2. 中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室(LASG), 北京 100029;
3. 中国气象局武汉暴雨研究所, 430205;
4. 北京应用气象研究所, 北京 100029
2. State Key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics(LASG), Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029;
3. Institute of Heavy Rain, China Meteorological Administrator, Wuhan 430074;
4. Beijing Institute of Applied Meteorology, Beijing 100029
伴随着区域数值预报技术的发展,暴雨中尺度模式也应运而生;同时,数值预报模式的完善和成熟也使两者的界限逐渐模糊。区域中尺度数值预报模式(如MM4、MM5、WRF等)由于提供高时空分辨率的降水和气象要素预报,能够一定程度解决极端降水过程预报的问题。我国是世界上最早开展暴雨数值预报工作的国家之一,周晓平先生是这一领域的开创者,他最早发展了中国暴雨数值预报模式,并把它很好地应用于业务实践中。张玉玲等(1991)发展了用于国家局降水业务预报的有限区域分析预报系统LAFS,之后升级为高分辨有限区域分析预报系统HLAFS。宇如聪在曾庆存先生指导下从解决我国陡峭地形暴雨数值预报问题—“雅安天漏”出发,构造了阶梯地形暴雨预报模式(A)REM,该模式很好适应了东亚季风区特殊环境,不仅对山地暴雨,而且对我国梅雨、热带气旋暴雨过程有比较好的预报效果。GRAPES-meso是近20 a来我国科学家自主研发的又一中尺度数值预报模式,现已在国家级和许多省市级预报中心业务化运行,是目前我国具有自主知识产权且预报效果较好的暴雨预报模式工具(高守亭等,2018)。
本文将主要分析国内外暴雨中尺度模式在动力框架、物理过程和模式初始化等方面的重要进展,理清暴雨中尺度模式技术发展的路线。另外,结合中尺度模式发展,还将分析暴雨中尺度模式的近期发展趋势,希望能为我国暴雨中尺度预报技术进一步发展提供参考。
1 暴雨中尺度模式框架的重要进展 1.1 国外中尺度模式框架发展20世纪70年代末,配有完善物理过程的大气模式、考虑实际地形和地图投影的区域中尺度模式已在美国、英国、澳大利亚等国家出现。当时,中尺度模式水平分辨率已达到几十公里,可以模拟未来1~2 d的中尺度天气系统的发展演变。到了80年代,一些模式使用了嵌套功能,从而可以对局地大气状况进行细化模拟。到了90年代, 一些中尺度模式和模拟系统已发展得相当先进(程麟生,1994)。进入21世纪,中尺度模式的分辨率进一步提高,模式的高分辨率能否有效提高其模拟能力成为研究者热衷于探索的问题(张宇,2010)。
最先出现的中尺度模式基本为静力平衡模式。在静力平衡框架中,垂直加速度消失了,垂直速度变为一个诊断量。但我们都知道,垂直速度的扰动,即使比重力和气压梯度力要小,在分辨率小于10 km情况下将不能被忽略。从物理角度分析,垂直速度扰动相当于静力平衡状态之上的偏差,主要用来表达大气对流运动。另外,理论分析也表明,如果采用静力平衡框架,垂直速度增长会正比于水平尺度的倒数(Weisman et al., 1997),产生于更小尺度垂直运动的加强过程将比实际过程要弱。因此,随着计算能力提高,非静力中尺度模式逐渐进入应用视野。20世纪90年代初,Dudhia (1993)通过将静力平衡中尺度模式MM4的气压Sigma坐标调整为高度型Sigma坐标,并使用Klemp-Wilhelmson时间分离方法(Klemp and Wil-helmson, 1978),构造了MM5非静力动力框架。但是,该非静力框架保留声波,却没有沿用云尺度模式中的位温和Exner函数作为变量,而是使用了温度和气压作为模式变量,从而方便继承使用MM4的物理过程。几乎同时,RAMS通过引入必要物理过程、真实地形和地图投影功能,将云尺度非静力模式发展为一个中尺度模式(Walko et al., 1995);ARPS也经历了同样的发展过程(Xue et al., 1995)。
非静力模式中通常存在多种近似,例如常用的滞弹性近似(Ogura and Phillips, 1962)假定气压扰动会很快达到平衡,与密度、温度扰动相比可以忽略,从而达到滤去高频声波的目的。根据CFL (Courant-Fried- richs-Lewy)条件,该近似可以得到更长的时步;气压可以通过椭圆方程求解得。但滞弹性近似也有一些局限,特别就质量和能量守恒而言。在此基础上,进一步在连续方程中忽略密度扰动,即假设空气是不可压的(或无辐散的),这便是Boussinesq近似。该近似对于深对流是无效的,因此通常用在浅对流模拟中,如地表以上几公里范围内的湍流运动。尽管这些近似使得方程求解更加方便,但当前使用的大多数中尺度模式并没有进行上述近似,属于完全可压非静力框架(如MM5、WRF、ARPS、RAMS等),此时需要特定的数值方法来求解声波。
大多数中尺度模式都是用有限差分在时空方向对方程组进行离散化。在对方程进行离散化时,通常使用跳点网格。跳点网格最大的好处在于通过减小有限差分计算的距离,增加模式的有效分辨率;同时,它也可以过滤掉一些计算模态。通常采用地形追随坐标或阶梯地形坐标(Gal-Chen and Sommerville,1975;Mesinger,1984;宇如聪,1989;Schar et al., 2002;Klemp,2011)。网格距在水平方向上一般是规则的,即Δx=Δy;但在垂直方向可以考虑拉伸,一般在模式低层分层更加细致(如相隔几十米),而在高层较粗(如相隔几百米)。垂直坐标的这种高度各向异性特征,不但可以更好分辨云下层次状态,也不需要增加和浪费太多计算资源,是多数中尺度模式的标配功能。
要完成方程组在数值网格上的离散,还需要选择时间积分方案。模式的平流方案可以选半隐式半拉格朗日方案,如UM、GEM、HIRLAM等;也可以选择欧拉方法,如MM5、RAMS、ARPS、WRF等。其中半隐式半拉格朗日方案的有效分辨率可能会更粗,而欧拉方法还可以分为前差、后差和中央差方案。在中尺度数值模拟中还要考虑空间梯度问题,当梯度显著(特别是在云边缘时),更适合采用单调正定方案(Smolarkiewicz and Grabowski, 1990;Yu,1994;Baba and Taka-hashi,2013),此时标量场(如水汽混合比和湍流动能)的物理边界都设置为正值。高阶平流方案可以保证更好的准确率,避免在梯度较大地方出现虚假数值振荡,从而增加有效分辨率。
对于区域预报模式而言,侧边界大多数由全球模式提供。驱动区域模式最常用的方法是通过Davies等松弛方法,在靠近边界的网格点使用时空内插分析从而对大气变量进行拉近处理。加拿大GEM最先使用局地精细化,从而实现区域和全球模式的无缝统一,现在NCAR的新模式MPAS (Skamarock et al., 2012)以及当前其他全球模式也在使用这种方法。
