的干静力稳定度的差异也能够导致模式与观测及模式间对于PWC趋势模拟的差异。同时, 模式可能低估了气溶胶辐散强迫、高估了温室气体辐散强迫,使得模拟的PWC减弱。 模式对这些外强迫响应的错误模拟也能够导致对PWC趋势模拟的缺陷, 这些问题需要在将来的工作讨论。但本文的结论对于气候模式以后的改进具有一定指导意义, 气候模式要想提高对沃克环流变化的模拟, 需提高对于热带太平洋SST变化的模拟能力, 特别是对年际以及年代际的内部变率(如ENSO与IPO)的模拟。虽然对于更长时间尺度上PWC的变化, 温室气体增加导致的外强迫与内部变率相比对PWC变化起更大的作用(Vecchi et al, 2006; Power et al, 2011; Yu et al, 2012) , 但在短于100年的时间段内, 由内部变率引起的几十年趋势可能会主导其长期趋势(Vecchi et al, 2006)。如ENSO, 与年际尺度上的PWC的变化紧密相关, 能够解释其在20世纪的大部分变化(Newman et al, 2003; Sandeep et al, 2014; Bayr et al, 2014), 同时在年代际尺度上, 如IPO或PDO同样会对PWC的长期变化产生影响(Meehl et al, 2003; Sandeep et al, 2014; England et al, 2014)。许多研究认为近十几年热带太平洋纬向海表面高度(Sea Surface Height, SSH)及SST梯度加大, 信风显著加强是由IPO的相位发生转变导致的(Merrifield, 2011; Kosaka et al, 2013; England et al, 2014), 因此近30年内部变率对PWC的加强存在很大的影响, 有研究就表明近30年观测中的热带太平洋的PWC趋势, 很可能是由内部变率导致的(Bordbar et al, 2017)。并且, 内部变率也主要是由海温所驱动的, 模式对内部变率的模拟对研究气候问题极为重要(Swanson et al, 2009)。大多数CMIP5模式预测PWC将在全球增暖的21世纪持续减弱, 模式模拟的SST趋势分布为类El Niño型。但模式对于长时间SST趋势变化的模拟是否正确仍有待商榷, 因此模式得出PWC减弱这一结果也要进一步进行讨论。

感谢中国科学院南海海洋研究所曙光高性能计算集群系统的帮助。

[1]
马双梅, 周天军 , 2014. 热带太平洋沃克环流变化的数值模拟[J]. 中国科学: 地球科学, 44(11):2576-2592.

MA SHUANGMEI, ZHOU TIANJUN , 2014. Changes of the tropical Pacific Walker circulation simulated by two versions of FGOALS model[J]. Science China: Earth Sciences, 57(9):2165-2180.

[2]
孙稚权, 项杰, 管玉平 , 2016. 太平洋沃克环流近几十年来的加强[J]. 热带海洋学报, 35(2):19-29.

DOI

SUN ZHIQUAN, XIANG JIE, GUAN YUPING , 2016. Strengthening of the Pacific Walker Circulation in the recent decades[J]. Journal of Tropical Oceanography, 35(2):19-29 (in Chinese with English abstract).

[3]
ADLER R F, HUFFMAN G J, CHANG A , et al, 2003. The Version-2 Global Precipitation Climatology Project (GPCP) monthly precipitation analysis (1979-Present)[J]. Journal of Hydrometeorology, 4(6):1147-1167.

[4]
ALLAN R, ANSELL T , 2006. A new globally complete monthly historical gridded mean sea level pressure dataset (HadSLP2): 1850-2004[J]. Journal of Climate, 19(22):5816-5842.

[5]
ASHOK K, YAMAGATA T , 2009. The El Niño with a difference[J]. Nature, 461(7263):481-484.

[6]
BAYR T, DOMMENGET D, MARTIN T , et al, 2014. The eastward shift of the Walker Circulation in response to global warming and its relationship to ENSO variability[J]. Climate Dynamics, 43(9-10):2747-2763.

[7]
BJERKNES J , 1969. Atmospheric teleconnections from the equatorial pacific[J]. Monthly Weather Review, 97(3):163-172.

