2018, Vol. 37
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(LAPC), 北京 100029;
3. 美国国家大气研究中心(NCAR), Boulder, Colorado, USA 80307
在复杂山地地形条件下, 低层风场受地形影响较大, 具有高度非均匀性。观测数据所能代表的范围非常有限, 在这种情况下, 利用数值模拟方法获得复杂地形条件下高分辨率的近地层风场资料就显得非常重要。数值模拟是研究大气边界层的有力手段, 能进一步了解边界层内部主要物理过程(蒋维楣等, 2004; 胡非, 1995), 对复杂地形边界层开展精细模拟一直是大气科学中的重要问题, 在大气环境评价、风能评估等不同领域都有迫切需求。目前最广泛使用的是中尺度模式(Chow et al, 2013), 因其拥有丰富的物理参数化方案和参数, 能很好地捕捉中尺度天气事件, 模拟气象场的平均状态。但由于中尺度模式一般利用雷诺平均处理Navier-Stokes方程, 采用不同的参数化假设的边界层参数化方案来处理闭合问题, 不考虑边界层内湍流运动, 因此不具备捕捉微尺度大气湍流运动的能力(Milovac et al, 2016)。
在大气边界层中, 动量、热量、水汽的混合过程都与湍流运动息息相关(Stull, 1988), 数值模式要提高分辨率必须具有处理边界层内从Kolmogorov毫米尺度到百米尺度不同大小湍涡的能力。大涡模拟(Large Eddy Simulation, LES)根据大部分能量由大尺度湍涡传输而小尺度湍涡只通过能量串级并耗散能量的特性, 对大尺度湍涡进行直接解析, 对小的湍涡进行参数化的方法来处理闭合问题, 因此能捕捉大部分湍流运动的能量。但LES需耗费大量计算资源, 所以自20世纪70年代在大气领域引入LES起(Lilly, 1967; 张兆顺等, 2005; Deardorff, 2013), 40余年大多皆限于理想试验(ideal case), 即假设模拟区域为平坦均一的下垫面, 大气水平均匀并有着周期性边界条件。主要研究理想大气边界层对流(Mason et al, 1990; Moeng et al, 1994), 稳定(Kosovic et al, 2000; Beare et al, 2006), 中性(Portéagel et al, 2000; Chow et al, 2005)等不同稳定度下的物理过程机理; 也用于输出高精度大气运动数据用于真实值检验或改进模式其他参数化方案(Moeng et al, 2007; Mirocha et al, 2010; 杨玉华等, 2016); 对建筑物周围的气流场进行精细模拟(张宁, 2006)。
由于LES理想案例模拟的并非真实大气, 很多学者尝试将中尺度天气模式与流体力学(Computational Fluid Dynamics, CFD)类模式中LES模块进行离线耦合(李磊等, 2010; 程雪玲等, 2015)。这样既能通过动力降尺度提高模式分辨率, 也加入了真实地形对流场的作用, 但是CFD仍不考虑大气物理过程。因此, 有效的耦合模拟必要在保持原中尺度模式优异框架的基础上提高数值模拟的精度。WRF(the Weather Research and Forecasting Model)模式作为新一代中尺度数值天气模式, 擅长嵌套动力降尺度, 且具备LES所需的动力框架及物理方案。Xue et al(2014)将中尺度模式WRF模拟结果离线供给LES, 开展碘化银播撒试验精细数值模拟。随着计算机性能不断提高, 将LES与WRF在线耦合已能实现, 但目前相关研究还非常缺乏。Liu et al(2011)通过6层嵌套(4层WRF和2层LES)建立百米分辨率WRF-LES, 对美国科罗拉多西北部风电厂风速进行模拟。Talbot et al(2013)和Rai et al(2017)将分辨率分别提高至50 m及30 m。左全等(2016)发现WRF-LES对京津冀大雾出现时间、范围的预报都比中尺度模式WRF准确。孙学金(2017)对干旱湖区非均匀下垫面风场进行了模拟, 发现改变土壤湿度会使地表热通量分配影响日间大尺度湍涡发展。
但在以上真实大气模拟试验中, 最里层LES模拟区域皆为相对简单的地形。WRF-LES对复杂山地模拟能力有待全面评估检验, 且LES的优势应该体现在用于捕捉复杂地形和非均匀下垫面产生的局地小尺度大气运动。本文基于WRF-LES对北京市延庆区冬奥小海坨山区域开展模拟研究, 并结合观测资料进行检验和评估。由于模拟区域地形复杂, 文章还对不同分辨率地形高程数据, 边界层方案及模式水平、垂直分辨率进行了敏感性试验。一方面为开展复杂地形超精细模拟提供一种可行思路, 另一方面也为冬奥会室外赛区滑雪赛道、高空交通索道以及相关场馆群设计和建设提供参考, 为室外赛事精细气象服务提供前期技术支持。
2 模拟区域及观测实验介绍本文主要研究区域小海坨山, 位于北京市延庆区张山营镇北部与河北省赤城县交界处, 该区域为第24届冬季奥运会主竞赛区之一, 将承担高山滑雪、高山速降等部分室外赛事。其中国家滑雪中心和国家竞速中心将建于小海陀山顶, 奥林匹克村和媒体中心将建于小海陀山顶附近的西大庄科山谷。小海坨山海拔2 199 m, 地势向东南部外延至怀河谷逐渐降低。国际奥委会最终决定在此举办冬奥会的原因是因为小海坨山具有复杂变化的海拔差异和独特的局地气候特点, 这也为赛事气象服务保障工作带来很大困难。本文重点关注区域为小海陀山顶峰以南5 km范围内, 包含滑雪赛道和场馆。由于冬奥会气象服务需求, 中国气象局北京城市气象研究所承担了小海坨山冬季复杂地形气象观测试验项目MOUNTAOM(Mountain Terrain Atmospheric Observations and Modeling), 本研究用到第一期建成的西大庄科、二海陀、小海陀3个地面自动气象站(表 1, 图 1)资料, 及西大科庄为期一周每日8次的小球探空试验观测资料(采样周期1 s)。为检验模式性能, 将近地面水平风场模拟结果与气象自动站10 m风速观测资料进行对比, 垂直风场模拟结果与探空实验风廓线资料进行对比。
