CMIP5氣候模式對北半球夏季阻塞的評估?

吳 靜， 刁一娜， 莊緒宗

(1. 中國海洋大學物理海洋實驗室，山東 青島 266100；2. 海軍東海艦隊海洋水文氣象中心，浙江 寧波 315100)

?

CMIP5氣候模式對北半球夏季阻塞的評估?

吳 靜1,2， 刁一娜1??， 莊緒宗2

(1. 中國海洋大學物理海洋實驗室，山東 青島 266100；2. 海軍東海艦隊海洋水文氣象中心，浙江 寧波 315100)

利用美國國家環境預報中心和美國大氣科學研究中心(NCEP/NCAR)的逐日再分析資料，評估了耦合模式比較計劃第五階段(The fifth Phase of the Coupled Model Intercomparison Project，簡稱CMIP5)17個氣候模式對于20世紀北半球夏季氣候態阻塞頻數和振幅的模擬能力，從線性趨勢和年際變化2方面評估了歐亞3個關鍵區(歐洲區、烏拉爾山區和鄂霍次克海區)夏季阻塞頻數的模擬能力。結果表明：(1)盡管模式對北半球夏季阻塞頻數和振幅的模擬結果存在偏差，但大部分模式可以很好模擬出氣候態特征，模式對頻數的模擬結果略優于振幅；無論頻數或者振幅，CanESM2均為17個氣候模式中模擬效果最好的，CMCC-CESM和MIROC-ESM為模擬效果最差的，多模式集成的結果優于大部分單一模式。(2)大多數模式可以較好的模擬出歐亞3個關鍵區夏季平均阻塞頻數和標準差，但對阻塞頻數線性趨勢和年際變化特征的模擬能力有限。

CMIP5； 夏季阻塞； 模式評估

阻塞系統因其對于中高緯度天氣尺度系統影響的重要性，自二十世紀初就受到學者的關注[1]。阻高的建立與崩潰常常決定著短期和中期天氣預報的準確性。近年來，越來越多的學者開始關注夏季阻高系統與極端天氣現象之間的聯系。例如：陶詩言等[2]認為1954和1998年夏季中國長江中下游出現暴雨是亞洲雙阻型所提供的大尺度環流條件結果；另外，2010年夏季阻高長期占據歐洲中部地區，導致歐洲中部和東部多地區氣溫都超出了歷史記錄[3]，這說明對阻塞系統的研究不但是大氣科學理論上需要解決的問題，更是關乎到國計民生的重大課題。在理論研究方面，學者們從能量及波動等動力學角度對阻塞生命循環加以解釋。Berggren等[4]最早提出了斜壓不穩定天氣尺度的擾動會有助于阻塞系統的建立。隨后Austin[5]利用非線性共振過程解釋了在整個緯圈上激發出的波數為四的阻塞波。羅德海等[6]建立了阻塞與天氣尺度波相互作用的模型，提出了瞬變渦動強迫的包絡羅斯貝孤立子理論。為了進一步研究阻塞的時空特征，不同的阻塞指數也從不同角度得到定義。Charney[7]，Dole和Gordon[8]，Lejen?s和?kland[9]利用逐日資料定義了持續性異常的阻塞指數。Tibaldi和Molteni[10]為了反應出大氣環流中西風的異常狀態，在Lejen?s和?kland阻塞指數的基礎上添加了約束條件。Pelly等[11]利用PV面上經向位溫θ的異常來建立新的阻塞指數。Diao[12]提出的負指數通過跟蹤負指數場在特定區域內由正到負再到正的演變過程描述阻塞系統的演變過程。以上這些成果雖有重要的研究意義，但目前天氣預報和氣候預測對于阻塞系統的考慮仍然是以數值模式手段為主。近些年隨著數值模式的不斷完善，模式對于阻塞的模擬能力不斷提高。Pelly和Hoskins[13]指出，歐洲中心(ECMWF)集成預報系統可以在一周時間尺度之前成功的預報阻塞的出現及消亡。TIGGE中期數值預報模式也被證實具有預報阻塞系統的能力[14]。但需要指出的是，數值模式的模擬結果并非完美。D’Andrea等[15]指出，AMIP模式在中緯度的阻塞的模擬存在偏差，而這一偏差至今在CMIP3耦合模式中仍無法避免[15]。

耦合模式比較計劃第五階段(The fifth phase of the Coupled Model Intercomparison Project，以下簡稱CMIP5)是世界氣象組織氣候研究計劃(The World Climate Research Program,簡稱WCRP)的全球耦合模式工作組(Working Group on Coupled Modelling,簡稱WGCM)利用全球氣候模式為IPCC第五次評估報告(the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, 簡稱IPCC AR5)提供的數值模擬實驗[17]。其目的是評估各模式對歷史氣候的反演能力，并從近期和長期2個時間尺度預測未來氣候變化并了解一些因素對預測結果的差異，尤其是云和碳循環對模擬結果的反饋。CMIP5中共包括了60個模式實驗，由于各個模式間參數化過程、初始場、分辨率以及氣候強迫存在差異，因此氣候態及氣候變率包括氣候趨勢必然存在差異[18]。對于阻塞系統的評估，Mastato等[19]使用了Pelly等[11]建立在PV面上的阻塞指數，從20世紀和21世紀(碳循環RCP8.5情景試驗)2個時間階段評估了12個CMIP5多模式對冬夏2個季節阻塞頻數的模擬能力，結果為：對于夏季阻塞頻數，模式在大洋上模擬出的結果多于觀測場，在歐亞地區則低于觀測場。

