环境科学研究  2018, Vol. 31 Issue (8): 1382-1388  DOI: 10.13198/j.issn.1001-6929.2018.05.11

引用本文  

李博, 王颖, 张稼轩, 等. 河谷城市通风系数研究[J]. 环境科学研究, 2018, 31(8): 1382-1388.
LI Bo, WANG Ying, ZHANG Jiaxuan, et al. Ventilation Coefficient in River Valley Terrain[J]. Research of Environmental Sciences, 2018, 31(8): 1382-1388.

基金项目

国家自然科学基金项目(No.41205007)
Supported by National Natural Science Foundation of China (No.41205007)

责任作者

王颖(1975-), 女, 吉林四平人, 副教授, 博士, 硕导, 主要从事大气边界层和空气污染模拟研究, yingwang@lzu.edu.cn.

作者简介

李博(1994-), 男, 甘肃平凉人, lib16@lzu.edu.cn

文章历史

收稿日期:2017-09-01
修订日期:2018-04-24
河谷城市通风系数研究
李博1 , 王颖1,2 , 张稼轩1 , 黄萌1 , 杨雪玲1     
1. 兰州大学大气科学学院, 甘肃 兰州 730000;
2. 兰州大学, 半干旱气候变化教育部重点实验室, 甘肃 兰州 730000
摘要:通风系数是科学确定污染物排放总量的基础.利用WRF模式模拟的边界层高度和风速计算了兰州新区2014年4个季节的通风系数,探讨了风速的季节性变化和日变化特征.结果表明:①WRF模式模拟得到的兰州新区的混合层平均风速呈夜间高、日间低的特征,日间混合层内平均风速最大值出现在20:00左右,这与地面风速积分法确定的平均风速具有较高相关性,验证了利用模式模拟边界层内平均风速特征的能力.②混合层高度季节变化呈现春夏季高、秋冬季低的特征;受太阳辐射的影响,日间混合层高度明显高于夜间.③通风系数具有明显的季节性变化特征(4个季节的通风系数分别为4 607.6、5 424.1、1 316.4、706.9 m2/s),夏季高,冬季小,这与混合层高度和混合层内平均风速的季节性变化特征一致;日变化呈现单峰型的变化规律,冬季的峰值出现在15:00,而其他3个季节的峰值则出现在17:00左右.研究显示,WRF模式的模拟结果可以较好地反映混合层平均风速的基本特征,利用WRF模式模拟的结果计算得到的河谷地形的通风系数较为合理,不同季节的通风系数差异较大.
关键词平均风速    边界层高度    WRF模式    通风系数    
Ventilation Coefficient in River Valley Terrain
LI Bo1 , WANG Ying1,2 , ZHANG Jiaxuan1 , HUANG Meng1 , YANG Xueling1     
1. College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China;
2. Key Laboratory of Semi-Arid Climate Change, Ministry of Education, Lanzhou University, Lanzhou 730000, China
Abstract: The ventilation coefficient is important for estimating air pollutants capacity scientifically. The ventilation coefficient over Lanzhou New District in 2014 has been computed based on the planetary boundary layer height (PBLH) and wind velocity simulated by WRF model, the seasonal and diurnal variation of wind velocity in the mixed layer was discussed. The results are shown as follows:(1) Wind velocity in the mixed layer was calculated both by WRF simulation and integration method based on the observed surface windvelocity. Two results showed a strong correlation, and represented the characteristic of lower in daytime and higher at night. (2) The mixed layer height in spring and summer was higher than that in autumn and winter. For diurnal fluctuations, the mixied layer was higher in daytime than at night which dominated by solar radiation. (3) The ventilation coefficient showed significant seasonal variations with ventilation coefficients of 4607.6, 5424.1, 1316.4 and 706.9 m2/s in spring, summer, autumn and winter in 2014, respectively, which was consistent with the characteristic of PBLH or average wind speed in mixed layers; For diurnal variations, the ventilation coefficient showed characteristic of the single peak. Besides, the peak value occured at 15:00 in winter, and at about 17:00 for other seasons. The study suggested that:the simulation results by WRF model can represent the basic characteristic of the average wind speed in the mixed layer. The ventilation coefficient computed by the WRF model was reasonable in river valley terrain, and it varied greatly in different seasons.
Keywords: average wind speed    PBLH    WRF model    ventilation coefficient    

