NUMERICAL SIMULATION OF SEVERE TROPICAL STORM FANI (2019) IN THE NORTHERN INDIAN OCEAN USING THE COAWST MODEL
-
摘要: 利用最新研发的区域海-气-浪耦合数值模式(Coupled Ocean-Atmosphere-Wave-Sediment Transport，COAWST)，对印度洋一次超强热带气旋“Fani” (2019)过程进行了数值模拟试验。“Fani” 4月26日从热带印度洋面上的低压扰动中生成，在移动北上的过程中逐渐增强为强热带风暴，并于5月3日在印度登陆，造成了严重的破坏。利用COAWST耦合数值模式，在印度洋区域设计了数值模拟试验，分析了“Fani”发展增强到登陆时间段(4月30日12时—5月3日12时)大气物理量场、海洋表面温度及通量场，以及海浪参数的相应变化。通过与International Best Track Archive for Climate Stewardship (IBTrACS)的实测风暴路径、强度数据，以及欧洲中心ERA5再分析资料对比结果表明：模式模拟“Fani”的移动路径与观测较为接近，但是在强度模拟上偏弱；大气地表2 m温度场、潜热和感热通量与ERA5再分析资料存在一定偏差，但模拟的海表面温度场强度和特征与ERA5再分析资料都比较接近；在强烈的热带气旋与海洋相互作用下，耦合模式给出在气旋发展阶段，海浪有效波高达到近10 m；数值试验结果表明耦合模式可以有效描述热带气旋-海洋之间的相互作用，对于印度洋强热带风暴具备一定的模拟能力。
-
关键词:
- COAWST耦合模式 /
- 印度洋 /
- 热带气旋“Fani”
Abstract: In the present research, the extremely severe cyclonic storm Fani (2019) is studied by using the recently developed Coupled Ocean-Atmosphere-Wave-Sediment Transport (COAWST) model. Fani was originally formed from low depression over the Indian Ocean on April 26, and rapidly intensified into a severe tropical cyclone. It made landfall in India on May 3, causing severe damage. Using COAWST, we configure a regional numerical experiment to simulate the development and landfall process of Fani (April 30 12: 00—May 3 12: 00 UTC), and investigate the atmospheric and oceanic parameters as well as significant wave height. The results are compared with the measured storm track and intensity data from the International Best Track Archive for Climate Stewardship (IBTrACS) and the ERA5 reanalysis data. The results show that the movement path of Fani simulated by the model is close to the observation, but the simulated intensity is weaker. The simulated 2m temperature, latent heat and sensible heat flux are slightly different from the ERA5 reanalysis data, but the simulated intensity and characteristics of the sea surface temperature field are close to ERA5 reanalysis data. Significant wave height of 10m is obvious during the whole process of Fani, and this strong tropical cyclone-ocean interaction has been well modeled, which reveals the large potential of COAWST to model tropical cyclones over the Indian Ocean.-
Key words:
- coupling model COAWST /
- Indian Ocean /
- cyclonic storm Fani
-
1. 引言
