何建軍1, 2 余曄1 劉娜1, 2 趙素平1, 2 陳晉北1

?

復(fù)雜地形區(qū)陸面資料對(duì)WRF模式模擬性能的影響

何建軍余曄劉娜趙素平陳晉北

1中國(guó)科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所中國(guó)科學(xué)院寒旱區(qū)陸面過(guò)程與氣候變化重點(diǎn)實(shí)驗(yàn)室，蘭州730000 2中國(guó)科學(xué)院大學(xué)，北京100049

本文利用WRF（Weather Research and Forecasting）模式耦合Noah陸面過(guò)程模式，對(duì)比研究了使用不同精度陸面資料：WRF默認(rèn)陸面資料、中國(guó)1 km分辨率數(shù)字高程模型數(shù)據(jù)集、2006年MODIS（MODerate-resolution Imaging Spectroradiometer）土地利用和植被覆蓋度資料，WRF模式對(duì)蘭州地區(qū)冬季氣象場(chǎng)模擬結(jié)果的差異。結(jié)果表明，近地面氣溫對(duì)陸面資料的精度非常敏感，而風(fēng)場(chǎng)對(duì)陸面資料的精度不敏感，WRF模式對(duì)氣溫的模擬效果好于對(duì)風(fēng)場(chǎng)模擬。采用高精度且時(shí)效性好的陸面資料后，WRF模擬的近地面氣溫準(zhǔn)確率提高了15.8%，模擬的夜間氣溫改進(jìn)幅度較白天大。陸面資料可影響整個(gè)邊界層溫度場(chǎng)分布，準(zhǔn)確的陸面資料對(duì)提高WRF模式模擬近地面乃至整個(gè)邊界層氣象場(chǎng)至關(guān)重要。盡管風(fēng)速模擬誤差較大，但總體上WRF模式能較準(zhǔn)確地模擬出研究區(qū)的風(fēng)場(chǎng)演變特征。使用新的陸面資料后WRF模擬的風(fēng)速誤差略有減小，風(fēng)向誤差略有增加。干旱半干旱區(qū)冬季數(shù)值模擬需要注意土壤濕度初值和模式初始積分時(shí)刻對(duì)模擬結(jié)果的影響。

WRF模式 地形 土地利用 植被覆蓋度 土壤濕度 初始場(chǎng) 模式評(píng)估

1 引言

WRF（Weather Research and Forecasting）模式是目前全球應(yīng)用廣泛的中小尺度數(shù)值模式之一（黃菁和張強(qiáng)，2012），已被廣泛應(yīng)用于城市局地天氣系統(tǒng)、局地環(huán)流、區(qū)域降水、氣候變化和空氣污染等研究和業(yè)務(wù)預(yù)報(bào)中（劉樹華等，2009；Chen et al., 2009；Miao et al., 2009；Litta et al., 2012；Feng et al., 2012；王穎等，2013）。多年來(lái)研究人員通過(guò)資料同化、敏感性試驗(yàn)、參數(shù)化方案研究等，對(duì)影響WRF模式模擬性能的因素進(jìn)行了研究，發(fā)現(xiàn)不同地區(qū)、不同季節(jié)和不同天氣形勢(shì)下WRF模式的 模擬性能存在一定差異（Fan et al., 2011；董俊玲等，2011；張宇等，2013），其模擬效果與模式空間分辨率、初始條件、模擬時(shí)長(zhǎng)、參數(shù)化方案選取等多個(gè)因子有關(guān)（張宇等，2010；Ruiz et al., 2010；Carvalho et al., 2012），其中陸面過(guò)程對(duì)近地面及邊界層的模擬結(jié)果有很大影響（Hong et al., 2009）。由陸面資料決定的陸面參數(shù)是影響數(shù)值模式模擬性能的重要因子，以往研究很多集中在陸面過(guò)程模式參數(shù)化方案和陸面參數(shù)影響的研究（Miao et al., 2007；佟華等，2009；Chen et al., 2010；李安泰等，2012），對(duì)陸面資料精度對(duì)模擬結(jié)果影響的研究相對(duì)較少。

陸面資料是數(shù)值模式的重要輸入數(shù)據(jù)，其準(zhǔn)確性直接影響數(shù)值模式對(duì)陸面過(guò)程和大氣邊界層特征的模擬。WRF模式需要的陸面資料信息包括地形、土地利用、植被覆蓋度、土壤類型，這些陸面信息直接決定了反照率、發(fā)射率、粗糙度、葉面積指數(shù)、植被根深、植被阻抗、土壤孔隙率、土壤熱傳導(dǎo)率等陸面參數(shù)，對(duì)模擬結(jié)果有重要影響（Hong et al., 2009；何建軍等，2012）。WRF模式默認(rèn)的最高精度地形資料是USGS（United States Geological Survey）制作的30 s數(shù)據(jù)。該數(shù)據(jù)基于8種數(shù)據(jù)源，精度沒(méi)有統(tǒng)一標(biāo)準(zhǔn)。研究發(fā)現(xiàn)USGS地形資料和SRTM（Shuttle Radar Topography Mission）地形資料有規(guī)則的矩形差異區(qū)，可能與USGS資料多種數(shù)據(jù)源有關(guān)，利用SRTM地形資料可以在一定程度 上提高WRF在復(fù)雜地形地區(qū)的模擬性能（張小 培和銀燕，2013）。WRF模式包括兩種土地利用資料：一種是由USGS制作的AVHRR （Advanced Very High Resolution Radiometer）土地利用資料，該資料獲取時(shí)間是1992年4月～1993年3月，土地利用按USGS分為24類；另一種是由波斯頓大學(xué)制作的MODIS（MODerate-resolution Imaging Spectroradiometer）土地利用資料，資料獲取時(shí)間是2001年1～12月，土地利用按IGBP（International Geosphere-Biosphere Programme）分為20類。這些土地利用資料在中國(guó)地區(qū)的精度低于全球平均精度（宮鵬，2009），且時(shí)效性不好，是制約數(shù)值模式模擬精度的重要因子之一。Sertel et al.（2010）比較了ETM＋（Landsat Enhanced Thematic Mapper）土地利用資料和WRF默認(rèn)的AVHRR土地利用資料對(duì)WRF模式模擬結(jié)果的影響，發(fā)現(xiàn)AVHRR土地利用資料不能反映土地利用真實(shí)情況，利用ETM+土地利用資料時(shí)WRF模擬的氣象場(chǎng)更加準(zhǔn)確。張朝林等（2007）引入高精度土地利用資料研究了土地利用對(duì)北京暴雨模擬的影響，發(fā)現(xiàn)USGS土地利用資料存在較大偏差。WRF模式默認(rèn)的植被覆蓋度數(shù)據(jù)來(lái)源于Gutman and Ignatov（1998）利用像元二分模型在AVHRR 1985～1990年5年的NDVI（Normalized Difference Vegetation Index）數(shù)據(jù)基礎(chǔ)上建立的0.144°全球逐月植被覆蓋圖，已有研究發(fā)現(xiàn)，該資料在蘭州地區(qū)偏差較大，是造成WRF模式模擬誤差偏大的原因之一（何建軍等，2012）。Hong et al.（2009）比較了植被覆蓋度和土壤濕度對(duì)WRF模擬結(jié)果的影響，發(fā)現(xiàn)模式模擬結(jié)果對(duì)植被覆蓋度更加敏感。目前，有關(guān)陸面資料改進(jìn)對(duì)數(shù)值模式模擬結(jié)果影響的研究主要集中在對(duì)個(gè)別陸面資料（如土地利用或植被覆蓋度）的改進(jìn)，而針對(duì)多種陸面信息改進(jìn)的研究較少。Gao et al.（2008）通過(guò)改進(jìn)黑河流域地形、土地利用、土壤類型、土壤參數(shù)和植被覆蓋度資料模擬研究了陸面資料對(duì)近地面氣象場(chǎng)模擬精度的影響。Jeong et al.（2012）通過(guò)改進(jìn)土地利用和地形資料模擬研究了陸面資料對(duì)韓國(guó)沿海局地環(huán)流的影響。WRF模式中陸面資料在不同地區(qū)的精度差異較大，因此有必要進(jìn)一步研究不同地區(qū)不同陸面資料對(duì)WRF模式模擬結(jié)果的影響。

