2022, Vol. 52
2. 中国海洋大学物理海洋教育部重点实验室，海洋-大气相互作用与气候重点实验室，山东 青岛 266100;
3. 中国海洋大学信息科学与工程学院海洋技术系, 山东 青岛 266100
海雾是指在海洋的影响下，海滨、岛屿或开放海域海上大气边界层内悬浮着的大量微小的水滴或冰晶使能见度降低至1 km(0.62 mile)以下的天气现象，海雾导致的低大气能见度对人类生产活动产生重大影响[1-2]。开展对海雾的研究具有非常重要的意义。
关于海雾的发生，前人研究大都是围绕海雾天气下的大气环流背景和层结条件。平流冷却雾是暖空气在冷水面发生凝结而形成，在4—7月多发于黄海海域，其发生、发展主要影响因子包括东南风影响下的水汽输送、冷水面[1, 3-4]、稳定的海上大气边界层[5-7]、雾顶长波辐射冷却[8-10, 12]与雾顶夹卷作用[12]等。低空水平风的垂直切变造成的湍流混合是空气降温增湿形成凝结的重要原因[11-12]。一般来讲平流雾是顺着风向发展的，但是有结果表明，海表面风场与海雾的发展并不是简单的线性关系[13]，且实际观测中发现海雾在发展时，其面积和形态是发生变化的，雾区变化方向与背景风场之间存在一定的夹角，甚至雾区是不连续的。这些变化特征仅仅用海雾发生、发展的背景条件难以充分解释。
静力稳定的层云云顶有时可清晰看到重力波的存在[14]。边界层内由水平风的垂直切变引起的重力波又称开尔文亥姆霍兹不稳定(Kelvin-Helmholtz instability，KHI)，会引起边界层内湍流混合[15-17]。重力波位相的传播使气层中气温、液态水含量、能见度等气象要素具有周期性振荡的特征。海雾可以认为是贴近海面的层云[4, 18]，前人利用卫星、雷达等观测手段发现陆地雾层中存在重力波引起的波纹状结构，波长通常在(102~104) m[18-21]，重力波引起的滚轮对流会使层积云出现规律的“云街”形态[22]。黄海海雾的发生、雾区的变化发展是否和重力波之间有存在一定关系，迄今尚无研究。
2014年5月17—18日“东方红2号”科考船捕捉到海雾过程伴随重力波活动。本文利用船测、卫星、再分析资料分析重力波在海雾生成和发展阶段的作用，利用WRF嵌套的LES模式再现海雾过程，进一步验证重力波与海雾的关系。
1 资料、方法与模式 1.1 资料与方法2014年春季，中国海洋大学“东方红2号”科考船进行了为期25天的黄渤海航次科研考察工作，科考船甲板上搭载了自动气象站、能见度测量仪、多普勒测风激光雷达等仪器。本文使用的船载观测的资料有：(1)船载XZC6-1型自动气象站资料，包括经度、纬度、气温(SAT)、相对湿度、气压、风速、风向等。该仪器位于距海平面10 m高度处，每10 s记录一次数据；(2)船载上海长望NQ-1型能见度测量仪观测的科考船行驶方向的水平能见度数据，时间间隔为1 min，范围在6~30 000 m；(3)国产长峰仪器AF-06-A型号的全球定位系统(GPS，Global Position System) 探空仪资料，包括气温、气压、相对湿度、露点温度、风向、风速等数据，时间分辨率为1 s，垂直分辨率10 m，最高可观测到约13 000 m；(4)船载中国海洋大学和青岛镭测创芯科技有限公司共同研制的脉冲相干多普勒测风激光雷达Wind3D 6000资料。仪器扫描窗口距海平面8 m高度处，主要使用该资料的PPI扫描下风速的径向分量，每分钟输出一次仰角为0°的扫描结果，用于记录大气风速的波动信号；(5)船载CPEC310闭路涡动相关通量观测系统CSAT3A三维超声风速仪三维测风仪(通量仪)数据；(6)船载芬兰Vaisala激光云高仪(CL31型号)资料，时间分辨率为16 s，垂直高度范围0~8 000 m，其配套软件系统计算每3 min记录一次云底高度、边界层高度和云的种类(包括雾)；(7)欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts，ECMWF)提供的ERA5再分析资料*，垂直共37层，时间间隔为1 h，水平分辨率0.25(°)×0.25(°)，用于天气形势以及要素场分析，并作为WRF-LES模式提供初始场和边界条件。
* Hersbach H, Bell B, Berrisford P, et al. ERA5 hourly data on pressure levels from 1979 to present. Copernicus climate change service (C3S) climate data store (CDS), 2018, 10.24381/cds.bd0915c6, https://cds.climate.copernicus.eu/cdsapp#!/dataset/.
