华北地区平流雾事件的可预测性。第一部分：对初始条件差异的敏感性外文翻译资料

 2022-11-13 04:11

英语原文共 20 页，剩余内容已隐藏，支付完成后下载完整资料

华北地区平流雾事件的可预测性。第一部分：对初始条件差异的敏感性

HUIQIN HU, QINGHONG ZHANG, BAOGUO XIE, YUE YING，* AND JIPING ZHANG

北京大学物理学院大气与海洋科学系气候与海洋大气研究室，北京

XIN WANG

中国气象局国家卫星气象中心

摘要：利用中尺度天气研究和预报模式WRF，对2007年2月21日发生在华北地区（NC）强平流雾事件的可预测性进行了集合模拟研究。从集合成员中选择最佳和最差模拟的成员，并研究了它们的初始条件（IC）差异。 为了测试雾模拟对这些差异的敏感性，模式初始条件初始化为最差成员线性变化到最佳成员的初始条件（IC），并对模拟结果的变化进行检验。结果表明：由于IC的线性改进，模拟结果的改进是单调的。模式低层初始条件（IC）差异对模拟的影响大于高层的初始条件（IC）差异。研究单独去除每个气象变量的初始条件（IC）差异对模拟结果的影响，发现位温和水平风的改善比水汽混合比的改善更重要。此外，每个气象变量的线性改进也对模拟结果有单调贡献，对位温和水汽混合比变化趋势的分析表明湍流混合和对流是产生雾的主要原因。正确的初始温度场确保了模拟的形成和维持，正确的初始风场确保了在这种情况下正确的温度和湿度传输。本文进一步考察了模拟结果单调改进的原因。

1引言

雾是水或冰滴悬浮在近地面附近，将大气水平能见度（AHV）降低至1公里以下的天气现象（Glickman 2000）。在某些地区雾的形成可能会产生严重的影响，并通过其对人类活动的不利影响而导致当地的经济受损（Niu et al. 2010）。雾事件造成的航空、海洋和陆地运输的总经济损失可与龙卷风甚至冬季风暴和飓风带来的损失相比较（Gultep et al. 2007）。在中国华北地区（NC），秋季和冬季经常出现雾（Guo和Zhang 2007），由于华北地区的交通日益繁忙，雾已成为一种新型的高影响天气。由于其形成过程的复杂性、多样性，目前对雾的预测能力非常有限（Bergot和 Guedalia 1994； Bergot et al. 2005；Zhou和Du 2010）。目前可以使用各种模式来模拟与雾相关的事件：用一维（1D）雾模式模拟局部雾，例如Code de Brouillard a lechelle locale 1D边界/雾模式（Tardif 2007）和微物理雾模式（von Glasow和Bott 1999）。用二维（2D）和三维（3D）模式（Ballard et al. 1991）以及耦合模式[夜间边界层的1D模型与地表模型相结合Muller 2006） ]对区域雾进行模拟，大涡模拟（LES）也被用于研究雾的三维结构（Nakanishi 2000）。特别地，中尺度数值模式WRF已成功的应用于雾的模拟（Muller 2006；Van der Velde et al. 2010；Zhou和Du 2010），并在模拟海雾（Gao et al. 2010）和预测平流雾（Li et al. 2007）方面显示出了潜力。然而目前美国国家环境预报中心（NCEP）预测雾的能力远低于同一模式预测降水的能力（Zhou 2011），这可能是因为目前大多数关于天气可预测性的研究仅关注对流天气或气旋，对雾的可预测性缺乏了解（Melhauser和Zhang 2012；VAn Sang 2008 ；Walser et al. 2004；Zhang et al. 2003；zhang et al. 2006）。

