基于NPS模型的南海蒸发波导中尺度数值模拟研究

吴 超, 钟 莹, 杨少波, 何 鑫, 李醒飞



基于NPS模型的南海蒸发波导中尺度数值模拟研究

吴 超, 钟 莹, 杨少波, 何 鑫, 李醒飞

(天津大学 精密测试技术及仪器国家重点实验室, 天津 300072)

蒸发波导是海上大气波导中发生概率最高、对海上舰艇和岸基雷达探测系统影响最大的一种波导类型, 研究意义重大。本文搭建了一种基于NPS诊断模型的新型蒸发波导数值预报模式, 对我国南海海域2014年11月1~5日的5 d海上蒸发波导分别进行了数值模拟。利用数值模拟数据与岸基铁塔实测数据分别绘制蒸发波导高度随时间的变化曲线, 并进行误差分析, 显示模拟结果与实测结果变化规律基本一致, 统计计算这5 d的蒸发波导高度平均误差为1.289 m。这表明了本模式的可行性及其存在的模拟偏差。此外, 利用本预报模式对南海海域2011年整年的蒸发波导进行了数值模拟, 得到了12个月的蒸发波导时空分布特征, 分析总结的规律与其它文献的研究结论基本一致。

蒸发波导; WRF模式; NPS模型; 数值模拟

由于受到复杂的大气环境影响, 电磁波在大气中的传播并不是简单地沿着直线传播, 有时会出现大气波导现象[1]。这一电磁波异常传播现象对雷达探测系统和卫星通信系统等的正常工作具有不可忽视的影响。

刘成国[2]、蔺发军[3]等对我国20世纪末的大气波导基本情况进行了数据整理和分析, 结果表明: 我国出现波导频率最高的区域为南海、东南沿海、渤海和东海地区; 我国海上蒸发波导出现概率高达85%以上, 高度一般在15 m左右。同时Jeske[4]等研究指出, 工作于海面上的雷达系统, 其作用范围80%以上要求确切掌握海面上蒸发波导的具体参数才能准确预估。所以研究和掌握我国海域的蒸发波导具体参数和时空分布特征, 对于岸基和舰载雷达探测系统等具有重要意义。

1968年, Bean等[5]提出了大气折射指数与气温、气压、水汽压的关系式和大气波导存在的判据, 揭示了大气波导形成的主要天气学条件。由于海洋蒸发波导位于大气边界层近地层, 易受到海气交界面湍流的影响, 所以一般不采用直接构建大气修正折射率廓线的方法进行研究。国内外学者通过对宏观观测资料的分析[6], 建立经验关系, 先后发展多种蒸发波导诊断模型, 有P-J模型[7]、MGB模型[8]、Babin模型[9]、NPS模型[10]和伪折射率模型[11]等。这些多用于单点的研究。为进行更大尺度区域化的大气波导研究, 先后出现雷达海杂波反演、电波掩星技术反演、卫星遥感资料反演和卫星云图分析等方法, 但实际效果仍有待进一步改进。

随着ARPS、MM5和WRF[12]等中尺度数值预报模式的出现和计算机能力的快速提升, Atkinson等[13]利用MM5模式模拟了波斯湾地区的大气波导过程, 成功描述了当地波导的存在和位置特征, 但具体参数不够准确; 胡晓华等[14]利用ARPS模式模拟台风“鹿砂”靠近和进入韩国期间发生的大气波导, 发现初始场对于数值模拟的重要性; 焦林等[15]利用MM5模式并耦合Babin模型; 王喆等[16]利用WRF模式耦合Babin模型对目标区域海洋蒸发波导进行了模拟预报研究, 模拟预报结果与实验结果较为一致; 陈莉等[17]利用MM5和WRF模式, 同化常规探测资料, 直接对目标海域蒸发波导进行了数值预报。

近几年, 关于NPS模型和南海海域蒸发波导环境的分析, 有多位学者进行了研究, 为本文的工作提供了一定的参考指导。Zhang等[18]通过对三个海域的一年四季探测数据进行分析, 研究了NPS模型的敏感性和适应性; Yang等[19]利用气象梯度仪的大量实验数据对NPS模型在南海海域的适应性和冬季时的应用进行了深入研究; 成印河等[20]利用实验观测数据, 对我国冬季南海近岸蒸发波导环境及其影响参数进行了分析; Shi等[21]利用NCEP再分析资料和NPS模型计算建立了南海蒸发波导数据库, 研究了其时空分布特征; Mckeon[22]从气候尺度上对影响南海蒸发波导高度变化的关键环境因素进行了分析研究, 提出了其对蒸发波导高度季节性和气候尺度变化预测的重要价值。

