2. 中国海洋大学物理海洋教育部重点实验室,山东 青岛 266100
2. Key Lab of Physical Oceanography, Ocean University of China, Qingdao 266100, China
黄海是中国近海海雾发生最为频繁的海域[1-3],尽管统计预报方法能够对沿岸局地海雾的预报发挥作用[4-6],但对开阔海域的海雾预报无能为力。利用数值模式预报海雾已经成为一种趋势[7-9]。随着模式的动力框架、数值计算方案与物理方案的不断完善,海雾的数值模拟随之愈加准确。
前人研究结果[2, 7-8, 10-12]表明,海雾的数值模拟对初始场高度敏感,尤其是海上大气边界层的温度场和水汽场。因此,海雾数据同化研究十分必要与重要。利用高山红等[7-8]构建的循环3DVAR(3-Dimensional Variational)同化工具,李冉等[13]进行了ATOVS(Advanced Television and Infrared Observation Satellite Operational Vertical Sounder)辐射数据的同化,发现ATOVS数据主要改善的是中高层大气温湿状况,而对海上大气边界层的温湿结构产生的影响很小。Wang等[14]采用循环3DVAR,在海雾的短临近预报中同化了MTSAT(Multi-functional Transport Satellite)反演的海雾三维雾体湿度信息,取得了很好的同化效果。然而,Wang等[14]工作的一个前提条件是,同化窗之内必须已经有海雾发生;否则,无MTSAT反演湿度信息用于同化。如果同化AIRS(Atmospheric Infrared Sounder)温湿廓线数据,不仅不受这个前提条件的限制,而且还能提供温度信息。在黄海海雾的数值模拟中,还未见到有关AIRS数据同化效果的研究工作。
高压是影响与控制黄海海雾的重要天气系统之一[1]。譬如,黄海海雾大致可以分为入海变性高压、北太平洋高压脊型和入西太平洋高压型3种[1];其中入海变性高压型可以细化为南高北低型、东高西低型和独立高压型[15]。张守宝[16]利用WRF(Weather Research and Forecasting)模式,指出高压系统影响下的黄海海雾的形成与发展明显受高空系统及其变化的支配。高压系统往往会影响海雾的空间形态分布,譬如海雾有时一整块,有时分成2~4块,有时很零散。高压系统是如何影响海雾的分布形态的?目前这方面的研究工作很少。徐杰[17]利用RAMS(Regional Atmospheric Modeling System)模式对2010年两片独立雾区发展合并为一片雾区的冬季海雾进行了数值模拟,但未分析晴空区存在的原因。王帅等[18]模拟了一次受高压系统影响且后期消散为东北、西南两片的黄海海雾过程,但此次模拟不能很好地抓住海雾分为两片的形态。
2012年4月14日发生了一次受高压影响、雾区分成2大块的海雾过程。此文将进行AIRS温湿廓线数据与其他多种观测数据的同化对比试验,看它是否能改进海上边界层的温湿分布;在同化试验取得良好模拟结果的基础上,分析此次海雾的形成机制,探讨高压的影响作用。
1 观测事实 1.1 海雾雾区2012年4月14日,黄海海域发生了1次大范围的海雾事件。它的演变过程由图 1的MTSAT可见光卫星云图给出,黄海区域呈乳白色、表面纹理均匀且边界与海岸线吻合较好的“云”为海雾(图 1a-c),但图 1d中黄海西部被高云覆盖。由图 1可以看到,14日08时(LST;UTC+08,下同),黄海东西两侧各存在独立雾区,中部从南至北为宽约200 km的晴空区(图 1a);11时,西侧雾区覆盖黄海西岸的沿岸海域,东侧雾区占据整个朝鲜半岛西部海域,晴空区范围略微扩大(图 1b)。14—16时,西侧雾区不断向东伸展,东侧雾区范围整体向东缩小(图 1c)。随后,中部晴空区开始被海雾填充(图 1d)。此外,发现西侧雾区颜色较暗淡,而东侧白亮,这说明西侧雾区厚度明显小于东侧。
