2019, Vol. 39
2. 山东省海洋-大气相互作用与气候重点实验室，山东 青岛 266100
2. Key Laboratory of Ocean-Atmosphere Interaction and Climate in Universities of Shandong, Ocean University of China, Qingdao 266100, China
在全球变暖背景下，北极地区的海冰迅速减少，其消退速度超过了大部分气候模式的预测值[1]。尤其在北半球夏季，当海冰消融到一定程度，北极航线的常规通航甚至商业运营有望实现[2]。而北极海雾这种伴随着低能见度的灾害天气会给航行船只带来极大危险，导致海难发生。据统计，在气象原因造成的海难事故中，海雾造成的事故约占20%[3]。因此研究北极海雾具有重要的现实意义。
北极海雾的种类包括平流雾、辐射雾以及蒸发雾[4]，然而它的物理机制与中纬度海雾有很大不同。在中纬度，海气界面的相互作用很大程度上影响着大气温度、水汽含量以及边界层稳定度，从而影响海雾的发生与消散[5]。然而北极存在海冰，海-冰-气三者之间存在更复杂的热量交换和相互作用，使北极海雾生成的物理过程也更为复杂。前人研究表明，海冰会直接改变下垫面的反照率，从而影响辐射通量[6]和湍流通量[7]，控制大气的温度与稳定度[8]；海冰还会阻隔海面向空气中蒸发水汽[9]。因此海冰对北极海雾的影响不可忽略。不过北极自然环境恶劣，观测资料比较匮乏，影响了北极海雾的研究进展。
高时空分辨率的数值模拟是研究海雾演变机制的一种主要手段。近年来，俄亥俄州立大学伯德极地和气候研究中心极地气象小组研发了Polar WRF模式，该模式考虑了海冰密集度等海冰性质参数，可以比较准确地模拟环北极陆地以及北冰洋等地区的天气现象与气候变化[10-14]。近年来北极海冰迅速融化，存在大量的海冰密集度小于(大于)50%的低(高)浮冰区。如果Polar WRF模式不考虑海冰分布，将这些低(高)浮冰区视为开阔水域(冰区)，有可能会影响该区域海雾的数值模拟效果。为了探究海冰分布是否会影响模式模拟海雾的准确性这个问题，本文使用Polar WRF(V3.8)模式对2016年中国第七次北极科学考察中观测到的一次北极海雾进行数值模拟，并且进行海冰密集度敏感性试验；将试验结果与观测进行对比，分析海冰分布对海雾模拟的影响。该工作可以为北极海雾的研究提供参考。
1 数据与方法 1.1 数据研究利用了2016年7月中国第七次北极科学考察的走航观测数据。船载走航气象要素观测包括风速、风向、相对湿度、气温(SAT)、海面温度(SST)、水平能见度等，采样时间间隔1 min；GPS导航数据，时间间隔30 s；探空数据包括气温、气压、相对湿度、风向、风速的垂直变化，每天23时(世界时，下同)探测一次，响应时间间隔1 s。本文通过船测能见度小于1 km判断海雾[5]的存在。
数值模拟的初始场与侧边界条件使用欧洲中期天气预报中心提供的ERA-Interim再分析资料(ERA)[15]，包括风速、风向、比湿、相对湿度、气温、位势高度、海冰密集度、海面温度等物理量，水平分辨率为0.25°×0.25°，每6 h一次(http://apps.ecmwf.int/datasets/)。
1.2 模式与试验Polar WRF是在WRF模式基础上改进的专门用于极地的天气预报模式。它可以更全面地考虑海冰密集度等海冰性质，在Noah陆面过程方案中的表面能量收支和热传递更加适用于海冰以及永久冰面上[16](WRF3.5版本以后也可以考虑海冰密集度等变量)。为了研究海冰分布对海雾是否产生影响，本文利用Polar WRF(V3.8)模拟一次走航海雾过程，设计海冰密集度敏感性试验，对比两种试验结果。
控制试验(Exp-Ctr)用海冰密集度来描述海冰状况，海冰密集度计算公式如下：
| $ 海冰密集度 = 海冰覆盖面积/总面积 \times 100\% $ | (1) |
敏感性试验(Exp-Sen)不考虑海冰密集度，它用“1(有)”和“0(无)”描述海冰状况。如图 1a所示，2016年7月25日12时—27日03时，当科考船由西南向东北方向行驶时，由开阔海面进入浮冰区，海冰密集度最大可达到40%。Exp-Ctr试验中的海冰场保留了海冰密集度的变化(图 1a)，但Exp-Sen试验将航线所经区域均视为开阔水面(图 1b)。除海冰密集度外，两种试验的其他参数设置均一致(表 1)。试验的初始场与侧边界条件使用6 h一次的ERA资料，积分步长为180 s，网格1与网格2的输出时间间隔分别为3 h和1 h。
|
