设为首页
加入收藏
Simulation of Mesoscale Convection Process into Sea Based on Downscaling Method
-
摘要: 利用海-气-浪耦合模式和动力降尺度方法模拟并分析了2018年5月12日和7月13日两次东移进入渤海湾的中尺度对流过程，分别为入海减弱型和入海增强型。两次过程均发生在低空西南气流强盛，且地面处于暖舌控制的环境下，具有较好的水汽和能量条件。结果表明：海-气-浪耦合模式能较好地模拟减弱型过程的变化趋势，而对增强型过程的模拟效果较差，且模拟的两次过程对流强度整体偏弱；但经动力降尺度模拟后，两次过程的模拟效果均明显提升。敏感性试验对比表明：采用海-气-浪耦合模式结果为动力降尺度提供初边界条件具有一定优势，适用于入海中尺度对流过程模拟；两次过程对流系统入海前对流有效位能条件均较好，但垂直风切变条件增强型过程优于减弱型过程；对流系统入海后的冷池效应在减弱型过程中明显，而在增强型过程中强度较弱但范围较大；海洋下垫面为对流发展提供的热量和水汽输送在减弱型过程中较少，在增强型过程中明显。Abstract: Two processes of mesoscale convection moving eastward into the Bohai Bay on 12 May and 13 Jul in 2018, which are weakened process and enhanced process respectively, are simulated and analyzed by using the ocean-atmosphere-wave coupling model and dynamic downscaling method. Both processes occur under the control of strong southwesterly at low level and warm tongue near surface, which bring abundant water vapor and heat. The results show that the coupling model can simulate the right trend of the weakened process, but the wrong trend of the enhanced process, and the simulated intensity is overall weak. The simulation effects are improved obviously after the spatial resolution of the model increasing by using dynamic downscaling method twice. Through the comparison of sensitivity experiments, it is indicated that the coupling model has certain advantages in providing better initial and boundary conditions for the dynamic downscaling, which is suitable for the simulation, compared with the general atmospheric WRF model. Through the diagnosis and analysis of the simulation results, it's concluded that before the convection systems entering the sea, the convective available potential energy (CAPE) is large in the Bohai Bay and coastal areas. As the convection systems moving eastward into the sea, the CAPE is gradually consumed, but the supplement of CAPE in the enhanced process is stronger than that in the weakened process. The 0-6 km vertical wind shear condition of the enhanced process is also stronger than that of the weakened process in the Bohai Bay before the convection systems entering the sea, which is another favorable factor for the development of the convection. In the weakened process, the cold pool effect is increasingly stronger with an obvious rear inflow, and there is an obvious wind velocity convergence in the front of the cold pool during the convection systems moving. In the enhanced process, however, the strength of the cold pool is weaker, but the range is larger compared with the weakened process, and there is an obvious wind direction convergence in the front of the cold pool. In the weakened process, the underlying surface of the ocean provide less water vapor and heat energy for the convection region, making the convection difficult to maintain or further develop, while in the enhanced process the sea surface provides mass water vapor and heat energy transfer to the convective region when the convection system moving over the sea.
-
引言
