文章信息
- 刘武, 杨成荫, 李耀东, 史小康. 2018.
- LIU Wu, YANG Cheng-yin, LI Yao-dong, SHI Xiao-kang. 2018.
- 基于MCT耦合器的WRF-POM区域海气耦合模式构建及应用
- The development and application of the WRF-POM regional air-sea coupled model based on the MCT coupler
- 海洋科学, 42(5): 98-107
- Marina Sciences, 42(5): 98-107.
- http://dx.doi.org/10.11759/hykx20171014001
-
文章历史
- 收稿日期:2017-10-14
- 修回日期:2018-02-15
2. 中国人民解放军93199部队, 黑龙江 哈尔滨 150001;
3. 北京航空气象研究所, 北京 100085
2. Army 93199 of PLA, Harbin 150001, China;
3. Beijing Aviation Meteorological Institute, Beijing 100085, China
现阶段, 海气耦合模式已成为研究海气相互作用的重要工具, 其在大尺度海气相互作用的研究中已得到了广泛应用, 例如利用全球海气耦合模式对厄尔尼诺和南方涛动进行研究[1], 对季风环流进行研究[2]等。然而, 大气和海洋间还存在着一些空间、时间尺度较小的海气相互作用现象, 例如台风、入海气旋、风暴潮等, 对于这些中小尺度系统。如果利用分辨率较低的全球海气耦合模式进行模拟, 通常无法再现中小尺度海气相互作用现象[3], 还会存在计算资源浪费的问题。因此, 需要建立高分辨率的区域海气耦合模式来对其进行更为细致全面的研究。
国外关于区域海气耦合模式的研究开展较早, 美国海军在1997年就建立了中尺度区域海气耦合模式COAMPS[4], 该模型在近岸地区对天气尺度系统的预报能力要明显强于单独的大气模式; 其后, Lars等[5]、Seo等[6]、Li等[7]也分别建立了不同类型的区域海气耦合模式, 并分别对热带气旋、中尺度涡、冬季风暴等天气系统进行了数值模拟; 2010年, Warner等[8]利用MCT (Model Coupling Toolkit)耦合器将WRF (Weather Research and Forecasting Model)、ROMS (Regional Ocean Modeling System)、SWAN (Simulating Wave Nearshore)相耦合, 构建了一个高分辨率的区域海气浪耦合模式COAWST, 并用其对北大西洋飓风进行了数值模拟, 该模型也是现阶段最为先进的区域海气耦合模式[9]。
国内关于区域海气耦合模式的研究虽起步较晚, 但近年来发展迅速: 2005年黄立文等[10]利用UNIX系统中的进程通信技术和耦合模块构建了一个双向耦合的中尺度海-气耦合模式MCM (Mesoscale Coupling Model), 并对台风“Winnie”进行了数值模拟试验, 探讨了海气相互作用对台风暴雨的影响机制; 2009年蒋小平等[11]利用Linux系统中的管道通信技术, 构建了中尺度大气模式MM5(Mesoscale Model 5)和海洋模式POM (Princeton Ocean Model)相耦合的区域海气耦合模式, 并利用其对台风“Krovanh”进行了数值模拟试验, 研究了中尺度海气相互作用对台风结构的影响; 2012年刘磊等[12]利用Linux系统中的共享内存及信号量技术, 构建了WRF-POM-WW3海气浪耦合模式, 并利用其研究了台风“格美”过程中海温和海浪对大气的反馈。
前人所构建的这些耦合模式大多采用本机进程通信的耦合方式(包括管道通信、共享内存、信号量等), 这种耦合方式较为简单方便, 通信效率也很高, 但是其对环境的依耐性较强(操作系统需支持多进程通信)、可移植性较差, 且由于在一台机器上运行, 对机器性能要求也较高[13]。本文在前人研究的基础上, 建立了基于MCT耦合器的WRF-POM-并行区域海气耦合模式。该耦合模式使用美国阿尔贡国家实验室开发MCT耦合器做为消息传递工具, 耦合器封装了模式耦合所需的基本方法和数据, 并提供简单易用的调用接口, 用户可以方便地实现子模式的“加入”或“去除”, 这极大方便了耦合模式的设计; 耦合器还实现了“模式-数据-通信”三者的分离, 这使得子模式具有更好的独立性和可扩展性; 同时, 由于耦合器属于网间进程通信的耦合方式, 耦合模式可以在多台机器上并行, 这更适用于大规模分布式的科学计算[14]。现阶段, 国际上较为先进的耦合模式均采用了这种耦合方式[9, 15]。
