Plateau Meteorology

Plateau Meteorology >

2023 , Vol. 42 >Issue 2: 435 - 447

DOI: https://doi.org/10.7522/j.issn.1000-0534.2022.00040

Effects of Initial-Boundary Conditions on the Simulation of a Supercell Storm

  • Siqi WANG ,
  • Wentao ZHANG ,
  • Chenghai WANG
Expand
  • 1. Operation Control Center，Air China Ltd. ，Beijing 101312，China
    2. Key Laboratory of Arid Climate Resource and Environment of Gansu Province （ACRE），Lanzhou 730000，Gansu，China

Received date: 2021-11-23

  Revised date: 2022-04-09

  Online published: 2023-04-03

Fold

Cite this article

Siqi WANG , Wentao ZHANG , Chenghai WANG . Effects of Initial-Boundary Conditions on the Simulation of a Supercell Storm[J]. Plateau Meteorology, 2023 , 42(2) : 435 -447 . DOI: 10.7522/j.issn.1000-0534.2022.00040

1 引言

超级单体（Supercell）是一种拥有深厚、 持续旋转上升气流的强对流风暴（Browning， 1962； Davies-Jones， 2015； 刁秀广等， 2021）， 并且伴随严重的天气现象， 如强风、 局地暴雨、 冰雹、 下击暴流甚至龙卷（Thompson et al， 2003； Montopoli et al， 2021； Bluestein et al， 2019； Van Den Broeke， 2020）。超级单体由于其局地性、 突发性、 强度大、 尺度小、 移速快、 生命周期短等特点， 在日常业务中难以预报。在经济发达、 人口稠密的地区， 突发性超级单体往往造成巨大的经济损失和人员伤亡。例如航空方面， 其直接威胁到飞行安全和民航运行效率。在2018年6 -8月期间， 首都机场受中小尺度天气过程的影响， 有8600多个航班延误， 1900多个航班取消， 450多个航班返航备降（史丹妮等， 2019）。随着国家经济和科技的发展， 对中小尺度灾害性天气的研究和预报工作也越来越重视。如何利用数值模式刻画超级单体的发生、 发展， 从而提高气象业务的预报和预警能力。
WRF（Weather Research and Forecasting Model）中尺度模式已成为研究和预报对流性天气的重要工具（吴迪等， 2016； 王坤等， 2014； 刘运成等， 2008； 王澄海等， 2013）。但仍然存在着较大的问题。其中， 初边界场是数值模式模拟的关键部分， 初始误差对中尺度对流系统的预报有显著的影响（Wandishin et al， 2007， 2010）。研究表明， 使用ECMWF和FNL资料驱动WRF模式作为初始场对粤西南暴雨过程预报有较大影响， 而初始误差是预报误差的重要来源（卢楚翰等， 2020）。使用GRAPES_GFS、 FNL和ERA-interim三种资料作为初始场使用WRF模式对西北暴雨过程的模拟结果指出， 不同初始场资料对降水分布特征的模拟有明显差异， ERA-interim资料效果最差（韩子霏等， 2021）。通过不同的探空资料驱动CMI模式对一次飑线过程进行模拟， 结果表明初始场不稳定能量和垂直风切变的差异使得飑线强度和结构的模拟出现明显差异（张弛等， 2019）。利用WRF-3DVAR同化常规观测资料对近地层风速预报， 结果表明同化时间和空间上较近的常规观测资料可以改善初始场， 对近地层风速的预报效果有显著的改善（张飞民和王澄海， 2014）。使用ERA5、 ERA-Interim和FNL资料驱动WRF模式对青藏高原一次高原涡进行模拟， 结果表明， 使用ERA5资料可以再现高原涡生成过程， 而FNL模拟的结果偏差显著（王溪雯等， 2021）。可见模式初始场的差异会由于不同天气类型的不同表现出不同的效果。
模拟超级单体时采用较多的是分辨率较粗的NCEP-FNL资料（Litta et al， 2012； Das et al， 2016； 胡文东等， 2021）。例如， 利用1°×1°的逐6 h FNL再分析资料驱动WRF模式对三次严重致灾超级单体过程进行模拟， 模拟结果与观测相比， 模拟虽然能够捕捉到超级单体的移动过程， 但是超级单体的位置和强度均存在较大的偏差（Litta et al， 2012）； 同样使用粗分辨率的FNL驱动WRF模式对超级单体引起的龙卷风进行模拟， 结果显示在观测时间前40 min模式模拟结果便存在差异， 并且模拟位置与观测到的超级单体位置相差0.5°（Das et al， 2016）。
上述研究表明， 不同的初边界场对天气过程的模拟效果不同； 模式的初始时刻和模拟的天气系统的属性有关。本文关心的问题是， 在具有了较高分辨率的大尺度背景场下， 初、 边界场和模式的初始时刻对中小尺度的天气系统的模拟是否仍然存在较大差异？
本文对2021年8月9日发生在首都机场的一次超级单体， 在不同的初边界场下驱动WRF4.3模式模拟， 分析比较了不同分辨率和时间频率的初边界场对模拟超级单体过程的效果， 比较了对降水等要素的模拟效果， 试图揭示大尺度场对超级单体等强对流天气的模拟的影响及其机理。

