基于NPS模型的南海蒸發波導中尺度數值模擬研究

吳 超, 鐘 瑩, 楊少波, 何 鑫, 李醒飛

?

基于NPS模型的南海蒸發波導中尺度數值模擬研究

吳 超, 鐘 瑩, 楊少波, 何 鑫, 李醒飛

(天津大學 精密測試技術及儀器國家重點實驗室, 天津 300072)

蒸發波導是海上大氣波導中發生概率最高、對海上艦艇和岸基雷達探測系統影響最大的一種波導類型, 研究意義重大。本文搭建了一種基于NPS診斷模型的新型蒸發波導數值預報模式, 對我國南海海域2014年11月1~5日的5 d海上蒸發波導分別進行了數值模擬。利用數值模擬數據與岸基鐵塔實測數據分別繪制蒸發波導高度隨時間的變化曲線, 并進行誤差分析, 顯示模擬結果與實測結果變化規律基本一致, 統計計算這5 d的蒸發波導高度平均誤差為1.289 m。這表明了本模式的可行性及其存在的模擬偏差。此外, 利用本預報模式對南海海域2011年整年的蒸發波導進行了數值模擬, 得到了12個月的蒸發波導時空分布特征, 分析總結的規律與其它文獻的研究結論基本一致。

蒸發波導; WRF模式; NPS模型; 數值模擬

由于受到復雜的大氣環境影響, 電磁波在大氣中的傳播并不是簡單地沿著直線傳播, 有時會出現大氣波導現象[1]。這一電磁波異常傳播現象對雷達探測系統和衛星通信系統等的正常工作具有不可忽視的影響。

劉成國[2]、藺發軍[3]等對我國20世紀末的大氣波導基本情況進行了數據整理和分析, 結果表明: 我國出現波導頻率最高的區域為南海、東南沿海、渤海和東海地區; 我國海上蒸發波導出現概率高達85%以上, 高度一般在15 m左右。同時Jeske[4]等研究指出, 工作于海面上的雷達系統, 其作用范圍80%以上要求確切掌握海面上蒸發波導的具體參數才能準確預估。所以研究和掌握我國海域的蒸發波導具體參數和時空分布特征, 對于岸基和艦載雷達探測系統等具有重要意義。

1968年, Bean等[5]提出了大氣折射指數與氣溫、氣壓、水汽壓的關系式和大氣波導存在的判據, 揭示了大氣波導形成的主要天氣學條件。由于海洋蒸發波導位于大氣邊界層近地層, 易受到海氣交界面湍流的影響, 所以一般不采用直接構建大氣修正折射率廓線的方法進行研究。國內外學者通過對宏觀觀測資料的分析[6], 建立經驗關系, 先后發展多種蒸發波導診斷模型, 有P-J模型[7]、MGB模型[8]、Babin模型[9]、NPS模型[10]和偽折射率模型[11]等。這些多用于單點的研究。為進行更大尺度區域化的大氣波導研究, 先后出現雷達海雜波反演、電波掩星技術反演、衛星遙感資料反演和衛星云圖分析等方法, 但實際效果仍有待進一步改進。

隨著ARPS、MM5和WRF[12]等中尺度數值預報模式的出現和計算機能力的快速提升, Atkinson等[13]利用MM5模式模擬了波斯灣地區的大氣波導過程, 成功描述了當地波導的存在和位置特征, 但具體參數不夠準確; 胡曉華等[14]利用ARPS模式模擬臺風“鹿砂”靠近和進入韓國期間發生的大氣波導, 發現初始場對于數值模擬的重要性; 焦林等[15]利用MM5模式并耦合Babin模型; 王喆等[16]利用WRF模式耦合Babin模型對目標區域海洋蒸發波導進行了模擬預報研究, 模擬預報結果與實驗結果較為一致; 陳莉等[17]利用MM5和WRF模式, 同化常規探測資料, 直接對目標海域蒸發波導進行了數值預報。

近幾年, 關于NPS模型和南海海域蒸發波導環境的分析, 有多位學者進行了研究, 為本文的工作提供了一定的參考指導。Zhang等[18]通過對三個海域的一年四季探測數據進行分析, 研究了NPS模型的敏感性和適應性; Yang等[19]利用氣象梯度儀的大量實驗數據對NPS模型在南海海域的適應性和冬季時的應用進行了深入研究; 成印河等[20]利用實驗觀測數據, 對我國冬季南海近岸蒸發波導環境及其影響參數進行了分析; Shi等[21]利用NCEP再分析資料和NPS模型計算建立了南海蒸發波導數據庫, 研究了其時空分布特征; Mckeon[22]從氣候尺度上對影響南海蒸發波導高度變化的關鍵環境因素進行了分析研究, 提出了其對蒸發波導高度季節性和氣候尺度變化預測的重要價值。

本文在前人研究的基礎上, 采用新一代中尺度大氣數值預報模式WRF, 耦合蒸發波導NPS診斷模型, 建立了一種新型的海洋蒸發波導預報模式。對我國南海海域的蒸發波導進行了模擬實驗, 并與岸基鐵塔實測結果進行對比驗證、分析, 結果顯示一致性較好。

1 大氣修正折射率與蒸發波導診斷計算

1.1 大氣修正折射率

大氣折射率是大氣中影響電磁波傳播的主要因子, 根據大氣修正折射率廓線的幾何分布形狀, 可將大氣波導分為表面波導、懸空波導和復合波導。

公式(2)中,R為大氣相對濕度。為了更好地研究大氣折射率梯度對電磁波傳播的影響, 將地球表面近似處理成平面, 重新定義大氣修正折射率(單位M), 它與大氣折射率之間的關系式為

公式(5)兩邊同對海拔高度求導, 得

蒸發波導屬于常見的表面波導, 如圖1所示,z為蒸發波導高度,D為蒸發波導強度,為蒸發波導層厚度。海上蒸發波導高度一般在40 m以下, 蒸發波導的全球平均值約為13 m。

圖1 蒸發波導修正折射率廓線

1.2 蒸發波導特征參數計算

蒸發波導的形成原理與海洋邊界層的特性密切相關, 現有的國內外多種蒸發波導診斷模型都是基于Monin-Obukhov近海面大氣相似理論。將獲得的一定高度或不同高度上的平均大氣溫度、濕度、壓強、風速以及海表皮溫度數據作為模型的輸入參數, 經過診斷計算, 得到蒸發波導的高度、強度等參數。本文選取美國海軍研究生院發布的NPS蒸發波導診斷模型[10], 進行海上蒸發波導的計算。

在NPS診斷模型中, 近地層內溫度、比濕的垂直剖面表示為[23]

其中,0、0分別為海表皮溫度和比濕, 且考慮到比濕受到海水鹽度的影響,0=0.98s(0),s(0)是依靠海表皮溫度計算的海面飽和比濕;()、()分別為高度處的大氣溫度和比濕;*、*分別為位溫、比濕的特征尺度;為溫度普適函數;為卡曼常數;為干絕熱遞減率, 約為0.009 76 K/m;0t為大氣溫度粗糙度高度;為相似長度。

隨著通量算法COARE的發展, 現在可采用升級的COARE3.0算法[24]和穩定大氣條件下的穩定度修正函數[25], 計算后的風速和溫度穩定度修正函數的表達式為

在NPS模型中聯立理想氣體定律和流體靜力學方程并積分可得大氣壓強剖面計算公式[23]

再通過比濕、水汽壓的函數關系式計算水汽壓剖面, 即

式中,為常數0.622。

首先通過公式(7)、式(8)和式(11)計算得到大氣溫度、壓強和水汽壓剖面, 再將計算結果代入公式(1)和公式(5)便可得到大氣修正折射率剖面, 從而確定蒸發波導高度、強度等特征參數。本文NPS診斷模型計算所需要的氣象數據是由WRF模式模擬運算產生。

2 建立蒸發波導預報模式

為了實現區域化的蒸發波導研究, 本文采用新一代中尺度數值預報模式WRF對目標區域的大氣環境進行數值模擬[26], 得到目標區域上大氣溫度、濕度、壓強、風速和海表皮溫度格點數據。然后耦合蒸發波導NPS診斷模式計算得到每個格點的蒸發波導特征參數, 即得到區域化的蒸發波導分布狀況, 實現蒸發波導區域模擬預報。本文的具體研究方案如圖2所示。

首先選擇需要進行數值模擬研究的區域, 準備目標區域的靜態地形數據(包括地貌、植被、土壤層數據等)和實時的動態氣象數據, geogrid程序會確定模式區域并將靜態地形數據插值到目標區域劃分的網格上[27], ungrib程序將輸入的動態氣象數據解壓提取出來, 然后metgrid程序會將ungrib程序提取得到的動態氣象數據水平插值在geogrid區域的網格格點上。接著, real程序將動態氣象數據垂直插值到區域的三維格點上(垂直的層), 同時生成WRF模式主模塊運行所需要的初始數據場和側邊界條件。隨后運行主模塊wrf.exe程序, 對目標區域進行數值模擬, 運算得到區域的三維網格化氣象數據。本文通過編寫NCL腳本文件, 在Linux系統下運行NCL軟件, 對WRF輸出數據文件進行提取、高度插值和保存等預處理操作, 得到可供后續計算使用的數據文件。

圖2 蒸發波導模擬預報流程

最后將處理好的數據代入蒸發波導NPS診斷模型, 計算并繪制大氣修正折射率廓線, 從而得到蒸發波導高度、強度等特征參數, 實現區域蒸發波導模擬預報。

3 蒸發波導數值模擬預報實驗驗證與分析

3.1 基于WRF模式的數值模擬方案設計

本文采用新一代中尺度大氣數值預報模式WRFV3.6.1實現數值模擬預報的研究, WRF模式一般由前處理模塊(WPS)、數據同化系統(WRFDA)和動力求解模塊(ARW)三部分組成, 此處采用前處理模塊和動力求解模塊進行大氣數值模擬[28]。

本文采用兩層區域嵌套對我國南海海域進行了數值模擬, 具體地理區域范圍如圖3所示。模擬初始場和邊界場采用NCEP每6 h一次的GFS-FNL再分析資料(1°×1°), 數據格式為GRIB2。FNL再分析資料屬于全球預報系統(GFS)并經過再分析生成的全球客觀分析場。WPS模塊和real.exe程序對輸入的初始背景場數據進行相應的處理, 生成WRF主運算模塊能識別的初始場和邊界條件(wrfinput和wrfbdy數據文件)。模式水平網格采用Arakawa C格點, 垂直方向采用地形跟隨坐標且垂直格距隨高度可變。由于海上蒸發波導處于海拔高度較低的近地層, 模式垂直分層采用非均勻分層, 底層相對密集, 高層較稀疏, 具體參數方案設置如表1所示。

圖3 模擬預報區域

表1 WRF模式設置

Tab.1 Model specifications of WRF

3.2 模擬結果與實驗驗證

為了對我國南海海域大氣波導進行多角度的深入研究, 本項目組在南海遠離陸地的海域內搭建了一套氣象梯度觀測塔, 如圖4所示。收集了大量的氣象觀測數據, 作為海上大氣折射率廓線和蒸發波導研究的實驗數據。

圖4 岸基鐵塔實驗平臺

本文將蒸發波導預報模式的結果(選取離鐵塔最近的模式格點)與鐵塔實測數據進行對比驗證。大氣波導高度是一個表征波導特征的關鍵參數, 可以作為驗證分析數值模擬結果可行性和準確性的重要指標。為了對論文建立的預報模式進行較為全面的驗證分析, 分別對2014年11月1~5日, 目標海域5 d的蒸發波導進行了數值模擬。同時收集整理了岸基鐵塔實驗平臺這5 d的觀測數據, 計算繪制蒸發波導高度隨時間的變化曲線, 如圖5所示, 圖中時間均采用世界統一時間UTC。

為了更好地分析數值模擬結果與實驗觀測數據之間的偏差, 采用數學統計的方法, 計算這5 d數值模擬蒸發波導高度的最大/小偏差、平均偏差和偏差的標準差, 計算公式分別如下:

(13)

觀察圖5中5 d的蒸發波導高度變化曲線, 結合表2的分析計算數據, 可以得知: 本模式數值模擬1 d的結果與實驗觀測數據的曲線變化趨勢基本一致, 其中11月2日和5日的數值模擬效果較好, 平均誤差小于1 m, 其余3 d的數值模擬結果相對較差, 平均偏差在1.5~2 m之間, 偏差的標準差也在1.5~2 m之間; 第1天數值模擬的蒸發波導高度主要分布在9~20 m之間, 最高值為19.83 m, 最低值為9.54 m, 符合我國南海海域蒸發波導高度范圍; 模擬結果與觀測結果仍存在一定的偏差, 個別最大偏差達到3.8 m,最小偏差為0 m, 偏差的標準差為1.427 m; 這5 d模擬的平均偏差為1.289 m。

表2 數值模擬結果的偏差(單位: m)

Tab.2 The deviation of the numerical simulation (unit: m)

3.3 南海海域蒸發波導時空分布特征分析

本文利用自主搭建的基于NPS模型的蒸發波導數值預報模式對南海海域2011年全年的蒸發波導情況進行了數值模擬。首先獲取NCEP提供的2011年全年每6 h一次的FNL再分析資料, 將一天的初始場FNL數據輸入WRF模式, 完成一天24 h的區域數值模擬, 再利用NPS模型計算目標海域一天的蒸發波導高度。這樣得到蒸發波導高度每日樣本, 然后利用統計方法獲得南海海域各個月平均蒸發波導分布情況。本次模式模擬的目標海域范圍為2.5°~23°N, 105°~120°E。

從圖6中可以看出, 2011年1月和12月南海海域蒸發波導分布范圍最廣而且波導高度相比其他月份也較高, 最高可達20 m, 蒸發波導強度較大。南海北部沿海海域, 即我國東沙群島、中沙群島和西沙群島大部在1~3月和10~12月蒸發波導高度較高, 平均值達到14.8 m, 而在4~9月, 該區域蒸發高度普遍較低, 平均高度低于10 m。在6~9月蒸發波導高度較高的地區集中在我國南海靠近越南南部灣的海域, 即南沙群島大部, 而同期其他海域蒸發波導高度相對較低。南海中部海域蒸發波導整體相比其他海域較弱, 只有在1月、2月和12月波導較強。2011年5月為南海海域蒸發波導高度最低的月份, 強度也較弱。1~3月和12月為我國南海海域蒸發波導現象最顯著的月份, 高度較高, 強度較大, 而且蒸發波導高度隨著緯度的增加而增大, 與經度的相關性則較弱。這與楊坤德教授[29]在對西北太平洋蒸發波導的時空統計規律研究中, 關于我國南海海域蒸發波導的總結基本一致。

圖6 2011年月平均蒸發波導高度分布

南海海域緯度較低, 是我國近海海域中氣候最暖的海域, 屬于熱帶海洋季風氣候, 終年高溫, 蒸發波導的時空分布特征受到復雜的海洋和氣象環境的影響。本文只是模擬了一年的蒸發波導, 由于實驗條件的限制, 缺少大量的海上探測數據和大規模的海上大氣波導觀測實驗。南海作為我國重要的海洋領域, 其蒸發波導亟須進一步的觀測和深入的研究。

4 討論與結論

本文基于NPS模型自主搭建了一種新型蒸發波導模擬預報模式, 并嘗試對南海海域的蒸發波導進行了模擬預報, 總結研究得出以下結論:

1) 目前NCEP的FNL再分析資料的底層分辨率不能滿足對蒸發波導的研究, 而其他的大面積海洋觀測數據較少, 收集難度較大, 且很多并不能直接用于WRF模式的同化系統, 所以采用耦合蒸發波導診斷模型的方法來實現底層大氣折射率的研究是一種較好的途徑。

2) 對南海海域2014年11月1日~5日共計5 d的海上蒸發波導分別進行了數值模擬, 通過與同時刻岸基鐵塔實測數據的對比驗證, 并對模擬結果誤差進行了詳細分析, 證明了本文搭建的預報模式的可行性及其存在的實際模擬偏差, 可以采用本模式對目標海域的蒸發波導進行模擬預報研究。

3) 完成了南海海域2011年全年的蒸發波導數值模擬, 利用數學統計的方法, 得到12個月的蒸發波導時空分布圖, 分析模擬結果得到的規律和結論與其他文獻的研究者得到的結論基本一致。

4) 海上大氣波導的研究需要大量的、大范圍的海洋實驗支撐, 才能作進一步的分析, 驗證和完善。本文由于實驗條件的限制, 缺少大量的海上觀測數據。下一步有待進行大規模的海洋蒸發波導觀測實驗, 對預報模式進行區域本地化修正, 改善模式預報準確度和精度。

[1] 張培昌, 杜秉玉, 戴鐵丕. 雷達氣象學[M]. 北京: 氣象出版社, 2001: 109-110. Zhang Peichang, Du Bingyu, Dai Tiepi. Radar Meteorology[M]. Beijing: China Meteorological Press, 2011: 109-110.

[2] 劉成國, 潘中偉, 郭麗. 中國低空大氣波導的出現概率和波導特征量的統計分析[J]. 電波科學學報, 1996, 11(2): 60-66. Liu Chengguo, Pan Zhongwei, Guo Li. Statistical analysis of occurrence and characteristics of atmospheric ducts in China[J]. Chinese Journal of Radio Science, 1996, 11(2): 60-66.

[3] 藺發軍, 劉成國, 成思, 等. 海上大氣波導的統計分析[J]. 電波科學學報, 2005, 20(1): 64-68. Lin Fajun, Liu Chengguo, Cheng Si, et al. Statistical analysis of marine atmospheric duct[J]. Chinese Journal of Radio Science, 2005, 20(1): 64-68.

[4] Jeske H. State and Limits of Prediction Methods of Radar Wave Propagation Conditions Over Sea[M]. Berlin: Springer Netherlands, 1973: 130-148.

[5] Bean B R, Dutton E J. Radio Meteorology[M]. New York: Dover Publication Inc, 1968: 435.

[6] 宋麗麗, 康林沖, 王漪, 等. 基于B/S的海洋環境數據可視化與服務[J]. 海洋科學, 2016, 40(7): 124-131. Song Lili, Kang Linchong, Wang yi, et al. Visualization and service of marine environmental data based on B/S[J]. Marine Sciences, 2016, 40(7): 124-131.

[7] Paulus R A. Practical application of an evaporation duct model[J]. Radio Science, 1985, 20(4): 887-896.

[8] Musson-Genon L, Gauthier S, Bruth E. A simple method to determine evaporation duct height in the sea surface boundary layer[J]. Radio Science, 1992, 27(5): 635-644.

[9] Babin S M. A new model of the oceanic evaporation duct and its comparison with current models[D]. City of College Park: University of Maryland, 1996.

[10] Babin S M, Dockery G D. LKB-based evaporation duct model comparison with buoy data [J]. J Appl Meteo, 2002, 41: 434-446.

[11] 劉成國, 黃際英, 江長蔭, 等. 用偽折射率和相似理論計算海上蒸發波導剖面[J]. 電子學報, 2001, 29(7): 970-972. Liu Chengguo, Huang Jiying, Jiang Changyin, et al. Modeling evaporation duct over sea with pseudo-re-fractivity and similarity theory[J]. Acta Electronic Sinica, 2001, 29(7): 970-972.

[12] 朱慶光, 倪文斐, 高建華, 等. 基于數值模擬與統計學方法的南黃海近岸沙脊與水道穩定性評價[J]. 海洋科學, 2016, 40(8): 119-128. Zhu Qingguang, Ni Wengfei, Gao Jianhua, et al. Evaluating the geomorphological stability of coastal sand ridges and tidal channels in the southern Yellow Sea using numerical simulation and statistical methods[J]. Marine Sciences, 2016, 40(8): 119-128.

[13] Atkinson B W, Li J G, Plant R S. Numerical modeling of the propagation environment in the atmospheric boundary layer over the Persian Gulf [J]. Journal of Applied Meteorology, 2001, 40(3): 586-603.

[14] 胡曉華, 費建芳, 李娟, 等. 一次受臺風影響的大氣波導過程分析和數值模擬[J]. 海洋預報, 2007, 24(2), 17-25. Hu Xiaohua, Fei Jianfang, Li Juan, et al. Analysis and numerical simulation research of atmospheric duct affected by typhoon[J]. Marine Forecasts, 2007, 24(2): 17-25.

[15] 焦林, 張永剛. 基于中尺度模式MM5下的海洋蒸發波導預報研究[J]. 氣象學報, 2009, 67(3): 382-387. Jiao Lin, Zhang Yonggang. An evaporation duct prediction model coupled with the MM5[J]. Acta Meteorologica Sinica, 2009, 67(3): 382 -387.

[16] 王喆, 王振會, 張玉生. 利用WRF模式對海上蒸發波導的數值模擬研究[J]. 海洋技術學報, 2010, 29(3): 93-97. Wang Zhe, Wang zhenhui, Zhang Yusheng. Numerical simulation of evaporation duct with WRF model[J]. Ocean Technology, 2010, 29(3): 93-97.

[17] 陳莉, 高山紅, 康士峰, 等. 中國近海蒸發波導的數值模擬與預報研究[J]. 中國海洋大學學報(自然科學版), 2011, Z1: 1-8. Chen Li, Gao Shanhong, Kang Shifeng, et al. Numerical modeling and forecasting of evaporation ducts over China seas[J]. Periodical of Ocean University of China, 2011, Z1: 1-8.

[18] Zhang N, Li N, Tian B, et al. Study on NPS Evaporation Duct Model[C]// International Conference on Wireless Communications NETWORKING and Mobile Computing. IEEE, 2010: 1-4.

[19] Yang S, Li X, Wu C, et al. Application of the PJ and NPS evaporation duct models over the South China Sea (SCS) in winter[J]. Plos One, 2017, 12(3): e0172284.

[20] 成印河, 張玉生, 趙振維, 等. 冬季南海北部近岸蒸發波導環境分析[J]. 電波科學學報, 2013, 28(4): 95-101+106. Cheng Yinhe, Zhang Yusheng, Zhao Zhenwei, et al. Analysis on the evaporation duct environment near coast of the northern South China Sea in winter[J]. Chinese Journal of Radio Science, 2013, 28(4): 95-101+106.

[21] Shi Y, Yang K, Yang Y, et al. Spatio-temporal distribution of evaporation duct for the South China Sea[C]// Oceans. IEEE, 2014: 1-6.

[22] Mckeon B D. Climate analysis of evaporation ducts in the South China Sea[D]. California: Naval Postgraduate School, 2013.

[23] Burk S D, Haack T, Rogers L T, et al. Island Wake Dynamics and Wake Influence on the Evaporation Duct and Radar Propagation[J]. Journal of Applied Meteorology, 2003, 42(3): 349-367.

[24] Fairall C W, Bradley E F, Hare J E, et al. Bulk Parameterization of Air Sea Fluxes: Updates and Verification for the COARE Algorithm[J]. Journal of Climate, 2003, 16(4): 571-591.

[25] Grachev A A, Andreas E L, Fairall C W, et al. SHEBA flux–profile relationships in the stable atmospheric boundary layer[J]. Boundary-Layer Meteorology, 2007, 124(3): 315-333.

[26] 陳國光, 翟方國, 李培良, 等. 黃海海浪季節變化的數值模擬研究[J]. 海洋科學, 2016, 40(11): 155-168. Cheng Guoguang, Zhai Fangguo, Li Peiliang, et al. Numerical study of wave height seasonality in the Yellow Sea[J]. Marine Sciences, 2016, 40(11): 155-168.

[27] 田潔, 吳時國, 王大偉, 等. 西沙海域碳酸鹽臺地周緣水道沉積體系[J]. 海洋科學, 2016, 40(6): 101-109. Tian Jie, Wu Shiguo, Wang Dawei, et al. Characteristics of periplatform channels of the Xisha area, northern South China Sea[J]. Marine Sciences, 2016, 40(6): 101- 109.

[28] 韓曉鵬, 宋金寶. 波面位移非線性特征數值研究[J]. 海洋科學, 2015, 39(12): 150-156. Han Xiaopeng, Song Jinbao. Numerical study on the nonlinear behaviors of wave surface elevation[J]. Marine Sciences, 2015, 39(12): 150-156.

[29] 楊坤德, 馬遠良, 史陽. 西太平洋蒸發波導的時空統計規律研究[J]. 物理學報, 2009, 58(10): 7339-7350. Yang Kunde, Ma Yuanliang, Shi Yang. Spatio-temporal distributions of evaporation duct for the West Pacific Ocean[J]. Acta Physical Sinica, 2009, 58(10): 7339-7350.

(本文編輯: 李曉燕)

Mesoscale numerical simulation of the evaporation duct in the South China Sea based on the NPS model

WU Chao, ZHONG Ying, YANG Shao-bo, HE Xin, LI Xing-fei

(State Key Laboratory of Precision Measuring Technology and Instruments, Tianjin University, Tianjin 300072, China)

Theevaporation duct has the highest occurrence compared to other types of atmospheric ducts over sea. Moreover, it has the greatest impact on the radar detection system of naval ships and along the shore; therefore, evaluating the evaporation duct is necessary. In this study, a new numerical prediction model of the evaporation duct based on the NPS diagnostic model is proposed. The evaporation duct process over the South China Sea for five consecutive days from November 1, 2014 is numerically simulated using the proposed prediction model. The simulation results are compared with the tower observation data in the way: the comparison of the time-dependent curves of evaporation duct height and the error analysis. The results are in good agreement and have consistent variation. Moreover, the average error of the evaporation duct height for all five days is 1.289 m. This demonstrates the feasibility and simulation error of the model. Besides, the prediction model is used to simulate the evaporation duct over the South China Sea during the entire year of 2011. Spatial-temporal features of the evaporation duct for 12 months are statistically analyzed and the conclusion of the analysis is consistent with that of other literatures.

evaporation duct; WRF model; NPS diagnostic model; numerical simulation

[Public Science and Technology Research Funds Projects of Ocean, No.2014405006]

Mar. 20, 2017

TN011.3

A

1000-3096(2017)08-0134-08

10.11759/hykx20170320001

2017-03-20;

2017-07-06

海洋公益性行業科研專項(2014405006)

吳超(1992-), 男, 安徽合肥人, 碩士研究生, 主要從事傳感技術和海洋氣象數據分析等方面研究, 電話: 18902108237, E-mail: wuchaoemail@tju.edu.cn; 鐘瑩,通信作者, 副教授, 博士, 主要從事精密測試、傳感技術和海洋探測與分析等方面研究, E-mail: yzhong@tju.edu.cn