比较WRF模式分析逼近与谱逼近技术在中国地区动力降尺度的应用外文翻译资料

 2022-11-28 15:16:27

英语原文共 17 页，剩余内容已隐藏，支付完成后下载完整资料

比较WRF模式分析逼近与谱逼近技术在中国地区动力降尺度的应用

Yuanyuan Ma, Yi Yang, Xiaoping Mai, Chongjian Qiu, Xiao Long, and Chenghai Wang

Key Laboratory of Arid Climatic Changing and Reducing Disaster of Gansu Province, College of Atmospheric Sciences,Lanzhou University, Lanzhou 730000, China

为了克服全球气候模式的水平分辨率可能太低而不能分辨在区域局地尺度上重要特征的问题，已经广泛使用动力降尺度。然而，动力降尺度结果通常偏离大型驱动场。逼近技术可以用来平衡大尺度和小尺度下动态小尺寸的性能，但是两种逼近技术（分析逼近和谱逼近）的性能仍有争议。此外，动力降尺度现在在对流尺度内执行，以减少参数化不确定度并获得更好的分辨率。为了比较两种逼近技术的性能，本研究在中国大陆上进行了3个覆盖时间为2个月，网格间距为6 km的敏感性实验（不进行逼近，分析逼近和谱逼近），以利用天气研究和预报（WRF）模式对分辨率为1度的国家环境预报中心（NCEP）数据集进行降尺度操作。与观测结果相比，结果表明，在动力降尺度过程中，这两个逼近实验减少了地表附近和不同高度的常规气象要素的偏差。然而，在预测降水方面谱逼近优于分析逼近，在湿度和风速模拟方面分析逼近微弱优于谱逼近。

1.引言

全球环流模式（GCMs）能够模拟不同气候系统组成部分，平均值，变率和极端事件对气候变化的响应，是研究地球气候系统和了解未来气候变化的主要工具。 此外，区域尺度气候信息可以从耦合大气-海洋环流模式（AOGCM）中提取[1]。 然而，GCMs和AOGCM的水平分辨率或可能过于粗糙，无法分辨在区域或者局地尺度上的重要特征[1-4]。为了克服这个问题，可以把GCM或AOGCM降尺度到局地区域来生成特定地区的气候信息。

动力降尺度是一种广泛使用的重要方法，它基于区域气候模式(RCMs）的物理和动态框架，并成为获取高分辨率区域气候信息的常用方法。它由GCM结果或全球再分析的大尺度环流驱动，并增加了详细的局地过程，地形，土地覆盖和形成区域气候的其他特征[5-7]。动力降尺度能力可能受到许多因素的影响，可分为两类。第一类因素来自RCMs物理表征的局限性，包括云相关过程和陆气相互作用，积云对流方案[8]，对流方案和行星边界层方案的组合，水平扩散和微物理过程 [9-14]。另一类因素来自边界条件（驱动数据）和区域[1]的选择和应用，这些区域植根于动力降尺度本身。动力降尺度的起点通常是一组粗糙分辨率的大尺度场，用于提供初始条件（IC）和侧向边界条件（LBCs）[15]。因此，哪些是最好的初始条件和边界条件 [16,17]，如何减少RCMs的内部变异[18-21]，不同驱动数据或策略对抑制误差增长的影响[22-25]，以及模拟区域大小，区域位置和分辨率[20,22,26-28]对动力降尺度的影响是相关研究中的主要问题。

在导致动力降尺度过程中出现误差和不确定性的因素中，我们关注的是在RCMs添加小尺寸特征的同时保留大尺寸特征的性能的一种平衡策略。这种策略被称为逼近，它提供了一种约束RCMs结果的方法，并使它们不会与大尺度长偏差太远。

RCMs受到侧边界驱动数据的强烈约束。因此，在小的区域RCMs的自由度较低，无法生成更多信息。此外，较大的区域允许RCMs模拟结果与驱动数据[1]越来越“脱钩”，这是动力降尺度结果中系统误差的一个关键来源[29]。事实证明，逼近技术（在模型中的网格点添加对要调整变量的预报方程的修正方法）已被证明可用于防止RCMs从大规模驱动场偏离[1,15,30- 32]。

