2017, Vol. 36
2. 中国科学院大气物理研究所大气边界层物理和 大气化学国家重点实验室, 北京 100029;
3. 中国科学院大学, 北京 100049
青藏高原作为世界上面积最大, 平均海拔最高的高原, 通过其特殊的动力和热力作用影响着东亚及北半球的天气和气候系统。藏东南地区是东亚地区重要的水汽通道 (徐祥德等, 2002), 也是东亚季风和南亚季风的交汇区, 与南亚季风关系密切 (Zhou et al, 2015)。该地区平均海拔约为3000 m, 地形起伏且复杂多样, 具有雪地、高山草甸、农田、灌木、草地和森林等多种下垫面, 是青藏高原非均匀下垫面地区的典型代表。
以往研究表明, 青藏高原具有明显区别于平原地区的、独特的大气边界层结构、日变化和季节变化特征 (徐祥德等, 2001; 刘红燕和苗曼倩, 2001)。大气边界层 (Atmospheric Boundary Layer, ABL) 作为自由大气与地表之间动量、热量和水汽交换的通道, 其结构和变化是地表热状况的直接体现。藏东南地区平均海拔高, 日照强, 且山脉众多, 具有复杂且剧烈起伏地形, 地表植被分布非均一, 其下垫面是热力非均匀和动力非均匀的结合, 因此, 该地区地表加热作用具有空间非均匀性。大气边界层高度是大气科学研究中的基本参数, 受下垫面性质影响, 随时间和空间变化。高原地区湍流交换较平原强, 高原边界层高度也远高于平原地区 (徐祥德等, 2001)。一般而言, 平原地区边界层高度约为1000~1500 m, 而在青藏高原, 随观测地点海拔和观测时间不同, 高原地区边界层平均高度约为1500~3500 m (叶笃正和高由禧, 1979; 周明煜等, 2000; Yang et al, 2004; 李英等, 2012), 最高可达5 km (Chen et al, 2013)。
研究复杂地形条件下的大气边界层, 对于大气边界层物理以及区域气候研究都具有重要理论和实际意义 (胡小明和刘树华, 2005)。徐海等 (2014)研究表明, 山地改变大气边界层风场结构, 影响山地机场航空飞行安全。青藏高原大气边界层结构和变化特征, 对下游天气和气候系统具有重要影响。蒋兴文等 (2009)对高原东部冬季边界层结构对下游大气的影响进行了分析, 指出四川盆地对流层下部逆温层的形成, 是高原东部边界层温度日变化的直接结果, 该逆温层影响四川盆地中云的形成, 并影响四川盆地的辐射平衡过程。全球气候模式的模拟结果表明, 青藏高原的边界层高度对高原东南部地区和长江中下游的环流存在显著动力效应, 并通过改变云量和降水影响长江流域、河套地区和黄河流域的气候 (卓嘎等, 2002)。
近些年来, 随着数值模式的发展和数值运算能力的提升, 数值模式日益成为大气科学各领域研究中的重要工具。为表征边界层中的湍流运动, 数值模式中运动方程需要进行湍流尺度的雷诺平均, 进而产生高阶脉动平流项, 导致方程无法闭合, 因此, 需要采取参数化的方法使方程闭合。对于定常、水平均匀且地形平坦条件下的近地层问题, 采用莫宁-奥布霍夫 (Monin-Obukhov, M-O) 相似理论已经能够较好解释 (刘罡等, 2005), 而自然界中以非均匀和复杂下垫面为主。本文采用的WRF (Weather Research and Forecasting Model) 模式是由美国国家环境预报中心 (National Centers for Environmental Prediction, NCEP) 和美国国家大气研究中心 (National Center for Atmospheric Research, NCAR) 联合开发的新一代中尺度数值模式系统。研究表明, 其具有较好的大气边界层模拟能力 (石春娥等, 2015), 可以用来模拟城市、森林、内陆及沿海地区、丘陵地带等地势简单、下垫面相对均一的大气边界层结构特征 (陈炯和王建捷, 2006; 杨罡等, 2011; 张振洲等, 2013; 黄文彦等2014)。王颖等 (2010)和王腾蛟等 (2013)利用WRF模式, 分别对下垫面较复杂的兰州冬季和夏季大气边界层的模拟能力进行了验证, 认为选用局地闭合的MYJ (Mellor-Yamada-Janjic scheme) 边界层参数化方案模拟的结果与观测较为一致。赵世强等 (2012)将WRF模拟的结果与激光雷达反演的兰州地区边界层高度结果相比较, 指出反演的边界层高度与WRF模拟的边界层高度基本一致。WRF模式物理参数化方案众多, 参数化方案的选取直接影响模拟的最终结果。藏东南地区以喜马拉雅山东段和雅鲁藏布江河谷为主要地理特征, 地形高差巨大, 最大超过4000 m, 空间尺度为数十公里的区域往往分布着包括草地、森林、河流和冰雪等多种下垫面。下垫面类型的多样性, 导致该地区大气边界层的物理过程更加复杂。因此, 有必要对各边界层参数化方案在这种复杂地势及非均匀下垫面的模拟能力和适用性进行系统评估。
本文将在综合分析研究区域观测资料的基础上, 采用WRF数值模式 (ARW V3.4), 选取5种边界层参数化方案, 模拟藏东南林芝地区2013年6月典型晴天条件下, 正午和夜间大气边界层结构。与实际观测比较, 评估各边界层参数化方案对正午对流边界层和夜间稳定边界层的模拟能力。在此基础上, 研究边界层参数化方案在藏东南起伏地形和非均一下垫面上的适用性, 为正确认识起伏地形复杂下垫面大气边界层过程奠定基础。
2 观测资料、试验设计和计算方法 2.1 观测资料本文选用的观测资料来自2013年5月20日至7月10日在西藏林芝地区进行的“藏东南地区复杂下垫面地气交换观测实验”, 观测站点位于丹娘乡朗嘎村 (29°26′N, 94°41′E, 海拔2970 m)。该地地处喜马拉雅山脉东部, 位于雅鲁藏布江 (藏东南主要河流) 一东西走向河谷中, 河谷宽约5 km, 谷底海拔约2900 m, 河谷北侧山脉海拔可达4700 m, 南侧山脉平均海拔约为4200 m, 河谷深度约为1600 m, 地势复杂, 是藏东南山地的典型代表。河谷内部地势较为平坦开阔, 站点附近地表以稀疏灌木为主, 河谷中包含农田、草地、河滩等多种下垫面。本次试验中, 用于大气边界层和陆面观测的仪器如表 1所示, 包含GPS探空, 测风激光雷达和常规自动气象站。通过与气象塔观测结果的验证表明 (夏俊荣等, 2011), 激光雷达在200 m以下的测得的风速和风向与观测塔结果一致, 二者相关系数分别可达0. 98和0. 99, 观测结果具有较高精度和可靠性。
|
表 1 观测仪器信息 Table 1 Information of observation instruments |
由于边界层的结构受到降水和强风等天气背景的影响显著, 为研究边界层参数化方案对晴空条件下藏东南地区边界层的结构和日变化的模拟能力, 本文选取观测期间内无明显天气过程的时间区间。由天气图 (图略) 分析可知, 6月11日, 高原上空400 hPa为高压, 林芝地区位于高压东侧, 风向为偏北风。6月13-18日, 林芝地区位于副热带高压带中, 主要受西风和偏南风控制。观测时段内, 无大尺度天气系统过境和明显的降水过程, 天气晴好, 云量较少。图 1为2013年6月11-18日, 自动气象站观测的气温、气压和相对湿度的时间序列, 由图可知, 该时段内气温、气压和相对湿度表现出明显的日变化特征, 平均值分别为17. 0 ℃、710 hPa和53.5%。气压和相对湿度呈同位相变化, 与气温变化位相相反, 观测期间, 各变量强度无剧烈变化。因此, 该时间段可以用来代表典型的藏东南地区夏季。故选取2013年6月11日00:00至6月18日23:00的观测和模拟结果进行对比分析。
|
图 1 2013年6月11-18日测站气温、气压和相对湿度的时间序列 Figure 1 Time series of air temperature, surface pressure and relative humidity from11 to 18 June 2013 |
