引用本文
栾贻花, 俞永强, 郑伟鹏. 全球高分辨率气候系统模式研究进展[J]. 地球科学进展, 2016, 31(3): 258-268.
Luan Yihua, Yu Yongqiang, Zheng Weipeng. .Review of Development and Application of High Resolution Global Climate System Model[J]. Advanced Earth Science, 2016, 31(3): 258-268.  
Doi:10.11867/j.issn.1001-8166.2016.03.0258.
Permissions
Copyright©2016, 地球科学进展 编辑部
全球高分辨率气候系统模式研究进展
栾贻花1,2, 俞永强1*,*, 郑伟鹏1
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.中国科学院气候变化研究中心,北京 100029
*通信作者:俞永强(1968-),男,辽宁大连人,研究员,主要从事气候模式和海气相互作用研究.E-mail:yyq@lasg.iap.ac.cn

作者简介:栾贻花(1983-),女,山东莱芜人,助理研究员,主要从事气候数值模拟和古气候模拟研究.E-mail:luanyh@mail.iap.ac.cn

基金:国家重点基础研究发展计划项目“海洋多尺度变化过程、机理及可预测性研究”(编号:2013CB956204); 国家自然科学基重点项目“全球高分辨率气候系统模式研制和应用”(编号:41530426)资助
摘要

气候模式是定量研究气候演变规律、预测或预估未来气候变化的重要工具。提高气候模式空间分辨率并改进相应的物理参数化过程,是改善模式性能的重要途径之一, 对于认识气候变化规律、提高气候预测能力具有重要作用。在阐述发展全球高分辨率气候系统模式重要性的基础上,对当今国内外高分辨率气候系统模式的研究进展进行总结,介绍全球高分辨率气候系统模式研发和评估的现状及其存在的问题,并着重讨论了制约当前高分辨率气候系统模式发展的关键科学问题和技术瓶颈,其中包括高分辨率海洋和大气模式动力框架的研制和大规模高性能并行计算、次网格物理参数化过程的改进,以及中尺度海气相互作用等。同时,还介绍了国际耦合模式比较计划第六阶段中的高分辨率模式比较子计划的科学目标及其试验设计方案。最后对未来我国全球高分辨率气候系统模式的发展和评估进行了展望。

关键词: 数值模拟; 动力框架; 次网格物理参数化; 中尺度海气相互作用
中图分类号:P467 文献标志码:A 文章编号:1001-8166(2016)03-0258-11
Review of Development and Application of High Resolution Global Climate System Model
Luan Yihua1,2, Yu Yongqiang1,*, Zheng Weipeng1
1.State Key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China
2.Climate Change Research Center, Chinese Academy of Sciences, Beijing 100029, China

First author:Luan Yihua (1983-), female, Laiwu City, Shandong Province, Assistant Scientist. Research areas include the climate numerical simulation and the modeling study of paleoclimate.E-mail:luanyh@mail.iap.ac.cn

Corresponding author:Yu Yongqiang (1968-), male,Dalian City, Liaoning Province, Professor. Research areas include the climate model and the air-sea interaction.E-mail:yyq@lasg.iap.ac.cn

Fund:Project supported by the National Key Basic Research Program of China “Study on the process and mechanism of ocean multi-scale changes and predictability” (No.2013CB956204); the National Natural Science Foundation of China “Development and application of a high Resolution global climate system model” (No.41530426)
Abstract

Climate models have been used as an important tool to quantitatively study climate variability and to predict or project climate change in the future. One of the most important pathways for development and improvement of climate system model is to increase the spatial resolution and improve the corresponding physical parameterization schemes, which is very important for understanding climate change and improving climate prediction skill. Based on a brief introduction of the importance of developing high-resolution global climate system model, a review of recent progresses in the development and application of high-resolution models was summarized. The paper also introduced the current situation and problems for the development and evaluation of high-resolution models and focused on the key scientific and technical bottlenecks which restrict the development of high-resolution models, including the development of dynamic framework of the high-resolution ocean and atmospheric models and massive high performance parallel computing, the improvement of the sub-grid physical parameterization scheme, and mesoscale air-sea interaction. Meanwhile, the scientific objects and experiments design of the international high resolution climate model intercomparison project (HiResMIP) of the coupled model intercomparison project phase 6 (CMIP6) was introduced. Finally, we prospect the future developments and evaluations of high-resolution climate models in China was proposed.

Keyword: Numerical simulation; Dynamic framework; Sub-grid physical parameterization scheme; Mesoscale air-sea interaction.
1 引言

气候系统模式是研究全球气候变化的重要工具之一, 已经在地球科学研究中得到广泛应用。但遗憾的是, 目前模式性能尚不能完全满足气候变化模拟和预测研究的需求。例如, 对参与国际耦合模式比较计划(Coupled Models Intercomparison Project, CMIP)的耦合模式结果的比较和评估分析表明, 尽管当前气候模式在很多方面具有不错的模拟能力, 但是模拟结果仍然存在较大的不确定性, 主要表现在热带模拟误差、云— 气溶胶— 辐射气候反馈过程、区域尺度气候模拟、极端事件模拟等许多方面。

大量研究指出, 气候模式的不确定性主要来自次网格参数化过程[1, 2], 因此提高模式空间分辨率, 直接分辨更多的中小尺度动力过程, 从而减小对参数化过程的依赖性, 是目前物理气候系统模式的重要发展趋势之一[3]。以往的天气预报和气候模式研发经验也表明, 提高模式分辨率是减小模式误差的重要途径之一。这是因为大气和海洋环流包含各种时空尺度的运动, 而且不同尺度运动之间存在密切的相互作用。但是任何气候模式的空间分辨率都是有限的, 为了考虑次网格尺度的过程对于可分辨尺度环流的贡献和影响, 模式通常采用次网格物理参数化过程描述其对大尺度环流的影响和贡献。这些物理参数化过程一般是基于某种前提条件和有限的观测数据建立的, 缺乏普适性, 往往是模式不确定性的最大根源之一。因此, 当模式分辨率提高之后, 模式就能直接模拟出原本一些需要进行次网格参数化的过程, 因而会减小模式对物理参数化过程的依赖性, 对模式性能改善大多会起到正面效果。但另一方面, 任何气候系统模式的空间分辨率与次网格参数化过程应该相互匹配[4], 二者具有同等的重要性。因此高分辨率模式必须同时兼顾动力框架和次网格参数化过程的改进, 才有可能取得更好的模拟效果。

