一次长江流域梅雨降水中三种云量计算方案的对比研究

崔文君,智协飞,朱寿鹏,周志敏,王晓芳,李红莉



一次长江流域梅雨降水中三种云量计算方案的对比研究

崔文君①②,智协飞①*,朱寿鹏①,周志敏③,王晓芳③,李红莉③

① 南京信息工程大学 气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室/气象灾害预报预警与评估协同创新中心/东亚季风与区域气候变化科技创新团队,江苏 南京 210044;

② 美国北达科他大学 大气科学系,北达科他州大福克斯市 58202;

③ 中国气象局 武汉暴雨研究所,湖北 武汉 430205

2015-11-02收稿，2016-03-10接受

国家自然科学基金资助项目(41575104);国家重大基础科学研究计划(2012CB955200)项目;江苏高校优势学科建设工程资助项目(PAPD);江苏省“青蓝工程”

采用NCEP分析场,选取2010年梅雨期长江流域的一次降水过程,分别基于Slingo方案、NCAR方案和钱氏方案,利用相对湿度计算云量,并以LAPS(Local Analysis and Prediction System)系统输出的云量分析场作为观测值,分别在高层(400 hPa)与低层(850 hPa),从宏观比较与统计分析的角度,与计算结果进行云量大小与区域分布的对比分析。结果表明,三个云量计算方案对云量中心位置的把握均较为准确,但对云量值的计算存在大小不等的误差。NCAR方案计算结果和LAPS输出场最为吻合,能够体现出云量大值区,但区域一般偏大;Slingo方案相较NCAR方案来说略差,但也能较好地描述云带分布;此外,钱氏方案计算出的云量值始终偏小,但其能够较好地描述云带轮廓与云量的分布特征。综合对比结果,NCAR云量计算方案比其余两者更优,且在低层(850 hPa)表现尤为明显。

相对湿度云量计算Slingo方案NCAR方案钱氏方案

云是气候系统的内部参数,直接影响大气的辐射平衡、热量平衡和温湿分布(汪方和丁一汇,2005)。云的形成与特性是地表与大气各种动力、热力过程共同作用的结果,在地气系统中具有重要的地位(Ramanathan et al.,1989;汪宏七和赵高祥,1994)。云的生成和变化,受气候以及其他众多因子的影响,同时也是引起日照、气温、相对湿度等气象要素发生变化的原因之一(Angell,1990;Karl et al.,1993;Dai et al.,1999)。此外,云与大气气溶胶和臭氧等之间复杂而又重要的关系,对地球气候系统和人类生存环境亦具有重大影响(Graf,2004)。因此,了解云的分布与变化,对云场较为准确的把握,将有助于评估云在气候变化中的作用和改进数值模式对云的模拟。

目前,绝大部分模式将相对湿度作为云量预报的决定性因子(Anthes and Warner,1978;Smith,1990)。Smagorinsky(1960)首先提出了云量与相对湿度呈线性关系的云量计算方法。Slingo(1980)基于这种方法,又提出了多种相对湿度诊断云量的算法。当前,国内外专家学者提出了众多利用相对湿度计算云量的方案,如美国国家大气研究中心(National Center for Atmospheric Research,NCAR)提出的NCAR方案(Anthes et al.,1987),钱云与钱永甫(1994)提出的云量计算方案(以下简称“钱氏方案”)等。但是,由于云是大气湍流和大尺度环流、辐射及云物理过程等各种复杂作用的产物,在时间、空间上为非线性变化,同时又缺乏完备的云计算检验资料,因此之前众多方案的云量计算诊断效果都不太理想,各种方案之间的差异也较大。

为了将多种云观测信息客观、有效地融合,得到更为准确的云分析场,20世纪80年代末,美国国家海洋大气管理局(National Oceanic and Atmospheric Administration,NOAA)地球系统研究实验室(Earth System Research Laboratory,ESRL),研发了局地分析预报系统(Local Analysis and Prediction System,LAPS)(McGinley et al.,1991)。LAPS具有独特的资料融合优势,能够综合应用地面、探空、雷达、卫星、飞机报文和洋面浮标等多种观测资料,得到高分辨率融合分析场(李红莉等,2009)。在云分析中,LAPS综合使用相对湿度阈值法、CO2切片法和查算表等方法(Walcek,1994;Albers et al.,1996),基于背景场诊断的云量,加入卫星、雷达、地面等资料进行修正,得到较准确的三维云场。周后福等(2010)的研究表明,高分辨率的LAPS分析场资料能够较好地描述出暴雨中尺度系统。

近年来,随着雷达、卫星技术以及数值模式的不断发展,人们对暴雨尤其是梅雨的认识已经相当透彻(孙淑清和周玉淑,2007;何编等,2012;马旭林等,2015;苗春生等,2015)。梅雨期间,一般会出现多个中尺度对流系统活动,对应地面风场有中尺度辐合线、中尺度涡旋环流以及气流汇合中心的辐合区等(赵玉春等,2011),持续性暴雨过程也就是中尺度对流系统的发生发展过程(慕建利等,2014)。

