中国气象学会主办。
文章信息
- 张 祎, 王在志, 宇如聪. 2012.
- ZHANG Yi, WANG Zaizhi, YU Rucong. 2012.
- BCC_AGCM2.1对中国东部地区云辐射特征模拟的偏差分析
- Analysis of the biases in the cloud radiative feature simulations over eastern China as done by the BCC_AGCM2.1
- 气象学报, 70(6): 1260-1275
- Acta Meteorologica Sinica, 70(6): 1260-1275.
- http://dx.doi.org/10.11676/qxxb2012.106
-
文章历史
- 收稿日期:2011-09-06
- 改回日期:2012-03-30
2. 中国科学院研究生院,北京,100049;
3. 中国气象局国家气候中心,北京,100081;
4. 中国气象局,北京,100081
2. Graduate University of Chinese Academy of Sciences, Beijing 100049, China;
3. National Climate Center, China Meteorological Administration, Beijing 100081, China;
4. China Meteorological Administration, Beijing 100081, China
众多研究(Colman,2003;Curry et al,2011;Dufresne et al,2008;Soden et al,2006; Williams et al,2007)表明,云辐射效应是造成当前大气环流模式气候模拟差异最主要的不确定因素之一。一些模式在模拟CO2增加背景下的云辐射强迫变化时甚至出现完全相反的情况(Stephens,2005)。当前,云辐射过程的相关研究一方面集中于利用观测资料去诊断一些关键的反馈机制。如:Yu等(2001,2004)比较了中国东部与印度季风区的云辐射属性差异,并揭示了中国青藏高原下游的长江流域独特的中层云分布及其云辐射强迫特征和云辐射反馈机制。这些观测分析加深了对云辐射特征的认识。另一方面则是应用模式对其进行模拟研究。如:Wetherald等(1988)利用两个分别采用预测云和诊断云方案的大气环流模式(GCM)比较了云辐射反馈过程对于气候系统敏感性的影响,发现这两个模式均表现为反馈过程增加了模式气候的敏感性。利用模式这个近似真实气候的系统,能够更好地为云辐射反馈及其对气候变化响应的研究提供支持。然而,现有的模式尚不成熟,需要在发展模式的同时建立相应的评估准则,并以此为依据对其进行有效的评估,以弄清楚模拟失真的原因。对于云辐射效应的理解,不仅需要准确的观测、日趋精益的诊断方法,同时也要为模式建立更为标准的评估准则(Stephens,2005)。
不同地区的云辐射特征与反馈机制不尽相同。中国东部大陆层状云的气候特征包括如下几方面:
(1)中层云占主导,而并非如全球的几个西海岸,那里的层云大多是低云;同时这种中层云在较冷的冬春季发展旺盛,而夏季云量则较少(Yu et al,2001)。
(2)该地区中层云的形成与大尺度环流有着密切的联系(Yu et al,2004;Li et al,2006),高原地形效应产生的中层辐散与低层辐合使得云量在中层堆积。
(3)青藏高原下游具有独特的大陆层状云(包括中层的雨层云、高层云和低层的层云、层积云,下同)-地表温度反馈(Yu et al,2004),地面温度降低会使得该地区层云量增加,反之减少。
中国东部的特殊性使得该地区具有不同于其他层云区的特征,也因而成为模式对云辐射强迫模拟最为不确定的区域之一。图 1是联合国政府间气候变化专门委员会(IPCC)第四次评估报告(AR4)中12个模式与观测的短波云辐射强迫气候平均态偏差的均方根分布,可以看出中国东部的短波云辐射强迫的模拟是全球差异最大的地区之一,也是陆地上差异最大的地区。鉴于这种独特的区域特性和云辐射强迫在模式间极大的不确定性,以及云辐射效应对气候特征的重要影响,检验模式对中国大陆东部云辐射特征的模拟,对于发展模式及更有信心地运用模式研究云辐射与其他过程的关系具有重要的价值。
