英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料

云量的观测与再分析

Joseph V. Clark and John E. Walsh

由于北极的气候容易受到云辐射作用的影响，为了获得高纬度地区气候的变化和反馈信息，气候模型必须代表实际的北极云。从能源部大气辐射测量（ARM）计划，我们可以获得阿拉斯加州北坡的云和辐射通量的信息。再分析模型也要计算云和辐射变量。本研究中，四季季中的ARM的测量结果和北美地区再分析数据表明，边界层的云不仅是北坡最常见的云，也是引起再分析出现错误的主要原因。近地表的云与在寒冷季节对云量的过分低估和在炎热季节对云量的过分高估有关。这些结果与其他数据整合在一起，描述了再分析未能模拟云量时的大概情形。寒冷季节对云量模拟的误差最大，白令海峡以北可观测到幅度最大，范围最广泛的异常高压。由于东北部和东部的向岸气流，夏季北冰洋的模拟结果与气候学结果偏离了 9hPa。更一般的，对巴罗夏季云层的模拟失误几乎完全因为向岸气流。

1. 介绍

北极的能量平衡受到云、雪、冰盖等高反射表面的强烈影响，净辐射平衡在冬季达到负的最低值，夏季达到正的最高值。北极表面辐射平衡对反射率—温度反馈的敏感性信息已被大量研究，其中云是重要的组成部分。云对地面辐射平衡的净影响常被称为云的辐射强迫。云层的辐射强迫往往是很强的阳性，地表的长波辐射被云层吸收，再返回给地表，导致冬季地表变暖。北极在夏季出现极夜，这时太阳的短波辐射变得越来越重要。在北极夏季持续的云层反射率高达0.60-0.75，大部分的太阳辐射被云层反射。因此，夏季时云辐射强迫表现为剧烈的阴性。对不同的季节，北极观察到的云辐射强迫的大小和符号通常高达plusmn;50W/m²，相比之下，温室气体的强迫通常低一个数量级，只有1-2W/m²。因此，有必要让全球气候模式（GCM）代表实际的北极云层。美国能源部（DOE）正努力收集必要的信息，改进GCM对云和辐射通量的模拟。美国能源部在阿拉斯加北坡安装了两个ARM观测点，一个位于巴罗海岸，另一个在阿卡苏克的内陆地区（图1）。因为阿卡苏克的数据不够完整，所以本研究使用的是巴罗海岸的观测结果；维萨拉云数据仅占1999年至2006年研究期的一小部分，这对于气候学来说是不够的。另外，平流空气的温度湿度决定了是否会发生饱和，所以风速和风向是决定北极云的重要因素。用于模拟北极气候和气候变化的模型必须是实际北极云的特点，包括北极云与风的关系。本文的目标就是为北极云模型的建模者提供有用的信息。我们要考虑以下的目标：（1）巴罗ARM站点的季节性云层记录；（2）评估风向、风速和云之间的关系；（3）评估模型衍生再分析从数据中推倒云-风关系的能力。

大气再分析提供了云和辐射信息的替代来源。再分析的数据来源不是从实时运行的数值天气预报模型中获得，而是摄取各种历史观察值，为了生成各种模型衍生的网格化数据，尽量保持临时的一致性。尽管由于模型参数和观察差距，一些误差和偏差是不可避免的，再分析的结果还是可以看成是观察和模型模拟的结合物。对于其他一些模型（比如海洋、海冰），模型的验证，和在诸如北极等数据匮乏的区域进行统计研究，以及计算甚至无观测资料的模型方面（比如辐射变量），大气再分析都很重要。从前，ARM数据用于评估ECMWF在北坡的分析和预测的表现。与本研究相关的是用GCM和再分析模型验证云参数，他们本身就是一类的GCM。

第二部分我们讨论数据和资料，第三部分讨论这项研究的研究方法，第四部分展示了巴罗地区八年里ARM云观测和本地风观测数据。第五节我们介绍了ARM云观测和海表面环流之间的关联，第六节介绍了巴罗的再分析衍生出的云量和风单元格之间的偏差。第七节介绍了再分析衍生云量的巨大误差，本地观测的风，总的表面环流之间的关系。第八节是全文总结。

2. 数据和资源

云底高度的观测数据来源于维萨拉测井仪（VCEIL）对云后向散射的测量。VCEIL是地面上的近红外检测和测距（LIDAR）系统，分辨率为50m，精度为plusmn;2%plusmn;25m（25m作为50m的一半）。通过测量后向散射，VCEIL中的云检测算法显示了垂直可见度降低到100 m的云底。通过将云检测的数量除以6小时内可能的云检测数量，得到6小时的云量。VCEIL可以在三个不同的层次上同时发布云底高度，本研究使用的是三个中最低的一个。风速和风向信息是从巴罗罗杰斯机场的自动化表面观测系统（ASOS）获得的。