在过去30多年中, 气候模式的空间分辨率一直随着计算机性能的提高而增加, 因此所谓“ 高分辨率” 气候模式的定义也不是一成不变的。鉴于当前计算机的性能, 目前国际上把水平分辨率高于50 km的大气环流模式和高于10 km的海洋环流模式, 称为高分辨率大气和海洋模式, 后者也被叫做涡分辨率海洋环流模式。受到计算资源限制, 高分辨率模式现在只能进行几十年的数值模拟试验, 但基本上可以满足研究年际及更短时间尺度气候变率的需要。近年来, 高分辨率大气模式、海洋模式及其耦合气候模式的研制和应用得到了世界上各大气候数值模拟中心的重视, 特别是最新CMIP第6阶段(CMIP6)已经明确将高分辨率耦合模式模拟比较计划(High Resolution Model Intercomparison Project, HiResMIP)列为其子计划之一, 本文将对这方面的研究进展进行总结和展望。

2 全球高分辨率气候系统模式的国内外研究进展
2.1 全球高分辨率海洋环流模式

全球高分辨率海洋环流模式也称为“ 涡分辨(eddy resolving)” 的海洋环流模式, 一般是水平网格距离小于10 km的海洋环流模式, 能够模拟出海洋中尺度涡旋(mesoscale eddy)的特征及其气候效应。而且由于具有较高的水平分辨率, 涡分辨海洋环流模式还可以较好地刻画复杂的海底地形和海陆分布, 以及海洋西边界流等环流的时空结构等, 因而全球涡分辨海洋环流模式的研发和应用在物理海洋和气候研究中越来越受重视和关注。

进入21世纪, 随着计算机能力的不断增强, 学者开始利用全球海洋环流模式进行中尺度涡旋分辨率的数值模拟研究甚至开展海洋环流的实时业务预测。在气候模拟方面, Masumoto等[5]基于MOM3(Modular Ocean Model)框架发展了一个准全球(模式区域为75° S~75° N, 不包含北冰洋)高分辨率海洋模式, 水平分辨率为10 km, 垂直方向为54层, 并在并行计算方面做了重要调整。借助于地球模拟器, 该模式进行了50年涡分辨的数值试验。Maltrud等[6]利用基于POP(Parallel Ocean Program)模式发展的全球涡分辨率模式进行了涡分辨的数值试验, 该模式在赤道地区的水平分辨率为10 km, 在北半球采用可替换的极地格点, 从而包含了北冰洋, 垂直方向为40层。Thoppil等[7]利用水平分辨率为8 km的HYCOM(Hybrid Coordinate Ocean Circulation Model)进行数值试验研究了模式中涡动能的变化, 并与观测进行了比较。这些数值模拟研究结果指出, 相对低分辨率数值模拟结果, 涡分辨海洋环流模式在许多方面极大地提升了模式的性能, 例如模拟的中尺度运动能量更加接近观测结果, 西边界流及其延伸体的强度和位置也与观测更接近。利用上述海洋环流模式, 国内不少学者也进行了涡分辨率的数值模拟试验和模式比较研究工作, 特别是评估了模式对中国近海环流的模拟能力[8, 9]。在业务预报方面, Smedstad等[10]和Shriver等[11]分别利用约化重力模式NLOM(NRL Layered Ocean Model)中的2套涡分辨率预报系统:6.25 km实时涡分辨率全球海洋预报系统和3.125 km实时涡分辨率全球海洋预报系统对中尺度变量和其他尺度变量进行临近预报, 发现水平分辨率提高对模式临近预报的精确度和预报技巧等方面都有很大的提高。

自20世纪80年代末以来, 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(IAP/LASG)的科学家一直致力于自主发展全球海洋环流模式。张学洪等先后研发了4代全球海洋环流模式[12~15]。为了更好地模拟海洋中尺度涡旋和西边界流等特征, IAP/LASG学者在改进后的第四代全球海洋环流模式, 即LASG气候系统海洋模式LICOM2.0[16] (LASG/IAP Climate system Ocean Model)的基础上, 把模式水平分辨率提高到全球均匀的0.1度(10 km), 垂直分辨率提高到55层, 并对模式的动力框架和并行方案进行必要改动之后, 建立了一个准全球(模式区域为78° S~66° N, 不包含北冰洋)涡分辨率海洋环流模式[17]。同国际上其他涡分辨率模式类似, 该模式比较真实地重现了许多中尺度涡旋的特征(图1), 特别是在黑潮及其延伸体、湾流及其延伸体以及南大洋绕极环流区域, 海洋中尺度涡旋显得最为活跃, 同时模式模拟的西边界流也更为合理[18]。最近, 俞永强等①又在此基础上研制了基于三极网格的10 km水平分辨率的全球海洋模式, 极大地改进了模式在高纬度的模拟能力。

图1 周平均海表高度的标准差[17]
(a)卫星高度计资料MSLA(2000年1月2日至2007年12月19日); (b)0.1° × 0.1° 分辨率LICOM(2000年1月1日至2007年12月31日)和(c)1° × 1° 分辨率LICOM (1° × 1° 分辨率LICOM使用的是逐日的海表高度输出)Fig.1 The STD of weekly SSHA[17]
(a)A satellite altimeter during 2000-01-02 to 2007-12-19 (MSLA), (b)Eddy-resolving LICOM (0.1° ) and (c) coarse-resolution LICOM (1° ) during 2000-01-01 to 2007-12-31.The daily SSHA is also used in the coarse-resolution OGCM

