2. 成都信息工程大学 大气科学学院高原大气与环境四川省重点实验室, 成都 610225;
3. 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, 南京 210044;
4. 中国科学院大学, 北京 100049
青藏高原 (下简称高原) 位于亚洲中部, 是世界海拔最高的高原, 其平均海拔在4000 m以上, 被称作“世界屋脊”。高原以其强大的动力和热力作用不仅影响着中国的天气气候, 甚至会影响整个亚洲乃至北半球的大气环流 (马耀明等, 2014)。在全球变暖的背景下, 高原作为气候变化的敏感区和启动区, 也是研究的热点地区。冯松等 (1998)分析了中国1980-1994年共172个站点5年平滑最高气温中位年出现时间以及600年历史代用资料发现, 高原地区温度变化较早, 此后变化信号会向东传播。Liu and Chen (2000)将高原地区观测时间最长的站点与同时期北半球的地表气温时间序列进行比较, 结果显示高原站点的温度变化先于北半球且站点年平均增温率约为北半球的2倍。郑然等 (2015)分析研究了1971-2011年高原81个站点气温表明高原在1997年存在明显增暖突变, 且相比全球增暖减缓高原在突变后体现较大幅度增暖。根据Duan and Xiao (2015)对高原近34年地表气温的研究, 高原仍存在显著的增温并且未出现增暖停滞。
随着计算机和数值计算方法的发展, 数值模拟已经成为定量研究气候及其变化的主要手段之一。由于全球气候模式的水平分辨率较低且主要反映大的时间与空间尺度, 难于模拟出区域气候一些重要的小尺度过程以及逐日和小时的变化, 因而对区域气候的模拟存在较大的不确定性 (赵宗慈和罗勇, 1998)。刘黎平等 (2000)将大气环流模式与嵌套区域模式的大气环流模式对我国西北及高原地区夏季气候平均态模拟结果与观测场进行比较分析, 对比结果显示嵌套后的模式明显改善了模拟的结果。李振朝等 (2013)利用CMIP5中8个模式对北半球和高原气温和降水模拟结果进行检验, 结果表明CMIP5模式对高原气温模拟相对较好, 但对高原降水的模拟只体现出了中心的位置, 且量级差别较大。Su et al (2013)在高原地区将CMIP5中24个全球模式结果与地表观测值进行比较, 大部分模式对气温的模拟存在一个冷偏差, 所有模式结果较实测降水年平均值均存在62%~183%的高估且仅有一半的模式能体现出降水的季节分布。胡芩等 (2014)评估了CMIP5中44个全球模式对高原地表气温和降水的模拟能力, 结果表明气温年平均模拟结果平均偏低2.3 ℃, 年平均降水偏多1.3 mm·d-1, 并指出模式集合结果优于大多数单个模式的模拟性能以及区域模式可能会对高原有更好的模拟能力。
区域模式较全球模式分辨率更高, 能够起到动力降尺度的作用, 是目前区域气候研究的重要方式 (Gao and Xu, 2015)。张冬峰等 (2005)利用RegCM3模式对东亚地区进行了15年模拟, 通过对比高原及周边地区模拟结果与该地区92个站点观测资料, 发现模拟的降水量明显偏大且对气温的模拟存在冷偏差。屈鹏等 (2009)利用RegCM3模式对高原及周边地区1991-2000年夏季进行模拟, 模拟结果与CRU资料对比显示, 对地面气温的模拟存在冷偏差但结果能够体现10年温度的上升趋势, 对降水的模拟除高原中西部部分地区以及柴达木盆地部分地区外存在较大湿偏差但能体现出高原夏季降水的分布特征。巩崇水等 (2015)利用RegCM4模式对中国区域进行30年模拟, 结果与观测对比表明高原地区温度和降水的模拟均存在较大偏差, 但整体上能模拟出温度和降水30年平均分布特征。朱士超等 (2011)利用WRF模式的不同微物理参数化方案对高原那曲地区的一次强对流过程进行模拟, 表明WRF模式能够较好的模拟这次过程, 但不同参数化方案对水汽通量的模拟存在较大差异且需进一步研究。何由等 (2012)利用WRF模式对高原地区一次强降水过程进行模拟, 利用ETS评分比较不同微物理和积云参数化方案组合模拟结果, 并进行了有无嵌套以及有无边界层参数化方案模拟的比较, 发现使用嵌套和加入边界层方案的模拟结果更优。吴遥等 (2015)利用WRF模式的两种边界层参数化方案对2013年夏季高原地区降水进行模拟, 结果显示两种方案均能模拟出高原地区夏季降水南多北少的空间分布, 但均低估西藏地区而高估青海南部的降水。许建伟和高艳红 (2014)应用WRF模式对高原东北部祁连山区的黑河流域1999-2008年夏季的气温和降水进行模拟, 结果表明模式能够模拟出山区气温和降水的分布特征。Gao and Xu (2015)利用WRF模式对1797-2011年高原气候进行模拟, 该研究结果与许多全球模式研究 (Zhou and Li, 2002; Gao et al, 2008; 李振朝等, 2013; 胡芩等, 2014) 结果相似, 模拟结果显示出对高原地表温度模拟存在冷变差, 对高原降水模拟存在湿偏差。