|
表 1 气象自动站站点信息 Table 1 Infomaition of AWS |
|
图 1 WRF-LES模拟区域嵌套设置和区域地形 (b)中黑点为三个气象自动站 Figure 1 Computational domain for WRF-LES with the terrain elevation and state boundaries. Black spots in (b) are the three automatic weather stations |
WRF-LES模式(WRF版本为V3.9.1.1)采用四重嵌套, 包含一个中尺度区域(d1), 三个LES尺度区域(d2, d3, d4)。初始场和侧边界条件来自北京市气象局数值预报业务系统“睿图(RMAPS)模式”D2模拟区域, 分辨率为3 km的预报场资料(图 2)。睿图模式前身为BJ-RUC v2.0(张亦洲, 2017), 该系统同化了GTS常规资料(探空、地面和飞机报), 北京地区自动站以及全国地区的地基GPSZTD资料, “睿图(RMAPS)模式”D2模拟区域还同化了京津冀区域7部雷达径向风和29部雷达组网拼图资料。
|
图 2 睿图模式系统区域设置 Figure 2 Domain of Ruitu modeling system |
|
|
表 2 WRF-LES嵌套区域范围、网格设置、水平垂直分辨率、时间积分步长参数 Table 2 Domain size, grid spacing, and time step used in the WRF-LES model simulations |
四重嵌套的模拟区域水平方向均设置有193×154个网格, 各模拟区域范围如图 2所示, 其中d1包含了大部分北京, d4区域包含小海坨山(冬奥赛道)和南部西大庄科超级站所在山谷。和物理方案大体相同(表 3), 仅在积云方案和边界层方案上有所差异。积云方案仅在中尺度d1区域使用简单且计算量较小的Kain-Fritsch方案(林文实, 1998)。边界层方案在d1区域使用WRF中常用的非局地方案YSU, 并在YSU方案中开启了Jimenez次网格地形方案(topography_wind=1)(郑亦佳等, 2016)。d2至d4区域关闭YSU, 开启LES。本文LES采用1.5阶TKE次网格模型, 基于能量预报方程闭合次网格湍流能量(Smagorinsky, 1963)。d1时间积分步长为5 s(在WRF建议的4~8倍水平分辨率范围以内), 但内层LES时间积分步长小于传统推荐的4倍水平分辨率。经过多次测试发现由于垂直网格间距很小, 积分步长太大易导致垂直速率过大, 而较小时间步长则可保持模式稳定(Talbot et al, 2013), 因此也可见WRF-LES因启用LES, 较采用RANS边界层方案的WRF需耗费更多计算资源。
|
|
表 3 模拟试验物理参数化方案和数据表 Table 3 Data and schemes used in different experiments |
在中尺度天气模拟研究中, 对影响陆面-大气相互作用的地形这一关键信息大多采用美国地质调查局(United States Geological Survey)数据集USGS_30s(http://www.usgs.gov/), 分辨率约900 m。该全球地形数据集可满足中到大尺度数值模拟中地形分布精度的要求, 但对复杂地形小尺度高分辨率模拟是否合适还有待研究。因此, 引入精度更高的数据集SRTM1(Shuttle Radar Topographygraphy Mission 1s, http://www2.jpl.nasa.gov/srtm/), 分辨率约30 m。为对比不同分辨率地形在WRF-LES中的作用, 设计了控制试验SRTM-LES-82和对比试验USGS-LES-82(82指垂直层数)。
边界层内模式垂直分辨率对湍流垂直运动模拟有着重要作用, 影响物质、能量输送等微尺度大气过程。由于LES显示分辨了部分湍流的能量, 相比中尺度加强了对垂直方向湍流混合的计算能力, 因此在边界层内垂直层的设置应比中尺度模式更加细致的分辨率。Rai et al(2017)认为为捕捉边界层底部更多尺度大气流动, 应遵循LES理想案例模拟中水平与垂直分辨率横纵比小于1的方案, 这要求WRF-LES垂直分辨率小于37 m。而大多LES真实案例模拟并未遵循这一设置也获得了很好的结果。这可能是由于这些研究中最内层LES模拟区域地形相对平坦, 下垫面也较为均匀。但对小海坨山来说, 地形十分复杂导致边界层内大气湍涡尺度跨度大。为此基于控制试验SRTM-LES-82设置了37层垂直层的对比试验SRTM-LES-37。d4区域SRTM-LES-82在400 m以下垂直分辨率设置为等距26 m, 400~1 000 m, 垂直分辨率由26 m线性增长至36 m(小于37 m)。1 km以下包含33层, 以西大庄科站为例, 高度约为13, 39, 66, 92, 119, 146, 172, 198, 225, 252, 279, 306, 333, 359, 386, 412, 440, 468, 496, 526, 557, 589, 622, 657, 691, 725, 760, 795, 830, 865, 900和971 m。SRTM-LES-37在1 km以下有12层, 是SRTM-LES-37的1/3, 高度为39, 63, 114, 175, 248, 322, 392, 491, 586, 703, 824和969 m。由于WRF使用地形追随坐标, 模式层的垂直层高度随地形和气压略有变化(Skamarock et al, 2008)。