中尺度对流系统是产生冰雹、龙卷、雷暴大风和对流性暴雨等灾害性天气的主要系统[1-3]。对流的发展既受大气环流、水汽输送、不稳定能量和垂直风切变等条件影响[4-6]，也受陆地和海洋下垫面结构特征影响，这种影响主要通过改变边界层热力、动力过程及地气、海气间热量输送与水分循环，进而改变大气的温湿结构和垂直运动[7-8]。地表、海表热通量变化、水汽条件变化及海陆热力差等对强对流天气触发和维持的影响机制不同。判断一个对流单体入海时加强还是减弱，应从海岸线附近的温湿特性、地面风辐合情况、大气层结稳定性3个方面综合考虑[9-10]。渤海位于北半球中纬度地区，东连西北太平洋，是我国北方近封闭的内海，与辽宁、河北、山东、天津三省一市相连，具有独特的温带海域气候特征。环渤海地区是强对流天气的高发区，陆地和海上的强对流主要受海陆分布影响[11-13]。海洋下垫面使冷池出流边界具有更明显的温度梯度和气压梯度[14]。来自海洋的系统性偏东风气流和海风辐合线的形成，配合不稳定条件，对强对流有触发、组织和加强作用[15]。因此，局地海气相互作用是研究环渤海地区强对流过程的重要因素。
研究表明: 海上湿度等要素场对沿海地区台风降水和对流性降水预报有重要影响[16-18]。中尺度对流系统在近海或海上发生时，常常伴有较强的垂直运动[19]。中尺度对流系统的下沉气流能够将海表面热通量增加1个量级[20]。由陆地入海的中尺度对流系统在下垫面结构发生改变时，对流强度也将发生变化。研究发现：光滑的渤海水面对入海的近地面风有增强作用，使风场辐合加强，对流更加活跃，但也阻碍了辐合线的移动，使飑线移速趋缓[21]。海表温度、水汽及热通量变化影响入海强对流。较冷的海表温度经常通过冷却行星边界层限制大气的不稳定性，减弱对流发展[22]。对近海或海上强对流天气进行数值模拟时发现，近海的海气相互作用对大气影响不可忽视，不考虑局地海气相互作用，则模拟的降水与海温变率与观测差异较大[23]。因此，采用海-气-浪双向耦合模式模拟入海强对流过程，以便充分考虑海洋下垫面对强对流的影响。
然而，由于大多数耦合模式同时考虑大气、海洋的双向数据传输，在耦合模式中随意调整模拟区域、时空分辨率以及实现多层嵌套模拟有一定难度。为了利用有限计算资源模拟复杂地形下中尺度对流系统的结构特征，往往需要模式具有更高分辨率。将较低分辨率物理场信息提高精度的过程称为降尺度。目前，降尺度主要包括统计降尺度和动力降尺度。其中基于统计学方法进行的统计降尺度是利用历史观测资料建立大尺度预报因子与天气尺度要素的统计关系，应用于不同区域的天气过程分析[24]，这种方法需要的计算资源较少，但物理机制分析不足。基于动力学方法的动力降尺度是利用低分辨率模式模拟结果，提供初边界条件，输出高分辨率的中尺度模拟信息[25]。动力降尺度是获取高分辨率中小尺度数值模拟的有效手段，天气模式WRF(Weather Research and Forecasting)是实施动力降尺度的主要工具，能够输出公里级甚至百米级的模拟结果。动力降尺度具有物理意义明确、可获取较高分辨率资料的优点，被广泛应用于气象领域[26-28]。动力降尺度方法也被用于海气耦合模式中[29]。
本文将采用海-气-浪双向耦合模式，模拟陆地进入渤海湾的两次中尺度对流过程，并通过动力降尺度方法提高模拟结果分辨率。对比分析入海后强度变化不同的两次中尺度对流系统中海气相互作用的差异性。
1. 资料和方法
本文利用天津市气象科学研究所开发的海-气-浪耦合模式(RMAPS-Ocean V1.0)和动力降尺度方法，对2018年5月12日20:00—22:00(北京时，下同)和2018年7月13日13:00—17:00两次入海中尺度对流过程进行模拟对比。这两次过程均经渤海湾由陆地移至海上，5月12日过程对流系统入海后强度逐渐减弱(减弱型过程)，7月13日过程对流系统入海后强度逐渐加强(增强型过程)。
RMAPS-Ocean海-气-浪耦合模式是由大气模式WRF、海洋模式POM(Princeton Ocean Model)和海浪模式WW3(Wavewatch III)组成，其中大气模式WRF被设定为单层模式。该模式框架采用成熟的MCT(model couple toolkit)耦合器，实现了大气-海洋-海浪的实时双向耦合，目前已投入业务运行。耦合模式中大气模式向海洋模式提供大气强迫，包括长波辐射和短波辐射、风场和气压等要素；海洋模式反馈海表温度、海流等影响大气的要素。该模式的模拟区域被设定为西北太平洋区域(图 1中最外层区域)，水平分辨率为0.16°×0.16°(约为18.53 km×18.53 km)。由于该模式的空间分辨率较低，不适用于模拟中尺度天气过程。为了更好地模拟入海中尺度对流过程，本文通过两次动力降尺度，将RMA-PS-Ocean模拟结果的空间分辨率提高到6 km和2 km(图 1的d02和d03区域), 即将RMAPS-Ocean模拟结果用动力降尺度方法，重新生成初边界条件，驱动6 km×6 km分辨率的WRF模式(WRF-6 km)，又将WRF-6 km的模拟结果用动力降尺度方法再次生成初边界条件，驱动2 km×2 km分辨率的WRF模式(WRF-2 km)。在采用动力降尺度方法生成的初始条件中包括垂直速度的非零场信息，在侧边界条件中包含云中水物质的非零场信息，这些非零场信息均由上级粗网格模式积分后的结果生成, 其中侧边界条件均为1 h时间间隔粗网格模式输出结果插值形成。这样既合理利用耦合模式考虑中尺度对流系统中的海气相互作用，又可提高模式分辨率。耦合模式和WRF模式均采用RRTMG的长波/短波辐射方案、Thompson的微物理方案、BouLac边界层方案、修正的MM5 Monin-Obukhov近地层方案和标准Noah陆面模式方案。在RMAPS-Ocean和WRF-6 km中采用Kain-Fritsch的积云对流参数化方案，在WRF-2 km关闭积云对流参数化方案。采用NCEP FNL 0.25°×0.25°再分析资料驱动耦合模式。在减弱型过程中，模式运行时间为2018年5月12日08:00—13日00:00，分析20:00—22:00对流系统变化。在增强型过程中，模式运行时间为2018年7月13日02:00—20:00，分析13:00—17:00对流系统变化。
本文利用塘沽站和沧州站S波段雷达组合反射率因子拼图，描述两次过程对流强度变化，并结合ERA5再分析资料分析两次过程的高空及地面环流形势。
冷池是中尺度对流系统的重要特征[30]，为了诊断冷池的发展变化，本文使用Correia等[31]提出的浮力项公式：
(1) 式(1)中，θ′是扰动位温，θ是位温，q′v表示水汽混合比的扰动项，qh为各种水成物混合比的总和，包括云水、雨水、云冰、雪和霰的混合比。浮力B的公式可分为两部分：
为了讨论对流系统中心入海后海洋对大气的热量和水汽输送，以及大气中热量和水汽变化特征，本文计算视热源Q1和视水汽汇Q2[32-33]进行诊断。视热源Q1表示单位时间内单位质量空气的增温率，视水汽汇Q2表示单位时间内单位质量水汽凝结释放热量引起的增温率[33]。视热源Q1和视水汽汇Q2为局地变化作用(Q1_lc和Q2_lc)、水平平流作用(Q1_adv和Q2_adv)以及垂直输送作用(Q1_vt和Q2_vt)之和[33]。
2. 天气过程分析
2.1 雷达回波分析
2018年5月12日20：00—22：00一次中尺度对流过程由西向东从陆地进入渤海湾(图 2)。由20:00的雷达组合反射率因子可知，最大反射率因子超过60 dBZ，为弓形回波。21:00对流系统前部(东侧)由于出流触发出明显的带状回波，并东移至海上。22:00对流系统进入渤海后减弱消散。
