热平衡特征在南海及周边地区使用有轨电车模型模拟案例研究夏季暴雨和冬天的寒流

1介绍

动力核心和物理参数化方案是两个数值模型的重要组成部分。动力核心包括平流的数值计算,对流和扩散的离散网格,而相关的物理参数化方案控制亚格子过程能量源汇(Droegemeier et al ., 1991;陈et al ., 2008;Skamarock et al ., 2008)。常用的物理包括积云对流参数化方案,云微物理、大气边界层,辐射和地表过程参数化。在集成过程中,模型动力核心首先调用;每个物理过程参数化方案然后称为顺序。后计算动态和物理过程的倾向,乘以时间步和添加到大气的状态字段前面的时候一步获得预测接下来的步伐。预测倾向指的是改变的变量,如温度和湿度,时间。因此,预测趋势可以被视为每个组件的响应当前的大气状态。

动态和物理过程通常维护一个准平衡状态在实际大气。例如,在积云对流过程中,大规模的过程产生的不稳定能量(平流、辐射和近地表湍流)几乎完全被小型和中等规模的对流过程以同样的速度,导致mass-flux-based对流参数化方案的基础(柳井正et al ., 1973;荒川和舒伯特,1974年)。在预测趋势的背景下,倾向的总和(即。,the net tendency) from the dynamical core and different physical parameterisation schemes can be seen as an indicator of the equilibrium in the model atmosphere. For example, the boundary layer process transports vapour from the near surface, and cumulus convection and cloud microphysical parameterisation consume the vapour through the formation of clouds. Their joint effects approximately result in a thermal quasi-equilibrium of moisture in the lower troposphere.

由于缺陷在单个模块的设计方案,该模型预测趋势偏见可能影响数值模拟的一般均衡特性。早期的研究(罗德威尔和帕默,2007年;马丁et al ., 2010;Zhang et al ., 2011;凯et al ., 2011;威廉姆斯et al ., 2013;Klocke罗德威尔,2014;克劳福德et al ., 2020;.2020黄等)展示了一个明确的通信模型的净预测趋势和预测之间的偏见和倾向的诊断分析每个过程仿真结果可以揭示他们的贡献(Klinker Sardeshmukh, 1992;菲利普斯et al ., 2004;Rodwell et al ., 2010;马et al ., 2016;陈et al ., 2021)。

因此,提高数值天气模型的准确性、诊断分析倾向的动态过程和每个物理过程(如辐射、积云对流和云微物理过程)是重要的优化动力核心和物理参数化方案(特隆和戴维斯,2012年)。李东旭et al。(2016)首先该地区应用该方法诊断模型,发现错误的强大的低级加热源于边界层参数化影响向上的显热通量。

热带地区大气模型(有轨电车),开发并由广州热带海洋气象研究所中国气象局,侧重于数值天气预报在南海及周边地区。先前的研究已经表明,模拟有轨电车由于弱台风强度通常有错误,不准确的夏季暴雨的位置,和缓慢的冷锋运动(陈et al ., 2016;徐et al ., 2019;李et al ., 2021;林et al ., 2022)。然而,其系统的预测偏差的来源尚不清楚因为缺乏动态核心的诊断方法和物理参数化方案。目前,趋势分析方法提供了一个有效手段寻找错误的来源。天气系统和模型误差的原因是不同的在冬季和夏季。分析典型的大气环流季节期间预计将提供一个参考的进一步优化和改进模拟南海及周边地区。

本文组织如下:第二节介绍了模型情况下,实验中使用的诊断方法;第三节分析了预测趋势特点,每个物理过程;在第四部分讨论了它们之间的关系;和第五节提供了结论和讨论。

2的描述模型、案例和方法

2.1模型和数据

在这项研究中使用的数据包括业务分析和预测数据(网格0.09°×0.09°)从欧洲中期天气预报中心(ECMWF)和第五代ECMWF大气再分析全球气候再分析数据(ERA5)(网格0.25°×0.25°)。有轨电车模型域面积81.6°E - 160°E和0.8°N - 50.8°N (图1)、9公里水平分辨率的地形垂直坐标后65层31公里。初始和侧边界领域获得全球ECMWF的分析数据(网格为0.09°×0.09°),和侧边界条件更新每6 h。90年代集成模型的时间步。物理方案包括WRF一次性的6级(WSM6)微观物理学的计划(香港et al ., 2004),改进后的新简化Arakawa-Schubert(》一书)积云参数化方案(汉和锅,2011;徐et al ., 2015),新的中程预测(NMRF)行星边界层方案(洪教授和锅,1996年;Zhang et al ., 2022),RRTMG长波和短波辐射方案(Laconao et al ., 2008),板陆地表面模型(Dudhia et al ., 1996)。