本文针对2010年7月9—12日(世界时,下同)位于长江流域的一次典型梅雨降水过程进行云量分析。在7月8—9日之间,整个长江流域已经经历了一次较强的降水过程,其中湖北英山6 h最大降水量达到267 mm,创历史新高。从9日12时开始,降水再度加强,一直持续到10日12时,后经过近20 h的降水间歇期,强降水继续发展。此次过程中,雨带稳定少动,降水集中且持续时间长,多站出现历史降水极值。整条雨带呈东北—西南向,三个强降水中心分别位于湖南省西北部、江汉平原至鄂东与安徽江西两省交界处。

本文分别使用Slingo方案、NCAR方案和钱氏方案,计算该梅雨降水过程中不同时刻的云量,并分别从直观比较与统计分析两方面对三种方案的计算效果进行对比分析,进一步讨论云量与相对湿度的关系,为今后云量计算中方案的选取提供参考依据。

1　资料与方法

1.1资料

使用LAPS提供的云量分析场作为观测场,范围为(102～120°E,23～39°N),水平分辨率为10 km×10 km,垂直方向共22层。根据已有研究,分别选用850 hPa和400 hPa云量对应低云和高云(钱正安等,1992)。

相对湿度场由NCEP分析场所提供,并利用双线性插值方法将其插值到10 km×10 km的水平分辨率上,以便云量计算结果与LAPS分析场进行对比。

1.2云量计算方案

1.2.1Slingo方案

Slingo(1980)根据大西洋地区的统计事实提出一种二次方关系,并应用于英国气象局全球业务预报模式中。其表达式为:

(1)

其中:N为云量;Hk和Hc,k分别为模式第k层的相对湿度及其临界值,下同。

若Hk>Hc,k,则该层有云形成,其云量随着差值(Hk-Hc,k)的增大迅速增长;若Hk

1.2.2NCAR方案

NCAR方案首先被用于美国NCAR中尺度模式MM4中(Anthes et al.,1987),具体计算公式如下:

(2)

该方案建立了云量与相对湿度的线性关系,且0≤N≤1。

1.2.3钱氏方案

钱氏方案(钱云和钱永甫,1994)将大气分为五层,1、2层(400 hPa以上)的云为高云,3、4、5层的云为中低云,确定从1～5层的Hc,k分别为0.62、0.69、0.73、0.80和0.85。对于有云的各层,云量计算公式为:

N=N′(0.6β+0.4)。

(3)

其中,

(4)

(5)

同样,若Hk>Hc,k,则该层有云形成;若Hk

图1　2010年7月9日12时850 hPa等压面云量分布(%)　　a.LAPS输出云场;b.Slingo方案;c.NCAR方案;d.钱氏方案Fig.1　Distribution of cloudiness(%)at 850 hPa at 1200 UTC 9 July 2010:(a)LAPS output;(b)Slingo scheme;(c)NCAR scheme;(d)Qian scheme

1.3评估方法

1.3.1距平相关系数

距平相关系数(Anomaly Correlation Coefficient,ACC)的计算方法如下:

(6)

ACC可以用来评估各方案的云量计算值和实际观测值之间的相似程度,其值越大,则表明该云量计算方案的计算效果越好。

1.3.2均方根误差

均方根误差(Root Mean Square Error,RMSE)的计算方法如下:

(7)

其中,N为格点样本数;yi是计算方案在第i个格点上的云量计算值;oi是第i个格点上的观测值。

根据上式可以计算出不同的云量计算方案在所选区域内每个时次的均方根误差。当RMSE越小,表示计算值与观测值之间的差别越小,即该方案的计算误差越小。

2　云量计算结果与LAPS输出的比较

2.1低云

2010年7月9日12时的850 hPa等压面上(图1),LAPS云量分布主要存在三个大值区(图1a),分别位于四川东部和重庆、山西南部及安徽南部。Slingo方案(图1b)和NCAR方案(图1c)对云场覆盖区域的计算均过大,但计算值的大值区与LAPS分析场比较吻合。钱氏方案(图1d)则较为准确地描述出了云量覆盖形状以及各区域云量分布的相对大小,但其仅计算出了安徽南部的大值区,且计算值整体偏小。

图2　2010年7月10日12时850 hPa等压面云量分布(%)　　a.LAPS输出云场;b.Slingo方案;c.NCAR方案;d.钱氏方案Fig.2　Distribution of cloudiness(%)at 850 hPa at 1200 UTC 10 July 2010:(a)LAPS output;(b)Slingo scheme;(c)NCAR scheme;(d)Qian scheme

