-
沙尘暴作为地球上的极端环境事件，是一种具有突发性和持续时间较短特点的概率小危害大的灾害性天气现象[1]。沙尘可以通过直接效应改变辐射收支[2]，也可以通过间接效应改变云的特性[3]，从而影响着地-气系统的辐射平衡及降水。此外，沙尘也直接影响着空气质量和人体健康[4]。东亚是全球沙尘的主要排放源之一，我国北部的戈壁沙漠和西北部的塔克拉玛干沙漠是亚洲最大的沙尘来源[5]。因此，对我国西北地区进行沙尘模拟具有重要的现实意义。
WRF-Chem模式(Weather Research and Forecasting model coupled to Chemistry)是由美国国家海洋和大气管理局(NOAA)、美国能源部/太平洋西北国家实验室(DOE/PNNL)和美国国家大气研究中心(NCAR)联合开发的一种气象模块(WRF)和化学模块(Chem)在线完全耦合的新一代区域空气质量模式。该模式在区域沙尘的模拟方面具有较大优势[6]。松弛逼近方法(Nudging)是一种通过在控制方程中附加强迫项，逐渐把模式状态向观测状态逼近的同化方法。由于其计算成本较低、易于实现，因此具有很高的实用价值。研究表明，Nudging方法对气候以及天气尺度的数值模拟效果均有不同程度的改进[7-8]。
近年来，已有不少研究利用WRF-Chem模式在我国西北地区进行沙尘模拟且模拟结果均在不同程度上反映出起沙及沙尘分布[6,9-12]，但是适用于我国西北地区沙尘模拟的模式参数设置仍存在着不确定性。对于Nudging方法，先前大多数研究多集中于该方法对模式模拟的各气象要素的影响[7-8,13]。目前对于利用WRF-Chem模式中不同起沙参数化方案结合Nudging方法对沙尘的模拟结果与卫星及地面观测资料的对比的研究仍然较少，因此利用不同的起沙参数化方案结合Nudging方法对我国西北地区的典型沙尘过程进行模式模拟，进而对模拟结果进行对比分析，找出更适合我国西北地区沙尘天气模拟的起沙方案及其结合Nudging方法后对模拟结果的影响，对我国西北地区沙尘天气的准确预报和进一步利用模式研究沙尘天气的气候效应具有重要的意义。
利用WRF-Chem模式4.1.3版本耦合GOCARTAFWA(简称AFWA)[14]及Shao04[15]起沙参数化方案结合Nudging方法对2020年4月9～11日我国西北地区的一次典型沙尘天气过程进行数值模拟，结合卫星及地面观测数据对模式模拟结果进行验证，并初步分析2种起沙方案及Nudging方法对我国西北地区沙尘天气过程模拟的影响。
-
自WRF-Chem 3.8版本起，AFWA及Shao04起沙参数化方案采用统一的粒径分档区间，即0.2～2.0、2.0～3.6、3.6～6.0、6.0～12和12～20 μm。
-
基于Marticorena-Bergametti(MB)起沙方案[16]，AFWA方案中起沙被处理为2个过程，其中大颗粒的跃移由风切变触发，细小颗粒则通过跃移轰击而释放。方案中垂直沙通量[14]，见式（1~2）：
式中：
$ \alpha $ 为沙尘轰击率，是土壤粘土比例$ {c}_{\mathrm{s}} $ 的函数；$ E $ 为风蚀度指数；$ Q $ 为水平跃移沙尘通量，见式（3）：式中：
$ {C}_{mb} $ 为可变的经验比例常数，模式中默认为1；$ {\rho }_{a} $ 为空气密度；$ g $ 为重力加速度；$ {u}_{*} $ 为摩擦速度；$ {u}_{*t} $ 为临界摩擦速度。 -
Shao04方案是根据Shao01方案[17]简化垂直沙尘通量的计算后得出的，该方案通过风洞试验指出产生起沙的机制应由跃移沙粒的轰击、空气拖拽力的夹卷和集合粒子的分裂3部分组成。Shao04方案中粒径为
$ {d}_{s} $ 的沙粒运动产生的粒径为$ {d}_{i} $ 的垂直沙尘通量[15]，见式（4）：式中：
$ {c}_{y} $ 为比例系数；$ {\eta }_{fi} $ 为由土壤排放到大气中的沙粒的质量分数；$ \gamma $ 为与沙尘粒径分布有关的权重因子；$ {p}_{m}\left({d}_{i}\right) $ 和$ {p}_{f}\left({d}_{i}\right) $ 分别为沙尘粒径的最小分布和全分布；g为重力加速度；$ {u}_{*} $ 为摩擦速度；Q为粒径为$ {d}_{s} $ 的颗粒的跃迁通量；$ {\sigma }_{m} $ 为轰击效率，见式（5）：式中：