[8]
BORDBAR M H, MARTIN T, LATIF M , et al, 2017. Role of internal variability in recent decadal to multidecadal tropical Pacific climate changes[J]. Geophysical Research Letters, 44(9):4246-4255.

[9]
CLEMENT A C, SEAGER R, CANE M A , et al, 1996. An ocean dynamical thermostat[J]. Journal of Climate, 9(9):2190-2196.

[10]
COMPO G P, WHITAKER J S, SARDESHMUKH P D , et al, 2011. The twentieth century reanalysis project[J]. Quarterly Journal of the Royal Meteorological Society, 137(654):1-28.

[11]
DE BOISSÉSON E, BALMASEDA M A, ABDALLA S , et al, 2014. How robust is the recent strengthening of the Tropical Pacific trade winds?[J]. Geophysical Research Letters, 41(12):4398-4405.

[12]
DEE D P, UPPALA S M, SIMMONS A J , et al, 2011. The ERA-Interim reanalysis: configuration and performance of the data assimilation system[J]. Quarterly Journal of the Royal Meteorological Society, 137(656):553-597.

[13]
DINEZIO P N, CLEMENT A C, VECCHI G A , et al, 2009. Climate response of the equatorial pacific to global warming[J]. Journal of Climate, 22(18):4873-4892.

[14]
DINEZIO P N, CLEMENT A C, VECCHI G A , et al, 2010. Reconciling differing views of tropical pacific climate change[J]. Eos Transactions American Geophysical Union, 91(16):141-142.

[15]
DINEZIO P N, VECCHI G A, CLEMENT A C , 2013. Detectability of changes in the walker circulation in response to global warming[J]. Journal of Climate, 26(12):4038-4048.

[16]
EBITA A, KOBAYASHI S Y, OTA Y , et al, 2011. The Japanese 55-year reanalysis “JRA-55”: an interim report[J]. Sola, 7:149-152.

[17]
ENGLAND M H, MCGREGOR S, SPENCE P , et al, 2014. Recent intensification of wind-driven circulation in the Pacific and the ongoing warming hiatus[J]. Nature Climate Change, 4(3):222-227.

[18]
FYFE J C, GILLETT N P, ZWIERS F W , 2013. Overestimated global warming over the past 20 years[J]. Nature Climate Change, 3(9):767-769.

[19]
GASTINEAU G, LI L, LE TREUT H , 2009. The Hadley and Walker circulation changes in global warming conditions described by idealized atmospheric simulations[J]. Journal of Climate, 22(14):3993-4013.

[20]
HELD I M, SODEN B J , 2006. Robust responses of the hydrological cycle to global warming[J]. Journal of Climate, 19(21):5686-5699.

[21]
HUANG BOYIN, BANZON V F, FREEMAN E , et al, 2015. Extended reconstructed sea surface temperature version 4 (ERSST. v4). Part I : upgrades and intercomparisons[J]. Journal of Climate, 28(3):911-930.

[22]
KALNAY E, KANAMITSU M, KISTLER R , et al, 1996. The NCEP/NCAR 40-year reanalysis project[J]. Bulletin of the American Meteorological Society, 77(3):437-472.

[23]
KANAMITSU M, EBISUZAKI W, WOOLLEN J , et al, 2002. NCEP--DOE AMIP-II reanalysis (R-2)[J]. Bulletin of the American Meteorological Society, 83(11):1631-1643.

[24]
KIM B H, HA K J , 2018. Changes in equatorial zonal circulations and precipitation in the context of the global warming and natural modes[J]. Climate Dynamics, 51(11-12):3999-4013.

[25]
KNUTSON T R, MANABE S , 1995. Time-mean response over the tropical Pacific to increased CO2 in a coupled ocean- atmosphere model[J]. Journal of Climate, 8(9):2181-2199.

[26]
KOCIUBA G, POWER S B , 2015. Inability of CMIP5 models to simulate recent strengthening of the walker circulation: implications for projections[J]. Journal of Climate, 28(1):20-35.

[27]
KOSAKA Y, XIE SHANGPING , 2013. Recent global-warming hiatus tied to equatorial Pacific surface cooling[J]. Nature, 501(7467):403-407.