本文利用Diao等[12]于2006年提出的負指數，目的是將CMIP5中的17個歷史(Historical)氣候模式與美國國家環境預報中心和美國大氣科學研究中心(NCEP/NCAR)再分析數據結果作對比，評估各模式對1951—2005年北半球夏季氣候平均態阻塞的頻數與振幅模擬能力。不同于以往學者們研究阻塞系統時將北半球分為太平洋與大西洋-歐洲2個區域的形式[20-21]，本文所關注的是對東亞地區影響較大的歐亞大陸的3個關鍵區(歐洲區、烏拉爾山區和鄂霍次克海區)。并試圖從線性趨勢和年際變化兩方面評估模式對關鍵區夏季阻塞頻數的模擬能力。

1 資料和方法

1.1 資料

本文采用的是17個耦合模式比較計劃(CMIP5)歷史(Historical)氣候模式試驗的1951年1月1日～2005年12月31日逐日高度場資料，北半球夏季選擇的是6、7、8三個月。模式資料的基本信息如表1所示。再分析資料采用的是美國國家環境預報中心和美國大氣科學研究中心(NCAR/NCEP)提供的水平分辨率為2.5(°)×2.5(°)，時間范圍同樣為1951年1月1日～2005年12月31日的逐日再分析高度場的再分析數據，以便對模式結果進行評估。

表1 本文采用的17個氣候模式的基本信息Table 1 The information of 17 climate models used in current study

1.2 方法

1.2.1 雙線性插值 空間差值是將一種分辨率格點上的數值重新分配到另一種分辨率格點上的過程。為了保證模式數據的準確性，本文采用的方法為：在計算單個模式結果的過程中先不進行差值，只在最后模式間比較以及考察模式集成結果的時候才采用雙線性差值，即將所有的模式和集成結果統一到2.5(°)×2.5(°)的水平分辨率格點上，這樣做的目的是最大程度的減小累計誤差。

1.2.2 空間相關系數 相關系數是用來反映變量之間相關關系密切程度的統計指標[22]。本文通過計算每個模式與觀測場夏季阻塞的氣候態特征的相關系數，對模式的模擬能力進行評估。具體過程采用的是皮爾遜積差相關系數，其定義為2個變量協方差除以2個變量的標準差。2個空間場越相似，相關系數越趨近于1。

1.2.3 阻塞指數 本文采用的阻塞指數是Diao等[12]定義的負指數。負指數的優點在于其增加了指數的自由度，能夠反映等壓面上的二維信息，它既不同于Dole和Gordon[8]的基于點的指數，也不同于通過抽取幾個緯度的信息來反映阻塞的特征；它可以通過跟蹤區域來直接反映阻塞的空間和時間上的真實過程，而不是通過間接的途徑去反映。這一阻塞指數定義如下：

NI=h(λ,φs)-h(λ,φ),
90°N≥φ≥φs，360°≥λ≥0° 。

其中:h(λ,φ)是500hPa位勢高度;φs是發生經向環流等壓面下降最大時30°N～40°N之間的某個特定緯度，同時也代表經向環流向南伸出的切斷低壓或低壓槽的位置。負指數是這個特定緯度的等壓面高度和所有這個緯度以北的等壓面高度的差值。夏季由于受到副熱帶高壓系統的影響，φs取為40°N。

在根據負指數挑選阻塞事件的時，認為當T時刻出現負指數且絕對值不低于50gpm時，作為當此阻塞事件的開始。在連續性方面，認為如果在該格點T+1時刻也出現負指數絕對值不低于50gpm或者在T+1時刻距離上一個時刻發生阻塞事件地點的相對距離少于10個經度，則可認為是一個連續的阻塞過程。當這樣的持續事件在某個T+N時刻的阻塞指數小于50gpm，則認為該次阻塞事件結束。其中規定N不小于5d為發生整個阻塞過程的累計持續天數或稱為持續時間。整個阻塞過程中出現的最大負指數絕對值為該次事件的振幅。由于阻塞的生命過程伴隨著負指數振幅的演變，而兩者的演變過程是一致的，因此可用負指數的振幅可以作為阻塞強度的指標。

2 CMIP5模式對夏季北半球阻塞的評估

對于阻塞系統，頻數與振幅的分布分別可以反映出活動中心和強度顯著區域。為了評估模式對北半球夏季阻塞系統的模擬能力，這里將17個模式夏季氣候平均態阻塞頻數和振幅空間分布與觀測結果做比較，了解模式對北半球夏季阻塞的總體模擬能力和與再分析結果存在的偏差，同時考察多模式集合的模擬效果。

