文摘

WRF中尺度大气模型使用三斯瓦尔巴群岛冰川。模拟完成模型的设置对应于极地的最先进的模型条件下,极地WRF,使用表面观察验证。ERA-Interim再分析是用于边界强迫和模型使用三个嵌套域小,24日和8公里,2.7公里分辨率。该模型用于两年以及更详细的研究使用3夏季和冬季。除了使用更好的灵敏度测试水平和垂直分辨率的边界层和使用不同的物理方案进行。温度和传入的短期和长波辐射被巧妙地模拟,较低的测量和模拟风速之间的协议。增加垂直分辨率提高了频率分布的风速和温度。选择不同的物理方案稍微改变模型的结果。的polar-optimized微观物理学方案优于稍微简单的粒子物理学计划,但两种和更复杂的PBL模式改善了模型的分数。培养方案为非常稳定的开发层次(QNSE)被证明是更好的在冬天。

1。介绍

斯瓦尔巴群岛经历了一个显著变薄的冰川质量在上个世纪,贡献了约0.026毫米年−1海平面上升在过去的50年1- - - - - -4]。结果是,峡湾系统的分层和循环响应增强的淡水供应由裂冰冰川融水和冰山(5]。关于斯瓦尔巴特群岛海冰显著变化也观察到,永久冻土,或陆地和海洋生态系统6- - - - - -10]。变薄和撤退的斯瓦尔巴群岛冰川可能是全球变暖的影响出发后小冰河时期和北极变暖的过去十年,可能是一个人为温室气体的影响迫使[11]。斯瓦尔巴群岛也经历了自1960年代以来降水显著增加(12]。最近几个项目发起,以更好地理解这些检测到的环境变化和北极冰冻圈的反应(例如,SVALI;http://www.ncoe-svali.org或SvalGlac;http://svalglac.eu)。SVALI(北极的陆地冰)的稳定和变化是一个北欧卓越中心,由北欧部长理事会,与重点研究气候变化和冰冻圈之间的相互作用,关注在北极冰川/北大西洋区域。SVALI的任务是提高知识的边界效应和大气之间的流程及其参数化和冰冻圈提供更好的预测未来的在北极的冰川系统。

降水、温度、湿度、风、辐射和湍流热通量是关键气象因素决定的质量和能量平衡冰雪。北极地区,然而,很容易一个臭名昭著的缺乏相应的测量数据。因此,早期GCM和全球可利用数据视为重要来源进行分析这些区域的天气现象和气候。同时这种越来越基于统计或动态缩减规模对地区级的核大气模型的输出(rcm)。毫无疑问,然而,观测数据仍然发挥重要作用过程研究中,数据同化,或验证模型的结果。

的技巧突出全球或区域气候模型模拟北极大气被众多调查验证和模型相互比较研究[13- - - - - -20.]。有关重大努力,精心设计和协调的观测和模型相互比较项目(示巴,北冰洋表面热量平衡,Perovich et al。21];ARCMIP、咖喱和林奇(15])。这些研究证明了rcm的进步的技能来模拟近地表空气的时空结构和演化特性而另一方面揭示一些仍然保持冲突。大致总结intermodel比较,例如,Tjernstrom et al . 2004或林可et al。2005 (16,18),季节性气候模式被认为是巧妙地再现模型。模拟近地表变量(压力、空气温度、湿度和风速)同意与观测精度下降序列。这基本上是适用于表面的辐射通量,而湍流热通量相当不可靠。另一方面,一些错误,如湍流热通量长期基础上弥补他们的错误。进一步发现,在长期的一些错误倾向于补偿(湍流热通量),单一模型表现明显好于一个的意思是根据调查参数,季节和地区。

RCM模型输出的可用性也孕育出了特有的大气现象和过程的调查北极(22- - - - - -27)从而主要解决重力风和相关地形效应(风屏障,沿海飞机)以及边界层特性(重力波,气溶胶分布)。此外输出高分辨率气候模型还可以直接耦合到冰川质量和能量平衡模型,作为地球上大冰盖的证明(28- - - - - -31日),目前正在进行了斯瓦尔巴特群岛(Van Pelt et al。32])。

本研究的目的是执行气候模拟应用WRF在斯瓦尔巴特群岛(气象研究和预测)模型域和验证模拟的技能与AWS(自动气象站)观察三个冰川在斯瓦尔巴特群岛上。WRF是一种先进的中尺度大气模型和模拟大气过程能力与高空间和时间分辨率33,34]。发展的一部分集中在WRF物理方案的优化来提高仿真的条件在格陵兰岛和南极冰盖。这个版本被称为极地WRF [35),在很大程度上是基于经验从前体模型(极地MM5, [23])。与此同时它也占效果的最佳代表在北极海洋(36和北极的陆地表面37]。因此极地WRF证明最有价值的普遍的北极环境的调查(38- - - - - -40)包括斯瓦尔巴特群岛地区(41- - - - - -44]。

后者研究了地形的重要性低水平射流的形成在斯瓦尔巴特群岛南端的(里夫和Kolsted 2011 (44]),近地表气象参数的空间变异性和流程在斯瓦尔巴特群岛峡湾(Kilpelainen et al . 201141)和Makiranta et al。43])。后者表明,尽管高横向分辨率(1公里)的繁殖模式的挑战,例如,观察风向分布。这主要是由于当地的地形和海冰的描述不足。WRF模式输出表现更好空气温度比风力为特征的RMSE 1°C和3 m s−1,分别。

WRF模拟关注斯瓦尔巴群岛冰川都在进步,但验证有关AWS测量尚未出版。然而,初步案例研究演示的主导地位下降风Kongsvegen地区冰川和他们的反应当地的地形和上层气流(45]。研究显示缺陷模拟边界层温度曲线和飞机结构的峡湾是写给不足表层过程的参数化。

