海洋科学  2022, Vol. 46 Issue (12): 88-102   PDF    
http://dx.doi.org/10.11759/hykx20220118001

文章信息

唐寅, 毛新燕, 钱闯, 田晓露, 王亚男, 江文胜. 2022.
TANG Yin, MAO Xin-yan, QIAN Chuang, TIAN Xiao-lu, WANG Ya-nan, JIANG Wen-sheng. 2022.
CMIP6模式对中国近海气象要素模拟评估与预测
Evaluation and prediction of coastal meteorological elements in China by the CMIP6 model
海洋科学, 46(12): 88-102
Marine Sciences, 46(12): 88-102.
http://dx.doi.org/10.11759/hykx20220118001

文章历史

收稿日期:2022-01-18
修回日期:2022-03-24
CMIP6模式对中国近海气象要素模拟评估与预测
唐寅1, 毛新燕1, 钱闯1, 田晓露1, 王亚男1, 江文胜2     
1. 中国海洋大学 海洋与大气学院, 山东 青岛 266100;
2. 中国海洋大学 环境科学与工程学院, 山东 青岛 266100
摘要:为了研究第六次国际耦合模式比较计划(CMIP6)中新提出的“情景模式比较计划”(ScenarioMIP)下中国近海气象要素的变化情况, 本文选取了其中6个海气耦合模型, 对其模拟的风速、气温、降水进行评估与预测。评估结果表明选取的模式对中国近海模拟效果整体都不错, 但在菲律宾群岛附近模拟结果相对欠佳。模型平均预估结果表明未来21世纪中叶4个情景下渤黄海风速夏季增加、冬季减弱; 至21世纪末, 研究海域夏季15°N以北(南)风速主要呈增加(减小)的趋势, 冬季25°N以北(南)风速主要呈减小(增加)的趋势。4个未来情景下的中国近海气温都将持续升高, 高纬区域增幅大于低纬。可持续发展情景(SSP1-2.6)能有效减缓升温, 其他放任温室气体大量排放的情景(如SSP5-8.5), 则会加剧升温。未来中国近海降水变化总体上呈增加趋势, 渤黄海与东海降水增幅在SSP5-8.5情景下最大, 世纪末分别增加约15.87%与5.61%; 南海降水增幅在SSP2-4.5情景下最大, 世纪末增加约4.84%。
关键词CMIP6    ScenarioMIP    中国近海    气象要素评估    未来预测    
Evaluation and prediction of coastal meteorological elements in China by the CMIP6 model
TANG Yin1, MAO Xin-yan1, QIAN Chuang1, TIAN Xiao-lu1, WANG Ya-nan1, JIANG Wen-sheng2     
1. College of Oceanic and Atmospheric Sciences, Ocean University of China, Qingdao 266100, China;
2. College of Environmental Science and Engineering, Ocean University of China, Qingdao 266100, China
Abstract: To study the future meteorological element changes in the China coastal ocean under ScenarioMIP proposed by the Sixth International Coupled Model Comparison Project (CMIP6), this paper selected six coupled models of sea and air to evaluate and forecast the simulated wind speed, temperature, and precipitation. The evaluation results show that the simulation effect of each mode is relatively accurate in general but relatively poor near the Philippines. Then, based on the multimodel average (MME) prediction results, in the middle of the 21st century, the variation in wind speed in the Bohai Sea and the Yellow Sea (BYS) increased in summer and decreased in winter under four scenarios. By the end of the 21st century, the wind speed north (south) of 15°N in summer mainly showed an increasing (decreasing) trend, and the wind speed north (south) of 25°N in winter mainly showed a decreasing (increasing) trend. In all four scenarios, the future temperature of China's coastal ocean continued to rise, particularly in the high latitude region. Sustainable development scenarios (SSP1-2.6) can effectively mitigate temperature increases, while scenarios that allow large amounts of greenhouse gas emissions (such as SSP5-8.5) exacerbate temperature increases. In the future, the precipitation in the China coastal ocean will generally increase. BYS and the East China Sea (ECS) had the largest increase in precipitation under SSP5-8.5, increasing by approximately 15.87% and 5.61%, respectively, at the end of the century. The South China Sea (SCS) had the largest increase in precipitation under SSP2-4.5, increasing by approximately 4.84% at the end of the century.
Key words: CMIP6    scenarioMIP    China coastal ocean    meteorological element assessment    future projection    

中国地处亚欧大陆东部, 毗邻西北太平洋, 主要气候类型是季风气候。东亚季风气候变化影响中国近海的海洋动力与生态环境, 风、气温、降水等常见气象要素跟海水的温度、盐度以及生物活动等联系紧密。风能使海洋产生风海流与上升流, 进而影响海表温度。研究表明1971—2001年间的东亚冬季风年代际减弱可能是中国近海海面温度(sea surface temperature, SST)年代际上升的重要原因之一[1]。除此之外, 其他气象要素例如气温也与海温联系紧密, 有研究指出北黄海附近海域冬季的气温是影响其冷水团温度的主要因素之一[2]。气温变化也能通过影响海水蒸发进而影响海水盐度。另外, 降水与蒸发等水的相态变化也与海水盐度联系密切, 研究指出渤海盐度受局地气象要素的影响显著, 盐度变化滞后于降水和蒸发的变化, 夏季降水与秋季蒸发对秋冬季盐度分布影响很大[3]。生态环境方面, 蔡榕硕与谭红建[4]研究发现20世纪70年代以来的东亚气候变化可能是赤潮等生态灾害频发和中国近海鱼类物种北移的重要原因之一。前人的模型预测结果也表明, 中国近海的动力与生态环境对于气候变化也有极强的响应[5-7]。综上, 为了预测未来中国海洋环境的变化情况, 研究近海气象要素的变化是很有必要的。