1.2 我国中尺度模式框架发展中国的暴雨数值预报基本与世界同步开始发展。在20世纪70年代后期,“75·8”河南特大暴雨之后,中国科学院大气物理研究所周晓平等科学家发展了我国最早的中尺度降水数值模式(周晓平等,1988)。该模式采用质量型地形跟踪坐标,是一个静力平衡模式。由于预报的对象是暴雨而不是一般的降水的过程,该模式在以下几方面的进行了特殊处理:(1)在动力框架上采用较完整的原始方程模式,并以实测风场作为初值,而不是采用过滤和平衡处理,以保持暴雨发生前的强辐合特征;(2)将重点放在水汽通量辐合的计算和处理上,在有效保持该项计算精度的同时,使得积云对流的参数化也有较好效果;(3)差分格式严格保持动能、动量和总动能守恒,保证在强辐合和潜热发生变化时模式计算的稳定性;(4)根据模式锯齿波动特征,设计了一个两类算子交替倾向光滑方案,在有效去除计算不稳定的同时也简化了物理过程中的平滑处理。
20世纪80年代中期,北京大学张玉玲教授与国家气象中心的科学家合作发展了我国第一套正式业务化的降水数值预报模式系统(有限区域分析预报系统LAFS),后又升级为高分辨有限区域分析预报系统(HLAFS)。另外,还有北京大学陈受钧教授等设计并用于降水预报及研究的细网格原始方程模式,该模式对我国许多暴雨的个例模拟相当成功,并用于北京气象中心的数值预报业务实验(陈受钧等,1980)。同期,我国还出现了一些有限区域数值预报系统,如中国科学院大气物理研究所、国家气象中心和北京大学联合发展的北半球五层原始方程模式(简称B模式),中国科学院兰州高原大气物理研究所发展的混合坐标模式等(钱永甫等,1978)。这些模式的共同特点是拥有静力平衡框架,并且对地形处理有独特考虑。
20世纪80年代中期至90年代,国外中尺度模式获得了很大进展,特别是非静力模式的发展和应用。我国科学家也主要开始走引进、消化和本土化改造国外先进中尺度模式的道路,如MM5、RAMS、ARPS、ETA等模式的中国化应用。但同时,我国也没有停止自主发展数值模式的脚步,REM就是那个时期发展并取得较好业务效应的突出代表。该模式由中国科学院大气物理研究所大气科学和地球流体力学国家重点实验室(LASG)在20世纪90年代初建立,是一个由我国科学家自主设计和开发的、适合我国地形和气候特点、具有良好业务应用效果的有限区域数值预报模式。REM针对我国暴雨发生特点,吸收了国内和国际上一些中尺度模式的长处,比如:采用Eta坐标作为垂直坐标,抓住了东亚区域的地形和暴雨特点(宇如聪,1989);采用了更有物理意义的水汽平流计算方案,充分考虑暴雨模式中水汽等要素的强梯度分布特征(Yu, 1994, 1995);避免了其它模式为了稳定运行而不得不进行的强耗散和平滑处理等等。该模式作为国家“973”中国暴雨项目发展新一代暴雨模式的基础模式,经过进一步发展而将REM发展为预报效果明显改进、具有较高分辨率的新版本模式AREM(宇如聪和徐幼平,2004);后来又进一步发展为非静力框架(程锐等,2018),为提高我国暴雨及强对流等灾害性天气数值预报水平提供了更有力工具(图 1)。
GRAPES也是我国自主研究建立的新一代多尺度通用资料同化与数值预报系统(薛纪善和陈德辉,2008),它实现了全球、区域一体化预报,现已业务化运行。目前,我国基于GRAPES-meso建立了覆盖全国的10~15 km分辨率、预报时效为84 h的区域确定性和集合数值预报业务系统,在暴雨和台风业务预报中发挥了重要支撑作用(见图 2)。GRAPES-meso采用多尺度通用的半隐式半拉格朗日动力框架和完全可压缩非静力方程组,其动力框架的主要特征是:考虑球面曲率效应的拉格朗日轨迹计算、拉格朗日上游点高精度物理量插值方案、带有预条件的广义共轭残差(GCR)方法求解三维Helmholtz方程、水平方向Arakawa-C型跳点、垂直方向Charney-Phillips非均匀跳点设计等。
动力框架是模式的根本基础,而物理过程是模式的关键内容。动力框架对模式效率和有效分辨能力影响较大,但不论是高分辨区域还是全球模式,其对于模式结果的影响都不如物理参数化过程那么明显。同时,大多数模式的不确定性来自于物理过程,因此对它的求解也很难。所以,对于每一个物理过程,我们都需要考虑如下问题:哪些过程不能被模式网格尺度分辨?哪些过程最能影响大气演变?怎样平衡物理过程的复杂程度和计算开销?
2.1 云微物理过程云微物理过程即显式云和降水过程的主要形式,主要包括水物质相态转变、相关的潜热加热以及水凝物沉降。在最初的低分辨中尺度模式中,使用的是网格尺度饱和方案,一般没有显式的云和降水变量。这种参数化是指在网格尺度达到饱和之后,会发生大尺度凝结和潜热释放,从某一层凝结出来的水物质立即落在下一层,其间伴随着蒸发,最终落到地面形成降水。对于较大尺度的中尺度天气模式而言,这种隐式求解方法是合适的,但是随着模式分辨率提高,要求参数化过程必须能够显式描述云中水凝物的发展演变。在20世纪80年代,有些简化的微物理方案已被引入中尺度模式之中(如Hsie et al., 1984)。后来,按照Rutledge和Hobbs(1983)的思想,又引入冰相过程,来表示冰晶的形成和增长,雪粒子的积聚增长、沉降和融化过程等。Dudhia(1989)在MM4模式中对这些物理过程进行适用研究,指出冰晶下落速度对于云和降水模拟的重要性(可避免高估冰云量)。另外,由中尺度模式的对比检验可以看出,冰相物理过程可以较好抑制对流层高层较大的模式偏差。再后来,出现了混合冰相物理过程,其间考虑了云水、雨水、冰晶、雪晶和雹这5种水凝物粒子的相互转化过程。已有研究指出,模式分辨率接近云可分辨后(5 km以下),云微物理过程至少需要5类水凝物粒子(如Lin et al., 1983;Tao et al., 1989;Hong and Lim, 2006),要求可以区分雪、霰或雹。需要指出的是,霰之所以重要,是因为如果仅有雪和冰的方案,会低估对流内核附近的下落速度以及降水强度;另外,因为降水通常通过混合相增长形成,如果不考虑该粒子,也会出现降水漏报或少报的现象。
目前,业务使用的微物理参数化方案基本都是单参方案,只有水凝物混合比是预报变量。双参方案不仅预报水凝物质量混合比,而且还预报数浓度(如Morrison et al., 2009;Lim and Hong, 2010)。此时,由于不再受数浓度相关内部假设的影响,云凝结、冰核的有效性得到了提高,沉降过程得到了更好的描述,从而使方案的性能得到提高。另一类云微物理参数化方案是分档方案,该方案对每一尺度档都分别进行描述,因此处理复杂、计算量庞大,在中尺度数值模式中应用很少,更多应用于总体方案的改进完善中。我国科学家在云微物理参数化方案的设计与应用方面,也有突出贡献,如CAMS方案(陈德辉等,2004)、BIAM方案(徐幼平等,1996;宇如聪和徐幼平,2004)及IAP-LACS方案等。其中,CAMS复杂云微物理方案是以早期胡志晋的对流云模式和层状云模式为基础发展而来的一套准隐式格式的混合双参微物理雪晶方案,包含云水、雨水、冰晶、雪和霰5种水凝物、11个云微物理预报量和31种云微物理过程。BIAM云微物理框架考虑了云水、雨水、云冰和雪4种水凝物、25种云微物理过程,是一个单参冷云预报方案;该方案还集成了保形正定平流方法计算水凝物平流,较好克服了水物质的虚假耗散和负质量问题,从而使降水场预报获得较大改观。
