大气科学  2018, Vol. 42 Issue (4): 902-934   PDF    
东亚夏季风变化机理的模拟和未来变化的预估:成绩和问题、机遇和挑战
周天军1,2, 吴波1, 郭准3, 何超4, 邹立维1, 陈晓龙1, 张丽霞1, 满文敏1, 李普曦1,2, 李东欢1,2, 姚隽琛5, 黄昕1,2, 张文霞1,2, 左萌1,2, 陆静文1,2, 孙宁1,2     
1 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), 北京 100029
2 中国科学院大学, 北京 100049
3 中国科学院大气物理研究所/中国科学院气候变化研究中心(CCRC), 北京 100029
4 暨南大学环境与气候研究院, 广州 511443
5 国家气候中心, 北京 100081
摘要: 东亚夏季风对于我国东部气候具有重要影响,呈现出多种时间尺度的变化特征。在理解东亚夏季风过去和当前的变化机理、预测和预估其未来变化等方面,气候系统模式发挥着不可替代的作用。但是当前的气候模式在东亚夏季风的模拟上尚存在诸多不足,这使得其模拟结果存在不确定性,既制约了我们对过去和当前季风变化机理的准确理解,又降低了未来预测预估结果的可信度。关于造成季风模拟偏差的原因,既涉及模式本身的性能问题,又与模拟系统的构建、强迫资料的误差、乃至我们当前对季风变化规律自身的认知水平有关。本文以时间尺度为序,从气候态、日变化、年际变率、年代际变率、长期气候变化和未来预估等季风学界关注的热点问题角度,本着总结成绩、归纳问题、寻找机遇、面对挑战的目的,从七个方面系统总结了当前气候模式的水平,归纳了其主要偏差特征,讨论了影响模式性能的可能因素。内容涉及模式分辨率和地形效应、对流和云辐射效应的作用、与季风相关的热带海气相互作用关键过程、内部变率(太平洋年代际振荡)、自然变率(太阳辐照度变化和火山气溶胶强迫)和人为辐射强迫(人为温室气体和气溶胶排放)对季风变化的不同影响、热力和动力过程及气候敏感度对季风环流(副高)和降水预估不确定性的影响等。最后从优化参数、实现场地观测和过程模拟的协同、发展高分辨和对流解析模式等角度,讨论了提升东亚夏季风模拟能力的技术途径。
关键词: 东亚夏季风      数值模拟      副高      降水      日变化      年际和年代际变率      气候预估      温室气体和气溶胶      海气相互作用      高分辨率模式     
A Review of East Asian Summer Monsoon Simulation and Projection: Achievements and Problems, Opportunities and Challenges
ZHOU Tianjun1,2, WU Bo1, GUO Zhun3, HE Chao4, ZOU Liwei1, CHEN Xiaolong1, ZHANG Lixia1, MAN Wenmin1, LI Puxi1,2, LI Donghuan1,2, YAO Junchen5, HUANG Xin1,2, ZHANG Wenxia1,2, ZUO Meng1,2, LU Jingwen1,2, SU Ning1,2     
1 State Key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics(LASG), Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029
2 University of Chinese Academy of Sciences, Beijing 100049
3 Climate Change Research Center(CCRC), Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029
4 Institute of Environment and Climate Research, Jinan University, Guangzhou 511443
5 Beijing Climate Center, China Meteorological Administration, Beijing 100081
Abstract: The East Asian Summer Monsoon (EASM), which has profound societal and economic impacts in China, has exhibited multiple time-scale variabilities. Climate models play an irreplaceable role in understanding the past changes and predicting/projecting the future changes in the EASM. However, current state of the climate models still shows evident biases in the simulation of EASM. This kind of model deficiency has limited our understanding of the mechanisms responsible for the EASM variability based on numerical model experiments and reduced the reliability of long-term climate change projection. This paper provides a synthesis review on our progresses in climate modeling study with a focus on the EASM. The achievements made in the last 5 years are summarized along with an extension to earlier studies in case of needing. The observational metrics used to gauge model performances include the climatology, diurnal cycle, interannual variability, interdecadal variability, and long-term climate change and climate projection. The following processes that are crucial to a successful modeling of monsoon mean state, variability and changes are reviewed, which include the effects of model resolution and model topography, climate effects of moist convection and cloud-radiation, monsoon-related tropical air-sea interactions, impacts of internal variability modes such as the Pacific Decadal Oscillation on the inter-decadal variability of EASM, the role of natural external forcing including solar radiation and volcanic aerosols, the contribution of anthropogenic forcing (including emissions of greenhouse gases and aerosols). In addition, the thermodynamic and dynamic processes associated with climate sensitivity that are responsible for the uncertainties in climate change projections are also discussed. Both the strengths and weakness of the current state of the art climate models are documented. Instead of simply summarizing the models' performance, the review is done along with a discussion on our understanding of the strengths and weaknesses from the perspective of dynamical/physical processes. In the final part, we provide a list of potential ways to improve the models' performance, which includes the optimization of model parameters, improvement of model physics by coordinating model studies and field campaigns, and development of high-resolution and convection-permitting models.
Key words: East Asian summer monsoon      Numerical modeling      Western Pacific subtropical high      Precipitation      Diurnal cycle      Interdecadal and interannual variabilities      Climate projection      Greenhouse gases and aerosols      Air-sea interactions      High-resolution model     
1 引言

东亚季风是全球季风的重要组成部分,在受夏季风影响显著的我国东部区域,夏季降水占年总降水量的约49%(图 1a);夏季风的存在,决定着我国水资源分布的空间格局。与此同时,受夏季风影响的中东部区域,也是我国人口密度分布最大、国民经济发展水平最高的区域(图 1b)。从人口规模和经济发展水平的角度来衡量,在全球季风系统中,东亚夏季风的重要性不言而喻。但是,季风环流在带来充沛降水、提供着工农业发展和人民生活所必须的水资源的同时,其异常活动,例如伴随着季风强弱变化出现的洪涝和干旱,又会危及人民生命和财产的安全,给国民经济发展造成重大损失(中国气象局,2016)。理解季风活动的变化机理、准确预测季风的变化是迫切的国家需求。

图 1 (a)基于全球降水气候计划(GPCP)资料计算的1979~2010年气候态平均夏季降水[北半球6~8月(JJA),南半球12月至次年2月(DJF)]占年降水的百分比,黑线表示全球季风区;(b)基于格点化全球人口数据集(版本3)给出的2000年全球人口分布(单位:103),黑线表示全球陆地季风区,右上角给出全球季风区的总人口数及其占全球总人口的比例 Figure 1 (a) The proportion of local summer precipitation [June–July–August (JJA) in the Northern Hemisphere and December–January–February (DJF) in the Southern Hemisphere] in annual mean precipitation derived from Global Precipitation Climatology Project (GPCP) in 1979–2010, the black line indicates the regions of global monsoon; (b) the population (units: 103 persons) in 2000 AD, the black line indicates the regions of global monsoon and the number above the plot presents the percentage of population in the monsoon region to global population

数值模拟、观测和理论研究是当代大气科学研究的三种基本手段。气候系统模式是理解季风变化机理、预测和预估其未来变化的重要工具。经过几十年的努力,气候模式已经从单一的大气模式发展到大气、海洋、陆面、海冰耦合的气候系统模式,并在此基础上,通过进一步考虑碳氮循环过程,形成了地球系统模式。模式技术的上述进步,可以从过去20年间“国际耦合模式比较计划”(CMIP)从第一阶段(CMIP1)到最新的第六阶段(CMIP6)的发展历程上得到清晰的体现(周天军等,2014Eyring et al., 2016)。但是,当前的气候系统模式在模拟东亚夏季风上尚面临着诸多问题,这体现在模式偏差的各个方面以及模拟和预估结果的不确定性,涵盖从气候态到各种时间尺度的变率和变化(Sperber et al., 2013Zhou et al., 2017)。

造成当前模式在东亚夏季风模拟上存在偏差的原因,目前尚没有清晰的答案。从季风成因和变率机理的角度,东亚夏季风有其特殊性:

首先,在形成原因上,全球季风可视为耦合气候系统对太阳辐射年循环的强迫响应,尽管存在区域性差别,但所有的区域尺度季风系统都受到太阳辐射变化的约束和同步协调,从而形成统一的行星尺度的环流系统(Trenberth et al., 2000)。因此,太阳辐射的年循环是季风形成的根本原因,海陆分布和地形作用则决定着区域尺度的季风特征,地球自转效应通过柯氏力而影响季风环流的形成,水循环过程通过热力和辐射效应对季风环流产生反馈(Wang et al., 2017a)。东亚复杂海陆地形的存在,使得东亚季风呈现出不同于其他区域季风的特征:世界上多数区域季风本质上是热带季风,受经向海陆温差或者半球间温差的驱动,与热带辐合带(ITCZ)的季节性移动相关联;但是,东亚季风和南美季风不单纯是热带季风,它们都受到副热带高压的影响,从而包括热带和副热带两个分支。对于东亚季风来说,受欧亚大陆(含青藏高原)与北太平洋间海陆热力差异的影响,其环流变化表现为经向风的季节性翻转,夏季风环流还受到西太平洋副热带高压和亚洲低压之间的气压梯度的影响,夏季的南风和冬季的北风受压力梯度和地球自转共同驱动(Wang et al., 2017a)。在西北太平洋副热带高压的西缘,以脊线为界,以南的部分是热带季风部分,以北的部分是副热带季风部分。成因上的复杂性和特征上的多样性,使得模拟东亚季风比模拟其他热带季风系统要更为困难。

其次,在变率和变化机理上,东亚夏季风远较其他季风要复杂。东亚复杂的海陆分布特征,使得海洋和陆面的变化都能够直接影响季风活动;临近大洋特别是太平洋海温变化从年际到年代际时间尺度的多样性,意味着观测到的季风异常是从年际到年代际的多种时间尺度信号的叠加。而包含热带和副热带分支,则决定了热带和中高纬度因子的变化,都是驱动东亚夏季风变化的有效因子(Zhou et al., 2009a)。此外,稠密的人口分布和经济的高速发展,决定了该地区是人类活动最为活跃的区域之一,化石燃料燃烧和农业耕作通过温室气体和气溶胶排放所造成的大气成分变化、土地利用变化对下垫面的改变等,都能够直接或者间接地影响到东亚季风的变化(Li et al., 2016bWu et al., 2016)。要完整而合理地考虑上述强迫因子的变化,对于当前的气候模式是一个严峻的挑战。

机遇永远和挑战同在。本文的目的,是总结近五年来东亚夏季风模拟研究领域的主要进展,以时间尺度为序,以国内外学者围绕东亚夏季风变化所揭示的大量观测事实为标准,系统归纳气候模拟研究领域在东亚夏季风模拟上所取得的进步,分析总结当前存在的问题,并结合最新国际前沿,讨论提升气候模式性能的有效途径。

2 东亚夏季气候态的模拟

东亚夏季风降水的主要特征,体现在气候态上,就是从长江中下游地区往东北方向延至太平洋的雨带,季风雨带的位置由西北太平洋副热带高压的位置决定,主要位于副高的北缘、来自热带的西南气流与来自中高纬度扰动的交汇处。当前气候模式在模拟东亚夏季降水的主要偏差表现为两个方面,分别是虚假大地形降水问题和季风雨带的位置偏差问题(图 2)。关于季风雨带的位置偏差,主要表现是东亚夏季风降水普遍偏少、而西北太平洋上降水则偏多。上述偏差从第三次到第五次气候耦合模式比较计划(即CMIP3到CMIP5),十年间两代模式的性能改进甚微,在偏差的空间分布上表现出高度相似:从CMIP3到CMIP5,多模式对东亚夏季风平均降水空间分布的模拟技巧仅从0.71提升至0.73,统计差异并不显著(Song and Zhou, 2014a)。

图 2 (a)第三次气候耦合模式比较计划(CMIP3)和(b)第五次气候耦合模式比较计划(CMIP5)两代大气环流模式进行多模式集合所模拟的气候态夏季降水量与GPCP观测资料的差值(单位:mm d−1)。基于Song and Zhou(2014a)所用模式资料新绘制 Figure 2 Differences in climatological JJA mean precipitation between (a) phase 3 of Coupled Model Intercomparison Project (CMIP3)/ (b) phase 5 of Coupled Model Intercomparison Project (CMIP5) and GPCP (units: mm d−1). Adapted from Song and Zhou (2014a)

是什么原因导致东亚夏季风降水存在如此大的偏差?分析表明这源自西北太平洋副热带高压的模拟偏差。把CMIP3和CMIP5两代大气环流模式所模拟的850 hPa风场与再分析资料进行比较(图 3),可见两代模式呈现出共同的偏差特征:副热带高压较观测偏北,热带西风过于东伸,西北太平洋季风槽偏北。季风雨带的偏差基本与副高的环流偏差相对应。CMIP3和CMIP5模式都存在上述问题,较新一代模式的改进并不明显。

图 3 气候态夏季850 hPa风场(矢量,单位:m s−1)和降水量(彩色阴影,单位:mm d−1):(a,b)NCEP2和ERA40的风场和GPCP/CMAP降水;(c,d)CMIP5和CMIP3多个大气环流模式的集合平均结果。根据Song and Zhou(2014a)重新绘制 Figure 3 Climatological distributions of JJA mean precipitation (shaded; units: mm d−1) and 850-hPa winds (vectors; units: m s−1) from (a) GPCP and NCEP2 data, (b) CMAP and ERA40 data, (c) multiple ensemble mean (MME) of CMIP5 models and (d) MME of CMIP3 models. Adapted from Song and Zhou (2014a)

如何改进气候模式对东亚夏季风的模拟效果?这涉及大尺度过程和局地过程。在大尺度方面,东亚夏季风不是孤立的现象而是有完整的环流体系,对流层中低层的副热带高压和高层位于南亚高压北侧的副热带西风急流是影响季风降水的最为直接的环流系统。欧亚大陆(含青藏高原)与北太平洋间的海陆温差决定着东亚夏季风的区域特征,而东亚地形、暖池深对流等也能够影响季风环流。对大尺度要素的模拟很大程度上受模式动力框架控制。因此,提高大气模式水平分辨率是改进季风环流模拟的重要途径。诸多研究表明,模式分辨率的提高的确能够通过提升对包括副热带高压和西风急流在内的季风环流系统的模拟效果,而实现最终改善东亚夏季风雨带模拟的目的(Kusunoki et al., 2006; Kitoh and Kusunoki, 2008; Li et al., 2015; Su et al., 2014)。

模式分辨率的提高通过何种机制影响季风降水模拟?Yao et al.(2017)在比较CMIP5模式结果的基础上,利用CAM5模式只改变分辨率(~2°、1°和0.5°)而物理过程严格保持不变进行了模拟试验,目的是检验分辨率的影响。通过对湿静力能和水汽收支进行诊断,发现可以从地形罗斯贝波与湿焓平流输送的角度来解释夏季风雨带模拟的改进。波活动通量分析表明,模式分辨率提高对青藏高原地形的细致刻画会在季风雨带区域产生准正压的罗斯贝波,增强长江中下游的北风与日本南侧太平洋的南风,进而令东亚夏季风雨带区域的向北经向涡动输送加强(图 4)。受此影响,高分辨率模式中季风雨带区域获得的湿焓与经向水汽辐合都显著增加,使得季风雨带空间型的模拟技巧从低分辨率模式的0.31提高至0.76。此外,随着模式分辨率的提高,高原附近精细地形的中尺度扰动效应也能增强长江下游的季风雨带(Shi et al., 2008)。分辨率的提升还能够影响原有的物理过程的表现,从而影响季风模拟效果(Gao et al., 2006; Li et al., 2015),不过迄今为止这方面的工作较少,尚不足以回答模式分辨率通过影响哪些关键参数化过程的效果来影响季风。尽管如此,现有证据足以表明模式分辨率的提高对于合理模拟东亚夏季风雨带具有重要意义。

图 4 高分辨率模式提高东亚夏季风雨带模拟技巧示意图。模式分辨率的提升使得青藏高原地形更加精细,在东部季风区产生正压的地形罗斯贝波,加强了该区域的相对于纬向平均的定常经向涡动平流,使得湿焓平流输送与水汽辐的加强,最终令季风雨带模拟技巧提升。基于Yao et al. (2017)绘制的机制示意图 Figure 4 Schematic of how the high-resolution climate model improves the simulation of the East Asian Summer Monsoon (EASM) rain belt. Due to the increasing model resolution, a barotropic Rossby wave response downstream of the Tibetan Plateau is generated, and meridional convergence and moisture convergence along the EASM rainbelt are further intensifies. Thus, the EASM rain belt simulation is improved in the high-resolution models. Adapted from Yao et al. (2017)

除了大尺度过程的作用外,季风区内局地大气湿过程和凝结潜热也是东亚夏季风环流的重要驱动力,这些过程更多地与模式的物理过程相联系。例如,凝结潜热利于在加热中心西侧触发大气低层气旋和高层反气旋并影响季风(Wu and Liu, 1998; 吴国雄等, 1999)。热带季风区的凝结潜热能够通过削弱副热带高压强度,进而影响东亚夏季风的爆发(Liu et al., 2002)。数值试验表明,伴随东亚夏季风降水过程产生的潜热释放,能通过增强海陆热力对比而令季风经向环流明显增强(Jin et al., 2013)。在东亚夏季风爆发后,由季风云系产生的对流层中低层的辐射加热效应,贡献了东亚夏季风垂直环流的约30%(Guo et al., 2015)。因此,模式物理过程特别是云过程在提高季风模拟效果中的作用不可忽略。

3 东亚夏季降水日变化的模拟

气候态降水日变化是考察模式性能的另外一个重要指标。日变化是太阳辐射驱动下的气象要素最为基本的变化周期,在包括降水在内的诸多气象变量上均有体现。受复杂地形和海陆分布而产生的不均匀的地表强迫影响,降水的日变化存在鲜明的区域差异。基于台站降水和卫星降水产品的研究表明,我国大陆夏季降水日变化的区域特征明显:东南和东北地区的降水日峰值主要集中在下午;西南地区多在午夜达到降水峰值;长江中上游地区的降水多出现在清晨;中东部地区清晨、午后双峰并存;青藏高原大部分地区是下午和午夜峰值并存(Yu et al., 2007a, 2007b; Zhou et al. 2008; 宇如聪等,2014)。东部季风区夏季降水具有显著的季节内演变特征,基于台站降水的分析发现夏季降水日峰值主要出现在清晨和午后两个时段,清晨降水峰值多呈带状分布且随季风雨带的位置南北移动,季风雨带外南北两侧的降水多表现为午后降水峰值(Yuan et al., 2010);梅雨区降水峰值出现在清晨,但是深对流活动依然在午后最多(Xu and Zipser, 2011)。基于TRMM 2A25(Tropical Rainfall Measurement Mission 2A25)的分析表明,中国南部夏季对流降水和层云降水的日变化特征明显不同,对流降水峰值主要出现在午后,层云降水峰值主要出现在午后至傍晚(Yu et al., 2010)。

降水的日变化特征是检验数值模式性能、优化模式与降水相关参数化设定的重要标准。对参加CMIP5的6个全球大气环流模式的检验表明,所有模式均可以较好再现东海的清晨降水峰值(图 5c),但在我国亚热带陆地降水日变化特征的模拟方面存在较大偏差(Yuan, 2013)。例如,我国的两个模式BCC-CSM1.1和FGOALS-g2模拟的陆地降水多为夜间峰值,不能再现江淮地区的午后降水主峰值(图 5b)。日本MIROC模式模拟的降水日变化振幅较观测明显偏弱,在江淮地区模式仅能再现下午时段的降水峰值(王东阡和张耀存,2009)。