Mesinger等人全面记录了北美地区再分析（NARR），提供了相应的再分析衍生云量和风速、风向数据。模型的水平分辨率为32km。垂直方向上，气压的范围在300毫巴到700毫巴之间，总共分成29个气压等级，每个气压等级跨度在25毫巴到50毫巴之间。根据Mesinger等人的文献，NARR云量数据是使用诊断（数据同化）和预后（前3年预测）方法得出的，其中云微物理过程用的是Zhao等人的建模。用相对湿度场和对流云量计算层状云量。我们工作中的术语“取风”，指的是“测量地、受体位置、相对一致的气象兴趣区上游的距离”（见http://amsglossary.allenpress.com/glossary/ search?id=fetch1）。术语“取”有时暗示了巴罗地区空气和观察到的特殊风向的起源和相关特征。换句话说，如果取风来自于一个特定方向，就可以假定取是足以让空气获得其上游源头的特性。例如，未冷冻水上的“陆上取”意味着相对潮湿的流动。NARR的海冰由被动微波海冰浓度内插到NARR单元格中所规定，舍入为0或1。所以单元格要么无冰，要么被海冰覆盖。冰盖网格不包括引线和开阔水，每个单元都有对应海冰或开阔水的单个反射率。所以，开阔水的分布细节只有在NARR的32km分辨率处解决。NARR从包含巴罗仅限地面的单元格提供间隔为三小时的瞬时变量。从NOAA/OAR/ESRL PSD, Boulder, CO. 获得的NCEP/NCAR全球再分析数据用于合成北极地区平均海平面压力。用到NCEP/NCAR是因为NCEP再分析含北大西洋和东亚中部地区，这些地区是大气环流要研究的地区，但他们不在NARR。

观察和再分析数据每6小时平均一次，这是基于AMR巴罗和ASOS测量值的NARR单元格的ARM站点1440个瞬时测量值，6个ASOS瞬时点观测值和2个瞬时方案。

3. 方法

3.1 术语和定义

1月、4月，7月，10月（1999-2006）代表相应的季节，这种方法已经用于从前的气候总结。结果讨论的结构是1月至4月的关闭水季，或冷季，或7月至10月的开阔水季，或暖季。我们把云底高度分为垂直的“仓”，在本文中有时使用集合符号。比如，云底高度在0到200m之间，但不包括0，在本文中数据表示为（0，200】米（或“仓”）。

NARR云量大误差相连的风偏差与当前NARR完全捕获的云相比较，其结果在第七节讨论。只有在发现重大而显著的偏差时才讨论。对于本研究，再分析与观察数据plusmn;0.5的差异用于NARR大误差的云量和差模拟的阈值。注意一定义，大幅度的不足模拟或过度模拟的频率受到云层季节性周期的限制。这是有意的限制，它让每个季节最大数量的观测和模型模拟进行比较，从而增加NARR云层中显着的季节性偏差匹配显着的统计学结果的可能。此外，NARR云分数偏差的讨论仅限于每个季节的特征性偏差，即对于具有特定符号偏差例子的足够的样本。近地云百分比未知和不可量化可能是晴空冰晶降水，被称为“钻石粉尘”，这是再分析没有明确模拟的现象。Intrieri和Shupe 指出，地面的激光雷达仪器——例如用于推导本研究中使用的数据的仪器——通常不能检测到钻石粉尘，此现象在这一年研究中最冷的六个月里发生率为13%。因此，虽然钻石粉尘不能用任何已知的手段检测出来，但如果我们将钻石粉尘视为晴空现象，那么地面激光雷达发光器捕获的数据将有利于本研究。值得注意的是，LIDAR仪器越来越多地关注于高密度的晴空降水，但它们对稀少的降水颗粒通常不敏感。此外，上述VCEIL的云检测阈值（垂直可见度必须降低到小于100米）是一个相对严格的云层检测阈值，进一步降低了对晴空降水和其他潜在的数据错误的担忧。

3.2 模式

本文的主要目标是评估北极沿海地区最先进再分析模式模拟云量的效果。虽然40年再分析（ERA-40）可以说是在ARM巴罗站点最成功的模拟云量的模式，但北美地区再分析（NARR）为我们的研究提供了关键好处。首先，ERA-40在2002年结束，使NARR成为北极云模拟的最佳再分析，还能让1999至2006年的观测样本最多，因此我们能使样本量最大化。Per Mesinger等人的NARR基于32km，29层模型，横跨南纬20°-90°，西京40°-220°，包括了整个北美。NARR有各种数据，包括温度、风、湿度。目前包括1979年1月1日至现在的数据，我们的研究用到了1999年到2006年NARR的数据。数据模型的全面列表等NARR的更完整信息由Mesinger等人提供。

3.3 误差

用时间平均点的值来验证单元格模型解时会出现误差。对这种对比验证的有效性Astin和Di Girolamo和Astin等人讨论过。他们使用贝叶斯法推导概率密度函数，从一维线的状态推出二维单元格的状态，使误差量化。我们的研究中一维线是时间平均过程固有的副产物。换句话说，假设常风速，云量的时间平均值描述了沿横断面的云量。虽然这里没有给出这种误差的计算，但Astin等人表明，当实现完全精度时，这种类型的对比变得越来越准确，因为正如在第4节中云气候学所示，由单元格表示的区域中的实际云量接近0或1，中间云量（例如0.5）在云量分布中不频繁，由于这属于小样本，本研究就完全忽略了它。如果巴罗不是周围单元格环境的代表，与NARR相比，值会降低。但是不能说巴罗的值与其所在的32km*32km的NARR网格值有系统误差。相比于其他误差，这种将单元格与一个点进行比较的误差比较小而且也不频繁。

