第四纪研究  2020, Vol.40 Issue (6): 1550-1561   PDF    
过去21 ka中国干湿变化的瞬变模拟分析
刘珊珊1,2, 姜大膀1,2     
(1 中国科学院大气物理研究所, 北京 100029;
2 中国科学院大学, 北京 100049)
摘要:地表干湿变化是气候研究的热点问题。本研究利用一个古气候瞬变模拟试验的数据,采用降水与潜在蒸散量(PET)之比所定义的干湿指数(AI),研究了过去21 ka中国地表干湿状况演变特征。就中国区域平均而言,气候在10 ka B.P.以前总体偏湿,之后则逐渐变干。决定干湿变化的外强迫因子随时间而变。22~19 ka B.P.,AI受低温室气体浓度和大陆冰盖影响,比目前高22%;19~10 ka B.P.,AI随温室气体浓度增加和大陆冰盖融化而逐渐降低,同时随着北半球高纬夏季日照量增大而升高,总体上维持在末次冰盛期的水平;10 ka B.P.之后,AI受控于轨道强迫,逐步降低至目前水平。在过去21 ka,AI变化总体上由PET主导:温室气体浓度、轨道参数分别通过影响近地面气温和相对湿度来改变PET大小;而在冰盖强迫下,PET变化源自气温和相对湿度的联合作用。与轨道尺度变化不同,气候在千年尺度冷事件期间总体偏干,变化主因是降水减少。空间上,AI变化有明显地域差异,不同地区AI变化的主导因子、对相同外强迫的响应形式各不相同。
关键词干湿变化    过去21 ka    中国气候    古气候模拟    
中图分类号     P467;P534.63                     文献标识码    A

0 引言

地表干湿状况,或者说气候的湿润程度,对区域植被生长、农业生产和社会生活起着重要作用。在全球变暖背景下,地表干湿变化是影响陆地生态系统稳定的重要因素[1]。中国幅员辽阔、气候类型多样、人口众多,明确该地区干湿状况对不同外强迫的响应机制,进而合理预测预估未来变化,对社会发展具有重要意义。

目前,关于人为强迫[2-4]及火山喷发、太阳活动等自然强迫[5-6]对全球或区域尺度干湿变化的作用,已有较为深入的讨论。其中,气候预估试验显示与大气CO2浓度上升有关的增温将导致陆面蒸发能力增加,进而促使陆地多数地区持续变干[7-10]。但现阶段试验尚未考虑温室效应引发的一系列其他问题,如北极大陆冰盖融化造成的地形变化和融水排放[11-12]。此外,在更长时间尺度上,轨道参数变化会改变日照量[13]。大陆冰盖退缩、冰川融水流入海洋和日照量变化会显著影响地球气候系统[14-15],并可能进一步调节地表干湿状况,但其中的物理过程仍有待深入研究。

在末次冰盛期以来的两万余年里,大陆冰盖[16]、地球轨道参数[13]和温室气体浓度[17]均明显改变,冰川融水流入海洋引起的千年尺度突变事件亦多次发生[18-19]。针对该时段开展模拟研究,有助于揭示干湿状况对不同外强迫的响应过程。以往相关研究[20-22]多基于平衡态模拟试验,并且无法评估单一外强迫因子的作用。TraCE-21 ka(Simulation of Transient Climate Evolution over the Last 21 ka)试验[23-24]是全球首个使用海气耦合模式模拟过去21 ka气候的瞬变试验。它能够合理重现地质记录中的厄尔尼诺[25]、东亚季风[26-29]、非洲降水[30]等诸多气候演变特征,并被用于研究台风[31]和全新世突变事件[32]。该试验考虑了地球轨道参数、温室气体浓度、大陆冰盖和淡水通量4个主要的驱动因子,并设计了单强迫驱动的敏感性试验,适用于研究干湿状况的动态演化特征及其对单一外强迫的响应。

针对干湿气候变化及其成因,学界已有较为清晰地认识。气候干燥或是湿润,取决于水分收入量和支出量的相对大小。前人定义了多种指数以度量气候干湿程度[33-34]。其中,降水与潜在蒸散量(potential evapotranspiration,简称为PET)之比[35],是现阶段最为常用的干湿指数(aridity index,简称为AI)。该指数充分考虑了地表水分的供需平衡:PET代表地面蒸发能力,降水代表水分供应量,二者共同决定了地面储水量大小;AI被广泛用于研究陆地干湿变化[9, 36-37],同时也是中国气象行业标准BG/T34307-2017《干湿气候等级》推荐使用的指标。

鉴于以上认识,本文使用TraCE-21 ka瞬变模拟试验的数据,采用AI研究了中国过去21 ka干湿变化,以期解决以下3个问题:1)AI随时间的演变特征是什么?2)主导AI变化的要素是什么?3)驱动AI变化的外强迫因子是什么?

