陸正奇,韓永翔,夏俊榮,2, 趙天良

?

WRF模式對污染天氣下邊界層高度的模擬研究

陸正奇1,韓永翔1*,夏俊榮1,2, 趙天良1

(1.南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評估協(xié)同創(chuàng)新中心,中國氣象局氣溶膠-云-降水重點(diǎn)開放實(shí)驗(yàn)室,江蘇 南京 210044；2.中國科學(xué)院大氣物理研究所中層大氣與全球環(huán)境探測重點(diǎn)實(shí)驗(yàn)室,北京 100029)

大氣邊界層高度是影響大氣污染物濃度的重要因素之一,但數(shù)值模式中選擇不同邊界層參數(shù)化方案模擬的邊界層高度有很大差異.利用WRF模式中5種邊界層參數(shù)化方案及2006~2007年春、秋、冬3季河北香河地區(qū)激光雷達(dá)觀測資料,對比分析了污染天氣下,不同邊界層方案對邊界層高度的模擬效果,并分析了誤差產(chǎn)生的可能原因.結(jié)果表明:5種參數(shù)化方案均能模擬出3季污染天氣下邊界層高度的變化特征,但各方案模擬的邊界層高度與觀測之間均存在較大誤差.模擬的最大邊界層高度月變化特征顯示,秋冬季的模擬結(jié)果與觀測值匹配較好,春季偏差較大;模擬的邊界層高度日變化顯示,均方根誤差:春季>秋季>冬季,且誤差在午后(14:00~18:00)更加明顯;對該地區(qū)而言,非局地YSU方案能較好地模擬污染天氣下的邊界層高度;各參數(shù)化方案中邊界層高度計(jì)算方法的不同及對大氣廓線、湍流動能的模擬差異,可能是造成模擬邊界層高度產(chǎn)生誤差的主要原因.

WRF模式；邊界層參數(shù)化方案；污染天氣；邊界層高度

大氣邊界層是直接受地面影響最強(qiáng)烈的低層大氣,表現(xiàn)出明顯的湍流特性,是大氣污染的主要發(fā)生地[1].大氣邊界層高度及其垂直結(jié)構(gòu)直接影響著污染物在垂直方向上的分布和擴(kuò)散效率,對大氣污染的形成、發(fā)展、維持與消散起著重要的作用[2].在不同的邊界層條件下,污染排放量相同時地面的污染物濃度可相差幾十倍乃至幾百倍[3].因此,準(zhǔn)確地計(jì)算邊界層高度,對研究大氣污染物分布和污染預(yù)報(bào)具有重要意義.

目前,邊界層高度主要依據(jù)兩大體系進(jìn)行推算或模擬.一種體系是利用早晚兩次的探空觀測資料結(jié)合理論來計(jì)算邊界層高度.目前國內(nèi)外發(fā)展了一大批基于探空觀測資料的邊界層高度診斷公式,如羅氏法[4]、國標(biāo)法[5]、干絕熱法[6]及位溫梯度法[7]等,并有大量學(xué)者進(jìn)行了對比驗(yàn)證[8-10],發(fā)現(xiàn)采用不同方法所得的邊界層高度相差很大.如利用西安郊區(qū)涇河觀象臺的同一探空及氣象資料,采用國標(biāo)法、羅氏法和位溫法3種不同方法計(jì)算了日最大邊界層高度[11],國標(biāo)法為2500m(11:00),羅氏法是1800m(16:00),位溫法僅480m(11:00),如此顯著的差異意味著用這些方法進(jìn)行邊界層高度預(yù)報(bào)具有巨大的不確定性.另一種體系是基于湍流理論的多種大氣邊界層參數(shù)化方案結(jié)合數(shù)值模式來預(yù)報(bào)邊界層高度.如最常用的WRF模式中有13種邊界層方案,雖然各方案都能模擬出邊界層高度的日變化特征[12-14],但在不同的下墊面及天氣條件下,各方案在模擬邊界層高度時往往存在不同程度的誤差[13-14].Hu等[15]認(rèn)為產(chǎn)生誤差的原因主要是不同邊界層方案的湍流混合方式、邊界層高度的計(jì)算方法各不相同,因而其模擬垂直方向上的熱量、水汽和動量等物理量也會發(fā)生很大的變化,導(dǎo)致模擬的邊界層高度產(chǎn)生較大差異.