本文提出一种更全面的调查技能的模型。工作目标识别的改进对模拟大气条件在斯瓦尔巴群岛冰川为了应用模型输出进行调查的质量和能量平衡的斯瓦尔巴群岛冰川气候角度。我们也想知道水平分辨率需要解决当地的地形。敏感性分析是通过改变执行(a)模式的垂直分辨率最低1500米,(b)的水平分辨率900本地的网站一个AWS和(c)包括不同积雪反照率和通过改变物理方案(湍流和粒子物理学)。WRF决议24公里,运行8公里2年了,在2.7公里3冬季和夏季,900 m分辨率和更高的垂直分辨率为7月和1月最低1500。这是迫于ERA-Interim数据(46]在外侧边界,以及海面温度(SST)和冰层覆盖。验证了模型输出数据与aws放在三斯瓦尔巴群岛冰川(Kongsvegen、Nordenskioldbreen Vestfonna)测量空气温度、风速、特定的湿度,传入和传出的短波辐射和长波辐射期间2008 - 2010。降水分析是推迟到以后调查。

2。模型和测量

2.1。WRF
2.1.1。模型设置

在这次调查我们使用大气模式WRF版本3.2.1在斯瓦尔巴特群岛地区(33,34]。WRF模式是一个开源模型(http://www.mmm.ucar.edu/wrf/users/)广泛应用于研究和范围100公里是有用的个人云尺度1 - 5公里。我们使用高级研究WRF (ARW)动力学解算器,这是一个nonhydrostatic模型完全可压缩欧拉方程和集成了一个三阶龙格-库塔方案。重力波和声波解决较小的时间步长。模型的顶部设置在一个恒压(50 hPa)和28垂直地形跟踪Eta-coordinate表面主要的模拟。温度、水平风和湿度计算之间的水平(Arakawa-C网格),增加到27的水平。主要有8个模拟水平低于ca 1500,最低的两个水平26岁和90米。敏感性研究与高分辨率低于1500米有12水平低于1500米,3低于100米,和最低的两个11和38米,31岁的水平。

我们利用WRF模式在三个领域。与24公里分辨率模拟父域时,初始和边界迫使ERA-Interim archive字段使用每6 h。大气条件的档案代表一个再分析每6小时,由ECMWF的集成预报系统(IFS)和用于人员的成员国http://ecmwf.int/services/archive/。数据的温度、风和相对湿度从50到1000 hPa不同压力水平。较低的初始边界条件包括土壤温度和水分从两个层面,海温,海冰,表面和海平面压力,和近地表风速,温度,湿度。海冰的事实可以覆盖网格单元是占一小部分,这意味着气象参数计算了水和冰是为每个网格根据海冰分数加权。

因为数值不稳定的问题,可能造成陆地/海洋掩蔽ERA-Interim之间的不兼容性和地理数据来自美国地质调查局(USGS)、风场的时间演化和海冰是由做为期10天的连续运行。在每次运行海冰和SST是常数。较低的土壤温度边界ERA-Interim(低于1米深度)被发现太高(订单20°C),但这只是在每次运行的初始化。在以下时间集成土壤模型完全耦合到大气中的一部分,因此土壤温度表面温度迫使动态调整。然而,土壤温度预计不会有重大影响2 m温度由于雪的隔离效果。结果从最初的时间没有使用的分析步骤。这可以解释为允许模型旋转3 h。使用ERA-Interim数据而不是NCEP再分析气候预报系统(CFSR)数据是出于ERA-Interim使用的四维同化与3 d同化用于CFSR和CFSR 2010年1月结束。

最大的领域与24公里水平分辨率覆盖整个斯瓦尔巴群岛。我们只使用单向嵌套技术意味着来自父域的信息传递给内部的巢穴。这种方法很常见,通常避免稳定性问题时可能出现使用双向嵌套过程(47]。第二个嵌套域的网格分辨率8公里。最里面的域的主要运行的分辨率8/3公里(以下称为2.7公里)。在敏感性分析中从一个冬季和夏季月内部8/9公里分辨率域集中在Nordenskioldbreen(以下简称900)使用。该网站被选中,是因为它的更复杂的地形,相比其他AWS网站。模型中的时间步长自适应,大约432秒的巢24公里,大约30年代8公里的巢。2.7公里的鸟巢模拟是由降尺度8公里仿真。这使时间步只要48。900年代决议保持在15秒的时间步。输出字段存储每3 h。 Model domain set-ups are shown in Figure1这也显示了具有较高分辨率的提高地形表示。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图1
模型领域的巢24公里(一),(b) 8公里,2.7公里(c)和900米(d)分辨率,分别。地形轮廓线显示地形200等距离(超过1200 (c)和(d))和数字代表网格点。AWS网站标记在(c) (A) Nordenskioldbreen, Kongsvegen (B)和(c) Vestfonna。

的主要运行进行polar-optimized物理根据极地WRF物理(35]。湍流和粒子物理学计划互换敏感性研究发现可能的改进。注意polar-optimized WRF极地WRF本身不应被混淆,也占不同变量海冰厚度和雪在海冰厚度以及季节性融化时期不同冰雪反照率。对比极地WRF和WRF版本用于这个调查是设想在将来的研究中。

2.1.2。物理方案

的物理方案中使用的主要运行选择反映这些发展的极地WRF [31日]。短波辐射计算的戈达德短波计划(48有11个光谱波段,占扩散和直接的太阳辐射。散射和反射分量都占了。长波辐射使用快速辐射传输模型(RRTM) [49开发更好的代表晴空条件)。Grell-Devenyi合奏(50)对流参数化方案是利用积云方案。质量流量的方案类型和运行在每个网格使用不同的静态和动态控制。这一过程给出了总平均的144种不同的对流计划提供反馈到模型中。对于粒子物理学莫里森double-moment计划(51使用)。该计划包括六个摘要:蒸汽,云滴,冰云,雨,雪、霰/冰雹。当预测数量浓度和混合比(双)、粒度分布以及解决。这有助于微观物理学的进程和云计算的分布。粒度分布是使用伽马函数处理。

