易翔 曾新民 鄭益群 王寧 王明 周驍 汪彪

?

高分辨率WRF模式中土壤濕度擾動對短期高溫天氣模擬影響的個例研究

易翔1曾新民1鄭益群1王寧1王明1周驍1汪彪2

1解放軍理工大學(xué)氣象海洋學(xué)院，南京 211101,2中國人民解放軍海軍南海艦隊海洋氣象水文中心，湛江524001

本文利用WRFV3.6中尺度預(yù)報模式就土壤濕度擾動對2003年7月22～23日和29～30日短期高溫天氣過程的影響進行了高分辨率模擬研究。結(jié)果表明：（1）WRF模式地表氣溫對土壤濕度擾動有較強的敏感性，且隨著土壤濕度的增加（減小）而降低（升高）。同時，模式中土壤濕度對地面氣溫影響的強度對模式分辨率具有較高的依賴性。（2）不同模式分辨率下氣溫隨土壤濕度變化的規(guī)律一致；由于更高分辨率的地形資料的應(yīng)用，提高分辨率可在較大程度上改善模擬效果。（3）不同土壤濕度試驗?zāi)M的地表感熱、潛熱通量可直接影響氣溫變化；（4）土壤濕度擾動通過間接影響高溫發(fā)展的近地層各物理過程使得地表氣溫發(fā)生變化。這些過程中，對流（平流）過程在全天表現(xiàn)為增溫（冷卻）的作用，強度在白天均隨土壤濕度的減小而增加。在較干的土壤條件下，非絕熱增溫在白天的主導(dǎo)地位加強；在夜間，非絕熱冷卻的強度減弱，且小于占據(jù)主導(dǎo)的對流絕熱增溫的強度。以上結(jié)果表明，在模擬和預(yù)報高溫天氣時土壤濕度非常重要，也意味著通過土壤濕度擾動的集合預(yù)報方法來改進模式高溫模擬預(yù)報具有較大的潛力。

WRF模式 高溫 土壤濕度 分辨率 物理機理

1 引言

作為我國夏季主要的危害天氣之一，高溫對人體健康、農(nóng)林牧業(yè)生產(chǎn)、城市供水供電等各方面造成嚴重的威脅（徐金芳等, 2009; 朱珍等, 2013）。有研究稱，高溫?zé)崂诉^程可使得人群超額死亡率達到20%以上（許遐禎等, 2011），并可局地減少小麥產(chǎn)量最高達32%（楊絢等, 2013）。尤其是2003年夏季席卷歐亞大陸的高溫?zé)崂?，其持續(xù)時間之長、強度之大，創(chuàng)下了歷史記錄（Stott et al., 2004; Tobías et al., 2010）。可見，提高對高溫天氣的預(yù)測能力以服務(wù)于相應(yīng)的防災(zāi)減災(zāi)是一項非常重要的工作。

前人從大氣環(huán)流、海溫等方面對于高溫天氣產(chǎn)生的原因進行了分析（彭海燕等，2005；隋翠娟等， 2014）。實際上，作為反映了陸氣間能量、水分、動量輸送和物質(zhì)交換過程（曾新民等，2012），陸面過程對高溫的發(fā)生發(fā)展有著重要的作用（Zeng et al., 2011, 2015）。土壤濕度作為重要的陸面變量，決定陸氣間的通量傳輸（Song et al., 2009; 李得勤等，2015），通過影響陸氣相互作用來改變邊界層乃至自由大氣的動力和熱力特征，對局地氣候乃至全球氣候都有著非常重要的作用（周亞軍等，1994）。如，Shukla and Mintz（1982）作了7月全球土壤為永久性干和永久性濕兩個試驗，發(fā)現(xiàn)20°S以北干土壤地表氣溫比濕土壤高出15～20°C。Rowntree and Bolton（1983）利用全球模式分析了大氣對初始土壤濕度的響應(yīng)機制，結(jié)果表明土壤濕度減少會導(dǎo)致降水減少、溫度升高，土壤濕度增加會導(dǎo)致降水增多、溫度降低。張井勇和吳凌云（2011）的研究則表明，在中國東部和西南大部分地區(qū)，30%～70%的高溫日數(shù)和熱浪次數(shù)由土壤濕度—大氣相互作用引起。這些工作都表明了土壤濕度對氣溫的重要影響。

