末次间冰期全球气候瞬变模拟与平衡态模拟的对比研究

Transient and time-slice simulations of global climate change during the Last Interglacial: Model-model and model-data comparisons

摘要

采用水平分辨率约1°的地球系统模式CESM,本研究开展了末次间冰期129~124 ka的瞬变模拟试验(TGCS-LIG)和127 ka的平衡态切片模拟试验(127ka-LIG),量化了数值试验方案对模拟的末次间冰期全球气候的影响,以期加深理解造成模拟结果与重建数据之间分歧的可能原因。TGCS-LIG试验和127ka-LIG试验均表明:末次间冰期全球年平均温度较工业革命前低,降温幅度分别为0.4 ℃和0.2 ℃;在夏季,北半球升温(1.2/1.5 ℃),而南半球降温(0.9/0.7 ℃)。就年降水而言,末次间冰期北半球季风区降水增加,南半球季风区降水减少,但存在显著的区域差异。与重建数据相比,TGCS-LIG试验和127ka-LIG试验的模拟-数据符号一致性与均方根误差均相近,但127ka-LIG试验模拟效果略好。TGCS-LIG试验与重建的全球年平均(夏季)海温符号一致性为34.9%~44.7%(36.8%~42.5%),较127ka-LIG偏差约2%~4%(约5%~7%);均方根误差为2.9~3.2 ℃(2.9~3.4 ℃),较127ka-LIG试验偏差小于约0.1 ℃。对于全球年平均降水,TGCS-LIG试验与重建数据的符号一致性为63.8%,略高于127ka-LIG试验(63.1%)。相较于模拟和重建之间的绝对偏差而言,数值试验方案对于改进两者分歧的作用十分有限。需要注意的是,TGCS-LIG试验表明:末次间冰期全球关键气候模态的年际变率在129~124 ka间存在显著的内部变化,其中ENSO年际变率随时间逐渐增强,北半球环状模与南半球环状模的年际变率呈现千年尺度波动的特征;而127ka-LIG试验无法刻画气候模态的时间演变特征。总之,本文研究结果表明,采用平衡模拟试验或是瞬变模拟试验并不是造成末次间冰期模拟-数据分歧的主要原因,但开展高时空分辨率的瞬变模拟试验对研究末次间冰期气候变率具有重要的科学价值。

关键词

末次间冰期 / 模拟-重建对比 / 瞬变试验 / 平衡态试验

Key words

Last Interglacial / model-data comparisons / transient simulation / time-slice experiment

0 引言

末次间冰期(130~115 ka BP)是过去80万年最暖的间冰期之一,其增温与地球轨道参数变化造成的大气顶入射太阳辐射变化密切相关。地质证据表明,末次间冰期中高纬地区较现代显著增暖(局地升温幅度可达约9 ℃),而低纬地区海表温度变化不明显或略有降温^[1-2]。末次间冰期增暖导致格陵兰冰盖与西南极冰盖大幅退缩,造成该时期全球平均海平面较现代升高约5.5~9.0 m^[3]。此外,末次间冰期北半球植被带整体向北扩张^[4]。由于末次间冰期的气候特征与未来预估的气候变化长期趋势相似^[5],因此末次间冰期成为国内外古气候研究的重点暖期之一。

数值模式是揭示气候系统对外强迫响应的时空特征及动力学机制的有效工具。在全球尺度上,基于最新的国际古气候模拟比较计划第四阶段(Paleoclimate Modelling Intercomparison Project Phase 4,简称 PIMP4)lig127k试验的多模式集合平均结果,Otto-Bliesner等^[6]与Scussolini等^[7]研究指出末次间冰期北半球太阳辐射增加造成北半球夏季整体升温,同时北半球海陆热力梯度增大导致季风降水增加。Kageyama等^[8]研究表明末次间冰期北半球海冰面积较现代显著减少,其源于夏季大气顶太阳辐射增加及相应的海洋环流变化。此外,Jiang等^[9]指出末次间冰期大气顶太阳辐射变化通过调控大气热力与动力结构,造成北半球西风急流在夏季北移减弱,在冬季南移加强。在区域尺度上,基于全球气候模式与区域气候模式,通过大量模拟工作进一步深入研究了末次间冰期亚洲^[10-11]、欧洲^[12]、非洲^[13-14]和北大西洋^[15]等区域的气候变化特征及机理。例如,Jiang等^[16]基于动力降尺度模拟结果指出末次间冰期梅雨提前爆发、提前撤退、持续时间缩短,其与三大洋海温变化及青藏高原非绝热加热密切相关。