由于经济的高速增长和城市化进程的不断加快,粗放型经济增长方式带来的高强度污染排放,使得我国的空气污染问题日益突出;严重的大气污染对公众健康、生态环境和社会经济都会产生巨大的威胁与损害[1-2].为了有效地控制和管理区域大气污染,保护和改善环境空气质量,我国提出了更为严格的污染物排放总量控制制度.污染物排放总量控制制度是指以环境容量为基础、以改善环境质量为目标,采取一系列具体措施将排放进入给定区域内的全部污染物的总量控制在环境容量极限范围内,进而满足该区域环境质量要求的污染控制方式及其管理规范的制度措施[3-4].

兰州新区位于兰州市皋兰县和永登县之间的秦王川盆地,是我国的第五个新区,也是西北地区第一个国家级新区.新区的发展对于破解兰州发展的瓶颈制约,拓展城市发展空间,促进西部地区产业结构调整,进而实现全省跨越式发展有着重要意义.依据《兰州新区总体规划(2011—2030)(2014年修改)》,新区规划产业主要有石油化工、装备制造、生物医药、新材料、现代物流、电子信息和现代农业等七大产业.随着这些产业的建设与发展,不可避免地会对大气环境造成一定的影响.为保护区域环境空气质量,保障人居环境和身体健康,实现区域可持续发展,根据区域污染扩散特征给出大气污染物排放总量是十分必要的.

总量控制以大气环境容量为依据,核算区域基本大气环境容量的基础方法是基于箱模式的A值法,A值即地理区域性总量控制系数:

$ A = 3.153\;6 \times {10^{ - 3}}\sqrt \pi {V_{\rm{E}}}/2 $ (1)

式中,VE为通风系数,m2/s,由混合层平均风速和混合层高度确定,可以反映该地区对污染物的稀释扩散能力[5-6].

在大气动力因子和热力因子的作用下,混合层高度从几百米到几公里范围变化[7],受观测资料限制,很难获得混合层内平均风速和混合层高度.因此,区域环境容量的相关研究中,大多采用《城市大气污染物总量控制方法手册》推荐的A值,如甘肃(渭河以北)地区,A值为3.5~4.9,变幅近40%,这种误差直接影响区域环境容量的准确性.以往对于以A值法为基础的大气环境容量的相关研究,重点关注A值的计算以及容量的季节变化特征[8-9],而对于计算A值的基本参数——通风系数(VE)的研究报道不多.邢文听[10]利用干绝热法求解的混合层高度和风速积分法确定的平均风速计算了兰州市不同月份的平均通风系数;Krishnan等[11]利用L波段UHF风廓线仪观测的大气边界层高度和采用积分法计算的风速估算了Gadanki的通风系数并分析了其日变化特征;Sujatha等[12]根据BBL(激光雷达观测的边界层高度)和COSMIC GPSRO反演的边界层高度及来自NOAA/ESRL的风速数据估算了海德拉巴市2009—2011年的通风系数.这些研究成果基本都是基于积分法所得风速进而计算得到不同地区的通风系数.积分法以幂次律为基础,通过对地面风速进行积分得到混合层内的平均风速;但观测点的代表性对计算结果影响较大,特别是对河谷地形复杂下垫面,单个测点风速的空间代表性非常有限.

许多相关研究[13-21]的结果验证了WRF模式模拟边界层风速及边界层高度的能力.因此,该研究利用WRF模式模拟的边界层高度和风速计算兰州新区4个季节代表性月份(1月、4月、7月、10月,分别代表冬季、春季、夏季、秋季)的通风系数,并与采用同期地面观测风速通过积分法计算的通风系数进行了对比,分析WRF模式计算通风系数的可靠性;探讨了边界层内平均风速、通风系数的季节变化和日变化特征,以期为科学制订污染物排放总量指标、进而制订新区环境规划、指导产业布局等环境管理工作提供参考和依据.