本文模拟区域中心点为 (94. 5°N, 29. 4°E), 采用单向三重嵌套网格, 模式水平分辨率为25 km, 5 km和1 km, 三重嵌套区域的网格格点数为76×76, 71×71, 101×101, 模拟区域如图 2a~c所示。图 2d~f为模式三重嵌套区域的植被覆盖类型分布, 由图可知, 整个藏东南地区以草地为主 (图 2d), 第二重嵌套网格内以开放灌丛、常绿针叶林、草地和混合森林为主 (图 2d, e), 观测站点周围土地类型复杂多样, 附近以草地为主 (图 2f)。在最内层嵌套网格中, 分布面积最多的为开放灌丛和常绿针叶林, 分别占24. 44%和24. 3%, 其次是混合森林及草地, 分别占21. 5%和16%。模式配置及试验设置如表 2所示, 模式层顶气压为200 hPa, 垂直方向共分41层, 为了更加准确模拟大气边界层结构, 采用上疏下密的分层方法, 其中距地面3000 m以内共分25层。由于欧洲中期数值预报中心 (European Centre for Medium-Range Weather Forecasts, ECMWF) 的ERA-Interim资料在高原地区具有较高的可信度, 因而模式选用其分辨率为0. 75°×0. 75°一日四次再分析资料作为初始场和边界条件。采用Boston University/NCEP提供的基于2001年1月至12月中分辨率成像光谱仪MODIS/Terra (Moderate Resolution Imaging Spectrometer) 数据生成的30″分辨率土地利用/土地覆被 (Land use/land cover, LULC) 数据。微物理过程采用WSM3(WRF single-Moment 3-class scheme) 方案, 短波辐射采用Dudhia方案, 长波辐射采用RRTM (Rapid Radiative Transfer Model) 方案, 积云参数化方案选取Kain-Fritsch方案, 由于最内层区域分辨率能够解析积云对流过程, 因此, 在最内层嵌套网格不进行积云参数化, 陆面过程采用Noah参数化方案。结合降水和地面辐射数据, 选取2013年6月11日至18日进行分析和数值模拟。
|
图 2 模拟嵌套第一重 (a, d), 第二重 (b, e) 和第三重 (c, f) 区域地形分布 (a~c) 及土地利用类型 (d~f) 黑点为观测站点位置, (a)~(c) 彩色区表示地形高度 (单位: m) Figure 2 Terrain height (a~c) and land use (d~f) of the first (a, c), the second (b, e) and the third (c, f) domain Black dot is the location of observation site, in Fig. 2a~c, the color area denotes terrain height (unit: m) |
|
|
表 2 模式设置及试验设计 Table 2 Model configuration and experiment settings |
边界层过程的参数化, 关键是确定湍流交换系数K。一种参数化方法基于通量梯度理论, 这种参数化方案以ACM2 (Asymmetric Convective Model) 和YSU (Yonsei University scheme) 为代表。另一种基于湍流动能, 以Boulac (Bougeault-Lacarrere scheme), MYJ, QNSE (Quasi-Normal Scale Elimination scheme) 等方案为代表。湍流系数K的计算包括局地和非局地两种, 局地K系数法计算垂直梯度时, 仅考虑临近格点的影响, 非局地K系数法不仅考虑临近格点, 同时考虑整个边界层格点的影响。
本文拟考察WRF模式模拟中常用的ACM2(Pleim, 2007)、YSU (Hong et al, 2006)、Boulac (Bougeault and Lacarrere, 1989)、MYJ (Janjic, 1994) 和QNSE (Sukoriansky et al, 2005) 边界层参数化方案对边界层结构和日变化模拟结果的影响, 各参数化方案计算公式如表 3所示。ACM2方案采用一阶闭合局地与非局地混合K方案, 在非局地传输的基础上增加了涡动扩散量, 计算格点脉动通量, 其中, 局地混合与非局地混合的比例由参数fconv决定。该方案能够很好地表征变量垂直分布廓线, 尤其是近地面的梯度逐渐减小的现象, 适合边界层湿度、风等气象要素和大气化学混合比的模拟追踪 (Xie et al, 2012)。YSU边界层参数化方案采用一阶闭合非局地K理论, 对中尺度预报方案MRF基础上进行了改进, 添加非局地梯度调整项表征湍流扩散, 并将边界层顶的夹卷过程显式化 (Hong et al, 2006)。ACM2和YSU两种参数化方案, 均采用临界理查森数计算边界层顶高度。MYJ、Boulac、和QNSEF边界层参数化方案为1. 5阶闭合局地方案, 格点脉动通量由该点平均量决定, 采用湍流动能TKE (Turbulent Kinetic Energy) 计算湍流扩散系数。无论是对流边界层还是稳定边界层, 均采用局地垂直混合和扩散的方式, 并根据湍流动能的垂直分布计算边界层顶高度。Boulac方案中, 湍流动能闭合方案扩散项的动量垂直扩散系数、热扩散系数和湍流动能扩散系数相同, 在MYJ方案中, 该三种系数取不同值, 且混合长度等常数的定义与Boulac不同。QNSE方案在MYJ方案的基础上进行了修正, 将波动项引入湍流输送, 用于稳定边界层和弱对流边界层模拟。对应于上述边界层参数化方案, 分别选取不同的近地层参数化方案与之对应, 其中ACM2, Boulac和YSU采用MM5 M-O方案, MYJ采用M-O方案 (Janjic Eta), QNSE采用QNSE近地层方案。
|
|
表 3 边界层参数化方案比较 Table 3 Comparisons of the boundary layer parameterization schemes |
常见的大气边界层高度计算方法包括气块-干绝热法 (Seibert et al, 2000)、整体理查森数法 (Bulk Richardson number) 和垂直梯度法 (Seidel et al, 2010) 等。由于位温在混合层中近似为常数, 而在混合层以外迅速变大, 白天边界层顶总是存在明显的顶盖逆温 (刘红燕和苗曼倩, 2001), 因此, 可以定义顶盖逆温层底部高度为边界层高度。研究表明, 采用温度梯度法能得出最合理的边界层高度估计 (Dai et al, 2014)。综合分析观测期间所有探空资料, 本文中取垂直位温梯度临界值为12 K·km-1, 达到该位温梯度的高度即为逆温层底高度。夜间边界层高度采用地面逆温层厚度表征 (吕雅琼等, 2008)。我们采用探空资料获得的位温廓线来计算白天和夜间的边界层高度。对探空数据进行野点剔除, 在垂直方向上线性插值, 使其分辨率为50 m。采用泊松方程计算位温, 即:
| $ \theta {\text{ = }}T{\left({\frac{{{p_{00}}}}{p}} \right)^{\frac{R}{{{c_p}}}}} = T{\left({\frac{{{p_{00}}}}{p}} \right)^\kappa } , $ | (1) |
式中: T为温度, p为气压, p00为标准气压 (常取1000 hPa), k≈0. 286, 未饱和湿空气位温常用干空气位温值代替。虚位温与位温的关系为:
| $ {\theta _v} = \theta \left({1 + 0.608q} \right) , $ | (2) |
式中: q为比湿。本文采用虚位温梯度法计算边界层高度, 垂直梯度采用中央差分法计算, 即:
| $ \frac{{\partial {\theta _v}}}{{\partial z}} = \frac{{{\theta _v}\left({{z_{n + 1}}} \right) - {\theta _v}\left({{z_{n - 1}}} \right)}}{{2\nabla z}} , $ | (3) |