热带气旋（Tropical Cyclone, TC）是生成和发展于热带或副热带洋面上的气旋性涡旋[1]，强的热带气旋会造成登陆地区巨大的经济损失和人员伤亡。在热带气旋发展的过程中，往往伴随着强烈的大气-海洋的耦合，这些过程包括大气海洋之间水汽、热量、动量等通量的交换，以及相应的正负反馈过程。海表面高温增加大气下边界层的不稳定扰动，使气旋活动增强，增加的海表面风场一方面加快了海表层混合和下层低温冷水的上翻，降低了海表面温度，另一方面加快了海表的蒸发潜热的释放，维持了台风的能量输送，同时风场引起的巨大表面海浪，也进一步通过海浪的非线性破碎飞沫，将能量和水汽输送给大气[2-11]。因此，通过大气-海洋-海浪之间的耦合作用来研究热带气旋，有利于更进一步揭示台风发生发展的过程和机理[12-13]。
数值模式目前已被广泛采用到热带气旋的研究与应用中，例如: Zarzycki等[15]利用区域大气模式(Community Atmosphere Model，CAM) 对2012—2013年大西洋和东太平洋的台风进行预报；王咏青等[16]利用中尺度气象模式WRF对2006年西北太平洋夏季的台风进行预测试验。随着模式和耦合技术的发展，大气-海洋耦合模式被广泛应用于台风、降水的模拟研究中，例如，1996年，美国海军研究实验室（Naval Research Laboratory）研发了一套耦合模式COAMPS（Coupled Ocean Atmosphere Mesoscale Prediction System）使得大气模式与海洋模式可以相互交换初始场数据进行耦合，并对两次热带气旋过程进行了理想化模拟[17]；张莉等[18]对2001年IPCC第四次评估报告的海气耦合模式模拟结果进行评估发现海气耦合模式对东亚季风降水具有较好的模拟效果；Alimohammadi等[19]通过研究Hurricane WRF模式对行星边界层，积云对流方案，海洋-大气表面通量参数化的敏感性来改进热带气旋的预测；Sun等[20]基于由我国自主研发的GRAPES模式发展的中尺度台风模式GRAPES_TYM，对2011年台风“Muifa”的过程进行数值模拟，结果表明耦合模式很好地模拟了海表面温度的降幅，同时在台风发展的初期，耦合模式对于台风强度和路径的模拟和观测具备很强的一致性。
2010年，美国Woods Hole Science Center研发的最新海-气-浪耦合模式(Coupled Ocean-Atmosphere-Wave-Sediment Transport，COAWST)，利用MCT耦合技术将广泛使用的中尺度大气模式WRF，区域海洋模式ROMS和海浪模式SWAN进行耦合，形成了一套完整的耦合系统，用于描述大气、海洋动力和物理过程，以及不同分量之间的变量交换，适用于热带区域台风的模拟[21]。之后，COAWST耦合模式被广泛应用于台风的数值模拟中，Kenny等[22]通过设置敏感性试验来研究不同模型之间的耦合组合对南海台风“Kalmaegi”模拟的影响，结果表明只有完全耦合的WRF-ROMS-SWAN模式才能更好地再现台风发展期间环境场的变化；Ricch等[23]使用双向耦合的大气-海洋耦合模式COAWST对地中海的热带气旋发展过程进行模拟，结果表明：与独立的大气模式的多物理集合相比，COAWST的模拟再现了更精确的海面热通量、气旋路径和强度；徐海波等[24]利用海-气-浪耦合模式COAWST对2010年西太平洋最强的台风“Megi”进行模拟，验证了海洋条件对台风强度有一定的影响，而台风移动速度、风速的大小也会影响海洋反馈程度。
目前针对热带气旋的模拟研究，主要集中在热带太平洋和热带大西洋区域，针对热带印度洋的模拟研究比较少。根据最新的观测数据显示，近几年热带印度洋的气旋活动明显加强，同时数量也在增加，尤其是在每年印度季风爆发之前[25]。刘春雷等[26]的研究发现40年来北印度洋热带气旋总生成个数每10年增加1.3个，其强度和频率的增加不仅给印度等国家带来了严重的气象灾害，同时也对我国青藏高原，云贵高原的降水带来巨大的影响[27]，吕爱民等[28]的研究也发现孟加拉湾风暴“Akash” (0701)也引发了云南、广西等地一次持续性强降水过程；对于印度洋热带气旋强度和路径的预报预警，不仅可以减少印度洋沿岸国家和地区的经济损失和人员伤亡，同时也是响应关于加快推进丝绸之路经济带和21世纪海上丝绸之路建设的倡议，为海上丝绸之路保驾护航[29]。
本文利用最新研发的COAWST模式，针对2019年印度洋台风“Fani”，进行了耦合模式数值模拟，分析了热带气旋发生发展过程中路径、强度、以及海气通量等物理量的变化，并与观测数据以及再分析资料进行对比分析。论文第2部分进行了模式各个分量的介绍和数值试验设计；第3部分分析了数值模式的模拟结果并加以讨论；最后在第4部分进行了全文总结。
2. 数据和方法
2.1 数据来源
WRF（The Weather Research and Forecasting Model）天气预报模式的初始场和边界条件资料来自NCEP FNL的再分析资料，水平分辨率1 °×1 ° (https://rda.ucar.edu/datasets/ds083.2/)；ROMS（Regional Ocean Model System）海洋模式的初始场和边界场资料来自全球海洋预报和再分析系统HYCOM的再分析资料，水平分辨率为(1 / 12)°（http://nrl.asee.org/）；SWAN（Simulating Waves Nearshore）海浪模式的环流初始场的波参数为0，受大气和海洋流场的强迫发展起来。大气、海洋物理量的再分析数据来自ECMWF_ERA5，水平分辨率0.25 °× 0.25 °（https://www.ecmwf.int/en/forecasts/datasets/browse-reanalysis-datasets）。气旋风暴“Fani”的路径及强度数据来自International Best Track Archive for Climate Stewardship (IBTrACS)(http://ibtracs.unca.edu/)。
