摘要 為研究不同物理過程參數(shù)化方案對(duì)江淮梅雨降水預(yù)報(bào)的影響,基于WRFv4.4.2,利用GFS預(yù)報(bào)數(shù)據(jù)、第六版MODIS土地覆蓋類型產(chǎn)品和ERA5-Land觀測(cè)數(shù)據(jù)集,使用均方根誤差、相關(guān)系數(shù)、公平技巧評(píng)分和偏差評(píng)分等方法,模擬評(píng)估Ferrier、WSM6和Thompson這3種云微物理過程參數(shù)化方案,以及KF、BMJ和Tiedtke這3種積云對(duì)流參數(shù)化方案共9種組合,對(duì)2020年7月14日00:00—17日00:00江淮流域梅雨期一次降水過程的預(yù)報(bào)效果進(jìn)行分析。結(jié)果表明,(1)積云對(duì)流參數(shù)化方案對(duì)江淮梅雨降水預(yù)報(bào)有更為明顯的影響,使用BMJ可以獲得較好的預(yù)報(bào)結(jié)果;(2)WRF模式在山地、城市等區(qū)域表現(xiàn)不佳,在平原、農(nóng)田等區(qū)域表現(xiàn)尚可,適用性存在一定不足;(3)在江淮流域北部地區(qū)(32.7 °N以上)使用WSM6和BMJ的實(shí)驗(yàn)組合綜合表現(xiàn)較佳,可較為準(zhǔn)確地預(yù)報(bào)降水過程變化趨勢(shì),對(duì)小雨和中雨量級(jí)的降水落區(qū)有較高的預(yù)報(bào)技巧。為今后江淮梅雨期降水預(yù)報(bào)提供參考。
關(guān)鍵詞 WRF模式;參數(shù)化方案;預(yù)報(bào)評(píng)估;江淮流域;梅雨期降水過程
中圖分類號(hào) S165" " 文獻(xiàn)標(biāo)識(shí)碼 A" " 文章編號(hào) 1007-7731(2024)16-0110-07
DOI號(hào) 10.16377/j.cnki.issn1007-7731.2024.16.026
Impact of different parameterization schemes for physical processes on the forecast
of Meiyu precipitation in the Jianghuai region
HU Zhiqiang" " WANG Jun" " WANG Runshi
(Fengtai County Meteorological Bureau, Fengtai 232100, China)
Abstract In order to investigate the impact of different physical process parameterization schemes on the forecast of Meiyu precipitation in the Jianghuai region, based on WRFv4.4.2, GFS forecast data, the sixth edition MODIS land cover type product, and ERA5 Land observation dataset were used to simulate and evaluate three cloud microphysical process parameterization schemes, Ferrier, WSM6, and Thompson, as well as nine combinations of three cumulus convective parameterization schemes, KF, BMJ, and Tiedtke, using methods such as root mean square error, correlation coefficient, fair skill score, and bias score. The forecast effect of a precipitation process during the Meiyu period in the Jianghuai River Basin from 00:00 on July 14, 2020 to 00:00 on July 17, 2020 was evaluated. The results indicated that (1) the parameterization scheme of cumulus convection had a more significant impact on the precipitation forecast of Jianghuai plum rain, and using BMJ could obtain better forecast results; (2) the WRF model performed poorly in mountainous and urban areas, but fairly well in plains, farmland, and other areas, with certain limitations in applicability; (3) the experimental combination of WSM6 and BMJ performed well in the northern region of the Jianghuai region (above 32.7°N), and could accurately predict the trend of precipitation process changes. It had high forecasting skills for precipitation areas of light rain and moderate rain levels. The purpose was to provide references for future precipitation forecasting during the Jianghuai region rain season.