图 1 控制试验Exp-Ctr(a)与敏感性试验Exp-Sen(b)的海冰密集度(填色，单位：%)与船测轨迹示意图(等值线均为ERA海冰密集度，绿色线为船测轨迹，蓝色部分表示航程中有雾，红星为几个时间节点的船位置，图示区域为模式中网格2区域) Fig.1 Sea ice fraction (colored, units: %) in Exp-Ctr (a) and Exp-Sen (b) and track of the ship (isoline for the sea ice fraction of ERA, green line for tracks of the ship, blue line for the route with fog, red star for the location of the ship at some time nodes, the graphic area is the area of Grid 2 in the model) |
|
表 1 模式参数设定 Table 1 Parameter settings of the mode |
船测数据记录了一次海雾过程(图 2a)，26日12时能见度开始由15 km迅速下降，26日15时降至1 km以下，海雾开始发生，此后稳定在1 km以下约6 h，直到26日21时迅速上升到约20 km，海雾消散。
|
图 2 能见度、相对湿度、气温、海面温度与风场的时间变化序列对比(a.船测能见度，b.船测气温、海面温度和相对湿度，c. Exp-Ctr试验，d. Exp-Sen试验；灰色线为能见度，单位：km；蓝色线为相对湿度，单位：%；粉色线为气温，单位：℃；黑色线为海面温度，单位：℃；箭头为风矢量，横坐标加粗部分表示进入浮冰区；紫色柱表示观测到的海雾发生时间) Fig.2 Variation of visibility, relative humidity, SAT, SST, and wind (a. ship observation of visibility, b. ship observation of SAT, SST, and relative humidity, c. Exp-Ctr, d. Exp-Sen; gray line for visibility, units: km; blue line for relative humidity, units: %; pink line for SAT, units: ℃; black line for SST, units: ℃; arrow for wind vector, the X-axis in bold denotes entering areas of floating ice; purple bar for observed time of occurring sea fog) |
在此期间，相对湿度和能见度的变化对应较好(图 2b)，自26日12时起相对湿度突然由95%开始增加，到26日15时达到100%，约6 h后相对湿度降低为98%，雾消散。
考察船由南向北行驶并在26日00时左右驶入浮冰区。在驶入浮冰区以前，SST比SAT高约2 ℃，有利于海面蒸发，从而向大气输送水汽。随着考察船向北行驶，SAT与SST均逐渐降低。在26日12时(海雾开始3 h前)，SST迅速降低至SAT以下，直到27日00时(海雾消散3 h后)SST升高至SAT以上。期间为暖空气冷下垫面的配置，同时持续的南风不断将南侧的水汽输送到北侧的冷海面上，使水汽遇冷凝结产生平流冷却雾[22]。值得注意的是，在海雾发展期间，航线上的SAT从约4 ℃降低至约0 ℃，而由于海冰的出现，SST由约6 ℃快速下降至约0 ℃，SST下降速率明显大于SAT。这与中纬度平流冷却雾形成过程中往往SAT下降速度超过SST[23]不同，再次体现了研究北极海雾时考虑海冰的必要性。
海雾发生前北风逐渐转变为南风，26日12时前后南风达到最强，随后风速减弱，能见度持续降低，26日15时海雾发生。此后东南风一直维持并逐渐减弱，海雾维持。26日21时风向转为西南风，SAT和SST略有上升，但SAT上升更快，相对湿度降低不再饱和，能见度迅速增大，海雾消散。
2.1.2 试验结果通过船载GPS定位提取数值模式网格中与船最近的格点的模拟气象要素和观测的气象要素进行对比(图 2c、d)。Exp-Ctr模拟的相对湿度变化趋势和观测比较吻合，二者的相关系数为0.61。26日00时Exp-Ctr模拟的相对湿度先增大后减小，至26日12时再增大至饱和，不过其模拟产生雾的时间比观测滞后约2 h。并且由于海雾消散以后24 h内，观测相对湿度均维持在98%左右(图略)，所以Exp-Ctr试验中一直没有模拟出海雾消散的过程。Exp-Sen模拟的相对湿度变化趋势和观测差别较大，二者的相关系数仅为0.16。尤其26日15时之后没有模拟出100%的相对湿度。
