不同初始場及其擾動對WRF模擬暴雨的影響

袁有林，楊秀洪，楊必華，趙軍，周開鵬，張廣興

（1.中國人民解放軍63610部隊，新疆 庫爾勒 841001；2.中國氣象局烏魯木齊沙漠氣象研究所，新疆 烏魯木齊 830002；3.中亞大氣科學研究中心，新疆 烏魯木齊 830002）

不同初始場及其擾動對WRF模擬暴雨的影響

袁有林1，楊秀洪1，楊必華1，趙軍1，周開鵬1，張廣興2，3

（1.中國人民解放軍63610部隊，新疆 庫爾勒 841001；2.中國氣象局烏魯木齊沙漠氣象研究所，新疆 烏魯木齊 830002；3.中亞大氣科學研究中心，新疆 烏魯木齊 830002）

使用ERA-interim和FNL再分析資料分別驅動WRF，對2013年7月12—13日的一次暴雨過程進行數值模擬，詳細比較了WRF模擬結果之間的差異。結果表明：（1）兩種資料在次天氣尺度上存在著較大差異，并由此造成了模擬結果之間的差異，ERA-interim作為初始場對降水的模擬優于FNL資料，反映了WRF對初、邊界條件的敏感性；（2）從區域總降水量來看，濕度場擾動對降水量的影響最大，其次是風場擾動和溫度場擾動，最小的是側邊界擾動；（3）從降水誤差來看，濕度場擾動引起的降水誤差最大，在積分20 h內風場擾動的降水誤差大于溫度場，積分21～24 h則相反，側邊界擾動引起的降水誤差在前期比較小且增長緩慢，積分一段時間之后與單個氣象要素擾動引起的降水誤差相當。

WRF；暴雨；初始場；初值擾動；側邊界擾動

數值預報是在給定的初始和邊界條件下，對描述大氣運動的物理方程組進行數值求解，預報未來某個時刻的大氣運動狀態，可見數值預報也成為一種典型的初值問題。Lorenz[1]指出初始場的微小誤差隨著模式積分時間的增長也會對預報結果產生較大影響。由于人為的、儀器的、觀測網絡覆蓋率及同化和客觀分析方法的影響，初始場總會存在著誤差[2]，并且地球上的大氣在特殊地形以外不存在水平上的邊界，而區域模式卻假定大氣是有邊界的[3]，我們得到的模式初始場及邊界條件只能是大氣真實狀態的近似，因此初、邊界條件能否真實反映大氣的運動狀態，能否與模式匹配協調，直接影響到模式的預報結果的好壞[4-8]。

目前主要使用高分辨率的區域中尺度模式對暴雨等極端天氣進行預報[9-11]，這必然面臨初始場和邊界條件問題。國內外已有許多專家從不同角度對這一問題做過研究[12-16]。龔建東等[17]研究指出，區域中尺度模式模擬誤差除了來源于初始誤差外，模式誤差、側邊界條件的影響也同樣重要。Zhang[18]比較全面地研究了中尺度暴雨的可預報性，表明模式和初始場誤差對預報結果有顯著影響。貝耐芳等[19]用數值模式研究了“98·7”長江流域暴雨，指出該暴雨過程的數值預報對初始場很敏感，初始信息是否完全是這次暴雨預報成功與否的關鍵。孔榮等[20]用GARPES-Meso對湖南一次大暴雨過程進行了數值試驗，指出模擬降水出現過早主要是由模式初值誤差引起的。朱紅芳等[21]用T213和FNL資料分別驅動GRAPES模式，對淮河流域的一次暴雨過程進行了數值試驗，表明模式的預報能力對不同初始場和側邊界條件存在不同程度的依賴性。麻素紅等[22]利用T213和T106提供的初始場和側邊界條件對臺風路徑進行了數值預報，表明初始場和側邊界的改進可以明顯提高臺風路徑數值預報能力。閆敬華[23]對華南地區的一次降水過程進行了研究表明，由于側邊界信息迅速向模式內傳播，初值僅顯著影響中尺度模式大約前10 h的預報，以后的預報趨勢主要決定于邊界信息。朱本璐等[24]用AREM模式對華南一次暴雨過程進行了模擬，表明初始時刻不同物理量場加實際振幅的正態分布隨機擾動時，對降水的影響是不同的。這些研究都為提高區域中尺度模式的預報能力提供了有價值的參考依據。

