邊界層參數化方案對臺風“煙花”北上階段模擬影響的差異比較

邢蕊，楊健博，莊庭，王慶元，邱曉濱，田夢

（1.天津市海洋氣象重點實驗室，天津300074；2. 天津市濱海新區氣象局，天津300457；3. 天津市氣象科學研究所，天津300074；4.天津市氣象探測中心，天津300061；5.天津市氣象臺，天津300074）

0 引言

我國是世界上受臺風影響最嚴重的國家之一[1]。臺風登陸過程中帶來的強風暴雨常常會誘發嚴重的自然災害，給人民的生命和財產安全構成巨大威脅[2-3]。受三維觀測資料的限制，對臺風的深入研究主要依靠高分辨率的數值模擬手段。在數值模式中，大氣中的許多重要物理過程由于受到模式分辨率等因素的影響，一般通過參數化的方法來進行刻畫，如邊界層湍流參數化方案、積云對流參數化方案等，不同的參數化方案對模擬結果會產生不同的影響[4-7]。

觀測分析表明，臺風邊界層中存在尺度為幾百米～幾千米的小尺度系統，近地面陣風與臺風邊界層的精細結構有關[8]，臺風邊界層作為臺風結構的一個重要組成部分，其動力和熱力過程較為復雜，可直接影響到臺風的結構和強度[9-10]。顯而易見，邊界層參數化方案在臺風數值模擬中具有重要作用，也是造成臺風強度和結構預報不確定性的來源之一。研究表明，在數值模式中是否考慮邊界層參數化方案可顯著影響臺風的模擬結果[10-11]，不同的參數化方案由于對邊界層中水汽等物理量以及垂直混合等物理過程描述存在差異，也會導致臺風路徑和強度的模擬結果出現顯著差異[12-13]。

前人已針對邊界層參數化方案對臺風生命史不同階段的影響開展了研究。例如：溫曉培等[14]研究了邊界層參數化方案對臺風“SANBA”（2012）初生階段的影響，結果表明在臺風形成初期，不同邊界層方案對臺風的強度和路徑模擬具有明顯影響，其中QNSE和ACM2方案對該臺風發展初期邊界層過程的處理較完善，能夠較好地反映邊界層熱帶擾動的形成和發展；張福青等[11]利用TL6 模式研究了成熟臺風邊界層的作用，他指出在24 h 內，臺風邊界層內各種通量的垂直輸送對其路徑影響很小而對成熟臺風的維持非常重要，其中潛熱輸送是成熟臺風的主要能源，影響最為重要，而感熱輸送對成熟臺風幾乎無影響；王葉紅等[15]研究了邊界層參數化方案對臺風“莫蘭蒂”（2016）登陸階段的模擬影響，定量分析了中尺度數值預報（Weather Research and Forecasting，WRF）模式WRFv3.8中7種邊界層參數化方案在臺風登陸減弱階段的移動路徑、強度、結構、降水量以及近地層有關物理量場等方面的差異，并指出不同的邊界層參數化方案對于臺風路徑、強度、降水等方面的模擬具有不同的優勢。

此外，還有學者針對不同季節、不同影響區域以及不同初始強度的臺風展開邊界層參數化方案的研究。例如：丁成慧等[16]利用WRF模式研究了兩個局地閉合（QNSE、MYJ）和兩個非局地閉合（YSU、ACM2）的邊界層參數化方案對南海秋季臺風“莎莉嘉”（2016）模擬的影響，指出不同邊界層方案對于臺風路徑的影響較小，但對臺風強度和結構有明顯的影響，非局地閉合方案明顯優于局地閉合方案；徐亞欽等[17]利用WRF 模式對強影響浙江的9個西太平洋臺風進行多種微物理和邊界層參數化方案的模擬，定量評估不同方案下的臺風路徑、強度和降水的模擬性能，并指出SBU-YLin 微物理和Boulac 邊界層方案相對更適合浙江臺風模擬；王晨稀[18]以GRAPES-TCM 為試驗模式，分析了兩種邊界層參數化方案對1109 號臺風“梅花”預報的影響，并按起報時刻臺風強度的不同分為“強臺風”和“弱臺風”，對比分析了邊界層參數化方案對不同強度臺風的影響，結果表明YSU 方案對弱臺風的路徑強度預報效果更優，MRF 方案對強臺風的路徑預報效果更好，方案的強度預報效果則與對流參數化方案的選擇有關。

