文摘

物理模型性能和敏感性模型选择研究天气的研究和预测模型(3.1.1版)在印度德里地区表面和高空气象参数在夏季和冬季的季节。一个案例研究与模型进行了不同的配置,和物理最好选择适合本地区,确定。比较估计和观测数据通过标准进行统计的措施。一般来说,Pleim-Xiu地表模型的结合,Pleim表层计划,和不对称的对流模型被发现产生更好的温度和相对湿度对德里地区的估计。风速和风向估计观察对MM5相似性最好表层连同延世大学边界层方案。嵌套域与更高的分辨率并不有助于提高仿真结果根据当前数据的可用性。总的来说,目前的案例研究表明,该模型在亚热带地区的表现相当不错。

1。介绍

数值天气预报模式有不同的物理参数化配置选项。随着模型变得越来越复杂,更多的物理过程可以被纳入,还有一系列的物理方案,可以用来模拟。因此,数值天气模拟的基本步骤之一是选择最好的物理设置选项下的地区和时间考虑。无数敏感性研究一个或多个物理WRF模式的选择已经在世界各地的西班牙等(1),日本和韩国2],阿拉斯加[3),南美洲(4美国西部),(5],美国南部[6],西非[7),和其他人。在印度,一些敏感性研究WRF已经开展的主要关注极端事件像雷雨8),热带气旋(9),和极端降水(10- - - - - -12]。目前的工作是一个案例研究,试图应用气象研究和预测模型的几个物理选项(WRF v 3.1.1)亚热带地区,也就是说,在印度新德里,检查模型敏感性和评估模型的性能适合于这个地区。

2。模型和配置

2.1。WRF建模系统

为中尺度天气的研究和开发预测模型建模和支持的“社会模式”,也就是说,一个免费和共享资源分布式开发和集中的支持。其发展是由NCAR, NOAA / ESRL和NOAA / NCEP / EMC与伙伴关系和合作与大学和其他政府机构在美国和海外。高级研究WRF (ARW)动力核心有一组方程完全可压缩,欧拉和nonhydrostatic运行时水压option [13]。是保守的标量变量。模型使用地形跟踪,静水压力垂直坐标模型的顶部是一个恒压表面。水平网格是Arakawa-C网格。时间集成方案的模型使用三阶龙格-库塔计划,和空间离散采用2 - 6阶方案。模型支持理想化和真实数据应用与各种横向边界条件的选择。模型还支持单向、双向和移动鸟巢选项(14]。

2.2。模型配置

有各种选项的物理参数化关键边界层现象在这个模型中微观物理学(我),(2)积云参数化(CP),(3)表层(SL) (iv)陆地表面模型(LSM)和(v)行星边界层(PBL)。本研究抓住了上面所有的物理参数化各种选项代表所有这五个类别。基于这些模型实验详细表1。接下来的部分描述的物理参数化在每一类(15)和他们的考虑模型模拟研究中。

表1
模拟研究中使用的选项。
2.2.1。粒子物理学

粒子物理学包括明确解决水蒸气,云,和降水过程。的几个粒子物理学模型的方案,选择适合高resolution-domain选为最内层的域是2公里的一项决议。这些包括普渡林计划(16(WSM6)[]和WRF一次性的6级方案17]。然而,一个相对简单的埃塔微观物理学option [18)也被选作比较。

2.2.2。积云参数化

积云参数化方案负责subgrid-scale对流的影响和/或浅云但是是有效的只有等粗网格尺寸大于10公里。时3 d合奏积云模式最适合目前的分析,因为它适用于高分辨率域允许沉降在邻近的列。除此之外,Kain-Fritsch计划(19)也被认为是对模型试验由于这是运用最广泛的选择积云参数化。

2.2.3。表层和行星边界层

表层方案计算摩擦速度和交换系数,使计算表面热量和水分通量的陆地表面模型和表面应力行星边界层(PBL)计划。培养方案确定摊位和边界层内的通量资料和稳定层,从而提供大气温度的趋势,水分(包括云)和水平动量在整个大气列。在某些情况下,一个表层的选择与一个特定的边界层的选择。在目前的研究中,所有适用于WRF表层计划,也就是说,MM5相似(20.],埃塔相似[21],Pleim-Xiu表层[22],QNSE表层方案已经使用。默认的边界层方案Mellor-Yamada-Janjic计划(21)而其他选项,尝试是延世大学计划(23)(表层与MM5相似),不对称的对流模型(ACM2)计划(与Pleim-Xiu表层)[22),而利用规模消除(QNSE)出版广播公司。其他培养计划如BouLaC PBL和莱斯PBL适用于他们的特殊情况有关,因此没有在本研究进行测试。

