南海海域海表面溫度對低空大氣波導數值模擬的影響研究

成印河 徐劍輝 張玉生 郭相明 游志偉

（1. 江蘇海洋大學海洋技術與測繪學院，連云港 222005；2. 江蘇海洋大學海洋遙感大數據應用中心，連云港 222005；3. 中國電波傳播研究所 電波環境特性及模化技術重點實驗室，青島 266107）

引 言

大氣中異常大氣折射率結構會導致電磁波被陷獲在一定厚度的大氣層內，這種現象被稱為大氣波導傳播[1]. 大氣波導環境的存在對無線電通信、雷達探測等系統產生重要影響，導致超視距傳播[2]和探測盲區[3]. 大氣波導環境參數可以用大氣折射率垂直梯度小于零時來描述. 而大氣折射率是氣溫、大氣壓和水汽壓等物理量表示的經驗函數[4]，一般采用修正大氣折射率M表示，對于微波波段，通常采用以下形式：

式中：M是無量綱單位，數值上采用M單位；T為氣溫，K；P為大氣壓，hPa；e為水汽壓，hPa；h為海拔高度，m.

由式(1)可知濕度隨高度銳減或者溫度隨高度遞增，或兩者同時發生是大氣波導形成的必要條件，這種大氣結構往往與大氣邊界層結構密切相關. 已有研究表明，海洋下墊面的海表面溫度(sea surface temperature, SST)分布對大氣邊界層數值模擬具有重要的影響. Doyle等[5]利用中尺度模式MM5(mesoscale model5)分析了不同分辨率的SST對大西洋海域的海洋大氣邊界層分布的影響；孟憲貴等[6]研究了夏季黃海SST對大氣邊界層的影響；霍志麗等[7]根據部分海上觀測SST分析了東海黑潮海洋鋒過程中大氣邊界層高度的變化. 在海洋大氣邊界層頂部往往伴隨著逆溫及濕度銳減的大氣結構，容易發生大氣波導事件. 由此可知SST可改變海洋大氣邊界層高度及結構，進而影響大氣波導環境特征.

除了海上大氣邊界層結構變化會直接影響到海上大氣波導環境，實際上還有多種因素的影響如地形、風場、海岸線、SST等. 劉桂艷[8]利用中尺度天氣預報模式天氣研究與預報(weather research and forecaoting, WRF)分析了海陸風過程中發生的大氣波導；丁軒茹等[9]研究表明夏季風爆發對南海蒸發波導產生影響；成印河等[10]分析了夏季風爆發對南海南北部低空大氣波導的影響；Burk和Thompson[11]使用NORAPS (Navy Operational Regional Atmospheric Prediction System)模擬研究了加州南部海陸風對海洋大氣折射率環境的影響；Brooks等[12]指出波斯灣表面波導厚度是沿著風向變化的，跟離岸距離成正比；Atkinson和Zhu[13-14]使用MM5模式研究了海風、沿岸結構、地形等因素對大氣波導的影響；Reddy等[15]研究表明在熱帶近岸海域大氣波導環境同樣受海陸風環流的影響. 由此可知海洋大氣折射率環境受到多種因素的影響，風場是其中一個重要的因素，然而SST是否是影響大氣波導形成的一個重要因素呢? Haack等[16]2010年利用4種中尺度數值模式研究分析了美國東海岸的SST對大氣波導數值模擬的影響，但其模擬結果是否適用于南海，有待于進一步研究.

南海是西太平洋最大的邊緣海，其大氣環境受大陸海岸線、季風及下墊面SST分布等因素影響，已有的研究表明海洋邊界層高度存在日變化[17-18]，也是低空大氣波導的高發區[19-23]，究竟每種因子對南海大氣波導環境影響怎樣，需要有針對性的研究. 本文基于中尺度天氣數值模式WRF，擬開展不同SST分布對南海低空大氣波導數值模擬影響的研究.

1 研究方法

1.1 WRF模式配置

為了開展下墊面不同SST對南海低空大氣波導數值模擬的影響，本文利用中尺度天氣數值模式ARW(Advanced Research WRF)3.6版本開展數值模擬研究. WRF模式是新一代中尺度天氣預報模式，已經被廣泛地應用于降水、臺風等方面的研究. 在WRF模式中，以美國國家環境預報中心提供的氣候預報再分析系統(climate forecast system reanalysis,CFSR)再分析資料作為模式的初始場，積分步長為60 s，以(15°N, 115°E)為中心設置了四重嵌套區域，分為南、北兩部分共6個區域，具體見圖1. 模式垂向采用不等間距分層，底層加密，共分為42層，模擬時間為1998年5月到6月.