不仅模式及参数化方案会影响模拟的结果, 初边界场资料的选取对模拟结果也有着较大的影响。荀学义等 (2011)利用NCEP/NCAR和ECMWF北半球逐月平均高度场再分析资料结合高原代表站探空资料对高原高度场流型及量值进行对比分析, 结果表明高原中部和南部ECMWF再分析资料与观测更接近, 高原北部则是NCEP/NCAR再分析资料与观测更接近。李瑞青等 (2012)评估了NCEP/DOE、ERA-Interim和JRA-55在高原东部地区的精度, 结果表明, JRA-55在年际变化上优于ERA-Interim且两者均优于NCEP, 而三种再分析资料质量指数比较则显示ERA-Interim的结果较好。Zhu et al (2014)利用在高原喜马拉雅地区东部观测的气温、比湿和风速资料评估了ERA-Interim、NCEP FNL、MERRA、CFSR、NCEP-R2和JRA-25资料, 结果表明ERA-Interim与观测最接近。Yang and Duan (2016)在高原东北部利用不同的初始场和土地利用资料设计WRF敏感性试验并与实测进行对比, 结果表明不同的初始场会对模拟产生影响, ERA-Interim略优于NCEP FNL。
为了解不同的初边界场、微物理和边界层参数化方案组合对高原降水过程的模拟, 本研究分别采用NCEP FNL和ERA-Interim资料作为初始和边界场并利用不同参数化方案组合对高原那曲地区的一次对流过程进行模拟, 以期考察和研究不同方案组合对高原降水过程的模拟精度及其产生原因, 为下一步研究高原陆气相互作用, 特别是夏季土壤湿度初始化对对流降水的影响提供参考。
2 资料与方法 2.1 资料介绍本文用到的观测数据为郭凤霞等 (2007)观测的2003年8月13日对流凝结高度、地面温度和对流有效位能, 中国气象科学数据共享网提供的中国地面气候资料日值数据集中那曲站8月13日20:00(北京时, 下同) 至8月14日20:00降水量, 以及每隔3 h的TRMM 3B42 (version 7) 降水资料。Wu and Zhai (2012)在高原及周边地区进行TRMM 3B42降水资料的验证, 研究表明该资料能够较好显示高原地区24 h不同量级降水出现频次和所占总降水比例。但由于地形的原因, 该资料在高原地区日平均降水与测站之间相关系数较高原东北部及周边地区小。尽管如此, 该资料较对比研究中的其他一些资料 (Wu and Zhai, 2012; Qin et al, 2014) 结果更优, 因此选用TRMM 3B42降水资料在高原地区进行降水的对比。
NCEP FNL资料 (http: //rda. ucar. edu/datasets/ds083. 2) 为地球数据同化系统 (Global Data Assimilation System, GDAS) 的产品, 其水平分辨率为1°×1°, 时间间隔为6 h, 时间跨度为1999年7月30日至今。ERA-Interim资料 (Dee D P et al, 2011) 是欧洲中心 (European Centre for Medium-Range Weather Forecasts, ECMWF) 提供的最新全球在分析资料, 其时间跨度为1979年至今且不断更新。该资料包含多种不同分辨率的网格数据, 本文用到的是其时间间隔为6 h, 水平分辨率为0. 25°×0. 25°的资料。
2.2 试验设计利用WRF (V3. 7. 1版本)(Skamarock et al, 2008) 对高原那曲地区2003年8月13日对流降水过程进行模拟。分别采用NCEP FNL和ERA-Interim资料作为模拟的初边界场。模拟时间为8月13日08:00至14日20:00, 模拟区域采用三重嵌套 (图 1), 中心经纬度为31. 38°N, 91. 93°E, 每重嵌套格点数均为91×91, 水平分辨率分别为9 km, 3 km和1 km, 垂直方向为采用eta坐标, 为不等间距的31个层次, 时间分辨率为45 s, 15 s和5 s, 每10 min输出一次结果。
下垫面土地利用类型资料为USGS资料, 该资料中包含了24种土地利用类型以及16种土壤质地。模式选用RRTM长波辐射方案, Dudhia短波辐射方案, Noah陆面过程方案, Kain-Fritsch积云参数化方案 (最内层嵌套未使用积云参数化方案), 对Lin、WSM6和Eta微物理方案以及YSU、MYJ、BouLac与GBM边界层方案的组合进行对比, 具体组合方式如表 1所示。
积云参数化方案: Kain-Fritsch方案 (Kain J S, 2004) 是质量通量参数化方案 (mass flux parameterization), 利用拉格朗日气块理论来判断不稳定是否发生、不稳定是否会导致云的增长以及对流云的特性。该方案在原版本KF方案基础上进行了修正, 上升气流考虑了最小卷入率以抑制相对比较干情况下较小浮力引起的对流及云径随云下层辐合的变化、最小云厚随云底温度的变化和浅对流 (非降水) 云, 下沉气流引入了新的算法并改进了有效位能 (CAPE) 的计算。
微物理参数化方案:(1) Lin方案是WRF模式中相对比较复杂的一种方案, 该方案中的水凝物包含了水汽、云水、云冰、雨、雪和霰。当温度低于-40 ℃时, 云水全部冻结成云冰; 当温度高于0 ℃时, 云冰全部融化为云水; 当温度处于两者之间时, 各水凝物可以共存 (Lin et al, 1983; 闫之辉和邓莲堂, 2007)。(2) WSM6方案与WSM5方案相比, 扩充了霰以及与其相关联的一些过程。该方案中的基本微物理过程与Lin et al (1983)的方案相似, 但在碰并过程和一些经验参数的选择上有所差别 (Hong and Lim, 2006; 闫之辉和邓莲堂, 2007)。(3) Eta方案预报模式平流项中包含水汽和总凝结降水的变化。程序中用一个局域数组变量来保存初始猜测场的信息, 然后从中分解出云水, 雨水, 云冰以及降冰 (冰包括雪、霰或冰雹) 的变化的密度。沉降过程的处理是将降水时间平均通量分离成格点单元的立体块, 这样可以使得大时间步长的计算结果稳定。
