2016, Vol. 40
2 国家气象中心数值预报中心, 北京 100081
3 新疆维吾尔自治区气象台, 乌鲁木齐 830002
4 宁夏回族自治区固原市气象局, 固原 756000
5 河北省唐山市乐亭县气象局, 乐亭 063600
2 Numerical Weather Prediction Center, National Meteorological Center, Beijng 100081
3 Meteorological Observatory of Xinjiang Uygur Autonomous Region, Urumqi 830002
4 Guyuan Meteorological Bureau, Ningxia, Guyuan 756000
5 Laoting County Meteorological Bureau, Tanshan, Hebei, Laoting 063600
云是表征天气气候特点的重要要素之一,对于天气变化有先兆作用,是一个重要的天气预报因子。云的发生发展过程可以小至分子尺度的核化作用尺度,也可以大至数千公里的云系系统尺度,其中云量问题也极为复杂。这在国内外数值模式的物理过程研究中是一个重点和难点。经过国内外近40年来对模式中的云量计算问题进行的多方面探索研究(Smagorinsky,1960；Slingo, 1980,1987；Sundqvist,1988；Gu et al,2003；Manabe et al., 1965; Teixeira,2001 ; 戴福山等,2004；钱云和钱永甫,1994；王咏青等,2010；丁守国等,2004)可以发现,云量计算方案逐渐从粗糙演变到细致,从简单演变到复杂,从单一影响因子的诊断模拟到多因子物理过程的预报模拟。在云量计算的研究发展过程中逐渐形成了四种云量计算方案,分别为云量诊断计算方案(Tompkins,2002)、云量预报计算方案、云量统计计算方案和云量统计—动力预报方案。
在对云量计算的大量研究中不难看出,气候模式中云量方案改进的研究较为广泛,也取得了大量有益的成果(章建成和刘奇俊,2006),但是对天气模式中的云量计算方案却研究甚少。而天气模式相比于气候模式,具有预报精细化、模式的积分时间间隔短以及分辨率高等特点。在这种短时间小尺度的情况下,云的形成与变化更加复杂,因此在高分辨率的天气模式中云量的计算比气候模式中也更加复杂(Koch,1984；Keyser and Johnson, 1984；Segal et al., 1986,1993；Businger et al., 1991)。
全球／区域多尺度通用同化与预报系统(Global/Regional Assimilation and PrEdiction System,简称GRAPES)是中国自主发展的新一代数值天气预报系统。在业务和科研中有广泛的使用。GRAPES模式的物理过程参数化方案主要是基于已有研究成果,并对这些被选的物理过程方案都通过进行了大批量天气实例模拟试验并进行优化优选试验而形成的。优化和完善其物理过程提高了模式对中国地区天气预报的能力(徐国强等,2008; 杨学胜等,2009)。而且随着预报模式分辨率的提高以及天气预报对预报对象和预报精度要求的提高,对物理过程的描述也越来越向精细化的方向发展(闫之辉等,2010)。天气模式中云的形成与变化非常复杂,同时云对辐射和地面温度又有直接影响。所以对云量的准确模拟,能改进模式的模拟效果,提高预报能力。在GRAPES_Meso模式中,云量计算方案是借鉴Xu and Randall(1996)云量计算方案,并进行了修订的一种格点云量诊断方案。针对该模式中云量模拟效果,郑晓辉等(2013)对该云量计算方案与其他几种先进模式的云量计算方案做了对比评估检验。结果显示GRAPES_Meso模式模拟的云量偏少,这对地面温度等其它相关预报量和诊断量也有一定的负面影响。其研究结果也表明,ECMWF(European Centre for Medium-Range Weather Forecasts)模式云量计算方案(以下简称为“EC云量方案”)相比于其它对比方案模拟云量最接近实况,该方案直接从对流降水中推导对流云量,再加上用相对湿度阈值法计算得到的大尺度云量,这就使得云量计算更加准确(Heise,1984；Joniskoy et al., 2002)。而GRAPES_Meso云量计算方案是用云微物理量和相对湿度进行经验计算的诊断方法,并且主要针对层状云进行模拟,这就使得次网格尺度的对流云无法得以描述,导致总云量中积云量模拟偏少。针对EC云量方案与GRAPES_Meso云量参数化方案的以上特点,因此本文在借鉴EC云量方案的基础上设计了新的云量计算方案,并应用于GRAPES中尺度模式当中,评估检验GRAPES_ Meso模式云量计算方案的改进和完善效果。
由于我国地处东亚季风区,积云发生频繁,尤其夏季在我国的云南、海南、广东广西沿海以及青藏高原地区大气对流十分活跃,出现对流云的频率都在70%以上(王伯民,2009),故选取2008年中两个较为典型的积云个例和2013年夏季月批量试验进行对比分析研究。目的是检验改进云量方案的模拟改进效果,如果模拟效果较好,则改进方案可以作为GRAPES_Meso的新云量计算方案引进,从而对GRAPES_Meso云辐射过程起到完善和优化的作用。
2 GRAPES模式与云量计算方案简介 2.1 GRAPES模式简介GRAPES模式是中国气象局研制和发展的一个全球与有限区域通用,静力与非静力可选的多尺度数值预报模式。模式采用半隐式半拉格朗日的时间差分方案,垂直方向采用Charney-Philips格式非均匀跳层设计,垂直坐标采用高度地形追随坐标。水平方向采用AracawaC格点分布设计。模式物理过程包括云和降水过程、边界层过程、地面过程与辐射能量传输过程。(陈德辉等,2008; 薛纪善和陈德辉,2008)
2.2 云量计算方案简介 2.2.1 GRAPES_Meso模式现用云量计算方案(Xu- Randall方案)GRAPES_Meso模式现用云量计算方案采用Xu and Randall(1996)云量计算方案,该方案是一种云量诊断方案,通过相对湿度和云微物理量计算云量；该方案将云分为层状云和积云进行讨论,认为集中在对流层中高层的层状云在整个三维云中占主导地位,故在该云量计算方案中,只考虑了层状云的模拟。再通过云量与相对湿度和冰水混合比的相关性分析,得出：
