2026, Vol. 52 
2. 中国科学院大气物理研究所, 北京 100029；
3. 宁波市鄞州区气象局，宁波 315012
2. Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029;
3. Yinzhou District Meteorological Station of Ningbo, Ningbo 315012
海雾是发生于海上大气边界层，水汽凝结导致的近海面大气水平能见度小于1 km的海洋灾害性天气，当能见度小于500 m时称为浓雾(李子华，2001)。海雾产生的近海面低能见度会对交通运输、渔业生产等造成不利影响，是天气预报的重点和难点(傅刚等，2016；陆桥等，2024)。浙江海域面积达26万km2，在近海发生的海难事故中，由海雾引发的航船触礁、碰撞等海难事故占较大比重(田小毅和张志薇，2019)，每年因大雾封航或影响码头生产所造成的经济损失不亚于台风和暴雨灾害。海雾生消的物理过程十分复杂，是边界层大气运动中微物理、热力以及动力过程相互反馈、相互作用的结果(黄翊和彭新东，2017；王锐和刘彬贤，2021)。早期的海雾预报以预报员的主观判断为主，预报准确率建立在预报员对海雾生消机制及预报区域的气候、天气形势的充分认识和准确分析上(任兆鹏和张苏平，2011；周福等，2015)。20世纪90年代后，随着数值预报模式的日益发展与成熟，利用中尺度天气研究与预报(WRF)模式进行数值模拟研究广泛开展，目前高时空分辨率的数值模拟已成为研究海雾演变机制和预报的一种主要手段(高山红等，2010a；2010b；王慧等，2022)。陆雪等(2014)利用2005—2011年11次春季黄海海雾个例开展WRF模式参数化方案敏感性研究，发现边界层与云微物理方案的最佳组合为Yonsei University(YSU)与Lin方案，最差为Mellor-Yamada-Janjic TKE边界层与WSM5云微物理方案；Steeneveld et al(2015)在对英国的一次强浓雾过程的研究中，发现云微物理方案WDM6要优于WSM5和WSM6。黄翊和彭新东(2017)采用基于我国不同下垫面上的边界层观测资料改进的MYNN参数化方案对三次大雾过程进行模拟检验，探讨边界层参数化方案对雾和边界层结构模拟的影响，表明改进的MYNN方案能够更好地模拟出两次雾过程的发生、移动和雾区空间分布。目前雾的预报仍是数值模式的难点，其TS评分通常明显低于同期的降水评分，主要原因是模式对次网格的微物理过程缺乏合理的描述(Zhou et al，2012；张伟等，2023)，因此合适的云微物理方案对提高雾预报意义重大。中国科学院大气物理研究所(IAP)云降水物理与强风暴重点实验室(LACS)新开发的IAP-LACS三参数云微物理方案引入了云滴半径的总和为第三个预报量，克服了双参数方案中云滴谱的拓宽问题，有效提高了气溶胶与云滴谱相互作用模拟的准确性(邓玮等，2019)。
影响雾中大气能见度的两个主要因素是雾滴谱分布和含水量(Ma et al，2012；岳岩裕等，2013)。雾滴谱分布特征、含水量等微物理量是基于数值模式结果进行能见度诊断的重要参数(张伟等，2024)。Gultepe et al(2006)研究表明能见度参数化诊断方案必须考虑云滴数浓度，否则会增加能见度模拟的不确定性，但是在目前的数值预报业务中，一般的业务模式并没有云滴数浓度的输出。IAP-LACS三参数云微物理方案能输出云滴数浓度，为能见度诊断提供了更多选择。
本文选取2021年4月1日的一次浙江沿海大范围海雾个例，利用IAP-LACS三参数云微物理方案对此次海雾过程进行数值模拟和敏感性试验，讨论该方案对海雾的模拟影响，并对比分析不同能见度诊断方案在本次海雾过程中的表现，尝试在能见度诊断方案中引入数浓度这一重要变量，以期为海雾数值模式预报的改进提供参考和依据。
1 IAP-LACS三参数云微物理方案IAP-LACS三参数云微物理方案(邓玮等，2019)建立了新的气溶胶活化和云滴凝结方案，在数浓度和质量混合比的基础上引入了云滴半径的总和为第三个参数。在新方案中气溶胶谱分布使用对数正态分布函数表示，谱分布中活化的气溶胶数浓度(CCN)由环境过饱和度与使用寇拉曲线计算的气溶胶临界过饱和度诊断而得，临界饱和度小于环境过饱和度的气溶胶会活化生成云滴。研究表明气溶胶的粒径在计算临界过饱和度中起决定性作用(Frank et al，2006)，所以新活化方案中设定气溶胶是从大尺度端开始活化。为了考虑云内或云底的二次活化问题，新方案中气溶胶活化后不清空，将活化的CCN视为进入云滴，当云滴蒸发后干气溶胶再次生成，在云内或云底可再次活化。目前广泛使用的总体双参数云滴谱方案因为表征云滴谱的预报量不足，在凝结过程中云滴谱呈不正常的拓宽现象。IAP-LACS方案通过增加的云滴半径预报量克服了云滴谱的拓宽问题，提高了云滴谱模拟的准确性。