$ {\rho }_{s} $ 为沙土的比重，常取 2 650 kg/m3；$ p $ 为土壤塑性压力，表示沙粒轰击产生的土壤粒子体积；$ {u}_{*} $ 为摩擦速度；。粒径为
$ {d}_{s} $ 的颗粒的跃迁通量$ Q $ 计算，见式（6）：式中：
$ {c}_{f} $ 为植被覆盖率；$ {\rho }_{a} $ 为空气密度；g为重力加速度；$ {u}_{*} $ 为摩擦速度；$ {u}_{*t} $ 为临界摩擦速度。 -
Nudging是一种基于动力学的降尺度方法，其核心思想是在数值模式积分的指定时刻，在一个或多个预报方程中增加一个模拟值与观测值之差的松弛项，在观测资料的时间段内，使得方程的解逼近观测值[18-19]，用所得的模式解作为模拟的初值，从而提高模式的模拟效果。
Nudging方法分为格点Nudging和谱Nudging2种。先前已有研究发现格点Nudging方法对地面风场、湿度场和温度场的改进效果优于谱Nudging方法[20]，因此本研究采用格点Nudging方法对气象要素进行逼近。格点Nudging方法通过使用格点对格点的松弛项逐步逼近分析场，为所嵌套的区域细网格提供更高质量的侧边界条件，从而实现对模式场的优化，见式（7）：
式中：
$ F\left(\theta \right) $ 是由于物理过程、平流和科氏力等造成的物理强迫项；$ {G}_{\theta } $ 为控制松弛大小的时间尺度因子；$ {W}_{\theta } $ 附加的四维权重系数；$ \widehat{{\theta }_{0}} $ 为通过临近时刻观测值内插以及空间格点差值得到的时空分析场。 -
本研究模拟时间为世界时(下同)2020年4月8日00:00～4月12日00:00，共积分96 h，积分的前24 h作为spin-up时间不用于后续的分析。模拟区域为纬向13.3°N～58.4°N，经向54.9°E～144.3°E，中心点为(100°E，37°N)，水平分辨率为27 km，时间积分步长为60 s，垂直方向划分为低层加密的48层，大气层顶气压为100 hPa。气象驱动场的初始条件和边界条件来自美国国家环境预报中心(NCEP)FNL全球再分析资料，分辨率为1°×1°，每6 h提供1次。模式使用“冷启动”方法进行初始化(即大气中的沙尘浓度初始化为零)。模式采用的物理化学方案及其在模式中的设置，见表1。
在上述设置一样的条件下，采用AFWA起沙方案(AFWA)、Shao04起沙方案(Shao04)、AFWA起沙方案结合Nudging方法(AFWA_N)、Shao04起沙方案结合Nudging方法(Shao04_N)共4组实验进行模拟，选取2020年4月9日00:00至2020年4月12日00:00每1 h输出一次的结果进行分析。其中AFWA_N和Shao04_N实验采用格点Nudging方法每6 h将模式中的风场u、v分量和温度场向再分析资料逼近一次，逼近系数为0.000 3 s−1。
-
使用了NCEP的FNL(6 h，1°×1°)全球再分析资料；全国城市空气质量实时发布平台(
http://106.37.208.233:20035/ )提供的阿克苏市、和田市、武威市和张掖市PM10逐小时质量浓度监测资料；卫星数据为搭载于Terra和Aqua卫星上的中分辨率成像光谱仪(MODIS)提供的550 nm处气溶胶光学厚度(AOD)数据(MOD04_L2、MYD04_L2)，空间分辨率为10 km×10 km，时间分辨率为5 min；此外，还有国家林业和草原局荒漠化监测中心(http://www.forestry.gov.cn/zsb/index.html )提供的静止卫星遥感沙尘监测图像，见图1。 -