湍流边界层参数化使用Mellor-Yamada-Janjic (MYJ2.5)行星边界方案(52,53]必须运行与埃塔表层计划(52,53]。MYJ方案包含一个非奇异的实施Mellor-Yamada水平2.5湍流闭合模式(54],活跃在PBL和自由的气氛。埃塔表层方案是建立在相似理论(55]。

在所有WRF支架诺亚陆地土壤温度和湿度模型(LSM) (56使用)。方案提供合理和潜热通量边界层和能够预测积雪。模型4土壤层次在不断深度10,30岁,60岁,100厘米。这些转化成雪,雪属性相关,在斯瓦尔巴特群岛deep-snow-covered冰川等领域。在雪密度设置为0.2公斤米−3冰雪反照率,0.8,0.7,冰川反照率。斯瓦尔巴特群岛上积雪的密度较高,0.3到0.4公斤米−3,因为飘雪和沉降过程(32,57]。在敏感性分析在目前的研究中每月的气候学的反照率的值被应用。

敏感性研究WRF一次性的6级(58)是利用。这个方案有相同的水文气象莫里森计划,但只包括混合比率,而不是粒子数浓度。这个方案已经被威尔逊et al。40北极系统再分析。PBL动荡,表层计划QNSE或MYNN2.5方案,分别。QNSE方案(拟正规规模消除PBL /表层)(59)是一种 模型,但使用稳定分层区域的新理论。它占各向异性湍流和内部重力波,不是基于雷诺应力模型的缺点在非常稳定的层次。这个方案被成功测试Kilpelainen et al。60在斯瓦尔巴特群岛)在两个峡湾。MYNN水平2.5方案(录像和Niino61年])包括湍流的更好的互动与粒子物理学和辐射PBL,相比MYJ2.5方案。

2.2。测量

模型验证与表面观察从三个自动气象站(aws)位于三个不同的冰川,也就是说,Nordenskioldbreen (NB, 78°41 39′′′N, 17°09年22′′′E, 530 a.s.l。), Vestfonna (VF 79°56′03′′N, 19°08年11′′′E, 305 a.s.l),和Kongsvegen (KV、78°46 49′′′N, 13°9′22′′E, 537 a.s.l。)。参见图1 (c)这些冰川的位置,代表中央,北部和西部的斯瓦尔巴特群岛。特写图如图所示2。

(一)
(一)
(b)
(b)
(c)
(c)
图2
AWS的(a) Nordenskioldbreen 50 m等高线(由理查德·佩特森),(b) Kongsvegen拥有100等值线(62年)(Florian圆锥形石垒修改),(c) Vestfonna 25 m等高线(由理查德佩特森)。挪威极地研究所的DEM数据(NPI)。

Nordenskioldbreen(图2(一个))的一个主要出口冰川的ca 600公里2大型Lomonosovfonna冰原消耗向Billefjorden Isfjorden的内在部分。冰川长约5公里宽17公里,横跨193公里2。AWS位于中央冰川的流动行,由陡峭的斜坡在北(De Geerfjellet 1023米海拔和Flemingfjellet, 1124 a.s.l。)和韩国(Terrierfjellet, 1211 a.s.l。),分别。冰川的方向向下的斜坡在AWS站点是西南。当地地形的直接附近AWS相当光滑均匀,而在大范围内表面相对粗糙,由于冰塔和开放的裂缝。窝Ouden et al。63年)和Van Pelt et al。32)提供更多细节关于地形和AWS的位置,这是代表冰川消融区就越高。网站的描述,提出了实时数据http://www.projects.science.uu.nl/iceclimate/aws/。

Vestfonna(图2 (c)斯瓦尔巴特群岛)是第二大冰盖(2400公里2)覆盖Nordaustlandet西部。AWS位于西部斜坡的冰帽。当地地形的直接附近AWS是光滑和均匀。网站的特点是北西风方面和位于冰盖的消融区。更详细的地形特点和仪器可能从[检索64年,65年]。

Kongsvegen(图2 (b))是一个长期的基准斯瓦尔巴群岛冰川质量平衡测量。冰川是源自一个鞍形连接到南流动Sveabreen (800 m a.s.l。)和流入Kongsfjorden。它占地102公里226公里的长度,山坡上有一个北西的方面。AWS Kongsvegen是代表平均冰川平衡线高度,表面几乎是光滑和均匀。最接近地平线的障碍物Dronningfjella (1263 m a.s.l。)约6公里,北部和Gjerstadfjellet (1006 m a.s.l。)约5公里。更多细节关于冰川的地形特征和测量站点记录(例如,在66年])。

地表条件这三个网站的特点是雪在冬天,光秃秃的冰在夏季除了Vestfonna和Kongsvegen 2008年雪没有融化。Vestfonna冰表面上是2007年在August-September无。Kongsvegen Nordenskioldbreen,雪冰转变通常发生在5月和9月。表面粗糙度通常是高在夏季由于微分冰层融化和融水形成的通道。

研究集中在验证后模型的输出参数与AWS测量空气温度、风速、特定的湿度,传入的短波和长波辐射。大多数气象变量类似仪器测量的三个网站。Kipp和Zonen CNR1仪器被用来衡量传入和传出的短波和长波辐射在所有网站。由年轻的风风速和风向测量监控RM 05103。湿度和空气温度测量使用Vaisala HMP45A探测器安装在自然通风的盾牌(Vestfonna和Nordenskioldbreen)而人为通风设备(Rotronic Hygroclip) Kongsvegen现场。使用湿度传感器校准测量相对湿度对水和数据转换引用冰基于饱和蒸汽压力的比值。平均每小时的数据被存储到坎贝尔科学。CR10X CR23X伐木工和通常在春天访问的网站进行维护。