1 数据与方法 1.1 模式数据

TraCE-21 ka试验所用模式为耦合了大气、海洋、海冰和陆面过程的通用气候系统模式CCSM3(Community Climate System Model 3),其大气模块水平分辨率为T31(约3.75°×3.75°)。试验考虑的驱动因子包括地球轨道参数[13]、大气温室气体浓度[17]、淡水通量[24]和大陆冰盖[16](图 1)。全强迫和单因子强迫试验数据均可从网站www.earthsystemgrid.org下载。在轨道参数和大气温室气体浓度试验中,其余强迫因子被设定为与22 ka B.P.的相同;在淡水通量和大陆冰盖试验中,轨道参数和大气温室气体浓度被固定在19 ka B.P.的水平。

图 1 驱动TraCE-21 ka瞬变试验的外强迫因子:(a)65°N的6月日照量、(b)大气CO2浓度、(c)南(灰色)北(深蓝色)半球淡水通量和(d)模式中的海平面升降 3个冷事件Heinrich Stadial 1(HS1)、Younger Dryas(YD)和8.2 ka B.P.事件,用蓝色标记;暖事件Bølling-Allerød(BA)用粉色标记 Fig. 1 Transient forcings applied in the TraCE-21 ka experiment: (a)insolation during June at 65°N, (b)atmospheric CO2 concentration, (c)meltwater flux in the Northern(dark blue)and Southern(grey)Hemispheres, and (d) eustatic sea level in the model. Three cold events, Heinrich Stadial 1(HS1), Younger Dryas(YD), and 8.2 ka B.P. event, are marked as blue, and the warm event, Bølling-Allerød, is marked as pink

TraCE-21 ka试验根据Berger[13]算法确定轨道参数。岁差是过去两万余年日照量变化的主导因子(图 1a):末次冰盛期的轨道参数配置与目前相近,近日点均出现在南半球夏季;自22至11 ka B.P.,近日点向北半球夏季移动,65°N夏季日照量增加60 W/m2;自11 ka B.P.至今,近日点逐渐返回南半球夏季,65°N夏季日照量减少50 W/m2。大气温室气体浓度在冰期偏低,间冰期偏高,对轨道驱动的气候变化起放大作用[38-39]。试验所用温室气体浓度数据来源于冰芯重建[17]。其中,大气CO2浓度在末次冰盛期被设定为185 ppm,在经历了末次冰消期的急剧上升后,逐步上升至工业革命前的280 ppm[17](图 1b)。试验根据ICE-5G(VM2)重建[16]设定大陆冰盖范围和高度,在末次冰盛期,巨大的冰盖覆盖了北美、格陵兰和欧洲西北部,北美冰盖高逾4.5 km;在8 ka B.P.左右,欧洲西北部冰盖完全融化;北美大陆冰盖于6 ka B.P.附近完全融化,末次冰消期基本结束[16]。冰盖融化导致海平面相较末次冰盛期上升约130 m(图 1d)。

试验还模拟了格陵兰冰芯记录的几次气候突变事件,包括Heinrich Stadial 1(HS1)、Younger Dryas(YD)和8.2 ka B.P.这3个冷事件,以及Bølling-Allerød(BA)暖事件。这些事件与冰川融水流入大西洋、北大西洋经向翻转环流(Atlantic Meridional Overturning Circulation,简称AMOC)改变密切相关[18-19]。融水流量以海洋表面淡水通量的形式添加到海洋模块中(图 1c)。由于根据目前的地质记录较难推测淡水注入的速率和位置,He[24]在不同地区用不同速率的淡水强迫运行了一系列敏感性试验,最终选取与重建的海平面、AMOC强度和格陵兰近地面气温最相近的方案继续向后积分。

1.2 干湿指数

干湿指数AI的定义公式如下[35]

(1)

公式(1)中,P和PET分别表示年均降水和潜在蒸散量(mm/day)。根据Feng和Fu[7]提出的方法计算降水和PET对AI变化的相对贡献:

(2)
(3)
(4)

公式(2)- (4)中,ΔAI、ΔP和ΔPET依次表示AI、降水和PET相较于参考时段的变化,F(ΔP)和G(ΔPET)分别代表降水和PET引起的AI变化量。

使用Penman-Monteith公式计算PET,该公式是世界粮农组织(FAO)推荐的标准方法[40]。根据FAO-56标准,Penman-Monteith方程为:

(5)

公式(5)中,RnG分别代表地面净辐射和土壤热通量(MJ/m2·day);TmeanU2es和RH分别是2 m处日均气温(℃;此后简称气温)、风速(m/s)、饱和水汽压(kPa)和相对湿度;γΔ依次代表干湿表常数和水汽压曲线斜率(kPa/℃)。其中,Tmean为日最低温(Tmin)和日最高温(Tmax)的平均值;es为基于TminTmax计算的饱和水汽压的平均值。地面净辐射和土壤热通量之差(Rn-G)是用于蒸发的“有效能量”。根据公式(5),PET的大小取决于气温、有效能量、相对湿度、风速4个气象因子。由于TraCE-21 ka试验未提供2 m风速资料,而以往研究指出风速变化对于中全新世和末次冰盛期的干湿变化贡献不大[20-21],故本文忽略风速变化影响,在计算PET时将风速固定为观测资料1981-2010年平均值。AI能够合理反映地表干湿变化,其对各个单独外强迫的响应与土壤湿度、径流量在多数地区相对一致(图略)。

采用Fu和Feng[41]提出的方法量化气温、有效能量、相对湿度对PET变化的相对贡献。令AE=;用下标“0”和“1”分别代表两个时段的气候平均值,用δ代表两个时段的差值,则“时段1”相对于“时段0”的PET变化可表示为:

(6)

