基于WRF的郑州市降雨模拟方案分析

为探究WRF模式对郑州市五区降雨过程的模拟能力,比选出一套符合郑州市五区大多数降雨的WRF模拟参数,采用WRF模式中的Thompson、WSM6及Lin三种微物理参数方案分别模拟了郑州市五区的9场降雨持续时间为1 h,重现期以3~5年为主的降雨事件,并对9场不同降雨历时、重现期的降雨事件在Thompson方案下进行模拟,通过水文预报中常用的相对误差、相关系数、均方根误差、平均误差进行评价。结果表明,Thompson方案在总降雨量、过程量及降雨趋势方面相较WSM6、Lin方案稳定性更好;对于不同降雨历时、重现期的降雨,Thompson方案模拟结果的相关系数都较高,但均方根误差略微偏大,平均误差正负参半,数值也相对偏小。研究结果对郑州市降雨预报方案的选择具有一定参考价值。

基于CALPUFF模型的山东省独立焦化行业大气污染物分析与预测

基于已建立的2018年山东省高分辨率独立焦化行业排放清单,结合焦化行业制定的相关政策,本研究设置了基准情景(BAU-2018、BAU-2025、BAU-2035)和减排优化情景(ERO-2025、ERO-2035),使用CALPUFF模型模拟了各情景下山东省独立焦化行业SO_(2)、NO_x、PM_(10)及PM_(2.5)的污染情况及各污染物的减排潜力.研究结果表明,在BAU-2018情景中,山东省各市SO_(2)、NO_x、PM_(10)和PM_(2.5)的年均贡献比例的范围分别为0.06%~0.84%、0.01%~0.63%、0.04%~0.19%和0.07%~0.21%;在各阶段中,ERO-2025情景较于现状(BAU-2018)的各污染物排放与贡献浓度降低幅度最大;最优情景ERO-2035较于BAU-2018,SO_(2)、NO_x、PM_(10)、PM_(2.5)和CO_(2)的排放量分别为减少了60.12%、78.24%、75.07%、74.20%和37.47%,SO_(2)、NO_x、PM_(10)和PM_(2.5)年均贡献浓度降幅分别为60.74%、78.56%、75.00%和74.53%.全面执行超低排放标准对污染物减排具有显著效果,同时显示出巨大的污染物与CO_(2)的协同减排潜力.

基于鲲鹏处理器的WRF移植与评估

【目的】开展WRF模式在鲲鹏处理平台上的应用评估,为国产芯片在气象行业开展广泛应用提供参考。【应用背景】近年来气象数值预报技术不断发展,超级计算机成为气象发展的主要支撑,研究国产芯片对气象信息化支撑技术,有助于促进国产芯片在气象行业的广泛应用。【方法】基于ARM架构的鲲鹏920处理器从STREAM、HPL、HPCG 3个方面进行基准测试,以气象行业典型应用WRF为例,展示鲲鹏处理器在模式移植、计算效率和扩展性方面的良好性能。【结果】从测试结果来看,鲲鹏处理器表现出优秀的访存带宽、浮点计算性能以及高扩展性;鲲鹏处理器的移植过程较为简单,应用性能满足气象行业的时效性与扩展性要求,预报结果能做到与气象现有平台保持一致。【结论】鲲鹏处理器具备在气象行业广泛应用的基础。

基于WRF模式的好溪流域致洪暴雨千米尺度预报研究

鉴于好溪流域内多山地和丘陵,梅汛期和台汛期常突发强暴雨,致使其千米尺度下的数值预报难度较大的问题,选取好溪流域2015~2020年的10场致洪暴雨事件,利用中尺度数值天气预报模式WRF和GFS预报数据进行6、30、54 h的回顾性预报,并测试了5种云微物理参数化方案的敏感性。结果表明,在千米尺度下,WRF模式模拟的降雨量偏小,对山区的预报效果优于河谷地区;Lin方案的整体预报效果最佳,而WSM3方案最差;选取的10场极端降水事件受到台风和西南低空急流等异常天气的影响,Lin方案和WSM5方案适用性较好;WRF模式对暴雨的预报效果优于大暴雨。研究结果对于提高山区小流域致洪降雨的模拟和预报精度具有借鉴意义。