本文采用Gao等利用双通道法提出的适合黄海的双通道之差海雾判别阈值的夜间雾区反演产品[23]。利用日本气象厅多功能运输卫星(MTSAT，The Multi-Functional Transport Satellite) 气象卫星4 km×4 km每小时的可见光云图，以及红外1、4通道数据以及中分辨率成像光谱仪(MODIS，The Moderate Resolution Imaging Spectroradiometer)卫星0.25 km×0.25 km可见光通道获取日间海雾区域。海雾在可见光云图上一般表现为表面均一、边缘清晰且纹理光滑的乳白色的特征[24]。本文用到Morlet连续小波分析方法[25]，对重力波引起的垂直速度、能见度、温度等气象要素波动特征进行分析。
1.2 模式介绍本研究针对海雾过程的模拟采用的LES模式是带有高级研究WRF(Advanced Research WRF，ARW) 动态求解器的WRF v3.7.1版本。WRF嵌套的LES模式需关闭边界层参数化方案，因此需要通过提高水平与垂直分辨率来直接地描述湍流结构。对研究区域进行四重网格嵌套(D01~D04)，网格间距分别为9，3，1和200 m(见图 1)。使用欧洲中期天气预报中心提供的水平分辨率0.25(°)×0.25(°)，时间分辨率1 h的ERA5再分析资料运行D01、D02和D03区域网格。使用WRF中的ndown技术，将D03输出的结果(时间间隔为10 min)单独作为嵌套的LES层D04区域网格的初始条件和边界条件。模拟时段是2014年5月17日12:00 UTC—19日00:00 UTC，模式初始时刻的中心位置(35°N，122°E)，四重网格的垂直层数均为44，具体的参数化方案见表 1。
|
图 1 模式区域设置 Fig. 1 Domain configuration |
|
表 1 WRF模式和LES模式参数设定 Table 1 Options of WRF model and LES model |
5月18日00:00 UTC“东方红2号”位于红点(123.17°E，37.00°N)，700 hPa(见图 2(a))，我国东北地区和渤海位于高空槽后，受下沉西北气流控制；925 hPa(见图 2(b))和1 000 hPa(见图 2(c))上黄海海域有一较弱的反气旋环流，小高压控制，等压线稀疏，黄海以南位于气旋式环流前部，较强的东南风携带着相对温暖湿润的气体北上；图 2(d)是10 m风场和1 000 hPa相对湿度分布图，观测位置的南部大范围区域的相对湿度接近100%，并且吹南风，可以看到观测位置受偏南气流影响，风速较小，环流形式和水汽条件利于海雾的生成和发展。
|
( (a), (b), (c)分别是700，925和1 000 hPa位势高度场(等值线，gpm)和风场(箭头，m/s)；(d)2 m温度场(红色实线，K)，10 m风场(小箭头，m/s)，1 000 hPa相对湿度场(填色，单位：%)以及10 m风场平均风矢量(红框内黑色箭头)和925 hPa风场平均风矢量(蓝色箭头))。(a), (b), (c) are 700, 925 and 1 000 hPa geopotential height fields(contours, gpm) and wind fields(arrows, m/s), respectively; (d) The 2 m temperature field(red solid line, K), the 10 m wind field(small arrow, m/s), the 1 000 hPa relative humidity field(filled, Unit: %), and the 10 m wind field average wind vector in the red box(black arrow) and 925 hPa wind field mean wind vectors(blue arrows). ) 图 2 2014年5月18日00:00 UTC天气形势 Fig. 2 Synoptic weather map at 00:00 UTC 18 May, 2014 |
