陆面参数随机扰动对一次暴雨过程模拟的影响分析

利用中尺度模式WRFV2.2,选取其中NOAH陆面模式进行陆面参数随机扰动试验,模拟研究了南京地区2007年7月8—9日的暴雨对扰动的敏感性。结果表明:(1)此次暴雨过程对陆面参数随机扰动较为敏感,其中对土壤最大容积含水量的扰动最为敏感,对地表反照率的扰动敏感性次之,对地表粗糙度、最小叶孔阻抗扰动的敏感性较前两者要小;(2)降水变化的触发原因是陆面参数扰动引起的通量变化,其主要的机制是通过低层大气环流(如低空急流)和水汽辐合来影响暴雨的落区和强度。     

WRF模式夏季气温和降水模拟对陆面方案敏感性的评估

利用NCEP 1°×1°再分析资料,采用WRF V3模式和不同的陆面参数化方案(SLAB、NOAH、RUC、PLEX)对中国2003年夏季气温和降水进行数值模拟试验,评估其对陆面方案的敏感性,并着重分析在干旱、半干旱的西北地区以及湿润的华东地区不同陆面方案对气温和降水模拟的影响。结果表明:1)模式整体上能较好地模拟出总区域的气温场和降水场,但不同陆面方案间模拟结果存在一些差异,其中NOAH(SLAB)方案模拟结果最好(最差)。2)对子区域而言,模拟气温和降水对陆面方案均较为敏感。受气候特征的影响,华东地区气温和降水模拟对陆面方案的敏感性存在较大的差异,其中降水模拟的敏感性很高。此外,模拟的气温和降水空间分布形势在西北地区均较好,但其对陆面方案的敏感性在华东地区较高。3)模拟降水对陆面方案的敏感性要高于气温模拟。     

陆面参数的扰动对一次西北暴雨模拟影响的研究

利用中尺度模式WRFV2．2及NCEPFNL资料,模拟了2007年6月16—17日的兰州暴雨,检验此次暴雨模拟对NOAH陆面模式参数初始扰动的敏感性。结果表明,此次模拟暴雨对陆面参数的扰动（如土壤孔隙度以及地表反照率的扰动）比较敏感;陆面参数扰动对此次暴雨模拟影响的最小时间尺度小于10h;陆面参数的扰动直接引起地表通量的变化,更为重要的是通过改变水汽输送的环流形势,从而对暴雨模拟产生较大的影响。     

陆面过程对2007年淮河流域强降水数值预报的影响分析

基于GRAPES中尺度数值天气预报模式,研究了不同复杂程度陆面过程和不同土壤初始条件对2007年中国夏季淮河流域降水数值预报的影响。重点分析了下垫面非均匀性对造成我国夏季强降水的中小尺度对流系统的启动和发展的影响,探讨了中小尺度对流发生发展中陆气相互作用的可能影响。对2007年7月8日发生在淮河流域的一次对流过程采用两组敏感性试验进行研究,结果表明对流启动对陆面过程有很强的敏感性。Noah陆面模式能合理地模拟出对流的启动,而Slab陆面模式模拟的对流会延迟1～2小时,这与Noah陆面模式能合理描述地表感、潜热通量有关。GLDAS初始土壤资料能更加合理地描述实际土壤温湿的分布状况,有利于更加准确地模拟出对流降水的启动和分布位置。另外,对2007年7月淮河流域的持续性强降水天气过程进行了对比模拟,研究表明:不同复杂程度陆面过程对连续强降水数值预报有明显的影响。使用Noah陆面模式能提高对强降水预报的能力,而且随着模式分辨率的提高,降水的TS评分也在提高,Noah的TS评分总体上高于Slab。     