以上研究表明邊界層參數化方案對生命史不同階段、不同影響地區、不同季節以及不同初始強度的臺風模擬均具有重要影響，并且對不同臺風的影響存在顯著差異，因此針對更多臺風以及臺風生命史不同階段開展數值試驗來加深邊界層參數化方案對臺風模擬影響的認識具有重要意義。臺風登陸北上后受中緯度斜壓性復雜環境及環渤海地區海陸共存下墊面的共同影響，邊界層過程較為復雜，模式預報的不確定性較大，風雨精細化預報難度大，因此，準確的邊界層垂直湍流輸送模擬對臺風減弱及陸上結構的預報有重要影響[19]。然而，目前針對北上影響環渤海區域的臺風開展邊界層參數化方案數值試驗的研究相對較少，不同邊界層方案針對北上臺風模擬的適用性特征尚不明確。另外，近年來臺風北上的頻率相對較高，往往會造成暴雨以上的量級，并且有造成嚴重災害的可能（如1975 年3 號臺風、1978 年5 號臺風北上后引發的特大暴雨分別給河南和華北東部造成嚴重災害），因此針對北上影響環渤海地區的臺風開展不同邊界層參數化方案影響的研究具有重要意義，可為數值模式選擇合適的邊界層參數化方案提供參考依據，從而提高北上臺風的預報準確率，有助于政府部門開展防災減災決策工作。

本文使用的資料包括歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）的全球氣候第五代大氣再分析資料ERA5（Fifth Generation ECMWF Atmospheric Reanalysis），分辨率為0.25°×0.25°；中央氣象臺的臺風“煙花”實時路徑強度資料；中國氣象局CMPA 實況降水資料，分辨率為0.05°×0.05°。利用WRFv4.3模式對臺風“煙花”北上影響環渤海階段進行高分辨率數值模擬，采用8 種邊界層參數化方案進行數值試驗，研究不同方案對臺風“煙花”北上階段路徑、強度、降水、動力、熱力結構的影響，選取表現最優的北上臺風數值模擬邊界層參數化方案，為提高北上臺風風雨預報準確率及業務應用提供參考。

1 個例簡介

2021年第6號臺風“煙花”于7月18日生成于西北太平洋洋面，先后以西北、偏西、西北偏北路徑逼近大陸沿岸，并于25日04時30分（世界時，下同）在浙江舟山普陀沿海登陸，26 日01 時50 分在浙江嘉興平湖市沿海再次登陸，是有氣象記錄以來首個在浙江兩次登陸的臺風，隨后臺風在陸上向西北以及偏北方向移動，先后進入浙江、江蘇、安徽、山東及河北境內，并最終移入渤海灣。臺風“煙花”于30日變性為溫帶氣旋，12 時停止編號，在中國陸上滯留時間長達95 h，成為1949 年以來滯留時間最長的臺風[20] 。

7 月28 日00 時，臺風“煙花”位于500 hPa 等壓面上低渦的西側、高空槽的東南方向（圖略），之后臺風逐漸北移并嵌入到高空槽中，導致高空槽加深，隨著臺風進一步東移北上，30日00時，低層臺風渦旋位于高空槽前，200 hPa有西風帶環境位渦侵入到臺風環流中（圖略），850 hPa相當位溫分布圖上顯示有干冷空氣卷入到臺風環流中（圖略），以上分析表明臺風“煙花”在北上過程中逐漸與西風帶系統發生相互作用，并最終導致變性。

受臺風“煙花”影響，海河流域大部分地區出現明顯降雨，流域東部普降暴雨—大暴雨，其中各有809 站（18.1%）出現暴雨和大暴雨，1 站出現特大暴雨。7 月27 日23 時—30 日23 時 最 大 降 雨 量 為250.7 mm，出現在河北省滄州市，最大小時降雨量為54.3 mm，出現在山西省大同市。

另外，經統計分析知，1949—2019 年6—9 月登陸北上后影響環渤海地區的臺風共25例，按首次登陸點的不同，可將這25例臺風分為山東及山東以北登陸（第一類，11 個）和山東以南登陸（第二類，14個）兩類（圖略）。第一類臺風北上時路徑所經下墊面為先海洋后陸地，發生變性的幾率較小且北上后無加強，第二類臺風路徑所經下墊面為先陸地后海洋，移入環渤海區域后發生變性的幾率增大，部分個例存在強度加強現象[21]。本文中研究的臺風“煙花”首次登陸點在浙江北部地區，屬于第二類，移動路徑所經下墊面為先陸地后海洋，在臺風移動后期發生了變性，北上過程中強度無加強，但在環渤海地區造成了區域性的暴雨天氣，因此對臺風“煙花”進行研究可為相似路徑臺風的風雨預報提供參考依據，具有一定的代表性。