2.2 积云对流参数化在分辨率较粗,无法显式分辨积云对流过程时,需要开展积云对流参数化,处理由对流中上升和下沉气流引起的垂直涡动通量传输过程。主要的次网格尺度参数化有调整型(Betts and Miller, 1986)、水汽辐合型(Kuo,1974;Kuo and Anthes, 1984)以及质量通量型(Arakawa and Schubert, 1974;Tiedtke,1989;Kain and Fritsch,1990;Grell,1993;Zhang and McFarlane, 1995)。调整型方案将大气的温、湿结构调整到根据观测得到的、准静力的参考热力和动力结构上来,一般包括积云对流状态判断、对流静力结构确定和能量订正以及对流调整与次网格降水生成等过程;对流调整方案的优点是计算简单,但是其缺点也很明显,由于对流调整瞬间完成,对模式冲击过大,易产生过量降水。Kuo (1974)等的水汽辐合型方案,将水汽辐合、抬升、凝结和潜热释放作为对流的发生条件,即用气柱中的水汽辐合来确定对流降水;水汽辐合型方案由CISK机制作为物理基础,但大量观测和数值分析都反映出水汽辐合作为对流闭合变量的劣势,尤其是在高分辨率情形下(Suhas and Zhang, 2015)。而更为广泛使用的质量通量型方案则按照如何触发对流,即通过处理卷入和卷出、单一或多个上升、下沉气流,以及对流质量通量强度等过程来进行积云对流参数化。对流质量通量决定着加热率和降水率,以及去除不稳定状态的速率,是一个关键参数,支配着对流参数化的活跃程度。
现在对流参数化的一个重要问题是“灰色尺度”问题,即对流参数化在高分辨率网格情形下的适用问题。张大林(1998)认为5~20 km是数值模式“灰色区”,需尽量避免使用;5 km以下网格距则适合考虑合理的纯显式云微物理方案。近些年还出现了网格自适应对流参数化,如Grell和Freitas (2013)设计了一个跨尺度参数化方案,实现自动从完全参数化到可分辨对流尺度转化。要注意的是,如张大林(1998)分析,即使在云可分辨尺度,浅对流可能仍旧需要参数化,从而代表由浅层不稳定驱动的非沉降垂直混合,而不同模式对于浅对流有不同的处理方式:有些模式把它考虑为深对流方案或行星边界层方案的一部分,有些则将其作为独立的方案进行参数化。
2.3 行星边界层过程行星边界层(PBL)过程主要处理地表附近次网格湍流的垂直输送过程。为了较好地刻画边界层湍流过程、合理地分辨边界层中的增长率,在边界层或最低1 km内,模式在垂直方向至少应为5层。行星边界层参数化存在3种主要的方法,但由于计算能力和模式技术的局限,边界层的处理最初采用单层处理方式,后来才逐渐发展到多层。使用单层处理方式的模式仅有一个或两个网格面位于边界层内,边界层湍流通量由这一至两层网格面上变量参数计算得出。多层边界层参数化方案一般将大气边界层分为近地层和埃克曼层分别处理,前者采用相似理论给出湍流通量,后者把模式最低层取在近地面层顶附近,逐层计算边界层湍流通量的垂直输送。多层边界层参数化方案还可有局地和非局地之分。局地边界层参数化方案中,湍流通量正比于其局地梯度,这样的条件仅仅在中性和稳定大气状态下才能满足;而对于不稳定和对流状态,传输最大湍涡可能与边界层自身高度具有相似尺度,此时局地方案不再适用,需要考虑对流性大气边界层“非局地”输送来进行修正。使用Troen-Mahrt非局地参数化方案时,次网格热通量的局地梯度中增加了一个γ项。Zhang和Anthes (1982)以及Pleim (2007)也采用了一种非局地混合方法,称为突变混合(Stull,1984)。除此之外,类似于积云对流参数化方案,还可以使用质量通量模型得到与扩散项无关的非局地通量,通常在PBL低层有质量卷入,而在PBL高层有质量卷出。另外,利用湍流动能预报方法,也可以进行边界层次网格湍流垂直输送参数化。该方法由Mellor和Yamada (1974)最早提出,当前许多TKE方案都是该方案的变种(Bougeault and Lacarrere,1989;Janjic,1994;Nakanishi and Niino, 2006)。该方案会在中尺度模式中增加一个TKE预报方程,扩散系数由TKE强度和长度的尺度决定。湍流动能和稳定度、切变及耗散有关,大多数模式对其处理都是类似的,不同方案间的差别主要在于长度尺度的计算方法上。但不论采用哪种TKE参数化方案,都是局地方案。TKE方案的优势在于可以维持湍流的记忆,如日夜转换以及经过不同类型地表时产生的记忆。在边界层以上,也存在一个垂直扩散过程。一般,它由局地Richardson数来参数化,从而描述高层湍流。另外,如第2节所述,一些边界层方案可能也包括浅对流。它们将云顶边界层中潜热产生的浮力信息带入到边界层参数化中,但是大多数PBL方案仅假设存在干混合,而将产生凝结的过程交由其他物理过程处理。
对于行星边界层参数化过程而言,也存在灰色尺度的问题,不过这种情况要直到网格距小于1 km,即进入云可分辨尺度后才可能在预报模式中出现。大涡模拟模式(如Moeng et al., 2007)已经用于1 km以下一到两个量级的数值模拟,这些模式的次网格处理方法是通过显式分辨边界层中主要传输涡动,来减小行星边界层参数化的需要。在这些尺度上,原来一维的柱型边界层参数化变成完全三维湍流问题,此时需要考虑局地各向同性的次网格混合过程。
2.4 地表物理过程地表物理过程主要包括地表的动量、热量、水汽通量,土壤内部的热量、水物质,以及与植被、雪盖和城市下垫面相关的各种传输过程。最初,地表物理过程通过地表能量平衡方程,简单地处理太阳辐射和湍流通量之间的关系,地表湍流通量一般通过相似理论进行求解。后来发展到单层陆面模式,该方法基于与深层土壤间的能量收支进行温度预报,由深层土壤提供一个到长期固定温度的恢复力(Deardorff,1978)。这些模式可以抓住日变化及其热惯性,但是在响应时间方面能力有限,且常通过一个气候有效参数处理水汽,没有时变特征。后来,水桶模型的出现使得地表水汽能够根据降水和蒸发或者雪盖变化而变化。直到多层陆面模式(Wilson et al., 1984;Sellers et al., 1986;Chen and Dudhia, 2001)出现后,才允许与植被和根区进行复杂的水汽通量交换,使得蒸散过程可以得到更加准确的描述。陆面模式可以包括多层土壤温度、土壤含水量,可能还将叶面以及雪盖场作为预报变量,同时考虑土壤中的扩散和排水过程。最近研究发现,在很多情况下采用较小的热力粗糙度效果更好,而不是将动量和标量采用相同的粗糙长度。
今天的中尺度模式已经具有复杂的陆面分量,为大气边界层提供了热量和水汽通量作为下边界条件;同样,由地表粗糙度和稳定度决定的应力同样也是大气边界层的输入。利用中尺度模式进行几天的模拟,水温一般保持不变,与水面相关的物理过程只用来确定可能由波浪引起的拖曳效应,如Charnock局地风速-应力关系(Delsol et al., 1971)。更为复杂的应用将会涉及海洋、海浪及大气模式的耦合,如在预报热带气旋或爆发性气旋与海洋之间强烈的海气相互作用时。
