陸 雪 高山紅＊ 饒莉娟 王永明

1）（中國(guó)海洋大學(xué)物理海洋教育部重點(diǎn)實(shí)驗(yàn)室，青島266100）

2）（山東省高校海洋大氣相互作用與氣候?qū)嶒?yàn)室，青島266100）

春季黃海海霧WRF參數(shù)化方案敏感性研究

陸 雪1）2）高山紅1）2）＊饒莉娟1）2）王永明1）2）

1）（中國(guó)海洋大學(xué)物理海洋教育部重點(diǎn)實(shí)驗(yàn)室，青島266100）

2）（山東省高校海洋大氣相互作用與氣候?qū)嶒?yàn)室，青島266100）

利用2005—2011年10次春季黃海海霧個(gè)例開展WRF模式參數(shù)化方案敏感性研究。結(jié)果表明：邊界層方案對(duì)WRF模式霧區(qū)模擬結(jié)果起決定作用，而微物理方案影響較小，它主要影響海霧濃度和高度。邊界層與微物理方案的最佳組合為YSU與Lin方案，最差為Mellor－Yamada與WSM5方案；Mellor－Yamada和QNSE方案模擬的近海面湍流過強(qiáng)，導(dǎo)致邊界層過高，不利于海霧的發(fā)展與維持；而MYNN與YSU方案刻畫的湍流強(qiáng)度與邊界層高度合適，有利于海霧發(fā)展與維持。MYNN方案雖與YSU方案相當(dāng)，但在大多數(shù)海霧個(gè)例中，后者明顯優(yōu)于前者，而在有些個(gè)例中卻剛好相反。因此對(duì)于某一具體海霧個(gè)例而言，所用邊界層方案仍需在它們之中選擇最優(yōu)者。這些信息可為黃海海霧WRF模式邊界層與微物理方案的選擇與改進(jìn)提供參考。

黃海海霧；微物理方案；邊界層方案；WRF模式敏感性研究

引 言

海霧是發(fā)生在海上大氣邊界層內(nèi)的一種海洋災(zāi)害天氣，它造成的低大氣能見度給海上交通運(yùn)輸、漁業(yè)生產(chǎn)、石油作業(yè)等帶來了巨大威脅。我國(guó)近海海域是海霧多發(fā)區(qū)，而黃海是我國(guó)近海海霧發(fā)生最頻繁的海域［1－4］。已有研究表明［1，4－5］，中尺度數(shù)值模擬已成為黃海海霧機(jī)制研究與客觀預(yù)報(bào)的一種重要手段。

海霧是一種發(fā)生于海上大氣邊界層內(nèi)的水汽凝結(jié)現(xiàn)象，黃海海霧以平流冷卻霧為主［2］。研究表明：平流冷卻霧可以看作海上暖濕氣團(tuán)與海面進(jìn)行熱量交換，而逐漸冷卻成霧的一種非絕熱成云的微物理過程，其中湍流冷卻是首要?jiǎng)恿C(jī)制［2－3］。因此，如何選擇或改進(jìn)描述湍流過程的邊界層方案與刻畫水汽相變過程的微物理方案，是黃海海霧數(shù)值研究的一個(gè)重要問題［5－6］。高山紅等［5］指出，對(duì)于黃海海霧數(shù)值預(yù)報(bào)而言，初始場(chǎng)質(zhì)量很重要。運(yùn)用先進(jìn)的數(shù)據(jù)手段同化各種觀測(cè)數(shù)據(jù)，可以大幅提高初始場(chǎng)質(zhì)量，從而顯著改善海霧預(yù)報(bào)效果［5－9］。而對(duì)于邊界層方案與微物理方案，由于其復(fù)雜性與改進(jìn)的困難性，在黃海海霧的數(shù)值研究中，研究者一般選擇模式中最常用的邊界層方案與微物理方案，很少特別關(guān)注并詳細(xì)探討它們是否適合于黃海海霧。目前，黃海海霧的數(shù)值模擬主要采用WRF（Weather Research and Forecasting）模式，該模式具有同化方法先進(jìn)、更新迅速、技術(shù)支持有力等諸多優(yōu)點(diǎn)。因此，本文重點(diǎn)討論黃海海霧WRF模式邊界層與微物理方案的敏感性，嘗試找到最適合黃海海霧數(shù)值試驗(yàn)的方案組合，為目前基于WRF模式的海霧模擬與海霧預(yù)報(bào)提供參考。

1 數(shù)據(jù)與方法

1.1 數(shù) 據(jù)

NCEP提供的FNL（Final Analysis Data of Global Forecast System）數(shù)據(jù)（水平分辨率為1°×1°，時(shí)間分辨率為6h／次）為 WRF模式數(shù)值試驗(yàn)提供初始時(shí)刻背景場(chǎng)與時(shí)變側(cè)邊界，NOAA日平均數(shù)據(jù)（水平分辨率為0.25°×0.25°）提供海洋條件。用于同化和檢驗(yàn)的數(shù)據(jù)包括常規(guī)探空（12h／次）與地面、船舶與島嶼觀測(cè)數(shù)據(jù)（3h／次）以及 QSCAT（Quik SCAT）洋面風(fēng)產(chǎn)品、AIRS（Atmospheric Infra－Red Sounder）大氣溫度廓線產(chǎn)品與SSMI（Special Sensor Microwave）大氣可降水量產(chǎn)品。

