2018, Vol. 37
2. 中国科学院大学, 北京 100049;
3. 中国科学院平凉陆面过程与灾害天气观测研究站, 甘肃 平凉 744015;
4. 平凉市气象局, 甘肃 平凉 744000
大气边界层通常指直接受地面影响的那部分对流层(Stull, 2012), 是地表面与自由大气间进行水汽、热量、动量等传输和交换的重要通道(Seidel et al, 2010), 其响应地表强迫的时间尺度为1 h或者更短(Stull, 2012)。进入到大气边界层内的物质在湍流运动的作用下向垂直方向和水平方向扩散, 如果时间充分且没有明显的源或汇时, 这些物质最终将在边界层内完全混合(Seibert et al, 2000)。
大气边界层结构复杂, 边界层高度常被用来描述边界层内垂直混合的尺度(Seidel et al, 2010)。边界层高度(Planetary Boundary Layer Height, PBLH)在湍流混合、对流活动、云雾形成、大气污染物扩散以及云/气溶胶夹卷等过程中有重要作用, 是大气边界层相关研究的基础参数, 也是天气、气候和空气质量等模式的重要参数(Sivaraman et al, 2013; Mehta et al, 2016; Eresmaa et al, 2005)。大气边界层高度存在明显的日变化和地域差异, 通常大气边界层在午后达到最高(Mehta et al, 2016; Liu et al, 2010), 高原地区边界层高度高于平原地区(Zhang et al, 2016)。一般通过地面无线电探空观测、飞机、遥感探测(激光雷达、声雷达、风廓线雷达、无线电声探测系统等)获取边界层高度(Seibert et al, 2000)。地面无线电探空是目前使用最广泛的获取边界层温、湿廓线的方法, 但大部分站点一天仅观测两次, 通常为08:00(北京时, 下同)和20:00, 且观测站点分布不均匀, 对于站点稀疏或是没有观测站的地区, 要想获得大气温、湿廓线和边界层高度的信息非常困难。另外, 尽管许多研究利用地面无线电探空资料探讨了边界层高度的变化特征(Liu et al, 2010, 万云霞等, 2017), 但其观测时间(在中国大部分地区观测时间为清晨和傍晚)对于研究白天边界层的发展仍存在局限。近年来, 能够对大气状况进行连续观测的气象卫星遥感探测为研究大气边界层特征提供了新的手段。
Aqua卫星是美国宇航局(NASA)于2002年5月发射的第2颗地球观测系统(Earth Observation System, EOS)系列卫星, 其上搭载的大气红外探测器(Atmospheric Infrared Sounder, AIRS)是目前国际上先进的超高光谱分辨率红外大气垂直探测仪。Aqua为极轨气象卫星, 每天对同一地区观测两次, 根据最初设计的观测时间, 卫星应在01:30和13:30经过我国大部分地区, 但目前已有所飘移。AIRS在3. 7~15. 4 μm有2 378个光谱通道, 拥有极高的光谱分辨率, 垂直分辨率为1 km, 星下点分辨率为13. 5 km, 还有4个可见光/近红外通道(0. 4~0. 94 μm)(Aumann et al, 2003), 结合先进的微波探测器(AMSU-A)、湿度探测器(HSB), 可以穿透一定厚度的云层对大气温、湿度廓线进行反演。Gettelman et al(2004)将AIRS温、湿度数据与飞机定点观测进行比较, 发现在上对流层AIRS温度和水汽资料的误差分别在±1. 5 K和±25%以内。Divakarla et al(2006)将AIRS资料与全球538个站点的探空资料对比后发现, 在晴空条件下对流层内温度的精度可以达到1 K·km-1。国内也先后对AIRS的适用性进行了验证。倪成诚等(2013)将AIRS卫星资料与西南涡加密观测试验所获得的L波段秒级探空资料进行比较, 发现AIRS温度资料在西藏高原主体、川西高原和四川盆地适用性很好, 能有效弥补这些地形复杂地区探空资料不足的问题。占瑞芬等(2008)将高原地区探空站得到的水汽数据与AIRS水汽反演产品进行对比, 发现AIRS水汽混合比与探空资料基本一致, 500 hPa高度上反演效果最佳。高文华等(2006)比较了AIRS反演的温、湿度廓线产品与T213数值预报产品, 分析了它们之间的差异。
上述研究基础上, 利用“黄土高原典型塬区能量和水分过程”加强观测期获得的探空资料分析讨论AIRS反演产品在黄土高原地区的适用性, 并进一步讨论用AIRS资料确定边界层高度的可行性。这种比较可增进对黄土高原大气边界层的认识, 验证卫星反演产品, 为建模者改进数值模式模拟性能的边界层特征认识提供理论指导。
2 资料与方法 2.1 资料介绍黄土高原位于黄河中上游地区, 由黄土塬、沟壑、山、梁和坪等地貌组成, 从东南到西北依次跨越湿润气候、半湿润气候、半干旱气候及干旱气候(卢爱刚, 2009)。由于地处气候分界区和农牧交错带, 以及东亚季风影响的末端, 这一区域的陆气相互作用对我国以及东亚地区的气候和大气环流有重要的作用(韦志刚等, 2005; 张强等, 2008)。