2.2 全球高分辨率大气环流模式

随着大气模式动力框架的逐渐成熟和高性能计算机的发展, 近年来有关高分辨率大气模式的研究工作也在不断增加。Satoh等[19]基于球面正二十面体剖分方案建立了一个全球非静力的云分辨率模式NICAM(Non-hydrostatic Icosahedral Atmospheric Model), 最高的水平分辨率相当于3.5 km。借助于地球模拟器, NICAM已经完成了数年的数值试验, 初步分析表明该模式在MJO模拟[20, 21]、热带气旋模拟[22~24]、季风模拟[25~27]等方面相对于低分辨率模式显示出显著的优势。大部分低分辨率气候模式对季风降水的分布和变化的模拟技巧很低[28], 可能是由于低分辨率气候模式不能充分地分辨中尺度山脉[29], 而中尺度山脉地形是形成季风对流的重要媒介, 也是季风对流— 循环相互作用的关键因素[30]。当模式水平分辨率提高到20 km及以上, 高分辨率气候模式能够合理地模拟出印度夏季风降水在局地的空间分布和季节变化, 特别是沿西部高止山脉的狭长山脉地区[26]以及印度次大陆和印度— 中国半岛的山脉地区[25](图2)。目前关于夏季风爆发在预报技巧和可预报性等预报方面的研究还很少[31], 因为低分辨率全球模式预报印度夏季风的爆发存在很大的挑战[32], 模式模拟的印度夏季风爆发比实际发生时间要晚[33]。而高分辨率大气模式NICAM(水平分辨率14 km)能根据季风爆发两星期前的初始场逼真的模拟出印度夏季风的爆发, 是由于高分辨大气模式能更好地再现热带扰动, 从而增强了模式对印度夏季风爆发的可预报性[34]。Satoh等[22]利用NICAM模拟季节内振荡及其与热带气旋的关系, 发现高分辨率大气模式能够模拟出印度季风的季节内振荡特征, 以及比低分辨率大气模式更接近观测的热带气旋的风— 气压关系。Satoh等[35]利用NICAM采用3种不同的水平分辨率(14 km, 7 km, 3.5 km)研究降水的日循环, 发现模式分辨率提高, 陆地降水日循环的位相和振幅越接近于观测, 水平分辨率为3.5 km的模式试验模拟的陆地降水的日峰值和振幅与雷达观测资料最相似。美国GFDL实验室基于球面立方体剖分方案和通量形式的半拉格朗日平流算法[36], 建立了水平分辨率相当于12.5 km的大气环流模式, 并在热带气旋的模拟和预测方面取得了显著效果[37, 38]。美国国家大气研究中心(National Center for Atmospheric Research, NCAR)最新版本CAM5(Community Atmosphere Model), 可以采用有限体积、有限谱元、谱等3种动力框架实现高分辨率模拟, 谱框架最高分辨率为25 km左右, 其他2种框架最高分辨率都可以达到12.5 km左右, 均能相当真实地模拟出热带气旋的生消过程[39]。国内在高分辨率大气环流模式方面起步稍晚, 但是近年来还是取得了不少重要进展。例如, 中国气象局数值预报中心在有限差分框架下建立了全球中期数值预报模式(Global/Regional Assimilation and Prediction System, GRAPES)[40, 41], 其最高水平分辨率已经达到25 km。王斌等①基于LASG格点大气环流模式(Grid-point Atmospheric Model of IAP/LASG, GAMIL), 已经初步实现50 km水平分辨率的模拟试验。为了提高LASG大气模式(Spectral Atmospheric Model of IAP/LASG, SAMIL)的水平分辨率, 通过在模式中引进球面立方体剖分方案和通量形式的半拉格朗日平流算法, LASG学者建立了基于有限体积方案的大气环流模式FAMIL (Finite-volume Atmospheric Model of IAP/LASG), 其中水球试验中最高水平分辨率可以达到12.5 km[42~44]。

图2 观测和模拟的夏季(6~8月)平均的降水率[25]
(a)和(b)区域为印度— 中国季风区, (c)和(d)为全球热带区域。观测降水(a, c)来源于TRMM_3B42, 模式数据(b, d)为水平分辨率7 km的模式试验, 单位为mm/dFig.2 Observed and simulated precipitation rate as June-July-August average[25]
(a) and (b) over the Indo-China monsoon region, (c) and (d) over global tropics. The observed precipitation (a and c) is from TRMM_3B42, and the simulation (b and d) is for 7 km-mesh run. Units: mm/d

2.3 全球高分辨率耦合模式

在高分辨率大气模式和海洋模式出现之后, 全球高分辨率耦合气候模式的研发工作也随即展开。早期受到计算机资源的限制, 耦合模式中大气和海洋分量模式无法同时具有高分辨率, 通常将其中一个模式的分辨率固定为较低的分辨率, 另外一个模式采用从低到高的不同分辨率, 对比分析由于大气或者海洋模式分辨率提高之后对耦合模式平均态和年际变化等方面的影响。例如, 当固定海洋模式分辨率仅仅改变大气模式分辨率时, 有些试验表明大气模式分辨率提高之后对平均态和ENSO的模拟明显改进[45, 46], 但也有试验表明大气模式的分辨率影响较小[47]。这些不同研究结果之间的差别, 也许与大气模式中的次网格参数化过程有关。高分辨率大气环流模式中次网格参数化过程目前还很不完善, 所以模拟结果具有不确定性。另外一些研究则探讨海洋模式分辨率对耦合系统的影响, 例如, Kirtman等[48]利用NACR CCSM (Community Climate System Model) 耦合模式进行一系列数值试验, 发现当海洋模式分辨率达到0.1° 时, 不仅耦合模式模拟的ENSO明显增强, 而且海气相互作用过程也更为合理。Delworth等[49]利用GFDL的耦合模式也进行了类似研究, 发现采用涡分辨率海洋模式的耦合试验能够全面改进模拟的气候平均态。分辨率增加对耦合模式气候敏感度(即全球表面平均气温对CO2浓度加倍的响应)的影响, 也是很多学者关注的热点问题。Delworth等[49]和Sakamoto等[50]都发现, 与低分辨率模式相比, 高分辨率耦合模式的气候敏感度明显增加, 可能与海洋中尺度涡旋与云— 辐射反馈过程有关。目前水平分辨率最高的耦合模式是基于NCAR CCSM4框架建立的, 其中大气模式为CAM3.5, 水平分辨率为25 km, 海洋模式为POP2.0, 水平分辨率为10 km[51, 52]。当大气和海洋模式的水平分辨率同时提高之后, 模式可以较好地模拟出观测中的中尺度海气相互作用特征。例如在海洋锋区附近, 海温异常与海表风速表现为显著正相关, 这与高分辨率卫星观测结果一致, 而低分辨率模式则无法模拟出这一现象。

鉴于近年来全球高分辨率气候系统模式的研制、评估和应用研究已经受到相当多的关注, 在即将开始的CMIP6当中, HiResMIP也成为其中重要的子计划之一 (https:∥dev.knmi.nl/projects/highresmip/wiki)。目前国际上打算参与该计划的耦合模式有10个左右, 其中大部分大气模式水平分辨率在25 km左右, 海洋模式水平分辨率在10 km左右。该计划主要包括以下2组试验:①1950— 2013年在观测海温强迫下, 用高分辨率大气模式进行AMIP试验; ②1950— 2013年的辐射强迫下, 用高分辨率耦合模式进行历史气候变化试验。上述试验主要目的是, 评估目前高分辨率模式对气候平均态、年际气候变率和长期气候变化的模拟能力, 特别是相对于低分辨率耦合模式, 高分辨率模式有何改进及其机理, 帮助科学界进一步改进和完善气候模式并减小气候预测和预估的不确定性。

