WRF模式中土壤濕度對位勢高度模擬影響的敏感性分析

易　翔，曾新民，王　寧，王　明，周　驍，汪　彪

(1.解放軍理工大學氣象海洋學院，江蘇　南京　211101；2.中國人民解放軍海軍南海艦隊海洋氣象水文中心， 廣東　湛江　524001)

?

WRF模式中土壤濕度對位勢高度模擬影響的敏感性分析

易翔1，曾新民1，王寧1，王明1，周驍1，汪彪2

(1.解放軍理工大學氣象海洋學院，江蘇南京211101；2.中國人民解放軍海軍南海艦隊海洋氣象水文中心， 廣東湛江524001)

摘要：利用WRFV3.6中尺度預報模式對我國東部地區(qū)2003年5、6、7月下旬天氣過程進行模擬，研究分析了土壤濕度對位勢高度的影響。結果表明：(1)對流層中低層位勢高度對土壤濕度有較強的敏感性，且各月的位勢高度隨土壤濕度的改變都有一致的變化規(guī)律，但相對于5、6月，7月高溫過程中位勢高度對土壤濕度更為敏感。土壤濕度的增加(減少)會導致750~500 hPa位勢高度減小(增大)、850 hPa以下氣壓層位勢高度增大(減小)；(2)不同土壤濕度試驗模擬的不同地表熱通量可直接影響氣溫變化，在靜力平衡和質量守恒條件下可進一步影響不同高度的氣壓，并最終導致位勢高度的差異；(3)位勢高度白天受土壤濕度的影響程度最大。白天熱通量傳輸旺盛，在干(濕)的土壤濕度條件下，地表溫度增溫(降溫)幅度大，850 hPa位勢高度減小(增大)、500 hPa位勢高度增大(減小)更為明顯；夜間情況相反。

關鍵詞：WRF模式；高溫；土壤濕度；位勢高度

引言

位勢高度作為表征大氣環(huán)流的一個重要物理量，與全球變暖、赤道海表溫度升高等因素密切相關[1-3]，且在描述氣候及其異常方面有顯著的意義[4]。對位勢高度的分析是氣候預測的重要基礎[5]，同時也受到了氣象學者的廣泛關注。早在20世紀60年代，Phillips[6]就將位勢高度作為流體力學方程組中一個重要變量來描述大氣環(huán)流的特征，并進一步應用于數值預報。自1990年代NCEP/NCAR公布再分析資料以來，利用位勢高度分析天氣、氣候的研究越來越多[7]，如Kidson等[8]對1 000 hPa和500 hPa位勢高度場進行分析，從而確定相關的預報因子用以評估局地氣候的變化；Chen等[9]將位勢高度應用于渦度、散度計算，并利用由此推導出的方程反演一次降水天氣過程，發(fā)現與觀測結果相符。到了21世紀初，隨著各類氣象資料和研究方法的不斷改進和發(fā)展，針對位勢高度的研究涉及到了諸多方面[10-14]，如嚴華生等[10]著眼于近50 a來兩極和赤道500 hPa位勢高度的時間演變規(guī)律，通過對比不同區(qū)域位勢高度的振蕩頻率，得出氣候變化最先開始于南極地區(qū)的結論；Raziei等[11]指出，較大的500 hPa位勢高度梯度所決定的大氣環(huán)流類型(中東深槽控制型)與伊朗地區(qū)天氣尺度變化關聯(lián)最大。位勢高度的異常變化可以造成諸如高溫熱浪、強降水、低溫凍害、颶風等極端事件的發(fā)生[15-19]，如Hafez[15]強調了大西洋颶風登陸活動與位勢高度異常的緊密聯(lián)系，后者能在很大程度上決定前者的發(fā)生強度和范圍。又如2013年造成湖南境內重大經濟損失的高溫熱浪事件，是由于西太平洋副熱帶高壓(WPSH)異常西伸和持續(xù)控制該地區(qū)所導致的[17-18]。上述研究表明，位勢高度在天氣和氣候尺度的各類研究中都有非常重要的作用，增強對位勢高度變化機理的認識是十分必要的。

在分析位勢高度時，除了統(tǒng)計學方法外，利用各類氣象模式(如GCM、RCM、WRF等)模擬位勢高度的研究也愈漸增多[8,20-22]。本文利用WRF中尺度預報模式對位勢高度進行模擬分析。WRF模式中耦合了多種物理參數化方案，其中，陸面過程對大氣環(huán)流(位勢高度)有很大的影響[21]。土壤濕度作為陸面過程中的重要物理量，其初始異常對短期氣候有明顯影響且可以以長波波列形式傳播到很遠距離處[23]，它的變化通常通過改變地表通量(能量、水分、動量通量等)的傳輸來影響氣溫、降水等[24]，而氣溫的變化將進一步作用于位勢高度[22,25]。丁一匯等[26]的研究表明，近年來幾乎在所有的陸地地區(qū)，高溫天氣都在增多，其中增加最明顯的地區(qū)是土壤濕度減少的地區(qū)。Yang等[27]研究表明地表溫度的變化與850 hPa位勢高度有很大關系，可將位勢高度作為高溫天氣的一個重要預報因子。楊輝等[28]認為近幾十年來的全球增溫有利于位勢高度的異常增高，而這種位勢高度的異常變化也是造成我國夏季高溫的主要原因之一。

