CN115408868B

CN115408868B - 一种用于超强台风的快速飞沫热通量计算方法

Info

Publication number: CN115408868B
Application number: CN202211078636.9A
Authority: CN
Inventors: 蓝云杰; 孙迪夫; 冷洪泽; 宋君强; 曹小群; 余意; 刘柏年; 赵成武; 赵娟
Original assignee: National University of Defense Technology
Current assignee: National University of Defense Technology
Priority date: 2022-09-05
Filing date: 2022-09-05
Publication date: 2025-08-19
Anticipated expiration: 2042-09-05
Also published as: CN115408868A

Abstract

本发明公开了一种用于超强台风的飞沫热通量计算方法，应用于耦合海洋‑大气‑波浪‑沉积物传输模式系统，方法包括以下步骤：计算白冠覆盖率W_H1，根据W_H18的分段区间重新定义了风速函数的分段区间，利用FASTEX数据拟合得到风速函数，并计算新飞沫热通量。本发明将飞沫热通量的加入对于“山竹”路径模拟的影响不大，飞沫热通量的加入能够显著改善台风强度的模拟结果，飞沫热通量的加入使得台风在水平方向的低压结构以及风场结构发展得更充分。

Description

一种用于超强台风的快速飞沫热通量计算方法

技术领域

本发明属于数值计算技术领域，尤其涉及一种用于超强台风的飞沫热通量计算方法。

背景技术

热带气旋TC是最恶劣的天气系统之一，给沿海地区带来巨大的生命和财产损失。准确预报TC路径和强度具有重要意义。在过去的几十年里，由于数值预报模式的进步，关于TC路径的预报有了很大的改进，但台风强度的预报仍然是一个重大难题。TC强度预测的困难主要来自TC内部的微物理过程过于复杂和海气相互作用对台风影响的机制不够明确。

海洋作为TC的主要能源，在TC的产生和发展中发挥着重要作用，准确地描述海洋与大气之间的能量交换对于预测TC强度至关重要。研究表明，TC 以潜热通量和感热通量的形式从海面获取能量。

许多研究已经揭示了海洋和大气之间的热传递在TC发展中的作用。 Emanual从观测和数值模拟两方面都提出，来自海洋的热量传递是TC发展和维持的主要因素；基于此，Rotunno和Emanual阐述了风致海表热交换(WISHE) 将导致大气边界层位温的提高，从海面获得的热量被积云对流重新分配后， TC的循环将增强，从而进一步增加TC的热传递和强化。上述热通量在TC 增强中的作用与TC在穿过表层热通量高的区域时更有可能增强，但着陆后总是衰减的观察结果一致。

海气热通量对TC的加强至关重要，在数值模拟系统中准确描述海气-海面热通量对提高TC预报具有重要意义。在目前的数值模型中，海气界面的潜热通量H_L，int和感热通量H_S，int主要通过体通量算法计算：

H_L，int＝ρL_vC_qU₁₀Δq， (1)

H_S，int＝ρC_pC_hU₁₀Δθ， (2)

其中ρ是空气密度；U₁₀为海平面以上10m处的风速；L_v为汽化潜热；C_p是空气的比热容；C_q和C_h分别是潜热通量和感热通量的交换系数；Δq和Δθ分别是空气和海洋之间的湿度和位温的差异。在中性分层中，C_q和C_h可以通过公式 (3)和(4)所示。之后，H_L，int和H_S，int便可以根据数值模型中的C_q和C_h(或 z₀、z_t和z_q)的参数化从体通量算法(公式4)中计算出来。

但以上介绍的计算界面热通量的方法是基于中低风速条件下的观测资料得到的，在高风速环境下该算法的适应性有待提高。在TC引起的高风速条件下，波浪被高风速破坏，在海洋边界层可以观察到大量的海洋飞沫。专家普遍认为，这些海洋飞沫对大气与海洋之间的热通量具有不可忽略的影响，但上述方案并未考虑海浪对热通量的影响。海洋飞沫如何影响热量通量的机制已被深入研究，普遍的共识是海洋飞沫会增强了海气界面的热量通量。液滴从温暖的海面被吹入空气后，由于其温度高于周围空气的温度，水滴在冷却的同时向周围空气释放感热，同时由于液滴与周围的空气存在湿度差异，液滴在蒸发的同时也会向周围空气释放潜热，直到液滴落回海洋。因此，当产生海浪时，表面热通量会增强。理论分析和观察表明，当U₁₀达到12m/s时，海洋飞沫引起的热通量至少占总热通量的10％。因此，总的海气潜通量和感通量H_L，T和H_S，T可以表示为：

