不同地形高程数据对青海夏季气温和降水模拟准确度的影响

2021-10-28沈晓燕申燕玲颜玉倩肖宏斌

沙漠与绿洲气象 2021年4期

沈晓燕，申燕玲，颜玉倩，肖宏斌，权晨

（1.青海省气象科学研究所，青海西宁810001；2.青海省防灾减灾重点实验室，青海西宁810001）

地形与降水、气温等气象要素有着密切关系[1]，地形本身尺度及其与大气相互作用的复杂性，导致地形的动力、热力、微物理效应十分复杂[2]。智协飞等[1]得出较大模式地形高度偏差可严重影响2 m 气温模式预报性能，导致较大预报误差。鲁春霞等[3]发现东亚季风区大部分降水随着海拔上升而增大。地形的改变会影响降水的落区和强度。陈潜等[4]发现地形引起的降水变化主要在地形变化的附近，大尺度环流决定降水落区和强度，地形起了改变落区和强度的作用；何光碧等[5]得出地形的改变通过影响涡旋活动来影响降水的分布。

国内外已有很多地形影响数值模式试验，主要通过改变地形高度、调整模式分辨率或加入不同地形资料进行敏感性试验[6-11]。何钰等[7]通过有、无青藏高原试验以及将高原高度降低到临界值，研究了青藏高原大地形对我国华南地区一次暴雨过程的影响。吕世华等[9]指出高分辨率模式使得预报质量得到显著的改善，系统的移速和中心位置更接近实况，同时，高分辨率需要更合理的地形与之相匹配。高学杰等[10]探讨了不同水平分辨率和地形对东亚降水的影响，指出实际地形的模拟效果好于使用平滑地形，使用平滑地形但分辨率较高，与使用实际地形但分辨率较低相比较，会取得更好的模拟结果。何光碧等[12]提出了通过一些关键点引入实际地形高度，从而改进模式预报效果，特别是降水预报效果的一种地形处理思路，得出引入更真实地形使得降水强度增大，强降水中心位置和发生时间有所改善。

WRF（weather research and forecasting）模式作为应用较为广泛的天气气候模式，其地形数据长期以来使用的是由美国地质调查局（United States Geological Survey，USGS）提供的 30 s 分辨率（约1 km）数据，该全球地形资料可以满足大尺度数值模拟分析中对地形分布精度的要求，但在地形分布复杂的小尺度分析应用中则略显不足[13]。SRTM（Shuttle Radar Topography Mission）高程数据由美国太空总署（NASA）和国防部国家测绘局（NIMA）联合测量。其中90 m 栅格分辨率的地形高程数据已公开发布，为WRF 模式中高精度地形数据的应用提供了支持。蒋立辉等[13]得出SRTM 数据更真实地反映了北京地区的地形高度特征，尤其是地形复杂区域的高度特征，增强了WRF 模式在北京地区复杂地形条件下的风场模拟能力。

青海位于青藏高原东北部，境内山脉高耸，地形多样，河流纵横，湖泊棋布，东部多山，海拔较低，西部为高原和盆地，平均海拔＞3 000 m[14]。鉴于SRTM数据具有现实性强、精度较高及免费获取等优点，及地形对气温降水的重要性，利用WRF 模式，比较了使用不同分辨率地形数据及引入真实台站海拔对夏季气温降水模拟的影响。研究结果可以为WRF 默认地形高度数据集的替换提供一种途径，也可为不同地形资料在青海地区的应用及模式的本地化提供一定的参考。

1 模式、资料和方法

WRF 模式是由美国国家环境预测中心（NCEP）、美国国家大气研究中心（NCAR）等机构研发的中尺度天气预报模式，为完全可压缩非静力模式，采用F90 语言编写。水平方向采用Arakawa C（荒川C）网格点，垂直方向采用地形跟随质量坐标，时间积分采用3 阶或4 阶的Runge-Kutta 算法[15]。本文使用的模式是WRFV3.7.1 版本。

模拟采用2 层嵌套方案（图1），其中D02 包含整个青海省，模式参数设置见表1。模拟区域中心点纬度和经度分别为36°N、95°E，垂直层次为30 层，模式层顶气压为50 hPa。使用NCEP/NCAR 的6 h FNL 全球再分析资料（1°×1°）作为模式的初始场和侧边界条件。模拟积分时间为2014 年5 月20 日00时 00 分 00 秒 UTC—9 月 1 日 00 时 00 分 00 秒UTC，模拟结果输出间隔为1 h，模式前11 d 视为模式调整期数据予以舍弃。本文以最内层嵌套区域结果进行分析研究。