![]()
图 2 2018年5月12日和7月13日塘沽和沧州雷达组合反射率因子拼图Figure 2. Composite reflectivity factor of Tanggu and Cangzhou radars on 12 May and 13 Jul in 20182018年7月13日13：00—17：00一次中尺度对流过程由西向东从陆地进入渤海湾南部(图 2)。13:00—15:00对流进入渤海后明显加强，最大反射率因子超过60 dBZ。17:00对流继续在海上东移并减弱消散。
2.2 环流形势分析
利用ERA5再分析资料分析两次对流系统的高低空环流形势配置(图 3)。由2018年5月12日20:00的500 hPa高空环流形势场可知，渤海湾及沿岸地区受高空槽控制，并且温度场落后于高度场。700 hPa和850 hPa上也有相应的短波槽与之对应(图略)，为此次对流过程提供有利的动力条件。由925 hPa的水汽通量可知，西南气流向渤海沿岸输送水汽，形成水汽通量大值区。由925 hPa高度场和温度场配置表明，渤海湾及沿岸地区在低空暖脊控制下。暖湿气流的输送为对流发展提供了有利的水汽和能量条件。由地面图可知，渤海湾及沿岸地区受南部暖舌影响，温度略偏高，且在西北方向有地面冷锋生成，锋前热低压呈带状分布。冷锋前地面以西南风为主，冷锋向南推进有利于地面西南风加强。渤海及以东区域为相对明显的冷区，并有偏东风向渤海湾沿岸输送冷湿空气，与西南风形成地面辐合。
![]()
图 3 2018年5月12日和7月13日500 hPa高度场(蓝色等值线, 单位: dagpm)、温度场(红色等值线, 单位: ℃)和风场(风羽), 925 hPa水汽通量(填色)、高度场(蓝色等值线, 单位: dagpm)、温度场(红色等值线, 单位: ℃)和风场(风羽)，海平面气压(灰色实线, 单位: hPa)、2 m温度(填色)和10 m风场(风羽)Figure 3. 500 hPa height(the blue isoline, unit: dagpm), temperature(the red isoline, unit: ℃) and wind(the barb); 925 hPa water vapor flux(the shaded), height(the blue isoline, unit: dagpm), temperature(the red isoline, unit: ℃) and wind(the barb); surface sea level pressure(the grey isoline, unit: hPa), 2 m temperature(the shaded) and 10 m wind(the barb) on 12 May and 13 Jul in 2018由2018年7月13日11:00的500 hPa环流形势可知，高纬度地区东北冷涡较为明显，副热带高压位置偏北，渤海处于588 dagpm线外围。东北冷涡与副热带高压共同作用使渤海湾及沿岸地区西南气流强盛。由925 hPa水汽通量可知，在西南气流影响下，渤海湾及沿岸地区为水汽通量大值区，且925 hPa和地面同样处于暖舌控制，对流发展的水汽和能量条件均较为充沛。
两次过程中渤海湾及沿岸地区均有较强的西南水汽输送，且对流层低层和地面处于暖舌控制下，具有较好的水汽和热量条件。但增强型过程的水汽通量明显强于减弱型过程约2倍，且增强型过程中水汽通量大值区范围更大，从渤海湾西部沿岸地区一直延伸到渤海以东。此外，增强型过程的对流层低层和近地面温度明显偏高，高温范围更大，而减弱型过程仅渤海湾及沿岸地区受暖舌控制，渤海中部及以东地区则表现为明显的冷区。因此，增强型过程的高温高湿环境条件明显优于减弱型过程，对流入海后发展条件也优于减弱型过程。
3. 模拟结果对比
利用RMAPS-Ocean海-气-浪耦合模式模拟这两次对流过程，由减弱型过程的模拟结果(图 4)可知，模拟的最大反射率因子可大致反映回波东移入海减弱趋势，但强度较实况偏弱。此外，耦合模式的空间分辨率低，不能很好地模拟对流发展的回波变化细节。通过两次动力降尺度将模拟结果的空间分辨率提高到2 km×2 km，可以看到模拟效果明显提升。弓形回波的形态在高分辨率模拟下清晰可见，最大反射率因子也明显增强，超过50 dBZ，且在21:00模拟出对流系统前部出流触发的带状回波。与实况的组合反射率因子(图 2)相比，虽然动力降尺度后模拟的最大反射率因子较实况依然整体偏弱，但对流的回波形态、位置与入海后减弱的变化趋势已与实况基本一致。
![]()
图 4 RMAPS-Ocean和两次降尺度后模拟的2018年5月12日和7月13日最大反射率因子Figure 4. Max reflectivity factor from RMAPS-Ocean and after two times downscaling on 12 May and 13 Jul in 2018由增强型过程的RMAPS-Ocean模拟结果(图 4)可知，模拟的最大反射率因子与实况(图 2)差异较大，RMAPS-Ocean在西北方向模拟出回波，但在渤海湾南部无回波生成。两次降尺度模拟后，对流系统的位置调整到渤海湾南部，西北方向的回波有所减弱，且降尺度后模拟的对流系统回波入海后明显增强，最大反射率因子超过60 dBZ。模拟的回波增强时间较实况偏晚1~2 h，但强度、位置及变化趋势与实况较为一致。
对比两次过程的模拟结果可知，采用动力降尺度方法提高模拟结果分辨率后模拟效果显著提升，且在增强型过程RMAPS-Ocean模拟回波偏差较大的情况下，通过动力降尺度模拟也能对其回波的位置和强度进行修正。因此，动力降尺度方法适用于中尺度对流过程的模拟。
为了进一步对比采用RMAPS-Ocean海-气-浪耦合模式与WRF模式进行动力降尺度模拟的差异，本文设计了一组敏感性试验：用与耦合模式相同空间分辨率的WRF模式(WRF-18 km)同样进行两次动力降尺度，得到2 km×2 km分辨率的WRF模拟结果(WRF-2 km)，并采用相同的模拟区域、参数化方案和驱动场，将耦合模式降尺度模拟的结果作为控制试验, 对比WRF模式与耦合模式动力降尺度模拟的差异。
由减弱型过程的敏感性试验结果(图 5)可知，WRF-18 km模拟的回波略弱于RMAPS-Ocean的模拟结果，且在敏感性试验中，动力降尺度后WRF-2 km模拟的回波移动速度略慢于控制试验。通过对比可知，减弱型过程控制试验的模拟结果更接近于实况。
由增强型过程的敏感性试验结果(图 5)可知，WRF-18 km模拟的回波也略弱于RMAPS-Ocean的模拟结果。在WRF-2 km的敏感性试验结果中，2018年7月13日15:00的对流系统回波形态较控制试验更为聚集，且17:00敏感性试验中模拟的最大回波中心强度较控制试验偏弱。对比表明，增强型过程的敏感性试验模拟结果相较于控制试验与实况差异更大。