2.1 阻塞頻數的模擬能力評估

根據負指數的定義，通過17個模式逐日的500hPa高度場可以求出逐年夏季阻塞發生的頻數。統計北半球40°N以北每一個格點上夏季阻塞發生的次數，對55年結果累計求出氣候態平均場，將得到的數據與NCEP/NCAR資料相減，即得到圖1(d-t)各模式的夏季平均阻塞頻數的等值線分布與各模式與觀測場之間誤差的陰影分布。圖1(a)(b)(c)分別為NCEP/NCAR和多模式平均的阻塞頻數分布，以及多模式之間的標準差分布。由圖1(a)可見，夏季阻塞的活動中心共有5個，分別為大西洋和歐洲大陸的2個區，中心在20°W和30°E；烏拉爾山區中心在65°E，鄂霍茨克海區中心位于140°E以及中心在130°W的東太平洋區。這與Diao[12]等的結果吻合。由圖1(b)可見，17個多模式集合的模擬結果優于大部分單一模式，這與圖3(a)空間相關系數的結果一致，說明多模式集合能夠很好的模擬出夏季氣候態的阻塞頻數。模式集成顯示：模式在大西洋和太平洋北部模擬的結果高于觀測場，而在歐亞地區低于觀測場，此結果與Masato等[19]利用建立在PV面上的阻塞指數所模擬出的結果一致。通過圖1和圖3(a)分析可知，17個模式中只有3個模式與觀測場之間的空間相關系數在0.7以下：BNU-ESM未能模擬出烏拉爾山區活動中心，卻在60°W模擬出不真實阻塞頻發區；CMCC-CESM模擬出的烏拉爾山活動中心向東偏移至90°E；CMCC-CESM和MIROC-ESM模擬出的活動中心在北大西洋中部而非東北部。

NCEP/NCAR再分析場所表現的5個活動中心里，歐洲大陸區與鄂霍茨克海區為阻塞高頻區域，平均每年夏季阻塞頻數都在12次以上，其它3個區域頻數則相對較少。通過圖1中17個模式的陰影分布對比可知，CanESM2、CMCC-CMS、GFDL-ESM2M和MIROC5等4個模式能夠較好的模擬出這一特征，并且與NCEP/NCAR結果相比每個格點的誤差均在6次之內，CanESM2的模擬結果最優，與再分析數據結果的相似系數達到0.9257，CMCC-CM次之，空間相似系數為0.9130。BCC-CSM1.1、BNU-ESM、CMCC-CM、GFDL-CM3、MPI-ESM-LR、MRI-CGFM3和NorESM1-M等7個模式模擬出的平均阻塞頻數偏少，而CMCC-CESM、CNRM-CM5、HadGEM2-CC、IPSL-CM5A-LR、MIROC-ESM、MIROC-ESM-CHEM等6個模式模擬出的平均阻塞頻數偏多。其中MIROC-ESM誤差最大，與NCEP/NCAR相差最多的格點達35次。17個模式中，CMCC-CESM和MIROC-ESM的模擬效果最差，與再分析數據結果的空間相似系數僅為0.5155和0.6057。為了尋找17個氣候模式之間北半球夏季平均態阻塞頻數的差異分布特征，將經過雙線性差值處理后的氣候平均態上的每一個格點的阻塞頻數進行模式之間的標準差計算，即得圖1(c)所示的17個模式之間北半球夏季阻塞頻數的標準差分布。與頻數本身情況不同，標準差中心只有2個，1個同樣是在歐洲大陸30°E附近，另1個則出現在北美洲西海岸(120°W)，說明以上兩個地區模式之間頻數的差異最大。大西洋東部和烏拉爾山區由于自身夏季阻塞頻數就較少，因此模式間模擬的差異較小。而鄂霍茨克海區雖然是夏季阻塞高頻區，但模式間標準差值在此處較小，說明各個模式都能比較好的模擬出此地區夏季阻塞頻數。

((a:NCEP/NCAR； b:多模式集合；c:多模式間頻數標準差；d-t:CMIP5各模式)，等值線代表阻塞頻數，陰影部分代表各模式(多模式集合)與再分析數據的差值，等值線與陰影間隔均為2(次)。 (a) NCEP/NCAR during 1951—2005 ; (b) the ensemble mean; (c) the inter-model frequency standard deviation and (d-t):each CMIP5 models. The color shading represents the differences between the models (multi-model-ensemble included) and NCEP/NCAR reanalysis in frequency. Contour and shading intervals are both 2(2,4,6,…).)

