田春艷,崔寅平,申 沖,陳修治,沈 傲,樊 琦*

植被下墊面0的估算及其改進(jìn)影響評估

田春艷1,2,崔寅平1,申 沖3,陳修治1,沈 傲1,樊 琦1*

(1.中山大學(xué)大氣科學(xué)學(xué)院,廣東省氣候變化與自然災(zāi)害研究重點實驗室,南方海洋科學(xué)與工程廣東省實驗室(珠海),廣東 珠海 519082；2.中國民用航空中南地區(qū)空中交通管理局氣象中心, 廣東 廣州 510000；3.廣州市氣候與農(nóng)業(yè)氣象中心,廣東 廣州 511430)

利用衛(wèi)星遙感反演數(shù)據(jù)和多種觀測資料,基于形態(tài)學(xué)-遙感反演的方法,估算我國主要植被下墊面的空氣動力學(xué)粗糙度長度(0),將其應(yīng)用于區(qū)域大氣化學(xué)模式(WRF-Chem)中改進(jìn)模式默認(rèn)0值,并結(jié)合全國氣象和污染物觀測數(shù)據(jù)進(jìn)行改進(jìn)效果評估,探究0改進(jìn)對模式氣象場和化學(xué)場模擬結(jié)果的影響.結(jié)果表明:(1)0高值主要位于森林類下墊面,可超過1m;農(nóng)田、草地類下墊面0值較小,低于0.5m,其余植被下墊面的0值基本介于兩者之間.(2)0改進(jìn)后,10m風(fēng)速(WS10)和地表溫度(TSK)的改進(jìn)效果較好,而2m溫度(2)和相對濕度(RH)的改進(jìn)效果不明顯;從空間分布和不同下墊面結(jié)果來看,0對TSK主要是增溫作用,對WS10是減小作用;就改進(jìn)比(各要素改進(jìn)后的模擬值與改進(jìn)前的模擬值之差比上改進(jìn)前的模擬值,下同)而言,0改進(jìn)對WS10的影響大于TSK.從對污染物濃度效果評估看,0對PM2.5和PM10模擬改進(jìn)效果較好,對其它污染物(SO2、NO2、O3)的改進(jìn)效果不明顯.(3)對比氣象要素和污染物濃度效果評估可知,0改進(jìn)對氣象要素的影響大于污染物濃度,其主要是通過影響氣象場來間接影響污染物濃度.總的來看,0改進(jìn)影響最大的是氣象場的10m風(fēng)速,考慮其原因在于改進(jìn)后的0普遍高于改進(jìn)前模式默認(rèn)0值,而0是表征地表粗糙度的變量,由于地表粗糙度的增加,增強了對氣流的阻礙作用,使得近地層風(fēng)速減小.

空氣動力學(xué)粗糙度長度；植被下墊面；數(shù)值模擬；WRF-Chem模式；PM2.5

陸面過程是指陸地表面與大氣之間進(jìn)行物質(zhì)、能量等傳輸和交換的過程,是影響區(qū)域氣候和環(huán)境變化的重要原因[1],主要通過湍流運動實現(xiàn),而地表粗糙是近地面層湍流運動的根本原因.空氣動力學(xué)粗糙度長度(0)是陸地表面風(fēng)速降低到零時對應(yīng)的高度,它表征地表的空氣動力學(xué)特征,是邊界層湍流參數(shù)化方案中的重要參數(shù)[2-3].準(zhǔn)確得出0值及其變化規(guī)律是數(shù)值模式準(zhǔn)確模擬地表通量的前提,同時亦直接影響數(shù)值模式的模擬性能[4-5].然而,在數(shù)值模式中,0往往被處理為一個常數(shù),賦予相同的固定值,沒有體現(xiàn)時空的差異性,這無疑會對模式的模擬結(jié)果造成一定程度的影響.

近年來,一些學(xué)者嘗試將不同方法計算得到的0應(yīng)用到模式中以更真實地反映0的影響,進(jìn)而提升模式的模擬性能.王凱嘉[6]通過對夏季風(fēng)過渡區(qū)的農(nóng)田、混合型、草地3種下墊面0估算發(fā)現(xiàn),陸面模式中對應(yīng)的3種下墊面默認(rèn)0值(0.065, 0.08, 0.1m)與估算0值(0.318, 0.218, 0.049m)相差甚遠(yuǎn).同時,其對3種下墊面0的動態(tài)變化研究發(fā)現(xiàn):草地下墊面0的動態(tài)變化范圍為0.012～0.25m,混合型下墊面0變化為 0.12～0.35m,農(nóng)田下墊面0在9月后相對于前期會迅速增加,這表明與模式將0作為幾何常量不同,植被下墊面0的動態(tài)變化十分顯著.胡文超等[7]對河西走廊地區(qū)0實測值與模擬值的差異性分析發(fā)現(xiàn):模式默認(rèn)值不能準(zhǔn)確地反映下墊面0的非均一性,其差異對于草原下墊面最大可達(dá)375%,隨著植被下墊面復(fù)雜程度增加,差異程度也增加.劉野等[8]利用我國典型半干旱區(qū)野外試驗站的觀測資料,結(jié)合多種方法估算試驗站0,結(jié)果表明0在半干旱區(qū)具有明顯的季節(jié)和年際變化特征,且植被低矮的下墊面0與陸面模式中默認(rèn)值相差較大,其將修正后0代入模式,發(fā)現(xiàn)明顯改善了模式對該地區(qū)地表感熱通量的模擬.鮑艷等[9]通過對陸面模式BATS(Biosphere-Atmosphere Transfer Scheme)和LSM(Land Surface Model)設(shè)置敏感性試驗檢驗陸面模式參數(shù),結(jié)果表明模式默認(rèn)值對地表輻射、熱通量模擬存在偏差,地表溫度模擬偏低,通過對0參數(shù)重新取值,并考慮不同文獻(xiàn)所用方案改進(jìn)模式后,模式對地表熱過程模擬效果明顯提高,模擬的地表熱通量、地表溫度與觀測值的相關(guān)可達(dá)0.92以上.

吳曉波[10]基于WRF(The Weather Research and Forecasting Model)和CFD(Computational Fluid Dynamic)耦合的復(fù)雜地形風(fēng)場數(shù)值研究表明,0對實際地形的CFD數(shù)值模擬結(jié)果影響比較大,使用精細(xì)化0模擬的風(fēng)場誤差較小.Jee等[11]利用高分辨率數(shù)值模式(WISE-WRF)對首爾地區(qū)城市下墊面0改善的靈敏度分析發(fā)現(xiàn),城市下墊面0對摩擦速度和風(fēng)速有一定的影響,與默認(rèn)結(jié)果相比,改進(jìn)后的模型能更準(zhǔn)確地模擬溫度和風(fēng)速.孫行知等[12]利用WRF模式設(shè)計新的有效0參數(shù)方案對2003年東亞夏季風(fēng)過程進(jìn)行區(qū)域氣候模擬,結(jié)果表明,新方案改進(jìn)了對東亞夏季風(fēng)降水分布、強度和雨帶推進(jìn)等的模擬結(jié)果.Varqueze等[13]利用幾何參數(shù)估算日本范圍內(nèi)的0分布,應(yīng)用到模式中替換默認(rèn)的0,更新后的WRF提高了東京、名古屋和大阪地區(qū)溫度和風(fēng)速的模擬結(jié)果,對東京地區(qū)的研究發(fā)現(xiàn),0的影響是比較主要的,尤其是對風(fēng)場.Shen等[14]利用更新0后的WRF-Chem模式對珠江三角洲地區(qū)的熱、動力環(huán)境和CO濃度的模擬研究發(fā)現(xiàn),更新后的模式提高了對風(fēng)速的模擬效果,同時對地表溫度、熱通量、摩擦速度和邊界層高度等變量都有明顯影響;另外,通過影響風(fēng)速,更新后的模式使得CO夜間模擬濃度增加.

