成都市空氣質(zhì)量預(yù)報(bào)中WRF的本地化參數(shù)選取

姚 琳, 葉芝祥, 陸成偉, 常仕鐳

（成都信息工程學(xué)院資源環(huán)境學(xué)院,四川成都 610225）

0 引言

經(jīng)濟(jì)社會(huì)的快速發(fā)展后,城市空氣污染已成為中國(guó)的一個(gè)主要環(huán)境問題?？諝赓|(zhì)量模式自20世紀(jì)60年代至今,已發(fā)展到第三代Model-3模式。Model-3由中尺度氣象模式、污染源排放模式和多尺度空氣質(zhì)量模式3部分組成,要得到準(zhǔn)確的空氣質(zhì)量模擬結(jié)果的重要前提就是先得到準(zhǔn)確的氣象模擬結(jié)果和準(zhǔn)確的源數(shù)據(jù)。目前WRF（Weather Research and Forecasting model）模式已廣泛地應(yīng)用到空氣質(zhì)量模式中,該模式具有良好的計(jì)算架構(gòu)及全面的威力參數(shù)化方案,它的研制是為了給理想化的動(dòng)力學(xué)研究、全物理過程的天氣預(yù)報(bào)、空氣質(zhì)量預(yù)報(bào)以及區(qū)域氣候模擬提供一個(gè)公用的模式框架,研究表明,WRF模式更適用于Models-3是今后用來(lái)替代MM5的氣象預(yù)報(bào)模式[1]。關(guān)于對(duì)WRF氣象模式的參數(shù)研究,多集中于特定某一個(gè)參數(shù)方案的研究,且并沒用針對(duì)某個(gè)地域的研究,但每個(gè)城市都有地形、云層等各方面的氣象場(chǎng)特點(diǎn),因此本文為找到最為適合成都本地化的WRF模式參數(shù)方案,以提高WRF模式的模擬準(zhǔn)確度,為進(jìn)一步對(duì)成都市空氣質(zhì)量預(yù)報(bào)打下基礎(chǔ)。

1 模型及評(píng)估方法

1.1 模式介紹

WRF模式系統(tǒng)是由美國(guó)NOAA、NCEP、Air Force等多個(gè)研究部門聯(lián)合開發(fā)的新一代多尺度數(shù)值預(yù)報(bào)模式。模式采用Arakawa C格點(diǎn)水平格點(diǎn),是一個(gè)全可壓非靜力模式。研究選用 WRF3.2版本,模擬區(qū)域的中心點(diǎn)位于（30.7°N,103.97°E）,使用 9km ×3km 的 2層嵌套模式及27垂直σ層,如圖1所示。

氣象模式初始場(chǎng)為美國(guó)1°×1°的6小時(shí)NCEP再分析數(shù)據(jù)。實(shí)測(cè)比對(duì)數(shù)據(jù)為中國(guó)3小時(shí)MICAPs數(shù)據(jù)（MICAPs站點(diǎn)）,如圖2所示。研究地區(qū)為四川省成都市,包含成都市中心城區(qū)在內(nèi)的13個(gè)區(qū)縣,模擬時(shí)間為2010年空氣質(zhì)量較嚴(yán)重的11月第一周（2010-11-01至2010-11-08）。

圖1 WRF嵌套示意圖

1.2 參數(shù)選取

WRF模式主要包括微物理過程參數(shù)、積云層參數(shù)、邊界層參數(shù)、陸地過程參數(shù)等,每個(gè)過程參數(shù)的不同設(shè)置都對(duì)降水等天氣的模擬具有顯著的差異。為了在同等條件下評(píng)估出適合成都市本地化的參數(shù)方案,研究設(shè)計(jì)16種情景,如表1所示。

其中微物理過程參數(shù)此次選取Purdue Lin方案和WRF Single-Moment3-class（WSM3）方案。Purdue Lin方案是物理過程描述較為復(fù)雜的方案,其中包括云水、雨、水汽等多項(xiàng)預(yù)報(bào)量,是WRF模式中相對(duì)比較成熟的方案,比較適合理論的研究[2]。WSM3方案來(lái)自于NCEP3方案的修正,被稱為是簡(jiǎn)單的冰方案,此方案包括水汽、云水或云冰、雨水或雪三種水物質(zhì),比較特別之處在于此方案的診斷關(guān)系所使用冰的數(shù)濃度是基于冰的質(zhì)量含量而非溫度,該方案對(duì)于業(yè)務(wù)模式來(lái)說(shuō)足夠有效[3]。?？←怺4]等和閆之輝[5]等人通過不同微物理過程方案分別針對(duì)不同的天氣個(gè)例進(jìn)行模擬試驗(yàn),結(jié)果表明Lin方案和WSM3方案優(yōu)于其他微物理過程方案,能在模擬降水量、降水強(qiáng)度等方面較為接近實(shí)況。

