青藏高原夏季边界层再分析资料的偏差分析及订正

图1 青藏高原地形及Wyoming和NOAA资料的探空站点分布

Fig.1 Terrain of the Tibet Plateau and sites distribution of Wyoming and NOAA sounding data

文中附图涉及地图均基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)2885号的标准地图制作,底图无修改。

1.2 数值模拟参数化方案

对比的边界层参数化方案包括YSU、MYJ和ACM2方案,微物理方案包括Purdue Lin和WSM6方案,积云对流方案包括Kain-Fritsch(new Eta)和Betts-Miller-Janjic(简称“BMJ”)方案(表1)。

表1 试验中对比的模式参数化方案简介

Tab.1 Introduction to the model parameterization schemes compared in the experiment

边界层方案	YSU	对夹卷过程进行显式处理的非局地闭合方案^[36,37],将边界层高度定义为临界理查逊数(Ri_c)为0的高度,即使得边界层高度唯一依赖于浮力廓线^[38]
	MYJ	Mellor-Yamada Level 2.5湍流闭合模型^[39],通过预报湍流动能(TKE)来确定湍流扩散系数。该方案将边界层高度定义为湍流动能强度下降到临界值0.2 m²·s^-2时所在的高度
	ACM2	通过引入参数f_conv将非局地闭合方案与局地涡动扩散方案相结合^[40],其中非局地输送部分通过突变模块进行显示描述^[41]。该方案采用理查逊数方法计算边界层高度,整体理查逊数的临界值取0.25
微物理方案	Purdue Lin	水相物质的预报量为6个,分别为水汽、云水、雨、云冰、雪和霰的预报。在结冰点以下,该方案将云水处理为云冰,雨水处理为雪,适合于高分辨率模拟理论研究
	WSM6	基本物理过程与Lin方案相似^[42,43],但其冰相行为有很大不同^[44]。该方案在沉降过程中考虑凝结/融化过程,提高了垂直廓线的模拟精度^[36]
积云对流方案	Kain-Fritsch(new Eta) (简称“浅对流KF”)	浅对流KF方案采用一个简单的云模式和相对粗糙的微物理过程,考虑伴有水汽的上升下沉运动和云中气流的卷入卷出,对于不能到达最小降水云厚度的上升气流做浅对流(非降水)处理^[45]
	Betts-Miller-Janjic (简称“BMJ”)	来自Betts-Miller(BM)对流调整计划^[46,47,48],该方案中深对流特征廓线及松弛时间取决于积云效率,而积云效率又取决于云中熵的变化、降水及平均温度,浅对流熵变较小且非负

1.3 模拟结果检验方法

模拟的气象要素结果主要利用平均偏差(Bias)、均方根误差(RMSE)和误差标准偏差(STDE)进行评估^[49,50],计算公式如下:

(1)

Bias = \frac{1}{n} \overset{n}{\sum_{i = 1}} (S_{i} - O_{i})

(2)

RMSE = {[\frac{1}{n} \overset{n}{\sum_{i = 1}} (S_{i} - O_{i})^{2}]}^{\frac{1}{2}}

(3)

\begin{array}{l} STDE = {\{\frac{1}{n} \overset{n}{\sum_{i = 1}} {[(S_{i} - O_{i}) - \frac{1}{n} \overset{n}{\sum_{i = 1}} (S_{i} - O_{i})]}^{2}\}}^{\frac{1}{2}} \\ = [{(RMSE)}^{2} - {(Bias)}^{2}]^{\frac{1}{2}} \end{array}

其中:S_i表示模拟值;O_i代表观测值;n是样本量。在评估模式模拟效果时,通常会优先考虑STDE值,这种假设来源于一些事实,因为它代表了模式误差的离散程度。本质上,STDE值偏小代表误差接近于一个常数,即使此时Bias和RMSE值都比较大,但依然能说明模式的物理过程正确。相反,即使Bias和RMSE值都很小,但STDE是一个大值,则表示误差是随机分布的,说明模式缺少物理基础。

再分析资料通过加入模式物理框架约束后进行订正,因没有足够时长和较高垂直分辨率的探空观测资料来计算边界层高度,再分析资料的订正效果通过同高度的气象要素和边界层高度的季节分布来分析。

2 再分析资料在青藏高原边界层中的适用性

GUO Jianping等^[51]研究中国北方及青藏高原的对流天气过程及其对下游天气的影响时,认为ERA-Interim再分析资料计算的大气边界层高度在中国北方最接近探空资料的计算结果,但在高原地区的适用性没有进一步探讨。以下分析ERA-Interim、JRA-55和NASA MERRA-2再分析资料确定大气边界层高度的关键气象要素,利用青藏高原的探空观测资料进行对比检验,探讨再分析资料在青藏高原地区边界层研究中的适用性。

2.1 探空检验

利用探空观测资料检验不同再分析资料在青藏高原不同高度上的气象要素,并用这些气象要素来确定大气边界层发展高度。虽然理查逊数法常用于模式参数化方案中,但高原上缺乏与温湿要素同一层次的风场资料及局地地表粗糙度参数化信息,使得边界层高度计算结果稳定性及可靠性较差。此外,探空站点集中于高原东南部,空间上不足以代表整个高原且垂直分辨率(100 hPa)低,无法捕捉到日间边界层顶的变化特征,夜间逆温位置计算不准确使稳定边界层高度存在严重高估。因此,首先选择使用边界层内特定等压面上的气象要素来讨论再分析资料在青藏高原地区的适用性。

由表2可知,除MERRA-2在高层缺失数据外,JRA-55和ERA-Interim都有完整数据,3套再分析资料都可以较好地反映青藏高原边界层内的温度(T)特征,而水平风场尤其是风向的描述效果较差。从偏差来看,3套再分析资料均低估青藏高原东南部边界层内露点温度(T_d),且除MERRA-2的500 hPa数据外,温度也存在普遍低估。需要注意的是,再分析资料的地面风向(DIR)、风速(SPD)偏差可能包含了探空资料误差,因为2组探空数据在近地面包含大量非缺测的0值。但是除近地面外,再分析资料的高空风速误差也远远大于其他变量,而探空资料在高层具有良好的连续性,再分析资料对于青藏高原边界层的风速描述不够准确。MERRA-2数据仅包含特定层次上的要素信息,所以可以认为该资料对高原边界层内部特征的描述能力有限。虽然总体来看JRA-55和ERA-Interim再分析资料在青藏高原东南部的适用性相当,但是JRA-55的露点温度偏差很大,且STDE值远大于另两套数据,说明其误差分布随机,即该数据不能很好地反映青藏高原边界层内的湿度场特征。因此夏季青藏高原东南部边界层适用性最高的再分析资料可以认为是ERA-Interim。

