貫 叢，張樹文，于靈雪，李素文，王讓虎，卜 昆，楊久春，常麗萍

（1.長春工程學(xué)院，長春130012；2.中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所，長春130102；3.吉林大學(xué)地球科學(xué)學(xué)院，長春130021）

0 引言

IPCC第五次評估報告（TAR）指出，全球平均表面溫度（GMST）自19世紀(jì)后期有所增加。從觀測站觀測資料得到的全球和區(qū)域地表氣溫的幾個獨立分析的數(shù)據(jù)記錄普遍認(rèn)為地表氣溫已經(jīng)增加［1］。在全球變暖的大背景下，極端天氣事件出現(xiàn)得更加頻繁，這些中尺度天氣造成的自然災(zāi)害和氣候變化制約了社會經(jīng)濟(jì)的發(fā)展，嚴(yán)重影響人類生活。對區(qū)域極端天氣過程及演變的模擬成為目前各國政府和科研部門關(guān)注和研究的重點。中尺度數(shù)值預(yù)報模式在這種背景下逐漸發(fā)展完善起來。

隨著計算機(jī)和測量技術(shù)的快速發(fā)展，近30年來，中尺度大氣數(shù)值模式得到快速發(fā)展，進(jìn)入20世紀(jì)90年代后，中尺度模式和模擬系統(tǒng)已發(fā)展得很完善。美國曾成功研制了MM系列、ARPS以及后期的WRF等中尺度數(shù)值預(yù)報模式，提高了對強(qiáng)對流災(zāi)害天氣的監(jiān)測和預(yù)報能力。WRF采用高度模塊化、并行化和分層設(shè)計技術(shù)，因而具有開放性好、可移植性強(qiáng)等特點，在國內(nèi)外得到了廣泛應(yīng)用［2］。

1 中尺度大氣數(shù)值模式WRF介紹

1.1 WRF模式

WRF模式是由美國國家自然科學(xué)基金和NOAA共同支持的模式系統(tǒng)［3］，它集數(shù)值天氣預(yù)報、大氣模擬以及數(shù)據(jù)同化于一體，分為驅(qū)動層、中間層和模式層，用戶只需與模式層打交道［4］。同其他的中尺度模式相比，WRF模式具有更多的內(nèi)部參數(shù)化方案，對物理過程的考慮也更加細(xì)致［5］。

1.2 WRF模式物理過程參數(shù)化方案

1.2.1 微物理過程方案

WRF V3版本中提供了7種微物理過程方案。

1）Kessler暖云方案。來自于COMMAS模式，是一個簡單的暖云降水方案，考慮的微物理過程包括：雨水的產(chǎn)生、降落和蒸發(fā)，云水的增長以及由凝結(jié)產(chǎn)生云水的過程［6－7］。

2）PurdueLin方案。PurdueLin方案是 WRF模式中更適于理論研究的一種方案，包括了對水汽、云水、雨、云冰、雪和霰的預(yù)報，在結(jié)冰點以下，云水處理為云冰，雨水處理為雪［7］。

3）WSM3方案。WSM3（WRF Single－Moment 3－class）方案是一種簡單有效、適用于中尺度格點的方案。WSM3方案包括冰沉降與冰相的參數(shù)化，包括3類水物質(zhì)：水汽、云水或云冰、雨水或雪。

4）WSM5方案。WSM5方案含有水汽、雨、雪、云冰、云水過程，也包含過冷卻水以及雪下降時逐步融化的過程。

5）WSM6方案。WSM6方案是對 WSM5方案的擴(kuò)充，它包括有霰和與它關(guān)聯(lián)的一些過程，使水物質(zhì)的預(yù)報量達(dá)到了6個。

6）Eta Ferrier方案。Eta Ferrier方案是NCEP模式業(yè)務(wù)使用的微物理方案，能夠診斷混合相態(tài)過程。此方案預(yù)報模式平流項中水汽和總凝結(jié)降水的變化。

7）Thompson方案。Thompson方案增加了冰的數(shù)濃度，是一種包含冰、雪和霰過程的適用于高分辨率模擬的新方案。

1.2.2 輻射過程參數(shù)化

1.2.2.1 長波輻射方案

1）RRTM長波輻射方案：利用一個預(yù)先處理的參數(shù)查找表來表示由于水汽以及其他氣體、云的光學(xué)厚度引起的長波過程。

2）Eta Geophysical Fluid Dynamics Laboratory（GFDL）長波輻射方案：是一種包含二氧化碳、臭氧和微物理效應(yīng)的多波段方案。

