高分辨率WRF模式中土壤湿度扰动对短期高温天气模拟影响的个例研究

易翔 曾新民 郑益群 王宁 王明 周骁 汪彪



高分辨率WRF模式中土壤湿度扰动对短期高温天气模拟影响的个例研究

易翔1曾新民1郑益群1王宁1王明1周骁1汪彪2

1解放军理工大学气象海洋学院，南京 211101,2中国人民解放军海军南海舰队海洋气象水文中心，湛江524001

本文利用WRFV3.6中尺度预报模式就土壤湿度扰动对2003年7月22～23日和29～30日短期高温天气过程的影响进行了高分辨率模拟研究。结果表明：（1）WRF模式地表气温对土壤湿度扰动有较强的敏感性，且随着土壤湿度的增加（减小）而降低（升高）。同时，模式中土壤湿度对地面气温影响的强度对模式分辨率具有较高的依赖性。（2）不同模式分辨率下气温随土壤湿度变化的规律一致；由于更高分辨率的地形资料的应用，提高分辨率可在较大程度上改善模拟效果。（3）不同土壤湿度试验模拟的地表感热、潜热通量可直接影响气温变化；（4）土壤湿度扰动通过间接影响高温发展的近地层各物理过程使得地表气温发生变化。这些过程中，对流（平流）过程在全天表现为增温（冷却）的作用，强度在白天均随土壤湿度的减小而增加。在较干的土壤条件下，非绝热增温在白天的主导地位加强；在夜间，非绝热冷却的强度减弱，且小于占据主导的对流绝热增温的强度。以上结果表明，在模拟和预报高温天气时土壤湿度非常重要，也意味着通过土壤湿度扰动的集合预报方法来改进模式高温模拟预报具有较大的潜力。

WRF模式 高温 土壤湿度 分辨率 物理机理

1 引言

作为我国夏季主要的危害天气之一，高温对人体健康、农林牧业生产、城市供水供电等各方面造成严重的威胁（徐金芳等, 2009; 朱珍等, 2013）。有研究称，高温热浪过程可使得人群超额死亡率达到20%以上（许遐祯等, 2011），并可局地减少小麦产量最高达32%（杨绚等, 2013）。尤其是2003年夏季席卷欧亚大陆的高温热浪，其持续时间之长、强度之大，创下了历史记录（Stott et al., 2004; Tobías et al., 2010）。可见，提高对高温天气的预测能力以服务于相应的防灾减灾是一项非常重要的工作。

前人从大气环流、海温等方面对于高温天气产生的原因进行了分析（彭海燕等，2005；隋翠娟等， 2014）。实际上，作为反映了陆气间能量、水分、动量输送和物质交换过程（曾新民等，2012），陆面过程对高温的发生发展有着重要的作用（Zeng et al., 2011, 2015）。土壤湿度作为重要的陆面变量，决定陆气间的通量传输（Song et al., 2009; 李得勤等，2015），通过影响陆气相互作用来改变边界层乃至自由大气的动力和热力特征，对局地气候乃至全球气候都有着非常重要的作用（周亚军等，1994）。如，Shukla and Mintz（1982）作了7月全球土壤为永久性干和永久性湿两个试验，发现20°S以北干土壤地表气温比湿土壤高出15～20°C。Rowntree and Bolton（1983）利用全球模式分析了大气对初始土壤湿度的响应机制，结果表明土壤湿度减少会导致降水减少、温度升高，土壤湿度增加会导致降水增多、温度降低。张井勇和吴凌云（2011）的研究则表明，在中国东部和西南大部分地区，30%～70%的高温日数和热浪次数由土壤湿度—大气相互作用引起。这些工作都表明了土壤湿度对气温的重要影响。

上述研究中模拟工作都是基于较粗分辨率 （＞10 km）的全球及区域模式进行的。对局部区域的精细化预报，需要更高的空间分辨率。本文将研究我国华南局部区域高温天气对土壤湿度的敏感性。该区域大部分处在中国的发达地区，城市化进程较快，包括香港、广州、深圳等人口众多、经济发达的城市以及大亚湾核电站等重点工业区的珠三角城市群等。大规模的城市化能对局地气候产生重要的影响，城市热岛会导致气温、降水等发生显著变化（郑益群等，2013）。对区域高温天气的模拟则需要模式更精细地刻画复杂多变的下垫面信息和近地表的气象要素（Zeng et al., 2003; 邓莲堂等，2012），而采用高分辨是满足该要求的重要途径之一。分辨率的提高能显著提升模式的模拟能力，对地面气温值、分布范围的模拟渐趋合理（吕光辉等，2009；于恩涛，2013）。同时，分辨率的提高也并非在所有情形下都能改善模拟效果（邓莲堂等，2012; Zhang et al., 2013）。可见，探讨土壤湿度对华南地区高温事件高分辨率模拟的影响是一项很有意义的研究。

因此，本文在前人工作（Zeng et al., 2011）基础上，选取2003年7月22～23日和29～30日的高温天气个例，在此期间，西太平洋副热带高压的异常西伸和持续控制是造成高温异常的主要原因，并在江南、华南部分省份出现了超过历史记录的温度值（杨辉和李崇银, 2005）。如图1所示，模拟区域（图2中D3区域）范围地表温度从1971到2003年有整体升高的趋势，在2003年7月达到最大值（28.8°C），较气候平均增加近1.4°C。本文通过设计不同土壤湿度试验，结合三种模式分辨率（36、12、4 km）的模拟结果进行对比检验，以定量分析不同初始土壤湿度对模拟高温的影响及其物理机制。