2 模式设置与数据 2.1 模式设置本研究采用美国国家大气研究中心(NCAR)研发的区域非静力WRF模式V4.2版本及其资料同化系统。模式区域设置如图 1所示，采用双重嵌套网格设计，模式中心位于30°N、120°E，D01和D02分辨率分别为3 km和1 km，网格点数分别为446× 446和461×461，垂直方向为55层，模式层顶气压为50 hPa。模式主要物理过程参数化方案包括：YSU边界层方案、RRTM长波辐射方案、Dudhia短波辐射方案，D01和D02均关闭积云对流参数化方案。初始场和边界条件采用美国国家环境预报中心(NCEP)全球预报模式(GFS)提供的分析场和预报场。
|
图 1 模式区域设置 Fig. 1 Design of simulation domain |
(1) NCEP提供GFS的分析场和预报场资料，作为WRF模式的背景场和边界条件，该资料的空间分辨率为0.25°×0.25°，时间分辨率为6 h。
(2) 浙江省气象局提供的逐小时自动气象观测站(简称自动站)观测资料，包括2 m温度、2 m湿度、2 m露点温度、10 m风速及能见度等要素用于检验。
(3) 毫米波雷达回波资料，毫米波雷达可以有效探测海雾的水平分布和垂直结构，可用于监测海雾的生消演变(胡树贞等，2022)。此次海雾过程所用毫米波雷达位于宁波市北仑区沿海三山门附近(图 2b)，海拔高度为8 m。该雷达以平面位置显示器(sPPI)和距离高度显示器(RHI)两种模式对大气进行探测。RHI模式俯仰角为0°~90°，sPPI模式扫描方位角为58.4°~188.5°(图 2b)，俯仰角为3°，扫描采用长脉冲和短脉冲(12 μs和0.2 μs)电磁波的互补机制，长脉冲电磁波的探测盲区为1.8 km，该探测盲区可以通过短脉冲探测在一定程度上进行补偿(Tu et al，2023)。
|
图 2 2021年4月(a)1日08：00至2日08:00自动站观测的最小能见度和(b)2日00:00毫米波雷达观测回波强度 Fig. 2 (a) Minimum visibility observations of automatic weather stations from 08:00 BT 1 to 08:00 BT 2 and (b) echo intensity observation of millimeter-wave radar at 00:00 BT 2 April 2021 |
本文所用时间为北京时。
2.3 试验方案为了分析IAP-LACS三参数云微物理方案对海雾模拟的影响，设计了3组敏感性试验，具体方案列于表 1。选取WRF模式中的双参数云微物理参数化方案中的Morrison05和Thompson08作为对比试验，两种方案均采用质量混合比和数浓度做为预报量，但其预报的数浓度变量均未包含云滴数浓度(Morrison05方案预报冰、雪、雨和霰数浓度，Thompson08方案预报冰和雨数浓度)。
|
表 1 试验设计 Table 1 Experimental design |
为直观比较IAP-LACS三参数云微物理方案对能见度预报的影响，需要通过诊断方案对模式变量进行诊断从而输出能见度V，并且参考雾的预报等级(中华人民共和国国家质量监督检验检疫总局和中国国家标准化管理委员会，2012)，对雾过程进行分类：大雾(500 m≤V＜1 km)、浓雾(200 m≤V＜500 m)、强浓雾(100 m≤V＜200 m)和特强浓雾(V≤100 m)。本研究采用SW99算法(Stoelinga and Warner, 1999)和美国国家海洋和大气管理局预报系统实验室FSL算法(Doran et al，1999)。
SW99算法主要基于云水含量，包括云水(cw)、云冰(ci)、雨水(rw)、雪水(sn)，综合考虑了多种水凝性物质对消光系数的影响，具体公式为：
| $ \begin{gathered} V= \\ \frac{-\ln (0.02)}{144.7 \mathrm{cw}^{0.88}+1.1 \mathrm{rw}^{0.75}+163.9 \mathrm{ci}^{1.00}+10.4 \mathrm{sn}^{0.78}} \end{gathered} $ | (1) |
FSL算法具体公式如下：
| $ V=1.609 \times 6000 \times\left(T-T_{\mathrm{d}}\right) / \mathrm{RH}^{1.75} $ | (2) |
式中：RH为相对湿度，T-Td代表温度露点差。
3 个例介绍及环流分析2021年4月1—2日，浙江沿海出现了一次强度大、影响范围广的强海雾过程。图 2a为本次过程最小能见度实况，全省沿海海面和沿海地区大部分地区出现能见度小于200 m的浓雾，局部地区出现能见度小于100 m的强浓雾。图 2b为2日00:00位于宁波市北仑区沿海三山门的毫米波雷达观测回波强度，在实际降水天气过程中，选取-5 dBz作为区分降水和云雾天气现象的阈值(刘光普等，2019)，可以看到2日00:00毫米波雷达观测到沿海回波强度为-15~-5 dBz，为海雾回波。此外，本次大雾过程伴随着弱降水和厚重的云层，较厚的云层导致卫星观测难以区分低层雾区。
