高原气象

高原气象 >

2024 , Vol. 43 >Issue 2: 293 - 302

DOI: https://doi.org/10.7522/j.issn.1000-0534.2023.00051

论文

面向空投的青藏高原风场大涡模拟研究

  • 鲍艳松 , 1 ,
  • 季凌潇 1 ,
  • 李欢 2 ,
  • 陆其峰 , 3 ,
  • 王富 3
展开
  • 1. 南京信息工程大学气象灾害预报预警与评估协同创新中心/中国气象局气溶胶与云降水重点开放实验室/ 大气物理学院，江苏 南京 210044
  • 2. 中国空气动力研究与发展中心计算空气动力研究所，四川 绵阳 621000
  • 3. 中国气象局地球系统数值预报中心，北京 210008
陆其峰（1975 -）， 男， 江苏淮阴人， 研究员， 主要从事资料同化与数值预报研究. E-mail：

鲍艳松（1976 -）， 男， 安徽巢湖人， 教授， 主要从事遥感探测及资料同化融合. E-mail：

收稿日期: 2023-02-05

  修回日期: 2023-06-11

  网络出版日期: 2024-03-26

收起

Application of Large Eddy Simulation on Qinghai-Xizang Plateau Wind for Airdrop

  • Yansong BAO , 1 ,
  • Lingxiao JI 1 ,
  • Huan LI 2 ,
  • Qifeng LU , 3 ,
  • Fu WANG 3
Expand
  • 1. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters / Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration / Joint Laboratory of Meteorological Environment Satellite Engineering and Application，School of Atmospheric Physics，Nanjing University of Information Science & Technology，Nanjing 210044，Jiangsu，China
  • 2. China Aerodynamics Research and Development Center，Mianyang 621000，Sichuan，China
  • 3. China Meteorological Administration Earth System Modeling And Prediction Center，Beijing 100081，China

Received date: 2023-02-05

  Revised date: 2023-06-11

  Online published: 2024-03-26

Copyright

© Editorial Department of Plateau Meteorology （CC BY-NC-ND）
Fold

摘要

青藏高原地形复杂且气候恶劣， 对高原空投伞降和航空安全是巨大的挑战； 本文基于数值模拟方法， 研究一套适用于高原复杂地形的风场精确模拟方法。本研究首先基于WRF（Weather Research and Forecasting）模式的大涡模拟LES（Large Eddy Simulation）方案， 研究青藏高原大涡模拟方法， 构建一套降尺度至40 m水平分辨率的WRF-LES系统。然后， 基于青藏高原大风个例， 通过敏感性试验研究， 评估LES方案和地形高程数据对风场模拟影响。其外， 对LES方案的标准亚格子湍流应力模型中参数进行分析， 得到青藏高原风场模拟的最优方案组。最后， 进行批量试验， 检验该方案对高原风场模拟的适用性。试验结果表明： （1）40 m分辨率的WRF-LES系统可模拟得到更精细和准确的风场信息， 模拟风速平均绝对误差MAE（Mean Absolute Error）较ACM2方案减小1.4 m·s-1且均方根误差RMSE（Root Mean Square Error）减小1.81 m·s-1； （2）高精度地形资料ASTER的接入可以改善模式对风场模拟的效果， 各项误差较模式默认地形模拟结果均存在约0.2 m·s-1的改善； （3）LES方案采用基于1.5阶湍流动能方案且常数项系数为0.1时模拟效果最佳， MAE为1.56 m·s-1且RMSE为2.06 m·s-1。批量试验验证了大涡模拟方案对于青藏高原边界层风场模拟具有较强的适用性， 40 m分辨率区域风场模拟效果明显优于中尺度模拟效果， 可为高原空投伞降提供准确的风场信息。

关键词： 青藏高原; 大涡模拟; 空投伞降

本文引用格式

鲍艳松 , 季凌潇 , 李欢 , 陆其峰 , 王富 . 面向空投的青藏高原风场大涡模拟研究[J]. 高原气象, 2024 , 43(2) : 293 -302 . DOI: 10.7522/j.issn.1000-0534.2023.00051

Abstract

The Qinghai-Xizang Plateau has complex terrain and climate， which is a great challenge to the airdrop parachute landing and aviation safety.This research focuses on Qinghai-Xizang Plateau wind field simulation in boundary layer based on numerical calculation method.Firstly， the study built a WRF-LES system and scaled down to 40 m horizontal resolution based on the large eddy simulation （LES） scheme of WRF （Weather Research and Forecasting） model， and undertook the application study of large eddy simulation on the Qinghai-Xizang Plateau.Based on a strong wind case over the Qinghai-Xizang Plateau， the impacts of LES scheme and terrain elevation data on wind field simulation were evaluated through sensitivity tests.Then， the parameters in the standard sub-grid turbulent stress models of LES scheme were analyzed， and the optimal schemes for wind field simulation on the Qinghai-Xizang Plateau was obtained.Finally， a batch test was conducted to verify the applicability of the optimal schemes to the Qinghai-Xizang Plateau wind field simulation.The test results show that the WRF-LES system with a resolution of 40 m can simulate more precise and accurate wind field information， and the MAE （Mean Absolute Error） of simulated wind speed is reduced by 1.4 m·s-1 and the RMSE （Root Mean Square Error） is reduced by 1.81 m·s-1 compared with the ACM2 scheme； The high-precision ASTER terrain data can also improve the effect of wind field simulation， and the error is approximately deduced by 0.2 m·s-1； The LES scheme that use 1.5-order turbulent flow energy scheme and set parameter coefficient 0.1 has the best simulation result， and the MAE is 1.56 m·s-1 and RMSE is 2.06 m·s-1； The batch test verifies that the large eddy simulation scheme is fit for the wind simulation on the Qinghai-Xizang Plateau， and the wind field simulation results in the 40 m resolution is significantly better than in the mesoscale resolution.The result shows that WRF-LES system can provide accurate wind field information for the parachute landing on the plateau.