根据公式(6),得到气温造成的PET变化为右侧前三项;有效能量、相对湿度造成的PET变化分别为右侧第四、五项。

1.3 模拟能力评估

对比TraCE-21 ka全强迫试验与观测或再分析资料(下文统称为观测数据)以评估模式对现代气候的模拟能力。观测的降水数据取自美国气候预测中心(CPC)陆地降水重建数据集[42](PREC/L),其水平分辨率为0.5°×0.5°。其他变量来自美国国家环境预报中心/美国能源部(NCEP/DOE)的再分析资料[43](NCEP-2),水平分辨率为2.5°×2.5°。为方便比较和计算,采用双线性插值法将各类型数据统一插值到0.5°×0.5°经纬度的格点上。

分别以1891-1990年、1981-2010年平均值代表模拟、观测的气候态,采用Taylor[44]提供的方法评估模式对降水、PET、气温、有效能量、相对湿度和AI这6个变量的模拟能力。根据该方法,针对中国陆地所有格点,计算模拟相对于观测的空间相关系数、标准差之比和标准化均方根误差(图 2)。若前两个统计量越接近1,即第三个量越接近0,则模拟与观测愈加相似。对于评估所考虑的5个变量场,模拟与观测间的空间相关系数为0.40-0.84,标准差之比为0.73-1.21,标准化中心均方根误差为0.54-1.21。总体上,模式能够合理重现观测中各个变量的空间分布和变化幅度。

图 2 用于比较TraCE-21 ka模拟与观测场(REF)之间相似度的泰勒图 计算所用数据来自插值后的中国区域所有格点(水平分辨率0.5°×0.5°),分别以1891-1990年、1981-2010年平均值代表模拟、观测的气候态;图中数字代表被评估的要素;数字至原点的距离代表模拟与观测场间的标准差之比;至REF点的距离表示中心化均方根误差与观测场标准差之比;方位角代表空间相关系数 Fig. 2 Taylor diagram for displaying normalized pattern statistics of the TraCE-21 ka simulations against observations(REF), using data from all grids of China after the interpolation to the horizontal resolution of 0.5°×0.5°. Mean values of the period 1891-1990 and 1981-2010 are taken to represent the simulated and observed climatology, respectively. The standard deviation and the centered root-mean-square difference are normalized by the standard deviation of the observation. The numbers represent the variables to be assessed; the radial distance from the origin is the normalized standard deviation; the distance from the REF indicates the normalized centered root-mean-square difference; the spatial correlation coefficient is expressed by the azimuthal position
2 中国干湿变化的平均特征 2.1 干湿指数变化特征

将中国视为一个整体,以各个试验中距今最近的100年(1891-1990年)为参考时段,考察末次冰盛期以来的干湿状况演化特征(图 3)。在单独轨道强迫试验中(图 3b),AI随着北半球高纬夏季日照量增多而增大。在19 ka B.P.之前,日照量和AI均与目前相近;在19 ka B.P.以后,AI逐步上升,在9-10 ka B.P.附近达到峰值;此后,AI随着北半球高纬夏季日照量减少而降低。轨道强迫下的AI变化由PET和降水联合驱动,例如在9-10 ka B.P.峰值期间,AI较0 ka增加了22 %,PET和降水变化分别贡献了AI变化的70 %和30 %。在单独温室气体强迫试验中(图 3c),末次冰盛期AI值最大,气候最湿润;而后AI随着温室气体浓度上升而降低。温室气体驱动下的AI变化由PET主导:尽管降水和PET均随着温室气体浓度上升而增加,但PET的增速快于降水,致使AI不断减小、陆地变干。该结果与未来预估情景下的变化特征类似[10]。在单独冰盖强迫试验中(图 3e),AI在冰消期初始阶段稳定在较高水平,在16 ka B.P.以后随着冰盖融化而迅速降低,并于全新世早期达到目前水平。从定量上来看,19-16 ka B.P.期间AI相较目前平均偏高9 %,其中PET降低对AI的影响是降水增加作用的3倍。与轨道尺度冷期状况有所不同,AI在HS1、YD、8.2 ka B.P.这3个千年尺度冷事件期间明显偏低(图 3d);其中,降水减少起主要作用,能够解释一半以上的AI变化。

图 3 相较于各试验中距今最近的100年(1891-1990年)平均值,过去21 ka中国区域干湿状况在(a)全强迫、(b)轨道参数、(c)温室气体、(d)淡水通量和(e)大陆冰盖驱动下的平均变化 绿线为AI变化;蓝线、粉线分别代表PET、降水差异造成的AI变化 Fig. 3 Evolution of terrestrial moisture averaged over China during the past 21 ka that is driven by transient (a) full forcings and single forcing of (b) orbital parameters, (c)greenhouse gas concentration, (d)meltwater flux and (e) ice sheets, and the reference period is the last 100 years(1891-1990)in each experiment. Green lines denote changes in AI; blue and pink lines indicate AI changes caused by differences in PET and precipitation, respectively

综上,全强迫试验(图 3a)中AI演化的整体趋势取决于地球轨道参数、温室气体浓度和大陆冰盖驱动的PET变化。在22-19 ka B.P.期间,AI在低温室气体浓度和冰盖驱动下稳定在较高水平,AI平均值比0 ka高22 %。在19-10 ka B.P.期间,北半球高纬夏季日照量增加与温室气体浓度上升、冰盖融化对AI的影响方向相反、相互抵消,AI相较目前平均偏高24 %,与末次冰盛期水平相当。此后,AI受控于轨道参数变化,随着近日点向南半球夏季移动而降低。在千年尺度上,AI在HS1、YD、8.2 ka B.P.这3次冷事件期间总体减小,在BA暖事件期间增加。

