胡波,杜惠良,郝世峰,俞燎霓,滕代高
(浙江省气象台,浙江杭州310017)
浙江地理位置优越,东临东海,毗邻台湾海峡和日本海域,对内是江海联运枢纽,对外是远东国际航线要冲,随着外贸经济的快速发展,浙江已将海洋开发上升为国家战略。春夏之交,东海大雾频发,其持续时间可达数天之久,影响范围至数十万平方公里,对浙江沿海航运、海上贸易等造成不利影响,迫切需要气象部门开展专门的海上大雾精细化预报技术,为区域经济发展保驾护航。
针对大雾发生发展规律的研究工作已经得到了广泛开展,预报员往往基于天气学原理,查找与大雾关联的宏观因子(如温、湿、风、层结稳定度等要素),利用回归等方法开展预报[1-4],这些预报方法没有考虑大雾微物理过程,结果不能满足精细化预报需要。大量观测事实表明,大雾能见度与微观因子直接关联性,如屈凤秋[5]等对一次华南海雾过程分别从宏观和微观角度对大雾机理进行剖析,李晓娜等[6]则对海雾中的液态含水量演变特征进行探讨,这些研究均阐述了大雾的微观特征。一些研究利用微观因子建立了大气能见度经验预报模型,如Stoelinga 等[7]利用液态含水量来估算大气消光系数,从而获得大气能见度,该预报模型被后来的数值预报工作普遍采用,并在实际业务中使用[8],该方法只使用了一个微观特征量,预报效果还有进一步提高的空间;Gultepe 等[9]根据观测事实又提出了一种新的能见度估算方法,方法使用了液态水含量和云滴粒子密度作为模型因子,对比试验表明,其估算的能见度准确率较以往方法提高了20%—50%,但由于云滴粒子密度参数在数值模式中还不能直接输出,如果采用固定值则不能反映大雾的地域特征,则预报效果受到了限制,因此直接在业务中应用还有一定难度,本文通过结合数值模式输出和历史相似个例分析的方法,提出一种基于经验相似原理的动态云滴粒子密度计算方案,在模式参数化水平不断提高的前提下,使Gultepe等提出的基于微物理因子的能见度预报方法投入实时业务应用成为可能。
本文根据钟元等[10]提出的相似预报方法,对近地面要素场进行相似比较,首先,为了避免不同要素的数据量级不一致可能导致的问题,需预先对各站观测要素时间序列进行标准化处理,某个要素处理后的数据时间序列表示为xt,数值预报数据记为f ,两者距离Dt(f,x)表示为:
为了对多个要素场的相似结果进行综合评估,需对各要素的Dt(f,x)进行评分。首先确定相似距离最大值Max(Dt(f,x)) 与最小值Min(Dt(f,x)),并将极差进行N 等分处理:
历史个例与界限值C 的绝对距离表示为:
由此定义某要素i 的相似指数SIt为:
式中,a 为评分放大系数,其值越大就越能有效的拉大相似个例之间的评分,a 取为1.3。最后多个要素场的综合相似指数SITt为:
式中,I 为要素总数,t 为历史个例时次。
2.2.1 Gultepe能见度参数化方法
2007年Gultepe 等[9]提出了针对气温在0℃以上、相对湿度接近100%的暖雾能见度的参数化估算方案,该方案将能见度作为液态水含量和云滴粒子数密度两者的函数,公式表示为:
Visobs为能见度,LWC 液态水含量,Nd为云滴粒子数密度,可见,能见度与液态水含量和云滴粒子数密度呈反比,指出在海洋的环境下Nd可以固定为100 cm¯3,在陆地的环境下可以固定为200 cm¯3,并进一步说明这些固定的Nd值并不总是有效的,不能完全反映各地的区域特征。
2.2.2 LWC 和Nd计算
液态水含量参数可以直接利用WRF 模式输出的物理量进行计算,见公式8—10。
式中,QVAPOR 为水汽含量,QCLOUD 为云水含量,PRES 为气压,TC 为气温,tv 为虚温,ρ 为大气密度,LWC 为最终得到的液态水含量。
由于云滴粒子数密度在云参数化方案中没有考虑,故数值模式还不能实现直接输出,本文考虑使用历史经验统计的方法加以解决。对于沿海海雾来说,影响云滴粒子数的因子主要包括人类活动造成的气溶胶颗粒物和海面上的微细盐粒等吸湿性微粒,这两者均有典型的地域特征。
首先根据多要素的综合相似指SITt确定相似历史个例,然后根据(7)式的反推运算得到云滴粒子数密度(Nd),见公式(11):
式中:
式中,VisObs为相似个例的能见度,然后根据(7)式计算预报能见度。
2.2.3 实验方案
为了充分利用有限的历史数据库信息,采用因子循环方式查找相似个例,即对每个历史个例均进行轮流试报,在试报某个个例时,其余个例均作为历史相似查找库,换另外个例试报时,前一个试报个例将重新进入历史相似查找库,从而最大限度发挥了历史个例数据库的信息。
2.2.4 评估方案
为了对Gultepe 业务预报结果进行简单有效评估,本文对计算结果进行了分类,分为总的报对站次,包括有雾和无雾的个例、单独大雾报对站次以及大雾误报和漏报的站次,并得到了大雾报对准确率和有无大雾预报准确率。
另外,为了与其他能见度预报方法比较,本文计算了目前数值研究工作普遍采用的Stoelinga等[7]的能见度预报结果,其根据消光系数来计算大气的水平能见度:
式中,Vis 是水平能见度, β 为消光系数。根据Kunkel[11]研究,云水消光系数β 可采用的经验公式为:
式中,LWC 为液态水含量,计算见公式(10)。
