第8讲 气候预测：（一） 月、季、年际短期气候预测 目录 天气与气候预测的区别与气候的可预报性 气候模式的模拟与区域化问题 短期气候预测的理论、方法与现状 模式预报的不确定性与集合预报 天气与气候预测的区别与气候的可预报性 从未来预报时效、原理和方法上区分气象预报可分为三种类型：天气预报，短期气候预测和气候变化预估。由于后两种预报的差别主要在时间尺度上，所以可统称为气候预测。因而气象预报简单地说包括天气预报和气候预测。但近年来，也有人认为天气预报与短期气候预测都依赖于初始条件，只是预报期延伸的长度不同，应统称天气—气候预报，而气候变化仅取决于外强迫作用，不同于前两种或天气—气候预报（表1）。 数值天气和气候预报的可预报性问题 许多理论和数值研究表明，大气存在着内在的可预报性，即使以最理想的观测系统也只能作出2～3周有用的预报。我们知道，制约大气预报正确性一般有两个因素：（1）模式误差，这是因为预报模式中考虑和表示的物理过程与发生在大气中的实际物理过程不一致，例如在物理参数化处理中，是通过一种平均过程将次网格的动力过程和物理过程对网格以上尺度的平均影响表示出来。这种情况下，对平均影响的偏离即是误差的一个来源。另外无论是格点大气模式或谱模式，其空间分辨率都受到计算能力的限制；（2）初始误差，这是因为大气实际的初始状态与用于模式初始值的资料之间有差别。许多人研究了初始误差的问题，考察它在时间积分过程中是如何向后传播的，直到所得到的解不再能与随机过程区别开来为止。对于初始误差一般是用概率论和统计方法进行研究。 气候模式的模拟与区域化问题 气候模式的结构和主要特点 气候模式已成为预测全球气候变化的主要工具。其中最常用的全球模式是把大气与海洋耦合在一起的海气耦合模式（AOGCM）。它包括大气模式、海洋模式和海冰模式以及陆面模式等部分。大气与海洋模式主要由描述动量（风或海流）、热量和水汽、质量等变量大尺度演变的一套方程组构成，方程的求解是在全球的网格点上进行的。目前大气模式的网格点水平格点之间距离，即水平分辨率平均为250公里，边界层分辨率为200—400米。在这么大量的格点上求解多种大气与海洋要素需要在巨型高速计算机上进行，它的浮点运算速度一般在1012次/秒以上。模式一般每半小时积分一次，一次运算则需要积分几十年到上千年。因而气候模式的预测不仅依赖于模式本身的设计水平，而且密切地与计算机技术的发展有关。 气候模式的设计包括四个重要的方面： 气候模式应如何准确地模拟对人类重要的特征和参数，尤其是温度，降水，风和风暴强度等地面变量和状况。不但要模拟它们的平均值，而且还应模拟它们的变幅与极端值及其它自然变率。 如何在气候模式中包括和表征气候系统和许多重要的物理过程； 如何把各圈层的模式或物理过程有机地组合集成在一个庞大的气候模式中。这就是所谓耦合技术或方法； 为了对未来几十年或近百年的气候变化作出预测，必须知道未来全球范围温室气体和硫化物气溶胶的排放情景。依据不同的情景，可以预测未来不同的气候变化。为实现上述模式的需求，在气候模式中必须考虑以下气候过程以及他们的相互作用。 因而正确模拟海洋热盐环流是正确模拟和预测气候变化的一个前提；更为重要的是气候变化本身与海洋热盐环流存在相互作用。全球变暖后，到达高纬度（如北欧至冰岛之间）的海水温度也将升高，并且由于中高纬降水的增加，海水的盐度将减少，这两个原因都使那里的海水密度减小。从而下沉的海水速度将减小，使深海的回流海水的速度也减慢，最后将导致整个热盐环流减弱。如果这种气候变暖的趋势继续很长的时间，则迟早会导致热盐环流显著减弱或最后停止或关闭。在这种情况下，由于失去了南北热量的交换和调节机制，高纬地区将逐渐变冷，最后甚至会进入寒冷的冰期。从这个意义上看气候变暖和气候变冷都不是绝对不变的，它们会发生突变或迅速的转化。但科学家们认为虽然目前有某些迹象表明大西洋热盐环流有某种减弱，但至少在未来100年中，不会关闭。气候变暖将会继续下去。 国际上的新发展 海-陆-气-冰耦合模式系统→气候系统模式→地球系统模式系统 天气与气候预测结合 不同时间尺度预测的结合 高分辨率模式系统 MRI Earth System Model 气候模式的演变和谱系 气候模式是由上世纪50年代发展的数值天气预报模式演变而来，但由上节阐述的，从气候模式所包括的物理过程看，它的历史发展比天气预报模式要复杂的多，气候模式是通过近30年的发展才演变成今天这么复杂的程度。早期（1970年中期）的气候模式只是大气模式，海洋是作为下边界条件给定的。到1980年中，海洋和海冰模式以及陆面模式被研制出来，并开始与大气模式耦合。这个时期，又研制了大气化学模式，包括硫化物循环模式，陆地碳循环模式，海洋碳循环模式等。到1990年代末，气候模式已发展的相对完善，海—陆—气耦合模式中已包含了硫化物循环。这时还研制了非硫化物循环模式和动态植被模式，陆地和海洋碳循环模式已融合成完整的碳循环模式。现今建立的气候模式已完全包括了碳循环和硫化物与非硫化物气溶胶作用，既可以研究自然的气候变化与变率，又可以研究人类活动引起的温室气体与硫化物气溶胶增加的作用。在不久的将来，动态植被或生态模式被置入气候模式后，气候模式将具有研究与土地利用变化等有关生物圈变化的能力。那时的气候模式将基本上发展成真正的气候系统模式。 降尺度方法 目前AOGCMs中大气模式的水平分辨率一般局限于400～125km范围内，较粗的分辨率很难对区域尺度的复杂地形、地表状况和某些物理过程进行正确的描述，从而导致区域尺度的气候模拟及气候变化预测等产生较大的偏差，影响其可信程度。因此，利用AOGCM得到某些区域性或局地性的气候特点比较困难，对区域尺度的气候变化尤其是对季节到年际降水的模拟和预报误差比较大，然而对于气候变化对农业、水文等的影响研究，通常需要区域或流域尺度的信息。为了克服这种尺度不匹配的问题，“降尺度”（downscaling）方法逐渐发展起来，其基本做法是将AOGCMs输出的大尺度信息恰当地转换到区域和局地尺度，进而用于区域气候变化和气候变化影响等方面的研究。