睿圖-大渦系統(tǒng)支撐北京冬奧會氣象服務(wù)保障的評估分析*

劉郁玨 苗世光 黃倩倩 李玉煥 張亦洲

北京城市氣象研究院,北京 100089

提 要： 為滿足北京冬奧組委對氣象預(yù)報提出的“百米級、分鐘級”精細化需求,針對延慶和張家口賽區(qū)分別構(gòu)建了由中尺度氣象模式與大渦模擬耦合的百米微尺度預(yù)報系統(tǒng)“睿圖-大渦”(RMAPS-LES),并對其2020—2022年賽事月份(2—3月)預(yù)報效果進行了對比檢驗。結(jié)果表明,微尺度RMAPS-LES相對于中尺度模式CMA-BJ對站點風(fēng)、溫表現(xiàn)出了較高的預(yù)報技巧。冬奧全站點三年平均的逐時 2 m溫度、10 m風(fēng)速、瞬時風(fēng)向的絕對誤差分別為1.85℃、 2.11 m·s-1、44.43°,較CMA-BJ分別降低了28%、23.6%、30.33%。RMAPS-LES具有詳細刻畫大氣微尺度湍流運動的優(yōu)勢,其風(fēng)速脈動值概率密度分布接近正態(tài)分布,與觀測相近。研究還發(fā)現(xiàn),在動力降尺度時,不同尺度模擬區(qū)域之間需采用過渡技術(shù)以加速大渦模擬區(qū)域內(nèi)湍流的快速生成。RMAPS-LES采用了基于網(wǎng)格位溫隨機擾動的湍流生成方案,能有效縮短過渡區(qū),快速達到能量平衡。其技術(shù)路線對風(fēng)電廠微觀選址、精細氣象環(huán)境評估等預(yù)報精度要求較高的氣象保障服務(wù)亦有借鑒意義。

引 言

歷屆冬季奧林匹克運動會賽區(qū)通常處于復(fù)雜山地,其近地面氣象條件(尤其是風(fēng)場)因地形起伏而呈現(xiàn)高非均勻性,因此氣象觀測和預(yù)報的難度極大(李磊等,2010;Liu et al,2011;李炬等,2020)。復(fù)雜地形精細天氣預(yù)報也是近年來國內(nèi)外預(yù)報技術(shù)的難點和重要發(fā)展趨勢(Fernando et al,2019)。2022年第24屆北京冬季奧運會(簡稱北京冬奧會)延慶和張家口賽區(qū)位于復(fù)雜山地,且賽區(qū)海拔落差極大(李嘉睿等,2022;胡藝等,2022)。此外,北京冬奧會還是世界上首次在大陸性氣候城市舉辦的冬奧會,組委會對氣象預(yù)報精細化服務(wù)提出了“百米級、分鐘級”天氣預(yù)報的要求。以上這些因素均給賽事氣象保障工作帶來了巨大挑戰(zhàn)(鄧國等,2022;楊璐等,2022;孔凡超等,2022)。

本文針對北京冬奧會延慶和張家口兩個賽區(qū),分別構(gòu)建了100 m×100 m水平網(wǎng)格距的實時預(yù)報系統(tǒng)“睿圖-大渦”(Rapid-Refresh Multi-Scale Analysis and Prediction System-Large Eddy Simulation,RMAPS-LES),并對2020—2022年賽事月份(2—3月)的實時預(yù)報效果進行了檢驗、評估。

1 睿圖-大渦系統(tǒng)簡介

RMAPS-LES核心框架為V3.9.1.1版本的WRF模式(Skamarock et al,2008),采用兩重嵌套(圖1)：一個中尺度區(qū)域(d01),水平網(wǎng)格距為1.1 km×1.1 km,涵蓋北京市大部分范圍(圖1a);一個微尺度區(qū)域(d02),水平分辨率為100 m×100 m,分別涵蓋了張家口(圖1b)、延慶(圖1c)賽區(qū)。d01與d02之間水平網(wǎng)格距采用了較常規(guī)(1∶3)更大的嵌套比(1∶11),可避免網(wǎng)格距落入100 m～1 km 的“灰區(qū)”尺度(Wyngaard,2004;Zhou et al,2014)。為加速LES模擬區(qū)域入流邊界附近大氣湍流的快速產(chǎn)生,在d02邊界網(wǎng)格采用了基于位溫擾動方法的入流邊界湍流生成方案(詳見3.5節(jié))。

