WT模型在山區(qū)高速公路風(fēng)預(yù)報訂正中的應(yīng)用

曲曉黎 張杏敏 尤琦,3 張中杰 吳丹

(1 河北省氣象服務(wù)中心，石家莊 050021; 2 河北省氣象與生態(tài)環(huán)境重點實驗室，石家莊 050021; 3 中國氣象局交通氣象重點開放實驗室，南京 210041；4 河北省氣象科學(xué)研究所，石家莊 050021)

引言

近地層風(fēng)的狀況是天氣過程形成的重要因素，也對諸多行業(yè)運營和人們的生產(chǎn)生活有著重要影響。隨著我國氣象觀測站網(wǎng)的精密程度不斷提升以及數(shù)值模擬水平的提高，對風(fēng)的觀測和預(yù)報都有了長足進步，然而復(fù)雜地形風(fēng)的狀況和預(yù)報仍是熱點和難點。宋麗莉等[1-2]多年來基于觀測事實對復(fù)雜山地及沿海地區(qū)近地層風(fēng)的特性進行了詳細(xì)的計算分析，得出了近地層大風(fēng)的演變規(guī)律和特征。賈春暉等[3]利用延慶-張家口一帶的地面氣象觀測數(shù)據(jù)和探空數(shù)據(jù)揭示了這一帶復(fù)雜地形對近地面風(fēng)場的動力和熱力作用及風(fēng)場的精細(xì)化分布特征。馮婧等[4]對京津冀地區(qū)20世紀(jì)50年代以來的日平均風(fēng)速序列進行了非均一性檢驗和均一化訂正。對于風(fēng)的數(shù)值預(yù)報，很多學(xué)者開展了大量的數(shù)值模擬試驗和訂正研究[5-10]，結(jié)果表明單純依靠數(shù)值模式還有一定的局限性。近年來，CFD(Computational Fluid Dynamics)流體力學(xué)計算方法也被較多地應(yīng)用于復(fù)雜地形風(fēng)場的模擬研究。李磊等[11]對“中尺度模式/CFD”耦合過程中CFD解域頂高及入流邊界條件設(shè)置2個關(guān)鍵問題進行了詳細(xì)探討。另外，很多學(xué)者分別利用數(shù)值模擬與CFD結(jié)合的方法對我國不同區(qū)域復(fù)雜地形的風(fēng)環(huán)境進行模擬，取得了較好的模擬效果[12-17]。

針對影響高速公路安全通行的橫風(fēng)或側(cè)風(fēng)，已有關(guān)于其時空分布特征、致災(zāi)危險性評價以及行車安全性和安全速度等方面的研究[18-23]。然而，對于復(fù)雜山區(qū)高速公路沿線風(fēng)的預(yù)報少見報道。張承高速公路張家口至崇禮段全長57 km，是2022年北京冬奧會張家口賽區(qū)的重要交通線路，該路段穿過崇禮山區(qū)，沿線有多處山谷，大風(fēng)條件下對高速公路行車會產(chǎn)生較大影響，而數(shù)值預(yù)報往往對這些區(qū)域的風(fēng)的預(yù)報尤其是風(fēng)速的預(yù)報能力不足。因此本文試圖應(yīng)用基于計算流體力學(xué)原理的Meteodyn WT模型(以下簡稱WT模型)，以及ECMWF數(shù)值模式風(fēng)的預(yù)報產(chǎn)品，模擬輸出張承高速沿線特殊地形的風(fēng)的預(yù)報訂正結(jié)果，以便提升山區(qū)高速公路風(fēng)的精細(xì)化預(yù)報能力。

1 資料與方法

1.1 資料來源

在分析大風(fēng)日數(shù)分布特征和風(fēng)速變化背景時，選取河北省氣象信息中心提供的2001—2020年全省142個國家氣象站逐日最大風(fēng)速資料；驅(qū)動WT模型的風(fēng)的數(shù)值預(yù)報選取ECMWF數(shù)值模式輸出的逐3 h地面10 m風(fēng)；在對風(fēng)速進行檢驗時，選取張家口市崇禮區(qū)范圍內(nèi)崇禮國家氣象站、南窩鋪及場地2套區(qū)域氣象觀測站，高家營及西灣子2套交通氣象觀測站的分鐘級風(fēng)的觀測數(shù)據(jù)。