本文用WRF V3.6模式對2013年7月12日08時—13日08時（北京時，下同）發生在陜晉冀魯地區的暴雨過程進行個例試驗，分析ERA-interim和FNL再分析資料間的差異，并比較了這兩種資料對WRF模擬結果的影響，最后研究初始溫度場、風場、濕度場及側邊界擾動對降水模擬的影響特征及其差異，希望能為改進區域模式的初始條件、邊界條件和提高數值模式對暴雨等極端天氣過程的模擬能力提供參考。

1 天氣過程概況

從500 hPa天氣圖上看（圖1a），12日08時巴爾喀什湖北部為脊、南部為槽，貝加爾湖附近有一低壓槽，內蒙古北部為弱脊，東北在高壓控制下，甘肅以東有短波槽活動，即以45°N為界槽和脊呈反位相分布。40°N以南我國大部分地區被584線控制，副高588線的西脊點位于（30°N，111.6°E），到12日20時移至（32°N，112.7°E），表現為東退北抬。700 hPa天氣圖上（圖1b），12日08時在甘陜寧交界、晉冀魯附近有明顯的風切變，并且沿著312線有一致的西南氣流，風速為4～12 m/s，為暴雨區提供了充足的水汽和不穩定能量。據此可知，西風槽攜帶的冷空氣和沿著副高外側輸送來的暖濕氣流于陜西、山西、河北、山東上空交匯，并且低層存在明顯的切變線配合，這些系統的共同作用給以上地區帶來強降水天氣。

圖1 2013年7月12日08時500 hPa（a）和700 hPa（b）天氣形勢

圖2 2013年7月12日08時—13日08時24 h累積降水實況（a.單位:mm）和嵌套區域（b）

2013年7月12日08時—13日08時，陜西中部、山西中南部、河北南部和山東北部等地出現了強度較大的降雨過程。圖2a是352個站點的降水實況，發生暴雨（>50 mm）的臺站有43個，大暴雨（>100 mm）的有4個，山東周村的24 h降雨最多，達到131 mm。此次降水過程雨量大、范圍廣，是一次典型的暴雨過程。

2 模式設計與再分析資料簡介

本文采用WRF V3.6，選用的物理方案主要包括WSM3微物理方案，RRTM長波輻射方案，Dudhia短波輻射方案，YSU邊界層方案，Betts-Miller-Janjic積云對流參數化方案，NOAH陸面過程方案，MM5 Monin-Obukhov近地層方案。模擬區域設置如圖2b所示，采用雙向兩層嵌套方案，中心位置為（115°E，34°N），水平網格距分別為30 km和10 km，格點數分別為110×100和166×106，垂直分為31層，模式層頂為50 hPa。為反映實際下墊面狀況，采用MODIS下墊面資料，兩層嵌套分別采用分辨率為2 m和30 s地形數據。積分時間從2013年7月12日08時—13日08時，共積分24 h，兩層網格的積分步長分別為180 s和60 s，1 h輸出一次模擬結果。本文使用兩種再分析資料驅動WRF，分別為：

（1）ERA-interim（以下簡稱“ERA”），是歐洲中期數值預報中心ECMWF提供的再分析數據，本文所用數據的水平分辨率為0.75°×0.75°，時間分辨率為6 h，垂直分為37層（1000～1 hPa）。

（2）NCEP FNL是美國國家環境預報中心制作的全球再分析資料，水平分辨率為1°×1°，時間分辨率為6 h，垂直分為26層（1000～10 hPa）。

3 ERA-interim和FNL資料之間的差異

首先對ERA-interim和FNL資料進行比較分析，采用相關系數（式1）來描述兩個資料間的相近程度，初值中各格點的值分別為xi、yi，所有格點的平均值用來表示，相關系數越大表示兩種資料越相近，差異越小。圖3a是兩個資料中各氣壓層位勢高度場、溫度場和濕度場的相關系數，ERA-interim與FNL資料中位勢高度場和溫度場700 hPa以上的相關系數超過了0.9，表明相似程度較高；而700 hPa以下相關系數較低，且700 hPa以下位勢高度場相關性高于溫度場；而濕度場只在550～400 hPa的相關系數大于0.9，并且700 hPa以上高度的相關性最小，表明中高層濕度場的差異較大。