| ${{C}_{\text{xu}}}=\left\{ \begin{matrix} {{R}_{\text{h}}}^{p}\left\{ 1-\text{exp}\frac{-{{\alpha }_{0}}\overline{{{q}_{l}}}}{{{\left[ \left( 1-{{R}_{\text{h}}} \right){{q}^{*}} \right]}^{\gamma }}} \right\} & {{R}_{\text{h}}}＜1 \\ 1 & {{R}_{\text{h}}}=1 \\ \end{matrix} \right.$ | (1) |
其中,Cxu为云量,Rh为相对湿度,p、和γ为经验常数,为云水和云冰混合比,q为饱和水汽压混合比。
2.2.2 GRAPES_Meso改进云量计算方案GRAPES_Meso改进云量计算方案参考了ECMWF模式云量诊断计算方案。ECMWF模式云量诊断计算方案包含对四种类型云的计算(Slingo,1987)：对流云(积云,积雨云)、高云(卷云)、中云(高层云,高积云)和低云(层云、层积云)。考虑到GRAPES_Meso现用云量计算方案在粗网格模式中不能描述次网格尺度的对流云,从而影响到云量计算准确性,故改进方案在原模拟云量的方案基础上借鉴ECMWF模式云量计算方案,增加了对积云量的计算[公式(2)至公式(4)],再通过阈值判断[公式(5)],得到最后的总云量。
| ${{C}_{\text{cum}1}}=0.125\text{ln}{{P}_{\text{inter}}}-1.5$ | (2) |
其中,Pinter为调用两次辐射方案之间的积云降水率,单位为mm s-1。
| ${{C}_{\text{cum}2}}=0.2\left\{ \text{min}\left[ 0.8,\text{max}\left( 0,{{C}_{\text{cum}1}} \right) \right]-0.3 \right\},$ | (3) |
| ${{C}_{\text{cum}}}=\left\{ \begin{align} & \text{max(}0.4{{C}_{\text{cum}1}},{{C}_{\text{cum}2}}{{\text{)}}_{{}}}{{C}_{\text{cum}1}}\ge 0.4\text{ and }{{C}_{\text{th}}}>h>{{C}_{\text{bh}}} \\ & \text{ }0.4{{C}_{\text{cum}1}}\text{ }{{C}_{\text{cum}1}}\left\langle 0.4\text{ and }{{C}_{\text{th}}} \right\rangle h>{{C}_{\text{bh}}} \\ \end{align} \right.,$ | (4) |
其中,Cth为积云云顶高度,Cbh为积云云底高度,Cth和Cbh均由积云对流参数化方案得到,Ccum为积云量。
| ${{C}_{\text{f}}}=\text{min }\!\![\!\!\text{ }1,\text{ }({{C}_{\text{xu}}}+{{C}_{\text{cum}}})\text{ }\!\!]\!\!\text{ }$ | (5) |
其中,Cf为改进方案计算的总云量,Cxu为GRAPES_ Meso原始云量计算方案计算的云量。
2.2.3 云量叠加方法简介实际大气中云层的上下重叠是非常复杂的,与云的类型、大气热力和动力结构等都有关系,没有一个完善的理论能够在模式网格尺度上精确描述这种现象,只能对此进行一定的假定。传统的、也是应用最广泛的云垂直重叠假定有最大重叠、随机重叠(Manabe and Strickler, 1964)以及最大随机重叠(Geleyn and Hollingsworth, 1979；张华和荆现文,2010)。本文中用到的云量叠加方法为最大随机重叠,该方案假定相邻两层云是最大重叠的,而被晴空分离的两个云块是随机重叠的,云的垂直相关性与晴空层的分布有关。
3 资料与数值试验方案设计 3.1 资料美国NCEP每日四次的再分析资料,水平分辨率为1°×1°,用于作为模式的初始场和侧边界条件,观测资料包括：(1)风云二号气象卫星(FY-2)拍摄的可见光云图,图片来源于国家卫星气象中心风云卫星遥感数据服务网http://fy3.satellite.cma.gov. cn/PortalSite/default.aspx [10]；(2)FY-2C总云量资料,来源于国家卫星气象中心风云卫星遥感数据服务网；(3)Cloudsat卫星的2B-GEOPROF- LIDAR(激光雷达的云几何剖面)产品,资料来源于Cloudsat卫星数据处理中心的网站http://www.cloudsat.cira.colostate.edu/[6]；(4)Micaps地面填图资料,要素包括总云量,低云量和地面温度,资料来源于中国气象科学研究院大气科学信息部。
3.2 数值试验方案设计在夏季,低云量和总云量最多,并且午后会出现云量日变化的峰值(王伯民,2009),故本文首先对2009年7月每日14:00(北京时)模拟的月平均云量与EC再分析云量资料进行对比。其次选取2008年6月15日和6月26日午后14:00(北京时)云覆盖面积较大的两个个例进行云量和云底高度的对比模拟。最后,为了突显冬季和夏季云量改进效果的效果以及对地面温度的影响,选取2013年6月20日至7月20日(夏季)和2013年1月(冬季)进行批量试验。模式初始积分时间为00:00(协调世界时,简称UTC),时间步长取90 s,共积分36 h。水平格距取0.15°,垂直方向为不等距的32层,模式层顶高度为35000 m。模拟区域范围为(15°N～55°N,70°E～140°E)。物理过程参数化方案作如下选择：WSM6微物理过程方案,RRTM长波和Goddard短波辐射方案,M-O近似的近地面层方案,热辐散(thermal diffusion)陆面过程方案,MRF边界层方案以及Kfeta积云参数化方案(陈德辉等,2008)。
试验分别采用GRAPES_Meso原始云量计算方案和改进云量计算方案进行模拟。模拟的三维云量和地面温度分别与卫星资料和观测资料进行对比,从而检验模式云量参数化方案改进后的模拟效果。
4 数值试验结果分析 4.1 云量模拟检验从图 1中可以看出,GRAPES_Meso原始云量方案模拟的单层云量明显偏少,尤其是在500 hPa以下的中低层。相比之下,改进云量计算方案模拟的云量在各层都相对比较准确,在云量大小和分布上都与EC再分析资料较为一致,说明原方案在中低层云的模拟中存在模拟偏少的问题,而改进方案能有效的解决原方案模拟云量偏少的问题,从而使得改进后的云量更加接近实况。
|