Key words： Qinghai-Xizang Plateau; large eddy simulation （LES）; airdrop parachute landing

1 引言

青藏高原是中国最大、 世界海拔最高的高原， 是连接我国内陆以及亚洲多国的战略要地。在19世纪前， 对国家边境的认识较为模糊， 中印边界问题便是历史遗留的边境问题之一（康民军， 2006）， 对青藏高原地区的物资和装备运输的建设便具有重要的战略意义。大气风场对航空安全和空投伞降具有重要的影响， 是制约航空安全的主要因素之一。由于高原复杂的地形环境与特殊的地理位置， 高原边界层及风场的数值模拟具有重要的研究意义（Xue et al， 2017； 伏薇等， 2022）。目前， 对于高原风场的数值模拟已取得一定进展（王寅钧， 2011； 许鲁君等， 2018）， 同时再分析资料等也被应用于高原气象要素的分析评估（吴佳等， 2022）， 高原风场模拟逐渐走向成熟。对于复杂地形风场模拟， 中尺度模式虽然能够较准确地模拟中尺度风场（苗世光等， 2009； 崔琳琳等， 2012； 刘郁珏等， 2019）， 但是无法捕捉微尺度大气湍流运动（Milovac et al， 2016）， 无法满足复杂地形， 特别是青藏高原近地面大气要素的准确模拟。
大涡模拟LES（Large Eddy Simulation）根据大小尺度湍流能量变化特性， 分开计算大小尺度湍涡， 能够捕捉到大部分湍流运动的能量， 被认为是极具潜力的湍流数值模拟发展方向（蒋维楣等， 2004）。由于LES需要耗费大量计算资源， 早期计算机无法满足其模拟需求， 所以虽然LES引入大气领域较早， 但是不具备对实际大气模拟能力， LES试验是在理想情况下进行研究（Lilly， 1976； 张兆顺等， 2005； Deardorff， 1972）。大涡模拟LES被众多学者应用于理想大气边界层对流的研究， 分析大气在不同稳定度下的物理过程机理（Mason et al， 1990； Moeng et al， 1994； Beare et al， 2006； Portéagel et al， 2000）， 杨玉华等（2016）利用大涡模拟结果作为“真”值， 对WRF模式参数化方案进行评估； 张宁等（2006）则利用大涡模拟， 对比风洞试验， 对建筑物周围的气流场进行精细模拟， 证明大涡模拟可以精确反映建筑物周围的流场特征。
由于LES理想案例模拟的并非真实大气， 并且随着计算机性能不断提高， 中尺度数值预报模式已实现模式与LES的在线耦合， 但目前相关研究仍较少。Liu et al（2011）通过WRF-LES耦合方法， 进行6层嵌套至百米分辨率， 并对美国科罗拉多西北部风电厂风速进行模拟， 表明WRF-LES系统可提供丰富且合理的风场特征。Talbot et al（2012）利用WRF-LES将水平分辨率降尺度至50 m， 提高了WRF模式对地表要素变化的模拟能力。Xue et al（2014）将中尺度模式WRF模拟结果离线提供给LES， 开展碘化银播撒试验精细数值模拟， 证实了WRF-LES具有良好的模拟效果。Rai et al（2017）利用WRF-LES系统将分辨率提高至30 m， 对哥伦比亚盆地进行风能研究， 结果表明模拟结果与观测值较吻合。孙学金等（2017）利用WRF-LES对干旱湖区非均匀下垫面风场进行了模拟， 发现模拟结果更能体现出近地层风场的高度起伏性， 进而提高数值模拟的真实性和准确性。Fu et al（2021）将CM1（Cloud Model 1）与LES耦合， 对雷州半岛深对流个例进行研究， 分析深对流云的触发过程。刘郁珏等（2018）针对北京小海坨山地区构建WRF-LES系统， 并降尺度至37 m， 评估WRF-LES在复杂地区的适用性， 之后对不同的湍流类型分析模拟效果， 表明大涡模拟具有较高的预报技巧（刘郁珏等， 2022）。张珊等（2023）则利用WRF-LES系统模拟河北崇礼地区复杂地形下的风场时空特征， 并评估不同下垫面资料对模拟结果的影响
以上研究虽验证了大涡模拟LES对于复杂下垫面具有较强的模拟能力， 但是由于青藏高原本身特殊性， 大涡模拟对于高原的适用性有待检验。并且以上研究缺少对于LES方案中参数的系统性分析， 未分析不同的湍流应力模型及其参数对风场模拟的影响。本文结合高精度地形高程数据， 基于WRF-LES对青藏高原那曲地区开展大涡模拟研究， 设置不同的湍流应力模型及其参数进行敏感性试验， 提供一套适用青藏高原近地面风场模拟的大涡模拟方案， 为青藏高原风场的高时空分辨率模拟提供依据和参考。