激光雷達(dá)可以探測不同高度上的氣溶膠后向散射信號,并通過反演得到大氣邊界層高度及其演變過程[16],這也為研究大氣邊界層高度提供了一種新的技術(shù)手段.許多學(xué)者利用激光雷達(dá)對大氣邊界層高度進(jìn)行了探測研究[17-19],認(rèn)為激光雷達(dá)可比較真實(shí)地反演出連續(xù)的大氣邊界層高度和結(jié)構(gòu).但目前我國擁有激光雷達(dá)的站點(diǎn)非常少,且它反映的僅是一個點(diǎn)的情況,區(qū)域大氣污染預(yù)報(bào)中主要依靠數(shù)值模式結(jié)合邊界層參數(shù)化方案來預(yù)報(bào)邊界層高度.因此,在污染天氣下,以激光雷達(dá)反演的邊界層高度作為基準(zhǔn)值,研究哪種邊界層參數(shù)化方案能夠較準(zhǔn)確的模擬出實(shí)際的邊界層高度,進(jìn)而揭示其產(chǎn)生誤差的原因,將有助于改進(jìn)邊界層參數(shù)化方案,提高大氣污染數(shù)值預(yù)報(bào)模式的準(zhǔn)確率.

本文以污染天氣下,河北香河地區(qū)春、秋、冬3季激光雷達(dá)反演的邊界層高度作為基準(zhǔn)值,選取5種邊界層參數(shù)化方案(YSU,MYJ,MYNN, ACM2,BL),用高分辨率中尺度WRF模式模擬了同期白天該地區(qū)的邊界層高度,用泰勒圖[20]對各方案模擬效果進(jìn)行評估,并根據(jù)邊界層高度的計(jì)算方法,揭示各方案產(chǎn)生誤差的原因.

1 資料與方法

1.1 資料來源及個例選取

激光雷達(dá)資料來自中科院大氣物理研究所河北香河大氣觀測綜合試驗(yàn)站,實(shí)驗(yàn)采用ALS-300型Mie散射激光雷達(dá)(EZLidar),波長為355nm.觀測時間為2006-09~2007-11,根據(jù)氣象行業(yè)標(biāo)準(zhǔn)《霾的觀測和預(yù)報(bào)等級》[21],以能見度低于10km,相對濕度小于70%的灰霾天作為污染天氣.剔除部分缺失資料,全年觀測的污染天氣共46d,其中春季(3~5月)13d,秋季(9~11月)14d,冬季(12~2月)19d,夏季污染天氣較少,且激光雷達(dá)維護(hù)頻繁,因此不作為個例進(jìn)行統(tǒng)計(jì).由于早晨及傍晚大氣邊界層容易受到殘留層的影響,選取每日10:00~18:00的觀測資料,每隔1h讀取一次數(shù)據(jù).激光雷達(dá)反演邊界層高度采用小波協(xié)方差變換法[22],具體公式如下:

小波協(xié)方差變換函數(shù)f為:

1.2 邊界層方案的選擇及邊界層高度的計(jì)算

WRFV3.7.1中提供了13種邊界層參數(shù)化方案,常用的參數(shù)化方案有9種.根據(jù)邊界層高度計(jì)算方法,可大致分為理查森數(shù)算法(YSU, ACM2, Shin-Hong)、湍流動能算法(MYJ,QNSE, UW)和虛位溫算法(BL,MYNN2.5,MYNN3),每種算法挑選一個(YSU,MYJ,BL),其中理查森數(shù)算法中YSU與ACM2方案,虛位溫算法中BL與MYNN方案的計(jì)算細(xì)節(jié)有較大差異.因此,本文最后選擇了5種邊界層方案(YSU,MYJ, MYNN2.5,ACM2, BL).這5種方案中邊界層高度的計(jì)算過程如下:

YSU方案:邊界層高度定義為達(dá)到臨界理查森數(shù)時所對應(yīng)的高度[23],即:

式中:Ribcr為臨界理查森數(shù)(不穩(wěn)定層結(jié)時,Ribcr為0;穩(wěn)定層結(jié)時,陸地上Ribcr為0.25);()是處的水平風(fēng)速;θ為模式最底層的虛位溫;θ()為處的虛位溫;θ為近地面虛位溫:

計(jì)算邊界層高度時,先不考慮θ,根據(jù)式(3)對邊界層高度進(jìn)行一次估算,根據(jù)估算的計(jì)算地表變量W和θ,再代入公式(3)重新計(jì)算邊界層高度.

MYJ方案:邊界層高度定義為湍流動能強(qiáng)度下降到臨界值0.2m2/s2時所在的高度[24].

MYNN2.5方案:MYNN方案中邊界層高度由湍流動能和虛位溫廓線共同決定[25],其中虛位溫廓線判別法是基于Nielsen等[26]的1.5K位溫法:根據(jù)虛位溫廓線確定最小虛位溫,當(dāng)某一層的虛位溫第一次超過最小虛位溫1.25K時,該層高度記為1;同時MYNN方案中也考慮了夜間低空急流對邊界層高度的影響,當(dāng)某一層的湍流動能小于最大湍流動能的5%時所在高度記為2.

邊界層高度為:

ACM2方案:對于穩(wěn)定邊界層,邊界層高度為:

其中:

當(dāng)Ri=crit=0.25時,所對應(yīng)的高度即為邊界層高度.

BL方案[28]:邊界層高度定義為某一層的虛位溫大于近地面虛位溫0.5K以上時的高度.

1.3 試驗(yàn)設(shè)計(jì)

使用的模式版本為WRFV3.7.1,采用NCEP/NCAR水平分辨率1°×1°的全球再分析資料提供模式初始場和邊界條件.模擬采用三層雙向嵌套,嵌套的中心位于河北省香河縣(116.99oE, 39.76oN),與雷達(dá)觀測地點(diǎn)保持一致,水平分辨率分別為9,3,1km.垂直方向分為43層,采用上疏下密的分層方式,模式頂為50hpa.模擬時間與污染天氣個例一致.

此外,模式微物理過程選擇Lin方案,長波輻射采用RRTM方案,短波輻射采用Dudhia方案,陸面過程為Noah方案,第一層嵌套中使用Kain-Fritsch積云對流方案(考慮格距小于3km一般不使用積云對流方案,因此只在第一層嵌套使用).地形數(shù)據(jù)使用美國地質(zhì)調(diào)查局(USGS)提供的30’高分辨率LANDUSE資料.香河地區(qū)以平原為主,觀測點(diǎn)周圍地形平坦,無高大建筑及明顯的人為熱源[29],下墊面比較均一,氣象要素分布均勻.提取模式數(shù)據(jù)時采用5點(diǎn)平均法取平均值,以減小系統(tǒng)誤差[30].

2 結(jié)果分析

2.1 最大邊界層高度對比分析

最大邊界層高度是反映日間邊界層特征的關(guān)鍵參數(shù),5種方案模擬及激光雷達(dá)觀測的月平均最大邊界層高度(圖1)顯示:觀測的最大邊界層高度呈明顯的單峰分布,2007年5月邊界層高度最高可達(dá)1800m,1月最低為650m.污染天氣下邊界層高度:春季>秋季>冬季,其中冬季維持在700~800m左右,變化趨勢平穩(wěn),而春秋兩季最大邊界層高度變化幅度較大.WRF模式中5種邊界層方案均能較好地模擬最大邊界層高度的月變化趨勢,其中秋冬季模擬結(jié)果與觀測值接近,春季模擬結(jié)果偏差較大,整體高于觀測結(jié)果.

