復雜地形條件下WRF模式的適用性：以滇西地區降水模擬為例

楊澄 付志嘉

（大理國家氣候觀象臺，大理市氣象局，大理 671003）

0 引言

WRF模式作為目前較為成熟的中尺度數值預報模式，一直有很多的研究者在對其進行開發利用，從模式本地化參數方案的選取，到下墊面和物理過程的改進等方面，不斷地優化模式，使其更加適合研究者所關注的區域[1-7]。而數據同化作為模式改進的重要手段，同化系統也在不斷地發展，較為常用的是變分法和卡爾曼濾波，現在較為流行的是三維變分（3D-Var）和四維變分（4D-Var），集合卡爾曼濾波（EnKF）也是近幾年發展較快的數據同化方法[8-10]。GSI（Gridpoint Statistical Interpolation）系統是統一標準的全球和區域數據同化系統，它首先是由美國國家環境預報中心（NCEP）的環境預報模式中心（EMC）作為業務系統SSI（Spectral Statistical Interpolation）分析系統的二代產品所開發，之后美國國家海洋和大氣管理局（NOAA）業務部門加入開發以后，使之成為NOAA全球預報系統（GFS）中北美中尺度模式中業務用數據同化系統，隨著美國空軍氣象局（AFWA）和美國國家航空航天局（NASA）等多個部門的應用，GSI得到了進一步的發展。目前，GSI已包含了二維變分（2D-Var）、三維變分（3D-Var）、四維變分（4D-Var）、混合變分（hybrid ensemble variational）和四維集合變分（4DEnVar）同化方法，可以和多種數值模式進行耦合[11]。國外已經使用GSI做了很多研究工作[12]，國內較多使用的是WRF-DA同化系統[13-16]，GSI引入國內的時間相對較晚，基本處于研究應用階段[17-18]，尚沒有投入業務應用，但其作為美國國家氣象中心的業務系統，其算法和性能的發展都具有較好的保證。

云南省地處青藏高原東南緣，自滇西北向滇東南海拔逐漸降低，滇西處于青藏高原南部緩沖帶，遍布高山峽谷，地形極其復雜，孟加拉灣水汽在向內陸輸送過程中，經常受滇西地形的影響而產生局地天氣系統，由于尺度小、觀測站點分布稀疏，常規天氣分析手段較難捕獲局地系統的發展過程，因此本文結合云南西部地區一次降水過程，引入GSI同化系統，并將其耦合到WRF模式當中，利用探空數據進行同化試驗，一方面研究WRF模式在滇西復雜地形條件下的適用性，另一方面也為將來進一步應用GSI同化系統和深入了解滇西局地環流特征做鋪墊。

1 資料與方法

1.1 資料選取

天氣背景分析以ECMWF Interim的再分析資料為依據，分辨率為0.125°×0.125°，模式初始場采用NCEP的FNL再分析資料，分辨率為1°×1°，觀測數據為大理白族自治州（簡稱“大理州”）12個國家級氣象站地面常規觀測數據，第三次青藏高原大氣科學試驗獲取的青藏高原及其周邊地區19個L-BAND探空數據，以及TRMM衛星（0.25°×0.25°）的3 h累積降水數據。

1.2 方法介紹

本文采用WRF模式對2014年7月13日云南省西部地區的一次天氣過程進行模擬試驗，模式控制試驗采用3層嵌套，水平分辨率分別為25 km、5 km和1 km，垂直方向90層，模擬時間設計為2014年7月11日08時—13日20時（北京時，下同），積分60 h，將7月12日14時之前的時間剔除為spin up時間，分析時段選取時間為7月12日14時—13日14時，模式中的主要物理參數見表1。同化試驗中將19個L-BAND探空站（站點分布如圖1所示）的探空數據利用GSI同化系統進行同化，其他參數設置與控制試驗相同，將同化試驗分別和觀測數據與控制試驗進行對比。