两次暴雨过程模拟对陆面参数化方案的敏感性研究

选取发生在江西和福建境内的两次暴雨个例,利用NCEP再分析资料在对暴雨发生前、后的环境场和物理量场进行诊断和对比分析的基础上,采用中尺度模式WRF V3.3,通过数值模拟探讨了陆面过程对两次暴雨过程的可能影响及其相关的物理过程。结果表明,2012年5月12日江西大暴雨主要受大尺度环流和中尺度天气系统影响,具有范围大、持续时间长等特点,属于大尺度降水为主的暴雨;而2011年8月23日福建暴雨发生在副热带高压控制下的午后,局地下垫面强烈的感热和潜热通量使低层大气不稳定性增强,触发了此次对流性降水为主的暴雨。通过资料诊断分析,可以判断陆面过程对福建暴雨个例的影响程度明显强于江西暴雨个例。通过关闭地表通量试验发现,陆面过程对暴雨模拟十分重要,尤其是对于该个例中对流性降水的发生起到关键性的作用。通过陆面参数化方案的敏感性试验发现,两次暴雨过程对陆面参数化方案均较为敏感。江西暴雨对陆面过程的敏感性主要体现在对流降水的模拟上,而福建暴雨则体现在大尺度降水的模拟方面,即福建暴雨对陆面参数化方案的敏感性强于江西暴雨。敏感性产生机制与降水类型关系紧密,大尺度降水对陆面过程的敏感性主要来源于不同参数化模拟的中高空对流系统的差异,而对流降水的敏感性则与不同参数化模拟的地表通量的差异有关。通过陆面参数的扰动试验进一步发现,相比于地表粗糙度和最小叶孔阻抗,土壤孔隙度和地表反照率则是影响对流降水对陆面过程敏感的关键因子,这在本质上与地表通量是否受到扰动有关。地表通量较风场而言,受扰动引起变化的空间范围广、时间响应快,变化具有明显规律性。所得结果可为深入理解陆面过程影响暴雨等天气过程和改进数值模式对暴雨的模拟能力提供一定的参考。     

一个改进的陆面过程模式及其模拟试验研究第一部分:陆面过程模式及其“独立(off-line)”模拟试验和模式性能分析

文中在综合比较过去各类陆面过程模式优缺点的基础上,主要参考ＢＡＴＳ模式,发展了一个陆面过程模式（ＬＰＭ－ＺＤ）。它具有以下几个特征：１．采用物理方程和经验解析公式相结合的方法进行土壤温度和土壤水汽的求解。在上层土壤,土壤分层较细并采用温度传导和水汽扩散方程求解,而在下层土壤,土壤分层较粗并利用经验方法处理。２．考虑了降水分布的次网格特征及其对陆面水文产生的重要影响。３．较全面地考虑了雪盖对陆面过程的各种影响：对陆面水文的影响、对土壤热传导的影响以及雪盖的高反照率对辐射收支的影响。利用３组单点观测试验资料对陆面过程模式ＬＰＭ－ＺＤ进行了“独立（ｏｆ－ｌｉｎｅ）”模拟试验。模拟结果表明陆面过程模式ＬＰＭ－ＺＤ具有较好的模拟性能,能够比较准确地模拟不同气候区的多种下垫面类型的陆面过程变化特点,模拟结果与观测基本一致。进而又利用一组观测资料和模式ＬＰＭ－ＺＤ进行了一系列敏感性模拟试验,试验结果表明模式ＬＰＭ－ＺＤ对一些参数的确定非常敏感,如初始土壤水汽、植被的物理特性参数以及降水次网格分布因子等,因此提高确定这些参数的准确性是改进陆面模式的重要内容之一。     

非均匀下垫面陆面过程参数化问题研究进展

非均匀下垫面对陆面过程模式应用有着重要影响。若将下垫面一概视为均一,在很多情况下会影响模式模拟的准确性。本文详细介绍了目前非均匀地表陆面过程参数化的方法(Mosaic法、统计—动力法和其它方法),初步分析了这些参数化方法的缺陷,并简单探讨了陆面参数尺度转换问题,最后对今后研究的问题给出了建议,其中特别提出要寻找适当方法实现陆面物理量不同尺度间的转换。     

一次特大暴雨的集合预报试验

利用NCEP 1°×1°再分析资料,采用WRFV2.2模式对2008年6月12-13日的一次广西特大暴雨天气过程进行了包括积云对流参数化方案、边界层参数化方案、陆面过程参数化方案的集合预报试验.结果表明:模拟降水对WRF模式不同的物理过程表现出不同的敏感性,对积云对流参数化方案最敏感,降水离散度最大;对陆面过程参数化方...     