2 模式资料与试验方案

2.1　模式介绍

本研究采用4.0版本的WRF（Weather Research and Forecast Model）模式， 包含三个中尺度区域（D01、 D02和D03）以及两个LES尺度区域（D04和D05）。模式初始场和边界条件来自0.25°的FNL再分析资料。模式五层嵌套区域水平格点数均为151×151， 模式中心点为31.48°N， 92.07°E， 最外层水平分辨率为25 km， 并以1∶5的比例嵌套至最内层40 m分辨率， 垂直层数为51层。模式三层中尺度区域嵌套方式及最内层区域设置如图1所示（海陆边界数据来源于http： //www.soest.hawaii.edu/wessel/gshhs/）。
图1 模式区域1~3（D01~D03） （a）及区域5（D05）的地形高度分布（b）（单位： m）

Fig.1 The tewain height distribution of model domain （D01~D03） （a） and regional D05 （b）.Unit： m

模式物理参数化方案如表1所示。中尺度区域边界层方案采用对青藏高原那曲地区风速模拟效果较好的ACM2方案（李斐等， 2017）； D04和D05区域关闭ACM2方案， 开启LES模式。积云方案仅在d01区域采用Kain-Fritsch方案， 微物理方案采用WSM3方案， 长波辐射方案采用RRTM方案， 短波辐射则采用Dudhia方案， 近地层方案采用Monin-Obukhov方案， 陆面过程为Noah方案。
表1 大涡模拟物理参数化方案设置

Table 1 Physical parameterization scheme used in large-eddy simulation

方案类别 D01 D02 D03 D04 D05
水平分辨率 25km 5km 1km 200m 40m
微物理方案 WSM3 WSM3 WSM3 WSM3 WSM3
边界层方案 ACM2 ACM2 ACM2 LES LES
积云参数方案 Kain-Fritsch - - - -
长波辐射方案 RRTM RRTM RRTM RRTM RRTM
短波辐射方案 Dudhia Dudhia Dudhia Dudhia Dudhia
近地层方案 Monin-Obukhov Monin-Obukhov Monin-Obukhov Monin-Obukhov Monin-Obukhov
陆面过程方案 Noah Noah Noah Noah Noah

-表示无数据（- indicates without data）

2.2　试验设置

WRF模式中目前默认的地形资料为USGS_30s数据， 分辨率约为900 m， 可满足大部分中尺度模拟需求， 但对于青藏高原40 m水平分辨率大涡模拟的适用性有待验证。本文引入分辨率约为30 m的高精度地形高程数据ASTER GDEM（Advanced Spaceborne Thermal Emission and Reflection Radiometer Global Digital Elevation Model）（LES试验）， 对比不同地形资料（USGS试验）对高原风场大涡模拟精度的影响。同时， 设计五层嵌套区域均采用ACM2方案的边界层试验（ACM2试验）， 对比LES方案， 评估LES对于风场模拟效果的改进。
WRF-LES模式中包含两类标准亚格子湍流应力模型， 分别为Smagorinsky方案和基于1.5阶湍流动能方案（1.5 order TKE）。两者均基于涡度黏性系数 v T计算亚格子湍流应力， 但计算方式有所不同。其中Smagorinsky方案计算方法如式（1）、 式（2）：
v T = C s l l 2 m a x   0 , ( S ˜ i j S ˜ i j - P r - 1   N 2 ) 1 2
l = Δ x Δ y Δ z 1 3
式中： C s l为Smagorinsky系数， 默认为0.25； Pr为普朗克常数； N为Brunt-Vaisala频率。不同于Smagorinsky方案， 基于1.5阶湍流动能方案的涡度黏性系数 v T主要取决于湍流动能和湍流混合长度， 计算公式（3）如下：
v T = C e l l e
式中： e为亚格子湍流动能， C e l为0.15。当采用基于1.5阶湍流动能方案时， WRF模式将通过新增湍流动能预测方程来求解亚格子湍流动能。
常数项 C s l和 C e l均会影响涡度黏性系数计算结果， 从而影响大涡模拟结果， 因此需要对两种标准亚格子湍流应力模型中的 C s l和 C e l系数分别进行敏感性分析， 获得大涡模拟的最佳方案设置。模式中 C s l和 C e l系数默认值分别为0.25和0.15， 试验中除两个系数默认值以外， 参考常用的设置方法， 两类参数皆设置为0.1或0.5， 其余模式参数设置不变， 评估系数改变对模拟结果影响。
文章共设计两组敏感性试验： （1）地形与边界层方案敏感性试验； （2）亚格子湍流应力模型中参数敏感性试验。两组试验方案如表2所示：
表2 敏感性试验设置

Table 2 Sensitivity test setup

两组敏感性试验 试验名称 地形资料 边界层方案 湍流模型及参数
地形与边界层 敏感性试验 LES ASTER D01、 D02、 D03： ACM2、 D04、 D05： LES 1.5 order TKE C e l=0.15
USGS USGS D01、 D02、 D03： ACM2、 D04、 D05： LES 1.5 order TKE C e l=0.15
ACM2 ASTER ACM2 -
亚格子湍流 应力模型中 参数敏感性 试验 cs-0.1 ASTER D01、 D02、 D03： ACM2、 D04、 D05： LES Smagorinsky C s l=0.1
cs-0.25 ASTER D01、 D02、 D03： ACM2、 D04、 D05： LES Smagorinsky C s l=0.25
cs-0.5 ASTER D01、 D02、 D03： ACM2、 D04、 D05： LES Smagorinsky C s l=0.5
ck-0.1 ASTER D01、 D02、 D03： ACM2、 D04、 D05： LES 1.5 order TKE C e l=0.1
ck-0.15 ASTER D01、 D02、 D03： ACM2、 D04、 D05： LES 1.5 order TKE C e l=0.15
ck-0.5 ASTER D01、 D02、 D03： ACM2、 D04、 D05： LES 1.5 order TKE C e l=0.5
研究中试验时间为2021年3月30日00:00（世界时， 下同）起报， 预报120 h至4月4日00:00。选择该个例原因为： （1）该个例时段内最大风速约为10 m·s-1， 风速较大， 并且该时段内每日平均风速较大； （2）个例持续时间较长， 可进行较长时间的模拟效果评估， 弥补观测资料较少的缺陷， 在一定程度上避免统计样本少所带来的偶然性。通过该个例进行两组敏感性分析， 从而获得对青藏高原那曲地区大涡模拟的最佳方案组， 并对2021年4月进行批量试验， 验证该方案组的适用性。