现阶段对于气候变化的评估与预测大多基于国际耦合模式比较计划(Coupled Model Intercomparison Project, CMIP), 包括CMIP1(1995年)、CMIP2 (1997年)、CMIP3(2004年)、CMIP5(2013年)和目前正在进行的CMIP6。联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change, IPCC)依据CMIP5发布的第五次评估报告(Fifth Assessment Report, AR5)报告指出人类活动极有可能是导致20世纪中叶以来气候变暖的主要因素[8]。CMIP目前已进入第六阶段, 共有来自全球33个机构的112个全球气候模式(Global Climate Model, GCM)参与其中。CMIP6是CMIP计划实施以来参与模式最多、设计试验最完善、提供数据最庞大的一次, 其为评估模式对过去和当前气候变化的模拟能力以及预估未来气候变化提供了重要数据基础[9]

CMIP6最新提出的情景模式比较计划(ScenarioMIP)是基于不同的共享社会经济路径(shared socioeconomic pathway, SSP)以及最新的人为排放温室气体趋势提出的新预估情景[10-11]。其中SSP描述了在没有气候变化或者气候政策影响下, 未来社会的可能发展。SSP1、SSP2、SSP3、SSP4和SSP5分别代表了可持续发展、中度发展、局部发展、不均衡发展和常规发展5种路径。CMIP5提出的典型浓度路径(representative concentration pathway, RCP)主要包括RCP2.6、RCP4.5、RCP6.0、RCP8.5等路径, 每种路径中RCP后的数字代表了到2100年温室气体的辐射强迫值, 即分别为2.6、4.5、6.0、8.5 W/m2, CMIP6在此基础上又添加了RCP7.0、RCP3.4与低于2.6 W/m2的排放路径。ScenarioMIP中社会经济发展路径(SSP)与未来辐射强迫路径(RCP)两者之间具有一致性, 社会经济发展情景(SSP)是基础, 在这个基础上再生成对应的温室气体排放路径(RCP)。ScenarioMIP情景形式上通常可以写成SSPx-y, 例如SSP1-2.6代表SSP1路径与RCP2.6(到2100年温室气体辐射强迫稳定在2.6 W/m2左右)相结合的未来情况。对于ScenarioMIP情景下全球气象要素的未来变化情况, 研究表明[12-13]不同情景之间, 未来气温与降水变化差异很大。升温较大的区域位于北半球高纬度地区, 陆地升温比海洋更大。伴随着气温增加, 陆地上将会有更多地区面临降水的显著变化(中等信度), 其中高纬度地区、热带海洋和大部分季风区降水很可能增加, 副热带大部分地区降水可能减少。

科研人员利用CMIP针对东亚未来气候变化已经开展了许多数值模拟试验和预估工作。风速方面, 研究指出在RCP4.5与RCP8.5情景下, CMIP5大多数模型均模拟出东中国海夏季风增强, 冬季风减弱的变化特征, RCP4.5情景下夏季风速增加约3.7%[14-15]。但是也有研究表明在CMIP3的中等温室气体排放情景与CMIP5的3个情景(RCP2.6, RCP4.5, RCP8.5)下, 未来东亚的夏季风速增加, 冬季25°N以北(南)风速减少(增加), 不同情景下风速变化的幅度与区域大小均不相同[16-17]。气温与降水方面, 研究指出在RCP4.5情景下东亚区域未来的地面气温将普遍升高, 海洋上的增暖幅度小于陆地; 东亚大部分区域的降水也会增加, 陆地较为明显, 但增加幅度较小, 年均降水平均增加4.62%[15, 18]。前人已将最新的CMIP6数据运用到对中国陆地的风速[19]、气温与降水[20-21]的研究中, 但对于海上的气象要素的研究相对较少。在对中国近海风能的研究中[22], 结果表明在SSP2-4.5与SSP5-8.5这2个情景下, 未来风速在东海小幅下降, 在南海会有所增加; 21世纪中期(2041—2060)风速的变化幅度 < ±0.2 m/s, 21世纪后期(2081—2100)的变化幅度 < ±0.3 m/s。

CMIP6采用了新一代气候模式、一组新的浓度、排放和土地利用情景, 因此CMIP6的气候预估结果与CMIP5是有所不同的[23]。CMIP6中SSP情景的增暖情况通常也要强于CMIP5中对应的RCP情景[24-25], 而目前对于未来中国近海气象要素在新提出的ScenarioMIP情景下的具体变化情况研究相对较少。本文主要利用CMIP6气候模式模拟的10 m高度风速、2 m高度气温与降水量这3个常见的季风气候要素来探究未来中国近海气候变化, 旨在通过统计分析等手段对其模拟出来的数据进行评估, 并得出在ScenarioMIP情景下中国近海气象要素的未来变化趋势。

1 数据与方法 1.1 数据选取

本文主要使用了6个CMIP6的气候模式(表 1)的10 m高度风速, 2 m高度气温与降水数据。选取了CMIP6历史情景与一级试验(Tier-1)中的4个情景(SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP5-8.5)。历史情景年份为2005—2014年, 未来情景将针对21世纪中叶(2050—2059年)和21世纪末(2090—2099年)两个时间段进行进一步分析。