3 全球高分辨率气候系统模式研发和评估中的关键科学和技术问题

综上所述, 高分辨率气候模式的研发尚处于起步阶段, 正面临着诸多关键科学和技术方面的挑战, 其中包括:①高分辨率大气和海洋环流模式动力框架的完善和大规模高效并行; ②分辨率与次网格参数化过程的匹配; ③高分辨率气候模式的评估和检验。

3.1 海洋模式动力框架与高性能并行计算

早期的全球海洋环流模式垂直方向大都是采用Z坐标, 水平方向采用经纬网格。由于在经纬坐标框架下, 北极点是奇点, 速度无法定义, 因此经纬网格海洋模式一般都把北极点处理成为一个孤岛。另外, 经纬网格纬向格距随着纬度增加而急剧减小, 为了保证计算稳定性, 通常在南北半球高纬度对模式的所有预报变量进行纬向平滑或者滤波。上述处理对海洋模式带来了3个缺陷:首先北极点作为孤岛, 模式就根本无法模拟穿越极点的海流, 也就无法模拟合理的海冰空间分布; 其次, 应用纬向滤波实际上显著影响差分格式的计算精度, 并相当于人为地增加了水平黏性和扩散, 使得海洋模式模拟的经向翻转环流和经向热输送显著减弱; 最后, 随着水平分辨率增加, 模式必须采用并行计算, 但是人为地在海洋模式中增加高纬度滤波, 会导致并行计算中不同计算结点之间计算负载的不均衡性, 最终使得模式并行计算效率低下。

为了解决上述缺陷, 最初采用坐标变换的方法, 将北极点旋转到陆地上, 南极点保持原有位置不变, 模式在北冰洋的模拟性能以及并行效率都得到了极大地改善。但是坐标旋转也带来了另外的麻烦, 就是在全球范围内坐标网格不再与经线和纬线平行, 但是在极区以外实际的海洋环流基本上以纬向流为主, 采用上述旋转坐标网格计算会引起比经纬网格更大的截断误差, 同时也使得模式结果的后处理变得十分复杂。因此, 近年来国际上主流的海洋模式都采用三极网格的方式首先对球面剖分。所谓三极网格, 就是南极点保持不变, 而通过数学变换, 将北极点一分为二, 分别放在北美大陆和欧亚大陆上, 具体的实施细节见参考文献[53]。采用三极网格之后, 在北极附近模式的空间分辨率相对比较均匀, 不需要使用任何空间滤波也可以保证模式的计算稳定性。而在北冰洋之外的区域, 模式的网格大体上经线和纬线平行, 最大程度地保留了经纬网格的优点。目前, LICOM全球海洋模式的最新版本就是采用了上述三级网格。

3.2 大气模式动力框架与高性能并行计算

传统的全球大气环流模式如果以动力框架作为区分标准, 一般可以分为2类:有限差分模式和谱模式。前者大多将模式方程变量分布在等距或者不等距的经纬网格上, 利用有限差分的方法进行求解; 后者则是利用球谐函数的正交特性, 先将模式方程在有限维Legendre函数空间上展开, 然后求解。对于谱模式, 根据平流计算方案的不同, 又可以进一步细分为欧拉框架和半拉格朗日框架。基于经纬网格的有限差分动力框架, 随着纬度增加在纬圈方向的格距会急剧减小, 因而必须采用滤波或者其他方法才能保证计算稳定性[54]。谱模式是在正交函数空间求解模式方程组, 因此高分辨率不会影响计算稳定性, 但是在陡峭地形附近进行傅立叶展开时会产生吉布斯效应, 在高分辨率时尤为严重; 同时在模式运行时, 当对模式变量进行球谐函数展开时, 会产生大量的全局通信, 这会显著抑制大规模并行计算的效率。因此, 尽管欧洲中期数值预报中心已经将天气预报模式水平分辨率提高到T1279(相当于16 km), 但是必须承认在谱框架下进一步发展高分辨率大气环流模式还需要克服相当大的困难。

鉴于上述的有限差分框架和谱模式框架下研发高分辨率大气模式发展分别遇到不同的困难, 近年来不少研究工作采用其他方式对球面上的大气运动方程组进行离散。其中比较有代表性的工作包括, 将球面进行正二十面体剖分[55]和立方体剖分[56], 或者采用阴阳网格坐标系统[57], 这样做相当于把球面分割成不同的子区域, 每个子区域的网格都是均匀的, 因而就可以有效避免极区纬向格距过小引起的计算稳定性问题。同时采用有限体积或者有限元的方法对大气运动方程组离散求解。但是上述方法也存在一些挑战性, 即在不同子区域的界面上需要特别处理才能确保模式变量的连续性和守恒性。此外, 对于球面正二十面体剖分来说, 其网格单元必须是等边三角形或者六边形, 而不是通常使用的矩形结构网格, 因此保证计算方案的高精度和守恒性要比矩形网格更为困难。