到9日18时(图略),LAPS输出场中,云量超过80%的区域已涵盖到四川西部、重庆南部、贵州中部、湖北中南部以及山东和山西南部等地。对云量大值区的描述,Slingo方案在重庆和贵州及安徽东部区域表现较好,NCAR方案则在山西和山东南部地区描述较好。钱氏方案对其的描述在覆盖范围上与LAPS相近,但云量计算值偏小;10日00时(图略),LAPS输出的云带大体上呈“西南—东北”走向,覆盖贵州、重庆、湖南、湖北、安徽、河南等的大部分地区。三种计算方案的云带分布较为接近,涵盖了输出的云量区域,但Slingo和NCAR方案云量值明显偏大,钱氏方案的计算值与LAPS相对接近;到10日06时(图略),LAPS输出云带仍保持西南—东北向条状分布,但云量大值区覆盖范围变大,出现了大片的80%以上云量。Slingo和NCAR方案从云带分布和云量数值上与LAPS输出场都较为接近,而钱氏方案仅在极少部分区域计算出云量大值,对大部分区域的云量描述偏小。

10日12时(图2),850 hPa等压面上,LAPS的云量输出值与06时的云量分布相似,但条状云带变得更为狭长(图2a)。Slingo方案(图2b)与NCAR方案(图2c)均较好地计算出了云量的分布,但两者均在川西部分地区计算出了虚假的云量大值区。钱氏方案(图2d)的计算值与LAPS云量输出值的云量分布区域较为匹配,但计算值仍然偏小。

从10日12时至11日12时的24h为本次持续降水过程的主要间歇期,因此暂不进行云量的计算与讨论。

由图3可看出,在11日12时,850 hPa等压面上,LAPS输出场的云量覆盖范围扩大(图3a),云量超过80%的区域主要位于重庆南部、湖北东南部及安徽中南部;Slingo方案(图3b)和NCAR方案(图3c)的计算结果对上述两个大值区进行了较好描述,但在少部分区域对云量值的模拟明显偏大;钱氏方案(图3d)对贵州南部和安徽中南部少部分区域的云量大值区描述较好,对其余大值区域的描述均有较大不足。

图3　2010年7月11日12时850 hPa等压面云量分布(%)　　a.LAPS输出云场;b.Slingo方案;c.NCAR方案;d.钱氏方案Fig.3　Distribution of cloudiness(%)at 850 hPa at 1200 UTC 11 July 2010:(a)LAPS output;(b)Slingo scheme;(c)NCAR scheme;(d)Qian scheme

11日18时850 hPa等压面上(图略),LAPS输出的云量大值区出现在贵州中东部、湖南北部、湖北东部及安徽西部部分地区。Slingo和NCAR方案的计算结果较好地描述了上述大值区,但也扩大了部分大值区。如Slingo方案中,贵州省云量超过80%的区域远超过LAPS输出值。而NCAR方案则在此基础上,将云量超过80%的区域从贵州南部延伸到广西北部部分区域。钱氏方案的云量计算结果中,云量分布区域轮廓与LAPS输出场相似,但数值依然较小;至12日00时(图略),LAPS输出的云带向东漂移,且整体云量有所减少,云量超过60%的区域分别位于湖北东南部和江西西北部交界处、安徽中部地区,覆盖面积较小。Slingo和NCAR方案均能较好地计算出云带的走向分布,但计算值明显偏大,出现了许多超过80%云量的地区。钱氏方案则较好地表现出了云带的轮廓,但其描述的云量大小及大值区与LAPS输出场并不十分吻合;7月12日06时(图略),LAPS输出云量相对于12日00时来说有所增加。四川东部和重庆等地云量增加,且云量超过80%的大值区再次在贵州、湖南、湖北、安徽及河南等地出现。Slingo方案计算结果与LAPS的云量输出值比较吻合,NCAR方案对河南和安徽境内云量的描述优于Slingo方案,其余地区相差不大。钱氏方案对云的覆盖轮廓描述依然较好,但数值较小。

由12日12时的850 hPa等压面云量分布图(图4)可知,此时LAPS输出云量的大值区已逐渐变窄,分别位于四川中部、贵州中部、湖南北部与湖南交界处及山东西南部地区。Slingo方案(图4b)对云量分布及数值的计算相对NCAR方案(图4c)来说较差。钱氏方案(图4d)较前两种方案能够更好地描述云的分布轮廓,但计算量值明显偏小。

图5　2010年7月9日12时400 hPa等压面云量分布(%)　　a.LAPS输出云场;b.Slingo方案;c.NCAR方案;d.钱氏方案Fig.5　Distribution of cloudiness(%)at 400 hPa at 1200 UTC 9 July 2010:(a)LAPS output;(b)Slingo scheme;(c)NCAR scheme;(d)Qian scheme

比较两次强降水过程(9日12时至12日12时)中850 hPa等压面LAPS云量输出场与云量计算方案的计算结果,Slingo方案和NCAR方案的计算结果与LAPS输出云量相对一致,且在计算云量大值中心方面表现较为突出。同时,NCAR方案对云体的区域和数值的计算均优于Slingo方案。而钱氏方案虽然能够较好地计算得出云体轮廓,但计算值相对较小。在两次强降水过程中,云量的发展和分布,与降水的发展变化较为吻合,均为凌晨至上午发展最为旺盛,中午开始减弱或处于最弱的状态。