2.2.4。陆地表面模型(LSM)

陆地表面模型(lsm)起着重要的作用在构建土壤温度和水分的概要文件和树冠属性。因此,地表计划工作作为燃料对大气过程或换句话说提供迫使从地面到下部的边界层随后被运到其他的气氛。lsm使用从表层大气信息方案,辐射强迫的辐射方案,并从粒子物理学和对流降水迫使计划,连同内部信息在陆地上的状态变量和陆地表面属性,提供热量和水分通量在陆地上分和海冰点。

这些通量提供较低的垂直运输的PBL边界条件。所有适用的lsm WRF,诺亚地表模型(默认),RUC地表模型,Pleim-Xiu地表模型应用于模拟。简单的五热扩散计划还没有测试,因为它只包含土壤温度。同时,由于面积分析是一个亚热带地区,部分海冰方案(需要积雪数据)并没有被考虑。

在目前的研究中,总共有9个为每个赛季进行了模拟。一组默认的方案是固定一个模拟也被任命为例1。的基础上所使用的更广泛的选项,默认情况下被固定为普渡林计划(16)对于粒子物理学,Kain-Fritsch计划(19积云参数化),埃塔相似理论(21为表层,诺亚地表模型24,25],Mellor-Yamada-Janjic行星边界层。此后,采用不同的选择对于一个给定的物理类别选项其他物理类别视为常数。表1列出了用于模拟各种选项。总之,除了配置在默认情况下仿真(模拟。1),两个模拟微观物理学(模拟没有变化。6、8)三个模拟表层方案(模拟。2、4、7),两个模拟lsm(模拟没有变化。3、7)、三个模拟表层方案(模拟。2、4、7),三个模拟PBL模式(模拟。4、5、7),一个为积云参数化仿真(模拟。9)测试。快速辐射传输模型(RRTM)长波辐射方案(26]和Dudhia [27]短波辐射方案已经应用到所有模拟。

3所示。域模型和仿真

图1显示本研究用于建模的领域。父域(D1)涵盖了印度次大陆与18公里的空间分辨率。域是一个半岛北部地区在喜马拉雅山脉。第一个嵌套域(D2)构成了印度北部地区解决6公里。第二个嵌套域(D3)下的面积分析,涵盖了德里的城市国家首都地区和环境领域解决2公里集中在28.52°N和77.12°E。D3位于亚热带气候区(Keppen分类:公告)。地质,这个地区是有界的恒河冲积平原北部和东部,西部的塔尔沙漠和老Aravalli山南部的范围。有山脊沿着NNE-SSW趋势方向构成小面积新德里的地形,否则一般平(28]。季节性的,可以分为四个主要阶段。夏天是紧随其后的是3月到6月经历了几个月的季风数月的7月,8月和9月。Postmonsoon月10月和11月,该型号的时期构成了冬季。最高温度范围从41 - 45°C在夏季用电高峰和冬季的最低气温在3 - 6°C的范围Dec.-Jan最冷的时期。在目前的研究中,夏季和冬季条件下模拟了在每个季节中大约两个星期。从2009年4月29日00:00 UTC时间2009年5月14日00:00 UTC被选为夏天而冬季模拟仿真时间从2009年12月25日00:00 UTC时间2010年1月9日00:00 UTC。选择模拟时期高峰时期的代表各自的季节,没有记录的降水。每个模拟被认为是向上的第一天,剩下的14天进行了分析。模型是33的垂直分辨率水平压力从976 mbar 54 mbar。 Up to a height of 2.2 km, there are 10 levels spaced at approximately 0.24, 0.32 0.42, 0.55, 0.7, 0.91, 1.16, 1.49, 1.87, and 2.26 km.