RMAPS-LES引入30 m分辨率高精度地理信息數(shù)據(jù)集,地形高程數(shù)據(jù)采用了SRTM1(Shuttle Radar Topography Mission 1s,http：∥www2.jpl.nasa.gov/srtm/),地表覆蓋類型數(shù)據(jù)為GlobeLand30-2010(http：∥www.globalland30.com/)。相比中尺度模式常用的900 m分辨率USGS_30s(United States Geological Survey 30 s,http：∥www.usgs.gov/),SRTM1能呈現(xiàn)更精細山地溝壑樣貌,經(jīng)與實測海拔高度對比,SRTM1較USGS_30s平均誤差減小了64.7 m。劉郁玨等(2018)分別使用了以上兩套地形高程數(shù)據(jù)對延慶賽區(qū)風(fēng)場開展了數(shù)值模擬(網(wǎng)格距均為37 m×37 m),結(jié)果顯示SRTM1試驗可詳細刻畫地表不均一特征,呈現(xiàn)更精細的復(fù)雜山地風(fēng)場結(jié)構(gòu)。

初始場和側(cè)邊界條件來自北京城市氣象研究院建立的中國氣象局北京區(qū)域快速更新多尺度觀測資料同化分析及中尺度數(shù)值預(yù)報系統(tǒng)(簡稱CMA-BJ)的3 km×3 km水平網(wǎng)格距逐3 h預(yù)報場(全繼萍等,2022)。CMA-BJ基于WRF和WRFDA(WRF data assimilation),同化了探空、地面和飛機報等常規(guī)資料以及北京地區(qū)自動站和全國地區(qū)的地基資料,還同化了京津冀區(qū)域7部雷達徑向風(fēng)和29部雷達組網(wǎng)拼圖資料;模式其他設(shè)置情況請參見楊揚等(2021)和全繼萍等(2022)。RMAPS-LES水平、垂直方向網(wǎng)格數(shù)、積分步長、物理參數(shù)化方案等模式設(shè)置如表1。垂直層設(shè)置了下密上疏的37層,其中1 km 以下有17層。RMAPS-LES每日開展2個時次的預(yù)報,起報時間分別為05時(北京時,下同)和17時,每次預(yù)報時長為24 h。

表1 RMAPS-LES基本設(shè)置情況及參數(shù)化方案Table 1 Set-up of RMAPS-LES and schemes used in model simulations

2 預(yù)報結(jié)果檢驗方法

以RMAPS-LES d02區(qū)域100 m×100 m網(wǎng)格距預(yù)報結(jié)果和CMA-BJ 3 km×3 km網(wǎng)格距預(yù)報結(jié)果為檢驗對象,檢驗時長為三年賽事期間兩個起報時次(05時、17時)的24 h預(yù)報。檢驗氣象要素為站點逐小時的2 m溫度、10 m的風(fēng)速和整點瞬時風(fēng)向。檢驗站點為張家口賽區(qū)的11個自動氣象觀測站(圖1b圓點)和延慶賽區(qū)的13個自動氣象觀測站(圖1c圓點)?？臻g上將RMAPS-LES和CMA-BJ預(yù)報結(jié)果采用最近距離格點的方法插值到對應(yīng)自動氣象站點。由于RMAPS-LES與觀測為逐10 min預(yù)報,而CMA-BJ為逐1 h預(yù)報,為便于比較,將RMAPS-LES與觀測的風(fēng)速和溫度采取整點向前一小時的滑動平均處理,RMAPS-LES與觀測的風(fēng)向取整點瞬時值。以觀測為“真值”,分別計算05時和17時起報的平均誤差(mean error,ME)、平均絕對誤差(mean absolute error,MAE)、均方根誤差(root mean square error,RMSE)和命中率(hit rate,HR),再計算整體平均值。計算HR時,2 m溫度、10 m風(fēng)速和風(fēng)向的閾值分別為2 ℃、3 m·s-1和45°。延慶賽區(qū)西大莊科站(圖1c,藍色圓點)超聲風(fēng)速儀10 Hz數(shù)據(jù)用于評估湍流的模擬效果。