圖3 ERA-interim與FNL各層高度場之間、溫度場之間和濕度場之間的初始場、大尺度場（a）和擾動場（b）的相關系數

為了便于比較，本文把ERA-interim資料的分辨率處理成1°×1°，之后利用9點平滑濾波公式（式2）對這兩種資料進行尺度濾波，濾波公式中的平滑系數為0.5，平滑3次。濾波后波長小于4（為網格距，本文為1°，大約為100 km）的波將衰減98%以上，而波長大于16的波將保留80%以上，所以通過濾波就得到了ERA-interim和FNL的大尺度場，用原始資料減去大尺度場就可以獲得擾動場，即次天氣尺度。利用濾波的結果可知，就不同氣壓上的位勢高度相關性、溫度相關性和濕度相關性而言，大尺度場好于原始資料（圖3a），位勢高度大尺度場的相關系數在0.93以上，說明兩個資料大的環流形勢差異很小。但兩種資料間的擾動場相關系數較小（圖3b），尤其在250 hPa以上高度相關系數迅速變小。總體來看，位勢高度擾動場的相關性好于溫度擾動場，濕度擾動場的相關性在350 hPa以下好于溫度擾動場，而在350 hPa以上的相關性最差。位勢高度擾動場、溫度擾動場和濕度擾動場的相關系數分別為0.18～0.83、0.14～0.76和-0.12～0.61，說明兩種資料初始擾動場之間的差異明顯，也就是說擾動場所反映出的次天氣尺度有著較大差異，而這種差異也許是影響WRF模式預報能力的一個原因。

式中fi，j是實況要素場，是平滑濾波后得到的大尺度場，S是平滑系數。

4 不同初始場對WRF模擬結果的影響

本節分別使用ERA-interim和FNL再分析資料驅動WRF模式（分別記為exp_ERA和exp_FNL試驗），分析不同初始場對WRF模擬結果的影響，如不作特別說明，以下均是分析d02內的數據。

4.1 高度場、溫度場之間的差異

本文分別計算了兩個試驗850 hPa位勢高度場之間和溫度場之間的相關系數（圖4），以便分析exp_ERA與exp_FNL模擬結果的相似程度。由圖可見，在整個模擬時段兩試驗的850 hPa位勢高度場之間和溫度場之間的相關系數均大于0.9，表明兩種資料模擬的大尺度環流形勢有著很好的一致性，位勢高度場之間的相關系數隨積分時間先增大后減小，溫度場之間的相關系數則一直是波動減小，說明模擬結果隨積分時間的增加差異逐漸增大。

圖4 2013年7月12日08時—13日08時兩試驗的850 hPa高度場、溫度場之間的相關系數

為更明確揭示不同初值對WRF模擬結果的影響，本文參考朱紅芳[21]等文章中的離散度公式：

其中FERA、FFNL分別為ERA-interim和FNL作為WRF初值模擬的結果，N是模擬區域總格點數。離散度考慮了FERA、FFNL兩個預報結果中所有格點的數據差異大小，用全部格點數據差值求和來代表兩個預報場的差距，dxy越小兩個場的差異越小。圖5給出了兩試驗的不同氣壓層（850、500、150 hPa）上溫度、位勢高度的離散度隨時間變化，可知在積分時間內初值引起的差異都是存在的，這種差異尤其溫度場的差異（圖5a）還會隨時間增大，并且溫度場低層（850 hPa）差異最大。位勢高度場差異（圖5b）表現為：低層（850 hPa）離散度前期增大后期減小，高層（150 hPa）前期減小后期增大。兩個模擬結果中各個氣壓上比濕場的離散度（圖略）和溫度場較為一致，表現為低層比高層的離散度大。

圖5 2013年7月12日08時—13日08時兩試驗不同氣壓層上溫度與位勢高度的離散度

4.2 大氣總能量的差異

在大氣中各種尺度的天氣系統的演變過程總是伴隨著能量的變化，單位質量的空氣有著內能、動能、潛熱能和位能4種能量形式，總能量就是把這4種能量相加，用攝氏度表示的總能量的公式[21]如下：

