2014, 25 (4): 385-396
2. 中国气象科学研究院灾害天气国家重点实验室，北京 100081;
3. 美国国家海洋和大气管理局环境预测中心，马里兰 20746
2. State Key Laboratory of Sever Weather, Chinese Academy of Meteorological Sciences, Beijing 100081;
3. National Center for Environmental Prediction, National Oceanic and Atmospheric Administration of USA, Maryland 20746
在中尺度数值模式中，边界层内次网格尺度的湍流运动需进行参数化，不同的参数化方案往往带来不同的模拟效果[1]。Xie等[2-3]在对中国香港和英格兰东南部地区进行高分辨率模拟时，发现WRF模式中非局地方案模拟的湍流混合强度要明显强于局地方案，局地方案低估了对流边界层顶的卷夹热通量。Cintineo等[4]使用水平分辨率为4 km的WRF模式进行集合预报时，得出非局地方案所模拟的云的特性总体要好于局地方案。陈炯等[5]在对北京夏季边界层结构进行模拟时发现，MYJ方案的模拟效果要好于YSU方案。刘梦娟等[6]研究发现，BJ-RUC系统预报的对流边界层顶过高与YSU方案强的湍流混合有关。
除了晴天天气外，在中尺度强对流天气条件下边界层过程参数化及模拟也是目前研究的热点和难点。Hong等[7]指出，由边界层参数化方案决定的垂直混合强度对中尺度数值模式的降水预报能力有重要影响。Jankov等[8-9]通过改变模式的物理参数化方案进行多组试验，得出边界层参数化方案对暴雨模拟有重要影响。王晨稀等[10]通过短期集合预报试验发现不同暴雨个例对不同边界层参数化方案反映的敏感程度也不同。王康康等[11]在η模式中引进一种新的边界层湍流闭合方案，该方案模拟的边界层日循环过程更为真实，对暴雨的预报效果也有改进。朱蓉等[12]在MM5模式中加入了多尺度湍流参数化的子模式，发现改进后的模式能更好地模拟出中尺度对流系统。陈炯等[13]研究了WRF模式中有无边界层过程对江淮暴雨模拟的影响，结果表明：加入边界层过程以后模式对于暴雨的模拟能力有较大提高。
由此可见，边界层参数化方案对暴雨的模拟有重要影响，但在暴雨这种强切变和强对流天气条件下，大气中存在多种尺度的湍流交换，现有的边界层参数化方案是否还能较好地表征边界层内的输送并准确模拟出边界层结构，这些问题还需不断进行深入研究。
TWP-ICE (Tropical Warm Pool International Cloud Experiment) 试验[14]是欧美等国在澳大利亚北部达尔文港地区联合开展的热带云观测试验，该试验获得的大量观测数据可被用于数值模拟研究。本文使用WRF单气柱模式，分别选取YSU方案和MYJ方案，对TWP-ICE试验期间的个例进行数值模拟，比较在强切变和强对流天气条件下，边界层参数化方案对边界层结构、云和降水模拟的影响。
1 试验设计本文使用WRF单气柱模式 (3.3版本) 进行边界层参数化方案的对比分析，该模式仅将大气限定在一个柱体中，周围大气对其产生的影响需由强迫资料给定[15-16]。为了避免气象场的漂移，模拟采用了短期预报试验的方法，整个模拟过程由13组短期预报试验组成，从2006年1月20日开始，以每日12:00(世界时，下同) 为模拟起始时刻，进行36 h的模拟，其中前12 h作为模拟spin-up时段，将每组第12—36 h的模拟结果取出构成2006年1月21日00:00—2006年2月3日00:00的模拟结果。每组试验的模拟区域中心经纬度均为12°S，131°E，即澳大利亚达尔文站的位置，水平格距为4 km，垂直层共设100层，时间积分步长为20 s。
TWP-ICE试验的最优数据集[17]为WRF单气柱模式提供了初始场和每3 h的温度、水汽平流、地表热通量等外强迫场，该数据集由试验期间的加密探空资料、地面资料、卫星资料和数值模式资料通过变量的客观分析方法[18]获得，其时间和垂直分辨率分别为3 h和25 hPa。
本次研究共选用了两种边界层参数化方案，分别为YSU方案[19]和MYJ方案[20]。YSU方案使用K廓线方法确定湍流交换系数，而MYJ方案则通过预报湍流动能确定湍流交换系数。模拟时所采用的其他物理参数化方案包括Dudhia短波辐射方案、CAM长波辐射方案、WSM6微物理方案、Kain-Fritsch积云对流方案和Xu等[21]提出的半经验云量方案。
