成都市空气质量预报中WRF的本地化参数选取

姚 琳, 叶芝祥, 陆成伟, 常仕镭

（成都信息工程学院资源环境学院,四川成都 610225）

0 引言

经济社会的快速发展后,城市空气污染已成为中国的一个主要环境问题。空气质量模式自20世纪60年代至今,已发展到第三代Model-3模式。Model-3由中尺度气象模式、污染源排放模式和多尺度空气质量模式3部分组成,要得到准确的空气质量模拟结果的重要前提就是先得到准确的气象模拟结果和准确的源数据。目前WRF（Weather Research and Forecasting model）模式已广泛地应用到空气质量模式中,该模式具有良好的计算架构及全面的威力参数化方案,它的研制是为了给理想化的动力学研究、全物理过程的天气预报、空气质量预报以及区域气候模拟提供一个公用的模式框架,研究表明,WRF模式更适用于Models-3是今后用来替代MM5的气象预报模式[1]。关于对WRF气象模式的参数研究,多集中于特定某一个参数方案的研究,且并没用针对某个地域的研究,但每个城市都有地形、云层等各方面的气象场特点,因此本文为找到最为适合成都本地化的WRF模式参数方案,以提高WRF模式的模拟准确度,为进一步对成都市空气质量预报打下基础。

1 模型及评估方法

1.1 模式介绍

WRF模式系统是由美国NOAA、NCEP、Air Force等多个研究部门联合开发的新一代多尺度数值预报模式。模式采用Arakawa C格点水平格点,是一个全可压非静力模式。研究选用 WRF3.2版本,模拟区域的中心点位于（30.7°N,103.97°E）,使用 9km ×3km 的 2层嵌套模式及27垂直σ层,如图1所示。

气象模式初始场为美国1°×1°的6小时NCEP再分析数据。实测比对数据为中国3小时MICAPs数据（MICAPs站点）,如图2所示。研究地区为四川省成都市,包含成都市中心城区在内的13个区县,模拟时间为2010年空气质量较严重的11月第一周（2010-11-01至2010-11-08）。

图1 WRF嵌套示意图

1.2 参数选取

WRF模式主要包括微物理过程参数、积云层参数、边界层参数、陆地过程参数等,每个过程参数的不同设置都对降水等天气的模拟具有显著的差异。为了在同等条件下评估出适合成都市本地化的参数方案,研究设计16种情景,如表1所示。

其中微物理过程参数此次选取Purdue Lin方案和WRF Single-Moment3-class（WSM3）方案。Purdue Lin方案是物理过程描述较为复杂的方案,其中包括云水、雨、水汽等多项预报量,是WRF模式中相对比较成熟的方案,比较适合理论的研究[2]。WSM3方案来自于NCEP3方案的修正,被称为是简单的冰方案,此方案包括水汽、云水或云冰、雨水或雪三种水物质,比较特别之处在于此方案的诊断关系所使用冰的数浓度是基于冰的质量含量而非温度,该方案对于业务模式来说足够有效[3]。牛俊丽[4]等和闫之辉[5]等人通过不同微物理过程方案分别针对不同的天气个例进行模拟试验,结果表明Lin方案和WSM3方案优于其他微物理过程方案,能在模拟降水量、降水强度等方面较为接近实况。

积云层参数选取Kain-Fritsch（KF）方案和Grel-Devenyi集合（GD）方案。KF（new Eta）方案是在旧KF方案基础上进行改进,利用一个简单的云模式伴随水汽的上升和下沉,同时包含了卷入和卷出,以及对粗糙的微物理过程的作用[6]。而GD方案则是一种质量通量类型,该方案采用准平衡假设,使用不同的上升、下沉、卷入、卷出的参数和降水率。屠妮妮[7]等使用不同积云对流参数方案进行典型个例降水预报的对比试验,结果表明总体预报效果以KF方案和GD方案能较好的反映观测实况。