蘭州地處青藏高原東北部的黃河峽谷中，周邊地形復(fù)雜，土地利用和植被覆蓋空間差異大，盡管WRF模式能給出蘭州地區(qū)大氣邊界層結(jié)構(gòu)及其演變特征，但模式模擬誤差偏大（繆國(guó)軍等，2007；王穎等，2010；何建軍等，2012；王瑾等，2012）。提高中尺度數(shù)值模式在復(fù)雜地形區(qū)的模擬性能是數(shù)值預(yù)報(bào)研究領(lǐng)域的難點(diǎn)之一。本文利用WRF模式耦合Noah陸面過(guò)程模式，對(duì)比分析了采用中國(guó)1 km分辨率數(shù)字高程模型數(shù)據(jù)集（http://westdc. westgis.ac.cn [2013-03-10]）、與研究時(shí)段相符的MODIS土地利用和植被覆蓋度資料以及模式默認(rèn)陸面資料對(duì)WRF模式模擬結(jié)果的影響，探討能否通過(guò)使用高精度的陸面信息資料改進(jìn)WRF模式在復(fù)雜地形區(qū)的模擬性能。

2 方法

2.1 模式簡(jiǎn)介

WRF模式系統(tǒng)是美國(guó)國(guó)家大氣科學(xué)研究中心NCAR（National Center for Atmospheric Research）、國(guó)家海洋和大氣管理局NOAA（National Oceanic and Atmospheric Administration）等多個(gè)部門聯(lián)合開發(fā)的新一代高分辨率中尺度預(yù)報(bào)模式和資料同化系統(tǒng)，分為ARW（Advanced Research-WRF）和NMM（Nonhydrostatic Mesoscale Model）兩個(gè)動(dòng)力核。ARW是可壓縮、歐拉、非靜力平衡模式，同時(shí)有靜力平衡選項(xiàng)，控制方程組為通量形式，采用地形跟隨靜壓垂直坐標(biāo)系，水平網(wǎng)格采用Arakawa- C交錯(cuò)格式，模式頂層氣壓為常數(shù)。ARW可用于10～10m空間精度的模擬研究，包括大渦模擬、斜壓波模擬和過(guò)山氣流模擬等理想化模擬（Idealized simulation）和物理過(guò)程參數(shù)化、資料同化和實(shí)時(shí)天氣預(yù)報(bào)等的模擬（Real simulation）（Skamarock et al., 2008）。本文使用的是ARW V3.3版本。

Noah 陸面模式是在OSU（Oregon State University）土壤—植被模式基礎(chǔ)上發(fā)展而來(lái)的垂直一維陸面過(guò)程模式，其包含土壤熱力過(guò)程和水文過(guò)程（Chen and Dudhia, 2001）。該模式將土壤分為四層（0.1 m、0.4 m、1 m和2 m），土壤熱通量由各層土壤溫度梯度和土壤熱傳導(dǎo)率決定。土壤濕度和土壤類型通過(guò)影響土壤熱容和熱傳導(dǎo)率而影響土壤熱力過(guò)程。該模式還包含了單層積雪模式，可以模擬雪的累積、升華和溶化過(guò)程以及土壤—雪蓋—大氣間的熱交換過(guò)程。大量研究發(fā)現(xiàn)，Noah陸面模式能較準(zhǔn)確的描述土壤的熱力過(guò)程和水文過(guò)程（Chen and Dudhia, 2001；Miao et al., 2009；Litta et al., 2012；Feng et al., 2012），因此本文用WRF模式耦合Noah陸面模式評(píng)估WRF模式在蘭州地區(qū)的模擬性能。

陸面過(guò)程模式需要的大氣強(qiáng)迫物理量有風(fēng)速、氣溫、近地面氣壓、比濕、降水和向下輻射通量等，輸出的物理量有各層土壤溫度和濕度、地表溫度、地面反射率、發(fā)射率、粗糙度、地表潛熱通量和感熱通量以及徑流量等。土地利用和植被覆蓋度是陸面參數(shù)的主要影響因子，通過(guò)陸面參數(shù)影響WRF模式的模擬結(jié)果。土地利用類型決定地表反照率（）、發(fā)射率（）、粗糙度（）和葉面積指數(shù)（），且隨季節(jié)變化（通過(guò)植被覆蓋度反映季節(jié)變化特征），如式（1）～（5）所示（何建軍等，2012）：

, （2）

, （3）

, （5）

WRF模式中植被覆蓋度為月平均值，受季節(jié)變化的影響，植被覆蓋度季節(jié)變化顯著，夏季植被覆蓋度高，冬季植被覆蓋度低。模擬時(shí)段的植被覆蓋度是根據(jù)月平均值線性插值得到的。植被覆蓋度不僅是反照率、發(fā)射率、粗糙度和葉面積指數(shù)的主要影響因子，同時(shí)還影響土壤表層熱傳導(dǎo)率和地表不同蒸發(fā)類型的比率，如式（6）～（9）所示（Chen and Dudhia, 2001）：

, （7）

, （8）

式中，是裸地的土壤表層熱傳導(dǎo)率，是土壤表層熱傳導(dǎo)率，影響地表能量分配，是地表直接蒸發(fā)，是植被截留水蒸發(fā)，是植被蒸騰，是土壤含水量的函數(shù)，是潛在蒸發(fā)量，是植被層截留水量，是植被層最大截留水量，是植被阻抗的函數(shù)，受太陽(yáng)輻射、水汽壓、氣溫和土壤濕度的影響，是經(jīng)驗(yàn)參數(shù)，取值0.5。

2.2 試驗(yàn)設(shè)計(jì)

模式采用單向四重嵌套，網(wǎng)格距分別為27 km、9 km、3 km和1 km。第一重模擬區(qū)域覆蓋了中國(guó)大部及其周邊地區(qū)，第二重模擬區(qū)域主要包括甘肅、寧夏、陜西、青海及內(nèi)蒙部分地區(qū)，第三重模擬區(qū)域覆蓋了蘭州的三縣五區(qū)及周邊地區(qū)，第四重模擬區(qū)域覆蓋了蘭州市區(qū)及南北兩山大部分地區(qū)（圖1a、b）。模式垂直分為35 層，模式層頂氣壓為50 hPa。模擬時(shí)段選取2006年11月30日～12月30日，分三段積分，每段11天，每段前24小時(shí)作為模式起轉(zhuǎn)時(shí)間，不參與后續(xù)分析。模式初始場(chǎng)和側(cè)邊界條件由NCEP（National Centers for Environmental Prediction）/FNL（Final Analyses）資料（時(shí)間間隔6小時(shí)，空間分辨率1°×1°）提供。