图 1 2009年7月14:00（北京时）EC再分析资料（左列）、GRAPES_Meso原云量计算方案（中间列）和GRAPES_Meso改进云量计算方案（右列）单层云量月平均对比检验：（a、b、c）850 hPa；（d、e、f）700 hPa；（g、h、i）500 hPa；（j、k、l）300 hPa Figure 1 Evaluation of monthly mean cloud fractions at 1400 BJT (Beijing Time) in July 2009 from EC reanalysis data (left column), GRAPES_Meso simulations with the original CFS (Cloud Fraction Scheme; middle column), and GRAPES_Meso simulations with the new CFS (right column): (a, b, c) 850 hPa; (d, e, f) 700 hPa; (g, h, i) 500 hPa; (j, k, l) 300 hPa |
为了检验的全面性和真实性,选取两个多云日的个例与FY-2可见光云图和云量观测资料进行对比。
图 2反映了2008年6月15日14:00(北京时)卫星云图和模拟云云分布的对比,从图 2a可见光云图可以看出,在该时刻,我国中东部地区云覆盖面积较大,内蒙东部、华东有大范围的色调较白的云区,两广地区有一些显著的色调亮白的积云 团。在洋面上,从日本到台湾岛附近有一大范围云带,颜色亮白,云系深厚。从模拟的云区分布图上来看,模拟云区的位置与实况对应较好,能较准确的描述云区的分布状况。同时,模拟云量较大、云层较厚的地区(图中的大值区)与可见光云图中的色调亮白区基本对应,模拟云量较少,云层较薄的区域也与云图中色调较为灰暗的薄云区基本对应。从云量计算方案改进后的模拟图与方案改进前的模拟图对比来看,云的大范围分布没有发生大的改变。为了更清楚地说明改进后云量的变化,做了改进前后云量的差值分布(图 3),从图 3a可以看出,在台湾岛附近的深厚云区和两广地区的积云团内,改进后的总云量增大,能更准确的描述出区域内的积云特征。
|
图 2 2008年6月15日06:00 UTC云量分布：（a）风云二号气象卫星（FY-2）可见光云图；（b）GRAPES_Meso原始云方案；（c）GRAPES_Meso改进云方案 Figure 2 Distribution of cloud fraction at 0600 UTC 15 June 2008: (a) FY-2 satellite cloud image; (b) GRAPES_Meso original CFS; (c) GRAPES new CFS |
|
图 3 GRAPES_Meso改进云方案与原云方案模拟的云量差值图（改进方案减原方案）：（a）2008年6月15日06:00 UTC；（b）2008年6月26日06:00 UTC Figure 3 Differences in simulated cloud fractions between new CFS and original CFS (new CFS minus original CFS) at (a) 0600 UTC 15 June and (b) 0600 UTC 26 June, 2008 |
图 4反映了2008年6月26日14:00(北京时)卫星云图和模拟云云分布的对比,从图 3a可见光云图可以看出,在该时刻,我国中部地区和东南沿海地区有面积较大的云覆盖,四川以东、陕西南部、河南以及湖北一带有大范围的色调较白的云区,北京以北的地区有一些显著的色调亮白积云团,广东福建也有明显的积云区。从模拟的云区分布图上来看,模拟云区的位置与实况云图对应较一致,能较准确的描述云区的分布状况。同时,模拟云层较薄或者较厚的区域也与可见光云图基本对应。从云量计算方案改进后的模拟图与方案改进前的模拟图对比来看,云的大范围分布情况没有发生大的改变,但是通过图 3b改进前后的总云量差值图可以看出,在东南沿海地区的深厚云区和北京以北的积云团内,改进后的总云量增大,能更准确的描述出区域内的云系特征。
|
图 4 2008年6月26日06:00 UTC云量分布：（a）风云2号可见光云图；（b）GRAPES原始云方案；（c）GRAPES改进云方案 Figure 4 Distribution of cloud fraction at 0600 UTC 26 June 2008: (a) FY-2 satellite cloud image; (b) GRAPES simulation with the original CFS; (c) GRAPES simulation with the new CFS |
为了更准确的量化评估改进云量计算方案对总云量模拟的性能,将模拟的云量与观测云量进行对比分析。云量观测资料采用卫星观测总云量资料和人工地面观测总云量资料。由图 3可以看出,在6月15日和6月26日的两个个例中,改进云量计算方案模拟的总云量结果使得南方地区的云量增加比较显著,同时也基于观测站点的分布情况,选取我国中南部地区,如图 5的框区内(20°N～35°N,95°E～120E)的站点进行比较。
|
图 5 筛选站点分布图 Figure 5 Distribution of stations |
由于地面观测云量和卫星观测云量方式不一样。卫星观测自上而下由仪器进行自动瞬时连续扫描,地面观测自下而上进行定时人工观测。地面有时观测不到高空透明的卷云,尤其是夜间,而卫星对高云的探测能力比低云的探测能力更强。当温度持续较高或较低(如连阴雨天)时,云层比较接近地面、云体少变,这种情况下云卫星检测算法的结果往往将低云误判为地表,低估云量。同时,二者的观测方式不同也造成了观测范围不同。当能见度比较好时,地面观测云量的范围相对卫星观测而言,已经超过了一个卫星像元。云底高度不同时,在地面观测到的天空范围不同,低云较多的条件下的天空观测范围小得多,人眼对云占天空比例的视觉误差很大。因此,地面观测云量和卫星观测云量二者本身的定量对比就存在一定的差异。
考虑到地面观测资料和卫星观测资料的这种差异性,筛选出每个个例模拟时间内具有总云量连续观测的站点,并与卫星资料进行相关性分析。选取相关性较好(相关系数大于0.6)的站点,进行模拟与观测总云量的对比分析。
图 6表示了云量计算方案改进前后,模式模拟的总云量与观测总云量的相关系数随时间的变化。从图 6中可以看出,不论采取地面观测资料还是卫星观测资料与模拟值进行对比,改进方案模拟的总云量与观测总云量的相关性在每个时次都要优于原始云量计算方案模拟的总云量与观测总云量的相关性。这说明改进云量方案对总云量的模拟更加准确,有一定的优化和改进效果。
