王永明， 高山紅

(中國(guó)海洋大學(xué)物理海洋教育部重點(diǎn)實(shí)驗(yàn)室，海洋與大氣學(xué)院，山東 青島 266100)

?

黃海海霧數(shù)值模擬中多普勒雷達(dá)徑向風(fēng)數(shù)據(jù)同化試驗(yàn)*

王永明， 高山紅**

(中國(guó)海洋大學(xué)物理海洋教育部重點(diǎn)實(shí)驗(yàn)室，海洋與大氣學(xué)院，山東 青島 266100)

基于WRF(Weather Researchand Forecasting)模式及其3DVar(3-DimensionalVariational)模塊，發(fā)展了一套多普勒雷達(dá)徑向風(fēng)數(shù)據(jù)的同化方案。針對(duì)2次黃海海霧個(gè)例展開(kāi)了一系列同化效果對(duì)比數(shù)值試驗(yàn)，詳細(xì)分析了同化雷達(dá)徑向風(fēng)數(shù)據(jù)對(duì)霧區(qū)產(chǎn)生改進(jìn)的原因。研究結(jié)果表明：(1)僅同化常規(guī)觀測(cè)數(shù)據(jù)不足以糾正初始場(chǎng)中海上大氣邊界層濕度偏干的狀態(tài)，導(dǎo)致海霧模擬失敗或霧區(qū)嚴(yán)重偏小，因此在同化多普勒雷達(dá)徑向風(fēng)數(shù)據(jù)之前，必須先同化從海霧衛(wèi)星觀測(cè)中提取的濕度信息；(2)同化多普勒雷達(dá)數(shù)據(jù)不僅顯著地直接改進(jìn)了近海面大氣流場(chǎng)，而且會(huì)間接改善溫度場(chǎng)，從而進(jìn)一步提高海霧的模擬效果——2次海霧個(gè)例模擬霧區(qū)的ETS(Equitable Threat Score)評(píng)分改進(jìn)率分別達(dá)到66.7%與62.1%；(3)黃海海霧數(shù)值模擬中首先要改進(jìn)海上大氣邊界層的濕度與溫度層結(jié)，在此基礎(chǔ)上進(jìn)一步改進(jìn)近海面大氣流場(chǎng)十分必要。

黃海海霧； 雷達(dá)徑向風(fēng)； WRF模式； cycling-3DVar

引用格式：王永明，高山紅.黃海海霧數(shù)值模擬中多普勒雷達(dá)徑向風(fēng)數(shù)據(jù)同化試驗(yàn)[J]. 中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版), 2016, 46(8): 1-12.

WANG Yong-Ming, GAO Shan-Hong.Assimilation of Doppler Radar radial velocity in Yellow Sea fog numerical modeling[J]. Periodical of Ocean University of China, 2016, 46(8): 1-12.

海霧是發(fā)生在海上大氣邊界層內(nèi)的一種災(zāi)害性天氣現(xiàn)象，黃海是中國(guó)近海海霧發(fā)生最為頻繁的海域之一[1-4]。目前國(guó)內(nèi)已有的海霧數(shù)值研究[2, 5-13]絕大多數(shù)針對(duì)該海域展開(kāi)，表明數(shù)值模擬是研究海霧成因與開(kāi)展業(yè)務(wù)預(yù)報(bào)的有力工具。這些研究與以往的其他有關(guān)研究[14-22]皆指出，海霧數(shù)值模擬對(duì)初始場(chǎng)高度敏感。

黃海海霧以平流冷卻霧為主，其發(fā)展受控于海上大氣邊界層結(jié)構(gòu)的演變[1, 23-29]。然而海上常規(guī)觀測(cè)數(shù)據(jù)嚴(yán)重缺乏，使得數(shù)值模擬初始場(chǎng)中很難刻畫(huà)出海上大氣邊界層的準(zhǔn)確結(jié)構(gòu)，特別是溫度與濕度結(jié)構(gòu)。為改進(jìn)黃海海霧數(shù)值模擬初始場(chǎng)質(zhì)量，基于WRF(Weather Research and Forecasting)模式及其3DVar(3-Dimensional Variational)模塊，高山紅等[9-10]設(shè)計(jì)了cycling-3DVar同化方案。其該方案通過(guò)擴(kuò)展同化時(shí)段(同化窗)，使得更多不同時(shí)次的觀測(cè)數(shù)據(jù)被納入同化窗，從而達(dá)到提高模擬初始場(chǎng)質(zhì)量的目的。李冉等[30]利用cycling-3DVar方法直接同化了衛(wèi)星輻射數(shù)據(jù)，改善了海上大氣初值場(chǎng)的溫度層結(jié)；Wang等[12]借助MTSAT(Multi-functional Transport Satellites)衛(wèi)星數(shù)據(jù)反演得到黃海海霧霧體的三維空間信息，從中提取濕度信息，改進(jìn)了高山紅等[9-10]設(shè)計(jì)的cycling-3DVar方案，對(duì)此濕度信息加以同化，顯著改進(jìn)了海上大氣邊界層的濕度層結(jié)(后面簡(jiǎn)稱(chēng)此改進(jìn)后的同化方案為cycling-3DVar-humidity)。

海霧平流冷卻霧的發(fā)展受近海面大氣流場(chǎng)的影響很大。一般來(lái)說(shuō)，南向盛行風(fēng)帶來(lái)的暖濕氣流為黃海海霧的生成提供了必要條件[1, 3, 11]。天氣系統(tǒng)支配下的近海面大氣流場(chǎng)會(huì)對(duì)海上大氣邊界層的水汽與溫度分布狀態(tài)產(chǎn)生直接影響。譬如，Wang等[12]研究了一次發(fā)生在2007年4月29日的山東半島近岸黃海海霧個(gè)例，發(fā)現(xiàn)盡管可以通過(guò)同化MTSAT衛(wèi)星反演得到的海霧濕度數(shù)據(jù)顯著改善了模擬初始濕度狀態(tài)，但是由于模擬的近岸海面西南風(fēng)偏弱，導(dǎo)致霧區(qū)沒(méi)有向東及近岸靠攏而持續(xù)維持于青島近海甚至向南發(fā)展，海霧霧區(qū)比實(shí)際霧區(qū)明顯范圍偏大。劉宇迪等[31]利用3DVar方法同化衛(wèi)星散射計(jì)海面風(fēng)場(chǎng)來(lái)改進(jìn)數(shù)值模擬初值場(chǎng)，試驗(yàn)結(jié)果表明，近海面大氣流場(chǎng)的改進(jìn)能影響溫度層結(jié)與水汽分布，對(duì)海霧模擬結(jié)果有正效應(yīng)。因此，海霧數(shù)值模擬中在改進(jìn)溫度與濕度層結(jié)的基礎(chǔ)上，進(jìn)一步改進(jìn)近海面大氣流場(chǎng)十分必要。