船载能见度仪记录的水平能见度显示本次海雾个例发生的时间是2014年5月17日22:43 UTC至18日01:24 UTC(见图 3(d))，此过程中船位于123.17°E，37.00°N，位置几乎没有发生变化。船载激光云高仪在相对应的时段cloud status显示“4”，说明此时段观测到的是海雾[33]。在观测位置附近海表面吹南风，风速较小(见图 2)。
|
图 3 船载自动气象站温度T(℃)、露点Td(℃)、相对湿度Rh(%)、三维测风仪垂直风速w(m/s)和能见度仪能见度(m)的时间序列 Fig. 3 Time series of temperature T(℃), dew point Td(℃), relative humidity Rh(%) measured by the shipboard automatic weather station, vertical wind speed w(m/s) of 3D anemometer and visibility (m) measured by the visibility meter |
从夜间反演海雾产品和可见光云图(见图 4)上可以看到，17日20:00 UTC海雾已在黄海西南部大范围分布；21:00—22:00 UTC科考船位于这一大片海雾的北侧边缘；23:00—01:00 UTC海雾的北侧边缘向东北方向发展，经过科考船。由此可知，船测到的海雾过程是山东半岛以南已经存在大片海雾北侧延伸出的小范围海雾，科考船只记录到一次维持了近3 h的低能见度天气，海雾向北移动离开科考船，能见度恢复至1 km以上，随后科考船驶离海雾分布的区域。
|
图 4 夜间海雾反演产品和MTSAT可见光云图 Fig. 4 Nacturnal sea fog inversion products and MTSAT visible light clouds |
船载自动气象站和三维测风仪显示，21:50 UTC垂直速度(见图 3(c))振幅突然增大至0.3 m/s，与此同时自动气象站观测的气温开始下降(见图 3(a))，5 min后温度露点差降低至0 ℃，相对湿度接近100%(见图 3(b))，达到水汽饱和状态。并且每当5 min垂直速度出现较大的振幅时，就会伴有明显的降温。21:55—22:40 UTC船测点及附近维持水汽饱和的状态，大气温度、湿度条件均已符合产生海雾的条件，能见度呈现缓慢波动态势下降，但未产生海雾，直至22:43 UTC能见度迅速下降至1 km以下。也就是说生成海雾的温度、湿度条件均已具备，已经接近饱和的气层维持了近50 min才生成海雾。发生海雾时两次探空观测(见图 5)显示，在200 m高度的位置有强烈的逆温层，相对湿度达到最大值，垂直方向上有明显的风切变，风向随高度由南风转为东风，风速增大，由此可确定雾顶高度大概在200 m。图 2(d)中标示出的10 m高度(黑色箭头)和925 hPa高度(蓝色箭头)之间存在明显的风切变，分别为1.7 m/s的南风和6.3 m/s的东风。
|
图 5 GPS探空温度(黑色实线)、露点温度(蓝色虚线)、相对湿度(绿色虚线)、位势温度(黑色虚线)和风矢量(箭头)廓线 Fig. 5 GPS soundings of temperature (black solid line), dew poinr temperature (blue dashed line), relative humidity (green dashed line), potential temperature (black dashed line) and wind vector (arrow) contours |
随着小范围的海雾向北移动，能见度逐渐增大至1~5 km后，进行了一组多普勒激光测风雷达的观测。图 6(a)是5月18日03:40 UTC风速径向分量显示扫描区域是南风，通过速度方位角(VAD，Velocity Azimuth Display) 反演方法[34]，即减去径向风速在同半径弧线上的正弦拟合，去除方位角信息，保留的是水平方向风速的振荡信号(见图 6(b))，可以明显看到水平风速在重力波的作用下表现为规律的波动，重力波的波长在800~1 000 m。连续时间段的观察发现，重力波的位相向东北方向传播，相速度大约2.0 m/s，水平风速振幅在0.5 m/s上下，周期6~8 min，符合低层大气小尺度重力波KHI的特征，与前人通过激光雷达观测到的海雾中的KHI的特性类似[21]。
