基于WRF不同边界层方案的陕西气象要素预报检验
WRF中三种边界层参数化方案对新疆“2·28”大风过程模拟的对比分析
WRF中三种边界层参数化方案对新疆“228”大风过程模拟的对比分析马媛媛;杨毅;胡小明;戚友存;张曼【摘要】许多研究调查了模式预报对边界层方案的敏感性,这些研究基本上针对的是热力驱动的混合边界层.对于动力驱动的边界层,不同边界层方案的性能及其对边界层气象要素的预报效果还不清楚.运用WRF3.4.1中三种边界层参数化方案(YSU、MYJ、ACM2)对新疆“2·28”大风过程进行数值模拟,结果显示:三种边界参数化方案能模拟出发生大风的区域、大风过程中10m风速、2m温度和比湿的变化趋势;三种方案对边界层内大气的温度、湿度的模拟差异与它们对边界层顶的夹卷过程、边界层内垂直混合的处理有关;YSU方案的模拟结果显示更多的高空动量下传,更多的有效位能转化为动能;MYJ方案模拟大风区域更大,受地形影响更明显.【期刊名称】《沙漠与绿洲气象》【年(卷),期】2014(008)003【总页数】11页(P8-18)【关键词】WRF模式;边界层参数化方案;大风过程;动力作用【作者】马媛媛;杨毅;胡小明;戚友存;张曼【作者单位】兰州大学大气科学学院,甘肃省干旱气候变化与减灾重点实验室,甘肃兰州730000;兰州大学大气科学学院,甘肃省干旱气候变化与减灾重点实验室,甘肃兰州730000;Center for Analysis and Prediction of Storms, University ofOklahoma, Norman, OKlahoma 73072, USA;南京信息工程大学大气科学学院,江苏南京210044;南京信息工程大学大气科学学院,江苏南京210044【正文语种】中文【中图分类】P456.7WRF（Weather Research and Forecasting）模式自诞生以来就在不断更新发展，其描述的物理过程也逐渐完善，包括行星边界层内的物理过程。
行星边界层直接受下垫面影响，主要响应地表的摩擦阻力、蒸发、蒸腾、热量输送以及地形等作用。
WRF介绍
9.2.4.3 辐射
3-5 MM5 Dadhia短波辐射方案： 该方案来自于MM5模式，对短波辐射通量向下进行简单积分。 它能够反映晴空散射、水汽吸收和云的反射与吸收。另外，还考虑了 地形坡度和阴影对地表短波辐射通量影响。 3-6 Goddard短波辐射方案： 该方案共有11个谱段，采用二流近似方法计算太阳短波辐射的散 射和直接辐射分量，并且方案中考虑了已有臭氧垂直廓线的气候分布。 3-7 CAM短波辐射方案： 该方案也是用于NCAR大气环流模式的谱段处理方案，主要用来 气候模拟。它能够处理几种气溶胶和痕量气体的光学特征。该方案特 别适用于区域气候模拟。
9.2.4.3 辐射
3-1 快速辐射传输长波模式（RRTM)： 该模式来自MM5模式，采用谱段处理方案。它是利用一个预设好的 查算表准确地表示由于水汽、臭氧、二氧化碳和痕量气体（大气中含量极 少的气体）引起的长波辐射过程，同时也能表示云的光学厚度。 3-2 GFDL长波辐射方案： 该方案来自美国地球流体动力实验室，计算与二氧化碳、水汽、和 臭氧相关谱段上的长波辐射，采用简化的交换方法。该方案中云的重叠是 随机的。 3-3 CAM长波辐射方案： 该方案是用于NCAR大气环流模式的谱段处理方案，主要用来进行气 候模拟。它能够处理几种痕量气体，并与可分辨云和云量进行相互作用。 3-4 GFDL短波辐射方案： 该方案同样来自于美国地球流体动力实验室，考虑了二氧化碳、水 汽和臭氧的效应，采用积分时间间隔内日间平均的太阳天顶角余弦值计算 段波辐射。该方案中云的重叠是随机的。
9.2.4.1 微物理过程
1-1 Kessler暖云方案： 该方案来源于COMMAS模式，是一个简单的暖云降水方案，考虑的微 物理过程包括：雨水的产生、降落与蒸发，云水的碰并增长与自动转化， 以及由凝结产生云水的过程。该方案显式预报水汽、云水和雨水，无冰 相过程。 1-2 Purdue-Lin方案： 该方案包括了对水汽、云水、雨、云冰、雪和霰6种类型水成物的处理。 该方案是 WRF模式中相对比较复杂的微物理方案，更适合于理论研究 。 1-3 WRF单参数—3类水成物(WSM3)方案： 该方案包括冰沉降和新的冰相参数化。与其他方案最大的不同之处在于， 该方案是基于冰的质量含量而非利用温度的诊断关系计算冰粒子浓度。 假设高于冰点的水成物为云水和雨，冰点以下的为云冰和雪，对包含冰 过程的计算效率很高。可以对三类水成物（即水汽、云水或云冰、雨或雪） 进行预报，被称为简单冰方案。但要注意的是，该方案缺少过冷水和逐步 融化率过程。
WRF使用说明范文
WRF使用说明范文WRF (Weather Research Forecasting model) 是一个高分辨率的天气模式系统，用于模拟和预测各类天气现象。
它由国家大气研究中心（NCAR）和国家环境保护署（EPA）共同开发，已成为全球范围内天气预报、气候研究和环境模拟的重要工具。
本文将介绍WRF的基本使用说明。
一旦配置完成，用户可以使用WRF模式进行多种类型的模拟和预测。
WRF可以模拟从几十米到数百公里尺度上的天气现象，并且可以针对不同的气候区域进行区域定制。
使用WRF之前，用户需要准备好输入数据，包括地形数据、气象观测数据、近地面条件数据等。
WRF模型的运行包括两个主要步骤：预处理和模拟。
预处理步骤主要用于准备输入数据，包括将地形数据转换为模型所需格式，插值气象观测数据到模型网格，生成气象初值和边界条件等。
WRF提供了多个辅助工具，如WPS (WRF Preprocessing System) 来帮助用户完成这些预处理任务。
模拟步骤是WRF模型的核心部分，主要用于模拟和预测天气现象。
用户需要选择合适的模拟选项，包括时间步长、水平和垂直分辨率、物理参数化方案等。
WRF提供了多种物理参数化方案，如微物理方案、积云方案和辐射方案，用户可以根据需要进行选择。
总结起来，WRF是一种功能强大的天气模式系统，可以用于模拟和预测各类天气现象。
但是，使用WRF需要较高的计算机配置和编程基础，以及一定的气象和数值模式理论基础。
用户需要准备好输入数据，进行模拟参数配置，运行模拟，并使用后处理工具进行结果分析和可视化。
建议用户从官方文档和培训材料入手，学习相关的数值模式理论和编程技巧，并与其他用户和研发人员进行交流和讨论。
只有通过不断地实践和学习，用户才能更加熟练地使用WRF模型，并获得准确和可靠的模拟和预测结果。
WRF模式中的边界层参数化比较试验
ｔｈｅ ｒａｉｎｓｔｏｒｍ ａｒｅａ，ｆｕｎｄａｍｅｎｔａｌ
ｆｉｅｌｄｓ ｏｆ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｅｌｅｍｅｎｔｓ，Ｓｔａｔｉｓｔｉｃａｌ ｔｅｓｔｉｎｇ ｒｅｓｕｌｔｓ ｏｆ ｔｏｔａｌ ｒａｉｎｆａｌｌ ｆｉｅｌｄｓ ｏｆ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｅｌｅｍｅｎｔｓ ｂｅｔｗｅｅｎ ｓｉｍｕｌａｔｉｏｎｓ Ｓｃａｌｅ
ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｓｅｒｖｉｃｅｓ ｗｏｒｌｄｗｉｄｅ．Ａｃｃｕｒａｔｅｌｙ ｓｉｍｕｌａｔｉｎｇ ｔｈｅ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｐｒｏｃｅｓｓｅｓ
ｗｉｔｈｉｎ ｔｈｅ ｐｌａｎｅｔａｒｙ ｂｏｕｎｄａｒｙ ｌａｙｅｒ（ＰＢＬ）ｉｓ ｉｍｐｏｒｔａｎｔ ｆｏｒ ｒａｉｎｆａｌｌ ｓｉｍｕｌａｔｉｏｎｓ，ｐｌａｎｅｔａｒｙ
