用调整边界层湍流系数的QNSE方案模拟夏秋季沿海大风的应用研究

陈有利， 徐慧燕， 卢美， 朱业， 刘瑞*

(1. 宁波市气象台， 浙江 宁波 315012； 2. 浙江大学 地球科学学院， 浙江 杭州 310027；3. 浙江省海洋监测预报中心， 浙江 杭州 310007)

0 引 言

在一定气象条件下，近地面温度的改变也会引起底层风场的变化. 因此，利用调整后的QNSE方案对沿海风场的模拟结果进行检验以评估模拟效果. 本文首先利用2015年对浙江、福建沿海造成严重灾害的1513号台风Soudelor和一例梅雨过程模拟沿海中尺度风速的特征和变化，在此基础上，试验参数调整后的方案(MQNSE)对浙江沿海风场的模拟能力.

1 MQNSE方案简介

根据 Mellor-Yamada Level 2.5 阶模式[3]中的公式，徐慧燕等[17]给出了MQNSE方案中湍流长度尺度系数A1,B1,A2,B2,C1的表达式，其中，A1,B1,A2,B2,C1为Prandtl数函数.

NOH等[8]得到的Prandtl数公式为

Pr=1+(Pr0-1)exp[-3(z-εh)2/h2]，

(1)

其中，Pr0=φh/φm+b0εk,ε，h，b0都为小于1的经验系数，在大气层结不稳定时，φh和φm是不同的，只有在稳定层结下才有φh=φm，h为边界层高度，z为距离地面的高度.

由式(1)可求得湍流长度尺度系数. 将该关系式植入QNSE方案相应的模块中，便可得到调整湍流长度尺度系数后的方案MQNSE.

下面运用该参数调整后的方案(MQNSE)研究海上大风的模拟效果.

2 模拟试验设置

为分析台风登陆前后沿海海面中尺度大风和对流云的发展过程，本次台风个例与梅雨过程均利用WRF中尺度数值预报模式，其中台风个例模拟使用WRFV3.5，而梅雨过程模拟采用WRFV3.1. 背景场资料采用NECP提供的时间间隔为6 h的1°×1°的FNL再分析资料. 台风苏迪罗(Soudelor)模拟使用双向反馈的四重嵌套网格(见图1(a))，四重嵌套网格的格距分别为27，9，3，1 km，格点数分别为191×201，274×238，304×313，460×469，垂直方向分为35层，第1重的积分步长为60 s，前2重网格每隔1 h输出一次结果，后2重网格每隔10 min输出一次结果. 模拟采用的云微物理Lin方案是一种包含水汽、雨、雪、云水、冰、冰雹和霰，不包含粒子数浓度的混合比预报单参方案；第1重和第2重采用Grell 3D集合积云方案(G3方案)，关闭第3重与第4重的积云参数化方案；长短波辐射和短波辐射分别为RRTM方案和Dudhia方案，陆面为热量扩散方案. 梅雨过程的模拟试验设置与徐慧燕等[17]相同，采用三重嵌套，格距分别为45, 15, 5 km，其中5 km格距的网格涵盖了长江中下游流域的梅雨雨带.

图1 模拟设置区域Fig. 1 Model configuration观测站信息详见表1.Table 1 shows the detailed information about the islands stations.

3 海岛大风的模拟试验及实况比较

3.1 梅雨过程的浙江海岛风场模拟

为分析参数调整后方案对动力结构的模拟能力，运用2009年7月23—24日浙江省梅雨期个例，与原QNSE方案、参数调整后的QNSE(MQNSE)模拟的沿海几个观测站边界层风场演变特征进行了比较，并用实况风速(10 min平均风速)进行检验.

