基于CESM气候模式的同化模拟实验

李熠，陈幸荣,2，谭晶，黄勇勇，蔡怡,2

（1.国家海洋环境预报中心，北京100081；2.国家海洋局海洋灾害预报技术研究重点实验室，北京100081）

1 引言

耦合气候模式是进行短期气候预测的重要工具。近年来，随着模式物理参数化方案的改进和分辨率的提升，其模拟能力有了长足进步，在气候评估和短期气候预测中发挥了愈发重要的作用。目前，国内外有众多科研院所从事模式研究，如美国国家大气研究中心（NCAR）、美国地球流体动力学实验室（GFDL）、德国马克斯¯普朗克研究所（MPI）、中国科学院大气物理研究所、国家气候中心等，均发展了各具特色的耦合模式。国内外大量业务预报机构，如美国气候预报中心（CPC）、欧洲中心（ECMWF）、日本气象厅、国家气候中心等，也在各自的预报工作中，大量采用模式结果作为最终预报结论的依据。

预报技巧的提高很大程度上依赖合理的初始化方案，早在20 世纪60年代Lorenz、Charney 等前人就指出大气的瞬间状态预报时效较短，对于较长期的预报主要依赖于下边界条件。而对于ENSO这一气候系统中最重要的年际信号，也有研究指出，其可预报性主要来源于海洋的记忆，因此可以通过初始化耦合模式的海洋模块，得到较好的ENSO预报效果[1-3]。长时间来，国内外学者发展了多种耦合模式初始化方法。如Chen等利用Zebiak-Cane 模式[4-5]将实测的海表面风应力异常叠加到耦合模式输出的风应力上，驱动模式得到初始场[6-7]。但是，直接利用实际观测需要大量的研究和实验，且需要进行大量工作收集、校正观测资料。若使用格点分析资料进行同化，将在实际预测工作中免去收集观测资料、进行同化计算等工作，并能直接利用高质量的同化产品提高耦合模式的模拟能力，最终提高预测技巧。已有研究表明，nudging同化是行之有效的方法[2-3,8]。

目前应用较广泛的、变量和层次完整的海洋格点同化资料有美国马里兰大学的SODA和NCEP的GODAS 等资料集。其中GODAS 作为NCEP 的业务化资料，其资料质量和实时性都较好，这对于预报工作有重要的实际应用价值。国家海洋环境预报中心自2008年开始，利用nudging方法将GODAS次表层海温同化到共同气候系统模式第三版（Community Climate System Model 3，CCSM3）中，取得了较好的效果[9]，并开展了业务化预报。

CESM 是由NCAR 于2010年07月推出的新一代地球系统模式（Earth System Model），是一个完全耦合的气候模式，在CESM 中包括大气、陆地、海洋、海冰、陆冰等几大模块。其主要用于研究地球的过去、现在和未来的气候状况。其全称为Community Earth System Model，中文译名为“通用地球系统模式”。与上代模式CCSM3 相比，CESM在参数化方案、资料库等很多方面有了改进[10]。如大气模块中采用了新的湿湍流方案，可以更好模拟层云中的气溶胶作用，新的浅对流方案，可以更好模拟浅对流活动，海洋模块中也增加了新的涡通量参数化方案等。另外，CESM新增了陆冰模块，可以模拟冰川活动。研究表明，CESM 模式在ENSO 的模拟方面较CCSM3 有明显改进，表现在NINO3 指数的功率谱周期主要峰值集中在3—6年，赤道太平洋海温异常呈一年周期振荡，这些特性均与实况更相符[11-12]。

本文使用Nudging同化方法，将GODAS次表层海温同化到CESM模式中，下面将介绍模式设置和同化试验设计，并对结果做初步分析。

2 数据和方法

2.1 数据

本文所用同化资料为美国大气海洋局国家环境预报中心的全球海洋数据同化系统资料集GODAS 数据（http://www.cpc.ncep.noaa.gov/products/GODAS/）。GODAS 是NCEP 的业务化同化数据集，该套数据的观测源为连续实时浮标、船舶等观测数据，模式基于GFDL MOM.v3版本，模式设置为南北范围75°S—65°N，分辨率从南北向赤道增加，变化范围为1°—(1/3)°，垂直40层，每月发布月平均数据。同化分析方法为三维变分同化方法（3DVAR）。该套资料温度、盐度廓线与观测对比十分接近，属于目前应用最为广泛的海洋实时同化数据集。

