|
|
FGOALS-f3-L模式中云量日变化的误差特征及其对短波云辐射效应的影响
|
云辐射效应能够调节地表和大气层顶的能量收支,对天气和气候变化具有重要作用。云量日变化显著影响短波云辐射效应,但在当前全球气候模式中存在较大误差(Chen et al., 2022),严重削弱了模式对云气候效应的模拟能力。以往的模式评估工作多侧重于日平均云量,对云量日变化的误差特征关注不足;多基于多模式平均结果分析,不利于具体模式的改进;多依赖于运行全球气候模式,受限于模式框架的复杂性和高昂的计算成本,难以准确估算云量日变化误差对短波云辐射效应误差的贡献。 近日,我系青年研究员陈国兴课题组利用云日同步率参数(值越大表示云更倾向于出现在正午;Chen & Wang, 2016),揭示了国产自主气候模式FGOALS-f3-L中高、中、低云云量日变化模拟误差的特征及其对总云云量日变化的影响。研究发现,不同高度云的日平均云量和云日同步率的误差存在显著的海陆差异和区域性特征(图1),其中低云(尤其是其云量日变化的模拟误差)是总云云量日变化误差的主要贡献因子。 同时,陈国兴课题组还基于日平均云量、云日同步率、云冰/云水路径和晴空反照率等因子,构建了基于随机森林算法的辐射传输替代模型,并利用变量扰动法定量计算了不同因子对短波云辐射效应误差的贡献。结果表明,日平均云量、云量日变化、云水路径、云冰路径和晴空反照率等变量的误差对FGOALS-f3-L模式中短波云辐射效应误差贡献的全球平均值分别为+5.67 W m-2、+3.28 W m-2、-5.92 W m-2、-1.72 W m-2和-0.33 W m-2;云量日变化对短波云辐射效应误差的贡献和其他变量的相当,在大多数情况下,后者无法替代前者的作用;云量日变化与其他各变量之间的误差贡献存在复杂的抵消作用,且这种抵消效应在不同气候类型区域之间存在较大差异(图2)。 该研究揭示了FGOALS-f3-L模式中云量日变化误差的精细特征,定量计算了其对短波云辐射效应模拟误差的贡献,为模式的改进和调优提供了重要参考,有助于提升模式对云的模拟效果。以上成果近日发表在Atmospheric and Oceanic Science Letters (Yang et al., 2025a)和Geophysical Research Letters (Yang et al., 2025b)上。我系2025届硕士研究生杨洪涛同学为两篇论文的第一作者,陈国兴青年研究员为通讯作者,中国科学院大气物理所包庆、何编、李剑东研究员和美国纽约州立大学奥尔巴尼分校Wei-Chyung Wang教授等参与了这两项工作。

图1 高(H)、中(M)、低(L)云的日均云量(CFR)和云日同步率(CSC)对总云云日同步率误差各自贡献的年平均空间分布,分别简写为:BCFR,H(a)、BCSC,H(b)、BCFR,M(c)、BCSC,M(d)、BCFR,L(e)、BCSC,L(f)。

图2 日均云量(CFR)、云日同步率(CSC)、云水路径(LWP)、云冰路径(IWP)及晴空反照率(SUC)的模式误差对于短波云辐射效应误差各自贡献值(W m-2)的空间分布,分别表示为BCFR(a)、BCSC(b)、BLWP(c)、BIWP(d)、BSUC(e)。每个子图右上角的数值表示该变量误差贡献的区域平均值。黑点表示对应变量误差贡献在其覆盖的区域具有合理的物理解释性。
相关论文信息: Chen, G.*, and W.-C. Wang, 2016: An effective approach to evaluate GCM simulated diurnal variation of clouds. Geophysical Research Letters, 43, 11064–11071, https://doi.org/10.1002/2016gl070446. Chen, G.*, W. Wang, Q. Bao, and J. Li, 2022: Evaluation of simulated cloud diurnal variation in CMIP6 climate models. Journal of Geophysical Research: Atmospheres, 127, e2021JD036422, https://doi.org/10.1029/2021JD036422. Yang, H., G. Chen*, Q. Bao, and B. He, 2025a: Bias characteristics of cloud diurnal variation in the FGOALS-f3-L model. Atmospheric and Oceanic Science Letters, 100636, https://doi.org/10.1016/j.aosl.2025.100636. Yang, H., G. Chen*, W.-C. Wang, and J. Li, 2025b: Decomposing the bias of shortwave cloud radiative effect in a climate model using machine learning. Geophysical Research Letters, 52, e2024GL114203, https://doi.org/10.1029/ 2024GL114203.
|
|
|
|