海上常規(guī)觀測(cè)匱乏，而近岸站點(diǎn)的觀測(cè)代表范圍有限,因此需要尋找一種能有效反映海上大氣邊界層內(nèi)流場(chǎng)分布的觀測(cè)數(shù)據(jù)。衛(wèi)星反演的海面風(fēng)數(shù)據(jù)(例如Quick Scatterometer，QuikSCAT)雖具有較高的空間分辨率，但時(shí)間分辨率很低，每天同一地點(diǎn)最多只有2次觀測(cè)；而且，其近岸風(fēng)場(chǎng)數(shù)據(jù)可靠性較低[32]，基本不能利用。具有高時(shí)空分辨率的近岸多普勒雷達(dá)數(shù)據(jù)成為一種海上大氣邊界層信息的重要獲取來(lái)源。目前多普勒雷達(dá)數(shù)據(jù)主要應(yīng)用于短時(shí)強(qiáng)對(duì)流天氣系統(tǒng)的觀測(cè)與研究[33]，作者還未見(jiàn)到其在海霧數(shù)值模擬中的運(yùn)用。多普勒雷達(dá)數(shù)據(jù)包括反射率與徑向風(fēng)兩類(lèi)，本文同化的是后者。未同化前者的原因是霧等未形成降水的云很難通過(guò)S波段雷達(dá)探測(cè)到[34]，也就是雷達(dá)回波無(wú)法體現(xiàn)霧滴的存在。

本文在Wang等[12]發(fā)展的cycling-3DVar-humidity基礎(chǔ)上，針對(duì)典型黃海海霧個(gè)例，探究同化雷達(dá)徑向風(fēng)數(shù)據(jù)對(duì)海霧數(shù)值模擬初始場(chǎng)與結(jié)果的改進(jìn)效果。

1　同化方法

1.1 數(shù)據(jù)質(zhì)量控制

雷達(dá)徑向風(fēng)數(shù)據(jù)來(lái)自于青島市氣象局提供的多普勒S波段雷達(dá)(35°59′17″N，120°13′44″E)。此雷達(dá)工作時(shí)，采用VCP21的觀測(cè)模式進(jìn)行連續(xù)體積掃描觀測(cè)，5～6 min內(nèi)完成0.5°～19.5°的9層仰角掃描。探測(cè)范圍半徑為230 km，每條射線空間分辨率為1 km。

徑向風(fēng)數(shù)據(jù)的質(zhì)量控制借助于ARPS[35-36](The Advanced Regional Prediction System)模式提供的模塊(88d2ARPS；http://www.caps.ou.edu/ARPS/)。操作步驟如下：

(1)空間一致性檢查。去除孤立點(diǎn)與孤立數(shù)據(jù)群，對(duì)與其周?chē)c(diǎn)值差異超過(guò)30 m·s-1的點(diǎn)予以去除[37-38]。

(2)模糊速度點(diǎn)查找。若一點(diǎn)的脈沖對(duì)真實(shí)相移≥180°，認(rèn)為該點(diǎn)可能為模糊速度的點(diǎn)。利用模式提供的背景場(chǎng)生成在雷達(dá)觀測(cè)范圍內(nèi)的背景雷達(dá)數(shù)據(jù)，與觀測(cè)的雷達(dá)數(shù)據(jù)進(jìn)行對(duì)比，若背景場(chǎng)徑向速度大于觀測(cè)點(diǎn)的速度值，則得到存在模糊速度的點(diǎn)[39]。

(3)退模糊化處理。利用Nyquist速度Vn，修正模糊速度Va，得到雷達(dá)觀測(cè)點(diǎn)經(jīng)向風(fēng)V。使用的公式為

V=Va+2NVn。

(1)

其中N為整數(shù)，其符號(hào)及取值取決于“門(mén)對(duì)門(mén)”的切變閾值，這里取值0.4Vn[40]。

(4)模式格點(diǎn)化處理。利用最小二乘法將整個(gè)體掃雷達(dá)數(shù)據(jù)插值到模式格點(diǎn)，其中水平方向采用二次方程，垂直方向采用線性插值，采用公式[41]

Vr=a0+a1x+a2x2+a3y+a4y2+a5xy+a6z。

(2)

其中：Vr為插值到格點(diǎn)的徑向風(fēng)速度；ai為多項(xiàng)式系數(shù)；x、y和z分別代表徑向風(fēng)速度V三個(gè)空間方向上的分量。

譬如，2007年4月28日20點(diǎn)03分青島站0.5°仰角的雷達(dá)徑向風(fēng)原始數(shù)據(jù)(見(jiàn)圖1(a))，經(jīng)過(guò)以上流程中的(1)～(3)后得到結(jié)果(見(jiàn)圖1(b))。對(duì)比圖1(a)與1(b)，可以清楚地看到：經(jīng)過(guò)質(zhì)量控制之后，大量孤立的點(diǎn)被去掉，同時(shí)與周?chē)c(diǎn)值差別比較大的點(diǎn)也悉數(shù)被剔除提。質(zhì)量控制之后的雷達(dá)徑向風(fēng)的觀測(cè)誤差均方差設(shè)置為2 m· s-1，與Dowell等[42]，Xu等[43]，Xiao等[44]及Li等[39]所用一致。

圖1　雷達(dá)徑向速度(m·s-1)數(shù)據(jù)質(zhì)量控制前(a)后(b)對(duì)比

1.2 數(shù)據(jù)同化方案

前面提及的cycling-3DVar的流程見(jiàn)圖2a。圖2a中be代表背景場(chǎng)誤差協(xié)方差；0，n△t為同化時(shí)刻，例如△t時(shí)刻的數(shù)據(jù)同化窗為(0.5～1.5)△t，即在此時(shí)段之內(nèi)的所有觀測(cè)數(shù)據(jù)在△t時(shí)刻同化。cycling-3DVar-humidity的思路是將圖2a中的一步3Dvar同化過(guò)程重復(fù)一次(見(jiàn)圖2b)，同化所通過(guò)衛(wèi)星反演所得到的海霧霧體濕度信息(記為“衛(wèi)星反演海霧濕度數(shù)據(jù)”；具體參見(jiàn)Wang等[12])。在此基礎(chǔ)上，又將3Dvar同化過(guò)程重復(fù)一次以同化雷達(dá)徑向風(fēng)數(shù)據(jù)，見(jiàn)圖2c所示(記為cycling-3DVar-radar)。由圖2可以看到，在每一次3Dvar的初始時(shí)刻，以前一步的預(yù)報(bào)場(chǎng)作為背景場(chǎng)。特別指出的是，必須首先運(yùn)行一次3Dvar(見(jiàn)圖2a中虛線所指；通常只同化常規(guī)觀測(cè)數(shù)據(jù)*常規(guī)探空(12 h/次)與地面、船舶與島嶼觀測(cè)數(shù)據(jù)(3 h/次，http://222.195.136.24/forecast.html)，以及衛(wèi)星遙感反演的海面風(fēng)數(shù)據(jù)(QSCAT)，大氣溫度廓線數(shù)據(jù)AIRS (Atmospheric Infra-Red Sounder, ftp://airsparlu.ecs.nasa.gov) 與大氣可降水量數(shù)據(jù)SSMI (Special Sensor Microwave, ftp://ftp.ssmi.com/ssmi) ，特別地，還包括MTSAT衛(wèi)星數(shù)據(jù)(Wang等[12])。, 即圖2a中的obs)，

