海洋气象学报  2020, Vol. 40 Issue (1): 66-78  DOI: 10.19513/j.cnki.issn2096-3599.2020.01.007
0

引用本文  

盛春岩, 荣艳敏, 曲巧娜, 等. WRF模式物理参数化方案对一次局地大暴雨预报的影响研究[J]. 海洋气象学报, 2020, 40(1): 66-78. DOI: 10.19513/j.cnki.issn2096-3599.2020.01.007.
SHENG Chunyan, RONG Yanmin, QU Qiaona, et al. Numerical simulation and comparative study on a local rainstorm event via WRF with different physical parameterization schemes[J]. Journal of Marine Meteorology, 2020, 40(1): 66-78. DOI: 10.19513/j.cnki.issn2096-3599.2020.01.007. (in Chinese)

基金项目

"十三五"山东现代农业气象服务保障工程(鲁发改农经[2017]97号);山东省重点研发计划项目(2016GSF120017);山东省气象科学研究所数值天气预报应用技术开放研究基金项目(SDQXKF2014Z02);山东省气象局科研项目(2018sdqxm10)

作者简介

盛春岩,女,博士,研究员级高级工程师,主要从事数值预报和灾害天气研究,sdqxscy@126.com.

文章历史

收稿日期:2019-09-13
修订日期:2019-11-07
WRF模式物理参数化方案对一次局地大暴雨预报的影响研究
盛春岩 , 荣艳敏 , 曲巧娜 , 范苏丹     
山东省气象科学研究所, 山东 济南 250031
摘要:基于WRF(Weather Research and Forecasting)模式及其3Dvar(3-Dimentional Variational)资料同化系统, 采用36、12、4km嵌套网格进行快速更新循环同化和不同的微物理及积云对流参数化方案对比试验, 对2011年5月8日鲁中一次局地大暴雨过程进行了研究。结果表明, 快速更新循环同化地面观测资料是影响模式降水落区预报准确性的关键因素, 不同的微物理和积云对流参数化方案主要影响降水强度预报。采用不同的微物理参数化方案和积云对流参数化方案进行降水预报对比试验表明, LIN方案和WSM6(WRF Single-Moment 6-class)微物理参数化方案对降水预报均较好, LIN方案降水预报较WSM6方案略强。4km网格预报使用K-F(Kain- Fritsch)积云对流参数化方案或不使用积云对流参数化方案, 预报的降水均较好。4km网格使用旧的K-F积云对流参数化方案, 预报的近地层大气风场偏弱, 导致大气动力抬升作用偏弱, 从而造成模式降水预报偏弱。
关键词WRF模式    资料同化    物理参数化方案    大暴雨    
Numerical simulation and comparative study on a local rainstorm event via WRF with different physical parameterization schemes
SHENG Chunyan , RONG Yanmin , QU Qiaona , FAN Sudan     
Shandong Institute of Meteorological Sciences, Jinan 250031, China
Abstract: Using the WRF (Weather Research and Forecasting)model and it's 3Dvar (3-Dimentional Variational)data assimilation (DA)system, a local rainstorm event in middle Shandong on 8 May 2011 is studied adopting 3-h assimilation cycle of 36 km, 12 km, and 4 km nested grid and comparative experiments of different microphysics and cumulus convective parameterization schemes. The results are as follows. Rapid update cycle of surface observation data is a key factor for the model forecast of precipitation area. Different microphysics and cumulus convective parameterization schemes mainly affect the precipitation intensity forecast. Comparative experiments of different microphysics and cumulus convective parameterization schemes show that LIN scheme and WSM6 (WRF Single-Moment 6-class) microphysics schemes are both good for precipitation forecast and the LIN scheme performs better. The precipitation forecast of 4 km nested grid both performs better with K-F (Kain-Fritsch) cumulus convective parameterization schemes or without cumulus convective parameterization schemes. The 4 km grid forecast with the previous K-F cumulus convective parameterization schemes indicates that the weak surface wind field leads to weak lifting motion and the precipitation of model forecast is weaker. Key words the WRF model;data assimilation;physical parameterization scheme;rainstorm
Key words: the WRF model    data assimilation    physical parameterization scheme    rainstorm    
引言