已有模式中0的改進(jìn)工作多針對某一地區(qū)或某一類型的下墊面進(jìn)行,在區(qū)域范圍內(nèi)多種不同下墊面方面的研究工作還需進(jìn)一步加強完善.我國幅員遼闊,下墊面類型豐富,模式中默認(rèn)的0與實際存在較大的偏差,無法體現(xiàn)0真實的時空分布特征.因此,本研究利用衛(wèi)星遙感資料估算區(qū)域范圍內(nèi)不同植被下墊面類型的0值并將其應(yīng)用于數(shù)值模式,評估0改進(jìn)對模式模擬結(jié)果的影響.

1 研究資料與方法

1.1 研究資料

模式中使用的土地覆蓋類型資料為2015年MODIS (Moderate Resolution Imaging Spectroradiometer)第6版數(shù)據(jù)產(chǎn)品(MCD12Q1),空間分辨率為500m,該土地覆蓋分類采用國際地圈生物圈計劃(IGBP)的土地分類方案,共分為17類(表1).本文中估算空氣動力學(xué)粗糙度長度時,所研究的范圍為中國大陸,包括海南島和臺灣島(圖1a),該區(qū)域內(nèi)土地覆蓋類型豐富,包含了IGBP所含的17種分類,但由于估算0涉及的葉面積指數(shù)數(shù)據(jù)針對的是植被下墊面,因此,本文后續(xù)改進(jìn)的0主要為表1中所列1～10類自然植被下墊面和12、14類受人為活動影響的農(nóng)田類下墊面.由各種類型下墊面占比(表1)可知,我國植被下墊面占比最高是草地,其次是農(nóng)田,草地和農(nóng)田共占我國近一半的陸面面積,占比最低為郁閉灌木和稀疏灌木,不到0.1%.從各植被下墊面在我國的地理位置來看,占比較高的草地主要位于我國內(nèi)蒙古中、東部地區(qū)到青藏高原東、南部地區(qū);農(nóng)田主要位于我國山東、河南省及其周邊部分地區(qū)和黑龍江、吉林和遼寧的西部地區(qū);其它下墊面主要位于我國南方地區(qū)和黑龍江、吉林和遼寧的東部地區(qū)以及內(nèi)蒙古黑龍江交界處最北端附近.

葉面積指數(shù)(LAI)數(shù)據(jù)采用MODIS的第6版數(shù)據(jù)產(chǎn)品(MCD15A2H),是美國國家航空航天局(NASA)2015年最新發(fā)布的LAI產(chǎn)品,為衛(wèi)星Terra和Aqua上的MODIS儀器組合產(chǎn)品[15].該產(chǎn)品空間分辨率為500m,時間分辨率為8d.LAI定義為單位地表面積上的植被單側(cè)葉片面積,即單側(cè)葉片面積占土地面積的比[16-17].它與植被的密度、結(jié)構(gòu)等生物學(xué)特性和環(huán)境條件有關(guān),是反映植被較好的動態(tài)指標(biāo).

樹木類植被,由于其一年四季只存在葉落葉生的過程,植被高度基本不變,而草地和農(nóng)田類植被,植被高度隨植被生長變化而變化[18].因此,本研究對研究區(qū)域內(nèi)所包含的樹木類植被高度選取衛(wèi)星反演的森林樹冠高度數(shù)據(jù)(圖1b)進(jìn)行計算.森林樹冠高度數(shù)據(jù)[19]是從2005年的GLAS(Geoscience Laser Altimeter System)激光雷達(dá)信號獲取,其空間分辨率為1km,本研究將其插值到模式對應(yīng)的27km網(wǎng)格中使用.而農(nóng)田草地下墊面則根據(jù)文獻(xiàn)數(shù)據(jù)整理,取草地冬、夏季的植被冠層高度分別為0.06, 0.2m,農(nóng)田下墊面夏季為1.05m,冬季由于沒有統(tǒng)計高度結(jié)果,采取森林樹冠高度數(shù)據(jù)中網(wǎng)格內(nèi)的默認(rèn)值.其余未作更改的植被下墊面網(wǎng)格,認(rèn)為其下墊面為樹木類植被,其植被高度不隨四季變化.

全國氣象觀測數(shù)據(jù)來自國家氣象科學(xué)數(shù)據(jù)共享服務(wù)平臺上的674個觀測站點的氣象數(shù)據(jù),選取了2m溫度(2)、地表溫度(TSK)和10m風(fēng)速(WS10)以及相對濕度(RH)4個變量進(jìn)行研究,該數(shù)據(jù)為2015年1月和7月的日均值數(shù)據(jù).全國空氣質(zhì)量觀測數(shù)據(jù)來自中國環(huán)境監(jiān)測總站1479個觀測站點的污染物濃度逐時數(shù)據(jù).數(shù)據(jù)使用時間段為2015年1月和7月,使用的污染物包括SO2、NO2、O3、PM2.5、PM10.

1.常綠針葉林;2.常綠闊葉林;3.落葉針葉林;4.落葉闊葉林;5.混交林;6.郁閉灌木;7.稀疏灌木;8.多樹草原;9.稀樹草原;10.草地;11.永久濕地;12.農(nóng)田;13.城市和建成區(qū);14.農(nóng)田和自然植被的鑲嵌體;15.雪、冰;16.裸地或植被覆蓋地;17.水體;審圖號:GS(2021)5875號|GS(2021)8810號,下同

1.2 Z0估算方法

本研究使用的0估算方法參考Raupach[20-21]通過風(fēng)洞試驗研究提出的一種估算0的半經(jīng)驗?zāi)M,并結(jié)合Jasinski等[22]的研究,0具體計算公式如下:

表1 Z0估算涉及的IGBP土地覆蓋類型參數(shù)

注:R為粗糙元阻力系數(shù);為粗糙元遮陰系數(shù);h為風(fēng)速;為摩擦速度;為植被冠層面積指數(shù);是綠色葉面積指數(shù)估算系數(shù);最大歸一化植被指數(shù)與該植被覆蓋率為100%時的最大歸一化植被指數(shù)值的比值;L,min為不同植被類型的月最小莖部和死葉面積指數(shù);1-為枯葉的脫落比率.

1.3 模式介紹及其設(shè)置

WRF-Chem(Weather Research and Forecasting- Chemistry)模式是美國國家大氣研究中心、美國大氣海洋局及美國西部太平洋國家實驗室等單位共同開發(fā)的新一代大氣化學(xué)傳輸模式[24].

本研究采用WRF-Chem 3.6.1版本,模擬研究區(qū)域為16.2758°～49.4169°N,78.9415°～141.0585°E,采用LAMERT投影方式,水平格距為27km,格點數(shù)為180×130,垂直方向設(shè)置35層,層頂?shù)臍鈮簽?0hPa.模式采用的物理化學(xué)參數(shù)化方案包括: Morrison (2moments)微物理方案,RRTM長波輻射方案,Goddard短波輻射方案,Monin-Obukhov (Janjic)近地層方案,Grell 3D ensemble積云對流方案, unified Noah land-surface model陸面過程, Mellor-Yamada-Janjic TKE邊界層方案,UCM城市冠層方案; MOSAIC氣溶膠機(jī)制,CBMZ大氣化學(xué)機(jī)制, Fast-J光解機(jī)制.使用1°×1°的NCEP 全球再分析資料作為模式模擬的初始條件和邊界條件.模擬時間段為世界時2014年12月20日00:00～2015年02月01日00:00,2015年06月20日00:00時～ 2015年08月01日00:00時.模式中采用的排放源為清華大學(xué)制作的2015年MEIC(中國大陸)和2010的MIX(其它區(qū)域)清單[25-26].土地覆蓋類型為2015年MODIS第6版數(shù)據(jù)產(chǎn)品(MCD12Q1)插值到對應(yīng)模式網(wǎng)格數(shù)據(jù).本次模擬分為Base、Case試驗,Base試驗采用模式默認(rèn)0值,Case試驗采用本文估算的0值.

