图1 塔克拉玛干沙漠气象国家野外科学观测研究站及其周围环境
Fig. 1 Location and surroundings of national observation and research station of desert meteorology, Taklimakan Desert
doi: 10.13209/j.0479-8023.2023.045
中国沙漠气象科学研究基金(Sqj2022007)、国家自然科学基金(42030612, 42175092)、陕西省自然科学基础研究计划(2018JM4024)和中央级公益性科研院所基本科研业务专项(IDM2021001)资助
收稿日期: 2022‒06‒21;
修回日期: 2022‒07‒05
北京大学学报(自然科学版) 第59卷 第4期 2023年7月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 59, No. 4 (July 2023)
摘要 利用 2016 年 7 月新疆塔克拉玛干沙漠气象国家野外科学观测研究站近地面层大气湍流实验观测资料, 采用涡动相关、象限分析和频谱分析等方法, 研究塔克拉玛干沙漠腹地强热力作用下近地面层湍流特征, 对比分析热量输送与动量输送的差异, 探讨输送差异的成因和物理机制。研究结果表明, 近中性层结条件下, 塔克拉玛干沙漠腹地近地面层湍流运动对热量和动量的输送作用类似; 随着大气不稳定度增加, 热量与动量的输送差异增大。在强热力条件下, 湍流运动对热量的输送效率较高, 但对动量的输送存在较大的随机 性。输送差异形成的原因与湍流相干结构密切相关, 在不稳定层结条件下, 湍流相干结构以热羽为主, 能够引起位温和垂直速度的同相位变化, 但较难引起水平速度的相应变化。湍流运动的动力和热力响应物理机制不同, 是热量与动量的输送差异及其随大气不稳定度增强而增大的主要原因。
关键词 相干结构; 湍流输送效率; 湍流通量; 象限分析; 塔克拉玛干沙漠
大气湍流在地球表面与大气之间动量、热量、水汽以及痕量气体的交换和输送过程中发挥着重要作用[1], 一直是天气预报、气候预测、空气质量以及生态水文等众多研究领域的热点问题, 更是科学难题。长期以来, 人们认为标量(如温度和湿度)和动量的输送规律是类似的, 满足雷诺相似规律, 并将这一设定广泛应用于湍流模拟、天气预报数值模式和气候预测参数化方案中[2]。然而, 近期的研究结果表明, 实际大气中雷诺相似规律常常失效[3–4], 这对天气预报模式和空气质量预报模式有重要的影响[5]。
大气稳定度是大气湍流运动和发展状况的重要参数之一[6], 也是表征湍流相干结构形态的重要参量[7–8]。近中性层结条件下, 湍流能量主要来源于风切变做功, 湍流相干结构以发卡涡为主[9]; 不稳定层结条件下, 湍流运动主要由地表加热后引起的浮力作用驱动, 在近地面层表现为热羽(thermal plume), 在混合层形成热泡或热对流[10], 这种湍流结构在对流云形成和午后对流降水过程中起着重要作用[11–14]。Schmutz 等[15]发现, 湍流运动对温度、湿度等标量和动量输送规律的差异与大气稳定状况密切相关, 强不稳定层结的表现更显著, 但是其内在的物理机制尚不明确。此外, 湍流相干结构形态随大气稳定状况的变化是否与湍流对标量和动量输送规律的差异有关, 也亟待进一步研究和确认。
塔克拉玛干沙漠地处亚洲中部, 气候极端干旱, 夏季地表热力作用强烈, 是研究不稳定层结湍流特征和输送规律的理想野外实验场地[16]。作为亚洲地区重要的沙尘源区, 塔克拉玛干沙漠的沙尘气溶胶经热对流抬升后, 通过与青藏高原的动力耦合, 能够远距离输运到下游地区, 这对东亚乃至全球的云量和降水、地表能量平衡以及生态系统物质循环至关重要[17–18]。另一方面, 塔克拉玛干沙漠是气候变化极为敏感的响应区域[19–20], 相应的极端天气频繁发生[21–23]。特别地, 有研究发现塔克拉玛干沙漠地区夏季边界层过程十分独特[24–25], 超越人们对不稳定边界层的普遍认识, 也极大地限制了大气数值模式参数化方案的使用。因此, 深入了解塔克拉玛干沙漠地区强热力条件下湍流对热量和动量的输送规律, 有助于提高数值天气预报和全球气候预测的准确性。
本研究利用塔克拉玛干沙漠腹地夏季大气边界层实验观测资料, 梳理近地面层热量和动量的输送日变化特征, 分析不稳定层结条件下近地面层湍流运动对热量和动量输送作用的差异, 并探究这种差异与湍流相干结构之间的潜在关联, 以期阐明不稳定层结湍流运动对热量和动量输送的作用及其物理机制。
新疆塔克拉玛干沙漠气象国家野外科学观测研究站(39°00′N, 83°40′E, 海拔 1099.3m)位于塔克拉玛干沙漠腹地的塔中地区(简称塔中站), 目前是世界上唯一深入流动沙漠腹地 200km 以上的野外科学观测研究站。塔中地区为典型的内陆暖温带干旱沙漠气候, 年降水量仅 25.9mm, 潜在蒸发量高达3812.3mm[20]。恶劣的自然环境导致该地区植被资源贫乏, 塔中站周围地表被流沙覆盖(图 1), 地貌特征以流动沙丘为主, 沙丘的水平尺度为 20～100m, 高度为 40～50m[20]。
2016年 7 月 1－31 日在塔中站开展大气边界层综合观测实验, 涵盖 GPS 大气边界层探空探测、气象要素平均梯度观测、近地层湍流通量观测、地表辐射观测以及土壤通量探测等项目, 详细情况见文献[16,24–25]。本文主要利用湍流观测和地表辐射测量的相关资料, 其中湍流观测采用一体式 H2O/ CO2 气体开路分析仪和三维超声风速仪(IRGASON, Campbell Scientific, Inc., 美国), 仪器系统安装在距地表 3m 高度处独立的仪器支架上(图 1), 采样频率为 20Hz, 用于获取三维风速、超声虚温以及 H2O/ CO2 的快速涨落信息; 地表辐射观测采用四分量辐射表(CNR1, Kipp & Zonen, 荷兰), 获取太阳辐射(DR)、天空长波辐射(DLR)、地表反射辐射(UR)和地表出射长波辐射(ULR)数据, 地表净辐射能量(Rn)通过公式 Rn = DR + DLR − UR − ULR 计算得到, 时间分辨率为 30min。
