CWRF對青藏高原氣溫和降水模擬效果的綜合評估

徐蓉蓉,梁信忠,段明鏗

① 南京信息工程大學 氣象災害教育部重點實驗室/氣候與環境變化國際合作聯合實驗室/氣象災害預報預警與評估協同創新中心,江蘇 南京 210044;② 馬里蘭大學 地球系統科學跨學科中心,馬里蘭州 20740

*聯系人，E-mail:xliang@umd.edu

青藏高原的動力和熱力作用對東亞季風環流及全球氣候變化都有重要影響(吳國雄,2004)。然而由于高原上資料匱乏、地形復雜,針對高原的氣候模擬預測仍存在很多困難。當前全球大氣環流模式分辨率較低,難以準確描述不同尺度的地形強迫,導致模式對區域氣候模擬有較大誤差。Duan et al.(2013)評估CMIP5模式對高原夏季風的模擬,發現盡管提高了模式分辨率又加入了氣溶膠的間接影響,但對高原降水的強度和空間分布的模擬依然存在較大偏差。Zhu and Yang(2020)對比評估了CMIP6和CMIP5中模式對高原氣溫和降水的模擬效果,發現CMIP6模式降低了溫度模擬的冷偏差,但對降水的嚴重高估問題依然存在。因此對高原進行高分辨率區域氣候模擬分析,對于進一步深入認識高原氣候的可預報性有重要意義。

模式分辨率和物理過程參數化方案的選擇對區域天氣和氣候模擬有重要影響,前人已經進行了很多研究。Ji and Kang(2013)通過全球氣候模式與區域氣候模式雙向嵌套對高原區進行10 km分辨率的模擬,發現提高分辨率能顯著改善溫度模擬的系統性偏低,但依然高估降水,并指出這與觀測資料的不確定性和物理參數化方案的選擇有很大關系。馮蕾和周天軍(2015)分析GCM敏感性試驗結果,發現隨著分辨率提高,高原降水氣候平均的模擬有顯著改進,而其年際變化改進不明顯。吳勝剛等(2016)用WRF模擬高原南坡夏季降水,發現應用網格嵌套技術提高模式分辨率并結合積云對流參數化方案能改善降水強度和空間分布的模擬,而不用積云對流參數化方案單獨提高模式分辨率,其模擬結果影響不大。

目前對高原區域氣候模擬研究中,模擬時間范圍一般在10 a以內(梁玲等,2009),而對高原長期區域氣候模擬研究較少。關于高原氣候模擬的物理參數化敏感性,主要是基于短期個例或強對流天氣過程(何由等,2012;吳遙等,2017),具有較大的不確定性,且綜合考慮多種物理參數化方案的研究很少。針對以上問題,本文使用CWRF模式3種水平分辨率和27種物理參數化方案組合對中國37 a(1980—2016年)的模擬試驗結果,研究高原氣溫和降水模擬對分辨率及物理過程參數化的敏感性。

1 模式、資料和方法

1.1 模式

CWRF(Climate-Weather Research and Forecasting model)基于WRF發展而來,繼承了WRF的優點,全面改善了對氣候尺度至關重要的一整套參數化方案,包含了對地面(陸地、海洋)、邊界層、積云對流(深、淺)、微物理、云、氣溶膠、輻射及其相互作用等物理過程的描述(Liang et al.,2012)。最突出的是物理過程優化集合方案,集合積云對流參數化方案(ECP;Qiao and Liang,2015,2016,2017),聯合地表-地下水文過程(CSSP;Dai et al.,2003,2004;Liang,2005;Liang et al.,2005;Choi,2006;Choi et al.,2007,2013;Oleson et al.,2008;Choi and Liang,2010;Yuan and Liang,2011;Xu et al.,2014),對地表反照率和生態-氣候相互作用過程的改進方案,云-氣溶膠-輻射集合模擬系統(CAR;Liang and Zhang,2013;Zhang et al.2013)等。因此CWRF對中國氣候模擬能力較目前流行的區域氣候模式RegCM4.6有顯著提升,且由于對地形效應、積云對流和陸地水文過程的精確表示,CWRF降尺度可顯著降低全球模式降水模擬的誤差,提高對極端降水和降水日數的模擬技巧(Yuan and Liang,2011;Sun and Liang,2020a,2020b),在中國區域氣候模擬研究中得到應用(劉術艷等,2008;劉冠州和梁信忠,2017;Liang et al,2019)。