表2 再分析资料在青藏高原大气边界层气象要素的探空检验

Tab.2 Sounding test of meteorological elements in PBL (planetary boundary layer) of the Tibet Plateau based on reanalysis data

高度	气象要素	ERA-Interim			JRA-55			MERRA-2
高度	气象要素	Bias	RMSE	STDE	Bias	RMSE	STDE	Bias	RMSE	STDE
地面	T/℃	-5.01	6.07	3.15	-3.67	4.77	2.62	-5.49	6.80	3.84
	T_d/℃	-0.85	3.62	3.12	-269.68	271.31	26.22	-1.74	4.06	3.55
	DIR/(°)	44.67	145.77	129.33	40.64	142.31	120.59	55.14	145.58	125.18
	SPD/(m·s^-1)	0.77	4.00	3.66	-2.01	4.00	3.33	1.08	4.41	4.07
500 hPa	T/℃	-0.74	1.51	1.28	-0.92	1.53	1.19	0.13	1.25	1.21
	T_d/℃	-2.83	4.99	4.06	-259.26	262.24	38.35	—	—	—
	DIR/(°)	-0.67	88.82	88.64	3.09	83.06	82.15	-4.87	86.05	85.64
	SPD/(m·s^-1)	-1.25	6.03	5.81	-6.22	8.51	5.72	-0.05	6.62	6.54
400 hPa	T/℃	-0.08	3.99	3.92	-0.07	3.84	3.81	—	—	—
	T_d/℃	-0.42	12.15	11.98	-243.54	246.76	39.06	—	—	—
	DIR/(°)	6.56	81.07	80.30	-6.08	85.68	83.70	—	—	—
	SPD/(m·s^-1)	-1.42	11.66	11.46	-8.21	15.27	11.93	—	—	—

注:“—”表示资料缺失。

再分析资料提供一日4个时次(00:00、06:00、12:00及18:00,世界时,下同)资料,探空观测提供一日2次(00:00和12:00)资料,数据不能完全支持分析大气边界层发展变化,缺失较多细节,中尺度数值模拟能为高原大气边界层发展的研究提供更多详细信息,而且模式参数化方案为再分析资料描述青藏高原大气边界层提供物理过程的约束,因此,以下借助模式模拟结果进一步分析青藏高原大气边界层特征。

2.2 ERA-Interim的边界层特征分析

分析较长时间边界层高度特征的最佳方法是由VOGELEZANG等^[52]最初提出的临界理查逊数法,该方法对稳定边界层和对流边界层皆适用,且不强烈依赖于观测的垂直分辨率。理查逊数R_i是与浮力相关的湍流切变与机械切变的比值,其计算公式如下:

(4)

R_{i} (z) = \frac{g (z - z_{0})}{θ (z)} \frac{θ (z) - θ (z_{0})}{u {(z)}^{2} + v {(z)}^{2} + bu {_{*}}^{2}}

其中:z(m)为高度,z₀(m)为地面海拔高度;θ(K)为位温,为了能同时描述日间对流边界层和夜间稳定边界层特征,用虚位温θ_v(K)代替θ;u,v分别为水平经向和纬向风速(m·s^-1);b是常数,u_*是表面摩擦速度。

利用边界层气象要素检验整体结果最好的ERA-Interim再分析资料,得到其季节平均空间分布,如图2所示,高低值区分界线与青藏高原地形边界契合,在分界处高度梯度明显。夏季与冬季青藏高原及其北部的边界层高度分布呈现高低相反特征且高度梯度显著,夏季高原上空边界层高度在800~1000 m之间,高原北部边界层高度在1400 m以上;冬季高原上空边界层高度在1200~1600 m之间,高原北部边界层高度在400 m以下。高原上空边界层高度春季最高,高值中心出现在高原西侧,由西南向东北逐渐降低,与高原北部高度梯度较小。秋季高原上空与北部地区的边界层高度梯度最小,高原边界层高度略高于高原北部。从季节变化来看,高原上空边界层高度夏低冬高,同时春、夏季边界层高度日变化清晨高、傍晚低(图3),与以往高原站点观测规律并不一致^[11,13]。因此,具有较高空间分辨率的ERA-Interim再分析资料在青藏高原对边界层高度的刻画存在较大问题,以下将利用模式物理框架进行约束,观察边界层高度计算结果的改进。

图2

图2 ERA-Interim再分析资料得到的边界层高度季节平均空间分布(单位:m)

Fig.2 Spatial distribution of seasonal average PBLH (planetary boundary layer height) obtained from ERA-Interim (Unit: m)

图3

图3 ERA-Interim再分析资料得到的季节平均边界层高度的日变化时间序列

Fig.3 Diurnal variation of seasonal average PBLH obtained from ERA-Interim

3 模式物理框架的约束

3.1 试验设置

数值模拟选取探空资料站点集中的高原东南部地区开展试验,先探讨数值模式的物理过程参数化方案的适用性。WRF version 3.8中边界层参数化方案提供了13种方案,针对青藏高原的参数化方案选择成为数值模拟的一个重要问题,通过敏感性试验得到较好适用于本地的方案组合。

本次模拟水平方向采用三重网格嵌套(图4、表3),第一重网格距为27 km,经向格点数163,纬向格点数88;第二重网格距为9 km,经向、纬向格点数分别为367、160;第三重网格距为3 km,经向、纬向格点数分别为367、226,第三重网格范围覆盖了青藏高原东南部探空站点集中地区。驱动模式的初始条件和边界条件为ERA-Interim再分析资料。模拟时段为2017年7月21日00:00 至25日18:00,其中22—23日青藏高原东南部普遍为晴空,24—25日西藏中南部(即D03的东部)有中等以上强度降水,其余地区(包含D03西部)普遍有小雨,同时考察了晴空和降水条件下的边界层发展。主要物理参数化方案分别为:Dudhia短波辐射方案^[53],RRTM长波辐射方案^[54],Noah陆面过程方案^[55]。模拟试验中对比12组不同的微物理、行星边界层和积云参数化方案的组合,确定研究时段内本地适用性最高的参数化方案组合。

