2018, Vol. 37
2. 中国科学院大气物理研究所/大气科学和地球流体力学数值模拟国家重点实验室, 北京 100029
青藏高原有“世界屋脊”和“地球第三极”之称, 约占中国陆地面积的四分之一, 平均海拔4 500 m, 作为世界上海拔最高、地形最复杂的高原, 其热力、动力作用及地气间相互作用过程对中国、东亚地区乃至全球气候和灾害性天气的形成均有重要影响(叶笃正等, 1974, 1979; Kuo et al, 1981; 章基嘉等, 1988; 钱永甫, 1993; 季国良等, 2001, 2002; 王澄海等, 2003; 吴国雄等, 2003)。藏东南地区是青藏高原与周边地区大气水热交换的关键区域, 在青藏高原水热平衡中占有重要地位(徐祥德等, 2002)。研究表明影响我国的主要天气系统多源于藏东南区域、或经藏东南地区移出、或在藏东南地区得到发展和加强, 因此加强对藏东南边界层物理过程的研究非常有意义(叶笃正等, 1979)。该地区地形复杂, 包括高山(海拔7 000 m以上)、深壑(海拔3 000 m以下), 地表状态多样, 包括河滩、草甸、森林、冰雪等。该地区非均匀下垫面上的地气交换过程具有很强的复杂性, 这一复杂的地气交换对正确认识青藏高原大气过程、准确预报预测天气气候过程带来极大的困难。
藏东南地区特殊复杂的地形、地貌及分布, 长期困扰数值模式在该地区的应用与发展。数值模式是现代主要的天气气候预测预报工具, 但是用于中尺度区域数值模式的青藏高原陆面过程和边界层参数化方案是区域模式技术最薄弱的环节之一。由于国内使用的各类模式大多引用和移植国外由平原地区推导的陆面过程模式, 其物理过程及参数在高原的合理性需要真实的观测数据的检验。另外, 数值模式的参数化过程中经常引入的参数主要根据观测资料统计或半经验理论确定, 这些参数化理论是否适用于藏东南地区, 则需要真实的观测数据来进行验证。不同近地层参数化方案中的动量通量和热量通量的普适函数表达式不同, Businger et al(1971)、Dyer(1974)和Holtslag et al(1988)提出的普适函数表达式很多都是基于某一地区的观测资料得到的, 所以具体某一种参数化方案是否适用于藏东南地区需要进一步验证。
已有的研究表明WRF(Weather Research and Forecasting Model)模式对大气边界层具有较好的模拟能力(Beljaars et al, 1991; 石春娥等, 2015)。缪国军等(2007)利用中尺度模式WRF对河谷城市兰州冬季大气边界层的风场和温度场进行了数值模拟研究, 模拟结果与观测事实基本一致, 表明WRF模式具有良好的稳定性能。文小航等(2010)研究表明, WRF模式能较好地模拟出非均匀下垫面上绿洲和戈壁的近地面温度、风场、净辐射、感热和潜热等要素的变化特征及日变化规律, 较为完整地呈现出绿洲“冷岛效应”, 模拟的近地面风向和观测值吻合较好。王颖等(2010)验证了WRF模式不同的参数化方案对兰州冬季边界层温度场和风场的模拟能力, 结果表明不同的边界层参数化方案都能较好的模拟出兰州地区冬季典型风场特征。藏东南是青藏高原上地形最复杂的区域, 数值模式在青藏高原上存在的问题, 在藏东南地区表现的最为突出。因此, 验证WRF模式中常用的地气相互作用过程参数化方案在藏东南地区不同下垫面的适用性就显得尤为重要。王寅钧(2011)曾将2008年全年温江、大理、林芝和理塘4站的边界层铁塔数据和WRF模式模拟结果进行对比, 分析了WRF模式模拟的各辐射量、感热和潜热等相关变量和边界层观测数据的差异。王寅钧等(2013)将WRF模式中常用的两种近地层参数化方案(MM5相似理论非迭代方案和ETA相似理论迭代方案)使用大理边界层铁塔资料进行了离线测试。但这些工作还远远不够, 所得到的结果仍然需进一步验证。
在公益性行业(气象)科研专项的支持下, 中国科学院大气物理研究所和中国气象局成都高原气象研究所于2013年5-7月赴林芝的雅鲁藏布江河谷地区进行了为期近2个月的野外观测试验, 取得了较完整的湍流观测数据和地表辐射数据, 观测时间正好是南亚夏季风爆发前后, 该项目研究的重点是藏东南地区复杂下垫面地气交换特征, 旨在为数值模式中复杂下垫面地气交换参数化方案的改进提供参考。Zhou et al(2015)利用此次野外观测数据分析了南亚季风对藏东南地区局地大气环流和近地层湍流交换的影响。王鸽等(2014)利用此次野外观测数据分析了藏东南地区复杂下垫面能量收支的特征。李娟等(2016)也利用该套资料分析了近地层地气能量交换的逐日变化和日循环特征。上述研究都只是观测资料的分析。李斐等(2017)采用WRF模式对藏东南复杂下垫面的边界层高度和边界层垂直廓线进行了模拟, 并与此次观测数据进行了对比分析。但是对于此次观测数据, 却缺少对湍流通量和近地层辐射收支进行模拟。因此, 在上述工作的基础上, 利用2013年5月21日至7月9日的藏东南地区草地下垫面(图 1)的边界层观测数据, 分别从典型晴天个例分析和长时间平均的角度, 分析WRF模式对藏东南地区草地下垫面的感热、潜热、地表土壤热通量和地表辐射平衡各分量日变化的模拟能力, 找出与观测数据的差异, 并分析产生误差的可能原因, 为将来改进WRF模式的近地层参数化方案提供重要的理论依据。