|
图 6 2014年5月18日03:40 UTC船载脉冲相干多普勒测风激光雷达PPI扫描0°仰角(a)风速的径向分量(m/s)及(b)VAD反演方法后的风速(m/s) Fig. 6 Products of CDL at 03:40 UTC 18 May, 2014 (a) radial component of wind speed (m/s) and (b) wind speed after VAD inversion method (m/s) |
对船载三维测风仪在的垂直速度(w)进行小波分析，选取温度降低，湿度近饱和，w的振幅增大，但还没有生成海雾之前的时段。图 7(a)显示，w存在明显的周期为5~8 min的规律振荡，与激光雷达测得的重力波的周期相吻合。前人发现，在海雾过程中能见度、风速等存在强烈的3~5 min的准周期振荡[17, 21]。
|
( (a)小波分析能量谱，黑色实线表示通过95%的信度检验，锥线以外不可信；(b)总体波谱图(实线)和95%信度线(虚线)。(a) Wavelet analysis energy spectrum. The solid black line indicates that it passes the 95% confidence test and is not credible beyond the cone line; (b) Overall wavelet spectrogram (solid line) and 95% confidence line (dashed line). ) 图 7 船测海雾前垂直速度w小波分析 Fig. 7 Wavelet analysis before sea fog vertical velocity w |
根据船载GPS探空资料，计算大气静力稳定度(∂θse/∂z)(见图 8(a))在300 m以下的大气中，200 m和近海表面的大气存在条件不稳定(∂θse/∂z < 0)，该层存在温度、湿度以及风等气象要素的在垂直方向上的明显变化。垂直风切变是这两个高度上容易激发出重力波的原因。Brunt-Väisälä频率N是产生重力波的判断依据之一。
|
图 8 2014年5月17日23:43 UTC静力稳定度(a)和Brunt-Väisälä频率廓线(b) Fig. 8 Static stability(a) and Brunt-Väisälä frequency contours(b) at 23:43 UTC 17 May, 2014 |
图 4显示大片的海雾或层云在船测点观测到海雾前已经出现，说明该海域上空大气是稳定层结的，已具备产生和维持重力波的良好的背景条件。船测点南部出现海雾的区域上空存在强的垂直风切变，是激发出重力波的条件。
MODIS可见光通道影像(见图 9)显示，18日02:50 UTC观测到的海雾正在向北移动远离科考船(红点)，在其北侧边缘的位置可以清晰看到沿东西方向延展的条纹状态，条纹之间的距离大概是1~10 km的尺度，这是边界层内的单一重力波使气团在垂直方向上规律的振荡，引起温度、湿度、液态水含量等气象要素的规律振荡，最终在雾传播方向前沿以清晰的云街/雾街的形态呈现。同样在这片雾的中部也存在着肉眼可见的想南北方向延伸，沿东西方向传播的波动。
|
图 9 2014年5月18日02:50 UTC MODIS可见光云图 Fig. 9 MODIS visible light cloud map at 02:50 UTC 18 May, 2014 |
以上观测和分析表明，海雾过程中是存在重力波活动的，在此高度上重力波的周期是6~8 min，与理论符合。重力波是由于稳定的大气层结中存在水平风的垂直切变，垂直风切变作为扰动源引起了重力波的传播。但是观测发现偏西的南风背景下，乳白色的雾区是向东北方向移动，说明雾区的发展和移动方向不是单纯由风场决定的。
