英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料
5个CMIP5模型模拟的热带印度洋叶绿素浓度分布和变化
LIU Lin*, FENG Lin, YU Weidong, WANG Huiwu, LIU Yanliang, and SUN Shuangwen
摘要：CMIP5对热带印度洋叶绿素浓度模拟的评估。结果表明模式模拟可以显示在西阿拉伯海、印度洋尖部和热带东南印度洋的叶绿素的浓度分布和最大叶绿素浓度特征。在模式中这些地区的叶绿素浓度再现了显著的振幅强度。这五个模型都能够模拟叶绿素浓度的年际变化。 最大的年际变化再现于最大叶绿素浓度地区。进一步的分析还表明在印度洋偶极子事件对热带印度洋叶绿素浓度有很大影响。一般来说成功的叶绿素浓度模拟，在赤道东印度洋的大多数CMIP5模拟的叶绿素浓度要高于正常值。
关键字：印度洋；叶绿素浓度；气候学，季风季节变化，年纪变化率
1 介绍
初级生产力在地球系统中是一种重要的碳循环。然而因为动植物栖息地的变化和气象条件的影响初级生产力很难定量测量。海洋占据了地球表面超过2/3的面积并且在气候方面起到重要作用（(Li et al., 2006; Wang et al., 2009, 2012; Wang and Wang, 2012）。在海洋中，物理、化学和生物过程紧密的连接在一起(Tang et al., 2002; Xiu and Liu, 2006)，极大的影响了海洋动力和海气相互作用。海洋初级生产力可以用场通量直接测量，然而这些测量代价很高，作为替代方案，由于海面叶绿素容易从海洋数据中获得，所以通常用于光合作用模型来研究初级生产力。例如，大量的热带印度洋的叶绿素研究(Tang et al., 2002; Dey and Singh, 2003;Vinayachandran et al., 2004; Susanto and Marra, 2005;Sarma, 2006; Leacute;vy et al., 2007; Sarangi et al., 2008;Liu et al., 2012; Li et al.,2012)。
与太平洋类似，印度洋也有强烈的的气候年际变化，印度洋偶极子（IOD）是一种年际大尺度海气耦合模式，以具有积极和消极的区域对比海表温度异常(SSTA)沿着赤道印度洋和纬向风异常在中央赤道印度洋为特征(Saji et al., 1999; Webster et al., 1999;Hu and Liu, 2005; Yu et al., 2005; Sun et al.,2010; Liu et al., 2011)。许多研究表明,在非洲、南亚、东亚以及其他偏僻的地方对流与IOD对气候变化造成的很大的影响(Saji and Yamagata, 2003a, b; Ashok et al.,2004; Behera et al., 2005; Matthew et al., 2006; Wang et al., 2006)。IOD事件是一个理解发生在热带印度洋底层机制对气候变化及生化过程的作用的关键。Sarma (2006)指出叶绿素与海表温度异常（SSTA）之间的密切关系，以及在阿拉伯海中IOD事件期间叶绿素和海面高度异常之间的紧密关系。Rahul Chand Reddy and Salvekar (2008) and Wiggert et al. (2009)分别证明了在东南热带印度洋叶绿素浓度和IOD时间的密切关系。
因为许多研究集中于在热带印度洋直接观察叶绿素或者通过遥感输出，所以叶绿素数值模拟相对落后。CMIP5已经能生成生化参数，这为评估数值模式模拟叶绿素浓度提供一个好机会。本研究通过5个CMIP5模式评估热带印度洋叶绿素的模拟情况。
2.数据
本次研究使用的初级数据集来自5个CMIP5的数据输出(HadGEM2-CC, HadGEM2-ES,MPI-ESM-LR, IPSL-CM5A-MR, CanESM2)。模型变量包括29世纪气候下实验的海表温度和叶绿素浓度(20c3M, a historical run)。实验强迫包括温室气体（CO2, CH4, N2O,and CFCs）、盐酸气溶胶直接效应、火山爆发和太阳活动(Taylor et al., 2012; http://cmip-pcmdi.llnl.gov/cmip5/)。模拟用1998年1月至2005年12月之间叶绿素浓度来比较与观察。并且气候的年度周期计算也基于这一时期。从1850年1月至2005年12月也选择了年际变化分析，年际变化异常是由各自的气候年度周期减去每月月平均量。