近几十年来, 数值天气预报和资料同化水平不断发展进步, 数值模式对暴雨预报能力显著提高, 但是局地突发性暴雨仍然是预报难点。为此, 世界发达国家都在致力于快速更新循环同化预报系统, 目的是为了把各种最新的观测资料同化到数值模式中, 改进模式初始场, 提高数值模式预报能力, 如美国的HRRR[1], 中国气象局数值预报中心的GRAPES_RAFS[2-5], 北京[6-7]、上海[8-10]、广东[11]等中尺度模式系统, 不少省级气象局也在运行本地的RUC快速更新循环同化预报系统, 以提高对本地突发灾害天气预报能力。

然而, 因不同的灾害天气过程适合的物理参数化方案不同[12], 即使质量很高的初始场也不能保证数值模式较准确地预报大暴雨过程[13]。数值模式在动力框架下引入了各种不同的物理过程参数化方案, 以合理描述各种尺度的天气过程, 如显式的微物理参数化方案、积云对流参数化方案等。选择适合本地的物理参数化方案, 对数值预报结果同样有着重要影响。WRF(Weather Research and Forecasting)模式已在我国广泛应用, 关于WRF模式不同物理参数化方案对预报影响的研究也较多。王田田等[14]研究了WRF模式不同过程物理参数化方案对甘肃一次暴雨的影响, 认为微物理方案对暴雨强度和落区预报的影响较积云对流参数化方案更为敏感。闫之辉和邓莲堂[15]试验了WRF模式不同物理参数化方案对暴雨预报的影响, 结果表明, 总体预报效果LIN et al.[16]方案(简称"LIN方案")较好, 而对流参数化方案从降水落区预报和对流降水对总降水的贡献两方面看则是K-F(Kain-Fritsch)和新的K-F方案的预报效果较好。郭云云等[17]通过批量试验研究了Kain-Fritsch Eta和BMJ(Betts-Miller-Janjic)两种积云对流参数化方案对GRAPES_meso降水预报的影响, 结果表明, 两种方案预报差异不大, 夏季差异稍明显, Kain-Fritsch Eta总体优于BMJ。

尽管相关领域的研究较多, 但研究中使用的模式分辨率大都在10km以上, 针对5km以下高分辨率模式预报的敏感性试验较少。同时, 由于各地的灾害天气不同, 还需要结合本地灾害天气特点研究适合本地灾害天气的物理参数化方案。盛春岩等[13]基于WRF模式, 采用36、12、4km三层嵌套网格进行逐3h资料同化和快速更新循环预报, 对2011年5月山东一次局地突发性大暴雨过程进行了资料同化敏感性试验。结果表明, 地面观测资料同化和快速更新循环对本次降水的预报起到了关键性作用。在快速更新循环预报时不同化地面观测资料, 或同化全部观测资料进行冷启动预报, 模式均不能预报出山东的降水。同化地面观测资料后, 显著改进了模式降水落区预报, 但预报的降水强度较实况明显偏弱。对于不同物理参数化方案对降水预报的影响尚未研究。

鉴于初始场和物理参数化方案对模式降水预报均有重要影响, 本文将在前期研究的基础上, 进一步开展不同微物理参数化方案以及积云对流参数化方案对本次大暴雨预报的敏感性试验, 并与不同初始场预报结果进行对比, 以分析造成模式对本次暴雨强度预报偏弱的原因。

1 大暴雨过程概述

2011年5月7日20时-8日20时(北京时), 山东省出现了一次局地大暴雨过程, 大暴雨中心出现在鲁中地区, 最大降水量超过了100mm。降水实况分析表明, 大暴雨主要出现在8日凌晨到上午, 02-14时, 最大降水量出现在淄川, 为105.9mm(图 1)。

图 1 2011年5月8日02-14时山东局地大暴雨过程累计降水量(单位:mm;红色三角位置为最大降水点) Fig.1 Cumulative precipitation of the local rainstorm in Shandong from 02:00 BST to 14:00 BST on 8 May 2011 (units:mm;red triangle for location of the maximum precipitation)