上述研究中模擬工作都是基于較粗分辨率 （＞10 km）的全球及區(qū)域模式進行的。對局部區(qū)域的精細化預(yù)報，需要更高的空間分辨率。本文將研究我國華南局部區(qū)域高溫天氣對土壤濕度的敏感性。該區(qū)域大部分處在中國的發(fā)達地區(qū)，城市化進程較快，包括香港、廣州、深圳等人口眾多、經(jīng)濟發(fā)達的城市以及大亞灣核電站等重點工業(yè)區(qū)的珠三角城市群等。大規(guī)模的城市化能對局地氣候產(chǎn)生重要的影響，城市熱島會導(dǎo)致氣溫、降水等發(fā)生顯著變化（鄭益群等，2013）。對區(qū)域高溫天氣的模擬則需要模式更精細地刻畫復(fù)雜多變的下墊面信息和近地表的氣象要素（Zeng et al., 2003; 鄧蓮堂等，2012），而采用高分辨是滿足該要求的重要途徑之一。分辨率的提高能顯著提升模式的模擬能力，對地面氣溫值、分布范圍的模擬漸趨合理（呂光輝等，2009；于恩濤，2013）。同時，分辨率的提高也并非在所有情形下都能改善模擬效果（鄧蓮堂等，2012; Zhang et al., 2013）。可見，探討土壤濕度對華南地區(qū)高溫事件高分辨率模擬的影響是一項很有意義的研究。

因此，本文在前人工作（Zeng et al., 2011）基礎(chǔ)上，選取2003年7月22～23日和29～30日的高溫天氣個例，在此期間，西太平洋副熱帶高壓的異常西伸和持續(xù)控制是造成高溫異常的主要原因，并在江南、華南部分省份出現(xiàn)了超過歷史記錄的溫度值（楊輝和李崇銀, 2005）。如圖1所示，模擬區(qū)域（圖2中D3區(qū)域）范圍地表溫度從1971到2003年有整體升高的趨勢，在2003年7月達到最大值（28.8°C），較氣候平均增加近1.4°C。本文通過設(shè)計不同土壤濕度試驗，結(jié)合三種模式分辨率（36、12、4 km）的模擬結(jié)果進行對比檢驗，以定量分析不同初始土壤濕度對模擬高溫的影響及其物理機制。

圖1 1971～2003年7月的D3區(qū)域平均地表氣溫的變化

2 資料方法

2.1 資料介紹

WRF模擬的初始邊界條件采用NCEP逐6小時FNL 1°×1°資料；逐月地表氣溫數(shù)據(jù)使用NCEP/NCAR再分析資料；站點實測溫度為氣象臺站的逐3小時觀測資料。如圖2a所示，選取在模擬時間段內(nèi)均有連續(xù)溫度記錄的站點共計19個，其基本覆蓋了D3區(qū)域，具有一定的代表性。

圖2 （a）模擬區(qū)域（黑點為觀測站點）和7月（b）22日、（c）29日CTL試驗初始土壤濕度分布（單位：m3 m?3）

2.2 方案設(shè)計

本文使用WRFV3.6版本，選取7月22～23日和29～30日的24 h天氣過程進行模擬。由于06:00 UTC（協(xié)調(diào)世界時，下同）（北京時14時）最接近一天的最高氣溫，具有很好的代表性，即模擬時間設(shè)置為7月22（29）日06:00 UTC至23（30）日06:00 UTC，時間步長為90 s，本文則主要分析積分24 h后的06:00 UTC各物理量的相關(guān)變化。在本次試驗中，長波和短波輻射方案分別選擇RRTM（Mlawer et al., 1997）和Goddard（Chou and Suarez, 1994）方案；邊界層和表層參數(shù)化方案分別為YSU（Hong et al., 2006）和Monin-Obukhov（Hong and Pan, 1996）方案；微物理方案為Lin等方案（Lin et al., 1983）；積云對流參數(shù)化方案為BMJ方案（Janji?, 1994；受到積云對流水平尺度的限制，BMJ方案僅應(yīng)用于分辨率較粗的D1、D2區(qū)域）；陸面方案選擇包含10、30、60、100 cm四個土壤層的Noah方案（Chen and Dudhia, 2001; Ek et al., 2003）。