边界层参数化方案: (1) YSU方案是非局地闭合方案, 它是MRF边界层方案的改进方案。该方案对边界层顶的夹卷过程进行了显式处理, 增加了边界层中热驱动自由对流区的混合以及减少了机械驱动对流的混合 (Hong et al, 2006; 王子谦等, 2014)。(2) MYJ方案为局地垂直混合的预报湍流动能方案, 适合于研究精细的边界层结构, 但是考虑相对复杂, 计算量较大, 其湍流扩散系数通过湍流动能计算, 边界层高度由湍流动能廓线决定 (Janjic, 1994; 吴遥等, 2015)。(3) BouLac方案与MYJ方案类似, 均为局地湍流模型, 只是在利用湍流动能计算气象要素场垂直扩散率时, 混合长度等经验常数的定义与MYJ方案有所不同。该方案对于陡峭地形下的湍流强度和位置预报较好 (Bougeault and Lacarrere, 1989; 王子谦等, 2014)。(4) GBM方案采用了包含对流层顶夹卷闭合的1. 5阶湍流动能闭合。该方案的设计是为了实现在有限垂直分辨率下对有云顶边界层进行更加准确的模拟。此外, 对于更综合的边界层对流模拟, 它适合于浅云对流参数化方案相配合 (Grenier and Bretherton, 2001)。
3 模拟结果及分析通过第三重区域内TRMM红外降水资料与NCEP FNL和ERA-Interim为初边界场时12个参数化方案8月13日20:00至14日20:00降水平均值分布 (图 2) 可以看出, TRMM资料显示在研究区西部和东北部各有一个降水高值中心 (图 2a); NCEP FNL资料模拟出了两个降水中心, 一个位于东北部与TRMM资料相比降水中心模拟的范围偏大, 另一个位于西南角没有刻画出TRMM资料西部的降水中心 (图 2b); ERA-Interim资料同样模拟出两个降水中心, 一个位于西北部另一个位于东南部, 与TRMM资料相差较大 (图 2c)。虽然NCEP FNL和ERA-Interim均模拟出了两个降水中心, 且NCEP FNL模拟出了东北部的降水中心, 但两者对于降水中心模拟的位置和降水量均有一定的偏差。
将站点实测资料与模拟结果第三重区域中心 (鉴于观测站点与模式格点匹配问题, 本研究选取区域中心16个格点进行平均) 平均值进行对比 (表 2) 可见, 模拟的降水量与实测存在较大差异, 分析认为是模式对降水中心位置偏差较大, 且模拟结果存在较大湿偏差 (图 2)。因此本文不局限于对降水模拟精度的研究, 而是主要分析不同参数化方案对对流过程模拟情况的差异。
图 3为TRMM红外降水资料与NCEP FNL和ERA-Interim为初边界场时12个参数化方案第三重区域中心模拟结果平均值于各时次的降水值, TRMM资料时间分辨率为3 h, 每整时刻一个值, 故从8月13日14:00起每3 h的值相同均为3个时刻中第一个时刻的值, NCEP FNL和ERA-Interim资料为初边界场时12个方案模拟结果平均值。图 3a显示出两次降水, 第一次发生在8月13日20:00至8月14日01:00, 其中在13日23:00降水有增大的趋势, 第二次发生于8月14日17:00, 从图中可以明显看出第二次的降水强于第一次。图 3b模拟出了两次降水过程, 但在14日02:00-07:00模拟出了虚假降水。在降水强度方面, 第一次的降水强度高于第二次降水。图 3c同样模拟出了两次降水过程, 第一次降水中23:00-00:00降水高于该次降水其它时刻与TRMM资料相符, 第二次降水强度略高于第一次。同图 3b相似, 在14日02:00-10:00也存在虚假降水。图 3b和图 3c均表现出了这两次降水过程, 但对第一次降水过程的模拟以及两次过程降水强度的刻画, ERA-Interim模拟结果明显优于NCEP FNL的模拟结果。因此, 将主要研究ERA-Interim资料为初边界场时不同参数化方案之间的差异。
从12个参数化方案组合模拟的降水时间序列 (图 4) 可以看出, 大部分组合模拟出了这两次降水, 但有一些组合在无降水时刻却模拟出了降水, 在8月14日06:00-07:00模拟出了较大的降水 (图 4d)。也有一些组合模拟只模拟正确了第二次降水, 而错误的模拟了第一次降水发生的时间, 如图 4k模拟出了第二次降水的发生, 但在8月14日上午模拟出了较大降水 (相对该模式对降水的模拟情况)。将图 3a、c和图 4对比, 从两次降水强度和发生时间方面, 可以发现12个组合集合的结果在一定程度上优于单个组合的结果。由于本文关注的是不同方案之间的影响, 因此从12个组合中挑出成功模拟出两次降水且第一次降水发生时间较为相符的第2个组合 (Lin和MYJ), 接下来的内容将以该组合为参照, 讨论不同微物理和边界层参数化方案的影响。