圖1 5種方案模擬及激光雷達(dá)反演的月平均最大邊界層高度

為了檢驗(yàn)WRF中5種邊界層方案對污染天氣下日最大邊界高度的模擬能力,對全部污染個例進(jìn)行統(tǒng)計(jì),計(jì)算了觀測值與模擬值間的相關(guān)系數(shù)與歸一化的標(biāo)準(zhǔn)差[20],繪制的泰勒圖(圖2)顯示:除YSU方案外,其他4種方案的相關(guān)系數(shù)在0.8~0.9間且均方根誤差均大于200m,只有YSU方案的相關(guān)系數(shù)最高(0.92)且均方根誤差<200m.雖然5種方案的模擬值與觀測結(jié)果間均存在一定的誤差,但相對而言,YSU方案能較好地模擬污染天氣下的日最大邊界層高度.

圖2 WRF中5種方案模擬日最大邊界層高度的泰勒圖

圖中實(shí)線為均方根誤差,下同

2.2 邊界層高度日變化特征對比

三季及全年(除夏季)的污染天氣下邊界層高度日變化(圖3)顯示:模擬和觀測的邊界層高度總體變化趨勢較為一致,10:00開始,邊界層高度逐漸升高,于14:00~15:00達(dá)到峰值,之后邊界層高度逐漸降低,于18:00降至最低.

盡管各方案均能模擬出污染天氣下邊界層高度的日變化趨勢,但模式模擬結(jié)果與觀測值間存在一定差異.對春、秋、冬季及全年(除夏季)污染天氣下模擬與觀測的邊界層高度進(jìn)行統(tǒng)計(jì),繪制的泰勒圖(圖4)可以看出,模擬誤差:春季>秋季>冬季,3季YSU方案的相關(guān)系數(shù)最高且均方根誤差最小,模擬效果最優(yōu).而其他4種方案的模擬效果在各季略有差別,春季各方案的模擬效果較為接近,秋季MYNN方案的模擬效果略優(yōu),冬季ACM2方案誤差較小.

圖3 模擬的邊界層高度與觀測值的平均日變化對比

圖4 WRF中5種方案模擬邊界層高度的泰勒圖(10:00~18:00)

各方案模擬的邊界層高度與觀測值在14:00以前匹配較好,而14:00~18:00則存在較大差異(圖3).局地方案中:MYJ方案模擬的午后邊界層高度下降較快,較觀測值提前1h;MYNN與BL方案的模擬值在午后下降平緩,其中BL方案下落時間存在1h的延遲.非局地方案中:YSU方案模擬的邊界層高度在午后下降趨勢與觀測值較為接近,ACM2方案下降速度較YSU方案與觀測值快.利用各季節(jié)14:00~18:00模擬與觀測的邊界層高度進(jìn)行統(tǒng)計(jì),繪制的泰勒圖(圖5)顯示:模擬值的均方根誤差較10:00~18:00的模擬結(jié)果增大了50~100m.總的來說,非局地YSU方案能較好地模擬污染天氣下邊界層高度的日變化特征.

圖5 WRF中5種方案模擬邊界層高度的泰勒圖(14:00~18:00)

2.3 邊界層高度的模擬誤差原因分析

圖6 2007-01-20邊界層高度模擬與觀測對比

為了討論不同參數(shù)化方案產(chǎn)生較大誤差的原因,本文在污染個例中隨機(jī)選取了2007年1月20日的邊界層高度模擬結(jié)果,結(jié)合當(dāng)日探空資料,根據(jù)不同參數(shù)化方案中邊界層高度的計(jì)算方法,分析產(chǎn)生誤差的可能原因.

圖6為2007年1月20日邊界層高度模擬值與觀測值的日變化對比圖,其變化趨勢與冬季污染天氣下邊界層高度的日變化(圖3c)特征較為一致.5種方案中MYJ方案模擬誤差最明顯,它將湍流動能低于臨界值0.2m2/s2時的高度作為邊界層高度.MYJ方案模擬的湍流動能高度-時間剖面(圖7)顯示湍流動能在11:00開始發(fā)展, 14:00達(dá)到峰值,16:00降至最低,此后一直維持在0.2m2/s2以下,這使得邊界層高度在16:00以后被判定在近地面處.因此,MYJ方案模擬的湍流動能于午后的下降速度過快,且16:00后模擬的湍流動能過低,是造成該方案產(chǎn)生較大誤差的原因.

