2018, Vol. 34
2. 兰州大学半干旱气候变化教育部重点实验室/兰州大学大气科学学院，甘肃 兰州 730000;
3. 寒旱区陆面过程与气候变化重点实验室/中国科学院西北生态环境资源研究院，甘肃 兰州 730000
2. Key Laboratory for Semi-Arid Climate Change of the Ministry of Education, College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China;
3. Laboratory of Land Surface Process and Climate Change in Cold and Arid Regions, Northwest Institute of Eco-Environment and Resources, CAS, Lanzhou 730000, China
浅层积云对流不仅能影响大气的垂直热力结构，还对热带和中纬度地区的大尺度环流有重要影响。虽然它也是一种典型的对流形式，但与其它对流形式相比并没有得到广泛和深入的研究。尤其是发生在海洋上的信风区浅层积云对流，不仅在决定赤道辐合带的强度和宽度中扮演着重要角色[1-2]，而且会影响副热带层积云和热带积云之间的转化[3-5]。
最初对海洋信风边界层积云的研究是通过外场观测试验，如巴巴多斯海洋和气象学试验（BOMEX）[6]、大西洋信风试验（ATEX）[7]，对海洋信风边界层的多层结构有了一定认识，得到了信风逆温层的维持是由浅层积云对流对下沉自由大气的冷却和增湿所引起的结论[8]。LeMone等[9-10]还利用飞机观测资料，揭示了不受气旋或天气尺度等过程扰动影响的海洋边界层的平均场和湍流场特征。Ghate等[11]利用观测资料对比分析了热带和信风区海洋上浅层积云的差异，发现非降水层积云覆盖的热带海洋边界层与信风海洋边界层相比，厚度大、海表热通量和边界层辐射冷却也较大，但风速较小。另外，研究者们还利用数值模拟的方法对海洋信风边界层及边界层云进行了研究。温晓培等[12]利用WRF中不同边界层参数化方案模拟了海洋边界层中的物理过程对热带扰动的形成和发展的影响。Brill等[13]利用信风边界层模式，研究了海洋信风逆温层高度和信风边界层积云覆盖率的日变化特征，指出清晨信风逆温层底的高度较下午的高，而且上午信风边界层积云的云量较下午的多。赵春生等[14]建立了用于研究层积云覆盖的海洋边界层中气溶胶和云的相互作用的三阶湍流闭合模式。文献[15-17]分别利用LEM（大涡模式）对信风层积云参数过程、信风层积云对降水和辐射以及湍流通量的影响和风速对海洋浅层积云对流的影响进行研究。这些研究虽然可加深对海洋信风边界层的平均场和湍流场的理解，了解海洋边界层积云的动力结构、对辐射收支和下表面温度和湿度的影响，以及对降水及湍流通量的影响，明确了热带和信风区海洋边界层的差异。但是，对海洋信风边界层中不同结构层中的物理量，如位温、水汽混合比和液态水混合比等的分布还不清楚，不同尺度的湍涡对海洋信风边界层浅层积云对流的形式、强度，对边界层积云层的结构和演变的影响也不确切，而解决这些问题对大尺度和全球气候模式中关于积云参数化方案的改进有重要意义。
本文利用在大西洋上进行的BOMEX试验的探空资料和大涡模式，模拟海洋信风边界层的结构和演变特征。通过改变模式水平分辨率的敏感性数值试验，分析不同尺度的湍流涡旋对海洋信风边界层中的云下混合层和云层的结构、演变以及对边界层对流形式和强度的影响。
2 模式描述及试验设计本文使用的大涡模式是英国气象局的Large Eddy Model（LEM，Version 2.4）[18]模式。它是一个用于模拟湍流尺度和云尺度问题的三维高分辨率数值模式。不仅可以模拟干对流过程，也可以模拟湿对流过程，对稳定、中性及不稳定的大气边界层均有较好的模拟能力。该模式利用谱滤波方法对纳维-斯托克斯方程组求体积平均，从而准确计算大尺度湍流涡旋的运动，而对小尺度湍流通量和能量采用Smagorinsky-Lilly次网格模型进行模拟。本研究中微物理参数化方案采用了Kessler暖雨方案。模式的基本方程组和次网格切应力及标量通量的计算方法详见文献[19]。