2 结果分析 2.1 天气形势图 1给出了模拟时段内4个不同时刻海平面气压场和850 hPa风场形势，在整个模拟期间，澳大利亚达尔文站均受夏季风影响，低空盛行来自海洋上暖湿的偏西气流。但夏季风有明显的季节内振荡，整个天气过程可分为两个阶段：季风活跃期 (2006年1月21—25日) 和季风抑制期 (2006年1月26日—2月2日)。季风活跃期主要表现为季风槽南退至达尔文站附近，并伴有低压生成。由图 1可知，模拟初期达尔文站附近的低压还未生成，但到2006年1月23日以后，达尔文站主要受低压控制，因此在该阶段常有持续性深对流发生。2006年1月25日以后，低压开始南移，达尔文站受低压的影响逐渐减弱，且该时段内在对流层中高层不断有干空气平流输送[14]，这就抑制了深对流的发展，整个阶段以浅对流为主。
|
|
| 图 1. FNL资料的海平面气压场 (阴影) 和850 hPa风场 (矢量)(三角符号代表达尔文站) Fig 1. Sea level pressure (shaded) and 850 hPa wind (arrow) from FNL data (triangle mark indicates the location of Darwin Station) | |
2.2 参数化方案对边界层结构模拟的影响
参数化方案的模拟性能受天气形势影响较大[22]，整个模拟阶段的天气过程可分为季风活跃期和季风抑制期，将分别讨论在这两种天气形势下每种方案模拟的边界层结构。湍流交换系数和湍流通量能很好地表征边界层内的湍流混合强度，图 2给出了整个模拟过程中湍流交换系数随时间和高度分布。季风活跃期，由于强对流的存在，地表向大气输送的感热通量较小，边界层内的浮力湍流也较弱。因此，两种方案得出的湍流交换系数要明显小于季风抑制期内的湍流交换系数。在季风抑制期的白天，1 km高度以下存在较大的湍流交换系数，表明该时期边界层内的湍流混合较强，湍流混合层能发展到较高高度。
|
|
| 图 2. YSU方案和MYJ方案模拟的湍流交换系数随时间和高度分布 Fig 2. Time-height cross sections of simulated turbulent exchange coefficient by YSU scheme and MYJ scheme | |
两种方案模拟的湍流交换系数存在显著差异，季风活跃期，MYJ方案模拟的湍流交换系数在0.5 km高度以下明显大于YSU方案，YSU方案模拟的湍流交换系数在整个边界层均接近于0，小的湍流交换系数对应于弱的湍流混合，偏弱的湍流混合会导致近地表的热量和水汽不易向上输送。季风抑制期，YSU方案模拟的湍流交换系数呈现出明显的日循环特征，白天湍流交换系数较大，夜间湍流交换系数较小。MYJ方案模拟结果没有表现出显著的日循环特征，如在2006年1月27日和2006年1月31日的夜间也存在较大的湍流交换系数，这会导致该方案模拟的夜间湍流混合偏强。
两种方案使用相同的地表热通量作为外强迫场，但当地表热量进入大气以后，其在边界层内的输送主要受边界层参数化方案影响。图 3给出了边界层低层湍流热通量随时间和高度的分布，由于诊断得到湍流通量值的误差随高度快速增加，图 3只给出了0.5 km高度以下的热通量。相比于季风抑制期，季风活跃期的边界层内热通量要明显偏小，这与该时期较弱的湍流混合有关。季风活跃期YSU方案模拟的感热和潜热通量小于MYJ方案，这与YSU方案在该时期模拟出较小的湍流交换系数相对应。季风抑制期，两种方案的差异主要体现在MYJ方案模拟的夜间潜热通量要明显大于YSU方案，这也与MYJ方案在该时期的夜间模拟出较大的湍流交换系数相吻合。
|
|
| 图 3. 两种方案模拟的热通量随时间和高度分布 (a) YSU方案模拟的感热通量, (b) MYJ方案模拟的感热通量, (c) YSU方案模拟的潜热通量, (d) MYJ方案模拟的潜热通量 Fig 3. Time-height cross sections of simulated heat flux by two schemes (a) sensible heat flux simulated by YSU scheme, (b) sensible heat flux simulated by MYJ scheme, (c) latent heat flux simulated by YSU scheme, (d) latent heat flux simulated by MYJ scheme | |