MYNN方案模擬的邊界層高度在16:00后明顯較觀測值偏高.由于16:00后邊界層內(nèi)的湍流動能近似為常數(shù),不存在低空急流(圖略),因此邊界層高度主要由虛位溫廓線決定.Nielsen等[25]指出,使用虛位溫廓線判定邊界層高度必須基于較為準(zhǔn)確的虛位溫廓線的測量.香河地區(qū)當(dāng)日17:00的虛位溫廓線顯示(圖8),近地面存在較弱的逆溫層,根據(jù)虛位溫廓線計(jì)算的邊界層高度在400m左右,但MYNN方案并未模擬出該逆溫層,使得模擬的邊界層高度偏高(550m).這也與Nielsen等[25]在休斯頓北部得出的結(jié)論相符.

圖7 2007年1月20日湍流動能高度-時間剖面

BL方案使用虛位溫梯度判定邊界層高度,邊界層高度定義為虛位溫變化梯度大于地面0.5K時的高度.同樣BL方案未模擬出17:00近地面的弱逆溫層(圖8),使得17:00的邊界層高度模擬值偏高(570m),導(dǎo)致邊界層高度下落時間存在1h的延遲.

圖8 2007年1月20日17:00 MYNN, BL方案模擬與觀測的虛位溫廓線

虛線為各方案模擬及觀測廓線計(jì)算的邊界層高度

非局地YSU與ACM2方案模擬的邊界層高度與觀測值變化趨勢較為一致,但ACM2方案的模擬值在16:00以前較YSU方案偏高,16:00以后較YSU方案與觀測值偏低.這可能是由于在對流邊界高度的判定過程中,ACM2方案相比于YSU方案多考慮了自由對流層上的夾卷層厚度,使得ACM2方案模擬的邊界層高度較YSU方案偏高[27].而16:00以后大氣處于穩(wěn)定層結(jié),YSU方案相比于ACM2方案在計(jì)算穩(wěn)定邊界層高度時多考慮了位溫增量,使得16:00后YSU方案模擬的邊界層高度高于ACM2方案.

本文僅從邊界層高度的計(jì)算方法、湍流動能、虛位溫廓線的角度考慮了各方案模擬邊界層高度產(chǎn)生誤差的原因,所得結(jié)論具有一定的局限性.實(shí)際模擬過程中各方案的湍流交換系數(shù)、垂直混合強(qiáng)度、湍流混合方式、地表熱量水汽輸送的差異以及污染種類和污染程度的不同等因素均會對邊界層高度的計(jì)算產(chǎn)生影響,這有待進(jìn)一步的研究.

3 結(jié)論

3.1 污染天氣下日最大邊界層高度:春季>秋季>冬季.WRF中5種邊界層方案模擬的日最大邊界層高度與觀測值較為匹配,相對而言,YSU方案模擬效果最優(yōu).

3.2 各參數(shù)化方案模擬的3季污染天氣下邊界層高度的日變化與觀測值間存在差異,泰勒圖顯示:模擬誤差在午后(14:00~18:00)較整個白天增大了50~100m,春季模擬誤差最大,秋季次之,冬季最小;YSU方案能較好地模擬污染天氣下邊界層高度的日變化特征.

3.3 各參數(shù)化方案中邊界層高度計(jì)算方法的不同及對虛位溫廓線、湍流動能的模擬差異,可能是造成模擬邊界層高度產(chǎn)生誤差的主要原因.

[1] 鐘 鑫,劉昭華.京津冀污染天氣下大氣邊界層高度特征研究進(jìn)展[J]. 農(nóng)業(yè)災(zāi)害研究, 2015,(9):33-34.