图1 1971～2003年7月的D3区域平均地表气温的变化

2 资料方法

2.1 资料介绍

WRF模拟的初始边界条件采用NCEP逐6小时FNL 1°×1°资料；逐月地表气温数据使用NCEP/NCAR再分析资料；站点实测温度为气象台站的逐3小时观测资料。如图2a所示，选取在模拟时间段内均有连续温度记录的站点共计19个，其基本覆盖了D3区域，具有一定的代表性。

图2 （a）模拟区域（黑点为观测站点）和7月（b）22日、（c）29日CTL试验初始土壤湿度分布（单位：m3 m−3）

2.2 方案设计

本文使用WRFV3.6版本，选取7月22～23日和29～30日的24 h天气过程进行模拟。由于06:00 UTC（协调世界时，下同）（北京时14时）最接近一天的最高气温，具有很好的代表性，即模拟时间设置为7月22（29）日06:00 UTC至23（30）日06:00 UTC，时间步长为90 s，本文则主要分析积分24 h后的06:00 UTC各物理量的相关变化。在本次试验中，长波和短波辐射方案分别选择RRTM（Mlawer et al., 1997）和Goddard（Chou and Suarez, 1994）方案；边界层和表层参数化方案分别为YSU（Hong et al., 2006）和Monin-Obukhov（Hong and Pan, 1996）方案；微物理方案为Lin等方案（Lin et al., 1983）；积云对流参数化方案为BMJ方案（Janjić, 1994；受到积云对流水平尺度的限制，BMJ方案仅应用于分辨率较粗的D1、D2区域）；陆面方案选择包含10、30、60、100 cm四个土壤层的Noah方案（Chen and Dudhia, 2001; Ek et al., 2003）。

模拟采用三重嵌套网格，网格中心点为（29°N，115°E），D1、D2、D3区域格点数分别为79×79、133×166、154×202，采用的静态地形数据分辨率分别为10'、5'及2'（约分别对应赤道地区的18.5 km、9.3 km、3.7 km），模式水平分辨率分别为36 km、12 km及4 km，分别记为R1、R2、R3（图2a），垂直方向为不等距的31层。对不同土壤湿度条件下高温随分辨率变化的特征研究采用邓莲堂等（2012）、于恩涛（2013）的方法，在同种嵌套方式下分析不同嵌套区域内的物理量值，以代表不同分辨率的影响。在后续有关统计量的计算时，均针对D3区域。

为考察高温对不同土壤湿度的敏感性，参考Fischer et al.（2007）的方法，同时改变三重嵌套中各土壤层的土壤湿度，具体改变幅度（试验名称）为0（CTL）、＋25%（WET25）、＋50%（WET50）、−25%（DRY25）、−50%（DRY50）。图2b、c给出了7月22、29日CTL试验的表层土壤湿度分布。图中土壤湿度始终为1 m3m−3的区域即为水体，主要位于西江入海口、东南沿海以及洞庭湖和鄱阳湖南部，在大部分模拟区域内土壤湿度值处在0.2～0.4 m3m−3之间。

2.3 物理方程

由热力学第一定律可得温度随时间的变化方程，即：

其中为温度，为水平风矢量，为垂直速度，为干绝热垂直递减率，为温度垂直递减率，c为定压比热容，为外源加热量。

我们令

分别表示温度的局地项、平流项、对流项、非绝热项，即有

3 模拟结果

3.1 空间分布

图3给出了R3分辨率下23日06:00 UTC地表气温的分布（图3b–f）、不同土壤湿度试验与CTL的偏差分布（图3g–j）以及R1、R2分辨率下的DRY25试验（图3k、l）。与NCEP分析场（图3a）相比，可以看到CTL试验（图3b）能够很好地模拟出地表气温的高值中心位置、范围及强度。在模拟区域整体呈现“北高南低”的分布形势，参照我国的高温标准（Zeng et al., 2011），大于35°C的高温区域主要位于26°N以北，而低值区则主要集中在东南沿海地区。模式较为准确地模拟出了的东、西两个高值中心，其中的温度值达到了38°C甚至更高。但不足的是，对于西中心的位置模拟的偏西，且未能较好模拟出（27°N，115°E）附近的高值中心。

图3 7月23日06:00 UTC（协调世界时，下同）地表气温空间分布（b–j，k，l分别在R3、R1、R2分辨率下；单位：°C)

从不同土壤湿度试验（图3c–f）及其与CTL的偏差分布（图3g–j）中能够看到，土壤湿度扰动能够显著地改变地表气温的模拟结果。与CTL相比，WET25试验（图3c）能够模拟出东、西两个高值中心，高温发生的范围基本未发生改变。从图3g的偏差分布可以看到，WET25试验在大部分区域均模拟出偏低的温度值，而在东南沿海模拟出偏高的温度值，但前者较后者的偏差量要高出1°C左右，因此在整个模拟区域表现为较CTL平均降低0.73°C。WET50试验（图3d）模拟的大于35°C的高温范围有所缩小，造成的气温偏差分布（图3h）与WET25类似，但温度降低的范围和强度更大，在部分区域可达2.5°C以上，区域平均温度值较CTL降低1.3°C。DRY25试验（图3e）模拟的气温高值中心范围有所增大，并出现了40°C以上的高温。与CTL的气温偏差分布（图3i）和WET试验正好相反，在大部分区域温度升高1°C以上，在东南沿海降低0.5°C左右，与CTL相比模拟的区域平均温度偏高0.9°C。在DRY50试验（图3f）中，在25°N以北的整个区域几乎都模拟出了大于38°C的高温，较CTL明显地扩大了高值中心的范围。土壤湿度减小引起的气温升高更为明显，除了东南沿海小部分地区外几乎在整个区域都模拟出高于2.5°C的温度偏差（图3j）。对比CTL试验，区域平均温度值升高2.3°C，在部分地区最大超过8°C。