表 1 本文研究所用的CMIP6模式信息 Tab. 1 CMIP6 mode information
模型名称 机构(国家) 分辨率(经度×纬度) 网格数(经向×纬向)
BCC-CSM2-MR BCC(中国) 1.125°×1.121° 320×160
CAMS-CSM1-0 CAMS(中国) 1.125°×1.121° 320×160
CMCC-ESM2 CMCC(意大利) 1.25°×0.94° 288×192
FGOALS-f3-L CAS(中国) 1.25°×1° 288×180
GFDL-ESM4 NOAA-GFDL(美国) 1.25°×1° 288×180
MPI-ESM1-2-HR DKRZ(德国) 0.937 5°×0.935° 384×192

考虑到上述CMIP6各模式分辨率并不统一, 故将所有气候模式结果均双线性插值到ERA5的0.25°× 0.25°(经度×纬度)的网格里, 并根据ERA5的海陆分布情况(图 1)保留了海上的格点。此外, 本文对研究海域进行了分区, 依据前人划分标准分成了渤黄海(BYS)区(117°~127°E, 35°~41°N), 东海(ECS)区(120°~130°E, 22°~35°N)和南海(SCS)区(105°~120°E, 5°~22°N)[14]。并将之前未研究的台湾岛以西的部分海域(即113°~120°E)归纳至了东海(ECS)的范围。

图 1 研究海域的海陆分布与分区情况 Fig. 1 Marine and land distribution and Marine area division in the study area 注: 其中蓝色代表海上的格点, 灰色代表陆地格点
1.2 研究方法

本文用Taylor图(图 2)的方法来进行模型评估, 该方法由Taylor[26]于2001年首先提出, 基于相关系数(R)、中心均方根误差(E′)、标准差σ这3个指标, 来比较模式结果与观测的关系, 用以评估模拟能力。

图 2 Taylor示意简图 Fig. 2 Taylor schematic 注: σfσr分别是模式与观测的标准差

本文除了对单个模式进行评估与预测的结果分析以外, 考虑到单个模式的不确定性, 也对所有模式进行了等权平均, 并对模型平均(MME)的结果采用同样的方式进行了评估。

$ {S}_\text{MME}=\frac{1}{I}{\displaystyle}\sum\limits_{i=1}^{I}{S}_{i} , $ (1)

其中, S为研究的气象要素, I为模式个数。

2 对CMIP6模式历史模拟结果的评估

对于所选取的CMIP6各模式的历史模拟结果, 用欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)发布的第五代全球气候再分析数据集(ECMWF Reanalysis v5, ERA5)作为观测数据, 通过Taylor图进行对比与分析(图 3)。由图 3a可看出所挑选的6个模式对风速模拟结果不一, 相关系数范围为70%~90%, 中心均方根误差(E′)范围为0.40~0.75, 模拟最接近观测的是GFDL-ESM4, MME对相关系数与 E′这2个指标的模拟略优于单个模型; 在对气温(图 3b)的模拟结果上, 可以看出挑选的6个模式的模拟结果与ERA5再分析数据都比较接近, 相关系数均达到了90%以上, 中心均方根误差(E′)除了BCC-CSM2-MR均小于0.25; 对降水(图 3c)的模拟结果中, 不同模式的模拟差别较大, 相对来说FGOALS-f3-L, GFDL-ESM4, CMCC-ESM2相对模拟得更好, MME结果略优于单个模型。

图 3 CMIP6模式历史模拟相对于ERA5再分析数据的Taylor图 Fig. 3 Taylor diagram of the CMIP6 model history simulation (relative to ERA5 reanalysis data)

E′时空分布特征的模拟情况来说, 同一模型对不同月份、季节的模拟优劣并不相同(图 4), 例如GFDL-ESM4模拟7月风速的E′相对别的月份略大等。相对于单个模型, MME每月的E′都比较接近, 除对8月气温模拟较差以外, MME模拟的其他月份的各要素的E′均小于1。图 5则给出了各模式空间上的E′分布, 结果表明同一模式对于不同区域的模拟能力也不尽相同。E′较大值主要集中于菲律宾群岛附近海域, 在这些海域, 相对于模拟结果较差的单个模型, 多模型平均(MME)的E′明显更小。综上所述, MME的历史模拟结果要优于单个模型。

图 4 CMIP6模式不同月份的E′(相对于ERA5再分析数据) Fig. 4 E′ of the CMIP6 mode in different months (relative to ERA5 reanalysis data) 注: 其中MAM, JJA, SON, DJF, ANN分别是春、夏、秋、冬、年均的简称

图 5 CMIP6模式E′的空间分布(相对于ERA5再分析数据) Fig. 5 Spatial distribution of E′ of each element in the CMIP6 mode (relative to ERA5 reanalysis data)
3 ScenarioMIP情景下中国近海未来不同气象要素的变化

由上述对6个CMIP模式的历史模型评估可知, MME的结果要优于单一模型。因此对于不同情景21世纪中叶与世纪末中国近海气象要素的变化情况, 我们也将基于MME结果进一步地预估。