凝聚着你们的心血与汗水。无论什么时候，你们都给予我无限的关怀与支持，使得我有勇
气面对学习与生活中的各种困难与挑战。感谢默默关怀着我的外婆，感谢我的哥哥，使我 在成长的道路上有了依靠，你们的每一次关心与鼓励让我感到无限的温暖。感谢洪燕勇同 学，在学习与生活上给予了支持与帮助。 最后，感谢关心以及帮助过我的其他老师、同学、亲人朋友。
这一地区，边界层湿度较为充沛，有必要总结出一个相对比较适合该地暴雨模拟的边界层
参数化方案，并对该方案的可调参数进行一定的调试。在此基础上，提出相对比较适合长 江下游暴雨模拟的边界层参数化方案，改进行星边界层的模拟。 本文首先对ＷＲＦＶ３．１．１中现有的七种边界层参数化方案进行了敏感性试验，通过 ２００９年、２０１１年的三次典型暴雨过程模拟试验及对降水、基本要素场的统计检验和边界
Ｍｏｄｅｌ
ｖｅｒｓｉｏｎ
Ｓｃａｌｅ Ｅｌｉｍｉｎａｔｉｏｎ，Ｙｏｎｓｅｉ Ｕｎｉｖｅｒｓｉｔｙ， Ｎｉｉｎｏ Ｌｅｖｅｌ ｔｈｅ
WRF模型原理解析
WRF模型原理解析标题: 深入解析WRF模型原理引言:WRF模型（Weather Research and Forecasting Model）是一种广泛应用于天气和气候研究的大气数值模型。
它能够模拟和预测天气系统的发展和演变，为气象学家、气候学家和其他相关领域的研究人员提供了强大的工具。
本文将深入探讨WRF模型的原理，包括其基本方程、物理参数化方案、数值算法和模拟能力等方面。
第一部分: WRF模型概述与基本方程WRF模型是基于非静力学方程组构建的数值模型，可描述大气的动力学和热力学过程。
它的基本方程包括连续性方程、运动方程、热力学方程和状态方程。
我们将逐一解释这些方程的含义和作用，并说明它们在模拟天气系统中的重要性。
第二部分: WRF模型的物理参数化方案WRF模型的物理参数化方案用于模拟大气中的子网格尺度过程，如辐射、湍流、云微物理和大气边界层。
我们将重点介绍这些物理参数化方案的原理、应用范围和有效性，并讨论在不同气象事件中使用的最佳配置。
第三部分: WRF模型的数值算法WRF模型的数值算法是指用于离散化基本方程的数值格式和求解器。
我们将探讨WRF模型中常用的数值算法，如有限差分法、有限体积法和有限元法，并讨论它们在模拟天气现象中的优缺点和适用性。
第四部分: WRF模型的模拟能力与评估方法WRF模型的模拟能力是指其对实际天气系统的精确度和准确性。
我们将介绍常用的评估方法，如观测对比、统计指标和模拟验证等，并分析WRF模型在不同气象事件和地区的模拟表现。
同时，我们也将探讨模型参数和初始条件对模拟结果的敏感性。
结论: 对WRF模型原理的深入解析在本文中，我们全面解析了WRF模型的原理与机制。
通过对基本方程、物理参数化方案、数值算法和模拟能力的分析，可以更好地理解该模型在天气和气候预测方面的应用。
此外，我们还提供了对WRF模型的观点和理解，强调了其在科学研究和气象预测中的重要性和潜力。
通过本文，读者可以深入了解WRF模型的内部机制和运行原理，为其未来的研究工作和实践应用提供指导和参考。
针对WRF模式中行星边界层参数化过程倾向项的扰动方法
针对WRF模式中行星边界层参数化过程倾向项的扰动方法作者：武天杰闵锦忠来源：《大气科学学报》2021年第02期摘要针对WRF模式中行星边界层参数化过程中的不确定性，发展了一种针对行星边界层参数化过程的随机物理扰动方案（SPPBLPT），该方案针对行星边界层计算的温度、风场、水汽倾向项进行扰动。
使用该方案、多行星边界层参数化方案、多参数扰动方案及针对WRF模式总倾向的随机物理过程扰动（SPPT）方案对2014年7月进行对比实验，发现使用较大格点方差的SPPBLPT方案能有效降低地面温度与风场的误差，也能降低降水的预报误差，而其他方案对预报改善不明显。
针对地面温度和风场的BS评分显示，SPPBLPT方案通过降低可靠性评分（提高可靠性），显著改善了集合预报对温度与风场的可能性预报，同时该方案能显著提高降水的GSS评分，在所有实验中，较大格点方差的SPPBLPT方案表现最好。
针对行星边界层参数化过程的随机物理扰动方案（SPPBLPT）能显著提升集合预报系统性能，但是该方案的扰动参数的设置还需要进一步研究。
关键词行星边界层;随机物理过程扰动;集合预报;WRF模式数值模式已被广泛用于天气系统的预报和科研当中，这些模式中，对于无法被完全解析的次网格过程，常常使用参数化过程来表征。
行星边界层方案（Planetary Boundary Layer，PBL）是这些参数化过程中的一种，用于表征行星边界层及自由大气中次网格的热量、水汽、动量等物理量的垂直湍流输送。
Lamraoui et al.（2019）研究指出模式（Weather Research and Forecasting Model）中不同PBL参数化方案，会影响数值模式对锋前云雨现象的模拟。
代昕鹭等（2017）研究指出，PBL参数化方案在中尺度WARMS模式和WRF模式中，对降水都有较大的影响。
Hariprasad et al.（2014）指出PBL通过对湍流混合的模拟影响模式的底层温湿的模拟。
WRF模式边界层参数化方案对川渝盆地西南涡降水模拟的影响
第45卷第1期 2021年1月大气科学Chinese Journal of Atmospheric SciencesVol. 45 No. 1Jan. 2021吴志鹏，李跃清，李晓岚，等.2021. W RF模式边界层参数化方案对川渝盆地西南涡降水模拟的影响[«!].大气科学，45(1): 58-72. WU Zhipeng，LI Yueqing, LI Xiaolan, et al. 2021. Influence of Different Planetary Boundary Layer Parameterization Schemes on the Simulation of Precipitation Caused by Southwest China Vortex in Sichuan Basin Based on the WRF Model [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 45(1): 58-72. doi:10.3878/j.issn. 1006-9895.2005.19171W R F模式边界层参数化方案对川渝盆地西南涡降水模拟的影响吴志鹏1李跃清2李晓岚3胡小明4周国兵1邓承之11重庆市气象台，重庆4011472中国气象局成都高原气象研宂所/高原与盆地暴雨旱涝灾害四川省重点实验室，成都6100723中国气象局沈阳大气环境研宂所，沈阳1101664俄克拉荷马大学风暴分析与预测中心，诺曼73072,美国摘要应用W R Fv4.0模式五种边界层参数化方案（YSU、MYJ、MYNN2、ACM2和S H),对2016年汛期(5〜9月）在川渝盆地东部造成暴雨的所有西南涡过程进行了数值模拟，检验评估了它们对各量级降水的预报 能力，并基于加密的L波段秒级探空资料对比分析了模拟与实况边界层结构的差异，结合各方案对湍流运动的 算法特点探讨了其差异的原因，最后对ACM2方案进行了湍流强度调整，由此改善其对于川渝盆地边界层与西 南涡降水的模拟能力。
MM5_WRF气象场模拟差异对CMAQ空气质量预报效果的影响