|
图 1 藏东南地区实际观测中的草地下垫面 Figure 1 The grassland underlying surface in observation field in the Southeast Tibet |
藏东南雅鲁藏布江河谷地区复杂下垫面地气交换观测试验由中国科学院大气物理研究所和中国气象局成都高原气象研究所实施。本次试验时间选为南亚夏季风爆发前后, 具体有效观测时间为2013年5月21日至7月9日, 共计50天。在林芝的雅鲁藏布江河谷地区, 下垫面类型丰富, 因此试验设立了草地下垫面、农田下垫面、阳坡森林下垫面、阴坡森林下垫面、河滩下垫面以及林芝机场(草地下垫面)6个观测点, 同步观测不同下垫面的地气交换。
由于草地观测站(非机场站)的观测数据缺测较少, 在综合观测场中草地下垫面分布也较多, 且模式下垫面数据中草地所占面积也较大(图 2), 因此本文选择草地下垫面作为研究对象。草地下垫面(非机场站): (94. 69°E, 29. 45°N), 海拔2 973 m, 下垫面为草地, 附近有稀疏灌丛, 草高度约0. 1 m, 灌丛高度约0. 9 m(图 1)。主要观测仪器有自动气象站、大气涡度相关观测设备和大气辐射观测设备, 主要观测数据有常规气象要素, 近地面的大气水热和二氧化碳通量交换数据, 近地面大气辐射, 地表至50 cm深度内6层的土壤温湿度和2层的热通量。自动站观测资料和辐射观测资料的时间分辨率为10 min, 湍流观测数据采样频率为10 Hz, 湍流通量分析时取30 min间隔计算出来的统计量, 辐射通量处理为30 min平均值。
|
图 2 WRF模式的3 km分辨率下垫面类型 Figure 2 The underlying surface type(landuse) in WRFmodel with the resolution of 3 km |
涡度相关系统EC由三维超声风速温度仪(GILL WINDMASTER PRO)和水汽二氧化碳分析仪(LI-COR LI-7500A)组成, 测量三维的脉动风速、超声虚温、水汽和二氧化碳的浓度, 采用CAMPBELL CR3000数据采集器进行采样。
自动气象站(VAISALA MAWS201)观测的要素主要为气温、气压、相对湿度、水平风向风速、太阳总辐射、地表土壤温度、雨量、气温、气压和相对湿度。
辐射平衡观测设备为HUKSEFLUX NR01四分量净辐射传感器。土壤通量观测系统设备:土壤温度传感器为CAMPBELL 109L, 土壤含水量传感器为CAMPBELL CS616-L, 土壤热通量传感器为HUKSEFLUX HFP01。
3 模式简介和试验设计选用的模式为美国国家环境预报中心NCEP和美国国家大气研究中心NCAR联合研发的新一代中尺度天气预报系统WRF。本研究中使用2013年9月对外发布的3. 5. 1版本(Version 3. 5. 1)。共设计了2个试验:个例模拟, 选择2013年6月10日, 为典型晴天, 云量较少; 长时间模拟, 模拟时间段与观测数据保持一致, 为2013年5月21日至7月9日。
模式的物理参数化方案的设置:边界层方案为YSU(Yonsei University scheme)方案, 陆面方案为Noah方案, 近地层方案为Monin-Obukhov方案, 微物理过程方案为WSM3类(WRF single-moment 3-class scheme)简单冰方案, 长波辐射方案为RRTM(Rapid Radiative Transfer Model)方案, 短波辐射方案为Dudhia方案, 积云参数化方案为浅对流Kain-Fritsch(new Eta)方案。
试验中模拟采用双重嵌套, 模拟中心点选择为草地观测站所在的位置(94. 69°E, 29. 45°N), 第一重格距为15 km, 网格数为75×75, 第二重格距为3 km, 网格数为71×71, 单向嵌套, 垂直层为30层。模式结果每30 min输出一次, 积分步长为60 s。所用时间均为北京时。
研究思路为同种类型下垫面的模式模拟变量与观测数据相比较。草地站的野外观测数据质量较好, 并且草地在模式下垫面类型分布中所占面积较大(图 2), 因此选择草地下垫面进行研究。模式中使用的是USGS 24种土地利用类型, 数字7代表草地下垫面, 草地下垫面在模式下垫面类型中所在比例较大(图 2)。在模式结果中, 选择野外观测场的草地站所在位置(94. 69°E, 29. 45°N)的网格点进行分析, 该观测点的位置恰好在模式中的下垫面类型就是草地, 分析该格点的感热、潜热、地表土壤热通量、辐射平衡分量的日变化, 并与草地站的涡动观测数据相比较, 分析模式对草地下垫面地气交换过程的模拟与观测资料的差异。
4 典型晴天少云个例模拟选取2013年6月10日为典型晴天少云个例进行数值模拟, 当天无降水, 总云量覆盖为15%。利用WRF模式对该天的地气交换过程进行了数值模拟, 对比分析模式对典型晴天天气下草地下垫面的感热通量、潜热通量、地表土壤热通量和地表辐射平衡各分量的模拟结果与观测资料的差异, 并分析产生误差的可能原因。
