多模式对美国中部草原大气边界层模拟的对比分析

黄文彦，吴建秋，吴晶璐，陈渤黎，雷正翠

(江苏省常州市气象局，江苏　常州　213022)



多模式对美国中部草原大气边界层模拟的对比分析

黄文彦，吴建秋，吴晶璐，陈渤黎，雷正翠

(江苏省常州市气象局，江苏常州213022)

利用DICE试验的4个大气模式(UM、GEM、LMD和WRF)模拟结果，结合探空资料，对比分析了不同模式对1999年10月23—26日美国中部草原白天对流边界层和夜间稳定边界层的模拟效果。结果表明：对于白天对流边界层，不同模式之间存在明显差异，这与各自的边界层参数化方案密切相关。其中，UM和LMD模式中，边界层和自由大气之间强的卷夹作用导致了偏强的湍流混合，进而使模拟的混合层高度高于观测值；GEM模式模拟的白天湍流混合偏弱，边界层为不稳定的大气层结，且模拟的风速在边界层中随高度基本呈递增趋势，但与观测值差异较大；所有模式中WRF模式模拟效果最佳，成功模拟出24日边界层与自由大气之间的水汽干层和低风速区。对于夜间稳定边界层，不同模式之间差异较小。其中，UM和GEM模式模拟的24、25日夜间低空急流偏弱，而LMD和WRF模式模拟的夜间低空急流更接近实况。

边界层；湍流混合；卷夹作用；夜间低空急流；多模式对比

引　言

大气边界层主要指大气下界面中受地表影响较明显的气层，其主要特征是大气湍流运动显著。大气边界层是整个大气层的重要组成部分，地球表面的热量和水汽最先从地表进入大气边界层中，然后通过边界层中的湍流输送到达更高高度。因此，边界层中的大气状态与污染物的扩散[1-2]、暴雨的发生发展[3-6]和台风的发展移动[7-9]等密切相关，大气边界层的研究越来越受到重视[10-11]。

随着计算机的快速发展，现代天气业务愈发依赖于数值模式，而大气边界层的模拟又是数值模拟中的难点和热点[12-13]。大气边界层模拟的好坏直接影响到气温、水汽和风速等基本气象要素的具体数值及变化特征等。Hu等[14]使用中尺度WRF(Weather Research and Forecasting)模式模拟美国德克萨斯州7—9月的大气边界层发现，使用非局地边界层方案会造成边界层内的湍流混合偏强，导致模拟的地面气温偏高和湿度偏低，而使用局地边界层方案时却得出相反的结论，模拟的地面气温偏低和湿度偏高。张龙等[15]在WRF模式中选用了不同的边界层参数化方案模拟黄土高原冬季地面气象要素的日变化，结果表明不同方案模拟出的风速和气温存在较大差异。罗峰等[16]利用WRF模式在有云条件下使用不同边界层参数化方案模拟安徽寿县的边界层结构，得出白天非局地边界层方案模拟的位温和水汽廓线较局地方案更为合理。刘晓冉等[17]研究了边界层参数化方案对西南涡模拟的敏感性，认为YSU(Yonsei University)方案对低涡的移动路径及强度和低涡带来的降水空间分布模拟的最合理。王子谦等[18]选用了WRF模式中常用的4种边界层方案对东亚夏季风进行了模拟，结果发现局地边界层方案模拟的夏季风环流和降水时空分布比非局地方案更接近观测值。贵志成等[19]同样运用WRF模式中的多种边界层参数化方案对东亚夏季风进行数值模拟，得出边界层参数化方案对季风区的降水、气温和大气环流等均会产生明显的影响。另外，大气边界层的模拟在空气污染模式中也极其重要。刘丽丽等[20]研究发现，边界层内风速较弱、湿度较大有利于局地污染物排放的积累，从而导致天津地区易发生灰霾污染。吴蒙等[21]研究认为，边界层高度较低和边界层内风速较小且有持续稳定的逆温层存在是广东东莞地区PM2.5浓度较高的主要原因。彭华青等[22]把造成苏南地区连续霾的地面形势分为4类，且每类都具有独特的边界层结构。

