(1a)
北京大学学报(自然科学版) 第61卷 第3期 2025年5月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 61, No. 3 (May 2025)
doi: 10.13209/j.0479-8023.2025.014
北京市科技计划项目(Z241100009124014)、国家重点研发计划(2023YFC3706301)和国家自然科学基金(42175092)资助
收稿日期: 2024–04–02;
修回日期: 2024–07–26
摘要 利用内蒙古科尔沁地区大气边界层与大气环境综合实验站观测资料, 分析 2019 年夏季气压与风速的湍流统计特征, 量化风速–气压关联与湍流动能的变化关系。结果表明, 气压方差谱在惯性副区满足−5/3 幂次律, 具有明显的非定常性和大气层结依赖性; 基于湍流动能收支方程和风速收支方程的气压脉动归一化标准差与稳定度参数的关系, 分别呈现线性规律和指数规律; 气压脉动归一化标准差的时间变率和风速–气压协方差谱均可以反映风速–气压关联的强度以及与湍流动能变化的关系。日出时, 风速–气压关联较强, 对湍流动能正贡献, 并随大气不稳定层结的发展逐渐减弱; 日落后, 气压–风速关联重新形成, 并逐渐消耗湍流动能。气压对湍流动能的贡献与大气层结条件密切相关, 对大气湍流运动有重要作用。
关键词 气压脉动; 风速–气压关联; 归一化标准差; 湍流动能
大气压强(简称气压)是大气湍流和大气边界层研究中基本的、重要的气象要素之一[1]。一方面, 气压与流场有着紧密的联系, 气压和气压涨落与风速的变化相互关联[2]; 另一方面, 气压输送在地–气交换中发挥着重要的作用[3]。
气压在湍流发展中扮演着重要角色, 气压涨落的特性以及气压与基本气象要素、湍流统计特征的相互作用一直是湍流理论与实验的研究重点。研究发现, 气压脉动方差谱特征和标度律等常规湍流统计特征往往与理论研究结果有一定的差异[4–6], 且不同下垫面(如草原[7–9]、麦田[10–11]、沙地[6]和树林[12–13]等)的气压脉动方差谱在惯性副区的 Kolmo-gorov 标度率均不同。理论研究、观测以及模拟结果揭示气压与湍流之间具有相互作用, 气压涨落往往与湍流的结构紧密相关, 并且影响湍流动能收支和湍流通量[14–17]。由于气压测量中存在“动压污染”问题[18–20], 加上气压测量仪器精度以及响应频率的限制[21–22], 对气压快速涨落的测量和研究存在不 足[23], 对气压脉动的时间序列、空间分布等特征的了解十分有限[3,6,24]。
准确地测量并掌握气压和气压脉动的时空分布及统计特征, 定量地描述气压与其他气象要素的关联, 对深入了解大气湍流运动和输送过程有重要意义[17,25–27]。“无量纲化”是一种实用的确定湍流统计特征的定量化方法, 其主要思想是对湍流方程中所有变量进行量纲分解和组合, 实现方程的量纲平衡, 并提取新的特征尺度[28–29]。莫宁–奥布霍夫相似性理论是大气湍流的重要理论之一, 这一理论与无量纲化息息相关[30–32]。其中, 奥布霍夫长度、摩擦风速和特征位温等特征尺度广泛运用于大气湍流和大气边界层研究中, 用来表征气象要素的统计特征及其相似性规律[33–37]。气压是与风速紧密关联的气象要素, 其理论研究与实验研究的结果常常存在一定的差异。一方面, “动压污染”和仪器对观测的干扰[3,18,21]的存在, 可能使理论与实验的成立条件产生偏差; 另一方面, 经典理论在应用层面也可能具有潜在的局限性, 例如莫宁–奥布霍夫相似性理论常常不能满足对平坦、均匀下垫面的严格限制以及定常流场的要求[38–39], 数据处理过程中的坐标旋转和去趋势过程[40–42]也常常导致数据有效性和物理意义的减弱[43–44]。
湍流方程组的无量纲化为拓宽湍流理论的适用范围以及描述更广泛的湍流规律提供了新的思路。无量纲化方法在大气科学和海洋科学中的应用可以追溯到 Rossby 变形半径的讨论[45], 在寻找新的特征尺度和相似性关系的研究中也有相关探讨[46–49]。在大气边界层理论和定量化研究中, 湍流方程的无量纲化也取得一些进展, 得到包括气压在内的多种气象要素的特征尺度和相关的无量纲物理量[50]。因此, 从湍流方程无量纲化的角度出发, 定量地研究气压的统计特征, 具有理论和实际意义。
鉴于以往研究中对气压脉动统计特征以及气压和湍流相互作用机制了解不足, 本文对风速收支方程和湍流动能收支方程进行无量纲化, 构建气压脉动统计特征与气压及其他气象要素相互关联的定量指标, 并利用 2019 年夏季内蒙古科尔沁地区大气边界层与大气环境综合实验站附近均匀平坦下垫面的大气湍流观测资料, 探讨气压脉动的时间序列和频谱结构, 给出气压脉动的相似性关系, 探究气压与湍流的相互作用规律。
在湍流方程中, 风速和位温的涨落变化可以分别表示为如下的收支方程[38]:
(1a)
(1b)
其中, xi =x, y, z, 分别为水平纵向风、水平横向风和垂直风方向的位移, ui =u, v, w 表示对应方向的风速; t 为时间, θ为位温(θ0 为位温的参考值), ρ是空气密度, p 是大气压强, g是重力加速度; ωj 是地球自传角速度的分量, v是空气分子粘滞系数, vk 是热扩散系数; εijk 是 Levi-Civita 符号。用“
”标注的量表示平均值, 用“′”标注的量表示脉动量。
湍流运动具有多尺度性, 特征尺度的选取对大气湍流规律的正确描述起着关键作用。在莫宁–奥布霍夫相似性理论中, 常用的特征尺度[51–54]有
(2a)
(2b)
(2c)
(3)
其中, u*为摩擦风速(风速特征尺度), θ*为位温特征尺度, p*为气压特征尺度, L为奥布霍夫长度, k为von Kármán 常数。
对湍流方程进行无量纲化时, 可以通过对脉动量的量纲进行分解, 引入新的特征尺度[45,48,50]。量纲分解的原则如下:
(4a)
(4b)
(4c)
(4d)
其中,
为不同方向的涡旋特征尺度,
为特征时间尺度, σV 为任意脉动量 V 的标准差, 用“†”标注的量表示无量纲化的物理量。根据上述量纲分解的定义, 可以将脉动量方程展开并整理成如下 形式:
(5a)
(5b)
脉动量方程的推导过程见附录。表 1 给出方程中参数的表达式及物理含义。
对上述无量纲化湍流方程进行归一化风切变和热对流参数的组合, 定义新的理查森数 Rs, 可以推导出垂直平均风速
情形下的新特征长度 Lz:
(6)
表1 无量纲化湍流方程的参数及其含义
Table 1 Paramaters and significances in nondi-mensionalized turbulence equations