3.4 结果显著性

使用蒙特卡洛模拟评估本文结果的统计学显著性。用这种方法从数据集替换随机样本，查看从数据集选择的随机两个样本之间的关系是否和原始数据的关系一样。迭代次数不限，迭代模拟的越多，结果越强。比如说，第四节中我们说ARM巴罗的数据表明了云底高度与观察的风向之间的关系。更具体的，在8年的研究内，每年7月份观察到的所有向岸气流中有32%（719次观测）地面以上（AGL）云底在50m~250m。相反，相同的云底在离岸气流 只有16%（193次观测），总差异为16%（32%-16%）。第四节的例子中，原假设为云底高度与向岸离岸无关。测试统计量是从8年观察数据库中随机抽取的两个样本之间的云量差，一个样本有719个，另一个样本有193个。统计数据的千次实现通过引导创建。1000次迭代后，1000次差异中的99%都在-10%到10%之间，因此原假设以99%的置信度被否定。

4.风和云的季节性特征

4.1冷季中的风和云

在此季节下，海平面平均气压通常是北冰洋高压和中心在阿拉斯加湾的低压。（通常称为Aleutian Low，如图3）和梯度风的原理一致，在冷季，巴罗地区的表面东风气流存在一个明显的峰值（图4左）。东风是定义为风向在45°到112.5°之间的风。在冬天和春天所观测到的风中，东风分别占据了56%和60%。冬季和春季里，虽然东风都是两季里局部气流出现的主要方式，但是在冬季，西风带也有一个明显的峰值(（图4，左上），这一点是冬季和春季之间重要的差异，这很可能说明在冬季，西部受着频繁出现的温带气旋尺度活动的作用，这种作用积累起来使之形成西风，而季节性的大尺度范围的影响作用与之相比就会减弱。类似的，春季西风气流的减弱说明了温带气旋活动减少和北极圈高压的增强。虽然在冷季，巴罗的气压梯度变化比处于同样位置的初始海平面气压变化小，但是由于近地面高压逐渐占据了主导地位，大于10m/s的地面强风的频率出现了季节性衰减（图4），从冬季占比12%减少到了春季占比7%。在所有季节中观测到的中位风速为5.2m/s，冬季和春季的平均风速为5.7m/s和5.5m/s。

由于都是冷季，冬季与春季晴天（云分数小于0.25的天气）出现的频率大致相同，阴天（云分数大于0.75）出现的频率也大致相同，冬天里阴天出现的概率为74%，春天里阴天出现的频率为79%(图5左上和左下)。云底高度的测量说明了低云量（只要不是0）与离地50m以内的片状低云相关。由于都是冷季，冬季和春季云底高度的分布状况也很类似（图5右上和右下），唯一明显的差异就是在春季里，云更为集中的分布在云底高度在最低几百米范围以内。

4.2 暖季的风

夏季气候海面环流的特点是以北冰洋为中心的弱低压和以太半洋东部为中心的大尺度高压。这种风只有在夏天4%的时间里才能观测得到。气候平均海平面气压场（图3，底部）表明，东亚和北部高压区的环流占临时的主导地位，很可能对东风模式下的七月双峰风的谱分布有着重要影响。局部东风和西风气流都会出现几乎相等的频率，在45度到112.5度范围内的东风占38%，在247.5度到315°范围内的西风占34%（图6）。

与冷季不同，风随着暖季的发展会发生显著的变化。秋季的特点是巴罗以北加强的高压和阿留申低压以南的天气尺度气旋的强度明显增强。与其他季节的的情况相反，巴罗秋天的风向谱分布图像呈现单峰。秋天是强风频率发生最多的节气，地面强风（风速大于10m/s）(未示出)在观测资料数据所占比几乎为15%，这个事实很明显的说明了温带气旋活动的增加。

而这种强风在夏天出现的几率只有4%。夏季和冬季的平均风速分别为5.7m/s和6.2/s.

在暖季里，由于高气压和较稀疏的等压线梯度占主要地位，从而减弱了强风现象发生的可能，但是经常出现的热驱动海上环流同样使观测到的无风，微风的情况不常发生。在漫长的北极天，陆地逐渐升温使得巴罗海上环流持续进行，大量的冰盖融化使临近的北冰洋的温度维持在0度附近。这一结果在风速为4-6m/s的和风范围里有一个明显的峰值，这表明风速并不是完全受图3（左下）季节性的气压梯度力的影响，还跟中尺度的影响有显著关系（例如海风）<!--

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25148]，资料为PDF文档或Word文档，PDF文档可免费转换为Word