用WRF模式模拟A高原地区暴雨过程特征.docx

用WRF模式模拟A高原地区暴雨过程特征.docx

《用WRF模式模拟A高原地区暴雨过程特征.docx》由会员分享，可在线阅读，更多相关《用WRF模式模拟A高原地区暴雨过程特征.docx（17页珍藏版）》请在冰豆网上搜索。

用WRF模式模拟A高原地区暴雨过程特征

用WRF模式模拟A高原地区暴雨过程特征

随着中尺度大气模式的逐步发展与完善，新一代中尺度大气预报模式WRF由于其开放度高、可移植性强以及更新迅速等优点在全世界得到了广泛的关注和应用。

为了了解及验证WRF模式的模拟效果，本文利用NCEP再分析资料和新一代中尺度数值预报模式WRF对2019年7月16-17日发生于A高原中部地区的一次暴雨过程进行数值模拟。

通过将模拟结果与观测实况进行对比分析，结果发现WRF模式能够较好地模拟此次暴雨的位置、范围及强度。

分析结果表明，此次暴雨具有局地性、强对流等明显特征，充足的水汽、强烈的上升运动、对流性的不稳定等都为暴雨的生成和维持提供了有力的动力和热力条件，有利于此次暴雨过程的形成。

此次研究证实了WRF模式的较好模拟效果，有利于WRF模式在天气预报领域的进一步应用。

关键词：

A高原中部地区;暴雨过程;数值模拟;WRF模式

第一章引言

A高原是中国最大、世界海拔高度最高的高原，中国境内A高原的范围包括西藏自治区、四川省西部以及云南省部分区域、青海省的大部、新疆维吾尔自治区南部以及甘肃省部分地区。

在中国境内，A高原面积大约257万平方千米，平均海拔约为4000-5000米，被誉为“世界屋脊”和“第三极”。

除此之外，A高原地区是亚洲许多大河流的发源地。

高原的环境变化对全球变化具有敏感响应和强烈影响[1]。

高原地区的强对流天气变化迅速，造成的影响较大，且由于高原气象台站较为稀少，气象观测资料极其匮乏，在很大程度上不能依据气象台站的观测资料分析降水形势，因此将数值模式模拟结果与观测资料进行对比来分析高原降水过程特征具有重要意义。

拉萨是中国西藏自治区的首府，位于西藏高原的中部、喜马拉雅山脉北侧，海拔3650米，地处雅鲁藏布江支流拉萨河中游河谷平原，拉萨河流经此，在南郊注入雅鲁藏布江。

拉萨全年晴好天气较多，降雨较少，冬无严寒，夏无酷暑，其气候类型属于高原温带半干旱季风气候。

因此，此次研究拉萨及其周边地区强降水过程对高原强降水的研究具有一定的代表性。

新一代中尺度天气研究和预报模式WRF，是一种完全可压非静力模式，采用ArakawaC网格，集数值天气预报、大气模拟及数据同化于一体的模式系统，能够更好地改善对中尺度天气的模拟和预报，目前主要应用于有限区域的天气研究和业务预报[2]。

自1997年开始WRF模式研究以来，2000年第一个版本的WRF模式得以推出，在众多科学家的努力下，随后不断有各种改进和更新版本推出。

其中具有代表性的是2004年5月发布的WRFV2.0，其包含了单重和双重嵌套以及三维变分数据同化系统，而在随后的WRFV2.2版本中，提出了WRF预处理系统，目的是取代WRF标准初始化模块，而直到WRFV3版本中，WRF预处理系统才得以正式使用，目前WRF模式仍处于不断完善与更新中，以期带来更准确的预报方法与更前沿的科研手段。

目前，国外对WRF模式的应用日趋广泛、研究也愈加深入，国内基于WRF模式的中尺度数值模拟研究也逐渐展开，主要分为3个方面。

首先是对模式内部不同物理参数化方案的对比检验，以寻求在后期模拟中取得最佳效果，其次是在选用合理物理参数化方案基础上针对不同天气形势进行实时模拟与预报，验证模式的模拟效果，再次是与MM5模式的对比模拟，探讨WRF模式的优势与不足。

