2014, Vol. 57
2. 清华大学计算机科学与技术系, 北京 100084;
3. 清华大学地球系统数值模拟教育部重点实验室, 北京 100084;
4. 清华大学地球系统科学研究中心, 北京 100084;
5. 纽约州立大学石溪分校, 大气与海洋学院, 纽约 11794-5000
2. Department of Computer Science and Technology, Tsinghua University, Beijing 100084, China;
3. Ministry of Education Key Laboratory for Earth System Modeling, Tsinghua University, Beijing 100084, China;
4. Center for Earth System Science, Tsinghua University, Beijing 100084, China;
5. School of Marine and Atmospheric Sciences, State University of New York at Stony Brook, Stony Brook, New York 11794-5000, USA
1 引言
大气环流模式在给定观测边界条件下能够较好地模拟出热带区域的年际变率特征.但在海洋和大气进行耦合的气候系统模式中，模拟结果却存在较大的系统误差(Mechoso et al., 1995).这是因为热带地区大气环流的变化是对海表面温度(SST)的响应(Shukla，1998)，而在耦合模式的模拟中，SST本身的模拟存在误差，SST的模拟偏差不仅影响大气的模拟，还可以通过海-气相互作用进一步将模拟误差放大.在不考虑外强迫的条件下，大气模式模拟的变率可以分为两个部分：SST强迫的变率(信号)和非SST强迫的变率(内部噪音).当前耦合模式尚不能明确区分信号和噪音，二者均会在耦合系统中通过反馈而增长.如果大气模式分量有不符实际的强内部噪音，耦合系统会通过反馈过程将其放大，那么耦合模式就难以确切描述SST强迫的信号特征(Kirtman and Shukla， 2002).
为了抑制耦合系统中的大气噪音，Kirtman和Shukla(2002)提出了一种不同于传统耦合模式和传统集合方法的新耦合思想，称为交互集合耦合.在这样的系统中，存在多个初值的大气模式分量和单个海洋模式分量，不同初值大气模式分量计算得到的通量进行集合平均，然后传递给海洋模式.通过这一方法，可以降低耦合模式中大气传递给海洋的噪音.已有研究表明，基于美国海-陆-气研究中心耦合模式(COLA)建立的交互集合耦合模式在ENSO的 模拟方面相对于原耦合模式有了较大提高(Kirtman and Shukla， 2002).
交互集合耦合方法通过降低大气内部噪音，可以用来区分大气噪音和信号.因此，COLA交互集合耦合模式随后被大量应用于研究噪音和信号在气候系统中的作用.Wu等(2004a，2004b)利用该模式试验结果研究了北大西洋SST低频变率的原因，指出在北大西洋副热带地区，大气噪音起了主要作用，而在湾流延伸区域，大气噪音作用相对较弱，主要是海洋内部过程引起的.Yeh和Kirtman(2004)利用该模式模拟结果研究了大气内部噪音对北太平洋SST低频变率的作用，发现北太平洋SST的方差随着交互集合耦合中不同初值大气分量的增多而减小，从而指出北太平洋SST变率主要是由大气噪音引起的.交互集合还被用于定量计算太平洋SST的信噪比，研究指出噪音占北太平洋地区SST变率的70%~90%，而热带太平洋地区，信号占主导作用，且这两个区域的信号和噪音的空间分布明显不同(Yeh and Kirtman， 2006).为了区分局地区域大气噪音的作用，Yeh等(2007)利用COLA交互集合耦合系统开展了仅对热带外区域进行交互集合耦合的敏感性试验，并与全球进行交互集合耦合的试验进行对比，以研究局地和非局地大气噪音的作用，指出在北太平洋地区局地噪音占主导作用，但来自热带的非局地大气噪音也不可忽略.
此外，交互集合耦合模拟还被用于与ENSO有关的可预报性研究中(Wu et al., 2004a，2004b).最新的研究将交互集合耦合系统构建在美国国家大气研究中心(NCAR)耦合模式CCSM3上，通过开展工业革命前控制试验和具有外强迫变化的20世纪试验，研究天气噪音对气候强迫响应的影响(Kirtman et al., 2011).
鉴于国内对于交互集合耦合模拟研究尚属空白，清华大学地球系统科学研究中心基于国外已有研究，利用一个耦合模式新建立了交互集合耦合模式系统，并开展了长期控制试验积分.本文的主要目的，是通过对比分析交互集合模式和标准耦合模式对北太平洋SST变率和ENSO的模拟，考察该交互集合耦合模式的合理性，探讨该系统在大气噪音和海-气相互作用研究领域的适用性，为该系统的应用和推广提供参考.文中有关北太平洋SST变率的模拟结果主要与Yeh和Kirtman(2004)基于COLA模式(简称Yeh04)结果进行对比.