图 3为4月1日20：00 ERA5再分析资料和IAP-LACS试验模拟的高空与地面环流形势对比(其余两组试验模拟的环流形势与此非常接近，故图略)，两者环流形势比较接近，但IAP-LACS试验在浙江地区预报的850 hPa相对湿度略微偏小，近海面偏大。500 hPa以偏西—西南气流为主(图 3a, 3b)，850 hPa浙江北侧存在弱风切变，南侧受西南气流和弱反气旋环流控制，沿海风速达到12 m·s-1。从地面分析场(图 3c，3d)可见，浙江处于弱的低压倒槽中，气压梯度小，无明显锋面影响，湿度条件较好，近地面风速小，浙江沿海大部分自动站观测显示风速在3 m·s-1以下。
|
图 3 2021年4月1日20:00基于(a，c)ERA5再分析资料和(b，d)IAP-LACS模拟的(a，b)500 hPa位势高度(黑色等值线，单位：dagpm)，850 hPa气温(红色等值线，单位：℃)、相对湿度(填色，单位：%)和风场(风羽)与(c，d)地面气压(黑色等值线，单位：hPa)、2 m气温(红色等值线，℃)、2 m相对湿度(填色，单位：%)和风场(风羽) Fig. 3 (a, b) Geopotential height at 500 hPa (black contour, unit: dagpm), temperature (red contour, unit: ℃), relative humidity (colored, unit: %) and wind field (barb) at 850 hPa, (c, d) sea level pressure (black contour, unit: hPa), 2 m temperature (red contour, unit: ℃), 2 m relative humidity (colored, unit: %) and wind field (barb) from (a, c) ERA5 reanalysis data and (b, d) IAP-LACS forecasts at 20:00 BT 1 April 2021 |
由于浙江中北部沿海缺少探空观测，本文采用基于ERA5再分析资料和IAP-LACS试验模拟结果进行对比分析，结果显示两者在近地面层呈现较为一致的温湿结构(图 4)，近地层存在逆温层，层结稳定，湿度接近饱和，有利于海雾的形成与维持，但IAP-LACS模式预报场对高空的湿度模拟低于ERA5再分析资料。
|
图 4 2021年4月1日20:00基于(a)ERA5再分析资料和(b)IAP-LACS预报场在舟山的探空分析 注：红色实线为温度，绿色实线为露点温度，黑色实线为状态曲线(代表气团绝热上升时的温度变化)，红色虚线为干绝热线，蓝色虚线为湿绝热线，绿色虚线为等饱和比湿线。 Fig. 4 Sounding analysis based on (a) ERA5 reanalysis data and (b) IAP-LACS forecast over Zhoushan at 20:00 BT 1 April 2021 |
本研究针对2021年4月1—2日的海雾过程进行了数值模拟，基于4月1日08:00起报的模拟结果，重点分析了IAP-LACS三参数云微物理方案对近海海雾范围、生消和强度的模拟能力，并探讨不同能见度算法对海雾预报的影响。
4.1 海雾模拟结果图 5为IAP-LACS、Morrison05和Thompson08试验采用SW99算法的能见度模拟，三组对比试验均为模式第一层的结果。从能见度观测来看，2021年4月1日12:00(图 5a)浙江北部舟山群岛及台州、温州沿海局地出现低能见度。至22:00(图 5b)海雾进一步发展，浙江沿海大部分地区能见度降至200 m以下，局地低于100 m。2日04:00(图 5c)海雾继续维持。
|
图 5 基于SW99诊断的浙江东部沿海及海面2021年4月1日12:00、22:00和2日04:00(a~c)自动站能见度观测，及(d~f)IAP-LACS、(g~i)Morrison05、(j~l)Thompson08能见度模拟 Fig. 5 The diagnosed results by the SW99 scheme in terms of (a-c) visibility observations of automatic weather stations and the simulations of (d-f) IAP-LACS, (g-i) Morrison05 and (j-l) Thompson08 for the east coast and sea surface of Zhejiang Province at 12:00 BT 1, 22:00 BT 1 and 04:00 BT 2 April 2021 |
三组试验均模拟出海雾发展，但在范围和强度上有差异。1日12:00(图 5d，5g，5j)，三组试验对台州—温州的海雾范围均较实况偏东南；IAP-LACS模拟的舟山群岛附近低能见度范围和位置与实况最为接近，Morrison05和Thompson08偏东北。1日22:00和2日04:00，IAP-LACS对台州—温州沿海的模拟更准确，Morrison05和Thompson08出现漏报。总体上，IAP-LACS模拟范围与观测较一致，Morrison05和Thompson08有明显偏差。三组试验模拟的海雾强度均较实况偏弱，其中IAP-LACS的强度相对最强。模式对海雾预报强度偏弱可能与模式对云水含量低估有关(SW99算法主要基于云水含量)，本文将在4.2节对模式模拟云水含量进行进一步的分析。