2 結(jié)果與分析

2.1 Z0估算及特征分析

圖3 不同文獻(xiàn)Z0調(diào)研值

由圖2可知,估算0高值區(qū)主要位于我國的西南、東南沿海以及東北的東南地區(qū),其中,西南地區(qū)的0值最高,在1月可達(dá)2m;其次是東南沿海地區(qū),約1.5m;而0值最低的地方,主要位于華北平原和內(nèi)蒙古西北部至青藏高原地區(qū).本文估算0量級與文獻(xiàn)[2,27]基本一致.進(jìn)一步結(jié)合圖1a,從下墊面類型來看,高值區(qū)對應(yīng)的位置主要在森林樹木類下墊面,而低值區(qū)主要位于農(nóng)田草地類下墊面.對比文獻(xiàn)調(diào)研得到的0值[4,6-8,16,18,28-70],對于同一類植被下墊面,受研究方法和地形區(qū)域等影響,不同文獻(xiàn)調(diào)研結(jié)果具體值存在一定差異,但是就量級而言,同一類下墊面類型的量級基本保持一致,本文的研究結(jié)果與文獻(xiàn)調(diào)研結(jié)果結(jié)論基本一致(圖3).由圖2可知,0呈現(xiàn)動態(tài)變化特征,1、7月的0結(jié)果存在明顯差異.將7月0值減去1月0值得0空間差值.對比不同下墊面類型,其中0減小的地區(qū)主要在森林類茂盛的植被下墊面.研究表明[27,30-31],對于一些植被,由于其冠層在生長季葉片密度大,郁閉度高,相鄰的葉片互相遮蔽使得表面動力學(xué)光滑,從而導(dǎo)致其零平面位移高度抬升,而植被0值降低.而對于農(nóng)田類密度不大的植被下墊面,則主要由植被高度決定,隨著生長季的變化,植被越高,氣流流經(jīng)下墊面時,受植被高度的影響就越大,垂直方向的風(fēng)速分布隨高度發(fā)生變化,0增加[71].

2.2 模式中Z0改進(jìn)及模擬結(jié)果評估

用本文估算0值減去模式默認(rèn)0值得到1、7月0差值空間分布(圖4).除了華北平原和內(nèi)蒙古等部分地區(qū)外,模式默認(rèn)0值明顯低于估算0值,最大差值主要出現(xiàn)在我國西南和東南沿海地區(qū),可達(dá)1m以上,對比不同的季節(jié),冬季的差值大于夏季.由于本文主要是針對植被下墊面進(jìn)行0估算,所以對于第11類永久濕地、15類雪和冰、16類裸地或稀疏植被、17類水體下墊面采取模式默認(rèn)值,未作更改,而對于第3類落葉林和第6類郁閉灌木,研究區(qū)域內(nèi)不存在此類土地覆蓋類型,因此也未對模式進(jìn)行修改.由表2可知,對于模式默認(rèn)0值,其所對應(yīng)的第1～5類森林類下墊面在模式中采用了同樣的值,均為0.5m,而從估算0來看,不同的森林下墊面由于植被本身特性不同,其所對應(yīng)的0不同,森林類下墊面的0值都在1m以上,結(jié)合圖3可見,本文對此類型下墊面0的改進(jìn)效果最為顯著.而對于其它下墊面類型來說,估算的0值也明顯高于模式默認(rèn)值,其中,差值最大的是第5類混交林,在冬季,相差可達(dá)1.17m,其次是第8類,最大可差0.97m.

通過用估算值和模式默認(rèn)值對比分析可知,模式默認(rèn)值不能很好地體現(xiàn)0時空變化特征,模式默認(rèn)0值存在明顯低估,不能很好地反映出不同下墊面類型的特征,這對于陸氣相互作用的模擬存在一定的影響.

表2 IGBP土地覆蓋類型對應(yīng)的模式默認(rèn)(Base)及估算(Case)Z0值

注:SFZ0為不同下墊面模式默認(rèn)和本論文估算的0平均值,均作為初值代入模式計算.

2.3 模式模擬結(jié)果評估

評估模擬效果的統(tǒng)計參數(shù)[72-73]主要有:平均偏差(BIAS)、平均絕對誤差(MAE)、均方根誤差(RMSE)、相關(guān)系數(shù)()、符合指數(shù)(IOA).

2.3.1 氣象場模擬結(jié)果評估 通過WRF-Chem模式模擬得到0改進(jìn)前后氣象要素的模擬值,利用1.1節(jié)中介紹的中國地面氣象站的氣象觀測數(shù)據(jù)(2、TSK、WS10、RH)進(jìn)行氣象場結(jié)果評估.如圖5所示,對于2和TSK,從1月和7月模擬與觀測的對比來看,1月模式模擬的溫度變化趨勢和范圍與觀測基本接,變化范圍在-5～5℃,TSK的模擬結(jié)果略低于觀測;7月模擬和觀測的TSK在20～35℃之間變化,2的變化范圍在20～30℃之間,略低于TSK,TSK的模擬較觀測低,2則相反.結(jié)合0改進(jìn)前后的溫度箱型圖(圖略)對比來看,1月2Base方案中位數(shù)、均值相對于Case而言更接近觀測,但從上下四分位數(shù)來看,Case方案更接近觀測;對于TSK而言,Case和Base方案的結(jié)果較為接近,但就中位數(shù)、均值、上下四分位數(shù)及最大最小值來看,Case方案的結(jié)果整體而言更好;7月T2和TSK的中位數(shù)和均值較為接近.整體來看,2Base的結(jié)果優(yōu)于Case方案,而TSK則是Case方案的結(jié)果優(yōu)于Base.對于WS10,1月和7月模式模擬結(jié)果都存在高估的現(xiàn)象,從Base、Case與觀測的對比來看,Base和Case兩者的變化趨勢與觀測基本一致,但是就變化范圍來看,可以明顯地發(fā)現(xiàn),Case的模擬結(jié)果低于Base,更接近觀測.對于RH,和WS10相反,1月和7月模式模擬結(jié)果相對于觀測有所偏低,Base的模擬結(jié)果相對Case而言,更接近觀測.總的來看,0改進(jìn)效果最明顯的是WS10,其次是TSK.考慮其原因在于0是表征風(fēng)速降低到零時對應(yīng)的高度,在本文中0改進(jìn)后的值相對模式默認(rèn)值有了較大的提高,其高度的增加使得同等高度對應(yīng)的風(fēng)速明顯降低,從而使得改進(jìn)后模式模擬風(fēng)速明顯較低,更接近觀測值,這進(jìn)一步反映了模式模擬0值被明顯低估.而TSK作為地表變量,更容易受到地表參數(shù)0的影響,0值的變化,使得地表粗糙度發(fā)生變化,進(jìn)一步導(dǎo)致地表湍流運動的變化,使得熱量的輸送交換產(chǎn)生較大的影響,從而影響TSK的模擬結(jié)果.

由以上分析可知,0改進(jìn)對TSK和WS10兩個變量的模擬效果有較大的提升,為了解兩者在不同下墊面類型上的提升差異,特定義“改進(jìn)比”來進(jìn)一步分析.“改進(jìn)比”定義:100′(Case-Base)/Obs和100′(Case-Base)/Base,以表示0改進(jìn)相對于觀測值和Base方案的改進(jìn)比例,其中,由于1月TSK可能為負(fù)值,為了排除其負(fù)號對結(jié)果的影響,對其分母取絕對值,即100′(Case-Base)/|Obs| ;100′(Case-Base)/ |Base|.

