文摘

这对亚利桑那州执行区域气候模拟研究,一个地区复杂的地形。模拟降雨的依赖模型分辨率使用天气气候降尺度实验探索研究和预测模型。模型的水平分辨率是精制从12到6,然后到3公里。总降雨量为冬季和不同子域的亚利桑那州发现大幅增加从12到6公里网格细化。进一步细化3公里导致降雨量变化较小,表明数值收敛规模。对比观测显示,6和3公里为冬天了过多的降雨,而12公里运行模拟更接近观察。这意味着降水参数化方案没有解决独立,因此细化的解析并不能保证更好的结果。它警告,仓促推动越来越多的高分辨率在实际降尺度模拟。模拟的每小时降雨量的分析表明,3公里运行产生极端降雨事件明显多于12公里。6和3公里运行也产生了更复杂的季节性降雨和垂直速度的空间模式,反映出精细的地形的影响。

1。介绍

全球气候模型通常用于季节性和长期预测粗分辨率(100公里)。决议,大部分的降雨量是由subgrid-scale对流参数化与表面非常粗糙表示异构网格内盒。虽然这些模型产生有意义的预测大型未来气候水文条件(例如,1,2]),他们没有能力预测当地气候变化在中尺度尤其是地区复杂的地形的特征。一个互补的方法气候缩小规模已经被开发出来,它使用大规模的边界条件约束的中尺度模式长期、区域气候预测(例如,3- - - - - -5])。增加模型分辨率允许增加的电网参数化的次网格的沉淀与减少降水。再加上精致表示地形和表面的异质性,可能有助于提高模拟降水的现实主义(例如,4,6- - - - - -9])。最先进的季节性和较长的时间尺度的气候降尺度研究迄今为止采用水平分辨率就是每人日薪12到50公里的范围内(例如,9- - - - - -15])。另一方面,以往的研究,采用高分辨率(例如,3公里)来确定降水的敏感性模型分辨率和对流参数化大多局限于短期天气预报(例如,16,17])。知识的弥合这一差距,本研究将探讨降雨季节气候的变化降尺度模拟的水平分辨率区域模型提炼从12公里到3公里。很快将会证明,电网总降水成为占主导地位的因素在这些尺度降雨。所以,我们还将测试模拟降水的敏感性积云参数化的打开和关闭。我们的主要模拟的主要目的是双重的。首先,我们将决定如何以及是否季节平均降雨量是收敛的数值模型的分辨率时先后精制3公里的近cloud-resolving规模。第二,如果一个数值收敛的发生,我们应该检查是否解收敛于观察到的季节性气候学意义。

我们选择执行冬季的数值模拟在亚利桑那州,一个地区戏剧性的对比在当地地形、降雨模式(18- - - - - -20.),提供了一个理想的实验模型分辨率的影响。我们选择冬天因为数值模型,全球或区域,是否广为人知产生大量的偏见,在北美夏季季风(例如,21,22]),而他们的冬季降水通常是更健壮的性能。而夏季偏见本身就是一个重要的问题,它可能被证明是一个分散注意力的敏感性研究。区域气候模拟使用天气研究和预测(WRF)模型(23]将在七个冬季(November-January)季节。气候学的依赖以及高频行为模拟降雨模型分辨率和/或subgrid-scale对流计划将进行分析。保持关注,分析将集中在液态降水、离开降雪后工作的复杂性。

2。模型和数值实验

我们将使用气象研究和预测(WRF) [23模型版本3.1,一个nonhydrostatic中尺度模式,允许多个嵌套。模型网格配置这样的领域涵盖了亚利桑那州而最外层的领域覆盖整个美国西部(见图1)。,两到三层嵌套是采用大规模的边界条件施加横向边界的最外层的域。我们将不适用内部推动。时变大规模的边界条件是由6小时NCEP全球分析(新兵)数据(从NCAR CISL数据支持部分档案,http://dss.ucar.edu/datasets/ds083.2/度1日)×1度网格。每小时输出保存所有运行帮助高频行为的分析和极端降雨事件。

