馬井會,周廣強,2*,周 驥,3,周偉東,陳 敏,曹 鈺(.上海市浦東新區(qū)氣象局,上海 20035；2.中國氣象局上海臺風研究所,上海 200030；3.上海市氣象與健康重點實驗室,上海 20035)

影響上海的一次沙塵過程WRF-Dust數(shù)值模擬

馬井會1,周廣強1,2*,周 驥1,3,周偉東1,陳 敏1,曹 鈺1(1.上海市浦東新區(qū)氣象局,上海 200135；2.中國氣象局上海臺風研究所,上海 200030；3.上海市氣象與健康重點實驗室,上海 200135)

利用完全耦合大氣化學模式WRF-Dust(Weather Research and Forecasting-Dust)對2011年5月1～4日影響上海地區(qū)的一次典型沙塵天氣過程進行了數(shù)值模擬研究,并與觀測資料進行了對比分析.結(jié)果表明:WRF-Dust模式成功模擬了此次沙塵過程的形成、發(fā)展和演變的整體特征及其影響時間及范圍;較好地模擬了沙塵到達上海的時間(模式和觀測均在1日11:00前后)和直接影響的結(jié)束時間(2日02:00前后),而且模式沙塵濃度與觀測資料較為一致;但局部地區(qū)和部分時段的氣象條件和沙塵模擬還存在一定的偏差,未能準確模擬過程后期沙塵回流對長三角沿海地區(qū)的影響.分析了導致模擬偏差的原因,并探討了提高模式沙塵模擬能力的可能途徑.

WRF-dust模式；沙塵；PM10

沙塵氣溶膠是對流層氣溶膠的主要來源之一,在地氣及生態(tài)系統(tǒng)中起著非常重要的作用,其所經(jīng)過地區(qū)污染指數(shù)增高,大氣光學厚度顯著增加[1],甚至造成沙塵的跨國輸送[2].我國西北屬于中亞沙塵區(qū)的一部分,是東亞沙塵氣溶膠的主要源區(qū),也是世界上唯一在中緯度(35～45°N)的沙塵高頻率發(fā)生區(qū)域,且位于高原,由此產(chǎn)生的沙塵在西風帶系統(tǒng)的引導下輸送到中國東部、韓國、日本甚至美國的夏威夷和西海岸[2],從而對農(nóng)業(yè)、城市交通和人類生產(chǎn)生活造成較大影響.關(guān)于沙塵天氣發(fā)生發(fā)展過程、沙塵的源匯、沙塵氣溶膠的物理和化學性質(zhì)、影響沙塵的天氣和氣候特征的條件以及沙塵的危害,國內(nèi)外學者已經(jīng)開展了不少研究[3-9].

截止目前,對沙塵源、匯、大氣載荷及其與氣候系統(tǒng)反饋機制的認識仍有不足,缺乏沙塵氣溶膠物理和光學等特性的高時空分辨率觀測資料是一個重要原因.數(shù)值模式是認識沙塵氣溶膠時空分布、了解其環(huán)境和氣候效應的一種有效工具.Wang等[10]發(fā)展了一個用于模擬東亞地區(qū)沙塵輸送的數(shù)值模式,Shao等[11-12]根據(jù)風洞實驗結(jié)果發(fā)展了具有風蝕物理學基礎(chǔ)的起沙和輸送模式,并且進一步將其應用于東北亞沙塵天氣的數(shù)值模擬[13-14].近期一些研究結(jié)果表明,WRF-Dust模式適用于沙塵及其影響模擬.Zhao等[15]的研究表明 WRF-Dust模擬整體上能捕捉北非礦物沙塵的分布及其輻射特性.Bian等[16]利用 WRFDust成功模擬了我國2010年3月的一次嚴重沙塵暴事件.