2.5 辐射参数化过程当前,中尺度模式的辐射参数化主要包括长短波辐射的处理,涉及辐射传输、辐射日变化、云-气溶胶与辐射相互作用,以及地表辐射变化等过程。虽然辐射参数化在中尺度模式中没有在气候模式中重要,但许多研究表明辐射过程对短期内的天气变化影响程度不容忽视,甚至对中尺度暴雨有着重要的作用(周广强等,2003;苏涛等,2017),所以现今较完善的中尺度模式都包含了辐射过程(Mesinger, 1988; Xue et al., 1995; Dudhia, 1993; 王曼,2004;宇如聪等,2004; Skamarock, 2005)。当模式进行云和降水显式预报时,通过计算逐层辐射通量,可以评估云-辐射相互作用,这将使大气辐射传输、云和降水预报更加合理。辐射方案可能会考虑中尺度模式网格上的云量分布,需要在不同模式层次对云量做重叠假设。这是因为中尺度模式中微物理方案通常考虑网格域上云量的一致性,因此只能提供单个网格为有云或无云的状况。在地面,一些模式也考虑了坡度效应,从而改善复杂地形区域地表的能量平衡过程。
3 暴雨中尺度模式初始化方法的重要进展暴雨中尺度模式作为一种特殊的数值天气预报模式,同样需要求解数学上的初值问题。此处,我们不去细致描述资料同化方法及相关资料的同化进展,而只将重点放在如何为暴雨中尺度模式提供客观合理的初始场,进行稳定、精准的暴雨中尺度预报。
气象场客观分析方法有多种,如逐步订正法、最优插值法、变分法、有限元法等。周晓平等人设计了一个既简单易行又能保持中尺度信息的客观分析方案,是通过将一定范围内所有能收集的实测资料内插到网格点上,再采用距离平方反比来计算权重的客观分析方案。这种方法与Cressman和Barnes客观分析方法同属于加权分析方法,可以看作是它们的简化。逐步订正方法因原理简单、计算量小、计算速度快和适应性好等优点,曾是MM5、LAPS和AREM等中尺度模式做客观分析时的主要方法。
WRFDA是WRF的主要资料同化系统(Barker et al., 2004;Huang et al., 2009),主要有3D和4D变分同化(3DVAR and 4DVAR),以及集合变换Kalman滤波(ETKF)、ETKF-3DVAR等变分-集合混合同化方法(Wang et al., 2008;Schwartz et al., 2015)。上述同化方法可以同化多类直接和间接的观测资料,从传统的现场地面和高空探测,到卫星探测。除WRFDA外,格点统计插值分析系统(Wu et al., 2002;Kleist et al., 2009)和资料同化科研试验床(Anderson et al., 2009)都是资料同化功能模块,都可为WRF提供初始场。另外,集合Kalman滤波资料同化已经可使用云可分辨率格距(如3 km格距)对WRF集合成员进行初始化,如2013年中尺度可预报性试验MPEX(Schwartz et al., 2015)、2012年深对流云和化学试验DC3(Romine et al., 2014)等外场试验,NOAA危险天气试验床试验(Clark et al., 2012)及实时预报(Schwartz et al., 2015)等。
采用显式云微物理参数化方案,必然会涉及到水凝物的初始化问题。一般来说,因为水凝物并非日常观测量,故常见的水凝物初始化是零初值方法,即所谓的“冷启动”;虽然该方法简单,但容易产生“spin-up”问题,这对短期数值预报影响较大。为解决这一问题,气象学者相继提出和使用多种云物理参数“热启动”方法(Albers et al., 1996; Sun and Crook, 1997; Zhang et al., 1998; Wu and Verlinde, 2000)。该方法主要通过资料同化手段,从卫星、雷达等探测资料中分析得到水物质初值,并实现其“非零”启动,试验结果显示在较好克服“spin-up”问题的同时,对云或降水模拟有改进(王叶红等,2011;顾春利等,2018)。
4 暴雨中尺度模式未来发展的挑战与若干趋势Dudhia (2014)、Powers等(2017)和 Guichard和Couvreux (2017)等人对中尺度及云分辨模式发展进行了详细讨论,从中看到这些模式对暴雨的预报能力非常令人鼓舞(图 3)。不可否认在未来,全球非静力对流尺度数值环境天气预报模式的发展将成为主流,暴雨预报也将是其重要的预报内容之一。另一方面,亚公里级有限区域模式仍将在暴雨等中小尺度系统的预报中发挥重要作用。当然,不同于当前的区域中尺度模式,其复杂性(如超高分辨率和全面物理过程)会大大增强,人工智能将在预报决策中发挥越来越重要的作用。
按照模式技术和计算能力的发展势头,不久的将来,中尺度模式甚至能达到大涡尺度模拟水平,实现湍涡显式分辨。伴随中尺度模式分辨率的提高,会带来物理过程的适配问题。因此,物理过程的尺度适应性将是暴雨中尺度模式的主要发展目标。如果物理参数化能够实现跨尺度,则能保证模式在一系列水平网格距范围内的稳定运行,不会出现因参数化假设绑定于某些特定尺度而发生崩溃的现象(Molinari and Dudek,1992)。嵌套模式或自适应加密模式经常横跨“灰色”区域,往往存在参数化和显式分辨共存的情况(Wyngaard,2004;Yu and Lee, 2010;Hong and Dudhia,2012;Shin and Hong, 2013;Ching et al., 2014),所以跨尺度物理参数化方案的使用对于嵌套或自适应加密预报十分有益。理想的尺度适应性物理参数化方案应该从静力(≥ 10 km)到云分辨(如1~3 km)再到大涡(如几十或几百米)尺度范围都能正确应用。最近,Shin和Hong(2015)提出一种对流边界层垂直传输算法,主要用来衔接次网格到可分辨网格间的“灰色”间隙。
未来,会有更多大气物理过程(如大气光学、大气电学)、大气化学过程及其多圈层相互作用都会被耦合到暴雨中尺度模式中,从而进一步完善模式功能,提高模式性能。当前的物理过程已经形成一个相互关联的参数化体系,如微物理方案和辐射方案相耦合,边界层和陆面过程相耦合等;另外,在微物理和辐射方案中考虑了气溶胶信息,积云对流参数化和辐射参数化相耦合也同样得到考虑(Alapaty et al., 2012)等。物理过程的这种发展在使模式解更加精准的同时,也带来了许多未知的方向,需要进行机理分析、观测对比和检验评估。不言而喻,物理过程的丰富和完善也将给用户带来巨大工作量。一个参数化过程调试用好已是不易,多种参数化之间由于存在相互影响,甚至相互抵消,所以对物理参数化方案的理解与组合应用至关重要。
5 总结与讨论本文从暴雨中尺度模式框架、物理过程和初始化方法三个方面,回顾了国内外主要暴雨中尺度模式的发展历程和重要进展,还对未来模式发展趋势进行了分析。可以看到,暴雨中尺度模式在进一步发展的同时仍有一些需要注意的问题:
(1) 模式的“灰色区域”不仅涉及动力参数化的非静力表达和积云对流参数化表达,还涉及对边界层参数化的描述,多种物理过程的跨尺度参数化问题将是今后中尺度模式发展必须面对和解决的重要问题之一。
(2) 暴雨中尺度模式进入大涡模拟尺度后,其与陆面、海洋模式的甚高分辨率耦合机理仍需要仔细研究,从而为新型中尺度耦合模式开发提供指导。
(3) 当前暴雨中尺度模式的辐射过程,仍是在每一个独立的气柱中单独处理,不考虑相互作用,在模式分辨率进一步提高后,这种处理可能会显现出不合理性。
陈德辉, 胡志晋, 徐大海, 等. 2004. CAMS大气数值预报模式系统研究[M]. 北京: 气象出版社.