当前,中国学者亦有一些关于模式云辐射模拟评估的结果。吴春强等(2011)对参加“云反馈模式比较计划”(CFMIP)的10个大气环流模式对东亚地区云辐射的模拟能力进行了比较分析,给出了不同模式的模拟特征,并简要分析了差异原因,但却未对由于地区特性造成的差异给出细致的分析。郭准等(2011)对中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室(LASG/IAP)及中国国家气候中心(BCC)的大气环流模式模拟的云辐射强迫进行了比较,但并未针对中国东部的独特性进行评估。本文在二者的基础上,以中国国家气候中心的大气环流模式(BCC_AGCM2.1)为例,详细分析模式对中国东部云辐射特征模拟差异的原因。旨在通过对比分析,考察模式对云辐射强迫的模拟偏差,并从云量的形成和维持机制两个方面来揭示模式对于该地区云量模拟偏差可能的原因,以期能够为未来模式的发展提供帮助。2 模式、试验和资料 2.1 模式简介
BCC_AGCM2.1是在美国国家大气研究中心(NCAR)第3版的公共大气模式(CAM3)(Collins et al,2006)基础上发展而来的。BCC_AGCM是全球大气环流谱模式,水平方向谱截断数为42(T42,分辨率约2.8125°×2.8125°),垂直方向26层,并引入了参考大气。模式动力框架的详细描述可以参见 Wu等(2008a)。此外,模式在物理过程方面和CAM3相比有许多改进,包括新引入的质量通量积云对流方案(Wu,2011)、干绝热过程方案(颜宏等,1987)和海表热通量方案(Smith,1988)。这些改进,使得BCC_AGCM2.1在气候模拟上较CAM3具有更好的表现(Wu et al,2008b)。 2.2 试验和资料
本文采用AMIP(Atmospheric Models Intercomparison Project)型试验(Phillips,1996)的模拟结果,积分时间为1975年1月—2009年1月,试验外强迫场由PCMDI(Program for Climate Model Diagnosis and Intercomparison)提供,包括观测的海温、海冰分布、温室气体浓度等,分析时段为1976年1月—2007年12月。为了与ISCCP(International Satellite Cloud Climatology Project)资料的云量(Rossow et al,1991)进行对比,本文的模式云量资料是在线运行ISCCP模拟器(Klein et al,1999; Webb et al,2001)得到的结果。模拟器利用ISCCP算法,按照ISCCP_D2的云类划分,生成相同类型的云量数据。ISCCP_D2按照云顶气压低于440、440—680和大于680 hPa,划分为高云、中云和低云。在此基础上根据光学厚度大小再分为3类,一共产生9属云类。其中,高云包括卷云、卷层云和对流云;中云包括高积云、高层云和雨层云;低云包括积云、层积云和层云。
辐射观测采用CERES(Clouds and the Earth’s Radiant Energy System,选取时段:2000—2005年)和ERBE(Earth Radiation Budget Experiment,选取时段:1985—1989年)的大气顶辐射通量资料,包括长、短波云辐射强迫,晴空和全天的大气顶净短波通量及向外长波辐射资料。云量资料、长时期(1984—2000年)的大气顶长、短波辐射强迫资料均取自ISCCP,包括ISCCP_D2(Rossow et al,1991)和ISCCP_FD(Zhang et al,2004)。500 hPa垂直速度、水平风场资料取自欧洲数值天气预报中心的ERA-40月平均资料,水平分辨率为2.5°×2.5°。地面温度采用中国743个地面观测站资料。地面潜热通量的再分析资料来自JRA25(日本)和NCEP,观测资料来自大理地面观测站。3 云辐射强迫模拟差异的原因
由于中国东部的长波云辐射强迫(LWCF)相对于短波云辐射强迫(SWCF)较弱(Yu et al,2001),并且,在模式模拟结果中亦是如此(图略)。因此,这里只对在净云辐射强迫(NCRF)中起主导性贡献的短波云辐射强迫的模拟予以分析。图 2是模式和卫星资料的短波强迫气候平均态及其差值分布。尽管由于年代不同,两种卫星资料所呈现的气候态也有一定的差异,然而对于主要的特征二者是一致的。主要表现为以西南地区四川盆地(27°—32°N,103°—108°E)为中心的大陆上的短波云辐射强迫最强值区,而模式模拟的该地区短波云辐射强迫强度明显偏弱。
短波云辐射强迫为晴天时大气顶反射的短波辐射通量与云天时反射短波辐射通量之差。对比晴天和云天大气顶净短波通量(FSNTOA)的纬向变化(图 3a、b)发现,该地区晴天和云天大气顶净短波通量在晴天时模拟与观测吻合很好,而在云天时则出现了较明显的偏差,因而排除了由于地表反照率模拟过高造成的短波云辐射强迫模拟偏差。晴天和云天大气顶净短波通量模拟差异使得模式没有能够再现观测中的短波云辐射强迫极强值区。青藏高原下游呈现以雨层云-高层云为主导的云分布,其与总云量的光学厚度具有最好的相关(Yu,et al,2004)。这样的云型分布和云光学属性,使得青藏高原下游呈现出很强的短波辐射强迫。从模拟结果来看,由于其对20°—30°N层状云大值区云量的模拟较低(图 3c),因此,虽然高云在该地区模拟较多(图 3d),但晴天和云天大气顶净短波通量仍然较高,反映出对短波云辐射强迫的模拟较弱。鉴于云辐射强迫与云量的关系,下面进一步考察该地区模式模拟云的空间分布。