本文在前人研究的基础上, 采用新一代中尺度大气数值预报模式WRF, 耦合蒸发波导NPS诊断模型, 建立了一种新型的海洋蒸发波导预报模式。对我国南海海域的蒸发波导进行了模拟实验, 并与岸基铁塔实测结果进行对比验证、分析, 结果显示一致性较好。

1 大气修正折射率与蒸发波导诊断计算

1.1 大气修正折射率

大气折射率是大气中影响电磁波传播的主要因子, 根据大气修正折射率廓线的几何分布形状, 可将大气波导分为表面波导、悬空波导和复合波导。

公式(2)中,R为大气相对湿度。为了更好地研究大气折射率梯度对电磁波传播的影响, 将地球表面近似处理成平面, 重新定义大气修正折射率(单位M), 它与大气折射率之间的关系式为

公式(5)两边同对海拔高度求导, 得

蒸发波导属于常见的表面波导, 如图1所示,z为蒸发波导高度,D为蒸发波导强度,为蒸发波导层厚度。海上蒸发波导高度一般在40 m以下, 蒸发波导的全球平均值约为13 m。

图1 蒸发波导修正折射率廓线

1.2 蒸发波导特征参数计算

蒸发波导的形成原理与海洋边界层的特性密切相关, 现有的国内外多种蒸发波导诊断模型都是基于Monin-Obukhov近海面大气相似理论。将获得的一定高度或不同高度上的平均大气温度、湿度、压强、风速以及海表皮温度数据作为模型的输入参数, 经过诊断计算, 得到蒸发波导的高度、强度等参数。本文选取美国海军研究生院发布的NPS蒸发波导诊断模型[10], 进行海上蒸发波导的计算。

在NPS诊断模型中, 近地层内温度、比湿的垂直剖面表示为[23]

其中,0、0分别为海表皮温度和比湿, 且考虑到比湿受到海水盐度的影响,0=0.98s(0),s(0)是依靠海表皮温度计算的海面饱和比湿;()、()分别为高度处的大气温度和比湿;*、*分别为位温、比湿的特征尺度;为温度普适函数;为卡曼常数;为干绝热递减率, 约为0.009 76 K/m;0t为大气温度粗糙度高度;为相似长度。

随着通量算法COARE的发展, 现在可采用升级的COARE3.0算法[24]和稳定大气条件下的稳定度修正函数[25], 计算后的风速和温度稳定度修正函数的表达式为

在NPS模型中联立理想气体定律和流体静力学方程并积分可得大气压强剖面计算公式[23]

再通过比湿、水汽压的函数关系式计算水汽压剖面, 即

式中,为常数0.622。

首先通过公式(7)、式(8)和式(11)计算得到大气温度、压强和水汽压剖面, 再将计算结果代入公式(1)和公式(5)便可得到大气修正折射率剖面, 从而确定蒸发波导高度、强度等特征参数。本文NPS诊断模型计算所需要的气象数据是由WRF模式模拟运算产生。

2 建立蒸发波导预报模式

为了实现区域化的蒸发波导研究, 本文采用新一代中尺度数值预报模式WRF对目标区域的大气环境进行数值模拟[26], 得到目标区域上大气温度、湿度、压强、风速和海表皮温度格点数据。然后耦合蒸发波导NPS诊断模式计算得到每个格点的蒸发波导特征参数, 即得到区域化的蒸发波导分布状况, 实现蒸发波导区域模拟预报。本文的具体研究方案如图2所示。

首先选择需要进行数值模拟研究的区域, 准备目标区域的静态地形数据(包括地貌、植被、土壤层数据等)和实时的动态气象数据, geogrid程序会确定模式区域并将静态地形数据插值到目标区域划分的网格上[27], ungrib程序将输入的动态气象数据解压提取出来, 然后metgrid程序会将ungrib程序提取得到的动态气象数据水平插值在geogrid区域的网格格点上。接着, real程序将动态气象数据垂直插值到区域的三维格点上(垂直的层), 同时生成WRF模式主模块运行所需要的初始数据场和侧边界条件。随后运行主模块wrf.exe程序, 对目标区域进行数值模拟, 运算得到区域的三维网格化气象数据。本文通过编写NCL脚本文件, 在Linux系统下运行NCL软件, 对WRF输出数据文件进行提取、高度插值和保存等预处理操作, 得到可供后续计算使用的数据文件。