为比对333 m分辨率下非局地方案YSU边界层方案与LES的不同的模拟效果, 设计了SRTM-YSU-82的对比试验, 此外控制试验SRTM-LES-82不同嵌套区域模拟结果也将作为对模式水平分辨率的敏感性试验。
3.3 典型晴天个例选取模式起始时间为2017年1月13日05:00(北京时, 下同), 前3 h作为启承时间(spin-up time), 实际模拟时间为13日08:00至14日08:00, 共计24 h, 输出间隔为5 min。从睿图模式作为气象强迫场的大气环流形势(图 3)可以看出, 13日和14日500 hPa、700 hPa华北地区均位于脊前槽后, 500 hPa等压线密集, 整层受西北气流控制, 850 hPa可见明显冷平流。其中13日风速较大, 14日风速较小。选取该个例原因有三点:个例发生在观测试验MOUNTAOM项目期间, 观测资料较为丰富; 晴天能排除辐射, 云物理等参数化方案带来的影响; 13日风速较大, 代表了冬季西北气流下典型大风晴天天气。
|
图 3 2017年1月13日08:00(a)、20:00(b)和14日08:00(c)睿图系统D2区域天气形势场 黑色实线为500 hPa等高线(单位: gpm), 风杆为700 hPa水平风场(单位: m·s-1), 一个完整的风杆代表 4 m·s-1, 彩色区为850 hPa温度(单位: ℃), 绿色方框为模拟区域d3的范围 Figure 3 Patterns of the atmospheric circulation on D2 of the Ruitu modeling system at 08:00 (a) and 20:00 (b) on 13 and 08:00 on 14 January (c) 2017.The thick black contours represent 500 hPa height (unit: gpm), full barb (unit: m·s-1) at 700 hPa represents 4 m·s-1, the color area is the 850 hPa temperature (unit: ℃), and the green circles represent target area of d3 |
SRTM-LES-82和SRTM-YSU-82试验主要用于研究WRF-LES模式对复杂山地近地面风场的重现能力, 评估WRF-LES在复杂山地应用中相对于普通中尺度的优势, 测试模式水平分辨率影响, 同时为其它敏感性试验提供参照。图 4给出了两组试验不同区域下10 m风速、风向模拟和观测的时间序列(风速: 5 min, 瞬时风速; 风向: 1 h, 小时最大频率风向), 其中风向图中的风杆只代表风向, 不表征风速, 风杆向上为正南风, 风杆向右为正西风。图 4中3个站点[西大庄科(XDZK)、小海陀(XHT)、二海陀(EHT)]地面风速、风向1 km模拟结果基本合理, 能较好反映整体日变化趋势, 但插值到站点的风速略有偏小, 尤其是海拔较高的小海陀站, 风速较大时偏小较多。
|
图 4 2017年1月13日08:00至14日08:00 SRTM-LES-82不同分辨率和SRTM-YSU-82的333 m分辨率下3个气象站XDZK, XHT, EHT 10 m风速、风向模拟和观测的时间序列 Figure 4 Comparison of the time series of the observed 10 m wind speed and direction with those simulated by SRTM-LES-82 at all resolutions and SRTM-YSU-82 at 333 m resolution at the 3 automatic weather stations from 08:00 on 13 to 08:00 on 14 January 2017 |
表 4给出三个气象站10 m风速常用统计参量检验结果:平均偏差(MB)、平均绝对误差(MAE)和均方根误差(RMSE), 计算公式如下:
|
|
表 4 10 m风速统计检验结果 Table 4 Statistic results of simulated 10 m wind speed |
| $ MB{\text{ = }}\frac{1}{n}\sum\nolimits_{i = 1}^n {\left({{P_i} - {O_i}} \right)}, $ | (1) |
| $ MAE = \frac{1}{n}\sum\nolimits_{i = 1}^n {\left| {{P_i} - {O_i}} \right|}, $ | (2) |
| $ RMSE = \sqrt {\frac{1}{n}\sum\nolimits_{i = 1}^n {{{\left({{P_i} - {O_i}} \right)}^2}} }, $ | (3) |