[2] 吳 蒙,范紹佳,吳 兌.臺風(fēng)過程珠江三角洲邊界層特征及其對空氣質(zhì)量的影響[J]. 中國環(huán)境科學(xué), 2013,33(9):1569-1576.

[3] 李景林,鄭玉萍,劉增強(qiáng).烏魯木齊市低空溫度層結(jié)與采暖期大氣污染的關(guān)系[J]. 干旱區(qū)地理, 2007,30(4):519-525.

[4] Nozaki K Y. Mixing depth model using hourly surface observations [J]. USAF Envirinmental Technical Applications Center, Report, 1973,7053.

[5] Liu S Y, Liang X Z. Observed diurnal cycle climatology of planetary boundary layer height. [J]. Journal of Climate, 2009, 23(21):5790-5809.

[6] Holzworth G C. Mixing depths, wind speeds and air pollution potential for selected locations in the United States. [J]. Journal of Applied Meteorology, 1967,6(6):1039-1044.

[7] 廖國蓮.大氣混合層厚度的計(jì)算方法及影響因子[J]. 中山大學(xué)研究生學(xué)刊:自然科學(xué)、醫(yī)學(xué)版, 2005,(4):66-73.

[8] 程水源,席德立,張寶寧,等.大氣混合層高度的確定與計(jì)算方法研究[J]. 中國環(huán)境科學(xué), 1997,17(6):512-516.

[9] 王式功,姜大膀,楊德保,等.蘭州市區(qū)最大混合層厚度變化特征分析[J]. 高原氣象, 2000,19(3):363-370.

[10] Dai C, Wang Q, Kalogiros J A, et al. Determining bound-ary- layer height from aircraft measurements [J]. Boundary-Layer Meteorology, 2014,152(3):277-302.

[11] 杜川利,唐 曉,李星敏,等.城市邊界層高度變化特征與顆粒物濃度影響分析[J]. 高原氣象, 2014,33(5):1383-1392.

[12] 董春卿,鄭有飛,武永利,等.邊界層方案對山西冬季一次靜穩(wěn)天氣PM2.5濃度模擬的影響 [J]. 中國環(huán)境科學(xué), 2016,36(6):1669-1680.

[13] Banks R F, Tiana-Alsina J, Baldasano J M, et al. Sensitivity of boundary-layer variables to PBL schemes in the WRF model based on surface meteorological observations, lidar, and radiosondes during the HygrA-CD campaign [J]. Atmospheric Research, 2016,176-177:185-201.

[14] 張碧輝,劉樹華, He-Ping,等.MYJ和YSU方案對WRF邊界層氣象要素模擬的影響[J]. 地球物理學(xué)報(bào), 2012,55(7):2239- 2248.

[15] Hu X M, Nielsen-gammon J W, Zhang F. Evaluation of Three Planetary Boundary Layer Schemes in the WRF Model [J]. Journal of Applied Meteorology & Climatology, 2010,49(9): 1831-1844.

[16] Kunkel K E, Eloranta E W, Shipley S T. Lidar Observations of the Convective Boundary Layer. [J]. Journal of Applied Meteorology, 1977,16(12):1306-1311.

[17] 賀千山,毛節(jié)泰.北京城市大氣混合層與氣溶膠垂直分布觀測研究[J]. 氣象學(xué)報(bào), 2005,63(3):374-384.

[18] 嚴(yán)國梁,韓永翔,張祥志,等.南京地區(qū)一次灰霾天氣的微脈沖激光雷達(dá)觀測分析[J]. 中國環(huán)境科學(xué), 2014,34(7):1667-1672.

[19] Crum T D, Stull R B, Eloranta E W. Coincident Lidar and Aircraft Observations of Entrainment into Thermals and Mixed Layers [J]. Journal of Applied Meteorology, 2010,26(7):774-788.

[20] Taylor K E. Summarizing multiple aspects of model performance in a single diagram. J. Geophys. Res. 106(D7), 7183-7192 [J]. Journal of Geophysical Research Atmospheres, 2001,106(D7): 7183-7192.

[21] 中國氣象局. QX/T113-2010霾的觀測和預(yù)報(bào)等級[S]. 北京:氣象出版社, 2010.