模擬采用三重嵌套網(wǎng)格，網(wǎng)格中心點為（29°N，115°E），D1、D2、D3區(qū)域格點數(shù)分別為79×79、133×166、154×202，采用的靜態(tài)地形數(shù)據(jù)分辨率分別為10'、5'及2'（約分別對應(yīng)赤道地區(qū)的18.5 km、9.3 km、3.7 km），模式水平分辨率分別為36 km、12 km及4 km，分別記為R1、R2、R3（圖2a），垂直方向為不等距的31層。對不同土壤濕度條件下高溫隨分辨率變化的特征研究采用鄧蓮堂等（2012）、于恩濤（2013）的方法，在同種嵌套方式下分析不同嵌套區(qū)域內(nèi)的物理量值，以代表不同分辨率的影響。在后續(xù)有關(guān)統(tǒng)計量的計算時，均針對D3區(qū)域。

為考察高溫對不同土壤濕度的敏感性，參考Fischer et al.（2007）的方法，同時改變?nèi)厍短字懈魍寥缹拥耐寥罎穸?，具體改變幅度（試驗名稱）為0（CTL）、＋25%（WET25）、＋50%（WET50）、?25%（DRY25）、?50%（DRY50）。圖2b、c給出了7月22、29日CTL試驗的表層土壤濕度分布。圖中土壤濕度始終為1 m3m?3的區(qū)域即為水體，主要位于西江入海口、東南沿海以及洞庭湖和鄱陽湖南部，在大部分模擬區(qū)域內(nèi)土壤濕度值處在0.2～0.4 m3m?3之間。

2.3 物理方程

由熱力學(xué)第一定律可得溫度隨時間的變化方程，即：

其中為溫度，為水平風(fēng)矢量，為垂直速度，為干絕熱垂直遞減率，為溫度垂直遞減率，c為定壓比熱容，為外源加熱量。

我們令

分別表示溫度的局地項、平流項、對流項、非絕熱項，即有

3 模擬結(jié)果

3.1 空間分布

圖3給出了R3分辨率下23日06:00 UTC地表氣溫的分布（圖3b–f）、不同土壤濕度試驗與CTL的偏差分布（圖3g–j）以及R1、R2分辨率下的DRY25試驗（圖3k、l）。與NCEP分析場（圖3a）相比，可以看到CTL試驗（圖3b）能夠很好地模擬出地表氣溫的高值中心位置、范圍及強度。在模擬區(qū)域整體呈現(xiàn)“北高南低”的分布形勢，參照我國的高溫標準（Zeng et al., 2011），大于35°C的高溫區(qū)域主要位于26°N以北，而低值區(qū)則主要集中在東南沿海地區(qū)。模式較為準確地模擬出了的東、西兩個高值中心，其中的溫度值達到了38°C甚至更高。但不足的是，對于西中心的位置模擬的偏西，且未能較好模擬出（27°N，115°E）附近的高值中心。

圖3 7月23日06:00 UTC（協(xié)調(diào)世界時，下同）地表氣溫空間分布（b–j，k，l分別在R3、R1、R2分辨率下；單位：°C)

從不同土壤濕度試驗（圖3c–f）及其與CTL的偏差分布（圖3g–j）中能夠看到，土壤濕度擾動能夠顯著地改變地表氣溫的模擬結(jié)果。與CTL相比，WET25試驗（圖3c）能夠模擬出東、西兩個高值中心，高溫發(fā)生的范圍基本未發(fā)生改變。從圖3g的偏差分布可以看到，WET25試驗在大部分區(qū)域均模擬出偏低的溫度值，而在東南沿海模擬出偏高的溫度值，但前者較后者的偏差量要高出1°C左右，因此在整個模擬區(qū)域表現(xiàn)為較CTL平均降低0.73°C。WET50試驗（圖3d）模擬的大于35°C的高溫范圍有所縮小，造成的氣溫偏差分布（圖3h）與WET25類似，但溫度降低的范圍和強度更大，在部分區(qū)域可達2.5°C以上，區(qū)域平均溫度值較CTL降低1.3°C。DRY25試驗（圖3e）模擬的氣溫高值中心范圍有所增大，并出現(xiàn)了40°C以上的高溫。與CTL的氣溫偏差分布（圖3i）和WET試驗正好相反，在大部分區(qū)域溫度升高1°C以上，在東南沿海降低0.5°C左右，與CTL相比模擬的區(qū)域平均溫度偏高0.9°C。在DRY50試驗（圖3f）中，在25°N以北的整個區(qū)域幾乎都模擬出了大于38°C的高溫，較CTL明顯地擴大了高值中心的范圍。土壤濕度減小引起的氣溫升高更為明顯，除了東南沿海小部分地區(qū)外幾乎在整個區(qū)域都模擬出高于2.5°C的溫度偏差（圖3j）。對比CTL試驗，區(qū)域平均溫度值升高2.3°C，在部分地區(qū)最大超過8°C。