1 WRF-POM区域海气耦合模式的构建 1.1 耦合模式的物理框架台风是天气尺度上最为强烈的海气相互作用过程[16], 其与海洋的相互作用主要体现为两方面:一方面, 台风大风驱动表层海水流动, 产生强烈的局地海流, 海水的“抽吸夹卷”效应使得下层较冷海水上翻, 海表温度降低, 海洋混合层深度增加[17]; 另一方面, 海洋是大气的重要热源之一, 海表温度的差异将会造成海洋对大气的感热、潜热输送不同[18], 这将显著影响台风的强度和路径[19]。因此, 在模式耦合过程中将WRF模式输出的底层风应力、热通量(感热、潜热通量)、长短波辐射值、E-P通量(2 m湿度和降水量)传递给POM模式, 作为其上边界强迫, 进而改变海洋的动力、热力过程; 同时将POM模式计算出的海表温度传递给WRF模式, 作为其下边界强迫, 进而影响大气底层感热通量、潜热通量及辐射通量的计算。整个海气耦合模式的物理框架如图 1。
1.2 耦合模式的技术框架本文耦合模式的设计思路是利用一个具备空间、时间差值功能以及并行消息传递功能的耦合器, 实现WRF模式和POM模式模块化的并行同步耦合, 耦合模式应适用于各类主流计算机(包括巨型机、集群、个人计算机), 并且可以方便地实现子模式的“加入”或“去除”。耦合模式的技术框架如图 2所示, 整个模式基于消息传递的并行编程环境(MPI, Message Passing Interface)设计, 使用的MCT耦合器做为消息传递工具, 在数据传递过程中使用Los Alamos国家实验室开发的SCRIP(Spherical Coordinate Remapping and Interpolation Package)进行大气和海洋网格点的空间插值(有守恒性、双线性、样条和临近点加权四种方式可选), WRF模式和POM模式按照统一标准编写接口接入耦合器, 并在耦合时间节点上与耦合器进行数据交换[20]。整个耦合模式通过主程序master. f来控制运行:首先主程序会调用头文件mpif. h, 并定义相关变量; 然后进行MPI初始化, 根据用户设定分别为WRF模式、POM模式以及耦合器划分通信域, 并激活各分量; 其后子模式进入各自的运算状态, 并在耦合时间节点上与耦合器进行数据双向交换; 最后是设定阻塞调用函数, 并结束MPI程序。
2 对台风“凤凰”的数值模拟试验 2.1 台风凤凰简介台风“凤凰”是一次典型的“西北向台风”, 其于2008年7月25日下午生成于西北太平洋洋面, 26日加强为台风, 28日06时30分以强台风强度在台湾花莲沿海第一次登陆, 22时在福建福清东瀚镇再次登陆。“凤凰”在强度上具有“迅速加强”的特点, 在路径上具有“北翘转向”的特点。我们选取2008年7月25日06时—28日06时这一时段对其进行数值模拟试验, 主要分析其从生成到加强转向这一过程。
2.2 控制试验控制试验(Control Experiment, 记为Ctrl)分为两部分:一是单独运行大气模式WRF对台风进行模拟; 二是单独运行POM模式对海洋进行模拟。两者的模拟时间均为2008年7月25日06时—28日06时, 模拟区域如图 3所示, 其中WRF模式采用兰伯特投影, 水平分辨率为15 km, 垂直方向上取不均匀的33个eta层, 并对下层大气进行了加密, 模式积分步长为60 s, 采用1°×1°的NCEP再分析资料(每6 h一次)做初始场和侧边界强迫; POM模式采用等经纬网格投影, 水平分辨率为0.25°×0.25°, 垂直方向上分为不均匀的40个Sigma层, 其中上层较密, 下层较稀疏, 最大水深设为4 000 m, 最小水深设为10 m, 模式和内模式时间步长分别为30 s和300 s, 采用调整运行结果(下节详述)做初始场, 并使用0.25°×0.25°的CCMP (Cross Calibrated Multi-Platform)风应力场(每6 h一次)做上边界强迫, 使用0.5°×0.5°的SODA (Simple Ocean Data Assimilation)月平均流场和温盐场做侧边界强迫。WRF模式和POM模式的参数化方案设置分别见表 1和表 2。
积云参数化方案 | 微物理方案 | 长波辐射 | 短波辐射 | 陆面过程 | 边界层方案 |
Kain-Fritsch | Single-Moment3-class | RRTM | Dudhia | Noah | MM5 similarity |
耦合试验分三步进行:诊断运行、调整运行、耦合运行, 其中子模式的区域选择和参数设置同控制试验完全一致。
诊断运行阶段以2008年1月SODA月平均温盐资料为初始场, 从静止的流场开始使用2008年1月SODA月平均流场做开边界强迫, 使用2008年1月SODA月平均风应力场驱动海洋模式以诊断方式(温盐场不变)运行1 a, 最终得到与POM模式相适应的2008年1月份稳定海洋场。