图4

图4 模拟区域设置(阴影为地形高度,单位:m)

Fig.4 Nesting configurations for numerical simulation (the shaded for terrain height,Unit: m)

表3 模式嵌套区域设置

Tab.3 Parameters for nested domains

模式区域	X、Y方向格点数	网格距/ km	左下角网格点在母域位置	地形资料分辨率
D01	163×88	27	1×1	10'
D02	367×160	9	61×8	2'
D03	367×226	3	122×24	30″

3.2 参数化方案组合对模拟结果的影响

首先检验各方案组合得到的青藏高原边界层内气象要素场的模拟结果(表4),利用2组探空数据平均值检验的要素为地面、500 hPa、400 hPa温度、露点温度、风向和风速。

表4 模拟时段内边界层12个组合方案中主要8个组合方案的模拟要素在5站点的平均值检验

Tab.4 Test of mean values of meteorological elements at 5 sites simulated by main 8 scheme-combinations among 12 scheme-combinations in PBL during the simulation period

ACM2		BMJ							KF
		LIN			WSM6				LIN			WSM6
		Bias	RMSE	STDE	Bias	RMSE	STDE	Bias		RMSE	STDE	Bias	RMSE	STDE
地面	T/℃	-4.28	6.22	3.39	-3.88	5.83	3.13		-4.85	6.53	3.14	-4.66	6.30	3.03
	T_d/℃	-268.40	271.73	19.61	-267.96	271.29	20.14		-267.65	270.98	19.86	-267.53	270.86	19.78
	DIR/(°)	68.30	137.99	98.24	57.31	119.42	84.83		60.94	129.73	84.79	59.07	136.47	91.74
	SPD/(m·s^-1)	-1.67	3.70	3.06	-1.44	3.45	2.94		-1.84	3.72	3.04	-1.55	3.91	3.38
500 hPa	T/℃	1.99	2.58	1.64	1.45	2.00	1.25		0.29	1.28	1.12	0.73	1.48	1.20
	T_d/℃	-271.96	271.97	1.93	-265.47	268.76	19.33		-264.70	267.98	19.20	-264.95	268.23	19.36
	DIR/(°)	-32.08	53.78	43.16	-10.33	35.85	34.33		-17.69	64.53	61.29	-18.20	66.82	62.35
	SPD/(m·s^-1)	1.06	4.70	4.57	-1.19	3.96	3.47		-2.23	4.50	3.53	-1.44	3.71	3.15
400 hPa	T/℃	1.06	1.35	0.83	0.70	1.33	0.97		0.37	1.15	1.00	0.51	1.23	1.01
	T_d/℃	-273.25	273.26	1.89	-266.69	270.00	20.90		-268.25	271.55	19.84	-267.97	271.27	20.58
	DIR/(°)	-16.79	53.03	50.31	1.91	81.31	68.46		-9.83	88.49	80.85	-6.50	92.04	84.98
	SPD/(m·s^-1)	-0.01	6.27	6.27	-0.06	4.93	4.83		-0.90	5.80	4.68	-1.00	5.55	4.66
YSU		BMJ							KF
		LIN			WSM6				LIN			WSM6
		Bias	RMSE	STDE	Bias	RMSE	STDE	Bias		RMSE	STDE	Bias	RMSE	STDE
地面	T/℃	-3.69	5.38	2.84	-3.71	5.41	2.83		-4.42	6.03	2.83	-4.44	6.00	2.87
	T_d/℃	-268.38	271.72	19.78	-267.64	270.98	20.37		-267.01	270.34	20.00	-267.16	270.49	19.92
	DIR/(°)	49.75	125.55	84.80	59.67	130.73	86.27		57.42	122.82	89.87	67.45	137.31	94.38
	SPD/(m·s^-1)	-1.49	3.87	3.23	-1.44	3.96	3.39		-1.70	3.82	3.15	-1.62	3.95	3.31
500 hPa	T/℃	1.73	2.05	1.06	1.73	2.14	1.20		0.67	1.30	1.07	0.72	1.36	1.11
	T_d/℃	-265.85	269.15	19.27	-265.54	268.85	19.51		-264.76	268.05	19.21	-264.72	268.01	19.16
	DIR/(°)	-14.77	77.16	69.83	-16.65	65.83	60.23		-26.77	69.12	58.85	-10.31	70.30	68.60
	SPD/(m·s^-1)	-1.36	5.03	4.41	-1.93	4.78	4.15		-2.81	4.46	3.19	-3.31	5.09	3.44
400 hPa	T/℃	0.85	1.42	0.97	0.90	1.44	0.94		0.60	1.20	0.88	0.68	1.27	0.91
	T_d/℃	-267.32	270.66	21.61	-266.74	270.06	20.63		-268.96	272.27	20.25	-268.59	271.91	20.46
	DIR/(°)	-4.77	96.53	81.67	-7.29	86.21	70.69		-9.28	88.34	81.79	-16.95	92.12	81.35
	SPD/(m·s^-1)	-0.90	5.98	5.61	-1.11	6.09	5.92		-2.00	5.52	4.60	-2.03	5.73	4.93

12种方案组合对边界层内温度模拟的Bias和RMSE均较小,且模拟值偏差随高度升高而减小;温度模拟误差的离散程度对边界层方案的敏感性较显著,其中MYJ<YSU<ACM2,不同积云对流和云微物理参数化方案的选择对其影响较小。12组方案对3层露点温度的模拟效果均不理想,模拟值相对于探空值普遍偏低,露点模拟误差离散程度为ERA-Interim数据计算结果的6~7倍,即加入模式物理框架后反而不能很好地刻画青藏高原边界层中水汽的垂直分布特征。相对于再分析资料的计算结果,12组方案对于水平风场的模拟均有较大改善,尤其是对于风向的模拟,误差离散程度降为原来的60%~80%,其中ACM2+BMJ+WSM6方案组合对高原边界层内水平风场的模拟效果最好,其次是YSU+Lin+浅对流KF方案组合。