参数表达式物理含义 ai湍流横纵比 Ii湍流强度 av, j平均风横纵比 ap, i归一化气压参数 aθ归一化浮力参数 Fij归一化地转参数 Bij归一化风切变参数 βθ, j归一化热对流参数 Γij湍流动力敏感度 γθ, i湍流热力敏感度 Tij归一化动量通量 τθ, i归一化感热通量
(7)
类比风速和温度等气象要素归一化标准差随稳定度参数
的变化关系, 气压脉动的归一化标准差常常定义成如下形式:
(8)
随稳定度参数的变化, 式(8)定义的归一化标准差不存在与风速、位温等物理量类似的显著变 化[27], 因此描述气压脉动的统计特征时, 需要通过其他方式定义气压脉动归一化标准差。
1.2.1 基于风速收支方程的气压脉动归一化标准差
从式(5a)和表 1 可以发现, 气压项与不同方向的风速均有关联, 因此对风速收支方程进行无量纲化, 能够导出与风速和气压直接相关的无量纲物理量。由于无量纲化的风速收支方程以 Lz 作为特征长度, 且 ap,i 本身即为气压脉动归一化标准差的形式, 因此定义
(9)
为新的气压脉动归一化标准差, 并根据式(9)描述其随新稳定度参数
的变化。
1.2.2 基于湍流动能收支方程的气压脉动归一化标准差
湍流动能的收支方程[37]为
(10a)
其中, 
为湍流动能(turbulence kinetic energy, TKE),ε 为 TKE 的耗散率。根据莫宁–奥布霍夫相似性理论, 对式(10)用
进行无量纲化, 得到无量纲化方程:
(10b)
其中, jt, jm, jR和 jε分别为无量纲化的 TKE 储存项、动量通量廓线项、TKE垂直输送项和分子耗散项。此外,
(11)
为气压通量廓线项。类比风速等气象要素的通量廓线关系, 可以从 sp 和
的量纲平衡关系出发, 定义
(12)
为另一种新的气压脉动归一化标准差, 用来描述其随稳定度参数
的变化。式(9)分母中的风速标准差可以通过莫宁–奥布霍夫相似性与式(12)中的摩擦风速建立联系, 因而两种气压脉动归一化标准差的物理学本质相似。
本研究使用的数据为来自奈曼大气边界层与大气环境综合实验站的大气湍流观测资料, 选取 2019年夏季 6 月 1 日至 8 月 31 日的数据进行分析。奈曼实验站位于内蒙古自治区通辽市奈曼旗北部约 10km 处, 科尔沁沙地东南侧(42°56′N, 120°42′E)。实验站所在位置以半干旱的温带大陆性气候为主, 地形是以沙丘为主的荒漠, 伴有稀疏、低矮的灌木丛。根据以往的研究[17,27,55], 夏季观测能够较好地捕捉风切变和热对流效应。该观测站的详细信息参见文献[55–57]。
观测仪器安装在高度为 20m 的气象观测塔上,包含观测高度为 2, 4, 16 和 20m 的平均风速观测仪(010C, Met One Instruments Inc., 美国)、观测高度为 2, 4, 8 和 16m 的温湿观测仪(HMP45C, Campbell Sci. Inc., 美国)以及观测高度为 2m 的气压传感器(PTB110, Vaisala Co., 芬兰), 采样间隔均为 10min。湍流观测包含观测高度为 8m 和 16m 的涡动相关测量系统, 其中观测仪器包含感应探头朝向西方的快速响应 3 维超声风温仪(CSAT3, Campbell Scientific Co., 美国)和一个响应频率约为 1Hz, 测量精度约为 0.05hPa 的自制气压脉动仪, 采样频率均为 10Hz。该站点的观测仪器和气压脉动仪等详细信息参阅文献[6,27]。
本研究主要使用高度为 8m 的湍流观测资料以及高度为 4m 和 16m 的平均场观测资料。对采样间隔为 10min 的平均场数据进行二次平均, 使其时间分辨率为 30min。此外, 对不同高度的平均场数据进行差分, 获得风速和温度的平均场梯度。
本研究使用 EddyPro 软件(Advanced 7.0.9, LI-COR Biosciences, Inc., 美国, https://www.licor.com/ env/support/EddyPro/software.html)对大气湍流数据进行处理和质量控制, 包含野点及可疑数据的剔除[58]、坐标旋转[59]和去趋势[60]等。以每 30min 的脉动量时间序列作为一个样本, 进行各个统计量的计算, 并进行数据筛选, 剔除以下条件的数据组: 1)水平风向与超声风温仪感应探头朝向的夹角大于90°; 2)水平平均风速小于 0.5m/s或大于 8m/s; 3)摩擦风速 u*<0.05m/s; 4)感热通量绝对值小于 5W/m2; 5)其他非定常效应过大或有明显错误的数据样本。
此外, 根据 1.2 节中方程形式的不同, 在分析不同的气压脉动归一化标准差时, 对原始数据坐标旋转的策略有所不同。在研究 βp (对应稳定度参数)时, 进行两次坐标旋转, 以便与标准的湍流数据处理流程保持一致; 在研究ap,i (对应稳定度参数)时, 只进行单次水平坐标旋转(使平均风向与 x 轴一致), 以便获得垂直风速 w 及其平均值
的精细变化。
与风速不同, 气压的时间序列往往表现出较大的非定常性。图 1 给出 2019 年 7 月 6 日原始数据去24 小时线性趋势后的气压和风速时间序列。可以看出, 气压的涨落在夜间较小(平均振幅小于 0.1hPa), 日间较大(平均振幅约 0.3hPa); 同样, 风速的涨落也在夜间较小(平均振幅小于 1m/s), 日间较大(平均振幅大于 2m/s)。风速和气压的涨落变化具有一定的同步性, 从 06 时起风速和气压的涨落均明显增大, 至 16 时涨落开始减小, 并在 19 时后始终保持较小的涨落幅度, 表明气压涨落与风速变化有着重要的关联。
基于大气湍流发展规律的日变化特征, 划分 4种典型的大气稳定度区间: 1)日出时段, ‒10‒2<z<0 (近中性层结); 2)正午时段: z<‒100(强不稳定层结); 3)日落时段: 0<z<10‒2(近中性层结); 4)午夜时段: z>100 (强稳定层结)。图 2 给出相应的气压脉动和风速脉动的方差谱 Sq (q=p, u, w)。可以发现, 与风速频谱相比, 气压脉动频谱在低频区域(f<10‒2Hz)呈现较高的数值, 这一特性与其时间序列反映的较大时间–空间尺度对应; 在惯性副区, 水平、垂直风速脉动和气压脉动的方差谱均较好地满足−5/3 幂次律, 其中气压脉动的标度律与 Monin 等[4]获得的−7/3 幂次律不同, 也有别于其他研究者总结的不同下垫面的气压频谱特征[10–13]。因此, Kolmogorov 局地湍流理论对气压频谱规律的描述常常与实验结果有一定的偏差, 导致在不同下垫面和观测条件下, 气压脉动方差谱缺乏普适的统计特征。从图 2(a)和(c)可以看出, 在日出和日落时段, 风速谱和气压谱在惯性副区和耗散区均保持较高水平, 反映风速和气压在中小尺度有较大的涨落, 从而存在产生相互作用的潜势。
