海洋表面潜热通量的变化对海洋与大气之间的能量交换和全球水循环有重要影响，而且它与我国降水变化也有密切联系^[1-2]。热带太平洋夏季热通量与我国夏季降水存在显著的相关关系，当热带东太平洋夏季潜热通量减弱时，东北、华北夏季降水偏少，华南、长江中下游地区夏季降水偏多^[1]；5—6月热带西太平洋潜热通量减弱，华南6月降水则增加^[2]。此外，潜热通量的变化与南海夏季风爆发也有密切联系。潜热通量在南海夏季风爆发后总的趋势增大, 只是降水过程中明显减小, 较大值出现在西南大风期和季风中断期^[3]。由于南海夏季风爆发前后潜热通量显著变化，因此，潜热通量对预报南海夏季风爆发起十分重要的作用^[3-5]。为了更好预测我国降水和南海夏季风爆发，研究海洋表面潜热通量的变化特征十分必要。

已有大量工作分析了海洋表面潜热通量的季节内、季尺度、年际尺度的变化特征^[6-8]，对于海洋表面潜热通量的变化趋势及其原因的研究也受到广泛关注^[9-10]。有学者认为潜热通量的上升趋势主要受水平风速增强的影响^[11]，也有学者认为这主要与海表温度 (sea surface temperature, SST) 升高有关^[12]，更有研究发现海表温度和风速均对潜热通量有重要影响，即认为是两者共同的影响^[9]。

国家气候中心发展的BCC_CSM1.1(m) 气候系统模式，广泛应用于气候要素评估^[13-18]。近年来，一些学者对BCC_CSM模式模拟区域气候要素和气候变化进行了评估^[13-15]，也有对其模拟的全球气候要素进行评估^[16-18]。但目前针对BCC_CSM1.1(m) 模式对海洋表面潜热通量模拟的研究较少，也缺乏对评估结果进行物理成因的探讨。考虑到热带潜热通量变化较大，且太平洋附近海区的潜热通量对我国降水等影响较大，本文旨在评估BCC_CSM1.1(m) 模式对热带太平洋年平均潜热通量气候态和变化趋势的模拟能力，并指出模式模拟气候态欠佳的方面及分析造成趋势偏差的原因，为BCC_CSM1.1(m) 模式的改进和完善提供参考。

OAFlux (Objectively Analyzed air-sea Fluxes) 数据集由美国伍兹霍尔研究所 (the Woods Hole Oceanographic Institution) 提供，资料包括潜热通量 (latent heat flux, LHF)、10 m高度水平风速 (U)、海表温度 (SST)、2 m高度比湿 (q_a)，水平分辨率均为1°×1°，资料时间为1979—2005年。OAFlux潜热通量数据集结合卫星观测资料、现场观测资料和数值天气预报的输出结果，减小了数据误差，产生最小误差方差的最佳估计。通过对比多种潜热通量资料，发现从潜热通量变化的物理机制看OAFlux潜热通量资料具有较好的代表性，故近年来OAFlux潜热通量资料被广泛用于潜热通量研究^[19-20]。

BCC_CSM1.1(m) 模式模拟的1979—2005年的10 m风速、2 m比湿、海表温度；1979—2005年NCEP-DOE全球大气再分析资料集中的海平面气压 (SLP) 资料；GISS (Goddard Institute for Space Studies) 提供的1979—2005年全球平均表面温度指数 (T_g)^[21-22]，该指数常被认为是与全球变暖有关的外强迫指数 (http//data.giss.nasa.gov/gistemp/)。

15个CMIP5模式的基本信息如表 1所示。为方便与观测资料对比，已将各模式潜热通量资料插值到1°×1°网格上。各模式资料均选取1979—2005年。

表 1

表 1 15个CMIP5模式信息 Table 1 Information of 15 CMIP5 models 模式 国家 水平分辨率 BCC_CSM1.1(m) 中国 1.12°×1.12° CCSM4 美国 1.25°×1.25° CanESM2 加拿大 2.79°×2.79° CSIRO_MK3-6-0 澳大利亚 1.87°×1.87° FGOALS-g2 中国 3.00°×3.00° GISS_E2_H 美国 2.00°×2.50° GISS_E2_R 美国 2.00°×2.50° HadCM3 英国 2.50°×3.71° HadGEM2_ES 英国 1.25°×1.87° INM_CM4 俄国 1.50°×2.00° IPSL_CM5A_LR 法国 1.89°×3.71° IPSL_CM5A_MR 法国 1.27°×2.48° MPI_ESM_LR 德国 1.86°×1.87° MPI_ESM_MR 德国 1.86°×1.87° NorESM1_M 挪威 1.89°×2.48°