本文使用BOMEX试验期间1969年6月22—23日的位温、水汽混合比和风速平均廓线作为模式初始廓线对LEM进行初始化。在这段时间的积云对流发展过程中只观测到非降水性积云[15]。LEM模式顶取为3 km，侧边界条件为周期侧边界条件，上、下边界都取刚性边界条件。为减少由模式的上边界反射产生的重力内波扰动，在距模式底2.3 km高度以上采用Newtonian阻尼层。LEM的地表边界条件由相似理论的Businger-Dyer方案给出。模式由实测的海表感热通量（约8 W/m2）和潜热通量（约130 W/m2）驱动。本文选取的模拟区域为10 km×10 km，垂直方向采用平均分层，共76层，垂直格距为40 m。为研究大涡模式分辨率对海洋信风边界层结构和演变特征以及浅层积云对流模拟的影响，本文设计了水平网格距分别为50 m（试验R50）、125 m（试验R125）、200 m（试验R200）和500 m（试验R500）的敏感性数值试验。
图 1a是模式中输入的初始位温θ和水汽混合比qv的平均廓线。位温廓线表明垂直方向有4个不同稳定度层结。0~540 m为混合层，湍流充分混合，位温基本不随高度变化，约为298.7 K。该层中的水汽混合比qv随高度的增加略有减少。540~1 500 m为条件不稳定层，边界层顶的高度约为1 500 m，边界层顶以上是覆盖逆温层。在条件不稳定层中形成的云也称为海洋信风积云，大西洋以东区域的边界层也称为海洋信风边界层，边界层之上的逆温层称为信风逆温层[13, 20]。条件不稳定层中θ随高度的增加而增大（递增率约为3.9 K/km），qv随高度的增加而减小（递减率约为5.8×10-6 m-1）。1 500~2 000 m的覆盖逆温强度约为10 K/km，qv随高度的增加而减小（递减率约为12.5×10-6 m-1）。需要说明的是，图 1中2 000 m以下的位温、水汽混合比和风速为观测结果平均值，2 000 m以上的值是人为设定。图 1b是初始风速廓线，在混合层中，u约为-9 m/s，吹西风。模式中的地表地转风为西风，为10 m/s。另外，为考虑大尺度强迫的影响，在模式高度约1.5 km处增加下沉率约为6.5×10-3 m/s的大尺度下沉，下沉率在模式底和2.1 km处分别递减为0;从模式底到1.5 km的高度增加冷却率为-2.315×10-5 K/s的长波辐射冷却项，从1.5~2.5 km冷却率随高度线性递减为0;在混合层增加了代表大尺度平流影响的干燥项。
|
图 1 平均位温θ和水汽混合比qv廓线（a，实线为初始廓线，点线和虚线分别为模拟3 h和7 h的结果）和风廓线（b） |
Siebesma等[15]使用与本文相同的初始廓线，用LES模拟研究热带大西洋东部信风积云条件下的湍流通量和夹卷过程，得到了与实测结果一致的结论。另外，他在模拟中使用的水平网格距是125 m。本文也选取水平网格距为125 m的试验（R125）作为标准试验，所模拟3 h和7 h的平均位温和水汽混合比（图 1a的点线和虚线）与文献[15]的图 1a中相同模拟时间的结果和实测结果都较一致。
3 结果与分析 3.1 模拟的湍涡尺度对信风区边界层湍流结构的影响 3.1.1 混合层中虚位温、水汽混合比的变化图 2是不同试验模拟的不同时次混合层虚位温和水汽混合比平均廓线。根据实测资料，海面的虚位温为303 K，水汽混合比为饱和混合比22.45 g/kg[15]。为分析方便，图 2的结果从模式底之上20 m开始分析。从图 2试验R125的虚位温廓线可看出，模拟5 h后虚位温随时间略有增大（约为0.2 K），混合层的厚度变化较小，从其它试验中平均虚位温随时间的变化也可以得到相似结果。这与刘艳等[21, 22]研究海洋边界层高度的结果一致。因为海水热容量较大，海洋表面温度日变化较小; 另外，海洋上空覆盖了大量云系，减少了到达海水表面的太阳短波辐射[23]，可减缓海水表面温度增加，导致海洋表面的感热通量较小（本文的模拟试验中洋面上感热通量约为8 W/m2），抑制了海洋边界层的增暖和增厚。
|
图 2 不同水平分辨率敏感性试验模拟的1 h、2 h、3 h、5 h（a~d）后的混合层虚位温（实线）、水汽混合比（虚线）的平均廓线 |
图 2还表明，在同一时间不同试验模拟的混合层虚位温和混合层厚度有一定差别，这种差别随模拟时间的增加更加明显。当模式水平分辨率较高时，混合层增暖较明显，混合层厚度较小。如图 2d，试验R50较试验R500模拟的混合层虚位温高约0.07 K，厚度小约50 m。另外，图 2中水汽混合比在近海面处有最大值，从20~70 m由于不稳定层结中的湍流输送，该层水汽混合比随高度迅速减小，在混合层内随高度减小较慢。而且当模式分辨率较高时，水汽混合比随高度减小较慢，其值也较小。为进一步分析不同试验模拟结果产生差异的原因，图 3给出了浮力通量随高度的变化。从图 3a可看出，试验R50、R125、R200和R500模拟的近海面处湍流向上输送的浮力通量分别约为0.008 km/s、0.008 km/s、0.006 km/s和0.004 km/s，模拟1 h后（图 3b~3d），模式分辨率越大，混合层顶附近向下输送的夹卷热通量越大，即条件不稳定层中越多的暖干空气进入混合层，使混合层变暖、变干，对应图 2中分辨率较高的试验模拟的水汽混合比值较小。综上所述，模式采用较高水平分辨率时，能模拟出更小尺度的湍流运动，而小尺度湍流运动对边界层顶的夹卷作用及热量输送有重要影响[19]。另外还注意到，试验R50和试验R125模拟的混合层虚位温差异相对较小。