图 3 给出 2019 年 7 月气压脉动标准差 σp 和两种不同方式定义的归一化气压脉动标准差(ap,z 和 βp)的时间序列。根据标准差的定义可知, σp 序列反映气压脉动的强弱变化。尽管图 1(a)表明气压脉动的时间序列存在较大的非定常性, 但从图 3(a)可以看出, 标准差 σp 具有相对稳定的昼夜变化特征: 在所考察的时段内, 绝大多数时间表现出日间(不稳定层结)大、夜间(稳定层结)小的周期性特征, 表明气压脉动的强弱与湍流的昼夜发展有着紧密联系。对于 ap,z 和 βp, 式(9)和(12)均反映气压与风速的相互作用, 其时间序列既显示昼夜周期性特征, 又反映不同时段由于其他气象因素条件变化而产生的差异。例如, 7 月 5—14 日, 两种归一化标准差的数值均保持较高的水平, 而在 7 月 15 日均发生骤降, 并在 7 月 21 日前保持低值。两种不同方式定义的气压脉动归一化标准差 ap,z 和 βp 的昼夜变化范围随气象因素的变化发生偏移, 表明二者均与大气层结稳定度相关联。
图1 气压脉动和垂直风速脉动的时间序列
Fig. 1 Time series of pressure and vertival wind speed fluctuations
图2 4种层结状态下的气压脉动和风速脉动方差谱
Fig. 2 Spectral of pressure and wind speed fluctuation under four stratification conditions
图3 气压脉动标准差和两种归一化标准差的时间序列
Fig. 3 Time series of standard deviation and two kinds of normalized standard deviations
基于上述分析, 不同层结状态下气压脉动归一化标准差可以用稳定度参数来描述。图 4(a)和(b)给出传统方法中使用p*进行归一化的标准差 δp 随稳定度参数的变化关系, 图 4(c)和(d)给出基于湍流动能收支方程, 使用
进行归一化的标准差βp 随稳定度参数的变化关系。可以看出, δp与大气稳定度没有明显的相关性, 不能有效地反映气压脉动的统计特征[17]; 与之相反, βp 与稳定度参数存在较好的简单线性关系, 能够在不同层结下较好地反映气压脉动的统计特征: 在近中性层结下, βp 维持在较低水平, 随着层结向强不稳定或强稳定发展, βp 值也稳定地逐渐上升。这表明气压脉动归一化标准差除能够反映气压脉动自身的统计特征外, 还能够揭示气压–风速关联强度与气压输送的联系以及二者对 TKE 发展的作用。
利用稳定度参数, 可以扩展适用范围(如非定常流场), 对大气层结进行描述。图 5 展示归一化标准差ap,i 随稳定度参数
的变化规律。比较图 5(a)和(b)与(c)和(d)可以看出, 利用垂直风速的标准差和平均值对气压脉动标准差进行归一化时, 只有 ap,z 分量与稳定度参数表现出近线性的简单指数关系, 这是因为在水平方向, 气压输送项仅对由地形等因素引起的 TKE 不均匀分布进行调整和平衡; 相反地, 在垂直方向, TKE 演变与气压的相互作用在很大程度上是由大气层结状态驱动的。与图 4 的结果对比, 利用新的稳定度参数和归一化标准差ap,z, 能够在避免计算协方差项的情况下, 以同样简洁的经验函数形式, 利用常规气象观测量描述气压脉动的统计特征。但是, 形如式(5)的特征长度Lz 需要多层观测来获取气象要素的垂直梯度, 在应用层面难度较大, 因此可以根据不同的条件和需求, 有针对性地选择 ap,z 和 βp 两种参数。
(a)和(c)不稳定层结; (b)和(d)稳定层结
图4 基于湍流动能收支方程的归一化气压标准差(δp和βp)与稳定度参数(z)的相似性关系
Fig. 4 Similarity relationship of TKE equation-based normalized standard deviation of pressure (δp and βp) and the stability parameter (z)
(a)和(c)不稳定层结; (b)和(d)稳定层结
图5 基于风速收支方程的归一化气压标准差(ap,i )与稳定度参数(z′)的相似性关系
Fig. 5 Similarity relationship of wind fluctuation equation-based normalized standard deviation of pressure (ap,i) and the stability parameter (z′)
图 6 对比 2019 年 6—8 月期间气压脉动标准差σp 以及两种不同方式定义的归一化标准差 ap,z 和 βp的日变化情况。从图 6(a)可以看出, 原始标准差 σp在白天 09—14 时较高, 在日出前和日落后则维持在较低水平, 与 TKE 的变化趋势[6]一致。因此, 气压脉动的统计特性可以间接地反映 TKE 的大小。从图 6(b)和(c)可以看出, 归一化标准差 ap,z 和 βp 在夜晚保持高值, 日出前后开始下降, 而在日落前后开始上升, 二者的变化表现出时间上的同步性。在夜晚, 气压和风速的统计量 σp, σw,和 u*等均为数量级相近且变化不大的小量, 此时根据式(9)和(12), 归一化标准差ap,z 和 βp 的分子都为一阶小量, 而分母为二阶量, 因此图 6(b)和(c)中归一化标准差在夜晚总是保持高值且有一定的波动。在白天, 由于气压与风速脉动产生非同步的变化, 归一化标准差ap,z 和 βp 产生不同于原始标准差 σp 的日变化规律, 这种差异表明, σp 仅反映气压涨落的强度变化, 而ap,z 和 βp 则揭示了气压与风速脉动之间的相关性。
式(9)和(12)的定义都采用风速统计量对气压统计量进行归一化, 因此两种归一化标准差 ap,z 和 βp的日变化规律表现出相似的特征, 主要由气压和风速统计量变化的不同步性驱动。基于上述分析, 风速与气压关联的强度可以通过 ap,z 或 βp 的时间变率来量化, 本文定义关联强度Ipw, 对其进行定性表示:
(13)
其中, c1 和 c2 为常系数。关联强度 Ipw 与 TKE(或原始标准差 σp)的变化趋势在时间上呈现相互呼应的关系, 根据式(13)和图 6 可以判断, 在日出与日落时, 各个统计量开始上升, 并且由于其变化不同步, 归一化标准差ap,z 和 βp 的时间变率较大, 此时气压与风速之间产生较强的相互关联, 对应TKE变化较快的时段; 在正午和午夜, 归一化标准差的时间变率较小, 关联强度 Ipw 也位于零值附近(夜晚 Ipw 的不确定性较大, 图 6 中用虚线展示), 表明气压与风速之间的关联减弱, 与此同时, TKE 的变化也相对缓慢。