虽然已有数值模拟结果可以重现重建资料所揭示的末次间冰期全球尺度水热配置及大尺度环流特征等,但是在区域尺度上模拟结果与重建数据之间仍存在较大的分歧^[6,17]。具体而言,一方面,模拟与重建的末次间冰期气候异常(相对于现代)存在位相的差异。例如,代用资料显示末次间冰期北半球中纬度海温升高>2 ℃^[1],而PMIP4模拟结果表明该区域温度降低<1 ℃^[6]。此外,多源地质证据表明末次间冰期中国东部降水均增加,而PMIP4模拟结果表明末次间冰期该地区降水异常呈现“南旱北涝”型^[17]。另一方面,模拟与重建的末次间冰期气候异常存在幅度的差异。例如,冰芯记录表明末次间冰期格陵兰地区升温幅度可达约9 ℃,而PMIP4模拟其升温幅度仅为约1 ℃^[6,18];重建数据指示末次间冰期撒哈拉地区降水增幅可达450 mm/a,而PMIP4模拟结果表明该地区降水增幅<100 mm/a^[6]。因此,末次间冰期模式与重建的差异是深入理解末次间冰期气候变化及机理的重要挑战。

从数值模拟的角度而言,造成模拟与重建差异的原因可能包括:(1)模式中边界条件与外强迫的不确定性(如植被、冰盖、温室气体浓度等);(2)试验方案的不确定性(平衡态切片模拟试验或瞬变模拟试验等)^[17]。对于模式采用的边界条件,已有研究通过改变格陵兰冰盖高度、在模式中耦合动态植被模型、考虑海平面高度变化等方法以期更好地刻画末次间冰期的气候与环境变化^{[13,19⇓⇓⇓-23]}。虽然这些研究在一定程度上减小了全球气候模式对末次间冰期高纬增暖幅度的模拟偏差,但是模式与重建数据之间的差异依然存在。对于外强迫的不确定性,模式中采用的末次间冰期温室气体浓度和轨道参数可信度相对较高,因此其可能不是造成模拟-重建分歧的关键因子。对于试验设计的不确定性,已有研究大多基于平衡态切片(time-slice)试验(如,127 ka、126 ka和125 ka等时间点)模拟末次间冰期的气候特征,其对末次间冰期气候的时间演变刻画能力有限^{[24⇓⇓⇓⇓-29]},而重建资料往往反映的是多个特定时间段内的平均气候特征,平衡态切片试验难以涵盖。因此,开展末次间冰期瞬变模拟试验可能有助于理解末次间冰期平衡态切片模拟试验中的模拟-重建分歧。

现有的末次间冰期瞬变模拟试验或是采用轨道加速的方法,或是使用中等复杂程度的气候模式,或是利用水平分辨率较低(>3°)的海气耦合气候模式^{[30⇓⇓-33]}。然而,已有研究表明:在瞬变模拟试验中,采用轨道加速的方法虽然对热带地区气候变化的模拟结果影响较小,但对高纬地区气候系统的描述存在较大的偏差^[34]。由于中等复杂程度地球系统模式简化了气候系统的物理过程且具有较粗的分辨率,其在区域气候的数值模拟中具有较大的不确定性^[27]。此外,目前尚无研究系统对比末次间冰期瞬变模拟试验与平衡态切片模拟试验的差异。

因此,本研究利用约1°水平分辨率的全球气候模式CESM(Community Earth System Model)开展末次间冰期瞬变模拟(129~124 ka)与平衡态切片(127 ka)模拟试验,系统评估两种数值试验方案对末次间冰期平均气候和全球关键气候模态年际变率刻画的异同。结合地质证据,本文量化了数值试验方案对模拟的末次间冰期气候的影响,以期加深理解造成模式与重建数据之间分歧的可能原因,为深入认识末次间冰期气候变化及机理提供重要的科学依据。

1 方法

1.1 模式介绍与试验设计

1.1.1 CESM模式

CESM模式是美国国家大气研究中心开发的新一代地球系统模式,主要包括大气、陆面、海洋和海冰四大模块^[35]。在本研究采用的CESM1.2版本中,大气模式为CAM4(Community Atmosphere Model version 4),陆面模式为CLM4(Community Land Model version 4),海洋模式为POP2(Parallel Ocean Program version 2),海冰模式为CICE4(Community Ice CodE version 4)。大气模式的水平分辨率约为0.9°×1.25°,垂直分为26层;海洋模式的水平分辨率约为1.0°,垂直分为60层。CESM模式可以较好地刻画现代气候的主要特征,因而被广泛用于不同时间尺度的古气候模拟研究中^[36⇓-38]。

1.1.2 试验设计

第一步,工业革命前平衡态模拟试验(PI)。在工业革命前的边界条件下(1950 A.D.;表1)开展平衡态模拟试验,将其作为参照试验。PI试验采用的轨道参数来自Berger^[39];大气CO₂浓度为280×10^-6,大气CH₄浓度为760×10^-9,大气N₂O浓度为270×10 {{\mathrm{}}^{-9}}^{\mathrm{}\mathrm{}}^{[40⇓⇓⇓-44]}。在上述边界条件下,PI试验积分1 300模式年,使得模拟的全球平均气候达到准平衡(如,最后100年大气顶太阳辐射的变化趋势为0.000 2 W·m^-2·a^-1)。