物理量在边界层内的垂直分布很大程度上受到湍流交换系数和湍流通量的影响，图 4给出了季风活跃期内每日03:00和15:00的平均气象要素垂直廓线，其中03:00和15:00分别对应白天和夜间的情况。在季风活跃期的白天，观测的位温随高度递增，未出现具有强混合特征的位温混合层，这与该时期弱的浮力湍流相吻合。两种方案模拟的位温廓线存在较大差异，YSU方案受到小的湍流交换系数影响，地表正的感热通量不易向上输送，其模拟的位温在低层随高度递减，200 m高度附近为位温低值区，这与观测位温廓线有明显区别，此外，该方案模拟的位温在边界层上部和自由大气中存在暖偏差。MYJ方案得到的位温基本随高度递增，且边界层内的递增率小于自由大气中的递增率，接近实际观测值。水汽混合比与位温相似，由于YSU方案小的湍流交换系数带来了弱的湍流混合，水汽不易向边界层中高层输送，主要集中于边界层低层，因此模拟值在边界层低层要远大于观测值，而在边界层中高层要小于观测值，存在较大误差。MYJ方案模拟的水汽混合比在边界层内随高度的递减率要小于自由大气中的递减率，接近实际观测值。由季风活跃期内每日03:00的平均风速垂直廓线 (图 4c) 可知，两种方案的模拟结果与观测值基本吻合，成功模拟出了边界层内强的风切变特征。
|
|
| 图 4. 季风活跃期 (2006年1月21—25日) 观测和模拟的气象要素垂直廓线 (a)03:00平均位温, (b)03:00平均水汽混合比, (c)03:00平均风速, (d)15:00平均位温, (e)15:00平均水汽混合比, (f)15:00平均风速 Fig 4. Mean vertical profiles of observed and simulated meteorological elements during active monsoon (21 January 2006-25 January 2006) (a) potential temperature at 0300 UTC, (b) vapour mixing ratio at 0300 UTC, (c) wind speed at 0300 UTC, (d) potential temperature at 1500 UTC, (e) vapour mixing ratio at 1500 UTC, (f) wind speed at 1500 UTC | |
由于白天弱的湍流混合，夜间气象要素的垂直分布与白天基本相似。夜间地表有强的长波辐射冷却，边界层内逆温现象较白天更为明显，MYJ方案能成功模拟出地表的逆温现象，而YSU方案在边界层内为强不稳定层结，这种误差在很大程度上受其白天模拟的位温垂直分布影响。YSU方案模拟的水汽混合比与白天也非常相似，在边界层下部偏湿、上部偏干，存在较大模拟误差，而MYJ方案模拟的水汽混合比与观测值十分接近。夜间两种方案也都能成功模拟出边界层内强的风切变特征，方案之间的差异较小。
图 5给出了季风抑制期边界层内气象要素的垂直廓线，白天在对流边界层中，观测和模拟的位温廓线均表现出强湍流混合特征，1 km高度以下位温随高度变化很小，为混合层。YSU方案的模拟值与观测值相吻合，MYJ方案模拟的位温在混合层内存在明显的冷偏差。水汽混合比与位温类似，1 km高度以下由于强的湍流混合，观测值和模拟值均随高度变化较小。两种方案之间差异较小，但MYJ方案模拟的水汽混合比在边界层中下部存在干偏差。季风抑制期内每日03:00的平均风速垂直廓线 (图 5c) 表明，观测的风速随高度递增，模拟值也能基本反映出这一趋势，但YSU方案在混合层内模拟的风速递增率要小于观测值，无法模拟出边界层内强的风切变，存在一定误差。
|
|
| 图 5. 同图 4，但为季风抑制期 (2006年1月26日—2月2日) Fig 5. The same as in Fig. 4, but for during suppressed monsoon (26 January 2006-2 February 2006) | |
夜间由于受到地表长波辐射冷却的影响，观测和模拟的位温垂直廓线都表现为逆温层结。YSU方案模拟的位温值在边界层内接近于观测值，误差较小，MYJ方案与白天相似，依旧存在明显的冷偏差。此外，MYJ方案模拟的位温随高度的递增率要小于观测值，这是因为该方案模拟的夜间湍流交换系数偏大导致了湍流混合偏强。观测和YSU方案模拟的水汽混合比随高度递减，而MYJ方案由于强的湍流混合，水汽混合比在边界层内随高度变化较小，存在较大误差。YSU方案模拟的水汽混合比与观测值相吻合，MYJ方案与白天相似，依旧存在明显的干偏差。夜间观测和模拟的风速随高度递增，两种方案均成功模拟出了边界层内强的风切变特征。
2.3 参数化方案对云和降水模拟的影响边界层参数化方案对边界层结构的模拟有重要影响，必然也会影响云和降水的模拟效果。图 6给出了观测和模拟的云中液态水含量随时间高度分布，其中云模式的结果为9个不同云模式[23]模拟结果的平均值。季风活跃期，由于强对流的存在，观测和模拟在7 km高度以下均存在大量的液态水。受降水影响，雷达观测在降水大值期存在较多的缺测，因此，在季风活跃期主要使用云模式模拟结果与WRF单气柱模式模拟结果进行对比。两种方案的模拟结果与云模式的结果大体一致，均存在3个大值中心。与MYJ方案和云模式相比，YSU方案模拟的液态水含量偏低，特别是在2 km季风以下，这种差异更为显著。季风抑制期，主要有浅对流发生，两种方案之间的差异相比于活跃期要明显减小，模拟的液态水含量都要略高于观测值和云模式结果。