所用观测数据来自2012-2014年“黄土高原典型塬区能量和水分过程的观测与数值研究”以及2016年“陇东黄土高原土壤湿度对大气边界层结构和对流触发影响的观测和数值研究”夏季加强期观测试验。试验地点为中国科学院平凉陆面过程和灾害天气观测研究站(简称平凉站)站外观测场, 每天进行6~8次探空观测, 观测要素为气压、温度、湿度、风向和风速。实验期间利用无线电探空(iMet-1 AB, InterMet, USA)和系留探空(DigiCORATT12, Vaisala, USA)获取大气温、湿廓线资料。加强观测期无线电探空的高度大多可达20 km以上, 系留气艇探空主要在3 km以内。同时下载了相应时段的AIRS (https://airsl2.gesdisc.eosdis.nasa.gov/data/Aqua_AIRS_Level2/AIRX2SUP.006/)Level 2(Version 6. 0)反演产品。ARIS V6. 0与以往版本相比, 对温、湿廓线的反演有很大的改进, 特别是对流层低层(Boylan et al, 2015)。AIRS-L2产品以EOS-HDF格式存放, 每6 min生成一个数据文件, 水平分辨率为50 km×50 km。研究所需数据包括1 100~0. 016 hPa共100层的大气温度、1 100~50 hPa共15层的相对湿度、地面气温、地面相对湿度、平均地形高度以及各气压层所对应的位势高度。
2.2 资料处理AIRS每天在12:30-14:00经过中国的大部分地区(陈立等, 2015), 但其扫描点随机且不固定, 若想与观测资料进行对比, 只能尽可能地在时间与空间上使其接近观测值。在时间上, 由于大气边界层是直接受地面影响的那部分对流层, 其响应地面强迫的时间尺度为1 h或者更短(Stull, 2012), 为了避免边界层高度差异过大, 需要AIRS的过境时间在探空观测的前后1 h内。黄土高原地区地形复杂, 因此在空间上, 为了避免地表不均一性造成过大的误差, 要求AIRS扫描点的位置距离探空气球释放点的最大距离不超过20 km(高文华等, 2006)。需要注意的是, 探空气球在上升过程中会发生飘移, 根据气球的运动轨迹计算的各气压层上AIRS与探空气球的距离显示, 两者之间的距离在300 hPa以下高度一般不超过20 km, 300 hPa以上高度两者之间最大相距50 km左右。考虑到随着高度的增加, 地表非均一性对大气的影响减弱, 且有研究表明50 km内的AIRS数据与探空观测数据也有较好的一致性(Wu, 2009), 在以下分析中不就此进行单独分析。当满足条件的AIRS数据多于一组时, 选取时间差与距离差之和最小的点作为研究对象(Reale et al, 2012)。另外, 为了避免质量较差的数据对对比结果的影响, 将质量控制QC=2的AIRS数据剔除。
试验期间在13:00-14:00共获得38组有效探空廓线, 满足与AIRS数据相匹配条件的共11组。这11组数据与AIRS过境时的时间差在50 min以内, 400 hPa以下的空间距离不超过10 km。Aqua卫星每天对地扫描两次, 为了增加样本数量, 对试验期间的夜间AIRS数据进行了统计, 结果发现有6组AIRS数据满足上文所设的空间约束条件, 其过境时间多在03:00左右, 仅有一组数据满足相应的时间约束条件。由于AIRS在夜间和白天的误差差别不大(Divakarla et al, 2006), 并且夜间样本量极少, 因此, 没有区分白天和夜间。最终用于AIRS与无线电探空观测(Radiosonde Observations, RAOB)对比的数据样本一共12组。
探空数据垂直分辨率高, 为了减少噪声带来的误差, 用Savitzky-Golay方法平滑原始探空数据(Savitzky et al, 1964)。同时, 探空数据的垂直分辨率是AIRS的几十倍, 在做廓线对比之前, 将探空数据线性插值到AIRS固定气压层上以降低探空廓线的垂直分辨率(Boylan et al, 2015; Martins et al, 2010)。因温、湿廓线资料来自不同的探测设备, 尤其是系留气艇探空受到线长的影响, 只能对639, 661, 683, 706, 730, 753, 777, 802和827 hPa这9层的温度进行插值, 而湿度则只能得到地面和700 hPa的数据。因此, 各气压层的样本数量会有所不同。
2.3 分析方法不同边界层高度确定方法以及AIRS与探空温、湿廓线之间的差异主要通过计算平均偏差(MB), 归一化平均偏差(Normalized Mean Bias, NMB), 均方根误差(RMSE)和相关系数(R)来表现。其中, 平均偏差能反映反演值相对于观测值的平均差异; 归一化平均偏差将平均偏差标准化可避免观测值过于离散的问题, 可反映反演数据相对于观测值的偏差; 均方根误差则表示反演值相对于观测值的离散程度。其计算方法如下(Rao et al, 2007; Yu et al, 2006):
| $ MB = \frac{1}{N}\sum\limits_{i = 1}^N {\left({{y_i} - {x_i}} \right)}, $ | (1) |
| $ NMB = \left({\sum\limits_{i = 1}^N {\left({{y_i} - {x_i}} \right)} /\sum\limits_{i = 1}^N {{x_i}} } \right) \times 100\% \;, $ | (2) |
| $ RMSE = \sqrt {\frac{1}{N}{{\sum\limits_{i = 1}^N {\left({{y_i} - {x_i}} \right)} }^2}}, $ | (3) |
