用WRF模式中不同云微物理參數(shù)化方案對(duì)華南一次暴雨過程的數(shù)值模擬和性能分析

朱格利1, 2 林萬濤1 曹艷華2

?

用WRF模式中不同云微物理參數(shù)化方案對(duì)華南一次暴雨過程的數(shù)值模擬和性能分析

朱格利林萬濤曹艷華

1中國科學(xué)院大氣物理研究所大氣科學(xué)和地球流體力學(xué)數(shù)值模擬國家重點(diǎn)實(shí)驗(yàn)室，北京100029 2華北電力大學(xué)數(shù)理系，北京102206

本文使用中尺度數(shù)值模式WRFV3.4中的8種不同云微物理過程參數(shù)化方案，模擬2010年5月6～7日華南一次暴雨事件，探討不同云微物理方案對(duì)華南暴雨模擬的影響。結(jié)果表明：不同云微物理方案對(duì)不同量級(jí)降水模擬效果總體較好。WSM3方案對(duì)小到大雨和大暴雨的模擬效果最好，對(duì)暴雨的模擬最差；WDM5方案對(duì)暴雨模擬效果最好。結(jié)合TS評(píng)分和誤差分析結(jié)果，整體效果最好的是WSM5方案，最差的是Lin方案。對(duì)于同一云微物理參數(shù)化方案，不同分辨率的降水模擬結(jié)果差異不大，但同一分辨率的不同云微物理參數(shù)化方案的降水結(jié)果差異較大，這說明云微物理過程比模式分辨率對(duì)暴雨模擬的影響更大。

WRF模式 云微物理參數(shù)化方案 華南 暴雨 TS評(píng)分

1 引言

近年來，大氣探測技術(shù)的飛速發(fā)展和計(jì)算機(jī)技術(shù)的突飛猛進(jìn)，不僅為中尺度模式提供了更多的可用資料：多普勒雷達(dá)資料、衛(wèi)星遙感資料、全球定位系統(tǒng)氣象（GPS/MET）探空資料以及高分辨的地面觀測網(wǎng)資料，也為運(yùn)用和處理這些資料以及發(fā)展完善更復(fù)雜的中尺度模式物理過程參數(shù)化方案提供了依據(jù)（程麟生，1999）。在此基礎(chǔ)上，中尺度數(shù)值預(yù)報(bào)模式及其模擬研究已經(jīng)取得了很大的進(jìn)展（Ninomiya，1986；Pielke，2002）。WRF（Weather Research and Forecasting）模式（Skamarock et al., 2008）是美國環(huán)境預(yù)測中心（National Centers for Environmental Prediction，NCEP）和美國國家大氣研究中心（National Center for Atmospheric Research，NCAR）等聯(lián)合研發(fā)的業(yè)務(wù)與研究共用的新一代高分辨率、完全可壓非靜力中尺度數(shù)值天氣預(yù)報(bào)模式。水平格點(diǎn)選用Arakawa-C格點(diǎn)，垂直方向采用地形追隨質(zhì)量坐標(biāo)（歐拉質(zhì)量坐標(biāo)），時(shí)間積分上采用二階或三階Runge-Kutta算法，集數(shù)值天氣預(yù)報(bào)、大氣模擬及數(shù)據(jù)同化于一體（Kain and Fritsch，1993），重點(diǎn)解決分辨率為 1～10 km，時(shí)效為60 h以內(nèi)的有限區(qū)域天氣預(yù)報(bào)和模擬問題。自2000年推出后，因其完全開放、可移植性強(qiáng)、更新快等特點(diǎn)，在短期天氣預(yù)報(bào)和模擬（張宇等，2013）、氣候研究（Yu et al.，2010）等方面得到了廣泛應(yīng)用，并在不斷地更新完善。

WRF模式之所以發(fā)展迅速的一個(gè)主要原因在于模式本身考慮了較為詳細(xì)的物理過程，給出了豐富的物理參數(shù)化方案，能夠更好地改善對(duì)中尺度天氣的模擬和預(yù)報(bào)（Skamarock et al.，2008）。暴雨是中尺度天氣過程，用中尺度數(shù)值模式研究其形成機(jī)制已經(jīng)成為實(shí)際暴雨預(yù)報(bào)的主要手段（Yih and Walsh，1991；崔波等，1999）。由于不同的動(dòng)力和物理過程對(duì)降水有很大影響（Colle et al.，2005），合理選擇參數(shù)化方案能很大程度地改善模擬結(jié)果。為此，大量研究工作著力于對(duì)不同物理過程參數(shù)化方案的對(duì)比檢驗(yàn)。

Rajeevan et al.（2010）通過分析WRF模式的4個(gè)不同云微物理過程對(duì)印度東南部（甘地）雷雨事件的敏感性發(fā)現(xiàn)，降水對(duì)云微物理參數(shù)化方案的選擇比較敏感，Thompson方案模擬的降水與觀測最為接近，而其他3種方案模擬結(jié)果均偏高。李安泰和何宏讓（2011）用WRF模式的3種云微物理參數(shù)化方案模擬2010年舟曲特大暴雨，結(jié)果顯示不同云微物理參數(shù)化方案模擬的物理量存在很大差異，這可能是造成模式對(duì)降水模擬效果優(yōu)劣的關(guān)鍵，且Kessler方案模擬的降水特征與實(shí)況最接近。Jankov et al.（2004）比較19種不同參數(shù)化方案對(duì)降水的敏感性，發(fā)現(xiàn)對(duì)流方案對(duì)降水最敏感，對(duì)于弱降水過程，邊界層和云微物理方案的敏感性是相當(dāng)?shù)模鴮?duì)于強(qiáng)降水，云微物理方案比較敏感。Jankov et al.（2005）采用包括三種微物理方案的十八種不同組合方案對(duì)8個(gè)夏季MCS（即中尺度對(duì)流系統(tǒng)）個(gè)例進(jìn)行模擬，結(jié)果表明，不同組合方案對(duì)不同個(gè)例不同量級(jí)的降水模擬，其 ETS 評(píng)分差異不大，沒有一種方案明顯優(yōu)于其他方案，盡管不同微物理和邊界層方案對(duì)預(yù)報(bào)結(jié)果有明顯作用，但對(duì)預(yù)報(bào)結(jié)果產(chǎn)生最大影響的是積云對(duì)流參數(shù)方案的選擇。利用WRF模式，采用36 km、12 km和4 km的格點(diǎn)分辨率，選用七種微物理方案，對(duì)華北地區(qū)的一次暴雨過程進(jìn)行了敏感性試驗(yàn)，試驗(yàn)結(jié)果表明：選用不同的微物理方案，可以不同程度地模擬這場暴雨的范圍和強(qiáng)度，且選擇合理的微物理方案對(duì)細(xì)網(wǎng)格（4 km）嵌套的模擬也可以相應(yīng)的提高，從而提高了暴雨模擬的分辨率，為中小尺度暴雨的成因分析提供了參考（馬嚴(yán)枝等，2012）。