在观测中,中国东部总云量的大值中心主要位于青藏高原下游的四川盆地,中国东部地区的云又以光学厚度较大的雨层云和高层云为主,这二者都属于中层云。低层的层云和层积云云量较少,但与雨层云和高层云同样起着阻挡太阳短波辐射作用。中国东部光学厚度较大的中低层层状云与短波云辐射强迫有着显著的负相关(Yu et al,2004)。从图 4a可以清晰地看出,层状云的大值区从西北太平洋一直延伸到中国中东部地区,并在(20°—30°N,103°—113°E)呈现最大值,在这条延伸的大值带周围都没有更大的中低层云分布,这与短波云辐射强迫的空间型相似。而模式(图 4b)虽模拟出了大值云带,但对于以四川盆地为中心的层状云极大值区云量模拟明显偏小(图 4c),因而造成了该地区短波云辐射强迫也相应较弱。相对于中低云,高云(包括卷云、卷层云、深对流云)模拟的差异要小一些(图 4d、e、f),主要表现为青藏高原下游云量略微偏多。在观测中青藏高原下游的中低层云量显著多于高云,而模式对中低云模拟偏少,使得高云比中低层状云略多一些。
此外,中国东部的云辐射强迫也表现出不同于其他地区的季节变化特征(Yu et al,2001)。短波云辐射强迫的最强值出现在20°—30°N的冬、春季,夏季较弱(图 5a、b)。模式能够把握这一变化特征,但是强度模拟偏弱(图 5c)。净云辐射强迫(NCRF)的变化主要以短波云辐射强迫为主,最强值同样集中在冬、春季的20°—30°N(图 5d、e),这在模式模拟中亦有所体现(图 5f)。云辐射强迫的季节变化同样受到云量季节变化的影响。图 6为中国东部地区(103°—123°E)云量的纬向-季节变化。该地区的高云多集中在南部地区(10°—20°N),并且随着季节变化,全年呈夏季多冬季少的特征(图 6a)。这主要是由于夏季对流活动增加,有利于深对流云的发展。与高云不同,层状云主要集中在15°—30°N,并且与高云呈相反的季节变化(图 6c),这主要是由于冷季 有利于层状云的维持(Yu et al,2004)。从模拟结果看,模式模拟出了位于南部的夏季高云最大值(图 6b),只是云量略有偏多;而对于层状云,模拟的云量季节变化与观测较为一致(图 6d),均呈夏季少,而冬、春季多的特征,但是,模拟的20°—30°N云量偏少明显,造成该地区短波云辐射强迫全年偏弱。
综上所述,模式对中国东部短波云辐射强迫模拟偏差的原因主要是层状云模拟偏少。层状云的季节变化决定了短波云辐射强迫的季节变化,这一点从观测和模式模拟都有体现。但是,模式模拟低估了位于20°—30°N全年的层状云云量,因而使得该地区短波云辐射强迫和净云辐射强迫亦全年偏弱。不过,模式可以模拟出层状云与短波云辐射强迫的对应关系,因此,如果未来能够改善该地区层状云云量的模拟,就会使短波云辐射强迫的模拟与实际更为接近。4 层状云模拟偏差的主要原因
通过以上分析可知,短波云辐射强迫的模拟偏差主要是由于层状云模拟偏差导致的。鉴于二者强烈的耦合关系,这里从大尺度环流和云辐射反馈机制两个方面,进一步分析导致中国东部地区,尤其是位于西南地区四川盆地层状云大值区附近模拟偏差的原因。 4.1 环流和水汽条件
青藏高原下游的中层云与中低层的散度有着密切联系(Yu et al,2004;Li et al,2006),青藏高原地形摩擦作用造成的中层气流辐散和低层气流辐合是中层云形成的主要原因。由于中国东部层状云主要集中在冬季,因此只考察冬季的情况。图 7a、b为 冬季水平风散度和垂直速度-纬向风速的纬向-垂直剖面。从再分析资料中可以看出,在青藏高原下游600 hPa以上为下沉气流,而其下部为上升气流。与此相对应中层表现为风场辐散,低层辐合。随着经度东移至120°E附近,上升运动区逐渐向上延伸至400 hPa处。东部地区这种垂直运动的配置使得中层形成大量层状云。从模式模拟结果来看,四川盆地处上升运动并不明显,而其以东绝大部分地区都被下沉气流控制,在低层仅有微弱的上升运动,这种高低空的垂直运动配置不利于这里的中层云的发展。垂直速度的差异是由于水平风场散度的偏差造成的。中国东部大陆中层辐散、低层辐合的配置在模式中较为欠缺,110°—120°E地区850—600 hPa模拟的辐合中心范围过小,不利于上升运动发展,因而造成中层云量模拟较少。
