基于Polar WRF模型的南极冰盖气温、风速和气压数值模拟

doi:10.7522/j.issn.1000-0240.2022.0082

冰川冻土 ›› 2022, Vol. 44 ›› Issue (3): 843-862.doi: 10.7522/j.issn.1000-0240.2022.0082

基于Polar WRF模型的南极冰盖气温、风速和气压数值模拟

张玉伦¹^,²(), 王叶堂²(), 侯书贵¹

^1.南京大学地理与海洋科学学院，江苏南京 210023
^2.山东师范大学地理与环境学院，山东济南 250358

收稿日期:2020-08-17 修回日期:2021-06-26 出版日期:2022-06-25 发布日期:2022-08-27
通讯作者: 王叶堂 E-mail:z_yulun@163.com;wangyetang@163.com
作者简介:张玉伦，博士研究生，主要从事极地气候数值模拟研究. E-mail： z_yulun@163.com
基金资助:
国家自然科学基金面上项目(41971081);山东省高等学校青创科技支持计划项目(2019KJH011);中国科学院战略性先导科技项目（A类）(XAD19070103);国家自然科学基金重点项目(41830644);国家自然科学基金重大研究计划培育项目(91837102);国家自然科学基金优秀青年科学基金项目(41622605);江苏省"333高层次人才工程"项目(BRA2020030);国家海洋局极地考察办公室极地科学协同创新平台项目(CXPT2020012)

Simulations of temperature， wind speed and pressure in the Antarctic Ice Sheet based on Polar WRF

Yulun ZHANG¹^,²(), Yetang WANG²(), Shugui HOU¹

^1.School of Geography and Ocean Science，Nanjing University，Nanjing 210023，China
^2.Geography and Environment College，Shandong Normal University，Jinan 250358，China

Received:2020-08-17 Revised:2021-06-26 Online:2022-06-25 Published:2022-08-27
Contact: Yetang WANG E-mail:z_yulun@163.com;wangyetang@163.com

摘要/Abstract

摘要：

在全球变暖的背景下，南极已成为全球气候变化研究的热点，然而其区域内的观测站点稀疏且缺乏较长的时间序列，限制了人们对南极气候变化机制的分析与理解。Polar WRF作为目前最先进的极地区域气候模型之一，有力弥补了观测资料不足的缺陷，然而模式存在误差，在应用之前有必要对其定量评估。本文利用Polar WRF3.9.1对2004—2013年南极冰盖2 m气温、10 m风速和地表气压进行了数值模拟，并与28个气象站数据进行了对比分析，结果表明：模式对气温的模拟值在东南极沿岸偏低，在内陆偏高，在南极半岛既存在冷偏差也存在暖偏差，而对风速和气压的模拟整体呈高估。而从均方根误差和平均绝对误差的空间分布来看，模式对气温和气压的模拟结果在东南极沿岸的精度高于内陆和南极半岛，而风速则在内陆的精度要高于沿岸地区。但总体来说模拟效果较为理想，在2004—2013年间气温、风速、气压的模拟值的变化趋势与实测值的变化趋势相同。模式模拟的年平均2 m气温和近地面气压在所有站点都通过了α=0.1的显著性检验，季节误差和月误差整体较小，且所有月份的相关系数都分别大于0.90与0.79。模式对10 m风速的模拟精度要略低，部分沿岸站点的年平均误差超过了7.5 m·s^-1，但整体而言其在四季和各个月份的相关性均大于0.5且误差小于4.5 m·s^-1。虽然Polar WRF作为天气模式，但在模拟长时间尺度的气候方面仍然表现较好。

关键词: 南极冰盖, Polar WRF, 数值模拟, 温度, 风速, 气压

Abstract:

With the global warming， Antarctica is increasingly becoming the attentive hotspot in global climate change research. However， there is a principal reason for our poor understanding the mechanism of climate change in Antarctica due to the inadequate meteorological observations. Polar Weather Research and Forecasting Model （Polar WRF）， one of the most advanced limited-area models， is an appropriate tool available for offsetting the lack of observations. It is crucial to assess the performance of Polar WRF before application for climate change studies because of the model’s uncertainties. Simulated 2 m temperature， 10 m wind speed and near surface pressure over the Antarctic Ice Sheet for the period 2004—2013 are evaluated using 28 weather stations. Results show that there is a cold bias over coast of East Antarctica， a warm bias in the inland of East Antarctica， and both cold and warm biases exist in the Antarctic Peninsula. In addition， the simulation of wind speed and near surface pressure is overestimated in the entire ice sheet. The modeled 2 m air temperature and near surface pressure along the coast are more accurate than in the inland， but opposite for the wind speed. In general， Polar WRF shows a good skill in simulating 2 m air temperature， 10 m wind speed and near surface pressure. The trend of observed air temperature， wind speed and near surface pressure in the period of 2004 to 2013 is roughly captured by simulations. Moreover， the simulated annual mean 2 m temperature and near surface pressure simulated passed significance test of α=0.1， the seasonal and monthly errors are relative lower， and the correlation of all months are greater than 0.90 and 0.79 respectively. While some larger errors exist in costal stations for wind speed， the correlation between seasonal and monthly mean simulated wind speed and observed wind speed is greater than 0.5 and the error value is less than 4.5 m·s^-1. Overall， as a weather model， Polar WRF performs well in simulating long time scale weather and climate.

Key words: Antarctic ice sheet, Polar WRF, numerical simulation, temperature, wind speed, pressure

中图分类号:

P467

张玉伦, 王叶堂, 侯书贵. 基于Polar WRF模型的南极冰盖气温、风速和气压数值模拟[J]. 冰川冻土, 2022, 44(3): 843-862.

Yulun ZHANG, Yetang WANG, Shugui HOU. Simulations of temperature， wind speed and pressure in the Antarctic Ice Sheet based on Polar WRF[J]. Journal of Glaciology and Geocryology, 2022, 44(3): 843-862.