以上研究結(jié)果表明，云微物理過程可以通過調(diào)整溫濕場結(jié)構(gòu)來影響積云對(duì)流發(fā)生發(fā)展的條件，進(jìn)而影響積云降水的預(yù)報(bào)（牛俊麗和閆之輝，2007），選擇不同的云微物理方案對(duì)降水模擬結(jié)果有很大影響（Jankov et al.，2005）。華南位于我國大陸緯度最低地區(qū)，東臨世界最大洋面，西有世界最高的青藏高原聳立，北回歸線橫貫其中，處于對(duì)氣候變化敏感的南海季風(fēng)區(qū)和全球氣候變化趨勢南北位相相反的交界帶，海陸氣交換強(qiáng)烈，中小尺度對(duì)流系統(tǒng)活動(dòng)頻繁而易形成強(qiáng)降水，甚至引發(fā)持續(xù)性暴雨，其中極強(qiáng)或持續(xù)性大暴雨造成的災(zāi)害最為嚴(yán)重（陶詩言，1980），所以，華南暴雨預(yù)報(bào)成為氣象學(xué)者們研究的重點(diǎn)內(nèi)容。但由于華南特殊的氣候地理環(huán)境，加上數(shù)值模式初始誤差、模式系統(tǒng)誤差、各種參數(shù)化方案的誤差，削弱了模式對(duì)華南暴雨預(yù)報(bào)的準(zhǔn)確性，而為了減少模式預(yù)報(bào)誤差，參數(shù)化方案的合理選擇尤為重要。目前，探討模式云微物理過程對(duì)華南暴雨影響的研究還不是很多。本文利用WRF模式模擬2010年5月6日00時(shí)～7日00時(shí)（協(xié)調(diào)世界時(shí)，下同）華南一次暴雨事件，結(jié)合統(tǒng)計(jì)的方法對(duì)比不同云微物理過程參數(shù)化方案對(duì)華南暴雨模擬的影響，對(duì)華南地區(qū)如何合理選擇和使用WRF模式中的云微物理參數(shù)化方案進(jìn)行了探討。

2 試驗(yàn)設(shè)計(jì)及WRF模式參數(shù)化方案簡介

2.1 區(qū)域設(shè)置

模式采用三重嵌套網(wǎng)格（圖1），試驗(yàn)區(qū)域中心定為（29°N，105°E），模式水平分辨率分別為54 km、18 km和6 km，對(duì)應(yīng)網(wǎng)格格點(diǎn)數(shù)分別為92×109，148×160，160×160，垂直方向28層，模式頂層氣壓為50 hPa。

2.2 試驗(yàn)數(shù)據(jù)

本文以NCEP一日四次的1°×1° FNL再分 析資料作為天氣背景場和模式初邊界條件，采用Lambert地圖投影，用54 km分辨率的模擬結(jié)果作為18 km分辨率的模擬初邊界條件，18 km分辨率的模擬結(jié)果作為6 km分辨率的模擬初邊界條件，連續(xù)積分24小時(shí)，逐時(shí)輸出模式結(jié)果。觀測降水為MICAPS的2010年5月6～7日的24小時(shí)累計(jì)臺(tái)站降水?dāng)?shù)據(jù)（diamond 3），圖1中的點(diǎn)即為430個(gè)站點(diǎn)分布。分析平面圖時(shí)，將站點(diǎn)數(shù)據(jù)插值到0.5°×0.5°網(wǎng)格點(diǎn)上，模式結(jié)果不做處理；計(jì)算站點(diǎn)相關(guān)系數(shù)、平均絕對(duì)誤差、均方根誤差和TS評(píng)分時(shí)，均將模式數(shù)據(jù)插值到圖1所示的站點(diǎn)上。

2.3 WRF模式參數(shù)化方案簡介

本文使用的WRF模式為2012年4月6日發(fā)布的WRFV3.4版本，為討論不同云微物理過程在不同分辨率下對(duì)華南降水的影響，在同一分辨率下，除云微物理方案外，其他物理過程方案都固定選取同樣的方案配置，包括：RRTM長波輻射方案（Mlawer et al.，1997），Dudhia短波輻射方案（Dudhia，1989），MM5 Monin-Obukhov近地面層方案，高分辨率Yonsei University（YSU）行星邊界層方案（PBL）（Hong et al.，2006），NOAH陸面過程方案（Chen and Dudhia，2001），水平分辨率為54 km和18 km時(shí)，使用Kain-Fritsch積云對(duì)流參數(shù)化方案（Kain and Fritsch，1990，1993），而水平分辨率為6 km時(shí)不考慮積云對(duì)流參數(shù)化方案。在這些物理過程方案的基礎(chǔ)上，分別就不同云微物理過程參數(shù)化方案設(shè)計(jì)8組對(duì)比試驗(yàn)：①Kessler方案、②Lin方案（Chen and Sun，2002）、③WSM3方案、④WSM5方案（Hong et al.，2004）、⑤Eta方案、⑥WSM6方案（Hong and Lim，2006）、⑦WDM5方案（Wang et al.，2011）、⑧WDM6方案（Lim and Hong，2010），對(duì)2010年5月6～7日的降水事件進(jìn)行8組預(yù)報(bào)，對(duì)比不同方案的預(yù)報(bào)結(jié)果分析云微物理過程對(duì)華南降水預(yù)報(bào)的影響。下面是對(duì)WRFV3.4模式的云微物理方案的簡單介紹。