2.2高云

2010年7月9日12时400 hPa等压面上,LAPS输出的云量超过80%的大值区主要在四川、陕西、山西和山东等地(图5a)。Slingo方案(图5b)和NCAR方案(图5c)均较好地描述了云区的大致分布轮廓,尤其江西西北部的小块云区都能有较好描述。对比图5b和图5c可知,NCAR方案对云量大值区的描述效果略优于Slingo方案,但二者对部分地区的云量计算值偏大(如广西、广东北部等地)。钱氏方案(图5d)能够较好描述云块的轮廓,但与850 hPa分布情况类似,云量的计算值始终较小。

图6　2010年7月10日12时400 hPa等压面云量分布(%)　　a.LAPS输出云场;b.Slingo方案;c.NCAR方案;d.钱氏方案Fig.6　Distribution of cloudiness(%)at 400 hPa at 1200 UTC 10 July 2010:(a)LAPS output;(b)Slingo scheme;(c)NCAR scheme;(d)Qian scheme

到9日18时(图略),LAPS输出云量的大值区范围有所增加,覆盖四川中部、青海南部、甘肃、山西、河北和山东大部分地区。Slingo方案大体上描述了云量的分布区域,且对江西西北部和福建西南部的两个小范围大值区描述较好,但四川西部、广西北部及其它云量大值区的云量值匹配不足。NCAR方案与Slingo方案结果相近,但大范围云量大值区的分布略偏南,与LAPS分析场更为接近。钱氏方案对云量的计算依然偏小,对云量大值中心的描述较差。尽管如此,该方案依然能够较好地描述云量分布的大致轮廓;10日00时(图略),LAPS输出的云量有所减少,且云区向南偏移。云量超过60%的区域主要位于湖北中东部、江西和安徽交界处及河南和山东部分区域。而对该区域的覆盖面积,Slingo方案计算值远大于LAPS分析场,且Slingo方案对其它区域的云量计算值也偏大。NCAR方案也有着同样的问题,但较Slingo方案更优。相较于上述两种方案,钱氏方案的云量计算值与LAPS输出结果相对吻合,云体的覆盖范围也相对一致;10日06时(图略),LAPS分析场所示的云量较10日00时的云量有所增加,贵州、湖南北部、湖北南部区域及安徽大部云量均超过80%,部分地区甚至达到90%。与LAPS输出场相比,Slingo方案计算得到的云量大值区域略微偏北,但四川北部区域局部云量大值区能有所体现。NCAR方案与Slingo方案计算结果相近,但前者计算出的云量大值区与LAPS输出场更为吻合。钱氏方案计算结果中,云体轮廓与LAPS输出场相当接近,但云量值偏小。

从10日12时的400 hPa等压面云场(图6)来看,LAPS输出场(图6a)的云量大值区主要位于贵州南部、湖南西北部、湖北南部和安徽境内。Slingo方案计算结果中(图6b),位于湖北和安徽的云量大值区与LAPS输出场比较一致,重庆、贵州地区计算的云量与LAPS输出场在轮廓上吻合较好。NCAR方案(图6c)结果与Slingo方案相似,均未能计算出贵州南部的云量大值区。钱氏方案(图6d)的计算结果较好地体现了云覆盖轮廓,但云量数值上相对较小。

与850 hPa等压面相同,对10日12时至11日12时的降水间歇期不进行云量计算方案对高云云量模拟效果的对比讨论。

11日12时,LAPS输出场上(图7a),云量大值区较之前主要往东南方向移动,覆盖湖南东部、江西北部、湖北东南部等地区。Slingo方案(图7b)中云的覆盖范围与LAPS分析场较为接近,但对云量大值区的描述,在覆盖区域和数值上与LAPS分析场均存在差异。NCAR方案(图7c)的计算结果与Slingo方案类似,且其对江西、湖南中北部等区域的云量大值区描述优于Slingo方案。钱氏方案(图7d)云量计算结果整体偏小,最大云量区位于湖南境内,大值区覆盖范围不足。