降尺度方法主要包括两种，即动力降尺度和统计降尺度。 动力降尺度的第三种途径是，将高分辨率的区域气候模式（RCMs）与全球气候模式进行嵌套，以达到研究全球尺度与区域尺度的相互影响、并将AOGCM输出的大尺度信息通过嵌套高分辨率区域模式进行“动力学降尺度”传输到区域和局地尺度的目的。同时区域模式可以通过对地形、植被、河流、陆面过程特征、海岸线等更细微的表征产生中小尺度气候特征。RCMs模拟区域气候的能力很大程度上取决于大尺度环流场的线年代初提出，其后在气候研究领域得到了广泛的应用。 统计降尺度方法包括三种，一种是回归型模式，包括线性和非线性的相关，二是基于天气分型的技术，三是无条件或有条件的天气发生器，用于生成局地变量的综合序列；而这三种方法的结合可能才是最好的统计降尺度方法。前两种方法在气候学特别是天气气候学中应用广泛，有很长的历史，第三类方法在农业、水文领域中使用广泛。天气发生器（weather generator），又称天气数据模拟模型，是研究某个地区天气或气候的一般特征，并根据这些统计特征模拟出该地区一年内逐日天气数据的模型。天气发生器通过直接拟合气候要素的观测值，得到统计模型的拟合参数，然后用统计模型模拟生成随机的气候要素的时间序列。这种方法生成的气候情景数据与观测值很相似。 短期气候预测的理论、方法与现状 季节预报 20世纪60年代，人们通过对海洋，大气进行观测和诊断研究发现了耦合气候系统中某些现象的可预报性。以后TOGA（热带海洋全球大气）试验揭示出ENSO是最强的气候信号，为季节和年际预报提供了坚实的物理基础。制作季节预报的方法有两类。一类是基于资料统计分析的统计方法，另一类是基于气候系统变化规律的动力方法，即气候模式预测方法。在过去20年，动力方法得到了迅速的发展。早期主要使用中等复杂的海气耦合模式，并重点制作ElNino预报（如C-Z模式）。后来在实际工作中提出2种方法制作季节动力预报：一是两步法，即先用统计或动力方法得到SST预报。然后用预报的SST作为下边界驱动大气环流模式（AGCM），得到季节预报。 这种方法可以利用大气对海洋强迫的优势响应与遥相关得到一些有用的预报结果。但许多模式的检验表明，预报技巧主要来自热带，但热带海洋的现象又是当地或遥远地区海气耦合作用的结果。如果只有海洋对大气的单向影响，而没有大气对海洋的反馈作用，会给季风，降水，与云量带来很大的误差。 到20世纪末由于海气或海陆气耦合模式的迅速发展（CGCM）出现了第二种方法，即一步法。虽然CGCM仍存在明显的系统性误差，但在很大程度上可以模拟和预测ENSO真实特征的能力。因而CGCM被认为是季节预报的最佳工具。 误差来源及其解决途径 主要为大气混淆运动造成的误差和模式误差。前者主要由初始条件的误差引起。通常用改变或扰动大气初始条件的多样本集合方法来减小大气混沌运动产生的误差。为了降低次网格尺度参数化方案引起的不确定性除在模式中采用随机物理扰动方案外，更有效的方法是采用多模式集合方法（MME）来减少由模式误差造成的预报不确定性。MME的基本思想是：如果参与MME的各模式中的参数化方案是相互独立的，则由参数化方案引起的模式误差是随机的，因而可以用平均方法去消除掉，至少部分消除掉这类误差，结果使MME预报优于其中任一个单模式所做的预报。 目前已有欧盟的DEMETER和APCC多模式集合预报计划。但根据最近Bin Wang对14个气候模式系统（7个二步法，7个一步法）25年回报的评估，季风降水预报仍是最大的难点，陆地上夏季季节降水量的技巧评分很低。热带地区平均的降水预报技巧在中东太平洋地区平均技巧评分最高，热带非洲的评分最低。上述事实表明ENSO区的技巧是最高的，它是海洋对大气强烈强迫的结果。这也说明在二步中为什么这个地区的技巧也是最高的。 下面举几个中国气象局国家气候中心单模式多样本（8个）动力季节预报的例子。 未来季节预报的改进 从理论上，选取优秀的模式，并且它们彼此之间又相互独立，组成MME，可以预期达到更好的预报效果。 那么什么是好的或优秀的模式呢？ 首要条件是能准确预测ENSO事件，包括它的振幅，空间结构和详细演变过程。其次是改进对陆面过程的了解及其初始化，尤其是了解陆面过程和陆—气相互作用在月，季预报中的作用。最后是继续改进大气环流的平均状态，季节循环以及低频与瞬变天气的统计特征。 模式预报的不确定性与集合预报 集合预报是用某种方法生成不同的初值，然后得到不同的预报结果或预报成员，然后用概率方法对所有的预报成员进行集合，最后得到最可能的预报结果。由于预报模式分辨率，集合成员数，扰动初值的方法和模式本身的不断改进，促使了集合预报方法的迅速发展，并且检验和使用集合预报的方法也得到了相应的发展。 多样本集合预报 解决初值条件误差和模式误差的途径是使用集合天气预报系统（EPS），以此估计可能预报结果发生的概率。EPS是由略微不同的初值或不同模式作出个别预报（预报成员）的集合。集合平均代表EPS确定性的预报结果，各成员对集合平均的散布或标准差，代表EPS的不确定性，一般认为由内部变率造成。任一地点和任一变量的EPS不确定性可由概率密度函数（PDF）表征。它是由不同集合成员构成的一种频率分布。 图19 ECMWF对风暴“Lother”海平面气压（1999年12月24日）的集合预报（TL255）。上图左：确定性预报，上图右：验证分析。下面的50幅小图是集合预报的各个成员。可以看到虽然确定性预报并没有抓住这个极端事件，但其中14个成员预报出了强度大致相近的风暴（取自THORPEX科学计划，2004年） 集合预报可看做是计算条件概率分布的一种过程，即用一特定预报模式和初条件计算由一预报模式系统得到的PDF。在预报开始的时候，PDF开始很狭窄，预报成员的初始离散度反映的是分析的不确定性。随着预报超前期增加，初始小扰动出现混沌增长，这使预报变得越来越不确定，并且在较短时间内对小尺度系统的可预报性不断消失，以后是大尺度系统的可预报性也消失。