例如，朱格利[3]等用WRF模式中不同的云微物理参数化方案对华南地区一次暴雨过程进行数值模拟和性能分析，结果表明不同微物理方案对不同量级降水模拟效果总体较好。

杨小银[4]等运用WRF模式对2012年5月10日甘肃岷县暴雨灾害天气进行数值模拟和诊断分析，结果发现WRF模式能较好地模拟此次天气过程。

再如王晓君[5]等从物理参数化方案研究、实时个例模拟研究及与中尺度大气模式MM5的对比研究3个方面介绍近10年来WRF模式在国内的发展和应用概况，实验结果表明WRF模式对中国地区天气过程有较好的模拟能力，因此运用WRF来研究中国地区天气过程是可行的，相比于MM5模式而言，WRF模式在中尺度模拟中具有普适性和优越性，WRF模式是一个更便捷、更完善的模拟与预报系统，发展前景十分广阔。

先前已有许多学者[6-10]用WRF模式模拟分析了区域降水形势，并得出了许多有益的结论。

黄雪辉[6]等利用国际上先进的新一代中尺度WRF模式,采用双向两重嵌套网格,对2000年10月31日台风"象神"造成的台湾的暴雨个例进行了数值模拟，模拟结果表明,在采用较高的模式水平分辨率和优化的模式地形方案后,WRF模式能够较好的模拟出台湾地区的强降水和地形强迫引起的上升运动。

宋巧云[7]等对2003年7月4—6日淮河流域出现的暴雨过程进行了诊断分析，结果表明,WRF模式对这次暴雨过程的雨带位置和走向均有较好的模拟。

侯建忠[8]等利用WRF模式对2005年陕西发生的汛期情况进行诊断分析,发现WRF模式对强降水区域及降水量级和各种类降水的模拟结果比较理想。

伍华平等[9]对2007年6月1日-2日湖南南部暴雨进行了模拟诊断分析，分析结果表明，各积云参数化方案总体上可以模拟强降水范围，采用嵌套模拟方案效果较优，某些参数化方案则对降水中心模拟效果欠佳。

陶建红等[10]将WRF模式应用在甘肃河西西部一次暴雪过程模拟上，结果表明WRF模式对暴雨中心、范围、强度的模拟具有较好效果.宋自福[11]等用WRF模式模拟了2008年焦作汛期降水，结果表明WRF模式能够较好地模拟出暴雨区域和暴雨强度。

袁成松[12]等利用中尺度数值模式WRF2.2和1°×1°的NCEP气象再分析资料,对2009年9月17日发生在江苏南部地区覆盖沪宁高速公路的一次大暴雨天气过程进行了数值模拟。

经AWMS（theautomaticweathermonitoringsystem）实测数据验证,此次天气过程的模拟效果较为理想。

对于高原的强降水数值模式研究，也有部分学者[13-16]进行了探索。

郭英香[13]等利用WRF模式,选择了青海高原2003年7月30日的一次降水过程,设计了一组不同水平分辨率下的研究方案进行模拟,并将模式模拟结果与实测资料进行对比分析,结果表明:

任何一种水平分辨率都能够较好地模拟高原地区的强降水,但对于江水中心的模拟略微偏移,较低水平分辨率对降水中心量值的模拟相对较好,而高水平分辨率的模拟结果则会有所偏大。

何由[14]等为了了解WRF模式中各种参数化方案组合、嵌套技术的使用对A高原降水模拟效果的影响，利用WRF模式对2004年10月5-6日A高原的一次强降水过程进行了模拟试验，结果表明，WRF模式基本能够模拟出此次强降水过程的地点、范围及强度，Eta-Ferrier云微物理方案和Betts-Miller-Janjic积云参数化方案的组合在此次模拟降水过程中是最优的，采用嵌套方案的模拟结果比不采用嵌套方案的模拟结果要好，同时对于边界层方案的选择也会对模拟结果产生较大影响。

孙辉[15]等利用中尺度模式WRF对A高原及周边地区2006—2008年夏季降水时空分布和日变化特征进行了高分辨（水平分辨率为12km）数值模拟研究。

与TRMM卫星观测相比,WRF较好地抓住了高原降水的时空分布,成功模拟出了高原夏季降水日变化的主要特征。

王坤[16]等通过A高原一次暴雪过程的模拟试验,对WRF模式中的WSM3微物理方案中的降水模拟偏差原因进行了分析,并根据观测试验结果,提出了改进WSM3微物理方案中冰核浓度的2种计算方案。