H_L，T＝H_L，int+H_L，sp (5)

H_S，T＝H_S，int+H_S，sp (6)

其中，H_L，int和H_S，int分别代表了界面交换的潜热通量和感热通量，而H_L，sp和 H_S，sp分别代表了由飞沫引起的潜热通量和感热通量。

为了定量评估海洋飞沫对潜热和感热通量的影响，Andreas等人提出了一种计算海洋飞沫热通量的参数化算法。该算法通过分别计算不同半径海洋液滴的热通量，然后对液滴半径进行积分得到总热通量。之后，Andreas等人对该方案进行了多项改进，并提出了一种快速算法，其中喷雾通量如下所示：

H_S，sp＝ρ_wC_w(T_s-T_eq，100)V_S(u_*) （8）

在公式(7)中，ρ_w是海水密度，L_v是气化潜热，τ_f，50代表初始半径为50 毫米的液滴在空气中留存的时间，r(τ_f，50)代表液滴重新落入水中时的半径。在公式(8)中，C_w代表比热，T_s代表海表面温度，T_eq，100是初始半径为100 毫米的液滴与环境达到平衡时的温度；V_L和V_S是体摩擦速度的风速函数， Andreas等利用4000多组实测数据拟合得到的风速函数如下：

V_S＝3.92×10^-8，0≤u_*≤0.1480 (9)

V_L＝1.76×10^-9，0≤u_*≤0.1358 (11)

通过这种算法(简称AN15算法，对应方程(12))，Andreas等分别计算了0＜U₁₀＜40m/s范围内飞沫引起的潜热和感热通量，发现当U₁₀达到约25 m/s时，飞沫引起的潜热和感热通量的量级都已经超过了对应的界面热通量。并且随着U₁₀的增加，飞沫引起的热通量在总热通量中的比例越来越大。由此可见，在高风速环境，比如TC，飞沫引起的热通量将起到主导作用。但本发明将AN15算法应用到了耦合模式COAWST模式中去模拟超强台风山竹(2018)，模式却报错并崩溃了。可见AN15算法在高风速条件下的适用性存在问题。

发明内容

本发明通过实验和理论分析，找出了AN15算法在高风速环境下不适用的原因，并针对AN15算法的不足，提出了一种改进的适用于台风条件下的快速海浪热通量算法，我们称之为YJ22。然后，探讨了飞沫热通量对强TC 的影响，根据查询现有技术资料，本发明是首个使用耦合模型COAWST研究飞沫热通量对超强台风山竹影响的研究。

本发明首先介绍用于改进AN15算法的观测数据FASTEX，并描述了耦合模式COAWST。然后基于2000多组观测数据，提出了一种适用于高风速条件的改进的飞沫诱导热通量算法YJ22，并比较了新算法和旧算法的的差异。接着将改进的快速算法应用于耦合模型，并分析飞沫热通量对超级热带气旋的影响。

本发明公开的一种用于超强台风的飞沫热通量计算方法，应用于耦合海洋-大气-波浪-沉积物传输模式系统，包括以下步骤：

计算白冠覆盖率W_H18，根据W_H18的分段区间定义风速函数的分段区间，利用FASTEX数据拟合得到风速函数，并计算飞沫热通量，所述飞沫热通量计算方法如下：

H_S，sp＝ρ_wC_w(T_s-T_eq，100)V_S(u_*)