图 5 1998~2006年观测(黑色实线)和6个CMIP5大气环流模式模拟的我国副热带地区(a)西部平原(青藏高原东坡)、(b)东部平原(江淮流域)、(c)中国东海的总降水量的日变化。纵坐标为标准化后的降水日变化(气候态逐时降水值相对于日平均值的偏差再除以日平均值),横坐标为当地太阳时LST (Local Solar Time)。引自Yuan (2013) Figure 5 Diurnal variations of total rainfall from observations (black solid lines) and simulations of 6 atmospheric models averaged over subtropical China regions: (a) western plains (eastern periphery of Tibetan Plateau), (b) eastern plains (the middle and lower reaches of Yangtze River valley) and (c) the East China Sea during 1998–2006. Cited from Yuan (2013)

影响降水日变化模拟偏差的因子,包括模式的分辨率和物理过程。高分辨率模式由于地形更加精确、对影响降水日变化的动力和热力因子刻画更为准确,有助于改进模式对降水日变化的刻画。但是对于全球气候模式而言,简单地提高分辨率未必一定带来降水日变化模拟的改进。例如,比较2.5°和0.5°分辨率下的CAM5模拟结果,发现尽管在0.5°分辨率下层云降水和对流降水日变化的振幅均增强、层云降水占总降水的比例增加,但是在改进类似四川盆地夜间降水对流峰值等方面,分辨率的提高并没有带来模拟效果的改进(Yuan et al., 2013)。

高分辨率模式发展的国际趋势是走向云分辨。通过日本东京大学全球对流解析(Convection/Cloud –Permitting)模式NICAM对全球热带降水日循环的模拟研究,发现NICAM在降水日循环、降水日循环的水平传播特征以及对应的大气环流变化都具有较好的模拟能力,结果同时表明,由于海洋和大陆对流系统在尺度上的差异,相较于洋面降水,陆地降水日循环的模拟需要模式更高的分辨率(Sato et al., 2009)。具体来说,比较NICAM在11.2 km和5.6 km分辨率夏对中国南部降水的模拟结果,发现11.2 km的版本模拟的华南地区夏季降水日变化峰值滞后于观测,而5.6 km版本的午后降水峰值时间与观测完全一致,原因在于5.6 km版本模拟的湿静力能达到峰值的时间更早,更接近观测(Satoh and Kitao, 2013)。通过比较云分辨模式和不同分辨率模式对青藏高原上空春季云量的日循环模拟分析,发现云分辨模式能够更好地再现云量的日循环,成功地模拟出高原地区高云云量在夜间的减少(Sato et al., 2007)。

辐射传输、陆面过程、积云对流参数化和边界层过程均能够影响降水日变化的模拟。低分辨率模式(非云分辨模式)的降水日循环高度依赖于对流参数化方案。低分辨率大气环流模式,需要借助湿对流方案描述次网格输送,往往不能准确再现午后发生的陆地对流性降水(Yang and Slingo, 2001; Dai, 2006),这是由于此类模式对流触发判据相对简单,夹卷过程不受约束,模式缺乏对对流过程从浅到深的刻画(Guichard et al., 2004; Wang et al., 2007)。对CMIP5的6个全球大气环流模式的分析,发现模式能够再现大尺度降水的清晨峰值,模式的模拟偏差主要来自对流性降水,意味着对流参数化方案的重要作用(Yuan, 2013)。

对于中低分辨率的气候模式来说,一个改进途径是采用多尺度模式框架(MMF),也被称为超级参数化方案。所谓超级参数化,就是在分辨率相对较低的大气环流模式的每个网格中,嵌套进去一个二维的云解析模式,在每个时间步长,作为载体的大气环流模式都会用预报的大尺度温、湿倾向(例如每10分钟)驱动对流解析模块的动力要素,对流解析模块在更小的时间步长下(例如20 s)积分,其预报的温度、湿度和云属性等要素随后反馈给网格尺度上的大气环流模式(Randall, 2013)。Wang et al.(2011, 2015)将Randall et al.(2003)发展的云解析模式Colorado State University (CSU) MMF引入NCAR大气环流模式,形成NCAR大气模式的超级参数化版本SPCAM5。基于多尺度模式框架/超级参数化(MMF/SPCAM5)、采用4 km深对流解析的模拟分析表明,SPCAM5能够更好地模拟中国南部午后浅对流向深对流的转换,从而改善了低分辨率模式CAM5在中国南部降水日循环峰值的模拟提前,并且更好地再现了青藏高原东部降水峰值自西向东位相滞后的特征(Zhang and Chen, 2016)。

除了全球模式,还有诸多基于区域模式的研究证明了对流参数化方案的重要性。例如,基于WRF区域模式的数值试验证实,降水日变化的峰值时间主要由积云对流参数化方案决定,而降水日变化的振幅则主要受边界层方案的影响(Koo and Hong, 2010)。使用区域模式CMM5对美国夏季降水日循环的模拟研究,亦证明降水日循环对不同的对流参数化方案的高度敏感性(Liang et al., 2004),其结果对于东亚气候模拟亦有参考价值。此外,使用4 km的WRF区域模式对梅雨期中国南部沿海进行模拟研究,表明WRF能够成功再现出中国南部降水的日循环及雨带日循环的传播特征,原因是由于WRF较好地模拟了沿海地区海陆风的日循环、沿海地形的动力抬升及地表潜热等陆面过程(Chen et al., 2016b)。

4 东亚季风年际变化的模拟

关于东亚夏季风年际变率,数值模拟研究重点关注两个方面,一是东亚夏季风对ENSO的滞后响应(Li et al., 2017a);二是东亚急流变率及其对东亚夏季风的影响(Lu and Fu, 2010)。

东亚夏季风对ENSO的滞后响应是指,在El Niño成熟位相冬季次年的夏季,东亚气候受到中心位于菲律宾海的异常反气旋控制(称为西北太平洋异常反气旋,WNPAC),表现为西北太平洋季风区降水减少,而长江中下游梅雨降水增加的特征(Chang et al., 2000)。印度洋洋盆模态(IOBM,热带印度洋洋盆尺度增暖或变冷)是延续El Niño对东亚气候影响的关键因子。数值模拟极大地推动了该领域的机制研究。Yang et al.(2007)利用初始化的方法,在耦合模式海洋分量中给定初夏时印度洋洋盆尺度的SST暖异常。在之后自由积分过程中,虽然该暖异常逐渐减弱,但是模式能够模拟出WNPAC,从而证明热带印度洋在延续El Niño对东亚气候影响中的关键作用。多个大气环流模式的理想海温强迫试验结果表明,给定印度洋暖海温异常,大气模式能够模拟出WNPAC(Li et al., 2008)。Zhou et al. (2009b)在利用大气环流模式研究年代际变化问题时,也发现印度洋暖海温能够在西北太平洋激发出反气旋式环流。Xie et al.(2009)利用大气环流模式理想试验研究了热带印度洋影响WNPAC的机制。给定热带印度洋SST暖异常,大气环流模式能够模拟出热带印度洋增强的对流,及其东侧延伸受到赤道西太平洋的斜压东风Kelvin波。东风Kelvin波通过驱动赤道外西北太平洋边界层水汽辐散,维持WNPAC。Hu et al.(2011)将印度洋增暖通过WNPAC对东亚气候的影响从降水拓展到夏季表面气温,发现利用大气环流模式大集合模拟试验能够模拟出中国东部南暖北冷的双极型气温年际变率异常。

除了热带印度洋之外,其他因子也能够对El Niño衰减年夏季的WNPAC有显著影响。热带印度洋和西北太平洋分洋盆SST异常强迫试验证明,从前春残留下来的西北太平洋SST冷异常和IOBM均对夏季WNPAC的维持有贡献,其中前者在初夏的贡献大,而后者在末夏的贡献大,这一结果对于气候预测来说具有重要的参考价值(Wu et al., 2010a)。耦合模式长期控制试验也表明,热带大西洋SST暖异常对夏季WNPAC的维持也有贡献(Chen et al., 2015)。Hu and Duan(2015)用理想印度洋海温异常和青藏高原上空加热异常分别强迫大气环流模式,证明青藏高原加热异常对WNPAC西北侧的西南风异常的贡献与印度洋遥强迫的贡献相当。Chen et al.(2016c)关注前冬El Niño在来年夏季快速转变为La Niña的情况,利用热带中东太平洋和热带印度洋分洋盆的海温距平强迫大气环流模式,发现赤道中东太平洋La Niña型冷海温异常有助于WNPAC的维持。

相对于ENSO次年夏季,对ENSO发展位相夏季东亚气候异常的研究较少。Chen et al.(2014)使用中太平洋型El Niño和东太平洋型El Niño发展位相夏季海温异常分别强迫大气模式,证明中太平洋型El Niño能激发东亚三极型降水异常,而东太平洋型El Niño夏季,东亚降水异常不显著。Feng and Chen(2014)使用耦合气候系统模式长时间积分结果,提出印度洋偶极子能够调制发展位相的中太平洋型El Niño与东亚季风的关系。

气候模式在理解ENSO相关海温异常与东亚夏季风的联系机理方面发挥了巨大作用。与此同时,数值模拟研究也发现当前模式的诸多问题。围绕当前模式对ENSO—东亚季风关系的模拟能力及其模拟偏差问题,我国学者开展了大量的研究工作(例如,Zhou et al., 2009bFu et al., 2013Song and Zhou, 2014a2014bHu et al., 2014Tao et al., 2016Wu and Zhou, 2016)。早期对CMIP3耦合模式20世纪气候模拟的分析,发现只有少数模式(5/18)能够合理模拟东亚夏季风降水对ENSO的滞后响应,原因和这些模式在ENSO和印度洋SST变率强度模拟上的性能直接相关(Fu et al., 2013)。对CMIP3和CMIP5大气模式对东亚夏季降水年际变率模拟能力的比较,发现CMIP5大气模式对东亚夏季降水主导模态及其对应的主要环流型WNPAC的模拟能力较之CMIP3大气模式有明显提升,技巧提升的关键是对印度洋—WNPAC遥相关型模拟能力的提升(图 6);赤道东印度洋降水对局地暖海温的合理响应以及随后的开尔文波响应,对于正确模拟西北太平洋反气旋非常重要(Song and Zhou, 2014a)。进一步从CMIP5模式中挑选出同时提供了耦合和非耦合结果的17个模式进行比较,发现海—气耦合过程能够显著提升模式对WNPAC的模拟能力(Song and Zhou, 2014b)。总的说来,CMIP5耦合模式相对于CMIP3模式在东亚夏季风降水对ENSO滞后响应方面的模拟能力有大幅度提升,对于其中原因的解释各有侧重,多涉及ENSO与热带印度洋海温的联系、以及印度洋加热异常和西北太平洋环流异常的联系。除了利用热带印度洋对流增强所激发出斜压东风Kelvin波和纬向风经向梯度造成的Ekman辐散来解释WNPAC的维持之外,热带印度洋—菲律宾海对流关系被认为也是一个关键的物理过程(Fu and Lu, 2017)。此外,西北太平洋SST异常的模拟偏差,对CMIP耦合模式能否合理模拟WNPAC具有显著影响(Tao et al., 2016)。不同CMIP5模式对El Niño衰减年夏季WNPAC模拟技巧的差异,很大程度上与模式对ENSO衰减速率的模拟能力有关(Jiang et al., 2017)。提升模式的分辨率能够改进模式对印度洋—东亚西北太平洋季风相互作用的模拟能力(Liu et al., 2017)。

图 6 海温(彩色阴影,单位:K)、降水(等值线,单位: mm d−1)和850 hPa风场(矢量,单位: m s−1)与观测的东亚夏季风指数的回归系数分布:(a)GPCP和NCEP2;(b)CMAP和ERA40;(c)CMIP3 MME;(d)CMIP5 MME;(e)高技巧模式;(f)低技巧模式。绿线(紫线)表示正(负)降水异常,等值线间隔为0.35 mm d−1。风速低于0.45 m s−1的风场部分略掉不画。黑点表示海温距平通过0.1的显著性检验 Figure 6 Horizontal distributions of SST (shaded, units: K), precipitation (contours, units: mm d−1), and 850-hPa winds (vectors, units: m s−1) regressed on the observed East Asian Summer Monsoon (EASM) index from (a) GPCP and NCEP2, (b) CMAP and ERA40, (c) MME of CMIP3, (d) MME of CMIP5, and (e) high-skill and (f) low-skill models in CMIP5. The green and purple lines show positive and negative precipitation anomalies, respectively. The black dots indicate that the regressed precipitation is significant at the 0.1 level by Student's t test

东亚地区对流层高层西风急流年际变率及其对东亚气候的影响,是东亚夏季风数值模拟研究的另一个重点。对CMIP5 17个耦合模式模拟的东亚急流南北移动和降水年际变率的关系进行比较,发现多数模式能够合理模拟出急流南移(北移),东亚夏季降水增加(减少)的关系(Dai and Lu, 2013)。夏季风降水和西风急流的协同变化在气候预估中同样存在,利用CMIP3模式A1B和A2排放情景预估试验结果分析21世纪东亚夏季降水的年际变率,结果发现年际变率的增强与东亚急流和副热带高压年际变率增强相一致(Lu and Fu, 2010)。基于CMIP5模式RCP4.5和RCP8.5预估试验的分析得到类似结论,研究发现随着全球增暖,东亚夏季风降水与东亚急流的联系将变得更强(Ren et al., 2017)。

5 东亚夏季风年代际变化的模拟

在20世纪全球增暖的背景之下,中国地表气温亦呈显著升高趋势,1909~2010年平均增温幅度为1.20℃(0.90°~1.52℃)(丁一汇和王会军,2016)。基于均一化的数据最新估算的1900~2015年的增温趋势为0.121℃±0.009℃/10a (Li et al., 2017b)。但东亚夏季风(EASM)在过去百年的变化并非呈线性趋势,而是呈现出年代际变化特征(王绍武等, 2000郭其蕴等,2004闻新宇等, 2006),其中1880~1906, 1921~1936和1960~2004期间季风减弱,而在1906~1921和1936~1960年间则增强(Lin et al., 2013)。东亚夏季风的上述变化特征,部分地和全球季风保持同步(Zhang and Zhou, 2011)。

受可靠观测资料的限制,关于EASM长期变化机理的研究,多关注近60年以来的演变。1950年以来,东亚夏季风的年代际变化包括三个阶段(王会军和范可, 2013):一是1970年代末之后EASM减弱,对应我国夏季降水江淮流域增多而华北减少(陈隆勋等,1998张顺利和陶诗言,2001Wang, 2001Xu, 2001王绍武等,2002郭其蕴等,2003Yu et al., 2004Yu and Zhou, 2007宇如聪等,2008);二是在1992年之后EASM逐渐恢复,我国华南夏季降水增多(刘海文等2012Wu et al. 2010bZhang and Zhou, 2015);三是1999年之后我国长江中下游夏季降水减少而淮河流域夏季降水增多(Zhu et al., 2011)。

迄今为止最为显著且备受关注的是1970年代末东亚夏季风的减弱趋势,因为其持续时间之长、所造成的“南涝北旱”型降水异常对国民经济和人民生活的影响之大都是空前的。利用气候模式通过数值试验,国内外学者从热带海温年代际变化的影响(马柱国和邵丽娟, 2006; Zhou et al., 2008; Li et al., 2010a)、青藏高原感热减弱(Duan et al., 2009)、温室气体和气溶胶气候效应(Zhu et al., 2012; Jiang et al., 2013; Zhang et al., 2017)等角度进行了广泛的研究。利用观测的历史海温驱动的大气环流模式(图 7)以及包含人为强迫(主要是温室气体和气溶胶的变化)的气候系统模式历史气候模拟(图 8),都能部分模拟出观测中过去50年东亚夏季风环流的整体减弱趋势,原因在于伴随太平洋年代际振荡模态(PDO)位相转换所造成的热带海温增暖趋势以及人为气溶胶强迫所造成东亚大陆的变冷,都能够通过减弱海陆温差从而令东亚夏季风环流减弱,这种减弱既体现在表层环流,也表现在东亚高空副热带西风急流的变化(Li et al., 2010a; Song et al., 2014)。而印度洋增温所导致的副高位置偏西也有利于季风偏弱(Zhou et al., 2009a)。综合各种外强迫驱动下的耦合模式有的也能够再现包括东亚夏季风在内的北半球夏季风减弱趋势,意味着外强迫特别是人为外强迫的作用(Li et al., 2010b)。Wang et al.(2013)基于海气耦合模式的集合模拟试验结果,强调是人为强迫而不是内部变率主导了东亚夏季风的减弱:一方面温室气体的增加令印度洋增暖,有利于副高位置偏西、副热带西风急流偏南,使得长江流域降水增多;另一方面伴随降水增多出现的温度降低以及气溶胶排放的制冷效应共同令海陆温差减弱、季风环流减弱,导致华北偏旱。

图 7 (a)1950~2009年夏季观测的SST与NCEP/NCAR东亚夏季风指数的相关系数分布;(b)CAM5全海温强迫试验(GOGA)模拟的1950~2009年东亚夏季风指数与SST相关系数分布;(c)CAM5全球海温强迫(GOGA,黑色实线)和热带海温强迫(TOGA,绿色虚线)模拟的东亚夏季风指数)、观测的太平洋年代际振荡(PDO)指数(乘以-1,柱状图)。(a,b)中黑线范围为通过5%显著性的区域。引自Li et al.(2010a) Figure 7 Correlation coefficients between observed JJA SST at each grid box and the EASM index from (a) NCEP/NCAR reanalysis and (b) CAM3 GOGA runs. Values above the contour line in (a, b) are significant at the 5% level. (c) Time series of the observed Pacific Decadal Oscillation (PDO) index (multiplied by −1, bars) and the EASM index from the CAM3 GOGA (solid black line) and TOGA (dashed green line) simulations. Rg (Rt) on top of panel (c) is the correlation coefficient between the observed PDO index and GOGA (TOGA) simulated EASM index, the numbers in parentheses show the correlations of detrended series. Cited from Li et al. (2010a)

图 8 1958~2001年夏季海平面气压(SLP)[阴影,单位:hPa (44 a)−1]和850 hPa风场[矢量,单位:m s−1(44 a)−1]的线性趋势:(a)ERA40;(b)CMIP5 17个耦合模式全强迫试验集合平均结果;(c)同(b),但为人类强迫试验结果;(d)同(b), 但为温室气体强迫试验结果;(e)同(b), 但为自然强迫试验结果;(f)同(b), 但为气溶胶强迫试验结果。(a,b)绿色方框为中国华北地区(32°N~42°N, 105°E~122°E)。打点区域表明降水通过了10%显著性水平检验。多模式集合平均(MME)基于17个CMIP5 35个成员平均得到。引自Song et al.(2014) Figure 8 The linear trends of SLP [shaded; units: hPa (44 a)−1] and 850 hPa winds [vectors; m s−1 (44 a)−1) in JJA during 1958–2001. (a) Observations (SLP and 850 hPa winds from ERA-40), (b) all-forcing run, (c) anthropogenic-forcing run, (d) GHG-forcing run, (e) natural-forcing run, and (f) aerosol-forcing run from MME. The green box in Fig. 8a and 8b is northern China (32°N–42°N, 105°E–122°E). The dotted areas indicate that the precipitation trends are statistically significant at the 10% level. The MME is constructed by using 35 realizations from 17 CMIP5 models. Cited from Song et al. (2014)