大气环流模式中陆面过程的参数化及其敏感性研究

本文就大气环流模式中引入陆面过程的各种参数化方法及大气环流和降水对各种陆面过程的敏感性研究进行了综述.首先指出大气环流模式中引入陆面过程的必要性;然后介绍了大气环流模式中陆面过程参数化的历史和现状,以及大气对陆面过程的敏感性;最后是对今后研究的展望.     

基于MODIS资料的宁夏LST反演方法新探索

为快速、宏观、全面地获取陆面生态重要参数陆面温度(LST),避免分裂窗算法中诸多参数的估计和参数的适用范围限制,加快计算速度,更好地利用中国气象局"三站四网"的建设成果,利用宁夏2005-2007年13个时次过境晴空地表MODIS资料及对应过境时17个自动气象站观测数据,筛选、优化引入对LST影响较大的水汽通道、NDVI和EVI参数,建立基于MODIS遥感和地面自动气象站观测数据反演陆面温度(LST)的统计模式.研究结果表明:引入相关参数后,宁夏各季及全年模式的相关性和精度有较大提高,且水汽通道和EVI的参数组合最优.与分裂窗算法相比,省去了对大气透过率的估算以及对地表比辐射率估计的繁琐计算,与地面自动站观测真实值误差70.1%能够控制在4.0℃以内,计算速度快,能够满足一般业务的需求,易于推广使用.     

Sensitivity Analysis and Investigation of the Behaviour of the UTOPIA Land-Surface Process Model: A Case Study for Vineyards in Northern Italy

We used sensitivity-analysis techniques to investigate the behaviour of the land-surface model UTOPIA while simulating the micrometeorology of a typical northern Italy vineyard (Vitis vinifera L.) under average climatic conditions. Sensitivity-analysis experiments were performed by sampling the vegetation parameter hyperspace using the Morris method and quantifying the parameter relevance across a wide range of soil conditions. This method was used since it proved its suitability for models with high computational time or with a large number of parameters, in a variety of studies performed on different types of biophysical models. The impact of input variability was estimated on reference model variables selected among energy (e.g. net radiation, sensible and latent heat fluxes) and hydrological (e.g. soil moisture, surface runoff, drainage) budget components. Maximum vegetation cover and maximum leaf area index were ranked as the most relevant parameters, with sensitivity indices exceeding the remaining parameters by about one order of magnitude. Soil variability had a high impact on the relevance of most of the vegetation parameters: coefficients of variation calculated on the sensitivity indices estimated for the different soils often exceeded 100 %. The only exceptions were represented by maximum vegetation cover and maximum leaf area index, which showed a low variability in sensitivity indices while changing soil type, and confirmed their key role in affecting model results.     

Impact of the Time Scale of Model Sensitivity Response on Coupled Model Parameter Estimation

That a model has sensitivity responses to parameter uncertainties is a key concept in implementing model parameter estimation using filtering theory and methodology.Depending on the nature of associated physics and characteristic variability of the fluid in a coupled system,the response time scales of a model to parameters can be different,from hourly to decadal.Unlike state estimation,where the update frequency is usually linked with observational frequency,the update frequency for parameter estimation must be associated with the time scale of the model sensitivity response to the parameter being estimated.Here,with a simple coupled model,the impact of model sensitivity response time scales on coupled model parameter estimation is studied.The model includes characteristic synoptic to decadal scales by coupling a long-term varying deep ocean with a slow-varying upper ocean forced by a chaotic atmosphere.Results show that,using the update frequency determined by the model sensitivity response time scale,both the reliability and quality of parameter estimation can be improved significantly,and thus the estimated parameters make the model more consistent with the observation.These simple model results provide a guideline for when real observations are used to optimize the parameters in a coupled general circulation model for improving climate analysis and prediction initialization.     