圖1 地面天氣圖(深灰色區(qū)域為沙塵區(qū))Fig.1 Surface weather maps (the dust regions are in dark grey) (a)4月29日08:00 (b)30日14:00 (c)5月1日14:00

2011年5月初影響上海的連續(xù)4d沙塵過程是較為少見的達到長江三角洲地區(qū)的沙塵事件,形成該過程氣象條件復雜.本文應用區(qū)域動力/沙塵模式(WRF-dust)對該沙塵的起源及輸送過程進行了模擬,通過與觀測結(jié)果的對比分析評估了模式對風場、沙塵發(fā)生發(fā)展過程、重點城市地面顆粒物濃度的模擬能力,最后分析了模擬的偏差及其原因,探討了提高模式能力的可能途徑.本研究有助于加深對影響長江三角洲地區(qū)沙塵的源地和輸送過程的科學理解,為沙塵的主觀和客觀預報提供借鑒,并為改進沙塵模式的能力提供參考.

1 沙塵過程天氣學分析

圖2 5月1日10:45(左)和2日10:30(右)FY-3A星監(jiān)測沙塵分布真彩色合成圖Fig.2 Dust distribution at 10:45, May 1 (left) and 10:30, May 2(right) observed by FY-3A

受高空槽東移南下以及蒙古氣旋影響,從2011年4月28日傍晚開始,蒙古氣旋后部的偏北大風造成蒙古國中部、甘肅、寧夏、陜西中北部、山西、內(nèi)蒙古中西部等地相繼出現(xiàn)大范圍沙塵暴或揚沙(圖1a).伴隨蒙古氣旋繼續(xù)向東發(fā)展,30日14:00,蒙古氣旋移至內(nèi)蒙古與吉林交界處,大風造成北京、天津及內(nèi)蒙古中東部的沙塵暴及揚沙(圖1b).5月1日14:00,沙塵向東南擴展(圖1c),影響朝鮮半島、黃海、東海及華東大部.1日早晨開始上海空氣中的顆粒物濃度急劇上升,截止中午 11:00,全市平均空氣污染指數(shù)(API)已達到 365. 1日白天,弱高壓東移入海,上海主導風向由偏西風轉(zhuǎn)為東到東南風,衛(wèi)星遙感 (圖2)及地面觀測資料都表明,東海、黃海及朝鮮半島存在大范圍沙塵區(qū).5月1日20:00起,上海 850hPa以下轉(zhuǎn)為東北到東風,上海鄰近的長三角地區(qū)也有相似的風向轉(zhuǎn)變.5月2日早晨開始,上海東北部海洋上空的沙塵在偏東氣流的作用下對上海有回流輸送,這種回流輸送一直持續(xù)至5月3日20:00.因此,本文中將5月2日 02:00(含)之前的沙塵稱為直接影響,將其之后稱為回流影響.

2 模擬方案與資料介紹

WRF由美國國家大氣研究中心(NCAR)、美國國家海洋大氣局(NOAA)等單位共同開發(fā),包括多個動力核、3維變分同化系統(tǒng)[17].WRF-Chem是一個以 WRF為框架構(gòu)建的在線(online)區(qū)域化學/傳輸模式[18],它的化學和氣象同步計算,避免了離線模式由于對氣象場進行時間插值而帶來的化學場計算偏差.

WRF-Dust模式是在WRF-Chem框架下,通過引入GOCART (Georgia Tech/Goddard Global Ozone Chemistry Aerosol Radiation and Transport)模式構(gòu)建了的[19].它對沙塵進行分檔計算,將沙塵粒子按有效半徑分為0.73,1.4,2.4,4.5,8μm 5擋.每檔粒子的起沙通量為:

其中:C為經(jīng)驗常數(shù),這里使用0.8μg·s2/m5;αp為土壤粒子在p擋的比例;Er為土壤侵蝕因子;Vs為地表風速(10m風速);Vt為風蝕最低風速,由粒子尺度、密度和土壤濕度決定[12].

根據(jù) WRF-Dust的應用經(jīng)驗和在上海的模擬試驗結(jié)果,對WRF-Dust進行了改進,微調(diào)了沙塵粒子的比例并增加二次起沙機制.第二擋比例上調(diào)5%,同時第五擋比例下調(diào)5%.根據(jù)Bian等[16]的研究和個例試驗結(jié)果,確定了二次起沙方案:1)當近地層沙塵濃度超過400μg/m3時,可能發(fā)生二次起沙;2)除林地、草地和水面外,其他地表類型可能發(fā)生起沙;3)是否發(fā)生二次起沙由近地面風速決定,當Vs>Vt時發(fā)生二次起沙.