图 6为三组试验采用FSL算法的能见度诊断，三组试验均为模式第一层的结果。从强度上看，三组试验对海雾强度均明显偏弱，尤其对能见度低于200 m的强浓雾区域。这可能与雾中相对湿度接近饱和时，能见度与相对湿度等气象要素之间的相关性下降有关(芮雪等，2023；张浩等，2021)。从模拟范围看，三组试验在1日12:00均模拟出舟山群岛附近和台州—温州沿海的海雾，IAP-LACS对台州—温州沿海的海雾范围模拟和沿海能见度观测最为接近。1日22:00和2日04:00三组试验均模拟出海雾增强，但IAP-LACS对台州—温州沿海海雾模拟最优，其余两组对台州—温州海陆交接处的海雾出现漏报。
|
图 6 基于FSL诊断的浙江东部沿海及海面2021年4月1日12:00、22:00和2日04:00(a~c)IAP-LACS，(d~f)Morrison05，(g~i)Thompson08模拟的能见度 Fig. 6 Visibility forecasts diagnosed by the FSL scheme from (a-c) IAP-LACS, (d-f) Morrison05, (g-i) Thompson08 for the east coast and sea surface of Zhejiang Province at 12:00 BT 1, 22:00 BT 1 and 04:00 BT 2 April 2021 |
FSL算法诊断的雾范围比SW99算法更大，能见度的值相对更高，最低能见度基本在0.5~1.0 km。整体上来看，FSL算法对本次海雾过程诊断结果在范围上优于SW99算法，而在强度上较差。
4.2 海雾预报因子模拟结果图 7为三组试验模式第一层云水含量分布。可以看到，IAP-LACS模拟出舟山群岛和台州—温州沿海的低层云水含量大值区域，且其范围与沿海能见度观测的低值区吻合较好。Morrison05和Thompson08对1日12：00和22:00舟山群岛的低层云水含量大值区范围偏差较大，且未能在台州—温州沿海地区模拟出低层云水含量大值区。
|
图 7 浙江东部沿海及海面2021年4月1日12:00、22:00和2日04:00(a~c)IAP-LACS，(d~f)Morrison05，(g~i)Thompson08模拟的云水含量 Fig. 7 Cloud water content forecasts from (a-c) IAP-LACS, (d-f) Morrison05, (g-i) Thompson08 for the east coast and sea surface of Zhejiang Province at 12:00 BT 1, 22:00 BT 1 and 04:00 BT 2 April 2021 |
图 8为2021年4月1日22:07、23:08和23:58三山大闸毫米波雷达观测反射率因子和反演的云水含量。22:07毫米波雷达观测几乎未捕捉到海雾回波，云水含量均低于0.1 g·m-3，三组试验模拟结果(图 9a，9d，9g)显示1日22:00三山大闸沿海(图 9a)云水含量均较低，其中IAP-LACS云水含量略高于毫米波雷达反演结果。
|
图 8 三山大闸沿海2021年4月1日(a，d)22:07, (b，e)23:08和(c，f)23:58 (a~c)毫米波雷达观测反射率因子和(d~f)反演的云水含量 Fig. 8 (a-c) Radar reflectivity factor observed by millimeter-wave cloud radar and (d-f) retrieved cloud water content over the coastal Sanshan Sluice at (a, d) 22:07 BT, (b, e) 23:08 BT, and (c, f) 23:58 BT 1 April 2021 |
|
图 9 2021年4月1日22:00、23:00和2日00:00(a~c)IAP-LACS，(d~f)Morrison05，(g~i)Thompson08模拟的北仑舟山港附近云水含量 Fig. 9 Cloud water content forecasts for the areas near the Beilun-Zhoushan Port from (a-c) IAP-LACS, (d-f) Morrison05, (g-i) Thompson08 at 22:00 BT, 23:00 BT 1 and 00:00 BT 2 April 2021 |
1日23:08毫米波雷达(图 8b，8e)显示，沿海区域出现海雾回波，其强度在-30~-20 dBz，云水含量大值区达0.2~0.3 g·m-3。23:00三组试验模拟的云水含量均有所增大(图 9b，9e，9h)，IAP-LACS在三山大闸沿海模拟的云水含量明显上升，达到0.15~0.25 g·m-3，与毫米波雷达反演结果接近，而其余两组试验为0.05~0.15 g·m-3，增强幅度较小。