图6 气压脉动标准差(σp)、归一化标准差(ap,z和βp)以及关联强度(Ipw(a)和Ipw(β))的平均日变化
Fig. 6 Averaged diurnal variation of pressure standard deviation (σp), the normalized standard deviations (ap,z and βp), and the intensity of wind-pressure coupling (Ipw(a) and Ipw(β))
相较于两种气压脉动归一化标准差, 气压和垂直风速脉动协方差能够更直接地反映气压与风速关联的强度。图 7 对比 4 种不同大气稳定度下, 气压与垂直风速脉动的协方差谱 Sp,w。图 7(a)和(c)中, 日出和日落时段气压与风速的协方差谱在高、低频段均高于其他时段, 表明气压与风速脉动的乘积变化更剧烈, 反映二者更强的相互作用。协方差谱在含能涡区随频率的变化均匀地分布, 在惯性副区随频率递增, 以−2/3 的指数速率递减。图 7(b)中, 在正午时段代表的强不稳定层结下, 气压与风速的关联较弱, 协方差谱在含能涡区略低于早、晚时段, 并向高频单调方向递减, 整体斜率绝对值略低于2/3; 图 7(d)中, 在午夜时段代表的强稳定层结下, 二者的关联更小, 协方差谱整体上呈现斜率明显低于 2/3 的递减规律, 且在含能涡区小于早、晚时段, 反映气压与风速关联程度的降低。结合图 2 与图 6, 根据式(10)可以推断不同层结下协方差谱的成因: 在近中性层结(|z|<10‒2)下, 地表快速辐射增温或冷却, 此时地表附近气压与风速的非定常性和相互关联较大, 并产生较大的气压通量散度, 反映在协方差谱中即为各个频段均有较高的谱值; 在强稳定和强不稳定层结下, 地表与大气达到动态的热平衡, 气压的垂直交换和气压通量的垂直变化因而减小, 表现为协方差谱中整体偏低的谱值。
日出时, 气压和风速的方差谱(图 4(a))与协方差谱(图 7(a))在高频频段均有较高的值, 表明两者在小尺度上既存在较大的扰动, 也有着较大的相互关联, 由归一化气压标准差时间变率定义的气压–风速关联强度达到最大值, 并且对湍流动能具有正贡献, 此时湍流动能的发展也达到最快速度(图 8 左侧阴影区)。随着大气不稳定层结和湍流动能的进一步发展, 气压和风速的方差谱和协方差谱在高频频段明显降低(图 4(b)和图 7(b)), 二者的关联强度也有所减弱, 但始终对湍流动能保持正贡献。日落后, 由于地表附近辐射平衡被打破, 气压与风速在小尺度上再次出现较大的波动(图 4(c)和图 7(c)), 并形成较强的关联, 但此时气压–风速关联开始对湍流动能产生负贡献, 并随着时间的推移以及分子耗散等因素的共同作用, 使湍流动能逐渐消耗(图 8 右侧阴影区), 直至形成稳定边界层。
图7 气压脉动和垂直风速脉动的协方差谱
Fig. 7 Cospectrum of pressure and vertical wind speed
阴影区为关联强度绝对值最大且湍流动能变化最快的时段
图8 气压–风速关联强度与湍流动能的日变化关系示意图
Fig. 8 Schematic diagram of the diurnal variation of the intensity of pressure-wind coupling and turbulent kinetic energy
本文从湍流运动方程组的无量纲化过程出发, 构建表征气压脉动统计特征的指标。利用 2019 年6—8 月内蒙古科尔沁地区奈曼大气边界层与大气环境综合实验站湍流观测资料, 定量地分析气压湍流统计特征, 得到气压脉动归一化标准差的相似性规律以及气压与风速脉动的相互作用关系, 主要结论如下。
1)气压脉动时间序列具有一定的非定常性, 其涨落与垂直风速涨落有着较强的关联。气压方差谱在惯性副区呈现−5/3 次幂规律, 与 Kolmogorov 局地湍流理论导出的−7/3 幂次律相差较大。在近中性层结, 风速脉动和气压脉动的频谱在惯性副区和耗散区保持较高水平, 反映风速和气压在中小尺度区间有着较大的涨落。
2)根据选取的特征长度, 采用不同的风速特征尺度对气压标准差进行归一化。基于湍流动能收支方程得到的气压脉动归一化标准差与基于奥布霍夫长度的稳定度参数的关系呈现线性规律, 基于风速收支方程的气压脉动归一化标准差与相应新特征长度计算得到的稳定度参数的关系呈现指数规律。同时, 提供了一种基于基本气象要素观测量计算气压标准差的方法。
3)风速与气压脉动的关联呈现昼夜差异, 可用气压脉动归一化标准差的时间变率来表征。风速–气压关联的强度与湍流动能的变化有关, 日出时, 风速与气压的关联较强, 气压通量散度向湍流输送能量, 随大气不稳定层结的发展逐渐减弱; 日落后, 辐射变化引起新的气压–风速关联, 并逐渐消耗湍流动能。
以上结果有助于揭示大气边界层内气压与大气湍流的发展规律。由于实验观测的局限性, 本文研究结果在不同下垫面和不同大气层结条件下的普适性尚待更多的观测验证。同时, 气压对湍流运动影响的定量化研究有助于加深非理想情况下地–气交换与气压相互作用的理解, 为天气、气候模拟中的边界层参数化方案提供理论基础。
参考文献
[1] 姜明波, 魏洪峰, 杜智涛, 等. 气压测量仪器的现状及发展//2011 年度气象水文海洋仪器学术交流会. 保山, 2011: 173‒179
[2] Anderson Jr J D. Fundamentals of aerodynamics. New York: Tata McGraw-Hill Education, 2010
[3] Katul G G, Albertson J D, Parlange M B, et al. The “inactive” eddy motion and the large-scale turbulent pressure fluctuations in the dynamic sublayer. Journal of the Atmospheric Sciences, 1996, 53(17): 2512‒2524
[4] Monin A S, Yaglom A M. Statistical fluid mechanics. Cambridge, MA: The MIT Press, 1975
