Plateau Meteorology

Plateau Meteorology >

2021 , Vol. 40 >Issue 3: 656 - 670

DOI: https://doi.org/10.7522/j.issn.1000-0534.2020.0095

Study of Sensitivity Simulation of Planetary Boundary Layer Parameterization Schemes in Beijing

  • Tian LIANG , 1, 2, 3, 4 ,
  • Liang CHEN 1, 2 ,
  • Jianjun HE , 3, 4 ,
  • Lei ZHANG 3 ,
  • Shanling GONG 3 ,
  • Huizheng CHE 3
Expand
  • 1. Key Laboratory of Geographic Information Science （Ministry of Education），East China Normal University，Shanghai 200241，China
  • 2. School of Geographic Sciences，East China Normal University，Shanghai 200241，China
  • 3. State Key Laboratory of Severe Weather & Key Laboratory for Atmospheric Chemistry of China Meteorological Administration，Chinese Academy of Meteorological Sciences，Beijing 100081，China
  • 4. Key Laboratory of Meteorological Disaster，Ministry of Education/ Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disaster，Nanjing University of Information Science and Technology，Nanjing 210044，Jiangsu，China

Received date: 2020-07-30

  Revised date: 2020-11-19

  Online published: 2021-06-28

Fold

Highlights

In order to study the characteristic of planetary boundary layer structure and near surface meteorological elements in Beijing， the Weather Research and Forecasting Model （WRF） is used to simulate the boundary layer meteorological field in Beijing during clear days.The simulation differences of the four sets of planetary boundary layer parameterization schemes （YSU， ACM2， MYJ， BL） on radiation， surface energy budget， meteorological elements and planetary boundary layer structure are studied through sensitivity tests.Then， the measured data of observation stations， including 2 m-temperature， 2 m-specific humidity and 10 m-windspeed， the sounding data and the observed data of 325 m meteorological tower are used to compare with the simulated data.The study is divided into four parts.The first part is the introduction.The second part mainly introduces the research area， data and methods.The third part analyzes the research results comparing the WRF model simulation results with the actual observation data and evaluates the simulation results.Then the fourth part is about the result and discussion.The results indicate that： All schemes can accurately simulate the downward shortwave radiation， and the abilities to simulate the longwave radiation are similar.MYJ scheme has the best simulation effect for 2 m-temperature， YSU scheme performs the best in 2 m-specific humidity and 10 m-wind speed， in general， YSU scheme is superior in simulating surface meteorological elements.However， all the experiments simulation results of 2 m-temperature at night are higher than the observed temperature， which may be caused by the model's insufficient consideration of the urban surface and the particularity of the urban boundary layer.And the further research will be focused on this aspect.In addition， the temperature profiles which simulated by four PBL schemes are colder than the observation， the specific humidity profiles are higher and the wind speed profiles are lower.In order to analyze the vertical structure of the planetary boundary layer more precisely， the observation data of the 325 m meteorological tower is used as supplement.The result shows that the four experiments could accurately reflect the temperature vertical profile and the relative humidity result simulated by YSU scheme above 15 m is the closest to the observed value in the daytime.YSU scheme has the highest planetary boundary layer height （PBLH）， and the non-local schemes show higher PBLH than the local schemes， moreover， the result of the PBLH simulated by MYJ scheme is not satisfactory.This study further deepens the understanding of planetary boundary layer in Beijing， which provides theoretical basis for further study of urban canopy layer and urban environment.

Cite this article

Tian LIANG , Liang CHEN , Jianjun HE , Lei ZHANG , Shanling GONG , Huizheng CHE . Study of Sensitivity Simulation of Planetary Boundary Layer Parameterization Schemes in Beijing[J]. Plateau Meteorology, 2021 , 40(3) : 656 -670 . DOI: 10.7522/j.issn.1000-0534.2020.0095