1日23:58海雾强度和范围进一步加大(图 8c，8f)，海雾回波强度增强到-15~-5 dBz，云水含量约为0.3 g·m-3，最高可达0.7 g·m-3左右。2日00:00，IAP-LACS(图 9c)在三山大闸沿海模拟的云水含量增强到0.25~0.30 g·m-3，而其余两组试验仍维持在0.05~0.15 g·m-3(图 9f，9i)。
综上可知，三山大闸沿海在1日22:00至2日00:00海雾快速加强，IAP-LACS能更好地模拟出三山大闸沿海区域海雾在该时段内加强发展过程，且云水含量也和毫米波雷达反演结果更加接近。IAP-LACS对本次海雾过程的低层云水含量的改进是提高本次海雾模拟效果的重要原因。
由于三组试验对台州—温州沿海的海雾出现了不同程度的漏报或偏弱，本研究进一步选取该区域海陆交界附近的玉环站，对其相对湿度、10 m风速、2 m温度和露点温度时序变化进行分析(图 10)。由相对湿度的时序变化(图 10a)可见，三组试验虽模拟出相对湿度的日变化趋势，但与观测存在明显差异。观测显示1日11:00后相对湿度逐渐上升，而三组试验均在16:00后才快速上升；20:00后模拟与观测的相对湿度均趋于稳定且差异较小；至2日07:00，模式模拟的相对湿度迅速下降，而观测值仍维持较高水平。由10 m风速(图 10b)可见，观测和模式模拟的风速大部分时间均较低，且两者之间的差异较小，1日12:00—13:00以及2日06:00观测风速增大明显，但三组试验均未模拟出该变化特征。
|
图 10 2021年4月1日08:00至2日08:00玉环站观测和各组试验模拟的(a)2 m相对湿度，(b)10 m风速，(c)2 m温度，(d)2 m露点温度对比 Fig. 10 Comparison of observation and model forecasts for (a) 2 m relative humidity, (b) 10 m wind speed, (c) 2 m temperature and (d) 2 m dew point temperature at Yuhuan Station from 08:00 BT 1 to 08:00 BT 2 April 2021 |
2 m温度时序变化(图 10c)显示，三组试验均能模拟出温度的日变化趋势，但是对12:00—16:00温度模拟明显偏高，20:00后则偏低1~2℃，其中20：00后IAP-LACS温度模拟和观测最接近。由2 m露点温度变化(图 10d)可见，16:00前三组试验和观测较为接近(除10:00偏低明显)，20:00后则偏低1~2℃，同样20:00后IAP-LACS和观测最为接近。12:00—16:00三组试验对2 m温度模拟偏高，但露点温度和实况接近，这种温湿配置可能是对应时次台州—温州沿海海雾漏报的影响原因之一。
整体上看，20:00后玉环站IAP-LACS温度和露点温度模拟效果最优，其余时次不同试验之间差异相对较小，这可能是IAP-LACS试验的FSL诊断结果在台州—温州沿海优于其余两组试验的主要原因。
Gultepe et al(2006)研究表明在同样云水含量下，液滴数浓度范围可以从每立方厘米几滴到几百滴不等，这表明能见度诊断方案应同时考虑液滴数浓度和云水含量，且不同等级能见度应用相应的拟合参数效果更优，其采用在加拿大东部气溶胶云试验期间收集的现场观测资料，建立了能见度(V)、数浓度(Nd)和云水含量(LWC)的参数化诊断算法：
| $ V=\frac{1.002}{(\mathrm{LWC} \times \mathrm{Nd})^{0.78}} $ | (3) |
目前一般的气象模式并不输出云滴数浓度，这会极大限制在能见度方案中引入云滴数浓度，因此，本文基于式(3)对IAP-LACS试验进行了分析。图 11a~11c为IAP-LACS模拟的近地层云滴数浓度空间分布，表明云滴数浓度的高值区与观测的低能见度区域在空间上基本吻合。图 11d~11f为IAP-LACS试验基于式(3)诊断的能见度。从强度上看，该算法诊断海雾强度比SW99算法和FSL算法更强，与实况更加接近，但在局部地区(如1日12:00杭州湾、2日04:00舟山—象山沿海)仍存在系统性高估。从范围上看，该算法结果与FSL算法的范围比较接近，模拟出4月1日12:00台州—温州沿海的海雾，且在1日22：00和2日04:00模拟出浙江沿海大面积海雾。整体上本次过程该算法诊断的海雾强度和范围优于SW99和FSL算法，但仍然存在强度偏强的问题，可能原因是该算法主要基于加拿大东部陆地上出现的边界层低云过程中的观测数据，雾滴谱分布与东海海雾过程仍存在一定差异，后续需要基于浙江沿海和海上观测资料，建立适用于东海的海雾预报的能见度诊断算法。
|
图 11 浙江东部沿海及海面2021年4月(a，d)1日12:00、(b，e)1日22:00和(c，f)2日04:00 (a~c)IAP-LACS试验模式近地层云滴数浓度(单位：个·cm-3)和(d~f)IAP-LACS试验基于Gultepe方法的能见度诊断结果 Fig. 11 (a-c) Cloud droplet number concentration (unit: cm-3) in the first model layer and (d-f) visibility diagnosed by the Gultepe method from the IAP-LACS experiment for the east coast and sea surface of Zhejiang Province at (a, d) 12:00 BT 1, (b, e) 22:00 BT 1 and (c, f) 04:00 BT 2 April 2021 |
