1. 引言
大气边界层是对流层中受下垫面影响较大的那部分大气，约为一到两公里厚度，它对自由大气和下垫面动力和热力相互作用产生了一定影响。在边界层内，水汽和物质的输送对大气的化学变化、污染物的扩散、云和降水的形成起着十分重要的作用。鉴于大气边界层在天气和气候系统中具有举足轻重的地位，在数值模式中对边界层内物理过程的合理描述是很有必要的，然而由于数值模式本身的水平和垂直分辨率限制以及边界层内湍流运动的复杂性，使得边界层内的一些物理过程难以准确描述，因此必须将这些物理过程参数化，而边界层参数化方案的优劣直接关系到近地层气温预报的准确性 [1]。
以往的研究发现边界层参数化方案在白天和夜间各个气象要素之间存在着显著差别，而非局地方案比局地方案稍好。对苏州东山地区冬季中尺度天气预报模式边界层参数化方案以及近地层方案对近地层气象要素模拟的效果进行了分析，研究表明日间四种边界层方案对2 m温度的模拟差异不大，两种近地层方案的模拟结果存在一定的差异，在对流混合强度低时Eta方案的模拟优于MM5方案；在夜间，四种不同的边界层方案和近地层方案都对其产生了一定的影响，而在整个观测的过程中，四种不同的方案的模拟结果统计量差异较小；BL边界层方案和MM5近地层方案的耦合对近地层气象要素2 m气温的模拟效果最好 [2]。许多国外学者利用MM5和WRF模式开展了一些边界层参数化方案的敏感性试验。通过对2005年7月~9月TEXAS的模拟和观测资料对比，发现在模拟边界层结构时，YSU方案和ACM2方案的偏差整体上比MYJ偏差小 [3]。利用MM5方案中5种边界层参数化方案，对夏季晴天条件下的美国中部地区进行了模拟，结果表明，非局地方案BLK对气象要素的模拟更为准确 [4]。
目前，国内外学者对于边界层参数化方案对气温的模拟已经开展了较为系统的研究，并对各种不同的参数化方案的模拟效果进行了对比，但对于文昌地区气温模拟的研究较少。海南文昌地区位于海南省东北部，东经108˚21'~111˚03'，北纬19˚20'~20˚10'，东、南、北三面临海。具有热带和亚热带气候特点，属于热带季风岛屿型气候，它的光、水、湿、热条件优越，一年四季没有霜冻，年平均气温为23.9℃。文昌是中国文昌航天发射场所在地，有中国第四座航天之城的美称，所以，文昌地区气温的准确预报对于航天发射安全有重要影响。
WRF (The Weather Research and Forecasting Model)模式，即天气预报模式，具有先进的数据同化技术以及强大的嵌套能力和先进的物理过程，尤其是在处理对流和中尺度降水能力方面有优势。其适用范围很广，可以应用于中小尺度到全球尺度的数值预报和模拟。不仅可以用于业务数值天气预报，还可以用于大气数值模拟研究，同时包括数据同化、物理过程参数化的研究、区域气候模拟、空气质量模拟、海气耦合以及理想实验模拟等。因此本文采用最新的WRFV4.2.1，WRF使用三重嵌套模式区域来模拟文昌地区近地层的气温，旨在探究哪种边界层参数化方案对文昌近地层气温模拟的效果最好，以及各种参数化方案的适用性，进而提高预报的准确率。对于研究边界层参数化方案对文昌近地层气温模拟有重要影响。一方面能对文昌地区气温模拟的参数化方案的选取提供参考，同时也对提升边界层参数化方案的模拟能力有一定价值。
2. 模式和方法
2.1. 模式设置
本次试验采用10种不同的边界层参数化方案对海南文昌边界层进行了数值模拟，为更精确地反映出模拟区域的三维结构特征，模式区域的设计如图1所示，共使用了三重嵌套，边界层参数化敏感性试验基本设置如表1所示，由外层至内层的模式水平分辨率分别为27 km × 27 km，9 km × 9 km，3 km × 3 km，网格点数分别为300 × 200，103 × 103和115 × 109，其中最内层区域中心点位于海南文昌发射场区。在垂直方向上从1000 hPa至10 hPa共分为60层，在近地面大气中设置高分辨率的垂直分层，在100 m以下高度设置了约10个模式面层。模式积分步长为模式水平分辨率的6倍，最外层模式的粗网格的积分步长为300 s，最内层细网格的积分步长为18 s。
2.2. 方案介绍
