孟宪贵，张苏平

（中国海洋大学海洋环境学院，山东青岛266100）

海雾是在海洋与大气相互作用特定条件下出现在海上或者沿海地区上空低层大气的1种凝结现象，是悬浮于大气边界层中的大量水滴或冰晶使水平能见度小于1 km的危险性天气现象［1］，是海上重要的灾害性天气现象，对海上交通运输、农渔业生产、大气环境都有重要的影响。我国黄海是海雾的多发区域，而4～7月则是黄海的雾季［1］。

目前关于海雾的产生主要有2种解释：1种是海表面水温与低云（雾）之间的正反馈作用。当SST较低时会导致其上的大气层结稳定度增大，从而使低云的产生增多，较多的低云又会阻挡部分太阳辐射，使到达海面的太阳辐射减少，海表面水温进一步减小［2－3］。黄海上的海雾观测研究也表明在这种情况下，海表面气温与海表面水温的差值（SAT－SST）一般是正的［4－7］。而近年来的一些观测结果则支持另外的1种解释：负的气海温差和强的海表面风增强了海水的蒸发，导致了更多的水汽进入大气，形成了1个混合充分的大气边界层，增加了海雾和低云的发生［8］。不管是哪种解释，均证明气海温差在海雾形成中的关键作用，从而SST的作用也就显而易见了。Tokinaga等人发现在夏季的鄂霍茨克海，由于强烈的潮汐混合作用会使SST形成几个冷中心，而在冷中心上海雾的发生频率也比其周围要高许多［9］。

关于黄海海雾发生频率的统计研究中，发现夏季黄海也存在着几个海雾多发区［10－12］。而夏季黄海也存在几个SST冷中心，前人对这些冷中心的形成原因也做了一定的研究：对中国大陆一侧的低温带的产生原因主要有2种观点，1种是由混合作用与流的作用共同形成的［13］，1种是说是由深层冷水在陆架锋锋面附近的抬升形成的［14］；朝鲜一侧低温带的形成，只能由混合作用来解释［13］；辽东、山东半岛顶端的冷水是由强潮流在半岛处的海水上升所引起的［15］。而这些SST冷水中心与海雾发生频率的高值中心有无关系，有怎样的关系，海表面温度又是通过什么机制影响的大气，这是本文的主要内容。

1 数据和模式

本文用到的数据主要有卫星数据，ICOADS船测数据、再分析数据等。

1.1 卫星数据

为验证SST冷中心的存在，本文使用的是美国国家海洋和大气管理局（NOAA）的逐日OI（最优插值）SST第二版＊＊①数据链接http：／／dss.ucar.edu／datasets／ds277.7／②数据链接http：／／dss.ucar.edu／datasets／ds083.2／，其空间分辨率是1／4（°）。美国国家大气海洋管理局国家气候数据中心（NCDC）利用最优插值方法提供2种高分辨率的SST数据，1种只是利用了甚高分辨率雷达（Advanced Very High Resolution Radiometer（AVHRR））红外卫星数据，另1种同时利用了AVHRR与NASA地球探测系统卫星上的先进微波辐射计（Advanced Microwave Scanning Radiometer（AMSR））SST数据，2种数据都利用了船测与浮标观测数据。本文使用的是2003－2009年的后1种数据。利用逐日数据先得到月平均的数据，然后对这7年每个月的数据进行平均得到气候月平均的数据。

安装在NASA的Quick Scattermeter（Quik－SCAT）卫星上的微波辐射计SeaWinds可以每天观测全球海洋的海表面风场，基于这种观测数据可以发现在较小的空间尺度上，海面风场有多样的结构［16－17］。本文利用1999年11月～2009年10月2次／d的观测，并对其做了每个月的气候平均，数据的空间分辨率同样是1／4（°）。

Sea－WiFS卫星观测了1997年9月～2007年12月的水色与叶绿素密集度，可以作为海洋中上升流的指示物［18］。这里使用了1997－2002年的月平均的Sea－WiFS叶绿素密集度数据，其分辨率为0.5（°）。

1.2 再分析数据

文章中用到的再分析数据有2种。1是美国国家环境预报中心（NCEP）的FNL（Final Analysis）客观分析资料，为全球范围格点资料，水平分辨率为1（°），垂直分层为26层，时间间隔为6h。这种数据作为数值模拟的边界条件与初始条件。另1种再分析数据是NCEP的CFSR（Climate Forecast System Reanalysis）数据，主要用到的是其1979－2009年的月平均数据，用来分析冷区上的水汽等状况，其水平分辨率为0.5（°），垂直分层为64层。这是1种新的、高分辨率的再分析数据，利用它可以发现大气海洋环境中一些尺度更小的细微特征。