2 交互集合耦合模式系统和试验介绍本文新建立的交互集合耦合模式系统是参照国家气候中心耦合模式BCC_CSM1.0(辛晓歌等，2009；Zhang et al., 2011)、NCAR耦合模式CCSM3.0(Meehl et al., 2006)和中国科学院大气物理研究所耦合模式FGOALS-g2.0(Li et al., 2013a)的构架建立起来的.目的是将国内应用较多 的这三个耦合模式中的大气模式(AGCM)分量BCC_AGCM2.0(Wu et al., 2008)、 CAM3.0(Collins et al., 2006)和GAMIL2.0(Li et al., 2007，2013b)都融入到这一交互集合耦合系统中.选用的海冰、海洋和陆面模式为BCC_CSM1.0和CCSM3.0模式共同使用的分量，分别为CSIM5(Briegleb et al., 2004)、POP1.4.3(Smith and Gent， 2002)和CLM3(Dickinson et al., 2006). 海洋模式POP1.4.3为三极网格，分辨率约为1°，垂直分层为40层.耦合器为基于NCAR CPL6(Craig et al., 2005)构建的.在该集合耦合系统中，既可以使用这三个不同的大气模式作为多大气模式分量，也可以使用其中一个大气模式不同初值组成多个大气模式分量，或者是同一大气模式不同物理参数化方案组成多个大气模式分量.本文所使用的试验是由GAMIL2.0模式采用7个不同初值组成的7个大气分量与其它模式分量进行耦合.大气模式GAMIL2.0的分辨率约为2.8°，垂直方向为26层.在试验过程中，7个大气分量与海洋之间分别计算海-气通量后，将集合平均值提供给海洋，而海洋与每个不同大气分量之间计算得到的通量传递给相应大气分量(图 1).海洋和大气交换的频率为1天.海冰和陆面也得到了7个大气初值分量集合平均的通量.
 | 图 1 交互集合耦合模式示意图Fig. 1 Schematic diagram of the interactive ensemble model |
在交互集合耦合试验开展之前，利用标准耦合模式即单个GAMIL2.0大气模式参与耦合开展了450年的工业革命前控制试验，大气外强迫包括温室气体、硫酸盐、臭氧、太阳常数均固定在工业革命前水平保持不变.检验结果表明，该试验积分在200年以后已经基本达到平衡(Zhang et al., 2014).在400年之后的积分结果中，选取7个不同时间的结果作为初值，组成7个大气模式分量，进行交互集合耦合试验.交互集合耦合试验共开展了250年的积分，标准耦合试验也相应继续开展了250年的积分.本文将利用这两个试验后100年的试验结果进行对比分析.以下分析中用IE表示交互集合耦合模式，SC表示标准耦合模式.
本文用于检验模式结果的大气环流资料包括位势高度和海平面气压来自NCEP/ NCAR再分析资料(Kalnay et al., 1996)，观测海温资料为Hadley中心海温资料HadISST1(Rayner et al., 2003).这两种资料均选取1961—1990年.为与控制试验进行对比，观测资料在分析之前均去掉这30年的线性趋势.本文中Nino3.4指数的定义为赤道中东太平洋(120°W—170°W，5°S—5°N)区域平均SST相对于气候季节循环的月平均异常值.
3 模拟结果已有研究利用交互集合耦合系统研究较多的是北半球中高纬度海洋SST变率和热带地区的ENSO特征.为验证本文交互集合耦合系统建立的合理性，以下将从这北太平洋SST变率和ENSO两个方面着手分析.我们还将对比SC和IE模式对ENSO与北太平洋热带外SST联系的模拟，探讨大气噪音所起的作用.