1.2 試驗和資料

本研究中CWRF試驗的驅動資料是ERA-Interim再分析資料,水平分辨率30 km,垂直36層,模擬時間從1979—2016年,共27組試驗,對應物理參數化方案配置見表1,第1組試驗是控制試驗,第2—27組試驗是敏感性試驗,其中試驗2—15以及23、25、26、27相對控制試驗修改了1個參數化方案,而試驗16—20在修改輻射方案的同時修改云對長短波輻射的影響參數,試驗21、22、24在修改邊界層方案的同時修改了近地面層參數(具體的參數設置如表2)。水平分辨率試驗有10 km,15 km和30 km,模擬時間是2003年1—12月,采用的是控制試驗的參數化方案。氣溫和降水的觀測資料是國家氣象信息中心的中國地面氣候資料月值數據集,剔除了其中含大量缺測的站點,選用高原周圍173個站點1980—2010年的月資料(部分站點2011年及以后多有缺測,故取1980—2010年為研究時間段,另模擬第1年1979年為spin-up)。

1.3 分析方法

為了定量比較模擬與實測的氣溫、降水,將模式網格輸出插值到觀測站點上,從而將模擬結果與站點實測資料進行對比。由于高原地形起伏大,模式所采用的地形高度與實際地形高度存在差異,這會直接導致氣溫在插值過程中產生較大偏差(Zhao et al.，2008)。為了得到站點海拔高度處的氣溫值,需要對插值結果進行修正,即按大氣溫度直減率訂正到實際地形高度上的地表氣溫。修正后模擬與觀測的氣溫空間分布更接近,特別是夏季(圖略)。

評估指標使用了相關系數和均方根誤差。其中相關系數越接近0表示模擬與觀測的結果線性相關性較低,絕對值越接近1表示模擬與觀測的線性相關越高;均方根誤差越大表示模擬與觀測的偏差越大,模擬效果越差。值得注意的是,由于高原觀測資料本身存在不確定性,也會給模式結果的評估帶來一些偏差(何冬燕等,2013;王曼等,2015)。

(1)

(2)

2 高原氣溫和降水模擬的分辨率敏感性分析

為了研究高原氣溫和降水模擬對模式分辨率的敏感性,也為了解當前全球氣候模式對高原氣候的模擬效果,取CMIP6中的30個全球模式,按其在高原區的模式水平網格格點數高低分為3組(1 000格點以下,分辨率約為2°;1 000～2 000格點,分辨率約為1°;2 000格點以上,分辨率約為0.7°),對比了其對高原氣溫、降水的模擬效果(圖1)。分析發現模式分辨率對氣溫模擬的影響較小,而對降水模擬影響顯著。對于氣溫模擬(圖1a),三組分辨率模式模擬的平均氣溫差異相對于30個模式總體的差異較小,且高分辨率模式反而偏差更大,這表明氣溫模擬偏差不完全受模式分辨率影響。對于降水(圖1b),提高分辨率確實可以顯著降低模擬偏差。隨著分辨率的提高，降水的模擬偏差有顯著降低。春夏季的降水模擬偏差因分辨率提高可降低60 mm,秋冬季相對較小,至多20 mm,這種分辨率影響程度的季節差異應該與降水量本身季節差異有關。

表1 本研究使用的CWRF物理參數化方案

表2 輻射方案和邊界層方案的匹配方案設置

圖1 CMIP6模式模擬高原氣溫(a)和降水(b)的偏差(紅色、綠色、藍色線分別是高、中、低分辨率模式結果的平均,陰影區為30個模擬模擬結果范圍)Fig.1 The deviation of (a) temperature,and (b) precipitation simulated by models from CMIP6 over the plateau (the red,green,and blue lines are the average of the results of high,medium,and low-resolution models respectively,and the shadow area is 30 simulation results)

為進一步證實高原氣候模擬對水平分辨率的敏感性,對比了CWRF 3種分辨率(10 km,15 km,30 km)對2003年的試驗結果。圖2a、b是模擬與觀測的2003年高原氣溫、降水年循環的模擬偏差。由圖可見,分辨率對氣溫模擬的影響很小,差異基本小于0.5 ℃,而對降水影響較大,差異達60 mm。但是提高分辨率反而增大了降水偏差,這可能與高分辨率區域氣候模式中復雜的物理過程參數化有關。圖2c、d是模擬與觀測的高原氣溫、降水的空間場相關系數,對比發現提高分辨率確實改善了空間分布模擬能力,尤其是2月、3月和8月的降水場空間相關系數從0.3～0.4提高到0.5～0.6。