可見，土壤濕度能夠通過改變氣溫等影響位勢高度，探討土壤濕度對高溫天氣位勢高度的影響是一項很有意義的工作。本文利用WRF模式對我國東部地區(qū)2003年5、6、7月下旬進行短期(逐24 h)天氣模擬，對比分析不同土壤濕度條件下的位勢高度變化。

1試驗設計

采用WRFV3.6模式版本，模擬的初始場及邊界條件采用美國國家環(huán)境預報中心(NCEP)提供的FNL 1°×1°資料，該資料時間間隔為6 h。采用的物理參數化方案主要包括Lin等的微物理方案、RRTM長波輻射方案、Goddard短波輻射方案、MO表面層方案、YSU邊界層參數化方案、BMJ積云對流參數化方案、NOAH陸面方案(包含10、30、60、100 cm 4個土壤層)。

試驗采用雙向兩重嵌套網格(圖1a)，模擬區(qū)域D2為2003年夏季高溫的主要發(fā)生區(qū)(即華東地區(qū)：106.5°E~125.9°E、19.6°N~38.6°N)，模擬區(qū)域中心為(29°N、117.5°E)，大區(qū)域D1格點數為79×79，小區(qū)域D2格點數為133×166，水平格距分別為36和12 km，垂直分辨率為不等距31層，模式頂氣壓為50 hPa。后續(xù)分析中涉及的區(qū)域平均統(tǒng)計量均針對D2區(qū)域。類似于Zeng等[21]所采用的積分方法，選取熱浪最強的7月下旬[22,28]，以及5、6月下旬作對比研究，逐24 h積分的初始場分別采用從2003年5月(6、7月)20日06:00 UTC至29日06:00 UTC的10個初始場(各初始場間隔24 h)，分別作10個24 h積分(即24 h積分的起止時間設置為20日06:00 UTC至21日06:00 UTC)，積分步長為90 s。

為了考察位勢高度對不同土壤濕度(SMOIS)的敏感性，將初始土壤濕度場作如下處理，即同時改變兩重嵌套中每一土壤層上每個格點的土壤濕度。設計試驗的名稱為：CTL(0%)、WET25(+25%)、WET50(+50%)、DRY25(-25%)、DRY50(-50%)。每個24 h積分試驗均采用5種不同的初始場進行模擬，共計150個試驗。需要注意的是，因為SMOIS取值范圍應在0~1之間，所以在做WET試驗時，如果格點改變后的SMOIS大于1則令其等于1。而模擬區(qū)域內的水體由于SMOIS值始終為1，在改變土壤濕度時不對其進行處理。圖1b 給出7月20日CTL試驗中作為初值的土壤表層濕度場。可以看到，SMOIS始終為1的區(qū)域即為水體，主要集中于長江中下游地區(qū)以及華東、華南沿海地區(qū)。在各月的CTL試驗中(圖略)，大部分區(qū)域的土壤濕度值都處在0.5 m3·m-3以下，而在敏感性試驗中，土壤濕度分布都遵循上述的變化幅度。

圖1　模式嵌套區(qū)域 (a) 及7月20日CTL試驗06:00UTC初始土壤濕度分布 (單位:m3/m3) (b)

這里著重分析積分24 h后06:00 UTC的各物理量變化。因為此時的地表溫度最接近日最高氣溫，且陸氣間的水汽傳輸、熱交換等更為旺盛，土壤濕度造成的影響能夠更明顯地表現在氣溫以及位勢高度的變化上[22]。由于陸面參數對大氣的影響主要限制在對流層的中低層，后續(xù)分析中主要針對850 hPa和500 hPa位勢高度。

2模擬結果分析

2.1空間分布

圖2給出7月下旬高溫期間500 hPa平均位勢高度在06:00 UTC的空間分布和不同土壤濕度試驗與CTL的偏差分布。與NCEP分析場(圖2a)相比，CTL試驗(圖2b)能夠很好地模擬出500 hPa位勢高度的分布。模擬區(qū)域內高值區(qū)主要位于華東地區(qū)，且位勢高度值向南北逐漸遞減，這與模擬期間控制我國東部地區(qū)強大的WPSH有關。可以看到，5 880 gpm等位勢高度線西伸至108°E以西，南北跨度達13個緯度，CTL試驗模擬的WPSH范圍和強度較NCEP分析場更大。表明在土壤濕度不變的條件下，WRF模式模擬的500 hPa位勢高度值偏大，如在華東中東部地區(qū)出現了>5 920 gpm的高值。

圖2　7月下旬10 d平均的06:00 UTC 500 hPa位勢高度及不同土壤濕度試驗與CTL試驗的位勢高度偏差分布(單位:gpm)