3.1 北太平洋SST变率图 2a—2b给出了IE和SC模拟的北太平洋100年SST月平均异常的方差.在SC模拟中，方差最大的区域均位于中纬度北太平洋，IE模拟的SST方差空间分布与SC相似，但量值明显减小.从二者之比(IE/SC)可以看出(图 2c)，交互集合耦合模拟减弱了北太平洋海盆大部分地区的SST方差.方差减小最明显的区域位于北太平洋中高纬度，这些地区减小了85%以上，意味着SST方差的变化与来自大气噪音的强度成正比.因此，在该区域的海-气相互作用中，大气强迫作用占主导.这与Yeh04依据零假设(Hasselmann，1976)推算的交互集合与标准模式海洋SST方差比的特征一致.他们依据方差比将噪音的作用分为三类：(1)假设M为交互集合中大气初值分量样本数(M≥2)，如果比值约为1/M，则气候变率主要是大气噪音强迫的，海洋噪音的作用相对较小；(2)如果方差比为0.5~1.0，要么海洋噪音起主要作用，要么存在不稳定耦合反馈或者非线性过程；(3)如果方差比大于1.0，存在不稳定耦合反馈或者非线性过程.本文从方差比得到的北太平洋中高纬度大气强迫海洋的特征，与基于气候模式数值试验和观测资料诊断所得到的结论一致(Lau et al., 1997; 周天军，2003a；周天军等， 2006a，2006b).从模式模拟的北太平洋SST方差比还可以看出，在北太平洋副热带涡旋区的部分区域，海洋的噪音可能起了一定作用，在北太平洋高纬度西边界流区域出现了方差比大于1的现象，这些区域可能存在不稳定耦合反馈或者非线性过程.
 | 图 2 IE(a)和SC(b)模式模拟的100年月平均SST异常的方差(单位：℃2)，二者之比(c)和二者之差(d)Fig. 2 Variance of monthly SST anomalies of the IE(a) and SC model(Unit:℃2)(b)，the ratio(c) and difference(d)of variances between the IE and SC for the simulation of 100 years |
两种模拟方法量值差异最大的区域位于黑潮及其延伸体区(图 2d)，其次是副热带中太平洋区域.这样的特征与Yeh04结果基本一致，为了与COLA集合耦合结果进行对比，我们下文还将分析这两个 区域平均SST的周期特征是否受到大气噪音的影响.
IE与SC的主要不同在于，IE对多个不同初值大气分量传递给海洋的通量进行集合平均，这些通量包括风应力、热通量(辐射热通量和湍流热通量)和淡水通量.进一步对比IE和SC中耦合通量的方差比(图 3).IE模拟中湍流热通量方差的减少达到90%的范围最广，其分布与SST方差比减小基本一致，反映了在这些区域，大气噪音驱动SST变化的主要途径是湍流热通量.这与张学洪等(1998)和李博等(2011)用热通量异常与SST倾向变化关系法(Cayan et al., 1992)得到的结论一致.辐射热通量的方差比在西北太平洋高纬度区域也较小，在90%左右.在北太平洋中纬度区域，纬向风应力方差的减小也较显著.风影响SST有两种可能的方式：一是风应力旋度通过驱动海洋环流影响SST；二是风速通过湍流热通量影响SST.这里对二者的重要性不做定量分析.淡水通量减小最多的区域主要位于亚洲大陆沿海区域，包括日本群岛以东、黑潮盛行区和阿留申群岛南部，这些区域也是观测中淡水通量交换较为明显的区域(周天军等，1999；周天军，2003b).
 | 图 3 IE和SC模式模拟的100年湍流热通量(a)和辐射热通量(b)、经向风应力(c)、纬向风应力(d)和淡水通量(e)的月平均异常方差比Fig. 3 The ratio of the variance in the IE and SC model for monthly anomalies of turbulent heat flux(a)，radiation heat flux(b)，zonal wind stress(c)，meridional wind stress(d) and fresh water flux(e)in the simulation of 100 years |
对当前耦合模式来说，其中一个较大的挑战是能否合理模拟与ENSO相关的遥相关型.图 4给出了IE、SC以及观测中冬季Nino3.4指数与SST的相关分布.在太平洋区域，IE和SC都能较好地模拟出赤道东太平洋的正相关分布和西北太平洋、西南太平洋的负相关.但在中纬度北太平洋区域却存在着明显差别，SC未能模拟出北太平洋中高纬度区域的负相关(图 4b)，而IE则能较好地刻画出来(图 4a)，尽管强度比观测偏弱.这表明交互集合系统通过降低大气噪音，有利于模拟出赤道中东太平洋与北太平洋中高纬度区域SST变化的联系，也反映出标准耦合模式对噪音的不合理估计将对北太平洋区域气候变率产生重要影响.此外，SC模拟的热带大西洋区域的显著正相关主要位于赤道以南，而 观测中位于赤道以北，IE模拟的正相关跨越了赤道两侧.