4.1 模式对感热通量和潜热通量的个例模拟与观测资料的对比由WRF模式对2013年6月10日的草地下垫面感热通量和潜热通量的模拟结果与草地站观测数据的对比(图 3)可知, 模式模拟的感热通量的日变化与观测资料具有很好的一致性, 模拟值与观测值几乎相当, 说明了WRF模式很好的再现了该典型晴天天气条件下的感热通量的日变化特征。模拟的感热通量在峰值出现前后比观测值偏大, 模拟值在其他大部分时间比观测值略微偏小。模拟的日最大值出现在14:00, 观测数据的日最大值出现在12:00, 模拟的最大值为172. 8 W·m-2, 观测的最大值为145. 3 W·m-2, 模拟比观测偏大27. 5 W·m-2, 占观测峰值的18. 9%[图 3(a)]。周强等(2013)研究表明, 非局地闭合的YSU方案模拟的感热通量偏大, 这与本文的结果较为一致。
|
图 3 2013年6月10日草地下垫面感热通量(a)和潜热通量(b)的模拟结果与观测数据的对比 Figure 3 Comparisons of diurnal variations for the WRF simulations and observations of sensible heat flux (a) and latent heat flux (b) over the grassland on 10 June 2013 |
模式同样较好的模拟出了潜热通量的日变化趋势, 潜热通量在白天(08:00-19:30)的模拟值比观测值明显偏大, 在夜间(00:00-08:00, 20:00-24:00)模拟的较好, 基本与观测资料相吻合。模式的峰值出现在14:00左右, 而观测数据表现为多峰值结构, 最大值出现在11:00。模式峰值与观测资料偏差较大, 模拟的峰值为417. 5 W·m-2, 观测的峰值为284. 4 W·m-2, 模拟峰值比观测偏大133. 1 W·m-2[图 3(b)]。
总的来说, 模式对感热通量和潜热通量的日变化具有较好的模拟能力, 对感热的模拟效果比潜热要好, 感热的模拟值与观测值很接近, 仅在10:30-16:00比观测值略偏大, 而潜热在白天(08:00-19:30)的模拟值比观测值明显偏大。Cheng et al(2005)研究表明WRF模式对近地层10 m风速的模拟值偏大, 且这种偏大并没有随着模式的发展而改进。王颖等(2010)利用WRF模式对兰州市冬季地面风和温度日变化进行了模拟, 结果发现YSU、MYJ和ACM2三种边界层方案模拟的地面风速都有不同程度的偏大现象, 这与本文的模拟结果基本一致。2013年6月10日的日平均10 m风速模拟值为2. 8 m·s-1, 观测值为2. 3 m·s-1, 模拟值比观测值偏大0. 5 m·s-1, 占观测数据的21. 7%。模拟的10 m风速偏大应该是边界层地面气象要素模拟中的一个较明显的问题, 风速的精度直接影响了感热和潜热的精度, 模拟值的10 m风速明显偏大, 这是导致感热和潜热模拟值偏大的原因之一。
除此之外, YSU方案在边界层中使用增强的垂直扩散通量算法(Hong et al, 2006), 因此感热模拟值偏大还跟YSU方案中较强的湍流交换和边界层顶夹卷作用有关(周强等, 2013)。潜热通量的模拟值偏大还可能与模式对土壤湿度的高估有关(王腾蛟等, 2013), 这就说明, 模式中可用于蒸发的土壤含水量多于观测站实际情况, 因此导致潜热通量被高估。此外, 从能量平衡的角度来看, 模式中不存在地面能量不闭合的现象, 导致感热和潜热偏大, 且从模拟结果来看, 偏大的部分主要“转移”在潜热上。
4.2 模式对辐射平衡各分量的个例模拟与观测资料的对比模式对向下短波辐射的日变化模拟的非常好, 基本和观测数据一致。模拟值只在峰值及其出现前后比观测数据略微偏大, 而在其他时间基本与观测值重合。模拟的向下短波辐射的日峰值和观测值均出现在14:00, 模拟的峰值为1 141. 8 W·m-2, 观测峰值为1 114. 0 W·m-2, 模拟值比观测值偏大27. 8 W·m-2, 仅占观测峰值的2. 5%[图 4(a)]。一般来说, 对太阳总辐射模拟结果影响较大的因子主要是云量, 该天为晴天且云量较少, 所以模拟结果的偏差也不会太大。
|
图 4 2013年6月10日草地下垫面地表辐射平衡各分量的模拟结果与观测数据的对比 Figure 4 Comparisons of diurnal variations for the WRF simulations and observations of the components of surface radiation balance over the grassland on 10 June 2013 |
模拟的向上短波辐射的日变化趋势与观测数据较为一致, 在夜间均为0 W·m-2, 模拟值在白天(07:30-18:00)大于观测值, 模拟和观测的峰值均出现在14:00左右, 模拟的极大值为253. 9 W·m-2, 观测值为196. 3 W·m-2, 模式极大值比观测值偏大57. 6 W·m-2, 占观测极大值的29. 3%[图 4(b)]。