|
|
| 图 6. 观测和模拟的液态水含量随时间和高度分布 (a) 雷达观测, (b) 云模式模拟值, (c) YSU方案模拟值, (d) MYJ方案模拟值 Fig 6. Time-height cross sections of observed and simulated liquid water content (a) observed by radar, (b) simulated by cloud-resolving model, (c) simulated by YSU scheme, (d) simulated by MYJ scheme | |
季风活跃期，YSU方案模拟出较小的湍流交换系数，湍流混合偏弱，地表的水汽不易向上输送，模拟的边界层中高层水汽混合比要明显低于观测值和MYJ方案的模拟值。图 7为观测和两种方案模拟的相对湿度随时间和高度分布，季风活跃期，由于YSU方案模拟的大气低层水汽混合比偏低，导致2 km高度以下的相对湿度明显低于观测值和MYJ方案模拟值，从而使得该时期内YSU方案模拟的云中液态水含量偏低。季风抑制期，两种方案模拟的水汽混合比在边界层内基本接近，模拟的相对湿度在大气低层也无显著差异，但均高于观测值，这也造成了该时期模拟的云中液态水含量偏高。
|
|
| 图 7. 观测和模拟的相对湿度随时间和高度分布 (a) 观测值, (b) YSU方案模拟值, (c) MYJ方案模拟值 Fig 7. Time-height cross sections of observed and simulated relative humidity (a) observed, (b) simulated by YSU scheme, (c) simulated by MYJ scheme | |
图 8给出了观测和模拟的云中固态水含量随时间和高度分布。季风活跃期，强对流的存在使得观测和模拟的云中固态水含量较高，云模式和WRF单气柱模式模拟的固态水高值中心底部高度约为5 km，要略低于观测的6 km。两种方案给出的固态水分布形势与观测和云模式的结果基本一致，主要存在3个高值中心，但在具体数值上存在一定差异，YSU方案模拟值要低于其他结果，固态水含量达到300 mg·m-3的地方明显偏少。相对于YSU方案，MYJ方案模拟值更接近观测值和云模式，其误差主要存在3个高值中心之间的低值处，在2006年1月22日和2006年1月23日两个固态水含量低值处，该方案模拟结果要高于观测值和云模式。季风抑制期，深对流较少发生，观测和模拟的云中固态水含量较低，两种方案之间的差异较小。
|
|
| 图 8. 观测和模拟的固态水含量随时间和高度分布 (a) 卫星观测, (b) 云模式模拟值, (c) YSU方案模拟值, (d) MYJ方案模拟值 Fig 8. Time-height cross sections of observed and simulated frozen water content (a) observed by satellite, (b) sumulated by cloud-resolving model, (c) simulated by YSU scheme, (d) simulated by MYJ scheme | |
季风活跃期，YSU方案偏弱的湍流混合导致其模拟的水汽含量在低层大气中明显偏少，这很可能使得低层大气向中高空输送的水汽也偏少。由图 7可以看出，YSU方案在多个时刻模拟的相对湿度在2 km高度以上都要低于观测值和MYJ方案的模拟值，较低的相对湿度带来了偏低的固态水含量。MYJ方案在2006年1月22日和2006年1月23日的模拟误差也与其没有成功模拟出6 km高度以上的两个相对湿度低值中心有关。季风抑制期，两种方案模拟的相对湿度基本一致，WRF单气柱模式模拟的高层大气相对湿度要略高于观测值。
云中液态水和固态水含量能较好地反映出云量的多少，季风活跃期，时常有强对流发生，云中液态水和固态水含量都很高，表明这一时期的低层暖云和高层冰云都很多。图 9给出了观测和模拟的云量随时间和高度分布。由图 9可知，活跃期的云层从地表一直伸展到高空，WRF单气柱模式模拟值与观测值相比，模拟的云量更多，且云层的伸展高度更高，造成这种差异的可能原因是观测雷达由于信号的衰减，漏测高层云系。其次，云量计算方案对云量模拟结果有很大影响[24]，观测的云量是通过ARSCL算法[25]反演得到，WRF单气柱模式中使用Xu等[21]提出的半经验云量方案计算云量。此外，一些研究结果也表明，单气柱模式易高估云量[26]。WRF单气柱模式配合不同边界层参数化方案得出的模拟结果也存在一定差异，对于2 km高度以下的边界层云系，YSU方案模拟的云量要明显少于观测值和MYJ方案模拟值，存在较大误差。对于高层冰云，YSU方案在2006年1月22日和2006年1月23日两个云量低值处，模拟值较观测值和云模式模拟值偏少，而MYJ方案要明显偏多。总的来说，这些模拟误差与云中液态水和固态水的模拟结果基本相对应。