WRF模式的参数化方案包括：微物理过程参数化方案、与对流活动有关的积云过程参数化方案、与地面长波辐射和太阳短波辐射有关的辐射方案以及与边界层有关的近地层方案，行星边界层方案和陆面过程方案等。本文主要对10种参数化方案(YSU, MYJ, QNSE, MYNN2.5, MYNN3, BouLac, UW, TEMF, Shin-Hong, GBM)的模拟结果进行对比分析。
微物理过程采用WSM6方案，长波辐射和短波辐射方案使用RRTMG方案，陆面过程使用Noah陆面模式，积云对流参数化使用New Tiedtke方案，模式嵌套最内层关闭积云对流参数化。只将fnl资料作为参数化方案的背景场来驱动模式进行预报，没有对本地观测数据进行同化。为了考虑季节间的差异，本次试验在2015年的每个月都选取了一个个例进行模拟，因此每组试验共12个例子。
Table 1. Basic setting of boundary layer parametric sensitivity test
表1. 边界层参数化敏感性试验基本设置
2.3. 资料和方法介绍
在预报方法研究阶段本次模式采用FNL全球分析资料(Final Operational Global Analysis)来作为WRF模式模拟的背景场资料。
本研究主要对海南文昌地区2015年不同参数化方案模拟的气温进行分析，所用的观测数据为海南文昌地区测风塔观测资料。由于所选的资料是在1951年之后，我国的地面气象观测站已经比较的密集，所以测得的资料可靠性和科学性都比较强。本文选取的地面观测资料较为完整，缺测值较少。所研究区域的经度范围为：东经108˚21'~111˚03'，纬度范围为：北纬19˚20'~20˚10'。
本文首先对WRF模式进行设置，再根据背景场资料以及观测数据对文昌近地层气温进行模拟，再利用10种参数化方案模拟的不同高度不同时效的气温与观测数据进行对比，首先分为五个高度分别是10 m、20 m、50 m、70 m和90 m，再分为三种时效，分别为24 h、48 h和72 h。每种方案分为12个月，每个月10 m高度24小时、10 m 48小时，10 m 72小时的模拟数据与观测进行对比，其他月份和方案以此类推。
3. 研究结果
3.1. 参数化方案模拟结果和观测结果的对比分析
3.1.1. 十米高度对比分析
图2中横坐标为月份，纵坐标为气温，单位为1摄氏度。不同的颜色分别代表不同方案的结果。从图中可以看出在2015年1月，TEMF方案和MYNN3方案和观测的实际情况偏差较大，模拟的效果较为
Figure 2. Comparison of the 24-hour forecast and observation data at the height of 10 meters
图2. 10米高度24小时预报与观测数据对比
不好。2015年2月，TEMF方案模拟的偏差最大，Shin-Hong方案模拟的偏差与其他九种方案相比较小。2015年3月，可以看出十种方案模拟的结果较为接近，都和观测的实际气温有明显的偏差，其中MYJ方案的偏差略小于其余九种方案。2015年4月，GBM方案的偏差最大，MYJ方案的误差最小。在2015年5月，BouLac方案和MYNN3方案误差略大。2015年6月，TEMF方案的模拟结果误差最大。在2015年7月，GBM方案和MYNN2方案的误差高于其余八种方案，模拟效果较差。在2015年8月，TEMF方案和MYNN3方案的模拟结果误差明显。从2015年10月可以看出，TEMF方案和MYNN3方案模拟的结果低于实际气温。在2015年11月，只有MYNN3方案模拟的结果低于实际气温，TEMF方案的误差最大。9月、12月模拟效果较差。
由图3，在2015年1月，可以看出QNSE方案的模拟效果最好。在2月除TEMF和MYNN3方案误差明显较大之外，其他八种方案模拟结果接近。3月的实际气温和十种方案模拟的气温误差明显，十种方案的模拟结果相近且都超过实际气温。4月BouLac方案误差最大。5月的GBM方案模拟结果与实际气温最接近，QNSE方案的误差最大。在6月TEMF方案的误差最大。七月十种方案的模拟结果都超过实际气温，其中BouLac方案误差最大。八月的观测气温高于十种边界层参数化方案且误差明显。九月和十月的情况相似，TEMF方案的误差最大，其余方案误差较小。11月只有TEMF方案的模拟气温高于实际气温，MYNN3方案的误差最大。8月、12月模拟效果较差。