图1 塔克拉玛干沙漠气象国家野外科学观测研究站及其周围环境
Fig. 1 Location and surroundings of national observation and research station of desert meteorology, Taklimakan Desert
本文采用商业软件 EddyPro(Advanced v7.0.6, LI-COR Biosciences, Inc., 美国)[26], 对所有 30min 时长的原始湍流资料进行数据质量控制和预处理。
首先, 判别可疑数据, 剔除野点[27], 进行二次坐标旋转[28]、雷诺分解和线性趋势去除, 以便获得30min 分辨率的雷诺平均值和高频脉动量。
然后, 采用涡动相关法计算各气象要素的湍流统计特征量, 包括感热通量(H)、动量通量(τ)、摩擦速度(u*)、大气稳定度参数(z/L)、标准差(σa)和湍流输送效率(rwb)。
(1)
(2)
(3)
(4)
(5)
(6)
其中, ρ 为空气密度, Cp 为空气定压比热, u, v 和 w 为三方向风速分量, θ 为位温, g为重力加速度(取9.81 m/s2), 上撇和上横线分别表示脉动量和雷诺平均值, z 为观测高度(3m), κ 是 von Karman 常数(本文取 κ=0.4)。
最后, 对湍流通量进行必要的订正, 如超声虚温订正[29]。
本文重点关注白天不稳定近地面层的湍流输送特征, 根据大气稳定度参数 z/L, 将大气不稳定状况划分为 3 类: 近中性层结, 0<−z/L≤0.03; 不稳定层结, 0.03<−z/L≤0.06; 强不稳定层结, −z/L>0.06。
对观测数据进行严格的质量控制, 仅保留以下数据组: 1)观测时间处于日间 07:00—19:00 (塔中站地方时, 下同); 2)湍流通量质量等级(分为 0 级、1级和 2 级)[26]≤1级; 3)u*>0.05 m/s; 4)H>5 W/m2; 5) 平均风速 U 满足 2m/s<U<10m/s; 6)平均风向与超声风温仪感应探头朝向的夹角<120°, 避免仪器支架对流场的干扰; 7)地表净辐射能量随时间平滑地变化, 剔除阴雨和沙尘天气的影响。共保留 448 条数据组, 每条数据组包含连续 30 min 的气象要素脉动量(20Hz)时间序列和 30 min 分辨率的气象要素平均值、湍流统计量和辐射四分量。
对不同湍流交换过程的识别, 象限分析方法具有显著的优势[30], 越来越广泛地应用于温度等标量和动量湍流输送规律的相关研究[4,31–33]。如图 2(a)所示, 以垂直速度脉动 w′为 y 轴, 其他任意气象要素脉动量 a′为 x 轴, 根据 w′和 a′值的正负, 将瞬时通量 w′×a′值划分到 4 个象限, 每个象限对应的湍流交换过程[4]如下。
第一象限(Q1): a′>0, w′>0, 上冲运动(ejec-tion)。
第二象限(Q2): a′<0, w′>0, 逆上冲运动(outward interaction)。
第三象限(Q3): a′<0, w′<0, 下扫运动(sweep)。
第四象限(Q4): a′>0, w′<0, 逆下扫运动(inward interaction)。
按照各象限的定义, 对于感热通量有 a′=θ′, 对于动量通量有 a′=−u′。这种定义方法确保第一、三象限始终表征湍流通量的顺梯度输送, 第二、四象限代表逆梯度输送。对于给定 30min 时长的湍流数据组, 每个象限(湍流交换过程)对平均通量的贡献Si,wa和样本占比 Ti,wa表示为
(7)
(8)
其中, i 为象限序号, 如果 w′×a′值位于象限 i, 则Ii(n) =1, 否则 Ii(n)=0; N为 30min 时长湍流数据组中数据点的总数。
象限分析可以很好地适用于湍流相干结构的识别[15,34]。与各向同性的小尺度湍流运动不同, 湍流相干结构能够引起强烈的湍流交换和湍流输送。因此, 当瞬时湍流通量的数值超过某一阈值时, 则认为湍流相干事件发生。可以将湍流相干事件理解为湍流相干结构对湍流通量和湍流输送影响显著的部分(图 2(b))。参照 Schmutz 等[15]的方法, 不稳定层结条件下, 近地面层湍流相干事件发生的判别条件为 θ′>0, w′>0, 且
, 这里取 a =5。
进一步地, 不稳定层结条件下, 湍流相干事件对湍流通量的贡献可以被量化为
。 (9)
(a)四象限的区分和定义, 圆点表示瞬时湍流通量, 黑色双曲线为湍流相干事件的判别依据, 黑色圆圈代表所识别的湍流相干事件; (b)位温脉动量的时间序列
图2 象限分析示意图
Fig. 2 Illustration of quadrant analysis
对于数据点 n, 若满足湍流相干事件判别条件, 则O(n)=1, 否则 O(n)=0。
频谱分析能够提供湍流结构的微观信息, 如与某一特定频率相联系的时间序列的方差(能量)和协方差(通量)、不同时间序列之间的位相差, 频谱对应的频率又与不同尺度的湍涡相关联。利用傅里叶变换技术, 气象要素时间序列的信号 a(t)表征的湍流能量可以表示为频率序列的信号形式, 即
(10)