3.3 参数化方案模拟差异的诊断

为了解释模拟结果能较好地反映高原边界层物理过程的机制,对12组参数化方案模拟的近地层感热通量、地气温差和边界层高度进行诊断(图5)。

图5

图5 不同参数化方案组合模拟的D03区域2017年7月地面感热通量(a)、地气温差(b)及边界层高度(c)平均值的时间序列

Fig.5 Time series of mean surface sensible heat flux (a),temperature difference between ground and air (b) and PBLH (c) in D03 area in July 2017 simulated by different parameterization scheme combinations

可以看到,12组参数化方案模拟的各要素变化规律较为一致,但在峰值处有一定差异,这种差异对于认识青藏高原边界层内物理过程并据此修正再分析资料具有重要意义。各方案组合的感热通量模拟结果差异主要体现在06:00的日峰值,其中MYJ边界层方案模拟的感热通量最高;BMJ的感热通量高于浅对流KF结果;两微物理方案的结果相差不大,但是WSM6方案的感热通量下降较Lin方案更加明显。WRF模式中地表感热通量的模拟主要依赖于陆面方案,由于12组试验一致使用Noah方案,因此模拟结果差异不大。由陆面方案向边界层方案传递的地表通量的模拟差异会进一步引起边界层高度的模拟差异。

地气温差对边界层方案的选择较为敏感,YSU模拟值最高,ACM2方案略次之,MYJ明显偏低;而不同云微物理方案和积云对流参数化方案造成的差异很小。边界层方案中局地方案的地表冷却强度要略高于非局地方案,即MYJ方案模拟得到的地表温度相对于YSU方案更低,而夏天2 m气温比地表温度更低,因此,MYJ方案的地气温差比YSU方案显著偏小。对比图2(b)中ERA-Interim计算得到的夏季边界层高度日变化,模拟结果更符合昼高夜低的变化规律,即模拟物理框架普遍可以修正再分析资料描述边界层高度演变的偏差。

对于边界层高度模拟结果,晴空时边界层方案和积云对流方案的作用大于微物理方案,但是微物理方案模拟的边界层高度对降水的响应更加显著。边界层方案中ACM2模拟边界层高度最高,YSU次之,MYJ方案较低;积云对流方案中BMJ模拟结果高于浅对流KF方案;微物理方案中WSM6的响应强于Lin方案。非局地边界层方案YSU和ACM2给出的边界层内湍流混合强度和卷夹强度较强,其模拟的湍流混合强度较MYJ方案更强,因此即使非局地方案中输入的地表感热通量较低,其模拟的湍流混合层仍然相对于MYJ方案更高。WSM6方案中的基本物理过程与Lin方案基本一致,但WSM6方案改进了加热项的计算精度和稳定度,且对于一些经验参数的选择有所不同。此外,虽然两微物理方案的模拟效果均较可靠,但Lin方案对于模拟分辨率的敏感度较高,随着模拟分辨率的提高,WSM6的优势更加明显^[56]。

夏季青藏高原对流边界层内湍流发展旺盛,湍流运动发生的动力条件之一是气层间的风速切变,因此,能够较为准确地描述风速切变强度是利用再分析资料分析高原对流边界层的重要基础。由表2可知,模式物理过程对青藏高原东南部边界层内物理量垂直分布的修正作用主要体现在不同层次的水平风场上,考虑物理过程的模式模拟改善了再分析资料中风场部分。对比晴空(7月22日)和降水(7月24日)情形下边界层内3个层次上的水平风场分布(图6),再分析资料和模拟结果可以刻画由地面到高空风速随高度递增的特征,但风速和风向尚存在较大误差。ERA-Interim再分析资料中青藏高原东南部边界层内各层水平风场风向较为一致,且各层次之间风切变不明显。晴空情形下,400 hPa为一致偏南风,500 hPa白天到夜间风向由偏南风转为偏东风,地面风向日变化小。有降水发生时,400 hPa偏南风夜间强于白天,500 hPa高原中部和东部风向几乎反向。而模拟结果显示边界层内各层次风向不统一,且风速较再分析资料更大,即存在较强湍流运动。晴空情形下400 hPa为一致较强偏东风,对比7月22日06:00和18:00地面风场可以看到风向近乎反向,可以表达出地形影响下的风向变化特征。降水情形下,夜间400 hPa呈现一条明显的风向辐合带。此外,模拟结果各层次之间风速切变也更加明显,青藏高原地区地形等因素引起的山谷环流作用不可忽视。因此在地形作用下30°N—34°N范围内31°N南北的地面风向应接近相反,图6中ERA-Interim的水平风场不能表达这种差异,而模拟结果中却可以看到30°N—34°N范围内31°N以南日间主要为偏南风,以北主要为偏北风。模式物理框架中的边界层内湍流强度和风速切变强于再分析资料ERA-Interim,且与探空观测数据间差异更小。

图6

图6 第三层嵌套区域边界层内不同层次的水平风场分布

(左边两列为2017年7月22日代表晴空日,右边两列为2017年7月25日代表降水日)

Fig.6 Distribution of horizontal wind field at different levels in PBL in D03 area

(Two columns on the left represent a clear sky day on July 22, 2017,two columns on the right represent a rainfall day on July 25, 2017)

4 再分析资料修正

模式物理框架对高原东南部边界层内湍流运动的描述相对于再分析资料更加准确,但更多研究中直接利用ERA-Interim数据讨论青藏高原对流边界层发展及其对下游的影响,为得到更加接近实际的结果,可以利用水平风场的最优模拟结果对再分析资料进行修正。利用模式模拟的关键物理量来修正再分析资料的方案,采用一元线性回归方程订正再分析资料中的边界层内水平风场,利用探空资料再次检验并重新计算边界层高度,与原结果进行对比以检验订正效果。选择7月22—25日ACM2+WSM6+BMJ方案模拟的D03区域内650、600、550、500、450、400 hPa水平风场(因变量,记为y)及ERA-Interim数据中的相应值(自变量,记为x)进行计算(表5),得到的回归方程均通过α=0.05的显著性检验。

表5 ERA-Interim边界层内水平风场与模拟风场间的一元线性回归方程

Tab.5 Unitary linear regression equations between horizontal wind fields in PBL from ERA-Interim and simulated wind fields