式中: xi为观测值, 即探空数据; yi表示AIRS反演数据; N为样本总数; i为样本。
3 结果与讨论 3.1 不同边界层高度计算方法的比较由于不同的边界层高度确定方法给出的边界层高度存在差异, 这里先对比了6种常用的方法, 以便为判断利用AIRS反演温度廓线确定边界层高度的可行性提供参考。
6种方法分别为Parcel法(Holzworth, 1964, 1967)、Liu-Liang法(Liu et al, 2010)、理查森数(Ri)法(Sivaraman et al, 2013)、Heffter法(Heffter, 1980)、比湿垂直梯度法(Δq)(Mehta et al, 2016)和位温梯度临界值(θc)法(张强等, 2011)。Parcel法是Holzworth(1964, 1967)在研究美国一些地区最大混合层厚度时提出的利用日最大地面气温和清晨温度探空廓线确定边界层高度的方法。这种方法忽略平流、下沉以及机械湍流的影响, 只考虑太阳辐射对边界层发展的贡献, 在有探空资料的地区简单易行。此方法利用位温(虚位温)在干绝热过程中守恒的特点, 直接取与地面位温等值处的高度为边界层高度(Seibert et al, 2000; Eresmaa et al, 2005), 计算简单且被认为是比较合理的确定边界层高度的方法(Seibert et al, 2000; Hennemuth et al, 2006)。Liu-Liang法是Liu et al(2010)根据边界层内廓线特征提出的一种诊断边界层高度的方法。该方法考虑到边界层随时间变化会呈现出不同的形态(对流边界层CBL、稳定边界层SBL、残余层RL), 首先通过比较稳定性临界值来判别边界层类型, 再根据位温的垂直递减率来求取边界层高度。Heffter法(Heffter, 1980)则是先根据位温垂直递减率确定逆温层, 再将逆温层中逆温最大的地方定义为边界层高度。Richardson(Ri)法利用稳定性参数Ri确定边界层高度, 将Ri初次超过某个临界值(Ric)的高度定为边界层高度。另外, 位温梯度临界值(θc)法则是通过位温梯度的突变来确定边界层高度(李岩瑛等, 2016; 赵采玲等, 2016), 在对加强期观测试验数据进行分析时发现, 此临界值为0. 004 K·m-1。最后, 比湿垂直梯度法则是将比湿最小垂直梯度所在的高度记为边界层高度。为了对比不同方法确定的边界层高度, 所有边界层高度均用距离地面高度而不是用海拔表示。
利用上述6种方法计算了2012-2014年以及2016年野外试验期间13:00-14:00的平均大气边界层高度。期间共有38组有效数据, 所有方法都适用的一共有32组, 其中6组数据无法满足Heffter法确定边界层高度所需的条件。计算发现用Ric=0. 25和Ric=0. 5确定的边界层高度之间的平均偏差和相关系数分别为64. 41 m和0. 99, 归一化平均偏差不超过5%, 说明边界层高度对Ri临界值的选取不敏感。Zilitinkevich et al (2002)也指出Ric取值在0. 2~0. 5都可给出比较合理的边界层高度, 后续分析中Ric选取应用更为广泛的0. 25(Seibert et al, 2000)。6种方法确定的平均边界层高度分别为1 299. 61 m(Parcel法)、1 463. 55 m(Liu-Liang法)、1 723. 86 m(Heffter法)、1 380. 52 m(Ri法)、1 198. 13 m(θc法)和1 329. 10 m(Δq法)。
通过6种方法确定的3种不同天气条件下的边界层高度(图 1)不难发现, Heffter法确定的边界层高度始终是最高的, 而θc法则始终是最低的。其中, 2014年7月24日为晴天, 6种方法确定的边界层高度基本一致。从位温廓线可以看出, 7月24日的大气边界层发展充分, 超绝热递减层、混合层、夹卷层特征明显。2016年6月24日为多云天气, 6种方法得到的边界层高度集中在两个高度层, 其中θc法、Parcel法和Ri法确定的边界层高度相当, Liu-Liang法、Heffter法和比湿垂直梯度法确定的边界层高度相当, 两层的高度相差近1 000 m。从位温廓线的形态可以发现, 在1 100 m左右位温发生跃变, 再往上廓线特征仍表现为混合层特征, 这部分应为残余层, Liu-Liang法、Heffter法和比湿垂直梯度法确定的边界高度为残余层高度。2013年7月23日为阴天, 边界层发展不充分, 6种方法得到的边界层高度均不同, Heffter法和θc法的结果相差500 m; 从位温廓线无法清晰地判断大气边界层结构。以上分析表明, 不同方法确定的边界层高度之间的差异受天气情况的影响, 使有些方法之间差异较大。
|
图 1 由6种方法确定的3种不同天气条件下(a~c)的边界层高度对比 Figure 1 Planetary boundary layer height determined by using six methods at 13:00 on 24 July 2014 (a, clear), 14:00 on 24 June 2016 (b, cloudy) and 13:00 on 23 July 2013 (c, overcast) |