其中, Sa 为能谱密度(即方差谱), f为自然频率。类似地, 对于气象要素时间信号 a(t)和 b(t), 湍流通量可以表征为
(11)
其中, Cab 为协方差谱。同时, 利用傅里叶变换技术还可以获得两个气象要素之间位相差随频率的变化, 即位相谱 Φab(f)[10]。位相差为 0 或 π 时, 两个变量同步变化, 相关性较好; 位相差为 π/2 或 3π/2 时, 两 个变量失去相关性。
为降低湍流信号高频区噪音的影响, 本文采取周期图法[35–36]计算方差谱、协方差谱和位相谱。首先, 将 30 min 时长的风速和温度等气象要素脉动量时间序列划分为 10 个子片段, 子片段之间相互重叠 50%, 数据长度与原数据片段保持一致, 两侧空值用零补齐; 然后, 分别计算子片段的频谱; 最后, 对 10 个子片段的频谱进行集合平均, 得到代表该30min 时长的频谱。
图 3(a)显示, 2016 年 7 月塔克拉玛干沙漠腹地近地面层感热通量的峰值出现在当地时间 12:00—13:00, 最大可达 320W/m2, 月平均峰值约为 250W/m2, 占地表可用能量的 95%以上, 说明沙漠地区夏季地表热力作用强烈。从图 3(b)中平均值和中位数看, 沙漠地区的动量通量在白天也存在“中午强, 早晚弱”的演变规律, 但动量通量的数值离散程度较大, 中午前后离散更明显, 整体上呈纺锤形分布, 可以认为在热力作用较强的中午时段, 动量的输送存在相对更大的随机性, 甚至出现湍流垂直向上输送动量的现象。
湍流通量是量化湍流输送大小的物理量, 湍流输送效率反映潜在的物理过程。图 4(a)显示, 近中性层结条件下, 热量和动量的湍流输送效率相近, 为 0.2～0.3, 与以往的研究结果有一定的差异。例如, Li 等[7]发现近中性层结条件下, 植被下垫面动量的湍流输送效率明显高于热量的湍流输送效率;
黑色实线表示月平均值; 灰色箱线图给出某一时刻湍流通量的变化范围, 矩形盒的上下边缘分别表示上下四分位数, 矩形盒内横线表示中位数, 矩形盒外垂直虚线延伸到上下极值, 灰色十字符号代表异常值
图3 2016年7月塔克拉玛干沙漠腹地近地面层感热通量(H)和动量通量(τ)的日变化
Fig. 3 Daytime variations of surface sensible heat flux (H) and momentum flux (τ) in Taklimakan Desert in July 2016
图4 热量、动量的湍流输送效率(a)和感热通量与动量通量的相关系数(b)随大气稳定度的变化
Fig. 4 Turbulent transport efficiencies for heat and momentum (a) and correlation between sensible heat flux and momentum flux (b) as a function of atmospheric stability
Schmutz 等[15]针对城市下垫面的研究也有类似的结果。这主要是因为城市(植被)下垫面地表粗糙度大, 动力作用更强。本研究中, 沙漠下垫面地表粗糙度小, 热力作用更显著, 动力作用相对较弱。如图 4 (b)所示, 近中性层结条件下, 塔克拉玛干沙漠地区感热通量与动量通量的相关系数在 0.4 以上, 最高可以达到 0.65, 相较于 Schmutz 等[15]在城市下垫面得到的数值 0～0.2、Li 等[7]在植被下垫面得到的数值 0.3～0.5 以及 Dupont 等[31]在干旱地区得到的数值0.5, 本研究中相关系数值偏高, 进一步表明近中性层结条件下沙漠下垫面湍流对动量和热量输送的一致性, 因此可以说感热通量和动量通量是被相同结构的湍流运动同时驱动的。随着不稳定层结的增加, 热量的湍流输送效率呈增加趋势, 但动量的输送效率迅速减小(图 4(a)), 同时感热通量和动量通量的相关系数数值也呈降低趋势(图 4(b)), 表明热量和动量的湍流输送差异增大。
在强不稳定层结条件下, 热量的湍流输送效率可以高达 0.6, 动量的输送效率小到几乎可以忽略不计, 甚至出现负贡献, 此时感热通量与动量通量的相关系数也趋近 0, 说明强不稳定层结条件下湍流对热量和动量的传输过程是不同的, 甚至是相互分 离的。
图 5 展示不同湍流交换过程对感热通量、动量通量的贡献和样本占比随大气稳定度的变化情况。近中性层结条件下, 热量和动量的湍流交换过程较为一致, 均呈现上冲运动和下扫运动对通量的贡献相同, 且顺梯度输送强于逆梯度输送的特征(图 5(a)和(b))。随着大气不稳定度增加, 上冲运动对感热通量的贡献显著增大, 但是样本占比保持不变(图 5 (c)), 说明上冲运动对热量的输送效率相对较高, 与 Gao 等[32]的研究结果一致; 下扫运动对感热通量的贡献却呈现略为减小的趋势, 样本占比呈增加趋势, 与不稳定层结条件下热羽周围分布着多而弱的补偿下沉运动的事实[10,14]相符合。对动量而言, 上冲运动未引起较强的垂直输送(图 5(b))。相反地, 随着不稳定度增加, 动量的顺梯度输送逐渐减弱, 逆梯度输送增强, 两者相互抵消, 导致强热力作用的湍流对动量的输送效率降低, 进一步说明不稳定层结条件下热量和动量的湍流输送机制存在明显的 差异。