图 5为第三重模拟区域8月13日19:00(该时间点后各方案陆续发生降水)500 hPa水汽通量散度和水汽通量分布, 图 5a~d为相同Lin微物理参数化方案但不同边界层参数化方案的组合, 图 5b为MYJ边界层参数化方案的结果, 该结果在模拟区域中心及其西北部水汽辐合较明显, 而其他边界层参数化方案的情况下无明显的水汽辐合。图 5b、图 5e和图 5f为相同MYJ边界层参数化方案但不同微物理参数化方案的组合, 三者均体现出模拟区域中心及其西北部的水汽辐合。此外, 从图 6也可以明显看出在相同微物理参数化方案的条件下, 不同边界层参数化方案模拟出的垂直风速差异较大, 其中以MYJ为边界层参数化方案的组合模拟出了较强对流。而在相同MYJ边界层参数化方案条件下, 不同微物理参数化方案均体现出了较强的对流。因此, 从图 5和图 6可以说明, 相对于微物理参数化方案, 对流发生对边界层参数化方案较敏感。
进一步研究不同边界层参数化方案对物理量的模拟情况, 图 7为微物理参数化方案相同但边界层参数化方案不同的四个组合模拟的8月13日14:00第三重区域的边界层高度、感热通量、潜热通量和净辐射通量分布图。从图 7可以看出, 尽管图 7a和图 7d中边界层高度的分布较相似, 但是相比于各组合模拟的感热通量 (图 7e~h)、潜热通量 (图 7i~l) 和净辐射通量分布 (图 7m~p) 情况, 不同边界层参数化方案对边界层高度模拟的差异较为明显。因此认为不同边界层参数化方案对边界层高度的模拟存在较大影响, 其中MYJ边界层参数化方案模拟的边界层高度最高。在地表能量通量分布差别不大的情况下, 造成这种差异的原因可能与不同边界层参数化方案对边界层发展的影响不同, 同时各方法中对边界层高度确定也不同有关 (王腾蛟等, 2013)。边界层高度是边界层最重要的物理参数之一, 其强烈影响着云和对流的发展以及演变过程 (张强, 2007)。
利用WRF模式模拟研究了青藏高原那曲地区一次对流降水过程及其模拟过程中受初边界场、云微物理和边界层参数化方案的影响, 主要结论如下:
(1) WRF模式能够模拟出此次降水的发生, 但对降水中心位置的模拟存在一定的偏差。将第三重区域中心各时刻降水的模拟情况与TRMM资料进行对比, 两者对流发生时间较为吻合, 说明WRF模式能够在一定程度上模拟对流降水过程。
(2) 在不同初边界场条件下, WRF模式对本次对流过程模拟的结果有所差别。通过分析本次对流降水过程的模拟结果, ERA-Interim资料为初边界场时的模拟结果在一定程度上优于NCEP FNL资料为初边界场时的结果, 且各组合集合的结果在一定程度上优于单个模拟。
(3) 通过对不同微物理和边界层参数化方案模拟结果的水汽通量、水汽通量散度和垂直风速对比分析, 发现此次降水过程的模拟对边界层参数化方案的敏感性超过微物理参数化方案, 其中MYJ边界层方案模拟的风速辐合辐散、边界层和对流发展最强烈, 与对流降水发生实况最接近。
本研究中的模拟结果显示WRF对高原降水有一定的模拟能力, 但与实测资料仍有一定的差别, 模拟结果总体呈现较大的湿偏差, 并且不同的参数化方案组合对高原降水的模拟能力也存在较大差异, 模式集合的结果优于单个模式模拟结果, 这与前人的研究结果一致。而本文对不同边界层及云微物理参数化对比显示出此次对流降水模拟中对边界层参数化方案的敏感性更强, 进一步说明高原下垫面状况对局地地表加热及边界层和对流发展的影响, 强调了陆气相互作用在其中的作用。而有关高原陆气相互作用对对流降水的影响, 也是我们下一步要开展的主要研究工作。
致谢 感谢中国科学院超级计算兰州分中心为本次模拟提供了计算支持。Bougeault P, Lacarrere P. 1989. Parameterization of orography-induced turbulence in a mesobeta-scale model[J]. Mon Wea Rev, 117(8): 1872–1890. DOI:10.1175/1520-0493(1989)117<1872:POOITI>2.0.CO;2 | |
Dee D P, Uppala S M, Simmons A J, et al. 2011. The ERA-Interim reanalysis: configuration and performance of the data assimilation system[J]. Quart J Roy Meteor Soc, 137(656): 553–597. DOI:10.1002/qj.v137.656 | |
Duan A, Xiao Z. 2015. Does the climate warming hiatus exist over the Tibetan Plateau?[J]. Scientific Reports(5): 13711. DOI:10.1038/srep13711 | |
Gao X, Shi Y, Song R, et al. 2008. Reduction of future monsoon precipitation over China: comparison between a high resolution RCM simulation and the driving GCM[J]. MeteorAtmos Phys, 100(1): 73–86. DOI:10.1007/s00703-008-0296-5 | |
Gao Y, Xu J. 2015. Evaluation of WRFmesoscale climate simulations over the Tibetan Plateau during 1979-2011[J]. J Climate, 28(7): 2823–2841. DOI:10.1175/JCLI-D-14-00300.1 | |