式中:
为避免地温观测过程中, 由于探头露出地表受到太阳辐射直接作用, 产生较大观测误差, 本文中采用观测的向上和向下长波辐射数据, 利用史蒂芬-玻尔兹曼 (Stefan-Boltzmann) 公式计算地温, 即:
| $ \varepsilon \sigma T_{{\text{sfc}}}^4 = L \uparrow - \left({1 - \varepsilon } \right)L \downarrow , $ | (4) |
式中: Tsfc为地温 (单位: K), ε为发射率, 采用Zheng (2014)的结果, 在该地区取0. 98, σ为史蒂芬-玻尔兹曼常数 (5. 67×10-8 W·m-2·K-4), L↓和L↑分别为向下和向上长波辐射 (单位: W·m-2)。
2.4 比较方法将模式的模拟结果与观测值进行比较, 计算相关系数 (R)、平均偏差 (Mean Bias Error, MBE)、平均绝对误差 (Mean Absolute Error, MAE) 和均方根误差 (Root Mean Square Error, RMSE) 等统计指标评估模式的模拟能力。各统计指标计算方法如下:
| $ R = \frac{{\sum\limits_{i = 1}^n {\left({{x_i} - \bar x} \right)\left({{y_i} - \bar y} \right)} }}{{\sqrt {\sum\limits_{i = 1}^n {{{\left({{x_i} - \bar x} \right)}^2}{{\left({{y_i} - \bar y} \right)}^2}} } }} , $ | (5) |
| $ MBE = \frac{{\sum\limits_{i = 1}^n {\left({{x_i} - {y_i}} \right)} }}{n} , $ | (6) |
| $ MAE = \frac{{\sum\limits_{i = 1}^n {\left| {{x_i} - {y_i}} \right|} }}{n} , $ | (7) |
| $ RMSE = \sqrt {\frac{{\sum\limits_{i = 1}^n {{{\left({{x_i} - {y_i}} \right)}^2}} }}{{n - 1}}} , $ | (8) |
式中: n为序列长度, xi和yi分别为观测值和模拟值。
采用Wang and Zeng (2012)评估再分析资料的评分方法, 分别依据相关系数、平均偏差、平均绝对误差和均方根误差, 将5种参数化方案的模拟效果分为1~5级, 其中, 相关系数最大评分为5, 最小评分为1, 平均偏差最小评分为5, 平均偏差最大为1, 平均绝对误差和均方根误差与平均偏差评分方法一致。综合上述四种指标, 评分最高的参数化方案, 模拟效果最优。各边界层参数化方案模拟水汽混合比和位温评分如表 4和表 5所示。
|
|
表 4 2013年6月11-18日02:00和14:00模式模拟的水汽混合比垂直分布与实际观测值的统计比较 Table 4 Statistics of mean vapor mixing ratio vertical distribution between modeling and observation at 02:00 and 14:00 from 11 to 18 June 2013 |
大气边界层与下垫面之间存在水汽交换, 边界层内水汽的含量和分布直接影响大气中云的形成, 改变辐射并影响大气内部的热力平衡过程。边界层内湿状况的模拟效果, 是衡量边界层参数化方案是否合理的重要体现之一。通过2013年6月11-18日02:00和14:00探空仪观测和模拟的水汽混合比垂直廓线 (图 3) 可知, 无论正午还是夜间, 近地面水汽混合比均维持在7. 5~8 g·kg-1, 水汽混合比在边界层内随高度升高逐渐减小。距离地面2000 m以内的高度, 模拟的水汽混合比均较实际观测偏湿, 距地面3000 m以上, 采用不同边界层参数化方案模拟的水汽混合比基本能够再现观测得到的水汽混合比垂直分布。水汽混合比模拟与观测的误差在垂直方向上分布不均匀, 主要集中在距地面3000 m以内的范围内。这种水汽混合比偏差, 在正午大于夜间, 表明模式对于地气间水分湍流交换的强度模拟偏强。在所有的边界层参数化方案中, ACM2方案与实际观测的结果偏差最大, 最大偏差可达1 g·kg-1。
|
图 3 2013年6月11-18日02:00 (a) 和14:00 (b) 观测和模拟的水汽混合比垂直廓线 Figure 3 Vertical profile of observed and simulated water vapor mixing ratio at 02:00 (a) and 14:00 (b) from 11 to 18 June 2013 |
为了对水汽混合比模拟效果进行定量比较, 表 4对5种边界层参数化方案模拟的水汽混合比进行了统计分析。统计计算结果表明, 夜间水汽混合比的模拟效果好于正午, 且这种结果不依赖于边界层参数化方案的选取。边界层参数化方案对水汽混合比的评分结果表明, 夜间稳定的边界层, MYJ方案的总体模拟效果较好, 而正午对流边界层, Boulac方案模拟结果与观测较为接近。ACM2方案对水汽混合比的模拟结果在所有参数化方案中, 结果较差, 无论是稳定边界层还是对流边界层。
3.2 位温垂直分布和边界层高度从2013年6月11-18日02:00和14:00平均位温模拟值及模拟与观测偏差的垂直分布 (图 4) 可以看出, 观测的平均位温垂直廓线 (图 4a) 显示夜间为典型的稳定边界层, 由于夜间的辐射冷却, 近地面存在典型的辐射逆温层。正午, 大气边界层为典型的对流边界层, 由于地面辐射对大气的加热作用, 近地面为超绝热逆温层, 距离地面3000 m的混合层顶部为卷夹层。由图 4a和图 4c可知, 模拟的夜间和正午时刻位温在垂直方向与观测存在偏差, 且偏差垂直分布不均匀。距地面2000 m以下的大气边界层, 午夜时刻各参数化方案模拟的位温均较观测值偏低 (图 4b), 其中ACM2方案模拟偏差较小, 约为1. 5 K, MYJ和QNSE方案模拟偏差较大, 平均偏差约为2.5 K。2200~5000 m高度, 模拟的垂直位温分布均较观测高, 最大模拟偏差位于距地面3000 m和4200 m高度, 偏差值分别为2 K和1. 5 K。正午时刻, 各高度层上, 模拟的位温均较实际观测值偏高, 最大偏差约为4 K, 位于距离地面约3000 m高度附近 (图 4d)。该高度层为边界层顶部的顶盖逆温层的平均高度, 表明各边界层参数化方案均对卷夹层的模拟效果较差, 在顶盖逆温层较弱时, 整层边界层位温模拟误差较小 (图略)。距离地面2000 m以内高度范围内, ACM2方案位温模拟最接近观测值, MYJ方案模拟的偏差较大。3000~6000 m高度, 各边界层参数化方案模拟偏差较为一致, 且偏差随高度升高而减小。
|
图 4 2013年6月11-18日02:00(a, b) 和14:00(c, d) 平均的位温 (a, c) 及模拟误差 (b, d) 随高度的分布 Figure 4 Vertical distributions of simulated potential temperature (a, c) and its mean bias (b, d) at 02:00 (a, b) and 14:00 (c, d) from 11 to 18 June 2013 |