图2 蒸发波导模拟预报流程

最后将处理好的数据代入蒸发波导NPS诊断模型, 计算并绘制大气修正折射率廓线, 从而得到蒸发波导高度、强度等特征参数, 实现区域蒸发波导模拟预报。

3 蒸发波导数值模拟预报实验验证与分析

3.1 基于WRF模式的数值模拟方案设计

本文采用新一代中尺度大气数值预报模式WRFV3.6.1实现数值模拟预报的研究, WRF模式一般由前处理模块(WPS)、数据同化系统(WRFDA)和动力求解模块(ARW)三部分组成, 此处采用前处理模块和动力求解模块进行大气数值模拟[28]。

本文采用两层区域嵌套对我国南海海域进行了数值模拟, 具体地理区域范围如图3所示。模拟初始场和边界场采用NCEP每6 h一次的GFS-FNL再分析资料(1°×1°), 数据格式为GRIB2。FNL再分析资料属于全球预报系统(GFS)并经过再分析生成的全球客观分析场。WPS模块和real.exe程序对输入的初始背景场数据进行相应的处理, 生成WRF主运算模块能识别的初始场和边界条件(wrfinput和wrfbdy数据文件)。模式水平网格采用Arakawa C格点, 垂直方向采用地形跟随坐标且垂直格距随高度可变。由于海上蒸发波导处于海拔高度较低的近地层, 模式垂直分层采用非均匀分层, 底层相对密集, 高层较稀疏, 具体参数方案设置如表1所示。

图3 模拟预报区域

表1 WRF模式设置

Tab.1 Model specifications of WRF

3.2 模拟结果与实验验证

为了对我国南海海域大气波导进行多角度的深入研究, 本项目组在南海远离陆地的海域内搭建了一套气象梯度观测塔, 如图4所示。收集了大量的气象观测数据, 作为海上大气折射率廓线和蒸发波导研究的实验数据。

图4 岸基铁塔实验平台

本文将蒸发波导预报模式的结果(选取离铁塔最近的模式格点)与铁塔实测数据进行对比验证。大气波导高度是一个表征波导特征的关键参数, 可以作为验证分析数值模拟结果可行性和准确性的重要指标。为了对论文建立的预报模式进行较为全面的验证分析, 分别对2014年11月1~5日, 目标海域5 d的蒸发波导进行了数值模拟。同时收集整理了岸基铁塔实验平台这5 d的观测数据, 计算绘制蒸发波导高度随时间的变化曲线, 如图5所示, 图中时间均采用世界统一时间UTC。

为了更好地分析数值模拟结果与实验观测数据之间的偏差, 采用数学统计的方法, 计算这5 d数值模拟蒸发波导高度的最大/小偏差、平均偏差和偏差的标准差, 计算公式分别如下:

(13)

观察图5中5 d的蒸发波导高度变化曲线, 结合表2的分析计算数据, 可以得知: 本模式数值模拟1 d的结果与实验观测数据的曲线变化趋势基本一致, 其中11月2日和5日的数值模拟效果较好, 平均误差小于1 m, 其余3 d的数值模拟结果相对较差, 平均偏差在1.5~2 m之间, 偏差的标准差也在1.5~2 m之间; 第1天数值模拟的蒸发波导高度主要分布在9~20 m之间, 最高值为19.83 m, 最低值为9.54 m, 符合我国南海海域蒸发波导高度范围; 模拟结果与观测结果仍存在一定的偏差, 个别最大偏差达到3.8 m,最小偏差为0 m, 偏差的标准差为1.427 m; 这5 d模拟的平均偏差为1.289 m。

表2 数值模拟结果的偏差(单位: m)

Tab.2 The deviation of the numerical simulation (unit: m)

3.3 南海海域蒸发波导时空分布特征分析

本文利用自主搭建的基于NPS模型的蒸发波导数值预报模式对南海海域2011年全年的蒸发波导情况进行了数值模拟。首先获取NCEP提供的2011年全年每6 h一次的FNL再分析资料, 将一天的初始场FNL数据输入WRF模式, 完成一天24 h的区域数值模拟, 再利用NPS模型计算目标海域一天的蒸发波导高度。这样得到蒸发波导高度每日样本, 然后利用统计方法获得南海海域各个月平均蒸发波导分布情况。本次模式模拟的目标海域范围为2.5°~23°N, 105°~120°E。

