陳有利， 徐慧燕， 盧美， 朱業(yè)， 劉瑞*

(1. 寧波市氣象臺， 浙江 寧波 315012； 2. 浙江大學(xué) 地球科學(xué)學(xué)院， 浙江 杭州 310027；3. 浙江省海洋監(jiān)測預(yù)報中心， 浙江 杭州 310007)

0 引 言

在一定氣象條件下，近地面溫度的改變也會引起底層風(fēng)場的變化. 因此，利用調(diào)整后的QNSE方案對沿海風(fēng)場的模擬結(jié)果進(jìn)行檢驗以評估模擬效果. 本文首先利用2015年對浙江、福建沿海造成嚴(yán)重災(zāi)害的1513號臺風(fēng)Soudelor和一例梅雨過程模擬沿海中尺度風(fēng)速的特征和變化，在此基礎(chǔ)上，試驗參數(shù)調(diào)整后的方案(MQNSE)對浙江沿海風(fēng)場的模擬能力.

1 MQNSE方案簡介

根據(jù) Mellor-Yamada Level 2.5 階模式[3]中的公式，徐慧燕等[17]給出了MQNSE方案中湍流長度尺度系數(shù)A1,B1,A2,B2,C1的表達(dá)式，其中，A1,B1,A2,B2,C1為Prandtl數(shù)函數(shù).

NOH等[8]得到的Prandtl數(shù)公式為

Pr=1+(Pr0-1)exp[-3(z-εh)2/h2]，

(1)

其中，Pr0=φh/φm+b0εk,ε，h，b0都為小于1的經(jīng)驗系數(shù)，在大氣層結(jié)不穩(wěn)定時，φh和φm是不同的，只有在穩(wěn)定層結(jié)下才有φh=φm，h為邊界層高度，z為距離地面的高度.

由式(1)可求得湍流長度尺度系數(shù). 將該關(guān)系式植入QNSE方案相應(yīng)的模塊中，便可得到調(diào)整湍流長度尺度系數(shù)后的方案MQNSE.

下面運用該參數(shù)調(diào)整后的方案(MQNSE)研究海上大風(fēng)的模擬效果.

2 模擬試驗設(shè)置

為分析臺風(fēng)登陸前后沿海海面中尺度大風(fēng)和對流云的發(fā)展過程，本次臺風(fēng)個例與梅雨過程均利用WRF中尺度數(shù)值預(yù)報模式，其中臺風(fēng)個例模擬使用WRFV3.5，而梅雨過程模擬采用WRFV3.1. 背景場資料采用NECP提供的時間間隔為6 h的1°×1°的FNL再分析資料. 臺風(fēng)蘇迪羅(Soudelor)模擬使用雙向反饋的四重嵌套網(wǎng)格(見圖1(a))，四重嵌套網(wǎng)格的格距分別為27，9，3，1 km，格點數(shù)分別為191×201，274×238，304×313，460×469，垂直方向分為35層，第1重的積分步長為60 s，前2重網(wǎng)格每隔1 h輸出一次結(jié)果，后2重網(wǎng)格每隔10 min輸出一次結(jié)果. 模擬采用的云微物理Lin方案是一種包含水汽、雨、雪、云水、冰、冰雹和霰，不包含粒子數(shù)濃度的混合比預(yù)報單參方案；第1重和第2重采用Grell 3D集合積云方案(G3方案)，關(guān)閉第3重與第4重的積云參數(shù)化方案；長短波輻射和短波輻射分別為RRTM方案和Dudhia方案，陸面為熱量擴(kuò)散方案. 梅雨過程的模擬試驗設(shè)置與徐慧燕等[17]相同，采用三重嵌套，格距分別為45, 15, 5 km，其中5 km格距的網(wǎng)格涵蓋了長江中下游流域的梅雨雨帶.

圖1 模擬設(shè)置區(qū)域Fig. 1 Model configuration觀測站信息詳見表1.Table 1 shows the detailed information about the islands stations.