同时,水汽条件是否充足也决定了云量的多少。从图 7c、d所揭示的850 hPa相对湿度分布来看,中国西南地区有一相对湿度的大值中心,而模式中该地区相对湿度偏低。在观测中,东部海面上及大陆上的风场通过西南地区的偏南气流将海上的水汽输送至陆地,使得该地区具有充足的水汽条件,有利于云的形成。模式模拟中,大陆上的辐合并不明显,西南地区的偏南气流较弱甚至消失,不利于水汽向该区域输送,导致水汽含量偏低。西南地区的偏南气流与地形作用形成的绕流效应密切相关,因而模式地形效应的改善将会改进模拟结果。
中国西南地区的水汽主要来自印度洋和太平洋(陈传友,1992),因此,环流的模拟差异会造成模拟结果中该地区湿度偏低。此外,西南地区水资源丰富,其水汽还来自于自身的蒸发,包括水面蒸发和陆面蒸发。水面蒸发主要来自河谷坝区,陆面蒸发则主要与植被和土壤含水量有关(陈传友,1992)。通过模式和两套再分析资料(NCEP和JRA25)在西南大理站(25.42°N,100.11°E)与观测的对比(图 8a)可以看出,尽管模式和再分析资料结果相对于观测数值偏低,但都表现出较为一致的季节变化,从而能够较为信服地用再分析资料来评估模式结果。从模式与两套再分析资料的差值分布可以看出,在中国东部大陆上(尤其是西南地区)模式在夏季和冬季都表现出较弱的潜热,这表明模式中下垫面蒸发较小。因此,如果要改善西南地区水汽含量模拟较低的问题,对于陆面过程中局部下垫面特征的描述需要进一步改进。
4.2 青藏高原下游的云辐射反馈四川盆地所具有的大量中层云及与此伴随而来的中纬度地区最大光学厚度和最强短波辐射强迫,使得这里形成了独特的大陆层状云-地表温度正反馈机制(Yu et al,2004),即地表温度降低时,相对湿度以及静力稳定度的增加会有利于层云的形成。因此,模式中西南地区较低的相对湿度势必会对这种反馈过程造成影响。为了检验模式对于青藏高原下游这种反馈过程的模拟能力,这里以类似Bony等(1997)和Williams等(2003)的研究方法,分析云和辐射强迫对于500 hPa垂直运动和地表温度变化异常的响应。这里的异常指的是某月与该月多年气候平均值之差。所取区域为(27°—32°N,103°—108°E),区域内格点/站点数为4。模式的考察年份为1976年1月—2007年12月,共384时次;观测为1984年1月—2000年12月,共204时次,并且,去除区域内所占比例不足1%的格点。对于云辐射,此处只考察净辐射强迫的响应情况。
图 9a—d分别为模式和观测的层状云和净辐射强迫对500 hPa垂直速度和地表温度异常的响应情况。可以看出,模式和观测层状云最强的正响应和净辐射强迫最强的负响应都出现在负温度异常和上升运动异常区。因为根据大陆性层状云-地表温度正反馈,温度的降低意味着云量的增加,而抬升运动的增强也同时对云量的增加起正贡献作用。这表明,BCC_AGCM2.1能够体现出这一响应机制。
然而,模式模拟亦存在偏差。首先,模式对于负温度异常和上升运动异常区云量的正响应模拟偏弱(图 9e),使得净云辐射强迫在这种情况下的响应也较弱(图 9f)。在-2℃的温度异常和-40 hPa/d的垂直速度异常范围内,观测中最强的净云辐射强迫响应为-14—-18 W/m2,而模式却只有-2—-6 W/m2。其次,在观测中,冷却过程中的正反馈比增暖时要强,这体现在-2℃温度异常时的层状云增量达7%—9%,而在2℃温度异常时的层状云减少只有1%—3%。NCRF同样如此,降温时净云辐射强迫增强的绝对值比升温时净云辐射强迫减弱的绝对值大8 W/m2左右。这与Yu等(2004)的推论一致,因为在增暖时,可能会有利于卷积云的形成,使得正反馈减弱。然而在模式所模拟的响应中,冷异常时的云量响应却并未显著强于增暖时(图 9b)。总体来说,这两者都是由于模式对冷异常的云量响应模拟较弱导致,而降温时的层云大量增加正是层状云在冷季发展旺盛的重要原因。
观测中,温度较低时有大量的层状云存在(图 10a),而温度较高时的层状云要明显少于低温时。沿着温度轴向低温方向移动,模拟中(图 10b)降温时的云量增加幅度明显小于观测。因而温度较低时模式模拟的层状云与观测的偏差更大。由前面的分析可知,西南地区模式模拟的相对湿度偏低,因而限制了冷异常时层状云云量的增加。同时,上升运动区的样本要多于下沉区的样本,这体现了青藏高原下游上升运动占主导的特征,这一点在模拟中亦有所体现。
5 结论和讨论 5.1 讨 论综合上述分析,青藏高原下游大量中层云的动力形成机制是青藏高原摩擦和地形作用产生的中层辐散和低层辐合,二者配合产生的中低层抬升运动使得该地区维持大量的中层云。模式对于青藏高原的地形效应形成的低层绕流表现不佳,因而造成西南地区的偏南气流模拟偏弱,使得模式对于低层辐合、中层辐散的环流配置再现较为欠缺,不利于上升运动的发展,也就限制了中层云的形成。同时,偏南气流模拟较弱还抑制了模式中海上水汽向西南地区的输送。此外,模式中西南地区地表向上潜热通量较弱,表明模式陆面蒸发较弱。无论是从水汽输送或是局地水汽供给的角度来看,模式对西南地区水汽的模拟都要弱于实际,以致相对湿度偏低,同样不利于层状云的形成和发展。