|
图 3 不同水平分辨率敏感性试验模拟的1 h、2 h、3 h、5 h（a~d）后的混合层中的浮力通量平均廓线 |
为进一步理解湍涡尺度对海面上混合层内不同高度物理量分布的影响，图 4给出了模拟3 h后混合层低层（180 m）、中层（360 m）和混合层顶（540 m）的虚位温、水汽混合比和垂直速度的PDFs（Probability distribution functions）。垂直速度的PDFs（图 4a1、4a2、4a3）显示，在混合层低层（图 4a1）上升气流和下沉气流的分布及强度差别不大（如试验R125，上升气流和下沉气流最大值分别约为1.0 m/s和0.9 m/s）。到混合层中上层（图 4a2）模拟的上升气流较下沉气流减少，但上升气流的强度比下沉气流的大（如试验R125，模拟的上升气流和下沉气流最大速度分别约为1.7 m/s和1.1 m/s）。到混合层顶（图 4a3），上升气流少而下沉气流多的分布特点更加明显（如试验R125，最大的上升气流和下沉气流速度分别约为1.7 m/s和0.8 m/s）。图 4中垂直速度的正倾斜分布特征（峰值在左侧）与文献[24-26]研究的浮力驱动的边界层中垂直速度的分布一致，即边界层中的下沉气流较上升气流多，但上升气流的强度比下沉气流的大，而且越到边界层顶这一特点越明显。较强的上升气流对于一些天气现象，如云的形成、降水的发生和发展、暴雨的形成以及污染物的垂直输送和扩散都有重要作用[27-34]。
|
图 4 模拟3 h后垂直速度（左）、虚位温（中）和水汽混合比（右）的概率密度函数分布 a1、b1、c1为180 m高度; a2、b2、c2为360 m高度; a3、b3、c3为540 m高度。蓝色、绿色、红色和黑色分别代表试验R50、R125、R200和R500的结果。 |
图 4a1、4a2、4a3还显示，提高模式水平分辨率能够分辨出垂直速度PDFs的尾部分布，Tian等[35]也得到了相同的模拟结果。虚位温和水汽混合比的PDFs（图 4b1、4b2和4c1、4c2）显示，在混合层的中下层，虚位温的PDFs为正倾斜，水汽的PDFs为负倾斜（峰值在右侧），即上升气流较下沉气流暖而湿。也可以看到，混合层中虚位温的相对变化范围较水汽混合比的小，这一方面是由于BOMEX海洋表面温度日变化只有0.24 K[36]，另一方面是由于在混合层顶夹卷进入混合层的暖干空气使混合层水汽变化较虚位温的变化要大。在混合层顶，虚位温和水汽混合比的PDFs相对变平，且变化范围明显较混合层的中下层的大[26]。湍涡的大小对混合层中不同高度的虚位温和水汽混合比分布的影响较明显：模拟的湍涡尺度较大（分辨率较低），虚位温和水汽混合比的PDFs较窄; 模拟的湍涡尺度较小（分辨率较高），虚位温和水汽混合比的PDFs较宽，峰值较大。另外，改变模式分辨率会影响混合层中平均虚位温和水汽混合比的大小。如图 4b1、4b2、4c1和4c2，模拟的湍涡尺度较小，虚位温和水汽混合比的PDFs分别向虚位温较大和水汽混合比较小的一侧移动，也就是模拟的边界层较暖较干，这与图 3的分析结果一致。到混合层顶（图 4b3和4c3），模式分辨率较高，模拟的虚位温和水汽混合比的PDFs明显增宽。这是由于模式分辨率较低，无法模拟小尺度湍涡对夹卷通量和能量的贡献。不同尺度的湍涡对混合层顶夹卷率的影响也会导致混合层中下层热力结构的改变。
3.1.3 海洋信风区边界层对流边界层热力对流的形式有多种，如无组织的对流泡、有组织的对流卷和环状对流，热通量和风切变通过影响湍流的强度和涡旋旋转的方向对边界层对流的形式产生重要影响[19, 37]。下面分析不同分辨率试验模拟的信风积云边界层的对流强度和形式。
图 5是LEM模拟3 h后的垂直速度垂直剖面。不同分辨率的敏感性试验都能模拟出从海面垂直向上发展到充满整个混合层的对流泡，但这些对流泡的大小、强度以及在垂直方向的发展高度都不相同。水平分辨率较高时模拟的边界层对流泡较小，对流强度较大。例如，试验R125模拟的对流泡（图 5b，y=0.5 km）明显小于试验R500模拟的对流泡（图 5d，y=0.5 km），试验R125模拟的对流强度（上升气流和下沉气流的最大速度分别约为1.9 m/s和1.1 m/s）较试验R500模拟的（上升气流和下沉气流的最大速度约为0.7 m/s和0.4 m/s）要大。另外，模式分辨率较高时模拟的对流泡发展的高度也较高。提高模式分辨率能够模拟出强度较大、且较精细的边界层对流结构，但增加了模拟时间和计算误差的累积[38]。本文关于大涡模式分辨率对信风积云覆盖的混合层湍流结构模拟的影响与对陆地上晴天边界层湍流结构模拟的影响[26]一致。