图2为浙江及上海沿海梅雨降水过程的岛屿测站与模拟结果对比. 由杭州湾以北的上海浮标站(站点信息与位置参见表1和图1(c))风速演变曲线可知(见图2(a))，实况风速(黑线)在振荡减小过程中于24日06： 00有一次风速加大过程，在原QNSE控制实验(红线，QNSE)中无这一现象，而从调整后的QNSE方案(蓝线)中可见有明显的风速跳跃现象，更接近于实况；浙江台州温岭石桥头站也有类似结论. 虽然模拟结果整体上比实况风速大，但在24日09: 00所有MQNSE试验都有一次快速向实况风速靠近的减小过程，而控制试验的模拟结果中缺乏此调整(红色)；图2(c)所示的舟山岱山高亭渔港地面风场中，3种方案的演变曲线较一致. 由前3个沿海代表站模拟效果可知，控制试验和调整后方案(MQNSE)模拟的地面风速与实况均有明显偏差，主要表现为风速模拟偏大，但调整后方案(MQNSE)的偏差值较控制试验结果小.

表1 沿海岛屿观测站信息

注前10个站点用于台风个例检验，后4个站点用于梅雨降水过程检验.

NoteThe first ten stations are for typhoon case, and the last four stations are for Meiyu case.

对于温州浮标站(图2(d))来说，两者的模拟结果基本相似，与实况均有一定的差距，主要表现为模拟风速偏小和风速无变化.

以上结果说明，沿海海上风场模拟难度较大，其精度较陆地、海岛和海上差.

3.2 台风风场试验

以2015年对浙江、福建沿海造成严重灾害的1513号台风 Soudelor为个例，模拟沿海中尺度风速的特征和变化.

选取浙江南部与福建北部沿海10个岛屿气象观测站的实况10 min平均风速作为本次台风模拟效果的检验依据.

其中，s(i)代表第i个样本观测站的模拟值，o(i)代表第i个样本观测站的观测值. 下面运用上述公式，分别对台风个例期间490个样本站点模拟的风速与风向进行统计检验.

图2 2009年7月23日12： 00—24日12： 00(世界时)，江淮梅雨期浙江省及毗邻沿海海岛测站风速对比Fig.2 Time series of surface winds in Zhejiang province between the observations and model simulations throughout the 12-36 h forecast period from 12： 00 UTC 23 July to 12： 00 UTC 24 July 2009.

图中黑色实线代表实况风速，红色实线代表原QNSE试验(控制试验QNSE)模拟的风速，蓝色实线代表调整后QNSE试验(MQNSE)模拟的风速.

Black lines denote observed wind speed, red lines denote simulations from the QNSE scheme, blue lines denote simulations from the modified QNSE (MQNSE) scheme.

3.2.1 风速基本检验标准的设定

风速基本检验标准设定为相对误差标准0.30.

1) 模拟预报与实况观测偏差在0.30以内的为符合，设为HINTF，表示风速模拟较好；

2) 模拟预报小于实况观测偏差0.30的为不符合，设为MISF，表示预报过小;

3) 模拟预报大于实况观测偏差0.30的为不符合，设为OVERF，表示预报过大.

3.2.2 风速和风向基本检验标准的设定

风速的判别条件同3.2.1节，风向的偏差条件设定为150.

1) 风速和风向都符合判别条件的设为ALLQC，表明模拟预报比较准确；

2) 风向符合判别条件、风速不符合的设为DIRQC；

3) 风速符合判别条件、风向不符合的设为SPDQC；

4) 风速和风向都不符合的设为BADQC，表明模拟预报效果差.

为比较QNSE调整前后的效果，统计检验了边界层参数化YSU和QNSE方案. 表2为对受苏迪罗台风影响的浙闽沿海10个岛屿观测站490个样本的统计情况. 绝对误差(AE)和相对误差(RE)值越小表示检验效果越好.由表2知，调整后的QNSE方案(MQNSE)较YSU和QNSE方案值小，即效果相对较好，表明参数调整后的在MQNSE方案，对海上风速的模拟效果有一定提升. 如果模拟预报与实况观测偏差在0.30以内，表示模拟预报是符合实况的(HINTF)，即统计值越大检验效果越好. 在表2的3个边界层方案中，MQNSE方案的HINTF值最大，表示风速模拟最好；同样，MISF和OVERF的偏差均在0.30之外，表示模拟预报效果不是偏大就是偏小，即MISF以及OVERF统计检验值越小，模拟效果越好. 在表2的3种方案中，MQNSE方案的MISF和OVERF值相对较小，表明3个边界层模拟方案中，相对较好的为调整后的QNSE方案(MQNSE).

