BCC＿CSM1.1模式对我国气温的模拟和预估

周 鑫李清泉＊孙秀博魏 敏

1）（南京信息工程大学大气科学学院，南京210044）

2）（国家气候中心 中国气象局气候研究开放实验室，北京100081）

3）（国家气象信息中心，北京100081）

BCC＿CSM1.1模式对我国气温的模拟和预估

周 鑫1）2）李清泉1）2）＊孙秀博2）魏 敏3）

1）（南京信息工程大学大气科学学院，南京210044）

2）（国家气候中心 中国气象局气候研究开放实验室，北京100081）

3）（国家气象信息中心，北京100081）

利用我国541个测站1960—2010年气温资料以及国家气候中心参加第5次耦合模式比较计划（CMIP5）的气候系统模式BCC＿CSM1.1的历史试验和年代际试验结果，评估了该模式对我国近50年气温变化特征的模拟能力，对模式的年代际试验结果进行了误差订正，并给出未来10～20年我国气温变化的预估。结果表明：历史试验和年代际试验均模拟出了与观测较为一致的增暖趋势，但均没有观测资料的增暖幅度大。其中，历史试验比年代际试验更接近于观测。年代际尺度上，模式对我国东部的模拟要好于西部；年际尺度上，模式的高预报技巧区在我国西北地区西南部和东部、西南地区北部。历史试验和年代际试验对我国气温空间场整体分布模拟较好，误差订正后的年代际试验结果对空间气温场的模拟有更好把握。相对于观测资料得到的1960—2010年0.27℃／10a的增温速率，模式预估我国2011—2030年平均气温变化速率达到0.48℃／10a，上升趋势更加明显。

CMIP5；BCC＿CSM1.1；气温；误差订正；预估

引 言

目前，对全球气候变化进行预估主要依赖于全球气候模式的发展，随着气象学家们对气候模式的不断改进，其模拟结果也被证实越来越可信［1－2］。年际和年代际变率在20世纪的研究中已经被证实是气候系统中同时存在的两种不同时间尺度的气候变率［34］。未来10～30年的气候变化，即年代际时间尺度上的气候变化及这种变化对全球环境、社会、经济发展带来的影响，逐渐成为人们关注的问题［5－7］。

受全球变暖影响，气候变化的年代际尺度信号越来越显著。年代际尺度气候变化是IPCC AR5的重要内容之一。在IPCC第5次评估报告（AR5）之前，关于气候变化的研究重点主要是关于气候系统对外强迫变化的敏感性。如IPCC第4次评估报告（AR4）对比了不同温室气体和气溶胶排放情景下，2100年全球表面气温的变化幅度。但研究表明，在未来30年，全球气温变化并不十分依赖于不同的排放情景［8］。第5次耦合模式比较计划（CMIP5）新加入了多组10～30年的年代际尺度回报和预测试验［9］。在年代际甚至更长的时间尺度上，不仅要考虑外强迫（太阳活动、火山喷发、人类活动引起的温室气体排放等）和气候系统内部变率的影响，还需要更多关注模式的初始状态。在这一时间尺度上，模式初始条件比边界条件的影响可能更为重要［10］。Branstator等［11］对6个耦合气候模式在同样外强迫条件下进行积分，以研究模式初始状态对可预测性的影响。其研究表明，模式初始状态在北大西洋和北太平洋海域的影响大约可以维持10年，但这一限制在不同的模式间变化较大，特别是在北大西洋海域，每个模式的最高相关区域均有所不同。水平传播对初值信号的演变影响较大，这是导致不同模式存在可预测性差异的一个关键因素。Keenlyside等［12］的研究结果表明，同化海表温度（SST）的初始化方案的年代际预测试验成功模拟出了北大西洋经向翻转环流（AMOC）的年代际振荡，从而提高了北大西洋海温、欧洲和北美地表气温的年代际变化预报技巧；同时也表明，加入海温初始信息的年代际试验比传统气候模式的增暖幅度更接近于观测值。Mochizuki等［13］对耦合模式MIPOC同化海洋上层温度、盐度的年代际试验提高了对太平洋年代际振荡（PDO）的预报技巧。吴波等［14］基于FGOALS＿gl模式采用IAU方案同化海洋客观分析资料的三维温度和盐度场的年代际试验结果表明，海洋初始化过程能够有效提高耦合模式对年代际变率较大区域的预测技巧。Metha等［15］研究表明，同化三维温度和盐度场的初始化方案为部分区域的年代际气候预测提供了一定的预报技巧，特别是在北大西洋和北太平洋区域。这些初始化方案在陆地上预报技巧提高并不明显，热带外地区预测能力好于热带地区。