2.3　观测资料

本文采用55299那曲站点的观测资料来验证风场模拟结果， 资料来源于国家气象科学数据中心（http： //data.cma.cn）。该站点海拔为4507 m， 地表植被类型为高寒草甸。本文采用那曲站地面观测资料中的10 m风速和10 m风向数据， 与模式模拟结果进行对比， 分析不同试验对地表风场的模拟效果。此外， 采用那曲站点的探空资料对高层风场模拟结果进行验证。评估模拟风场时， 选择模拟区域内与那曲站最临近格点的模拟结果， 采用平均绝对误差MAE（Mean Absolute Error）、 均方根误差RMSE（Root Mean Square Error）和相关系数R评估风速模拟结果， 准确率HR（Hit Rate）用于评估风向模拟结果， 其阈值为30°。

3 模拟结果检验与分析

3.1　地形与边界层方案敏感性试验

本试验主要关注高分辨率ASTER地形与模式默认USGS地形对模拟效果影响， 以及大涡模拟对比ACM2边界层方案对模拟效果的改进， 为此基于地面站实测数据对LES、 USGS和ACM2试验进行评估。图2给出ASTER和USGS试验下垫面海拔高度， 并叠加4月4日00:00地面10 m模拟风场。模式自带的USGS资料能够生成较为均一、 平滑的模式下垫面， 在一定程度上可反映地形的基本形势。但是USGS资料由于分辨率较低， 并且获得年代较早， 所生成的模式下垫面缺少细节。而ASTER资料由于其较高的分辨率， 可以更好地还原山地沟壑样貌。由图2可知， 两组试验风场分布大致相同， 均呈现山顶高、 山谷低的特征， 但是在区域西北角和东部两处地形较复杂之处， 两组试验的海拔差异较大， 导致模拟风场存在较大的差异性。
图2 2021年4月4日00:00， USGS（a）和LES（b）试验在D05区域内模拟的地形高度（阴影， 单位： m）和风场（风羽， 单位： m·s-1）

Fig.2 Terrain height （shadow， unit： m） and wind field （wind bar， unit： m·s-1） simulated by USGS （a） and LES （b） in D05 area at 00:00 on April 4， 2021

图3为D05区域LES、 USGS和ACM2试验10 m风速模拟与地面站实测对比曲线。如图3所示， 对比10 m风速的观测结果， 三组试验均能模拟出10 m风速日变化形势； 但在部分高风速的时段， 模式模拟存在高估的现象。其外， LES和USGS试验的模拟结果较为接近， 且在风速大值区LES试验模拟效果优于USGS试验， 这表明接入高精度的地形资料有助于地面风速模拟的改善。ACM2模拟地面风速则存在较大的正偏差， 与大涡模拟结果差距明显。
图3 LES、 USGS和ACM2试验模拟与55299站观测相应各时刻的10 m风速

Fig.3 10 m wind speed simulated by LES， USGS and ACM2 tests and observed by 55299 station

表3为D05区域LES、 USGS和ACM2试验40 m分辨率地面10 m风场模拟结果误差统计表。三组试验中LES试验误差最小， MAE仅为1.74 m·s-1， ACM2试验则达到了3.14 m·s-1。RMSE统计结果同样也是LES试验最佳为2.23 m·s-1， 其结果略优于USGS试验， 并且明显优于ACM2试验结果。LES试验模拟10 m风速与实测的相关系数略高于其余两组， 地面10 m风向准确率HR与USGS试验相同， 略高于ACM2方案。
表3 LES、 USGS和ACM2试验10 m风速模拟误差

Table 3 10 m wind speed error of LES， USGS and ACM2 tests

评价指标 LES USGS ACM2
MAE/（m·s-1） 1.74 1.96 3.14
RMSE/（m·s-1） 2.23 2.49 4.04
R 0.53 0.52 0.52
HR 0.32 0.32 0.31
分析地面10 m风场模拟结果可知， 在模式D05即40 m分辨率模拟区域， 采用大涡模拟方法可以更准确地模拟小尺度湍流并对其能量进行计算， 而中尺度模式的雷诺平均理论则欠缺对小尺度湍流模拟的能力。在近地面处， 由于下垫面地形的影响， 容易形成较多的小尺度湍流并影响近地面风场形势， 因此大涡模拟能够获得较边界层方案更好的地面风速模拟效果。同时， 接入高分辨率的ASTER数据可以更好地还原高原地形， 描述模拟区域的地貌细节。由于模式默认的地形数据也可以生成较为准确的地形， 反映地形的大致情况， 不影响区域风场的整体形势， 因此替换ASTER地形后结果相比USGS结果， 10 m风速效果有所改善， 但改善效果小于大涡模拟替换边界层方案结果。