因此，虽然WRF模式的动力降尺度模拟结果与RMAPS-Ocean的动力降尺度模拟结果在趋势上大致保持一致，但仍存在部分差异，与实况相比RMAPS-Ocean的动力降尺度模拟结果更好，这是由于耦合模式考虑了海气相互作用的结果，因此采用海-气-浪耦合模式为中尺度对流系统入海过程的模拟提供动力降尺度的初边界条件具有一定优势。
4. 模拟结果诊断
利用耦合模式动力降尺度模拟结果对两次中尺度对流系统入海过程的热动力环境条件进行对比，讨论二者入海减弱和增强机制。首先分析两次过程的不稳定能量条件(图 6)。在减弱型过程中，对流系统入海前(2018年5月12日20:00)对流有效位能的大值区(超过1000 J)在渤海湾呈带状分布，渤海中部对流有效位能较小。0~6 km垂直风切变在渤海湾则表现为低值区，在渤海中部垂直风切变则逐渐增大。由850 hPa风场可知，在带状对流系统后部西北风和前部西南风出现辐合，提供了有利的动力条件。随着对流系统逐渐东移，对流前部的对流有效位能逐渐被消耗并在其后部形成低值区。在增强型过程中，对流系统中心入海前(2018年7月13日13:00)渤海湾的对流有效位能较强(超过1000 J)，且沿着渤海湾南部沿岸对流有效位能均为大值区, 渤海中部对流有效位能略低。0~6 km垂直风切变在渤海湾存在大值区(超过22 m·s-1)，有利于对流在海上发展。850 hPa以西南气流为主，未见明显的风向辐合。随着对流系统东移，渤海湾南部沿岸的对流有效位能逐渐被消耗，但对流区域内0~6 km垂直风切变在对流发展过程中维持并略有加强，7月13日17:00最大值超过24 m·s-1，其大值区随对流系统的发展沿渤海湾南部逐渐东移。
![]()
图 6 2018年5月12日和7月13日对流有效位能(填色)、0~6 km垂直风切变(红色等值线, 单位: m·s-1)和850 hPa风场(风羽)Figure 6. Convective available potential energy(the shaded, unit: J), 0-6 km vertical wind shear(the red isoline, unit: m·s-1) and 850 hPa wind(the barb) on 12 May and 13 Jul in 2018对比两次过程，对流系统入海前渤海湾均存在对流有效位能大值区，减弱型过程中对流有效位能大值区沿着渤海湾呈东北—西南向带状分布，随着系统东移逐渐消散；而在增强型过程中对流有效位能大值区沿着渤海湾南部沿岸分布，在系统东移过程中对流有效位能不断补充，有利于对流发展。对流入海前，减弱型过程0~6 km垂直风切变在渤海湾为低值区，不利于系统入海后发展，而增强型过程0~6 km垂直风切变在渤海湾为高值区，有利于对流系统入海后发展。对比表明，增强型过程的环境不稳定条件更有利于对流系统入海后增强发展。
沿着对流系统移动方向做垂直剖面，研究两次过程垂直方向的浮力特征(图 7)。在减弱型过程中，5月12日20:00对流系统的前部上升区抵达渤海沿岸，且上升气流很强，对流发展高度超过8 km，后部伴随有后侧入流, 到3 km以下形成冷池，且其后侧入流明显大于前部风速，在冷池前部边缘形成风速辐合。5月12日21:00对流系统前部上升区已经移动到海上，且上升运动有所减弱，但随着后部下沉气流增强，冷池增强且范围增大。至5月12日22:00对流系统的垂直运动已不再明显，冷池前沿风速辐合也趋于减弱，但冷池范围依然清晰可见。在增强型过程中，7月13日13:00对流系统还未移动到海上，陆地沿岸有上升气流，且强度较弱。7月13日15:00海上出现强对流上升区，对流系统底部出现冷池，强度较减弱型过程的冷池偏弱，但范围更大。在冷池前部低层有弱的偏东气流与冷池后部的偏西气流辐合，对流加强。7月13日17:00对流系统继续向海上移动，低层冷池依然清晰可见，冷池前部上升运动进一步加强。低层冷池前部偏东气流与后部偏西气流的辐合也更为明显，促进对流系统中心在海上发展。
![]()
图 7 2018年5月12日和7月13日浮力B(填色)及纬向风(单位: m·s-1)与垂直速度(单位: 10-1m·s-1)合成场(箭头) 垂直剖面(沿图4中黑色实线，图底部的蓝色实线代表海洋下垫面)Figure 7. Vertical cross-section of buoyancy B(the shaded) and the combination(the arrow) of zonal wind(unit: m·s-1) and vertical movement(unit: 10-1m·s-1) on 12 May and 13 Jul in 2018(the vertical cross-sections are made along the black line in Fig.4, blue solid lines in the bottom of the figures denote the sea surface)对比两次过程可以看到，减弱型过程的冷池相较于周围环境更为明显，冷池前沿有风速辐合，但随着对流系统入海东移垂直运动以及冷池前沿风速辐合逐渐减弱；增强型过程的对流系统产生的冷池较周围环境强度更弱，但范围更大，且在对流东移过程中，冷池前沿出现风向辐合，并随着对流系统东移辐合进一步加强。
结合两次过程对流区域内的平均视热源Q1、视水汽汇Q2的垂直廓线分析大气中热量和水汽变化(图 8)。在减弱型过程中，对流系统入海前(5月12日20:00)，低层(0~1 km)Q1存在极大值，主要由水平平流作用引起，垂直输送和局地变化作用并不明显，说明低层大气主要由西南气流配合暖舌将热量输送到对流区引起的大气加热为主。在对流系统入海后，低层Q1由正转负，大气以吸收热量，但垂直输送和局地变化作用较小，主要由水平平流作用引起，说明在降水和冷池加强后，低层水平平流作用也由正转负，从而引起Q1转为负值，在此过程中海表为对流发展提供热量较少。由Q2的垂直廓线可知，在对流系统入海前，低层(0~2 km)Q2为负并存在极值，水平平流作用明显，说明此时低层为水汽源，且水汽主要来自低空西南气流的输送。中层(2~5 km)Q2转为正，说明中层水汽供应不足，形成水汽汇。对流系统入海后，低层Q2依然保持负值，且强度先增强后减弱，对应水平平流作用下水汽输送先增强后减弱。在对流系统移动过程中，低层Q2的垂直输送作用较小，即海表对大气的水汽输送较少。
![]()
图 8 2018年5月12日和7月13日区域平均的视热源Q1和视水汽汇Q2及其局地变化Q1_lc，Q2_lc, 水平平流Q1_adv，Q2_adv和垂直输送Q1_vt，Q2_vt作用的垂直廓线(选择区域见图 4中红色方框)Figure 8. Vertical profile of apparent heat source Q1, apparent moist sink Q2, as well as effects of local change Q1_lc and Q2_lc, horizontal advection Q1_adv and Q2_adv, vertical transfer Q1_vt and Q2_vt effects on 12 May and 13 Jul in 2018(the selected region is shown in red box in Fig. 4)在增强型过程中，对流系统入海前(7月13日13:00)，低层(0~2 km)Q1值较小，中高层(2~8 km)由垂直输送引起的视热源为正，说明强烈的上升运动将低层暖空气向上输送引起中高层大气的加热。在对流系统中心入海后，低层Q1以负值为主，且存在明显的极大值，说明对流入海后低层大气以吸收热量为主。低层Q1垂直输送逐渐增大，7月13日17:00低层Q1的垂直输送作用更加明显。说明在对流系统入海后海面向其提供了一部分热量。由Q2的垂直廓线可知，低层Q2在对流发展的整个过程均以负值为主，且垂直输送作用强，说明低层为水汽源，且海面向其输送水汽。