2 天气过程概况

2021年8月9日10:00 -13:00（世界时， 下同）出现了最大水平风速达到21 m·s-1， 最大阵风29 m·s-1， 并伴有强降水和冰雹的天气过程， 过程最强降水发生在12:00， 分别位于石景山（29.6 mm）、 丰台（34.4 mm）、 海淀（29.7 mm）、 北京（22.4 mm）， 四个站同时达到了暴雨的标准（每小时降雨量16 mm以上）， 给北京城区带来了经济损失， 经过北京首都国际机场时， 取消航班达到670余次， 机场的航空仪器和各类设备不同程度受到损伤。
大兴雷达站捕捉到了此次过程。图1展示了在10:00、 11:00、 12:00、 13:00大兴雷达站观测到的雷达回波。10:00［图1（a）］强度达60 dBZ的最强雷达回波位于昌平顺义地区附近， 范围30 km左右； 11:00［图1（b）］最强雷达回波仍然超过55 dBZ， 并位于北京市区， 且范围增加至50 km； 12:00［图1（c）］超过60 dBZ的雷达回波位于大兴附近， 范围相比前一时刻略有缩小； 13:00［图1（d）］超过50 dBZ的最强回波位于北京以北地区， 范围仍在20 km左右。从整个过程来看， 此次过程具有强度大（最强回波持续60 dBZ）、 移速快（速度约为30 km·h-1）、 范围小（回波强度超过45 dBZ的范围约在30 km）的特点， 可以看出这是一次具有中小尺度的超级单体过程。
图1 2021年8月9日10:00（a）、 11:00（b）、 12:00（c）、 13:00（d）大兴雷达站的基本反射率（单位： dBZ）

图像为来自国家气象科学数据中心的基本反射率图像产品

Fig.1 The basic reflectivity （unit： dBZ） of the DaXing radar station at 10:00 （a）， 11:00 （b）， 12:00 （c）， 13:00 （d） on August 9， 2021.The image comes from the basic reflectance image product of the National Meteorological Science Data Center

3 环流特征及不同再分析资料的差别

本文使用的三种驱动WRF模式资料分别为： （1）美国环境预报中心（NCEP）和美国国家大气研究中心（NCAR）联合制作的FNL（NCEP Final Operational Global Analysis data）资料， 该资料是在全球预报系统GFS（Global Forecast System）输出结果上同化了常规和卫星等观测所得到的再分析资料， FNL资料是每隔6 h的格点数据， 其网格分辨率为1°×1°； （2）GDAS（Global Data Assimilation System）资料， 该资料是由NCEP-NCAR研制的新一代再分析资料， 与FNL资料最大的差别在于网格分辨率更为精细， 分辨率达到0.25°×0.25°； （3）ERA-5， 该资料是欧洲预报中心（ECMWF）开发的综合再分析资料， 由综合预报系统（IFS）的CY41R2模型结果和同化观测资料得到， ERA-5提供了每小时分辨率为0.25°×0.25°的格点数据。
超级单体等中小尺度系统是在有利的大尺度条件下形成、 发展的结果。从500 hPa高空图［图2（a）~（c）］， 8月9日06:00三种资料均显示出华北地区维持着一个向东南方向延伸的槽， 北京位于高空槽后， 受到西北气流控制并有冷平流， 有利于不稳定层结的形成。在对流层低层850 hPa ［图2（d）~（f）］， 三种资料均显示出河北北部到内蒙古地区的低涡， 北京位于低涡的底部， 低层850 hPa有偏东气流的控制并伴有暖平流， 有利于层结不稳定； 北京以北地区有一南北向的暖式切变线， 低涡沿切变线向北京地区移动， 有利于该地区强对流天气的形成和发展。资料显示， 北京以东地区相对湿度较大， 有较好的水汽条件。这表明三种资料在表征影响超级单体过程的大尺度条件方面具有较好的一致性， 但FNL资料由于分辨率不足， 在高低空系统的强度上和其他资料之间存在差异， 如850 hPa北京以北地区切变线强度明显弱于高分辨率资料。
图2 2021年8月9日06:00 FNL（a， d）、 GDAS（b， e）、 ERA-5（c， f）资料500 hPa（a~c）、 850 hPa（d~f）的环流形势

实线表示位势高度场（单位： dagpm）； 虚线表示温度场（单位： °C）； 阴影区表示相对湿度场（单位： %）

Fig.2 FNL （a， b）， GDAS （b， e）， ERA （c， f） data of 500 hPa （a， b， c）， 850 hPa （d， e， f） circulation situation at 06:00 on August 9， 2021.The solid line represents the geopotential height field （unit： dagpm）； the dashed line represents the temperature field （unit： °C）； the shading represents the relative humidity field （unit： %）