其中，H_S，sp是飞沫感热通量，H_L，sp是飞沫潜热通量，f_n代表单位白冠面积内的液滴生成谱函数，u_*代表摩擦速度，其值表征海气界面上湍流脉动速度的大小，V_L为计算飞沫潜热通量的风速函数，V_S为计算飞沫感热通量的风速函数，r(τ_f，50)代表液滴重新落入水中时的半径，ρ_w是海水密度，L_v是气化潜热， C_w代表比热，T_s代表海表面温度，T_eq，100是初始半径为100毫米的液滴与环境达到平衡时的温度。

进一步的，通过半径为50微米以及100微米的液滴来直接对总的飞沫热通量进行计算。

进一步的，只有大气模型和波浪模型被激活，为计算海浪引起的热通量提供变量。

进一步的，微物理过程采用Perdue Lin方案，长波辐射和短波辐射均采用RRTMG方案，最外层和次外层积云对流采用Kain-Fritsch方案，边界层参数化方案采用MYNN2.5方案，近地面采用MYNN方案，陆面过程采用Unified Noah方案，热量通量参数化方案采用COARE3.5方案。

进一步的，白冠覆盖率W_H18的计算如下：

本发明的有益效果如下：

(1)飞沫热通量的加入对于“山竹”路径模拟的影响不大，飞沫热通量的加入能够显著改善台风强度的模拟结果(MSLP和Vmax)。

(2)飞沫热通量的加入会使得台风在水平方向的低压结构以及风场结构发展得更充分。

附图说明

图1本发明的流程图；

图2(a)典型热带气旋条件下AN15算法计算出的飞沫热通量随U₁₀的变化；(b)AN15算法中的白冠覆盖率随U₁₀的变化；

图3不同风速条件下W_H18与W_F94方案的表现对比

图4新旧风速函数V_L和V_S的比较；圆圈代表由原始模型和修改模型计算的值，曲线表示使用三次多项式拟合得到的拟合风速函数，(a)和(c)代表低风速至中风速范围；(b)和(d)代表从低到高的风速范围；

图5基于FASTEX数据集，YJ22算法和AN15算法计算性能的比较。(a) 和(c)分别反映了AN15方案计算的潜热通量和感热通量与实测数据的差异随着风速的变化情况；(b)和(d)分别反映了YJ22方案计算的潜热通量和感热通量与实测数据的差异随着风速的变化情况。红线代表所有观测数据减去模型数据的差的拟合曲线；

图6典型热带气旋条件下YJ22算法计算出的飞沫热通量随U₁₀的变化；

图7五组实验模拟的五组实验模拟的台风“山竹”移动路径与JTWC最佳路径数据相比的路径误差；

图8五组实验模拟的台风强度与JTWC最佳路径数据的对比，(a)反映海平面最低气压(MSLP)的对比情况，(b)反映10m高度最大风速(Vmax) 的对比情况；

图9五组实验模拟的方位角海平面气压(hPa)随时间的变化，横坐标代表距离台风中心的距离，纵坐标代表模拟的时间(a)为L0_S0实验的结果， (b)为L1_S0实验的结果，(c)为L0_S1实验的结果，(d)为L1_S1实验的结果,(e)为L2_S2实验的结果；

图10五组实验模拟的方位角平均切向风和径向风的径向分布随时间的变化，横坐标代表距离台风中心的距离，纵坐标代表模拟的时间(a)为L0_S0 实验的结果，(b)为L1_S0实验的结果，(c)为L0_S1实验的结果，(d)为L1_S1实验的结果,(e)为L2_S2实验的结果。

具体实施方式

下面结合附图对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明教导所作的任何变换或替换，均属于本发明的保护范围。

本发明使用的数据和模型简介如下：

FASTEX数据集

在本发明中，前沿和大西洋风暴轨迹实验(FASTEX)数据集将用于测试新算法YJ22的效果。FASTEX数据集包含大量对海气界面通量的观测，对海气交换的研究做出了很大贡献。该数据集包括多组感热通量、潜热通量、风速、海面温度、气温、湿度和有效波高的可靠实测数据。上述数据对于提出和改进AN15算法是必要的。本发明使用的数据包括2435组热通量的涡度协方差测量值。该数据集的风速范围为0-30m/s。