综上，在减弱型过程中，海面向对流区域提供的热量和水汽较少；而在增强型过程中，海面向对流区域同时提供了大量的热量和水汽，维持对流系统入海后发展。
5. 结论
本文利用RMAPS-Ocean海-气-浪耦合模式和动力降尺度方法，模拟并对比2018年5月12日和7月13日自西向东由陆地进入渤海湾的两次中尺度对流过程，分别为入海减弱型和入海增强型。两次过程均发生在低空西南气流强盛，且地面处于暖舌控制的情况下，水汽和能量条件较好。但增强型过程的水汽和能量条件优于减弱型过程，有利于入海后对流发展。研究表明：
1) 对于减弱型过程，RMAPS-Ocean模拟结果能大致反映回波位置及对流系统东移入海减弱的趋势，但强度较实况偏弱；而对于增强型过程，RMAPS-Ocean模拟的回波形态和位置与实况偏差较大。通过两次动力降尺度将模式的空间分辨率提高至2 km×2 km后，两次过程模拟效果均有明显提升，模拟的回波位置及强度与实况接近。
2) WRF模式动力降尺度后的模拟结果与耦合模式动力降尺度后的模拟结果对比表明：海-气-浪耦合模式可以为动力降尺度模拟提供更好的初边界条件，适用于入海中尺度对流系统的高分辨率模拟。
3) 耦合模式动力降尺度后的模拟结果表明：两次过程对流系统入海前，渤海湾对流有效位能条件均较好，但0~6 km垂直风切变条件增强型过程优于减弱型过程。对流系统入海后，减弱型过程系统后部产生明显的后侧入流及冷池，而增强型过程系统产生的冷池强度较弱但范围更大。对流系统在海上移动过程中，海洋下垫面为对流区域提供的热量和水汽在减弱型过程中较少，在增强型过程中较多。
-
![]()
图 2 2018年5月12日和7月13日塘沽和沧州雷达组合反射率因子拼图
Figure 2. Composite reflectivity factor of Tanggu and Cangzhou radars on 12 May and 13 Jul in 2018
![]()
图 3 2018年5月12日和7月13日500 hPa高度场(蓝色等值线, 单位: dagpm)、温度场(红色等值线, 单位: ℃)和风场(风羽), 925 hPa水汽通量(填色)、高度场(蓝色等值线, 单位: dagpm)、温度场(红色等值线, 单位: ℃)和风场(风羽)，海平面气压(灰色实线, 单位: hPa)、2 m温度(填色)和10 m风场(风羽)
Figure 3. 500 hPa height(the blue isoline, unit: dagpm), temperature(the red isoline, unit: ℃) and wind(the barb); 925 hPa water vapor flux(the shaded), height(the blue isoline, unit: dagpm), temperature(the red isoline, unit: ℃) and wind(the barb); surface sea level pressure(the grey isoline, unit: hPa), 2 m temperature(the shaded) and 10 m wind(the barb) on 12 May and 13 Jul in 2018
![]()
图 4 RMAPS-Ocean和两次降尺度后模拟的2018年5月12日和7月13日最大反射率因子
Figure 4. Max reflectivity factor from RMAPS-Ocean and after two times downscaling on 12 May and 13 Jul in 2018
![]()
图 6 2018年5月12日和7月13日对流有效位能(填色)、0~6 km垂直风切变(红色等值线, 单位: m·s-1)和850 hPa风场(风羽)
Figure 6. Convective available potential energy(the shaded, unit: J), 0-6 km vertical wind shear(the red isoline, unit: m·s-1) and 850 hPa wind(the barb) on 12 May and 13 Jul in 2018
![]()
图 7 2018年5月12日和7月13日浮力B(填色)及纬向风(单位: m·s-1)与垂直速度(单位: 10-1m·s-1)合成场(箭头) 垂直剖面(沿图4中黑色实线，图底部的蓝色实线代表海洋下垫面)
Figure 7. Vertical cross-section of buoyancy B(the shaded) and the combination(the arrow) of zonal wind(unit: m·s-1) and vertical movement(unit: 10-1m·s-1) on 12 May and 13 Jul in 2018(the vertical cross-sections are made along the black line in Fig.4, blue solid lines in the bottom of the figures denote the sea surface)
![]()
图 8 2018年5月12日和7月13日区域平均的视热源Q1和视水汽汇Q2及其局地变化Q1_lc，Q2_lc, 水平平流Q1_adv，Q2_adv和垂直输送Q1_vt，Q2_vt作用的垂直廓线(选择区域见图 4中红色方框)
Figure 8. Vertical profile of apparent heat source Q1, apparent moist sink Q2, as well as effects of local change Q1_lc and Q2_lc, horizontal advection Q1_adv and Q2_adv, vertical transfer Q1_vt and Q2_vt effects on 12 May and 13 Jul in 2018(the selected region is shown in red box in Fig. 4)
-
