深圳356米气象塔观测数据的质量控制方法和空气动力学参数研究

谢洁岚; 卢超; 高瑞泉; 王宝民; 孙天乐; 何龙; 范绍佳

doi:10.16032/j.issn.1004-4965.2020.019

深圳356米气象塔观测数据的质量控制方法和空气动力学参数研究

doi: 10.16032/j.issn.1004-4965.2020.019

谢洁岚^{1, 4, 5},
卢超²,
高瑞泉²,
王宝民^{1, 4, 5},
孙天乐³,
何龙³,
范绍佳^{1, 4, 5, ,}

1.
中山大学大气科学学院, 广东珠海 519082
2.
深圳市国家气候观象台, 广东深圳 518040
3.
深圳市环境监测中心站, 广东深圳 518049
4.
环珠江口气候环境与空气质量变化野外科学观测研究站, 广东广州 510275
5.
南方海洋科学与工程广东省实验室(珠海), 广东珠海 519082

基金项目:

国家重点研发计划课题 2017YFC0209606

国家自然科学基金重点项目 41630422

国家重点研发项目课题 2016YFA0602701

详细信息

通讯作者:
范绍佳, 男, 广东省人, 博士, 教授, 主要从事大气边界层物理、环境气象领域研究。E-mail:eesfsj@mail.sysu.edu.cn

中图分类号: P412.1
计量
- 文章访问数: 337
- HTML全文浏览量: 122
- PDF下载量: 19
- 被引次数: 0
出版历程
- 收稿日期: 2019-10-15
- 修回日期: 2020-01-04
- 刊出日期: 2020-04-01

DATA PROCESSING METHOD OF THE METEOROLOGICAL DATA FROM THE 356-METER METEOROLOGICAL TOWER IN SHENZHEN AND RESEARCH ON AERODYNAMIC PARAMETERS

Jie-lan XIE^{1, 4, 5},
Chao LU²,
Rui-quan GAO²,
Bao-min WANG^{1, 4, 5},
Tian-le SUN³,
Long HE³,
Shao-jia FAN^{1, 4, 5
, ,}

1.
School of Atmospheric Sciences, Sun Yat-sen University, Guangzhou 510275, China
2.
Shenzhen National Climate Observatory, Shenzhen, Guangdong 518040, China
3.
Shenzhen Environment Monitoring Center, Shenzhen, Guangdong 518049, China
4.
Observation and Research Station for Climate Environment and Air Quality Change in the Pearl River Estuary, Guangzhou 510275, China
5.
Southern Marine Science and Engineering Guangdong Laboratory(Zhuhai), Zhuhai, Guangdong 519082, China

摘要

摘要: 气象高塔数据资料弥足珍贵, 对其进行质量控制将为后续科学研究和业务工作的开展提供便利; 此外, 利用塔基观测资料计算空气动力学参数有助于校正模式空气动力学参数理论值。对2017-2018年深圳356 m气象梯度观测塔共13层的每10 s风速、风向、相对湿度、温度探测资料进行数据质量控制, 基于莫宁-奥布霍夫相似理论和数据质量控制后的气象梯度观测塔近地层(10 m、20 m、40 m、50 m和80 m) 1分钟平均的风温资料, 利用最小二乘法拟合迭代计算了近中性条件下深圳气象梯度观测塔下垫面空气动力学粗糙度(z₀)和零平面位移(d)。结果表明:深圳气象梯度观测塔的气象探测资料数据质量很高, 连续两年平均数据缺失率为1.28%, 数据错误率为0.01%。近中性边界层条件下, 深圳气象梯度观测塔下垫面空气动力学粗糙度均值为0.35 m, 零平面位移均值为5.33 m, 结果合理可信。研究表明空气动力学参数受下垫面非均匀性、植株柔软性、气流来向、风速等的共同影响。
- 塔基梯度探测 /
- 数据质量控制 /
- 粗糙度 /
- 零平面位移 /
- 深圳356 m气象梯度观测塔
Abstract: Data collected from high meteorological tower is extremely valuable and data processing will facilitate future scientific research and meteorological service. Besides, calculation of aerodynamic parameters using tower-based observation data will help correct theoretical aerodynamic parameter values in numerical models. In our paper, data processing is conducted on meteorological data from the 356-m meteorological tower in Shenzhen, including data of wind speed, wind direction, relative humidity and temperature at 13 layers with a time interval of 10 seconds from 2017 to 2018. Based on the MoninObukhov similarity theory, the least squares fitting is applied to preprocessed wind and temperature data at near surface layers, i.e., layers at the altitudes of 10 m, 20 m, 40 m, 50 m, and 80 m of the meteorological tower, in order to calculate the aerodynamic roughness length (z0) and the zero plane displacement (d). The results show that the quality of meteorological data from the meteorological tower in Shenzhen is remarkably high. The average data loss rate is 1.28% and the data error rate is 0.01%. Under the condition of near-neutral boundary layer, the mean value of the aerodynamic roughness length of the underlying surface of the meteorological tower in Shenzhen is 0.35m, and the mean value of zero plane displacement is 5.33 m. Compared with previous studies, these results are reasonable and reliable. We find that the aerodynamic parameters are affected by the unevenness and plant softness of the underlying surface, as well as wind direction and wind speed.
- meteorological tower observation /
- data processing /
- roughness length /
- zero plane displacement /
- 356-m meteorological tower in Shenzhen