第二步,末次间冰期平衡态切片模拟试验(127 ka-LIG)。采用PMIP4推荐的lig127k试验方案,开展末次间冰期平衡态切片模拟试验(表1)。

在127ka-LIG试验中,选用的切片时期为127 ka,该时间点是当前末次间冰期气候模拟所广泛推荐采用的时间点^[45]。127 ka-LIG试验的主要外强迫为地球轨道参数(偏心率偏大、倾角偏大、夏至日靠近近日点^[39])与温室气体浓度(大气CO₂浓度为275×10^-6,大气CH₄浓度为685×10^-9,大气N₂O浓度为255×10 {{\mathrm{}}^{-9}}^{}^{[40⇓⇓⇓-44]})。127ka-LIG试验的冰盖和植被等其他边界条件与PI试验保持一致。127ka-LIG试验从PI试验重启,模式积分400模式年,使得模拟的全球平均气候达到准平衡(如,最后100年大气顶太阳辐射的变化趋势为-0.000 6 W·m^-2·a^-1)。

第三步,末次间冰期瞬变模拟试验(TGCS-LIG)。首先开展130 ka的平衡态切片模拟试验(130ka-LIG),将其作为TGCS-LIG瞬变模拟试验的初始条件。130ka-LIG的轨道参数源自Berger^[39],温室气体浓度是130.5~129.5 ka的平均值(大气CO₂浓度为258×10^-6,大气CH₄浓度为518×10^-9,大气N₂O浓度为238×10 {{\mathrm{}}^{-9}}^{\mathrm{}}^[46])(表1),其余边界条件与PI试验保持一致。130ka-LIG试验从PI试验重启,模式积分450模式年,使得模拟的全球平均气候达到准平衡(如,最后100年大气顶太阳辐射的变化趋势为0.000 1 W·m^-2·a^-1)。在130ka-LIG试验的基础上,从130 ka开始积分7 000年完成130~123 ka的瞬变模拟试验。TGCS-LIG试验的轨道参数与温室气体浓度分别来自Berger^[39]与Köhler 等^[46](图1)。TGCS-LIG试验中的冰盖和植被等其他边界条件与PI试验保持一致。此外,根据Turney等^[1]的研究,我们选取129~124 ka作为末次间冰期盛期,并开展后续的模拟-模拟与模拟-重建对比研究。

1.2 末次间冰期气候变化的地质证据

1.2.1 海温记录

本研究采用三套海温重建数据开展末次间冰期模式-重建对比研究^[1,2,18,47]。Capron等^[18,47]基于AICC2012时标提供了42条中高纬(40°N以北与40°S以南)年平均与夏季海温记录,时间分辨率>2 ka^[40]。该数据集的海温重建数据在北半球主要位于北大西洋,在南半球主要位于南印度洋与南大西洋。该海温重建主要基于有孔虫Mg/Ca比(3条记录)、烯酮不饱和比(3条记录)、动物群组合传递函数(24条记录基于有孔虫组合、2条记录基于放射虫组合、4条记录基于硅藻组合)和极地有孔虫物种百分比(6条记录)。该数据集提供的127 ka与125 ka的海温异常分别代表128~126 ka和126~124 ka的平均状态。本研究采用重建的127 ka和125 ka海温异常的均值作为末次间冰期盛期的海温异常。

Hoffman等^[2]基于亚洲洞穴沉积物千年尺度的变化作为时标,提供了来自83个海洋沉积点位的104条年平均或夏季平均的海温重建序列。该数据集在大西洋、印度洋和太平洋均有海温记录,每条记录的时间分辨率>4 ka。该海温重建主要基于Mg/Ca比与烯酮不饱和比。需要强调的是,Hoffman等^[2]将海温重建结果插值至0.1 ka时间分辨率,覆盖时段为130~115 ka。本研究采用该数据集129~124 ka的平均海温异常作为末次间冰期的海温异常。

Turney等^[1]基于全球同步增温的假设作为时标,提供了来自三大洋的189条海温重建记录。该数据集的海温重建基于浮游生物组合、钙质生物的Mg/Ca比与Sr/Ca比,以及 {\mathrm{U}}_{37}^{\mathrm{K}\mathrm{’}}。该数据集直接提供了129~124 ka相较于现代的平均海温异常。

需要强调的是,不同海温重建数据集采用的定年时标、重建方法以及数据关联存在差异。因此,在后续的分析中,未将这三套海温重建数据合并比较,而是将模式结果与各个海温重建数据集逐一对比。此外,在重建数据中,夏季的定义各不相同。Capron等^[18,47]定义的夏季为7、8、9月(北半球)与1、2、3月(南半球),Hoffman等^[2]定义的夏季为8月(北半球)与2月(南半球),Turney等^[1]定义的夏季为6、7、8月(北半球)与12、1、2月(南半球)。在模拟试验中,我们采用7、8、9月(1、2、3月)作为北半球(南半球)的夏季。

1.2.2 陆地温度记录

本文采用Brewer等^[48]提供的末次间冰期欧洲地区基于孢粉重建的地面气温异常开展模式-重建对比研究。该数据集是在葡萄牙边缘和比斯开湾的深海序列的花粉和古海洋学分析的基础上,将花粉地层事件的海洋年代学转移到陆地序列,从而建立了花粉序列的时标^[49-50]。该数据集气温重建采用的方法包括偏最小二乘、加权平均偏最小二乘、广义相加模型、人工神经网络、非加权现代模拟技术、加权现代模拟技术和响应面修正模拟等方法。本研究采用该数据集基于栎属((128.8±1) ka)和鹅耳枥属((124.8±1) ka)植被扩张时期重建的年平均气温与最暖月平均气温。