模型描述与配置

海气热通量对热带气旋的演化和增强具有重要影响。单一的大气模型无法模拟海气相互作用的过程。因此，本发明使用耦合海洋-大气-波浪-沉积物传输(COAWST)模式系统来探索热通量对超强台风山竹的影响。该模式系统由Warner等人开发和维护。该模式系统包括独立的大气模型、海洋模型和波浪模型。该耦合模型依赖于模型耦合工具包(MCT)来交换不同模型之间的变量。在本发明的实验中，大气模型和波浪模型被激活，为计算海浪引起的热通量提供变量。由于海洋模型在计算海浪引起的热通量中贡献很小，本发明没有激活海洋模型来提高实验效率。

大气模式WRF

WRF-ARW模型是COAWST模型系统中采用的大气模式。该模型配置为具有各种物理参数化方案的非流体静力、完全可压缩的大气模型。我们在本发明中使用的边界和初始条件来自NCEP提供的FNL数据，空间分辨率为0.25°×0.25°，时间分辨率为6小时。在本发明中使用了三个双向嵌套网格。三个网格从外到内依次为网格d01、d02和d03。d01的水平分辨率为27 km，时间积分步长为90s。网格d02的水平分辨率为9km，其时间积分步长为30s。d03的水平分辨率为3km，积分时间步长为10s。需要注意的是，d03网格会自动跟踪台风移动，它的位置每15分钟计算一次。在本研究中，微物理过程采用Perdue Lin方案，长波辐射和短波辐射均采用RRTMG 方案，最外层和次外层积云对流采用Kain-Fritsch方案，最内层由于分辨率较高不采用积云对流参数化方案，边界层参数化方案采用MYNN2.5方案，近地面采用MYNN方案，陆面过程采用Unified Noah方案，热量通量参数化方案采用COARE3.5方案。

海浪模式SWAN

SWAN是COAWST模型系统中采用的海浪模式。SWAN提供了计算海浪热通量所需要的变量，比如海表面温度和有效波高等。然后，SWAN将这些变量通过MCT交换到WRF，以模拟海浪引起的热通量。WRF模拟得到的10m 风场将作为SWAN模型的强迫场。在本发明中，WaveWatchIII数据将作为边界场资料。SWAN的水平分辨率为9km，时间积分步长为180秒。

AN15算法的提出过程和该算法的问题

Andreas等人提出的海洋飞沫热通量算法是最广泛使用的飞沫热通量方案之一。本发明采用该方案于2015年提出的最新版本AN15算法。

为了找出为什么AN15算法不能用来模拟超强TC的原因，本发明回顾了该方案的提出过程。Andreas根据他们提出的微物理模型，提出了某个半径长度下的飞沫液滴的潜热和感热通量如下所示：

其中，r₀代表飞沫液滴产生时的半径，dF/dr₀为飞沫液滴生成函数，它代表了单位时间单位面积的海平面上生成飞沫液滴的数量。之后将公式(13) 和(14)对液滴半径进行积分，可以得到海洋飞沫整体的潜热和感热通量的加和。根据观测数据，半径在1.6微米到500微米的飞沫液滴对飞沫热通量的影响占据主要地位，所以积分的上下限被取为1.6和500微米。

由于计算过程中采用大量近似，以及这种参数化方案中参数的不确定性，尤其是飞沫液滴生成函数dF/dr₀的不确定性，公式(15)和(16)计算的和并不能作为最终的飞沫热通量，实际的飞沫潜热通量H_L，sp和感热通量H_S，sp的形式分别写为：

其中α，β和γ为小的调整系数，目的是使AN15计算出的热通量尽可能与观测值相吻合。

根据观测数据Andreas发现半径为50微米和100微米的液滴分别在计算飞沫热通量和时具有指导意义，可以通过半径为50微米以及100微米的液滴来直接对总的飞沫热通量进行计算：

