ISSN 1004-4965

CN 44-1326/P

用微信扫描二维码

分享至好友和朋友圈

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

高分辨地形对华南区域GRAPES模式地面要素预报影响的研究

朱文达 陈子通 张艳霞 杨静 张媛

朱文达, 陈子通, 张艳霞, 杨静, 张媛. 高分辨地形对华南区域GRAPES模式地面要素预报影响的研究[J]. 热带气象学报, 2019, 35(6): 801-811. doi: 10.16032/j.issn.1004-4965.2019.072
引用本文: 朱文达, 陈子通, 张艳霞, 杨静, 张媛. 高分辨地形对华南区域GRAPES模式地面要素预报影响的研究[J]. 热带气象学报, 2019, 35(6): 801-811. doi: 10.16032/j.issn.1004-4965.2019.072
Wen-da ZHU, Zi-tong CHEN, Yan-xia ZHANG, Jing YANG, Yuan ZHANG. THE IMPACT OF HIGH RESOLUTION TERRAIN ON THE PREDICTION OF GROUND ELEMENTS FROM GRAPES MODEL IN SOUTH CHINA[J]. Journal of Tropical Meteorology, 2019, 35(6): 801-811. doi: 10.16032/j.issn.1004-4965.2019.072
Citation: Wen-da ZHU, Zi-tong CHEN, Yan-xia ZHANG, Jing YANG, Yuan ZHANG. THE IMPACT OF HIGH RESOLUTION TERRAIN ON THE PREDICTION OF GROUND ELEMENTS FROM GRAPES MODEL IN SOUTH CHINA[J]. Journal of Tropical Meteorology, 2019, 35(6): 801-811. doi: 10.16032/j.issn.1004-4965.2019.072

高分辨地形对华南区域GRAPES模式地面要素预报影响的研究

doi: 10.16032/j.issn.1004-4965.2019.072
基金项目: 

国家自然科学基金 41565001

详细信息
    通讯作者:

    陈子通,男,广东省人,研究员级高级工程师,主要从事数值预报研究。E-mail: ztchen@gd121.cn

  • 中图分类号: P435

THE IMPACT OF HIGH RESOLUTION TERRAIN ON THE PREDICTION OF GROUND ELEMENTS FROM GRAPES MODEL IN SOUTH CHINA

  • 摘要: 华南区域GRAPES模式动力框架的更新使得高分辨地形数据能够进入模式。引入SRTM数据实现静态数据更新,结合模式内置数据,进行了批量模拟试验;通过站点检验方式,对批量试验结果进行对比,得出以下结论:对比业务使用的Topo10 m地形、Topo30 s地形、SRTM地形和基于SRTM多种插值方案得到的地形,海拔偏差的空间分布和分位数统计都有明显的改善,复杂地形区域的改善效果更显著。通过地面要素平均绝对误差(MAE)箱须图统计和模式西部站点绝对误差(AE)时间序列图对比分析,发现高分辨地形试验的2 m气温和10 m风速MAE和AE有大幅度的改善。高分辨地形对模式静态数据的改善是2 m气温和10 m风速MAE下降的主要原因,地形复杂区域对MAE改善的贡献高于模式其他区域。高分辨地形进入模式后会引起动力过程计算的虚假扰动,适当的滤波平滑能够抑制扰动,从而进一步提高预报精度。

     

  • 图  1  网格单元平均插值方案示意图[29]

    图  2  模式地形高度减实况站点海拔偏差空间分布和绝对海拔偏差箱须图  单位:m。

    a. Topo10 m; b. Topo30 s; c. SRTM3 s; d.各试验绝对海拔偏差箱须图。

    图  3  地面要素站点MAE箱须图

    横坐标为试验和预报时效,纵坐标为要素MAE。
    a. 2 m气温MAE箱须图,单位:℃; b. 10 m风速MAE箱须图,单位:m/s。

    图  4  个例2 m气温和10 m风速模拟结果对比

    a.个例站点选取,横坐标为经度,纵坐标为纬度,填色为海拔高度,▲为选取站点空间分布; b.个例站点海拔对比,横坐标为站号,纵坐标为站点海拔高度,单位:m; c. Control试验24 h预报时效站点2 m气温AE时间序列,横坐标为预报次数,单位:次,纵坐标为温度,单位:℃,2个时次的观测数据缺失,导致线条出现断点; d.同c,但为w16试验; e. Control试验24 h预报时效站点10 m风速AE时间序列,纵坐标为风速,单位:m/s; f.同e,但为w16试验。

    图  5  Control试验同w16试验2 m气温和10 m风速MAE空间分布对比

    a. Control试验模式24 h预报时效2 m气温MAE空间分布; b.同a,但试验为w16; c. Control试验模式24 h预报时效10 m风速MAE空间分布; d.同c,但试验为w16。