3.3 次网格参数化过程

由于发展高分辨率气候模式必须同时兼顾动力框架和次网格参数化过程的改进, 而且模式框架的分辨率提高要和模式的物理过程描述的精细化程度相匹配, 其匹配程度与否与模式分辨率提高对提高气候模式模拟能力具有同等重要性, 因此在提高模式分辨率、改进模式动力框架的基础上, 参数化过程也必须进行相应的改进, 使其相互匹配。例如, 对于高分辨率海洋环流模式的研发, 除了改进动力框架, 还相应地需要改进物理参数化过程, 主要包括:垂直混合参数化过程、水平黏性和扩散过程、差分方案、并行计算和并行输入输出计算等。同海洋环流模式一样, 大气模式物理过程也需要随分辨率的提高而改进。大气模式的辐射传输方案需要特别处理提高分辨率条件下出现的云的空间非均匀效应: 一是在平面平行云框架内处理不同高度云层的垂直重叠方式, 二是云的水平非均匀效应。模式分辨率的提高要求对辐射参数化做精细处理, 包括气体吸收k-分布参数化、辐射传输算法优化等。当前模式对湿对流过程和云模拟存在极大的不确定性, 当分辨率提高至5~10 km时, 目前的积云对流参数化方案需要被显式云可分辨模式(Cloud Resolving Model)取代。对于低分辨率海洋模式, 中尺度涡旋参数化是必须的。当海洋模式分辨率提高10 km以上能直接模拟中尺度涡旋时, 就不需要中尺度涡旋参数化, 但此时还需考虑次中尺度涡旋参数化过程。目前, 已有的高分辨率气候系统模式中的次网格参数化过程都已经进行了相应的改进, 但仍存在不足, 例如有些研究表明高分辨率大气模式有可能高估模拟的降水, 这很可能是因为模式中云微物理参数化、对流参数化等过程与分辨率不协调造成的。由于高分辨率模式计算量巨大, 这就给模式的参数化方案改进和优化提出了巨大的挑战, 为此有研究者提出利用同化系统通过很短的天气预报试验来诊断模式误差的来源[58], 还有研究者提出利用云可分辨模拟数值结果或者大涡模拟技术改进目前模式的次网格参数化过程[59]。

3.4 中小尺度海气相互作用

最近对基于卫星观测的高分辨率海表温度、风应力等观测数据研究表明, 中小尺度(几十到几百公里)海气相互作用与大尺度(1 000 km以上)海气相互作用具有显著不同的特点[60, 61], 因此分析模式模拟中小尺度海气相互作用的能力是检验和评估模式性能的重要途径。大尺度海气相互作用中海表温度与表面风速和风应力为负相关, 表明大气强迫是海温变化的原因; 而中小尺度海气相互作用在海洋锋区和海洋中尺度涡旋附近等温度水平变化剧烈区域, 表现为正相关, 表明海温增加使得大气行星边界层垂直混合加强, 进而动量下传, 引起表面风速增加。由海洋中尺度过程引起的大气变化将通过湍流运动和热通量进一步影响海洋环流。通过对CMIP3耦合模式评估发现, 低分辨率模式只能模拟出大尺度海温与风速负相关的特征, 无法模拟中小尺度海温与风速正相关的特征[62]。但当模式分辨率提高之后, 特别当海洋模式能够准确地刻画中尺度涡旋之后, 耦合模式就能够模拟出与观测类似的中小尺度海气相互作用特征(图3)[51]。目前已经有2种典型的机制用来解释中尺度海表温度和风速的正相关特征:动量混合机制[63]和压力调整机制[64]。然而对于这2种机制在不同区域和不同时间尺度上哪一种机制的作用更重要还存在一定的争议。因此, 对比高时空分辨率卫星观测资料, 评估高分辨率耦合模式在中小尺度海气相互作用方面的模拟能力, 特别是在海洋锋区附近、中尺度涡旋等具有较强SST梯度区域海温异常对大气边界层和自由大气的影响, 以及中小尺度海气相互作用对大尺度环流的作用等非常重要。

图3 高通滤波表面风速和海表温度的时间相关[52]
图中打点区域代表t检验显著性超过95%置信水平; (a)1° 海洋和0.5° 大气(实验1); (b)0.1° 海洋和0.5° 大气(实验2); (c)0.1° 海洋和0.25° 大气(实验3); (d)卫星观测。模式结果分析用4年的月平均输出(48个月), 观测为2002— 2006年的AMSR和OuikSCAT数据Fig.3 Temporal correlation of high-pass filtered surface wind speed with SST[52]
Locations where ice appeared have been masked and stippling indicates statistical significance at the 95% level calculated using a two-sided t-test (a) 1.0° ocean and 0.5° atmosphere (experiment 1); (b) 0.1° ocean and 0.5° atmosphere (experiment 2); (c) 0.1° ocean and 0.25° atmosphere (experiment 3); (d) Satellite observations. Model analysis computed using four years of monthly averaged output (48 months), observational analysis using AMSR and OuikSCAT data for 2002-2006

4 总结和展望
4.1 总结

目前发展具有高空间分辨率的全球大气环流模式、海洋环流模式及其耦合模式已经成为当前气候模式研制的主要趋势之一。实际上, 模式发展是长期而艰巨的任务, 一个性能优秀的数值模式绝对不可能一蹴而就, 必须经过长期和艰辛的探索, 逐一解决其中关键的科学和技术难题, 在大量研究积累的基础上, 才有可能实现。本文在阐述发展高分辨率气候模式重要性的基础上, 对当今国内外全球高分辨率气候系统模式的研究进展进行了总结, 进而归纳了发展模式研发和评估中的关键科学和技术问题。主要有以下要点:

(1) 目前已有多个全球高分辨率海洋环流模式在低分辨率模式基础上将水平分辨率提高到了10 km甚至更高, 成功地模拟出了全球中尺度涡旋的基本特征。发展全球高分辨率海洋模式的科学和技术问题, 主要有以下几个方面:首先, 关注次网格参数化过程, 特别是湍流混合、内波混合和潮汐混合等垂直混合过程, 以及各向异性的侧向混合过程; 第二, 注重发展高精度的数值算法, 特别是低耗散、单调保形的物质平流算法; 第三, 重视对现有涡分辨率模式模拟结果的评估分析, 特别是模式对中尺度涡旋演变、波流相互作用等物理过程的模拟能力; 第四, 利用高分辨率模拟结果改进低分辨率模式的中尺度涡旋参数化方案。

(2) 全球高分辨率大气模式的研发方面主要有两方面的趋势:首先, 在传统谱框架和有限差分框架之外, 一些新的框架逐渐成熟, 并在并行计算效率、计算精度和稳定性等方面显示出独特的优势。例如, 基于球面正二十面体剖分方案或球面立方体剖分方案的框架; 阴阳网格坐标系统框架; 有限体积框架或有限元框架等。其次, 人们已经普遍意识到随着分辨率的提高, 物理参数化过程必须相应地改进才能得到更加理想的模拟结果。但是由于受到计算机能力的限制, 目前的高分辨率模式大多在不改变原有低分辨率模式参数化方案的前提下进行短期的数值试验, 暂时还没有进行大规模数值试验对次网格参数化过程进行改进和完善。可以预见, 在高分辨模式的动力框架基本稳定和计算机能力不断增加的条件下, 未来高分辨率模式的发展将更加注重物理参数化方案的改进及其与动力框架的协调性。