此外，本文还使用了NCEP再分析资料第二版的海平面气压和850 hPa 纬向风（http://www.esrl.noaa.gov/psd/data/gridded/data.ncep.reanalysis2.html)、GPCP 降水资料（http://www.esrl.noaa.gov/psd/data/gridded/data.gpcp.html）以 及CPC 的NINO3 指 数（http:// www.cpc.ncep.noaa.gov/ data/ indices/sstoi.indices），均为月平均资料。其中NCEP再分析资料和GPCP降水资料的水平分辨率为2.5°×2.5°。

2.2 模式设置及同化方案设计

我们采用CESM1.0.4 版本进行运算，其中海洋模块为POP2，大气模块为CAM5，陆面模块为CLM4，海 冰 模 块 为 CICE4，陆 冰 模 块 为GLIMMER-CISM，耦合器为CPL7。我们采用的模式分辨率为0.9×1.25_gx1v6，即大气水平分辨率为0.9°×1.25°，垂向分为26层，海洋模式水平分辨率接近1°，垂向分为60层，从5 m到5375 m。

我们首先进行了100年的积分，在大气和上层海洋基本达到平衡后，利用nudging 方法，将GODAS 海温资料同化到pop 模式中，同化时间为1981—2012年共32年。同化变量为次表层海温，垂直层次从15 m至约400 m（31层），松弛系数在15 m时为30 d，在400 m 时线性过渡到90d。本文选取1982—2011年共30年的同化结果进行分析。

3 结果

3.1年平均

海表面温度（Sea Surface Temperature，SST）是气候系统中最重要的一个要素，对SST的模拟在一定程度上标志着整个耦合系统的模拟能力。我们首先分析同化系统中SST的模拟情况。

图1 是CESM 同化模拟的SST 与GODAS 数据SST的对比。可以看到，在全球大部分海域，同化后的SST 与GODAS 数据非常接近，偏差在0.5oC 以内。偏差较大的区域主要集中在大西洋西北部、南极绕极流、赤道太平洋中东部区域。这些区域是明显的上升流区，造成这一偏差的主要原因在于混合参数化方案的不完善。但因为分辨率的提高和大气模块的改进，CESM 与CCSM3 相比，在SST 的模拟上有了较大改善[11]。

图1 CESM模拟与GODAS资料SST差值

图2 海表面流场对比（单位：cm/s）

图2 为CESM 模拟的表面流场与GODAS 资料的对比。可以看到，二者的整体分布较为一致，赤道流、赤道逆流、西边界流和南极绕极流等主要流系都模拟出来了。还存在以下几个问题：赤道东太平洋流场相对GODAS 较弱，而赤道中西太平洋流场偏强；墨西哥湾流、巴西洋流与GODAS相比明显偏强，导致高海温水团向高纬输送较多，对应上述大西洋西边界的高海温区域。

平均海平面气压是评估模式大气表面环流能力的重要因子，它能衡量模式热力和动力整体模拟能力。图3所示为CESM模拟与NCEP再分析资料的海平面气压的差值，其中青藏高原等高地形造成的差异不做讨论。可以看到，模拟结果与再分析资料的差值不超过5 hPa。模拟偏差沿纬圈基本呈带状分布，在热带区域偏差较小，不超过1 hPa。偏差最大的区域出现在南大西洋中纬度地区，模拟偏高4 hPa。北大西洋中纬度偏差也较大，模拟偏高3 hPa 以上。南北半球高纬度均存在模拟结果偏低的情况，其中北半球陆地区域较明显，偏低3 hPa左右。与CCSM3结果相比，有较大改进。

图3 CESM模拟的海平面气压与NCEP资料的差值

图4 CESM模拟的降水、GPCP资料的降水及二者的差值

作为热力和动力过程的集中体现，降水是评价模式模拟能力的重要因子。图4所示为CESM模拟的降水结果及其与GPCP 资料的差值。由图可见，模拟结果的分布和量级与GPCP 一致，降水主要集中在热带区域，但模拟结果在赤道辐合带区域偏多明显。在赤道太平洋以北至5oN 有一条纬向雨带，模拟结果为9 mm/d 以上，与GPCP 资料相比偏多2 mm/d 左右。从赤道西太平洋向东南方向延伸的雨带强度较GPCP 偏强，范围也偏大。这是CESM及CCSM模式在降水模拟上的主要缺陷[11]。印度洋区域的模拟结果东西分布过于均一，未能很好模拟出该区域降水由西北向东南递增的趋势。大西洋区域模拟结果与GPCP 相差不明显。与CCSM3 的nudging 结果相比，CESM 在降水方面有所改善，但效果不明显。

海表面风应力是海洋能量、动量传输的重要驱动力，图5所示为模拟的海表面风应力与GODAS资料的对比。由图可见，从南北太平洋、大西洋的副热带反气旋式风应力到大西洋和印度洋南半球有强盛的西风应力环绕整个南半球中纬度区域，风应力方向及大小模拟都比较好。只是在南半球西风带区域模拟的风应力较NCEP 再分析资料略偏弱。与CCSM3的nudging结果相比，信风过强的问题得到了解决。