式中: P和O分别表示模拟值和观测值; n为样本数。
MB值进一步反应1 km分辨率10 m风速普遍低于观测。在图 4中1 km风速时间序列曲线较实况过于平滑, 对分钟以内时间尺度上能代表小尺度运动的风速脉动特征刻画不足。这是由于1 km网格距过粗, 只考虑了网格内大气的平均特性; 另外, 非局地YSU方案采用一阶闭合来处理Navier-Stokes方程, 格点湍流通量由该网格内物理量的平均量和周边网格湍流通量对其影响综合而来, 不考虑湍流通量平均量以外部分, 无法描述高频部分大气运动。而随着模式水平分辨率的增加, 不同水平分辨率模拟风速时间序列表现出较大差异。333 m模式的风速仍无法很好的刻画小尺度湍流脉动特征, 分析原因可能是受外层边界条件影响较大, 另外由于冬季湍流运动较弱, 即使在白天对流边界层湍涡尺度仍然较小, 不能被333 m网格捕捉, 使得LES未能分辨出足够湍涡。在SRTM-YSU-82试验中333 m模拟风速与1 km相似, 基于雷诺平均的一阶非局地方案在提高分辨率后仍不能很好捕捉湍流脉动。其模拟风速明显小于同分辨率下SRTM-LES-82, 尤其当实况风速较大时, 模拟风速甚至小于中尺度1 km。说明对稳定层结情况下的300 m网格模式, YSU边界层方案并不能通过计算网格内湍流通量和周边网格通量输送使边界层内热量、动量得到充分混合, 因此不建议在复杂山地区域333 m或更高分辨率下应用YSU边界层方案。
当SRTM-LES-82分辨率进一步提高至111 m和37 m, 模拟风速开始出现脉动, 说明百米分辨率下LES能解析一定数量湍涡。从MB、MAE、RMSE统计中(表 4)也能发现, 111 m和37 m较1 km和333 m有明显减小。值得注意的是, 两者对风速脉动特征在风速较小时表现较好, 但在大风时其模拟的脉动量均小于观测。在夜间至清晨(14日02:0008:00), 当山谷地面800 m高度以下大气边界层呈稳定状态时, 高分辨率37 m能持续模拟出风速脉动, 较111 m在稳定边界层更有优势(以西大庄科站为例)。可能是因为此时边界层内湍涡尺度非常小, 有利于被更精细的网格捕捉。但总的来说, 111 m与37 m风速各统计检验量相差不大, 37 m虽整体均偏差较111 m有所减小, 但离散度更大。考虑这是因为模拟风速脉动跳跃性很大使均方根误差统计量变差, 而对较平滑风速序列而言, 反而能获得较好的统计检验结果。从这点上看, MB、ME、RMSE等用于评估气象要素平均特性的检验方法并不完全可靠。下一步工作应该输出高频风速, 按尺度分析其湍流、阵风等统计特征与超声风速仪进行对比。
通过1月13日14:00控制试验中不同分辨率模拟的10 m风速结果在d4区域水平分布(图 5)可以看出, 37 m比111 m不仅较1 km和333 m提高了空间上数据的密度, 还能更详细的体现近地面风向、风速随复杂地形变化的局地流场特征。综合前面分析结果, 中尺度模式模拟出的1 km风场产品远不能满足冬奥会室外赛事对风场要求精确到赛道和场馆的气象服务需求。
|
图 5 2017年1月13日14:00 SRTM-LES-82试验不同分辨率(a~d)模拟的10 m风速水平在d4区域的分布 阴影区为地形高度; 一个完整风杆代表 4 m·s-1 Figure 5 Horizontal 10 m wind speed in d4 domain area from different resolution (a~d) of SRTM-LES-82 at 14:00 on January 13 2017.The shaded is the topography height, full barb represents 4 m·s-1 |
由于中尺度模式WRF一般采用基于廓线积分的边界层方案来模拟边界层内大气混合过程, 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(Shin et al, 2011)。该方案虽能体现边界层内基本日变化特征, 但对低于1 km大气边界层(特别是低于500 m)的动量、风速廓线模拟能力非常薄弱(Liu et al, 2011)。WRF采用地形追随坐标, 尤其对于复杂地形区域, 当水平分辨率过粗时, 嵌套模式会考虑了对细网格地形的平滑, 使得某些海拔较低的网格在模式中海拔偏高。从位于山谷的西大庄科站垂直廓线(图 6)可以看出, 1 km模拟廓线起始点高度略高于内层高水平分辨率模拟区域的廓线起始高度。将1 km模拟结果作为内层LES边界条件时会存在不可靠因素。从内层模拟结果来看, 随着分辨率递增, 风、温廓线与观测非常接近, 对底层风、温模拟也较为准确。可能由于本算例为大风晴天天气, 底层温度、风速接近线性, 在插值过程中未出现较大失误。未来还需通过更多算例对复杂地形下中尺度区域提供边界条件的不确定性进行定量评估和优化。
|
图 6 2017年1月13日11:00(a, b)和23:00(c, d), 在不同水平分辨率下, SRTM-LES-82和SRTM-YSU-82试验在西大庄科站模拟和观测的2 m温度(a, c)和10 m风速(b, d)的垂直廓线 Figure 6 Observed and simulated vertical profiles of 2 m temperature (a, c) and 10 m wind speed (b, d) from SRTM-LES-82 and SRTM-YSU-82 experiments of different horizontal resolution at Xidazhuangke station at 11:00 (a, b) and 23:00 (c, d) on 13 January 2017 |