1.2 WT模型原理

WT模型是法國美迪公司研發(fā)的基于CFD計算流體力學(xué)的、主要用于野外復(fù)雜地形風(fēng)的評估和模擬的模型。具體原理如下：假設(shè)在給定空間與時間的任意一點處的風(fēng)速是由平均風(fēng)速與隨機分量疊加而成，則瞬時風(fēng)速分量可以表示為：

(1)

將式(1)代入大氣連續(xù)方程式(2)進行積分，可得式(3)和式(4)，即定常不可壓縮質(zhì)量守恒和平均雷諾納維葉-斯托克斯方程(RANS):

(2)

(3)

Fi=0

(4)

采用K-L湍流模型來預(yù)測雷諾應(yīng)力對平均流的影響[24]:

(5)

其中，Pk為湍流動能生成項，VT為湍流粘度,u、v、w分別為風(fēng)速在x、y、z方向上的分量。

1.3 WT模型處理流程

圖1所示，WT模型可以按照360°等分或指定的風(fēng)向角，根據(jù)指定風(fēng)廓線、地表邊界條件(地面粗糙度、森林冠層模型)、熱穩(wěn)定度等級分別進行定向模擬計算, 由此得到標(biāo)準(zhǔn)入口風(fēng)速、不同風(fēng)向條件下的風(fēng)場分布。再根據(jù)定向計算結(jié)果中測風(fēng)觀測與計算區(qū)域內(nèi)相同位置之間的統(tǒng)計關(guān)系, 推算給定地點或區(qū)域的風(fēng)速值和風(fēng)能參數(shù)。

圖1 WT模型計算處理流程

2 河北省大風(fēng)日數(shù)分布及日最大風(fēng)速變化特征

利用2001—2020年河北省142個國家氣象站逐日最大風(fēng)速資料，繪制過去20年河北省各站6級及以上大風(fēng)日數(shù)分布(圖2)，可見張家口西北部及承德西部是6級及以上大風(fēng)日數(shù)最多的區(qū)域，而崇禮及周邊地區(qū)大風(fēng)日數(shù)并不是很多，據(jù)分析，這可能與崇禮氣象觀測站的位置有一定關(guān)系，因此就更有必要對該區(qū)域復(fù)雜地形處的風(fēng)的情況進一步模擬和分析。對利用EOF正交函數(shù)分解的2001—2020年各站逐日最大風(fēng)速距平場進行分析發(fā)現(xiàn)，前3個主要模態(tài)方差貢獻較大分別為71.3%、11.7%以及5.4%。第一模態(tài)(圖3a)在空間上呈現(xiàn)全省一致性負(fù)距平的變化特征；第二模態(tài)(圖略)南北反向，省中北部為正距平，東南部為負(fù)距平；第三模態(tài)(圖略)東西反向，西部地區(qū)為負(fù)距平。結(jié)合時間系數(shù)(圖3b)綜合來看，全省絕大部分地區(qū)在過去20年中日最大風(fēng)速呈現(xiàn)明顯減少的趨勢(這與已有研究結(jié)論一致[25-28])，其中張家口、承德北部地區(qū)在第二、第三模態(tài)中略有增大的趨勢，這說明這些區(qū)域的大風(fēng)還是需要格外關(guān)注的。

圖2 2000—2020年河北省142個國家氣象站6級及以上大風(fēng)日數(shù)分布

圖3 2001—2020年河北省142個國家氣象站逐日最大風(fēng)速距平場EOF第一空間模態(tài)(a)和第一時間系數(shù)(b)