3.1 未来风速变化

在未来情景下, 随着全球变暖, 东亚季风系统也存在一定的响应[22]。在研究海域内, 21世纪中叶不同情景下风速变化不一(图 6a)。整体来看, 夏季渤黄海、东海与菲律宾以东的大部分海域风速会显著增加, 4个情景中SSP5-8.5情景下风速增加的范围与强度最大, SSP2-4.5情景相对最小。冬季4个情景之间风速变化趋势差异较大, 在SSP1-2.6与SSP5-8.5情景下表现为约25°N以北(南)风速减弱(增强); 在中度发展(SSP2-4.5)情景下渤海、黄海风速略微减少, 其余海域风速增加; 局部发展(SSP3-7.0)情景下, 中国近海风速则基本都呈减弱趋势。至本世纪末(图 6b), 4个情景下的风速变化趋势趋于统一。研究海域夏季15°N以北(南)风速主要呈增加(减小)趋势, 冬季25°N以北(南)风速主要呈减小(增加)趋势, 这与前人研究结果相近[13-14]。21世纪末不同情景下风速变化的差异主要体现在变化幅度上, SSP1-2.6情景变化幅度相对最小, SSP5-8.5情景变化幅度相对最大, 风速变幅小于0.7 m/s。四个情景中, 渤海、黄河风速夏季增加, 冬季减弱的趋势与前人研究所得的未来中国陆地风速变化预估结论一致[27]

图 6 21世纪中叶与世纪末的风速变化(单位: m/s, 相对于2005—2014年平均) Fig. 6 Wind speed changes between the middle and end of the 21st century (relative to the average from 2005 to 2014)

经前人研究[16-17], 未来增暖情景下, 夏季同一纬度上东亚大陆气温的升温幅度明显大于西太平洋海域, 这会导致东西向的海陆热力差异变大, 进而使得东亚大陆热低压加强幅度超过西太平洋副热带高压的减弱幅度, 从而引起夏季偏南风的增强。而在冬季, 因为东亚大陆气温上升幅度比西北太平洋上的更大, 则会引起东北亚地区的西北-东南温度梯度减弱、气压梯度力减小, 进而导致原有的西北风气流减弱。故海陆升温幅度差异可能是导致21世纪末夏季15°N以北风速增加和冬季25°N以北风速减弱的原因之一。根据前人对于东亚季风区(27°~35°N, 105°E以东的陆地)与副热带西北太平洋(15°~30°N, 120°~150°E的海域)两个区域的划分标准[28], 计算了两地4个情景下21世纪末的升温幅度(表 2)。结果表明未来4个情景下陆地升温幅度均大于海洋, 且伴随着情景的变化(依照SSP1-2.6至SSP5-8.5的顺序), 陆地与海洋升温幅度的差距也在增大。

表 2 未来4个情境下21世纪末东亚(气温)与西北太平洋(海温)升温幅度表(单位: ℃) Tab. 2 Warming amplitudes in East Asia (temperature) and the northwest Pacific (SST) at the end of the next four scenarios at the end of the 21st century (unit: ℃)
情景 东亚季风区平均升温幅度
(夏)
东亚季风区平均升温幅度
(冬)
西北太平洋平均升温幅度
(夏)
西北太平洋平均升温幅度
(冬)
SSP1-2.6 1.15 1.68 0.74 0.52
SSP2-4.5 2.32 2.45 1.45 1.29
SSP3-7.0 3.28 3.02 2.11 1.94
SSP5-8.5 4.50 4.51 2.42 2.16
3.2 未来气温变化

伴随着社会发展与温室气体的排放, 未来中国近海的气温在各个情景下都有明显的增温趋势。相对于2005—2014年气候态平均结果, 4个未来情景下近海气温仍将继续升高, 高纬区域增幅大于低纬, 这与前人的研究结果一致[29]。4个季节中, 夏季增温幅度略高于其他季节。在21世纪中叶(图 7a), 随着未来情景的变化(即从SSP1-2.6变化至SSP5-8.5), 整体升温幅度也会有所增大。4个情景中除SSP5-8.5情景夏季有部分海域升温超过2 ℃以外, 其余3个情景夏季升温的最大幅度值都在1.7~1.8 ℃的范围内。21世纪末(图 7b)气温变化规律与本世纪中叶相似, 不过增温幅度存在一定的差别。可持续发展情景(SSP1-2.6)下, 21世纪末增温幅度与21世纪中叶相差不大, 其余3个情景下世纪末增温幅度均明显大于世纪中叶。21世纪末4个情景下气温变化的差异也大于21世纪中叶, 世纪末夏季增温最大值在SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP5-8.5这4个情景下分别约为1.9 ℃, 2.7 ℃, 3.8 ℃与4.8 ℃。

图 7 21世纪中叶与世纪末的气温变化(单位: ℃, 相对于2005—2014年平均) Fig. 7 Temperature change between the middle and end of the 21st century (relative to the average from 2005 to 2014)

结合图 8可以发现伴随着未来情景的变化, 21世纪后半部分的气温增幅与增速也在逐渐增大。可持续发展情景(SSP1-2.6)下, 21世纪后半部分气温增长最小, 增速接近0; 中度发展(SSP2-4.5)情景下, 21世纪后半部分气温有所增长, 但增速缓于前半部分; SSP3-7.0与SSP5-8.5情景下, 21世纪后半部分的气温增长较大, 增速也略大于前半部分。

图 8 不同情景下研究海域的气候态年均气温变化 Fig. 8 Change in the mean annual temperature of the sea area under different scenarios
3.3 未来降水变化