11日18时(图略),LAPS输出场中的云量大值区主要位于湖南中东部、江西北部和安徽大部分地区。Slingo方案的计算结果仅在江西北部的云量大值区与LAPS输出场吻合。NCAR方案则较好地描述了LAPS的主要云量大值区,仅在安徽南部表现不足。钱氏方案所计算出的云量大值区要远小于LAPS输出场。三者在对云分布形状的描述方面相差不大;到12日00时(图略),LAPS分析场的400 hPa云场云体变窄,云量减少。Slingo方案计算结果在云量大值分布方面与LAPS分析场较为吻合,但云量值在湖北、江西及安徽交界处附近相对偏大。NCAR方案则较好地改善了Slingo方案在上述地区云量计算偏大的问题。从云带分布区域和云量值上来看,钱氏方案计算值与LAPS输出场吻合较好,但产生了部分虚假云场;12日06时(图略)的LAPS输出场的云量存在两个大值区,一个位于甘肃中部,该区域覆盖范围相对较小,另一个区域跨越贵州、湖南、江西、安徽等地,大体呈“东北—西南”走向。第一个云量大值区在三种方案计算结果中均有所体现。对于第二个云量大值区来说,Slingo方案与NCAR方案较好描述了安徽、湖北部分地方的云量大值区,同时,NCAR方案较Slingo方案更好地表现出了湖南中东部区域的云量大值区。钱氏方案较好地体现出了云体的轮廓,但计算得到的云量数值较小。

12日12时(图8),LAPS输出场(图8a)存在多个云量大值区,分别位于四川北部、陕西中部、江西西北部和安徽东南部。Slingo方案(图8b)仅对陕西中部和安徽东南部云量大值区描述较好,尽管其对湖南地区的云体轮廓描述较好,但该区域云量计算值偏小。NCAR方案(图8c)与Slingo方案有很大相似性,但该方案对贵州东南部、湖南等地的云量计算更接近于LAPS输出场。钱氏方案(图8d)的计算结果依旧能够大致上描述云体轮廓,但云量计算值偏小。

图8　2010年7月12日12时400 hPa等压面云量分布(%)　　a.LAPS输出云场;b.Slingo方案;c.NCAR方案;d.钱氏方案Fig.8　Distribution of cloudiness (%)at 400 hPa at 1200 UTC 12 July 2010:(a)LAPS output;(b)Slingo scheme;(c)NCAR scheme;(d)Qian scheme

综合400 hPa等压面上的LAPS云量输出值和Slingo、NCAR及钱氏方案的比较来看,在对高云云量的计算能力上,Slingo和NCAR方案较为接近,两者都和LAPS输出场比较吻合,但多数情况下后者优于前者。钱氏方案在一般情况下对云量的计算值会略有偏小,但该方案能够很好地表现出主要的云覆盖轮廓。

3　云量计算结果的统计分析

前文已宏观对比分析了三种云量计算方案与LAPS输出结果之间的差异性,下文将使用统计参数(如ACC、RMSE等),对低层(850 hPa)、高层(400 hPa)云量计算结果的可靠性进行定量探讨。

表1给出850 hPa等压面上3种云量计算方案的结果与LAPS输出结果的ACC和RMSE,三种计算方案的云量值与LAPS输出结果在各个时刻的相关性均较大,误差也较为合理。大部分ACC值大于0.5,ACC最小值为0.352(12日00时,钱氏方案),最大值达到0.836(9日12时,NCAR方案)。RMSE波动亦较大(0.21～0.42)。对比三种方案的统计结果可以看出,Slingo方案的ACC与RMSE基本都处在NCAR方案与钱氏方案之间,表现出中等的云量计算水平;钱氏方案的ACC相较于Slingo方案与NCAR方案均较小,部分RMSE最小值出现在钱氏方案中。综合来看,在计算低云云量方面,NCAR方案与LAPS分析场的相关性最好,且以RMSE表征的计算误差值在研究的10个时刻相对最小。根据各个时刻的ACC、RMSE均值,Slingo方案与NCAR方案都较好地计算出云量场的分布状况,且NCAR方案更优,相比之下,钱氏方案的计算效果不如前二者。

表1850 hPa等压面三种计算方案的结果与LAPS输出结果之间各时刻的距平相关系数和均方根误差及其平均值

Table 1The ACCs and RMSEs of each time,and their means,between the cloudiness calculated by the three schemes,respectively,and the LAPS output at 850 hPa

时间Slingo方案NCAR方案钱氏方案ACCRMSEACCRMSEACCRMSE2010-07-09T120.7745120.2923690.8361201)0.2188811)0.7147352)0.3811852)2010-07-09T180.6376870.3187570.6939261)0.2945321)0.4946452)0.4221212)2010-07-10T000.5613210.3353230.5666321)0.4185812)0.3546522)0.2514511)2010-07-10T060.6689450.3126210.7209261)0.3024071)0.6142462)0.3555752)2010-07-10T120.5975600.3041990.6930871)0.2736501)0.5484672)0.3294852)2010-07-11T120.4648182)0.3418802)0.5530191)0.3393950.5080200.3282281)2010-07-11T180.4816002)0.3468580.5539241)0.3593542)0.5032560.3306761)2010-07-12T000.4248600.3156740.4630051)0.3977812)0.3525552)0.2431111)2010-07-12T060.5668710.3184331)0.6214091)0.3199790.4932252)0.3395762)2010-07-12T120.5740420.3076230.6655881)0.2809941)0.4957742)0.3354932)平均0.5752220.3193741)0.6367641)0.3205550.5079582)0.3316902)

注：每一时刻的相关系数最大值(最小值)和均方根误差最小值(最大值)分别用1)(2))标识.