[22] Brooks I M. Finding Boundary Layer Top: Application of a wavelet covariance transform to lidar backscatter profiles [J]. Journal of Atmospheric & Oceanic Technology, 2003,20(8):1092- 1105.

[23] Hong S Y, Noh Y, Dudhia J. A new vertical diffusion package with an explicit treatment of entrainment processes [J]. Monthly Weather Review, 2006,134(9):2318-2341.

[24] Janji? Z I. The step-mountain eta coordinate model: Further developments of the convection, viscous sublayer, and turbulence closure schemes [J]. Monthly Weather Review, 1994,122(5):927.

[25] Sukoriansky S, Galperin B, Perov V. Application of a new spectral theory of stably stratified turbulence to the atmospheric boundary layer over sea ice [J]. Boundary-Layer Meteorology, 2005,117(2):231-257.

[26] Nielsen-gammon J W, Powell C L, Mahoney M J, et al. Multisensor Estimation of Mixing Heights over a Coastal City [J]. Journal of Applied Meteorology & Climatology, 2008,47(1):27- 43.

[27] Pleim J E. A combined local and nonlocal closure model for the atmospheric boundary layer. Part II: Application and evaluation in a mesoscale meteorological model [J]. Journal of Applied Meteorology and Climatology, 2007,46(9):1396-1409.

[28] Bougeault P, Lacarrere P. Parameterization of Orography- Induced Turbulence in a Mesobeta-Scale Model [J]. Monthly Weather Review, 1989,117(8):1872-1890.

[29] 夏俊榮,吳 丹.河北香河地區(qū)大氣邊界層高度演變特征[C]. 北京:中國環(huán)境科學(xué)學(xué)會學(xué)術(shù)年會, 2015.

[30] Gibbs J A, Fedorovich E, Van Eijk A M J. Evaluating Weather Research and Forecasting (WRF) Model Predictions of Turbulent Flow Parameters in a Dry Convective Boundary Layer [J]. Journal of Applied Meteorology & Climatology, 2015,50(12): 2429-2444.

Modeling study on boundary layer height in pollution weather by WRF with different boundary layer schemes.

LU Zheng-qi1, HAN Yong-xiang1*, XIA Jun-rong1,2, ZHAO Tian-liang1

(1.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science and Technology, Nanjing 210044, China；2.Key Laboratory of Middle Atmosphere and Global Environment Observation, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China)., 2018,38(3)：822~829

Atmospheric boundary layer height (ABLH) is one of important factors affecting concentrations of air pollutants, but different boundary layer(BL) schemes in numerical models could result in uncertainties in predicting ABLH. By using five BL schemes in the Weather Research and Forecast (WRF) model, combined with the Lidar observed data at Xianghe in spring, autumn and winter of 2006 and 2007, this study compared the simulated ABLH with different BL schemes in the pollution periods, analyzed the cause of simulation errors. The results indicated that five BL schemes could capture the variations of ABLH, but there were obvious discrepancies between the simulated and the observed ABLH. In autumn and winter, the monthly maximums of ABLH were modeled better than those in spring. Also, the root mean square errors in diurnal changes of simulated ABLH were assessed with spring > autumn > winter, especially in the afternoon between 2~6pm in local time. The non-local YSU scheme presented the best simulation in polluted days. The ABLH simulation errors could be mainly caused by the differences in atmospheric profiles, turbulent kinetic energy and the ABLH calculation.

WRF model；BL schemes；pollution weather；Boundary layer height

X511

A

1000-6923(2018)03-0822-08

陸正奇(1993-),男,安徽黃山人,南京信息工程大學(xué)碩士研究生,主要從事大氣物理學(xué)及大氣環(huán)境研究.

2017-08-17

國家重點(diǎn)研發(fā)計(jì)劃“大氣污染成因與控制技術(shù)研究”試點(diǎn)專項(xiàng)項(xiàng)目(2016YFC0203304)

* 責(zé)任作者, 教授, han-yx66@126.com