基于冬小麦农业气候分区的WOFOST模型参数标定

以1981—2010年河南省113个气象观测站影响冬小麦生长及产量形成的主要气象因素为区划指标,利用K均值聚类算法,将河南省划分为5个农业气候生态区。根据2013—2017年地面农业气象观测数据,利用Sobol全局敏感性分析方法,各分区选择总敏感指数大于0.01的作物参数,得到9种敏感参数。以产量与叶面积指数为代价函数,采用差分进化马尔科夫链蒙特卡洛方法对敏感参数进行分区标定,并使用2018—2019年观测数据进行验证。结果表明:分区进行参数标定时,叶面积指数动态模拟精度和产量模拟精度均显著优于使用默认参数或整个研究区使用同一套优化参数时的精度,其中,使用分区调参后验平均值模拟关键生育期叶面积指数的总均方根误差为0.655,其模拟产量的均方根误差为672.016 kg·hm-2。该方法将农业气候学知识与差分进化马尔科夫链蒙特卡洛优化算法相结合,通过合理、高效地分区域标定作物模型参数,可为作物模型区域应用和模型参数调整优化提供科学依据。     

土壤湿度和土壤温度模拟中的参数敏感性分析和优化

使用一种复杂洗牌算法 (SCE-UA, Shuffled Complex Evolution Algorithm) 对Noah陆面模式中的参数进行敏感性分析和优化,其中水文参数采取直接优化和优化土壤成份的形式,侧重于研究两种水文参数给出方法对土壤湿度和土壤温度模拟的敏感性。结果表明:将土壤湿度和土壤温度作为判据,模式中水文参数敏感性最高,水文参数对土壤湿度的敏感性要高于对土壤温度的敏感性。表层土壤湿度作为判据对土壤水文参数优化后,可以改善土壤湿度和土壤温度的模拟,加入深层土壤湿度同时作为判据后,优化使土壤温度的模拟变差。当土壤成份作为优化的参数,表层和深层土壤湿度作为判据,优化能够同时改善土壤湿度和土壤温度的模拟。单独使用土壤温度作为判据不能达到优化水文参数的目的。将土壤成份作为优化的参数后,土壤湿度和土壤温度的多判据优化效果最好,且减少不敏感参数的个数后对优化结果的影响总体不大。基于以上结果,将土壤成份作为优化水文参数的方法能够更好的考虑不同水文参数之间的约束关系,优化后的水文参数具有很好的一致性,优化效果较直接优化水文参数更好。     

A New Sensitivity Analysis Approach Using Conditional Nonlinear Optimal Perturbations and Its Preliminary Application

Simulations and predictions using numerical models show considerable uncertainties, and parameter uncertainty is one of the most important sources. It is impractical to improve the simulation and prediction abilities by reducing the uncertainties of all parameters. Therefore, identifying the sensitive parameters or parameter combinations is crucial. This study proposes a novel approach: conditional nonlinear optimal perturbations sensitivity analysis(CNOPSA) method. The CNOPSA method fully consi...     

Experience of inverse modeling for estimating hydraulic parameters of unsaturated soils

Soil column experiments were carried out to inversely estimate the hydraulic parameters of the unsaturated zone. This study analyzes clay soil taken from an irrigated area of the Mnasra province in northwestern Morocco which includes large agricultural areas. Fully drained and controlled laboratory model tests and their numerical simulations are presented. The inverse modeling method was applied to estimate the hydraulic properties of unsaturated soil based on the Levenberg-Marquardt algorithm. A nonlinear estimation method tied up with the finite difference method and inversion analysis was used to minimize the cost function defined by the difference between the predicted and observed values of the model. Unsaturated hydraulic parameters of the Van Genuchten and Mualem models were estimated using water content measurements at five clay depths (10, 20, 30, 40, and 60 cm) and/or the cumulative water flux at the column bottom. The experimental hydraulic parameters and the predicted results were in good agreement with the measurements from the single and multicost function experiments. Also the results showed that the multicost function experiment was more appropriate in determining the hydraulic properties of unsaturated soils than the single-objective function experiment. The comparison between measured values and predicted results showed that the inverse analysis based on the 1D soil column experiment was efficient and useful to establish the hydraulic properties of unsaturated soils.     