|
图 6 （a、b）6月14～15日个例一模拟总云量与（a）地面观测和（b）FY-2C卫星观测总云量的相关系数随时间变化。（c、d）同（a、b），但为6月25～26日个例二 Figure 6 Time series of correlation coefficient between simulated and (a) observed total cloud fractions for case 1 (14-15 June); (b) time series of correlation coefficient between simulated and FY-2 satellite observed total cloud fractions for case 1 (14-15 June); (c) same as (a) but for case 2 (25-26 June); (d) same as (b) but for case 2 (25-26 June) |
由于模式中云量是一个三维变量,云垂直结构的准确模拟,对辐射过程的模拟以及提高模式预报效果有重要的意义和作用。对于卫星资料来说,普通卫星上搭载的探测器一般只能获得云层表面和云内平均的信息。而美国宇航局启动的“地球观测系统科学探路者”计划中的“云卫星”(Cloudsat)可以“切开”云层,获得云剖面上的气象数据(马占山,2008)。卫星绕地球一周大约99 min,每天大约绕地球14～15个扫描轨道。每个垂直剖面每隔240 m获得一个扫描数据,从地面到高空共获得125个不同高度上的数据。因此用该卫星资料,并选择卫星扫过我国云区的时段进行对比检验。
图 7为2008年6月14日20:00(UTC)Cloudsat卫星扫过中国的轨迹。卫星轨迹从内蒙东部扫过中部地区到达广西,呈东北—西南走向。从图 7b中可以看出,在该轨迹上云量较多,这与可见光云图(图 7a)反应的较为一致。剖面上主要为8000～13000 m的高云,在21°N～27°N和39°N～46°N的区域,各有一中低云区。从模拟的云剖面结果与卫星扫描结果相比较来看,云的位置和高度大致相同,云顶高度大约都在12000～14000 m,30°N和40°N附近为晴空区,这也与卫星资料相对应。但就云方案改进前后的云剖面进行对比,改进后的云方案模拟的结果显示,在21°N～25°N之间有一个云区(图中虚线区域),这比原始方案模拟的结果更加接近Cloudsat卫星数据产品。
|
图 7 2008年6月14日20:00（UTC）模拟云量剖面：（a）Cloudsat卫星扫过中国的轨道轨迹；（b）Cloudsat卫星；（c）GRAPES原云方案；（d）GRAPES改进云方案 Figure 7 Cloud profile at 2000 UTC 14 June 2008: (a) Observation of Cloudsat satellite orbiting in China, (b) Cloudsat satellite observation, (c) GRAPES simulation with the original CFS, and (d) GRAPES simulation with the new CFS |
云方案的改进主要是通过加入积云量对三维云量达到完善,所以云底高度也是一个重要的可检测因子。本文利用观测的低云云底高度,对模拟的结果进行对比检验。人工观测的云底高度指观测视野范围内云层的最低部分与地面的垂直距离。故将模拟三维云量插值到间隔100 m的等高面上,计算从地面向上到出现云层的高度,视为该点的云底高度。考虑到人工观测低云云底高度时,水平观测距离可达几十公里(王伯民,2009),所以模拟的格点云底高度取该点和周围八个格点的最小值。模拟结果检测区域选取如图 5,将模拟结果插值到各站点,取有低云云底高度观测值的站点进行做差对比。
图 8反映了云底高度模拟与观测的绝对误差频次分布,直方图的柱高表示落入该误差范围内的站点数占总站点数的比例。从图 8a和b两图都可以看出,采用GRAPES原云量计算方案模拟的云底高度偏差较大,因为在各误差范围内均分布有一定量的站点。改进后的结果与原GRAPES云量计算方案模拟的结果相比,模拟与观测的云底高度的整体偏差明显减小,偏差在500 m以内的站点增加了30%多,偏差在1000 m以内的站点数占了总对比站点数的70%左右。由于增加了位于中低层的积云计算,使得云底高度降低。这表明较改进前,改进后模拟的云底高度偏差明显减小,更接近实况。
|
图 8 云底高度模拟与观测的绝对误差频次分布（单位：m）：（a）2008年6月15日06:00（UTC）；（b）2008年6月26日06:00（UTC） Figure 8 The frequency distribution of cloud base absolute error (units: m) between simulation and observation at (a) 0600 UTC 15 June 2008 and (b) 0600 UTC 26 June 2008 |
云量对地球表面的辐射收支起着支配作用。即云能将入射到地球的太阳辐射反射到宇宙空间,减少地球接收的太阳辐射量,同时通过吸收和射出地球辐射,使地表和云层下的大气保温。云的辐射效应就是由这两种效应的平衡来决定。就云对地面温度影响的作用来说,它不仅依赖于云量及其分布,而且依赖于云层所在的高度、含水量等物理特性(盛裴轩等,2003；石广玉,2007)。在田中正之(1990)的研究中表明,低云和中云随着云量的增加,地表温度降低。高云则相反,随着云量的增加,地表温度升高。由于在对比模式试验中采用了相同的物理参数化方案,因此对地面温度模拟的差异,就体现在模式计算中采用了不同云量计算方案模拟的三维云量不同所致。在模式辐射计算方案中根据云量将大气区分为有云区和晴空区,在有云区,云层就形成了大气中的额外边界,云底吸收来自地面和低层大气的长波辐射,云顶将部分太阳短波辐射反射回外太空,地面主要接收云底反射的长波辐射。反之,在晴空区地面主要接收到更多的太阳短波辐射。模式中再通过计算净辐射通量密度,得到加热率的大小,进而影响地面温度的大小(Ramanathan et al., 1989)。
