中国环境科学
 
 
中国环境科学  2017, Vol. 37 Issue (7): 2424-2437    DOI:
大气污染与控制 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于WRF-STILT模型对高塔CO2浓度的模拟研究
胡诚1,2, 张弥1,2, 肖薇1,2, 王咏薇1,2, 王伟1,2, Tim Griffis3, 刘寿东1,2, 李旭辉1
1. 南京信息工程大学气候与环境变化国际合作联合实验室大气环境中心, 江苏 南京 210044;
2. 南京信息工程大学气象灾害预报预警与评估协同创新中心/气象灾害教育部重点实验室, 江苏 南京 210044;
3. 明尼苏达大学, 美国 圣保罗市 55108
Tall tower CO2 concentration simulation using the WRF-STILT model
HU Cheng1,2, ZHANG Mi1,2, XIAO Wei1,2, WANG Yong-wei1,2, WANG Wei1,2, TIM Griffis3, LIU Shou-dong1,2, LI Xu-hui1
1. Yale-NUIST Center on Atmospheric Environment, International Joint Laboratory on Climate and Environment Change(ILCEC), Nanjing University of Information Science & Technology, Nanjing 210044, China;
2. Key Laboratory of Meteorological Disaster, Ministry of Education(KLME), Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters(CICFEMD), Nanjing University of Information Science & Technology, Nanjing 210044, China;
3. University of MinnesotaTwin Cities, Saint Paul 55108, U. S. A

全文: PDF (3351 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 

利用下垫面均一的美国最大农业种植区已有高塔CO2浓度观测资料,结合EDGAR的13种不同类型人为化石源CO2通量和CarbonTracker的植被NEE数据,评估了WRF-STILT拉格朗日大气传输模型的模拟能力.结果表明,WRF-STILT模型能够很好地模拟出高塔100m处观测到的CO2浓度强季节和日变化特征,全年模拟的大气CO2浓度的均方根误差为10.6×10-6,相关系数为0.44(n=7784,P<0.001);生长季(6~9月)观测和模拟的浓度增加值线性拟合斜率为1.08(R=0.52,P<0.001),说明一致性高;截距为7.26×10-6则反映了使用人为化石燃烧的CO2通量的高估或者植被NEE的低估.2008年全年高塔观测到的CO2浓度增加值为4.83×10-6,小于模拟得到化石燃烧贡献的增加量6.61×10-6与植被NEE的贡献值3.23×10-6之和.其中原油生产和提炼以及能源工业分别贡献了化石燃料燃烧总量的2.55×10-6(38.6%)和1.43×10-6(21.6%).而对生长季观测到的强CO2浓度日变化特征模拟结果显示,其模拟的平均日振幅为24.30×10-6;生物质燃烧产生的CO2浓度贡献值为0.06×10-6,相对于植被NEE和化石源的贡献,可以被忽略.该方法可为将来应用高塔衡量气体浓度观测来反演中国区域尺度的温室气体通量提供参考.

服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
胡诚
张弥
肖薇
王咏薇
王伟
Tim Griffis
刘寿东
李旭辉
关键词 WRF-STILT模型高塔CO2浓度模拟涡度相关区域尺度美国玉米带    
Abstract

By using high spatial and temporal resolution EDGAR fossil emissions (13 categories) and Carbon Tracker NEE flux,WRF-STILT model was evaluated with one year (2008) CO2 concentration observations at a homogeneous agricultural underlying surface,which located in U.S.corn belt.The results showed that this model could capture the strong seasonal and daily variation,with RMSE be 10.6×10-6,R=0.44(n=7784,P<0.001).The linear regression slope of growing season concentration enhancement was 1.08(R=0.52,P<0.001),indicating high consistency,while the intercept (7.26×10-6) reflects the overestimation of fossil emission or underestimation of NEE.During this year round,observed enhancement was 4.83×10-6,smaller than sum of the fossil enhancement contribution (6.61×10-6) and NEE contribution (3.23×10-6).The oil production and refineries and energy industry contributed 2.55×10-6(38.6%) and 1.43×10-6(21.6%) of all fossil enhancements,separately.Biomass burning only contributes 0.06×10-6 to the total enhancement which was ignorable compared with fossil and NEE.At the end,it can be concluded that this method can be used to retrieve regional scale greenhouse gas flux in China.

Key wordsWRF-STILT model    tall tower CO2    concentration simulation    eddy covariance    regional scale    U.S.corn belt   
收稿日期: 2016-12-09     
PACS: X511  
基金资助:

国家自然科学基金资助项目(41575147,41475141,41505005);江苏省高校优势学科建设工程项目(PAPD);教育部长江学者和创新团队发展计划项目(PCSIRT);2016年度江苏省高校研究生科技创新项目(KY2216-0348);国家公派联合培养博士研究生项目(201508320287)

通讯作者: 张弥,讲师,zhangm.80@nuist.edu.cn     E-mail: zhangm.80@nuist.edu.cn
作者简介: 胡诚(1989-),男,四川广安人,南京信息工程大学博士研究生,主要从事基于大气传输模型和温室气体浓度观测的区域尺度通量反演方向研究.
引用本文:   
胡诚, 张弥, 肖薇, 王咏薇, 王伟, Tim Griffis, 刘寿东, 李旭辉. 基于WRF-STILT模型对高塔CO2浓度的模拟研究[J]. 中国环境科学, 2017, 37(7): 2424-2437. HU Cheng, ZHANG Mi, XIAO Wei, WANG Yong-wei, WANG Wei, TIM Griffis, LIU Shou-dong, LI Xu-hui. Tall tower CO2 concentration simulation using the WRF-STILT model. CHINA ENVIRONMENTAL SCIENCECE, 2017, 37(7): 2424-2437.
链接本文:  
http://www.zghjkx.com.cn/CN/      或     http://www.zghjkx.com.cn/CN/Y2017/V37/I7/2424
中国环境科学
友情链接: 中国科学技术协会 中国环境科学学会 中国知网 万方数据
版权所有 © 2010 《中国环境科学》编辑部  地址:北京市海淀区红联南村54号(100082)  电话、传真:(010)62215145  
E-mail:zghjkx1981@126.com;zghjkx1981@chinacses.org;zghjkx1981@188.com
本系统由北京玛格泰克科技发展有限公司设计开发  技术支持:support@magtech.com.cn