獲取海霧觀測(cè)事實(shí)的海霧霧區(qū)反演方法采用日本高知大學(xué)提供的 MTSAT （Multi－functional Transport Satellite）靜止衛(wèi)星可見光與多通道紅外數(shù)據(jù)、NEAR－GOOS（North－East Asian Regional Global O－cean Observing System）日平均海溫?cái)?shù)據(jù)（水平分辨率為0.25°×0.25°）。

試驗(yàn)結(jié)果天氣形勢(shì)場(chǎng)的檢驗(yàn)采用韓國(guó)天氣圖、NCEP提供的CFSR（Climate Forecast System Reanalysis）再分析數(shù)據(jù)（水平分辨率為0.3°×0.3°，6h／次）。所有資料時(shí)段與10次黃海海霧過程相對(duì)應(yīng)。

1.2 方 法

1.2.1 數(shù)據(jù)同化方法

基于 WRF模式及其三維同化模塊，高山紅等［5］設(shè)計(jì)并發(fā)展了一個(gè)簡(jiǎn)易的循環(huán)三維變分?jǐn)?shù)據(jù)同化工具。與單時(shí)次三維同化相比，利用該同化工具能大幅提高黃海海霧數(shù)值模擬初始場(chǎng)質(zhì)量，從而明顯改善海霧預(yù)報(bào)結(jié)果［5－6，8］。

1.2.2 海霧衛(wèi)星觀測(cè)與模擬霧區(qū)

基于 MTSAT數(shù)據(jù)（1h／次），利用雙通道法［9］，采納Gao等［10］提出的判據(jù)，反演夜間黃海海霧的霧區(qū)與霧頂高度；白天海霧信息反演采用 Wang等［11］提出的方法。

目前黃海海霧數(shù)值模擬中［3，10］，通常直接利用模擬的云水混合比，采用水平大氣能見度計(jì)算公式［12］計(jì)算海面大氣水平能見度（簡(jiǎn)稱能見度），將能見度不大于1km的區(qū)域認(rèn)為是海霧水平范圍（簡(jiǎn)稱霧區(qū)）。為了便于同海霧衛(wèi)星觀測(cè)事實(shí)相比較，本文采用了高山紅等［5］提出的方法，即模仿衛(wèi)星的鳥瞰方式，在模擬結(jié)果中自上而下尋找霧頂（判據(jù)是云水含量大于0.016g·kg－1），霧頂高度不高于400m或海面能見度不大于1km的區(qū)域診斷為預(yù)報(bào)霧區(qū)。

1.2.3 模擬霧區(qū)檢驗(yàn)

對(duì)WRF模式模擬結(jié)果的檢驗(yàn)主要針對(duì)霧區(qū)，模擬霧區(qū)結(jié)果優(yōu)劣的評(píng)估采用了命中率（POD）、成功率（SR）、偏差率（Bias）與臨界成功指數(shù)（CSI）4種評(píng)分指標(biāo)［13－14］。

2 海霧敏感性試驗(yàn)

2.1 海霧個(gè)例與模式設(shè)置

黃海海霧常出現(xiàn)在3—8月。為了便于 WRF模式海霧預(yù)報(bào)結(jié)果檢驗(yàn)，同時(shí)也為了使研究結(jié)果具有說服力，預(yù)報(bào)試驗(yàn)選取了2005—2011年10次春季黃海海霧過程作為研究對(duì)象（表1，時(shí)間為北京時(shí)，下同）。

表1 所選取的黃海10次海霧過程Table 1 10sea fog cases of the Yellow Sea for the numerical forecasting

利用WRF模式（V3.2.1）進(jìn)行海霧模擬試驗(yàn)，所有試驗(yàn)采用雙重雙向嵌套模擬區(qū)域（D1和D2）（圖1），D1區(qū)域中心為33.5°N，125.5°E，D1和D2區(qū)域分辨率分別為30km和10km，格點(diǎn)數(shù)分別為108×108，127×151，垂直方向共44層。模式采用Kain－Fritsch積云方案［15］、RRTM長(zhǎng)短波輻射方案［16］及 NOAH 陸面模式［17］。采用循環(huán)三維變分同化盡可能多的常規(guī)與非常規(guī)觀測(cè)數(shù)據(jù)，為數(shù)值試驗(yàn)提供高質(zhì)量初始場(chǎng)。

初始背景場(chǎng)與時(shí)變側(cè)邊界來自FNL數(shù)據(jù)，NOAA日平均海溫提供海面強(qiáng)迫。為進(jìn)一步改善三維變分同化效果，本文未采用WRF模式自身提供的背景誤差協(xié)方差（CV3）［18］，而是針對(duì)每個(gè)海霧個(gè)例，使用FNL數(shù)據(jù)驅(qū)動(dòng)WRF模式，進(jìn)行以模擬時(shí)間為中心的約15d的每日2次的24h數(shù)值后報(bào)，采用NMC方法［19］統(tǒng)計(jì)后報(bào)結(jié)果，生成它們各自獨(dú)立的背景誤差協(xié)方差（CV5）［5，20］。