由圖6可知,1月0改進(jìn)對TSK主要表現(xiàn)為增溫作用,改進(jìn)比較大的地區(qū)主要位于京津冀沿山西、陜西到四川云南一帶,最大超過50%,對比TSK的Base空間分布圖(圖略),其溫度零值帶是影響其改進(jìn)比超過50%的主要原因,其次較大的改進(jìn)比主要在長江以南地區(qū),約20%左右,其余地區(qū)的改進(jìn)較小.7月由于溫度相對1月升高較大,其改進(jìn)比相對1月而言所有降低,改進(jìn)較大的地區(qū)主要位于四川盆地西北方,約15%左右,其余地區(qū)改進(jìn)效果較小,在±5%之間變化.結(jié)合圖4對比分析可知0增加的區(qū)域與1月溫度增加的區(qū)域基本一致,排除溫度零值帶影響后,兩者的改進(jìn)程度也基本一致,7月相關(guān)性則不如1月明顯.就WS10來看,除了山東及其附近省市、內(nèi)蒙古北部等部分地區(qū)風(fēng)速有所增加外,0改進(jìn)主要使風(fēng)速減小,風(fēng)速改進(jìn)最大值可達(dá)50%以上,且1月影響大于7月,考慮主要原因在于1月大氣層結(jié)穩(wěn)定,天氣變化等其他因素影響較小.結(jié)合圖4,可發(fā)現(xiàn)0改進(jìn)與WS10呈現(xiàn)較強的負(fù)相關(guān),考慮其主要由于0值增加,地表粗糙度增大,阻礙了氣流流動,使得WS10減小.

考慮到灌木等下墊面類型占比過低,進(jìn)一步針對占比大于2%的下墊面類型了解0改進(jìn)比的影響.由圖7可知,對于1月和7月的TSK,0改進(jìn)對其影響主要是呈現(xiàn)增溫效果,其對不同下墊面類型的改進(jìn)程度不一,在1月,相對于觀測,4類落葉闊葉林和12類農(nóng)田下墊面的改進(jìn)比可達(dá)16%左右,其它下墊面類型的改進(jìn)比則主要在4%左右;相對于Base方案,改進(jìn)比較高的是5類混交林和12類農(nóng)田下墊面,其值可達(dá)12%左右,其它下墊面類型的改進(jìn)效果和觀測較為接近,在4%左右.7月,不同的下墊面相對于Base方案的改進(jìn)比都略高于觀測,但數(shù)值較為接近,且相對于1月而言,改進(jìn)比較低,在3%以下.對于WS10,1月和7月的改進(jìn)結(jié)果較為一致,對于不同的下墊面類型,其主要起到降低風(fēng)速的作用,相對于Base方案,觀測的改進(jìn)比大于Base,Base的改進(jìn)比在20%左右,而相對于觀測的改進(jìn)比除了農(nóng)田下墊面和7月的草地,其改進(jìn)比基本在20%以上,其中,改進(jìn)比最大的8類多樹草原下墊面,在1月可達(dá)100%左右.綜上分析可知,0對溫度有增溫作用,對風(fēng)速有降速作用,考慮其原因在于粗糙度長度增加,導(dǎo)致同等高度風(fēng)速降低,湍流運動減弱,對熱量的傳送交換減小.就改進(jìn)比而言,0改進(jìn)對風(fēng)速的影響大于溫度的影響,考慮其原因在于0和風(fēng)速是直接的動力影響,而對TSK的影響則是通過熱力的間接影響.0改進(jìn)對1月的TSK影響大于7月,這可能與夏季的溫度高于冬季有關(guān),而冬夏季風(fēng)速大小差異不大有關(guān).對比可知,盡管是對Base方案做的改進(jìn),但是其模擬結(jié)果相對于觀測而言,有較大的改善,其中風(fēng)速相對于觀測而言,改進(jìn)較大.

圖7 Case方案模式模擬的TSK和WS10相對于觀測和Base方案的改進(jìn)比

Fig.7 Improvement ratios of the simulated TSK and WS10 for the Case scheme compared with the observations and Base scheme

L2.常綠闊葉林; L4.落葉闊葉林;L5.混交林; L8.多樹草原;L9.稀樹草原;L10.草地;L12.農(nóng)田

2.3.2 污染物模擬結(jié)果評估 通過WRF-Chem模式模擬得到0改進(jìn)前后污染物濃度的模擬結(jié)果,結(jié)合1.1節(jié)中介紹的中國環(huán)境監(jiān)測站的常規(guī)污染物(SO2、NO2、O3、PM2.5、PM10)數(shù)據(jù)進(jìn)行污染物濃度模擬結(jié)果評估.如圖8所示,對于PM10和PM2.5,1月和7月模式模擬的結(jié)果和觀測值的變化趨勢基本一致,但是模式模擬結(jié)果較觀測偏低.結(jié)合箱型圖(圖略)來看,1月PM2.5和PM10的濃度變化幅度大于7月,而對比改進(jìn)前后,雖然Case和Base的結(jié)果基本一致,但是仍可看出,就均值和中位數(shù)而言,Case方案相對于Base方案而言更接近觀測.對于SO2和NO2,1月的模式模擬結(jié)果較觀測偏低,7月結(jié)果基本一致,就其中位數(shù)和均值而言,Case方案更接近觀測.對于O3,1月和7月模式的模擬結(jié)果和觀測基本一致,1月份的中位數(shù)和均值Case方案相對Base更接近觀測,而7月份均值Case優(yōu)于Base,但是中位數(shù)Base更接近觀測.整體來看,除了7月O3濃度高于1月外,其余污染物濃度皆是1月高于7月.就0改進(jìn)前后的對比來看,Case和Base的結(jié)果基本一致,整體而言, Case方案的均值和中位數(shù)更接近觀測.

實線:1月;虛線:7月

由圖9可知,0改進(jìn)對PM2.5和NO2空間分布在不同區(qū)域的影響有所不同,除了1月NO2濃度改進(jìn)比和0改進(jìn)量(圖4)空間分布之間有較強的相關(guān)性,其余的相關(guān)性均不明顯.從兩者改進(jìn)前濃度分布圖(圖略)來看,不同區(qū)域污染物濃度分布可能是影響其不同下墊面類型相關(guān)性不同的主要原因,尤其是對于森林類下墊面,由于其污染物濃度較低,容易受其它因素影響大,從而與0的相關(guān)性不如其它下墊面.

進(jìn)一步利用“改進(jìn)比”分析不同下墊面上0對PM2.5和NO2的改進(jìn)程度,由圖10可知,對于PM2.5,1月0改進(jìn)主要是使得污染物濃度增加考慮其原因在于風(fēng)速降低,不利于污染物的輸送,Base的改進(jìn)比大于觀測,約1.5%,觀測的改進(jìn)比約為1%左右,改進(jìn)比最低的8類下墊面,低于0.5%;7月,除2類常綠闊葉林和9類稀樹草原污染物濃度改進(jìn)比增加外,其余下墊面均降低,和1月一樣,對相對于Base的改進(jìn)比大于觀測,同時,可發(fā)現(xiàn)7月的改進(jìn)比相對于1月的改進(jìn)比大,考慮主要原因在于1月污染物濃度較大,使得分母大,整體改進(jìn)比減小.就NO2來看,Base改進(jìn)比大于觀測,1月稀樹草原和7月8類多樹樹草原下墊面改進(jìn)效果不明顯,約0%.就增減情況來看,除1月8類多樹草原下墊面和7月10類草地下墊面外,其余下墊面在1月和7月的改進(jìn)比均是增加.7月NO2的改進(jìn)比大于1月.總得來看,0改進(jìn)對污染物的模擬結(jié)果有一點的改進(jìn),但是對于氣象場而言,其改進(jìn)效果不明顯,考慮其原因在于,0的改進(jìn)主要是作用于氣象場,通過氣象場來間接影響污染物濃度,而0改進(jìn)的氣象場的影響存在一定的差異,同時影響污染物濃度存在較多物理化學(xué)環(huán)境等因素,從而使得污染物濃度的改進(jìn)效果不明顯.