海雾形成及维持与海上逆温层维持有密切联系[15, 19]。利用图 2中的白翎岛站(BY)与青岛站(QD)的探空信息来考察图 1中东西2片海雾所在海域的逆温层状态。如图 3所示,14日08—20时,黄海西部的逆温层底维持在150 m左右(图 3a,b);而黄海东部的逆温层底明显高于西部,其值为280 m~380 m左右(图 3c,d)。逆温层底一般就是海雾的顶部[2],再根据逆温层以下温度与露点温度差的大小,可以诊断黄海西部与东部的相对湿度平均分别为91.35%与98.40%。因此,探空信息揭示出黄海东部海雾比西部海雾不仅厚而且浓,这与图 1中卫星图片的信息吻合。
美国Aqua卫星搭载的AIRS探测系统由多种遥感仪器组合,融合了多种先进红外遥感技术。文中所同化的是AIRS系统经质量控制反演所得到的大气温湿廓线数据(https://disc.sci.gsfc.nasa.gov/AIRS), 垂直分辨率分布不均,近海面分辨率可达200 m。
还同化了其他观测数据,主要包括:常规探空(12 h间隔)、地面、船舶与岛屿观测数据(3 h间隔)以及美国环境预报中心(National Centers for Environmental Prediction,NCEP)提供的BUFR格式数据,包括地面(3 h间隔)与高空探测数据(6 h间隔),飞机报、卫星云迹风、风廓线雷达等数据。
2.2 同化试验采用WRF模式(V3.4.1),设置了双重固定嵌套区域模拟,如图 2所示。区域中心为(34.2°N,124.1°E),两个区域的水平分辨率分别为30 km和10 km,格点数分别为120×120和166×190。模式采用Lin物理方案[20],Kain-Fritsch积云方案[21],RRTMG长、短波辐射方案[22]与Noah陆面模式[23]。模式所用背景场和时变侧边界为FNL(Final Analysis Data of Global Forecast System)再分析数据;海温为NEAR-GOOS(North-East Asian Regional Global Ocean Observing System)日平均数据。为进一步改善模拟效果,未采用背景误差协方差CV5,而是采用NMC方法(National Meteorological Center)[24]为所研究的个例生成加入了湿度控制变量的独自的特征值空间背景误差协方差CV6(WRF-3DVAR的背景误差协方差有CV3、CV5、CV6与CV7等4种,具体见WRF主页http://www.wrf-model.org)。模拟时段为2012年4月14日02时—15日02时,共24 h。采用循环3DVAR方案[7-8],设置了3组同化试验(表 1),来研究同化不同数据的海雾模拟效果。
按照高山红等[7]的方法,采用俯瞰方式,自上而下寻找并确定模式结果中600 m以下云水混合比≥0.016 g/kg的几何高度,作为海雾雾顶高度。
图 4a-f给出了表 1中3组试验的海雾模拟结果。可以看到,在Exp-A的初始时刻,雾区覆盖了山东半岛及附近海域、黄海北部和朝鲜湾,雾区随着时间不断增大并略有东移,在发展过程中东西两侧的海雾始终连在一起。Exp-B与Exp-A的雾区分布与变化情况总体一致,仅渤海与黄海东南部的雾区面积有微小的差别,说明在常规观测的基础上增加BUFR格式云迹风和飞机报数据的同化对模拟雾区没有明显的影响。而Exp-C模拟结果得到明显改善,体现出了图 1中海雾观测事实的特点:黄海西侧和东侧均存在着较为稳定的雾区,东侧雾区雾顶比西侧的高,黄海中部晴空区始终存在。这说明,同化AIRS卫星反演的垂直廓线数据对模拟成败起着决定性的作用。
同化试验中海雾模拟结果的改善可能归功于边界层温度与湿度状态的改进。挑选模拟时段中能够获得探空观测的时刻:14日20时,利用图 1中的探空站点观测,对WRF模式D2区域输出结果进行统计检验。图 5a-b给出了850 hPa以下的温度与湿度站点平均偏差(BIAS)与均方根误差(RMSE)。
由图 5可知,Exp-A在1 000 hPa高度以下气温偏低,BIAS小于0,在1 010 hPa甚至小于-2 ℃(图 5a),低层水汽含量的BIAS基本小于0(图 5b)。与Exp-A相比,Exp-C的温度有所升高,使得近地面的RMSE减小0.4 ℃左右。另一方面,Exp-C在960 hPa以下湿度有所增大,尤其是1 000 hPa高度以下的近地面,其BIAS接近0。这表明,同化AIRS温湿数据显著改善了海洋边界层(MBL)的温湿状态,从而改进了海雾模拟结果。