26日00时进入浮冰区以后，Exp-Ctr和Exp-Sen模拟的温度结果开始出现差别。不过二者都较好地模拟出气温缓慢降低至0 ℃随后保持稳定的趋势，Exp-Ctr模拟的温度与观测的温度相关系数为0.83，Exp-Sen对应的相关系数为0.87。
两个试验均模拟出了北风转南风的趋势以及26日12时的南风极大值，风场随时间变化与风场的强度也都模拟得十分接近。
2.2 航线上大气边界层垂直结构模拟与观测对比由于北极地区下垫面的冷却作用强烈，常常在近地面形成逆温层，使海雾常常形成于逆温层之下[24]。对比探空观测和两个试验的温度垂直变化(图 3a、b)发现，Exp-Ctr和Exp-Sen模拟的温度结构特征基本与观测一致，都捕捉到观测中的25日到26日的逆温层抬升，26日模拟的逆温层高于观测的逆温层约100 m。对比相对湿度廓线(图 3c、d)发现，两个试验的湿度廓线相似，与探空观测的湿度廓线有差异。试验模拟的高湿层(相对湿度>90%)比观测变化幅度更大，高湿层从约100 m抬升到约300 m，而观测的高湿层从约200 m抬升到约250 m。
|
图 3 垂直结构对比(a. 25日23时温度，b. 26日23时温度，c. 25日23时相对湿度，d. 26日23时相对湿度；红色实线为探空观测温度，单位：℃；蓝色实线为探空观测相对湿度，单位：%；黑色实线为Exp-Ctr试验结果，黑色虚线为Exp-Sen试验结果) Fig.3 Comparison of vertical structure (a. temperature at 23:00 UTC on 25, b. temperature at 23:00 UTC on 26, c. relative humidity at 23:00 UTC on 25, d. relative humidity at 23:00 UTC on 26; red line for the sounding observation of temperature, units: ℃; blue line for the sounding observation of relative humidity, units: %; black solid line for results of Exp-Ctr, black dashed line for results of Exp-Sen) |
各层的大气环流控制着能量输送、水汽输送、垂直运动等大气运动，影响海雾的发生、维持以及消散。对比ERA和两个试验的环流形势(图 4)发现，两个试验模拟500 hPa和1 000 hPa的温度场、风场结果都和ERA十分吻合，并且之间差别很小。
|
图 4 27日00时空间各层环流场对比(a. ERA 500 hPa，b. Exp-Ctr 500 hPa，c. Exp-Sen 500 hPa，d. ERA 1 000 hPa，e. Exp-Ctr 1 000 hPa，f. Exp-Sen 1 000 hPa；填色为温度，单位：℃；等值线为位势高度，单位：gpm；箭头为风矢量，绿线为航线，红星为此时船位置) Fig.4 Comparison of circulation pattern at each layer at 00:00 UTC on 27 (a. 500 hPa of ERA, b. 500 hPa of Exp-Ctr, c. 500 hPa of Exp-Sen, d. 1 000 hPa of ERA, e. 1 000 hPa of Exp-Ctr, f. 1 000 hPa of Exp-Sen; isoline for geopotential height, units: gpm; arrow for wind vector, green line for the route, red star for the location of the ship at the moment) |
结合图 2、图 3和图 4的分析，两个试验都能够比较准确地模拟出表面气温以及风场的时间变化，垂直结构上模拟的逆温层强度、高度与探空观测很接近，大尺度环流形势、温度分布也和ERA基本相同。但是在表层，不考虑海冰密集度时，Exp-Sen试验基本上无法准确地模拟出相对湿度的变化趋势(图 2d)，而考虑海冰密集度的Exp-Ctr试验模拟的表面相对湿度变化趋势和观测更加吻合，基本模拟出海雾的生消变化。