Keywords WRF model; parameterization scheme; forecast evaluation; Jianghuai River Basin; precipitation process during the Meiyu period
江淮流域是持續(xù)性強(qiáng)降水過程的多發(fā)區(qū)域之一[1]。在東亞夏季風(fēng)和復(fù)雜下墊面的共同影響下,江淮梅雨期(6月中下旬至7月中上旬)成為江淮流域主要的強(qiáng)降水集中時(shí)段之一,具有降水量級(jí)大、持續(xù)時(shí)間長(zhǎng)和影響范圍廣等特點(diǎn),平均降水量在200~300 mm,約占全年總降水量的1/4[2-3]。江淮流域雨帶分為經(jīng)向型和緯向型兩種,二者在降水強(qiáng)度和環(huán)流特征方面基本相似,區(qū)別在于后者多出現(xiàn)在梅雨期,位于高層反氣旋的中心,降水量更大、范圍更廣,降水量、降水頻率的日變化呈現(xiàn)夜間主峰值、午后次峰值的雙峰特征[4-6]。如何實(shí)現(xiàn)對(duì)江淮梅雨期降水過程的準(zhǔn)確模擬和精確預(yù)報(bào)一直是備受關(guān)注的熱點(diǎn)問題之一。
隨著現(xiàn)代信息技術(shù)的發(fā)展,計(jì)算能力得到提升,以氣象研究與預(yù)報(bào)模式(Weather research and forecasting,WRF)為代表的數(shù)值模式成為研究降水過程的重要手段之一。徐之驍?shù)萚7]比較了4種積云對(duì)流參數(shù)化方案對(duì)2012年7月21—22日北京特大暴雨過程的模擬效果,發(fā)現(xiàn)Kain-Fritsch(KF)方案可以很好地模擬出對(duì)流的觸發(fā),整體模擬效果較好。葉茂等[8]設(shè)計(jì)了11種云微物理過程、積云對(duì)流和邊界層參數(shù)化方案組合,發(fā)現(xiàn)四川盆地東部的降水預(yù)報(bào)對(duì)積云參數(shù)化方案較為敏感。孟澤華等[9]選取5種云微物理方案,對(duì)2017年一次江淮暴雨過程開展數(shù)值預(yù)報(bào)實(shí)驗(yàn),發(fā)現(xiàn)暴雨和大暴雨對(duì)云微物理方案更加敏感,同時(shí),不同方案對(duì)降水落區(qū)和降水強(qiáng)度的預(yù)報(bào)呈現(xiàn)明顯差異??梢姡e云對(duì)流和云微物理過程參數(shù)化方案的選取對(duì)降水預(yù)報(bào)質(zhì)量有著重要影響。
2020年6—8月,江淮流域經(jīng)歷一次超長(zhǎng)梅雨季,強(qiáng)降水過程頻繁,累計(jì)降水量異常偏多且達(dá)歷年峰值,導(dǎo)致洪澇及次生災(zāi)害發(fā)生[10]。本文基于WRF模式,選取該時(shí)間段一次降水過程開展預(yù)報(bào)模擬,以評(píng)估不同的云微物理過程、積云對(duì)流參數(shù)化方案組合在江淮流域的預(yù)報(bào)效果,分析存在差異的原因,為今后江淮梅雨期降水預(yù)報(bào)提供有益參考。
1 材料與方法
1.1 數(shù)據(jù)來源
降水資料來自ERA5-Land(ECMWF Reanalysis v5)觀測(cè)數(shù)據(jù)集,空間分辨率0.1°×0.1°,時(shí)間分辨率1 h。2020年7月14日00:00—17日00:00過程累積降水和逐日降水如圖1所示。由圖1A可知,累積降水中心最大值110 mm;由圖1B~D可知,江淮流域雨帶為緯向型且呈北抬趨勢(shì),降水主要集中在15日,該日最大降水量74 mm。
利用空間分辨率0.5°×0.5°、時(shí)間分辨率3 h的全球預(yù)報(bào)系統(tǒng)(Global forecast system,GFS)進(jìn)行預(yù)報(bào),預(yù)報(bào)數(shù)據(jù)為WRF模式運(yùn)行提供必要的初始場(chǎng)和邊界條件,不加入其他觀測(cè)資料。
土地利用數(shù)據(jù)的精確度和準(zhǔn)確性對(duì)數(shù)值模式模擬有重要影響[11-12],故選用第六版分辨率成像光譜儀(Moderate resolution imaging spectroradiometer,MODIS)土地覆蓋類型產(chǎn)品(MCD12Q1_v06)中空間精度500 m的2020年土地利用數(shù)據(jù)替換模式默認(rèn)靜態(tài)數(shù)據(jù)。皖北、蘇北地區(qū)以農(nóng)田為主,江浙滬一帶多城市和密集建筑,而皖南、浙西多森林、草原。
