WRF模式对2008年到2010年三年台湾梅雨雨季降雨预报评估外文翻译资料

 2022-11-14 16:14:20

英语原文共 24 页，剩余内容已隐藏，支付完成后下载完整资料

WRF模式对2008年到2010年三年台湾梅雨雨季降雨预报评估

摘要

利用约400个雨量计的观测资料，评估2008至2010年三年梅雨季节台湾地区在定量降水预测方面的表现。定量降水预测模式的时间尺度为12-36小时、两个嵌套域的网格大小为15和5公里。采用了基于视觉和统计的验证方法来提供互补的结果。由于梅雨雨量的季节内变化和日变化周期的研究较少，因此本文对梅雨雨量的季节内变化和日变化进行了重点研究。虽然分类统计数据显示的模式预报技巧与以往的研究相当，但该模型对5月份的锋面降水的表现优于6月份的季风降水。研究发现，这两个区域能较合理地捕捉到总降雨量、总体空间分布形势、5月至6月降雨的增加以及基本的日变化。然而这两个区域在整个季节都表现出降雨雨区的持续东移,从迎风坡移动到脊附近主要是因为降水的过早开始和结束(6月)加上早晨开始的上游降雨不足(在平原和斜坡)导致的山上白天降水过多。此外，15公里区域的总降雨量更接近观测值，但5公里区域的降水在可解决的尺度下有较大低估。尽管如此，更细的网格更能够预测峰值和降雨的局部变化，因此，细网格在具有相同的技能时，具有更高的命中率，特别是对于高阈值的强降水。

1. 引言

降水会对人们的生活和人类社会的活动产生不利影响。因此，准确的降水预报，特别是对危险的强降雨事件进行准确的降水预报非常重要，是社会所期望和要求的，也是现代气象学中最具挑战性的任务之一 (Golding,2000;Fritsch and Carbone 2004;Benjamin et al. 2004;Cuo等2011;王2015年,2016年) 。例如，数值天气预报(NWP)模型对温度、压力和水平风预测的总体精度显示是足够的，并逐渐加以改进(例如，Shuman 1989;Kalnay et al. 1990;Chien et al. 2006a)。然而,很难将定量降水预报(QPFs)达到成功的水平(例如,Olson,et al . 1995年)，因为负责降水的物理过程,特别是强对流降水越多,主要是比那些控制其他主要的进化参数有较小的尺度和更为复杂。(例如,Benjamin,et al . 2004;Smith et al. 2007)。小尺度过程(如复杂地形、局部环流、表面条件和云微物理)的知识不足，以及它们在NWP模型中的误差快速增长(Lorenz 1963)，都增加了定量降水预报的复杂性和挑战。

准确的定量降水预报的生成是一项具有挑战性的任务，定量降水预报模型的评价也更加重要。由于强降雨(同样以较小规模的过程为主，可预测性较低)往往高度集中于空间和时间，因此，与其他主要变量相比，强降雨更加复杂和困难。传统的基于视觉和统计的验证方法都适用于定量降水预报模式，但各有优缺点。视觉(主观)验证通常能提供更多关于模型性能的信息，但它是劳动密集型的，而不是定量的(例如，Ebert 2002;Kain等人，2003年)。另一方面，基于统计的(客观)方法是定量的，但并不能很好地揭示预测中的对错以及造成差异的根本原因(例如，Ebert 2008;Gilleland等，2010)。随着空间尺度的减小，降水变得更多、更集中，统计方法有时会失效甚至产生误导(如Mass等，2002;Davis等人2006年;Ebert,2008;Gilleland等2010;Wang 2014)由于双倍惩罚等问题(Ebert and McBride 2000;Ebert,2008)。因此，为了更准确地解释验证结果，往往需要在统计数据的同时进行一些目视检查(例如，Kain et al. 2003;Chien和Jou2004; Wang 2015; Wang et al. 2013, 2016b)。随着模型分辨率和整体能力的提高，近年来开发、试验和实施了各种验证精细尺度定量降水预报的新方法(如Davis et al. 2006;Marzban和Sandgathe 2006; Wernli et al. 2008;Gilleland等，2010)。还有一些研究采用其他方法评估了较长一段时间内的平均模型降雨量(即平均降雨量，而非来自个别预测)。例如，Davis et al.(2003)研究了美国大平原地区有组织的夜间传播降水系统在昼夜周期内的变化(Carbone et al. 2002;Wang et al. 2004; Zhang et al. 2014;参见Wang et al. 2011b)。Knievel等人(2004)还比较了雷达观测和预报中此类降水模式的平均傅立叶谐波，以确定不同地区的模型优缺点。