一个有技巧的PDF旨在抓住这种PDF的演变，因而PDF是随地点与时间而变，例如对一个发展的气旋2天预报的不确定性可能比一准静态反气旋大。 为了使一个EPS具有技巧，PDF必须具备两个特性：（1）须包括事件发生的天气，即检验观测；（2）在比可预报性上限短的预报超前期，PDF必须较窄或者具有不同于气候概率分布的平均值（最好是一个窄的偏离气候平均的分布），这表明所得的结果是适合要预报的特定气象条件。如果PDF满足上两个条件，所给出的预报将比相关的气候条件具有更多的技巧。由上可见，预报的PDF要尽可能狭窄，并且集合平均要尽可能接近检验分析。 图20 说明某一预报时刻气候（平均值为0）与预报的PDF（偏离0平均）示意图。它是由一个初始很狭窄的PDF演变而来。为使EPS可靠起见，在该超前期的检验分析必须落在气候分布区内。彩色区指明落入气候极值区内检验分析的机会，它与由气候分布所预期的机会有很大差别。（取自THORPEX科学报告） 区域气候模式—动力Downscaling即把包含最高风险的全球集合成员取出，组成一个子集合集，用高分辨区域模式再做一次预报。这样可充分了解与评估高影响天气可能产生的社会/经济影响。全球EPS的全部成员可做为驱动区域模式的边条件，也可取其中高影响天气潜力最大的子集做为边条件。据此可以得到区域模式的PDF及其不确定性，甚至可以了解边界条件不确定性来自何处。 未来集合预报研究方向（THORPEX建议） （1）初条件对预报的不确定性 如果小尺度运动的初值有不确定性，可通过逆尺度使预报误差迅速增长。而分析和预报不确定是以缓变，更强的大尺度运动为主。应研究上述与其它初始不确定性在限制预报技巧中的相对作用，应研究更合理的集合预报系统的初始扰动方案。 （2）改进集合预报系统 这包括集合的初始扰动（陆面和海面），分析不确定性，非参数化，不可分辨现象对可分辨尺度的影响，预报模式（数值计算与参数化）等。还应研究多模式，多参数集合预报方法以及随机参数化和集合样本数的最佳选取。 （3）在生成集合中，利用适用方法，包括集合预报系统的构造，使其适合天气状态和用户需求。如分辨率与样本数之间的最佳选取等。 （4）多中心集合 多模式或多参数化集合会产生另外的有用的散布分布，但这些方法多是特定的。尚不清楚，其收效是由于多种模式的应用，不同模式系统提供的初值差异，还是所用模式中不同偏差相互抵消或上述诸种原因的组合造成。将来可发展和评估一种新的集合系统（称THORPEX交互式大全球集合系统）。它是各数值天气预报中心产生的集合预报的组合。这种方法的优点是用了不同的资料同化，集合生成和NWP模式设计的方法。这种多模式，多分析与多国家集合可为全球用户提供任何地区的高影响天气的集合预报。 制作多样本集合预报目前有下列三种方法。Monte Carlo预报方法（只需要定义初始条件和m个（最少是8个）预报）；滞后平均预报方法，繁殖法，奇异向量法等。不论何种方法，，差别主要在于其初始误差产生的方式。可概括成两类：初始扰动是随机的与初始扰动取决于基本气流的动力特点。第一类即Monte Carlo法，其扰动本身的取法是随机的，但其振幅是真实的。 集合预报的目的有三个：（1）通过集合平均提高预报质量；即平滑或抵消掉预报中的随机部分或不确定（彼此不同）部分，保留集合成员中的共同具有的特征。（2）提供预报的可靠性，主要考察预报成员之间的离散程度之大小，如大，至少其中某些预报是有错误的。如离散小，则信号高，集合平均为确定预报值，个别成员预报与集合平均差为预报误差；（3）为概率预报提供基础。 3.多模式集合预报（超级集合预报） 分两个阶段：训练和预报阶段。训练阶段的目的是为了得到每一预报期（天，候，月等）每一模式的统计权重。它可用简单的最小二乘法得到其系统性偏差（模拟或回报值与观测值之值）。以后将此系统性误差用于预报阶段以构建超级预报。结果表明，用此方法与模式中最好的预报技巧相比还有提高。如中国地区的5天预报可增加2天，10天预报增加2天以上。在多模式集合预报中，如果成员南宫28模式具有一致的，大的系统误差，则超级集合能使这些误差在一定程度上抵消，使集合预报减小。随机误差一般都会有明显减小。所选模式的性能要好。这样系统性误差小，最后集合预报更能突现由外强迫产生的气候信号。 在得到集合预报中，可用简单的算术平均或不等权重加权平均。每一模式的权重系统在训练阶段由过去的行为，性能与误差决定。超级预报S表示为 是观测的时间平均，ai是个别模式i之权重， Fi 是模式i的预报值， 是个别模式i在训练期预报的时间平均。 虽然气候模式的模拟取得了重大的进展和成功，但模式仍有一些明显的误差。如热带降水，ENSO事件（厄尔尼诺—南方涛动），Maden-Julian振荡（热带地区时间尺度为30-90的风与温度变化）等模拟仍存在缺陷。产生模拟误差的主要原因是许多重要的中小尺度过程不可能直接在模式中得到表征，必须以近似的方法（如参数化方法）包括在模式中，一般对于 尺度较小的物理过程如云和中小尺度系统，所产生的误差更大。这表明对它们的科学认识和数学表征尚不足。这使得在模拟过去气候的演变中存在着明显的不确定性，具体表现在不同的模式之间的变化范围有时较大。这涉及到气候的敏感性问题，但尽管有明显的模式误差或不确定性，但气候模式在模拟和预测温室气体增加条件下气候的变暖趋势是一致的，并且模拟的增暖量值与独立的观测到的气候变化和古气候重建的结果是一致的。 总之，气候模式的信度来自于它们的物理基础和他们在模拟观测的现代气候和过去气候变化的技巧。气候模式被证明在模拟和了解气候方面是极重要的工具，因而应该有相当的信心认为，气候模式有能力为未来气候变化提供可信的定量气候变化预测，尤其是对大尺度现象和气候事件。 图21（a）典型的集合预报分量示意图。（1）对照预报（标有C），从真实大气初始状态的最好估计分析场开始（用×表示）；（2）两个扰动集合预报（标有P+和P-），从对照场中加上和减去初始扰动；（3）集合平均，用A表示；（4）大气“真实”演变，用T表示。这是一个“好”的集合，因为“真实”状态看起来是集合的一个合理成员。