3 預(yù)報結(jié)果檢驗評估

3.1 2 m溫度檢驗分析

表2給出了2020—2022年賽事月份(2—3月)CMA-BJ和RMAPS-LES兩個起報時次的2 m溫度24 h預(yù)報平均檢驗結(jié)果,包含延慶、張家口兩個賽區(qū)全體24個站點。整體來看,RMAPS-LES對2 m溫度的預(yù)報性能表現(xiàn)較為穩(wěn)定,三年平均MAE為1.85℃,在2℃以內(nèi),已較好地達到了冬奧氣象保障對2 m溫度預(yù)報精度的需求。從ME來看,CMA-BJ對賽區(qū)2 m溫度的預(yù)報整體略有高估,相反RMAPS-LES則略有低估。RMAPS-LES對2 m溫度的MAE較CMA-BJ有較明顯的減小(減小28%;以CMA-BJ為基準(zhǔn),下同),其他檢驗結(jié)果也均顯示出了較好的預(yù)報技巧(RMSE減小21%,HR提高25%)。

表2 2020—2022年賽事月份延慶、張家口兩個賽區(qū)逐時2 m溫度預(yù)報檢驗結(jié)果Table 2 Verification of hourly 2 m temperature forecasts for Yanqing and Zhangjiakou Winter Olympic Games zones in the competition months from 2020 to 2022

圖2給出了CMA-BJ與RMAPS-LES的MAE、RMSE、HR日變化曲線。RMAPS-LES在全天時段內(nèi)都表現(xiàn)出了明顯優(yōu)勢,對2 m溫度預(yù)報準(zhǔn)確性有大幅提升。兩個模式各檢驗要素日變化曲線不僅在整體趨勢上相近,且在波峰、波谷等波動特征上也非常近似,均為01—08時預(yù)報效果較好,12—23時預(yù)報效果略差。在真實大氣邊界層內(nèi)大氣湍流運動特征尺度的日變化中,白天較大的湍渦可以發(fā)展到水平尺度100～1000 m,而夜間水平尺度僅有1～100 m。理論上,夜間RMAPS-LES的100 m水平網(wǎng)格距已不足以分辨大多數(shù)湍渦,夜間應(yīng)該表現(xiàn)出較白天更差的預(yù)報效果,而檢驗結(jié)果卻呈現(xiàn)相反的結(jié)論。對照中尺度CMA-BJ的日變化曲線可知,在小時尺度上,RMAPS-LES對2 m溫度的預(yù)報準(zhǔn)確性實際在很大程度上仍取決于作為初始場和邊界條件的中尺度模式性能,其次才是微尺度模式自身對更小尺度湍流運動的模擬能力。

圖2 2020—2022年賽事月份2 m溫度(a)MAE,(b)RMSE,(c)HR日變化曲線Fig.2 Daily variation curves of (a) MAE, (b) RMSE, (c) HR of hourly 2 m temperature prediction in the competition months from 2020 to 2022

在單個站點檢驗中還發(fā)現(xiàn),中尺度模式2 m溫度預(yù)報誤差與該站點的海拔高度呈現(xiàn)出很強的相關(guān)性。圖3給出了各站點三年平均預(yù)報誤差與站點海拔高度的散點圖及擬合曲線。CMA-BJ較RMAPS-LES在高海拔地區(qū)有較明顯的高估,在低海拔地區(qū)有明顯的低估。而RMAPS-LES由于使用了更精細的地形高程數(shù)據(jù)和更高分辨率的水平網(wǎng)格距,從而部分消除了由模式地形高度誤差帶來的溫度預(yù)報系統(tǒng)性誤差,這也是高分辨率模式在復(fù)雜地形下的顯著優(yōu)勢。

圖3 2 m溫度預(yù)報ME隨海拔高度變化Fig.3 ME of predicted 2 m temperature varies with altitude

圖4為2 m溫度預(yù)報誤差在不同觀測溫度區(qū)間分布的箱線圖,溫度區(qū)間為2℃間隔。圖4a為各站點觀測2 m溫度的分布情況。從圖4a中可知,全體觀測站點2 m溫度大致呈現(xiàn)正態(tài)分布特征,其中在-13～-11℃區(qū)間內(nèi)樣本數(shù)最多,占總體樣本的12%。兩個模式在樣本數(shù)占比較多的溫度區(qū)間預(yù)報效果均較好,而向兩側(cè)低溫及高溫區(qū)間則出現(xiàn)了越來越明顯的高估及低估。其中,RMAPS-LES預(yù)報誤差中位數(shù)整體更接近0℃,且接近0℃的區(qū)間跨度更廣(-19～-9℃)。同時,RMAPS-LES預(yù)報誤差的離散度更小,表現(xiàn)出較強的穩(wěn)定性。這種較集中的誤差分布特點,也為基于機器學(xué)習(xí)的訂正后處理提供了很好的規(guī)律。