1 研究方法 1.1 通风系数的计算

计算公式:

$ {V_{\rm{E}}}{\rm{ = }}\overline u {h_i} $ (2)

根据《城市大气污染物总量控制方法手册》,通风系数月均值的计算公式:

$ {V_{\rm{E}}}' = n/\left( {\sum\limits_{i = 1}^n {\;\frac{1}{{{u_i}{h_i}}}} } \right) $ (3)

式中:u为混合层高度内的平均风速,m/s;ui为每时段混合层高度内的平均风速,m/s;hi为每时段的混合层高度,m;n为观测时段数;i为观测时段的序号(i=1, 2, …, n);VE′为通风系数的月均值,m2/s.

1.2 大气混合层高度的计算

大气混合层高度可以表征污染物垂直扩散的范围,常用的计算方法主要有实测法(干绝热法、激光雷达资料反演法等)、经验公式法(国标法)和数值模式模拟方法等[7, 22-26].

干绝热法利用每天08:00的气温探空资料,在埃玛图上画出气温廓线,取当天14:00的地面气温作干绝热曲线,气温廓线与曲线的交点到下垫面的铅直距离称为日平均最大混合层高度;该法忽略了平流、下沉及机械湍流的影响,主要考虑热力湍流的作用[22, 24].王式功等[7]在干绝热法原理的基础上,提出了求解二元一次方程组法和逐步逼近法两种方法来计算混合层高度.由于这两种方法估算的是日最大混合层高度,与平均混合层高度相差较大.经验公式法(国标法)没有考虑热力因子和其他气象条件对混合层高度的影响[24],不能真实地反映该地区的混合层高度.

随着数值模式发展和计算机运算能力的提升,数值模式在边界层结构、气象要素分布特征等相关研究中得到了广泛运用,利用模式模拟边界层高度是目前常用的方法之一,国内科研工作者利用WRF模式模拟边界层高度做了大量的工作.王腾蛟等[27]运用中尺度数值模式WRF模拟了黄土高原丘陵地形条件下大气边界层结构表明,WRF模式能较好地模拟出黄土高原夏季边界层结构的日变化特征.采用WRF模式针对河谷城市兰州市相关的研究成果也较丰富.缪国军等[28]利用中尺度WRF气象模式模拟研究兰州市冬季大气边界层的风场和温度场特征表明,高分辨率(1 km)的WRF模拟能够较好地模拟兰州市冬季大气边界层特征,并且验证了WRF中尺度模式可用于研究山谷城市大气边界层的特征;王丽霞等[29]利用WRF模式模拟兰州市冬季边界层高度表明,WRF能较好地模拟兰州市冬季边界层高度.这些研究成果表明WRF模式具有模拟复杂下垫面边界层气象参数特征的能力.因此,该研究采用WRF模式模拟的边界层高度,定量计算区域的通风系数.

1.3 混合层内的平均风速的计算

混合层内的平均风速为混合层内空气水平输送平均速率的量度,其计算方法主要有风速积分法、平均法等.

1.3.1 风速积分法

风速积分法为计算混合层高度内平均风速最常用的方法,其计算公式:

$ \begin{array}{l} \overline u = \frac{1}{{{h_i}}}\smallint _0^{{h_i}}u\left( z \right){\rm{d}}\;z = \frac{1}{{{h_i}}}\left[ {\smallint _0^{200}{u_{10}}{{\left( {\frac{z}{{10}}} \right)}^P}{\rm{d}}\;z + } \right.\\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\left. {\smallint _{200}^{{h_i}}{u_{10}}{{\left( {\frac{{200}}{{10}}} \right)}^P}{\rm{d}}\;z} \right] \end{array} $ (4)

式中:z为离地高度,m;u(z)为高度z处的平均风速,m/s;u10为10 m高度处的平均风速,m/s,当u10>6 m/s时取为6 m/s;P为风速高度指数,P的取值如表 1所示.

表 1 风速高度指数(P)的取值 Table 1 Value of wind speed height index (P)
1.3.2 平均法

将混合层不同高度的平均风速进行调和平均:

$ \overline u = n/\left( {\sum\limits_{i = 1}^n {\frac{1}{{{u_i}}}} } \right) $ (5)

风速积分法以幂次律为基础,通过对地面风速进行积分得到混合层内的平均风速;但观测点的代表性对计算结果影响较大,特别是对河谷地形复杂下垫面,单个测点风速的空间代表性非常有限.平均法是对混合层不同高度的风速进行平均,这种方法的基础是基于气象模式模拟的边界层内均风速.而WRF模式的发展使得通过数值模拟可以获得边界层气象要素的特征,因此该研究利用WRF模式模拟的不同高度层风速按平均法计算得到混合层内平均风速.