Grenier H, Bretherton C S. 2001. A moist PBL parameterization for large-scale models and its application to subtropical cloud-topped marine boundary layers[J]. Mon Wea Rev, 129(3): 357–377. DOI:10.1175/1520-0493(2001)129<0357:AMPPFL>2.0.CO;2 | |
Hong S Y, Lim J O J. 2006. The WRF Single-Moment 6-Class Microphysics Scheme (WSM6)[J]. J Korean MeteorSoc, 42(2): 129–151. | |
Hong S Y, Noh Y, Dudhia J. 2006. A new vertical diffusion package with an explicit treatment of entrainment processes[J]. Mon Wea Rev, 134(9): 2318–2341. DOI:10.1175/MWR3199.1 | |
Janjic Z I. 1994. The step-mountain Eta coordinate model: further developments of the convection, viscous sublayer, and turbulence closure schemes[J]. Mon Wea Rev, 122(5): 927–945. DOI:10.1175/1520-0493(1994)122<0927:TSMECM>2.0.CO;2 | |
Kain J S. 2004. The Kain-Fritsch convective parameterization: An update[J]. J Appl Meteor, 43(1): 170–181. DOI:10.1175/1520-0450(2004)043<0170:TKCPAU>2.0.CO;2 | |
Lin Y L, Farley R D, Orville H D. 1983. Bulk parameterization of the snow field in a cloud model[J]. JAppl Meteor, 22(6): 1065–1092. | |
Liu X, Chen B. 2000. Climate warming in the Tibetan Plateau during recent decades[J]. Int J Climatol, 20(14): 1729–1742. DOI:10.1002/(ISSN)1097-0088 | |
Qin Y, Chen Z, Shen Y, et al. 2014. Evaluation of satellite rainfall estimates over the Chinese mainland[J]. Remote Sens, 6(11): 11649–11672. DOI:10.3390/rs61111649 | |
Skamarock W C, Klemp J B, Dudhia J, et al.2008.A Description of the Advanced Research WRF Version 3[R].NCAR Technical Note NCAR/TN–475+STR, 113.DOI: 10.5065/D68S4MVH. | |
Su F, Duan X, Chen D L, et al. 2013. Evaluation of the global climate models in the CMIP5 over the Tibetan Plateau[J]. J Climate, 26(10): 3187–3208. DOI:10.1175/JCLI-D-12-00321.1 | |
Wu L, Zhai P. 2012. Validation of daily precipitation from two high-resolution satellite precipitation datasets over the Tibetan Plateau and the regions to its east[J]. J Meteor Res, 26(6): 735–745. DOI:10.1007/s13351-012-0605-2 | |
Yang J, Duan K. 2016. Effects of initial drivers and land use on WRF modeling for near-surface fields and atmospheric boundary layer over the northeastern Tibetan Plateau[J]. Adv Meteor, 2016(20): 1–16. DOI:10.1155/2016/7849249 | |