为了进一步比较再分析资料的偏差， 图3给出了FNL、 GDAS和ERA-5三种再分析资料、 气象信息综合分析处理系统（Meteorological Information Comprehensive Analysis and Process System， MICAPS） 资料（观测）之间在此次过程影响系统（30°N -40°N和95°E -125°E）范围内， 500 hPa和850 hPa的风场、 温度场、 位势高度场上的偏差。可以看出， 在有探空资料的时段（8月9日00:00和12:00）， FNL和GDAS资料与观测的偏差较为接近， ERA-5资料与观测的偏差在850 hPa小于其余两种资料。总体上， 三种资料在对流层低层850 hPa与观测的偏差要大于500 hPa， 这主要由于再分析资料对地形的刻画不够细致， 因此， 在低层的偏差要大于自由大气。作为初边界场驱动WRF模式时， 也会导致模式对低层的模拟效果相对高层较差。
图3 2021年8月9日00:00（a）和12:00（b）初边场资料的泰勒图

点到原点的距离代表其相对于观测的标准差， 点在图中方位角的余弦代表其与观测的相关系数， 点到横坐标数值1.0的距离代表均方根误差

Fig.3 Taylor diagram of the initial-boundary data at 00:00 （a） and 12:00 （b） on August 9， 2021.The distance from the point to the origin represents standard deviation to observation， the cosine of the azimuth of the point represents the correlation coefficient with observation， and the distance from the point to 1.0 on the x-axis represents the root mean square error

4 模式设置及初边界资料简介

为揭示不同初边界资料对超级单体模拟效果的影响， 本文采用三种不同的资料驱动中尺度数值模式WRF 4.3模式进行研究。模式模拟选择三重双向嵌套网格， 模拟中心点为北京机场（116.36°E， 40.04°N）， 格点域分别为160×160、 262×229、 325×319， 对应水平分辨率分别为27， 9和3 km， 垂直方向为60层， 使用D03的模拟结果进行分析（嵌套设置参见图4）。本文采用广泛使用的物理过程参数化方案， 即： WSM6单参数云微物理方案、 RRTM长波辐射方案、 Dudhia短波辐射方案、 Noah陆面方案、 MYJ边界层方案和Kain-Fritsch积云对流方案。其中， 在内层3 km分辨率中关闭积云对流方案（Skamarock et al， 2019）。
图4 WRF模式三重嵌套网格区域

Fig.4 WRF model triple nested grid area

文中涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2020）4632号的中国地图制作， 底图无修改。
为比较再分析资料的种类、 分辨率、 更新时间间隔对模拟效果的影响， 设计了4组试验分别为FNL_1_6h、 GDAS _0.25_6h、 ERA5_0.25_6h和ERA5_0.25_1h（表1）。
表1 试验使用初边界场的情况

Table 1 The information of the initial boundary field in each experiment

名称 初边场 资料 分辨率 垂直层数 /层 时间间隔 /h
FNL_1_6h FNL 1°×1° 34 6
GDAS _0.25_6h GDAS 0.25°×0.25° 34 6
ERA5_0.25_6h ERA5 0.25°×0.25° 38 6
ERA5_0.25_1h ERA5 0.25°×0.25° 38 1
根据第2节的比较结论， 选用在对流层低层偏差较小的ERA-5资料， 设计了不同的模式的初始时刻， 分析不同的初始时刻对超级单体模拟效果的影响（表2）。
表2 不同模拟初始时刻试验的情况