2.3.3 同化AIRS数据的作用图 6a-b展示了3组同化试验在初始场时刻的海面温湿度、气压与风场的水平分布,发现这些变量分布存在明显的差异。Exp-A与Exp-B中黄渤海大片区域相对湿度超过90%(图 6aA,aB),使雾区在模拟时刻就偏离观测事实(对比图 4与图 1);同化AIRS温湿数据的Exp-C中黄海中部的相对湿度减至90%以下,与图 1中的晴空区吻合。Exp-A与Exp-B初始场中黄海中北部海面气温低至4 ℃左右。然而Exp-C中却为6~8 ℃。这是由于同化分布于海上的AIRS温湿数据改善了海上的温度场。
由图 6bA与图 6bC可知,同化AIRS温湿数据,不仅使海上高压区的强度增强,而且范围也扩大。在初始时刻,虽然3组试验的海面风速差异不大,但在随后的模拟阶段,Exp-C较强的海上高压中心附近的风速变得更小。
总体来说,同化AIRS温湿数据之后改进了海上高压的强度与范围。更强的高压会产生强烈的下沉增温,与此同时中心及其附近区域风速较小,这皆使得高压中心附近海雾难以发展,这可能是晴空区存在的一个主要原因。
3 形成机制研究 3.1 机制猜想同化AIRS温湿数据后,图 1所展示的海雾特点被成功再现了。此节将基于Exp-C的试验结果,详细讨论晴空区、东西两片雾区以及其厚薄差异的成因。海雾的生成、发展与天气系统的变化密切相关[1, 15, 25],高压从南部带来的暖湿空气可以导致中国沿岸海雾突然发生[26],黄海高压形成的相对稳定的大气状况有利于海雾的形成与维持[16, 27-28]。图 7a-d给出了此次海雾发生时,海雾与天气系统之间的联系。可以发现:底层高、低压控制了海雾的演变,低压不断增强并逼近渤海,高压不断收缩但其中心一直占据着黄海中部;海雾与高压之间的联系更为紧密,海雾主要发生在远离高压中心的外围西侧与东侧区域。
将海雾发生区域与海温分布(图 8)进行对比,发现东西两侧雾区对应的海温分别约为9 ℃和6 ℃,而晴空区明显存在一个海温接近10 ℃的暖舌。因此,晴空区的存在可能与过高的海温、近海面湍流混合较弱有关;而高压外围顺时针流动的气流将黄海以西的陆地上空暖空气带到海温较低的海面上,先形成逆温层然后逐渐降温成雾。
为刻画高压下沉运动导致的增温效果,定量确定影响温度局地变化的各项因子,借助了温度控制方程:
$ \frac{\partial T}{\partial t}=-\mathit{\boldsymbol{V}}\cdot \nabla T-\omega \left( {{\gamma }_{\text{d}}}-\gamma \right)+\frac{1}{{{c}_{p}}}\frac{\text{d}Q}{\text{d}t} $ | (1) |
其中,T为温度,t为时间,V为水平风速,ω为垂直风速,γd为干绝热直减率,γ为温度递减率,cp为干空气比定压热容,Q为外源对每单位质量空气的加热率。
根据公式(1),利用WRF输出的每小时温度、垂直速度等模拟结果,定量估计14日14—15时温度的局地变化项与垂直运动引起的输送项。观察垂直速度与垂直运动引起的输送项发现:14日08时,黄海中部0~1 km高度范围内,下沉运动不足0.5 m/s(图略);随着高压中心逐渐向黄海中部移动(图 7b-c),黄海中部下沉运动增强,14时下沉运动可高达0.8 m/s(图 9);此时黄海中部温度的局地变化项为0.5~2 ℃(图略),而根据公式(1)计算的垂直运动引起的输送项显示,高压下沉运动使得黄海中部0~1 km高度范围内,增温0.5~2.5 ℃(图 9)。垂直运动引起的输送项略大于温度的局地变化项,即高压下沉运动是黄海中部温度升高的主要原因。由近海面的垂直风切变可知(图 8),被黄海高压控制的晴空区近海面垂直风切变小于黄海西侧和东侧,导致晴空区的机械切变湍流弱于两侧。此时空气下沉增温,负的浮力通量项将进一步抑制湍流的发展,近海面空气的热量不能从上而下传到海洋,从而水汽无法冷却成雾。
为了进一步研究海温暖舌的作用,在试验Exp-C的基础上,设计了两个海温敏感性试验Exp-D与Exp-E(表 2),它们与Exp-C的设置一样,只是改变了黄海中部(图 8中的实线方框区域)的海温。