图 6 给出近中性层结、不稳定层结和强不稳定层结条件下的湍流方差谱( fS/σ2)、位相谱(Φab)和协方差谱( fCab /(σa σb))。为了便于比较, 湍流方差谱采用对应变量的方差做归一化, 湍流协方差谱采用两变量标准差的乘积做归一化, 频率采用观测高度和平均风速做归一化。图 6 中湍流方差谱采用点画线标注参考斜率(−2/3)。从整体上看, 塔克拉玛干沙漠近地面层夏季 u, w和 θ 谱均符合 Kolmogorov 相似性定律, 惯性副区遵循−2/3 幂次率(图 6(a)～(c))。近中性层结条件下, θ 谱的峰值频率与 u 谱较为一致, 表明风切变是湍流的主要能量来源。由于地表下垫面的边界效应, 湍涡垂直方向的发展受限, 因此 w 谱主要由较小尺度的湍涡贡献, 峰值频率较高(图 6(a))。根据湍流方差谱的峰值频率, 可以推断近中性层结条件下对湍流交换起主导作用的湍涡水平尺度(u 谱的 U/fmax)约为 1500m, 垂直尺度(w 谱的U/fmax)约为 15m。近中性层结条件下, 虽然 w 谱与u 谱及 θ 谱的峰值频率差异较大, 但它们在特定频率上的涨落分量位相差异较小(图 6(d)), 即湍流运动引起 u, w 和 θ 三者较为同步的变化。因此, 热量和动量的输送作用是相似的, 具体表现为 uw 协谱与 wθ 协谱的峰值较为一致, 且在含能区彼此重叠(图 6(g)), 与 Dupont 等[31]在强风条件下得出的结果相近。
图5 不同湍流交换过程对感热通量((a)和(c))、动量通量((b)和(d))的贡献((a)和(b))和样本占比((c)和(d))随大气稳定度的变化
Fig. 5 Flux contribution ((a) and (b)) and sample fraction ((c) and (d)) of each turbulent exchange process for sensible heat flux ((a) and (c)) and momentum flux ((b) and (d)) as a function of atmospheric stability
随着大气不稳定度增强, θ 谱的特征逐渐偏离 u谱而趋向于 w 谱。u 谱的峰值频率变化较小, 但能量增加, 惯性副区的能量降低, 能量更集中于峰值频率附近, 与 Kaimal[37]的研究结果一致。随着不稳定层结增加, 地表加热作用增强, 近地面层气块受热膨胀而向上运动(上冲运动)。近地面层中有组织的上冲运动也称为热羽, 热羽在近地面层形成后向上发展、合并, 在混合层内形成热泡, 热泡与周围的补偿下沉气流构成对流环流[10]。在不稳定层结条件下, θ 和 w 的快速涨落与热羽密切相关, 两者的峰值波长反映热羽的信息; 而 u 的涨落与对流环流有关, 峰值波长对应对流环流的水平尺度[38]。基于湍流方差谱的峰值频率, 可以推断夏季塔克拉玛干沙漠热羽的水平尺度(θ 谱的 U/fmax)约为 100m, 垂直尺度(w 谱的 U/fmax)约为 30m, 对流环流的水平尺度(u 谱的 U/fmax)约为 1000m。湍流运动机制的不同导致 u′与 w′之间的位相差随不稳定度的增加而增大(图 6(d)～(f)), 在强不稳定层结条件下趋近 π/4(图 6 (f)), 与 Li 等[7]的研究结果接近。增大的位相差引起 uw 协谱数值按照近中性→不稳定→强不稳定的层结变化依次减小(图 6(g)～(i))。w 和 θ 始终保持同步变化(图 6(d)～(f)), 且随着不稳定度增加, w 谱和 θ谱的峰值频率更加接近(图 6(a)～(c)), 在两者的峰值频率[0.01, 0.2]范围内, wθ 协谱数值显著增加(图6(g)～(i)), 表明热羽对热量的输送具有较大的优势。值得注意的是, 在强不稳定层结条件下, u′与w′之间的位相差异向低频区扩展(图 6(f)), 进而引起大尺度湍涡对动量的逆梯度输送(图 6(i)), 造成垂直向上的动量通量(图 3(b))。
图6 近中性层结((a)、(d)和(g))、不稳定层结((b)、(e)和(h))、强不稳定层结((c)、(f)和(i))条件下的湍流方差谱((a)～(c))、位相谱((d)～(f))和协方差谱(((g)～(i))
Fig. 6 Ensemble-averaged power spectra ((a)–(c)), phase spectra ((d)–(f)) and cospectra ((g)–(i)) under near-neutral ((a), (d), and (g)), unstable ((b), (e), and (h)), and strongly unstable ((c), (f), and (i)) conditions, respectively
选取近中性层结、不稳定层结和强不稳定层结条件下的湍流数据组(表 1), 分别截取 5min 的时间序列, 对比不同层结稳定度条件下 θ′与 u′的变化情况, 结果如图 7 所示。可以发现, 不同稳定度条件下湍流相干结构存在明显的差异。近中性层结条件下, θ′与 u′呈现较好的反相变化规律, 如图 7(a)和(b)中黑色竖直线所示的湍流事件, 或同时向上输送较暖的空气和较小的动量, 或同时向下输送较冷的空气和较大的动量。在每一个上冲–下扫循环中, 上冲运动和下扫运动接近对称分布, θ′先线性地增加到峰值, 再线性低减小到谷值; u′的变化趋势与之相反。上述实验结果进一步验证了 Li 等[7]近中性层结条件下湍流相干结构与风切变形成的发夹涡有关的设想。此时, 热量和动量的湍流输送效率分别为0.25 和 0.27, 感热通量与动量通量的相关系数达到0.45 (表1), 说明近中性层结条件下热量和动量的输送过程类似。
表1 湍流数据的特征
Table 1 Characteristics of the selected data segments
片段稳定度观测时段−z/LH/(W·m−2)U/(m·s−1)−ruwrwθ 片段1近中性07.27 18:00—18:300.015 17.185.670.270.25 片段2不稳定07.02 13:00—13:300.093214.932.350.200.54 片段3强不稳定07.10 13:00—13:302.328306.342.750.030.58
