近期，开云登录入口手机版 海洋模式团队利用CMIP6集合和FGOALS-g3大样本数据，从海盆尺度和区域尺度探究了DSL预估不确定性的各类来源。研究表明，在海盆尺度上，模式间不确定性是本世纪各海盆DSL预估不确定性的主要来源，在近期（2021-2040）、中期（2041-2060）和远期（2081-2100）的贡献分别达到55%、80%和70%以上。内部变率的贡献在近期（10-42%）和中期（<20%）仅次于模式间不确定性，远期情景不确定性的贡献在除印度洋以外的海盆均超过内部变率的贡献。在区域尺度上，内部变率是近期太平洋、印度洋和大西洋西边界DSL预估不确定性的主要来源（60-100%），而模式间不确定性在其它区域更为重要。从中期到远期，内部变率（模式间不确定性）的贡献在大部分区域减少（增加）。远期，情景不确定性开始在南大洋、太平洋和大西洋变得重要。区域DSL预估的信噪比分析结果表明，直至本世纪末人为DSL变化信号仅能从少数区域涌现。假设模式差异被完全消除，由此得到的perfect CMIP6集合可以提前在更多区域检测到人为DSL变化信号。

　　单个模式初始条件大集合的出现使得气候科学领域对模式强迫响应和内部变率的稳健量化成为可能。经研究发现样本数达110个的FGOALS-g3超级大样本集合模拟和预估的全球主要六个海盆平均DSL变化能够很好的代表CMIP6集合的结果（图2）。通过FGOALS-g3超级大样本和CMIP6集合的对比，可以发现由CMIP6集合估计的各海盆的内部变率远小于由FGOALS-g3大样本估计的各海盆的内部变率，仅有FGOALS-g3大样本的1/2。

　　上述研究结果为下一代CMIP模式的改进和全球变暖下区域DSL预估的约束研究提供了方向。厘清各类预估不确定性来源的相对贡献将有助于未来对关键不确定性开展针对性的预估约束工作。相关研究成果近期分别发表于Journal of Climate，Advances in Atmospheric Sciences和Geoscience Letters上。文章得到国家重点研发计划（2022YFC3104802，2020YFA0608902），中国科学院战略先导项目（XDB42010404），国家自然科学基金（41931183，U2242214）等项目的共同资助。

　　论文信息：

　　1. Jin C, Liu H*, Lin P, Li Y. 2024. Uncertainties in the Projection of Dynamic Sea Level in CMIP6 and FGOALS-g3 Large Ensemble. Journal of Climate, 37(6), 1919-1935. https://doi.org/10.1175/JCLI-D-23-0272.1

　　2. Jin C, Liu H*, Lin P. 2023. Evaluation of the seasonal to decadal variability in dynamic sea level simulations from CMIP5 to CMIP6. Geoscience Letters, 10(1), 1-11. https://doi.org/10.1186/s40562-023-00291-w

　　3. Lin P*, Zhao B, Wei J, Liu H, Zhang W, Chen X, Jiang J, Ding M, Man W, Jiang J, Zhang X, Ding Y, Bai W, Jin C, Yu Z, Li Y, Zhang W, Zhou T. 2022. The Super-large Ensemble Experiments of CAS FGOALS-g3. Advances in Atmospheric Sciences, 39(10), 1746-1765. https://doi.org/10.1007/s00376-022-1439-1

图1 区域DSL预估中三类不确定性来源的方差贡献。（a），（d），（g）表征CMIP6模式间不确定性，（b），（e），（h）表征CMIP6内部变率，（c），（f），（i）表征CMIP6情景不确定性。第一列表征近期（2021-2040年），第二列表征中期（2041-2060年），第三列表征远期（2081-2100年）

图2 FGOALS-g3超级大样本和CMIP6集合模拟预估海盆平均DSL距平变化（参考态：1995-2014）。（a）北太平洋、（b）北大西洋、（c）印度洋、（d）热带大西洋、（e）热带太平洋和（f）南大洋。灰（橙）线表征CMIP6集合（FGOALS-g3超级大样本）。