对比R3（图3e）和R1、R2（图3k、l）分辨率下的DRY25试验。可以看到，在不同分辨率下土壤湿度扰动都能够引起气温的显著变化，与R3相比，R1、R2都能够模拟出高温发生的范围和气温高值中心的位置。但R3对地表气温分布形势的刻画要明显比R1、R2更为细致，而R2又较R1更好。随着分辨率的提高，模拟的高温强度有所增大，尤其在R1中能够看到，东、西两个高值中心的范围较R2、R3有所缩小，强度也有所减弱。其他土壤湿度试验也有类似结论。

图4给出了R3分辨率下30日06:00 UTC时刻CTL试验地表气温的分布（图4b）、WET50和DRY50试验与CTL的偏差分布（图4c、d）以及R1、R2分辨率下的DRY25试验（图4e、f）。与23日06:00 UTC结果类似，WRF模式能较好地再现气温的空间分布形势（对比图4a与b），减小或增大土壤湿度都会明显改变气温的模拟结果。如图4c、d所示，相比于CTL，WET50可造成大部分地区的气温降低（平均降低1.31°C），DRY50则使得几乎所有区域的气温升高（平均升高2.36°C）。对比R1、R2（图4e、f）的分辨率下的DRY25试验，高分辨模式能够更准确地模拟出气温的分布状况且对土壤湿度的变化十分敏感。

图4 7月30日06:00 UTC地表气温空间分布（b–d，e，f分别在R3、R1、R2分辨率下；单位：°C）

可以看到，在不同分辨率下，土壤湿度增加（减小）都会导致气温的降低（升高），高分辨率的WRF模式能够更好地再现气温的空间分布形势。这与张井勇和吴凌云（2011）所得到的陆—气耦合过程中土壤湿度与地表气温间的作用关系一致。另外，与WET试验相比，DRY试验造成的温度偏差更大，这表明地表气温对土壤湿度减小的敏感性强于土壤湿度的增加。

表1给出了各试验R1、R2、R3分辨率下针对D3范围的平均地表气温（即对应三种分辨率的R1、R2、R3）。可以看到，土壤湿度的增加使不同分辨率的气温值在06:00 UTC和24 h都有所降低，且在高温发展最旺盛的06:00 UTC气温降低的幅度最大，如在22～23日的24 h模拟中R2两试验DRY50－DRY25的差异在06:00 UTC、24 h分别为1.45°C、0.56°C，又如29～30日的24 h模拟中R3两试验DRY25－CTL的差异在06:00 UTC、24 h分别达到0.94°C、0.44°C。这也说明，无论何种分辨率条件下，相对于平均气温，模拟的极端高温对土壤湿度扰动有很强的敏感性。

表1 不同分辨率（R1，R2，R3）下22～23（29～30）日试验06:00 UTC（协调世界时，下同）及24 h平均地表气温 (单位：°C)

Table 1 Surface air temperature at 0600 UTC and averaged for 24 h simulated at different resolutions (R1, R2, R3) for the period 22 to 23 (29 to 30) July (units: °C)

试验TR1TR2TR3 0600 UTC24 h平均0600 UTC24 h平均0600 UTC24 h平均 DRY5036.24(35.99)34.43(34.30)36.06(35.72)30.72(30.64)36.04(35.67)30.70(30.60) DRY2534.76(34.32)33.24(32.94)34.61(34.09)30.16(29.99)34.59(34.05)30.15(29.95) CTL33.87(33.34)32.49(32.12)33.77(33.14)29.72(29.55)33.75(33.11)29.71(29.51) WET2533.13(32.62)31.86(31.51)33.04(32.45)29.35(29.20)33.03(32.42)29.34(29.16) WET5032.57(32.10)31.41(31.07)32.48(31.95)29.12(28.95)32.46(31.94)29.11(28.91)

同时，分辨率的提高会在06:00 UTC和24 h模拟出更低的地表气温，即R1＞R2＞R3，且一般R1－R2＞R2－R3。R1与R2的24 h平均差异尤为显著，最大可达到3.7°C（DRY50试验），而R2与R3的差异在06:00 UTC却小得多（如对DRY50，R2－R3约0.02°C）。这些结果也说明，极端高温及平均气温对土壤湿度表现出的敏感性是有赖于具体模式分辨率的（表1）。

3.2 模拟误差

为考察高分辨率WRF模式中土壤湿度扰动对短期高温天气的影响，这里利用MICAPS地面观测资料，并将22～23日的高温模拟的结果分别插值到观测站点（图2a）上进行检验。检验采用模拟结果与观测资料的偏差（BIAS）、均方根误差（RMSE）以及相关系数（CORR），即：

从图5a能够看到，与之前结论一致的是，不同分辨率下BIAS值都是随着土壤湿度的增加而减小的，亦即高的土壤湿度导致模拟气温降低。R3中DRY（WET）试验均模拟出正（负）的温度偏差，且土壤湿度扰动越强偏差程度越大，其中DRY50偏大2.2°C，DRY25偏大0.6°C，WET25偏小1.3°C，WET50偏小2.2°C。这说明了在高分辨率条件下，总体上与实测一致的土壤湿度可模拟出与实际一致的高温，但也会放大土壤湿度扰动的影响。再结合R1、R2可发现，且随着分辨率的增加，DRY、WET试验的BIAS与CTL的差异有所增加，即，随着分辨率的增加，模拟高温对土壤湿度扰动的敏感性也有所增大。

图5 不同分辨率下各试验模拟的06:00 UTC地表气温与观测的（a）偏差、（b）均方根误差和（c）相关系数

类似的，从均方根误差的变化（图5b中可以发现，更小的土壤湿度扰动对应更小的RMSE值。分辨率的提高会使得CTL和WET试验的RMSE值减小、DRY试验的RMSE增大。在不同分辨率下，相关系数有随着土壤湿度的增加而减小的趋势（图5c）；随着分辨率的提高，各试验的CORR值先增大后减小，在R2达到最大（如DRY50为0.58）。各土壤湿度试验的平均差异在R1、R2中明显大于R3，即前两者的CORR对土壤湿度的敏感性更强。