要注意由于比初始和真实大气较靠近的成员的误差要慢，这就造成误差的非线性过滤：集合成员的均值区域比对照预报更加接近“真是”大气（Toth和Kalnay，1997）。（b）一个“不好”的集合预报示意图，其中预报误差由系统误差所控制（比如模式缺陷）。在这个例子中，集合对预报无用，但它能帮助我们确定预报误差可能是由于系统误差的存在引起的，而不是由于初始条件误差的混沌增长所造成的。 图22 集合预报示意图。从表示初始条件的不确定性（理想的是分析误差协方差）的圆内出发的有代表性的一组根据扰动初始条件的个别预报的轨迹，结束于可能的解范围之内。对较短期而言，预报之间比较接近，可以看成是确定性的。但超过时间为2～3天，而对单个风暴等中尺度而言短到只有几小时，对强非线性参数而言过渡时间要短一些：及时对大尺度场，降水预报表现出显著的发散，比500hPa场发散得快。预报场可能向A或者B子集集聚（选自Traction和Kalnay，1993）。 图23 集合气候预测的示意图。依据十分接近的一组初始条件制作的30天气候预测。有些集合预报整体上表现出低的离散度，有些则表现高度散度，低离散度的集合预报可用于实际的预报，它具有更大的可信度 Coupled climate model MIROC Data Assimilation Prediction Products Assimilation/ Initialization Data SPAM （System for Prediction and Assimilatgion by MIROC) Akimasa Sumi （Kakushin-2 , a follower from K-1 group) 图6 Projection of the Change in Weather Extremes Using Super-High-Resolution Atmospheric Models in the KAKUSHIN Program Akio Kitoh (MRI/JMA), Shoji Kusunoki (MRI/JMA), Eiichi Nakakita (DPRI/Kyoto-Univ.), Kuniyoshi Takeuchi (ICHARM/PWRI) and Hiroki Kondo (AESTO) with the project team A1. Tropical Cyclones A2. Extreme Weather C. Flood Disasters B. Uncertainty 20km Global and 1km 5km Regional Models 图7 整个气候系统模式的耦合和运行是十分复杂的，并需要巨大的计算机资源。现在气候模式已包括了硫化物循环，它可以描述这种气溶胶的排放以及如何氧化形成气溶胶颗粒。在一些气候模式中，与陆地和海洋碳循环模式的耦合也取得了进展，大气化学过程模式正被耦合到气候模式中。总之，气候模式发展的最终目的是尽可能把整个气候系统都包含在模式中。这样可以包括各圈层的各种主要相互作用，气候的预测将有可能考虑各圈层之间的反馈作用。但要实现这个目标，还要走相当长的路程。气候模式是所有自然科学领域中应用的最复杂，最精细的计算机模式，它的发展需要多学科和计算机发展的有力支持。发展复杂的气候模式是当今和未来气候模式研究的主要方向，但是这需要很多人力和物力，也需巨大的计算机资源，因而不是每一个国家或每一个部门都能做得到的。通过多年的努力中国也发展了自己的海陆气耦合气候模式，并正用于季度、年度的预报和未来50—100年的气候变化预测。 为了制作未来全球和区域气候变化的预测还必须知道未来温室气体和硫化物气溶胶排放的情况，这被称作排放情景。这种排放情景是根据关于驱动因子的一套假设得出的。它包括人口增长率，经济发展速度，技术进步水平，环境条件，全球化情况和公平原则等。上述六个条件基本上决定着未来排放的数量和排放途径。对这六个条件可能出现的各种情况进行组合，就可以得到不同的排放结果，涵盖了从最低排放（如人口增长率很低，使用高科技，经济发展速度适中等）到最高排放（人口增长不加控制，技术发展缓慢，经济快速发展等）的各种情况。由此可以进一步算出大气浓度的情景，然后可计算出响应的南宫28辐射强迫，再把它作为输入，放入气候模式中驱动模式气候的变化。IPCC共发展了两套排放情景，早先的是1992年的排放情景，主要用于第二次评估报告中气候模式的预测（1996）。这套排放情景被称为IS92情景。第二套排放情景是2000年提出的，称作SRES情景，已用来代替IS92用于第三和第四次评估报告中的气候预测中（2001与2007年）。SRES排放情景由四种不同的情景构成的情景族组成：高经济发展情景（A1），区域资源情景（A2），全球可持续发展情景（B1）和区域可持续发展情景（B2）。 图8 气候模式的发展图谱（IPCC,2001） 由上可见，气候模式演变的主要特征是模式的复杂性不断增加，即更多的气候系统的圈层与物理和地球生物化学过程被包括在模式中；同时模式的分辨率也不断提高；模拟和预测的时间长度也不断增加。所以能做到这一点，关键是计算机能力的迅速提高。从1970年代至今的20年中，超级计算机速度增加达1百万倍。目前大气模式的水平分辨率在200-250Km，有的已达100Km左右。垂直分辨率在边界层以上达1Km。海洋模式的垂直分辨率为200-400m，水平分辨率达125-250Km，甚至更小。模拟和预测的时间长度从月、季、年际，年代际、百年，甚至千年长度。其积分的时间步长一般为半小时左右。 图9 用于IPCC评估报告中四代气候模式空间分辨率的连续改进的情况（IPCC,2007） 图5 图10 全球气候模式的发展 模式的复杂性增加也反映在未来气候变化预测的明显改进上。早期的CO2引起的气候变化预测用大气环流模式耦合一个简单的平板海洋模式，这种海洋模式没有海洋动力学过程。因而在1990年第一次气候评估报告（FAR）中大多数预测结果主要是来自大气模式，而不是耦合气候系统模式。