1 引言

大气边界层通过输送动量、 热量和物质通量（包括辐射传输、 水汽输送、 湍流交换等过程）响应地表变化。数值模式中对边界层的模拟是通过参数化实现的（Shin and Hong， 2011）。边界层参数化方案分为非局地方案和局地方案， 两种分类的差别主要表现在不同稳定度条件下， 垂直方向上的热量、 水汽、 动量的差异（王成刚等， 2017）。
针对边界层参数化方案对气象要素以及边界层结构的影响， 国内外学者已经做了许多研究。在不同下垫面条件下， 边界层方案对模拟结果的响应各不相同。敏感性模拟试验发现在美国北部森林地区非局地方案（YSU、 ACM2方案）白天表现出较强的湍流混合作用和夹卷作用， 相比局地方案（MYJ、 UW方案）模拟的边界层更高、 湿度更低、 感热通量更大， 更接近实际观测（黄文彦等， 2014）。王成刚等（2017）分析了晴天及阴天条件下五种边界层参数化方案对农田下垫面的模拟效果， 结果表明ACM2方案对温度和比湿的模拟结果较好， MYJ方案对风向风速的模拟结果较好， 非局地方案对于位温和比湿廓线的模拟优于局地方案。Tyagi et al（2018）利用七种边界层参数化方案模拟了意大利南部沿海地区的温度、 相对湿度、 风速风向以及边界层高度， 将飞行器观测数据与模拟结果进行比较， 发现TKE局地闭合方案比非局地闭合方案的模拟效果更好， MYNN2（Mellor-Yamada Nakanishi Niino）方案最接近观测值。王颖等（2010）对兰州地区冬季边界层结构进行模拟， 由于受到山谷地形的影响， 冬季边界层多处于稳定状态， 局地闭合的MYJ方案可以更好地模拟低层温度随时间的变化特征。对青藏高原高寒草原地区进行模拟研究， 发现非局地方案模拟的地表热通量比局地方案更接近观测值， MYNN2.5方案模拟的净辐射通量、 感热和潜热通量最优（邱贵强等， 2013）； 对藏东南林芝地区边界层结构的模拟研究发现BouLac和MYJ方案分别在模拟对流边界层和稳定边界层时的能力最优， MYJ和QNSE方案对近地面风场的模拟效果最好（李斐等， 2017）； 对青藏高原中部边界层结构的模拟研究发现， BouLac方案对地表温度的模拟误差最小（Xu et al， 2019）。Hu et al（2010）对美国德克萨斯州地区进行边界层方案敏感性试验， 研究发现YSU和ACM2方案由于垂直湍流作用强， 模拟的近地面温度较高， 湿度较低， MYJ方案模拟的边界层最冷最湿。Xie et al（2012） 利用四种边界层参数化方案模拟香港地区的近地面气象要素、 垂直廓线以及边界层高度， 研究发现非局地方案模拟的2 m温度和10 m风速比局地方案更好， 局地方案模拟的边界层高度低于非局地方案。Milovac et al（2016）评估了四种边界层参数化方案在模拟晴天条件下德国西部的混合层结构时的敏感性， 结果表明非局地方案比局地方案模拟的混合层更深、 更干燥。综合而言， 不同地区、 不同下垫面、 不同天气背景下边界层参数化方案的适用性存在差异。
与其他下垫面类型相比， 城市下垫面更为复杂， 导致边界层结构更为复杂。陈燕和蒋维楣（2006）研究表明城市边界层风温场结构和其他下垫面有很大不同， 城市建筑物使得城市地区风速减小， 易引起低层气流幅合， 湍流交换加强。佟华等（2004）对香港城市边界层特点进行模拟研究， 发现模式能够较准确模拟出城市热岛、 海陆风、 气流过山绕流等现象。周林帆等（2019）研究发现城市区域低层风速较小， 上空假相当位温的垂直梯度较大， 导致大气不稳定。人为热源对城市热岛的生成有重要作用， 人为热排放导致气温升高， 湍流动能增加， 大气不稳定度增加， 热岛环流加强（何晓凤等， 2007； 蒋维楣和陈燕， 2007）。另外， 城市工业和交通排放产生大量污染物， 大气边界层结构对重污染天气的形成有着重要作用（蔡子颖等， 2019； 沈新勇等， 2019； 尹承美等， 2019）。
本文利用中尺度数值预报模式WRF， 采用四组边界层参数化方案并利用敏感性试验的方法， 模拟研究晴天条件下北京地区的辐射通量、 地表热通量、 近地面气象要素以及边界层垂直结构， 并为城市区域大气边界层和大气环境的深入研究提供理论依据。

2 资料选取与方法介绍

2.1　研究区域

北京作为中国的首都， 城市人口达到2153.6万， 土地面积约16410.54平方千米， 其中山区面积占62%， 平原面积占38%。北京西北环山， 最高峰海拔2303 m， 东南为平原， 整体地形西北高、 东南低， 城区集中于平原地区。气候为典型的温带季风气候， 夏季高温多雨， 冬季寒冷干燥， 春、 秋季短促， 降水集中在夏季7 -8月， 降水量空间分布不均匀， 风向日变化显著。对于北京地区边界层结构的模拟研究已经有了许多进展（李晓莉等， 2005； 陈炯和王建捷， 2006； Chu et al， 2019； 秦庆昌等， 2019）， 由于北京复杂的下垫面条件， 不同地形高度和热力差异形成山谷风， 城市与郊区热力差异造成城市热岛效应， 人为热导致温度升高以及湍流增加， 这些相互作用使得北京的边界层结构异常复杂， 因此对于北京边界层的研究十分必要。

2.2　 WRF模式设置

WRF模式是由美国NCAR（National Center for Atmospheric Research）、 NOAA（National Oceanic and Atmospheric Administration）以及一些大学和研究机构联合开发的新一代中尺度数值天气预报模式。本文选用WRFV3.8.1模式， 模拟时间段为2018年10月1日02:00（北京时， 下同）至5日08:00， 前6 h设置为起转时间， 不参与之后分析。模拟区域设置为单向三层嵌套网格（图1）， 模拟中心位于39.92°N， 116.39°E， 最小嵌套区域包括整个北京市区域， 网格的水平分辨率和网格数分别为25 km（109×109）， 5 km（151×151）， 1 km（181×181）， 垂直方向共分为35层， 其中2 km以下分为18层， 顶层气压50 hPa， 采用逐6 h 1°×1° NCEP全球再分析资料作为模式的初始场。
图1 WRF模拟区域设置

Fig.1 Three nested domains in WRF model

为了评估边界层参数化方案对模拟结果的影响， 共进行了四组试验（表1）， 其中基准试验（Base试验）采用Noah陆面模式（Chen and Dudhia， 2001）， YSU边界层参数化方案（Hong et al， 2006a）， Revised MM5近地层参数化方案（Jiménez et al， 2012）， WSM6微物理参数化方案（Hong and Lim， 2006b）， RRTM长波辐射方案（Mlawer et al， 1997）， Dudhia短波辐射方案（Jimy， 1989）， 最外层网格采用Kain-Fritsch积云参数化方案（Kain， 2004）。另外三组试验分别为ACM2、 MYJ、 BL试验， 边界层和近地层参数化方案见表1， 其他参数化方案与Base试验相同。
表1 试验方案设计

Table 1 Design of four sensitivity tests

试验名称 边界层参数化方案 近地层参数化方案
Base YSU Revised MM5
ACM2 ACM2 Revised MM5
MYJ MYJ Eta Similarity
BL BouLac Eta Similarity