综合来看，采用高分辨率的WRF模式能够在一定程度上优化对短期高温天气的模拟；在各分辨率下，BIAS、RMSE、CORR对土壤湿度扰动均较为敏感，且这些敏感性随分辨率的变化而有所变化。

4 机理讨论

4.1 地表热通量

由于在不同分辨率下土壤湿度扰动对短期高温天气的影响机制一致，本文主要针对于22～23日模拟试验的R3分辨率进行分析。土壤湿度扰动主要通过改变陆面反照率、土壤热力、水力特性量和水热平衡特征来影响陆气间的水汽和能量交换，从而造成陆面和低层大气温度梯度的变化（Song et al., 2009）。其中，感热、潜热通量是陆气间能量交换的主要方式，且与水汽相变密切相关，能够充分反映温度对土壤湿度扰动的响应，并影响地表气温的变化（蔡福等，2011）。

对比图6a与图3b，CTL试验感热通量的高（低）值区正好对应地表气温的高（低）值区，高温中心的感热通量在部分区域达到了300 W m−2。不同敏感性试验与CTL的感热通量偏差（图6b–e）和地表气温偏差（图3g–j）的正负值区也对应一致，且热通量的偏差幅度最大能超过±150 W m−2。这表明，土壤湿度减小（增大）引起感热输送增加（减少），从而直接导致地表气温升高（降低）。同样，潜热通量与地表气温的对应关系正好相反（图略）。这是因为感热、潜热通量是净辐射能在地表分配的两种形式，在净辐射稳定少变的情况下，感热通量的增加（减少）势必会导致潜热通量的减少（增加）。

图6 7月23日06:00 UTC感热通量空间分布（单位：W m−2）

图7 各试验模拟的区域平均的（a）地表气温（单位：°C）、（b）感热通量（单位：W m−2）和（c）潜热通量（W m−2）的24 h变化（虚线为白天与夜间的转换时间）

表2给出了各试验在06:00 UTC及不同时段（24 h、白天、夜间）地表气温与热通量的具体数值。计算不同土壤湿度试验感热通量的差值：148.6 W m−2（DRY50－CTL）、51.5 W m−2（DRY25－CTL）、50.1 W m−2（CTL－WET50）、33.6 W m−2（CTL－WET25）。可以看出WET试验造成的感热通量变化幅度要明显小于DRY试验，这与之前气温对DRY试验敏感性更强的结论相对应。潜热通量也有类似结论。我们还可以看到，不同土壤湿度试验间各物理量值及其差异，即以06:00 UTC时刻为最高，时段平均值中白天值＞24 h值＞夜间值，如对R3试验地面气温R3，对应各个时刻、时段值为1.75°C（06:00 UTC）、1.1°C（白天）、0.8°C （24 h）、0.5°C （夜间）。这是因为在白天（06:00 UTC时刻较为典型），土壤湿度增大导致土壤水分大量蒸发，潜热通量增加得更为强烈，对地表产生冷却作用，同时感热通量减小，最终表现为地表气温的下降。土壤湿度减小的情况则与之相反。此外，可以看出，29～30日试验结果类似22～23日试验，如，06:00 UTC的DRY25较CTL试验区域平均感热通量增加约40 W m−2，气温增加约0.8°C（表2）。

表2 22～23（29～30）日试验06:00 UTC和24 h、白天（06:00～11:00 UTC+22:00～06:00 UTC)、夜间（11:00～22:00 UTC）平均的地表气温（°C）、感热通量和潜热通量（W m−2）

Table 2 Averaged surface air temperature (°C) and sensible and latent heat fluxes (W m−2) at 0600 UTC, their 24-hour averages and daytime (0600–1100 UTC＋2200–0600 UTC) and night-time averages (1100–2200 UTC) from simulation for the period of 22 to 23 (29 to 30) July

试验TR3感热通量潜热通量 0600 UTC24 h白天夜间0600 UTC24 h白天夜间0600 UTC24 h白天夜间 DRY5036.04(35.67)30.70(30.60)33.07(32.67)27.92(28.15)276.8(300.4)89.0(94.9)171.8(184.4)−8.8(−11.0)232.3(195.9)93.2(76.5)159.9(131.7)14.5(11.2) DRY2534.59(34.05)30.15(29.95)32.24(31.77)27.68(27.80)179.7(199.6)57.2(61.3)113.1(121.6)−9.0(−10.1)365.3(321.6)138.3(122.3)241.6(214.9)16.2(12.8) CTL33.75(33.11)29.71(29.51)31.68(31.20)27.40(27.51)128.2(153.4)40.5(45.6)82.4(92.5)−9.1(−9.9)433.9(380.1)162.5(145.1)284.9(255.7)17.9(14.4) WET2533.03(32.42)29.34(29.16)31.19(30.76)27.17(27.27)94.5(124.0)29.4(35.0)62.1(72.8)−9.2(−9.7)480.1(418.0)180.9(161.1)317.5(284.4)19.5(15.4) WET5032.46(31.94)29.11(28.91)30.89(30.46)27.02(27.09)78.1(106.3)23.2(28.4)50.7(60.5)−9.3(−9.6)502.5(442.9)190.4(172.0)334.5(303.6)20.1(16.4)