圖2 CWRF不同分辨率模擬的2003年高原氣溫(a,c)和降水(b,d)與實測的偏差(a,b)及空間場相關系數(c,d)Fig.2 The (a,b) deviation and (c,d) spatial correlation coefficient between CWRF simulated (a,c) temperature and (b,d) precipitation in 2003 and measured data

此外,模式對高原氣溫、降水的模擬偏差有明顯的季節變化特征:對冬春季氣溫的模擬偏差較大,夏季較小,且易低估春季氣溫,高估夏季;對夏季降水的模擬偏差相對較大。這種季節差異可能與輻射模擬偏差及降水量季節變化有很大關系;春季氣溫的模擬偏差也可能影響夏季降水模擬,它們的關系值得進一步分析。另外,降水模擬的優化效果隨分辨率提高先上升后下降,當模式分辨率范圍在約200～70 km時,提高分辨率能顯著降低降水模擬偏差,當分辨率在30 ～10 km時,提高分辨率反而使偏差加大。這表明當分辨率提高到一定程度后,再單獨提高分辨率并不能改善降水模擬,因為降水過程受很多復雜的物理過程控制,在高分辨率模式中需要配合優化的參數化模型才能進一步提高模擬效果。

3 高原氣溫和降水模擬結果評估和物理參數化敏感性分析

3.1 不同物理過程參數化方案對高原氣溫年循環的模擬結果評估

前文分析發現分辨率不是影響高原氣候模擬結果的唯一因素,所以有必要進一步分析物理過程參數化的影響,為此對比了27組物理過程參數化方案對高原31 a(1980—2010)的模擬試驗結果。圖3是模擬氣溫年循環的氣候偏差,結果顯示CWRF對高原氣溫年循環的模擬效果很好,除了3個偏差較大的輻射方案(CAWCR、CAM、FuLiou),模擬偏差基本在2 ℃以內(圖3中黃色部分),相比全球模式的6 ℃有顯著降低,又由前文分析知分辨率對氣溫年循環模擬偏差影響很小,可見是CWRF模式中優秀的物理過程集合參數化方案及完善的陸地水文過程等優勢,使其對高原氣溫模擬效果得到了顯著改善。另外,CWRF對高原春季氣溫模擬偏低,而夏季偏高,與其驅動場ERI資料則完全相反,可見CWRF糾正了強迫場對高原氣溫模擬的低估,這是因為CWRF對極端氣候事件模擬能力較強。不同方案的各月偏差呈整體偏高或偏低,說明模式對高原氣溫模擬存在系統性偏差。從圖4可見,CWRF降低了ERI中對整個高原尤其是高原南側夏季氣溫的冷偏差,而對高原北側溫度的模擬卻偏高。其中CAWCR和CAM方案對高原夏季氣溫空間場整體模擬效果較好。

關于物理參數化敏感性,從圖3可見,輻射方案(偏紅色線條)模擬氣溫的差異最大,達到4 ℃,其次積云方案(偏藍色線條)近3 ℃,而其他方案(黃色區域)差異很小,約1 ℃,所以選擇合適的輻射方案對于正確模擬高原氣溫有重要意義。另外,替換輻射方案模擬的氣溫普遍偏低,這可能與輻射方案模擬的高原云量偏大有關,異常偏多的云量會導致太陽輻射減少從而導致模擬氣溫偏低,其具體原因還需進一步研究。

圖5 CWRF不同物理參數化方案模擬高原降水的偏差(黑色線是ERI資料,彩色線是輻射和積云方案,黃色區是其他方案模擬結果范圍)Fig.5 The deviation of precipitation simulated by CWRF with different physical parameterization schemes (the black line is ERI data,the color line is radiation and cumulus scheme,and the yellow area is the simulation result range of other schemata)

3.2 不同物理過程參數化方案對高原降水年循環的模擬結果評估

圖5對比27組參數化方案對高原降水年循環的模擬。結果顯示CWRF對高原降水年循環的模擬效果很好,除了KFeta方案,偏差基本在40 mm以內;且CWRF降低了ERI對夏秋季降水的模擬偏差約5～20 mm。

另外,圖5清晰展示了不同參數化方案對高原夏季降水的模擬結果存在顯著差異。特別是積云方案,最大差異超過100 mm,輻射方案次之,可達80 mm,這表明高原夏季降水的模擬受積云和輻射方案的影響顯著。可能是由于部分積云方案對水汽含量的模擬偏差,或輻射方案對長短波輻射的模擬偏差,導致了大氣不穩定能量的偏差,最終導致了降水模擬結果的較大差異,其具體原因還有待進一步分析。改變輻射方案可能會直接影響氣溫模擬從而間接影響降水,對比圖3、圖5發現,相同參數化方案對氣溫、降水的模擬偏差一致偏高或偏低,這可能是因為當高原近地層氣溫模擬偏高時,有利于不穩定能量積累從而導致了降水模擬的偏高,其具體影響過程值得進一步研究。