气压层	风场分量	回归方程
650 hPa	u v	y=0.5971x-0.2718 y=0.3587x-0.5021
600 hPa	u v	y=0.6862x-0.6789 y=0.5332x+0.4957
550 hPa	u v	y=0.7070x-0.7743 y=0.5603x+0.2587
500 hPa	u v	y=0.7076x-0.6419 y=0.4468x+0.4335
450 hPa	u v	y=0.7578x-0.8596 y=0.4342x+0.2031
400 hPa	u v	y=0.7375x+1.4138 y=0.4828x-0.2449

利用探空资料对研究时段内的拟合风场进行检验(表6),可以看到除昌都站以外,其余4站的修正后再分析资料对水平风场的描述效果均有明显提升,昌都站的修正效果差可能与一元线性回归方程的拟合效果有限有关。从区域平均值来看,拟合风场对于边界层内风场的修正有效。

表6 模拟时段内拟合风场的探空检验STDE值及其相对于原始再分析资料的减率

Tab.6 Sounding test STDE value of fitted wind field during the simulation period and its reduction rate relative to original reanalysis data

站名	地面		500 hPa		400 hPa
站名	DIR/(°) (减率)	SPD/(m·s^-1) (减率)	DIR/(°) (减率)	SPD/(m·s^-1) (减率)	DIR/(°) (减率)	SPD/(m·s^-1) (减率)
昌都	158.97(-27%)	3.84(-22%)	72.75(8%)	3.17(56%)	115.56(-122%)	2.48(52%)
甘孜	127.73(23%)	4.11(-8%)	74.99(13%)	4.32(42%)	74.36(-7%)	32.34(86%)
拉萨	75.97(35%)	1.58(55%)	32.03(61%)	3.20(28%)	37.17(61%)	4.06(38%)
那曲	120.70(42%)	3.80(13%)	73.53(61%)	4.86(38%)	76.63(54%)	4.37(15%)
玉树	123.27 (21%)	2.38(35%)	36.06(73%)	4.56(45%)	80.45(22%)	6.76(24%)
区域平均	105.28(19%)	3.11(15%)	47.01(47%)	3.29(43%)	69.63(13%)	4.33(62%)

利用订正后的再分析资料计算2017年7月22—25日边界层高度见图7。原再分析资料计算的高原边界层高度夜间在500 m左右,白天高值中心可达2000 m(图略)。利用拟合风场数据计算得到边界层高度在整个研究区域内显著高于前者,虽然不一定更接近于真实值,但可以说明模拟物理框架对于风场的约束作用体现在边界层发展高度上。从空间分布来看,夜间高原南部边界的边界层高度梯度极大值修正后减弱,白天高原东北部的梯度加强。修正后的边界层高度普遍在1500 m以上,高值中心位于高原南部;白天青藏高原上空边界层高度有2个大值区,一个在7月22—24日内稳定于高原东北部,最大值达3000 m以上,另一个大值区在7月24日发生降水后向西偏移,即向降水强度更强的高原中部地区偏移,更加符合实际的物理过程。因此,认为通过对行星边界层方案、微物理方案和积云对流方案组合的合理选取,可以修正和改善再分析资料对于高原夏季降水的模拟效果。何由等^[57]通过对青藏高原一次强降水过程进行模拟和对比评分发现,WRF模式基本能够重建强降水过程的中心、强度及降水范围,Eta-Ferrier云微物理方案和Betts-Miller-Janjic积云参数化方案的组合在此次模拟降水过程中最优,且行星边界层方案的合理选择能够明显提高降水模拟的效果。这佐证了利用ACM2+BMJ+WSM6方案组合对再分析资料修正有效的结论。

图7

图7 2017年7月22—25日订正后的再分析资料计算的边界层高度(单位:m)

Fig.7 The PBLH calculated from the revised reanalysis data during 22-25 July 2017 (Unit: m)

5 总结与讨论

选取ERA-Interim、JRA-55和MERRA-2 3套再分析资料,讨论其在2017年夏季青藏高原边界层发展个例中的适用性,主要结论如下:

(1)在2017年夏季青藏高原东南部边界层内,3套再分析资料对于气象要素的描述能力气温>露点温度>水平风场。考虑到JRA-55露点温度误差较大且MERRA-2提供的垂直层次有限,研究时段内适用性较好的再分析资料为ERA-Interim。

(2)选择3种边界层方案、2种微物理方案和2种积云对流方案进行模拟试验并进行检验,结果表明12种方案模拟水平风场的误差离散程度的改进效果最明显,温度次之,露点温度模拟不理想。因此对于模拟改进的关键物理量水平风场而言,研究时段内本地适用性最高的参数化方案组合是ACM2+WSM6+BMJ。

(3)考虑了青藏高原物理过程的模拟结果修正再分析资料的方案,并利用原始再分析资料线性拟合最优方案组合模拟水平风场,经由部分探空资料检验,改进了青藏高原上边界层发展高度的计算。

利用物理框架对再分析数据约束,可以提高其对边界层水平风场和风在垂直方向上分布的描述能力。然而边界层发展受地表覆盖等下垫面条件影响外,边界层上部的夹卷效应也有重要影响。后续工作中,需要进一步探寻更好的方法来改善再分析资料的露点温度等物理量场,获取更多观测信息来探讨高原气象要素的分布和变化,检验包括CRA-40等再分析资料的适用性。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

张强

大气边界层气象学研究综述

[J]. 干旱气象, 2003, 21(3):74-78.

[2]

ZHANG

Wanchun

, GUO

Jianping

, MIAO

Yucong

, et al.

On the summer-time planetary boundary layer with different thermodynamic stability in China: a radiosonde perspective

[J]. Journal of Climate, 2018, 31:1451-1464.

[3]

叶笃正, 高由禧. 青藏高原气象学[M]. 北京: 科学出版社, 1979.

[4]

CHEN

Xuelong

The deep atmospheric boundary layer and its significance to the stratosphere and troposphere exchange over the Tibetan Plateau

[J]. PlOS one, 2013, 8(2):1-9.

[5]

STENSRUD D

Elevated residual layers and their influence on surface boundary-layer evolution

[J]. Journal of the Atmospheric Sciences, 1993, 50(14):2284-2293.

[6]

Yueqing

, GAO

Wenliang

Atmospheric boundary layer circulation on the eastern edge of the Tibetan plateau, China, in summer

[J]. Arctic Antarctic & Alpine Research, 2007, 39(4):708-713.