之后圖2b與2c中的3Dvar可以單獨(dú)控制，既可以只運(yùn)行其一——在同化常規(guī)觀測(cè)數(shù)據(jù)的基礎(chǔ)上進(jìn)一步只同化衛(wèi)星反演海霧濕度數(shù)據(jù)或雷達(dá)徑向風(fēng)數(shù)據(jù)，也可以順序運(yùn)行兩者來(lái)依次同化這2種數(shù)據(jù)。需要注意的是，同化雷達(dá)數(shù)據(jù)時(shí)，不能同時(shí)同化常規(guī)觀測(cè)數(shù)據(jù)。這是因?yàn)?，雷達(dá)單點(diǎn)數(shù)據(jù)的影響范圍相對(duì)比較小，而利用NMC方法[45]得到的背景誤差協(xié)方差表現(xiàn)的是較大尺度的誤差分布結(jié)構(gòu)[39]。因此，為了滿足背景誤差協(xié)方差對(duì)不同觀測(cè)數(shù)據(jù)信息的傳遞尺度不同，需要對(duì)同化雷達(dá)數(shù)據(jù)時(shí)所用的背景誤差協(xié)方差的水平尺度縮小；同化常規(guī)觀測(cè)數(shù)據(jù)過(guò)程中，靜態(tài)背景誤差協(xié)方差的水平相關(guān)尺度系數(shù)為1.0，而針對(duì)雷達(dá)徑向風(fēng)數(shù)據(jù)的同化，此系數(shù)取0.1。

(obs代表常規(guī)觀測(cè)數(shù)據(jù);MTSAT-RH為“衛(wèi)星提取海霧濕度數(shù)據(jù)”;be代表背景誤差協(xié)方差；模塊a的具體流程見(jiàn)高山紅等[9];模塊b詳細(xì)介紹見(jiàn)Wang等[12]。obs is the routine observations; MTSAT-RH represents a “sea fog humidity sounding”; be is the background error co-variances; a detailed description of the modules a and b can be found in Gao et al.[9]and Wang et al.[12], respectively.)

圖2雷達(dá)徑向風(fēng)數(shù)據(jù)同化模塊流程

Fig. 2Flowchart of radial velocity data assimilation

2　海霧個(gè)例

考慮到雷達(dá)徑向風(fēng)數(shù)據(jù)影響范圍主要局限于近岸海域(見(jiàn)圖3中圓圈所示)，首先選取了一次靠近山東半島近海的黃海海霧個(gè)例進(jìn)行研究。出于對(duì)比研究的目的，又選取了1次范圍較大的黃海海霧個(gè)例。它們分別發(fā)生于2007年4月29日與2013年5月5日(分別簡(jiǎn)記為2007個(gè)例與2013個(gè)例)。

(圖中圓圈代表青島站雷達(dá)觀測(cè)的覆蓋范圍；QD與CST分別代表青島站與成山頭站。Coverage of Qingdao Doppler radar station is represented by the circle; QD and CST denote the locations for Qingdao and Chengshantou stations, respectively.)

圖3區(qū)域設(shè)置

Fig. 3Domain configuration

2.1 2007個(gè)例

此次個(gè)例是Wang等[12]所研究過(guò)的小范圍海霧個(gè)

例，圖4是基于MTSAT多通道紅外與可見(jiàn)光數(shù)據(jù)反演(詳見(jiàn)Wang等[12])得到的自2007年4月29日0300 LST(UTC + 08)至29日1400 LST的霧區(qū)演變過(guò)程，海霧持續(xù)時(shí)間為11 h 。在午夜之后，青島外海有小片海霧產(chǎn)生(見(jiàn)圖4a)，該霧區(qū)沿著山東半島南岸逐漸向東北方向移動(dòng)并擴(kuò)展(見(jiàn)圖4b～f)。山東半島位于黃海中部高壓中心的西北方向(見(jiàn)圖5a)，半島近海盛行西南風(fēng)，高壓外圍源源不斷地將水汽自南向北輸送，保證了這次海霧的水汽條件。

2.2 2013個(gè)例

2013年5月4日凌晨，山東半島東南方向海域及江蘇沿岸海域有零星海霧分布，在黃海中部高壓西北部的西南向氣流作用下，該霧區(qū)于4日白天在山東半島東南方向海域發(fā)展(圖略)。到4日夜間，受高壓外圍氣流的影響，霧區(qū)逐漸脫離山東半島并向朝鮮半島移動(dòng)，后逐漸向西南與南部擴(kuò)展，至5日0800LST海霧達(dá)到最盛時(shí)期(見(jiàn)圖6(a))，霧區(qū)分布范圍為33°N～38°N，122°E～127°E。隨著高壓系統(tǒng)的發(fā)展(見(jiàn)圖5b)，高壓東部源自陸地的干空氣自北向南輸送入霧區(qū)南部，導(dǎo)致南部霧區(qū)開(kāi)始消散，自5日夜間霧區(qū)僅在36°N～38°N靠近朝鮮半島一側(cè)分布，5日0800LST至2000LST的霧區(qū)演變過(guò)程見(jiàn)圖6。

3　數(shù)值試驗(yàn)

本文借助WRF模式及其3Dvar同化模塊(Ver-3.4)，采用圖2中所示的cycling-3DVar-radar方案，分別對(duì)2次黃海海霧個(gè)例進(jìn)行細(xì)致的數(shù)值模擬。

3.1 模式設(shè)置

2次海霧個(gè)例均采用雙重雙向嵌套模擬區(qū)域，但由于2次海霧個(gè)例霧區(qū)分布范圍差異較大，各自對(duì)應(yīng)設(shè)置的區(qū)域大小有所差異(見(jiàn)圖3；虛線框的D1、D2與實(shí)(圖中符號(hào)●，○和×分別代表0～1 km,1～5 km和5～10 km以上的地面大氣水平能見(jiàn)度觀測(cè)；填色代表海霧霧頂高度。The ●, ○ and ×represent the observed visibility with values 0～1, 1～5, and 5～10 km, respectively; The shading colors are for fog top height.)