L2.常綠闊葉林; L4.落葉闊葉林;L5.混交林; L8.多樹草原;L9.稀樹草原;L10.草地;L12.農(nóng)田

本研究采用觀測資料進(jìn)行模式模擬結(jié)果進(jìn)行驗證對比,但是觀測資料在植被下墊面類型上的數(shù)據(jù)量相對較少,因此模式在這類型下墊面上結(jié)果的驗證評估還可進(jìn)一步加強.另外,本論文植被高度數(shù)據(jù)采用的是衛(wèi)星反演數(shù)據(jù)及文獻(xiàn)調(diào)研數(shù)據(jù),缺乏區(qū)域上更精細(xì)化的不同下墊面高度數(shù)據(jù),因此只針對冬季和夏季的典型月份1月和7月開展了0改進(jìn)對模式模擬結(jié)果的影響研究,未能對多個月份開展更多時次的模擬工作.同時,只針對植被下墊面進(jìn)行了0估算和分析研究,沒有對城市等其它下墊面類型的0進(jìn)行估算及模式模擬研究,這也是未來可進(jìn)一步拓展的部分.

3 結(jié)論

3.10高值主要位于森林類下墊面,數(shù)值可超過1m.估算0值與模式默認(rèn)值之間差異最大的是5類混交林,農(nóng)田草地類的改進(jìn)值較小,低于0.5m.

3.2 從對氣象要素站點平均模擬結(jié)果評估看:2和TSK改進(jìn)前后模擬與觀測基本一致.TSK的改進(jìn)效果優(yōu)于2.WS10模式模擬結(jié)果改進(jìn)前后都存在高估的現(xiàn)象,但0改進(jìn)后更接近觀測,0改進(jìn)很大程度上提升風(fēng)速的模擬效果.0對RH的改進(jìn)效果則不明顯.從空間分布和不同下墊面類型的平均看,0對TSK有增加作用,對WS10有減小作用.就改進(jìn)比而言,0改進(jìn)對WS10的影響大于TSK;對于WS10,其相對于觀測的改進(jìn)比大于Base,而對于TSK,7月各下墊面類型主要是相對于Base的改進(jìn)比大于相對于觀測,1月則針對不同下墊面類型結(jié)果不同.0改進(jìn)對1月的TSK影響大于7月.

3.3 從對污染物濃度站點平均模擬結(jié)果評估看,1月除O3模擬結(jié)果和觀測接近外,其余污染物模擬結(jié)果較觀測偏低,7月除PM2.5和PM10模擬較觀測偏低外,其余污染物濃度模擬和觀測基本接近;就改進(jìn)前后的對比來看,不同污染物Case和Base的結(jié)果基本一致,但Case的均值和中位數(shù)更接近觀測;對于PM2.5和PM10,Case的結(jié)果要優(yōu)于Base,而對于SO2、NO2和O3,其1月改進(jìn)效果優(yōu)于7月.0改進(jìn)對污染物的影響小于污染物濃度.

[1] 曾 劍.中國北方地區(qū)陸面過程特征和參數(shù)化及其與氣候關(guān)系[D]. 北京:中國氣象科學(xué)研究院, 2011.

Zeng J. The characteristics and parameterization of land surface processes and its relationship with climate over northern China [D]. Beijing: Chinese Academy of Meteorological Sciences, 2011.

[2] 劉小平,董治寶.空氣動力學(xué)粗糙度的物理與實踐意義[J]. 中國沙漠, 2003,23(4):3-12.

Liu X P, Dong Z B. Review of aerodynamic roughness length [J]. Journal of Desert Research, 2003,23(4):3-12.

[3] 張雅靜.陰山北麓地表空氣動力學(xué)粗糙度性質(zhì)的試驗研究[D]. 呼和浩特:內(nèi)蒙古農(nóng)業(yè)大學(xué), 2007.

Zhang Y J. Experiment Study on topsoil aerodynamics roughness characteristics in the north of mount Yin [D]. Huhhot: Inner Mongolia Agricultural University, 2007.

[4] 楊耀先,李茂善,胡澤勇,等.藏北高原高寒草甸地表粗糙度對地氣通量的影響[J]. 高原氣象, 2014,33(3):626-636.

Yang Y X, L i M S, Hu Z Y, et al. Influence of surface roughness on Surface-Air Fluxes in alpine meadow over the northern Qinghai-Xizang Plateau [J]. Plateau Meteorology, 2014,33(3):626- 636.

[5] 張 強,姚 彤,岳 平.一個平坦低矮植被陸面動力學(xué)粗糙度多因子參數(shù)化方案及其檢驗[J]. 中國科學(xué):地球科學(xué), 2015,45(11): 1713-1727.

Zhang Q, Yao T, Yue P.Development and test of a multifactorial parameterization scheme of land surface aerodynamic roughness length for flat land surfaces with short vegetation [J]. Science China: Earth Sciences, 2015,45(11):1713-1727.

[6] 王凱嘉.夏季風(fēng)影響過渡區(qū)動力學(xué)粗糙度變化特征和影響機(jī)制研究[D]. 蘭州:蘭大學(xué), 2018.

Wang K J. The change features and influence mechanism research on dynamic roughness of summer monsoon transition zone [D]. Lanzhou: Lanzhou University, 2018.

[7] 胡文超,張文煜,張 宇,等.河西走廊下墊面粗糙度實測值與模擬值的差異性分析[J]. 高原氣象, 2010,29(1):51-55.

Hu W C, Zhang W Y, Zhang Y, et al. Variance analysis on the simulated and observed values of underlaying surface roughness in Gansu Corridor [J]. Plateau Meteorology, 2010,29(1):51-55.

[8] 劉 野,郭維棟,宋耀明.半干旱區(qū)關(guān)鍵地表參數(shù)的估算及其對地氣通量模擬的改進(jìn)[J]. 中國科學(xué):地球科學(xué), 2015,45(10):1524-1536.

Liu Y, Guo W D, Song Y M. Estimation of key surface parameters in semi-arid region and their impacts on improvement of surface fluxes Simulation [J]. Science China: Earth Sciences, 2015,45(10):1524- 1536.

[9] 鮑 艷,呂世華.戈壁陸面參數(shù)改進(jìn)對地表熱狀況影響的數(shù)值模擬[J]. 地球科學(xué)進(jìn)展, 2007,22(特刊):185-193.

Bao Y, Lü S H. Simulations of Impacts of Land Surface Parameters Improvements on Surface Thermal Condition over Gobi [J]. Advances in Earth Science, 2007,22(Suppl):185-193.

[10] 吳曉波.基于WRF和CFD耦合的復(fù)雜地形風(fēng)場數(shù)值研究[D]. 武漢:華中科技大學(xué), 2018.

Wu X B. Numerical Simulation of Wind Field on Complex Terrain Based on Coupling WRF And CFD [D]. Wuhan: Huazhong University of Science & Technology, 2018.

[11] Jee J B, Min J, Yi C, et al. Sensitivity analysis of the high-resolution WISE-WRF model with the use of surface roughness length in Seoul metropolitan areas [J]. Atmosphere, 2016, 26(1):111-126.