近年来，雾的可预测性开始引起一些研究人员的注意。研究考察了湍流（Nakanishi 2000；Welch et al. 1986）、地形（Golding 1993）、植被（Duynkerke 1991；Von Glasow和Bott 1999）、模式分辨率（Ballard et al. 1991；Chibe和Cotton 2003；Muller 2006；Tardif 2007；Van der Veldeet al. 2010）等对雾模拟的影响。为了提高可预测性并获得更好的预报引入了集合预报方法，例如多模式集合预报（Muller et al. 2006；Muller et al. 2007），局部集合预报系统（LEPS； Roquelaure 和Bergot 2008），基于多模式的中尺度集合预报系统（MEPS；Ryerson 2012）和国家环境预报中心（NCEP）短程集合预报系统（SREF；Zhou and Du 2010； Zhou et al. 2012）。事实证明，集合预报在提供有意义的不确定性预报方面是有效的。Fitzjarral、Lala（1989） 和Musson-Genon （1987）等人也进行了评估雾模拟对初始条件（IC）变化（误差）敏感性的研究。初始条件（IC）敏感性可以通过任一伴随模式（Errico和Vukicevic 1992）或集合模式（Ancell和Hakim 2007；Melhauser和 Zhang 2012；Torn和Hakim 2008， 2009；Wu et al. 2013）进行确定。对于雾事件，Bergot和Guedalia（1994）使用一维模式研究了辐射雾对初始条件（IC）的敏感性，用宾夕法尼亚州立大学 - 国家大气研究中心第五代中尺度数值模式MM5（MM5；Pagowski et al. 2004年）研究浓雾对初始条件（IC）的敏感性。Ballard等（1991年）使用中尺度模式Met Office（UKMO）进行了一系列测试研究海雾对初始条件（IC）的敏感性。

雾是行星边界层（PBL）中的阈值现象，冷却、湍流、平流、液滴沉降在其形成期间都起着关键作用，但各自保持着平衡。Zhou和 Ferrier（2008） 确定了这些过程之间的明确平衡阈值及其温度、相对湿度（RH）、风和湿平流的分布关系。因此，一个合适的的行星边界层（PBL）方案和一组无误差的初始温度、湿度和风条件，对于成功模拟或预报雾事件是至关重要的。不幸的是，在当前的WRF模式中可以选择的PBL方案并不是专门为雾而设计的，并且初始条件（IC）并非没有错误。Roman-Cascon等（2012）对WRF 3.3版中使用的三种行星边界层（PBL）方案[MYJ，QNSE和MYNN]，选定冬季雾事件进行了几次敏感性实验，发现尽管MYNN的表现略好于其他方案，但这三个方案的性能还是取决于案例。因此，选择温度、相对湿度和风速作为气象变量探索在本研究中雾模拟对不同初始条件的敏感性。

除了之前的研究，本文还试图使用类似于Melhauser和Zhang（2012）的方法研究浓平流雾事件的可预测性。据作者所知，这是首次尝试使用基于集合的方法研究雾模拟对初始条件（IC）差异的敏感性。与上述研究中选择海雾或辐射雾不同，本研究选择平流雾案例。对敏感性分析的深入将有助于我们了解该现象并且对有利于观测网络的改进。中国政府正计划在华北地区建立一个新的地面观测网络，以提高其预报雾的能力，所以这项研究也是第一次尝试确定需要什么类型的仪器以及需要在华北地区覆盖哪些观测站点。本文的结构如下，第2节为案例概述，第3节为实验设计， 第4节描述了试验方法。第5节由两部分组成：第一部分将介绍雾模拟结果，第二部分将详细探讨雾模拟对初始条件（IC）差异的敏感性，第6节介绍讨论，第7节为总结。

2案例概述

2007年2月20日1930（UTC，世界时，下同）[2007年2月21日0330（LST）]，在华北地区观测到雾，包括河北省（HB）东部、北京（BJ）、天津（TJ）、辽宁省（LN）、渤海（BH）和黄海北部（YS）（Liang et al.，2009）。美国国家海洋和大气管理局极轨气象卫星（NOAA-17）的可见光图显示，2007年2月21日0228（UTC） 华北地区和渤海大部分地区被雾覆盖。2007年2月20日1930（UTC）至2007年2月21日0600（UTC），北京首都机场（BCA，位置在图1）的水平能见度下降到不足50米（Lianget al.，2009）。2007年2月21日2000（UTC）由于东北地区的冷空气侵入，雾开始消散，北京首都机场观测到的水平能见度逐渐增加到2公里以上（Liang et al.，2009）。

图 1 2007年2月21日0228 UTC NOAA-17的卫星可见光图和42个地面气象站的位置（红色星号； 方形红色符号为BCA的位置），具有清晰边界的灰色填充区域表示雾覆盖区域

这场大雾活动持续了24小时以上，导致234次航班被取消，超过500次航班延误，超过30 000名旅客滞留在北京首都机场（Lianget al. 2009）。由于未成功预测这次雾事件，一家报纸报道称“浓雾袭击了北京”。