|
陈德辉, 薛纪善. 2004. 数值天气预报业务模式现状与展望[J]. 气象学报, 62(5): 623-633. |
陈受钧等.1980.一个用于降水预报的五层原始方程模式[C]//第二次全国数值天气预报会议文集.北京: 气象出版社: 1-12
|
程麟生. 1994. 中尺度大气数值模式和模拟[M]. 北京: 气象出版社.
|
程锐, 宇如聪, 徐幼平, 等. 2018. 非静力AREM模式设计及其数值模拟, Part Ⅰ:非静力框架设计[J]. 大气科学, 42(6): 1286-1296. |
崔春光, 闵爱荣, 胡伯威, 等. 2002. 中尺度地形对"98.7"鄂东特大暴雨的动力作用[J]. 气象学报, 60(5): 602-612. DOI:10.3321/j.issn:0577-6619.2002.05.011 |
崔春光, 彭涛, 沈铁元, 等. 2010. 定量降水预报与水文模型耦合的中小流域汛期洪水预报试验[J]. 气象, 36(12): 56-61. DOI:10.7519/j.issn.1000-0526.2010.12.008 |
顾春利, 成巍, 徐幼平, 等. 2018. 雷达资料融合和冷热启动对AREM模式强降水预报的影响分析[J]. 暴雨灾害, 37(6): 574-581. DOI:10.3969/j.issn.1004-9045.2018.06.011 |
李泽椿, 陈德辉, 王建捷. 2000. 数值天气预报的发展及其应用[M]. 北京: 高等教育出版社, 609-629.
|
高守亭, 周玉淑, 冉令坤. 2018. 我国暴雨形成机理及预报方法研究进展[J]. 大气科学, 42(4): 833-846. |
黄丽萍, 陈德辉, 邓莲堂, 等. 2017. GRAPES_Meso V4.0主要技术改进和预报效果检验[J]. 应用气象学报, 28(1): 25-37. |
钱永甫, 颜宏, 骆启仁. 1978. 一个有大地形影响的初始方程数值预报模式[J]. 大气科学, 2(2): 91-102. DOI:10.3878/j.issn.1006-9895.1978.02.01 |
苏涛, 苗俊峰, 王语卉. 2017. 辐射参数化对海南岛海风雷暴结构模拟的影响[J]. 地球物理学报, 60(8): 3023-3040. |
王曼.2004.中尺度模式中的辐射参数化方案研究[D].南京: 南京气象学院 http://d.wanfangdata.com.cn/Thesis_Y588470.aspx
|
王叶红, 崔春光, 赵玉春. 2004. 雷达降水资料一维变分同化研究——湿度廓线调整[J]. 气象科技, 32(5): 322-328. DOI:10.3969/j.issn.1671-6345.2004.05.004 |
王叶红, 赵玉春, 李红莉, 等. 2011. AREM模式的热启动数值模拟——以2007年7月13日暴雨过程为例[J]. 高原气象, 30(6): 1488-1504. |
薛纪善, 陈德辉. 2008. 数值预报系统GRAPES的科学设计与应用[M]. 北京: 科学出版社.
|
徐幼平, 夏大庆, 钱越英. 1996. 载水数值模式的实时预报试[J]. 应用气象学报, 7: 257-266. |
徐幼平, 姜洪峰, 李鲲, 等. 2007. 初值不确定性对暴雨数值预报影响的初步研究[J]. 暴雨灾害, 26(01): 21-28. DOI:10.3969/j.issn.1004-9045.2007.01.004 |
徐幼平.2008.AREM载水预报框架的发展与评估[D].北京: 中国科学院大气物理研究所
|
杨磊, 徐幼平, 程锐, 等. 2008. AREM模式中陆面过程的改进与试验[J]. 暴雨灾害, 27(1): 1-8. DOI:10.3969/j.issn.1004-9045.2008.01.001 |
宇如聪. 1989. 陡峭地形有限区域数值预报模式设计[J]. 大气科学, 13: 139-149. DOI:10.3878/j.issn.1006-9895.1989.02.02 |
宇如聪.1992.考虑陡峭地形的有限区域数值预报模式的设计及其对雅安天漏的数值预报试验[D].北京: 中国科学院大气物理研究所 http://www.cqvip.com/qk/91836X/198902/12322.html
|
宇如聪, 徐幼平, 夏大庆. 2001. REM对"98.7"武汉暴雨突发性过程的数值模拟[J]. 中国学术期刊文摘: 363-365. |
宇如聪, 徐幼平. 2004. AREM及其对2003年汛期降水的模拟[J]. 气象学报, 62: 715-724. |
宇如聪, 薛纪善, 徐幼平. 2004. AREMS中尺度暴雨数值预报模式系统[M]. 北京: 气象出版社.