Zhou T, Li Z. 2002. Simulation of the East Asian summer monsoon using a variable resolution atmospheric GCM[J]. ClimateDyn, 19(2): 167–180. DOI:10.1007/s00382-001-0214-8 | |
Zhu J, Ma S, Zou H, et al. 2014. Evaluation of reanalysis products with in situ GPS sounding observations in the eastern Himalayas[J]. Atmos Ocean Sci Lett, 7(1): 17–22. DOI:10.3878/j.issn.1674-2834.13.0050 | |
冯松, 汤懋苍, 王冬梅. 1998. 青藏高原是我国气候变化启动区的新证据[J]. 科学通报, 43(6): 633–636. | |
Feng Song, Tang Maocang, Wang Dongmei. 1998. New evidence supports that the Tibetan Plateau is the trigger region of China[J]. Chin Sci Bull, 43(6): 633–636. | |
巩崇水, 段海霞, 李耀辉, 等. 2015. RegCM4模式对中国过去30a气温和降水的模拟[J]. 干旱气象, 33(3): 379–394. | |
Gong Chongshui, Duan Haixia, Li Yaohui, et al. 2015. Simulation of temperature and precipitation in China in the last 30 years by using the RegCM4[J]. Arid Meteor, 33(3): 379–394. DOI:10.11755/j.issn.1006-7639(2015)-03-0379 | |
郭凤霞, 张义军, 言穆弘. 2007. 青藏高原那曲地区雷暴云电荷结构特征数值模拟研究[J]. 大气科学, 31(1): 28–36. | |
Guo Fengxia, Zhang Yijun, Yan Muhong. 2007. A numerical study of the charge structure in thunderstorm in Nagqu area of the Qinghai-Xizang Plateau[J]. Chinese J Atmos Sci, 31(1): 28–36. DOI:10.3878/j.issn.1006-9895.2007.01.03 | |
何由, 阳坤, 姚檀栋, 等. 2012. 基于WRF模式对青藏高原一次强降水的模拟[J]. 高原气象, 31(5): 1183–1191. | |
He You, Yang Kun, Yao Tandong, et al. 2012. Numerical simulation of a heavy precipitation in Qinghai-Xizang Plateau based on WRF model[J]. Plateau Meteor, 31(5): 1183–1191. | |
胡芩, 姜大膀, 范广洲. 2014. CMIP5全球气候模式对青藏高原地区气候模拟能力评估[J]. 大气科学, 38(5): 924–938. | |
Hu Qin, Jiang Dabang, Fan Guangzhou. 2014. Evaluation of CMIP5 models over the Qinghai-Tibetan Plateau[J]. Chinese J Atmos Sci, 38(5): 924–938. DOI:10.3878/j.issn.1006-9895.2013.13197 | |
李瑞青, 吕世华, 韩博, 等. 2012. 青藏高原东部三种再分析资料与地面气温观测资料的对比分析[J]. 高原气象, 31(6): 1488–1502. | |
Li Ruiqing, Lyu Shihua, Han Bo, et al. 2012. Preliminary comparison and analyses of air temperature at 2m height between three reanalysis data-sets and observation in the east of Qinghai-Xiang Plateau[J]. Plateau Meteor, 31(6): 1488–1502. | |
李振朝, 韦志刚, 吕世华, 等. 2013. CMIP5部分模式气温和降水模拟结果在北半球及青藏高原的检验[J]. 高原气象, 32(4): 921–928. DOI:10.7522/j.issn.1000-0534.2012.00088 | |
Li Zhenchao, Wei Zhigang, Lyu Shihua, et al. 2013. Verifications of surface air temperature and precipitation from CMIP5 model in northern hemisphere and Qinghai-Xizang Plateau[J]. Plateau Meteor, 32(4): 921–928. DOI:10.7522/j.issn.1000-0534.2012.00088 | |