当前的气候模式在模拟东亚夏季风的长期变化趋势方面,尚存在以下问题:

首先,不管是侧重海气相互作用的模拟研究,还是侧重辐射强迫变化的模拟研究,结果偏重季风环流,即使模拟结果能够部分再现季风环流的减弱趋势,但是在模拟“南涝北旱”型降水异常方面,都存在着显著的偏差(Li et al., 2010aSong et al., 2014)。对CMIP5模式的比较分析发现,在38个CMIP5模式中,仅有6个能够部分再现“南涝北旱”型降水分布,原因推测和模式的内部变率PDO位相是否与观测一致有关(陈红,2014)。

其次,当前的气候模式中EASM对气溶胶辐射强迫的响应不确定性很大。由于气溶胶辐射强迫气候效应的复杂性,现有模式在涉及气溶胶气候效应的物理过程处理上差异较大,有的模式只考虑气溶胶的直接辐射效应,仅有少数模式考虑间接效应,这导致对气溶胶—云相互作用及其辐射效应的估算结果存在较大不确定性。基于CMIP5多模式和特定气候模式的研究,均发现人为气溶胶强迫能够通过冷却东亚大陆、减弱海陆温差而令EASM环流减弱(Jiang et al., 2013; Salzmann et al., 2014; Wang et al., 2017c; Lau and Kim, 2017)。但是,也有研究认为气溶胶对EASM的影响并不显著(Guo et al., 2013),或者人为气溶胶能够通过调节东亚西风急流来令EASM增强(而不是减弱)(Kim et al., 2016)。基于CMIP5模式结果的分析不能分离不同种类气溶胶的作用。有研究指出,吸光性气溶胶(如黑炭)既能够通过快速响应(影响局地辐射)而令EASM环流增强(Jiang et al., 2013),亦能够通过慢响应(通过影响海温而间接改变大尺度环流)来令EASM减弱(Wang et al., 2017c),在贡献上孰强孰弱目前依然存在争议。近年来开始有研究关注不同源地气溶胶的不同气候影响,但是来自不同源地的气溶胶对EASM的影响有何不同目前尚不不清楚(Dong et al., 2016; Wang et al., 2017c)。

第三,温室气体和气溶胶影响EASM的机制不同,模式响应存在不确定性。基于CMIP5模式结果的分析发现,温室气体强迫一方面通过增加海陆热力对比和南北半球间热力差异令EASM增强,另一方面通过减小对流层相对湿度令大气稳定度增加,使得Hadley环流下沉支扩大、Walker环流减弱,最终令季风环流减弱。在人为气溶胶强迫的作用下,海陆热力差异减小,部分抵消了由于温室气体作用增多的季风降水,并通过大气稳定度的增加令季风环流进一步减弱;就模式响应的一致性来说,模式对气溶胶强迫响应的不确定性要大于温室气体(Lau and Kim, 2017)。

第四,观测到的EASM变化是气候系统内部变率(如PDO)和外强迫共同作用的结果,而内部变率可能受到外强迫的影响。基于EASM及中国降水百年变化特征的分析发现EASM存在显著的年代际变化周期,其中80年和40年的周期最为突出(王绍武等,2000郭其蕴等,2004)。对英国Hadley中心气候系统模式工业革命前气候控制试验自由积分1000年的结果分析,发现在没有温室气体和气溶胶变化的强迫作用下,同样存在年代际尺度的“南涝北旱”型降水,表明气候系统内部变率的重要作用(Lei et al., 2014)。已经研究工作关于外强迫和内部变率作用的争论,很大程度上是由于无法定量估算二者的相对贡献,而且多假设内部变率信号和外强迫信号是彼此独立的。然而,近期研究表明,观测到的20世纪PDO位相转变同时显著地受到外强迫的影响,包括温室气体和气溶胶排放在内的人类活动,有利于PDO出现正位相(Dong and Zhou, 2014),这为定量判断各种外强迫因子对EASM年代际变化的贡献带来挑战。

第五,1950年之前观测资料的欠缺制约了对EASM年代际变化机理的理解。因历史原因,我国呈体系的、可靠的器测记录多始自1950年,迄今只有60多年的长度。而与PDO相关的内部变率周期在20~30年左右,与大西洋多年代际振荡(AMO)相关的内部变率周期还要长。这样,要区分过去60年季风变率中的内部变率和外强迫信号就尤为困难。

6 近千年东亚夏季风演变的模拟

从更长的时间段上审视东亚季风的变化,有助于我们理解内部变率和外强迫对东亚季风的影响。在年际变率尺度上,气候系统内部反馈过程对季风活动至关重要,但在年代际—百年际时间尺度上,外强迫可能起到更重要的作用(Peng et al., 2009; Liu et al., 2009)。过去千年气候又称历史气候,在这个时期地球运行轨道参数的变化不显著。因此,从过去千年的角度审视外强迫(人为温室气体和气溶胶强迫)、自然变率(太阳辐射度和火山气溶胶强迫)、内部变率(PDO和AMO等)对季风的影响是一个较为合理的选择。

理解过去千年气候的变化特点需要使用石笋、树轮和史料等代用记录。基于石笋δ18O记录的东亚夏季风代用序列表明,太阳辐射的增强导致中世纪暖期(对应我国隋唐到北宋时期)北半球气温升高,使得东亚夏季风增强,中国东部整体湿润;小冰期相反(Zhang et al., 2008)。然而,大量的历史气候记录表明,在中世纪暖期和小冰期,我国东部降水存在明显的空间差异,基于史料的近千年中国东部旱涝分析表明,在10年和更低频的百年际时间尺度上,华北与江南的干湿变化位相相反(王绍武等,1993Zheng et al., 2006Ge and Wu, 2011)。因此,东亚季风环流强弱与中国东部降水是否存在季风强(弱)—降水强(弱)的直接关系,单点的δ18O记录能够反映多大区域的干湿变化,是千年气候重建领域亟待加强的工作(张德二等,2010)。

相对于末次冰期冰盛期(LGM)和全新世大暖期等古气候的模拟,千年气候模拟工作的起步相对较晚,但是近年来发展很快。模拟研究表明,近千年来东亚夏季风降水具有明显的百年尺度变化,这种变化源自外强迫作用下、由有效辐射强迫造成的海陆热力差异改变(图 9),这种变化在不同的气候模式中均有体现(况雪源等, 2010Liu et al., 2011Man et al., 2012)。火山气溶胶是另外一种重要的自然强迫因子,火山气溶胶强迫会导致中国东部降水持续两到三年显著减少,甚至可能在中国东部触发干旱事件(Shen et al., 2008Anchukaitis et al., 2010Zhuo et al., 2014)。火山强迫影响中国东部夏季降水的机理包括两个方面:一是火山爆发导致海—陆热力对比减弱,东亚夏季风减弱,从热带海洋向东亚地区的水汽输送减弱;二是通过改变潜热通量,使得热带海洋上空的水汽减少,中国东部的水汽来源减少(Man et al., 2014; Man and Zhou, 2014a)。

图 9 中世纪(a)暖期和(b)小冰期夏季对流层200~500 hPa平均温度异常(相对于过去千年气候平均结果)(单位:℃),阴影表示通过5%显著性水平检验的区域。引自Man et al(2012) Figure 9 JJA mean upper-tropospheric (500–200 hPa) temperature anomalies (units: ℃) for (a) the MWP and (b) the LIA. The anomalies are calculated relative to the millennial mean value. The black stippled regions denote areas that are statistically significant at the 5% level by using a Student's t test. Cited from Man et al (2012)

模拟和重建记录的比较研究受到ENSO事件的影响。目前尚不清楚火山气溶胶能否触发ENSO事件。观测中一些火山爆发年往往伴有不同冷暖位相的ENSO事件,而在给定火山气溶胶辐射强迫的数值试验中,模式难以再现观测中火山爆发后的ENSO发生发展情形,这使得模拟的中国东部环流和降水变化与观测存在差异(Man et al., 2014)。

关于过去千年东亚夏季风的变化模拟,目前尚存在如下两方面问题需要重点解决:

首先是关于中世纪暖期和20世纪气候变暖这两个特征时期自然变化和人类活动影响的作用和机制比较,这涉及历史气候变化的归因问题。由于中世纪暖期的增暖主要由自然强迫因子(太阳辐射和火山气溶胶的变化)决定,而20世纪气候变暖主要由人类活动(温室气体等)决定,在两种增暖背景下季风的响应机制有何不同是一个有待研究的问题。

其次,火山气溶胶资料的质量问题制约着数值模拟研究。火山爆发的位置影响着随后火山气溶胶的形成及其向全球的扩散,从而影响到火山强迫的气候效应。受模式性能和资料限制的双重影响,早期的数值试验在设计上把火山气溶胶的辐射强迫折算成太阳辐射的相应减少,没有考虑火山气溶胶随纬度和季节的变化(Peng et al. 2010Man and Zhou, 2014b)。CMIP5千年气候模拟试验能够直接描述火山气溶胶的辐射效应及其随纬度和季节的变化,这是一个显著的进步,但是火山气溶胶强迫资料的“标准化”问题尚待解决。只有给定准确的太阳辐射和火山气溶胶强迫的历史记录,模式才能够合理模拟过去千年的气候演变。目前国际上现有的多套强迫资料间差异很大,给过去千年气候变化的模拟工作带来了很大的不确定性。例如,基于多组冰芯建立的火山强迫序列,由于能够减少以前资料中火山信号提炼和强度估算的误差,故被推荐给CMIP5千年气候模拟试验中(Crowley et al., 2008; Gao et al., 2008a)。最新用于CMIP6的火山强迫资料,由于使用的冰芯来源和数量不同、火山信号的提取方法、火山气溶胶在大气中的粒径分布和传播、沉降过程的处理方式亦不同等原因,使得该资料集与CMIP5的火山气溶胶资料相比有较大差异(Sigl et al., 2013)。这种强迫场资料的显著差异,将使得CMIP5和CMIP6的模拟结果难以直接比较。

7 东亚夏季风预估的不确定性问题 7.1 预估的季风环流和西北太平洋副热带高压变化

大量关于东亚夏季风未来变化的预估研究,多从夏季风降水和环流两方面入手。人为温室气体强迫下耦合模式的预估结果显示,东亚地区夏季总降水量普遍增多,北方地区降水量增加的百分比更高(孙颖和丁一汇, 2009Tian et al., 2015)。关于降水增多的原因,是由于伴随大气的增暖其水汽含量增多,风场变化能够造成更强的水汽辐合(Kitoh et al., 2013Lee and Wang, 2014姜江等, 2015)。上述基于多模式集合的结果,代表着东亚夏季风预估的通常观点。但实际上,当前的气候模式在东亚季风预估上存在着很大的不确定性。

首先,关于东亚季风环流强度的变化存在不一致性。当前关于季风环流变化的度量指标呈多样化趋势,少有研究关注基于不同指标的结果间的可比性。在东亚地区,南风强度是度量东亚夏季风环流强度的常用指标;但是在全球季风研究中,科学界则多采用低层辐合或中层垂直上升运动的强度来度量季风环流的强度(Trenberth et al., 2000; Kitoh et al., 2013)。对CMIP3和CMIP5模式预估结果的分析表明,在东亚陆地季风区夏季平均南风增强,原因是由于陆地热容量小于海洋,在温室气体强迫下陆地增温快于海洋,令夏季海陆热力对比增强(布和朝鲁, 2003布和朝鲁和林永辉, 2003孙颖和丁一汇, 2009陈活泼等, 2012丁一汇等, 2013姜大膀和田芝平, 2013; Kamae et al., 2014)。不过,实际机理远比这复杂。有证据表明在包括东亚季风区在内的全球季风区,增暖背景下其辐合上升运动强度是普遍减弱的(Kitoh et al., 2013)。根据水汽收支诊断方程,辐合上升运动的强度是直接影响降水变化的动力因子(Chou et al., 2009; Lin et al., 2014)。根据Clapyron-Clausius方程,每升温1 K,大气水汽含量大约增加7%。然而,模式预估的季风区降水增加的幅度实际上多不足7%,主要原因是由于大气静力稳定度增强导致季风区辐合上升运动减弱(Kitoh et al., 2013; Lee and Wang, 2014)。总之,研究全球变暖对东亚夏季风的影响时,需要注意区分风(环流)和雨(降水)的响应;讨论季风环流强度的变化时,也应该特别说明采用何种指标来度量季风环流的哪个分量,泛泛地说预估的东亚夏季风如何变化容易造成误解。

其次,东亚夏季风环流和降水预估的不确定性,很大程度上来自西北太平洋副热带高压(简称“西太副高”)的预估不确定性。在全球增暖背景下讨论副高的变化需要格外注意度量指标的选取。气候监测和预估业务中常利用500 hPa位势高度来度量西太副高的强度、面积和西脊点位置(赵振国,1999刘芸芸等,2012)。根据压高公式可知,在变暖的气候背景下,温度的升高必然会伴有全球位势高度的系统性整体抬升(He et al., 2015, 2018),这在气候系统模式的预估结果中显示的非常清楚(刘芸芸等,2014)。在此背景下,若利用业务监测中的副高强度或者面积指数来度量副高,就会得出西太副高将随着全球增暖而增强的结论(He et al. 2018)。而实际上,基于CMIP5多模式预估结果的分析表明,与西太副高对应的反气旋性环流强度在对流层中层减弱(He et al., 2015),在对流层低层变化具有很大的模式间不确定性,大约一半的模式预估反气旋环流增强,另一半的模式预估反气旋减弱,但三分之二的模式中反气旋强度的变化都不显著(图 10),最终令集合平均的预估结果显示低层西太副高强度基本保持不变(He and Zhou, 2015)。与对流层低层变化的高度不确定性形成鲜明对比的是,超过75%以上的CMIP5模式都预估对流层中层西太副高的反气旋性环流强度减弱,原因是副高北侧西风的减弱,它是热成风关系约束下副高北侧经向温度梯度减弱的结果(He et al., 2015)。

图 10 预估的850 hPa西北太平洋副热带高压(西太副高)强度变化量(横轴)与印度洋—太平洋纬向海温梯度变化量(纵轴)关系的散点图。不同的字母代表不同的模式;蓝色和红色字母分别代表RCP4.5和RCP8.5情景预估的变化量。引自He and Zhou(2015) Figure 10 The changes of the tropical Indian Ocean (TIO) and the tropical western Pacific (TWP) SST zonal gradient as a function of the changes in the western North Pacific subtropical high intensity. The TIO-TWP zonal SST gradient is defined as the difference between the TIO SST and the TWP SST. The blue and red markers are for the projected changes under RCP4.5 and RCP8.5 scenarios, respectively. Cited from He and Zhou (2015)

为何CMIP5模式预估的对流层低层西太副高强度变化差异如此之大、从而最终令中国东部降水格局的变化高度不确定?分析表明,原因在于CMIP5模式预估的印度洋—太平洋两个洋盆相对增暖的幅度离差很大:不论在RCP4.5还是RCP8.5排放情景下,预估的热带印度洋增暖强于太平洋的模式,都对应低层西太副高强度增强,令中国东部的偏南风显著增强,北方降水显著增多;相反,那些预估的热带太平洋增暖强于印度洋的模式,都对应低层西太副高强度减弱,令中国东部的偏南风减弱,南方降水增多(He and Zhou, 2015)(图 11)。

图 11 (a、b)RCP4.5和(c、d)RCP8.5情景下预估850 hPa西太副高显著(a、c)增强和(b、d)减弱的模式分别合成预估的中国东部夏季850 hPa风场和降水(填色阴影,单位:mm d−1)的变化。红色打点区域表示所有参与合成的模式预估的变化量的符号一致。引自He and Zhou(2015) Figure 11 (a) P-type models' composite of the projected changes in the precipitation (shading, units: mm d−1) and 850 hPa wind (vectors, units: m s−1) under RCP4.5 scenario. (b) Same as (a) but for the N-type models. (c, d) Same as (a, b) but under the RCP8.5 scenario. The regions with red dots indicate all of the P-type (or N-type) models agree in the sign of changes in the precipitation. Cited from He and Zhou (2015)
7.2 气候增暖对季风年际变率的影响

人为温室气体强迫对东亚气候的影响,不仅体现在平均态上,还体现在气候变率上。观测资料显示过去几十年华南降水的年际变率增强了一倍以上(Fan et al., 2014)。年际变率的变化,既受PDO等海气耦合系统内部的年代际变率模态位相转换的影响(Song and Zhou, 2015),同时,还可能受到全球增暖的影响。CMIP5的多模式集合显示在RCP8.5和RCP4.5排放情景下,预估的全球季风区降水的年际变率都增强(Kitoh et al., 2013Christensen et al., 2013)。耦合模式预估的结果显示未来东亚降水的年际变率增大(Lu and Fu, 2010富元海, 2012),同时西太副高和东亚高空副热带西风急流的年际变率幅度也增大(Lu and Fu, 2010戴翼和陆日宇, 2013),未来西太副高和东亚降水相关性减弱,而东亚高空急流和东亚降水相关性增强(Ren et al., 2017)。

耦合模式预估结果显示,人为温室气体强迫不仅调控东亚气候年际变率的幅度,还能够影响夏季风与热带海温之间的关系。分析表明,在变暖的气候背景下,随着大气湿度的增大,印度洋同样强度的海温异常可以通过湿绝热调整而激发出更强的对流层温度异常,从而通过大气开尔文波和艾克曼辐散而导致夏季西太副高出现更大的异常,从而令印度洋海温对西太副高和东亚夏季气候的影响增强(Hu et al., 2014; Tao et al., 2015)。基于耦合模式的预估结果还显示,由于热带太平洋地区降水的平均态和年际变率整体加大,西太副高对快速衰减的El Niño事件的响应增强(Chen et al., 2016a)。但是,近期研究表明,在全球增暖的背景下,伴随着大气静力稳定度的增加,大气环流对SST距平的响应亦将减弱,这种减弱能够部分抵消由于大气变湿所带来的降水增多,从而意味着大气对ENSO和IOD型海温的影响将减弱而不是增强(Huang et al., 2017)。此外,还有工作显示,由于大西洋热盐环流减弱、北大西洋的温跃层变浅,北大西洋表层海温的年际变率增强,它能够通过加强西太副高对北大西洋海温的响应而令年际变率加强(Chen et al., 2015)。

7.3 预估的极端气候事件变化

极端事件变化的预估是气候变化研究领域的热点话题。基于CMIP5模式的温度和降水极端指数的分析表明,到21世纪末,中国地区冷事件减少、暖事件增加,极端降水事件增加。但随着时间的推移,模式间预估结果的不确定性增加,相较于RCP4.5排放情景,在RCP8.5排放情景下预估的不确定性更大。其中,气候系统的内部变率、排放情景的差异以及模式构造及参数的不同是不确定性的三大主要来源。基于模式的方差分析,发现对于整个中国地区而言,到21世纪末,绝大部分的温度指数以及部分降水指数(如日最大降水量、连续5天最大降水量、强降水量)的预估不确定性主要来自排放情景的不确定性,而对于中国子区域及其他降水指数而言,模式不确定性的影响极为显著。此外,内部变率也扮演着非常重要的角色(Zhou et al., 2014)。

