中国气象学会主办。
文章信息
- 徐道生, 陈子通, 钟水新, 戴光丰. 2014.
- XU Daosheng, CHEN Zitong, ZHONG Shuixin, DAI Guangfeng. 2014.
- 对流参数化与微物理过程的耦合及其对台风预报的影响研究
- Study of the coupling of cumulus convection parameterization with cloud microphysics and its influence on forecast of typhoon
- 气象学报, 72(2): 337-349
- Acta Meteorologica Sinica, 72(2): 337-349.
- http://dx.doi.org/10.11676/qxxb2014.017
-
文章历史
- 收稿日期:2013-3-21
- 改回日期:2013-11-21
积云对流的时间尺度仅有几十分钟,空间尺度仅为10 km左右,相对于网格距为101—102 km的大中尺度数值预报模式,它们往往属于不能被分辨的次网格尺度运动。这些次网格过程的发生、发展常常被一些模式可以分辨的大尺度环流系统所强迫和控制,又通过对水汽、热量和动量等的反馈作用影响全球或区域性的环流预报,这些事实已经被大量的观测和研究所证实。因此,在数值预报模式中必须对这些过程加以考虑(Manabe,et al,1965;Ooyama,1964;Charney,et al,1964)。虽然可以用十分精细的网格显式地分辨单个积云及其与大尺度过程的相互作用,但因资料和计算条件的限制,难以在实际业务中应用。因此,对于积云的作用一般都采用参数化的方法,即利用模式中的大尺度变量粗略地描述积云群总体对大尺度环境场的统计影响,以避免模拟积云单体对环境影响所带来的困难。
近年来对流云和层状云的相互作用已经逐渐成为大气环流模式中湿对流过程参数化的主要研究方向之一(Jung,et al,2010;Arakawa,et al,2011,Grabowski,2011)。Molinari等(1991)指出对于中尺度模式中的对流运动,采用考虑对流参数化和微物理过程相互耦合的混合方案时,模式的预报效果会优于完全采用参数化或完全进行微物理的显式方案。Arakawa(2004)对积云参数化方案的过去和当前的研究情况做回顾和总结后指出:对流参数化的未来主要发展方向之一是通过云模式的改进建立一种能够同时处理层状云和对流云的统一云方案,这种统一方案可以更好地描述不同云型之间的相互影响。Tiedtke(1993)指出,在质量通量型对流参数化方案中可以非常直观地用一些变量来描述云物理过程。例如,作为大尺度云水和云冰的一种来源,对流云中的云水和云冰的卷出反映了狭窄的对流上升区顶部所发展延伸出来的砧状云。关于大尺度环境场中的云水和云冰对单个对流上升气流中的微物理过程影响的研究目前还比较少。Emanuel等(1999)研究表明,大气中的水汽含量强烈地依赖对流云及与之相关的层状云中的微物理过程以及降水的蒸发过程,有必要加强研究对流参数化方案中的微物理过程。Sud等(1999a,1999b)针对RAS(Relaxed Arakawa-Schubert Scheme)对流参数化方案设计了一种预报性云物理方案,有效地改进了模式对湿对流过程以及云微物理和辐射过程的相互作用的预报。Fowler等(2002)对AS-74对流参数化方案(Arakawa,et al,1974)进行了改进,允许大尺度环境场中的水汽、云水和云冰卷入到对流上升气流的侧边界并能够被抬升到对流云云顶,考虑抬升中的微物理量过程,一部分过量的云水和云冰将转化为雨和雪。