從圖6降水空間分布對比也可清晰看出,ERI對整個高原,特別是高原東部地區的降水存在異常高估現象,而CWRF可以很好地模擬出高原夏季降水的空間分布特征,但其對高原中部和南部也存在一定高估。

圖7是CWRF模擬的氣溫、降水年循環的RMSE。從圖中可以看出,對氣溫模擬影響最大的是輻射方案,RMSE在0.7～3 ℃;而對降水模擬影響較大的是積云和輻射方案,不同積云方案的RMSE在10～40 mm。另外,CWRF模擬降水年循環的RMSE約15 mm,遠小于大部分CMIP6全球模式的56 mm。由于降水模擬受分辨率影響很大,CWRF模擬降水的準確率高于全球模式與其有更高的水平分辨率有關,但由前文分析可知,分辨率并不是影響降水模擬效果的唯一因素,這也與CWRF優化的物理過程參數化方案有關。

圖6 CWRF不同參數化方案模擬高原7月降水量空間分布(單位：mm)Fig.6 Spatial distribution of precipitation over the plateau in July simulated by CWRF with different parameterization schemes (unit：mm)

圖7 CWRF不同物理參數化方案模擬的高原氣溫和降水年循環的均方根誤差(黑色代表氣溫,參考坐標軸在左邊;紅色代表降水,參考坐標軸在右邊,黑色、紅色水平線分別是ERI氣溫、降水模擬偏差,綠色、藍色虛線分別是CMIP模式平均氣溫、降水模擬偏差)Fig.7 RMSE of the annual cycle of plateau temperature and precipitation simulated by CWRF with different physical parameterization schemes (black represents temperature,reference axis on the left;red represents precipitation,reference axis on the right;black and red horizontal lines are ERI temperature and precipitation simulation deviation respectively;green and blue dotted lines are CMIP model average temperature and precipitation simulation deviation respectively)

圖8 CWRF不同參數化方案模擬高原氣溫(a)和降水(b)年際變化與實測的相關系數(時間范圍1980—2010年)Fig.8 Correlation coefficients between simulated and measured interannual variations of (a) temperature and (b) precipitation over the plateau with different parameterization schemes (1980—2010)

3.3 不同物理過程參數化方案對高原氣溫年際變化的模擬結果評估

分析了31 a(1980—2010年)年際變化的模擬效果及其對物理參數化的敏感性。圖8a是27組方案模擬各月氣溫年際變化與觀測的相關系數,可見CWRF對氣溫年際變化的模擬效果非常好,除了8月以外各月相關系數基本均在0.8以上。結合前文對氣溫年循環模擬分析發現,春季氣溫模擬偏差較大,但其年際變化卻與觀測高度一致,表明模式確實對春季氣溫的模擬存在系統性偏低,與參數化方案選擇無關。CWRF顯著改善了ERI氣溫年際變化的模擬,特別是春季的相關系數從0.4提高到了近0.8,從圖9可見,RMSE也降低了約1 ℃。但是不同方案對8月氣溫年際變化的模擬與實測的相關系數差異很大,甚至多數方案低于ERI資料。這是因為ERI同化了很多觀測資料從而使得其對近地層氣溫的模擬接近實測(Dee et al.,2011),同時ERI的低分辨率也會減小局地過程的影響從而使相關系數增大;而CWRF只從邊界條件獲取信息,所以更容易受復雜的局地對流等物理過程的影響。可以發現區域氣候模式對高原8月氣溫的模擬結果很不穩定,受物理參數化方案影響顯著,但是Morrison和Morrison_areosol微物理方案對8月降水量年際變化的模擬與實測的相關系數也能達到0.8,所以選擇合適的參數化方案對合理地模擬高原夏季氣溫非常重要。另外從RMSE結果可見,ERI對高原全年氣溫的模擬偏差均大于CWRF,所以雖然其夏季氣溫相關系數能達到0.6,它也是存在系統性偏差的,而CWRF能很好地解決這一問題。