3.2　亚格子湍流应力模型中参数敏感性试验

WRF-LES中包含两种标准亚格子湍流应力模型， 不同的模型会影响风场的精细化模拟效果。对于WRF-LES中Smagorinsky方案系数 C s l和基于1.5阶湍流动能方案系数 C e l进行系统性的研究， 除模式默认值外， 将两个系数皆设置为0.1或0.5， 其余模式参数设置不变， 评估两组方案中系数改变对模拟结果影响。
图4给出Smagorinsky方案中 C s l分别为0.1、 0.25和0.5时， D05区域每隔1 h的10 m风速模拟结果与地面站实测对比。如图4所示， 不同系数模拟得到的地面风速与实测符合度均较高， 均可以模拟出风速随时间的日变化规律。 C s l为0.1和0.25时， 模拟10 m风速与实测更为接近； 而 C s l为0.5时， 部分时刻模拟风速存在高估现象， 与实测相差较大。
图4 C s l系数敏感性试验与55299站观测相应各时刻10 m风速

Fig.4 10 m wind speed simulated by C s l coefficient sensitivity tests and observed by 55299 station

表4为 C s l分别为0.1、 0.25和0.5时， D05区域地面10 m风场模拟结果误差统计表。 C s l为默认值0.25时10 m风速模拟效果最佳， MAE和RMSE仅为1.76和2.24 m·s-1。 C s l为0.1时， MAE比0.25结果增大了0.07 m·s-1， 而RMSE则由2.24增大至2.59 m·s-1。在 C s l为0.5时风速模拟结果较差， 误差指标均最大， 误差增大0.5 m·s-1以上。 C s l为0.25和0.5时， 模拟10 m风速与实测相关系数明显高于 C s l为0.1的结果， 而对于10 m风向模拟结果， C s l为0.5时风向HR最高， 略高于其余两组试验。
表4 C s l系数敏感性试验10 m风速误差

Table 4 10 m wind speed error of C s l coefficient sensitivity test

评价指标 0.1 0.25（默认） 0.5
MAE/（m·s-1） 1.83 1.76 2.23
RMSE/（m·s-1） 2.59 2.24 2.90
R 0.49 0.54 0.54
HR 0.33 0.37 0.38
图5为1.5阶湍流动能方案 C e l参数分别设置为0.1、 0.15和0.5时， D05区域10 m风速模式模拟结果与地面站实测数据对比图。当 C e l为0.1时10 m风速模拟效果最好， 可改善对地面风速的高估现象。相较于0.1的参数设置， C e l为0.15时风速的正偏差有所增大； 而在 C e l为0.5时， 风速的高估现象明显， 与实测有更大偏差。
图5 C e l系数敏感性试验与55299站观测相应各时刻10 m风速

Fig.5 10 m wind speed simulated by C e l coefficient sensitivity tests and observed by 55299 station

表5给出 C e l分别为0.1、 0.15和0.5时， D05区域地面10 m风场模拟结果误差统计表。 C e l系数为0.1时， 各项误差均为最小， 地面风场模拟效果最好， 其MAE为1.56 m·s-1且RMSE为2.06 m·s-1。各项误差随着 C e l系数的增大而逐渐增大， 当 C e l为0.5时， MAE和RMSE较 C e l为0.1结果增大了1 m·s-1以上。风速相关系数随着 C e l系数的增大而逐渐减小。对于风向模拟结果， C e l为0.5时HR最高为0.38， 略高于其余两组试验。
表5 C e l系数敏感性试验10 m风速模拟误差

Table 5 10 m wind speed error of C e l coefficient sensitivity test

评价指标 0.1 0.15（默认） 0.5
MAE/（m·s-1） 1.56 1.74 2.57
RMSE/（m·s-1） 2.06 2.23 3.27
R 0.54 0.53 0.49
HR 0.33 0.32 0.38
基于以上对Smagorinsky方案中 C s l系数和基于1.5阶湍流动能方案中 C e l系数的敏感性试验分析， 不同的系数取值对地面风场模拟结果具有较大的影响， 当采用基于1.5阶湍流动能方案并且 C e l系数设置为0.1时， 对于青藏高原那曲地区风速模拟效果最好。

3.3　批量试验结论

以上敏感性试验研究， 论证了大涡模拟对青藏高原大风模拟的适用性， 并得到大涡模拟方案的最适用系数， 确定了青藏高原高分辨率风场模拟的最佳方案。利用这组参数设置方案， 开展青藏高原风场模拟批量试验， 根据55299那曲地面站和探空站数据， 统计模拟结果的平均绝对误差MAE和均方根误差RMSE， 检验大涡模拟方案对青藏高原风场模拟的效果。
批量试验时间段为2021年4月， 从每日00:00开始预报， 模拟24 h至次日00:00。大涡模拟方案采用基于1.5阶湍流动能方案且 C e l系数设置为0.1， 其余方案保持不变。图6给出批量试验不同分辨率、 不同预报时效地面10 m风速模拟结果误差曲线图。统计分析表明， D04相较于D03地面风速模拟效果有所提高， 但是在部分预报时效处误差大于D03； D05区域10 m风速的模拟效果最好， 风速误差基本均小于D03和D04区域， 这表明使用的大涡模拟方案对不同预报时效的风场均具有良好的模拟能力。
图6 不同分辨率各预报时效下10 m风速的误差曲线