2 模式簡介及數值試驗設計

利用中尺度數值模式WRFv4.3 對臺風“煙花”進行三重雙向嵌套以及追隨臺風中心的移動嵌套方案，模擬區域中心位于37°N，120°E，水平分辨率為18 km/6 km/2 km，水平方向格點數為414×372、226×226、412×412，垂直方向共42層，模式頂氣壓為50 hPa。僅在最外層使用Kain-Fritsch 積云對流參數化方案，云微物理過程選取WSM6 方案，短波輻射用Dudhia 方案，長波輻射用RRTM 方案，陸面過程選取Noah方案。積分時段為2021年7月28日18時—30 日00 時，共30 h，積分時間步長為30 s，積分過程中未使用動力初始化方案及Spectral Largescale Nudging 方法。模式采用ERA5 再分析資料作為初始場和側邊界條件。

模 式 分 別 采 用ACM2、Boulac、GBM、MYJ、MYNN、QNSE、UW、YSU 8 個邊界層參數化方案對臺風“煙花”北上影響環渤海區域階段的路徑強度及風雨過程進行數值試驗。由于給定的邊界層參數化方案只能與有限的地面層方案配合，為排除地面層參數化方案的影響，在試驗中盡量選擇較為一致的地面層方案（見表1）。為便于與ERA5 資料進行對比，本文使用與ERA5 資料分辨率較為接近的D01網格數據進行分析。

目前，常用的邊界層參數化方案主要可分為3種，即局地閉合、非局地閉合以及（局地-非局地）混合型方案。局地閉合方案假設每個格點上的脈動通量完全由該格點上物理量的平均量決定；非局地閉合方案綜合考慮該格點及周邊格點對脈動通量的影響；而混合型方案綜合考慮了以上兩種閉合機制的影響。各邊界層參數化方案簡要概述如下：

①YSU 方案[22]：YSU 方案是一階非局地閉合方案。該方案是建立在K 理論（類比于分子擴散理論，認為湍流通量正比于網格平均量的垂直梯度）的基礎上，顯示引入了對逆梯度輸送過程以及夾卷通量的考慮，以表征大尺度湍渦的非局地輸送作用。YSU 方案是目前應用最廣泛的邊界層方案，但一些研究指出，該方案針對夜間邊界層的模擬還存在較大偏差，并會高估穩定邊界層內垂直混合作用的強度[23]。

②ACM2 方案[24-25]：ACM2 方案是局地-非局地混合型方案，該方案在顯式考慮非局地傳輸作用的基礎上，引入了一個一階渦旋擴散項，實現了對非局地向上混合以及局地向下混合兩種湍流混合機制的綜合表征，改進了對近地層氣象要素垂直分布的模擬效果。對于穩定或中性邊界層，ACM2 方案會關閉非局地傳輸項，僅使用局地閉合機制。ACM2方案的缺點主要在于往往明顯高估了邊界層高度，這可能與該方案采用了與其他邊界層方案均不相同的邊界層高度計算方法有關[26-27]。

試驗名稱ACM2 Boulac GBM MYJ MYNN QNSE UW YSU邊界層參數化方案ACM2(Pleim)scheme Bougeault and Lacarrere(BouLac)TKE GBM TKE-type scheme Mellor-Yamada-Janjic(Eta)TKE MYNN 2.5 level TKE QNSE-EDMF Bretherton-Park/UW TKE scheme YSU scheme地面層參數化方案Revised MM5 Monin-Obukhov Revised MM5 Monin-Obukhov Revised MM5 Monin-Obukhov Monin-Obukhov(Janjic Eta)Revised MM5 Monin-Obukhov QNSE Revised MM5 Monin-Obukhov Revised MM5 Monin-Obukhov

③MYJ方案[28-29]：MYJ方案是1.5階局地湍流動能（TKE）閉合方案，認為湍流動量交換系數與TKE的平方根成正比，且邊界層高度也由TKE 的垂直廓線決定。該方案對于穩定和弱不穩定條件下的邊界層都有較好的模擬效果，但在對流邊界層中誤差較大，容易低估對流邊界層內的垂直混合作用強度，導致邊界層的偏冷和偏濕。因MYJ方案具有較高的計算效率，是目前應用最廣泛的局地閉合型邊界層方案。