与表1分析类似,对于400hPa等压面上三种方案的云量计算结果与LAPS分析场之间的ACC和RMSE(表2),三种计算方案的计算值与LAPS输出结果的相关性和误差均表现出较高的云量计算水平,但相关水平略次于850 hPa等压面。ACC最小值为0.389(12日00时,Slingo方案),最大值为0.770(10日12时,钱氏方案)。RMSE在0.21至0.53之间波动,变化更明显。综合来看,在统计指标方面,Slingo方案与NCAR方案的高云云量计算能力相差不大,而钱氏方案则略微优于前两者。

4　结论与讨论

本文选取2010年7月9日—12日一次持续性强降水过程的两个时段(9日12时至10日12时,11日12时至12日12时),分别使用400 hPa和850 hPa等压面的云量表示高云和低云,通过Slingo方案、NCAR方案与钱氏方案三种不同的方法,利用相对湿度计算云量,并将其与LAPS系统输出的云量进行对比,得到如下结论:

从云量分布区域及其数值大小来看,无论是400hPa等压面,还是850 hPa等压面,三个云量计算方案对云量中心位置的把握均较为准确,但对云量值的计算存在或大或小的误差。NCAR方案计算结果和LAPS输出场最为吻合,能够体现出云量大值区,但云区略偏大。Slingo方案相较NCAR方案来说略差,但也能较好地描述云带分布。钱氏方案一般能够很好地描述云带轮廓与云量的分布特征,但其计算出的云量值始终偏小。

从统计分析的角度来看,在两个等压面上,Slingo方案与NCAR方案的表现差别不大。在850 hPa等压面上,两者云量计算结果均明显优于钱氏方案,且NCAR方案稍具优势。而在400 hPa等压面上,钱氏方案比Slingo方案与NCAR方案能够更好地计算出云量的数值大小与区域分布,这可能是由于该方案在一定程度上体现了成云机理,以及大气垂直运动对云的生成的影响。

850 hPa等压面上,NCAR方案的云量分布图与LAPS分析场较为吻合,这与两者相关性最大和均方根误差相对最小是一致的。但400 hPa等压面上,尽管NCAR方案的云量分布图与LAPS输出场比较吻合,但两者相关性并非最大,且均方根误差也较大,反而是云量计算值始终相对最小的钱氏方案与LAPS输出场更为相似。这可能是因为,尽管钱氏方案的云量计算值相对较小,但该方案基本能描述LAPS输出场的云覆盖轮廓。其它两种方案计算值在大部分情况下偏大,当考虑每一个网格点的计算值时,其与LAPS输出场的偏差就会增大。即便如此,NCAR方案依然可被视为本文中描述云量的最优方案。

表2400 hPa等压面上,三种计算方案的结果与LAPS输出结果之间相关系数和均方根误差

Table 2The ACCs and RMSEs between the cloudiness calculated by three schemes,respectively,and the LAPS output at 400 hPa

时间Slingo方案NCAR方案钱氏方案ACCRMSEACCRMSEACCRMSE2010-07-09T120.4884492)0.3283360.5356770.3982602)0.6556621)0.2440821)2010-07-09T180.5686642)0.3240080.6010730.3780132)0.7272491)0.2975071)2010-07-10T000.3919752)0.4155230.4224050.5131222)0.4864461)0.2132981)2010-07-10T060.7156951)0.2693141)0.7037960.3398562)0.6820042)0.2780922010-07-10T120.7348510.2403571)0.7341462)0.3051052)0.7699351)0.2552562010-07-11T120.6452262)0.2537120.6490800.3289872)0.7507231)0.2475581)2010-07-11T180.5671522)0.3175650.5997240.3761652)0.6728351)0.2664921)2010-07-12T000.3891142)0.4225530.3935160.5312452)0.4171391)0.2249131)2010-07-12T060.6671770.2738900.6380942)0.3764632)0.6609880.2308051)2010-07-12T120.4816892)0.3057630.5432160.3568782)0.6428531)0.2688841)平均0.5649992)0.3151020.5820730.3904092)0.6465831)0.2526891)

注：每一时刻的相关系数最大值(最小值)和均方根误差最小值(最大值)分别用1)(2))标识.

后续工作将针对长江流域的云量分布,将云量计算方案中的相对湿度临界值进行长时间的统计分析。同时,根据低云和高云云底高的实况资料,更精确地确定表征高云和低云的代表性等压面层,从而进一步提高云量计算准确度。

References)

Albers S C,McGinley J A,Birkenheuer D L,et al.1996.The Local Analysis and Prediction System (LAPS):Analyses of clouds,precipitation,and temperature[J].Wea Forecasting,11(3):273-287.

Angell J K.1990.Variation in United States cloudiness and sunshine duration between 1950 and the drought year of 1988[J].J Climate,3(2):296-308.