1.2.3 陆地降水记录

本研究采用Scussolini等^[7]整合的全球降水重建数据开展模式-重建对比研究。降水重建主要基于孢粉、湖泊沉积物、洞穴沉积物、黄土以及多代用指标等,包括138个重建点数据。该降水重建数据不同于温度量化重建,仅标注出偏干、偏湿以及无显著干湿变化三种干湿状况。

2 末次间冰期平均气候

2.1 温度

首先,本文研究瞬变(TGCS-LIG)与平衡态切片(127ka-LIG)试验模拟的地表温度差异。TGCS-LIG试验表明末次间冰期全球年平均地表温度较工业革命前降低0.4 ℃,降温幅度较127ka-LIG试验高0.2 ℃。基于TGCS-LIG试验,末次间冰期北半球年平均地表温度降低0.5 ℃;在空间上,除欧洲、格陵兰岛、北美西部、北太平洋东部以及热带与副热带大西洋之外,全球其余地区均降温(图2a)。127ka-LIG试验的北半球年平均地表温度异常分布与TGCS-LIG试验类似,但降温幅度偏大0.1 ℃(图2b,c)。在南半球,TGCS-LIG试验表明末次间冰期年平均地表温度降低0.3 ℃,海洋地区基本降温,陆地地区增温不显著(图2a)。然而,127ka-LIG试验却表明南半球大部分地区年平均地表温度升高,特别是中高纬海洋地区(图2b)。

TGCS-LIG试验和127ka-LIG试验均表明,末次间冰期北半球夏季温度较工业革命前整体升高,但印度与萨赫尔地区受到降水增加的影响表现为温度降低。同时,受到海陆热容不同的影响,北半球陆地较海洋增温幅度大(图2d,e)。就区域平均而言,TGCS-LIG试验表明末次间冰期北半球夏季升温1.2 ℃,较127ka-LIG试验升温幅度低0.3 ℃(图2f)。对于南半球而言,TGCS-LIG试验表明末次间冰期夏季温度基本降低,降温幅度为0.9 ℃;127ka-LIG试验表明夏季温度降低0.7 ℃,但副极地地区呈现较弱的增温(图2d,e)。此外,TGCS-LIG试验与127ka-LIG试验均表明末次间冰期北半球冬季降温1.5 ℃;然而,TGCS-LIG试验表明南半球冬季降温0.02 ℃,而127ka-LIG试验表明南半球冬季升温0.4 ℃。综上,模拟结果表明:末次间冰期全球年平均温度较工业革命前低,夏季温度较工业革命前高,但TGCS-LIG试验模拟的末次间冰期平均地表温度较127ka-LIG试验偏低,这可能与TGCS-LIG试验中平均大气顶太阳辐射较127ka-LIG试验偏小且温室气体浓度偏低有关。

进一步,本文量化分析了TGCS-LIG/127ka-LIG试验模拟结果与重建数据之间的异同。就全球年平均海温异常而言,与Turney等^[1]的重建数据相比,TGCS-LIG试验的模拟-数据符号一致性为34.9%,较127ka-LIG试验低4.2%;TGCS-LIG试验的模拟-数据均方根误差为3.2 ℃,较127ka-LIG试验高0.1 ℃(图3、图4)。与Hoffman等^[2]的重建数据相比,TGCS-LIG试验的模拟-数据符号一致性(44.7%)较127ka-LIG试验高2.4%,均方根误差(2.9 ℃)与127ka-LIG试验基本一致。在区域尺度,与Turney等^[1]和Hoffman等^[2]的重建数据相比,TGCS-LIG试验在南大西洋的模拟-数据符号一致性均高于127ka-LIG试验,且均方根误差均低于127ka-LIG试验。但除南大西洋外,与Turney等^[1]的重建数据相比,TGCS-LIG试验的模拟-数据符号一致性均小于或等于127ka-LIG试验,均方根误差均大于127ka-LIG试验。与Hoffman等^[2]的重建数据相比,TGCS-LIG试验的模拟-数据符号一致性在北大西洋和北太平洋也高于127ka-LIG,但均方根误差均大于127ka-LIG试验。此外,与Brewer等^[48]的欧洲、东北亚和北美地区年平均地表温度重建相比,TGCS-LIG试验和127ka-LIG试验的符号一致性均为71.4%,均方根误差相近。