稳定层结中湍流混合是海雾形成的重要因素之一。依据观测分析提出生成海雾过程的猜想：重力波在海雾过程中的作用分为三个阶段：(1)稳定层结中垂直风切变产生的重力波引起大气在垂直方向上规律的振荡，使气层内的垂直混合作用加强，上层热量向下输送，从混合层顶开始降温，混合层上部的逆温增强，逆温层以下形成高湿气层，并且这种状态会维持一定时间。(2)重力波会引起气层内的湍流混合作用，在准饱和的状态下，湍流混合作用使原来已经接近饱和的气层达到过饱和状态，使混合层内水汽开始发生凝结，液态水含量增大，在长波辐射冷却机制共同作用下，雾层会迅速发展起来，厚度加深。(3)当海雾生成后，在重力波的作用下出现规律的滚轮状的特征。
4 模式结果分析为了验证猜想，进一步探究海雾发展过程与重力波之间的关系，利用WRF模式嵌套LES模式模拟了此次海雾过程。图 10~11的区域对应图 1的D04区域。模式底层的水平云水混合比在18日00:00—04:00 UTC(见图 10 (a)~(c))显示的雾区与上述的大片海雾北侧延伸出的小团海雾的观测事实基本一致，图 10(b)雾区的形态与MODIS云图显示的雾区形态高度吻合，图 11(a)是该时刻的垂直速度w，对应在这片海雾的北侧边缘存在明显的重力波，后续向北移动发展，雾区面积增大(见图 10(c))。LES还模拟出了船测海雾时段后大片海雾整体向东北发展的过程(见图 10(d)~(f))。06:00—10:00 UTC有大面积的海雾向东北方向扩散，海雾的边缘移动的速度约8 m/s，此时是5 m/s的南风。结合08:00 UTC垂直速度分布图(见图 11(b))观察到在大片海雾移动方向的下游有明显的波长为1.2~2.0 km重力波，波动特征与激光雷达测风数据(见图 6(b))反映的重力波的波长、周期、速度等特征均吻合。由此可知，不论是山东半岛东部的小范围海雾，还是后期发展较迅速的大范围海雾，其发展方向的前缘均有明显的重力波存在，海雾边缘的形态与重力波相位传播形态类似，并且与重力波相位移动的方向一致。可见重力波参与海雾生成和发展的过程，并起到重要的作用。
|
图 10 模式最底层大气的水平云水混合比(填色，单位：g/kg)水平分布 Fig. 10 Simulated horizontal cloud water mixing ratio (shaded, Unit: g/kg) at the lowest level |
|
图 11 模式20 m高度处垂直速度w(填色, 单位：m/s)水平分布 Fig. 11 Horizontal distribution of vertical velocity w (shaded, Unit: m/s) out of mode 20 m height |
沿着船测点所在位置的经线(123.17°E)方向做垂直剖面(见图 12)，D04和D03分别是LES模式和WRF模式的结果。D04显示04:00 UTC在贴近海面的大气存在海雾，云水混合比随高度减小。垂直速度振幅明显的区域位温在空间上波动起伏也随之增大，位温的波动与垂直速度的波动存在π/2个相位差[14]。在36.75°N—36.85°N区间，垂直速度表现出重力波沿经向的波长约1.5 km，重力波从低纬向高纬传播，在同一时刻的WRF结果中，该位置没有出现海雾，说明LES模式结果中重力波是海雾产生过程的关键因素。
|
图 12 模式沿123.17°E的垂直剖面云水混合比(黑色实线，g/kg)，位温(红色实线，K)及垂直速度(填色，单位：m/s) Fig. 12 Cloud-water mixing ratio (black solid line, g/kg), potential temperature (red solid line, K), vertical velocity (shaded, Unit: m/s) of the vertical profile of the model along 123.17°E |
11:00 UTC海雾发展旺盛，厚度在180 m左右。低层位温线稀疏是垂直混合充分的结果，286 K位温线可以认为是混合层顶，其上是稳定的逆温层，逆温层增强并且抬升，混合层内稳定性增强。雾层中液态水含量在水平方向上也随重力波有规律的振荡，w向上时表现为液态水含量增大，并且w越大，液态水含量越大，并且在混合层顶是云水混合比的大值区。这是因为混合作用和长波辐射冷却作用[11-12]使混合层顶降温最明显，液态水含量增加最快。这也证实了海雾发生后，在重力波的影响下，海雾(尤其在雾顶)出现规律的滚轮状结构。