從不同土壤濕度試驗與CTL試驗的偏差分布中能夠發(fā)現，與前人有關參數化方案等造成的位勢高度變化幅度大小的結果類比[16,29]，土壤濕度的變化能夠明顯地改變位勢高度的模擬結果。與CTL試驗相比，WET25試驗在幾乎整個區(qū)域內模擬出的500 hPa位勢高度值更小，尤其在華北和華中北部地區(qū)減小得更為明顯，最大偏差能達到2.5 gpm以上，區(qū)域平均值較CTL試驗減小0.79 gpm(圖2c)。WET50試驗(圖2d)在更大范圍上模擬出了更小的位勢高度值，大部分地區(qū)的偏差程度都超過1 gpm，華北部分區(qū)域偏小3 gpm以上，整個模擬區(qū)域較CTL試驗平均減小1.21 gpm。與WET試驗相反，DRY25與CTL試驗的偏差分布(圖2e)，除了西南小部分區(qū)域外，整個模擬區(qū)域的位勢高度都有所增加，其中增加最明顯(超過1 gpm)的地區(qū)主要位于28°N以北。對比WET25試驗(圖2c)發(fā)現，DRY25試驗位勢高度的變化幅度和范圍更大，與CTL試驗相比平均增加0.87 gpm (>0.79 gpm)，說明500 hPa位勢高度對土壤濕度減小的敏感性更強。這在DRY50試驗(圖2f)中表現更為明顯，整個模擬區(qū)域幾乎都模擬出了超過2 gpm的位勢高度正偏差，一些區(qū)域甚至達到5 gpm，較CTL試驗平均偏大2.08 gpm(>1.21 gpm)。這也進一步表明土壤濕度的減小(增加)可以在很大程度上增加(減少)500 hPa的位勢高度值。在5、6月500 hPa平均位勢高度分布中(圖略)，可得到類似的結論，但土壤濕度改變引起的位勢高度變化幅度較7月小。圖3給出7月下旬高溫期間850 hPa平均位勢高度在06:00 UTC的空間分布和不同土壤濕度試驗與CTL的偏差分布。與NCEP分析場(圖3a)對比，WRF模式同樣較好地再現位勢高度的空間分布，且模擬的高值中心范圍、強度等較500 hPa更為準確(圖3b)。在模擬區(qū)域內存在2個高低值中心，高值中心位于華東地區(qū)(受WPSH控制)，低值中心位于西北部。

對比CTL試驗(圖3b)，改變土壤濕度的大小能夠明顯地引起位勢高度的變化。WET25試驗(圖3c)主要增加了32°N以北和華東部分地區(qū)的位勢高度，而減小其它區(qū)域的位勢高度，增加和減小的區(qū)域面積相當，但增加的幅度更大(部分地區(qū)能達到3 gpm以上)。由于正負值的抵消作用，在區(qū)域平均水平上，增加25%的土壤濕度造成位勢高度平均增大0.02 gpm。WET50 試驗(圖3d)與WET25試驗引起的位勢高度空間變化類似，但WET50試驗位勢高度增大更為顯著(如西北地區(qū)的低值中心模擬出超過4 gpm的偏差值)，整個區(qū)域較CTL試驗平均偏大0.04 gpm。與WET試驗不同，減小土壤濕度后模擬區(qū)域內一致表現為位勢高度降低，其中DRY25試驗(圖3e)大部分地區(qū)都模擬出1 gpm左右的負偏差，尤其在低值中心區(qū)域出現3 gpm的偏差值，較CTL試驗平均減小0.5 gpm；DRY50試驗(圖3f)的位勢高度偏差在絕大部分地區(qū)處在2~4 gpm之間，但在局部地區(qū)(如低值中心)內較CTL試驗偏小6 gpm以上，區(qū)域平均值較CTL試驗平均減小1.9 gpm。以上結果同樣表明，850 hPa位勢高度對土壤濕度的變化十分敏感，且對土壤濕度減小更為敏感，與500 hPa位勢高度隨土壤濕度變化的規(guī)律相反的是，增加(減小)土壤濕度會使得850 hPa位勢高度值增大(減小)。同樣，在5、6月下旬850 hPa平均位勢高度分布(圖略)中能夠得出相似的結論，但5、6月位勢高度對土壤濕度的敏感性較7月高溫時段弱。

表1給出不同氣壓層位勢高度的區(qū)域平均數值變化，在1 000~500 hPa的11層內，位勢高度均對土壤濕度變化十分敏感，且在各月都有一致的變化規(guī)律。在高溫發(fā)生的7月，位勢高度對土壤濕度的敏感性較5、6月更強，如5、6、7月各試驗期間的500 hPa位勢高度平均偏差分別為0.29、0.89、1.65 gpm，揭示了土壤濕度、溫度(5~7月平均氣溫逐漸升高)和位勢高度三者間的密切聯(lián)系。具體來看，850 hPa以下高度，各模擬時段內位勢高度都隨土壤濕度的增加(減小)而增加(減小)，且不同土壤濕度試驗間的位勢高度偏差隨高度的變化先增大后減小，在950 hPa達到最大。如6月的CTL試驗與DRY50試驗位勢高度差值從1 000~850 hPa依次為0.75、3.05、2.08、1.01 gpm。800 hPa作為一個“過渡層”位勢高度隨土壤濕度各月的變化規(guī)律有所不同。在750~500 hPa，位勢高度隨土壤濕度的增加(減小)而減小(增加)，且偏差大小隨著高度的變化也是先增大后減小。如7月的CTL試驗與WET50試驗位勢高度差值從750~500 hPa依次為0.45、0.77、1.1、1.2、1.22、1.21 gpm。以上結果表明，陸面土壤濕度的改變能夠有規(guī)律地影響對流層中低層的位勢高度，且位勢高度對土壤濕度的敏感性在中低層都是先增強后減弱的。