与表2的统计检验类似，将风向因素植入表2的统计检验中.风向检验的阈值设定为15°.如果风速和风向都符合判别条件(ALLQC)，表明模拟预报比较好，即统计检验值越大越好.而风速和风向都不符合判别条件的BADQC，表明其模拟预报效果较差.综上分析可知，各观测站不符合判别条件的时次应该越少越好.由表3可知，QNSE方案相对好一些.同样，风向偏差小于15°、风速偏差超过或者小于30%的，QNSE方案的统计值最大，表明QNSE方案的检验效果相对较好；而风速符合判别条件，风向偏差超过15°的，MQNSE方案获得的统计值最大，表明MQNSE方案在此项上检验效果相对较好.从表3的统计检验中获知，MQNSE方案对风速的模拟预报效果有一定改进.

表2 YSU,QNSE, MQNSE模拟的沿海岛屿观测站风速统计检验(AE, RE, MISF, HINTF, OVERF)

表3 10个沿海岛屿站风速和风向的实况与模拟检验结果

3.3 2013年夏秋大风试验

以上是对一例登陆福建的强台风做的岛屿风场检验统计. 为了检验秋季长时间过程中MQNSE方案对浙江、福建沿海风场的模拟效果，选择2013年10月作为检验时段，该时段内有4个台风对浙江、福建影响较大，并引起18 m·s-1大风. 为此，进行连续30 d的模拟试验. 模拟试验的参数设置为： 3重双向嵌套，3重格距分别为27, 9, 3 km，格点数分别为174×120, 271×250, 391×252，边界层参数化方案分别采用QNSE和MQNSE方案，其他参数与第2节中台风个例的设置一致.

2013年10月7日1323号台风Fitow在福建省北部福鼎沿海登陆，登陆时为强台风，近中心最大风力14级(42 m·s-1)，中心气压达到955 hPa，成为10月份登陆我国大陆最强的秋季台风.台风造成福建北部至浙江沿海出现大风天气(菲特台风路径参见图3方框内登陆的台风)，5日夜里开始出现8级以上大风. 该月，除1例登陆台风外，靠近图3中小方框的还有3例呈顺时针北上转向的台风. 图4给出的是浙闽沿海若干岛屿代表站的大风实况和模拟效果图，其中实况风为10 min平均值.

图3 2013年10月西北太平洋热带气旋(TC)移动路径Fig. 3 Typhoon tracks in October, 2013 in the Northwestern Pacific ocean.

The rectangular box denotes coastal areas in Shanghai, Zhejiang and Fujian provinces，(b) is an enlarged view, detailed information about the islands stations refer to table 1.

图4中沿海代表站岛屿的地理位置基本为自北向南排列(参见图1(b)). 可以看到，实况岛屿观测站测风基本呈横向带状，表明该年10月份，风由系统性天气系统引起，大多数时间沿海风速在6级以下.第1次出现16 m·s-1以上大风为10月5日，且图4中海岛各代表站南面风速大、北面风速小，这一时间正是菲特台风靠近浙闽沿海时.以 58767站点为例(见图4 (d1))，正有超过20 m·s-1的大风持续了15 h以上. 从模拟的风速场可见，已基本展现了菲特台风造成的岛屿大风，连58767站点5日14∶00—15∶00(北京时间)大风速断裂时也被模拟出来(见图4 (d2)、(d3)). 就2个边界层方案的地面风速模拟效果而言，MQNSE方案较QNSE方案明显将风速值降了下来，但仍较实况风速大；再来看浙江北部沿海代表站58743(见图4 (a1))，菲特台风时，该海岛观测站并未出现大风，模拟结果中也基本未出现大风速(见图4 (a2)、(a3)). 第2次浙闽沿海大风主要出现在10月14日，这次大风主要由1326号台风韦帕在130°E以东向北转向时引起，实况与模拟均在这一时段出现了大风(见图4). 第3个大风时段出现在10月23—24日，主要由1327号台风范斯高靠近引起，无论是实况还是模拟，58599和58473站点表现最为明显. 从图4中可看出，WRF模式的QNSE边界层方案较好地模拟了海上台风造成的海面和海岛地面大风，但也明显表现为QNSE方案模拟的风速偏大，而调整QNSE方案中的湍流长度尺度系数后，模拟的海上大风强度有明显降低，更趋近于实况.

