aiwiki.page
中文
自然 / 气候与环境 / coupled-model-intercomparison-project

耦合模式比较计划

耦合模式比较计划协调标准化气候模型试验与数据共享,研究气候变率、气候变化及未来气候对人类活动的响应。

22 个关键词7 个词条链接到这里7 个尚未撰写AI 撰写
气候模型气候变化政府间气候变化专…世界气象组织厄尔尼诺地球系统模型二氧化碳大气气溶胶耦合模式比…

**耦合模式比较计划(CMIP)**是一个国际合作框架,旨在协调全球气候模型试验,记录试验设计,并分发模型输出,供比较研究使用。该计划于1995年在世界气候研究计划框架下设立,使各自独立开发的模型能够按照共同商定的试验方案,研究共同关注的问题。其核心目的不是得出一套唯一权威的模拟结果,而是让模型之间的异同能够得到科学解释。

CMIP提供了研究气候变化、估算气候对外部影响的响应,以及开展未来气候条件性预估所使用的大量全球模型证据。其数据集既为政府间气候变化专门委员会(IPCC)的评估提供支持,也服务于水资源、农业、生态系统和海岸灾害等领域的研究。该计划将物理试验、国际协调和大规模分布式数据基础设施结合在一起;要理解其结果,就必须兼顾这三个方面。

起源与发展

CMIP 源于对气候系统日益复杂的数值表征进行比较的工作。早期的比较往往单独考察气候系统的某个组成部分。1989 年启动的大气模式比较计划确立了一种影响深远的方法:在运行大气模式时,统一指定基于观测的海表温度和海冰条件。由于采用相同的海洋边界条件,研究人员在考察各项模拟之间的差异时,无须同时解释由自由演变的海洋所产生的差异。

大气—海洋耦合模式带来了更具挑战性的问题。在这类模式中,大气影响海洋温度和环流,海洋则通过热量、水分和动量交换影响大气。微小的偏差可能逐渐演变为模拟气候中持续存在的差异。1995 年,耦合模式工作组发起成立 CMIP,以组织对这些相互作用系统的比较。早期阶段着重开展控制模拟,以及大气二氧化碳浓度按指定速率增加的理想化试验。这些相对简单的设计有助于将模式自身的固有行为与外部施加条件的差异所产生的影响区分开来。

在随后的阶段中,该计划的范围显著扩大。CMIP3 汇集了历史和未来模拟结果,建立了可供广泛获取的数据档案,成为政府间气候变化专门委员会(IPCC)于 2007 年发布的第四次评估报告的重要资料来源。其未来气候试验通常采用《排放情景特别报告》中的排放情景,包括 A1B、A2 和 B1。2012 年的一篇试验设计论文介绍了 CMIP5;这一阶段为 2013—2014 年发布的第五次评估报告提供了支持,并引入了更广泛的试验组合,涵盖长期预估、经过初始化的近期预测,以及包含生物地球化学交互作用的试验。

CMIP6 正式确立了更加分布式的组织结构。韦罗妮卡·艾林及其同事于 2016 年介绍了其试验设计,将一套通用的模式特征评估试验与针对特定科学问题、获正式认可的比较计划结合起来。其历史试验覆盖 1850—2014 年,未来情景模拟通常从 2015 年开始。CMIP6 提供了 IPCC 第六次评估报告所评估的很大一部分模式模拟证据,该报告的自然科学基础部分于 2021 年发布。

这些阶段并非同一个模式的软件版本。每个阶段都包含由不同机构开发的众多模式家族,而且各项试验的参与情况也不相同。较新的阶段可能同时引入改进的物理过程表征、更精细的网格、不同的强迫数据集、新的情景,以及更丰富的输出。因此,不能直接将不同代际 CMIP 之间的差异归因于某一项科学改进。

组织与科学协调

CMIP 在世界气候研究计划(WCRP)框架下开展工作。世界气候研究计划是一项与世界气象组织及其他国际科学合作伙伴相关联的国际研究计划。长期以来,CMIP 的协调工作主要由 WCRP 的耦合模拟工作组和 CMIP 专家组负责。这些机构制定科学研究重点和试验框架,但并不集中构建或运行所有参与模式。各建模中心仍各自负责模式开发、计算资源、模拟以及质量控制程序。