整体来看, 未来大部分海域的降水量夏秋季会有明显增加(图 9)。空间分布上, 未来降水量增加比较显著的海域, 夏秋季主要集中于东海、南海北部和菲律宾群岛以东海域; 冬季则主要集中于印度尼西亚北部以及菲律宾中部附近的海域。四个季节中, 夏季与秋季降水增加相对显著。4个情景下降水变化程度不一: 在东亚降水相对集中于夏季, 21世纪中叶四个情境中夏季SSP3-7.0与SSP5-8.5降水增加较为显著, 两个情景下降水显著增加的区域不同, SSP3-7.0集中于菲律宾以东的海域, SSP5-8.5集中于东海。4个情景下21世纪末夏秋季降水依然都有很大程度的增加, 主要集中于15°N以北的海域, 其中SSP5-8.5情景增加最为显著, 可持续发展情景(SSP1-2.6)下, 世纪中叶大范围降水增加的幅度在0.5 mm/d左右。21世纪末在世纪中叶的基础上, 夏季南海降水增加显著, 冬季菲律宾群岛以东降水增加显著。在极端的常规发展情景(SSP5-8.5)下, 21世纪中叶夏季降水增加幅度范围为0.5~1.0 mm/d, 世纪末则达到了1.0~1.5 mm/d。

图 9 21世纪中叶与世纪末的降水变化(单位: mm/d, 相对于2005—2014年平均) Fig. 9 Precipitation change between the middle and end of the 21st century (relative to the average from 2005 to 2014)

比较不同情景下的未来与历史的月平均降水(图 10), 尽管存在一定的差异, 但未来中国近海的整体降水量还是有所增加的, 21世纪末时期的降水量略大于世纪中叶, 未来降水的增加可能与全球变暖的情景下, 东亚夏季风西南气流加强, 大气水汽含量增加有关[30]。未来降水的时间变化规律改变不大, 2—3月份降水最少, 7—8月份降水最多。年均时间尺度上, 4个情景中降水增加最为显著的情景为SSP5-8.5情景。

图 10 模型平均(MME)模拟的不同情景下的月平均降水(单位: mm) Fig. 10 Monthly mean precipitation simulated by the model mean (MME) under different scenarios
4 不同分区气象要素的未来变化

由前面分析可得未来不同情景下气象要素的变化差别很大。为了进一步研究中国未来不同海区上气象要素的变化情况, 根据图 1的分区情况对不同海区的风速(图 11)、气温(图 12)、降水(图 13)进行定量研究。

图 11 21世纪中叶与世纪末不同分区的风速变化 Fig. 11 Wind speed changes in different zones between the middle and end of the 21st century

图 12 21世纪中叶与世纪末不同分区气温年均变化 Fig. 12 Annual average temperature changes in different regions between the middle and end of the 21st century

图 13 21世纪中叶与世纪末不同分区降水年均变化 Fig. 13 Annual mean changes in precipitation in different regions between the middle and end of the 21st century
4.1 不同分区未来的风速变化

根据前面的研究, 未来风速变化有明显的季节和区域差异。21世纪中叶, 3个海区在4个情景下的风速变化不一。4个情景下渤黄海风速变化趋势较为一致, 呈夏季增加、冬季减弱的趋势。夏季四个情景下渤黄海风速增加的幅度范围为0.09~0.16 m/s, 其中SSP2-4.5最小, SSP5-8.5最大; 冬季SSP3-7.0与SSP5-8.5情景下渤黄海风速减弱幅度较大(0.17 m/s),相反在SSP1-2.6与SSP2-4.5这2个情景下风速减弱幅度极小(< 0.02 m/s)。东海与南海不同情景下的风速变化不一。东海4个情景下夏季风速变化范围为–0.03~0.12 m/s, 冬季变化范围为–0.17~0.03 m/s。南海风速在4个情景下夏季均呈略微减小趋势(–0.08~ –0.02 m/s), 冬季变化不一, 变化范围为–0.07~0.13 m/s。3个海区世纪中叶年均风速变化幅度均小于0.07 m/s。

世纪末时期, 不同情景下渤黄海与东海的夏冬两季风速变化逐渐统一, 总体呈夏季风速增加, 冬季风速减小的趋势。夏季渤黄海与东海在SSP5-8.5情景下风速增长较为显著, 分别增加了0.35 m/s和0.18 m/s; 其余情景下依照SSP1-2.6, SSP2-4.5, SSP3-7.0的顺序, 渤黄海风速增加幅度从0.06 m/s增加至0.14 m/s, 东海从0.04 m/s减小至0.01 m/s。冬季渤黄海SSP1-2.6减弱幅度较为显著(–0.13 m/s), 其余3个情景下基本处于–0.04~–0.03 m/s的范围内, 东海减弱最显著的情景是SSP5-8.5(–0.19 m/s), 其余3个情景基本处于–0.10~–0.08 m/s的范围内。南海夏季4个情景下南部与北部风速变化趋势不一, 故整体的风速变化并不一样, 4个情境下SSP1-2.6情景下差距最小, SSP3-7.0差距最大; 南海冬季4个情景下风速均呈增大的趋势, 其中SSP5-8.5情景下增幅最大, 约增加了0.20 m/s, SSP1-2.6情景下增幅最小, 约增加了0.06 m/s。三个海区在21世纪末的年均风速变化幅度均小于0.12 m/s。

综上还可发现, 除SSP5-8.5情景以外, 3个海区未来夏冬两季风速平均变化幅度均小于0.15 m/s, SSP5-8.5情景下风速变化的程度明显大于其他情景。由此可见SSP5社会发展路径与温室气体大量排放(RCP8.5)两种人为因素, 会使得未来风速变化更加剧烈。