2.3　边界层参数化方案介绍

本文分析了四种边界层参数化方案： 非局地闭合方案YSU方案（Yonsei University Scheme）、 ACM2方案（Asymmetric Convective Model 2 Scheme）和局地闭合方案MYJ方案（Mellor-Yamada-Janjic Scheme）、 BL方案（Bougeault-Lacarrère PBL）， 非局地闭合方案采用K廓线理论处理湍流运动， 而局地闭合方案采用TKE闭合方法处理湍流运动。
YSU方案（Hong et al， 2006a）是由MRF方案改进而来的一阶非局地闭合方案， 湍流扩散方程为：
∂ C ∂ t = - ∂ ∂ z ω ' c ' ¯ = ∂ ∂ z K c ∂ C ∂ z - γ c - ω ' c ' h ¯ z h 3
式中： C为诊断变量； t为时间； z为高度； K c为湍流扩散系数； γ c为局地梯度修正项（反梯度项）； ω ' c ' h ¯为逆温层湍流通量； h为边界层高度； 湍流扩散系数 K c由相似理论求得。该方案用反梯度项 γ c表示由非局地梯度引起的湍流交换， 夹卷通量项 ω ' c ' h ¯ z h 3增加了边界层顶部的夹卷作用。该方案定义边界层高度 h为逆温层中湍流通量最低值所在的高度， 即
h = R i b c r θ v a U h 2 g θ v h - θ s  
式中： R i b c r为临界理查森数； U h 为 h高度处的水平风速； θ v a为模式最低层虚位温； θ v h 为 h高度处的虚位温； θ s = θ v a + θ T为地表位温，其中 θ T = b w ' θ v ' o ¯ w s； w s为混合层速度尺度；   w ' θ v ' o ¯为地表感热通量； b = 7.8。在不稳定层结条件下， 临界理查森数等于0.25时， 判断为边界层高度， 在稳定层结条件下， 临界理查森数等于0则判定为边界层高度。
ACM2方案（Pleim， 2007）也是一阶非局地闭合方案， 可以模拟由浮力作用引起的非局地向上输送和局地的湍流交换， 湍流扩散方程为：
∂ C i ∂ t = f c o n v M u C 1 - f c o n v M d i C i + f c o n v M d i + 1 C i + 1 ∆ z i + 1 ∆ z i + ∂ ∂ z K C 1 - f c o n v ∂ C i ∂ z
式中： M u为模式底层向上的非局地对流混合率； M d i为模式从第 i层到第 i - 1层向下的非局地混合率； ∆ z i为模式层厚度； 湍流扩散系数 K C根据不同稳定条件由相似理论以及湍涡交换求得。方程左边表示平均量随时间的变化， 右边前三项表示大尺度湍涡导致的非局地混合， 第四项表示湍流交换引起的局地作用。该方案引入 f c o n v用于控制非局地和局地作用的比例， 当 f c o n v = 0时， 为局地混合； 当 f c o n v = 1时， 为非局地混合。ACM2方案采用理查森数判断边界层高度， 当理查森数等于0.25时， 判断该层为边界层高度。
局地闭合方案MYJ方案（Janjić， 1994）和BL方案（Bougeault and Lacarrere， 1989）通过湍流动能（Turbulence Kinetic Energy， TKE）来确定湍流扩散系数， TKE预报方程为：
∂ e ∂ t = - 1 ρ ∂ ∂ z ρ ω ' e ' ¯ - u ' ω ' ¯ ∂ u ∂ z - v ' ω ' ¯ ∂ v ∂ z + β ω ' θ ' ¯ - ε
式中： e为湍流动能； ρ为空气密度； u为纬向风分量； v为经向风分量； ω为垂直速度； z为高度； β为浮力系数； θ为位温； ε为耗散项； 带 '量为相应的物理量的脉动量。方程右边第一项表示湍流输送的TKE， 第二、 第三项表示风切变产生的TKE， 第四项表示浮力产生或消耗的TKE， 第五项表示分子扩散消耗的TKE。MYJ方案为1.5阶局地湍流动能方案， 通常适用于稳定和弱不稳定大气边界层。边界层高度定义为湍流动能小于临界值0.1   m 2 ∙ s - 2的最低高度。BL方案的湍流动能方程与MYJ方案相同， 主要被用于配合BEP、 BEM城市冠层方案而设计， 与MYJ方案最大的不同在于湍流扩散系数 K c的取值。湍流扩散系数通过计算湍流动能来确定， 湍流扩散系数和TKE的关系为：
K c = l e 1 2 S c
式中： l为混合长尺度； S c为比例系数。湍流扩散系数 K c不同也就是湍流动能诊断量 e不同， 以及混合长尺度 l和比例系数 S c存在差异， BL方案在湍流交换系数和混合长的计算中考虑了地形引起的湍流混合。BL方案的边界层高度为湍流动能下降至0.005   m 2 ∙ s - 2时的高度。

2.4　观测资料

风云二号（FY-2G）卫星中国陆地区域云图（IR1）， 用于判断模拟时间段内的云量， 数据来自国家卫星气象中心（网址： http： //www.nsmc.org.cn/NSMC/Home/Index.html）。北京市自动气象站的逐小时地面观测数据被用于评估模式模拟的近地面气象要素结果， 观测要素包括气压、 温度、 相对湿度、 风速风向等。为了评估温度、 湿度以及风速的垂直廓线， 利用了北京探空站的L波段秒级探空数据， 观测要素包括垂直方向上的温度、 气压、 相对湿度、 风速风向、 高度， 观测时次为每日08:00（北京时， 下同）、 20:00。并使用了中国科学院大气物理研究所气象铁塔的逐小时观测数据， 气象塔位于（39°58′N， 116°22′E）， 海拔为49 m， 塔高325 m， 塔上设有15层观测平台， 高度分别为8， 15， 32， 47， 65， 80， 103， 120， 140， 160， 180， 200， 240， 280和320 m， 观测要素包括温度、 相对湿度、 西北风速、 东南风速和风向。另外， 还采用了北京站辐射逐小时资料， 观测要素包括总辐射辐照度、 净全辐射辐照度、 直接辐射辐照度、 散射辐射辐照度、 反射辐射辐照度等。观测数据来自国家气象科学数据中心（网址： http： //data.cma.cn）。文中涉及的地图是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2019）1823的中国地图制作， 底图无修改。