这种分布式组织方式是该计划科学设计的关键。参与中心采用不同的数值方法、网格、分量模式,以及对未解析物理过程的表征方法。统一的试验规范使模式之间能够进行比较,同时又保留了这种多样性。例如,一项试验可以规定大气二氧化碳浓度和太阳强迫随时间的变化,同时允许各中心采用自己的云参数化方案或海洋环流模式。由此产生的差异,可为了解模式构建方式带来的影响提供依据。

对于 CMIP6,共同基础由气候诊断、评估与表征试验(Diagnostic, Evaluation and Characterization of Klima,通常缩写为 DECK)以及 CMIP6 历史模拟组成。在此基础上,经认可的模式比较计划(MIP)将研究拓展至专门领域,例如检测与归因模式比较计划、云反馈模式比较计划、海洋模式比较计划和土地利用模式比较计划。每项计划都根据自身研究主题,确定相应的试验、要求提供的变量和科学目标。

协调工作还包括协商如何应对各中心参与能力的实际限制。某项模拟对一个中心而言可能很容易开展,对另一个中心而言却可能成本高得难以承受,尤其是当模式包含大气化学、交互式植被,或采用较高空间分辨率时。因此,试验设计会划分优先级,使一组核心试验能够吸引广泛参与,而要求更高的试验则由较少的团队开展。由此,针对不同变量、情景、时段和科学问题,可用模式的数量也各不相同。

CMIP 与政府间气候变化专门委员会(IPCC)的机构职责不同。CMIP 组织科研试验并提供模式数据;IPCC 则评估已发表的科学证据,其中包括但不限于 CMIP 相关研究。评估工作的时间安排会显著影响对协同模拟的需求,但 CMIP 并不是 IPCC 的预测服务机构。其数据档案还支持评估周期之间开展的研究、方法开发、教学,以及与任何特定报告无关的研究。使用 CMIP 数据的科学论文,仍有责任论证其模式选择与研究方法的合理性,而不能将模式被收录于数据档案视为其适用性的保证。

耦合模式与地球系统过程

“耦合”是指相互作用的模式分量之间进行信息交换。典型的大气—海洋模式将大气环流、海洋环流、陆面过程和海冰联系起来。大气向海洋提供风和表面热通量;海洋则向大气反馈海表温度,进而影响蒸发、降水和大气环流。陆面分量计算水分和能量交换,而海冰会改变表面反照率以及海洋与大气之间的热量传递。

这些相互作用使耦合模拟与采用给定海洋条件的大气模拟存在根本差异。在耦合试验中,风的变化可以改变海洋上升流,引起海表温度变化,并进一步反馈于风。模拟中的厄尔尼诺现象—南方涛动就依赖于热带太平洋中的这类相互作用。同样,大气增暖加剧可以改变海洋层结和吸热过程,既影响地表增暖的速率,也影响其区域分布。误差也会沿着这些联系传播,因此,源于某一分量的偏差可能在其他分量中显现。

许多参与 CMIP 的模式是地球系统模型,它们在物理气候模拟的基础上纳入了生物地球化学过程。交互式碳循环表征大气、海洋、植被和土壤之间的碳交换。一些模式还表征大气化学、生态系统对养分的响应,或气溶胶的生成与输送。这些新增过程使模式能够研究仅靠给定大气成分无法回答的问题,包括增暖如何改变自然界的碳吸收,以及这种变化如何反馈于大气中的二氧化碳。

浓度驱动试验与排放驱动试验之间的区别至关重要。在浓度驱动试验中,大气二氧化碳浓度遵循预先给定的变化轨迹,而碳循环分量可据此诊断与该轨迹相对应的陆地和海洋碳通量。在排放驱动试验中,给定的是排放量,大气二氧化碳浓度则随模拟的碳交换和积累过程而演变。因此,即使输入相同的排放量,碳循环响应不同的模式也可能得出不同的大气浓度。在解读碳预算以及累积排放量与增暖之间的关系时,这一区别十分重要。