1.4 WRF模式

WRF模式系统是由NCEP(美国国家环境预报中心)、NCAR(美国国家大气研究中心)及FSL(预报系统实验室)等研究机构联合研发的业务与研究共用的新一代高分辨率中尺度预报模式和数据资料同化系统,在微物理过程、辐射传输、陆面过程、边界层参数化、积云对流以及次网格湍流扩散等方面都为用户提供了很多可以选择的参数化方案.

1.4.1 资料来源

采用NCEP提供的全球30 s地形资料和水平分辨率为1°×1°的FNL全球分析(final operational global analysis)资料作为WRF模式的初始场.地面风速资料是2014年兰州新区自动气象站逐月逐日的观测资料.

1.4.2 模式设计

模拟区域的中心点位于103.61°E、36.58°N,模式水平方向采用三重嵌套网格,水平格距分别为5、5和1 km,其中第三重嵌套网格(d03)区域的格点为61×91,模拟区域三重网格嵌套示意图见图 1.垂直方向分为不等距的35层.

注:d01为第一重嵌套网格;d02为第二重嵌套网格;d03为第三重嵌套网格,包含整个兰州新区范围. 图 1 模拟区域三重网格嵌套示意 Fig.1 The schematic diagram of the tripe nested grid system

模拟时间为2014年1月、4月、7月、10月,时间步长为60 s,每隔1 h输出一次模拟结果.

物理过程参数方案对模拟结果影响较大,许多科研工作者[29-31]选取不同的参数化方案对河谷城市兰州市的边界层气象特征进行了模拟研究.因此,该研究的参数化方案参照已有的研究成果:微物理过程参数化采用LIN等[32]的方案;大气辐射参数化方案采用RRTM短波辐射[33]方案和Dudhia长波辐射[34]方案;模式第一、二重模拟区域的积云对流参数化方案采用Kain-Fritsch(new Eta)[35]方案;边界层采用YSU方案[36],陆面过程参数化采用SLAB方案[31].

2 结果与讨论 2.1 混合层高度

由于众多科研工作者的研究工作验证了中尺度气象模式模拟边界层特征参数的能力.因此该文采用WRF模式模拟的边界层高度,用以统计分析兰州新区混合层高度的变化特征.

2.1.1 混合层高度的季节性变化特征

兰州新区春、夏、秋、冬4个季节的平均混合层高度及年均值分别为728、1 041、368、188、581 m,具有季节变化特征,春、夏季较高,而秋、冬季较低;夏季混合层高度最高主要是因为夏季太阳辐射较强,湍流运动强,有利于边界层的发展,而冬季太阳辐射较弱,大气层结较稳定,抑制了边界层的发展,因而边界层高度较低.

2.1.2 混合层高度日变化特征

利用WRF模式模拟的结果,对每个季节代表月份每天对应时刻的混合层高度进行调和平均,得到兰州新区不同季节混合层高度的日变化趋势(见图 2).由图 2可见,混合层高度日变化的基本特征:不同季节的日变化均呈明显的单峰型变化规律,峰值出现在15:00—16:00,峰值最高值则出现在夏季,达到2 700 m左右;17:00之后混合层高度逐渐降低,20:00—翌日08:00,混合层高度(低于400 m)较低且变幅不明显.因为混合层高度的日变化与太阳辐射密切相关,日出后太阳辐射增强,地面吸收太阳辐射增温快,夜间形成的逆温结构被破坏,导致大气层结由夜间的稳定层结向不稳定层结发展,湍流运动增强,促进了混合层的发展,并在16:00左右出现峰值;午后,由于太阳辐射减弱,导致混合层高度逐渐降低;夜间,地面辐射冷却降温,形成逆温层,大气层结稳定,不利于湍流运动,从而抑制了混合层向上发展,导致夜间混合层高度较低.