參數(shù)化方案的選取直接影響WRF模式的模擬結(jié)果。張碧輝等（2012）比較了WRF模式中MYJ （Mellor-Yamada-Janjic）和YSU（Yonsei University）邊界層參數(shù)化方案對(duì)沈陽(yáng)冬季大氣邊界層結(jié)構(gòu)模擬的影響，發(fā)現(xiàn)選用YSU方案時(shí)模擬的2 m氣溫準(zhǔn)確率高，而風(fēng)速風(fēng)向?qū)吔鐚臃桨傅拿舾行圆蝗鐪囟让黠@。Jin et al.（2010）比較了四種陸面參數(shù)化方案對(duì)美國(guó)西部溫度和降水模擬的影響，指出Noah陸面參數(shù)化對(duì)冬季氣溫模擬較準(zhǔn)確，但模擬低溫偏高，而四種陸面參數(shù)化方案對(duì)降水模擬的影響很小。基于前人的研究結(jié)果，在初步比較不同參數(shù)化方案在蘭州地區(qū)模擬效果的基礎(chǔ)上，本研究選用WSM6（WRF Single-Moment 6-class）微物理參數(shù)化方案（Hong and Lim, 2006）；Kain-Fritsch積云參數(shù)化方案（第一重和第二重嵌套區(qū)域）（Kain, 2004）；RRTM（Rapid Radiative Transfer Model）長(zhǎng)波輻射參數(shù)化方案（Mlawer et al., 1997）；Dudhia短波輻射參數(shù)化方案（Dudhia, 1989）；YSU邊界層參數(shù)化方案（Hong et al., 2006）和Noah陸面過(guò)程參數(shù)化方案（Chen and Dudhia, 2001）。

本研究設(shè)計(jì)了基準(zhǔn)試驗(yàn)（BASE）、改變土地利用試驗(yàn)（LULC）、改變植被覆蓋度試驗(yàn)（VEGF）、同時(shí)改變土地利用和植被覆蓋度試驗(yàn)（LUVE）以及在LUVE試驗(yàn)基礎(chǔ)上采用新的地形資料試驗(yàn)（LAST）共計(jì)五組數(shù)值試驗(yàn)：

（1） BASE試驗(yàn)：所有輸入資料均為模式默認(rèn)資料，即USGS 30 s地形資料、波斯頓大學(xué)制作的MODIS土地利用資料（圖1c）和基于AVHRR NDVI建立的0.144°植被覆蓋度資料（圖1e）；

（2） LULC試驗(yàn)：用2006年MODIS土地利用資料（圖1d，MCD12Q1）代替模式默認(rèn)的2001年 MODIS土地利用資料；

（3）VEGF試驗(yàn)：用2006年MODIS NDVI反演得到的植被覆蓋度資料（圖1f，MOD13A3）代替模式默認(rèn)的植被覆蓋度資料；

（4）LUVE試驗(yàn)：同時(shí)使用2006年MODIS土地利用和植被覆蓋度資料；

（5）LAST試驗(yàn)：在LUVE試驗(yàn)基礎(chǔ)上用中國(guó)1 km分辨率數(shù)字高程模型數(shù)據(jù)集代替模式默認(rèn)地形資料。

2.3 模式評(píng)估方法

本文選用十個(gè)常用統(tǒng)計(jì)參數(shù)：認(rèn)同指數(shù)（）、準(zhǔn)確率（）、均方根誤差（）、相關(guān)系數(shù)（）、標(biāo)準(zhǔn)差（）、平均值（）、平均偏差（）、平均誤差（）、歸一化平均偏差（）和歸一化平均誤差（）（Willmott et al., 1985；Seigneur et al., 2000；Carvalho et al., 2012），評(píng)估WRF模式的模擬性能（表1）。第四重嵌套區(qū)域水平分辨率為1 km，基本能反映下墊面的非均勻特征，本文將研究區(qū)內(nèi)四個(gè)自動(dòng)氣象站（圖1b）的觀測(cè)資料（氣溫、風(fēng)向和風(fēng)速）與距站點(diǎn)最近格點(diǎn)的模擬結(jié)果進(jìn)行比較。蘭州和永靖站位于山谷中，榆中和皋蘭站位于山坡處。由于風(fēng)向的特殊性，本文僅用、和評(píng)估風(fēng)向的模擬效果。計(jì)算中所用標(biāo)準(zhǔn)值（）是可接受誤差的范圍，由于考慮了觀測(cè)的不確定性，其結(jié)果可以反映模式的總體模擬性能，其值與所選標(biāo)準(zhǔn)值大小有關(guān)，本文取氣溫、風(fēng)速和風(fēng)向的標(biāo)準(zhǔn)值分別為2 K、1 m s和30°（張碧輝等，2012）。

表1 統(tǒng)計(jì)參數(shù)計(jì)算方法

注：：模擬值；：模擬平均值；：觀測(cè)值；：觀測(cè)平均值；：觀測(cè)或模擬值；：觀測(cè)或模擬平均值；：樣本數(shù)；：滿足條件的樣本數(shù)；：標(biāo)準(zhǔn)值。

3 結(jié)果分析

3.1 陸面資料對(duì)近地面氣溫的影響

表2是WRF模式模擬的近地面氣溫和風(fēng)場(chǎng)與觀測(cè)值比較的統(tǒng)計(jì)結(jié)果。BASE試驗(yàn)土地利用資料誤差較大，蘭州站所在格點(diǎn)土地利用是水體（圖1b和c，冬季結(jié)冰），且蘭州城區(qū)面積明顯偏大，導(dǎo)致整體統(tǒng)計(jì)結(jié)果較差，2 m氣溫的只有41.3%。MODIS土地利用資料對(duì)WRF模擬的近地面溫度場(chǎng)影響較大，2 m氣溫的提高11.4%（LULC與BASE比較），但模擬的氣溫與觀測(cè)值相比偏高。MODIS植被覆蓋度資料對(duì)WRF模擬的2 m氣溫也有較大改進(jìn)，提高2.8%（VEGF與BASE比較），模擬的2 m氣溫的與觀測(cè)結(jié)果更接近。與土地利用和植被覆蓋度相比，地形資料對(duì)WRF模擬的近地面氣溫影響較小。LAST試驗(yàn)?zāi)M的2 m氣溫較LUVE試驗(yàn)略有改進(jìn)，和分別達(dá)到0.918和57.1%，減小為2.5 K。白天近地面氣溫受邊界層湍流混合和陸面過(guò)程共同影響，夜間湍流混合減弱，近地面氣溫受陸面過(guò)程影響更加顯著，與BASE試驗(yàn)相比，LAST試驗(yàn)?zāi)M的白天（12:00～16:00，北京時(shí)，下同）2 m氣溫的減小了0.3 K，夜間（20:00～06:00）2 m氣溫的減小了1.7 K，夜間氣溫改進(jìn)幅度較白天大。晴天少云時(shí)WRF模式模擬的白天最高氣溫出現(xiàn)在15:00～16:00，最低氣溫出現(xiàn)在早晨08:00，與觀測(cè)結(jié)果基本一致（圖2）。在BASE試驗(yàn)中蘭州站所在格點(diǎn)土地利用是水體（冬季結(jié)冰），導(dǎo)致模擬氣溫偏低，使用2006年MODIS土地利用資料后，明顯改進(jìn)了模式對(duì)2 m氣溫的模擬（圖2a）。改進(jìn)植被覆蓋度資料后WRF模式模擬的晝夜溫差增加，模擬的夜間氣溫更接近觀測(cè)值，該結(jié)論與何建軍等（2012）研究結(jié)果一致。綜合而言，近地面氣溫對(duì)陸面資料精度比較敏感，準(zhǔn)確的陸面資料可以顯著地改進(jìn)WRF模式對(duì)溫度的模擬。Emery et al.（2001）在評(píng)估不同模式不同尺度模擬效果的基礎(chǔ)上提出了氣溫和風(fēng)速的統(tǒng)計(jì)基準(zhǔn)值（表3）。LAST試驗(yàn)?zāi)M氣溫統(tǒng)計(jì)結(jié)果和均滿足表3中條件，說(shuō)明改進(jìn)陸面資料后WRF模式能很好地模擬蘭州地區(qū)氣溫變化。

表2 模式模擬的2 m氣溫、10 m風(fēng)速和風(fēng)向的統(tǒng)計(jì)結(jié)果

表3氣溫和風(fēng)速統(tǒng)計(jì)基準(zhǔn)