2.5　模式评估方法

选用三种统计参数来评估模式模拟性能： 认同指数（ I A）， 相关系数（ R）， 均方根误差（ R M S E）， 各统计参数的公式如下：
I A = 1 - ∑ i = 1 N F i - O i 2 ∑ i = 1 N F i - O ¯ + O i - O ¯ 2
R = 1 N ∑ i = 1 N F i - F ¯ O i - O ¯ 1 N ∑ i = 1 N F i - F ¯ 2 1 N ∑ i = 1 N O i - O ¯ 2
R M S E = 1 N ∑ i = 1 N F i - O i 2
式中： F为模拟值； F ¯为模拟平均值； O为观测值； O ¯为观测平均值； N为样本数。

3 结果分析

3.1　个例天气背景

阴雨天气条件下， 云层会影响辐射通量以及地面气象要素的模拟结果， 模式中对云微物理过程的模拟会增加模拟结果的不确定性。本文侧重边界层方案的对比， 而不是微物理过程或积云参数化方案的对比， 因此采用晴天过程作为研究对象。这也为未来继续开展城市冠层参数化方案研究提供基础。
模拟时间段为2018年10月1日02:00至5日08:00， 气温在16~22 ℃。通过卫星云图查看北京上空的云量情况（图2）， 发现这段时间白天华北地区上空晴朗无云， 夜间华北地区上空基本无云， 部分时段可能受到局部低云的影响。图3为模拟时间段内500 hPa天气形势图。从图3中可以看出， 北京地区位于高空槽后， 槽后受下沉气流控制， 晴朗无云， 大气层结稳定， 局地环流特征显著。另外， 通过地面自动气象站的观测资料显示， 模拟时间段内无降水。综上所述， 本文的模拟时间段内天气晴朗， 适于设定的研究目标。
图2 2018年10月1 -4日北京的红外云图

Fig.2 Infrared cloud images in Beijing from 1 to 4 October 2018

图3 2018年10月1 -3日08:00 500 hPa天气形势图

蓝色线为等高线, 红色线为等温线

Fig.3 500 hPa synoptic situation at 08:00 from 1 to 3 October 2018.The blue lines represent contour lines, the red lines represent isothermal lines

3.2　大气辐射

从Base试验到达地面的短波辐射通量和总辐射辐照度的对比以及向上的短波辐射通量［图4（a）］可以看出， 向下到达地面的短波辐射主要来源于太阳短波辐射， 在12:00达到峰值， 之后逐渐减小， 18:00至次日06:00短波辐射为零， Base试验模拟的向下短波辐射和观测值相似， 说明模拟时间段内， 云量较少， 天气晴朗， WRF模式能很好地模拟到达地面的短波辐射通量。到达地面的短波辐射通过反射返回大气， 向上短波辐射的峰值在100 W·m-2  左右， 夜间辐射为0 W·m-2。从Base试验的长波辐射通量［图4（b）］中可以看出， 晴天条件下云对长波辐射的影响较小， 向下长波辐射无明显日变化， 维持在300 W·m-2左右。向上的长波辐射主要受到地表温度和比辐射率的影响， 白天地表吸收短波辐射能量， 地表温度升高， 向大气放射更多的长波辐射， 夜间长波辐射随着地表温度的下降而降低， 有明显的日变化特征。
图4 2018年10月1日08:00至4日08:00北京站Base方案的辐射通量

Fig.4 Radiation flux of Base scheme of Beijing station from 08:00 on 1 to 08:00 on 4 October 2018

图5是ACM2试验、 MYJ试验和BL试验与Base试验模拟的四种辐射通量的差值。从图5中可以看出， 到达地表的向下短波辐射的差异主要表现在第一天白天， 可能是不同参数化方案模拟局部低云的不同造成的， 之后两天的短波辐射差异接近零。Base试验模拟第一天白天向下短波辐射也出现一定偏差［图4（a）］， 进一步说明WRF模式模拟了虚假的低云。向上短波辐射的差异和向下短波辐射相似， 因为向上短波辐射受到地表反照率的影响， 四组试验所用的地表反照率相同， 差异体现在地表吸收的短波辐射不同。向下长波辐射差异与不同试验模拟低云差异有关， 向上长波辐射差异与地表温度差异有关。长波辐射的差异在30 W·m-2以内， 差异很小， 四种边界层方案对长波辐射的影响不大。
图5 2018年10月1日08:00至4日08:00北京站辐射差值图(单位: W·m-2)

Fig.5 The differences of radiation flux between Base scheme and three other schemes of Beijing station from 08:00 on 1 to 08:00 on 4 October 2018

3.3　地表能量平衡

四组试验都采用Noah方案作为陆面参数化方案， Noah陆面模式的地表能量平衡方程可以表示为：
R n - H F X - L H + G = 0
R n = S ↓ - S ↑ + L ↓ - L ↑ = 1 - α S ↓ + ε L ↓ - ε σ T s 4
式中： R n为地表净辐射通量； H F X为感热通量； L H为潜热通量； G为土壤热通量； S为短波辐射； L为长波辐射； α为地表反照率； ε为比辐射率； σ为斯蒂芬-玻尔兹曼常数； T s为地表温度。
图6为Base试验地表能量平衡中的各个通量。从图6中可以看出白天， 地表吸收太阳短波辐射， 地表净辐射通量 R n为正， 最大值达到500 W·m-2左右； 土壤热通量 G为负值， 表示土壤向地表放出能量； 感热通量的最大值在300 W·m-2左右； 潜热通量 L H为0 W·m-2， 由于下垫面为城市地表， 在Noah方案中城市分类模拟的潜热通量为0 W·m-2； 夜间， 地表向上放出长波辐射， 净辐射通量 R n为负值， 感热通量 H F X接近零， 土壤向地表放出热量， 净辐射通量 R n和土壤热通量 G之间达到平衡。
图6 2018年10月1日08:00至4日08:00北京站Base方案的地表能量