以上研究表明，大气边界层的模拟好坏对于整个数值模式的模拟性能有一定影响，之前一些研究更多关注边界层过程对于基本气象要素、天气和气候的模拟影响，而忽视了模式模拟得到的边界层结构特征，但这些信息对于模式中边界层过程的改进有重要作用。本文以DICE(Diurnal Land-Atmosphere Coupling Experiment)试验为例，归纳对比了目前较为先进的几个数值模式对大气边界层的模拟特征及效果，为模式的进一步改进提供一些有意义信息。

1　资料与方法

DICE试验汇集了目前多个较流行的陆面模式、大气模式和陆气耦合模式，研究大气边界层和陆面之间的相互作用。该试验是在CASES-99试验[23]基础上开展的，整个试验分为3个部分：单独运行各自陆面模式、各自大气模式和陆面—大气耦合模式，通过比对每一部分的模拟结果来对比不同模式陆气耦合的强度。模拟和分析中使用了CASES-99试验的观测数据，主要包括探空资料和10 m及60 m处铁塔观测的气温、湿度、风速资料和感热、潜热、摩擦速度等地表通量资料[23]。这些资料主要用于陆面和大气模式的初始场和强迫场，以及检验各模式的模拟效果。

本文选用了DICE试验中4个较具代表性的大气模式输出结果，即整个试验的第2部分模拟结果(可从http://appconv.metoffice.com/dice/dice_files/dice_submitted_data.html获得)，对比不同模式模拟边界层的效果。4个大气模式分别为：英国气象业务模式(Unified Model，UM)[24]、加拿大气象业务模式(Global Environmental Multiscale，GEM)[25]、法国动力气象实验室发展的大气模式(Laboratory of Meteorology Dynamics，LMD)[26]和中尺度气象模式(WRF)。模式模拟的中心位置为96.735°W、37.65°N，位于美国中部的大草原上，模拟时间为1999年10月23日14:00—26日14:00(地方时，下同)，这3 d的白天都为晴空情况下的对流边界层，但夜间稳定边界层存在明显的差异，其中第1天、第2天分别为以间歇性、连续性湍涡运动为主的稳定边界层，第3天为强稳定边界层。所有大气模式都为单气柱版本，即水平方向上为单个网格点，模式使用观测的地表感热、潜热通量和摩擦速度等资料代替陆面方案，具体试验配置可参见表1。

表1　数值模拟试验配置

2　结果与分析

2.1白天对流边界层

在晴空的白天，地面接收太阳短波辐射后通过向上的感热通量向大气传递热量，此情形下的大气边界层为不稳定层结，大气具有明显的湍流特征。图1为1999年10月24—26日试验期间14:00观测和模拟的不同气象要素垂直廓线。可看出，观测和模拟的位温廓线都可分为3层(图1a、图1b、图1c)。从地面向上到600 m左右，位温值随高度基本无明显变化，为混合层，这主要是由湍流运动引起的强混合所致；600～800 m范围内位温随高度快速增加，为强逆温层，该层为大气边界层和自由大气的过渡带；800 m以上位温随高度的递增率较强逆温层有所减小，为自由大气。4个模式都很好地模拟出位温这3个不同层次，但存在一些细微差别，且随时间的推移差异越大，其中UM和LMD模式模拟的位温混合层高度明显高于GEM模式，且25日和26日均高于观测的混合层高度。可见，UM和LMD模式模拟的不稳定边界层的湍流混合偏强，特别是UM模式模拟的混合层位温明显高于观测值和其它模式的模拟值，这可能是因为该模式强湍流混合导致有更多高位温的自由大气卷夹进入混合层。与UM和LMD模式相反，GEM模式中湍流混合显著偏弱，特别是25日和26日观测的位温廓线在混合层中为弱的不稳定层结，而该模式却模拟出了不稳定的温度层结。WRF模式模拟的位温混合层高度在25日和26日均介于UM、LMD和GEM模式之间，较为接近实际观测，但在具体位温数值上存在1 K左右的模拟误差。