1.3 观测数据

利用最新的国际综合海洋－大气资料集（International Comprehensive ocean－Atmosphere Data Set，ICOADS）2.5版［19］，研究近表面的大气稳定度以及计算海雾发生频率。近表面的大气稳定度一般用大气温度减去海表面温度表示，卫星遥感观测虽然能够提供时空分辨率很高的海洋大气观测数据，但是观测不到大气稳定度的变化，而这是海雾形成的关键因子。按照宋亚娟［20］的格点化步骤，计算了中国近海海区的海雾发生相对频率和海气温差。

1.4 模式设置

为了验证观测结果并进行进一步分析，采用ARW动力核心［21］的WRF模式3.2版（V3.2）进行数值模拟。作为新一代的中尺度模式，WRF可以用来进行区域气候的研究。模拟区域的中心点为30°N，125°E，格距为15km，时间步长为60 s，南北方向与东西方向的格点数分别为110、142，采用兰伯特投影方式。模式在垂直方向分41sigma层（20层在0.8sigma或2 000 m以下）。上文中FNL资料为WRF模式提供边界条件和初始条件。模式中用到的参数化方案见表1。

表1 WRF模式模拟所用物理参数化方案Table 1 The main physical options of the model WRF V3.2

为更好的反映SST的作用，采用NOAA OI SST V2中的AMSR－AVHRR数据作为控制实验（CTL）下表面边界条件，并将0.25（°）的格距插值到分辨率为15 km的格点上。为验证冷水区对大气的影响，设计了1个去掉冷水中心的敏感性试验。试验中定义SST比海盆尺度（纬向平均）的SST小0.5℃的区域为冷区，将冷区内的SST全部替换为海盆尺度的SST减去0.5℃，下文中称这个试验为NCP试验。每个实验都持续了32 d，从2003年5月30日0点（UTC）～7月1日0时。将模式运转的前2天作为启动时间，从6月1日0时起取整个6月份的数据进行分析。下文中的2003年6月份指的是6月份的平均。为研究海雾发生的频率，定义在最低的sigma层内云水含量超过0.1 g／kg就认为有海雾发生。每个格点上的海雾发生频率用30 d内每3 h输出计算。

图1 3（a）、6（b）、9（c）、12（d）4个月份的气候平均的OI SST（等值线），OI SST与海盆尺度（118°E～127°E纬向平均）的差（阴影）Fig.1 OI SST（contours），difference between OI SST and zonal average 118°E～127°E（shaded）in March（a），Jun（b），September（c）and December（d）

2 潮汐混合影响的观测

图1分别是3、6、9、12月份的SST以及SST与其纬向平均的差值。受黄海暖流以及离岸冷流的影响，3月份的黄海暖舌及其西侧的冷舌非常明显，6月份冷中心已经形成并且非常明显，分别位于：朝鲜半岛西侧、山东半岛和辽东半岛的顶端、山东半岛南侧、江苏外海以及黄海南部，这与前人得到到冷中心的位置基本一致。9月份之后冷中心逐渐消失，至12月重新变为和3月份相似的冬季分布。可见冷中心的形成及存在有其季节性。夏季冷中心明显时，在南黄海上有2个冷中心，1个位于江苏东侧的外海，其中心大致位于122.329°E，33.8571°N；另一冷区位于长江口的东北侧，其中心位于124.283°E，32.1143°N。其中黄海南部的低温中心与叶绿素浓度的高值中心位置一致（见图2），除去沿岸的叶绿素高值区，在开阔海域叶绿素浓度可以作为海洋上升流的标志，这表明在这个冷区有着底层冷水的抬升混合。而较北一侧的冷区由于离岸较近，叶绿素浓度没有明显的中心。沿图2中的AB线所做的海洋剖面也可以看到在冷区有强烈的上升运动（见图3a），导致这一区域的海水混合强烈，海水的位温垂向梯度减小（见图3b），这应该是海表面温度冷中心出现的原因，这与赵保仁等人［14］的结论是一致的。黄海夏季的表层冷水区是由底层冷水的抬升混合产生的，而SST作为1个海气界面的物理量，较冷的海表面温度必然会对其上的大气产生一定的影响，使这一区域的大气有着和周围不同的特征。以下分析主要针对夏季，未特别指出的均为6月份。

图2 SeaWiFS叶绿素浓度（阴影），OI SST（等值线，间隔0.5℃）Fig.2 SeaWiFS chlorophyll concentration（shaded），OI SST（contour at 0.5℃intervals）