[7]

TAO

Shiyan

, DING

Yihui

Observational evidence of the influence of the Qinghai-Xizang (Tibet) Plateau on the occurrence of heavy rain and severe convective storms in China

[J]. Bulletin of the American Meteorological Society, 1981, 62(1):23-30.

[8]

Rong

, HU

Yuanlong

, JONATHON S

Wright

, et al.

From the cover: short circuit of water vapor and polluted air to the global stratosphere by convective transport over the Tibetan plateau

[J]. Proceedings of the National Academy of Sciences of the United States of America 2006, 103(15):5664-5669.

PMID [本文引用: 1]

During boreal summer, much of the water vapor and CO entering the global tropical stratosphere is transported over the Asian monsoon/Tibetan Plateau (TP) region. Studies have suggested that most of this transport is carried out either by tropical convection over the South Asian monsoon region or by extratropical convection over southern China. By using measurements from the newly available National Aeronautics and Space Administration Aura Microwave Limb Sounder, along with observations from the Aqua and Tropical Rainfall-Measuring Mission satellites, we establish that the TP provides the main pathway for cross-tropopause transport in this region. Tropospheric moist convection driven by elevated surface heating over the TP is deeper and detrains more water vapor, CO, and ice at the tropopause than over the monsoon area. Warmer tropopause temperatures and slower-falling, smaller cirrus cloud particles in less saturated ambient air at the tropopause also allow more water vapor to travel into the lower stratosphere over the TP, effectively short-circuiting the slower ascent of water vapor across the cold tropical tropopause over the monsoon area. Air that is high in water vapor and CO over the Asian monsoon/TP region enters the lower stratosphere primarily over the TP, and it is then transported toward the Asian monsoon area and disperses into the large-scale upward motion of the global stratospheric circulation. Thus, hydration of the global stratosphere could be especially sensitive to changes of convection over the TP.

[9]

WILLIAM R

Boos

, KUANG

Zhiming

Dominant control of the South Asian monsoon by orographic insulation versus plateau heating

[J]. Nature, 2010, 463(7278):218-222.

[10]

Zhisheng

, KUTZBACH J

, PRELL W

, et al.

Evolution of Asian monsoons an phased uplift of the Himalaya-Tibetan Plateau since Late Miocene times

[J]. Nature, 2001, 411(6833):62-66.

[11]

徐祥德, 陈联寿.

青藏高原大气科学试验研究进展

[J]. 应用气象学报, 2006, 17(6):756-772.

[本文引用: 2]

[12]

Maoshan

, MA

Yaoming

, MA

Weiqiang

, et al.

Different characteristics of the structure of atmospheric boundary layer between dry and rainy periods over the northern Tibetan Plateau

[J]. Sciences in Cold & Arid Regions, 2011, 3(6):509-516.

[13]

ZUO

Hongchao

, HU

Yinqiao

, LI

Dongliang

Seasonal transition and its boundary layer characteristics in Anduo area of Tibetan Plateau

[J]. Progress in Natural Science:Materials International, 2005, 15(3):239-245.

DOI URL [本文引用: 2]

[14]

李英, 胡志莉, 赵红梅.

青藏高原大气边界层结构特征研究综述

[J]. 高原山地气象研究, 2012, 32(4):91-96.

[15]

王蓉, 张强, 岳平, 等.

大气边界层数值模拟研究与未来展望

[J]. 地球科学进展, 2020, 35(4):331-349.

[16]

王斌

高原地区NASA与NCEP再分析资料对比和南亚高压活动及其旱涝影响分析

[D]. 北京:中国气象科学研究院, 2011.

[17]

除多, 杨勇, 罗布坚参, 等.

MERRA再分析地面气温产品在青藏高原的适用性分析

[J]. 高原气象, 2016, 35(2):337-350.

利用1981-2010年青藏高原60个气象站地面观测气温对MERRA再分析资料地面气温产品T2m进行了评估检验和适用性分析。结果表明:(1)MERRA T2m在青藏高原存在系统性偏低,平均偏低3.2℃,地势相对平坦、地表类型较为单一的高原内陆和北部MERRA T2m更为接近实测气温,而地形和地表类型复杂的高原东南部和南部河谷地区MERRA T2m偏差较大,但是在气温的长期变化趋势上与实测气温具有较好的一致性,MERRA T2m年平均气温升幅要小于实测气温升幅(0.18℃·(10a)<sup>-1</sup>);(2)MERRA T2m与观测气温之间具有较好的线性相关关系,平均相关系数为0.76,96.7%的气象站点通过了PP<0.001显著性检验,相关程度相对较低的站点位于纬度较高的高原北部;(3)MERRA T2m产品相比其他全球再分析资料在青藏高原地面气温表达方面具有一定的优势,是弥补青藏高原观测台站不足,开展高原气候变化、能量平衡和水循环研究以及选取区域气候模式初始场的较好再分析资料。

[18]

秦艳慧, 吴通华, 李韧, 等.

ERA-Interim地表温度资料在青藏高原多年冻土区的适用性

[J]. 高原气象, 2015, 34(3):666-675.

地表温度综合反映了大气和地表植被、土壤等局地因素相互作用的能量交换状况, 是许多冻土分布模型和寒区陆面过程模式的上边界条件, 对多年冻土分布和活动层厚度估算具有重要意义.为了检验ERA-Interim再分析地表温度资料在青藏高原(下称高原)多年冻土区的适用性, 综合比较了2011年1月1日至2012年12月31日期间高原不同类型多年冻土区3个综合观测场的观测地表温度和ERA-Interim再分析资料之间的偏差、均方差、相关系数、解释方差、均方根误差和平均绝对误差.结果表明, ERA-Interim再分析资料能较好地再现高原多年冻土区3个综合观测场地表温度的基本特征, 并能较好地描述高原地表温度的季节变化.但ERA-Interim再分析年平均地表温度比观测值偏低, 西大滩、五道梁和唐古拉站依次偏低1.7, 1.0和0.9℃; 地表温度的再分析值和观测值之间的相关系数和解释方差都较高, 均方差也相近.ERA-Interim再分析地表温度资料对观测站点相对稀少且空间分布不均匀的高原多年冻土区具有较好的适用性, 可以作为地表温度的有效代用资料.