图/表 25

表1

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

图12

图13

图14

图15

图16

图17

图18

图19

图20

图21

图22

图23

表2

参考文献 39

1	Allison I， Morrissy J V. Automatic weather stations in the Antarctic［J］. Australian Meteorological Magazine， 1983， 31（2）： 71-76.
2	Xiao Cunde. Changes in Antarctic Climate System： Past， present and future［J］. Advances in Climate Change Research， 2008， 4（1）： 1-7.
	效存德. 南极地区气候系统变化：过去、现在和将来［J］.气候变化研究进展， 2008， 4（1）： 1-7.
3	Chen Liqi. Evidence of Arctic and Antarctic changes and their regulation of global climate change： further findings since the Fourth IPCC Assessment Report released［J］. Chinese Journal of Polar Research， 2013， 25（1）： 1-6.
	陈立奇. 南极和北极地区变化对全球气候变化的指示和调控作用——第四次IPCC评估报告以来一些新认知［J］. 极地研究， 2013， 25（1）： 1-6.
4	Qu X， Hall A. Surface contribution to planetary albedo variability in cryosphere regions［J］. Journal of Climate， 2005， 18（24）： 5239-5252.
5	Steig E J， Schneider D P， Rutherford S D， et al. Warming of the Antarctic ice-sheet surface since the 1957 International Geophysical Year［J］. Nature， 2009， 457（7228）： 459-462.
6	Wild M. Effects of polar ice sheets on global sea level in high-resolution greenhouse scenarios［J］. Journal of Geophysical Research Atmospheres， 2003， 108（D5）： 4165.
7	Holland P R， Bracegirdle T J， Dutrieux P， et al. West Antarctic ice loss influenced by internal climate variability and anthropogenic forcing［J］. Nature Geoscience， 2019， 12（9）： 718-724.
8	Song Yingzhi.The study of ice sheet height change in Antarctic by using ICESat laser altimeter data［D］. Fuxin： Liaoning Technical University， 2009.
	宋志英. 利用ICESAT激光测高数据监测南极冰盖高程变化的研究［D］. 阜新：辽宁工程技术大学， 2009.
9	Barrett P. Antarctic climate history over the last 100 million years［J］. Terra Antarctica Reports， 1999， 3： 53-72.
10	Qin Dahe， Zhou Botao， Xiao Cunde. Progress in studies of cryospheric changes and their impacts on climate of China［J］. Acta Meteorologica Sinica， 2014， 72（5）：869-879.
	秦大河，周波涛，效存德. 冰冻圈变化及其对中国气候的影响［J］. 气象学报， 2014，72（5）：869-879.
11	Lazzara M A， Weidner G A， Keller L M， et al. Antarctic automatic weather station program： 30 years of polar observation［J］. Bulletin of the American Meteorological Society， 2012， 93（10）： 1519-1537.
12	Fraiman R， Justel A， Liu R， et al. Detecting trends in time series of functional data： A study of Antarctic climate change［J］. Canadian Journal of Statistics， 2014， 42（4）： 597-609.
13	Bozkurt D， Bromwich D H， Carrasco J， et al. Recent near-surface temperature trends in the Antarctic peninsula from observed， reanalysis and regional climate model data［J］. Advances in Atmospheric Sciences， 2020， 37（5）： 477-493.
14	Ohata T， Ishikawa N， Kobayashi S， et al. Heat balance at the snow surface in a katabatic wind zone， east Antarctica［J］. Annals of Glaciology， 1985， 6： 174-177.
15	Tastula E M， Vihma T. WRF model experiments on the Antarctic atmosphere in winter［J］. Monthly Weather Review， 2011， 139（4）： 1279-1291.
16	Bromwich D H， Nicolas J P， Monaghan A J. An assessment of precipitation changes over Antarctica and the Southern Ocean since 1989 in contemporary global reanalyses［J］. Journal of Climate， 2011， 24（16）： 4189-4209.
17	Reijmer C H. Evaluation of temperature and wind over Antarctica in a Regional Atmospheric Climate Model using 1 year of automatic weather station data and upper air observations［J］. Journal of Geophysical Research Atmospheres， 2005， 110（D4）： D04103.
18	Bromwich D H， Hines K M， Bai Lesheng. Development and testing of polar weather research and forecasting model： 2. Arctic Ocean［J］. Journal of Geophysical Research Atmospheres， 2009， 114（D8）： D08122.
19	Hines K M， Bromwich D H， Barlage M， et al. Arctic land simulations with Polar WRF［C］//Preprints， 10th Conf. Polar Meteorology and Oceanography. 2009： 17-21.
20	Hines K M， Bromwich D H. Development and testing of polar weather research and forecasting （WRF） model. part I： Greenland ice sheet meteorology［J］. Monthly Weather Review， 2008， 136（6）： 1971-1989.
21	Listowski C， Lachlan-Cope T. The microphysics of clouds over the Antarctic Peninsula–Part 2： Modelling aspects within Polar WRF［J］. Atmospheric Chemistry and Physics， 2017， 17（17）： 10195-10221.
22	Ma Yongfeng. Evaluation of polar WRF simulations of Antarctic atmospheric circulation［D］. Beijing： Chinese Academy of Meteorological Sciences， 2012.
	马永锋. Polar WRF对南极地区天气过程的模拟试验研究［D］. 北京：中国气象科学研究院， 2012.
23	Deb P， Orr A， Hosking J S， et al. An assessment of the Polar Weather Research and Forecasting （WRF） model representation of near-surface meteorological variables over West Antarctica［J］. Journal of Geophysical Research： Atmospheres， 2016， 121（4）： 1532-1548.
24	Steinhoff D F， Bromwich D H， Lambertson M， et al. A dynamical investigation of the may 2004 McMurdo Antarctica severe wind event using AMPS［J］. Monthly Weather Review， 2008， 136（1）： 7-26.
25	Wilson A B， Bromwich D H， Hines K M. Evaluation of Polar WRF forecasts on the Arctic System Reanalysis Domain： 2. Atmospheric hydrologic cycle［J］. Journal of Geophysical Research Atmospheres， 2012， 117（D4）： D04107.
26	Li Xin. Dynamic Change of Totten Glacier， East Antarctica［D］. Erwan City： University of California， Irvine， 2016.
27	van Wessem J M， Reijmer C H， van de Berg W J， et al. Temperature and wind climate of the Antarctic peninsula as simulated by a high-resolution regional atmospheric climate model［J］. Journal of Climate， 2015， 28（18）： 7306-7326.
28	Skamarock W C， Klemp J B， Dudhia J， et al. A description of the advanced research WRF model version 4［J］. National Center for Atmospheric Research： Boulder， CO， USA， 2019， 145： 145.
29	Budd W F， Wu Xingren， Reid P A. Physical characteristics of the Antarctic Sea-ice zone derived from modelling and observations［J］. Annals of Glaciology， 1997， 25： 1-7.
30	Allison I. Surface climate of the interior of the Lambert Glacier Basin， Antarctica， from automatic weather station data［J］. Annals of Glaciology， 1998， 27： 515-520.
31	Lazzara M A， Weidner G A， Keller L M， et al. Antarctic automatic weather station program： 30 years of polar observation［J］. Bulletin of the American Meteorological Society， 2012， 93（10）： 1519-1537.
32	Paulson C A. The mathematical representation of wind speed and temperature profiles in the unstable atmospheric surface layer［J］. Journal of Applied Meteorology， 1970， 9（6）： 857-861.
33	Rodrigo J S， Buchlin J， Beeck J. On Antarctic wind engineering［M］. Pamplona， Spain： Centro Nacional de Energias Renovables， 2011.
34	Dong Xu， Wang Yetang， Hou Shugui， et al. Robustness of the recent global atmospheric reanalyses for Antarctic near-surface wind speed climatology［J］. Journal of Climate， 2020， 33（10）： 4027-4043.
35	Hsu S A， Meindl E A， Gilhousen D B. Determining the power-law wind-profile exponent under near-neutral stability conditions at sea［J］. Journal of Applied Meteorology， 1994， 33（6）： 757-765.
36	Nigro M A， Cassano J J， Seefeldt M W. A weather-pattern-based approach to evaluate the antarctic mesoscale prediction system （AMPS） forecasts： comparison to automatic weather station observations［J］. Weather and Forecasting， 2011， 26（2）： 184-198.
37	Valkonen T， Vihma T， Johansson M M， et al. Atmosphere-sea ice interaction in early summer in the Antarctic： Evaluation and challenges of a regional atmospheric model［J］. Quarterly Journal of the Royal Meteorological Society， 2014， 140（682）： 1536-1551.
38	Guo Zhichang， Bromwich D H， Cassano J J. Evaluation of polar MM5 simulations of Antarctic atmospheric circulation［J］. Monthly Weather Review， 2003， 131（2）： 384-411.
39	Glisan J M， Gutowski W J， Cassano J J， et al. Effects of spectral nudging in WRF on Arctic temperature and precipitation simulations［J］. Journal of Climate， 2013， 26（12）： 3985-3999.