从d4区域SRTM1和USGS_30s模拟的地形高度和两者高度差(图 7)可以看出, SRTM1在较高山顶和山脊处比USGS_30s高, 在较低山脊和山谷处更低, 并能呈现更精细山地沟壑样貌。通过对比19个温湿探测仪实测高度(圆点), 发现USGS_30s与实际高度的平均误差为107.4 m, SRTM1较USGS_30s在平均误差上减小了64.7 m。两种地形数据由于分辨率不同, 所描述的地形均一性差异很大。显然高分辨率地形高程数据SRTM1所呈现的小海坨山地形更为复杂, 而USGS_30s则相对均一、平滑。地形均一性的不同将影响模式中Monin-Obukhov相似理论对地表湍流通量的计算结果, 进而影响近地面风场的模拟结果。图 8给出两组试验模拟出的10 m高度水平风速(WS), 其经向分量(U)、纬向分量(V)24 h平均场及两组试验各风速分量平均场的差值场, 并在图中以彩色圆点标出西大庄科、二海陀和小海陀三个气象自动站10 m风速及24 h平均风速(U、V、WS)。从图 8可以看出, 两组试验风速各分量分布情况大致相同, 都呈现出山顶高、山谷低的整体特征。虽两组试验模式水平分辨率均为37 m, 但因SRTM-LES-82采用更高分辨率地形高程数据而得到了更精细的风速分布。在地形越复杂区域, 两者模拟风速差异性越大。具体来说, SRTM-LES-82模拟风速各分量较USGS-LES-82在山顶处明显偏大2~3 m·s-1, 在山脊处偏小3~4 m·s-1, 而在较平坦山谷附近相差不大(±1 m·s-1左右)。对比实际平均风速, USGS-LES-82对二海陀和小海坨站V分量风速模拟分别存在高估和低估, SRTM-LES-82则因获得精细风场而更准确。这种现象在经向分量(U)和垂直分量(W)中也存在。另外图 8中小海坨气象站、二海陀气象站左右两侧山脊上都出现了小范围负U分量(东风), 在西北(正U)气流背景下, 这部分东风显然是中尺度流场受局地地形影响而产生。从SRTM-LES-82模拟U平均场[图 8(b)]中可以更清晰看到左侧这支东风是由偏北径向风V沿山坡泄流随地形转为东风, 并与其他流场在西大庄科山谷出口汇集继续向西, 当西风再次碰到山脊阻挡后, 在阻挡山脊的背风坡后形成绕流, 产生负U分量形成小股东风, 而USGS-LES-82无法模拟出这些细节。
|
图 7 USGS_30s和SRTM1数据在d4区域内模拟的地形高度(a, b)及两者地形高度差(c)(单位: m) 黑色等值线均为地形高度, 彩色圆点为实测地形高度 Figure 7 Topography graphic map in d4 from USGS_30s (a) and SRTM1(b), and the difference of the two topography dataset (c).Unit: m.The black contour line is terrain height, the color dots represent the measured terrain height |
|
图 8 USGS-LES-82和SRTM-LES-82试验在d4区域的10 m水平风速纬向分量(a~c)、经向分量(d~f)以及水平风速(g~i)24 h平均值(左, 中)及两者差值场(右) 彩色圆点为3个自动气象站观测风速24 h平均值(单位: m·s-1), 黑色等值线为模式地形高度(单位: m) Figure 8 24 hours averaged 10 m zonal wind component (a~c), meridional wind component (d~f), horizontal wind speed (g~i) from USGS-LES-82 (left, middle) and their difference (rigth) and SRTM-LES-82 in d4 region.Color dots represent the 24 h averaged observation wind speed at the three automatic weather stations (unit: m·s-1), thick black contours represent topography height (unit: m) |
除平均风场外, 还挑选了10 m风速较小和较大的两个时次瞬时风场进行比对(图 9)。采用较粗USGS_30s地形资料USGS-LES-82在d4区域37 m分辨率瞬时风场分布十分均匀, 几乎看不到小海坨山区域地形的影响。而采用SRTM1精细地形资料, 瞬时风场中能分辨更多小尺度流体结构, 在风向上也显示出了更大优势。例如图 9(c)中d4大部分范围均为10 m·s-1左右偏北风, 而图 9(d)中北风只在山顶表现出较大风速, 在背风坡处风速相对较小, 右下侧有受山体阻挡而产生的偏南风。理论上可认为SRTM-LES-82模拟风场不仅在绝对风速数值上更准确, 且对地形引发的小尺度结构和局地环流描述的更详细, 这需要布设观测站来进一步佐证。同时, 平均和瞬时风场对比结果说明LES具有能响应高精地形强迫, 从而对复杂地形风场进行精细模拟的能力。
|