2.2 試驗(yàn)方案

WRF模式提供多種邊界層方案與微物理方案。經(jīng)過大量數(shù)值試驗(yàn)進(jìn)行了初步篩選，最終確定5種邊界層方案與4種微物理方案參與敏感性試驗(yàn)。邊界層方案有Yonsei University（簡(jiǎn)稱為YSU）方案［21］、Mellor－Yamada（簡(jiǎn)稱為MY）方案［22］、QNSE方案［23］、MYNN 方案（包含 MYNN－2.5，MYNN－3，分別簡(jiǎn)稱為 MY2.5，MY3）［24］；微物理方案有 Kessler方案［25］、Lin方案［17］、Thompson（簡(jiǎn)稱為TP）方案［26］以及WSM－5方案［27］。

設(shè)計(jì)4組敏感性試驗(yàn)，每組包含5個(gè)試驗(yàn)，即每組選定1種微物理方案，分別搭配5種不同的邊界層方案。即1次海霧過程要進(jìn)行20次試驗(yàn)，10次海霧過程共進(jìn)行200次試驗(yàn)。

3 數(shù)值試驗(yàn)的結(jié)果檢驗(yàn)

3.1 海霧天氣形勢(shì)預(yù)報(bào)檢驗(yàn)

海霧的發(fā)生與演變很大程度上取決于天氣過程［2］，為了客觀定量地給出對(duì)比結(jié)果，從每次海霧過程的20次試驗(yàn)中任選1次，針對(duì)圖1中的D1區(qū)域，將試驗(yàn)結(jié)果與插值到模式格點(diǎn)上的CFSR數(shù)據(jù)進(jìn)行全場(chǎng)相關(guān)性與均方根誤差檢驗(yàn)。

925hPa和850hPa位勢(shì)高度與溫度的12h及24h模擬場(chǎng)相關(guān)系數(shù)均達(dá)到0.05顯著性水平（圖略）。12h和24h模擬結(jié)果中850hPa位勢(shì)高度、溫度的均方根誤差分別為3～14gpm和1～2K；925hPa溫度均方根誤差為1～3K，位勢(shì)高度均方根誤差平均為30gpm。WRF模式模擬結(jié)果與CFSR數(shù)據(jù)相比，前者高、低壓強(qiáng)度較后者偏強(qiáng)是導(dǎo)致位勢(shì)高度均方根誤差變化較大的原因，對(duì)比結(jié)果表明，WRF模式能夠再現(xiàn)影響海霧發(fā)生與演變的天氣形勢(shì)場(chǎng)。

3.2 海霧霧區(qū)預(yù)報(bào)檢驗(yàn)

獲取每次海霧過程模擬結(jié)果中3h／次的霧區(qū)預(yù)報(bào)結(jié)果。針對(duì)圖1中D2區(qū)域?qū)F區(qū)進(jìn)行網(wǎng)格化，格距為0.1°×0.1°，計(jì)算每個(gè)時(shí)次的4種評(píng)分指標(biāo)結(jié)果表明，對(duì)于任一邊界層方案而言，不同微物理方案結(jié)果之間的差異很??；而對(duì)于任一微物理方案，不同邊界層方案結(jié)果存在較大差異，即WRF模式模擬結(jié)果相對(duì)于微物理方案而言，對(duì)于邊界層方案更敏感。

統(tǒng)計(jì)結(jié)果顯示，YSU，MY2.5，MY3方案的平均命中率結(jié)果相差很小，為0.53～0.55；而 MY和QNSE方案的平均命中率明顯偏低，分別為0.34和0.37；YSU和MYNN方案相對(duì)MY方案的改進(jìn)率可達(dá)60%。各邊界層方案的平均成功率為0.47～0.52，YSU方案表現(xiàn)最好。平均偏差結(jié)果說明，MY與QNSE方案的預(yù)報(bào)霧區(qū)比觀測(cè)霧區(qū)偏小30%左右，MYNN方案偏大13%，YSU方案偏差接近于0。平均臨界成功指數(shù)顯示（表2），MY與QNSE方案最差，YSU與 MY2.5，MY3方案相當(dāng)，相對(duì)于MY方案的改進(jìn)率為32%，YSU方案略優(yōu)且較MY方案提高了40%。

表2 臨界成功指數(shù)統(tǒng)計(jì)結(jié)果Table 2 Statistical result of critical success index

對(duì)比結(jié)果較優(yōu)的YSU和MY2.5方案對(duì)10次海霧過程模擬結(jié)果可知，臨界成功指數(shù)較接近，但偏差指數(shù)存在很大差異?？傮w而言，YSU優(yōu)勢(shì)更明顯，但二者中的最優(yōu)選擇卻明顯存在海霧個(gè)例差異（圖略）。

根據(jù)Roebber［13］提出的方法，可將4種評(píng)分直觀形象地集中展示在一起（圖略）。依據(jù)該方法可清楚再現(xiàn)各方案搭配的優(yōu)劣，綜合考慮4種評(píng)分，邊界層方案與微物理方案的最佳組合為YSU與Lin方案，最差組合為MY與WSM5方案。

3.3 溫度與水汽垂直分布12h模擬誤差

WRF模式循環(huán)三維同化階段，不同邊界層方案對(duì)大氣邊界層演變描述不同，構(gòu)造出具有不同大氣邊界層結(jié)構(gòu)的初始場(chǎng)，導(dǎo)致不同的模擬結(jié)果。因此，在不同探空觀測(cè)站點(diǎn)，分別統(tǒng)計(jì)了1km以下采用相同邊界層方案的所有數(shù)值試驗(yàn)的12h預(yù)報(bào)平均誤差，包括偏差與均方根誤差（圖2）。

