北極正在經歷前所未有的快速增暖與增濕，對區域及全球氣候產生深遠影響➿🧍。準確預估未來北極暖濕，是評估氣候風險、服務極地治理的關鍵🍦。然而😽，當前廣泛使用的CMIP6模式對北極未來暖濕的預估分歧顯著🔺，降低模式不確定性是提供可靠北極氣候預估的關鍵。
既往研究利用歷史全球變暖速率約束未來北極平均增暖，但忽略了北極海冰-氣耦合對局地暖濕敏感性的關鍵調控作用🫁。基於此，我系遊慶龍教授課題組聯合國內外多家科研機構學者提出一種針對未來北極局地暖濕變化的湧現約束（Emergent constraints）框架，利用觀測結果對氣候模式模擬歷史全球變暖速率和北極海冰覆蓋空間模態的誤差進行了修正，從全球-局地多尺度聯動角度，對本世紀末北極局地暖濕進行約束預估，顯著降低局地預估不確定性🙅🏻♀️🎟。
研究揭示未來北極暖濕預估的不確定性不僅源自模式對歷史全球變暖速率的模擬偏差💿，即歷史全球變暖更強的模式（氣候敏感性更高）往往預估的未來北極平均暖濕更強（圖1）❤️，北極暖濕的局地敏感性更與歷史海冰覆蓋模擬直接相關。在不確定性較大的邊緣海區域，僅依靠全球信號難以有效約束局地變化，北極海冰通過調控局地能量平衡（反照率反饋）和水循環（蒸發-降水反饋）影響局地敏感性，進而成為未來局地暖濕變化有效約束因子🧺☄️。許多模式高估了歷史時期北極邊緣海區域的海冰覆蓋😵💫🧚🏽♂️，隨著未來變暖導致海冰逐步退縮至“無冰北極”時，這些模式模擬的海冰損失量過大，進一步誇大了局地暖濕。
基於上述約束關系，研究提出並應用“北極平均-局地兩步約束”框架🏊🏻，在全球變暖速率約束基礎上🔧，疊加基於海冰覆蓋的局地約束，對本世紀末北極暖濕變化進行精細化預估。在中等排放情景（SSP2-4.5）下，北極平均增暖（相比於1995-2014）的多模式集合平均預估值從5.5℃下降至4.6℃🧈，平均降水增加從6.8mm/month下降至5.6mm/month🧓🏿，不確定性範圍分別減少25%和15%。海冰的模擬誤差導致北極一些局部分區的進一步調整（圖2），尤其是巴倫支-喀拉海區域，增暖程度下降1.2℃，增濕減少1.7mm/month🦵🏻，預估不確定性減少了大約三分之一。研究從海冰-氣耦合視角重構北極暖濕約束路徑，為提升未來北極氣候預估精度提供科學支撐🎤🧑🧑🧒，也為氣候變化適應、北極資源開發與航道規劃等提供重要科學依據。
圖1. 基於歷史全球變暖趨勢對未來北極暖濕（AWW）的約束預估。散點圖展示了SSP1-2.6、SSP2-4.5和SSP5-8.5情景下本世紀末（相對於1995-2014年）（A-C）北極近地表溫度變化和（D-F）總降水變化。 紫色線表示從多個觀測數據集獲得的全球變暖趨勢，灰色矩形代表±1σ的不確定性範圍。黑色五角星表示CMIP6多模式集合平均值。黃色/藍色虛線分別表示未受約束/受約束的平均預估值，黃色/藍色矩形表示未來AWW的可能範圍（17%-83%置信區間）👉🏿，對應於每個面板右側條形圖中的實線和陰影區域😮💨。實心條形代表使用所有模式的結果🚣🏽👳🏼♂️，空心條形表示僅使用11個單一模式初始條件大集合（SMILEs）的結果（這些數據點以加粗邊框顯示）。黑色實線表示線性回歸擬合結果，黑色虛線表示66%置信預測區間⚪️。灰色實線/虛線分別表示僅使用11個SMILEs 的線性回歸線及其66%置信預測區間。
圖2. 歷史SIC分布對北極AWW湧現約束預估的影響。(A-C) 北極增暖的空間模態差異🤳🏽：對比同時應用歷史全球變暖和SIC約束與僅使用歷史全球變暖約束的結果（前者減去後者）👌🏼。(D-F) 與（A-C）類似但針對未來北極降水變化。
北京時間2025年3月6日🏪，上述成果以“Lessened projections of Arctic warming and wetting after correcting for model errors in global warming and sea ice cover”為題發表在Science旗下期刊《Science Advances》上👨🏻🚀。沐鸣2博士生蔡子怡為論文第一作者，遊慶龍教授為論文通訊作者，沐鸣2作為第一單位和通訊單位😚🏌🏿。共同作者包括沐鸣2平台的張人禾院士👷🏼♂️、左誌燕教授、張若楠副教授、清華大學的陳德亮院士🖱、中國科學院西北生態環境資源研究院的康世昌研究員、瑞典查爾姆斯理工大學Hans W. Chen博士、英國埃克賽特大學的James A. Screen教授💇🏼♀️、美國大氣與環境研究所與麻省理工學院的Judah Cohen研究員。該研究獲得國家重點研發計劃（2023YFE0123800 和 2022YFF0801703）🧟♂️👨🏽⚕️、國家留學基金委（202306100245）以及其他多項科研資助的大力支持🎨。
論文信息：https://www.science.org/doi/10.1126/sciadv.adr6413