結(jié)合沙漠和戈壁的分布和上海地理位置,設(shè)置了以(40°N,100°E)為中心、300×300網(wǎng)格、水平分辨率 24km的模擬框架,模擬區(qū)域超過我國全境.采用NCEP FNL再分析資料作為模擬的氣象初始條件和邊界條件,該資料分辨率為1°×1°、垂直26層(1000至10hPa)、時間間隔為6h. 模擬時主要物理和化學設(shè)置見表 1.模擬時段為 4月26日20:00至5月3日20:00,時間步長是2min.由于此次沙塵過程經(jīng)歷時間長,模擬時分為兩段,29日20:00重新啟動,使用前一段的模擬結(jié)果作為新一段模擬的沙塵初始場.

表1 主要物理方案和化學選項設(shè)置Table 1 major physical and chemical options

對比分析所用觀測資料為常規(guī)氣象觀測數(shù)據(jù)、空氣污染指數(shù)(API)和上海浦東站的顆粒物濃度觀測數(shù)據(jù).API數(shù)據(jù)下載自中華人民共和國環(huán)境保護部網(wǎng)站(http://www.zhb.gov.cn).API可以反映首要空氣污染物(SO2、NO2和PM10之一)和空氣污染水平.污染物日平均濃度可以根據(jù)API計算得到[20].盡管存在一定的缺陷,即當日平均濃度超過 600μg/m3時 API將無法正確反映,但以往研究[21-22]表明,API仍然能夠作為反映沙塵過程的重要指標.本文中,由 API計算得到的PM10濃度記為EPM10,浦東站觀測的PM10日平均值記為SPM10.

3 結(jié)果與討論

3.1 風場對比分析

圖3 4月30日08:00(上)和5月2日20:00(下)實況 (a、c)與模擬(b、d)風場分布Fig.3 Observed (a, c) and simulated (b,d) winds at 08:00, Apr. 30 (top) and 20:00, May 2 (Bottom)

整體而言,模式較好地模擬了此次沙塵過程的整體風場特征,模擬的高低壓環(huán)流、風向與觀測均比較接近,但局部區(qū)域風速有較明顯的偏小.沙塵影響上海前24h(4月30日08:00,圖3a、b),模擬的風場分布與觀測比較一致,準確模擬了內(nèi)蒙古東部的低壓環(huán)流以及山東半島-安徽北部-湖北-四川的輻合帶,但對蒙古國中部至內(nèi)蒙古中部的偏北風風速模擬明顯偏弱,從而可能造成30日內(nèi)蒙古中東部及華北北部地區(qū)的起沙量比實況偏小.對于5月2日沙塵回流過程的風場模擬,20:00地面風場與實況整體較為一致(圖3c、圖 3d),但是上海以東海面區(qū)域有較明顯的偏差,模擬的上海以東海面的高壓環(huán)流較實況偏西、偏南;模擬的風場顯示上海受偏東氣流控制,而實況上海為東南風,二者的風向略有差異,且模擬的風速偏小(模式2m/s,實況4m/s),輸送偏弱,也是造成模式未能模擬沙塵回流過程的原因之一.