本次过程降水持续时间短、降水量集中、局地性强。由降水发生前的高低空形势(图 2图 3)看, 局地大暴雨发生前(7日20时), 850hPa为偏南风, 有较强风速向山东辐合, 850hPa以下为倒槽, 存在偏南风风速辐合, 700hPa为反气旋环流, 500hPa为弱高空槽后。大暴雨发生时(8日08时), 850hPa的风速辐合区进一步向北推进, 出现在山东, 850hPa出现了经向切变线, 850hPa以下的倒槽也向北推进, 风速辐合显著增强, 700hPa为西南气流, 辐合区在山东北部。500hPa为偏西风, 山东南部为弱的西南风气流。由大暴雨发生前和大暴雨发生时的环流形势场可以看出, 近地层倒槽和较强的风速辐合是造成暴雨的主要动力因素。

图 2 2011年5月7日20时(a.500hPa, b.850hPa, c.925hPa)和8日08时(d.500hPa, e.850hPa, f.925hPa)高空形势场(棕实线为高度场, 单位:dagpm;红虚线为温度场, 单位:℃;风矢为风场, 单位:m·s-1) Fig.2 Synoptic situation at 20:00 BST on 7 (a.500hPa, b.850hPa, c.925hPa)and 08:00 BST on 8 (d.500hPa, e.850hPa, f.925hPa)May 2011 (brown solid line for geopotential height, units:dagpm;red dashed line for temperature, units:℃;wind barb for wind field, units:m·s-1)
图 3 2011年5月7日20时(a)和8日08时(b)地面形势场(棕实线为气压场, 单位:hPa;风矢为风场, 单位:m·s-1) Fig.3 Surface synoptic situation at 20:00 BST on 7(a)and 08:00 BST on 8(b)May 2011 (brown solid line for sea-level pressure, units:hPa;wind barb for wind field, units:m·s-1)
2 数值试验方案设计

为对比分析不同的物理参数化方案对本次暴雨预报的影响, 并与不同初始场的影响进行对比, 基于WRF模式及其3Dvar资料同化系统, 共进行8组敏感性试验。试验1(Exp-W_pK)为控制试验。根据盛春岩等[13]对本次大暴雨过程资料同化和快速更新循环预报的对比试验结果, 选择最佳预报方案作为本次控制试验方案, 即采用36、12、4km三层嵌套网格, 三层网格格点数分别为126×101、151×121、181×127, 内层网格中心点为36°N, 117.8°E。模式采用的微物理方案为WSM-6, 积云对流参数化方案为旧的K-F方案, 边界层方案为YSU方案。模式起报时间为2011年5月7日08时, 采用7日08时GFS分析场作为全球背景场, GFS逐3h预报场作为外层侧边界, 进行逐3h同化循环预报, 同化的资料包括全国国家级地面气象观测站、探空、山东省25个GPS/MET站水汽资料、船舶资料, 预报时效为24h, 同化循环到7日14时进行预报对比试验。

由于WRF模式本身的物理参数化方案较多, 本文结合不同方案特点[15]及业务常用的较好方案进行试验, 主要对模式降水预报偏弱的原因进行研究。试验2(Exp-L_pK)在控制试验的基础上, 微物理参数化方案改为LIN方案。试验3(Exp-W_K)是在控制试验的基础上, 积云对流参数化方案改为K-F方案。试验 4(Exp-W_0)是在控制试验的基础上, 4km网格不使用积云对流。试验5(Exp-L_K)是在控制试验的基础上, 微物理参数化方案改为LIN方案, 积云对流参数化方案改为K-F方案。试验6、7与试验5采用完全相同的物理参数化方案, 但试验6(Exp-L_K-no)在7日14时模式启动时不同化任何观测资料。试验7、8(分别为Exp-L_K-00、Exp-W_pK-00)为模式自7日08时冷启动预报结果, 但采用不同的微物理参数化方案和积云对流参数化方案。数值试验方案设计见表 1

表 1 数值试验方案设计 Table 1 Design of numerical experiments
3 不同试验降水量预报对比 3.1 不同试验预报的时段降水量对比