Zhou等［16］用IPCC第4次评估报告（AR4）的19个模式评估了中国区域地面气温，研究表明，大多模式能模拟出我国地面气温的平均态，但对我国20世纪中期之后的增暖趋势及近20年来的加速增暖模拟较弱。刘敏等［17］利用13个IPCC AR4模式对中国区域近40年的气候模拟评估表明，13个耦合模式和多模式集合对中国1961—2000年的地面气温年变化及空间分布反映效果都比较好，但对中国区域地面气温模拟值整体系统偏低，东部模拟效果好于中西部。使用区域模式对中国区域当前以及未来气候的模拟及预估方面，也开展了较多研究［1821］。姜大膀等［22］研究了 SRES A2情境下我国21世纪前30年的气温变化表明，我国冬季和夏季气温、最高气温、最低气温分别升高0.3～2.3℃，0.1～2.0℃，0.5～2.7℃，由南向北升温逐渐加强，且增幅随时间加大。李博等［23］利用CMIP3提供的20世纪气候模拟试验（20C3M）和A1B情景预估试验结果，分析和讨论了全球变暖情景下21世纪中期中国气候的可能变化。结果表明，冬、夏季全国气温将升高，升温幅度为1.2～2.8℃；随纬度升高，增暖幅度相应增大。Li等［24－25］利用CMIP3的24个耦合模式20C3M试验和1pctto2x试验结果对我国7—8月气候进行模拟分析，结果表明，大多数模式模拟的气温偏低，其中西部偏低5℃以上，东部偏低2℃以内；气温场相关系数为0.6～0.9，比降水模拟结果好。

本文使用1960—2010年我国541个测站的气温资料以及国家气候中心参与CMIP5全球耦合模式比较计划的BCC＿CSM1.1模式的年代际试验和历史试验数据，检验了模式对我国气温年际、年代际变化的模拟能力。对加入观测海温初始信息的年代际试验与仅考虑外强迫的历史试验进行对比分析，探讨年代际试验是否能提高我国区域气温年代际尺度预报技巧。另外，对年代际试验结果进行误差订正，检验其可靠性，并利用误差订正后的试验结果对我国未来气温变化进行了预估。

1 模式、资料和方法

1.1 模式、试验方案及资料

本文使用的模式资料为国家气候中心参加CMIP5比较计划的耦合模式BCC＿CSM1.1的历史试验和年代际试验结果。BCC＿CSM1.1模式是一个大气－海洋－陆面－海冰耦合的全球气候耦合模式，其中大气模式为BCC＿AGCM2.1，垂直分为26层，水平分辨率为2.8°×2.8°；海洋模式 MOM4＿L40水平分辨率为（1／3）°～1°纬度×1°经度，垂直分为40层；陆面模式为BCC＿AVIM1.0，是大气植被互相作用的模式；海冰模式SIS水平分辨率也为1°×1°，垂直方向包含1层积雪和2层海冰。

模式试验方案及模式资料的详细介绍可参见文献［26］。其中，历史试验相当于IPCC AR4中的20世纪模拟试验（20C3M），是在工业革命前控制试验的基础上选取初始场，从1850年1月积分到2012年12月。采用随时间变化的臭氧、温室气体、太阳常数、火山活动和气溶胶的外强迫场。其中，1850年1月—2005年12月的强迫场为观测值，2006年1月—2012年12月采用RCP8.5的强迫场，历史试验有3个不同初值的样本。年代际预测试验是将模式的初始状态用观测海洋资料进行初始化，在外强迫下进行10～30年的模拟预测。在年代际试验中，BCC＿CSM1.1模式所用的观测海洋资料是美国SODA全球月平均海洋温度再分析资料，初始化方案采用的是将模式模拟的海温向SODA逼近的方法，恢复时间为1d。年代际预测试验在2005年之前采用的强迫场与历史试验一致，2005年之后采用RCP4.5的强迫场，模式输入的强迫因子包括温室气体、气溶胶、臭氧、太阳常数和碳排放，均由CMIP5统一提供。温室气体包括二氧化碳、一氧化二氮、甲烷、氟化物，气溶胶包括硫酸盐、火山气溶胶、海盐、沙尘、黑碳和有机碳。

本文使用了BCC＿CSM1.1模式每隔5年1组、连续积分30年的10组年代际试验结果，即1961年1月—1990年12月、1966年1月—1995年12月、……2006年1月—2035年12月的试验结果，每组试验有4个不同初值的样本。本文所使用的历史试验和年代际试验结果均为多个不同初值样本求平均后得到。使用的观测数据为国家气象信息中心提供的1960—2010年剔除缺测后的我国541个测站的气温资料。将模式结果插值到与观测对应的541个测站经纬度上进行对比分析。