在台风的发展过程中常常可以观测到一条或几条螺旋云带从外围旋向中心云区,在云带之间常出现较薄的层状云系。在螺旋云带和层状云的外侧边缘,还有大量塔状的层积云和浓积云,特别是在台风前进的方向上积云量会更多。在对台风的数值预报中,这种螺旋云带的发生、发展和模式中对流参数化方案与微物理过程的相互耦合密切相关。特别是在东亚地区,受季风气流的影响,积云和层状云的混合云是一种主要的云系,大范围的暴雨和特大暴雨基本是由较为深厚的层状云和嵌入其内的对流云组成的混合云产生的,有必要在对流参数化方案中考虑这种相互耦合过程。目前中国气象局热带海洋气象研究所的南海台风业务模式中所使用的对流参数化方案是NCEP全球预报系统中使用的SAS方案,在该方案中原来假设仅仅在云顶高度那一层考虑了水汽向云水和云冰的转化与卷出(Pan,et al,1995),这种简化往往使得云顶的卷出过分地集中在云顶附近,Han等(2011)在原SAS方案的基础上进行了多方面的改进,增加考虑了下沉气流开始高度至云顶高度之间的云水和云冰的卷出,使得这些水成物的卷出更加均匀,并有效地提高了该方案的预报效果。但是该方案仅仅考虑了上升气流中水汽的卷入作用,对于上升气流穿过层状云时云水和云冰的卷入过程并没有考虑,这也就相当于SAS方案仅仅考虑了对流云对层状云的单向耦合过程,而对于大尺度层状云对对流云的反作用则被忽略了。为了提高南海台风模式的预报水平,本研究将在SAS方案中引入层状云和对流云的耦合过程,通过“古超”台风个例进行预报试验,并和原来的SAS方案的预报结果进行比较,分析这种耦合过程对于台风预报的影响。
2 对流参数化方案介绍SAS方案是由Arakawa等(1974)提出的AS方案简化得到的。AS方案通过云底质量通量作为积云活动强度的度量,并根据依赖于云高的夹卷率对积云群进行分类,最终将问题归结为对不同夹卷率的积云云底质量通量进行参数化。该方案包含了积云群与大尺度强迫之间复杂的相互作用过程,包括云中上升气流的绝热冷却及环境空气的卷入混合对凝结潜热的抵消作用;因积云上升诱发的环境空气补偿下沉运动引起的增温、增湿作用;云顶附近液态水的卷出蒸发使环境大气变冷、变湿。假设大尺度辐合的强迫成云作用与积云对流导致的云间补偿下沉运动所引起的消云作用接近平衡,云功函数变化很小,这样就可以计算出云底质量通量并最终确定积云对大尺度场的反馈作用。在该方案中,积云群被视为一种间接的“冷塔”,这与大尺度辐合方案将积云作为直接“热塔”有本质的区别。Grell(1993)对该方案进行了简化,提出了一个简单的概念模型,即云内由两支分别由上升和下沉运动引起的稳定状态的环流,并且只考虑对流最深的云以代替原来的云谱,这就是通常使用的简化AS方案(SAS方案)。虽然SAS方案比初始的方案简单得多,但是很多试验表明它的模拟结果和复杂且计算量很大的原始方案很接近。Pan等(1995)首次将SAS方案应用到MRF模式的业务预报中,试验表明SAS方案的效果要好于之前使用的Kuo方案(Kuo,1965,1974)。
3 积云模式的改进对原SAS方案的积云模式的改进,主要修改内容为增加对流性上升气流中云水、云冰以及雪的卷入和抬升过程,同时考虑了抬升过程中云水和云冰向雨和雪的微物理转化过程,通过这些修改来引入层状云和对流云的耦合机制。
原SAS方案中,仅仅考虑了上升气流对水汽的卷入和抬升作用
式中,qv是对流云上升气流中的水汽混合比,μ是卷入率,qvc是环境场中的水汽,CUv表示上升气流中的微物理转化过程,在该方案中假设在下沉气流开始高度至云顶高度一部分过饱和水汽转化为对流性降水,一部分转化为格点尺度的云水和云冰。上升气流中凝结为降水的部分dql=c1(qvc-qvsc),转化为云水和云冰的部分dqc=c2(qvc-qvsc),其中qvsc为云内饱和水汽混合比,c1和c2分别为过饱和水汽向雨水和云水云冰的转化率。dqc产生以后又根据云内温度按照一定的比例转化为格点尺度的云水和云冰,即云水量dqcc=ωdqc,云冰量dqic=(1-ω)dqc,转化率ω定义为,T0=0℃为凝结温度,T00=-20℃为形成过冷水所需的最低温度,Tc为云内温度。修改后的云模式中增加考虑了上升气流对云水、云冰以及雪的卷入,并引入上升过程中云水和云冰分别向雨和雪的转化