3 海島大風(fēng)的模擬試驗及實況比較

3.1 梅雨過程的浙江海島風(fēng)場模擬

為分析參數(shù)調(diào)整后方案對動力結(jié)構(gòu)的模擬能力，運用2009年7月23—24日浙江省梅雨期個例，與原QNSE方案、參數(shù)調(diào)整后的QNSE(MQNSE)模擬的沿海幾個觀測站邊界層風(fēng)場演變特征進(jìn)行了比較，并用實況風(fēng)速(10 min平均風(fēng)速)進(jìn)行檢驗.

圖2為浙江及上海沿海梅雨降水過程的島嶼測站與模擬結(jié)果對比. 由杭州灣以北的上海浮標(biāo)站(站點信息與位置參見表1和圖1(c))風(fēng)速演變曲線可知(見圖2(a))，實況風(fēng)速(黑線)在振蕩減小過程中于24日06： 00有一次風(fēng)速加大過程，在原QNSE控制實驗(紅線，QNSE)中無這一現(xiàn)象，而從調(diào)整后的QNSE方案(藍(lán)線)中可見有明顯的風(fēng)速跳躍現(xiàn)象，更接近于實況；浙江臺州溫嶺石橋頭站也有類似結(jié)論. 雖然模擬結(jié)果整體上比實況風(fēng)速大，但在24日09: 00所有MQNSE試驗都有一次快速向?qū)崨r風(fēng)速靠近的減小過程，而控制試驗的模擬結(jié)果中缺乏此調(diào)整(紅色)；圖2(c)所示的舟山岱山高亭漁港地面風(fēng)場中，3種方案的演變曲線較一致. 由前3個沿海代表站模擬效果可知，控制試驗和調(diào)整后方案(MQNSE)模擬的地面風(fēng)速與實況均有明顯偏差，主要表現(xiàn)為風(fēng)速模擬偏大，但調(diào)整后方案(MQNSE)的偏差值較控制試驗結(jié)果小.

表1 沿海島嶼觀測站信息

注前10個站點用于臺風(fēng)個例檢驗，后4個站點用于梅雨降水過程檢驗.

NoteThe first ten stations are for typhoon case, and the last four stations are for Meiyu case.

對于溫州浮標(biāo)站(圖2(d))來說，兩者的模擬結(jié)果基本相似，與實況均有一定的差距，主要表現(xiàn)為模擬風(fēng)速偏小和風(fēng)速無變化.

以上結(jié)果說明，沿海海上風(fēng)場模擬難度較大，其精度較陸地、海島和海上差.

3.2 臺風(fēng)風(fēng)場試驗

以2015年對浙江、福建沿海造成嚴(yán)重災(zāi)害的1513號臺風(fēng) Soudelor為個例，模擬沿海中尺度風(fēng)速的特征和變化.

選取浙江南部與福建北部沿海10個島嶼氣象觀測站的實況10 min平均風(fēng)速作為本次臺風(fēng)模擬效果的檢驗依據(jù).

其中，s(i)代表第i個樣本觀測站的模擬值，o(i)代表第i個樣本觀測站的觀測值. 下面運用上述公式，分別對臺風(fēng)個例期間490個樣本站點模擬的風(fēng)速與風(fēng)向進(jìn)行統(tǒng)計檢驗.

圖2 2009年7月23日12： 00—24日12： 00(世界時)，江淮梅雨期浙江省及毗鄰沿海海島測站風(fēng)速對比Fig.2 Time series of surface winds in Zhejiang province between the observations and model simulations throughout the 12-36 h forecast period from 12： 00 UTC 23 July to 12： 00 UTC 24 July 2009.

圖中黑色實線代表實況風(fēng)速，紅色實線代表原QNSE試驗(控制試驗QNSE)模擬的風(fēng)速，藍(lán)色實線代表調(diào)整后QNSE試驗(MQNSE)模擬的風(fēng)速.

Black lines denote observed wind speed, red lines denote simulations from the QNSE scheme, blue lines denote simulations from the modified QNSE (MQNSE) scheme.

3.2.1 風(fēng)速基本檢驗標(biāo)準(zhǔn)的設(shè)定

風(fēng)速基本檢驗標(biāo)準(zhǔn)設(shè)定為相對誤差標(biāo)準(zhǔn)0.30.