    图  6  Control试验和w16试验2017060300个例10 m风速和风向结果对比

    a.模式范围24 h预报场Control试验与站点实况10 m风速绝对偏差减去w16试验的空间分布,矩形框为偏差较大区,也是风向偏差重点分析区域,单位:m/s; b.重点分析区域SYNOP资料的16向wind rose(风向玫瑰图),填色表示风速,风矢端数值为该风向的平均风速; c. Control试验24 h预报时效重点分析区域16向wind rose; d.同c,但为w16试验。

    表  1  试验设计表

    试验名称 地形数据 试验名称 地形数据
    Control Topo10 m w16 SRTM3s w16
    30 s Topo30 s w4 SRTM3s w4
    3 s SRTM3s
    下载: 导出CSV
  • [1] 高学杰, 徐影, 赵宗慈, 等.数值模式不同分辨率和地形对东亚降水模拟影响的试验[J].大气科学, 2006, 30(2): 185-192.
    [2] 刘一, 陈德辉, 胡江林, 等. GRAPES中尺度模式地形有效尺度影响的理想数值试验研究[J].热带气象学报, 2011, 27(1): 53-62.
    [3] 李超.高分辨率GRAPES模式垂直坐标的改进试验研究[D].北京: 中国气象科学研究院, 2015.
    [4] GAL-CHEN T, SOMERVILLE R C J. On the use of a coordinate transformation for the solution of the Navier-Stokes equations[J]. Journal of Computational Physics, 1975, 17(2): 209-228.
    [5] 陈子通, 戴光丰, 罗秋红, 等.模式动力过程与物理过程耦合及其对台风预报的影响研究[J].热带气象学报, 2016, 32(1): 1-8.
    [6] 陈子通, 戴光丰, 钟水新, 等.中国南海台风模式(TRAMS-v2.0)技术特点及其预报性能[J].热带气象学报, 2016, 32(6): 831-840.
    [7] 苏勇, 沈学顺, 陈子通, 等. GRAPES_GFS中三维参考大气的研究:理论设计和理想试验[J].气象学报, 2018, 76(2): 241-254.
    [8] 朱文达, 张媛, 杨静, 等. 2015年华南区域模式贵州区域2 m气温预报偏差分析[J].中低纬山地气象, 2018, 42(2): 28-35, 84.
    [9] WEN X, DONG W, YUAN W, et al. Establishment and analysis of a High-Resolution Assimilation Dataset of the water-energy cycle in China[J]. Physics & Chemistry of the Earth, 2015, 87-88:126-141.
    [10] HE J J, YU Y, YU L J, et al. Impacts of uncertainty in land surface information on simulated surface temperature and precipitation over China[J]. Int J Climatol, 2017, 37(S1): 829-847.
    [11] MEIJ A D, VINUESA J F. Impact of SRTM and Corine Land Cover data on meteorological parameters using WRF[J]. Atmos Res, 2014, 143: 351-370.
    [12] MEIJ A D, BOSSIOLI E, PENARD C, et al. The effect of SRTM and Corine Land Cover data on calculated gas and PM10 concentrations in WRF-Chem[J]. Atmos Env, 2015, 101: 177-193.
    [13] KIRTHIGA S M, PATEL N R. Impact of updating land surface data on micrometeorological weather simulations from the WRF model[J]. Atmósfera, 2018, 31(2): 165-183.
    [14] NUNALEE C G, HORVÁTHÁ, BASU S. High-resolution numerical modeling of mesoscale island wakes and sensitivity to static topographic relief data[J]. Geoscientific Model Development, 2015, 8(8): 2 645-2 653.
    [15] 屠妮妮, 陈静, 何光碧.切比雪夫多项式在模式地形平滑中的应用研究[J].高原气象, 2012, 31(1): 47-56.
    [16] 何光碧, 彭俊, 屠妮妮.基于高分辨率地形数据的模式地形构造与数值试验[J].高原气象, 2015, 34(4): 910-922.
    [17] 王光辉, 陈峰峰, 沈学顺, 等.数值模式中地形滤波处理及水平扩散对降雨预报的影响[J].地球物理学报, 2008, 51(6): 1 642-1 650.
    [18] ROEBBER P J. Visualizing multiple measures of forecast quality[J]. Wea Forecasting, 2009, 24(2): 601-608.
    [19] BAMLER R. The SRTM Mission: A World-Wide 30 m resolution DEM from SAR Interferometry in 11 Days[C]//47. photogrammetrische woche, university stuttgart, 20.9-24.9DLR, 1999.
    [20] SHOWSTACK R. Digital elevation maps produce sharper image of Earth's topography[J]. Eos Transactions American Geophysical Union, 2003, 84(37): 363-363.