试验Exp-D给出的模拟结果与Exp-C的相比,雾区范围与高度和区域变化不大(图略)。然而,试验Exp-E的结果却明显不同(图 10)。当黄海中部海区海温降低1.0 ℃后,原晴空区位置开始有低云生成(图 10a),东侧海雾从成山头附近向晴空区蔓延并不断填充晴空区(图 10b-d),晴空区逐渐被低云和海雾覆盖。这表明黄海中部的暖舌对此次海雾过程晴空区的存在有一定作用。
为了同时分析东西海雾中逆温层结作用的垂直结构,沿图 2中A-B线给出温度、风与云水混合的垂直剖面(图 11)。图 11显示,黄海西侧陆地气温高于海温,热空气通过西南气流的平流输送作用,不断输送至黄海西部,在黄海西侧形成逆温(图 11a)。14日03时,在黄海西侧,逆温层底部的暖湿空气开始降温成雾。逆温层在西南风的作用下不断向东北方向延伸,西侧海雾紧贴逆温层底部发展,雾区高度不超过200 m(图 11b-d)。由此可以看出,西侧雾区是典型的平流冷却雾。
由于地形的影响,东侧逆温中心明显高于西侧,东侧海雾随逆温层不断沿地形向上发展,最高可达600 m(图 11a-b)。随着高压不断向东北方向延伸(图 7b-c),暖空气不断在朝鲜半岛西侧堆积,逆温中心温度不断加强并下移,此时东侧雾区高度随之有所下降(图 11c-d)。
3.3.2 黄海东部海温对东侧雾区的影响由于黄海东部海温明显低于西部(图 8),黄海东部低海温可能对东侧海雾的形成有重要影响。因此又增加了两个海温敏感性试验Exp-F与Exp-G(表 3)。它们的设置与Exp-C相同,但改变黄海东部(图 8中的虚线方框区域)的海温。
试验Exp-G给出的模拟结果与Exp-C的相比,雾区范围与高度和区域变化较小(图略)。然而,试验Exp-F的结果却明显不同(图 12a-d)。当黄海东部海温升高1.0 ℃后,14日02时,黄海东侧的南部雾区变为零散团状(图 12a),随后其范围不断减小,至14日14时,韩国西海岸的海雾已完全消失(图 12c)。这表明黄海东侧较低的海温分布对此次海雾过程东部雾区的发展有重要作用。
从对天气形势(图 7)的分析中发现,海上高压系统及其流场对此次海雾的生成与发展有重要影响。在此进行气团轨迹追踪来说明这种影响,结果见图 13。图 13中分别追踪了14日23时向后21 h的黄海西侧和东侧50 m与250 m之间不同高度气团的后向轨迹(图 13a)。结果发现:在高压外围顺时针气流的作用下,西侧雾区的气块来自于陆地;东侧雾区南部的气块来自黄海中部,北部的气块来自山东半岛。
为进一步阐明东侧雾区形成原因,分析了气团A运动时的高度与温度的变化(图 13b,c)。图 13b显示,气团A东北向移动过程中,高度逐渐降低,这是高压下沉作用所导致的(图 7);图 13c揭示,气团A的低层气块温度迅速降温到4.8 ℃,与海温大体相同(图 8)。由此推断东侧海雾的发生机制也是平流冷却作用。
4 结论基于高分辨率的中尺度气象模式WRF,运用Cycling-3DVAR同化方案并采用背景误差协方差CV6,同化了AIRS卫星温度与湿度廓线数据,对2012年4月14日发生在黄海的一次春季海雾个例进行了同化试验与形成机制研究。得到如下主要结论:
1) 同化AIRS卫星温度与湿度数据在成功模拟此次海雾过程中起了关键作用,因为该温湿数据的同化能够显著改善海上边界层的温度和湿度以及控制此次海雾的海上高压强度与范围。
2) 尽管此次海雾雾区分为东西2片雾区,但它们皆属于典型平流冷却雾类型。然而二者在厚薄和气团来源方面存在明显差异。受海上高压控制,黄海西岸陆地的暖空气通过平流作用输送至海温较低的黄海西部,入海降温形成较低的逆温层,在逆温层底部生成较薄的西侧雾区。来自黄海中部的空气在高压外围顺时针风场的作用下,向东北移动至朝鲜半岛西部海域,然后沿高空气流下沉增温形成较高逆温层底部,形成较厚的东侧雾区。
3) 高压中心较强的下沉增温与黄海中部的海温暖舌使近海面气温温差较小,海面小风速造成近海面微弱的机械湍流,无法满足海雾生成条件,导致了黄海中部晴空区的存在。
[1] |
王彬华. 海雾[M]. 北京: 海洋出版社, 1983: 352.
|
[2] |