对各参数化方案模拟的0~6000 m高度位温的平均值和实际观测值进行统计分析, 结果如表 5所示。对比分析平均偏差和均方根误差可知, 所有的边界层参数化方案对于稳定边界层的位温垂直廓线模拟偏差要小于对流边界层的模拟偏差。表明WRF模式对于湍流交换较弱的大气过程模拟较为准确, 对湍流交换较强的边界层过程模拟效果较差。所有边界层参数化方案模拟的位温与实际探空观测偏差, 在午夜模拟偏冷, 平均最大偏差约为0. 5 K, 正午模拟偏暖, 平均最大偏差约为1. 8 K。就6000 m以内位温模拟结果而言, ACM2方案在藏东南地区无论是02:00还是14:00, 评分均为最好, 在5种方案中都具有最好的模拟效果, 其次是YSU方案和Boulac方案, 而MYJ和QNSE方案模拟偏差较大。这表明, 在地形起伏, 下垫面复杂的山地地区, 局地和非局地混合过程更加重要, 需要考虑涡动扩散过程, 基于K系数的边界层参数化方案对位温垂直结构的模拟效果优于基于湍流动能理论的边界层参数化方案。
大气边界层内, 能量和物质的交换过程以湍流为主, 而在自由大气中, 这种交换过程主要依靠层流。边界层高度是表征大气边界层特性的重要物理参数, 将自由大气与边界层区分开来, 不仅关系到边界层内污染物的混合、输送和扩散等微物理过程, 而且是中尺度模式和全球气候数值模式中的重要参数, 对空气质量预报模型和天气气候数值模式的模拟效果具有重要影响。
图 5为采用探空廓线位温梯度法计算的边界层高度和参数化方案模拟的观测点附近边界层高度的逐日变化。由图 5中可以看出, 通过探空资料计算的藏东南地区边界层高度存在明显的日变化特征, 观测期间, 午夜时刻稳定边界层高度均在200 m以下, 而正午时刻边界层高度普遍较平原地区高, 均在3000 m以上。所有的边界层参数化方案, 均能反映出边界层高度的日变化特征。夜间边界层高度的模拟结果, 与观测值较为一致。模拟的正午时刻边界层高度均低于同时刻的观测值。从对边界层高度模拟结果上看, 采用TKE理论的边界层参数化方案的模拟结果, 较采用K系数的边界层参数化方案更接近观测值。与其他四种边界层参数化方案相比, QNSE方案较好, 模拟的正午时刻边界层高度更接近观测值, MYJ方案较差, 模拟的白天边界层高度最低, 与观测值相差较大。采用TKE理论的方案中, QNSE模拟效果最好, MYJ和Boulac方案模拟效果相当, 这可能是由于QNSE参数化方案确定边界层高度时, 湍流动能的临界值较小 (表 3)。
|
图 5 2013年6月11-18日采用不同参数化方案模拟及通过探空数据计算的边界层高度 Figure 5 PBL heights calculated by soundings and WRF simulations using different boundary layer schemes from 11 to 18 June 2013 |
藏东南地区平均海拔高, 且夏季云量较少, 云层对辐射的散射和反射较弱, 太阳辐射对地表的加热作用很强。地表受太阳辐射加热增温, 并加上空低层大气, 因此, 地温和近地层气温是表征陆面热状况的主要因素。图 6为观测期间2 m气温 (TA)、地温 (TS) 及地气温差的 (TS-TA) 时间序列, 以及采用5种边界层参数化方案对近地层气温、地温和地气温差的模拟结果。由图 6a, b可知, 藏东南地区2米气温和地温均存在显著的日变化特征, 2 m气温每天最低值出现在07:00, 最高气温出现在15:00-16:00。为了对夜间稳定边界层和正午对流边界层的下垫面热状况进行比较, 定义夜间为02:00-05:00时, 午后定义为12:00-15:00。观测期间2 m气温平均值为17 ℃, 最低值约为4 ℃, 最高值约为26 ℃。数值模式对于2 m气温具有较好的模拟能力, 但模拟的正午时刻最高温度比观测偏低2~4 ℃。各参数化方案模拟的2 m气温与同一时刻观测结果的相关系数中, YSU和BouLac方案最高, 为0. 93, 其次是MYJ和ACM2, 分别为0. 919和0. 911, QNSE相关系数较低, 为0. 90, 均能通过信度99%显著性检验。表 4给出了各方案模拟的2 m气温、地温及地气温差与观测平均偏差 (MBE)。从表 6对全天气温模拟偏差的计算, 也可得到类似的结果。
|
图 6 观测和模拟的2013年6月11-18日2 m气温 (a) 和地温 (b) 及地气温差 (c) 变化的时间序列 Figure 6 Time series of 2 meters air temperature (a), surface temperature (b) and difference between ground and air temperature (c) observed from 11 to 18 June 2013 and simulations with WRF model |
|
|
表 6 2013年6月11-18日夜间、午后和全天各方案模拟的2 m气温、地温、地气温差与实际观测值平均偏差 Table 6 MBE of 2 meters air temperature, ground temperature, and difference between ground and air temperature by modeling and observation during night, afternoon and daytime from 11 to 18 June 2013 |
观测的地温平均值为22 ℃, 最高值为48 ℃, 最低值约为3 ℃, 地温最高值一般出现在12:00-15:00, 最低值为04:00-05:00。与气温模拟不同, 夜间和正午时刻模拟的地温均较观测偏低 (图 6b), 模拟的地温最高值约为40 ℃, 低于正午实际观测值。夜间, 地面辐射冷却降温, 地温约为10 ℃, 各参数化方案模拟的地温比实际观测低约4~6 ℃。由图 6c可知, 该地区近地层气温和地温存在显著地气温差, 其最大值可达23 ℃, 最小为-4 ℃。夜间, 模拟的地气温差比观测更加强烈, 而正午时刻的地气温差模拟则较观测强度弱。尽管采用相同的陆面参数化方案, 但地温的模拟也同样受到边界层参数化方案的影响。由表 6也可以发现, BouLac方案模拟午后地温能力较好, ACM2方案模拟夜间地温能力最优。无论正午、午夜还是全天, 地温的模拟偏差均大于气温的模拟偏差, 并且不依赖边界层参数化的选取。对于地气温差的模拟, 夜间ACM2模拟的结果最接近观测, 而正午BouLac方案最好。这主要是由于观测地点位于雅鲁藏布江河谷中, 地表虽有灌木分布, 但总体植被分布稀疏, 地表以沙土为主, 以下为深厚的砾石层, 土壤含水量低, 在白天太阳辐射的直接作用下, 能够快速升温, 而在夜间迅速辐射冷却降温。此外, 地温观测过程中的误差, 模式中采用的粗糙度长度与实际偏差及模式下垫面数据的时效性, 也可能导致地温观测和模拟的较大偏差。模式中, 采用的土壤湿度较实际观测偏高, 影响波文比, 进而影响感热和潜热的能量分配; 下垫面土地利用类型和植被覆盖率均来源于历史资料, 其与观测期间的偏差, 导致模式中的反照率与实际站点观测也存在偏差, 以及陆面模型本身的误差, 均可导致地面温度和地气温差的模拟与观测产生差异。
3.4 风场垂直结构边界层内风场的垂直分布, 不仅受到大尺度天气系统的影响, 同时也与地形和下垫面状况有关。将WRF模式应用于城市和海岸附近的边界层模拟, 结果表明, 上述地区边界层内风场存在正偏差 (Shimada et al, 2011; 张碧辉和刘树华, 2012), 且这种偏差对陆面资料不敏感 (何建军等, 2014)。
图 7和图 8分别为观测和5种边界层参数化方案模拟的6月11日至18日02:00和14:00的距地面6000 m以内的风向随高度变化。由图 7可知, 由于南亚高压的影响, 6月11日和6月12日, 距地面3000 m以上以偏北风为主, 13日至18日, 以西风和偏南风为主。除6月11日以外, 距地面1000~3000 m的高度内, 夜间风向均以偏南风为主 (图 7b~h)。距地面1000 m以下的低层, 由于受到山谷风等局地环流的影响, 风向变化较大。各种边界层参数化方案得到的风向垂直变化与观测基本一致。正午时刻, 风向随高度的变化与夜间具有一定的相似性, 由于白天湍流充分发展, 加上局地环流作用, 边界层中上层风向随高度变化更加呈现随机性的特征。受山谷走向的影响, 距离地面1000 m以内的对流边界层底部, 正午风向以偏东风为主。2000~3000 m的对流层中高层, 以偏西风和偏南风为主 (图 8a~h)。对比分析夜间和正午风向随高度变化可知, 边界层参数化方案对夜间风向的模拟更加准确, 白天模拟的误差较大, 各边界层参数化方案之间对风向模拟的偏差不明显。