图3 （a）沿AB线的CFSR海水垂直速度（单位：10－6 m／s），（b）位温（单位：K）及其垂向梯度Fig.3 CFSR vertical velocity（a），potential temperature and it's vertical gradient（b）along line AB in Fig.2

图4 （a）6月气候平均的OI SST（等值线）、QuikSCAT风速（阴影）和风矢量（b）6月气候平均的OI SST（等值线）和CFSR 2相对湿度（阴影）Fig.4 （a）Climatology OI SST（contour）QuikSCAT wind scale（shaded）and wind vector，（b）climatology OI SST（contour）and CFSR relative humidity at 2 m（shaded）

2.2 大气对冷水的响应

2.2.1 风和云 受东亚季风的控制，黄海6月份盛行偏南风。经过冷区时风速明显减弱，这可能是受到近表面大气稳定度的影响［28－31］。为了准确的模拟风场，宋清涛等人运用WRF模式进行敏感性实验得知，在对小尺度表面风场的数值模拟中，有2个因素对模拟的准确性有关键影响：一是SST边界条件的分辨率与准确性，二是大气海洋边界层的参数化方案［32］。通过对WRF模式提供的8组边界层参数化方案与表面层参数化方案进行敏感性实验，选出MYNN2＋MO方案在模拟中运用。图4a为6月份气候平均状态的Quik－Scat风场，在黑潮的暖水之上，风速可以达到7 m／s。经过第1个冷水区时，风速减小到5 m／s以下，之后有所增加，在第2个冷区之上有减小到5 m／s之下。这说明在SST和海表面风速之间存在1种正相关的关系，这种关系在月平均甚至更短的时间尺度均有所体现，说明了SST对海表面风速的影响。而朝鲜半岛西侧的冷水区上风速更小，但这可能更多是因为靠近陆地的摩擦效应。后文中通过存在冷区和去掉冷区的2组WRF数值模拟实验说明了这种影响。图4b是CFSR数据2 m高度的相对湿度，可以看到在黄海南部的冷区之上有1个相对湿度的大值区，说明在这一区域海雾可能是多发的。

2.2.2 对海雾的影响 由于海上的气象观测很少，只能依靠少量的船舶、浮标等进行观测。所以以前对黄海海雾频率的研究多是基于沿海台站的观测资料，这虽然可以得到海雾频率的时间变化，但对海雾发生频率空间分布的研究尚少。本文利用ICOADS v2.5数据，根据宋亚娟［20］的格点化计算方法，统计了1950—2009年中国近海海域海雾的发生频率（见图5）。在有一定的观测次数的前提下，山东半岛南侧、江苏外海、黄海南部、朝鲜半岛的西侧、山东半岛顶端等区域都是海雾的多发区域，这与前文所说的冷水区的位置是一致的。这样可以提出这样一种假说：SST受到海洋过程的影响，在一些海水垂直混合强烈的区域，海表面温度出现冷中心，此区域较低的SST又对其上的大气产生了影响，大气稳定度增加，风速减小，海雾的发生频率增大。为了验证这个假说，我们用WRF模式研究大气对冷水的响应。

图5 6月气候平均的ICOADS观测次数（等值线）和海雾频率（阴影）Fig.5 Climatology ICOADS observation numbers（contour）and seafog frequency（shaded）

3 数值模拟

3.1 海面风速和大气稳定度

图6对WRF模式模拟的2003年6月的海表面风速与QuickScat风速进行比较，同6月份的气候平均风场相似，黄海大部分区域盛行东南风（见图6a）。在海表面温度较低的区域风速也较小，尤其是当风经过江苏外海时风速可以减小1 m／s甚至以上这种相关性甚至比气候平均状态还要明显。WRF模式的控制实验（CTL）的月平均风场同卫星观测基本一致，黄海大部盛行东南季风，在山东半岛南部、江苏外海和黄海南部等几个低温中心，同时也是风速的小值中心，只是这种相关比观测要弱一些（见图6b）。在模式结果中，几个SST的低值中心对应着气海温差（SAT－SST）的高值中心（见图6c），这说明在海水温度较低的区域，近表面的大气稳定度受到加强，减弱了垂直混合，从而使表面风速减小。

海表面温度、稳定度和海表面风场之间的这种关系，在控制性实验和去掉冷区的敏感性实验的差值场中表现的更为明显（见图7）。通过对控制实验和敏感实验做差，在江苏外海、黄海南部、山东半岛顶端和朝鲜半岛西南几个冷区上海表面风场的差值是负的，气海温差的差值是正的，进一步说明了冷的海表面温度异常使大气稳定度加强，抑制了垂直混合。