由观测的水汽垂直分布(图1d、图1e、图1f)可知，在约600 m高度以下，水汽混合比随高度变化很小，为湍流混合层；600～800 m之间水汽混合比随高度变化很大，为边界层和自由大气过渡带；800 m高度以上则为自由大气。24日观测的水汽廓线与25日和26日有明显差异，24日自由大气下部比边界层内的水汽混合比偏大，而25日和26日则正好相反，造成这种差别的主要原因是24日850 hPa以下存在明显的湿层。24日，受自由大气下部湿层影响，观测的水汽廓线在边界层与自由大气之间有一干层，UM和LMD模式由于湍流混合明显偏强，使地表水汽向上输送至更高高度，造成模拟的廓线在干层中的水汽混合比并未显著减小。26日，UM模式模拟的水汽混合层高度也明显高于观测值，但水汽混合比值却小于观测值，这也与强湍流混合使更多的水汽被输送到自由大气中有关；GEM模式模拟的边界层内水汽混合显著偏弱。25日和26日，该模式模拟的水汽混合层高度明显低于观测值，但水汽混合比值却高于观测值，这主要是因为较弱的湍流混合不易使混合层内的水汽往更高层输送。综合来看，WRF模拟效果最佳，特别是在24日成功模拟出了边界层与自由大气之间的干层。

在边界层内风随高度的变化廓线与位温和水汽相比有些区别(图1g、图1h、图1i)，在600 m高度以下观测的混合层风速有明显的波动，但所有模式都无法模拟出这种波动结构，仅描述出风随高度的平均状态。不同模式之间仍有区别，UM和LMD模式模拟的湍流动量混合依旧偏强，在24日较强的湍流混合使其没有模拟出边界层和自由大气之间的低风速区。与UM和LMD模式相反，GEM模式模拟的湍流动量混合依旧偏弱，在25、26日模拟的风速在边界层中随高度基本呈递增趋势，没有模拟出混合层内风速垂直分布较为均匀的特征。所有模式中依旧是WRF模式模拟效果最好，其成功模拟出了24日边界层和自由大气之间的低风速区。

图1　1999年10月24(a，d，g)、25(b，e，h)、26(c，f，i)日14:00观测和模拟的美国中部草原位温(a，b，c)、水汽混合比(d，e，f)和风速(g，h，i)垂直廓线

边界层内湍流通量的垂直分布基本能反映出湍流混合的强度，图2为所有模式模拟的湍流通量的垂直廓线。与水汽垂直廓线相似，湍流水汽通量在3 d的模拟中也存在一些差异。24日，UM模式在边界层顶附近湍流水汽通量为负值，而在其余2天则为正值，这主要是因为边界层上部的卷夹作用使得自由大气下部具有较大水汽混合比的空气进入边界层中。由图2a、图2b、图2c可知，UM和LMD模式模拟的湍流热通量在边界层和自由大气的过渡带为负值，该区域为卷夹区，强卷夹说明自由大气与边界层之间大气的湍流交换较强，即大气的湍流混合较强；GEM和WRF模式模拟的热通量负值区域很小，表明自由大气与边界层内大气的湍流交换较弱，即边界层内的湍流混合偏弱。不同模式间的边界层内湍流强度差异很可能与各自的大气边界层参数化方案有关。UM和LMD模式在对流边界层中都选用了非局地湍流参数化方案来描述边界层内的湍流输送，而GEM和WRF模式则使用了局地TKE(Turbulence Kinetic Energy)湍流输送方案。许多研究表明，相比于局地参数化方案，非局地参数化方案模拟的湍流强度更强[15-16]。湍流水汽通量廓线(图2d、图2e、图2f)显示，在25日和26日UM和LMD模式模拟的湍流水汽通量在边界层高层明显高于其它2个模式，表明UM和LMD模式模拟的湍流交换强于GEM和WRF模式。GEM模式模拟的湍流动量通量显著低于其它3个模式(图2g、图2h、图2i)，致使风速混合较弱，无法很好模拟出风速的混合层。总体上，边界层内湍流通量垂直分布与气象要素垂直分布基本吻合。

2.2夜间稳定边界层

在夜间，地表通过向外发射长波辐射而不断冷却，边界层下部大气受其影响温度也不断下降，大气层结为上暖下冷的稳定层结。图3给出24—26日试验期间02:00观测和模拟的不同气象要素垂直廓线。由图3a、图3b、图3c可知，在边界层内位温随高度升高快速递增，200～600 m之间的大气位温随高度的递增率最小，该层为白天的残余层。所有模式模拟的结果与观测值都比较接近，成功模拟出边界层内的稳定层结及其上面的残余层，不同模式的差异较小，主要体现在UM模式在26日模拟的边界层内的位温值高于观测和其它模式模拟值，这可能是因为白天强湍流混合导致整个边界层内位温偏高。