H_S，sp

以上就是AN15算法的推导过程，AN15算法对应着公式(19)和(20)。风速函数V_L和V_S对应着公式(9)-(12)。

为了检验AN15算法在强热带气旋条件下的适应性，本发明测试了AN15 算法在典型热带气旋条件下(10m高度处气温为26℃，相对湿度为90％，海表面温度为28℃，海平面气压为950hPa，海水盐度为34psu)，AN15算法计算出的海洋飞沫热通量的数值。H_L，sp和H_S，sp分别代表海洋飞沫引起的潜热和感热通量，H_L，int和H_S，int分别为海气界面上的潜热和感热通量。如图2(a)所示，H_L，sp和H_S，sp均呈现出随风速增加而增大的特点，且增长速度越来越快，在U₁₀＝80m/s时，H_L，sp超过了10000W/m²，H_S，sp超过了2000W/m²，这远远超过了海表热通量的正常量级，感热通量的量级一般为几百W/m²，潜热通量一般不会超过2000W/m²。所以，AN15算法在U₁₀＞50m/s的环境下计算的热通量明显偏大，在U₁₀＞50m/s的计算的热通量则会从量级上高估飞沫热通量的值。而U₁₀＞50m/s在TC环境下则是非常常见的，所以AN15算法并不能用于提高TC的数值模拟。

本发明提出的新飞沫热通量算法YJ22

为了在高风速环境下考虑飞沫热通量对TC的影响，本发明找出了AN15 算法中存在的问题，并提出了一种适用于高风速环境下的新的飞沫热通量算法YJ22。

经过分析，本发明发现AN15算法在高风速下的问题来源于其采用的飞沫液滴生成函数dF/dr₀，AN15算法采用的dF/dr₀如下所示：

其中W是白冠覆盖函数，f_n代表单位白冠面积内的液滴生成谱函数。在AN15 方案中W表示如下(在AN15方案中的白冠覆盖率称为W_F94)：

由于W_F94是基于中低风速下的观测数据提出的，所以该方案在高风速环境下的表现有待检验。图2(b)展示了W_F94随U₁₀的变化情况，可以看出，W_F94随着U₁₀的增大而单调递增。值得注意的是，当U₁₀超过40m/s之后，W_F94的数值超过了1，当U₁₀＝80m/s的时候，W_F94的值甚至达到了12。但白冠覆盖率的物理意义是白冠覆盖的面积占海表面积的比例，其上限只能到达1，所以 AN15中的白冠覆盖率是非常不合理的。这种不合理的白冠覆盖率导致AN15 方案在高风速环境下会严重高估飞沫热通量的值。

为了解决AN15方案在高风速下的适用性问题，自然的办法便是选择一种更合理的白冠覆盖率参数化方案来代替AN15中的W_F94的方案。基于近期的高风速下的卫星观测资料，Hwang提出了一种新的W参数化方案(简称 W_H18)：

图3展示了不同风速条件下W_H18与W_F94方案的表现对比。可以看到，即使在U₁₀＞40m/s的高风速区域，W_H1仍然能提供合理的白冠覆盖率，其表现远远优于W_F94方案。因此，本发明用W_H18替换掉了AN15方案中的W_F94，尝试通过改变白冠覆盖率来优化飞沫热通量算法在高风速下的适用性。

Andreas等人发现半径为50和100μm的液滴对H_L，sp和H_S，sp的计算具有很好的指导意义，并且提出了风速函数V_L和V_S来避免积分，加快算法的计算效率。该算法将白冠覆盖率等带来的误差和不适用性包含在了风速函数中，接下来，本发明模仿该方案，基于FASTEX数据，提出了一套新的风速函数V_L和V_S。

根据W_H18方案的分段范围，本发明将风速范围分为两部分：(i) 0≤U₁₀≤35m/s为中低风速范围；(ii)U₁₀＞35m/s为高风速范围。FASTEX 的风速范围从0到30m/s，因此，本发明使用这些测量来拟合中低风速环境下的风速函数。

在0≤U₁₀≤35m/s这个风速范围内，本发明还根据W_H18的分段情况将风速函数又细分了为三个小节。经过多次实验，三次多项式拟合可以提供最好的拟合结果。图4(a)和(c)显示了从低风速到中等风速条件下新风功能和原始风功能的比较。可以看出，新风函数的值比原来的要小。具体拟合结果如式(22)和(23)所示。