从图6中可以看出, 2011年1月和12月南海海域蒸发波导分布范围最广而且波导高度相比其他月份也较高, 最高可达20 m, 蒸发波导强度较大。南海北部沿海海域, 即我国东沙群岛、中沙群岛和西沙群岛大部在1~3月和10~12月蒸发波导高度较高, 平均值达到14.8 m, 而在4~9月, 该区域蒸发高度普遍较低, 平均高度低于10 m。在6~9月蒸发波导高度较高的地区集中在我国南海靠近越南南部湾的海域, 即南沙群岛大部, 而同期其他海域蒸发波导高度相对较低。南海中部海域蒸发波导整体相比其他海域较弱, 只有在1月、2月和12月波导较强。2011年5月为南海海域蒸发波导高度最低的月份, 强度也较弱。1~3月和12月为我国南海海域蒸发波导现象最显著的月份, 高度较高, 强度较大, 而且蒸发波导高度随着纬度的增加而增大, 与经度的相关性则较弱。这与杨坤德教授[29]在对西北太平洋蒸发波导的时空统计规律研究中, 关于我国南海海域蒸发波导的总结基本一致。

图6 2011年月平均蒸发波导高度分布

南海海域纬度较低, 是我国近海海域中气候最暖的海域, 属于热带海洋季风气候, 终年高温, 蒸发波导的时空分布特征受到复杂的海洋和气象环境的影响。本文只是模拟了一年的蒸发波导, 由于实验条件的限制, 缺少大量的海上探测数据和大规模的海上大气波导观测实验。南海作为我国重要的海洋领域, 其蒸发波导亟须进一步的观测和深入的研究。

4 讨论与结论

本文基于NPS模型自主搭建了一种新型蒸发波导模拟预报模式, 并尝试对南海海域的蒸发波导进行了模拟预报, 总结研究得出以下结论:

1) 目前NCEP的FNL再分析资料的底层分辨率不能满足对蒸发波导的研究, 而其他的大面积海洋观测数据较少, 收集难度较大, 且很多并不能直接用于WRF模式的同化系统, 所以采用耦合蒸发波导诊断模型的方法来实现底层大气折射率的研究是一种较好的途径。

2) 对南海海域2014年11月1日~5日共计5 d的海上蒸发波导分别进行了数值模拟, 通过与同时刻岸基铁塔实测数据的对比验证, 并对模拟结果误差进行了详细分析, 证明了本文搭建的预报模式的可行性及其存在的实际模拟偏差, 可以采用本模式对目标海域的蒸发波导进行模拟预报研究。

3) 完成了南海海域2011年全年的蒸发波导数值模拟, 利用数学统计的方法, 得到12个月的蒸发波导时空分布图, 分析模拟结果得到的规律和结论与其他文献的研究者得到的结论基本一致。

4) 海上大气波导的研究需要大量的、大范围的海洋实验支撑, 才能作进一步的分析, 验证和完善。本文由于实验条件的限制, 缺少大量的海上观测数据。下一步有待进行大规模的海洋蒸发波导观测实验, 对预报模式进行区域本地化修正, 改善模式预报准确度和精度。

[1] 张培昌, 杜秉玉, 戴铁丕. 雷达气象学[M]. 北京: 气象出版社, 2001: 109-110. Zhang Peichang, Du Bingyu, Dai Tiepi. Radar Meteorology[M]. Beijing: China Meteorological Press, 2011: 109-110.

[2] 刘成国, 潘中伟, 郭丽. 中国低空大气波导的出现概率和波导特征量的统计分析[J]. 电波科学学报, 1996, 11(2): 60-66. Liu Chengguo, Pan Zhongwei, Guo Li. Statistical analysis of occurrence and characteristics of atmospheric ducts in China[J]. Chinese Journal of Radio Science, 1996, 11(2): 60-66.

[3] 蔺发军, 刘成国, 成思, 等. 海上大气波导的统计分析[J]. 电波科学学报, 2005, 20(1): 64-68. Lin Fajun, Liu Chengguo, Cheng Si, et al. Statistical analysis of marine atmospheric duct[J]. Chinese Journal of Radio Science, 2005, 20(1): 64-68.

[4] Jeske H. State and Limits of Prediction Methods of Radar Wave Propagation Conditions Over Sea[M]. Berlin: Springer Netherlands, 1973: 130-148.

[5] Bean B R, Dutton E J. Radio Meteorology[M]. New York: Dover Publication Inc, 1968: 435.