|
图 5 试验R50、R125、R200、R500（a~d）的敏感性试验模拟的3 h后垂直速度Y-Z剖面 |
一般信风边界层是由一层充分混合的云下混合层、100~300 m厚的过渡层（是弱稳定层，出现最大风速）、条件不稳定的云层和逆温层（覆盖着云层，将信风边界层与自由大气分离开）构成[20]。信风积云覆盖的范围较广，对地球的辐射收支有重要影响[39]。很多研究者利用LEM对浅层积云的特征进行模拟研究，并利用模拟结果对大尺度模式和区域模式中模拟浅层积云的湍流参数化方案进行改进[40-42]。
图 6是云层中不同高度垂直速度、虚位温和水汽混合比的PDFs分布。云层中垂直速度PDFs（图 6a1、6a2、6a3）显示出与混合层中垂直速度PDFs相似的分布规律。从不同试验的模拟结果来看，模拟的湍涡尺度较大时，云层中垂直速度的PDFs分布较集中，云层中对流强度较小; 模拟的湍涡尺度较小时，云层中垂直速度的PDFs分布较广，云层中对流强度较大。
|
图 6 不同水平分辨率敏感性数值试验模拟3 h后垂直速度（左）、虚位温（中）、水汽混合比（右）的概率密度函数分布 a1、b1、c1为900 m高度; a2、b2、c2为1 200 m高度; a3、b3、c3为1 500 m高度。蓝色、绿色、红色和黑色分别代表试验R50、R125、R200和R500的值。 |
从不同高度的虚位温（图 6b1、6b2、6b3）和水汽混合比（图 6c1、6c2、6c3）的PDFs分布可以看出，虚位温和水汽混合比在不同高度上呈正倾斜分布。在云层中虚位温的PDFs随着高度升高逐渐向右移，即积云层中气流随高度增加逐渐变暖。在云层低层，分辨率较高时模拟的平均虚位温较高（图 6b1）、水汽混合比较低（图 6c1）; 而在云层的中高层，分辨率较高时模拟的平均虚位温较低（图 6b2、6b3）、水汽混合比较高（图 6c2、6c3）。虚位温和水汽混合比的PDFs分布都显示，模拟的湍涡尺度较大（如试验R500，次网格尺度约为115 m），云层中PDFs的分布较集中，无法模拟出云层中较精细的湍流混合和夹卷过程，只能模拟出相应的平均值的大小。云层中虚位温随高度升高而增大，一方面是由于夹卷作用将上部逆温层中的暖空气混合进入云层，另一方面是水汽凝结释放潜热加热了云层; 云层中水汽混合比随高度升高而减小的分布特征也证实了这一结论。
3.2.2 云底和云高随时间的变化图 7a是不同试验模拟的总云覆盖率随时间的变化。分辨率较高时模拟的总云覆盖率较大，试验R50、R125、R200和R500模拟的总云覆盖率最大值分别约为23%、12%、9%和7%。根据Ghate等[4]利用ARM（Atmospheric Radiation Measure- ments）的观测资料和ECMWF（European Centre for Medium-Range Weather Forecasting）分析模式研究得到的结论，即海洋信风边界层云的平均覆盖率为25%，说明试验R50能较好地模拟海洋信风边界层积云对流。另外，从图 7b积云底和云顶高度随时间的变化可以看出，试验R50和R125模拟的信风积云的形成时间基本一致，约为模拟开始后13 min，而试验R200中积云在模拟开始后约26 min形成，试验R500模拟的积云形成时间最晚，约132 min。不同分辨率试验模拟的云底高度均约为540 m，分辨率较高的试验模拟的云顶高度较高（试验R50和R125模拟的平均云顶高度约为1 800 m），试验R500模拟的平均云顶高度明显低于其他试验结果（约为1 300 m），且模拟的积云维持时间较短（约为2 h）。
|
图 7 不同水平分辨率敏感性数值试验模拟的总云覆盖率（a）和云底高度（点线）、云顶高度（实线）随时间的变化（b） |