1.2 試驗(yàn)設(shè)計(jì)
試驗(yàn)基于WRFv4.4.2對(duì)江淮流域2020年7月14日00:00—17日00:00一次梅雨期降水過程進(jìn)行預(yù)報(bào)模擬,起報(bào)時(shí)間為2020年7月14日00:00,預(yù)報(bào)時(shí)效72 h。選取Ferrier、WSM6和Thompson這3種云微物理過程參數(shù)化方案和KF、Betts-Miller-Janjic(BMJ)、Tiedtke這3種積云對(duì)流過程參數(shù)化方案共設(shè)計(jì)9種參數(shù)化方案組合(表1),長(zhǎng)波輻射過程和短波輻射過程均使用RRTMG(Rapid radiative transfer model for GCMs)參數(shù)化方案,行星邊界層使用YSU(Yonsei university)方案,近地面層使用Monin-Obukhov方案,陸面過程使用Noah方案,垂直層數(shù)為45,土壤層數(shù)為4。水平方向使用雙重雙向網(wǎng)格嵌套,d01層格點(diǎn)距27 km,中心位置在(117.5° E,32.0° N),d02層格點(diǎn)距9 km,中心位置在(118.5° E,32.0° N),研究區(qū)位于115.0°~122.1°E,29.5°~34.5°N(圖2)。
1.3 時(shí)空特征分析
通過柱狀圖直觀展示9種參數(shù)化方案預(yù)報(bào)值和其觀測(cè)數(shù)據(jù)的逐6 h區(qū)域平均降水變化,進(jìn)而分析各參數(shù)化方案組合預(yù)報(bào)的時(shí)間特征,體現(xiàn)出各組合在降水過程中的起止時(shí)間、降水量級(jí)等方面的預(yù)報(bào)能力;通過相對(duì)誤差分布體現(xiàn)出各參數(shù)化方案組合預(yù)報(bào)的空間特征,分析其對(duì)主雨帶位置的預(yù)報(bào)能力,體現(xiàn)出WRF模式的優(yōu)缺之處。
1.4 評(píng)估方法
使用均方根誤差(Root mean-square error,RMSE)和相關(guān)系數(shù)R兩個(gè)指標(biāo)評(píng)估各參數(shù)化方案組合對(duì)降水過程和降水量的預(yù)報(bào)效果,選用公平技巧評(píng)分(Equitable threat score,ETS)和偏差評(píng)分(Bias score,Bias)作為檢驗(yàn)不同參數(shù)化方案組合預(yù)報(bào)效果的兩個(gè)指標(biāo)。ETS評(píng)分是對(duì)TS評(píng)分的改進(jìn),能對(duì)空?qǐng)?bào)或漏報(bào)進(jìn)行懲罰,使評(píng)分更加公平,其計(jì)算如式(1);Bias評(píng)分主要用來衡量模式對(duì)某一量級(jí)降水的預(yù)報(bào)偏差,反映降水總體預(yù)報(bào)成果,其計(jì)算如式(2)。
式(1)~(2)中,[NA]為預(yù)報(bào)正確的次數(shù),[NB]為空?qǐng)?bào)次數(shù),[NC]為漏報(bào)次數(shù),[Ra]為空?qǐng)?bào)次數(shù)與漏報(bào)次數(shù)相當(dāng)時(shí)的隨機(jī)預(yù)報(bào)[NA]的數(shù)學(xué)期望。當(dāng)ETSgt;0時(shí),表示對(duì)于某量級(jí)降水來說,預(yù)報(bào)有技巧;當(dāng)ETS≤0時(shí),則表示預(yù)報(bào)沒有技巧;當(dāng)ETS=1時(shí),表示該預(yù)報(bào)為完美預(yù)報(bào)。當(dāng)Biasgt;1時(shí),表示預(yù)報(bào)結(jié)果較實(shí)況而言偏濕;當(dāng)Biaslt;1時(shí),表示預(yù)報(bào)結(jié)果較實(shí)況而言偏干;當(dāng)Bias=1時(shí),則表示預(yù)報(bào)偏差為0,即預(yù)報(bào)技巧最高。
2 結(jié)果與分析
2.1 時(shí)空特征