|
张大林. 1998. 各种非绝热物理过程在中尺度模式中的作用[J]. 大气科学, 22(4): 548-561. DOI:10.3878/j.issn.1006-9895.1998.04.16 |
张宇.2010.中尺度数值模式大气边界层多尺度特征模拟能力分析与研究[D].兰州: 兰州大学 http://cdmd.cnki.com.cn/Article/CDMD-10730-2010129647.htm
|
周广强, 赵春生, 秦瑜.2003.不同辐射传输方案对中尺度降水影响的对比分析[C]//中国气象学会.新世纪气象科技创新与大气科学发展—中国气象学会2003年年会"大气气溶胶及其对气候环境的影响"分会论文集
|
周晓平, 赵思雄, 张可苏, 等. 1988. 一个东亚季风区的暴雨数值预报模式[J]. 大气科学, 特刊: 60-78. |
张玉玲等.1991.有限区域业务预报模式的研究", 七五"国家重点科技攻关项目: 中期数值天气预报及灾害性天气预报研究成果汇[C].北京: 科学技术文献出版社: 35-37
|
Alapaty K, Herwehe J A, Otte T L, et al. 2012. Introducing subgrid-scale cloud feedbacks to radiation for regional meteorological and climate modeling[J]. Geophysical Research Letters, 39. |
Albers S C, Mcfinley J A, Birkenhuer D A, et al. 1996. The local analysis and prediction system (LAPS): Analysis of clouds, precipitation and temperature[J]. Weather Forecasting, 11(3): 272-287. |
Anderson J, Hoar T, Raeder K, et al. 2009. The Data Assimilation Research Testbed: A community facility[J]. Bulletin of the American Meteorological Society, 90: 1283-1296. DOI:10.1175/2009BAMS2618.1 |
Arakawa A, Schubert W H. 1974. Interaction of a cumulus cloud ensemble with the large-scale environment, Part Ⅰ[J]. Journal of the Atmospheric Sciences, 31: 674-701. DOI:10.1175/1520-0469(1974)031<0674:IOACCE>2.0.CO;2 |
Baba Y, Takahashi K. 2013. Weighted essentially non-oscillatory scheme for cloud edge problem[J]. Quarterly Journal of the Royal Meteorological Society, 139: 1374-1388. DOI:10.1002/qj.2030 |
Barker D M, Huang W, Guo Y R, et al. 2004. A three-dimensional (3DVAR) data assimilation system for use with MM5: Implementation and initial results[J]. Monthly Weather Review, 132: 897-914. DOI:10.1175/1520-0493(2004)132<0897:ATVDAS>2.0.CO;2 |
Betts A K. 1986. A New Convective Adjustment Scheme, Part Ⅰ: Observational and Theoretical Basis[J]. Quarterly Journal of the Royal Meteorological Society, 112: 677-691. |
Bougeault P, Lacarrere P. 1989. Parameterization of orography induced turbulence in a mesobeta-scale model[J]. Monthly Weather Review, 117: 1872-1890. DOI:10.1175/1520-0493(1989)117<1872:POOITI>2.0.CO;2 |
Chen F, Dudhia J. 2001. Coupling an advanced land-surface/hydrology model with the Penn State/NCAR MM5 modeling system, Part Ⅰ: Model description and implementation[J]. Monthly Weather Review, 129: 569-585. DOI:10.1175/1520-0493(2001)129<0569:CAALSH>2.0.CO;2 |
Ching J, Rotunno R, LeMone M A, et al. 2014. Convectively induced secondary circulations in fine-grid mesoscale numerical weather prediction models[J]. Monthly Weather Review, 142: 3284-3302. DOI:10.1175/MWR-D-13-00318.1 |
Clark A J, Weiss S J, Kain J S, et al. 2012. An overview of the 2010 Hazardous Weather Testbed Experimental Forecast Program Spring Experiment[J]. Bulletin of the American Meteorological Society, 93: 55-74. DOI:10.1175/BAMS-D-11-00040.1 |
Cui C G, Jun Li, Yan Shi. 2006. Develepment and Applications of the Advanced Regional Eta-coordinate Numerical Heavy-Rain Prediction Model System in China[J]. Advance in Geosciences, 6: 23-33. DOI:10.5194/adgeo-6-23-2006 |
Deardorff J W. 1978. Efficient prediction of ground surface temperature and moisture, with inclusion of a layer of vegetation[J]. Journal of Geophysical Research, 83(C4): 1889-1903. DOI:10.1029/JC083iC04p01889 |
Delsol F, Miyakoda K, Clarke R H. 1971. Parameterized processes in the surface boundary layer of an atmospheric circulation model[J]. Quarterly Journal of the Royal Meteorological Society, 97: 181-208. DOI:10.1002/qj.49709741205 |
Dudhia J. 1989. Numerical study of convection observed during the Winter Monsoon Experiment using a mesoscale two-dimensional model[J]. Journal of the Atmospheric Sciences, 46: 3077-3107. DOI:10.1175/1520-0469(1989)046<3077:NSOCOD>2.0.CO;2 |
Dudhia J A. 1993. Nonhydrostatic Version of the Penn State-NCAR Mesoscale Model: Validation Tests and Simulation of an Atlantic Cyclone and Cold Front[J]. Monthly Weather Review, 121(5): 1493-1513. DOI:10.1175/1520-0493(1993)121<1493:ANVOTP>2.0.CO;2 |
Dudhia J. 2014. A history of mesoscale model development[J]. Asia-Pacific Journal of Atmospheric Sciences, 50(1): 121-131. DOI:10.1007/s13143-014-0031-8 |
Gal-Chen T, Somerville R C J. 1975. On the use of a coordinate transformation for the solution of the Navier-Stokes equations[J]. Journal of Computational Physics, 17: 209-228. DOI:10.1016/0021-9991(75)90037-6 |
Grell G A, Freitas S. 2013. Development and applications of a stochastic convective parameterization for a smooth transition to cloud resolving scales that includes aerosol interactions[J]. Geophysical Research Abstract, 15: 11198. |
Grell G A. 1993. Prognostic evaluation of assumptions used by cumulus parameterizations[J]. Monthly Weather Review, 121: 764-787. DOI:10.1175/1520-0493(1993)121<0764:PEOAUB>2.0.CO;2 |
Guichard F, Couvreux F. 2017. A short review of numerical cloud-resolving models[J]. Tellus A: Dynamic Meteorology and Oceanography, 69(1): 1373578. DOI:10.1080/16000870.2017.1373578 |
Hong S Y, Dudhia J. 2012. Next-Generation Numerical Weather Prediction: Bridging Parameterization, Explicit Clouds, and Large Eddies[J]. Bulletin of the American Meteorological Society, 93(1): 6. |
Hong S Y, Lim J O J. 2006. The WRF single-moment 6-class microphysics scheme (WSM6)[J]. Journal of the Korean Meteorological Society, 42: 129-151. |
Hsie E Y, Anthes R A, Keyser D. 1984. Numerical simulation of frontogenesis in a moist atmosphere[J]. Journal of the Atmospheric Sciences, 41: 2581-2594. DOI:10.1175/1520-0469(1984)041<2581:NSOFIA>2.0.CO;2 |
Huang X Y, Coauthors. 2009. Four-dimensional variational data assimilation for WRF: Formulation and preliminary results[J]. Monthly Weather Review, 137: 299-314. DOI:10.1175/2008MWR2577.1 |