圖4 不同2 m觀測溫度的(a)分布區(qū)間,(b)CMA-BJ預(yù)報誤差、(c)RMAPS-LES預(yù)報誤差箱線圖Fig.4 In each (a) observed 2 m temperature bins, (b, c) boxplots of predicted 2 m temperature errors for (b) CMA-BJ and (c) RMAPS-LES

3.2 10 m風(fēng)速檢驗分析

表3給出了2020—2022年賽事月份(2—3月)CMA-BJ和RMAPS-LES在兩個起報時次的10 m風(fēng)速24 h預(yù)報的檢驗結(jié)果。RMAPS-LES對10 m風(fēng)速的預(yù)報效果較為穩(wěn)定,每年平均HR均在70%以上(三年均值提高19.7%),三年平均的MAE為2.11 m·s-1(減小23.6%)、RMSE為2.65 m·s-1(減小25.1%),基本滿足預(yù)報精度需求。

表3 2020—2022年賽事月份,延慶、張家口兩個賽區(qū)逐時10 m風(fēng)速預(yù)報檢驗結(jié)果Table 3 Verification of hourly 10 m wind speed forecasts for Yanqing and Zhangjiakou Winter Olympic Games zones in the competion months from 2020 to 2022

從ME檢驗結(jié)果來看,CMA-BJ在2020年對冬奧賽區(qū)10 m風(fēng)速仍呈低估的特點,符合中尺度模式由于次網(wǎng)格地形效應(yīng)而呈現(xiàn)在海拔較高地區(qū)對近地面風(fēng)速低估的系統(tǒng)性誤差現(xiàn)象(劉郁玨等,2018);但2021年、2022年ME開始變?yōu)檎?其對風(fēng)速由低估轉(zhuǎn)為高估,且幅度較大(2021年較2020年,ME增大3.45 m·s-1)。主要原因在于冬奧賽場對部分賽道進行了防風(fēng)建設(shè),減小了站點觀測風(fēng)速值,進而使預(yù)報風(fēng)速明顯高估。

圖5給出了10 m風(fēng)速MAE、RMSE、HR日變化曲線。其日變化特征與2 m溫度檢驗結(jié)果有相同之處：①較CMA-BJ,RMAPS-LES在全天時段內(nèi)都表現(xiàn)出了明顯優(yōu)勢;②兩者日變化曲線不僅在整體趨勢上相近,在波動特征上也非常近似;③兩者在01—12時預(yù)報效果較好,而在12—23時預(yù)報效果略差。④與微尺度模式自身模擬性能相反,RMAPS-LES受中尺度模式制約,夜間反而呈現(xiàn)更好的檢驗效果。不同之處在于,RMAPS-LES模式檢驗要素日變化曲線波動更大,這是由于其逐時10 m風(fēng)速時間序列不如CMA-BJ平滑,包含了更多分鐘級陣風(fēng)信息。

圖5 2020—2022年賽事月份10 m風(fēng)速(a)MAE,(b)RMSE,(c)HR日變化曲線Fig.5 Daily variation curves of (a) MAE, (b) RMSE, (c) HR of 10 m wind speed prediction in the competition months from 2020 to 2022