Fig.6 Land surface energy flux of Base scheme of Beijing station from 08:00 on 1 to 08:00 on 4 October 2018

图7为ACM2试验、 MYJ试验和BL试验与Base试验在地表能量平衡通量上的差异。从图7中可以看出， 三组试验模拟的感热通量差异显示白天模拟感热通量比Base试验偏高， 夜间偏低， 也就是夜间大气向地面输送的感热比Base试验大， 地表吸收较多热量， 其中BL试验偏大较明显ACM2和MYJ试验与Base试验感热通量差异相似。土壤热通量的差异白天为正夜间为负， 说明ACM2、 MYJ和BL试验在白天土壤吸收的能量较少， 夜间土壤向地表放出的能量也较少。净辐射能量的差异主要表现在第一天白天， 与向下短波辐射的差异［图5（a）］一致， 说明地表净辐射主要受到短波辐射的影响， 各试验的模拟差异在于对短波辐射的模拟不同。
图7 2018年10月1日08:00至4日08:00北京站地表能量的差值图(单位: W·m-2)

Fig.7 The differences of land surface energy flux between Base scheme and three other schemes of Beijing station from 08:00 on 1 to 08:00 on 4 October 2018

3.4　近地面气象要素

通过对比四组试验的模拟2 m温度［图8（a）］和观测温度， 发现四组试验都模拟出了温度的日变化特征， 最高温度出现在16:00前后， 最低温度出现在06:00前后。夜间模拟的2 m温度都偏高。MYJ试验的温度相关系数 R为0.88（表2）， 是四组试验中最接近观测值的， 均方根误差 R M S E为3.59 ℃， 和观测值之间误差最小， 说明MYJ试验模拟的2 m温度最接近观测值。由于夜间到达地面的短波辐射为零， 辐射的模拟偏差可以忽略不计， 各个试验对温度的影响主要表现在边界层参数化方案对湍流混合的不同处理， 非局地方案的湍流混合作用较强， 可能导致夜间模拟温度较低。
图8 北京站2 m温度、 2 m比湿、 10 m风速的模拟值和观测值日变化的对比

Fig.8 Comparison of simulated and observed 2 m temperature, 2 m specific humidity and 10 m wind speed of Beijing station

表2 2 m温度, 2 m比湿, 10 m风速模拟值的统计结果

Table 2 Statistical results of simulated 2 m temperature, 2 m specific humidity and 10 m wind speed

物理量 统计量 Base MYJ ACM2 BL
2 m温度 I A 0.83 0.85 0.80 0.77
R 0.86* 0.88* 0.86* 0.85*
R M S E/℃ 3.72 3.59 4.03 4.29
2 m比湿 I A 0.51 0.43 0.42 0.41
R 0.17 -0.02 -0.13 -0.14
R M S E/(g·kg-1) 1.24 1.14 1.46 1.28
10 m风速 I A 0.70 0.63 0.66 0.49
R 0.55* 0.79* 0.73* 0.65*
R M S E/(m·s-1) 1.35 2.44 2.09 3.57

*表示通过了显著性检验

从四组试验模拟的2 m比湿和观测值的对比［图8（b）］中可以看出， 第一天白天， 四组试验模拟的比湿偏高， 从第二天夜间开始， 模拟的比湿明显比观测值偏低， 其中局地方案MYJ方案和BL方案的比湿最大， 由于局地方案的垂直混合作用较弱， 低层水汽较少地上升到高层， 导致低层比湿偏高。除了Base试验外， 另三组试验模拟的比湿相关系数 R为负值， 和观测值存在负相关关系， 没有模拟出比湿的日变化特征。相对来说Base试验模拟的比湿最优， 认同指数 I A为0.51， 相关系数为0.17。
从四组试验模拟的10 m风速和观测值的对比［图8（c）］中可以看出， 局地方案BL和MYJ试验模拟的风速偏大， 非局地方案ACM2和YSU方案模拟的风速更接近观测值。四组试验模拟的相关系数 R在0.48~0.79， 两组非局地方案的认同指数较高， 均方根误差较小， 非局地方案模拟的风速误差小于局地方案， 其中Base试验的均方根误差 R M S E最低（1.35 m ∙ s - 1）， I A为0.7， 总体看来Base试验能更好地模拟10 m风速。WRF模拟高估了近地面风速， 可能与驱动气象场或未考虑城市冠层参数化方案有关。
表2为各参数化方案的模拟结果和观测结果的认同指数 I A、 相关系数 R和均方根误差 R M S E。表3为均方根误差的显著性。由表2和表3中可见， 各参数化方案对温度模拟结果的相关系数在0.86~0.88， 且都通过了显著性检验， 温度的模拟结果相较于比湿和风速模拟得更好， 其中比湿的模拟效果最不理想。MYJ试验模拟的2 m温度最接近实际观测（相关系数 R为0.88）， 但是与Base试验对比， MYJ试验模拟的10 m风速效果变差（表3）， Base试验模拟的2 m比湿和10 m风速效果较好。另外Base试验模拟的2 m温度与MYJ试验模拟的结果也较为接近， 综合考虑， Base试验所用的YSU边界层参数化方案对晴天条件下北京地区近地面气象要素的模拟效果较好。同时也发现不同试验模拟北京夜间气温均显著偏高， 可能与模式未充分考虑城市冠层的影响有关， 还需要进一步研究。
表3 RMSE统计结果的显著性