3 張承高速公路沿線山區(qū)路段風(fēng)的模擬及檢驗

3.1 模擬區(qū)域及參數(shù)設(shè)置

模擬的區(qū)域如圖4所示，位于張家口崇禮區(qū)的南部，處于陰山山脈東段的大馬群山和燕山余脈交接地帶，屬于壩上壩下過渡型山區(qū)的山地地形。該區(qū)域山勢陡峻，山峰海拔多在1500～2000 m之間，最大高差可達(dá)1300 m多。2個解域區(qū)域幾乎均為正方形，邊長約9.3 km，中心位置分別為位于(115.067°E，40.881°N)和(115.219°E,40.948°N)，2022年北京冬奧會張家口賽區(qū)的主干要道張承高速公路沿山谷底部邊緣自西南向東北方向穿過該區(qū)域。區(qū)域內(nèi)有5處氣象觀測站，分別為：南窩鋪區(qū)域氣象觀測站(站號：B2963，海拔930 m)，距高速公路約1209 m，位于區(qū)域西部較開闊西北—東南走向山谷底部；場地區(qū)域氣象觀測站(站號：B3197，海拔1050 m)，距高速公路約191 m，位于區(qū)域東部接近南北走向山谷底部；崇禮國家氣象觀測站(站號：54304，海拔1240 m)，距高速公路約159 m；位于張承高速公路沿線K34和K57處的高家營和西灣子交通氣象站。

圖4 張承高速公路沿線解域區(qū)域地形分布(紅色線條為張承高速公路，藍(lán)框內(nèi)為解域區(qū)域，地形圖來自World Imagery遙感影像)

在模擬試驗過程中，WT模型采用非結(jié)構(gòu)化網(wǎng)格，解域最小水平分辨率為25 m、水平擴展系數(shù)1.1；最小垂直分辨率為4 m、垂直擴展系數(shù)1.2，解域頂高由WT模型根據(jù)計算區(qū)域內(nèi)地形高度自動確定：

Ztop=Zmax+max(2800，5(Zmax-Zmin))

(6)

其中，Ztop為頂面邊界的海拔高度，Zmax和Zmin分別為解域區(qū)域內(nèi)的地形最高和最低海拔高度。

選用ECMWF數(shù)值模式每日2次輸出的逐3 h、分辨率為0.125°的地面10 m風(fēng)的預(yù)報產(chǎn)品來驅(qū)動WT模型，選取代表站周邊最近一個ECMWF格點預(yù)報結(jié)果作為該站的環(huán)境風(fēng)輸入WT模型，再運用WT模型進行間隔10°的定向計算，生成各方向風(fēng)加速因數(shù)，輸出解域區(qū)域內(nèi)未來24 h預(yù)報時效、逐50 m空間分辨率、3 h時間分辨率的地面10 m風(fēng)產(chǎn)品。進而對張承高速公路沿線山區(qū)路段的風(fēng)的數(shù)值預(yù)報產(chǎn)品進行訂正。

3.2 天氣過程描述

模擬的天氣過程包括30個代表日，日極大風(fēng)的最大值出現(xiàn)在崇禮本站2021年4月16日下午，為18.8 m/s(8級)。這些大風(fēng)過程的天氣背景較為相似，500 hPa高度場(圖略)上，烏拉爾山以東地區(qū)均為一脊一槽形勢，高壓脊位于貝加爾湖西側(cè)，高空槽處于110°～130°E，且大部分過程有冷渦與之配合，槽脊振幅較大，等高線密集。700 hPa與850 hPa高度場(圖略)上存在鋒區(qū)，850 hPa上風(fēng)場與等溫線近乎垂直，有較強的冷平流。地面天氣圖(圖略)上，河北中北部至內(nèi)蒙一帶地面等壓線較為密集，氣壓梯度大，達(dá)到12.5～22.5 hPa/10°。

3.3 模擬結(jié)果檢驗分析

將30個代表日中圖4所示的5套氣象觀測站的10 min平均風(fēng)速與WT模型模擬輸出的10 min平均風(fēng)速兩組數(shù)據(jù)進行對比，有效樣本數(shù)為1167個，其相關(guān)系數(shù)達(dá)到0.6225，通過0.001的顯著性水平檢驗。繪制5個觀測站實況和WT模擬結(jié)果的散點圖(圖5)以及崇禮代表站30個大風(fēng)日的實況和模擬結(jié)果對比曲線(圖6)可見，散點相對集中且均勻的分布在趨勢線兩側(cè)，模擬的數(shù)值比實際觀測的數(shù)據(jù)略偏高，模擬結(jié)果與實況的誤差在-4.69～4.12 m/s之間。具體分析各站的誤差(表1)發(fā)現(xiàn)，崇禮國家站和西灣子交通站的模擬結(jié)果偏高明顯，位于山谷地帶的場地區(qū)域站和高家營交通站的模擬結(jié)果明顯偏小，而地形相對開闊的南窩鋪區(qū)域站模擬結(jié)果相對其他4站誤差范圍明顯要小。整體來看，各站模擬的結(jié)果與實況之間的誤差在±1 m/s之間的均占40%以上(圖7)，±2 m/s之間的占比基本能夠達(dá)到80%以上。從模擬的風(fēng)向來看，均是較為一致的偏北風(fēng)或西北風(fēng)，與天氣過程相符。