水平的最内层的域是不同的网格大小12公里6公里,然后到3公里。此后,除非另有注明,模型解析在我们的讨论是指最内层的域的网格大小。12公里运行进行两层嵌套,使用36公里分辨率为外部域。6公里,3公里运行采用3 - layer嵌套使用(54公里,18公里)和(48公里,12公里)作为最外层的决议和中间域,分别。嵌套的细节图所示1。分辨率12公里,subgrid-scale积云对流方案。参数化的对流降水减少增加分辨率,分辨率6公里我们执行一对实验,一个对流计划打开和另一个关闭。(这是最内层的域。积云参数化总是打开中间和外层的领域。)对流方案3公里分辨率是关闭的。当对流参数化保留,我们选择Kain-Frisch计划(24]。表1总结了嵌套的水平分辨率和安排我们的主要实验。两种情况的表1消除积云对流参数化,所有降雨产生由电网流程。

确保妥善解决地形和表面特征匹配模型分辨率的增加,我们使用美国地质调查局24分类类别的土地利用数据插值地形和地表特征(从标准土工格栅包在WRF)在不同空间分辨率不同层次的嵌套:我们不光滑的地形,但使用10′,5′,2′土工格栅为最外层的决议,中间,和内层的域模型,分别。(模型自动插入这些地形数据模型网格。)以来最高的2′可比模型分辨率网格(3公里)使用在这项研究中,这意味着连续改进模型的分辨率并导致的细表示地形。模型有28个水平垂直与模型设定在50 hPa。其他物理参数化方案,我们选择(WRF的可用选项)一次性(WSM)三级简单冰方案粒子物理学,Dudhia方案短波和快速辐射传输模型(RRTM)计划对长波辐射,对表层和Monin-Obukhov相似方案的过程。延世大学(YSU)计划用于边界层混合和地表热扩散选择过程。

每个表中的4例1由七个92天的连续运行7冬季(November-January)从2003年到2009年。(2009年冬季指的是2009年11月- 2010年1月)。海洋表面温度是每天更新,从新兵数据提供。节中解释1,冬天通常是选择,因为模型模拟的气候学寒冷季节更准确地比温暖的季节。注意,对于水资源的应用程序,冬季降水尤为重要,在半干旱的亚利桑那州,在夏季降雨迅速回收到大气中由于强烈蒸发(例如,25])。

比较WRF模拟冬季季节性降雨与观察,我们将使用Parameter-elevation回归独立斜坡模型,可用数据档案http://www.prism.oregonstate.edu/(棱镜)月平均降水数据集。从车站综合测量与时空篡改(26,27),是美国农业部的官方气候降雨数据。

3所示。结果

3.1。季节性累积降雨量

我们首先分析基于两个变量的模拟降雨,RAINC RAINNC, WRF模式的输出。前者是产生的降雨积云参数化,后者是由电网产生的降雨过程,包括机械的热力学概要文件取消和调整网格规模。数据2(一个)和2 (b)的seven-winter意味着November-January累积降雨量由参数化subgrid-scale对流和电网过程,分别从12公里跑。在这个决议,电网降雨已经总降雨量的主导因素,相比粗分辨率的全球气候模型subgrid-scale对流产生的降水方案与电网降水。最大降雨量中央亚利桑那(沿着莫戈隆山脉)在两个面板反映地形的影响。最大降雨美国墨西哥边境以南的底部的边缘(图)图2(一个)是由于这一事实,特定的地点是在水(加利福尼亚湾)。注意,在这项研究中我们不分析降雪,另有大量在高海拔的地区在亚利桑那州北部。