Fig.6 10 m wind speed error curves on various resolution and prediction time

表6给出批量试验中D03（1 km）、 D04（200 m）和D05（40 m）区域， 不同预报时效地面10 m风速模拟结果的误差统计表。如表5所示， 随着分辨率的提高， 风速误差逐渐减小； 这说明大涡模拟方案应用和模式分辨率提高均改善了风速的模拟， 部分预报时效改进率大于50%。相比于D03， D05在12 h和24 h的MAE和RMSE均减小0.3 m·s-1以上。这说明通过敏感性试验确定的大涡模拟方案组， 对于青藏高原那曲地区地面风场具有良好的模拟能力， 对于不同预报时效， 均可获得更接近实测风速的模拟结果。
为分析大涡模拟方案对整层大气风场的模拟效果， 统计那曲探空站上空不同高度24 h大气风速预报误差。图7给出批量试验D03（1 km）、 D04（200 m）和D05（40 m）各层大气风速模拟误差曲线。如图7所示， 风速误差随高度的增加有逐渐增大的趋势， 且MAE和RMSE误差曲线较为相似。500 hPa处D03模拟所得风速误差最小， 但是在400 hPa和300 hPa处则误差较大， D04和D05在该高度模拟结果略优。整体而言， 由于高空大气较近地面大气更加均匀， 受下垫面影响更小， 大气湍流和小尺度涡旋影响减弱， 不同分辨率对于整层大气模拟效果较为接近。
图7 各高度层风速U分量（a， b）和V分量（c， d）模拟误差曲线

Fig.7 Error curves of wind speed U（a， b） and V（c， d） component at different altitudes

表7给出批量试验D03（1 km）、 D04（200 m）和D05（40 m）分辨率， 不同高度模拟风速误差统计结果。D03在500 hPa处风速模拟误差最小， MAE较D04和D05减小约0.3 m·s-1， RMSE减小约0.2 m·s-1。在400 hPa至250 hPa处则是D04和D05模拟风速较好， MAE和RMSE略有减小。模式模拟风速在100 hPa处误差较大。不同分辨率高空风场模拟结果表明， 大涡模拟方案对高空风场影响较小， 但同样可以改善部分高度层中风场的模拟效果。

4 结论

针对青藏高原复杂地形风场模拟， 本文耦合了中尺度数值预报模式WRF和大涡模式LES， 构建了WRF-LES系统； 通过地形和边界层方案的敏感性试验研究， 以及亚格子湍流应力模型中参数敏感性试验研究， 确定了青藏高原那曲地区风场模拟的最优方案设置， 并通过风场模拟批量试验， 进一步验证了方案设置的合理性。本文通过模式嵌套技术和参数敏感性研究， 构建了适用于青藏高原复杂地形风场模拟系统， 实现了复杂地形下40 m分辨率的三维风场高精度模拟， 主要结论如下：
（1） 青藏高原复杂地形下， 40 m水平分辨率的大涡模拟对10 m风速的模拟效果明显优于ACM2边界层方案， 误差减小1 m·s-1以上。其外， 由于近地面风场受下垫面地形影响较大， 高精度ASTER地形数据的接入可进一步提高地面风场模拟能力。
（2） 在WRF模式所包含的大涡模拟标准亚格子湍流应力模型中， 计算涡度黏性系数的常数项系数对模拟结果有较大的影响； 根据敏感性试验结论， 选择基于1.5阶湍流动能方案且系数 C e l设置为0.1时， 那曲地区风场模拟效果最佳， 地面10 m风速MAE为1.56 m·s-1且RMSE为2.06 m·s-1。
（3） 大涡模拟可明显改善2021年4月青藏高原那曲地区近地面风场模拟结果， 40 m分辨率大涡模拟对不同预报时效的风场模拟结果均存在明显改进作用， 证明该方案组对该地区具有较好的适用性； 对于高层大气， 大涡模拟对风场模拟的改善作用有限。
综上所述， WRF-LES系统对于青藏高原那曲地区风场具有较好的模拟能力， 可实现复杂地形下近地面风场的高分辨率模拟， 对于空投伞降的保障具有较高的应用价值。但是受到高原气象资料有限的影响， 本文在评估风场模拟效果时仅使用了那曲站数据， 并且并未对大涡模拟高时间分辨率性能做出评估。此外， 青藏高原季节差异较大， 本文仅进行了4月的批量试验， 其余季节边界层风场的模拟效果有待进一步评估。因此， 后续可基于青藏高原多站点的分钟级气象资料， 进一步开展大涡模拟性能评估研究， 并针对不同季节开展大涡模拟批量试验， 评估模式物理参数化方案组的普适性。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Beare R J， Macv Ea N M K， Holtslag A， et al， 2006.An intercomparison of large-eddy dimulations of the stable boundary layer［J］.Boundary-Layer Meteorology， 118（2）： 247-272.DOI： 10. 1007/s10546-004-2820-6 .

Deardorff J W， 1972.Numerical investigation of neutral and unstable planetary boundary layers［J］.Journals of the Atmospheric Sciences， 29（1）： 91-115.DOI： 10.1175/1520-0469（1972）029<0091： NIONAU>2.0.CO； 2 .

Fu S， Rotunno R， Chen J， et al， 2021.A large-eddy simulation study of deep-convection initiation through the collision of two sea-breeze fronts［J］.Atmospheric Chemistry And Physics， 21： 9289-9308.DOI： 10.5194/acp-21-9289-2021 .

Lilly D K， 1976.The representation of small-scale turbulence in numerical simulation experiments［M］.In： Proceedings IBM scientific computing symposium on environmental sciences， 14-16 Nov， HeightsYorktown， NY.DOI： 10.5065/D62R3PMM .