表 1 15个CMIP5模式信息 Table 1 Information of 15 CMIP5 models

Hannachi^[23]首先提出Trend-EOF分析方法，后广泛应用于资料分析^[24-25]。该方法是一种通过非线性转化技术从格点资料中提取趋势变化模态的新方法，它类似于经验正交函数分解方法 (EOF) 对协方差矩阵进行特征分析，但对该协方差矩阵事先进行了反秩处理。该方法突出的优点为即使原始数据中趋势信号较小时，也能从非趋势信号中分离出趋势信号，将趋势信号投射到单一的模态中。

BCC_CSM1.1(m) 模式模拟潜热通量的能力在不同区域差异较大，选出潜热通量偏差较大的区域作为分析对象。图 1给出了BCC_CSM1.1(m) 模式模拟的全球年平均潜热通量与观测偏差的空间分布。整体看，模式模拟潜热通量气候态与观测偏差 (图 1a) 的较大正值区主要在35°S~35°N范围内。35°S以南、35°N以北为潜热通量气候态的偏差小值区域。模式模拟潜热通量方差与观测的偏差 (图 1b) 为整体一致偏小的空间分布，仅北大西洋50°N附近为异常的正值区域。图 1b与图 1a一致的是偏差较大区域主要在35°S~35°N范围内，35°S以南、35°N以北为潜热通量方差偏小值区域，这表明模式模拟潜热通量在低纬度地区变化较大，偏差较大，而在中高纬度地区变化较小，偏差较小。

图 1

图 1. BCC_CSM1.1(m) 模式模拟的年平均潜热通量与观测偏差空间分布 (a) 潜热通量气候态的偏差，(b) 潜热通量方差的偏差 Fig 1. Spatial patterns of annual latent heat flux biases in BCC_CSM1.1(m) relative to the observation (a) bias of climate mean latent heat flux, (b) bias of latent heat flux variance

由上述分析可知，BCC_CSM1.1(m) 模式模拟潜热通量在低纬度地区与观测偏差较大。考虑到太平洋附近潜热通量与我国降水、亚洲季风等有着密切联系^[1-8]，本文将主要深入讨论BCC_CSM1.1(m) 模式对热带太平洋年平均潜热通量模拟，取35°S~35°N，100°E~70°W区域作为热带太平洋区域。

纬向平均潜热通量反映潜热通量各纬度间的差异。图 2将BCC_CSM1.1(m) 模式与OAFlux观测结果和CMIP5的15个模式平均 (以下简称多模式平均) 的热带太平洋纬向平均潜热通量的模拟结果进行比较。发现CMIP5的15个模式模拟的纬向平均潜热通量基本上大于观测。由图 2b可知，尽管各模式模拟潜热通量偏差在大部分纬度上均在40 W·m^-2以内，但各模式间的差异非常明显。BCC_CSM1.1(m) 模式模拟的纬向平均潜热通量在各纬度上也存在较大差异。在赤道地区，BCC_CSM1.1(m) 模式模拟结果与观测非常接近。在10°N和8°S，BCC_CSM1.1(m) 模式与多模式平均模拟结果与观测偏差均最大。在10°N以北，多模式平均与BCC_CSM1.1(m) 模式模拟结果较为接近，由低纬度至高纬度地区，多模式平均与BCC_CSM1.1(m) 模式模拟结果均与观测逐渐接近。在8°S以南，BCC_CSM1.1(m) 模式与多模式模拟结果相差较大，由低纬度至高纬度地区，BCC_CSM1.1(m) 模式模拟结果越来越接近观测值。可见BCC_CSM1.1(m) 模式可重点改进对10°N与8°S附近太平洋潜热通量的模拟。

图 2

图 2. 热带太平洋纬向平均的年平均潜热通量的模拟结果对比 (灰色曲线表示其他14个模式结果) (a) BCC_CSM1.1(m) 模式纬向平均潜热通量与多模式的比较，(b) CMIP5模式纬向平均潜热通量与观测偏差 Fig 2. Zonal-mean annual latent heat flux over the tropical Pacific of 15 CMIP5 models (a), and differences between the simulated and the observation (b) (grey lines indicate results in other 14 models except BCC_CSM1.1(m))

