文摘

雾发病的预测仍然困难尽管数值天气预报的进展。这是一个复杂的过程,需要足够的代表当地的天气预报模型中的扰动。它主要取决于微观物理学的和中尺度过程,在边界层内。本研究利用基于multirule诊断(MRD)方法使用后处理雾模型模拟的预测。这种方法所涉及的经验主义主要是桥之间的差距中尺度和微尺度变量,雾形成的相关机制。雾出现在冬季是一种常见的现象在新德里,印度,随着西方干扰的流逝在西北的一部分国家伴随着大量的水分。本研究实现了上面的引用方法的预测出现的雾在德里和它的起始时间。为了这个目的,一个高分辨率的气象研究和预测(WRF)模型用于模拟雾。这项研究涉及到描述的模型验证和后处理模型的模拟MRD方法及其后续应用程序的预测雾。通过这种方法模型识别多雾和nonfoggy天成功94%的时间。 Further, the onset of fog events is well captured within an accuracy of 30–90 minutes. This study demonstrates that the multirule based postprocessing approach is a useful and highly promising tool in improving the fog predictions.

1。介绍

雾预测是非常重要的,因为它不仅会导致低能见度也被认为是一个危险,因为它会影响正常的生活和交通。然而雾出现的预测仍然困难尽管数值天气预报的进展。很少有研究试图描述雾环境而言,适当的边界层温度、湿度、风速、风向、以及近地表辐射冷却配置文件,平流电流,和潜在的表面特征1- - - - - -6]。

数值模拟的雾正在改善。许多科学家专注于雾模拟一维模型的应用;尽管忽略水平异构性问题,它提供了洞察雾物理(7]。但一维模型不能显式地将大尺度气象条件控制起源,进化,和雾的消散。所以,特别是只有一个三维模型可以结合,明确动态一致的方式,过程就像(水平)的压力梯度,平流、扩散。第一个这样的雾预报区域3 d模型尝试了巴拉德et al。8]。此后许多进一步的类似模型已经尝试了雾预测(9- - - - - -14]。不过,只有一些特定的研究(15- - - - - -18),在印度,雾模拟和预测。印度首都新德里,特点是高频率的雾事件和由此产生许多悲惨的交通事故和问题在机场。雾最常发生在峰值本地区冬季从12月到1个月。德里的冬季能见度数据分析清楚地显示了一个很小的比例(6.4%)的雾频率在1950 - 1955(城市化)相比,1996年到2001年58%时19),而2002年至2011年表明,雾事件增加了71.69%。表1表明,航空雾发生4冬季从1月份的2002 - 2011年描绘了最大数量(79.43%)。

这是一个显著增加雾频率。雾在德里的发病与西方干扰在印度西北的流逝在冬季(20.]。由于地表附近空气的温度是主要影响表面本身,空气温度可以降至露点的冷静,清晰的夜晚。德里的重要频率低风,特别是在晚上。由于上述网站特定的本地因素,雾预测是一个复杂的过程,需要足够的代表当地的天气预报模型中的扰动。但其对运营预测。预测一直是一个挑战这主要是由于缺乏适当的雾物理在当前操作模型。众所周知,在云操作模型方案为更高级别的云和降水设计而不是雾在地面附近。Kunkel [21)取得了实证关系基于LWC(水含量)的可见性评估应用在许多雾预测的数值模拟研究。鉴于LWC没有准确地解决当前数值天气预报模式,然而这种方法往往使不满意的结果。操作雾预报因此通常不直接进行数值天气预报模型中的但诊断模型后处理程序基于当地的大气条件(22- - - - - -24]。本研究的主要目的是预测雾的出现和发病时间使用三维中尺度模式的后处理。它是基于multirule诊断(MRD)方法描述当地的大气状况。nonhydrostatic高分辨率中尺度模式(WRF 3.1版)是实现这一目的以及雾诊断方法覆盖所有主要雾集2008年,2009年、2010年和2011年,一些nonfoggy天为了比较。