HTML全文

图 1 深圳356 m气象梯度观测塔地理环境

a.地理位置；b.周边1 km范围内下垫面环境，其中蓝色线为不同类型下垫面分区线，按照风向划分标准进行分区。

下载: 全尺寸图片幻灯片

图 2 深圳356 m气象梯度观测塔气象数据质量控制流程

下载: 全尺寸图片幻灯片

图 3 三种不同风向、干湿季不同季节空气动力学粗糙度（z₀）和零平面位移（d）结果

a、b分别为东北扇区、东南扇区、西扇区三种不同风向空气动力学粗糙度和零平面位移分布特征；c、d分别为干湿季空气动力学粗糙度和零平面位移分布特征。横坐标括号中的数字为样本数，“*”表示均值。

下载: 全尺寸图片幻灯片

图 4 全扇区(a)、东北扇区(b)、东南扇区(c)和西扇区(d)不同风速区间z₀分布情况

横坐标括号中的数字为样本数。

下载: 全尺寸图片幻灯片

表 1 深圳356 m气象梯度观测塔的风向、风速、温度、相对湿度数据概况

气象要素	仪器型号	仪器量程范围	观测时段	时间空间分辨率
风向、风速	维萨拉WMT703	风速0~75 m/s 风向0~360 °	2017年1月—2018年12月	时间：10 s记录一次数据。
温度、湿度	维萨拉HMP155	温度-80~60 ℃ 湿度0~100%	2017年1月—2018年12月	13层平台，离地高度为：10 m, 20 m, 40 m, 50 m, 80m, 100 m, 150m, 160 m, 200 m, 250 m, 300 m, 350 m。

下载: 导出CSV

表 2 2017—2018年深圳356 m气象梯度观测塔13个高度层风速、风向、相对湿度、温度资料数据缺测率统计（%）

年份	要素	10 m	20 m	40 m	50 m	80 m	100 m	150 m	160 m	200 m	250 m	300 m	320 m	350 m	平均
2017	风向	0.74	0.62	0.56	0.62	0.19	0.29	0.62	0.95	3.60	0.56	1.94	0.21	3.45	1.10
	风速	0.73	0.52	0.56	0.62	0.19	0.29	0.62	0.95	3.60	0.56	1.94	0.20	0.51	0.87
	相对湿度	0.89	0.66	0.73	0.78	0.35	0.37	1.61	1.08	3.73	0.72	2.28	0.35	0.51	1.08
	温度	0.89	0.66	0.73	0.78	0.35	0.37	1.61	1.08	3.73	0.72	2.28	0.35	0.50	1.08
2018	风向	3.24	1.20	0.81	1.19	0.62	0.90	1.10	1.00	0.80	1.20	0.64	0.93	1.64	1.17
	风速	3.23	1.20	0.80	1.19	0.61	0.90	1.09	1.00	0.79	1.19	0.64	0.93	1.50	1.16
	相对湿度	3.46	1.58	2.70	1.82	2.37	1.24	1.55	1.45	1.44	1.57	1.79	1.40	2.02	1.88
	温度	3.46	1.58	2.70	1.81	2.36	1.24	1.55	1.45	1.43	1.57	1.78	1.39	2.01	1.87
	平均	2.08	1.00	1.20	1.10	0.88	0.70	1.22	1.12	2.39	1.01	1.66	0.72	1.52	1.28