圖1 1951—2005年北半球夏季平均阻塞頻數分布
Fig.1 Spatial distribution of summer mean frequency of blocking

2.2 阻塞振幅的模擬能力評估

與阻塞頻數相似，通過累計17個模式1951—2005年夏季北半球40°N以北每一個格點上每一次阻塞過程的振幅，通過累積結果求出氣候平均場，再將得到的數據與再分析資料相減，即得到圖2(d～t)各模式的夏季平均阻塞振幅的等值線分布與各模式與觀測場之間誤差的陰影分布。圖2(a)(b)(c)分別為NCEP/NCAR和多模式集合的阻塞振幅分布，以及多模式之間的標準差分布。由圖2(a)可見，夏季北半球阻塞強度最強的4個區域為歐洲區(30°E)、鄂霍茨克海區(130°E)太平洋東北部(150°W)和大西洋東北部(10°W)。烏拉爾山區雖同樣為阻塞頻發區域，但強度卻偏較。另外，對比圖3(a)和(b)可知，17個CMIP5模式對于北半球夏季氣候態阻塞振幅的模擬結果稍弱于頻數。且由圖2(b)可知，與頻數的模擬情況相似，對于阻塞振幅，多模式集合的模擬結果同樣優于大部分單一模式，與NCEP/NCAR再分析空間相關系數為0.8011(見圖3)，通過了95%的顯著性檢驗，能夠很好的模擬夏季氣候態北半球阻塞系統的振幅分布。與阻塞頻數相似，將經過雙線性差值處理后的氣候平均態上每一個格點的阻塞振幅進行模式之間的標準差計算，得到圖2(c)所示的17個模式之間北半球夏季阻塞振幅的標準差分布。由圖可見，17個模式之間的模擬結果也存在有較大差異，主要表現在東北太平洋和東北大西洋這2個區域模式之間的標準差最大，說明這2個區域阻塞振幅模擬結果的差異是模式之間的主要區別所在。17個模式中，只有一個模式——CMCC-CESM對于太平洋東北部和大西洋東北地區的模擬結果都明顯小于觀測值，而它與NCEP/NCAR所對應的空間相關系數只有0.5408，為17個模式中的最低值。而MIROC-ESM在東北太平洋區域的振幅結果高于觀測場達到140位勢米，整體所模擬出的相關系數也僅為0.5820。相比而言，CanESM2和MIROC5對阻塞振幅的模擬結果最好，與NCEP/NCAR的相關系數達到0.9027和0.8776，且每個格點的振幅與觀測值相減后絕對值都不超過60位勢米，能夠很好的模擬夏季平均阻塞振幅的空間分布的主要特征。

值得注意的是，CanESM2、CMCC-CM、MIROC5和MPI-ESM-LR等4個模式無論頻數或者振幅都是17個CMIP5氣候模式中模擬效果最好的，此4個模式集成的阻塞頻數和振幅的空間分布與NCEP/NCAR再分析資料的空間相似系數分別為0.9407與0.9108。從動力學角度分析可知，阻塞過程對應局地的大氣環流由緯向型轉為經向的斜壓過程，且阻塞事件通常發生在中緯度急流的出口處，因此急流的平均位置與強度對于阻塞模擬至關重要[11]。另外，風暴軸和定常波分別作為天氣尺度渦動帶和地形等強迫出的準定常行星波，與大氣阻塞在空間上和時間場也存在密切聯系[23]。圖4為對于阻塞振幅和頻次平均態模擬效果最好的4個模式——CanESM2、CMCC-CM、MIORC5和MPI-ESM-LR和2個最差的模式CMCC-CESM和MIROC-ESM對于北半球夏季西風急流、風暴軸和定常波平均態的多模式集成。4個最好的模式集成的空間分布與再分析場的空間相似系數分別為0.9527、0.9693和0.9113，兩個最差的模式對應的相關系數為0.8566、0.8416和0.6796，說明西風急流、風暴軸和定常波是控制阻塞系統的重要因素，只有提高以上3個因素空間位置和強度的模擬能力，才可將阻塞的活動中心和強度顯著區域做到成功模擬。

3 CMIP5模式對北半球夏季歐亞地區阻塞頻數線性趨勢和年際變化特征的評估

由以上分析可知，對于北半球夏季氣候氣候態阻塞系統的模擬能力而言，大多數CMIP5氣候模式可以較好的模擬出大氣阻塞的活動中心與強度顯著區域。但從氣候預測角度來講，模式對氣候要素的年際變率的模擬更為關鍵，只有掌握氣候要素的年際和年代際變化才可以加強預報的準確性[24]。中國地處東亞，夏季鄂霍茨克海地區的阻高形勢的維持是梅雨發生的大氣環流背景，烏拉爾山區的異常頻繁的阻塞事件是引發1998年長江洪水的重要原因[25]，因此掌握東亞上、下游地區的阻塞特征顯得尤為關鍵。根據再分析資料阻塞特征的統計分布，將歐亞阻塞關鍵區域分為以下3個：歐洲區(0°～50°E,40°N～70°N)、烏拉爾山區(50°E～90°E,40°N～70°N)和鄂霍次克海區(110°E～160°E,40°N～70°N)。圖5所示為1951—2005年17個CMIP5氣候模式、多模式平均與再分析數據下3個關鍵區夏季平均阻塞頻數的年際變化特征。17個CMIP5模式與再分析資料下的阻塞頻數的年際變化存在不同程度的偏差，說明模式對于歐亞阻塞頻數的模擬能力有限。下面將通過進一步考察這55年期間，17個模式對每個關鍵區平均的阻塞頻數進行線性趨勢的模擬，以及夏季平均阻塞頻數和年際之間的標準差分布，并試圖通過功率譜分析找出主周期，模擬17個CMIP5模式自上世紀中葉以來55年阻塞頻數的變化特點。