4.2 不同分区未来的气温变化

气温变化方面, 未来3个海区不同情景下气温有着不同的变化幅度基本随情景[从可持续发展(SSP1-2.6)至常规发展(SSP5-8.5)的顺序]的变化而增大。同一情景下3个海区升温幅度的大小跟纬度有关, 渤黄海大于东海, 东海大于南海。

在2005—2014年的基础上, 可持续发展情景(SSP1-2.6)下, 世纪中叶渤黄海、东海与南海平均气温年均分别约增加了约1.3 ℃、0.9 ℃、0.6 ℃。21世纪末在世纪中叶的基础上渤黄海与东海气温约上升0.2和0.1 ℃, 南海气温变化极小(< 0.01 ℃)。在最极端的放任温室气体大量排放情景(SSP5-8.5)下, 21世纪中叶渤黄海、东海与南海平均气温年均分别增加了约2.1 ℃, 1.5 ℃, 1.2 ℃。21世纪末在世纪中叶的基础上气温增长幅度较大, 渤黄海、东海与南海平均气温年均分别增加了约2.4 ℃, 1.8 ℃, 1.4 ℃, 基本呈随纬度变低而减小的规律。其余情景下未来2个时期的气温升温幅度处于上述两情景之间。

综上所述, 未来社会发展路径的选择对中国近海气温变化影响巨大。可持续发展情景(SSP1-2.6)能有效减缓气温升高, 其他放任温室气体大量排放的情景(如SSP5-8.5), 则相反。

4.3 各海区未来的降水变化

未来3个海区年均降水整体都呈增大趋势(图 13)。21世纪中叶各海区在不同情景下变化不一, 渤黄海与东海在SSP5-8.5情景下降水增加最显著, 分别增加了7.45%和6.80%; 在SSP2-4.5情景下相对增加得最少, 分别增加了0.35%和3.56%。南海增加较为显著的为SSP2-4.5与SSP5-8.5情景, 都增加了约3%, 其余2个情景下增加了约1%。3个海区中, 渤黄海在不同情景之间的降水变化差异较大, 东海较小。

21世纪末不同海区不同情景下变化差异比世纪中叶更显著, 其中东海4个情景下差异最小, 增加了约4.65%~5.61%; 渤黄海在SSP1-2.6情景下降水增长最小, 增长了约7.44%, 在SSP5-8.5情景下增长最大, 增长了约15.87%; 南海4个情景下差异最大, 其中SSP3-7.0最小, 略微减少了0.02%, SSP2-4.5最大, 增长了约4.84%。

不同海区降水随情景的变化不一。整体变化幅度小于16%, 量值小于0.35 mm/d。渤黄海与东海降水增幅在SSP5-8.5情景下最大, 21世纪末分别约增加15.87%与5.6%; 南海降水增幅在SSP2-4.5情景下最大, 世纪末约增加4.84%, 本文前面的研究也可发现南海南部存在降水减少的趋势。在东亚与南亚季风系统中, 渤、黄海为暖温带季风气候区; 东海为亚热带季风气候区; 南海大部分海域为热带季风气候区; 10°N以南的南海属赤道季风气候。所以3个海区未来降水变化有差别可能是因为其所属气候区不一样的缘故。

5 结论与讨论

利用CMIP6最新提出的情景(ScenarioMIP)的模式数据对中国近海气象要素进行了评估与预测。

首先利用Taylor图等分析方法利用ERA5再分析数据对所挑选的6个CMIP6模式以及多模型平均(MME)模拟结果进行评估, 综合来看6个模式对研究的大部分海域模拟较好, 相对模拟不准的海域主要集中在菲律宾群岛附近。

然后利用多模型平均(MME)的结果对未来进行预估。对中国近海(渤黄海、东海、南海3个海区)未来的风速, 气温, 降水气象要素的变化得到以下几点结论:

1) 21世纪中叶4个情景下中国近海的风速变化趋势不一, 渤黄海与东海部分海域风速增加明显, 冬季南海风速增加明显。世纪末变化趋势逐步统一, 研究海域夏季15°N以北(南)风速主要呈增加(减小)的趋势, 冬季25°N以北(南)风速主要呈减小(增加)的趋势, 变化幅度小于0.7 m/s。SSP1-2.6情景下变化幅度最小, SSP5-8.5情景下变化幅度最大。

2) 21世纪中叶不同情景下, 同一海区风速的变化趋势不一致。21世纪末渤黄海与东海趋势逐渐一致, 风速整体呈夏季增强、冬季减弱的趋势。4个情景下的风速, 南海夏季北部与南部变化不一, 但冬季所有情景下均呈增加的趋势。4个情景中, SSP5-8.5情景下的风速变化的程度异常大于其他情景。

3) 4个未来情景下的中国近海气温都仍将继续上升, 高纬区域增幅大于低纬。伴随着未来情景[从可持续发展(SSP1-2.6)至常规发展(SSP5-8.5)的顺序]的变化, 未来三个海区气温增加的幅度增大, 后半世纪的气温增速也在逐渐变大。可持续发展情景(SSP1-2.6)能有效减缓升温; 其他放任温室气体大量排放的情景(如SSP5-8.5), 则会加剧升温。

4) 未来中国近海降水总体上呈增加趋势, 不同情景下降水增幅不同, 4个情景中SSP5-8.5情景下年均降水量增幅相对较大。4季中夏季和秋季降水增加量较多。渤黄海与东海降水增幅在SSP5-8.5情景下最大, 21世纪末分别约增加15.87%与5.61%; 南海降水增幅在SSP2-4.5情景下最大, 21世纪末约增加4.84%。降水增幅的差别可能是不同海区未来降水变化趋势不同所导致。