公式中Tt是總能量，t是某氣壓層的大氣溫度，z是位勢高度，cpd是干空氣的定壓比熱，L是水汽的凝結或水的蒸發潛熱，q是比濕，V是風速，A代表空氣質量，此式是對單位質量空氣而言的，因此A取1 kg。本文提取出模擬結果中850 hPa氣壓層的溫度、比濕、風uv分量和位勢高度，用上式求取d02內某一氣壓上全部格點的Tt，然后對全部的格點求平均值，即可得到等壓面上所有積分時間的大氣總能量。圖6是7月12日08時—13日08時兩試驗的850 hPa大氣總能量的變化，在積分時間內2個初始場驅動WRF模擬的變化趨勢一致但數值不同，說明初始場對模擬結果影響較大，且這種差異24 h內不會隨積分時間增加而消失。

4.3 降水模擬的差異

從圖2a降水實況分布圖可以看出，降水主要分布在35.5°N～37.5°N范圍內，雨帶呈東西向分布，exp_ERA模擬的降雨范圍（圖7a）與觀測值最為接近，而exp_FNL的雨帶呈西南—東北向（圖7b），與實況差異較大。兩個試驗模擬的降水差別主要體現在陜晉魯地區，exp_FNL試驗模擬的陜西中北部降水偏小，山西雨區模擬偏南，山東10 mm以上的降雨面積大于試驗exp_ERA。從24 h累積雨量來看，試驗exp_ERA比exp_FNL雨量多出20.8%，exp_ ERA的最大降水中心位于山東半島（180 mm），而exp_FNL最強的降水中心在山西東南部（270 mm）。因此，兩個試驗無論是降水落區、強度還是累積雨量都有著明顯的差異。

圖6 2013年7月12日08時—13日08時兩試驗的850 hPa大氣總能量的變化（單位:℃）

為了進一步分析兩者的降水差異，本文比較了2個試驗模擬的區域平均（33°～38°N，108°～123°E）逐時降水量演變（圖8），可以看出，exp_ERA和exp_FNL模擬的逐時雨量變化趨勢基本一致，主要為網格尺度降水，次網格尺度降水只對雨量起調節作用。exp_ERA比exp_FNL模擬的降水量偏大，這主要是由網格尺度降水引起的，說明網格尺度降水對初、邊界條件更加敏感。因為降水差異是在選取了相同模式相同參數化方案的情況下發生的，所以這種差異主要是由初、邊界條件決定的。

圖7 7月12日08時—13日08時模擬的24 h累積降水量/mm

圖8 7月12日08時—13日08時模擬區域（33°～38°N，108°～123°E）平均的逐時次網格和網格尺度降水隨時間演變（單位：mm）

為了客觀反映模式的降水預報水平，用公式5對兩組試驗的降水預報進行TS評分：

其中預報正確的格點數為NA，空報的格點數為NB，漏報的格點數為NC。TS值的范圍為0～1，TS值越大表示預報效果越好。具體的評分方法是將模擬區域d02內的352個氣象站的24 h降水實況作為參考標準，把預報場的格點值插值到站點上，對兩者進行比較。24 h內把降水分為小雨（0.1～9.9 mm）、中雨（10～24.9 mm）、大雨（25～49.9 mm）和暴雨（50 mm以上）。結果表明：對于各降水等級的評分（表1），試驗exp_ERA都高于exp_FNL，所以對本次暴雨過程來說，exp_ERA模擬結果優于exp_FNL。

5 對exp_ERA初值中的物理量場進行擾動

上述研究表明exp_ERA的模擬效果好于exp_FNL，因此本文把exp_ERA作為控制試驗，對擾動試驗和exp_ERA之間的結果差異進行分析，研究溫、濕、風和側邊界誤差對WRF模擬暴雨的影響。初值誤差可以認為是控制試驗exp_ERA初值上加減一個小擾動，模擬誤差就是擾動試驗與exp_ERA模擬值之差。物理量場擾動的試驗設計見表2，試驗exp_T是把試驗exp_ERA初值中的溫度場用exp_FNL溫度場代替，相當于exp_FNL與exp_ERA初值中的溫度作差得到溫度場小擾動，再把溫度場小擾動疊加在exp_ERA初值上，這種在氣象要素場上加減小擾動不會使初值中不同氣象要素場間的平衡狀態受到破壞[25]，因而是可行的。試驗exp_Q、exp_UV和exp_BDY與試驗exp_T的方法是一致的，只是替換的變量不同。通過上述方法可以得到3個新的初值和1個新的側邊界值。