1.2 方 法

由于气候模式本身存在系统偏差，进行预测时不可避免地向模式气候态偏移。因此，需要对模式预测的结果进行合理的误差订正，从而得到更为可信的预测结果。本文采用了CMIP5推荐的年代际气候预测试验误差订正方法［27］。

首先将10组年代际预测试验第1年预测的结果与各自对应年份的观测资料求偏差，得到的偏差平均值记为A1，用平均偏差A1订正这10组试验第1年的模拟结果，即得到模式每组试验第1年的订正值。同样的方法即可得到每组试验第2年、第3年、……一直到最后一年的误差订正结果。

此外，模拟评估使用了相关分析、均方根误差等方法。文中气温距平是相对于研究时段的多年气候平均值计算的。

2 我国10年平均气温的模拟结果

2.1 10年平均气温时间序列

为检验模式对10年时间尺度上平均气温数值及变化趋势的模拟能力以及年代际试验经过误差订正后的结果，计算我国541个测站观测值，BCC＿CSM1.1模式的历史试验，误差订正前、订正后的年代际试验结果得到的我国10年平均气温随时间变化序列（图1a）。曲线上每个点代表邻近10年平均气温值（例如曲线1965年的值代表1961—1970年的平均气温）。年代际试验（历史试验）中每个点的上下范围代表每组试验不同初值样本的最大、最小值。r为模拟与观测的相关系数。由图1可以看到，历史试验和未经误差订正的年代际试验模拟的我国气温均低于观测值，其中年代际试验低于观测约2.7℃，历史试验低于观测约2.5℃。而经过误差订正后的年代际试验与观测值非常接近，偏差在0.5℃以内，在20世纪80年代末到90年代初之前高于观测0.5℃，之后低于观测0.5℃。

图1 我国10年平均气温（a）及其距平（b）时间序列Fig.1 The 10－year mean of China temperature（a）and their anomalies（b）

由图1b可以看到，订正前、订正后的年代际试验10年平均气温距平序列上基本一致（订正前、订正后的两条曲线基本重合）。结合图1a可知，本文所采用的误差订正方法修正了模式的系统偏差，使订正后的模拟值与观测值更为接近，但对模式内部变率的偏差改进不明显。年代际试验和历史试验均模拟出了与观测资料较为一致的增暖趋势，但没有观测的增暖幅度（0.30℃／10a）大。年代际试验与观测的相关系数为0.88，增暖幅度为0.19℃／10a，历史试验模拟的增暖幅度高于年代际试验，但与观测更接近，其相关系数为0.95，增暖幅度为0.27℃／10a。CCSM4，CNRM－CM5，FGOALS－s2等18个CMIP5模式的历史试验结果［28］显示，当前全球气候模式都能很好地模拟出我国气温的升高趋势，模式集合平均的中国区域1961—2005年间增暖幅度为0.20℃／10a，BCC＿CSM1.1模式的模拟结果与集合平均结果接近，为0.21℃／10a。

Keenlyside等［12］基于 ECHAM5／MPI－OM 模式同化了海表温度，其年代际试验由于成功模拟出了AMOC的年代际振荡，提高了北美和欧洲地表气温年代际变化的预报技巧。但对1955—2005年全球10年平均气温变化模拟上，历史试验结果（r＝0.96）好于年代际试验结果（r＝0.91），年代际试验对气温变化模拟技巧的提高仅体现在部分区域。Kim等［29］评估了 HadCM3，CanCM4，CFSv2等7个CMIP5模式的年代际试验，发现年代际试验在长时间尺度上的高预报技巧主要出现在北大西洋和西太平洋，但对陆地气温的预报技巧有限。本文对我国10年平均气温变化模拟结果的评估也表明，包含了观测海温初始信息的年代际试验相比于未经初始化的历史试验，模拟技巧未能在中国区域体现出明显的提高。

2.2 10年平均气温的模拟与观测气温的统计

为了检验模式对我国气温年代际变化趋势的模拟，给出了历史试验和订正前、订正后的年代际试验10年平均气温与相应年份站点观测数据相关系数的空间分布。这里9组试验是指从1961—1970年起到2001—2010年止每隔5年1组的试验。可以看到，年代际试验（图2a）对我国10年平均气温的高预报技巧区在西藏、西北地区西部和中部（0.001显著性水平），内蒙古、华北、黄淮、江淮、江南、华南地区的相关也达到了0.01的显著性水平，东北地区大部分达到0.05显著性水平，但在西南地区东部、新疆的阿克苏、青海的西宁地区附近存在负相关或不显著的正相关。误差订正结果（图2b）表明，误差订正对我国气温年代尺度变化趋势模拟上没有明显改进，未能提高模式在西南地区东部、阿克苏以及西宁地区附近的预报技巧。历史试验结果（图2c）表明，其在我国东部绝大部分地区的年代尺度温度变化趋势的模拟要好于年代际试验，但在西南地区东部、阿克苏以及西宁地区附近也存在负相关和不显著的正相关。