Table 2 The initial time of simulation experiments

名称 模拟初始时刻
ERA_0800 2021-08-08T00:00
ERA_0812 2021-08-08T12:00
ERA_0900 2021-08-09T00:00
ERA_0908 2021-08-09T08:00
用于评估模拟效果的观测资料为MICAPS的第二类高空资料和第三类站点每小时累积降水资料。
降水模拟效果选用模拟的错误率（FAR）和命中率（POD）评估， 即：
F A R = N 3 / ( N 1 + N 3 )
P O D = N 1 / ( N 1 + N 2 )
式中： N 1分别表示观测和模拟都有降水的站点数； N 2表示观测有模拟无降水的站点数； N 3表示观测无模拟有降水的站点数。显然， FAR越小和POD越大， 降水模拟的准确率越高。
为了检验各试验对降水的强度（Amplitude）、 位置（Location）、 结构 （Structure） 的模拟效果， 应用SAL方法对超级单体发生主要时段的逐小时降水模拟进行评估（Wernli et al， 2008； 张政泰等， 2016）。
SAL评估方法中A值评估降水量的强度：
A = D R m o d - D R o b s 0.5 [ D R m o d + D R o b s ]
式中： D R = 1 N ∑ i , j ∈ D R i j， R i j是格点上降水量； D R为D区域内降水的平均值； 下标mod表示模式模拟结果； obs表示观测； A的变化范围在［-2， 2］， A越大表示模拟的强度较观测越大， 越接近0表示强度模拟效果越好。
L值用于评估降水位置的模拟效果， 由L1和L2两部分组成， 其中L1表示模拟与观测的降水质心间的距离， 即：
L 1 = x R m o d - x R o b s d
式中： x R表示区域内降水质心位置； d表示区域D内格点间最大距离； L1的变化范围为［0， 1］， 越接近0表示模式和观测降水质心位置越接近。降水质心一致并不能完全表示降水位置， 例如降水集中和分散的两种情况质心位置可能一致。为了区分这两种情况， 通过经验法划分降水主体， 降水主体内各个不连续的降水作为降水个体（公颖， 2010）， 并设计L2评分， 即：
L 2 = r R m o d - r R o b s d
式中： m为降水个体数。
R n = ∑ ( i , j ) ∈ R n R i j
表示D区域内第n个降水个体的降水量；
r = ∑ n = 1 m R n ∙ x - x n ∑ n = 1 m R n
表示各降水个体的质心与降水主体质心之间距离的加权平均（以降水个体的降水量为权重）， 降水个体的降水量越大、 离降水主体质心越远则r越大。L2的范围为［0， 1］， 则L的范围为［0， 2］， 其意义为模拟质心越接近观测质心（即： L1越接近0）， 并且各降水个体的离散程度接近观测（即： L2越接近0）， 则L越接近0， 降水位置模拟越好。
降水结构S（Structure）的评估采用下式， 即：
S = V R m o d - V R o b s 0.5 [ V R m o d + V R o b s ]
式中： V n = R n / R n m a x表示第n个降水个体内总降水量与最大降水量的比值； V R = ∑ n = l m R n ∙ V n ∑ n = 1 m R n表示以降水个体的降水量为权重的 V n加权平均。若模式强降水范围相比观测小， 则S小于0， 反之S大于0。同样， S越接近0表示降水模拟的结构越好。

5 模拟结果分析

5.1　不同初边界资料对超级单体模拟的影响

从各试验在D03区域的结果及观测在2021年8月9日09:00 -12:00的3 h累积降水分布（图5）可以看出， 三种资料作为初边界场均可以模拟出北京地区的降水中， FNL资料［图5（b）］在北京地区降水强度较弱（最强降水未超过30 mm）， 并且在北京西南方向出现虚假强降水中心， 降水强度甚至大于北京地区。使用GDAS资料［图5（c）］模拟的结果显示出两个降水大于30 mm的区域； ERA-5资料［图5（d）， （e）］只有一个降水大于30 mm的中心。总体上， 使用GDAS和FNL资料模拟的降水强度高于使用ERA-5资料。此外， 相比ERA_0.25_6h ［图5（d）］， ERA_0.25_1h试验［图5（e）， 每小时更新边界条件］在本次个例中10~30 mm降水略有减少， 对于强降水中心位置、 强度的模拟差异不大。
图5 2021年8月9日09:00 -12:00， D03模拟域中观测（a）、 FNL_1_6h（b）、 GDAS_0.25_6h（c）、 ERA_0.25_6h（d）和ERA_0.25_1h（e）的3 h累计降水（单位： mm）分布

Fig.5 The distribution of 3-hour accumulated precipitation （unit： mm） of the observation （a）， FNL_1_6h （b）， GDAS_0.25_6h （c）， ERA_0.25_6h （d） and ERA_0.25_1h （e） in the D03 domain from 09:00 to 12:00 on 9 August 2021

使用不同初边界资料驱动模式对超级单体降水强度、 位置和结构模拟SAL评分（图6）， 从图6可以看出， 降水结构评分（S）在三个时刻都为负， 表示模拟的强降水范围比观测小， 由于模拟的降水最大值明显大于观测［参见等式（6）］， 例如10:00 FNL_1_6h试验最大降水为70.6 mm， 观测仅6.2 mm， 可见表1中各试验没有把握好超级单体的发生阶段。从10:00 -02:00， 模拟降水的结构逐渐接近观测， 总体上ERA_0.25_1h对降水结构的模拟效果最好。从降水强度评分（A）可以看出， 在10:00 -11:00模式模拟降水强度明显强于观测， 而在12:00模拟降水弱于观测， 表1中各试验对超级单体过程模拟提前， 其中FNL_1_6h试验模拟最差， ERA_0.25_1h较好。降水位置评分（L）结合图5可知， 各个试验降水模拟位置与观测的偏差随时间增加， 反映出模拟的超级单体移速比观测快， ERA_0.25_1h对超级单体位置的模拟优于其他试验。因此， 提高初边场分辨率和边界条件更新频率可以改善超级单体降水的再现情况。
图6 2021年8月9日10:00（a）、 11:00（b）和12:00（c）FNL_1_6h、 GDAS_0.25_6h、 ERA_0.25_6h和ERA_0.25_1h试验的SAL评分结果