本文使用水平分辨率为1°times;1ordm;的NCEP FNL数据对500 hPa高度场（图2a，2b）和海平面气压、地面风和湿度（图2c，d）进行天气分析。在500 hPa，如图2a所示在2007年2月20日的1200（UTC）贝加尔湖前部有一高压脊（位于图2a），高压脊缓慢向东移动，并在2007年2月21日0000 （UTC）控制华北地区。同时，一个低压的弱冷槽从西面移向贝加尔湖（图2b）。稳定的上层环流有利于雾的形成和传播。在海平面，华北地区主要被弱高压向东过渡带和低压向西过渡带控制，水平压力梯度较弱（图2c，d）。黄海和渤海上的水汽沿着地面高压的南边缘以反气旋路径输送到华北地区。此外，华北上空的南风和东风提供了充足的水汽和弱风条件，有利于雾的形成和维持（Liang et al. 2009年）。

图 2 浓雾事件的概要回顾：（a）2007年2月20日1200 UTC 和（b）2月21日0000 UTC 的500 hPa高度场，（c）2007年2月20日1200 UTC和（d）2月21日0000 UTC海平面气压场，10 m风场和相对湿度（阴影），黑点代表北京的位置

3实验设计

本研究使用WRF模式3.3.1版本（Skamarock et al. 2008）作为预报模式。如图3所示，试验的模拟区域采用三层嵌套网格，水平格距分别为27km，9km，3km。区域D01的水平格点数为159times;153，提供了对天气尺度区域的覆盖，区域D02和D03的水平格点数分别为232times;214、448times;343，覆盖雾事件发生的区域。模式顶层气压为50 hPa，模式垂直方向分为40层，其中7层低于1 km。 由于植被对雾的形成有重要影响（（Duynkerke 1991），对于嵌套区域D03我们使用截至2000年的500米土地使用数据（Zhang et al. 2007），它比传统的30-arc-s美国地质调查局（USGS）的土地使用数据更为逼真（Hitt 1994）。至于参数化方案，采用WSM6（WRF Single Moment 6 Class）微物理方案（Hong和lim 2006），RRTM（Rapid Radiative Transfer Model）长波辐射方案（Mlawer et al. 1997），Dudhia短波辐射方案（Dudhia 1989），以及QNSE边界层方案和近地面层方案（Sukoriansky et al. 2005），Kain-Fritsch积云参数化方案（Kain 2004）仅用于D01和D02。

图 3 模拟区域及模式嵌套域的配置

NCEP 6小时FNL数据为确定性模拟（DETS）提供初始和边界条件，在2007年2月20日0000 （UTC）初始化并积分至2007年2月22日0000 （UTC）。对于集合模拟（ENSS），使用类似于Wu等人（2013）的方法，我们通过随机扰动DETS的初始场（2007年2月20日0000 （UTC）NCEP FNL数据）来生成初始条件（ICs），这些扰动通过从WRF-VAR固定协方差模式中随机抽取背景误差协方差产生。初始集合的水汽混合比标准差大约为0.3 g/kg ，风标准差为3 m/s ，空气温度标准差为1.2 K。ENSS是由40个成员组成的集合，其边界条件、基本模式配置和参数化方案与DETS中的相同。

在本文中，初始条件（IC）差异被定为是最佳（BSTM）和最差（WSEM）雾模拟（BSTM 2 WSEM）成员之间初始场的差异。最佳（BSTM）和最差（WSEM）成员是从40个集合成员中使用第4节中记录的验证方法选择的。为了研究初始条件（IC）差异，模拟基于“完美模式”的假设（Roquelaure和Bergot 2008），因此除了初始条件（ICS）之外，所有的敏感性实验都在2007年2月20日0000 （UTC）初始化，并且和DETS一样，对边界条件、基本模式配置和参数化积分48小时。

为了评估初始条件（IC）的差异对模拟结果的影响，分离实验（SPTEXPs）通过将不同初始条件（IC）分成10个部分，然后将其中若干个添加至最差模拟WSEM的初始条件（IC）中以创建9个新的“中间”初始条件（IC）进行。首先将这些变化应用于初始条件（IC）差异中的所有变量，并初始化九次运行结果（All_1，All_2，...，All_9），其中All_n包含n / 10的初始条件（IC）差异，这种方法类似于Melhauser和Zhang（2012）提出的方法。为了研究这种敏感性的垂直分布，替换实验（REPEXP）通过将模式垂直分层第10（1.7 km），15（ 4.2 km），20（ 7 km），25（ 9.8 km）和30（ 13 km）层的不同初始条件添加到最差模拟（WSEM）的初始条件中来实现，并获得五个相应的模拟（分别为L10，L15，L20，L25和L30）。为了进一步探索每个气象变量的影响，去除实验（RMVEXP）通过从最佳模拟（BSTM）的初始条件（IC）中分别消除模式垂直分层的水汽

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18352]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章