A高原由于其特殊的海拔和地形，形成了独特的气候和天气特征。

A高原空气稀薄清洁，尘埃和水蒸气含量少，大气透明度比平原地带高，太阳辐射透过率随海拔高度增加而增大，夏季日照时间长，太阳辐射强烈，大气加热快，对流发展旺盛，用WRF模式模拟A高原拉萨地区的降水现象对了解WRF模式对高原强对流天气的模拟效果有重要意义，对WRF模式的高原本地化改进也有重要意义。

因此，本文利用WRF模式对2019年7月16日发生在A高原中部拉萨及其周边地区的一次暴雨过程进行数值模拟，并将模拟结果与实况进行对比，从而深入了解此次暴雨过程的环流形势特征、动力条件、水汽条件以及热力条件，从而为今后更好地预报该地区的暴雨等强对流天气提供一定的参考。

第二章基本情况介绍

2.1暴雨过程概况与大气环流特征

图22019年7月16日00:

00的500hPa环流形势

Fig.2Thesituationofatmosphericcirculationon500hPaat00:

00on16July2019

2019年7月16日下午，A高原中部的拉萨及其周边地区降下雷阵雨和冰雹，此次强降水较为突然和急促。

此次暴雨过程始于2019年7月16日10时左右，暴雨范围包括拉萨市区以及周边地区。

根据气象台站观测资料，拉萨市区降水约为44毫米左右，暴雨冰雹时段，市区降水量为15.4毫米，截至16日12时，降雨量增加到19.3毫米，冰雹最大直径为8厘米。

在高原地区，24小时总降水量达到25毫米及其以上则界定为暴雨。

此次暴雨降水急促、降水量大，造成拉萨市大部分地段路面积水严重，冰雹也造成了部分行人受伤，给市民带来部分财产损失和生活出行的不便。

关于此次暴雨过程的大气环流形势特征，如上图2所示，上图2是2019年7月16日00:

00的500hPa环流形势图。

分析图2可知，中高纬度有两脊一槽型的环流结构，里海到贝加尔湖是一深槽，深槽穿巴尔喀什湖而过，呈东北西南走向，所跨纬度大致从40°N到60°N，深槽有利于引导冷空气的南下。

里海-乌拉尔山地区是高脊区，贝加尔湖以北由强大的高压控制，库页岛以北为低压控制。

在我国区内，从内蒙古东部到河南中部是一南北走向的低槽，长江中游地区有一东北-西南走向的槽，全国盛行西风或西北风，西太平洋副热带高压（下称西太副高）极其强大，西太副高中心位于日本本土四岛东南部，西太副高西伸脊点即588线最西端达105°E左右，即滇桂边界附近。

我国华南地区几乎全由西太副高控制，天气晴朗。

菲律宾以及我国南海地区有一热带气旋，并不断向北挤压西太副高，有利于向A高原输送源源不断的水汽，西太副高西南侧外围是水汽输送通道。

此时A高原中南部中部有一暖中心结构，A高原西南部由低压控制。

与此同时，500hPa有短波槽经过滇西北，对照700hPa和850hPa有切变线活动。

由于西太副高的阻挡作用，使来自孟加拉湾以及我国南海的暖湿气流源源不断向高纬输送，来自低纬的暖湿气流与来自北方中西伯利亚的干冷空气交汇，以上的环流配置有利于A高原地区对流性强降水的发生。

2.2资料选取和模拟方案介绍

图1模拟选取区域配置

Fig.1WPSdomainconfiguration

本文选用中尺度天气预报模式WRF，初始场条件和侧边界条件选取2019年7月16日NCEP/NCAR逐六小时再分析资料，水平分辨率为1°×1°，时间间隔为6小时。

所用降水数据为2019年7月16日热带降雨测量卫星TRMM逐3小时降水量的实测资料。

本文的WRF模式以32.0°N，93.0°E为中心，采用双重嵌套模拟方式，第一重区域的水平分辨率为30km，网格数为184×133，第二重区域水平分辨率为10km，网格数为211×160，垂直方向的层数设置为40，模式顶层设置为50hPa。

此模式模拟参数化方案选取如下:

微物理过程采用WSM-3方案，长波辐射采用rrtm方案，短波辐射采用Dudhia方案，近地面层采用Monin-Obukhov方案，陆面过程采用Noah方案，边界层采用YSU方案，积云参数化采用浅对流Kain-Fritsch（newEta）方案。

此模式模拟时段为2019年7月16日06:

00（世界时，下同）－17日06:

00，积分时段为24h，每2h输出一次结果。

研究区域拉萨地区的中心经纬度为91°E，29.5°N，第一重区域是外方框d01，第二重区域是内方框d02，如下图1所示。

第三章WRF模拟结果分析

3.1模式性能评估

3.1.1模拟降水检验

（a）

（b）

（c）

（d）

图32019年7月16日06:

00—2019年7月17日06:

00d01（a、b）和d02（c、d）实况（a、c）和模拟（b、d）的24h累积降水量分布（单位mm）

Fig.2Thedistributionoftheobserved（a,c）andsimulated（b,d）24haccumulatedprecipitationinbignest（a,b）andsmallnest（c,d）from06:

00on16to06:

00on17July2019.Unit:

mm.

如上图3所示，a和b代表第一重嵌套d01的范围，c和d代表第二重嵌套d02的范围，a和c为TRMM降水实况，b和d是WRF模式模拟结果。

模式模拟结果与实况对比结果的相似程度是评价此次模拟成功与否的关键。

评价一个天气模式的好坏，对降水的模拟和预报能力相当重要。

从2019年7月16日06:

00到2019年7月17日06:

00降水实况和模式模拟的24小时累积降水量分布（图3）中可以看出，模拟的强降水中心和位置基本与TRMM观测实况一致，24h降水的量级也基本上一致，同时也可看出，模拟拉萨及其周边地区的强降水中心位置（29.5°N，91°E）与TRMM实况大概一致，主要位于拉萨市区大部及其北部地区一带。

模拟结果显示，模式对暴雨落区、雨量大小的模拟效果都比较好，但是与实况相比模拟的降水带稍微偏西偏北，降水的范围也比探测实况有所缩小，除此之外，在极少数强降水的中心模拟的量级与实况相比会有所偏大。

但总的来说模拟效果较为理想，能较好地利用模拟结果分析降水过程特征。

具体来说，对于主要研究的A高原中南部的拉萨及其周边地区而言，模拟的强降水及暴雨中心与探测实况较为接近，强降水中心大致位于（30°N，91°E），在降水量级上，模拟结果比观测实况大致偏大15mm左右（根据图3a和图3b以及图3c和图3d的对比）。

造成此偏差的原因很可能是由于A高原特殊地形和特殊气候的影响，导致模拟的地形与实际状况存在偏差，除此之外，A高原地广人稀，高原自然生态系统极其脆弱，气象台站稀少且分布不均，再加上TRMM热带降水测量卫星在A高原上的观测能力可能不足也会导致出现偏差情况。

不过总体来看，模拟结果较为理想和客观，基本上能够再现此次强降水的过程，为今后利用模式以及讨论研究此次高原强降水的各物理量特征提供了有力支撑。

通过对照16日06:

00—17日06:

00模拟的拉萨及其周边地区强降水过程的累计降水量在各个设置输出时间段（每隔2小时输出一次结果）的变化发现，此次强降水主要集中在前半段，在09:

00到12:

00的时间段中降水量增加最为迅速，且降水量较大，拉萨市区中心在此时间段降水量达到20mm左右，并在此后持续降水，在24h内拉萨城区总降水量达到40mm以上。

下面将针对主要的强降水过程进行讨论分析，利用中尺度大气模式WRF模拟输出的高时空分辨率模拟结果，对主要物理量进行诊断分析，从而对此次暴雨过程的中尺度特征进行分析讨论。

第4章物理量的特征分析

暴雨、冰雹等强降水天气生成的过程是很复杂的，从宏观物理条件来考虑，暴雨产生的主要物理条件是充足的水汽、强烈的上升运动和一定程度的不稳定能量。

暴雨通常发生在有力的环流条件和天气背景之下，但其还需要水汽供应、动力抬升、热力不稳定以及锋生作为触发条件。

由前述的WRF模式对本次强降水天气过程的模拟效果比较好的结论，而且模拟结果输出的数据分辨率更高，因此以下分析将采用模式的细网格输出结果对各相关物理量进行诊断分析。