4 结 论

海上大风形成的机理十分复杂，因此，对沿海大风的预报非常困难. 通过调整QNSE方案的湍流长度尺度系数对边界层参数进行改进，从而改进沿海大风的模拟效果. 利用2009年7月浙江梅雨和2015年苏迪罗台风登陆时造成浙江沿海大风的2次不同天气形势过程进行的模拟试验，以及对2013年10月的模拟检验，均表明沿海大风模拟试验效果得到了一定改善，研究结果如下：

4.1对于中小强度的风速而言，一次梅雨过程模拟对比表明，参数调整后的QNSE(MQNSE)边界层参数化方法对沿海风场的模拟结果有一定改进，尤其是在风速的小幅脉动上，改进后的MQNSE方案更接近于实况波动.

4.2假如设定风向偏差阈值在15°之内、风速偏差阈值在30%之内.通过一例夏季登陆福建北部的台风苏迪罗的模拟试验和对沿海10个岛屿观测站490个样本的对比检验发现，调整后的MQNSE方案其绝对误差(AE)和相对误差(RE)值均较YSU和QNSE方案小，即检验获得的效果相对较好；尤其在风速对比中，调整后的MQNSE方案较其他方案效果好，表明调整QNSE方案的湍流长度尺度系数后，对海上风速的模拟效果有一定改进.

图4 浙江省沿海舟山嵊泗(58473；(a1)、(a2)、(a3))、台州临海(58663; (b1)、(b2)、(b3))、台州大陈岛(58666; (c1)、(c2)、(c3))、温州浮标站(58767; (d1)、(d2)、(d3))和上海平湖油田(58599; (e1)、(e2)、(e3))海岛观测站的实况和模拟地面风场Fig. 4 Coastal gale simulations and observation at the coastal stations in Shengsi in Zhoushan (58473; (a1), (a2), (a3)), Linhai in Taizhou (58663; (b1), (b2), (b3)), Dachen island (58666; (c1), (c2), (c3)), Buoy station in Wenzhou (58767; (d1), (d2), (d3)), and Pinghu oil deposit station in Shanghai (58599; (e1), (e2), (e3)).

图4左边第1列为实况观测(图(a1)、(b1)、(c1)、(d1)、(e1))，第2列为MQNSE方案((a2)、(b2)、(c2)、(d2)、(e2))，第3列为QNSE方案((a3)、(b3)、(c3)、(d3)、(e3)). 填色为风速(m·s-1)，纵坐标为日期(10月1—31日)；横坐标为时间t/h， 上述站点信息可以参见图3.

The left column denotes observations ((a1), (b1), (c1), (d1), and (e1)), the second column is simulations from the modified QNSE ((a2), (b2), (c2,), (d2), and (e2)), the third column denotes the simulations from the QNSE scheme ((a3), (b3), (c3), (d3), and (e3));

The shaded contour denotes wind speed.x-coordinate denotes daily time, andy-coordinate denotes date (from October 1stto 31st)；The locations of the stations refer to Fig. 3b.

4.3进一步选择2013年10月作为秋季大风试验，该过程包括了登陆福建北部的强台风菲特和影响东部海上风场的另外2个台风. 海上代表站的模拟结果表明，WRF模式基本能模拟秋季沿海大风的演变，尤其是模拟有台风影响的时段，相对而言，调整后的MQNSE方案模拟效果较好.QNSE方案模拟的大风偏大，而调整QNSE方案中的湍流长度尺度系数后，模拟的海上大风强度有明显降低，更趋近于实况.