比较观察海洋颜色数据的应用。表面叶绿素浓度由宽视场水色扫描仪得到(McClain et al., 1998, 2004)。在目前的研究中9km分辨率八天的平均数据地球科学数据和信息服务中心下载(http://disc.sci.gsfc.nasa.gov/giovanni/overview/index.html)，计算1998年1月至2005年12月每月的数据平均。
3.平均和季节性波动
图1分别显示了观察的叶绿素分布、CMIP5模拟的叶绿素分布以及二者之差。模式间的相关系数达到了0.46，通过了0,01的显著性水平检验。很明显，在热带印度洋的大部分CMIP5过高的估计了叶绿素浓度。与观测值相比在热带印度洋东部叶绿素浓度高于西部平均，总平均值最大达到0.6mg m-3。最大值的区域从孟加拉湾的西部扩展到东南印度洋，还观察到中阿拉伯海叶绿素浓度低于观测值。CMIP5模式模拟叶绿素浓度的峰值在西阿拉伯海沿岸地区(50°E– 60°E,10°N–20°N)，印度次大陆的尖端(90°E–110°E, 1°S–10°S)。
图1.叶绿素年平均,(a)观察值，（b）CMIP5模拟总平均值，（c）二者差值，单位为mg m-3
不同的模式模拟年平均强度，所有的CMIP5模式都表现出一个共同的特点，全部叶绿素浓度的季节性平均能够捕获的主要观察特征大部分在热带印度洋更高(Fig.2) 。观察结果与CMIP5模拟的总评均值间的相关系数在北半球春、夏、秋、冬分别为0.11，0.99，0.38和0.46，通过了0.01的显著性水平检验。在北半球夏秋两季的赤道印度洋和西部孟加拉湾上总的平均叶绿素浓度高于观测值，最大叶绿素总平均浓度达到了0.8 mg m-3。通常在北半球春冬两季的赤道印度洋上适当提高叶绿素浓度能更好的达到观察结果。
图2，叶绿素浓度季节变化分布（从上到下分别为春夏秋冬），观察值（左），CMIP5模拟总平均值（中），二者差值（右），单位为mg m-3
在西阿拉伯海、印度次大陆的尖端和东南印度洋苏门答腊岛这三个地方的叶绿素季节性波动，显示了CMIP5模式能很好地模拟位相同步，尽管在阿拉伯海和印度次大陆的尖端周围模拟的叶绿素浓度较低，在东南印度洋浓度较高(Fig.3)。
图3.叶绿素浓度随时间变化，观察值（黑线），CMIP5模拟总平均值（折线），（a）西阿拉伯海，(b)印度次大陆的尖端，(c)东南印度洋
在北半球夏季的阿拉伯海，叶绿素浓度达到了峰值为3 mg m-3。MPI-ESM-LR则例外，其叶绿素浓度模拟的峰值达到了6 mg m-3，其余四个模式模拟的叶绿素浓度都较低，尤其是IPSL-CM5A-LR，其模拟的最小值大约为0.4 mg m-3。同样，阿拉伯海夏季模拟的峰值在印度次大陆的尖端。然而他们的性能没能很好的考虑到每个模型中叶绿素浓度的变化。MPI-ESM-LR显示了强烈的峰值和可变性，另外四个模式显示了太弱的峰值，IPSLCM5A-LR几乎没有变化。而且峰值的时间不够精确，所以他们没有一个精确再现七八月的高叶绿素浓度。北半球夏季亚洲盛行夏季风，海水从南部流向北半球并在西阿拉伯海沿岸和印度次大陆的尖端周围上涌。上升流将营养盐从深海带到海面从而增加海表面叶绿素浓度。
不同于印度洋的其他地区，东南印度洋的峰值发生在北方，CMIP5模式中也发现了相似的特点，在这一地区CanESM2和IPSLCM5A-LR 模拟的叶绿素浓度比观察值低而其他三个模式模拟的叶绿素比观察值要高 。
4．气候年际变化率
图四显示在印度次大陆尖端在年际尺度上叶绿素浓度标准差异常，叶绿素浓度空间分布异常却完全不同。总平均值结果显示在西阿拉伯海、印度次大陆的尖端附近和东南印度洋出现强烈的可变性。除了IPSL-CM5A-MR之外其他四个模式显示了三个地区的提到的最大叶绿素浓度变化，阐明了在这些地区发生了强烈的叶绿素浓度季节和年际的变化。
图4.印度洋叶绿素浓度标准差，(a) Can ESM2，(b) Had GEM2-CC， (c) Had GEM2-ES，
(d) IPSL-CM5A-MR, (e) MPI-ESM-LR，（f）总平均值，单位为mg m-3