 | 图 4 IE(a)、SC(b)模式和观测(c)中冬季(DJF)平均 Nio3.4指数与冬季SST的相关分布.观测为1961— 1990年HadISST1资料去掉线性趋势后的结果Fig. 4 The correlation between winter(DJF)Nio3.4 index and winter SST for IE(a)，SC(b)， and observation(c). The observation is from HadISST1 dataset during 1961—1990 with the linear trend removed |
北太平洋中高纬度SST与ENSO负相关关系模拟的改善与基于COLA交互集合耦合模式结果一致，COLA交互集合耦合模式还大大提高了赤道中东太平洋的正相关分布，使其经向分布更广.但这在本文IE模拟中并无明显体现，可能是因为COLA为一个距平耦合模式，对ENSO在赤道中东太平洋的模拟存在缺陷(Kirtman and Shukla， 2002).另外，观测中冬季热带印度洋与ENSO的关系为一致性正相关(图 4c).周天军等(2004)利用海气耦合模式验证了热带太平洋ENSO通过“大气桥”对热带印度洋年际气候变率的影响.但本文中，无论是SC还是IE都在印度洋东部沿岸模拟出了负相关(图 4a—4b)，这可能与模式本身的模拟性能有关.
3.3 北太平洋SST和ENSO变率特征Yeh04给出了黑潮延伸区域和副热带涡旋区域的SST变率周期特征，发现IE中大气噪音减小后，副热带涡旋区SST的低频周期不显著，突出了2年的年际周期，黑潮延伸区域SST的年代际信号强度减弱，频谱变宽.为了表明这些特征是否具有模式依赖性，我们根据SC和IE模拟的SST方差差异选定了两个区域：黑潮延伸区域(38°N—47°N，140°E— 180°E)(NP1)和副热带涡旋区域(25°N—33°N，190°E—220°E)(NP2)，研究区域平均SST的序列演变和周期特征.我们选取的NP2范围比Yeh04偏南偏东，以使该区域覆盖方差差异较大的区域(图 2d).为了与ENSO特征进行对比，还给出了Nino3.4指数的序列演变.由图 5可以看出，IE模式模拟的三个指数的年际变率都比SC模式的小得多.NP1指数的方差比(IE/SC)为0.13，NP2的方差比为0.16，而Nino3.4指数的方差比为0.15.
 | 图 5 IE(a，c，e)和SC(b，d，f)模式模拟的 NP1(a，b)、NP2(c，d)区域平均SST(℃)和Nino3.4(e，f)指数序列(℃)，右上角数字表示序列的方差Fig. 5 Regional averaged SST(℃)over NP1 and NP2 and Nino 3.4 time series(℃)simulated by the IE(a，c，e) and SC model(b，d，f). The number listed in the upper right corner is the variance of the time series |
图 6给出了三组指数的谱分布.NP1指数在SC模拟中有8年的周期和2年以下的年际周期，而在减小了大气噪音的IE模拟中，8年周期不再显著，但2年左右的周期更加显著.NP2指数在SC的模拟中出现了8年、4年的周期，但在IE的模拟中，这两个周期都不显著.模拟结果反映了这两个区域SST的低频周期都是受大气内部动力过程驱动的，这与Yeh04结果一致.但不同的是，本文IE模式未突出NP2区域2年左右的振荡周期.
IE和SC模式模拟的Nino3.4指数的周期也有明显不同，在标准模式中体现为1~3年的周期，而集合耦合模拟中更加突出了模式在3年和2年左右的谱峰.在多个陆面和多个大气的集合耦合模拟中，Zhang等(2014)发现标准模式中存在1至4年左右的周期，而在集合耦合模拟中ENSO的年际尺度变率主要表现为准2年周期.这与本文中仅有多个大气模式的集合耦合结果不一致，从侧面也反映了陆-气相互作用的重要性.
 | 图 6 IE(a，c，e)和SC(b，d，f)模式模拟的NP1(a，b)、NP2(c，d)和Nino3.4(e，f)指数的功率谱分布，虚线表示通过95%信度检验Fig. 6 Power spectral of the time series of NP1 index(a，b)，NP2 index(c，d) and Nino3.4(e，f)time series simulated by IE(a，c，e) and SC model(b，d，f). The dotted line indicates the confidence level of 95% |
Yeh04指出COLA交互集合耦合模拟的副热带涡旋区域SST与ENSO有显著的联系，而在标准耦合模拟中，由于噪音过强掩盖了二者的联系.为检验此现象，我们将IE和SC中的NP2指数分别与其模拟的SST求相关并进行对比(图 7).在IE模拟中，负的NP2指数与SST在热带东太平洋地区呈现显著的正相关，表现为与ENSO一致的特征，但在SC模拟中，赤道以南热带东太平洋SST与NP2指数相关并不显著.两种模拟方法呈现出的不同特征与Yeh04年利用COLA模式得到的结果一致，这一步确认了大气噪音过强会掩盖副热带涡旋区域SST变化与ENSO之间的联系.在减小了大气噪音的IE模拟中，来自热带ENSO的强迫信号更加突出，能够对副热带SST产生影响.