为了进一步确定各方法之间的差异, 计算了6种方法确定的边界层高度之间的平均偏差(MB)、归一化平均偏差(NMB)和相关系数(R), 结果列于表 1和表 2。总的来看, 各方法之间的平均偏差在29. 48~525. 73 m, 归一化平均偏差在-0. 30~0. 33。Heffter法和θc法与其余4种方法的差异较大, 尤其是Heffter法与θc法之间, 除了上文分析的天气原因外, 还与其自身确定的边界层高度所在的位置有关。一般边界层发展充分时, θc法确定的边界层高度在逆温层底部, 而Heffter法确定的边界层高度在逆温层中部。除了Heffter法和θc法, 其他方法得到的边界层高度之间的偏差一般不超过200 m, 归一化平均偏差一般不超过10%;甚至有些方法之间的平均偏差不到100 m, 归一化平均偏差在5%以内。另外, 各方法之间的相关系数在0. 53~0. 97, 均通过了95%的显著性检验, 说明6种方法描述的边界层高度变化趋势较为一致。
|
表 1 6种方法确定的边界层高度之间的平均偏差和相关系数 Table 1 The MB and R for PBLH estimation using six methods |
|
|
表 2 6种方法确定的边界层高度之间的归一化平均偏差 Table 2 The NMB for PBLH estimation using six methods |
除去Heffter法和θc法, 进一步分析其余4种方法的差异。根据几个统计参量可知, Ri法与其他3种方法的平均偏差均不超过100 m, 归一化平均偏差均不超过6%, 相关系数也都在0. 8以上。因此, 可认为在4种方法中, Ri法确定的边界层高度较为合理。由于AIRS只提供温、湿廓线的反演数据, 无法使用Ri法确定边界层高度。而Parcel法和Ri法的相关系数最高(0. 97), 且两种方法之间的归一化平均偏差只有6%, 因此在后续的对比中选用Parcel法确定边界层高度。实际上, 当风切变的贡献被忽略时, Ri法就是Parcel法(Seibert et al, 2000)。
3.2 温、湿廓线对比准确的温、湿度廓线是获取边界层高度及其特征的前提。在对比边界层高度之前, 先对AIRS温度廓线和湿度廓线的适用性进行检验。
3.2.1 温度廓线根据AIRS固定气压层的温度以及RAOB数据插值到AIRS固定气压层上的温度, 计算了两组数据之间的平均偏差和均方根误差(图 2)。从图 2可以看出, 温度均方根误差和平均偏差的变化趋势基本一致, 当平均偏差达到一个极值时, 均方根误差也为极值。平均偏差范围在-1. 91~0. 04 K之间, 以负偏差为主; 均方根误差在0. 56~2. 41 K之间, 整层的平均偏差和均方根误差分别为-0. 57 K和1. 39 K, 小于Boylan et al(2015)在南极洲地区得到的-0. 68 K和1. 92 K。从平均偏差[图 2(a)]的分布来看, 除了639~424 hPa高度外, 平均偏差均为负值; 对流层内的偏差除了对流层顶附近外均在1 K以内, 最小平均偏差出现在550 hPa附近, 大于1 K的偏差集中在200~70 hPa之间; 高度大于70 hPa时偏差开始减小, 并维持在一个较小的值。从均方根误差[图 2(b)]来看, 大部分气压层的温度均方根误差在2 K以内, 与以往研究结果一致(Boylan et al, 2015; Botes et al, 2012; Martins et al, 2010)。对流层内温度的均方根误差在0. 56~2. 03 K之间, 在对流层顶附近达到最大; 除了对流层顶以外, 在460 hPa处还有一个极值, 这个值使得对流层内温度的均方根误差基本呈现出先增大后减小的趋势; 对流层温度的平均均方根误差在1. 30 K左右, 与Divakarla et al(2006)分析的全球平均结果一致。
在大气边界层内, 温度平均偏差先增大再减小, 平均偏差均在1 K以内, 但均方根误差只有在639, 661和684 hPa这3层在1 K以内, 这与AIRS官方给出的1 K·km-1的误差有所出入, 且均方根误差大于1 K的层次集中在700 hPa以下, 这正是边界层高度最有可能出现的位置。温度平均偏差范围在-0. 63~0. 41 K之间, 661 hPa及以下温度偏差为负值, 661 hPa以上开始转为正偏差。最小温度偏差出现在639 hPa, 最大平均偏差出现在753 hPa(-0. 63 K)。均方根误差范围在0. 56~1. 49 K之间, 其中827~706 hPa之间的均方根误差均大于1 K。
|
图 2 AIRS温度平均偏差廓线(a)和均方根误差廓线(b) Figure 2 Profiles of AIRS temperature about mean bias (a) and root mean square error (b) |
除了平均偏差和均方根误差外, 还计算了AIRS与探空数据的相关系数(图略), 结果显示除了753~706 hPa外, 其余各层都显著相关, 400~250 hPa之间的相关系数更是达到了0. 95, 说明AIRS温度廓线资料能比较准确的描述研究区大气温度的变化趋势。