(3) 随着全球高分辨率耦合模式的发展, 对模式的评估和应用研究也受到了很多关注, 特别是模式对中小尺度海气相互作用的模拟。目前研究发现, 高分辨率耦合气候系统模式相对于低分辨率模式能更好地模拟出与观测类似的中小尺度海气相互作用特征。

4.2 展望

虽然近年来, 我国国家自然科学基金委员会、科技部以及中国科学院在气候系统模式和地球系统模式方面已经资助了很多研究项目, 但是对于高分辨率全球耦合气候系统模式(10~25 km)方面的研究目前还是空白。IAP/LASG的学者今后将在改进后的高分辨率大气环流模式FAMIL[42]和海洋环流模式LICOM[17]基础上, 通过耦合器进行耦合, 建立一个高分辨率的耦合气候系统模式, 并参加CMIP6中的HiResMIP计划。未来高分辨率海洋和大气环流模式将进行以下改进:

(1) 动力框架方面:海洋模式LICOM拟将经纬坐标系统改为基于任意正交曲线坐标的海洋模式动力框架, 进而在LICOM海洋模式中采用三极坐标离散和求解原始方程组。大气模式FAMIL在模式中引进了球面立方体剖分方案和通量形式的半拉格朗日平流算法。

(2) 海洋模式中将引进高精度平流格式:目前LICOM采用的温盐平流方案是二阶精度的差分方案, 具有很好的单调性、守恒性, 但是计算步长偏小、数值黏性稍大, 这会对模式计算效率和深海环流有一定影响。因此计划引进目前大气模式FAMIL中采用的通量形式的半拉格朗日平流算法, 提高平流格式的计算精度, 增加模式积分的时间步长、减小计算代价。

(3) 海洋模式物理过程也将进行改进:针对目前涡分辨率海洋环流模式LICOM中各项同性侧向扩散和黏性方案(Isotropic lateral diffusion and viscosity)存在的偏差, 例如在高度坐标下侧向扩散导致的穿越等位密度面的虚假扩散等, 在LICOM中引进各项异性的侧向扩散和黏性(Anisotropic lateral diffusion and viscosity)参数化方案, 改进对海洋深层环流的模拟能力。

(4) 大气模式FAMIL将改进云微物理过程:引入单参数的云微物理方案, 以及双参数的CLR云微物理方案, 从单纯的考虑云水, 云冰的辐射效应进一步能够考虑雪、雹等物质的辐射效应, 提高FAMIL较高分辨率版本对微物理过程的模拟性能。还改进行星边界层过程:引进1.5阶湍流闭合方案, 其中湍流扩散系数依赖于湍流动能变化, 同时将云顶附近的扩散方案改用挟卷参数化, 以此来改善两大洋东岸的低云的模拟。

The authors have declared that no competing interests exist.