表1 降水TS評分

5.1 不同氣象要素擾動對降水的影響

圖9是模擬的24 h累積降雨，與控制試驗（圖7a）對比分析，擾動試驗模擬的降水落區差異較小，但降水量的大小和降水中心的分布存在著較大差異。溫度場加擾動后（圖9a），陜西、山西50 mm和山東北部100 mm以上降水范圍減小。濕度場加擾動后（圖9b），陜西和冀豫魯三省交界處的25 mm以上降水范圍減小，山東北部50 mm以上降水范圍減小而100 mm以上增加。風場加擾動后（圖9c），模擬區域25 mm以上降水范圍增大，山東北部降水情況同濕度場擾動。側邊界擾動后（圖9d），陜西10 mm、山西50 mm降水范圍減小，降水區域的100 mm降水范圍均增大。

表2 試驗方案設計

研究區域（33°～38°N，108°～123°E）內的降水，同控制試驗相比，溫度場、濕度場、側邊界擾動導致降水量分別減少5.65%、21.02%、1.04%，而風場擾動導致降水量增加6.85%。這就說明濕度場擾動對降水量的影響最大，其次是風場擾動、溫度場擾動，而側邊界擾動的影響最小。

降水誤差是擾動試驗和控制試驗模擬的降水量之間的均方根誤差，按下式計算:

式中N表示臺站總數，Mi為擾動試驗第i站的降水，Oi為控制試驗第i站降水。通過降水均方根誤差的分析可知（圖10），濕度場擾動引起的降水誤差最大；在積分20 h內風場擾動的降水誤差大于溫度場，積分21～24 h則相反；而側邊界擾動的降水誤差在前期增長比較緩慢，積分8 h后增長速度變快，13 h后接近于溫度場擾動引起的降水誤差，24 h后超過了風場擾動引起的降水誤差，可見側邊界擾動從邊界向中間傳播，對降水的影響逐漸增大，在積分一定時間之后，其與單個氣象要素擾動引起的降水誤差相當。

5.2 擾動試驗與控制試驗的溫濕風相關系數演變

從溫度相關系數（圖11a）可以看出，溫度場擾動試驗exp_T與控制試驗模擬的溫度相關系數在積分時間內均小于1，表現為先增大后減小；而exp_Q、exp_UV、exp_BDY與控制試驗模擬的溫度相關系數僅僅在初始時刻為1，其它時刻均小于1，并且在24 h內相關系數總體上是減小的，表明濕度、風場和側邊界擾動后，引起了溫度場的擾動。由圖11b、c、d可以看出，溫度場擾動同樣引起了風場u、v和濕度場的擾動，其它物理量場擾動也有同樣的結論，表明擾動初值中的某一變量，模式通過一段時間積分后，就會引起其他物理量的擾動，也就是說當初始場中某一個物理量存在誤差時，在模式積分過程中就會導致其它物理量也出現誤差，反映了模式中物理量間的相關性。

從擾動試驗和控制試驗的相關系數可以看出，擾動濕度場在積分20 h內對其它變量影響最大，可以使其它變量場（溫、風場）的擾動較快發展；側邊界擾動后溫度場、風場的相關系數最大，因而側邊界擾動對溫度場、風場影響最小，在積分14 h前對濕度的影響也是最小的，而14 h后側邊界擾動對濕度的影響大于對溫度場擾動的影響。

圖9 2013年7月12日08時—13日08時24 h累積降水量/mm

圖10 4個試驗降水均方根誤差隨時間演變/mm

在溫度場上疊加小擾動會對大氣中的溫度梯度產生微小的影響，也會影響到大氣容納的水汽多寡；在風場上疊加小擾動會影響到大氣的輻合輻散，進而影響大氣的對流強弱；在濕度場上疊加小擾動后，大氣中水汽含量會受到影響；側邊界條件與真實大氣之間存在著誤差，側邊界擾動從邊界向中間傳播，對降水的影響逐漸增大。并且，擾動初值中的某一變量，模式通過一段時間積分后，就會引起其他物理量的擾動，這些擾動產生的綜合效應就是影響大氣中的溫度分布、對流強度和水汽含量等物理量場，同時也能影響小尺度渦旋的發生、發展，最終的結果就是改變了降水的強度和分布。