Gao S H, Lin H, Shen B, et al. A heavy sea fog event over the Yellow Sea in March 2005: Analysis and numerical modeling[J]. Adv Atmos Sci, 2007, 24(1): 65-81. DOI:10.1007/s00376-007-0065-2 |
[3] |
张苏平, 鲍献文. 近十年中国海雾研究进展[J]. 中国海洋大学学报, 2008, 38(3): 359-366. |
[4] |
胡基福, 常美桂. 鲁南海区海雾天气型的客观划分及其天气分析[J]. 海洋湖沼通报, 1981(3): 7-13. |
[5] |
梁卫芳, 侯忠新. 青岛大雾的特征与预报[J]. 山东气象, 2001, 21(2): 12. DOI:10.3969/j.issn.1005-0582.2001.02.005 |
[6] |
江敦双, 张苏平, 陆惟松. 青岛海雾的气候特征和预测研究[J]. 海洋湖沼通报, 2008(3): 7-12. DOI:10.3969/j.issn.1003-6482.2008.03.002 |
[7] |
高山红, 齐伊玲, 张守宝, 等. 利用循环3DVAR改进黄海海雾数值模拟初始场Ⅰ: WRF数值试验[J]. 中国海洋大学学报, 2010, 40(10): 1-9. |
[8] |
高山红, 张守宝, 齐伊玲, 等. 利用循环3DVAR改进黄海海雾数值模拟初始场Ⅱ: RAMS数值试验[J]. 中国海洋大学学报, 2010, 40(11): 1-10. |
[9] |
高山红, 王永明, 傅刚. 一次黄海海雾的集合预报试验[J]. 中国海洋大学学报, 2014, 44(12): 1-11. |
[10] |
Findlater J, Roach W T, McHugh B C. The haar of north-east Scotland[J]. Quart J Roy Meteor Soc, 1989, 115(487): 581-608. DOI:10.1002/(ISSN)1477-870X |
[11] |
Kora in D, Lewis J, Thompson W T, et al. Transition of stratus into fog along the California coast: observations and modeling[J]. J Atmos Sci, 2001, 58(13): 1714-1731. DOI:10.1175/1520-0469(2001)058<1714:TOSIFA>2.0.CO;2 |
[12] |
Lewis J, Koracin D, Rabin R, et al. Sea fog off the California coast: Viewed in the context of transient weather systems[J]. J Geophys Res, 2003, 108(D15): 1147-1164. |
[13] |
李冉, 高山红, 王永明. 直接同化卫星辐射数据的黄海海雾数值试验研究[J]. 中国海洋大学学报, 2012, 42(3): 10-20. |
[14] |
Wang Y, Gao S, Fu G, et al. Assimilating MTSAT-derived humidity in now casting sea fog over the Yellow Sea[J]. Wea Forecasting, 2014, 29(2): 205-225. DOI:10.1175/WAF-D-12-00123.1 |
[15] |
杨悦, 高山红. 黄海海雾天气特征与逆温层成因分析[J]. 中国海洋大学学报, 2015, 45(6): 19-30. |
[16] |
张守宝. 高压系统影响下黄海海雾的形成机制研究[D]. 青岛: 中国海洋大学, 2010. http://cdmd.cnki.com.cn/article/cdmd-10423-1011029417.htm
|
[17] |
徐杰. 冬春季黄渤海海雾的观测分析与数值模拟研究[D]. 青岛: 中国海洋大学, 2011. http://cdmd.cnki.com.cn/Article/CDMD-10423-1011230493.htm
