随着国家对风能资源的逐渐开发利用, 在风能资源评估、风电功率预测中各种中尺度数值天气模式, 如MM5 (Fifth-generation Mesoscale Model)和WRF (Weather Research and Forecasting Model)等被广泛应用于近地层风场的数值模拟与预报之中(辛渝等, 2010; 王澄海等, 2011; 程兴宏等, 2012; 张飞民和王澄海, 2014; 何晓凤等, 2014)。与此同时, 城市大气污染治理等领域也对低空风场的数值模拟及预报提出了现实需求(安兴琴等, 2002; 李江林等, 2009; 李艳等, 2015)。

对于地形、地貌复杂地区的近地层风场来说, 由于中尺度模拟空间分辨率的不足, 主要是水平格距与地气相互作用及大气湍涡的空间尺度相比仍较大, 模拟结果无法有效呈现实际底层大气流场的高度随机性与间歇性。基于此, 部分研究工作尝试将中尺度天气模式与小、微尺度大气模式(如CALMET模式)进行耦合, 通过动力降尺度来提高模拟结果对复杂下垫面的响应, 但由于小、微尺度模式自身性能的限制以及分辨率的提高幅度有限等原因, 近地层风场模拟效果的改进并不明显(姜创业等, 2011; 辛渝和陈洪武, 2014)。因此, 有必要在保持原中尺度模式优异动力框架的基础上, 进一步提高数值模拟的精度。

由于能够解析大气中含能最多的大尺度湍涡, 大涡模拟LES(Large Eddy Simulation)被广泛应用于边界层风场特性研究之中, 但由于相关模式往往难以采用实际大气状态作为初边值条件, 研究工作主要是在理想条件下开展(Bou-Zeid et al, 2004; Courault et al, 2007; Crosman and Horel, 2012; Kang and Lenschow, 2014)。如果能够在地形、地貌复杂地区以实际大气条件来驱动LES, 对于近地层风场的模拟乃至预报将具有非常重要的意义。

WRF模式作为新一代中尺度数值天气模式, 一方面可以方便地利用全球预报或再分析资料作为初边值条件, 另一方面又同时具备开展LES所需的动力框架及物理方案。WRF模式的以上特性, 使利用WRF-LES来运行实际大气条件下的风场模拟成为可能, 如Liu et al(2011)通过网格的逐层嵌套, 利用WRF-RTFDDA-LES模式实现了从天气尺度至大涡尺度的实际风场模拟, 同时比较了子网格湍流扩散参数及嵌套方式对模拟结果的影响。Talbot et al (2012)采用分步模拟的方式, 利用WRF的中尺度输出来驱动LES, 同样实现了实际条件下的风场模拟, 并在此基础上开展了模拟结果对子网格参数化方案与驱动资料的敏感性试验。以上研究工作表明, WRF-LES在近地层风场模拟与预报上具有独特优势, 应用前景广阔, 有必要针对特定需求开展进一步的研究。

本文针对新疆博斯腾湖某湖岸地区开展了小尺度数值模拟试验, 试验基于6层嵌套的WRF-ARW模式, 进行了为期1日的实际大气驱动下的LES近地面风场模拟。研究工作聚焦于WRF-LES对该地区强局地环流影响下近地面风场的模拟重现能力, 并分析了地形分辨率、土壤湿度和地表粗糙度对试验结果的影响, 从而为WRF-LES在该地区近地层风场模拟与预报上的下一步应用提供参考。

本次模拟的核心区区域位于新疆焉耆盆地, 焉耆盆地地处天山山脉南麓, 库鲁克塔格山以北, 该地地表以低热容的戈壁荒漠为主, 盆地东南为中国最大的内陆淡水湖博斯腾湖, 湖面东西长约55 km, 南北宽约25 km, 在山谷风和湖陆风的共同作用下, 临近湖岸地区局地环流特征明显。目前, 在湖区东南距湖岸约6.5 km处建有气象观测场, 积累有多年的气象观测资料, 观测显示秋季该地陆风主要出现于21:00(北京时, 下同)至次日09:00, 风向以南风和偏南风为主, 并伴有少量的静风; 湖风出现在12:00至19:00, 风向以北风和偏北风为主; 在风向转换时段, 风向不集中且常伴有静风。