④MYNN 方 案[30]：MYNN 方 案 是 在MYJ 方 案的基礎上提出的湍流主長度尺度的診斷方程，其加入了水汽凝結過程，為了確保數值積分的穩定性還加入了限定條件以及重新確定了一組更加合理的湍流閉合常數。ROMáN-CASCóON 等[31]指出，MYNN 方案針對霧過程的模擬效果優于包括MYJ方案在內的其他邊界層方案。

⑤Boulac方案[32]：Boulac方案是1.5階局地閉合方案，該方案考慮了地形對湍流動能的激發作用以及對流邊界層（包括弱穩定邊界層）內熱量通量的逆梯度輸送作用。與其他邊界層方案相比，Boulac方案對于下墊面信息更加敏感，因此適用于受地形影響較大的地區和事件的模擬。

⑥QNSE 方案[33]：QNSE 方案是1.5 階局地閉合方案。該方案在不穩定條件下采用TKE 閉合方案，而在穩定條件下，采用湍流譜閉合模式發展而來的K-ε 模式。其優勢在于保留了更接近真實大氣的物理過程，并且考慮了湍流和波的共同作用。徐慧燕等[34]指出，QNSE 方案針對暴雨過程的模擬效果優于其他邊界層方案。

⑦GBM 方案[35]：GBM 方案是1.5 階局地閉合方案，針對邊界層頂物理過程的計算采用了夾卷閉合技術。該方案適用于干對流條件下邊界層垂直結構的模擬。目前針對GBM 邊界層方案的應用研究開展的還相對較少。

⑧UW 方案[36]：UW 方案是1.5 階局地閉合方案。該方案是在GBM 方案基礎上，改進了針對氣候模式較長時間步長的數值積分穩定性，并提高了計算效率，同時顯式地考慮了對流層的夾卷閉合過程，并且針對所有柱狀大氣中的湍流層采取統一處理。UW 方案對于大風條件下的邊界層結構的模擬效果較好，因此多應用于風能資源的預測與評估。

3 各試驗臺風路徑、強度、降水的對比分析

3.1 臺風路徑

各試驗都模擬出了臺風北上階段的路徑，模擬的臺風中心整體較實況偏東（見圖1a）。29 日03 時前，各個邊界層參數化方案的模擬路徑差異十分微小，總體路徑誤差為30～90 km，其中29 日00—03時誤差較顯著（見圖1a、1b，兩個時次各試驗的平均誤差為74.2 km）；29 日06—12 時，模擬與實況路徑的誤差為30～60 km（見圖1b），各試驗之間的路徑差異略有增大；29 日12 時之后，各試驗之間的路徑差異顯著增大，其中，MYNN 和GBM 方案在29 日12 時—30 日00 時之間的平均路徑誤差最大（分別為96.6 km 和95.5 km），Boulac 方案則最小（此時段的平均路徑誤差為35.5 km），同樣，MYNN 和GBM方案在29日00時—30日00時的24 h平均路徑誤差依然最大（分別為76.2 km 和77.7 km），而Boulac 方案最小（47.5 km）。

圖1 各試驗臺風移動路徑、臺風路徑誤差、海陸分布指數和路徑誤差標準差分布Fig.1 Typhoon track,track error,the sea-land ratio and track error standard deviation

由臺風路徑誤差的標準差時間序列圖（見圖1c）也可清晰地看出各試驗之間路徑誤差差異的變化趨勢：隨著臺風向北移動，路徑誤差的標準差整體隨時間呈增大趨勢，表明隨著積分時間的延長，各試驗之間的路徑差異增大，在29 日08 時之前，各試驗的路徑誤差標準差小于10 km，之后標準差陡增，在29 日17 時達到最大，為51.1 km，之后標準差又呈下降趨勢，但均在20 km 以上,可見隨著積分時間延長，邊界層參數化方案對臺風路徑的模擬產生影響。另外，通過引入海陸分布指數（Sea-Land Ratio），即臺風半徑300 km 范圍內海洋面積所占臺風環流總面積的比例[37]分析也可知，各試驗臺風環流300 km 半徑范圍內的海洋和陸地下墊面分布比例的差異隨積分時間延長逐漸增大，可見隨著積分時間的延長，不同方案表現出來的差異不斷疊加，導致臺風路徑的模擬差異逐漸增大。