2020年4月9～11日，受冷空气和大风影响，新疆南疆盆地、新疆东部、北疆部分地区以及甘肃河西走廊、内蒙古西部等地出现扬沙、浮尘天气过程，其中新疆南疆盆地及甘肃西部局地发生沙尘暴，见图1。图1b和c分别为NCEP/FNL再分析资料和模式模拟得到的4月9日00:00 500 hPa天气图。模拟结果与再分析资料中的500 hPa位势高度场一致且很好地再现了高空槽向东南移动发展加深的特征。此次沙尘天气过程主要起源于蒙古国西南部和新疆南疆盆地，从500 hPa天气图上来看，4月9日(图1b) ，蒙古国西南部出现一高空槽并不断向东南方向发展加深，等高线密集，高空风速增大，受地面冷锋影响，该地区出现沙尘天气并向西南方向传输，同时哈萨克斯坦东南部有一低压槽向东发展且伴随较强的冷平流，这在之后导致新疆南疆盆地出现沙尘天气；4月10日(图略)，蒙古国西南部低压槽移动发展至甘肃中部地区，冷锋过境带来较强东北风，上游传输使得该地区开始出现沙尘天气，同时新疆南疆盆地出现等高线密集带进而造成塔克拉玛干沙漠出现起沙；4月11日(图略)，甘肃中部地区低压槽加深发展至我国长三角一带并逐渐形成闭合的低压中心，甘肃地区风速减小，沙尘范围缩小，新疆南疆盆地由于等高线仍较密集，沙尘影响范围进一步扩大。
-
4月10日07:00的卫星遥感监测图像,见图2。此时沙尘区主要分布在新疆西南部和河西走廊一带，对比模式模拟结果(图2b～e)，可以看出在整体上4组实验均模拟出卫星监测的沙尘区，但在局部存在一定差异。对比4组实验得出的地面沙尘浓度，从空间分布来看，AFWA与Shao04实验模拟出的沙尘分布在新疆北部略有不同，虽均模拟出卫星监测的沙尘区，但两组实验在新疆北部、新疆南疆盆地和蒙古国西部产生了虚假的沙尘分布；相比于AFWA与Shao04，AFWA_N和Shao04_N模拟出的沙尘分布有所减小且与监测结果更吻合。从沙尘浓度量值来看，Shao04方案模拟出的沙尘峰值明显高于AFWA方案，在新疆东部及甘肃西部均出现大范围沙尘浓度>10 000 μg/m3的区域，区域内峰值达到18 241 μg/m3，AFWA方案模拟出的沙尘峰值为4 907μg/m3；开启Nudging后，两个起沙参数化方案模拟出的沙尘浓度值整体均有所下降，但AFWA_N在区域内的峰值上升到6 884 μg/m3，Shao04_N则下降到15 558 μg/m3。
4月11日07:00的卫星遥感监测图像,见图3。此时新疆南疆盆地出现大范围沙尘区域，同时在新疆北部及甘肃西部也有小范围沙尘出现。对比该时刻4组实验得出的地面沙尘浓度(图3b～e)，从空间分布来看，AFWA与Shao04 2组实验模拟出更大的沙尘范围，而AFWA_N和Shao04_N模拟出的沙尘分布范围较小且与监测结果更吻合。从沙尘浓度量值来看，Shao04方案模拟出的沙尘峰值同样高于AFWA方案，Shao04实验(图3c)在新疆南疆盆地东侧模拟出浓度﹥10 000 μg/m3的区域与卫星监测数据有一定的差异，AFWA实验模拟出的沙尘浓度峰值为2 847 μg/m3，Shao04则为12 654 μg/m3，两者相差较大；开启Nudging后，相比于Shao04，Shao04_N得出的沙尘浓度峰值明显降低，达到7 207 μg/m3，AFWA_N则升至3 349 μg/m3。
综上所述，AFWA、Shao04、AFWA_N和Shao04_N4组实验均拥有再现此次沙尘天气主要的起沙源地和沙尘传输过程的能力(4月9日图略)，但相比于不开启Nudging的实验结果，开启Nudging的2组实验即AFWA_N和Shao04_N均更好的模拟出沙尘浓度时空分布特征；在开启Nudging的情况下，Shao04_N实验即结合了Nudging方法的Shao04起沙参数化方案模拟出与卫星监测结果最为接近的沙尘分布。
-
以往研究发现，沙尘事件期间大气中沙尘占总气溶胶质量和AOD的90%以上[30]，因此AOD总体上可以反映研究过程中该地区沙尘的分布和变化特征。2014和2015年，NASA完成了Aqua和Terra卫星MODIS产品的更新，以提供最新的C6系列数据，提供了一种结合暗像元法(DT)和深蓝算法(DB)的AOD产品，该产品是一种更好的用于定量描述AOD的产品[31],因此文章采用该数据进行分析。由于模式无法直接输出550 nm处AOD，为了与MODIS提供的AOD进行对比，利用模式输出的550 nm气溶胶消光系数计算出550 nm处AOD。