为进一步分析LEM模拟的湍涡尺度对云层中液态水混合比的影响，图 8给出了不同试验模拟的积云层中平均液态水混合比随高度的变化。不同试验模拟的平均液态水混合比分布趋势大致相同：从云底（约500 m）随高度的升高逐渐增加，达到极大值后随高度升高而减小，到云顶处减小为0。但不同试验模拟的平均液态水混合比的峰值及其出现时间有明显差别。试验R50和试验R125模拟的平均液态水混合比分别在模拟3 h和2 h后达到最大值（分别约为8.3 mg/kg（图 8c）和11.5 mg/kg(图 8b），而试验R200模拟的平均液态水混合比的最大值（7.6 mg/kg）出现在模拟5 h后。试验R500模拟的液态水混合比的最大值约为5 mg/kg（图 8c），而且在模拟2 h以前液态水混合比非常小（最大值小于0.2 mg/kg），模拟5 h后（图 8d）液态水混合比为0。可见，分辨率较高时模拟的液态水混合比的峰值较大，峰值出现时间较早; 分辨率较低时模拟生成液态水的时间较长、含量较少。本文使用的大涡模式次网格模型的基本长度尺度是模式水平网格距的0.23倍，即各敏感性试验中次网格模型的基本长度尺度并不相同。Brown[43]对大涡模式分辨率与次网格模型对浅层积云对流敏感性分析的研究结果表明，云尺度是由次网格模型的长度尺度决定的。试验R50、R125、R200和R500中次网格模型的基本尺度分别为11.5 m、29 m、46 m和115 m，能够精细模拟出云夹卷和混合过程的是试验R50，由于试验R500中次网格模型尺度较大，无法较准确模拟云层中的夹卷和混合作用，因此模拟的云层中液态水混合比较小。
|
图 8 不同水平分辨率敏感性试验模拟1 h、2 h、3 h、5 h后（a~d）的液态水混合比平均廓线 单位：mg/kg。 |
图 9是不同试验模拟的3 h后液态水混合比的水平剖面。水平分辨率为50 m时，LEM模拟的单个云块体积较小、数目较多、液态水混合比的数值较大（最大为0.9 g/kg）。试验R125模拟（图 9b）的单个云块体积增大、云块数目减少、液态水混合比减小（最大值为0.85 g/kg）。模式水平网格距进一步增大，模拟的单个云块体积增大、数目减少、液态水混合比减小的特点更明显（图 9d），液态水混合比最大值只有0.25 g/kg。
|
图 9 试验R50、R125、R200、R500(a~d)的敏感性试验模拟的3 h后液态水混合比的X-Y剖面 |
本研究利用BOMEX试验期间6月22—23日的位温、水汽混合比以及风速平均廓线的观测数据作为LEM的初始场，由实测的海表感热、潜热通量驱动LEM，通过改变模式水平分辨率的敏感性数值试验，对比分析不同尺度的湍涡对信风积云边界层中混合层和云层的结构、演变，以及对对流形式和强度的影响。
（1）混合层中，不同水平分辨率的敏感性试验模拟的混合层虚位温和混合层厚度及水汽含量差别较大：模式分辨率较高模拟的混合层顶的夹卷作用较强，混合层较暖、厚度较小，水汽混合比较小且随高度减小较慢，即模拟的混合层较暖较干。对信风边界层积云对流的研究表明，分辨率较高模拟的边界层对流泡较小、发展高度较高，对流强度较大。
（2）信风边界层积云层中，虚位温随高度增加而增大，水汽混合比随高度增加而减小; 模式分辨率较小时模拟的液态水混合比的峰值较大，峰值出现的时间较早; 分辨率较大时，气块上升凝结形成液态水的时间较长，模拟的液态水含量较少。
（3）模式分辨率对LEM模拟的海洋信风区边界层积云的形成影响较大。分辨率较高，模拟的积云形成时间较早，云顶高度较高，单个云块的体积较小、数目较多; 分辨率较低，模拟的积云形成时间较晚，云顶高度较低，单个云块的体积较大、数目较少。
水平分辨率为50 m和125 m的试验都能较准确模拟出信风积云边界层的结构和演变特征，而且分辨率为50 m的试验能更好地模拟海洋信风边界层积云对流。但考虑到提高分辨率在模拟过程中产生的噪音信号对模拟结果的影响，以及计算时间等问题，LEM采用125 m的水平网格距是对海洋信风边界层积云对流模拟较为理想的选择。
| [1] | TIEDTKE M, HECKLEY W A, SLINGO J. Tropical forecasting at ECMWF: The influence of physical parameterizations on the mean structure of forecasts and analyses[J]. Q J Roy Meteorol Soc, 1988, 114(481): 639-664. DOI:10.1002/qj.49711448106 |
| [2] | NEGGERS R A J, NEELIN J D, STEVENS B. Impact mechanisms of shallow cumulus convection on tropical climate dynamics[J]. J Clim, 2007, 20(11): 2 623-2 642. DOI:10.1175/JCLI4079.1 |
| [3] | WOOD R, BRETHERTON C S. Boundary layer depth, entrainment, and decoupling in the cloud-capped subtropical and tropical marine boundary layer[J]. J Clim, 2004, 17(18): 3 576-3 588. DOI:10.1175/1520-0442(2004)017<3576:BLDEAD>2.0.CO;2 |