式中,x包括水汽、云水、云冰和雪4种物质,CUx表示上升气流中不同物质的微物理转化过程。和原方案一样,上升气流中的过饱和水汽一部分转化为雨水,另一部分转化为云水和云冰,同时增加考虑了云内的云水和云冰按照一定的比例P向雨和雪转化过程转换率定义为,其中,c0设为0.002,△z为该模式层的厚度。
4 模式介绍和参数设置使用的中国南海台风模式是一个基于GRAPES-meso系统的非静力全弹性模式,采用半隐式半拉格朗日时间平流方案、经-纬度格点的网格设计,水平方向取Arakawa-C网格,垂直方向采用Charney-Philips垂直分层设置,高度为地形追随坐标。物理过程包括云微物理显式降水,次网格积云对流参数化、长波辐射、短波辐射、陆面过程及边界层过程。目前该模式已经被中国气象局广州热带海洋气象研究所用来提供中国南海地区的区域台风预报业务。
模式的起始经纬度为(0.8°N,81.6°E),格距为0.36°,水平格点数为222×139,垂直方向分55层,模式层顶为28 km。时间积分步长为200 s。物理过程方案的选择为:积云参数化方案(SAS)、微物理过程(WSM6)、长波辐射方案(rrtm)、短波辐射方案(Dudhia)、陆面过程方案(Slab)、边界层方案(MRF)。
针对2012年6月中旬在菲律宾北部海面上出现的“古超”台风,以13日12时(世界时)的GFS资料作为初值进行了72 h的预报。
5 试验设计和结果分析本试验首先分别采用改进前、后SAS方案的预报结果进行比较,通过对新增加的对流参数化和微物理过程的耦合机制进行敏感性分析,重点比较它们对于台风路径、强度预报及相应降水预报和大尺度温、湿度场的影响。然后通过敏感性试验对改进云模式过程中引入的一些假设的合理性进行检验。最后在对单个台风个例有改进的基础上,进一步选取多个台风个例的预报误差对这些改进进行验证。
5.1 云模式的改进对台风路径和强度预报的影响如引言中所述,对流参数化与微物理过程的耦合对于台风的模拟具有重要影响。图 1a给出了对流参数化改进前、后对“古超”台风的72 h路径预报,同时给出了观测路径作为对比。可以看到,在模拟时间内台风先向西移动,在48小时前后突然转为向西北方向移动,两种方案大体上都能准确地模拟出这种转向。如果在对流参数化方案中不考虑对流云和层状云的耦合,台风在第18小时后就开始转向西北方向移动,而且速度明显比实际快,在第72小时台风已经到达18°N,而实测台风中心位于15°N附近。对积云参数化方案中的云模式进行改进后得到的台风路径预报结果明显更接近实况,台风在第48小时开始突然转向北移动,第72小时台风中心位置大概位于15°N,和实测结果比较一致,但是转向的位置和实况仍然存在一定偏差。图 1b为逐6 h统计得到的路径预报误差,总体来看两种方案对于前24 h内的台风路径模拟差别不大,在24小时后改进的SAS方案预报效果明显优于原方案,48小时后误差的改进200 km左右,这说明引入对流参数化与微物理过程的耦合机制可以有效改进对台风路径的预报。图 1c为两种方案预报的台风中心气压和实况的比较。从实测结果来看,72 h预报台风强度明显增强(从990 hPa到930 hPa),模式并没有预报出这种增强过程。对改进前、后对流参数化方案的预报结果进行比较,可以看到增加对流云和层状云的耦合机制对于台风强度预报稍有改进,但总体来说效果不明显。
很多研究表明,台风的流场结构——特别是最大风速区的分布对于台风路径具有显著的影响,对流参数化主要通过两种方式对风场产生影响:(1)通过次网格对流运动对动量进行垂直传输的方式直接影响流场结构;(2)通过改变温、湿度场来间接地影响流场结构。为了进一步说明考虑耦合之后的对流参数化方案对台风路径预报改进的原因,本研究对耦合前、后得到的500 hPa高度上48 h预报风场进行比较,并通过NCEP再分析资料进行验证(图 2)。从NCEP再分析资料(图 2a)的结果来看,最大风速区主要位于台风中心及其北侧,原来的方案模拟得到的最大风速区位于台风中心的东北侧,而且偏离台风中心较远(图 2b),考虑耦合之后的方案模拟的最大风速区主要位于台风中心的北侧(图 2c)。通过以上的比较可以看到,使用原来的对流参数化模拟得到的台风中心附近风速很弱,台风的移动主要受其西北侧的引导气流的影响,这种情况下往往会造成台风移动速度比实际明显快(图 1a),考虑耦合的对流参数化方案可以比较有效地改进高层流场的模拟,从而改进台风路径的预报效果。
