成都市空氣質量預報中WRF的本地化參數選取

姚 琳, 葉芝祥, 陸成偉, 常仕鐳

（成都信息工程學院資源環境學院,四川成都 610225）

0 引言

經濟社會的快速發展后,城市空氣污染已成為中國的一個主要環境問題。空氣質量模式自20世紀60年代至今,已發展到第三代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量模式3部分組成,要得到準確的空氣質量模擬結果的重要前提就是先得到準確的氣象模擬結果和準確的源數據。目前WRF（Weather Research and Forecasting model）模式已廣泛地應用到空氣質量模式中,該模式具有良好的計算架構及全面的威力參數化方案,它的研制是為了給理想化的動力學研究、全物理過程的天氣預報、空氣質量預報以及區域氣候模擬提供一個公用的模式框架,研究表明,WRF模式更適用于Models-3是今后用來替代MM5的氣象預報模式[1]。關于對WRF氣象模式的參數研究,多集中于特定某一個參數方案的研究,且并沒用針對某個地域的研究,但每個城市都有地形、云層等各方面的氣象場特點,因此本文為找到最為適合成都本地化的WRF模式參數方案,以提高WRF模式的模擬準確度,為進一步對成都市空氣質量預報打下基礎。

1 模型及評估方法

1.1 模式介紹

WRF模式系統是由美國NOAA、NCEP、Air Force等多個研究部門聯合開發的新一代多尺度數值預報模式。模式采用Arakawa C格點水平格點,是一個全可壓非靜力模式。研究選用 WRF3.2版本,模擬區域的中心點位于（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。

氣象模式初始場為美國1°×1°的6小時NCEP再分析數據。實測比對數據為中國3小時MICAPs數據（MICAPs站點）,如圖2所示。研究地區為四川省成都市,包含成都市中心城區在內的13個區縣,模擬時間為2010年空氣質量較嚴重的11月第一周（2010-11-01至2010-11-08）。

圖1 WRF嵌套示意圖

1.2 參數選取

WRF模式主要包括微物理過程參數、積云層參數、邊界層參數、陸地過程參數等,每個過程參數的不同設置都對降水等天氣的模擬具有顯著的差異。為了在同等條件下評估出適合成都市本地化的參數方案,研究設計16種情景,如表1所示。

其中微物理過程參數此次選取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雜的方案,其中包括云水、雨、水汽等多項預報量,是WRF模式中相對比較成熟的方案,比較適合理論的研究[2]。WSM3方案來自于NCEP3方案的修正,被稱為是簡單的冰方案,此方案包括水汽、云水或云冰、雨水或雪三種水物質,比較特別之處在于此方案的診斷關系所使用冰的數濃度是基于冰的質量含量而非溫度,該方案對于業務模式來說足夠有效[3]。牛俊麗[4]等和閆之輝[5]等人通過不同微物理過程方案分別針對不同的天氣個例進行模擬試驗,結果表明Lin方案和WSM3方案優于其他微物理過程方案,能在模擬降水量、降水強度等方面較為接近實況。

積云層參數選取Kain-Fritsch（KF）方案和Grel-Devenyi集合（GD）方案。KF（new Eta）方案是在舊KF方案基礎上進行改進,利用一個簡單的云模式伴隨水汽的上升和下沉,同時包含了卷入和卷出,以及對粗糙的微物理過程的作用[6]。而GD方案則是一種質量通量類型,該方案采用準平衡假設,使用不同的上升、下沉、卷入、卷出的參數和降水率。屠妮妮[7]等使用不同積云對流參數方案進行典型個例降水預報的對比試驗,結果表明總體預報效果以KF方案和GD方案能較好的反映觀測實況。

邊界層參數此次選取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,方案在利用一個基于局地自由大氣Ri的隱式局地方案來處理垂直擴散項的基礎上,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化方案對熱帶深對流云的模擬效果進行研究,結果表明YSU和MYJ方案均能較好地再現海風鋒的發展過程。

圖2 M ICAPs站點分布圖

表1 不同參數化方案

陸地過程參數此次選取Noah方案和Rapid Update Cycle（RUC）方案,Noah方案由Oregon State University（OSU）陸面過程方案經不斷發展而得來[9],并發展為多機構合作開發的陸地模式,該方案能預報四層土壤溫度和濕度,還可以預報土壤結冰、積雪影響,提高了城市地面的能力。RUC陸地方案是NCEP天氣業務預報系統中的陸面物理參數化方案,包含六個土壤層和兩個雪層的處理。此兩種方案比較而言,Noah方案相對復雜,對輸入數據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模式對中國短期高溫天氣進行不同陸地參數方案敏感性模擬分析,結果表明RUC方案比Noah方案模擬效果好。