2.1.1 時(shí)間分布特征" 如圖3所示,新一輪降水過程開始于18 h(2020年7月14日18:00,下同),18~72 h區(qū)域平均降水量4.3 mm/6 h,主要降水出現(xiàn)在24~30、42~48 h,呈現(xiàn)出江淮流域緯向型雨帶降水夜間主峰值、午后次峰值的雙峰特征。所有參數(shù)化方案組合均能較好地預(yù)報(bào)出降水過程的起始時(shí)間點(diǎn)以及降水強(qiáng)度的變化趨勢(shì),但從54 h起預(yù)報(bào)值與觀測(cè)值出現(xiàn)較大偏差,54~60 h明顯低估降水,66~72 h明顯高估降水,反映該預(yù)報(bào)模式的不穩(wěn)定性隨預(yù)報(bào)時(shí)間延長(zhǎng)而不斷增加的問題。此外,使用Tiedtke參數(shù)化方案的g3、g6和g9組合的預(yù)報(bào)值基本偏多,尤其是在30、42、48和72 h這4個(gè)時(shí)次偏差較大;使用BMJ參數(shù)化方案的g2、g5和g8組合的預(yù)報(bào)值同觀測(cè)值較為接近,但在18~30 h時(shí)對(duì)降水量有明顯低估情況;使用KF參數(shù)化方案的g1、g4和g7組合在18~54 h綜合表現(xiàn)最好,在其余時(shí)次存在一定偏差。
2.1.2 空間分布特征" 如圖4所示,所有參數(shù)化方案組合均將主雨帶預(yù)報(bào)在皖南地區(qū),極大高估皖南、浙北地區(qū)降水量,相對(duì)誤差普遍超過100 mm/72 h,略微低估皖北、蘇南地區(qū)的降水量,相對(duì)誤差在-50~-30 mm/72 h。其中,使用BMJ積云對(duì)流參數(shù)化方案的g2、g5和g8組合表現(xiàn)相對(duì)較佳,偏差極值主要集中在蘇南—浙北—皖南一帶部分地區(qū),且區(qū)域平均相對(duì)誤差均幾近于0 mm/72 h,說明該模式能較好地預(yù)報(bào)總體降水量,但對(duì)雨帶分布的預(yù)報(bào)效果較差。使用Tiedtke積云對(duì)流參數(shù)化方案的g3、g6和g9組合總體表現(xiàn)較差,普遍高估皖南、浙北地區(qū)降水量,且區(qū)域平均相對(duì)誤差超過10 mm/72 h。
2.2 評(píng)估分析
2.2.1 均方根誤差[RMSE]評(píng)估" 如圖5所示,所有組合區(qū)域平均[RMSE]均在8~11,江淮流域北部平均[RMSE]在6~8,且[RMSE]大值多出現(xiàn)在淮河附近,皖南和浙北等地區(qū),說明該模式在水域附近和山地丘陵等地的表現(xiàn)不佳,對(duì)降水量級(jí)的預(yù)報(bào)能力不足。其中,使用BMJ積云對(duì)流參數(shù)化方案的g2、g5和g8組合表現(xiàn)相對(duì)較好,區(qū)域平均[RMSE]在8左右,江淮流域南部平均[RMSE]在8~10;使用Tiedtke積云對(duì)流參數(shù)化方案的g3、g6和g9組合表現(xiàn)相對(duì)較差,區(qū)域平均[RMSE]超過10,江淮流域南部平均[RMSE]均超過14。
2.2.2 相關(guān)系數(shù)[R]評(píng)估" 如圖6所示,總體上,所有組合在除皖中、蘇南以及皖南局部以外的地區(qū)表現(xiàn)均尚可,在皖北和蘇北地區(qū)能較好地預(yù)報(bào)降水過程的衰減和增強(qiáng)趨勢(shì),尤其是使用Thompson云微物理過程方案的g7、g8和g9組合表現(xiàn)較為明顯,在江淮流域北部平均[R]gt;0.70,g8組合更是達(dá)到0.75,而g3、g4和g6組合表現(xiàn)較差,[R]gt;0.80區(qū)域偏少,在江淮流域北部[R]在0.40左右。
2.2.3 地形和土地類型ETS和Bias評(píng)價(jià)" 結(jié)合上述兩個(gè)評(píng)估指標(biāo)可以發(fā)現(xiàn),所有組合在皖南、浙北和蘇南一帶的表現(xiàn)均有進(jìn)一步優(yōu)化的空間,存在高估降水量、不能較好預(yù)報(bào)降水過程的變化趨勢(shì)等問題。江淮流域中部和南部地形起伏變化大、城市群多。程宸[13]、周曉宇等[14]研究表明,城市的發(fā)展廣泛改變了下墊面性質(zhì),加上人類生產(chǎn)生活中會(huì)釋放熱量,產(chǎn)生明顯的熱島效應(yīng),深切影響地—?dú)忾g物質(zhì)、能量的交換;張強(qiáng)等[15]和付智龍等[16]研究表明,以山地丘陵為代表的復(fù)雜下墊面,其陸—?dú)庀嗷プ饔玫莫?dú)特動(dòng)力和熱力強(qiáng)迫對(duì)區(qū)域氣候和大氣環(huán)流有著重要作用。這些因素均對(duì)該模式的模擬效果產(chǎn)生較大影響,故針對(duì)江淮流域北部地區(qū)(32.7° N以上)進(jìn)行單獨(dú)分析。該區(qū)域以平原、農(nóng)田為主,是主要的糧食產(chǎn)地之一,具有重要的研究意義。