综合来看，重力波对海雾产生的作用表现在：重力波的湍流混合作用使维持了一段时间的饱和状态的气层出现过饱和并发生凝结，产生海雾，随后产生的海雾又在重力波的影响下，出现滚轮状特征。
5 结论与讨论本文从“东方红2号”船载激光测风雷达在2014年5月17—18日观测到的黄海海雾中的重力波活动引发思考并进行研究：重力波与海雾的发生发展有什么关系？通过观测资料、卫星云图等结合WRF模式嵌套LES模式数值实验的结果，从天气形势、观测分析和数值模拟分析方面对海雾的发生和发展阶段与重力波的关系的进行了研究，主要结论有：
(1) 通过船载激光测风雷达发现海雾过程中存在重力波的活动迹象，重力波波长为800~1 000 m，周期6~8 min，向东北方向传播，相速约2 m/s，自动气象站和通量仪记录的能见度、温度和垂直速度等因素存在周期为5~8 min的规律振荡，卫星云图显示的雾中也有重力波的结构特征。该海域产生海雾之前是稳定的边界层，有明显的水平风的垂直切变，是产生和维持重力波的原因。
(2) 分析观测资料表明，重力波引起垂直速度振幅增大会引起气层的降温、增湿过程，垂直混合使层结达到接近饱和的状态并维持一段时间。在准饱和大气中，重力波产生的湍流混合作用会使原本已经接近饱和的气层达到过饱和并凝结，产生海雾，在长波辐射冷却等机制共同作用下，海雾迅速发展。重力波在水平方向上的相位传播使经过的区域湍流混合作用增大，为海雾的产生营造了良好的温湿条件，也对原本已经接近饱和的气层起到激发海雾的作用，在一定程度上决定了海雾的发展方向。
(3) 模式结果验证了重力波对海雾的发生起到触发作用，验证了利用观测数据推测的结论。重力波会引起的湍流混合作用使在准饱和状态下大气达到过饱和状态，混合层内水汽开始发生凝结，液态水含量增大，在长波辐射冷却机制共同作用下，雾层会迅速发展起来。水平方向上，海雾发展方向的前缘均有明显的重力波存在，雾区边缘的形态以及发展方向与重力波相位的形态和传播方向一致。充分混合后的混合层顶是云水混合比的大值区，且存在垂直速度向上时表现为液态水含量增大，向下时减小；垂直速度振幅越大，云水混合比波动越大，解释了海雾出现滚轮状结构特征的原因。
海雾产生和发展是一个复杂的过程，需要多种要素配合。关于重力波对海雾产生和发展的影响的研究，本文仅是一次个例分析，未来还需要对更多的代表性个例进行研究得出更具有普遍性的结论。
致谢: 感谢中国海洋大学“东方红2号”2014年春季黄渤海航次及王媛，钟文秀随船科考，提供数据支持；感谢中国海洋大学高山红教授等建立区域大气与海洋短期实时预报系统海雾监测与反演产品；感谢陈莅佳博士、张玮航博士在数值模式方面提供的帮助。
| [1] |
王彬华. 海雾[M]. 北京: 海洋出版社, 1983: 352. Wang B H. Sea Fog[M]. Beijing: Ocean Press, 1983: 352. (  0) |
| [2] |
Korain D, Dorman C E, Lewis J M, et al. Marine fog: A review[J]. Atmos Res, 2014, 143: 142-175. DOI:10.1016/j.atmosres.2013.12.012 ( 0) |
| [3] |
Zhang S P, Xie S P, Liu Q Y, et al. Seasonal variations of Yellow Sea fog: Observations and mechanisms[J]. J Climate, 2009, 22(24): 6758-6772. DOI:10.1175/2009JCLI2806.1 ( 0) |
| [4] |
Korain D, Dorman C E. Marine Fog: Challenges and Advancements in Observations, Modeling, and Forecasting[M]. [s.1.]: Springer International Publishing, 2017: 16.