2。研究区和模型模拟的细节

研究区,新德里,位于纬度28°53′,东经76°20′和海拔216米的高度。位于亚穆纳河的银行在印度的北部。喜马拉雅山脉的北德里。印度是一个内陆城市的首都。距离大海给新德里一个极端大陆性气候类型(http://www.whereincity.com/india/delhi/delhi-weather.php)。德里的夏天非常热,冬天非常冷。温度变化范围从47度在夏季到3度的冬季。冬天的雾,雾的早晨,经常看到太阳在下午。喜马拉雅地区的冷空气让冬天非常寒冷。

天气的研究和预测(WRF)模型是一个三维数值模型。这里我们特别使用高级研究WRF模式版本3.1.1雾模拟。模型的特性包括数量的巢穴,粒子物理学,积云参数化,表面物理、PBL,辐射参数化方案,等等。自从WRF提供范围广泛的各种特性的选择,我们测试了不同组合。这个建模系统的另一个优点是,它是一种先进的模式。详细描述的模型是描述Skamarock et al。25]。

本研究的模型设置由三个嵌套域分辨率的18岁,6和2公里。内域集中在德里(28.54°N和77.11°E)。双向嵌套已经完成两个内部域。图1显示整个模型域和嵌套。静水压力后33地形模型西格玛水平表面hPa (~ 970 hPa)到53.5。有6个压力水平~ 970 ~ 900 hPa之间。摘要最终分析已用于初始化。地形的细节如植被、土地利用类型、地形高程和反照率,等等,是由二维地面可用数据由美国地质调查局(USGS)提供。

敏感性进行了研究[26)与不同的参数化方案组合,以确定最优配置模型选项在德里。本研究利用的最优组合模型选项建议汉和Bhati [26冬季)。因此,本研究利用林等。27)对于粒子物理学,Pleim-Xiu表层和陆地表面和ACM2 PBL(行星边界层)和Kain-Fritsch积云参数化方案选择。林等。27微观物理学将有一个额外的优势,考虑水文气象。Pleim-Xiu计划有两个间接推动方案的优势,正确的偏见在2 m空气温度和RH土壤水分的动态调整和深厚的土壤温度。这两个气象参数对雾的预测非常重要。ACM2方案顺利通过涡流扩散的稳定条件,结合当地和外地运输不稳定的条件。这个特性是当前上下文中的有利西方干扰是很常见的在冬天在德里。

本研究分为两个部分。第一部分处理WRF模式验证所选冬季雾集段2006年,2007年和2008年。进一步执行后处理模型输出寻找合适multirule基于诊断(MRD方法)的关系。第二部分是这种雾预报方法的应用。模型模拟的第一部分选择密集five-fog冬天发作期间的2006年,2007年和2008年在MRD的方法是选择申请five-fog集2008年冬季期间,2009年,2010年和2011年。

3所示。绩效评估的WRF模式

模拟进行了十个不同的章节组成的2006年至2011年四天,如下:(i) 2日1月5日,2006,(2)1月1日至4日,2007,(3)25日到1月28日,2007年,(iv) 11月24日至27日,2007年,(v) 1月4日至7日,2008年,(vi) 1月12日至15日,2008年,(七)1月1日至4日,2009年,(八)1月1日至4日,2010年,(ix) 5日到1月8日,2011年,(x) 11月18日至21日,2011年。前五集用于模型的仿真性能评估,随后按MRD后处理方法获得适合雾预报的关系。这些关系被应用于预测的雾集(vi) (x)和雾的效果预测能力评估与合适的统计性能的措施。

气象参数考虑雾预测multirule为基础的诊断方法是环境温度,相对湿度(RH)和风速。因此这些密切关注模型验证基于Palam机场的观测数据(纬度28.6°N经度77.1°E)在研究区域(http://www.wunderground.com/)。模型验证是这里显示前5集,(我)(v)共计二十天。