[1] 俞小鼎, 郑永光. 中国当代强对流天气研究与业务进展. 气象学报, 2020, 78(3): 391-418. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB202003006.htm Yu X D, Zheng Y G. Advances in severe convection research and operation in China. Acta Meteor Sinica, 2020, 78(3): 391-418. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB202003006.htm
[2] 刘娜, 熊安元, 张强, 等. 强对流天气人工智能应用训练基础数据集构建. 应用气象学报, 2021, 32(5): 530-541. DOI: 10.11898/1001-7313.20210502 Liu N, Xiong A Y, Zhang Q, et al. Development of basic dataset of severe convective weather for artificial intelligence training. J Appl Meteor Sci, 2021, 32(5): 530-541. DOI: 10.11898/1001-7313.20210502
[3] 王一童, 王秀明, 俞小鼎. 产生致灾大风的超级单体回波特征. 应用气象学报, 2022, 33(2): 180-191. DOI: 10.11898/1001-7313.20220205 Wang Y T, Wang X M, Yu X D. Radar characteristics of straight-line damaging wind producing supercell storms. J Appl Meteor Sci, 2022, 33(2): 180-191. DOI: 10.11898/1001-7313.20220205
[4] 马淑萍, 王秀明, 俞小鼎. 极端雷暴大风的环境参量特征. 应用气象学报, 2019, 30(3): 292-301. DOI: 10.11898/1001-7313.20190304 Ma S P, Wang X M, Yu X D. Environmental parameter characteristics of severe wind with extreme thunderstorm. J Appl Meteor Sci, 2019, 30(3): 292-301. DOI: 10.11898/1001-7313.20190304
[5] 王金兰, 俞小鼎, 汤兴芝, 等. 黄淮地区触发对流天气的干线特征. 应用气象学报, 2021, 32(5): 592-602. DOI: 10.11898/1001-7313.20210507 Wang J L, Yu X D, Tang X Z, et al. Characteristics of convection-triggering drylines in the drainage area of Huanghe and Huaihe River. J Appl Meteor Sci, 2021, 32(5): 592-602. DOI: 10.11898/1001-7313.20210507
[6] 齐道日娜, 何立富, 王秀明, 等. "7·20"河南极端暴雨精细观测及热动力成因. 应用气象学报, 2022, 33(1): 1-15. DOI: 10.11898/1001-7313.20220101 Chyi D, He L F, Wang X M, et al. Fine obervation characteristics and thermodynamic mechanisms of extreme heavy rainfall in Henan on 20 July 2021. J Appl Meteor Sci, 2022, 33(1): 1-15. DOI: 10.11898/1001-7313.20220101
[7] 田晨, 周伟灿, 苗峻峰. 中国地区下垫面特征对强对流天气影响研究进展. 气象科技, 2012, 40(2): 207-212. https://www.cnki.com.cn/Article/CJFDTOTAL-QXKJ201202014.htm Tian C, Zhou W C, Miao J F. Review of impact of land surface characteristics on severe convective weather in China. Meteor Sci Technol, 2012, 40(2): 207-212. https://www.cnki.com.cn/Article/CJFDTOTAL-QXKJ201202014.htm
[8] 刁秀广, 李芳, 万夫敬. 两次强冰雹超级单体风暴双偏振特征对比. 应用气象学报, 2022, 33(4): 414-428. DOI: 10.11898/1001-7313.20220403 Diao X G, Li F, Wan F J. Comparative analysis on dual polarization features of two severe hail supercells. J Appl Meteor Sci, 2022, 33(4): 414-428. DOI: 10.11898/1001-7313.20220403
[9] 陈淑琴, 黄辉, 周丽琴, 等. 对流单体在杭州湾入海时的强度变化分析. 气象, 2011, 37(7): 889-896. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXX201107015.htm Chen S Q, Huang H, Zhou L Q, et al. Analysis on the intensity changes of convective cells on the Hangzhou Bay when entering the sea. Meteor Mon, 2011, 37(7): 889-896. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXX201107015.htm
[10] Zhang L N, Sun J Z, Ying Z M, et al. Initiation and development of a squall line crossing Hangzhou Bay. J Geophys Res Atmos, 2021, 126(1), e2020JD032504.
[11] 李延江, 陈小雷, 景华. 渤海强对流天气监测及概念模型初建. 海洋预报, 2013, 30(4): 45-56. https://www.cnki.com.cn/Article/CJFDTOTAL-HYYB201304007.htm Li Y J, Chen X L, Jing H, et al. The monitoring for the severe convective weather and the preliminary building of its conceptual model in the Bohai Sea. Marin Forec, 2013, 30(4): 45-56. https://www.cnki.com.cn/Article/CJFDTOTAL-HYYB201304007.htm