当时主要用于大气中CO2浓度加倍条件下平衡气候变化的研究，因而并不真正是对未来气候变化的预测，而是一种敏感性试验。而现代的气候变化预测随着模式的不断改进，可以提供时变的气候变化情景，并能利用复杂的耦合海气模式预测不同温室气体与气溶胶排放情景下未来百年甚至更长时期的气候系统的变化。有些耦合模式包括了交互的化学或生物模式，可以更真实地模拟和预测气候变化以及了解各种气候反馈作用的影响。 耦合的海气气候模式是目前最复杂的气候模式，也是考虑气候系统各圈层及其相互作用最完整的气候模式（即完整性）。即使是如此，它也没有包括现今对气候系统认识的全部结果。因为目前的计算机能力不可能把全部复杂的气候过程都包括在气候模式中进行运算。从而减少对计算能力的需求。因而在气候模式发展的历史中，出现了针对不同实际问题的气候模式，它们具有不同程度的复杂性和完整性，整体来讲，构成了气候模式的谱系。这个模式谱系的建立是十分必需的，它可以实现科学认识和计算效率与模式真实性之间的平衡或折中，从而指导人们为解决某一实际问题以最佳的方式选择某一类气候模式。另外通常也需要在气候系统的每一圈层内平衡诸重要过程表征的详略相对程度与参数化水平。最后的目的是达到每一种模式最佳地回答某一或某些特定问题。从这个角度上讲，说某一层次上的模式比另一层次上的模式好或坏事是没有意义的，重要的是每一种模式能解决适合于它要求的复杂水平和模拟质量的问题。 气候模式的谱系包括三类模式：耦合海气模式或耦合的三维气候模式简单气候模式和中等复杂程度模式（EMICs）。 （1）动力降尺度 动力降尺度可以通过三种途径实现，一是增加全球大气环流模式（AGCM）的分辨率，如目前的高性能计算系统可以使用水平分辨率为20km的全球大气模式进行短期的气候模拟，但是如果全球模式的分辨率过高会大大增加计算量，不太适于更深入细致的研究区域气候的问题。尺度代表性的评估发现，高分辨率全球大气模拟的几乎所有量与观测的一致性都比粗分辨率全球大气模式更好，但是不同区域的改进程度存在明显差异。AGCMs在没有大气和海洋耦合的情况下，会引起模拟气候变率的明显失真。动力降尺度的第二种途径是，在AGCMs中采用变网格的技术方案，即将重点关心区域的模式水平网格加密，网格从疏逐渐变密，这种方法能够抓住高分辨率区域内更小尺度上的细节特征，并且还能够保持原统一分辨率模式对全球的模拟技巧。 （2）统计降尺度 统计降尺度，也称为经验降尺度，是由大尺度气候信息获取中小尺度气候信息的有力工具。它可以视为与动力降尺度平行的降尺度方法，或者可以看作是动力降尺度的补充。其基本思路是：局地气候是以大尺度气候为背景的，并且受局地下垫面特征，如地形、离海岸的距离、植被等的影响，在某个给定的范围内，大尺度与中小尺度气候变量之间应该有一定的关联；统计降尺度有两部分组成，首先是发现和确立大尺度气候要素（预报因子）和局地气候要素（预报量）之间的经验或统计关系，然后是将这种关系应用于全球模式或区域模式的输出。成功的统计降尺度有赖于可靠的预报因子和预报量的长时间序列资料。IPCC有关影响和气候分析的资料和情景支持特别工作组（TGICA）提供的指南中提供了有关该方法的复杂背景以及统计降尺度方法使用中的重要问题。 具体使用的最优降尺度方法的选择取决于预报量的类型、时间分辨率及气候变化前景的应用。一些线性方法，例如典型相关分析（CCA）、奇异值分解（SVD）、逐步回归分析等，可用于进行温度和月平均降水的降尺度。然而，为了做日降水的降尺度，还有非线性的天气分型方法、神经网络法和相似法等可供考虑。和线性方法相比，非线性方法通常能够保持预报量的更多方差，而且用于许多个预报量的降尺度。用各种不同的统计方法同时对同一变量进行降尺度，对比他们的结果可以更好地理解各种不同统计方法所存在的分歧、问题和不确定性。 动力降尺度和统计降尺度方法还可以结合起来，不过这种结合尚不够成熟，所以应用不多。无论是动力降尺度还是统计降尺度，结果都有一定的不确定性，除了降尺度模式本身的问题，还有一个共同的不确定性来源，那就是大尺度模式。因为，这两种方法都必须由GCM提供大尺度的信息，所以选择模拟能力较好的GCM至关重要。 图11 观测的CMAP降水（1979-1999）与5个模式模拟集合平均的6-8月降水间的相关系数（BinWang， Ding et al。， 2005） 季节预报的物理基础在于缓慢变化的下边界强迫。特别是异常的SST以及陆面过程强迫。对于二步法，这种强迫是单向的，没有考虑改变后的大气又是如何影响下边界的。对于一步法，下边界仍是主要的强迫，但这是一种耦合强迫，即下边界条件的变化包括了大气反馈的结果。在自然界和在CGCM中，气候可预报性来自耦合的缓慢的大气内部变化和海陆表面的初始记忆以及在耦合变化过程中反馈作用的大小。反馈作用可以增强和改变初始强迫的量值和符号。因而CGCM更能反映真实的气候演变过程。在季节预报中，对于二步法，初值与下边界都是重要的，对于一步法，初值是最主要的，所以季节预报本质上也是一个初值问题。 图12 1981-2003年用14个APCC/CliPAS模式MME系统分别提前1个月进行夏季（JJA）和冬季（DJF）季节预报所得到的将是预报与观测之间的时间相关系数（细（粗）实线代表统计显著性水平超过0.05（0.01）的相关系统，引自Wang等的文章） 图13 图14 图15 图9 图16 图17 图18 * 表1天气预报和气候预测的区别 五个圈层的资料明显不足，预测理论问题未完全解决，如大气内部变率的作用 五个圈层，即大气，陆面，生物，水圈和冰冻圈 从全球各圈层的变化及其与大气圈的相互作用（利用耦合的气候模式或统计模式）预测未来气候，除大气圈外的其它圈层资料作为边界条件是不断演变的。尤其是海洋和陆地下边界状况。 