图 12为4月1日12:00至2日08:00各组试验不同能见度诊断方案TS评分。可以看到，对于FSL和SW99能见度诊断方案，IAP-LACS试验的TS评分均优于其余两组试验。对1000 m以下能见度FSL诊断方案优于SW99方案，而能见度低于500 m时FSL诊断方案表现不如SW99方案。IAP-LACS试验中采用式(3)的能见度TS评分表现最优，1000 m以下与FSL方案TS评分相当，500 m以下则明显高于其余方案。
|
图 12 浙江东部沿海及海面2021年4月1日12:00至2日08:00各组试验不同能见度范围诊断方案TS评分 Fig. 12 Threat scores for different visibility thresholds among various diagnostic ranges in all experiment groups for the east coast and sea surface of Zhejiang Province from 12:00 BT 1 to 08:00 BT 2 April 2021 |
针对2021年4月1—2日浙江沿海一次高影响海雾过程，采用IAP-LACS三参数云微物理方案、Morrison05和Thompson08双参数云微物理方案开展了数值模拟试验，采用SW99算法和FSL算法诊断能见度，针对云水含量、云滴数浓度、2 m温度和露点温度、相对湿度等海雾预报敏感因子进行分析，得到以下主要结论。
(1) 三组试验均模拟出了本次海雾过程的发生，但IAP-LACS方案对海雾的分布范围与强度的模拟效果最优，TS评分最高，尤其是对舟山群岛附近和台州—温州沿海的海雾的模拟。整体上，FSL算法诊断结果在范围上优于SW99算法，而在强度上不及SW99算法。
(2) 从云水含量模拟结果看，IAP-LACS更好地模拟出舟山群岛和台州—温州沿海的低层云水含量大值区域，且其范围和沿海能见度观测低值区较为一致。IAP-LACS较好地模拟出1日22:00至2日00:00三山大闸沿海的云水含量以及增长过程。IAP-LACS云微物理参数化方案对本次海雾过程的低层云水含量模拟的改进，是提高本次海雾模拟效果的重要原因。
(3) 三组试验对玉环站1日12:00—16:00 2 m温度模拟偏高，但露点温度与实况接近。IAP-LACS对1日20:00后温度和露点温度模拟效果最优，其余时次不同试验之间差异相对较小，这可能是IAP-LACS试验的FSL诊断结果在台州—温州沿海优于其余两组试验的主要原因。
(4) 本次过程IAP-LACS输出的云滴数浓度大值区的分布和低能见度分布匹配较好，基于数浓度和云水含量的能见度诊断方案模拟的海雾范围和FSL方案接近，强度更强，和实况更为接近，且TS评分最优。目前业务模式一般不输出云滴数浓度，这极大限制了在能见度诊断方案中引入云滴数浓度，而IAP-LACS云微物理方案具备输出云滴数浓度的能力，为改进海雾能见度预报提供了重要的微物理基础。
上述敏感性试验的结论仅是对本次海雾过程的模拟分析结果，未来需做更多个例海雾试验，来获得更为普遍性的结论，为改进模式提供更好的参考。IAP-LACS三参数云微物理方案能够预报数浓度、质量混合比和云滴半径总和，后续需要基于雾滴谱观测对雾滴半径、数浓度等微物理量开展更深入的分析，并针对浙江沿海海雾发展合适的能见度诊断方案。IAP-LACS三参数云微物理方案的计算量明显高于其他云微物理方案，今后仍然需要优化计算方案提高计算速度，提高业务应用能力。
邓玮, 孙继明, 雷恒池, 2019. 三参数云微物理方案中气溶胶谱函数对云滴谱影响的数值模拟研究[J]. 气候与环境研究, 24(6): 693-710. Deng W, Sun J M, Lei H C, 2019. Numerical simulation research on the effects of the size distribution of aerosols on the droplet spectrum with a newly developed triple-moment bulk scheme[J]. Climatic Environ Res, 24(6): 693-710 (in Chinese).
|
傅刚, 李鹏远, 张苏平, 等, 2016. 中国海雾研究简要回顾[J]. 气象科技进展, 6(2): 20-28. Fu G, Li P Y, Zhang S P, et al, 2016. A brief overview of the sea fog study in China[J]. Adv Meteor Sci Technol, 6(2): 20-28 (in Chinese).