2.2 潜在蒸散量变化原因

根据公式(6)计算气温、相对湿度和有效能量对PET变化的作用。为方便比较,将数据转换为对AI变化的贡献值(图 4)。对比各单因子强迫试验可见,PET在温室气体(图 4c)和轨道参数(图 4b)试验中变幅较大,对AI的贡献亦偏大。但温室气体浓度和轨道参数驱动PET变化的过程存在不同。温室气体浓度通过影响气温而改变PET;冰期气温较低,PET亦然,此后气温和PET均随着温室气体浓度上升而增加(图 4c)。在轨道参数试验中(图 4b),PET受控于近地面相对湿度:相对湿度变化与降水一致,随着北半球高纬夏季日照量的增加而上升,促使PET随之减小,并在10-9 ka B.P.附近降至两万余年来的最低值。与此同时,在大陆冰盖试验中,与冰盖存在密切相关的降温和降水增多能在一定程度上增加近地面相对湿度;气温降低和相对湿度增加共同引起PET减小,且作用大小相当(图 4e)。在千年尺度上,气温和有效能量对淡水强迫的响应较小,淡水通量主要通过改变相对湿度而影响PET;相对湿度变化与降水一致,均在冷事件期间增加,引起PET降低(图 4d)。总体上,全强迫试验(图 4a)表明,PET在16 ka B.P.以前维持在低值水平,此后逐渐上升;全新世以前PET演变的主导因子为气温,全新世以来则源自相对湿度和气温的共同作用。

图 4图 3,但为各因子造成的AI变化 黄、绿、粉、褐色分别代表PET、相对湿度、有效能量和2 m气温造成的AI变化 Fig. 4 Same as Fig. 3, but for AI changes caused by differences in PET(yellow), relative humidity(green), available energy(pink), and 2 m air temperature(brown)
3 中国干湿变化的区域特征

基于AI正交经验分解(图 5)考察了过去21 ka中国干湿状况的时空演变规律。在各试验中,AI主导模态的解释方差为40 % -81 %,它具有明显的区域差异。全强迫试验显示,新疆、东北和南方在过去21 ka的干湿变化方向相对一致,总体呈现变干趋势(图 5a)。在单独轨道参数强迫试验中,随着近日点向北半球夏季移动,东北和南方逐渐变干,其余地区变湿(图 5b)。温室气体浓度上升促使中国东部和新疆趋于干旱化,但有助于西北东部、西南和青藏地区增湿(图 5c)。在淡水强迫驱动下,东北和南方AI在冷事件期间减小,其余地区AI增加(图 5d)。冰盖消融则导致西南以外的地区更加干燥(图 5e)。根据以上主导模态所示的空间分布,将中国分成7个子区域(图 6),以进一步分析区域变化特征。

图 5 中国区域AI正交经验分解后的主导模态(左)及相应的时间系数(右) Fig. 5 The first EOF eigenvector(left)of AI for China and corresponding principal component(right)

图 6 中国7个子区域的分布情况 Fig. 6 The geographical distribution of 7 subregions of China

在中国东北和南方,AI变化主要由温室气体浓度驱动(图 7a7c)。温室气体浓度通过影响气温而改变PET大小(图 8a8c),进而主导AI变化。在末次冰盛期,温室气体浓度偏低、PET偏小,使得AI偏大、气候偏湿;之后,气候随着温室气体浓度上升而逐渐变干。AI对温室气体强迫的响应与以往的研究结果定性一致[7]。期间,大陆冰盖是造成东北冰期气候偏湿的次要因子:与温室气体强迫类似,冰盖亦是通过降低近地面气温(图 8a)从而减少PET来作用于AI(图 7a)。

图 7图 3,但为各个子区域 Fig. 7 Same as Fig. 3, but for individual subregions

在华北和西北东部,轨道强迫是AI变化的主导因子,使得AI随着北半球高纬夏季日照量的增加而变大,并在早全新世达到两万年来的最高值(图 7b7d)。但两地区AI变化机制存在不同:在华北,AI受控于PET(图 7b);在西北东部,AI变化可归结为PET和降水的联合作用(图 7d)。两地区PET均随着北半球高纬夏季日照量增加而降低,其主因在于近地面相对湿度的差异(图 8b8d)。

图 8图 4,但为各个子区域 Fig. 8 Same as Fig. 4, but for individual subregions

新疆自末次冰盛期至今总体上呈现变干趋势,干湿变化源于多个强迫的综合效应(图 7e)。在末次冰盛期,气候偏湿,其原因一方面在于冰盖存在使得降水偏多且PET偏小,另一方面在于低温室气体浓度导致PET减小;而PET减小源自温室气体浓度偏低引起的降温,以及冰盖存在引起的相对湿度减小(图 8e)。之后,气候随着温室气体浓度上升和冰盖消融而逐渐变干。至全新世,冰盖和温室气体浓度变化趋于稳定,轨道强迫作用日渐突出。在轨道驱动下,与多数地区AI峰值出现在早全新世不同,新疆AI约在10 ka B.P.至4 ka B.P.期间维持在较高值,此后才逐步降低至目前水平;在此期间,AI变化源自降水和PET的共同作用,两者大小相当。此外,该地区对淡水强迫敏感,在HS1、YD和8.2 ka冷事件发生后降水减少、气候变干(图 7e)。