序号	站名	站点类型	纬度/S	经度/E	高程/m	格点	格点高程/m
1	Marsh	人工气象站	62.2°	-58.9°	10	（94，13）	36
2	Great_Wall	人工气象站	62.2°	-59.0°	10	（94，13）	36
3	Jubany	人工气象站	62.2°	-58.6°	4	（94，13）	36
4	King_Sejong	人工气象站	62.2°	-58.7°	11	（94，13）	36
5	Esperanza	人工气象站	63.4°	-57.0°	13	（94，16）	1 045
6	Marambio	人工气象站	64.2°	-56.7°	198	（93，18）	74
7	Palmer	人工气象站	64.3°	-64.0°	8	（87，15）	204
8	Marble_Point	自动气象站	77.4°	163.7°	12	（38，71）	255
9	Rothera	人工气象站	67.5°	-68.1°	32	（81，20）	51
10	San_Martin	人工气象站	68.1°	-67.1°	4	（81，21）	240
11	Butler_Island	自动气象站	72.2°	-60.2°	91	（82，31）	27
12	Byrd	自动气象站	80.0°	-119.4°	1 530	（53，45）	1 547
13	Henry	自动气象站	89.0°	-1.0°	2 754	（66，63）	2 653
14	Theresa	自动气象站	77.9°	166.5°	20	（59，69）	127
15	Larsen_Ice_Shelf	自动气象站	66.9°	-60.9°	17	（87，21）	0
16	Amundsen_Scott	人工气象站	90.0°	0°	2 835	（64，63）	2 772
17	Dome_C_II	自动气象站	75.1°	123.4°	3 280	（46，89）	3 235
18	Vostok	人工气象站	78.5°	106.9°	3 490	（57，86）	3 459
19	Harry	自动气象站	83.0°	-121.4°	954	（56，51）	971
20	Novolazarevskaya	人工气象站	70.8°	11.8°	119	（103，72）	290
21	Syowa	人工气象站	69.0°	39.6°	21	（97，92）	556
22	Mawson	人工气象站	67.6°	62.9°	16	（85，105）	577
23	Zhongshan	人工气象站	69.4°	76.4°	18	（74，105）	296
24	Davis	人工气象站	68.6°	78.0°	13	（73，107）	140
25	Casey	人工气象站	66.3°	110.5°	42	（46，110）	215
26	Dumont_Durville	人工气象站	66.7°	140.0°	43	（26，95）	373
27	Pegasus_North	自动气象站	84.6°	-115.8°	1 463	（59，53）	1 714
28	McMurdo	人工气象站	77.9°	166.7°	24	（39，69）	127