圖1 研究海區(表示“科學1號”和“實驗3號”觀測站)Fig. 1 Map of the study area and the cross-shaped stars show the “Kexue 1”and “Shiyan 3” observation stations

為了區別不同下墊面SST分布對低空大氣波導的影響，本文數值模擬過程中采用相同的比較成熟的積云、輻射、微物理等參數化方案，具體見表1.

表1 WRF模式通用的參數化方案Tab. 1 Universal parameterization schemes applied in the WRF model

1.2 試驗方案設計

在下墊面SST驅動模式過程中，主要設計了3種數據設計試驗方案，分析其對南海低空大氣波導的影響. 3種數據分別為國家環境預報中心(National Centers for Environmental Prediction, NCEP)提供的CFSR再分析資料中的SST數據、歐洲中期天氣預報中心(European Centre for Medium-Range Weather Forecasts, ECMWF)提供的ERA-I (ERA-Interim)再分析資料中的SST數據和美國國家海洋和大氣管理局(National Oceanic and Atmospheric Administration,NOAA)提供的OISST(optimum interpolation sea surface temperature)數據[24]，具體時間、空間分辨率見表2.同時表2給出了4組下墊面SST驅動試驗方案，其中：Exp-N方案僅保留通用設置，無下墊面驅動場；Exp-C方案和Exp-E方案每6 h更新一次下墊面驅動場SST；而Exp-O方案每24 h更新一次.

表2 SST數值試驗方案設計Tab. 2 SST experiment schemes setting

為了研究不同SST對南海低空大氣波導的影響，首先我們分析不同SST的差異. 以1998年5月5日為例，我們給出了0時(UTC，下同)的3種SST數據以及ERA-I和 CFSR提供的SST在6時、12時和18時相比0時刻的變化情況，如圖2～4所示，并以此估計SST對低空大氣波導的影響.

圖2 1998年5月5日0時3種SST數據((a)表示ERA-I, (b)表示CFSR, (c)表示OISST)Fig. 2 Distributions of three SST datasets at 0 UTC on May 5, 1998((a) ERA-I SST, (b) CFSR SST, (c) OISST)

圖3 1998年5月5日ERA-I SST數據日變化((a)、(b)和(c)分別表示6時、12時、18時數據減掉0時的差值)Fig. 3 Diurnal variation of the ERA-I SST dataset on May 5, 1998((a)，(b) and (c) show the difference between each time(6，12,18 UTC) and 0 UTC, respectively)

圖4 1998年5月5日CFSR SST數據日變化((a)、(b)和(c)分別表示6時、12時、18時數據減掉0時的差值)Fig. 4 Diurnal variation of the CFSR SST dataset on May 5, 1998((a)，(b) and (c) show the difference between each time(6，12,18 UTC) and 0 UTC, respectively)

從圖2～4可知，SST區別非常明顯. 由于空間分辨率的不同，3種數據都能夠表現出SST從南到北的區域空間變化，但ERA-I給出的SST比較平滑，溫度跨度比較大，而其他場分辨率較高，能夠表征一些海洋現象細節特征. 如以(15°N, 118°E)為中心的區域均有大小不等暖渦，但也有區別，OISST 給出的暖渦范圍大，靠近呂宋島，同時南部有多個的冷渦. 在日變化方面，從低分辨率的ERA-I給出的SST幾乎無日變化情況，而CFSR給出的SST存在較為明顯的日變化情況，如南海中西部的冷暖渦變化從小變大，然后變小；同時研究區域中陸地西海岸海域存在明顯的溫差變化，如中南半島南部海岸附近6時溫差由2.8 ℃減弱為凌晨18時的?2.4 ℃以上. 由此推測這種SST分布的不同可能會對南海低空大氣波導模擬具有重要的影響.