表1 WRF模式主要參數設置Table 1 Configuration of the WRF model

2 結果

2.1 天氣背景及實況

2014年7月12日08時，云南西北地區上空500 hPa流場（圖2）為氣旋性，其槽線一直延伸到滇中地區，滇西南500 hPa流場表現為反氣旋性旋轉，反氣旋的前部偏西氣流與槽線附近的滇中偏南氣流匯合，在滇中地區與東南暖濕氣流交匯，引起高空氣流輻合，為降水提供水汽和動力條件。700 hPa的滇西南有明顯的氣流輻合，輻合帶還出現了低空急流，使得輻合區進一步加強，滇中與滇東地區的偏南氣流帶來了充沛的水汽。此次過程造成云南省西部地區普降大雨，局部暴雨。7月12日14時—13日14時大理州境內6個站點累積降水量達到了大雨量級，3個站點達到了暴雨量級，其中最大累積降水量為大理站的64.2 mm。

2.2 GSI同化系統評估

將探空數據分別與各層模式輸入場進行同化，由于各嵌套區域大小逐級遞減，因此，三層區域中包含的站點數分別為19，8和4個，探空數據進入GSI同化系統后，代價函數和梯度函數均收斂，也即探空數據正確進入了同化系統當中。同化探空數據以后，對模式的輸入場進行了相應的調整，圖3表明，d01的地面溫度場同化探空數據以后在四川盆地上為負增量，起到降溫作用，高原地區同樣為降溫作用，但負增量較小，由于滇南地區距離探空站較遠，探空數據對該地區地面溫度的影響作用不明顯。U風分量在四川盆地也為負增量，在盆地與高原交匯區則為明顯的正增量，其他地區增量較小，可見同化探空數據對地面東西風的調整主要在四川盆地附近較為顯著。V風分量與U風分量的增量分布恰好相反，四川盆地為正增量，云貴高原和青藏高原東部為負增量。地面比濕增量表現為青藏高原東部為正增量，其他地區以負增量為主，從比濕的最大增量層上來看（圖略），青藏高原東部的正增量相對較小，最大正增量在四川盆地東北部，負增量集中在青藏高原腹地和東北地區，其他大部分地區增量較弱。在垂直方向上各變量也有不同的增量強度，也即在同一個地區的垂直方向上各變量并沒有表現為向上或向下單調地增減，而是在不同層次正增量和負增量均會出現，這也是探空資料垂直方向非單調變化的體現。

圖1 模式區域設置（a）及最內層嵌套區域（b）地形高程和所用站點分布（單位：m）DA：同化站點；COM：對比站點；DA&COM：同化與對比站點Fig. 1 The domains setting (a) and in nest domain (b) of model with elevation and stations (DA represents data assimilation, COM represents comparison, DA&COM represents both DA and COM)

圖2 2014年7月12日08時ECMWF Interim（0.125°×0.125°） 500 hPa（a）和700 hPa（b）流場（填色，單位：m/s）和溫度場（等值線，單位：K）分布Fig. 2 The stream (fill color) and temperature (contour) field of ECMWF Interim on 500 hPa (a) and 700 hPa (b) at 08 BT July 12, 2014

從同化探空數據后的模式輸入場中的各個變量增量來看，探空數據的同化能夠實際改變模式輸入場的變量分布，起到調整模式輸入場的作用。

2.3 試驗結果與衛星數據的對比

2.3.1 降水落區對比

圖4中的TRMM衛星觀測數據表明此次過程降水呈帶狀分布，我國境內在云南地區有一條明顯的雨帶，自滇西北向滇東南分布，雨帶兩端的滇西北和滇東南地區的累積降水量顯著高于雨帶中部的滇中地區，該雨帶的24 h最大累積降水量為25～50 mm。控制試驗模擬了云南雨帶的位置，但是強度明顯要比TRMM的降水強度大，在云南東北部和川西、貴州和廣西出現了明顯的虛假降水。同化試驗同樣模擬出了云南雨帶，位置略有南移，雨帶強度得到削弱，但是虛假降水范圍進一步擴大，虛假降水量也較大。

2.3.2 降水強度對比

從TRMM觀測的3 h累積降水量來看（圖5），云南的此次降水于2014年7月12日14時開始加強，之后的17—23時的強降水分布與云南雨帶對應，表明此次云南的強降水持續時間約為6 h，之后降水強度減弱，系統逐漸消散。