((a):NCEP/NCAR； (b):多模式集合；(c):多模式間頻數標準差；(d～t):CMIP5各模式)；等值線代表阻塞振幅，陰影部分代表各模式(多模式集合)與再分析數據的差值，等值線與陰影間隔均為10(gmp)。(a) NCEP/NCAR during 1951—2005 ; (b) The ensemble mean; (c) The inter-model amplitude standard deviation； (d-t)Each CMIP5 models. The color shading represents the differences between the models (multi-model-ensemble included) and NCEP/NCAR reanalysis in amplitude. Contour and shading intervals are both 10(10,20,30,…)gmp.)

圖2 北半球夏季阻塞振幅分布
Fig.2 Spatial distribution of summer mean amplitude of blocking

圖3 CMIP5模式(包括多模式集合)1951—2005年夏季氣候平均態阻塞頻數和振幅與NCEP/NCAR的空間相關系數Fig.3 Spatial correlation coefficients between summer mean frequency and amplitude of blocking from CMIP5 models (multi-model-ensemble included) and NCEP/NCAR reanalysis during 1951—2005

((a)、(b)、(c):西風急流, 等值線間隔為5 m/s；(d)、(e)、(f):風暴軸，等值線間隔為10 m2s-2；(g)、(h)、(i):定常波, 等值線間隔為10gmp。(a),(b),(c) Westly jet, contour interval is 5 m/s. (d),(e),(f) Storm tracks, contour interval is 10 m2s-2. (g),(h),(i) Stationary waves, contour interval is 10 gmp.)

圖4 NCEP/NCAR對于夏季氣候平均態阻塞頻數和振幅模擬最好的4個多模式集合和2個最差的模式對北半球1951—2005年夏季平均西風急流、風暴軸以及定常波分布
Fig.4 Distribution of mean state of westly jet,storm tracks and stationary waves from NCEP/NCAR, multi-model-ensemble (MME) of best four and worst two models in stimulating summer frequency and amptitude over North Hemisphere (time series:1951—2005)

3.1 線性趨勢分析

對于歐洲區(見圖6)，NCEP/NCAR表現出的近55年阻塞頻數的線性趨勢是下降的，斜率為-0.0461，即平均每年夏季阻塞頻數減少0.0461次。與再分析資料相比，9個模式呈線性下降趨勢，其中CMCC-CESM和IPSL-CM5A-LR能很好的與NCEP/NCAR結果吻合。8個模式則相反呈現上升趨勢，沒能模擬出歐洲區夏季阻塞頻數隨時間的變化趨勢。與歐洲區相同，再分析數據對于烏拉爾山區表現出的線性趨勢同樣是下降的，斜率為-0.0518。17個模式中有9個斜率為負，其中CMCC-CMS模式模擬出了最接近于再分析數據的結果，但兩者斜率之差仍然相差較大，為-0.0287。其余模式均不能模擬出烏拉爾山區夏季阻塞的線性趨勢。與前兩個關鍵區不同，鄂霍茨克海區夏季阻塞頻數是逐年增加的，平均每年增加0.0665次。通過比較可知，MIROC-ESM-CHEM和MIROC-ESM模式最接近于NCEP再分析數據的斜率。但從圖8也可見，這兩個模式雖然線性趨勢與再分析一致，但每年的頻數均多于觀測值，這一結論與圖2(p～q)的模擬結果一致。

圖5 CMIP5模式、多模式集合及NCEP/NCAR對歐亞三個關鍵區1951—2005年夏季平均阻塞頻數年際變化分布Fig.5 Distribution of interannual variability of frequency from CMIP5 models, multi-model-ensemble (MME) and NCEP/NCAR over different regions (time series:1951—2005)

(曲線代表頻數；直線代表線性趨勢。Curve lines represent frequency; Straight line represent linear tendency.)圖6 CMIP5模式與NCEP/NCAR對歐洲區1951—2005年夏季阻塞頻數線性趨勢模擬分布Fig.6 Distribution of linear tendency of blocking frequency over Euro region in summer ( time series:1951—2005)

圖7 同圖6，但為烏拉爾山區Fig.7 Same as Fig. 6, but for Ural Mountain region

圖8 同圖6，但為鄂霍茨克海區Fig.8 Same as Fig. 6, but for Okhotsk Sea region

3.2 平均頻數與標準差

圖9給出了3個阻塞關鍵區各模式和NCEP/NCAR再分析數據的夏季平均的阻塞頻數與55年際之間標準差分布。由圖9(a)可以看出，對于歐洲區頻數的模擬，17個模式中與再分析數據頻數差值的絕對值大于3的只有1個，為CMCC-CMS，它模擬出的歐洲區夏季平均阻塞頻數較再分析結果多3.415次。其余模式結果與再分析數據相比絕對值均不超過1.5次。就歐洲區55年阻塞頻數的標準差而言，NCEP/NCAR再分析結果為8.5452；17個CMIP5模式中，只有6個模式模擬出的標準差高于再分析數據，說明其他11個模式模擬出的阻塞頻數逐年變化都比再分析數據更加穩定。而由圖2可知，相比于歐洲區，烏拉爾山區由于本身夏季阻塞發生的次數就比較少，因此在多模式比較中，無論頻數還是標準差，17個模式的模擬結果與觀測場相比都十分相似。