总之,对于台风这种对流云和层状云相互作用非常强烈的天气系统,在对流参数化方案中引入对流云和层状云的耦合机制可以有效地提高模式对台风路径的预报水平。
5.2 耦合过程的改进对台风降水的影响在原来的SAS方案中,对流性降水是由上升气流中下沉气流高度到云顶高度之间每个高度层上的过饱和水汽按照一个固定的比例(c1)凝结得到的,同时还有一部分过饱和水汽也按照固定的比例(c2)转化为模式能够分辨的格点尺度的云水和云冰,由对流运动产生的这些云物质被卷出并进入到模式的微物理过程中。而改进方案在原方案的基础上增加考虑了上升气流对于环境场中云水云冰的卷入抬升作用以及在抬升过程中云水、云冰向雨和雪的转化。可以看到,改进方案和原方案对于降水产生过程的定义有较大的差别,改进方案对对流参数化和云微物理耦合过程的考虑更为详细,故两者得到的预报降水应该会存在较大的差别。图 3是根据两种方案得到的模式第48—72小时的24 h累积对流参数化降水和格点降水,可以看到,在原方案预报结果中对流性降水在总降水量中所占的比重远远超过了显式格点降水(图 3a、c),而改进方案中对流性降水减少了很多,格点尺度降水反而成为降水的主要部分(图 3b、d),这说明在改进方案的降水预报中,对流参数化的影响变弱,而微物理过程的影响则显著增强。有研究显示,TRMM卫星观测的夏季热带洋面地区台风产生的对流性降水与层状云降水的比例大体接近(钟敏等,2006),因此从图 3可以看出修改后的SAS积云参数化方案虽然对台风的路径预报有所改进,但同时也造成对流性降水偏少。
为了进一步检验两种方案的降水预报出现明显差异的原因,本研究分别对对流参数化(对流降水)和微物理参数化(格点降水)过程造成的温度(图 4)和湿度(图 5)倾向场的垂直特征进行了对比分析。从图 4可以看到,在第48—72小时原方案中降水对温度倾向的贡献主要来自对流降水,格点降水的影响较弱。而对于改进后的SAS方案,这段时间内在5—10 km高度范围内格点降水产生的温度倾向明显增强,而对流降水造成的温度倾向稍有减弱,从湿度倾向场的比较中也可以看到类似的特点,48小时以后对流层中上层格点降水造成的负湿度倾向在明显加强(图 5),这些与水汽的凝结及潜热释放有关的加热减湿现象都说明此时通过微物理参数化过程产生的格点降水在迅速增强。通过以上的比较可以看出,改进方案的48—72小时预报结果中显著增加的格点降水主要来源于对流层中上层发生的微物理过程,出现这种格点降水显著增强的原因可能是由于在新方案中增加考虑了对流上升气流对云水、云冰的卷入作用,造成原来分布在较低高度层上的云滴被抬升到高层并通过层状云的形式卷出,这些云滴和冰晶进入微物理参数化方案后,由于它们所处的高度比原方案更高,从而其滞留于云中的时间也相应增长,一方面造成更多的云滴通过碰并增长的方式形成雨,另一方面也有更多的冰晶通过凝华、碰冻及粘连的方式造成雪粒子的增长,并在下降的过程中融化成雨,最终形成更强的地面降水。
图 6利用同一时段内TRMM卫星实测降水资料和两种方案得到的模式预报降水进行比较,可以看到原始方案得到的预报降水强度明显比实测偏强,降水范围也大很多(图 6b),从图 6c来看,新方案中的降水分布面积比原来要小,但是强度比原来强。从图 3可以看到,新方案中的这种过量强降水主要来自微物理过程,在考虑了对流过程中云水、云冰等物质的卷入抬升之后,会使得格点降水明显增强,而参数化降水则变弱。总的来说,原方案得到的降水面积更大,新方案中降水落区会更合理一些,强度更强一些,这种降水偏强的现象可能与新方案中云水、云冰的卷入率过大有关(在新方案中卷入率与水汽的卷入率相同)。由于这些微物理量的密度要明显大于水汽,实际情况下它们的卷入率也应该相应的更小一些。如果在对流参数化方案中使用的卷入率过大,会导致更多的云水、云冰被抬升到高层并卷出形成层状云,因此新方案产生的层状云会比原方案更多。