3.2 臺風強度

臺風“煙花”在北上影響環渤海區域階段的強度基本維持在15 m/s（熱帶低壓級），中心最低氣壓則基本維持在988 hPa左右。由于10 m 風場受海陸共存下墊面影響較大，因此從最低氣壓的角度來分析各試驗臺風強度的差異。從圖2可以看出，8種方案模擬的最低氣壓所代表的臺風強度均弱于實況（中央氣象臺發布的臺風實時路徑），但各參數化方案均模擬出了較為平緩的氣壓變化趨勢，除GBM方案外，其余7種方案最低氣壓分布的差異較微小，GBM 方案在29 日00 時—30 日00 時的平均絕對誤差最大，達到5.42 hPa，誤差最大值則約為6 hPa，其余方案在這一時段的平均絕對誤差基本在2～4 hPa左右，其中ACM2 方案最小，為2.42 hPa。由于臺風北上階段強度較弱，模擬的絕對強度誤差總體偏小，WRF模式中的邊界層參數化方案對于臺風北上階段強度的模擬誤差基本為2～6 hPa。

圖2 觀測值與邊界層參數化方案模擬的3 h間隔的最低海平面氣壓Fig.2 Observed and simulated minimum sea level pressure with PBL schemes with a temporal interval of 3 h

3.3 臺風降水

圖3 為實況與各試驗模擬的2021 年7 月29 日00 時—30 日00 時24 h 累積降水分布，為便于比較，此處將實況降水插值到與模擬降水一致的D01 網格上，分辨率為18 km。由圖可見，實況24 h 累積強降水區呈東北—西南帶狀分布，累積降水極值為165.5 mm，出現在天津西南。就降水落區而言，各試驗大于10 mm 的降水區分布形態與實況較為一致，均模擬出了東北—西南帶狀的強降水區，但各試驗在強降水極值大小與分布位置等方面存在顯著差異，其中UW方案的累積降水極值大于實況值，其余方案均小于實況，UW 和ACM2 方案與實況最接近。圖3a主要降水區（黑色方框，37.2°～40.2°N，115.5°～118°E）平 均 實 況 降 水 量 為58.1 mm，ACM2、Boulac、GBM、MYJ、MYNN、QNSE、UW 和YSU方案相應的區域平均降水量分別為54.67 mm、51.05 mm、46.30 mm、52.02 mm、52.99 mm、54.88 mm、54.98 mm和48.19 mm，結合圖中各試驗的累積降水分布情況也可見，GBM 方案模擬的降水最弱，ACM2、QNSE 和UW 方案模擬的累積降水相對較強，但各試驗模擬的累積降水均弱于實況。

圖3 2021年7月29日00時—30日00時實況及邊界層參數化方案模擬的24 h累積降水量分布Fig.3 24 h accumulated rainfall observation and simulations with PBL schemes during 0000UTC 29 to 0000UTC 30 July，2021

將實況降水插值到圖3 黑色方框區域內D01 網格點上，并計算各試驗在此黑色方框區域內各量級降水的TS 評分，結果見表2。通過分析可知，當累積 降 水≥10 mm 時，Boulac 方 案 的TS 評 分 約 為0.942，表現最優；當累積降水≥25 mm、≥50 mm、≥100 mm時，ACM2方案的評分均為最高。因此，對于臺風“煙花”的北上階段，Boulac 方案適合于中雨以上量級的模擬，而ACM2 方案適合于大雨及暴雨以上量級的模擬。

表2 8種邊界層參數化方案模擬的各量級24 h累積降水的TS評分Tab.2 Threat scores of 4 magnitudes 24 h accumulated rainfall from eight PBL scheme simulations.