图 9和图 10为2 m温度时间和空间的夏季月平均检验,图 9为区域平均2 m温度以及地面温度偏差随积分的时间变化,图 10为偏差的空间分布。从图 9可以看出,在积分12小时之后,新方案模拟的地面温度较原方案模拟的更加接近观测,相对误差、绝对误差和均方根误差都反映出新方案比原方案模拟的地面温度更加准确。图 10反映出,使用改进云量计算方案后2 m温度偏差在我国中北部地区明显减小,有正的改进效果。所以综合上两图,从时间和空间的月平均检验效果来看,改进云量计算方案相对于原方案对2 m温度的模拟有相对较好的改进。
|
图 9 2013年6月20日～7月20日2 m温度以及各误差月平均随积分时次变化：（a）2 m温度；（b）相对误差；（c）绝对误差；（d）均方根误差 Figure 9 Variations of simulated monthly mean 2-m temperature and its statistics with integration time during 20 June-20 July, 2013: (a) 2-m temperature; (b) relative error (RE); (c) absolute error (AE); (d) root-mean-square error (RMSE) |
|
图 10 2013年6月20日至7月20日2 m温度月平均偏差（积分第36小时；模拟值减实测值）：（a）原云量计算方案；（b）改进云量计算方案 Figure 10 Biases of simulated monthly mean 2-m temperature (after 36 hours integration; simulation minus observation) during 20 June-20 July, 2013: (a) Simulation with the original CFS; (b) simulation with the new CFS |
为了检验改进方案的普适性和增强其说明性,选取2013年1月做冬季月平均检验。从图 11可以看出,在冬季,云量计算方案改进前后,2 m温度的模拟相对于夏季变化较小,这也与在冬季积云量相对较少的事实相吻合。图 12反映了,改进方案模拟的地面温度在我国中南部地区有好的改善。
|
图 11 同图 9，但为2013年1月1～30日 Figure 11 Same as , but for 1-30 January 2013 |
从以上地面温度月批量试验的检验分析可以得到,模式采用原始云量计算方案模拟的2 m温度基本都偏高于观测值,改进了云方案之后模拟的2米温度降低,更接近观测值。引起温度降低的原因可能是由于在云方案改进时加入了积云量,这使得中低云云量增加,从而增加了云层反照率,使到达地面的太阳辐射减少,降低了地面温度。但是也发现,部分地区的温度在改进前正偏差较小,但改进后出现了地面温度低于观测值的负偏差情况,因此还需要更全面的考虑改进方案。同时图中也反映出在我国东北和新疆北部,存在地面温度模拟严重偏高的问题,这也需要在影响地面温度的模式改进方面多做更加深入的研究。
5 结论通过对GRAPES_Meso模式原始云量计算方案和改进云量计算方案的对比数值试验分析可知：
(1) 改进云量计算方案模拟的云量在各层都相对比较准确,在云量大小和分布上都与EC再分析资料较为一致。与FY-2卫星可见光云图对比,改进前后的云量计算方案都能较准确的模拟出云区分布和薄厚云层的位置,但改进后的云量方案在积云区模拟的云量增大,这就对积云云区描述更加准确。与观测资料对比,改进云方案模拟的总云量与观测总云量的相关性在每个时次都要优于采用原始云量计算方案模拟的总云量与观测总云量的相关性。
(2) 与Cloudsat卫星资料进行云剖面的对比,改进前后的云方案都能大致模拟出云剖面的高度与厚度,但改进后的云方案模拟的更加细致准确。
(3) 与观测的云底高度对比,改进后的云方案模拟的云底高度较改进前偏差明显减小,在云低高度上的模拟有很大的改进和完善。
(4) 从冬季和夏季时间和空间的地面温度月平均检验效果来看,改进云量计算方案相对于原方案对地面温度都有相对较好的改进效果。
总之,借鉴EC云量计算方案中的积云计算方法,对GRAPES_Meso的云量计算方案的改进也得到了较好的效果,对部分地区的地面温度预报能提高1～2℃的准确性。因此,改进云量计算方案是对GRAPES_Meso原云量计算方案的一个非常有意义的补充和完善。在三维云量与近地面变量的关系研究方面,具有一定的理论意义；在温度预报能力的提高和物理过程参数化的完善方面,具有一定的现实意义。在GRAPES模式中增加了积云云量的计算过程,填补了GRAPES没有积云云量计算过程的小空白,这是对GRAPES原云量计算方案一个非常重要的补充和完善。
同时还需要说明,文中的改进方案只是对GRAPES区域模式中云量计算方案改进的初步尝试,由于对比资料的限制,检验也不够充分全面。2米温度的对比结果也表明在个别地区出现了改进后比改进前误差偏大的情况以及模式本身对地面温度模拟在部分地区存在异常偏高的问题。因此,一方面,云量改进方案需要进一步的完善,另一方面,也要对对应区域的陆面过程、边界层过程等其他物理过程方案进行更深入的研究,不断对其进行改进和完善。
| [1] | Businger S, Bauman Ⅲ W H, Watson G F. 1991. The development of the Piedmont front and associated outbreak of severe weather on 13 March 1986[J]. Mon. Wea. Rev. , 119(9) : 2224–2251, doi:10.1175/1520-0493(1991)119<2224:TDOTPF>2.0.CO;2 |
| [2] | 陈德辉, 薛纪善, 杨学胜, 等. 2008. GRAPES新一代全球/区域多尺度统一数值预报模式总体设计研究[J]. 科学通报 , 53 (20) : 2396–2407, |
| [3] | Chen Dehui, Xue Jishan, Yang Xuesheng, et al. 2008. New generation of multi-scale NWP system (GRAPES): General scientific design[J]. Chin. Sci. Bull. , 53(22) : 3433–3445, doi:10.1007/s11434-008-0494-z |
| [4] | 陈子通, 万齐林, 沈学顺, 等. 2010. GRAPES区域模式水汽平流方案的比较与改进[J]. 热带气象学报 , 26 (1) : 1–6, |