模式也基本模拟出了向下长波辐射的日变化趋势。向下长波辐射在全天的模拟值均小于观测值, 模拟和观测的最小值均出现在08:00左右, 模拟的极小值为208. 0 W·m-2, 观测极小值为277. 2 W·m-2, 模拟极小值比观测极小值偏小69. 2 W·m-2[图 4(c)]。王寅钧(2011)研究表明, 大气逆辐射的大小与云量以及大气中的含水量有密切的关系, 所以WRF模式对大气逆辐射的模拟值偏小极有可能是对云量和水汽的模拟值偏小所导致的。
向上长波辐射在全天的模拟值均小于观测值, 模拟的日峰值出现在14:30, 观测的出现在15:00左右, 模拟的日峰值为451. 2 W·m-2, 观测为520. 3 W·m-2, 模拟日峰值比观测值偏小69. 1 W·m-2[图 4(d)]。地面向上长波辐射主要受地面温度决定, 大小与地面温度的4次方成正比。模拟的该天的日平均地表温度是12. 3 ℃, 而观测的是20. 9 ℃, 模拟值偏小41. 1%, 因此模式对地面温度的模拟偏小是造成向上长波辐射偏小的主要原因。
模式很好的模拟出了净辐射的日变化特征, 模拟值和观测值吻合较好, 峰值出现的时间也一致, 均出现在14:00左右, 大小也基本相同, 模式极大值为684. 7 W·m-2, 观测值为684. 2 W·m-2。净辐射的模拟值和观测值在00:00-07:00和20:00-24:00这段时间均为负值, 平均值约为-85 W·m-2, 在白天(08:00-19:30)均为正值[图 4(e)]。
模式对地表土壤热通量的模拟相对于向下短波辐射和净辐射来说稍微差点, 模拟值在大部分时间较观测值偏小。模拟的地表土壤热通量的极大值出现在12:30, 观测的最大值出现在13:00, 模拟的极大值小于观测的, 模式的极大值为101. 5 W·m-2左右, 观测的为140. 2 W·m-2左右[图 4(f)]。
总的来说, 对于2013年6月10日晴天少云的个例模拟, 在草地下垫面, 模式较好的模拟出了感热通量和潜热通量的日变化趋势, 模式对感热的模拟效果比潜热要好。感热的模拟值在10:30-16:00比观测值略偏大, 模拟的峰值大于观测的。潜热在白天(08:00-19:30)的模拟值明显大于观测值, 在夜间模拟的较好, 基本与观测资料相吻合。模式对向下短波辐射和净辐射的日变化模拟的非常好, 基本与观测资料一致, 峰值的大小以及峰值出现的时间都基本吻合。可能因为选取的该天为晴天少云, 因此减少了模式中云对辐射影响的偏差。模式同样较好的模拟出了向上短波辐射的日变化特征, 在夜间模拟值与观测值均为0 W·m-2, 在白天(07:30-18:00)模拟值大于观测值。模式基本模拟出了向下长波辐射、向上长波辐射和地表土壤热通量的日变化趋势。向下长波辐射和向上长波辐射的模拟值在全天均小于观测值。模式模拟的地表热通量在大部分时间较观测值偏小。
5 观测时段50天长时间模拟利用WRF模式对2013年5月21日至7月9日藏东南地区草地下垫面的地气交换过程进行了为期50天的长时间模拟, 该时间为野外综合观测时间段。本试验将从多天平均日变化的角度, 对比分析模式对草地下垫面的感热通量、潜热通量、地表土壤热通量和地表辐射平衡各分量50天的平均日变化的模拟与观测数据的异同点, 并分析误差产生的可能原因。
5.1 模式对感热通量和潜热通量的长时间模拟与观测资料的对比模拟的感热通量的平均日变化与涡动观测数据较为一致。在00:00-08:00和20:00-24:00, 感热通量模拟值与观测数据基本吻合, 模拟效果非常好, 在白天(09:00-20:00), 模拟的感热值偏大, 并且越接近峰值偏差越大。模拟的峰值出现在14:00左右, 观测的出现在15:00左右, 模拟峰值为209. 1 W·m-2, 观测的为119. 7 W·m-2, 模拟峰值比观测高出89. 4 W·m-2, 占观测峰值的74. 7%[图 5(a)]。
模式也较好的模拟出了潜热通量的平均日变化趋势。在00:00-08:00和20:00-24:00, 潜热通量模拟值与涡动观测值基本一致, 可知模式对潜热通量在夜间具有很好的模拟能力。在白天(09:00-20:00), 模拟的潜热通量明显大于观测值。模拟的平均日峰值出现在14:30, 观测值出现在13:30, 模拟的峰值约为340. 7 W·m-2, 观测值约为163. 5 W·m-2, 模拟峰值是观测的2倍多[图 5(b)]。
长时间模拟与典型晴天个例的模拟结果大体上一致, 都是在白天感热和潜热的模拟值大于观测值, 夜间模拟的较好。由于长时间模拟中包括阴天和雨天, 模式中云和降水的微物理过程比较复杂, 导致模式的长时间模拟效果比典型晴天要差很多。模拟50天的日平均10 m风速为1. 8 m·s-1, 观测值为1. 6 m·s-1, 10 m风速的模拟值偏大, 这是导致感热和潜热模拟值偏大的原因之一。模式对感热通量的高估可能还与YSU方案的垂直交换强度大以及边界层上部夹卷作用影响有关, 潜热通量的高估可能还与土壤湿度的模拟值偏大有关。另外, 模式中不存在地面能量不闭合的现象, 也将导致感热和潜热偏大。这与上述典型晴天少云个例的误差原因相同。
|