與前兩個區域相比，鄂霍茨克海區夏季阻塞發生的次數明顯偏多，6個模式的模擬結果與再分析相減的結果絕對值大于3(次)，其中IPSL-CM5A-LR和MIROC-ESM模擬出的年平均阻塞次數偏多，BNU-ESM、CMCC-CM、MPI-ESM-LR、MRI-CGCM3等4個結果偏小。這與圖2的北半球阻塞頻數氣候平均態分部相一致。除此，由圖9(c)仍可知，除MPI-CGCM3，其余16個模式均能很好的模擬鄂霍茨克海區1951—2005年夏季阻塞頻數標準差。

3.3 功率譜分析

通過比較功率譜圖上各個諧波方差的大小，可對歐亞3個關鍵區夏季阻塞頻數變化的周期進行提取。由圖10可見，NCEP/NCAR的歐洲區方差峰值對應的周期為3.37年，但此峰值并沒有通過置信度為95%的顯著性檢驗，因此再分析數據的結果為：1951—2005年歐洲區夏季平均阻塞頻數并不存在包含在時間函數中的主要周期。反觀模式結果，17個模式中有CanES M2、GFDL-ESM2M、IPSL-CM5A-LR、CNRM-CM5等4個模式同樣不存在主周期，剩余的13個模式均存在這2～5年的主周期，4個不存在主周期的模式諧波方差圖上均可以找到2～5年的峰值。對于烏拉爾山區(見圖11)，NCEP/NCAR表現出包含在時間函數中的主要周期有3個：T1=8.31年、T2=7.71年和T3=2.16年。這說明烏拉爾山區夏季阻塞頻數存在有顯著的8年左右的周期，并且有2年左右的周期振蕩。CMIP5各模式中，能模擬出8年左右周期的模式只有2個，為CMCC-CESM和MPI-ESM-LR；能模擬出2年左右的模式有8個，沒有任何一個模式同時模擬出這2個主周期，其余模式均無法正確模擬出烏拉爾山區夏季阻塞頻數的變化。同樣，圖12表明鄂霍茨克海區夏季阻塞的存在約5.5年的周期，表現出這一特點的模式有MRI-CGCM3、BCC-CSM1.1、HadGEM2-CC、GFDL-ESM2M和BNU-ESM等5個。

圖9 CMIP5模式與NCEP/NCAR對歐亞3個關鍵區1951—2005年夏季平均阻塞頻數與標準差分布Fig.9 Distribution of summer mean blocking frequency and standard deviation from CMIP5 models and NCEP/NCAR over different regions (time series:1951—2005)

(虛線為功率譜對應各諧波的F檢驗值。Dashed line donates the corresponding value of F test.)圖10 CMIP5模式與NCEP/NCAR對歐洲區1951—2005年夏季阻塞頻數的功率譜分析Fig.10 Power spectrum analysis of summer blocking frequency from CMIP5 models and NCEP/NCAR over Euro regions (time series:1951—2005)

圖11 同圖10，但為烏拉爾山區Fig.11 Same as Fig. 10, but for Ural Mountain region

圖12 同圖10，但為鄂霍茨克海區Fig.12 Same as Fig. 10, but for Okhotsk Sea region

4 結論

本文使用了Diao等[12]于2006年提出的負指數作為阻塞指數，同時利用NCEP/NCAR再分析資料，對17個CMIP5氣候模式對北半球夏季阻塞的頻數與振幅的模擬能力進行評估。需要指出的是，不同于以往的研究結果，本文不僅模擬了CMIP5多模式對于夏季氣候態阻塞頻數的模擬能力，同時也對指示阻塞事件顯著性的指標——阻塞振幅的模擬能力也進行了考察。通過空間相關系數比較了各個模式和多模式集合對再分析資料的反演能力。通過線性趨勢分析與功率譜分析，評估了各模式對影響中國夏季氣候的歐亞地區3個關鍵區域(歐洲區、烏拉爾山區和鄂霍次克海區)的夏季阻塞頻數的線性趨勢和年際變化的模擬能力。得到以下結論：

(1)17個CMIP5氣候模式對北半球夏季阻塞頻數氣候態的模擬存在不同程度的偏差，但與再分析場的相關系數均達到了0.5以上，總體而言各模式均能較好的模擬出夏季北半球氣候態阻塞的空間分布，CanESM2的模擬結果最優，與再分析場的空間相關系數達到0.9257；CMCC-CESM和MIROC-ESM的模擬效果最差，空間相似系數僅為0.5155和0.6057；多模式集成的結果優于大多數單一模式，與NCEP/NCAR的相似程度達到0.8982。通過模式之間標準差分布可知，歐洲大陸30°E附近和北美洲西海岸(120°W)是模式間主要差異所在。