2.2 模式介绍
COAWST耦合模式由大气、海洋、海浪几个子模式构成。气旋的大气物理量场的模拟采用的是天气预报模式WRF；海洋物理场的模拟采用的是海洋模式ROMS；波浪场的模拟采用海浪模式SWAN。
天气预报模式WRF是由美国大气研究中心(National Center for Atmospheric Research, NCAR) 和美国国家环境预报中心(National Centers for Environmental Prediction, NCEP)等研究机构共同研发的天气分析和预报模式。模式的时间积分采用三阶或者四阶的Runge-Kutta方案，水平方向采用正交曲线(Arakawa C)网格进行计算，垂直方向采用地形跟随的sigma坐标。其控制方程是基于非静力平衡的欧拉方程建立起来的[30-32]。
由UCLA、Rutgers大学共同开发的ROMS模式是基于原始方程的自由表面，三维非线性的斜压海洋模型，水平方向上采用Arakawa C网格，垂直方向上采用地形跟随sigma坐标。模型的控制方程是雷诺平均的N-S方程，采用Boussinesq近似和准静力近似求解[33-36]，其控制方程如下。
运动方程：
$$ \frac{\partial u}{\partial t}+\vec{v} \cdot \nabla u-f v=-\frac{\partial \phi}{\partial x}-\frac{\partial}{\partial z}\left(\overline{u^{\prime} w^{\prime}}-v \frac{\partial u}{\partial z}\right)+F_{u}+D_{u} $$ (1) $$ \frac{\partial v}{\partial t}+\vec{v} \cdot \nabla v-f u=-\frac{\partial \phi}{\partial y}-\frac{\partial}{\partial z}\left(\overline{u^{\prime} w^{\prime}}-v \frac{\partial u}{\partial z}\right)+F_{v}+D_{v} $$ (2) $$ \frac{\partial \phi}{\partial z}=\frac{-\rho g}{\rho_{0}} $$ (3) 连续方程：
$$ \frac{\partial u}{\partial x}+\frac{\partial v}{\partial y}+\frac{\partial w}{\partial z}=0 $$ (4) 标量(温度、盐度)控制方程:
$$ \frac{\partial C}{\partial t}+\vec{v} \cdot \nabla C=-\frac{\partial}{\partial z}\left(\overline{C^{\prime} w^{\prime}}-v_{\theta} \frac{\partial C}{\partial z}\right)+F_{c}+D_{c} $$ (5) 状态方程：
$$ \rho=(T, S, P) $$ (6) SWAN作为第三代海浪模式，是由荷兰代尔夫特理工大学基于WAM模式开发的，它克服了WAM模型在沿海区域的使用限制[37]，综合考虑了波浪的浅水变形、绕射、反射、折射等传播变形过程，能够模拟海底摩擦、破碎、白浪、风能输入以及波浪非线性效应等影响，可以输出有效波高、波向、波周期、波浪谱，对近岸的海浪模拟有较好的模拟精度[38]。SWAN模式是在静止波中受大气和海洋流场的强迫发展起来。
模式采用耦合器MCT(Model Coupling Toolkit)将大气、海洋和海浪分量耦合。MCT采用Fortran90语言和MPI消息传递接口协议实现，用于并行高效的实现模式分量之间变量的传输和转换[39-40]。在模式的初始化阶段，MCT内部记录了大气、海洋和海浪模式模拟区域划分（domain decomposition），并初始化不同模式分量之间传递的变量和传递方向。在模式运行期间，不同分量独立积分，并在预先给定的耦合时间节点上进行变量交换，在最新版本的COAWST模式中，大气、海洋和海浪分量变量交换和方向（图 1）：大气分量提供10 m的水平风场给海浪，同时通过大气边界层方案提供给海洋热量和动量通量；海洋模式提供海表面温度场SST给大气，同时提供海表面流场、自由高度以及海洋地形给海浪；海浪分量计算有效波高、波长、方向角等波浪参数返回给海洋模式，同时提供给大气一个动态的海表粗糙度参数，取代大气边界层原有的常系数方案。
2.3 数值试验设计