就全球夏季海温异常而言,与Hoffman等^[2]的重建数据相比,TGCS-LIG试验的模拟-数据符号一致性为36.8%,较127ka-LIG试验低5.3%;TGCS-LIG试验的模拟-数据均方根?蟛钗?.4 ℃,与127ka-LIG试验一致(图3、图4)。与Capron等^[18,47]的重建数据相比,TGCS-LIG试验的模拟-数据符号一致性(42.5%)较127ka-LIG试验高7.5%,均方根误差(2.9 ℃)基本一致。在区域尺度,与Hoffman等^[2]的重建数据相比,TGCS-LIG试验对北大西洋的夏季海温异常具有更好的模拟效果,TGCS-LIG试验的模拟-数据符号一致性(33.3%)较127ka-LIG试验高8.3%,且均方根误差较127ka-LIG试验低0.1 ℃。其余区域(即南大西洋与南印度洋)TGCS-LIG试验和127ka-LIG试验的模拟-数据符号一致性相同,但TGCS-LIG试验的模拟-数据均方根误差较127ka-LIG试验偏高。与Capron等^[18,47]的重建数据相比,TGCS-LIG试验的模拟-数据符号一致性在南太平洋较127ka-LIG试验高,在北大西洋和南大西洋较127ka-LIG试验低,在南印度洋与127ka-LIG试验无差异;TGCS-LIG试验的模拟-数据均方根误差较127ka-LIG试验在南大西洋、南太平洋与南印度洋均偏高,在北大西洋较127ka-LIG试验偏低。此外,与Brewer等^[48]的欧洲地区夏季地表温度重建相比,TGCS-LIG试验和127ka-LIG试验的符号一致性均为86.7%;TGCS-LIG试验的模拟-数据均方根误差为4.0 ℃,较127ka-LIG结果低0.3 ℃。

综上,与重建数据相比,TGCS-LIG试验和127ka-LIG试验的模拟-数据符号一致性与均方根误差均相近,但127ka-LIG试验模拟效果略好。相较于模拟和重建之间的绝对偏差而言,数值试验方案对于改进两者分歧的作用十分有限,这表明末次间冰期数值模拟试验方案并不是造成末次间冰期温度模拟-数据分歧的主要原因。

2.2 降水

TGCS-LIG试验表明,末次间冰期北半球季风区整体降水增加,而南半球季风区降水减少。例如,印度、中国东北部、青藏高原、萨赫尔等地区降水增加,澳大利亚、南美及南非降水减少(图5a)。127ka-LIG试验结果与TGCS-LIG试验类似,仅在降水异常幅度存在一定偏差(图5b)。

与降水代用指标相比,TGCS-LIG试验的模拟-数据符号一致性为63.8%,较127ka-LIG试验高0.7%(图5c,d)。在区域尺度,在亚欧地区、非洲地区与澳大利亚地区,TGCS-LIG试验和127ka-LIG试验的模拟-数据符号一致性均相同,分别为63.6%、56.7%与22.2%。对于北美-格陵兰地区而言,TGCS-LIG试验的模拟-数据符号一致性为72.2%,较127ka-LIG试验高11.1%。在南美地区,TGCS-LIG试验的模拟-数据符号一致性为53.3%,较127ka-LIG试验高6.7%。总体而言,相较于全球年平均降水的模拟-数据分歧而言,TGCS-LIG试验和127ka-LIG试验的模拟-模拟差异相对可忽略。这表明末次间冰期数值试验方案对末次间冰期降水气候态异常的影响小,其不是造成降水模拟-数据分歧的主要原因。

3 末次间冰期全球关键气候模态的年际变率

在本文中,我们选取Niño3指数(5°S~5°N,150°W~90°W海温异常)、北半球环状模(35°N与65°N标准化海平面气压差)和南半球环状模(40°S与70°S标准化海平面气压差)分别代表热带、北半球热带外与南半球热带外的主要年际气候模态(图6)。试验结果表明,127ka-LIG试验的Niño3指数年际变率为0.64 ℃,较工业革命前(0.73 ℃)偏低(图6a,d)。这表明末次间冰期ENSO年际变率较工业革命前弱,这与PMIP4多模式集合平均结果一致^[51]。然而,在129~124 ka期间,TGCS-LIG试验的Niño3指数年际变率逐渐增强。其中,ENSO年际变率在129~127 ka(0.62 ℃)较127ka-LIG试验低,在127~124 ka(0.70 ℃)较127ka-LIG试验高,在125~124 ka(0.74 ℃)超过工业革命前的年际变率。

对于北半球环状模而言,TGCS-LIG试验与127ka-LIG试验均表明其在末次间冰期的年际变率较工业革命前低(图6b),但TGCS-LIG试验的年际变率幅度较127ka-LIG试低。对于南半球环状模而言,127ka-LIG试验表明其年际变率在末次间冰期为0.56,较工业革命前(0.55)偏高。然而,TGCS-LIG试验表明南半球环状模的年际变率在129~128 ka与 127~126 ka较工业革命前偏高,而在128~127 ka、126~125 ka与125~124 ka较工业革命前低(图6c)。

综上,相较于127a-LIG试验,TGCS-LIG试验揭示的ENSO在末次间冰期内部年际变率的增强和北半球与南半球环状模年际变率的波动变化有助于深入理解末次间冰期内部的气候变化及机理,强调了瞬变试验对末次间冰期气候时间演变刻画的重要科学意义。

4 结论与讨论

本文设计了两组高分辨率的末次间冰期数值模拟试验(包括129~124 ka的瞬变模拟试验TGCS-LIG与127 ka的平衡态切片模拟试验127ka-LIG),研究了数值试验方案对模拟的末次间冰期气候变化的可能影响,以期加深理解造成末次间冰期模式与重建数据之间分歧的可能原因。主要结论如下:

(1)TGCS-LIG试验和127ka-LIG试验均表明末次间冰期全球年平均温度较工业革命前低,降温幅度分别为0.4 ℃和0.2 ℃。末次间冰期北半球夏季升温,升温幅度分别为1.2 ℃和1.5 ℃;末次间冰期南半球夏季降温,降温幅度分别为0.9 ℃和0.7 ℃。末次间冰期年降水总体呈现北半球季风区增加、南半球季风区减少的特征,但存在显著的区域差异。

(2)与重建数据相比,TGCS-LIG试验和127ka-LIG试验的模拟-数据符号一致性与均方根误差均相近,但127ka-LIG试验模拟效果略好。然而,相较于模拟与重建之间的绝对偏差而言,数值试验方案对于改进两者分歧的作用十分有限。

(3)127ka-LIG试验表明末次间冰期ENSO年际变率较工业革命前减弱,北半球环状模年际变率减弱,南半球环状模年际变率增强。然而,TGCS-LIG试验表明末次间冰期内部(129~124 ka),ENSO年际变率逐渐增强,甚至可能超过工业革命前的水平;北半球环状模与南半球环状模的年际变率呈现千年尺度波动的特征。

本研究系统性地开展了末次间冰期模拟-模拟与模拟-数据比较,但模拟结果与重建数据仍然存在不确定性。对于重建数据而言,不同重建数据集采用了不同的时标,可能给模拟-数据对比带来偏差(如Capron等^[18,47]与Hoffman等^[2]采用的时标存在约1 ka的差别)。其次,不同数据采用的温度重建假设也存在差异。如,Turney等^[1]的海温重建是基于末次间冰期全球增温最大值同步出现的假设,而Capron等^[18,47]与Hoffman等^[2]则是假设副极地南大洋表层海温变化与气温变化同时发生。此外,末次间冰期的海温重建数据提供重建海温异常的1~2个标准差。由于重建的海温异常大多暖于模拟的海温异常,若是使用重建的海温减去标准差的结果,模拟-数据的符号一致性(均方根误差)可能会提高超过10%(减少超过20%)。而已有研究表明温度重建可能偏向于指示暖季的信号^[33],因此模式-重建数据比较所选取的月份可能也会对比较结果产生一定的影响。

在模拟方面,尽管已有研究指出平衡态切片模拟中冰盖与植被的变化对于模拟-数据比较结果的影响较为有限,但TGCS-LIG试验与127ka-LIG试验的植被与冰盖均设置为工业革命前的水平,可能为末次间冰期气候变化的模拟带来一定不确定性^[19-20,22]。此外,虽然本研究仅使用CESM开展末次间冰期的平衡态切片模拟与瞬变模拟试验,但127ka-LIG试验的温度、降水结果与PMIP4 lig127k的多模式集合平均结果高度一致^[6],表明本研究的数值模拟结果相对可靠。尽管仍然存在不确定性,本研究首次系统地量化了末次间冰期平衡态切片模拟试验和瞬变模拟试验的模拟-模拟和模拟-数据差异,强调了开展瞬变模拟试验对于研究末次间冰期气候变化及其机理具有重要的价值。

参考文献

[1] TURNEY C S M, JONES R, MCKAY N P, et al. A global mean sea-surface temperature dataset for the Last Interglacial (129-116 kyr) and contribution of thermal expansion to sea-level change[J]. Earth System Science Data, 2020, 12(4): 3341-3356.

[2] HOFFMAN J S, CLARK P U, PARNELL A C, et al. Regional and global sea-surface temperatures during the last interglaciation[J]. Science, 2017, 355: 276-279.

[3] DUTTON A, CARLSON A E, LONG A J, et al. Sea-level rise due to polar ice-sheet mass loss during past warm periods[J]. Science, 2015, 349(6244): aaa4019.

[4] PAUSATA F S R, GAETANI M, MESSORI G, et al. The greening of the Sahara: past changes and future implications[J]. One Earth, 2020, 2(3): 235-250.

[5] GULEV S K, THORNE P W, AHN J, et al. Changing state of the climate system[R]// MASSON-DELMOTTE V, ZHAI P,PIRANI S, et al. Climate change 2021:the physical science basis. Contribution of working group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press, 2021: 287-422.

[6] OTTO-BLIESNER B L, BRADY E C, ZHAO A, et al. Large-scale features of Last Interglacial climate: results from evaluating the lig127k simulations for the Coupled Model Intercomparison Project (CMIP6)-Paleoclimate Modeling Intercomparison Project (PMIP4)[J]. Climate of the Past, 2021, 17: 63-94.

[7] SCUSSOLINI P, BAKKER P, GUO C, et al. Agreement between reconstructed and modeled boreal precipitation of the Last Interglacial[J]. Science Advances, 2019, 5: eaax7047.

[8] KAGEYAMA M, SIME L C, SICARD M, et al. A multi-model CMIP6-PMIP4 study of Arctic sea ice at 127 ka: sea ice data compilation and model differences[J]. Climate of the Past, 2021, 17: 37-62.