圖2 圖1中D2區(qū)域所有站點(diǎn)水汽混合比（a）與溫度（b）12h預(yù)報(bào)均方根誤差（實(shí)線）與偏差（虛線）垂直廓線Fig.2 12－h(huán)our root mean square error（solid）and bias（dashed）vertical profile of water vapor mixing ratio（a）and temperature（b）in D2of Fig.1

就均方根誤差而言，在邊界層底層，YSU與MYNN（MY2.5與MY3）方案無論水汽還是溫度均模擬較好，均方根誤差?。坏S高度增加，YSU方案明顯優(yōu)于MYNN方案，前者水汽混合比與溫度模擬結(jié)果相對(duì)后者分別偏小0.25g·kg－1與0.5K左右，MY與QNSE方案模擬結(jié)果略大于YSU方案。從偏差來看，YSU方案模擬的水汽比實(shí)際偏低約0.1～0.2g·kg－1，而MYNN方案則偏高約0.4g·kg－1，MY與QNSE方案模擬結(jié)果略優(yōu)于YSU方案；200m以下，MYNN方案模擬溫度偏差最小，約0.2～0.3K，而MY與QNSE方案模擬結(jié)果偏差最大，可達(dá)到0.8K；200m以上，YSU方案模擬較好。

綜合來看，YSU方案最優(yōu)，MYNN方案次之，MY與QNSE方案最差，與霧區(qū)預(yù)報(bào)檢驗(yàn)結(jié)果一致，而YSU方案在邊界層底層的溫度模擬需要改進(jìn)，MYNN方案在整個(gè)邊界層的水汽及中上部的溫度模擬需要改進(jìn)，而MY與QNSE方案尤其需要改進(jìn)邊界層底層的溫度模擬。

4 參數(shù)化方案敏感性分析

4.1 微物理方案

對(duì)霧區(qū)預(yù)報(bào)的檢驗(yàn)結(jié)果表明，固定一種邊界層方案而選用不同的微物理方案所得到的模擬霧區(qū)幾乎一致。為了更清晰地了解模擬霧區(qū)內(nèi)的海霧濃度垂直結(jié)構(gòu)的差異，選取YSU邊界層方案，在圖1中沿AB的垂直剖面內(nèi)，進(jìn)行云水混合比差異（圖略）分析。

分析表明，Lin方案給出的云水混合比分布位于逆溫層下，最大值約為0.6g·kg－1。從其他方案相對(duì)Lin方案的差異來看，它們的云水混合比空間分布一致。Kessler方案與Lin方案的差異在近海面為正值，而WSM5與TP方案給出云水混合比均較Lin方案偏小。不同方案模擬結(jié)果之間存在差異，但由于海面霧區(qū)診斷的標(biāo)準(zhǔn)為云水混合比不小于0.016g·kg－1，因此這些云水混合比差異基本不會(huì)導(dǎo)致海面霧區(qū)的差異。此外，考察海霧區(qū)域內(nèi)全部為云水，沒有雪、冰粒子等水物質(zhì)。

除Kessler方案，其他微物理方案參數(shù)均包含云滴數(shù)（cloud droplet number，CDN）。前面所有試驗(yàn)中的微物理方案，均采用了WRF模式的缺省設(shè)置，即云滴數(shù)給定且不對(duì)其進(jìn)行預(yù)報(bào)，如Lin方案中為100×106m－3。這里將海霧作為接海的云，那么霧中云滴數(shù)就是霧滴數(shù)，是表征海霧微物理特性的一個(gè)重要參數(shù)。為數(shù)不多的環(huán)黃海海霧觀測(cè)表明，霧滴數(shù)存在明顯的時(shí)空差異。文獻(xiàn)［28－30］分別對(duì)青島近海、浙江舟山海域與上海近海的海霧進(jìn)行了觀測(cè)，觀測(cè)結(jié)果詳見表3。

表3 環(huán)黃海海霧微物理特征觀測(cè)［28－30］Table 3 Observed microphysical characteristics of sea fog around the Yellow Sea（from reference 28－30）

為進(jìn)一步探究WRF模式海霧模擬結(jié)果對(duì)霧滴數(shù)的依賴性，以Lin方案為例，進(jìn)行了兩組霧滴數(shù)敏感性試驗(yàn)。在第1組試驗(yàn)中，只將霧滴數(shù)由原來的100×106m－3分別改為10×106m－3，20×106m－3，50×106m－3，200×106m－3和400×106m－3，同時(shí)預(yù)報(bào)過程中霧滴數(shù)為定值。第2組試驗(yàn)是在第1組試驗(yàn)的基礎(chǔ)上，對(duì)霧滴數(shù)進(jìn)行預(yù)報(bào)，霧滴數(shù)隨時(shí)空變化。以圖1中沿線AB垂直剖面內(nèi)的云水混合比分布考察試驗(yàn)結(jié)果。