天气预报模式WRF（the Weather Research and Forecasting Model）的初始场和边界条件资料来自NCEP FNL的再分析资料，水平分辨率1 °× 1 °，模拟区域为48~112 °E，13 °S~33 °N（图 2），网格数设置为150×199，对应水平网格分辨率为30 km，能够分辨水平尺度上百公里的台风，垂直分47层。
海洋模式ROMS（Regional Ocean Model System）使用的海流、水位、盐度、温度等初始场资料来自HYCOM的再分析资料，水平分辨率0.125 °×0.125 °，模拟区域为54~99 °E，6~26 °S（图 2），网格数设置为102×152，对应水平网格分辨率为30 km，这种水平分辨率能够分辨可能影响风暴强度的中尺度海洋特征，本次研究中不考虑河流径流的影响。海浪模式SWAN（Simulating Waves Nearshore）的环流初始场的波参数为0，受大气和海洋流场的强迫发展起来，采用与ROMS相同的网格设置。
数值模拟试验针对北印度洋孟加拉湾海区气旋风暴“Fani”，从2019年4月30日12时(世界时，下同)一直积分到2019年5月3日12时，着重关注数值模拟热带气旋发展过程中气象、水文物理量场特征；数值试验中大气、海洋、海浪分量独立积分，每30分钟进行一次耦合，各个分量从耦合器中得到耦合变量再次独立积分，以此循环积分共72小时，试验每积分3小时输出一次历史数据；数值试验中ROMS，SWAN，WRF主要采用的物理过程参数化方案如表 1。
表 1 模式使用的参数化方案模式 参数化方案 ROMS LMD垂直混合方案 SWAN ST6白浪耗散方案 WRF Kain-Fritsch积云对流参数化方案 MYJ边界层参数化方案 WSM6云微物理过程参数化方案 RRTM长波辐射参数化方案 Dudhia短波辐射参数化方案 3. 结果分析
3.1 大气物理量场分析
3.1.1 路径及强度分析
耦合模式输出热带气旋“Fani”2019年4月30日12:00—5月3日9：00的移动路径与IBTrACS的实测气旋路径对比显示，耦合模式模拟的台风路径相对于实际的路径右偏（偏差达19~74 km）（图 3a）。在模式运行的前43小时（5月2日7：00以前），模式的模拟路径与实测的路径非常接近，偏差在55 km以内；5月2日7：00—5月2日14：00，相对实测路径而言，模式的模拟路径向右偏的趋势加大；模式运行的最后15小时，模拟路径与实测路径的偏差迅速减小，模拟的登陆位置与实际仅相差32.5 km（图 3b）。强度模拟的结果与IBTrACS实测对比存在一定偏差，主要表现为COAWST模式模拟的风暴强度偏弱，COAWST模式模拟的风暴最低气压为975 hPa，IBTrACS实测的风暴最低气压为917 hPa（图 3c）。耦合模式模拟的风暴强度偏弱的现象在其他学者的研究中也普遍存在，风暴强度对海面温度极其敏感，当耦合到海洋模型时海面的降温可导致强度迅速降低[12, 21, 41-42]。
图 3 2019年4月30日12:00—5月3日9:00 “Fani”的移动路径和强度对比a中红色路径为耦合模式输出的“Fani”的移动路径，黑色路径为实测的“Fani”移动路径; b为耦合模式相对于实测路径的偏差（单位: km）; c红线为耦合模式模拟的“Fani”中心的最低气压（单位: hPa），黑线为实测的“Fani”中心的最低气压（单位：hPa）。COAWST耦合模式输出2019年4月30日—5月3日的10 m风场和海平面气压场显示，中心最低气压达975 hPa（图 4a~4d）。耦合模式输出的海平面气压与ERA5的海平面气压的差值场在风暴中心附近出现一个对称的“偶极子”，这是由于耦合模式模拟的风暴中心相对于实际的风暴中心偏右导致的。此外，在模拟的前半段时间，耦合模式输出的气压相对于再分析数据偏低，而在模拟的后半段时间，耦合模式输出的气压相对于再分析数据偏高，即对风暴强度的模拟偏弱（图 4e~4h）。耦合模式输出的10 m风速与ERA5的10 m风速的差值场显示，耦合模式模拟的风暴中心附近的10 m风速偏大2~5 m/s。
图 4 2019年4月30日18时（a、e、i），5月1日12时（b、f、j），5月2日9时（c、g、k），5月3日9时（d、h、l）耦合模式输出的10 m风场（单位：m/s）叠加海平面气压(单位：hPa（) a~d）；COAWST输出的海平面气压相对于ERA5再分析数据海平面气压的偏差(单位：hPa，e~h); COAWST输出的10 m风速相对于ERA5再分析数据的10 m风速的偏差(单位：m/s，i~l)3.1.2 2 m温度场分析
COAWST耦合模式输出2019年4月30日—5月3日海水的2 m温度场显示，气旋风暴中心附近的2 m温度比周围低约5 ℃，气旋风暴路径的后面也出现了大范围的冷尾流。5月3日，随着“Fani”在印度东部奥丽萨邦普里地区登陆，当地实现较大幅度的降温，降温幅度8 ℃以上（图 5a~5d）。耦合模式输出的2 m温度与ERA5的2 m温度的差值场显示：模拟的前半段时间，耦合模式模拟的风暴中心附近2 m温度偏高0.5~2.0 ℃，模拟的后半段时间，风暴靠岸登陆，而耦合模式对风暴登陆带来的降温的模拟偏弱3~5 ℃，即再分析数据显示“Fani”登陆期间会带来更强的降温（图 5e~5f）。
图 5 2019年4月30日18时（a、e），5月1日12时（b、f），5月2日09时（c、g），5月3日09时（d、h）耦合模式输出的2 m温度场(单位：℃，a~d)，耦合模式输出的2 m温度相对于ERA5再分析数据的2 m温度的偏差(单位：℃，e~h)3.2 海洋物理量场分析