4.2 大气内部物理过程

上述土壤湿度对气温的改变是通过地表热通量的变化来实现的。但更为重要的是，这些热通量导致了大气内部对气温有直接影响的物理过程的变化。

表3给出了各试验中（3）式各项在各时段（24 h、白天、夜间）的积分结果，类似地，下面仅分析22～23日的模拟结果。各试验中、、三项对气温局地变化的平均贡献在白天（夜间）依次为−3.33、3.44、7.35°C（−9.61、29.99、−24.15°C）。项在24 h和夜间对温度的局地变化贡献最大，在白天则为项，相对而言项的贡献最小，但仍不能忽略。这与前人得出的在高温日全天中，相对于温度平流因子的作用，非绝热因子才是高温产生的关键的结论一致（尹东屏等，2006）。

表3 22～23（29～30）日试验（3）式中各项在24 h、白天（06:00～11:00 UTC+22:00～06:00 UTC）、夜间（11:00～22:00 UTC)各时段的积分结果（单位：°C）

Table 3 Results of each term in equation (3) from simulations over 22 to 23 (29 to 30) July averaged over 24 h, and over daytime (0600–1100 UTC＋2200–0600 UTC) and night-time (1100–2200 UTC)

试验Tt 24 h白天夜间24 h白天夜间24 h白天夜间24 h白天夜间 DRY503.00(2.98)8.58(7.47)−5.58(−4.49)−13.89(−16.46)−3.51(−6.10)−10.38(−10.36)32.69(29.48)3.96(5.96)28.73(23.52)−15.79(−10.04)8.13(7.61)−23.93(−17.65) DRY252.77(2.80)7.81(6.82)−5.03(−4.02)−13.25(−15.13)−3.45(−5.37)−9.80(−9.76)32.34(29.49)3.53(5.67)28.81(23.82)−16.32(−11.56)7.72(6.52)−24.04(−18.08) CTL2.64(2.68)7.34(6.44)−4.70(−3.76)−12.76(−14.41)−3.16(−4.91)−9.60(−9.50)32.39(29.26)3.32(5.34)29.07(23.92)−16.99(−12.17)7.18(6.00)−24.17(−18.17) WET252.56(2.55)6.92(6.09)−4.37(−3.54)−12.54(−13.48)−3.25(−4.46)−9.29(−9.02)32.29(29.20)3.19(5.18)29.10(24.02)−17.34(−13.17)6.99(5.37)−24.18(−18.54) WET502.49(2.47)6.62(5.86)−4.13(−3.39)−12.25(−12.96)−3.27(−4.25)−8.98(−8.71)32.44(29.77)3.17(5.11)29.27(24.66)−17.55(−14.35)6.73(5.00)−24.43(−19.35)

具体来看，模拟区域气温分布呈“北高南低”的形势且处在盛行偏南风的控制下，这导致冷平流在高温期间占据主导，使项在所有时段都表现为一致的负值。平流作用在白天的相对贡献比夜间高出约8.3%，土壤湿度增加通过冷却气温高值区的下垫面来减弱冷平流的强度，从而减小项的负贡献。这种土壤湿度扰动引起的平流变化幅度在夜间（0.67°C）较白天（0.14°C）更大，如，CTL与DRY50在夜间、白天的差异分别为0.78、0.35°C。

在白天，气流下沉增温弱于以辐射加热（感热输送）为主的非绝热增温过程，项的正贡献大于项。在夜间，由于近地层逆温，陆面向低层大气传输感热，项为负贡献且强于白天的增温作用；但由于下沉绝热增温在夜间更为强大，项的绝对值小于项。虽然项在数值上夜间较白天更大，但对气温变化的相对贡献在白天反而更大，在所有项的贡献中占据了一半以上（52.1%）。非绝热加热的强度在白天随着土壤湿度的减小而增大，而非绝热冷却作用在24 h和夜间都随着土壤湿度的减小而减弱。如，从WET50到WET25，项的绝对值在白天增加0.26°C，在24 h和夜间分别减少0.21°C、0.25°C。这与Fischer et al.（2007）在研究2003年欧洲高温热浪时提出的土壤湿度偏低显著地降低了潜在的冷却作用，因此放大了地面温度异常的结论一致。项各土壤湿度试验间的平均差异在各项中也是最大的，达到了1.11°C。

总的来说，土壤湿度扰动通过对各物理过程强度的改变使地表气温呈现规律性的变化。在白天，占据一半的贡献以上，的贡献略大于；在夜间，相对最重要，其次为、；24 h的情形与夜间类似。各项对土壤湿度扰动的敏感性在24 h和白天最强、在夜间最强。、、三项对气温变化的贡献最终表现为温度在白天的升高和夜间的降低，以及在干土壤湿度条件下的升高和湿土壤湿度条件下的降低。

5 结论

本文利用高分辨率WRFV3.6模式，采用三种不同分辨率（36 km、12 km、4 km）的嵌套方案，对2003年7月22至23以及29至30日的24 h短期高温天气过程进行模拟，考察了5种水平的土壤湿度扰动（控制试验，及在此基础上25%、50%幅度的湿度增减试验）对高温模拟的影响，并结合热通量、热力学方程定性、定量分析了影响的机理。结果表明：

（1）采用高分辨率WRF模式及相应的高分辨率地表特征资料能够明显改善CTL试验的模拟效果，模拟高温对土壤湿度扰动的敏感性随着分辨率的提高而增大（如，12 km与4 km分辨率在24 h内模拟的地表气温考察区域平均差异可达到3.7°C），这也说明，模式中陆气反馈的强度对模式分辨率具有高度的依赖性。此外，不同分辨率下土壤湿度影响温度的规律一致，即，土壤湿度的减小（增加）会导致气温的升高（降低），且气温对土壤湿度减小的敏感性更强。