图 5 长时间模拟的50天草地下垫面的感热通量(a)和潜热通量(b)的平均日变化与观测数据的对比 Figure 5 Comparisons of average diurnal variations for the WRF long-time simulations and observations of sensible heat flux (a) and latent heat flux (b) over the grassland for a total of 50 days |
模式较好的模拟出了向下短波辐射的平均日变化趋势。在00:00-07:00和21:00-24:00, 模式值与观测值均为0 W·m-2, 表示无向下短波辐射, 在白天(07:30-20:30), 模拟值明显大于观测值, 两者最大值均出现在14:00, 模式最大值为1 046. 9 W·m-2, 观测最大值为717. 5 W·m-2, 模式极大值比观测高出329. 4 W·m-2[图 6(a)]。这与王寅钧(2011)的研究结果相一致, WRF模式模拟出的温江地区的太阳总辐射值偏大。对于某一特定地区, 在特定的季节, 对模拟结果影响较大的因子主要为云量以及云的种类。王寅钧(2011)的研究还指出WRF模式对云量的模拟值可能偏小, 因此模式中云对辐射的衰减作用会明显偏小, 导致太阳总辐射的模拟值偏大。2013年5月21日至7月9日这段时间正好是林芝地区的雨季, 云量覆盖较大, 说明模式低估了该地区的云量覆盖, 导致太阳总辐射的模拟结果明显偏大。
模式对向上短波辐射的平均日变化趋势的模拟与观测数据也较为一致。在00:00-07:00和21:00-24:00, 模拟值与观测值均为0 W·m-2, 表示无向上短波辐射, 在白天(07:30-20:30), 模拟值大于观测数据, 两者的极大值均出现在14:00, 模式的极大值为223. 9 W·m-2, 而观测数据为124. 5 W·m-2, 模式比观测极大值高出99. 4 W·m-2[图 6(b)]。对比图 6(a)可知, 向上短波辐射与太阳总辐射的日变化趋势非常一致, 原因在于地表反射辐射只与入射的太阳总辐射和地表反照率的变化有关, 在地表状况变化不大的观测时段内, 向上短波辐射与向下短波辐射能够保持一致性。由此推断, 在白天, 太阳总辐射的模拟值偏大, 直接导致了向上短波辐射的模拟值偏大。
模式基本模拟出了向下长波辐射的平均日变化趋势, 模拟值在整个日循环过程中与观测相比明显偏小, 模拟值的日平均值为316. 2 W·m-2, 观测值为350. 9 W·m-2[图 6(c)]。向下长波辐射是大气向地面发射的能量, 它与据地面1 km左右底层大气温度密切相关, 而该层大气的温度取决于云量和水汽等, 因此模拟值偏小, 可能是由于模式对云量和水汽的模拟值比观测值偏小造成的。王寅钧(2011)研究表明, WRF模式对大气逆辐射的模拟偏小极有可能是云量和水汽的模拟值偏小所导致的。
向上长波辐射的平均日变化的模拟值与观测值较为接近, 模拟值在整个日循环过程中略小于观测值。模拟值和观测值的最大值均出现在14:30左右, 模拟最大值为480. 3 W·m-2, 观测值为496. 5 W·m-2, 模拟最大值比观测值仅偏小16. 2 W·m-2[图 6(d)]。地面向上长波辐射主要受地面温度决定, 因此向上长波辐射的模拟效果主要取决于地面温度的模拟效果。模拟的50天的平均地面温度为17. 9 ℃, 观测值为21. 2 ℃, 模拟值比观测值偏小15. 6%, 因此地面温度的模拟值偏小是造成向上长波辐射模拟值偏小的主要原因。
|
图 6 长时间模拟的50天草地下垫面的地表辐射平衡各分量的平均日变化与观测数据的对比 Figure 6 Comparisons of average diurnal variations for the WRF long-time simulations and observations of the components of surface radiation balance over the grassland for a total of 50 days |
模式同样较好的模拟出了净辐射的平均日变化趋势, 同样是在夜间的模拟效果比白天的好。在00:00-07:00和21:00-24:00, 模拟值与观测值均为负值, 模式值略小于观测值, 在白天(08:00-20:00), 模拟值高于观测值, 模拟和观测的最大值均出现在14:00左右, 模拟最大值为659. 2 W·m-2, 观测值为458. 7 W·m-2, 模拟最大值比观测高出200. 5 W·m-2[图 6(e)]。所有辐射分量平衡的结果即净辐射Rn, 它用于衡量地表面最终通过辐射获得能量的大小。净辐射与向下短波辐射和向上短波辐射有一致的日变化趋势, 表明向下短波辐射是净辐射变化的主导因素, 因此模式对向下短波辐射的模拟值偏大是导致净辐射模拟值偏大的主要原因。此外, 从能量平衡的角度来看, 感热、潜热和地表土壤热通量的模拟值偏大也是导致净辐射偏大的原因。