然而，由于缺乏对高风速范围的观测，本发明采用另一种方法来计算高风速下的风函数。如等式(19)和(20)所示，Andreas将喷雾诱导算法中的所有不确定性(当然包括白冠覆盖率)纳入了风速函数。因此，本发明用原风速函数中除去原白冠覆盖率W_F94，乘以新的白冠覆盖度W_H1，得到高风速下的新风速函数。图4(b)和(d)反映了在新风速函数与原本的风速函数的对比。不难发现，在高风速条件下，新风速函数的量级比原来的要小很多。新的风函数V_L和V_S如下所示。

将新的风速函数V_L和V_S应用到公式(19)和(20)中去，便可以得到一套适用于高风速条件下的飞沫热通量算法，本发明中称该算法为YJ22。

接下来，本发明使用实测的FASTEX数据集来检测YJ22算法与原本的 AN15算法在计算飞沫热通量上的表现情况，如图5所示。图5的横坐标代表代表10m高处的中性稳定风速，纵坐标代表FASTEX中的实测热通量数据与算法计算得到的热通量数据之差。图中的红线代表图中数据点的拟合曲线，黑线代表观测热通量数据与算法计算得到的热通量数据想等。容易明白，算法效果越好，算法计算得到的热通量越接近实测值，拟合曲线越接近于黑线。通过图5(a)和(b)可以发现，图5(a)中的红色拟合曲线随着风速的增大而逐渐偏离黑线；而图5(b)中的拟合曲线更接近黑线。观察U_N10＞15m/s 的范围，发现在该区域内，YJ22算法计算出的潜热通量更接近真实数据，这说明YJ22方案在风速较高区间的表现。图5(c)和图5(d)说明YJ22算法同样优化了感热通量上的计算。通过图5显示出的趋势，可以得出，随着风速的继续增大，YJ22方案的表现将会比AN15方案要好的更多。通过以上分析，YJ22算法计算出的热通量数值比AN15算法更接近真实观测值，尤其是在U_N10大于15m/s的区域。该结果支持本发明的假设，即W_F94方案会影响 AN15方案在高风速下的适用性。

YJ22算法在典型热带气旋条件(与图2(a)的条件相同)下的表现如图 6所示。可以看出YJ22算法在高风速下的表现得到了很大的改善，在高风速下也能给出合理的H_S，sp和H_L，sp的结果，因此该算法可以用于强TC的数值模拟实验中。探究飞沫热通量对热带气旋的影响。

飞沫热通量对台风的影响

本实验基于耦合模式COAWST，实验个例选用2018年的超强台风“山竹”。为了研究飞沫热通量对TC模拟的影响，本发明在海洋与大气间总潜热通量 H_L，T和H_S，T中增加了系数a和b。并且开展了五组数值试验。五组实验将a和b 采取不同的组合，见表1。

H_L，T＝H_L，int+aH_L，sp (5)

H_S，T＝H_S，int+bH_S，sp (6)

表1.数值模拟实验设置情况

EXP ID	EXP name	a	b
				1	L0_S0	0	0
2	L1_S0	1	0
				3	L0_S1	0	1
4	L1_S1	1	1
				5	L2_S2	2	2

实验L0_S0为对照实验，该实验不考虑飞沫热通量的影响，在实验中只使用海气界面热通量；实验L1_S0表示只考虑飞沫潜热通量H_L，sp的影响，不考虑飞沫感热通量H_S，sp的影响；实验L0_S1表示只考虑飞沫感热通量H_S，sp的影响，不考虑飞沫潜热通量H_L，sp的影响；实验L1_S1表示同时考虑H_L，sp和H_S，sp的影响；实验L2_S2表示将H_L，sp和H_S，sp分别增大一倍。实验L0_S0和实验 L1_S1的对比是重点，通过这两组实验的对比，可以分析飞沫热通量的加入对台风模拟带来的效果；此外，通过对比实验L0_S0，L1_S0，L0_S1以及L1_S1 的结果，可以分别研究H_L，sp和H_S，sp对台风“山竹”模拟的影响；通过L0_S0， L1_S1和L2_S2的结果对比，可以更加清楚得研究飞沫热通量整体对台风“山竹”模拟的影响。