1.3 探空數據與分析方法

為了對比分析不同試驗方案的數值模擬結果，我們與1998年5月5—25日和6月5—25日南海季風試驗期間“實驗3號”和“科學1號”科考船的GPS探空觀測數據作對比. 科考船分別位于南海北部和南部，見圖1，北部為“實驗3號”科考船位置(20.36°N, 116.84°E)，南部為“科學1號”科考船位置(6.23°N,109.83°E). 在南海季風試驗期間分別采集在0、6、12和18時4個時次的氣溫、相對濕度、露點溫度、海拔高度等廓線數據，采樣頻率為1 s或2 s.該數據經過質量控制[25]后有296個探空廓線用于對比WRF模式的輸出結果，該探空站數據幾乎平均分布在南海南北兩個區域. WRF模式輸出的氣溫、比濕等以兩科考船觀測時間、空間為中心，時間上相同，空間上采用周圍鄰近插值方法獲得匹配數據，用于開展對比研究.

分析方法主要采用列聯表方法用于統計波導發生情況，平均誤差和標準差用于波導特征參數定量分析. 列聯表是一種矩陣格式的表格，用于多元分類變量的頻率分布. Haack等[26]曾利用列聯表對美國海軍COAMPS(Coupled Ocean-Atmosphere Mesoscale Prediction System)模擬結果與無線電探空儀采集的數據對比分析，研究其預報準確率、虛報率等. 針對低空大氣波導特征參數采用平均誤差和標準差等公式進行量化，具體見公式(2)和(3).

2 結果分析與討論

2.1 低空大氣波導統計分析

為分析不同SST對低空大氣波導發生事件的影響，利用各模擬方案的第四重嵌套輸出數據分析大氣波導發生情況，并與南海兩個觀測站探空數據進行對比分析，結果見表3.

表3 各試驗方案中數值模擬與觀測的低空波導事件統計Tab. 3 Ducting events statistics for numerical simulation based on each experiment scheme and GPS radiosonde data

由表3可知，各方案的模擬正確率為對角線上兩組數據之和(都無波導和都有波導)與觀測總數的比值，虛報率為各方案僅數值模擬有波導數與觀測中無波導總數的比值，例如Exp-N方案模擬正確率為61.5%，即 (120+62)/296，虛報率為26.2%，即22/84.

從各方案模擬正確率數據可知：Exp-O試驗方案最好，正確率最高為68.2%；其次是Exp-C方案(正確率為65.5%)和Exp-N方案(正確率為61.5%)，正確率最低的為Exp-E方案(正確率為58.1%)，即NOAA提供的每24 h更新一次的SST驅動場最好，每6 h更新一次的ERA-I數據中SST的方案模擬最差. 從虛報率數據可知，Exp-O和Exp-C兩種試驗方案虛報率相當，為21%左右，其他兩種方案虛報率都超過26%. 綜合正確率和虛報率的結果，在設計的4種試驗方案中，Exp-O方案最好，即精細化的SST對數值模擬的低空大氣波導事件具有重要的影響，其次是下墊面的更新周期.

為了定量地研究不同SST對低空大氣波導模擬參數的影響，基于式(2)和(3)，我們開展模擬的波導參數與探空觀測的大氣波導參數的對比分析，結果見表4.

標準差用來表征一組數據中離散程度，值越小說明數據越集中；平均誤差和其標準差越小，表明該方案越好. 從表4可知，在波導底高中Exp-O方案平均誤差與標準差最小，其次為Exp-C方案，Exp-N方案的平均誤差最大而Exp-E方案的標準差最大. 在波導強度中Exp-N方案平均誤差最大而標準差最小，Exp-E方案平均誤差最小而標準差最大，Exp-C與Exp-O方案平均誤差與標準差整體較小. 在波導厚度中Exp-N方案平均誤差與標準差最小，Exp-C方案平均誤差與標準差最大，而Exp-E與Exp-O方案整體較小. 綜合波導特征參數平均誤差與標準差的模擬結果，在設計的4種試驗方案中，Exp-O方案最好，其模擬的波導底高最好，波導強度與波導厚度相對較好，即精細化的SST對數值模擬的低空大氣波導事件具有重要的影響，其次是下墊面的更新周期.

表4 數值模擬波導特征參數與探空數據的對比分析Tab. 4 Contrastive analysis of the duct parameter characteristics between simulated results and radiosonde data

為了直觀地了解大氣波導誤差存在位置及原因，以1998年5月13日6時南海南部和1998年6月8日12時南海北部為例，做出了各方案數值模擬和GPS探空觀測的修正大氣折射率、相對濕度和氣溫隨高度分布，見圖5～6.