對比R3（圖3e）和R1、R2（圖3k、l）分辨率下的DRY25試驗?？梢钥吹?，在不同分辨率下土壤濕度擾動都能夠引起氣溫的顯著變化，與R3相比，R1、R2都能夠模擬出高溫發(fā)生的范圍和氣溫高值中心的位置。但R3對地表氣溫分布形勢的刻畫要明顯比R1、R2更為細致，而R2又較R1更好。隨著分辨率的提高，模擬的高溫強度有所增大，尤其在R1中能夠看到，東、西兩個高值中心的范圍較R2、R3有所縮小，強度也有所減弱。其他土壤濕度試驗也有類似結(jié)論。

圖4給出了R3分辨率下30日06:00 UTC時刻CTL試驗地表氣溫的分布（圖4b）、WET50和DRY50試驗與CTL的偏差分布（圖4c、d）以及R1、R2分辨率下的DRY25試驗（圖4e、f）。與23日06:00 UTC結(jié)果類似，WRF模式能較好地再現(xiàn)氣溫的空間分布形勢（對比圖4a與b），減小或增大土壤濕度都會明顯改變氣溫的模擬結(jié)果。如圖4c、d所示，相比于CTL，WET50可造成大部分地區(qū)的氣溫降低（平均降低1.31°C），DRY50則使得幾乎所有區(qū)域的氣溫升高（平均升高2.36°C）。對比R1、R2（圖4e、f）的分辨率下的DRY25試驗，高分辨模式能夠更準確地模擬出氣溫的分布狀況且對土壤濕度的變化十分敏感。

圖4 7月30日06:00 UTC地表氣溫空間分布（b–d，e，f分別在R3、R1、R2分辨率下；單位：°C）

可以看到，在不同分辨率下，土壤濕度增加（減?。┒紩?dǎo)致氣溫的降低（升高），高分辨率的WRF模式能夠更好地再現(xiàn)氣溫的空間分布形勢。這與張井勇和吳凌云（2011）所得到的陸—氣耦合過程中土壤濕度與地表氣溫間的作用關(guān)系一致。另外，與WET試驗相比，DRY試驗造成的溫度偏差更大，這表明地表氣溫對土壤濕度減小的敏感性強于土壤濕度的增加。

表1給出了各試驗R1、R2、R3分辨率下針對D3范圍的平均地表氣溫（即對應(yīng)三種分辨率的R1、R2、R3）?？梢钥吹剑寥罎穸鹊脑黾邮共煌直媛实臍鉁刂翟?6:00 UTC和24 h都有所降低，且在高溫發(fā)展最旺盛的06:00 UTC氣溫降低的幅度最大，如在22～23日的24 h模擬中R2兩試驗DRY50－DRY25的差異在06:00 UTC、24 h分別為1.45°C、0.56°C，又如29～30日的24 h模擬中R3兩試驗DRY25－CTL的差異在06:00 UTC、24 h分別達到0.94°C、0.44°C。這也說明，無論何種分辨率條件下，相對于平均氣溫，模擬的極端高溫對土壤濕度擾動有很強的敏感性。

表1 不同分辨率（R1，R2，R3）下22～23（29～30）日試驗06:00 UTC（協(xié)調(diào)世界時，下同）及24 h平均地表氣溫 (單位：°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)

試驗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)

同時，分辨率的提高會在06:00 UTC和24 h模擬出更低的地表氣溫，即R1＞R2＞R3，且一般R1－R2＞R2－R3。R1與R2的24 h平均差異尤為顯著，最大可達到3.7°C（DRY50試驗），而R2與R3的差異在06:00 UTC卻小得多（如對DRY50，R2－R3約0.02°C）。這些結(jié)果也說明，極端高溫及平均氣溫對土壤濕度表現(xiàn)出的敏感性是有賴于具體模式分辨率的（表1）。