Table 3 Significance of the RMSE between Base and MYJ/ACM2/BL for Beijing station

物理量 MYJ ACM2 BL
2 m温度 N ↑ N ↓ N ↓
2 m比湿 N ↑ N ↓ N ↓
10 m风速 Y ↓ Y ↓ Y ↓

*与Base试验对比, Y表示显著, N表示不显著, ↑表示效果变好, ↓表示结果变差

3.5　边界层结构

从四组试验在2018年10月2日08:00和20:00边界层气象要素的垂直廓线（图9）中可以看出， 从温度垂直廓线来看， 无论白天还是夜间， 观测温度在300 m以下都具有温度随高度升高而增加的逆温现象， 夜间逆温更明显， 四组试验在白天没有模拟出这种现象， 夜间模拟出了逆温层， 但是逆温层高度偏低； 300 m以上， 四组试验的模拟温度都偏冷， 其中YSU方案由于考虑局地大涡输送有较强的湍流混合作用， 模拟的混合层更暖， 更接近观测温度廓线。从比湿垂直廓线的对比可知， 由于晴天条件下湍流混合均匀， 白天四组试验模拟的比湿在4.8 g·kg-1左右， 随高度的增加没有太大变化， 模拟的比湿数值偏高， YSU方案的比湿相对更接近观测值， 夜间， 观测比湿随高度升高迅速递减， 四组试验都没有模拟出这一现象。非局地YSU方案模拟的比湿在300 m以下比其他方案偏小， 600~900 m比湿最大， 由于YSU方案湍流混合强度较强， 使水汽能够向更高的高度输送， 导致低层水汽含量偏低， 高层比湿偏大。从风速垂直廓线的对比图可知， 四组试验基本能模拟出风速随高度的变化趋势。白天， 300 m以下， 四组试验都模拟出了风速随高度增大的特征， 300~700 m观测风速保持不变， YSU方案模拟的风速偏小3 m ∙ s - 1左右； 夜间， 300 m以下， 模拟的风速都比观测风速偏大， 高层模拟的风速偏小， 其中YSU方案模拟的风速最小， ACM2方案模拟的风速廓线与局地方案的廓线相似， 可能由于ACM2方案有局地作用和非局地作用， 局地作用占比较大时， 与MYJ方案和BL方案的模拟结果相似。
图9 2018年10月2日北京各气象要素垂直廓线的模拟值与观测值的比较

Fig.9 Comparison of simulated and observed vertical profiles of temperature, specific humidity, wind profiles on 2 October 2018

综上所述， 白天， 四组试验在300 m以下低层没有模拟出逆温现象， 比湿相似， 风速相似， 高层模拟的温度廓线偏冷， 湿度偏高， 风速偏低； 夜间， 300 m以下低层模拟的温度偏高， 湿度偏低， 风速偏大， 高层温度偏低， 湿度偏高， 风速偏低； 模拟的逆温层较低， 没有模拟出湿度随高度降低的现象。
由于在模拟时间段内L波段的秒级探空数据没有加密观测， 因此利用325 m气象铁塔的观测数据作为补充。模拟结果与探空数据的对比主要关注1500 m以下大气边界层的垂直廓线情况， 与铁塔数据的对比主要研究了300 m以下近地面层的结构特征。两组对比在地域以及尺度上存在差异， 相辅相成， 用于更完整地分析不同边界层参数化方案影响下的大气边界层结构。图10、 11分别为四组试验模拟的温度、 相对湿度垂直廓线与气象铁塔观测数据的比较（由于气象铁塔的观测数据中不包含气压数据， 湿度量用相对湿度表示）。
图10 2018年10月2日08:00至3日06:00温度垂直廓线的模拟值与铁塔观测值的比较

Fig.10 Comparison of simulated and observed temperature vertical profiles from 08:00 on 2 to 06:00 on 3 October 2018

图11 2018年10月2日08:00至3日06:00相对湿度垂直廓线的模拟值与铁塔观测值的比较

Fig.11 Comparison of simulated and observed relative humidity vertical profiles from 08:00 on 2 to 06:00 on 3 October 2018

如图10所示， 08:00 -18:00， 温度随高度的升高而降低； 20:00至次日06:00， 15 m以下出现温度随高度升高而升高的现象。由于晴朗无云的夜晚， 地面因长波辐射作用迅速冷却， 近地面气温随之降低， 越靠近地面受到的影响越大， 上层空气降温幅度较小， 产生了自地面向上的逆温层。08:00 -18:00， 四组试验模拟的温度廓线都比较接近观测（图12）， 16:00至次日02:00， 模拟温度比观测值偏低， 04:00之后， YSU［图12（a）］、 ACM2［图12（b）］和BL［图12（d）］试验的模拟温度比实际偏高。
图12 2018年10月2日08:00至3日08:00模拟温度垂直廓线减去铁塔观测温度垂直廓线的差值分布 (单位: ℃)

Fig.12 The difference of temperature profile between simulated and observed from 08:00 on 2 to 08:00 on 3 October 2018.Unit: ℃

对比四组试验模拟的相对湿度和气象塔观测数据（图11）， 发现湿度廓线具有明显的日变化特征， 晴天条件下， 白天近地面湍流动能较大， 利于水汽蒸发， 相对湿度因此较小， 夜间相对湿度较大。在15 m以下相对湿度的观测值很大， 最大值在06:00超过60%， 且夜间相对湿度偏大比白天更为明显， 可能在夜间逆温层的作用下， 近地面大气层稳定， 对流较弱， 水汽不易蒸发， 导致15 m以下相对湿度极大。对比四组试验的模拟结果与观测值（图13）， 15 m以下四组试验模拟的相对湿度都比观测偏低， 没有模拟出近地层湿度偏高的现象； 15 m以上， Base试验［图13（a）］模拟的相对湿度较为准确， 其余三组试验在20:00 -24:00模拟的高层相对湿度偏高， 其中MYJ试验［图13（c）］偏高最为明显。
图13 2018年10月2日08:00至3日08:00模拟相对湿度垂直廓线减去铁塔观测相对湿度垂直廓线的差值分布(单位: %)