圖6給出兩個模式10 m風(fēng)速預(yù)報誤差在2 m·s-1間隔階梯觀測風(fēng)速區(qū)間的分布。從觀測值可以看出,大部分風(fēng)速分布在0～10 m·s-1,占全體樣本的70%左右。風(fēng)速分布呈典型正偏態(tài)分布特征(李軍等,2012)。CMA-BJ在2～4 m·s-1的預(yù)報效果較好,ME中位數(shù)也在0 m·s-1附近。風(fēng)速小于2 m·s-1時,預(yù)報風(fēng)速略有高估;隨著風(fēng)速增大,預(yù)報呈顯著低估現(xiàn)象,風(fēng)速大于14 m·s-1時,誤差中位數(shù)達-11.4 m·s-1;CMA-BJ對站點強風(fēng)的預(yù)報能力較弱。相比之下,RMAPS-LES在不同風(fēng)速區(qū)間內(nèi),誤差中位數(shù)均較CMA-BJ更接近0 m·s-1。除10～14 m·s-1的風(fēng)速預(yù)報略有低估外,其他區(qū)間內(nèi)的預(yù)報均為高估,包括強風(fēng)區(qū)間。一方面表明模式存在系統(tǒng)性誤差,未來應(yīng)從物理過程角度進行優(yōu)化改進;另一方面也表明其在強風(fēng)預(yù)報方面較中尺度模式具有明顯優(yōu)勢。

圖6 不同10 m觀測風(fēng)速(a)區(qū)間分布,(b)CMA-BJ預(yù)報誤差、(c)RMAPS-LES預(yù)報誤差箱線圖Fig.6 In each (a) observed 10 m wind speed bins,(b, c) boxplots of predicted 10 m wind speed errors for (b) CMA-BJ and (c) RMAPS-LES

3.3 10 m風(fēng)向檢驗分析

表4給出了瞬時10 m風(fēng)向檢驗結(jié)果。兩個賽區(qū)主要以270°～360°象限的西風(fēng)至北風(fēng)的直流天氣型為主(Jenkinson and Collison,1977;劉郁玨等,2022),CMA-BJ對背景場風(fēng)向有較好的預(yù)報效果。相對于CMA-BJ,RMAPS-LES與觀測更為接近,各檢驗統(tǒng)計結(jié)果均偏好,三年平均MAE為44.43°(降低30.33%)、RMSE為57.61°(降低20.80%)、HR為68%(提高28.30%)。圖7給出了風(fēng)向預(yù)報誤差的玫瑰圖,可以更清楚地看到,不僅在西風(fēng)、北風(fēng)的背景場風(fēng)向象限內(nèi),而且在與背景風(fēng)場相反的東北、東南風(fēng)向象限內(nèi),RMAPS-LES預(yù)報誤差大于80°的占比顯著減少。

表4 2020—2022年賽事月份,延慶、張家口兩個賽區(qū)瞬時10 m風(fēng)向檢驗結(jié)果Table 4 Verification of instantaneous 10 m wind direction forecasts for Yanqing and Zhangjiakou Winter Olympic Games zones in the competition months from 2020 to 2022

圖7 2020—2022年賽事月份瞬時10 m風(fēng)向的(a)CMA-BJ,(b)RMAPS-LES預(yù)報誤差玫瑰圖Fig.7 Rose diagram of predicted instantaneous 10 m wind direction errors for (a) CMA-BJ and (b) RMAPS-LES in the competition months from 2020 to 2022

3.4 風(fēng)速脈動概率密度分布檢驗分析

RMAPS-LES對近地面風(fēng)速預(yù)報的另一個較大優(yōu)勢在于能獲得更高時間分辨率數(shù)據(jù),可詳細刻畫出大氣中較小部分湍流運動。在實際冬奧會服務(wù)中,站點風(fēng)速產(chǎn)品為逐10 min預(yù)報,但前文對10 m風(fēng)速的檢驗結(jié)果均基于逐1 h風(fēng)速,原因在于：①為便于與中尺度模式CMA-BJ進行對比。②采用傳統(tǒng)ME、MAE、RMSE等檢驗要素對高頻數(shù)據(jù)進行評估的方法并不準(zhǔn)確。例如,逐10 min預(yù)報的風(fēng)速在振幅上量級與觀測相同,但在周期上略有提前或滯后,都將產(chǎn)生非常大的標(biāo)準(zhǔn)差。③10 min間隔仍不足以評估RMAPS-LES對微尺度大氣運動模擬效果。因此,本小節(jié)采用風(fēng)速脈動值的概率密度分布來表征湍流的預(yù)報效果。