3.2 沙塵影響區(qū)域分布對比

模擬區(qū)域約有 1200個常規(guī)氣象觀測站,其觀測資料能較好地反映沙塵天氣影響區(qū)域的空間分布和時間演變,可用于定性評估模式的模擬能力.整體上,模式對此次沙塵的演變過程模擬在4月30日及其以前與實況較為一致.圖4顯示了5月1～2日實況地面天氣現(xiàn)象(橢圓形區(qū)域內(nèi)為主要低能見度區(qū),包括沙塵、浮塵和霾,對應符號分別為“S→”,“S”和“∞”)和模擬的地面沙塵PM10濃度分布.對比5月1日08:00沙塵實況與模擬結(jié)果(圖4a、圖4b),模擬的沙塵移動偏快,模式對北京、天津及遼寧地區(qū)的浮塵未能模擬或模擬值偏小,其原因可能為模式對于蒙古氣旋后部偏北風風速模擬偏小,從而造成內(nèi)蒙中東部及華北北部起沙量偏少.5月1日20:00(圖4c、d),模擬的地面PM10大值區(qū)已經(jīng)整體移至長江流域至朝鮮半島南部到日本南部,地面觀測的天氣現(xiàn)象在相應地區(qū)為浮塵或霾,但朝鮮半島中北部的浮塵天氣模式未能模擬,原因可能為模式模擬 30日內(nèi)蒙古中東部及華北北部起沙量偏小,并且在輸送過程中沉降較快.而對陜西甘肅等西北地區(qū)的沙塵出現(xiàn)了過高模擬,原因在于模式對該地區(qū)的天氣系統(tǒng)模擬存在偏差(實況有降水).5月2日20:00(圖4e、圖4f),模式未能模擬華東地區(qū)-朝鮮半島-日本南部一帶的浮塵天氣,因此不能形成對長三角沿海地區(qū)的沙塵回流,而對華中地區(qū)的地面PM10濃度存在過高模擬.

圖4 觀測(左)與模擬(右)沙塵分布Fig.4 Comparison of observed (left) and modeled (right) dust distribution5月1日08:00(a、b)、5月1日20:00(c、d)、5月2日20:00(e、f)

整體上,模式成功地模擬了這次沙塵天氣的前期過程(4月29日20:00至5月2日02:00),模擬的沙塵PM10濃度分布范圍與觀測的低能見度天氣范圍一致.結(jié)合模擬的地面風場(圖3),4月30日在蒙古國與內(nèi)蒙古東部形成了氣旋環(huán)流.模擬低壓中心與實況一致,風速大值區(qū)也與模擬的高沙塵濃度的位置、范圍一致.可見,WRF-Dust模式具有模擬此次沙塵天氣及描述天氣系統(tǒng)演變過程的能力.但由于對蒙古氣旋后部的偏北大風風速模擬偏小(28～30日,蒙古國中西部、內(nèi)蒙古中西部、河套地區(qū)及華北北部地區(qū)),可能造成相應區(qū)域起沙量偏小,尤其是對30日內(nèi)蒙古中東部及華北北部起沙量的模擬明顯偏小,從而造成5月1～2日朝鮮半島及東海上空沙塵含量明顯偏低,東風時的沙塵回流輸送不明顯,造成2～3日長三角沿海地區(qū)及以東海上沙塵天氣未能準確模擬,該地區(qū)的模式沙塵濃度明顯偏低.

3.3 城市PM10濃度對比分析

為進一步分析模式對沙塵輸送過程的模擬能力,選擇了西寧、蘭州、上海等8個受沙塵過程影響較大的城市進行了模擬和觀測的PM10日平均濃度對比分析.

圖5 8個城市模擬與觀測地面PM10日平均濃度值對比Fig.5 Comparison of simulated and observed surface PM10concentrations in 8 cities

由圖 5(a)可知,模式在西寧和蘭州,模式模擬效果相對較差,在28～29日均低估了PM10的日平均濃度,可能是地表風速模擬偏小引起的起沙量偏小所致,30日蘭州模擬值與 EPM10較為接近.模式在呼和浩特和太原(圖 5b),較準確地反映了沙塵過程前后 PM10濃度的逐日變化趨勢,捕捉到了4月28～30日PM10濃度的上升趨勢,但是模式模擬的濃度峰值有1d的滯后,特別是29日,模式低估了 PM10的濃度,這也印證了模擬的該地區(qū)附近的地表風速偏小,低估了沙塵的產(chǎn)生.模式對連云港(圖5c)4月30日和5月1日的PM10日均濃度模擬值偏高,而對5月2～3日回流過程模擬值偏低.模式較合理地模擬了位于長江下游的鎮(zhèn)江、寧波(圖5c、圖5d)等城市PM10濃度的逐日變化,捕捉到了5月1～2日這兩個城市的沙塵過程,仍然存在對5月1日的過高模擬和5月2日的過低模擬.從圖5(d)可見,模式在上海地區(qū)對于5月1日的PM10濃度模擬合理的反映了沙塵氣溶膠到來前后 PM10濃度的逐日變化情況,捕捉到5月1日的浮塵天氣過程.而對于5月2～3日沙塵回流過程的影響未能準確模擬.