|
|
| 图 9. 观测和模拟的云量随时间和高度分布 (a) 观测值, (b) 云模式模拟值, (c) YSU方案模拟值, (d) MYJ方案模拟值 Fig 9. Time-height cross sections of observed and simulated cloud fraction (a) observed, (b) simulated by cloud-resolving model, (c) simulated by YSU scheme, (d) simulated by MYJ scheme | |
季风抑制期，浅对流的发生使得低层仍有云系存在，观测和WRF单气柱模式在2 km以下均有大量的云分布，但单气柱模式模拟的云量比观测值要偏多。尽管这一时期深对流很少发生，但在10 km以上有大量的云系存在，这主要是由南方低压区的高空卷云向北平流造成的[14]，对于高空冰云的模拟，WRF单气柱模式模拟的云量要大于观测值和云模式模拟值。在整个抑制期，两种方案得出的模拟结果差异较小。
云中液态水、固态水含量和云量是影响降水强度的重要因素，图 10为整个模拟阶段降水率随时间变化曲线。季风活跃期，多有强降水发生，两种方案的模拟结果与观测基本一致，但YSU方案模拟的降水率要小于观测值和MYJ方案模拟值，如模拟的2006年1月21日和2006年1月24日两个降水率高值中心的数值明显偏小，这与该方案低估活跃期的云中液态水、固态水含量和云量密切相关。季风抑制期，两种方案模拟的降水率要大于观测值，这是因为WRF单气柱模式高估了抑制期的云中液态水、固态水含量和云量。
|
|
| 图 10. 观测和模拟的降水率随时间变化曲线 Fig 10. Time series of observed and simulated rain rate | |
3 结论
本文使用高分辨率WRF单气柱模式，分别选取了YSU方案和MYJ方案，对TWP-ICE试验期间的个例进行数值模拟，比较了两种方案对边界层结构、云和降水模拟的影响，得出以下结论：
1) 季风活跃期，MYJ方案模拟的边界层结构比YSU方案更为准确。YSU方案模拟出较小的湍流交换系数，湍流混合偏弱，边界层内热通量偏小，使得地表的热量和水汽不易向上输送，模拟的边界层低层位温和水汽混合比要明显高于观测值。
2) 季风抑制期，MYJ方案模拟的夜间边界层结构存在较大误差。该方案模拟的夜间湍流交换系数较大，湍流混合偏强，边界层内热通量偏大，模拟的位温和水汽混合比在边界层内随高度变化较小，而观测廓线在边界层内存在较大梯度。
3) 季风活跃期，MYJ方案模拟的云和降水较为准确，YSU方案偏弱的湍流混合使其模拟的水汽含量在边界层中高层及其以上的自由大气中偏少，从而导致模拟的云中液态水和固态水含量偏低，云量偏少，降水率偏小。
受观测资料的限制，本文仅对TWP-ICE试验期间的个例进行模拟分析，所得结论可能存在不确定性，下一步将对更多的对流个例进行分析。
| [1] | 顾建峰, 殷鹤宝, 徐一鸣, 等. MM5在上海区域气象中心数值预报中的改进和应用. 应用气象学报, 2000, 11, (2): 189–198. |
| [2] | Xie B, Fung J C H, Chan A, et al. Evaluation of nonlocal and local planetary boundary layer schemes in the WRF model. J Geophys Res, 2012, 117: D12103. |
| [3] | Xie B, Hunt J C R, Carruthers D J, et al. Structure of the planetary boundary layer over Southeast England:Modeling and measurements. J Geophys Res, 2013, 118: 7799–7818. |
| [4] | Cintineo R, Otkin J, Xue M, et al. Evaluating the performance of planetary boundary layer and cloud microphysical parameterization schemes in convection-permitting ensemble forecasts using synthetic GOES-13 satellite observations. Mon Wea Rev, 2014, 142: 163–182. DOI:10.1175/MWR-D-13-00143.1 |