气象数据收集的AWS Nordenskioldbreen用于本研究从2009年3月至2010年3月。不幸的是,温度读数是错误的在2009年的夏天(7月至11月)。这也影响了湿度、长波辐射,和雪高度读数。这段日志记录器使用温度。为此日志记录器温度与空气温度使用线性回归( )。使用这种方法,估计时期气温高太阳能输入可能被高估了5°C。所有的测量Nordenskioldbreen表面观察到大约4.5米。观察Kongsvegen和Vestfonna从2007年1月至2010年12月和2007年5月到2009年4月,分别。Vestfonna所有参数测量的高度1.8米,除了风速测量的高度2米。在Kongsvegen空气温度和湿度测量约1米以下相对应的风速测量的高度3.5米以上的冰川冰。但是请注意,在冰川环境中仪器的高度高于表面不可避免的全年变化由于积累和融化的雪。为Kongsvegen举例说明这种网站,空气温度测量约0.9米雪(2008年5月),3.0米以上9月冰面。最初在2009年3月Nordenskioldbreen积雪深度为0.85米。测量不同高度没有纠正在这项研究中,因为缺乏知识的近地表温度剖面。 However, one can qualitatively argue that the 2 m temperature is higher than the recorded temperature when the measuring height is less than 2 m, as a surface inversion is common over the snow and ice surfaces.

在严酷的北极环境中测量施加进一步限制和增强数据的处理。在Kongsvegen,例如,室外温度的值范围−40°C + 20°C,湿度数据(视觉异常值)被移除。夏季高温峰Nordenskioldbreen,认为与错误短波辐射造成的变暖,是视觉识别和+ 5°C的上限被用来整理这些场合。风速小于0.5米−1由于仪器无法被正确地衡量这些低风也因为设备可能已经覆盖着冰。短波辐射数据超过1000 W−2被移除和潜在的雪在面对辐射计解决了反射率值高于0.95。长波辐射数据在Kongsvegen控制相比值计算根据Konig-Langlo和垒(67年)和0°C阈值计算表面温度(融冰),分别。剩余空白记录是由互相关关闭使用不受干扰的数据同时测量新奥勒松和冰川。

所有提到的不同的研究小组提供的数据详细应答。

3所示。方法

比较了使用模型的数据从一个四个网格点包围了AWS站。最近的网格点可能偏离AWS的高度,因此不是一个适合的比较。在选择网格点对应于一个AWS相关的观察和地形也被认为在某种程度上的偏见。如果没有显著区别网格点之间的相关性,使用最好的点重合的高度。看来风速变量是最敏感的位置。所得的地形高度(1)Kongsvegen: 278 a.s.l。(ERA-Interim), 424(24公里),639(8公里),607(2.7公里),(2)Nordenskioldbreen: 380 (ERA-Interim), 707(24公里),321(8公里)和648(2.7公里),607(900),和(3)Vestfonna: 260 (ERA-Interim), 188(24公里)和244米(8公里)。网格点的2.7公里分辨率由100%的冰川,而24公里网格点至少有53%被冰覆盖(Nordenskioldbreen)。

在很多领域的温度随高度和气候研究可以使用常数流逝率。后者并不是一个好方法在考虑昼夜循环的效果和稳定的复杂本质边界层,这是很常见的在北极地区。尤其在冬季时反演是常见的,高度的温度修正会计差异甚至会增加错误。在测试进行极地WRF格陵兰海恩斯和布朗(35]修正温度下降为0.0071 K m−1(68年使用了)。在Pohjola et al。69年),平均递减率−0.0044 K m−1被发现的研究领域。这里的温度既没有分析温度校正和−0.0044 K m−1递减率。aws之间的最大高度误差和WRF模式或ERA-Interim网格在这个调查是250,这相当于大约1.8°C。不同高度的AWS仪器测量温度不占。

调查如果WRF降尺度ERA-Interim相比提高了建模数据输出,2 m的WRF标准输出温度、2 m特定的湿度,10米风,传入的短波和长波辐射相比,平均每小时的观测aws每3小时。WRF与极地物理输出的技能进行评估的四个不同的决议:24公里,8公里,2.7公里,900)。24公里,8公里分辨率运行进行的2008年4月- 2010年3月,覆盖2年。因为有限的计算机资源2.7公里将在夏季模拟/ 3个月(6月、7月和8月=环流)2009年和2009 - 2010年冬季(12月、1月和2月= DJF)由3小时父母8公里域的边界条件。灵敏度仿真进行了夏季和冬季。额外的运行的改进的水平分辨率900模拟2009年7月和2011年1月。

灵敏度运行在不同的物理方案相同的物理方案被用于所有巢穴24公里2.7公里(900)。积云计划关闭的水平分辨率低于8公里。在垂直分辨率较高的仿真,我们期望的分层和风速剖面的边界和表层将更准确地模拟。在一个由索德伯格和Parmhed造型研究70年]下降风飞机在冰岛的冰川与周围地形复杂的垂直分辨率设置为2 m最低21 m而Mellor Yamada原培养方案(54使用了)。这是出于大型风力梯度表层。也稳定层表面很浅。

模拟数据进行了评估使用相关性系数( ),平均差(偏见),平均绝对误差(MAE)和技巧得分系数(SSC)。后(71年),我们把后者定义为绝对的均值差异模型数据和观察正常化与观测结果的标准偏差 :

4所示。结果

在下面的部分中输入ERA-Interim和输出从我们运行期间WRF 24和8公里数据2008年4月- 2010年3月。因为有限的计算机资源好2.7公里分辨率模拟只执行一个夏季和冬季期间,三分之二的aws的数据是可用的。因此时期环流在2009年和2009年DJF——被选出的2010位宾客。这个结果,Vestfonna排除在分析。也是希望更好的分辨率是其他网站更重要和更复杂的地形。在2.7公里的统计比较同一时期用于8公里。

4.1。改进的水平分辨率的影响

ERA-Interim给温度总体很好的相关性,可能由于天气气象站的数据同化,如朗伊尔城和Barentsburg。2年期与WRF模式模拟,ERA-Interim相比,只显示部分改进的偏见与AWS观测和相关性。成绩提高几乎增加分辨率(表2)。风速是清晰的降尺度WRF模拟风速增加能力。ERA-Interim不能捕捉风的变异性和相关性很低。

