地表数据与WRF模式在气象过程模拟中的尺度适宜性研究

Scale compatibility of geographic surface data and process model is one key issue when they are integrated in geographic process simulation. However, the uncertainty of simulation due to scale is ubiquitous in current research. Therefore, the study into such scale issue is significant to accurate simulation and cognition to geographic system. . Previous researches show that the scale of geographic surface data and WRF (Weather Research and Forecasting) model can affect the meteorological process simulation. Unfortunately, it is still unclear about the degree of scale effect and scale compatibility. In this context, this proposal aims to study the scale compatibility between geographic surface data and WRF model in the meteorological simulation. (1) By scale upscaling and characteristic scale analysis of geographic data, we get the multiscale geographic data at a series of characteristic scales; we assess the parameterization system of WRF model to maintain a “optimal and identical parameterizations” for studying the scale compatibility between geographic data and WRF model; By evaluating the accuracy of geographic surface expression and meteorological simulation from WRF model, we can get the scale compatibility according the study areas. (2)By computing the complexity indices of land cover and topography, we evaluated the relationship between the scale compatibility and the characteristics of geographic surface. (3) This project intends to construct a synthetical complexity index to express the character of geographic surface concerning both land cover and topography, and then based on this index, we investigate the scale compatibility rule of geographic data and WRF model, to eliminate the area dependency of the rule.. This study is expected to uncover the rule of scale compatibility between geographic data and WRF model in meteorological process simulation. The output of this project may contribute to the development of scale compatibility theory and improve the accuracy of WRF simulation.

地表数据和地理过程模型耦合计算时的尺度匹配是地理过程模拟的重要环节，但普遍存在尺度引起的不确定性问题，其研究和解决对于准确模拟和认知地理过程具有重要意义。.已有研究证明地表数据与WRF（Weather Research and Forecasting）模式的尺度对气象过程模拟均有影响，但尺度影响程度和尺度适宜性尚无定论。本项目拟深入研究地表数据与WRF模式的尺度适宜性问题。主要研究内容：（1）开展多尺度地表数据驱动下WRF模式的嵌套模拟，验证模式中地表条件表达和气象模拟的准确性，评估不同研究区的尺度适宜性。（2）计算土地覆盖和地形特征指数，分析尺度适宜性与地表特征的关系。（3）构建综合地表复杂度指数模型，探究基于该指数模型的尺度适宜性规律，并进行实验验证。.本研究将揭示地表数据与WRF模式的尺度适宜性规律，对发展尺度适宜性理论、提高WRF模拟效果具有科学意义和实用价值。

尺度是地理学研究中一个无处不在的问题，其最具复杂性和多样性，影响着地理学研究和应用的各个阶段。地表数据和地理过程模型耦合计算时的尺度匹配是地理过程模拟的重要环节，但普遍存在尺度引起的不确定性问题，其研究和解决对于准确模拟和认知地理过程具有重要意义。.本项目 1）生成了土地利用和地形数据的多尺度数据集，并提取了特征尺度，即1，12，34和54km分辨率的土地利用和土地覆盖数据用于后续气象模拟。2）论证了The Weather Research and Forecasting Model（WRF）气象模拟的参数化方案；3）研究了自定义的土地利用和地形数据引入WRF模式的方法，并基于Python进行了程序研发，实现了数据集成的自动化；4）针对研究区，模拟分析了地表数据与WRF模式的尺度适宜性，分析了数据和模型的空间分辨率对模拟结果准确性的影响，结果表明12km分辨率的土地利用数据是模拟温度变化的最佳地理数据，当土地利用数据的分辨率不变时，模拟结果的准确性随模型分辨率变化的情况规律不明显，总体上模型分辨率越高，模拟结果越准确，但并不是一个线性关系。5）基于香农多样性指数（Shannon’s Diversity Index，SHDI）来描述土地利用复杂情况，局地高程差（Local Relief，LR）、高度均方根（Standard Deviation of Height，SDH）和坡度均方根（Standard Deviation of Slope，SDS）来描述地形复杂度，构建了面向气象模拟的综合地表复杂度模型，计算得出研究区的综合地表复杂度分布数据；6）以温度为例，分析了综合地表复杂度指数与气象模拟误差的关系，总体上是正相关关系，即综合地表复杂度高的区域，气象模拟误差大。.研究成果一方面，有利于认知气象模拟中的地表数据和模型的尺度因素对模拟准确性的影响，给研究区的模拟提供参考。另一方面，地表综合复杂度数据有利于定量化地表复杂程度，为地表相关的地理过程模拟分析提供参考。

内容获取失败，请点击重试