[28]
L’HEUREUX M L, LEE S, LYON B , 2013. Recent multidecadal strengthening of the Walker circulation across the tropical Pacific[J]. Nature Climate Change, 3(6):571-576.

[29]
LIU JIAN, WANG BIN, CANE M A , et al, 2013. Divergent global precipitation changes induced by natural versus anthropogenic forcing[J]. Nature, 493(7434):656-659.

[30]
LUO JINGJIA, SASAKI W, MASUMOTO Y , 2012. Indian Ocean warming modulates Pacific climate change[J]. Proceedings of the National Academy of Sciences of the United States of America, 109(46):18701-18706.

[31]
MA JIAN, XIE SHANGPING, KOSAKA Y , 2012. Mechanisms for tropical tropospheric circulation change in response to global warming[J]. Journal of Climate, 25(8):2979-2994.

[32]
MA SHUANGMEI, ZHOU TIANJUN , 2016. Robust Strengthening and westward shift of the tropical Pacific Walker circulation during 1979-2012: a comparison of 7 sets of reanalysis data and 26 CMIP5 models[J]. Journal of Climate, 29(9):3097-3118.

[33]
MCGREGOR S, TIMMERMANN A, STUECKER M F , et al, 2014. Recent walker circulation strengthening and pacific cooling amplified by Atlantic warming[J]. Nature Climate Change, 4(10):888-892.

[34]
MEEHL G A, ARBLASTER J M, LOSCHNIGG J , 2003. Coupled ocean-atmosphere dynamical processes in the tropical Indian and Pacific Oceans and the TBO[J]. Journal of Climate, 16(13):2138-2158.

[35]
MENG QINGJIA, LATIF M, PARK W , et al, 2012. Twentieth century Walker Circulation change: data analysis and model experiments[J]. Climate Dynamics, 38(9-10):1757-1773.

[36]
MERRIFIELD M A , 2011. A shift in western tropical Pacific sea level trends during the 1990s[J]. Journal of Climate, 24(15):4126-4138.

[37]
NEWMAN M, COMPO G P, ALEXANDER M A , 2003. ENSO-forced variability of the Pacific decadal oscillation[J]. Journal of Climate, 16(23):3853-3857.

[38]
OORT A H, YIENGER J J , 1996. Observed interannual variability in the Hadley circulation and its connection to ENSO[J]. Journal of Climate, 9(11):2751-2767.

[39]
PHILANDER S G , 1990. El Niño, La niña, and the southern oscillation[M]. San Diego: Academic Press: 248.

[40]
POWER S, CASEY T, FOLLAND C , et al, 1999. Inter-decadal modulation of the impact of ENSO on Australia[J]. Climate Dynamics, 15(5):319-324.

[41]
POWER S B, SMITH I N , 2007. Weakening of the Walker Circulation and apparent dominance of El Niño both reach record levels, but has ENSO really changed?[J]. Geophysical Research Letters, 34(18):L18702.

[42]
POWER S B, KOCIUBA G , 2011. What caused the observed twentieth-century weakening of the walker circulation?[J]. Journal of Climate, 24(24):6501-6514.

[43]
RAYNER N A, PARKER D E, HORTON E B , et al, 2003. Global analyses of sea surface temperature, sea ice, and night marine air temperature since the late nineteenth century[J]. Journal of Geophysical Research Atmospheres, 108(D14):4407.

[44]
REICHLER T, KIM J , 2008. Uncertainties in the climate mean state of global observations, reanalyses, and the GFDL climate model[J]. Journal of Geophysical Research Atmospheres, 113(D5):D05106.

[45]
RIENECKER M M, SUAREZ M J, GELARO R , et al, 2011. MERRA: NASA’s modern-era retrospective analysis for research and applications[J]. Journal of Climate, 24(14):3624-3648.

[46]
SAJI N H, GOSWAMI B N, VINAYACHANDRAN P N , et al, 1999. A dipole mode in the tropical Indian ocean[J]. Nature, 401(6751):360-363.