1) 模擬預(yù)報與實況觀測偏差在0.30以內(nèi)的為符合，設(shè)為HINTF，表示風(fēng)速模擬較好；

2) 模擬預(yù)報小于實況觀測偏差0.30的為不符合，設(shè)為MISF，表示預(yù)報過小;

3) 模擬預(yù)報大于實況觀測偏差0.30的為不符合，設(shè)為OVERF，表示預(yù)報過大.

3.2.2 風(fēng)速和風(fēng)向基本檢驗標(biāo)準(zhǔn)的設(shè)定

風(fēng)速的判別條件同3.2.1節(jié)，風(fēng)向的偏差條件設(shè)定為150.

1) 風(fēng)速和風(fēng)向都符合判別條件的設(shè)為ALLQC，表明模擬預(yù)報比較準(zhǔn)確；

2) 風(fēng)向符合判別條件、風(fēng)速不符合的設(shè)為DIRQC；

3) 風(fēng)速符合判別條件、風(fēng)向不符合的設(shè)為SPDQC；

4) 風(fēng)速和風(fēng)向都不符合的設(shè)為BADQC，表明模擬預(yù)報效果差.

為比較QNSE調(diào)整前后的效果，統(tǒng)計檢驗了邊界層參數(shù)化YSU和QNSE方案. 表2為對受蘇迪羅臺風(fēng)影響的浙閩沿海10個島嶼觀測站490個樣本的統(tǒng)計情況. 絕對誤差(AE)和相對誤差(RE)值越小表示檢驗效果越好.由表2知，調(diào)整后的QNSE方案(MQNSE)較YSU和QNSE方案值小，即效果相對較好，表明參數(shù)調(diào)整后的在MQNSE方案，對海上風(fēng)速的模擬效果有一定提升. 如果模擬預(yù)報與實況觀測偏差在0.30以內(nèi)，表示模擬預(yù)報是符合實況的(HINTF)，即統(tǒng)計值越大檢驗效果越好. 在表2的3個邊界層方案中，MQNSE方案的HINTF值最大，表示風(fēng)速模擬最好；同樣，MISF和OVERF的偏差均在0.30之外，表示模擬預(yù)報效果不是偏大就是偏小，即MISF以及OVERF統(tǒng)計檢驗值越小，模擬效果越好. 在表2的3種方案中，MQNSE方案的MISF和OVERF值相對較小，表明3個邊界層模擬方案中，相對較好的為調(diào)整后的QNSE方案(MQNSE).

與表2的統(tǒng)計檢驗類似，將風(fēng)向因素植入表2的統(tǒng)計檢驗中.風(fēng)向檢驗的閾值設(shè)定為15°.如果風(fēng)速和風(fēng)向都符合判別條件(ALLQC)，表明模擬預(yù)報比較好，即統(tǒng)計檢驗值越大越好.而風(fēng)速和風(fēng)向都不符合判別條件的BADQC，表明其模擬預(yù)報效果較差.綜上分析可知，各觀測站不符合判別條件的時次應(yīng)該越少越好.由表3可知，QNSE方案相對好一些.同樣，風(fēng)向偏差小于15°、風(fēng)速偏差超過或者小于30%的，QNSE方案的統(tǒng)計值最大，表明QNSE方案的檢驗效果相對較好；而風(fēng)速符合判別條件，風(fēng)向偏差超過15°的，MQNSE方案獲得的統(tǒng)計值最大，表明MQNSE方案在此項上檢驗效果相對較好.從表3的統(tǒng)計檢驗中獲知，MQNSE方案對風(fēng)速的模擬預(yù)報效果有一定改進(jìn).

表2 YSU,QNSE, MQNSE模擬的沿海島嶼觀測站風(fēng)速統(tǒng)計檢驗(AE, RE, MISF, HINTF, OVERF)

表3 10個沿海島嶼站風(fēng)速和風(fēng)向的實況與模擬檢驗結(jié)果

3.3 2013年夏秋大風(fēng)試驗

以上是對一例登陸福建的強(qiáng)臺風(fēng)做的島嶼風(fēng)場檢驗統(tǒng)計. 為了檢驗秋季長時間過程中MQNSE方案對浙江、福建沿海風(fēng)場的模擬效果，選擇2013年10月作為檢驗時段，該時段內(nèi)有4個臺風(fēng)對浙江、福建影響較大，并引起18 m·s-1大風(fēng). 為此，進(jìn)行連續(xù)30 d的模擬試驗. 模擬試驗的參數(shù)設(shè)置為： 3重雙向嵌套，3重格距分別為27, 9, 3 km，格點數(shù)分別為174×120, 271×250, 391×252，邊界層參數(shù)化方案分別采用QNSE和MQNSE方案，其他參數(shù)與第2節(jié)中臺風(fēng)個例的設(shè)置一致.