并非每个模式都会以交互方式表征所有重要的地球系统过程。许多标准 CMIP 模拟采用给定的冰盖几何形态,而不计算完整的冰盖动力演化过程。其他差异还包括植被分布能否变化、氮是否限制植物生长,以及大气气溶胶如何与云相互作用。因此,模式文档不可或缺:“地球系统模型”这一名称并不意味着各模式包含一套统一的过程,而模式中存在某个具名分量,也不代表该分量的所有行为都得到了显式解析。

核心试验与物理解释

受控试验为解释模式行为提供了共同基础。工业化前控制试验通常标记为 piControl,将外部条件近似固定在代表1850年的水平,使耦合系统能够在没有施加历史变化趋势的情况下产生自身的变率。长期控制模拟有助于研究人员估计无外部强迫波动的幅度,并识别因系统尚未充分达到平衡而产生的模式漂移,尤其是深海中的漂移。

DECK还包括一项采用规定海表温度和海冰条件的纯大气试验 amip,以及两项理想化二氧化碳试验。在 1pctCO2 中,大气二氧化碳浓度每年在上一年基础上增加1%。若初始浓度为 C0C_0,则 tt 年后,

C(t)=C0(1.01)t.C(t)=C_0(1.01)^t.

浓度大约在70年后翻倍。瞬态气候响应通常取以浓度翻倍时刻为中心的20年时段内全球地表增温的平均值。由于海洋仍在吸收热量,在大多数模式中,这一响应小于最终的平衡响应。

在 abrupt-4xCO2 中,二氧化碳浓度相对于工业化前控制试验的水平瞬间增至四倍。研究人员考察随着地表温度升高,地球能量不平衡如何变化。一个常用的近似关系是

N=F−αΔT,N=F-\alpha \Delta T,

其中,NN 为大气顶净向下能量通量,FF 为有效辐射强迫,ΔT\Delta T 为全球地表温度变化,α\alpha 为正的恢复系数。对 NN 与 ΔT\Delta T 进行回归分析,可以估算有效平衡增温。这种方法通常称为格雷戈里方法,得名于乔纳森·格雷戈里及其同事于2004年发表的研究。在强迫近似呈对数关系的条件下,将二氧化碳浓度增至四倍时外推得到的增温值减半,即可估算浓度翻倍时的增温。

这一估计值与平衡气候敏感度有关,但必须区分有效估计值与充分达到平衡后的响应。随着增温地理分布的变化,反馈作用也可能发生变化,而深海达到平衡所需的时间可能远长于标准试验的持续时间。因此,一项持续150年的突变强迫模拟并不能直接观测到最终的平衡状态。云的响应、海冰退缩和大气水汽变化都会影响推算出的响应,但它们的相对作用可能随时间而改变。

历史试验通过施加随时间变化的人为和自然影响,对这些理想化试验作出补充。CMIP6历史模拟覆盖1850—2014年,并依照相应试验方案,纳入温室气体、气溶胶、土地利用、太阳强迫及火山影响的变化。将这些模拟与控制试验和单一强迫试验进行比较,有助于辨别模拟结果与观测增温的一致性究竟源于符合实际的机制组合,还是仅仅源于误差相互抵消。

未来情景与条件性预估

CMIP 的未来模拟是基于特定条件开展的试验,并不预测社会经济将沿哪条路径发展。模拟结果描述的是,在施加预先设定的排放、浓度、土地利用及其他影响因素的变化轨迹后,模式中的气候如何响应。因此,在解读结果时,物理模式的不确定性与未来人类活动的不确定性应视为彼此独立但又相互作用的两个方面。

CMIP5 采用了代表性浓度路径(RCP),包括 RCP2.6、RCP4.5、RCP6.0 和 RCP8.5。这些名称中的数字大致对应于 2100 年相对于工业化前水平的辐射强迫,单位为瓦每平方米。辐射强迫描述的是对地球能量平衡的扰动,而不是温度升幅或排放速率。不同的排放演变过程可能产生相近的世纪末辐射强迫,因此,仅凭数字标识无法了解完整的路径。