飞沫热通量对台风路径的影响

图7为五组实验模拟的台风路径与最佳JTWC最佳路径数据的对比。图7 反映了五组实验模拟的台风路径误差与JTWC最佳路径数据相比的路径误差，可以看出，五组实验模拟的台风路径误差并不明显。本发明重点关注LO_S0 方案和L1_S1方案，这两组方案模拟的台风路径误差相差极小，说明飞沫热通量对于台风路径模拟效果并没有显著影响。

飞沫热通量对台风强度的影响

海表面最低气压(MSLP)和10m高度最大风速(Vmax)为评估台风强度的常用参数。本发明使用这两个参数来评估飞沫热通量对台风强度的影响。

图8为五组实模拟的台风强度与最佳路径数据的对比。其中图8(a)反映了海平面最低气压(MSLP)在整个模拟时间范围内的变化情况。同样地，我们首先关注实验L0_S0和实验L1_S1的对比情况。从图中可以看出，相比于实验L0_S0，实验L1_S1模拟出的MSLP更接近最佳路径数据的结果，这说明飞沫热通量的影响使MSLP的模拟结果得到了改进，优化了台风强度的模拟情况。

通过对比实验L0_S0，L1_S1，L2_S2的结果可以看出，飞沫热通量的加入能够显著改变台风的增强速度和最大强度。飞沫热通量放大的倍数越大，台风增强速度就越快，最大强度也越强。通过对比实验L0_S0，L1_S0，L0_S1 的结果可以看出，飞沫热通量中对于台风强度变化的影响占主导地位的是 H_L，sp，相比实验L0_S0的模拟结果，L1_S0的台风增强速度和最大强度均有着明显加强。但实验L0_S1与实验L0_S0的实验结果相差并不明显，说明单独加入H_S，sp对台风强度模拟结果的影响不大。

图8(b)反映了10m最大风速Vmax在整个模拟时间范围内的变化情况， Vmax的增强趋势基本对应MSLP的减弱趋势，各实验组的差异情况基本与 MSLP一致，在此不再赘述。

飞沫热通量对台风结构的影响

为了分析飞沫热通量对于台风径向结构变化的影响，我们绘制了方位角平均海平面气压(SLP)和10m风速随模拟时间变化的图(图9和图10)。横坐标为距离台风中心的径向距离，纵坐标为模拟时间。由于前24小时台风结构不明显，因此只绘制了24～120小时之间的结果。图9清楚地展示了台风的低压结构在水平方向上的发展情况，台风中心气压的变化与图8(a)表示的 MSLP的发展情况基本一致。从图中可以看出，台风增强速度越快，低压结构在水平方向上的发展也越快。通过对比实验L0_S0，L1_S1和L2_S2的结果可以看出，飞沫热通量的加入能够使台风的低压结构发展得更加充分。通过对比L0_S0和L1_S0的结果，可以看出H_L，sp的加入对于台风低压结构的发展有着明显的促进作用。而对比L0_S0和L0_S1的结果可以看出单独考虑H_S，sp对台风低压结构的发展影响并不大。

图10展示了10m高度处的方位角平均切向风和径向风的径向分布随时间的变化情况。切向风采用颜色来表示，径向风采用等值线来表示。重点关注 L0_S0与L1_S1的结果。通过对比实验L0_S0和L1_S1，可以看出飞沫热通量的加入除了会增强台风底层的切向风场之外，还会使台风在径向上的风场结构发展的更加充分。同样地，对比台风L0_S0，L1_S0和L0_S1我们可以看出，单独加入H_L，sp可以使得台风风场发展地更加充分，而单独考虑H_S，sp对台风风场的影响却并不明显。

与现有技术相比，本发明的有益效果如下：

1.本发明首先当前广泛使用的飞沫热通量算法AN15方案进行了分析，由于该方案采用的白冠覆盖率W_F94并不能适用于高风速环境下，导致AN15方案在高风速下的适用性存在问题，因而不能在TC的数值模拟中使用。