图2 年代际试验订正前（a）、订正后（b）及历史试验（c）的10年平均气温与相应观测气温的相关系数Fig.2 Correlation coefficients between 10－year means of 9experiments and corresponding observations（a）decadal experiment，（b）bias－revised decadal experiment，（c）historical experiment

图3给出了9组年代际试验10年平均气温与观测的均方根误差。其中图3a，3b，3c为气温场得到的均方根误差结果，图3d，3e，3f为气温距平场得到的均方根误差结果。

年代际试验（图3a）和历史试验（图3c）模拟结果与观测气温的均方根误差分布较为类似。从整体上来看，模式对我国东部的模拟要好于西部，误差最小的区域（2℃以内）在我国内蒙古地区东北部、东北地区东南部以及东南沿海一带，而误差最大的区域出现在西藏和新疆交界处以及西南地区（大于8℃）。Xu等［28］研究结果也表明，大多数模式对我国气温模拟偏差较大的地区在西部，而降水偏差较大的区域出现在华南。

由图2可知，模式对我国西部地区10年平均气温的模拟虽然在数值上偏差较大，但在变化趋势上与观测较为一致（达到0.001显著性水平）。订正后的结果（图3b）表明，气温均方根误差在我国绝大部分地区降低明显，基本都在1℃以内，特别是在华南地区的西部和中部，误差在0.2℃以下，这是在后边的工作中依据年代际试验误差订正结果来进行预测的基础。

图3 年代际试验的10年平均气温及气温距平与相应的观测气温及气温距平的均方根误差（a）订正前的年代际试验气温结果，（b）订正后的年代际试验气温结果，（c）历史试验气温结果，（d）订正前的年代际试验气温距平结果，（e）订正后的年代际试验气温距平结果，（f）历史试验气温距平结果Fig.3 Root mean square error 10－year mean of temperature and its anomalies from 9－group experiments and corresponding observations（a）temperature from decadal experiment，（b）temperature from bias－revised decadal experiment，（c）temperature from historical experiment，（d）temperature anomalies from decadal experiment，（e）temperature anomalies from bias－revised decadal experiment，（f）temperature anomalies from historical experiment

由图3d，3e，3f可以看到，去除模拟和观测气温各自的气候平均态后，误差订正前的年代际试验结果（图3d）和订正后的结果（图3e）空间分布基本一致，误差最小的区域在华南中部和西部，误差较大的区域在黑龙江、内蒙古地区北部和西北中部。历史试验结果（图3f）在我国东北地区、内蒙古以及华南东部地区误差小于年代际试验。总体来说，历史试验和年代际试验虽存在一定误差，但在我国大部分地区，特别是华南地区模式表现出较高的预报技巧。

3 年平均气温的模拟结果

图4给出了误差订正前后从1961—1990年开始每隔5年1组到1981—2010年总共5组年代际试验30年相关系数的空间分布。图4a为1961—1990年试验，结果显示，4个不同初值样本平均得到的模式结果在江南、华南、西南、西藏地区西南部、西北地区东部和北部和观测均呈正相关，但未达到0.05的显著性水平；而经过模式误差订正后的结果（图4b）显示，除黄淮和江淮地区交界处和福州附近区域外，其余我国大部分区域都是正相关，其中在东北地区、内蒙古地区东北部、西藏地区东部、西北地区中部、西南地区北部正相关通过0.05的显著性水平。1966—1995年试验结果（图4c）显示，在西北地区、江南、江淮、江汉、黄淮地区南部呈不显著的正相关，其余地区为负相关；误差订正后的结果（图4d）显示，在我国大部分地区呈正相关，其中东北地区大部、内蒙古地区的西部和中部、西藏东部、西北地区中部和东部、西南地区北部相关性最好。1971—2000年试验结果（图4e）显示，在西藏地区、西北地区、西南地区北部呈正相关，其中在甘肃南部及西川东北部显著正相关（达到0.05显著性水平）；误差订正后（图4f），我国大部分地区呈正相关，其中东北地区南部、华北北部、西藏地区和西北地区大部呈显著正相关。1976—2005年试验结果（图4g）显示，我国除东北地区、内蒙古地区、西北地区西北部、贵州地区、海南外，其余地区正相关不显著；误差订正后的结果（图4h）显示，我国除东北地区北部、西北地区西北部、湖南和贵州交界处外，其余地区呈显著正相关（达到0.01显著性水平）。1981—2010年试验结果（图4i）显示，我国除东北地区、内蒙古地区东北部、海南外，其余均呈正相关，其中在西北地区西南部，西藏和西南地区交界处，陕西、河北一带呈显著正相关（达到0.05显著性水平）；误差订正后的结果（图4j）显示，我国除东北地区东北部和内蒙古地区东北部外，其余大部分地区呈显著正相关（达到0.01显著性水平）。