WRF模型驱动的网格新安江模型及其应用

为提升输入网格新安江模型的降雨和蒸发数据的时空分布准确度,完善水文循环过程,并为进一步实现WRF模型与网格新安江模型的耦合提供基础,构建了由WRF驱动的网格新安江模型。首先,采用逐步订正法将WRF预报降雨与雨量站降雨融合来获取WRF融合降雨;然后将WRF预报气象数据输入网格新安江模型中并采用彭曼公式计算单元网格小时蒸发能力;最后由WRF融合降雨和彭曼公式蒸发能力驱动网格新安江模型在湿润的屯溪流域进行洪水模拟预报。结果表明:①WRF融合降雨具有较高精度且具有精细空间分布。相较于WRF预报降雨,WRF融合降雨与实测降雨的相关性(RR≥0.99)和拟合度(NSE≥0.98)更高,雨峰误差(-8.1%~3.5%)和雨量误差(-2.0%~6.7%)均明显减小。在空间分布上,WRF融合降雨具有比站点插值降雨更复杂的空间信息,信息熵(SE)显著增加(30.4%~48.2%),并包含了WRF降雨和站点插值降雨的降雨中心。②彭曼公式蒸发能力不仅呈现出逐小时变化规律,且与降雨过程密切相关。在空间分布上,彭曼公式蒸发能力与海拔密切相关,在中高程地区最大,低高程地区次之,而在高程较高地区最小。③WRF驱动的网格新安江模型具有较大的洪水预报潜力。相较于使用WRF预报降雨驱动网格新安江模型,由WRF融合降雨和彭曼公式蒸发能力驱动的网格新安江模型在屯溪流域的洪水预报精度明显提高,预报洪水的NSE均在0.90以上,洪量、洪峰和峰现时间合格率均达到100%。

基于雷达估测降雨及WRF-Hydro模型的典型山洪模拟研究

受复杂地形与基础气象水文资料缺乏限制,山区小尺度流域的水文预警预报技术较为薄弱,利用高分辨率雷达观测资料驱动分布式水文模型是提高山区小流域洪水预报性能的有效途径之一。本文以位于重庆中部的山区小流域二河流域为研究区域,开展基于雷达估测降雨数据的WRF-Hydro模型在山区小流域的山洪模拟研究,以评估雷达估测降雨的水文应用效果和WRF-Hydro模型在山区小流域的适用性。选取流域内典型的暴雨洪水过程,利用S波段的多普勒天气雷达的估测降雨数据驱动WRF-Hydro模型,并结合新安江模型进一步对比分析模拟效果。研究结果表明:(1)在二河流域,采用雷达估测降雨数据驱动WRF-Hydro模型,可以较好地模拟洪水过程、洪水流量以及峰现时间,纳什效率系数高于0.65,克林-古普塔效率系数高于0.50,相关系数高于0.85。(2)将WRF-Hydro模型与新安江模型进行比较分析,在二河流域,WRF-Hydro模型的模拟效果优于新安江模型,纳什系数差值0.03,相关系数差值为0.04,进一步表明WRF-Hydro模型在山区小流域较优的洪水模拟性能。总体而言,基于雷达估测降雨数据的WRF-Hydro模型在二河流域表现出了良好的模拟洪水的性能,可进一步在类似小尺度山区流域进行应用研究。

天气预报模型WRF中复杂Stencil性能优化

天气研究与预报模式(WRF)是一种应用广泛的中尺度数值天气预报系统,在大气研究和业务预报领域发挥着重要作用。Stencil计算是科学工程应用中一类常见的嵌套循环计算模式,WRF中对大气动力学和热力学方程的数值求解引出了大量空间网格上的复杂Stencil计算,存在多维度、多变量、物理模型边界特殊性、物理和动力学过程的复杂性等模型特征。文中深入剖析了WRF中典型的Stencil计算模式,识别抽象出典型Stencil循环中存在的“中间变量”概念,围绕其设计实现了3种优化方案,即中间变量计算合并、中间变量降维存储以及中间变量提取,有效提高了数据局部性,改善了数据重用率和空间复用率,降低了冗余计算和访存开销。结果表明,经优化方案重构的WRF 4.2典型Stencil热点函数在Intel CPU和Hygon CPU上均可获得良好的性能加速,最高加速比达21.3%和17.8%。

基于WRF-NAQPMS的一次沙尘天气预报评估

为提高沙尘天气的预报准确率,利用ECWMF再分析资料和近地面PM_(10)小时质量浓度监测数据,评估WRFNAQPMS模式对2021年3月15—21日甘肃强沙尘过程的预报能力。结果表明,WRF-NAQPMS能够在一定程度上模拟此次污染过程:WRF对“3·15”天气系统的模拟与实况整体趋势较为一致,随着预报时效延长,气象模拟场移动偏快,导致沙尘预报场发展偏快、沙尘二次传输影响下游时间提前;近地面风向的局地偏差是导致甘肃中东部地区沙尘浓度出现预报误差的主要气象因素。NAQPMS模式对PM_(10)小时质量浓度的模拟随着预报时效增加和离沙源地距离的增大,预报误差逐步增大:在河西地区,沙尘影响时段和起沙浓度的模拟值均接近监测值,其中嘉峪关、酒泉、张掖的PM_(10)小时质量浓度模拟值与监测值相关系数r>0.8;中部地区城市的沙尘影响时段预报略有偏差,且模拟值低于监测值;受复杂下垫面和气象场预报误差影响,省内其他地区沙尘预报结果参考性较低。