1.5℃温升背景下的气候变化是近期备受关注的热点话题。基于CESM预估结果的分析表明,在全球平衡态温升1.5℃和2℃的背景下,东亚平均增暖幅度比全球平均值高约0.2℃,中国东部、朝鲜半岛以及日本地区的极端高温事件的强度、频率以及持续时间的增幅都比东亚的其他地区大。和2℃温升目标相比,把全球增暖控制在1.5℃范围内将使东亚地区极端高温事件强、频率以及持续时间的增幅较之2.0℃温升目标减小35%~46%,其中蒙古地区减小最多,为37%~49%(He et al., 2018)。

关于增温背景下的极端降水变化,模式的预估结果存在较大的不确定性。基于CMIP5模式结果的分析表明,预估的极端降水指数变化的不确定性,在中国东部要小于西部。减少模式预估结果不确定性的一个有效方法,是对各个模式模拟的历史(1986~2005)极端降水指数技巧进行评分,在未来预估中,对模式给予不同的权重,结果提高了预估结果的信噪比。预估结果显示(图 12),在RCP4.5情景下,21世纪中期以后,中国西北以及黄淮流域的洪涝风险显著增加;连续干旱的天数在30°N以北(南)将减少(增加),但结果不确定性较大(Jiang et al., 2015; Li et al., 2016b)。Freychet et al.(2015)的结果显示,在RCP8.5情景下,东亚夏季极端降水强度和频率都将增加,其变化与垂直环流和水汽平流的变化关系密切。基于CMIP5模式的预估结果表明,在增暖情景下,东亚地区夏季最大5天降水可能增加20%左右(Christensen et al., 2013)。

图 12 概率为0.5时R95T气候态相较于基准期(1986~2005)降水变化的分布。(a–c)为模式加权预估结果,(d–f)为模式未加权预估结果。第一行为2016~2035年,第二行为2046~2065年,第三行为2081~2100年。红色等值线表示零和负值,蓝色等值线表示正值。加号表示信噪比大于1的区域。引自Li et al.(2016b) Figure 12 Geographic distribution of precipitation changes relative to 1986–2005 with probability 0.5, with two different ensemble schemes, (a–c) weighted and (d–f) unweighted, for three periods: (top) 2016–2035, (middle) 2046–2065, and (bottom) 2081–2100. Red contours indicate zero and negative values, and blue contours indicate positive values. Areas with plus symbols show that the SNR is larger than 1.0. Cited from Li et al. (2016b)

全球模式由于分辨率较粗,一定程度上制约了其对极端降水的模拟能力。利用全球模式提供侧边界条件来驱动分辨率较高的区域气候模式(所谓的“动力降尺度”方法),已被广泛应用于东亚地区气候变化的模拟和预估研究中(Gao et al., 2011, 2013)。例如,基于WRF和RegCM4的动力降尺度结果均显示,在RCP4.5情景下,中国多数地区的年降水和极端降水都将增加,尤其是中国南方地区(Bao et al., 2015; Qin and Xie, 2016)。基于区域海气耦合模式对预估的全球1.5℃温升背景下中国地区极端降水变化进行降尺度,发现高强度的极端降水事件在全国普遍增加,其中尤以华北和东南发生风险增幅最大,分别为基准期的1. 88倍和1. 85倍(李东欢等,2017)。不过需要注意的是,受全球模式驱动场、排放情景和自然内部变率的影响,区域气候模式的预估结果亦存在不确定性。基于多个全球模式(GCM)驱动单个区域模式(RCM)、单个全球模式驱动多个区域模式的预估结果比较均显示,在中国西北部地区,不同GCM-RCM组合预估的降水变化较为一致;而在中国东部季风区,不同组合的预估结果则存在较大差别(Gao et al., 2012; Niu et al., 2015)。在某些情况下,甚至会出现区域模式预估的东亚夏季风和降水变化与驱动其的全球模式预估结果不一致乃至相反的情况(Gao et al., 2008b; Zou and Zhou, 2013a)。关于造成上述差异的原因,此前认为与地形强迫有关(Gao et al., 2008b),最近的研究结果指出,这可能是由于这些区域模式在降尺度过程中没有考虑局地海气相互作用过程,从而虚假地夸大了西北太平洋海温的驱动作用导致的(Zou et al., 2016; Zou and Zhou, 2016)。

7.4 气候敏感度不确定性的影响

气候敏感度反映的是全球平均地表气温在温室气体辐射强迫下变化的幅度,取决于气候系统内各种正负反馈过程的强弱(朱永春和黄士松, 1996林朝晖和曾庆存, 1998汪方和丁一汇, 2005巢纪平和李耀锟, 2010赵天保等, 2013陈晓龙等, 2014周天军和陈晓龙, 2015)。平衡态气候敏感度(Equilibrium Climate Sensitivity, ECS)是指大气中CO2浓度相对于工业革命前加倍后,气候系统完全响应达到新的平衡态时全球平均表面温度升高的幅度。不同模式的气候敏感度有较大差异,并且近40年来模式的发展并未缩小其不确定范围,目前一般认为介于1.5~4.5℃之间,不大可能低于1.0℃或者高于6.0℃(IPCC, 2013)。敏感度的差异是造成当前气候模式预估的全球或区域气候变化结果存在不确定性的重要原因之一(Grise and Polvani, 2013; Chen and Zhou, 2015, 2016; 胡婷等,2017)。影响敏感度的因素有多种,而毗邻东亚的西北太平洋区域是与气候敏感度有关的云短波反馈不确定性最大的地区之一(Vial et al., 2013)。

增暖背景下大气水汽的增多使得预估的季风降水在全球范围内都呈显著增加(北美季风除外),但这一结果尚存在较大的不确定性(Endo and Kitoh, 2014)。气候敏感度高,意味着随着全球增暖大气的水汽含量更多,但与此同时,对流层的能量约束会造成大尺度环流减弱(Held and Soden, 2006)。水汽的增多和环流的减弱在热带季风区会相互抵消,使得降水的预估结果与气候敏感度无关,代之以由热带海温增暖型来决定季风降水的预估结果(Chen and Zhou, 2015)。现有的关于敏感度影响季风降水的研究多集中于热带季风,而针对位于副热带的东亚夏季风的工作还相当有限。CMIP5模式预估的东亚夏季风降水和极端降水指标的变化不确定性,和全球其他季风区相当(Kitoh et al., 2013)。鉴于敏感度对于东亚及其临近地区包括1.5℃和2℃温升时间、温度和极端气候指标的显著影响(Chen and Zhou, 2016Zhou et al., 2017),气候敏感度差异如何影响东亚气候预估的不确定性是一个需要加强的方向。

8 提升模式性能的有效途径 8.1 参数优化

气候模式对于许多无法分辨的次网格尺度过程,需采用格点尺度的信息来对这些物理过程进行参数化。参数化方案中的一些参数涉及无法观测的中间物理过程,对这些过程的确定通常是基于经验的或者非常有限的观测证据,由此造成参数化过程的不确定性。估算其不确定性并优化这些不确定参数是改进模式性能的有效方法。Stainforth et al.(2005)随机扰动了英国气象局气候模式中的不确定参数,完成了2017组数值试验,利用一系列气候误差指标对上述模拟结果进行评估,发现最好的扰动试验结果相比于参照试验大约减少了15%误差。可见,参数优化对于改进模式性能极为有效。

如何优化气候模式的参数?气候模式里的不确定参数多达上百个,利用参数采样的方法寻找最优参数集需要耗费大量的计算资源,逐一改变关键参数进行模拟试验、并通过把模拟结果与观测比较来确定最佳参数的方法有效但是计算量太大(Zou and Zhou, 2011, 2013b),因此,如何提高参数采样的计算效率、减少参数采样的次数是本领域的一个前沿问题(Hourdin et al., 2017)。Duan et al.(2017)发展了自动模式优化方法,首先利用全局敏感性分析方法挑选出对模式结果影响最大的几个(15个或更少)参数,然后利用有限的模式结果构建数值模式的伴随模式(统计算子),最后利用多目标优化方法寻找该伴随模式的最优参数集,该最优参数集即近似为数值模式的最优参数集。该方法利用“参数筛选”和“伴随模拟”的方法,节约了大量的计算耗费。利用该方法从区域模式WRF的23个参数中挑选出对降水和温度模拟影响最大的9个参数进行优化,最终显著改进了北京地区夏季5天降水的模拟效果(Di et al. 2017, 2018; Duan et al., 2017)。

另一类优化方法,是在多维参数集采样过程中,根据模式的结果逐步调整参数并收敛到最优参数集,这同样能够减少采样次数,提高计算效率。这类快速收敛的采样方法,如多链退火算法(multiple very fast simulated annealing, MVFSA)、随机估计退火算法(simulated stochastic approximation annealing, SSAA)等,被广泛地应用于气候模式的参数优化和不确定性研究中(Jackson et al., 2008; Yang et al., 2013, 2015a; Yan et al., 2014)。例如,Yang et al.(2015b)Zou et al.(2014)分别利用MVFSA方法对全球模式和区域气候模式中与对流参数化方案有关的参数进行优化,结果显著提升了东亚—西北太平洋夏季降水和环流的模拟效果。不过,利用参数优化方法得到的最优参数集,部分情况下可能存在“误差补偿”的问题,其确定的最优值从根本上需要得到观测数据的验证(Yang et al., 2013)。

8.2 参数化方案改进与过程模拟

发展完善物理过程参数化方案是提升东亚—西北太平洋夏季风模拟性能的必经途径。例如,关于积云对流的参数化问题,在季风系统的建立过程中,不同的积云对流闭合假设在不同区域的效果差异较大,例如基于对流有效位能的参数化方案在热带地区表现较好,而基于准平衡闭合的方案则在副热带梅雨区表现较好,原因是副热带季风降水和大尺度环流不稳定性的关系更为密切(Chen et al., 2010)。因此,针对积云对流的参数化必需考虑季风环流的特点。又如,一般认为降水是环流变化的结果,而实际上对流本身由大气的浮力所驱动,与大气的垂直结构和不稳定性直接相关,气候模式常存在对流发生频率过高的问题,通过抑制对流的发生频率能够在一定程度上改进东亚夏季风环流和降水的模拟(Emori et al., 2001Chow et al., 2006Zou and Zhou, 2011)。季风的模拟对边界层方案亦非常敏感,后者通过影响副热带高压的北跳和强度,进而影响季风雨带(贵志诚等,2014)。增强云参数化方案对海温的敏感性(Guo and Zhou, 2014)、在湍流通量参数化方案中考虑与对流活动相关联的阵风效果等(刘晓娟等,2011),都能够在一定程度上增强大气环流对海表温度的响应,达到改善东亚季风年际变率模拟效果的目的。

基于场地观测试验开展过程模拟是改进模式的有效途径。在这方面国际上有许多成功的经验,代表性的是美国能源部自1989年开始组织、1990年开始实施并延续至今的ARM计划(Atmospheric Radiation Measurement Climate Research Facility,https://www.arm.gov/),以及基于ARM计划场地观测数据与模式物理过程改进相结合建立的云参数化试验平台计划CAPT(Cloud-Associated Parameterizations Testbed, https://pcmdi.llnl.gov/projects/capt/)。CAPT利用GCM进行不同时间尺度的过程研究,强调天气过程与气候过程的统一,通过与场地观测进行比较以验证和改进模式,从而实现模拟和观测之间的内在协同。

围绕着数值模式的改进需求,建立系统的观测网是增强对东亚夏季风物理过程的理解、发展和改进物理过程、提高季风模拟和预报水平的有效途径。但遗憾的是,我国目前尚没有统一的场地观测—模式改进试验平台。近年来,中国气象科学研究院在季风区和对季风有重要影响的区域开展了多项规模较大的观测试验,例如“华南季风降水试验”(The Southern China Monsoon Rainfall Experiment, SCMREX,Luo et al., 2017)、第三次青藏高原大气科学试验之边界层与对流层观测试验(Shen et al., 2014)。在上述计划支持下,目前已经获取了一批宝贵的试验数据,例如SCMRES观测了2013~2015年间华南雨季中多次中尺度极端降水事件及其特征。第三次青藏高原大气科学试验也观测到了从边界层过程到积云对流的发展和云的微物理特征等(Gao et al., 2016)。如何有效地利用场地观测资料来完善模式物理过程提高季风模拟能力,是未来亟待考虑的问题。

8.3 高分辨率模式和对流解析模式

东亚地区复杂的海陆分布和地形、夏季经向200 km左右的梅雨雨带范围,都意味着提高模式水平分辨率是改进季风模拟的有效途径之一。研究表明,较之分辨率较低的模式,20~60 km水平分辨率的模式能够更加真实地再现大尺度环流特征(Duffy et al., 2003Hack et al., 2006)、全球和局地水循环过程(Demory et al., 2014Schieman et al., 2014Wehner et al., 2014Zhang et al., 2016Rashid and Hirst, 2017)、全球和区域降水的空间分布(Bacmeister et al., 2014)等。具体到东亚夏季风的模拟上,高分辨率模式对地形降水、季风降水的频谱分布、低空急流和梅雨的爆发、撤退时间等具有显著的优势(Kusunoki et al., 2006, 2011Mizuta et al., 2006Kioth and Kusunoki, 2008Feng et al., 2011; Li et al., 2015Yao et al., 2017)。高分辨率模式由于能够模拟热带气旋活动及分布(Oouchi et al., 2006Bengtsson et al., 2007Murakami et al., 2012, 2013),对于受热带气旋影响较多的东亚季风区来说,这意味着能够更好地再现热带气旋所带来的降水。

高分辨率模式的进一步发展是走向对流解析模式(水平网格距等于或小于4 km,CPM: convection- permitting model;Prein et al., 2015)。近年来,随着高性能计算的快速发展,国际上许多气候模式的分辨率已提升至对流解析尺度。CPM能够显式解析对流过程,无需再依赖大尺度模式中所必需的对流参数化方案。由于对流参数化方案是模式不确定性和误差的重要来源(Weisman et al., 1997Satoh et al., 2008Prein et al., 2015),在类似东亚这样的地形和下垫面复杂多样的区域,无需采用对流参数化方案的CPM的作用就愈发重要(Lauwaet et al., 2012Prein et al., 2013a, 2013b)。研究表明,CPM对东亚夏季强降水具有较好的模拟能力,例如能够较好地模拟出2012年北京“721暴雨”强降水事件发生的时间、强度和空间分布(Zhang et al., 2013Zhu and Xue, 2016)。CPM已经成为研究梅雨锋区极端强降水事件机理的重要工具(Liu et al., 2008, 2010Luo et al., 2014Luo and Chen, 2015)。

在CPM中,由于不再使用对流参数化方案,对影响深对流的过程进行合理描述就尤为重要,这包括对流云的微物理过程、次网格浅对流过程的参数化和边界层过程等(Prein et al., 2015, 2017)。在气候模拟领域,我国的CPM模式研发尚出于起步阶段,采用何种标准从何种角度来评估CPM的模式性能,目前国际上尚没有成熟的指标体系,对此,我们需要尽早启动探索性研究。

8.4 考虑海气耦合过程

东亚季风模拟难题还和该区域的复杂海气相互作用过程有关。从海气相互作用的角度,东亚—西北太平洋地区夏季的局地海气相互作用过程主要表现为大气对海洋的驱动。换言之,是季风驱动海洋而不是反之。在此情形下,单纯利用海温驱动大气环流模式就会高估局地海温的影响(Wang et al., 2005Wu et al., 2009)。从亚澳季风年际变率的角度对观测海温驱动下AMIP模式结果进行考察,证明局地海气相互作用过程对于夏季风降水和环流模拟极为重要(Zhou et al., 2009b)。

大气环流模式与对应的海气耦合模式的结果比较,是理解海气耦合过程影响季风模拟的重要途径。在34个CMIP5模式中,大气模式和耦合模式严格对应的有17个模式,比较海气耦合前后的东亚夏季风,发现相对于大气模式,耦合模式模拟的气候态副热带高压及其季风雨带都有所改善(Song and Zhou, 2014b)。这种改进还体现在年际变率上,印度洋—西北太平洋反气旋遥相关型在耦合模式中得到增强,使得耦合模式中的东亚夏季风年际变率显著改善(Song and Zhou, 2014b)。

基于区域海气耦合模式的模拟试验,也证明了考虑海气耦合过程对提升东亚—西北太平洋区域季风降水年际变率模拟技巧的重要作用。为了满足东亚气候加密模拟的需求,邹立维等(2012)发展了一个区域海气耦合模式FROALS。基于FROALS的模拟试验,发现考虑海气耦合过程显著地提升了模式对西北太平洋和南海夏季降水年际变率的模拟技巧,原因在于海气耦合模式减少了非耦合的大气模式对观测海温的虚假响应(Zou and Zhou, 2013周天军等,2016)。

9 总结

气候模式是理解过去和当前气候变化机理、预测和预估未来变化的重要工具,但是当前的气候模式,在东亚夏季风的模拟上尚面临诸多难题,这使得其模拟或预估结果存在着不确定性。本文以时间尺度为序,从气候态、日变化、年际变率、年代际变率、长期气候变化和未来预估等季风学界关注的热点问题角度,系统总结了当前模式的水平和能力,指出了其主要偏差,讨论了影响模式性能的可能因素,探讨了提升模式性能的有效途径。主要结果总结如下:

首先,关于东亚夏季风气候态的模拟。在气候平均态上,东亚夏季降水的主要特征是从长江中下游地区沿东北方向延至太平洋的季风雨带。当前气候模式在模拟东亚夏季降水的主要偏差表现为虚假大地形降水问题和季风雨带的位置偏差问题。季风雨带的位置偏差,主要表现是东亚夏季风降水普遍偏少、而西北太平洋上降水则偏多。降水的模拟偏差来自环流的偏差,包括副热带高压较观测位置偏北、热带西风过于东伸、西北太平洋季风槽偏北。

分辨率的提高是改进模拟性能的有效途径。精细的青藏高原地形,能够在东亚季风区产生准正压的罗斯贝波,使得定常的经向涡动流增强,增强长江中下游的北风与日本列岛南侧太平洋区域的南风,季风雨带所在区域获得的湿焓与经向水汽辐合都显著增加,从而令季风雨带显著改善。

模式物理过程特别是云过程在提高季风模拟效果中的作用不可忽视,伴随东亚夏季风降水过程产生的潜热释放,能够令季风经向环流明显增强;季风云系产生的对流层中低层的辐射加热效应,令东亚夏季风垂直环流显著增强。

其次,关于季风降水日变化的模拟。东亚夏季风降水具有显著的日变化特征,降水日峰值主要出现在清晨和午后两个时段,季风雨带外南北两侧的降水多表现为午后降水峰值;梅雨区降水峰值出现在清晨,但深对流活动在午后最多。CMIP5气候模式多难以准确模拟陆地降水日变化的特征。较之模式水平分辨率,模式物理过程特别是对流参数化的作用更大,全球模式和区域模式数值试验均证明这一点。对流解析是提升降水日变化模拟能力的重要途径,具体实现的方式包括发展全球云分辨模式、在中低分辨率的模式网格中嵌套二维的云分辨模式进行超级参数化等。

第三,关于东亚夏季风年际变率的模拟。研究重点关注两个方面,一是东亚夏季风对ENSO的滞后响应;二是东亚副热带西风急流变率对东亚夏季风的影响。数值模式在揭示东亚夏季风对ENSO的滞后响应机制上发挥了重要作用,证明印度洋洋盆模态是延续El Niño对东亚气候影响的关键因子,机制上涉及热带印度洋对流增强所激发出的斜压东风Kelvin波和风速经向不均匀分布所造成的艾克曼辐散对西北太平洋反气旋(WNPAC)的维持、热带印度洋—菲律宾海的对流关联等。

