动力降尺度方法在辐射雾大涡模拟中的应用(11) - 计算机时代杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表- 计算机时代

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

动力降尺度方法在辐射雾大涡模拟中的应用(11)

作者:

关键词:

摘要：

PBL 方案对此次辐射雾爆发的模拟效果并不理想, 不管是通过提高水平网格分辨率, 还是采用动力降尺度方法, 都并不能将岀雾时间提前。另外, 从图 6 可以看到, ndPBL222m实验的计算机时比PBL222m实验减少67.34% 。从 ndLES222m 实验的结果可以看到, 该实验预报的岀雾时间为 21 日 18:00 (图 7(b2)), 与实际岀雾时间一致。这个结果说明采用动力降尺度方法, 将 PBL 方案与LES方案相结合, 可以准确预报此次辐射雾的岀雾时间。从图 8 可以看到, 在此次辐射雾的岀雾阶段, ndLES222m 实验的ETS评分(图 8(a)中黑线) 21 日18:00为0.100, 21日19:00为0.254, 远远高于同时刻其他LES实验与动力降尺度实验的ETS评分。ndLES222m实验的Bias评分(图8(b)中黑线) 21 日18:00为1.66, 21日19:00为1.14, 在所有实验中是最接近 1 的, 说明 ndLES222m 实验可以有效地提高模拟能力, 特别是对此次辐射雾岀雾时间的预报上, 效果比所有的PBL方案和LES方案更好。 a, b和c分别代表ndLES1.1km, ndLES222m和ndPBL222m。1,2和3分别代表21日17:00,18:00和21:00的模拟结果; 黑色圆点代表没有出雾的观测站, 红色圆点代表出雾的观测站, 灰色表示模拟的雾区(雾区的定义为能见度小于1 km的区域)图7 D05区域地面观测站与不同ndown实验雾区对比Fig. 7 Comparison of observation and different ndown simulations in D05 此外, 从计算资源的需求上可以看到, 同样的水平分辨率情况下, 运用动力降尺度方法进行的模拟实验所需要的计算机时明显减少: ndLES1.1km实验比LES1.1km实验减少47.02%, ndLES222m实验比LES222m实验减少67.67% (图 6)。可以看出, 利用动力降尺度方法, 将PBL方案与LES方案相结合进行模拟运算, 可以节省大量计算资源, 为业务预报提供了一种可能性。为了进一步降低计算机时, 我们进行改变起报时间的ndLES222m_06(4p5l_06)实验, 即将实验的起报时间由原来的21 日 08:00延后 6 小时至 21 日14:00。从图6可以看出, 该实验确实能够减少计算机时, 但是对此次辐射雾过程及岀雾时间的预报效果并不好, 模拟的岀雾时间有 1 小时的滞后(图略)。并且, 从图 8 (浅蓝色线)可以看到, 该实验的ETS和Bias评分都不理想。图8 D05区域LES实验与ndown实验的ETS和Bias评分Fig. 8 ETS and Bias of different LES simulations and ndown simulations in D05 5 结论本文采用WRFV3.7模式, 选用 LES 和 PBL 方案设计敏感性实验, 对华北地区一次辐射雾个例的起雾时间及迅速扩大阶段进行了模拟研究, 主要结果如下。 1) LES方案可以改善对起雾时间预报效果, 比PBL 方案提前 4~5 小时, 但比实际岀雾时间有 1~2小时的超前。提高水平网格分辨率可以改善 LES的预报效果, 在岀雾时间上 LES1.1km实验比实况超前2小时, LES222m实验比实况超前1小时。在21日18:00的岀雾时间上, LES222m实验在D03区域内预报效果比LES1.1km实验好, 表现在ETS评分更高, Bias 值也更小。但是, LES 提高水平分辨率需要较多的计算资源, LES222m实验所需计算机时是LES1.1km实验的44.59倍。 2) 运用动力降尺度方法, 将传统的 PBL 方案与LES方案相结合, 可以提高岀雾时间预报的准确性。ndLES1.1km 实验比 PBL1.1km 实验岀雾时间提前 4 小时, 比 LES1.1km 实验推迟 1 小时, 更接近实况。ndLES222m实验能够在18:00准确预报起雾时间, 与实况岀雾时间一致, 并且在 21 日 18:00和 19:00 的预报评分也是所有实验中最高的。运用动力降尺度方法, 将传统的 PBL 方案与 LES 相结合, 还能节约大量计算机时。NdLES1.1km 实验比LES1.1km实验计算机时减少 47.02%, ndLES222m实验的计算机时比 LES222m 实验减少67.67%。岀雾时间是业务预报的难题, 计算资源是制约业务预报发展的瓶颈。本文通过动力降尺度方法, 将 LES 方案与传统 PBL 方案相结合, 较成功地模拟了华北地区一

文章来源：《计算机时代》网址: http://www.jsjsdzzs.cn/qikandaodu/2020/0803/330.html