4 各試驗臺風動、熱力結構的對比分析

為考察各試驗模擬的臺風動力結構的差異，將2021 年7 月29 日06 時和18 時的975～100 hPa 的風速在實況降水極值附近區域（116.2°～116.6°E，37.9°～38.3°N）內做平均，得到圖4。由圖4a 可見，29 日06 時900 hPa 以下ERA5 資料的區域平均風速隨高度的增加逐漸增大，最大可達19.9 m/s（925 hPa 處）；在900～650 hPa 呈減小趨勢，其中825～650 hPa 的風速迅速減小，減小幅度為每100 hPa約5.5 m/s；650～500 hPa風速基本維持不變；500 hPa以上風速先增大，而后維持不變，最后逐漸減小。各試驗模擬的區域平均風速隨高度的變化趨勢與ERA5 資料的基本一致，但彼此之間存在顯著差異。在700 hPa 以下，ACM2 和GBM 方案的區域平均風速變化趨勢和風速增減幅度與ERA5資料最接近,ACM2方案在875 hPa處風速增加到最大，為21.8 m/s，而GBM 方 案 在875 hPa 處 風 速 增 加 到 最大，為20.4 m/s，其余方案模擬的風速隨高度增加的幅度更大，最大增加幅度為每100 hPa約8 m/s（風速最大約28 m/s）；在700～350 hPa，除GBM和MYNN方案的區域平均風速變化趨勢與ERA5資料差異較大外，其余各方案之間差別不大，變化趨勢與ERA5資料也較為類似；300 hPa以上各試驗的區域平均風速變化趨勢為先增大后減小，ERA5 資料則表現為先維持不變而后減小的趨勢；另外，各試驗在700 hPa 以下的低層區域平均風速的差異比高層大氣更顯著。由各試驗與ERA5資料所有層次的平均風速差異來看，ACM2 方案與ERA5 資料的平均風速相差約為1 m/s，兩者結果最接近。

圖4 各試驗及ERA5資料區域平均風速廓線Fig.4 Regional mean profiles of wind speed from ERA5 and simulations

與29 日06 時相比，各試驗對29 日18 時（見圖4b）模擬的區域平均風速垂直廓線差異增大，其中，ACM2 方案的整體變化趨勢與ERA5 資料最接近，尤其在825～700 hPa，僅有ACM2 方案模擬出了風速隨高度基本維持不變而后減弱的趨勢，其余方案的模擬風速均為隨高度的增加先增大后減小，與ERA5資料差異較大。

以上分析表明，除邊界層外，在數值模擬中不同邊界層參數化方案對于邊界層以上大氣風速的模擬也存在較明顯差異，并且隨著積分時間的延長，各試驗之間的差異越來越顯著。ACM2 方案總體與ERA5 資料的風速垂直廓線分布形式較為接近。

圖5 為各試驗在29 日06 時沿模擬的臺風中心所在經度的全風速與經向環流剖面。由圖可見，各試驗在890 hPa 以下的邊界層均為由南向北的流出氣流，790 hPa 以上則為偏北氣流流向臺風中心，890～790 hPa 之間氣流的流入、流出較弱，氣流的這種分布形式可能是由于臺風中心隨高度向東傾斜造成的；各試驗在臺風中心向北約1 經緯度左右的范圍內為弱風速區，風速低于4 m/s；低層大風速區基本分布在690 hPa 以下，其中QNSE 方案低層風速極值中心超過26 m/s（890 hPa 處），在所有方案中最強，除GBM 方案風速最弱外，其余方案風速極值分布在22～26 m/s；各試驗在590 hPa 以上存在一個隨高度向北傾斜的風速大值帶，GBM 方案的風速同樣是最弱的。由以上分析可見，各邊界層參數化方案所模擬的風場經向剖面雖總體分布形勢較為一致，但高層和低層風速的強度均存在顯著差異，表明邊界層參數化方案不僅對低層大氣的風速產生顯著影響，對高層大氣同樣會產生影響。

為考察各試驗模擬的低層大氣輻合、輻散的差異，圖6計算了各試驗區域平均850 hPa散度隨時間的變化，由于臺風雨帶主要出現在臺風中心以北400 km 半徑范圍內（圖略），因此選取這一區域范圍進行研究。由圖6可見，各邊界層參數化方案所模擬的區域平均850 hPa散度均為負值，表明在臺風中心以北400 km 半徑范圍內存在明顯的輻合，各試驗的區域平均850 hPa 散度存在顯著差異，其中GBM 方案模擬的低層大氣輻合最弱，對應累積降水也最弱。29 日00—12 時（定義為白天時段），ACM2 和UW 方案的850 hPa 輻合相對較強，29 日12 時—30日00 時（定義為夜間時段），QNSE 方案的輻合則最強，對應UW、QNSE 和ACM2 方案模擬的累積降水均較強。各參數化方案對低層大氣輻合輻散模擬的差異是造成降水模擬差異的原因之一。

圖6 8種邊界層參數化方案模擬的區域平均850 hPa散度時間序列圖Fig.6 Time series of zone averaged 850 hPa divergence from eight PBL scheme tests