3.2.2 相对湿度廓线AIRS反演的相对湿度一共有15层, 分别为1 100, 1 000, 925, 850, 700, 600, 500, 400, 300, 250, 200, 150, 100, 70和50 hPa。由于观测场海拔较高, 只能对700 hPa及以上层次进行插值分析。图 3给出了AIRS反演的相对湿度与RAOB相对湿度的误差分析结果, 其中相对湿度的平均偏差在±10%以内, 除了600, 400, 150和100 hPa 4层外, 均为负偏差, 即AIRS反演的大气环境较RAOB偏干。均方根误差除300 hPa外均小于20%, 以250 hPa为界, 250 hPa以上的均方根误差基本在10%以内, 而250 hPa以下几层的平均均方根误差接近18%。与温度不同的是, 地面相对湿度的误差较小, 均在10%以内。AIRS相对湿度与探空相对湿度的相关系数除700, 600和100 hPa外均通过了95%的显著性检验。
3.3 地面气温AIRS地面气温不包含在100个气压层中, 因此对地面气温进行单独分析。从12个样本AIRS地面气温和实际观测地面气温的散点分布(图 4)可以看出, AIRS地面气温大多低于实际观测值, 只有2014年7月25日夜间的地面气温高于实际观测值。AIRS地面气温与实际观测地面气温的相关系数为0. 82, 通过了95%的显著性检验, 平均偏差和均方根误差分别为-1. 68 K和3. 32 K, 该结果明显大于地面以上各气压层的对比结果。高文华等(2006)和Boylan et al(2015)先后对AIRS地面气温进行了验证, 结果表明AIRS与RAOB地面气温之间确实存在较大的偏差。在南极洲1 486个样本中只有55%的样本误差在5 ℃以内; 在我国(22°N-42°N, 105°E-125°E)区域范围内的地面气温平均偏差为-3. 30 K, 均方根误差为4. 60 K, 而青藏高原地区夏季偏差可以达到-11 K。温度偏差随海拔的增大而增加, 南极洲地区表现为暖偏差, 我国则是冷偏差。
|
图 3 AIRS相对湿度平均偏差廓线(a)和均方根误差廓线(b) Figure 3 Profiles of AIRS relative humidity profile about mean bias (a) and root mean square error (b) |
|
图 4 AIRS地面气温和实际观测地面气温的散点分布 Figure 4 Scatter plots of the observed and AIRSsurface air temperature |
根据不同边界层高度计算方法的分析结果, 本部分采用Parcel法确定边界层高度。为了得到更为精确的边界层高度, 将AIRS温度廓线数据线性插值, 得到垂直分辨率为50 m的AIRS插值廓线; 夜间稳定边界层高度用地面逆温(Surface-Based Inversion, SBI)高度表示(Boylan et al, 2015), 当逆温高度小于50 m时, 认为夜间逆温层不存在。在6组夜间数据中, 有4组能清晰地体现地面逆温。其中, 2014年7月25日由AIRS反演的温度廓线数据和RAOB数据得到的边界层高度相差50 m。
基于AIRS反演的温度廓线资料得到的13:00-14:00的平均边界层高度为800 m, 利用RAOB数据确定的平均边界层高度为1 174. 64 m, 很明显利用AIRS反演的温度廓线资料确定的边界层高度偏低, 与Botes et al(2012)的结果一致。根据AIRS反演的温度廓线误差结果可知, 边界层高度所在位置正处于误差大值区, 这可能是导致误差的一个原因。为了对比不同探测手段确定的边界层高度的分布情况, 以500 m为单位统计了边界层高度的频率分布(图 5), 用AIRS反演的温度廓线资料确定的边界层高度(AIRS)主要集中在0~1 000 m之间, 占总样本的73%, 其中大于1 500 m的样本只占9%, 远小于利用RAOB确定的边界层高度(RAOB)在该区间的出现频率(36%), 由AIRS反演廓线确定的边界层高度低于观测值。为了进一步检验利用AIRS温度廓线资料确定的边界层高度与RAOB观测资料确定的边界层高度之间的差异, 将12组样本的结果进行了比较(图 6), 并计算了统计参量(表 3)。由表 3可知, 根据AIRS反演的温度廓线资料确定的边界层高度与RAOB资料确定的边界层高度之间的相关系数为0. 74, 平均偏差为-377. 64 m, 归一化平均偏差为-0. 32, 均方根误差为580. 32 m。与不同边界层高度计算方法之间的误差相比, 直接由AIRS反演的地面气温确定的边界层高度误差较大。在之前的讨论中发现AIRS对地面气温的反演能力较弱, 而Parcel法强烈依赖于地面气温。用观测的地面气温替代AIRS反演的地面气温重新确定边界层高度[图 5, 图 6(b)]。从边界层高度频率分布可知, 替换地面气温后的边界层高度(AIRS/NEW)在0~1 000 m之间的分布从远高于观测值变为与观测值一致, 较原结果(AIRS)有明显改善。另外, 从表 3和图 6(b)可以看到, 用观测的地面气温替换AIRS反演的地面气温后确定的边界层高度与RAOB资料确定的边界层高度之间的平均偏差的绝对值从377. 64 m减小到了67. 82 m, 归一化平均偏差的绝对值从32%减小到6%, 均方根误差从580. 32 m减小到292. 98 m, 相关系数从0. 74增加到0. 90, 并且拟合线的斜率也从0. 44增加到了0. 82, 说明地面气温的改进能有效的减小利用AIRS温度廓线确定边界层高度的误差。