| [4] | GHATE V P, MILLER M A, DIPRETORE L. Vertical velocity structure of marine boundary layer trade wind cumulus clouds[J]. J Geophys Res, 2011, 116(116): 971-978. |
| [5] | DUSSEN J J, ROODE S R, ACKERMAN A S, et al. The GASS/EUCLIPSE model intercomparison of the stratocumulus transition as observed during ASTEX: LES results[J]. J Adv Model Earth Syst, 2013, 5(3): 483-499. DOI:10.1002/jame.v5.3 |
| [6] | DAVIDSON B. The Barbados oceanographic and meteorological experiment[J]. Bull Am Meteor Soc, 1968, 49(7): 928-934. |
| [7] | AUGSTEIN E, RIEHL H, OSTAPOFF F, et al. Mass and energy transports in an undisturbed Atlantic trade-wind flow[J]. Mon Wea Rev, 1973, 101(2): 101-111. DOI:10.1175/1520-0493(1973)101<0101:MAETIA>2.3.CO;2 |
| [8] | NITTA T, ESBENSEN S. Heat and moisture budget analyses using BOMEX data[J]. Mon Wea Rev, 1974, 102(1): 17-28. DOI:10.1175/1520-0493(1974)102<0017:HAMBAU>2.0.CO;2 |
| [9] | LEMONE M A, PENNELL W T. The relationship of trade wind cumulus distribution to subcloud layer fluxes and structure[J]. Mon Wea Rev, 1976, 104(5): 524-539. DOI:10.1175/1520-0493(1976)104<0524:TROTWC>2.0.CO;2 |
| [10] | LEMONE M A. The marine boundary layer[M]. Boston: Amer Meteor Soc, 1980: 192-231. |
| [11] | GHATE V P, MILLER M A, ZHU P. Differences between nonprecipitating tropical and trade wind marine shallow cumuli[J]. Mon Wea Rev, 2015, 144(2): 681-701. |
| [12] | 温晓培, 隆霄, 张述文, 等. 边界层参数化方案对台风SANBA初生阶段影响的数值模拟研究[J]. 热带气象学报, 2016, 32(3): 358-367. |
| [13] | BRILL K, ALBRECHT B. Diurnal variation of the trade-wind boundary layer[J]. Mon Wea Rev, 1982, 110(6): 601-613. |
| [14] | 赵春生, 石坂隆. 层积云覆盖的海洋边界层云详细微物理过程的数值模拟[J]. 气象学报, 2004, 62(1): 87-95. DOI:10.11676/qxxb2004.010 |
| [15] | SIEBEMA A P, CUIJPERS J W M. Evaluation of Parametric Assumptions for shallow cumulus convection[J]. J Atmos Sci, 1995, 52(6): 650-666. DOI:10.1175/1520-0469(1995)052<0650:EOPAFS>2.0.CO;2 |