 | 图 7 IE(a)和SC(b)模拟的NP2反位相指数与SST的相关分布Fig. 7 Correlation between opposite time series of NP2 index and SST in the simulation of IE(a) and SC(b)model |
ENSO型海温对中高纬度北太平洋SSTA的作用，无论热力还是动力上都是非常重要的，这种强迫作用可以部分解释北太平洋SST的年际变率模态(Zhou et al., 2002). 由之前分析可知，ENSO与高纬度北太平洋SST的联系在IE的模拟中更加合理.目前普遍认为，热带太平洋和中纬度北太平洋的联系是通过“大气桥”的作用实现的.Lau(1997)对“大气桥”的作用原理进行系统总结，指出ENSO能够在太平洋—北美沿岸激发出“太平洋—北美”(PNA)遥相关型，在太平洋表现为阿留申低压加强，使得更多的高纬度冷空气作用于海洋，引起海表湍流通量出现负异常，从而海温降低.
为对比IE和SC对“大气桥”的模拟能力，图 8给出IE、SC和观测的冬季Nino3.4指数与500 hPa位势高度和地表气压的回归分布.可见，观测中位势高度随ENSO的变化在北半球主要表现为PNA(Fig. 8c).北太平洋为负中心，位势高度在ENSO正位相时降低；北美大陆为正中心，位势高度在ENSO正位相时升高.IE和SC均能模拟出北太平洋中部的负中心，但SC模拟的正中心位置偏西，位于东北太平洋(8b).因此，IE模拟的与ENSO相关的PNA遥相关型分布与观测更为一致.
 | 图 8 IE(a)、SC(b)模式和观测(c)中冬季Nino3.4指数与冬季500 hPa位势高度(单位：gpm)的回归分布，阴 影为通过95%信度检验的区域.观测为1961—1990年 NCEP/NCAR资料去掉线性趋势后的结果Fig. 8 The regression between winter Nino3.4 index and geopotential height at 500 hPa(Unit: gpm)for IE(a)，SC(b)model， and observation(c). The observation is from NCEP/NCAR reanalysis during 1961—1990 with the linear trend removed. The shaded is above at the 95% confidence level |
根据Lau(1997)的研究，与ENSO相关的北太平洋区域海平面气压异常与地表热通量的关系非常密切，直接影响到SST的变化.进一步探讨IE和SC中冬季Nino3.4指数与湍流热通量和辐射热通量的相关分布(图 9).可以看出，在IE中，中纬度北太平洋的海表湍流热通量与Nino3.4指数为负相关(图 9a)，而在SC中，在东北太平洋出现了正相关(图 9c)，与SC模拟的PNA正中心对应(图 8b).SC模拟的Nino3.4指数与东北太平洋辐射热通量也存在显著的正相关(图 9b)，但在IE模拟中则没有这样的现象，IE中辐射热通量与Nino3.4指数的相关只在个别地区出现了负相关.这进一步验证了PNA对海温的影响主要是通过湍流热通量而不是辐射热通量.由于PNA遥相关型与湍流热通量变化有很好的对应关系，IE对与ENSO相关的PNA 遥相关型模拟更为合理，是其能够更好模拟中纬度北太平洋与ENSO的负相关特征的主要原因.
 | 图 9 IE(a，b)和SC(c，d)模式模拟的冬季Nino3.4指数与湍流热通量(a，c)和辐射热通量(b，d)的相关分布.阴影为通过95%信度检验的区域Fig. 9 The correlation between winter Nino3.4 index and turbulent heat flux(a，c) and radiation heat flux(b，d) for IE(a，b)， and SC(c，d). The shaded is above the 95% confidence level |
已有研究证实，海气湍流通量参数化方案的改进，对北太平洋地区大气环流年际变化的模拟能力有较大提高(李忠贤等，2011；刘晓娟等，2011).阵风参数化方案能够通过增强湍流通量提高PNA型大气环流的模拟(Li et al., 2011; Liu et al., 2011).本文模拟的与ENSO相关的湍流热通量分布更加 合理，也可能是PNA型遥相关得到改善的一个原因.
无论是副热带涡旋区SST与ENSO的联系，还是ENSO与北太平洋中高纬度SST的联系，都在IE的模拟中有更合理的体现.这反映了SC模式中噪音过强影响了太平洋热带和热带外SST之间联系的模拟.因此，对当前耦合模式来说，合理估计模式中的大气噪音显得尤为重要，这是未来耦合模式提高其模拟能力需要考虑的一个重要方面.