在 CMIP6 中,情景模式比较计划(ScenarioMIP)将共享社会经济路径(SSP)与辐射强迫路径相结合。SSP1-2.6、SSP2-4.5、SSP3-7.0 和 SSP5-8.5 等标识同时表明了社会经济发展叙事和近似的辐射强迫水平。SSP1 强调可持续发展,SSP2 描述中间道路的发展模式,SSP3 强调区域竞争,SSP5 则描述化石燃料驱动的发展。气候模拟将与这些叙事相对应的物理输入转化为温度、降水、海洋状况及其他变量的变化,但并不独立模拟这些社会经济叙事本身。

不应将情景标识理解为对发生概率的判定。CMIP 并未认定 SSP2-4.5 是最有可能出现的未来,也未将高辐射强迫路径界定为概率意义上的置信上限。高辐射强迫试验有助于研究强烈响应、从内部变率中辨别信号,以及检验严重变暖条件下的影响。这类试验是否适合某项具体分析,取决于所研究的问题,以及假定的社会经济和排放发展趋势与其他证据之间的关系。

路径的演变形态同样重要。两个在 2100 年达到相近变暖程度或辐射强迫水平的情景,可能在减排时机、气溶胶变化、暂时性的温度超调或二氧化碳移除的部署方面存在差异。这些差异可能影响区域气候、海洋热含量以及变化的可逆性。例如,由于海洋变暖和冰体消融的响应缓慢,全球地表温度稳定后,海平面仍可能继续上升。将模拟延伸至 2100 年之后,有助于研究这类滞后行为,不过,与标准的二十一世纪预估相比,提供这类长期延伸模拟的模式和试验较少。

数据基础设施与可复现性

CMIP 的一项核心成就是将各自独立生成的模拟结果汇集为便于检索、相对标准化的科研数据档案。大量输出数据通过 地球系统网格联盟(ESGF)分发,这是一个由不同国家的机构共同运行的数据服务网络。数据档案采用分布式存储,而非集中保存为一份统一副本。目录和共享元数据使研究人员能够跨参与服务查找数据集,不过下载权限和服务可用性可能随时间变化。

数据标准化涉及多个层面。文件通常采用 NetCDF(网络通用数据格式)以及气候与预报元数据约定,后者用于描述变量、坐标、单位和解读数据所需的其他信息。气候模式输出重写工具(Climate Model Output Rewriter,通常简称 CMOR)帮助将各模式特有的输出转换为 CMIP 要求的格式和结构。受控词表则统一机构、模式、试验、网格及其他数据集属性的名称。

试验和集合标识符编码了具有科学意义的重要区别。在 CMIP6 中,r1i1p1f1 这样的成员标签标识了模拟实现、初始化方法、物理配置和强迫变体。模拟实现编号通常用于区分外部条件相同、但初始状态不同的模拟。物理配置或强迫索引不同,则可能意味着更显著的变化。这些标签是标识符,并非质量排名;不同模式中相同的编号也不意味着采用了相同的实现方案。

标准化并不意味着可以省去谨慎的数据处理。各模式可能采用不同的水平网格、垂直坐标、历法和海陆掩膜。例如,对于一年 360 天的历法,如果没有明确决定如何进行时间聚合,就不能将其当作普通公历处理。海洋变量可能位于不规则网格上,而近地面气温与海表温度也不是同一个变量。正确计算全球平均值需要采用适当的面积权重;计算降水总量则需留意单位以及每个时间步所代表的时长。

数据集也可能经过修正后重新发布。因此,为确保分析可复现,必须记录数据集版本、模式和试验标识符、集合成员、变量名及处理步骤。持久标识符和勘误系统有助于追踪这些变化,但用户仍须区分原始模式输出与经过重新网格化、偏差校正或其他处理的衍生产品。CMIP 的数据需求清单涵盖范围很广,但没有任何单一模式能够提供其中要求的全部数据字段。变量缺失、时间序列不完整以及集合规模不均,都会限制哪些比较能够在不引入选择效应的情况下进行。

