海洋与大气学院海雾数值研究团队揭示黄海海雾发展新认知

发布者:李星锐发布时间:2019-02-22浏览次数:879


        2019114,圣地亚哥超级计算机中心(San Diego Supercomputer CenterSDSC)首先刊登,之后加州大学圣地亚哥分校新闻中心(UC San Diego News Center)、XSEDEExtreme Science and Engineering Discovery Environment)以及Newswise等多家机构与媒体接连在其官网转载报道了中国海洋大学海洋与大气学院海雾数值研究团队于201911Atmospheric Research期刊上正式发表的最新研究成果,关于利用超级计算机模拟揭示了对黄海海雾发展的新认知。

该成果题为Sensitivity of WRF simulations with the YSU PBL scheme to the lowest model level height for a sea fog event over the Yellow Sea,由海洋与大气学院2015级气象学博士研究生杨悦(第一作者)和高山红教授(通讯作者),与美国俄克拉荷马大学风暴分析与预报中心(Center for Analysis and Prediction of StormsCAPS)的Xiao-Ming Hu博士及多尺度数据同化与可预报性(Multi-scale data Assimilation and PredictabilityMAP)实验室的王永明博士共同合作完成。利用SDSCComet 超级计算机,通过大量精细的数值模拟试验揭示了模式近海面垂直分辨率设置对黄海海雾发展的影响。

该研究聚焦于一次典型的黄海平流冷却海雾事件(图1),它覆盖了黄海大部及其附近沿岸,被NASANational Aeronautics and Space Administration)称为“雾毯”。黄海海雾造成的低能见度会严重影响海上及沿岸的交通作业与生产生活,对它的准确预报迫在眉睫。海雾预报涉及海上大气边界层、云微物理等参数化方案,而这些方案在刻画海雾过程时强烈依赖于模式近海面垂直分辨率。于是,研究者在采用YSUYonsei University)边界层方案的WRF Weather Research and Forecasting)模式模拟此次海雾时,详细研究了模拟结果对模式最底层高度的敏感性(图2)。文章指出这种敏感性来源于模式最底层高度对该高度上虚位温的影响,不同的模式最底层高度决定了海雾各阶段物理过程(如,海表感热交换、相邻上层湍流扩散、雾滴辐射冷却)对模式最底层的作用强弱不同甚至相反,合适的模式最底层高度设置对于真实再现成雾时间和雾区范围是至关重要的。此研究成果可用于提高海雾模拟的准确性,有助于减少受海雾影响的海上事故的发生。

海洋与大气学院海雾数值研究团队一直致力于黄海海雾的机理研究、数据同化与预报技术的研发,所构建的海雾数值预报系统(http://222.195.135.24)已经成为国内海洋气象业务预报部门的重要参考。此研究成果中所提出的垂直分辨率设置方案已经应用于该系统。

相关报道的具体链接如下:

  1. https://www.sdsc.edu/News%20Items/PR20190114_YellowSeaFog.html

  2. https://ucsdnews.ucsd.edu/pressrelease/supercomputer_simulations_reveal_new_insight_on_sea_fog_development

  3. https://www.xsede.org/news/science-stories/-/asset_publisher/9JovW1UTN10Q/content/

  4. https://www.newswise.com//articles/supercomputer-simulations-reveal-new-insight-on-sea-fog-development

1a)此次海雾事件的MODISModerate Resolution Imaging Spectroradiometer)可见光云图。(b)沿轨迹ABCALIPSOCloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations)后向散射衰减信号诊断得到的雾顶(红色填充区顶部的白线)

2不同最底层高度(z1)试验模拟的模式最底层(a)液态水含量 LWC >0.016 g kg-1代表海雾)和(b)虚位温的时间序列。可以看出:虚温度的降低对应着雾浓度的增加,较低的z1不仅使成雾时间提早,并且在成雾初期产生了更高的雾浓度。















Baidu
map