详细的预报模型流程见图1,首先利用近地面要素数值预报资料计算液态水含量(LWC),然后结合根据历史站点资料,计算历史个例的综合相似指数,得到最佳历史相似个例,从而得到历史相似个例的云滴粒子数密度(Nd),最后利用Gultepe 能见度估算公式得到能见度预报。
本文利用由浙江省信息网络中心提供的浙江沿海海岛14 个气象站资料,要素包括能见度、相对湿度、比湿、风、水汽压、饱和水汽压、温度露点差,时间跨度选为2010—2013年的3—6月,时次选择为11 时和23 时,其地理分布见图2。此外总体上来看,历史沿海海雾个例相对较少,为了更好的判断模式大雾预报效果,选取站点个例的能见度在5000 m以下,得到304站次个例。
为了比较好的评估模型预报效果,考虑到模式启动后需要点时间对云水参数化方案进行融合,因此使用WRF模式3 h输出作为试验使用的近地面要素场数据,从而尽可能保障预报数据稳定性,资料的时间跨度为2010—2013年的3—6月,模式起报时次为08时和20时,空间分辨率为5 km×5 km。最后利用双线性插值法将模式输出插值到浙江沿海海岛气象站点上。
对所有历史个例都进行了循环试报,结果见表1,可见Gultepe 方法无论是从有无大雾的预报准确率,还是大雾报对次数均比Stoelinga 方法表现要好,有无大雾准确率从71%(216/304)提高到79%(243/304),大雾报对准确率也从61%(136/224)提高到73%(167/228)。说明Gultepe 方法同时考虑LWC 和Nd参数的计算方法优于仅考虑LWC 参数的Stoelinga方法,Gultepe方法在微物理解释更加符合大雾实际发生规律。结果也同时说明了基于经验相似统计技术和模式输出的Gultepe 能见度预报方法有较好的实际业务应用价值。
图1 基于经验相似统计技术和模式输出的Gultepe能见度预报业务系统框图
图2 浙江省沿海海面大雾试验站点分布
表1 Stoelinga方法和Gultepe方法大雾预报准确率对比
已有的研究结果表明,同时考虑大气中的液态水含量和云滴粒子数密度两个参数的Gultepe 大雾估算方法具有优势,但由于其所涉及的参数还不能直接从现有模式中提取,因此在实际业务中应用存在困难。本文提出了一种利用历史相似个例查询技术,结合WRF 模式输出释用的Gultepe 沿海大雾预报方法,实现LWC 和Nd参数的业务计算。
通过对2011—2013年的3—6月的浙江沿海海雾历史个例进行试报,并同Stoelinga预报方法的结果进行对比分析,结果表明,恰当的结合统计方法和动力模式输出可以一定程度上可以克服目前数值模式不成熟的缺陷,得到较准确的大气微物理参数,使Gultepe 方法在实际业务中应用存在可能,提高了WRF 模式大雾预报的释用水平。同时也再次证明了同时考虑LWC 和Nd参数的Gultepe 方法优于仅考虑LWC 参数的Stoelinga方法。
[1]黄辉军,黄健,刘春霞,等.用GRAPES模式输出变量因子作广东沿海海雾预报[J].热带气象学报,2010,(1):31-39.
[2]吴洪,柳崇健,邵洁,等.北京地区大雾形成的分析和预报[J].应用气象学报,2000,11(1):123-127.
[3]郝家学, 张洪卫, 张经珍, 等. 东营市秋冬季大雾客观预报系统[J].山东气象,2000,20(79):55-57.
[4]任正理, 张冬梅. 辐射灾害雾的分析与预报[J]. 河南气象, 2005(1):14-16.
[5]屈凤秋,刘寿东,易燕明,等.一次华南海雾过程的观测分析[J].热带气象学报,2008,24(5):490-496.
[6]李晓娜,黄健,申双和,等.一次高压型海雾中的液态含水量演变特征[J].热带气象学报,2010,26(1):79-85.
[7]Stoelinga M T, Warner T T. Nonhydrost et al. mesobeta-scale model simulations of cloud ceiling and visibility for an east coast winter precipitation event[J].J Appl Meteor,1999,38:385-404.
[8]傅刚, 李晓岚, 魏娜. 大气能见度研究[J]. 中国海洋大学学报,2009,39(5):855-862.
[9]Gultepe I, Mller M D, Boybeyi Z. A new warm fog parameterization scheme for numerical weather prediction models[J].J Appl Meteor,2006a,45:1469-1480.
[10]钟元,潘劲松,朱红,等.一种台风过程雨量的相似预报方法[J].热带气象学报,2009,25(6):681-191.
[11]Kunkel B A. Parameterization of droplet terminal velocity and extinct ion coefficient in fog models[J]. J Climate Appl Meteor,1984,23:34-41.