|
图 5 边界层高度频率分布 Figure 5 Frequency distribution of PBLH |
|
|
表 3 利用AIRS和探空观测资料确定的边界层高度的统计结果 Table 3 Statistics of PBLH determined by AIRS and RAOB |
|
图 6 AIRS地面气温修正前(a)后(b)边界层高度和探空观测值的散点分布 Figure 6 Scatter plots of PBL height determined using the AIRS surface air temperature correction before (a) and after (b) with RAOB |
综合上述分析可知, 用AIRS数据确定的边界层高度低于观测值, Parcel法确定的AIRS边界层高度的误差则主要来源于地面气温, 对地面气温进行改进后, 误差明显减小, 更加接近观测值。
4 结论与讨论在比较6种边界层高度确定方法的基础上, 利用“黄土高原典型塬区能量和水分过程”加强观测期探空资料分析讨论了AIRS反演的温、湿廓线产品在黄土高原地区的适用性, 并分析了用AIRS反演的温度廓线资料确定边界层高度的可靠性。得到以下结论:
(1) 6种确定边界层高度的方法相关性显著, 多数方法之间的平均偏差不超过200 m, 相关系数在0. 8以上。不同方法确定的边界层高度之间的差异受天气情况的影响, 晴天差异最小, 非晴好天气差异较大。
(2) AIRS温度反演产品在250 hPa以下的精度优于250 hPa以上, 平均偏差不超过1 K, 平均均方根误差在1. 3 K左右; AIRS相对湿度反演产品与探空观测值的平均偏差不超过10%, 250 hPa以上AIRS湿度反演精度能达到10%;大气边界层内AIRS反演的温度和湿度平均偏差多为负值, AIRS反演的大气边界层环境偏冷偏干; 827~706 hPa之间AIRS反演产品的均方根误差相对较大, 会影响边界层高度的确定。
(3) AIRS地面气温产品能较好地反映地面气温的变化, 但平均偏差和均方根误差大, 分别为-1. 68 K和3. 32 K, 会对利用Parcel法确定边界层高度产生影响。
(4) 利用Parcel法结合AIRS反演的温度廓线确定的边界层高度低于利用探空资料确定的值, 但能较好地表现出边界层高度的变化趋势; 当用观测的地面气温替换AIRS地面气温后确定的边界层高度与观测值的一致性明显改善。
由AIRS反演产品确定的边界层高度与利用RAOB资料确定的边界层高度有较好的一致性, 在站点稀疏或是缺乏探空资料的地区可以利用AIRS反演产品来确定边界层高度。由于AIRS是两轨扫描, 且每天只能获取两组数据, 使得本研究所用的样本量受到限制。另外, 用于比较分析的探空数据来自不同的探测设备, 观测时间较短, 观测站点单一, 无法给出不同气象条件以及不同下垫面的对比结果, 也给研究结果带来了一定的不确定性。今后, 随着数据资料的积累, 将会进行更深入的对比和分析, 以增进大气边界层在陆-气相互作用中角色的认识, 为改进天气气候模式提供观测依据。
Aumann H H, Chahine M T, Gautier C, et al. 2003. AIRS/AMSU/HSB on the Aqua mission:design, science objectives, data products, and processing systems[J]. IEEE Trans Geosci Remote Sens, 41(2): 253–264.
DOI:10.1109/TGRS.2002.808356 |
|
Botes D, Mecikalski J R, Jedlovec G J. 2012. Atmospheric Infrared Sounder (AIRS) sounding evaluation and analysis of the pre-convective environment[J]. J Geophys Res Atmos, 117(117): 9205.
DOI:10.1029/2011JD016996 |
|
Boylan P, Wang J, Cohn S A, et al. 2015. Validation of AIRS version 6 temperature profiles and surface-based inversions over Antarctica using Concordiasi dropsondedata[J]. J Geophys Res Atmos, 120(3): 992–1007.
DOI:10.1002/2014JD022551 |
|
Divakarla M G, Barnet C D, Goldberg M D, et al. 2006. Validation of atmospheric infrared sounder temperature and water vapor retrievals with matched radiosonde measurements and forecasts[J]. J Geophys Res Atmos, 111(D9): 9–15.