3）CAM方案：來自于CAM3氣候模式，其中考慮到氣溶膠和痕量氣體。

4）RRTMG方案：新的RRTM方案，包含隨機(jī)云重疊的MCICA方法。

1.2.2.2 短波輻射方案

1）CMA方案：來自于CAM3氣候模式，其中考慮到氣溶膠和痕量氣體。

2）Dudhia短波輻射方案：采用Dudhia的方法，是能夠有效計算云和晴空吸收與散射的向下積分的方案。

3）Goddard短波輻射方案：是包含氣候態(tài)臭氧和云效應(yīng)的雙束多波段方案［8］。

4）Eta Geophysical Fluid Dynamics Laboratory方案：是包含氣候態(tài)臭氧和云效應(yīng)的雙束多波段方案，考慮了水汽、臭氧、二氧化碳的影響［8］。

1.2.3 積云對流參數(shù)化方案

1）淺對流Eta Kain—Fritsch方案。它使用一個具有濕上升和下沉氣流的簡單云模式，伴隨水汽的上升和下沉，同時包括了卷入和卷出，以及相對粗糙、簡單的微物理過程的作用。

2）Betts—Miller—Janjic方案。該方案在某給定的時段，對熱力廓線進(jìn)行張弛調(diào)整，在張弛時間內(nèi)，對流的質(zhì)量通量可消耗一定的有效浮力，淺對流水汽特征廓線中熵的變化較小且為非負(fù)。

3）Grell—Devenyi集合方案。2002年Devenyi、Grell引進(jìn)了集成積云方案，在每個格點運(yùn)行多種積云方案和變量，再將結(jié)果平均反饋到模式中，具有多參數(shù)，集成了典型的144個次網(wǎng)格成員的方案，該方案是質(zhì)量通量類型，用不同的上升、下沉、卷入、卷出的參數(shù)和降水率。云質(zhì)量通量由靜力及動力條件共同控制，動力控制決定于有效位能（CAPE）、低層垂直速度及水汽，靜態(tài)控制的不同結(jié)合了動態(tài)控制的不同。

1.2.4 行星邊界層

1）Yonsei University（YSU）邊界層方案。該方案的表面層與MRF方案一樣釆用Monin－Obukhov相似理論，該方案考慮了在風(fēng)溫廊線的逆溫層中夾卷造成的熱量交換［9］。

2）Medium Range Forecast Model（MRF）邊界層方案。該方案將顯示處理的卷入層視為Nonlocal－K mixed layer混合層的一部分。該方案在不穩(wěn)定狀態(tài)下使用反梯度通量來處理熱量和水汽［7］。

3）Mellor－Yamada－Janjic（MYJ）邊界層方案。該方案為行星邊界層和自中的瑞流參數(shù)化的非奇異方案。

4）Similarity theory（MM5）方案。這個方案用了Paulson、Dyer和Webb穩(wěn)定性函數(shù)來計算地面熱量、濕度、動力的交換系數(shù)［7］。

1.2.5 表面邊界層

1）ETA相似理論近地面層方案?；?Monin—Obukhov理論，包括粘性子層參數(shù)化。

2）Similarity theory（PX）方案。這方案是基于相似理論，并包括一個粘性層參數(shù)化，以一個準(zhǔn)層流邊界層阻力形式來表示熱量擴(kuò)散，水蒸汽和微量化學(xué)物質(zhì)的差異。

3）Eta Mellor—Yamada—Janjic TKE邊界層方案。含有局地垂直混合的一維診斷湍流動能方案。

1.2.6 陸面過程方案

1）5－layer thermal diffusion方案。只包含土壤溫度的方案，分別是1、2、4、8和16cm。在這些層下面，溫度是固定在一個深層次的平均水平值。能量計算包括輻射、感熱和潛熱通量。同時也允許雪蓋效應(yīng)［10］。

2）Noah方案。Noah陸面過程參數(shù)化是OSU的改進(jìn)版，統(tǒng)一 NCEP／NCAR／AFWA方案，針對3.1版本做出了改進(jìn)，使之能更好地表示冰蓋和積雪覆蓋面積［10－11］。

3）Rapid Update Cycle（RUC）方案。RUC業(yè)務(wù)方案，為NCEP天氣業(yè)務(wù)預(yù)報系統(tǒng)中的陸面參數(shù)化方案，土壤溫度和濕度具有6個層次，也具有積雪和凍土物理過程。

4）Pleim.Xiu LSM方案。Pleim.Xiu模式是一個復(fù)合的地表和PBL模式。它在兩層上（1cm處的地面層和1m處的根區(qū)）描述土壤水汽和溫度以及樹冠的蒸騰。它處理土壤層、樹冠和蒸騰水汽通量［12－13］。