Liu Y B， Warner T， Liu Y， et al， 2011.Simultaneous nested modeling from the synoptic scale to the LES scale for wind energy applications［J］.Journal of Wind Engineering & Industrial Aerodynamics， 99（4）： 308-319.DOI： 10.1016/j.jweia.2011.01.013 .

Mason P J， Derbyshire S H， 1990.Large-eddy simulation of the stably-stratified atmospheric boundary layer［J］.Boundary-Layer Meteorology， 53（1）： 117-162.DOI： 10.1007/BF00122467 .

Milovac J， Branch O L， Bauer H S， et al， 2016.High-resolution WRF Model simulations of critical land surface-Atmosphere interactions within arid and temperate climates （WRFCLIM）［M］.New York： High Performance Computing in Science and Engineering.DOI： 10.1007/978-3-319-24633-8_39 .

Moeng C H， Sullivan P P， 1994.A comparison of shear-and buoyancy-driven planetary boundary layer flows［J］.Journal of the Atmospheric Sciences， 51（7）： 999-1022.DOI： 10.1175/1520-0469（1994）051<0999： ACOSAB>2.0.CO； 2 .

Portéagel F， Meneveau C， Parlange M， 2000.A scale-dependent dynamic model for large-eddy simulation： application to a neutral atmospheric boundary layer［J］.Journal of Fluid Mechanics， 415（1）： 261-284.DOI： 10.1017/S0022112000008776 .

Rai R K， Berg L K， Kosovic B， et al， 2017.Comparison of measured and numerically simulated turbulence statistics in a convective boundary layer over complex terrain［J］.Bound-Lay Meteor， 163（1）： 69-89.DOI： 10.1007/s10546-016-0217-y .

Talbot C， Bouzeid E， Smith J， 2012.Nested mesoscale large-eddy simulations with WRF： performance in real test cases［J］.Journal of Hydrometeorology， 13： 1421-1441.DOI： 10.1175/JHM-D-11-048.1 .

Xue L， Chu X， Rasmussen R， et al， 2014.A case study of radar observations and WRF LES simulations of the impact of ground-based glaciogenic seeding on orographic clouds and precipitation.Part II： AgI dispersion and seeding signals simulated by WRF［J］.Journal of Applied Meteorology and Climatology， 53（10）： 2264-2286.DOI： 10.1175/JAMC-D-15-0115.1 .

Xue T， Xu J J， Guan Z Y， et al， 2017.An assessment of the impact of ATMS and CrIS data assimilation on precipitation prediction over the Tibetan Plateau［J］.Atmospheric Measurement Techniques， 10（7）： 2517-2531.DOI： 10.5194/amt-10-2517-2017 .

崔琳琳， 胡松， 2012.2008年东海海面WRF风场和QuikSCAT风场差异分析［J］.海洋预报， 29（5）： 39-47.DOI： 10.11737/j.issn.1003-0239.2012.05.006.Cui L L ，

Hu S， 2012.Analysis on difference of sea surface wind field between WRF and QuikSCAT over the East China Sea of 2008［J］.Marine Forecasts， 29（5）： 39-47.DOI： 10.11737/j.issn.1003-0239.2012.05.006 .

伏薇， 李茂善， 阴蜀城， 等， 2022.西风南支与高原季风环流场下青藏高原大气边界层结构研究［J］.高原气象， 41（1）： 190-203.DOI： 10.7522/j.issn.1000-0534.2021.00016.Fu W ，

Li M S， Yin S C， et al， 2022.Study on the atmospheric boundary layer structure of the Qinghai-Xizang Plateau under the south branch of the westerly wind and the plateau monsoon circulation field［J］.Plateau Meteorology， 41（1）： 190-203.DOI： 10.7522/j.issn.1000-0534.2021.00016 .

蒋维楣， 苗世光， 2004.大涡模拟与大气边界层研究——30年回顾与展望［J］.自然科学进展 14（1）： 13-21.DOI： 10.3321/j.issn： 1002-008X.2004.01.003.Jiang W M ， Miao S G， 2004.Research on large eddy simulation and atmospheric boundary layer——30 years of review and outlook［J］.Progress in Natural Science， 14（1）： 13-21.DOI： 10.3321/j.issn： 1002-008X.2004.01.003 .

康民军， 2006.试析中印边界问题的历史与现状［J］.南亚研究季刊（1）： 55-60+2.DOI： 10.3969/j.issn.1004-1508.2006.01.011.Kang M J ， 2006.A trial analysis of the history and the status of Sino-Indian boundary issue［J］.South Asian Studies Quarterly（1）： 55-60+2.DOI： 10.3969/j.issn.1004-1508.2006.01.011 .

李斐， 邹捍， 周立波， 等， 2017.WRF模式中边界层参数化方案在藏东南复杂下垫面适用性研究［J］.高原气象， 36（2）： 340-357.DOI： 10.7522/j.issn.1000-0534.2016.00041.Li F ，

Zou H， Zhou L B， et al， 2017.Study of boundary layer parameterization schemes' applicability of WRF model over complex underlying surfaces in Southeast Tibet［J］.Plateau Meteorology， 36（2）： 340-357.DOI： 10.7522/j.issn.1000-0534.2016.00041 .

刘郁珏， 苗世光， 胡非， 等， 2018.冬奥会小海坨山赛区边界层风场大涡模拟研究［J］.高原气象， 37（5）： 1388-1401.DOI： 10.7522/j.issn.1000-0534.2018.00034.Liu Y J ，

Miao S G， Hu F， et al， 2018.Large eddy simulation of flow field over the Xiaohaituo Mountain division for the 24th Winter Olympic Games［J］.Plateau Meteorology， 37（5）： 1388-1401.DOI： 10.7522/j.issn.1000-0534.2018.00034 .