3.2.1 海表面潜热通量，感热通量分析
COAWST耦合模式输出的2019年4月30日—5月3日的潜热通量，感热通量的数据显示，气旋风暴“Fani”生成和发展的海区孟加拉湾，潜热通量为负值（-550 ~-90 W/m2，图 6a~6d），感热通量为-80~40 W/m2（图 7a~7d）。
图 6 2019年4月30日19时（a、e），5月1日13时（b、f），5月2日10时（c、g），5月3日10时（d、h）耦合模式输出的潜热通量(单位：W/m2，a~d)；潜热通量相对于ERA5再分析数据的潜热通量的偏差(单位：W/m2，e~h)
图 7 2019年4月30日19时（a、e），5月1日13时（b、f），5月2日10时（c、g），5月3日10时（d、h）耦合模式输出的感热通量(单位：W/m2，a~d)；耦合模式输出的感热通量相对于ERA5再分析数据的感热通量的偏差(单位：W/m2，e~h)耦合模式输出的潜热通量与ERA5的潜热通量的差值场显示：耦合模式对风暴中心附近海表潜热通量的模拟偏弱80~150 W/m2，且出现与海表气压差值场类似的“偶极子”现象（图 6e~6f）。耦合模式与ERA5的感热通量的差值场展示了与潜热差值场相似的特征，耦合模式对风暴中心附近海表感热通量的模拟偏弱10~30 W/m2（图 7e~6f）。
3.2.2 海表面温度场分析
气旋经过的海面由于强大的风应力旋度导致的Ekman抽吸将冷海水上翻，因此气旋中心附近的海区海水温度一般比周围温度低2~8 ℃。COAWST耦合模式输出2019年4月30日-2019年5月3日的海表面温度(SST)显示，气旋风暴中心附近的北印度洋孟加拉湾海区，海表面最低温度26 ℃，比周围低约5 ℃，并在气旋风暴后部出现了大范围的冷尾流（图 8a~8d）。耦合模式与ERA5的海表面温度(SST)的差值场一直存在一个低值中心（-0.5~-1.5 ℃），这个低值中心同样也是由于耦合模式模拟的风暴中心位置相对于实际偏右导致的，但是不存在明显的正中心。说明耦合模式对风暴中心附近的海表温度与再分析数据的结果比较接近（图 8e~8f）。
图 8 2019年4月30日19时（a、e），5月1日13时（b、f），5月2日10时（c、g），5月3日10时（d、h）耦合模式输出的海表面温度（SST）(单位：℃)；海表面温度（SST）相对于ERA5再分析数据的海表面温度（SST）的偏差(单位：℃)。3.3 波浪场分析
COAWST耦合模式输出2019年4月30日—5月3日海面的有效波高数据显示，气旋风暴“Fani”附近的海区，海面有效波高3~9 m，气旋风暴中心的有效波高在9 m以上。4月30日—5月2日海面较高有效波高区和较大海流速度区随“Fani”向西北方向移动，并随气旋风暴的强度减弱，气旋中心的有效波高降低，海流速度减弱（图 9）。
4. 结论
本文基于区域海-气-浪耦合模式COAWST对2019年4月30日—5月3日强热带风暴“Fani”发展过程的大气物理场、海洋物理量场、波浪场的响应情况进行了模拟。
（1）COAWST耦合模式对“Fani”路径的模拟与实测的气旋路径具有较高的相似性，登陆地点相对实测仅偏差32.5 km；对“Fani”强度的模拟偏弱; 由于耦合模式模拟的风暴中心相对实际偏右，耦合模式与ERA5的海平面气压差值场出现“偶极子”的结构；耦合模式对风暴中心附近的10 m风速及2 m大气温度的模拟偏大（高）。
（2）COAWST耦合模式对风暴中心附近的潜热及感热输送强度的模拟偏弱，感热和潜热相对于ERA5数据的差值场同样显示出“偶极子”特征；耦合模式海表温度场（SST）的模拟很好地反映了气旋附近大气与海洋之间强烈相互作用产生的海表“冷尾迹”现象，其与ERA5数据的差值场显示耦合模式对风暴中心附近的海表温度的模拟与再分析数据的结果是比较接近的。
（3）COAWST耦合模式对波浪场模拟显示：气旋风暴中心的有效波高在8 m以上，较好地反映出气旋条件下海表面波浪场，流场的一般规律。
综上所述，尽管海-气-浪耦合模式COAWST对“Fani”发展过程物理量强度的模拟偏弱，但都较好地模拟了大气，海洋物理量场及波浪场的总体特征，特别是对气旋移动路径以及气旋发展过程由于海气相互作用导致海温冷却现象的模拟都展现出很好效果和改进作用，可以发展并推广用于北印度洋海域气旋的模拟分析。
-
图 3 2019年4月30日12:00—5月3日9:00 “Fani”的移动路径和强度对比
a中红色路径为耦合模式输出的“Fani”的移动路径，黑色路径为实测的“Fani”移动路径; b为耦合模式相对于实测路径的偏差（单位: km）; c红线为耦合模式模拟的“Fani”中心的最低气压（单位: hPa），黑线为实测的“Fani”中心的最低气压（单位：hPa）。
图 4 2019年4月30日18时（a、e、i），5月1日12时（b、f、j），5月2日9时（c、g、k），5月3日9时（d、h、l）耦合模式输出的10 m风场（单位：m/s）叠加海平面气压(单位：hPa（) a~d）；COAWST输出的海平面气压相对于ERA5再分析数据海平面气压的偏差(单位：hPa，e~h); COAWST输出的10 m风速相对于ERA5再分析数据的10 m风速的偏差(单位：m/s，i~l)