3 试验结果对海冰密集度的响应为探讨海冰密集度是通过哪些过程使得两个试验模拟的表层空气相对湿度不同，本文对比了两个试验中的表面空气的温度差异和比湿差异，并分析平流、热量通量、辐射通量等对其的影响。
3.1 表层空气温度差异从26日12时至雾开始发生，Exp-Ctr模拟的温度一直在降低(图 5a)。而Exp-Sen模拟的温度却一直升高，根据克劳修斯-克拉珀龙方程，饱和水汽压会不断增大，抑制雾的生成。
|
图 5 气温(a，单位：℃)、感热通量(b，单位：W·m-2)、潜热通量(c，单位：W·m-2)、比湿(d，单位：g·kg-1)、水汽平流(e，单位：10-5g·kg-1·s-1)、向上水汽通量(f，单位：10-4g·s-1·m-2)时间变化序列对比(黑色实线为Exp-Ctr试验，虚线为Exp-Sen试验，红色实线为观测或通过观测计算的结果，其中b，c的观测通量值被扩大为4倍；紫色柱表示观测到的海雾时间) Fig.5 Variation of temperature (a, units: ℃), sensible heat flux (b, units: W·m-2), latent heat flux (c, units: W·m-2), specific humidity (d, units: g·kg-1), water vapor advection (e, units: 10-5g·kg-1·s-1), upward water vapor flux (f, units: 10-4g·s-1·m-2) (black solid line for Exp-Ctr, dashed line for Exp-Sen, red solid line for the observation data or the result of calculation using it, the observed value of flux in Fig. 5b and Fig. 5c is quadrupled; purple bar for observed time of occurring sea fog) |
海气界面间的热量交换对空气温度有重要的影响。由观测计算出的感热、潜热通量[25]在海雾发生时均为负值(图 5b、c)，有利于空气向下输送热量引起降温，促进雾的形成(由于模式模拟的通量绝对值偏大，为了方便比较趋势，图 5b、c中的观测通量值被扩大为4倍)。两个试验的感热通量变化趋势与观测类似，但是Exp-Ctr模拟的感热通量甚至可以达到Exp-Sen模拟的3倍(图 5b)。这是由于Exp-Ctr模拟的海气界面温差更大，更有利于大气向下输送热量。同时，Exp-Ctr模拟的潜热通量最强可以接近-50 W·m-2，此时空气中的水汽不断凝结向下输送热量；而Exp-Sen试验却在26日00时以后模拟的潜热通量接近0(图 5c)，通过图 2d可知，这段时间Exp-Sen试验的相对湿度未达到100%，这意味海气界面未饱和却几乎无法模拟出潜热通量，这会导致Exp-Sen模拟的空气温度在26日12时至海雾发生前一直升高，明显不同于观测与Exp-Ctr中空气温度降低的结果(图 5a)。如26日13时(图 6a、b)，Exp-Sen也模拟出了潜热通量为0的格点远多于Exp-Ctr，并且这些格点基本上都位于低浮冰区，即海冰密集度位于0~50%并且是被Exp-Sen试验认为是无冰的区域。而在高浮冰区，两种试验的潜热通量结果相差不大。
|
图 6 潜热通量(填色，单位：W·m-2)和向上水汽通量(填色，单位：10-3g·s-1·m-2)的Exp-Ctr试验与Exp-Sen试验对比图(a. 26日13时Exp-Ctr试验潜热通量，b. 26日13时Exp-Sen试验潜热通量，c. 27日00时Exp-Ctr试验向上水汽通量，d. 27日00时Exp-Sen试验向上水汽通量；红星为此时刻船位置；等值线表示海冰密集度，单位：%) Fig.6 Comparison of latent heat flux (colored, units: W·m-2) and upward water vapor flux (colored, units: 10-3g·s-1·m-2) between Exp-Ctr and Exp-Sen (a. latent heat flux at 13:00 UTC on 26 in Exp-Ctr, b. latent heat flux at 13:00 UTC on 26 in Exp-Sen, c. upward water vapor flux at 00:00 UTC on 27 in Exp-Ctr, d. upward water vapor flux at 00:00 UTC on 27 in Exp-Sen; red star for the location of the ship at the moment; isoline for sea ice fraction, units: %) |