6 結論

本文采用WRF模式，對2013年7月12日08時—13日08時發生在陜晉冀魯地區的降水過程進行了個例試驗，主要結論如下：

（1）通過尺度濾波可知，ERA-interim與FNL再分析資料的大尺度場的相似性較高，差異主要體現在次天氣尺度。用這兩種資料分別驅動WRF，模擬的各物理量場間存在著較大差異，且這種差異24 h內不會隨積分時間增加而消失，反映了WRF對初、邊界條件的敏感性。

（2）用ERA-interim資料作為初始場對降水的模擬優于FNL資料作為初始場的模擬。兩種資料模擬的逐時雨量的次網格尺度降水量基本是一致的，差異主要體現在網格尺度降水上，表明對本次暴雨過程而言，網格尺度降水對初、邊界條件更加敏感。

（3）從區域總降水量來看，濕度場擾動對降水量的影響最大，其次是風場擾動和溫度場擾動，側邊界擾動對降水量的影響最小。通過降水均方根誤差的分析可知，濕度場擾動引起的降水誤差最大；在積分20 h內風場擾動的降水誤差大于溫度場，在積分21～24 h則相反；側邊界擾動引起的降水誤差從邊界向中間傳播，在前期增長比較緩慢，積分8 h后增長速度加快，積分一段時間后與單個氣象要素擾動引起的降水誤差相當。

（4）擾動初值中的某一變量，模式通過一段時間積分后，就會引起其他物理量的擾動。擾動濕度場在積分20 h內對溫度場和風場的影響最大，側邊界擾動對溫度場、風場影響最小，而14 h后側邊界擾動對濕度的影響大于對溫度場擾動的影響。

圖11 擾動試驗與控制試驗500 hPa各物理量的相關系數變化

[1] Lorenz E N.Deterministic nonperiodic flow[J] .Journal of the atmospheric sciences，1963，20（2）：130-141.

[2] 王洋，曾新民，葛洪砘，等.陸面特征量初始擾動的敏感性及集合預報試驗[J] .氣象，2014，40（2）：146-157.

[3] Warner T T,Peterson R A,Treadon R E.A tutorial on lateral boundary conditions as a basic and potentially serious limitation to regional numerical weather prediction [J] .Bulletin of the American Meteorological Society，1997，78（11）：2599-2617.

[4] 彭繼達，程興宏，孫治安，等.兩種不同初始場對太陽輻射模擬效果的影響[J] .高原氣象，2014，33（5）：1352-1362.

[5] 湯浩，賈麗紅.背景場和物理過程對WRF模式在新疆區域預報性能的影響[J] .沙漠與綠洲氣象，2014，8（3）：27-33.

[6] 楊袁慧，師春香，王煒，等.一次強降水模擬中土壤濕度初值的影響研究[J] .氣象，2013，39（11）：1481-1489.

[7] 湯浩，賈麗紅，居來提吾甫爾.新疆區域模式MM5和GRAPES預報能力對比檢驗[J] .沙漠與綠洲氣象，2012，6（1）：21-26.

[8] 岳甫璐，王春明，崔強，等.“7·21”北京大暴雨過程的地形作用分析和數值試驗研究[J] .沙漠與綠洲氣象，2014，8（2）：41-53.

[9] 馬艷，董海鷹，陳尚.WRF中不同濕過程對青島一次暴雨過程的預報性能檢驗[J] .干旱氣象，2016，34（3）：494-502.

[10] 艾凱，鄭益群，陳浩偉.WRF模式中地形重力波參數化方案應用及不同拖曳力試驗[J] .干旱氣象，2016，34（1）：125-135.

[11] 張釗揚，錢貞成，王春明，等.江蘇一次突發暴雨的數值模擬[J] .氣象與環境科學，2014，37（3）：67-75.

[12] 張立鳳，羅雨.初始場對暴雨數值預報的影響及集合預報試驗[J] .氣象科學，2010，30（5）：650-656.

[13] 許曉林，徐海明，何金海.初邊界條件不確定性對AREM模擬一次華南致洪暴雨的影響[J] .南京氣象學院學報，2009，32（2）：196-205.

[14] 陳宇，王小桃，王瀛，等.基于中尺度集合預報的“8·16”撫順地區特大暴雨過程分析[J] .氣象與環境學報，2015，31（6）：1-8.