積云層參數(shù)選取Kain-Fritsch（KF）方案和Grel-Devenyi集合（GD）方案。KF（new Eta）方案是在舊KF方案基礎(chǔ)上進(jìn)行改進(jìn),利用一個(gè)簡(jiǎn)單的云模式伴隨水汽的上升和下沉,同時(shí)包含了卷入和卷出,以及對(duì)粗糙的微物理過程的作用[6]。而GD方案則是一種質(zhì)量通量類型,該方案采用準(zhǔn)平衡假設(shè),使用不同的上升、下沉、卷入、卷出的參數(shù)和降水率。屠妮妮[7]等使用不同積云對(duì)流參數(shù)方案進(jìn)行典型個(gè)例降水預(yù)報(bào)的對(duì)比試驗(yàn),結(jié)果表明總體預(yù)報(bào)效果以KF方案和GD方案能較好的反映觀測(cè)實(shí)況。

邊界層參數(shù)此次選取Eta Mellor-Yama-da-Janjic（MYJ）邊界層方案和Yonsei University（YSU）邊界層方案,MYJ方案用邊界層和自由大氣中的湍流參數(shù)化過程代替Mellor-Yamada的25階湍流閉合模型。YSU邊界層方案是Medium Range Forecast Model（MRF）邊界層方案的第二代,方案在利用一個(gè)基于局地自由大氣Ri的隱式局地方案來(lái)處理垂直擴(kuò)散項(xiàng)的基礎(chǔ)上,增加了處理邊界層頂部夾卷層的方法。李嘉鵬等人[8]通過WRF模式用不同邊界層參數(shù)化方案對(duì)熱帶深對(duì)流云的模擬效果進(jìn)行研究,結(jié)果表明YSU和MYJ方案均能較好地再現(xiàn)海風(fēng)鋒的發(fā)展過程。

圖2 M ICAPs站點(diǎn)分布圖

表1 不同參數(shù)化方案

陸地過程參數(shù)此次選取Noah方案和Rapid Update Cycle（RUC）方案,Noah方案由Oregon State University（OSU）陸面過程方案經(jīng)不斷發(fā)展而得來(lái)[9],并發(fā)展為多機(jī)構(gòu)合作開發(fā)的陸地模式,該方案能預(yù)報(bào)四層土壤溫度和濕度,還可以預(yù)報(bào)土壤結(jié)冰、積雪影響,提高了城市地面的能力。RUC陸地方案是NCEP天氣業(yè)務(wù)預(yù)報(bào)系統(tǒng)中的陸面物理參數(shù)化方案,包含六個(gè)土壤層和兩個(gè)雪層的處理。此兩種方案比較而言,Noah方案相對(duì)復(fù)雜,對(duì)輸入數(shù)據(jù)的精確性也比較敏感[10],因此模擬效果往往沒有RUC方案好。曾新民[11]等人利用WRF模式對(duì)中國(guó)短期高溫天氣進(jìn)行不同陸地參數(shù)方案敏感性模擬分析,結(jié)果表明RUC方案比Noah方案模擬效果好。

應(yīng)注意的是當(dāng)邊界層方案選用MYJ方案時(shí),近地面層方案即選用MYJ Monin-Obukhov方案;當(dāng)陸地過程方案選取Noah和RUC方案時(shí),陸面模式中的土壤層數(shù)應(yīng)分別選用Noah和RUC陸面過程方案。其余物理參數(shù)化方案如輻射方案、水汽方案等均選擇相同的默認(rèn)選項(xiàng)。

1.3 評(píng)估方法

通過統(tǒng)計(jì)學(xué)方法——平均偏差Embe、均方根偏差Emse和相關(guān)系數(shù)Corr,來(lái)對(duì)模擬結(jié)果與氣象實(shí)測(cè)數(shù)據(jù)進(jìn)行比對(duì)。