4月11日05:50 MODIS观测到的AOD分布以及4组实验得出的AOD分布情况，见图4。MODIS观测到的AOD﹥1.8的区域主要在新疆南疆盆地和甘肃西部。将与MODIS观测到的AOD与4组实验模拟结果对比，发现Shao04_N即结合了Nudging方法后的Shao04起沙方案与MODIS的结果最为接近，AFWA实验模拟出的AOD分布较小，Shao04实验在新疆东北部和蒙古国西部模拟出了更高的AOD；开启Nudging后，AFWA_N和Shao04_N2组实验模拟出的AOD均有所改进，但相比之下AFWA_N没有模拟出甘肃西部的AOD高值区且在新疆南疆盆地的AOD高值区范围略小于Shao04_N，而Shao04_N则模拟出新疆南疆盆地和甘肃西部的AOD高值区。总体来讲，结合了Nudging方法后的Shao04起沙方案模拟得到的AOD与MODIS观测反演得到的AOD最吻合。
-
选取阿克苏市环境监测站（后简称阿克苏站）、和田市环境监测站（后简称和田站）、张掖市环境监测站（后简称张掖站）和武威市环境监测站（后简称武威站）4个站点的PM10与模拟结果进行对比分析，站点信息，见表2。
阿克苏站、和田站、张掖站和武威站4个站点处AFWA、Shao04、AFWA_N和Shao04_N 4组实验和站点观测的PM10随时间的变化特征，见图5。在阿克苏站，虽然4组实验均低估了PM10浓度，但不开启Nudging的2组实验更接近观测的PM10浓度，其中Shao04方案的结果最接近观测值；开启Nudging后的2组实验则低估了该地区的沙尘浓度。在和田站，不开启Nudging的2组实验均模拟出4月9日20:00的起沙过程，但起沙时间较观测值略有提前，其中AFWA方案低估了观测的PM10峰值，Shao04方案与观测值最为接近；开启Nudging后的2组实验则没有很好地反映出和田站的PM10变化情况。在张掖站,4组实验均反映出该地区的起沙过程,但相比于观测结果均有一定的滞后和低估,其中Shao04_N实验的模拟结果与观测值最为接近,其他3组实验则表现相当。在武威站，开启Nudging的2组实验虽对观测的PM10峰值略有低估，但相比于不开启Nudging的2组实验，AFWA_N和Shao04_N均更好的描述了该地区的PM10变化特征，其中Shao04_N实验的模拟结果与观测值最接近。
综上所述，对于起沙方案对模拟结果的影响来说，无论是在新疆南疆盆地(阿克苏站、和田站)还是沙尘影响区(张掖站、武威站)，Shao04方案模拟的PM10浓度均更接近观测值，这也与之前其他学者的研究结果相一致[9]；对于Nudging方法对模拟结果的影响，在新疆南疆盆地不开启Nudging的模拟结果与观测值更为接近，在沙尘影响区开启Nudging后的模拟结果表现更优。
-
4月11日06:00NCEP/FNL再分析资料观测和4组实验模拟所得的10 m风场结果，见图6开启Nudging后的2组实验模拟出的风场要更接近再分析数据的风场，说明Nudging方法对模式风场模拟结果的改进效果比较明显。在甘肃西部、新疆东北部和蒙古国西部地区，开启Nudging后的风速均有所降低，风速的降低导致起沙方案中计算垂直沙尘通量所需的摩擦速度减小，从而造成起沙的减少。这也可以解释与图6的时刻相对应的图4中开启Nudging后的2组实验(图4d、e)AOD高值区范围的减小。同时风场与真实情况更为接近使得摩擦速度也更接近真实值，从而导致模式模拟出的沙尘范围及浓度大小更接近真实情况。
-
文章耦合了AFWA和Shao04起沙参数化方案并结合Nudging方法，利用WRF-Chem模式对2020年4月9～11日我国西北地区的一次沙尘天气过程进行模拟，结合地面和卫星观测数据对模式模拟沙尘的能力进行验证，分析了不同起沙方案及其结合Nudging方法后对模式模拟结果的影响，主要结论如下。
（1）将模式结果与卫星遥感的沙尘分布及AOD分布进行对比，发现AFWA和Shao04起沙方案均能模拟出此次过程的起沙和沙尘时空分布特征，开启Nudging后2种起沙方案对沙尘分布的模拟效果均有所改进。
（2）将模式结果与站点PM10监测结果进行对比，发现在沙尘源区(新疆南疆盆地)，Nudging对模拟的站点PM10浓度结果改进不明显；而在沙尘影响区,开启Nudging后的模拟结果更接近监测值，改进效果比较明显。
（3）综合分析沙尘时空分布及站点PM10浓度，结合了Nudging方法的Shao04起沙方案模拟效果与实际情况最为接近。
（4）Nudging方法对模式模拟风场的能力改进较为明显，导致模式输出的摩擦速度更接近真实情况，从而提高了模式对沙尘的模拟能力。