由图4，从一月的模拟效果来看，TEMF方案的误差最大，MYNN2方案的结果与实际情况最接近。3月和4月的情况相似，模拟气温都高于实际气温且模拟的结果较为集中。从图中来看五月除了MYNN2方案的误差较大外其他方案模拟效果较好。在六月TEMF方案误差明显较大。七月和八月的情况相似，十种方案模拟的结果都高于实际情况。9月只有TEMF方案模拟的气温高于实际气温，其中MYNN3方案的误差最大。11月TEMF方案模拟效果最好，其余方案模拟结果都低于实际气温。2月、10月、12月模拟效果较差。
Figure 3. Comparison of the 48-hour forecast and observation data at the height of 10 meters
图3. 10米高度48小时预报与观测数据对比
Figure 4. Comparison of the 72-hour forecast and observation data at the height of 10 meters
图4. 10米高度72小时预报与观测数据对比
3.1.2. 二十米高度对比分析
由图5可以看出在一月除TEMF和MYNN3方案误差较大之外其余方案模拟效果较好。4月的GBM方案模拟的误差最大。9月、12月模拟效果较差。
由图6，从一月来看，QNSE方案的模拟效果最好，MYNN3方案的误差最大。在2月TEMF方案和MYNN3方案误差最大。3月的十种参数化方案模拟结果比较集中且均高于实际气温。四月的十种参数化方案也都高于实际气温。五月除了QNSE方案误差较大以外其余方案模拟效果较好，六月的情况类似。7月的十种参数化方案模拟结果均高于实际气温，其中BouLac方案的误差最大。8月、12月模拟效果较差。
Figure 5. Comparison of the 24-hour forecast and observation data at the height of 20 meters
图5. 20米高度24小时预报与观测数据对比
Figure 6. Comparison of the 48-hour forecast and observation data at the height of 20 meters
图6. 20米高度48小时预报与观测数据对比
由图7，从一月来看QNSE方案模拟效果最好。2月和3月相似十种参数化方案模拟结果都高于实际气温。4月十种方案模拟的结果与实际观测气温接近。10月、12月模拟效果较差。
3.1.3. 五十米高度对比分析
从图8中可以看出在1月只有TEMF和MYNN3方案的误差最大。2月、3月和4月的情况相似，十种方案模拟的结果较为接近且都高于实际观测气温。4月、7月、9月、12月模拟效果较差。
Figure 7. Comparison of the 72-hour forecast and observation data at the height of 20 meters
图7. 20米高度72小时预报与观测数据对比
Figure 8. Comparison of the 24-hour forecast and observation data at the height of 50 meters
图8. 50米高度24小时预报与观测数据对比
由图9，一月QNSE方案模拟效果最好。2月MYNN3方案和TEMF方案误差较大。3月和4月情况接近，十种方案模拟的结果都高于实际观测气温。5月TEMF方案的模拟效果最好，QNSE方案的模拟效果最差。6月除了TEMF方案误差最大之外，其余九种方案误差相近。8月BouLac方案模拟效果最好，TEMF方案模拟效果最差。9月MYNN3方案的模拟效果最好，TEMF方案的模拟效果最差。10月TEMF方案误差较大。11月和10月的情况相似。7月、12月模拟效果较差。