Fig.6 The SAL test results of FNL_1_6h， GDAS_0.25_6h， ERA_0.25_6h and ERA_0.25_1h at 10:00 （a）， 11:00 （b） and 12:00 （c） on 9 August 2021

5.2　不同模拟初始时刻对超级单体模拟的影响

为进一步分析不同模拟初始时刻对模式模拟效果的影响， 对比ERA-5资料在不同时刻驱动模式的3 h累计降水模拟结果与观测（图7）可以看出， 不同的模拟初始时刻均可以模拟出北京地区的强降水。其中， 模拟初始时刻离观测时段最远的试验［图7（b）， （c）］， 10~30 mm降水强度范围明显增加， 存在两个降水强度大于30 mm的中心并且距离观测降水强中心偏差较大， 因此无法捕捉到超级单体过程。从ERA_0812试验可见， 强降水中心的位置距离观测较近， 但同样10~30 mm降水的范围明显多于观测， 出现多个对流单体， 因此也无法很好再现超级单体的情况。从离观测时段仅1 h的试验（ERA_0908）［图7（e）］可见， 只出现了一个降水的强中心， 并且位置与观测较近， 但强度（10~30 mm）相比观测较弱。通过上述分析， 模拟初始时刻离观测时段越远， 模式误差累积增加， 虚假模拟明显增多； 离观测时段越近， 各要素场的模拟偏差减少， 可以更好再现超级单体的位置， 但模拟的降水强度偏弱， 这可能是模式的平衡时间受限的缘故。
图7 2021年8月9日09:00 -12:00， D03模拟域中观测（a）、 ERA_0800（b）、 ERA_0812（c）、 ERA_0900（d）和ERA_0908（e）的3 h累计降水（单位： mm）分布

(d)、(e)中黑色剖线为超级单体西北-东南移动方向

Fig.7 The distribution of 3-hour accumulated precipitation （unit： mm） of the observation （a）， ERA_0800 （b）， ERA_0812 （c）， ERA_0900 （d） and ERA_0908 （e） in the D03 domain from 09:00 to 12:00 on 9 August 2021.The black line in （d） and （e） is the northwest-sactheast movement of the supercell

为定量分析初始时刻对降水的模拟效果， 将降水模拟结果分为两个阈值（大于0.1 mm和大于3 mm）进行评估， 当模拟结果大于阈值表示成功模拟。按照式（1）和式（2）计算降水模拟准确率的结果（图8）可以看出， 不同初始时刻对大于0.1 mm降水模拟命中率范围在0.3~0.4， 而大于10 mm的降水模拟命中率明显下降， 模式对于强降水中心位置的准确度仍然不足。在大于0.1 mm范围［图8（a）］， 不同初始时刻对降水模拟的成功率明显存在差异， 离降水观测时段越近模拟的成功率越高（即虚假模拟越少）， 分别为0.28、 0.35、 0.47、 0.83， 说明模式初始时刻离观测时段越远， 模拟产生的虚假降水越多， 模拟结果的可信度越差。大于10 mm的降水范围内［图8（b）］， ERA_0906的成功率下降， ERA_0800命中率高是降水模拟范围增加导致。通过上述分析， 模拟起始时间越接近天气过程发生时间， 虚假降水越少。
图8 大于0.1 mm（a）和大于10 mm（b）阈值下ERA_0800、 ERA_0812、 ERA_0900和 ERA_0908试验的3 h降水评分图

横坐标为成功率（1-FAR）， 纵坐标为命中率（POD）， 曲线为TS分数（TS）， 虚线为命中率和成功率的比值

Fig.8 The score of simulated 3 h precipitation with simulations of ERA_0800， ERA_0812， ERA_0900， and ERA_0900 under 0.1 mm （a） and 10 mm （b） thresholds.The abscissa is the success rate （1-FAR）， the ordinate is the hit rate （POD）， the curve is the TS score （TS）， and the dashed line is POD/（1-FAR）

从不同初始时刻对降水强度、 位置和结构模拟效果（图9）可以看出， 降水结构评分（S）随时间减小， 可见表2中各试验都未能很好把握超级单体发生时刻（10:00）的结构， 而在超级单体成熟时刻（12:00）WRF_0900模拟的降水结构接近观测（S评分接近0）； 从降水强度评分（A）可知， 初始时刻离超级单体发生时期过远（WRF_0800和WRF_0812）， 降水强度模拟明显偏大， WRF_0908在超级单体发生阶段（10:00）降水强度模拟接近观测， 在12:00降水强度偏弱； 从降水结构评分（L）， WRF_0800和WRF_0812试验降水分布离散度大， L评分较大， 因此初始时刻离超级单体发生时越远越难以把握超级单体降水的位置。
图9 2021年8月9日10:00 （a）、 11:00 （b）和12:00 （c）时ERA_0800、 ERA_0812、 ERA_0900和 ERA_0908试验的SAL评分