| [5] | 陈炯, 王建捷. 北京地区夏季边界层结构日变化的高分辨模拟对比. 应用气象学报, 2006, 17, (4): 403–411. DOI:10.11898/1001-7313.20060403 |
| [6] | 刘梦娟, 陈敏. BJ-RUC系统对北京夏季边界层的预报性能评估. 应用气象学报, 2014, 25, (2): 212–221. DOI:10.11898/1001-7313.20140211 |
| [7] | Hong S, Pan H. Nonlocal boundary layer vertical diffusion in a medium-range forecast model. Mon Wea Rev, 1996, 124: 2322–2339. DOI:10.1175/1520-0493(1996)124<2322:NBLVDI>2.0.CO;2 |
| [8] | Jankov I, Gallus W A, Segal M, et al. The impact of different WRF model physical parameterizations and their interactions on warm season MCS rainfall. Wea Forecasting, 2005, 20: 1048–1060. DOI:10.1175/WAF888.1 |
| [9] | Jankov I, Schultz P J, Anderson C J, et al. The impact of different physical parameterizations and their interactions on cold season QPF in the American River Basin. J Hydrometeor, 2007, 8: 1141–1151. DOI:10.1175/JHM630.1 |
| [10] | 王晨稀, 端义宏. 短期集合预报技术在梅雨降水预报中的试验研究. 应用气象学报, 2003, 14, (1): 69–78. |
| [11] | 王康康, 张维桓, 秦凯兵. 一η模式中高分辨边界层方案及对降水影响的数值试验. 高原气象, 2004, 23, (5): 620–628. |
| [12] | 朱蓉, 徐大海. 中尺度数值模拟中的边界层多尺度湍流参数化方案. 应用气象学报, 2004, 15, (5): 543–555. |
| [13] | 陈炯, 王建捷. 边界层参数化方案对降水预报的影响. 应用气象学报, 2006, 17, (增刊I): 11–17. |
| [14] | May P T, Mather J H, Vaughan G, et al. The tropcical warm pool international cloud experiment. Bull Amer Meteor Soc, 2008, 89: 629–645. DOI:10.1175/BAMS-89-5-629 |
| [15] | Ghan S, Randall D, Xu K, et al. A comparison of single column model simulation of summertime midlatitude continental convection. J Geophys Res, 2000, 105: 2091–2124. DOI:10.1029/1999JD900971 |
| [16] | Hack J J, Pedretti J A. Assessment of solution uncertainties in single-column modeling frameworks. J Climate, 2000, 13: 352–365. DOI:10.1175/1520-0442(2000)013<0352:AOSUIS>2.0.CO;2 |
| [17] | Xie S, Hume T, Jakob C, et al. Observed large-scale structures and diabatic heating and drying profiles during TWP-ICE. J Climate, 2010, 23: 57–79. DOI:10.1175/2009JCLI3071.1 |