图1 模式嵌套区域（a）及青海省地形与气象站点（b）分布

表1 模拟区域基本参数设置

参数化方案选取参考了本地化参数化方案优选夏季最优组合[16]，其中微物理参数化采用Thompson方案，积云对流参数化采用KF 方案，长、短波辐射分别采用RRTM 方案及Duhbia 方案，边界层采用ACM2 方案，近地层采用Monin_Obukhov 方案，陆面过程采用Noah 方案。

地形高度数据包括：WRF 自带USGS 地形高度数据，分辨率为 30 s（约 1 km），SRTM 数据（分辨率为90 m），青海省48 个国家级地面气象观测站（图2）海拔高度资料。其中SRTM 数字高程数据，利用Arcgis 遥感软件进行了镶嵌及格式转换，使用Fortran 处理生成可利用于WRF 的青海省高分辨率地形高度数据，数据范围为 30°～45°N，85°～105°E；青海省48 个国家级地面气象观测站海拔高度资料利用最近点赋值法，将海拔高度数据赋值到距离实况站点最近的模式格点。

图2 地形高度差值

用于模拟结果验证的资料包括：青海省48 个国家级地面气象观测站同期逐日降水、气温资料，全球范围内0.1°的半小时多源卫星融合降水产品（IMERG）。全球降水观测（Global Precipitation Measurement，简称GPM）计划是一个包含全球多个国家不同卫星的卫星群，该计划提供下一代全球降水和雪的观测，GPM 能够提供全球范围内0.1°的半小时多源卫星融合降水产品（IMERG）[17-18]。

青海降水夏季较多[14]，模拟时段选择2014 年6—8 月，进行了 Case1、Case2、Case3 及 Case4 共 4组模拟，地形高度数据设置为：Case1 是WRF 模式自带的USGS 地形高度数据，分辨率为30 s（约1 km）；Case2 是 SRTM3 90 m 分辨率数据；Case3 是在Case1 地形数据的基础上，引入青海48 个台站海拔高度改变模式局地地形；Case4 是在Case2 的基础上，引入青海48 个台站海拔高度改变模式局地地形。4 组试验大气强迫场数据均相同，用以分析不同地形数据对2014 年青海夏季（6—8 月，下同）降水模拟的影响。

气温检验采用平均误差（Mean Error，ME）、气温预报≤2 ℃预报准确率（TT2）检验差异性。降水检验采用标准化均方根误差（E）、晴雨预报准确率（PC）、风险评分（Threst Score，TS）及预报偏差（BIAS）作为检验指标。选用青海省48 个地面气象观测站作为检验站点，利用最近点赋值法，采用距离检验站点最近的模式输出格点与相应站点进行对比，计算相应检验指标。

公式如下：

式中，NA为有降水预报正确站（次）数，NB为空报站（次）数、NC为漏报站（次）数，ND为无降水预报正确的站（次）数，K 为降水检验级别，NAK为 K 级别降水预报正确的站点样本数，NBK为K 级别降水空报的站点样本数，NCK为K 级别降水漏报的站点样本数，NDK为无降水预报正确的站点样本数，N 为站点样本总数，Fi为第i 个站点样本预报值，Oi为第 i个站点样本实况观测值，为观测值时间平均，Nr为℃的站点样本数，Nf为样本总数。

2 结果分析

2.1 不同地形资料比较

比较模式台站海拔高度与实际测站海拔高度之间的差值（图2a），模式地形高度总体高于实际台站地形高度。其中玉树、同仁、祁连模式海拔高度与实际高度之间相差最大，模式高度比实际高度分别高580、502 和402 m，相差较大的站主要位于果洛、玉树南部，海北北部等海拔高度较高的地区，以及河湟地区地形梯度较大的地区。海西部分地区、海南中部地区模式地形高度低于实际地形高度，约为100 m。比较不同分辨率地形高度数据（图2b）可知，相对于模式自带USGS 地形高度资料，更高分辨率的SRTM 数据青海大部分地区地形高度增加，增加幅度约为10～40 m。青海东部部分站点地形高度减小，减少幅度为20～50 m。

2.2 对气温模拟的影响

通过控制试验（Case1）验证了WRF 模式对2014 年青海省夏季24 h 最高（低）气温的模拟效果，2014 年青海省夏季 24 h 最高（低）气温±2 ℃准确率平均为47.04%（54.74%）（表2），最低气温较最高气温模拟效果好。最高气温最高准确率出现在海北、海东地区，其中海北刚察超过83.7%；海西西部和中部、玉树、果洛南部最高气温模拟较差，玉树站准确率仅为13%。青海省大部分地区最低气温比最高气温模拟较好，最高准确率同样出现在刚察（83.7%），海西小灶火最低（26.7%）。