綜合上述城市的對比分析結(jié)果,模式能較好地反映沙塵的移動和影響過程.但沒有能夠很好地反映出長江三角洲城市 2～3日受到的沙塵回流過程的影響.其原因主要在于兩個方面,一是模式低估了30日內(nèi)蒙古中東部及華北北部地區(qū)的起沙量,造成其后續(xù)影響地區(qū)的沙塵濃度較觀測明顯偏低;二是沙塵回流區(qū)的風場存在一定的偏差,造成沙塵回流的影響區(qū)域也存在一定的偏移.

3.4 上海地區(qū)顆粒物濃度變化特征

圖6 4月30日00:00至5月3日20:00上海浦東站模擬(a)和觀測(b)PM10、PM2.5小時平均濃度變化Fig.6 Temporal variation of simulated (a) and observed (b) PM10and PM2.5concentrations at Pudong, Shanghai during April 30 and May 3

由圖6(a)可見,浦東站顆粒物濃度在5月1日11:00開始上升,至當日20:00達最大濃度550μg/m3, 5月2日02:00顆粒物濃度降低到100μg/m3以下,沙塵影響基本結(jié)束.與浦東站觀測結(jié)果(圖6b)相比,模式模擬的上海地區(qū)顆粒物濃度上升時間與實況觀測一致,5月1～2日濃度峰值接近,到達峰值時刻也較一致;5月2日顆粒物濃度下降階段模式模擬與實況接近一致,模式對直接影響(5月1日11:00至5月2日02:00)上海的沙塵天氣過程模擬較好,能夠在時間及濃度值上較好刻畫.直接影響階段浦東站 PM10觀測與模擬值平均值分別為318.4,306.4μg/m3.表明模式對此次沙塵過程直接影響上海階段的模擬能力非常好.然而,對于 5月2～3日的顆粒物濃度較高過程(回流影響),模式未能準確模擬.與此同時,從觀測結(jié)果中也發(fā)現(xiàn)在沙塵到達上海之前也有一定的顆粒物濃度,而且PM2.5和PM10濃度值較為接近,說明其它過程也形成了一定量的顆粒物,而且沙塵影響期間PM2.5仍然保持較高的濃度,由此可以推斷沙塵影響期間可能也存在一定的非沙塵顆粒物.根據(jù)前面的分析,模式對沙塵過程后期的模擬略偏快,且模擬的回流風速偏低,風向也有所差異,從而造成回流前沙塵區(qū)域略偏東;另外,模式?jīng)]有模擬出4月30日內(nèi)蒙古中東部及華北北部地區(qū)的沙塵過程,從而缺少該部分沙塵的回流作用.這也說明模式對沙塵的模擬能力還有待于進一步提升.