2.本发明通过使用一种更合理的白冠覆盖率计算方案W_H18来代替原始的 W_F94方案，根据W_H18的分段区间重新定义了风速函数的分段区间，利用 FASTEX数据拟合得到了一套新的风速函数，得到了一套适用于高风速环境下的新飞沫热通量算法YJ22。经过FASTEX数据和理想实验的双重检验，均证明YJ22算法比AN15算法的表现要优秀很多。

3.本发明将YJ22方案成功应用到了耦合模式COAWST中模拟了超强台风“山竹”。通过对比五组实验结果，本发明得出了以下结论：

(1)飞沫热通量的加入对于“山竹”路径模拟的影响不大。

(2)飞沫热通量的加入能够显著改善台风强度的模拟结果(MSLP和 Vmax)。

(3)飞沫热通量的加入会使得台风在水平方向的低压结构以及风场结构发展得更充分。

本文所使用的词语“优选的”意指用作实例、示例或例证。本文描述为“优选的”任意方面或设计不必被解释为比其他方面或设计更有利。相反，词语“优选的”的使用旨在以具体方式提出概念。如本申请中所使用的术语“或”旨在意指包含的“或”而非排除的“或”。即，除非另外指定或从上下文中清楚，“X使用A或B”意指自然包括排列的任意一个。即，如果X使用A；X使用B；或 X使用A和B二者，则“X使用A或B”在前述任一示例中得到满足。

而且，尽管已经相对于一个或实现方式示出并描述了本公开，但是本领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型和修改。本公开包括所有这样的修改和变型，并且仅由所附权利要求的范围限制。特别地关于由上述组件(例如元件等)执行的各种功能，用于描述这样的组件的术语旨在对应于执行所述组件的指定功能(例如其在功能上是等价的)的任意组件(除非另外指示)，即使在结构上与执行本文所示的本公开的示范性实现方式中的功能的公开结构不等同。此外，尽管本公开的特定特征已经相对于若干实现方式中的仅一个被公开，但是这种特征可以与如可以对给定或特定应用而言是期望和有利的其他实现方式的一个或其他特征组合。而且，就术语“包括”、“具有”、“含有”或其变形被用在具体实施方式或权利要求中而言，这样的术语旨在以与术语“包含”相似的方式包括。

本发明实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以多个或多个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器，磁盘或光盘等。上述的各装置或系统，可以执行相应方法实施例中的存储方法。

综上所述，上述实施例为本发明的一种实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何背离本发明的精神实质与原理下所做的改变、修饰、代替、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims

1.一种用于超强台风的飞沫热通量计算方法，应用于耦合海洋-大气-波浪-沉积物传输模式系统，其特征在于，包括以下步骤：

H_S，sp＝ρ_wC_w(T_s-T_eq，100)V_S(u_*)

其中，H_s,sp是飞沫感热通量，H_L,sp是飞沫潜热通量，f_n代表单位白冠面积内的液滴生成谱函数，u_*代表摩擦速度，其值表征海气界面上湍流脉动速度的大小，V_L为计算飞沫潜热通量的风速函数，V_S为计算飞沫感热通量的风速函数，r(τ_f,50)代表液滴重新落入水中时的半径，ρ_w是海水密度，L_v是气化潜热，C_w代表比热，T_s代表海表面温度，T_eq,100是初始半径为100毫米的液滴与环境达到平衡时的温度。

2.根据权利要求1所述的用于超强台风的飞沫热通量计算方法，其特征在于，通过半径为50微米以及100微米的液滴来直接对总的飞沫热通量进行计算。

3.根据权利要求1所述的用于超强台风的飞沫热通量计算方法，其特征在于，只有大气模型和波浪模型被激活，为计算海浪引起的热通量提供变量。

4.根据权利要求1所述的用于超强台风的飞沫热通量计算方法，其特征在于，微物理过程采用Perdue Lin方案，长波辐射和短波辐射均采用RRTMG方案，最外层和次外层积云对流采用Kain-Fritsch方案，边界层参数化方案采用MYNN2.5方案，近地面采用MYNN方案，陆面过程采用Unified Noah方案，热量通量参数化方案采用COARE3.5方案。

5.根据权利要求1所述的用于超强台风的飞沫热通量计算方法，其特征在于，白冠覆盖率W_H18的计算如下：