圖3　7月下旬10 d平均的06:00 UTC 850 hPa 位勢高度

1000hPa950hPa900hPa850hPa800hPa750hPa700hPa650hPa600hPa550hPa500hPa5月DRY5071.90508.47978.781472.781989.332532.443111.413726.344373.565074.275828.54DRY2573.26511.02980.671473.821989.562532.193111.063725.994373.195073.945826.29CTL74.23512.63981.781474.371989.662532.043110.833725.734372.905073.655826.07WET2575.16513.87982.601474.811989.822532.073110.793725.664372.795073.555825.99WET5075.97514.63983.081475.061989.912532.063110.733725.584372.725073.495825.976月DRY5069.59486.30958.271454.371975.422523.973107.983728.014381.525088.075846.65DRY2570.13488.16959.571455.031975.492523.633107.423727.364380.785087.335846.00CTL70.34489.35960.351455.381975.482523.363107.003726.864380.195086.715845.41WET2570.51490.04960.751455.561975.452523.163106.703726.514379.775086.295844.99WET5070.47490.49961.081455.811975.582523.213106.713726.494379.725086.245844.947月DRY5069.21505.14983.071484.032009.172561.223148.373771.274427.145136.815898.82DRY2570.05508.60985.611485.432009.462560.713147.503770.214425.865135.515897.62CTL70.63510.37986.771485.932009.402560.293146.893769.484425.025134.635896.74WET2570.97511.30987.221485.952009.082559.773146.223768.754424.235133.845895.96WET5071.05511.88987.481485.982008.952559.523145.893768.384423.825133.415895.53

2.2模擬誤差

為進一步考察土壤濕度對位勢高度的影響，利用模擬結果與NCEP分析場的偏差(BIAS)及均方根誤差(RMSE)進行檢驗，即：

(1)

(2)

式中，M為06:00 UTC位勢高度(500 hPa和850 hPa)的模擬值，O為NCEP位勢高度值。

與之前結論一致的是，各月的500 (850) hPa位勢高度BIAS值都是隨土壤濕度增加而減小(增大)的。對500 hPa(圖4a)位勢高度而言，各月在不同的土壤濕度條件下均模擬出正的偏差值，且土壤濕度擾動越強偏差程度越大，其中7月的DRY50、 DRY25、CTL、WET25、WET50試驗分別偏大9.9、8.7、7.8、6.9、6.6 gpm。觀察各月各土壤濕度試驗間BIAS值的平均差異發(fā)現，隨著時間推移(即平均氣溫升高)，差異也越來越大，5、6、7月不同土壤濕度造成的BIAS差異分別為0.3、0.9、1.7 gpm。不同的是，850 hPa位勢高度BIAS(圖4c)在5月為正值，而6、7月為負值，且BIAS值較500 hPa更小，這也表明土壤濕度在不同模擬時段對不同氣壓層位勢高度的影響存在差異，模式對850 hPa位勢高度的模擬更為準確。同樣可以看到，各月的BIAS值對土壤濕度均有較強的敏感性。

從均方根誤差變化中發(fā)現，在500 hPa高度(圖4b)，土壤濕度的增加會使得各月的RMSE值逐漸減小，7月的平均RMSE值較5、6月偏小約12~15 gpm。在850 hPa高度(圖4d)，RMSE的值較500 hPa偏低，除7月外，RMSE值隨土壤濕度變化的規(guī)律與500 hPa一致，7月土壤濕度的增加或減小都會使RMSE值升高。綜合來看，與BIAS類似，RMSE同樣對土壤濕度較為敏感，且7月的敏感性達到最強。

圖4　各試驗模擬的500 hPa(a,b)、850 hPa(c,d)位勢高度

3機理探討

感熱、潛熱通量是陸氣間能量交換的主要方式，能夠反映溫度對土壤濕度擾動的響應，并影響地表氣溫的變化[30]。在陸面與大氣的反饋過程中，土壤濕度引起的氣溫、氣壓變化能夠進一步影響位勢高度[22]。如感熱輸送加熱低層大氣，地表溫度升高導致氣壓降低，在靜力平衡條件下勢必會使得不同氣壓層的高度發(fā)生變化(即位勢高度發(fā)生變化)。由于在不同模擬時段內土壤濕度改變造成的位勢高度變化規(guī)律一致，影響機制也基本相同，所以針對7月下旬的高溫天氣過程進行定性和定量分析。