温度的散射图如图2(一个)FAC2(预测值在观测值的两倍)的96.1%。观察到的总模拟天之间的相关性和预测温度是0.86。NMSE(归一化均方误差)温度在所有模拟天是0.04和部分偏见(神奇动物)是0.002。统计数据的详细信息如表所示2。

RH的散射图如图2 (b),它显示了FAC2 90.73%。总之间的相关系数模拟天的观察和预测相对湿度(RH)是0.60。NMSE值是0.13。RH值预测下如图所示的FB 0.18还报道了早先研究的价值(28]。

风速的散射图如图2 (c)。相关系数和FB风速0.60和0.05,分别显示了合理预测。NMSE是0.39。

数据3(一个)和3 (b)模拟结果与实际观测值分别显示,风玫瑰整个模拟时间。主导风向的观测和模拟案例是西风,描绘了令人满意的预测。向西预计在德里在雾集。

总的来说,模式执行令人满意地观察和模拟值之间存在差异。的差异是基于系统所以multirule诊断方法(MRD)是开发使用的预测模拟这些天。Multirule基于诊断方法占观测值和预测值之间的这些差异经验的相关物理参数对雾的形成。第一个5个事件包括20天用于MRD的发展方法。数据4(一)和4 (b),5(一个)和5 (b),6(一)和6 (b)显示温度的时间序列、相对湿度和风速对两个事件(iv)和(v)的2007年和2008年。如这些数据所示,温度最好模拟RH紧随其后。然而,风速模拟相对较少令人满意的性能。物理因素显示,温度和RH雾事件更重要参数和起始时间,微风必须维持它。

3.1。基于Multirule诊断方法

雾预测实质上是在雾天能见度的预报。然而,常用的21]可见性计算在雾中有一个非常大的错误(超过50%)如图所示Gultepe et al。29日]。操作模型的可靠LWC导致一个更大的可见性计算错误。LWC-only方法的成功率非常低(接近于零)WRF模式在冬天和夏天季节,这表明LWC-only方法是不可靠的24]。由于这两个事实,只有雾发生,而不是雾强度(能见度),是在当前诊断方法。这项工作的重点是检查新诊断的有效性雾预报方法相比传统LWC [21)方法。诊断模型后处理程序,所有的变量都是在稳定或准恒定的假设条件下的大气。基于多变量的诊断雾预报包括几个参数来满足每一个给定的条件如温度、猕猴、风速等等。为每个参数与某个阈值标准,雾发生的二进制(是或否)预测模型后处理程序进行基于模型的输出。周和杜24)使用LWC,云底/高级规则,表面RH-wind规则。云底/高级规则是适合大规模海洋雾或沿海雾雾事件,但不是浅雾或地面雾,因为这种类型的雾通常构建从地面向上,可能低于最低的模型级别(30.]。他们的研究还提到,在2米应该超过90% RH和风速10米应小于2米/秒,当两个参数被认为是一起工作比在个人基础上的任何参数。我们的多变量建立诊断雾预报方法是考虑到温度、RH在表面,和2 m水平风速在10米。我们所知,这是第一次尝试使用气象参数(温度和RH)两个层次。许多因素负责雾的形成。众所周知,雾的形成在很大程度上影响纯粹地方因素。正如上面提到的在这一节集(我)(v)是用于此目的。标准对这些变量如下所述。

(我)水分与雾的形成有关。大量的水分在低级别支持雾的出现;

(2)表面风/湍流混合。轻微的湍流混合艾滋病雾的形成。在雾形成的情况下在日出之前,光表面风带来所需的混合;

(3)温度梯度与雾相关联。温度附近地面是分摊雾形成的另一个因素。根据表面附近温度梯度强度,以下两个标准被认为是温度2米,表面温度抑郁症,露点温度需满足(1)和(2)以上。