表2 最高、最低气温预报≤2 ℃的准确率（TT2）及平均误差（ME）

从Case1 平均偏差来看，WRF 对最高气温模拟普遍偏低，平均偏低1.3 ℃。海西、果洛、玉树地区最高气温模拟偏低，其中玉树偏低最为明显（-4.7 ℃），青海东部部分站点最高气温模拟略高，其中湟中最高气温偏高最为明显（2.4 ℃）。最低气温，青海北部模拟偏高，南部地区模拟偏低。兴海（3.3 ℃）、小灶火（3 ℃）偏高最为明显，玉树（-3.1 ℃）、杂多（-2.8 ℃）偏低最为明显。

使用不同模式地形数据，从气温平均偏差来看（图3），4 组试验对最高气温模拟均普遍偏低，青海东部部分站点最高气温模拟略高。Case1、Case2青海北部地区最低气温模拟偏高，南部地区最低气温模拟偏低，Case3、Case4 青海整体最低气温模拟偏高。

比较不同试验对最高、最低气温偏差的影响可看出，相对于控制试验（Case1），使用 SRTM 90 m 分辨率地形资料（Case2）最高气温20 个台站偏差减小，减小的站点主要分布在青海东部（图3a），其中茶卡（0.56 ℃）和天峻（0.43 ℃）偏差减小最多。10 个站点的准确率增加，增加站点零散分布（图4a），较为显著的站点有互助（6.5%）和兴海（5.4%）。在USGS 地形资料基础上引入台站海拔（Case3）和在SRTM 地形资料基础上引入台站海拔（Case4）对最高气温模拟改进较为显著，分别有31、30 个站点偏差减小，其中20、19 个站点的偏差减小超过1 ℃，这些站点分布于玉树、果洛南部、海北北部、黄南及海南中部地区（图 3b、3c）。Case3、Case4 偏差减小最显著的站点为玉树（4、4.2 ℃），其次为黄南（3.9、3.8 ℃）、杂多（3.3、3.3 ℃）。分别有 25、26 个站点的准确率增加，海北、海西、玉树、果洛的准确率增加明显，其中玉树、果洛南部，海北北部站点及海西、黄南、湟中准确率增加超过10%。Case3 较为显著的站点有玉树（47.9%）和野牛沟（41.3%）（图 4b），Case4 较为显著的站点有玉树（44.6%）和祁连（41.3 %）（图4c）。Case3、Case4 偏差减小超过1 ℃及准确率超过10%的地区与模式海拔与台站海拔高度差值较大地区吻合，玉树、黄南、杂多Case1 温度偏低明显，分别为-4.69、-3.9、-3.5 ℃，引入真实台站海拔之后，海拔高度分别降低580.4、502.2、386.6 m，从而温度升高，偏差减小，准确率增加。

图3 最高（a、b、c）及最低（d、e、f）气温平均误差

使用不同地形资料对最低气温的改变并不明显，相对于Case1，Case2 23 个台站最低气温偏差减小，除青海南部、北部零星站点外，大部分偏差改变在 0.2 ℃以内，其中清水河（1.1 ℃）和冷湖（0.39 ℃）偏差减小最多（图3d）。32 个站点的准确率增加，较为显著的站点有清水河（13%）和黄南（7.6%）（图4d）。Case3、Case4 对最低气温模拟改进较小（图 3e、3f），分别有 16、17 个站点偏差减小，分别有 2、4 个站点的偏差减小超过1 ℃，偏差减小最显著的站点为杂多，分别为2.1、2.4 ℃，其次为玉树，分别为1.1、1.5 ℃。分别有21、22 个站点的准确率增加，青海西部和南部站点的准确率增加明显，其中玉树南部站点、茶卡、黄南、湟中准确率增加超过10%。Case3 较为显著的站点有杂多（29.3%）和玉树（21.7%）（图4e），Case4 较为显著的站点有杂多（34.8%）和玉树（27.2%）（图 4f）。

图4 最高（a、b、c）、最低气温（d、e、f）预报≤2 ℃的准确率差值

综合温度偏差（ME）和气温预报≤2 ℃预报准确率（TT2）来看：对于最高气温，引入青海气象台站海拔（Case3、Case4）对于准确率提高较大，分别提高4.6%、6.1%；偏差减小显著地区分布于青海南部、祁连山区海拔较高地区以及黄南、海南中部地形梯度较大地区。对于最低气温改变不如最高气温明显，相对而言，使用更高分辨率地形资料（Case2）准确率提高站点数较多，但提高幅度较低（1.55%）。