收稿日期:2009-03-03 修订日期:2009-06-29基金项目:国家重点基础研究发展计划(973)项目(G 1999045700);中日政府间J ICA 渠道技术合作专项作者简介:程兴宏(1977-),男,云南祥云人,助理研究员,博士,主要从事大气污染数值模拟、风能太阳能资源评估研究,cxingh @cma.g .MM5ΠWRF 气象场模拟差异对CMAQ 空气质量预报效果的影响程兴宏1,2,徐祥德1,丁国安1,李德平31.中国气象科学研究院,北京 1000812.国家气候中心,北京 1000813.北京市观象台,北京 100089摘要:评估了为公共多尺度空气质量模式(C M AQ )提供气象输入场的第五代NC AR ΠPenn S tate 中尺度(M M5)模式与天气研究和预报(WRF )模式模拟的多种气象要素的准确性;比较了2个模式提供的气象场对华北地区S O 2和NO 2源同化反演效果及其质量浓度预报的差异;分析了相对湿度和边界层高的变化对ρ(S O 2),ρ(NO 2)预报的影响及其物理机制.结果表明:WRF 模式模拟的各气象要素准确性优于M M5模式,其中M M5模式对相对湿度和边界层高度的模拟值与实测值的偏差较明显,而WRF 模式的模拟值与实测值较接近;相对湿度和边界层高度参数是影响C M AQ 空气质量预报的关键气象要素,这2个参数的变化对ρ(S O 2)和ρ(NO 2)的预报有显著影响,因此,对2个参数的改进可显著减小预报误差;ρ(S O 2)模拟误差减小的主要原因是垂直输送和质量调整过程对ρ(S O 2)的贡献减小;而ρ(NO 2)模拟误差减小的主要原因是化学反应过程对ρ(NO 2)的贡献明显减小.关键词:M M5ΠWRF 气象场;C M AQ 源同化模型;ρ(S O 2)和ρ(NO 2)预报;影响差异;积分过程率分析中图分类号:X 511,X 169 文献标志码:A 文章编号:1001-6929(2009)12-1411-09Difference s in MM5and WRF Meteorological Field Simulations and Impact on Air Quality Foreca sting by CMAQ ModelCHE NG X ing 2hong1,2,X U X iang 2de 1,DI NG G uo 2an 1,LI De 2ping31.Chinese Academy of Meteorological Sciences ,Beijing 100081,China2.National Climate Center ,Beijing 100081,China3.Beijing Observatory ,Beijing 100089,ChinaAbstract :The im pacts of meteorological fields simulated by M M5and WRF m odels on air quality forecasting by the C M AQ m odel are explored.Em phasis is placed on com paring the inverse effect of S O 2and NO 2s ources by adaptive Nudging scheme and the tw o m odels in N orth China ,the difference of their forecasting concentrations ,and on analysis of physical mechanism of im proved simulation of planet boundary layer (P BL )height and relative humidity.The results indicate that diurnal variation and vertical profile of four meteorological elements simulated by the WRF m odel are in better agreement with MIC APS observations than those by the M M5m odel.The relative humidity and the P BL height simulated by the M M5m odel are far from the observed values ,but those simulated by WRF m odel are closer to the observations.The relative humidity and P BL height are key factors in the forecasting of S O 2and NO 2mass concentrations with the C M AQ m odel.The variation of these factors significantly in fluences the forecasting of S O 2and NO 2mass concentrations.Therefore ,im proved simulation of P BL height and relative humidity has positive im pacts on S O 2and NO 2mass concentration forecasting accuracy.The main reas on for smaller simulative error of S O 2mass concentration is less contribution of vertical transportation and mass adjusting process to S O 2mass concentration ;the main reas on for smaller simulative error of NO 2mass concentration is less contribution of chemical reactive process to NO 2mass conentration.K ey w ords :meteorological fields simulated by M M5and WRFm odel ;C M AQ m odel using adaptive Nudgingscheme ;S O 2and NO 2mass concentrations forecast ;im pact difference ;IPR process analysis 目前空气质量模式的发展趋势是动力-化学耦第22卷 第12期2009年12月环 境 科 学 研 究Research of Environmental Sciences V ol.22,N o.12Dec.,2009合模式系统,主要以美国环境保护署(US EPA)开发的第三代空气质量预报和评估系统M odel-3为代表[1].M odel-3由中尺度气象模式、污染源排放模式和多尺度空气质量模式三部分组成,其核心公共多尺度空气质量模式(C ommunity Multiscale Air Quality M odel,C MAQ)具有局地、城市、区域和大陆等多种尺度的模拟能力.由于M odels-3模拟系统具有通用性、灵活性、开放性等优点,近几年发展迅速并得到广泛应用[228].唐孝炎等[9]指出,污染源排放数据是空气质量模式的重要输入数据,排放数据的不确定性在很大程度上决定了模式输出的准确性.