雾出现在病情稳定应该积极意味着大于零。抑郁症和露点温度小于8°C。

如果空气冷却的含水量,直到它变得饱和,然后发生饱和时的温度称为露点温度。抑郁症露点温度的区别是干球温度和露点温度。它显示了如何关闭系统对饱和。抑郁症露点温度估计在这个研究更高(8°C)比任何以前的工作(6°C) (31日,32]。模型模拟了签名和趋势非常好,但由于系统RH的预测下,露点温度很低。结果抑郁症露点温度变得更高。使用后处理工具的主要动机是减少这种不确定性。基于multirule诊断方法是安装在这种情况下。

4所示。在研究期间雾事件和天气条件

理想条件下形成的雾光风,晴朗的天空,漫长的夜晚。11月,12月,1月和2月是最容易出现大雾天气。如表所示1、航空雾发生这些4个月从2002年到2011年描绘了1月份的最大数量。因此,模拟执行主要为1个月。模拟一直表现为2008年至2011年五个不同的事件描绘成(vi) (x)的部分3上面如下:1月12日至16日,2008;1月1日至4日,2009年和2010年;2011年1月5日到8日;11月18日至21日,2011年。他们被归类为场景(SC - #)和确认为SC-1, SC-2, SC-3,分别居住和SC-5。本节描述详细观察和天气气象条件在每一个场景。在这一节中描述的结果被连续这五个模拟,除非另有说明。

4.1。SC-1(1月12日至16日,2008)

以下4.4.1。观察到表面的气象条件

最高最低气温5°C和22°C,分别和相对湿度从28%变化到100%。最低能见度300米,最大6公里。1月15日是一个nonfoggy天最大相对湿度为76%。剩下的天(12 - 14和16)显示超过92% RH。

4.1.2。天气条件

研究区域是受西方的影响干扰作为高空系统扩展到海拔3.6公里(a.s.l)在巴基斯坦北部及邻近的查谟和克什米尔后来east-north-eastwards移动。气旋环流的旁遮普邦和附近地区持续和延伸0.9公里a.s.l。一个气旋环流在古吉拉特邦南部地区。寒潮条件在部分西方中央邦,拉贾斯坦邦和德里。

4.2。SC-2(1月1日至4日,2009)

4.2.1。准备观察到表面的气象条件

1月1日至4日最大雾蒙蒙的小时在所有仿真案例。能见度最高相对湿度范围从0.1到2.5公里,每天总是100%。最小相对湿度发生在6日,值是46%。最小和最大温度5°C和19°C。

4.2.2。天气条件

寒冷的日子条件普遍在哈里亚纳邦的一些地区包括昌迪加尔,德里,北方邦西部和在仿真时间。平原最低温度最低为0.9°C在阿姆利则(Punjab)。西方干扰弱的第一天模拟但慢慢地强大。

4.3。SC-3(1月1日至4日,2010)

4.3.1。观察到表面的气象条件

这里也每天最高相对湿度是100%。最低能见度触动零米。有一个小细雨10月3日和最小相对湿度达到82%的价值。最小和最大温度7°C和21°C。

4.3.2。天气

2010年经历了许多寒冷的冬季波北部,中部、和印度半岛。伊斯特利波之间的相互作用和槽中间纬度西风带引发了在该国许多地区的降水。印度河-恒河平原雾持续很多天在1月份。在仿真期间,研究区域是受西方的影响干扰空中系统扩展到海拔1.2公里(a.s.l)在巴基斯坦北部和毗邻的查谟和克什米尔发达后来搬到东北。

4.4。居住(1月5日到8日,2011)

4.1.1。观察到表面的气象条件

最低温度(4°C)和最大最低温度(15°C)在所有四个模拟。最高最低RH(63%)也在所有模拟。最高相对湿度总是触及100%,最小和最大的可见性是0到2.1公里。

10/24/11。天气条件

德里经历这个时期许多冷波具有强烈西方干扰的效果。雾持续在印度河-恒河平原最低能见度。

4.5。SC-5(2011年11月18日至21日)