2.2描述的案例研究

这项研究集中在华南地区两种典型天气类型:1)重型夏雨和2)寒冷的冬天法术。例大雨从1200 UTC 21 - 1200 UTC 2020年5月24日和冷期从0000 UTC 27到0000 UTC时间2020年12月30日。大雨的平均发行量从ERA5表明华南底部的槽深后的东亚和向东短波槽(图2一个),这是一个典型的循环在华南暴雨(徐et al ., 2016)。冬天冷的平均发行量法术的特点是低压槽和冷舌头重叠在大多数的国家,茂密的等温线在中国南方(图2 b),这也是一个典型的循环冷法术。因此,我们选择这两个典型的天气类型评估热平衡特性的模拟在南海及周边地区使用有轨电车。

2.3方法

根据提出的方法Klinker和Sardeshmukh (1992)上一次,在数据同化,分析张和大气的状态预测交货时间 $\left(∆X_{\mathrm{我}}\right)$ 用于初始化初始假想“预测 $\left(F{C}_{\mathrm{我}}\right)$ :

分析增量 $\left(我N{C}_{\mathrm{我}}\right)$ 派生的“最佳组合”信息从不同的观察,然后将它添加到初始假想预测。我更新的分析时间 $\left(\mathrm{一个}{N}_{\mathrm{我}}\right)$ 计算如下:

尽管新观察错误并不能完全描述大气状态,如果新的分析比初始假想预测接近事实,可以将这些增量信息在模型识别错误。预测误差( $F{E}_{\mathrm{我}}$ )在模式集成可以来自方程式1,2作为

因此,预测误差被认为是负面的增量。如果观察和初始假想预测是完全正确的,然后增量为零。假设观测误差是随机样本是充分的,观测误差均值为零。因此,非零增量分析是由于大气的错误模型的表示的动态或物理过程。

通过平均情商。3/ n周期和连续分析 $\bar{Y}=\frac{{\sum }_{\mathrm{我}=1}^{\mathrm{n}}{Y}_{\mathrm{我}}}{\mathrm{n}}$ ,

这个词 $\frac{\mathrm{一个}{N}_{\mathrm{n}}-\mathrm{一个}{N}_0}{\mathrm{n}}$ 流的演化在时间跨度n的分析周期。根据n的长度,这可以包括每日或年度的大气。然而,我们认为这个词是相对预测误差可以忽略不计。

考虑到初始假想预测平均趋势的时间窗口 $\left(\overline{\stackrel{\dot{}}{X}}=\frac{\overline{\Delta X}}{\Delta t}\right)$ 分解到每个进程的贡献代表模型中(李东旭et al ., 2016),

的右括号显示动力学方程,辐射,重力魔法阻力,垂直扩散、对流、云,和其他住宅倾向。最后一个词的意思是通常被忽略。情商。5意味着趋势和错误的理论对应模型,系统的预测偏差的模型可以被视为偏差的趋势对平衡态(净倾向= 0);而动力核心和物理模型的方案应该处于准平衡状态在理想的情况下,预测的偏差趋势对0(净倾向)可以用来评估总体平衡模型的特性。通过将网络预测趋势分解为动力和每个物理趋势,他们的贡献在不同天气条件下模拟可以进一步估计。

3比较分析的湿度和温度倾向

因为疲软的斜压性的热带天气系统在南中国海及其周边地区,对流不稳定能量主要来自凝结潜热释放的温暖、潮湿的气流在对流层较低。因此,我们主要讨论有轨电车的热平衡特征模型的温度和水蒸气。水分( $\overline{问}$ )和温度( $\bar{T}$ )倾向动力和每个物理参数化方案模型的集成可以写成

在哪里 $\left(\bar{u},\bar{v},\bar{w}\right)$ 三维风场和提单,Conv云,和Rad是源库的边界层,积云对流,云微观物理学的,分别和辐射参数化。前三个条件方程式的右边6,7电网规模代表了平流过程,对应于动力核心的趋势。根据上述两个方程,热力学平衡的特点和贡献可以确定每个组件在不同的天气系统。