[19]

ZHAO

Tianbao

, GUO

Weidong

, FU

Congbin

Calibrating and ealuating ranalysis srface tmperature eror by tpographic correction

[J]. Journal of Climate, 2006, 21(6):1440-1446.

[20]

赵天保, 符淙斌.

中国区域ERA-40、NCEP-2再分析资料与观测资料的初步比较与分析

[J]. 气候与环境研究, 2006, 11(1):14-32.

[21]

孙玉婷, 高庆九, 闵锦忠.

再分析温度资料与西藏地区冬、夏季观测气温的比较

[J]. 高原气象, 2013, 32(4):909-920.

利用西藏地区地面气温(OT)及NCEP/NCAR(NT1)、 ERA-40(ET1)、 NCEP/DOE(NT2)、 ERA-Interim(ET2)和JRA-25(JT)五种月平均2 m气温再分析资料, 对其气候均值、方差、气候趋势及年际和年代际变化等进行了分析和评估。结果表明： (1) 五种再分析资料对西藏地区冬、夏季气温的估计均偏低, 且冬季偏低大于夏季；经地形高度差订正, 再分析资料与观测气温的偏差明显缩小, ET1、 ET2和JT效果最佳； (2) 西藏冬、夏季气温北部变化大、南部变化小, 冬季变化大于夏季。ET1、 ET2和JT对西藏东部气温年际变率的再现能力略强于NT1, 在中西部, ET1、 ET2、 JT和NT1再现能力相当； NT2对年际变率的估计较差； (3) 西藏大部分地区OT有明显增温趋势, 冬季增温大于夏季, 再分析资料增温不明显； (4)NT1与ET1均不能反映OT所具有的20世纪80年代以前多低于均值, 80年代初期到90年代后期接近均值, 此后高于均值的年代际变化特征； (5) ET2和JT对均值、年际变化和变率特征的描述较为接近, 且优于NT2； (6) 再分析资料温度与观测温度空间分布的相似性从高到低依次为JT>ET2>ET1>NT1>NT2。

[22]

刘自牧, 李国平.

高原切变线的客观识别与时空分布的统计分析

[J]. 大气科学, 2019, 43(1):13-26.

[23]

谢欣汝, 游庆龙, 保云涛, 等.

基于多源数据的青藏高原夏季降水与水汽输送的联系

[J]. 高原气象, 2018, 37(1):78-92.

利用国家气象信息中心提供的1979-2014年青藏高原（下称高原）地区（26°N-42°N,75°E-105°E）113个站点的逐月降水资料作为基准降水资料,与另外4套格点降水资料（APHRO、CMAP、GPCP、GPCC）和8套再分析的降水资料（NCEP1、NCEP2、MERRA、ERA_Interim、ERA20c、20CRv2、JRA55、CFSR）作对比,可得12套再分析资料中,APHRO能够最好地刻画出高原1979-2007年夏季降水的时空分布形态。GPCP次之,能够较好地刻画其1979-2014年的特征。就气候态而言,水汽主要由南边界输入高原,输入大值区是下层；另外水汽同样从西边界和北边界输入高原,主要的输入层分别是中层和下层；而水汽主要是从东边界中层输出。多套资料比较可知,ERA_Interim和MERRA分别能较好地刻画高原本地和其周围地区夏季水汽输送情况。研究高原东南部降水的年际变化和环流的关系,发现在印度半岛和孟加拉湾处有一异常的纬向反气旋,其北边缘加强的水汽输送导致了高原东南部降水的异常增多。

[24]

张强, 王蓉, 岳平, 等.

复杂条件陆-气相互作用研究领域有关科学问题探讨

[J]. 气象学报, 2017, 75(1):39-56.

[25]

王秀明, 俞小鼎, 朱禾.

NCEP再分析资料在强对流环境分析中的应用

[J]. 应用气象学报, 2012, 23(2):139-146.

[26]

吴琼, 桂保玉, 徐卫民.

江西省山地风场风速订正方法研究

[J]. 气象与环境科学, 2019, 42(1):47-53.

[27]

李斐, 邹捍, 周立波, 等.

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, 2016, 36(2):340-357.

[28]

朱士超, 银燕, 金莲姬, 等.

青藏高原一次强对流过程对水汽垂直输送的数值模拟

[J]. 大气科学, 2011, 35(6):1057-1068.

[29]

Minjin

, PU

Zhaoxia

, WANG

Shigong

, et al.

Characteristics and numerical simulations of extremely large atmospheric boundary-layer heights over an arid region in north-west China

[J]. Boundary-Layer Meteorology, 2011, 140(1):163-176.

[30]

CARVALHO

, ROCHA

, GÓMEZ-GESTEIRA

, et al.

Sensitivity of the WRF model wind simulation and wind energy production estimates to planetary boundary layer parameterizations for onshore and offshore areas in the Iberian Peninsula

[J]. Applied Energy, 2014, 135(2):234-246.

[31]

GARCIA-DIEZ

, FERNÁNDEZ

, FITA

, et al.

Seasonal dependence of WRF model biases and sensitivity to PBL schemes over Europe

[J]. Quarterly Journal of the Royal Meteorological Society, 2013, 139(671):501-514.

[32]

Xiaoming

, JOHN W.

Nielsen-Gammon

, et al.

Evaluation of tree planetary boundary layer schemes in the WRF model

[J]. Journal of Applied Meteorology and Climatology, 2010, 49(9):1831-1844.

[33]

DEE D

, UPPALA S

, SIMMONS A

, et al.

The ERA-Interim reanalysis: configuration and performance of the data assimilation system

[J]. Quarterly Journal of the Royal Meteorological Society, 2011, 137(656):553-597.

[34]

KOBAYASHI

Shinya

, OTA

Yukinari

, HARADA

Yayoi

, et al.

The JRA-55 reanalysis: general specifications and basic characteristics

[J]. Journal of the Meteorological Society of Japan Ser II, 2015, 93(1):5-48.

[35]

GELARO

Ronald

, MCCARTY

Will

, SUAREZ MAX

, et al.

The modern-era retrospective analysis for research and applications, version 2 (MERRA-2)

[J]. Journal of Climate, 2017, 30(14):1-105.