| [16] | JIANG H, COTTON W R. Large eddy simulation of shallow cumulus convection during BOMEX: Sensitivity to microphysics and radiation[J]. J Atmos Sci, 2000, 57(4): 582-594. DOI:10.1175/1520-0469(2000)057<0582:LESOSC>2.0.CO;2 |
| [17] | NUIJENS L, STEVENS B. The influence of wind speed on shallow marine cumulus convection[J]. Atmos Sci, 2012, 69(69): 168-184. |
| [18] | GRAY M E B, PETCH J, DERBYSHIRE S H, et al. Version 2.3 of the Met Office large eddy mode[M]. Exeter in UK: The Met Office, 2001. |
| [19] | 黄倩, 王蓉, 田文寿, 等. 风切变对边界层对流影响的大涡模拟研究[J]. 气象学报, 2014, 72(1): 100-115. DOI:10.11676/qxxb2014.007 |
| [20] | STEVENS B. Atmospheric moist convection[J]. Ann Rev Earth Planet Sci, 2004, 33(33): 605-643. |
| [21] | 刘艳, 唐南军, 杨学胜. 利用COSMIC/GPS掩星折射率资料研究海洋边界层高度的特点[J]. 热带气象学报, 2015, 31(1): 43-50. |
| [22] | 吕乃平, 李诗明, 苏立荣. 赤道西太平洋的边界层特性和通量计算[J]. 海洋学报, 1990, 12(5): 571-580. |
| [23] | HIGNETT P. Observations of diunal variation in a cloud-capped marine boundary layer[J]. J Atmos Sci, 1940, 48(12): 1 474-1 482. |
| [24] | MOENG C H, ROTUNNO R. Vertical velocity skewness in the buoyancy drive boundary layer[J]. J Atmos Sci, 1990, 47(9): 1 147-1 162. |
| [25] | LEMONE M A. Some observations of vertical velocity skewness in the convective planetary boundary layer[J]. J Atmos Sci, 1990, 47(9): 1 163-1 169. DOI:10.1175/1520-0469(1990)047<1163:SOOVVS>2.0.CO;2 |
| [26] | QIANHUANG, MARSHAM J H, PARKER D J, et al. A comparison of roll and convection and the subsequent deepening moist convection: An LEM case study based on SCMS data[J]. Mon Wea Rev, 2009, 137(1): 350-365. DOI:10.1175/2008MWR2450.1 |
| [27] | 徐华英, 李桂忱. 有云泡结构的对流云中降水形成的研究[J]. 气象学报, 1980, 38(3): 260-268. DOI:10.11676/qxxb1980.031 |
| [28] | 王昂生, 赵小宁, 康玉霞, 等. 昔阳地区冰雹云形成过程的一些特征[J]. 大气科学, 1980, 4(2): 186-194. |
| [29] | 陈添宇, 郑国光, 陈跃, 等. 祁连山夏季西南气流背景下地形云形成和演化的观测研究[J]. 高原气象, 2010, 29(1): 152-163. |
| [30] | 肖辉, 王孝波, 周非非, 等. 强降水云物理过程的三维数值模拟研究[J]. 大气科学, 2004, 28(3): 385-404. |