圖8顯示了2020—2021年賽事月份(2—3月)10—16時,延慶賽區(qū)西大莊科站(圖1c藍色圓點)RMAPS-LES預(yù)報和超聲風(fēng)速儀觀測數(shù)據(jù)計算獲得的風(fēng)速脈動部分的概率密度分布情況。預(yù)報為每個積分步長輸出的10 m風(fēng)速,觀測為3 m高度10 Hz風(fēng)速,兩者均重采樣至1 Hz。為消除中尺度變化信息,觀測和預(yù)報的風(fēng)速脈動值均為瞬時風(fēng)速減去各自30 min平均風(fēng)速值。從高階矩偏度S可以看出,觀測的風(fēng)速脈動較預(yù)報更接近正態(tài)分布(S接近0),變化的幅度更廣。RMAPS-LES在10—14時階段呈現(xiàn)負偏態(tài)(S<0),左側(cè)有一條長尾,離散度較強,右側(cè)極值較大且概率也大。隨著時間增加,觀測與預(yù)報的S值差異變小,接近正態(tài)分布。從峰度K可知,RMAPS-LES預(yù)報較觀測在三個時間段更大。K值越大,代表風(fēng)速的短時變化越大,說明下沉氣流和上升氣流具有更大的垂直速度。10—12時階段K最大,隨時間推移至16時,K值逐漸減小,且觀測與預(yù)報也更為接近,說明兩者的平均值和標(biāo)準(zhǔn)差相差不大。而早期(10—12時)出現(xiàn)的差異,則代表預(yù)報與實際的湍渦位置有較大不同,導(dǎo)致站點處于湍渦的相對位置也不同(上升區(qū)或下沉區(qū)),進而有不同的垂直速度分布。此時RMAPS-LES高估了該站點的垂直運動速度,在此基礎(chǔ)上疊加中尺度平均風(fēng)速后,導(dǎo)致預(yù)報的短時風(fēng)速將出現(xiàn)高估。另外,所有時間段的概率密度分布差異也顯示出湍流參數(shù)化方案存在缺陷。

圖8 2020—2021年賽事月份(a)10—12時, (b)12—14時, (c)14—16時西大莊科站及(d)d02全區(qū)風(fēng)速脈動概率密度(PDF)分布Fig.8 Probability distribution function (PDF) of wind speed perturbations at (a-c)Xidazhuangke Station at (a) 10：00-12：00 BT, (b) 12：00-14：00 BT, (c) 14：00-16：00 BT and (d) the d02 area in the competition months from 2020 to 2021

通過圖8a～8c可知,在30 min以內(nèi),風(fēng)速可具有非常大的變化幅度。但單點還不能代表空間可變性,特別是在復(fù)雜山地環(huán)境下。圖8d則進一步給出了四個瞬時時刻下代表空間風(fēng)速脈動值的概率密度分布,其空間風(fēng)速脈動值為d02各格點風(fēng)速瞬時值減去全區(qū)平均風(fēng)速。結(jié)果表明RMAPS-LES預(yù)報風(fēng)速的空間波動幅度隨著時間推移而減小,代表大氣混合越來越充分均勻。四個時刻的風(fēng)速脈動概率密度分布均呈負偏態(tài),這意味著風(fēng)速脈動在空間上是不對稱的,可能是受復(fù)雜地形、數(shù)值參數(shù)化方案的共同影響。峰度分布也隨著時間而變化,峰度值的變化與水平方向的湍流增加有關(guān)。14時尖峰峰值最大,其次是12時。

3.5 入流邊界湍流生成方案

(1)

Γ=tPU1/dC

(2)