因此,获取污染源客观排放数据是提高新一代空气质量预报模式预测能力的关键环节,也是空气质量预报模式发展的技术难题与“瓶颈”问题.X U等[10]提出了C MAQ模式迭代器源反演模型,即在空气质量预报方程中加入排放源的“张弛调整项”,以减少模式预报值与实测值的误差;采用“Nudging”源同化反演方法和C MAQ模式预报了2006年1,4,8和10月全国的ρ(S O2)和ρ(NO2),并与常用的2001年中国地区排放源[11]的预报结果及实测结果进行对比,发现采用该源同化反演方法,可明显减少预报误差; S O2和NO2源同化反演模型可适用于我国不同地区、不同季节和不同天气过程.C MAQ模式和“Nudging”源同化反演方法的介绍见文献[12].“Nudging”源同化反演模型假设大气污染数值模式能较好地模拟污染物的传输、扩散、转化、迁移等物理和化学过程,模拟值和实测值的偏差完全由污染源清单的不确定性造成,通过迭代计算使模拟值趋向于实测值,从而获得相对客观、准确的排放源清单.该源同化反演模型本身具有不确定性,即在进行源同化迭代计算时,存在某种误差影响因子,从而对源同化反演效果及空气质量预报存在一定影响.许建明[13]分析了风速,污染物初始质量浓度, S O2与NO x间的化学作用,源排放强度等4种误差因子对源同化反演效果的影响.结果表明,气象条件尤其是水平风速是决定“Nudging”源同化计算效果的主要因子,它通过扩散和传输作用影响污染物质量浓度模拟,改变污染源“Nudging”调整项大小,从而影响反演源计算结果.但有研究[14215]表明,其他气象条件如相对湿度、边界层高度也会影响污染物质量浓度的模拟结果.王喜全等[14]对北京PM10重污染气象条件的研究表明,一定相对湿度和污染积累是必要条件,而大气稳定度、边界层高度、持续性小风以及气压是重要条件.隋珂珂等[15]统计了奥林匹克体育中心站近4年的ρ(PM10)与常规气象要素的相关性结果表明,相对湿度、风速和风向对其影响较大,其中相对湿度与秋、冬两季PM10持续污染概率的相关性较好.笔者着重分析了相对湿度、边界层高度的改进对空气质量预报的影响.第五代NC ARΠPenn State中尺度模式(The Fifth2 G eneration NC ARΠPenn State Mes oscale M odel,M M5)已经成为目前应用最广泛的中尺度数值模式.目前除了应用于暴雨、台风等短期天气研究以外,还应用于空气污染数值模拟以及区域气候研究等领域.马锋敏等[16]利用区域M M5模式和气团后向轨迹模式(HY SP LIT-4)对2002年10月7—13日发生在北京及周边地区的典型大气污染过程进行了模拟与分析;黄青等[17]应用M M5模式与区域多尺度空气质量模型(C AMx)的耦合模式系统,研究了2005年采暖期间近北京地区电厂源排放对北京市空气质量的影响.在M M5模式之后,美国国家大气研究中心(The National Center for Atm ospheric Research, NC AR)、美国国家海洋大气管理局(The National Oceanic and Atm ospheric Administration,NOAA),美国天气预报系统实验室(The F orecast Systems Laboratory,FS L)以及Okla2homa大学的沙尘暴分析和预报研究中心(The Center for Analysis and Prediction of Storms,C APS)等联合了多个科研机构开发了新一代中尺度数值模式———天气研究和预报模式(The Weather Research and F orecast M odel,WRF),并希望以该模式来代替和更新现行的中尺度数值模拟和预报系统.现在许多机构如美国国家大气研究中心(NC AR)、美国空军天气情报局(The Air F orce Weather Agency,AFW A)、美国天气预报系统实验室(FS L)和美国伊利诺斯州立大学(Illinois)等都开展了WRF模式的实际业务和科研应用.到目前为止, WRF模式还不是十分成熟,在我国的应用较少.有研究[18220]分别采用M M5和WRF模式对强降水、区域性暴雨及强冷空气过程进行模拟,对2种模拟结果的对比表明:WRF模式的动力框架具有一定的优越性,在前处理和所选物理过程相同的情况下,WRF 模式对能够代表上述天气过程的中尺度天气系统的高度场、风场、散度场、水汽通量场以及垂直速度场等物理量的模拟效果好于M M5模式.笔者采用2006年8月2—10日每天8个时次华北地区气象信息综合分析处理系统(The2141环 境 科 学 研 究第22卷Meteorological In formation C om prehensive Analysis andProcessing System,MIC APS)地面与探空资料分别评估了M M5(V317)与WRF(V21112)模式模拟的气温、气压、相对湿度、风速、风向和边界层高度等气象要素的准确性;采用2006年7月的同化源,比较了2种模式提供的气象场对华北地区ρ(S O2)和ρ(NO2)预报水平的影响差异.采用C MAQ模式中的IPR过程分析模块着重分析了WRF模式对边界层高度、相对湿度的模拟改进对ρ(S O2)和ρ(NO2)预报的影响. 1 MM5,WRF模式与CMAQ模式参数设置及敏感试验设计1.1 M M5与WRF模式的比较表1给出了2个高分辨率的中尺度数值模式的特征差异.由表1可知,与M M5模式相比,WRF模式在动力框架,质量、动量和标量的守恒性,模式分辨率和稳定性等方面具有一定的优越性.表1 MM5与WRF模式的特征比较[18]T able1 C om paris on of M M5and WRF m odel 项目M M5模式WRF模式垂直坐标地形追随高度坐标地形追随质量坐标守恒性不一定守恒质量、动量和标量守恒时间积分蛙跳积分格式三阶Runge-K utta积分格式水平对流二阶精度的中心格式五阶迎风差分格式阻尼滤波四阶平滑无要求典型时间步长3倍格距6倍格距1.2 M M5与WRF模式的参数设置由于中尺度数值模式对初始场和边界条件的依赖性,因此,模式的前处理过程将会影响到模拟结果[8].故笔者对WRF和M M5模式采用相同的前处理过程,由此产生相同的初始场和侧边界.M M5与WRF模式的参数设置如表2所示.表2 MM5与WRF模式的参数设置T able2 Parameters setting of M M5and WRF m odel参数M M5模式WRF模式垂直坐标地形追随高度坐标地形追随质量坐标嵌套网格方案二重单向二重单向投影坐标类型Lambert投影坐标Lambert投影坐标2条真纬度25°N和40°N25°N和40°N模拟范围第一重网格:16°N～50°N,70°E～135°E第二重网格:32°N～46°N,103°E～126°E第一重网格:16°N～50°N,70°E～135°E第二重网格:32°N～46°N,103°E～126°E水平分辨率第一重网格:36km,网格数为136×100第二重网格:12km,网格数为169×109第一重网格:36km,网格数为136×100第二重网格:12km,网格数为169×109垂直层次不等距28层,模式顶高约为17km,垂直分辨率在近地层较高不等距28层,模式顶高约为17km,垂直分辨率在近地层较高大尺度气象背景场和边界条件1°×1°的NCEP资料(6h间隔)1°×1°的NCEP资料(6h间隔)积云参数化方案K ain-Fritsch方案K ain-Fritsch(new E ta)方案边界层参数化方案MRF方案M ellor-Y amada-Janjic(E ta),湍流动能方案大气辐射方案RRT M长波和云(Dudhia)短波辐射方案RRT M长波和云(Dudhia)短波辐射方案1.3 C MAQ模式参数设置11311 网格设置采用二重单向嵌套网格.