DOI:10.1029/2005JD006116 |
|
Eresmaa N, Karppinen A, Joffre S M, et al. 2005. Mixing height determination by ceilometer[J]. Atmospheric Chemistry & Physics Discussions, 5(6): 12697–12722.
DOI:10.5194/acpd-5-12697-2005 |
|
Gettelman A, Kinnison D E, Dunkerton T J, et al. 2004. Impact of monsoon circulations on the upper troposphere and lower stratosphere[J]. J Geophys Res Atmos, 109(22): 51–67.
DOI:10.1029/2004JD004878 |
|
Heffter J L, 1980. Transport layer depth calculations[C]//Bull Amer Meteor Soc. 45 Beacon ST, Boston, MA 02108-3693: Amer Meteorological Soc, 61(1): 97-97.
https://woodshole.er.usgs.gov/staffpages/csherwood/sedx_equations/sedxinfo.html |
|
Hennemuth B, Lammert A. 2006. Determination of the atmospheric boundary layer height from radiosonde and lidarbackscatter[J]. Bound-Layer Meteor, 120(1): 181–200.
DOI:10.1007/s10546-005-9035-3 |
|
Holzworth G C, 1964. Estimates of mean maximum mixing depths in the contiguous United States[J]. Mon Wea Rev, 1964, 92(5): 235-242. DOI: 10.1175/1520-0493(1964)092<0235:EOMMMD>2.3.CO;2.
|
|
Holzworth G C. 1967. Mixing depths, wind speeds and air pollution potential for selected locations in the United States[J]. J Appl Meteor, 6(6): 1039–1044.
DOI:10.1175/1520-0450(1967)006<1039:MDWSAA>2.0.CO;2 |
|
Liu S Y, Liang X Z. 2010. Observed diurnal cycle climatology of planetary boundary layer height[J]. J Climate, 23(21): 5790–5809.
DOI:10.1175/2010jcli3552.1 |
|
Martins J P A, Teixeira J, Soares P M M, et al. 2010. Infrared sounding of the trade-wind boundary layer:AIRS and the RICO experiment[J]. Geophys Res Lett, 37(37): 701–719.
DOI:10.1029/2010GL045902 |
|
Mehta S K, Ratnam M V, Sunilkumar S V, et al. 2016. Diurnal variability of the atmospheric boundary layer height over a tropical station in the Indian monsoon region[J]. Atmos Chem Phys, 17(1): 1–29.
DOI:10.5194/acp-17-531-2017 |
|
Rao S T, Hao W, Xiu A, et al. 2001. Evaluating the performance of regional-scale photochemical modeling systems:Part Ⅰ-meteorological predictions[J]. Atmos Environ, 35(24): 4159–4174.
DOI:10.1016/S1352-2310(01)00182-0 |
|
Reale T, Sun B, Tilley F H, et al. 2012. The NOAA products validation system (NPROVS)[J]. J Atmos Ocean Technol, 29(5): 629–645.
DOI:10.1175/JTECH-D-11-00072.1 |
|
Savitzky A, Golay M J E. 1964. Smoothing and differentiation of data by simplified least squares procedures[J]. Analytical Chemistry, 36(8): 1627–1639.
DOI:10.1021/ac60214a047 |
|
Seibert P, Beyrich F, Gryning S E, et al. 2000. Review and intercomparison of operational methods for the determination of the mixing height[J]. Atmos Environ, 34(7): 1001–1027.
DOI:10.1016/S1352-2310(99)00349-0 |
|
Seidel D J, Ao C O, Li K. 2010. Estimating climatological planetary boundary layer heights from radiosonde observations:Comparison of methods and uncertainty analysis[J]. J Geophys Res Atmos, 115(D16): 751–763.
DOI:10.1016/S1352-2310(99)00349-0 |
|
Sivaraman C, McFarlane, S, Chapman E, 2013. Planetary boundary layer (PBL) height value added product (VAP): Radiosonde retrievals[J/OL]. U. S. DOE, Office of Science, Office of Biological and Environmental Research. DOE/SC-ARM/TR-132. http://www.doc88.com/p-9032320085477.html. [2017-08-20]
|
|
Stull R B. 2012. An introduction to boundary layermeteorology[M]. Springer Science & Business Media.
|
|
Yu S, Eder B K, Dennis R, et al. 2006. New unbiased symmetric metrics for evaluation of air qualitymodels[J]. Atmos Sci Lett, 7(1): 26–34.
DOI:10.1002/asl.125 |
|
Wu L. 2009. Comparison of atmospheric infrared sounder temperature and relative humidity profiles with NASA African monsoon multidisciplinary analyses (NAMMA), dropsonde observations[J]. J Geophys Res Atmos, 114(D19): 5577–5594.
DOI:10.1029/2009JD012083 |
|
Zhang W C, Guo J P, Miao Y C, et al. 2016. Planetary boundary layer height from CALIOP compared to radiosonde over China[J]. Atmos Chem Phys, 16(15): 1–31.
DOI:10.5194/acp-16-9951-2016 |
|
Zilitinkevich S, Baklanov A. 2002. Calculation of the height of the stable boundary layer in practical applications[J]. Bound-Layer Meteor, 5(3): 389–409.