|
图 7 2013年6月11-18日 (a~h) 02:00观测和模拟的风向随高度的变化 Figure 7 Observed and simulated variation of wind direction with the height above ground at 02:00 from 11 to 18 (a~h) June 2013 |
|
图 8 2013年6月11-18日 (a~h) 14:00观测和模拟的风向随高度的变化 Figure 8 Observed and simulated variation of wind direction with the height above ground at 14:00 from 11 to 18 (a~h) June 2013 |
为了对风速模拟偏差的垂直分布进行分析, 通过夜间 (图 9a~c) 和正午 (图 9d~f) 水平风速、纬向风分量和经向风分量平均偏差随高度的分布可知, 由于地形的阻挡, 观测期间, 夜间稳定边界层和正午对流边界层低层风速均较弱, 导致对风速无法准确模拟 (图 9a, d)。在午夜时刻距地面400~1000 m以下的低层, MYJ, BouLac和QNSE的纬向风方向与观测一致, 但风速偏低, 近地层纬向风模拟偏强。1000~4000 m的范围内, 各参数化方案模拟的纬向风与实际观测之间存在正偏差, 最大偏差约4 m·s-1, ACM2方案在所有方案中模拟的纬向风偏差最小。在600~4600 m的高度范围内, 各参数化方案模拟的夜间偏南风也均较观测值偏大 (图 9c)。正午时刻, 除近地面外, 边界层中低层模拟的纬向风与观测基本一致 (图 9e), 风速模拟偏差主要来自于经向风, 各参数化方案模拟的偏南风较观测偏大2~3 m·s-1(图 9f)。
|
图 9 2013年6月11-18日02:00(上) 和14:00(下) 观测和模拟的平均风速 (a, d) 纬向风 (b, e) 和经向风 (c, f) 的垂直廓线分布 Figure 9 Vertical profile of observed and simulated mean wind speed (a, d), zonal wind (b, e), meridional wind (c, f) at 02:00 (up) and 14:00 (down) from 11 to 18 June 2013 |
计算整层平均的纬向风和经向风与实际观测资料的相关系数, 偏差和均方根误差 (表略) 可知, 模式模拟的纬向风分量, 在正午时刻比夜间模拟效果好, 而经向风分量夜间模拟状况略好于白天。所有的参数化方案中, ACM2模拟的纬向风效果较好, 经向风的模拟中, ACM2方案模拟的结果最接近实际观测, 其次是QNSE, YSU, 而Boulac和MYJ模拟的偏差较大。
图 10比较了距地面100 m高度处, 采用激光雷达探测及采用5种边界层参数化方案模拟的纬向风 (图 10a) 和经向风 (图 10b) 时间序列。由图可见, 大气边界层低层的纬向风场和经向风场存在明显的日变化特征, 且数值模式能很好地模拟出该特征。夜间和上午纬向西风和经向风均较弱, 16:00偏东风达到最强, 最大风速约为7 m·s-1, 经向风在16:00转为偏南风, 最强偏南风分量达到5 m·s-1。由于观测地点位于大致呈东西走向的雅鲁藏布江河谷, 因此, 模拟的纬向风风速与观测较为一致, 而经向风受地形和局地环流的影响, 模拟偏差较纬向风大。
|
图 10 2013年6月1118日距离地面100 m处激光雷达观测和模式模拟的纬向风 (a)、经向风 (b) 的时间序列 Figure 10 Time series of zonal wind (a), meridional wind (b) at 100 meters above ground observed by Lidar and simulations with WRF model from 11 to 18 June 2013 |
以往研究结果 (Cheng and Steenburgh, 2005) 表明, WRF中尺度数值模式模拟的陆地表层风速往往较实际风速偏强, 且这种风速模拟的正偏差现象并未随着模式的改进而消失。将自动气象站观测的2 m风速, 采用Pryor et al (2005)和Jimenez et al (2013)方法外插到距地面10 m高度, 与模拟的10 m风纬向风分量和经向风分量进行线性回归 (图 11)。对比所有方案模拟的纬向风和经向风与实际观测的相关系数可知, 各边界层参数化方案模拟地表纬向风的结果均优于经向风。由观测纬向风分量和经向风分量与模拟结果的线性回归系数可知, 各参数化方案均模拟的10 m风纬向和经向分量均低于实际观测的结果。在所有参数化方案中, MYJ方案和QNSE方案模拟近地面风场效果较好, 纬向风观测与模拟的回归系数分别为0. 838和0. 685, 经向风为0. 616和0. 611, 在各个方案中均较大, 且通过了信度95%显著性检验, 均方根误差也在可以接受的范围内。
|
图 11 2013年6月1118日观测和模拟的10 m纬向风u (a~e) 和经向风v (f~j) 散点及线性回归分布 Figure 11 Scatter plots and regression line between observation and simulation of 10 meters zonal wind (a~e) and meridional wind (f~j) from 11 to 18 June 2013 |
综合以上研究结果, WRF数值模式各边界层参数化方案对于藏东南地区对流边界层和稳定边界层的风速、位温、水汽混合比、以及对流边界层顶高度模拟能力如表 7所示。可以看出, 在风速和位温垂直廓线模拟方面, ACM2方案优于其他方案。对正午和夜间水汽混合比垂直结构的模拟, 没有一种边界层参数化方案明显优于其他方案, 平均而言, Boulac方案的模拟能力较好, ACM2方案对水汽的模拟能力与观测之间偏差较大。在边界层高度的模拟能力方面, QNSE方案与观测资料计算的正午对流边界层高度差距较小。
|
|
表 7 边界层参数化方案模拟对流边界层和稳定边界层垂直结构能力比较 Table 7 Comparison of simulation ability of boundary layer parameterization schemes on convective and stable boundary layer vertical structure |
基于“藏东南地区复杂下垫面地气交换观测实验”的观测资料, 采用中尺度数值模式WRF模拟了5种边界层参数化方案对于藏东南陡峭地形、非均一下垫面条件下, 大气边界层高度及风、温、湿垂直结构, 分析了边界层参数化方案在该地区的适用性。对藏东南地区对流和稳定边界层风速和位温的模拟, ACM2方案的模拟结果最佳。MYJ对稳定边界层水汽的模拟与观测最为接近。对正午对流边界层高度的模拟, QNSE模拟的边界层高度与探空计算的结果最为相近。综合上述模拟结果与观测的对比, 得到如下结论:
(1) 夜间水汽混合比的模拟效果好于正午, 且这种结果不依赖于边界层参数化方案的选取。夜间稳定的边界层, MYJ方案的总体模拟效果最好, 而正午对流边界层, Boulac方案模拟结果与观测较为接近。
(2) 正午时刻, 各高度层上模拟的位温均较实际观测值偏高。所有的边界层参数化方案对于稳定边界层的位温垂直廓线模拟偏差要小于对流边界层模拟偏差。无论是午夜还是正午, ACM2方案在位温垂直分布模拟中都具有最好的模拟效果。观测期间, 正午时刻藏东南地区对流边界层高度均在3000 m以上, 夜间稳定边界层高度低于500 m。模拟的正午时刻边界层高度均低于同时刻的观测值, QNSE方案模拟对流层边界层高度较好。