观察到的温度Vestfonna、Kongsvegen Nordenskioldbreen变化范围−35 - 6°C,−34到10°C,分别和−33 - 9°C。这些范围由ERA-Interim低估但细分辨率的提高,至少8公里。昼夜温度循环(图中未显示)被低估了WRF模式和更高的分辨率变得越来越小。比较这三个WRF决议(冬季和夏季)毫无意义,增加温度的相关性或偏差随分辨率(表3)。然而,偏差可以依赖的实际高度AWS点与模型。纠正这个( corr)通过应用温度递减率−0.0044°C / m(节中讨论3)偏差、美和SSC在一定程度上改善。这是更重要的ERA-Interim和粗分辨率仿真数据(表2夏季和冬季在表3)。看来,WRF模式失败尤其是模拟长波辐射大错误(图3(一个))。低估的入射辐射给大低估的温度模型,因为能量平衡。也有一种倾向,没有观察到温度最低的捕获和夏季温度的变化是低估了(图3 (b))。紧密耦合的温度和湿度温度基本上遵循同样的推理(授予的统计信息表4)。夏季湿度没有测量在Nordenskioldbreen(见部分2。2)。

(一)
(一)
(b)
(b)
图3
温度误差(模型观察)在Kongsvegen 8公里分辨率的功能,在传入的长波辐射(一)错误(模型观察)和(b)观察到的温度。

风速温度比2 m的问题分析。风速计的高度都低于10米aws和可能会低估了10米。因此可以估计一个10米从原始AWS风速风速的基础上,例如,Monin-Obukhov理论。考虑稳定的表层中所有不确定性的过程我们的分析基于一个非常简单的修正。风速增加了20%在Kongsvegen, Nordenskioldbreen 15%, 25%在Vestfonna应用。这个相对粗糙的修正是基于粗糙度长度, 毫米,适用在雪的表面(72年)和稳定分层Obukhov 50米的长度在Vestfonna Kongsvegen Nordenskioldbreen和100(更高的风速)。我们没有任何信息的实际大气分层(除了模拟)我们开始这个近似。修正的相关性,但不会改变偏见,梅斯,精原细胞。修正风的变化相对较好但高分辨率捕获倾向于高估的最高风速。这被认为是一个人工制品的应用不断修正预期更多的中性稳定在高风速。统计评估提出了表2夏季和冬季在表5。看来增加决议并不显著提高分数Nordenskioldbreen Kongsvegen。在Vestfonna更复杂地形增加分辨率更高(表产生积极的影响1)。这表明,2.7公里分辨率不足以解决重要的风速确定当地地形的特点更复杂的地形。这里的找到更好的结果与粗决议可能会因此成为一个人工制品,被随机性引起的网格点的位置和邻近的地形结构的分辨率。没有显著依赖于一定的条件下模拟风速时发现偏离。

表1
AWS网站细节与仪器。
表2
统计学评价温度和风力的2年期间(2008年4月- 2010年3月)。Kongsvegen记录在整个期间,Nordenskioldbreen记录从2009年3月到2010年3月(1年),和Vestfonna记录从2008年4月到2009年4月(1年)。 corr是高度修正温度。大胆的数据显示每个AWS的最好结果。
表3
统计学评价在夏季和冬季的温度2009 - 2010。大胆的数据显示每个AWS的最好结果。Vestfonna数据不习惯这里因为缺乏数据选择的时期。缩写corr表示高度修正温度。
表4
统计评估特定的湿度在夏季和冬季2009 - 2010。大胆的数据显示每个AWS的最好结果。Vestfonna数据不习惯这里因为缺乏数据选择的时期。
表5
统计评估风在夏季和冬季2009 - 2010。

但是很好地描述了风向。在图4风玫瑰显示Nordenskioldbreen和Vestfonna (Kongsvegen数据不可用)。很明显,WRF模式能够模拟重力或者其他坡风,即使我们不能没有说任何关于它的垂直剖面和量化值。注意,在考虑Nordenskioldbreen AWS的网格点位于南斜坡向西。由于复杂地形风方向的模拟更为分散。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图4
风玫瑰的观察和模拟风Vestfonna Nordenskioldbreen。注意,给定频率绝对(小时)。

由于高纬度地区的aws短波辐射是有限的夏季,还有午夜太阳的时候。传入的短波辐射,模拟和观察,很少超过600 W m−2。给出了统计在表6夏季和冬季,可以得出结论:8公里分辨率提高了相关性。然而,偏见和错误并不一定改善。过高的估计是最大最好的决议,这表明一个非线性问题。增加地形的复杂性的影响影响云所描述的,如果没有足够的分辨率可能诱发更多的云层中的错误,而粗分辨率。这里很明显,模型低估了云层。来自太阳的辐射穿透云层。模拟输入的短波辐射在云覆盖量条件也是非常重要的辐射平衡(73年]。WRF模式的性能和polar-optimized短波辐射方案在阴暗的但是不是在这个调查分析。

表6
在2009年夏天统计评价的短波辐射。大胆的数据显示每个AWS的最好结果。Vestfonna数据不习惯这里因为缺乏数据选择的时期。

表面能量平衡在即将离任的短波辐射和传入的短波辐射同样重要。即将离任的一部分是由表面反照率,这在目前的设置模型的常数0.8雪表面。图5显示了测量在Kongsvegen反照率,定义为传出和传入的短波辐射的比率,一起在2.7公里分辨率WRF反照率。在融冰季节通常反照率迅速下降,由于雪变质作用,增强水含量,杂质浓缩,例如黑色的灰尘沉积碳元素(74年,75年]。在极地WRF实现这些效果,但不是在WRF版本用于目前的调查。在这个模型版本反照率在Kongsvegen波动是由于融雪从而偶然地暴露了冰川冰的表面。注意,根据测量新的积雪反照率高于0.9,这不是被模型。因此很明显,不同的反照率还没有实际代表这是一个关键问题当模拟冰/ snow-air交换另一方面。内置的函数在WRF使用月度气候学的反照率值是应用在2009年6月夏季和测试。然而,这项研究并没有产生显著改善相比,使用在WRF表值作为标准。在Nordenskioldbreen变化在0.08和0.55之间,Kongsvegen在0.07和0.7之间。结果用2米高的温度却不显著影响,只有通过降低0.1°C的意思。昼夜温度变化降低了小于0.2°C。 It should here also be stated that the observations might not be completely representative to the model grid.