刘黎平, 钱永甫, 吴爱明. 2000. 区域模式和GCM对青藏高原和西北地区气候模拟结果的对比分析[J]. 高原气象, 19(3): 313–322. | |
Liu Liping, Qian Yongfu, Wu Aimin. 2000. Comparison of simulated results of regional climate in summer over Qinghai-Xizang Plateau and Northwest China[J]. Plateau Meteor, 19(3): 313–322. | |
马耀明, 胡泽勇, 田立德, 等. 2014. 青藏高原气候系统变化及其对东亚区域的影响与机制研究进展[J]. 地球科学进展, 29(2): 207–215. DOI:10.11867/j.issn.1001-8166.2014.02-0207 | |
Ma Yaoming, Hu Zeyong, Tian Lide, et al. 2014. Study progresses of the Tibet Plateau climate system change and mechanism of its impact on East Asia[J]. Adv Earth Sci, 29(2): 207–215. DOI:10.11867/j.issn.1001-8166.2014.02.0207 | |
屈鹏, 杨梅学, 郭东林, 等. 2009. RegCM3模式对青藏高原夏季气温和降水的模拟[J]. 高原气象, 28(4): 738–744. | |
Qu Peng, Yang Meixue, Guo Donglin, et al. 2009. Simulation of summer air temperature and precipitation over Tibetan Plateau with regional climate model (RegCM3)[J]. Plateau Meteor, 28(4): 738–744. | |
王腾蛟, 张镭, 胡向军, 等. 2013. WRF模式对黄土高原丘陵地形条件下夏季边界层结构的数值模拟[J]. 高原气象, 32(5): 1261–1271. | |
Wang Tengjiao, Zhang Lei, Hu Xiangjun, et al. 2013. Numerical simulation of summer boundary layer structure over undulating topography of Loess Plateau simulated by WRF model[J]. Plateau Meteor, 32(5): 1261–1271. DOI:10.7522/j.issn.1000-0534.2012.00121 | |
王子谦, 段安民, 吴国雄. 2014. 边界层参数化方案及海气耦合对WRF模拟东亚夏季风的影响[J]. 中国科学:地球科学, 44(3): 548–562. | |
Wang Ziqian, Duan Aanmin, Wu Guoxiong. 2014. Impacts of boundary layer parameterization schemes and air-sea coupling on WRF simulation of the East Asian summer monsoon[J]. Sci China: Earth Sci, 44(3): 548–562. DOI:10.1007/s11430-013-4801-4 | |
吴遥, 李跃清, 蒋兴文, 等. 2015. 两种边界层参数化方案对WRF模拟青藏高原2013年夏季降水的影响[J]. 高原山地气象研究, 35(2): 7–16. | |
Wu Yao, Li Yueqing, Jiang Xingwen, et al. 2015. Influence of two planetary boundary layer parameterization schemes on summer rain in 2013 on Tibet Plateau by WRF model[J]. Plateau Mountain Meteor Res, 35(2): 7–16. DOI:10.3969/j.issn.1674-2184.2015.02.002 | |
许建伟, 高艳红. 2014. WRF模式对夏季黑河流域气温和降水的模拟及检验[J]. 高原气象, 33(4): 937–946. DOI:10.7522/j.issn.1000-0534.2013.00149 | |
Xu Jianwei, Gao Yanhong. 2014. Validation of summer surface air temperature and precipitation simulation over Heihe River Basin[J]. Plateau Meteor, 33(4): 937–946. DOI:10.7522/j.issn.1000-0534.2013.00149 | |