3.2 海雾

模式中的2 m高度相对湿度在冷水区上有超过95%的高值中心，表明在这些区域可能有海雾的发生（见图8a）。而计算得到的雾频可以发现这些冷水区域确实是海雾发生的高频区，尤其是在黄海南部的冷水区上，其海雾频率最大值甚至超过30%。其中朝鲜半岛西部、江苏外海和黄海南部的海雾多发区域与由ICOADS观测得到的高值区域基本重合，只是雾频要比观测大一些。通过对海雾频率的控制实验与敏感性实验做差值可以发现冷的SST最高可以使海雾频率增大20%（见图8c）。

通过上面的分析可以发现黄海南部的冷中心比较明显，为了研究冷水中心影响下的大气垂直方向上的特征，选取经过黄海南部冷中心的经线做纬度－高度图。

图9 沿124.283°E的剖面图Fig.9 Latitude－height section along 124.283°E

图10 沿124.283°E的剖面图Fig.10 Latitude－height section along 124.283°E

图9中，冷水中心的位置在32°N左右，在冷区之上，海面气温被冷的海表面温度所冷却，从而产生正的气海温差。如图10所示逆温层的高度向上伸展到500 m的高度，使其下的大气稳定度增大。在逆温层的覆盖下，300 m高度之下的云水混合比很大，这与这一区域是海雾多发区是一致的。同时在其南侧的上方还有一云水混合比的大值区，这可能是由雾层向上的长波辐射导致这一区域降温增湿所致。

4 结论

本文利用一系列船舶观测数据、高分辨率的卫星观测数据以及最新的再分析资料等多种资料，对黄海夏季表面冷水中心的产生，及其对大气的影响进行研究。并利用WRF模式研究了冷水区影响大气边界层及海雾发生的具体过程，主要结论如下：

（1）通过对卫星观测的海表面温度数据分析发现在夏季黄海存在着几个海表面温度的低值中心。这些冷水区在黄海的东西侧均有分布，其中黄海南部的冷水区最为强烈。冷水区的产生有其季节性，主要存在于夏季。海水垂直速度、温盐垂直结构及表面叶绿素浓度的分布说明黄海南部冷中心是底层冷水在陆架锋影响下抬升形成的。

（2）在冷水区之上，底层大气受到海洋的冷却作用，使底层大气稳定度增加、垂直混合减弱，海表面风速减小。这些都对海雾的形成造成了有利的条件，利用船测数据得到的海雾频率在冷水区上有大值中心，说明冷水区会导致海雾的发生频率增加。

（3）利用中尺度气象模式WRF模拟了2003年6月份黄海及其附近的大气状况。WRF模式基本可以准确的模拟出上面的观测结果。在模拟结果中，冷水区之上有一厚度达500m的逆温层，这也是导致海雾多发的1个有利条件。而与去掉冷中心影响的试验进行比较可以发现，由于冷水区海水的冷却效应可以导致海雾的发生频率增加15%以上。

本文把气候状态下海温的低值与海雾的多发联系起来，但对于其中的物理过程依然不够明了，比如冷的海水如何影响到大气，其中是感热的作用还是潜热的作用比较大；海雾的多发主要是由降温造成还是由于增湿造成，冷水与海雾之间有无反馈机制；海洋锋西侧的下沉气流又起到什么作用，这些都是以后要研究的问题。

［1］ 王彬华.海雾［M］.北京：海洋出版社，1983.

［2］ Klein S A，Hartmann D L.The seasonal cycle of low stratiform clouds［J］.J Clim，1993，6：1587－1606.

［3］ Norris J R，Zhang Y，Wallace J M.Role of low clouds in summertime atmosphere－ocean interactions over the North Pacific［J］.J Clim，1998，11：2482－2490.

［4］ Cho Y K，Kim M O，Kim B C.Sea fog around the Korean peninsula［J］.J Appl Meteorol，2000，39：2473－2479.

［5］ Fu G，Guo J，Xie S－P，et al.Analysis and high－resolution modeling of a dense sea fog event over the Yellow Sea［J］.Atmos Res，2006，81：293－303.

［6］ Gao S H，Lin H，Shen B，et al.A heavy sea fog event over the Yellow Sea in March 2005：Analysis and numerical modeling［J］.Adv Atmos Sci，2007，24：65－81.

［7］ Zhang S，Xie S－P，Liu Q－Y，et al.Seasonal variations of Yellow Sea fog：Observations and mechanisms［J］.J Clim，2009，22：6758－6772.