    [21] REUTER H I, NELSON A, JARVIS A. An evaluation of void-filling interpolation methods for SRTM data[J]. International Journal of Geographical Information Science, 2007, 21(9): 983-1 008.
    [22] HIRT C, FILMER M S, FEATHERSTONE W E. Comparison and validation of the recent freely available ASTER-GDEM ver1, SRTM ver4.1 and GEODATA DEM-9S ver3 digital elevation models over Australia[J]. Journal of the Geological Society of Australia, 2010, 57(3): 337-347.
    [23] MOURATIDIS A, BRIOLE P, KATSAMBALOS K. SRTM 3″ DEM (versions 1, 2, 3, 4) validation by means of extensive kinematic GPS measurements: a case study from North Greece[J]. International Journal of Remote Sensing, 2010, 31(23): 6 205-6 222.
    [24] RODRíGUEZ E, MORRIS C S, BELZ J E. A global assessment of the SRTM performance[J]. Photogrammetric Engineering & Remote Sensing, 2006, 72(3): 249-260.
    [25] 陈锋, 董美莹, 冀春晓.综合分析法在复杂地形气温精细格点化中的应用[J].高原气象, 2016, 35(5): 376-388.
    [26] 张小培, 银燕.复杂地形地区WRF模式四种边界层参数化方案的评估[J].大气科学学报, 2013, 36(1): 68-76.
    [27] 王曙东, 裴翀, 郭志梅, 等.基于SRTM数据的中国新一代天气雷达覆盖和地形遮挡评估[J].气候与环境研究, 2011, 16(4): 459-468.
    [28] 陈俊勇.对SRTM3和GTOPO30地形数据质量的评估[J].武汉大学学报(信息科学版), 2005, 30(11): 941-944.
    [29] WANG, W, BRUYÈRE C, DUDA M, et al. ARW version 4 modeling system user's guide[M]. Mesoscale & Miscroscale Meteorology Laboratory, National Center for Atmospheric Research, 2018, http://www2.mmm.ucar.edu/wrf/users/docs/user_guide_V4/WRFUsersGuide.pdf: 61-64
    [30] 杨雨轩, 张立凤, 张斌, 等.四维集合变分同化方法在华南冬季暴雨模拟中的应用[J].热带气象学报, 2018, 34(2):217-227.
    [31] 赵杨洁, 李江南, 董雪晗, 等.模式分辨率对台风"天鸽"(2017)模拟效果的影响[J].热带气象学报, 2019, 35(5):629-643.
    [32] 麻素红, 陈德辉.国家气象中心区域台风模式预报性能分析[J].热带气象学报, 2018, 34(4):451-459.
    [33] 陈耀登, 陈海琴, 孙娟珍, 等.雷达观测对应模式变量非线性特征及对四维变分同化的影响[J].热带气象学报, 2018, 34(6):721-732.
    [34] 杨贵名, 宗志平, 马学款. "方框-端须图"及其应用示例[J].气象, 2005, 31(3): 53-55.
    [35] 高晓梅, 俞小鼎, 王令军, 等.鲁中地区分类强对流天气环境参量特征分析[J].气象学报, 2018, 76(2): 196-212.
    [36] 吴乃庚, 曾沁, 刘段灵, 等.日极端气温的主客观预报能力评估及多模式集成网格释用[J].气象, 2017, 43(5): 581-590.
    [37] 佟华, 姚明明, 王雨, 等. T213L31全球中期数值天气预报系统2m温度预报误差源分析[J].气象, 2006, 32(2): 52-57.
    [38] 康岚, 冯汉中, 屠妮妮, 等. Grapes模式预报西南地区夏季2m温度的检验评估[J].高原山地气象研究, 2009, 29(2): 26-32.
    [39] 陈超君, 王东海, 李国平, 等.冬季高海拔复杂地形下GRAPES-Meso要素预报的检验评估[J].气象, 2012, 38(6): 657-668.
    [40] CRUTCHER H L. On the standard vector-deviation wind rose[J]. J Atmos Sci, 1957, 14(1): 28-33.
    [41] 石岚, 徐丽娜, 郝玉珠.基于风速高相关分区的风电场风速预报订正[J].应用气象学报, 2016, 27(4): 506-512.
    [42] 靳军莉, 马建中, 林伟立, 等.华北平原固城站NO2对流层柱浓度变化特征[J].应用气象学报, 2016, 27(3): 303-311.
    [43] 王咏薇, 高山, 高卓, 等.一种基于精细边界层模式的复杂地形风电场风速预测方法: 中国, 201210479940.4[P]. 2012-11-23.
  • 加载中
图(6) / 表(1)
计量
  • 文章访问数:  267
  • HTML全文浏览量:  43
  • PDF下载量:  46
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-03-18
  • 修回日期:  2019-08-18
  • 刊出日期:  2019-12-01

目录

    /

    返回文章
    返回