納莉(2001)颱風之數值模擬研究 A Modeling Study of Typhoon Nari (2001)

Presentation on theme: "納莉(2001)颱風之數值模擬研究 A Modeling Study of Typhoon Nari (2001)"— Presentation transcript:

1 納莉(2001)颱風之數值模擬研究 A Modeling Study of Typhoon Nari (2001)
學　　生：黃　小　玲　　　 指導教授：楊　明　仁　博士 2006/03/09

2 前 言 由於納莉(2001)颱風的行經路徑詭譎，於2001年9月6日發展成颱風，持續至9月21日颱風系統減弱，維持了約兩週的生命週期。
前　言 由於納莉(2001)颱風的行經路徑詭譎，於2001年9月6日發展成颱風，持續至9月21日颱風系統減弱，維持了約兩週的生命週期。 納莉颱風於侵台時的結構主要受台灣複雜地形影響，帶來豐沛的降水，於台灣全省都造成災情，尤其是北台灣的淹水更為嚴重。因此，納莉颱風侵台期間的降水物理機制與台灣複雜地形間之交互作用的探討為本研究的主要議題。 近十年來的颱風路徑預報模式已有相當大的進展(Kurihara et al. 1995, 1998)；發展至今日，高解析度的非靜力中尺度模式已可成功地將颱風內詳細的中尺度結構模擬出來(Liu et al. 1997, 1999)；而雲微物理過程的分析對熱帶氣旋結構及強度的模擬與探討而言亦非常重要(Liu et al. 1997, 1999; Braun and Tao 2000; Wang 2001, 2002)。 本研究藉由數值模擬模式之不同水平解析度實驗及地形敏感度實驗來探討納莉颱風侵台時期的路徑、強度、結構以及為台灣帶來豪大雨的形成機制，並更進一步探討雲微物理過程對降水效率的影響。

3 Track and SST Sui et al. (2002) EOS article

4 CTL實驗模擬的巢狀網域共4層，分別為 D1: 54 km ( 71× 81x 31) D2: 18 km (100 × 100 x 31) D3: 6 km (166 x 166 x 31) D4: 2 km (229 x 154 x 31) 垂直解析共31層.

5 控制組(CTL)實驗模擬設計 模擬時間：2001-09-15_12 ~ 2001-09-20_00 UTC (108 hrs)
颱風植入方法：　　　Davis and Low-Nam (2001) 積雲參數化方法： 　 Grell (1993) 雲微物理參數化方法：Reisner 2 (Reisner et al. 1998) 邊界層方法： 　　　 MRF (Hong and Pan 1996) 輻射處理： 　　　　 Dudhia (1989） 初始條件與邊界條件：ECMWF Advanced Data (1.125o by 1.125o)

6 Θe = 351 K Typhoon Nari (2001) CTL: 0916_0000 UTC
Hurricane Andrew (1992) Liu et al. 1997, fig 13b

7 CTL實驗的模擬結果

8 Track

9 Nari Landfall

10 CWB: 0916_0100 UTC CTL: 0916_0000 UTC Cloud water mixing rate Snow mixing rate

11 0916_Rain (mm/24h) OBS CTL_6 km CTL_2 km 726 686 1077 473.5 906 438
507.5 873 1026 558 733 189

12 0917_RainFall (mm/24h) OBS CTL_6 km CTL_2 km 411 603 1188.5 756 1386
695 765 594 721 575

13 納莉(2001)颱風 於登陸前後的探討

14 0916_0300 UTC 0916_1500 UTC 0916_1200 UTC 0916_0000 UTC 0916_1200 UTC

15 0916_0000 UTC 0916_1200 UTC (hour mean; output data is 5 min, central time is 0916_0030 UTC.) (hour mean; output data is 5 min, central time is 0916_1230 UTC.)

16 0916_0000 UTC 0916_1200 UTC (hour mean; output data is 5 min, central time is 0916_0030 UTC.) (hour mean; output data is 5 min, central time is 0916_1230 UTC.)

17 納莉(2001)颱風 與賀伯(1996)颱風之模擬比較

18 Wu et al. 2002, fig 1a 1077 906 1026 733 42 ×42 平方公里 0.4O ×0.4O

19 Wu et al. 2002, fig 11 Wu et al. 2002, fig 12 Condensation Heating (Kh-1) Vertical Velocity (ms-1)

20 納莉(2001)颱風之CTL模擬 與雷達資料的比較

21 Height = 3 km WFS_dBZ( dx = 6km) CTL_dBZ( dx = 6 km) 0916_0858 UTC

22 Height = 3 km WFS_Vr( dx = 6km) CTL_Vr( dx = 6 km) 0916_0858 UTC

23 0916_1600 UTC 0916_1400 UTC 5 ~ 6 hPa 9 ~ 10 hPa 120 KM

24 CTL實驗模擬之降水效率分析

25 Macrophysics Budge Equation
qv為水氣混合比； Ps為地面降雨率； C = qc + qr + qi + qs + qg； Es為地表面蒸發； [CONVqv]及[CONVc]分別為水氣及降水粒子輻合； Sqv = SIqv + SOqv SIqv = [PCND]+ [PDEP]+ [PSDEP]+ [PGDEP]為水氣透過凝結成液態水或凝固成冰相水轉換成降水粒子的過程； SOqv = [PREVP]+ [PMLTG]+ [PMLTS]為液態或冰相降水粒子的蒸發或昇華變成水氣的轉換過程；