第1組試驗(yàn)的結(jié)果表明，盡管給定不同霧滴數(shù)數(shù)值，但不同試驗(yàn)預(yù)報(bào)的云水混合比之間幾乎沒有差異。由第2組試驗(yàn)結(jié)果可知，初始霧滴數(shù)越大，云水混合比越高。將試驗(yàn)結(jié)果與觀測(cè)進(jìn)行對(duì)比可以看出，當(dāng)觀測(cè)霧滴數(shù)較小時(shí)，其對(duì)應(yīng)的云水混合比會(huì)有較大變化，試驗(yàn)預(yù)報(bào)結(jié)果與之存在較大的差異，總體偏高；當(dāng)觀測(cè)霧滴數(shù)大于100×106m－3時(shí)，霧滴數(shù)與云水混合比的對(duì)應(yīng)與試驗(yàn)預(yù)報(bào)結(jié)果接近。因此，試驗(yàn)中如何設(shè)定霧滴數(shù)初值可得到與觀測(cè)接近的模擬結(jié)果，還需要利用海霧微物理特征觀測(cè)數(shù)據(jù)，進(jìn)行敏感性試驗(yàn)加以確定。此外，除了霧滴數(shù)，霧滴半徑也是很重要的參數(shù)，本文中均采用WRF模式的默認(rèn)設(shè)置。

4.2 邊界層方案

發(fā)生在海上大氣邊界層內(nèi)的湍流過程對(duì)海霧的生成與演變至關(guān)重要，而湍流的刻畫則取決于邊界層方案。利用不同邊界層方案的數(shù)值模擬結(jié)果，考察海霧、邊界層高度與湍流強(qiáng)度三者聯(lián)系。

某一格點(diǎn)處海面云水混合比不小于0.016g·kg－1則海霧出現(xiàn)，模擬時(shí)段內(nèi)其出現(xiàn)次數(shù)之和與總模擬時(shí)次的百分比定義為此格點(diǎn)的海霧頻次。MY2.5與MY3方案的模擬結(jié)果非常接近，因此圖3中不同邊界層方案對(duì)比僅給出后者。由圖3可知，不同邊界層方案模擬的黃海海域平均邊界層高度區(qū)別很大。QNSE方案較高，超過250m；MY方案次之，在黃海北部可達(dá)200m以上；YSU和MY3方案較低，在150m以下，與黃海海霧的通常厚度相當(dāng)。此外，海霧頻次分布與邊界層高度分布成反比，即高邊界層對(duì)應(yīng)低海霧頻次，低邊界層對(duì)應(yīng)高海霧頻次，如YSU和MY3方案的海霧頻次可高達(dá)40%以上，MY3方案模擬結(jié)果局部甚至可達(dá)50%以上。而MY和QNSE方案最高僅為30%。這說明過高的邊界層不利于海霧的發(fā)生與維持，過高的邊界層一般由過強(qiáng)的湍流混合造成，不利于水汽在近海面的聚集，且逆溫層結(jié)往往會(huì)遭到破壞［4］。

為了揭示MY，QNSE方案所模擬的邊界層過高的原因，以海霧過程個(gè)例3為例，采用Lin方案，討論邊界層高度與湍流強(qiáng)弱之間的聯(lián)系。湍流強(qiáng)弱以湍流動(dòng)能表示，由于YSU方案采用一階K閉合，無湍流動(dòng)能預(yù)報(bào)變量，以梯度理查孫數(shù)（Ri）代替。圖4、圖5分別給出了沿圖1中AB，采用YSU，QNSE邊界層方案的24h與36h湍流動(dòng)能、邊界層高度與云水混合比模擬結(jié)果的垂直剖面，反映了邊界層、海霧、湍流三者之間的對(duì)應(yīng)關(guān)系。

圖4為YSU方案結(jié)果，可以看到湍流區(qū)（Ri＜0.25）主要在近海面，這是海上水平風(fēng)的垂直切變?cè)斐傻模欢扑旌媳却笾导性陟F頂，這歸咎于霧頂?shù)拈L(zhǎng)波輻射。邊界層高度與海霧霧區(qū)的時(shí)空變化保持一致，如圖4a中海霧垂直范圍、邊界層高度與Ri分布都呈較為一致的階梯狀，邊界層高度隨湍流的發(fā)展而增高（圖4b）。MYNN方案的結(jié)果與YSU方案類似（圖略）。

QNSE方案模擬結(jié)果如圖5所示。與YSU方案結(jié)果一樣，海霧垂直結(jié)構(gòu)與邊界層高度的分布也保持一致（圖5a），霧區(qū)內(nèi)的湍流強(qiáng)度小于0.12m2·s－2；當(dāng)邊界層高度達(dá)到600m時(shí)，海霧消散，邊界層內(nèi)的湍流強(qiáng)度超過0.14m2·s－2，近海面達(dá)到了0.2m2·s－2（圖5b）。MY 方案模擬結(jié)果與 QNSE方案類似，也表現(xiàn)為較強(qiáng)的湍流（圖略）。已有黃海平流海霧形成機(jī)制的研究結(jié)果指出［2－4］，海上水平風(fēng)垂直切變?cè)斐赏牧骰旌希浜Ｃ娲髿鈨?nèi)熱量向下輸送與濕度向上擴(kuò)散，導(dǎo)致海霧發(fā)生與發(fā)展，這一過程是海霧形成的主要?jiǎng)恿W(xué)機(jī)制。因此，合適的湍流強(qiáng)度是海霧生成與維持的必要條件。在暖濕氣團(tuán)流經(jīng)冷海面形成逆溫的穩(wěn)定層結(jié)條件下，合適強(qiáng)度的湍流一方面使熱量向下輸送，暖氣團(tuán)降溫成霧，另一方面湍流造成邊界層緩慢增厚，海霧向上發(fā)展，厚度增加。然而，當(dāng)湍流過強(qiáng)時(shí)，邊界層高度迅速增加。這會(huì)導(dǎo)致逆溫層結(jié)遭到破壞，熱量不再向下輸送；由于垂直混合，水汽彌漫于厚度快速增高的邊界層內(nèi)，濕度降低導(dǎo)致海霧消散。由此可見，QNSE方案和MY方案之所以模擬結(jié)果明顯較差，是其邊界層方案中對(duì)湍流刻畫過強(qiáng)所造成的。

