全球年代际气候变化的物理溯源及其模式预报技巧

发布时间：2020-04-25 23:30

【摘要】：全球年代际气候变率可以改变全球气候背景,调制气候年际变率,对社会和经济中长期发展有重要影响。因此,年代际气候预测对气候变化风险评估和应对策略制定显得至关重要,由于尚处于起步阶段,还存在亟待解决的技术问题和科学问题。本文主要分析了ERA-Interim再分析资料和NCAR CCSM4年代际回顾预报试验中,全球和东亚陆地(15°-70°N,70°-160°E)的地表温度年代际时空变化特征,并且利用气候反馈-响应分析方法(CFRAM)定量评估不同物理和动力过程在其中的贡献。同时寻找模式预报技巧的物理溯源,初步探讨模式物理和动力过程的误差来源,指出模式可能存在的问题,为模式改进提供有效的指导意见。全球地表经历了20世纪80年代至90年代末的快速增温以及21世纪初的增温停滞,期间受1991年皮纳图博火山喷发影响全球出现短暂降温。地表动力过程(主要是海洋热存储的变化)对1981-2015年全球地表温度的年代际时空演变起决定性的作用,次要的正贡献来自二氧化碳浓度增加,云变化,地表反照率变化和水汽变化。大气动力过程则通过改变湍流、对流和大气能量输送减小地表动力过程引起的地表温度波动。海洋热存储变化使得热带海洋出现大范围增暖。二氧化碳浓度增加导致全球一致增温。地表反照率的作用在极地尤为显著。太阳辐照度变化引起的地表温度变化存在明显的准11年周期,其作用和臭氧浓度变化的作用相对较小。同一物理或动力过程在不同时期的作用可以相反。东亚陆地经历了20世纪80年代后期和21世纪00年代前期的快速增温,20世纪90年代期间的短暂增温停滞,以及21世纪00年代后期的快速降温。相比1981-85年,2011-15年东亚陆面出现高于全球平均的显著增暖,尤其在高纬度地区和中国东部。研究发现地表动力过程(主要是土壤热扩散,冰雪融化/冻结以及河流能量运输)和云变化的共同作用主导着1981-2015年东亚陆面温度年代际时空演变,而大气动力过程的主要作用是减弱地表动力过程引起的温度波动。次要的正贡献包括水汽变化,二氧化碳浓度增加和地表反照率变化。云变化的增温作用在西伯利亚南部和中国东部尤为明显。地表反照率的局地作用则在高纬度和高海拔地区更为明显。太阳辐照度的变化和臭氧浓度变化的贡献相对较小。东亚陆面年际快速增温和快速降温的温度异常空间分布主要来自大气动力过程,水汽变化,云变化和地表反照率变化的正贡献,东亚陆面快速增温和快速降温的物理溯源是一致的。通过评估1981-2005年CCSM4年代际回顾预报试验的结果,发现模式能预报出这段时期全球地表温度的时间变化特征,但模式的物理和动力过程存在不少问题。模式能较好地预报外部强迫变化和大气动力过程引起的地表温度变化,例如太阳辐照度变化和二氧化碳浓度增加的效应,但未能较好地预报90年代平流层臭氧增加的过程以及两极海冰的区域性变化,并且高估了火山喷发对气候系统的影响。模式和观测最为显著的差异在于模式中水汽变化成为全球地表温度时间演变的首要因素,而在观测中则是地表动力过程(主要是海洋热存储变化)。模式(观测)中全球大气水汽均匀增加(区域性增多/减少)。模式中的云效应和观测相比弱得多,与模式中的总云量显著偏少,而且暖云偏多,冰云偏少有关。模式中水汽和云变化的差异表明其气候系统的水循环过程存在较大问题。并且,模式中海洋动力和热力过程引起的海表温度上升相比观测弱得多,表明海洋模式难以模拟海洋过程的长期变化。模式仅能预报出东亚陆面长期增暖的趋势,无法预报90年代的短暂增温停滞以及区域性的降温,其预报技巧主要来自长期变化的趋势。模式在东亚地区仍然高估了水汽效应,使其成为东亚陆面温度时间演变的首要因素,而在观测中则是地表动力过程(主要是土壤热扩散,冰雪融化/冻结以及河流能量运输)。虽然模式中地表动力过程和大气动力过程在东亚陆面温度空间异常的演变的作用(分别提供正贡献和负贡献)和观测一致,但是模式中次要正贡献来自水汽变化,而在观测中则来自云变化。模式对东亚陆地冰雪变化的预报与观测有明显差别。再分析资料作为观测的近似还存在一定的不确定性(例如云分析),对全球年代际气候变化进行准确的归因分析需要高质量的再分析资料,也可以为模式验证提供较好的参考。
【图文】：

动力过程,全球,水汽,物理

全球年代际气候变化的物理溯源及其模式预报技巧使得全球温度并未出现大幅度波动。对 2004 年后全球增温停滞提供正贡献的主要有大气动力过程和云变化，臭氧变化和地表反照率变化提供的正贡献相对较弱而主要的负贡献来源是地表动力过程，水汽变化和二氧化碳浓度变化。

可降水量,总云量,异常变化,水汽

第三章全球地表温度年代际变化的归因关系，，全球温度上升后，大气能容纳更多的水汽，而且地表升温导致地表蒸发加强，所以大气中的水汽也会增加。但是在观测中，大气温度变化和水汽变化的关系不是那么明显，也有研究发现在卫星观测资料和再分析资料中两者的变化很多时候不具备同步性（Bosilovich et al. 2017）。再分析资料中的大气水汽含量主要来自卫星观测数据的同化，其不确定性我们将会在第五章进行分析。
【学位授予单位】：中山大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：P467

【参考文献】