|
高山红, 齐伊玲, 张守宝, 等, 2010a. 利用循环3DVAR改进黄海海雾数值模拟初始场Ⅰ: WRF数值试验[J]. 中国海洋大学学报, 40(10): 1-9. Gao S H, Qi Y L, Zhang S B, et al, 2010a. Initial conditions improvement of sea fog numerical modeling over the Yellow Sea by using cycling 3DVAR Part Ⅰ: WRF numerical experiments[J]. Period Ocean Univ China, 40(10): 1-9 (in Chinese).
|
高山红, 张守宝, 齐伊玲, 等, 2010b. 利用循环3DVAR改进黄海海雾数值模拟初始场Ⅱ: RAMS数值试验[J]. 中国海洋大学学报, 40(11): 1-10. Gao S H, Zhang S B, Qi Y L, et al, 2010b. Initial conditions improvement of sea fog numerical modeling over the Yellow Sea by using cycling 3DVAR PartⅡ: RAMS numerical experiments[J]. Period Ocean Univ China, 40(11): 1-10 (in Chinese).
|
胡树贞, 王志成, 张雪芬, 等, 2022. 毫米波雷达海雾回波特征分析及能见度反演[J]. 气象, 48(10): 1270-1280. Hu S Z, Wang Z C, Zhang X F, et al, 2022. Analysis of sea fog echo characteristics and visibility inversion of millimeter-wave radar[J]. Meteor Mon, 48(10): 1270-1280 (in Chinese). DOI:10.7519/j.issn.1000-0526.2022.042601
|
黄翊, 彭新东, 2017. 边界层湍流参数化改进对雾的模拟影响[J]. 大气科学, 41(3): 533-543. Huang Y, Peng X D, 2017. The impact of an improved planetary boundary layer parameterization scheme on the simulation of fog[J]. Chin J Atmos Sci, 41(3): 533-543 (in Chinese).
|
李子华, 2001. 中国近40年来雾的研究[J]. 气象学报, 59(5): 616-624. Li Z H, 2001. Studies of fog in China over the past 40 years[J]. Acta Meteor Sin, 59(5): 616-624 (in Chinese).
|
刘光普, 黄思源, 梁莺, 等, 2019. 毫米波雷达在港口海雾观测和能见度反演中的应用[J]. 干旱气象, 37(6): 993-1004. Liu G P, Huang S Y, Liang Y, et al, 2019. Application of millimeter wave radar in harbor marine fog observation and visibility inversion[J]. J Arid Meteor, 37(6): 993-1004 (in Chinese).
|
陆桥, 高丽, 翁之梅, 等, 2024. 不同边界层方案对一次浙江海雾数值模拟的敏感性研究[J]. 海洋预报, 41(4): 43-56. Lu Q, Gao L, Weng Z M, et al, 2024. Sensitivity of an advection fog process numerical simulation to different boundary layer parameterization schemes over Zhejiang coastal area[J]. Marine Forecasts, 41(4): 43-56 (in Chinese).
|
陆雪, 高山红, 饶莉娟, 等, 2014. 春季黄海海雾WRF参数化方案敏感性研究[J]. 应用气象学报, 25(3): 312-320. Lu X, Gao S H, Rao L J, et al, 2014. Sensitivity study of WRF parameterization schemes for the spring sea fog in the Yellow Sea[J]. J Appl Meteor Sci, 25(3): 312-320 (in Chinese).
|
任兆鹏, 张苏平, 2011. 黄海夏季海雾的边界层结构特征及其与春季海雾的对比[J]. 中国海洋大学学报, 41(5): 23-30. Ren Z P, Zhang S P, 2011. Structure characteristics of the Yellow Sea summer fog in the boundary layer and the comparison with spring fog[J]. Period Ocean Univ China, 41(5): 23-30 (in Chinese).
|
芮雪, 陆春松, 银燕, 等, 2023. 基于雾微物理观测改进能见度诊断方案[J]. 大气科学, 47(5): 1375-1387. Rui X, Lu C S, Yin Y, et al, 2023. Improved visibility diagnostic scheme based on fog microphysical observation[J]. Chin J Atmos Sci, 47(5): 1375-1387 (in Chinese).
|
田小毅, 张志薇, 2019. 长江沿海地区雾的特征及影响因子分析[J]. 灾害学, 34(1): 51-55. Tian X Y, Zhang Z W, 2019. Characteristics and influence factors of fog in the coastal area of Yangtze River[J]. J Catastrophol, 34(1): 51-55 (in Chinese).
|
王慧, 林建, 马占山, 等, 2022. 2018年2月琼州海峡持续性海雾过程的数值模拟分析[J]. 大气科学, 46(5): 1267-1280. Wang H, Lin J, Ma Z S, et al, 2022. Numerical simulation and analysis of the persistent sea fog in the Qiongzhou Strait in February 2018[J]. Chin J Atmos Sci, 46(5): 1267-1280 (in Chinese).