不同邊界層方案所給出的邊界層高度與湍流強(qiáng)度存在很大差異，而這些差異是導(dǎo)致預(yù)報(bào)結(jié)果優(yōu)劣的主要原因。湍流強(qiáng)度適當(dāng)時(shí)，所對(duì)應(yīng)邊界層高度一般較低，約為200m，有利于近海面水汽聚集，海霧會(huì)發(fā)展，YSU與MYNN方案所給出的湍流情形即為此類；而當(dāng)湍流過強(qiáng)時(shí)，對(duì)應(yīng)的邊界層高度一般達(dá)到450m以上，不利于水汽在近海面聚集，同時(shí)較強(qiáng)的湍流造成的上下混合也會(huì)破壞海霧賴以生存的逆溫層，不利于海霧生成或造成海霧消散，QNSE與MY方案的表現(xiàn)即為如此。

圖3 不同邊界層方案試驗(yàn)的平均邊界層高度（陰影）與海霧頻次（等值線，單位：%）水平分布Fig.3 Horizontal distribution of planetary boundary layer heights（shaded）and fog frequencies（contour，unit：%）forecasted by the experiments with different planetary boundary layer schemes

圖4 海霧過程個(gè)例3的YSU方案模擬結(jié)果沿圖1中AB的云水混合比（a）與Ri（b）垂直剖面（填充色表示Ri，紅色表示0＜Ri≤0.25，黃色表示0.25＜Ri≤1，灰色表示Ri＞1；等值線表示云水混合比，單位：g·kg－1；藍(lán)色粗實(shí)線表示邊界層高度，單位：km）Fig.4 Vertical sections of cloud mixing ratio（a）andRi（b）along lineABin Fig.1 for the result from experiment with YSU scheme of example 3（the shaded denotesRi，red：0＜Ri≤0.25，yellow：0.25＜Ri≤1，gray：Ri＞1；contour denotes cloud mixing ratios，unit：g·kg－1；blue solid line denotos planetary boundary layer height，unit：km）

圖5 同圖4，但為QNSE方案（填充色為TKE分布）Fig.5 The same as in Fig.4，but it is for QNSE scheme（the shaded represents TKE distribution）

5 結(jié)論與討論

本文基于WRF模式及其三維變化同化模塊，以10次典型的大范圍春季黃海海霧為研究對(duì)象，重點(diǎn)關(guān)注預(yù)報(bào)霧區(qū)，開展了春季黃海海霧WRF模式邊界層與微物理方案的敏感性研究，得到如下主要結(jié)論：

1）WRF模式黃海海霧模擬結(jié)果對(duì)邊界層方案敏感，對(duì)微物理方案敏感性相對(duì)較弱。統(tǒng)計(jì)結(jié)果表明，最佳邊界層與微物理方案組合為YSU與Lin方案，最差為Mellor－Yamada與WSM5方案。

2）對(duì)于黃海海霧模擬結(jié)果而言，YSU與MYNN方案為最佳邊界層方案，但不同個(gè)例模擬二者各具優(yōu)勢(shì)，因此對(duì)于某一具體海霧個(gè)例而言，所用邊界層方案仍需在這兩者之中選擇最優(yōu)。

3）Mellor－Yamada與QNSE邊界層方案模擬的近海面湍流過強(qiáng)導(dǎo)致邊界層過高，不利于海霧的發(fā)展與維持；而MYNN與YSU方案刻畫的湍流強(qiáng)度與邊界層高度適合海霧發(fā)展與維持。

本研究結(jié)論對(duì)于夏季海霧以及黃海沿岸局地海霧是否適用，需進(jìn)一步研究。此外，如果進(jìn)一步詳細(xì)區(qū)分能見度1km之內(nèi)的海霧，微物理方案中的霧滴數(shù)與霧滴半徑等等參數(shù)可能非常重要。所以，借鑒已有陸地霧觀測(cè)［31－33］與東海、南海海霧觀測(cè)預(yù)報(bào)［34－39］的經(jīng)驗(yàn)，加強(qiáng)黃海海霧的微物理特征的觀測(cè)分析，改進(jìn)微物理方案是將來必須重視且亟待解決的一個(gè)重要的科學(xué)問題。

［1］ 張?zhí)K平，鮑獻(xiàn)文.近十年中國(guó)海霧研究進(jìn)展.中國(guó)海洋大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，38（3）：359－366.

［2］ 王彬華.海霧.北京：海洋出版社，1983：170－176.