為對比各試驗對北上臺風熱力結構模擬的差異，將各試驗與ERA5 資料的溫度和相對濕度在各等壓面（116.2°～116.6°E，37.9°～38.3°N）區域內做平均，得到溫度和相對濕度隨高度變化的垂直廓線圖。由圖7a 和7b 可見，各試驗與ERA5 資料的溫度垂直廓線總體差異不大，溫度誤差絕對值分布在0～2.5 K 之間，溫度隨高度增加均為遞減趨勢，700 hPa 高度以下的溫度遞減率顯著小于700 hPa以上。同樣，各試驗相對濕度的變化趨勢與ERA5資料較為一致，500 hPa 以下相對濕度隨高度變化不大，基本分布在90%～100%之間（見圖7c、7d），表明北上臺風環流的濕層較為深厚。由以上分析可知，各邊界層參數化方案對于北上臺風熱力結構模擬造成的差異小于動力結構的差異。結合圖8a溫度誤差標準差的垂直分布可見，29 日06 時，隨著高度的增加，各試驗的溫度誤差的離散度逐漸減小，各參數化方案對北上臺風熱力結構模擬的差異在大氣低層更顯著；29 日18 時溫度誤差的標準差大于06 時，表明隨著積分時間的延長，各試驗表現出來的差異也越來越明顯。對于相對濕度，700 hPa 以下的低層兩個時次的誤差標準差均較小，700 hPa 以上則逐漸增大（見圖8b），表明各試驗的相對濕度在高層的差異大于低層，這與圖7c、7d 的表現較為一致。

圖7 區域平均溫度和相對濕度的垂直廓線分布Fig.7 Regional mean profiles of temperature and relative humidity

圖8 各試驗與ERA5資料的溫度誤差標準差和相對濕度誤差標準差的垂直廓線圖Fig.8 Profiles of standard deviation of temperature error and relative humidity error between ERA5 and simulations of eight PBL schemes

從各試驗850 hPa 區域平均相當位溫隨時間變化的情況看（見圖9），除GBM 方案顯著偏低、隨時間呈現逐漸減小的趨勢以外，其余各試驗850 hPa區域平均相當位溫基本分布在342.0～346.0 K，變化趨勢較為類似。29日12時之前（白天時段），各試驗區域平均相當位溫隨時間逐漸增大，差異較小；29日12時之后（夜間時段），相當位溫隨時間短暫增大后維持基本不變，但各試驗之間的差異增大，位溫最高的MYNN 方案與位溫最低的Boulac 方案的最大差異達2.2 K。與溫度的垂直分布特征類似，隨著積分時間的延長，各試驗850 hPa 區域平均相當位溫的差異也越來越大。

圖9 8種邊界層參數化方案模擬的區域平均850 hPa相當位溫時間序列圖Fig.9 Time series of zone averaged 850 hPa equivalent potential temperature from eight PBL scheme tests

為分析邊界層參數化方案對臺風結構模擬造成差異的原因，將各試驗在各時次邊界層頂的向上垂直質量通量[38]（VMT =ρ×w，VMT 代表垂直質量通量，ρ代表空氣密度，w代表垂直速度）在（116.2°～116.6°E；37.9°～38.3°N）區域內做平均，得到圖10。通過分析可知，各試驗在邊界層頂向上的垂直質量通量具有顯著差異，其中QNSE 方案的垂直質量通量明顯強于其他各方案，表明該方案的垂直混合較強，邊界層高度也高于其他各方案（圖略），較強的垂直混合能夠把邊界層內的能量帶到高空，從而對臺風結構產生影響；相比而言，GBM 方案的垂直質量通量最弱，對應邊界層高度最低，表明邊界層頂的夾卷和垂直混合最弱。從圖4中也可看出，QNSE方案在低層的風速強于其他各方案，而GBM 方案的風速最弱，表明邊界層頂的垂直質量輸送和夾卷過程會對臺風結構產生影響。

圖10 8種邊界層參數化方案模擬的區域平均邊界層頂向上的垂直質量通量時間序列圖Fig.10 Time series of zone averaged upward vertical mass flux on the top of the boundary layer from eight PBL scheme tests