下载: 导出CSV

表 3 同表 2，但为资料数据错误率统计（%）

年份	要素	10 m	20 m	40 m	50 m	80 m	100 m	150m	160 m	200 m	250 m	300 m	320 m	350 m	平均
2017	风向	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00
	风速	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.0	0.01	0.01	0.01	0.01	0.15	0.02
	相对湿度	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.01%	0.01	0.01	0.01	0.01	0.01	0.01
	温度	0.02	0.01	0.02	0.02	0.02	0.02	0.02	0.02	0.02	0.02	0.01	0.01	0.01	0.02
2018	风向	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00
	风速	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.05	0.01
	相对湿度	0.01	0.00	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.01
	温度	0.01%	0.01	0.02	0.02	0.02	0.02	0.02	0.02	0.02	0.02	0.01	0.01	0.01	0.02
	平均	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.01	0.03	0.01

下载: 导出CSV

参考文献(36)

[1]	胡非.湍流, 间歇性与大气边界层[M].北京: 科学出版社, 1995.
[2]	ANDREAE M O, ACEVEDO O C, ARAÙJO A, et al. The Amazon Tall Tower Observatory (ATTO):overview of pilot measurements on ecosystem ecology, meteorology, trace gases, and aerosols[J]. Atmos Chem Phy, 2015, 15(18):10723-10776.
[3]	文明章, 吴滨, 林秀芳, 等.福建沿海70米高度风能资源分布特点及评估[J].资源科学, 2011, 33(7):1346-1352.
[4]	BIRMILI W, STOPFKUCHEN K, HERMANN M, et al. Particle penetration through a 300 m inlet pipe for sampling atmospheric aerosols from a tall meteorological tower[J]. Aerosol science and technology, 2007, 41(9):811-817.
[5]	LI Q S, LI J C, HU S Y. Monitoring of near-surface winds and wind pressures on an instrumented low-rise building during Super Typhoon Rammasun[J]. Journal of Structural Engineering, 2019, 145(2):04018255.
[6]	DESAI A R, XU K, TIAN H, et al. Landscape-level terrestrial methane flux observed from a very tall tower[J]. Agricultural and Forest Meteorology, 2015, 201:61-75.
[7]	田晓敏, 刘东, 徐继伟, 等.大气探测激光雷达技术综述[J].大气与环境光学学报, 2018, 13(5):321-341.
[8]	张旭斌, 万齐林, 薛纪善, 等.风廓线雷达资料质量控制及其同化应用[J].气象学报, 2015, 73(1):159-176.
[9]	鲍艳松, 钱程, 闵锦忠, 等.利用地基微波辐射计资料反演0~10km大气温湿廓线试验研究[J].热带气象学报, 2016, 32(2):163-171.
[10]	邱金桓, 陈洪滨, 王普才, 等.大气遥感研究展望[J].大气科学, 2005, 29(1):131-136.
[11]	熊超超, 谢丽萍, 吴维.大气边界层探测技术初步分析[J].气象水文海洋仪器, 2010, 27(3):77-79.
[12]	罗红艳, 杨红龙, 卢超, 等.深圳风廓线雷达与气象梯度观测塔对风速观测的对比分析[J].广东气象. 2017, 39(6):72-76.
[13]	古锐昌.深圳气象梯度观测塔建设及初步效益[J].气象科技进展, 2019, 9(3):82-83.