综上所述,对于分辨率较高的中尺度模式,考虑对流参数化和微物理过程的耦合过程可以有改进台风降水落区偏大的现象,但同时也会引起对流性降水和格点降水比例偏离实际情况的问题。
5.3 积云参数化方案的改进对大尺度环境场预报的影响本节将通过对大尺度环境场的预报结果来讨论在积云参数化方案中引入这种耦合过程对于台风预报的影响。图 7给出了72 h内100 hPa高度以下两种对流参数化方案模拟得到的台风外围200—300 km范围内温度和湿度平均场的差别,同时利用实测台风路径以及相应的NCEP再分析资料得到的统计结果作为一种实况的近似来对这种差别的合理性进行验证。从图 7a和b来看,原方案模拟的水汽明显偏多,在考虑了对流云和层状云的耦合后,0—36小时在900 hPa附近出现水汽偏多的现象,高层与NCEP资料的偏差较小,36小时以后900—500 hPa高度范围内则表现为水汽偏少的现象,其余层次误差较小。对于温度场(图 7c和d),24小时以后原方案模拟的温度场800—400 hPa明显偏高,改进之后这种偏差明显变小,但在500 hPa高度以上仍然出现温度偏低的现象。
从以上的比较可以看到,原方案模拟的台风外围大尺度环境场明显比实况偏湿热,这可能与它模拟的对流性降水偏多有关,一方面这些次网格对流将热带洋面附近大量的水汽传输到高层使得高层湿度变强,同时水汽的凝结释放出大量的潜热造成格点温度升高。改进方案得到的台风外围环境场更接近实况一些,但也出现了偏干冷的现象。
5.4 改进方案中的一些敏感性试验改进后的积云参数化方案中包含了一种对流云和层状云的双向耦合机制。对流云的上升气流中产生的云水、云冰和雪进入到模式的微物理过程中,作为砧状云形成发展所需的一种水成物来源。层状云中的大尺度云水、云冰和雪通过卷入抬升过程进入到对流上升气流中,同时又考虑了上升气流中云水、云冰向雨雪的微物理转化过程。这种相互作用过程中产生的雨和雪物质通过何种方式进行处理目前还没有明确的定论,需要通过敏感性试验来检验不同的处理方式对模拟结果的影响。另外,是否考虑上升气流对雪的卷入抬升作用以及不同的云底条件对预报的影响也需要通过敏感性试验进行检验。表 1是本节设计的3组敏感性试验具体设置情况。
3组敏感性试验 | 不同设置 | 试验名称 |
雨和雪的不同处理方
案对模拟结果的影响 | 雨和雪一旦生成就立刻在该高度层上被卷出 | test-1 |
雨水一旦生成就被卷出,而抬升过程中产生的雪
全部被抬升到云顶高度并集中在这一高度层上卷出 | test-2 | |
雪生成以后全部下落并融化为雨水,然后和
原来抬升过程中产生的雨水一起下落到地面 | test-3 | |
不同云底条件的影响 | qrc=0;qsc=0 | test-1 |
qrc=0;qsc=qss | test-4 | |
雨和雪的卷入抬升
过程的影响 | 只考虑雪的卷入抬升 | test-1 |
同时考虑雨和雪的卷入抬升 | test-5 | |
不考虑雨和雪的卷入抬升 | test-6 |
如前文所述,改进方案中对于生成的雨水和雪则假设它和云水、云冰一样,一旦生成就被卷出进入到模式微物理过程中,和实况相比这种处理方式过于简单。Fowler等(2002)通过对如何对待上升气流中产生的雪采用3种不同的沉降方式进行敏感性试验,结果发现不同的处理方式对于大气环流模式的气候模拟具有重要影响。本研究将在南海台风模式中进行类似的试验,目的在于检验雪的不同处理对台风预报的影响。以下是本研究设计的3种处理雨水和雪的方式(图 8):(1)test-1:假设对流产生的雨和雪一旦生成就立刻被卷出到上升气流外部的环境大气中,成为大尺度云微物理过程中的一种水成物来源。(2)test-2:在这个试验中,假设上升气流中生成的雨和雪全部被抬升到云顶高度并集中在这一高度层上卷出,最终作为一种水成物的来源项进入到模式微物理过程。这种假设虽然有点极端,但也不是完全没有根据的:当垂直上升气流速度较大时,密度较小的雪有可能被抬升到云顶高度附近。(3)test-3:在这个试验中,假设对流产生的雪生成以后全部下落到0°C层以下,并融化为雨水,然后和对流过程中产生的雨水一起作为对流性降水下落到地面。