Janjic Z I. 1994. The step-mountain eta coordinate model: Further developments of the convection, viscous sublayer, and turbulence closure scheme[J]. Monthly Weather Review, 122: 927-945. DOI:10.1175/1520-0493(1994)122<0927:TSMECM>2.0.CO;2 |
Kain J S, Fritsch J M. 1990. A one-dimensional entraining/detraining plume model and its application in convective parameterization[J]. Journal of the Atmospheric Sciences, 47: 2784-2802. DOI:10.1175/1520-0469(1990)047<2784:AODEPM>2.0.CO;2 |
Kleist D T, Parrish D F, Derber J C, et al. 2009. Introduction of the GSI into the NCEP Global Data Assimilation System[J]. Weather and Forecasting, 24: 1691-1705. DOI:10.1175/2009WAF2222201.1 |
Klemp J B, Wilhelmson R B. 1978. Simulations of Right-and Left-Moving Storms Produced Through Storm Splitting[J]. Journal of the Atmospheric Sciences, 35(6): 1097-1110. DOI:10.1175/1520-0469(1978)035<1097:SORALM>2.0.CO;2 |
Klemp J B. 2011. A terrain-following coordinate with smoothed coordinate surfaces[J]. Monthly Weather Review, 139: 2163-2169. DOI:10.1175/MWR-D-10-05046.1 |
Kuo H L. 1974. Further studies of the parameterization of the influence of cumulus convection on large-scale flow[J]. Journal of the Atmospheric Sciences, 31: 1232-1240. DOI:10.1175/1520-0469(1974)031<1232:FSOTPO>2.0.CO;2 |
Kuo Y H, Anthes R A. 1984. Semiprognostic tests of Kuo-type cumulus parameterization schemes in an extratropical convective system[J]. Monthly Weather Review, 112: 1498-1509. DOI:10.1175/1520-0493(1984)112<1498:STOKCP>2.0.CO;2 |
Lim K S, Hong S Y. 2010. Development of an effective double moment cloud microphysics scheme with prognostic cloud condensation nuclei (CCN) for weather and climate models[J]. Monthly Weather Review, 138: 1587-1612. DOI:10.1175/2009MWR2968.1 |
Lin Y L, Farley R D, Orville H D. 1983. Bulk parameterization of the snow field in a cloud model[J]. Journal of Climate and Applied Meteorology, 22: 1065-1092. DOI:10.1175/1520-0450(1983)022<1065:BPOTSF>2.0.CO;2 |
Mesinger F. 1984. A blocking technique for representation of mountains in atmospheric models[J]. Riv Meteorol Aeronaut, 44: 195-202. |
Mesinger Fedor. 1988. The Step-Mountain Coordinate: Model Description and Performance for Cases of Alpine Lee Cyclogenesis for a Case of an Appalachian Redevelopment[J]. Mon Wea Rev, 116: 1493-1518. DOI:10.1175/1520-0493(1988)116<1493:TSMCMD>2.0.CO;2 |
Mellor G L, Yamada T. 1974. A hierarchy of turbulence closure models for planetary boundary layers[J]. Journal of the Atmospheric Sciences, 31: 1791-1806. DOI:10.1175/1520-0469(1974)031<1791:AHOTCM>2.0.CO;2 |
Moeng C H, Dudhia J, Klemp J, et al. 2007. Examining two-way grid nesting for large eddy simulations of the PBL using the WRF model[J]. Monthly Weather Review, 135: 2295-2311. DOI:10.1175/MWR3406.1 |
Molinari J, Dudek M. 1992. Parameterization of convective precipitation in mesoscale numerical models: A critical review[J]. Monthly Weather Review, 120: 326-344. DOI:10.1175/1520-0493(1992)120<0326:POCPIM>2.0.CO;2 |
Morrison H, Thompson G, Tatarskii V. 2009. Impact of cloud microphysics on the development of trailing stratiform precipitation in a simulated squall line: comparison of one-and two-moment schemes[J]. Monthly Weather Review, 137: 991-1007. DOI:10.1175/2008MWR2556.1 |
Nakanishi M, Niino H. 2006. An improved Mellor-Yamada level 3 model: its numerical stability and application to a regional prediction of advecting fog[J]. Boundary-Layer Meteorology, 119: 397-407. DOI:10.1007/s10546-005-9030-8 |
Ogura Y, Phillips N A. 1962. Scale analysis of deep and shallow convection in the atmosphere[J]. Journal of the Atmospheric Sciences, 19: 173-179. DOI:10.1175/1520-0469(1962)019<0173:SAODAS>2.0.CO;2 |
Pleim J E. 2007. A combined local and nonlocal closure model for the atmospheric boundary layer.Part Ⅰ: Model description and testing[J]. Journal of Applied Meteorology and Climatology, 46: 1396-1409. DOI:10.1175/JAM2534.1 |
Powers J G. 2017. The Weather Research and Forecasting Model: overview, system efforts, and future direction[J]. Bulletin of the American Meteorological Society, 98: 1717-1737. DOI:10.1175/BAMS-D-15-00308.1 |
Romine G S, Schwartz C S, Berner J, et al. 2014. Representing forecast error in a convection permitting ensemble system[J]. Monthly Weather Review, 142: 4519-4541. DOI:10.1175/MWR-D-14-00100.1 |
Rutledge S A, Hobbs P V. 1983. The mesoscale and microscale structure and organization of clouds and precipitation in midlatitude cyclones.Ⅷ: A model for the"seeder-feeder"process in warm-frontal rainbands[J]. Journal of the Atmospheric Sciences, 40: 1185-1206. DOI:10.1175/1520-0469(1983)040<1185:TMAMSA>2.0.CO;2 |
Schar C, Leuenberger D, Fuhrer O, et al. 2002. A new terrain-following vertical coordinate formulation for atmospheric prediction models[J]. Monthly Weather Review, 130: 2459-2480. DOI:10.1175/1520-0493(2002)130<2459:ANTFVC>2.0.CO;2 |
Schwartz C S, Liu Z, Huang X Y. 2015. Sensitivity of limited-area hybrid variational-ensemble analyses and forecasts to ensemble perturbation resolution[J]. Monthly Weather Review, 143: 3454-3477. DOI:10.1175/MWR-D-14-00259.1 |
Schwartz C S, Romine G S, Weisman M L Sobash, et al. 2015. A real-time convection-allowing ensemble prediction system initialized by mesoscale ensemble Kalman filter analyses[J]. Weather and Forecasting, 30: 1158-1181. DOI:10.1175/WAF-D-15-0013.1 |
Schwartz C S, Romine G S, Weisman M L, et al. 2015. A real-time convection-allowing ensemble prediction system initialized by mesoscale ensemble Kalman filter analyses[J]. Weather and Forecasting, 30: 1158-1181. DOI:10.1175/WAF-D-15-0013.1 |