3.1湿度和温度倾向从动态分析和总物理

首先,每个集成步骤的倾向是总结72 - h积累的倾向。其次,计算积累倾向的地区的平均水平。最后,我们添加的平均趋势动态(动力学)和物理(体育)过程获取预测倾向(净)(净图3)。

水分倾向主要集中的偏差低于200 hPa(对流层)在夏季和冬季(图3 a, B)。无论本赛季,因为水蒸气运输的近地表垂直运动的电网(Eq的右边第三个任期。7),水分的动态趋势表现出表面附近的负值,而中间显示一个垂直扩展的积极价值和对流层上层,最大950 hPa在夏天(−4×10⁻³克/公斤)和冬季(−7×10⁻³克/公斤)。物理和动态趋势大致相反。较低的层的积极的身体倾向是由于蒸发的水蒸气向上扩散的近地表和雨滴的蒸发,而中间的负面身体倾向和上层主要归因于积云对流的水蒸气冷凝和云微物理参数化。然而,净水分不平衡趋势,较明显的积极的价值从925年到700年hPa在夏季和冬季,这表明有轨电车高估了水分在925 - 700 hPa在南中国海及其周边地区,同样的最大值在900 hPa (1×10⁻³克/公斤)。

夏季和冬季之间的温度倾向不同(图3 c, D),偏差主要低于250 hPa在夏季和低于800 hPa在冬天。在夏天,对流相对强劲和深度;因此,身体倾向主要是积极的在中间,对流层上层,最大值400 hPa (6°C)强烈的潜热释放。与此同时,动态过程传输热量从南中国海及其周边地区通过哈德利环流中、高纬度地区,然后达到温度平衡。低对流层,积极的动态趋势源于南方风带来的温暖、潮湿的气流,而消极的身体倾向主要是蒸发造成的雨滴,从大气中吸收的热量。冬天,对流和浅的实力相对较弱,导致一个更小的积极的身体倾向在400 - 100 hPa在对流层。然而,表面附近的动态过程的负面趋势,最大值900 hPa (6.5°C),主要来源于冷平流,海洋表面和大气之间的更大的温度差异引起深深热低层大气的物理过程。动态和身体倾向是夏季和冬季之间的逆,稍后讨论。

动态和物理过程的共同作用下,净温度倾向呈负偏差预测对流层温度低,与一个最大值(3°C) 925 hPa在南中国海的仿真及其周边地区在夏季。夏季和冬季之间的温度差异倾向集中在600 - 300 hPa,而积极的倾向是在冬季。此外,对流层顶上方的温度偏差主要源于模式动力核心,这可能与模型的顶层高度较低。

夏季和冬季之间的比较表明,湿度和温度偏差趋势主要是集中在对流层中层夏季和冬季对流层较低。模拟的相似错误夏季和冬季之间的湿度和温度较低对流层的系统性偏差可能是由于模型由于浅或弱的对流。因此,水蒸气的消费很低,释放潜热的不足,导致寒冷和潮湿的底层。然而,模拟误差的差异,特别是在中间对流层在冬天,可能源自偏见的反应物理参数化方案,这将在下一节中讨论。

3.2分析的湿度和温度倾向独立的物理过程

从边界层区域平均水分倾向(提单),积云对流(Conv)和云微物理(云)流程所示图4 a, B。湿度的变化趋势倾向为每个物理过程在夏季和冬季是相似的。在低对流层水汽主要来自水从地面和海面蒸发。因此,水分区域边界层的平均趋势进程主要是积极的,具有相同最大925 hPa在夏季和冬季(9×10⁻³克/公斤)。高温度和湿度低对流层增强低层对流不稳定和支持传输蒸汽进一步上升。因此,区域平均水分积云对流过程的倾向主要是消极的整个对流层,达到相同的最低950 hPa (5×10⁻³克/千克)在夏季和冬季。

一般来说,深对流越强,越高的云。因此,云微物理过程中水分的趋势主要是消极的蒸汽冷凝对流层上层的水蒸发和积极的中下游在夏季对流层。这主要发生在低对流层冬季由于疲软的对流。