[6] 宋丽丽, 康林冲, 王漪, 等. 基于B/S的海洋环境数据可视化与服务[J]. 海洋科学, 2016, 40(7): 124-131. Song Lili, Kang Linchong, Wang yi, et al. Visualization and service of marine environmental data based on B/S[J]. Marine Sciences, 2016, 40(7): 124-131.

[7] Paulus R A. Practical application of an evaporation duct model[J]. Radio Science, 1985, 20(4): 887-896.

[8] Musson-Genon L, Gauthier S, Bruth E. A simple method to determine evaporation duct height in the sea surface boundary layer[J]. Radio Science, 1992, 27(5): 635-644.

[9] Babin S M. A new model of the oceanic evaporation duct and its comparison with current models[D]. City of College Park: University of Maryland, 1996.

[10] Babin S M, Dockery G D. LKB-based evaporation duct model comparison with buoy data [J]. J Appl Meteo, 2002, 41: 434-446.

[11] 刘成国, 黄际英, 江长荫, 等. 用伪折射率和相似理论计算海上蒸发波导剖面[J]. 电子学报, 2001, 29(7): 970-972. Liu Chengguo, Huang Jiying, Jiang Changyin, et al. Modeling evaporation duct over sea with pseudo-re­fractivity and similarity theory[J]. Acta Electronic Sinica, 2001, 29(7): 970-972.

[12] 朱庆光, 倪文斐, 高建华, 等. 基于数值模拟与统计学方法的南黄海近岸沙脊与水道稳定性评价[J]. 海洋科学, 2016, 40(8): 119-128. Zhu Qingguang, Ni Wengfei, Gao Jianhua, et al. Evaluating the geomorphological stability of coastal sand ridges and tidal channels in the southern Yellow Sea using numerical simulation and statistical methods[J]. Marine Sciences, 2016, 40(8): 119-128.

[13] Atkinson B W, Li J G, Plant R S. Numerical modeling of the propagation environment in the atmospheric boundary layer over the Persian Gulf [J]. Journal of Applied Meteorology, 2001, 40(3): 586-603.

[14] 胡晓华, 费建芳, 李娟, 等. 一次受台风影响的大气波导过程分析和数值模拟[J]. 海洋预报, 2007, 24(2), 17-25. Hu Xiaohua, Fei Jianfang, Li Juan, et al. Analysis and numerical simulation research of atmospheric duct affected by typhoon[J]. Marine Forecasts, 2007, 24(2): 17-25.

[15] 焦林, 张永刚. 基于中尺度模式MM5下的海洋蒸发波导预报研究[J]. 气象学报, 2009, 67(3): 382-387. Jiao Lin, Zhang Yonggang. An evaporation duct prediction model coupled with the MM5[J]. Acta Meteorologica Sinica, 2009, 67(3): 382 -387.

[16] 王喆, 王振会, 张玉生. 利用WRF模式对海上蒸发波导的数值模拟研究[J]. 海洋技术学报, 2010, 29(3): 93-97. Wang Zhe, Wang zhenhui, Zhang Yusheng. Numerical simulation of evaporation duct with WRF model[J]. Ocean Technology, 2010, 29(3): 93-97.

[17] 陈莉, 高山红, 康士峰, 等. 中国近海蒸发波导的数值模拟与预报研究[J]. 中国海洋大学学报(自然科学版), 2011, Z1: 1-8. Chen Li, Gao Shanhong, Kang Shifeng, et al. Numerical modeling and forecasting of evaporation ducts over China seas[J]. Periodical of Ocean University of China, 2011, Z1: 1-8.

[18] Zhang N, Li N, Tian B, et al. Study on NPS Evaporation Duct Model[C]// International Conference on Wireless Communications NETWORKING and Mobile Computing. IEEE, 2010: 1-4.

[19] Yang S, Li X, Wu C, et al. Application of the PJ and NPS evaporation duct models over the South China Sea (SCS) in winter[J]. Plos One, 2017, 12(3): e0172284.

[20] 成印河, 张玉生, 赵振维, 等. 冬季南海北部近岸蒸发波导环境分析[J]. 电波科学学报, 2013, 28(4): 95-101+106. Cheng Yinhe, Zhang Yusheng, Zhao Zhenwei, et al. Analysis on the evaporation duct environment near coast of the northern South China Sea in winter[J]. Chinese Journal of Radio Science, 2013, 28(4): 95-101+106.