目前在动力降尺度中使用的逼近方式有两种不同的方式：分析逼近 [33]和谱逼近 [34]。 分析逼近在每个网格单元上进行，而谱逼近在纬向和经向上应用，并且在逼近项中仅保留选定波数下的波[29,31,32,34-36]。已有研究利用动力降尺度分析逼近和谱逼近来获得更准确的区域气候信息[15,30,31,37-39]。然而，这两种逼近技术的表现仍有争议。一方面，当选择了合适的逼近系数来调整逼近在控制方程中的强度时，分析逼近通常优于谱逼近。通过分析逼近预测的降水强度和频率比通过谱逼近预测的值更接近实测值[40]。另一方面，使用谱逼近比不使用逼近或使用边界逼近更有优势[41-44]，理论上优于分析逼近，这可能会导致RCM在小尺度中被过度强迫[45]。刘等人[29]使用天气研究和预报（WRF）模型来比较分析逼近和谱逼近在降尺度方面的性能，表明谱逼近在平衡大尺度和小尺度的模拟性能方面优于分析逼近。对于降水，Miguez-Macho等[35]表明了谱逼近在模拟区域被移动了7°N-17°N时，成功消除了降水的空间模态失真。然而，Bullock Jr.等人[46]表明较强的分析逼近可以降低降水的正偏差，而较强的谱逼近没有太大影响。因此，需要进一步的研究比较分析逼近和谱逼近，尤其是在不同地区。

由于大部分动力降尺度的动机是捕捉更具体的局地过程，地形和其他形成区域气候特征，所以更高的分辨率可能会更好[12,47-50]。此外，非常精细的分辨率数据集对水文和其他应用有所帮助[51]。例如，Gutowski Jr.等人[52]得出的结论是，RCMs可以提供比GCMs更好的降水极值，而Vautard等[49]发现，对于大多数区域气候模式，12 km的分辨率，通常比在50 km的分辨率下更好地模拟欧洲的温度极值。Rojas等 [53]和Walther等[50]测试了RCMs中改进的模拟质量和增加分辨率之间的关系，表明较好的模拟性能与较高的分辨率相对应。

此外，动力学降尺度现在可在对流尺度上运行，其中对流尺度是指积云参数化可以被显式动力学代替，以表示深对流系统，其将减少参数化的一些不确定性。因此，动力降尺度的未来研究前景之一是满足高分辨率的需求[51]。然而，分辨率高于10 km左右的RCMs长期模拟仍然很少见[54]，而在对流许可分辨率下的RCMs模拟更少[1]。Guttler等人[47]指出，6公里的模拟将在一些研究区域提供更多的改进，而Pryor等人 [48]发现，当极端风速发生时，较高的RCMs分辨率（6 km与50 km相比）的影响要大得多。考虑到分辨率需求和计算费用，我们使用6公里的分辨率进行了这项研究。

在本研究中，我们对中国大陆6km网格间距进行了3次敏感性性实验（无逼近，分析逼近和谱逼近），以研究使用WRF模式对1°分辨率的NCEP数据进行降尺度时两种逼近技术的表现。

有关模型和实验设置的详细信息在第2节中描述。第3节介绍了评估数据集并给出了评估方法。 第4节给出了不同逼近技术的模拟性能验证和比较。最后，第5节给出了结论。

2.模式说明和实验设置

2.1.模式说明

本研究中使用的区域气候模式时WRF模式，版本为3.5.1，具有ARW动力内核。大尺度气象要素场的初始条件和边界条件以及初始的土壤参数（土壤水含量，土壤湿度和土壤温度）由1°times;1°的国家环境预报中心最终业务全球分析数据（FNL）获得。模式中心取35°N，135°E，水平网格点为1009times;805，水平网格间距为6km。垂直维度包括28个地形跟随的eta垂直坐标层，模式顶层气压为10hPa。

图1：WRF模拟区域和地形高度图，色阶指高度。

该区域指定的纬向边界由一个点指定区域和一个四点松弛区域组成，使用Davies和Turner [55]的方法向FNL数据逼近，以减少边界处的噪声产生。此外，使用兰伯特共形圆锥投影。

在这项研究中，海面温度（SST）每6小时更新一次。SST数据由国家海洋和大气管理局提供的最佳插值海面温度分析提供，该分析资料采用1°分辨率的网格。SST数据来自于原位和卫星，SST使用海冰覆盖模拟，在高纬度地区SST减少了偏差。此外还更新了深层土壤温度资料，以为在长期模拟中这是十分必要的[56]。

这里使用的主要物理选项包括WRF单时六类（WSM6）微物理参数化方案[57]，快速辐射传输模型长波辐射方案[58]，Dudhia短波辐射方案[59]，Yonsei大学行星边界层方案[60] 和Noah地表模型[61]。这项研究是以6公里的网格间距进行的，并且处于对流许可的尺度，因此不使用积云参数化。该模式从4月15日的12点UTC到2011年7月1日的12点UTC进行了积分。最初的15天被认为是起转周期，并且在此期间输出的结果不作分析，所以只有5月1日至6月30日输出的结果用在了分析中。