(2)與頻數相比，CMIP5氣候模式對于北半球夏季阻塞振幅的平均態的模擬能力稍弱。17個模式中，CanESM2同樣可以最好的模擬出阻塞振幅的平均態特征，與再分析場的空間相關系數達到0.9027；同樣是CMCC-CESM和MIROC-ESM的模擬效果最差，空間相似系數僅為0.5408和0.5820；多模式集合的結果為0.8011，仍然優于大多數單一模式的模擬能力。東北太平洋和東北大西洋這2個區域模式之間振幅的標準差最大，即這2個區域阻塞振幅模擬結果的差異是模式之間的主要區別所在。由動力學角度分析可知，西風急流、風暴軸和定常波是控制阻塞系統的重要因素，只有提高以上3個因素空間位置和強度的模擬能力，才可將阻塞的活動中心和強度顯著區域做到成功模擬。

(3)沒有任何一個模式可以同時正確的模擬出歐亞3個關鍵區1951—2005年的線性趨勢。這說明對于夏季阻塞頻數年際變化趨勢的模擬，CMIP5氣候模式的能力有限。

(4)大多數模式可以正確的模擬出歐亞3個關鍵區夏季平均阻塞頻數和年際之間的標準差，其中烏拉爾山區由于本身夏季阻塞發生次數較少，因而模式之間的差異最小，且與觀測場之間的偏差也最小。

(5)由NCEP/NCAR再分析場可見，1951—2005年歐洲區不存在夏季阻塞頻數的主周期，烏拉爾山區存在有8年左右的主周期和2年左右的周期振蕩，鄂霍茨克海區的周期為5.5年。17個CMIP5模式中，沒有任何一個模式可以同時正確的模擬出歐亞3個關鍵區的主周期，這說明對于夏季阻塞頻數的周期變化，模式的模擬能力同樣有限。

綜上所述，盡管CMIP5模式對北半球夏季阻塞頻數和振幅的模擬存在偏差，但大部分模式可以很好模擬出氣候平均態特征，且模式對頻數的模擬結果稍優于振幅。無論頻數或者振幅，CanESM2均為17個氣候模式中模擬效果最好的，CMCC-CESM和MIROC-ESM的模擬效果最差，多模式集成的結果優于大部分單一模式。目前，已有研究發現：數值模式對于阻塞系統模擬能力依賴于模式本身的分辨率[14]，過低的水平分辨率有可能導致瞬變渦旋在阻塞發生發展過程中的作用無法體現[20]。由表1和模式模擬結果對比可知，一些高分辨率模式對夏季氣候態阻塞頻數(如CMCC-CM和MIROC5)和振幅(如MIROC5)的反演結果確實較好，但CMCC-CESM和IPSL-CM5A-LR雖然分辨率較低，卻能較好的模擬出歐洲區阻塞的線性趨勢。這或許說明提高數值模式對于阻塞的模擬能力，不僅僅依賴于提高模式的分辨率，還存在有更多的途徑。

阻塞系統是北半球夏季中高緯度環流的重要組成部分。本文的結果為CMIP5模式對夏季氣候平均態阻塞的頻數和振幅模擬能力提供依據，同時為認識歐亞大陸3個關鍵區(歐洲區、烏拉爾山區和鄂霍次克海區)阻塞頻數的線性趨勢和年際變化特征提供參考。由于北半球夏季阻塞對中國的天氣、氣候存在重要影響，因此本文的研究對認識我國夏季氣候的年際變化特征存在參考意義。

[1] Garriott E B. Long-range weather forecasts [M]. Washington, D. C: Government Printing Office, 1904.

[2] 陶詩言, 倪允琪, 趙思雄, 等. 1998年夏季中國暴雨的形成機理與預報研究 [M]. 北京: 氣象出版社, 2001.

[3] Grumm R H. The central European and Russian heat event of July-August 2010 [J]. Bull Amer Meteor Soc, 2011, 92: 1285-1296.

[4] Berggren R, B Bolin, Rossby C G. An aerological study of zonal motion, its perturbations and break-down[J]. Tellus, 1949, 2: 14-37.

[5] Austins J F. The blocking of middle latitude westerly winds by planetary waves [J]. Quart J Roy Meteor Soc, 1980, 106: 327-350.

[6] 羅德海. 大氣中大尺度包絡孤立子理論與阻塞環流[M]. 北京: 氣象出版社, 1999.

[7] Charney J G, Shukla J, Mo K C. Comparison of a barotropic blocking theory with observation [J]. J Atmos Sci, 1981, 38: 762-779.

[8] Dole R M, Gordon N D. Persistent anomalies of the extra-tropical Northern Hemisphere wintertime circulation: Geographical distribution and regional persistence characteristics [J]. Mon Wea Rev, 1983, 111(8): 1567-1586.

[9] Lejen?s H, ?kland H. Characteristics of Northern Hemisphere blocking as determined from a long time series of observational data [J]. Tellus, 1983, 35A: 350-362.