| [5] | Chen Zitong, Wan Qilin, Shen Xueshun, et al. 2010. Comparisons and improvement of water vapor advection schemes of GRAPES regional model[J]. J. Trop. Meteor. (in Chinese) , 26(1) : 1–6, doi:10.3969/j.issn.1004-4965.2010.01.001 |
| [6] | 戴福山, 宇如聪, 张学洪, 等. 2004. 一个统计低云方案及其在大气环流模式中应用初探[J]. 气象学报 , 62 (4) : 385–394, |
| [7] | Dai Fushan, Yu Rucong, Zhang Xuehong, et al. 2004. A statistical low-level cloud scheme and its tentative application in a general circulation model[J]. Acta Meteor. Sinica (in Chinese) , 62(4) : 385–394, doi:10.3321/j.issn:0577-6619.2004.04.001 |
| [8] | 丁守国, 石广玉, 赵春生. 2004. 利用ISCCP D2资料分析近20年全球不同云类云量的变化及其对气候可能的影响[J]. 科学通报 , 49 (11) : 1105–1111, |
| [9] | Ding Shouguo, Shi Guangyu, Zhao Chunsheng. 2004. Analyzing global trends of different cloud types and their potential impacts on climate by using the ISCCP D2 dataset[J]. Chinese Science Bulletin , 49(12) : 1301–1306, doi:10.1360/03wd0614 |
| [10] | Geleyn J F, Hollingsworth A. 1979. An economical analytical method for the computation of the interaction between scattering and line absorption of radiation[J]. Contrib. Atmos. Phys. , 52 : 1–16, |
| [11] | Gu Y, Farrara J, Liou K N, et al. 2003. Parameterization of cloud-radiation processes in the UCLA general circulation model[J]. J. Climate , 16(20) : 3357–3370, doi:10.1175/1520-0442(2003)016<3357:POCPIT>2.0.CO;2 |
| [12] | Heise E. 1984. Experiments with the ECMWF cloud cover and liquid water content parameterization [C]//Proceedings of workshop on Cloud Cover Parameterization in Numerical Models. Shinfield Park, Reading: ECMWF, 109-131 |
| [13] | Janiskov'a M, Mahfouf J F, Morcrette J J, et al. 2002. Linearized radiation and cloud schemes in the ECMWF model: Development and evaluation[J]. Quart. J. Roy. Meteor. Soc. , 128(583) : 1505–1527, doi:10.1256/00359000260247336 |
| [14] | Keyser D A, Johnson D R. 1984. Effects of diabatic heating on the ageostrophic circulation of an upper tropospheric jet streak[J]. Mon. Wea. Rev. , 112(9) : 1709–1724, doi:10.1175/1520-0493(1984)112<1709:EODHOT>2.0.CO;2 |
| [15] | Koch S E. 1984. The role of an apparent mesoscale frontogenetic circulation in squall line initiation[J]. Mon. Wea. Rev. , 112(10) : 2090–2111, doi:10.1175/1520-0493(1984)112<2090:TROAAM>2.0.CO;2 |
| [16] | 马占山, 刘奇俊, 秦琰琰, 等. 2008. 云探测卫星Cloudsat[J]. 气象 , 34 (8) : 104–111, |
| [17] | Ma Zhanshan, Liu Qijun, Qin Yanyan, et al. 2008. Introductions to a new type cloud detecting satellite-Cloudsat[J]. Meteor. Mon. (in Chinese) , 34(8) : 104–111, doi:10.7519/j.issn.1000-0526.2008.8.016 |
| [18] | Manabe S, Strickler R F. 1964. Thermal equilibrium of the atmosphere with a convective adjustment[J]. J. Atmos. Sci. , 21(4) : 361–385, doi:10.1175/1520-0469(1964)021<0361:TEOTAW>2.0.CO;2 |