第一重网格:17°N～49°N,71°N～134°E,网格中心点位于3410°N,10210°E,网格数为130×94,网格距为36km.第二重网格: 33°N～45°N,104°E～125°E,网格数为163×103,网格距为12km.二重网格垂直方向均不等距分13层,分辨率在大气低层较高并随高度逐渐降低,其中近一半的模式垂直层次分布在2km以下.11312 物理过程设置水平平流和垂直对流采用分段抛物线(Piecewise Parab olic Meth od,PP M)解法,垂直扩散采用Crank2Nich ols on解法,考虑了干沉降和湿沉降过程.11313 化学机制选用改进的C BM-I V机理(C B4-AE3-AQ),该机理同时考虑了液相和气溶胶化学反应过程.化学机理利用显示准稳态近似(The Explicit Quasi2 Steady State Approximation,QSS A)算法求解.11314 气象场输入采用M M5与WRF模式的模拟结果,包括高度和气压场、风场、温度场、水汽场、云量、降水以及垂直扩散系数等.11315 源排放输入初始排放源清单由美国环境保护署(US EPA)3141第12期程兴宏等:M M5ΠWRF气象场模拟差异对C M AQ空气质量预报效果的影响释放,水平分辨率为36km ,垂直方向12层,根据David Streets 2000年亚洲地区1°×1°的排放源[11]编制.其中自然源来自全球排放源清单调查计划(G lobal Emission Inventory Activity ,GEI A ).并以David Streets 排放源为基础,采用源同化方法反演获得相对准确的新同化源.第二重网格排放源为第一重网格经Cressman 插值得到.11316 初始条件和边界条件设置C MAQ 模式第1天运行时采用自带的清洁大气的垂直廓线,第2天运行时以第1天的输出结果作为初始浓度场和边界值.11317 源同化试验与效果检验时段源同化反演时段为2006年7月20—21日,模拟效果检验时段为2006年8月2—10日.在分析北京和华北地区的M M5,WRF 模式及C MAQ 模式输出结果时,取北京或华北其他城市的网格点的平均值为模式模拟值.IPR 过程分析时采取上述网格模拟值取法.1.4 试验方案设计11411 控制试验采用2006年7月同化反演源及M M5,WRF 模式提供的气象场,分别模拟2006年8月2—9日二重区域的ρ(S O 2)和ρ(NO 2),分析时着重考虑华北地区ρ(S O 2)和ρ(NO 2)的预报效果.11412 敏感试验方案由于WRF 模式模拟的华北地区边界层高度和相对湿度均比实测值偏高,平均偏高80m 和15%(见212节).因此在反演2006年7月的S O 2和NO 2排放源强时,WRF 模式模拟的第二重区域(即华北地区)气象场中边界层高度和相对湿度分别减小80m 和15%,并采用同化反演源和改进的气象场模拟2006年8月2—9日华北地区的ρ(S O 2)和ρ(NO 2).2 MM5与WRF 模式气象要素模拟效果评估211 华北地区气象场评估比较了2006年8月2—10日华北地区M M5和WRF 模式模拟的气温、气压、风场分布与MIC APS 实测资料的空间分布特征(图略).结果表明:M M5和WRF 模式均模拟出了气温的高、低值区,但WRF 模式模拟的气温空间分布与实测气温的高、低值区的位置与强度分布较一致,即北京西南面为高温区,西北面为低温区,在高、低温区间存在一条东北─西南走向的温带密集区,而M M5模式的气温模拟值较实测值偏低.2个模式均模拟出了华北地区高、低压中心,但2个模式模拟的北京西部的高压区与实测气压场不一致.相对M M5模式,WRF 模式模拟的高、低压中心位置和强度较接近于实测气压场,而M M5模式模拟的高、低压中心值大于实测气压.2个模式模拟的风速矢量场分布与实测风场一致,但风速均略高于实测值.相比而言,WRF 模式模拟的风速分布与实测风场较一致,尤其模拟出了北京市西北部的东南气流向西南气流的转向,而M M5模式模拟的气流转向不明显.图1给出了2个模式模拟的相对湿度分布特征,底图数据来自国家基础地理信息中心[21].由图1可知,M M5和WRF 模式模拟的干湿舌中心与实测相对湿度分布较一致,但2个模式模拟的相对湿度均高于实测值.综上,M M5模式模拟的气温、气压和风场等气象要素高、低值区分布与实测值有一定差异,其模拟效果均差于WRF 模式;M M5和WRF 模式模拟的相对湿度总体偏高.图1 华北地区MM5和WRF 模式模拟的近地面相对湿度与MICAPS 实测结果的空间分布Fig.1 Distribution of sur face relative humidity simulated by M M5and WRF m odels and observationvalue (MIC APS data )in N orth of China4141环 境 科 学 研 究第22卷2.2 北京地区气象要素评估对2006年8月2—10日每天8个时次(即北京时间02:00,05:00,08:00,11:00,14:00,17:00,20:00,23:00)北京地区M M5和WRF 模式模拟的近地面风速、气温、相对湿度与MIC APS 实测值对比可知:2个模式均模拟出了风速的日变化特征,即夜间风速较小,白天风速较大,14:00前后风速达到极大值.在7日08:00前,2个模式模拟的风速与实测风速较一致,08:00后M M5模式模拟的风速大部分低于实测风速,而WRF 模式的则高于实测值.2个模式模拟的气温日变化与实测气温日变化较一致,其一致性明显优于风速的模拟结果,但大部分时次2个模式模拟的气温均低于实测气温,尤其是7日08:00后M M5模式的模拟气温明显偏低.大部分时次2个模式模拟的相对湿度均高于实测值,WRF 模式模拟的相对湿度9d 平均偏高15%.相对而言,WRF 模式模拟的各气象要素的日变化与MIC APS 实测结果的一致性优于M M5模式.图2给出了2006年8月2—10日北京地区M M5和WRF 模式模拟的边界层高度与探空观测的边界层高度的差异.由图2可知,WRF 模式模拟的北京地区08:00,20:00的边界层高度与实测值较接近,尤其是20:00的模拟效果较好,但略高于实测值,9d 平均偏高80m ;除8月6,7日20:00M M5模式模拟的边界层高度与实测值接近外,08:00的模拟值远高于实测值,而20:00模拟值低于实测值.比较了2006年8月2—10日08:00,20:002个时次北京地区M M5和WRF 模式模拟的气温、相对湿度、风速随高度变化与MIC APS 实测探空曲线的一致性(图略).结果表明:2个模式模拟的气温、风速随高度的变化与实测探空曲线较一致,尤其是气温的一致性较好,而且各高度上的气温与实测值较接近;WRF 模式模拟的各高度风速与实测值较接近,而M M5模式的模拟值均小于实测值;2个模式模拟的相对湿度随高度的变化与实测探空曲线有一定差异.总体来说,WRF 模式模拟的气温、风速垂直分布均优于M M5模式,而2个模式模拟的700hPa 以下近地层大气相对湿度与实测值的垂直分布一致性优于中高层大气,但模拟值与实测值有一定差异.