另外，感熱和潛熱的海氣交換和動量交換對臺風的發生、發展十分重要，感熱和潛熱輸送是邊界層的主要物理過程[15]。通過分析發現，各方案潛熱通量的數值顯著大于感熱通量，表明潛熱通量對臺風發展的作用更大[10]。潛熱通量和感熱通量的分布形式較為類似，海洋上熱通量均明顯大于陸地，但各方案在量值上具有顯著差異（圖略），其中QNSE 方案的感熱和潛熱通量明顯大于其他方案。有文獻指出[10]，成熟臺風的主要能量來源于潛熱釋放，水汽由邊界層輻合上升，釋放大量的凝結潛熱，為臺風的維持和發展提供能量，同時在洋面上通過感熱的方式加熱臺風，為臺風繼續供給能量。從最低海平面氣壓的時間序列圖中也可以看出（見圖2），QNSE 方案的臺風中心最低氣壓在所有方案中相對最低，這可能與潛熱釋放加熱大氣導致氣壓降低有關。

綜上可見，由于各方案模擬的邊界層熱通量具有較大差異，對臺風發展和結構變化產生影響，通過邊界層頂的夾卷和垂直質量輸送過程從而對臺風整體結構造成影響，各種差異不斷累積，最終導致各方案的臺風結構產生顯著差異。

5 結論與討論

本文利用中尺度數值模式WRFv4.3 中的ACM2、Boulac、GBM、MYJ、MYNN、QNSE、UW、YSU 8 種不同邊界層參數化方案，采用高分辨率數值試驗的方法研究了邊界層參數化方案對臺風“煙花”北上移入環渤海區域階段的模擬影響。結果表明，不同邊界層參數化方案對臺風路徑、降水及動熱力結構的模擬差異顯著。具體表現為：

①臺風北上后的路徑模擬對邊界層參數化方案較敏感，其中Boulac 方案模擬的路徑誤差最小（24 h 平均路徑誤差為47.5 km），而MYNN 和GBM方案模擬的路徑誤差最大（24 h 平均路徑誤差為76.2 km 和77.7 km）。隨著臺風向北移動，各邊界層參數化方案模擬的路徑差異也越來越顯著，表現為路徑誤差標準差隨時間積分呈增加趨勢。

②除GBM 方案對臺風最低氣壓的模擬顯著偏大（強度偏弱）外，其余7種方案模擬的差異較小，其中ACM2 方案在所有試驗中的時間平均絕對誤差最小，為2.42 hPa。由于臺風北上階段強度較弱，模擬的臺風最低氣壓絕對強度誤差總體偏小，基本在2～6 hPa。

③各試驗對臺風降水的模擬存在顯著差異，主要體現在強降水極值大小和位置方面，其中UW 和ACM2方案的累積降水極值與實況最接近。通過計算24 h累積降水的TS評分可知，Boulac方案在中雨以上量級的模擬中表現最優，而ACM2 方案則在大雨及暴雨以上量級的模擬中表現最優。

④從區域平均風速的垂直廓線及風場經向環流剖面來看，各試驗對臺風動力結構的模擬具有顯著差異，這種差異不僅存在于邊界層中，還存在于邊界層以上的自由大氣中，并且隨著積分時間的延長，各試驗之間的差異也越來越明顯；另外，相比于其他方案，ACM2 方案的風速廓線分布變化趨勢總體與ERA5資料更接近；各方案對于850 hPa大氣輻合輻散的描述也存在較為明顯的差異，輻合較強的方案對應模擬的累積降水也較強。

⑤通過分析各試驗溫濕特征量的水平與垂直結構可知，各邊界層參數化方案對北上臺風熱力結構模擬的差異小于動力結構的差異，從溫度誤差標準差的分布情況來看，低層熱力結構的模擬差異比高層大氣更加明顯，且隨著積分時間的延長，各試驗表現出的差異越來越顯著。進一步分析表明，各方案對于邊界層中熱通量和動熱力結構的模擬產生的差異，可以通過邊界層頂的夾卷過程被擴散到高層大氣，最終導致各方案對臺風結構的模擬出現明顯差異。

本文的研究基于臺風“煙花”登陸后影響環渤海區域階段的數值模擬，在比較了各方案對于臺風路徑、強度、降水及動力、熱力結構模擬的差異后，認為Boulac 方案對于臺風路徑及中雨以上量級的模擬表現最優，而ACM2 方案對于臺風最低氣壓及大雨和暴雨以上量級降水的模擬中表現最優；另外，各參數化方案對北上臺風動力結構模擬的差異比熱力結構的差異更顯著，而熱力結構的差異在低層大氣表現更明顯。

本文僅針對單個臺風個例進行數值模擬研究，所得結論的普適性還需進行驗證，后續將基于塔基垂直湍流觀測資料，分析北上臺風邊界層內的湍流運動特征和演變規律，改進邊界層湍流參數化方案，以期提高北上臺風的模擬性能。