调整运行阶段以诊断运行结果为初始场, 从2008年1月1日00时开始, 用每6 h一次的CCMP风应力和每24 h一次的NOAA(National Oceanic and Atmospheric Administration)最优插值海温(0.25°× 0.25°)共同驱动海洋模式运行至2008年7月25日06时, 期间每月更新温盐边界场做开边界强迫。海洋模式初始化结果如图 4所示, 其中POM模式模拟出的2008年6月平均温盐场与实况基本一致, 模拟出的流场略弱于实况流场。
耦合运行阶段以调整运行结果和NCEP资料为初始场, 使用WRF-POM区域海气耦合模式对大气和海洋进行模拟, 其中大气模式和海洋模式通过MCT耦合器每5 min进行一次数据交换(具体通量见1.1节), 并通过双线性的方式插值到各自的格点上。耦合试验分为两组:第一组(Coupling Experiment 1, 记为Coup1)大气子模式使用NCEP资料做初始场; 第二组(Coupling Experiment 2, 记为Coup2)则在第一组的基础上使用了Bogus方案[21], 即根据JTWCJoint Typhoon Warning Center)资料中的台风最大风速、最大风速半径、中心最低气压以及台风位置等信息构建了初始Bogus涡旋。
3 试验结果分析 3.1 大气对海洋的响应 3.1.1 台风路径图 5给出了三次试验以及JTWC实况资料的台风路径, 其中Ctrl试验和Coup1试验均能较好地模拟出台风“凤凰”的移动路径, 而使用了Bogus方案的Coup2试验模拟的台风路径偏差较大。从时间段上来看, 在试验前期, 模式尚处于调整阶段, Ctrl试验和Coup1试验模拟出的台风中心位置均不太稳定, 在有些时次较为准确(第3个时次), 在有些时次偏差较大(第4、5个时次), Coup2试验则在三个时次后发生了路径偏移; 在试验中期, 模式逐渐趋于稳定, Ctrl试验和Coup1试验模拟的台风在转向后与实况路径基本保持一致, 而Coup2试验此时已偏差较大; 在试验后期, Ctrl试验和Coup1试验的台风路径保持稳定, 在登陆后, Coup1试验效果略优于Ctrl试验, 而Coup2试验模拟的台风路径在这一阶段依然偏差较大。
三次试验在各时间段内台风中心位置的平均绝对误差见表 3, 其中Ctrl试验在前24 h模拟效果最好, 其绝对误差相对Coup1试验和Coup2试验分别减小了5.28 km、53.38 km; Coup1试验在中间24 h和后24 h模拟效果最好, 其绝对误差相对Ctrl试验分别减小了17.4 km、24.1 km, 相对Coup2试验分别减小了183.3 km、126.9 km; Coup1试验的全程平均绝对误差也是最小的, 其相对Ctrl试验和Coup2试验分别减小了20.1%和72.5%。
Ctrl | Coup1 | Coup2 | |
前24 h | 56.71 | 61.99 | 110.09 |
中间24 h | 72.52 | 55.10 | 204.25 |
后24 h | 51.01 | 26.93 | 210.27 |
全程平均 | 60.08 | 48.01 | 174.87 |
图 6给出了三次试验以及JTWC实况资料的台风强度演变情况。三次试验均能较好地模拟出台风中心最低气压的变化趋势, 但在不同时段, 各试验准确性有所差异。在试验前期, Coup2试验由于植入了Bogus涡旋, 在初始时刻其气压值更准确, 因此前30 h的模拟效果更好, 而Ctrl试验和Coup1试验在前30 h模拟出的中心最低气压较实况明显偏大, 台风强度偏弱。在试验中期, 三次试验的气压变化趋势发生了明显变化, Ctrl试验中心最低气压下降速度过快, 很快偏离了实况; Coup2试验最低气压则下降的过于平缓, 在第48 h就达到了最小值; Coup1试验最低气压下降速度介于两者之间, 与实况最为接近。在试验后期, 这种趋势表现的更为明显, Ctrl试验由于未考虑海气耦合作用, 中心最低气压明显偏低; Coup2试验虽然考虑了耦合作用的影响, 但其路径模拟的不准确, 当台风登陆时其依然位于海上, 因此其耦合作用过强, 造成了台风强度偏弱; Coup1试验则在这一阶段与实况最为接近。
表 4和表 5分别给出了三次试验在各时段内台风中心最低气压的均方根误差和相关系数。在前24 h, Coup2试验的均方根误差最小, 其相对Ctrl试验和Coup1试验分别减小了3.51 hPa和3.74 hPa; 在中间24 h和后24 h, 则是Coup1试验的模拟效果最好, 其全程平均均方根误差也最小(相对Ctrl试验和Coup2试验分别减小了3.94 hPa和1.22 hPa, 减小百分比为41.4%, 17.9%)。从与实况的相关性上来看, Ctrl试验和Coup1试验的相关系数明显大于Coup2试验, 说明两者对气压的变化趋势模拟的更好, 其中Coup1试验模拟效果最好, 其相关系数达0.968。再对比三次试验中心最低气压的均方根误差和位置的绝对误差, 发现当台风位置模拟的较好时(绝对误差小), 中心最低气压也模拟的较好(均方根误差小)。
Ctrl | Coup1 | Coup2 | |