[14]	高志球, 卞林根, 逯昌贵, 等.城市下垫面空气动力学参数的估算[J].应用气象学报, 2002, 13(S1):26-33.
[15]	胡张保, 俞炳丰.城市下垫面空气动力学参数确定方法综述[J].气象与环境学报, 2008, 24(5):55-60.
[16]	茅宇豪, 刘树华, 李婧.不同下垫面空气动力学参数的研究[J].气象学报, 2006, 64(3):325-334.
[17]	唐玉琪, 谈建国, GRIMMOND C S, 等.典型特大城市下垫面空气动力学特征参数的计算与分析研究[J].热带气象学报, 2016, 32(4):503-514.
[18]	肯巴提·波拉提, 李煜斌.北京城市下垫面动力学参数的计算与分析[J].大气科学学报, 2017, 40(4):570-567.
[19]	黄瑾, 钟中, 郭维栋, 等.非均匀地表空气动力学有效粗糙度的统计特征[J].物理学报, 2013, 62(5):194-199.
[20]	刘伟, 魏信, 石文, 等.复杂地形条件下零平面位移和空气动力学粗糙度的计算——以珠海南亚热带常绿阔叶林地区为例[J].热带气象学报, 2016, 32(4):524-532.
[21]	FOKEN T. 50 years of the Monin-Obukhov similarity theory[J]. Boundary-Layer Meteorology, 2006, 119(3):431-447.
[22]	郑艳萍, 杨小千, 王宝民.城市下垫面空气动力学参数的确定[C]/第32届中国气象学会年会.天津: 201510.
[23]	刘郁珏, 胡非, 程雪玲, 等.北京325米气象梯度观测塔上CO₂梯度观测数据质量控制与评价[J].大气科学, 2016, 40(2):390-400.
[24]	彭珍, 胡非.北京城市化进程对边界层风场结构影响的研究[J].地球物理学报, 2006, 49(6):1608-1615.
[25]	毕雪岩, 刘烽, 吴兑.几种大气稳定度分类标准计算方法的比较分析[J].热带气象学报, 2005, 21(4):402-409.
[26]	IRWIN J S. Estimating plume dispersion-a recommended generalized scheme[C]//Symposium on turbulence, diffusion, and air pollution, 4th, Reno, NV, January 15-18, 1979, preprints. 1978.
[27]	邱玉珺, 吴风巨, 刘志.梯度法计算空气动力学粗糙度存在的问题[J].大气科学学报, 2010, 33(6):697-702.
[28]	张宏昇.大气湍流基础[M].北京: 北京大学出版社. 2014.
[29]	张强, 曾剑, 姚桐.植被下垫面近地层大气动力状态与动力学粗糙度长度的相互作用及其参数化关系[J].科学通报, 2012, 57(8):647-655.
[30]	李彬, 李永青, 石洪源, 等.不同风速条件下海表空气动力学粗糙度参数化方案[J].海洋湖沼通报, 2019, 41(3):12-18.
[31]	陈勇, 孙冰, 廖绍波, 等.深圳市主要植被群落类型划分及物种多样性研究[J].林业科学研究, 2013, 26(5):636-642.
[32]	何奇瑾, 周广胜, 周莉, 等.盘锦芦苇湿地空气动力学参数动态特征及其影响因素分析[J].气象与环境学报, 2007, 23(4):7-12.
[33]	STULL R B. An introduction to boundary layer meteoroloty[M]. Kluwer Academic Publishers, Dordrecht. 1988.
[34]	JEGEDE O O, FASHEUN T A, ADEYEFA Z D, et al. The effect of atmospheric stability on the surface-layer characteristics in a lowwind area of tropical West Africa[J]. Boundary-layer meteorology, 1997, 85(2):309-323.
[35]	HU D, XING L, HUANG S, et al. Parameterization of aerodynamic roughness of China's land surface vegetation from remote sensing data[J]. Journal of Applied Remote Sensing, 2014, 8(1):083528.
[36]	SHEN C, SHEN A, TIAN C, et al. Evaluating the impacts of updated aerodynamic roughness length in the WRF/Chem model over Pearl River Delta[J]. Meteorology and Atmospheric Physics, 2020, 132:427-440.