2.3 对降水模拟的影响

从GPM 多源卫星融合降水产品（IMERG）2014年青海省夏季累积降水量可知，2014 年夏季青海省累积降水量由南到北递减，玉树、果洛南部地区降水量最多，超过450 mm，祁连山区、青海东部降水量次之，约为300 mm，海西州降水量最少（50 mm 以内）。通过控制试验（Case1）得出，WRF 模式能较为准确地模拟出降水量从南至北递减的空间分布。

WRF 模式（Case1）模拟青海省 2014 年夏季 24 h累积降水量平均晴雨预报准确率为71.8%，其中玉树预报准确率最高，超过81.5%，最低在循化，为51.7%。从空间分布上来看，青海海西北部、玉树、果洛南部预报准确率最高，达80%左右，青海东部地区预报准确率较低，约为60%。青海省2014 年夏季24 h 累积降水量平均TS评分为58.4%，空报率为29.8%，漏报率为11.8%。从空间分布上来看，玉树、果洛南部、海北大部TS评分较高（约80%），除海西大部、海东部分站点外，TS评分都超过50%。TS评分分布与青海降水次数分布较为一致，玉树东南部、果洛南部、祁连山区降水次数较多，海西大部降水次数少。海西大部地区TS评分低与该地区降水次数较少有关。

从分量级评分来看，小雨平均TS评分为54.4%，玉树、果洛南部、祁连山区小雨预报准确率较高，超过70%。中雨平均TS评分为8.3%，海西中北部、祁连山区、海南中部、玉树大部地区中雨预报准确率较高。WRF 模式模拟青海2014 年夏季整体小雨预报偏多，尤其是海西西部，海西和唐古拉山区中雨预报偏少，玉树北部、果洛、海南、黄南地区中雨预报偏多。

综合来看，青海平均降水次数较少的地区，如海西大部，晴雨预报准确率较高，TS评分较低；平均降水次数较多的地方，如玉树南部、果洛南部、祁连山区，晴雨预报准确率和TS评分均较高；海南中部、海东大部地形较为复杂，TS评分均较差。

图5 和图6 分别给出了使用不同模式地形数据对2014 年青海省夏季降水标准化均方根误差（E）及降水 TS评分（TS）的影响。

使用 SRTM 90 m 分辨率地形资料（Case2）48 个站点中19 个站点的E 减小，这些站点位于海西大部、玉树、果洛南部、及青海东部（图5a）。有10 个站点减小幅度超过10%，其中6 个站点位于海西，4 个位于青海东部，较为显著的站点有格尔木（57.2%）和小灶火（40.5%）。17 个站点的TS评分增加，位于海西中部、果洛北部及青海东部（图6a），增加较为显著的站点有都兰（11.1%）和大柴旦（7.2%）。

在USGS 地形资料基础上引入台站海拔（Case3）24 个站点的E 减小。减小幅度较大的站点大部分位于海西，较为显著的站点有小灶火（51.5%）和茶卡（26.5%）（图 5b）。18 个站点的 TS评分增加，增加站点分布在海西、玉树、果洛、青海东部地区（图 6b）。

在SRTM 地形资料基础上引入台站海拔（Case4）26 个站点的E 减小。减小幅度较大的站点分布在海西及青海东部，较为显著的站点有小灶火（51.3%）和诺木洪（29.8%）（图 5c）。23 个站点的 TS评分增加，增加站点位于海西大部、青海东部地区，较为显著的站点为循化，增加了9%（图6c）。其中Case4 青海东部站点的E 减小显著，有16 个站点减小，平均减小幅度为9.31%，而Case2、Case3 仅有10个站点，平均减小幅度分别为7.96%、8.88%。

图5 降水标准化均方根误差

图6 TS 评分差值

使用不同地形数据对青海整体TS评分及E 值影响较小，相对而言，Case4 平均TS评分略有提高（0.3%），平均E 值略有减小（0.05）。根据不同试验TS评分增加及E 值减小站点分布，计算了青海海西柴达木盆地及东部河湟地区平均降水TS评分及标准化均方根误差（E）（表3）。使用较高分辨率地形高度资料（Case2、Case4），柴达木盆地 TS评分增加，偏差减小；在SRTM 地形资料基础上引入气象台站海拔高度（Case4）河湟地区 TS评分增加（1.2%），偏差减小（-0.14）。