2.3.1 Kessler暖云方案

來自于COMMAS模式（Wicker and Wilhelmson， 1995），是一個(gè)簡單的暖云降水方案，忽略了液體水與冰之間的相變過程。云水的產(chǎn)生來自水汽的凝結(jié)（遇不飽和層時(shí)產(chǎn)生蒸發(fā)），考慮的微物理過程包括：水汽的凝結(jié)、云水向雨水的自動(dòng)轉(zhuǎn)換、雨水與云水的碰并、雨水的蒸發(fā)，雨滴的下落速度參數(shù)化等，無冰相過程。

2.3.2 Purdue Lin方案

Lin方案是物理過程描述較為復(fù)雜的方案，與水相物質(zhì)有關(guān)的預(yù)報(bào)量有水汽混合比、云水、雨水、云冰、雪和霰。所有的參數(shù)化選項(xiàng)都是在Lin et al. （1983）以及Rutledge and Hobbs（1984）的參數(shù)化方案的基礎(chǔ)上得到，飽和度修正方案采用Tao et al. （1989）的方法。這個(gè)方案是WRF模式中相對(duì)較成熟的方案，更適合于高分辨率模擬和理論研究。

2.3.3 WRF Single-Moment 3-class（WSM3）方案

該方案來自舊的NCEP3方案（Hong et al., 2004）的修正，也稱為簡單冰方案。云水和云冰被作為同一類來計(jì)算，區(qū)別在于溫度，當(dāng)溫度低于或等于凝結(jié)點(diǎn)時(shí)云冰存在，否則云水存在，雨水和雪也同樣考慮。與其他方案不同的是診斷關(guān)系所使用冰的數(shù)濃度是基于冰的質(zhì)量而非溫度。包括三類水物質(zhì)：水汽、云水或云冰、雨水或雪，適用于業(yè)務(wù)模式的中尺度網(wǎng)格。

2.3.4 WRF Single-Moment 5-class（WSM5）方案

該方案與WSM3類似，來自對(duì)NCEP5方案的修正，與水相有關(guān)的預(yù)報(bào)量有：云水、云、雨水、雪和水汽混合比，比WSM3物理過程稍微復(fù)雜些，允許混合變相過程和過冷卻水的存在，除WSM3中的微物理過程外，方案中還包括：在冷雨過程中增加了雨與冰、雪與云的交叉碰并過程，代替了NCEP5版本。

2.3.5 Eta Ferrier方案

此方案預(yù)報(bào)模式平流項(xiàng)中水汽混合比和總 凝結(jié)降水的變化，模式變量中與水相物質(zhì)有關(guān)的預(yù)報(bào)量有兩類：云水（或云冰）、水汽的混合 比。這個(gè)方案改變了模式中水汽和冷凝物的平流輸送。在雪、霰或者冰雨形成中，可以提取局地云水、雨、云冰和冰水密度變化的第一猜測信息。這樣能夠快速調(diào)整微物理過程，以適應(yīng)大時(shí)間積分步長。

2.3.6 WRF Single-Moment 6-class（WSM6）方案

該方案擴(kuò)充了WSM5方案，還包括霰和與它關(guān)聯(lián)的一些過程。這些過程的參數(shù)化大多和Lin et al.（1983）的方案相似，在計(jì)算增長和其他參數(shù)上有些差別。與WSM3、WSM5一樣，飽和度調(diào)節(jié)按Dudhia（1989）和Hong et al.（1998）的方案分開處理冰和水的飽和過程，對(duì)計(jì)算的量級(jí)進(jìn)行最優(yōu)化處理，減小方案對(duì)模式時(shí)間步長的敏感性，適合于高分辨的模擬。

2.3.7 WRF Double-Moment 5-class（WDM5）方案

在WSM5方案的基礎(chǔ)上，不僅預(yù)報(bào)各種水物質(zhì)的混合比，還增加了云、雨水濃度等預(yù)報(bào)變量和后報(bào)變量云凝結(jié)核數(shù)（CCN）。

2.3.8 WRF Double-Moment 6-class（WDM6）方案

基于WSM6發(fā)展而來，加強(qiáng)了雷達(dá)反射率，削弱（增強(qiáng)）了弱（強(qiáng)）降水活動(dòng)，減輕了WSM6方案導(dǎo)致的一些系統(tǒng)偏差（Khain et al.，2008）。除了延續(xù)WSM6預(yù)報(bào)水汽混合比、云水、云冰、雪、雨水和霰的混合比的能力，還可以預(yù)報(bào)云和雨水的濃度，并產(chǎn)生后報(bào)變量云凝結(jié)核數(shù)，用來分析氣溶膠對(duì)云屬性和降水過程的影響。

模式不同物理參數(shù)化方案對(duì)降水的預(yù)報(bào)效果不同，一部分原因在于方案預(yù)報(bào)的水相變量的差異，表1為各云微物理方案預(yù)報(bào)的與水相有關(guān)的變量列表。

表1 各云微物理方案的水凝物變量

注：Q, Q, Q, Q, Q分別為云水、雨水、冰、雪和霰的質(zhì)量。

3 天氣背景

2010年5月5日開始，江南至華南共經(jīng)歷6次持續(xù)性暴雨天氣過程：5～7日、8～10日、12～14日、16～19日、20～23日、26～31日，這6次強(qiáng)降水過程具有影響范圍廣、過程雨量大、局部地區(qū)降雨強(qiáng)度強(qiáng)、災(zāi)害重等特點(diǎn)。不少站點(diǎn)累積降水量超過500 mm，接近當(dāng)?shù)仄骄杲邓康娜种唬ㄍ鯐苑嫉龋?010）。5～7日，受高空低槽、中低層切變線和東移出川的西南低渦共同影響，我國江南、華南及西南地區(qū)東部出現(xiàn)一次強(qiáng)烈風(fēng)雹及大暴雨天氣過程。6～7日，廣東連平、增城降水量分 別達(dá)203.1 mm、175.3 mm，均突破當(dāng)?shù)?月份日降水量極值，增城、東莞最大雨強(qiáng)分別達(dá)126.4 mm/h、107.4 mm/h，均為歷史之最，廣州日降水量達(dá)213.0 mm，其中1 h和3 h最大降水量分別達(dá)99.1 mm，199.5 mm，均創(chuàng)歷史記錄。