由于海上大风的形成原因十分复杂，以上模拟检验对比结果也反映了模拟的改进效果仍然有限，有待进一步深入研究大风发生的机理，从而更好地改进大风的模拟效果.

本研究获浙江大学“大气科学实践中心”平台计算技术支持，特此致谢！

参考文献(References)：

[1] STULL R B.AnIntroductiontoBoundaryLayerMeteorology[M]. Beijing: China Meteorological Press, 1991: 738.

[2] HONG S Y, NOH Y, DUDHIA J. A new vertical diffusion package with an explicit treatment of entrainment processes [J].MonWeaRev, 2006, 134 (9): 2318-2341.

[4] PLEIM J E. A combined local and nonlocal closure model for the atmospheric boundary layer. Part I: Model description and testing [J].JournalofAppliedMeteorology&Climatology, 2007, 46 (9): 1383-1395.

[5] PLEIM J E. A combined local and nonlocal closure model for the atmospheric boundary layer. Part II: Application and evaluation in a mesoscale meteorological model [J].JournalofAppliedMeteorology&Climatology, 2007, 46 (9): 1396-1409.

[6] SUKORIANSKY S. Implementation of quasi-normal scale elimination model of stably stratified turbulence in WRF [R].ReportonWRF-DTCVisitofSemionSukoriansky-June，2008.

[7] SUKORIANSKY S, GALPERIN B. A quasi-normal scale elimination (QNSE) theory of turbulent flows with stable stratification and its application in weather forecast systems [C]//6thIASME/WSEASInternationalConferenceonHeatTransfer,ThermalEngineeringandEnvironment(THE’08). Rhodes: IASME/WSEAS, 2008: 376-380.

[8] NOH Y, CHEON W G, HONG S Y, et al. Improvement of the K-profile model for the planetary boundary layer based on large eddy simulation data [J].Bound-LayerMeteor, 2003, 107 (2): 401-427.

[9] NAKANISHI M, NIINO H. Development of an improved turbulence closure model for the atmospheric boundary layer [J].JMeteorSocJapan, 2009, 87 (5): 895-912.

[10] NAKANISHI M. Improvement of the Mellor-Yamada turbulence closure model based on large-eddy simulation data [J].Bound-LayerMeteor, 2001, 99 (3): 349-378.

[11] BOUGEAULT P, LACARRERE P. Parameterization of orography-induced turbulence in a meso beta-scale model [J].MonWeaRev, 1989, 117 (8): 1872-1890.

[12] NIELSEN-GAMMON J W, HU X M, ZHANG F Q, et al. Evaluation of planetary boundary layer scheme sensitivities for the purpose of parameter estimation [J].MonWeaRev, 2010, 138 (9): 3400-3417.

[13] PAGOWSKI M. Nakanishi and Niino improved Mellor-Yamada 1.5 and 2-order closures (2004, 2006) implementation in WRF & 1D WRF PBL model as a tool for development and testing [R]//WRFUsers’Workshop,PBLGroupMeeting. Boulder, CO, USA. doi: 10.1007/s10546-010-9502-3. 2008.

[15] 徐慧燕, 朱业, 刘瑞, 等. 长江下游地区不同边界层参数化方案的试验研究[J].大气科学, 2013, 37 (1): 149-159.

XU H Y, ZHU Y, LIU R, et al. Simulation experiments with different planetary boundary layer schemes in the lower reaches of the Yangtze River [J].ChineseJournalofAtmosphericSciences, 2013, 37 (1): 149-159.

[17] 徐慧燕,徐亚钦,王智,等.WRF模式中QNSE方案的湍流长度尺度系数的调整试验研究[J].大气科学, 2017, 41(2): 1-15.

XU H Y, XU Y Q, WANG Z, et al. Modification tests for the coefficient of turbulent mixing length scale in QNSE scheme in the WRF model[J].ChineseJournalofAtmosphericSciences, 2017, 41(2): 1-15.