圖4利用MTSAT衛(wèi)星反演得到的2007年4月28～29日海霧演變過(guò)程

Fig. 4Evolutionofsea fog detected from MTSAT data from 28 to 29 April, 2007

圖5　MTSAT衛(wèi)星反演的2013年5月5日海霧演變過(guò)程(填色同圖4)

圖6　2007年4月29日0800 LST(a)與2013年5月5日0800 LST(b)黃海海域1 000 hPa位勢(shì)高度

線框的Do1、Do2分別對(duì)應(yīng)2007個(gè)例與2013個(gè)例)。2007個(gè)例霧區(qū)分布范圍局限于山東半島南部近海，分布范圍較小，其D1區(qū)域中心為35.56°N, 120.33°E，D1和D2區(qū)域的分辨率分別為10和2.5 km，格點(diǎn)數(shù)分別為165×150，273×237。2013個(gè)例海霧發(fā)展旺盛時(shí)期南北覆蓋達(dá)到5個(gè)緯度，分布范圍相對(duì)較大，其Do1區(qū)域中心為32.5°N, 123.0°E，Do1和Do2區(qū)域的分辨率分別為30和10 km，格點(diǎn)數(shù)分別為110×120，172×181。模式均采用Lin微物理方案[46]，Kain-Fritsch積云方案[47]，RRTMG長(zhǎng)、短波輻射方案[48]及Noah陸面模式[49]。

數(shù)值模擬所用背景場(chǎng)為FNL再分析數(shù)據(jù)(Final Analysis Data of NCEP，1°×1°，6 h/次；http://rda.ucar.edu/dsszone/ds083.2)，海溫采用NEAR-GOOS(North-East Asian Regional Global Ocean Observing System)日平均數(shù)據(jù)(0.25°×0.25°，http://goos.kishou.go.jp/rrtdb/usr/pub)。針對(duì)2次海霧個(gè)例，首先使用FNL數(shù)據(jù)驅(qū)動(dòng)WRF模式，大致以模擬時(shí)間為中心，進(jìn)行～15 d的每天2次的24 h數(shù)值后報(bào)；然后采用NMC[45]方法統(tǒng)計(jì)后報(bào)結(jié)果，分別生成與模式格點(diǎn)一致的背景誤差協(xié)方差CV5。

3.2 同化試驗(yàn)設(shè)計(jì)

針對(duì)2007個(gè)例，本文設(shè)計(jì)了4個(gè)試驗(yàn)(見(jiàn)表1)。依據(jù)Wang等[12]對(duì)此次海霧的研究結(jié)果，首先實(shí)施了Exp-OBS與Exp-RH來(lái)驗(yàn)證此次海霧能模擬到霧區(qū)的關(guān)鍵是否在于濕度場(chǎng)的改進(jìn)；同時(shí)Exp-RD試驗(yàn)同化了常規(guī)觀測(cè)數(shù)據(jù)與雷達(dá)徑向風(fēng)數(shù)據(jù)來(lái)檢驗(yàn)徑向風(fēng)數(shù)據(jù)能否幫助改善海霧霧區(qū)模擬；Exp-MRD是在Exp-RH同化“衛(wèi)星反演海霧濕度數(shù)據(jù)”數(shù)據(jù)的基礎(chǔ)上進(jìn)一步同化雷達(dá)徑向風(fēng)數(shù)據(jù)，通過(guò)與Exp-RH比較來(lái)說(shuō)明雷達(dá)徑向風(fēng)數(shù)據(jù)的作用。針對(duì)2013個(gè)例，設(shè)計(jì)了與2007個(gè)例相同的試驗(yàn)，只是未實(shí)施Exp-RD。因?yàn)閰⒖?007個(gè)例結(jié)果之后舍棄了此試驗(yàn)，具體解釋見(jiàn)后文(4.2.2節(jié))。

表1　2007年4月29日海霧個(gè)例同化雷達(dá)徑向風(fēng)數(shù)據(jù)的試驗(yàn)設(shè)計(jì)

注：obs代表常規(guī)觀測(cè)數(shù)據(jù)。 obs represents conventional observation data.

為了同化盡可能多的觀測(cè)數(shù)據(jù)，同化間隔設(shè)置為1h。2007個(gè)例試驗(yàn)同化時(shí)長(zhǎng)9 h，自4月28日2000LST～29日0400LST，模擬時(shí)段為29日0400LST～1400LST，共11 h；2013個(gè)例試驗(yàn)同化起點(diǎn)為5月4日1200UTC～5日0000UTC，同化間隔1 h，共進(jìn)行13次同化，模擬時(shí)段為5日0000UTC～5日1400UTC，共14h。同化在D1區(qū)域進(jìn)行，但預(yù)報(bào)階段雙層區(qū)域同步進(jìn)行，同時(shí)內(nèi)層區(qū)域的初、側(cè)邊界條件由外層區(qū)域提供。內(nèi)層區(qū)域的每小時(shí)輸出結(jié)果將被用于分析與結(jié)果檢驗(yàn)。

4　模擬結(jié)果檢驗(yàn)與分析

4.1 霧區(qū)檢驗(yàn)方法

觀測(cè)霧區(qū)的獲取基于MTSAT多通道紅外與可見(jiàn)光數(shù)據(jù)，采用了一種綜合了已有常用海霧探測(cè)方法而提出的全天候海霧霧區(qū)與水平能見(jiàn)度反演手段[12]。預(yù)報(bào)霧區(qū)由WRF預(yù)報(bào)的云水含量(Cloud Liquid Water，CLW)來(lái)診斷，對(duì)于霧區(qū)(大氣水平能見(jiàn)度Vis≤1km)，所用判據(jù)為模式底層CLW≥ 0.015 g·kg-1且霧頂高度<400 m[9, 12]。

霧區(qū)檢驗(yàn)采用4種客觀定量的評(píng)分：擊中率POD(Probability of detection；取值范圍0～1，1為最佳，代表準(zhǔn)確預(yù)報(bào)霧區(qū)的比重)、誤報(bào)率FAR(False alarm ratio；取值范圍0～1，0為最佳，反映的是誤報(bào)霧區(qū)的比重)、偏倚得分(bias；取值0～∞，1為最佳，反映的是預(yù)報(bào)霧區(qū)范圍與觀測(cè)霧區(qū)范圍大小的比值)和公正預(yù)兆得分ETS(Equitable threat score；取值范圍-1/3～1，1為最佳，反映的是預(yù)報(bào)霧區(qū)與觀測(cè)霧區(qū)的吻合程度)。它們的計(jì)算公式分別如下：

(3)

(4)

(5)

(6)

其中：H為準(zhǔn)確預(yù)報(bào)的點(diǎn)數(shù)目；F為預(yù)報(bào)有霧的點(diǎn)數(shù)目；O為觀測(cè)有霧的點(diǎn)數(shù)目；R=F(O/N)為隨機(jī)擊中項(xiàng)；N指的是指定檢驗(yàn)區(qū)域的所有點(diǎn)數(shù)目。

