期刊检索:
  暴雨灾害   2017, Vol. 36 Issue (6): 550-556.  DOI: 10.3969/j.issn.1004-9045.2017.06.008

论文

DOI

10.3969/j.issn.1004-9045.2017.06.008

资助项目

青岛市气象局科技创新(2014qdqxc01);山东省气象科学研究所数值天气预报应用技术开放研究基金(SDQXKF2014Z04)

第一作者

马艳,主要从事中尺度数值模拟研究。Email:qdyanma@163.com

文章历史

收稿日期:2016-08-15
定稿日期:2016-11-30
两种边界层参数化方案和下垫面信息对一次暴雨过程模拟的影响
马艳 1,2, 陈尚 3, 董海鹰 1    
1. 青岛市气象局,青岛266003;
2. 青岛市气象灾害防御工程技术研究中心,青岛266003;
3. 国家海洋局第一海洋研究所,青岛266061
摘要:基于中尺度大气数值模式WRF,检验分析YSU和MYJ两种边界层参数化方案和分辨率分别为1 km(称为USGS)和500 m(称为MODIS)的两类下垫面资料对2014年5月9—12日青岛一次暴雨过程模拟的影响。分析表明, YSU和MYJ方案都能模拟出强降雨带的位置和强度,MYJ试验对大雨TS评分高达0.88,YSU对暴雨TS评分为0.65;和USGS试验相比,MODIS试验提高了暴雨的TS评分,提高率为6.2%,但对大雨仍易空报。YSU、MYJ和MODIS试验较好地模拟了2 m气温、10 m风向。YSU模拟的2 m气温准确率是降雨前优于降雨开始后,MYJ则相反;MODIS试验预报沿海地区气温偏高。和USGS相比,MODIS提高了近地面风速和风向的模拟精度。总体上,所有试验方案对所考虑气象要素的模拟,基本上是内陆站准确率高于沿海站,YSU优于MYJ,MODIS优于USGS。
关键词复杂地形    边界层参数化方案    下垫面    暴雨    
Impact of two boundary layer parameterization schemes and land-use data on the simulation of a heavy rainfall event
MA Yan1,2, CHEN Shang3, DONG Haiying1    
1. Qingdao Meteorological Bureau, Qingdao 266003;
2. Qingdao Engineering Technology Research Center for Meteorological Disaster Prevention, Qingdao 266003;
3. First Institute of Oceanography, SOA, Qingdao 266061
Abstract: The impact of the YSU and MYJ boundary layer parameterization schemes in the WRF and two kind of land-use data with resolution of 1 km (USGS) and 500 m (MODIS) on the simulation of a heavy rainfall event from 9 to 12 May, 2014 over Qingdao were analyzed. The study shows that the experiments of YSU and MYJ could simulate the position and strength of strong rainfall regions. Threat score (TS) for MYJ was 0.88 for heavy rain, and 0.65 for YSU for torrential rain. Using MODIS data increases the TS for torrential rain by 6.2% compared to using USGS data, but still easily causes false prediction for heavy rain Experiments. YSU, MYJ and MODIS reproduce the variations of near surface temperature and wind direction. The simulation accuracy for temperature before rainfall is higher than that after the beginning of rainfall in the experiment of YSU. But for the situation of MYJ, the opposite is true. Using MODIS data predicts too high near surface temperatures on the coastal stations. Compared to the simulation from USGS, MODIS improved simulation accuracy in the field of near surface wind speed and wind direction. In general, the simulation accuracy for variables over inland stations was better than that on coastal stations. YSU is better than MYJ and MODIS is better than USGS.
Key words: complex topography    boundary layer parameterization scheme    land-use    heavy rainfall    
引言

在中尺度数值模式中,云微物理过程、积云对流过程和边界层参数化过程是对降雨模拟有较大影响的物理过程。廖镜彪等[1]指出,在降雨过程中云微物理过程起着主要作用,其次是积云对流过程,边界层参数化过程影响相对较小。Jankov等[2]则认为积云对流过程最敏感,而边界层和云微物理过程对弱降雨的敏感性相当。目前已有大量有关积云对流和云微物理参数化方案对降雨模拟的影响评估试验和研究[3-6], 而边界层方案对降雨影响的研究相对较少[7-8]。陈炯等[9]和蔡芗宁等[10]分别指出边界层方案通过影响低层大气的热力和动力结构,从而为形成深厚云层和积雨云创造物理条件,是影响暴雨模拟的敏感因子。肖玉华等[11]开展了边界层参数化方案对不同性质降水模拟的影响,指出,ETA方案对对流性降水有一定的预报能力,MRF方案对雨带的预报能力相对最强。刘羽等[12]比较了WRF(Weather Research and Forecasting)中ACM2 (Asymmetric Convective Model 2)、YSU(Yonsei Universi⁃ ty)、MYJ(Mellor-Yamada-Janjic)三种边界层参数化方案对一次西南低涡暴雨过程影响,结果表明,ACM2方案总体模拟效果较好。而准确模拟边界层内各气象要素特征,又是提高降雨强度、降雨落区等要素预报准确率的关键因子[13-16]

青岛地处山东半岛东南部,三面环海,地形高低起伏, 分布着许多大大小小的山头。青岛又是一个人口密集的沿海工业城市,所辖六区(市南、市北、李沧、崂山、城阳、黄岛区)四市(胶州、即墨、平度、莱西市)城市发展迅速。1978—2008年的30 a里,青岛城区面积增加了201 km2,增速高达305 %。在青岛独特的下垫面特征和快速的城市发展现状下,针对2014年5月9日08时—12日08时(北京时, 下同)青岛一次暴雨过程,对比分析中尺度气象模式WRF中MYJ和YSU两种边界层方案,以及不同分辨率的地表覆盖资料对此次降雨过程的影响,以期为山东半岛沿海地区合理选择和使用边界层参数化方案提供参考依据。

1 降水概况

2014年5月10日夜间至11日,青岛全市出现大到暴雨局部大暴雨,全市平均降雨量72.1 mm,其中国家级基本站出现4站次暴雨(青岛75.7 mm,崂山74.6 mm,胶州61.7 mm,平度64.1 mm)和1站次大暴雨(黄岛135.9 mm)。图 1a是青岛站5月10日20时—11日20时降雨量分布。天气形势场分析表明,10日20时500 hPa随着蒙古中部冷涡低槽东移南下,山东半岛已处于深厚低槽前部,850 hPa有低涡存在,其中心位于河南境内,但其倒槽已伸至鲁西南地区,700 hPa上丰富的暖湿气流也已到达山东半岛地区(图略)。从地面形势来看,10日20时伸至鲁西北地区的低压倒槽,到11日08时已加强为气旋(图 1b)。地面气旋强烈的辐合旋转上升,与高空槽和低层低值系统配合造成了青岛地区此次暴雨天气。

图 1 2014年5月10日20时—11日20时降水量实况(a, 单位:mm)及11日08时海平面气压(b, 单位:hPa) Fig. 1 (a) Observed rainfall (unit:mm) from 20 BT 10 to 20 BT 11 May 2014 and (b) sea level pressure (unit: hPa) at 08 BT 11 May 2014.
2 试验设计及边界层方案简介 2.1 试验设计

本文在WRF3.4.1中采用双重嵌套模拟区域,模拟中心(36°N,120°E),水平网格距(网格数)分别为:9 km (301×301)和3 km (514×382),垂直方向分38层,模式层顶50 hPa。以2014年5月9日08时GFS(Glob⁃ al Forecasting System)0.5°×0.5°的全球分析场为模式初始场和边界条件,模式积分72 h。模式中考虑的主要物理过程包括:WSM6云微物理过程,RRTM长波辐射方案,Dudhia短波辐射方案,近地面层采用Mo⁃ nin-Obukhov方案,陆面过程采用Noah LSM(Land Sur⁃ face Model)陆面模式。没有考虑积云对流参数化方案。采用YSU和MYJ两种边界层参数化方案,对比它们对此次降雨过程模拟的影响。具体方案见表 1

表 1 数值试验方案设计 Table 1 Designs for numerical experiments.

模式下垫面类型,即土地利用和土地覆盖类型,通过影响地面反射率、粗糙度长度、热惯性等物理特性,从而对局地大气环流产生影响[17-19]。WRF模式中土地利用类型资料是由USGS(U.S. Geological Survey)从1992年4月到1993年3月1 km高分辨率辐射计中提取的,最高分辨率达30'。而近30 a青岛城区面积扩张显著,土地利用和土地覆盖类型发生明显变化。苗世光等[20]基于2005年Landsat卫星的TM(Thematic Map⁃ per)遥感数据,获得了青岛市500 m分辨率的网格土地利用和土地覆盖数据(称为MODIS数据)。本文在WRF中利用此MODIS下垫面数据和模式自带的USGS下垫面资料,对比分析它们对此次暴雨过程模拟的影响。总体试验方案见表 1。其中YSU试验和MODIS试验的差异只是在应用不同的下垫面数据上,其他物理过程相同,故在本文中YSU试验又称为USGS试验。USGS和MODIS土地利用和地表覆盖分布见图 2,其中图中各数字和颜色和图例中的各下垫面类型和颜色一一对应,如数字3表示灌溉农田,以此类推。

图 2 USGS(a)和MODIS(b)土地利用和地表覆盖图 Fig. 2 Distribution of land-use for (a) USGS and (b) MODIS.

对于降雨预报的检验,本文采用站点对站点的TS评分方法,统计站点总计135个。本文还对模式输出的青岛地区2 m气温、10 m风速和风向进行了检验。用于检验模拟效果的实况资料为模拟区域内7个国家基本气象站(青岛、崂山、黄岛、即墨、胶州、平度、莱西)逐小时气象观测资料。本文以青岛为沿海代表站,平度为内陆代表站开展相关气象要素的分析。

2.2 边界层参数化方案简介

WRF模式是一个完全可压非静力模式,采用Ara⁃ kawa-C格点,垂直坐标采用地形追随静力气压坐标,重点考虑水平分辨率为1~10 km左右的大气运动。模式中提供了许多可供选择的云微物理、积云对流和边界层过程参数化方案,其中MYJ和YSU边界层参数化方案用于本文研究。

MYJ方案的基本原理是湍流动能的1.5阶闭合, 具有局部垂直混合的预报湍流动能方案。该方案调用SLAB模式来计算地面的温度;在SLAB之前, 用相似理论计算交换系数, 在SLAB之后, 用隐式扩散方案计算垂直通量。

YSU方案是一种基于K扩散模式的一阶非局部闭合方案,详细考虑了夹卷层的作用,并且考虑了湍流扩散方程中的“反向梯度输送项”。YSU边界层参数化方案是MRF (Medium Range Forecast)边界层方案的第二代,该方案在风、温度廓线中考虑了逆温层中夹卷造成的热量交换。

3 模拟结果分析 3.1 降雨分析

首先检验分析各试验对降雨影响系统的预报性能。本文所设计的3个试验都模拟出了500 hPa西风槽和850 hPa低涡在5月10日20时开始对山东半岛的降雨产生影响,并于12日08时系统完全移出的过程。模拟结果和实况基本相符, 但是各试验模拟的低涡位置较实况偏南约2个纬度左右,并且模拟出了偏弱的西风槽以及较强的东南暖湿气流(图略)。

表 2是不同试验条件下数值模式模拟的10日20时—11日20时24 h降雨量的TS评分。由于这一期间的降雨量为大雨以上,故不再分析小雨和中雨的TS评分。从表 2可看出,YSU、MYJ和MODIS 3种试验方案没有任何一种方案在大雨和暴雨级别上均具绝对优势。如,MYJ试验的大雨TS评分高达0.88,但对暴雨的空报和漏报率却达0.22;而YSU在暴雨的预报性能上比MYJ略胜一筹,TS评分达到了0.65。对比具有不同分辨率,不同来源的下垫面信息的两个试验USGS/YSU和MODIS,发现MODIS试验对大雨和暴雨都易空报,但对暴雨的TS评分MODIS较USGS试验还是有所提高,提高率为6.2%。

表 2 不同试验下大雨和暴雨的降雨量级检验 Table 2 Rainfall test for heavy rain and torrential rain under different experiments.

图 3是72 h模拟期间不同试验条件下青岛和平度逐小时雨量变化曲线。可以看出,YSU和MYJ都模拟出了11日02—17时的主要降雨时段,但降水起始时间大都滞后实况6 h左右。在降雨强度方面,MYJ预报的青岛最大小时雨强和实况最为接近;在北部平度,YSU的预报量值和MYJ的相差不大。而MODIS试验则有效地提高了青岛和平度的降雨强度,特别是在平度,不仅比USGS试验的降雨峰值提高了160.4%, 而且对降雨开始时间的预报也和实况最为接近。图 4对比分析了不同下垫面情形下模式模拟的7个国家基本站72 h累积降雨量和实况的差异。可以看到,除青岛外,其余6个站MODIS试验下的雨量都强于USGS的情形。这与MODIS试验反映的不透水下垫面增加而对低层大气乃至上层大气的影响有关[17]。如图 2所示,在青岛北部,下垫面类型主要是由灌溉农田和林地构成,2005年和1993年相比,城市化进程不太显著;而在沿海地区,城镇化的现象比较显著,部分灌溉农田、林地和水体被工业区和高密度住宅所取代。Huff等[21]曾发现由于城市化的作用1955—1970年美国6大城市暖季降水增加了9%~17%。而Miao等[22]的研究也指出北京降雨量的变化很大程度依赖于城市化水平的高低。

图 3 2014年5月9日08时—12日08时不同试验下青岛(a)和平度(b)逐小时雨量变化曲线 Fig. 3 Time series of hourly rainfall at (a)Qingdao and (b)Pingdu from 08 BT 9 to 08 BT 12 May 2014.

图 4 不同下垫面条件下9日08时—12日08时青岛市7个站累积降雨量 Fig. 4 Accumulated rainfall at seven sites from 08 BT 9 to 08 BT 12 May 2014 under different land-use situations.

图 1的降雨实况来看,本次降雨过程的强降雨带(>100 mm)主要位于东部沿海地区,呈东北-西南走向。YSU和MYJ两个试验方案基本上都模拟出了大部分的暴雨区,但是没有模拟出位于崂山山区的特大暴雨落区。而对于位于即墨附近的东北-西南向的弱降水区,只有YSU试验有所体现和反映(图 5a)。究其可能原因,MYJ为局地边界层方案,是假设每个格点上的脉动通量完全由该格点上物理量的平均量决定,通常会有较大偏差[19];YSU为非局地边界层方案,它综合考虑了该格点及周边格点对脉动通量的影响。YSU对于此次降雨过程模拟整体效果较好。对比分析MODIS试验和USGS试验24 h累积降雨量的空间差异,MODIS试验模拟的降水量整体强于USGS的结果,平均偏多20.1 mm(图 5b)。这和Huff等[21],Miao等[22]的研究结果相似。

图 5 2014年5月10日20时—11日20时YSU试验24 h累积降水量(a)以及同时段内MODIS和USGS 24 h累积降雨量差值(MODIS-USGS)分布(b)(单位:mm) Fig. 5 Distribution of accumulated rainfall (a) for YSU and (b) difference between MODIS and USGS from 20 BT 10 to 20 BT 11 May 2014 (unit:mm).
3.2 近地面气象要素分析

表 3统计分析了不同试验条件下模式模拟的5月9日08时至12日08时青岛地区7个国家基本站2 m气温和观测值之间的差异程度。其中命中率为满足“ABS(模拟-观测) < =命中率临界值2 ℃”的样本数占总样本数的百分比。如表 3所示,YSU在所考虑的站点上,无论从平均绝对误差,均方根误差还是命中率的量值上都明显优于MYJ方案的表现;且两种方案都是对北部站点(莱西、平度)的模拟准确率高于对南部沿海地区(青岛、黄岛、崂山)的。YSU和MYJ具有较好的一致性,2 m气温命中率分别为77.88%(YSU)和61.40%(MYJ)。而在USGS和MODIS试验中,MODIS试验模拟的2 m气温的平均误差为-5.17 ℃,USGS试验的为-2.26 ℃。MODIS试验并没有有效地提高所有试验站点气温的预报准确率,特别是对青岛和黄岛两个沿海站点,命中率为61.71%。和USGS试验相比,MODIS试验在青岛、黄岛地区模拟了偏高的气温,在即墨、胶州、平度和莱西则偏低。青岛属半湿润温带季风气候,三面环海,自西北到东南沿海地区,受海洋的影响愈加显著。所有试验对沿海地区的气温模拟精度低可能与模式对青岛复杂地形下海-陆-气相互作用的反映能力有限还有一定关系。

表 3 YSU, MYJ和MODIS试验下模拟的2 m气温(℃)和实况对比 Table 3 Statistical analyses of the modeled 2 m temperature versus observations(unit:℃) based on YSU, MYJ and MODIS.

进一步分析降雨前(5月9日08时—11日01时)和降雨开始后(11日02时—12日08时)两个时间段内不同试验方案对站点气温的模拟能力(图略)。YSU方案对所有站点气温的预报准确率均为降雨前优于降雨开始后,其中平均绝对偏差降雨前比降雨开始后减小了33.2%,平均均方根误差减小了30.3%。YSU方案通过在控制方程中加入逆梯度项来表示非局地通量,是对MRF方案的改进。相比MRF方案,YSU使得边界层结构更接近中性,解决了MRF方案中由于逆梯度项过大而导致层结过于稳定的问题[24]。而MYJ试验对青岛、即墨、胶州、平度和莱西的气温预报准确率都是降雨开始后的这段时间高于降雨前的情况。MYJ方案适用于所有稳定条件和弱不稳定条件的边界层,在对流层中误差较大。对于降雨过程,通常是降雨开始后,不稳定能量释放,大气层结趋于稳定,这也可能是MYJ试验在降雨开始后有较好表现的一个原因。

表 3图 6所示,在青岛,YSU模拟的近地面气温精度明显高于MYJ的结果,并且较好反映了受海洋和天空云量较多影响而形成的较小的气温日较差特征;MODIS试验模拟的青岛气温较USGS的偏高,偏差范围-3.3~6.3 ℃,平均偏差0.84 ℃,并且较大的偏差主要集中在降水开始前。青岛在更改下垫面后模拟气温偏高,热岛强度加强。在北部的平度,各试验均较好地再现了实况的日变化特征,反映了伴随着11日02时平度开始出现明显降雨,气温受降雨的影响日较差变小得变化过程;YSU和MYJ试验对平度的气温预报均取得了较好的效果,命中率分别达到83.56%和80.82%。和USGS试验相比,MODIS试验模拟的平度气温偏低,偏差范围为-6.0~2.6 ℃,平均偏差-1.76 ℃。对于青岛和平度这两个站点,MODIS试验模拟的气温都是降雨开始后的精度高于降雨前的精度。由于降雨开始后各类下垫面的反照率、粗糙度、热惯性等物理特性的差异性趋于减小,以至于陆-气相互作用的区域差异也趋于减小,这可能是模式雨后准确率高的原因之一,但是它们如何影响气温变化还有待于进一步探讨。

图 6 2014年5月9日08时—12日08时青岛(a)和平度(b)近地面气温逐小时变化曲线 Fig. 6 Time series of near surface temperature at(a) Qingdao and (b) Pingdu from 08 BT 9 to 08 BT 12 May 2014.

受复杂地形和下垫面的影响,近地面风场的模拟和预报通常很难有较高的准确率。如表 4所示,和实况相比,所有试验都模拟了较大的风速,但是MODIS试验,相对于USGS试验,风速和风向的均方根误差值都有不同程度降低,平均均方根误差分别降低了13.9%和32.5%。

表 4 YSU, MYJ和MODIS试验下模拟的10 m风速(m·s-1)和10 m风向(°)和实况值的统计分析 Table 4 Statistical analyses of the modeled versus observed 10 m wind speed(unit: m·s-1) and wind direction(unit:°) based on YSU, MYJ and MODIS.

在不同试验模拟的近地面风速和风向的偏差程度方面,YSU优于MYJ,MODIS优于USGS,并且模拟误差主要出现在降雨开始后。表 4也表明了风速相关系数高低的分布与地形之间有较好的对应关系,即沿海地区风速相关系数低、内陆地区相关系数高。地形、地表粗糙度等下垫面物理特性的差异对风速的模拟影响较大。具体在沿海代表站青岛,如图 7所示,各试验基本上模拟出了降雨前风速持续稳定增长,降雨后风速减弱的变化趋势,但各试验模拟的10 m风速都比实况略偏大。各试验再现了青岛站近地面风由东南风转为西北风的过程,风向转变的时间也与实况有较好地一致性。YSU、MYJ和MODIS三个试验模拟青岛站72 h风向平均绝对误差为20.5°,相关系数达0.91。

图 7 2014年5月9日08时—12日08时不同试验下青岛地面风速(a)和风向(b)逐小时变化曲线 Fig. 7 Time series of (a) near surface wind speed and (b)wind direction at Qingdao from 08 BT 9 to 08 BT 12 May 2014.

在内陆代表站平度(图 8),模拟风速也表现出和温度相似的日变化特征:白天时段风速增大,夜间风速减弱。综合分析风速平均绝对误差、均方根误差和相关系数,MODIS试验结果最优,较大偏差主要出现在11日06—14时平度雨势较强的这段时间。而平度的风向模拟检验情况是:所有的试验模拟出了降雨前和降雨期间持续的东南风,当近地面转为偏北风时,降雨趋于结束;在模拟精度方面,YSU试验72 h平均绝对误差最大,为33.5°,MODIS试验的最小,为26.4°。

图 8 2014年5月9日08时—12日08时不同试验下平度地面风速(a)和风向(b)逐小时变化曲线 Fig. 8 Time series of (a) near surface wind speed and (b)wind direction at Pingdu from 08 BT 9 to 08 BT 12 May 2014.
4 结论

(1) 对于此次降雨过程,MYJ方案对大雨预报性能最好,TS评分达0.88,YSU方案则对暴雨预报较好,TS评分为0.65;虽然MODIS试验对大雨和暴雨都易空报,但对暴雨的TS评分较USGS试验有所提高,提高率达6.2%。

(2) YSU和MYJ方案能够模拟出强降雨带的位置和强度, 对于弱降雨区,YSU预报效果较好;MODIS试验预报的降雨量整体强于USGS的结果,不同程度地提高了站点降雨强度预报,改善了降雨开始时间的预报, 模拟的降水演变与实况更为接近。

(3) 各试验方案对内陆站点的近地面气温模拟准确率高于南部沿海地区;YSU模拟的2 m气温准确率是降雨前优于降雨开始后,MYJ则相反;MODIS试验没能提高沿海地区气温的预报准确率。综合分析平均绝对误差,均方根误差和命中率,YSU预报效果优于MYJ试验。

(4) 各试验方案基本上模拟出了降雨前风速持续稳定增长,降雨后风速减弱的变化趋势,风速的模拟误差主要出现在降雨开始后;近地面风向受边界层方案影响最小,各试验平均相关系数达0.84。MODIS试验模拟的10 m风速和风向平均均方根误差较USGS试验,分别降低了13.9%和32.5%。

参考文献
[1]
廖镜彪, 王雪梅, 夏北成, 等. WRF模式中微物理和积云参数化方案的对比试验[J]. 热带气象学报, 2012, 28(4): 461-470. DOI:10.3969/j.issn.1004-4965.2012.04.004
[2]
Jankov Isidora. An Investigation of IHOP Convective System Predictability Using a Matrix of 19 WRF Members[M]//84th AMS Annual Meeting, Seattle, U S A, 2004
[3]
黄安宁, 张耀存, 朱坚. 中国夏季不同强度降水模拟对不同积云对流参数化方案的敏感性研究[J]. 大气科学, 2009, 33(6): 1212-1224. DOI:10.3878/j.issn.1006-9895.2009.06.08
[4]
黄海波, 陈春艳, 朱雯娜. WRF模式不同云微物理参数化方案及水平分辨率对降水预报效果的影响[J]. 气象科技, 2011, 39(5): 529-535. DOI:10.3969/j.issn.1671-6345.2011.05.001
[5]
王建捷, 胡欣, 郭肖容. MM5模式中不同对流参数化方案的比较试验[J]. 应用气象学报, 2001, 12(1): 41-52. DOI:10.3969/j.issn.1001-7313.2001.01.005
[6]
许建玉, 刘羽. 边界层方案对WRF3D模式夏季降水预报的影响分析[J]. 暴雨灾害, 2016, 35(1): 31-38. DOI:10.3969/j.issn.1004-9045.2016.01.005
[7]
陆小勇, 沈杭锋, 吴静. 边界层参数化方案在梅雨暴雨模拟中的应用比较[J]. 浙江气象, 2011, 32(4): 11-16. DOI:10.3969/j.issn.1004-5953.2011.04.004
[8]
马红云, 郭品文, 宋洁. 耦合不同陆面方案的WRF模式对2007年7月江淮强降水过程的模拟[J]. 大气科学, 2009, 33(3): 557-567. DOI:10.3878/j.issn.1006-9895.2009.03.13
[9]
陈炯, 王建捷. 边界层参数化方案对降水预报的影响[J]. 应用气象学报, 2006, 17(增刊): 11-17.
[10]
蔡芗宁, 寿绍文, 钟青. 边界层参数化方案对暴雨数值模拟的影响[J]. 南京气象学院学报, 2006, 29(3): 364-370. DOI:10.3969/j.issn.1674-7097.2006.03.012
[11]
肖玉华, 何光碧, 顾清源, 等. 边界层参数化方案对不同性质降水模拟的影响[J]. 高原气象, 2010, 29(2): 331-339.
[12]
刘羽, 陈超君, 许建玉. 中尺度模式边界层方案对华中区域降水预报的对比试验[J]. 暴雨灾害, 2015, 34(3): 230-238. DOI:10.3969/j.issn.1004-9045.2015.03.005
[13]
邱贵强, 李华, 张宇, 等. 高寒草原地区边界层参数化方案的适用性评估[J]. 高原气象, 2013, 32(1): 46-55.
[14]
石春娥, 李耀孙, 杨军, 等. MM5和WRF对中国东部地区冬季边界层模拟效果比较[J]. 高原气象, 2015, 34(2): 389-400.
[15]
张碧辉, 刘树华, LIU Heping, 等. MYJ和YSU方案对WRF边界层气象要素模拟的影响[J]. 地球物理学报, 2012, 55(7): 2239-2248.
[16]
张小培, 银燕. 复杂地形地区WRF模式四种边界层参数化方案的评估[J]. 大气科学学报, 2013, 36(1): 68-76. DOI:10.3969/j.issn.1674-7097.2013.01.008
[17]
肖丹, 陈静, 陈章, 等. 成都精细下垫面信息对城市气象影响的模拟试验[J]. 气象, 2011, 37(3): 298-308.
[18]
马艳, 高容珍, 苗世光. 城市化对青岛夏季海陆风环流影响的个例分析[J]. 环境科学学报, 2013, 33(6): 1690-1696.
[19]
Troen I B, Mahrt L. A simple model of the atmospheric boundary, sensitivity to surface evaporation[J]. Boundry Layer Meteorology, 1986, 37(12): 129-148.
[20]
苗世光, 孙桂平, 马艳, 等. 青岛奥帆赛高分辨率数值模式系统研制与应用[J]. 应用气象学报, 2009, 20(3): 370-379. DOI:10.3969/j.issn.1001-7313.2009.03.015
[21]
Huff F A, Changnon S A. Precipitation modification by major urban areas[J]. Bulletin American Meteorological Society, 1973, 54(12): 1220-1232. DOI:10.1175/1520-0477(1973)054<1220:PMBMUA>2.0.CO;2
[22]
Miao S G, Chen F, Li Q C, et al. Impacts of Urban Processes and Urbanization on Summer Precipitation:A Case Study of Heavy Rainfall in Beijing on 1 August 2006[J]. Journal of Applied Meteorology and Climatology, 2011, 50: 806-825. DOI:10.1175/2010JAMC2513.1
[23]
吴遥, 李跃清, 蒋兴文, 等. 两种边界层参数化方案对WRF模拟青藏高原2013年夏季降水的影响[J]. 高原山地气象研究, 2015, 35(2): 7-16.