2.2.实验设置

在这项研究中，进行了三个敏感性实验来研究在动力降尺度下的逼近性能。第一个是持续积分，没有逼近，其他则是在两种逼近技术的作用下持续积分。这里使用的两种内部逼近选项是分析逼近和谱逼近。WRF的物理配置是除了使用的逼近技术，所有三个敏感性实验保持不变。对水平风分量，位温和水汽混合比进行分析逼近，且只适用于PBL以上。对水平风分量，位温和PBL上方的位势高度应用谱逼近。 在这里，对位势场被微调而不是水汽混合比，是因为它只能应用于公开发布的四个变量。并且目前不能应用于水汽混合比，因为它没有像其他场一样强大的大尺度的特征。谱逼近实验中在纬向和经向方向上使用的波数设置为恒定值3，对于分析逼近和谱逼近的所有变量的逼近系数设置为0.0003s-1[29]。且逼近持续作用直到模拟结束。

3.评估数据集和方法

3.1.评估数据集

卫星降水来自每月热带降雨测量任务（TRMM）3B43数据集，其空间分辨率在纬带50°N～50°S上为0.25°，以此来作为本研究的一部分用于降水验证。该数据集提供了可以用来检测全球降雨的重要数据[62]，特别是在东亚地区[63, 64]。在中国每月TRMM3B43降水量和中国气象局国家气象信息中心（NMIC）的月降水量 (http;//data.cma.cn/）有协议。因此，每月TRMM 3B43降水量可被视为验证降尺度结果的合理标准。当只考虑中国的降水量时，所有模拟的月累计降水数据采用双线性插值法插值到分辨率为0.25°的网格上（从NMIC获得）。此外，从实时分析系统获得的0.25°网格的降水量与和从NMIC获得的中国逐日降水量（第一版）（http://data.cma.cn/data/detail/dataCode/SEVP_CLI_CHN_PRE_ DAY_GRID_0.25.html)也被用来验证模拟的每日累计降水。

用于与其他变量（如温度，相对湿度，风速和地表附近的气压）进行比较的数据集可以从NMIC获得，但是不同水平的水汽混合比和位势高度等变量可以从第三代欧洲中程天气预报再分析中心（ERA-IN）数据中心得到[65]。在这项研究中，我们选择了上述两个数据集有两个原因。首先，ERA-IN数据不能为区域地形和地表特征产生真实的区域结构，但与中国每月高空特定层数据集的大尺度行为一致。计算两个数据集的相关系数，包括温度，相对湿度，风速和地表附近的气压，以及不同层次的温度，风速和位势高度。这些计算表明，地表附近的变量之间的相关系数是相对低的，高空空气中的变量较高。其次，来自NMIC的高空特定层数据，尤其是露点，温度和850 hPa和700 hPa变量的数据缺失了许多值。为了便于比较，所有模拟变量，包括模拟日降水量和相关的ERA-IN变量（由直接将ERA-IN插值到6kmWRF网格上得到）已经被双线性插值到中国观测站。

3.2.评估方法

通过对比模拟结果和观测资料中的一些变量和某些统计量在中国区域的分布情况对三个WRF降尺度实验进行评估。下面要被计算的统计量中，M代表模型模拟值，O代表所观察到的值，N表示验证点的总数。

平均误差（ME），其指示模拟是否超过或低估了观测值的平均幅度，定义如下：

. (1)

均方根误差（RMSE）提供了模拟和观测精度的概览，其定义如下：

. (2)

相关系数（CC）表示模拟和观测值之间的关系，定义如下：

此外，还使用了其他四种统计量来评估累计降水量。首先，偏差分数（BS）用于指示模型是否过高或过低估计某个阈值的降水的分数区域覆盖，其最优值为1。其次，威胁分数（TS）用于测量模型预测降水面积达到一定阈值的能力[15]; 也就是越大越好。第三，模拟缺失率（PO）用于根据事件的实际发生情况指示某一阈值的非预报降水比例; 也就是越小越好。第四，NH用于指示在实际事件没有发生时某个特定阈值的降水预报的比例; 也就是越小越好。

BS，TS，PO和NH定义如下：

其中M是模拟降水的阈值量的点数，O是观测到的阈值量的点数，H是模拟和观测阈值降水的点数，NC是点那些阈值量是观测到的但不是模拟的点数，NB是模拟阈值降水但未观测到的点的数量。用于每月累计降水的阈值量为30毫米，50毫米，60毫米，100毫米，150毫米，200毫米，250毫米和300毫米，每日累计降水量的阈值为10毫米。

4.结果

4.1降水验证

降水的再现对于区域气候降尺度应用至关重要。 图2显示了三个WRF运行预测每月累计降水量的降尺度技巧。根据每月的TRMM 3B43观测资料，降水量主要发生在东亚夏季风季风区，西北地区相对较干旱。降水的最大值出现在5月份的中国南部地区和6月份的长三角地区。

三次WRF模拟再现了降水分布。然而在5月份，无逼近的WRF模拟方案模拟中国南部和中国西南地区的降水量过高，而与TRMM相比，在中国北部和中国东北部又都太干燥。6月份，中国北方，中国南部和中国西南地区的模拟降

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[22055]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章