东亚夏季风年际变率的模拟技巧,取决于模式对El Niño衰减年夏季西北太平洋反气旋的模拟能力。CMIP5大气模式对东亚夏季降水主导模态及其对应的主要环流型即WNPAC的模拟能力,较之CMIP3大气模式有显著提升,原因在于对印度洋—WNPAC遥相关型模拟能力的提升。海气耦合过程能够显著提升模式对WNPAC的模拟能力。

关于东亚对流层高层副热带西风急流年际变率及其对东亚气候的影响,研究发现CMIP5模式多能够合理模拟出急流南移(北移)、东亚夏季降水增加(减少)的关系,而且模式一致地显示随着全球增暖,上述联系将增强。

第四,关于东亚夏季风年代际变率的模拟。季风学界重点关注1970年代末东亚夏季风环流的减弱及其“南涝北旱”现象。为理解季风变化的原因,科学界进行了大量的数值模拟研究,尽管目前在机理上尚未能达成共识,但一般认为以下过程对于季风减弱具有显著贡献:一是太平洋年代际振荡模态(PDO)在1975年前后转为正位相所造成的热带海温增暖趋势,能够减弱海陆温差,有利于季风环流减弱;同时,PDO位相转换所引起的热带印度洋增暖,也能够通过影响副高位置减弱季风环流;二是人为气溶胶强迫所造成东亚大陆的变冷,能够通过减弱海陆温差、增加大气稳定度而令东亚夏季风环流减弱。

关于温室气体的作用,一般认为它通过大气静力稳定度的增强而导致季风区辐合上升运动减弱,从而从动力上令季风环流减弱,伴随静力稳定度增加出现的Hadley环流下沉支扩大、Walker环流减弱也有利于季风环流减弱;与此同时,热力作用所导致的大气水汽含量的增加又有利于季风降水增多。现有关于温室气体可能令季风环流减弱的观点多是从海洋的反馈作用的角度提出来的,因为印度洋是全球大洋中对于温室气体辐射强迫响应最强的区域,其增暖所造成的海陆温差减弱为季风环流的减弱提供了有利背景。

气候模式在理解季风年代际变化机理方面面临的困难,一是环流响应和降水变化不对应的问题,以CMIP为代表的中低分辨率模式多不具备模拟季风降水结构细节的能力。二是当前气候模式中夏季风对气溶胶辐射强迫的响应不确定性很大,这涉及到气溶胶直接和间接效应的刻画问题。三是PDO等内部变率模态的位相转换和外强迫变化的联系目前不清楚。

第五,关于近千年季风变化的数值模拟。器测资料的不足制约了对二十世纪夏季风年代际变化机理的理解,过去千年是讨论自然变率和人为强迫对东亚季风的影响的合理窗口。目前一般认为太阳辐照度的增加有利于季风增强、火山气溶胶强迫则有助于季风减弱。但是围绕自然强迫和人为强迫影响季风变化的机理有何异同,目前尚不清楚。针对过去千年季风变化的机理问题,数值模拟研究有望发挥重要作用,未来亟待加强的是千年气候代用记录的重建及其温湿代表性研究、历史火山气溶胶强迫资料的构建等。

第六,关于东亚夏季风未来变化的预估。一般认为有两种过程最终会令季风区降水增加,一是伴随温度增暖大气中水汽含量的增多,二是在温室气体强迫下陆地增温快于海洋,令夏季海陆热力对比增强、季风环流增强。但实际机理远比此复杂,从CMIP3到CMIP5,国际上现有的气候模式在预估东亚夏季风的变化上存在着很大的不确定性,主要表现包括:

(1)东亚季风环流强度的变化不确定。在增暖的背景下,由于大气静力稳定度增强,季风区的辐合上升运动强度普遍减弱,动力项的这种抵消作用,使得模式预估的季风区降水增加的幅度多低于根据Clapyron-Clausius方程从热力学角度理论估算的7%/K。

(2)东亚夏季风预估的不确定性很大程度上来自西北太平洋副热带高压的预估不确定性。CMIP5模式的预估结果显示与西太副高对应的反气旋性环流强度在对流层中层减弱,但受模式预估的热带印度洋—太平洋洋盆间温度增暖的梯度的不确定性影响,多模式集合的低层西太副高强度变化不显著。

(3)增暖背景下的年际变率问题。尽管目前有诸多研究强调在全球增暖的背景,伴随着大气的变湿年际变率会增强,但也有证据表明伴随全球增温、大气静力稳定度增加,大气环流对SST距平的响应将减弱,这种减弱能够部分抵消由于大气变湿所带来的年际变率增强,从而最终令年际变率信号减弱而不是增强。

(4)气候敏感度不确定性的影响。气候敏感度是度量全球平均地表气温在温室气体辐射强迫下变化幅度的重要指标,由气候系统内部各种正负反馈过程的强弱决定。平衡态气候敏感度,即大气中CO2浓度相对于工业革命前加倍后气候系统达到新的平衡态时全球平均表面温度升高的幅度,其范围介于1.5~4.5℃之间,存在极大的不确定性。关于气候敏感度如何影响东亚季风预估的不确定性,目前尚无答案。

第七,关于季风区极端气候事件变化的预估。在以增暖为主要特征的各种排放情景辐射强迫的驱动下,定性地说,模式多预测东亚地区冷事件减少、暖事件增加,极端降水事件亦将增加。但若对多模式结果进行定量比较,发现在东部季风区的离差要大于西部地区。通过对CMIP模式在模拟历史变化趋势上的技巧进行评分,在未来预估中给予各个模式不同的权重,能够显著提高季风区预估结果的信噪比。分辨率相对较高的区域模式是对全球模式进行动力降尺度的重要工具,但区域模式在东亚会存在降尺度结果与全球模式不一致的问题,原因涉及地形强迫、海气相互作用等过程;如果进行降尺度的空间范围像CORDEX-EA计划那样涵盖西太平洋区域,则推荐采用区域海气耦合模式,因为该区域夏季的海气相互作用表现为季风驱动海洋,若不考虑海气相互作用过程,则局地海温会对大气模式产生虚假的强迫,最终干扰区域模式对来自侧边界强迫的全球模式的响应。

第八,关于在东亚季风区提升模式性能的途径。在系统的构建上需要发展海气耦合模式;在参数化问题上,通过参数采样的方法寻找最优参数集的数学优化方法,被证明在改进气候态模拟效果方面极为有效。但从根本上提升模式性能的途径,是结合场地观测进行过程模拟。在这方面,国际上的成功经验是围绕模式研发需求,在关键区域建立观测基地,系统而持久地开展多要素的立体观测,利用模式开展过程模拟,通过模拟和观测结果的比较来优化模式参数,从而实现观测和模拟的协同。目前在这一重要方向上,我国尚没有总体的规划和设计。针对东亚夏季风的特点,在关键区关键点建立若干观测基地,有效地利用场地观测资料,通过过程模拟来完善模式物理过程,从而提高季风模拟和预报能力,是科研规划决策者需要考虑的问题。随着高性能计算机性能的提高和成本的下降,发展高分辨率和对流解析模式是国际趋势,在此过程中,观测基地的建立、与模式研发协同的观测试验将愈发重要。

最后,借助国际合作平台来提升模式对东亚气候的模拟能力是一条重要途径。在这方面我们正面临着前所未有的机遇,自2013年开始设计、2016年正式启动的第六次国际耦合模式比较计划(CMIP6),第一次在试验的设计上体现科学民主原则,正式批准了21个子计划,内容涉及模式偏差的改进、气候变率机理的理解和预测预估、以及气候系统对外强迫的响应机理等问题,几乎涵盖了本文围绕着提升东亚夏季风模拟能力、理解东亚夏季风变化规律、降低预测预估结果不确定性所需要关注的所有科学主题。特别是,有来自全球12个国家的20余个模式参加的“全球季风模拟比较计划”(GMMIP),是仅次于气候情景预估子计划的CMIP6第二大科学子计划,是CMIP国际计划实施20年来第一次针对季风问题组织科学试验(Zhou et al., 2016)。希望季风学界能够以CMIP6的组织实施为契机,抓住机遇,通过国际协作实现多模式、大样本、大数据的集成,最终减少模式的不确定性范围,显著提升季风模拟和预测预估水平。