图 5 2019年4月30日18时（a、e），5月1日12时（b、f），5月2日09时（c、g），5月3日09时（d、h）耦合模式输出的2 m温度场(单位：℃，a~d)，耦合模式输出的2 m温度相对于ERA5再分析数据的2 m温度的偏差(单位：℃，e~h)
图 6 2019年4月30日19时（a、e），5月1日13时（b、f），5月2日10时（c、g），5月3日10时（d、h）耦合模式输出的潜热通量(单位：W/m2，a~d)；潜热通量相对于ERA5再分析数据的潜热通量的偏差(单位：W/m2，e~h)
图 7 2019年4月30日19时（a、e），5月1日13时（b、f），5月2日10时（c、g），5月3日10时（d、h）耦合模式输出的感热通量(单位：W/m2，a~d)；耦合模式输出的感热通量相对于ERA5再分析数据的感热通量的偏差(单位：W/m2，e~h)
图 8 2019年4月30日19时（a、e），5月1日13时（b、f），5月2日10时（c、g），5月3日10时（d、h）耦合模式输出的海表面温度（SST）(单位：℃)；海表面温度（SST）相对于ERA5再分析数据的海表面温度（SST）的偏差(单位：℃)。
表 1 模式使用的参数化方案
模式 参数化方案 ROMS LMD垂直混合方案 SWAN ST6白浪耗散方案 WRF Kain-Fritsch积云对流参数化方案 MYJ边界层参数化方案 WSM6云微物理过程参数化方案 RRTM长波辐射参数化方案 Dudhia短波辐射参数化方案 
下载: 导出CSV
-
[1] 董美莹, 陈联寿, 郑沛群, 等. 登陆热带气旋暴雨突然增幅和特大暴雨之研究进展[J]. 热带气象学报, 2009, 25(4): 495-502. [2] SAKAIDA F, KAWAMURA H, TOBA Y. Sea surface cooling caused by typhoons in the Tohoku area in August 1989[J]. John Wiley & Sons, Ltd, 1998, 103(C1). [3] DUAN Y H, QIN Z H, GU J F, et al. Numerical study on the effects of sea surface temperature on tropical cyclone intensity-part Ⅰ: numerical experiment of the tropical cyclone intensity related to SST[J]. Acta Meteorological Sinica, 1998, 12(2): 142-148. [4] DUAN Y H, QIN Z H, GU J F, et al. Numerical study on the effects of sea surface temperature on tropical cyclone intensity—part Ⅱ : Coupling model and experiment[J]. Acta Meteorological Sinica, 2000, 14(2): 193-199. [5] ANDREAS E L, DECOSMO J. Sea spray production and influence on air-sea heat and moisture fluxes over the open ocean[M]. In: Geernaert G.L. (eds) Air-Sea Exchange: Physics, Chemistry and Dynamics. Atmospheric and Oceanographic Sciences Library, (1999) vol 20. Springer, Dordrecht. https://doi.org/10.1007/978-94-015-9291-8_13. [6] SHPUND J, KHAIN A, ROSENFELD D. Effects of sea spray on the dynamics and microphysics of an idealized tropical cyclone[J]. J Atmos Sci, 2019, 76(8): 2 213-2 234. [7] 王平, 陈葆德, 曾智华. 海洋飞沫对热带气旋边界层结构的影响[J]. 海洋学报(中文版), 2014, 36(9): 84-93. [8] 辅天华, 陈海山, 曾智华, 等. 积云对流参数化对东亚近海热带气旋活动模拟的影响[J]. 热带气象学报, 2020, 36(2): 254-262. [9] 刘甫, 明杰, 张翰, 等. 热带气旋"凤凰"(2014) 的结构演变及其引起的海洋响应分析[J]. 热带气象学报, 2020, 36(4): 552-561. [10] 张佳琳, 张文清, 夏浩峰, 等. 海洋飞沫对热带气旋影响的数值模拟研究——以"鲇鱼" 台风为例[J]. 中国海洋大学学报(自然科学版), 2021, 51(10): 12-21. DOI:10.16441/j.cnki.hdxb.20200332. [11] 霍子墨. 海洋暖水对"天鸽"(2017) 近岸快速增强的作用研究[D]. 