[12] 孫行知,鐘中,孫源.基于有效空氣動力學(xué)參數(shù)新方案對2003年東亞夏季降水模擬的改進(jìn)[C]. 中國氣象學(xué)會.創(chuàng)新驅(qū)動發(fā)展提高氣象災(zāi)害防御能力——S18第四屆研究生年會.中國氣象學(xué)會:中國氣象學(xué)會, 2013:408-412.

Sun X Z, Zhong Z, Sun Y. Parameters Improvement in new effective aerodynamic scheme and its impact on East Asian Summer precipitation simulation in 2003 [C]. Chinese Meteorological Society. Innovation-driven development Improving the Ability of Meteorological Disaster Defense- S18 The Fourth Annual Conference of Graduate Students. Chinese Meteorological Society: Chinese Meteorological Society, 2013:408-412.

[13] Varquez A C G, Nakayoshi M, Makabe T, et al. WRF application of high resolution urban surface parameters on some major cities of Japan [J]. Journal of Japan Society of Civil Engineers Ser B1 (Hydraulic Engineering), 2014,70(4):I_175-I_180.

[14] Shen C, Shen A, Tian C Y, et al. Evaluating the impacts of updated aerodynamic roughness length in the WRF/Chem model over Pearl River Delta [J]. Meteorology and Atmospheric Physics, 2020,132: 427–440.

[15] Myneni R B, Hoffman S, Knyazikhin Y, et al. Global products of vegetation leaf area and fraction absorbed PAR from year one of MODIS data [J]. Remote Sensing of Environment, 2002,83(1/2): 214-231.

[16] Van Der Graaf S C, Kranenburg R, Segers A J, et al. Satellite-derived leaf area index and roughness length information for surface- atmosphere exchange modelling: a case study for reactive nitrogen deposition in north-western Europe using LOTOS-EUROS v2.0 [J]. Geoscientific Model Development, 2020,13(5):2451–2474.

[17] 方紅亮.我國葉面積指數(shù)衛(wèi)星遙感產(chǎn)品生產(chǎn)及驗證[J]. 遙感技術(shù)與應(yīng)用, 2020,35(5):990-1003.

Fang H L. Development and validation of satellite Leaf Area Index (LAI) products in China [J]. Remote Sensing Technology and Application, 2020,35(5):990-1003.

[18] 劉勇洪,房小怡,欒慶祖.基于衛(wèi)星數(shù)據(jù)與GIS技術(shù)的北京地區(qū)粗糙度長度估算研究[J]. 高原氣象, 2016,35(6):1625-1638.

Liu Y H, Fang X Y, Luan Q Z. Estimation of roughness length of Beijing area based on satellite data and GIS technique [J]. Plateau Meteorology, 2016,35(6):1625-1638.

[19] Simard M, Pinto N, Fisher J B, et al. Mapping forest canopy height globally with spaceborne lidar [J]. Journal of Geophysical Research, 2011,116(G4).

[20] Raupach M R. Drag and drag partition on rough surfaces [J]. Boundary-Layer Meteorol, 1992,60:375–395.

[21] Raupach M R. Simplified expressions for vegetation roughness length and zero-plane displacement as functions of canopy height and area index [J]. Boundary-Layer Meteorol, 1994,71:211–216.

[22] Jasinski M F, Borak J, Crago R. Bulk surface momentum parameters for satellite-derived vegetation fields [J]. Agricultural and Forest Meteorology, 2005,133(1-4):55-68.

[23] Zeng X, Shaikh M, Dai Y, et al. Coupling of the common land model to the NCAR community climate model [J]. Journal of Climate, 2002,15:1832-1854.

[24] Grell G A, Peckham S E, Schmitz R. Fully coupled "online" chemistry within the WRF model [J]. Atmospheric Environment, 2005,39(37): 6957–6975.

[25] Seinfeld J H, Carmichael G R, Arimoto R, et al. Ace-Asia: regional climatic and atmospheric chemical effects of Asian dust and pollution [J]. Bulletin of the American Meteorological Society, 2004,85(3):367- 380.

[26] Li M, Zhang Q, Kurokawa J I, et al. MIX: a mosaic Asian anthropogenic emission inventory under the international collaboration framework of the MICS-Asia and HTAP [J]. Atmospheric Chemistry and Physics, 2015,17(2):935–963.

[27] 于名召.空氣動力學(xué)粗糙度的遙感方法及其在蒸散發(fā)計算中的應(yīng)用研究[D]. 北京:中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所), 2018.

Yu M Z. Research on remote sensing methods for the aerodynamic roughness length and its application in evapotranspiration calculation [D]. Beijing: University of Chinese Academy of Sciences(Institute of Remote Sensing and Digital Earth, Chinese ,Academy of Sciences), 2018.

[28] 王國印.半干旱區(qū)陸氣相互作用的觀測與研究[D]. 蘭州:蘭州大學(xué), 2013.

Wang G Y. Observation of land-atmosphere interaction over semi-arid regions [D]. Lanzhou: Lanzhou University, 2013.

[29] 姚 彤.我國北方地區(qū)地表粗糙度和反照率參數(shù)化特征研究[D]. 蘭州:蘭州大學(xué), 2014.

Yao T. A study on parametric feature of the surface roughness and albedo in north China [D]. Lanzhou: Lanzhou University, 2014.

[30] 趙曉松,關(guān)德新,吳家兵,等.長白山闊葉紅松林的零平面位移和粗糙度[J]. 生態(tài)學(xué)雜志, 2004,23(5):84-88.

Zhao X S, Guan D X, Wu J B, et al. Zero-plane displacement and roughness length of the mixed forest of broad-leaved and Korean-pine in Changbai Mountain [J]. Chinese Journal of Ecology, 2004,23(5): 84-88.

[31] 鐘 中,韓士杰.長白山闊葉紅松林冠層空氣動力學(xué)參數(shù)的計算[J]. 南京大學(xué)學(xué)報(自然科學(xué)版), 2002,38(4):565-571.

Zhong Z, Han S J. The calculation of aerodynamic parameters of Korea Pine canopy in Changbai Mountains [J]. Journal of Nanjing University(Natural Sciences), 2002,38(4):565-571.

[32] 邢麗瑋.基于MODIS和GLAS數(shù)據(jù)反演多時序中國陸表植被空氣動力學(xué)粗糙度[D]. 北京:首都師范大學(xué), 2012.

Xing L W. Retrieving the multi-temporal aerodynamic roughness length of surface vegetation in China based on MODIS and GLAS data [D]. Beijing: Capital Normal University, 2012.

[33] 曾 劍,張 強.2008年夏季中國干旱-半干旱區(qū)陸面主要物理參數(shù)的平均特征[J]. 高原氣象, 2012,31(6):1539-1550.

Zeng J, Zhang Q. Mean characteristics of land surface key parameters in semi-arid and regions of China in summers of 2008. Plateau meteorology, 2012,31(6):1539-1550.

[34] 鞠英芹.不同下墊面類型動力學(xué)粗糙度與熱力學(xué)粗糙度的研究[D]. 南京:南京信息工程大學(xué), 2012.

Ju Y Q. Study of aerodynamic roughness length and thermal roughness length on different underlying surfaces [D]. Nanjing: Nanjing University of Information Science & Technology, 2012.

[35] 周艷蓮,孫曉敏,朱治林,等.幾種典型地表粗糙度計算方法的比較研究[J]. 地理研究, 2007,26(5):887-896.

Zhou Y L, Sun X M, Zhu Z L, et al. Comparative research on four typical surface roughness length calculation methods [J]. Geographical Research, 2007,26(5):887-896.