中国西南和青藏地区变化特征总体相似:AI在末次冰盛期与目前相差不大,在18 ka B.P.附近随着冰川融水注入海洋迅速减小,并在BA事件发生后快速增加,之后受控于轨道参数变化,在早全新世达到峰值后逐渐降低至目前水平(图 7f7g)。针对千年尺度冷事件,AI降低的主因是降水减少;其次,降水减少一定程度上有助于相对湿度降低,后者通过影响PET而改变AI大小。轨道驱动下,两地区干湿变化机制有所不同:西南地区AI变化取决于PET;青藏地区AI变化受PET和降水变化共同影响,且两者作用大小相当。两个地区PET变化的主要原因均在于相对湿度的差异(图 8f8g)。

4 对比重建资料

本文选取末次冰盛期和中全新世两个特征阶段来考察模拟与重建的一致性(图 9),其中代用资料取自中国古湖泊数据库的湖泊水量数据[45]。湖泊水量变化是流域范围内水量平衡的综合体现,能够代表区域有效降水的变化[46]。在末次冰盛期,中国西部湖泊水量较目前偏大,与AI偏高一致;东部湖泊记录偏少(图 9a);此外,孢粉记录显示华南至台湾一带年均降水在末次冰盛期偏多、温度偏低[47],据此推测孢粉记录反映了该地区偏湿的气候特征,与模拟的AI变化相符。在中全新世,湖泊水量记录表明华南以外的大部分地区比目前更湿,与模拟的AI变化一致(图 9b)。

图 9 相较于试验中距今最近的100年(1891-1990年)平均值,全强迫试验模拟的(a)末次冰盛期和(b)中全新世的AI变化(填色),以及两时期相较于目前的湖泊水位变化[45](站点) TraCE-21 ka试验中,末次冰盛期和中全新世分别用21.05-20.95 ka B.P.和6.05-5.95 ka B.P.平均值代表 Fig. 9 Compared to mean values of the last 100 years(1891-1990), the AI changes during the (a) Last Glacial Maximum and (b) mid-Holocene in the TraCE-21 ka full-forcing experiment(shading), as well as changes in lake levels relative to the present day[45](markers). For the TraCE-21 ka experiment, the last glacial maximum and mid-Holocene are set as averages during periods 21.05-20.95 ka B.P. and 6.05-5.95 ka B.P.,respectively

与模拟结果有所不同的是,新疆地区记录显示末次冰盛期的湖泊水量相较中全新世偏低(图 9)。这说明模拟的AI可能一定程度上高估了末次冰盛期的湿润水平,未来有必要结合多种指标和定量重建记录开展更为深入的研究工作。

5 结论

本文利用TraCE-21 ka瞬变模拟试验的数据,基于AI,即降水与PET之比,分析了过去21 ka中国地表干湿变化过程。就中国区域平均而言,AI自末次冰盛期至冰消期初始阶段稳定在高值水平,10 ka B.P.以后逐步下降。主导AI演变的外强迫因子随时间而变。在22-19 ka B.P.期间,AI比目前高22 %,其主要原因是与低温室气体浓度和大陆冰盖密切相关的降温导致PET偏小。此后,地球轨道参数变化对AI的影响逐渐突出:AI随着近日点向北半球夏季移动而增加,其变化主因可归结为相对湿度增加所造成的PET降低,次因是降水增多。在19-10 ka B.P.期间,轨道参数变化导致AI增加,同时温室气体浓度上升、冰盖融化引起AI降低,两者相互抵消,因此AI总体维持在末次冰盛期的水平。约10 ka B.P.以后,冰盖和温室气体浓度变化趋于稳定,AI在轨道参数变化主导下,随着近日点返回南半球夏季而降低。与轨道尺度变化不同,气候在千年尺度冷事件期间偏干,主要原因在于降水减少。

在空间上,中国不同地区AI变化的主导外强迫因子存在差别,AI对同一强迫的响应亦因区域而异。根据驱动AI变化的主要外强迫因子,区域尺度AI变化可归为如下几类:1)温室气体浓度驱动型:东北和南方地区AI在过去21 ka随温室气体浓度上升而降低。2)轨道驱动型:在华北和西北东部,AI随北半球高纬夏季日照量的增加而变大,并在早全新世达到峰值。3)轨道参数和淡水通量驱动型:西南和青藏地区AI对淡水强迫敏感,在18 ka B.P.左右随着冰川融水流入海洋而降低,并在BA发生后迅速增湿;此后AI受控于轨道参数,在早全新世达到峰值后逐渐降低至目前水平。4)多因子驱动型:新疆早期在冰盖和低温室气体浓度作用下偏湿,并在10 ka B.P.以前随着冰盖融化和温室气体浓度上升而变干;之后AI受控于轨道强迫,在4 ka B.P.以后逐渐降低至目前水平;与此同时,该地区AI对淡水强迫敏感,在冷突变事件发生后迅速变干。总体上,过去21 ka中国AI变化趋势由PET主导,其中温室气体浓度通过影响温度而改变PET大小,轨道参数则多是通过改变相对湿度起作用;在千年尺度突变事件过程中,AI变化主要由降水决定。