3.1感熱、潛熱通量

圖5給出不同土壤濕度引起的感熱、潛熱通量的差值分布?？梢钥吹?，相對于CTL試驗，WET試驗(圖5a、圖5b)在大部分地區(qū)模擬出的感熱通量更小，局部地區(qū)的偏差可達100 W·m-2，WET25、WET50試驗較CTL試驗平均減小約17.8、27.1 W·m-2。在DRY試驗中，感熱通量在整個模擬區(qū)域內都有所增加(尤其在西北部和中部地區(qū))，且DRY試驗增加的幅度大于WET試驗減小的幅度，如DRY25-CTL、DRY50-CTL的區(qū)域平均大小分別為27.5、79.1 W·m-2。由于在凈輻射能穩(wěn)定不變的條件下，感熱、潛熱通量為能量的2種主要分配形式，感熱通量的增加勢必會導致潛熱通量的減少，反之亦然。所以，潛熱通量呈現出與感熱通量相反的空間分布，隨土壤濕度增加(減小)而增加(減小)。這是因為WET試驗中偏高的土壤濕度會引起蒸發(fā)增加，低層大氣中釋放的凝結潛熱也因此增多，而在DRY試驗中則相反。各敏感性試驗在整個范圍內與CTL試驗的平均偏差分別為24(WET25)、36.5(WET50)、37.5(DRY25)、105.2(DRY50) W·m-2。

在感熱、潛熱通量逐時變化中，由于白天的太陽輻射較強，感熱通量均為正值，夜間地面輻射冷卻，表現為統(tǒng)一的負值(圖6a)。與之相對應的是，潛熱通量變化的轉折點同樣是白天與夜間的交界時刻11:00 UTC和22:00 UTC(圖6b)。在夜間不同土壤濕度造成的熱通量差異要明顯小于白天，這是因為熱通量強烈地依賴于太陽輻射，白天較強的輻射下，土壤濕度的變化通過蒸發(fā)等物理過程更大程度地改變熱通量的傳輸；而夜間的凈輻射能維持在較低的水平，土壤濕度的改變不足以引起熱通量較大的變化。如感熱通量DRY25與CTL試驗的差值在白天可達17 W·m-2，而在夜間僅為0.2 W·m-2?？偟膩碚f，在高溫發(fā)生的主要時段(白天)，感熱、潛熱通量對土壤濕度的敏感性更強。

圖5　7月10 d平均的06:00 UTC各敏感性試驗與CTL試驗

圖6　7月10 d平均的感熱通量(a)及潛熱通量(b)逐時變化

3.2地表溫度和地面氣壓

對比圖7與圖5，不同土壤濕度試驗間感熱通量差值的高(低)值區(qū)、潛熱通量的低(高)值區(qū)正好對應地表溫度的高(低)值區(qū)和地面氣壓的低(高)值區(qū)，如這種對應關系在CTL-WET50差值圖(圖5b、圖5f以及圖7b、圖7f)中111°E~119°E、26°N~30°N區(qū)域高(低)值中心體現得十分明顯。在土壤濕度小的條件下，增強的地面向上的感熱輸送，可直接加熱低層空氣升高地表溫度，并同時伴隨氣壓的降低；在土壤濕度大的條件下，水汽蒸發(fā)對陸面的冷卻作用加強，溫度降低、氣壓升高。與熱通量類似，地表溫度和地面氣壓都對土壤濕度減小更為敏感，這和之前有關位勢高度的結論是一致的，如計算的區(qū)域平均地表溫度、地面氣壓的CTL-WET50(DRY50-CTL)值分別為0.36 (0.58) ℃、-0.23 (-0.71) hPa。

結合圖2、圖3各試驗位勢高度的差值分布可知，雖然位勢高度在整個區(qū)域沒有表現為與氣溫、氣壓等變量相同或相反的變化，但在大部分地區(qū)(尤其在高溫顯著的華東部分地區(qū))都有隨土壤濕度一致的變化規(guī)律。土壤濕度的減少導致陸面和低層大氣溫度升高，低層空氣受熱產生上升運動，在WPSH中產生了與大范圍下沉氣流方向相反的次級環(huán)流，即減弱了WPSH內部的下沉運動。在靜力平衡條件下，使得低層的氣壓減弱，減小了850 hPa的位勢高度(圖3e、圖3f)。同時，還抬升了500 hPa的等壓面，使得位勢高度增加(圖2e、圖2f)。土壤濕度增加的情況與此類似。這與Zeng等[22]的研究結果一致，地表溫度與對流層低層位勢高度間存在“負反饋”機制，與對流層中層位勢高度間存在“正反饋”機制。

圖7　7月10 d平均的06:00 UTC各敏感性試驗與CTL試驗

圖8給出地表溫度、地面氣壓和500、850 hPa位勢高度的逐時變化，各物理量均表現出對土壤濕度較強的敏感性。在各土壤濕度試驗中，受到熱通量的影響，地表溫度在一天中出現較大轉折的時刻也出現在11:00 UTC和22:00 UTC，且在白天因土壤濕度變化而產生的溫度差異更大(圖8a)。與地表溫度相比，地面氣壓呈現出近似相反的24 h變化趨勢，二者隨土壤濕度改變也都出現相反的變化(圖8b)，如相對于CTL、DRY25試驗中地表溫度24 h平均上升0.3 ℃，地面氣壓則下降0.3 hPa。類似地，與圖8c、圖8d對比，各試驗地面氣壓與850 hPa 位勢高度隨時間有近似一致的變化。地表溫度與500 hPa位勢高度有類似于“先降后升”的變化趨勢，但后者的波動更大，各轉折點所在時刻與地面氣壓和850 hPa位勢高度基本一致，不同土壤濕度引起的各試驗間位勢高度的差異與地表溫度相似?？梢姡ㄟ^改變對溫度和氣壓的模擬，土壤濕度對位勢高度有規(guī)律的影響不僅體現在某一時刻空間分布的差異上，也體現在逐小時的變化當中。