[9] JIANG N X, YAN Q, WANG H J. Deciphering the variations and mechanisms of the westerly jets across the Northern Hemisphere during the Last Interglacial based on PMIP4 models[J]. Climate Dynamics, 2022, 58: 3279-3295.

[10] 江南萱, 燕青, 王会军. 末次间冰期亚洲干旱区干湿变化的模拟研究[J]. 大气科学学报, 2023, 46(1): 55-68.

[11] JIANG N X, YAN Q, WANG H J. Intensified atmospheric branch of the hydrological cycle over the Tibetan Plateau during the Last Interglacial from a Dynamical Downscaling Perspective[J]. Journal of Geophysical Research: Atmospheres, 2022, 127(15): e2022JD036470.

[12] SANCHEZ GONI M F, BAKKER P, DESPRAT S, et al. European climate optimum and enhanced Greenland melt during the Last Interglacial[J]. Geology, 2012, 40(7): 627-630.

[13] LI H, RENSSEN H, ROCHE D M. Modeling climate-vegetation interactions during the last interglacial: the impact of biogeophysical feedbacks in North Africa[J]. Quaternary Science Reviews, 2020, 249: 106609.

[14] LI H, RENSSEN H, ROCHE D M. Comparison of the Green-to-desert Sahara transitions between the Holocene and the Last Interglacial[J]. Climate of the Past, 2022, 18: 2303-2319.

[15] YAN Q, KORTY R, WEI T, et al. A westward shift in tropical cyclone potential intensity and genesis regions in the north Atlantic during the Last Interglacial[J]. Geophysical Research Letters, 2021, 48(12): e2021GL093946.

[16] JIIANG N X, YAN Q, WANG H J, et al. Earlier onset and shortened Meiyu Season during the Last Interglacial based on dynamical downscaling simulations[J]. Geophysical Research Letters, 2022, 49(24): e2022GL101048.

[17] JIANG N X, YAN Q, WANG H J. General characteristics of climate change over China and associated dynamic mechanisms during the Last Interglacial based on PMIP4 simulations[J]. Global and Planetary Change, 2021, 208: 103700.

[18] CAPRON E, GOVIN A, FENG R, et al. Critical evaluation of climate syntheses to benchmark CMIP6/PMIP4 127 ka Last Interglacial simulations in the high-latitude regions[J]. Quaternary Science Reviews, 2017, 168: 137-150.

[19] 张琼, 陈婕. 末次间冰期127 ka时期植被反馈增强东亚夏季风降水的数值模拟研究[J]. 第四纪研究, 2020, 40(6): 1499-1512.

[20] O’ISHI R, CHAN W L, ABE-OUCHI A, et al. PMIP4/CMIP6 last interglacial simulations using three different versions of MIROC: importance of vegetation[J]. Climate of the Past, 2021, 17(1): 21-36.

[21] MERZ N, GFELLER G, BORN A, et al. Influence of ice sheet topography on Greenland precipitation during the Eemian interglacial[J]. Journal of Geophysical Research: Atmospheres, 2014, 119(18): 10749-10768.

[22] PFEIFFER M, LOHMANN G. Greenland Ice Sheet influence on Last Interglacial climate: global sensitivity studies performed with an atmosphere-ocean general circulation model[J]. Climate of the Past, 2016, 12(6): 1313-1338.

[23] ZHANG Z, JANSEN E, SOBOLOWSKI S P, et al. Atmospheric and oceanic circulation altered by global mean sea-level rise[J]. Nature Geoscience, 2023, 16(4): 321-327.

[24] NIKOLOVA I, YIN Q, BERGER A, et al. The last interglacial (Eemian) climate simulated by LOVECLIM and CCSM3[J]. Climate of the Past, 2013, 9(4): 1789-1806.

[25] PEDERSEN R A, LANGEN P L, VINTHER B M. The last interglacial climate: comparing direct and indirect impacts of insolation changes[J]. Climate Dynamics, 2016, 48(9/10): 3391-3407.

[26] TIMM O, TIMMERMANN A, ABE-OUCHI A, et al. On the definition of seasons in paleoclimate simulations with orbital forcing[J]. Paleoceanography, 2008, 23(2): PA221.

[27] KUBATZKI C, MONTOYA M, RAHMSTORF S, et al. Comparison of the last interglacial climate simulated by a coupled global model of intermediate complexity and an AOGCM[J]. Climate Dynamics, 2000, 16: 799-814.

[28] MONTOYA M, STORCH H, CROWLEY S F. Climate simulation for 125 kyr BP with a coupled ocean-atmosphere general circulation model[J]. Journal of Climate, 2000, 13: 1057-1072.

[29] MONTOYA M, CROWLEY T J, VON STORCH H. Temperatures at the last interglacial simulated by a coupled ocean-atmosphere climate model[J]. Paleoceanography, 1998, 13(2): 170-177.

[30] BAKKER P, STONE E J, CHARBIT S, et al. Last interglacial temperature evolution-a model inter-comparison[J]. Climate of the Past, 2013, 9(2): 605-619.