图2 MM5和WRF 模式模拟的2006年8月2—10日北京地区边界层高度与探空观测的边界层高度比较Fig.2 T ime serial of P BL height simulated by M M5and WRF m odels and observation valuefrom MIC APS datasets in Beijing during August 2210,20063 不同模式模拟的气象场对ρ(SO 2)和ρ(N O 2)模拟的影响311 2个试验方案的模拟结果对比表3给出了2006年8月2—9日控制试验和敏感试验方案中C MAQ 模式模拟的华北地区6个城市的ρ(S O 2)和ρ(NO 2)与各自实测值的相关系数及平均偏差比.控制试验方案中,采用M M5-C MAQ 模式模拟的ρ(S O 2)和ρ(NO 2)与实测值的相关系数分别为0187,0173,平均偏差比分别为28144%和38167%;采用WRF -C MAQ 模式时,ρ(S O 2)和5141第12期程兴宏等:M M5ΠWRF 气象场模拟差异对C M AQ 空气质量预报效果的影响ρ(NO2)的模拟值与实测值的相关系数分别为0175和0179,平均偏差比分别为25155%和38122%.虽然WRF-C MAQ模式模拟的ρ(S O2)和ρ(NO2)与实测值的平均偏差略小于M M5-C MAQ模式,但其对预报水平的改进并不明显,这与该模式模拟的相对湿度和边界层高度与实测值的偏差有关.与控制试验相比,敏感试验模拟的ρ(S O2)和ρ(NO2)与实测值的相关系数分别提高了0103和0102,平均偏差比分别减小了13125%和22132%.可见,相对湿度和边界层高度模拟的改进对于ρ(S O2)和ρ(NO2)趋势预报的作用不明显,但可显著减小预报误差,尤其是对ρ(NO2)较明显.综上所述,当M M5和WRF模式模拟的相对湿度和边界层高度与实测值的偏差较大时,2个模式模拟的气象场差异对C MAQ模式的ρ(S O2)和ρ(NO2)预报影响较小,但气象场中上述2个参数的改进可显著减小预报误差.即相对湿度和边界层高度模拟的改进对ρ(S O2)和ρ(NO2)的预报更为重要.表3 3种试验方案下不同模式的ρ(SO2)和ρ(N O2)模拟值与实测值的相关系数及平均偏差比T able3 C orrelation coefficient and average error ratio of S O2and NO2mass concentration simulated by M M52C M AQ and WRF2C M AQ m odel and observation value in three schemes试验方案M M5-C M AQ模式WRF-C M AQ模式ρ(S O2)ρ(NO2)ρ(S O2)ρ(NO2)相关系数平均偏差比Π%相关系数平均偏差比Π%相关系数平均偏差比Π%相关系数平均偏差比Π%控制试验018728144017338167017525155017938122敏感试验────017812130018115190敏感试验与控制试验的偏差(绝对值)────0103131250102221323.2 试验结果的IPR过程分析采用C MAQ模式中的IPR过程分析模块对比分析了采用同化反演源时,在相对湿度和边界层高度模拟改进下各物理、化学过程对ρ(S O2)和ρ(NO2)贡献的差异(见图3,4).由图3可知,源影响过程对ρ(S O2)的贡献最大,水平输送、干沉降、垂直输送、垂直扩散、云物理和质量调整过程的贡献次之,水平扩散和化学反应过程的贡献最小.源影响过程对ρ(S O2)为正贡献,其贡献的ρ(S O2)具有明显的日变化特征,但滞后于总ρ(S O2)的日变化;垂直扩散、干沉降和云物理过程对ρ(S O2)为负贡献;质量调整、水平和垂直输送过程对ρ(S O2)的贡献有正有负;水平扩散和化学反应过程对ρ(S O2)的平均贡献分别为01001和01026μgΠm3,可忽略不计.对NO2而言,化学反应过程对ρ(NO2)的贡献最大,垂直扩散、云物理、源影响、干沉降、水平输送过程的贡献次之,垂直输送、质量调整和水平扩散过程的贡献最小.其中化学反应和源影响过程对ρ(NO2)为正贡献,而且这2个过程贡献的ρ(NO2)与总ρ(NO2)具有一致的日变化特征;垂直扩散、云物理、干沉降和水平输送过程对ρ(NO2)为负贡献;垂直输送、质量调整和水平扩散过程对ρ(NO2)的贡献有正有负;水平扩散对ρ(NO2)的贡献可忽略不计.由图4可知,改进相对湿度和边界层高度模拟后,各种物理、化学过程对总ρ(S O2)和总ρ(NO2)的影响与改变前的情况类似.对比图3,4可知,改进相对湿度和边界层高度模拟并未影响到各物理、化学过程对ρ(S O2)和ρ(NO2)贡献的日变化特征,即对于ρ(S O2)和ρ(NO2)趋势预报的作用并不明显;但却导致总ρ(S O2)和总ρ(NO2)减小,各物理、化学过程对2种污染物质量浓度贡献的影响程度不同.对S O2而言,改进2个参数后8d总ρ(S O2)平均减小20128%;垂直输送和质量调整过程贡献值随时间的变化趋势与总ρ(S O2)一致,垂直扩散过程贡献的ρ(S O2)显著增加,而大部分时次化学反应过程的贡献值显著减少,水平输送、干沉降和云物理过程贡献的ρ(S O2)变化有正有负.对NO2而言,改进2个参数后8d总ρ(NO2)平均减小55101%;化学反应过程贡献的ρ(S O2)的时间变化与总ρ(NO2)变化较一致,大部分时次垂直扩散、干沉降和云物理过程等对总ρ(NO2)的贡献均增加,而且增加幅度较大;其他过程贡献值变化有正有负.与S O2相比,相对湿度和边界层高度模拟改进时,各物理、化学过程对ρ(NO2)的贡献及总ρ(NO2)变化幅度较大.由此说明相对湿度6141环 境 科 学 研 究第22卷图3 控制试验方案中WRF-CMAQ模式模拟的北京ρ(SO2)和ρ(N O2)及各物理、化学过程的贡献Fig.3 Process analysis of S O2and NO2concentration simulated by WRF2C M AQm odel in control experiment in Beijing和边界层高度的改进对ρ(NO2)预报的影响较大. 结合表3可发现,相对湿度和边界层高度模拟的改进使得ρ(S O2),ρ(NO2)与实测值的误差明显减小.ρ(S O2)与实测值误差减小的主要原因是相对湿度和边界层高度降低使得垂直对流输送和质量调整过程对ρ(S O2)的贡献减小.这是因为垂直对流输送作用的强弱取决于垂直风速随高度的变化,与动力学和热力学的相互作用有关[22].边界层高度降低抑制了近地面边界层内的物质向大气自由扩散,近地层大气湍流运动减弱,垂直对流输送和平流质量调7141第12期程兴宏等:M M5ΠWRF气象场模拟差异对C M AQ空气质量预报效果的影响图4 敏感试验方案中WRF-CMAQ模式模拟的北京ρ(SO2)和ρ(N O2)及各物理、化学过程的贡献Fig.4 Process analysis of S O2and NO2mass concentration simulated byWRF2C M AQ m odel in sensitive experiment in Beijing整作用减弱,而ρ(NO2)模拟误差减小的主要原因是相对湿度和边界层高度降低使得化学反应过程对ρ(NO2)的贡献明显减小,而且幅度较大.文献[9]指出,城市近地层大气自由基氧化NO的能力相当强, NO2的化学生成量较大.由于相对湿度降低,H O2自由基氧化NO形成NO2的化学生成量减少,因此近地层ρ(NO2)明显减少.宜树华[22]利用IPR分析了2001年冬季北京及周边地区ρ(S O2)和ρ(NO x)等变化的原因,指出一次污染物的浓度值与流场、降水有关.