对于地表土壤热通量, 模拟值与观测值也具有一致的日变化特征。在00:00-07:30和19:00-24:00, 地表土壤热通量的模拟值小于观测值, 在白天(08:00-17:00), 模拟值大于观测值。在早上和晚上, 模拟值和观测值均为负值, 模拟的平均值为-44 W·m-2左右, 观测的平均值为-23 W·m-2左右。在白天(08:00-18:00), 模拟值和观测值均为正值。模拟的峰值出现在13:00, 数值约为119. 6 W·m-2, 观测的峰值出现在13:30, 数值约为87. 6 W·m-2, 模拟峰值比观测值高出32 W·m-2[图 6(f)]。地表土壤热通量与太阳总辐射的平均日变化基本一致, 模式对太阳总辐射的模拟值偏大, 导致地面吸收的辐射增多, 地面温度升高, 能量向下传导加强, 因此导致土壤热通量偏大, 这与王寅钧(2011)的研究结果一致。
总的来说, 对于2013年5月21日至7月9日的长时间模拟, 在草地下垫面, 模式对感热通量和潜热通量50天的平均日变化的模拟与观测的变化趋势较一致。感热和潜热都是在00:00-08:00和20:00-24:00模拟的非常好, 而在白天(09:00-20:00), 模拟的感热和潜热均大于观测值。模式同样较好的模拟出了向下短波辐射、向上短波辐射和净辐射50天的平均日变化, 在夜间的模拟基本与观测数据吻合, 在白天, 模拟值均高于观测值。模式基本模拟出了向下长波辐射的平均日变化趋势, 模拟值在整个日循环过程中小于观测值。模拟的向上长波辐射的平均日变化与观测较为接近, 模拟值在全天略小于观测值。对于地表土壤热通量, 模式模拟值在早上和晚上低于观测值, 在白天(08:00-17:00)高于观测值。
6 结论与讨论利用中尺度模式WRF对藏东南地区草地下垫面的地气通量交换的日变化进行了模拟, 首先选取2013年6月10日作为典型晴天进行了个例模拟, 再对综合观测时间段2013年5月21日到7月9日进行了为期50天的长时间模拟, 分别从典型晴天和长时间平均的角度, 对比分析模式对草地下垫面的感热通量、潜热通量、地表土壤热通量、地表辐射平衡各分量的模拟结果与边界层观测数据的异同点, 并分析了产生误差的可能原因。得到以下主要结论:
(1) 典型晴天个例模拟结果表明, 模式能较好的模拟出该天草地下垫面的感热和潜热的日变化特征, 感热的模拟效果比潜热好, 感热模拟值与观测值几乎相当, 模拟值仅在白天峰值出现前后比观测值略微偏大, 潜热在夜间的模拟值与观测接近, 潜热模拟值在白天比观测值明显偏大。WRF模式对10 m风速的模拟偏大是造成感热和潜热偏大的重要原因。另外, 感热模拟值偏大还跟YSU方案中较强的湍流交换和边界层顶夹卷作用有关, 潜热模拟值偏大还与模式对土壤湿度的高估有关。
(2) 模式对典型晴天的向下短波辐射和净辐射的日变化模拟的非常好, 基本与观测资料一致, 峰值的大小以及峰值出现的时间都基本吻合, 这可能是由于选取的该天为晴天少云, 因此减少了模式中云对辐射影响作用的偏差。向上短波辐射的模拟值在白天大于观测值, 向下长波辐射和向上长波辐射的模拟值在全天均小于观测值, 模拟的地表土壤热通量在大部分时间较观测值偏小。
(3) 长时间模拟结果表明, 模式能较好的模拟出草地下垫面的感热和潜热的多天平均日变化趋势。长时间模拟与典型晴天个例的模拟结果大体上一致, 在白天时, 感热和潜热的模拟值均大于观测值, 在夜间, 模拟与观测基本吻合。感热和潜热模拟值偏大的原因与个例模拟的原因相同。
(4) 模式同样能较好的模拟出向下短波辐射、向上短波辐射和净辐射的长时间平均日变化趋势, 模拟值在夜间与观测数据吻合较好, 在白天, 模拟值均明显偏大。太阳总辐射的模拟值偏大, 可能是由于模式低估了该地区的云量覆盖。而太阳总辐射的模拟值偏大, 直接导致了向上短波辐射和净辐射的模拟值偏大。模式对向下长波辐射的模拟效果较差, 模拟值在日变化的整个过程中较观测值偏小明显, 这可能是由于模式对云量和水汽的模拟值比观测值偏小造成的。向上长波辐射的模拟值与观测值较接近, 模拟值在全天略小于观测值, 向上长波辐射的模拟值偏小与模式对地面温度的低估有关。地表土壤热通量的模拟值在早上和晚上低于观测值, 在白天高于观测值。
本研究虽然初步揭示了WRF模式对藏东南地区草地下垫面地气通量交换日变化的模拟效果, 但得到的结果还需要进一步的工作验证。同时, 本工作也存在以下一些问题是需要进一步的深入研究:
(1) 由于长时间模拟中包括阴天和雨天, 模式中云和降水的微物理过程比较复杂, 导致模式的长时间模拟效果具有较大的差异性, 而典型晴天模拟结果日变化特征更加明显, 也更具有一致性。因此, 今后的研究中可以增加更多的样本, 对不用天气背景下的情况做进一步的分析。
(2) 应该对多种云微物理参数化方案和积云对流参数化方案开展高原地区的适应性研究, 以选取更加适合藏东南地区的参数化方案, 缩小大气湿度、温度的模拟误差, 从而达到缩小模拟误差的目的。
(3) 由于本文使用的是USGS给出的24种土地利用类型, 地表类型与实际地表类型和植被覆盖存在一些差异, 这对模拟可能造成较大影响。今后将考虑用更高分辨率的MODIS卫星资料输入模式初始场, 从而改进模拟精度。
(4) 从模拟结果来看, 10 m风速的模拟值偏大, 很可能是造成感热和潜热偏大的原因, 这就需要改进更加适合于藏东南地区雨季的边界层参数化方案。感热的模拟值偏大还与YSU方案中较强的湍流交换和边界层顶夹券作用有关, 潜热的模拟值偏大则可能还与模式对土壤湿度的高估有关。