数据2 (c)和2 (d)数据是相似的2(一个)和2 (b)但对于模拟6公里分辨率,保留积云对流参数化。决议从12 6公里的细化导致进一步减少的相对贡献subgrid-scale对流降水。有趣的是,总降雨量(RAINC + RAINNC)随分辨率,作为进一步的数据所示3(一个)(总降雨量在12公里分辨率)3 (b)(6公里分辨率)。这不仅增加发生在亚利桑那州的中央山脉也在亚利桑那州南部山脉更短更分散,和小尺度(因此分辨率的增加会导致一个增强的那些山脉对降雨的影响)。

考虑到减少的贡献参数化subgrid-scale对流总降雨量分辨率6公里,我们下一个实验相同的组运行但积云对流计划关闭。整个冬天季节性降雨(完全来自RAINNC)运行如图3 (c)。发现消除对流参数化略微影响总降雨量。(下雨的情况甚至产生稍微更大数量的总降雨量。)没有积云参数化,电网降雨(RAINNC)增强,以弥补缺乏subgrid-scale对流。这种行为定性是可以理解的,因为考虑到大规模的水分收敛,一定量的降雨预计为了恢复静态稳定和维持水平衡。没有积云参数化,电网流程做所有的工作产生这样的降雨量。

与洞察力的两套6公里,然后执行3公里运行没有积云参数化。图3 (d)显示了这组的总冬季降雨。从6 - 3公里水平分辨率的增加导致了一个相对较小的亚利桑那州的总降雨量的变化,而变化从12到6公里(这将是量化讨论相关图5)。3公里运行并产生一些地方的降雨量在亚利桑那州中部山脉不明显在6公里。此外,3公里分辨率一开始看到northwest-southeast-oriented条纹的降雨模式,这可能反映出精细的地形的影响。大幅增加地区降雨从12到6公里的情况下凸显了季节性降雨模拟的敏感性模型解决。从6到3公里模拟降雨开始收敛(如将更清楚地显示在图5)。我们接下来应该检查他们是否收敛于观察到的气候学。

3.2。模拟降雨与观测的比较

图4显示了七年平均冬季(November-January)累积降雨量的观测,可以用来比较模型模拟数据2- - - - - -3。图5进一步比较了模拟每年冬季季节性降雨在不同的决议与相应的观测模型。基于棱镜观测数据集(26,27的月平均降雨量。他们在图所示5在最左边的列中。另3列显示的模拟12,6和3公里的决议。6公里运行(为了简单起见,我们只显示与积云对流计划关闭。)这个比较揭示了几个有趣的行为模拟降雨。首先,模型模拟(决议)定性捕获了降水的年际变化在亚利桑那州。例如,模型产生一个非常潮湿的冬季2004年和2005年观察到的干燥的冬季。这是进一步见图6,同比域的比较平均降雨量与观测数据(棱镜)整个亚利桑那州(a), (b) (i),和(c)盒(2)(两盒标记在图2(一个))。在图6(一),我们还添加了降雨从粗分辨率运行与54岁,36岁和18公里网格,从最外层为主要模拟或中间域。他们不包含在框(我)和框的情节(ii)因为粗分辨率网格点在每个盒子的数量相对较小,呈现统计数据不可靠。除了最低的情况下分辨率(54公里),所有其他模拟捕捉的很大一部分观察了降水的年际变化。更显著的差异在那些在长期经营实际上是意思是,36千米的情况下与之很好匹配观察和更高的分辨率产生过多的降雨而运行。合理的解释是36公里接近WRF的大多数应用程序使用的分辨率和可能使用的分辨率模型的模型验证在开发阶段。如果模型以前调分辨率大约30公里的气候学与观察,确实是没有保证精炼(或粗化,54公里运行)决议将会改善或维持模拟气候学。这一数字6显示否则说明物理参数化方案的模型不依赖于分辨率。介绍调查,大多数现有的气候降尺度实验使用比12公里水平分辨率粗。鉴于我们发现,那些似乎是明智的选择。我们告诫仓促推动越来越多的更高的分辨率没有仔细验证模型气候学在这些决议。