| [19] | Manabe S, Smagorinsky J, Strickler R F. 1965. Simulated climatology of a general circulation model with a hydrologic cycle[J]. Mon. Wea. Rev. , 93(12) : 769–798, doi:10.1175/1520-0493(1965)093<0769:SCOAGC>2.3.CO;2 |
| [20] | 钱云, 钱永甫. 1994. 区域气候模式中云量参数化方案的研究[J]. 热带气象学报 , 10 (4) : 342–348, |
| [21] | Qian Yun, Qian Yongfu. 1994. Study of cloudiness parameterization scheme in regional climate model[J]. J. Trop. Meteorol. (in Chinese) , 10(4) : 342–348, |
| [22] | Ramanathan V, Barkstrom B R, Harrison E F. 1989. Climate and the Earth's radiation budget[J]. Phys. Today , 42(5) : 22–33, doi:10.1063/1.881167 |
| [23] | Segal M, Song J L, Pielke R A, et al. 1986. Evaluation of cloud shading effects on the generation and modification of mesoscale circulation[J]. Mon. Wea. Rev. , 114(7) : 1201–1212, doi:10.1175/1520-0493(1986)14<1201:EOCSEO>2.0.CO;2 |
| [24] | Segal M, Physick W L, Heim J E, et al. 1993. The enhancement of cold-front temperature contrast by differential cloud cover[J]. Mon. Wea. Rev. , 121(3) : 867–873, doi:10.1175/1520-0493(1993)121<0867:TEOCFT>2.0.CO;2 |
| [25] | 盛裴轩, 毛节泰, 李建国, 等.2003. 大气物理学 (in Chinese)[M]. 北京: 北京大学出版社 . |
| [26] | Sheng Peixuan, Mao Jietai, Li Jianguo, et al.2003. Atmospheric Physics[M]. Beijing: Beijing University Press . |
| [27] | 石广玉.2007. 大气辐射学[M]. 北京: 科学出版社 : 134 -135. |
| [28] | Shi Guangyu.2007. Atmospheric Radiation (in Chinese)[M]. Beijing: Science Press : 134 -135. |
| [29] | Slingo J M. 1980. A cloud parametrization scheme derived from GATE data for use with a numerical model[J]. Quart. J. Roy. Meteor. Soc. , 106(450) : 747–770, doi:10.1002/qj.49710645008 |
| [30] | Slingo J M. 1987. The development and verification of a cloud prediction scheme for the ECMWF model[J]. Quart. J. Roy. Meteor. Soc. , 113(477) : 899–927, doi:10.1002/qj.49711347710 |
| [31] | Smagorinsky J. 1960. On the dynamical prediction of large-scale condensation by numerical methods [C]//Proceedings of the Cloud Physics Conference. Woods Hole, MA: American Geophysical Union of the National Academy of Sciences, 71-78 |
| [32] | Sundqvist H. 1988. Parameterization of condensation and associated clouds in models for weather prediction and general circulation simulation[M]//Schlesinger M E. Physically-Based Modelling and Simulation of Climate and Climatic Change. Netherlands: Springer, 433-461, doi:10.1007/978-94-009-3041-4_10. |
| [33] | Teixeira J. 2001. Cloud fraction and relative humidity in a prognostic cloud fraction scheme[J]. Mon. Wea. Rev. , 129(7) : 1750–1753, doi:10.1175/1520-0493(2001)129<1750:CFARHI>2.0.CO;2 |
| [34] | 田中正之. 1990. 云的辐射特性[J]. 气象科技 (4) : 40–44, |
| [35] | Masayuki T. 1990. Radiative properties of cloud[J]. Meteor. Sci. Technol. (4) : 40–44, |
| [36] | Tompkins A M.. 2002. A prognostic parameterization for the subgrid-scale variability of water vapor and clouds in large-scale models and its use to diagnose cloud cover[J]. J. Atmos. Sci. , 59(12) : 1917–1942, doi:10.1175/1520-0469(2002)059<1917:APPFTS>2.0.CO;2 |