由于降水主要集中在8日02-14时, 为此, 分别对不同试验预报的8日02-14时降水量与实况降水量进行对比。由图 4可以发现, 不同试验预报的降水落区分布总体上较为接近, 强降水主要位于鲁中, 与实况降水量也较为一致, 但不同试验预报的降水强度差异较大。其中, 试验1(控制预报, Exp-W_pK)预报的降水强度最弱, 最强降水不到30mm, 试验2(Exp-L_pK)预报结果与试验1基本相当, 但强度略有增强。试验3-6(Exp-W_K、Exp-W_0、Exp-L_K、Exp-L_K-no)预报的降水强度较好, 最强降水超过85mm, 强降水中心位置略有差异。试验7(Exp-L_K-00)预报的降水中心偏南。对于鲁西北的降水中心, 试验3-7均预报有降水, 但降水强度不同。试验8(Exp-W_pK-00)预报的降水主要出现在鲁西北及沧州、衡水一带, 山东降水很弱, 只在鲁中山区出现5mm左右的降水。

图 4 各试验预报的8日02-14时降水量(单位:mm;a.试验1 Exp-W_pK, b.试验2 Exp-L_pK, c.试验3 Exp-W_K, d.试验4 Exp-W_0, e.试验5 Exp-L_K, f.试验6 Exp-L_K-no, g.试验7 Exp-L_K-00, h.试验8 Exp-W_pK-00) Fig.4 Precipitation forecast from 02:00 BST to 14:00 BST on 8 May 2011 by 8 experiments (units:mm;a.Exp-W_pK, b.Exp-L_pK, c.Exp-W_K, d.Exp-W_0, e.Exp-L_K, f.Exp-L_K-no, g.Exp-L_K-00, h.Exp-W_pK-00)
3.2 不同试验预报的降水量检验评分

由3.1节的分析可以发现, 试验1-5采用的是相同的初始场和侧边界数据, 但模式使用不同的物理参数化方案, 除试验4(Exp-W_0)预报的降水落区略偏北外, 其他试验预报的降水落区类似, 但降水强度差异较大。使用K-F积云对流参数化方案(试验3Exp-W_K、试验5Exp-L_K)或4km不使用积云对流参数化方案(试验4), 预报的降水强度明显增强, 最强降水中心达85mm以上, 与实况较为接近。试验7(Exp-L_K-00)、试验8(Exp-W_pK-00)为自7日08时冷启动的预报, 二者使用完全相同的初始场和侧边界数据, 但因使用不同的微物理和积云对流参数化方案, 降水落区和强度预报仍然差异很大。结合盛春岩等[13]研究可知, 试验8与试验1(Exp-W_pK)降水预报差异的主要原因是试验8使用冷启动导致初始场信息不足。而试验7虽然与试验8使用了同样初始场和侧边界条件, 但降水强度预报明显增加, 显然是由于使用了适合的微物理方案和积云对流参数化方案而造成的。

同样, 试验6(Exp-L_K-no)、试验7(Exp-L_K-00)与试验5(Exp-L_K)采用完全相同的物理参数化方案, 但初始场有所不同, 预报的降水量仍然有差异, 主要表现为降水落区差异较大。结合盛春岩等[13]研究可知, 主要是由于试验5(Exp-L_K)的初始场采用了快速更新循环同化和同化地面观测资料, 对降水落区预报有显著改善, 体现出模式初始场对降水落区预报的重要影响。

为定量分析不同试验降水预报情况, 这里分别采用TS评分和目标对象检验方法, 对8个敏感性试验预报的8日02-14时降水量进行检验。

图 5给出了8个试验预报的8日02-14时山东省降水量TS评分对比, 可以发现, 对不同等级降水预报总体较好的为试验3(Exp-W_K), 其次为试验5(Exp-L_K), 大雨以上强降水TS评分较高的为试验4(Exp-W_0)。

图 5 2011年5月7日14时各试验预报的12~ 24h降水TS评分(单位:%) Fig.5 Threat score of 12-24 h precipitation forecast at 14:00 BST on 7 May 2011 by 8 experiments (units:%)