图1
域模型。

4所示。数据和分析

美国地质调查局的24类土地利用分类数据用于插值地形和土地利用的空间分辨率30′′。NCEP最终分析资料(新兵)分辨率1°是用作初始和边界条件输入到模型中。这些数据集的来源是从WRF模式可供下载的网站(http://www.mmm.ucar.edu/wrf/users/downloads.html)。从模型中生成的输出每30分钟。表面变量的数据用于验证来自http://www.wunderground.com/。本网站收集天气条件直接从气象站位于不同国家由政府机构和拥有国际机场(29日]。在德里,印度有两种航空气象站的气象部门,是世界气象组织全世界的气象信息服务的一部分。首先是航空气象站位于新德里英迪拉甘地国际机场(28.57°N, 77.12°E)将被称为“站1”以后在这个文本。在德里地区,这是唯一的位置数据可以在公共领域在30 - 60分钟的间隔。萨夫达君机场其他气象站在(28.58°N 77.2°E)和表面数据,这个网站是可以在3小时间隔。本站将称为“站2”以后在这个文本。观察使用标准制定的技术和实践世界气象组织(30.]。统计相关性得分等措施( )、根均方误差(RMSE),部分偏差(神奇动物),估算值的数量在2 (FAC的因素2)[31日,32)已被用于评估模型的性能。这些措施的值为所有关键气象变量估计表面,即温度、风速、相对湿度为每个模拟。

站2也是无线电探空仪测量的来源已用于分析高空变量如温度和风速。高空两每天测深数据可用。观察到的高空数据已经从一体化的全球无线电探空仪访问存档的国家气候数据中心33]。

5。结果和讨论

5.1。表面的变量
5.1.1。温度和相对湿度

统计学评价两站1和2提出了表2,3,4,5在每种情况下的最佳值获得的都写在大胆。它可以指出,模拟7满意地适合温度的统计评价报告至少rms和部分偏差和最高温度与观测数据的相关性。图2显示昼夜变化的观察和估计每小时平均表面温度模拟7在整个研究期间由14天每两个夏季和冬季的季节为观察点。前面板显示每小时变化站1和底部面板显示3小时站2变种。总的来说,有一种普遍的倾向overprediction白天温度的平均值而underprediction夜间温度在夏季期间。然而,显示一致的overprediction过冬期;然而夜间预测远比白天更接近观测预测。不同的研究在过去的观察到两个underprediction [6,34和高估7,35对温度),但本研究的结果是最接近一个汉娜所指出的et al。36)这是在俄克拉荷马州和堪萨斯州(美国)在白天,在夜间观察低估和高估。在印度,Das et al。37)观察underprediction温度在季风季节。

表2
夏天的统计学评价模拟,站1。
(一)
(一)
(b)
(b)
图2
比较观察和模拟(仿真7)表面平均温度为station1站2。

模拟Pleim-Xiu 7是一个实验性的情况(PX)地表模型,Pleim表层计划,为PBL和非对称对流模型。PX LSM加上ACM2 PBL和Pleim表层方案已经发现适合扩展模拟(即。,more than a week such as in present study) where the indirect soil moisture and temperature nudging scheme leads to more accurate near-surface meteorology [22]。

总的来说,相对湿度是由所有模拟模型低估了积极的部分偏差表所示2- - - - - -5。与温度、相对湿度也有些研究发现高估如地中海地区(1等),而另一些人发现underprediction在干燥的非洲西部7]。

表3
冬季模拟的统计评价,站1。
表4
夏天的统计学评价模拟,站2。
表5
冬季模拟的统计评价,站2。

为相对湿度,模拟7是表现最好的模拟夏季和冬季持续至少RMSE和FB最高 和前沿空中管制官2。PX LSM的模拟土壤水分和温度的演变在两层(0 - 1和1 - 100厘米);树冠水分由算法逼近土壤水分和土壤温度。耦合ACM2 PBL的算法允许从涡流扩散在稳定条件下平稳过渡到结合本地和外地运输在不稳定的条件。这使得这种组合非常适合运输中的水分通量PBL一致。

从上面的讨论,可以得出的结论是,模拟7执行最好的温度和相对湿度。

5.1.2中。风速和风向

风向可以更好地通过风玫瑰图表示为各个方向与风速可以清楚地显示出来。风玫瑰已经建造了夏季和冬季模拟时期的数据3和4站1。因为每小时的数据是不能用于站2,它没有包括风向玫瑰图分析。然而,风速的统计分析可用于估计都站在表1和22- - - - - -5。模型的一般趋势overpredict风速观测到所有模拟也被观察到在许多早期的研究(1,2,4,36]。如前所述在早先的研究中,风速是影响当地波动尤其是在高度不稳定的条件下,比如在夏天6),因此风敏感性往往有更多的“噪音”38]。尽管如此,在目前研究中,模拟4清楚地显示了最佳性能在所有9例为夏季和冬季条件两站。重大违约情况下和模拟4的区别在于两个PBL计划使用,也就是说,本地和外地的方法,分别。YSU方案(用于模拟4)考虑从大型涡流动量和质量传递,而MYJ方案(在默认情况下仿真)决定湍流扩散和局部(7,39]。