3.2 模擬誤差

為考察高分辨率WRF模式中土壤濕度擾動對短期高溫天氣的影響，這里利用MICAPS地面觀測資料，并將22～23日的高溫模擬的結(jié)果分別插值到觀測站點（圖2a）上進行檢驗。檢驗采用模擬結(jié)果與觀測資料的偏差（BIAS）、均方根誤差（RMSE）以及相關(guān)系數(shù)（CORR），即：

從圖5a能夠看到，與之前結(jié)論一致的是，不同分辨率下BIAS值都是隨著土壤濕度的增加而減小的，亦即高的土壤濕度導(dǎo)致模擬氣溫降低。R3中DRY（WET）試驗均模擬出正（負）的溫度偏差，且土壤濕度擾動越強偏差程度越大，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。這說明了在高分辨率條件下，總體上與實測一致的土壤濕度可模擬出與實際一致的高溫，但也會放大土壤濕度擾動的影響。再結(jié)合R1、R2可發(fā)現(xiàn)，且隨著分辨率的增加，DRY、WET試驗的BIAS與CTL的差異有所增加，即，隨著分辨率的增加，模擬高溫對土壤濕度擾動的敏感性也有所增大。

圖5 不同分辨率下各試驗?zāi)M的06:00 UTC地表氣溫與觀測的（a）偏差、（b）均方根誤差和（c）相關(guān)系數(shù)

類似的，從均方根誤差的變化（圖5b中可以發(fā)現(xiàn)，更小的土壤濕度擾動對應(yīng)更小的RMSE值。分辨率的提高會使得CTL和WET試驗的RMSE值減小、DRY試驗的RMSE增大。在不同分辨率下，相關(guān)系數(shù)有隨著土壤濕度的增加而減小的趨勢（圖5c）；隨著分辨率的提高，各試驗的CORR值先增大后減小，在R2達到最大（如DRY50為0.58）。各土壤濕度試驗的平均差異在R1、R2中明顯大于R3，即前兩者的CORR對土壤濕度的敏感性更強。

綜合來看，采用高分辨率的WRF模式能夠在一定程度上優(yōu)化對短期高溫天氣的模擬；在各分辨率下，BIAS、RMSE、CORR對土壤濕度擾動均較為敏感，且這些敏感性隨分辨率的變化而有所變化。

4 機理討論

4.1 地表熱通量

由于在不同分辨率下土壤濕度擾動對短期高溫天氣的影響機制一致，本文主要針對于22～23日模擬試驗的R3分辨率進行分析。土壤濕度擾動主要通過改變陸面反照率、土壤熱力、水力特性量和水熱平衡特征來影響陸氣間的水汽和能量交換，從而造成陸面和低層大氣溫度梯度的變化（Song et al., 2009）。其中，感熱、潛熱通量是陸氣間能量交換的主要方式，且與水汽相變密切相關(guān)，能夠充分反映溫度對土壤濕度擾動的響應(yīng)，并影響地表氣溫的變化（蔡福等，2011）。

對比圖6a與圖3b，CTL試驗感熱通量的高（低）值區(qū)正好對應(yīng)地表氣溫的高（低）值區(qū)，高溫中心的感熱通量在部分區(qū)域達到了300 W m?2。不同敏感性試驗與CTL的感熱通量偏差（圖6b–e）和地表氣溫偏差（圖3g–j）的正負值區(qū)也對應(yīng)一致，且熱通量的偏差幅度最大能超過±150 W m?2。這表明，土壤濕度減?。ㄔ龃螅┮鸶袩彷斔驮黾樱p少），從而直接導(dǎo)致地表氣溫升高（降低）。同樣，潛熱通量與地表氣溫的對應(yīng)關(guān)系正好相反（圖略）。這是因為感熱、潛熱通量是凈輻射能在地表分配的兩種形式，在凈輻射穩(wěn)定少變的情況下，感熱通量的增加（減少）勢必會導(dǎo)致潛熱通量的減少（增加）。

圖6 7月23日06:00 UTC感熱通量空間分布（單位：W m?2）

圖7 各試驗?zāi)M的區(qū)域平均的（a）地表氣溫（單位：°C）、（b）感熱通量（單位：W m?2）和（c）潛熱通量（W m?2）的24 h變化（虛線為白天與夜間的轉(zhuǎn)換時間）