Table 3 Statistical benchmarks for temperature and wind speed

模式模擬的夜間氣溫偏差比白天大，LAST試驗(yàn)夜間氣溫明顯偏高（蘭州站除外），這可能與土壤濕度偏差有關(guān)。模式對(duì)后10天（12月21～30日）氣溫的模擬偏差比前20天（12月1～20日）大，可能與初始時(shí)刻地表的積雪狀況有關(guān)，這將在討論部分給出深入說(shuō)明。

下文以皋蘭站21日模擬結(jié)果為例，說(shuō)明陸 面資料影響溫度和地表能量平衡的機(jī)理。陸面資料通過(guò)影響陸面參數(shù)，而影響地表能量平衡和水 文過(guò)程。地表能量平衡由公式（10）和（11）描 述：

, （11）

式中，是地表凈輻射通量，是感熱通量，是潛熱通量，是土壤熱通量，是地表入射短波輻射，是地表入射長(zhǎng)波輻射，是地表溫度，是斯蒂芬?玻爾茲曼常數(shù)。

感熱、潛熱和土壤熱通量由公式（12）～（14）描述：

, （13）

, （14）

式中，是空氣密度，是空氣熱容，和分別是熱、濕交換系數(shù)，是風(fēng)速，和分別是近地面氣溫和第一層土壤溫度，和分別是地表和 近地面比濕，是第一層土壤深度。

和由公式（15）～（16）描述（Jiménez et al., 2012）：

（16）

式中，是馮卡門常數(shù)，是高度，是粗糙度，和分別是動(dòng)量和熱量的相似函數(shù)，是莫寧?奧布霍夫長(zhǎng)度，是摩擦速度，是有效傳熱系數(shù)。Noah陸面模式中假定和相等（Chen and Zhang，2009）。

表4 給出了不同敏感性試驗(yàn)中距皋蘭站最近格點(diǎn)的部分陸面信息和陸面參數(shù)。與BASE試驗(yàn)相比LULC試驗(yàn)土地利用由開放灌叢變成草地，使反照率和發(fā)射率減小，粗糙度增加。VEGF試驗(yàn)植被覆蓋度比BASE試驗(yàn)大，植被覆蓋度比率也發(fā)生變化，進(jìn)而影響其他陸面參數(shù)[公式（1）～（9）]。入射短波輻射和入射長(zhǎng)波輻射主要受大氣狀態(tài)和云量影響。21日是晴天，不同模擬試驗(yàn)入射短波輻射差異非常小，由于不同試驗(yàn)大氣溫度的差異，入射長(zhǎng)波輻射差異較短波輻射差異略大。由于不同試驗(yàn)地表發(fā)射率差異很小，長(zhǎng)波輻射和發(fā)射率對(duì)凈輻射影響很小，反照率變化是影響凈輻射變化的主要因子。開放灌叢變成草地，凈輻射最大增幅可達(dá)45.5 W m?2（圖3a）。地表能量分配主要受交換系數(shù)和表層土壤熱傳導(dǎo)率的影響[公式（12）～（14）]。土地利用變化使地表粗糙度發(fā)生變化，而地表交換系數(shù)與粗糙度有關(guān)，地表越粗糙，交換系數(shù)越大（Chen and Zhang, 2009）。受此影響LAST和LUVE試驗(yàn)地表交換系數(shù)比BASE試驗(yàn)地表交換系數(shù)大（圖4a）。植被覆蓋度影響表層土壤熱傳導(dǎo)率，其值越大，熱傳導(dǎo)率越小[公式（6）]，因此VEGF和LAST試驗(yàn)中的表層土壤熱傳導(dǎo)率低于其他試驗(yàn)（圖4b）。交換系數(shù)越大，地表吸收的能量向大氣輸送的越快，感熱也越大[公式（12）]；表層土壤熱傳導(dǎo)率越大，地表吸收的能量越容易被傳遞到深層土壤，土壤熱通量越大[公式（14）]，地表溫度則降低。受凈輻射以及交換系數(shù)、表層土壤熱傳導(dǎo)率等因子的綜合影響，LAST試驗(yàn)感熱和潛熱通量較大，土壤熱通量較小（圖3b–d）。表層土壤熱傳導(dǎo)率是計(jì)算土壤溫度和土壤熱通量的重要參數(shù)。凈輻射差異較小時(shí)，白天表層土壤熱傳導(dǎo)率越大，地表溫度越低，夜間則相反（圖4b和圖5b）。當(dāng)表層土壤熱傳導(dǎo)率差異很小時(shí)，交換系數(shù)成為影響地表溫度的重要因子，白天交換系數(shù)越大，地表溫度越低（如LAST試驗(yàn)交換系數(shù)較VEGF試驗(yàn)大，地表溫度低），夜間則相反。這說(shuō)明與交換系數(shù)相比，地表溫度對(duì)表層土壤熱傳導(dǎo)率更敏感。近地面氣溫不僅受地表能量平衡影響，還受大氣能量水平和垂直輸送影響，不同試驗(yàn)氣溫變化與地表通量變化趨勢(shì)不完全相同。LAST試驗(yàn)?zāi)M的地表溫度和氣溫白天比BASE試驗(yàn)的模擬值高，夜間比BASE試驗(yàn)的模擬值低，使氣溫（尤其是夜間氣溫）模擬誤差減小。

3.2 陸面資料對(duì)近地面風(fēng)場(chǎng)的影響

與氣溫相比，風(fēng)場(chǎng)的變化更加復(fù)雜。研究區(qū)地形復(fù)雜，風(fēng)速相對(duì)較小，目前中尺度模式對(duì)小風(fēng)速的模擬還存在較大的誤差（Miao et al., 2009），有研究指出WRF模式模擬風(fēng)速效果好于MM5模式（劉振鑫等，2012），但模擬風(fēng)速偏大（張碧輝等，2012）。

風(fēng)場(chǎng)對(duì)陸面資料精度不敏感，使用新的陸面資料后WRF模擬的風(fēng)速誤差略有減小，風(fēng)向誤差略有增加（表2）。研究區(qū)觀測(cè)風(fēng)速平均值是1.3 m s，而模式模擬風(fēng)速偏大，平均風(fēng)速最小是1.6 m s（BASE），最大達(dá)到1.8 m s（LAST和LUVE）。研究區(qū)域整體風(fēng)速較小，較高，5個(gè)敏感性試驗(yàn)?zāi)M的風(fēng)速均超過(guò)50%，但NME超過(guò)80%，也相對(duì)較低（表2）。LAST試驗(yàn)?zāi)M風(fēng)速統(tǒng)計(jì)結(jié)果滿足和的統(tǒng)計(jì)基準(zhǔn)（表3）。LAST試驗(yàn)?zāi)M白天氣溫和風(fēng)速的（Fractional Standard Deviation）分別是0.5%和15.8%，夜間氣溫和風(fēng)速的分別是0.4%和14.4%，風(fēng)速水平不均勻特征比氣溫明顯。WRF模擬風(fēng)場(chǎng)誤差較氣溫大的可能原因是WRF低估了城市對(duì)風(fēng)速的摩擦減弱作用（張碧輝等，2012）；WRF模式對(duì)低層風(fēng)速模擬存在系統(tǒng)性偏差（Shimada et al., 2011）；與氣溫相比，復(fù)雜地形對(duì)風(fēng)場(chǎng)（尤其是風(fēng)向）的影響大，風(fēng)場(chǎng)水平不均勻特征更顯著。圖6是LAST試驗(yàn)和觀測(cè)的10 m風(fēng)速和風(fēng)向頻率分布。從圖中可以看出WRF模擬的風(fēng)速偏大，模擬的風(fēng)向和風(fēng)速頻率分布與觀測(cè)基本一致，說(shuō)明WRF模式能較準(zhǔn)確地模擬研究區(qū)風(fēng)場(chǎng)演變特征。通過(guò)對(duì)比風(fēng)場(chǎng)模擬值與觀測(cè)值在各站點(diǎn)統(tǒng)計(jì)參數(shù)的差異，發(fā)現(xiàn)山坡處風(fēng)場(chǎng)模擬效果要好于山谷處，LAST試驗(yàn)在皋蘭站模擬的風(fēng)向達(dá)到48.7%。綜合而言，不同陸面資料引起風(fēng)場(chǎng)統(tǒng)計(jì)參數(shù)的變化較?。ū?），陸面資料的精度對(duì)風(fēng)場(chǎng)的影響不明顯。如何改進(jìn)復(fù)雜地形區(qū)風(fēng)場(chǎng)模擬，需要從邊界層參數(shù)化和近地面參數(shù)化等方面進(jìn)一步研究。