[5] Kolmogorov A N. The local structure of turbulence in incompressible viscous fluid for very large Reynolds numbers. Doklady Akademii Nauk SSSR, 1941, 30(4): 301‒305
[6] 卫茁睿, 张宏升, 李倩惠, 等. 气压脉动仪及湍流大气中的气压脉动频谱特征研究. 北京大学学报(自然科学版), 2022, 58(1): 186‒194
[7] Ding M, Nguyen K X, Liu S, et al. Investigation of the pressure-strain-rate correlation and pressure fluctua-tions in convective and near neutral atmospheric sur-face layers. Journal of Fluid Mechanics, 2018, 854: 88‒120
[8] Elliott J A. Microscale pressure fluctuations measured within the lower atmospheric boundary layer. Journal of Fluid Mechanics, 1972, 53(2): 351‒384
[9] Wilczak J M, Oncley S P, Bedard Jr A J. Turbulent pressure fluctuations in the atmospheric surface layer // Tenth Symposium on Turbulence and Diffusion. Ore-gon, 1992: 167‒170
[10] Maitani T, Seo T. Estimates of velocity-pressure and velocity-pressure gradient interactions in the surface layer over plant canopies. Boundary-Layer Meteoro-logy, 1985, 33(1): 51‒60
[11] George W K, Beuther P D, Arndt R E A. Pressure spectra in turbulent free shear flows. J Fluid Mech, 1984, 148: 155‒191
[12] Kimball B A, Lemon E R. Spectra of air pressure fluctuations at the soil surface. Journal of Geophysi-cal Research, 1970, 75(33): 6771‒6777
[13] Sigmon J T, Knoerr K R, Shaughnessy E J. Micro-scale pressure fluctuations in a mature deciduous forest. Boundary-Layer Meteorology, 1983, 27(4): 345‒358
[14] Poggi D, Katul G, Albertson J. Momentum transfer and turbulent kinetic energy budgets within a dense model canopy. Boundary-Layer Meteorology, 2004, 111: 589‒614
[15] Yushkov V P. Pressure fluctuations in turbulent atmo-sphere and their role in generation of adiabatic mo-tions. Moscow University Physics Bulletin, 2020, 75 (6): 547‒558
[16] Zhuang Y, Amiro B D. Pressure fluctuations during coherent motions and their effects on the budgets of turbulent kinetic energy and momentum flux within a forest canopy. Journal of Applied Meteorology and Climatology, 1994, 33(6): 704‒711
[17] Wei Z R, Zhang H S, Cai X H, et al. Physical me-chanism of vertical gradient of pressure flux and its impact on turbulent flux estimation. Agricultural and Forest Meteorology, 2022, 323: 109032
[18] Wilczak J M, Bedard Jr A J. A new turbulence micro-barometer and its evaluation using the budget of hori-zontal heat flux. Journal of Atmospheric and Oceanic Technology, 2004, 21(8): 1170‒1181
[19] Liberzon D, Shemer L. An inexpensive method for measurements of static pressure fluctuations. Journal of Atmospheric and Oceanic Technology, 2010, 27(4): 776‒784
[20] Viana S, Yagüe C, Maqueda G, et al. Study of the surface pressure fluctuations generated by waves and turbulence in the nocturnal boundary layer during SABLES2006 field campaign. Física de la Tierra, 2007, 19: 55‒71
[21] Dobson F, Hasse L, Davis R. Air-sea interaction: in-struments and methods // Air pressure measurement techniques. New York: Plenum Press, 1980: 231‒253