|
王锐, 刘彬贤, 2021. 一次弱冷空气对渤海海雾影响的数值模拟研究[J]. 海洋预报, 38(6): 82-92. Wang R, Liu B X, 2021. Numerical simulation study of the influence of cold air on sea fog in the Bohai[J]. Marine Forecasts, 38(6): 82-92 (in Chinese).
|
岳岩裕, 牛生杰, 赵丽娟, 等, 2013. 湛江地区近海岸雾产生的天气条件及宏微观特征分析[J]. 大气科学, 37(3): 609-622. Yue Y Y, Niu S J, Zhao L J, et al, 2013. Study on the synoptic system and macro-micro characteristics of sea fog along the Zhanjiang Coastal Area[J]. Chin J Atmos Sci, 37(3): 609-622 (in Chinese).
|
张浩, 石春娥, 杨军, 等, 2021. 寿县不同强度雾的微物理特征及其与能见度的关系[J]. 大气科学, 45(6): 1217-1231. Zhang H, Shi C E, Yang J, et al, 2021. Microphysical characteristics of fog with different intensities and their relationship with visibility in Shouxian County[J]. Chin J Atmos Sci, 45(6): 1217-1231 (in Chinese).
|
张伟, 崔梦雪, 王婧, 等, 2024. 闽南沿海雾滴谱统计特征及其与能见度的关系[J]. 大气科学, 48(5): 1978-1990. Zhang W, Cui M X, Wang J, et al, 2024. Statistical characteristics of droplet spectrum and their relations with visibility on Southern coast of Fujian Province[J]. Chin J Atmos Sci, 48(5): 1978-1990 (in Chinese).
|
张伟, 李菲, 吕巧谊, 等, 2023. 闽南沿海一次海雾过程的多源资料综合分析[J]. 气象, 49(6): 682-696. Zhang W, Li F, Lyu Q Y, et al, 2023. Comprehensive analysis of a sea fog event in southern coast of Fujian based on multi-source data[J]. Meteor Mon, 49(6): 682-696 (in Chinese). DOI:10.7519/j.issn.1000-0526.2023.011601
|
中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会, 2012. 雾的预报等级: GB/T 27964—2011[S]. 北京: 中国标准出版社. General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China, National Standardization Administration of China, 2012. Grade of fog forecast: GB/T 27964-2011[S]. Beijing: China Standard Press(in Chinese).
|
周福, 钱燕珍, 金靓, 等, 2015. 宁波海雾特征和预报着眼点[J]. 气象, 41(4): 438-446. Zhou F, Qian Y Z, Jin L, et al, 2015. Characteristics and forecasting focus of sea fog in Ningbo[J]. Meteor Mon, 41(4): 438-446 (in Chinese). DOI:10.7519/j.issn.1000-0526.2015.04.006
|
Doran J A, Roohr P J, Beberwyk D J, et al, 1999. The MM5 at the air force weather agency-new products to support military operations[C]//The 8th Conference on Aviation, Range, and Aerospace Meteorology. Boston: AMS.
|
Frank G P, Dusek U, Andreae M O, 2006. Technical note: a method for measuring size-resolved CCN in the atmosphere[J]. Atmos Chem Phys Discuss, 6(3): 4879-4895.
|
Gultepe I, Müller M D, Boybeyi Z, 2006. A new visibility parameterization for warm-fog applications in numerical weather prediction models[J]. J Appl Meteor Climatol, 45(11): 1469-1480. DOI:10.1175/JAM2423.1
|
Ma C J, Kasahara M, Tohno S, 2012. Application of polymeric water absorbent film to the study of drop size-resolved fog samples[J]. Atmos Environ, 37(26): 3749-3756.
|
Steeneveld G J, Ronda R J, Holtslag A A M, 2015. The challenge of forecasting the onset and development of radiation fog using mesoscale atmospheric models[J]. Boundary-Layer Meteor, 154(2): 265-289. DOI:10.1007/s10546-014-9973-8
|
Stoelinga M T, Warner T T, 1999. Nonhydrostatic, mesobeta-scale model simulations of cloud ceiling and visibility for an east coast winter precipitation event[J]. J Appl Meteor, 38(4): 385-404. DOI:10.1175/1520-0450(1999)038<0385:NMSMSO>2.0.CO;2
|
Tu X P, Yao R S, Hu L J, et al, 2023. Observation and simulation study on the macro-microphysical characteristics of a coastal fog offshore Zhejiang Province of China[J]. Atmos Res, 282: 106537. DOI:10.1016/j.atmosres.2022.106537
|
Zhou B B, Du J, Gultepe I, et al, 2012. Forecast of low visibility and fog from NCEP: current status and efforts[J]. Pure Appl Geophys, 169(5/6): 895-909.
|