前24 h | 5.66 | 5.89 | 2.15 |
中间24 h | 6.19 | 3.08 | 4.57 |
后24 h | 14.65 | 2.66 | 10.05 |
全程平均 | 9.52 | 5.58 | 6.80 |
海表流场的分布主要受海面风速影响, 而三次试验中采用了不同的风场去驱动海洋模式运行: Ctrl试验中采用NCEP风场, 其风速相对大气模式提供风场较小, 且主要的风速大值区位于台风路径右侧(图 7a); Coup1试验(图 7b)和Coup2试验(图 7c)采用大气模式提供风场驱动, 在台风外围, 其风速大小与NCEP风场相当, 但在台风中心附近, 其风速明显较大, 且主要的风速大值区距离台风中心更近。同时段内海表流场的分布见图 8, Coup1试验和Coup2试验模拟出的海表流速相对Ctrl试验较大, 尤其是在台风路径右侧, 出现了流速的极值区, 但是由于缺乏同时段内海表流场的实况资料, 三次试验的模拟准确性还有待进一步检验。
3.2.2 海表温度
海表温度的变化相对缓慢, 因此选择日平均海温进行分析, 并以NOAA最优差值海温产品为实况进行对比。图 9给出了三次试验26日日平均海温的分布, 由图可知Ctrl试验模拟出的海温相对NOAA海温明显偏高, 尤其是在西太海域, 出现了大片大于30℃的区域; 两次耦合试验模拟出的海温则相对偏低, 其大于30℃区域明显偏小, 其中Coup2试验的海温略低于Coup1试验, 但两者的海温分布型式较为类似, 还需通过定量计算来分析其具体差异。
根据距离台风中心的远近程度不同, 选取图 10中A、B、C三块区域, 分别计算25日、26日、27日日平均海温的均方根误差, 最终得到结果如表 6~表 8所示。
A区 | Ctrl | Coup1 | Coup2 |
25日 | 0.96 | 0.94 | 0.95 |
26日 | 1.08 | 1.07 | 1.14 |
27日 | 1.28 | 1.31 | 1.38 |
三日平均 | 1.11 | 1.11(0%) | 1.15(–3.6%) |
B区 | Ctrl | Coup1 | Coup2 |
25日 | 0.95 | 0.53 | 0.59 |
26日 | 0.98 | 0.77 | 0.95 |
27日 | 1.19 | 0.96 | 1.12 |
三日平均 | 1.04 | 0.75(27.9%) | 0.89(14.4%) |
C区 | Ctrl | Coup1 | Coup2 |
25日 | 0.88 | 0.52 | 0.58 |
26日 | 1.09 | 0.72 | 0.95 |
27日 | 1.37 | 0.88 | 1.08 |
三日平均 | 1.11 | 0.71(36.0%) | 0.87(21.6%) |
横向比较看, 在范围较大的A区, 三次试验对海温的模拟效果相当, 但在更加靠近台风中心的B区和C区, 两次耦合试验的模拟效果明显优于控制试验, 其中Coup1试验的模拟效果最好, 其在B区和C区的(三日平均)海表温度均方根误差相对Ctrl试验分别减小了27.9%和36.0%, 而Coup2试验相对Ctrl试验也分别减小了14.4%和21.6%。纵向上比较看, 耦合试验在25~27日同时次的均方根误差A区 > B区 > C区, 而控制试验的均方根误差则基本保持不变, 说明越是靠近台风中心的区域, 耦合试验的模拟效果越好, 其相对控制试验的优势也越大。三次试验的日平均均方根误差也体现出“随着模拟区域向台风中心靠近, 三次试验模拟效果差异变大”的特征。
3.2.3 混合层深度在台风经过海域, 台风大风通常会引起混合层内流速加快, 导致强的抽吸夹卷效应, 该效应使得较冷海水上翻, 海表温度降低, 混合层深度增加[22]。Zendler等[23]在对飓风Felix的观测资料分析中发现, 飓风路径右侧的混合层深度48 h内增加了40 m左右; 黄立文等[10]利用海气耦合模式对台风经过区域的混合层深度进行了研究, 发现台风Winnie使黄、东海区域的混合层深度普遍增加了20~30 m。本文根据“海温相对于表层海温变化不超过0.5℃”的判据来定义混合层深度[24], 并分析台风经过区域48 h内混合层深度的变化。
如图 11所示, Ctrl试验由于采用了风速较小的NCEP风场驱动海洋模式运行, 台风经过区域混合层深度加深并不明显, 大多在0~20 m, 在有些区域混合层深度还有所降低; 而Coup1试验和Coup2试验采用了风速较大的大气模式风场驱动海洋模式运行, 台风经过区域混合层深度显著加深, 在距离台风中心一个经纬度范围内混合层深度普遍增加20 m以上, 在靠近台风中心的某些区域, 增加深度达50 m以上。Coup1试验由于台风强度更强, 海表风速更大, 相对Coup2试验混合层深度加深更多。三次试验中混合层深度增加较大区域基本位于台风路径右侧, 这与同时段内海表风速大值区(图 7)、海表流速大值区(图 8)和海表温度降温区(图 12)均有明显对应关系, 这说明耦合试验中混合层深度对大气的响应是由于台风大风造成了海表流速增大, 强烈的抽吸夹卷效应使得SST降低, 最终造成了混合层深度的增加。