2013年10月7日1323號臺風(fēng)Fitow在福建省北部福鼎沿海登陸，登陸時為強(qiáng)臺風(fēng)，近中心最大風(fēng)力14級(42 m·s-1)，中心氣壓達(dá)到955 hPa，成為10月份登陸我國大陸最強(qiáng)的秋季臺風(fēng).臺風(fēng)造成福建北部至浙江沿海出現(xiàn)大風(fēng)天氣(菲特臺風(fēng)路徑參見圖3方框內(nèi)登陸的臺風(fēng))，5日夜里開始出現(xiàn)8級以上大風(fēng). 該月，除1例登陸臺風(fēng)外，靠近圖3中小方框的還有3例呈順時針北上轉(zhuǎn)向的臺風(fēng). 圖4給出的是浙閩沿海若干島嶼代表站的大風(fēng)實況和模擬效果圖，其中實況風(fēng)為10 min平均值.

圖3 2013年10月西北太平洋熱帶氣旋(TC)移動路徑Fig. 3 Typhoon tracks in October, 2013 in the Northwestern Pacific ocean.

The rectangular box denotes coastal areas in Shanghai, Zhejiang and Fujian provinces，(b) is an enlarged view, detailed information about the islands stations refer to table 1.

圖4中沿海代表站島嶼的地理位置基本為自北向南排列(參見圖1(b)). 可以看到，實況島嶼觀測站測風(fēng)基本呈橫向帶狀，表明該年10月份，風(fēng)由系統(tǒng)性天氣系統(tǒng)引起，大多數(shù)時間沿海風(fēng)速在6級以下.第1次出現(xiàn)16 m·s-1以上大風(fēng)為10月5日，且圖4中海島各代表站南面風(fēng)速大、北面風(fēng)速小，這一時間正是菲特臺風(fēng)靠近浙閩沿海時.以 58767站點為例(見圖4 (d1))，正有超過20 m·s-1的大風(fēng)持續(xù)了15 h以上. 從模擬的風(fēng)速場可見，已基本展現(xiàn)了菲特臺風(fēng)造成的島嶼大風(fēng)，連58767站點5日14∶00—15∶00(北京時間)大風(fēng)速斷裂時也被模擬出來(見圖4 (d2)、(d3)). 就2個邊界層方案的地面風(fēng)速模擬效果而言，MQNSE方案較QNSE方案明顯將風(fēng)速值降了下來，但仍較實況風(fēng)速大；再來看浙江北部沿海代表站58743(見圖4 (a1))，菲特臺風(fēng)時，該海島觀測站并未出現(xiàn)大風(fēng)，模擬結(jié)果中也基本未出現(xiàn)大風(fēng)速(見圖4 (a2)、(a3)). 第2次浙閩沿海大風(fēng)主要出現(xiàn)在10月14日，這次大風(fēng)主要由1326號臺風(fēng)韋帕在130°E以東向北轉(zhuǎn)向時引起，實況與模擬均在這一時段出現(xiàn)了大風(fēng)(見圖4). 第3個大風(fēng)時段出現(xiàn)在10月23—24日，主要由1327號臺風(fēng)范斯高靠近引起，無論是實況還是模擬，58599和58473站點表現(xiàn)最為明顯. 從圖4中可看出，WRF模式的QNSE邊界層方案較好地模擬了海上臺風(fēng)造成的海面和海島地面大風(fēng)，但也明顯表現(xiàn)為QNSE方案模擬的風(fēng)速偏大，而調(diào)整QNSE方案中的湍流長度尺度系數(shù)后，模擬的海上大風(fēng)強(qiáng)度有明顯降低，更趨近于實況.