刘郁珏， 苗世光， 刘磊， 等， 2019.修正WRF次网格地形方案及其对风速模拟的影响［J］.应用气象学报， 30（1）： 70-81.DOI： 10.11898/1001-7313.20190107.Liu Y J ，

Miao S G， Liu L， et al， 2019.Effects of a modified sub-grid-scale terrain parameterization scheme on the simulation of low-layer wind over complex terrain［J］.Journal of Applied Meteorological Science， 30（1）： 70-81.DOI： 10.11898/1001-7313.20190107 .

刘郁珏， 黄倩倩， 张涵斌， 等， 2022.基于大涡模拟的冬奥赛区风环境精细化评估［J］.应用气象学报， 33（2）： 129-141.DOI： 10.11898/1001-7313.20220201.Liu Y J ，

Huang Q Q， Zhang H B， et al， 2022.Refined assessment of wind environment over Winter Olympic Competition zone based on large eddy simulation［J］.Journal of Applied Meteorological Science， 33（2）： 129-141.DOI： 10.11898/1001-7313.20220201 .

苗世光， 孙桂平， 马艳， 等， 2009.青岛奥帆赛高分辨率数值模式系统研制与应用［J］.应用气象学报， 20（3）： 370-379.DOI： 10.3969/j.issn.1001-7313.2009.03.015.Miao S G ，

Sun G P， Ma Y， et al， 2009.The development of high resolution numerical model system for Qingdao Olympic Sailing Competition［J］.Journal of Applied Meteorological Science， 20（3）： 370-379.DOI： 10.3969/j.issn.1001-7313.2009.03.015 .

孙学金， 李岩， 张燕鸿， 等， 2017.基于WRF-LES的干旱湖区近地面风场模拟与敏感性研究［J］.高原气象， 36（3）： 835-844.DOI： 10.7522/j.issn.1000-0534.2016.00058.Sun X J ，

Li Y， Zhang Y H， et al， 2017.Near-surface wind simulation over acrid lakeshore area and sensitivity studies using the WRF-LES［J］.Plateau Meteorology， 36（3）： 835-844.DOI： 10.7522/j.issn.1000-0534.2016.00058 .

王寅钧， 2011.青藏高原东南部WRF边界层模拟与观测对比探讨研究［D］.南京： 南京信息工程大学.Wang Y J， 2011.Contrast the simulation result of WRF model to bounder layer observation at southeast Tibetan Plateau［D］.Nanjing： Nanjing University of Information Science & Technology.

吴佳， 吴婕， 闫宇平， 2022.1961-2020年青藏高原地表风速变化及动力降尺度模拟评估［J］.高原气象， 41（4）： 963-976.DOI： 10.7522/j.issn.1000-0534.2022.00065.Wu J ，

Wu J， Yan Y P， 2022.Changes of surface wind speed over Qinghai-Xizang Plateau from 1961 to 2020 and evaluation of the dynamical downscaling simulations［J］.Plateau Meteorology， 41（4）： 963-976.DOI： 10.7522/j.issn.1000-0534.2022.00065 .

许鲁君， 刘辉志， 徐祥德， 等， 2018.WRF模式对青藏高原那曲地区大气边界层模拟适用性研究［J］.气象学报， 76（6）： 955-967.DOI： 10.11676/qxxb2018.059.Xu L J ，

Liu H Z， Xu X D， et al， 2018.Evaluation of the WRF model to simulate atmospheric boundary layer over Nagqu area in the Tibetan Plateau［J］.Acta Meteorologica Sinica， 76（6）： 955-967.DOI： 10.11676/qxxb2018.059 .

杨玉华， 刘长海， Jimy D， 等， 2016.基于大涡模拟对两类典型边界层参数化方案的评估分析［J］.高原气象， 35（1）： 172-180.DOI： 10.7522/j.issn.1000-0534.2014.00138.Yang Y H ，

Liu C H， Jimy D， et al， 2016.Evaluation of two typical PBL parameterization schemes based on large-eddy simulation result［J］.Plateau Meteorology， 35（1）： 172-180.DOI： 10.7522/j.issn.1000-0534.2014.00138 .

张宁， 蒋维楣， 2006.建筑物对大气污染物扩散影响的大涡模拟［J］.大气科学 30（2）： 212-220.DOI： 10.3878/j.issn.1006-9895.2006.02.04.Zhang N ， Jiang W M， 2006.A large eddy simulation on the effect of building on atmospheric pollutant dispersion［J］.Chinese Journal of Atmospheric Sciences， 30（2）： 212-220.DOI： 10.3878/j.issn.1006-9895.2006.02.04 .

张珊， 王宗敏， 黄刚， 等， 2023.基于WRF-LES的崇礼复杂地形局地风场模拟研究［J］.高原气象， 42（1）： 197-209.DOI： 10.7522/j.issn.1000-0534.2022.00011.Zhang S ，

Wang Z M， Huang G， et al， 2023.Local wind simulation over complex terrain of Chongli using WRF-LES［J］.Plateau Meteorology， 42（1）： 197-209.DOI： 10.7522/j.issn.1000-0534.2022.00011 .

张兆顺， 崔桂香， 许春晓， 2005.湍流理论与模拟［M］.北京： 清华大学出版社.Zhang Z S， Cui G X， Xu C X， 2005.Theory and modeling of turbulence［M］.Beijing： Tsinghua University Press.

Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn