现代短期气候预测业务通常是基于全球气候模式的预测结果展开。当前全球气候模式能较好地模拟出大尺度降水和环流的基本特征[1];但受多种因素影响,其对区域降水和局地环流的模拟还存在明显偏差。为弥补这一局限,往往会对全球模式预测结果进行降尺度处理[2]。常用的降尺度方法包括统计降尺度和动力降尺度,其中动力降尺度是在低分辨率GCM中嵌套高分辨率有限区域模式[3]。许多研究[4-6]表明,动力降尺度具有提高全球模式模拟和预测效果的作用,尤其是对温度场和降水场模拟改善较大。
BCC第二代季节预测模式系统(以下简称BCCv2)是由国家气候中心基于BCC_CSM1.1(m)研发的第二代中等分辨率气候预测模式系统,包含了BCC_AGCM2.2大气模式、MOM4.0海洋模式、SIS海冰模式以及BCC_AVIM1.0陆面模式等4个主要模块[7-8],同时也是国家气候中心第二代月动力延伸期预测模式业务系统(DERF2.0,Dynamic Extended Range Forecast operational system version 2.0)的核心部分[9],在国内短期气候预测业务和相关科研工作中受到广泛关注和较多应用。吴昊旻等[10]利用BCC_CSM模式模拟中亚干旱气候区夏季降水表明,采用BCC_AGCM2.0大气模块后模式系统对大尺度降水模拟明显改善,能提高对中亚夏季降水的模拟性能。何慧根等[11]对DERF2.0在中国地区多年气温、降水回报进行检验显示,模式的整体预测能力相比上一代系统有一定提高,但对降水的确定性预测效果仍有改进空间。汪栩加等[12]评估BCC_CSM模式对夏季长江中下游水汽输送的模拟能力表明,模拟的长江中下游大气水汽输送存在气旋性偏差,这可能是该地区降水预测总体偏少的重要原因之一。WRF (Weather Research and Forecasting Model)是由美国国家大气研究中心(NCAR)、美国国家环境预报中心(NCEP)和美国国家海洋和大气管理局(NOAA)联合开发的新一代中小尺度天气预报模式[13]。该模式拥有丰富的参数化方案,非常适用于区域数值模拟、参数化方案敏感性试验和动力降尺度研究。胡海洋等[2]利用WRF对中国夏季降水进行动力降尺度模拟表明,其动力降尺度性能存在地域依赖性。王子谦等[14]研究不同边界层方案对WRF模拟东亚夏季风影响表明,使用非局地混合方案效果明显优于局地混合方案。吴遥等[15-16]利用WRF在不同边界层参数化方案配置下对青藏高原及周边区域降水模拟试验表明,要提高模式在该区域降水模拟能力,除关注参数本地化外,还应关注模式对环流形势的模拟。
重庆地区地形复杂,气候灾害往往造成重大经济损失,做好短期气候预测是本地气象部门的主要工作之一。重庆市气候预测业务中,5-9月通常被当作汛期,同时每年3月要提交当年4-9月自然灾害预测结果,因此提高该时段气候预测质量是气候预测业务的重点和难点。综合前人研究可知,尽管BCCv2在大尺度气候特征预测能力上已有一定技巧,但在降水预测中仍存在明显偏差;其偏差是否由全球模式分辨率较低对区域边界层特征描述不足导致?能否通过动力降尺度改善其预测结果?针对上述问题,本文利用WRF模式对BCCv2在重庆市2016年汛期的回报数据进行了动力降尺度试验,并分析了降水预测结果对边界层参数化的敏感性,以期对相关业务及科学研究工作提供有益的参考。
1 资料说明与试验设计使用BCCv2对2016年2月1日00时(世界时,下同)-9月30日18时一日四次全球回报数据作为动力降尺度的初始、边界条件,其空间分辨率为T106,垂直方向26层。降水观测资料采用TRMM-3B43空间分辨率为0.25°×0.25°的月平均卫星遥感降水产品(已有研究[17-18]表明,该资料具有较好的反演效果)。另外,采用ERA-interim逐月日平均大气环流资料评估模式对环流场的预测能力。
WRF模式采用3.8.1版本,使用兰伯特投影,中心经纬度分别为94°E、35°N;水平空间分辨率15 km,南北和东西方向格点数分别为334、382;垂直方向44层,顶层气压为10 hPa。参考吴遥等[15-16]的研究,选择预测范围如图 1。WRF模式由2016年2月1日00:00开始积分,到9月30日18:00结束,重点关注汛期(4-9月)的预测结果;积分时间步长为自适应,采用海绵边界,缓冲区格点数为9。本文所指春季为3-5月、夏季为6-8月。
为对比不同边界层方案的预测效果,设计了4组敏感性试验,分别选择MYJ、MYNN2、YSU和ACM2作为边界层参数化方案,其中MYJ和MYNN2属于湍流局地闭合方案,YSU和ACM2属于非局地闭合方案。借鉴文献[16],试验采用的其他参数化方案为Kain-Fritsch积云对流方案、WSM6微物理方案、Goddard短波辐射方案、RRTM长波辐射方案和Noah陆面模式。具体参数化方案设置见表 1。为方便对比,WRF模式的输出结果和所有用于评估的数据均计算日平均值,并采用双线性插值方法将其统一插值到0.25°×0.25°水平网格上。
TRMM观测的重庆地区2016年汛期平均降水以及BCCv2和动力降尺度各敏感试验预测的平均降水场见图 2。TRMM观测的汛期平均降水(图 2a)主要呈渝西偏少、渝东南偏多分布。BCCv2由于分辨率较低,降水空间分布细节较少,只能大致看出西低东高的特征,且预测的降水量级较观测明显偏小(图 2b)。采用MYJ (图 2c)、MYNN2 (图 2d)、YSU (图 2e)和ACM2 (图 2f)边界层参数化方案的WRF动力降尺度预测的降水量级较降尺度前更大,且降水主要集中在渝东南、渝东北。对比重庆地形分布可知,WRF预测的大量级降水主要位于高海拔山区。各敏感性试验预测的降水空间分布差异较小,仅局地降水量级存在差异。
图 3给出BCCv2和动力降尺度试验预测的重庆地区2016年汛期平均降水相对观测的偏差场。从中可见,BCCv2预测的降水(图 3a),在重庆大部分地区都是偏少,其主要偏差集中在渝东南地区;经过降尺度之后,不同边界层参数化方案(图 3b-e)的动力降尺度降水预测结果显示,在渝西片区依然表现为偏少,但其偏差程度较BCCv2有了明显的改善;同时,各敏感性试验在渝东南和渝东北等高海拔地区,预测的降水都偏多,且其偏差的空间形态与地形分布基本一致。对比不同边界层参数化方案间的差异可知,MYJ、MYNN2和ACM2在渝东南山区预测的降水整体相对YSU偏多。
为定量对比BCCv2及各敏感试验与观测的偏差情况,本文使用泰勒图对重庆地区2016年汛期、春季和夏季降水(图 4)进行分析。泰勒图[19]可通过标准差和相关系数来描述试验结果与观测数据的差别。图 4中,虚线扇形直径方向代表试验结果和观测结果标准差的比值,圆弧角度代表试验和观测的空间相关系数值。因此,在扇形中沿直径方向越接近1,同时相关系数越大,则表示预测值越接近观测。由图 4a可知,BCCv2预测的汛期平均降水与观测的空间相关系数较低、标准差比值距离数值1较远,说明其降水空间态与观测偏差较大。而经动力降尺度后,无论采用何种边界层参数化方案,均能较好地提高模式降水与观测的相关系数,并以MYJ、YSU和ACM2的相关系数较高,其中MYJ和YSU的偏差较小,这说明动力降尺度对BCCv2的预测结果能起到一定改善作用。春季和夏季平均降水泰勒图(图 4b、c)显示,降尺度后夏季的偏差较春季更高。由夏季降水偏差空间分布(图略)可知,这可能是因区域模式中夏季对流活动偏强、预测的局地降水偏多所致。其中又以MYJ、MYNN2方案预测的降水明显多于YSU、ACM2方案,这可能是因为湍流局地闭合方案在边界层湍流混合作用较弱,导致底层大量水汽积聚造成不稳定性偏强,更容易产生虚假降水[14]。综合汛期、春季和夏季降水预测结果看,四种边界层参数化方案中效果最接近观测的是YSU方案。
综上可知,动力降尺度可较好地改善BCCv2在2016年重庆汛期降水预测偏少的情况;同时也使BCCv2降水预测的空间分布更加合理,提高了预测结果与观测的空间相关系数。另外,采用不同边界层参数化方案后预测结果存在局地差异,其中以YSU方案较观测的偏差最小。但同时动力降尺度也导致夏季降水预测局地偏差增大,山区降水明显偏多。
3 偏差成因分析 3.1 环流场偏差分析为进一步探讨动力降尺度后重庆地区汛期降水预测偏差的成因,图 5给出BCCv2和各动力降尺度敏感性试验得到的2016年汛期500 hPa平均位势高度场、700 hPa平均风场与对应观测的偏差。从中可见,不论BCCv2还是动力降尺度后的各敏感性试验,其高度场偏差在中国地区均呈北低南高分布。主要负偏差位于青藏高原西部和青海省以北;主要正偏差则位于中国中南部及青藏高原以南,并在印度半岛和中南半岛北部地区存在明显的正偏差中心。而对比图 5a和图 5b-e可知,动力降尺度显著减小了BCCv2在青藏高原南部和云南地区的位势高度正偏差,并以YSU方案减小最明显。由700 hPa风场偏差分布可知,BCCv2在印度半岛北部地区和中南半岛北部地区的东风偏差以及青藏高原西南侧的反气旋偏差,经动力降尺度后均得到有效改善;但BCCv2在两广一带的东风偏差,在动力降尺度试验中并未得到明显调整。另外,不同边界层参数化方案得到的风场偏差并无显著区别,仅存局部差异。
有关研究表明,中国春季的水汽主要来源是青藏高原南部副热带偏西风水汽输送[20-21];中国西南地区夏季水汽主要来源为中印度洋一带往北的经向水汽输送[22-24]。结合图 5a可知,BCCv2在2016年汛期青藏高原南部存在位势高度正偏差及东风偏差,这一偏差可能阻碍了相关水汽输送,是四川-重庆地区降水预测偏少的原因之一。
图 6给出BCCv2及各动力降尺度敏感性试验在2016年汛期1 000-50 hPa整层平均水汽通量。图 6a显示,BCCv2预测的整层水汽通量在25.5°N以南区域都明显偏弱;在高青藏原南部存在向东的水汽通量偏差,我国东南部存在一定气旋式水汽通量偏差。而图 6b-e表明,降尺度前青藏高原南水汽通量偏差得到调整,但两广一带向北的水汽通量强度依然偏弱。对比图 6a与图 6b-e可知,无论BCCv2还是动力降尺度后的各敏感性试验,模式预测的水汽输送偏弱区的北端均正好包括了重庆地区,这说明环流场偏差可能与动力降尺度前后预测的重庆汛期平均降水除高海拔地区以外均偏少存在联系。对此结果,仍需进一步开展试验。
在动力降尺度过程中,除边界场(驱动场)偏差会对预测结果造成影响之外,区域模式本身的系统性偏差也会带来不确定性。因此,为了约束WRF模式系统偏差、检验本次动力降尺度试验中大尺度环流场偏差对重庆地区降水预测的影响,参照王雅萍等[25]的研究,利用松弛逼近法(Nudging)重新设计了一组试验。Nudging是一种资料同化技术,它通过在模式方程中添加强迫项(模式变量与观测值之差乘以特定权重系数),使得模式变量不断向特定的对象逼近。若将大尺度驱动场作为逼近对象,则可起到约束或减少区域模式自身系统偏差的作用。在试验中,每一步模式积分后都将边界层以上各模式层次u、v风和温度及水汽向BCCv2对应变量进行逼近,其余模式参数设置同前一致。
图 7为Nudging逼近后不同边界层参数化方案得到的2016年重庆地区汛期平均降水偏差场。对比图 3可知,将环流场向BCCv2逼近后,WRF预测的重庆地区降水偏少区面积明显扩大,偏多地区更加集中于渝东南和渝东北局地高海拔山区,降水整体空间分布特征向BCCv2的预测结果趋近。春季平均降水偏差变化尤为明显(图略):经逼近后WRF预测的降水偏差场与BCCv2预测的偏差场空间分布几乎一致。另外,对比图 7 WRF动力降尺度后不同边界层参数化方案预测的2016年重庆地区汛期平均降水偏差可知,逼近后不同边界层方案的偏差空间分布并无明显区别,仅可见MYJ、MYNN2方案在高海拔地区的降水偏差较YSU和ACM2更大。
图 8给出Nudging逼近后的重庆2016年汛期平均降水动力降尺度预测结果的泰勒图。将其与图 4进行比较可知,向BCCv2环流场逼近后各边界层参数化方案在春、夏季和汛期预测的平均降水偏差都明显增大;而汛期和春季的空间相关系数也变小,说明对降水空间分布的预测偏差有所增加。同时,经逼近后各边界层参数化方案的降水偏差程度都较为接近,仅有细微差别。
计算松弛逼近后各参数化方案汛期平均降水预测与未做逼近的预测之差,得到如图 9所示偏差空间分布。从中看到,采用松弛逼近后各方案预测的重庆西部降水都较逼近前偏少,其中偏少最明显的是MYNN2方案(图 9b)。但同时在渝东北和渝东南等山地,逼近后预测的降水较逼近前略微偏多。结合图 3、图 7和图 9可知,边界场环流偏差确实与重庆西部地区2016年汛期降水预测偏少存在联系,而经WRF动力降尺度后,该地区降水偏少情况得到一定改善;但重庆高海拔地区降水偏多现象仍有待进一步研究。
根据第3.1节中环流形势的偏差分析可知,动力降尺度较好地改善了BCCv2在2016年汛期预测结果中青藏高原南部及中国东南部地区的大面积位势高度正偏差,并改善了这些区域水汽输送偏弱的情况;但BCCv2预测结果中两广一带由气旋式偏差造成的向北水汽输送偏弱在动力降尺度后依然存在。驱动场环流形势的偏差可能是WRF预测结果中重庆高海拔以外地区降水偏少的原因之一。使用Nudging将WRF环流场向BCCv2逼近的试验支持了这一猜测,同时也反证了动力降尺度的确能对BCCv2 2016年汛期降水预测起到改善作用。但环流形势上的偏差较大,使得无论是否进行环流场逼近不同边界层参数化方案间的差异都较小,仅有局部不同。这一定程度上说明边界驱动场大气环流形势的偏差对汛期降水预测起到主要作用,其影响要远大于对边界层参数化方案的选择。
4 结论与讨论本文利用国家气候中心第二代季节预测模式系统(BCCv2)对重庆市2016年汛期的回报数据作为初边条件,驱动WRF模式进行动力降尺度,并设计多种边界层参数化方案敏感性试验,分析BCCv2预测数据经WRF动力降尺度后对重庆地区的降水预测能力,对比不同边界层参数化方案带来的可能影响。主要结论如下:
(1) BCCv2对2016年汛期的预测数据,经WRF动力降尺度后,较动力降尺度前在重庆的预测能力有一定提高,可改善BCCv2预测结果中重庆地区降水整体偏少的现象,降水空间分布特征也与观测更加接近,但同时动力降尺度后重庆高海拔地区降水明显偏多。
(2) 不同边界层参数化方案对比结果表明,YSU方案的降水偏差相对其它方案较小。不同方案预测的春季降水在空间分布上较为接近;对夏季降水的预测结果则有较大不同:当采用湍流局地闭合方案(MYJ、MYNN2)时,夏季降水明显较非局地闭合方案更多。
(3) 对比BCCv2及动力降尺度预测结果中2016年汛期环流场偏差可知,BCCv2在青藏高原南部、中国西南到东南地区均存在明显的位势高度正偏差,并在高原南部存在东风偏差,在中国东南部存在气旋式风场偏差。经动力降尺度后,BCCv2预测的位势高度正偏差得到了一定程度改善,但两广一带气旋式偏差依然存在。分析整层水汽通量偏差可知,BCCv2的高原南部副热带偏西风水汽输送及两广一带向北的水汽输送明显偏弱;经动力降尺度后,高原南部的水汽输送偏弱情况得到改善,但两广一带向北的水汽输送依然较弱。
(4) 通过松弛逼近法对WRF模式系统偏差带来的不确定性进行约束后,试验结果表明,重庆2016年汛期降水预测偏少面积明显扩大,空间分布特征与动力降尺度前趋近,这一定程度上支持了边界场在大尺度环流上的偏差与重庆地区汛期降水偏差间存在的联系。另外,通过对比采用松弛逼近前后的降水偏差可知,利用WRF对BCCv2汛期预测数据进行动力降尺度的确能起到一定的“增值”作用。
尽管挑选合适的参数化方案对降水预测有一定改善,但由于BCCv2数据在环流形势中存在较为明显偏差,水汽输送偏弱,所有试验中重庆地区降水都整体偏少,这也说明边界层方案可能不是影响重庆降水的主要过程。为尝试改善水汽输送偏弱带来的影响,本研究进一步采取了将模式网格南部范围扩大等尝试(结果未给出),但试验结果中降水的变化并不明显。这说明边界场(驱动场)的预测偏差是重庆地区汛期降水的重要影响因素,在实际业务和相关研究中应引起重视。当然,由于2016年属于超强厄尔尼诺次年,模式性能必然会有波动;利用WRF模式对BCCv2预测数据进行动力降尺度的综合预测效果评估还有待作更多试验。
国家气候中心气候模式室吴统文专家和刘向文专家为本文提供了BCCv2气候回报数据。谨致谢意![1] |
Meehl G A, Covey C, Delworth T, et al. The WCRP CMIP3 multimodel dataset:A new era in climate change research[J]. Bulletin of the American Meteorological Society, 2007, 88(9): 1383-1394. DOI:10.1175/BAMS-88-9-1383 |
[2] |
胡海洋, 胡轶佳, 钟中, 等. WRF模式对中国夏季降水的动力降尺度模拟研究[J]. 气象科学, 2015, 35(4): 413-421. |
[3] |
王亚男, 智协飞. 多模式降水集合预报的统计降尺度研究[J]. 暴雨灾害, 2012, 31(1): 1-7. DOI:10.3969/j.issn.1004-9045.2012.01.001 |
[4] |
鞠丽霞, 王会军. 用全球大气环流模式嵌套区域气候模式模拟东亚现代气候[J]. 地球物理学报, 2006, 49(1): 52-60. DOI:10.3321/j.issn:0001-5733.2006.01.008 |
[5] |
张冬峰, 徐影, 刘向文. RegCM4.4对中国夏季气候的回报和2014年预测[J]. 气象与环境科学, 2016, 39(2): 104-112. |
[6] |
Guo D, Wang H. Comparison of a very-fine-resolution GCM with RCM dynamical downscaling in simulating climate in China[J]. Advances in Atmospheric Sciences, 2016, 33(5): 559-570. |
[7] |
Yu R, Zhou T, Wu T, et al. Development and Evaluation of High Resolution Climate System Models[M]. Springer, 2016
|
[8] |
吴统文, 宋连春, 刘向文, 等. 国家气候中心短期气候预测模式系统业务化进展[J]. 应用气象学报, 2013, 24(5): 533-543. DOI:10.3969/j.issn.1001-7313.2013.05.003 |
[9] |
吴捷, 任宏利, 张帅, 等. BCC二代气候系统模式的季节预测评估和可预报性分析[J]. 大气科学, 2017, 41(6): 1300-1315. |
[10] |
吴昊旻, 黄安宁, 姜燕敏, 等. 不同水平分辨率BCC_CSM模式对中亚夏季降水模拟能力评估[J]. 干旱区地理, 2016, 39(6): 1305-1318. |
[11] |
何慧根, 李巧萍, 吴统文, 等. 月动力延伸预测模式业务系统DERF2.0对中国气温和降水的预测性能评估[J]. 大气科学, 2014, 38(5): 950-964. |
[12] |
汪栩加, 郑志海, 顾伯辉, 等. BCC_CSM模式夏季长江中下游水汽输送评估[J]. 高原气象, 2016, 35(5): 1270-1279. |
[13] |
Skamarock W C, Klemp J B, Dudhia J, et al. A description of the advanced research WRF version 3[G]NCAR Technical Note. National Center for Atmospheric Research, Boulder, Colorado, USA, 2008
|
[14] |
王子谦, 段安民, 吴国雄. 边界层参数化方案及海气耦合对WRF模拟东亚夏季风的影响[J]. 中国科学:地球科学, 2014, 44(3): 548-562. |
[15] |
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. |
[16] |
吴遥, 李跃清, 蒋兴文, 等. WRF模拟青藏高原东南部极端旱涝年降水的参数敏感性研究[J]. 高原气象, 2017, 36(3): 619-631. |
[17] |
杨文月, 马金辉, 杨文凯. 基于TRMM卫星的近10 a甘肃临夏降水变化特征[J]. 干旱气象, 2014, 32(6): 934-939. |
[18] |
白爱娟, 刘长海, 刘晓东. TRMM多卫星降水分析资料揭示的青藏高原及其周边地区夏季降水日变化[J]. 地球物理学报, 2008, 51(3): 704-714. DOI:10.3321/j.issn:0001-5733.2008.03.011 |
[19] |
Taylor K E. Summarizing multiple aspects of model performance in a single diagram[J]. Journal of Geophysical Research:Atmospheres, 2001, 106(D7): 7183-7192. DOI:10.1029/2000JD900719 |
[20] |
周长艳, 李跃清, 李薇, 等. 青藏高原东部及邻近地区水汽输送的气候特征[J]. 高原气象, 2005, 24(6): 880-888. DOI:10.3321/j.issn:1000-0534.2005.06.006 |
[21] |
张洁, 周天军, 宇如聪, 等. 中国春季典型降水异常及相联系的大气水汽输送[J]. 大气科学, 2009, 33(1): 121-134. |
[22] |
王佳津, 肖递祥, 王春学. 四川盆地极端暴雨水汽输送特征分析[J]. 自然资源学报, 2017, 32(10): 1768-1783. DOI:10.11849/zrzyxb.20160916 |
[23] |
李永华, 徐海明, 高阳华, 等. 西南地区东部夏季旱涝的水汽输送特征[J]. 气象学报, 2010, 68(6): 932-943. |
[24] |
刘晓冉, 程炳岩, 杨茜, 等. 川渝地区夏季高温干旱变化特征及其异常年环流形势分析[J]. 高原气象, 2009, 28(2): 306-313. |
[25] |
王雅萍, 张武, 黄晨然. 气候动力降尺度方法在复杂下垫面的应用研究[J]. 兰州大学学报(自然科学版), 2015, 51(4): 517-525. |