[36] De Bruin H A R, Moore C J. Zero-plane displacement and roughness length for tall vegetation, derived from a simple mass conservation hypothesis [J]. Boundary-Layer Meteorol, 1985,31:39–49.

[37] 劉 偉,魏 信,石 文,等.復(fù)雜地形條件下零平面位移和空氣動力學(xué)粗糙度的計算——以珠海南亞熱帶常綠闊葉林地區(qū)為例[J]. 熱帶氣象學(xué)報, 2016,32(4):524-532.

Liu W, Wei X, Shi W, et al. The calculation of zero-plane displacement and aerodynamic roughness of heterogenous terrain-- With the Evergreen broad-leaf forest in Zhuhai as an example [J]. Journal of tropical meteorology, 2016,32(4):524-532.

[38] Jasinski M F, Crago R D. Estimation of vegetation aerodynamic roughness of natural regions using frontal area density determined from satellite imagery [J]. Agricultural and Forest Meteorology, 1999, 94(1):65-77.

[39] Gallagher M W, Nemitz E, Dorsey J R, et al. Measurements and parameterizations of small aerosol deposition velocities to grassland, arable crops, and forest: Influence of surface roughness length on deposition [J]. Journal of Geophysical Research, 2002,107(D12):4154.

[40] Gao Z Q, Wang J M, Ma Y M, et al. Study of roughness lengths and drag coefficients over Nansha sea region, Gobi, desert, Oasis and Tibetan plateau, Physics and Chemistry of the Earth, Part B: Hydrology [J]. Oceans and Atmosphere, 2000,25(2):141-145.

[41] Lu L, Liu S, Xu Z. et al. The characteristics and parameterization of aerodynamic roughness length over heterogeneous surfaces [J]. Advances in Atmospheric Sciences, 2009,26:180-190.

[42] Mailler S, Menut L, Khvorostyanov D, et al. CHIMERE-2017: From urban to hemispheric chemistry-transport modeling [J]. Geoscientific Model Development, 2017,10:2397-2423.

[43] Silva J, Ribeiro C, Guedes R, et al. Roughness length classification of Corine land cover classes [J]. Proceedings of European Wind Energy Conference, 2007.

[44] Simpson D, Benedictow A, Berge H, et al. The EMEP MSC-W chemical transport model – technical description [J]. Atmospheric Chemistry and Physics, 2012,12(16):7825–7865.

[45] Wiernga J. Representative roughness parameters for homogeneous terrain [J]. Boundary-Layer Meteorology, 1993,63:323-363.

[46] 馮健武,劉輝志,王 雷,等.半干旱區(qū)不同下墊面地表粗糙度和湍流通量整體輸送系數(shù)變化特征[J]. 中國科學(xué):地球科學(xué), 2012,42(1): 24-33.

Feng J W, Liu H Z, Wang L, et al. Seasonal and inter-annual variation of surface roughness length and bulk transfer coefficients in a semiarid area. Sci China Earth Sci, 2012,42(1):24-33.

[47] 高志球,王介民,馬耀明,等.不同下墊面的粗糙度和中性曳力系數(shù)研究[J]. 高原氣象, 2000,19(1):17-24.

Gao Z Q, Wang J M, Ma Y M, et al. Study on roughness lengths and drag coefficients over the different underlying surfaces [J]. Plateau meteorology, 2000,19(1):17-24.

[48] 李宏宇,張 強,史晉森,等.黃土高原自然植被下墊面陸面過程參數(shù)研究[J]. 氣象學(xué)報, 2012,70(5):1137-1148.

Li H Y, Zhang Q, Shi J S, et al. A study of the parameterization of land-surface processes over the natural vegetation surface of Loess Plateau [J]. Acta Meteorologica Sinica, 2012,70(5):1137-1148.

[49] 李鎖鎖,呂世華,柳媛普,等.黃河上游瑪曲地區(qū)空氣動力學(xué)參數(shù)的確定及其在陸面過程模式中的應(yīng)用[J]. 高原氣象, 2010,29(6):1408- 1413.

Li S S, Lü S H, Liu Y P, et al. Determination of aerodynamical parameter in Maqu Area in the upper reach of Yellow River and Its application in land surface process model [J]. Plateau meteorology, 2010,29(6):1408-1413.

[50] 劉嘯然,李茂善,胡文斌.藏北高原那曲地區(qū)不同下墊面地表粗糙度的變化特征研究[J]. 高原氣象, 2019,38(2):428-438.

Liu X R, Li M S, Hu W B. Variations of surface roughness on different underlying surface at Nagqu Area over the Qinghai-Tibetan Plateau [J]. Plateau Meteorology, 2019,38(2):428-438.

[51] 馬耀明,塚本修,王介民,等.青藏高原草甸下墊面上的動力學(xué)和熱力學(xué)參數(shù)分析[J]. 自然科學(xué)進(jìn)展, 2001,11(8):42-46.

Ma Y M, Zhong B X, Wang J M, et al. Analysis of dynamic and thermodynamic parameters on the underlying surface of a meadow on the Tibetan Plateau [J]. Progress in Natural Science, 2001,11(8):42-46.

[52] 孫 俊,胡澤勇,陳學(xué)龍,等.黑河中上游不同下墊面動量總體輸送系數(shù)和地表粗糙度對比分析[J]. 高原氣象, 2012,31(4):920-926.

Sun J, Hu Z Y, Chen X L, et al. Comparative analysis on momentum bulk transfer coefficients and roughness length under the different underlying surfaces in uppers and middle reaches of Heihe river basin [J]. Plateau Meteorology, 2012,31(4):920-926.

[53] 張 強,曾 劍,姚 桐.植被下墊面近地層大氣動力狀態(tài)與動力學(xué)粗糙度長度的相互作用及其參數(shù)化關(guān)系[J]. 科學(xué)通報, 2012,57(8): 647-655.

Zhang Q, Zeng J, Yao T. Interaction of aerodynamic roughness length and windflow conditions and its parameterization over vegetation surface [J]. Chin Sci Bull, 2012,57(8):647-655.

[54] 張文煜,張 宇,陸曉靜,等.黃土高原半干旱區(qū)非均一下墊面粗糙度分析[J]. 高原氣象, 2009,28(4):763-768.

Zhang W Y, Zhang Y, Lu X J, et al. Analysis on heterogeneous underlying surface roughness length in semi-arid mountains area of Loess Plateau, China [J]. Plateau Meteorology, 2009,28(4):763-768.

[55] Tsai J L, Tsuang B J. Aerodynamic roughness over an urban area and over two farmlands in a populated area as determined by wind profiles and surface energy flux measurements [J]. Agricultural and Forest Meteorology, 2005,132(1/2):154-170.

[56] Tsai J L, Tsuang B J, Lu P S, et al. Measurements of aerodynamic roughness, Bowen ratio, and atmospheric surface layer height by eddy covariance and tethersonde systems simultaneously over a heterogeneous rice paddy [J]. Journal of Hydrometeorology, 2010, 11(2):452-466.

[57] 賈 立,王介民.綠洲-沙漠復(fù)合地表條件下的局地和有效粗糙度[J]. 氣象學(xué)報, 1999,57(3):91-102.

Jia Li, Wang J M. The local and effective aerodynamic roughness length of a complex landscape of oasis and desert [J]. Acta meteorological sincia, 1999,57(3):91-102.

[58] Lankreijer H J M, Hendriks M J, Klaassen W. A comparison of models simulating rainfall interception of forests [J]. Agricultural and Forest Meteorology, 1993,64(3/4):187-199.

[59] Lo A K F. Determination of zero-plane displacement and roughness length of a forest canopy using profiles of limited height [J]. Boundary-Layer Meteorology, 1995,75:381-402.