除此以外还对比了两个试验模拟的温度平流与辐射通量。两个试验的温度平流结果比较接近，雾发生时都存在强度约5×10-5 K·s-1的暖平流，二者模拟的向下长波辐射与大气顶层向上长波辐射也都十分相似。所以在这次海雾过程模拟中，Exp-Sen试验没有考虑海冰密集度导致其在低浮冰区大面积地模拟出潜热通量值为0的情况，不利于表面气温降低、空气饱和，因此未能和Exp-Ctr试验一样模拟出海雾。
3.2 表层空气比湿差异在雾发生阶段，Exp-Sen模拟的比湿比Exp-Ctr低约0.2 g·kg-1(图 5d)，因此水汽不足也是Exp-Sen试验未能模拟出海雾的原因之一。在此期间，两个试验都模拟出了正水汽平流，极大值都在2×10-5g·kg-1·s-1左右(图 5e)，然而二者的水汽平流变化趋势并不完全相同。由于两个试验模拟的风场非常接近，所以水汽平流存在差异主要是因为两个试验模拟空间上的比湿分布不同造成的。而表面向上水汽通量对比湿的影响不可忽略。从26日00时起，Exp-Sen模拟的向上水汽通量几乎一直处于0附近，而Exp-Ctr模拟出0值的情况较少(图 5f)。如27日00时(图 6c、d)，Exp-Sen比Exp-Ctr试验更容易在低浮冰区大面积地出现通量为0的情况。因此考虑海冰密集度的Exp-Ctr试验可以模拟出更多海水蒸发，使大气中水汽含量增加，有利于空气饱和生成海雾。在高浮冰区，两种试验的表面向上水汽通量结果则相差不大。
4 结论与讨论利用Polar WRF模式对2016年7月一次北极夏季海雾个例进行模拟，并对海冰密集度进行敏感性试验，分析了两个试验模拟的气象要素的时间变化、垂直结构以及空间环流形势，并与北极考察船测数据以及ERA再分析资料进行对比、分析，得到如下结论：
1) 考虑海冰分布特征对模拟北极海雾过程十分必要。考虑了海冰密集度的Polar WRF模式可以比较准确地模拟北极海雾，其模拟的表面气象要素、垂直结构与空间环流都比较准确。而不考虑海冰密集度时，其模拟的表层空气相对湿度变化趋势存在问题，无法模拟出海雾的生消变化。
2) 不考虑海冰密集度时，低浮冰区被视为无冰开阔水面，试验结果显示该区域内几乎没有潜热交换，不利于空气的降温与增湿，无法准确模拟出相对湿度的变化，导致模式未能模拟出海雾发生。因此在考虑海冰密集度时，低浮冰区潜热与水汽通量的改进会提高北极海雾模拟能力。
本文说明考虑了海冰密集度的Polar WRF可以更准确地模拟北极海雾的三维结构及其生消过程。如果结合ERA数据与其他包含更多的北极海冰特征变化(如海冰反照率、海冰厚度以及冰上雪厚度)的数据集，模式将更多海冰的物理特征考虑其中，也许可以进一步提高海气界面物理过程的模拟效果，改进北极海雾的数值模拟效果。
致谢
感谢中国第七次北极科学考察队提供走航观测数据、海面温度以及探空数据。感谢俄亥俄州立大学伯德极地和气候研究中心极地气象小组在网站上公开Polar WRF模式。感谢欧洲中期天气预报中心提供再分析数据。
| [1] |
STROEVE J C, KATTSOV V, BARRETT A, et al. Trends in Arctic sea ice extent from CMIP5, CMIP3 and observations[J]. Geophys Res Lett, 2012, 39(16): L16502. |
| [2] |
李振福. 北极航线的中国战略分析[J]. 中国软科学, 2009(1): 1-7. DOI:10.3969/j.issn.1002-9753.2009.01.001 |
| [3] |
高从琴. 气象与海难事故[J]. 气象, 1996, 22(10): 54-57. DOI:10.7519/j.issn.1000-0526.1996.10.014 |
| [4] |
解思梅, 薛振和, 曲绍厚, 等. 北冰洋夏季的海雾[J]. 海洋学报, 2001, 23(6): 40-50. DOI:10.3321/j.issn:0253-4193.2001.06.005 |
| [5] |
王彬华. 海雾[M]. 北京: 海洋出版社, 1983: 1.