目标对象检验为从实况中甄别出大于一定强度等级的降水目标并进行编码, 然后分别计算每个目标对象的面积、重心位置、形状和强度参数, 将预报与实况识别的对象进行搜索匹配, 最后运用加权法综合四项评分, 评分最高即为预报(匹配)最好[18-19]。为评估不同试验对强降水预报情况, 这里分别对各试验预报的降水量R≥10 mm、R≥25 mm、R≥50 mm 进行目标对象检验评分, 综合不同等级降水总评分(图 6)可以看出, 降水预报总体较好的方案为试验5(Exp-L_K)和试验4(Exp-W_0), 其次为试验3(Exp-W_K)、试验6(Exp-L_K-no)、试验7(Exp-L_K-00), 试验1(Exp-W_pK)和试验8(Exp-W_pK-00)预报最差, 强度明显偏弱。目标对象检验和TS评分从不同角度说明, 试验5(Exp-L_K)、试验4(Exp-W_0)均有较好的预报, 试验3(Exp-W_K)对降水强度预报略弱, 其他预报更差一些。

图 6 各试验预报的2011年5月8日02-08时降水量R≥10mm、R≥25mm、R≥50mm降水目标对象检验评分结果 Fig.6 Object-based verification score of precipitation equal to or higher than 10mm, 25mm, and 50mm from 02:00 BST to 08:00 BST on 8 May 2011 by 8 experiments

综合8个试验降水预报检验结果可以认为, 快速更新循环同化地面观测资料, 对降水落区预报影响最大, 而不同的物理参数化方案对降水强度有很大影响。从本次对比的微物理参数化方案和积云对流参数化方案来看, 微物理参数化方案WSM-6和LIN方案对降水预报都有较好的预报效果, LIN方案降水预报较WSM-6 略好。4km网格使用K-F积云对流参数化方案或不使用积云对流参数化方案, 预报的降水均较好。4km网格使用旧的K-F积云对流参数化方案, 预报的降水明显偏弱。

3.3 不同试验预报的逐 3 h降水量演变

对不同试验预报的8日02-05、05-08、08-11、11-14时逐3h降水量演变进行了对比分析, 发现试验1、2、3、5 预报的逐3h降水量落区和演变特征非常接近, 降水首先从鲁中开始, 增强后向东北方向移动, 但不同方案预报的降水强度差异较大。试验4(Exp-W_0)预报的降水落区总体略偏北, 主要在鲁中以北, 强度预报较好。试验6(Exp-L_K-no)、试验7(Exp-L_K-00)预报的降水量落区总体偏西偏南, 降水首先从鲁西南开始, 降水落区和强度均有不同。试验8(Exp-W_pK-00)几乎未预报出山东的降水。

图 7给出了淄川站各试验逐3h降水量预报及降水实况, 可以发现, 逐3h降水量单站演变曲线也较好地说明, 试验5(Exp-L_K)、试验3(Exp-W_K)预报的降水发生时间和降水强度均较好, 3h降水量在35~45mm之间。试验4(Exp-W_0)预报的降水落区稍偏北, 试验1(Exp-W_pK)、试验2(Exp-L_pK)预报的降水时间也较好, 但强度明显偏弱, 3h降水量不足20mm。逐3h降水量演变特征再次表明, 试验1-5预报的降水量差异主要是降水强度, 体现出不同的物理参数化方案对降水强度预报的影响。试验6(Exp-L_K-no)与试验5(Exp-L_K)降水量预报的差异反映了初始场差异对降水落区预报的影响。

图 7 不同试验预报的淄川站8日02-14时段内逐3h降水量预报及实况(单位:mm) Fig.7 Observed and forecast 3-h cumulative precipitation at Zichuan Station from 02:00 BST to 14:00 BST on 8 May 2011 by 8experiments (units:mm)
4 不同试验降水预报差异原因分析

上述分析表明, 模式使用不同的物理参数化方案, 是造成模式降水强度预报差异的主要原因。不同参数化方案是如何影响模式降水预报的, 下面将从大气热力和动力场预报进行对比分析。