如圖7所示,在江淮流域北部,以g8、g5組合為代表,[R]提升至0.90以上,[RMSE]降至5.5左右,預(yù)報(bào)效果較之前得到明顯改善;其余組合的[R]均提升至0.80左右,[RMSE]降至5.0以內(nèi)。如圖8所示,g8、g5組合對(duì)0.1 mm以上量級(jí)的降水預(yù)報(bào)ETS評(píng)分較低,僅在0.1左右,而對(duì)于5.0、10.0、15.0和20.0 mm降水閥值的ETS評(píng)分在0.25左右,說明該模式對(duì)雨帶分布的預(yù)報(bào)技巧欠佳,但能較好地預(yù)報(bào)小雨、中雨量級(jí)降水的落區(qū);其余組合的ETS評(píng)分大多在0.20以下,尤其是g1、g3、g4和g9組合基本無法很好地體現(xiàn)預(yù)報(bào)技巧。所有組合對(duì)于0.1、5.0、10.0、15.0、20.0和25.0 mm降水閥值的Bias評(píng)分均小于1,說明預(yù)報(bào)結(jié)果較實(shí)況偏干,即降水量偏少,但g5、g8組合均更接近于1,體現(xiàn)出較好的預(yù)報(bào)能力。綜合比較可以發(fā)現(xiàn),g5組合具有較高的預(yù)報(bào)技巧和預(yù)報(bào)能力,能更好地預(yù)報(bào)降水過程的變化趨勢(shì)、總降水量、雨帶分布以及小雨、中雨量級(jí)降水的落區(qū)。
3 結(jié)論與討論
基于WRFv4.4.2中尺度數(shù)值模式,將Ferrier、WSM6和Thompson這3種云微物理過程參數(shù)化方案和KF、BMJ和Tiedtke這3種積云對(duì)流參數(shù)化方案進(jìn)行逐一配對(duì),共設(shè)計(jì)9種組合,評(píng)估不同組合對(duì)2020年7月14日00:00—17日00:00內(nèi)江淮流域一次降水過程的預(yù)報(bào)效果,并進(jìn)一步探討偏差來源。結(jié)果表明,(1)相較而言,江淮流域降水預(yù)報(bào)對(duì)積云對(duì)流參數(shù)化方案更為敏感,通過更換方案可極大改變預(yù)報(bào)結(jié)果。3種積云對(duì)流參數(shù)化方案中,BMJ可以較好地預(yù)報(bào)過程總降水量、過程起始時(shí)間和過程變化趨勢(shì),同時(shí)雨帶分布情況較符合客觀實(shí)際,能夠體現(xiàn)一定的預(yù)報(bào)技巧;Tiedtke會(huì)極大地高估預(yù)報(bào)降水總量,且對(duì)降水過程變化趨勢(shì)把握不夠準(zhǔn)確。(2)WRF模式對(duì)皖南—蘇南—浙北一帶的降水預(yù)報(bào)效果整體偏差,會(huì)極大地高估該區(qū)域的降水量,亦不能較好地預(yù)報(bào)降水過程的變化趨勢(shì)以及雨帶分布情況;選取江淮流域北部地區(qū)進(jìn)行單獨(dú)分析可以發(fā)現(xiàn),各組合的評(píng)估指標(biāo)均得到極大提升,其中,使用WSM6云微物理過程參數(shù)化方案和BMJ積云對(duì)流參數(shù)化方案的g5組合表現(xiàn)較佳,可較為準(zhǔn)確地預(yù)報(bào)降水過程的變化趨勢(shì),總體預(yù)報(bào)降水量略少于實(shí)際情況,對(duì)小雨和中雨量級(jí)的降水過程具有較高的預(yù)報(bào)技巧,具有一定的實(shí)用意義。
綜上,積云對(duì)流參數(shù)化方案是影響WRF模式對(duì)江淮流域降水預(yù)報(bào)效果的關(guān)鍵因素之一。目前,WRF模式在山地丘陵、中大型城市等復(fù)雜下墊面的模擬性能還有一定局限性,后續(xù)需進(jìn)一步分析研究不同地形、不同土地類型的物理過程差異,以提升該模式的適用性。
參考文獻(xiàn)
[1] 陶詩(shī)言. 中國(guó)之暴雨[M]. 北京:科學(xué)出版社,1980.