参考文献
Anchukaitis K J, Buckley B M, Cook E R, et al. 2010. Influence of volcanic eruptions on the climate of the Asian monsoon region [J]. Geophys. Res. Lett., 37(22): L22703. DOI:10.1029/2010GL044843
Bacmeister J T, Wehner M F, Neale R B, et al. 2014. Exploratory high-resolution climate simulations using the Community Atmosphere Model (CAM) [J]. J. Climate, 27(9): 3073-3099. DOI:10.1175/JCLI-D-13-00387.1
Bao J W, Feng J M, Wang Y L. 2015. Dynamical downscaling simulation and future projection of precipitation over China [J]. J. Geophys. Res., 120(16): 8227-8243. DOI:10.1002/2015jd023275
Bengtsson L, Hodges K I, Esch M, et al. 2007. How may tropical cyclones change in a warmer climate? [J]. Tellus A, 59(4): 539-561. DOI:10.1111/j.1600-0870.2007.00251.x
布和朝鲁. 2003. 东亚季风气候未来变化的情景分析——基于IPCC SRES A2和B2方案的模拟结果[J]. 科学通报, 48(7): 737-742. Bueh C. 2003. Simulation of the future change of East Asian monsoon climate using the IPCC SRES A2 and B2 scenarios (in Chinese)[J]. Chin. Sci. Bull., 48(10): 1024-1030. DOI:10.1007/BF03184220
布和朝鲁, 林永辉. 2003. ECHAM4/OPYC3海气耦合模式对东亚季风年循环及其未来变化的模拟[J]. 气候与环境研究, 8(4): 402-416. Bueh Cholaw, Lin Yonghui. 2003. A simulation of the annual cycle and future change of the East Asian monsoon with the ECHAM4/OPYC3 CGCM model (in Chinese)[J]. Climatic Environ. Res., 8(4): 402-416. DOI:10.3878/j.issn.1006-9585.2003.04.03
Chang C P, Zhang Y S, Li T. 2000. Interannual and interdecadal variations of the East Asian summer monsoon and tropical Pacific SSTs. Part Ⅰ: Roles of the subtropical ridge [J]. J. Climate, 13(24): 4310-4325. DOI:10.1175/1520-0442(2000)013<4310:iaivot>2.0.co;2
巢纪平, 李耀锟. 2010. 二维能量平衡模式中大气温度对二氧化碳增温效应的响应[J]. 气象学报, 68(2): 147-152. Chao Jiping, Li Yaokun. 2010. Response of atmospheric temperature to CO2 warming effect in a 2-dimensional energy balance model (in Chinese)[J]. Acta Meteor. Sinica, 68(2): 147-152. DOI:10.11676/qxxb2010.015
陈红. 2014. CMIP5气候模式对中国东部夏季降水年代际变化的模拟性能评估[J]. 气候与环境研究, 19(6): 773-786. Chen H. 2014. Validation of the CMIP5 climate models in simulating decadal variations of summer rainfall in Eastern China (in Chinese)[J]. Climatic Environ. Res., 19(6): 773-786. DOI:10.3878/j.issn.1006-9585.2014.13174
Chen X L, Zhou T J. 2015. Distinct effects of global mean warming and regional sea surface warming pattern on projected uncertainty in the South Asian summer monsoon [J]. Geophys. Res. Lett., 42(21): 9433-9439. DOI:10.1002/2015gl066384
Chen X L, Zhou T J. 2016. Uncertainty in crossing time of 2 ℃ warming threshold over China [J]. Science Bulletin, 61(18): 1451-1459. DOI:10.1007/s11434-016-1166-z
陈活泼, 孙建奇, 陈晓丽. 2012. 我国夏季降水及相关大气环流场未来变化的预估及不确定性分析[J]. 气候与环境研究, 17(2): 171-183. Chen H P, Sun J Q, Chen X L. 2012. The projection and uncertainty analysis of summer precipitation in China and the variations of associated atmospheric circulation field (in Chinese)[J]. Climatic Environ. Res., 17(2): 171-183. DOI:10.3878/j.issn.1006-9585.2011.10137
陈晓龙, 周天军, 郭准. 2014. 影响气候系统模式温室气体敏感度的反馈过程——基于FGOALS模式的研究[J]. 中国科学:地球科学, 57(2): 322-332. Chen X L, Zhou T J, Guo Z. 2014. Climate sensitivities of two versions of FGOALS model to idealized radiative forcing (in Chinese)[J]. Sci. China Earth Sci., 57(6): 1363-1373. DOI:10.1007/s11430-013-4692-4
Chen X C, Zhang F Q, Zhao K. 2016b. Diurnal variations of land-sea breeze and its related precipitation over South China [J]. J. Atmos. Sci., 73(12): 4793-4815. DOI:10.1175/JAS-D-16-0106.1
陈隆勋, 朱文琴, 王文, 等. 1998. 中国近45年来气候变化的研究[J]. 气象学报, 56(3): 257-271. Chen L X, Zhu W Q, Wang W, et al. 1998. Studies on climate change in China in recent 45 years (in Chinese)[J]. Acta Meteor. Sinica, 56(3): 257-271. DOI:10.11676/qxxb1998.023
Chen H M, Zhou TJ, Neale R B, et al. 2010. Performance of the New NCAR CAM3.5 in East Asian summer monsoon simulations: Sensitivity to modifications of the convection scheme [J]. J. Climate, 23(13): 3657-3675. DOI:10.1175/2010JCLI3022.1
Chen W, Lee J Y, Ha K J, et al. 2016a. Intensification of the western North Pacific anticyclone response to the short decaying El Niño event due to greenhouse warming [J]. J. Climate, 29(10): 3607-3627. DOI:10.1175/jcli-d-15-0195.1
Chen W, Lee J Y, Lu R Y, et al. 2015. Intensified impact of tropical Atlantic SST on the western North Pacific summer climate under a weakened Atlantic thermohaline circulation [J]. Climate Dyn., 45(7-8): 2033-2046. DOI:10.1007/s00382-014-2454-4
Chen Z S, Wen Z P, Wu R G, et al. 2014. Influence of two types of El Niño on the East Asian climate during boreal summer: A numerical study [J]. Climate Dyn., 43(1-2): 469-481. DOI:10.1007/s00382-013-1943-1
Chen Z S, Wen Z P, Wu R G, et al. 2016c. Relative importance of tropical SST anomalies in maintaining the western North Pacific anomalous anticyclone during El Niño to La Niña transition years [J]. Climate Dyn., 46(3-4): 1027-1041. DOI:10.1007/s00382-015-2630-1
Chou C, Neelin J D, Chen C A, et al. 2009. Evaluating the "Rich-Get-Richer" mechanism in tropical precipitation change under global warming [J]. J. Climate, 22(8): 1982-2005. DOI:10.1175/2008jcli2471.1
Chow K C, Chan J C L, Pal J S, et al. 2006. Convection suppression criteria applied to the MIT cumulus parameterization scheme for simulating the Asian summer monsoon [J]. Geophys. Res. Lett., 33(24): L24709. DOI:10.1029/2006GL028026
Christensen J H, Kanikicharla K K, Aldrian E, et al. 2013. Climate phenomena and their relevance for future regional climate change [M]//Stocker T F, Qin D, Plattner G K, et al. Climate Change 2013: The Physical Science Basis. Contribution of Working Group Ⅰ to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press.
Crowley T J, Zielinski G, Vinther B, et al. 2008. Volcanism and the little ice age [J]. PAGES Newsl., 16(2): 22-23. DOI:10.1029/2002GL0166335
戴翼, 陆日宇. 2013. 东亚夏季降水和高空急流关系的未来变化预估[J]. 科学通报, 58(8): 717-723. Dai Y, Lu R Y. 2013. Projected change in the relationship between East Asian summer rainfall and upper-tropospheric westerly jet (in Chinese)[J]. Chin. Sci. Bull., 58(12): 1436-1442. DOI:10.1007/s11434-012-5540-1
Dai A G. 2006. Precipitation characteristics in eighteen coupled climate models [J]. J. Climate, 19(18): 4605-4630. DOI:10.1175/JCLI3884.1
Dai Y, Lu R Y. 2013. Projected change in the relationship between East Asian summer rainfall and upper-tropospheric westerly jet [J]. Chin. Sci. Bull., 58(12): 1436-1442. DOI:10.1007/s11434-012-5540-1
Demory M E, Vidale P L, Roberts M J, et al. 2014. The role of horizontal resolution in simulating drivers of the global hydrological cycle [J]. Climate Dyn., 42(7-8): 2201-2225. DOI:10.1007/s00382-013-1924-4
Di Z H, Duan Q Y, Gong W, et al. 2017. Parametric sensitivity analysis of precipitation and temperature based on multi-uncertainty quantification methods in the Weather Research and Forecasting model [J]. Sci. China Earth Sci., 60(5): 876-898. DOI:10.1007/s11430-016-9021-6
Di Z H, Duan Q Y, Wang C, et al. 2018. Assessing the applicability of WRF optimal parameters under the different precipitation simulations in the greater Beijing area [J]. Climate Dyn., 50(5-6): 1927-1948. DOI:10.1007/s00382-017-3729-3
丁一汇, 王会军. 2016. 近百年中国气候变化科学问题的新认识[J]. 科学通报, 61(10): 1029-1041. Ding Y H, Wang H J. 2016. Newly acquired knowledge on the scientific issues related to climate change over the recent 100 years in China (in Chinese)[J]. Chin. Sci. Bull., 61(10): 1029-1041. DOI:10.1360/N972015-00638
丁一汇, 孙颖, 刘芸芸, 等. 2013. 亚洲夏季风的年际和年代际变化及其未来预测[J]. 大气科学, 37(2): 253-280. Ding Y H, Sun Y, Liu Y Y, et al. 2013. Interdecadal and interannual variabilities of the Asian summer monsoon and its projection of future change (in Chinese)[J]. Chinese Journal of Atmospheric Sciences, 37(2): 253-280. DOI:10.3878/j.issn.1006-9895.2012.12302
Dong B W, Sutton R T, Highwood E J, et al. 2016. Preferred response of the East Asian summer monsoon to local and non-local anthropogenic sulphur dioxide emissions [J]. Clim Dyn, 46: 1733-1751. DOI:10.1007/s00382-015-2671-5
Dong L, Zhou T J. 2014. The formation of the recent cooling in the eastern tropical Pacific Ocean and the associated climate impacts: A competition of global warming, IPO, and AMO [J]. J. Geophys. Res., 119(19): 11272-11287. DOI:10.1002/2013JD021395
Duan Q, Di Z, Quan J, et al. 2017. Automatic model calibration: A new way to improve numerical weather forecasting [J]. Bull. Amer. Meteor. Soc., 98(5): 959-970. DOI:10.1175/BAMS-D-15-00104.1
Duan A, Wu G.. 2009. Weakening trend in the atmospheric heat source over the Tibetan Plateau during recent decades. Part Ⅱ: Connection with climate warming [J]. Journal of Climate, 22(15): 5691.
Duffy P B, Govindasamy B, Iorio J P, et al. 2003. High-resolution simulations of global climate. Part 1: Present climate [J]. Climate Dyn., 21(5-6): 371-390. DOI:10.1007/s00382-003-0339-z
Emori S, Nozawa T, Numaguti A, et al. 2001. Importance of cumulus parameterization for precipitation simulation over East Asia in June [J]. J. Meteor. Soc. Japan, 79(4): 939-947. DOI:10.2151/jmsj.79.939
Endo H, Kitoh A. 2014. Thermodynamic and dynamic effects on regional monsoon rainfall changes in a warmer climate [J]. Geophys. Res. Lett., 41(5): 1704-1711. DOI:10.1002/2013gl059158
Eyring V, Bony S, Meehl G A, et al. 2016. Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization [J]. Geosci. Model Dev., 9(5): 1937-1958. DOI:10.5194/gmd-9-1937-2016
Fan K, Xu Z Q, Tian B Q. 2014. Has the intensity of the interannual variability in summer rainfall over South China remarkably increased? [J]. Meteor. Atmos. Phys., 124(1-2): 23-32. DOI:10.1007/s00703-013-0301-5
Feng J, Chen W. 2014. Influence of the IOD on the relationship between El Niño Modoki and the East Asian-western North Pacific summer monsoon [J]. Int. J. Climatol., 34(6): 1729-1736. DOI:10.1002/joc.3790
Feng L, Zhou T J, Wu B, et al. 2011. Projection of future precipitation change over China with a high-resolution global atmospheric model [J]. Adv. Atmos. Sci., 28(2): 464-476. DOI:10.1007/s00376-010-0016-1
Freychet N, Hsu H H, Chou C, et al. 2015. Asian summer monsoon in CMIP5 projections: A link between the change in extreme precipitation and monsoon dynamics [J]. J. Climate, 28(4): 1477-1493. DOI:10.1175/jcli-d-14-00449.1
富元海. 2012. CMIP3模式预估的21世纪东亚夏季降水年际变率变化过程[J]. 中国科学:地球科学, 42(12): 1937-1950.
Fu Y H. 2013. The projected temporal evolution in the interannual variability of East Asian summer rainfall by CMIP3 coupled models [J]. Sci. China Earth Sci., 56(8): 1434-1446. DOI:10.1007/s11430-012-4430-3
Fu Y H, Lu R Y, Wang H J, et al. 2013. Impact of overestimated ENSO variability in the relationship between ENSO and East Asian summer rainfall [J]. J. Geophys. Res., 118(12): 6200-6211. DOI:10.1002/jgrd.50482
Fu Y H, Lu R Y. 2017. Improvements in simulating the relationship between ENSO and East Asian summer rainfall in the CMIP5 models [J]. J. Climate, 30(12): 4513-4525. DOI:10.1175/jcli-d-16-0606.1
Gao C C, Robock A, Ammann C. 2008a. Volcanic forcing of climate over the past 1500 years: An improved ice core-based index for climate models [J]. J. Geophys. Res., 113(D23): D23111. DOI:10.1029/2008JD010239
Gao X J, Shi Y, Giorgi F. 2011. A high resolution simulation of climate change over China [J]. Sci. China Earth Sci., 54(3): 462-472. DOI:10.1007/s11430-010-4035-7
Gao X J, Shi Y, Zhang D F. 2012. Uncertainties in monsoon precipitation projections over China: Results from two high-resolution RCM simulations [J]. Climate Res., 52: 213-226. DOI:10.3354/cr01084
Gao X J, Wang M L, Giorgi F. 2013. Climate change over China in the 21st century as simulated by BCC_CSM1.1-RegCM4.0 [J]. Atmos. Ocean Sci. Lett., 6(5): 381-386. DOI:10.3878/j.issn.1674-2834.13.0029
Gao X J, Xu Y, Zhao Z C, et al. 2006. On the role of resolution and topography in the simulation of East Asia precipitation [J]. Theor. Appl. Climatol., 86(1-4): 173-185. DOI:10.1007/s00704-005-0214-4
Gao X, Shi Y, Song R, et al. 2008b. Reduction of future monsoon precipitation over China: Comparison between a high resolution RCM simulation and the driving GCM [J]. Meteor. Atmos. Phys., 100(1-4): 73-86. DOI:10.1007/s00703-008-0296-5
Gao W H, Sui C H, Fan J W, et al. 2016. A study of cloud microphysics and precipitation over the Tibetan Plateau by radar observations and cloud-resolving model simulations [J]. J. Geophys. Res., 121(22): 13735-13752. DOI:10.1002/2015JD024196
Ge Q S, Wu W X. 2011. Climate during the medieval climate anomaly in China [J]. PAGES Newsl., 19(1): 24-26. DOI:10.22498/pages.19.1.24
Grise K M, Polvani L M. 2014. Is climate sensitivity related to dynamical sensitivity? A Southern Hemisphere perspective [J]. Geophys. Res. Lett., 41(2): 534-540. DOI:10.1002/2013gl058466
贵志成, 郑益群, 曾新民, 等. 2014. 不同边界层参数化方案对东亚夏季风气候模拟的对比研究[J]. 气象科学, 34(6): 638-646. Gui Z C, Zheng Y Q, Zeng X M, et al. 2014. Impact of different planetary boundary layer parameterizations on summer monsoonal climate simulation in East Asia (in Chinese)[J]. J. Meteor. Sci., 34(6): 638-646. DOI:10.3969/2013jms.0064
Guo Z, Zhou T J. 2014. An improved diagnostic stratocumulus scheme based on estimated inversion strength and its performance in GAMIL2 [J]. Sci. China Earth Sci., 57(11): 2637-2649. DOI:10.1007/s11430-014-4891-7
郭其蕴, 蔡静宁, 邵雪梅, 等. 2003. 东亚夏季风的年代际变率对中国气候的影响[J]. 地理学报, 58(4): 569-576. Guo Q Y, Cai J N, Shao X M, et al. 2003. Interdecadal variability of East-Asian summer monsoon and its impact on the climate of China (in Chinese)[J]. Acta Geogr. Sinica, 58(4): 569-576. DOI:10.11821/xb200304011
郭其蕴, 蔡静宁, 邵雪梅, 等. 2004. 1873~2000年东亚夏季风变化的研究[J]. 大气科学, 28(2): 206-215. Guo Q Y, Cai J N, Shao X M, et al. 2004. Studies on the variations of East-Asian summer monsoon during A D 1873~2000 (in Chinese)[J]. Chinese Journal of Atmospheric Sciences, 28(2): 206-215. DOI:10.3878/j.issn.1006-9895.2004.02.04
Guichard F, Petch J C, Redelsperger J L, et al. 2004. Modelling the diurnal cycle of deep precipitating convection over land with cloud-resolving models and single-column models [J]. Quart. J. Roy. Meteor. Soc., 130(604): 3139-3172. DOI:10.1256/qj.03.145
Guo L, Highwood E J, Shaffrey L C, et al. 2013. The effect of regional changes in anthropogenic aerosols on rainfall of the East Asian summer monsoon [J]. Atmos. Chem. Phys., 13: 1521-1534. DOI:10.5194/acp-13-1521-2013
Guo Z, Zhou T J, Wang M H, et al. 2015. Impact of cloud radiative heating on East Asian summer monsoon circulation [J]. Environ. Res. Lett., 10(7): 074014. DOI:10.1088/1748-9326/10/7/074014
Hack J J, Caron J M, Danabasoglu G, et al. 2006. CCSM-CAM3 climate simulation sensitivity to changes in horizontal resolution [J]. J. Climate, 19(11): 2267-2289. DOI:10.1175/jcli3764.1
He C, Zhou T J. 2015. Responses of the western North Pacific subtropical high to global warming under RCP4.5 and RCP8.5 scenarios projected by 33 CMIP5 Models: The dominance of tropical Indian Ocean-tropical western Pacific SST gradient [J]. J. Climate, 28(1): 365-380. DOI:10.1175/jcli-d-13-00494.1
He C, Zhou T J, Lin A L, et al. 2015. Enhanced or weakened western North Pacific subtropical high under global warming? [J]. Sci. Rep., 5: 16771. DOI:10.1038/srep16771
He C, Lin A L, Gu D J, et al. 2018. Using eddy geopotential height to measure the western North Pacific subtropical high in a warming climate [J]. Theor. Appl. Climatol., 131(1-2): 681-691. DOI:10.1007/s00704-016-2001-9
Held I M, Soden B J. 2006. Robust responses of the hydrological cycle to global warming [J]. J. Climate, 19(21): 5686-5699. DOI:10.1175/jcli3990.1
Hourdin F, Mauritsen T, Gettelman A, et al. 2017. The art and science of climate model tuning [J]. Bull. Amer. Meteor. Soc., 98(3): 589-602. DOI:10.1175/BAMS-D-15-00135.1
Hu J, Duan A M. 2015. Relative contributions of the Tibetan Plateau thermal forcing and the Indian Ocean Sea surface temperature basin mode to the interannual variability of the East Asian summer monsoon [J]. Climate Dyn., 45(9-10): 2697-2711. DOI:10.1007/s00382-015-2503-7
Hu K M, Huang G, Huang R H. 2011. The impact of tropical Indian Ocean variability on summer surface air temperature in China [J]. J. Climate, 24(20): 5365-5377. DOI:10.1175/2011jcli4152.1
胡婷, 孙颖, 张学斌. 2017. 全球1.5和2℃温升时的气温和降水变化预估[J]. 科学通报, 62(26): 3098-3111. Hu T, Sun Y, Zhang X B. 2017. Temperature and precipitation projection at 1.5 and 2℃ increase in global mean temperature (in Chinese)[J]. Chin. Sci. Bull., 62(26): 3098-3111. DOI:10.1360/n972016-01234
Hu K M, Huang G, Zheng X T, et al. 2014. Interdecadal variations in ENSO influences on Northwest Pacific-East Asian early summertime climate simulated in CMIP5 models [J]. J. Climate, 27(15): 5982-5998. DOI:10.1175/jcli-d-13-00268.1
Huang P, Chen D, Ying J. 2017. Weakening of the tropical atmospheric circulation response to local sea surface temperature anomalies under global warming [J]. J. Climate, 30(20): 8149-8158. DOI:10.1175/JCLI-D-17.0171.1
IPCC. 2013. Summary for Policymakers [M]//Stocker T F, Qin D, Plattner G K, et al. Climate Change 2013: The Physical Science Basis. Contribution of Working Group Ⅰ to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press.
Jackson C S, Sen M K, Huerta G, et al. 2008. Error reduction and convergence in climate prediction [J]. J. Climate, 21(24): 6698-6709. DOI:10.1175/2008jcli2112.1
姜大膀, 田芝平. 2013. 21世纪东亚季风变化: CMIP3和CMIP5模式预估结果[J]. 科学通报, 58(8): 707-716. Jiang D B, Tian Z P. 2013. East Asian monsoon change for the 21st century: Results of CMIP3 and CMIP5 models (in Chinese)[J]. Chin. Sci. Bulle., 58(12): 1427-1435. DOI:10.1007/s11434-012-5533-0
姜江, 姜大膀, 林一骅. 2015. RCP4.5情景下中国季风区及降水变化预估[J]. 大气科学, 39(5): 901-910. Jiang J, Jiang D B, Lin Y H. 2015. Projection of monsoon area and precipitation in China under the RCP4.5 scenario (in Chinese)[J]. Chinese Journal of Atmospheric Sciences, 39(5): 901-910. DOI:10.3878/j.issn.1006-9895.1411.14216
Jiang Y Q, Liu X H, Yang X Q, et al. 2013. A numerical study of the effect of different aerosol types on East Asian summer clouds and precipitation [J]. Atmos. Environ., 70: 51-63. DOI:10.1016/j.atmosenv.2012.12.039
Jiang Z H, Li W, Xu J J, et al. 2015. Extreme precipitation indices over China in CMIP5 models. Part Ⅰ: Model evaluation [J]. J. Climate, 28(21): 8603-8619. DOI:10.1175/jcli-d-15-0099.1
Jiang W P, Huang G, Hu K M, et al. 2017. Diverse relationship between ENSO and the Northwest Pacific summer climate among CMIP5 models: Dependence on the ENSO decay pace [J]. J. Climate, 30(1): 109-127. DOI:10.1175/jcli-d-16-0365.1
Jin Q, Yang X Q, Sun X G, et al. 2013. East Asian summer monsoon circulation structure controlled by feedback of condensational heating [J]. Climate Dyn., 41(7-8): 1885-1897. DOI:10.1007/s00382-012-1620-9