(c)和(e)中黑色圆圈代表所识别的湍流相干事件
图7 近中性层结((a)和(b))、不稳定层结((c)和(d))、强不稳定层结((e)和(f))条件下位温((a)、(c)和(e))和水平速度((b)、(d)和(f))脉动量的时间序列
Fig. 7 Time series of fluctuations of potential temperature ((a), (c) and (e)) and streamwise velocity ((b), (d) and (f)) under near-neutral ((a) and (b)), unstable ((c) and (d)), and strongly unstable ((e) and (f)) conditions, respectively
随着不稳定度增加, θ′的时间序列中出现“斜坡结构”, 即 θ′经过一段缓慢上升后, 直线上升到峰值, 然后几乎垂直下降至谷值, 位温变化幅度超过5K。这种“斜坡结构”正是热羽发生的信号。在热羽中, θ′与w′同步变化, 有利于湍流对热量产生较高的输送效率。适当的大气不稳定层结条件下, 热羽也会引起 u′的减小(图 7(d)中 150～240s), 但这一变化往往容易被较大尺度的波动信号掩盖, 表现为湍流向上输送较大的动量, 对平均通量的贡献为负, 降低动量的湍流输送效率, 如图 5(b)和(d)所示的逆梯度输送。此外, Zhang 等[4]和 Dupont 等[31]发现, 在沙尘天气过境后的当天正午, 低层风速较大, 在地表热力作用适中的条件下也有类似的 u′变化特征, 说明不稳定层结条件下, 尽管塔克拉玛干沙漠腹地地表热力对湍流运动的作用较强, 但动力的影响仍然不可忽视。
强不稳定层结条件下, 湍流相干结构的随机性增强, 有时连续几个热羽依次发生(图 7(e), 120～170 s), 有时热羽之间存在较长的沉寂期(图 7(e), 170～ 180s), 甚至几个热羽合并成较大尺度的湍涡(图 7 (e), 30～90s), θ′的变化幅度高达 7.5K, 引起强烈的热量输送, 与以往强不稳定层结条件下的相关研究结果[6–7]类似。然而, 塔克拉玛干沙漠腹地强不稳定层结条件下, 热羽对u′的影响非常有限, u′的大尺度变化信息更加突出, 导致 u′与 θ′及 w′的时间演变特征出现较大的差异, 明显地区别于其他类型下垫面的研究结果[7], 表明沙漠地区强热力作用下, 湍流运动对动量的输送特征具有一定的独特性。总体来看, 不同大气稳定度条件下, 湍流相干结构的变化以及 θ′, w′和 u′对湍流相干结构响应的差异, 是塔克拉玛干沙漠地区热量和动量输送的差异随不稳定度增强而增大的主要原因。
本研究采用象限分析方法识别热羽中的湍流相干事件, 结果如图 7 中黑色圆圈所示。可见, 近中性层结条件下, 湍流相干事件少且孤立发生, 与上冲运动和下扫运动对通量贡献相等的结果(图 4)吻合。随着不稳定度增加, 湍流相干事件发生频率明显增加, 但是 30min 时长的湍流序列占用的样本量仍然较小, 不足 1%。进一步量化不稳定层结条件下湍流相干事件对感热通量的贡献(式(9)), 结果如图 8所示。可以发现, 近中性层结条件下, 湍流相干事件受限于较低的发生频率(图 7(a)), 对感热通量的贡献很小。随着不稳定度增加, 湍流相干事件的发生频率增加, 对感热通量的贡献迅速增大, 直至强不稳定层结, 贡献率维持在 48%～58%。鉴于强不稳定层结条件下湍流相干事件的样本占比仅有8%左右, 可见湍流相干事件(或相干结构)对湍流交换过程有重要意义。
图8 湍流相干事件对感热通量的贡献随大气稳定度的变化
Fig. 8 Flux contribution of coherent events to sensible heat flux as a function of atmospheric stability
本文利用 2016 年 7 月新疆塔克拉玛干沙漠气象国家野外科学观测研究站大气边界层综合观测试验资料, 梳理塔克拉玛干沙漠腹地近地面层湍流输送特征, 分析不稳定层结条件下湍流运动对热量和动量输送作用的差异, 并给出产生该差异的物理解释, 主要研究结论如下。
1)塔克拉玛干沙漠地区夏季地表作用强烈, 地表感热通量占地表可用能量的 95%以上, 但强热力条件下湍流运动对动量的输送存在较大的随机性。近中性层结条件下, 湍流运动对热量和动量的输送作用类似; 随着大气不稳定度增加, 热量的湍流输送效率增加, 动量的湍流输送效率降低, 湍流运动对热量输送与动量输送作用的差异呈增加趋势。
2)近中性层结条件下, 热量与动量的湍流交换过程一致, 均表现为上冲运动和下扫运动的贡献相等。随着不稳定度增加, 上冲运动对感热通量的贡献显著增加, θ 谱的谱形和峰值频率趋于与 w 谱一致, 热量的湍流输送效率显著增加。相反地, u 与 w的时间演变存在明显的位相差, 引起湍流运动对动量的逆梯度输送作用增强, 导致动量的湍流输送效率降低。
3)不同大气稳定度条件下的湍流相干结构存在明显的差异, 而湍流运动对热量和动量的输送差异与湍流相干结构的变化密切相关。随着不稳定度增加, 热羽形成, 引起位温和垂直速度同相位变化, 但较难引起相应水平速度的变化。湍流运动物理机制的不同, 是造成湍流对热量输送与动量输送作用的差异随大气不稳定度增强而增大的主要原因。
参考文献
[1] 盛裴轩, 毛节泰, 李建国, 等. 大气物理学. 2 版. 北京: 北京大学出版社, 2013: 222–224