(3) 地温的模拟偏差均大于气温的模拟偏差, 并且不依赖边界层参数化的选取。对于地气温差的模拟, 夜间ACM2模拟的结果最接近观测, 而正午BouLac方案较好。
(4) ACM2模拟风场垂直结构效果最好。各参数化方案均模拟的10 m风速均低于实际观测, MYJ方案和QNSE方案模拟近地面风场效果较好。
因此, 藏东南复杂下垫面边界层的模拟研究中, 应根据所研究的目标气象要素, 选取相应的边界层参数化方案。边界层的模拟结果往往受到模式水平和垂直分辨率、地形、植被类型分布、植被覆盖率, 土壤湿度及陆面过程参数化的影响。边界层高度的判定标准也随观测区域的不同而变化, 尚未有统一的标准。这些因素均对边界层参数化方案的评估结果具有一定影响。在今后的工作中, 将进一步深入研究导致各边界层参数化方案在复杂下垫面条件下出现较大模拟偏差的原因, 根据下垫面条件改进参数化过程, 提高复杂下垫面条件下大气边界层模拟的准确性。
| 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 | |
| Cheng W Y Y, Steenburgh W J. 2005. Evaluation of surface sensible weather forecasts by the WRF and the Eta models over the western United States[J]. Wea Forecasting, 20(5): 812–821. DOI:10.1175/WAF885.1 | |
| Chen X, Anel J A, Su Z, et al. 2013. The deep atmospheric boundary layer and its significance to the stratosphere and troposphere exchange over the Tibetan Plateau[J]. PloS One, 8(2): e56909. DOI:10.1371/journal.pone.0056909 | |
| Dai C, Wang Q, Kalogiros J A, et al. 2014. Determining boundary-layer height from aircraft measurements[J]. Bound-Layer Meteor, 152(3): 1–26. DOI:10.1007/s10546-014-9929-z | |
| 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 | |
| Jimenez P A, Dudhia J, Gonzalez-Rouco J F, et al. 2013. An evaluation of WRF's ability to reproduce the surface wind over complex terrain based on typical circulation patterns[J]. J Geophys Res: Atmos, 118(14): 7651–7669. DOI:10.1002/jgrd.50585 | |
| Pleim J E. 2007. A combined local and nonlocal closure model for the atmospheric boundary layer[J]. Part Ⅰ: Model description and testing[J].J Climate Appl Meteor, 46(9): 1383–1395. | |
| Pryor S C, Barthelmie R J, Kjellström E. 2005. Potential climate change impact on wind energy resources in northern Europe: analyses using a regional climate model[J]. Climate Dyn, 25(7-8): 815–835. DOI:10.1007/s00382-005-0072-x | |
| Sukoriansky S, Galperin B, Perov V. 2005. Application of a new spectral theory of stably stratified turbulence to the atmospheric boundary layer over sea ice[J]. Bound-Layer Meteor, 117(2): 231–257. DOI:10.1007/s10546-004-6848-4 | |
| Seibert P, Beyrich F, Gryning S E, et al. 2000. Review and intercomparison of operational methods for the determination of the mixing height[J]. Atmospheric Environment, 34(7): 1001–1027. DOI:10.1016/S1352-2310(99)00349-0 | |
| Seidel D J, Chi O A, Li K. 2010. Estimating climatological planetary boundary layer heights from radiosonde observations: Comparison of methods and uncertainty analysis[J]. J Geophys Res, 115(D16): D16113. DOI:10.1029/2009JD013680 | |
| Shimada S, Ohsawa T, Chikaoka S, et al. 2011. Accuracy of the wind speed profile in the lower PBL as simulated by the WRF model[J]. Sola, 7(1): 109–112. | |
| Wang A, Zeng X. 2012. Evaluation of multireanalysis products with in situ observations over the Tibetan Plateau[J]. J Geophys Res, 117(D05): D05102. DOI:10.1029/2011JD016553 | |
| Xie B, Fung J C H, Chan A, et al. 2012. Evaluation of nonlocal and local planetary boundary layer schemes in the WRF model[J]. J Geophys Res, 117(D12): D12103. DOI:10.1029/2011JD017080 | |
| Yang K, Koike T, Fujii H, et al. 2004. The daytime evolution of the atmospheric boundary layer and convection over the Tibetan Plateau: observations and simulations[J]. J Meteor Soc Japan, 82(6): 1777–1792. DOI:10.2151/jmsj.82.1777 | |