3.3 陸面資料對(duì)氣象場(chǎng)分布的影響

陸面資料通過(guò)地表能量平衡和水文過(guò)程影 響近地面氣象場(chǎng)，進(jìn)而影響邊界層結(jié)構(gòu)和局地環(huán)流。相關(guān)性分析可以定量描述不同試驗(yàn)?zāi)M結(jié)果的關(guān)系，同時(shí)能反映重要的物理過(guò)程（Gilliam et al., 2006; Jeong et al., 2012）。通過(guò)計(jì)算兩組試驗(yàn)?zāi)M的第四重嵌套區(qū)域（圖1a）白天和夜間平均氣象場(chǎng)的相關(guān)系數(shù)，可以確定不同土地利用、植被覆蓋度和地形對(duì)氣象場(chǎng)的影響程度，相關(guān)系數(shù)越低，說(shuō)明不同試驗(yàn)?zāi)M結(jié)果差異越明顯。圖7是使用不同陸面資料模擬的位溫和水汽混合比相關(guān)性分析，縱坐標(biāo)是距離地表的高度。陸面資料精度對(duì)氣溫分布影響明顯（圖7a），從相關(guān)系數(shù)可以看出土地利用對(duì)近地面氣溫分布影響最大。植被覆蓋度對(duì)溫度場(chǎng)影響高度可達(dá)500 m左右，土地利用和地形對(duì)溫度場(chǎng)影響高度在300 m左右。蘭州地區(qū)冬季邊界層高度較低，白天最大高度在500 m左右，陸面資料精度可影響整個(gè)邊界層溫度場(chǎng)分布，這也說(shuō)明準(zhǔn)確的陸面資料對(duì)提高WRF模式模擬近地面乃至整個(gè)邊界層氣象場(chǎng)至關(guān)重要。白天由于湍流混合較強(qiáng)，陸面資料精度（土地利用除外）對(duì)溫度場(chǎng)的影響不如夜間明顯。由于兩種土地利用資料差異較大（圖1c、d），使地表反照率等陸面參數(shù)差異較大，對(duì)白天溫度場(chǎng)影響大于夜間。陸面資料對(duì)水汽混合比分布的影響整體上弱于對(duì)溫度場(chǎng)的影響。LULC和BASE試驗(yàn)水陸分界存在明顯差異（圖1c、d），導(dǎo)致WRF模擬的水汽分布差異較大（圖7b）。與溫度和水汽混合比相比，不同陸面資料對(duì)風(fēng)速分布的影響更?。▓D略）。

3.4 模式格點(diǎn)精度對(duì)近地面氣象場(chǎng)的影響

模式格點(diǎn)陸面信息反映該區(qū)域主要陸面信息（如土地利用和土壤類型）或平均陸面信息（如地形和植被覆蓋度），提高模式水平分辨率可以更準(zhǔn)確的描述陸面信息。表5給出了四個(gè)觀測(cè)點(diǎn)實(shí)際海拔高度和LAST試驗(yàn)第三重嵌套區(qū)域（D03）和第四重嵌套區(qū)域（D04）中距離觀測(cè)點(diǎn)最近格點(diǎn)的地形高度，高分辨率下模式格點(diǎn)與觀測(cè)站點(diǎn)地形更接近。本文比較了LAST試驗(yàn)1 km（D04）和3 km（D03）水平分辨率模擬的近地面氣象場(chǎng)的差異（表6）。由于1 km水平分辨率可以更準(zhǔn)確的描述陸面信息，模擬的2 m氣溫、10 m風(fēng)速和風(fēng)向的總體上高于3 km水平分辨率模式模擬結(jié)果，說(shuō)明精確地陸面信息可以提高WRF模式模擬性能，提高模式水平分辨率可以改進(jìn)模式模擬結(jié)果，與呂光輝等（2009）的研究結(jié)果一致。但模式水平分辨率受諸多因子限制，如高分辨率下物理過(guò)程參數(shù)化方法的適用性有待進(jìn)一步研究，模式動(dòng)力框架限制了水平分辨率的進(jìn)一步提高。隨著陸面資料精度逐步提高，次網(wǎng)格參數(shù)化是進(jìn)一步提高WRF模擬性能的方法之一。永靖站3 km分辨率模擬的10 m風(fēng)場(chǎng)優(yōu)于1 km分辨率的模擬結(jié)果（表6），是由于格點(diǎn)代表性誤差造成的。利用站點(diǎn)觀測(cè)資料評(píng)估高分辨率模式模擬性能時(shí)，一般將距離站點(diǎn)最近的格點(diǎn)的模擬值與觀測(cè)值進(jìn)行比較，但格點(diǎn)的陸面信息與觀測(cè)點(diǎn)的陸面信息可能會(huì)有較大偏差（主要有以下幾種情形：由于格點(diǎn)地形高度是區(qū)域平均值，在復(fù)雜地形區(qū)格點(diǎn)地形高度與站點(diǎn)地形高度易出現(xiàn)較大差異；迎風(fēng)坡與背風(fēng)坡差異；山谷與山頂位置差異；土地利用方式差異；土壤類型差異等），這導(dǎo)致最近格點(diǎn)的模擬值與觀測(cè)值差異較大，影響模式評(píng)估結(jié)果，因此完善模式模擬值與站點(diǎn)觀測(cè)值比較的方法也非常重要。格點(diǎn)代表性誤差問(wèn)題非本文研究重點(diǎn)，作者將在其它論文中詳細(xì)分析該問(wèn)題。

表5 四個(gè)觀測(cè)點(diǎn)及LAST試驗(yàn)D03和D04距離觀測(cè)點(diǎn)最近格點(diǎn)的地形高度（m）

表6 不同水平分辨率下（D03和D04）LAST試驗(yàn)?zāi)M近地面物理量的HR

4 討論

數(shù)值模式模擬結(jié)果對(duì)土壤濕度非常敏感（陳海山和周晶，2013）。LAST試驗(yàn)改進(jìn)了WRF模式對(duì)近地面氣溫的模擬，但模擬的夜間氣溫仍偏高較多（圖2），特別是12月下旬，這一方面與土壤濕度的初值有關(guān)，另一方面與模式初始時(shí)刻地面積雪不準(zhǔn)確有關(guān)。NCEP/FNL資料空間分辨率低（1°×1°），插值后得到的第四重嵌套區(qū)域第一層（深10 cm）土壤濕度平均值是24.6%，而位于第四重嵌套區(qū)域東南部的SACOL（Semi-Arid Climate and Environment Observatory of Lanzhou University）站觀測(cè)的2006年12月10 cm土壤濕度是8%，冬季平均土壤濕度是10%（Guan et al., 2009），較大的土壤濕度誤差影響了模式的模擬結(jié)果。在LAST試驗(yàn)基礎(chǔ)上將第四重嵌套區(qū)域10 cm深度土壤濕度設(shè)為8%，保持其空間分布不變，模擬研究了土壤濕度對(duì)近地面氣溫的影響。圖8a是LAST試驗(yàn)和在LAST試驗(yàn)基礎(chǔ)上修改土壤濕度后模擬的皋蘭站2 m氣溫與觀測(cè)值的比較。由于土壤濕度減小后土壤熱容和熱傳導(dǎo)率隨之減小，同時(shí)白天地表蒸發(fā)減小，感熱通量增加，模式模擬的白天氣溫升高，夜間氣溫降低，模擬的2 m氣溫的由44% 提高到58%，減小0.5 K。在半干旱區(qū)，WRF模式模擬的氣溫對(duì)土壤濕度非常敏感，準(zhǔn)確的土壤濕度可以提高近地面氣溫的模擬精度。