圖5 1998年5月13日6時南海南部模擬和實測參數隨高度分布((a)大氣折射率, (b)相對濕度, (c)氣溫)Fig. 5 Profiles of the simulated results and observed parameters in south SCS at 06 UTC, May 13, 1998((a)atmospheric modified refractivity index, (b) relative humidity, (c) air temperature)

從圖5(a)與圖6(a)不同日期的兩種數據的修正大氣折射率隨高度分布可知，Exp-O方案模擬修正大氣折射率隨高度分布與GPS探空觀測最接近. 由于濕度銳減與逆溫是形成大氣波導的必要條件，從圖5(b)與圖6(b)可知，Exp-O方案模擬的相對濕度隨高度分布與GPS探空觀測整體上最接近，有明顯的濕度銳減現象. 從圖5(c)與圖6(c)可知，各個方案模擬的氣溫隨高度分布相對接近但是在圖5(c)中僅Exp-O方案模擬出逆溫現象. 綜上所述，NOAA提供的每24 h更新一次的SST驅動場最好，其模擬相對濕度與氣溫的變化更準確，該結果表明精細化的SST對相對濕度和氣溫數值模擬的重要性，同時也影響了低空大氣波導發生概率以及特征參數.

圖6 1998年6月8日12時南海北部模擬和實測參數隨高度分布((a)大氣折射率, (b)相對濕度, (c)氣溫)Fig. 6 Profiles of the simulated results and observed parameters in the north SCS at 12 UTC, June 8, 1998((a)atmospheric modified refractivity index, (b) relative humidity, (c) air temperature)

2.2 子、母網格模擬結果分析

由于嵌套網格層數的增加，模式的運算時間也隨之增加. 在使用WRF模式進行數值模擬研究時，時間成本也是需要考慮的一個重要因素. 以最優的SST數據為驅動場，利用Exp-O方案對比分析了子、母網格數值模擬結果，見表5.

表5 第三、四重嵌套網格模擬結果的低空波導統計Tab. 5 Ducting events statistics for the third and fourth nest grid simulation results.

由表5可知：在都有波導分類中，四重嵌套樣本數明顯提高，而在都無波導分類中變化不大，這導致四重嵌套網格模擬正確率提高了11.8%；同樣地，四重嵌套網格模擬虛報率降低了2.4%. 此外，從三、四重嵌套的有波導總計中可知，模式在四重嵌套網格下模擬發生低空大氣的概率為52%，比三重嵌套41.6%提高了10.4%. 表明子網格雖然增加了運算時間但其提高了模擬正確率、降低了模擬虛報率并且提高了模擬發生低空大氣波導的概率.

為進一步討論該方案模擬結果，對比分析三、四重嵌套網格下波導特征參數，見表6.

表6 第三、四重嵌套網格模擬波導特征參數統計Tab. 6 Statistical characteristics of duct parameters for the third and fourth nest grid simulation results

由表6可知，四重嵌套網格模擬的波導底高平均誤差與標準差大于三重嵌套而波導厚度平均誤差與標準差則小于三重嵌套，四重嵌套網格模擬的波導強度平均誤差小于三重嵌套而標準差大于三重嵌套. 表明子網格由于提高了模擬發生低空大氣波導的概率，在一定程度上提高了模擬波導底高的誤差，但同時也降低了模擬波導厚度的誤差.

3 結 論

本文基于先進的中尺度大氣模式WRF，利用不同SST開展了南海低空大氣波導數值模擬試驗，并與GPS探空觀測數據進行了對比分析，初步得到了以下結論：

1)在設計的4種方案中，SST精度最高的Exp-O方案模擬結果最好，其正確率為68.2%，虛報率為21.4%，波導底高平均誤差以及標準差最小；

2)SST分辨率對南海低空大氣波導的模擬影響最大，較高的分辨率可以提高模擬正確率、更準確模擬波導特征參數，其次是SST的更新周期，在一定程度上能改進模擬結果；

3)在最優的SST驅動下，子網格提高了模擬正確率和發生概率，降低了虛報率和波導強度、厚度誤差，但在波導底高上優勢不明顯.

上述結論對南海低空大氣波導數值預報具有重要的科學意義和應用價值.