Anthes R A,Warner T T.1978.Development of hydrodynamic models suitable for air pollution and other mesometerological studies[J].Mon Wea Rev,106(8):1045-1078.

Anthes R A,Hsie E Y,Kuo Y H.1987.Description of the Penn State/NCAR mesoscale model version 4(MM4)[M].Boulder:NCAR.

Dai A,Trenberth K E,Karl T R.1999.Effects of clouds,soil moisture,precipitation,and water vapor on diurnal temperature range[J].J Climate,12(8):2451-2473.

Graf H F.2004.The complex interaction of aerosols and clouds[J].Science,303(5662):1309-1311.

何编,孙照渤,李忠贤.2012.一次华南持续性暴雨的动力诊断分析和数值模拟[J].大气科学学报,35(4):466-476.He B,Sun Z B,Li Z X.2012.Dynamic diagnosis and numerical simulation of a persistent torrential rain case in South China[J].Trans Atmos Sci,35(4):466-476.(in Chinese).

Karl T R,Knight R W,Gallo K P,et al.1993.A new perspective on recent global warming:Asymmetric trends of daily maximum and minimum temperature[J].Bull Amer Meteor Soc,74(6):1007-1023.

李红莉,崔春光,王志斌.2009.LAPS的设计原理、模块功能与产品应用[J].暴雨灾害,28(1):64-70.Li H L,Cui C G,Wang Z B.2009.Scientific designs,functions and applications of LAPS[J].Torrential Rain and Disaster,28(1):64-70.(in Chinese).

马旭林,孙丽娜,姜胜,等.2015.一次江淮强暴雨过程的湿有效能量及其收支特征[J].大气科学学报,38(3):289-298.Ma X L,Sun L N,Jiang S,et al.2015.Characteristics of moist available energy and its budget in a heavy rain process over Changjiang-Huaihe River basin[J].Trans Atmos Sci,38(3):289-298.(in Chinese).

McGinley J A,Albers S C,Stamus P A.1991.Validation of a composite convective index as defined by a real-time local analysis system[J].Wea Forecasting,6(3):337-356.

苗春生,李婷,王坚红,等.2015.江淮流域梅雨锋暴雨南北雨带干冷空气侵入作用的对比研究[J].大气科学学报,38(1):76-84.Miao C S,Li T,Wang J H,et al.2015.Comparison of dry-cold intrusions in north and south heavy rainfall zones during Meiyu front rainstorms in Changjiang-Huaihe valleys[J].Trans Atmos Sci,38(1):76-84.(in Chinese).

慕建利,谌云,李泽椿.2014.一次陕西关中强暴雨环境条件及中尺度系统分析[J].大气科学学报,37(5):591-604.Mu J L,Chen Y,Li Z C.2014.The environmental conditions and mesoscale system of a heavy rainfall over the central Shanxi Plain on 8—9 August 2007[J].Trans Atmos Sci,37(5):591-604.(in Chinese).

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.Qian Y,Qian Y F.1994.Study of cloudiness parameterization scheme in regional climate model[J].J Trop Meteor,10(4):342-348.(in Chinese).

钱正安,刘明,衣育红.1992.亚洲地区云量参数化的对比试验及云的影响[J].气象学报,50(1):50-59.Qian Z A,Liu M,Yi Y H.1992.Comparison tests of parameterization schemes for cloud cover over Asia and the effect of cloud cover[J].Acta Meteorologica Sinica,50(1):50-59.(in Chinese).

Ramanathan V,Cess R D,Harrison E F,et al.1989.Cloud-radiative forcing and climate:Results from the Earth radiation budget experiment[J].Science,243(4887):57-63.

Slingo J M.1980.A cloud parameterization scheme derived from GATE data for use with a numerical model[J].Quart J Roy Meteor Soc,106(450):747-770.

Smagorinsky J.1960.On the dynamical prediction of large-scale condensation by numerical methods[C]//Physics of precipitation:Proceedings of the cloud physics conference,Woods Hole,Massachusetts.

Smith R N B.1990.A scheme for predicting layer clouds and their water content in a general circulation model[J].Quart J Roy Meteor Soc,116(492):435-460.

孙淑清,周玉淑.2007.近年来我国暴雨中尺度动力分析研究进展[J].大气科学,31(6):1171-1188.Sun S Q,Zhou Y S.2007.Advances in meso-scale dynamical analysis of torrential rain systems in recent years in China[J].Chinese J Atmos Sci,31(6):1171-1188.(in Chinese).

Walcek C J.1994.Cloud cover and its relationship to relative humidity during a springtime midlatitude cyclone[J].Mon Wea Rev,122(6):1021-1035.

汪方,丁一汇.2005.气候模式中云辐射反馈过程机理的评述[J].地球科学进展,20(2):207-215.Wang F,Ding Y H.2005.An evaluation of cloud radiative feedback mechanisms in climate models[J].Advances in Earth Science,20(2):207-215.(in Chinese).