3.5 偏差分析與改進

前述分析表明,盡管WRF-Dust模式比較準確地模擬了此次沙塵過程的形成和輸送的整體特征,并對上海的直接影響階段的沙塵濃度和影響時間模擬的比較準確,但模擬的風場和地面 PM10濃度仍存在一定的偏差,并且在某些區(qū)域和某些時段表現(xiàn)得尤為突出.以上海為例,回流造成的5月2～3日的沙塵影響模式未能模擬.綜合起來,對此次沙塵過程模擬的主要偏差有以下兩點:一是 8日20:00至30日20:00,模式模擬的蒙古氣旋后部(蒙古國中西部、內(nèi)蒙古中西部、河套及華北北部地區(qū))的偏北風風速均比實況明顯偏小,風向上也略有偏差(模擬結(jié)果偏北向).因而造成相應地區(qū)和時段的起沙量偏小,向南輸送偏強而向東的輸送偏弱,引起5月1日上午北京、天津及遼寧一帶的沙塵量偏小,進而使得未能模擬出朝鮮半島中北部1日下午的浮塵天氣,造成5月1～2日朝鮮半島及東海上空沙塵含量明顯偏低;同時,由于向南的輸送偏強,造成5月1日華中及華東部分地區(qū)的地面沙塵濃度存在過高模擬.二是底層回流過程模擬的偏差.模擬的上海以東海面的高壓位置偏西南,造成模擬的風向(偏東風)較實況(東南風)偏東向,風速也偏低.因而使得2～3日沙塵的東風回流輸送作用減弱,沙塵影響區(qū)域也有一定的偏移,同時由于模擬的東海上空沙塵量偏少,造成長三角地區(qū)沿海城市2～3日沙塵濃度明顯偏低,回流的沙塵天氣未能準確模擬.此外,對天氣現(xiàn)象的模擬也有一定的偏差,如模式未能模擬出5月1日陜西、甘肅等地區(qū)的降水,未能反映出雨水對沙塵的清除作用,造成上述地區(qū)沙塵出現(xiàn)了過高模擬.以達到改進模擬準確性的目的.趙建華等[23]的個例模擬試驗結(jié)果表明同化可以在一定程度上提高沙塵模式對沙塵天氣預報的準確性.

圖7 4月30日08:00(a)和5月2日20:00(b)風場分布(12km分辨率)Fig.7 Simulated winds at 08:00, April 30 (a) and 20:00, May 2 (b) in 12-km resolution

為評估模式分辨率的影響,設(shè)計了 12km分辨率試驗,覆蓋區(qū)域與24km分辨率相當,其他設(shè)置保持不變.試驗結(jié)果表明,提高模式分辨率對風場具有較明顯的改進.與原模擬結(jié)果(圖3和圖4)相比,較高分辨率對30日08:00的蒙古國中南部、內(nèi)蒙古中西部、河套及華北北部地區(qū)(圖7a)及2日20:00(圖7b)長江三角洲沿海地區(qū)近地面風場的模擬都有更高的準確性,上述區(qū)域的風向和風速都更接近于實況.風場的改進,使沙塵的起沙和輸送過程更為準確,使得上海地區(qū)的顆粒物濃度變化也與實況更為接近(圖 8).當然,提高分辨率也有其局限性,12km分辨率的結(jié)果與實際觀測(圖 6b)相比仍然存在較大的偏差.計算時間和模式能力都是提高分辨率的限制,因此模擬準確性的提升難以通過單一途徑實現(xiàn),需要對沙塵起沙、輸送的各個過程綜合改進.

圖8 4月30日至5月3日20:00上海浦東站模擬PM10、PM2.5濃度變化(12km分辨率)Fig.8 Temporal variation of simulated PM10and PM2.5oncentrations at Pudong in 12km resolution

上述偏差的存在也表明了影響模式模擬準確性的幾個方面原因:1)模式起沙機制方面(影響沙塵的產(chǎn)生的參數(shù)),從起沙方程可知,下墊面參數(shù)(土地類型、土壤濕度和土壤的粒子譜)和不同下墊面類型的侵蝕因子都會引起起沙量的變化,因此需要獲取準確的沙源地的實時特性(如土壤濕度),這一點目前非常困難.2)提高模式氣象場的準確性,氣象條件不僅通過地表風速影響起沙量、源地沙塵的抬升,而且影響沙塵的輸送過程.沙塵的輸送過程決定了沙塵的影響區(qū)域和影響時間,也在一定程度上決定其嚴重性.提高氣象場模擬的準確性可以通過提高模式分辨率、改進模式的物理過程等途徑來實現(xiàn),在預報中還經(jīng)常使用氣象觀測資料同化的方法.3)沙塵同化方面,即利用地面顆粒物監(jiān)測和衛(wèi)星遙感數(shù)據(jù)改進模式系統(tǒng)的沙塵要素初始場,矯正模式前期模擬偏差,

4 結(jié)論

4.1 WRF-Dust模式成功地模擬出了此次沙塵過程的形成、發(fā)展、演變和移動的整體特征.與觀測的對比表明,模擬與觀測的風場分布和變化特征接近;模擬的沙塵區(qū)開始在內(nèi)蒙古中西部和新疆地區(qū)形成,與地面站觀測的實況沙塵分布區(qū)域基本一致;在沙塵的移動路徑和影響范圍上,模擬與實況結(jié)果基本相符;模擬的沙塵過程在不同區(qū)域的影響時間也與觀測較為一致.