试验基于6层嵌套的WRF-ARW V3.6模式, 网格设置如表 1所示, 考虑因素主要有: (1) 为便于比较, 各模拟区域的中心相互重合, 均位于前述气象观测场所在位置; (2) 最外层区域涵盖新疆和青藏高原大部, 以及蒙古高原西部等对本地天气有影响的地区(图 1); (3) 网格嵌套比例及积分时间步长采用WRF的推荐设置, 以保证模式运算的稳定性(Skamarock et al, 2008); (4) 各区域均采用相同的格点数, 以保证粗、细网格区域间有足够的过度空间, 尤其是在D4、D5和D6区域之间, 以利于大尺度湍涡的发生、发展(Wyngaard, 2004); (5) 网格垂直方向采用下密上疏方式设置, 距地1.2 km高度内共有15层, 其中第1层格点距地高度约为16.5 m, 可以保证最高分辨率的WRF-LES在边界层内水平与垂直格距的相近性; (6) 为客观评价WRF-LES的模拟效果, 网格间采取单向嵌套方式, 即细网格区域对上一级粗网格区域不存在反馈。

表 1(Table 1)

表 1 模式6层嵌套网格设置 Table 1 The six nested domains used for simulation 区域 类型 PBL物理方案 水平分辨率/km 格点数 时间步长/s D1 中尺度 YSU 27 100×100×30 162 D2 中尺度 YSU 9 100×100×30 54 D3 中尺度 YSU 3 100×100×30 18 D4 中尺度 YSU 1 100×100×30 6 D5 小尺度 无 0.333 100×100×30 2 D6 小尺度 无 0.111 100×100×30 0.666

表 1 模式6层嵌套网格设置 Table 1 The six nested domains used for simulation

图 1(Figure 1)

图 1 模式区域范围(a, D1~D3) 及D6区域内地形分布(b, 单位: m) Figure 1 Configuration of the nested model domains (a, D1-D3) and the terrain height of domain D6 (b, unit: m)

本次试验D1至D4的中尺度区域均采用YSU边界层参数化方案, YSU作为一种考虑了夹卷作用的非局地方案, 其在日间对流边界层及夜间稳定边界层均有较好的模拟效果(Hu et al, 2010, 2013; Shin and Hong, 2011)。而为YSU及LES提供地表水汽通量及感热通量的陆面过程模式为5层土壤热扩散方案, 该方案继承于MM5模式, 各层土壤厚度分别为1 cm、2 cm、4 cm、8 cm和16 cm, 5层以下的土壤温度为固定值, 该方案中土壤湿度及地表粗糙度仅与土地利用类型及季节有关, 便于在敏感性试验中进行扰动。由于模拟时段内焉耆盆地上空天气晴朗, 为减少运算开销, 其他物理方案均选择WRF模式的早期方案, 如Kain-Fritsch积云参数化方案(仅在D1至D2的中尺度模拟中采用)、Kessler微物理方案、rrtm长波辐射和Dudhia短波辐射方案。

模拟所依据的大气资料为美国国家环境预报中心NCEP的FNL Operational Model Global Tropospheric Analyses资料, 其水平分辨率为1°, 时间间隔6 h, 该资料由全球数据同化系统GDAS生成, 作为全球预报系统GFS初始场的一部分, 其与真实大气状况较为接近。试验模拟的时间段为2014年10月16日20:00至18日00:00, 共28 h, 模式输出间隔为9 min。

为了探讨模拟结果对地表特征的敏感性, 分别针对地形分辨率和两种陆面参数开展了敏感性试验。在地形分辨率试验中, 比较了ASTER GDEM(Advanced Space Borne Thermal Emission and Reflection Radiometer Global Digital Elevation Model)(韩存博等, 2014)和MODIS(Moderate Resolution Imaging Spectrometer)数字高程数据对模拟结果的影响, 试验设计见表 2; 在陆面参数扰动试验中, 针对土壤湿度和地表粗糙长度, 分别设计了4组敏感性试验, 以采用LANDUSE. TBL文件中土壤湿度和地表粗糙长度的默认值作为控制试验, 通过乘以扰动比率系数k来实现对陆面参数的扰动, 具体试验设计见表 3。

表 1(Table 1)

表 2 地形分辨率试验设计 Table 2 The setup of terrain resolution tests 试验 数字高程数据 地形分辨率 CTL ASTER GDEM 1″ DE-30 MODIS 30″