图 2 兰州新区不同季节混合层高度的日变化 Fig.2 Diurnal variation of the mixed layer height in each season in Lanzhou New District
2.2 混合层高度内的平均风速 2.2.1 WRF模式模拟风速的验证

赖锡柳等[31]为验证WRF模式对近地面风场的模拟能力,选Noah、RUC、SLAB 3种陆面过程参数化方案,模拟了兰州新区2014年1月的近地面风场,选取每天代表性时刻(02:00、05:00、08:00、11:00、14:00、17:00、20:00、23:00)的风速模拟值与实测值经五点平滑后进行对比;结果表明,采用SLAB方案模拟的结果与实测结果的相关系数较高,对兰州新区冬季风场特征的模拟效果较好.因此,该研究WRF模拟陆面过程方案采用SLAB方案.

为了定量分析WRF模式的模拟效果,该研究将WRF模式模拟得到兰州新区气象站W2区域(36°35′29.00″N、103°39′11.48″E)的边界层平均风速与采用风速积分法的计算结果进行对比,选取平均绝对误差、平均相对误差、均方根误差和相关系数4个常用的统计量对模式模拟的结果进行检验(两种方法均通过了α=0.01的显著性检验).模式模拟得到的平均风速与采用风速积分法确定的平均风速的相关系数达到了0.86,平均相对误差为18%,平均绝对误差为0.77 m/s.

综上,模拟结果相对积分值误差较小,相关性较高,采用WRF模式可以较好地模拟混合层的平均风速,模拟结果可信.

2.2.2 混合层风速的变化特征

利用WRF模式模拟的风速计算得到兰州新区春、夏、秋、冬4个季节混合层高度内的平均风速及其年均值分别为6.3、5.2、3.6、3.8、4.7 m/s,具有季节性变化特征,春季和夏季较大,而秋季和冬季较小.

利用WRF模式模拟的结果,对每个季节代表月份每天对应时刻混合层高度的风速值进行调和平均得到兰州新区不同季节混合层平均风速的日变化结果(见图 3).由图 3可见,不同季节混合层风速的日变化均呈夜间高、日间低的变化趋势,日风速最大值出现在20:00左右.夜间的平均风速约为5~10 m/s,高于白天(1~5 m/s);春季和夏季的日变幅高于秋季和冬季.

图 3 兰州新区不同季节混合层高度内平均风速的日变化 Fig.3 Diurnal variation of the average wind speed in the mixed layer height in each season in Lanzhou New District
2.3 通风系数 2.3.1 季节性变化特征

利用2.12.2节的计算结果,采用式(2)(3)计算得到兰州新区春季、夏季、秋季、冬季的平均通风系数及其年均值分别为4 607.6、5 424.1、1 316.4、706.9、3 013.8 m2/s.通风系数具有季节性变化特征,春季和夏季较高,冬季较低,这与混合层高度和风速的变化特征一致;冬季混合层高度较低且风速较小,大气层结较稳定,不利于大气污染物的扩散;而春夏季混合层高度高,混合层内的平均风速大,湍流活动较强,有利于污染物的扩散.

2.3.2 日变化特征

将采用式(2)计算得到的通风系数,对每个季节代表月份每天对应时刻的值进行调和平均得到兰州新区不同季节通风系数的日变化趋势(见图 4).由图 4可见,通风系数的日变化的基本特征:不同季节的日变化均呈现出明显的单峰型变化规律,除冬季峰值出现在15:00左右之外,其他3个季节的峰值均出现在17:00左右,峰值最高值出现在夏季,为18 620.3 m2/s;18:00后,通风系数值逐渐降低,20:00—翌日08:00,通风系数值相对较低,这与边界层高度的变化特征基本一致;因为日出后随着边界层的发展,通风系数的值也逐渐增大,峰值出现时间受边界层平均风速的影响,滞后于边界层高度峰值出现的时间.午后,由于太阳辐射减弱,边界层高度逐渐降低,通风系数的值也逐渐降低.夜间,由于地面辐射冷却降温,形成了逆温层,抑制边界层向上发展,导致通风系数的值较小.