( 0) |
| [5] |
Taylor G I. The formation of fog and mist[J]. Quart J Roy Meteor Soc, 2007, 43(183): 241-268. ( 0) |
| [6] |
周发琇, 王鑫, 鲍献文. 黄海春季海雾形成的气候特征[J]. 海洋学报(中文版), 2004, 26(3): 28-37. Zhou F X, Wang X, Bao X W. Climatic characteristics of sea fog formation in the Yellow Sea in spring[J]. Acta Oceanological Sinica, 2004, 26(3): 28-37. DOI:10.3321/j.issn:0253-4193.2004.03.004 ( 0) |
| [7] |
孙健翔, 黄辉军, 张苏平, 等. 海雾对沿海地区的影响程度初探——2008年春季两次黄海海雾过程分析[J]. 海洋与湖沼, 2017(3): 483-497. Sun J X, Huang H J, Zhang S P, et al. Preliminary study on the influence of sea fog on coastal areas——analysis on the process of sea fog in Yellow Sea in spring of 2008[J]. Oceanol Limnol Sinica, 2017(3): 483-497. ( 0) |
| [8] |
Korain D, Lewis J, Thompson W T, et al. Transition of stratus into fog along the California coast: Observations and modeling[J]. J Atmos Sci, 2001, 58(13): 1714-1731. DOI:10.1175/1520-0469(2001)058<1714:TOSIFA>2.0.CO;2 ( 0) |
| [9] |
胡瑞金, 董克慧, 周发琇. 海雾生成过程中平流、湍流和辐射效应的数值试验[J]. 海洋科学进展, 2006, 24(2): 156-165. Hu R J, Dong K H, Zhou F X. Numerical experiments on advection, turbulence and radiation effects in the formation of sea fog[J]. Adv Mar Sci, 2006, 24(2): 156-165. DOI:10.3969/j.issn.1671-6647.2006.02.003 ( 0) |
| [10] |
Zhang S, Li M, Meng X, et al. A comparison study between spring and summer fogs in the Yellow Sea: Observations and mechanisms[J]. Pure Appl Geophys, 2011, 169(5-6): 1-17. DOI:10.1007/s00024-011-0358-3 ( 0) |
| [11] |
Gao S H, Lin H, Shen B, et al. A heavy sea fog event over the Yellow Sea in March 2005: Analysis and numerical modeling[J]. Adv Atmos Sci, 2007, 24: 65-81. DOI:10.1007/s00376-007-0065-2 ( 0) |
| [12] |
Yang Y, Gao S. The impact of turbulent diffusion driven by fog-top cooling on sea fog development[J]. J Geophys Res: Atmos, 2020, 125(4): e2019JD031562. ( 0) |
| [13] |
Harun-Al-Rashid A, Yang C S. A simple sea fog prediction approach using GOCI observations and sea surface winds[J]. Remote Sens Lett, 2018, 9(1): 21-31. DOI:10.1080/2150704X.2017.1375609 ( 0) |
| [14] |
寿绍文, 励申申, 寿亦萱, 等. 中尺度大气动力学[M]. 北京: 高等教育出版社, 2009. Shou S W, Li S S, Shou Y X, et al. Mesoscale Atmospheric Dynamics[M]. Beijing: Higher Education Press, 2009. ( 0) |
| [15] |
盛裴轩, 毛节泰, 李建国, 等. 大气物理学[M]. 北京: 北京大学出版社, 2013. Sheng P X, Mao J T, Li J G, et al. Atmospheric Physics[M]. Beijing: Peking University Press, 2013. ( 0) |
| [16] |
Houze R A. Cloud Dynamics[M]. [s.1.]: Academic Press is An Imprint of Elsevier, 2014.
( 0) |
| [17] |
Gerber H E. Microstructure of a radiation fog[J]. J Atmos Sci, 1981, 38(2): 454-458. DOI:10.1175/1520-0469(1981)038<0454:MOARF>2.0.CO;2 ( 0) |
| [18] |
Welch R M, Wielicki B A. The stratocumulus nature of fog[J]. J Appl Meteor, 1986, 25(2): 101-111. DOI:10.1175/1520-0450(1986)025<0101:TSNOF>2.0.CO;2 ( 0) |
| [19] |
Kurita S, Okada K, Naruse H, et al. Structure of a fog in the dissipation stage over land[J]. Atmos Environ.Part A.general Topics, 1990, 24(6): 1473-1486. DOI:10.1016/0960-1686(90)90056-S ( 0) |
| [20] |
Hamazu K, Hashiguchi H, Wakayama T, et al. A 35-GHz scanning doppler radar for fog observations[J]. J Atmos Ocean Technol, 2003, 20(7): 972-986. DOI:10.1175/1520-0426(2003)20<972:AGSDRF>2.0.CO;2 ( 0) |
| [21] |
Uematsu A, Hashiguchi H, Yamamoto M K, et al. Influence of gravity waves on fog structure revealed by a millimeter-wave scanning doppler radar[J]. J Geophy Res Atmos. DOI:10.1029/2005JD006648 ( 0) |