[31] YIN Q, WU Z, BERGER A, et al. Insolation triggered abrupt weakening of Atlantic circulation at the end of interglacials[J]. Science, 2021, 373: 1035-1040.

[32] SOMMERS A N, OTTO-BLIESNER B L, LIPSCOMB W H, et al. Retreat and regrowth of the greenland ice sheet during the Last Interglacial as simulated by the CESM2-CISM2 coupled climate-ice sheet model[J]. Paleoceanography and Paleoclimatology, 2021, 36(12): e2021PA004272.

[33] BAKKER P, RENSSEN H. Last interglacial model-data mismatch of thermal maximum temperatures partially explained[J]. Climate of the Past, 2014, 10(4): 1633-1644.

[34] VARMA V, PRANGE M, SCHULZ M. Transient simulations of the present and the last interglacial climate using the Community Climate System Model version 3: effects of orbital acceleration[J]. Geoscientific Model Development, 2016, 9(11): 3859-3873.

[35] HURRELL J W, HOLLAND M M, GENT P R, et al. The community earth system model: a framework for collaborative research[J]. Bulletin of the American Meteorological Society, 2013, 94(9): 1339-1360.

[36] OTTO-BLIESNER B L, BRADY E C, TOMAS R A, et al. A comparison of the CMIP6 midHolocene and lig127k simulations in CESM2[J]. Paleoceanography and Paleoclimatology, 2020, 35(11): e2020PA003957.

[37] LI X, HU Y, GUO J, et al. A high-resolution climate simulation dataset for the past 540 million years[J]. Scientific Data, 2022, 9(1): 371.

[38] KIEHL J T, ZARZYCKI C M, SHIELDS C A, et al. Simulated changes to tropical cyclones across the Paleocene-Eocene Thermal Maximum (PETM) boundary[J]. Palaeogeography, Palaeoclimatology, Palaeoecology, 2021, 572: 110421.

[39] BERGER A L. Long-term variations of daily insolation and Quaternary climatic changes[J]. Journal of the Atmospheric Sciences, 1978, 35: 2362-2367.

[40] BAZIN L, LANDAIS A, LEMIEUX B, et al. An optimized multi-proxy, multi-site Antarctic ice and gas orbital chronology (AICC2012): 120-800 ka[J]. Climate of the Past, 2013, 9: 1715-1731.

[41] BEREITER B, EGGLESTON S, SCHMITT J, et al. Revision of the EPICA Dome C CO₂ record from 800 to 600 kyr before present[J]. Geophysical Research Letters, 2015, 42: 542-549.

[42] SCHILT A, BAUMGARTNER M, BLUNIER T, et al. Glacial-interglacial and millennial-scale variations in the atmospheric nitrous oxide concentration during the last 800 000 years[J]. Quaternary Science Reviews, 2010, 29: 182-192.

[43] SCHILT A, BAUMGARTNER M, SCHWANDER J, et al. Atmospheric nitrous oxide during the last 140 000 years[J]. Earth and Planetary Science Letters, 2010, 300: 33-43.

[44] SCHNEIDER R, SCHMITT J, KÖHLER P, et al. A reconstruction of atmospheric carbon dioxide and its stable carbon isotopic composition from the penultimate glacial maximum to the last glacial inception[J]. Climate of the Past, 2013, 9(6): 2507-2523.

[45] CAPRON E, GOVIN A, BAKKER P, et al. Paving the road for improved integrative investigations of past Warm Extremes[J]. Pages Magazine: Workshop Report, 2016, 24(1): 34.

[46] KÖHLER P, NEHRBASS-AHLES C, SCHMITT J, et al. A 156 kyr smoothed history of the atmospheric greenhouse gases CO₂, CH₄, and N₂O and their radiative forcing[J]. Earth System Science Data, 2017, 9(1): 363-387.

[47] CAPRON E, GOVIN A, STONE E J, et al. Temporal and spatial structure of multi-millennial temperature changes at high latitudes during the Last Interglacial[J]. Quaternary Science Reviews, 2014, 103: 116-133.

[48] BREWER S, GUIOT J, SÁNCHEZ-GOÑI M F, et al. The climate in Europe during the Eemian: a multi-method approach using pollen data[J]. Quaternary Science Reviews, 2008, 27(25/26): 2303-2315.

[49] SHACKLETON N J, SÁNCHEZ-GOÑI M F, PAILLER D, et al. Marine isotope substage 5e and the Eemian Interglacial[J]. Global and Planetary Change, 2003, 36(3): 151-155.

[50] SÁNCHEZ-GOÑI M F, LANDAIS A, FLETCHER W J, et al. Contrasting impacts of Dansgaard-Oeschger events over a western European latitudinal transect modulated by orbital parameters[J]. Quaternary Science Reviews, 2008, 27: 1136-1151.

[51] BROWN J R, BRIERLEY C M, AN S I, et al. Comparison of past and future simulations of ENSO in CMIP5/PMIP3 and CMIP6/PMIP4 models[J]. Climate of the Past, 2020, 16(5): 1777-1805.

基金资助

国家自然科学基金项目(42022036)