	误差	1月	2月	3月	4月	5月	6月	7月	8月	9月	10月	11月	12月
温度	平均偏差	-0.34	-0.55	-0.55	-1.26	-0.87	-0.36	-0.60	-0.30	0.18	0.10	0.06	-0.10
	平均绝对误差	1.00	1.53	2.13	3.00	2.75	2.80	2.80	2.57	2.12	1.85	1.53	1.04
	均方根误差	1.36	2.13	2.95	3.85	3.62	3.56	3.82	3.44	3.18	2.47	2.10	1.36
	相关系数	0.99	0.99	0.99	0.98	0.99	0.98	0.98	0.98	0.98	0.99	0.99	0.84
风速	平均偏差	4.47	5.49	5.84	5.79	5.60	5.81	5.56	5.74	5.93	5.97	5.62	4.77
	平均绝对误差	4.47	5.49	5.84	5.79	5.60	5.81	5.56	5.74	5.93	5.97	5.62	4.77
	均方根误差	5.17	6.41	6.87	6.89	6.64	6.83	6.74	6.81	6.86	6.85	6.45	5.43
	相关系数	0.84	0.84	0.85	0.82	0.86	0.81	0.84	0.84	0.79	0.86	0.85	0.82
气压	平均偏差	2.72	2.79	2.91	2.87	2.98	2.90	2.91	2.79	2.76	2.89	2.74	2.66
	平均绝对误差	2.63	2.71	2.90	2.84	3.00	2.93	2.97	2.85	2.82	2.85	2.71	2.59
	均方根误差	3.72	3.73	3.85	3.85	3.98	3.88	3.87	3.75	3.74	3.78	3.73	3.67
	相关系数	0.99	0.99	0.99	0.99	0.99	0.99	0.99	0.99	0.99	0.99	0.99	0.99