结果表明，对于时间尺度较短的沙尘天气过程的预报，Nudging方法依然可以优化模式模拟结果。在Nudging方法对沙尘天气预报的影响方面，本文仅考虑了格点Nudging方法，在未来的工作中可以进一步讨论谱Nudging方法对沙尘预报的影响以及更适合沙尘天气预报的Nudging参数设置；在模式沙尘分布的验证方面，本文仅考虑了水平方向，在后续工作中可以利用更多数据对模式在沙尘垂直方向上分布的模拟能力进行更为全面的分析。
起沙方案及Nudging对中国西北沙尘模拟的影响
Impacts of dust emission schemes and Nudgingon on dust simulation in northwest China
-
摘要: 利用耦合了AFWA和Shao04起沙参数化方案的WRF-Chem模式结合Nudging方法，对2020年4月9～11日发生在我国西北地区的一次沙尘天气过程进行模拟，结合地面及卫星观测数据，对模式模拟沙尘的能力进行了初步验证，分析了不同起沙方案及其结合Nudging方法后对模式模拟结果的影响。结果表明，2种起沙方案均有能力再现此次沙尘天气过程，开启Nudging后2种方案模拟出的沙尘分布结果都有所改进。对于地面沙尘模拟，在沙尘源区不开Nudging的模式模拟结果更接近观测，在沙尘影响区开启Nudging后的模拟结果更优。整体而言，结合了Nudging方法的Shao04起沙方案对我国西北地区的沙尘过程具有更好的模拟能力。Nudging方法对模式模拟风场的能力改进较为明显，从而提高了模式对沙尘的模拟能力。Abstract: Combination of WRF-Chem Model coupled with the AFWA and Shao04 dust-emission schemes and Nudging method are employed to simulate a dust process in northwest China during April 9 to 11, 2020. The model to simulate the dust process has been preliminarily evaluated, and impacts of different dust-emission schemes and the improved mode with Nudging method on its simulation results have been analyzed by using the ground and satellite observation data. The results show the two dust-emission schemes are capable of reproducing the observed dust plume. The simulated dust plume of the two schemes has been improved with Nudging method. For the ground dust simulation, the results of the model without Nudging in the dust source area are most closely agreement with the observation, and the model simulation results in the impact area of dust performed a better simultaion with Nudging. Generally, the Shao04 dust-emission scheme combined with the Nudging can well simulate the dust process in the northwest of China. The Nudging method significantly improves the ability to simulate wind fields, thus enhancing the simulation ability.