［3］ Gao S H，Lin H，Shen B，et al.A heavy sea fog event over the Yellow Sea in March 2005：Analysis and numerical modeling.Adv Atmos Sci，2007，24（1）：65－81.

［4］ Fu G，Zhang S P，Gao S H，et al.Understanding of Sea Fog over the China Seas.Beijing：China Meteorological Press，2012：45－70.

［5］ 高山紅，齊伊玲，張守寶，等.利用循環(huán)3DVAR改進(jìn)黃海海霧數(shù)值模擬初始場(chǎng).Ⅰ：WRF數(shù)值試驗(yàn).中國(guó)海洋大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，40（10）：1－9.

［6］ 高山紅，張守寶，齊伊玲，等.利用循環(huán)3DVAR改進(jìn)黃海海霧數(shù)值模擬初始場(chǎng).Ⅱ：RAMS數(shù)值試驗(yàn).中國(guó)海洋大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，40（11）：1－10.

［7］ 劉宇迪，任景鵬，周鑫.散射計(jì)風(fēng)場(chǎng)的三維變分對(duì)海霧數(shù)值模擬的影響.應(yīng)用氣象學(xué)報(bào)，2011，22（4）：472－481.

［8］ 李冉，高山紅，王永明.直接同化衛(wèi)星輻射數(shù)據(jù)的黃海海霧數(shù)值試驗(yàn)研究.中國(guó)海洋大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，42（3）：10－20.

［9］ Hunt G E.Radiative properties of terrestrial clouds at visible and infrared thermal window wavelengths.Quart J Roy Meteor Soc，1973，99（420）：346－369.

［10］ Gao S H，Wu W，Zhu L L，et al.Detection of nighttime sea fog／stratus over the Huanghai Sea using MTSAT－1RIR data.Acta Meteor Sinica，2009，28（2）：23－35.

［11］ Wang Y M，Gao S H，F(xiàn)u G，et al.Assimilating MTSAT－derived humidity in now－forecasting sea fog over the Yellow Sea.Wea Forecasting，2014，29（2）：205－225.

［12］ Stoelinga M T，Warner T T.Nonhydrostatic，mesobeta－scale model simulations of cloud ceiling and visibility for an east coast winter precipitation event.J Appl Meteor，1999，38（4）：385－404.

［13］ Roebber P J.Visualizing multiple measures of forecast quality.Wea Forecasting，2009，24（2）：601－608.

［14］ Zhou B B，Du J.Fog prediction from a multimodel mesoscale ensemble prediction system.Wea Forecasting，2010，25（1）：303－322.

［15］ Kain J S，F(xiàn)ritsch J M.A one－dimensional entraining／detraining plume model and its application in convective parameterization.J Atmos Sci，1990，47（23）：2784－2802.

［16］ Mlawer E J，Taubman S J，Brown P D，et al.Radiative transfer for inhomogeneous atmospheres：RRTM，a validated correlated－k model for the longwave.J Geophys Res，1997，102（D14）：16663－16682.

［17］ Lin Y L，F(xiàn)arley R D，Orville H D.Bulk parameterization of the snow field in a cloud model.J Climate Appl Meteor，1983，22（6）：1065－1092.

［18］ 王曼，李華宏，段旭，等.WRF模式三維變分中背景誤差協(xié)方差估計(jì).應(yīng)用氣象學(xué)報(bào)，2011，22（4）：482－492.

［19］ Parrish D F，Derber J C.The National Meteorological Center’s spectral statistical－interpolation analysis system.Mon Wea Rev，1992，120（8）：1747－1763.

［20］ 劉桂艷，高山紅，王永明，等.臺(tái)風(fēng)外圍下沉區(qū)大氣波導(dǎo)成因的數(shù)值模擬.應(yīng)用氣象學(xué)報(bào)，2012，23（1）：77－88.

［21］ Hong S Y，Noh Y，Dudhia J.A new vertical diffusion package with an explicit treatment of entrainment processes.Mon Wea Rev，2006，134（9）：2318－2341.

［22］ Janjic＇Z I.The Step－Mountain Eta coordinate model：Further developments of the convection，viscous sublayer，and turbulence closure schemes.Mon Wea Rev，1994，122（5）：927－945.

［23］ Sukoriansky S，Galperin B，Perov V.Application of a new spectral theory of stably stratified turbulence to the atmospheric boundary layer over sea ice.Bound－Layer Meteor，2005，117（2）：231－257.

［24］ Nakanishi M，Niino H.An improved Mellor－Yamada level－3 model：Its numerical stability and application to a regional prediction of advection fog.Bound－Layer Meteor，2006，119（2）：397－407.

［25］ Kessler E.On the distribution and continuity of water substance in atmospheric circulations.Meteor Monogr，1969，32（10）：82－84.

［26］ Thompson G，F(xiàn)ield P R，Rasmussen R M，et al.Explicit forecasts of winter precipitation using an improved bulk microphysics scheme.Part II：Implementation of a new snow parameterization.Mon Wea Rev，2008，136（12）：5095－5115.

［27］ Hong S Y，Dudhia J，Chen S H.A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation.Mon Wea Rev，2004，132（1）：103－120.

［28］ 楊連素.青島近海海霧微物理結(jié)構(gòu)的初步觀測(cè).海洋科學(xué)，1985，9（4）：49－50.