地区平均温度边界层的倾向(提单),积云对流(Conv),云微物理(云),辐射(Rad),长波辐射(Lw)过程,和一段辐射(Sw)流程所示图4 c, D。地面和海面的热量调节影响表面附近的温度;因此,边界层过程主要贡献积极的温度较低的水平,达到最大值1000 hPa在两个夏天(14°C)和冬季(20°C)。然而,消极的倾向也观察到800 - 600 hPa在冬季,这可能与顶部附近的湍流卷吸过程层积云。积云对流过程中,把蒸气凝结释放潜热,加热大气。因此,温度倾向主要是积极的,最大值500 hPa在夏季(7°C)和冬季(5°C)。

水汽凝结释放热量,提高温度,和水蒸发吸收热量和降低温度。云微物理过程中,温度是蒸汽相变的影响。因此,云微物理过程的温度和湿度倾向大约逆。对流层基本上由长波辐射冷却和加热的短波辐射。长波辐射温度倾向高出2 - 3倍比短波辐射;因此,辐射过程主要是大气冷却。在边界层,倾向的辐射和对流过程几乎是处于平衡状态。

总之,每个物理过程的贡献的热平衡模拟有轨电车通常合理的南海及周边地区。地区平均每个物理过程的湿度和温度趋势表明,边界层参数化总是有积极贡献的湿度和温度低对流层输送水汽和热量从近地表低对流层。积云对流参数化的消极贡献湿度和温度低对流层进一步运输水汽和热量,而它有一个负面贡献水分和温度的积极贡献水汽凝结潜热释放。云微物理参数化水分有积极贡献和消极贡献温度对水蒸发吸热和相对贡献中间偏上对流层水汽凝结潜热释放。然而,云微物理参数化的贡献的高度不同冬季和夏季由于对流。

此外,负温度趋势在夏季温度和偏见倾向从900年到300年hPa在冬季主要来自辐射参数化,这可能会影响到积云对流和云微物理参数化(cf。图3,4)因为水蒸气吸收长波辐射加热大气和云层减少短波辐射吸收大气冷却。此外,逆温度趋势的动态和身体倾向源自云粒子物理学的高度潜热释放和热边界层的影响(cf。图3 c, D,4 c, D,5 e, F)。

3.3进一步分析提单的湿度和温度倾向,Conv,云

接下来,我们分析了纬向平均和水平明显偏差的边界层模式,积云对流,和云微物理过程,对湿度和温度的预测产生重大影响。

水分和温度边界层过程的倾向主要是低对流层中观察到在这两种情况下,特别是在海洋和沿海地区(图5),这主要是受湍流扩散的影响。在夏天的时候,水汽和热量主要是观察在黑潮和下降区副高控制的(图5 c)。此外,一个积极的温度趋势观察底部的对流层(图5 e)。在冬季,大气能量主要来自海洋;因此,边界层过程有一个更广泛的和更高的对湿度和温度的影响相比,在夏季,尤其是在中纬度地区,那里的海水表面和大气的温度差异很大。此外,温暖和潮湿的空气被取消青藏高原地形的凝结释放潜热500 hPa高度附近的80°E - 120°E (图5 e, F)。净温度倾向的比较显示,表面附近的积极倾向可能归因于高估海表热通量的边界层参数化(cf。图3 c, D,5 e, F),该报告的结论是一致的李东旭et al。(2016)。

的湿度和温度趋势显示在积云对流过程图6。由输送水汽和热量从表面边界层过程可能加强低对流层的不稳定,有利于对流的发展,进一步向上传输蒸汽和潜热加热大气。因此,倾向较高的价值在夏天由于更有活力和更深入的对流。此外,southwest-northeast区温度倾向较明显的观察到在中国南方夏季(图6克),相应的降雨区域。而与温度的偏差倾向,一旦触发深对流,蒸汽的消耗和云的形成降低了长波和短波辐射的吸收和大气冷却。

在云微物理过程中,水分倾向主要是消极的(图7 a, B)和温度趋势通常是积极的(图7 e, F当蒸汽凝结成水滴和冰云中的解除后通过对流凝结高度。云通常较高,夏天更广泛但要低,冬天集中在海洋。湿度和温度趋势主要受WPSH在夏季和冬季东亚槽深(cf。图2,7 c、D、G H)。西南风带来的温暖和潮湿的气流满足寒冷和干燥的气流在北部向南移动分支WPSH,这有利于蒸汽的收敛,云和雨的形成。东亚的深深的低谷,也有利于上升运动和蒸汽的冷凝。云微物理过程的水分倾向主要是观察海洋上方的冬天夏天但扩展到土地由于副高西部的延伸。净水分比较倾向显示的积极倾向低对流层的低估可能发生蒸气云微物理参数化(cf的消费。图3 a, B,5 e, F)。