| [31] | 王建捷, 李泽椿. 1998年一次梅雨锋暴雨中尺度对流系统的模拟与诊断分析[J]. 气象学报, 2002, 60(2): 146-155. DOI:10.11676/qxxb2002.018 |
| [32] | 高会旺, 黄美元, 余方群. 大气污染物对流垂直输送作用的探讨[J]. 环境科学, 1998(4): 1-4. |
| [33] | 金祺, 银燕, 谭稳. 黄山地区复杂地形下污染气体输送过程的数值模拟[J]. 大气科学学报, 2012, 35(6): 680-688. |
| [34] | 陈杨瑞雪, 罗亚丽. 不同边界层参数化方案和陆面过程参数化方案对一次梅雨锋暴雨显式对流模拟的影响分析[J]. 热带气象学报, 2016, 32(5): 656-667. |
| [35] | TIAN W S, PARKER D J, D KILBURN C A. Observations and numerical simulation of atmosphere cellular convection over mesoscale topography[J]. Mon Wea Rev, 2002, 131(1): 222-235. |
| [36] | DELNORE V E. Diurnal variation of temperature and energy budget for the oceanic mixed layer during Bomex[J]. J Phys Oceanogr, 1972, 2(3): 239-247. DOI:10.1175/1520-0485(1972)002<0239:DVOTAE>2.0.CO;2 |
| [37] | 王蓉, 黄倩, 田文寿, 等. 边界层对流对示踪物抬升和传输影响的大涡模拟研究[J]. 大气科学, 2015, 39(4): 731-746. DOI:10.3878/j.issn.1006-9895.1502.14155 |
| [38] | CHOW F K, MOIN P. A further study of numerical errors in large-eddy simulations[J]. J Computat Phys, 2003, 184(2): 366-380. DOI:10.1016/S0021-9991(02)00020-7 |
| [39] | MEDEIROS B, STEVENS B, HELD I M, et al. Aquaplanets, climate sensitivity, and low clouds[J]. J Clim, 2008, 21(19): 4 974-4 991. DOI:10.1175/2008JCLI1995.1 |
| [40] | WANG H, FEINGOLD G. Modeling mesoscale cellular structures and drizzle in marine stratocumulus, Part Ⅰ: Impact of drizzle on the formation and evolution of open cells[J]. J Atmos Sci, 2009, 66(11): 3 237-3 256. DOI:10.1175/2009JAS3022.1 |
| [41] | XUEWEN H, FEINGOLD G, STEVENS B. Aerosol effects on clouds, precipitation, and the organization of shallow cumulus convection[J]. J Atmos Sci, 2008, 65(2): 392-406. DOI:10.1175/2007JAS2428.1 |
| [42] | YAMAGUCHI T, RANDALL D A, KHAIROUTDINOV M F. Cloud modeling tests of the ULTIMATE-MECHO scalar advection scheme[J]. Mon Wea Rev, 2011, 139(10): 3 248-3 264. DOI:10.1175/MWR-D-10-05044.1 |
| [43] | BROWN A R. The sensitivity of large eddy simulations of shallow cumulus convection toresolution and subgridmodel[J]. Q J R Meteorol Soc, 1999, 125(554): 469-482. DOI:10.1002/(ISSN)1477-870X |