[47]
SANDEEP S, STORDAL F, SARDESHMUKH P D , et al, 2014. Pacific Walker Circulation variability in coupled and uncoupled climate models[J]. Climate Dynamics, 43(1-2):103-117.

[48]
SCHWENDIKE J, GOVEKAR P, REEDER M J , et al, 2014. Local partitioning of the overturning circulation in the tropics and the connection to the Hadley and Walker circulations[J]. Journal of Geophysical Research Atmospheres, 119:1322-1339.

[49]
SOHN B J, PARK S C , 2010. Strengthened tropical circulations in past three decades inferred from water vapor transport[J]. Journal of Geophysical Research Atmospheres, 115(D15):1-9.

[50]
SOHN B J, YEH S W, SCHMETZ J , et al, 2013. Observational evidences of Walker circulation change over the last 30 years contrasting with GCM results[J]. Climate Dynamics, 40(7-8):1721-1732.

[51]
SOHN B J, LEE S, CHUNG E S , et al, 2016. The role of the dry static stability for the recent change in the Pacific Walker circulation[J]. Journal of Climate, 29(8):2765-2779.

[52]
SWANSON K L, SUGIHARA G, TSONIS A A , 2009. Long-term natural variability and 20th century climate change[J]. Proceedings of the National Academy of Sciences of the United States of America, 106(38):16120-16123.

[53]
THORNE P W, VOSE R S , 2010. Reanalyses suitable for characterizing long-term trends[J]. Bulletin of the American Meteorological Society, 91(3):353-362.

[54]
TOKINAGA H, XIE SHANGPING, DESER C , et al, 2012 a. Slowdown of the Walker circulation driven by tropical Indo-Pacific warming[J]. Nature, 491(7424):439-443.

[55]
TOKINAGA H, XIE SHANGPING, TIMMERMANN A , et al, 2012 b. Regional patterns of tropical indo-pacific climate change: evidence of the walker circulation weakening[J]. Journal of Climate, 25(5):1689-1710.

[56]
VECCHI G A, SODEN B J, WITTENBERG A T , et al, 2006. Weakening of tropical Pacific atmospheric circulation due to anthropogenic forcing[J]. Nature, 441(7089):73-76.

[57]
VECCHI G A, SODEN B J , 2007. Global warming and the weakening of the tropical circulation[J]. Journal of Climate, 20(17):4316-4340.

[58]
WANG BIN, LIU JIAN, KIM H J , et al, 2012. Recent change of the global monsoon precipitation (1979-2008)[J]. Climate Dynamics, 39(5):1123-1135.

[59]
WILLIAMS A P, FUNK C , 2011. A westward extension of the warm pool leads to a westward extension of the Walker circulation, drying eastern Africa[J]. Climate Dynamics, 37(11-12):2417-2435.

[60]
XIE SHANGPING, DESER C, VECCHI G A , et al, 2010. Global warming pattern formation: sea surface temperature and Rainfall[J]. Journal of Climate, 23(4):966-986.

[61]
YU B, ZWIERS F W, BOER G J , et al, 2012. Structure and variances of equatorial zonal circulation in a multimodel ensemble[J]. Climate Dynamics, 39(9-10):2403-2419.

[62]
YU BIN, ZWIERS F W , 2010. Changes in equatorial atmospheric zonal circulations in recent decades[J]. Geophysical Research Letters, 37(5):L05701.

[63]
ZHANG LEI , 2016. The roles of external forcing and natural variability in global warming hiatuses[J]. Climate Dynamics, 47(9-10):3157-3169.

[64]
ZHANG LEI, KARNAUSKAS K B , 2017 a. The role of tropical interbasin SST gradients in forcing walker circulation trends[J]. Journal of Climate, 30(2):499-508.

[65]
ZHANG LEI, LI T , 2017 b. Relative roles of differential SST warming, uniform SST warming and land surface warming in determining the Walker circulation changes under global warming[J]. Climate Dynamics, 48(3-4):987-997.

[66]
ZHANG MINGHUA, SONG HUA , 2006. Evidence of deceleration of atmospheric vertical overturning circulation over the tropical Pacific[J]. Geophysical Research Letters, 33(12):L12701.

Outlines

/