4 结论
本文利用MCT耦合器, 构建了WRF-POM并行区域海气耦合模式, 该耦合模式能够稳定高效地运行, 并较好地再现了台风“凤凰”的活动过程。
总体来说, 耦合模式相对于单一的大气模式, 更好的模拟出了台风“凤凰”的路径和强度, 其中, 不使用Bogus方案的Coup1试验模拟效果最好, 其路径平均绝对误差相对Ctrl试验和Coup2试验分别减小了20.1%和72.5%, 强度平均均方根误差相对Ctrl试验和Coup2试验分别减小了41.4%和17.9%;而使用了Bogus方案的Coup2试验仅在试验前期对台风强度模拟较好, 超过一定时间后其模拟的台风路径和强度均出现偏差。耦合过程中海洋对大气的响应明显:两次耦合试验中, 海表温度明显降低, 对应区域的混合层深度也显著加深。耦合模式还有效地提高海表温度场的模拟准确性, 且越靠近台风中心模拟越准确。
本文仅针对台风“凤凰”个例进行了模拟试验, 由于大多数海洋要素缺乏相应时刻的实况资料, 只进行了各试验间的对比分析, 因此模拟的准确性还有待进一步检验。在下一步的工作中, 还应对不同区域的更多个例进行试验分析, 提取共性, 研究差异, 才能进一步验证WRF-POM区域海气耦合模式的性能, 更深一步探究中尺度海气耦合作用机理。
[1] |
Zebiak S E, Cane M A. A model El Nino-Southern oscillation[J]. Mon Weather Rev, 1987, 115: 2262-2278. DOI:10.1175/1520-0493(1987)115<2262:AMENO>2.0.CO;2 |
[2] |
徐建霞, 孙照渤, 雷兆崇. 用海-气耦合模式作季风季节平均环流的数值试验[J]. 南京气象学院学报, 1992, 15: 332-341. Xu Jianxia, Sun Zhaobo, Lei Zhaochong. A numeical experiment on the monsoon circulation using a coupled ocean-atmosphere model[J]. Journal of Nanjin Institute of Meteorology, 1992, 15: 332-341. |
[3] |
彭世球, 刘段灵, 孙照渤, 等. 区域海气耦合模式研究进展[J]. 中国科学:地球科学, 2012, 42(9): 1301-1316. Peng Shiqiu, Liu Duanlin, Sun Zhaobo, et al. Recent advances in regional air-sea coupled models[J]. Sci China Earth Sci, 2012, 42(9): 1301-1316. |
[4] |
Hodur R M. The naval research laboratory's coupled ocean/atmosphere mesoscale prediction system[J]. Mon weather rev, 1997, 125: 1414-1430. DOI:10.1175/1520-0493(1997)125<1414:TNRLSC>2.0.CO;2 |
[5] |
Lars R S, Kerry A E. The ocean's effect on the intensity of tropical cyclones:results from a simple coupled atmosphere-ocean model[J]. J Atoms Sci, 1998, 56: 642-651. |
[6] |
Seo H, Miller A J, Roads J O. The scripts coupled ocean-atmosphere regional (SCOAR) model with applications in the Eastern Pacific sector[J]. J Clim, 2007, 20: 381-402. DOI:10.1175/JCLI4016.1 |
[7] |
Li Y, Xue H, Bane J M. Air-sea interactions during the passage of a winter storm over the Gulf Stream:A three-dimensional coupled atmosphere-ocean model study[J]. Journal of Geophysical Research Oceans, 2002, 107(C11): 21-1. |
[8] |