汪宏七,赵高祥.1994.云和辐射——(Ⅰ)云气侯学和云的辐射作用[J].大气科学,18(S1):910-921.Wang H Q,Zhao G X.1994.Cloud and radiation Ⅰ:Cloud climatology and radiative effects of clouds[J].Chinese J Atmos Sci,18(S1):910-921.(in Chinese).

赵玉春,王叶红,崔春光.2011.一次典型梅雨锋暴雨过程的多尺度结构特征[J].大气科学学报,34(1):14-27.Zhao Y C,Wang Y H,Cui C G.2011.Multi-scale structure features of a typical Meiyu frontal rainstorm process[J].Trans Atmos Sci,34(1):14-27.(in Chinese).

周后福,郭品文,翟菁,等.2010.LAPS分析场资料在暴雨中尺度分析中的应用[J].高原气象,29(2):461-470.Zhou H F,Guo P W,Zhai J,et al.2010.Application of LAPS analysis field in rainstorm mesoscale analysis[J].Plateau Meteor,29(2):461-470.(in Chinese).

Cloud is an important internal factor of the climate system,especially in the earth—atmosphere system.The formation of clouds and their characteristics mainly result from both dynamic and thermodynamic processes of the surface and the atmosphere.An accurate grasp of the distribution of cloud and its variability can contribute greatly when attempting to assess the role of cloud in climate change.And related to this,a calculation scheme that is effective at describing cloudiness is a key part of improving the ability to simulate cloud in numerical models.In order to identify a satisfactory cloudiness calculation scheme,the present study employed NCEP reanalysis data to calculate cloudiness and relative humidity,based on three schemes(Slingo,NCAR,and Qian),during a Mei-yu rainfall process in the Yangtze River basin in 2010.Comparative analysis between the calculation results and Local Analysis and Prediction System(LAPS) reanalysis data,considered as the cloud observation,was conducted in terms of cloud distribution and cloudiness values at upper and lower levels,represented by 400 hPa and 850 hPa,respectively.Based on the comparison results,as well as statistical analysis involving anomaly correlation coefficients(ACCs) and RMSE,it was found that the three cloudiness calculation schemes all managed to successfully simulate the cloud central positions,but each had their own advantages and particular characteristics when it came to cloudiness values.The results calculated using the NCAR scheme matched the LAPS outputs very well at large-value centers of cloud,but the regions containing these values were always too large.To a certain extent,although it was found that the Slingo scheme could also describe the cloud well,it showed a slightly lower capacity than the NCAR scheme in terms of its cloudiness calculation.Additionally,the Qian scheme demonstrated fairly limited ability to calculate the cloudiness values,but always presented the cloud profile and its distribution accurately.Based on the statistical analysis,at 850 hPa,the NCAR scheme produced its maximum ACC and minimum RMSE,indicating its superiority over the other schemes at calculating the cloudiness at that height.However,the Qian scheme yielded the best statistical results at 400 hPa,possibly due to the close correspondence of its cloudiness distribution results with the observation.Of importance here is that,to a certain extent,the Qian scheme takes into account the cloud formation mechanism and the influence of atmospheric vertical motion on cloud formation when calculating the cloudiness.Overall,based on this comprehensive comparison of relevant factors,we conclude that the NCAR scheme is superior to the others,particularly at the lower level(850 hPa).

relative humidity;cloudiness calculation;Slingo scheme;NCAR scheme;Qian scheme

(责任编辑：孙宁)

Comparison of the performance of three schemes in calculating the cloudiness during a Mei-yu rainfall process over the Yangtze River Basin

CUI Wenjun1,2,ZHI Xiefei1,ZHU Shoupeng1,ZHOU Zhimin3,WANG Xiaofang3,LI Hongli3

1KeyLaboratoryofMeteorologicalDisasters,MinistryofEducation(KLME)/JointInternationalResearchLaboratoryofClimateandEnvironmentChange(ILCEC)/CollaborativeInnovationCenteronForecastandEvaluationofMeteorologicalDisasters(CIC-FEMD)/ScienceandTechnologyInnovationTeamofEastAsianMonsoonandRegionalClimateChange,NanjingUniversityofInformationScience&Technology,Nanjing210044,China;2DepartmentofAtmosphericScience,UniversityofNorthDakota,GrandForks,ND58202,USA;3WuhanInstituteofHeavyRain,CMA,Wuhan430205,China

10.13878/j.cnki.dqkxxb.20151102003

*联系人，E-mail:zhi@nuist.edu.cn

引用格式：崔文君,智协飞,朱寿鹏,等.2016.一次长江流域梅雨降水中三种云量计算方案的对比研究[J].大气科学学报,39(2):209-220.

Cui W J,Zhi X F,Zhu S P,et al.2016.Comparison of the performance of three schemes in calculating the cloudiness during a Mei-yu rainfall process over the Yangtze River Basin[J].Trans Atmos Sci,39(2):209-220.doi：10.13878/j.cnki.dqkxxb.20151102003.(in Chinese).