图 4 兰州新区不同季节通风系数的日变化 Fig.4 Diurnal variation of the ventilation coefficient in each season in Lanzhou New District
3 结论

a) 利用WRF模式模拟得到的混合层平均风速与采用风速积分法确定的平均风速的相关系数较高,采用WRF模式可以较好地模拟混合层的平均风速.模拟结果表明,春季和夏季的平均风速较大,而秋季和冬季的平均风速较小;不同季节混合层风速的日变化均呈现出夜间高、日间低的变化趋势.

b) 混合层高度春季和夏季较高,秋季和冬季较低,最高值出现在夏季,为1 041 m;最低值出现在冬季,为188 m.其日变化呈单峰型的变化趋势,峰值出现在15:00—16:00,峰值最高值出现在夏季,达到2 700 m左右.

c) 兰州新区春、夏、秋、冬4个季节的通风系数分别为4 607.6、5 424.1、1 316.4、706.9 m2/s,春季和夏季通风系数较高,冬季最低,这与混合层高度和风速变化特征一致;其日变化呈明显的单峰型变化规律,除冬季的峰值出现在15:00左右之外,其他3个季节的峰值出现在17:00左右,最高峰值则出现在夏季,为18 620.3 m2/s.

参考文献
[1]
方叠, 钱跃东, 王勤耕, 等. 区域复合型大气污染调控模型研究[J]. 中国环境科学, 2013, 33(7): 1215-1222.
FANG Die, QIAN Yuedong, WANG Qingeng, et al. An optimization model for regional complex air pollution control[J]. China Environmental Science, 2013, 33(7): 1215-1222. (0)
[2]
薛文博, 王金南, 杨金田. 淄博市大气污染特征模型模拟及环境容量估算[J]. 环境科学, 2013, 34(4): 1264-1269.
XUE Wenbo, WANG Jinnan, YANG Jintian. Simulation of air pollution characteristics and estimates of environmental capacity in Zibo City[J]. Environmental Science, 2013, 34(4): 1264-1269. (0)
[3]
柴发合, 陈义珍, 文毅, 等. 区域大气污染物总量控制技术与示范研究[J]. 环境科学研究, 2006, 19(4): 163-171.
CHAI Fahe, CHEN Yizhen, WEN Yi, et al. Study for regional air pollutants total amount control technologies and demonstration[J]. Research of Environmental Sciences, 2006, 19(4): 163-171. (0)
[4]
田其云, 黄彪. 我国污染物总量控制制度探讨[J]. 环境保护, 2014, 20(42): 42-44.
TIAN Qiyun, HUANG Biao. Study on the total pollutant control system in China[J]. Environmental Protection, 2014, 20(42): 42-44. (0)
[5]
欧阳晓光. 大气环境容量A-P值法中A值的修正算法[J]. 环境科学研究, 2008, 21(1): 37-40.
OUYANG Xiaoguang. Research on the A value amending algorithm for A-P value method in EPC calculation[J]. Research of Environmental Sciences, 2008, 21(1): 37-40. (0)
[6]
ASHRAFI K, SHAFIE-POUR M, KAMALAN H. Estimating temporal and seasonal variation of ventilation coefficients[J]. International Journal of Environmental Research, 2010, 3(4): 637-644. (0)
[7]
王式功, 姜大膀, 杨德保, 等. 兰州市区最大混合层厚度变化特征分析[J]. 高原气象, 2000, 19(3): 363-370.
WANG Shigong, JIANG Dabang, YANG Debao, et al. A study on characteristic of change of maximum mixing depths in Lanzhou[J]. Plateau Meteorology, 2000, 19(3): 363-370. (0)
[8]
黄涛, 李晓霞, 王让会. 兰州新区大气环境容量特征[J]. 干旱区地理, 2012, 35(6): 883-889.
HUANG Tao, LI Xiaoxia, WANG Ranghui. Characteristic of atmospheric environmental capacity in Lanzhou New District[J]. Arid Land Geography, 2012, 35(6): 883-889. (0)
[9]
徐大海, 王郁, 朱蓉. 大气环境容量系数A值频率曲线拟合及其应用[J]. 中国环境科学, 2016, 36(10): 2913-2922.
XU Dahai, WANG Yu, ZHU Rong. The atmospheric environmental capacity coefficient cumulative frequency curve fitting and its application[J]. China Environmental Science, 2016, 36(10): 2913-2922. DOI:10.3969/j.issn.1000-6923.2016.10.006 (0)
[10]
邢文听. 兰州市区大气环境容量季节变化初讨[D]. 兰州: 兰州大学, 2007. http://cdmd.cnki.com.cn/article/cdmd-10730-2007115001.htm (0)
[11]
KRISHNAN P, KUNHIKRISHNAN P K. Temporal variations of ventilation coefficient at a tropical Indian station using UHF wind profiler[J]. Current Science, 2004, 86(3): 801-810. (0)
[12]