4.1 不同试验预报的大气热力场对比分析

首先, 对不同试验预报的大气热力场进行分析, 图 8给出了沿降水发生区(118°E)的大气假相当位温和相对湿度场经向垂直剖面图, 可以发现, 试验1-5预报的降水开始时(8日02时)大气假相当位温分布类似, 在35°N, 118°E上空约 850hPa附近有一个高能中心, 高能舌向北倾斜向高空伸展, 对应高能舌底部约750hPa附近为高湿区, 相对湿度均在90%以上。仅从大气热力场来看, 试验1-5的大气潜在不稳定条件是类似的, 无显著区别。试验6-8预报的降水开始时大气假相当位温中心明显偏南, 位于34°N以南, 中心位于900hPa附近, 试验6(Exp-L_K-no)预报的大气高湿区位于34.5°N, 118°E上空约600hPa附近, 而试验7(Exp-L_K-00)和试验8(Exp-W_pK-00)预报的大气明显偏干, 高湿区位于36°N, 118°E上空约550hPa附近, 最大相对湿度在85%左右。试验8(Exp-W_pK-00)在700hPa以下的相对湿度较试验7还要低, 大气热力条件较差。

图 8 各试验预报的8日02时沿118°E假相当位温(黑色实线, 单位:K)和相对湿度(蓝色点线, 单位:%)剖面(a.试验1Exp-W_pK, b.试验2 Exp-L_pK, c.试验3 Exp-W_K, d.试验4 Exp-W_0, e.试验5 Exp-L_K, f.试验6 Exp-L_K-no, g.试验7Exp-L_K-00, h.试验8 Exp-W_pK-00) Fig.8 Cross section of pseudo-equivalent potential temperature (black solid line, units:K)and relative humidity (blue dotted line, units:%)along 118°E at 02:00 BST on 8 May 2011 by 8 experiments (a. Exp-W_pK, b. Exp-L_pK, c. Exp-W_K, d. Exp-W_0, e. Exp-L_K, f. Exp-L_K-no, g. Exp-L_K-00, h. Exp-W_pK-00)

降水发生过程(图略)中, 不同试验预报的大气假相当位温和相对湿度分布总体差异仍不大。试验6-8预报的大气相对湿度略偏低, 湿区更偏西些。

4.2 不同试验预报的大气动力场对比分析

分析暴雨发生过程中(8日05时)高空环流场发现, 近地层存在三支气流向鲁中地区辐合(图略), 950hPa附近为偏东风辐合气流, 850hPa附近为偏南风辐合气流, 700hPa为西南风辐合气流。近地层风场的动力抬升作用是局地大暴雨的触发机制。

为分析各试验预报的大气动力场结构及差异, 沿对流启动区域(117°E)做鲁中以南大气风场和垂直速度场垂直剖面, 可以发现8日02时降水刚刚开始时(图 9), 试验1(Exp-W_pK)预报的鲁南地区近地层大气风速较大, 且35°N以北850hPa以下为东南风、850hPa以上为西南风, 存在较明显的风速辐合。由风场垂直结构看, 鲁中以南近地层风速大值中心与大气高能舌相对应, 主要在 850hPa高度以下35°~35.5°N附近向南伸展, 900hPa以下为东南风气流, 900~850hPa为南风气流, 风场的动力抬升作用为降水的发生提供了有利条件。试验2-5的风场垂直分布与试验1(Exp-W_pK)类似, 但与高能舌相对应的大风区的风速偏强, 特别是900hPa以下贴地层风速偏强2m·s-1左右。试验6(Exp-L_K-no)预报的大气近地层大风区略不同, 两个风速大值中心, 分别位于34.5°N和36°N上空约900hPa附近。试验7(Exp-L_K-00)、试验8(Exp-W_pK-00)预报的风场垂直结构与试验1(Exp-W_pK)虽然也类似, 但风速总体偏小, 大风区高度更低, 在950hPa以下, 试验8预报的风速更小。

图 9 各试验预报的8日02时沿117°E大气垂直风场(风矢)、全风速(蓝色实线)和垂直速度场(红色实线, 只画上升区)剖面图(单位:m·s-1;a.试验1 Exp-W_pK, b.试验2 Exp-L_pK, c.试验3 Exp-W_K, d.试验4 Exp-W_0, e.试验5 Exp-L_K, f.试验6 Exp-L_K-no, g.试验7 Exp-L_K-00, h.试验8 Exp-W_pK-00) Fig.9 Cross section of vertical wind field (wind barb), wind speed (blue solid line), and vertical velocity (red solid line, only for the updraft area)along 117°E at 02:00 BST on 8 May 2011 by 8 experiments (units:m·s-1;a. Exp-W_pK, b. Exp-L_pK, c. Exp-W_K, d. Exp-W_0, e. Exp-L_K, f. Exp-L_K-no, g. Exp-L_K-00, h. Exp-W_pK-00)