表2給出了各試驗在06:00 UTC及不同時段（24 h、白天、夜間）地表氣溫與熱通量的具體數(shù)值。計算不同土壤濕度試驗感熱通量的差值：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）?？梢钥闯鯳ET試驗造成的感熱通量變化幅度要明顯小于DRY試驗，這與之前氣溫對DRY試驗敏感性更強的結(jié)論相對應(yīng)。潛熱通量也有類似結(jié)論。我們還可以看到，不同土壤濕度試驗間各物理量值及其差異，即以06:00 UTC時刻為最高，時段平均值中白天值＞24 h值＞夜間值，如對R3試驗地面氣溫R3，對應(yīng)各個時刻、時段值為1.75°C（06:00 UTC）、1.1°C（白天）、0.8°C （24 h）、0.5°C （夜間）。這是因為在白天（06:00 UTC時刻較為典型），土壤濕度增大導(dǎo)致土壤水分大量蒸發(fā)，潛熱通量增加得更為強烈，對地表產(chǎn)生冷卻作用，同時感熱通量減小，最終表現(xiàn)為地表氣溫的下降。土壤濕度減小的情況則與之相反。此外，可以看出，29～30日試驗結(jié)果類似22～23日試驗，如，06:00 UTC的DRY25較CTL試驗區(qū)域平均感熱通量增加約40 W m?2，氣溫增加約0.8°C（表2）。

表2 22～23（29～30）日試驗06:00 UTC和24 h、白天（06:00～11:00 UTC+22:00～06:00 UTC)、夜間（11:00～22:00 UTC）平均的地表氣溫（°C）、感熱通量和潛熱通量（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

試驗TR3感熱通量潛熱通量 0600 UTC24 h白天夜間0600 UTC24 h白天夜間0600 UTC24 h白天夜間 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 大氣內(nèi)部物理過程

上述土壤濕度對氣溫的改變是通過地表熱通量的變化來實現(xiàn)的。但更為重要的是，這些熱通量導(dǎo)致了大氣內(nèi)部對氣溫有直接影響的物理過程的變化。

表3給出了各試驗中（3）式各項在各時段（24 h、白天、夜間）的積分結(jié)果，類似地，下面僅分析22～23日的模擬結(jié)果。各試驗中、、三項對氣溫局地變化的平均貢獻在白天（夜間）依次為?3.33、3.44、7.35°C（?9.61、29.99、?24.15°C）。項在24 h和夜間對溫度的局地變化貢獻最大，在白天則為項，相對而言項的貢獻最小，但仍不能忽略。這與前人得出的在高溫日全天中，相對于溫度平流因子的作用，非絕熱因子才是高溫產(chǎn)生的關(guān)鍵的結(jié)論一致（尹東屏等，2006）。

表3 22～23（29～30）日試驗（3）式中各項在24 h、白天（06:00～11:00 UTC+22:00～06:00 UTC）、夜間（11:00～22:00 UTC)各時段的積分結(jié)果（單位：°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)

試驗Tt 24 h白天夜間24 h白天夜間24 h白天夜間24 h白天夜間 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)

具體來看，模擬區(qū)域氣溫分布呈“北高南低”的形勢且處在盛行偏南風(fēng)的控制下，這導(dǎo)致冷平流在高溫期間占據(jù)主導(dǎo)，使項在所有時段都表現(xiàn)為一致的負值。平流作用在白天的相對貢獻比夜間高出約8.3%，土壤濕度增加通過冷卻氣溫高值區(qū)的下墊面來減弱冷平流的強度，從而減小項的負貢獻。這種土壤濕度擾動引起的平流變化幅度在夜間（0.67°C）較白天（0.14°C）更大，如，CTL與DRY50在夜間、白天的差異分別為0.78、0.35°C。