4.5.1。观察到表面的气象条件

德里有经验的雾和7和9点之间最密集。Safadrjung车站能见度小于50米8.30点。温度在印度北部,与此同时,继续保持高于正常。气象部门将此归因于西方干扰。11月迄今为止相对温暖,平均气温在印度西北部和中部经历温度高于正常2 - 3度。

4.5.2。天气条件

根据气象部门,一系列西方干扰影响西北印度在过去的几周已经导致了高温。

5。结果与讨论

模型模拟评估通过比较模拟结果与观测结果来检查质量的模拟,包括fog-related参数的变化(风资料,温度和相对湿度)在每个事件。为了验证、观测数据Palam机场(纬度28.6°N经度77.1°E)用于比较和模型估计。

如上面描述的部分,该模型模拟了2008年1月——(SC-1), 2009年1月——(SC-2), 2010年1月——(SC-3), 2011年1月——(居住),和11 - 2011 (SC-5)。模型模拟了4天每集有48小时的时间片。

表3详细列出了所有的事件与雾发生(或不)观察和预测,雾起始时间观察和偏离预测值。观察SC-1,雾开始在1月15日凌晨5点,2008,而模型与预测“雾”事件。其他天,发生或不发生雾预计在30 - 90分钟。在SC-2,雾蒙蒙的天由模型预测和捕捉。雾的发生是完全预测的模型1日和1月4日,2009年。但在1月2日和3日,2009年,该模型预测是发现滞后1小时1月2日,半个小时先进于1月3日。SC-3,发作时间通常是提前预测的实际观察到的起始时间除了1月2日,2010年。在居住,观察到的雾出现在晚上的天。2011年1月6日出现雾,是完美的模型预测。SC-5,雾的发生在11月18日,2011年,被预测偏差的4个小时,而2011年11月20日和21日,模型预测下午六点半开始,但它发生在下午6点在天。 As a conclusion, we see that model is able to capture and reproduce the occurrence or nonoccurrence of fog in 19 out of 20 (95%) events. However the onset time of fog is reproduced 89% (17 out of 19) within 90 minutes (Table3),这是合理的。五集的分布在20天,诊断方法成功地预测19 20(95%)的多雾和nonfoggy事件。这种诊断方法预测16的19例(84%)出现雾在90分钟内成功。观测和模拟的时间分辨率是30分钟。超过半数(56%)的发病时间预计在30分钟。唯一错误的预测出现雾是在1月15日,2008年。有一个分散的云。它也发生在1月4日,2010年,11月18日,2011年,multirule诊断方法偏离最大(4个小时)。这可能是由于这一事实的结合参数化有利于晴朗的天空。这项研究表明WRF和multirule诊断方法已经帮助大幅提高雾预测和承诺进行进一步的应用和改进。 However, it only diagnoses the occurrence of fog and its onset time but not the duration and intensity. This calls for further work for completing all aspects of fog prediction. Also its empirical coefficients and criteria can change from place to place and also with different numerical model.

6。结论

主要目标在当前工作已经复制雾出现,出现雾使用动力数值天气预报模型。WRF模式输出的后处理的方法已被用于预测和雾的成功验证后表面温度,相对湿度,风速在该地区的利益。经过大量的仿真分析研究区域,上述标准气象参数用于确定雾的发生。雾MRD方法预测是实现未来3天。雾预报的时间分辨率是30分钟。这个技能是可实现的,尽管中尺度预报误差,因为准确的预测雾通常需要准确预测气象(quasi-continues)阈值的字段和MRD的方法是能够填补这一缺口。有95%成功的预测多雾和nonfoggy事件,超过一半(56%)的起始时间预计在一个30分钟的准确性和84%的时间预计在90分钟。这项研究表明WRF和multirule诊断方法已经帮助显著提高中雾的预测。因此,建议加强与广泛应用这种方法在多个网站和雾集。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究是科技部支持的部分(DST),印度政府通过资助的研究项目“雾在德里预测模型。“我们也承认印度气象部门必要的数据。这项工作是一个博士论文的一部分Swagata Payra IIT德里还要感谢他的同事什维塔Bhati对她的帮助。