| Zheng D H, Rogier V D V, Su Z B, et al. 2014. Assessment of Roughness Length Schemes Implemented within the Noah Land Surface Model for High-Altitude Regions[J]. J Hydrometeor, 15(3): 921–937. DOI:10.1175/JHM-D-13-0102.1 | |
| Zhou L, Zou H, Ma S, et al. 2015. The observed impacts of South Asian summer monsoon the local atmosphere and the near surface turbulent heat exchange over the Southeast Tibet[J]. J Geophys Res Atmos, 120(22): 11509–11518. DOI:10.1002/2014JD022928 | |
| 陈炯, 王建捷. 2006. 北京地区夏季边界层结构日变化的高分辨率模拟对比[J]. 应用气象学报, 17(4): 403–411. DOI:10.11898/1001-7313.20060403 | |
| Chen Jun, Wang Jianjie. 2006. Diurnal cycle of the boundary layer structure simulated by WRF in Beijing[J]. Chinese J Appl Meteor, 17(4): 403–411. | |
| 胡小明, 刘树华. 2005. 山丘地形的陆面过程及边界层特征的模拟[J]. 应用气象学报, 25(1): 13–23. DOI:10.11898/1001-7313.20050103 | |
| Hu Xiaoming, Liu Shuhua. 2005. Numerical simulation of land surface process and atmosphere boundary layer structure over small hill underlying surface[J]. J Appl Meteor, 25(5): 13–23. | |
| 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. DOI:10.6038/cjg20140505 | |
| Huang Wenyan, Shen Xinyong, Wang Weiguo, et al. 2014. Comparison of the thermal and dynamic structural characteristics in boundary layer with different boundary layer parameterizations[J]. Chinese J Geophys, 57(5): 1399–1414. DOI:10.6038/cjg20140505 | |
| 何建军, 余晔, 刘娜, 等. 2014. 复杂地形区陆面资料对WRF模式模拟性能的影响[J]. 大气科学, 38(3): 484–498. DOI:10.3878/j.issn.1006-9895.2013.13186 | |
| He Jjianjun, Yu Ye, Liu Na, et al. 2014. Impact of land surface information on WRF's performance in complex terrain area[J]. Chinese J Atmos Sci, 38(3): 484–498. DOI:10.3878/j.issn.1006-9895.2013.13186 | |
| 蒋兴文, 李跃清, 王鑫, 等. 2009. 青藏高原东部及下游地区冬季边界层的观测分析[J]. 高原气象, 28(4): 754–762. | |
| Jiang Xingwn, Li Yueqing, Wang Xin, et al. 2009. The observation ayalysis of atmospheric boundary layer structure in east part and downstream of Tibetan Plateau[J]. Plateau Meteor, 28(4): 754–762. | |
| 刘红燕, 苗曼倩. 2001. 青藏高原大气边界层特征初步分析[J]. 南京大学学报 (自然科学), 37(3): 348–357. | |
| Liu Hongyan, Miao Manqian. 2001. Preliminary analysis on characteristics of boundary layer in Qinghai-Tibet Plateau[J]. J Nanjing University (Natural Sci), 37(3): 348–357. | |
| 吕雅琼, 马耀明, 李茂善, 等. 2008. 青藏高原纳木错湖区大气边界层结构分析[J]. 高原气象, 27(6): 1205–1210. | |
| Lu Yaqiong, Ma Yaoming, Li Maoshan, et al. 2008. Study on characteristic of atmospheric boundary layer over Lake Namco Region, Tibetan Plateau[J]. Plateau Meteor, 27(6): 1205–1210. | |
| 李英, 胡志莉, 赵红梅. 2012. 青藏高原大气边界层结构特征研究综述[J]. 高原山地气象研究, 32(4): 91–96. | |
| Li Ying, Hu Zhili, Zhao Hongmei. 2012. Overview on the characteristic of boundary layer structure in Tibetan Plateau[J]. Plateau and Mountain Meteorology Research, 32(4): 91–96. | |
| 刘罡, 蒋维楣, 罗云峰. 2005. 非均匀下垫面边界层研究现状与展望[J]. 地球科学进展, 20(2): 223–230. | |
| Liu Gang, Jiang Weimei, Luo Yunfeng. 2005. Status quo and prospects of researches on atmospheric boundary layer over inhomogeneous underlying surface[J]. Advances in Earth Science, 20(2): 223–230. | |
| 石春娥, 李耀孙, 杨军, 等. 2015. MM5和WRF对中国东部地区冬季边界层模拟效果比较[J]. 高原气象, 34(2): 389–400. | |
| Shi Chune, Li Yaosun, Yang Jun, et al. 2015. Comparison of simulations on winter sounding profiles in PBL in East China between WRF and MM5[J]. Plateau Meteor, 34(2): 389–400. DOI:10.7552/j.issn.1000-0534.2013.00206 | |
| 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): 1937–1407. | |
| Wang Ying, Zhang Lei, Hu Ju, et al. 2010. Verification of WRF simulation capacity on PBL characteristic and analysis of surface meteorological characteristic over complex terrain[J]. Plateau Meteor, 29(6): 1937–1407. | |