从上述结果来看，nudging同化使CESM耦合模式的模拟结果在海表面温度、海流、表面风应力等方面与GODAS符合较好，而且海平面气压、降水等气象要素的模拟结果与NCEP、GPCP的结果也较为一致，但部分区域，如北太平洋、热带印度洋、中高纬度南大洋以及具有陡峭地形的大洋西边界等区域普遍存在一定偏差，这表明改进次表层海温可以提高耦合模式的模拟能力。

图5 海表面风应力对比

3.2 季节变化

图6 所示为模拟海表温度与GODAS 资料在冬（12月、1月、2月，下同）、夏季（6月、7月、8月，下同）的差值。可见，二者在冬夏季的分布一致，差异较小。夏季的模拟结果较GODAS 资料偏冷，北太平洋、北大西洋和赤道中东太平洋较明显。冬季这种现象得到缓解，但在赤道东太平洋沿岸有明显的偏冷区域，南极绕极流区则海温偏高。

图7 和图8 为冬、夏季CESM 模拟的降水及其与GPCP 资料的差值。可以看到，模拟的降水与实况类似，在亚洲、非洲等季风区有明显的季节变化。但与年平均降水的结果类似，冬、夏季模式结果在太平洋赤道辐合带区域均存在模拟结果偏大的情况。

图6 CESM模拟与GODAS资料SST差值

冬季，南太平洋和南大西洋以及热带海洋性大陆、南美大陆、非洲大陆南部区域的雨带都模拟出来了，但位置与量值较GPCP 均有一定偏差。其中南太平洋、南大西洋、热带海洋性大陆和非洲大陆南部区域模拟偏多，南美大陆模拟偏少。北太平洋的赤道辐合带区域模拟降水偏多也较明显。夏季雨带北移，南亚、东南亚的强降雨区都模拟出来了。但与GPCP资料相比，南亚雨带偏西偏强，赤道东印度洋降水偏少。此外，西太暖池区域和黑潮延伸体降水均偏少。

图9 和图10 为冬、夏季CESM 模拟的海平面气压及其与NCEP 资料的差值。可以看到，模拟的海平面气压与实况类似，北半球冬季的阿留申低压、冰岛低压，夏季的副热带高压等主要系统都能模拟出来。但冬季对阿留申低压和冰岛低压的模拟结果均略偏低，偏差在¯4 hPa左右；夏季对副热带高压的模拟则偏强，偏强幅度最高可达8 hPa。南半球海洋面积广大，模拟结果优于北半球，冬季南半球30°S以北模拟略偏低，30°S 以南略偏高，夏季印度洋和南太平洋略偏低，大西洋和北太平洋略偏高。

图7 冬季CESM模拟的降水、GPCP资料的降水及二者的差值

3.3 对ENSO现象的模拟

厄尔尼诺-南方涛动（El Niño and Southern Oscillation，ENSO）现象是气候系统中最主要的年际信号，对我国和全球气候有巨大影响[13-14]，也是短期气候预测业务的重点工作之一，以下本文将就模式对ENSO现象的模拟进行分析。

图11 为CESM 模拟的NINO3 指数与CPC 资料的对比。可以看到，除个别厄尔尼诺（拉尼娜）事件中（如1986—1987年的厄尔尼诺事件和1998—1999年的拉尼娜事件），模拟的强度略强于CPC资料外，二者整体较为一致，相关系数达到0.90。

图8 夏季CESM模拟的降水、GPCP资料的降水及二者的差值

图12所示为模式模拟和GODAS数据的赤道太平洋海表面温度异常（SSTA）的时间-经度剖面。模式可以较好的模拟出历次ENSO过程，在位置、强度、位相上与GODAS 均比较接近。与NINO3 指数的情况类似，CESM 对某些厄尔尼诺（拉尼娜）事件的模拟幅度较强。如1988—1989年的拉尼娜事件中，模拟的最大SSTA 超过了¯3.0oC，而GODAS 资料的SSTA 最大只有¯1.0 ℃左右；1987—1988年的厄尔尼诺事件中，模拟的正海温距平范围也较GODAS偏大。但总体而言，CESM 较好的再现了历次厄尔尼诺和拉尼娜事件，效果较CCSM3 有了较大提升。