|
| [6] |
CURRY J A, SCHRAMM J L, EBERT E E. Sea ice-albedo climate feedback mechanism[J]. J Climate, 1995, 8(2): 240-247. DOI:10.1175/1520-0442(1995)008 < 0240:SIACFM > 2.0.CO; 2 |
| [7] |
EBERT E E, CURRY J A. An intermediate one-dimensional thermodynamic sea ice model for investigating ice-atmosphere interactions[J]. J Geophys Res: Oceans, 1993, 98(C6): 10085-10109. DOI:10.1029/93JC00656 |
| [8] |
SCHWEIGER A J, LINDSAY R W, VAVRUS S, et al. Relationships between Arctic sea ice and clouds during autumn[J]. J Climate, 2008, 21(18): 4799-4810. DOI:10.1175/2008JCLI2156.1 |
| [9] |
CURRY J A, SCHRAMM J L, SERREZE M C, et al. Water vapor feedback over the Arctic Ocean[J]. J Geophys Res: Atmos, 1995, 100(D7): 14223-14229. DOI:10.1029/95JD00824 |
| [10] |
马永锋.Polar WRF对南极地区天气过程的模拟试验研究[D].北京: 中国气象科学研究院, 2012. http: //cdmd.cnki.com.cn/Article/CDMD-85101-1013212461.htm
|
| [11] |
HINES K M, BROMWICH D H. Development and testing of Polar Weather Research and Forecasting (WRF) Model. Part Ⅰ:Greenland ice sheet meteorology[J]. Mon Wea Rev, 2008, 136(6): 1971-1989. DOI:10.1175/2007MWR2112.1 |
| [12] |
BROMWICH D H, HINES K M, Bai L S. Development and testing of Polar Weather Research and Forecasting model: 2. Arctic Ocean[J]. J Geophys Res: Atmos, 2009, 114(D8): D08122. |
| [13] |
WILSON A B, BROMWICH D H, HINES K M. Evaluation of Polar WRF forecasts on the Arctic System Reanalysis domain: Surface and upper air analysis[J]. J Geophys Res: Atmos, 2011, 116(D11): D11112. DOI:10.1029/2010JD015013 |
| [14] |
WILSON A B, BROMWICH D H, HINES K M. Evaluation of Polar WRF forecasts on the Arctic System Reanalysis Domain: 2. Atmospheric hydrologic cycle[J]. J Geophys Res: Atmos, 2012, 117(D4): D04107. |
| [15] |
DEE D P, UPPALA S M, SIMMONS A J, et al. The ERA-Interim reanalysis: configuration and performance of the data assimilation system[J]. Quart J Roy Meteor Soc, 2011, 137(656): 553-597. DOI:10.1002/qj.v137.656 |
| [16] |
Polar Meteorology Group (Byrd Polar Research Center, The Ohio State University).The Polar WRF: Description[EB/OL].(2018-01-23)[2018-12-29]. http://polarmet.osu.edu/PWRF/.
|
| [17] |
ROGERS E, BLACK T, FERRIER B, et al. Changes to the NCEP Meso Eta Analysis and Forecast System: Increase in resolution, new cloud microphysics, modified precipitation assimilation, modified 3DVAR analysis[R]. Silver Spring, Maryland: National Weather Service, 2001.
|
| [18] |
KAIN J S. The Kain-Fritsch convective parameterization:An updat[J]. J Appl Meteor, 2008, 43(1): 170-181. |
| [19] |
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): D13103. DOI:10.1029/2008JD009944 |
| [20] |
HONG S Y, NOH Y, DUDHIA J. A new vertical diffusion package with an explicit treatment of entrainment processes[J]. Mon Wea Rev, 2006, 134(9): 2318-2341. DOI:10.1175/MWR3199.1 |
| [21] |
CHEN F, DUDHIA J. Coupling an advanced land surface-hydrology model with the Penn State—NCAR MM5 modeling system. Part Ⅱ: Preliminary model validation[J]. Mon Wea Rev, 2001, 129(4): 587-604. DOI:10.1175/1520-0493(2001)129 < 0587:CAALSH > 2.0.CO; 2 |
| [22] |
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(自然科学版), 2008, 38(3): 359-366. |
| [23] |
ZHANG S P, LEWIS J M.Synoptic processes[M]//KORA C ˇ IN D, DORMAN C E.Marine fog: Challenges and advancements in observations, modeling, and forecasting. Switzerland: Springer International Publishing, 2017: 291-343.
|
| [24] |
DEVASTHALE A, SEDLAR J, TJERNSTRÖM M. Characteristics of water-vapour inversions observed over the Arctic by Atmospheric Infrared Sounder (AIRS) and radiosondes[J]. Atmos Chem Phys, 2011(11): 9813-9823. |
| [25] |
FAIRALL C W, BRADLEY E F, ROGERS D P, et al. Bulk parameterization of air-sea fluxes for Tropical Ocean-Global Atmosphere Coupled-Ocean Atmosphere Response Experiment[J]. J Geophys Res: Oceans, 1996, 101(C2): 3747-3764. DOI:10.1029/95JC03205 |