[2] Gatski T B, Bonnet J P. Compressibility, turbulence and high speed flow. Amsterdam: Elsevier, 2013: 23–38
[3] Ren Yan, Zhang Honsheng, Zhang Xiaoye, et al. Tem-poral and spatial characteristics of turbulent transfer and diffusion coefficient of PM2.5. Sci Total Environ, 2021, 782: 146804
[4] Zhang Lu, Zhang Hongsheng, Li Qianhui, et al. Verti-cal dispersion mechanism of long-range transported dust in Beijing: effects of atmospheric turbulence. Atmos Res, 2022, 269: 106033
[5] Jia Wenxing, Zhang Xiaoye, Zhang Hongsheng, et al. Application of turbulent diffusion term of aerosols in mesoscale model. Geophys Res Lett, 2021, 48(11): e2021GL093199
[6] 张宏昇. 大气湍流基础. 北京: 北京大学出版社, 2014: 37–41, 57–68
[7] Li Dan, Bou-Zeid E. Coherent structures and the dissimilarity of turbulent transport of momentum and scalars in the unstable atmospheric surface layer. Bound-Layer Meteor, 2011, 140(2): 243–262
[8] 赵建华, 张峰, 梁芸, 等. 大气边界层湍流相干结构研究进展. 干旱区研究, 2019, 36(6): 1419–1430
[9] Hommema S E, Adrian R J. Packet structure of surfa-ce eddies in the atmospheric boundary layer. Bound-Layer Meteor, 2003, 106(1): 147–170
[10] Stull R B. An introduction to boundary layer meteo-rology. Dordrecht: Kluwer Academic Publishers, 1988: 310–335, 442–473
[11] Bhowmick M, Parker D J. Analytical solution to a thermodynamic model for the sensitivity of afternoon deep convective initiation to the surface Bowen ratio. Q J R Meteorol Soc, 2018, 144: 2216–2229
[12] Findell K L, Eltahir E A B. Atmospheric controls on soil moisture-boundary layer interactions, part I: framework development. J Hydrometeorol, 2003, 4(3): 552–569
[13] Gentine P, Holtslag A A M, D’Andrea F, et al. Sur- face and atmospheric controls on the onset of moist convection over land. J Hydrometeorol, 2013, 14(5): 1443–1462
[14] 张璐, 黄倩, 张宏昇, 等. 干湿地表的湍流特征及其对深对流影响的大涡模拟. 气象学报, 2021, 79(4): 659–673
[15] Schmutz M, Vogt R. Flux similarity and turbulent tran-sport of momentum, heat and carbon dioxide in the urban boundary layer. Bound-Layer Meteor, 2019, 172(1): 45–65
[16] Yang Fan, He Qing, Huang Jianping, et al. Desert environment and climate observation network over Taklimakan Desert. Bull Amer Meteorol Soc, 2021, 102(6): E1172–E1191
[17] Huang Jinaping, Wang Tianhe, Wang Wencai, et al. Climate effects of dust aerosols over East Asian arid and semiarid regions. J Geophys Res-Atmos, 2014, 119(19): 11398–11416
[18] Liu Yuzhi, Li Yaohui, Huang Jianping, et al. Attribu-tion of the Tibetan Plateau to northern drought. Natl Sci Rev, 2020, 7(3): 489–492