模式结果与观测之间的差异可通过均方根误差衡量。将CMIP5的15个模式模拟热带太平洋年平均潜热通量的均方根误差按升序排列，如图 3所示。NorESM1_M模式模拟效果最佳，其均方根误差为15.7 W·m^-2；GISS_E2_R模式均方根误差最大，达到34.4 W·m^-2。多模式平均的均方根误差排在第7位，均方根误差为21.6 W·m^-2，说明多模式平均可部分减少各模式误差，使得模拟能力优化，但并不能给出最优结果。BCC_CSM1.1(m) 模式模拟结果的均方根误差为22.9 W·m^-2，排在第8位，在15个模式中排名中等。

图 3

图 3. CMIP5模式的热带太平洋年平均潜热通量均方根误差 Fig 3. The root mean square error of annual latent heat flux over the tropical Pacific in CMIP5 models

2.2节研究表明，BCC_CSM1.1(m) 模式对热带太平洋潜热通量气候态的模拟能力一般，偏差较大，对热带太平洋潜热通量趋势模拟是否也存在较大偏差，本节主要讨论BCC_CSM1.1(m) 模式对热带太平洋潜热通量趋势的模拟。

BCC_CSM1.1(m) 模式实现了全球大气环流模式、陆面过程模式、全球海洋环流模式和全球动力热力学海冰模式的完全耦合, 其计算潜热通量 (LHF) 方法与观测资料一致，均为

(1)

式 (1) 中，f_LHF为潜热通量，ρ为空气密度，L_e为蒸发潜热系数，C_e为交换系数，U为10 m风速，q_s，q_a分别为海表和2 m比湿。利用Magnus经验公式，由海表温度计算得出饱和水汽压，再将饱和水汽压代入比湿公式计算得到海表比湿q_s^[26-29]。故海表温度、风速及近海表比湿为潜热通量的主要影响因子。观测的海表温度、风速、近海表比湿与潜热通量相关系数分别为0.78，0.83和0.41；模拟的海表温度、风速、近海表比湿与潜热通量相关系数分别为0.80，0.38和0.79，均达到0.05显著性水平，说明各因子的确与潜热通量密切相关。

图 4为观测和BCC_CSM1.1(m) 模式模拟的热带太平洋潜热通量重置序列的3年滑动平均。重置序列是将Trend-EOF第1模态的时间序列乘第1模态空间场的平均值得到。模式均模拟出了潜热通量及其因子的变化趋势，仅在量级上有较大偏差。这主要是因为模式模拟潜热通量和各因子Trend-EOF第1模态空间型分布差异造成的。表 2为BCC_CSM1.1(m) 模式模拟与观测的热带太平洋潜热通量、风速、海表温度和比湿相关系数。表 2中除了原始数据的风速和潜热通量未通过显著性检验，其余均达到0.05显著性水平。原始数据的相关系数均小于重置序列的相关系数。这是因为Trend-EOF分析提取了趋势信号，忽略其他信号的干扰。潜热通量和风速重置序列通过检验，而原始数据两者均未通过检验，说明观测结果与模拟结果变化趋势一致，而造成模式与观测的原始数据的潜热通量和风速偏差可能是因为模式背景和实况背景存在偏差造成的，即外在信号的影响不一样。由于模式与观测的潜热通量趋势存在偏差，因此，下文将深入分析造成潜热通量趋势差异的原因。

图 4

图 4. 观测 (a) 和BCC_CSM1.1(m) 模式模拟 (b) 的热带太平洋年平均潜热通量、海表温度、风速和比湿的重置序列的3年滑动平均 Fig 4. 3-year moving averages of annual latent heat flux, SST, wind speed and air specific humidity reconstructed series over the tropical Pacific by the observation (a) and BCC_CSM1.1(m)(b)

表 2

表 2 1979—2005年BCC_CSM1.1(m) 模式模拟和观测热带太平洋年平均潜热通量及各因子相关系数 Table 2 Correlation coefficients of 1979-2005 annual mean latent heat flux to its impact factors over the tropical Pacific in BCC_CSM1.1(m) and observations 因子 原始数据 重置序列 潜热通量 0.38 0.78* 近海表风速 0.03 0.60* 海表温度 0.65* 0.87* 比湿 0.52* 0.80* 注：*表示达到0.05的显著性水平。