式中,am為模擬值;a°為MICAPs觀測(cè)值;M為所選MICAPs站點(diǎn)數(shù);N為時(shí)間樣本數(shù)。通過以上公式可以看出,統(tǒng)計(jì)結(jié)果為對(duì)模型時(shí)空結(jié)合的評(píng)估,能反映模式的整體模擬情況。

2 結(jié)果分析

2.1 地表變量效果評(píng)估

將第2層模擬區(qū)域中的13個(gè)氣象站點(diǎn)的2m處溫度（T2m）、海平面氣壓（Psl）的MICAPs觀測(cè)數(shù)據(jù)與模擬數(shù)據(jù)進(jìn)行對(duì)比分析。表2和圖3給出了各方案對(duì)溫度和海平面氣壓的模擬評(píng)估結(jié)果。

如圖3（a）地表溫度 T2m的平均偏差 Embe可看出,各組方案的溫度模擬結(jié)果均比觀測(cè)值偏高一些,其中第2、6、10、14組方案的偏差較大。從各組均方根偏差 Emse可看出,各方案的離散程度均較好。表2可見,各方案的地表溫度 T2m模擬值與實(shí)測(cè)值相關(guān)系數(shù) Corr均達(dá)到0.70以上,最高 Corr為第14套方案,Corr為0.885,各方案的Corr平均值為0.810,在統(tǒng)計(jì)學(xué)上有較好的正相關(guān)性。在16種方案中,達(dá)到其相關(guān)系數(shù)平均值的共有9組參數(shù)化方案,分別為第2、6、7、10、11、12 、14、15、16 組方案,雖然這 9 組方案的相關(guān)系數(shù)差別不大,但再?gòu)膱D3（a）可看出,各組在模擬值與實(shí)測(cè)值的偏差上還是有差異的,這9組方案中 Embe最小的為第15組,其次為第11組,再為第16組。

如圖3（b）所示,在對(duì)海平面氣壓Psl的模擬上,模擬值均比實(shí)測(cè)值偏低一些,但各組的 Embe、Emse差異均不大。表2可見各組方案模擬效果在相關(guān)系數(shù) Corr上差異也不大,各組 Corr均達(dá)到0.959以上,Corr平均值為0.963,在統(tǒng)計(jì)學(xué)意義上有較好的正相關(guān)性。

由于成都市地勢(shì)較平坦,各監(jiān)測(cè)站點(diǎn)海拔差距較小,海平面氣壓Psl雖然隨溫度、水汽、海拔等氣象要素有相關(guān)性,但海平面氣壓Psl隨之變化的幅度較小,因此各組Psl模擬結(jié)果差異沒有像地表溫度T2m模擬效果明顯,因此在選取合適的參數(shù)化方案時(shí),可以側(cè)重于在地表溫度 T2m模擬效果上的評(píng)估。由圖3（a）可看出在 T2m相關(guān)系數(shù)均達(dá)到0.810以上的各組方案中,第15組表現(xiàn)最好,其次為第11組,再為第16組。

表2 溫度、海平面壓強(qiáng)相關(guān)系數(shù) Corr結(jié)果

通過第15組與第14組,第11組與第10組,第5組與第第6組,第3組與第2組的不同評(píng)估結(jié)果可看出,在其它參數(shù)方案都相同的情況下,邊界層參數(shù)方案對(duì)模擬結(jié)果的影響顯著。使用MYJ方案第15、11、5、3組方案效果,明顯在模擬偏差上優(yōu)于選用YSU方案的第14、10、6、2組。

圖3 16組方案模擬值與實(shí)測(cè)值的統(tǒng)計(jì)學(xué)評(píng)估

2.2 高空模擬效果評(píng)估

由于成都市僅溫江站點(diǎn)有MICAPs高空監(jiān)測(cè)數(shù)據(jù),此次在垂直方向上,選取了溫江站（站點(diǎn)號(hào):56187）對(duì)850、700、500、400、300、250、200hPa氣壓層的一周溫度數(shù)據(jù)進(jìn)行評(píng)估。模擬結(jié)果如圖 4所示,各方案相關(guān)系數(shù)均在0.70以上,在統(tǒng)計(jì)學(xué)意義上均有較好的正相關(guān)性。