长时期天气的平均状况（如干湿、冷暖）及其异常程度 月、季、年 短期气候预测 海洋，高山，沙漠地区等大气观测资料缺乏造成初始条件误差 全球大气圈，其它圈层资料作为边界条件基本固定 从已知大气初始状态利用流体动力学方程组或数理统计方法预测未来天气 每天的天气现象，如暴雨，台风，大风，雪暴，雷暴，冰雹，高温等 1-7天 天气预报 主要难点 所需资料 预报原理 预报对象 时间尺度 预报类型 除了耦合气候模式或地球系统模式本身包含的不确定性外，排放情景也具有很大的不确定性。并且对于未来自然的外强迫（如火山，太阳辐射）以及气候系统内各种复杂的反馈过程都缺乏充分的了解。 除五大圈层资料外，需要构建描述未来世界温室气体和气溶胶排放的可能情景，它作为主要的辐射强迫驱动全球气候变化 利用包括地球生物化学过程的耦合气候模式或气候系统模式在不同温室气体和气溶胶排放下预估未来百年或更长时期的全球或区域气候变化 气候系统的长期演变，温度和降水的变化以及其它圈层的响应或变化 十年以上至百年或更长 气候变化预估 气候预测与天气预报相比有三个方面的难点： （1）预报时间长。天气预报一般为1-7天，将来最长可延伸到2周。这主要是天气预报作为一个初值问题受到可预报性上限的限制。而气候预测是对月、季、年以及十年和百年长时间尺度的气候变率或异常状态与进行预测或预估。众所周知，预测时间越长，不确定因素越多，越复杂，因而预测的难度越大，预测结果的准确性也较低。 （2）气候预测的原理和方法复杂，尚处于研究阶段。虽然气候模式基本上由数值天气预报模式演变而来，但气候预测不能完全沿用中短期天气预报的原理与方法，必须发展新的气候预测理论与方法。 （3）资料和数据不足。由于气候预测需要各圈层，即整个气候系统的资料，因此困难比天气预报要严重的多。 关键的问题是天气预报从数学上被看作初始问题，只要有足够准确的初始场和完善的数值预报模式，随着不断的向前积分，模式能够做出1-7天或到10天的准确天气预报。但是气候预测，仅考虑初始对预报结果的影响尚不够（主要是对短期气候预测），更主要的是考虑大气层上下边界的外强迫作用（如海洋、陆面、太阳辐射、火山爆发）以及由人类活动排放的温室气体与气溶胶的作用，土地利用变化的作用等。由于这些因子与大气圈的相互作用过程与机理十分复杂，目前对他们的了解十分不足，这大大增加了气候预测的不确定性。另外由于大气内部运动的复杂性和动力学上的混沌性质，也大大限制了气候预测准确性。这种差异主要反映在天气预报模式主要考虑的是流体动力学原理，而气候预测除此之外，还必须重点考虑全球大气的辐射传输和长时期能量平衡问题，这对十年—百年尺度的气候预测尤其重要。地球的能量平衡或收支是地球气候变化的重要驱动力，它是地气系统吸收的太阳辐射与地气系统放射到外空的长波（红外）辐射之差。它受到许多因子的影响。 （3）气候预报需要的资料十分复杂和广泛，它包括五个圈层以及温室气体和气溶胶排放的资料及太阳活动和火山爆发等其它资料。要获得这些地球系统的足够观测资料目前尚有困难，这需要通过全球气候观测系统（GCOS）或地球观测系统的建立逐步解决。太阳活动和火山爆发的资料，尤其是将来的变化更是难以得到。因而气候预测也受到其它相关学科发展的限制。这与天气预报主要只涉及到大气圈层资料是十分不同的。它明显地限制了气候预测的准确性和可信度。 由上可见气候预测包含的不确定因素多，准确率低，是目前国际上正迫切研究和解决的科学难题。最后应该指出，气候变化的预估（Projection of Climate Change）实际上是预测气候系统对人类活动引起的温室气体与气溶胶排放或大气浓度情景（构想）或辐射强迫情景的响应，是在未来各种可能发生的社会、经济、人口、环境治理、技术进步等综合假设条件下做出的，因而严格说来，不是预报或预测，而只是告诉人们未来可能的气候变化趋势与变化范围。 气候模式的发展之所以受到很大的重视，主要在于它对未来的气候条件能够提供有物理依据、比较可信的客观、定量的预测结果，尤其是对大尺度气候异常和变化的预测可信度较高。相对于其它预测方法气候模式之所以有这样的信度来自三个原因：一是构建气候模式的基础是一套描述地球系统特征的物理或定律和数学方程组，它们在物理学和数学或计算数学领域中是完全被证明和公认的。这包括经典的质量、能量和动量守恒定律。同样重要的是除了这一表征气候系统的方程组之外，还具备较完备的全球观测资料，它可以使这套方程组计算的结果有一个与实际情况相比较的标准，这也是其它学科所不完全具备的。气候模式可信度较高的第二个原因来自于它模拟或复制现代气候的能力。通过与大气、海洋、冰冻圈和陆面观测资料的大量比较和评估表明，气候模式在模拟许多重要的平均气候特征与不同时间尺度分布型和变率两个方面都显示出显著的和不断改进的技巧和成功。对于平均气候特征包括：大气温度，降水，辐射和风的大尺度分布，以及海洋温度，海流和海冰覆盖等。 对于气候变率包括重要季风系统的进退，温度季节变化，风暴路径和雨带，以及中高纬地面气压（所谓南北半球环状模），半球尺度的振荡（或称北极涛动，AO）。在用一些气候模式模拟或制作短期气候和天气预报中也显示一定的技巧，它们能够表征更短时间尺度大气环流的重要特征。气候模式信度的第三个来源是能够重现或复制过去气候（古气候）和气候变化的特征。气候模式已用于模拟6000年前全新世中期温暖时期或21000年前末次冰盛期的古气候。他们能够模拟出诸如末次冰盛期海洋冷却数值和大范围分布的许多特征。模式也能够模拟仪器观测时期（1850年以后）气候变化的许多观测特征，如可以真实地模拟过去一百年的全球温度变化。由该图还可以看到可以模拟出每一次火山爆发后造成的随后短期（1-2年）气候变冷（如1991年皮纳图博火山）。此外值得一提的是，过去20年前气候模式预测的全球温度变化与以后的观测结果是一致的。这大大增加了对模式预测结果的信心。 （1）考虑和计算地球能量平衡或收支的变化，即辐射强迫。地球能量收支是地球气候系统吸收的太阳辐射与放射到外空的长波或红外辐射之差。气候模式的一个重要约束条件是长时期全球系统必须精确而准确的维持全球能量平衡。一旦这种平衡受到干扰或破坏，地球气候就会响应这种辐射强迫而发生变化。