4.1水汽条件及分析

充足的源源不断的水汽供应是产生强降水的必要条件之一。

水汽通量通常能较好地描述水汽输送以及水汽来源，地表向上的水汽通量（Upwardmoistureflux）图如下图4。

（a）

（b）

图42019年7月16日地表向上的水汽通量d01（a）和d02（b）（单位：

kg·m-2·s-1）

Fig.4Upwardmoisturefluxofd01（a）andd02（b）atthesurfaceon16July2019（unit：

kg·m-2·s-1）

通常情况下，只有当水汽铅直输送时，才能增厚湿层，增大云量，上升水汽遇冷产生凝结，成云致雨。

因此，当讨论暴雨过程中的水汽收支问题时，往往需要计算铅直方向的水汽通量。

铅直水汽通量，是指单位时间内流经单位面积水平面向上输送的水汽质量，其大小与铅直速度及比湿成正比，与重力加速度成反比，表达式为：

Fz=-Ωq/g。

上图表示的是2019年7月16日铅直水汽通量。

如图所示，在拉萨及其周边地区附近存在较为密集的铅直水汽通量等值区，并且量级上较为可观，表明该地区水汽充足，大量水汽的向上输送为暴雨的产生提供了有利条件。

同时由图可知，研究范围的周边区域特别是南海地区水汽相当充足，有利于作为水汽的来源为A高原提供源源不断的水汽。

4.2动力诊断

有利的动力条件一方面可以促使充足的水汽向强降水区域不断聚集，另一方面则能够产生强烈的上升运动，使得水汽迅速上升，成云致雨，水汽不断在高层聚集，直到水汽重力大于上升气流对其的托举力时，就急剧地降落到地表面，产生强降水。

因此动力条件是暴雨产生的不可或缺的条件。

4.2.1垂直速度（Verticalspeed）

大气中的能量传输是通过大气的运动来完成的，空气的垂直运动对大气热量、空气水汽、大气动量等大气物理量的传输以及发展有着极其重要的意义，同时垂直速度对大气各天气系统的发展都有重要影响。

如下图5所示。

图52019年7月16日10:

00沿91°E垂直速度经向-垂直剖面等值线图，单位：

m·s-1

Fig.5Thezonalverticalcross-sectioncontourmapoftheverticalvelocityalong91°Eat06:

00on16July2019.Unit:

m·s-1

从上图可以看出，强降水中心（拉萨，29.5°N，91°E）附近自下到上都出现了较为明显的的上升运动，等值线较为密集且量级可观，证明上升运动较为强烈，符合暴雨降下前夕的垂直运动条件。

从上图等值线图可以看出，强降水中心上空垂直运动最大值达到了0.3m/s及以上，大于附近地区上空垂直运动速度。

由以上分析可知，此次暴雨过程拉萨及其附近地区上空对流活动旺盛，由于A高原特殊地形和海拔影响，对流运动的上升区可以达到较高的高度。

较强的垂直运动引发深厚、旺盛的对流活动，使大气层结不稳定能量得到释放，导致对流性天气得以增强并能够持续维持和发展。

4.2.2绝对涡度和位势涡度（Absolutevorticityandpotentialvorticity）

涡度是流体力学中用来描述流体旋转情况的物理量。

在气象学之中所考虑的流体就是大气，实际上通常就仅考虑涡度的铅直分量。

如果把地球旋转都一并考虑的话，涡度就被称为绝对涡度，绝对涡度是相对涡度与地转涡度（即科氏力参数的绝对值）之和。

位势涡度定义为两邻近等熵面（等位温面）之间的大气柱在被带到某一规定纬度并被伸缩到某一规定厚度时所有的涡度，计算公式是：

PV=1/p·ζa·▽PT（PV为位涡，p为空气密度，PT为位温）如下图6所示。

（a）

（b）

图62019年7月16日06:

00绝对涡度图（a）与位势涡度图（b）

Fig.6Absolutevorticitygraph（a）andThepotentialvorticitygraphat500hPaat06:

00on16July2019

由图中可以看出，在强降水发生之前，强降水中心（拉萨，29.5°N，91°E）的500hPa高度上的绝对涡度和相对涡度的量级相较于附近区域均较为明显，涡旋范围较大，强度较强。