500 hPa位勢高度場上，歐亞中高緯度地區(qū)為兩脊一槽形勢（圖2a），烏拉爾山附近為阻塞高壓，低壓槽盤踞在貝加爾湖上空，一直延伸到淮河流域，槽后冷空氣東移南下，低壓槽也愈加深厚。850 hPa位勢高度場（圖2b）上存在一東北冷渦，33°N附近有一個(gè)弱的東西向切變線，來自高緯地區(qū)的北方干冷空氣沿著東北反氣旋邊緣南下，而西南風(fēng)將來自南海和孟加拉灣的水汽沿副高外圍輸送到華南地區(qū)，兩股干濕氣流在25°N左右匯合，華南地區(qū)輻合加強(qiáng)（圖2d）；300 hPa風(fēng)場圖上，中南半島上有一個(gè)反氣旋性環(huán)流，攜帶南海的水汽與孟加拉灣的西南氣流在90°E匯合形成一股強(qiáng)西南暖濕氣流，為華南提供充足水汽，同時(shí)加劇了高空急流，華南出現(xiàn)明顯的高空輻散（圖2c），這種對(duì)流層中低層輻合，高層輻散加劇了上升運(yùn)動(dòng)，有利于降水的產(chǎn)生。

4 模擬結(jié)果分析

4.1 降水分析

本文以國家氣象局頒布的降水強(qiáng)度等級(jí)劃分標(biāo)準(zhǔn)為參考定義降水等級(jí)，如表2。

表2 降水等級(jí)

對(duì)比54 km水平分辨率的不同云微物理方案的模擬結(jié)果（圖略），各模擬結(jié)果的空間分布差距不大，均模擬出一條東北—西南走向的雨帶，暴雨中心位置與觀測一致，只是雨帶范圍和暴雨中心東西向偏大，南北偏小，沒有模擬出雨量大于100 mm的大暴雨降水中心。模擬的廣西南部的大雨雨帶明顯偏北，雨量偏大，基本沒有模擬出25°N以北的降水帶，這可能是模式分辨率低的直接結(jié)果。

圖3為水平分辨率為18 km時(shí)，5月6～7日24小時(shí)累積降水實(shí)況（OBS）和不同云微物理方案的模式模擬結(jié)果。其中，左上角為站點(diǎn)相關(guān)系數(shù)，其值由模式結(jié)果插值到圖1的第二重嵌套區(qū)域（d2）的291個(gè)站點(diǎn)的模式數(shù)據(jù)與對(duì)應(yīng)臺(tái)站數(shù)據(jù)計(jì)算而得，其計(jì)算公式為

其中，N為站點(diǎn)數(shù)，、為第i站模擬降水量及其平均值，為第i站觀測降水量及其平均值。相關(guān)系數(shù)僅僅反映模式模擬值與觀測值的對(duì)應(yīng)關(guān)系，在某種程度上體現(xiàn)了模擬結(jié)果偏離觀測值的程度（Storch and Zwiers，1999），相關(guān)系數(shù)越大，說明模式結(jié)果與站點(diǎn)觀測越接近。

由圖3可以看出，8種云微物理方案的模擬結(jié)果與觀測降水有很好的站點(diǎn)相關(guān)性，相關(guān)系數(shù)都超過0.5，WSM3最高，WDM5次之，Lin方案和Eta方案相對(duì)較低，分別只有0.50和0.53，但總體來說，模式模擬的第二重嵌套區(qū)域的站點(diǎn)的降水等級(jí)與觀測偏差不是很大。8組試驗(yàn)基本都能模擬出本次降水的主要雨帶及其走向，但局部地區(qū)雨量過大，導(dǎo)致東西向的暴雨區(qū)域明顯伸長。具體來看，模式結(jié)果都較好的模擬出了位于重慶附近的降水中心位置，對(duì)于中雨的模擬范圍偏小直接導(dǎo)致整體降水區(qū)域偏小。模式基本都能模擬出位于廣州的暴雨中心，WSM3方案、WDM5方案和WSM5方案與觀測結(jié)果的站點(diǎn)相關(guān)性最高，但WSM3方案沒有模擬出廣東和江西交界處的暴雨中心，WDM5的模擬結(jié)果在交界處太弱，相對(duì)來說，WSM5方案的空間分布與觀測最接近。Kessler方案和Lin方案模擬的降水量過大，使得在湖南西部和江西南部出現(xiàn)多個(gè)虛假降水中心，和其他方案一樣，這兩個(gè)方案模擬的廣東省的暴雨中心范圍偏小，除了廣州的雨量偏強(qiáng)，周邊降水帶的雨量均偏弱，且暴雨帶從廣州降水中心向東北蔓延，導(dǎo)致江西南部、福建西北部的暴雨區(qū)域明顯增大，江西中部大到暴雨區(qū)偏南，與廣東省的暴雨中心連為一片，而福建沿海一帶的降水量級(jí)普遍偏小，可能與南嶺（24°N～26°N，110°E～116°E）、武夷山（25°N～28°N，116°E～118°E）的地形影響有關(guān)。對(duì)浙江的雨帶范圍模擬的最準(zhǔn) 確，基本能完整的模擬出浙江的降水范圍，Lin方案、Eta方案、WDM5方案和WDM6方案模擬的浙江中南部的大雨區(qū)和觀測基本一致，其他方案雖然也能模擬出這一降水區(qū)域，但范圍稍偏小。總體來說，WSM5方案模擬的本次暴雨分布與觀測最為接近，而Kessler方案和Lin方案模擬效果較差。