由于850hPa氣壓層位勢(shì)高度在1500m左右,此高度依然可以受到陸地參數(shù)及邊界層參數(shù)的影響,所以各模擬效果差異明顯。而隨著氣壓層的遞減高度的增加,各氣壓層受各參數(shù)的影響減小,因此模擬效果差異逐步減小,而當(dāng)在250hPa氣壓層基本已在邊界層以外,模擬效果基本一致,可以認(rèn)為此層開始已經(jīng)不受邊界層方案及陸地方案等的影響。大氣中污染物的遷移、擴(kuò)散等作用主要發(fā)生在大氣邊界層內(nèi),因此空氣預(yù)報(bào)的重點(diǎn)應(yīng)在850hPa此氣壓層上。從圖5可看出,第15組表現(xiàn)最好。

圖4 200～850hPa氣壓層各溫度模擬相關(guān)系數(shù)

圖5 850hPa氣壓層溫度評(píng)估結(jié)果

3 結(jié)束語(yǔ)

通過對(duì)成都市2010年11月第一周進(jìn)行模擬,設(shè)計(jì)了16組WRF模式參數(shù)方案,并將模擬值與MICAPs實(shí)測(cè)值中地表溫度（T2m）和海平面氣壓（Psl）及高空850hPa氣壓層的溫度進(jìn)行統(tǒng)計(jì)學(xué)評(píng)估,第15組參數(shù)化方案模擬結(jié)果與MICAPs氣象實(shí)測(cè)數(shù)據(jù)的對(duì)比分析效果表現(xiàn)最佳,是為成都市空氣質(zhì)量預(yù)報(bào)中WRF的最優(yōu)參數(shù)設(shè)置,第11組次之。各組參數(shù)方案受邊界層參數(shù)方案的影響明顯,使用了YSU邊界層方案的模擬效果比用MYJ邊界層方案效果差,結(jié)果表明MYJ邊界層方案更適用于成都地區(qū)的模擬。本研究力求得到較好的本地化參數(shù)方案,以提高WRF模式的模擬準(zhǔn)確度,為進(jìn)一步對(duì)成都市空氣質(zhì)量預(yù)報(bào)打下基礎(chǔ)。

[1] 程興宏,徐祥德,丁國(guó)安,等.MM5/WRF氣象場(chǎng)模擬差異對(duì)CMAQ空氣質(zhì)量預(yù)報(bào)效果的影響[J].環(huán)境科學(xué)研究,2009,22（12）:1411-1419.

[2] Lin Y L,Farley RD,Orville H D.Bulk parameterization of the snow field in a cloud model[J].J Climate Appl Meteor,1983,22（6）:1065-1092.

[3] 黃海波,陳春艷,朱雯娜.WRF模式不同云微物理參數(shù)化方案及水平分辨率對(duì)降水預(yù)報(bào)效果的影響[J].氣象科技,2011,39（5）:529-536.

[4] ?？←?閆之輝.WRF模式微物理方案對(duì)強(qiáng)降水預(yù)報(bào)的影響[J].科技信息,2007,23:17-20.

[5] 閆之輝,鄧蓮堂.WRF模式中的微物理過程及其預(yù)報(bào)對(duì)比試驗(yàn)[J].沙漠與綠洲氣象,2007,1（6）:1-6.

[6] KAIN J S,FRITSCH JM.A one-dimensional entraining/detraining plume model and its application in convective param eterization[J].J Atmos Sci,1990,47（23）:2784-2802.

[7] 屠妮妮,何光碧,張利紅.WRF模式中不同積云對(duì)流參數(shù)化方案對(duì)比試驗(yàn)[J].高原山地氣象研究,2011,31（2）:18-25.

[8] 李嘉鵬,銀燕.WRF模式中邊界層參數(shù)化方案對(duì)熱帶深對(duì)流云模擬的敏感性實(shí)驗(yàn)[A].中國(guó)氣象學(xué)會(huì)2007年年會(huì)人工影響天氣科技進(jìn)展與應(yīng)用分會(huì)場(chǎng)論文集[C],2007.

[9] Ek M B,Mitchell K E,Lin Y,et al.Implementation of Noah land-surface model advances in the National Center Environment Prediction operational mesoscale Eta model.J Geophys Res,2003,108:8851,doi:10.1029/2002JD003296.

[10] MAO Q,GAUTNEY L L,COOK T M,et al.Numerical experiments on MM5-CMAQ sensitivity to various PBL schemes[J].Atmospheric Environment,2006,40（17）:3092-3110.

[11] 曾新民,吳志皇,熊仕炎,等.WRF模式短期高溫天氣模擬對(duì)陸地方案的敏感性[J].中國(guó)科學(xué),2011,41（9）:1375-1384.