[60] Mikami M, Toya T, Yasuda N. An analytical method for the determination of the roughness parameters over complex regions [J]. Boundary-Layer Meteorology, 1996,79:23-33.

[61] Parlange M B, Brutsaert W. Regional roughness of the Landes forest and surface shear stress under neutral conditions [J]. Boundary-Layer Meteorol, 1989,48:69–81.

[62] Toda M, Sugita M. Single level turbulence measurements to determine roughness parameters of complex terrain [J]. Journal of Geophysical Research, 2003,108(D12):4363.

[63] Weligepolage K, Gieske A S M, Van Der Tol C, et al. Effect of sub-layer corrections on the roughness parameterization of a Douglas fir forest [J]. Agricultural and Forest Meteorology, 2012,162-163: 115-126.

[64] Yang R, Friedl M A. Determination of roughness lengths for heat and momentum over boreal forests [J]. Boundary-Layer Meteorology, 2003,107:581-603.

[65] 劉和平,劉樹華,朱廷曜,等.森林冠層空氣動力學(xué)參數(shù)的確定[J]. 北京大學(xué)學(xué)報(自然科學(xué)版), 1997,33(4):116-122.

Liu H P, Liu S H, Zhu T Y, et al. Determination of aerodynamic parameters of Changbai mountain forest [J]. Acta Scicntiarum Naturalium, 1997,33(4):116-122.

[66] 張學(xué)仕,蔣 琰,薛建輝,等.江蘇句容下蜀次生櫟林的空氣動力學(xué)參數(shù)研究[J]. 南京林業(yè)大學(xué)學(xué)報(自然科學(xué)版), 2010,34(6):61-65.

Zhang X S, Jiang Y, Xue J H, et al. Aerodynamic parameters of secondary oak forest in Xiashu Jurong county of Jiangsu province [J]. Journal of Nanjing Forestry University (Natural Science Edition), 2020,34(6):61-65.

[67] 張一平,宋清海,于貴瑞,等.西雙版納熱帶季節(jié)雨林風(fēng)時空變化特征初步分析[J]. 應(yīng)用生態(tài)學(xué)報, 2006,17(1):11-16.

Zhang Y P, Song Q H, Yu G R, et al. Temporal-spatial characteristics of wind in tropical seasonal rainf orest in Xishuangbanna of Yunnan province [J]. Chinese Journal of Applied Ecology, 2006,17(1):11-16.

[68] 周艷蓮,孫曉敏,朱治林,等.幾種不同下墊面地表粗糙度動態(tài)變化及其對通量機(jī)理模型模擬的影響[J]. 中國科學(xué).D輯:地球科學(xué), 2006, 36(S1):244-254.

Zhou Y L, Sun X M, Zhu Z L, et al.Dynamic variation of surface roughness on several different underlying surfaces and its influence on flux mechanism model simulation [J]. Science in China Series D:Earth Sciences,2006,36(S1):244-254.

[69] Driese K L, Reiners W A. Aerodynamic roughness parameters for semi-arid natural shrub communities of Wyoming [J]. USA, Agricultural and Forest Meteorology, 1997,88(1-4):1-14.

[70] 楊興華,艾力·買買提明,張瑞軍,等.塔克拉瑪干沙漠荒漠過渡帶空氣動力學(xué)粗糙度分析[J]. 干旱區(qū)研究, 2012,29(3):524-528.

Yang X H, Ali M, Zhang R J, et al. Analysis on aerodynamic roughness length in a desert transitional zone of the Taklimakan desert [J]. Arid Zone Research, 2012,29(3):524-528.

[71] 石雪峰,夏建新,吉祖穩(wěn).空氣動力學(xué)粗糙度與植被特征關(guān)系的研究進(jìn)展[J]. 中央民族大學(xué)學(xué)報(自然科學(xué)版), 2006,15(3):218-225.

Shi X F, Xia J X, Ji Z W. A review:the study in relationship between aerodynamic roughness length and the characteristics of vegetation [J]. 2006,15(3):218-225.

[72] 藍(lán) 靜.珠三角區(qū)域氣溶膠污染及低能見度過程的數(shù)值模擬[D]. 廣州:中山大學(xué), 2013.

Lan J. Numerical simulation of aerosol contamination and low visibility processes in the Pearl River Delta region [D]. Guangzhou: Sun Yat-sen University, 2013.

[73] 劉新峰,袁 惠,楊 軍,等.統(tǒng)計分析方法在大氣環(huán)境監(jiān)測數(shù)據(jù)符合性分析中的應(yīng)用探討[J]. 四川環(huán)境, 2012,31(2):36-39.

Liu X F, Yuan H, Yang J, et al. Application of statistical analysis for data compliance analysis of atmosphere environmental monitoring [J]. Sichuan Environment, 2012,31(2):36-39.

Estimation of vegetation underlying surface0and assessment on the impacts of its improvement.

TIAN Chun-yan1,2, CUI Yin-ping1, SHEN Chong3, CHEN Xiu-zhi1, SHEN Ao1, FAN Qi1*

(1.Guangdong Province Key Laboratory for Climate Change and Natural Disaster Studies, Southern Laboratory of Ocean Science and Engineering (Zhuhai), School of Atmospheric Sciences, Sun Yat-sen University, Zhuhai 519082, China；2.Meteorological Center of Middle South Regional Air Traffic Management Bureau of CAAC, Guangzhou 510000, China；3.Guangzhou Climate and Agrometeorology Center, Guangzhou 511430, China)., 2022,42(9)：3969～3982

The morphology-remote sensing inversion with satellite remote sensing and multi-observation data were utilized to estimate the aerodynamic roughness length (0) of main vegetation underlying surfaces in China. This new0dataset was then used to replace the default values in the WRF-Chem model. Combined with the national meteorological and pollutant observation data, the impacts of0improvement on the meteorological field and chemical field simulations were evaluated. The results show that the high value of0is mainly located over the forest underlying surface (higher than 1m); the0values over the farmland and grassland underlying surfaces are generally lower (lower than 0.5m). The0values over other underlying surfaces fell in between 0.5m and 1m; and the modification of0has a better improvement in the simulations of 10m wind speed (WS10) and surface temperature (TSK) even though its effects on 2m temperature (2) and relative humidity (RH) are not obvious. We also observed that an increase in0mainly has a warming effect on TSK and a weakening effect on WS10 for different types of underlying surfaces. In terms of the improvement ratio (the difference between the simulated value after the improvement of each element and the simulated value before the improvement divided by the simulated value before the improvement, the same below), the improved0demonstrates a greater impact on WS10 than on TSK. For the pollutant concentrations, the modification of0has larger effects on the simulations for PM2.5and PM10than for other pollutants (SO2, NO2, O3). Furthermore, the impact of the improved0was larger on meteorological elements than on pollutant concentrations. In general, the improvement of0has the largest impact on the 10m wind speed; because the improved0is generally higher than the model-default0value. As0is a variable for characterizing the surface roughness, the obstruction to the air flow increases with an increase in surface roughness and thus results in a reduction in the near surface wind speed.

aerodynamic roughness length；vegetation underlying surface；numerical simulation；WRF-Chem model；PM2.5

X171

A

1000-6923(2022)09-3969-14

2022-02-21

國家重點研發(fā)計劃(2019YFC0214605);國家自然科學(xué)基金資助項目(42075181);廣東省科技計劃項目(科技創(chuàng)新平臺類)(2019B121201002);廣東省氣候變化與自然災(zāi)害研究重點實驗室(2020B1212060025)

*責(zé)任作者, 教授, eesfq@mail.sysu.edu.cn

田春艷(1994-),女,重慶人,中山大學(xué)碩士研究生,主要大氣環(huán)境數(shù)值模擬研究.發(fā)表論文1篇.