圖3 同化探空數據后模式初始時刻d01輸入場近地層的溫度（a，單位：K）、U風分量（b，單位：m/s）、V風分量（c，單位：m/s）和比濕（d，單位：g/kg）增量Fig. 3 The temperature (a), U wind component (b), V wind component (c) and special humidity in the WRF domain that assimilated sounding data at the initial time

圖4 2014年7月12日14時—13日14時TRMM衛星觀測的累積降水量（a）與控制試驗（b）和同化試驗（c）的d01累積降水量分布（單位：mm，下同）Fig. 4 Accumulation of precipitation from the TRMM (a), the control model (b) and the assimilation model (c) in domain one on July 12, 2014, 14 hours and then 24 hours later

控制試驗（圖略）中的強降水落區與TRMM的一致性較好，降水在12日20時后開始顯著增強，至13日08時以后降水逐漸減弱，強降水開始時間有所滯后，持續時間達到了12 h。同化試驗（圖6）的強降水時間與控制試驗相似，但強降水落區有一定偏差，表現為強降水落區主要集中在滇西北地區，并且從模擬的降水量級來看，同化試驗和控制試驗模擬的降水強度均高于TRMM的觀測結果。從降水時間上來看，控制試驗和同化試驗的強降水開始時間晚，持續時間長。

2.4 試驗結果與臺站觀測數據的對比

圖5 2014年7月12日14時—13日14時TRMM衛星觀測的3 h累積降水量Fig. 5 The accumulated 3 hour precipitation from the TRMM on July 12, 2014, 14 hours and then 24 hours later

挑選控制試驗和同化試驗的模擬值中距離大理州12個地面氣象觀測站最近的格點降水量與實測降水量進行比較。從24 h累積降水量來看（圖7），12日14時—13日14時，大理12個觀測站（obs）除了56851站外均觀測到了降水，其中6個站達到了大雨，其他站點為中雨以下。從模擬結果來看，控制試驗各站點降水量級基本偏大，差別最大的站點為56746，其d02的模擬值在觀測值的2倍以上。從控制試驗的平均均方根誤差（RMSD）來看，d03的模擬誤差是最大的，d01的平均RMSD最小。各站點的RMSD分布顯示，56649、56745和56752站的3個域的RMSD較為接近，但是56752站各域的RMSD均是最小的，56745站各域的RMSD均是最大的，推測與地形高程有直接關系，56745站位于蒼山西面，上游為復雜的山地，下游為高大的蒼山，地形復雜，對近地層環流的擾動影響非常大，56752站則處于低海拔地區，與周圍的地形高度差也較小，地形對局地環流的影響相對較弱。其他站點的3個域的RMSD均有一定差異，這些站點位置均在高海拔地區，站點周圍均存在海拔高差較大的山體，隨著模式分辨率的提高，對這些山體的識別程度不同，因此也會造成均方根誤差的差異性。同化試驗中，各域模擬的累積降水量均得到了顯著減少，特別是實況降水為小到中雨的站點，同化試驗的模擬累積降水量與實況已非常接近，但是降水量級為大雨以上的站點，同化試驗的模擬值比實況值要小，分析這幾個站點發現其地理位置均處于高海拔地區，并且四周山谷和盆地交錯分布且水平距離較小，海拔高差較大，使得模式模擬更加困難。與控制試驗相比較，同化試驗的平均RMSD顯著減小，各站點的RMSD也相應的減小，并且d01和d02的RMSD普遍比d03的小，這可能與同化的站點數有關系。總之，同化探空數據能夠顯著改進此次降水模擬中累積降水量的量級，使得累積降水量更接近實況。