基于CALMET-WRF耦合的复杂地形下导线覆冰的精细化数值模拟研究

利用耦合了WRF模式的CALMET模型,对2022年1月5—10日山西省南部中条山区导线覆冰事件的天气背景场进行了数值模拟,在评估了WRF和CALMET对气象要素的模拟效果的基础上,分别利用WRF和CALMET模拟的气象场驱动Makkonen覆冰模型,对本次导线覆冰过程进行了数值模拟,得到了如下结论:1)相比于WRF模式的模拟结果,CALMET降尺度后的气象场能更符合实际地形影响下近地面温度场和风场的分布规律,其模拟的近地面低温区(气温<0℃)范围较WRF模拟范围更大。2)CALMET的气温均方根误差整体较WRF模式减小0.5~1℃,相关系数由0.5~0.8提升至0.6~0.85;风速的均方根误差较WRF减少了1 m/s,相关系数较WRF提升0.2,说明WRF模式结合CALMET模拟气象场更加接近真实观测结果。3)利用CALMET降尺度场驱动覆冰模型能较好地反映微尺度地形下电线积冰的时空分布特征,各杆塔模拟的覆冰厚度偏差较WRF显著减小了2 mm,且降低了模式对覆冰启动的滞后时间。

WRF模式多参数化方案对东南亚低纬高原陆气耦合强度的模拟评估

东南亚低纬高原是全球陆气耦合的热点地区之一,其陆气相互作用对气候、水文和环境均具有重要的影响。本研究采用均匀抽样方法,结合WRF模式中多参数化方案,开展了48组数值模拟试验,通过优选参数化方案组合,对该地区陆气耦合强度及其相关变量进行了模拟评估。研究表明:(1)从48组模拟试验集合中可发现,对于近地面或地表的气温、比湿、向下长波、向上长波和土壤温度,集合模拟能力较好;对于近地面或地表的风速、降水、感热通量、潜热通量、向下短波和向上短波,集合模拟可较好反映各变量的变化特征;但是对于地表的土壤湿度,集合模拟能力较差。对于近地面或地表的风速、降水、潜热通量、向下短波、向上短波、土壤温度和土壤湿度,不同组合间模拟差异较小;但是对于地表的感热通量,不同组合间模拟差异较大。(2)根据等权重平均Taylor评分获得的最优参数化方案组合可以提升对于近地面或地表的气温、比湿、向下短波、向上短波、向下长波、向上长波和土壤温度的模拟能力,但对于近地面或地表的风速、降水、感热通量、潜热通量和表层土壤湿度提升效果不明显。(3)最优参数化方案组合可以合理地反映陆气耦合的空间特征和时间变化,但模拟的耦合强度较参考值偏弱,主要与潜热通量和向下短波辐射模拟能力较差有关。

基于WRF模式的康定地区风吹雪易发性判断

为给通过地形复杂,缺少气象资料的西南艰险山区的铁路研究风吹雪易发性提供方法,以位于该区域的四川省康定市为例,采用中尺度数值天气预报模式(The Weather Research and Forecasting Mode,WRF)对该区域气象要素的时空分布进行模拟.基于WRF模式中各种参数的特点,设计4种参数方案进行计算,采用双层网格嵌套达到降尺度模拟,为了高精度解析大气边界层过程,在竖直方向、近地面1.5km高度内加密为15层,提取康定站计算结果与观测结果进行比较.结果表明,WRF模式的计算结果符合康定市气候特征,气象要素的相关系数均高于0.5;风吹雪发生概率从高到低的区域依次为康定市东部和南部边缘的贡嘎山区,内部的大雪山段,以及位于101.7°E~102.0°E位置处的铁路线路,概率分别为19%、14%和12%,其他区域的概率低于4%.