图的一个令人鼓舞的方面6是,它显示的优点利用WRF模拟降水的年际变化(即使没有内部推动,我们的模拟一样)的上下文中气候缩小规模。这个结论是比一些最近的研究([更乐观11]和讨论在其中)表示担忧,减少气候年际变化幅度缩小规模特别是区域模型域和室内大推动关闭。然而,这项研究已经使用一个较小的模型域和一个更高的水平分辨率比采用Rockel et al。11)和相关的研究。因此,发现这里仍符合Rockel等人的观点,使用一个较小的领域帮助减轻损失的低频变化的问题。

3.3。降雨和极端事件的时序特征

图7显示了模型模拟每小时降雨量的冬季,2009年11月- 2010年1月,在亚利桑那州南部标记为子域框(i)图2(一个)。这个盒子覆盖一个区域相对平坦地形和适度的降雨。红色和蓝色是每小时降雨量和累积降雨量,分别。图的八板的运行与不同的决议,进一步分为subgrid-scale(对流参数化)和电网降雨,详细说明。这里值得注意的是没有区别,但相似,在八个面板。明显降雨事件通常是由所有运行不管他们的水平分辨率(例如,比较过去四面板)。不同之处是降雨量的大小。同时,降雨的时间序列由subgrid-scale对流参数化(RAINC)类似,由电网生产流程(RAINNC),只有,后者有更大的振幅(例如,比较图(c)和图(d))。虽然我们只显示了一个冬天的详细时间序列,前面描述的特征由模拟共享其他6的冬天。

图8比较了从12公里每小时降雨量(蓝点)和3公里(红线)运行所有7冬季(November-January)从2003年到2009年通过缝合7 92天一起运行。图8(一个)是对普通盒子(i)和图吗8 (b)在图框(2)作为标记2(一个)。图8 (c)平均在整个亚利桑那州域。与盒子(i)覆盖相对平坦的亚利桑那州南部盒(ii)在亚利桑那州中部山区有强烈的降雨。所有三个面板显示,每当有重大的降雨事件,它通常是由12公里和3公里。然而,12公里运行系统的降雨强度弱于其对应的3公里运行同样的事件。

可以进一步的量化差异12公里,6公里,3公里运行通过比较使用每小时降雨数据的直方图所有网格点在最内层的模型域在亚利桑那州。对于一个公平的比较,我们第一次合并16(4×4)网格框3公里遇到一个超级框的尺寸(即12公里×12公里。,同样的大小为12公里运行一个网格框)和计算平均降雨量为每个超级盒子。这样做,我们有大约相同数量的网格框的小时数(次)从3公里,12公里运行构建直方图。类似的方法用于粗粒6公里12公里分辨率。所有4所列重大案件的比较表1如图9在对数线性情节,使用本宽3毫米的降雨量。所有7冬天使用的模拟。(最左侧栏的样品没有下雨。)有趣的是,极端降雨事件在12公里每小时降雨量超过21毫米×12公里盒生产只有6公里,3公里运行时,当他们缺席12公里。

鉴于我们找到这里,它肯定会有用的,如果高频行为的模拟降雨可以进一步验证和观察。我们没有这样做,因为现有的亚利桑那州没有降雨观测空间和时间分辨率与我们的模型模拟。(棱镜数据用于模型验证的部分3所示。2只是每月的意思。)这将是一个非常有用的比较在未来如果这样的高分辨率观测变得可用。