表2給出5、6、7月各土壤濕度試驗在不同時段(24 h、白天、夜間)模擬的500和850 hPa位勢高度、地表溫度、地面氣壓、感熱通量和潛熱通量的區(qū)域平均數值。與之前的結論一致，各物理量對土壤濕度減小更為敏感，且7月土壤濕度減小造成的物理量值變化較5、6月更大。在不同時段內，不同土壤濕度試驗中各物理量的大小關系均為白天值>24 h值>夜間值，如6月CTL試驗的850 hPa位勢高度對應各時段值分別為1 459.21 gpm(白天)、1 458.21 gpm (24 h)、1 456.72 gpm(夜間)。此外，由于土壤濕度改變造成各試驗間的物理量值差異通常也在白天達到最大，如7月DRY50與CTL試驗的500 hPa位勢高度差異在各時段分別為1.12 gpm(白天)、1.02 gpm(24 h)、1 gpm(夜間)。這是因為在白天更強的太陽輻射下，土壤濕度變化導致的熱通量改變幅度更大，引起的氣溫、氣壓變化程度也較大，并最終導致位勢高度更大的差異。以上結果表明，土壤濕度主要是通過白天輻射加熱時段對位勢高度產生影響。

圖8　7月10 d平均的地表溫度 (a)、地面氣壓 (b)、500 hPa (c) 和850 hPa (d) 位勢高度逐時變化

500hPa位勢高度/gpm24h白天夜間850hPa位勢高度/gpm24h白天夜間地表溫度/℃24h白天夜間5月DRY505825.685827.205823.391477.141478.641474.6123.3824.9621.01DRY255825.545827.035823.161477.461478.941474.9823.1224.5620.97CTL5825.315826.875822.931477.621479.051475.2322.9024.2420.87WET255825.235826.785822.851477.741479.151475.4022.7023.9920.77WET505845.455846.625843.671477.851479.251475.5322.5723.8220.686月DRY505845.455846.625843.671457.801458.901456.1226.1627.3724.34DRY255844.965846.175843.071458.041459.131456.4125.8626.9724.21CTL5844.445845.695842.461458.211459.211456.7225.6126.6524.05WET255844.105845.355842.071458.331459.251456.9525.4426.4423.93WET505843.995845.255841.931458.451459.351457.1225.3426.3323.867月DRY505899.645899.735898.891488.151488.441487.3528.8830.3226.74DRY255899.115899.135898.411488.631488.851487.9828.5029.7926.56CTL5898.615898.615897.891488.831488.981488.2728.2029.4126.38WET255898.255898.205897.561488.891489.101488.4627.9829.1326.24WET505898.025897.945897.341488.951488.981488.5827.8428.9726.15

地面氣壓/hPa24h白天夜間感熱通量/W·m-224h白天夜間潛熱通量/W·m-224h白天夜間5月DRY50977.76977.87977.6068.2121.5-6.370.398.630.8DRY25977.90978.03977.7352.293.6-5.791.0133.331.8CTL978.00978.14977.8242.075.8-5.4105.5157.432.8WET25978.07978.22977.8934.963.5-5.2116.0174.933.6WET50978.12978.28977.9330.555.9-5.1122.9186.334.16月DRY50974.04974.15973.9249.893.2-11.185.0125.728.0DRY25974.16974.28974.0236.069.5-10.8103.1156.129.1CTL974.25974.38974.1227.454.5-10.7115.5176.729.8WET25974.31974.44974.1822.345.7-10.6122.9189.130.3WET50974.34974.47974.2219.641.2-10.5127.0195.830.77月DRY50976.02976.03975.9856.5103.4-9.3102.6146.740.9DRY25976.20976.23976.1538.371.9-8.7127.5188.841.7CTL976.31976.35976.2628.454.8-8.5141.9212.942.6WET25976.38976.42976.3321.943.5-8.4151.8229.543.1WET50976.42976.47976.3818.537.6-8.2157.3238.843.3

通過定量分析各物理量在不同土壤濕度條件下的變化關系及敏感程度，確定了土壤濕度影響位勢高度的作用機理，即土壤濕度減小(增加)通過增強(減弱)感熱輸送、減弱(增強)潛熱輸送來升高(降低)地表溫度、減小(增大)地面氣壓，并將這種影響在垂直方向上通過對流傳遞到較高層，最終導致850 hPa位勢高度減小(增大)、500 hPa位勢高度增大(減小)。

4小結

(1)對流層中低層的位勢高度對土壤濕度都具有較強的敏感性，且對土壤濕度減小更為敏感。即土壤濕度的減小(增加)會導致750~500 hPa位勢高度增大(減小)，850 hPa以下氣壓層位勢高度減小(增大)。誤差分析的結果表明，在高溫熱浪最強的7月，位勢高度較5、6月受土壤濕度的影響更大。

