基于WRFV3.6.1,利用其8個(gè)云微物理參數(shù)化方案對2010—2016年華南汛期（4—9月）的6個(gè)南風(fēng)型暖區(qū)暴雨個(gè)例進(jìn)行數(shù)值模擬與多方案集成試驗(yàn),并采用基于對象的診斷評估方法（MODE）對模擬結(jié)果進(jìn)行評估。結(jié)果發(fā)現(xiàn)對于大多數(shù)個(gè)例,WRF模式都能較好地模擬出暖區(qū)暴雨的降水帶,對暖區(qū)降水帶模擬最好的參數(shù)化方案是WSM6方案,其次是Lin方案;模擬效果較差的參數(shù)化方案為CAM5.1與NSSL 2-mon方案。選取模擬結(jié)果較好的個(gè)例進(jìn)行診斷分析,發(fā)現(xiàn)不同參數(shù)化方案得到的動(dòng)力學(xué)特征以及云微物理特征相關(guān)變量存在較大差異,導(dǎo)致模擬降水的差異。在單方案模擬的基礎(chǔ)上,開展多方案集成試驗(yàn),發(fā)現(xiàn)多方案集成方法能夠有效降低模式模擬的不確定性,產(chǎn)生更穩(wěn)定的模擬結(jié)果。 

【文章來源】：大氣科學(xué)學(xué)報(bào). 2020,43(05)北大核心CSCD

【文章頁數(shù)】：13 頁

【部分圖文】：

WRF模式嵌套區(qū)域設(shè)置

圖2為6個(gè)南風(fēng)型暖區(qū)暴雨個(gè)例的實(shí)況過程累積降水,降水中心皆位于廣西南部的欽州-防城港-東興一帶,降水中心過程累積降水量達(dá)到100 mm以上,并且暖區(qū)降水起始時(shí)間皆位于00—03時(shí)(北京時(shí))。在6個(gè)個(gè)例中,暖區(qū)降水帶多處于一致的西南風(fēng)的控制之下(個(gè)例1和個(gè)例2分別受到南風(fēng)以及東南風(fēng)的控制),在華南地區(qū),沒有明顯的切變線、低渦等天氣系統(tǒng)影響,處于一致的南風(fēng)中,是典型的南風(fēng)型暖區(qū)暴雨的環(huán)流形勢(陳翔翔等,2012)。可以看出,除了廣西南部的降水帶之外,在一些個(gè)例中,華南地區(qū)存在其他的降水帶,由于本文只考慮發(fā)生在廣西南部地區(qū)的暖區(qū)降水帶,因此對于這些降水對象(圖2b、e、f等位于華南北部的降水帶),本文不做相似度評估。利用MODE方法對6個(gè)個(gè)例的不同微物理參數(shù)化方案的相似度評估結(jié)果由表3給出。雖然不同個(gè)例的最優(yōu)參數(shù)化方案不同,但是總體而言,模擬平均相似度較高的微物理參數(shù)化方案為WSM6方案以及Lin方案,相似度平均值分別為0.803和0.800;平均相似度最低的微物理參數(shù)化方案為CAM5.1方案,平均相似度為0.715。對于多數(shù)個(gè)例,暖區(qū)降水對象都能較好地模擬出來,平均相似度超過0.7,表明對于這些個(gè)例,不同參數(shù)化方案模擬的暖區(qū)降水帶都能與實(shí)況場能較好地匹配。而對于個(gè)例3,平均相似度低于0.7,并且所有的參數(shù)化方案評估相似度都在0.7以下,表明模擬對象與實(shí)況對象不匹配,模式對于暖區(qū)降水帶模擬不理想。以下選取相似度評分相對較高的個(gè)例1(圖2a),對不同參數(shù)化方案模擬對象的空間診斷量進(jìn)行討論,并進(jìn)一步對降水過程中的熱力、動(dòng)力條件以及云微物理?xiàng)l件進(jìn)行詳細(xì)的分析。

圖4給出了2010年6月7日00時(shí)至08日00時(shí),實(shí)況降水與模擬降水在107.5°～108.5°E、21.5°～22.5°N范圍內(nèi)的1 h累積降水最大值。從圖4中可以看出,8種參數(shù)化方案模擬的降水趨勢與實(shí)況較為一致,都是在15—16時(shí)達(dá)到最大,然后迅速減小。其中CAM5.1方案模擬的降水較小,在15時(shí)只有10 mm,與CAM5.1方案較低的強(qiáng)度比(0.297)一致。通過以上分析可見,CAM5.1方案對此次暖區(qū)暴雨過程模擬效果較差。而Lin方案、WSM6方案與Morrison 2-mon方案模擬效果相對較好。因此,對Lin方案、WSM6方案與Morrison 2-mon方案進(jìn)行多方案集成,對比WSM6方案、CAM5.1方案、集成方案以及實(shí)況資料,分析不同方案的熱力、動(dòng)力條件以及云微物理特征,進(jìn)一步探討不同方案對此次過程模擬差異的原因,并對集成結(jié)果進(jìn)行分析。

【參考文獻(xiàn)】：
期刊論文
[1]不同的邊界層參數(shù)化方案對江淮一次暴雨過程數(shù)值試驗(yàn)研究[J]. 周彥均,高志球,濮梅娟,李煜斌.  大氣科學(xué)學(xué)報(bào). 2019(04)
[2]華南暖區(qū)暴雨事件的篩選與分類研究[J]. 劉瑞鑫,孫建華,陳鮑發(fā).  大氣科學(xué). 2019(01)
[3]WRF模式不同云參數(shù)化方案的暴雨預(yù)報(bào)能力檢驗(yàn)及集成試驗(yàn)[J]. 梅欽,智協(xié)飛,王佳.  大氣科學(xué)學(xué)報(bào). 2018(06)
[4]基于時(shí)空不確定性的對流尺度集合預(yù)報(bào)效果評估檢驗(yàn)[J]. 馬申佳,陳超輝,智協(xié)飛,何宏讓,吳丹.  氣象學(xué)報(bào). 2018(04)
[5]Mesoscale Observational Analysis of Lifting Mechanism of a Warm-Sector Convective System Producing the Maximal Daily Precipitation in China Mainland during Pre-Summer Rainy Season of 2015[J]. 吳夢雯,羅亞麗.  Journal of Meteorological Research. 2016(05)
[6]不同云微物理方案對“7.21”特大暴雨模擬的對比試驗(yàn)[J]. 徐之驍,徐海明.  氣象科學(xué). 2016(01)
[7]基于鄰域法的高分辨率模式降水的預(yù)報(bào)能力分析[J]. 潘留杰,張宏芳,陳小婷,王建鵬,陳法敬.  熱帶氣象學(xué)報(bào). 2015(05)
[8]基于對象診斷的空間檢驗(yàn)方法（MODE）[J]. 王國榮,陳敏,由鳳春,郭銳.  氣象科技. 2014(04)
[9]數(shù)值天氣預(yù)報(bào)檢驗(yàn)方法研究進(jìn)展[J]. 潘留杰,張宏芳,王建鵬.  地球科學(xué)進(jìn)展. 2014(03)
[10]區(qū)域中尺度模式云微物理參數(shù)化方案特征及其在中國的適用性[J]. 尹金方,王東海,翟國慶.  地球科學(xué)進(jìn)展. 2014(02)



本文編號：3367571