需要说明的是,本文分析了降水、气温、相对湿度等气象要素对干湿变化的作用,但关于各要素变化成因仍需进一步研究。譬如,与温室气体浓度有关的气温变化是影响过去21 ka地表干湿状况的重要因素,理解温室气体浓度和温度之间的关系有助于准确预测预估未来变化。但温度与温室气体浓度间的关系复杂:一方面,气温对温室气体变化的响应受到海洋、植被、冰雪等系统内部反馈作用的影响[48-49],导致温度变化存在相当大的不确定性;另一方面,在轨道尺度上,温室气体和温度变化之间可能存在相互作用过程[49]。因此,温度与温室气体变化间的关系及相关物理过程还需进一步探讨。其次,前文所揭示的轨道尺度与千年尺度干湿变化存在不同:AI在温室气体浓度偏低的轨道尺度冷期偏大,但在淡水流入海洋后的千年尺度冷期减小;PET差异是轨道尺度AI变化的关键因素,而降水差异是千年尺度上的主导因子;其中的物理机制尚待深入研究。最后,TraCE-21 ka试验所用的模式水平分辨率相对较粗,对中国地区现代温度和降水的模拟仍存在与地形有关的偏差[50],未来有必要开展更高分辨率的模拟试验研究。

参考文献(References)
[1]
Berdugo M, Delgado-Baquerizo M Soliveres S, et al. Global ecosystem thresholds driven by aridity[J]. Science, 2020, 367(6479): 787-790.
[2]
Williams A P, Seager R, Abatzoglou J T, et al. Contribution of anthropogenic warming to California drought during 2012-2014[J]. Geophysical Research Letters, 2015, 42(16): 6819-6828. DOI:10.1002/2015GL064924
[3]
Zhao S, Zhang H, Wang Z, et al. Simulating the effects of anthropogenic aerosols on terrestrial aridity using an aerosol-climate coupled model[J]. Journal of Climate, 2017, 30(18): 7451-7463.
[4]
Lin L, Gettelman A, Fu Q, et al. Simulated differences in 21st century aridity due to different scenarios of greenhouse gases and aerosols[J]. Climatic Change, 2017, 146(3): 407-422.
[5]
Fu Q, Lin L, Huang J, et al. Changes in terrestrial aridity for the period 850-2080 from the Community Earth System Model[J]. Journal of Geophysical Research:Atmospheres, 2016, 121(6): 2857-2873. DOI:10.1002/2015JD024075
[6]
Zuo M, Zhou T, Man W. Wetter global arid regions driven by volcanic eruptions[J]. Journal of Geophysical Research:Atmospheres, 2019, 124(24): 13648-13662. DOI:10.1029/2019JD031171
[7]
Feng S, Fu Q. Expansion of global drylands under a warming climate[J]. Atmospheric Chemistry and Physics, 2013, 13(19): 10081-10094.
[8]
刘珂, 姜大膀. RCP4.5情景下中国未来干湿变化预估[J]. 大气科学, 2015, 39(3): 489-502.
Liu Ke, Jiang Dabang. Projected changes in the dry/wet climate of China under the RCP4.5 scenario[J]. Chinese Journal of Atmospheric Sciences, 2015, 39(3): 489-502.
[9]
Huang J, Yu H, Guan X, et al. Accelerated dryland expansion under climate change[J]. Nature Climate Change, 2016, 6(2): 166-171.
[10]
姜江, 姜大膀, 林一骅. 中国干湿区变化与预估[J]. 大气科学, 2017, 41(1): 43-56.
Jiang Jiang, Jiang Dabang, Lin Yihua. Changes and projection of dry/wet areas over China[J]. Chinese Journal of Atmospheric Sciences, 2017, 41(1): 43-56.
[11]
Greve R. On the response of the Greenland ice sheet to greenhouse climate change[J]. Climatic Change, 2000, 46(3): 289-303.
[12]
Huybrechts P, Goelzer H, Janssens I, et al. Response of the Greenland and Antarctic ice sheets to multi-millennial greenhouse warming in the Earth system model of intermediate complexity LOVECLIM[J]. Surveys in Geophysics, 2011, 32(4): 397-416.
[13]
Berger A L. Long-term variations of daily insolation and Quaternary climatic changes[J]. Journal of the Atmospheric Sciences, 1978, 35(12): 2362-2367. DOI:10.1175/1520-0469(1978)035<2362:LTVODI>2.0.CO;2
[14]
Braconnot P, Otto-Bliesner B L, Harrison S P, et al. Results of PMIP2 coupled simulations of the mid-Holocene and Last Glacial Maximum-Part 2:Feedbacks with emphasis on the location of the ITCZ and mid- and high latitudes heat budget[J]. Climate of the Past, 2007, 3(2): 279-296. DOI:10.5194/cp-3-279-2007
[15]
Hu A, Meehl G A, Han W, et al. Transient response of the MOC and climate to potential melting of the Greenland ice sheet in the 21st century[J]. Geophysical Research Letters, 2009, 36(10): L10707.
[16]
Peltier W R. Global glacial isostasy and the surface of the ice-age Earth:The ICE-5G(VM2)model and GRACE[J]. Annual Review of Earth and Planetary Sciences, 2004, 32(1): 111-149.
[17]
Joos F, Spahni R. Rates of change in natural and anthropogenic radiative forcing over the past 20, 000 years[J]. Proceedings of the National Academy of Sciences of the United States of America, 2008, 105(5): 1425-1430.
[18]
Broecker W S, Peteet D M, Rind D. Does the ocean-atmosphere system have more than one stable mode of operation?[J]. Nature, 1985, 315(6014): 21-26.
[19]
McManus J F, Francois R, Gherardi J M, et al. Collapse and rapid resumption of Atlantic meridional circulation linked to deglacial climate changes[J]. Nature, 2004, 428(6985): 834-837. DOI:10.1038/nature02494
[20]
Liu S, Jiang D, Lang X. A multi-model analysis of moisture changes during the Last Glacial Maximum[J]. Quaternary Science Reviews, 2018, 191: 363-377. DOI:10.1016/j.quascirev.2018.05.029
[21]
Liu S, Jiang D, Lang X. Mid-Holocene drylands:A multi-model analysis using Paleoclimate Modelling Intercomparison Project Phase Ⅲ(PMIP3)simulations[J]. The Holocene, 2019, 29(9): 1425-1438.
[22]
姜大膀, 田芝平. 末次冰盛期和全新世中期东亚地区水汽输送的模拟研究[J]. 第四纪研究, 2017, 37(5): 999-1008.
Jiang Dabang, Tian Zhiping. Last Glacial Maximum and mid-Holocone water vapor transport over East Asia:A modeling study[J]. Quaternary Sciences, 2017, 37(5): 999-1008.
[23]
Liu Z, Otto-Bliesner B L, He F, et al. Transient simulation of last deglaciation with a new mechanism for Bølling-Allerød warming[J]. Science, 2009, 325(5938): 310-314. DOI:10.1126/science.1171041
[24]
He F. Simulating Transient Climate Evolution of the Last Deglaciation with CCSM3[D]. Madison: The Ph.D Thesis of University of Wisconsin-Madison, 2011: 171.
[25]