26 大尺度降水效率（Large-Scale Precipitation Efficiencies; LSPE）
Ps為地面降雨率； [CONVqv] + Es為水氣輻合及地表面蒸發的過程。 雲微物理降水效率（Cloud Microphysics Precipitation Efficiency; CMPE） CMPE = = SIqv = [PCND]+ [PDEP]+ [PSDEP]+ [PGDEP]為水氣透過凝結成液態水或凝固成冰相水轉換成降水粒子的過程； SOqv = [PREVP]+ [PMLTG]+ [PMLTS]為液態或冰相降水粒子的蒸發或昇華變成水氣的轉換過程； [CONVc]為降水粒子的輻合過程； 上述式子的[F]= 　　　　　　，為物理參數對大氣柱做垂直積分累積。

27 CMPE(雲微物理降水效率） LSPE (大尺度降水效率）
Ps（降水）　　　　　　　 　　　　　　　　　 Typhoon Nari (2001) ~ UTC CMPE(雲微物理降水效率）　　　　LSPE (大尺度降水效率）

28 SIqv = A1 + B1× ( Es +[CONVqv] )
96 km 118 km2 A1= B1= 1.1 A1= B1= 1.0 SIqv = A1 + B1× ( Es +[CONVqv] ) 48 km 59 km2 由關係式得出的B1值可知 且兩者的相關趨近於1，可得知SIqv≡ Es +[CONVqv] 於3D模式模擬有類似的結果 A1= B1= 1.0 A1= B1= 1.0 24 km 30 km2 2D 模式模擬TOGA COARE 3D 模式模擬納莉颱風(海上資料)

29 由關係式得出的 B2值可知 兩者的相關趨近於1，可得知CMPE≡LSPE 於3D模式模擬有類似的結果
(a) (b) (c) A2= B2= 1.02 A2= 5 B2= 1.25 CMPE & LSPE之分布關係式： LSPE = A2 + B2 × CMPE 96 km 118 km2 LSPE = A2= B2= 0.98 A2= B2= 0.78 CMPE = 48 km 59 km2 由關係式得出的 B2值可知 兩者的相關趨近於1，可得知CMPE≡LSPE 於3D模式模擬有類似的結果 A2= B2= 0.83 A2= B2= 0.9 24 km 30 km2 2D 模式模擬TOGA COARE 3D 模式模擬納莉颱風(海上資料)

30 2D 模式模擬TOGA COARE 3D 模式模擬納莉颱風(海上資料) CMPE = = 96 km 118 km2 59 km2
(b) (c) 96 km 118 km2 59 km2 48 km [CONVc]/SIqv (>0;輻合)　　　 30 km2 24 km 2D 模式模擬TOGA COARE 3D 模式模擬納莉颱風(海上資料)

31 地形敏感度實驗 敏感度實驗 實驗設計 75% Ter 將台灣地形高度設為75 %，其它設定與CTL相同。 50% Ter
NoTer. 將台灣地形高度設為1公尺高，其它設定與CTL相同。

32 CTL 75% Ter 50% Ter

33 CTL 25% Ter No Ter

34

35 24hrs Total Rainfall at 0916 CTL 25% Ter NoTer 63.3 % 53.5 % 686 434
585 367 133 686 873 558 438 770 177 434

36 24hrs Total Rainfall at 0917 CTL 75% Ter 50% Ter 53.6% 63 % 411 327
756 765 411 575 405 327 508 1098 476 553 358 53.6% 63 %

37 結果與討論 納莉颱風之控制組(CTL)實驗模擬的登陸地點誤差約為20公里左右。定量降水及颱風強度隨著模式水平解析度的提高，有非常明顯的改進。
納莉颱風結構於登陸前後有明顯的差異。登陸前的結構較為軸對稱，且凝結加熱率主要分布在眼牆的中至高層大氣；颱風登陸後則受到台灣複雜地形的影響而被破壞，呈現非軸對稱的結構，且凝結加熱率主要分布在眼牆的低至中層大氣。另外，受到地形舉升機制影響，於中南部山區的軟雹混合比的量值較多。 本研究模擬納莉颱風於產生最大降水的雪山山脈附近之最大上升速度(0.92 ms-1於σ = )及最大凝結加熱率(23.22 Khr-1於σ = 0.955)的垂直分布集中在低層大氣，與Wu et al. (2002)模擬1996年賀伯颱風的結果接近。

38 比較雷達觀測資料，與CTL實驗所計算出來的雷達回波及徑向風場，及經由熱力反應出來的氣壓和溫度擾動場，CTL實驗皆有不錯的掌握。
由CMPE與PS的分布關係可看出，強降水區域的降水效率皆可達50%以上，造成有效的降雨；而部份的弱降水（二維模擬資料之Ps < 5 mmh-1；三維模擬資料之Ps <20 mmh-1）區域之降水粒子輻合([CONVc])亦提供了正向的貢獻，因此降水效率可達到100 %以上。 地形敏感度實驗的模擬結果發現，25 %Ter及NoTer 實驗，於北台灣之9月16日24小時累積降水的最大值，分別為CTL實驗的63.3 %及53.5 %； 50 %Ter及75%Ter 實驗，於宜蘭山區之9月17日24小時累積降水的最大值，分別為CTL實驗的53.6%及63 % 。