表 2 1979—2005年BCC_CSM1.1(m) 模式模拟和观测热带太平洋年平均潜热通量及各因子相关系数 Table 2 Correlation coefficients of 1979-2005 annual mean latent heat flux to its impact factors over the tropical Pacific in BCC_CSM1.1(m) and observations

表 3为BCC_CSM1.1(m) 模式模拟和观测的热带太平洋年平均潜热通量、风速、海表温度和比湿的线性趋势的斜率及其误差，使用Santer等^[30]计算误差的方法，该方法考虑了自相关的影响。潜热通量、海表温度和2 m比湿均达到0.05显著性水平，而风速只有重置序列达到0.05显著性水平，原始数据均未达到。说明有其他的信号影响风速变化趋势。由表 3可知，模式与观测的各因子均存在偏差，但需要分析潜热通量趋势偏差是3个因子共同造成，还是主要由其中某些因子造成。

表 3

表 3 1979—2005年观测和BCC_CSM1.1(m) 模式模拟热带太平洋年平均潜热通量及各因子趋势的斜率 Table 3 Trend slopes of annual latent heat flux and its impact factors over the tropical and subtropical Pacific by the observation and BCC_CSM1.1(m) from 1979 to 2005 因子 观测数据 观测重置序列 BCC_CSM数据 BCC_CSM重置序列 潜热通量/(W·m-2/(10 a)) 2.95±0.83* 3.02±0.19* 0.52±0.20* 0.66±0.08* 近海表风速/(m·s-1/(10 a)) 0.08±0.06 0.08±0.02* 0.01±0.01 0.01±0.002* 海表温度/(℃/(10 a)) 0.11±0.02* 0.07±0.02* 0.20±0.07* 0.23±0.07* 比湿/(g·kg-1/(10 a)) 0.06±0.03* 0.03±0.01* 0.22±0.07* 0.23±0.06*    注：*表示趋势达到0.05显著性水平。

表 3 1979—2005年观测和BCC_CSM1.1(m) 模式模拟热带太平洋年平均潜热通量及各因子趋势的斜率 Table 3 Trend slopes of annual latent heat flux and its impact factors over the tropical and subtropical Pacific by the observation and BCC_CSM1.1(m) from 1979 to 2005

对潜热通量进行扰动分解得到扰动分解公式：

(2)

式 (2) 中，等式右边第1项为水平风速作用项，第2项为海表温度作用项，第3项为比湿作用项; 等式左边项f′_LHF为潜热通量异常项。研究表明等式最右边两项值较小，可以忽略^[31]。考虑扰动分解公式中主要的3项：风速、海表温度和比湿作用项。图 5为观测和BCC_CSM1.1(m) 模式模拟潜热通量扰动分解项趋势的斜率，由上至下分别为f′_LHF，，，-和。观测资料的海表温度趋势、比湿趋势的空间结构与潜热通量趋势的空间结构类似，为东西差异的结构。海表温度对潜热通量趋势为正的贡献，比湿则为负贡献。海表温度作用项减去比湿作用项，其空间分布与海表温度一致，为东弱西强的结构，说明比湿对潜热通量趋势的负贡献只能减缓潜热通量上升趋势，却不能阻止，这与Li等^[9]的研究结论一致。风速为整体较一致的弱正值，对潜热通量趋势为弱的正贡献。风速与海表温度对潜热通量趋势的局地贡献比，约为2:5。BCC_CSM1.1(m) 模式的潜热通量趋势为一致的弱上升趋势，存在小部分区域为负趋势，量级上与观测结果相差较大。海表温度对潜热通量趋势为正贡献，比湿为负贡献，与观测有差异的是模式并未模拟出海表温度和比湿趋势东西差异的空间结构，而是整体一致结构。这也是导致表 3中模式的海表温度和比湿变化趋势较观测偏大的主要原因。由图 5可知，风速对潜热通量趋势为弱贡献。BCC_CSM1.1(m) 模式的风速与海表温度对潜热通量趋势局地贡献比为3:50。分析观测与模式的风速、海温贡献比差异大的原因，通过计算得到观测与模式的风速贡献的相对误差为81%，而海表温度贡献的相对误差仅为44%。因此，贡献比偏差较大的原因主要是BCC_CSM1.1(m) 模式低估了风速局地贡献。由此认为，造成潜热通量趋势偏差的主要原因是模式对风速趋势的模拟存在较大偏差。