由图10在一月，QNSE方案的模拟效果最好。2月、3月和4月情况相似，十种方案模拟的结果都高于实际观测气温。5月MYJ方案的模拟效果最好。6月TEMF方案的模拟效果最好。8月和9月只有MYNN3方案模拟的结果低于观测气温，其他九种方案模拟结果近似且都高于实际气温。11月只有TEMF方案模拟的结果高于观测气温。1月、7月、10月、12月模拟效果较差。
Figure 9. Comparison of the 48-hour forecast and observation data at the height of 50 meters
图9. 50米高度48小时预报与观测数据对比
Figure 10. Comparison of the 72-hour forecast and observation data at the height of 50 meters
图10. 50米高度72小时预报与观测数据对比
3.1.4. 七十米高度对比分析
由图11，1月只有TEMF和MYNN3方案的误差最大。2月至5月期间十种方案模拟的结果较为接近且都高于实际观测气温。从图中来看，4月、7月、9月、12月模拟效果较差。
Figure 11. Comparison of the 24-hour forecast and observation data at the height of 70 meters
图11. 70米高度24小时预报与观测数据对比
Figure 12. Comparison of the 48-hour forecast and observation data at the height of 70 meters
图12. 70米高度48小时预报与观测数据对比
由图12可以看出一月QNSE方案模拟效果最好，MYNN3方案模拟的结果误差最大。3月模拟效果最好，十种方案结果都相近。9月和10月类似方案模拟结果近似。11月除TEMF方案模拟的结果明显高于实际气温外，其余方案模拟结果近似。12月十种方案模拟的结果都低于实际观测气温，其中MYNN3方案的误差最大。
从图13中看出2015年1月QNSE方案模拟效果最好。2月TEMF方案的误差最大，BouLac方案模拟效果最好。8月MYNN3方案的误差最大但不超过1℃。9月Shin-Hong方案模拟的效果最好，误差最小。11月TEMF方案误差最小，模拟的效果最好。7月、10月、12月模拟效果较差。
Figure 13. Comparison of the 72-hour forecast and observation data at the height of 70 meters
图13. 70米高度72小时预报与观测数据对比
3.1.5. 九十米高度对比分析
由图14一月只有TEMF和MYNN3方案的误差最大。2月至5月TEMF方案的模拟结果明显高于其他方案以及观测值。11月只有MYNN3方案模拟的气温低于实际气温。4月、7月、9月、12月模拟效果较差。
Figure 14. Comparison of the 24-hour forecast and observation data at the height of 90 meters
图14. 90米高度24小时预报与观测数据对比
Figure 15. Comparison of the 48-hour forecast and observation data at the height of 90 meters
图15. 90米高度48小时预报与观测数据对比
由图15，2月TEMF方案误差最大，其他方案模拟的结果相近。3月和5月的十种方案模拟的效果都较好，与实际气温很接近。6月TEMF方案误差最大，其他方案模拟的结果相近。9月和10月相似，TEMF方案的误差最大，且观测气温都高于模拟气温。1月、7月、10月、12月模拟效果较差。
Figure 16. Comparison of the 72-hour forecast and observation data at the height of 90 meters
图16. 90米高度72小时预报与观测数据对比