图4 5组订正前、订正后的年代际试验结果与对应年份观测资料相关系数的空间分布（a）1961—1990年年代际试验结果，（b）1961—1990年年代际试验误差订正后的结果，（c）1966—1995年年代际试验结果，（d）1966—1995年年代际试验误差订正后的结果，（e）1971—2000年年代际试验结果，（f）1971—2000年年代际试验误差订正后的结果，（g）1976—2005年年代际试验结果，（h）1976—2005年年代际试验误差订正后的结果，（i）1981—2010年年代际试验结果，（j）1981—2010年年代际试验误差订正后的结果Fig.4 Correlation coefficients between 5－group decadal experiments and corresponding observations（a）1961—1990group decadal experiment，（b）bias－revised 1961—1990group decadal experiment，（c）1966—1995group decadal experiment，（d）bias－revised 1966—1995group decadal experiment，（e）1971—2000group decadal experiment，（f）bias－revised 1971—2000group decadal experiment，（g）1976—2005group decadal experiment，（h）bias－revised 1976—2005group decadal experiment，（i）1981—2010group decadal experiment，（j）bias－revised 1981—2010group decadal experiment

续图4

从这5组试验来看，在西北地区的西南部、西北地区东部、西南地区北部均呈正相关，而模式对我国逐年气温演变的模拟在东北地区、内蒙古地区大部、海南均呈负相关。统计分析结果表明，误差订正对我国气温的年际变化的模拟效果有了较大改进。由表1可见，误差订正后，模式与观测的正相关格点增加了20%～60%，达到0.05显著性水平的显著相关格点增加30%～80%。由图4也可知，在西藏地区东部、西北地区中部、西南地区北部，5组试验订正后的结果都达到了0.05显著性水平。

Branstator等［11］曾经指出年代际预测试验中初始状态对预测效果的影响不同的模式差异较大。为了检验BCC＿CSM1.1模式年代际预测试验连续积分30年气温预测总的相关技巧与前10年预报技巧的关系，分别将这5组年代际预测试验连续积分30年的结果分为3个10年时段进行分析。结果表明，该模式30年预测的总体相关技巧并不仅仅来源于前10年的贡献，例如，在1981—2010组试验中，在我国西北地区北部和华北地区，第2个10年的气温逐年相关较第1个10年更为显著；5组试验中，只有1961—1990年组试验的前10年正相关区域比后2个10年的正相关区域大。5组试验呈现出较大的差异也说明模式模拟结果与模式初始状态存在较大关系。

表1 年代际试验订正前、订正后与相应观测正相关及显著正相关站点数比较Table 1 Positive correlation and significantly correlation of stations number contrast between 5－group decadal experiments and their bias－revised results

4 空间场的模拟

空间相似系数是描述两个空间场相似程度的物理量，其计算方法是将两个空间场的格点按同一时次排成两个序列，从而计算它们的相关系数［30］。为了检验模式对我国气温空间场的模拟能力，计算了1960—2010年的历史试验结果和5组年代际试验结果与相应观测资料逐年的气温场空间相关（图5和表2）。分析表明，历史试验和5组年代际试验与观测的空间相关系数都在0.9以上，模式较好地模拟了我国气温平均态在空间场上的整体分布。其中年代际试验结果（30年平均相关系数为0.913）与历史试验结果（30年平均相关系数为0.912）基本相当。BCC＿CSM1.1模式的对空间特征的表现（1961—2005年平均相关系数为0.900）略低于多模式集合平均的结果（1961—2005年平均相关系数为0.959）［28］。经过误差订正后的年代际试验结果与观测的空间相关有明显提高，相关系数均大于0.99。这说明模式结果经过误差订正后对空间气温场的模拟有更好的把握。对每年的气温距平场计算空间相关系数，发现年代际试验模拟的气温距平场与观测值的空间相关系数在－0.5～0.7之间变化，误差订正后气温距平与观测的空间相关系数较订正前的相关系数提高0.1左右；历史试验模拟的气温距平场与观测的空间相关系数在－0.5～0.4之间变化。这说明气温场的高相关反映了模拟与观测在气候平均态上的高度相似，模式没能很好地模拟出我国气温变化的空间分布特征，年代际试验模拟略好于历史试验。