（2）地表热通量变化是土壤湿度影响气温的直接因子。土壤湿度减小会引起地面向上的感热通量增加并直接加热地表和低层大气，同时由于蒸发、蒸腾等过程的减弱，会造成水汽相变释放的潜热通量减少，因此对地表的冷却效果减弱，最终导致气温的升高。土壤湿度增加的情况与之相反。白天（夜间）较强（弱）的热通量传输对应较高（低）的气温，土壤湿度扰动造成的热通量差异越大（小）导致气温的差异也越大（小），即，土壤湿度扰动主要是通过白天地表强烈加热的时段对模拟高温产生影响的。

（3）土壤湿度扰动通过间接改变大气内部高温发展中的各物理过程来影响地表气温。各物理过程中，平流作用在各时段的重要性都相对较小。对流项在各时段都表现为绝热增温的作用，白天（夜间）的绝热增温强度在干（湿）的土壤条件下更大。非绝热加热的强度在白天（夜间）随着土壤湿度的减小而增大（减小）。在白天，以感热输送为主的非绝热增温占据主导，且受到土壤湿度扰动的影响最大；在夜间，由于低层逆温，非绝热项起冷却作用，以绝热增温过程为主；在24 h，绝热增温占据主导，但非绝热加热过程对土壤湿度扰动的敏感性最强。

本工作显示了高温天气高分辨率模拟对土壤湿度很强的敏感性，这些结果也进一步说明了高温模式模拟与预报时土壤湿度的重要性。由于土壤湿度并非气象台站常规观测量等因素，准确的土壤湿度值的获取在实际应用中存在困难。这也意味着类似前人对降水事件模拟中地表参数的处理（王洋等, 2014），通过土壤湿度扰动的集合预报方法来改进模式高温模拟预报是具有潜力的。

由于区域模式的特点，本文的研究与模拟时段、模式初边界条件、模拟区域和参数化方案等紧密相关（Zeng et al., 2011）。在后续的研究中可通过更多的个例来分析土壤湿度对气温变化规律的影响，帮助我们更好地理解短期高温天气发生发展的物理机制及提高模式模拟高温天气的能力。

（References）

蔡福, 周广胜, 李荣平, 等. 2011. 陆面过程模型对下垫面参数动态变化的敏感性分析 [J]. 地球科学进展, 26 (3): 300–310. Cai Fu, Zhou Guangsheng, Li Rongping, et al. 2011. Sensitivity of land surfaces model to dynamic land surface parameters [J]. Adv. Earth Sci. (in Chinese), 26 (3): 300–310, doi:10.11867/j.issn.1001-8166.2011.03.0300.

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]. Mon. Wea. Rev., 129 (4): 569–585, doi:10.1175/15200493(2001)129<0569:CAALSH>2.0.CO;2.

Chou M D, Suarez M J. 1994. An efficient thermal infrared radiation parameterization for use in general circulation models [R]. NASA Tech. Memo., 104606, 3: 85.

邓莲堂, 史学丽, 闫之辉. 2012. 不同分辨率对淮河流域连续暴雨过程影响的中尺度模拟试验 [J]. 热带气象学报, 28 (2): 167–176. Deng Liantang, Shi Xueli, Yan Zhihui. 2012. Mesoscale simulation of a heavy rainfall in the Huaihe River valley in July 2003: Effects of different horizontal resolutions [J]. J. Trop. Meteor. (in Chinese), 28 (2): 167–176, doi:10.3969/j.issn.1004-4965.2012.02.003.

Ek M B, Mitchell K E, Lin Y, et al. 2003. Implementation of Noah land surface model advances in the national centers for environmental prediction operational mesoscale Eta model [J]. J. Geophys. Res., 108 (D22): 8851, doi:10.1029/2002JD003296.

Fischer E M, Seneviratne S I, Vidale P L, et al. 2007. Soil moisture–atmosphere interactions during the 2003 European summer heat wave [J]. J. Climate, 20 (20): 5081–5099, doi:10.1175/JCLI4288.1.

Hong S Y, Noh Y, Dudhia J. 2006. A new vertical diffusion package with an explicit treatment of entrainment processes [J]. Mon. Wea. Rev., 134 (9): 2318–2341, doi:10.1175/MWR3199.1.

Hong S Y, Pan H L. 1996. Nonlocal boundary layer vertical diffusion in a medium-range forecast model [J]. Mon. Wea. Rev., 124 (10): 2322–2339, doi:10.1175/1520-0493(1996)124<2322:NBLVDI>2.0.CO;2.

Janjić Z I. 1994. The step-mountain Eta coordinate model: Further developments of the convection, viscous sub-layer and turbulence closure schemes [J]. Mon. Wea. Rev., 122 (5): 927–945, doi:10.1175/1520- 0493(1994)122<0927:TSMECM>2.0.CO;2.

李得勤, 段云霞, 张述文, 等. 2015. 土壤湿度和土壤温度模拟中的参数敏感性分析和优化 [J]. 大气科学, 39 (5): 991–1010. Li Deqin, Duan Yunxia, Zhang Shuwen, et al. 2015. Quantifying parameter sensitivity and calibration in simulating soil temperature and moisture [J]. Chinese J. Atmos. Sci. (in Chinese), 39 (5): 991–1010, doi:10.3878/j.issn.1006- 9895.1503.14276.

Lin Y L, Farley R D, Orville H D. 1983. Bulk parameterization of the snow field in a cloud model [J]. J. Climate Appl. Meteor., 22 (6): 1065–1092, doi:10.1175/1520-0450(1983)022<1065:BPOTSF>2.0.CO;2.

吕光辉, 于恩涛, 向伟玲, 等. 2009. WRF模式分辨率对新疆异常降雨天气要素模拟的影响 [J]. 气候与环境研究, 14 (1): 85–96. Lü Guanghui, Yu Entao, Xiang Weiling, et al. 2009. Effect of horizontal and vertical resolution on WRF simulation of the unusual rainfall event in Xinjiang [J]. Climatic Environ. Res. (in Chinese), 14 (1): 85–96.