DOI:10.1023/A:1020376832738 |
|
陈立, 张杰, 刘振元. 2015. 暴雨发生前AIRS卫星资料适用性检验研究[J]. 气象科学, 35(6): 710–719.
Cheng L, Zhang J, Liu Z Y. 2015. The examination and research for AIRS data applicability before rainstorm[J]. J Meteor Sci, 35(6): 710–719.
DOI:10.3969/2015jms.0053 |
|
高文华, 赵凤生, 盖长松. 2006. 大气红外探测器(AIRS)温、湿度反演产品的有效性检验及在数值模式中的应用研究[J]. 气象学报, 64(3): 271–280.
Gao W H, Zhao F S, Gai C S. 2006. Validation of AIRS retrieval temperature and moisture products and their application in numerical models[J]. Acta Meteor Sinica, 64(3): 271–280.
DOI:10.11676/qxxb2006.026 |
|
李岩瑛, 张强, 张爱萍, 等. 2016. 干旱半干旱区边界层变化特征及其影响因子分析[J]. 高原气象, 35(2): 385–396.
Li Y Y, Zhang Q, Zhang A P, et al. 2016. Analysis on atmosphere boundary layer variation characteristics and their impact factors in arid region and semi-arid region over Northwest China[J]. Plateau Meteor, 35(2): 385–396.
DOI:10.7522/j.issn.1000-0534.2014.00153 |
|
卢爱刚. 2009. 半个世纪以来黄土高原降水的时空变化[J]. 生态环境学报, 18(3): 957–959.
Lu A G. 2009. Spatial and temporal precipitation variation on the Loess Plateau in the past half century[J]. Ecology Environ Sci, 18(3): 957–959.
DOI:10.16258/j.cnki.1674-5906.2009.03.027 |
|
倪成诚, 李国平, 熊效振. 2013. AIRS资料在川藏地区适用性的验证[J]. 山地学报, 31(6): 656–663.
Ni C C, Li G P, Xiong X Z. 2013. Validation of the applicability of AIRS data in Sichuan-Tibet region of China[J]. J Mountain Sci, 31(6): 656–663.
DOI:10.16089/j.cnki.1008-2786.2013.06.013 |
|
万云霞, 张宇, 张瑾文, 等. 2017. 感热变化对东亚地区大气边界层高度的影响[J]. 高原气象, 36(1): 173–182.
Wan Y X, Zhang Y, Zhang J W, et al. 2017. Influence of sensible heat on planetary boundary layer height in East Asia[J]. Plateau Meteor, 36(1): 173–182.
DOI:10.7522/j.issn.1000-0534.2016.00001 |
|
韦志刚, 文军, 吕世华, 等. 2005. 黄土高原陆-气相互作用预试验及其晴天地表能量特征分析[J]. 高原气象, 24(4): 545–555.
Wei Z G, Wen J, Lü S H, et al. 2005. A primary field experiment of land-atmosphere interaction over the Loess Plateau and its ground surface energy in clear day[J]. Plateau Meteor, 24(4): 545–555.
|
|
占瑞芬, 李建平. 2008. 青藏高原地区大气红外探测器(AIRS)资料质量检验及揭示的上对流层水汽特征[J]. 大气科学, 32(2): 242–260.
Zhan R F, Li J P. 2008. Validation and characteristics of upper tropospheric water vapor over the Tibetan Plateau from AIRS satellite retrieval[J]. Chinese J Atmos Sci, 32(2): 242–260.
DOI:10.3878/j.issn.1006-9895.2008.02.05 |
|
张强, 王胜. 2008. 关于黄土高原陆面过程及其观测试验研究[J]. 地球科学进展, 23(2): 167–173.
Zhang Q, Wang S. 2008. On land surface processes and its experimental study in Chinese Loess Plateau[J]. Adv Earth Sci, 23(2): 167–173.
DOI:10.11867/j.issn.1001-8166.2008.02.0167 |
|
张强, 张杰, 乔娟, 等. 2011. 我国干旱区深厚大气边界层与陆面热力过程的关系研究[J]. 中国科学:地球科学, 41(9): 1365–1374.
Zhang Q, Zhang J, Qiao J, et al. 2011. Relationship of atmospheric boundary layer depth with thermodynamic processes at the land surface in arid regions of China[J]. Sci China Earth Sci, 41(9): 1365–1374.
DOI:10.1007/s11430-011-4207-0 |
|
赵采玲, 吕世华, 韩博, 等. 2016. 夏季巴丹吉林沙漠残余层与深厚对流边界层的关系研究[J]. 高原气象, 35(4): 1004–1014.
Zhao C L, Lü S H, Han B, et al. 2016. Relationship between the convective boundary layer and residual layer over BadainJaran desert in summer[J]. Plateau Meteor, 35(4): 1004–1014.
DOI:10.7522/j.issn.1000-0534.2015.00080 |
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. Pingliang Land Surface Process & Severe Weather Research Station, Chinese Academy of Sciences, Pingliang 744015, Gansu, China;
4. PingliangMeteorological Bureau, Pingliang 744000, Gansu, China