［8］ Tachibana Y，Iwamoto K，Ogawa H，et al.Observational study on atmospheric and oceanic boundary－layer structures accompanying the Okhotsk anticyclone under fog and non－fog conditions［J］.Meteorol Soc Jpn，2008，86：753－771.

［9］ Tokinaga H，Xie S－P.Ocean tidal cooling effect on summer sea fog over the Okhotsk Sea［J］.J Geophye Res，2009，114，D14102，doi：10.1029／2008JD011477.

［10］ 黄健.海雾的天气气候特征与边界层观测研究［D］.青岛：中国海洋大学，2008.

［11］ 王丕诰，刘宗义，张开斗.应用卫星气象学［M］.青岛：中国海洋大学出版社，2005.

［12］ 张纪伟.基于MODIS的黄海海雾研究［D］.青岛：中国海洋大学，2008.

［13］ 苏育嵩，苏杰.渤、黄海夏季低温带及其形成机制初析［J］.海洋学报，1996，18（1）：13－20.

［14］ 赵保仁.南黄海西部的陆架锋及冷水团风区环流结构的初步研究［J］.海洋与湖沼，1987，18（3）：217－226.

［15］ 夏综万，郭炳火.山东半岛和辽东半岛顶端附近水域的冷水现象及上升流［J］，黄渤海海洋.1983，1（1）：12－18.

［16］ Chelton D B，Schlax M G，Freilich M H.Satellite measurements reveal persistent small－scale features in ocean winds［J］.Science，2004，303：978－983.

［17］ Sampe T，Xie S－P.Mapping high sea winds from space：A global climatology［J］.Bull Am Meteorol Soc，2007，88：1965－1978.

［18］ Ballabrera－Poy J，Murtugudde R G，Christian J R，et al.Signal－tonoise ratios of observed monthly tropical ocean color［J］.Geophys Res Lett，2003，30（12）：1645，doi：10.1029／2003GL016995.

［19］ Worley S J，Woodruff S D，Reynolds R W，et al.ICOADS release 2.1 data and products［J］.Int J Climatol，2005，25，823－842.

［20］ 宋亚娟.北太平洋海雾发生频率的气候学特征［D］.青岛：中国海洋大学，2009.

［21］ Skamarock W C，Klemp J B，Dudhia J，et al.A description of the Advanced Research WRF version 3.NCAR／TN－475＋STR，Tech.Note［M］.Boulder，Colo：Natl Cent for Atmos Res，2008：113.

［22］ Hong S Y，Dudhia J，Chen S H.A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation［J］.Mon Weather Rev，2004，132：103－120.

［23］ Kain J S，Fritsch J M.Convective parameterization for mesoscale models：The Kain－Fritcsh［M］.／／Emanuel K A，Raymond D J，Eds.The Representation of Cumulus Convection in Numerical Models.［s.l.］：Amer Meteor Soc，1993：246.

［24］ Mlawer E J，Taubman S J，Brown P D，et al.Radiative transfer for inhomogeneous atmosphere：RRTM，a validated correlated－k model for the longwave［J］.J Geophye Res，1997，102（D14）：16663－16682.

［25］ Dudhia Jimy.Mumerical study of convection observed during the winter monsoon experiment using a mesoscale two－dimensional model［J］.J Atmos Sci，1989，46：3077－3107.

［26］ Mikio Nakanishi，Hiroshi Niino.An improved Mellor－Yamada Level－3 Model：its numerical stability and application to a regional prediction of advection fog［J］.Boundary－Layer Meteorology，2006，119：397－407.

［27］ Janjic Z I.Nonsingular Implementation of the Mellor－Yamada Level 2.5 Scheme in the NCEP Meso model［J］.NCEP Office Note，2002，437：61.

［28］ Sweet W，Fett R，Kerling J，et al.Air－sea interaction effects in the lower troposphere across the north wall of the Gulf－Stream［J］.Mon Weather Rev，1981，109：1042－1052.

［29］ Wallace J M，Mitchell T P，Deser C.The influence of sea－surface temperature on surface wind in the eastern equatorial Pacific－Seasonal and interannual variability［J］.J Clim，1989，2：1492－1499.

［30］ Nonaka M，Xie S－P.Covariations of sea surface temperature and wind over the Kuroshio and its extension：Evidence for oceantoatmosphere feedback［J］.J Clim，2003，16：1404－1413.

［31］ Xie S P.Satellite observations of cool ocean－atmosphere interaction［J］.Bull Am Meteorol Soc，2004，85：195－208.

［32］ Song Q，Chelton D，Esbensen S，et al.O'Neill.coupling between sea surface temperature and low－level winds in mesoscale numerical models［J］.J Clim，2009，22：146－164.