尽管历史试验、年代际试验订正前后模拟的气温与观测比较相似，相关系数均在0.9以上，但它们的均方根误差有显著不同。如表2所示，历史试验和订正前的年代际试验均方根误差分别为4.24～4.26℃和4.24～4.32℃，历史试验结果略好于年代际试验。经过误差订正后的年代际试验，均方根误差大幅下降，5组试验最大误差为1961—1990年的0.31℃，最小误差为1981—2010年的0.05℃。说明误差订正不仅能提高模式对空间场相似程度的模拟，也对气温偏差有明显改进。

表2 历史试验和误差订正前、订正后5组年代际试验与观测资料30年平均空间场的相关系数和均方根误差Table 2 The correlation and root mean square error of historical experiment and 5decadal experiments（un－revised and bias－revised）with their corresponding observations for 30－year means

图5 订正前、订正后的5组年代际试验和历史试验模拟气温与观测气温的空间相关系数随时间变化Fig.5 The time series of correlation of 5－group decadal experiments and historical experiment to their corresponding

5 我国未来10～30年气温变化预估

上述研究结果表明，对模式结果进行误差订正不仅可以提高模式对年际尺度气温变化趋势的模拟，其结果在数值上与观测也非常接近，这为开展气温预估提供了基础。

图6给出了我国近50年平均气温变化时间序列，以及误差订正前后模式预估的2001—2030年的气温时间序列。1961—2010年，我国年平均气温上升趋势明显，变化速率达到0.27℃／10a。我国年平均气温经历了从20世纪80年代后期由负异常到正异常的转变，从20世纪80年代中期开始平均气温持续上升，之前只是在小范围内波动。

图6中误差订正前、订正后的年代际试验预测的我国2001—2030年平均气温变化的时间序列可以看到，相对于1960—2010年0.27℃／10a的增温速率，误差订正后的年代际试验预测的2001—2030年我国年平均气温上升趋势更加明显，变化速率达到0.41℃／10a。其中预测的2001—2010年平均气温为11.66℃，比相应观测的平均气温（11.91℃）偏低0.25℃。预测的2011—2020年、2021—2030年平均气温分别为12.01℃和12.48℃。值得注意的是，模式预测的我国年平均气温在2001—2010年增速较缓（0.38℃／10a），从2011年增暖速度开始加快（0.48℃／10a），波动幅度也更大。这一变化特征与Keenlyside等［12］关于全球平均气温在未来10～20年变化特征的研究结果也较为类似。

图6 1960—2010年观测和误差订正前、订正后模式预估的2001—2030年我国年平均气温时间序列Fig.6 Annual mean temperature of 1960—2010 observations and 2001—2030model forecast and model bias－revised forecast results

6 结论与讨论

本文利用1960—2010年我国541个测站气温观测资料以及参加CMIP5耦合模式比较计划的国家气候中心BCC＿CSM1.1模式年代际试验和历史试验结果，评估了模式对我国年际、年代际尺度气温变化的模拟能力。同时，对年代际试验结果进行误差订正，分析其可靠性，并利用误差订正后的试验结果对我国未来气温变化进行预估，得到以下结论：

1）年代际时间尺度上，历史试验和年代际试验均模拟出了与观测较为一致的增暖趋势，两种试验结果得到的我国10年平均气温均低于观测值。在年际时间尺度上，模式的高预报技巧区在我国西北地区西南部、东部，西南地区北部，而在东北、内蒙古和海南等地效果最差。两种时间尺度上，历史试验均比年代际试验更接近于观测。

2）空间分布上，模式对我国东部的模拟要好于西部，误差最小的区域（2℃以内）在我国内蒙古地区东北部、东北地区东南部以及东南沿海一带，而误差最大的区域出现在西藏和新疆交界处以及西南地区（大于8℃）。

3）误差订正对我国10年平均气温变化趋势模拟没有明显改进，但在逐年气温变化趋势上有较大改进，且大幅度减小了模式的系统误差（订正后偏差在0.5℃以内）。

4）相对于1960—2010年观测资料0.27℃／10a的增温速率，误差订正后的模式结果预测我国2001—2030年平均气温上升趋势更加明显，变化速率达到0.41℃／10a。其中，模式预测的我国年平均气温在2000—2010年增速较缓，波动幅度较小；2011年开始增暖速度加快，波动幅度也较前10年增大。

本文所使用的年代际试验结果的初值方案是将BCC＿CSM1.1模式模拟海温恢复到美国SODA再分析温度场上，相对于IPCC传统的历史试验，这种初值方案在我国年平均气温的模拟上没有带来太大的改进。van Oldenborgh等［31］研究也表明，年代际试验对平均气温的模拟相比历史试验无明显改善，预报技巧主要体现在起报第1年。加入初始海温观测信息可能提高区域气候预报技巧，但同时也会带来初始误差。由于模式对初值的敏感性，需要进行多初值、多样本的集合预报，包括多初始时刻的集合预报、多物理过程的扰动集合预报以及随机扰动集合预报等［32］。本文所使用的历史试验和年代际试验结果均为多个样本集合平均后的结果，降低了单个样本由于初值误差所导致的预测结果的不确定性和随机性。