3.4。垂直速度

由于降雨是垂直运动密切相关(通过对流或机械起重),进一步分析执行垂直速度的方差来帮助理解的行为在我们的模拟降雨。作为一个有用的比较垂直速度场在四大套模拟,我们选择关注的标准差垂直速度在mid-tropospheric水平垂直速度接近最大值。帮助选择这个级别,图10首先说明了平均垂直剖面的垂直速度选择运行(一组每个12、6和3公里分辨率)。为了有意义与垂直速度对流或降雨,在图10只有垂直剖面网格点每小时平均降雨量超过2毫米包括。考虑到亚利桑那州大地形的变化,我们进一步划分的网格点分成三组低(ps> 945 hPa),中等(800 hPa <ps< 945 hPa)和高表面高程(ps< 800 hPa, Ps表面压力),如图10分别用红色、绿色和蓝色。每个曲线在图10基于统计每小时7-winter运行模型输出。从图10,垂直剖面的垂直速度与降雨量一般有一个与最高接近625 hPa单峰结构,我们选择进一步分析。

图11显示垂直速度625 hPa的标准偏差水平的领域,4大套运行12,6和3公里分辨率。分辨率12公里,最大垂直速度主要与大规模地形升降在亚利桑那州北部山脉的最高峰在亚利桑那州。那边,大部分沉淀在冬天是雪这样的最大垂直速度并不对应于最大的液态降水,位于中央亚利桑那。两例6公里,特别是3公里分辨率一样,我们开始看到更多的精细结构,垂直速度的山区中央亚利桑那和一丝northeast-southwest-oriented条纹在亚利桑那州南部。这些条纹是一致的降雨量(参见图类似的结构3 (d))。他们可能反映了本地区良好的地形对降水的影响。他们在3公里运行变得更加突出。对比3公里,运行在图12公里11是显著的。前面提到的条纹在3公里运行几乎缺席12公里。垂直速度的变化特点与解决这里显示是一致的降雨强度和模式的变化数据2和3。地图在图11基于垂直速度原始模型网格,即标准差图吗(11日)是在12公里网格,如图11 (d)在3公里网格,等等。然而,即使在粗粒度的6公里的垂直速度场和3公里跑12公里网格,定性差异4运行前面描述的仍然是真实的(没有显示)。

4所示。结论

本研究调查的依赖模拟降雨气候降尺度模型分辨率的一系列实验对亚利桑那州寒冷的季节。发现冬天季节平均降雨量不同子域的亚利桑那州大幅增加的改进从12到6公里水平分辨率。这一结论认为无论subgrid-scale积云参数化中开启或关闭6公里跑。决议,双胞胎的对流实验计划开启和关闭生产大约相同数量的降雨对亚利桑那州及其子域。积云参数化是关闭时,由电网产生的降雨过程增加,以弥补缺乏的贡献(参数化)subgrid-scale对流。进一步细化网格大小的3公里导致相对较小的季节平均降雨量的变化,表明数值收敛在这个规模。然而,比较与棱镜的观察季节平均降雨量数据显示6公里,3公里的降雨模拟运行过度,而产生的12公里网格模拟更接近观察。一个合理的解释是,当首次WRF开发,模拟基准用来微调模型对观察运行相当粗分辨率比我们3或6公里。这时,一个更大的偏离观测可能产生的运行与完善解决如果降水参数化方案的模型不是独立的决议。

这个研究也展示了垂直速度的方差的解析依赖,一个变量密切相关的流程(热对流和/或机械/地形升降)降雨生产。分辨率12公里,垂直速度的方差最大,主要是与大规模地形升降在亚利桑那州北部山区。细化的网格大小3公里,条纹高方差的垂直速度开始出现在亚利桑那州南部山脉短、规模较小的水平。降雨的高频行为的分析表明,3公里运行产生更多极端降雨事件在亚利桑那州缺失或温和的12公里。降雨模拟的验证高频统计与观察是更加困难由于缺乏长期测量足够高分辨率的空间和时间。我们将离开这个重要方面未来的工作。

确认

作者承认支持通过NSF ags - 0934592, NOAA CPPA计划,和美国CRDF。他们欣赏一个有用的和教授克里斯·卡斯特罗和有用的两个评论家的评论。