4.2 模擬結(jié)果與8個城市空氣污染指數(shù)(API)換算的 PM10日平均濃度以及浦東站實測 PM10濃度的比較結(jié)果顯示,模式基本描述出了沙塵的移動路徑和影響過程及影響區(qū)域,其在刻畫指定地區(qū)的沙塵影響上也有較好的表現(xiàn).

4.3 WRF-Dust模式較好地模擬了沙塵到達上海的時間(模式和觀測分別在5月1日11:00前后)和直接影響的結(jié)束時間(5月2日02:00前后).模擬的濃度也與觀測較為一致.模式對此次沙塵的上海的直接影響過程進行了很好的模擬.

4.4 模式對長三角沿海地區(qū)的沙塵回流過程的模擬出現(xiàn)了較大的偏差,沒有能夠反映出沙塵回流過程對上海的影響,主要原因為模式對于蒙古氣旋后部風速模擬偏小,造成相應區(qū)域4月30日模擬的起沙量明顯偏小,同時風向的偏差造成模式向東輸送偏小而向南偏大;模式對于5月2日風場模擬在上海以東海面的高壓環(huán)流比實況偏西、偏南,且風速偏小,輸送偏弱.因此WRF-Dust模式對沙塵過程的模擬能力還需要進一步的提升,而且敏感性試驗的結(jié)果也表明,模擬準確性的提升難以通過單一途徑實現(xiàn),需要對沙塵起沙和輸送的各過程綜合改進.

[1] 邱金桓,孫金輝.沙塵暴的光學遙感及分析 [J]. 大氣科學, 1994,18(1):1-10.

[2] Tegen I, Lacis A. Modeling of particle size distribution and its influence on the radiative properties of mineral dust aerosol [J]. J. Geophys. Res., 1996,101(14):19237-19244.

[3] 張 凱,高會旺.東亞地區(qū)沙塵氣溶膠的源和匯 [J]. 安全與環(huán)境學報, 2003,3(3):7-12.

[4] 劉建慧,趙天良,韓永翔,等.全球沙塵氣溶膠源匯分布及其變化特征的模擬分析 [J]. 中國環(huán)境科學, 2013,33(10):1741-1750.

[5] 李晉昌,康曉云,高 婧.黃土高原東部大氣降塵量的空間和季節(jié)變化 [J]. 中國環(huán)境科學, 2013,33(10):1729-1735.

[6] 劉文彬,劉 濤,黃祖照,等.利用偏振-米散射激光雷達研究廣州一次浮塵天氣過程 [J]. 中國環(huán)境科學, 2013,33(10):1751-1757.

[7] Tegen I, Holling P, Chin M, et al. Contribution of different aerosol species to the global aerosol extinction optical thickness: Estimates from model results [J]. J. Geophys. Res., 1997,102(23):895-915.

[8] Hess M, Koepke P, Schult I. Optical properties of aerosols and clouds: the software package OPAC [J]. Bulletin Ameri. Meteo. Soc., 1998.79:831-844.

[9] Deepak A, Gerber H E. World climate programme.WCP-55[Z]. Report the experts meeting on aerosols and their climatic effects, WM0, Geneva, 1983.107.

[10] Wang Z, Ueda H, Huang M. A deflation module for use in modeling long-range transport of yellows and over East Asia [J]. J. Geophy. Res., 2000,105(D22),26947-26960.

[11] Shao Y. A model for mineral dust emission [J]. J. Geophys. Res., 2001,106:20239-20254.

[12] Shao Y, Lu H. A simple expression for wind erosion threshold friction velocity [J]. J. Geophys. Res., 2000,105:22437-22443.