[22] Bedard Jr A J, Meade H B. The design and use of sensitive pressure-jump sensors to detect thunders-torm gust fronts. Part I: Pressure-jump detector design. Journal of Applied Meteorology, 1977, 16(10): 1049‒1055
[23] McBean G A, Elliott J A. The vertical transports of kinetic energy by turbulence and pressure in the boun-dary layer. Journal of the Atmospheric Sciences, 1975, 32(4): 753‒766
[24] Tsuji Y, Fransson J H M, Alfredsson P H, et al. Pressure statistics and their scaling in high-Reynolds-number turbulent boundary layers. Journal of Fluid Mechanics, 2007, 585: 1‒40
[25] Hristov T S. Correcting distortions in measurements of atmospheric pressure fluctuations. Boundary-layer Me-teorology, 2008, 129(3): 497‒507
[26] 王体健, 高太长, 张宏昇, 等. 新中国成立 70 年来的中国大气科学研究: 大气物理与大气环境篇. 中国科学: 地球科学, 2019, 49(12): 1833‒1874
[27] Wei Z R, Zhang H S, Ren Y, et al. Study on the charac-teristics of the pressure fluctuations and their contri-bution to turbulence kinetic energy. Atmospheric Rese-arch, 2021, 258: 105634
[28] Blake T R, Webb H, Sunderland P B. The nondimen-sionalization of equations describing fluidization with application to the correlation of jet penetration height. Chemical Engineering Science, 1990, 45(2): 365‒371
[29] Alhama M I, Soto M A, Alhama F. Mathematical characterization of scenarios of fluid flow and solute transport in porous media by discriminated nondimen-sionalization. International Journal of Engineering Sci-ence, 2012, 50(1): 1‒9
[30] Monin A S, Obukhov A M. Basic laws of turbulent mixing in the surface layer of the atmosphere. Akad Nauk SSSR Geophiz Inst, 1954, 24(151): 163‒187
[31] Obukhov A M. Turbulence in an atmosphere with a non-uniform temperature. Boundary-Layer Meteoro-logy, 1971, 2(1): 7‒29
[32] Businger J A, Wyngaard J C, Izumi Y, et al. Flux-profile relationships in the atmospheric surface layer. Journal of Atmospheric Sciences, 1971, 28(2): 181‒189
[33] Yaglom A M. Comments on wind and temperature fluxprofile relationships. Boundary-Layer Meteorolo-gy, 1977, 11(1): 89‒102
[34] Businger J A. A note on the Businger-Dyer profiles. Boundary-Layer Meteorology, 1988, 42(1): 145‒151
[35] Jacovides C, Kerkides P, Papaioannou G, et al. Eva-luation of the profile and the resistance method for estimation of surface fluxes of momentum, sensible and latent heat. Theoretical and Applied Climatology, 1992, 45(2): 145‒154
[36] Zilitinkevich S S, Calanca P. An extended similarity theory for the stably stratified atmospheric surface layer. Quarterly Journal of the Royal Meteorological Society, 2000, 126: 1913‒1923
[37] Zilitinkevich S S, Esau I N. Similarity theory and calculation of turbulent fluxes at the surface for the stably stratified atmospheric boundary layer. Boun-dary-Layer Meteorology, 2007, 125(2): 193‒205