图2　1999年10月24(a，d，g)、25(b，e，h)、26(c，f，i)日14:00模拟的美国中部草原湍流热通量(a，b，c)、水汽通量(d，e，f)和动量通量(g，h，i)垂直廓线

图3　1999年10月24(a，d，g)、25(b，e，h)和26(c，f，i)日02:00观测和模拟的美国中部草原位温(a，b，c)、水汽混合比(d，e，f)和风速(g，h，i)垂直廓线

水汽的垂直分布(图3d、图3e、图3f)显示，除25日外，观测的水汽混合比在边界层内均随高度升高快速递减，而25日水汽混合比在边界层内随高度升高递增的主要原因是当夜以连续性湍涡运动为主，较强的湍流输送使得地表失去了较多的水汽。边界层以上所有观测的水汽混合比随高度变化幅度明显减小，为白天的残余层。4个模式模拟的结果基本接近，且与观测值之间的差异也较小。

夜间稳定边界层的一个显著特征是在低空有急流存在，24、25日观测的风速在低空都存在强的低空急流(图3g、图3h)，且边界层内整个风速都很大，强风速和风切变有利于机械湍涡的形成，从而造成夜间有湍流运动发生；26日观测的风速较小，夜间低空急流不明显(图3i)，因此当夜为强稳定边界层，无湍流运动发生。所有模式模拟值与观测相近，基本模拟出了24、25日的低空急流，但UM和GEM模式模拟的急流偏弱，而LMD和WRF模式模拟的急流更接近实况。

图4是所有模式模拟的夜间湍流通量的垂直廓线。与白天对流边界层相比，不同模式模拟的夜间湍流通量的差异明显减小。所有模式在26日模拟的夜间湍流通量都接近于0，这与26日强稳定层结吻合，而24日模拟的夜间湍流动量通量和25日模拟的夜间所有湍流通量都不等于0，与这两日夜间存在机械湍流运动相吻合。UM和GEM模式模拟的24、25日夜间低空急流较弱可能与其夜间偏强的湍流混合有关。

2.3边界层高度

边界层高度是综合反映边界层特征的一个物理量，图5是整个试验期间边界层高度的时间变化序列。可以看出，4个模式模拟的边界层高度均存在明显的日变化，UM和LMD模式模拟的白天对流边界层高度明显高于GEM和WRF模式，且在中午时段差异最明显，这主要是因为前2个模式模拟的边界层内湍流混合较强，导致混合层高度较高；不同模式模拟的夜间稳定边界层高度之间的差异较小。受夜间机械湍涡的影响，4个模式模拟的24、25日夜间稳定边界层高度均明显高于26日的强稳定边界层高度，可见模式能很好地区分出夜间稳定边界层中是否有湍涡运动。

图4　1999年10月24(a，d，g)、25(b，e，h)、26(c，f，i)日02:00模拟的美国中部草原湍流热通量(a，b，c)、水汽通量(d，e，f)和动量通量(g，h，i)垂直廓线

图5　1999年10月23日14:00—26日14:00模拟的美国中部草原边界层高度时间序列

3　结　论

(1)对于白天对流边界层，不同模式之间存在明显差异，这与各自的边界层参数化方案密切相关。UM和LMD模式中，边界层和自由大气之间强的卷夹作用导致湍流混合偏强，造成模拟的混合层高度高于观测值；GEM模式模拟的白天湍流混合偏弱，边界层大气层结为不稳定层结，且风速随高度基本呈递增趋势，但与观测值差异较大；WRF模式模拟效果最佳，成功模拟出24日边界层与自由大气之间的水汽干层和低风速区。

(2)对于夜间稳定边界层，不同模式之间差异较小。所有模式都成功区分出有湍涡运动出现的夜间稳定边界层和湍流交换很弱的夜间强稳定边界层，且模拟的要素值与观测较为接近。其中UM和GEM模式模拟的24、25日夜间低空急流偏弱，而LMD和WRF模式模拟的夜间低空急流更接近实况。

[1] 李二杰,刘晓慧,李洋,等. 一次重污染过程及其边界层气象特征量分析[J]. 干旱气象,2015,33(5):856-860.

[2] 郭萍萍,杨建才,殷雪莲,等. 甘肃省春季一次连续浮尘天气过程分析[J]. 干旱气象,2015,33(2):303-309.

[3] 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[J]. Weather and Forecasting, 2005,20:1048-1060.