| [37] | 王伯民, 刘小宁.2009. 中国云的分布[M]. 北京: 气象出版社 . |
| [38] | Wang Bomin, Liu Xiaoning.2009. The Distribution of Cloud in China (in Chinese)[M]. Beijing: China Meteorological Press . |
| [39] | 王咏青, 张楠, 刘敏, 等. 2010. 大气模式中云量诊断的系统性误差研究[J]. 气候与环境研究 , 15 (1) : 83–88, |
| [40] | Wang Yongqing, Zhang Nan, Liu Min, et al. 2010. A study of systematical error about cloud cover diagnosis scheme in general circulation model[J]. Climatic and Environmental Research (in Chinese) , 15(1) : 83–88, doi:10.3878/j.issn.1006-9585.2010.01.09 |
| [41] | 徐国强, 陈德辉, 薛纪善, 等. 2008. GRAPES物理过程的优化试验及程序结构设计[J]. 科学通报 , 53 (20) : 2482–2434, |
| [42] | Xu Guoqiang, Chen Dehui, Xue Jishan, et al. 2008. The program structure designing and optimizing tests of GRAPES physics[J]. Chinese Science Bulletin , 53(22) : 3470–3476, doi:10.1007/s11434-008-0418-y |
| [43] | Xu K M, Randall D A. 1996. A semiempirical cloudiness parameterization for use in climate models[J]. J. Atmos. Sci. , 53(21) : 3084–3102, doi:10.1175/1520-0469(1996)053<3084:ASCPFU>2.0.CO;2 |
| [44] | 薛纪善, 陈德辉.2008. 数值预报系统GRAPES的科学设计与应用[M]. 北京: 科学出版社 : 331 -342. |
| [45] | Xue Jishan, Chen Dehui.2008. Scientific Design and Application of Numerical Prediction System GRAPES (in Chinese)[M]. Beijing: Science Press : 331 -342. |
| [46] | 闫之辉, 王雨, 朱国富. 2010. 国家气象中心业务数值预报发展的回顾与展望[J]. 气象 , 36 (7) : 26–32, |
| [47] | Yan Zhihui, Wang Yu, Zhu Guofu. 2010. The review and outlook on the development of operational NWP in NMC[J]. Meteor. Mon. (in Chinese) , 36(7) : 26–32, |
| [48] | 杨学胜, 沈元芳, 徐国强. 2009. 辐射方案对GRAPES全球模式的影响[J]. 大气科学 , 33 (3) : 593–599, |
| [49] | Yang Xuesheng, Shen Yuanfang, Xu Guoqiang. 2009. The impacts of radiation schemes on the GRAPES global model[J]. Chinese Journal of Atmospheric Sciences (in Chinese) , 33(3) : 593–599, doi:10.3878/j.issn.1006-9895.2009.03.16 |
| [50] | 章建成, 刘奇俊. 2006. GRAPES模式不同云物理方案对短期气候模拟的影响[J]. 气象 , 32 (7) : 3–12, |
| [51] | Zhang Jiancheng, Liu Qijun. 2006. Analysis of cloud schemes in simulation of short-term climatic process[J]. Meteor. Mon. (in Chinese) , 32(7) : 3–12, doi:10.3969/j.issn.1000-0526.2006.07.001 |
| [52] | 张华, 荆现文. 2010. 气候模式中云的垂直重叠假定对模拟的地-气辐射的影响研究[J]. 大气科学 , 34 (3) : 520–532, |
| [53] | Zhang Hua, Jing Xianwen. 2010. Effect of cloud overlap assumptions in climate models on modeled earth-atmosphere radiative fields[J]. Chinese Journal of Atmospheric Sciences (in Chinese) , 34(3) : 520–532, doi:10.3878/j.issn.1006-9895.2010.03.06 |
| [54] | 郑晓辉, 徐国强, 魏荣庆. 2013. GRAPES新云量计算方案的引进和影响试验[J]. 气象 , 39 (1) : 57–66, |
| [55] | Zheng Xiaohui, Xu Guoqiang, Wei Rongqing. 2013. Introducing and influence testing of the new cloud fraction scheme in the GRAPES[J]. Meteor. Mon. (in Chinese) , 39(1) : 57–66, doi:10.7519/j.issn.1000-0526.2013.01.007 |