笔者的研究结果与前人的结果一致.4 结论a.WRF模式模拟的各气象要素的日变化及其随高度的变化趋势与MIC APS地面、探空实测资料的一致性优于M M5模式,其中M M5模式模拟的相对湿度和边界层高度与实测值的偏差较明显,而WRF模式的与实测值较接近.b.相对湿度和边界层高度的改进对于ρ(S O2)和ρ(NO2)预报有显著的影响,可显著减小预报误差,尤其是ρ(NO2)的预报误差减少较明显.即ρ(S O2)和ρ(NO2)的预报对气象场中相对湿度和边界层高度参数有显著敏感性,尤其对ρ(NO2)预报及各物理、化学过程的贡献影响较大.相对湿度和边界层高度是影响C MAQ模式空气质量预报的关键气象要素之一.c.相对湿度和边界层高度参数的改进对ρ(S O2)和ρ(NO2)预报误差的影响机理有一定差异.8141环 境 科 学 研 究第22卷ρ(S O2)模拟误差减小的主要原因是垂直输送和质量调整过程对ρ(S O2)的贡献减小,因为边界层高度降低抑制了近地面边界层内的物质向自由大气扩散,近地层大气湍流运动减弱,垂直对流输送和平流质量调整作用减弱;而ρ(NO2)模拟误差减小的主要原因是化学反应过程对ρ(NO2)的贡献明显减小.由于相对湿度和边界层高度降低,NOx气相化学反应作用减弱,NO2生成量明显减少.参考文献(R eferences):[1] DE NNIS R,BY UN D,NOVAKJ.The next generation of integrated airquality m odeling:EPAπs M odels23[J].Atm os Environ,1996,30:192521938.[2] BU LLOCK O R,BREH ME K A.Atm ospheric mercury simulationusing the C M AQ m odel:formulation description and analysis of wetdeposition results[J].Atm os Environ,2002,36(13):213522146. [3] ARNO LD J R,DE NNIS R L,T ONNESE N G S.Diagnostic evaluationof numerical air quality m odels with specialized ambient observation:testing the community multiscale air quality m odeling system(C M AQ)at selected S OS95ground sites[J].Atm os Environ,2003,37(9Π10):118521198.[4] ZHANG M,UNO I,CARMICHAE L G R,et rge2scale structureof trace gas and aeros ol distribution over the western pacific oceanduring the transport and chem ical ev olution over the pacific(TRACE2P)experiment[J].J G eophys Res,2003,108:8820,doi:10.1029Π2002JD002946.[5] 张美根.多尺度空气质量模式系统及其验证:Ⅰ.模式系统介绍与气象要素模拟[J].大气科学,2005,29(5):8052813.[6] 刘煜,李维亮,周秀骥.夏季华北地区二次气溶胶的模拟研究[J].中国科学D辑:地球科学,2005,35(S1):1562166.[7] 王自发,庞成明,朱江,等.大气环境数值模拟研究新进展[J].大气科学,2008,32(4):9872995.[8] 孟伟,高庆先,张志刚,等.北京及周边地区大气污染数值模拟研究[J].环境科学研究,2006,19(5):11218.[9] 唐孝炎,张远航,邵敏.大气环境化学[M].北京:高等教育出版社,2006:49262.[10] X U X D,XIE L,CHE NG X H,et al.Application of an adaptivenudging scheme in air quality forecasting in China[J].Journal ofApplied M eteorology and Climatology,2008,47(8):210522114. [11] STREETS D,W A LDHOFF S T.Present and future em issions of airpollutants in China:S O2,NO x and CO[J].Atm os Environ,2000,34:3632374.[12] 程兴宏.空气质量模式“源同化”模型及排放源影响效应研究[D].北京:中国科学院研究生院,中国气象科学研究院,2008.[13] 许建明.城市大气环境数值技术的集成、改进和应用研究[D].南京:南京信息工程大学,2006.[14] 王喜全,虞统,孙峰,等.北京PM10重污染预警预报关键因子研究[J].气候与环境研究,2006,11(4):4702476.[15] 隋珂珂,王自发,杨军,等.北京PM10持续污染及与常规气象要素的关系[J].环境科学研究,2007,20(6):77282.[16] 马锋敏,高庆先,周锁铨,等.北京及周边地区一次典型大气污染过程的模拟分析[J].环境科学研究,2008,21(1):30236. [17] 黄青,程水源,陈东升,等.近周边电厂源对北京市采暖期间S O2的贡献分析[J].环境科学研究,2009,22(5):5672573. [18] HIROY UKI K,ANDREW C,J I MY D,et al.C om paris on of the WRFand M M5m odels for simulation of heavy rain fall along the baiu front[J].Scientific Online Letters on the Atm osphere(S O LA),2005,1:1972200.[19] 孙健,赵平.用WRF与M M5模拟1998年三次暴雨过程的对比分析[J].气象学报,2003,61(6):6922701.[20] 赵洪,杨学联,邢建勇,等.WRF与M M5对2007年3月初强冷空气数值预报结果的对比分析[J].海洋预报,2007,24(2):128.[21] 国家基础地理信息中心.国家基础地理信息系统1∶400万数据国界与省界[E BΠO L].北京:国家基础地理信息中心,2007[2009206222].http:ΠΠn fgis.nsdi.g ΠaspΠuserin fo.asp?action=queding.[22] 宜树华.北京及其周边地区空气污染的动力和化学过程分析[D].北京:中国气象科学研究院,2002.(责任编辑:孙彩萍)9141第12期程兴宏等:M M5ΠWRF气象场模拟差异对C M AQ空气质量预报效果的影响。
“7.18”山东暴雨过程分析II：WRF模式边界层参数化方案对降水的影响
“7.18”山东暴雨过程分析II：WRF模式边界层参数化方案对降水的影响[目的]分析不同行星边界层参数化方案对此次暴雨过程中降水模拟效果的影响。
[方法]利用WRF3.4模式，选用不同边界层参数化方案对“7.18”山东暴雨过程进行敏感性试验，研究不同行星边界层参数化方案对此次暴雨过程中的降水分布、降水极值出现时间以及BS、ETS评分的影响。