在台湾，初夏雨季的（5-6月）梅雨季节，由于反复的梅雨锋，充足水汽和西南气流，该时段是暴雨和闪电洪水山体滑坡等天气灾害等的高发时期(e.g., Kuo and Chen 1990; Chen1992, 2004; Ding and Chan 2005; Jou et al. 2011)。因此，梅雨季节的定量降水预报模型在台湾很受关注。来自陡峭地形的多重、复杂的冲力(参见图1a)、梅雨锋、低层的辐合、以及高度不稳定环境中的局部环流模式(e.g., Chen and Yu 1988; Chen and Li 1995; Akaeda et al. 1995; Li and Chen 1998; Chen et al. 1999; Yeh and Chen 2002; Wang et al. 2005, 2014a,b; Xu et al. 2012)以及对上游海洋典型的有限观测(如，Chen和Chen 1995;Jou et al. 2011)为NWP模拟提出了一个具有挑战性的任务。过去的几位研究人员(e.g., Chien et al. 2002, 2006a; Hong 2003; Chien and Jou 2004; Yang et al. 2004)采用分类统计方法评价了第五代宾夕法尼亚州立大学-NCAR中尺度模型(MM5)及其集成在梅雨季节水平网格尺寸为15和5km时的性能。在这些于台湾地区雨量计观测(共314-342站点)进行验证的大部分研究中，12 - 24小时定量降水预报模式的一般结果显示，对于低阈值(2.5mm)的降雨发生具有一定的预测能力。然而，在最高阈值(50mm)处，即使是5公里MM5模拟也只有有限的预报技巧(见Hong 2003中的图5)。在这些早期研究中评估的梅雨季节涵盖了1998-2003年（至少10-15年前）。此外，自本世纪初以来，天气研究与预报(WRF)模型(Skamarock et al. 2005)已经取代MM5成为应用最广泛的中尺度预报模型。然而，尽管这一主题很重要，但在文献中却很少有关于台湾梅雨季节表现的研究(例如，Chien et al. 2006b)。显然，这类研究是迫切需要的，特别是那些能够提供关于模型表现更好或更差的地方和原因的信息(例如台湾部分地区和梅雨的某些时段)。毕竟，如果这些评估能阐明预测如何改进，以及统计评价标准是什么样子，那么结果就更加理想(e.g., Murphy and Winkler 1987; Olson et al. 1995; Kain et al. 2003)。

因此，在本次研究中，我们使用视觉与统计的方法，来评估WRF模型在2008年至2010年台湾三年间的整体表现。为了更好地理解该模型在预测台湾梅雨降雨方面的实际表现，包括其明显的日变化周期((e.g., Chen and Li 1995; Yeh and Chen 1998; Chen et al. 1999; Kerns et al. 2010; Ruppert et al. 2013)比较了观测到的平均降雨模式和定量降水预报模型。虽然在很长一段时间内检查所有可能是不切实际的(如果不是不可能的话)，但是这种长期平均值的比较也基于一个简单的推理：如果模型一致地做出合理的定量降水预报，那么它们的长期平均模式应该与观察结果相似。另一方面，基于统计的验证是通过在所有12或24小时的时间间隔内集成的分类测量来进行的，其计算方法与Chien(2002、2006a)及Chien和Jou(2004)等人相同。这允许对模型性能进行定量评估，补充视觉检查，并提供与早期研究的直接比较。选择传统的分类统计方法而非许多新方法(如Gilleland et al. 2009, 2010)，部分原因是它们利用了较密集的雨量计观测，观测局限于岛屿，没有网格化(如Wang 2015, 2016)。通过对三年内同一WRF模型15 ~ 5km两个嵌套网格的定量降水模式进行评价，确定本研究的具体目标如下:

1)评估及了解WRF 定量降水预报模式在获取台湾梅雨季节降水平均特征方面的整体表现，包括季节间差异、季节内变化、日变化周期;

2)评估模型定量降水预报在台湾不同地理区域和海拔范围内的表现；

3)从不同初始时间(0000和1200 UTC)开始，比较和评估定量降水预报模式在不同水平网格尺寸(15和5km)下的性能。

通过结合视觉和统计验证，可以更好地理解上述模型的性能方面。在单独使用两种方法的评估中。特别注意5月和6月期间西南季风气流开始和随后向北移徙所引起的季节内变化的有关方面(e.g., Chen 1993; Chen and Chen 2003)，降雨日变化周期，以及模型网格大小的影响。由于研究的是平均模式和综合统计，因此本研究不打算对具体的动力学和物理学进行研究。在下面的第2节中，将描述数据和方法。与上述概述方面有关的结果在第3节，并在第4节中进一步讨论。最后第5节给出结论。

