大渦模擬在華北地區一次冬季輻射霧過程中的應用

左全 張慶紅

?

大渦模擬在華北地區一次冬季輻射霧過程中的應用

左全1,2張慶紅1,?

1. 北京大學物理學院大氣與海洋科學系, 北京 100871; 2. 中國人民解放軍95820部隊, 北京 102207; ? 通信作者, E-mail: qzhang@pku.edu.cn

利用WRF V3.5.1, 對2013年1月21日18:00華北地區突發的大范圍輻射霧過程進行模擬, 對不同水平分辨率的 WRF 邊界層方案以及大渦模擬(LES)進行對比, 討論中尺度模式對此次事件預報的可能性。結果表明: WRF邊界層方案對這次輻射霧有一定的模擬能力, 但模擬的發生時間有3小時的延遲, 而LES方案能很好地模擬出此次大霧過程的出現時間和霧區位置; 提高水平分辨率可以改善 LES 模擬的結果, 使得霧的形成時間和霧區范圍更接近實況。進一步的分析表明, LES 實驗模擬相比邊界層方案, 地面的氣溫更低, 水汽更多, 相對濕度更大, 逆溫層出現更早。因此對于這個個例而言, LES 可以明顯提高中尺度模式對華北地區輻射霧的預報技巧。

WRF; 大渦模擬; 輻射霧

霧是由于近地面大氣中懸浮的水或冰粒子, 使得大氣的水平能見度小于 1 km 的天氣現象[1]。大霧可以造成航班延誤, 高速公路封閉。隨著社會不斷發展, 霧對人們經濟生活的影響日益嚴重。

人們對霧發生的過程了解有限, 霧的預報一直是世界性的難題。霧形成和維持的物理過程十分復雜, 冷卻、湍流、平流、液滴沉降等因素均起到重要作用, 且這些因素之間需要達到一種平衡態才能形成霧[2-3]。利用相同的模式, 在業務預報和科學研究中, 霧的預報準確率遠遠低于降水預報[3]。湍流[4-5]、地形[6]、植被[7]及模式分辨率[8-10]對霧的模擬結果均有很大影響, 因而難以對霧進行定時、定點和定量的預報。

研究輻射霧的模式很多, 有一維[11]、二維[12]以及三維[13]數值模擬, 有局地單一的霧模式[14], 也有考慮大氣環流條件的中尺度模式[15]。國內研究者大多利用考慮大氣環流條件的中尺度模式對輻射霧進行研究, 側重于長波和短波輻射方案和微物理過程參數化方案, 以及水平分辨率、垂直分辨率和云物理過程對輻射霧的影響, 結果表明, 更詳細的云微物理方案以及增加模式的垂直分辨率可以改善輻射霧的模擬結果[16-18]。然而, 這些研究的模式分辨率最多達到3 km, 而輻射霧發生發展時地面風速較小或為靜風, 湍流過程難以精確描述。

傳統的中尺度數值模式不能有效地模擬小尺度的湍流運動, 而LES (large eddy simulation)分辨率能夠達到米級[19], 是一種可以更加精確地解析湍流運動的模擬方法, 常用于檢驗大氣精細結構、物理過程以及大氣邊界層的研究。過去關于 LES 的研究常用于理想化實驗, 使用理想的周期性邊界條件, WRF (the weather research and forecasting model)-LES (large eddy simulation)用于實際大氣研究的較少。隨著模式和計算機的發展, 一些研究者開始使用 WRF-LES 研究實際大氣中的現象, 例如臺風邊界層小尺度運動[20]及城市中顆粒物排放源[21]。在華北輻射霧實際個例的模擬中, LES 方法是否有效還有待研究。

本文利用 WRF-LES, 對華北一次輻射霧進行模擬, 對比 WRF 的一般邊界層物理過程的模擬結果, 討論LES在輻射霧模擬研究中的潛力和價值。

1 事件回顧與大氣環流分析

2013年1月21日晚, 華北地區出現一次極端濃霧事件(部分地區能見度小于 100 m)。河北省內高速公路氣象觀測站監測到最早出現霧的時間是18:00 (北京時), 19:00后, 霧區范圍迅速擴大至華北大部分地區, 河北省地區大霧維持近兩天時間, 一直持續到 23 日晚。隨著冷鋒過境, 大霧過程才結束。這次大霧出現時間為傍晚, 預報難度較大, 氣象部門未能提前發出大霧預警。華北大部分地區受到此次大霧過程的嚴重影響, 大量航班延誤, 高速公路封閉, 給人們的生活帶來極大影響。

這次輻射霧過程的主要天氣形勢見圖 1, 由美國環境預報中心(National Centers for Environmental Prediction, NCEP)的 FNL 全球分析場顯示。21 日前, 華北地區位于500, 700和850 hPa槽前(圖略), 地面位于西南暖濕氣流控制下, 并有一次大范圍降水過程。21 日 08:00, 中高層槽線移過華北地區(圖 1(a))。21 日 20:00 后, 中高層已轉變為由西北氣流控制下的槽后天氣(圖 1(b)), 大氣上層由干冷的西北氣流控制, 以少云、高云天氣為主。21日華北地區地面位于高壓系統的底部, 水平氣壓梯度小, 多數地區有 2 m/s 左右的水平風(圖 1(c)和(d)), 這樣的天氣形勢有利于霧的形成和發展[22]。地面觀測站顯示(圖 2), 21日18:00后, 大霧開始在河北境內形成并迅速發展, 3小時后, 河北大部分地區被大霧籠罩, 多地出現能見度小于 100 m 的濃霧, 持續時間長達兩天。這次大霧過程有出現時間早、濃度大、維持時間長、影響范圍大的特點, 是一次非常典型的華北地區輻射霧。

2 資料與實驗設計

本文將霧區定義為水平能見度小于1 km的區域, 選用WRF V3.5.1對此次大霧過程進行模擬, 用NCEP每6小時一次的FNL全球分析資料作為模式初值和側邊界條件。利用多組不同物理過程與邊界層方案組合進行模擬實驗。不同實驗都可以模擬出霧區, 但出霧時間都有一定的延遲(圖略)。我們選取一組模擬效果最好的實驗作為對照。對照實驗(PBL3.3km, PBL為行星邊界層planet boundary layer的縮寫)選取的區域見圖 3。實驗模擬的起始時間為 2013 年 1 月 21 日 08:00, 共運行 24 小時。對照實驗采用三層嵌套方法, 區域設置見圖 3, 分別命名為D01, D02和D03, 水平分辨率分別為30, 10和3.33 km, 模式的頂層為50 hPa, 垂直方向共分為 40 層。物理過程為 WSM-6 微物理過程方 案[23]、RRTM 長波輻射方案[24]、Dudhia 短波輻射方案[25]、QNSE邊界層方案[26]、Kain-Fritsch 積云參數化方案[27]和D03區域關閉積云參數化方案。

WRF-LES大渦模擬使用與對照實驗相同的區域、垂直分辨率以及物理過程參數化方案, 在對照實驗的基礎上增加兩層區域D04和D05, 如圖3所示。LES1.1 km實驗采用四層嵌套的方法, 最內層D04關閉了邊界層方案和積云參數化方案, 使用大渦模擬, 水平分辨率為1.1 km, 402×402個格點。作為對比, 同樣利用四層嵌套的方法, 選取與LES1.1km相同的區域設置, D04區域內關閉積云參數化方案, 進行PBL1.1km實驗。為了檢驗水平分辨率的改變對LES模擬結果的影響, 進行LES222m實驗, 采用五層嵌套的方法, 最內層區域D05的水平分辨率為222.2 m, 1201×1201個格點。不同實驗的分辨率、邊界層和積云參數化方案設置見表1。

表1 各實驗的模式分辨率、水平格點數、邊界層和積云參數化方案設置

為了檢驗模式的模擬結果, 我們使用河北省高速公路自動站和全國常規氣象觀測站能見度觀測結果與模擬結果進行比較, 通過ETS (equitable threat score)和Bias評分評測模擬結果。高速公路自動觀測站和全國常規氣象觀測站分別可以提供每小時和每3小時的觀測結果。

由于能見度不能由 WRF 直接輸出, 所以我們使用 Kunkel[28]的研究結果, 通過混合相態水含量計算能見度, 兩者之間的關系如下:

AVH = ?1000×ln(0.02),

式中AVH (atmospheric horizontal visibility)表示大氣水平能見度(m);是消光系數, 計算方法如下:

= 144.7MWC0.88,

MWC (visibility-mixed-phase water content)是混合相態水含量(g/m3)。

ETS和Bias評分[8,15]是通過對比觀測和模擬結果, 計算公式如下:

,

其中,為模擬結果, 對于考查區域內的所有測站來說, 如果模式模擬測站出霧, 則記一次=1, 否則=0。為觀測結果, 觀測站出霧則=1, 否則=0。為正確的模擬結果, 當測站模擬的結果出霧且同時觀測站出霧, 計算為一次正確預報,=1, 否則=0。=×/為權重系數,為模擬區域內總的觀測站數量。

ETS可以衡量模擬結果的好壞, ETS分值越高, 說明模擬的結果越好, 當模擬的結果與觀測完全一致時, ETS=1。

Bias 可以衡量模擬結果的空間偏差, 如果結果為1, 說明模擬結果最理想; 如果大于1, 則說明模擬的霧區范圍過大; 如果小于 1, 說明模擬的范圍小于實際范圍。

為了保持ETS和Bias評分的一致性, 我們分別選取模擬區域D03和D05內的測站紀錄, 重點比較霧的爆發時間以及霧的維持階段, 從2013年1月21日14:00至2013年1月22日08:00, 每小時計算一次評分。能見度的計算選取垂直層次的第一層混合相態水含量(雨水、雪水、云水和云冰含量之和)來計算。

3 模擬結果分析

3.1 霧區的模擬及ETS和Bias評分

從模擬結果可以看出, PBL3.3km和PBL1.1km模擬的出霧時間均晚于實況約3小時, 未能準確模擬霧的爆發時間(圖2)。LES1.1km模擬的出霧時間最早, 為21日17:00 (圖略), 到18:00, 霧區的模擬范圍偏大。LES222m模擬的出霧時間最接近于實況。整體上看, PBL實驗與LES實驗模擬的霧區位置有些不同, PBL3.3km和PBL1.1km實驗模擬的霧區首先出現在河北省南部與山東省交界的區域, 而LES1.1km 和 LES222m 實驗模擬霧出現的位置除河北南部外, 還有河北東部和天津。每個實驗模擬的霧區都表現為爆發式增長。Zhou[3]統計過 NCEP模式預報能見度 ETS 評分, 其中水平能見度小于1 km (霧)的平均得分不足 0.1 , 而在華北一次平流霧的集合預報研究[29]中, ETS評分最好為 0.24。相比之下, 本個例模擬結果的ETS評分在 0.35 以上, 部分時段達到0.4以上, 結果較為理想。

選取D05區域進行評分(圖4(a)和(b)), ETS評分表現最好的是LES222m, 在霧的形成和發展階段均保持高分數; 表現最差的是PBL3.3km, 沒有模擬出正確的出霧時間, 并且空報多, 霧形成和維持階段評分最低。從 Bias 評分可以看出, LES1.1km實驗開始階段, 模擬的霧區范圍過大, 有很高的Bias評分, 隨后LES兩組實驗評分逐漸接近 1; 而PBL 實驗由于模擬的出霧時間晚于實況, 前兩個小時的Bias評分為零, 霧區發展較慢, 實驗開始階段評分小于 1, 模擬的霧區偏小。22 日 01:00 之前, LES 的評分較之 PBL 實驗更接近于 1; 而 22 日01:00后, LES實驗模擬的霧區逐漸減小, Bias評分逐漸小于 1, PBL 實驗略大于 1, 這個階段的 PBL實驗表現更好。

選取D03區域進行評分(圖4(c)和(d)), 考查整個華北及周邊地區評分效果。從ETS評分看, PBL兩組實驗由于模擬的出霧時間較晚, 22日01:00之前ETS評分低于LES實驗, 22日01:00之后, LES模擬的霧區減少, 其ETS值高于 LES實驗。各實驗在D03區域的Bias評分與D05區域的評分表現一致。

綜合來看, D03與D05的評分表現一致, 不同實驗的表現分為兩個階段: 22日01:00之前, LES總體表現較好; 而PBL實驗在22日01:00之后的表現更佳。高分辨率模擬實驗的表現要好于低分辨率的模擬實驗。

3.2 溫度和濕度的模擬

從各實驗模擬的霧區來看, 兩組LES實驗模擬的出霧時間比PBL試驗更接近實況。為了考查原因, 選取主要霧區(D05區域), 比較觀測站與各模擬實驗的溫度和濕度。

3.2.1 溫度

由D05區域內常規氣象觀測站和高速公路自動觀測站點的平均 2 m 溫度(圖 5(a))看出, 觀測站平均溫度在21日08:00后不斷升高, 至15:00最高氣溫達?1oC, 隨后溫度開始降低, 至22日00:00最低溫度達?10oC, 之后除在02:00—03:00降低外, 溫度不斷升高。模式的初始場平均溫度高于觀測值約1oC, 模式啟動后, 21日09:00溫度降低, 隨后不斷升高, 各實驗與觀測的溫差逐漸減小, 至 14:00, 各實驗達到最高溫度(約?1oC)。14:00—18:00, 各模式平均溫度降低, 與觀測一致。18:00 至 22 日03:00, PBL實驗溫度不斷下降, 隨后緩慢地上升。18:00—22:00, LES 實驗降溫快于PBL實驗, 22:00后LES降溫減慢, 呈波動下降趨勢。

對比觀測溫度, 各實驗對 18:00 前的模擬結果好于 18:00 后。18:00 前, 各實驗對最高溫度及溫度變化的模擬結果與實況接近。18:00 后, 各實驗均未能很好地模擬出快速降溫過程、最低溫度及其出現時間。實況降溫最快, 18:00至22日00:00, 由?3.2oC降至近?10oC, 20:00—22:00的兩個小時降低約4oC。雖然各實驗均未能模擬出快速降溫的整個過程, 但在 18:00—21:00, LES模擬的溫度比 PBL更接近于實況, 溫度下降更快, 其中LES實驗由約?3.2oC降至約?5.5oC, PBL由約?4.1oC 降至約?5.1oC。霧形成后阻擋地面向大氣中的長波輻射, LES實驗在 22:00后降溫減慢。由于 PBL 實驗模擬出霧時間較晚, 22日05:00后, PBL3.3km降溫緩慢, PBL1.1km溫度波動升高。

由 D05 區域內站點的溫度均方根誤差比較(圖6)可以看出: 21:00前, 各組模擬實驗與實況的誤差約為1oC; 21:00之后, 由于實況降溫較快, 均方根誤差突然增大(PBL實驗約4.6oC, LES1.1km實驗約4oC, LES222m實驗約3.8oC)。21日21:00至22日01:00, LES實驗的誤差小于PBL實驗, 22日01:00后, PBL實驗的誤差小于LES實驗。高分辨率的模擬實驗溫度誤差小于低分辨率模擬實驗。

3.2.2 濕度

各實驗模擬的站點平均水汽含量如圖 5(b)所示。18:00前, LES實驗模擬出比PBL實驗更多的水汽, 17:00達到峰值。LES1.1km模擬出的水汽最多, LES222m實驗次之, PBL實驗最小。LES模擬出 18:00 出霧后, 模擬出的水汽少于 PBL 實驗。水汽含量變化趨勢與溫度變化趨勢一致。

區域內模擬的站點平均相對濕度如圖 5(c)所示。PBL3.3km和PBL1.1km模擬出的相對濕度差別小, 14:00 相對濕度最低時約為 85%, 隨后逐漸升高, 22:00相對濕度達到98%以上, 22:00后的大部分時段維持在 98%以上的高相對濕度狀態。LES 實驗模擬出的相對濕度, 總體上高于 PBL 實驗, 白天相對濕度最低出現在 14:00, 約為 87.3%,之后逐漸增大。16:00—18:00, 相對濕度突然增加, 其中LES1.1km的相對濕度增加最快, 從 90.5%直接增加到近99%, LES222m的相對濕度從89.5%增加到近98%。

從平均溫度、水汽和相對濕度的模擬結果可以看出, LES 實驗對此次輻射霧的降溫過程模擬比PBL實驗好。在出霧前, LES 實驗模擬出更多的水汽, 使 LES 實驗模擬出的相對濕度大于 PBL 實驗。18:00 后, LES 實驗模擬出的溫度下降更快, 空氣中的水汽更快達到飽和, 轉化為混合相態水, 形成大霧。其中 LES1.1km模擬的水汽最多, 出霧時間最早(17:00)。因此, 水汽條件和輻射降溫是LES實驗模擬霧出現時間早于PBL實驗的原因。

PBL 實驗對模式分辨率不敏感, 而 LES 實驗對模式分辨率敏感。LES222m 模擬的出霧時間和平均溫度變化曲線最接近實況。相對于 PBL 實驗, LES 實驗模擬的平均溫度、水汽和相對濕度的差異更大, 提高分辨率可以改善模擬的結果。

3.3 溫濕垂直廓線的模擬

為了考查不同實驗在傍晚近地面不同降溫率的原因, 圖7給出不同實驗溫濕垂直廓線及水汽含量的垂直分布。初始時刻, 空中700 hPa以下溫度露點差小, 空氣的相對濕度大。在模式啟動后的前7個小時, 4組實驗的溫濕垂直廓線差別不大(圖略), 近地面層都處于高相對濕度的大氣條件下。隨著白天短波輻射增強, 地面溫度升高, 近地面層溫度露點差逐漸增大。16:00后, 1000 hPa以下開始出現一塊相對干的區域。LES 兩組實驗的“干區”比PBL實驗更明顯, 溫度露點差增大。LES 兩組實驗地面氣溫下降快于 PBL 實驗, 近地面出現逆溫層。18:00, LES 兩組實驗的逆溫層向上有一定發展, 地面的溫度露點差很小, 空氣中的水汽接近飽和, 此時PBL3.3km和PBL1.1km模擬的“干區”才開始發展。在霧出現前的 2 小時, 即 16:00和 17:00 的近地面層, 距離地面 200 m 的高度上, LES模擬的水汽比PBL 少, 可能使地面釋放更多的長波輻射到大氣中, 2 m 溫度就可能相對低, 而PBL 方案模擬出的水汽較多, 阻擋了地面向上的長波輻射。19:00 后, 4 組實驗 1000 hPa附近“干區”的溫度露點差逐漸減小, 相對濕度開始增大, 此時 PBL3.3km 和 PBL1.1km 在近地面出現逆溫層。到21:00 (圖略), LES實驗在近地面的逆溫層已經發展到一定高度, 且逆溫層的相對濕度達到或接近飽和, 這時PBL3.3km和PBL1.1km 模擬的逆溫層才開始發展。

4 結論

本文利用WRF對華北地區的一次輻射霧過程進行模擬, 使用 WRF-LES 結果進行對比, 并檢驗不同水平分辨率對霧模擬結果的影響。經過 ETS和 Bias 評分檢驗以及對比溫度、濕度和垂直溫濕廓線, 可以得出以下結論。

1) 此次輻射霧的模擬對于不同邊界層方案是敏感的。在霧的形成階段, PBL 實驗模擬地霧有 3小時的延遲。與 PBL 相比, LES 能更好地模擬出快速降溫過程、更多的水汽和更大的相對濕度, 能夠準確地模擬出這次輻射霧爆發的時間。

2) 在提高 PBL 實驗的水平分辨率后, 霧區的出現時間沒有改變, 模擬的相對濕度和溫度差別較小。LES則對于水平分辨率比較敏感, 提高水平分辨率可以改善霧區的模擬結果, 使霧的出現時間更加接近實況。

3) LES 實驗比 PBL 實驗能夠更早模擬出霧區爆發時間, 是因為LES可以更早模擬出距地面200 m高處的干區, 導致地面釋放更多的長波輻射, 氣溫降低快而導致大氣中水汽飽和。由于沒有觀測資料加以證明, 此干區對霧形成的作用以及其形成機制還有待于進一步驗證。

盡管WRF-LES可以成功地模擬此次輻射霧的發生, 但是還需要更多個例的驗證。同時, 2 m 溫度的模擬仍然與實況觀測有較大偏差, 本文也沒有考慮污染物對霧形成的影響。在華北地區污染嚴重的背景下, 利用液態水含量計算的能見度偏高, 尤其是當計算的能見度接近 1 km 時, 會有較大的偏差[30]。LES 方案可以作為對照, 讓我們更多地了解傳統邊界層方案的不足。在計算資源的限制下, 實際業務預報中直接應用 LES 的條件尚不成熟, 未來需要根據邊界層的實際觀測進行調整。

參考文獻

[1]Glilickman T. Glossary of meteorology [M/OL]. (2000) [2015?04?20]. http://glossary.ametsoc.org

[2]Zhou B, Ferrier B S. Asymptotic analysis of equilibrium in radiation fog. Journal of Applied Meteorology and Climatology, 2008, 47(6): 1704? 1722

[3]Zhou B. Introduction to a new fog diagnostic scheme [M/OL]. (2011) [2015?04?20]. http://www.lib.ncep. noaa.gov/ncepofficenotes/files/on466.pdf

[4]Nakanishi M. Large-eddy simulation of radiation fog. Boundary-Layer Meteorology, 2000, 94(3): 461?493

[5]Welch R M, Ravichandran M G. Prediction of quasi-periodic oscillation in radiation fogs. Part 1: Com-parison of simple similarity approaches. Journal of the Atmospheric Sciences, 1986, 43(7): 633?651

[6]Golding B W. A study of the influence of terrain on fog development. Monthly Weather Review, 1993, 121(9): 2529?2541

[7]Duynkerke P G. Radiation fog: a comparison of model simulation with detailed observations. Mon-thly Weather Review, 1991, 119(2): 324?341

[8]Muller M. Numerical simulation of fog and radiation in complex terrain [D]. Basel: University of Basel, 2006

[9]Tardif R, Rasmussen R M. Event-based climatology and typology of fog in the New York City region. Journal of Applied Meteorology and Climatology, 2007, 46(8): 1141?1168

[10]Van der Velde I R, Steeneveld G J, Schreur B G J W, et al. Modeling and forecasting the onset and dura-tion of severe radiation fog under frost conditions. Monthly Weather Review, 2010, 138(11): 4237?4253

[11]Fisher E L, Caplan P. An experiment in numerical prediction of fog and stratus. Journal of the Atmos-pheric Sciences, 1963, 20(5): 425?437

[12]Roach W T, Brown R. The physics of radiation fog: 2-D numerical study. Quarterly Journal of the Royal Meteorological Society, 1976, 102: 335?354

[13]Ballard S P, Golding B W, Smith R N B. Mesoscale model experimental forecasts of the haze of northeast Scotland. Monthly Weather Review, 1991, 119(9): 2107?2123

[14]Glasow R V, Bott A. Interaction of radiation fog with tall vegetation. Atmospheric Environment, 1999, 33(9): 1333?1346

[15]Zhou B, Du J. Fog prediction from a multimodel mesoscale ensemble prediction system. Weather and Forecasting, 2010, 25(1): 303?322

[16]范琦, 王安宇, 范紹佳, 等. 珠江三角洲地區一次輻射霧的數值模擬研究. 氣象科學, 2004, 24(1): 1?8

[17]石紅艷, 白潔, 王洪芳, 等. 長江中下游地區一次冬季輻射霧的數值模擬研究. 解放軍理工大學學報: 自然科學版, 2005, 6(4): 404?408

[18]何暉, 金華, 劉建忠, 等. 北京地區一次輻射霧的數值模擬. 氣候與環境研究, 2009, 14(4): 390?398

[19]Bergot T. Small-scale structure of radiation fog: a large-eddy simulation study. Quarterly Journal of the Royal Meteorological Society, 2013, 139: 1099?1112

[20]Alizadeh-Choobari O. Large-eddy simulation of the hurricane boundary layer: evaluation of the planetary boundary-layer parametrizations. Atmospheric Re-search, 2015, 154: 73?88

[21]Joe D K, Zhang H, Denero S P, et al. Implementation of a high-resolution source-oriented WRF/Chem model at the port of Oakland. Atmospheric Environ-ment, 2014, 82: 351?363

[22]何志強, 盧新平, 金宏憶. 首都機場近10年輻射霧的特征分析 // 第31屆中國氣象學會年會: S3 短期氣候預測理論、方法與技術. 北京, 2014: 30?37

[23]Hong S Y, Lim J O J. The WRF single-moment 6-class microphysics scheme (WSM6). Journal of Korean Meteorologic Society, 2006, 42(2): 129?151

[24]Mlawer E J, Taubman S J, Brown P D, et al. Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-model for the longwave. Journal of Geophysical Research, 1997, 102(D14): 16663?16682

[25]Dudhia J. Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model. Journal of At-mospheric Sciences, 1989, 46(20): 3077?3107

[26]Sukoriansky S, Galperin B, Preov V. Application of a new spectral theory of stably stratified turbulence to the atmospheric boundary layer over sea ice. Boundary-Layer Meteorology, 2005, 117(2): 231?257

[27]Ma L M, Tan Z M. Improving the behavior of the cumulus parameterization for tropical cyclone pre-diction: convection trigger. Atmospheric Research, 2009, 92(2): 190?211

[28]Kunkel B A. Parameterizationn of droplet teminal velocity and extinction coeffient in fog models. Journal of Climate and Applied Meteorology, 1984, 23(1): 34?41

[29]Hu H, Zhang Q, Xie B, et al. Predictability of an advection fog event over North China. Part Ⅰ: Sensitivity to initial condition differences. Monthly Weather Review, 2014, 142(5): 1803?1822

[30]Zhang J, Xue H, Deng Z, et al. A comparison of the parameterization schemes of fog visibility using the-measurements in the North China Plain. At-mospheric Environment, 2014, 92: 44?50

Application of Large Eddy Simulation for a Winter Radiation Fog Event in North China

ZUO Quan1,2, ZHANG Qinghong1,?

1. Department of Atmospheric and Oceanic Sciences, School of Physics, Peking University, Beijing 100871; 2. No. 95820 Troops of PLA, Beijing 102207; ? Corresponding author, E-mail: qzhang@pku.edu.cn

A wide range of radiation fog shrouded North China at 18:00 on January 21, 2013. Based on mesoscale model of WRF (the Weather Research and Forecasting Model) V3.5.1, the predictability of this case is discussed, through comparison between different horizontal resolution of the boundary layer scheme (BLS) and large eddy simulation (LES) scheme. The results indicate that there exists a certain capability to simulate this fog through the BLS, but also exists a delay of 3 hours; however, through LES, both of the occurrence time and distribution of fog can be well simulated. More accurate results can be obtained by improving the horizontal resolution, which makes the occurrence time and distribution closer to the observation. Further analysis shows that, compared with BLS, LES simulates lower temperature of the surface, more water vapor, higher relative humidity and earlier occurrence of the temperature inversion. As a result, in this example, LES is capable of significantly improving the forecast skill of the mesoscale model for radiation fog in North China.

WRF; large eddy simulation; radiation fog

10.13209/j.0479-8023.2015.143

P445

2015-04-03;

2015-06-11; 網絡出版日期: 2016-03-22

國家公益性行業(氣象)科研專項(GYHY201006011)資助