水平分辨率為6 km時(shí)，不同云微物理方案的模式模擬結(jié)果為圖4。整體來看，由于模式分辨率較高而觀測數(shù)據(jù)分辨率相對(duì)較低，模擬結(jié)果均出現(xiàn)了較多細(xì)小降水中心和虛假中心，各個(gè)云微物理方案模擬的雨帶范圍與觀測也有不同程度的偏差，但均表現(xiàn)出暴雨范圍偏大，雨量偏強(qiáng)。Kessler方案和Lin方案模擬的整個(gè)降水中心雨量明顯比觀測大很多，Lin方案的最大降水量甚至出現(xiàn)447.2 mm，比觀測的降水強(qiáng)度偏大一倍多，在江西、福建出現(xiàn)多個(gè)虛假降水中心，與觀測數(shù)據(jù)的站點(diǎn)相關(guān)也最低；WSM3方案模擬的江西和廣東交界處的暴雨中心偏西北，且范圍偏小，模擬的最大降水量也較觀測偏高，但對(duì)廣州市的降水中心位置模擬的相對(duì)較好，且強(qiáng)降水主要聚集這里，只有江西北部一個(gè)虛假降水中心，這也是WSM3方案與觀測數(shù)據(jù)的站點(diǎn)相關(guān)最高的主要原因。WSM5方案和WDM5方案的空間分布相似，站點(diǎn)相關(guān)差距也不大，均較好的模擬出廣州、廣東與江西交界處的降水中心，只是第二個(gè)降水中心稍偏北；Eta方案、WSM6方案沒有模擬出廣東、江西兩省交界處的降水中心，WDM6方案雖然模擬到了這個(gè)降水中心，但分散成兩個(gè)，且強(qiáng)度較弱。

綜合以上分析可以發(fā)現(xiàn)，54 km分辨率模式結(jié)果對(duì)暴雨位置模擬較好，但沒有模擬出大暴雨中心以及25°N以北的降水區(qū)域，可能是模式分辨率太低的原因；18 km分辨率和6 km分辨率的不同的云微物理方案均能模擬出廣東省的強(qiáng)降水中心，但都不同程度的偏北0.2°～0.3°（緯度）。模擬的暴雨中心雨量偏大，而廣州東部的降水量級(jí)偏低，最終導(dǎo)致暴雨中心偏小，反而由于模式分辨率高，在江西、福建模擬了大片暴雨區(qū)和多個(gè)虛假降水中心。對(duì)比不同方案的模擬結(jié)果，WSM5方案和WDM5方案模擬的暴雨中心位置相對(duì)更接近觀測，WSM5方案在不同分辨率的模擬中整體效果最好。

4.2 不同云微物理方案模擬效果檢驗(yàn)

TS（Threat Score）評(píng)分是目前氣象部門對(duì)短期天氣預(yù)報(bào)效果進(jìn)行評(píng)定的有效方法之一（Etherton and Santos，2008）。本文使用該方法對(duì)模式模擬的降水做統(tǒng)計(jì)檢驗(yàn)。降水等級(jí)劃分如表2，這里將小雨、中雨和大雨劃分為同一個(gè)等級(jí)，稱為小到大雨（24小時(shí)累計(jì)降水大于0.1 mm而小于50 mm），鑒于本次降水事件最大降水量為213 mm，且只有兩個(gè)站點(diǎn)出現(xiàn)200 mm以上量級(jí)的降水，故TS評(píng)分以介于100 mm到200 mm的降水為大暴雨。

TS評(píng)分的公式為

本文為了對(duì)比不同分辨率的TS評(píng)分效果，選取水平分辨率為6 km的第三重嵌套區(qū)域d3內(nèi)的114個(gè)站點(diǎn)作為有效評(píng)分站點(diǎn)（圖1）。表3為不同云微物理方案在不同分辨率下模擬不同等級(jí)降水的TS評(píng)分結(jié)果。從TS評(píng)分結(jié)果來看，8種方案不同分辨率對(duì)不同等級(jí)降水的總體模擬效果令人滿意，并呈現(xiàn)一定差異。對(duì)于同一分辨率下，除了WDM5方案和WDM6方案外，其他云微物理方案對(duì)不同降水等級(jí)的TS評(píng)分均表現(xiàn)出“兩頭大，中間小”的特征，即模式對(duì)小到大雨的TS評(píng)分最高，都超過了0.6，而暴雨的TS評(píng)分低。分別看各云微物理方案在不同分辨率下的TS評(píng)分結(jié)果，分辨 率為54 km時(shí)，各個(gè)方案的TS評(píng)分差距不是很 大，WSM3方案和WDM5方案對(duì)小到大雨的TS評(píng)分最高，其次是WSM5方案，而Lin方案最低；對(duì)于暴雨的TS評(píng)分，WSM5方案稍低于WDM5方案，WSM3方案最低，Lin方案也只獲得0.057的評(píng)分；WSM3方案對(duì)大暴雨的模擬最好，其次是WSM5方案，WDM6方案模擬效果最差，TS評(píng)分為0。分辨率為18 km時(shí)，對(duì)小到大雨的TS評(píng)分最高的是WSM3方案和WSM5方案，最低的是WDM6方案，Lin方案緊隨其后；WDM5方案對(duì)暴雨的TS評(píng)分最高，Kessler方案和WSM5方案次之，WSM3對(duì)大暴雨的TS評(píng)分最高，而對(duì)暴雨和大暴雨TS評(píng)分最低的分別是WSM3方案和WDM6方案。分辨率為6 km時(shí)，對(duì)小到大雨和大暴雨的模擬，WSM3方案的TS評(píng)分依然最高，其次是Eta方案、WSM5方案，而TS評(píng)分最低的分別是WDM6方案和Lin方案；暴雨的TS評(píng)分最低的是WSM3方案和WSM6方案，模擬準(zhǔn)確率為0，與TS評(píng)分最高的WDM5方案相差0.19。

表3 不同云微物理方案對(duì)于不同等級(jí)降水的TS評(píng)分結(jié)果

注：黑色加粗帶*為最優(yōu)方案，黑色加粗不帶*為最差方案

綜合上述，從不同分辨率的不同云微物理方案的TS評(píng)分結(jié)果可以發(fā)現(xiàn)：各個(gè)方案的優(yōu)劣在不同分辨率的模擬結(jié)果中表現(xiàn)較為一致，即WSM3方案對(duì)小到大雨和大暴雨的模擬效果最好，而對(duì)暴雨的模擬效果最差，對(duì)暴雨模擬效果最好的是WDM5方案。再看同一云微物理方案在不同水平分辨率下的降水模擬效果：除了Lin方案和WDM6方案外，其他方案關(guān)于大暴雨的TS評(píng)分都是隨分辨率的提高而減小，而另外兩個(gè)降水等級(jí)沒有明顯表現(xiàn)出TS評(píng)分隨模式水平分辨率變化的規(guī)律性特征，說明模式的不同參數(shù)化過程對(duì)降水的模擬效果并不一定會(huì)伴隨分辨率的變化而體現(xiàn)出統(tǒng)一的變化。整體來看，模擬效果最好的是WSM5方案，其次WDM5是方案和WSM3方案，而Lin方案最差，WDM6方案和WSM6方案模擬效果也不理想；考慮不同等級(jí)的降水模擬效果，TS評(píng)分最高的是小到大雨，且差距不大，說明云微物理過程對(duì)小到大雨的模擬影響較小；除了WDM6方案，大暴雨的TS評(píng)分基本都比暴雨的TS評(píng)分高，且不同云微物理方案的模擬結(jié)果有一定差距，由此可知，降水量級(jí)越大，模式模擬效果對(duì)云微物理過程越敏感。