在白天，氣流下沉增溫弱于以輻射加熱（感熱輸送）為主的非絕熱增溫過程，項的正貢獻大于項。在夜間，由于近地層逆溫，陸面向低層大氣傳輸感熱，項為負貢獻且強于白天的增溫作用；但由于下沉絕熱增溫在夜間更為強大，項的絕對值小于項。雖然項在數(shù)值上夜間較白天更大，但對氣溫變化的相對貢獻在白天反而更大，在所有項的貢獻中占據(jù)了一半以上（52.1%）。非絕熱加熱的強度在白天隨著土壤濕度的減小而增大，而非絕熱冷卻作用在24 h和夜間都隨著土壤濕度的減小而減弱。如，從WET50到WET25，項的絕對值在白天增加0.26°C，在24 h和夜間分別減少0.21°C、0.25°C。這與Fischer et al.（2007）在研究2003年歐洲高溫?zé)崂藭r提出的土壤濕度偏低顯著地降低了潛在的冷卻作用，因此放大了地面溫度異常的結(jié)論一致。項各土壤濕度試驗間的平均差異在各項中也是最大的，達到了1.11°C。

總的來說，土壤濕度擾動通過對各物理過程強度的改變使地表氣溫呈現(xiàn)規(guī)律性的變化。在白天，占據(jù)一半的貢獻以上，的貢獻略大于；在夜間，相對最重要，其次為、；24 h的情形與夜間類似。各項對土壤濕度擾動的敏感性在24 h和白天最強、在夜間最強。、、三項對氣溫變化的貢獻最終表現(xiàn)為溫度在白天的升高和夜間的降低，以及在干土壤濕度條件下的升高和濕土壤濕度條件下的降低。

5 結(jié)論

本文利用高分辨率WRFV3.6模式，采用三種不同分辨率（36 km、12 km、4 km）的嵌套方案，對2003年7月22至23以及29至30日的24 h短期高溫天氣過程進行模擬，考察了5種水平的土壤濕度擾動（控制試驗，及在此基礎(chǔ)上25%、50%幅度的濕度增減試驗）對高溫模擬的影響，并結(jié)合熱通量、熱力學(xué)方程定性、定量分析了影響的機理。結(jié)果表明：

（1）采用高分辨率WRF模式及相應(yīng)的高分辨率地表特征資料能夠明顯改善CTL試驗的模擬效果，模擬高溫對土壤濕度擾動的敏感性隨著分辨率的提高而增大（如，12 km與4 km分辨率在24 h內(nèi)模擬的地表氣溫考察區(qū)域平均差異可達到3.7°C），這也說明，模式中陸氣反饋的強度對模式分辨率具有高度的依賴性。此外，不同分辨率下土壤濕度影響溫度的規(guī)律一致，即，土壤濕度的減小（增加）會導(dǎo)致氣溫的升高（降低），且氣溫對土壤濕度減小的敏感性更強。

（2）地表熱通量變化是土壤濕度影響氣溫的直接因子。土壤濕度減小會引起地面向上的感熱通量增加并直接加熱地表和低層大氣，同時由于蒸發(fā)、蒸騰等過程的減弱，會造成水汽相變釋放的潛熱通量減少，因此對地表的冷卻效果減弱，最終導(dǎo)致氣溫的升高。土壤濕度增加的情況與之相反。白天（夜間）較強（弱）的熱通量傳輸對應(yīng)較高（低）的氣溫，土壤濕度擾動造成的熱通量差異越大（?。?dǎo)致氣溫的差異也越大（小），即，土壤濕度擾動主要是通過白天地表強烈加熱的時段對模擬高溫產(chǎn)生影響的。

（3）土壤濕度擾動通過間接改變大氣內(nèi)部高溫發(fā)展中的各物理過程來影響地表氣溫。各物理過程中，平流作用在各時段的重要性都相對較小。對流項在各時段都表現(xiàn)為絕熱增溫的作用，白天（夜間）的絕熱增溫強度在干（濕）的土壤條件下更大。非絕熱加熱的強度在白天（夜間）隨著土壤濕度的減小而增大（減?。Ｔ诎滋?，以感熱輸送為主的非絕熱增溫占據(jù)主導(dǎo)，且受到土壤濕度擾動的影響最大；在夜間，由于低層逆溫，非絕熱項起冷卻作用，以絕熱增溫過程為主；在24 h，絕熱增溫占據(jù)主導(dǎo)，但非絕熱加熱過程對土壤濕度擾動的敏感性最強。

本工作顯示了高溫天氣高分辨率模擬對土壤濕度很強的敏感性，這些結(jié)果也進一步說明了高溫模式模擬與預(yù)報時土壤濕度的重要性。由于土壤濕度并非氣象臺站常規(guī)觀測量等因素，準確的土壤濕度值的獲取在實際應(yīng)用中存在困難。這也意味著類似前人對降水事件模擬中地表參數(shù)的處理（王洋等, 2014），通過土壤濕度擾動的集合預(yù)報方法來改進模式高溫模擬預(yù)報是具有潛力的。