[38] Stull R B. An introduction to boundary layer meteo-rology. Netherland: Kluwer Academic Publishers, 1988
[39] Garratt J R. Review: the atmospheric boundary layer. Earth-Science Reviews, 1994, 37(1): 89‒134
[40] McMillen R T. An eddy correlation technique with extended applicability to non-simple terrain. Boun-dary-Layer Meteorology, 1988, 43(3): 231‒245
[41] Moncrieff J, Clement R, Finningan J, et al. Averaging, detrending, and filtering of eddy covariance time series // Lee X, Massman W, Law B. Handbook of micro-meteorology: a guide for surface flux measurement and analysis. Dordrecht: Springer, 2005: 7‒31
[42] Rannik Ü, Vesala T. Autoregressive filtering versus linear detrending in estimation of fluxes by the ed- dy covariance method. Boundary-Layer Meteorology, 1999, 91(2): 259‒280
[43] Kaimal J C, Finnigan J J. Atmospheric boundary layer flows: their structure and measurement. Oxford: Ox-ford University Press, 1994
[44] Aubinet M, Vesala T, Papale D. Eddy covariance: a practical guide to measurement and data analysis. Dor-drecht: Springer, 2012
[45] Pedlosky J. Inviscid Shallow-Water Theory. Geophy-sical fluid dynamics. New York: Springer, 1987: 57‒178
[46] George W K, Abrahamsson H, Eriksson J A N, et al. A similarity theory for the turbulent plane wall jet with-out external stream. Journal of Fluid Mechanics, 2000, 425: 367‒411
[47] Johansson P B V, George W K, Gourlay M J. Equili-brium similarity, effects of initial conditions and local Reynolds number on the axisymmetric wake. Physics of Fluids, 2003, 15(3): 603‒617
[48] Yano J I, Bonazzola M. Scale analysis for the large-scale tropical atmospheric dynamics. J Atmos Sci, 2009, 66: 159‒172
[49] van der Laan M P, Kelly M, Floors R, et al. Rossby number similarity of an atmospheric RANS model using limited-length-scale turbulence closures exten-ded to unstable stratification. Wind Energ Sci, 2020, 5(1): 355‒374
[50] Yano J I, Wacławczyk M. Nondimensionalization of the atmospheric boundary-layer system: obukhov leng-th and Monin-Obukhov similarity theory. Boundary-Layer Meteorology, 2022, 182(3): 417‒439
[51] Wyngaard J C, Coté O R. The budgets of turbulent kinetic energy and temperature variance in the atmos-pheric surface layer. Journal of Atmospheric Sciences, 1971, 28(2): 190‒201
[52] Panofsky H A, Tennekes H, Lenschow D H, et al. The characteristics of turbulent velocity components in the surface layer under convective conditions. Boundary-Layer Meteorology, 1977, 11(3): 355‒361
[53] Roth M. Turbulent transfer relationships over an urban surface. II: Integral statistics. Quarterly Journal of the Royal Meteorological Society, 1993, 119: 1105‒1120
[54] Tillman J E. The indirect determination of stability, heat and momentum fluxes in the atmospheric boun-dary layer from simple scalar variables during dry unstable conditions. Journal of Applied Meteorology and Climatology, 1972, 11(5): 783‒792