(一)
(一)
(b)
(b)
图5
Nordenskioldbreen反照率的时间序列(a)和(b) Kongsvegen。点是测量和线是WRF 2.7公里分辨率。

传入的长波辐射是非常依赖于是否天空是明确的或云覆盖。尤其是低云层增加传入的长波辐射,100 W m−2。表7显示了统计学评价在夏季和冬季。比如短波辐射8公里分辨率给更好的分数超过2.7公里。前讨论地形模型还没有解决的在这里也同样适用。从云的影响如图6,四个节点定义的能力模型来捕获或云的存在或nonpresence小姐。有些场合,模型,和低估了云层。看来,WRF模式模拟的平均云量很好但负偏压的秩序10 W m−2冬天冬天和较小的正面或负面的偏见。

表7
统计评价的长波辐射在冬季和夏季2009 - 2010。大胆的数据显示每个AWS的最好结果。Vestfonna数据不习惯这里因为缺乏数据选择的时期。

图6
散点图的长波辐射在2009年夏天Kongsvegen分辨率为2.7公里。
4.2。敏感性研究

一些敏感性模拟进行1 -或3个月夏季或冬季时期。总结了模拟表8与CPU时间。很明显,WRF6微观物理学需要较少的CPU时间相比更复杂的莫里森double-moment方案。QNSE和MYNN2.5方案比MYJ2.5计划需要更多的计算资源。进一步看到,精细的水平分辨率模拟计算机昂贵比增加垂直层最低的数量1500除以4。

表8
敏感性不同物理运行,反照率和分辨率。

不同的灵敏度分析模拟,除了反照率的分析,提出了在接下来的两个部分。

4.2.1。准备参数化方案的影响

的统计评估表中给出了不同的物理方案9,10,11,12。温度(表9)很明显,相关系数不显著改变,但QNSE方案是冬天稍好,而极地物理。MYNN2.5更好与夏天的观测和模拟的空气温度,而对微观物理学的选择方案。偏差和错误显示一些改进和遵循相同的模式偏好在冬季和夏季MYNN2.5 QNSE。在图7结果表明,不同的方案不改变分布在很大程度上。低和高温都常常被低估,但QNSE方案提供了最佳的分布。平均昼夜温度变化在所有模拟(图中未显示)被低估了,除了在Nordenskioldbreen MYNN2.5计划在夏天。总的来说,MYNN2.5方案提供了最大和最好的昼夜变化。

表9
温度在2.7公里分辨率。Vestfonna数据不习惯这里因为缺乏数据选择的时期。大胆的数据显示每个AWS的最好结果。缩写corr表示高度修正温度。
表10
风速在2.7公里分辨率。大胆的数据显示每个AWS的最好结果。Vestfonna数据不习惯这里因为缺乏数据选择的时期。
表11
在夏天短波辐射,分辨率在2.7公里。大胆的数据显示每个AWS的最好结果。Vestfonna数据不习惯这里因为缺乏数据选择的时期。
表12
长波辐射分辨率在2.7公里。大胆的数据显示每个AWS的最好结果。Vestfonna数据不习惯这里因为缺乏数据选择的时期。
(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图7
频率分布的温度在Kongsvegen和Nordenskioldbreen。

也为风速、粒子物理学的选择是次要的。QNSE方案提高了相关性在冬天Kongsvegen但恶化在夏天。的相关性非常低, 在0.27和0.55之间。MYNN2.5方案恶化或仅略有改善相关观测。错误和偏见不应太多详细地分析了由于高度修正。虽然观察到的风还是向上修正模型高估了平均风。通常使用QNSE有所改善或MYNN2.5方案而不是MYJ2.5计划,MYNN2.5给予最低的偏见。风分布在图8(省略所有值低于0.5米−1)的模拟分布太平坦,也就是说,模型产生太多的情况下较低和大风。没有明确的方案优于其他的少但MYNN2.5方案收益率与大风频繁的情况下,平均接近观察。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图8
的风速频率分布Kongsvegen Nordenskioldbreen。

长波辐射相关性与粒子物理学恶化方案除了夏天Kongsvegen和偏差和错误遵循相同的模式。湍流模式,然而,提高相关性,偏见,和错误的QNSE方案略优于MYNN2.5计划,尤其是在冬天。

短波辐射,正如预期的那样,多数粒子物理学的影响由于过程确定云范围和厚度和水分的多少树叶通过降水云层。相关性是增加了WRF6方案(表11)。然而,增加偏见和错误并不是改善。培养方案有所改善的偏见,可能因为湿度通量变化。

看来,使用简单的粒子物理学方案WRF6平均减少了平均WRF模式的技能,而莫里森方案。改进相关的短波辐射被取消恶化偏差和错误的恶化技能长波辐射。更短的CPU时间的计划可能不值得与模型的性能。对于湍流计划QNSE和MYNN2.5提高技能的模型,相比MYJ方案。然而,找到最好的人可能需要进一步的调查。这里的趋势是QNSE在冬季和夏季MYNN2.5更好的工作。