| [22] |
Chen Y, Yuan H, Gao S. A high-resolution simulation of roll convection over the Yellow Sea during a cold air outbreak[J]. J Geophy Res Atmos, 2019, 124(10): 608-625. ( 0) |
| [23] |
Gao S H, Wu W, Zhu L, et al. Detection of nighttime sea fog/stratus over the Huang-hai Sea using MTSAT-1R IR data[J]. Acta Oceanologica Sinica, 2009, 28(2): 23-35. ( 0) |
| [24] |
张纪伟, 张苏平, 吴晓京, 等. 基于MODIS的黄海海雾研究——海雾特征量反演[J]. 中国海洋大学学报(自然科学版), 2009(S1): 311-318. Zhang J W, Zhang S P, Wu X J, et al. Study on Yellow Sea fog based on MODIS: Retrieval of sea fog characteristic quantity[J]. Periodical of Ocean University of China, 2009(S1): 311-318. ( 0) |
| [25] |
陈斐, 杨沈斌, 申双和, 等. 长江中下游双季稻区春季低温冷害的时空分布[J]. 江苏农业学报, 2013, 29(3): 540-547. Chen F, Yang S B, Shen S H, et al. Spatial and temporal distribution of cold injury in spring in double cropping rice region in the middle and lower reaches of the Yangtze River[J]. Jiangsu J Agr Sci, 2013, 29(3): 540-547. DOI:10.3969/j.issn.1000-4440.2013.03.015 ( 0) |
| [26] |
Lin Y L, Farley R D, Orville H D. Bulk parameterization of the snow field in a cloud model[J]. J Appl Meteor, 1983, 22(6): 1065-1092. DOI:10.1175/1520-0450(1983)022<1065:BPOTSF>2.0.CO;2 ( 0) |
| [27] |
Kain J S, Fritsch J M. A one-dimensional entraining/detraining plume model and its application in convective[J]. J Atmos Sci, 1990, 47(23): 2784-2802. DOI:10.1175/1520-0469(1990)047<2784:AODEPM>2.0.CO;2 ( 0) |
| [28] |
Mlawer E J, Taubman S J, Brown P D, et al. Radiative transfer for inhomogeneous atmosphere: RRTM[J]. J Geophys Res Atmos, 1997, 102(14): 16663-16682. ( 0) |
| [29] |
Dudhia, Ji my. Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model[J]. J Atmos, 1989, 46(20): 3077-3107. DOI:10.1175/1520-0469(1989)046<3077:NSOCOD>2.0.CO;2 ( 0) |
| [30] |
Coniglio M C, Correia J, Marsh P T, et al. Verification of convection-allowing WRF model forecasts of the planetary boundary layer using sounding observations[J]. Wea Forecasting, 2013, 28(3): 842-862. DOI:10.1175/WAF-D-12-00103.1 ( 0) |
| [31] |
Zhang D, Anthes R A. A high-resolution model of the planetary boundary layer——sensitivity tests and comparisons with SESAME-79 data[J]. J Appl Meteor, 1982, 21(11): 1594-1609. DOI:10.1175/1520-0450(1982)021<1594:AHRMOT>2.0.CO;2 ( 0) |
| [32] |
Müller M D, Masbou M, Bott A. Three-dimensional fog forecasting in complex terrain[J]. Quart J Royal Meteor Soc, 2010, 136(653): 2189-2202. DOI:10.1002/qj.705 ( 0) |
| [33] |
张倩, 宋小全, 刘金涛, 等. 激光云高仪探测青藏高原夏季云底高度的研究[J]. 光电子·激光, 2016, 250(4): 406-412. Zhang Q, Song X Q, Liu J T, et al. Study on the measurement of cloud base height over Qinghai-Tibet Plateau in summer by laser cloud altimeter[J]. J Optoelectron Laser, 2016, 250(4): 406-412. ( 0) |
| [34] |
尹嘉萍. 风机尾流场与海气边界层风场的多普勒激光雷达观测研究[D]. 青岛: 中国海洋大学, 2015. Yin J P. Doppler Lidar Observation of Wind Field in Wind Turbine Wake and Air-Sea Boundary Layer[D]. Qingdao: Ocean University of China, 2015. ( 0) |
2. The Key Laboratory of Physical Oceanography, Ocean-Atmospheric Interaction and Climate Laboratory, Ocean University of China, Qingdao 266100, China;
3. Department of Marine Technology, College of Information Science and Engineering, Ocean University of China, Qingdao 266100, China