图 9 2017年1月13日14:00(a, b)和20:00(c, d), USGS-LES-82和SRTM-LES-82试验在d4区域10 m风速瞬时分布 等值线为地形高度, 一个完整的风杆代表 4 m·s-1 Figure 9 Snapshot of 10 m wind speed in d4 area from USGS-LES-82 and SRTM-LES-82 experiments at 14:00 (a, b) and 20:00 (c, d) on 13 January 2017.Black contours represent topography height, full barb represents 4 m·s-1 |
对风速廓线(图 10)来说, SRTM-LES-82在绝对风速数值和垂直风切变结构分布特征上都更加准确。较粗垂直分辨率试验组SRTM-LES-37模拟结果虽在绝对风速值上略有偏差, 但仍能较好地反映边界层内垂直风切变结构特征。图 10给出的是地面以上1 km大气边界层风、温垂直分布结构, 而地面1 km以上, 即超过边界层高度以上两个试验模拟的垂直廓线几乎没有差别。在实际模拟设置中, 较粗垂直分辨率需要更小时间积分步长以防止模式崩溃, 相反增加垂直分辨率能够适当放宽时间积分步长。较小时间积分步长和较密垂直层是增加模拟时耗的两个重要因素。另外还需注意当垂直网格距较小时, 太大积分步长会使垂直通量计算过大而影响各模拟层温度和风速。因此实际应用中应结合计算资源和模拟需求谨慎设置垂直层以保证模式稳定运行。
|
图 10 2017年1月13日11:00(a)和23:00(b), 在37 m分辨率下, SRTM-LES-37和SRTM-LES-82试验在西大庄科站观测和模拟的风速(黑线)和温度(红线)垂直廓线 Figure 10 Simulated and observed vertical profiles of wind speed (black lines) and temperature (red lines) from SRTM-LES-37 and SRTM-LES-82 at 37 m horizontal resolution at Xidazhuangke station at 11:00 (a) and 23:00 (b) on 13 January 2017 |
利用中尺度气象模式WRF与大涡模拟LES在线耦合的多尺度模式WRF-LES, 通过四重嵌套将分辨率从中尺度1 km降尺度到微尺度37 m, 对将举办2022年冬季奥运会的北京市小海陀山复杂地形区域开展了边界层风场的高分辨率模拟。设计了一组敏感性试验并结合外场观测资料对比分析不同分辨率地形高程数据, 模式水平、垂直分辨率和边界层方案对近地面风场的影响, 主要结论如下:
(1) 复杂地形区域下WRF-LES较普通中尺度模式能显著提高对边界层内水平和垂直风结构的模拟效果, 增强对大风的模拟能力, 并能更好的捕捉小尺度风速脉动特征。原因可归纳为: ①使用SRTM1的1 s分辨率高精地形高程数据作为强迫; ②高分辨率网格能放大模式的边界层内各物理过程; ③LES能解析可分辨尺度的大气湍流运动和计算由不可分辨尺度湍涡脉动进入可分辨尺度湍涡的活跃能量。因此WRF-LES使用几十米空间分辨率网格, 能更详细的计算湍流通量, 模拟垂直混合过程, 获得较小时间尺度上风速脉动特征。
(2) 基于RANS的YSU边界层方案不能捕捉小尺度大气运动过程, 对复杂地形区域风速模拟还存在较严重低估现象, 不建议在333 m或更高分辨率下采用。LES试验组在此水平分辨率上也未能体现出更高的模拟技巧, 其原因是大气湍涡尺度偏小, 不能被该网格分辨所致, 但从统计量上仍较YSU更准确。
(3) 近地面风场模拟效果受下垫面高分辨率地形影响很大, 因此在复杂地形下应该使用与WRF-LES水平分辨率相匹配的高分辨率地形高程数据。同时通过地形分辨率敏感性试验也证明LES具有响应高精度复杂地形强迫, 发展小尺度流体结构的能力, 因此可适用于复杂地形区域高分辨率模拟和预报。
(4) 随着垂直分辨率提高, 边界层内绝对风速数值和垂直风切变分布结构上都更接近实际, 但对边界层以上风、温气象要素分布没有影响。垂直分辨率的增加也会相应增加计算组员, 增长模拟时耗, 需根据计算资源和需求综合考虑。
综上所述, 多尺度模式WRF-LES在复杂地形区域对真实大气近地面风场模拟显示出明显优越性。可为复杂地形开展大气高分辨率模拟提供一种新的可行技术方法, 这一方法也将为冬奥会室外赛事开展精细气象服务提供前期技术支持。从模拟结果可以看出, 模式对风场模拟仍存在系统性偏差。有些是局地地形造成的, 比如中尺度1 km区域垂直层高度偏高使得边界条件存在不确定性; 有些是模式设置与LES参数还不匹配, 如水平扩散系数的设定等。下一步工作将重点放在找出偏差原因以改进、完善, 进一步提高WRF-LES对复杂地形边界层的模拟能力, 开展不同天气系统情景下的模拟试验。另外, 为便于与自动站观测资料进行对比, 模式变量输出间隔均为5 min, 而5 min的时间分辨率对于充分显示LES对湍流分辨模拟的优势还略显过粗。未来将架设高频湍流观测设备, 并与WRF-LES输出的高频湍流数据进行对比和统计分析, 详细评估WRF-LES的湍流模拟性能。
Beare R J, Macvean M K, Holtslag A A M, et al. 2006. An intercomparison of large-eddy simulations of the stable boundary layer[J]. Bound-Lay Meteor, 118(2): 247–272.