通過計算d02區(qū)域內(nèi)不同位置的風(fēng)速功率譜量化評估預(yù)報的大氣湍流發(fā)展情況。圖9給出了一個典型的晴天西風(fēng)(入流邊界在西側(cè))個例湍流發(fā)展最旺盛時段,距離延慶賽區(qū)d02區(qū)域西側(cè)入流邊界0、3、6、12、18 km處,水平風(fēng)速u分量沿y軸方向(x軸方向取10格點)平均的功率譜。雖然功率譜計算結(jié)果不能精確給出劃分中、小尺度結(jié)構(gòu)的具體頻率位置,但其分布特征還是可以較清楚地顯示不同尺度之間的過渡帶。通常湍流能譜包含有斜率k=-5/3的中尺度區(qū),斜率為k=-1的含能區(qū)和斜率為k=-5/3的慣性子區(qū)。圖9a給出了不同的譜分布特征,黑色實線為來自d01的邊界條件(x=0 km),其功率譜有較大一部分區(qū)域的斜率為k=-1,而明顯缺少了代表小尺度運動的慣性子區(qū),說明作為邊界條件的中尺度來流完全缺乏小尺度運動信息。與采用了CPM的方案相比,距離西側(cè)入流邊界6 km以內(nèi),未采用CPM的u功率譜顯示出巨大的能量赤字(圖9a)。隨著距離的不斷增加,到12 km處(圖9b),未采用CPM時,u功率譜在微尺度區(qū)域仍然顯示存在一定的赤字。這是由于上游來流仍偏向于平滑的連貫波動,湍流發(fā)展不充分導(dǎo)致的。到18 km處,湍流發(fā)展才基本達到平衡,是否采用CPM方案,兩者u功率譜不同尺度分布特征區(qū)別不大。這個距離幾乎橫跨了整個d02模擬區(qū)域,貫穿了整個延慶賽區(qū)。延慶賽區(qū)d02區(qū)域為復(fù)雜山地,地形非均一性也會加強湍流的生成;若為平坦地形,微尺度大氣運動赤字區(qū)域?qū)⒏訑U大。湍流生成方案很大程度上減少了過渡帶范圍,從而節(jié)約了計算資源。這也進一步說明,在動力降尺度時,不同尺度的模擬區(qū)域之間采用湍流生成方案是非常必要的。

注：實線(虛線)為啟用(未啟用)CPM方案。圖9 2020年3月10日14時延慶賽區(qū)d02區(qū)域入流邊界(a)0、3、6 km,(b)12、18 km處,模式第一層(z=20 m)風(fēng)速分量u沿y軸平均的功率譜Fig.9 Energy spectra of u along the y direction with/without (solid line/dashed line) CPM scheme at (a) 0, 3, 6 km, (b) 12, 18 km locations from the inflow boundary at the first model level (z=20 m) of d02 of Yanqing Competition Zone at 14：00 BT 10 March 2020

4 結(jié)論與展望

本文介紹了針對2022年北京冬奧會的100 m×100 m水平網(wǎng)格距微尺度預(yù)報系統(tǒng)“睿圖-大渦”,并針對2020—2022年賽事月份實時預(yù)報效果與觀測及3 km×3 km中尺度模式CMA-BJ進行了對比檢驗,得到以下結(jié)論：

(1)從全體冬奧站點逐時風(fēng)、溫檢驗結(jié)果來看,微尺度RMAPS-LES相對于中尺度CMA-BJ更接近觀測,展現(xiàn)出較好的預(yù)報技巧,尤其在極端低溫和極大風(fēng)速情況下表現(xiàn)出較大優(yōu)勢,基本可滿足預(yù)報需求。但RMAPS-LES對站點逐時風(fēng)、溫預(yù)報性能仍主要取決于作為初始場和邊界條件的中尺度模式預(yù)報效果,其次才是微尺度模式自身對高分辨率及更小尺度湍流運動的模擬能力。

(2)RMAPS-LES能達到更高的時間分辨率,詳細刻畫出大氣中較小部分湍流運動特征。從風(fēng)速脈動的概率密度分布情況來看,其在10—12時與觀測表現(xiàn)出較大差異,呈現(xiàn)負偏態(tài)(S<0)和較大的K值。隨時間推移,午后逐漸接近正態(tài)分布,K值也減小至與觀測相似,表明與觀測的平均值和標(biāo)準(zhǔn)差較為接近。

(3)入流邊界條件在微尺度區(qū)域顯示出巨大的能量赤字,未開啟CPM方案時,受其影響至12 km處,大氣湍流仍存在一定的不充分發(fā)展,到18 km處,才基本達到平衡。因此不同尺度模擬區(qū)域之間采用湍流生成方案以加速湍流的快速充分生成是非常必要的。

高分辨率數(shù)值預(yù)報是近幾屆冬奧會氣象預(yù)測保障的關(guān)鍵核心技術(shù)。100 m×100 m水平網(wǎng)格距的RMAPS-LES賽區(qū)實時預(yù)報系統(tǒng),面向北京冬奧會“百米級、分鐘級”的氣象服務(wù)保障需求,并可為其他高分辨率預(yù)報、模擬研究提供一種可行思路。未來,在風(fēng)電廠微觀選址、精細氣象環(huán)境評估、森林火險、野外大型活動等氣象保障服務(wù)中,也具有較好應(yīng)用前景。