5) 未来社会发展路径的选择、温室气体的排放量等人为因素对于中国近海气象要素的影响巨大。

利用大尺度海气耦合模型对中国近海气候进行评估与预测的过程中存在一些不确定性, 本研究也采用了模型集合平均的方法减小了单个模式模拟的系统误差。未来还可以对气象要素进行降尺度处理等方法对模型模拟结果进行一定的偏差矫正, 从而提高研究的准确度。

参考文献
[1]
蔡榕硕, 陈际龙, 谭红建. 全球变暖背景下中国近海表层海温变异及其与东亚季风的关系[J]. 气候与环境研究, 2011, 16(1): 94-104.
CAI Rongshuo, CHEN Jilong, TAN Hongjian. Variations of the sea surface temperature in the offshore area of China and their relationship with the East Asian monsoon under the global warming[J]. Climatic and Environmental Research, 2011, 16(1): 94-104. DOI:10.3878/j.issn.1006-9585.2011.01.09
[2]
江蓓洁, 鲍献文, 吴德星, 等. 北黄海冷水团温、盐多年变化特征及影响因素[J]. 海洋学报(中文版), 2007, 29(4): 1-10.
JIANG Beijie, BAO Xianwen, WU Dexing, et al. Interannual variation of temperature and salinity of northern Huanghai Sea Cold Water Mass and its probable cause[J]. Acta Oceanologica Sinica, 2007, 29(4): 1-10. DOI:10.3321/j.issn:0253-4193.2007.04.001
[3]
匡晓迪. 气候变化对渤海盐度年际变化及长期变化的影响[D]. 青岛: 中国海洋大学, 2009.
KUANG Xiaodi. The impact of climate change on interannual and long term variation of the salinity of Bohai Sea[D]. Qingdao: Ocean University of China, 2009.
[4]
蔡榕硕, 谭红建. 东亚气候的年代际变化对中国近海生态的影响[J]. 台湾海峡, 2010, 29(2): 173-183.
CAI Rongshuo, TAN Hongjian. Influence of interdecadal climate variation over East Asia on offshore ecological system of China[J]. Journal of Oceanography in Taiwan Strait, 2010, 29(2): 173-183. DOI:10.3969/J.ISSN.1000-8160.2010.02.005
[5]
张维娟. 黄海动力环境对未来气候变化响应的情景预测[D]. 天津: 天津科技大学, 2014.
ZHANG Weijuan. The scenario prediction of Yellow Sea's dynamic environment response to future climate variation[D]. Tianjin: Tianjin University of Science and Technology, 2014.
[6]
赵一丁, 杨波, 魏皓, 等. 未来黄、东海营养盐浓度变化情景预测[J]. 海洋与湖沼, 2015, 46(5): 983-994.
ZHAO Yiding, YANG Bo, WEI Hao, et al. Scenario prediction of future nutrient concentration in the Yellow Sea and East China Sea[J]. Oceanologia et Limnologia Sinica, 2015, 46(5): 983-994.
[7]
赵一丁. 未来黄东海生态环境变化情景预测[D]. 青岛: 中国海洋大学, 2015.
ZHAO Yiding. Scenario prediction of future ecological environment change in the Yellow sea and East China Sea[D]. Qingdao: Ocean University of China, 2015.
[8]
IPCC. Climate Change 2013: The Physical Science Basis. Contribution of working group i to the fifth assessment report of the intergovernmental panel on climate change[M]. Cambridge: Cambridge University Press, 2013.
[9]
周天军, 邹立维, 陈晓龙. 第六次国际耦合模式比较计划(CMIP6)评述[J]. 气候变化研究进展, 2019, 15(5): 445-456.
ZHOU Tianjun, ZOU Liwei, CHEN Xiaolong. Commentary on the Coupled Model Intercomparison Project Phase 6 (CMIP6)[J]. Climate Change Research, 2019, 15(5): 445-456.
[10]
张丽霞, 陈晓龙, 辛晓歌. CMIP6情景模式比较计划(ScenarioMIP)概况与评述[J]. 气候变化研究进展, 2019, 15(5): 519-525.
ZHANG Lixia, CHEN Xiaolong, XIN Xiaoge. Short commentary on CMIP6 Scenario Model Intercomparison Project (ScenarioMIP)[J]. Climate Change Research, 2019, 15(5): 519-525.
[11]
TEBALDI C, DEBEIRE K, EYRING V, et al. Climate model projections from the Scenario Model Intercomparison Project (ScenarioMIP) of CMIP6[J]. Earth System Dynamics, 2021, 12(1): 253-293. DOI:10.5194/esd-12-253-2021
[12]
周天军, 陈梓明, 邹立维, 等. 中国地球气候系统模式的发展及其模拟和预估[J]. 气象学报, 2020, 78(3): 332-350.
ZHOU Tianjun, CHEN Ziming, ZOU Liwei, et al. Development of climate and earth system models in China: Past achievements and new CMIP6 fesults[J]. Acta Meteorologica Sinica, 2020, 78(3): 332-350.
[13]
周天军, 陈梓明, 陈晓龙, 等. IPCC AR6报告解读: 未来的全球气候——基于情景的预估和近期信息[J]. 气候变化研究进展, 2021, 17(6): 652-663.
ZHOU Tianjun, CHEN Ziming, CHEN Xiaolong, et al. Interpreting IPCC AR6: future global climate based on projection under scenarios and on near-term information[J]. Climate Change Research, 2021, 17(6): 652-663.
[14]
宋春阳. CMIP5模式对中国近海气候特征模拟评估及预估[D]. 北京: 国家海洋环境预报中心, 2016.