DOI:10.1007/s10546-004-2820-6 |
|
Chow K F, Street R L, Xue M, et al. 2005. Explicit filtering and reconstruction turbulence modeling for large-eddy simulation of neutral boundary layer flow[J]. J Atmos Sci, 62(7): 2058–2077.
DOI:10.1175/JAS3456.1 |
|
Chow F K, Wekker S F J D, Snyder B J. 2013. Mountain weather research and forecasting[M]. Netherlands: Springer Netherlands.
|
|
Deardorff J W. 2013. Numerical investigation of neutral and unstable planetary boundary layers[J]. J Atmos Sci, 29(1): 91–115.
|
|
Lilly D K, 1976. The representation of small-scale turbulence in numerical simulation experiments[M]. In: Proceedings IBM scientific computing symposium on environmental sciences, 14-16 Nov, Yorktown Heights, NY.
|
|
Liu Y, Warner T, Liu Y, et al. 2011. Simultaneous nested modeling from the synoptic scale to the LES scale for wind energy applications[J]. Journal of Wind Engineering & Industrial Aerodynamics, 99(4): 308–319.
|
|
Mason P J, Derbyshire S H. 1990. Large-eddy simulation of the stably-stratified atmospheric boundary layer[J]. Bound-Lay Meteor, 53(1): 117–162.
|
|
Milovac J, Branch O L, Bauer H S, et al. 2016. High-resolution WRF model Simulations of critical land surface-atmosphere interactions Within Arid and Temperate Climates (WRFCLIM)[M]. New York: High Performance Computing in Science and Engineering.
|
|
Mirocha J D, Lundquist J K, Kosović B. 2010. Implementation of a nonlinear subfilter turbulence stress model for large-eddy simulation in the advanced research WRF model[J]. Mon Wea Rev, 138(11): 4212–4228.
DOI:10.1175/2010MWR3286.1 |
|
Moeng C H, Sullivan P P. 1994. A comparison of shear-and buoyancy-driven planetary boundary layer flows[J]. J Atmos Sci, 51(7): 999–1022.
DOI:10.1175/1520-0469(1994)051<0999:ACOSAB>2.0.CO;2 |
|
Moeng C H, Dudhia J, Klemp J, et al. 2007. Examining two-way grid nesting for large eddy simulation of the PBL using the WRF model[J]. Mon Wea Rev, 135(6): 2295–2311.
DOI:10.1175/MWR3406.1 |
|
Portéagel F, Meneveau C, Parlange M B. 2000. A scale-dependent dynamic model for large-eddy simulation:Application to a neutral atmospheric boundary layer[J]. Journal of Fluid Mechanics, 415(1): 261–284.
|
|
Rai R K, Berg L K, Kosović B, et al. 2017. Comparison of measured and numerically simulated turbulence statistics in a convective boundary layer over complex terrain[J]. Bound-Lay Meteor, 163(1): 69–89.
DOI:10.1007/s10546-016-0217-y |
|
Shin H H, Hong S Y. 2011. Intercomparison of planetary boundary-layer parametrizations in the WRF model for a single day from CASES-99[J]. Bound-Lay Meteor, 139(2): 261–281.
DOI:10.1007/s10546-010-9583-z |
|
Smagorinsky J. 1963. General circulation experiments with the primitive equations[J]. Mon Wea Rev, 91(3): 99–164.
DOI:10.1175/1520-0493(1963)091<0099:GCEWTP>2.3.CO;2 |
|
Skamarock W C, Klemp J B. 2008. A time-split nonhydrostatic atmospheric model for weather research and forecasting applications[J]. Journal of Computational Physics, 227(7): 3465–3485.
DOI:10.1016/j.jcp.2007.01.037 |
|
Stull R B. 1988. An introduction to boundary layer meteorology[M]. Dordrecht: Kluwer Academic Publishers.
|
|
Talbot C, Bouzeid E, Smith J. 2013. Nested mesoscale large-eddy simulations with WRF:performance in real test cases[J]. J Hydrometeor, 13(5): 1421–1441.
|
|
Xue L, Chu X, Rasmussen R, et al. 2014. A case study of radar observations and WRF LES simulations of the impact of ground-based glaciogenic seeding on orographic clouds and precipitation. Part Ⅱ:AgI dispersion and seeding signals simulated by WRF[J]. J Appl Meteor Climatol, 53(10): 2264–2286.
DOI:10.1175/JAMC-D-14-0017.1 |
|
程雪玲, 胡非, 曾庆存. 2015. 复杂地形风场的精细数值模拟[J]. 气候与环境研究, 20(1): 1–10.