表 2 地形分辨率试验设计 Table 2 The setup of terrain resolution tests

表 1(Table 1)

表 3 陆面参数扰动试验设计 Table 3 The setup of land-surface parameter disturbance tests 陆面参数 扰动比率系数k 控制试验k=1 0.4 1.6 2.2 2.8 土壤湿度 SLM0-04 SLM0-16 SLM0-22 SLM0-28 CTL 地表粗糙长度 SFZ0-04 SFZ0-16 SFZ0-22 SFZ0-28 CTL

表 3 陆面参数扰动试验设计 Table 3 The setup of land-surface parameter disturbance tests

本次试验主要关注于WRF-LES对所研究区域近地面风场的模拟重现能力, 为此基于自动气象站数据开展了模拟与实测间的比对分析, 以期评估WRF-LES在本地应用中相对于中尺度模拟的优势, 并为接下来的敏感性试验提供参照, 所采用的自动气象站原始数据的采集频率为1 min, 对比分析中以与模拟结果相对应的9 min间隔进行了重新采样。图 2分别给出了中尺度模拟(D3、D4) 及LES(D5、D6) 的模拟风速时序与对应的观测时序日变化对比, 该图清楚地显示出网格精度对模拟结果的影响, 中尺度模拟的风速起伏特征相对于观测来看过于平滑, 即便格点大小降低至1 km仍无法有效体现近地层风场的高度起伏性, 对比D4区域结果, 日间D5区域的LES模拟风速在波动性得到明显提升, 究其原因, 对流边界层的大气湍流在全天中尺度较大, 即便分辨率较低, LES仍能将大气中相当份额的大尺度湍涡进行解析, 而当格点分辨率提高至D6的111 m时, 夜间稳定边界层的湍流影响也得到进一步体现, 可以推断, 进一步提高网格精度有可能取得更真实的模拟效果。

图 2(Figure 2)

图 2 2014年10月17日不同模式区域D3~D6 (a~d)模拟与实测风速时序对比 Figure 2 Comparison of the time series of wind speeds from simulation and observation on different model domains of D3~D6 (a~d) on 17 October 2014

WRF-LES对大尺度湍涡的解析效果同样反映在风速频谱和风向时序上, 从图 3的风速频谱对比可以看出, D3区域的中尺度模拟仅在小时级起伏特性上比较符合观测, 而高频成分则明显偏低, 随着网格精度的提高, 频谱特征得到逐渐改善, 从整体上看D6区域的LES结果与观测最为一致。从图 4的风向时序对比上看, LES同样能够显著改善风向的抖动特性, 使之与观测更为一致。总之, WRF-LES通过解析边界层内的大尺度湍涡, 能够在中尺度模拟的基础上显著地提升近地层风场的随机性, 进而提高数值模拟结果的真实性。

图 3(Figure 3)

图 3 2014年10月17日不同模式区域D3~D6 (a~d)模拟与实测风速频谱对比 Figure 3 Comparison of the spectra of wind speeds from simulation and observation on different model domains of D3~D6 (a~d) on 17 October 2014

图 4(Figure 4)

图 4 2014年10月17日不同模式区域D3~D6 (a~d)模拟与实测风向时序对比 Figure 4 Comparison of the time series of wind directions from simulation and observation on different model domains of D3~D6 (a~d) on 17 October 2014

为了从整体上对WRF-LES的性能进行评价, 分别计算了10月17日内的实测风速平均(MO)、模拟风速平均(MS)、模拟风速的平均绝对误差(MAE)、模拟与实测风速的相关系数(R)以及一致性指数(IA), 其中MAE值、R值和IA值的计算方法如下:

式中: S_i为风速模拟序列, O_i为对应的风速实测序列, n为计算时段内风速序列样本量, 由于本次试验数据输出间隔为9 min, 因此n取值为160, 相关统计检验结果见表 4。整体上看, WRF-LES和中尺度模拟结果均高于实测值, 从上文的风速时序对比可以看出, 主要原因在于模式分辨率的提高对整体风速的日变化趋势影响并不明显, 因此各区域的MS值、R值及IA值相差不大。但从绝对误差上看, 模式分辨率的提高可以有效提升模拟效果, D6区域的模拟误差优于其他区域, 分辨率与MAE间基本为负相关, 值得注意的是D5区域的MAE明显高于其他区域, 有可能是D5既没有采用PBL参数化方案, 同时LES的分辨率又较低, 导致模拟误差较大, 具体原因有待今后进一步研究。