SUJATHA P, MAHALAKSHMI D V, RAMIZ A, et al. Ventilation coefficient and boundary layer height impact on urban air quality[J]. Cogent Environmental Science, 2016. DOI:10.1080/23311843.2015.1125284 (0)
[13]
王颖, 张镭, 胡菊, 等. WRF模式对山谷城市边界层模拟能力的检验及地面气象特征分析[J]. 高原气象, 2010, 29(6): 1397-1407.
WANG Ying, ZHANG Lei, HU Ju, et al. Verification of WRF simulation capacity on PBL characteristic and analysis of surface meteorological characteristic over complex terrain[J]. Plateau Meteorology, 2010, 29(6): 1397-1407. (0)
[14]
张小培, 银燕. 复杂地形地区WRF模式四种边界层参数化方案的评估[J]. 大气科学学报, 2013, 36(1): 68-76.
ZHANG Xiaopei, YIN Yan. Evaluation of the four PBL schemes in WRF model over complex topographic areas[J]. Transactions of Atmospheric Sciences, 2013, 36(1): 68-76. (0)
[15]
PLEIM J E. A combined local and nonlocal closure model for the atmospheric boundary layer, Part Ⅱ:application and evaluation in a mesoscale meteorological model[J]. Journal of Applied Meteorology and Climate, 2007, 46: 1396-1409. DOI:10.1175/JAM2534.1 (0)
[16]
ZHANG Yiye, DUBEY M K, OLSEN S C, et al. Comparisons of WRFChem simulations in Mexico City with ground-based RAMA measurements during the 2006-MILAGRO[J]. Atmospheric Chemistry and Physics, 2009, 9: 3777-3798. DOI:10.5194/acp-9-3777-2009 (0)
[17]
徐慧燕, 朱业, 刘瑞, 等. 长江下游地区不同边界层参数化方案的试验研究[J]. 大气科学, 2013, 37(1): 149-151.
XU Huiyan, ZHU Ye, LIU Rui, et al. Simulation experiments with different planetary boundary layer schemes in the lower reaches of the Yangtze River[J]. Chinese Journal of Atmospheric Sciences, 2013, 37(1): 149-151. DOI:10.3878/j.issn.1006-9895.2012.12021 (0)
[18]
MIGLIETTA M M, ZECCHETTO S, BIASIO F D. WRF model and ASAR-retrieved 10 m wind field comparison in a case study over eastern Mediterranean Sea[J]. Advances in Science & Research, 2010, 4(4): 83-88. (0)
[19]
XIE Bo, FUNG J C H, CHAN A, et al. Evaluation of nonlocal and local planetary boundary layer schemes in the WRF model[J]. Journal of Geophysical Research:Atmospheres, 2012. DOI:10.1029/2011JD017080 (0)
[20]
HU Xiaoming, NIELSEN-GAMMON J W, ZHANG Fuqing. Evaluation of three planetary boundary layer schemes in the WRF model[J]. Journal of Applied Meteorology and Climatology, 2010, 49(9): 1831-1891. DOI:10.1175/2010JAMC2432.1 (0)
[21]
SHIN H H, HONG Songyou. Intercomparison of planetary boundary-layer parameterizations in the WRF model for a single day from CASES-99[J]. Boundary Layer Meteorol, 2011, 139: 261-281. DOI:10.1007/s10546-010-9583-z (0)
[22]
刘北平. 确定大气混合层高度方法的研究[J]. 环境科学研究, 1990, 3(1): 8-12.
LIU Beiping. Study on a method to ascertain mixing height[J]. Research of Environmental Sciences, 1990, 3(1): 8-12. (0)
[23]
LOTTERANER C, PIRINGER M. Mixing-height time series from operational ceilometer aerosol-layer heights[J]. Boundary Layer Meteorol, 2016, 161(2): 265-287. DOI:10.1007/s10546-016-0169-2 (0)
[24]
程水源, 席德立. 关于确定大气混合层高度的几种方法[J]. 环境科学进展, 1997, 5(4): 63-67.
CHENG Shuiyuan, XI Deli. Several kinds of methods on determining atmospheric mixed layer[J]. Advances in Environmental Science, 1997, 5(4): 63-67. (0)
[25]