4.2.2。改进的水平和垂直分辨率的影响

因为有限的计算机资源的高分辨率模拟只表现为2009年7月和2010年1月,只在Nordenskioldbreen 900分辨率。也越高垂直分辨率造成更多数值不稳定(当试图模拟其他冬季和夏季)比其他模拟,虽然使用一种自适应时间步(QNSE湍流模式而不是MYJ2.5方案提高了稳定但没有分析)。边界层中的高垂直分辨率提高了相关的模拟观测的气象参数,温度(表13)、风(表14(表),传入的长波辐射15)。900分辨率增加只有长波辐射的相关性。对温度和风力偏差和梅斯并不显著提高(或恶化)。时间序列的高分辨率模拟只是偶尔的温度变化(没有显示)。在图9温度的分布Kongsvegen Nordenskioldbreen显示。模拟温度bias-corrected基于1月和7月的偏见,分别。观测双峰在冬天,一个夏天,而模拟分布双高峰季节。分布只是略微提高了增加的垂直分辨率。900 m分辨率显示更重要的改进。平均日变化由模拟除了Nordenskioldbreen低估了在冬天。垂直分辨率越高下降变化,而900决议增加了变异。我们观察到的10米风速的估计是粗糙的,我们不能期望偏差和错误将提高垂直分辨率就越高。然而900 m分辨率降低了模拟风和降低了错误。风分布(图10)并没有太大的改善的垂直分辨率,但水平分辨率更好的模拟风速超过7米−1。风向是非常依赖水平分辨率,因为它可以找到正确网格点与地形坡度方向。在图11和比较与观察和2.7公里分辨率图4很显然,风向是改善即使侧风仍略夸张而观察。即使只会增加垂直分辨率,风向变得不那么传播相比,主方向的主要运行但太东风。

表13
在夏季和冬季温度统计2009 - 2010年的2.7公里的决议,并没有增加边界层垂直分辨率(高的绿色。研究》)和900决议。Vestfonna数据不习惯这里因为缺乏数据选择的时期。大胆的数据显示每个AWS的最好结果。缩写corr表示高度修正温度。
表14
在夏季和冬季风速统计2009 - 2010年的2.7公里的决议,并没有增加边界层垂直分辨率(高的绿色。研究》)和900决议。大胆的数据显示每个AWS的最好结果。Vestfonna数据不习惯这里因为缺乏数据选择的时期。
表15
长波辐射统计在夏季和冬季2009 - 2010 2.7公里分辨率,并没有增加边界层垂直分辨率(高的绿色。研究》),900年m分辨率。大胆的数据显示每个AWS的最好结果。Vestfonna数据不习惯这里因为缺乏数据选择的时期。
(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图9
频率分布的温度Kongsvegen Nordenskioldbreen。
(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图10
的风速频率分布Kongsvegen Nordenskioldbreen。
(一)
(一)
(b)
(b)
图11
风的模拟风玫瑰Nordenskioldbreen 7月与1月。注意,给定频率绝对(小时)。

改善相关的长波辐射,偏见,和梅斯高垂直分辨率可以追溯到更好的解决云形成的边界层(表15)。增加水平分辨率并不能提高相关性冬天但否则偏差和错误是改善这个配置。在图12时间序列在1月和7月的长波辐射Nordenskioldbreen所示。模拟long-radiation相对较好之前观察到的波动但低估了辐射时间小于50 W m−2。这些低值与天空相关联或错过了云模型。也当辐射高的观测和模拟长波辐射有点低估了,除了在7月底。大部分时间模拟之间的差异很小,但偶尔更高的垂直或水平越高分辨率捕获传入的长波辐射的变化。例如,增加垂直分辨率捕获晴空一开始的1月和7月12 - 13日低云层,而900 m分辨率捕捉云7月17 - 18。传入的短波辐射(表16)提高更高的垂直分辨率,但明显不如长波辐射。900的相关模拟减少但偏差和错误改善。

表16
短波辐射统计在夏季和冬季2009 - 2010 2.7公里分辨率,并没有增加边界层垂直分辨率(高的绿色。研究》),900年m分辨率。大胆的数据显示每个AWS的最好结果。Vestfonna数据不习惯这里因为缺乏数据选择的时期。
(一)
(一)
(b)
(b)
图12
时间序列的长波辐射Nordenskioldbreen。

总而言之,较高的垂直分辨率提高所有模拟参数,除了温度的分布,风速和方向。关于后者900米水平分辨率性能最好。其他参数的变化虽然很小和CPU时间的垂直分辨率越高似乎是最经济的变化的网格分辨率。10米风向略有所改善(传播)也增加的垂直分辨率。这表明可能使用一个网格点与地形斜率反映了实际观测站点。然而,当测试周边2.7公里分辨率网格点都不给好风方向网格点用于调查相比,基于风速的相关性。进一步,我们使用一个相当适度增加的PBL的垂直分辨率。可能会有更好的成绩更好的垂直分辨率的气象表层变量。就像前面提到的3,索德伯格和Parmhed70年]使用2米垂直分辨率的最低10米。

5。讨论和结论

从模拟结果提出了执行在斯瓦尔巴特群岛的气候模式WRF中尺度3.2.1 2年从2008年春到2010年春季。的ERA-Interim再分析是动态地缩减规模与WRF模式使用物理设置用于极地WRF。的polar-optimized WRF模式模拟的气候3域与决议24公里,8公里和2.7公里。内巢只是模拟了2009年夏季和冬季2009 - 2010。还与另一个选择敏感性模拟进行微观物理学计划,WRF6(用于北极有关),和两个PBL /表层方案,QNSE(发展非常稳定条件)和MYNN2.5(湍流与云交互)。额外的模拟进行了2009年7月和2010年1月在考虑高垂直分辨率最低1.5公里和900米水平分辨率,分别。调查重点是验证以下变量:表面温度、风速、特定的湿度,传入的短波和长波辐射。WRF数据与观测数据来自三个自动气象站在斯瓦尔巴特群岛,Kongsvegen Vestfonna, Nordenskioldbreen。