赤道太平洋西风异常是激发赤道Kelvin 波的重要因子，而赤道Kelvin波是太平洋西侧的暖水持续东传的主要机制。图13 为CESM 模拟和NCEP再分析数据的赤道纬向风异常的时间¯经度剖面。从图中可以看到，CESM 模式较好地模拟出历次厄尔尼诺事件和拉尼娜事件的纬向风异常，而且异常东传趋势明显。问题在于，模拟的纬向风异常幅度常较NCEP 再分析资料偏大，在中西太平洋尤为明显。如1987—1988年的厄尔尼诺事件中，模拟的纬向风正异常（西风异常）超过了4 m/s，且范围达到了135°W，而NCEP 再分析资料中的西风异常尚未达到2 m/s，强的西风异常会导致西太平洋的暖水过多东传，导致上述模拟的厄尔尼诺事件偏强。

图9 冬季CESM模拟的海平面气压及其与NCEP资料的差值

图10 夏季CESM模拟的海平面气压及其与NCEP资料的差值

图11 Nino3指数对比（绿色：CPC资料；蓝色：CESM同化）

图12 赤道SSTA时间-经度剖面（单位：oC）

图13 赤道850 hPa纬向风异常时间-经度剖面（单位：m/s）

厄尔尼诺期间，Walker 环流上升支从印度尼西亚东移到日界线附近，将造成赤道中东太平洋降水增多，拉尼娜期间则相反。图14所示为赤道太平洋降水异常的时间¯经度剖面图。从总体上来看，模拟的强度和位相都与GPCP 结果基本一致，也较好重现了距平东传的过程。但与GPCP 相比，模拟的降水距平略偏弱，且范围略偏大。如1990—1991年的厄尔尼诺事件和1999年的拉尼娜事件。

4 结论与讨论

耦合气候模式是气候预测的有力工具，如何生成有效的初始场是进行研究和预报的重要工作。本文采用nudging方法，将格点的GODAS资料同化到CESM 耦合模式中。结果表明，同化后的耦合模式可以较好的重现中低纬海洋和大气的平均特征和随时间演变规律，对ENSO现象的模拟也比较好，NINO3 指数与CPC 资料的相关系数达到0.90。同化次表层海温可以直接有效的订正表层海温和海洋模块的其他结果，并通过耦合过程订正大气模块结果。但模拟结果仍存在一些问题，如大西洋西边界流偏强，赤道辐合带降水偏多等。

本文只同化了GODAS 资料的次表层海温，其覆盖范围只有65°N—75°S 之间，没有覆盖高纬地区，今后工作中将尝试将海冰密集度等资料同化到耦合模式中，进一步提高对高纬地区的模拟能力。

[1]Wyrtki K.Water displacements in the Pacific and the genesis of El Niño cycles[J]. Journal of Geophysical Research: Oceans(1978-2012),1985,90(C4):7129-7132.

[2]Luo J J, Masson S, Behera S, et al. Seasonal climate predictability in a coupled OAGCM using a different approach for ensemble forecasts[J].Journal of Climate,2005,18(21):4474-4497.

[3]Luo J J, Masson S, Behera S K, et al. Extended ENSO predictions using a fully coupled ocean-atmosphere model[J]. Journal of Climate,2008,21(1):84-93.

[4]Cane M A, Zebiak S E, Dolan S C. Experimental forecasts of El Niño[J].Nature,1986,321(6073):827-832.

[5]Zebiak S E, Cane M A.A Model El Niño-Southern Oscillation[J].Monthly Weather Review,1987,115(10):2262-2278.

[6]Chen D,Zebiak S E,Busalacchi A J,et al.An improved procedure for El Niño forecasting: Implications for predictability[J]. Science,1995,269(5231):1699-1702.

[7]Chen D,Zebiak S E, Cane M A, et al. Initialization and predictability of a coupled ENSO forecast model [J]. Monthly Weather Review,1997,125(5):773-788.

[8]Chen D,Cane M A,Kaplan A,et al.Predictability of El Niño over the past 148 years[J].Nature,2004,428(6984):733-736.

[9]凌铁军,王彰贵,王斌,等.基于CCSM3 气候模式的同化模拟试验[J].海洋学报,2009,31(6):9-21.

[10]Vertenstein M, Craig T, Middleton A, et al. CESM 1.0.4 User’s Guide[Z].

[11]Gent P R, Danabasoglu G, Donner L J, et al. The community climate system model version 4[J]. Journal of Climate, 2011, 24(19):4973-4991.

[12]Deser C, Phillips A S, Tomas R A, et al. ENSO and pacific decadal variability in the community climate system model version 4[J].Journal of Climate,2012,25(8):2622-2651.

[13]Philander S G H. El Niño southern oscillation phenomena[J].Nature,1983,302(5906):295-301

[14]陈永利,赵永平,王凡.ENSO 与海洋环境和中国气候异常[M].北京:科学出版社,2013.