ALIABADI A A, STAEBLER R M, GRANDPRE J D, et al. Comparison of estimated atmospheric boundary layer mixing height in the arctic and southern great plains under statically stable conditions:experimental and numerical aspects[J]. Atmosphere Ocean, 2016, 54(1): 60-74. DOI:10.1080/07055900.2015.1119100 (0)
[26]
MUES A, RUPAKHETI M, MUNKEL C, et al. Investigation of the mixing layer height derived from ceilometer measurements in the Kathmandu Valley and implications for local air quality[J]. Atmospheric Chemistry & Physics, 2017, 17(13): 1-31. (0)
[27]
王腾蛟, 张镭, 胡向军, 等. WRF模式对黄土高原丘陵地形条件下夏季边界层结构的数值模拟[J]. 高原气象, 2013, 32(5): 1261-1271.
WANG Tengjiao, ZHANG Lei, HU Xiangjun, et al. Numerical simulation of summer boundary layer structure over undulating topography of Loess Plateau simulated by WRF model[J]. Plateau Meteorology, 2013, 32(5): 1261-1271. (0)
[28]
缪国军, 张镭, 舒红. 利用WRF对兰州冬季大气边界层的数值模拟[J]. 气象科学, 2007, 27(2): 169-175.
MIAO Guojun, ZHANG Lei, SHU Hong. The numerical simulation of the wind speed and temperature field in winter atmospheric boundary layer by using WRF[J]. Scientia Meteorologica Sinica, 2007, 27(2): 169-175. (0)
[29]
王丽霞, 王颖, 赖锡柳, 等. WRF模式不同边界层参数化方案模拟兰州冬季边界层高度的研究[J]. 高原气象, 2017, 36(1): 162-172.
WANG Lixia, WANG Ying, LAI Xiliu, et al. Study on the simulation of boundary layer height in Lanzhou in winter using WRF model with different boundary layer parameterization schemes[J]. Plateau Meteorology, 2017, 36(1): 162-172. (0)
[30]
何建军, 余晔, 刘娜, 等. 基于WRF模式的兰州秋冬季大气污染预报模型研究[J]. 气象, 2013, 39(10): 1293-1303.
HE Jianjun, YU Ye, LIU Na, et al. WRF-based forecast model for autumn and winter air quality in Lanzhou[J]. Meteorologica Monthly, 2013, 39(10): 1293-1303. DOI:10.7519/j.issn.1000-0526.2013.10.007 (0)
[31]
赖锡柳, 王颖, 杨雪玲, 等. WRF模式不同陆面过程方案模拟兰州新区低空气象场特征[J]. 兰州大学学报(自然科学版), 2017, 53(2): 329-340.
LAI Xiliu, WANG Ying, YANG Xueling, et al. Meteorological characteristics in Lanzhou New District simulated by WRF with different land surface model parameterizations[J]. Journal of Lanzhou University(Nature Science), 2017, 53(2): 329-340. (0)
[32]
LIN Yuhlang, FARLEY R D, ORVILLE H D. Bulk parameterization of the snow field in a cloud model[J]. Journal of Climate and Applied Meteorology, 1983, 22(6): 1065-1092. DOI:10.1175/1520-0450(1983)022<1065:BPOTSF>2.0.CO;2 (0)
[33]
MLAWER E J, TAUBMAN S J, BROWN P D, et al. Radiative transfer for inhomogeneous atmospheres:RRTM, a validated correlated-k model for the longwave[J]. Journal of Geophysical Research:Atmospheres, 1997, 102(S14): 16663-16682. (0)
[34]
DUDHIA J. Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model[J]. Journal of Atmospheric Sciences, 1989, 46(20): 3077-3107. DOI:10.1175/1520-0469(1989)046<3077:NSOCOD>2.0.CO;2 (0)
[35]
KAIN J S. The Kain-Fritsch convective parameterization:an update[J]. Journal of Applied Meteorology, 2004, 43(1): 170-181. DOI:10.1175/1520-0450(2004)043<0170:TKCPAU>2.0.CO;2 (0)
[36]
HONG Songyou, NOH Y, DUDHIA J. A new vertical diffusion package with an explicit treatment of entrainment processes[J]. Monthly Weather Review, 2006, 134(9): 2318-2341. DOI:10.1175/MWR3199.1 (0)