对于实际情况中由于对流性上升气流而产生的雨和雪来说,test-2和test-3是两种比较极端的假设。认为雪全部抬升到云顶高度并卷出而一点都没有下降或侧边界的卷出,或者是雪全部下降成雨而不考虑上升气流的抬升作用或卷出在一定程度上来说是不现实的。然而进行这种比较极端的敏感性试验有助于检验不同的雪处理方案对GRAPES模式预报结果的影响,如果在以上3种情况下模式预报差别很明显,则说明模式对于如何处理对流性降雪比较敏感,有必要引入更加符合实际情况的雪处理方案。
对以上3种假设条件下得到的台风预报结果进行比较(图 9,test-1—test-3),可以看到3者误差情况非常接近,大致50小时的预报之后路径误差才有较大差别,耦合方案得到的预报结果都会比原始方案有明显改进。其中,test-1试验得到的台风路径预报误差最小,而台风强度的预报误差在72 h预报内则几乎没有明显差别。在Fowler等(2002)的研究结论中提到,不同的雪处理方式对气候模拟的影响主要在于当雪在云顶高度附近的卷出时造成对流层顶附近云量大量增多,从而使得长波辐射的冷却效应明显加强,并最终使得模式得到一个偏冷湿的气候。和长期的气候模拟不同,GRAPES区域模式的短期预报对于不同的雪处理方案并不是特别敏感,即使对上升气流中产生的雨和雪采用差别很大的处理方式,它们也不会在短期内对模式结果产生明显的影响。
5.4.2 不同云底条件的影响在test-1试验中,假设除雨水和雪外,上升气流底部的云底热力学性质和大尺度环境场一致:
hc=hs;qvc=qvs;qcc=qcs;qic=qis;qrc=0;qsc=0
式中,qrc取为0的原因是目前在对流上升气流中还没有对雨滴的下落速度及上升气流的速度进行参数化,只能简单地认为对流性降水一旦生成就被移除到云体以外,不再受上升气流的抬升影响。考虑到雪的密度较小,它的下落末速度通常小于对流中的上升气流速度,假设云底高度上雪的混合比与大尺度环境一致(即qsc=qss)有一定的合理性,下面进一步测试模式对不同云底条件的敏感性。从台风预报结果来看(图 9,test-1和test-4),两种不同云底条件对模式的影响并不明显,72 h内台风路径误差和中心气压差别很小,test-1的预报结果会稍好一些。这说明即使在设置云底条件上存在一定的误差,也不会对模式的短期预报产生太大的影响。可能的原因是模式云底高度较低,在这个高度上格点尺度的雪混合比qss量级很小,这样假设云内的qsc为0或者和大尺度环境场一致都不会对中高层的云内雨和雪的混合比产生太大的影响,卷入抬升作用和微物理转化作用对云内各高度层上的雪的分布起到了决定性的作用。5.4.3 雨和雪的卷入抬升过程的影响
在test-1试验里,假设对流上升气流只对雪有卷入抬升作用,而不考虑它对雨水的抬升作用。为了检验这种假设对模式预报结果的影响,设计了另外两组对比试验:假设上升气流对于雨和雪都有卷入抬升作用(test-5);完全不考虑上升气流对雨和雪的抬升作用(test-6)。从预报结果来看,对于台风路径预报,后期(60小时以后)test-1方案的预报要稍好一些,而台风强度预报则差别不大,因此考虑雨和雪的卷入抬升过程的差别不会对台风预报结果产生大的影响,其原因可能也和云外环境场中雨和雪的混合比较低有关。
5.5 多个台风个例模拟的验证本节选取多个台风个例进一步检验改进的预报效果是否对台风预报有所改进。图 10是分别利用两种方案对2012年所有台风个例(一共24个台风,在有台风编号的时段内每12 h做一次预报)进行测试的台风误差结果比较。从图 10a可以看到,引入对流云和层状云耦合机制的改进方案预报的台风路径误差都要小于或接近原SAS方案。对于台风强度的预报(图 10b),改进方案的预报结果也要稍好一些。从改进方案对多个台风个例的预报情况来看,新方案对于台风预报的改进效果是比较可靠的。