[21] Shi Y, Yang K, Yang Y, et al. Spatio-temporal distribution of evaporation duct for the South China Sea[C]// Oceans. IEEE, 2014: 1-6.

[22] Mckeon B D. Climate analysis of evaporation ducts in the South China Sea[D]. California: Naval Postgraduate School, 2013.

[23] Burk S D, Haack T, Rogers L T, et al. Island Wake Dynamics and Wake Influence on the Evaporation Duct and Radar Propagation[J]. Journal of Applied Meteorology, 2003, 42(3): 349-367.

[24] Fairall C W, Bradley E F, Hare J E, et al. Bulk Parameterization of Air Sea Fluxes: Updates and Verification for the COARE Algorithm[J]. Journal of Climate, 2003, 16(4): 571-591.

[25] Grachev A A, Andreas E L, Fairall C W, et al. SHEBA flux–profile relationships in the stable atmospheric boundary layer[J]. Boundary-Layer Meteorology, 2007, 124(3): 315-333.

[26] 陈国光, 翟方国, 李培良, 等. 黄海海浪季节变化的数值模拟研究[J]. 海洋科学, 2016, 40(11): 155-168. Cheng Guoguang, Zhai Fangguo, Li Peiliang, et al. Numerical study of wave height seasonality in the Yellow Sea[J]. Marine Sciences, 2016, 40(11): 155-168.

[27] 田洁, 吴时国, 王大伟, 等. 西沙海域碳酸盐台地周缘水道沉积体系[J]. 海洋科学, 2016, 40(6): 101-109. Tian Jie, Wu Shiguo, Wang Dawei, et al. Characteristics of periplatform channels of the Xisha area, northern South China Sea[J]. Marine Sciences, 2016, 40(6): 101- 109.

[28] 韩晓鹏, 宋金宝. 波面位移非线性特征数值研究[J]. 海洋科学, 2015, 39(12): 150-156. Han Xiaopeng, Song Jinbao. Numerical study on the nonlinear behaviors of wave surface elevation[J]. Marine Sciences, 2015, 39(12): 150-156.

[29] 杨坤德, 马远良, 史阳. 西太平洋蒸发波导的时空统计规律研究[J]. 物理学报, 2009, 58(10): 7339-7350. Yang Kunde, Ma Yuanliang, Shi Yang. Spatio-temporal distributions of evaporation duct for the West Pacific Ocean[J]. Acta Physical Sinica, 2009, 58(10): 7339-7350.

(本文编辑: 李晓燕)

Mesoscale numerical simulation of the evaporation duct in the South China Sea based on the NPS model

WU Chao, ZHONG Ying, YANG Shao-bo, HE Xin, LI Xing-fei

(State Key Laboratory of Precision Measuring Technology and Instruments, Tianjin University, Tianjin 300072, China)

Theevaporation duct has the highest occurrence compared to other types of atmospheric ducts over sea. Moreover, it has the greatest impact on the radar detection system of naval ships and along the shore; therefore, evaluating the evaporation duct is necessary. In this study, a new numerical prediction model of the evaporation duct based on the NPS diagnostic model is proposed. The evaporation duct process over the South China Sea for five consecutive days from November 1, 2014 is numerically simulated using the proposed prediction model. The simulation results are compared with the tower observation data in the way: the comparison of the time-dependent curves of evaporation duct height and the error analysis. The results are in good agreement and have consistent variation. Moreover, the average error of the evaporation duct height for all five days is 1.289 m. This demonstrates the feasibility and simulation error of the model. Besides, the prediction model is used to simulate the evaporation duct over the South China Sea during the entire year of 2011. Spatial-temporal features of the evaporation duct for 12 months are statistically analyzed and the conclusion of the analysis is consistent with that of other literatures.

evaporation duct; WRF model; NPS diagnostic model; numerical simulation

[Public Science and Technology Research Funds Projects of Ocean, No.2014405006]

Mar. 20, 2017

TN011.3

A

1000-3096(2017)08-0134-08

10.11759/hykx20170320001

2017-03-20;

2017-07-06

海洋公益性行业科研专项(2014405006)

吴超(1992-), 男, 安徽合肥人, 硕士研究生, 主要从事传感技术和海洋气象数据分析等方面研究, 电话: 18902108237, E-mail: wuchaoemail@tju.edu.cn; 钟莹,通信作者, 副教授, 博士, 主要从事精密测试、传感技术和海洋探测与分析等方面研究, E-mail: yzhong@tju.edu.cn