4.2 2007個(gè)例

4.2.1 模擬霧區(qū)檢驗(yàn)圖7為利用表1的4個(gè)試驗(yàn)的初始場(chǎng)進(jìn)行數(shù)值預(yù)報(bào)得到的模擬霧區(qū)與海面風(fēng)分布。其中Exp-OBS與Exp-RD均預(yù)報(bào)霧區(qū)失敗，而Exp-RH與Exp-MRD模擬得到了霧區(qū)。不過(guò)Exp-RH的霧區(qū)明顯范圍過(guò)大，Exp-MRD的霧區(qū)與衛(wèi)星反演得到的霧區(qū)分布(見(jiàn)圖4)最為相似，盡管在1100 LST之后在山東半島以東近海存在虛假霧區(qū)。后面兩組試驗(yàn)?zāi)M霧區(qū)的ETS評(píng)分分別為0.21與0.35。相比于不同化雷達(dá)徑向風(fēng)數(shù)據(jù)的試驗(yàn)Exp-OBS(見(jiàn)圖7a)與Exp-RH(見(jiàn)圖7b)，圖7c與d在霧區(qū)南緣的風(fēng)場(chǎng)有顯著增強(qiáng)的趨勢(shì)，且風(fēng)向?yàn)楦黠@的向岸風(fēng)向，這有利于霧區(qū)向近岸聚攏。Exp-MRD相比于Exp-RH模擬霧區(qū)Bias評(píng)分提高了64.7%，誤報(bào)率也有20.2%的改進(jìn)，盡管POD評(píng)分從0.96降低至0.81，減小了15.6%，但綜合評(píng)分ETS評(píng)分改進(jìn)率達(dá)到66.7%，Exp-MRD模擬霧區(qū)要優(yōu)于Exp-RH試驗(yàn)。

4.2.2 3 h預(yù)報(bào)場(chǎng)與探空觀測(cè)比較選取青島探空站觀測(cè)與各個(gè)試驗(yàn)3 h預(yù)報(bào)場(chǎng)進(jìn)行對(duì)比，如圖8。Exp-RH與Exp-MRD能夠模擬到霧區(qū)，是由于模擬的950hPa以下水汽混合比更接近觀測(cè)，相比于Exp-OBS與Exp-RD改善了大約0.5g·kg-1；后2個(gè)試驗(yàn)低層水汽明顯不足，無(wú)法保障海霧的生成。Exp-RD與Exp-MRD同化雷達(dá)徑向風(fēng)數(shù)據(jù)之后，最顯著的變化在于流場(chǎng)結(jié)構(gòu)的改變，如圖8(a)，(b)中低層風(fēng)速的增加，尤其是南風(fēng)增加了近2m·s-1，這有利于霧區(qū)向近岸靠攏。Exp-RD相比Exp-OBS，從陸地表面至850hPa高度前者模擬的水汽混合比略比后者增加約0.5g·kg-1，說(shuō)明同化雷達(dá)徑向風(fēng)加強(qiáng)的南風(fēng)使得濕氣團(tuán)的北向輸送加強(qiáng)；但由于增加的水汽含量有限，Exp-RD試驗(yàn)也無(wú)法模擬到海霧，因此接下來(lái)的2013個(gè)例本文未實(shí)施Exp-RD試驗(yàn)。4月末海上氣溫要低于陸地氣溫，低層偏南風(fēng)的加強(qiáng)也使得低層溫度的降低約2℃(見(jiàn)圖8(c))，使得Exp-RD與Exp-MRD模擬的溫度層結(jié)也與觀測(cè)更為接近。

圖8　2007年4月29日0800 LST3-h預(yù)報(bào)場(chǎng)與青島站探空觀測(cè)的垂直廓線比較

4.3 2013個(gè)例

4.3.1 模擬霧區(qū)檢驗(yàn)圖9為2013個(gè)例3組試驗(yàn)的霧區(qū)模擬結(jié)果。與2007個(gè)例類(lèi)似，僅同化常規(guī)觀測(cè)數(shù)據(jù)的Exp-OBS未模擬到此次海霧過(guò)程。同化“衛(wèi)星反演海霧濕度數(shù)據(jù)”的Exp-RH能夠模擬到了海霧霧區(qū)，然而對(duì)比衛(wèi)星云圖發(fā)現(xiàn)其霧區(qū)嚴(yán)重偏大，霧區(qū)向西北方向發(fā)展過(guò)盛。Exp-MRD在Exp-RH基礎(chǔ)上同化雷達(dá)徑向風(fēng)數(shù)據(jù)極大地改進(jìn)了霧區(qū)的分布，特別是使得霧區(qū)北部與實(shí)際霧區(qū)較為接近。霧區(qū)客觀評(píng)分來(lái)說(shuō)，Exp-RH與Exp-MRD的ETS評(píng)分分別為0.29與0.47，后者相比前者改進(jìn)率達(dá)62.1%。Exp-MRD模擬霧區(qū)評(píng)分的改進(jìn)是由于誤報(bào)霧區(qū)的減少，F(xiàn)AR評(píng)分相比Exp-RH的大幅降低30.2%。

(A、B和C排分別代表Exp-OBS，Exp-RH和Exp-MRD試驗(yàn)的模擬霧區(qū)分布。Row A, B and C are for experiments of Exp-OBS, Exp-RH and Exp-MRD, respectively.)

圖92013年5月5日海霧數(shù)值試驗(yàn)?zāi)M霧區(qū)分布

Fig.9Simulated sea fog top heights on 5 May, 2013

Exp-OBS模擬霧區(qū)的失敗原因是近岸觀測(cè)無(wú)法體現(xiàn)海上大氣邊界層的濕度信息，這也就解釋了通過(guò)同化“衛(wèi)星反演海霧濕度數(shù)據(jù)”數(shù)據(jù)的Exp-RH能夠模擬到海霧霧區(qū)的原因——改善海上大氣邊界層的濕度分布。Exp-RH過(guò)盛的霧區(qū)猜測(cè)可能有2方面原因?qū)е拢皇峭臐穸刃畔⑦^(guò)多且存在分布誤差，導(dǎo)致霧區(qū)產(chǎn)生位置有偏差；二是高壓外圍氣流較弱，不利于海霧霧區(qū)的準(zhǔn)確移動(dòng)。Exp-MRD的模擬結(jié)果說(shuō)明第二種原因可能性更大，但是由于單部雷達(dá)的影響范圍有限，故只局限于青島沿岸的流場(chǎng)改進(jìn)。

4.3.2 霧區(qū)改進(jìn)分析為更細(xì)致地說(shuō)明流場(chǎng)對(duì)于此次海霧的影響，本文選取位于霧區(qū)西北方向的成山頭站探空觀測(cè)來(lái)與分析場(chǎng)進(jìn)行比較。霧區(qū)在高壓系統(tǒng)影響下自西向東推移，同時(shí)低層水汽條件是此次海霧模擬成功的關(guān)鍵，因此與探空觀測(cè)的比較側(cè)重比較緯向風(fēng)和水汽條件。 Exp-OBS與Exp-RH低層的西風(fēng)比觀測(cè)弱～1 m·s-1，Exp-MRD略強(qiáng)于觀測(cè)(見(jiàn)圖10)；所有模擬結(jié)果的低層水汽均偏小，但是Exp-RH與Exp-MRD相比于Exp-OBS，其水汽改進(jìn)～0.4 g·kg-1，這說(shuō)明改進(jìn)的水汽條件為海霧生成的必備條件，而加強(qiáng)的西風(fēng)保證了霧區(qū)與山東半島的脫離，霧區(qū)分布在朝鮮半島西岸一側(cè)。