IOD事件显示北半球夏秋季在热带印度洋最有效的年际变化。通过调整海洋上升流和相关海表条件，IOD事件在印度洋大部分地区影响叶绿素分布，所以有必要检查IOD和CMIP5模式模拟的叶绿素年际变化的关系。图五是叶绿素浓度和模拟IOD指数即印度洋从西到东的SSTA梯度的超前滞后相关图(Saji et al., 1999)，显示了在北半球夏秋两季叶绿素浓度与IOD事件的重大关系。在正IOD事件时，东南印度洋有负的SSTA，高（低）叶绿素浓度出现在热带印度洋东（西）部。由于IOD事件峰值在秋季，低值在冬季，从HadGEM2CC and HadGEM-2ES的结果可以看到这种重要关系一直持续到冬季，其他模式并没有捕获这一特征。
图5.每个模式（从上到下）的北半球秋季IOD指数与北半球夏、秋、冬以及第二年春季（从左到右）叶绿素浓度超前滞后相关图，阴影区域通过了0.05的显著性水平检验
5.总结
在没有太阳辐射因素限制的热带海洋，叶绿素ll-a反映了通过上升流进入混合层的营养物流量(Longhurst, 1993)。 在东南季风时（四月到十月）来自澳大利亚的东南风产生的上升流给南部沿海的兆瓦和苏门答腊岛带来冷水和营养盐，在西北季风时（十月到第二年四月）情况相反。在季风转换时（四月和十月）产生沿着热带印度洋的沿岸开尔文波，也影响着上升流和下沉流(Arief and Murray, 1996; Clarke and Liu,1993; Sprintall et al., 2000)。
本次研究对五个CMIP3模式的研究效果进行评估。总平均值说明了耦合模式能再现热带印度洋观察的叶绿素，西阿拉伯海、印度次大陆的尖端和东南印度洋叶绿素浓度峰值。除了IPSLCM5A-MR之外，其余的模式都能呈现全年高于观测的叶绿素浓度。虽然CMIP5在最大叶绿素区相位同步和对季节性变化模拟的很好，但是从每一个模式中模拟的叶绿素浓度都不相同。此外模式在热带印度洋(70°E–90°E, 5°N–10°S)和孟加拉湾西部(80°E–90°E, 10°N–20°N)等地区对叶绿素浓度模拟的相当好(Fig.6)。
图6.与图3类似，(a)迟到印度洋，(b)孟加拉湾西部
然而模拟的叶绿素年际变化率表现出很大的不同。模式结果指出在北半球夏秋两季IOD事件和叶绿素分布显著相关。这一发现涉及到下层上升流的潜在影响，并且表示了耦合模式的技术发展应用在热带印度洋的生化研究中。未来的研究将集中于调查叶绿素浓度变化和上升流之间的关系。
致谢
我们感谢世界气候研究计划耦合模式工作组发起的草庙5计划以及气候模型组为我们提供的模式输出。美国能源部气候模式诊断计划和与全球合作组织相互比较为地球系统科学门户网站提供了协调支持和引导开发的软件基础设施。还感谢L. X. Xu的数据资料。本次研究还受到了中国中国国家基础研究计划 (2012CB955601, 2010CB950304)和SOA的青年科学基金(Grant No.2011244)的支持。
参考文献：
[1] Dharma A, Murray S P. Low-frequency fluctuations in the Indonesian throughflow through Lombok Strait[J]. Journal of Geophysical Research, 1996, 101(1011):12455-12464.
[2] Ashok, K., Guan, Z., Saji, N. H., and Yamagata, T., 2004. Individualand combined influences of ENSO and Indian OceanDipole on the Indian summer monsoon. Journal of Climate,17: 3141-3155.
[3] Behera, S. K., Luo, J. J., Masson, S., Delecluse, P., Gualdi, S.,and Navarra, A., 2005. Paramount impact of the Indian OceanDipole on the east African short rains: A CGCM study. Journalof Cli
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[30366]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