北京: 中国气象科学研究院, 2020. [12] LIU N, LING T J, WANG H, et al. Numerical simulation of typhoon Muifa(2011) using a coupled Ocean-Atmosphere-Wave-Sediment Transport(COAWST) modeling system[J]. Journal of Ocean University of China, 2015, 14(2): 199-209. [13] 毛卿任, 张庆河, 陈同庆. 大气-海洋-海浪耦合同化模式在台风过程模拟中的应用[J]. 海洋通报, 2020, 39(3): 309-315. [14] 谭晓林. 海气相互作用对台风"杜鹃" 强度和边界层过程的影响研究[D]. 长沙: 国防科技大学, 2019. [15] ZARZYCKI, COLIN M, JABLONOWSKI, et al. Experimental tropical cyclone forecasts using a variable-resolution global model[J]. Mon Wea Rev, 2015, 143(10): 4 012-4 037. [16] 王咏青, 宋天元, 梁驹, 等. 西北太平洋台风季节预报的数值模拟[J]. 大气科学学报, 2012, 35(1): 24-31. [17] HODUR R M. The naval research laboratory' s coupled ocean / atmosphere mesoscale prediction system (COAMPS)[J]. Mon Wea Rev, 1997, 125(7): 1 414-1 430. [18] 张莉, 丁一汇, 孙颖. 全球海气耦合模式对东亚季风降水模拟的检验[J]. 大气科学, 2008, 32(2): 261-276. [19] ALIMOHAMMADI M, MALAKOOTI H. Sensitivity of simulated cyclone Gonu intensity and track to variety of parameterizations: Advanced hurricane WRF model application[J]. J Earth System Science, 2018, 127(3): 41. [20] SUN M H, DUAN Y H, ZHU J R, et al. Simulation of Typhoon Muifa using a mesoscale coupled atmosphere-ocean model[J]. Acta Oceanologica Sinica, 2014, 33(11): 123-133. [21] WARNER J C, ARMSTRONG B, HE R Y, et al. Development of a Coupled Ocean-Atmosphere-Wave-Sediment Transport (COAWST) modeling system[J]. Ocean Modelling, 2010, 35: 230-244. [22] KENNY, DONG C M, LIU H L, at el. Effects of model coupling on Typhoon Kalmaegi (2014) simulation in the South China Sea[J]. Atmosphere, 2020, 11(4): 432, https://doi.org/10.3390/atmos11040432. [23] RICCHI A, MIGLIETTA M M, BONALDO D, et al. Multi-Physics ensemble versus Atmosphere-Ocean Coupled Model simulations for a Tropical-Like cyclone in the Mediterranean Sea[J]. Atmosphere, 2019, 10(4): 202, https://doi.org/10.3390/atmos10040202. [24] 徐海波, 杜华栋, 项杰, 等. 使用高分辨率海-气-浪耦合模式COAWST对"Megi" (2010)的一次模拟试验[J]. 海洋预报, 2019, 36(2): 57-67. [25] CHAUHAN A, SINGH R P, DASH P, at el. Impact of tropical cyclone "Fani" on land, ocean, atmospheric and meteorological parameters [J]. Mar Pollut Bull, 2021, 162: 111844. doi: 10.1016/j.marpolbul.2020.111844.Epub2020Nov18.PMID:33220915. [26] 刘春雷, 冯小丽, 顾剑峰, 等. 热带气旋生成指数对印度洋热带气旋频数变化的适用性研究[J]. 南京信息工程大学学报(自然科学版), 2020, 12(4): 431-441. [27] 次仁拉姆, 旦增冉珍, 德吉白珍, 等. 孟加拉湾特强气旋风暴"法尼" 对西藏南部和东南部强降水的影响分析[J]. 西藏科技, 2019, 44(9): 34-38. [28] 吕爱民, 文永仁, 李英. 一次孟加拉湾风暴Akash(0701)对我国西南地区强降水过程的影响分析[J]. 