[13] 邵亞平.沙塵天氣的數(shù)值模擬 [J]. 氣候與環(huán)境研究, 2004,9(1): 127-138.

[14] Shao Y, Yang Y, Wang J, et al. Northeast Asian dust storms: Real time numerical prediction and validation [J]. J. Geophys. Res., 2003,108(D22):4691,doi:1011029/2003JD003667.

[15] Zhao C, Liu X, Leung L, et al. The spatial distribution of mineral dust and its shortwave radiative forcing over North Africa: modeling sensitivities to dust emissions and aerosol size treatments [J]. Atmos. Chem. Phys., 2010,10:8821-8838.

[16] Bian H, Tie X, Cao J, et al. Analysis of a Severe Dust Storm Event over China: Application of the WRF-Dust Model [J]. Aerosol and Air Quality Research, 2011,11:419-428.

[17] http://www.wrf-model.org/index.php[EB/OL].

[18] Grell G, Peckham S, Schmitz R, et al. Fully coupled 'online' chemistry within the WRF model [J]. Atmos. Environ., 2005,39:6957-6976.

[19] Ginoux P, Chin M, Tegen I, et al. Sources and distributions of dust aerosols simulated with the GOCART model [J]. J. Geophys. Res., 2001,106(D17),20555-20273.

[20] HJ633-2012 環(huán)境空氣質(zhì)量指數(shù)技術(shù)規(guī)定 [S].

[21] Gong S, Zhang X, Zhao T, et al. Characterization of soil dust aerosol in China and its transport and distribution during 2001ACEAsia: 2. Model simulation and validation [J]. J. Geophys. Res., 2003,108:4262,doi:10.1029/2002JD002JD002633.

[22] Zhang X, Gong S, Shen Z, et al. Characterization of soil dust aerosol in China and its transport and distribution during 2001ACE-Asia: 1. Network observations [J]. J. Geophys. Res., 2003,108(D9):4261,doi:10.1029/2002JD002632.

[23] 趙建華,李耀輝,蒲朝霞,等.GRAPES沙塵數(shù)值預報系統(tǒng)對一次沙塵暴濃度同化模擬實驗分析 [J]. 高原氣象, 2012,31(3):697-705.

致謝：FY-3衛(wèi)星反演的沙塵監(jiān)測圖由國家衛(wèi)星中心提供.

A modeling study of a dust event using WRF-Dust Model.

MA Jing-hui1, ZHOU Guang-qiang1,2*, ZHOU Ji1,3, ZHOU

Wei-dong1, CHEN Min1, CAO Yu1(1.Shanghai Pudong Meteorological Service, Shanghai 200135, China；2.Shanghai Typhoon Institute, China Meteorological Administration, Shanghai 200030, China；3.Shanghai Key Laboratory of Meteorology and Health, Shanghai Meteorological Service, Shanghai 200135, China). China Environmental Science, 2014,34(2)：302～310

A fully coupled atmospheric chemistry model, weather research and forecasting (WRF) with dust component (WRF-Dust) was applied to investigate a dust event occurring over Shanghai and surrounding regions during May 1-4, 2011. Through the comparisons with observations, the model was able to capture main features of the event fairlywell. Overall, the simulations showed good agreement with the observations for the starting time (～11:00on May 1), the ending time (～02:00on May 2), and dust peak values of the event around Shanghai. However, some simulation biases were found for several meteorological factors and dust concentrations over several sub-regions during the event. In addition, the model did not reproduce dust backflow over the coastal regions of the Yangtze River Delta. Finally, the possible reasons causing the simulation biases were discussed and methods to improve simulations of dust events were proposed.

WRF-Dust Model；dust；PM10

X169

：A

：1000-6923(2014)02-0302-09

馬井會(1980-),女,遼寧建平人,工程師,碩士,主要從事城

2013-06-15

國家自然科學基金資助項目(41005007);科技部公益性行業(yè)(氣象)科研專項(GYHY201206027);上海市科學技術(shù)委員會科研計劃項目(12dz1202702)

* 責任作者, 副研究員, zhougq21@163.com

市環(huán)境相關(guān)研究工作.