图3
夏季风玫瑰站1的模拟。










图4
风玫瑰站1冬季模拟。

风向,身为一个角量,没有统计分析,因为统计措施基于算术的观察和估计量之间的区别并不适用于向量参数如风向。从风玫瑰,然而,它可以指出模拟4是最接近观察模式方面的方向和速度为夏季和冬季(数字4和5)。

(一)
(一)
(b)
(b)
(c)
(c)
图5
比较观察和估计的区别(在不同的域决议)温度、风速和风向,相对湿度站1。
5.2。域分辨率的影响

WRF适合使用跨尺度从米到数千公里(http://www.mmm.ucar.edu/wrf/users/)。模拟计算昂贵在高分辨率的域。因此,比较模拟在不同领域的决议进行本研究。数据5和6显示时间序列观测值之间的差异,表现为每个变量,模拟,温度模拟(7)、风速(模拟4),和相对湿度(模拟7)在不同域决议(d01: 18公里,d02: 6公里,d03: 2公里)为夏季站1和2,分别。从时间序列图,很明显,解决2公里并不显著提高仿真结果相比,18和6公里分辨率情况下。18公里分辨率,观察位置点和模型网格点之间的直线距离约932米,而分辨率2公里,这个距离是117米。观测和模拟值之间的差异在这些站非常相似,即使获得输出分辨率18公里或6公里分辨率。冬季期间也获得了类似的结果,虽然情节在这里没有显示。更高的分辨率,需要对某些研究当地环境温度和空气质量研究和改进模型的输入应提供此类案件。改进的模型模拟在更高的分辨率也许需要更好的模型输入finer决议等气象参数,土地利用数据和同化与更多的本地数据源。

(一)
(一)
(b)
(b)
(c)
(c)
图6
比较观察和估计的区别(在不同的域决议)温度、风速和风向,相对湿度站2。
5.3。高空变量
5.3.1。在边界层温度和风速剖面

图7描绘了高度和温度边界层的两天的夏天(模拟7)在0530年和1730小时(当地时间5月1日和5月8日,2009年。估计资料相当接近为所有考虑的情况下观察到的概要文件。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图7
温度曲线选择天:2009年5月1日和2009年5月8日在1730是0530。

节中解释5.2,风速深受地方因素,因此不适合点观察和验证。然而,有一个大致的性能模型的风速的垂直剖面,剖面得到从模拟两个夏天(图48)。偏差模拟剖面的观察资料随着高度的增加而增加。这种趋势也被观察到在一些早期的研究(2,36]。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图8
风速剖面的选择天:2009年5月1日和2009年5月8日在1730是0530。

6。结论

正如在前面的章节所讨论的,没有单一的物理组合选项执行最佳的气象参数。然而,目前的研究显示,选择适合冬季和夏季条件下不同的气象变量在亚热带环境中。温度和相对湿度是最好的估计耦合Pleim-Xiu ACM方案虽然风速和风向是最好由MM5模拟表层LSM和YSU PBL模式为夏季和冬季季节。因此,所选择的模型配置应该从客观的角度进行的研究。表现最佳的温度和相对湿度的选择可能会更好地工作fog-related研究而表现最好选择风速可以执行更好的分散研究。本研究的主要结论如下。(我)案例研究对不同物理选项适用于WRF(3.1.1)版模型表面,夏季和冬季的高空气象参数对亚热带地区的德里已经完成。(2)表层的选择,总体而言,地表模型,和行星边界层方案被发现有更多的对输出的影响相比,粒子物理学和积云参数化两个季节。(3)给定参数识别模型选择和季节有利于特定模型应用程序。MM5-YSU组合适用于风速、估计和Pleim-ACM组合提供更好的温度和水分。(iv)嵌套域(18日6和2公里)和更高的分辨率并不有助于提高仿真结果根据当前数据的可用性。(v)总体而言,目前的案例研究表明,该模型性能令人满意的亚热带地区德里。

确认

目前的研究是研究项目的一部分”造型大气化学与光化学烟雾在德里”由科技部(DST),印度政府(DST没有:SR / S4: 249/05)。第二作者承认从DST初级研究奖学金支持。