Wang et al.（2010）觀測(cè)發(fā)現(xiàn)，地表有積雪時(shí)反照率增加，最大反照率可達(dá)0.9。本文研究時(shí)段研究區(qū)有積雪，且積雪維持時(shí)間較長(zhǎng)，由于NCEP/FNL資料空間分辨率低，造成地表積雪初值誤差較大。與觀測(cè)值相比，WRF模式模擬的12月21～30日2 m氣溫偏差比前20天的大（圖2）。為了了解造成這一誤差的原因，這里將WRF連續(xù)積分21天（12月10～30日，陸面資料與LAST試驗(yàn)相同），將得到的后10天的2 m氣溫、10 m風(fēng)速和風(fēng)向與觀測(cè)值進(jìn)行比較。與LAST試驗(yàn)相比，采用連續(xù)積分后，氣溫、風(fēng)速和風(fēng)向的分別提高了8.2%、0.1%和1.4%，分別減小0.5 K、0.1 m s和1.6°。圖8b是連續(xù)積分和分段積分得到的皋蘭站2 m氣溫與觀測(cè)值的比較，分段模擬時(shí)（12月20～30日），初始時(shí)刻地表沒(méi)有積雪，與觀測(cè)事實(shí)不符，模擬的2 m氣溫明顯偏高。采用連續(xù)積分后，地表出現(xiàn)積雪，地表反照率增加，模擬的2 m氣溫有所降低，改進(jìn)了氣溫的模擬，說(shuō)明合理選擇模式初始積分時(shí)刻對(duì)模式模擬結(jié)果也有較大影響。

5 結(jié)論

WRF模式模擬性能受多方面因子的影響，其中陸面過(guò)程是重要的影響因子之一。本文采用高精度陸面資料（中國(guó)1 km分辨率數(shù)字高程模型數(shù)據(jù)集、2006年MODIS土地利用和植被覆蓋度資料），結(jié)合近地面觀測(cè)資料，評(píng)估了陸面輸入資料對(duì)WRF模式模擬復(fù)雜地形下墊面冬季氣象場(chǎng)性能的影響，得到以下結(jié)論：

（1）氣溫對(duì)陸面資料精度非常敏感，采用高精度陸面資料后，WRF模式模擬的近地面氣溫誤差顯著減小，準(zhǔn)確率提高了15.8%，模擬夜間氣溫改進(jìn)幅度較白天大。采用2006年MODIS土地利用資料對(duì)氣溫的改進(jìn)最明顯，基于MODIS/NDVI的植被覆蓋度資料影響次之，地形資料對(duì)WRF模擬的溫度場(chǎng)影響較小。陸面資料可以影響整個(gè)邊界層溫度場(chǎng)分布，準(zhǔn)確的陸面資料對(duì)提高WRF模式對(duì)近地面乃至整個(gè)邊界層氣象場(chǎng)的模擬能力至關(guān)重要。干旱半干旱區(qū)冬季數(shù)值模擬需要注意土壤濕度初值和模式初始積分時(shí)刻對(duì)模擬結(jié)果的影響。

（2）WRF模式對(duì)小風(fēng)速的模擬誤差較大，研究區(qū)平均風(fēng)速較小，WRF模擬的風(fēng)速偏大。WRF模式能較好地模擬山谷風(fēng)環(huán)流，對(duì)山坡處風(fēng)場(chǎng)的模擬要好于山谷處，風(fēng)向的準(zhǔn)確率最大值超過(guò)50%。風(fēng)場(chǎng)對(duì)陸面資料的精度不敏感，使用新的陸面資料后，WRF模擬的風(fēng)速誤差略有減小，風(fēng)向誤差略有增加。

綜合而言，WRF模式對(duì)近地面溫度場(chǎng)的模擬好于對(duì)風(fēng)場(chǎng)的模擬。在干旱半干旱區(qū)冬季，采用高精度陸面資料后，WRF模擬的近地面氣溫準(zhǔn)確率提高、誤差減小，特別是夜間氣溫。盡管風(fēng)速模擬誤差較大，WRF模式能較準(zhǔn)確地模擬研究區(qū)風(fēng)場(chǎng)的演變特征。如何改進(jìn)數(shù)值模式對(duì)復(fù)雜地形區(qū)風(fēng)場(chǎng)的模擬，特別是靜風(fēng)頻率較高的冬季，還需要進(jìn)一步的研究。需要指出，不同地區(qū)不同季節(jié)高精度陸面資料對(duì)中尺度模式模擬結(jié)果的影響存在差異，有必要綜合評(píng)估中國(guó)地區(qū)采用高精度陸面資料對(duì)WRF模式模擬性能的影響，為認(rèn)識(shí)WRF模式的模擬性能及提高業(yè)務(wù)預(yù)報(bào)水平提供指導(dǎo)。

致謝 地形數(shù)據(jù)來(lái)源于國(guó)家自然科學(xué)基金委員會(huì)“中國(guó)西部環(huán)境與生態(tài)科學(xué)數(shù)據(jù)中心”（http://westdc.westgis.ac.cn [2013–03–10]），感謝兩位審稿專家提出的寶貴建議。

Carvalho D, Rocha A, Gómez-Gesteira M, et al. 2012. A sensitivity study of the WRF model in wind simulation for an area of high wind energy [J]. Environmental Modelling & Software, 33: 23–34.

Chen F, Dudhia J. 2001. Coupling an advanced land surface-hydrology model with the Penn State-NCAR MM5 modeling system. Part I: Model implementation and sensitivity [J]. Mon. Wea. Rev., 129 (4): 569–585.

Chen F, Zhang Y. 2009. On the coupling strength between the land surface and the atmosphere: From viewpoint of surface exchange coefficients [J]. Geophys. Res. Lett., 36 (10): L10404, doi:10.1029/2009GL037980.

陳海山, 周晶. 2013. 土壤濕度年際變化對(duì)中國(guó)區(qū)域極端氣候事件模擬的影響研究II. 敏感性試驗(yàn)分析 [J]. 大氣科學(xué), 37 (1): 1–13. Chen H S, Zhou J. 2013. Impact of interannual soil moisture anomaly on simulation of extreme climate events in China. Part II: Sensitivity experiment analysis [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 37 (1): 1–13.

Chen Y, Zhao C S, Zhang Q, et al. 2009. Aircraft study of mountain chimney effect of Beijing, China [J]. Journal of Geophysical Research, 114 (D8): D08306, doi:10.1029/2008JD010610.

Chen Y Y, Yang K, Zhou D G, et al. 2010. Improving the Noah land surface model in arid regions with an appropriate parameterization of the thermal roughness length [J]. J. Hydrometeor., 11 (4): 995–1006.

董俊玲, 韓志偉, 張仁健, 等. 2011. WRF模式對(duì)中國(guó)城市和半干旱地區(qū)氣象要素的模擬檢驗(yàn)和對(duì)比分析 [J]. 氣象科學(xué), 31 (4): 484–492. Dong J L, Han Z W, Zhang R J, et al. 2011. Evaluation and analysis of WRF-simulated meteorological variables in the urban and semi-arid areas of China [J]. Journal of the Meteorological Sciences (in Chinese), 31 (4): 484–492.