基于WRF模式的无定河流域极端气候特征分析

在气候变化背景下,黄土高原半干旱区域的极端气候事件尚有诸多不确定问题亟待解决。利用静态地理数据和FNL(Final operational global analysis)全球再分析数据,结合天气研究与预报模式WRF(Weather research and forecasting model)模拟了2011—2022年无定河流域气候情况,并利用流域内4个气象监测站点实测数据对模拟结果进行验证,以分析模型的适用性。在此基础上,选取11个极端天气指标,利用Sen趋势+Mann-Kendall(M-K)检验,分析无定河流域极端降水和极端气温在年际和季节尺度上的空间分布特征和时空趋势变化。结果表明:(1)流域极端降水事件东部多于西部,单日最大降水量(RX1day)、雨日降水总量(PRCPTOT)的年际和季节空间分布特征均为东高西低。(2)流域极端降水事件进一步增多,降水量和强度进一步增强,但降水的持续性和干旱程度都有所减少,具体为四季降水增多但秋季东部降水减少。(3)流域的极端气温事件东部多于西部,极端最低气温(TNn)、极端最高气温(TXx)的年际和季节空间分布特征均为东高西低。(4)流域极端气温事件进一步增多,高温和低温的频率与强度在东西方向上呈现相反的变化,具体表现为夏季气温下降、春季气温上升。

基于WRF算法的制造装备质量缺陷分析系统开发

生产制造环境复杂多变,制造装备在设计、制造、安装以及运行中不可避免地会出现质量缺陷,给生产带来实际困难。随着机器学习和互联网技术的发展,人们已经研究出多种基于故障树的缺陷分析方法,其中基于随机森林的决策树分类方法将缺陷分析转换为多分类问题,可以较好地解决缺陷分析问题,节约设备质检和运行维护的时间。因此,针对现有的制造装备质量缺陷分析问题,本文从缺陷分析方法及系统功能方面出发设计质量缺陷分析系统。系统搭建时将缺陷分析数据作为信息载体,以加权随机森林算法(Weighted Random Forest, WRF)的测试与实现为功能核心,以B/S架构为基础设计人机交互页面,采用Django为后端框架、Vue.js为系统前端框架进行设计。系统测试表明,该系统可以有效实现设备质量缺陷分析,满足一定的生产制造环境的功能需求。

基于WRF模式的四川省凉山州地区风能资源可开发区域研究

利用MERRA2再分析数据驱动WRF模式,对四川凉山州地区2020年全年进行风资源模拟分析,并用凉山州地区典型测风塔数据对模拟结果进行检验,并进行详细地风资源分析,再根据风电场开发8%基准内部收益率反推可开发风能资源的区域分布。结果表明:凉山州大部分地区100 m高度年平均风速在5 m/s以上,风速极大值一般位于山脊,凉山州风能最好的区域主要集中在会东县和宁南县。凉山州典型区域内均表现出受西南季风影响的特征,即冬、春季节风大,夏、秋季节风小,主风向呈强西南风状态,且风功率密度变化规律与风速的变化规律基本一致。凉山州山地区域可开发风能资源的平均风功率密度临界值为258 W/m^(2),这些区域主要集中在会理、会东、宁南、布拖、木里和盐源县境内。可开发区域分布图对指导凉山州地区风能开发提供科学参考。

基于WRF-LES模式的大气边界层近地风场精细化模拟研究

台风等极端气象灾害对工程结构安全造成严重威胁,研究近地面大气边界层精细化模拟对于土木工程具有重要应用价值.数值天气预报系统(WRF)中的大涡模拟(LES)模块具有参数方案多、精度高等优点,适用于近地面风场精细化模拟,但数值天气预报-大涡模拟(WRF-LES)精细化模拟效果与参数设置密切相关.寻求适用于精细化模拟近地面风场的参数设置,选用WRF-LES模式中的几种次网格模型和空间差分格式,采用较细密的网格分辨率,进行理想大气边界层模拟.对比平均风速剖面、湍流强度剖面和功率谱等风场特性,讨论关键参数对近地面风场模拟精度的影响,确定合适的参数设置.研究表明:对次网格模型,非线性回波散射和各向异性(NBA1)模型可有效改善近地面风场模拟精度;对网格方案,在计算域底部不均匀加密垂直网格可更好地描述近地面风场空间分布特征,有效减小计算资源;对空间差分格式,偶数阶差分相较奇数阶差分格式可捕获更小尺度湍流结构.所提出的WRF-LES模式参数方案,可为精细化模拟近地面风场和台风边界层提供技术参考.