由图16，2月十种边界层参数化方案的结果都高于观测值，TEMF方案误差最大，BouLac方案误差最小，模拟的效果最好。3月和5月模拟的效果都好。4月十种方案模拟的结果略高于实际气温且较为集中，误差较小。6月TEMF方案误差最小，模拟的效果最好。9月MYNN3方案的误差最大。1月、7月、10月、12月模拟效果较差。
3.2. 误差分析
Table 2. RMSE statistic for 10 m height
表2. 10米高度RMSE统计值
由表2可以看出在10米高度24小时预报中BouLac方案的均方根误差值最小，模拟效果最好，TEMF方案的均方根误差值最大，模拟效果最差。48小时预报中UW方案模拟效果最好，TEMF方案模拟效果最差。72小时预报中MYNN3方案的模拟效果最好，TEMF方案的均方根误差值最大，模拟效果最差。
Table 3. RMSE statistic for 20 m height
表3. 20米高度RMSE统计值
由表3可以看出在20米高度24小时预报中BouLac方案的均方根误差值最小，模拟效果最好，MYNN3方案的均方根误差值最大，模拟效果最差。48小时预报中UW方案模拟效果最好，TEMF方案的模拟效果最差。72小时预报中MYNN3方案模拟效果最好，TEMF方案模拟效果最差。
Table 4. RMSE statistic for 50 m height
表4. 50米高度RMSE统计值
由表4在50米高度24小时预报中BouLac方案的均方根误差值最小，模拟效果最好，TEMF方案模拟效果最差。48小时预报中MYJ方案模拟效果最好。72小时预报中MYNN3方案的均方根误差值最小，模拟效果最好，GBM方案的均方根误差值最大，模拟效果最差。
Table 5. RMSE statistic for 70 m height
表5. 70米高度RMSE统计值
由表5可以看出十种方案在70米高度24小时预报中BouLac方案的均方根误差值最小，模拟效果最好，MYNN2方案的均方根误差值最大，模拟效果最差。48小时预报中UW方案的模拟效果最好。72小时预报中UW方案的均方根误差值最小，模拟效果最好。48小时总体RMSE值和24小时、72小时相比较小，48小时的模拟效果比24小时和72小时好。
Table 6. RMSE statistic for 90 m height
表6. 90米高度RMSE统计值
由表6可以看出在90米高度24小时预报中BouLac方案的模拟效果最好。48小时预报中UW方案的均方根误差值最小，模拟效果最好。72小时预报中UW方案的模拟效果最好。
Table 7. Five height and three forecast time limit RMSE total value
表7. 五种高度三种预报时效RMSE总值
从表7中可以看出十种方案的RMSE总值中UW的值最小，模拟效果最好。BouLac方案RMSE总值和UW方案接近，模拟效果相近。TEMF方案的RMSE总值最大，模拟效果最差。因此，建议海南文昌地区可以采用UW方案进行气温预报。
4. 结论
本文基于WRF模式，利用10种边界层参数化方案对海南文昌的近地层气温开展了模拟实验。通过与地面测风塔观测数据进行对比，从预报时效和垂直高度两个方面对模拟结果进行了分析，主要结论如下：
模式对气温的模拟能力存在季节差异，整体来讲，各方案在春夏季的模拟效果优于秋冬季，其中12月的模拟结果与实况偏差最大，模拟效果最差。
各方案对气温模拟效果的差异相对较小。具体来看，十米高度24小时、48小时、72小时预报时效模拟能力较强的方案分别是BouLac、GBM和MYNN3；二十米高度24小时、48小时、72小时预报时效模拟能力较强的方案分别是BouLac、UW和MYNN3；五十米高度24小时、48小时、72小时预报时效模拟能力较强的方案分别是BouLac、MYJ和MYNN3；七十米高度24小时、48小时、72小时预报时效模拟能力较强的方案分别是BouLac、UW和UW；九十米高度24小时、48小时、72小时预报时效模拟能力较强的方案分别是BouLac、UW和UW。
(3) 总体来说，UW方案与实况的偏差最小，模拟效果最好，而TEMF方案偏差最大，模拟效果最差。建议海南文昌地区在对气温进行预报时可以使用UW方案。