6 结 论在SAS对流参数化方案中引入对流云和层状云的耦合机制,并通过一次台风个例对改进前后两种方案的预报效果进行比较。对试验结果进行分析得到以下结论:
(1) 对于台风这种对流云和层状云相互作用非常强烈的天气系统,在对流参数化方案中引入对流云和层状云的耦合机制可以有效地提高模式对台风路径的预报水平,但是对于台风强度的预报效果不是很明显。
(2) 考虑对流参数化和微物理过程的耦合过程之后,模式的参数化降水变弱而格点降水增强,出现这种现象的原因可能与云水、云冰卷入率的假设不合理有关。
(3) 对雨和雪的不同处理方式、不同云底条件以及是否考虑雨、雪的卷入抬升3个方面进行了敏感性试验,发现72 h内模式预报结果对这些因素的反映不是很敏感。
(4) 通过和NCEP再分析资料的对比发现,改进方案对于台风外围的大尺度温度场和湿度场的预报会有改进,但仍然会出现偏冷偏干的现象。
本研究结果表明,在模式中引入对流参数化和微物理过程的耦合可以有效地改进台风路径预报效果。然而,目前的改进方案还带来了一些其他方面的负面影响,比如改进方案在热带洋面地区对流性降水占总降水比例偏低较多,还有它造成台风外围环境场预报出现偏冷、偏干的现象等,这说明本文对SAS方案的改进还是初步的,对于如何完善积云参数化与微物理过程的耦合方案,还有待进一步深入的研究。
钟敏, 吕达仁, 杜秉玉. 2006. 9914号台风降水云系雨强的二维结构初探. 南京气象学院学报, 29(1): 41-47 |
Arakawa A, Schubert W H. 1974. Interaction of a cumulus cloud ensemble with the large scale environment. Part I. J Atmos Sci, 31(3): 674-701 |
Arakawa A. 2004. The cumulus parameterization problem: Past, present, and future. J Climate, 17(13): 2493-2525 |
Arakawa A, Jung J H, Wu C M. 2011. Toward unification of the multiscale modeling of the atmosphere. Atmos Chem Phys, 11: 3731-3742 |
Charney J G, Eliassen A. 1964. On the growth of the hurricane depression. J Atmos Sci, 21(1): 68-75 |
Emanuel K A, Zivkovic-Rothman M. 1999. Development and evaluation of a convection scheme for use in climate models. J Atmos Sci, 56(11): 1766-1782 |
Fowler L D, Randall D A. 2002. Interactions between cloud microphysics and cumulus convection in a General Circulation Model. J Atmos Sci, 59: 3074-3098 |
Grell G A. 1993. Prognostic evaluation of assumptions used by cumulus parameterizations. Mon Wea Rev, 121(3): 764-787 |
Grabowski W. 2011. Toward unification of the multiscale modeling of the atmosphere. Atmos Chem Phys Discuss, 11: C439-C446 |