参考文献
[1] Bony S, Dufresne J L. Marine boundary layer clouds at the heart of tropical cloud feedback uncertainties in climate models[J]. Geophysical Research Letters, 2005, 32(20), doi: 10.1029/2005gl023851. [本文引用:1]
[2] Wang Xiaoqing, Liu Jian, Wang Zhiyuan. Comparison of simulated and reconstructed temperature in China during the past 2000 years[J]. Advances in Earth Science, 2015, 30(12): 1 318-1 327.
[王晓青, 刘健, 王志远. 过去2000年中国区域温度模拟与重建的对比分析[J]. 地球科学进展, 2015, 30(12): 1 318-1 327. ] [本文引用:1]
[3] Rand all D, Khairoutdinov M, Arakawa A, et al. Breaking the cloud parameterization deadlock[J]. Bulletin of the American Meteorological Society, 2003, 84(11): 1 547-1 564, doi: 10.1175/BAMS-84-11-1547. [本文引用:1]
[4] Bennartz R, Lauer A, Brenguier J L. Scale-aware integral constraints on autoconversion and accretion in regional and global climate models[J]. Geophysical Research Letters, 2011, 38(10), doi: 10.1029/2011GL047618. [本文引用:1]
[5] Masumoto Y, Sasaki H, Kagimoto T, et al. A fifty-year eddy-resolving simulation of the world ocean-Preliminary outcomes of OFES (OGCM for the Earth Simulator)[J]. Journal of the Earth Simulator, 2004, 1: 35-56. [本文引用:1]
[6] Maltrud M, McClean J L. An eddy resolving global 1/10 degree ocean simulation[J]. Ocean Modelling, 2005, 8: 31-54, doi: 10.1016/j.ocemod.2003.12.001. [本文引用:1]
[7] Thoppil P G, Richman J G, Hogan P J. Energetics of a global ocean circulation model compared to observations[J]. Geophysical Research Letters, 2011, 38, doi: 10.1029/2011GL048347. [本文引用:1]
[8] Fang G H, Wang Y G, Wei Z X, et al. Interocean circulation and heat and freshwater budgets of the South China Sea based on a numerical model[J]. Dynamics of Atmospheres and Oceans, 2009, 47(1/3): 55-72. [本文引用:1]
[9] Xu D Z, Zhu J, Qi Y Q, et al. The impact of mean dynamic topography on a sea-level anomaly assimilation in the South China Sea based on an eddy-resolving model[J]. Acta Oceanologica Sinica, 2012, 31(5): 11-25. [本文引用:1]
[10] Smedstad O M, Hurlburt H E, Metzger E J, et al. An operational eddy resolving 1/16 degrees global ocean nowcast/forecast system[J]. Journal of Marine Systems, 2003, 40: 341-361. [本文引用:1]
[11] Shriver J F, Hurlburt H E, Smedstad O M, et al. 1/32° real-time global ocean prediction and value-added over 1/16° resolution[J]. Journal of Marine Systems, 2007, 65: 3-26, doi: 10.1016/j.jmarsys.2005.11.021. [本文引用:1]
[12] Zhang X H, Liang X. A numerical world ocean general circulation model[J]. Advances in Atmospheric Sciences, 1989, 6(1): 43-61. [本文引用:1]
[13] Zhang X H, Chen K M, Jin X Z, et al. Simulation of thermohaline circulation with a twenty-layer oceanic general circulation model[J]. Theoretical and Applied Climatology, 1996, 55(1): 65-87. [本文引用:1]
[14] Jin X Z, Zhang X H, Zhou T J. Fundamental framework and experiments of the third generation of IAP/LASG world ocean general circulation model[J]. Advances in Atmospheric Sciences, 1999, 16(2): 197-215. [本文引用:1]
[15] Liu Hailong, Yu Yongqiang, Li Wei, et al. LASG/IAP Climate System Ocean Model (LICOM 1. 0) Reference Manual[M]. Beijing: Science Press, 2014.
[刘海龙, 俞永强, 李薇, 等. LASG/IAP气候系统海洋模式(LICOM 1. 0)参考手册[M]. 北京: 科学出版社, 2004. ] [本文引用:1]
[16] Liu H L, Lin P F, Yu Y Q, et al. The baseline evaluation of LASG/IAP Climate system Ocean Model (LICOM) version 2. 0[J]. Acta Meteorologica Sinica, 2012, 26(3): 318-329. [本文引用:1]
[17] Yu Y Q, Liu H L, Lin P F. A quasi-global 1/10° eddy-resolving ocean general circulation model and its preliminary results[J]. Chinese Science Bulletin, 2012, 57(30): 3 908-3 916, doi: 10.1007/s11434-012-5234-8. [本文引用:2]
[18] Feng X, Liu H, Wang F, et al. Indonesian throughflow in an eddy-resolving ocean model[J]. Chinese Science Bulletin, 2013, 58(35): 4 504-4 514, doi: 10.1007/s11434-013-5988-7. [本文引用:1]
[19] Satoh M, Matsuno T, Tomita H, et al. Nonhydrostatic Icosahedral Atmospheric Model (NICAM) for global cloud resolving simulations[J]. Journal of Computational Physics, 2008, 227(7): 3 486-3 514. [本文引用:1]
[20] Miura H, Satoh M, Nasuno T, et al. A Madden-Julian oscillation event realistically simulated by a global cloud-resolving model[J]. Science, 2007, 318(5 857): 1 763-1 765, doi: 10.1126/science.1148443. [本文引用:1]
[21] Miyakawa T, Satoh M, Miura H, et al. Madden-Julian Oscillation prediction skill of a new-generation global model demonstrated using a supercomputer[J]. Nature Communications, 2014, 5: 3 769, doi: 10.1038/Ncomms4769. [本文引用:1]
[22] Satoh M, Oouchi K, Nasuno T, et al. The intra-Seasonal Oscillation and its control of tropical cyclones simulated by high-resolution global atmospheric models[J]. Climate Dynamics, 2012, 39(9): 2 185-2 206. [本文引用:2]
[23] Yamada Y, Satoh M. Response of ice and liquid water paths of tropical cyclones to global warming simulated by a global nonhydrostatic model with explicit cloud microphysics[J]. Journal of Climate, 2013, 26: 9 931-9 945, doi: 10.1175/JCLI-D-13-00182.1. [本文引用:1]
[24] Miyamoto Y, Satoh M, Tomita H, et al. Gradient wind balance in tropical cyclones in high-resolution global experiments[J]. Monthly Weather Review, 2014, 142: 1 908-1 926. [本文引用:1]
[25] Oouchi K, Noda A T, Satoh M, et al. Asian summer monsoon simulated by a global cloud-system-resolving model: Diurnal to intra-seasonal variability[J]. Geophysical Research Letters, 2009, 36(11): L11815, doi: 10.1029/2009GL038271. [本文引用:2]
[26] Rajendran K, Kitoh A, Srinivasan J, et al. Monsoon circulation interaction with Western Ghats orography under changing climate Projection by a 20-km mesh AGCM[J]. Theoretical Applied Climatology, 2012, 110(4): 555-571. [本文引用:1]
[27] Kodama C, Yamada Y, Noda A T, et al. A 20-year climatology of a NICAM AMIP-type simulation[J]. Journal of the Meteorological Society of Japan, 2015, 93(4): 393-424. [本文引用:1]
[28] Gadgil S, Sajani S. Monsoon precipitation in the AMIP runs[J]. Climate Dynamics, 1998, 14(9): 659-689. [本文引用:1]
[29] Lau K H, Kim J H, Sud Y. Intercomparison of hydrologic processes in AMIP GCMs[J]. Bulletin of the American Meteorological Society, 1996, 77: 2 209-2 227. [本文引用:1]
[30] Xie Shangping, Xu Haiming, Saji N H, et al. Role of Narrow Mountains in large-scale organization of Asian Monsoon convection[J]. Journal of Climate, 2006, 19: 3 420-3 429. [本文引用:1]
[31] Shao Xie, Huang Ping, Huang Ronghui. A review of the South China Sea summer monsoon onset[J]. Advances in Earth Science, 2014, 29(10): 1 126-1 137.
[邵勰, 黄平, 黄荣辉. 南海夏季风爆发的研究进展[J]. 地球科学进展, 2014, 29(10): 1 126-1 137. ] [本文引用:1]