Dudhia J. 1989. Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model [J]. Journal of Atmospheric Sciences, 46 (20): 3077–3107.

Emery C A, Tai E, Yarwood G. 2001. Enhanced meteorological modeling and performance evaluation for two Texas ozone episodes, Project Report Prepared for the Texas Natural Resource Conservation Commission [R]. Texas: the Texas Natural Resource Conservation Commission.

Fan S J, Fan Q, Yu W, et al. 2011. Atmospheric boundary layer characteristics over the Pearl River Delta, China, during the summer of 2006: Measurement and model results [J]. Atmos. Chem. Phys., 11 (13): 6297–6310.

Feng J M, Wang Y L, Ma Z G, et al. 2012. Simulating the regional impacts of urbanization and anthropogenic heat release on climate across China [J]. J. Climate, 25 (20): 7187–7203.

Gao Y H, Chen F, Barlage M, et al. 2008. Enhancement of land surface information and its impact on atmospheric modeling in the Heihe River basin, China [J]. J. Geophys. Res., 113 (D20): D20S90, doi:10.1029/ 2008JD010359.

Gilliam R C, Hogrefe C, Rao S T. 2006. New methods for evaluating meteorological models used in air quality applications [J]. Atmos. Environ., 40 (26): 5073–5086.

宮鵬. 2009. 基于全球通量觀測(cè)站的全球土地覆蓋圖精度檢驗(yàn) [J]. 自然科學(xué)進(jìn)展, 19 (7): 754–759. Gong P. 2009. Accuracy assessment of global land cover datasets based on global field stations [J]. Progress in Natural Science (in Chinese), 19 (7): 754–759.

Guan X D, Huang J P, Guo N, et al. 2009. Variability of soil moisture and its relationship with surface albedo and soil thermal parameters over the Loess Plateau [J]. Adv. Atmos. Sci., 26 (4): 692–700.

Gutman G, Ignatov A. 1998. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models [J]. Int. J. Remote Sens., 19 (8): 1533–1543.

何建軍, 余曄, 陳晉北, 等. 2012. 植被覆蓋度對(duì)蘭州地區(qū)氣象場(chǎng)影響的模擬研究 [J]. 高原氣象, 31 (6): 1611–1621. He J J, Yu Y, Chen J B, et al. 2012. Simulation study of the influence of vegetation fraction on meteorological condition in Lanzhou using WRF model [J]. Plateau Meteorology (in Chinese), 31 (6): 1611–1621.

Hong S, Lakshmi V, Small E E, et al. 2009. Effects of vegetation and soil moisture on the simulated land surface processes from the coupled WRF/Noah model [J]. J. Geophys. Res., 114 (D18): D18118, doi: 10.1029/2008JD011249.

Hong S Y, Lim J O J. 2006. The WRF Single-Moment 6-Class Microphysics Scheme [J]. Journal of the Korean Meteorological Society, 42 (2): 129?151.

Hong S Y, Noh Y, Dudhia J. 2006. A new vertical diffusion package with an explicit treatment of entrainment processes [J]. Mon. Wea. Rev., 134 (9): 2318?2341.

黃菁, 張強(qiáng). 2012. 中尺度大氣數(shù)值模擬及其進(jìn)展 [J]. 干旱區(qū)研究, 29 (2): 273–283. Huang J, Zhang Q. 2012. Mesoscale atmospheric numerical simulation and its progress [J]. Arid Zone Research (in Chinese), 29 (2): 273–283.

Jeong J H, Song S K, Lee H W, et al. 2012. Effects of high-resolution land cover and topography on local circulations in two different coastal regions of Korea: A numerical modeling study [J]. Meteor. Atmos. Phys., 118 (1?2): 1–20.

Jiménez P A, Dudhia J, González-Rouco J F, et al. 2012. A revised scheme for the WRF surface layer formulation [J]. Mon. Wea. Rev., 140 (3): 898–918.

Jin J M, Miller N L, Schlegel N. 2010. Sensitivity study of four land surface schemes in the WRF model [J]. Advances in Meteorology, 2010, Article ID 167436, doi:10.1155/2010/167436.

Kain J S. 2004. The Kain-Fritsch convective parameterization: An update [J]. Journal of Applied Meteorology and Climatology, 43 (1): 170-181.

李安泰, 何宏讓, 張?jiān)? 2012. WRF模式陸面參數(shù)擾動(dòng)對(duì)一次西北暴雨影響的數(shù)值模擬 [J]. 高原氣象, 31 (1): 65–75. Li A T, He H R, Zhang Y. 2012. Numerical simulation of effect of WRF land surface parameter disturbance on a rainstorm in Northwest China [J]. Plateau Meteorology (in Chinese), 31 (1): 65–75.

Litta A J, Mohanty U C, Das S, et al. 2012. Numerical simulation of severe local storms over East India using WRF-NMM mesoscale model [J]. Atmos. Res., 116: 161–184.

劉樹華, 劉振鑫, 李炬, 等. 2009. 京津冀地區(qū)大氣局地環(huán)流耦合效應(yīng)的數(shù)值模擬 [J]. 中國(guó)科學(xué), 39 (1): 88–98. Liu S H, Liu Z X, Li J, et al. 2009. The coupling effect of local atmospheric circulations over the area of Beijing, Tianjin and Hebei Province [J]. Sci. China Earth Sci. (in Chinese), 39 (1): 88–98.

劉振鑫, 劉樹華, 胡非, 等. 2012. MM5和WRF對(duì)北京地區(qū)低層大氣局地環(huán)流模擬能力的對(duì)比研究 [J]. 中國(guó)科學(xué), 42 (2): 301–312. Liu Z X, Liu S H, Hu F, et al. 2012. A comparison study of the simulation accuracy between WRF and MM5 in simulating local atmospheric circulations over Greater Beijing [J]. Sci. China Earth Sci. (in Chinese), 42 (2): 301–312.

呂光輝, 于恩濤, 向偉玲, 等. 2009. WRF模式分辨率對(duì)新疆異常降雨天氣要素模擬的影響 [J]. 氣候與環(huán)境研究, 14 (1): 85–96. Lü G H, Yu E T, Xiang W L, et al. 2009. Effect of horizontal and vertical resolution on WRF simulation of the unusual rainfall event in Xinjiang [J]. Climate and Environmental Research (in Chinese), 14 (1): 85–96.

Miao J F, Chen D, Brone K. 2007. Evaluation and comparison of Noah and Pleim-Xiu land surface models in MM5 using G?TE2001 data: Spatial and temporal variations in near-surface air temperature [J]. J. Appl. Meteor. Climatol., 46 (10): 1587–1605.

繆國(guó)軍, 張鐳, 舒紅. 2007. 利用WRF對(duì)蘭州冬季大氣邊界層的數(shù)值模擬 [J]. 氣象科技, 27 (2): 169–175. Miao G J, Zhang L, Shu H. 2007. The numerical simulation of the wind speed and temperature field in winter atmospheric boundary layer in Lanzhou by using WRF [J]. Scientia Meteorologica Sinica (in Chinese), 27 (2): 169–175.

Miao S G, Chen F, Lemone M A, et al. 2009. An observational and modeling study of characteristics of urban heat island and boundary layer structures in Beijing [J]. J. Appl. Meteor. Climat., 48 (3): 484–501.

Mlawer E J, Taubman S J, Brown P D, et al. 1997. Radiative transfer for inhomogeneous atmosphere: RRTM, a validated correlated-model for longwave [J]. J. Geophys. Res., 102 (D14): 16663-16682.

Ruiz J J, Saulo C, Nogues-Paegle J. 2010. WRF model sensitivity to choice of parameterization over South America: Validation against surface variables [J]. Mon. Wea. Rev., 138 (8): 3342–3355.