[36]

HONG S

, NOH

, DUDHIA

A new vertical diffusion package with an explicit treatment of entrainment processes

[J]. Monthly Weather Review, 2006, 134(9):2318-2341.

DOI URL [本文引用: 2]

[37]

NOH

Yign

, CHEON Woo

Geun

, RAASCH

Siegfried

The role of preconditioning in the evolution of open-ocean deep convection

[J]. Journal of Physical Oceanography, 2003, 33(6):1145-1166.

[38]

王颖, 张镭, 胡菊, 等.

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, 2010, 29(6):1397-1407.

利用先进的WRF中尺度模式中3种边界层参数化方案（YSU、 MYJ和ACM2）, 模拟了2005年1月25~28日兰州市冬季地面温度和风速的变化, 并与同期系留探空和自动气象站的实测资料进行了对比分析。结果表明：对兰州冬季大气边界层地面温度日变化的模拟, 局地闭合的MYJ方案优于非局地闭合的YSU和ACM2方案； 3种方案模拟的夜间位温廓线较好, 白天的较差; 在边界层低层, 考虑局地和非局地闭合的ACM2方案模拟的位温廓线与观测值比较一致；在边界层上部, 局地闭合的MYJ方案则更适合于描述大气湍流对位温垂直分布的影响； 3种边界层参数化方案模拟的兰州地区冬季温度场空间分布特征相似, 但MYJ方案模拟的夜间温度低于YSU和ACM2方案, 白天则高于YSU和ACM2方案。

[39]

JANJIC

Zavisa

The step-mountain eta coordinate model: further developments of the convection, viscous sublayer, and turbulence closure schemes

[J]. Monthly Weather Review, 1994, 122:927-945.

[40]

PLEIM Jonathan

A combined local and nonlocal closure model for the atmospheric boundary layer. part I: model description and testing

[J]. Journal of Applied Meteorology and Climatology, 2007, 46(9):1383-1395.

[41]

HOLTSALG A A

, BOVILLE B

Local versus nonlocal boundary-layer diffusion in a global climate model

[J]. Journal of Climate, 1993, 6(10):1825-1842.

[42]

HONG

Songyou

, LIM Jeong-Ock

Jade

The WRF single-moment 6-class microphsics scheme (WSM6)

[J]. Journal of the Korean Meteorological Society, 2006, 42(2):129-151.

[43]

LIN

, FARLEY R

, ORVILLE H

Bulk parameterization of the snow field in a cloud model

[J]. Journal of Climate and Applied Meteorology, 1983, 22(6):1065-1092.

[44]

HONG S

, DUDHIA

, CHEN S

A revised approach to ice-microphysical processes for the bulk parameterization of cloud and precipitation

[J]. Monthly Weather Review, 2004, 132:103-120.

[45]

KAIN John

The kain-fritch convective parameterization: an update

[J]. Journal of Applied Meteorology, 2004, 43(1):170-181.

[46]

JANJIC

Zavisa

Comments on “development and evaluation of a convection scheme for use in climate models”

[J]. Journal of the Atmospheric Sciences, 2000, 57:3686-3686.

[47]

BETTS A

A new convective adjustment scheme. part I: observational and theoretical basis

[J]. Quarterly Journal of the Royal Meteorological Society, 1986, 112(473):677-691.

[48]

BETTS A

, MILLER M

A new convective adjustment scheme. part II: single column tests using GATE wave, BOMEX and arctic air-mass data sets

[J]. Quarterly Journal of the Royal Meteorological Society, 1986, 112:693-709.

[49]

朱智, 师春香, 张涛, 等.

四套再分析土壤湿度资料在中国区域的适用性分析

[J]. 高原气象, 2018, 37(1):240-252.

利用国家气象信息中心提供的"中国农业气象土壤水分数据集（1981-2010年）（V1.0）"中150个农业气象站的土壤湿度观测资料,对2001-2010年CFSR、ERA-Interim、NCEP R-1和NCEP R-2四套再分析土壤湿度资料在中国区域的适用性进行了比较与评估。结果表明：（1）从空间分布来看,四套再分析资料都可以正确描述出中国区域土壤湿度的分布特征,但是NCEP R-1对于青藏高原土壤湿度的模拟存在一定的问题；（2）从时间变化来看,CFSR再分析资料能够较好地描述了土壤湿度的时间变化,而NCEP R-2再分析资料表现得较差；（3）从土壤湿度的季节循环看,在表层,CFSR和ERA-Interim再分析资料模拟地比较好,而NCEP R-1和NCEP R-2再分析资料出现了高估现象；而在深层,除NCEP R-1外,其他三种再分析资料都可以较好地模拟出土壤湿度的季节循环。

[50]

Minjin

, TAN

Ziyuan

, DING

Fan

, et al.

Spatial characteristics of deep-developed boundary layers and numerical simulation applicability over arid and semi-arid regions in northwest China

[J]. Atmosphere, 2019, 10(4):195-219.

[51]

GUO

Jianping

, MIAO

Yucong

, ZHANG

Yong

, et al.

The climatology of planetary boundary layer height in China derived from radiosonde and reanalysis data

[J]. Atmospheric Chemistry & Physics, 2016, 16(20):133 09-133 19.

[52]

VOGELEZANG D H

, HOLTSLAG A A

Evaluation and model impacts of alternative boundary-layer height formulations

[J]. Boundary-Layer Meteorology, 1996, 81(3/4):245-269.

[53]

DUDHIA

Jimy

Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model

[J]. Journal of the Atmospheric Sciences, 1989, 46(20):3077-3107.

[54]

MLAWER Eli

, TAUBMAN Steven

, BROWN Patrick

, et al.

Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the longwave

[J]. Journal of Geophysical Research: Atmospheres, 1997, 102(D14):166 63-16 682.

[55]

CHEN

Fei

, DUDHIA

Jimy

Coupling an advanced land surface-hydrology model with the penn state-NCAR MM5 modeling system. part I: model implementation and sensitivity

[J]. Monthly Weather Review, 2001, 129(4):569-585.

[56]

马严枝, 陆昌根, 高守亭.

8·19华北暴雨模拟中微物理方案的对比试验

[J]. 大气科学, 2012, 36(4):835-850.

[57]

何由, 阳坤, 姚檀栋, 等.

基于WRF模式对青藏高原一次强降水的模拟

[J]. 高原气象, 2012, 31(5):1183-1191.