Fig.9 The SAL test results of ERA_0800， ERA_0812， ERA_0900 and ERA_0908 at 10:00 （a）， 11:00 （b） and 12:00 （c） on 9 August 2021

综上， 模拟初始时刻接近降水发生阶段可以改善超级单体降水的模拟再现情况。
模式较近的初始场可以更好地铺捉到降水在空间上的模拟偏差， 一方面表明了降水和较近或同时刻的要素相关显著的特性， 另一方面也表明了对于超级单体这样的对流系统， 其内部的重力波活动的移动速度较快（吴海英等， 2021）。为了分析对重力波的捕捉情况， 使用Richardson数（Ri）来分析重力波的活动特征。 Ri是检验重力波的重要指标（Strobell and Sicardy， 1997； 寿绍文等， 2009）：
R i = g θ ∂ θ ∂ z ∂ U ∂ z 2
式中： g θ ∂ θ ∂ z表示大气的稳定度； ∂ U ∂ z 2表示气流垂直切变。风垂直切变越强， 则Ri越小， 重力波越容易产生。当Ri小于0.25时， 重力波会从基本气流中获取能量而发展。
图10给出了垂直速度和Ri沿着图7（d）、 （e）雨带变动方向（由西北至东南）的剖面， 剖面上位温整体分布基本是随着高度逐渐增加（图略）， 即大气层结是静力稳定的， 是重力波发生传播的条件。可以看出在10:00［图10（d）］Ri小值（黑虚线框）位于上升运动的后部， 反映垂直切变不稳定达到最大， 并且先于重力波的发生； 11:00， 该位置Ri数减小， 并且垂直运动在低层加强， 意味着不稳定气流中能量开始向扰动动能转化； 12:00， 该位置Ri继续减小， 上升运动明显加强， 对应着超级单体成熟阶段。因此气流垂直切变是重力波的发生、 发展的前期条件， 也是超级单体发生位置的重要前期信号。初始时刻越临近超级单体发生过程， 对重力波发生发展过程的捕捉越好， 改善超级单体的发生发展过程。
图10 沿超级单体过程西北东南移动方向（图7黑色剖线）的WRF_0900和WRF_0908试验中的垂直速度（黑色等值线， 单位： m·s-1）和Richardson数（阴影区）的垂直剖面

Fig.10 Vertical cross-section of vertical velocities （black contours， unit： m·s-1） and Richardson numbers （the shaded） of the WRF_0900 and WRF_0908 experiments along the northwest-southeast movement of the supercell （black line in Fig.7）

进一步通过最大垂直速度在三个时刻（10:00 -12:00）内位置的变化可估算出超级单体内的重力波的大致移速［图11（a）， （e）］， 结果显示， 重力波移动速度约为50 km·h-1， 一般地， 重力波的移动速度为110~140 km·h-1， 显然模式模拟的重力波移速偏小。由于对流性降水中重力波起着扰动和触发作用， 但其移速快， 因此， 接近降水发生的初边界场对重力波的捕捉更好一些。
图11 2021年8月9日10:00 -12:00 ERA_0900（a）和ERA_0908（e）最大垂直速度（彩色区， 单位： m·s-1）的演变；ERA_0900和ERA_0908在10:00（b， f）、 11:00（c， g）和12:00（d， h）分别沿图11（a）和（e）中黑色直线的散度（彩色区， 单位： ×10-5 s-1）和风场（矢量， 单位： m·s-1）剖面以及ERA_0908在10:00（i）、 11:00（j）和12:00（k）沿着（e）中黑色直线的雷达回波（彩色区， 单位： dBZ）剖面

Fig.11 Evolution of the maximum vertical velocity （color area， unit： m·s-1） of ERA_0900 （a） and ERA_0908 （e） from 10:00 to 12:00 on 9 August 2021； vertical cross-section of divergence （color area， unit： ×10-5 s-1） and wind （vector， unit： m·s-1） of ERA_0900 and ERA_0908 at 10:00 （b， f）， 11:00 （c， g）， and 12:00 （d， h） along the black value lines in Fig.11 （a） and （e）； vertical cross-section of radar reflectivity （color area， unit： dBZ） of WRF_0908 at 10:00 （i）， 11:00 （j） and 12:00 （k） along the black lines of （e）