通过这种全球变化或调整，气候系统将会回复到原来的平衡状态，也可能会演变成一种新的平衡状态。由于海洋与对流层大气惯性比平流层大得多，一般是把大气顶的辐射强迫计算简化为对流层顶的辐射强迫计算。由自然和人类活动都可以引起全球辐射平衡的变化。这种收支只要出现很小的不平衡（如收支中最大项平均值的百分之几）就可以引起全球气候的明显变化。能够改变地球吸收的太阳辐射的外强迫过程主要有两种：太阳辐射输出量的变化与火山爆发。 图1 全球平均的百年近地面气温曲线个气候模式模拟的平均曲线（红色）。垂直灰色线是主要火山爆发时间（IPCC，2007） （2）能量与水循环过程。这包括水汽蒸发、凝结和平流及其空间分布；水汽的反馈作用以及能量（主要是辐射加热与冷却，凝结加热等）的收支和分布等。上述过程在天气预报模式中已被仔细的考虑，在气候模式中将更为关注对其反馈作用和循环过程的描写。 （3）云与云—辐射过程。在天气预报模式中对此已有很好的研究和表征，但在气候模式中作了更多的改进，因为这个过程对于气候预测的结果是更为至关紧要的，它关系云—辐射相互作用问题。云有两种作用，一方面通过将入射到云面的一部分太阳辐射反射回太空，减少气候系统获得的总入射能量，因而具有降温作用；另一方面云能吸收云下地表和大气放射的长波辐射，同时其自身放射热辐射，与温室气体的作用一样，能减少地面向外空的热量损失，从而使云下层温度增加。由于云的空间尺度（一般几公里到一、二十公里）比网格点间的尺度要小得多，因而在模式中很难直接表示单个云体的生命史及其作用。所以在模式中一般以比较简单的方法表示众多云体的平均或集合效应，这种方法叫云参数化方法。它是把积云的平均或集合效应近似地表示为大尺度（网格点）变量的函数。 由于大尺度变量在模式中是可以预报的，所以这种云的平均效应也是可以预报的。有了这种云参数化方案就可以预报模式中降水与凝结加热的分布与变化。模式中计算云—辐射相互作用的问题涉及到云的分类、分层（高、中、低云）以及对辐射的反照率和放射率等。一般模式中能否产生云，取决于大气相对湿度的大小。如果相对湿度大于某一定值（取饱和和接近饱和的条件），则认为此高度上有云生成。确定高、中、低云的湿度判据是可以调整的，直到模式模拟的全球云的分布基本上与实测的云分布一致为止。云的水平和垂直分布决定之后，下一个问题是确定云的形成与微物理过程。它们都能明显地影响云辐射反馈作用的数量与符号。即云的反馈作用决定于云的具体种类，云量，云的高度，光学性质等，例如当云量有百分之几（3%）的变化时就会对气候产生一定的影响。它所造成的增温相当，甚至超过温室气体引起的增温。因而云的反馈作用是气候变化及其预测中最不确定的因子之一。许多对云—辐射反馈作用的计算机模拟表明，不同的云参数化方案在CO2加倍的情况下，可以给出不同的全球平均升温值，可以在2—5℃之间变化。这关系到气候模式的敏感性问题，即同样的强迫（W/m2）不同模式给出不同的响应，即给出不同的全球平均增温值。这使目前的模式预测结果如前面所述，给出的变化范围甚大，有很大的不确定性。所以会出现这种情况，主要与不同模式中使用的云参数化方案密切有关。目前这是成为气候变化预测的一个中心问题。根据许多的研究表明，全球平均的云辐射的反馈作用最可能是一个小的正值（正反馈），但是区域分布差别甚大。 （4）海洋环流的影响。在天气预报模式中，一般不包括海洋模式，因为在几天时间内一般可不考虑海洋的作用。但对于需要长期积分的气候模式，必须考虑海洋的作用。过去的海洋模式比较简单，只用一个约100—200米深的海洋混合层来表征海洋的影响。在这种简单的海洋模式中不能直接考虑海流的影响，也不能考虑与各种扰动条件有关的海洋输送过程，如海洋混合过程，尤其是海洋内部中尺度涡旋的混合作用，因而有严重的不足。后来发展的海洋模式一般是全球性的，包括所有的大洋海盆和各种复杂的海洋过程，其中十分重要的是能模拟海洋的各种变率，如El Nino和La Nina现象。另外，利用这种模式也必须能模拟出海洋中热盐环流及其变化，这对气候变化的预测是十分重要的。如前所述，全球的气候在相当大程度上是通过海洋中的这种大尺度环流调节的。在这种环流中的上层和表层海水向北输送，把大量的过剩热量带向北，深层的向南回流海水把冷水向南输送。通过这种热量的交换，使高纬的天气与气候不致于太冷，变得较为温和。 （5）海气和陆气相互作用。在海气界面上发生着三种重要的过程，一是物理过程，它决定着海气界面的能量（热量、水汽和动量）和质量（气体和物质）交换或通量。关键的问题如何精确地计算全球和区域的通量。二是生物化学过程，它包括气溶胶和其它痕量气体的排放、沉降、海洋上层的吸收等。三是温室气体的释放和吸收过程，尤其是海气界面上CO2的通量是最重要的，它是全球碳循环的一部分，决定着将来的气候变化。另外，对于N2O和CH4的海气通量也是应考虑的因素。另外，来自大气的降水以淡水的形式通过海气界面可改变海洋中的盐分的分布，从而影响海洋的密度及海洋环流。下图表示海气界面上发生的各种过程，许多研究表明气候模式中模拟的气候状态对于上述海气界面过程是很敏感的。因而在模式中如何描述出它们的过程与作用是十分重要的。 图2 海表和低层大气相互作用图 排放 径流 气溶胶 降雨 感热潜热交换 干湿沉降 pH调节 氧化化学 冰 辐射 海盐质点 气体交换 营养物 浮游植物 细菌 浮游动物 病菌 光化学 溶解有机物 （6）陆面过程与陆气交换。陆面和大气相互作用过程在气候模式中也是不可少的，其重要性和主要作用已在前面简略说明。概况起来主要有三方面的作用：一是通过不同陆面特征（植被、沙漠、雪面等）的反照率变化，影响地表对太阳短波辐射的吸收量；二是不同地表特征与其上大气边界层具有不同的动量、热量和水汽以及温室气体交换过程和量值，从而影响大气风场能量、水汽和温室气体浓度的变化与分布；三是通过植被根区和土壤的交换与热传导过程影响深层土壤特征的变化。以后通过各种复杂的过程，可以影响长期的气候变化。目前科学家已研制了专门的不同类型的陆面过程模式来表征这种界面的相互作用过程（如BATS，SiBs陆面过程模式）。