[12] 贺靓, 于超, 吕新民. 渤海中南部海区一次雷暴大风过程分析. 海洋预报, 2011, 28(1): 19-24. https://www.cnki.com.cn/Article/CJFDTOTAL-HYYB201101005.htm He J, Yu C, Lu X M. Analysis of a thunderstorm gale process in the south-central Bohai Sea. Marin Forec, 2011, 28(1): 19-24. https://www.cnki.com.cn/Article/CJFDTOTAL-HYYB201101005.htm
[13] 王彦, 于莉莉, 李艳伟, 等. 边界层辐合线对强对流系统形成和发展的作用. 应用气象学报, 2011, 22(6): 724-731. http://qikan.camscma.cn/article/id/20110610 Wang Y, Yu L L, Li Y W, et al. The role of boundary layer convergence line in initiation of severe weather events. J Appl Meteor Sci, 2011, 22(6): 724-731. http://qikan.camscma.cn/article/id/20110610
[14] 王亚男, 李英华, 孙米娜. 下垫面对渤海西部雷雨大风影响的数值模拟分析. 海洋预报, 2019, 36(3): 24-32. https://www.cnki.com.cn/Article/CJFDTOTAL-HYYB201903004.htm Wang Y N, Li Y H, Sun M N. Numerical simulation study of the effect of underlying sea surface on thunderstorm wind in the western Bohai Sea. Marin Forec, 2019, 36(3): 24-32. https://www.cnki.com.cn/Article/CJFDTOTAL-HYYB201903004.htm
[15] 易笑园, 李泽椿, 孙晓磊. 渤海西岸暴雨中尺度对流系统的结构及成因. 应用气象学报, 2011, 22(1): 23-31. http://qikan.camscma.cn/article/id/20110103 Yi X Y, Li Z C, Sun X L, et al. The structure and origin of a rainstorm-inducing mesoscale convective system on western coast of Bohai Bay. J Appl Meteor Sci, 2011, 22(1): 23-31. http://qikan.camscma.cn/article/id/20110103
[16] 鲁蓉, 孙建华, 傅慎明. 近海水汽初值和对流影响一次华南前汛期沿海强降水对流系统发展过程的机理研究. 大气科学, 2018, 42(1): 1-15. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201801001.htm Lu R, Sun J H, Fu S M. Influence of offshore initial moisture field and convection on the development of coastal convection in a heavy rainfall event over South China during the pre-summer rainy season. Chinese J Atmos Sci, 2018, 42(1): 1-15. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201801001.htm
[17] 何立富, 陈双, 郭云谦. 台风利奇马(1909)极端强降雨观测特征及成因. 应用气象学报, 2020, 31(5): 513-526. DOI: 10.11898/1001-7313.20200501 He L F, Chen S, Guo Y Q. Observation characteristics and synoptic mechanisms of Typhoon Lekima extreme rainfall in 2019. J Appl Meteor Sci, 2020, 31(5): 513-526. DOI: 10.11898/1001-7313.20200501
[18] 覃皓, 郑凤琴, 伍丽泉. 台风威马逊(1409)强度与降水变化的相互作用. 应用气象学报, 2022, 33(4): 477-488. DOI: 10.11898/1001-7313.20220408 Qin H, Zheng F Q, Wu L Q. The interaction between intensity and rainfall of Typhoon Rammasun(1409). J Appl Meteor Sci, 2022, 33(4): 477-488. DOI: 10.11898/1001-7313.20220408
[19] 董佳阳, 崔晔, 阮征, 等. 对流降水云中大气垂直运动反演及个例试验. 应用气象学报, 2022, 33(2): 167-179. DOI: 10.11898/1001-7313.20220204 Dong J Y, Cui Y, Ruan Z, et al. Retrieval and experiments of atmospheric vertical motions in convective precipitation clouds. J Appl Meteor Sci, 2022, 33(2): 167-179. DOI: 10.11898/1001-7313.20220204
[20] Young G, Leddvina L, Fairall C. Influence of precipitating convection on the surface energy budget observed during a tropical ocean global atmosphere pilot cruise in the tropical western Pacific Ocean. I. Layer accompanying a tropical squall line. Mon Wea Rev, 1992, 111: 308-319.