-
Key words:
- dust-emission parameterization scheme /
- Nudging method /
- WRF-Chem /
- dust weather /
- numerical simulation
-
-
图 4 4月11日05:50 MODIS卫星观测反演的AOD(a)及AFWA(b)、Shao04(c)、AFWA_N(d)和Shao04_N(e)4组实验模拟的4月11日06:00的AOD
图 6 NCEP/FNL再分析资料(a)与AFWA(b)、Shao04(c)、AFWA_N(d)和Shao04_N(e)4组实验模拟的4月11日06:00地面10 m风场(m•s−1)
表 1 模式采用的物理化学参数化方案及设置
物理化学过程 参数化方案 Namelist配置项 选项 微物理过程 LIN [21] mp_physics 2 长波辐射 RRTMG [22] ra_lw_physics 4 短波辐射 RRTMG ra_sw_physics 4 积云对流 Grell-Freitas [23] cu_physics 3 陆面过程 unified Noah[24] sf_surface_physics 2 边界层 YSU[25] bl_pbl_physics 1 近地面层 MM5 Monin-Obukhov[26] sf_sfclay_physics 1 化学模块 GOCART RACM-KPP[27] chem_opt 301 光解过程 Fast-J[28] phot_opt 2 气溶胶光学特性 Maxwell[29] aer_op_opt 2 
下载: 导出CSV
表 2 PM10观测站点信息
站点名 纬度/°N 经度/°E 海拔高度/m 武威站 37.931 1 102.621 9 1 527 张掖站 38.946 7 80.282 8 1 473 阿克苏站 41.163 6 79.948 5 1 163 和田站 37.115 2 79.948 5 1 732
下载: 导出CSV
-
[1] 熊佳蕙, 闫峰. 沙尘暴成因及人文思考[J]. 灾害学, 2004(1): 94 − 98. [2] ZHAO C, LIU X, LEUNG L R, et al. The spatial distribution of mineral dust and its shortwave radiative forcing over North Africa: modeling sensitivities to dust emissions and aerosol size treatments[J]. Atmospheric Chemistry and Physics, 2010, 10(18): 8821 − 8838. doi: 10.5194/acp-10-8821-2010 [3] CREAMEAN J M, SUSKI K J, ROSENFELD D, et al. Dust and biological aerosols from the sahara and asia influence precipitation in the Western U. S[J]. Science, 2013, 339(6127): 1572 − 1578. doi: 10.1126/science.1227279 [4] 李全喜, 王金艳, 刘筱冉, 等. 兰州市区臭氧时空分布特征及气象和环境因子对臭氧的影响[J]. 环境保护科学, 2018, 44(2): 78 − 84. [5] ZHANG X Y, GONG S L, ZHAO T L, et al. Sources of Asian dust and role of climate change versus desertification in Asian dust emission [J]. Geophysical Research Letters, 2003, 30(24). [6] GRELL G A, PECKHAM S E, SCHMITZ R, et al. Fully coupled "online" chemistry within the WRF model[J]. Atmospheric Environment, 2005, 39(37): 6957 − 6975. doi: 10.1016/j.atmosenv.2005.04.027 [7] 李明妍. Nudging方法对西北干旱区降水和近地面风速模拟的改进[D]. 兰州: 兰州大学, 2018. [8] 马媛媛. 分段积分方法在湖泊气候效应模拟中的应用研究[D]. 兰州: 兰州大学, 2018. [9] 刘筱冉, 王金艳, 邱继勇, 等. 起沙方案对西北地区沙尘过程模拟的影响[J]. 环境保护科学, 2018, 44(4): 69 − 76. [10] 付旭东, 李龙燕, 王金艳, 等. 两种再分析资料对我国西北地区沙尘模拟的影响[J]. 环境保护科学, 2019, 45(2): 64 − 73. [11] ZHAO J Q, MA X Y, WU S Q, et al. Dust emission and transport in Northwest China: WRF-Chem simulation and comparisons with multi-sensor observations[J]. Atmospheric Research, 2020, 241: 104978. doi: 10.1016/j.atmosres.2020.104978 [12] ZENG Y, WANG M H, ZHAO C, et al. WRF-Chem v3.9 simulations of the East Asian dust storm in May 2017: modeling sensitivities to dust emission and dry deposition schemes[J]. Geoscientific Model Development, 2020, 13(4): 2125 − 2147. doi: 10.5194/gmd-13-2125-2020 [13] 董美莹, 陈锋, 冀春晓. 不同要素谱逼近对高分辨区域数值模式梅雨模拟的改进[J]. 气象, 2019, 45(5): 593 − 605. [14] LEGRAND S L, POLASHENSKI C, LETCHER T W, et al. The AFWA dust emission scheme for the GOCART aerosol model in WRF-Chem v3.8. 1[J]. Geoscientific Model Development, 2019, 12(1): 131 − 166. doi: 10.5194/gmd-12-131-2019 [15] SHAO Y P. Simplification of a dust emission scheme and comparison with data [J]. Journal of Geophysical Research-Atmospheres, 2004, 109(D10). [16] MARTICORENA B, BERGAMETTI G. Modeling the atmospheric dust cycle. 