4 结论
清华大学地球系统科学研究中心在一个标准耦合(SC)模式的基础上建立了交互集合耦合(IE)模式，利用大气模式GAMIL2.0采取不同初值组成的7个大气分量模式与其它模式分量进行在线集合耦合，开展了长期控制试验积分.为验证IE模式建立的合理性，本文对比分析了IE和SC模式100年输出结果在北太平洋SST变率和ENSO两个方面的模拟，并分析了ENSO与北太平洋热带外SST联系的模拟.主要结论如下：
(1)IE相对于SC减小了北太平洋中高纬度SST方差的85%以上，意味着海洋变率随着大气变率的减小而减小，表明该区域大气强迫于海洋.
(2)对比IE和SC各通量的方差比表明，北太平洋中高纬度湍流热通量变率的减小最大，其次是辐射热通量和经向风应力.这意味着湍流热通量是影响北太平洋SST变率的主要因子.
(3)SC模拟的黑潮延伸体区SST和北太平洋中纬度副热带涡旋区SST都存在显著的年代际周期，而在IE的模拟中不再显著，意味着大气噪音对这两个区域SST的低频变化周期有重要影响.
(4)在IE模拟中，北太平洋副热带涡旋区平均SST与东赤道太平洋SST的相关体现出ENSO的分布特征，而在SC模拟中则没有这样的特征.IE能够模拟出ENSO与中纬度北太平洋SST的负相关，这与观测是一致的，而在SC试验中为虚假正相关.这反映了耦合模式中过强的大气噪音将掩盖ENSO与北太平洋热带外SST关系.
(5)IE对北太平洋中高纬度SST与ENSO的模拟更为合理，与其能够更为合理的模拟PNA遥相关型有关.IE模拟的北美大陆正中心位置与观测接近，而SC模拟的正中心位置偏西，位于东北太平洋.PNA对北太平洋中高纬度SST的影响主要是通过湍流热通量实现的.
以上结论中，北太平洋中高纬度大气强迫海洋的特征，噪音对副热带涡旋区低频周期的影响，以及对ENSO与北太平洋中高纬度SST关系模拟的改善，与国外基于COLA模式建立的交互集合耦合模式结果基本一致，验证了清华大学新建立的交互集合耦合模式系统的合理性.本文分析得到的湍流热通量是决定北太平洋SST变率的最主要因子，与已有统计方法得到的结论一致，从而表明交互集合耦合模式系统在研究海-气相互作用方面的可适用性.
本文分析还揭示了标准耦合模式中大气噪音过强可能会影响ENSO与热带外太平洋SST关系的模拟.这反映了当前耦合模式对大气噪音的合理估计对北太平洋气候变率模拟的重要性.由此也表明，交互集合耦合作为滤除大气噪音的方法，可以为改进当前耦合模式模拟性能提供借鉴.未来我们还将利用该交互集合耦合系统在北大西洋海-气相互作用、可预报性等方面开展更多的研究.
致谢感谢李立娟博士对集合耦合试验和模式调试方面给予的建议和帮助.
| [1] | Briegleb B P, Bitz C M, Hunke E C, et al. 2004. Scientific description of the sea ice component in the Community Climate System Model, version three. Technical Note TN-463STR, NTIS PB2004-106574, National Center for Atmospheric Research, Boulder, CO. |
| [2] | Cayan D R. 1992. Latent and sensible heat flux anomalies over the northern ocean: Driving the sea surface temperature. J. Phys. Oceanogr. , 22(8): 859-881. |
| [3] | Collins W D, Rasch P J, Boville B A, et al. 2006. The formulation and atmospheric simulation of the Community Atmosphere Model version 3 (CAM3). J. Climate, 19(11): 2144-2161. |
| [4] | Craig A P, Jacob R, Brian K, et al. 2005. CPL6: The new extensible, high performance parallel coupler for the Community Climate System Model. International Journal of High Performance Computing Applications Fall, 19(3): 309-327. |
| [5] | Dickinson R E, Oleson K W, Bonan G, et al. 2006. The Community Land Model and its climate statistics as a component of the Community Climate System Model. J. Climate, 19: 2302-2324. |
| [6] | Hasselmann K. 1976. Stochastic climate models, Part I. Theory. Tellus, 28(6): 473-485. |
| [7] | Kalnay E, Kanamitsu M, Kistler R, et al. 1996. The NCEP/NCAR 40-year reanalysis project. Bull. Amer. Meteor. Soc. , 77(3): 437-471. |
| [8] | Kirtman B P, Schneider E K, Straus D M, et al. 2011. How weather impacts the forced climate response. Clim. Dyn. , 37(11-12): 2389-2416. |
| [9] | Kirtman B P, Shukla J. 2002. Interactive coupled ensemble: A new coupling strategy for CGCMs. Geophys. Res. Lett., 29(10): 1367, doi: 10. 1029/2002GL014834. |
| [10] | Lau N C. 1997. Interactions between global SST anomalies and the midlatitude atmospheric circulation. Bull. Amer. Meteor. Soc. , 78(1): 21-33. |
| [11] | Li B, Zhou T J, Lin P F, et al. 2011. The wintertime North Pacific surface heat flux anomaly and air-sea interaction as simulated by the LASG/IAP ocean-atmosphere coupled model FGOALS_s1.0. Acta Meteor. Sinica (in Chinese), 69(1): 52-63. |