由于區(qū)域模式的特點，本文的研究與模擬時段、模式初邊界條件、模擬區(qū)域和參數(shù)化方案等緊密相關(guān)（Zeng et al., 2011）。在后續(xù)的研究中可通過更多的個例來分析土壤濕度對氣溫變化規(guī)律的影響，幫助我們更好地理解短期高溫天氣發(fā)生發(fā)展的物理機制及提高模式模擬高溫天氣的能力。

（References）

蔡福, 周廣勝, 李榮平, 等. 2011. 陸面過程模型對下墊面參數(shù)動態(tài)變化的敏感性分析 [J]. 地球科學(xué)進展, 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.

鄧蓮堂, 史學(xué)麗, 閆之輝. 2012. 不同分辨率對淮河流域連續(xù)暴雨過程影響的中尺度模擬試驗 [J]. 熱帶氣象學(xué)報, 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.

Janji? 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, 張述文, 等. 2015. 土壤濕度和土壤溫度模擬中的參數(shù)敏感性分析和優(yōu)化 [J]. 大氣科學(xué), 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.

呂光輝, 于恩濤, 向偉玲, 等. 2009. WRF模式分辨率對新疆異常降雨天氣要素模擬的影響 [J]. 氣候與環(huán)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, 趙永玲, 等. 2005. 2003年夏季長江中下游地區(qū)異常高溫的分析 [J]. 氣象科學(xué), 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, 潘豐, 蔡怡, 等. 2014. 從副高及海溫角度分析2013年夏季長江中下游地區(qū)高溫干旱原因 [J]. 海洋預(yù)報, 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. 陸面特征量初始擾動的敏感性及集合預(yù)報試驗 [J]. 氣象, 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, 鄧振鏞, 陳敏. 2009. 中國高溫?zé)崂宋：μ卣鞯难芯烤C述 [J]. 干旱氣象, 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.

許遐禎, 鄭有飛, 尹繼福, 等. 2011. 南京市高溫?zé)崂颂卣骷捌鋵θ梭w健康的影響 [J]. 生態(tài)學(xué)雜志, 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.

楊輝, 李崇銀. 2005. 2003年夏季中國江南異常高溫的分析研究 [J]. 氣候與環(huán)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.

楊絢, 湯緒, 陳葆德, 等. 2013. 氣候變暖背景下高溫脅迫對中國小麥產(chǎn)量的影響 [J]. 地理科學(xué)進展, 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.

尹東屏, 嚴明良, 裴海瑛, 等. 2006. 副熱帶高壓控制下的高溫天氣特征分析 [J]. 氣象科學(xué), 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.

于恩濤. 2013. 我國東北地區(qū)季節(jié)降雪高分辨率數(shù)值模擬 [J]. 科學(xué)通報, 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, 吳志皇, 宋帥, 等. 2012. WRF模式不同陸面方案對一次暴雨事件模擬的影響 [J]. 地球物理學(xué)報, 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.

張井勇, 吳凌云. 2011. 陸—氣耦合增加中國的高溫?zé)崂?[J]. 科學(xué)通報, 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.

鄭益群, 貴志成, 強學(xué)民, 等. 2013. 中國不同緯度城市群對東亞夏季風(fēng)氣候影響的模擬研究 [J]. 地球物理學(xué)進展, 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.

周亞軍, 陳葆德, 孫國武. 1994. 陸面過程研究綜述 [J]. 地球科學(xué)進展, 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, 章開美, 陳勝東, 等. 2013. 江西省盛夏極端高溫的氣候變化及短期氣候預(yù)測 [J]. 氣象與減災(zāi)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；網(wǎng)絡(luò)預(yù)出版日期2016-02-25

易翔，男，1991年出生，碩士，主要從事陸面過程研究。E-mail: YiX_Zlab@163.com

曾新民， E-mail: xm-zeng@foxmail.com

國家自然科學(xué)基金項目41275012

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

易翔，曾新民，鄭益群，等. 2016. 高分辨率WRF模式中土壤濕度擾動對短期高溫天氣模擬影響的個例研究 [J]. 大氣科學(xué), 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,