[1]	任思宇, 姜亮, 翟胜强, 叶晓华, 郭江. 基于动力过程的冰湖溃决洪水侵蚀演化特征研究[J]. 冰川冻土, 2023, 45(4): 1300-1313.
[2]	闫旭春, 吴晓东, 吕雅琼, 吴通华, 李韧, 胡国杰, 邹德富, 刘亚东, 魏献花, 范晓英, 王栋. CLM5. 0对阿拉斯加多年冻土区土壤温度和碳循环模拟的适用性评估[J]. 冰川冻土, 2023, 45(3): 902-914.
[3]	郭俊钰, 祁元, 王宏伟, 张金龙, 杨瑞, 曹永攀. 青海木里煤田地表温度变化及其影响因素分析[J]. 冰川冻土, 2023, 45(3): 980-992.
[4]	梁铭轩, 葛建锐, 牛永红. 环境温度对碎石层传热特性的影响研究[J]. 冰川冻土, 2023, 45(3): 1006-1015.
[5]	刘勤龙, 李旭, 姚兆明, 吴永康, 蔡德钩. 冻土强度特性及其主控因素综述[J]. 冰川冻土, 2023, 45(3): 1092-1104.
[6]	王冬勇, 邵博, 马玲, 齐吉琳, 彭丽云. 基于微极理论的冻结砂土应变局部化数值模拟[J]. 冰川冻土, 2023, 45(3): 1105-1115.
[7]	王升第, 曹斌, 郝建盛, 孙文, 周志伟. 新疆季节性积雪对地表温度的影响[J]. 冰川冻土, 2023, 45(2): 435-445.
[8]	成倬鋆, 刘桂民, 王耀新, 母梅, 朱永基, 董文文, 牟翠翠, 马鹏, 李羽莹, 王莉, 吴晓东. 温度对青藏高原热融湖塘沉积物甲烷产量的影响[J]. 冰川冻土, 2023, 45(2): 548-557.
[9]	薛伟, 周毓彦, 刘建伟, 鲁帆, 侯保灯, 胡莹莹, 肖伟华. 基于SHAW模型的青藏高原季节冻土区土壤温湿度模拟与评估[J]. 冰川冻土, 2023, 45(1): 54-66.
[10]	徐岳震, 申明德, 周志伟, 马巍, 李国玉. 青藏铁路高温多年冻土区典型路基的长期热稳定性研究[J]. 冰川冻土, 2022, 44(6): 1784-1795.
[11]	魏佳北. 高速公路波形梁护栏对风吹雪灾害的影响研究[J]. 冰川冻土, 2022, 44(6): 1887-1897.
[12]	伍健恒, 孙彩歌, 樊风雷. 西藏地表温度时空演变特征及影响因子[J]. 冰川冻土, 2022, 44(5): 1523-1538.
[13]	王树源, 范义姣, 杨军怀, 陈梓炫, 田伟东, 高福元, 夏敦胜. 雅鲁藏布江中上游地区表土碳同位素变化及其影响因素初探[J]. 冰川冻土, 2022, 44(4): 1130-1139.
[14]	段克勤, 石培宏, 何锦屏. 山地冰川变化的数值模拟及其在亚洲高山区的应用[J]. 冰川冻土, 2022, 44(3): 753-761.
[15]	孙欢, 王宁练. 基于冰川钻孔温度的古气候重建研究进展[J]. 冰川冻土, 2022, 44(3): 784-794.

基于Polar WRF模型的南极冰盖气温、风速和气压数值模拟

Simulations of temperature， wind speed and pressure in the Antarctic Ice Sheet based on Polar WRF

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 25

参考文献 39

相关文章 15

Metrics

本文评价

推荐阅读 0