| [18] | Zhang M H, Lin J L. Constrained variational analysis of sounding data based on column integrated budgets of mass, heat, moisture, and momentum:Approach and application to ARM measurements. J Atmos Sci, 1997, 54: 1503–1524. DOI:10.1175/1520-0469(1997)054<1503:CVAOSD>2.0.CO;2 |
| [19] | Hong S, Noh Y, Dudhia J. A new vertical diffusion package with an explicit treatment of entrainment processes. Mon Wea Rev, 2006, 134: 2318–2341. DOI:10.1175/MWR3199.1 |
| [20] | Janjic Z I. The Step-Mountain Eta Coordinate Model: Further developments of the convection, viscous sublayer, and turbulence closure schemes. Mon Wea Rev, 1994, 122: 927–945. DOI:10.1175/1520-0493(1994)122<0927:TSMECM>2.0.CO;2 |
| [21] | Xu K, Randall D. A semiempirical cloudiness parameterization for use in climate model. J Atmos Sci, 1996, 53: 3084–3102. DOI:10.1175/1520-0469(1996)053<3084:ASCPFU>2.0.CO;2 |
| [22] | Gibbs J A, Fedorovich E, Eijk A M J V. Evaluating Weather Research and Forecasting (WRF) model predictions of turbulent flow parameters in a dry convective boundary layer. J Appl Meteor Clim, 2011, 50: 2429–2444. DOI:10.1175/2011JAMC2661.1 |
| [23] | Varble A, Fridlind A M, Zipser E J, et al. Evaluation of cloud-resolving model intercomparison simulations using TWP-ICE observations: Precipitation and cloud structure. J Geophys Res, 2011, 116: D12206. DOI:10.1029/2010JD015180 |
| [24] | 郑晓辉, 徐国强, 魏荣庆. GRAPES新云量计算方案的引进和影响试验. 气象, 2013, 39, (1): 57–66. DOI:10.7519/j.issn.1000-0526.2013.01.007 |
| [25] | Clothiaux E E, Ackerman T P, Mace G G, et al. Objective determination of cloud heights and radar reflectivities using a combination of active remote sensors at the ARM CART sites. J Appl Meteor, 2000, 39: 645–665. DOI:10.1175/1520-0450(2000)039<0645:ODOCHA>2.0.CO;2 |
| [26] | Xie S, Cederwall R T, Zhang M. Developing long-term single-column model/cloud system-resolving model forcing data using numerical weather prediction products constrained by surface and top of the atmosphere observations. J Geophys Res, 2004, 109: D01104. DOI:10.1029/2003JD004045 |