[4] 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]. Journal of Hydrometeorology, 2007,8:1141-1151.

[5] Efstathiou G A, Zoumakis N M, Melas D, et al. Sensitivity of WRF to boundary layer parameterizations in simulating a heavy rainfall event using different microphysical schemes. Effect on large-scale processes[J]. Atmospheric Research, 2013,132:125-143.

[6] Hong S, Pan H. Nonlocal boundary layer vertical diffusion in a medium-range forecast model[J]. Monthly Weather Review, 1996,124(10):2322-2339.

[7] Braun S A, Tao W. Sensitivity of high-resolution simulations of hurricane Bob (1991) to planetary boundary layer parameterizations[J]. Monthly Weather Review, 2000,128(12):3941-3961.

[8] Li X, Pu Z. Sensitivity of numerical simulation of early rapid intensification of hurricane Emily (2005) to cloud microphysical and planetary boundary layer parameterizations[J]. Monthly Weather Review, 2008,136(11):4819-4838.

[9] Kanada S, Wada A, Nakano M, et al. Effect of planetary boundary layer schemes on the development of intense tropical cyclones using a cloud-resolving model[J]. Journal of Geophysical Research, 2012,117(D3),DOI:10.1029/2011JD016582.

[10] 张强. 大气边界层气象学研究综述[J]. 干旱气象,2003,21(3):74-78.

[11] 张强,黄荣辉,王胜. 浅论西北干旱区陆面过程和大气边界层对区域天气气候的特殊作用[J]. 干旱气象,2011,29(2):133-136.

[12] Kleczek M, Steeneveld G, Holtslag A. Evaluation of the weather research and forecasting mesoscale model for GABLS3:impact of boundary-layer schemes, boundary conditions and spin-up[J]. Boundary-Layer Meteorology, 2014,152(2):213-243.

[13] Steeneveld G, Ronda R, Holtslag A. The challenge of forecasting the onset and development of radiation fog using mesoscale atmospheric models[J]. Boundary-Layer Meteorology, 2015,154(2): 265-289.

[14] Hu X, Nielsen-Gammon J W, Zhang F. Evaluation of three planetary boundary layer schemes in the WRF model[J]. Journal of Applied Meteorology and Climatology. 2010,49(9):1831-1844.

[15] 张龙,张镭,王颖,等. 基于WRF不同边界层方案的黄土高原丘陵冬季地面气象要素日变化模拟分析[J]. 干旱气象,2012,30(2):158-168.

[16] 罗峰,王成刚. 有云条件下WRF模式中5种边界层参数化方案的比较研究[J]. 科学技术与工程,2015,15(20):17-24.

[17] 刘晓冉,李国平. WRF模式边界层参数化方案对西南低涡模拟的影响[J]. 气象科学,2014,34(2):162-170.

[18] 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.

[19] 贵志成,郑益群,曾新民,等. 不同边界层参数化方案对东亚夏季风气候模拟的对比研究[J]. 气象科学,2014,34(6):638-646.

[20] 刘丽丽,王莉莉. 天津冬季重霾污染过程及气象和边界层特征分析[J]. 气候与环境研究,2015,20(2):129-140.

[21] 吴蒙,吴兑,范绍佳,等. 东莞地区冬季大气边界层结构对PM2.5影响的观测研究[J]. 中山大学学报(自然科学版),2015,54(4):158-170.

[22] 彭华青,钱映月,刘端阳,等. 苏南地区连续霾及重度霾的边界层气候特征[J]. 长江流域资源与环境,2014,23(12):1783-1793.

[23] Poulos G, Blumen W, Fritts D, et al. CASES-99:a comprehensive investigation of the stable nocturnal boundary layer[J]. Bulletin of the American Meteorological Society, 2002,83(4):555-581.

[24] Humphrey W, Clark P, Dixon M, et al. Characteristics of high-resolution versions of the met office unified model for forecasting convection over the United Kingdom[J]. Monthly Weather Review, 2008,136(9):3408-3424.

[25] Charron M, Polavarapu S, Buehner M, et al. The stratospheric extension of the Canadian global deterministic medium-range weather forecasting system and its impact on tropospheric forecasts[J]. Monthly Weather Review, 2012, 140(6): 1924-1944.