Sellers P J, Mintz Y, Sud Y C, et al. 1986. A simple biosphere model (SIB) for use within general circulation models[J]. Journal of the Atmospheric Sciences, 43: 505-531. DOI:10.1175/1520-0469(1986)043<0505:ASBMFU>2.0.CO;2 |
Shin H H, Hong S Y. 2013. Analysis of resolved and parameterized vertical transports in convective boundary layers at gray-zone resolutions[J]. Journal of the Atmospheric Sciences, 70: 3248-3261. DOI:10.1175/JAS-D-12-0290.1 |
Shin H H, Hong S Y. 2015. Representation of the subgrid-scale turbulent transport in convective boundary layers at gray-zone resolutions[J]. Monthly Weather Review, 143: 250-271. DOI:10.1175/MWR-D-14-00116.1 |
Skamarock W C, Klemp J B, Dudhia J, et al.2005.A Description of the Advanced Research WRF Version2[R].National Center for Atmospheric Research
|
Skamarock W C, Klemp J B, Duda M G, et al. 2012. A multiscale nonhydrostatic atmospheric model using centroidal voronoi tesselations and C-grid staggering[J]. Monthly Weather Review, 140: 3090-3105. DOI:10.1175/MWR-D-11-00215.1 |
Smolarkiewicz P K, Grabowski W W. 1990. The multidimensional positive definite advection transport algorithm: nonoscillatory option[J]. Journal of Computational Physics, 86: 355-375. DOI:10.1016/0021-9991(90)90105-A |
Stull R B. 1984. Transilient Turbulence Theory, Part Ⅰ: The concept of eddy-mixing across finite distances[J]. Journal of the Atmospheric Sciences, 41: 3351-3367. DOI:10.1175/1520-0469(1984)041<3351:TTTPIT>2.0.CO;2 |
Suhas E, Zhang G J. 2015. Evaluating convective parameterization closures using cloud-resolving model simulation of tropical deep convection[J]. Journal of Geophyscial Research-Atmosphere, 120(4): 1260-1277. DOI:10.1002/2014JD022246 |
Sun J, Crook A. 1997. Dynamical and microphysical retrieval from Doppler radar observations using a cloud model and its adjoint Ⅰ: Model development and simulated data experiments[J]. J Atmos Sci, 54(12): 1642-1661. DOI:10.1175/1520-0469(1997)054<1642:DAMRFD>2.0.CO;2 |
Tao W K, Simpson J, McCumber M. 1989. An ice-water saturation adjustment[J]. Monthly Weather Review, 117: 231-235. DOI:10.1175/1520-0493(1989)117<0231:AIWSA>2.0.CO;2 |
Tiedtke M. 1989. A comprehensive mass flux scheme for cumulus parameterization in large-scale models[J]. Monthly Weather Review, 117: 1779-1800. DOI:10.1175/1520-0493(1989)117<1779:ACMFSF>2.0.CO;2 |
Walko R L, Craig J T, Rolf F A.1995.The Regional Atmospheric Modeling System User' s Guide[G]//ASTER Division.Mission Research Corporation
|
Wang X, Barker D M, Snyder C M, et al. 2008. A hybrid ETKF-3DVAR data assimilation scheme for the WRF Model, Part Ⅰ: Observing system simulation experiment[J]. Monthly Weather Review, 136: 5116-5131. DOI:10.1175/2008MWR2444.1 |
Weisman M L, Skamarock W C, Klemp J B. 1997. The resolution dependence of explicitly modeled convective systems[J]. Monthly Weather Review, 125: 527-548. DOI:10.1175/1520-0493(1997)125<0527:TRDOEM>2.0.CO;2 |
Wilson M F, Henderson-Sellers A, Dickinson R E, et al. 1987. Sensitivity of the Biosphere-Atmosphere Transfer Scheme (BATS) to the inclusion of variable soil characteristics[J]. Climate Appl Meteor, 26: 341-362. DOI:10.1175/1520-0450(1987)026<0341:SOTBTS>2.0.CO;2 |
Wu B, Verlinde J. 2000. Dynamical and microphysical retrievals from Doppler radar observations of a deep convective cloud[J]. J Atmos Sci, 57(1): 262-283. |
Wu W S, Purser R J, Parrish D F. 2002. Three dimensional variational analysis with spatially inhomogeneous covariances[J]. Monthly Weather Review, 130: 2905-2916. DOI:10.1175/1520-0493(2002)130<2905:TDVAWS>2.0.CO;2 |
Wyngaard J C. 2004. Toward numerical modeling in the "Terra Incognita"[J]. Journal of the Atmospheric Sciences, 61: 1816-1826. DOI:10.1175/1520-0469(2004)061<1816:TNMITT>2.0.CO;2 |
Xia D, Xu Y. 1998. The water-bearing numerical model and its operational forecasting experiments Part Ⅰ: the water-bearing numerical model[J]. Advances in Atmospheric Sciences, 15(2): 221-232. DOI:10.1007/s00376-998-0041-5 |
Xu Y, Xia D, Qian Y. 1998. The water-bearing numerical model and its operational forecasting experiments part ii: The operational forecasting experiments[J]. Advances in Atmospheric Sciences, 15(3): 321-336. |
Xue M, Kelvin K D, Vince W, et al.1995.Advanced Regional Prediction System User's Guide[G]//Center for Analysis and Prediction of Storms, the University of Oklahoma
|
Yu R C. 1994. Two-Step Shape-Preserving Advection Scheme[J]. Advance of Atmospheric Sciences, 11: 479-490. DOI:10.1007/BF02658169 |
Yu R C. 1995. Application of a Shape-Preserving Advection Scheme to the Moisture Equation in an E-grid Regional Forecast Model[J]. Advances in Atmospheric Sciences, 12: 13-19. DOI:10.1007/BF02661283 |
Yu X, Lee T Y. 2010. Role of convective parameterization in simulations of a convection band at grey-zone resolutions[J]. Tellus, 62(5): 617-632. DOI:10.1111/j.1600-0870.2010.00470.x |
Zhang D L, Fritsch J M. 1986. Numerical Simulation of the Meso-β Scale Structure and Evolution of the 1977 Johnstown Flood.Part Ⅰ: Model Description and Verification[J]. Journal of the Atmospheric Sciences, 43(18): 1913-1944. DOI:10.1175/1520-0469(1986)043<1913:NSOTMS>2.0.CO;2 |
Zhang D L, Anthes R A. 1982. A high-resolution model of the planetary boundary layer-sensitivity tests and comparisons with SESAME-79 data[J]. Journal of Applied Meteorology, 21: 1594-1609. DOI:10.1175/1520-0450(1982)021<1594:AHRMOT>2.0.CO;2 |
Zhang G J, McFarlane N A. 1995. Sensitivity of climate simulations to the parameterization of cumulus convection in the Canadian Climate Centre general circulation model[J]. Atmosphere and Ocean, 33: 407-446. DOI:10.1080/07055900.1995.9649539 |
Zhang J, Carr F, Brewster K.1998.The ADAS cloud analysis[C]//12th Conf Num Wea Pred, Phoenix.AZ: Amer Met Soc: 185-188
|