Melt Pond Scheme Parameter Estimation Using an Adjoint Model

Melt ponds significantly affect Arctic sea ice thermodynamic processes. The melt pond parameterization scheme in the Los Alamos sea ice model(CICE6.0) can predict the volume, area fraction(the ratio between melt pond area to sea ice area in a model grid), and depth of melt ponds. However, this scheme has some uncertain parameters that affect melt pond simulations. These parameters could be determined through a conventional parameter estimation method, which requires a large number of sensitivity simulations. The adjoint model can calculate the parameter sensitivity efficiently. In the present research, an adjoint model was developed for the CESM(Community Earth System Model) melt pond scheme. A melt pond parameter estimation algorithm was then developed based on the CICE6.0 sea ice model, melt pond adjoint model,and L-BFGS(Limited-memory Broyden-Fletcher-Goldfard-Shanno) minimization algorithm. The parameter estimation algorithm was verified under idealized conditions. By using MODIS(Moderate Resolution Imaging Spectroradiometer)melt pond fraction observation as a constraint and the developed parameter estimation algorithm, the melt pond aspect ratio parameter in CESM scheme, which is defined as the ratio between pond depth and pond area fraction, was estimated every eight days during summertime for two different regions in the Arctic. One region was covered by multi-year ice(MYI) and the other by first-year ice(FYI). The estimated parameter was then used in simulations and the results show that:(1) the estimated parameter varies over time and is quite different for MYI and FYI;(2) the estimated parameter improved the simulation of the melt pond fraction.     

一个ENSO动力-相似误差订正模式及其后报初检验

为有效利用历史资料中的相似信息,减小模式误差对ENSO这类跨季节-年际尺度预测问题的影响提高动力模式的预测水平.作者利用一种基于统计相似的模式误差订正方法,以国家气候中心简化海气耦合模式为平台建立了相应的动力-相似误差订正(DAEC)模式,并着重探讨了系统相似程度(全相似或部分相似)、误差重估周期以及相似样本个数等因素对预报效果的影响.结果表明,利用该方法可以有效地改善原有模式的预报性能,其中 "全相似" 比 "部分相似" 更能反映海气耦合系统的相似程度,从而对模式误差做出更为准确的估计,使预报误差明显减小.海洋和大气的误差重估周期对结果也有较大影响,在不同相似程度下分别存在着某种最优配置使得预报效果达到最佳.另外,在对相似样本存在状况及影响的研究中则发现在当前资料长度内整体上只存在着有限个相似样本,在此范围内随着样本取样数目的增加DAEC模式的预报性能逐渐提高.     

基于Logistic回归和多指标叠加的短时强降水预报模型

利用2001—2011年中国西北地区东部10个特征站地面常规资料和MICAPS系统特征参数资料,分别运用改进的二元Logistic回归法和综合多指标叠加法,通过短时强降水天气学概念模型识别入型、水汽条件消空、敏感物理参数诊断等方法逐级判别,建立了两种短时强降水预报模型,并运用模型试预报2012年该区域的短时强降水过程。结果表明:两种新建预报模型相比平均气候概率模型试预报效果都有明显提高,而且前者高于后者;其中二元Logistic回归模型试预报TS得分高达46.6%,综合多指标叠加模型试预报TS得分19.6%,而平均气候概率模型试预报TS得分仅9. 7%;除西南气流型两者预报效果相当外,不同概念模型下二元Logistic回归模型试预报效果均优于综合多指标叠加模型。