[2] DING Y H,CHAN J C L. The East Asian summer monsoon:an overview[J]. Meteorology and atmospheric physics,2005,89(1):117-142.
[3] DING Y H,LIANG P,LIU Y J,et al. Multiscale variability of Meiyu and its prediction:a new review[J]. Journal of geophysical research:atmospheres,2020,125(7):e2019JD031496.
[4] MA J,BOWLEY K A,ZHANG F Q. Evaluating the forecast performance of the Meiyu front rainbelt position:a case study of the 30 June to 4 July 2016 extreme rainfall event[J]. Atmosphere,2019,10(11):648.
[5] GUAN P Y,CHEN G X,ZENG W X,et al. Corridors of Meiyu-season rainfall over Eastern China[J]. Journal of climate,2020,33(7):2603-2626.
[6] 卜文惠,陳昊明,李普曦. 江淮流域大范圍雨帶降水的精細(xì)化特征研究[J]. 氣象學(xué)報(bào),2023,81(3):361-374.
[7] 徐之驍,徐海明. 不同積云對(duì)流參數(shù)化方案對(duì)“7·21” 北京特大暴雨模擬的影響[J]. 氣象,2017,43(2):129-140.
[8] 葉茂,吳鉦,高松,等. 多物理過程對(duì)流可分辨集合預(yù)報(bào)中不同方案在四川盆地東部降水預(yù)報(bào)效果評(píng)估[J]. 氣象,2022,48(7):840-855.
[9] 孟澤華,高彥青,馬旭林,等. 一次江淮暴雨高分辨率數(shù)值預(yù)報(bào)中云微物理方案敏感性分析[J]. 大氣科學(xué)學(xué)報(bào),2023,46(5):765-775.
[10] 劉蕓蕓,丁一匯. 2020年超強(qiáng)梅雨特征及其成因分析[J]. 氣象,2020,46(11):1393-1404.
[11] LO J C F,LAU A K H,CHEN F,et al. Urban modification in a mesoscale model and the effects on the local circulation in the Pearl River Delta region[J]. Journal of applied meteorology and climatology,2007,46(4):457-476.
[12] CHENG F Y,BYUN D W. Application of high resolution land use and land cover data for atmospheric modeling in the Houston-Galveston metropolitan area,Part I:meteorological simulation results[J]. Atmospheric environment,2008,42(33):7795-7811.
[13] 程宸. 城市下墊面對(duì)北京平均氣象要素影響的數(shù)值模擬研究[D]. 南京:南京信息工程大學(xué),2013.
[14] 周曉宇,王詠薇,孫績(jī)?nèi)A,等. 昆明城市熱島效應(yīng)的數(shù)值模擬研究[J]. 大氣科學(xué),2022,46(4):921-935.
[15] 張強(qiáng),王蓉,岳平,等. 復(fù)雜條件陸-氣相互作用研究領(lǐng)域有關(guān)科學(xué)問題探討[J]. 氣象學(xué)報(bào),2017,75(1):39-56.
[16] 付智龍,李國(guó)平,姜鳳友,等. 四川盆地西部一次暖區(qū)山地暴雨事件的動(dòng)力過程分析與局地環(huán)流數(shù)值模擬[J]. 大氣科學(xué),2022,46(6):1366-1380.
(責(zé)任編輯:楊 歡)
安徽農(nóng)學(xué)通報(bào)2024年16期