Liu Z, Lu Z, Wen X, et al. Evolution and forcing mechanisms of El Niño over the past 21, 000 years[J]. Nature, 2014, 515(7528): 550-553.
[26]
Wen X, Liu Z, Wang S, et al. Correlation and anti-correlation of the East Asian summer and winter monsoons during the last 21, 000 years[J]. Nature Communications, 2016, 7(1): 11999.
[27]
Lu F, Ma C, Zhu C, et al. Variability of East Asian summer monsoon precipitation during the Holocene and possible forcing mechanisms[J]. Climate Dynamics, 2019, 52(1): 969-989.
[28]
Shi J, Yan Q. Evolution of the Asian-African monsoonal precipitation over the last 21 kyr and the associated dynamic mechanisms[J]. Journal of Climate, 2019, 32(19): 6551-6569. DOI:10.1175/JCLI-D-19-0074.1
[29]
王菁菁, 程军, 鹿化煜. 21 ka以来东亚夏季风区南部和北部气候变化的模拟与重建对比[J]. 第四纪研究, 2019, 39(3): 589-601.
Wang Jingjing, Cheng Jun, Lu Huayu. Comparative analysis of simulation and reconstruction of climate change in the south and north of the East Asian summer monsoon region over the last 21 ka[J]. Quaternary Sciences, 2019, 39(3): 589-601.
[30]
Shanahan T M, McKay N P, Hughen K A, et al. The time-transgressive termination of the African humid period[J]. Nature Geoscience, 2015, 8(2): 140-144.
[31]
Yan Q, Zhang Z. Dominating roles of ice sheets and insolation in variation of tropical cyclone genesis potential over the North Alantic during the 21, 000 years[J]. Geophysical Research Letters, 2017, 44(20): 10624-10632. DOI:10.1002/2017GL075786
[32]
何鹏, 刘健, 刘斌, 等. 全新世两次典型突变事件下北半球季风降水的变化对比[J]. 第四纪研究, 2019, 39(6): 1373-1383.
He Peng, Liu Jian, Liu Bin, et al. Comparison of changes of Northern Hemisphere monsoon precipitation between two typical abrupt climate events in Holocene[J]. Quaternary Sciences, 2019, 39(6): 1373-1383.
[33]
Oliver J E. Encyclopedia of World Climatology[M]. Dordrecht: Springer, 2005: 854.
[34]
Robert M, Thomas M. Arid Lands Water Evaluation and Management[M]. Dordrecht: Springer, 2012: 1076.
[35]
Middleton N J, Thomas D S G. World atlas of Desertification[M]. 2nd ed. London: Arnold-A Member of the Hodder Headline Group, 1997: 182.
[36]
Gao X, Giorgi F. Increased aridity in the Mediterranean region under greenhouse gas forcing estimated from high resolution simulations with a regional climate model[J]. Global and Planetary Change, 2008, 62: 195-209. DOI:10.1016/j.gloplacha.2008.02.002
[37]
Sherwood S, Fu Q. A drier future?[J]. Science, 2014, 343(6172): 737-739.
[38]
Pisias N G, Shackleton N J. Modelling the global climate response to orbital forcing and atmospheric carbon dioxide changes[J]. Nature, 1984, 310(5980): 757-759. DOI:10.1038/310757a0
[39]
Genthon G, Barnola J M, Raynaud D, et al. Vostok ice core:Climatic response to CO2 and orbital forcing changes over the last climatic cycle[J]. Nature, 1987, 329(6138): 414-418.
[40]
Allen R G, Pereira L S, Raes D, et al. Crop Evapotranspiration:Guidelines for Computing Crop Water Requirements[M]. Rome: FAO Irrigation and Drainage Paper 56, Food and Agricultural Organization of the United Nations, 1998: 300.
[41]
Fu Q, Feng S. Responses of terrestrial aridity to global warming[J]. Journal of Geophysical Research:Atmospheres, 2014, 119(13): 7863-7875. DOI:10.1002/2014JD021608
[42]
Chen M, Xie P, Janowiak J E, et al. Global land precipitation:A 50-yr monthly analysis based on gauge observations[J]. Journal of Hydrometeorology, 2002, 3(3): 249-266.
[43]
Kanamitsu M, Ebisuzaki W, Woollen J, et al. NCEP-DOE AMIP-Ⅱ reanalysis(R-2)[J]. Bulletin of the American Meteorological Society, 2002, 83(11): 1631-1643. DOI:10.1175/BAMS-83-11-1631
[44]
Taylor K E. Summarizing multiple aspects of model performance in a single diagram[J]. Journal of Geophysical Research:Atmospheres, 2001, 106(D7): 7183-7192. DOI:10.1029/2000JD900719
[45]
Yu G, Harrison S P, Xue B. Lake Status Records from China: Data Base Documentation[R]. Max-Planck-Institut für Biogeochemie, 2001: 243.
[46]
薛滨, 于革. 中国末次冰盛期以来湖泊水量变化及古气候变化机制解释[J]. 湖泊科学, 2005, 17(1): 35-40.
Xue Bin, Yu Ge. The lake status of China since LGM and its significance for palaeoclimate[J]. Journal of Lake Sciences, 2005, 17(1): 35-40.
[47]
吴海斌, 李琴, 于严严, 等. 末次冰盛期中国气候要素定量重建[J]. 中国科学:地球科学, 2019, 49(8): 1259-1268.
Wu Haibin, Li Qin, Yu Yanyan, et al. Quantitative climatic reconstructions of the Last Glacial Maximum in China[J]. Science China:Earth Sciences, 2019, 49(8): 1259-1268.
[48]
Stocker T F, Qin D, Plattner G-K, et al. Technical summary[M]//Stocker T F, Qin D, Plattner G-K, et al. Climate Change 2013: The Physical Science Basis. Contribution of Working Group Ⅰ to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge and New York: Cambridge University Press, 2013: 3-29.
[49]
周鑫, 郭正堂. 浅析新生代气候变化与大气温室气体浓度的关系[J]. 地学前缘, 2009, 16(5): 15-28.
Zhou Xin, Guo Zhengtang. On the Cenozoic climate changes and greenhouse gases[J]. Earth Science Frontiers, 2009, 16(5): 15-28.
[50]
Jiang D., Lang X, Tian Z. Reliability of climate models for China throught the IPCC third to fifth assessment reports[J]. International Journal of Climatology, 2016, 36(3): 1114-1133. DOI:10.1002/joc.4406
A transient simulation analysis of terrestrial moisture changes over China during the past 21000 years
Liu Shanshan1,2, Jiang Dabang1,2     
(1 Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029;
2 University of Chinese Academy of Sciences, Beijing 100049)