SONG Chunyang. Evaluation and projection of SST in the China seas from CMIP5[D]. Beijing: National Marine Environmental Forecasting Center, 2016.
[15]
张维娟, 杨波, 魏皓. 四个耦合模式在模拟和预测东亚季风系统方面的对比分析[J]. 海洋科学, 2014, 38(9): 96-108.
ZHANG Weijuan, YANG Bo, WEI Hao. Comaprison of four coupling models in simulation and forecast analysis of the East Asian monsoon system[J]. Marine Sciences, 2014, 38(9): 96-108.
[16]
JIANG D B, TIAN Z P. East Asian monsoon change for the 21st century: Results of CMIP3 and CMIP5 models[J]. Chinese Science Bulletin, 2013, 58(12): 1427-1435. DOI:10.1007/s11434-012-5533-0
[17]
栗晗, 凌铁军, 张蕴斐, 等. 中国近海风场未来气候变化统计降尺度预估[J]. 海洋预报, 2016, 33(4): 34-45.
LI Han, LING Tiejun, ZHANG Yunfei, et al. Statistical downscaling projection of sea-surface wind near China under RCPs scenarios[J]. Marine Forecasts, 2016, 33(4): 34-45.
[18]
赵欢. 基于CMIP5多模式集成的东亚地面气温和降水的统计降尺度预测研究[D]. 南京: 南京信息工程大学, 2015.
ZHAO Huan. Statistical downscaling of temperature and precipitation based on the multimodel ensemble forecast using CMIP5 data[D]. Nanjing: Nanjing University of Information Science and Technology, 2015.
[19]
WU J, SHI Y, XU Y. Evaluation and projection of surface wind speed over China based on CMIP6 GCMs[J]. Journal of Geophysical Research: Atmospheres, 2020, 125(22): e2020JD033611.
[20]
向竣文, 张利平, 邓瑶, 等. 基于CMIP6的中国主要地区极端气温/降水模拟能力评估及未来情景预估[J]. 武汉大学学报(工学版), 2021, 54(1): 46-57.
XIANG Junweng, ZHANG Liping, DENG Yao, et al. Projection and evaluation of extreme temperature and precipitation in major regions of China by CMIP6 models[J]. Engineering Journal of Wuhan University, 2021, 54(1): 46-57.
[21]
杨小玲. CMIP6优选模式集合对中国温度和降水的模拟评估与预估[D]. 南京: 南京信息工程大学, 2022.
YANG Xiaoling. Simulation assessment and prediction of temperature and precipitation in China by CMIP6 Best Multi-Model Ensemble[D]. Nanjing: Nanjing University of Information Engineering, 2022.
[22]
ZHANG S Y, LI X C. Future projections of offshore wind energy resources in China using CMIP6 simulations and a deep learning-based downscaling method[J]. Energy, 2021, 217: 119321.
[23]
O'NEILL B C, TEBALDI C, VAN VURREN D P, et al. The Scenario Model Intercomparison Project (ScenarioMIP) for CMIP6[J]. Geoscientific Model Development, 2016, 9(9): 3461-3482.
[24]
CHEN H P, SUN J Q, LIN W Q, et al. Comparison of CMIP6 and CMIP5 models in simulating climate extremes[J]. Science Bulletin, 2020, 65(17): 1415-1418.
[25]
ZHU H H, JIANG Z H, LI L. Projection of climate extremes in China, an incremental exercise from CMIP5 to CMIP6[J]. Science Bulletin, 2021, 66(24): 2528-2537.
[26]
TAYLOR K E. Summarizing multiple aspects of model performance in a single diagram[J]. Journal of Geophy sical Research: Atmospheres, 2001, 106(D7): 7183-7192.
[27]
江滢, 罗勇, 赵宗慈. 全球气候模式对未来中国风速变化预估[J]. 大气科学, 2010, 34(2): 323-336.
JIANG Ying, LUO Yong, ZHAO Zongci. Projection of wind speed changes in China in the 21st century by climate model[J]. Chinese Journal of Atmospheric Sciences, 2010, 34(2): 323-336.
[28]
孙秀荣, 陈隆勋, 何金海. 东亚海陆热力差指数及其与环流和降水的年际变化关系[J]. 气象学报, 2002, 60(2): 164-172.
SUN Xiurong, CHEN Longxun, HE Jinhai. Index of land–sea thermal difference and its relation to interannual variation of summer circulation and rainfall over East Asian[J]. Acta Meteorologica Sinica, 2002, 60(2): 164-172.
[29]
胡婷, 孙颖, 张学斌. 全球1.5和2 ℃温升时的气温和降水变化预估[J]. 科学通报, 2017, 62(26): 3098-3111.
HU Ting, SUN Ying, ZHANG Xuebin. Temperature and precipitation projection at 1.5 and 2 ℃ increase in global mean temperature[J]. Chinese Science Bulletin, 2017, 62(26): 3098-3111.
[30]
孙颖, 丁一汇. 未来百年东亚夏季降水和季风预测的研究[J]. 中国科学D辑: 地球科学, 2009, 39(11): 1487-1504.
SUN Ying, DING Yihui. A projection of future changes in summer precipitation and monsoon in East Asia[J]. Science in China (Series D), 2009, 39(11): 1487-1504.