應注意的是當邊界層方案選用MYJ方案時,近地面層方案即選用MYJ Monin-Obukhov方案;當陸地過程方案選取Noah和RUC方案時,陸面模式中的土壤層數應分別選用Noah和RUC陸面過程方案。其余物理參數化方案如輻射方案、水汽方案等均選擇相同的默認選項。

1.3 評估方法

通過統計學方法——平均偏差Embe、均方根偏差Emse和相關系數Corr,來對模擬結果與氣象實測數據進行比對。

式中,am為模擬值;a°為MICAPs觀測值;M為所選MICAPs站點數;N為時間樣本數。通過以上公式可以看出,統計結果為對模型時空結合的評估,能反映模式的整體模擬情況。

2 結果分析

2.1 地表變量效果評估

將第2層模擬區域中的13個氣象站點的2m處溫度（T2m）、海平面氣壓（Psl）的MICAPs觀測數據與模擬數據進行對比分析。表2和圖3給出了各方案對溫度和海平面氣壓的模擬評估結果。

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果均比觀測值偏高一些,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模擬值與實測值相關系數 Corr均達到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,在統計學上有較好的正相關性。在16種方案中,達到其相關系數平均值的共有9組參數化方案,分別為第2、6、7、10、11、12 、14、15、16 組方案,雖然這 9 組方案的相關系數差別不大,但再從圖3（a）可看出,各組在模擬值與實測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,在對海平面氣壓Psl的模擬上,模擬值均比實測值偏低一些,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系數 Corr上差異也不大,各組 Corr均達到0.959以上,Corr平均值為0.963,在統計學意義上有較好的正相關性。

由于成都市地勢較平坦,各監測站點海拔差距較小,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化方案時,可以側重于在地表溫度 T2m模擬效果上的評估。由圖3（a）可看出在 T2m相關系數均達到0.810以上的各組方案中,第15組表現最好,其次為第11組,再為第16組。

表2 溫度、海平面壓強相關系數 Corr結果

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組的不同評估結果可看出,在其它參數方案都相同的情況下,邊界層參數方案對模擬結果的影響顯著。使用MYJ方案第15、11、5、3組方案效果,明顯在模擬偏差上優于選用YSU方案的第14、10、6、2組。

圖3 16組方案模擬值與實測值的統計學評估

2.2 高空模擬效果評估

由于成都市僅溫江站點有MICAPs高空監測數據,此次在垂直方向上,選取了溫江站（站點號:56187）對850、700、500、400、300、250、200hPa氣壓層的一周溫度數據進行評估。模擬結果如圖 4所示,各方案相關系數均在0.70以上,在統計學意義上均有較好的正相關性。

由于850hPa氣壓層位勢高度在1500m左右,此高度依然可以受到陸地參數及邊界層參數的影響,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,各氣壓層受各參數的影響減小,因此模擬效果差異逐步減小,而當在250hPa氣壓層基本已在邊界層以外,模擬效果基本一致,可以認為此層開始已經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、擴散等作用主要發生在大氣邊界層內,因此空氣預報的重點應在850hPa此氣壓層上。從圖5可看出,第15組表現最好。

圖4 200～850hPa氣壓層各溫度模擬相關系數

圖5 850hPa氣壓層溫度評估結果

3 結束語

通過對成都市2010年11月第一周進行模擬,設計了16組WRF模式參數方案,并將模擬值與MICAPs實測值中地表溫度（T2m）和海平面氣壓（Psl）及高空850hPa氣壓層的溫度進行統計學評估,第15組參數化方案模擬結果與MICAPs氣象實測數據的對比分析效果表現最佳,是為成都市空氣質量預報中WRF的最優參數設置,第11組次之。各組參數方案受邊界層參數方案的影響明顯,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,結果表明MYJ邊界層方案更適用于成都地區的模擬。本研究力求得到較好的本地化參數方案,以提高WRF模式的模擬準確度,為進一步對成都市空氣質量預報打下基礎。

[1] 程興宏,徐祥德,丁國安,等.MM5/WRF氣象場模擬差異對CMAQ空氣質量預報效果的影響[J].環境科學研究,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化方案及水平分辨率對降水預報效果的影響[J].氣象科技,2011,39（5）:529-536.

[4] ?？←?閆之輝.WRF模式微物理方案對強降水預報的影響[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報對比試驗[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模式中不同積云對流參數化方案對比試驗[J].高原山地氣象研究,2011,31（2）:18-25.

[8] 李嘉鵬,銀燕.WRF模式中邊界層參數化方案對熱帶深對流云模擬的敏感性實驗[A].中國氣象學會2007年年會人工影響天氣科技進展與應用分會場論文集[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陸地方案的敏感性[J].中國科學,2011,41（9）:1375-1384.