降水开始后(图 10), 高空西南风进一步增强, 最大风速中心位于800hPa左右, 风速最大值达14m·s-1, 试验2(Exp-L_pK)风场结构与试验1(Exp-W_pK)类似。试验3-5高空急流强度更强, 最大风速值较试验1偏强3~5 m·s-1, 在36.5°N上空不同高度层风速辐合更加明显, 大气垂直运动更强。试验7(Exp-L_K-00)因初始场不同, 预报的低空急流中心位置偏南, 相应地, 降水预报也偏南。而试验8(Exp-W_pK-00)虽与试验7(Exp-L_K-00)采用同样的初始场, 因使用了不同的物理参数化方案, 风场预报明显偏弱, 差异很大。

图 10 各试验预报的8日05时沿117°E大气垂直风场(风矢)、全风速(蓝色实线)和垂直速度场(红色实线, 只画上升区)剖面图(单位:m·s-1;a.试验1 Exp-W_pK, b.试验2 Exp-L_pK, c.试验3 Exp-W_K, d.试验4 Exp-W_0, e.试验5 Exp-L_K, f.试验6 Exp-L_K-no, g.试验7 Exp-L_K-00, h.试验8 Exp-W_pK-00) Fig.10 The same as Fig. 9, but for 05:00 BST on 8 May 2011

由850hPa风场(图 11)可以清楚地发现, 在暴雨发生过程中, 鲁南地区存在一支较强的偏南风急流向鲁中地区辐合, 且试验3-5预报的风速更强。风场的动力作用有利于降水预报增强。试验6(Exp-L_K-no)对流开始晚, 8日05时大风中心仍主要位于贴地层, 850hPa风速偏小、大风区偏南。试验7(Exp-L_K-00)对流触发后风速进一步增强, 最大风速中心位于700hPa以上, 且同样存在850 hPa以下东南风和850hPa以上西南风的辐合, 但850hPa大风区位置也偏南。试验8(Exp-W_pK-00)整个过程风速明显偏小, 动力条件不足, 造成降水明显偏弱。

图 11 各试验预报的8日05时850 hPa 风场(风矢)和全风速(蓝色线)分布(单位:m·s-1;a.试验1 Exp-W_pK, b.试验2 Exp-L_pK, c.试验3 Exp-W_K, d.试验4 Exp-W_0, e.试验5 Exp-L_K, f.试验6 Exp-L_K-no, g.试验7 Exp-L_K-00, h.试验8 Exp-W_pK-00) Fig.11 Wind field (wind barb) and wind speed (blue dotted line) at 850 hPa at 05:00 BST on 8 May 2011 by 8 experiments(units:m·s-1;a. Exp-W_pK, b. Exp-L_pK, c. Exp-W_K, d. Exp-W_0, e. Exp-L_K, f. Exp-L_K-no, g. Exp-L_K-00, h. Exp-W_pK-00)

上述分析可见, 同样初始场情况下, 由于不同的微物理方案和积云对流参数化方案的差异, 导致模式预报的风场强度发生变化。由风场垂直剖面和近地层风场来看, 主要是近地层风的强度变化, 导致触发暴雨的动力条件发生变化, 是不同物理参数化方案预报的暴雨强度差异的主要原因。

5 结论

本文基于WRF模式及其3Dvar同化系统, 采用不同物理参数化方案和不同初始场对2011年5月山东一次局地大暴雨预报的影响进行了对比试验, 可以得出以下结论:

1)资料同化和不同的物理参数化方案对模式降水预报均有影响。在本次大暴雨预报中, 快速更新循环同化地面观测资料对山东降水落区预报准确性起到了关键作用, 不同物理参数化方案主要影响降水强度预报。

2)LIN方案和WSM-6微物理参数化方案对降水预报均较好, LIN方案降水预报较WSM-6略强。

3)4km网格使用K-F积云对流参数化方案或不使用积云对流参数化方案, 预报的降水均较好。4km网格使用旧的K-F积云对流参数化方案, 预报的近地层大气风场偏弱, 导致大气动力抬升作用偏弱, 是造成模式降水预报偏弱的主要原因。