大气科学, 2013, 37(1): 160-170. [29] 王辉, 刘娜, 张蕴斐, 等. "21世纪海上丝绸之路" 海洋与气象灾害预警报现状和风险防范对策建议[J]. 科学通报, 2020, 65(6): 453-462. [30] WU Z Y, CHEN J, JIANG C B. Numerical investigation of Typhoon Kai-tak (1213) using a mesoscale coupled WRF-ROMS model — Part Ⅱ: Wave effects[J]. Ocean Engineering, 2020, 196: 106805. [31] 宋倩, 毛健, 马振兴, 等. WRF模式气象要素模拟精度的验证及订正——以南疆区域为例[J]. 天津师范大学学报(自然科学版), 2020, 40 (1): 53-59. [32] 蒋自强. 长三角城市群区气溶胶对边界层的影响研究[D]. 南京: 南京大学, 2015. [33] 周超杰, 张杰, 杨俊钢, 等. 基于ROMS模式的南海SST与SSH四维变分同化研究[J]. 海洋学报, 2019, 41(1): 32-40 [34] BUDGELL W P. Numerical simulation of ice-ocean variability in the Barents Sea region Towards dynamical downscaling[J]. Ocean dynamics, 2005, 55(3/4): 370-387. [35] MARCHESIELLO P, JAMES C, SHCHEPETKIN A. Open boundary conditions for long-term integration of regional oceanic models[J]. Ocean Modelling, 2001, 3(1): 1-20. [36] 周超杰, 张杰, 杨俊钢, 等. 基于ROMS模式的南海SST与SSH四维变分同化研究[J]. 海洋学报, 2019, 41(1): 32-40. [37] 伍志元, 蒋昌波, 邓斌, 等. 基于海气耦合模式的南中国海北部风暴潮模拟[J]. 科学通报, 2018, 63(33): 3 494-3 504. [38] ROGERS W E, HWANG P A, WANG D W. Investigation of wave growth and decay in the SWAN model: three regional-scale applications [J]. Journal of Physical Oceanography, 2003, 33(2): 366-389. [39] LARSON J, JACOB R, ONG E. The Model Coupling Toolkit: A New Fortran90 Toolkit for Building Multiphysics Parallel Coupled Models [J]. The International Journal of High Performance Computing Applications. 2005; 19(3): 277-292. doi: 10.1177/1094342005056115. [40] JACOB R, LARSON J, ONG E. M×N communication and parallel interpolation in Community Climate System Model Version 3 using the Model Coupling Toolkit[J]. The International Journal of High Performance Computing Applications, 2005, 19(3): 293-307, doi: 10.1177/1094342005056116. [41] BENDER M A, GINIS I. Real-case simulations of hurricane-ocean interaction using a high-resolution coupled model: effects on hurricane intensity[J]. Mon Wea Rev, 2000, 128: 917-946. [42] PRICE J F. Upper ocean response to a hurricane[J]. Journal of Physical Oceanography, 1981, 11: 153-175. 期刊类型引用(2)
1. 刘丽丽，李英华，王雪莲，林毅，董琪如，邱晓滨. 区域海气耦合模式对黄渤海周边近地层温湿预报的性能研究. 暴雨灾害. 2024(01): 63-72 . 
百度学术2. 韩琦琦，刘鑫. 异地高速互联环境下的海气耦合模式应用. 计算机科学. 2023(S2): 845-849 . 百度学术其他类型引用(1)
-
下载:
百度学术
点击查看大图
计量
- 文章访问数: 184
- HTML全文浏览量: 146
- PDF下载量: 23
- 被引次数: 3
粤公网安备 4401069904700003号