Seigneur C, Pun B, Pai P, et al. 2000. Guidance for the performance evaluation of three-dimensional air quality modeling systems for particulate matter and visibility [J]. Journal of the Waste Management Association, 50 (4): 588–599.

Sertel E, Robock A, Ormeci C. 2010. Impacts of land cover data quality on regional climate simulations [J]. Int. J. Climatol., 30 (13): 1942–1953.

Shimada S, Ohsawa T, Chikaoka S, et al. 2011. Accuracy of the wind speed profile in the lower PBL as simulated by the WRF model [J]. Sola, 7: 109–112.

Skamarock W C, Klemp J B, Dudhia J, et al. 2008. A Description of the Advanced Research WRF Version 3 [R]. NCAR Tech. Note NCAR/TN-475+STR.

佟華, 劉輝志, 趙琳娜. 2009. 半干旱區(qū)陸面模式參數(shù)對(duì)水分循環(huán)的敏感性研究 [J]. 氣候與環(huán)境研究, 14 (6): 621–630. Tong H, Liu H Z, Zhao L N. 2009. Sensitivity research of parameters to water cycle in land surface model in semi-arid area [J]. Climatic and Environment Research (in Chinese), 14 (6): 621–630.

Wang G Y, Huang J P, Guo W D, et al. 2010. Observation analysis of land–atmosphere interactions over the Loess Plateau of Northwest China [J]. J. Geophys. Res., 115 (D7): D00K17, doi:10.1029/2009JD013372.

王瑾, 張鐳, 王騰蛟, 等. 2012. 蘭州附近山谷典型日環(huán)流特征對(duì)比分析 [J]. 干旱氣象, 30 (2): 169–177. Wang J, Zhang L, Wang T J, et al. 2012 Comparative analysis of mountain-valley wind circulation characteristics over semi-arid areas nearby Lanzhou [J]. Journal of Arid Meteorology (in Chinese), 30 (2): 169–177.

王穎, 張鐳, 胡菊, 等. 2010. WRF模式對(duì)山谷城市邊界層模擬能力的檢驗(yàn)及地面氣象特征分析 [J]. 高原氣象, 29 (6): 1397–1407. Wang Y, Zhang L, Hu J, et al. 2010. Verification of WRF simulation capacity on PBL characteristic and analysis of surface meteorological characteristic over complex terrain [J]. Plateau Meteorology (in Chinese), 29 (6): 1397–1407.

王穎, 隆霄, 余曄, 等. 2013. 復(fù)雜地形上氣象場(chǎng)對(duì)空氣質(zhì)量數(shù)值模擬結(jié)果影響的研究 [J]. 大氣科學(xué), 37 (1): 14–22. Wang Y, Long X, Yu Y, et al. 2013. The impacts of various meteorological conditions on air quality modeling results over complex terrain [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 37 (1): 14–22.

Willmott C J, Ackleson S G, Davis R E, et al. 1985. Statistics for the evaluation and comparison of models [J]. J. Geophys. Res., 90 (NC5): 8995–9005.

張碧輝, 劉樹華, Liu H P, 等. 2012. MYJ和YSU方案對(duì)WRF邊界層氣象要素模擬的影響 [J]. 地球物理學(xué)報(bào), 55 (7): 2239–2248. Zhang B H, Liu S H, Liu H P, et al. 2012. The effect of MYJ and YSU schemes on the simulation of boundary layer meteorological factors of WRF [J]. Chinese Journal of Geophysics (in Chinese), 55 (7): 2239–2248.

張朝林, 苗世光, 李青春, 等. 2007. 北京精細(xì)下墊面信息引入對(duì)暴雨模擬的影響 [J]. 地球物理學(xué)報(bào), 50 (5): 1373–1382. Zhang C L, Miao S G, Li Q C, et al. 2007. Impacts of fine-resolution land use information of Beijing on a summer severe rainfall simulation [J]. Chinese Journal of Geophysics (in Chinese), 50 (5): 1373–1382.

張小培, 銀燕. 2013. 復(fù)雜地形地區(qū)WRF模式四種邊界層參數(shù)化方案的評(píng)估 [J]. 大氣科學(xué)學(xué)報(bào), 36 (1): 68–76. Zhang X P, Yin Y. 2013. Evaluation of the four PBL schemes in WRF model over complex topographic areas [J]. Transactions of Atmospheric Sciences (in Chinese), 36 (1): 68–76.

張宇, 郭振海, 張文煜, 等. 2010. 中尺度模式不同分辨率下大氣多尺度特征模擬能力分析 [J]. 大氣科學(xué), 34 (3): 653–660. Zhang Y, Guo Z H, Zhang W Y, et al. 2010. Analysis of mesoscale numerical model’s ability of atmospheric multi-scale characteristics simulation in variety resolution [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 34 (3): 653–660.

張宇, 郭振海, 林一驊, 等. 2013. 中尺度模式風(fēng)電場(chǎng)風(fēng)速短期預(yù)報(bào)能力研究 [J]. 大氣科學(xué), 37(4): 955–962. Zhang Y, Guo Z H, Lin Y H, et al. 2013. Predictive capacity of mesoscale model for short-range wind speed forecasting at wind power farm [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 37 (4): 955–962.

Impact of Land Surface Information on WRF’s Performance in Complex Terrain Area

HE Jianjun, YU Ye, LIU Na, ZHAO Suping, and CHEN Jinbei

1,,,730000 2,100049

By using the 1-km resolution digital elevation model dataset of China and the moderate-resolution imaging spectroradiometer (MODIS) land use and vegetation fraction data recorded in 2006, this study assesses the impact of land surface information on the performance of the Weather Research and Forecasting (WRF) model for the river valley city of Lanzhou in winter. Results indicated that the near surface temperature was very sensitive to the land surface data resolution, and the near surface wind field was not sensitive to the land surface data resolution. The WRF model reproduced the near surface temperature better than the wind field, and its performance on near surface temperature was clearly affected by land surface information. The hit rate of the WRF simulated near surface temperature to observations increased by 15.8% when model default land surface data were replaced by MODIS derivations and the 1-km resolution digital elevation model dataset of China; the improvement measured in the night was more obvious than that measured in the day. The impact of surface conditions on temperature extended throughout the boundary layer, which indicates that accurate land surface information is vital for improving near surface and boundary layer simulation of the WRF model. Moreover, the WRF model accurately simulated the evolution of the wind field. The error of WRF modeled wind speed slightly decreased and the error of WRF modeled wind direction slightly increased with updated land surface information. The impact of the initial values of soil moisture and initial integration time on the model’s performance is more obvious noticed in winter in arid and semi-arid regions.

WRF, Complex terrain, Land use, Vegetation fraction, Soil moisture, Initial fields, Model assessment

1006–9895(2014)03–0484–15

P435

A

10.3878/j.issn.1006-9895.2013.13186

2013–06–02，

2013–09–10收修定稿

國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃2013CB956004，中國(guó)科學(xué)院百人計(jì)劃項(xiàng)目290827631，國(guó)家自然科學(xué)基金 41175009，蘭州市科技攻關(guān)計(jì)劃項(xiàng)目2009KJLQ

何建軍，男，1983年出生，博士研究生，主要從事中尺度數(shù)值模擬研究。E-mail: hejianjunlzb@gmail.com

余曄，E-mail: yyu@lzb.ac.cn

何建軍, 余曄, 劉娜, 等. 2014. 復(fù)雜地形區(qū)陸面資料對(duì)WRF模式模擬性能的影響[J]. 大氣科學(xué), 38 (3): 484–498, doi:10.3878/j.issn.1006-9895.2013. 13186. He Jianjun, Yu Ye, Liu Na, et al. 2014. Impact of land surface information on WRF’s performance in complex terrain area [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 38 (3): 484–498.