边界层参数此次选取Eta Mellor-Yama-da-Janjic（MYJ）边界层方案和Yonsei University（YSU）边界层方案,MYJ方案用边界层和自由大气中的湍流参数化过程代替Mellor-Yamada的25阶湍流闭合模型。YSU边界层方案是Medium Range Forecast Model（MRF）边界层方案的第二代,方案在利用一个基于局地自由大气Ri的隐式局地方案来处理垂直扩散项的基础上,增加了处理边界层顶部夹卷层的方法。李嘉鹏等人[8]通过WRF模式用不同边界层参数化方案对热带深对流云的模拟效果进行研究,结果表明YSU和MYJ方案均能较好地再现海风锋的发展过程。

图2 M ICAPs站点分布图

表1 不同参数化方案

陆地过程参数此次选取Noah方案和Rapid Update Cycle（RUC）方案,Noah方案由Oregon State University（OSU）陆面过程方案经不断发展而得来[9],并发展为多机构合作开发的陆地模式,该方案能预报四层土壤温度和湿度,还可以预报土壤结冰、积雪影响,提高了城市地面的能力。RUC陆地方案是NCEP天气业务预报系统中的陆面物理参数化方案,包含六个土壤层和两个雪层的处理。此两种方案比较而言,Noah方案相对复杂,对输入数据的精确性也比较敏感[10],因此模拟效果往往没有RUC方案好。曾新民[11]等人利用WRF模式对中国短期高温天气进行不同陆地参数方案敏感性模拟分析,结果表明RUC方案比Noah方案模拟效果好。

应注意的是当边界层方案选用MYJ方案时,近地面层方案即选用MYJ Monin-Obukhov方案;当陆地过程方案选取Noah和RUC方案时,陆面模式中的土壤层数应分别选用Noah和RUC陆面过程方案。其余物理参数化方案如辐射方案、水汽方案等均选择相同的默认选项。

1.3 评估方法

通过统计学方法——平均偏差Embe、均方根偏差Emse和相关系数Corr,来对模拟结果与气象实测数据进行比对。

式中,am为模拟值;a°为MICAPs观测值;M为所选MICAPs站点数;N为时间样本数。通过以上公式可以看出,统计结果为对模型时空结合的评估,能反映模式的整体模拟情况。

2 结果分析

2.1 地表变量效果评估

将第2层模拟区域中的13个气象站点的2m处温度（T2m）、海平面气压（Psl）的MICAPs观测数据与模拟数据进行对比分析。表2和图3给出了各方案对温度和海平面气压的模拟评估结果。

如图3（a）地表温度 T2m的平均偏差 Embe可看出,各组方案的温度模拟结果均比观测值偏高一些,其中第2、6、10、14组方案的偏差较大。从各组均方根偏差 Emse可看出,各方案的离散程度均较好。表2可见,各方案的地表温度 T2m模拟值与实测值相关系数 Corr均达到0.70以上,最高 Corr为第14套方案,Corr为0.885,各方案的Corr平均值为0.810,在统计学上有较好的正相关性。在16种方案中,达到其相关系数平均值的共有9组参数化方案,分别为第2、6、7、10、11、12 、14、15、16 组方案,虽然这 9 组方案的相关系数差别不大,但再从图3（a）可看出,各组在模拟值与实测值的偏差上还是有差异的,这9组方案中 Embe最小的为第15组,其次为第11组,再为第16组。

如图3（b）所示,在对海平面气压Psl的模拟上,模拟值均比实测值偏低一些,但各组的 Embe、Emse差异均不大。表2可见各组方案模拟效果在相关系数 Corr上差异也不大,各组 Corr均达到0.959以上,Corr平均值为0.963,在统计学意义上有较好的正相关性。

由于成都市地势较平坦,各监测站点海拔差距较小,海平面气压Psl虽然随温度、水汽、海拔等气象要素有相关性,但海平面气压Psl随之变化的幅度较小,因此各组Psl模拟结果差异没有像地表温度T2m模拟效果明显,因此在选取合适的参数化方案时,可以侧重于在地表温度 T2m模拟效果上的评估。由图3（a）可看出在 T2m相关系数均达到0.810以上的各组方案中,第15组表现最好,其次为第11组,再为第16组。