Mlawer E J, Taubman S J, Brown P D, et al. 1997. Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-model for the long-wave [J]. J. Geophys. Res., 102 (D14): 16663–16682, doi:10. 1029/97JD00237.

彭海燕, 周曾奎, 赵永玲, 等. 2005. 2003年夏季长江中下游地区异常高温的分析 [J]. 气象科学, 25 (4): 355–361. Peng Haiyan, Zhou Zengkui, Zhao Yongling, et al. 2005. The analysis of abnormal high temperature in 2003 summer [J]. Sci. Meteor. Sinica (in Chinese), 25 (4): 355–361.

Rowntree P R, Bolton J A. 1983. Simulation of the atmospheric response to soil moisture anomalies over Europe [J]. Quart. J. Roy. Meteor. Soc., 109 (461): 501–526, doi:10.1002/qj.49710946105.

Shukla J, Mintz Y. 1982. Influence of land surface evapotranspiration on the earth climate [J]. Science, 215 (4539): 1498–1501, doi:10.1126/ science.215.4539.1498.

Song Y M, Guo W D, Zhang Y C. 2009. Numerical study of impacts of soil moisture on the diurnal and seasonal cycles of sensible/latent heat fluxes over semi-arid region [J]. Adv. Atmos. Sci., 26 (2): 319–326, doi:10.1007/s00376-009-0319-2.

Stott P A, Stone D A, Allen M R. 2004. Human contribution to the European heatwave of 2003 [J]. Nature, 432 (7017): 610–614, doi:10.1038/ nature03089.

隋翠娟, 潘丰, 蔡怡, 等. 2014. 从副高及海温角度分析2013年夏季长江中下游地区高温干旱原因 [J]. 海洋预报, 31 (5): 76–81. Sui Cuijuan, Pan Feng, Cai Yi, et al. 2014. Study of hot-dry weather over the mid-lower reaches of the Yangtze River in summer of 2013 [J]. Mar. Forecasts (in Chinese), 31 (5): 76–81, doi:10.11737/j.issn.1003-0239. 2014.05.012.

Tobías A, de Olalla P G, Linares C, et al. 2010. Short-term effects of extreme hot summer temperatures on total daily mortality in Barcelona, Spain [J]. Int. J. Biometeorol., 54 (2): 115–117, doi:10.1007/s00484- 009-0266-8.

王洋, 曾新民, 葛洪彬, 等. 2014. 陆面特征量初始扰动的敏感性及集合预报试验 [J]. 气象, 40 (2): 146–157. Wang Yang, Zeng Xinmin, Ge Hongbin, et al. 2014. Sensitivity simulation of heavy rainfall to land surface characteristics and ensemble forecast test [J]. Meteor. Mon. (in Chinese), 40 (2): 146–157, doi:10.7519/j.issn.1000-0526.2014.02.002.

徐金芳, 邓振镛, 陈敏. 2009. 中国高温热浪危害特征的研究综述 [J]. 干旱气象, 27 (2): 163–167. Xu Jinfang, Deng Zhenyong, Chen Min. 2009. A summary of studying on characteristics of high temperature and heat wave damage in China [J]. J. Arid Meteor. (in Chinese), 27 (2): 163–167, doi:10.3969/j.issn.1006-7639.2009.02.012.

许遐祯, 郑有飞, 尹继福, 等. 2011. 南京市高温热浪特征及其对人体健康的影响 [J]. 生态学杂志, 30 (12): 2815–2820. Xu Xiazhen, Zheng Youfei, Yin Jifu, et al. 2011. Characteristics of high temperature and heat wave in Nanjing city and their impacts on human health [J]. Chinese J. Ecol. (in Chinese), 30 (12): 2815–2820.

杨辉, 李崇银. 2005. 2003年夏季中国江南异常高温的分析研究 [J]. 气候与环境研究, 10 (1): 80–85. Yang Hui, Li Chongyin. 2005. Diagnostic study of serious high temperature over South China in 2003 summer [J]. Climatic Environ. Res. (in Chinese), 10 (1): 80–85, doi:10.3969/j.issn.1006-9585.2005.01.008.

杨绚, 汤绪, 陈葆德, 等. 2013. 气候变暖背景下高温胁迫对中国小麦产量的影响 [J]. 地理科学进展, 32 (12): 1771–1779. Yang Xun, Tang Xu, Chen Baode, et al. 2013. Impacts of heat stress on wheat yield due to climatic warming in China [J]. Progr. Geogr. (in Chinese), 32 (12): 1771–1779, doi:10.11820/dlkxjz.2013.12.006.

尹东屏, 严明良, 裴海瑛, 等. 2006. 副热带高压控制下的高温天气特征分析 [J]. 气象科学, 26 (5): 558–563. Yin Dongping, Yan Mingliang, Pei Haiying, et al. 2006. Synoptic character analysis on high temperature appearing under the control of subtropical high [J]. Sci. Meteor. Sinica (in Chinese), 26 (5): 558–563, doi:10.3969/j.issn.1009-0827.2006.05.014.

于恩涛. 2013. 我国东北地区季节降雪高分辨率数值模拟 [J]. 科学通报, 58 (8): 690–698. Yu Entao. 2013. High-resolution seasonal snowfall simulation over Northeast China [J]. Chinese Sci. Bull. (in Chinese), 58 (12): 1412–1419, doi:10.1007/s11434-012-5561-9.

Zhang H L, Pu Z X, Zhang X B. 2013. Examination of errors in near-surface temperature and wind from WRF numerical simulations in regions of complex terrain [J]. Wea. Forecasting, 28 (3): 893–914, doi:10.1175/ WAF-D-12-00109.1.