|
[18] |
王帅, 傅聃, 陈德林, 等. 2009年春季一次黄海海雾的观测分析及数值模拟[J]. 大气科学学报, 2012, 35(3): 282-294. DOI:10.3969/j.issn.1674-7097.2012.03.003 |
[19] |
周发琇, 刘龙太. 海雾[J]. 山东海洋学院学报, 1986(S1): 114-127. |
[20] |
Lin Y L, Farley R D, Orville H D. Bulk parameterization of the snow field in a cloud model[J]. J Climate Appl Meteor, 1983, 22(6): 1065-1092. DOI:10.1175/1520-0450(1983)022<1065:BPOTSF>2.0.CO;2 |
[21] |
Kain J S, Fritsch J M. A one-dimensional entraining/detraining plume model and its application in convective parameterization[J]. J Atmos Sci, 1990, 47(23): 2784-2802. DOI:10.1175/1520-0469(1990)047<2784:AODEPM>2.0.CO;2 |
[22] |
Iacono M J, Delamere J S, Mlawer E J, et al. Radiative forcing by long-lived greenhouse gases: Calculations with the AER radiative transfer models[J]. J Geophys Res Atmos, 2008, 113(D13): 1395-1400. |
[23] |
Chen F, Dudhia J. Coupling an advanced land surface-hydrology model with the Penn State NCAR MM5 Modeling System. Part Ⅰ: Model implementation and sensitivity[J]. Mon Wea Rev, 2001, 129(4): 569-585. DOI:10.1175/1520-0493(2001)129<0569:CAALSH>2.0.CO;2 |
[24] |
Parrish D F, Derber J C. The national meteorological center's spectral statistical-interpolation analysis system[J]. Mon Wea Rev, 1992, 120(8): 1747-1763. DOI:10.1175/1520-0493(1992)120<1747:TNMCSS>2.0.CO;2 |
[25] |
赵永平, 陈永利, 王丕诰. 黄、东海海雾过程及其大气和海洋环境背景场的分析[J]. 海洋科学集刊, 1997, 1: 73-82. |
[26] |
Zhang S P, Xie S P, Liu Q Y, et al. Seasonal variations of Yellow Sea fog: observations and mechanisms[J]. J Climate, 2009, 22(24): 6758-6772. DOI:10.1175/2009JCLI2806.1 |
[27] |
傅刚, 张涛, 周文琇. 一次黄海海雾的三维数值模拟研究[J]. 青岛海洋大学学报, 2002, 32(6): 859-867. DOI:10.3969/j.issn.1672-5174.2002.06.002 |
[28] |
齐伊玲. 典型黄海平流海雾形成机制的研究[D]. 青岛: 中国海洋大学, 2010. http://cdmd.cnki.com.cn/article/cdmd-10423-1011030305.htm
|