另外, 模式中并不存在能量不闭合的情况, 与真实情况不符, 这也造成了感热和潜热的偏大, 导致能量不平衡的原因很多, 比较复杂, 这些都是需要进一步研究的问题。
致谢 在此对中国科学院大气物理研究所和中国气象局成都高原气象研究所参加藏东南野外观测试验的研究人员所付出的辛勤劳动表示诚挚的感谢。
Beljaars A C M, Holtslag A A M. 1991. Flux parameterization over land surfaces for atmospheric models[J]. J Appl Meteor, 30: 327–341.
DOI:10.1175/1520-0450(1991)030<0327:FPOLSF>2.0.CO;2 |
|
Businger J A, Wyngaard J C, Izumi Y, et al. 1971. Flux-profile relationships in the atmospheric surface layer[J]. J Atmos Sci, 28(2): 181–189.
DOI:10.1175/1520-0469(1971)028<0181:FPRITA>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 |
|
Dyer A J. 1974. A review of flux-profile relationships[J]. Bound Layer Meteor, 7(3): 363–372.
|
|
Holtslag A A M, De Bruin H A R. 1988. Applied modeling of the nighttime surface energy balance over land[J]. J Appl Meteor, 27(6): 689–704.
DOI:10.1175/1520-0450(1988)027<0689:AMOTNS>2.0.CO;2 |
|
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:10.117/MWR3199.1 |
|
Kuo H L, Qian Y F. 1981. Influence of the Tibetan Plateau on cumulative and diurnal changes of weather and climate in summer[J]. Mon Wea Rev, 109: 2337–2356.
DOI:10.1175/1520-0493(1981)109<2337:IOTTPO>2.0.CO;2 |
|
Zhou L, Zou H, Ma S, et al. 2015. The observed impacts of South Asian summer monsoon on 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 |
|
季国良, 时兴和, 高务祥. 2001. 藏北高原地面加热场的变化及其对气候的影响[J]. 高原气象, 20(3): 239–244.
Ji G L, Shi X H, Gao W X. 2001. The variation of surface heating field over northern Qinghai-Tibet Plateau and its effect on climate[J]. Plateau Meteor, 20(3): 239–244.
|
|
季国良, 顾本文, 吕兰芝. 2002. 青藏高原北部的大气加热场特征[J]. 高原气象, 21(3): 238–242.
Ji G L, Gu B W, Lü L Z. 2002. Characteristics of atmospheric heating field over northern Qinghai-Xizang Plateau[J]. Plateau Meteor, 21(3): 238–242.
|
|
李娟, 李跃清, 蒋兴文, 等. 2016. 青藏高原东南部复杂地形区不同天气状况下陆气能量交换特征分析[J]. 大气科学, 40(4): 777–791.
Li J, Li Y Q, Jiang X W, et al. 2016. Characteristics of land-atmosphere energy exchanges over complex terrain area of southeastern Tibetan Plateau under different synoptic conditions[J]. Chinese J Atmos Sci, 40(4): 777–791.
|
|
李斐, 邹捍, 周立波, 等. 2017. WRF模式中边界层参数化方案在藏东南复杂下垫面适用性研究[J]. 高原气象, 36(2): 340–357.