图 5

图 5. 1979—2005年观测 (a) 和BCC_CSM1.1(m) 模式模拟 (b) 的热带太平洋年平均潜热通量f′LHF, , , , 趋势的斜率 Fig 5. Slope distributions of annual mean f′LHF, , , , over the tropical Pacific by the observation (a) and BCC_CSM1.1(m)(b) from 1979 to 2005

潜热通量扰动分解并不是说明各项因子互相独立，事实上并非互相独立。风速变化能够影响比湿^[32]和海表温度^[33]，从而影响潜热通量。这就是风速对潜热通量的非局地影响。热带太平洋大尺度风速加强，一方面通过改变温跃层，使得东太平洋海表温度降低，西太平洋海表温度上升，增加的海表温度梯度又使得风速加强，体现了一种正反馈机制^{[9, 33]}。另一方面，风速增强使东太平洋比湿减少，西太平洋比湿增大，从而影响海气比湿差^{[15, 32]}。因此，图 5中观测的海表温度和比湿趋势呈东弱西强结构。而模式的海表温度和比湿趋势为整体一致的结构，说明BCC_CSM1.1(m) 模式未能较好地模拟出风速对海表温度和比湿的影响，即风速对潜热通量的非局地影响。

研究指出，潜热通量、风速和海表温度均与全球变暖有关^[9]，BCC_CSM1.1(m) 模式在全球变暖外强迫下模拟潜热通量，图 6a和图 6b分别为观测和BCC_CSM1.1(m) 模式模拟的1979—2005年年平均热带太平洋潜热通量、海表温度、风速和T_g的变化图。由于比湿对潜热通量的贡献较小，本节未探讨比湿对外强迫的响应。OAFlux观测资料 (图 6a) 的潜热通量、风速、海表温度与T_g指数相关系数分别为0.739，0.795和0.851，而BCC_CSM1.1(m) 模式 (图 6b) 的潜热通量、风速、海表温度与T_g指数相关系数分别为0.630, 0.131和0.867。只有模式的风速未达到0.05显著性水平，其他均达到0.05显著性水平，表明BCC_CSM1.1(m) 模式未能很好地模拟出风速对全球变暖的响应。这进一步说明BCC_CSM1.1(m) 模式模拟的风速与观测存在较大的偏差。

图 6

图 6. 观测 (a) 和BCC_CSM1.1(m) 模式模拟 (b) 的热带太平洋年平均潜热通量、海表温度、风速和Tg指数变化 Fig 6. Normalized time series of the annual latent heat flux, sea surface temperature and wind speed over the tropical Pacific and Tg index from the observation (a) and BCC_CSM1.1(m)(b)

利用OAFlux观测资料和BCC_CSM1.1(m) 等模式资料，评估了BCC_CSM1.1(m) 模式对热带太平洋年平均潜热通量气候态和变化趋势的模拟能力，并分析了趋势偏差的可能原因，主要结论如下：

1) BCC_CSM1.1(m) 模式模拟热带太平洋纬向平均潜热通量在各纬度上差异较大。在赤道地区，BCC_CSM1.1(m) 模式的模拟结果与观测非常接近；在10°N和8°S，BCC_CSM1.1(m) 模式的模拟结果与观测的偏差较大。可见BCC_CSM1.1(m) 模式可重点改进对南北10°N与8°S附近太平洋潜热通量的模拟。

2) BCC_CSM1.1(m) 模式模拟热带太平洋年平均潜热通量的均方根误差为22.9 W·m^-2，在CMIP5的15个模式中排在第8位。说明BCC_CSM1.1(m) 模式对热带太平洋年平均潜热通量的模拟能力一般，在15个模式中排名中等。

3) 利用扰动分解方法分析了热带太平洋年平均潜热通量趋势偏差的原因。模式一方面低估了风速对潜热通量的局地贡献，另一方面模拟的风速非局地贡献相对观测来说存在较大偏差。此外，模式并未能较好地模拟出风速对全球变暖的响应。由此认为BCC_CSM1.1(m) 模式模拟热带太平洋潜热通量趋势存在偏差的主要原因是BCC_CSM1.1(m) 模式模拟的风速与观测存在较大偏差。因此，要模拟好热带太平洋年平均潜热通量的趋势需要改进BCC_CSM1.1(m) 模式对水平风速的模拟。