Fig.13 The difference of relative humidity profile between simulated and observed from 08:00 on 2 to 08:00 on 3 October 2018.Unit: %

综上所述， 白天， 四组试验都能够较为准确地反映温度垂直廓线； 夜间， 模拟温度偏高。对于相对湿度的模拟， 四组试验都没有模拟出15 m以下相对湿度极大值， 15 m以上， Base试验的模拟结果最接近观测值。模式对近地面相对湿度的模拟偏弱， 一方面是夜间温度模拟偏高导致； 另一方面， 模式对于蒸发的模拟较弱， 需要进一步研究。
边界层高度能够在一定程度上反映边界层内的湍流情况。图14是Base、 ACM2、 MYJ以及BL试验模拟北京站的边界层高度。从图14中可以看出， 白天， 由于对流发展旺盛， 边界层高度较高， Base方案、 ACM2方案以及BL方案都达到2000 m以上， 晴天条件下， YSU方案模拟的边界层高度最高， ACM2方案高度大于BL方案， MYJ方案模拟的边界层高度较不稳定。夜间， 层结稳定状态下， 各参数化方案模拟的边界层高度差异较小， 高度都在400 m以下。综上所述， 非局地方案的边界层高度更高， MYJ方案模拟的误差可能较大。
图14 2018年10月1日08:00至4日08:00北京站边界层高度的日变化特征

Fig.14 Daily variation of the planetary boundary layer height of Beijing station from 08:00 on 1 to 08:00 on 4 October 2018

4 结论与讨论

通过YSU、 ACM2、 MYJ和BL四组边界层参数化方案的敏感性试验， 研究了晴天条件下， 不同边界层参数化方案对WRF模式模拟北京辐射、 地表热通量、 地面气象要素以及边界层结构的影响。得到以下主要结论：
（1） 晴朗无云条件下， 四种边界层参数化方案都可以准确模拟向下短波辐射； 四组方案模拟的长波辐射差异很小； 边界层参数化方案通过低云模拟影响辐射模拟。
（2） YSU方案的感热通量最小， 夜间BL方案的地表感热通量最大； 四种方案地表净辐射的差异主要受到短波辐射的影响。
（3） 对于近地面气象要素， 四种方案都可以模拟出2 m温度的日变化趋势， 其中MYJ方案的模拟结果最接近观测值； YSU方案对2 m比湿的模拟效果较好， 但四种方案都没有模拟出比湿的日变化特征； 局地方案模拟的10 m风速比非局地方案偏大， 其中YSU方案能更好地模拟10 m风速； 综合考虑， YSU方案对近地面气象要素的模拟较优。
（4） 对于各气象要素的垂直廓线， YSU方案模拟的温度廓线最接近实际观测； 模拟的比湿廓线在300 m以上湿度偏大； 四种方案能基本模拟出风速随高度的变化特征。与气象铁塔观测数据对比发现， 白天四组试验都能够较为准确地反映温度垂直廓线， YSU方案在15 m以上模拟的相对湿度结果最接近观测值。YSU方案模拟的边界层高度最高， 非局地方案模拟的边界层高度更高， MYJ方案模拟的边界层高度误差较大。
本研究选取城市作为研究对象， Noah陆面模式模拟城市潜热通量为零， 可能是模拟近地面气象要素（尤其是夜间气温和比湿）误差的重要原因之一。未来考虑引入城市冠层参数化方案， 检验WRF模式模拟城市气象场的能力。

感谢中国科学院大气物理研究所提供的气象铁塔观测数据。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Bougeault P， Lacarrere P， 1989.Parameterization of orography-induced turbulence in a mesobeta——scale model［J］.Monthly Weather Review， 117 （8）： 1872-1890.DOI： 10.1175/1520-0493（1989）1172.0.CO； 2.

Chen F， Dudhia J， 2001.Coupling an advanced land surface-hydrology model with the penn state-NCAR MM5 modeling system.Part I： Model implementation and sensitivity［J］.Monthly Weather Review， 129 （4）： 569-585.DOI： 10.1175/1520-0493（2001）1292.0.CO； 2.

Chu Y Q， Li J， Li C C， al et， 2019.Seasonal and diurnal variability of planetary boundary layer height in Beijing： Intercomparison between MPL and WRF results［J］.Atmospheric Research， 227 （OCT）： 1-13.DOI： 10.1016/j.atmosres.2019.04.017.

Hong S Y， Noh Y， Dudhia J， 2006a.A new vertical diffusion package with an explicit treatment of entrainment processes［J］.Monthly Weather Review， 134 （9）： 2318-2341.DOI： 10.1175/MWR3199.1.

Hong S Y， Lim J O J， 2006b.The WRF Single-Moment 6-Class Microphysics Scheme （WSM6）［J］.Asia Pacific Journal of Atmospheric Sciences， 42 （2）： 129-151.

Hu X M， Nielsen G J W， Zhang F Q， 2010.Evaluation of three planetary boundary layer schemes in the WRF model［J］.Journal of Applied Meteorology and Climatology， 49 （9）： 1831-1844.DOI： 10.1175/2010JAMC2432.1.

Janjić Z I， 1994.The step-mountain eta coordinate model： further developments of the convection， viscous sublayer， and turbulence closure schemes［J］.Monthly Weather Review， 122 （5）： 927-945.DOI： 10.1175/1520-0493（1994）122<0927： TSMECM>2.0.CO； 2.