表2 温度、海平面压强相关系数 Corr结果

通过第15组与第14组,第11组与第10组,第5组与第第6组,第3组与第2组的不同评估结果可看出,在其它参数方案都相同的情况下,边界层参数方案对模拟结果的影响显著。使用MYJ方案第15、11、5、3组方案效果,明显在模拟偏差上优于选用YSU方案的第14、10、6、2组。

图3 16组方案模拟值与实测值的统计学评估

2.2 高空模拟效果评估

由于成都市仅温江站点有MICAPs高空监测数据,此次在垂直方向上,选取了温江站（站点号:56187）对850、700、500、400、300、250、200hPa气压层的一周温度数据进行评估。模拟结果如图 4所示,各方案相关系数均在0.70以上,在统计学意义上均有较好的正相关性。

由于850hPa气压层位势高度在1500m左右,此高度依然可以受到陆地参数及边界层参数的影响,所以各模拟效果差异明显。而随着气压层的递减高度的增加,各气压层受各参数的影响减小,因此模拟效果差异逐步减小,而当在250hPa气压层基本已在边界层以外,模拟效果基本一致,可以认为此层开始已经不受边界层方案及陆地方案等的影响。大气中污染物的迁移、扩散等作用主要发生在大气边界层内,因此空气预报的重点应在850hPa此气压层上。从图5可看出,第15组表现最好。

图4 200～850hPa气压层各温度模拟相关系数

图5 850hPa气压层温度评估结果

3 结束语

通过对成都市2010年11月第一周进行模拟,设计了16组WRF模式参数方案,并将模拟值与MICAPs实测值中地表温度（T2m）和海平面气压（Psl）及高空850hPa气压层的温度进行统计学评估,第15组参数化方案模拟结果与MICAPs气象实测数据的对比分析效果表现最佳,是为成都市空气质量预报中WRF的最优参数设置,第11组次之。各组参数方案受边界层参数方案的影响明显,使用了YSU边界层方案的模拟效果比用MYJ边界层方案效果差,结果表明MYJ边界层方案更适用于成都地区的模拟。本研究力求得到较好的本地化参数方案,以提高WRF模式的模拟准确度,为进一步对成都市空气质量预报打下基础。

[1] 程兴宏,徐祥德,丁国安,等.MM5/WRF气象场模拟差异对CMAQ空气质量预报效果的影响[J].环境科学研究,2009,22（12）:1411-1419.

[2] Lin Y L,Farley RD,Orville H D.Bulk parameterization of the snow field in a cloud model[J].J Climate Appl Meteor,1983,22（6）:1065-1092.

[3] 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）:529-536.

[4] 牛俊丽,闫之辉.WRF模式微物理方案对强降水预报的影响[J].科技信息,2007,23:17-20.

[5] 闫之辉,邓莲堂.WRF模式中的微物理过程及其预报对比试验[J].沙漠与绿洲气象,2007,1（6）:1-6.

[6] KAIN J S,FRITSCH JM.A one-dimensional entraining/detraining plume model and its application in convective param eterization[J].J Atmos Sci,1990,47（23）:2784-2802.

[7] 屠妮妮,何光碧,张利红.WRF模式中不同积云对流参数化方案对比试验[J].高原山地气象研究,2011,31（2）:18-25.

[8] 李嘉鹏,银燕.WRF模式中边界层参数化方案对热带深对流云模拟的敏感性实验[A].中国气象学会2007年年会人工影响天气科技进展与应用分会场论文集[C],2007.

[9] Ek M B,Mitchell K E,Lin Y,et al.Implementation of Noah land-surface model advances in the National Center Environment Prediction operational mesoscale Eta model.J Geophys Res,2003,108:8851,doi:10.1029/2002JD003296.

[10] MAO Q,GAUTNEY L L,COOK T M,et al.Numerical experiments on MM5-CMAQ sensitivity to various PBL schemes[J].Atmospheric Environment,2006,40（17）:3092-3110.

[11] 曾新民,吴志皇,熊仕炎,等.WRF模式短期高温天气模拟对陆地方案的敏感性[J].中国科学,2011,41（9）:1375-1384.