WRF模式不同边界层参数化方案对沈阳地区近地面气象要素模拟差异评估

采用WRF(weather research forecast)模式中三种不同边界层参数化方案(YSU、MYJ、MYNN2)对2022年8月沈阳地区近地面逐时气象要素进行模拟研究,对比分析不同边界层参数化方案在模拟沈阳地区近地面气象要素时所表现出的差异。结果表明:三种边界层参数化方案均能较好地模拟沈阳地区近地面气象要素逐时变化趋势。在模拟近地面风速方面三种边界层参数化方案模拟结果整体偏大;MYJ方案平均偏差最小,相关系数最高,模拟效果最好。三种参数化方案在对近地面温度模拟整体偏低,平均偏差均为负值;YSU方案相关系数最高,可达0.94。在模拟近地面相对湿度方面三种参数化方案模拟结果整体偏低;从相关系数来看YSU方案和MYNN2方案差异性不大。

WRF模式对翁源一次特大暴雨过程的模拟分析

采用中尺度数值模式WRF对2010年5月6日翁源发生的特大暴雨过程进行数值模拟研究,结果表明:模式成功地模拟出翁源24 h累计积雨量和前2个强降水阶段的落区和量级,但在第3阶段出现漏报;充沛的水汽含量、持续的水汽输送、强烈的水汽辐合、深厚的湿层以及850 hPa高能舌和中尺度能量锋的存在为强降水提供了良好的水汽和热力条件;低层西南气流明显减弱,中高层吹西北风,翁源处于水汽辐散区,热力条件转差是第3阶段模拟效果偏差的重要原因。该次过程对流云发展旺盛,伸展高度高,具有暖云层剖面结构,属于积云为主的暖区暴雨过程。

高速铁路沿线风速WRF集成修正预测方法

WRF(Weather Research and Forecasting)等物理驱动预测方法被证实能够获取有效的风速预测结果。本研究面向WRF预测方法对初始条件的敏感性,构建多目标集成模型MOEnWRF(Multi-Objective Ensemble WRF),优化WRF的预测精度。该方法主要包括两个步骤,首先构建描述预测精度与稳定性的评价指标体系,采用多目标灰狼优化算法(MOGWO,Multi-Objective Grey Wolf Optimizer)实现对模型精度以及稳定性的同时优化,获得集成权重的帕累托解集。然后,采用组合距离评估法(CODAS,COmbinative Distance-based ASsessment)评估帕累托解集的有效性,从解集中选择出最优解,并应用于集成WRF模型。经过4个站点的实际验证,得到所提方法能够有效提升WRF的预测精度,并优于单目标优化集成方法。

WRF模式不同微物理方案对一次强降雪的模拟

利用WRF模式对我国青藏高原拉萨及周边地区一次冬季强降雪事件进行高分辨率数值模拟,评估了不同微物理参数化方案对强降雪事件的模拟能力。结果显示,不同微物理参数化方案基本都能模拟出拉萨及周边地区降水的空间分布、降雪的时间演变及降雪量大小,其中模拟效果最好的微物理参数化方案为Goddard 4-ice,其模拟的累积降雪量和站点观测之间的均方根误差为0.33,相关系数为0.92。Ferrier方案对模式模拟的总降雪量较观测偏高,WSM3和WSM5方案模拟值较其他方案明显偏低。

Seasonal Prediction of Indian Summer Monsoon Using WRF: A Dynamical Downscaling Perspective

Seasonal forecasting of the Indian summer monsoon by dynamically downscaling the CFSv2 output using a high resolution WRF model over the hindcast period of 1982-2008 has been performed in this study. The April start ensemble mean of the CFSv2 has been used to provide the initial and lateral boundary conditions for driving the WRF. The WRF model is integrated from 1st May through 1st October for each monsoon season. The analysis suggests that the WRF exhibits potential skill in improving the rainfall skill as well as the seasonal pattern and minimizes the meteorological errors as compared to the parent CFSv2 model. The rainfall pattern is simulated quite closer to the observation (IMD) in the WRF model over CFSv2 especially over the significant rainfall regions of India such as the Western Ghats and the central India. Probability distributions of the rainfall show that the rainfall is improved with the WRF. However, the WRF simulates copious amounts of rainfall over the eastern coast of India. Surface and upper air meteorological parameters show that the WRF model improves the simulation of the lower level and upper-level winds, MSLP, CAPE and PBL height. The specific humidity profiles show substantial improvement along the vertical column of the atmosphere which can be directly related to the net precipitable water. The CFSv2 underestimates the specific humidity along the vertical which is corrected by the WRF model. Over the Bay of Bengal, the WRF model overestimates the CAPE and specific humidity which may be attributed to the copious amount of rainfall along the eastern coast of India. Residual heating profiles also show that the WRF improves the thermodynamics of the atmosphere over 700 hPa and 400 hPa levels which helps in improving the rainfall simulation. Improvement in the land surface fluxes is also witnessed in the WRF model.