- 非一致性条件下的水文模拟及预报关键技术研究
- 雷晓辉 王浩 廖卫红 杨明祥 蒋云钟 潘东
- 2080字
- 2021-11-05 17:02:24
2.1 数值天气预报模式WRF
WRF模式是由美国国家大气研究中心(NCAR)中小尺度气象处、国家环境预报中心(NCEP)环境模拟中心、预报系统实验室(FSL)的预报研究处和奥克拉荷马大学的风暴分析预报中心(CAPS)四单位联合开发的一种统一的中尺度数值天气预报模式,并由美国国家自然科学基金和国家海洋大气局(NOAA)共同支持。该模式的开发于1997年,2000年发布第一版,并在此后多次发布改进版本。目前最新版为V3.2,于2010年4月2日免费对外发布。
为使研究成果能够迅速地应用到现实的天气预报中,WRF模式分为ARW(Advanced Research WRF)和NMM(Nonhydrostatic Mesoscale Model)两种,即:研究用和业务用两种形式,分别由NCEP和NCAR进行管理维护。本书中采用的是前者ARW,以下讨论均基于ARW进行。
WRF模式不仅可以用于真实天气的个案模拟,也可以用其包含的模块组作为基本物理过程探讨的理论根据,近年来得到了深入研究和广泛应用。
2.1.1 模式总体结构
WRF模式总体结构及流程图如图2.1所示。模式主要由前处理模块WPS(WRF Preprocessing System)、主模块ARW以及后处理模块ARWpost构成。前处理模块WPS负责处理作为模型输入的地形数据及气象数据,主要包括geogrid(用于读入和建立静态地面数据)、ungrib(用于解压GRIB气象数据,并归纳成一个intermediate文件格式)以及metgrid(将气象数据水平插值赋予模式内)三个子模块。前处理模块输出的文件不仅定义了模式的应用区域、模拟时段以及网格设置,更重要的是为之后进行的气象模拟提供初始场和边界场。主模块ARW首先通过用户定义的各种模型参数及不同物理过程方案对模式进行初始化(real子模块),然后根据前处理模块提供的初始场和边界场对相应时段和区域进行气象模拟(wrf子模块)并输出气象预报结果。后处理模块ARWpost主要用于主模块输出结果的读取和转化,生成可读取的数据文件,供后续分析以及绘图等。WRF模式中各模块的流程示意图如图2.2所示。
图2.1 WRF模式总体结构及流程图
图2.2 WRF模式各子模块流程图
2.1.2 模式坐标与离散格式
WRF模式为完全可压缩以及非静力模式(带有静力选项),采用F90语言编写。在时间积分方面WRF模式采用三阶Runge-Kutta算法。
WRF模式水平方向采用Arakawa C(荒川C)网格点,运用Arakawa C网格点假设所有三维变量(U、V和质量)关于这些点是交错格点。对于定义的非交错格点,U格点向上交错了0.5个格点,V格点向右交错了0.5个格点,质量格点分别向上、向右交错了0.5个格点。+为根据参数定义的点,U为由WRF模式提供和输出的U动量变量的格点位置,V为由WRF模式提供和输出的V动量变量的格点位置,T为由WRF模式提供和输出的质量变量的格点位置,如图2.3所示。
图2.3 Arakawa C交错格点
在垂直方向上,WRF模式采用地形跟随静力气压坐标η,如图2.4所示。其计算公式如下,其中π为静力气压。
图2.4 垂直坐标
2.1.3 WRF模式物理过程及参数化方案
目前,数值天气预报模式的水平分辨率一般为1~100km,而在实际的气象发生过程中,包含了很多运动尺度量级明显小于模式分辨率的过程(如湍流输送过程、积云对流输送过程等)。这些不能被数值天气预报模式直接表示的过程,统称为次网格过程。次网格过程直接参与大气中各种能量的传递和转换,对大气运动有显著的影响。因此,模式中一般采用物理过程参数化的方法,用大尺度的物理量表示次网格过程对大尺度运动的总体统计效应,以体现次网格过程与大尺度运动的相互作用。WRF模式中参数化的物理过程主要包括辐射过程(Radiation Processes)、陆面过程(Surface Processes)、边界层过程(PBL Processes)、积云过程(Cumulus Processes)以及微物理过程(Microphysics Processes)等。
WRF模式中各主要物理过程相互作用如图2.5所示。
对不同的物理过程,WRF提供了充足的参数化方案选项。表2.1给出了WRF对各物理过程提供的参数化方案。
表2.1 WRF模式物理过程参数化方案
图2.5 WRF模式物理过程相互作用
续表
续表
数值天气预报早在100多年前便被提出,经过50余年的业务应用,以及最近10多年的高速发展,大量优秀的数值天气模式得到了应用和改进。但数值天气模式本质上仍然是各类复杂数学公式对大气现象的近似描述,加之自然现象与模式之间的时空尺度不匹配,使得数值天气模式中采用各类参数化方案成了一种必然。这些参数化方案主要包括云微物理参数化方案、积云对流参数化方案和边界层方案等。云微物理参数化方案和积云对流参数化方案又被称为云物理过程,是数值天气模式中最重要的非绝热加热物理过程之一,在决定垂直方向上的大气温度、湿度场等方面起着关键作用,对降水等气象变量的影响非常显著,是人们关心的关键所在。天气系统虽然受全球尺度大气循环的驱动,但其本身属于中小尺度范畴,其发生发展更多地表现出一种区域性规律。而且,不同的参数化方案往往是针对不同的研究区开发的,即便经过后期的修正和改进,仍然具有很强的区域特征适用性。尽管不同模式对各自的参数化方案均有较为详细的解释,并且都有明确的物理基础和使用说明,但在实际模拟过程中受地形等因素影响,不同的参数化方案对大气现象的模拟结果有着较大的差异。许多科研人员经过数值实验指出,数值天气模式中云微物理参数化方案和积云对流参数化方案对降水的影响突出,且不同组合的模拟能力差别较大,可见参数化方案具有不可忽略的区域性,因此在实际定量降水模拟或预报过程中,对于特定的研究区域来说采用哪一种参数化方案组合更加理想,是需要给予关注和深入研究的。
图2.6 雅砻江流域水系图