4)不同的物理参数化方案预报的大气热力场差异不大, 主要改变了大气风场等动力条件预报, 从而影响模式降水强度预报。

参考文献
[1]
BENJAMIN S G, WEYGANDT S S, BROWN J M, et al. A North American hourly assimilation and model forecast cycle:The rapid refresh[J]. Mon Wea Rev, 2016, 144(4): 1669-1694. DOI:10.1175/MWR-D-15-0242.1
[2]
徐枝芳, 郝民, 朱立娟. GRAPES_RAFS系统研发[J]. 气象, 2013, 39(4): 466-477. DOI:10.3969/j.issn.1674-7097.2013.04.009
[3]
郝民, 田伟红, 龚建东. L 波段秒级探空资料在GRAPES同化系统中的应用研究[J]. 气象, 2014, 40(2): 158-165. DOI:10.3969/j.issn.1001-7313.2014.02.005
[4]
徐枝芳, 龚建东, 王建捷, 等. 地面观测资料同化初步研究[J]. 应用气象学报, 2006, 17(增刊): 1-10.
[5]
徐枝芳, 龚建东, 王建捷, 等. 复杂地形下地面观测资料同化 I.模式地形与观测站地形高度差异对地面资料同化的影响研究[J]. 大气科学, 2007, 31(2): 222-232. DOI:10.3878/j.issn.1006-9895.2007.02.04
[6]
陈敏, 范水勇, 仲跻芹, 等. 全球定位系统的可降水量资料在北京地区快速更新循环系统中的同化试验[J]. 气象学报, 2010, 68(4): 450-463. DOI:10.3969/j.issn.1001-7313.2010.04.008
[7]
陈敏, 范水勇, 郑祚芳, 等. 基于 BJ-RUC 系统的临近探空及其对强对流发生潜势预报的指示性能初探[J]. 气象学报, 2011, 69(1): 181-194.
[8]
陈葆德, 王晓峰, 李泓, 等. 快速更新同化预报的关键技术综述[J]. 气象科技进展, 2013, 3(2): 29-35.
[9]
王晓峰, 王平, 张蕾, 等. 上海"7·31"局地强对流快速更新同化数值模拟研究[J]. 高原气象, 2015, 34(1): 124-136.
[10]
王晓峰, 王平, 张蕾, 等. 多源观测在快速更新同化系统中的敏感性试验[J]. 高原气象, 2017, 36(1): 148-161.
[11]
陈子通, 黄燕燕, 万齐林, 等. 快速更新循环同化预报系统的汛期试验与分析[J]. 热带气象学报, 2010, 26(1): 49-54.
[12]
陆雪, 高山红, 饶莉娟, 等. 2014. 春季黄海海雾 WRF 参数化方案敏感性研究[J]. 应用气象学报, 2014, 25(3): 312-320. DOI:10.3969/j.issn.1001-7313.2014.03.008
[13]
盛春岩, 荣艳敏, 刘诗军, 等. 一次局地大暴雨的地面观测资料同化预报试验研究[J]. 海洋气象学报, 2018, 38(4): 71-80.
[14]
王田田, 高晓清, 尹宪志, 等. WRF 模式物理过程参数化方案对酒泉地区暴雨模拟的影响[J]. 高原气象, 2016, 35(5): 1257-1269.
[15]
闫之辉, 邓莲堂. WRF 模式中的微物理过程及其预报对比试验[J]. 沙漠与绿洲气象, 2007, 1(6): 1-6. DOI:10.3969/j.issn.1002-0799.2007.06.001
[16]
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
[17]
郭云云, 邓莲堂, 范广洲, 等. GRAPES 中尺度模式中不同积云参数化方案预报性能对比研究[J]. 气象, 2015, 41(8): 932-941.
[18]
茅懋, 戴建华, 李佰平, 等. 不同类型强对流预报产品的目标对象检验与分析评价[J]. 气象, 2016, 42(4): 389-397.
[19]
曲巧娜, 盛春岩, 范苏丹, 等. 基于目标对象检验法的多种模式强降水能力的比较[J]. 气象, 2019, 45(7): 908-919.