4.3 不同云微物理方案的誤差分析

TS評(píng)分反映的是有降水發(fā)生時(shí)模式預(yù)報(bào)效果的準(zhǔn)確性，而平均絕對(duì)誤差（MAE）能較好地反映由模式參數(shù)和數(shù)值方法引起的系統(tǒng)誤差，均方根誤差RMSE受平均絕對(duì)誤差和方差的影響，對(duì)系統(tǒng)誤差和一些大的誤差較敏感，反映模式總誤差（M?lders，2008），這兩種統(tǒng)計(jì)方法能定量的更直接的反映模式預(yù)報(bào)效果和觀測之間的偏差。

（4）

由表4可以看出，除了WDM6方案在三重嵌套區(qū)域相關(guān)性不變，其他7種云微物理方案的相關(guān)系數(shù)隨模式水平分辨率變化的趨勢一致：當(dāng)模式水平分辨率由54 km提高到18 km時(shí)，相關(guān)系數(shù)減小；而當(dāng)水平分辨率再由18 km繼續(xù)提高到6 km時(shí)，相關(guān)系數(shù)又增加。第二重嵌套區(qū)域的站點(diǎn)相關(guān)性比粗網(wǎng)格和細(xì)網(wǎng)格的相關(guān)性都低。

模式的平均誤差（表中省略）在第一重和第二重嵌套區(qū)域幾乎全為負(fù)值，第三重也大多為負(fù)，且平均絕對(duì)誤差和均方根誤差較大，說明模擬降水比觀測強(qiáng)，模式存在明顯的系統(tǒng)性誤差。Lin方案和WDM6方案的平均絕對(duì)誤差隨分辨率的提高而不斷增加，其余方案都是在水平分辨率由54 km提高到18 km時(shí)，平均絕對(duì)誤差增大；水平分辨率由18 km提高到6 km時(shí)，平均絕對(duì)誤差減小。都表現(xiàn)為18 km分辨率的誤差最大，不同的是WSM3方案的第三重嵌套區(qū)域誤差最小，而其他方案為第一重嵌套區(qū)域誤差最小。均方根誤差變化趨勢與平均絕對(duì)誤差變化趨勢完全一致，說明平均絕對(duì)誤差對(duì)均方根誤差貢獻(xiàn)最大。

從表4可以明顯地看出，對(duì)于不同的云微物理方案，不同分辨率下的最優(yōu)和最差方案幾乎一致：除了WSM5方案在54 km分辨率時(shí)的平均絕對(duì)誤差最小，WSM3方案在三個(gè)嵌套區(qū)域的相關(guān)性最高，平均絕對(duì)誤差和均方根誤差最小，表現(xiàn)出絕對(duì)的優(yōu)勢，其次是WDM5方案和WSM5方案，與TS評(píng)分最高的前3個(gè)方案一致；而Lin方案的相關(guān)性比其他方案都低，平均誤差和均方根誤差都最大，表明Lin方案的模擬效果最差，與降水空間分布和TS評(píng)分分析結(jié)論一致。總體來看，同一參數(shù)化方案在不同水平分辨率下的平均絕對(duì)誤差和均方根誤差的差異都不是很大，而同一水平分辨率，不同云微物理方案的結(jié)果相差較大，說明模式云微物理參數(shù)化方案對(duì)模擬結(jié)果的影響強(qiáng)于模式分辨率對(duì)模擬結(jié)果的影響。

表4 模式結(jié)果與觀測的相關(guān)系數(shù)、平均絕對(duì)誤差（mm）和均方根誤差（mm）

注：黑色加粗帶*為最優(yōu)方案，黑色加粗不帶*為最差方案

5 結(jié)論

為比較WRF模式的不同云微物理過程對(duì)暴雨模擬結(jié)果的影響，本文使用WRFV3.4版本的8種云微物理方案，采用三重嵌套網(wǎng)格，對(duì)2010年5月6～7日發(fā)生在華南暴雨事件進(jìn)行回報(bào)，通過分析模式結(jié)果得出以下結(jié)論：

（1）54 km分辨率的模式模擬由于分辨率太低，只對(duì)暴雨位置模擬較好，對(duì)降水低值刻畫不明顯，沒有模擬出大暴雨中心以及25°N以北的降水區(qū)域；18 km分辨率和6 km分辨率的試驗(yàn)結(jié)果基本都能模擬出本次降水的雨帶分布，對(duì)廣東省的強(qiáng)降水中心模擬較好，只是位置偏北0.2°～0.3°（緯度）；而WSM3方案、Eta方案和WSM6方案沒有模擬出廣東和江西交界處的暴雨中心，其他方案模擬的位置偏北，范圍偏小；模擬的位于廣州的暴雨中心雨量偏大，而其東部地區(qū)降水量級(jí)偏低，最終導(dǎo)致降水中心暴雨區(qū)域偏小，反而由于模式分辨率高，加上南嶺、武夷山的地形作用，在江西、福建模擬了大片暴雨區(qū)和多個(gè)虛假降水中心。

（2）從試驗(yàn)結(jié)果的TS評(píng)分可以知道，對(duì)同一分辨率，除了WDM5方案和WDM6方案外，其他方案的TS評(píng)分均表現(xiàn)出“兩頭大，中間小”的特征，即模式對(duì)小到大雨的TS評(píng)分最高，且差距不大，而對(duì)暴雨的TS評(píng)分低，這也說明云微物理過程對(duì)小到大雨的模擬效果影響較小；除了WDM6方案，大暴雨的TS評(píng)分基本都比暴雨的TS評(píng)分高，且不同云微物理方案的模擬結(jié)果有一定差距，可以推測，降水量級(jí)越大，模式模擬效果對(duì)云微物理過程越敏感。