由于不同的强迫场和因子会在一定程度上影响预测结果，因此在未来预测中选择更为合适的强迫因子，对改进气候预测能力也会有较大帮助。年代际预测既是热点，也是难点。年代际时间尺度气候变率产生的原因、年代际气候可预报性以及更合理的模式初始化方案、模式结果订正方案等均有待于进一步研究。

［1］ Lambert S J，Boer G J.Climate Dynamics：CMIP1evaluation and intercomparison of coupled climate models.Springer－Verlag，2001，17：83－106.

［2］ 丑纪范，任宏利.数值天气预报——另类途径的必要性和可行性.应用气象学报，2006，17（2）：240－244.

［3］ Zhang Y，Wallace J M，Battisti D S.ENSO－like interdecadal variability：1900—1931.J Climate，1997，10：1004－1020.

［4］ Mantua N J，Hare S R，Zhang Y.A Pacific interdecadal climate oscillation with impacts on salmon production.Bull A－mer Meteor Soc，1997，78：1069－1079.

［5］ Meehl G A，Goddard L，Murphy J，et al.Decadal prediction：Can it be skillful？Bull Amer Meteor Soc，2009，90：1467－1485.

［6］ Hurrell J，Meehl G A，Bader D，et al.A unified modeling approach to climate system prediction.Bull Amer Meteor Soc，2009，90：1819－1832.

［7］ 魏凤英.我国短期气候预测的物理基础及其预测思路.应用气象学报，2011，22（1）：1－11.

［8］ Meehl G A，Stocker T F，Collins W D，et al.Climate change 2007：The Physical Science Basis∥Solomon S，Qin D，Manning M，et al.Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge：Cambridge University Press，2007：747－845.

［9］ Taylor K E，Stouffer R J，Meehl G A.An Overview of CMIP5 and the experiment design.Bull Amer Meteor Soc，2012，93，doi：10.1175／BAMS－D－11－00094.1.

［10］ Latif M，Collins M，Pohlmann H，et al.A review of predictability studies of Atlantic sector climate on decadal scales.J Climate，2006，19：5971－5987.

［11］ Branstator G，Teng H Y，Gerald A M.Systematic estimates of initial－value decadal predictability for six AOGCMs.J Climate，2012，25：1827－1846.

［12］ Keenlyside N S，Latif M，Jungclaus J，et al.Advancing decadal－scale climate prediction in the North Atlantic sector.Nature，2008，453：84－88.

［13］ Mochizuki T，Ishii M，Kimoto M，et al.Pacific Decadal Oscillation Hindcasts Relevant to Near－term Climate Prediction.Proc Natl Acad Sci USA，2010，107：1833－1837.

［14］ 吴波，周天军.IAP／LASG气候系统模式FGOALS＿gl预测的海表面温度年代际尺度的演变.科学通报，2012，57（13）：1168－1175.

［15］ Mehta V，Meehl G，Goddard L，et al.Decadal climate predictabitily and prediction.Bull Amer Meteor Soc，2011，92（5）：637－640.

［16］ Zhou Tianjun，Yu Rucong.Twentieth century surface air temperature over China and the globe simulated by coupled climate models.J Climate，2006，19（22）：5843－5858.

［17］ 刘敏，江志红.13个IPCC AR4模式对中国区域近40a气候模拟能力的评估.南京气象学院学报，2009，32（2）：256－268.

［18］ 罗勇，赵宗慈.NCAR RegCM2对东亚区域气候的模拟试验.应用气象学报，1997，8（增刊）：124－133.

［19］ 施晓晖，徐祥德.东亚冬季风年代际变化可能成因的模拟研究.应用气象学报，2007，18（6）：776－782.

［20］ 张勇，曹丽娟，许吟隆，等.未来我国极端温度事件变化情景分析.应用气象学报，2008，19（6）：655－660.

［21］ 石英，高学杰，吴佳，等.华北地区未来气候变化的高分辨率数值模拟.应用气象学报，2010，21（5）：580－589.

［22］ 姜大膀，王会军，郎咸梅.SRE SA2情景下中国气候未来变化的多模式集合预测结果.地球物理学报，2004，47（5）：776－784.

［23］ 李博，周天军.基于IPCC A1B情景的中国未来气候变化预估：多模式集合结果及其不确定性.气候变化研究进展，2010，6（4）：270－276.

［24］ Li Hongmei，Feng Lei，Zhou Tianjun.Multi－model projection of July－August climate extreme changes over China under CO2doubling.PartⅠ：Precipitation.Adv Atmos Sci，2011，28（2）：433－447.