如图1所示，(a)台湾地形(彩色：m）2009年雨量计(三角形)的位置，并指出两个主要山脉， (b) WRF模拟评估的三重嵌套域D1、D2和D3(网格间距分别为45、15和5公里)。D1、D2、D3(均为x* y)网格尺寸分别为180*105 (8055*4680 km2)、100* 100 (1485 * 1485 km2)和103 *121 (510 * 600 km2)。

2. 评估数据和方法

a.观测数据

全台湾密集的自动雨量计网络的雨量资料(图1a)，每隔一小时记录一次观测资料，用以评估WRF的定量降水预报。该网络由台湾中央气象局负责运作和维护(包括质量检查) (Hsu 1998)，2008-2009年共有384个测量点，2010年共有394个测量点。除了在偏远的内陆山区，其他地区分布相当均匀(图1a)。仪表数据被广泛使用（如在引言中提到的Chen et al. 1999; Wang 2015）， 是2008年开展的西南季风试验/地形影响季风降雨试验(SoWMEX/ TiMREX)数据集(Lee et al. 2009;Jou et al. 2011)的一部分。。

b. WRF模型和预测数据

东南亚中尺度集成预报项目(MEFSEA)中的一个WRF模式的实时输出，有3重嵌套，网格大小分别为45、15和5公里(以下分别称为D1、D2和D3，见图1b)，为我们的评估对象(准确的说是D2和D3)。2008-10年的季节选择主要基于数据可用性，此时MEFSEA更加成熟和稳定。在2008-10年期间，该WRF模式(版本3.0.1.1)每天两次在0000和1200 UTC(其中LST 5 UTC 1 8 h)进行预测(输出72小时)，各域之间进行双向交互。国家环境预测中心(NCEP)全球预测系统(GFS)业务分析和预测(Kalnay et al. 1990; Kleist et al. 2009)，可在1°times;1°经纬度网26层上使用，用作初始值和边界条件(ICs/ BCs)。表1中列出，根据（Chien et.al 2006b）的测试建议物理方案使用WRF(WSM-5)方案云微物理方案(CMP)，次网格尺度（D1和D2）的Kain-Fritsch (KF)积云参数化方案(CPS)、延世大学(YSU)行星边界层(PBL)参数化方案， RRTM长波和Dudhia短波辐射方案。由于D3中没有使用CPS，因此关闭了对D2的反馈，以允许D2中的次网格降雨。每3h输出一次，即可获取模型降雨的日变化周期，并纳入评价。因为过去的研究表明，该模型在12-36h范围内表现最佳(如，Chien et al. 2002, 2006a;Hong,2003;)，只评估该范围内的输出，而不使用涵盖自旋周期的0-12h的输出。因此，对于从0000 UTC(即预测2000-0800 LST (0800 - 2000 LST)以上的夜间(日间)雨量在12-24小时(24-36小时)范围内。在1200次UTC模拟中，12-24小时和24-36小时分别包括白天和晚上。这里需要注意的是，虽然CWB的WRF集成系统具有类似的基本设置(如Hong et al. 2015)，但我们的结果仅适用于本文所研究的特定MEFSEA成员。

c.主观评价

利用先前所述的雨量计观测值及WRF输出，得到台湾地区的平均雨量分布，并与之比较，以评估模型的整体表现，并计算两者之间的差异(模型减去观测值)，以便进行更定量的讨论。比较不同的平均时间长度，从整个数据段(2008- 2010年5月- 6月)各个季节(2008、2009或2010)，一个月(5月或6月)，半个月(5月或6月的上半月或下半月，每个时期覆盖15或16天)，这样不仅季节内动力学变化而且季节变化(e.g., Chen 1993; Chen and Chen 2003)也可以讨论。随后(第三部分3b、3d)，我们将会看到台湾四个半月期间的降雨观测特征有明显的不同，但之前类似的研究并没有对这些季节内的降雨特征进行过评估。此外，定量降水预报模型(3小时间隔)的(2008-2010年)日变化周期也与观测进行了对比，这是之前很少研究的另一个重要方面。为了更详细的分析，我们用3个不同的高度范围(0-250m, 0.25 - 1km，gt;1 km)将岛屿划分为平原、斜坡和山区(cf. Fig. 1a)。其他影响模型性能的方面例如水平网格间距(D2/15 km vs

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[17975]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章