圖10　2013年5月5日0800 LST各試驗(yàn)分析場(chǎng)與成山頭站探空觀測(cè)的垂直廓線比較

為進(jìn)一步證明此次個(gè)例中西風(fēng)加強(qiáng)對(duì)海霧霧區(qū)改進(jìn)的作用，利用青島市氣象局提供的2個(gè)海島自動(dòng)氣象站，大管島(120.77°E，36.23°N)與田橫島(120.97°E，36.42°N)，一個(gè)浮標(biāo)站(121.22°E，36.17°N)的觀測(cè)風(fēng)場(chǎng)與Exp-RH和Exp-MRD模擬風(fēng)場(chǎng)進(jìn)行了對(duì)比(見(jiàn)圖11)。由于實(shí)際地形與模式地形存在誤差[50]，目前試驗(yàn)僅能體現(xiàn)實(shí)際風(fēng)速?gòu)?qiáng)弱變化趨勢(shì)，因此此處僅比較2組試驗(yàn)?zāi)M風(fēng)的強(qiáng)弱程度。在整個(gè)模擬時(shí)段內(nèi)，3個(gè)觀測(cè)站的風(fēng)速幾乎均比Exp-RH的模擬風(fēng)速要強(qiáng)1～2m·s-1，尤其是預(yù)報(bào)階段前期，模擬的風(fēng)速比觀測(cè)風(fēng)速偏小極值達(dá)4m·s-1。而同化雷達(dá)徑向風(fēng)的Exp-MRD模擬的風(fēng)場(chǎng)顯著增強(qiáng)，平均來(lái)說(shuō)風(fēng)速改進(jìn)達(dá)2m·s-1。

(圖中點(diǎn)線為實(shí)際觀測(cè)；虛線代表Exp-MRD模擬風(fēng)速；實(shí)線為Exp-RH的模擬風(fēng)速。Dot line represents observations; Dash and solid lines are for Exp-MRD and Exp-RH, respectively.)

圖11Exp-RH與Exp-MRD模擬風(fēng)速與浮標(biāo)和海島站觀測(cè)風(fēng)速比較

Fig.11Comparison of observations from island station and buoy with simulated wind from Exp-RH and Exp-MRD

5　結(jié)果與討論

本文基于WRF模式及其3Dvar同化模塊，在高山紅等[9-10]與Wang等[12]已有工作的基礎(chǔ)上，設(shè)計(jì)了多普勒雷達(dá)徑向風(fēng)的同化方案，開(kāi)展了在黃海海霧數(shù)值模擬中同化雷達(dá)徑向風(fēng)數(shù)據(jù)的研究工作。針對(duì)2次典型黃海海霧的數(shù)值同化試驗(yàn)研究，得到了以下主要結(jié)論：

(1)相比同時(shí)同化常規(guī)觀測(cè)與衛(wèi)星反演海霧濕度數(shù)據(jù)的試驗(yàn)結(jié)果，進(jìn)一步同化多普勒雷達(dá)數(shù)據(jù)后，近岸2007與2013年海霧個(gè)例的霧區(qū)ETS評(píng)分改進(jìn)率分別達(dá)到了66.7%與62.1%，誤報(bào)率FAR評(píng)分分別降低了20.2%和30.2%。

(2)同化近岸多普勒雷達(dá)數(shù)據(jù)不僅會(huì)顯著地改進(jìn)近海面大氣流場(chǎng)，也帶來(lái)溫度場(chǎng)的改善，從而會(huì)提高海霧模擬效果。2007年海霧個(gè)例低層南風(fēng)增強(qiáng)了近2m·s-1，低層溫度降低了約2 ℃，與觀測(cè)更為接近；2013年海霧個(gè)例加強(qiáng)了西風(fēng)，風(fēng)速增強(qiáng)約 2 m·s-1。

盡管雷達(dá)徑向風(fēng)同化結(jié)果令人鼓舞，但是本文只實(shí)施了2個(gè)海霧個(gè)例，需要更多的個(gè)例進(jìn)一步更全面地考察同化效果。值得注意的是，本文試驗(yàn)再次表明：黃海海霧數(shù)值模擬中，同化常規(guī)觀測(cè)數(shù)據(jù)不足以糾正初始場(chǎng)中海上大氣邊界層濕度偏干的狀態(tài)，從而導(dǎo)致海霧模擬失敗或霧區(qū)嚴(yán)重偏??；因此在同化雷達(dá)徑向風(fēng)之前，進(jìn)行衛(wèi)星反演海霧濕度數(shù)據(jù)的同化非常必要。

此外，不可否認(rèn)地仍有幾個(gè)需要函待解決的問(wèn)題。譬如，一是單部多普勒雷達(dá)的探測(cè)范圍有限，如何同時(shí)同化圍繞黃海的多部多普勒雷達(dá)徑向風(fēng)數(shù)據(jù)來(lái)盡可能地大范圍改進(jìn)黃海近海大氣流場(chǎng)近海面流場(chǎng)？二是文中雷達(dá)質(zhì)量控制的方法并不完美，仍有改進(jìn)的余地；三是文中采用的cycling-3DVar同化方法采用了靜態(tài)的背景誤差協(xié)方差，將來(lái)需要流依賴(lài)背景誤差協(xié)方差來(lái)取代。

[1]王彬華. 海霧[M]. 北京: 海洋出版社, 1983: 352.

Wang B H. Sea Fog [M]. Beijing： China Ocean Press, 1983, 352.

[2]Gao S H, Lin H, Shen B, et al. A heavy sea fog event over the Yellow Sea in March 2005: Analysis and numerical modeling [J]. Advances in Atmospheric Sciences, 2007, 24: 65-81.

[3]張?zhí)K平, 鮑獻(xiàn)文. 近十年中國(guó)海霧研究進(jìn)展[J]. 中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版), 2008, 38(3): 359-366.

Zhang S P, Bao X W. The main advances in sea fog research in China [J]. Periodical of Ocean University of China, 2008, 38(3): 359-366.

[4]Fu G, Zhang S P, Gao S H, et al. Understanding of sea fog over the China Seas [M]. Beijing: China Meteorological Press, 2012: 216.

[5]胡瑞金, 周發(fā)琇. 海霧過(guò)程中海洋氣象條件影響數(shù)值研究[J]. 青島海洋大學(xué)學(xué)報(bào)(自然科學(xué)版), 1997, 27(3): 282-290.