4 結(jié) 論

海上大風(fēng)形成的機(jī)理十分復(fù)雜，因此，對沿海大風(fēng)的預(yù)報非常困難. 通過調(diào)整QNSE方案的湍流長度尺度系數(shù)對邊界層參數(shù)進(jìn)行改進(jìn)，從而改進(jìn)沿海大風(fēng)的模擬效果. 利用2009年7月浙江梅雨和2015年蘇迪羅臺風(fēng)登陸時造成浙江沿海大風(fēng)的2次不同天氣形勢過程進(jìn)行的模擬試驗，以及對2013年10月的模擬檢驗，均表明沿海大風(fēng)模擬試驗效果得到了一定改善，研究結(jié)果如下：

4.1對于中小強(qiáng)度的風(fēng)速而言，一次梅雨過程模擬對比表明，參數(shù)調(diào)整后的QNSE(MQNSE)邊界層參數(shù)化方法對沿海風(fēng)場的模擬結(jié)果有一定改進(jìn)，尤其是在風(fēng)速的小幅脈動上，改進(jìn)后的MQNSE方案更接近于實況波動.

4.2假如設(shè)定風(fēng)向偏差閾值在15°之內(nèi)、風(fēng)速偏差閾值在30%之內(nèi).通過一例夏季登陸福建北部的臺風(fēng)蘇迪羅的模擬試驗和對沿海10個島嶼觀測站490個樣本的對比檢驗發(fā)現(xiàn)，調(diào)整后的MQNSE方案其絕對誤差(AE)和相對誤差(RE)值均較YSU和QNSE方案小，即檢驗獲得的效果相對較好；尤其在風(fēng)速對比中，調(diào)整后的MQNSE方案較其他方案效果好，表明調(diào)整QNSE方案的湍流長度尺度系數(shù)后，對海上風(fēng)速的模擬效果有一定改進(jìn).

圖4 浙江省沿海舟山嵊泗(58473；(a1)、(a2)、(a3))、臺州臨海(58663; (b1)、(b2)、(b3))、臺州大陳島(58666; (c1)、(c2)、(c3))、溫州浮標(biāo)站(58767; (d1)、(d2)、(d3))和上海平湖油田(58599; (e1)、(e2)、(e3))海島觀測站的實況和模擬地面風(fēng)場Fig. 4 Coastal gale simulations and observation at the coastal stations in Shengsi in Zhoushan (58473; (a1), (a2), (a3)), Linhai in Taizhou (58663; (b1), (b2), (b3)), Dachen island (58666; (c1), (c2), (c3)), Buoy station in Wenzhou (58767; (d1), (d2), (d3)), and Pinghu oil deposit station in Shanghai (58599; (e1), (e2), (e3)).

圖4左邊第1列為實況觀測(圖(a1)、(b1)、(c1)、(d1)、(e1))，第2列為MQNSE方案((a2)、(b2)、(c2)、(d2)、(e2))，第3列為QNSE方案((a3)、(b3)、(c3)、(d3)、(e3)). 填色為風(fēng)速(m·s-1)，縱坐標(biāo)為日期(10月1—31日)；橫坐標(biāo)為時間t/h， 上述站點信息可以參見圖3.

The left column denotes observations ((a1), (b1), (c1), (d1), and (e1)), the second column is simulations from the modified QNSE ((a2), (b2), (c2,), (d2), and (e2)), the third column denotes the simulations from the QNSE scheme ((a3), (b3), (c3), (d3), and (e3));

The shaded contour denotes wind speed.x-coordinate denotes daily time, andy-coordinate denotes date (from October 1stto 31st)；The locations of the stations refer to Fig. 3b.

4.3進(jìn)一步選擇2013年10月作為秋季大風(fēng)試驗，該過程包括了登陸福建北部的強(qiáng)臺風(fēng)菲特和影響東部海上風(fēng)場的另外2個臺風(fēng). 海上代表站的模擬結(jié)果表明，WRF模式基本能模擬秋季沿海大風(fēng)的演變，尤其是模擬有臺風(fēng)影響的時段，相對而言，調(diào)整后的MQNSE方案模擬效果較好.QNSE方案模擬的大風(fēng)偏大，而調(diào)整QNSE方案中的湍流長度尺度系數(shù)后，模擬的海上大風(fēng)強(qiáng)度有明顯降低，更趨近于實況.