[32] Li JianPing, Zhang Li. Wind onset and withdrawal of Asian summer monsoon and their simulated performance in AMIP models[J]. Climate Dynamics, 2009, 32(7/8): 935-968. [本文引用:1]
[33] Sperber K, Annamalai H, Kang I, et al. The Asian summer monsoon: An intercomparison of CMIP5 vs. CMIP3 simulations of the late 20th century[J]. Climate Dynamics, 2013, 41(9/10): 2 711-2 744. [本文引用:1]
[34] Kajikawa Y, Yamaura T, Tomita H, et al. Impact of tropical disturbance on the Indian summer monsoon onset simulated by a global cloud-system-resolving model[J]. SOLA, 2015, 11: 80-84. [本文引用:1]
[35] Sato T, Miura H, Satoh M, et al. Diurnal cycle of precipitation in the tropics simulated in a Global Cloud-Resolving Model[J]. Journal of Climate, 2009, 22(18): 4 809-4 826. [本文引用:1]
[36] Lin S J, Rood R B. Multidimensional flux from semi-Lagrangian transport schemes[J]. Monthly Weather Review, 1996, 124: 2 046-2 070. [本文引用:1]
[37] Gall J S, Ginis I, Lin S J, et al. Experimental tropical cyclone prediction using the GFDL 25-km-resolution global atmospheric model[J]. Weather and Forecasting, 2011, 26(6): 1 008-1 019. [本文引用:1]
[38] Chen J H, Lin S J. Seasonal predictions of tropical cyclones using a 25-km-resolution general circulation model[J]. Journal of Climate, 2013, 26(2): 380-398, doi: 10.1175/JCLI-D-12-00061.1. [本文引用:1]
[39] Evans K J, Lauritzen P H, Mishra S K, et al. AMIP simulation with the CAM4 spectral element dynamical core[J]. Journal of Climate, 2013, 26(3): 689-709, doi: 10.1175/JCLI-D-11-00448.1. [本文引用:1]
[40] Chen Dehui, Shen Xueshun. Recent progress on GRAPES research and application[J]. Journal of Applied Meterological Science, 2006, 17(6): 773-777.
[陈德辉, 沈学顺. 新一代数值预报系统GRAPES研究进展[J]. 应用气象报, 2006, 17(6): 773-777. ] [本文引用:1]
[41] Chen Dehui, Xue Jishan, Yang Xuesheng, et al. The overall design of the new generation global/regional assimilation and prediction system GRAPES[J]. Chinese Science Bulletin, 2008, 53(20): 2 396-2 407.
[陈德辉, 薛纪善, 杨学胜, 等 GRAPES新一代全球/区域多尺度统一数值预报模式总体设计研究[J]. 科学通报, 2008, 53(20): 2 396-2 407. ] [本文引用:1]
[42] Zhou L, Liu Y, Bao Q, et al. Computational performance of the high-resolution Atmospheric Model FAMIL[J]. Atmospheric and Oceanic Science Letters, 2012, 5(5): 355-359. [本文引用:2]
[43] Zhou L, Bao Q, Liu Y, et al. Global energy and water balance: Characteristics from Finite-volume Atmospheric Model of the IAP/LASG (FAMIL1)[J]. Journal of Advances in Modeling Earth Systems, 2015, 7(1): 1-20, doi: 10.1002/2014MS000349. [本文引用:1]
[44] Wang X, Liu Y, Lin S J, et al. The application of Flux-Form Semi-Lagrangian transport scheme in a spectral atmospheric model[J]. Advances in Atmospheric Sciences, 2013, 30(1): 89-100, doi: 10.1007/s00376-012-2039-2. [本文引用:1]
[45] Navarra A, Gualdi S, Masina S, et al. Atmospheric horizontal resolution affects tropical climate variability in coupled models[J]. Journal of Climate, 2008, 21: 730-750. [本文引用:1]
[46] Gent P R, Yeager S G, Neale R B, et al. Improvements in a half degree atmosphere/land version of the CCSM[J]. Climate Dynamics, 2010, 34: 819-833. [本文引用:1]
[47] Hack J J, Caron J M, Danabasoglu G, et al. CCSM-CAM3 climate simulation sensitivity to changes in horizontal resolution[J]. Journal of Climate, 2006, 19: 2 267-2 289. [本文引用:1]
[48] Kirtman B P, Bitz C, Bryan F, et al. Impact of ocean model resolution on CCSM climate simulations[J]. Climate Dynamics, 2012, 39(6): 1 303-1 328, doi: 10.1007/s00382-012-1500-3. [本文引用:1]
[49] Delworth T L, Rosati A, Anderson W, et al. Simulated climate and climate change in the GFDL CM2. 5 high-resolution coupled climate model[J]. Journal of Climate, 2012, 25: 2 755-2 781. [本文引用:2]
[50] Sakamoto T, Komuro Y, Nishimura T, et al. MIROC4h—A new high-resolution atmosphere-ocean coupled general circulation model[J]. Journal of the Meteorological Society of Japan, 2012, 90(3): 325-359. [本文引用:1]
[51] McClean J L, Bader D C, Bryan F O, et al. A prototype two-decade fully-coupled fine-resolution CCSM simulation[J]. Ocean Modelling, 2011, 39(1/2): 10-30, doi: 10.1016/j.ocemod.2011.02.011. [本文引用:2]
[52] Bryan F O, Tomas R, Dennis J M, et al. Frontal scale air-sea interaction in high-resolution coupled climate models[J]. Journal of Climate, 2010, 23(23): 6 277-6 291, doi: 10.1175/2010JCLI3665.1. [本文引用:1]
[53] Murray R J. Explicit generation of orthogonal grids for ocean models[J]. Journal of Computational Physics, 1996, 126(2): 251-273. [本文引用:1]
[54] Wang Bin, Ji Zhongzhen. New Numerical Methods and Application in Atmospheric Science[M]. Beijing: Science Press, 2006.
[王斌, 季仲贞. 大气科学中的数值新方法及其应用[M]. 北京: 科学出版社, 2006. ] [本文引用:1]
[55] Sadourny R, Arakawa A, Mintz Y. Integration of the nondivergent barotropic vorticity equation with an icosahedral hexagonal grid for the sphere[J]. Monthly Weather Review, 1968, 96(6): 351-356. [本文引用:1]
[56] McGregor J L. Semi-Lagrangian advection on conformal-cubic grids[J]. Monthly Weather Review, 1996, 124: 1 311-1 322. [本文引用:1]
[57] Dudhia J, Bresch J F. A global version of PSU-NCAR mesoscale model[J]. Monthly Weather Review, 2002, 130(12): 2 989-3 007. [本文引用:1]
[58] Klinker E, Sardesmukh P D. The diagnosis of mechanical dissipation in the atmosphere from large-scale balance requirements[J]. Journal of the Atmospheric Sciences, 1992, 49: 608-627. [本文引用:1]
[59] Rand all D, Branson M, Wang M, et al. A community atmosphere model with superparameterized clouds[J]. Eos, 2013, 94(25): 221-228. [本文引用:1]
[60] Xie S P. Satellite observations of cool ocean-atmosphere interaction[J]. Bulletin of the American Meteorological Society, 2004, 85: 195-208, doi: 10.1175/BAMS-85-2-195. [本文引用:1]
[61] Chelton D B, Schlax M G, Freilich M H, et al. Satellite measurements reveal persistent small-scale features in ocean winds[J]. Science, 2004, 303(5 660): 978-983. [本文引用:1]
[62] Maloney E D, Chelton D B. An assessment of sea surface temperature influence on surface winds in numerical weather prediction and climate models[J]. Journal of Climate, 2006, 19(12): 2 743-2 762. [本文引用:1]
[63] Wallace J M, Mitchell T P, Deser C. The influence of sea surface temperature on sea surface wind in the eastern equatorial Pacific: Seasonal and interannual variability[J]. Journal of Climate, 1989, 2(12): 1 492-1 499. [本文引用:1]
[64] Lindzen R S, Nigam S. On the role of sea surface temperature gradients in forcing low-level winds and convergence in the tropics[J]. Journal of the Atmospheric Sciences, 1987, 44(17): 2 418-2 435. [本文引用:1]