| 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 | |
| 夏俊荣, 王普才, 闵敏. 2011. 新型多普勒测风激光雷达Windcube的风参数观测与验证[J]. 气候与环境研究, 16(6): 733–741. | |
| Xia Junrong, Wang Pucai, Min Min. 2011. Observation and validation of wind parameters measured by Doppler wind lidar Windcube[J]. Climatic and Environ Res, 16(6): 733–741. | |
| 徐海, 邹捍, 李鹏, 等. 2014. 藏东南林芝机场低层风场垂直结构与变化特征[J]. 高原气象, 33(2): 355–360. DOI:10.7522/j.issn.1000-0534.2013.00009 | |
| Xu Hai, Zou Han, Li Peng, et al. 2014. Vertical structure and variation of wind field over Nyingchi airport southeast Tibet[J]. Plateau Meteor, 33(2): 355–360. DOI:10.7522/j.issn.1000-0534.2013.00009 | |
| 徐祥德, 周明煜, 陈家宜. 2001. 青藏高原地一气过程动力, 热力结构综合物理图象[J]. 中国科学D辑, 31(5): 428–440. | |
| Xu Xiangde, Zhou Mingyu, Chen Jiayi. 2001. Comprehensive physical image of dynamical and thermal dynamical structure of land-air process on the Tibetan Plateau[J]. Science China Earth Sciences, 31(5): 428–440. | |
| 徐祥德, 陶诗言, 王继志, 等. 2002. 青藏高原-季风水汽输送"大三角扇形"影响域特征与中国区域旱涝异常的关系[J]. 气象学报, 60(3): 257–266. DOI:10.11676/qxxb2002.032 | |
| Xu Xiangde, Tao Shiyan, Wang Jizhi, et al. 2002. The relationship between water vapor transport features of Tibetan Plateau-monsoon "Large Triangle" affecting region and drought-flood abnormality of China[J]. Acta Meteor Sinica, 60(3): 257–266. | |
| 杨罡, 刘树华, 朱蓉, 等. 2011. 鄱阳湖地区大气边界层特征的数值模拟[J]. 地球物理学报, 54(4): 896–908. | |
| Yang Gang, Liu Shuhua, Zhu Rong, et al. 2011. Numerical simulation of features of boundary-layer over Poyang Lake area[J]. Chinese J Geophys, 54(4): 896–908. | |
| 叶笃正, 高由禧. 1979. 青藏高原气象学[M]. 北京: 科学出版社, 122-126. | |
| Ye Duzheng, Gao Youxi. 1979. Tibetan Plateau Meteorology[M]. Beijing: Science Press, 122-126. | |
| 张碧辉, 刘树华, LiuHe-ping, 等. 2012. MYJ和YSU方案对WRF边界层气象要素模拟的影响[J]. 地球物理学报, 55(7): 2239–2248. DOI:10.6038/j.issn.0001-5733.2012.07.010 | |
| Zhang Bihui, Liu Shuhua, Liu Heping, et al. 2012. The effect of MYJ and YSU schemes on the simulation of boundary layer meteorological factors of WRF[J]. Chinese J Geophys, 55(7): 2239–2248. DOI:10.6038/j.issn.0001-5733.2012.07.010 | |
| 张振洲, 蔡旭晖, 宋宇, 等. 2013. 海南岛地区大气边界层高度的时空变化特征[J]. 北京大学学报 (自然科学版), 49(5): 783–790. | |
| Zhang Zhenzhou, Cai Xxuhui, Song Yu, et al. 2013. Temporal and spatial variation of atmospheric boundary layer height over Hainan Island and its adjacent sea areas[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 49(5): 783–790. | |
| 赵世强, 张镭, 王治厅, 等. 2012. 利用激光雷达结合数值模式估算兰州远郊榆中地区夏季边界层高度[J]. 气候与环境研究, 17(5): 523–531. | |
| Zhao Shiqiang, Zhang Lei, Wang Zhiting, et al. 2012. Boundary layer height estimate in summer over the Lanzhou suburb in the Yuzhong Area using lidar measurement and numerical model[J]. Climatic and Environ Res, 17(5): 523–531. | |
| 周明煜, 徐祥德, 卞林根, 等. 2000. 青藏高原大气边界层观测分析与动力学研究[M]. 北京: 气象出版社. | |
| Zhou Mingyu, Xu Xiangde, Bian Lingen, et al. 2000. Boundary layer observation analysis and research on dynamics of the Tibetan Plateau[M]. Beijing: China Meteorological Press. | |
| 卓嘎, 徐祥德, 陈联寿. 2002. 青藏高原边界层高度特征对大气环流动力学效应的数值试验[J]. 应用气象学报, 13(2): 163–169. | |
| Zhuo Ga, Xu Xiangde, Chen Lianshou. 2002. Dynamical effect of boundary layer characteristics of Tibetan Plateau on general circulation[J]. J Appl Meteor, 13(2): 163–169. |
2. State Key Laboratory of Atmospheric boundary layer physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China;
3. University of Chinese Academy of Sciences, Beijing 100049, China