Cheng X L, Hu F, Zeng Q C, et al. 2015. Refined numerical simulation of complex terrain flow field[J]. Climatic Environ Res, 20(1): 1–10.
|
|
崔桂香, 张兆顺, 许春晓, 等. 2013. 城市大气环境的大涡模拟研究进展[J]. 力学进展, 43(3): 295–328.
Cui G X, Zhang Z S, Xu C X, et al. 2013. Research advances in large eddy simulation of urban atmospheric environment[J]. Advances in Mechanics, 43(3): 295–328.
|
|
胡非. 1995. 湍流、间歇性与大气边界层[M]. 北京: 科学出版社.
Hu F. 1995. The intermittent turbulence and atmospheric boundary layer[M]. Beijing: Science Press.
|
|
李磊, 张立杰, 张宁, 等. 2010. FLUENT在复杂地形风场精细模拟中的应用研究[J]. 高原气象, 29(3): 621–628.
Li L, Zhang L J, Zhang L, et al. 2010. Application of FLUENT on the fine scale simulation of the wind field over complex terrain[J]. Plateau Meteor, 29(3): 621–628.
|
|
林文实, 黄美元. 1998. 积云参数化方案研究的现状[J]. 热带气象学报(4): 374–379.
Lin W S, Hang M Y. 1998. The state about the study in cumulus parameterization[J]. J Trop Meteor(4): 374–379.
|
|
刘树华, 刘振鑫, 郑辉, 等. 2013. 多尺度大气边界层与陆面物理过程模式的研究进展[J]. 中国科学:物理学力学天文学, 43(10): 1332–1355.
Liu S H, Liu Z X, Zheng H, et al. 2013. Multi-scale atmospheric boundary-layer and land surface physics process models[J]. Scientia Sinica, 43(10): 1332–1355.
|
|
蒋维楣, 苗世光. 2004. 大涡模拟与大气边界层研究30年回顾与展望[J]. 自然科学进展, 14(1): 11–19.
Jiang W M, Miao S G. 2004. Large eddy simulation and atmospheric boundary layer-Review and prospect in the past 30 years[J]. Progress in Natural Science, 14(1): 11–19.
DOI:10.3321/j.issn:1002-008X.2004.01.003 |
|
孙学金, 李岩, 张燕鸿, 等. 2017. 基于WRF-LES的干旱湖区近地面风场模拟与敏感性研究[J]. 高原气象, 36(3): 835–844.
Sun X J, Li Y, Zhang Y H, et al. 2017. Near-surface wind wimulationb over acrid lake area and sensitivity studies using the WRF-LES[J]. Plateau Meteor, 36(3): 835–844.
DOI:10.7522/j.issn.1000-0534.2016.00058 |
|
杨玉华, 刘长海, JimyDudhia, 等. 2016. 基于大涡模拟对两类典型边界层参数化方案的评估分析[J]. 高原气象, 35(1): 172–180.
Yang Y H, Liu C H, Dudhia J, et al. 2016. Evaluation of two typical PBL parameterization schemes based on large-eddy simulation result[J]. Plateau Meteor, 35(1): 172–180.
DOI:10.7522/j.issn.1000-0534.2014.00138 |
|
张宁, 蒋维楣. 2006. 建筑物对大气污染物扩散影响的大涡模拟[J]. 大气科学, 30(2): 212–220.
Zhang N, Jiang W M. 2006. A large eddy simulation on the effect of building on atmospheric pollutant dispersion[J]. Chinese J Atmos Sci, 30(2): 212–220.
DOI:10.3878/j.issn.1006-9895.2006.02.04 |
|
张亦洲, 苗世光, 李青春, 等. 2017. 北京城市下垫面对雾影响的数值模拟研究[J]. 地球物理学报, 60(1): 22–36.
Zhang Y Z, Miao S G, Li Q C, et al. 2017. Numerical simulation of the impact of urban underlying surface on fog in Beijing[J]. Chinese Journal of Geophysics, 60(1): 22–36.
|
|
张兆顺, 崔桂香, 许春晓. 2005. 湍流理论与模拟[M]. 北京: 清华大学出版社.
Zhang Z S, Cui G X, Xu C X. 2005. Theory and modeling of turbulence[M]. Beijing: Tsinghua University Press.
|
|
郑亦佳, 刘树华, 缪育聪, 等. 2016. YSU边界层参数化方案中不同地形订正方法对地面风速及温度模拟的影响[J]. 地球物理学报, 59(3): 803–815.
Zheng Y J, Liu S H, Miao Y C, et al. 2016. Effects of different topographygraphic correction methods on the simulation of surface wind speed and temperature in parameterization scheme of the YSU boundary layer[J]. Chinese Journal of Geophysics, 59(3): 803–815.
|
|
左全, 张庆红. 2016. 大涡模拟在华北地区一次冬季辐射雾过程中的应用[J]. 北京大学学报(自然科学版), 52(5): 819–828.
Zuo Q, Zhang Q H. 2016. Application of large eddy simulation for a winter radiation fog event in north China[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 52(5): 819–828.
|
2. State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China;
3. Research Application Laboratory, National Center for Atmospheric Research, Boulder, Colorado 80307, America