WRF模式对一次暴雨过程的敏感性试验及集合预报研究
随着数值模式水平分辨率的提高和物理过程的逐步完善,模式能更精确地描述复杂地形和较小尺度的天气变化,模式在科学研究和业务预报中的表现也越来越好,人们还借助数值模式对影响暴雨发生发展的因子开展了敏感性试验,加深了对暴雨的认识,然而单一的数值模式对转折性、突发性、长时间尺度的天气过程的预报效果并不理想,采用集合预报方法能较好地解决模式预报中遇到的不确定性问题。本文应用WRF中尺度模式,对陕晋冀鲁地区2013年7月12日～13日的一次暴雨过程进行了数值模拟,并且探讨了地形、水汽和不同初值对本次暴雨过程的影响,最后设计了多个集合预报方案。主要结论如下：(1)本文分别设计了改变地形和减少水汽的敏感性试验。
降低和增加地形的试验表明：地形对降水的雨带分布和雨量大小有显著影响,地形能影响到大气的辐合辐散,对暖空气的移速和区域温度场分布有着重要作用；减少初值中水汽含量的试验表明：暴雨区自身水汽和来自暴雨区南面的水汽输送对本次暴雨雨量有显著增幅作用。(2)通过尺度滤波可知,ERA-interim与FNL再分析资料的差异主要体现在扰动场。用这两种资料分别驱动WRF(记为exp_ERA和exp_FNL),模拟的各物理量场间存在着较大差异,两个试验无论是降水落区、强度还是累积雨量都不相同,通过TS评分可知exp_ERA模拟的降水好于exp_FNL。
对exp_ERA试验初值中的温、湿、风场和侧边界分别进行扰动后发现,湿度场对降水最敏感,其次是风场和温度场,而侧边界最小。(3)研究了初值、侧边界和物理过程扰动对本次降水的影响并设计了集合预报试验。对比发现,物理过程扰动对降水的影响最大；初值扰动在积分初期影响较大,此后逐渐减小；而侧边界扰动随着时间积分向模拟区域中心传播并逐步增大,在积分一定时间后,其对
降水的影响与物理过程的影响相当。
集合平均的24h累积降水均方根误差、空间相关系数相对于控制预报的改进率由大到小分别为侧边界扰动、物理过程扰动和初值扰动。通过计算概率均方差Q值可知,物理过程扰动构建的集合预报最优,其次是侧边界扰动,最后是初值扰动,可见这3种构建方法各有优劣。最后设计了同时考虑初值不确定、侧边界不确定和模式不确定的集合预报,发现其好于单个因子扰动的集合预报,使模式的降水预报效果得到明显改善。
WRF模式对一次暴雨过程的敏感性试验及集合预报研究.doc