| [12] | Li L J, Lin P F, Yu Y Q, et al. 2013a. The Flexible Global Ocean-Atmosphere-Land System Model, Grid-point Version 2: FGOALS-g2, Adv. Atmos. Sci. , 30(3): 543-560. |
| [13] | Li L J, Wang B, Dong L, et al. 2013b. Evaluation of grid-point atmospheric model of IAP LASG, version 2.0 (GAMIL 2.0). Adv. Atmos. Sci. , 30(3): 855-867. |
| [14] | Li L J, Wang B, Wang Y Q, et al. 2007. Improvements in climate simulation with modifications to the Tiedtke convective parameterization in the grid-point atmospheric model of IAP LASG (GAMIL). Adv. Atmos. Sci. , 24(2): 323-335. |
| [15] | Li Z X, Zhou T J, Sun Z B, et al. 2011. A method for improving simulation of PNA teleconnection interannual variation in a climate model. Atmos. Oceanic Sci. Lett. , 4(2): 86-90. |
| [16] | Li Z X, Zhou T J, Sun Z B, et al. 2011. Improvement of air-sea turbulent fluxes parameterization scheme in GAMIL model and its impact on simulation of interannual variations of atmospheric circulation. Chinese J. Atmos. Sci. (in Chinese), 35(2): 311-325. |
| [17] | Liu X J, Zhou T J, Zhang L X, et al. 2011. The western North Pacific summer monsoon simulated by GAMIL 1.0: Influences of the parameterization of wind gustiness. Chinese J. Atmos. Sci. (in Chinese), 35: 871-884. |
| [18] | Mechoso C R, Robertson A W, Barth N, et al. 1995. The Seasonal Cycle over the Tropical Pacific in Coupled Ocean—Atmosphere General Circulation Models. Mon. Wea. Rev. ,123(9): 2825-2838. |
| [19] | Meehl G A, Washington W M, Santer B D, et al. 2006. Climate change projections for the twenty-first century and climate change commitment in the CCSM3. J. Climate, 19(11): 2597-2616. |
| [20] | 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. Geophys. Res., 108(D14), doi: 10. 1029/2002JD002670. |
| [21] | Shukla J. 1998. Predictability in the midst of chaos: A scientific basis for climate forecasting. Science, 282(5389): 728-731. |
| [22] | Smith R, Gent P. 2002. Reference manual for the Parallel Ocean Program (POP), ocean component of the Community Climate System Model (CCSM2.0 and 3.0), Technical Report LA-UR-02-2484, Los Alamos National Laboratory, Los Alamos, NM, http: //www. ccsm. ucar. edu/models/ccsm3. 0/pop. |
| [23] | Wu R G, Kirtman B P. 2004a. The tropospheric biennial oscillation of the monsoon–ENSO system in an interactive ensemble coupled GCM. J. Climate, 17(8): 1623-1640. |
| [24] | Wu T W, Yu R C, Zhang F. 2008. A modified dynamic framework for the atmospheric spectral model and its application. J. Atmos. Sci. , 65(7): 2235-2253. |
| [25] | Wu Z H, Schneider E K, Kirtman B P. 2004b. Causes of low frequency North Atlantic SST variability in a coupled GCM. Geophys. Res. Lett., 31(9): L09210, doi: 10. 1029/2004GL019548. |
| [26] | Xin X G, Wu T W, Wang Z Z. 2009. Numerical simulation of climate change in 21 century under two different mitigation scenarios. Acta Meteor. Sinica (in Chinese), 67: 935-946. |
| [27] | Yeh S W, Kirtman B P, An S I. 2007. Local versus non-local atmospheric weather noise and the North Pacific SST variability. Geophys. Res. Lett., 34(14): L14706, doi: 10. 1029/2007GL030206. |