[19] Xu Dongze, Lin Yanluan. Impacts of irrigation and vegetation growth on summer rainfall in Taklimakan Desert. Adv Atmos Sci, 2021, 38(11): 1863–1872
[20] 何清, 金莉莉. 塔克拉玛干沙漠陆气相互作用观测与模拟研究. 北京: 气象出版社, 2020: 1–6
[21] Wang Qian, Zhai Panmao, Qin Dahe. New perspectives on ‘warming–wetting’ trend in Xinjiang, China. Adv Clim Chang Res, 2020, 11(3): 252–260
[22] Zhang Qiang, Singh V P, Li Jinafeng, et al. Spatio-temporal variations of precipitation extremes in Xin-jiang, China. J Hydrol, 2012, 434: 7–18
[23] Zhou Xueying, Jia Jian, Liu Guoqiang, et al. Charac-teristics of precipitation at hinterland of Taklimakan Desert, China. J Desert Res, 2019, 39(1): 187–194
[24] Wang Minzhong, Xu Xiangde, Xu Hongxiong, et al. Features of the deep atmospheric boundary layer over Taklimakan Desert in the summertime and its influence on regional circulation. J Geophys Res: Atmos, 2019, 124(23): 12755–12772
[25] Wei Wei, Wang Minzhong, Zhang Hongsheng, et al. Diurnal characteristics of turbulent intermittency in Taklimakan Desert. Meteorol Atmos Phys, 2019, 131 (3): 287–297
[26] LI-COR Bioscience.EddyPro Software Version7.0 Ins-truction Manual [EB/OL]. (2019) [2021–06–16]. https: //www.licor.com/env/support/EddyPro/manuals.html
[27] Vickers D, Mahrt L. Quality control and flux sampling problems for tower and aircraft data. J Atmos Ocean Technol, 1997, 14(3): 512–526
[28] Wilczak J M, Oncley S P, Stage S A. Sonic anemometer tilt correction algorithms. Bound-Layer Meteor, 2001, 99(1): 127–150
[29] Schotanus P, Nieuwstadt F T M, Debruin H A R. Tem-perature-measurement with a sonic anemometer and its application to heat and moisture fluxes. Bound-Layer Meteor, 1983, 26(1): 81–93
[30] Shaw R H, Tavangar J, Ward D P. Structure of the Reynolds stress in a canopy layer. J Appl Meteorol Climatol, 1983, 22(1): 1922–1931
[31] Dupont S, Rajot J L, Labiadh M, et al. Dissimilarity between dust, heat, and momentum turbulent transports during aeolian soil erosion. J Geophys Res: Atmos, 2019, 124(2): 1064–1089
[32] Gao Zhongming, Liu Heping, Chen Xingyuan, et al. Enlarged nonclosure of surface energy balance with increasing atmospheric instabilities linked to changes in coherent structures. J Geophys Res: Atmos, 2020, 125(14): e2020JD032889
[33] Jia Wenxing, Zhang Xiaoye, Zhang Hongsheng, et al. Turbulent transport dissimilarities of particles, mo-mentum, and heat. Environ Res, 2022, 211: 113111