Abstract

The terrestrial moisture change is one of the hot issues in climate change researches. This study investigates the dry-wet changes over China through the last 21 ka and associated main climatic drivers using data from a transient simulation, which is forced by realistic climatic drivers consisting of orbital parameters, greenhouse gas(GHG) concentrations, continental ice sheets, and meltwater fluxes. The aridity index(AI), as defined by the ratio of annual precipitation to potential evapotranspiration(PET), is used to measure the moisture conditions, where PET is calculated according to the Penman-Monteith equation. Main conclusions are as follows.(1) At the orbital scale, the dominant external forcing exerting on AI varies with time. On average, the China climate is relatively humid before 10 ka B.P., and then has a drying trend. To be specific, during the period 22~19 ka B.P., AI is 22% higher than present as induced by the lower GHG concentration and ice sheet expansion; in the following 9 ka, the GHG concentration increase and ice sheet melting favor a rise of AI, but in the meantime the increased summer insolation in the northern high-latitudes leads to AI reduction, and thus the AI is overall little changed; thereafter, AI varies under the domination of transient orbital parameters and gradually decreases to the current level. (2) Further diagnostic is conducted to examine main variables responsible for AI changes through decompositions of AI and PET functions. The diagnostic reveals that the aforementioned orbital-scale changes in AI are determined by the altered PET:the GHG concentration and orbital parameters affect PET mainly through altering near-surface air temperature and relative humidity, respectively; under the control of the ice sheet, PET changes are due to the combined effect of air temperature and relative humidity changes. (3) The millennium-scale change is different from that at the orbital scale, and the climate is drier during abrupt cold events due to lower precipitation. (4) Spatially, the changes are regionally different across China, with the external forcing dominating AI changes and the AI responses to the same forcing varying among regions.
Key words: dry and wet climate change    the last 21 ka    climate in China    paleoclimate modelling