Kamae Y, Watanabe M, Kimoto M, et al. 2014. Summertime land-sea thermal contrast and atmospheric circulation over East Asia in a warming climate—Part Ⅰ: Past changes and future projections [J]. Climate Dyn., 43(9-10): 2553-2568. DOI:10.1007/s00382-014-2073-0
Kim M J, Yeh S W, Park R J. 2016. Effects of sulfate aerosol forcing on East Asian summer monsoon for 1985-2010 [J]. Geophys. Res. Lett., 43(3): 1364-1372. DOI:10.1002/2015GL067124
Kitoh A, Kusunoki S. 2008. East Asian summer monsoon simulation by a 20-km mesh AGCM [J]. Climate Dyn., 31(4): 389-401. DOI:10.1007/s00382-007-0285-2
Kitoh A, Endo H, Krishna Kumar K, et al. 2013. Monsoons in a changing world: A regional perspective in a global context [J]. J. Geophys. Res., 118(8): 3053-3065. DOI:10.1002/jgrd.50258
Koo M S, Hong S Y. 2010. Diurnal variations of simulated precipitation over East Asia in two regional climate models [J]. J. Geophys. Res., 115(D5): D05105. DOI:10.1029/2009jd012574
况雪源, 刘健, 林惠娟, 等. 2010. 近千年来三个气候特征时期东亚夏季风的模拟对比[J]. 地球科学进展, 25(10): 1082-1090. Kuang X Y, Liu J, Lin H J, et al. 2010. Comparison of East Asian summer monsoon in three climate typical periods during last millennium based on ECHO-G simulation (in Chinese)[J]. Adv. Earth Sci., 25(10): 1082-1090. DOI:10.11867/j.issn.1001-8166.2010.10.1082
Kusunoki S, Mizuta R, Matsueda M. 2011. Future changes in the East Asian rain band projected by global atmospheric models with 20-km and 60-km grid size [J]. Climate Dyn., 37(11-12): 2481-2493. DOI:10.1007/s00382-011-1000-x
Kusunoki S, Yoshimura J, Yoshimura H, et al. 2006. Change of Baiu rain band in global warming projection by an atmospheric general circulation model with a 20-km grid size [J]. J. Meteor. Soc. Japan, 84(4): 581-611. DOI:10.2151/jmsj.84.581
Lau W K M, Kim K M. 2017. Competing influences of greenhouse warming and aerosols on Asian summer monsoon circulation and rainfall [J]. Asia-Pacific J. Atmos. Sci., 53(2): 181-194. DOI:10.1007/s13143-017-0033-4
Lauwaet D, Van Lipzig N P M, Van Weverberg K, et al. 2012. The precipitation response to the desiccation of Lake Chad [J]. Quart. J. Roy. Meteor. Soc., 138(664): 707-719. DOI:10.1002/qj.942
Lee J Y, Wang B. 2014. Future change of global monsoon in the CMIP5 [J]. Climate Dyn., 42(1-2): 101-119. DOI:10.1007/s00382-012-1564-0
Lei Y H, Hoskins B, Slingo J. 2014. Natural variability of summer rainfall over China in HadCM3 [J]. Climate Dyn., 42(1-2): 417-432. DOI:10.1007/s00382-013-1726-8
李东欢, 邹立维, 周天军. 2017. 全球1.5℃温升背景下中国极端事件变化的区域模式预估[J]. 地球科学进展, 32(4): 446-457. Li D H, Zou L W, Zhou T J. 2017. Changes of Extreme indices over China in response to 1.5℃ global warming projected by a regional climate model (in Chinese)[J]. Adv. Earth Sci., 32(4): 446-457. DOI:10.11867/j.issn.1001-8166.2017.04.0446
Li H M, Zhou T J, Li C. 2010b. Decreasing trend in global land monsoon precipitation over the past 50 years simulated by a coupled climate model [J]. Adv. Atmos. Sci., 27(2): 285-292. DOI:10.1007/s00376-009-8173-9
Li S L, Lu J, Huang G, et al. 2008. Tropical Indian Ocean basin warming and East Asian summer monsoon: A multiple AGCM study [J]. J. Climate, 21(22): 6080-6088. DOI:10.1175/2008jcli2433.1
Li H M, Dai A G, Zhou T J, et al. 2010a. Responses of East Asian summer monsoon to historical SST and atmospheric forcing during 1950-2000 [J]. Climate Dyn., 34(4): 501-514. DOI:10.1007/s00382-008-0482-7
Li J, Yu R C, Yuan W H, et al. 2015. Precipitation over East Asia simulated by NCAR CAM5 at different horizontal resolutions [J]. J. Adv. Model. Earth Syst., 7(2): 774-790. DOI:10.1002/2014MS000414
Li Z Q, Lau W K M, Ramanathan V, et al. 2016a. Aerosol and monsoon climate interactions over Asia [J]. Rev. Geophys., 54(4): 866-929. DOI:10.1002/2015RG000500
Li W, Jiang Z, Xu J, et al. 2016b. Extreme precipitation Indices over China in CMIP5 models. Part Ⅱ: Probabilistic projection [J]. J. Climate, 29(24): 8989-9004. DOI:10.1175/jcli-d-16-0377.1
Li T, Wang B, Wu B, et al. 2017. Theories on formation of an anomalous anticyclone in western North Pacific during El Niño: A review [J]. J. Meteor. Res., 31(6): 987-1006. DOI:10.1007/s13351-017-7147-6
Li Qingxiang, Zhang Lei, Xu Wenhui, et al. 2017. Comparisons of time series of annual mean surface air temperature for China since the 1900s: Observations, model simulations and reanalysis [J]. Bulletin of American Meteorological Society, 98(4): 699-711. DOI:10.1175/BAMS-D-16-0092.1
Liang X Z, Li L, Dai A G, et al. 2004. Regional climate model simulation of summer precipitation diurnal cycle over the United States [J]. Geophys. Res. Let., 31(24): L24208. DOI:10.1029/2004GL021054
林朝晖, 曾庆存. 1998. 气候系统及模式中反馈机制研究Ⅰ.概念和方法[J]. 气候与环境研究, 3(1): 1-14. Lin Z H, Zeng Q C. 1998. Analysis of feedback mechanisms in climate model and climate system. Part Ⅰ. Basic concepts and methodology (in Chinese)[J]. Climatic Environ. Res., 3(1): 1-14.
Lin X, Zhu C W, Lü J M. 2013. Decadal change of the East Asian summer monsoon and its related surface temperature in Asia-Pacific during 1880-2004 [J]. Chin. Sci. Bull., 58(35): 4497-4503. DOI:10.1007/s11434-013-5969-x
Lin R P, Zhou T J, Qian Y. 2014. Evaluation of global monsoon precipitation changes based on five reanalysis datasets [J]. J. Climate, 27(3): 1271-1289. DOI:10.1175/jcli-d-13-00215.1
Liu H B, Zhang D L, Wang B. 2008. Daily to submonthly weather and climate characteristics of the summer 1998 extreme rainfall over the Yangtze River basin [J]. J. Geophys. Res., 113(D22): D22101. DOI:10.1029/2008JD010072
Liu H B, Zhang D L, Wang B. 2010. Impact of horizontal resolution on the regional climate simulations of the summer 1998 extreme rainfall along the Yangtze River basin [J]. J. Geophys. Res., 115(D12): D12115. DOI:10.1029/2009JD012746
Liu Y M, Chan J C L, Mao J Y, et al. 2002. The role of Bay of Bengal convection in the onset of the 1998 South China Sea summer monsoon [J]. Mon. Wea. Rev., 130(11): 2731-2744. DOI:10.1175/1520-0493(2002)130<2731:trobob>2.0.co;2
Liu J, Wang B, Ding Q H, et al. 2009. Centennial variations of the global monsoon precipitation in the last millennium: Results from ECHO-G model [J]. J. Climate, 22(9): 2356-2371. DOI:10.1175/2008JCLI2353.1
刘晓娟, 周天军, 张丽霞, 等. 2011. GAMIL1.0大气模式模拟的西北太平洋夏季风:阵风参数化方案的影响[J]. 大气科学, 35(5): 871-884. 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 (in Chinese)[J]. Chinese Journal of Atmospheric Sciences, 35(5): 871-884. DOI:10.3878/j.issn.1006-9895.2011.05.07
Liu J, Wang B, Wang H L, et al. 2011. Forced response of the East Asian summer rainfall over the past millennium: Results from a coupled model simulation [J]. Climate Dyn., 36(1-2): 323-336. DOI:10.1007/s00382-009-0693-6
刘海文, 周天军, 朱玉祥, 等. 2012. 东亚夏季风自20世纪90年代初开始恢复增强[J]. 科学通报, 57(9): 765-769. Liu H W, Zhou T J, Zhu Y X, et al. 2012. The strengthening East Asia summer monsoon since the early 1990s (in Chinese)[J]. Chin. Sci. Bull., 57(13): 1553-1558. DOI:10.1007/s11434-012-4991-8
刘芸芸, 李维京, 艾秀, 等. 2012. 月尺度西太平洋副热带高压指数的重建与应用[J]. 应用气象学报, 23(4): 414-423. Liu Y, Li W J, Ai W X, et al. 2012. Reconstruction and application of the monthly western Pacific subtropical high indices (in Chinese)[J]. J. Appl. Meteor. Sci., 23(4): 414-423. DOI:10.3969/j.issn.1001-7313.2012.04.004
刘芸芸, 李维京, 左金清, 等. 2014. CMIP5模式对西太平洋副热带高压的模拟和预估[J]. 气象学报, 72(2): 277-290. Liu Y Y, Li W J, Zuo J Q, et al. 2014. Simulations and projections of the western Pacific subtropical high in CMIP5 models (in Chinese)[J]. Acta Meteor. Sinica, 72(2): 277-290. DOI:10.11676/qxxb2014.025
Liu B, Zhao G J, Huang G, et al. 2017. The dependence on atmospheric resolution of ENSO and related East Asian-western North Pacific summer climate variability in a coupled model [J]. Theor. Appl. Climatol.. DOI:10.1007/s00704-017-2254-y
Lu R Y, Fu Y H. 2010. Intensification of East Asian summer rainfall interannual variability in the twenty-first century simulated by 12 CMIP3 coupled models [J]. J. Climate, 23(12): 3316-3331. DOI:10.1175/2009jcli3130.1
Luo Y L, Chen Y R X. 2015. Investigation of the predictability and physical mechanisms of an extreme-rainfall-producing mesoscale convective system along the Meiyu front in East China: An ensemble approach [J]. J. Geophys. Res., 120(20): 10593-10618. DOI:10.1002/2015jd023584
Luo Y L, Gong Y, Zhang D L. 2014. Initiation and organizational modes of an extreme-rain-producing mesoscale convective system along a Mei-Yu Front in East China [J]. Mon. Wea. Rev., 142(1): 203-221. DOI:10.1175/mwr-d-13-00111.1
Luo Y L, Zhang R H, Wan Q L, et al. 2017. The Southern China Monsoon Rainfall Experiment (SCMREX) [J]. Bull. Amer. Meteor. Soc., 98(5): 999-1013. DOI:10.1175/bams-d-15-00235.1
马柱国, 邵丽娟. 2006. 中国北方近百年干湿变化与太平洋年代际振荡的关系[J]. 大气科学, 30(3): 464-474. Ma Z G, Shao L J. 2006. Relationship between dry/wet variation and the Pacific Decade Oscillation (PDO) in northern China during the last 100 years (in Chinese)[J]. Chinese Journal of Atmospheric Sciences, 30(3): 464-474. DOI:10.3878/j.issn.1006-9895.2006.03.10
Man W M, Zhou T J. 2014a. Response of the East Asian summer monsoon to large volcanic eruptions during the last millennium [J]. Chinese Sci. Bull., 59(31): 4123-4129. DOI:10.1007/s11434-014-0404-5
Man W M, Zhou T J. 2014b. Regional-scale surface air temperature and East Asian summer monsoon changes during the last millennium simulated by the FGOALS-gl climate system model [J]. Adv. Atmos. Sci., 31(4): 765-778. DOI:10.1007/s00376-013-3123-y
Man W M, Zhou T J, Jungclaus J H. 2012. Simulation of the East Asian summer monsoon during the last millennium with the MPI earth system model [J]. J. Climate, 25(22): 7852-7866. DOI:10.1175/JCLI-D-11-00462.1
Man W M, Zhou T J, Jungclaus J H. 2014. Effects of large volcanic eruptions on global summer climate and East Asian monsoon changes during the last millennium: Analysis of MPI-ESM simulations [J]. J. Climate, 27(19): 7394-7409. DOI:10.1175/JCLI-D-13-00739.1
Mizuta R, Oouchi K, Yoshimura H, et al. 2006. 20-km-mesh global climate simulations using JMA-GSM model—Mean climate states [J]. J. Meteor. Soc. Japan., Ser. Ⅱ, 84(1): 165-185. DOI:10.2151/jmsj.84.165
Murakami H, Wang Y Q, Yoshimura H, et al. 2012. Future changes in tropical cyclone activity projected by the new high-resolution MRI-AGCM [J]. J. Climate, 25(9): 3237-3260. DOI:10.1175/JCLI-D-11-00415.1
Murakami H, Wang B, Li T, et al. 2013. Projected increase in tropical cyclones near Hawaii [J]. Nat. Climate Change, 3(8): 749-754. DOI:10.1038/nclimate1890
Niu X R, Wang S Y, Tang J P, et al. 2015. Multimodel ensemble projection of precipitation in eastern China under A1B emission scenario [J]. J. Geophys. Res., 120(19): 9965-9980. DOI:10.1002/2015jd023853
Oouchi K, Yoshimura J, Yoshimura H, et al. 2006. Tropical cyclone climatology in a global-warming climate as simulated in a 20 km-mesh global atmospheric model: Frequency and wind intensity analyses [J]. J. Meteor. Soc. Japan, Ser. Ⅱ, 84(2): 259-276. DOI:10.2151/jmsj.84.259
Peng Y B, Xu Y, Jin L Y. 2009. Climate changes over eastern China during the last millennium in simulations and reconstructions [J]. Quat. Int., 208(1-2): 11-18. DOI:10.1016/j.quaint.2009.02.013
Peng Y B, Shen C M, Wang W C, et al. 2010. Response of summer precipitation over Eastern China to large volcanic eruptions [J]. J. Climate, 23(3): 818-824. DOI:10.1175/2009JCLI2950.1
Prein A F, Rasmussen R, Stephens G. 2017. Challenges and advances in convection-permitting climate modeling [J]. Bull. Amer. Meteor. Soc., 98(5): 1027-1030. DOI:10.1175/BAMS-D-16-0263.1
Prein A F, Gobiet A, Suklitsch M, et al. 2013a. Added value of convection permitting seasonal simulations [J]. Climate Dyn., 41(9-10): 2655-2677. DOI:10.1007/s00382-013-1744-6
Prein A F, Holland G J, Rasmussen R M, et al. 2013b. Importance of regional climate model grid spacing for the simulation of heavy precipitation in the Colorado headwaters [J]. J. Climate, 26(13): 4848-4857. DOI:10.1175/jcli-d-12-00727.1
Prein A F, Langhans W, Fosser G, et al. 2015. A review on regional convection-permitting climate modeling: Demonstrations, prospects, and challenges [J]. Rev. Geophys., 53(2): 323-361. DOI:10.1002/2014RG000475
Qin P H, Xie Z H. 2016. Detecting changes in future precipitation extremes over eight river basins in China using RegCM4 downscaling [J]. J. Geophys. Res., 121(12): 6802-6821. DOI:10.1002/2016JD024776
Randall D A. 2013. Beyond deadlock [J]. Geophys. Res. Lett., 40(22): 5970-5976. DOI:10.1002/2013GL057998
Randall D, Khairoutdinov M, Arakawa A, et al. 2003. Breaking the cloud parameterization deadlock [J]. Bull. Amer. Meteor. Soc., 84(11): 1547-1564. DOI:10.1175/BAMS-84-11-1547
Rashid H A, Hirst A C. 2017. Mechanisms of improved rainfall simulation over the Maritime Continent due to increased horizontal resolution in an AGCM [J]. Climate Dyn., 49(5-6): 1747-1764. DOI:10.1007/s00382-016-3413-z
Ren Y J, Zhou B T, Song L C, et al. 2017. Interannual variability of western North Pacific subtropical high, East Asian jet and East Asian summer precipitation: CMIP5 simulation and projection [J]. Quat. Int., 440: 64-70. DOI:10.1016/j.quaint.2016.08.033
Salzmann M, Weser H, Cherian R. 2014. Robust response of Asian summer monsoon to anthropogenic aerosols in CMIP5 models [J]. J. Geophys. Res., 119(19): 11321-11337. DOI:10.1002/2014jd021783
Sato T, Miura H, Satoh M, et al. 2009. Diurnal cycle of precipitation in the tropics simulated in a global cloud-resolving model [J]. J. Climate, 22(18): 4809-4826. DOI:10.1175/2009JCLI2890.1
Satoh M, Kitao Y. 2013. Numerical examination of the diurnal variation of summer precipitation over southern China [J]. Sola, 9: 129-133. DOI:10.2151/sola.2013-029
Sato T, Miura H, Satoh M. 2007. Spring diurnal cycle of clouds over Tibetan Plateau: Global cloud-resolving simulations and satellite observations [J]. Geophys. Res. Lett., 34(18): L18816. DOI:10.1029/2007GL030782
Satoh M, Matsuno T, Tomita H, et al. 2008. Nonhydrostatic icosahedral atmospheric model (NICAM) for global cloud resolving simulations [J]. J. Comput. Phys., 227(7): 3486-3514. DOI:10.1016/j.jcp.2007.02.006
Schiemann R, Demory M E, Mizielinski M S, et al. 2014. The sensitivity of the tropical circulation and Maritime Continent precipitation to climate model resolution [J]. Climate Dyn., 42(9-10): 2455-2468. DOI:10.1007/s00382-013-1997-0
Shen C M, Wang W C, Hao Z X, et al. 2008. Characteristics of anomalous precipitation events over eastern China during the past five centuries [J]. Climate Dyn., 31(4): 463-476. DOI:10.1007/s00382-007-0323-0
Shen Y, Xiong A Y, Hong Y, et al. 2014. Uncertainty analysis of five satellite-based precipitation products and evaluation of three optimally merged multi-algorithm products over the Tibetan Plateau [J]. Int. J. Remote Sens., 35(19): 6843-6858. DOI:10.1080/01431161
Shi X Y, Wang Y Q, Xu X D. 2008. Effect of mesoscale topography over the Tibetan Plateau on summer precipitation in china: A regional model study [J]. Geophys. Res. Lett., 35(19): L19707. DOI:10.1029/2008GL034740
Sigl M, McConnell J R, Layman L., et al. 2013. A new bipolar ice core record of volcanism from WAIS Divide and NEEM and implications for climate forcing of the last 2000 years [J]. J. Geophys. Res., 118(3): 1151-1169. DOI:10.1029/2012jd018603
Song F F, Zhou T J. 2014a. Interannual variability of East Asian summer monsoon simulated by CMIP3 and CMIP5 AGCMs: Skill dependence on Indian Ocean-western Pacific anticyclone teleconnection [J]. J. Climate, 27(4): 1679-1697. DOI:10.1175/JCLI-D-13-00248.1
Song F F, Zhou T J. 2014b. The climatology and interannual variability of East Asian summer monsoon in CMIP5 coupled models: Does air-sea coupling improve the simulations? [J]. J. Climate, 27(23): 8761-8777. DOI:10.1175/jcli-d-14-00396.1
Song F F, Zhou T J. 2015. The crucial role of internal variability in modulating the decadal variation of the East Asian summer monsoon-ENSO relationship during the twentieth century [J]. J. Climate, 28(18): 7093-7107. DOI:10.1175/JCLI-D-14-00783.1
Song F F, Zhou T J, Qian Y. 2014. Responses of East Asian summer monsoon to natural and anthropogenic forcings in the 17 latest CMIP5 models [J]. Geophys. Res. Lett., 41(2): 596-603. DOI:10.1002/2013gl058705
Sperber K R, Annamalai H, Kang I S, et al. 2013. The Asian summer monsoon: An intercomparison of CMIP5 vs. CMIP3 simulations of the late 20th century [J]. Climate Dyn., 41: 2711-2744. DOI:10.1007/s00382-012-1607-6
Stainforth D A, Aina T, Christensen C, et al. 2005. Uncertainty in predictions of the climate response to rising levels of greenhouse gases [J]. Nature, 433(7024): 403-406. DOI:10.1038/nature03301
Su T H, Xue F, Zhang H. 2014. Simulating the intraseasonal variation of the East Asian summer monsoon by IAP AGCM4.0 [J]. Adv. Atmos. Sci., 31(3): 570-580. DOI:10.1007/s00376-013-3029-8
孙颖, 丁一汇. 2009. 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, 39(11): 1487-1504.
Su Y, Ding Y H. 2010. A projection of future changes in summer precipitation and monsoon in East Asia [J]. Sci China Ser D-Earth Sci, 53(2): 284-300. DOI:10.1007/s11430-009-0123-y
Tao W C, Huang G, Hu K M, et al. 2015. Interdecadal modulation of ENSO teleconnections to the Indian Ocean Basin Mode and their relationship under global warming in CMIP5 models [J]. Int. J. Climatol, 35(3): 391-407. DOI:10.1002/joc.3987
Tao W C, Huang G, Hu K M, et al. 2016. A study of biases in simulation of the Indian Ocean basin mode and its capacitor effect in CMIP3/CMIP5 models [J]. Climate Dyn., 46(1-2): 205-226. DOI:10.1007/s00382-015-2579-0
Tian D, Guo Y, Dong W J. 2015. Future changes and uncertainties in temperature and precipitation over China based on CMIP5 models [J]. Adv. Atmos. Sci., 32(4): 487-496. DOI:10.1007/s00376-014-4102-7
Trenberth K E, Stepaniak D P, Caron J M. 2000. The global monsoon as seen through the divergent atmospheric circulation [J]. J. Climate, 13(22): 3969-3993. DOI:10.1175/1520-0442(2000)013<3969:tgmast>2.0.co;2
Vial J, Dufresne J, Bony S. 2013. On the interpretation of inter-model spread in CMIP5 climate sensitivity estimates [J]. Climate Dyn., 41(11-12): 3339-3362. DOI:10.1007/s00382-013-1725-9
Wang H J. 2001. The weakening of the Asian monsoon circulation after the end of 1970's [J]. Adv. Atmos. Sci., 18(3): 376-386. DOI:10.1007/bf02919316
汪方, 丁一汇. 2005. 气候模式中云辐射反馈过程机理的评述[J]. 地球科学进展, 20(2): 207-215. Wang F, Ding Y H. 2005. An evaluation of cloud radiative feedback mechanisms in climate models (in Chinese)[J]. Adv. Earth Sci., 20(2): 207-215. DOI:10.3321/j.issn:1001-8166.2005.02.011