此外， 通过图11（a）和（b）可见， ERA_0900有多个最大垂直速度中心， 表明超级单体过程此时发生了分裂， 变为多单体结构， 与图7（d）相符。为此， 沿图超级单体移动的方向由西北至东南［10（a）， （b）黑色线］做剖面， 分析散度和风的变化特征。相比ERA_0908试验， ERA_0900强对流区域（黑虚线框）在11:00［图11（c）］有明显的下沉气流， 这是由于降水（如冰雹）的拖曳作用更强导致， 与图9中此试验在11:00 A（强度）评分相符。较强的下沉气流与地形作用形成低层（1~3 km）涡管， 进而下沉气流的左右两侧形成反向的涡旋， 在下沉气流左右两侧形成两支上升气流， 每支上升气流将各自发展和传播， 最终导致超级单体的分裂。
从试验ERA_0908的超级单体的雷达回波垂直模拟结果［图11（j）， （k）］可以看出， 该次超级单体最初发生于对流层低层， 逐渐向上发展。由于， 近地面的地形起伏较大， 再分析资料和模式的分辨率不足以刻画出细致地形， 这也是导致低层要素场的偏差较大的原因。

6 结论

本文通过比较一次超级单体过程的模拟效果， 评估了不同分辨率的初边界场， 及模拟初始时刻对一次超级单体的中小尺度天气过程特征模拟的影响。得到以下主要结论：
（1） 再分析资料提供的大尺度条件影响中尺度模式对超级单体的模拟效果。本文个例分析结果显示， 其中FNL由于分辨率不足对低空切变线的强度模拟较差； 与探空观测资料相比， ERA-5资料在对流层低层850 hPa的偏差较小。再分析资料中低层温压结构的差异， 通过初始场驱动模式模拟的要素出现偏差表现出来。大尺度初边界场的质量很大程度上决定了驱动的模式的模拟结果。
（2） 模拟对象的物理属性和模式开始的初始时刻相关。从本文的模拟效果来看， 初始时刻离强降水发生时段越近， 在大于0.1 mm范围， 虚假降水较少； 模拟初始时间距离此过程1 h的降水模拟成功率达到0.83； 在大于10 mm范围， 降水命中率和成功率偏低。这一方面是由于模拟对象的生命期所决定， 也由于重力波的快速移动对对流性降水的触发和扰动有关。模拟初始时刻越接近天气过程， 对流性强降水的范围模拟越好。
（3） 超级单体等对流性降水的低层要素（如垂直风切变）和结构的模拟误差大于高层。这是由于模式和初边界场的分辨率对地形等下垫面的刻画不够细致， 从而影响地形拖曳作用相关的重力波的模拟。
中小尺度天气过程的预报一直是天气预报的热点和难点问题， 明晰初边场和对流单体之间的关系对提高中小尺度天气过程的预报有重要意义。需要指出的是， 本文的结论仅为一次超级单体过程的数值模拟结果得出， 具有一定的局限性， 需要更多小尺度天气过程的模拟试验检验。