［29］ 徐靜琦，張正，魏皓.青島海霧霧滴譜與含水量觀測(cè)與分析.海洋湖沼通報(bào)，1994，1993（2）：174－178.

［30］ 李子華，仲良喜，俞香仁.西南地區(qū)和長(zhǎng)江下游霧的時(shí)空分布和物理結(jié)構(gòu).地理學(xué)報(bào)，1992，47（3）：242－251.

［31］ 張利民，石春娥，楊軍，等.霧的數(shù)值模擬研究.北京：氣象出版社，2002：1－11.

［32］ Niu Shengjie，Lu Chunsong，Yu Huaying，et al.Fog research in China：An overview.Adv Atmos Sci，2010，27（3）：639－662.

［33］ 李子華，劉瑞陽，楊軍.輻射霧霧滴譜拓寬的微物理過程和宏觀條件.大氣科學(xué)，2011，35（1）：41－54.

［34］ 黃健.海霧的天氣氣候特征與邊界層觀測(cè)研究.青島：中國(guó)海洋大學(xué)，2008.

［35］ 黃輝軍，黃健，劉春霞.茂名地區(qū)海霧的微物理結(jié)構(gòu)特征.海洋學(xué)報(bào)，2009，31（2）：17－23.

［36］ Yue Y Y，Niu S J，Zhao L J，et al.Chemical composition of sea fog water along the South China Sea.Pure Appl Geophys，2012，169（2012）：2231－2249.

［37］ 黃健，黃輝軍，黃敏輝，等.廣東沿岸海霧決策樹預(yù)報(bào)模型.應(yīng)用氣象學(xué)報(bào)，2011，22（1）：107－114.

［38］ 張春桂，蔡義勇，張家春.MODIS遙感數(shù)據(jù)在我國(guó)臺(tái)灣海峽海霧監(jiān)測(cè)中的應(yīng)用.應(yīng)用氣象學(xué)報(bào)，2009，20（1）：8－16.

［39］ 秦慰尊，張家康.寧波近海霧預(yù)報(bào)的研究.應(yīng)用氣象學(xué)報(bào)，1991，2（3）：325－330.

Sensitivity Study of WRF Parameterization Schemes for the Spring Sea Fog in the Yellow Sea

Lu Xue1）2）Gao Shanhong1）2）Rao Lijuan1）2）Wang Yongming1）2）

1）（Key Laboratory of Physical Oceanography，Ministry of Education，Ocean University of China，Qingdao266100）
2）（Key Laboratory of Ocean－Atmosphere Interaction and Climate in Universities of Shandong，Ocean University of China，Qingdao266100）

Sea fog is a water vapor condensation phenomenon，which happens in marine atmospheric boundary layer（MABL）.Low atmospheric visibility caused by sea fog brings huge threat to maritime transportation，fishery and oil－drilling operations.Therefore，it is becoming increasingly important and being paid more and more attention.In recent years，meso－scale atmospheric numerical modeling has become a dominant way for the mechanism study and numerical modeling of sea fog.

Previous studies on sea fog indicate that sea fog modeling is very sensitive to initial conditions，especially realistic representation of temperature and humidity profile in MABL.Besides initial conditions，turbulence process and cloud generating process are the other important aspects for sea fog modeling.In a meso－scale atmospheric numerical model，the turbulence process is described by planetary boundary layer（PBL）scheme，and the cloud generating process is determined by microphysics（MP）scheme.Due to the uncertainties of the modeling result and the complexities of turbulence and cloud microphysics processes，many options of PBL and MP schemes are available for choice focusing on different modeling purposes.

Based on the Weather Research and Forecasting （WRF）model and cycling three－dimensional variational method，sensitivity study of WRF PBL and MP schemes for the Yellow Sea fog is conducted，focusing on 10typical widely－spread sea fog cases.The result indicates that simulated sea fog area mostly depends on PBL scheme but little on MP scheme；density and depth of simulated sea fog are affected by MP scheme with cloud droplet number being predicted and how it is prescribed.The best combination of PBL and MP schemes is YSU and Lin，while the worst is Mellor－Yamada and WSM5.The Mellor－Yamada and QNSE scheme brings about much stronger turbulence simulation，resulting in much higher boundary layer，and therefore it’s not favorable to the development and maintenance of sea fog，while turbulence intensity and boundary layer height produced by MYNN and YSU schemes benefit sea fog developing.MYNN scheme can match YSU scheme in general，however，the latter performs better in most cases while the former is better in certain ones.In depth investigation is needed to tell whether MYNN or YSU PBL scheme is better for a given sea fog case.These information can provide hints to choose and improve PBL and MP schemes of WRF for the Yellow Sea fog numerical prediction system in the near future.

the Yellow Sea fog；microphysics scheme；PBL scheme；WRF sensitivity study

陸雪，高山紅，饒莉娟，等.春季黃海海霧 WRF參數(shù)化方案敏感性研究.應(yīng)用氣象學(xué)報(bào)，2014，25（3）：312－320.

2013－07－09收到，2014－03－03收到再改稿。

國(guó)家自然科學(xué)基金項(xiàng)目（41276009），氣象公益性行業(yè)（氣象）科研專項(xiàng)（GYHY201106006）

＊通信作者，email：gaosh＠ouc.edu.cn