2 WRF在氣候資源預(yù)測領(lǐng)域的應(yīng)用

1）WRF模式對雨洪資源的模擬預(yù)測。WRF能夠較穩(wěn)定、較準(zhǔn)確地模擬出暴雨落區(qū)和降水強(qiáng)度，對制作短期降水預(yù)報具有指導(dǎo)作用。WRF模式能夠提供空間尺度為1～10km的降雨預(yù)報，能預(yù)測缺少資料的、地形復(fù)雜地區(qū)的降雨［11－12］。

2）WRF模式能夠預(yù)測風(fēng)場和風(fēng)速。陳玲等［13］的研究表明，WRF模式能夠較好地模擬出風(fēng)速按照時間變化的規(guī)律，使風(fēng)電場風(fēng)速預(yù)測提前，為風(fēng)電場的運(yùn)行和控制提供依據(jù)。王澄海等［14－15］應(yīng)用 WRF模式對西北西部地區(qū)低層風(fēng)場進(jìn)行了模擬和檢驗，結(jié)果表明WRF模式在風(fēng)場的模擬上具有較好的性能，風(fēng)速的預(yù)測誤差可達(dá)到目前的風(fēng)電功率預(yù)測的業(yè)務(wù)要求。

3）付偉基等［16－17］的研究結(jié)果表明 WRF模式能將隱藏在弱強(qiáng)迫天氣尺度系統(tǒng)中的中小尺度對流系統(tǒng)描繪出來。模式輸出的中尺度要素場可以確定雷暴發(fā)生的地點，能指示雷暴發(fā)生的時間。

4）WRF對暴雪也具有較好的預(yù)報效果，能模擬出暴雪的大致區(qū)域及暴雪的強(qiáng)中心［18］。王坤等［19］對青藏高原一次暴雪過程進(jìn)行模擬試驗，結(jié)果表明當(dāng)考慮了冰面過飽和度隨溫度區(qū)間的變化后，計算的冰核濃度可以改進(jìn)降水的模擬效果。

5）WRF也可較好地模擬出近地面凈輻射、感熱和潛熱等要素的變化特征及日變化規(guī)律。文小航［20］的研究表明WRF模擬結(jié)果能給出一個區(qū)域面上輻射收支和能量平衡的圖像，能較好地模擬出晴天輻射和熱流密度的日變化情況，為更好地利用太陽輻射資源提供參考。

3 WRF應(yīng)用的趨勢

1）雖然WRF模式已達(dá)到較好的模擬效果，但也存在一些問題和不足。由于大氣過程描述不夠完整以及初邊值具有一定的誤差，WRF數(shù)值天氣預(yù)報依然存在一定的不確定性。集合預(yù)報在初始場加上各種小擾動，使初始場成為概率密度函數(shù)，預(yù)報的準(zhǔn)確率被大大提高。

2）四維同化可以用于提供質(zhì)量更高的氣象數(shù)據(jù)集或是提高模式場的質(zhì)量，比如四維變分同化可以同化各種非常規(guī)資料（比如雷達(dá)反射率、衛(wèi)星輻射量等），將實時四維同化應(yīng)用于數(shù)值預(yù)報中，能夠更好地保持模式各變量之間的動力平衡關(guān)系［21］。

3）在WRF與CLM耦合的基礎(chǔ)上細(xì)化土地覆被資料。陸面過程對天氣和氣候有著重要作用［22］。CLM4.0是為地球氣候模擬系統(tǒng)設(shè)計的最新的陸面模式，是與大氣模式相耦合的高質(zhì)量的陸面模式，在植被覆蓋的分類和生態(tài)系統(tǒng)的描述方面，它優(yōu)于其他陸面模式。

4）區(qū)域氣候建模。氣候建模長期以來一直使用全球模式，只可以解決大氣過程及其與陸地，海洋，海冰相互作用的更大尺度的問題。自2003年10月，（美國）國家大氣研究中心（NCAR）一直支持使用天氣研究和預(yù)報（WRF）模型以及社區(qū)氣候系統(tǒng)模型（CCSM）發(fā)展區(qū)域氣候建模，它們現(xiàn)在的目標(biāo)是開發(fā)出下一代的社區(qū)區(qū)域氣候模型（RCM），在氣候建模中可以同時滿足降尺度和升尺度的問題。WRF模式已被改編為模擬區(qū)域氣候。在美國的季節(jié)性模擬中已經(jīng)表明現(xiàn)實的功能，包括在中部各州低空急流和降雨晝夜循環(huán)（Leung等，2005）和西部的地形降水（Done等，2005）［23］。

在將來的業(yè)務(wù)預(yù)報中，WRF模式在中尺度預(yù)報中的優(yōu)勢會更加明顯。

［1］秦大河.LPCC第五次評估報告第一工作組報告的亮點結(jié)論［J］.氣候變化研究進(jìn)展，2014，1（10）：1－6.