王东阡, 张耀存. 2009. 气候系统模式MIROC对中国降水和地面风场日变化的模拟[J]. 南京大学学报(自然科学), 45(6): 724-733. Wang D Q, Zhang Y C. 2009. Diurnal variations of precipitation and circulation simulated by model for interdisciplinary research on climate (in Chinese)[J]. J. Nanjing Univ. (Nat. Sci.), 45(6): 724-733. DOI:10.3321/j.issn:0469-5097.2009.06.002
王会军, 范可. 2013. 东亚季风近几十年来的主要变化特征[J]. 大气科学, 37(2): 313-318. Wang H J, Fan K. 2013. Recent changes in the East Asian monsoon (in Chinese)[J]. Chinese Journal of Atmospheric Sciences, 37(2): 313-318. DOI:10.3878/j.issn.1006-9895.2012.12301
王绍武, 赵宗慈, 陈振华. 1993. 公元950~1991年的旱涝型[M]//王绍武, 黄朝迎. 长江黄河旱涝灾害发生规律及其经济影响的诊断研究. 北京: 气象出版社, 55-66. Wang S W, Zhao Z C, Chen Z H. 1993. The patterns of drought and flood during AD 950 to AD 1991 [M]// Wang S W, Huang C Y. The Mechanisms and Economical Impacts of the Yangtze-Yellow River's Drought and Flood (in Chinese). Beijing: China Meteorological Press.
Wang Y Q, Zhou L, Hamilton K. 2007. Effect of convective entrainment/ detrainment on the simulation of the tropical precipitation diurnal cycle [J]. Mon. Wea. Rev., 135(2): 567-585. DOI:10.1175/MWR3308.1
Wang Q Y, Wang Z L, Zhang H. 2017b. Impact of anthropogenic aerosols from global, East Asian, and non-East Asian sources on East Asian summer monsoon system [J]. Atmos. Res., 183: 224-236. DOI:10.1016/j.atmosres.2016.08.023
王绍武, 龚道溢, 叶瑾琳, 等. 2000. 1880年以来中国东部四季降水量序列及其变率[J]. 地理学报, 55(3): 281-293. Wang S W, Gong D Y, Ye J L, et al. 2000. Seasonal precipitation series of Eastern China since 1880 and the variability (in Chinese)[J]. Acta Geogr. Sinica, 55(3): 281-293. DOI:10.3321/j.issn:0375-5444.2000.03.004
王绍武, 蔡静宁, 朱锦红, 等. 2002. 19世纪80年代到20世纪90年代中国年降水量的年代际变化[J]. 气象学报, 60(5): 637-639. Wang S W, Cai J N, Zhu J J, et al. 2002. The interdecadal variations of annual precipitation in China during 1880's-1990's (in Chinese)[J]. Acta Meteor. Sinica, 60(5): 637-639. DOI:10.11676/qxxb2002.076
Wang B, Ding Q H, Fu X, et al. 2005. Fundamental challenge in simulation and prediction of summer monsoon rainfall [J]. Geophys. Res. Lett., 32(15): L15711. DOI:10.1029/2005GL022734
Wang M, Ghan S, Easter R, et al. 2011. The multi-scale aerosol-climate model PNNL-MMF: Model description and evaluation [J]. Geosci. Model. Dev., 4(1): 137-168. DOI:10.5194/gmd-4-137-2011
Wang T, Wang H J, Otterå O H, et al. 2013. Anthropogenic agent implicated as a prime driver of shift in precipitation in eastern China in the late 1970s [J]. Atmos. Chem. Phys., 13(24): 12433-12450. DOI:10.5194/acp-13-12433-2013
Wang M H, Larson V E, Ghan S, et al. 2015. A multiscale modeling framework model (superparameterized CAM5) with a higher-order turbulence closure: Model description and low-cloud simulations [J]. J. Adv. Model. Earth Syst., 7(2): 484-509. DOI:10.1002/2014ms000375
Wang P X, Wang B, Cheng H, et al. 2017a. The global monsoon across time scales: Mechanisms and outstanding issues [J]. Earth-Sci. Rev., 174: 84-121. DOI:10.1016/j.earscirev.2017.07.006
Wang Z L, Lin L, Yang M L, et al. 2017c. Disentangling fast and slow responses of the East Asian summer monsoon to reflecting and absorbing aerosol forcings [J]. Atmos. Chem. Phys., 17(18): 11075-11088. DOI:10.5194/acp-17-11075-2017
Wehner M F, Reed K A, Li F Y, et al. 2014. The effect of horizontal resolution on simulation quality in the Community Atmospheric Model, CAM5.1 [J]. J. Adv. Model Earth Syst., 6(4): 980-997. DOI:10.1002/2013MS000276
Weisman M L, Skamarock W C, Klemp J B. 1997. The resolution dependence of explicitly modeled convective systems [J]. Mon. Wea. Rev., 125(4): 527-548. DOI:10.1175/1520-0493(1997)125<0527:trdoem>2.0.co;2
闻新宇, 王绍武, 朱锦红, 等. 2006. 英国CRU高分辨率格点资料揭示的20世纪中国气候变化[J]. 大气科学, 30(5): 894-904. Wen X Y, Wang S W, Zhu J H, et al. 2006. An overview of China climate change over the 20th century using UK UEA/CRU high resolution grid data (in Chinese)[J]. Chinese Journal of Atmospheric Sciences, 30(5): 894-904. DOI:10.3878/j.issn.1006-9895.2006.05.18
Wu G X, Liu H Z. 1998. Vertical vorticity development owing to down-sliding at slantwise isentropic surface [J]. Dyn. Atmos. Oceans, 27(1-4): 715-743. DOI:10.1016/s0377-0265(97)00040-7
Wu B, Zhou T J. 2016. Relationships between ENSO and the East Asian-western North Pacific monsoon: Observations versus 18 CMIP5 models [J]. Climate Dyn., 46(3-4): 729-743. DOI:10.1007/s00382-015-2609-y
吴国雄, 刘屹岷, 刘平. 1999. 空间非均匀加热对副热带高压带形成和变异的影响Ⅰ:尺度分析[J]. 气象学报, 57(3): 257-263. Wu G X, Liu Y M, Liu P. 1999. The effect of spatially nonuniform heating on the formation and variation of subtropical High. Ⅰ. Scale analysis (in Chinese)[J]. Acta Meteor. Sinica, 57(3): 257-263. DOI:10.11676/qxxb1999.025
Wu B, Zhou T J, Li T. 2009. Seasonally evolving dominant interannual variability modes of East Asian climate [J]. J. Climate, 22(11): 2992-3005. DOI:10.1175/2008jcli2710.1
Wu B, Li T, Zhou T. 2010a. Relative contributions of the Indian Ocean and local SST anomalies to the maintenance of the western North Pacific anomalous anticyclone during the El Niño decaying summer [J]. J. Climate, 23(11): 2974-2986. DOI:10.1175/2010jcli3300.1
Wu R G, Wen Z P, Yang S, et al. 2010b. An interdecadal change in southern China summer rainfall around 1992/93 [J]. J. Climate, 23(9): 2389-2403. DOI:10.1175/2009jcli3336.1
Wu G X, Li Z Q, Fu C B, et al. 2016. Advances in studying interactions between aerosols and monsoon in China [J]. Sci. China Earth Sci., 59(1): 1-16. DOI:10.1007/s11430-015-5198-z
Xie S P, Hu K M, Hafner J, et al. 2009. Indian Ocean capacitor effect on Indo-western Pacific climate during the summer following El Niño [J]. J. Climate, 22(3): 730-747. DOI:10.1175/2008jcli2544.1
Xu Q. 2001. Abrupt change of the mid-summer climate in central East China by the influence of atmospheric pollution [J]. Atmos. Environ., 35(30): 5029-5040. DOI:10.1016/s1352-2310(01)00315-6
Xu W X, Zipser E J. 2011. Diurnal variations of precipitation, deep convection, and lightning over and East of the eastern Tibetan Plateau [J]. J. Climate, 24(2): 448-465. DOI:10.1175/2010jcli3719.1
Yan H, Qian Y, Lin G, et al. 2014. Parametric sensitivity and calibration for the Kain-Fritsch convective parameterization scheme in the WRF model [J]. Climate Res., 59(2): 135-147. DOI:10.3354/cr01213
Yang G Y, Slingo J. 2001. The diurnal cycle in the tropics [J]. Mon. Wea. Rev., 129(4): 784-801. DOI:10.1175/1520-0493(2001)129<0784:TDCITT>2.0.CO;2
Yang J L, Liu Q Y, Xie S P, et al. 2007. Impact of the Indian Ocean SST basin mode on the Asian summer monsoon [J]. Geophys. Res. Lett., 34(2): L02708. DOI:10.1029/2006GL028571
Yang B, Qian Y, Lin G, et al. 2013. Uncertainty quantification and parameter tuning in the CAM5 Zhang-McFarlane convection scheme and impact of improved convection on the global circulation and climate [J]. J. Geophys. Res., 118(2): 395-415. DOI:10.1029/2012JD018213
Yang B, Zhang Y C, Qian Y, et al. 2015a. Calibration of a convective parameterization scheme in the WRF model and its impact on the simulation of East Asian summer monsoon precipitation [J]. Climate Dyn., 44(5-6): 1661-1684. DOI:10.1007/s00382-014-2118-4
Yang B, Zhang Y C, Qian Y, et al. 2015b. Parametric sensitivity analysis for the Asian summer monsoon precipitation simulation in the Beijing climate center AGCM [J]. J. Climate, 28(14): 5622-5644. DOI:10.1175/jcli-d-14-00655.1
Yao J C, Zhou T J, Guo Z, et al. 2017. Improved performance of high-resolution atmospheric models in simulating the East Asian summer monsoon rain belt [J]. J. Climate, 30(21): 8825-8840. DOI:10.1175/JCLI-D-16-0372.1
Yu R C, Zhou T J. 2007. Seasonality and three-dimensional structure of interdecadal change in the East Asian monsoon [J]. J. Climate, 20(21): 5344-5355. DOI:10.1175/2007jcli1559.1
Yu R C, Wang B, Zhou T J. 2004. Tropospheric cooling and summer monsoon weakening trend over East Asia [J]. Geophys. Res. Lett., 31(22): L22212. DOI:10.1029/2004GL021270
Yu R C, Xu Y P, Zhou T J, et al. 2007a. Relation between rainfall duration and diurnal variation in the warm season precipitation over central eastern China [J]. Geophys. Res. Lett., 34(13): L13703. DOI:10.1029/2007GL030315
Yu R C, Zhou T J, Xiong A Y, et al. 2007b. Diurnal variations of summer precipitation over contiguous China [J]. Geophys. Res. Lett., 34(1): L01704. DOI:10.1029/2006GL028129
宇如聪, 周天军, 李建, 等. 2008. 中国东部气候年代际变化三维特征的研究进展[J]. 大气科学, 32(4): 893-905. Yu R C, Zhou T J, Li J, et al. 2008. Progress in the studies of three-dimensional structure of interdecadal climate change over eastern China (in Chinese)[J]. Chinese Journal of Atmospheric Sciences, 32(4): 893-905. DOI:10.3878/j.issn.1006-9895.2008.04.16
Yu R C, Yuan W H, Li J, et al. 2010. Diurnal phase of late-night against late-afternoon of stratiform and convective precipitation in summer southern contiguous China [J]. Climate Dyn., 35(4): 567-576. DOI:10.1007/s00382-009-0568-x
宇如聪, 李建, 陈昊明, 等. 2014. 中国大陆降水日变化研究进展[J]. 气象学报, 72(5): 948-968. Yu R C, Li J, Chen H M, et al. 2014. Progress in studies of the precipitation diurnal variation over contiguous China (in Chinese)[J]. Acta Meteor. Sinica, 72(5): 948-968. DOI:10.11676/qxxb2014.047
Yuan W H. 2013. Diurnal cycles of precipitation over subtropical China in IPCC AR5 AMIP simulations [J]. Adv. Atmos. Sci., 30(6): 1679-1694. DOI:10.1007/s00376-013-2250-9
Yuan W H, Yu R C, Chen H M, et al. 2010. Subseasonal characteristics of diurnal variation in summer monsoon rainfall over central eastern China [J]. J. Climate, 23(24): 6684-6695. DOI:10.1175/2010jcli3805.1
Yuan W H, Yu R C, Zhang M H, et al. 2013. Diurnal cycle of summer precipitation over subtropical East Asia in CAM5 [J]. J. Climate, 26(10): 3159-3172. DOI:10.1175/jcli-d-12-00119.1
张顺利, 陶诗言. 2001. 青藏高原积雪对亚洲夏季风影响的诊断及数值研究[J]. 大气科学, 25(3): 372-390. Zhang S L, Tao S Y. 2001. The influences of snow cover over the Tibetan Plateau on Asian summer monsoon (in Chinese)[J]. Chinese Journal of Atmospheric Sciences, 25(3): 372-390. DOI:10.3878/j.issn.1006-9895.2001.03.07
Zhang L X, Zhou T J. 2011. An assessment of monsoon precipitation changes during 1901-2001 [J]. Climate Dyn., 37(1-2): 279-296. DOI:10.1007/s00382-011-0993-5
Zhang L X, Zhou T J. 2015. Decadal change of East Asian summer tropospheric temperature meridional gradient around the early 1990s [J]. Sci. China Earth Sci., 58(9): 1609-1622. DOI:10.1007/s11430-015-5117-3
Zhang Y, Chen H M. 2016. Comparing CAM5 and superparameterized CAM5 simulations of summer precipitation characteristics over continental East Asia: Mean state, frequency-intensity relationship, diurnal cycle, and influencing factors [J]. J. Climate, 29(3): 1067-1089. DOI:10.1175/JCLI-D-15-0342.1
Zhang L X, Wu P L, Zhou T J. 2017. Aerosol forcing of extreme summer drought over North China [J]. Environ. Res. Lett., 12(3): 034020. DOI:10.1088/1748-9326/aa5fb3
Zhang P Z, Cheng H, Edwards R L, et al. 2008. A test of climate, sun, and culture relationships from an 1810-year Chinese cave record [J]. Science, 322(5903): 940-942. DOI:10.1126/science.1163965
张德二, 李红春, 顾德隆, 等. 2010. 从降水的时空特征检证季风与中国朝代更替之关联[J]. 科学通报, 55(1): 60-67. Zhang D E, Li H C, Gu D L, et al. 2010. On linking climate to Chinese dynastic change: Spatial and temporal variations of monsoonal rain (in Chinese)[J]. Chin. Sci. Bull, 55(1): 77-83. DOI:10.1007/s11434-009-0584-6
Zhang D L, Lin Y H, Zhao P, et al. 2013. The Beijing extreme rainfall of 21 July 2012: "Right results" but for wrong reasons [J]. Geophys. Res. Lett., 40(7): 1426-1431. DOI:10.1002/grl.50304
Zhang L X, Wu P L, Zhou T J, et al. 2016. Added value of high resolution models in simulating global precipitation characteristics [J]. Atmos. Sci. Lett., 17(12): 646-657. DOI:10.1002/asl.715
赵振国. 1999. 中国夏季旱涝及环境场[M]. 北京: 气象出版社. Zhao Z G. 1999. Summer flood and its related large-scale circulations in China (in Chinese)[M]. Beijing: China Meteorological Press.
赵天保, 涂锴, 严中伟. 2013. 大气水汽变化及其反馈效应研究进展[J]. 气候变化研究进展, 9(2): 79-88. Zhao T B, Tu K, Yan Z W. 2013. Advances of atmospheric water vapor change and its feedback effect (in Chinese)[J]. Advances in Climate Change Research, 9(2): 79-88. DOI:10.3969/j.issn.1673-1719.2013.02.001
Zheng J Y, Wang W C, Ge Q S, et al. 2006. Precipitation variability and extreme events in eastern China during the past 1500 years [J]. Terr. Atmos. Ocean Sci., 17(3): 579-592. DOI:10.3319/tao.2006.17.3.579(A)
中国气象局. 2016. 中国气象灾害年鉴(2016)[M]. 北京: 气象出版社: 1-232. China Meteorological Administration. 2016. Year book of Meteorological Disasters in China (2016) (in Chinese)[M]. Beijing: China Meteorological Press.
周天军, 陈晓龙. 2015. 气候敏感度、气候反馈过程与2 ℃升温阈值的不确定性问题[J]. 气象学报, 73(4): 624-634. Zhou T J, Chen X L. 2015. The uncertainty in the 2 ℃ warming threshold issue as related to climate sensitivity and climate feedback (in Chinese)[J]. Acta Meteor. Sinica, 73(4): 624-634. DOI:10.11676/qxxb2015.057
Zhou T J, Wu B, Wang B. 2009b. How well do atmospheric general circulation models capture the leading modes of the interannual variability of the Asian-Australian monsoon? [J]. J. Climate, 22(5): 1159-1173. DOI:10.1175/2008jcli2245.1
Zhou T J, Yu R C, Chen H M, et al. 2008. Summer precipitation frequency, intensity, and diurnal cycle over China: A comparison of satellite data with rain gauge observations [J]. J. Climate, 21(16): 3997-4010. DOI:10.1175/2008jcli2028.1
Zhou T J, Gong D Y, Li J, et al. 2009a. Detecting and understanding the multi-decadal variability of the East Asian summer monsoon recent progress and state of affairs [J]. Meteor. Z., 18(4): 455-467. DOI:10.1127/0941-2948/2009/0396
Zhou T J, Yu R C, Zhang J, et al. 2009c. Why the western Pacific subtropical high has extended westward since the late 1970s [J]. J. Climate, 22(8): 2199-2215. DOI:10.1175/2008jcli2527.1
周天军, 邹立维, 吴波, 等. 2014. 中国地球气候系统模式研究进展: CMIP计划实施近20年回顾[J]. 气象学报, 72(5): 892-907. Zhou T J, Zou L W, Wu B, et al. 2014. Development of earth/climate system models in China: A review from the coupled model intercomparison project perspective (in Chinese)[J]. Acta Meteor. Sinica, 72(5): 892-907. DOI:10.11676/qxxb2014.083
Zhou B T, Wen Q Z, Xu Y, et al. 2014. Projected changes in temperature and precipitation extremes in China by the CMIP5 multimodel ensembles [J]. J. Climate, 27(17): 6591-6611. DOI:10.1175/jcli-d-13-00761.1
Zhou T J, Wu B, Wang B. 2009b. How well do atmospheric general circulation models capture the leading modes of the interannual variability of the Asian-Australian monsoon? [J]. J. Climate, 22(5): 1159-1173. DOI:10.1175/2008jcli2245.1
Zhou T J, Turner A G, Kinter J L, et al. 2016. GMMIP (v1.0) contribution to CMIP6: Global monsoons model inter-comparison project [J]. Geosci. Model Dev., 9(10): 3589-3604. DOI:10.5194/gmd-9-3589-2016
Zhou T J, Chen X L, Wu B, et al. 2017. A robustness analysis of CMIP5 models over the East Asia-western North Pacific domain [J]. Engineering, 3(5): 773-778. DOI:10.1016/J.ENG.2017.05.018
周天军, 邹立维, 韩振宇, 等. 2016. 区域海气耦合模式FROALS的发展及其应用[J]. 大气科学, 40(1): 86-101. Zhou T J, Zou L W, Han Z Y, et al. 2016. Development and applications of a regional atmosphere-ocean coupled model (FROALS): A review (in Chinese)[J]. Chinese Journal of Atmospheric Sciences, 40(1): 86-101. DOI:10.3878/j.issn.1006-9895.1508.15153
朱永春, 黄士松. 1996. 包含详细水分循环和海冰物理过程的一维气候模式与气候系统内反馈机制的研究[J]. 大气科学, 20(6): 691-702. Zhu Y C, Huang S S. 1996. A one-dimensional climate model with hydrological cycle and sea ice physics to analyse feedback mechanisms of climate system (in Chinese)[J]. Chinese Journal of Atmospheric Sciences (Scientia Atmospherica Sinica), 20(6): 691-702. DOI:10.3878/j.issn.1006-9895.1996.06.06
Zhu C W, Wang B, Qian W H, et al. 2012. Recent weakening of northern East Asian summer monsoon: A possible response to global warming [J]. Geophys. Res. Lett., 39(9): L09701. DOI:10.1029/2012GL051155
Zhu K F, Xue M. 2016. Evaluation of WRF-based convection-permitting multi-physics ensemble forecasts over China for an extreme rainfall event on 21 July 2012 in Beijing [J]. Adv. Atmos. Sci., 33(11): 1240-1258. DOI:10.1007/s00376-016-6202-z
Zhu Y L, Wang H J, Zhou W, et al. 2011. Recent changes in the summer precipitation pattern in East China and the background circulation [J]. Climate Dyn., 36(7-8): 1463-1473. DOI:10.1007/s00382-010-0852-9
Zhuo Z H, Gao C C, Pan Y Q. 2014. Proxy evidence for China's monsoon precipitation response to volcanic aerosols over the past seven centuries [J]. J. Geophys. Res., 119(11): 6638-6652. DOI:10.1002/2013JD021061
Zou L W, Zhou T J. 2011. Sensitivity of a regional ocean-atmosphere coupled model to convection parameterization over western North Pacific [J]. J. Geophys. Res., 116(D18): D18106. DOI:10.1029/2011JD015844
邹立维, 周天军. 2012. 一个区域海气耦合模式的发展及其在西北太平洋季风区的性能检验:不同大气分量的影响[J]. 中国科学:地球科学, 42(4): 614-628. Zou L W, Zhou T J. 2012. Development and evaluation of a regional ocean-atmosphere coupled model with focus on the western North Pacific summer monsoon simulation: Impacts of different atmospheric components (in Chinese)[J]. Sci. China Earth Sci., 42(4): 614-628. DOI:10.1007/s11430-011-4281-3
Zou L W, Zhou T J. 2013a. Near future (2016-40) summer precipitation changes over China as projected by a regional climate model (RCM) under the RCP8.5 emissions scenario: Comparison between RCM downscaling and the driving GCM [J]. Adv. Atmos. Sci., 30(3): 806-818. DOI:10.1007/s00376-013-2209-x
Zou L W, Zhou T J. 2013b. Improve the simulation of western North Pacific summer monsoon in RegCM3 by suppressing convection [J]. Meteor. Atmos. Phys., 121(1-2): 29-38. DOI:10.1007/s00703-013-0255-7
Zou L W, Zhou T J. 2013c. Can a Regional Ocean-Atmosphere Coupled Model improve the simulation of the interannual variability of the western North Pacific summer monsoon? [J]. J. Climate, 26(7): 2353-2367. DOI:10.1175/JCLI-D-11-00722.1
Zou L W, Zhou T J. 2016. Future summer precipitation changes over CORDEX-East Asia domain downscaled by a regional ocean-atmosphere coupled model: A comparison to the stand-alone RCM [J]. J. Geophys. Res., 121(6): 2691-2704. DOI:10.1002/2015JD024519
Zou L W, Zhou T J, Peng D D. 2016. Dynamical downscaling of historical climate over CORDEX East Asia domain: A comparison of regional ocean-atmosphere coupled model to stand-alone RCM simulations [J]. J. Geophys. Res., 121(4): 1442-1458. DOI:10.1002/2015JD023912
Zou L W, Qian Y, Zhou T J, et al. 2014. Parameter tuning and calibration of RegCM3 with MIT-Emanuel cumulus parameterization scheme over CORDEX East Asia domain [J]. J. Climate, 27(20): 7687-7701. DOI:10.1175/JCLI-D-14-00229.1