边界层过程传输低对流层水汽和能量通过湍流扩散,有利于对流的发展。提升通过对流凝结高度后,蒸汽凝结和部分转换成雨滴和冰云的积云对流和云微物理过程,它通过潜热加热大气。因此,WPSH东亚槽深,这有利于气流的上升和收敛,主要影响湿度和温度的模拟南海及其周边地区。

结果表明,蒸汽消耗的低估高估的云微物理参数化和海表热通量的边界层参数化收益率相对较高的湿度和温度低对流层。温度从900年到300年预测偏差hPa主要反应造成的辐射,积云对流和云微物理参数化。

4相关的湿度和温度区域平均倾向从动态和物理

进一步分析动态的交互,每个物理过程,我们计算的相关系数区域平均湿度和温度倾向从动态和每个物理过程(每个褶皱图4)。

边界层和积云对流过程显示水分倾向主要贡献在夏季和冬季和总是反关联,相关系数高达0.882在夏天冬天和0.908 (表1,2)。此外,明显的蒸汽(Qv)和水之间正相关(Qc)云微物理过程在夏季(相关系数0.617)建议温暖的云的重要作用过程在云微物理过程。

所有的物理过程与总显著相关物理过程在夏天,只有边界层过程显示,冬季温度显著影响预测(表3,4)。边界层的相关系数和总物理过程在冬天比夏天更大,因为地面和海洋是热量的主要来源。此外,逆辐射过程和积云对流过程之间的关系在冬天也支持这个想法,蒸汽消耗和云的形成减少长波和短波辐射的吸收和大气降温。此外,他们的相关系数是在夏天不低,虽然差异无统计学意义。

边界层和积云对流过程明显有助于水分和温度的预测。他们的交互作用对热平衡的模拟很重要。边界层过程的重要性可以从其显著相关性推断温度和水分。此外,逆辐射之间的关系和积云对流过程也支持这个想法,减少蒸汽的深对流有利于辐射冷却。

5结论和讨论

专注于两种典型的天气在南中国海及其周边地区,本研究评估了热平衡有轨电车的模拟预测倾向。通过分析动态和每个物理过程的贡献,我们确定了模拟偏差的来源,并提供一个参考模型的进一步优化和改进。结论如下。

1)模型模拟通常的平衡特点合理,表明动态和物理过程主要有相反的趋势和相互平衡。与实际情况一致,湿度和温度离职主要是集中在对流层中层夏季和冬季对流层较低。

2)每个物理过程的热平衡的贡献通常是合理的;然而,夏季和冬季之间的差异明显。结果表明,蒸汽消耗云微物理参数化的低估和高估的海面热通量的表面附近的边界层参数化控制模型的系统性偏差。温度偏差从900 hPa - 300 hPa在冬季主要源于辐射的响应,积云对流和云微物理参数化。水蒸气吸收长波辐射加热大气,而云减少短波辐射吸收大气冷却。

3)WPSH和东亚槽深,有利于提升和收敛,主要影响每个物理参数化的差异响应模拟夏季和冬季之间的南中国海及其周边地区。

本研究主要集中在对流层中的热平衡的评价。然而,发生在地表附近相对明显偏差和平流层,以上的原因尚不清楚。此外,本研究只分析了热平衡的动态物理过程和每个物理之间的相互作用过程。其他几个平衡需要进一步评估这个模型。研究需要比较倾向的有轨电车提供的标准趋势数据年热带对流(YOTC)项目(蒙克利夫et al ., 2012)来分析每个过程的偏差,进一步评价其对预测的影响。

数据可用性声明

本研究分析了公开的数据集。这些数据可以发现https://cds.climate.copernicus.eu/cdsapp # ! / home。

作者的贡献

深圳负责研究概念、手稿写,图发展。外汇、BZ和YX提供指导和资金支持。DX和JC-HL负责讨论和修订手稿。LH、司法院、MZ、YL和跳频是导致的概念和设计工作。

资金

本研究支持的特殊项目关键领域研究和开发的广东省(2020年格兰特b0101130021)和中国国家重点研究和发展计划(批准2018 yfc1506902)。

确认

我们感谢广州热带海洋气象研究所的中国气象局提供的设施进行数值分析。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或那些出版商编辑和评论员。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

引用