Warner J C, Armstrong B, He R, et al. Development of a coupled ocean–atmosphere–wave–sediment transport (coawst) modeling system[J]. Oocean modelling, 2010, 35(3): 230-244. DOI:10.1016/j.ocemod.2010.07.010 |
[9] |
Warner J C, Geyer W R, Lerczak J A. Numerical modeling of an estuary:A comprehensive skill assessment[J]. Journal of Geophysical Research Oceans, 2005, 110(C5): 297-314. |
[10] |
黄立文, 吴国雄, 宇如聪. 中尺度海-气相互作用对台风暴雨过程的影响[J]. 气象学报, 2005, 63(4): 455-467. Huang Liwen, Wu Guoxiong, Yu Rucong. The effects ofmesoscale air-sea interaction on heavy rain in two typhoon processes[J]. Acta Meteorologica Sinica, 2005, 63(4): 455-467. DOI:10.3321/j.issn:0577-6619.2005.04.007 |
[11] |
蒋小平, 刘春霞, 齐义泉. 用一个海-气耦合模式对台风Krovanh的模拟[J]. 大气科学, 2009, 33: 99-108. Jiang Xiaoping, Liu Chunxia, Qi Yiquan, et al. The impact of air-sea interactions on typhoon structure[J]. Chinese Journal of Atmospheric Sciences (in Chinese), 2009, 33: 99-108. DOI:10.3878/j.issn.1006-9895.2009.01.09 |
[12] |
刘磊, 费建芳, 黄小刚, 等. 大气-海浪-海流耦合模式的建立和一次台风过程的初步试验[J]. 物理学报, 2012, 61(14): 523-531. Liu Lei, Fei Jianfang, Huang Xiaogang, et al. The development of atmosphere-current-wave fully coupled model and its application during a typhoon process[J]. Acta Phys, 2012, 61(14): 523-531. |
[13] |
符晓单, 李洪平. MPI环境下基于边界校正方法的海洋模型的并行化[J]. 海洋科学, 2015, 39(5): 62-67. Fu Xiaodan, Li Hongping. A boundary correction meth od for the parallelization of ocean model under MPI environment[J]. Marine Science, 2015, 39(5): 62-67. |
[14] |
邓建.中尺度海-气-浪耦合模式系统的研究与应用[D].武汉: 武汉理工大学, 2007. Deng Jian.The research and application of a mesoscale scale air-sea-wave coupled model system[D].Wuhan: Wuhan university of technology, 2007. |
[15] |
曾庆存, 周广庆, 浦一芬, 等. 地球系统动力学模式及模拟研究[J]. 大气科学, 2008, 32(4): 653-690. Zeng Qingcun, Zhou Guangqing, Pu Yifen, et al. Research on the earth system dynamic model and some related numerical simulat ions[J]. Chinese Journal of Atmospheric Sciences, 2008, 32(4): 653-690. DOI:10.3878/j.issn.1006-9895.2008.04.01 |
[16] |
关皓, 周林, 薛彦广, 等. 南海中尺度大气-海流-海浪耦合模式的建立及应用[J]. 热带气象学报, 2012, 28(2): 211-218. Guan Hao, Zhou Lin, Xue Yanguang, et al. An applied study on the atmosphere-ocean-wave coupled model in the south china sea[J]. Journal of tropical meteorology, 2012, 28(2): 211-218. DOI:10.3969/j.issn.1004-4965.2012.02.008 |