1. design of a soil-derived dust emission scheme[J]. Journal of Geophysical Research-Atmospheres, 1995, 100(D8): 16415 − 16430. doi: 10.1029/95JD00690 [17] SHAO Y P. A model for mineral dust emission[J]. Journal of Geophysical Research Atmospheres, 2001, 106(D17): 20239 − 20254. doi: 10.1029/2001JD900171 [18] STAUFFER D R, SEAMAN N L. Use of four-dimensional data assimilation in a limited-area mesoscale model. Part I: Experiments with synoptic-scale data[J]. Monthly Weather Review, 1990, 118: 1250 − 1277. doi: 10.1175/1520-0493(1990)118<1250:UOFDDA>2.0.CO;2 [19] GLISAN J M, GUTOWSKI W J, CASSANO J J, et al. Effects of spectral Nudging in WRF on arctic temperature and precipitation simulations[J]. Journal of Climate, 2013, 26(12): 3985 − 3999. doi: 10.1175/JCLI-D-12-00318.1 [20] 李明妍, 崔志强, 王澄海. Nudging方法对中国西北强降水过程的模拟试验研究[J]. 气候与环境研究, 2017, 22(5): 563 − 573. doi: 10.3878/j.issn.1006-9585.2017.16177 [21] CHEN S H, SUN W Y. A one-dimensional time dependent cloud model[J]. Journal of the Meteorological Society of Japan, 2002, 80(1): 99 − 118. [22] IACONO M J, DELAMERE J S, MLAWER E J, et al. Radiative forcing by long-lived greenhouse gases: Calculations with the AER radiative transfer models [J]. Journal of Geophysical Research-Atmospheres, 2008, 113(D13). [23] GRELL G A, FREITAS S R. A scale and aerosol aware stochastic convective parameterization for weather and air quality modeling[J]. Atmospheric Chemistry and Physics, 2014, 14(10): 5233 − 5250. doi: 10.5194/acp-14-5233-2014 [24] TEWARI M , CHEN F , WANG W , et al. Implementation and verification of the united NOAH land surface model in the WRF model[C]// 20th Conference on Weather Analysis and Forecasting/16th Conference on Numerical Weather Prediction, 2016. [25] HONG S Y, NOH Y, DUDHIA J. A new vertical diffusion package with an explicit treatment of entrainment processes[J]. Monthly Weather Review, 2006, 134(9): 2318 − 2341. doi: 10.1175/MWR3199.1 [26] JIMENEZ P A, DUDHIA J, GONZALEZ-ROUCO J F, et al. A revised scheme for the WRF surface layer formulation[J]. Monthly Weather Review, 2012, 140(3): 898 − 918. doi: 10.1175/MWR-D-11-00056.1 [27] HEWSON M, MCGOWAN H, PHINN S, et al. Comparing remotely sensed and modelled aerosol properties for a region of low aerosol optical depth [M]. 2012 IEEE International Geoscience and Remote Sensing Symposium, 2012: 2512-2515. [28] FAST J D, GUSTAFSON W I, EASTER R C, et al. Evolution of ozone, particulates, and aerosol direct radiative forcing in the vicinity of Houston using a fully coupled meteorology-chemistry-aerosol model [J]. Journal of Geophysical Research-Atmospheres, 2006, 111(D21). [29] Brown, R. G. W. (1984). Absorption and Scattering of Light by Small Particles. Journal of Modern Optics, 31, 3-3. [30] HUANG J P, MINNIS P, YI Y H, et al. Summer dust aerosols detected from CALIPSO over the Tibetan Plateau[J]. Geophysical Research Letters, 2007, 34(18): 529 − 538. [31] LEVY R C, MATTOO S, MUNCHAK L A, et al. The Collection 6 MODIS aerosol products over land and ocean[J]. Atmospheric Measurement Techniques, 2013, 6(11): 2989 − 3034. doi: 10.5194/amt-6-2989-2013 -
点击查看大图
图( 6) 表( 2)
计量
- 文章访问数: 2769
- HTML全文浏览数: 2769
- PDF下载数: 68
- 施引文献: 0