從控制試驗的小時降水量來看（圖略），模擬的各小時降水量基本比實況降水量大，而且在無降水時段內，模擬產生了較強降水，從而導致了累積降水量偏大。同化試驗模擬的各域的站點小時降水量得到了減小（圖8），并且對于日降水特征為單峰值的降水類型而言，同化試驗的d01也較好地模擬出了降水峰值，雖然峰值出現時間有所推遲，但模擬的峰值降水除了56742和56745站與實況有較大出入外，其他站點的峰值降水與實況已較為相近，d02和d03也沒有模擬出單峰型降水的峰值，這個原因可能是由于d01中使用了更多的探空站數據，使得d01能夠更加接近真實降水情況。對于多峰值降水而言，控制試驗和同化試驗均不理想，在無降水（56851站）或者弱降水（56757站）地區，控制試驗和同化試驗均有降水產生，可能與模式分辨率有較大關系，這需要在下一步工作中進一步研究。另外，實況降水量分布的巨大差異，也表明了此次降水過程局地環流對降水分布的影響是較為明顯的，而在這樣的小尺度復雜地形下，模式模擬性能還有待進一步提高。總的而言，同化試驗的結果表明探空數據在模式中通過有效降低小時降水量，能夠影響滇西復雜地形區降水過程中的小時降水量，使得模式對降水過程的模擬性能得到提高。

3 結論與討論

本文使用WRF模式對2014年7月13日云南省西部地區的一次天氣過程進行控制模擬試驗，同時使用GSI同化系統，利用青藏高原及其周邊地區19個L-BAND探空站的探空數據進行同化試驗，將同化試驗與控制試驗分別和TRMM與地面臺站觀測數據進行對比，探討WRF模式在復雜地形條件下的適用性，以及GSI同化系統在該地區的應用效果，得到以下結論：

圖6 2014年7月12日14時—13日14時同化試驗d01的3 h累積降水量Fig. 6 The accumulated 3 hour precipitation from assimilation modeling in domain one on July 12, 2014, 14 hours and then 24 hours later

圖7 2014年7月12日14時—13日14時控制試驗（a，b）和同化試驗（c，d）的各區域模擬的24 h格點累積降水量與對應站點累積降水量（a，c）及其均方根誤差（b，d）Fig. 7 The accumulated precipitation (a, c) and root mean square deviation (b, d) from the control model (a, b) and the assimilation model (c, d) on July 12, 2014, 14 hours and then 24 hours later

1）控制試驗和同化試驗都能模擬出此次降水過程中云南雨帶的位置，但強度偏大。同化試驗中雨帶的降水強度得到一定的訂正而有所減弱，但位置略有南移，產生虛假降水的范圍也進一步擴大。控制試驗和同化試驗的強降水開始時間比TRMM的觀測晚6 h，且持續時間比TRMM長，控制試驗的強降水落區與TRMM相似，同化試驗的強降水落區往滇西北地區偏移。

圖8 2014年7月12日14時—13日14時同化試驗各區域模擬的格點小時降水量與對應站點小時降水量Fig. 8 One hour precipitation from the assimilation model in July 12, 2014, 14 hours and then 24 hours later

2）控制試驗對于此次過程的小時降水量的模擬普遍偏大，在實況無降水時段內，也模擬產生了較強降水。同化試驗模擬的各域的站點小時降水量相應減小，并且對于單峰型的日降水類型具有一定的模擬能力，峰值與實況較為接近。但是，對于多峰值降水區，以及無降水或者弱降水地區，控制試驗和同化試驗均有較大誤差。從24 h的站點累積降水量來看，同化探空數據能夠減小模式降水模擬數據中各站點的累積降水量及其RMSD，對改善此次降水模擬中對比臺站累積降水量的誤差具有一定作用。

3）總的來看，WRF模式對復雜地形條件下的局地降水具有一定的模擬能力，同時通過使用GSI同化系統，能夠將探空數據有效同化到模式輸入場中，并對模式輸入場各變量分布進行調整，從而影響模式模擬結果。

由于本文中所用探空站點基本處于青藏高原腹地，滇西地區僅有4個探空站進入了同化試驗中。另外，本文的模擬結果始終有降水量系統性誤差，這可能是由于物理參數的設置、地表粗糙度、分辨率以及模式算法等多方面的原因所致。此次模擬僅為一次個例試驗，雖然WRF模式在復雜地形條件下具有一定的模擬能力，但不同的參數化方案、模式分辨率與下墊面的敏感性、同化站點的多寡與同化的數據源（探空、衛星、地面觀測等）等問題均會對模擬結果產生影響，下一步工作中，我們將通過加入更多觀測站點數據，不斷修改模式配置，使得模式在復雜地形條件下對滇西地區的降水模擬能力得到進一步提高。