［2］張金善，鐘中，黃瑾.中尺度大氣模式 MM5簡介［J］.海洋預(yù)報，2005，22（1）：31－34.

［3］Michalakes J，Chen S，Dudhia J，et al.Development of a next－generation regional weather research and forecast model［J］.Development in Teracomputing，2001，8：269－276.

［4］寇媛媛.云跡風(fēng)資料同化在中尺度數(shù)值模擬中的對比研究（MM5模式和 WRF模式）［D］.南京：南京信息工程大學(xué)，2008.

［5］閆之輝，鄧蓮堂.WRF模式中的微物理過程及其預(yù)提對比試驗［J］.沙漠與綠洲氣象，2007，1（6）：1－6.

［6］陳茂欽，徐海明，劉蕾，等.WRF3.1微物理參數(shù)化方案對兩例暴雨的集合預(yù)報試驗及可預(yù)報性分析［J］.氣象科學(xué)，2012，32（3）：237－245.

［7］胡向軍，陶健紅，鄭飛，等.WRF模式物理過程參數(shù)化方案簡介［J］.甘肅科技，2008，24（20）：73－75.

［8］王曉君，馬浩.新一代中尺度預(yù)報模式（WRF）國內(nèi)應(yīng)用進(jìn)展［J］.地球科學(xué)進(jìn)展，2011，26（11）：1191－1199.

［9］徐慧燕.WRF模式中的邊界層參數(shù)化比較試驗［D］.杭州：浙江大學(xué)，2013.

［10］孫科.WRF模式物理過程參數(shù)化方案對降水模擬影響研究［D］.北京：華北電力大學(xué)，2011.

［11］侯建忠，寧志謙，謝雙亭，等.基于WRF模式的陜西兩次區(qū)域性秋季暴雨的數(shù)值模擬［J］.成都信息工程學(xué)院學(xué)報，2007，22（5）：648－653.

［12］蔡淼.中國氣20中國空中云水資源和降水效率的評估研究［D］.北京：中國氣象科學(xué)研究院，2013.

［13］陳玲，賴旭，劉霄，等.WRF模式在風(fēng)電場風(fēng)速預(yù)測中的應(yīng)用［J］.武漢大學(xué)學(xué)報：工學(xué)版，2012，45（1）：103－106.

［14］王澄海，胡菊，靳雙龍 ，等.中尺度 WRF模式在西北西部地區(qū)低層風(fēng)場模擬中的應(yīng)用和檢驗［J］.干旱氣象，2011，29（2）：161－167.

［15］李慧敏.江蘇沿海地區(qū)的風(fēng)能資源模擬的時空分布［J］.科技和產(chǎn)業(yè)，2014，14（4）：156－162.

［16］付偉基，陸漢城，王亮，等.WRF模式對弱強(qiáng)迫系統(tǒng)中雷暴預(yù)報個例研究［J］.氣象科學(xué)，2009，29（3）：323－329.

［17］龔嘉鏘，郭鳳霞，田琨，等.基于WRF模式的雷電潛勢預(yù)報［J］.氣象科學(xué)，2014，34（2）：206－212.

［18］陶健紅，張新榮，張鐵軍，等.WRF模式對一次河西暴雪的數(shù)值模擬分析［J］.高原氣象，2008，27 （1）：68－75.

［19］王坤，張飛民，孫超，等.WRF－WSM3微物理方案在青藏高原地區(qū)暴雪模擬中的改進(jìn)及試驗 ［J］.大氣科學(xué)，2014，38（1）：101－109.

［20］文小航，呂世華，孟憲紅，等.WRF模式對金塔綠洲效應(yīng)的數(shù)值模擬［J］.高原氣象，2010，29（5）：1163－1173.

［21］何斌，李云泉，范曉紅，等.四維同化技術(shù)在區(qū)域數(shù)值模式中的應(yīng)用研究［C］／／第六屆長三角氣象科技論壇論文集.杭州：浙江氣象學(xué)會，2009.

［22］Yu lingxue，Zhang Shuwen，Tang Junmei，et al.The effect of deforestation on the regional temperature in Northeastern China［J］.Theoretical and Applied Climatology，2015，3（120）：761－771.

［23］Ruby Leung L，Kuo Ying－Hwa，Tribbia Joe.Research needs and directions of regional climate modeling using WRF and CCSM［J］.American Meteorological Society，2006，87（12），1747－1751.