Li F, Zou H, Zhou L B, et al. 2017. Study of boundary layer parameterization schemes' applicability of WRF model over complex underlying surfaces in Southeast Tibet[J]. Plateau Meteor, 36(2): 340–357.
DOI:10.7522/j.issn.1000-0534.2016.00041 |
|
缪国军, 张镭, 舒红. 2007. 利用WRF对兰州冬季大气边界层的数值模拟[J]. 气象科学, 27(2): 169–175.
Miao G J, Zhang L, Shu H. 2007. The numerical simulation of the wind speed and temperature field in winter atmospheric boundary layer in Lanzhou by using WRF[J]. Sci Meteor Sinica, 27(2): 169–175.
|
|
钱永甫. 1993. 气候变化中下垫面作用的数值模拟[J]. 大气科学, 17(3): 283–293.
Qian Y F. 1993. Numerical simulation of the effects of underlying surfaces on the climate change[J]. Chinese J Atmos Sci, 17(3): 283–293.
|
|
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 C E, Li Y S, Yang J, 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 |
|
王澄海, 董文杰, 韦志刚. 2003. 青藏高原季节冻融过程与东亚大气环流关系的研究[J]. 地球物理学报, 46(3): 309–316.
Wang C H, Dong W J, Wei Z G. 2003. Study on relationship between the frozen-thaw process in Qinghai-Xizang Plateau and circulation in East-Asia[J]. Chinese J Geophys, 46(3): 309–316.
|
|
王寅钧, 周明煜, 徐祥德, 等. 2013. MM5和ETA相似理论近地层方案对农田下垫面通量模拟比较研究[J]. 气象学报, 71(4): 677–691.
Wang Y J, Zhou M Y, Xu X D, et al. 2013. Comparative study of the similarity surface layer schemes simulate turbulent flux simulations over cropland between MM5 and ETA[J]. Acta Meteor Sinica, 71(4): 677–691.
DOI:10.11676/qxxb2013.059 |
|
王寅钧, 2011. 青藏高原东南部WRF边界层模拟与观测对比探讨研究[D]. 南京: 南京信息工程大学, 63.
Wang Y J, 2011. The contrast research between boundary layer simulation using the WRF model and observation result in the southeast of Qinghai-Tibet plateau[D]. Nanjing: Nanjing University of Information Science and Technology, 63.
|
|
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): 1397–1407.
Wang Y, Zhang L, Hu J, 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): 1397–1407.
|
|
王鸽, 韩琳, 唐信英, 等. 2014. 藏东南地区复杂下垫面能量收支特征分析[J]. 高原山地气象研究, 34(4): 44–47.
Wang G, Han L, Tang X Y, et al. 2014. Analysis on the features of energy budget on the complicated underlying surfaces in southeast Tibet[J]. Plateru Mountain Meteor Res, 34(4): 44–47.
|
|
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 T J, Zhang L, Hu X J, 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 |
|
文小航, 吕世华, 孟宪红, 等. 2010. WRF模式对金塔绿洲效应的数值模拟[J]. 高原气象, 29(5): 1163–1173.
Wen X H, Lü S H, Meng X H, et al. 2010. Numerical simulation of oasis effect in Jinta oasis using the WRF model[J]. Plateau Meteor, 29(5): 1163–1173.
|
|
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.
Xu X D, Tao S Y, Wang J Z, 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.
DOI:10.11676/qxxb2002.032 |
|
吴国雄, 孙淑芬, 陈文, 等. 2003. 青藏高原与西北干旱区对气候灾害的影响[M]. 北京: 气象出版社, 207.
Wu G X, Sun S F, Chen W, et al. 2003. The impact of Qinghai-Tibet Plateau and northwest arid areas on climate disasters[M]. Beijing: China Meteorological Press, 207.
|
|
叶笃正, 张捷迁. 1974. 青藏高原加热作用对夏季东亚大气环流影响的初步模拟实验[J]. 中国科学, 17(3): 397–420.
Ye D Z, Zhang J Q. 1974. A preliminary experimental simulation on the heating effect of the Tibetan Plateau on the general circulation over Eastern Asia in summer[J]. Sci Sinica, 17(3): 397–420.
|
|
叶笃正, 高由禧. 1979. 青藏高原气象学[M]. 北京: 科学出版社, 278.
Ye D Z, Gao Y X. 1979. Tibetan Plateau Meteorology[M]. Beijing: Science Press, 278.
|
|
章基嘉, 朱抱真, 朱福康, 等. 1988. 青藏高原气象学进展[M]. 北京: 科学出版社, 268.
Zhang J J, Zhu B Z, Zhu F K, et al. 1988. The progress introduction on the study of Tibetan Plateau meteorology[M]. Beijing: Science Press, 268.
|
|
周强, 李国平. 2013. 边界层参数化方案对高原低涡东移模拟的影响[J]. 高原气象, 32(2): 334–344.
Zhou Q, Li G P. 2013. Impact of the different boundary layer parameterization schemes on numerical simulation of Plateau vortex moving eastward[J]. Plateau Meteor, 32(2): 334–344.
DOI:10.7522/j.issn.1000-0534.2012.00033 |
2. State Key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China