（3）對(duì)小到大雨和大暴雨的模擬效果最好的是WSM3方案，而此方案對(duì)暴雨的模擬效果最差，對(duì)暴雨模擬效果最好的是WDM5方案。結(jié)合不同分辨率下的模擬結(jié)果，模擬效果最好的是WSM5方案，其次是WDM5方案和WSM3方案，而Lin方案最差，WDM6方案和WSM6方案模擬效果也不理想。

（4）除了Lin方案和WDM6方案外，其他方案關(guān)于大暴雨的TS評(píng)分都是隨分辨率的提高而減小，而另外兩個(gè)降水等級(jí)沒有明顯表現(xiàn)出TS評(píng)分隨模式水平分辨率變化的規(guī)律性特征；誤差分析也顯示，同一參數(shù)化方案在不同水平分辨率下對(duì)降水模擬的平均絕對(duì)誤差和均方根誤差差異不大，而同一區(qū)域的不同云微物理方案的結(jié)果相差較大，進(jìn)一步說明了云微物理過程對(duì)模擬結(jié)果的影響強(qiáng)于模式分辨率對(duì)模擬結(jié)果的影響。

本文的結(jié)論只是WRF模式對(duì)華南一次降水個(gè)例的模擬結(jié)果，由于不同的天氣過程主要影響因素不同，模擬的準(zhǔn)確性除了受不同物理過程影響外，還與模擬區(qū)域的選取和大尺度天氣背景場有關(guān)，因此，結(jié)論是否適用于其他暴雨事件，還有待進(jìn)一步 檢驗(yàn)。

程麟生. 1999. 中尺度大氣數(shù)值模式發(fā)展現(xiàn)狀和應(yīng)用前景 [J]. 高原氣象, 18: 350–360. Cheng Linsheng. 1999. The current status of mesoscale numerical model development and its application prospects [J]. Plateau Meteorology (in Chinese), 18: 350–360.

崔波, 王建捷, 郭肖容. 1999. MM5 在國家氣象中心CRAY-C92的實(shí)時(shí)預(yù)報(bào)試驗(yàn) [J]. 應(yīng)用氣象學(xué)報(bào), 10 (2): 129–140. Cui Bo, Wang Jianjie, Guo Xiaorong. 1999. Real-time forecast experiments using MM5 in national meteorological center [J]. Journal of Applied Meteorological (in Chinese), 10 (2): 129–140.

Colle B A, Garvert M F, Wolfe J B, et al. 2005. The 13–14 December 2001 IMPROVE-2 event. Part III: Simulated microphysical budgets and sensitivity studies [J]. J. Atmos. Sci., 62: 3535–3558.

Chen F, Dudhia J. 2001. Coupling an advanced land surface-hydrology model with the Penn State-NCAR MM5 modeling system. Part I: Model implementation and sensitivity [J]. Mon. Wea. Rev., 129 (1): 569–585.

Chen S H, Sun W Y. 2002. A one-dimensional time dependent cloud model [J]. J. Meteor. Soc. Japan, 80 (1): 99–118.

Dudhia J. 1989. Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model [J]. J. Atmos. Sci., 46 (20): 3077–3107.

Etherton B, Santos P. 2008. Sensitivity of WRF forecasts for South Florida to initial conditions [J]. Wea. Forecasting, 23: 725–740.

Hong S Y, Lim J O J. 2006. The WRF single-moment 6-class microphysics scheme (WSM6) [J]. J. Korean Meteor. Soc., 42: 129–151.

Hong S Y, Juang H M H, Zhao Q. 1998. Implementation of prognostic cloud scheme for a regional spectral model [J]. Mon. Wea. Rev., 126 (10): 2621–2639.

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

Hong S Y, Noh Y, Dudhia J. 2006. A new vertical diffusion package with an explicit treatment of entrainment processes [J]. Mon. Wea. Rev., 134 (9): 2318–2341.

Jankov I, Gallus J W A, Shaw B, et al. 2004. An investigation of IHOP convective system predictability using a matrix of 19 WRF members [C] // Proceedings of the 84th AMS Annual Meeting, Seattle, U. S. A. Jan. 10–15.

Jankov I, Gallus J W A, Segal M, et al. 2005. The impact of different WRF model physical parameterizations and their interactions on warm season MCS rainfall [J]. Wea. Forecasting, 20 (6): 1048–1060.

Kain J S, Fritsch J M. 1990. A one-dimensional entraining/detraining plume model and its application in convective parameterization [J]. J. Atmos. Sci., 47: 2784–2802.

Kain J S, Fritsch J M. 1993. Convective parameterization in mesoscale models: The Kain-Fritsch scheme [C]// The Representation of Cumulus Convection in Numerical Models. Boston, MA: American Meteorological Society, 24: 165–170.

Khain A P, BenMoshe N, Pokrovsky A. 2008. Factors determining the impact of aerosols on surface precipitation from clouds: An attempt at classification [J]. J. Atmos. Sci., 65: 1721–1748.

李安泰, 何宏讓. 2011. 不同云微物理參數(shù)化方案對(duì)舟曲“8.8”暴雨過程模擬的影響 [J]. 氣象與減災(zāi)研究, 34 (3): 9–16. Li Antai, He Hongrang. 2011. Impact of different cloudmicrophysical parameterization schemes on the numeric simulation results of “8.8” rainstorm process in Zhouqu [J]. Meteorology and Disaster Reduction Research (in Chinese), 34 (3): 9–16.

Lim K S S, Hong S Y. 2010. Development of an effective double-moment cloud microphysics scheme with prognostic Cloud Condensation Nuclei (CCN) for weather and climate models [J]. Mon. Wea. Rev., 138: 1587– 1612.

Lin Y L, Farley R D, Orville H D. 1983. Bulk parameterization of the snow field in a cloud model [J]. J. Climate Appl. Meteor., 22: 1065–1092.

馬嚴(yán)枝, 陸昌根, 高守亭. 2012. 8.19華北暴雨模擬中微物理方案的對(duì)比試驗(yàn) [J]. 大氣科學(xué), 36 (4): 835–850. Ma Yanzhi, Lu Changgen, Gao Shouting. 2012. The effects of different microphysical schemes in WRF on a heavy rainfall in North China during 18–19 August 2010 [J]. Chin. J. Atmos. Sci. (in Chinese), 36 (4): 835–850.