(2)在不同土壤濕度條件下模擬的地表熱通量引起的氣溫、氣壓變化是造成位勢高度差異的決定性因子。土壤濕度減小會增強地面向上的感熱輸送并直接加熱對流層低層(850 hPa)大氣引起地表增溫，空氣受熱膨脹將在局地造成空氣質量的水平輻散(密度等發(fā)生改變)，受到靜力平衡條件的約束，低層大氣內的氣壓將會下降同時減小位勢高度。為保持空氣質量守恒，對流層中層(500 hPa)大氣的等壓面會有相應的抬升，即位勢高度增大。土壤濕度增加的情況與之相反。

(3)位勢高度在白天、夜間等不同時段對土壤濕度的敏感程度存在差異(白天最大)。500、850 hPa位勢高度的24 h逐時變化與地表溫度和地面氣壓有近似相同或相反的變化趨勢。不同土壤濕度試驗中各物理量在各時段的平均數值及差異大小關系為白天值>24 h值>夜間值。在白天(夜間)較強(弱)的熱通量傳輸對應較高(低)的地表氣溫、較低(高)的地面氣壓，土壤濕度差異造成的熱通量差異越大(小)使得位勢高度的差異也越大(小)，即土壤濕度主要是通過白天地表強烈加熱的時段對位勢高度產生影響。

本文強調了高溫天氣模擬中土壤濕度的重要性，考慮到位勢高度在天氣、氣候中重要的預報意義[5,9]，以上結論有助于更深刻地認識陸氣反饋過程中土壤濕度對大氣環(huán)流(位勢高度)的影響過程和作用機理。由于WRF模式還受到初邊界條件及模式中各物理參數化選擇、模擬區(qū)域、模式分辨率等的影響，在后續(xù)的研究中可通過更多個例、采用更多的模式設置來探討土壤濕度對位勢高度的影響。

參考文獻:

[1] 張雪芹,陶杰,尹志勇,等. 1979～2005年青藏高原位勢高度場變化趨勢的時空特征[J]. 地理研究,2010,29(8):1493-1501.

[2] Hafez Y Y, Almazroui M. Recent study of anomaly of global annual geopotential height and global warming[J]. Atmospheric and Climate Sciences, 2014,4:347-357.

[3] 王秋良,張立鳳. 2003年夏季重慶高溫伏旱環(huán)流特征分析[J]. 干旱氣象,2008,26(1):1-7.

[4] 李巧萍,王盤興,李麗平. 半球月平均位勢高度場的若干環(huán)流指數及其變化特征[J]. 南京氣象學院學報,2003,26(3):341-348.

[5] 閆巨盛,王盤興,段明鏗,等. 全球大氣位勢高度場氣候變率的球函數分析[J]. 應用氣象學報,2006,17(2):145-151.

[6] Phillips N A. A coordinate system having some special advantages for numerical forecasting[J]. Journal of Meteorology,1957,14:184-185.

[7] 田笑,智協(xié)飛,徐海明. NCEP和JRA再分析資料與探空資料的位勢高度比較分析[J]. 干旱氣象,2013,31(2):254-262.

[8] Kidson J W, Thompson C S. A comparison of statistical and model-based downscaling techniques for estimating local climate variations[J]. Journal of Cimate,1998,11:735-753.

[9] Chen Q S, Bromwich D H. An equivalent isobaric geopotential height and its application to synoptic analysis and a generalized equation in coordinates[J]. Monthly Weather Review, 1999,127(2):145-172.

[10] 嚴華生,宋國瓊,楊素雨,等. 500 hPa高度場上兩極和赤道位勢高度氣候演變規(guī)律的研究[J]. 地球物理學報,2007,50(1):58-65.

[11] Raziei T, Bordi I, Santos J A, et al. Atmospheric circulation types and winter daily precipitation in Iran[J]. International Journal of Climatology,2012,33(9):2232-2246.

[12] Andrea S, Sun J L. Characteristics of thermal and geopotential height differences between continent and ocean and its role in the strength of the Asian summer monsoon[J]. Journal of Ocean University of China,2005,4(4):366-376.

[13] Yang Y X, Huang F, Wang H. Dominant modes of geopotential height in the northern hemisphere in summer on interdecadal timescales[J]. Chinese Journal of Oceanology and Limnology,2013,31(5):1120-1128.

[14] 周順武,張人禾. 青藏高原地區(qū)上空NCEP/NCAR再分析溫度和位勢高度資料與觀測資料的比較分析[J]. 氣候與環(huán)境研究,2009,14(2):284-292.

[15] Hafez Y. Relationship between geopotential height anomalies over north America and Europe and the USA landfall Atlantic hurricanes activity[J]. Journal of American Science,2011,7(6):663-671.

[16] 王萬里,王芳芳,侯浩波,等. 全球500 hPa位勢高度在增高嗎[A] // 姜艷萍,等. 2012中國環(huán)境科學學會學術年會論文集[C]. 北京:中國農業(yè)大學出版社,2012. 2292-2303.

[17] 羅伯良,李易芝. 2013年夏季湖南嚴重高溫干旱及其大氣環(huán)流異常[J]. 干旱氣象,2014,32(4):593-598.

[18] 彭莉莉,戴澤軍,羅伯良,等. 2013年夏季西太平洋副高異常特征及其對湖南高溫干旱的影響[J]. 干旱氣象,2015,33(2):195-201.

[19] 段明鏗,王盤興,吳洪寶. 500 hPa位勢高度場極端天氣事件的NCEP集合概率預報效果分析[J]. 大氣科學學報,2011,34(6):717-724.