［25］ Li Hongmei，Feng Lei，Zhou Tianjun.Multi－model projection of July－August climate extreme changes over China under CO2doubling.PartⅡ：Temperature.Adv Atmos Sci，2011，28（2）：448－463.

［26］ 辛晓歌，吴统文，张洁.BCC气候系统模式开展的CMIP5试验介绍.气候变化研究进展，2012，8（5）：378－382.

［27］ ICPO.Data and Bias Correction for Decadal Climate Predictions.CLIVAR Publication Series No.150，2012.

［28］ Xu Ying，Xu Chonghai.Preliminary assessment of simulations of climate changes over China by CMIP5multi－models.Atmospheric and Oceanic Science Letters，2012，5（6）：489－494.

［29］ Kim H，Webster P J，Curry J A.Evaluation of short－term climate change prediction in multi－model CMIP5decadal hindcasts.Geophys Res Lett，2012，39，L10701，doi：10.1029／2012GL051644.

［30］ 余锦华，唐盛，吴立广，等.IPCC AR4模式对热带气旋热力控制因子的模拟评估.海洋学报，2011，33（6）：39－54.

［31］ van Oldenborgh G J，Doblas－Reyes F J，Bert W，et al.Decadal prediction skill in a multi－model ensemble.Clim Dyn，2012（38）：1263－1280.

［32］ Zhao Zongci.Issues on Current Research of Climate Change.IU－GG 2003Conference，2003.

Simulation and Projection of Temperature in China with BCC＿CSM1.1Model

Zhou Xin1）2）Li Qingquan1）2）Sun Xiubo2）Wei Min3）

1）（College of Atmospheric Science，Nanjing University of Information Science ＆ Technology，Nanjing210044）
2）（Laboratory for Climate Studies，National Climate Center，CMA，Beijing100081）
3）（National Meteorological Information Center，Beijing100081）

Inter－annual and inter－decadal variability are two kinds of different timescale variability existing at the same time in climate system found in previous studies.Affected by the global warming，the inter－decadal signal of climate change becomes more and more significant.The next 10to 30years of climate change，namely inter－decadal time scales climate change and their impacts on the global environment，society and economic development，draw more and more attention.Climate change features of inter－decadal scale become one of the most important content of the IPCC AR5.The 10to 30years’timescale of inter－decadal forecast experiment which is listed as one of the main experiment content has joined the 5th Coupled Model Inter－comparison Project（CMIP5）.More in－depth research will be carried out on predictability of inter－decadal timescale.

The air temperature data of 541stations in China from 1960to 2010as well as the CMIP5historical and decadal experiment results of Beijing Climate Center Climate System Model（BCC＿CSM1.1）are utilized to evaluate the simulation ability of the model.The model results are interpolated to the corresponding latitude and longitude of 541stations use bilinear interpolation method.Whether the pattern of regional prediction ability could improve by the decadal experiment of BCC＿CSM1.1which initialed the SST （sea surface temperature）is discussed.Bias corrections to the decadal experiment results are done and the preliminary projection of the changes of the air temperature of China for the next 10—20years is presented.Results show that both historical and decadal experiments can capture the warming trend in accordance with the observations，but the warming tendency of the experiments are less significant than those of observations.Results of historical experiments are slightly better than those of decadal experiments of the model.On the inter－decadal timescales，simulations in the eastern part of China are better than those in the western part of China.On the inter－annual timescales，the high prediction skills are located in the southwestern and eastern parts of northwest region，and southwest of China.Distributions of temperature in China are well simulated in both of historical and decadal experiments，such as the spatial correlation coefficients of 0.9or above.After bias correction，results of decadal experiments are much better.By the corrected result of decadal experiments，the result of temperature spatial distribution simulation is better.The model projects that the rising rate of the mean temperature of China will be 0.48℃／10aduring 2011—2030，which is more significant than the warming rate of 0.27℃／10aduring 1960—2010on the basis of observations.And the forecast results of the model show that the air temperature of China during 2001—2010grows more slowly and fluctuate less compared with the period of 2011—2030.

CMIP5；BCC＿CSM1.1；air temperature；bias correction；projection

周鑫，李清泉，孙秀博，等.BCC＿CSM1.1模式对我国气温的模拟和预估.应用气象学报，2014，25（1）：95－106.

2013－03－21收到，2013－10－29收到再改稿。

国家重点基础研究发展计划项目（2012CB955203），国家高技术研究发展计划（2010AA012404，2010AA012403），公益性行业（气象）科研专项（GYHY201106022），国家自然科学基金项目（41175065）

＊通信作者，email：liqq＠cma.gov.cn