| [28] | Yeh S W, Kirtman B P. 2004. The impact of internal atmospheric variability on the North Pacific SST variability. Climate Dyn. , 22(6-7): 721-732. |
| [29] | Yeh S W, Kirtman B P. 2006. The characteristics of signal versus noise SST variability in the North Pacific and the Tropical Pacific Ocean. Ocean Science Journal, 41(1): 1-10. |
| [30] | Zhang L, Dong M, Wu T W. 2011. Changes in precipitation extremes over Eastern China simulated by the Beijing Climate Center Climate System Model (BCC_CSM1. 0). Clim. Res. , 50: 227-245. |
| [31] | Zhang X H, Yu Y Q, Liu H. 1998. Wintertime North Pacific surface heat flux anomaly and air-sea interaction in a coupled ocean-atmosphere model. Chinese J. Atmos. Sci. (in Chinese), 22(4): 511-521. |
| [32] | Zhang J, Xue W, Zhang M H, et al. 2014. Climate impacts of stochastic atmospheric perturbations on the ocean. Int. J. Climatol., doi: 10.1002/joc. 3949. |
| [33] | Zhou T J, Yu R C, Gao Y Q, et al. 2006a. Ocean-atmosphere coupled model simulation of North Atlantic interannual variability I: Local air-sea interaction. Acta Meteor. Sinica (in Chinese), 64(1): 1-17. |
| [34] | Zhou T J, Yu R C, Gao Y Q, et al. 2006b. Ocean-atmosphere coupled model simulation of North Atlanticinterannual variability II: Tropical tele-conneciton. Acta Meteor. Sinica (in Chinese), 64(1): 18-30. |
| [35] | Zhou T J, Yu R C, Li Z X. 2002. ENSO-dependent and ENSO-independent variability over the mid-latitude North Pacific: Observation and Air-sea coupled model simulation. Adv. Atmos. Sci. , 19(6): 1127-1147. |
| [36] | Zhou T J, Yu Y Q, Yu R C. 2004. Indian Ocean response to ENSO: Observation and air-sea coupled model simulation. Chinese J. Atmos. Sci. (in Chinese), 28: 357-373. |
| [37] | Zhou T J, Zhang X H, Wang S W. 1999. The air-sea freshwater exchange derived from NCEP/NCAR reanalysis data. Acta Meteor. Sinica (in Chinese), 57(3): 264-282. |
| [38] | Zhou T J. 2003a. Adjustment of the North Atlantic Thermohaline circulation to the atmospheric forcing in a global air-sea coupled model. Acta Meteoro. Sinica (in Chinese), 61(6): 164-179. |
| [39] | Zhou T J. 2003b. Comparison of the global air-sea freshwater exchange evaluated from independent datasets. Prog. Natural Sci. , 13(8): 626-631. |
| [40] | 李博,周天军, 林鹏飞等. 2011. 冬季北太平洋海表面热通量异常和海气相互作用的耦合模式模拟. 气象学报, 69(1): 52-63. |
| [41] | 李忠贤, 周天军, 孙照渤等. 2011. GAMIL模式海气湍流通量参数化方案的改进及其对大气环流年际变率模拟效果的影响. 大气科学, 35(2): 311-325. |
| [42] | 刘晓娟, 周天军, 张丽霞等. 2011. GAMIL1.0模拟的西北太平洋夏季风: 阵风参数化方案的影响. 大气科学, 35(5): 871-884. |
| [43] | 辛晓歌, 吴统文, 王在志. 2009. 两种不同减排情景下21世纪气候变化的数值模拟. 气象学报, 67(6): 935-946. |
| [44] | 张学洪, 俞永强, 刘辉. 1998. 冬季北太平洋海表面热通量异常和海气相互作用: 基于一个全球海气耦合模式长期积分的诊断分析. 大气科学, 22(4): 511-521. |
| [45] | 周天军, 宇如聪, 郜永祺等. 2006a. 北大西洋年际变率的海气耦合模式模拟I: 局地海气相互作用. 气象学报, 64(1): 1-17. |
| [46] | 周天军, 宇如聪, 郜永祺等. 2006b. 北大西洋年际变率的海气耦合模式模拟II: 热带太平洋强迫. 气象学报, 64(1): 18-30. |
| [47] | 周天军, 俞永强, 宇如聪等. 2004. 印度洋对ENSO事件的响应: 观测与模拟. 大气科学, 28: 357-373. |
| [48] | 周天军, 张学洪, 王绍武. 1999. 全球水循环的海洋分量研究. 气象学报, 57(3): 264-282. |
| [49] | 周天军. 2003a. 全球海气耦合模式中热盐环流对大气强迫的响应. 气象学报, 61(6): 164-179. |
| [50] | 周天军. 2003b. 利用不同资料估算的全球海气间淡水交换量之比较. 自然科学进展, 13(9): 946-950. |