西南地区水汽含量模拟偏低进一步弱化了该地区冷异常时的层状云增加,即对地表温度下降时,相对湿度增加所导致的层云量增加这一反馈过程(Yu et al,2004)的强度模拟较弱。因而,造成冷季时的总云量增加较少且维持量较低,产生较大偏差。这一差异因素也影响了中国东部地区层状云年际变化趋势的模拟。图 11a是模式模拟的层状云与地表温度异常的相关,在中国较大的范围内都呈负相关,这表明模式对于地表温度对层状云的影响再现较为合理,从而可以建立模式中地表温度和层状云相互耦合的关系。图 11b和c分别为模拟和观测中的层状云云量年际变化趋势分布。在模拟结果中,青藏高原下游地区表现出较周围地区显著的层状云云量的减少趋势,最强达-0.24%/a。而从观测上看,该地区的云量只是略有减少,最强只有-0.12%/a。从四川盆地地区地表温度的年际变化(图 12)可以发现,自20世纪70年代末以来,模式模拟和观测均表现为在该地区有升温倾向,并且,升温幅度也一致。模拟结果中由于层状云和地表温度在青藏高原下游的显著负相关(图 11a),因而云量在该地区出现显著减少趋势。而观测中二者虽同样具有这一关系,但是由于在温度冷异常时产生较多的层状云量起到的补偿性作用,使得这一减弱趋势并不太强烈。而在模拟结果中,由于层状云对地表温度负异常的响应模拟较弱,使得冷季难以维持较高的层云云量,所以,当地表温度年际变化表现为与观测接近的增加趋势时,该地区的层状云云量则出现较为显著的减弱趋势。
从图 12也可以注意到,模式对于青藏高原下游地表温度的模拟普遍要低于观测。那么为何模拟中更低的地表温度未能产生相应的云量增加呢?事实上,模拟中较低的地表温度是由于模式中的地表反照率较高造成的,从卫星资料中获得的该地区的反照率在0.2左右,而模式中则为0.4(图略)。根据温度倾向方程,在过高的冷却外强迫作用下会造成向下的垂直速度。正如之前的分析,模式模拟的青藏高原下游大部分地区为向下的垂直运动占据,而这不利于云的形成。因此,当过高的冷却外强迫足以影响到垂直运动时,即使温度降低,也无法形成明显的反馈作用,因为在形成机制上出现了抑制云量增加的作用。模式中反照率主要与地表下垫面属性有关,包括积雪和植被覆盖,这同样需要对模式的陆面过程加以改进。
值得指出的是,模式较低的分辨率对于地形的描述较差(图 7),使得一些细微的地形特征难以得到体现。随着模式水平分辨率的提高,对于此类由于地形效应产生的气候特征的模拟或许会得到改善(Gent et al,2010)。 5.2 结 论
云辐射反馈的复杂性是云辐射过程成为数值模式中最为不确定因素的原因之一,不同地区云辐射反馈机制存在差别。大气环流模式作为对于全球大气系统的模拟,很难对具有较强地区特征的反馈有精确的描述。本文中对BCC_AGCM2.1模拟中国东部大陆上的云辐射特征的偏差原因进行了分析,并针对层状云模拟偏差的原因进行了讨论。层状云云量与大尺度环流的关系及层状云辐射反馈都在本文中得到了检验,主要结论如下:
(1)模式模拟的短波云辐射强迫偏差是由于层状云差异造成的。中国东部地区具有显著的层状云分布,这种云对于短波的反射和阻拦程度最高,也正是中国东部地区具有以短波强迫为主导的负净辐射强迫的原因。模式能够反映短波云辐射强迫与层状云的对应关系,但对于层状云在大陆上的大值中心的模拟显著偏少,使得有云时对于短波辐射的反射偏少,因而,造成短波云辐射强迫在该区域模拟偏弱,也影响了净云辐射强迫的模拟。层状云的模拟效果将直接决定该地区云辐射强迫的模拟表现。
(2)云辐射强迫季节变化同样受到层状云云量模拟的影响。模式对于中国东部云量季节变化特征具有较合理的表现,能够模拟出不同云型的季节变化。表现为层状云冷季多,暖季少;高云冷季少,暖季多。因而短波云辐射强迫及净云辐射强迫也表现出冷季强,暖季弱的特点。但观测中,20°—30°N的层状云大值中心的云量全年模拟均较低,短波云辐射强迫及净云辐射强迫在该地区全年亦偏弱。
(3)分析层状云模拟偏差的原因表明,大尺度环流差异对东部地区中层云模拟有着重要的影响。低层辐合与中层辐散造成的中低层抬升运动是中层云在此处汇集的形成机制。模式对于地形作用形成的偏南气流模拟的欠缺,导致大陆东部对流层低层辐合较弱,故对流层低层表现为上升运动明显较弱,这不利于中层云的形成。同时,偏南气流模拟偏弱,也不利于水汽从海上向中国西南地区输送,使得中国西南地区相对湿度大值中心模拟较低。此外,模式中西南地区地表蒸发较弱,也影响了该地区的水汽含量。水汽含量的匮乏使得层状云云量的模拟偏少。因此,改进地形效应以及该区域环流场特征的模拟,同时改进陆-气作用过程的描述,将会使模式在该地区的层状云云量的模拟效果得到提高。