其中绝对涡度中心值达到5×10-4s-1，与暴雨中心相比略微偏南，但是强降水带与强涡度区呈现出较为一致的分布特征。

位势涡度中心量级相较于周围区域则更为明显地偏大，中心值甚至达到了4PVU以上，位置略微偏南，但是总体来说强降水区域与强位势涡度区域基本重合，模拟效果较好。

根据以上分析可以看出，所研究区域在强降水过程中有着强烈的上升运动，同时强降水中心区域的上升运动也符合低层辐合、高层辐散的形势特征，与垂直运动等其他动力因素相配合，使得暴雨的生成和维持获得更多的有利条件。

4.3不稳定能量分析

暴雨的生成和维持除了需要前述的充沛的水汽和有利的动力条件之外，一定程度上的不稳定能量条件也是不可或缺的。

热力不稳定是影响暴雨强度和类型的三个主要因子之一，因为它正比于抬升空气的有效位能。

用来衡量热力不稳定大小的最佳参量是对流有效位能CAPE。

对流有效位能（CAPE）是气块在给定环境中绝热上升时的正浮力所产生的能量的垂直积分，是暴雨潜在强度的一个重要指标，能在一定程度上判断大气是否能够发生深厚对流，其量级和分布能反映天气系统的演变和发展。

研究区域强降水过程的CAPE情况如下图7所示。

图72019年7月16日06:

00平均CAPE分布情况（单位：

J）

Fig.7ThedistributionofmeanCAPEat06:

00on16July2019.（Unit:

J）

由上图可知，在强降水发生之前，拉萨（29.5°N，91°E）及其周围地区处于大CAPE值的包围中，其附近平均CAPE量级达到了1500J以上，不过模拟的高平均CAPE值中心较强降水中心有所偏北。

从图中也能看出，该区域上空聚集着大量的不稳定能量，尤其是水汽来源地—孟加拉湾和南海的平均CAPE达到了相当大的量级，孟加拉湾甚至达到了3000J以上，南海的平均CAPE量级也达到了3000J以上，这也表明所研究区域处于能量极其不稳定状态，符合暴雨发展的形势特征，这种不稳定能量的维持和发展，为暴雨的暴发和持续提供了必要的能量不稳定条件。

第5章结论

本文利用新一代中尺度大气模式WRF对2019年7月16日A高原中南部拉萨及其附近地区发生的一次暴雨过程进行了数值模拟，将模拟结果与观测实况进行对比分析，同时运用高时空分辨率的WRF模式模拟资料，对此次暴雨发生的三大物理量条件进行诊断分析，分析后得到以下的几点结论：

（1）尽管与热带降水卫星TRMM探测实况相比模拟的降水带稍微偏西偏北，降水的范围也比观测实况有所缩小，与此之外，在极少数强降水的中心模拟的量级与实况相比略微偏大，但总体而言，此次用WRF模拟暴雨过程特征的效果较优，能够较好地模拟出此次暴雨的暴雨区域、强降水中心位置以及降水量级。

通过此次暴雨过程分析可以发现，此次拉萨及其附近地区的暴雨过程主要集中在2019年7月16日12:

00左右。

（2）通过地表水汽通量分析，此次暴雨过程有着比较充足和持续的水汽供应，通过分析发现，模拟时段的24小时内，水汽来源于北印度洋上的孟加拉湾地区和西太平洋上的南海地区，源源不断的水汽铅直运动为成云致雨提供了极其有利的条件，表明该地区水汽充足，为暴雨的产生提供了持续的水汽条件。

（3）通过对模拟时段的动力条件（垂直运动、绝对涡度和位势涡度）分析可知，强降水中心区域从低层到高层有着比较强烈的上升运动，促使地表的的水汽、动量和能量一起向上输送，从而导致大气中的不稳定能量得以大量积累，同时自下而上的涡旋运动与垂直运动互相配合，为暴雨的生成和维持以及发展提供了非常有利的动力条件。

（4）对流有效位能CAPE在暴雨发生前期的形势特征，反映了暴雨天气过程中的能量调整和积累特征，同时CAPE高值区范围和强降水中心范围趋于一致，由此可知CAPE高值区的分布特征对未来三小时的落区预报和量级预报都有着比较好的提示意义。

此次拉萨及其附