[结果]不论是否使用边界层参数化方案，均能模拟出雨带的基本走向，但不同方案对于降水中心强度及其位置的模拟存在一定差异。
不同边界层方案得到的模拟降水峰值的出现时间普遍比实际降水落后2～3 h，且其降水峰值之间存在较大差异，其中YSU方案对降水峰值的模拟效果最好。
综合ETS评分和BS评分结果可知，对于降水量较小（50 mm）的模拟，使用YSU方案效果最好。
[结论]WRF模式中不同边界层参数化方案对降水模拟效果的影响较大，选择合适的边界层参数化方案能显著提高降水的预报准确率。
标签：暴雨；WRF模式；敏感性试验；边界层参数化方案；降水大气边界层对于地面和自由大气之间的动量、热量和水汽的交换有重要作用[1]。
近年来，利用中尺度数值模式研究边界层参数化方案对暴雨预报的影响是暴雨研究领域的一个热点课题[2-5]，如陈炯等[3]利用WRF模式对比分析了一次江淮暴雨过程中MRF和MYJ边界层参数化方案，结果表明，分辨率为20 km 时WRF模式基本能够模拟出中尺度降水的范围、位置和强度；黄泓等[5]选用WRF3.0模式中的MYJ、YSU、ACM2边界层参数化方案针对不同性质的暴雨进行敏感性试验，结果发现，模式中各个边界层方案在降水模拟中所表现出的优势是相对的，没有方案能在所有量级降水中始终占优势。
该研究利用WRF3.4模式，选用不同边界层参数化方案对2007年7月一次由中尺度对流造成的山东“7.18”暴雨进行敏感性试验，探讨不同行星边界层参数化方案对此次暴雨过程中降水模拟效果的影响。
基于WRF模式的暴雨天气过程的数值模拟及诊断分析
基于WRF模式的暴雨天气过程的数值模拟及诊断分析袁成松;王秋云;包云轩;严明良【摘要】A heavy rainstorm occurring in the southern part of Jiangsu Province including Shanghai-Nanjing Expressway on September 17th,2009 is simulated by using WRF2.2（Weather Research and Forecasting Model for version 2.2） and NCEP（National Center of Environment Predicting）reanalyzed meteorological data with 1°×1° grid.The verification of the observed data from the Automatic Weather Monitoring System on the Shanghai-Nanjing Expressway displays that the results of the simulation on the rainstorm process are satisfactory and the simulations coincide with the observed values.Diagnoses are made based on the output data from the model.The results are shown as follows：（1）The development and movement of a meso-β-scale low vortex in the middle and lower reaches of the Yangtze River play an important role in the enhancement and maintenance of the rainfall in the process;（2）The moisture convergence zone below 500 hPa is significant and it provides important vapor conditions for the unstable growth of convection and the maintaining of rainstorm by the forming of the deep and humid environment in the rainfall area;（3）There is strong vertical motion in the rainfall area and the vertical structure configuration of the vorticity field is consistent with that of the divergence field.As a result,the unstable energy in the atmosphere release and the strong convective weather forms;（4）The atmospheric stratification is neutral in the middle and upper of troposphere butpotential instable in the lower atmosphere.So there is convection development in the whole layer of the atmosphere,which is conducive to the formation of the rainstorm.%利用新一代中尺度数值预报模式WRF2.2和1°×1°的NCEP气象再分析资料,对2009年9月17日发生在江苏南部地区覆盖沪宁高速公路的一次大暴雨天气过程进行了数值模拟。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于WRF不同边界层方案的陕西气象要素预报检验
马永永;娄盼星;惠英;肖贻青;孙璐
【期刊名称】《陕西气象》
【年(卷),期】2023()1
【摘要】利用陕西省区域数值模式系统,通过对比WRF中两种大气边界层方案(MJY和YSU),对陕西省2021年7月地面和高空要素预报开展了对比试验。
结果表明:地面要素预报上,MYJ方案的24 h累积降水量预报的空报率和漏报率都更低,TS评分更高,预报效果更好,逐小时降水量预报的BIAS评分随预报时效的增加变化更小,空报率、漏报率和TS评分也整体优于YSU方案,表明MYJ方案对降水预报的稳定性更好。
两个方案的2 m温度和10 m风场预报存在正偏差,2 m比湿预报存在负偏差,即预报场的温度偏高、风速偏大、湿度偏干,YSU方案在2 m温度和10 m风场预报上效果更好,而MYJ方案在2 m比湿预报上效果更好。
高空要素预报上,两个方案在各个高度层上对各个要素的预报各有优劣,其中YSU方案在高空风速预报上较MYJ方案更稳定。
【总页数】7页(P8-14)
【作者】马永永;娄盼星;惠英;肖贻青;孙璐
【作者单位】陕西省气象科学研究所;陕西省气象局秦岭和黄土高原生态环境气象重点实验室;陕西省气象台
【正文语种】中文
【中图分类】P456.7
【相关文献】
1.MYJ和YSU方案对WRF边界层气象要素模拟的影响
2.基于WRF不同边界层方案的黄土高原丘陵冬季地面气象要素日变化模拟分析
3.WRF模式不同云参数化方案的暴雨预报能力检验及集成试验
4.基于WRF的机场中尺度预报模式对乌鲁木齐机场地面气象要素预报效果的评估分析
5.WRF模式不同边界层参数化方案模拟兰州冬季边界层高度的研究
因版权原因，仅展示原文概要，查看原文内容请购买。