Jiménez P A， Dudhia J， González-Rouco J F， al et， 2012.A revised scheme for the WRF surface layer formulation［J］.Monthly Weather Review， 140 （3）： 898-918.DOI： 10.1175/MWR-D-11-00056.1.

Jimy D， 1989.Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model［J］.Journal of the Atmospheric Sciences， 46 （20）： 3077-3107.DOI： 10.1175/1520-0469（1989）046<3077： NSOCOD>2.0.CO； 2.

Kain J S， 2004.The kain-fritsch convective parameterization： An update［J］.Journal of Applied Meteorology， 43 （1）： 170-181.

Milovac J， Warrach-Sagi K， Behrendt A， al et， 2016.Investigation of PBL schemes combining the WRF model simulations with scanning water vapor differential absorption lidar measurements［J］.Journal of Geophysical Research： Atmospheres， 121 （2）： 624-649.DOI： 10.1002/2015JD023927.

Mlawer E J， Taubman S J， Brown P D， al et， 1997.Radiative transfer for inhomogeneous atmospheres： RRTM， a validated correlated‐k model for the longwave［J］.Journal of Geophysical Research： Atmospheres， 102 （D14）： 16663-16682.DOI： 10.1029/97JD00237.

Pleim J E， 2007.A combined local and nonlocal closure model for the atmospheric boundary layer.Part I： Model description and testing［J］.Journal of Applied Meteorology and Climatology， 46 （9）： 1383-1395.DOI： 10.1175/JAM2539.1.

Shin H H， Hong S， 2011.Intercomparison of planetary boundary-layer parametrizations in the WRF model for a single day from CASES-99［J］.Boundary-Layer Meteorology， 139 （2）： 261-281.DOI： 10.1007/s10546-010-9583-z.

Tyagi B， Magliulo V， Finardi S， al et， 2018.Performance analysis of planetary boundary layer parameterization schemes in WRF modeling set up over southern Italy［J］.Atmosphere， 9 （7）： 272.DOI： 10.3390/atmos9070272.

Xie B， Fung J C H， Chan A， al et， 2012.Evaluation of nonlocal and local planetary boundary layer schemes in the WRF model［J］.Journal of Geophysical Research： Atmospheres， 117 （D12）.DOI： 10.1029/2011JD017080.

Xu L J， Liu H Z， Du Q， al et， 2019.The assessment of the planetary boundary layer schemes in WRF over the central Tibetan Plateau［J］.Atmospheric Research， 230： 104644.DOI： 10.1016/j.atmosres.2019.104644.

蔡子颖， 韩素芹， 邱晓滨， 等， 2019.基于WRF/Chem模式天津地区重污染天气成因分析［J］.高原气象， 38 （5）： 1108-1119.DOI： 10.7522/j.issn.1000-0534.2018.00123.

陈炯， 王建捷， 2006.北京地区夏季边界层结构日变化的高分辨模拟对比［J］.应用气象学报， 17 （4）： 402-411.

陈燕， 蒋维楣， 2006.城市建筑物对边界层结构影响的数值试验研究［J］.高原气象， 25 （5）： 824-833.

何晓凤， 蒋维楣， 陈燕， 等， 2007.人为热源对城市边界层结构影响的数值模拟研究［J］.地球物理学报， 50 （1）： 74-82.DOI： 10.3321/j.issn： 0001-5733.2007.01.010.

黄文彦， 沈新勇， 王卫国， 等， 2014.边界层参数化方案对边界层热力和动力结构特征影响的比较［J］.地球物理学报， 57 （5）： 1399-1414.

蒋维楣， 陈燕， 2007.人为热对城市边界层结构影响研究［J］.大气科学， 31 （1）： 37-47.

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.1000-0534.2016.00084.

李晓莉， 毕宝贵， 李泽椿， 2005.北京冬季城市边界层结构形成机制的初步数值研究［J］.气象学报， 63（6）： 889-902.

秦庆昌， 张琳娜， 于佳， 等， 2019.北京地区两次雨雪转换过程的相态模拟研究［J］.高原气象， 38 （5）： 1027-1037.DOI： 10.7522/j.issn.1000-0534.2018.00124.

邱贵强， 李华， 张宇， 等， 2013.高寒草原地区边界层参数化方案的适用性评估［J］.高原气象， 32 （1）： 46-55.DOI： 10.7522/j.issn.1000-0534.2012.00006.

沈新勇， 陈逸智， 郭春燕， 等， 2019.京津冀地区一次雾霾过程的污染分布及来源分析［J］.高原气象， 38 （6）： 1332-1343.DOI： 10.7522/j.issn.1000-0534.2018.00157.

佟华， 陈仲良， 桑建国， 2004.城市边界层数值模式研究以及在香港地区复杂地形下的应用［J］.大气科学， 28 （6）： 957-978.DOI： 10.3878/j.issn.1006-9895.2004.06.14.

王成刚， 沈滢洁， 罗峰， 等， 2017.晴天及阴天条件下WRF模式中几种边界层参数化方案的对比分析研究［J］.地球物理学报， 60 （3）： 924-934.

王颖， 张镭， 胡菊， 等， 2010.WRF模式对山谷城市边界层模拟能力的检验及地面气象特征分析［J］.高原气象， 29 （6）： 1397-1407.

尹承美， 何建军， 于丽娟， 等， 2019.多尺度气象条件对济南PM2.5污染的影响［J］.高原气象， 38 （5）： 1120-1128.DOI： 10.7522/j.issn.1000-0534.2019.00018.

周林帆， 张述文， 李少英， 等， 2019.城市下垫面对西安地区一次强降水的影响［J］.高原气象， 38 （4）： 773-780.DOI： 10.7522/j.issn.1000-0534.2018.00117.

Options
Outlines

/

〈 〉

The system is designed and developed by Beijing magtec Technology Development Co., Ltd. with technical support: support@magtech.com.cn