Zeng X M, Zhao M, Su B K, et al. 2003. Effects of the land-surface heterogeneities in temperature and moisture from the “combined approach” on regional climate: A sensitivity study [J]. Global Planet. Change, 37 (3–4): 247–263, doi:10.1016/S0921-8181(02)00209-6.

Zeng X M, Wu Z H, Xiong S Y, et al. 2011. Sensitivity of simulated short-range high-temperature weather to land surface schemes by WRF [J]. Sci. China Earth Sci., 54 (4): 581–590, doi:10.1007/s11430-011- 4181-6.

曾新民, 吴志皇, 宋帅, 等. 2012. WRF模式不同陆面方案对一次暴雨事件模拟的影响 [J]. 地球物理学报, 55 (1): 16–28. Zeng Xinmin, Wu Zhihuang, Song Shuai, et al. 2012. Effects of land surface schemes on the simulation of a heavy rainfall event by WRF [J]. Chinese J. Geophys. (in Chinese), 55 (1): 16–28, doi:10.6038/j.issn.0001-5733.2012.01.002.

Zeng X M, Wang N, Wang Y, et al. 2015. WRF simulated sensitivity to land surface schemes in short and medium ranges for a high-temperature event in East China: A comparative study [J]. J. Adv. Model. Earth Sys., 7 (3): 1305–1325, doi:10.1002/2015MS000440.

张井勇, 吴凌云. 2011. 陆—气耦合增加中国的高温热浪 [J]. 科学通报, 56 (23): 1905–1909. Zhang Jingyong, Wu Lingyun. 2011. Land– atmosphere coupling amplifies hot extremes over China [J]. Chinese Sci. Bull. (in Chinese), 56(31): 3328–3332, doi:10.1007/s11434-011-4628-3.

郑益群, 贵志成, 强学民, 等. 2013. 中国不同纬度城市群对东亚夏季风气候影响的模拟研究 [J]. 地球物理学进展, 28 (2): 554–569. Zheng Yiqun, Gui Zhicheng, Qiang Xuemin, et al. 2013. Simulation of the impacts of urbanization in different areas of China on East Asia summer monsoon climate [J]. Progr. Geophys. (in Chinese), 28 (2): 554–569, doi:10.6038/pg20130204.

周亚军, 陈葆德, 孙国武. 1994. 陆面过程研究综述 [J]. 地球科学进展, 9 (5): 26–31. Zhou Yajun, Chen Baode, Sun Guowu. 1994. Review of land surface processes [J]. Adv. Earth Sci. (in Chinese), 9 (5): 26–31.

朱珍, 章开美, 陈胜东, 等. 2013. 江西省盛夏极端高温的气候变化及短期气候预测 [J]. 气象与减灾研究, 36 (3): 12–17. Zhu Zhen, Zhang Kaimei, Chen Shengdong, et al. 2013. The climatic features and short-term forecast of extreme high temperature of midsummer in Jiangxi [J]. Meteor. Dis. Reduct. Res. (in Chinese), 36 (3): 12–17.

Impact of Soil Moisture Perturbation on High Resolution Simulation of Short-Range High Temperature Weather: A WRF Case Study

YI Xiang1, ZENG Xinmin1, ZHENG Yiqun1, WANG Ning1, WANG Ming1, ZHOU Xiao1, and WANG Biao2

1211101,2524001

The Weather Research and Forecasting model version 3.6 (WRFV3.6) is used to investigate the impact of soil moisture on high-resolution simulation of the short-range high temperature weather occurred during 22–23 and 29–30 July 2003. Experimental results indicate that: (1) the simulated surface air temperature (SAT) SAT is highly sensitive to soil moisture perturbation. SAT increases (decreases) significantly in response to soil moisture decrease (increase). Meanwhile, the influence of soil moisture on SAT strongly depends on model resolution; (2) characteristic changes in SAT in response to soil moisture perturbations are similar in results of experiments at different model resolutions, and the model performance for SAT simulation improves with increased resolution; (3) changes in SAT are directly influenced by simulated sensible and latent heat fluxes in the sensitivity experiments; (4) soil moisture perturbation affects SAT simulation through altering the physical processes important for the development of high temperature weather. Among these processes, the convection (advection) exerts a warming (cooling) effect during the entire day, and the effect becomes weak with increases in soil moisture during the daytime. Under dry soil conditions, the diabatic heating plays a dominant role and its effect intensifies during the daytime; the effect of diabatic cooling weakens and weaker than the adiabatic heating of the convection process during the night-time. The above results show that soil moisture is important in the simulation and prediction of high temperature weather. Thereby it is feasible to improve the model ability of simulating and predicting high temperature using ensemble forecast with soil moisture perturbations.

WRF model, High temperature, Soil moisture, Resolution, Physical mechanism

10.3878/j.issn.1006-9895.1602.15281.

1006-9895(2016)03-0604-13

P461

A

10.3878/j.issn.1006-9895.1602.15281

2015-09-26；网络预出版日期2016-02-25

易翔，男，1991年出生，硕士，主要从事陆面过程研究。E-mail: YiX_Zlab@163.com

曾新民， E-mail: xm-zeng@foxmail.com

国家自然科学基金项目41275012

Funded by National Natural Science Foundation of China (NSFC) (Grant 41275012)

易翔，曾新民，郑益群，等. 2016. 高分辨率WRF模式中土壤湿度扰动对短期高温天气模拟影响的个例研究 [J]. 大气科学, 40 (3): 604-616. Yi Xiang, Zeng Xinmin, Zheng Yiqun, et al. 2016. Impact of soil moisture perturbation on high resolution simulation of short-range high temperature weather: A WRF case study [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 40 (3): 604-616,