[34] Lu S S, Willmarth W W. Measurements of structure of Reynolds stress in a turbulent boundary-layer. J Fluid Mech, 1973, 60(SEP18): 481–511
[35] Kaimal J C, Wyngaard J C, Izumi Y, et al. Spectral characteristics of surface-layer turbulence. Q J R Me-teorol Soc, 1972, 98(417): 563–589
[36] 张宏升, 康凌, 张霭琛. 大气湍流数据处理系统及计算方法的讨论. 气象水文海洋仪器, 2001(1): 1–11
[37] Kaimal J C. Horizontal velocity spectra in an unstable surface-layer. J Atmos Sci, 1978, 35(1): 18–24
[38] Kaimal J C, Wyngaard J C, Haugen D A, et al. Tur-bulence structure in convective boundary-layer. J At-mos Sci, 1976, 33(11): 2152–2169
Characteristics and Dissimilarity of Turbulent Transport of Heat and Momentum in Summer Unstable Atmospheric Surface Layer in Taklimakan Desert and Its Physical Mechanisms
Abstract Based on the near-surface atmospheric turbulence observation in the National Observation and Research Station of Desert Meteorology, Taklimakan Desert of Xinjiang in July 2016, the characteristics of turbulent transport in the unstable atmospheric surface layer in the hinterland of Taklimakan Desert are investigated. With the methods of eddy covariance, quadrant analysis, and spectra analysis, the dissimilarity between the turbulent transport of heat and momentum under different atmospheric instability is analyzed, and its potential physical mechanism is further explored. The results indicate that, under near-neutral conditions, the turbulent transport of heat and momentum is similar. However, as the atmospheric instability increases, the transport dissimilarity between heat and momentum becomes increasingly significant. Heat is transported more efficiently than momentum, while the turbulent transport of momentum shows a great randomness under the strongly thermal condition. This dissimilarity is closely related to the topology of turbulent coherent structures. Under unstable conditions, the coherent structure is dominated by thermal plume. It can induce synchronous changes in potential temperature and vertical velocity, but is difficult to lead corresponding changes in horizontal velocity. The difference in the physical mechanism of turbulent motion is the main reason for the significant dissimilarity between the turbulent transport of heat and momentum with increasing atmospheric instability.
Key words coherent structure; turbulent transport efficiency; turbulent flux; quadrant analysis; Taklimakan Desert