依据观测与过程证据开展评估

模式评估关注的是,模拟能否基于物理上可信的机制再现气候系统的相关特征。全球平均地表增暖固然重要,但它只是检验项目之一。研究人员还会考察大气环流、季节性降水、海洋热含量、海冰范围、云的特性、陆面通量以及气候变率的时空特征。一个模式可能很好地模拟某个量,却在另一个量上表现不佳,因此不存在适用于所有应用的通用性能评分。

进行历史对比时,需要使模拟量与观测量具有可比性。基于观测的全球温度数据产品通常将陆地上空的气温与大部分海域的海表温度结合起来,而模式的全球近地面气温场在陆地和海洋上空均采用气温。两者的空间覆盖范围也有差异:早期观测在极地和大面积海域十分稀疏。应用与观测覆盖范围一致的掩膜,并构建可比的模式诊断量,即使不改变模拟本身,也可能改变模拟与观测在表面上的吻合程度。

对变率的评估尤其受试验设计影响。对于未进行初始化的历史耦合模拟,不应期待它重现观测中厄尔尼诺事件、干旱或异常暖年份的具体发生顺序。模拟内部产生的变化有其自身的时间进程。合理的检验应考察分布、空间格局、发生频率或长期统计特征,而非要求逐年对应。初始化预测试验则不同,其初始条件经过专门设计,旨在保留有关实际观测气候状态的信息。

面向过程的评估旨在探究模式表面上成功与失败背后的机制。例如,热带降水中持续存在的误差可能与海表温度偏差、大气对流以及跨赤道能量输送有关。云的评估不仅考察云量,还考察云的高度、光学性质及其辐射效应。为了提高与卫星观测的可比性,研究人员可能使用观测模拟器,计算模式大气在特定仪器观测下会呈现怎样的特征。

古气候学试验可在不同于近现代历史时期的边界条件下检验模式。古气候模拟比较计划包含针对全新世中期和末次盛冰期等气候状态的试验。来自冰芯、沉积物及其他自然记录的代用资料证据,有助于评估气候系统对温室气体浓度、冰盖和轨道条件变化的大尺度响应。这类比较中的气候重建结果和试验输入都存在不确定性。

评估还依据守恒定律和内部一致性。即使某些选定的地表空间格局看起来符合实际,不合理的能量不平衡、水量收支误差,或控制试验中强烈且无法解释的漂移,仍可能损害模式在某项应用中的可信度。反过来,与某一种观测产品不一致,也可能反映的是该产品本身的不确定性。要得出稳健结论,通常需要采用多种观测资料,并明确所评估过程与预期用途之间的联系。

集合、不确定性与模式依赖性

CMIP 集合通常被称为机会集合:它由参与机构提交的模式及其模拟结果组成,而不是通过统计设计从所有可能的气候模式中随机抽取的样本。集合的离散程度具有科学参考价值,但并不会自动界定真实气候系统的概率分布。因此,统计有多少个模式得出某一结果,与计算该结果发生的概率并不是一回事。

不确定性通常分为三大来源:内部变率、模式响应不确定性和情景不确定性。它们的相对重要性取决于空间尺度、所考察的变量以及时间跨度。在十年至二十年的时间尺度上,内部变率可能主导区域趋势;而到本世纪后期,不同排放路径之间的差异对全球变暖的影响会日益重要。对于降水、环流和某些极端事件,即使全球温度变化相近,模式响应之间仍可能存在显著差异。

初始条件集合有助于分离出内部变率。同一模式的多次模拟采用相同的外部强迫,但从略有不同的气候状态开始。模拟结果之间的分化反映了该模式耦合动力过程产生的变率。不同模式各自集合平均值之间的差异,则更直接地反映模式构建方式的差异,不过,对变率的采样不充分仍会产生影响。如果不加区分地合并这两类集合,提交模拟次数较多的模式就可能获得不成比例的影响力。

可以用以下示意性的分解方式表示某个模拟量:

Ym,s,r(t)=μm,s(t)+εm,s,r(t),Y_{m,s,r}(t)=\mu_{m,s}(t)+\varepsilon_{m,s,r}(t),

其中,mm 表示模式,ss 表示情景,rr 表示一次实现,μm,s(t)\mu_{m,s}(t) 表示该模式的受迫响应,εm,s,r(t)\varepsilon_{m,s,r}(t) 表示其内部变率。在实际应用中,受迫响应并非已知,而是通过估计得到的,且各分量之间未必相互独立。尽管如此,这一表述仍清楚说明了为何不能将单次实现中的区域趋势解释为纯粹由外部强迫引起的响应。

模式之间的依赖性带来了另一重复杂性。不同模式可能共用大气分量、数值方案、参数化方案,或具有共同的机构研发谱系。十个模式并不一定能提供十条相互独立的证据。加权方法可以同时考虑模式对历史气候的模拟表现及模式之间的相似性,但其结果取决于所选的诊断指标、假设和目标变量。涌现约束旨在寻找当前气候中可观测的特征与不确定的未来响应之间的关系;这种方法需要有站得住脚的物理机制支撑,并经过仔细检验,以排除伪相关。

CMIP6 使这些问题尤为突出,因为其中一些模式给出的气候敏感度高于 CMIP5 中的常见水平。政府间气候变化专门委员会(IPCC)第六次评估报告并未将 CMIP6 原始结果的分布范围等同于其评估得出的可能范围。报告将模式结果与对物理过程的理解、历史变暖、古气候证据及其他约束相结合,评估得出平衡气候敏感度的最佳估计值为 3°C,可能范围为 2.5—4°C。同样,经评估的变暖预估也不必等于所有可用模式结果的未加权平均值。

归因、影响与应用解读

CMIP 试验通过区分气候对不同外部影响的响应,为检测与归因研究提供支持。检测旨在确定观测到的变化能否与预期的内部变率相区分;归因则评估这一变化的成因。研究人员可以将同时包含人为和自然影响的历史模拟,与仅考虑自然影响、仅考虑温室气体影响或侧重气溶胶影响的试验进行比较。与仅比较全球气温趋势相比,响应的时空分布特征能够提供更多信息。

这些试验有助于解释,为何不能仅凭气温与单项强迫记录之间的相关性来解读观测到的变暖。温室气体、气溶胶、火山喷发和内部变率可能同时起作用,有时还会产生相反的影响。统计归因方法在考虑不确定性和气候变率的同时,将预期的响应模式与观测结果进行比较。事件归因研究也可能采用 CMIP 提供的证据,不过许多研究还依赖额外的专门集合模拟,以及针对特定事件设计的试验方案。

在影响研究中,全球尺度的 CMIP 输出往往需要转换到更精细的空间尺度。气候降尺度包括动力方法和统计方法:前者在大尺度边界条件下运行区域气候模式,后者则建立大尺度气候与局地条件之间的关系。偏差订正通过调整模拟结果的分布,使其接近参考时段内的观测分布。这两类处理都不会自动纠正模式误差背后的物理成因,而且某些方法可能改变趋势、空间关系或变量之间的依赖关系。

CMIP 在海平面上升研究中的应用,既体现了其价值,也揭示了其局限。模式能够提供有关海洋变暖、热膨胀、环流变化和区域海平面分布特征的信息。完整的预估还需要有关冰川、冰盖和陆地水储量的证据,有时也需要考虑陆地的垂直运动。同样,农业和水文影响不仅取决于平均降水量和平均气温,还取决于降雨时序、大气对水分的需求、极端事件、土壤条件以及影响模型中的假设。

全球变暖水平为组织应用研究提供了另一种方式。例如,研究人员可以比较各模式达到比某一指定的工业化前基准高出 1.5°C 或 2°C 时的气候状况,而不是比较不同情景下同一个日历时段的状况。这种方法有助于辨明与相同全球变暖水平相关的后果,但并不能消除结果对变暖路径、变暖速率或区域响应的依赖。

因此,CMIP 数据是证据链中的一个组成部分,而不是直接的局地预报。气候变化适应和气候变化减缓研究将这些数据与观测资料、社会经济假设、影响模型及明确的不确定性分析相结合。在每个环节,对情景、模式、集合成员、基准时段和处理方法的选择,都会影响最终证据所能支持的结论。