[10] Tibaldi S, Molteni F. On the operational predictability of blocking [J]. Tellus, 1990, 42A: 343-365.

[11] Pelly J L, Hoskins B J. A new perspective on blocking [J]. J Atmos Sci, 2003, 60: 743-755.

[12] Diao Y, Li J, Luo D. A new blocking index and it s application: Blocking action in the Northern Hemisphere [J]. J Climate, 2006, 19: 4819-4827.

[13] Pelly J L, Hoskins B J. How well does the ECMWAF Ensemble Prediction System predict blocking? [J]. Quart J Royal Met Soc, 2003, 129: 1683-1702.

[14] Matsueda M. Blocking Predictability in operational medium-range ensemble forecast [J]. SOLA, 2009, 5: 113-116.

[15] D’Andrea F, Tibaldi S, Blackburn M, et al. Northern Hemisphere atmospheric blocking as simulated by 15 atmospheric general circulation models in the period 1979-1988 [J]. Climate Dyn, 1998, 14: 385-407.

[16] Barnes E A, Slingo J, Woolings T. A methodololgy for the comparison of blocking climatologies indices, models and climate scenarios [J]. Climate Dyn, 2012, 38: 2467-2481.

[17] Taylor K E, Stouffer R J, Meehl G A. An Overview of CMIP5 and the experiment design [J]. Bull Amer Meteor Soc, 2012, 93: 485-498.

[18] 余錦華, 唐盛, 吳立廣, 等. IPCC AR4模式對熱帶氣旋熱力控制因子的模擬能力評估 [J]. 海洋學報, 2011, 33(6): 39-54.

[19] Masato G, Hoskins B, Woollings T. Winter and Summer Northern Hemisphere blocking in CMIP5 models [J]. J Climate, 2013, 26(18): 7044-7059.

[20] Ringer M A, Martin G M, Greeves C Z. The physical properties of the atmosphere in the new Hadley Centre Global Environmengt Model(HadGEM1). PartⅡ: Aspects of variability and regional climate [J]. J Climate, 2006, 19(7): 1302-1326.

[21] Lejen?s H. Long term variation of atmospheric blocking in the Northern Hemisphere [J]. J Meteor Soc Japan, 1995, 73: 79-89.

[22] 馬麗娟, 羅勇, 秦大河, 等. CMIP3模式對未來50a歐亞大陸雪水當量的預估 [J]. 冰川凍土, 2011, 33(6): 707-720.

[23] 刁一娜, 李建平, 羅德海. 阻塞流場與瞬變渦動相互作用的動力學研究 [J]. 大氣科學, 2004, 28(6): 901-924.

[24] 郭巖, 陳海山, 張宏芳, 等. CMIP3氣候模式對東亞冬季大氣環流模擬能力的評估 [J]. 氣象與減災研究, 2012, 35(1): 7-16.

[25] Li S, Ji L, Lin W, et al. The Maintenance of the Blocking over the Ural Mountains during the Second Meiyu Period in the Summer of 1998 [J]. Advances in Atmosheric Science, 2001, 18(1): 87-105.

責任編輯 龐 旻

Assessments on Simulation of Summer Northern Hemisphere Blocking in CMIP5 Climate Models

WU Jing1,2, DIAO Yi-Na1, ZHUANG Xu-Zong2

(1. Physical Oceanography Laboratory, Ocean University of China, Qingdao 266100, China; 2. Ocean Hydrometeorology Institute, Navy Donghai-Armada, Ningbo 315100, China)

Based on the National Centers for Environmental Prediction/National Center for Atmospheric Research(NCEP/NCAR) gridded reanalysis data during 1951-2005 and model outputs from 20thCentury Climate Simulation experiment by 17 coupled models of the fifth phase of the Coupled Model Intercomparison Project (CMIP5), the capabilities of the climate models in simulating summer Northern Hemisphere blocking have been evaluated. In addition, the abilities of the models to simulate the linear tendency and interannual variability of summer frequency in the three key regions of Eurasia (Euro region, Ural Mountain region and Okhotsk region) are evaluated. Results show that : (1) Despite bias exists in 17 model results, the basic spatial patterns of the climatology of frequency and amplitude are well simulated. On the whole, the simulation of frequency is better than that of amplitude and the multi-model-ensemble (MME) shows better skill than most of single model. For both frequency and amplitude, CanESM2 is best and CMCC-CESM and MIROC-ESM are worst. (2) Most models can basically reproduce the climatology frequency and standard deviation in the three key regions of Eurasia, however, they fail to capture the linear tendency and interannual variability.

CMIP5； summer blocking； model evaluation

國家自然科學基金青年基金項目(40905030)；國家重點基礎發展規劃項目(2012CB417403)資助

2013-05-14；

2013-10-29

吳 靜(1986-)，女，碩士生。E-mail：303120111@qq.com

?? 通訊作者： E-mail:diaoyh@ouc.edu.cn

P462.4

A

1672-5174(2015)02-018-13

10.16441/j.cnki.hdxb.20130225