[15] 袁有林，楊必華，周宏，等.WRF模式不同集合預報方案對一次大范圍暴雨過程的模擬研究[J] .干旱氣象，2016，34（6）：1027-1036.

[16] 官元紅，周廣慶，陸其峰，等.大氣初始場對短期氣候數值預測的影響[J] .大氣科學學報，2014，37（5）：631-641.

[17] 龔建東，邱崇踐，王強，等.區域四維變分資料同化的數值試驗[J] .氣象學報，1999，57（2）：131-142.

[18] Zhang F,Odins A M,Nielsen-Gammon J W.Mesoscale predictability of an extreme warm-season precipitation event[J] .Weather and forecasting，2006，21（2）：149-166.

[19] 貝耐芳，趙思雄.初值及物理過程對“98·7”暴雨預報結果的影響[J] .氣候與環境研究，2002，7（4）：386-396.

[20] 孔榮，王建捷.一次南方大暴雨過程的數值模擬及其誤差的敏感性診斷分析[J] .熱帶氣象學報，2006，22（6）：582-592.

[21] 朱紅芳，王東勇，管兆勇，等.不同初始場條件對GRAPES模式數值預報的影響[J] .氣象學報，2007，65（4）：493-502.

[22] 麻素紅，瞿安祥.不同初始場及側邊界對臺風路徑數值預報的影響[J] .熱帶氣象學報，2004，20（6）：737-742.

[23] 閆敬華.中尺度數值預報模式初邊值作用的試驗研究[J] .熱帶氣象學報，2003，19（4）：337-344.

[24] 朱本璐，林萬濤，張云.初始擾動對一次華南暴雨預報的影響的研究[J] .大氣科學，2009，33（6）：1333-1347.

[25] 羅雨，張立鳳.一次梅雨暴雨預報中的誤差演變及可預報性分析[J] .氣象學報，2010，68（3）：411-420.

Effects of Different Initial Fields and Initial Perturbations on Simulation of a Heavy Rainfall by WRF

YUAN Youlin1，YANG Xiuhong1，YANG Bihua1，ZHAO Jun1，ZHOU Kaipeng1，ZHANG Guangxing2，3
（1.Unit of 63610 of the Chinese People’s Liberation Army，Korla 841001，China；2.Institute of Desert Meteorology，China Meteorological Administration，Urumqi 830002，China；3.Center for Central Asian Atmosphere Science Research，Urumqi 830002，China）

A typical heavy rainfall process occurred during 12-13 July 2013 in the north of China was simulated using the meso-scale model WRF V3.6.Two groups of contrast numerical experiments were conducted to investigate the sensitivity of model prediction results to initial fields provided by the ERA-Interim and FNL data,respectively.The results show that：（1）there is a significant difference between the initial field of the ERA-Interim and FNL data at the subsynoptic scale,thus leading to different simulation results.The simulated precipitation from the ERA-Interim data is better than that of the FNL data.（2）For 24-hour area precipitation forecast, the perturbation in humidity field has the greatest impact on precipitation,closely followed by that is wind and temperature field,the lateral boundary perturbation has the least impact.（3）The root mean square error（RMSE）of precipitation caused by humidity field perturbation is larger than that caused by the other initial perturbations.In the first 20 hours of the integration period,the RMSE of precipitation caused by wind field perturbation is larger than that caused by temperature field perturbation,while the opposite occurs in the integration period of 21～24 h.The precipitation RMSE caused by lateral boundary perturbation is small in the early stage,and the growth is slow. After a period of model integration,the RMSE of precipitation caused by lateral boundary perturbation is equivalent to that caused by the initial field perturbation of single meteorological variables.

WRF；heavy rainfall；initial field；initial perturbation；lateral boundary perturbation

P456.7

B

1002-0799（2017）01-0067-09

10.12057/j.issn.1002-0799.2017.01.009

2016-06-03；

2016-11-14

國家自然科學基金面上項目（41375070和41075050）資助。

袁有林（1987-），男，碩士，主要研究方向為數值模擬。E-mail：908248336@qq.com

張廣興（1963-），男，副研究員，主要從事大氣動力學與中尺度氣象研究。E-mail：zhanggx@idm.cn

袁有林，楊秀洪，楊必華，等.不同初始場及其擾動對WRF模擬暴雨的影響[J] .沙漠與綠洲氣象，2017，11（1）：67-75.