3.4 不同物理過程參數化方案對高原降水年際變化的模擬結果評估

圖8b是27組方案模擬各月降水年際變化與觀測的相關系數,可見CWRF對7月降水年際變化的模擬與觀測的相關系數最低,且受參數化方案影響顯著,不同方案的相關系數差異達到0.6。這是因為夏季以對流過程為主,由于積云、微物理、云、輻射、邊界層、陸面過程和動力學之間復雜的相互作用,大多數地區的模擬效果通常相對較差(Liang et al.,2012,2019)。但是CWRF顯著改善了ERI對降水年際變化的模擬效果,特別是春季,相關系數從0.3提高到0.9,RMSE也有所降低;CWRF對夏季降水年際變化的模擬受參數化影響,在0.2到0.6之間變化,但也大多都高于ERI資料的0.25,同時從RMSE結果可見(圖9),ERI資料夏季降水年際變化與觀測的偏差最大,達到30～40 mm,而CWRF顯著降低了這個偏差,只有10～20 mm;對于秋季,CWRF相對于ERI相關系數提高不大,但RMSE降低了20 mm;對于冬季,相關系數從0.6提高到0.8～0.9,RMSE變化不大。

圖9 CWRF不同參數化方案模擬高原氣溫(a)和降水(b)年際變化與實測的均方根誤差Fig.9 RMSE between simulated and measured interannual variations of (a) temperature and (b) precipitation over the plateau with different Parameterization Schemes

4 結論和討論

通過對比CWRF模式3種分辨率和27種物理參數化方案敏感性試驗結果,分析了模式對高原氣溫和降水模擬的氣候偏差,及其與模式分辨率和物理參數化方案選擇的關系。得到以下一些結論:

1)CWRF可以很好地模擬高原氣溫、降水的年循環和年際變化,其中氣溫年循環的均方根誤差約1 ℃,月降水量約15 mm(13%),各月的年際變化與實測相關系數高達0.8;CWRF對氣溫和降水年循環的模擬偏差遠小于CMIP6的全球模式,氣溫的RMSE從CMIP6模式的1.5 ℃減小到0.5～1 ℃,降水從56 mm減小到10～20 mm;同時也全面改善了其驅動場ERI資料的模擬偏差,減小了高原南側夏季氣溫冷偏差,減小降水的模擬偏差20 mm,提高了各月氣溫、降水年際變化相關系數,其中春季從0.3～0.4提高到0.8～0.9。這一方面是因為CWRF更高的分辨率,另一方面是因為CWRF優化的物理過程參數化方案。

2)模式分辨率對降水模擬有顯著影響,當分辨率從200 km提高到70 km,降水模擬偏差降低60 mm左右(54%),但當分辨率超過30 km,偏差反而會隨著分辨率提高而上升。表明當分辨率提高到一定程度,單獨提高分辨率不再能顯著改善高原降水的模擬效果。因為對于高分辨率模擬,次網格過程的作用越來越重要,如果不改善參數化方案會導致較大的模擬誤差,這從側面說明,優化物理過程參數化方案對于改善高分辨率區域氣候的模擬效果至關重要。

3)高原氣溫和降水模擬受物理參數化方案影響顯著,其中對氣溫影響較大的是輻射方案,不同輻射方案對氣溫的模擬差異可達到4 ℃,這可能是由于不同的輻射方案導致到達高原地面的太陽輻射和地面長波輻射差異造成了近地層氣溫差異;對夏季降水影響較大的是積云和輻射方案,不同積云方案模擬的夏季降水最大差異超過100 mm(90%),輻射方案可達80 mm(72%),其中不同積云方案對高原南側近地層水汽輸送量的模擬差異較大,這應該是導致降水量差異的直接原因,另外氣溫模擬偏差也會對降水模擬產生影響,由于對流過程非常復雜,受物理過程參數化方案影響顯著,因而選擇合適的參數化方案對于合理地模擬高原氣溫和降水非常重要。

4)總體上說,CWRF模式對高原的局地模擬效果顯著優于CMIP6的全球模式和其驅動場ERI資料,非常適合高原氣候模擬。在對高原進行區域氣候模擬時,選擇30 km分辨率比更高或更低分辨率更合適,兼具模擬準確性和較低計算成本優勢;對于參數化方案的選擇,RRTMG輻射方案配合ECP積云方案或GSFCLXZ輻射方案配合Tiedtke積云方案對高原氣溫和降水的模擬效果最佳,其他物理過程參數化方案對高原區域氣候模擬影響相對較小。

高原氣候模擬一直是個難題,考慮到高原對東亞至全球天氣氣候都有重要影響,提高高原氣候模擬的準確性有重要意義。本研究通過分析CWRF模式敏感性試驗對高原的氣候模擬結果發現,選擇合適的分辨率和參數化方案對于提高高原氣候模擬效果有重要影響。

致謝:感謝孫磊、劉冠洲、張焓、趙陽、徐浩然、姜榮升等提供CWRF模擬試驗結果。