Hu R J and Zhou F X. A numerical study on the effects of air-sea conditions on the process of sea fog [J]. Periodical of Ocean University of Qingdao, 1997, 27(3): 282-290.

[6]胡瑞金, 周發(fā)琇. 海霧生成過(guò)程中平流、湍流、輻射效應(yīng)研究[J]. 海洋學(xué)報(bào), 1998, 20(1): 25-32.

Hu R J and Zhou F X. Effects of advection, turbulence and radiation on formation of sea fog [J]. J Acta Oceanologica Sinica, 1998, 20(1): 25-32.

[7]Fu G, Zhang M G, Duan Y H, et al. Characteristics of sea fog over the Yellow Sea and the East China Sea [J]. Kaiyo Mon. (Spe. Issue), 2004, 38: 99-108.

[8]Fu G, Li P Y, Crompton J G, et al. An observational and modeling study of a sea fog event over the Yellow Sea on 1 August 2003 [J]. Meteor Atmos Phys, 2010, 107: 149-159.

[9]高山紅, 齊伊玲, 張守寶, 等. 利用循環(huán)3DVAR 改進(jìn)黃海海霧數(shù)值模擬初始場(chǎng)I：WRF 數(shù)值試驗(yàn)[J]. 中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版), 2010, 40(10): 1-9.

Gao S H, Qi Y L, Zhang S B, et al. Initial conditions improvement of sea fog numerical modeling over the Yellow Sea by using Cycilng 3DVAR Part I: WRF numerical experiments [J]. Periodical of Ocean University of China, 2010, 40(10): 1-9.

[10]高山紅, 張守寶, 齊伊玲, 等. 利用循環(huán)3DVAR 改進(jìn)黃海海霧數(shù)值模擬初始場(chǎng)II： RAMS 數(shù)值試驗(yàn)[J]. 中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版)， 2010, 40(11): 1-10.

Gao S H, Zhang S B, Qi Y L, et al. Initial conditions improvement of sea fog numerical modeling over the Yellow Sea by using Cycling 3DVAR Part II: RAMS numerical experiments [J]. Periodical of Ocean University of China, 2010, 40(11): 1-10.

[11]Kim C K, Yum S S. A numerical study of sea-fog formation over cold sea surface using a one-dimensional turbulence model coupled with the weather research and forecasting model [J]. Boundary-Layer Meteorology, 2012, 143: 481-505.

[12]Wang Y, Gao S, Fu G, et al. Assimilating MTSAT-derived humidity in nowcasting sea fog over the Yellow Sea [J]. Weather and Forecasting, 2014, 29(2): 205-225.

[13]高山紅,王永明,傅剛. 一次黃海海霧的集合預(yù)報(bào)試驗(yàn)[J]. 中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版), 2014, 44(12): 1-11.

Gao S H, Wang Y M, Fu G. Ensemble forecast of a sea fog over the Yellow Sea [J]. Periodical of Ocean University of China, 2014, 44(12): 1-11.

[14]Nicholls S. The dynamics of stratocumulus: Aircraft observation and comparision with a mixed layer model [J]. Quarterly Journal of the Royal Meteorological Society, 1984, 110: 783-820.

[15]Findlater J, Roach W T, McHugh B C. The haar of north-east Scotland [J]. Quarterly Journal of the Royal Meteorological Society, 1989, 115: 581-608.

[16]Ballard S P, Golding B W and Smith R N B. Mesoscale model experimental forecasts of the haar of northeast Scotland [J]. Monthly Weather Review, 1991, 119: 2017-2123.

[21]Pagowski M, Gultepe I and King P. Analysis and modeling of an extremely dense fog event in southern Ontario [J]. Journal of Applied Meteorology and Climatology, 2004, 43: 3-16.

[22]Fu G, Guo J, Xie S P, et al. Analysis and high-resolution modeling of a dense sea fog event over the Yellow Sea [J]. Atmospheric Research, 2006, 81: 292-303.

[23]張?zhí)K平，楊育強(qiáng)，王新功，等. 低層大氣季節(jié)變化及與黃海霧季的關(guān)系 [J]. 中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版), 2008, 38(5): 689-698.

Zhang S P, Yang Y Q， Wang X G， et al. Seasonal variations in the atmospheric stratification and the relations with the Yellow Sea fog season [J]. Periodical of Ocean University of China, 2008, 38(5): 689-698.

[24]Zhang S P， Xie S P， Liu Q Y， et al. Seasonal variations of Yellow Sea fog：observations and mechanisms [J]. J Climate, 2009, 22: 6758-6772.

[25]張?zhí)K平，任兆鵬. 下墊面熱力作用對(duì)黃海春季海霧的影響——觀測(cè)與數(shù)值試驗(yàn) [J]. 氣象學(xué)報(bào), 2010, 68(4): 439-449.

Zhang S P, Ren Z P. The influence of the thermal effect of underlaying surface on the spring sea fog over the Yellow Sea: Observations and numerical simulations [J]. Acta Meteorologica Sinica, 2010, 68(4): 439-449.

[26]孟憲貴. 夏季黃海表面冷水對(duì)大氣邊界層及海霧的影響 [D]. 青島： 中國(guó)海洋大學(xué)海洋環(huán)境學(xué)院, 2011.

Meng X G. The Effect of Cold SST on Summer Atmosphere Boundary Layer and Sea Fog over Yellow Sea [D]. Qingdao: Colledge of Physical and Environmental Oceanography, Ocean University of China, 2011.

[27]任兆鵬. 黃海夏季海霧的邊界層結(jié)構(gòu)特征及其與春季海霧的對(duì)比 [J]. 中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版)， 2011, 41(5): 23-30.

Ren Z P. Structure characteristics of the Yellow Sea summer fog in the boundary layer and the comparison with spring fog [J]. Periodical of Ocean University of China, 2011, 41(5): 23-30.

[28]Zhang S, Li M, Meng X, et al. A comparison study between spring and summer fogs in the Yellow Sea-observations and mechanisms [J]. Pure and Applied Geophysics, 2012, 169(5-6): 1001-1017.

[29]楊?lèi)? 高山紅. 黃海海霧天氣特征與逆溫層成因分析 [J]. 中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版), 2015, 45(6): 19-30.

Yang Y, Gao S H. Analysis on the synoptic characteristics and inversion layer formation of the Yellow Sea fogs [J]. Periodical of Ocean University of China, 2015, 45(6): 19-30.

[30]李冉, 高山紅, 王永明. 直接同化衛(wèi)星輻射數(shù)據(jù)的黃海海霧數(shù)值試驗(yàn)研究 [J]. 中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版), 2012, 42(3): 10-20.

Li R, Gao S H and Wang Y M. Numerical study on direct assimilation of satellite radiances for sea fog over the Yellow Sea [J]. Periodical of Ocean University of China, 2012, 42(3): 10-20.