(4)模式能够模拟出四川盆地的层状云与地表温度的响应关系。但是,由于中国西南地区相对湿度模拟较低,造成冷季/冷异常时层状云-地表温度反馈模拟偏差,使得该地区层状云云量模拟偏弱。冷异常时层状云云量增大的响应更强,是层状云的重要维持机制。而由于对反馈过程强度的模拟偏弱,使得冷季时层状云有较大负偏差。从地表温度的年际变化趋势来看,模拟和观测的升温趋势较为一致,但是模式中冷异常时层云增量较少,使得模拟的青藏高原下游层状云呈现比观测更强的减弱趋势,这进一步表明云辐射反馈在模式中极大的不确定性。加深对反馈过程的理解并改进对其的描述将有助于提高模式的模拟效果。
致谢: 感谢辛晓歌博士提供BCC模式资料和原韦华博士在研究工作中的帮助,以及李建和高志球研究员关于通量资料使用上的帮助。
陈传友. 1992. 西南地区水资源及其评价. 自然资源学报, 7(4): 312-328 |
郭准, 吴春强, 周天军等. 2011. LASG/IAP和BCC大气环流模式模拟的云辐射强迫之比较. 大气科学, 35(4): 739-752 |
吴春强, 周天军. 2011. CFMIP大气环流模式模拟的东亚云辐射强迫特征. 气象学报, 69(3): 381-399 |
颜宏. 1987. 初始议程P-σ混合坐标细网格嵌套模式的设计(二):数值模式中次网格物理过程参数化.高原气象,6(增刊):64-139. |
Bony S, Lau K M, Sud Y C, et al. 1997. Sea surface temperature and large-scale circulation influences on tropical greenhouse effect and cloud radiative forcing. J Climate, 10(8): 2055-2077 |
Colman R. 2003. A comparison of climate feedbacks in general circulation models. Climate Dyn, 20(7): 865-873 |
Collins W D, Rasch P J, Bolille B A, et al. 2006. The formulation and atmospheric simulation of the community atmosphere model version 3 (CAM3). J Climate, 19(11): 2144-2161 |
Curry J A, Webster P J. 2011. Climate science and the uncertainty monster. Bull Amer Meteor Soc, 92(12), 1667-1682 |
Dufresne J L, Bony S. 2008. An assessment of the primary sources of spread of global warming estimates from coupled atmosphere-ocean models. J Climate, 21(19): 5135-5144 |
Gent P R, Yeager S G, Neale R B, et al. 2010. Improvements in a half degree atmosphere/land version of the CCSM. Climate Dyn, 34(6): 819-833 |
Klein S A, Jakob C. 1999. Validation and sensitivities of frontal clouds simulated by the ECMWF model. Mon Wea Rev, 127(10): 2514-2531 |
Li Y Y, Gu H. 2006. Relationship between middle stratiform clouds and large scale circulation over eastern China. Geophys Res Lett, 33(9): L09706 |
Phillips T J. 1996. Documentation of the AMIP models on the world wide web. Bull Amer Meteor Soc, 77(6): 1191-1196 |
Rossow W B, Schiffer R A. 1991. ISCCP cloud data products. Bull Amer Meteor Soc, 72(1): 2-20 |