由于海上大風(fēng)的形成原因十分復(fù)雜，以上模擬檢驗對比結(jié)果也反映了模擬的改進(jìn)效果仍然有限，有待進(jìn)一步深入研究大風(fēng)發(fā)生的機(jī)理，從而更好地改進(jìn)大風(fēng)的模擬效果.

本研究獲浙江大學(xué)“大氣科學(xué)實踐中心”平臺計算技術(shù)支持，特此致謝！

參考文獻(xiàn)(References)：

[1] STULL R B.AnIntroductiontoBoundaryLayerMeteorology[M]. Beijing: China Meteorological Press, 1991: 738.

[2] HONG S Y, NOH Y, DUDHIA J. A new vertical diffusion package with an explicit treatment of entrainment processes [J].MonWeaRev, 2006, 134 (9): 2318-2341.

[4] PLEIM J E. A combined local and nonlocal closure model for the atmospheric boundary layer. Part I: Model description and testing [J].JournalofAppliedMeteorology&Climatology, 2007, 46 (9): 1383-1395.

[5] PLEIM J E. A combined local and nonlocal closure model for the atmospheric boundary layer. Part II: Application and evaluation in a mesoscale meteorological model [J].JournalofAppliedMeteorology&Climatology, 2007, 46 (9): 1396-1409.

[6] SUKORIANSKY S. Implementation of quasi-normal scale elimination model of stably stratified turbulence in WRF [R].ReportonWRF-DTCVisitofSemionSukoriansky-June，2008.

[7] SUKORIANSKY S, GALPERIN B. A quasi-normal scale elimination (QNSE) theory of turbulent flows with stable stratification and its application in weather forecast systems [C]//6thIASME/WSEASInternationalConferenceonHeatTransfer,ThermalEngineeringandEnvironment(THE’08). Rhodes: IASME/WSEAS, 2008: 376-380.

[8] NOH Y, CHEON W G, HONG S Y, et al. Improvement of the K-profile model for the planetary boundary layer based on large eddy simulation data [J].Bound-LayerMeteor, 2003, 107 (2): 401-427.

[9] NAKANISHI M, NIINO H. Development of an improved turbulence closure model for the atmospheric boundary layer [J].JMeteorSocJapan, 2009, 87 (5): 895-912.

[10] NAKANISHI M. Improvement of the Mellor-Yamada turbulence closure model based on large-eddy simulation data [J].Bound-LayerMeteor, 2001, 99 (3): 349-378.

[11] BOUGEAULT P, LACARRERE P. Parameterization of orography-induced turbulence in a meso beta-scale model [J].MonWeaRev, 1989, 117 (8): 1872-1890.

[12] NIELSEN-GAMMON J W, HU X M, ZHANG F Q, et al. Evaluation of planetary boundary layer scheme sensitivities for the purpose of parameter estimation [J].MonWeaRev, 2010, 138 (9): 3400-3417.

[13] PAGOWSKI M. Nakanishi and Niino improved Mellor-Yamada 1.5 and 2-order closures (2004, 2006) implementation in WRF & 1D WRF PBL model as a tool for development and testing [R]//WRFUsers’Workshop,PBLGroupMeeting. Boulder, CO, USA. doi: 10.1007/s10546-010-9502-3. 2008.

[15] 徐慧燕, 朱業(yè), 劉瑞, 等. 長江下游地區(qū)不同邊界層參數(shù)化方案的試驗研究[J].大氣科學(xué), 2013, 37 (1): 149-159.

XU H Y, ZHU Y, LIU R, et al. Simulation experiments with different planetary boundary layer schemes in the lower reaches of the Yangtze River [J].ChineseJournalofAtmosphericSciences, 2013, 37 (1): 149-159.

[17] 徐慧燕,徐亞欽,王智,等.WRF模式中QNSE方案的湍流長度尺度系數(shù)的調(diào)整試驗研究[J].大氣科學(xué), 2017, 41(2): 1-15.

XU H Y, XU Y Q, WANG Z, et al. Modification tests for the coefficient of turbulent mixing length scale in QNSE scheme in the WRF model[J].ChineseJournalofAtmosphericSciences, 2017, 41(2): 1-15.