Han J, Pan H L. 2011. Revision of convection and vertical diffusion schemes in the NCEP global forecast system. Wea Forecasting, 26(4): 520-533 |
Jung J H, Arakawa A. 2010. Development of a quasi-3d multiscale modeling framework: Motivation, basic algorithm and preliminary results. J Adv Model Earth Syst, 2(4): doi: 10.3894/JAMES.2010.2.11 . |
Kuo H L. 1965. On formation and intensification of tropical cyclones through latent heat release by cumulus convection. J Atmos Sci, 22(1): 40-63 |
Kuo H L. 1974. Further studies of the parameterization of the influence of cumulus convection on large-scale flow. J Atmos Sci, 31(5): 1232-1240 |
Manabe S, Smagorinsky J, Strickler R F. 1965. Simulated climatology of a general circulation model with a hydrological cycle. Mon Wea Rev, 93(12): 769-798 |
Molinari J, Dudek M. 1991. Parameterization of convective precipitation in mesoscale numerical models: A critical review. Mon Wea Rev, 120(2): 326-344 |
Ooyama K. 1964. A dynamical model for the study of tropical cyclone development. Geofis Intern, 4: 187-198 |
Pan H L, Wu W S. 1995. Implementing a mass flux convection parameterization for the NMC Medium-Range Forecast model. NMC Office Note 409, 40pp |
Sud Y C, Walker G K. 1999a. Microphysics of clouds with the relaxed Arakawa-Schubert scheme (McRAS). Part I: Design and evaluation with GATE phase III data. J Atmos Sci, 56(18): 3196-3220 |
Sud Y C, Walker G K. 1999b. Microphysics of clouds with the relaxed Arakawa-Schubert scheme (McRAS). Part II: Implementation and performance in GEOS II GCM. J Atmos Sci, 56(18): 3221-3240 |
Tiedtke M. 1993. Representation of clouds in large-scale models. Mon Wea Rev, 121: 3040-3061 |