[55] Li X, Zhang H. Size distribution of dust aerosols observed over the Horqin Sandy Land in Inner Mon-golia, China. Aeolian Research, 2015, 17: 231‒239
[56] Park S U, Park M S. Aerosol size distributions ob-served at Naiman in the Asian dust source region of Inner Mongolia. Atmospheric Environment, 2014, 82: 17‒23
[57] Zhao H L, Zhou R L, Su Y Z, et al. Shrub facilitation of desert land restoration in the Horqin Sand Land of Inner Mongolia. Ecological Engineering, 2007, 31(1): 1‒8
[58] Vickers D, Mahrt L. Quality control and flux samp- ling problems for tower and aircraft data. Journal of Atmospheric and Oceanic Technology, 1997, 14(3): 512‒526
[59] Wilczak J M, Oncley S P, Stage S A. Sonic anemo-meter tilt correction algorithms. Boundary-Layer Me-teorology, 2001, 99(1): 127‒150
[60] Finnigan J J, Clement R, Malhi Y, et al. A re-evaluation of long-term flux measurement techniques part I: ave-raging and coordinate rotation. Boundary-Layer Me-teorology, 2003, 107(1): 1‒48
附录
请访问《北京大学学报(自然科学版)》官方网站(https://xbna.pku.edu.cn)查看
Characterization of Wind-Pressure Coupling and Turbulent Kinetic Energy Change Based on Nondimentionalization of Turbulence Equations
Abstract Observational data from the Atmospheric Boundary Layer and Atmospheric Environment Compre- hensive Experimental Station in Naiman, Inner Mongolia, from June to August 2019 were utilized. The turbulent statistical characteristics of pressure and wind speed were analyzed, and the variation relationship between wind-pressure coupling and turbulent kinetic energy was quantified. The results indicate that the pressure variance spectrum follows the overall −5/3 scaling law in the inertial subrange, exhibiting clear non-stationarity and dependence on stratification conditions.The relationship between normalized standard deviation of pressure and stability parameter exhibits a linear pattern based on the turbulent kinetic energy budget equation, while demonstrating an exponential pattern derived from the wind speed budget equation. The temporal derivative of the normalized standard deviation of pressure fluctuation and the wind-pressure covariance spectrum jointly reveal the relationship between wind-pressure coupling and turbulent kinetic energy changes. At sunrise, the wind-pressure coupling is strong, making a positive contribution to turbulent kinetic energy, which gradually weakens with the development of unstable atmospheric layers. After sunset, the wind-pressure coupling is reconstructed and gradually consumes turbulent kinetic energy. The analysis above underscores the significant role of pressure in turbulence kinetic energy, closely tied to atmospheric stratification conditions and essential for understanding atmospheric turbulence.
Key words pressure fluctuation; wind-pressure coupling; normalized standard deviation; turbulent kinetic energy