它们在气候模式的模拟和预报中起着十分重要的作用。 陆面的结构或其粗糙度在风吹过陆面的时候也可从动力学上影响大气。粗糙度一般决定于地形和植被条件。风也把沙尘从地表吹到大气中去，从而影响区域大气辐射收支。沙尘暴的发生就是一个最明显的例子。植被可以通过许多方式影响气候。不同景观的陆面到底能吸收多少太阳辐射实际上主要取决于植被的状况。例如沙漠比植被覆盖区反射更多的太阳辐射。在植被区中，草地比森林又可反射更多的辐射。当太阳辐射入射角较低时（如在高纬的冬季），植被对反照率的影响会增大。当积雪覆盖地面时，反照率也会增大。森林是雪上的一种光吸收层，而裸露的地面与草则不是。有人曾用气候模式研究过45°N以北的森林被毁以后的气候变化，发现在这种毁林试验中，中高纬的纬向平均温度一般比森林存在时低了-10℃。植被可以减少地面反照率，使高纬地区变暖，并延缓海冰形成，以后又进一步减少反照率，使温度增加。 土壤和植被对气候的另一个作用是吸收和产生温室气体（如CO2，CH4，N2O），以此影响大气的红外辐射收支。植被可放出能进行化学反应的有机气体，以后通过大气中的反应产生对流层臭氧，后者是一种温室气体。大气低层发生的光化过程也可由植物放出的碳氢化合物形成小颗粒。这些颗粒可散射光线，形成微兰色的霾，降低太阳辐射到地面的透过率。植被覆盖可影响土壤和矿物尘埃飞入大气的多少，它们也能影响光的散射。植物也在一定程度上控制着陆面的水文循环。这是通过蒸散来实现的。植物的叶子在光合作用时开启它们的气孔，使其失去水汽，但吸入CO2。大约陆地三分之一的降水是由植物再循环的水汽供应。有关亚马逊河流域的模式试验表明，植被在维持区域的水文状况中起着重要作用。毁林造成了降水的显著减少和温度与蒸发的增加。土壤的重要作用之一是储存水分，因此影响从陆面蒸发的时间。因而植物通过它们对土壤湿度的间接作用影响地面温度。蒸散也改变地表感热与潜热通量间的平衡，而引起局地的地表冷却。当植物受到水胁迫时，它的气孔关闭以减少蒸散，保存水分，以此使周围空气增暖。 在海-气或海-陆-气耦合的气候模式中，上述六种重要过程是主要考虑的物理过程。但近年来，随着耦合气候模式向气候系统模式或地球系统模式的发展，已包括复杂的地球生物化学过程以及其它有关的重要过程。以下将分别简明地阐述耦合气候系统模式中各部分模式的主要特点以及它们是如何包括上述重要的物理与地球、生物化学过程的。现代的耦合模式一般包括四个部分：大气模式，海洋模式，陆面过程模式和海冰模式。它们一方面可以独立的运行，模拟气候系统的不同圈层变化，同时又是相互作用或耦合在一起的，以此能够预测未来气候的异常和长期的气候变化。 Aerosol(CUACEAero) Atmosphere (BCC_AGCM) Chemistry MOZART-2 Coupler Sea Ice (SIS) Ocean (MOM4_L40) Land (BCC_AVIM) IPCC AR5 Climate System Model (BCC_CSM) Regional Climate Model (BCC_RegCM) coupled with the dynamic vegetation and global carbon cycle Under way Under way 图3 图3 Ocean Sea ice Ocean Biogeochemical Carbon Cycle Atmosphere Land/Vegetation Snow on Ice sheet River Lake Cloud Microphysics interaction with aerosols AGCM OGCM Land Ecosystem Carbon Cycle Coupler ‘Scup’GSMUV TL159 (~110km) Tripolar 1°× 0.5° Atmos. Chemical Climate Model MRI-CCM2 Ozone (Strat. + Tropo.) Aerosol Chemical Transport Model MASINGAR Sulfate, BC, OC, Dust, Sea-salt CO2 CO2 MRI-CGCM3 Akio Kitoh (MRI) TL95 (~180km) T42 (~280km) 图4 e CO2 Stabilization scenarios Atmospheric CO2 concentration Permissible CO2 emission Session 3: Physical and biogeochemical feedbacks, forcing, and climate sensitivity Long-term global environmental projection using an integrated earth system model in the KAKUSHIN Program Akira Noda and KAKUSHIN Team for Long-Term Global Change Projection Frontier Research Center for Global Change (FRCGC), Japan Agency for Marine-Earth Science and Technology (JAMSTEC) coupled uncoupled 图5 *

　　高中心理健康“生涯规划”第二课时《生涯变局——“我”的生涯故事》 教学设计.docx

　　高中心理健康“生涯规划”第二课时《生涯变局——“我”的生涯故事》 课件.pptx

　　原创力文档创建于2008年，本站为文档C2C交易模式，即用户上传的文档直接分享给其他用户（可下载、阅读），本站只是中间服务平台，本站所有文档下载所得的收益归上传人所有。原创力文档是网络服务平台方，若您的权利被侵害，请发链接和相关诉求至 电线) ，上传者