降尺度ERA-Interim分析WRF模式在某种程度上提高了模拟的风速和温度。ERA-Interim温度的相关性观察从一开始就非常高, 约0.9,可能由于数据的同化来自附近SYNOP站。因此温度的变化不太敏感的地形比风速。

增加分辨率并不总是给更好的结果,甚至可能由于重要的未解决的地形和异型的效果为2.7公里分辨率。风速的相关性之间的2.7公里分辨率范围0.32冬天夏天(Kongsvegen)和0.55 (Nordenskoldbreen)。在冰川地形相当复杂。检查如果缺乏改善提高分辨率从8公里2.7公里也可能归因于与降尺度方法的缺点。24公里的降尺度和8公里网格每次执行步骤(c。7分钟),这意味着每一个计算字段外使用域内域的边界条件。降尺度从8公里2.7公里,完成降低CPU时间,每个3 h只提供边界条件。因此,2.7公里巢缺乏3 h之间的过渡信息输入。然而,在冬天进行敏感性研究期间显示,不过这是次要的。风和温度的相关性和偏见在Vestfonna风,平滑地形,高于其他观察和改善与提高分辨率。辐射在很大程度上受到云和至少低端云层似乎被低估,导致低估时期传入的长波辐射和高估了传入的短波辐射。 As a consequence the winter temperature was underestimated (when there is no short-wave radiation). During the summer months the bias was smaller or even positive due to the erroneous simulated shortwave radiation.

高垂直分辨率的边界层改善辐射和风速的模拟,可能由于更多正确的垂直的风速和湿度从海上运输。温度没有明显改善。更高的水平分辨率对Nordenskioldbreen出奇的没有提高风速,但方向和频率分布的温度和风力。它需要更多的计算机资源,增加与垂直的水平分辨率。关于解决改进的余地会因此支持垂直。垂直分辨率很可能增加超过8层以下1500米,可能会增加分数。

物理方案的敏感性研究表明Kongsvegen和Nordenskioldbreen网站莫里森粒子物理学的方案推荐用于极地WRF。也更复杂的比WRF6方案给予改善传入的长波辐射,由于更好的云模拟。QNSE和MYNN2.5计划显示MYJ2.5极地WRF相比改进方案。QNSE方案略优于MYNN2.5冬天和夏天相反。当执行高垂直分辨率模拟结果显示,该模型数值不稳定依赖于培养方案。它可能因此至关重要时使用某种PBL模式增加了垂直分辨率。

总的来说,这次调查证明了一个好的WRF模式的模拟能力目前在斯瓦尔巴群岛冰川气候,除了风速相关性低 。然而,拥有物理方案适合极地环境的重要性和细垂直和水平分辨率在怎么强调都不为过。研究指出,模拟主要可以受益于更好的表面粗糙度长度的描述,和季节性和短期变化的冰川反照率(冰雪),在极地WRF已经部分实现了。短期波动地表反照率与新雪和高反射率,融化的积雪反照率较低而更古老的雪或裸露的冰被尘沉积表面强烈影响。反照率的测量范围在0.2和0.95之间,而在极地WRF不同在0.5和0.82之间。尽管2 m的温度被证明不是很敏感,对冰川反照率是主要的重要/雪表面能量平衡。

主要结论关于WRF模式性能基于观察Kongsvegen和Vestfonna如下。(1)为将来在斯瓦尔巴群岛冰川与WRF模式模拟,(一)极地WRF物理应该使用,除了关于PBL模式,QNSE或MYNN2.5更好的描述温度和风速分布,QNSE方案被更好的冬天;(b)8公里分辨率不足以模型领域的规模变化但是Vestfonna可能就足够了,因为一个更简单的地形;(c)更下部的垂直分辨率提高了模型得分,但可能需要更精细的分辨率比用于这项研究(3水平低于100米,最低11米)。(2)需要改进对反照率,动荡和相关的表面粗糙度。

未来可能的调查包括降水验证和量化风向评估。地形的影响提供了现实的降水的增强与周围的海域,但它仍然是定量评价模型与观测和莫里森方案优于WRF6方案是否沉淀量。评估模拟与更好地进行垂直分辨率和QNSE MYNN2.5方案也是非常有趣的。关于观测首先需要有更多的和一致的长期气象观测这些冰川。其次,选择参数可能被考虑。因此湍流测量在冰川将有助于找出如果模型表现良好的湍流通量组件的能量平衡。动量通量的测量也可以提供信息的表面粗糙度。

确认

作者感谢他们的研究团体和资助机构提供观测数据和相关的元信息。因此,Vestfonna数据获得在IPY-KINNVIKA项目考察瑞典研究理事会资助的。提供的数据是雷吉娜典当(阿拉斯加大学地球物理研究所),理查德佩特森,Ulf Jonsell(瑞典极地研究秘书处,斯德哥尔摩,瑞典)。由于Ulf Jonsell也感谢评论在纸上。Vestfonna数据也可以通过http://www.smhi.se/ecds/Search-data。数据从Nordenskioldbreen站的成就是由荷兰科学研究组织(NWO)和瑞典科学理事会IPY-GLACIODYN项目的一部分。冰川在Vestfonna现场工作,Nordenskioldbreen部分是由挪威极地研究所(NPI)。Kongsvegen数据收集在现场工作由ARCFAC V 2007 (EC合同号。026129 - 75)。田野调查在Kongsvegen部分支持的NPI (j .科勒Tromsoe)。Kongsvegen数据分析得到了奥地利科学基金(我369 - b17 FWF,格兰特)和养,即SvalGlac项目(http://svalglac.eu/)。NPI被公认为DEM数据。WRF模拟进行资源提供的瑞典乌普萨拉多学科计算(SNIC)国家基础设施先进的计算科学中心(UPPMAX)。ECMWF ERA-Interim数据用于这项研究已经从ECMWF数据服务器获得。在纸上工作本身是一个由ESF-SvalGlac成员共同努力,从而也由北欧部长理事会(SVALI没有出版。6)。作者终于承认两个匿名评论者的输入提高原来的纸。