Smith S. 1988. Coefficients for sea surface wind stress, heat flux, and wind profiles as a function of wind speed and temperature. J Geophys Res, 93(C12): 15467-15472 |
Soden B J, Held I M. 2006. An assessment of climate feedbacks in coupled ocean-atmosphere models. J Climate, 19(14): 3354-3360 |
Stephens G L. 2005. Cloud feedbacks in the climate system: A critical review. J Climate, 18(2): 237-273 |
Webb M, Senior C, Bony S, et al. 2001. Combining ERBE and ISCCP data to assess clouds in the Hadley Centre, ECMWF and LMD atmospheric climate models. Climate Dyn, 17(12): 905-922 |
Wetherald R T, Manabe S. 1988. Cloud feedback processes in a general circulation model. J Atmos Sci, 45(8): 1397-1416 |
Williams K D, Ringer M A, Senior C A. 2003. Evaluating the cloud response to climate change and current climate variability. Climate Dyn, 20(7-8): 705-721 |
Williams K D, Tselioudis G. 2007. GCM intercomparison of global cloud regimes: Present-day evaluation and climate change response. Climate Dyn, 29(2-3): 231-250 |
Wu T W, Yu R C, Zhang F. 2008a. A modified dynamic framework for the atmospheric spectral model and its application. J Atmos Sci, 65(7): 2235-2253 |
Wu T W, Yu R C, Zhang F, et al. 2008b. The Beijing climate center atmospheric general circulation model: Description and its performance for the present-day climate. Climate Dyn, 34(1): 149-150 |
Wu T W. 2011. A mass-flux cumulus parameterization scheme for large-scale models: Description and test with observations. Climate Dyn, 38(3-4): 725-744 |
Yu R C, Yu Y Q, Zhang M H. 2001. Comparing cloud radiative properties between the eastern China and the Indian monsoon region. Adv Atmos Sci, 18(6): 1090-1102 |
Yu R C, Wang B, Zhou T J. 2004. Climate effects of the deep continental stratus clouds generated by the Tibetan Plateau. J Climate, 17(13): 2702-2713 |
Zhang Y, Rossow W B, Lacis A A, et al. 2004. Calculation of radiative fluxes from the surface to top of atmosphere based on ISCCP and other global data sets: Refinements of the radiative transfer model and the input data. J Geophys Res, 109(D19): D19105 |