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

M?lders N. 2008. Suitability of the Weather Research and Forecasting (WRF) model to predict the June 2005 fire weather for interior Alaska [J]. Wea. Forecasting, 23: 953–973.

Ninomiya K. 1986.Mesoscale numerical weather prediction—Numerical prediction of mesoscale severe phenomena in Japan [C]//Short and Medium Range Numerical Weather Prediction. WMO/IUGG NWP Symposium, Tokyo, 517–531.

牛俊麗, 閆之輝. 2007. WRF模式微物理方案對(duì)強(qiáng)降水預(yù)報(bào)的影響 [J]. 科技信息, (23): 17–20. Niu Junli, Yan Zhihui. 2007. WRF microphysical model programs on the impact of heavy rainfall forecast [J]. Science and Technology Information (in Chinese), (23): 17–20.

Pielke R A. 2002. Mesoscale Meteorological Modeling [M]. New York: Academic Press, 676.

Rajeevan M, Kesarkar A, Thampi S B, et al. 2010. Sensitivity of WRF cloud microphysics to simulations of a severe thunder storm event over Southeast India [J]. Ann. Geophys., 28: 603–619.

Rutledge S A, Hobbs P V. 1984. The mesoscale and microscale structure and organization of clouds and precipitation in midlatitude cyclones. Ⅻ: A diagnostic modeling study of precipitation development in narrow cloud-frontal rainbands [J]. J. Atmos. Sci., 41 (20): 2949–2972.

Skamarock W, Klemp J B, Dudhia J, et al. 2008. A Description of the Advanced Research WRF Version 3 [R]. NCAR Technical Note, NCAR/TN-475+STR.

陶詩言. 1980. 中國之暴雨 [M]. 北京: 科學(xué)出版社, 225. Tao Shiyan. 1980. Storm in China (in Chinese) [M]. Beijing: China Meteorological Press, 225.

Tao W K, Simpson J, Mccumber M. 1989. An ice-water saturation adjustment [J]. Mon. Wea. Rev., 117 (2): 231–235.

von Storch H, Zwiers F W. 1999. Statistical Analysis in Climate Research [M]. Cambridge: Cambridge University Press, 484.

Wang J, Huang B M, Huang A, et al. 2011. Parallel computation of the Weather Research and Forecast (WRF) WDM5 cloud microphysics on a many-core GPU [C] // Proceedings of the 17th International Conference on Parallel and Distributed Systems (ICPADS). Tainan: IEEE, 1032– 1037.

王曉芳, 徐明, 閔愛榮, 等. 2010. 2010年5月我國南方持續(xù)性暴雨過程分析 [J]. 暴雨災(zāi)害, 29 (2): 193–199. Wang Xiaofang, Xu Ming, Min Airong, et al. 2010. Analysis of precipitation and affecting systems features on persistent heavy rain in South China in May 2010 [J]. Torrential Rain and Disasters (in Chinese), 29 (2): 193–199.

Wicker L J, Wilhelmson R B. 1995. Simulation and analysis of tornado development and decay within a three-dimensional supercell thunderstorm [J]. J. Atmos. Sci., 52 (15): 2675–2703.

Yu E T, Wang H J, Sun J Q. 2010. A quick report on a dynamical downscaling simulation over China using the nested model [J]. Atmos. Oceanic Sci. Lett., 3 (6): 325–329.

Yih A C, Walsh J E. 1991. Sensitivities of numerical model forecasts of extreme cycloneevents [J]. Adv. Atmos. Sci., 8 (1): 51–66.

張宇, 郭振海, 林一驊, 等. 2013. 中尺度模式風(fēng)電場風(fēng)速短期預(yù)報(bào)能力研究[J]. 大氣科學(xué), 37 (4): 955–962. Zhang Yu, Guo Zhenhai, Lin Yihua, et al. 2013. Predictive capacity of mesoscale model for short-range wind speed forecasting at wind power farm [J]. Chin. J. Atmos. Sci. (in Chinese), 37 (4): 955–962.

Numerical Simulation of a Rainstorm Event over South China by Using Various Cloud Microphysics Parameterization Schemes in WRF Model and Its Performance Analysis

ZHU Geli, LIN Wantao, and CAO Yanhua

1,,,100029 2,,102206

In this study, eight cloud microphysics parameterization schemes (schemes Kessler, Lin, WSM3, WSM5, Eta, WSM6, WDM5, and WDM6) in the weather research and forecasting (WRF) model were used to simulate a rainstorm that occurred over South China during May 6–7, 2010, to study the effects of the cloud microphysics parameterization schemes on the simulation ability of the rainstorm. A comparison of the experimental results with the observation revealed an overall agreement in the simulation skills of various cloud microphysical schemes to various precipitation scales. The WSM3 schemes performed best for light to heavy rainfall and downpours. For simulating the rainstorm, however, WDM5 performed best, and WSM3 performed worst. According to the analysis results of(TS) and error, the WSM5 scheme performed best, and the Lin scheme was worst. One parameterization scheme showed a small difference among various resolutions and a large difference in the simulation ability of the rainstorm among various microphysics parameterization schemes, which suggests that cloud microphysics parameterization schemes are more effective than resolution for simulating heavy rain.

WRF model, Cloud microphysics parameterization schemes, South China, Rainstorm, Threat score

1006?9895(2014)03?0513?11

P456.7

A

dio:10.3878/j.issn.1006-9895.2013.13202

2013?06?26，

2013?12?18收修定稿

中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項(xiàng)XDA01020304

朱格利，女，1987年出生，碩士研究生，主要從事中尺度數(shù)值模擬研究。Email: juliekxkl@126.com

朱格利, 林萬濤, 曹艷華. 2014. 用WRF模式中不同云微物理參數(shù)化方案對(duì)華南一次暴雨過程的數(shù)值模擬和性能分析 [J]. 大氣科學(xué), 38 (3): 513–523, dio:10.3878/j.issn.1006-9895.2013.13202. Zhu Geli, Lin Wantao, Cao Yanhua. 2014. Numerical simulation of a rainstorm event over South China by using various cloudmicrophysics parameterization schemes in WRF model and its performance analysis [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 38 (3): 513–523.