[31]劉宇迪, 任景鵬, 周鑫. 散射計(jì)風(fēng)場(chǎng)的三維變分對(duì)海霧數(shù)值模擬的影響 [J]. 應(yīng)用氣象學(xué)報(bào), 2011, 22(4): 472-481.

Liu Y D, Ren J P and Zhou X. The impact of assimilating sea surface wind aboard QuikSCAT on sea fog simulation [J]. Journal of Applied Meteorological Science, 2011, 22(4): 472-481.

[32]Furevik B R, Sempreviva A M, Cavaleri L, et al. Eight years of wind measurements from scatterometer for wind resource mapping in the Mediterranean Sea [J]. Wind Energy, 2011, 14(3): 355-372.

[33]Romine G S, Burgess D W and Wilhelmson R B. A dual-polarization-radar-based assessment of the 8 May 2003 Oklahoma City area tornadic supercell [J]. Monthly Weather Review, 2008, 136(8): 2849-2870.

[34]劉黎平, 仲凌志, 江源, 等. 毫米波測(cè)云雷達(dá)系統(tǒng)及其外場(chǎng)試驗(yàn)結(jié)果初步分析[J]. 氣象科技, 2009, 37(5): 567-571.

Liu L P, Zhong L Z, Jiang Y, et al. Cloud radar and its field experiments in China [J]. Meteorological Science and Technology, 2009, 37(5): 567-571.

[35]Xue M, Droegemeier K K and Wong V. The Advanced Regional Prediction System (ARPS)-A multi-scale nonhydrostatic atmospheric simulation and prediction model. Part I: Model dynamics and verification [J]. Meteorology and Atmospheric Physics, 2000, 75(3-4): 161-193.

[36]Xue M, Wang D, Gao J, et al. The Advanced Regional Prediction System (ARPS), storm-scale numerical weather prediction and data assimilation [J]. Meteorology and Atmospheric Physics, 2003, 82(1): 139-170.

[37]Bergen W R and Albers S C. Two-and three-dimensional de-aliasing of Doppler radar velocities [J]. Journal of Atmospheric and Oceanic Technology, 1988, 5(2): 305-319.

[38]Gong S L, Zhang X Y, Zhao T L, et al. Characterization of soil dust aerosol in China and its transport and distribution during 2001 ACE-Asia: 2. Model simulation and validation [J]. Journal of Geophysical Research: Atmospheres (1984-2012), 2003, 108(D9).

[39]Li Y Z, Wang X G, Xue M. Assimilation of radar radial velocity data with the WRF hybrid ensemble-3DVAR system for the prediction of hurricane Ike (2008) [J]. Monthly Weather Review, 2012, 140: 3507-3524.

[40]James C N and Houze Jr R A. A real-time four-dimensional Doppler dealiasing scheme [J]. Journal of Atmospheric and Oceanic Technology, 2001, 18(10): 1674-1683.

[41]Srivastava K, Gao J, Brewster K, et al. Assimilation of Indian radar data with ADAS and 3DVAR techniques for simulation of a small-scale tropical cyclone using ARPS model[J]. Natural Hazards, 2011, 58(1): 15-29.

[42]Dowell D C and Wicker L J. Additive noise for storm-scale ensemble data assimilation [J]. Journal of Atmospheric and Oceanic Technology, 2009, 26(5): 911-927.

[43]Xu Q and Gong J. Background error covariance functions for Doppler radial-wind analysis [J]. Quarterly Journal of the Royal Meteorological Society, 2003, 129(590): 1703-1720.

[44]Xiao Q, Zhang X, Davis C, et al. Experiments of hurricane initialization with airborne Doppler radar data for the advanced research hurricane WRF (AHW) model [J]. Monthly Weather Review, 2009, 137(9): 2758-2777.

[45]Parrish D F and Derber J C. The National Meteorological Center's spectral statistical-interpolation analysis system [J]. Monthly Weather Review, 1992, 120(8): 1747-1763.

[46]Lin Y L, Farley R D and Orville H D. Bulk parameterization of the snow field in a cloud model [J]. Journal of Applied Meteorology and Climatology, 1983, 22(6): 1065-1092.

[47]Kain J S and Fritsch J M. A one-dimensional entraining/detraining plume model and its application in convective parameterization [J]. Journal of the Atmospheric Sciences, 1990, 47(23): 2784-2802.

[48]Iacono M J, Delamere J S, Mlawer E J, et al. Radiative forcing by long-lived greenhouse gases: Calculations with the AER radiative transfer models [J]. Journal of Geophysical Research: Atmospheres (1984-2012), 2008, 113(D13)： 1864-1870.

[49]Chen F and Dudhia J. Coupling an advanced land surface-hydrology model with the Penn State-NCAR MM5 modeling system. Part II: Preliminary model validation [J]. Monthly Weather Review, 2001, 129(4): 587-604.

[50]Ha S Y and Snyder C. Influence of surface observations in mesoscale data assimilation using an ensemble Kalman filter [J]. Monthly Weather Review, 2014, 142(4): 1489-1508.

責(zé)任編輯龐旻

Assimilation of Doppler Radar Radial Velocity in Yellow Sea Fog Numerical Modeling

WANG Yong-Ming, GAO Shan-Hong

(The Key Laboratory of Physical Oceanography, Ministry of Education, College of Oceanic and Atmospheric Sciences, Ocean University of China, Qingdao 266100, China)

Based on the WRF (Weather Research and Forecasting) model and its cycling-3DVar (3-Dimensional Variational) DA (Data Assimilation) module, a DA scheme for assimilating radar radial velocity is developed and a series of comparison experiments are conducted to investigate impacts of assimilating radial velocity data on 2 sea fog cases over the Yellow Sea. Their forecast effects on improving simulated sea fog are analyzed in detail. The results reveal: (1) Assimilation of routine observations is insufficient to improve the drier state of MABL (Marine Atmospheric Boundary Layer) and often fails to simulate sea fog. Therefore, it is essentially to assimilate the humidity derived from satellite observations prior to radar radial velocity data for sea fog. (2) Assimilation of Doppler coastal radar radial velocity data can significantly improve sea surface winds and temperatures as well, and thus better simulated sea fog is achieved —— the improvements of ETS (Equitable Threat Score) for 2 sea fogs in 2007 and 2013 are 66.7% and 62.1%, respectively. (3) Focus on improving for the structures of moisture and temperature in MABL is firstly done, and then it is necessary to further ameliorate sea surface winds in sea fog numerical modeling.

sea fog over the Yellow Sea; radar radial velocity; WRF model; cycling-3Dvar

國(guó)家自然科學(xué)基金項(xiàng)目(41276009;41275049)資助

2015-10-09；

2015-12-15

王永明(1987-)，男，博士。E-mail:wym_1111@126.com

**通訊作者：E-mail:gaosh@ouc.edu.cn

P714+.2

A

1672-5174(2016)08-001-12

10.16441/j.cnki.hdxb.20150361

Supported by the National Natural Science Foundation of China(41276009;41275049)