圖5 2021年2—5月張家口、崇禮區(qū)域5個觀測站10 min平均風(fēng)速實況與WT模擬風(fēng)速

圖6 2021年2—5月崇禮站30個大風(fēng)日逐3 h間隔10 min平均風(fēng)速實況與WT模擬風(fēng)速

表1 2021年2—5月張家口、崇禮區(qū)域5個觀測站10 min平均風(fēng)速檢驗

圖7 2021年2—5月張家口、崇禮區(qū)域各觀測站10 min平均風(fēng)速模擬與實況誤差占比

由于在開展高速公路氣象服務(wù)過程中更關(guān)注極大風(fēng)，因此將這5個氣象觀測站過去10年(其中2套交通氣象站為5年)的歷史觀測資料，通過最小二乘法建立起10 min平均風(fēng)速與該站極大風(fēng)之間的關(guān)系[29]，得到5套氣象觀測站的極風(fēng)系數(shù)(表2)。再由WT輸出的10 min平均風(fēng)按照極風(fēng)系數(shù)預(yù)測某一點或路段的極大風(fēng)可能值。

表2 張家口、崇禮區(qū)域5個觀測站2—5月極風(fēng)系數(shù)

4 結(jié)論與討論

(1)分析了2001—2020年河北省142個國家氣象站風(fēng)的特征，發(fā)現(xiàn)張家口西北部及承德西部是6級及以上大風(fēng)日數(shù)最多的區(qū)域。利用EOF正交函數(shù)分解各站逐日最大風(fēng)速距平場并分析發(fā)現(xiàn)，在過去20年中日最大風(fēng)速呈現(xiàn)明顯減少的趨勢，但是張家口、承德北部地區(qū)在第二、第三模態(tài)中略有增大的趨勢，這說明這些區(qū)域的大風(fēng)還是需要格外關(guān)注。

(2)應(yīng)用WT模型對張承高速公路沿線2個區(qū)域的30個代表日的風(fēng)進行模擬，并運用區(qū)域內(nèi)5套氣象站的逐分鐘觀測數(shù)據(jù)進行檢驗。發(fā)現(xiàn)WT模型模擬輸出的10 min平均風(fēng)速與實際觀測值相關(guān)系數(shù)達(dá)到0.6225并通過0.001的顯著性水平檢驗。各站模擬的結(jié)果與實況之間的誤差在±1 m/s之間的均占40%以上，±2 m/s之間的占比基本能夠達(dá)到80%以上。

(3)本文提供了一種對高速公路沿線山區(qū)復(fù)雜地形風(fēng)的數(shù)值預(yù)報模擬和訂正的可行方法。在高速公路精細(xì)化氣象服務(wù)中，可應(yīng)用本地地形資料以及時空分辨率更高的智能網(wǎng)格預(yù)報產(chǎn)品或其他數(shù)值預(yù)報模式輸出的風(fēng)預(yù)報產(chǎn)品作為驅(qū)動WT模型的數(shù)據(jù)源，進而對特殊地形的風(fēng)速進行訂正。另外，可根據(jù)區(qū)域內(nèi)代表站的極風(fēng)系數(shù)進行極大風(fēng)的預(yù)報。

(4)復(fù)雜地形的風(fēng)的預(yù)報難度較大，今后需要進一步積累觀測數(shù)據(jù)，不斷優(yōu)化WT模型的參數(shù)，以提高這些區(qū)域高速公路沿線風(fēng)的預(yù)報和訂正能力。