[17] |
刘磊, 费建芳, 马占宏, 等. 区域台风-海洋耦合模式的构建及应用研究[J]. 大气科学, 2017, 41(1): 178-188. Liu Lei, Fei Jianfang, Ma Zhanhong, et al. Construction and application of a regional typhoon–ocean coupled model[J]. Chinese Journal of Atmospheric Sciences (in Chinese), 2017, 41(1): 178-188. |
[18] |
关皓, 周林, 王汉杰, 等. 南海中尺度大气-海浪耦合模式及其对该区一次强台风过程的模拟研究[J]. 气象学报, 2008, 66(3): 342-350. Guan Hao, Zhou Lin, Wang Hanjie, et al. A mesoscale atmosphere-ocean wave coupling model and numerical simulations on a strong typhoon process in South China Sea[J]. Acta Meteorologica Sinica, 2008, 66(3): 342-350. |
[19] |
蒋小平, 刘春霞, 莫海涛, 等. 海气相互作用对台风结构的影响[J]. 热带气象学报, 2010, 26(1): 55-59. Jiang Xiaoping, Liu chunxia, Mo Haitao, et al. The impact of air-sea interactions on typhoon structure[J]. Journal of tropical meteorology, 2010, 26(1): 55-59. |
[20] |
杨成荫.航空短期区域气候预测系统中的模式架构及卫星信息同化研究[D].南京: 解放军理工大学, 2013. Yang Chenying.The model framework and satellite information assimilation in regional aviation short-term climate prediction system[D].Nanjing: PLA University of Science and Technology, 2013. |
[21] |
Wang Guomin, Wang Shiwen, Li Jianjun. A bogus typhoon scheme and its application to a movable nested mesh model[J]. Advances in Atmospheric Sciences, 1996, 13(1): 103-114. DOI:10.1007/BF02657031 |
[22] |
安玉柱, 王彦磊, 张韧.上层海洋温盐结构对台风的响应[R].南京: 解放军理工大学气象海洋学院, 2014. An Yuzhu, Wang Yanlei, Zhangren.Upper ocean temperature and salinity structure response to typhoon[R].Nanjing: College of Meteorology and Oceanography, PLA University of Science and Technology, 2014. |
[23] |
Zedler S E, Kanschat G, Korty R, et al. A new approach for the determination of the drag coefficient from the upper ocean response to a tropical cyclone:a feasibility study[J]. Journal of Oceanography, 2012, 68(2): 227-241. DOI:10.1007/s10872-011-0092-6 |
[24] |
Kelly K A, Qiu B. Heat flux estimates for the western North Atlantic.Ⅰ:As similation of satellite data into a mixed layer model[J]. J Phys Oceanogr, 1995, 25: 2334-2360. |