[20] Wang H J. A new prediction model for tropical storm frequency over the western North Pacific using observed winter-spring precipitation and geopotential height at 500 hPa[J]. Acta Meteorologica Sinica,2011,25(3):262-271.

[21] Zeng X M,Wu Z H, Xiong S Y, et al. Sensitivity of simulated short-range high-temperature weather to land surface schemes by WRF[J]. Science China:Earth Sciences, 2011,54(4):581-590.

[22] Zeng X M, Wang B, Zhang Y, et al. Sensitivity of high-temperature weather to initial soil moisture:a case study using the WRF model[J]. Atmosphere Chemistry and Physics, 2014,14:9623-9639.

[23] 王萬秋. 土壤溫濕異常對短期氣候影響的數值模擬試驗[J]. 大氣科學,1991,15(5):115-123.

[24] Fischer E M, Seneviratne S I, Vidale P L, et al. Soil moisture-atmosphere interactions during the 2003 European summer heat wave[J]. Journal of Climate, 2007,20(20):5081-5099.

[25] 劉世祥,王錫穩(wěn),劉抗,等. 2010年7月下旬甘肅省持續(xù)高溫天氣成因[J]. 干旱氣象,2013,31(1):131-137.

[26] 丁一匯,張錦,宋亞芳. 天氣和氣候極端事件的變化及其與全球變暖的聯(lián)系[J]. 氣象,2002,28(3):3-7.

[27] Yang T, Li H H, Wang W G, et al. Statistical downscaling of extreme daily precipitation, evaporation, and temperature and construction of future scenarios[J]. Hydrological Processes,2012,26(23):3510-3523.

[28] 楊輝,李崇銀. 2003年夏季中國江南異常高溫的分析研究[J]. 氣候與環(huán)境研究,2005,10(1):80-85.

[29] Shabbar A, Higuchi K, Knox J L. Regional analysis of Northern Hemisphere 50 kPa geopotential heights from 1946 to 1985[J]. Journal of Climate,1990,3:543-557.

[30] 蔡福,周廣勝,李榮平,等. 陸面過程模型對下墊面參數動態(tài)變化的敏感性分析[J]. 地球科學進展, 2011,26(3):300-310.

A High Temperature Weather Case Study About Sensitivity of Geopotential Height to Different Soil Moisture by Using WRF Model

YI Xiang1, ZENG Xinmin1, WAGN Ning1,WAGN Ming1, ZHOU Xiao1, WANG Biao2

(1.CollegeofMeteorologyandOceanography,PLAUniversityofScienceandTechnology,Nanjing211101,China;2.MarinehydrologicalandmeteorologicalCenter,Chinapeople’sLiberationArmyNavySouthSeaFleet,Zhanjiang524001,China)

Abstract:In this paper, the Weather Research and Forecasting model version 3.6 (WRFV3.6) is used to simulate the weather processes during the late May, June and July of 2003 in eastern China and analyze the impact of soil moisture on geopotential height (GPH). The results are as follows: (1)The GPHs of the middle and lower troposphere were very sensitive to soil moisture change, and the laws of GPHs change with the soil moisture in all the months were consistent with each other, but the GPH in the late July was more sensitive to soil moisture than that in the late May and June. The increase (decrease) of soil moisture would lead to the decrease (increase) of GPHs on 750-500 hPa levels and the increase (decrease) of GPHs below 850 hPa level. (2)Through the analysis of physical mechanism, it was found that the surface temperature was directly affected by simulated heat fluxes in different soil-moisture experiments, which modified the pressures on various height under the constraint of static equilibrium and air mass conservation, and finally caused the differences of the GPHs. (3)The GPH was most influenced by soil moisture during the daytime because of the strong diurnal heat flux transfer, under the dry (wet) soil moisture conditions, the surface temperature could rise (reduce) with a larger amplitude, which resulted in an apparently decrease (increase) of 850 hPa GPH and increase (decrease) of 500 hPa GPH, there was an opposite situation during the nighttime. The above results indicated that the soil moisture is very important in forecast and analysis of weather (especially high temperature weather) processes by using GPH, and it can help us better understand the influence mechanism of soil moisture in the land-atmosphere feedback processes.

Key words:WRF model; high temperature; soil moisture; geopotential height

中圖分類號：P461+.4

文獻標識碼：A

文章編號：1006-7639(2016)-01-0113-12

doi:10.11755/j.issn.1006-7639(2016)-01-0113

作者簡介：易翔(1991-),男,四川綿陽人,碩士在讀,主要從事陸面過程研究.E-mail:xiangyi_etf@163.com

基金項目：國家自然科學基金項目(41275012)資助

收稿日期：2015-06-29；改回日期：2015-12-31

易翔，曾新民，王寧，等.WRF模式中土壤濕度對位勢高度模擬影響的敏感性分析[J].干旱氣象，2016，34(1)：113-124, [YI Xiang, ZENG Xinmin, WAGN Ning, et al. A High Temperature Weather Case Study About Sensitivity of Geopotential Height to Different Soil Moisture by Using WRF Model[J]. Journal of Arid Meteorology, 2016, 34(1):113-124], doi:10.11755/j.issn.1006-7639(2016)-01-0113