表 1(Table 1)

表 4 不同模式区域试验结果统计 Table 4 The statistics of the simulation results on different model domains 区域 平均风速/(m·s-1) R 一致性指数 实测值 模拟值 绝对误差 D2 1.8219 2.2027 0.9373 0.5856 0.7380 D3 1.8219 2.5550 0.9299 0.6193 0.7146 D4 1.8219 2.2482 0.8880 0.5832 0.7387 D5 1.8219 2.4373 0.9743 0.5257 0.6855 D6 1.8219 2.2765 0.8771 0.5891 0.7401

表 4 不同模式区域试验结果统计 Table 4 The statistics of the simulation results on different model domains

对于占大气边界层10 %~20%的近地面层而言, 依赖于观测的Monin-Obukhov相似理论是描述该层大气特性的主要理论基础, 当采用该理论进行湍流通量计算时, 地表不均一性尺度和大气湍流尺度均对计算结果有重要影响(Bou-Zeid et al, 2007)。从图 1可以看到, D6区域内北部平坦、南部崎岖, 采用不同分辨率的地形数据势必造成该区域地表不均一尺度的不同, 表 4给出了分别采用ASTER GDEM和MODIS数字高程数据时模拟风速的检验结果, 为全面评价地形分辨率的影响, 分整日、日间与夜间分别对数据进行了统计, 结果显示, 无论是风速模拟的绝对误差还是相关或一致性上, 控制试验的模拟效果均较为理想。可见, 为取得预期效果, 将WRF-LES应用于地形复杂地区时, 采用与其网格尺度相匹配的的地形数据十分重要。

表 1(Table 1)

表 5 D6区域地形分辨率敏感性试验结果对比 Table 5 Comparison of results of the terrain resolution sensitivity test at D6 时段 试验 绝对误差 R 一致性指数 全天 CTL 0.8771 0.5891 0.7401 DE-30 0.9223 0.5155 0.6932 日间 CTL 0.9082 0.6415 0.7446 DE-30 0.9504 0.5633 0.6923 夜间 CTL 0.8553 0.4672 0.6837 DE-30 0.9027 0.3850 0.6385

表 5 D6区域地形分辨率敏感性试验结果对比 Table 5 Comparison of results of the terrain resolution sensitivity test at D6

本次试验所关心的研究区域邻近博斯腾湖, 湖岸一侧植被比较茂密, 土壤含水量高, 而远离湖岸一侧植被稀疏, 土壤干燥。因此, 准确评估土壤湿度对模拟风场的影响对于WRF-LES的本地应用有着重要意义。土壤含水量的多少直接影响地表的热通量分配, 图 5分别给出了不同土壤湿度条件下D6区域的平均地表感热通量和潜热通量的日变化曲线, 其中控制试验的土壤湿度为5 %, 可以看出, 在2014年10月17日11:00-19:00, 土壤湿度对该地区地表热通量分配影响明显, 当湿度较低时, 地表热通量以感热为主, 而当湿度适度增加后, 潜热通量的份额显著提高。从D6区域日间10 m高度平均风速与土壤湿度的对应关系(图 6)可以看出, 由于日间对流边界层的湍流能量主要来源于大气浮力做功, 因此感热通量的降低将会抑制大尺度湍涡的进一步发展, 进而影响大气动量的向下输送, 导致地表风速逐渐降低, 整体下降幅度接近10 %。

图 5(Figure 5)

图 5 2014年10月17日土壤湿度扰动试验中D6区域的平均地表感热通量(a)和潜热通量(c)的日变化曲线对比 Figure 5 Comparison of the diurnal evolution of domain (D6) averaged sensible heat flux (a) and latent heat flux (b) obtained from the soil moist disturbance tests on 17 October 2014

图 6(Figure 6)

图 6 2014年10月17日D6区域10 m高度平均风速与土壤湿度关系曲线 Figure 6 Relationship between the domain (D6) averaged wind speeds on 10 meters height and the soil moist on 17 October 2014