References

null
Bluestein H B， Thiem K J， Snyder J C， et al， 2019.Tornadogenesis and early tornado evolution in the El Reno， Oklahoma， supercell on 31 May 2013［J］.Monthly Weather Review， 147： 2045-2066.DOI： 10.1175/MWR-D-18-0338.1 .
null
Browning K A， 1962.Cellular structure of convective storms［J］.Meteorological Magazine， 91（ 1085）： 341-350．
null
Das M K， Das S， Chowdhury M A M， et al， 2016.Simulation of tornado over Brahmanbaria on 22 March 2013 using Doppler weather radar and WRF model［J］.Geomatics， Natural Hazards and Risk， 7： 1577-1599.DOI： 10.1080/19475705.2015.1115432 .
null
Davies-Jones R， 2015.A review of supercell and tornado dynamics［J］.Atmospheric Research， 158/159： 274-291.DOI： 10.1016/j.atmosres.2014.04.007 .
null
Litta A J， Mohanty U C， Das S， et al， 2012.Numerical simulation of severe local storms over east India using WRF-NMM mesoscale model［J］.Atmospheric Research， 116： 161-184.DOI： 10.1016/j.atmosres.2012.04.015 .
null
Montopoli M， Picciotti E， Baldini L， et al， 2021.Gazing inside a giant-hail-bearing Mediterranean supercell by dual-polarization Doppler weather radar［J］.Atmospheric Research， 264： 105852.DOI： 10.1016/j.atmosres.2021.105852 .
null
Skamarock W C， Klemp J B， Dudhia J， et al， 2019.A description of the advanced research WRF model version 4［J］.National Center for Atmospheric Research， DOI： 10.5065/1dfh-6p97 .
null
Strobell D F， Sicardy B， 1997.Gravity wave and wind shear models［C］//Huygens： Science， Payload and Mission， 1177.299.
null
Thompson R L， Edwards R， Hart J A， et al， 2003.Close proximity soundings within supercell environments obtained from the rapid update cycle［J］.Weather and Forecasting， 18： 1243-1261.DOI： 10.1175/1520-0434（2003）018<1243： CPSWSE>2.0.CO； 2 .
null
Van Den Broeke M， 2020.Disdrometer， polarimetric radar， and condensation nuclei observations of supercell and multicell storms on 11 June 2018 in eastern Nebraska ［J］.Atmosphere， 11（7）： 770.DOI： 10.3390/atmos11070770 .
null
Wandishin M S， Stensrud D J， Mullen S L， et al， 2007.On the predictability of mesoscale convective systems： two-dimensional simulations［J］.Weather & Forecasting， 23： 773-785.DOI： 10. 1175/2008WAF2007057.1 .
null
Wandishin M S， Stensrud D J， Mullen S L， et al， 2010.On the predictability of mesoscale convective systems： Three-dimensional simulations［J］.Monthly Weather Review， 138： 863-885.DOI： 10.1175/2009MWR2961.1 .
null
Wernli H， Paulat M， Hagen M， et al， 2008.SAL—A novel quality measure for the verification of quantitative precipitation forecasts［J］.Monthly Weather Review， 136（11）： 4470-4487.DOI： 10. 1175/2008MWR2415.1 .
null
刁秀广， 杨传凤， 张骞， 等， 2021.二次长寿命超级单体风暴参数与ZDR柱演变特征分析［J］.高原气象， 40（3）： 580-589.DOI： 10.7522/j.issn.1000-0534.2020.00034 .
null
公颖， 2010.SAL定量降水预报检验方法的解释与应用［J］.暴雨灾害， 29（2）.DOI： 10.3969/j.issn.1004-9045.2010.02.009 .
null
韩子霏， 隆霄， 王思懿， 等， 2021.不同初始场对一次西北地区暴雨影响的数值模拟研究［J］.高原气象， 40（2）： 333-342.DOI： 10.7522/j.issn.1000-0534.2020.00017 .
null
胡文东， 杨侃， 文小航， 等， 2021.阵风锋差异及强迫作用对雷暴触发影响的模拟分析［J］.高原气象， 40（4）： 773-788.DOI： 10.7522/j.issn.1000-0534.2020.00058 .
null
刘运成， 王澄海， 隆霄， 2008.非地转湿Q矢量在川北大暴雨过程分析中的应用［J］.山地学报， 26（4）： 8.DOI： 10.3969/j.issn. 1008-2786.2008.0 .
null
卢楚翰， 林琳， 周菲凡， 2020.一次粤西南暴雨过程的预报误差来源分析［J］.大气科学， 44（6）： 1337-1348.DOI： 10.3878/j.issn.1006-9895.2008.20130 .
null
史丹妮， 南玉合， 梁升， 2019.2018年夏季（6～8月）航空天气回顾及对运行的影响［J］.民航管理， 2019（1）： 4.
null
寿绍文， 励申申， 寿亦萱， 等， 2009.中尺度大气动力学［M］.北京： 高等教育出版社.
null
王澄海， 胡菊， 靳双龙， 2013.2009年中国一次沙尘暴过程中的水汽变化特征及WRF回报［J］.中国沙漠， 33（1）： 205-213.DOI： 10.7522/j.issn.1000-694X.2013.00029 .
null
王坤， 张飞民， 孙超， 等， 2014.WRF-WSM3微物理方案在青藏高原地区暴雪模拟中的改进及试验［J］.大气科学， 38（1）： 101-109.DOI： 10.3878/j.issn.1006-9895.2013.12170 .
null
王溪雯， 张飞民， 王芝兰， 等， 2021.青藏高原西部一次高原涡生成的数值模拟研究［J］.干旱气象， 39（1）： 54-64.DOI： 10. 11755/j.issn.1006-7639（2021）-01-0054 .
null
吴迪， 王澄海， 何光碧， 2016.青藏高原地区夏季两次强降水过程中重力波特征分析［J］.高原气象， 35（4）： 854-864.DOI： 10. 7522/j.issn.1000-0534.2015.00066 .
null
吴海英， 曾明剑， 蒋义芳， 等， 2021.一次雹暴过程中对流系统演变特征的模拟分析［J］.高原气象， 40（3）： 569-579.DOI： 10. 7522/j.issn.1000-0534.2020.00016 .
null
张弛， 王咏青， 廖玥， 等， 2019.初始场与云微物理参数方案在飑线数值模拟中的对比研究［J］.高原气象， 38（2）： 410-420.DOI： 10.7522/j.issn.1000-0534.2018.00084 .
null
张飞民， 王澄海， 2014.利用WRF-3DVAR同化常规观测资料对近地层风速预报的改进试验［J］.高原气象， 33（3）： 675-685.DOI： 10.7522/j.issn.1000-0534.2012.00198 .
null
张政泰， 林明宇， 亓鹏， 等， 2016.西南涡发生发展机制中热力强迫作用的数值试验［J］.干旱气象， 34（3）： 533-539.DOI： 10. 11755/j.issn.1006-7639（2016）-03-0533 .
Options
Outlines

/

〈 〉

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