[21] 陶局, 易笑园, 赵海坤, 等. 一次飑线过程及其受下垫面影响的数值模拟. 高原气象, 2019, 38(4): 756-772. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201904009.htm Tao J, Yi X Y, Zhao H K, et al. Numerical simulation on the influence of Bohai Sea to a squall line process. Plateau Meteor, 2019, 38(4): 756-772. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201904009.htm
[22] Murray J C, Colle B A. The satial and temporal variability of convective storms over the northeast United States during the warm season. Mon Wea Rev, 2011, 139(3): 992-1012.
[23] Wu R, Kirtman P. Roles of Indian and Pacific Ocean air-sea coupling in tropical atmospheric variability. Climate Dyn, 2005, 25: 155-170.
[24] Wang Y, Leung L R, McGregor J L, et al. Regional climate modeling: Progress, challenges and prospects. J Meteor Soc Japan, 2004, 82: 1599-1628.
[25] Giorgi F, Mearns L O. Approaches to the simulation of regional climate change: A review. Reviews of Geophysics, 1991, 29(2): 191-216.
[26] 高学杰, 石英, Giorgi F. 中国区域气候变化的一个高分辨率数值模拟. 中国科学(地球科学), 2010, 40(7): 911-922. https://www.cnki.com.cn/Article/CJFDTOTAL-JDXK201007012.htm Gao X J, Shi Y, Giorgi F. A high resolution simulation of climate change over China. Sci China(Earth Sci), 2010, 40(7): 911-922. https://www.cnki.com.cn/Article/CJFDTOTAL-JDXK201007012.htm
[27] 姚隽琛, 周天军, 邹立维. 基于气候系统模式FGOALS-g2的热带气旋活动及其影响的动力降尺度模拟. 大气科学, 2018, 42(1): 150-163. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201801011.htm Yao J C, Zhou T J, Zou L W. Dynamical downscaling of tropical cyclone and associated rainfall simulations of FGOALS-g2. Chinese J Atmos Sci, 2018, 42(1): 150-163. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201801011.htm
[28] 张凯锋, 王东海, 张宇. 动力降尺度和多物理参数化方案组合对华南前汛期降水集合预报的影响研究. 热带气象学报, 2020, 36(5): 668-682. https://www.cnki.com.cn/Article/CJFDTOTAL-RDQX202005009.htm Zhang K F, Wang D H, Zhang Y. Study on impacts of dynamic downscaling and multi-physical parameterization scheme combination on ensemble forecast of annually first rainy season in south China. J Trop Meteor, 2020, 36(5): 668-682. https://www.cnki.com.cn/Article/CJFDTOTAL-RDQX202005009.htm
[29] Li M, Zhang S, Wu L. A high-resolution Asia-Pacific regional coupled prediction system with dynamically downscaling coupled data assimilation. Sci Bull, 2020, 65: 1849-1858.
[30] 徐玥, 邵美荣, 唐凯, 等. 2021年黑龙江两次超级单体龙卷多尺度特征. 应用气象学报, 2022, 33(3): 305-318. DOI: 10.11898/1001-7313.20220305 Xu Y, Shao M R, Tang K, et al. Multiscale characteristics of two supercell tornados of Heilongjiang in 2021. J Appl Meteor Sci, 2022, 33(3): 305-318. DOI: 10.11898/1001-7313.20220305
[31] Correia J, Arritt R W, Anderson C J. Idealized mesoscale convective system structure and propagation using convective parameterization. Mon Wea Rev, 2008, 136(7): 2422-2442.
[32] Yanai M, Esbensen S, Chu J. Determination of bulk properties of tropocal cloud clusters from large-scale heat and moisture budgets. J Atmos Sci, 1973, 30(4): 611-627.
[33] 胡祖恒, 李国平, 官昌贵, 等. 中尺度对流系统影响西南低涡持续性暴雨的诊断分析. 高原气象, 2014, 33(1): 116-129. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201401012.htm Hu Z H, Li G P, Guan C G, et al. Diagnostic analysis of mesoscale convective systems influence on sustained rainstorm caused by southwest vortex. Plateau Meteor, 2014, 33(1): 116-129. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201401012.htm
-
期刊类型引用(0)
其他类型引用(1)
下载:
计量
- 文章访问数: 950
- HTML全文浏览量: 166
- PDF下载量: 169
- 被引次数: 1