如上节所述, 本次试验所关心的研究区域内植被分布并不均一, 地表粗糙度对近地面风场的影响也是WRF-LES本地应用需考虑的因素之一。粗糙长度Z0作为Monin-Obukhov相似理论的重要参数, 同时影响湍流应力与近地层风速廓线, 图 7给出了不同Z0条件下D6区域内平均摩擦速度的日变化曲线, 可以看出, Z0对大气动量的向下输送影响明显, 两者基本呈正相关。图 8分别给出了2014年10月17日16:00和04:00 SFZ0-04和SFZ0-28试验的D6区域的大气边界层平均风速廓线, 从16:00的情况来看, 由于Z0与大气动量向下输送之间的关系, 导致SFZ0-28试验在边界层上部的风速较低, 而在距地100~500 m的边界层下部风速较高。

图 7(Figure 7)

图 7 2014年10月17日地表粗糙度扰动试验中D6区域的平均摩擦速度日变化曲线对比 Figure 7 Comparison of the diurnal evolution of domain (D6) averaged friction velocity obtained from the surface roughness disturbance tests on 17 October 2014

图 8(Figure 8)

图 8 2014年10月17日16:00(a)和04:00(b)SFZ0-04和SFZ0-28试验的D6区域的大气边界层平均风速廓线对比 Figure 8 Comparison of the domain (D6) averaged wind-speed profiles obtained from SFZ0-04 and SFZ0-28 tests at 16:00 (a) and 04:00 (b) on 17 October 2014

从扰动试验与控制试验的10 m高度平均风速差值来看(图 9), Z0对近地面层风速模拟的影响则十分复杂, 一方面虽然Z0越大, 近地面层大气将能够获得更多的动量, 但另一方面, 在模式进行10 m高度风场诊断时, 相对较大的Z0又是一个不利因素。从图 8也可以看出, 在对应于不同大气稳定度的04:00和16:00, SFZ0-04与SFZ0-28试验在100 m高度下的模拟风速大小对比呈现出截然相反的情况, 即当大气湍流以热力驱动为主时, Z0对模拟风速主要体现出负面影响; 而当动力驱动为湍能唯一来源时, 适当增加Z0则有可能提高风速模拟值。

图 9(Figure 9)

图 9 2014年10月17日00:00至18日00:00试验模拟区域(D6) 内10 m高度平均风速演变黑实线为控制试验、直方图为扰动试验相对于控制试验的差值 Figure 9 Domain (D6) averaged wind-speed traces at 10 meters height from 00:00 on 17 to 00:00 on 18 October 2014. Black solid line for CTL and colored bars for the differences between Z0 disturbance tests and CTL

基于WRF-LES模式, 开展了2014年10月17日新疆博斯腾湖某湖岸地区的近地面风场数值模拟实验, 并基于观探测资料对模拟结果进行了检验分析, 在此基础上探讨了地形分辨率、陆面参数对模拟结果的影响及相关机理。主要结论如下:

(1) WRF-LES通过对大气边界层内大尺度湍涡的直接解析, 相比于中尺度模拟, 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。

(2) 由于地表不均一尺度和大气湍流尺度对Monin-Obukhov相似理论适用性的影响, 将WRF-LES应用于地形复杂地区时, 与网格尺度相匹配的的地形数据对于近地层风场模拟十分重要。

(3) 土壤湿度对所研究区域日间地表热能量分配影响明显, 湿度增加后感热通量的降低会抑制大尺度湍涡的进一步发展, 从而影响大气动量的向下输送, 导致地表风速降低。

(4) 地表粗糙度对WRF-LES近地面风速模拟的影响则十分复杂, 一方面虽然Z0越大, 近地面层大气能够获得的动量越多, 但另一方面, 在模式进行10 m高度风场诊断时, 相对较大的Z0又是一个不利因素。

本研究表明在所研究地区, 将WRF-LES应用于实际条件下的近地层风场模拟能够有效增加模拟结果的真实性与准确性, 但需要能够与之相匹配的高分辨率的地形数据, 此外土壤湿度与地表粗糙度对模拟结果也有明显影响, 在应用过程中应谨慎处理。需要指出的是, 由于计算资源的限制, 试验样本量比较有限, 有关机理研究也比较初步, 为提高WRF-LES的本地应用效果还需开展更进一步的研究。