荀学义, 胡泽勇, 孙俊, 等. 2011. ECMWF和NCEP再分析资料在青藏高原高度场变化中的对比分析[J]. 冰川冻土, 33(1): 80–87. | |
Xun Xueyi, Hu Zeyong, Sun Jun, et al. 2011. A comparative analysis of height field variations over the Tibetan Plateau using ECMWF and NCEP reanalysis data[J]. Journal of Glaciology and Geocryology, 33(1): 80–87. | |
闫之辉, 邓莲堂. 2007. WRF模式中的微物理过程及其预报对比试验[J]. 沙漠与绿洲气象, 1(6): 1–6. | |
Yan Zhihui, Deng Liantang. 2007. Description of microphysical processes in WRF model and its prediction experiment[J]. Desert and Oasis Meteorology, 1(6): 1–6. DOI:10.3969/j.issn.1002-0799.2007.06.001 | |
张冬峰, 高学杰, 白虎志, 等. 2005. RegCM3模式对青藏高原地区气候的模拟[J]. 高原气象, 24(5): 714–720. | |
Zhang Dongfeng, Gao Xuejie, Bai Huzhi, et al. 2005. Simulation of climate over Qinghai-Xizang Plateau utilizing RegCM3[J]. Plateau Meteor, 4(5): 714–720. | |
张强. 2007. 极端干旱荒漠地区大气热力边界层厚度研究[J]. 中国沙漠, 27(4): 614–620. | |
Zhang Qiang. 2007. Study on depth of atmospheric thermal boundary layer in extreme arid desert regions[J]. Journal of Desert Research, 27(4): 614–620. DOI:10.3321/j.issn:1000-694X.2007.04.015 | |
赵宗慈, 罗勇. 1998. 二十世纪九十年代区域气候模拟研究进展[J]. 气象学报, 56(2): 225–246. DOI:10.11676/qxxb1998.021 | |
Zhao Zongci, Luo Yong. 1998. Advance on investigations of regional climate modeling since 1990[J]. J Meteor Res, 56(2): 225–246. DOI:10.11676/qxxb1998.021 | |
郑然, 李栋梁, 蒋元春. 2015. 全球变暖背景下青藏高原气温变化的新特征[J]. 高原气象, 34(6): 1531–1539. DOI:10.7522/j.issn.1000-0534.2014.00123 | |
Zheng Ran, Li Dongliang, Jiang Yuanchun. 2015. New characteristics of temperature change over Qinghai-Xizang Plateau on the background of global warming[J]. Plateau Meteor, 34(6): 1531–1539. DOI:10.7522/j.issn.1000-0534.2014.00123 | |
朱士超, 银燕, 金莲姬, 等. 2011. 青藏高原一次强对流过程对水汽垂直输送的数值模拟[J]. 大气科学, 35(6): 1057–1068. | |
Zhu Shichao, Yin Yan, Jin Lianji, et al. 2011. A numerical study of the vertical transport of water vapor by intense convection over the Tibetan Plateau[J]. Chinese J Atmos Sci, 35(6): 1057–1068. DOI:10.3878/j.issn.1006-9895.011.06.06 |
2. College of Amospheric Sciences, Chendu University of Informtion Technology Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, Chengdu 610225, China;
3. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, China;
4. University of Chinese Academy of Sciences, Beijing 100049, China