[26] Hourdin F, Foujols M, Codron F, et al. Impact of the LMDZ atmospheric grid configuration on the climate and sensitivity of the IPSL-CM5A coupled model[J]. Climate Dynamics, 2013,40(9):2167-2192.

[27] Lock A, Brown A, Bush M, et al. A new boundary layer mixing scheme. Part I:scheme description and single-column model tests[J]. Monthly Weather Review, 2000,128(9):3187-3199.

[28] Mellor G, Yamada T. Development of a turbulence closure model for geophysical fluid problems[J]. Reviews of Geophysics and Space Physics,1982,20(4):851-875.

[29] Hourdin F, Couvreux F, Menut L. Parameterization of the dry convective boundary layer based on a mass flux representation of thermals[J]. Journal of the Atmospheric Sciences, 2002,59(6):1105-1123.

[30] Janjic Z. The step-mountain eta coordinate model: further developments of the convection, viscous sublayer, and turbulence closure schemes[J]. Monthly Weather Review, 1994,122(5):927-945.

[31] Edwards J, Slingo A. Studies with a flexible new radiation code, I:choosing a configuration for a large-scale model[J]. Quarterly Journal of the Royal Meteorological Society, 1996,122(531):689-719.

[32] Li J, Barker H. A radiation algorithm with correlated-k distribution. Part I:local thermal equilibrium[J]. Journal of the Atmospheric Sciences, 2005,62:286-309.

[33] Morcrette J. Radiation and cloud radiative properties in the European Centre for Medium Range Weather Forecasts forecasting system[J]. Journal of Geophysical Research, 1991,96(D5):9121-9132.

[34] Iacono M, Delamere J, Mlawer E, et al. Radiative forcing by long-lived greenhouse gases: calculations with the AER radiative transfer models[J]. Journal of Geophysical Research, 2008,113(D13),DOI:10.1029/2008JD00944.

Comparison of Atmospheric Boundary Layer Simulation by Multiple Models over Grassland in Central USA

HUANG Wenyan, WU Jianqiu, WU Jinglu, CHEN Boli, LEI Zhengcui

(ChangzhouMeteorologicalBureauofJiangsuProvince,Changzhou213022,China)

Based on the results simulated by four atmospheric models (UM, GEM, LMD and WRF) in DICE and sounding data, the effects of simulation on convective boundary layer in the daytime and stable boundary layer at night over grassland in central USA from 23 to 26 October 1999 were comparatively analyzed. The results showed that the vertical distributions of meteorological elements in the convective boundary layer over grassland in central USA in the daytime from 23 to 26 October 1999 simulated by four atmospheric models were significantly different, which were related with their parameterization schemes. The turbulent mixing was stronger due to entrainment action between the boundary layer and free atmosphere, which resulted in the higher height of mixture layer simulated by UM and LMD models than the observed. However the simulated turbulent mixing by GEM model was weaker, the atmospheric stratification in boundary layer was unstable, and the simulated wind speed generally increased with height, which differed greatly from observation. The simulated effects by WRF were the best in all models, the WRF model could successfully simulate the area of low wind speed and dry layer of water vapour between boundary layer and free atmosphere on 24 October 1999. For the stable boundary layer during the nighttime, there were small simulated differences in all models. The simulated low-level jets by UM and GEM models during the nighttime were weak, while those simulated by WRF and LMD models were close to observation on 24 and 25 October 1999.

atmospheric boundary layer; turbulent mixing; entrainment action; low-level jet at night; multiple models comparison

10.11755/j.issn.1006-7639(2016)-04-0710

2015-09-21；改回日期：2015-11-05

常州市科技局科技支撑计划社会发展类项目(CE20145047、CE20135047)和江苏省气象科研开放基金项目(201206)共同资助

黄文彦(1989- )，男，硕士，助理工程师，主要从事气溶胶气候效应和边界层气象等研究. E-mail:h_wenyan@yahoo.com

1006-7639(2016)-04-0710-08DOI:10.11755/j.issn.1006-7639(2016)-04-0710

P404

A

黄文彦，吴建秋，吴晶璐，等.多模式对美国中部草原大气边界层模拟的对比分析[J].干旱气象，2016，34(4)：710-717, [HUANG Wenyan, WU Jianqiu, WU Jinglu, et al. Comparison of Atmospheric Boundary Layer Simulation by Multiple Models over Grassland in Central USA[J]. Journal of Arid Meteorology, 2016, 34(4):710-717],