WRF 4.0模式陸氣耦合對不同物理參數(shù)化方案的敏感性初探

摘要 模式的不同參數(shù)化方案會對模擬的天氣和氣候產(chǎn)生影響，但如何影響陸氣耦合還不是很清楚。利用WRF 4.0模式設計了一組16種不同參數(shù)化方案組合的集合試驗，對華北地區(qū)2013年夏季氣候進行模擬。結(jié)果表明，不同積云對流參數(shù)化方案對模擬的降水平均態(tài)影響較大，其次是短波輻射方案，而微物理方案影響較小。進一步利用潛熱通量（LH，Latent Heat flux）和土壤濕度（SM，Soil Moisture）、抬升凝結(jié)高度（LCL，Lifting Condensation Level）的相關系數(shù)R（SM，LH）和R（LH，LCL）表征陸氣耦合過程，評估了陸氣耦合對不同參數(shù)化方案的敏感性。模式模擬的R（SM，LH）在不同區(qū)域隨著平均降水、相對濕度的增加以及平均短波輻射的減少而減小，而R（LH，LCL）的變化正好相反。它們內(nèi)在的物理機制類似，與氣候態(tài)的干濕變化密切相關，即隨著土壤濕度趨于飽和，蒸散發(fā)過程逐漸受太陽輻射的限制，陸面對大氣的影響減弱。另外，陸氣耦合強度受積云對流方案、微物理方案和短波輻射方案的影響而產(chǎn)生差別，這與不同參數(shù)化方案模擬的氣候態(tài)的不同密切相關，因此本研究對于WRF 4.0模式中參數(shù)化方案特別是積云對流方案的選擇同樣有著重要的指導意義。

關鍵詞陸氣耦合;WRF 4.0;參數(shù)化方案;抬升凝結(jié)高度

陸面是地球系統(tǒng)中的重要成分，記憶力持久且變化緩慢，對氣候變化有重要的作用（Delworth and Manabe，1989）。其狀態(tài)會影響地表與大氣間能量及水分的交換，進而使天氣、氣候發(fā)生變化（Shukla and Mintz，1982;余波，2020）。研究發(fā)現(xiàn)溫度和降水變率的增加會導致極端事件的頻發(fā)，如高強度的熱浪、干旱以及中緯度地區(qū)較強的降水（Easterling et al.，2000;Risnen，2002;Meehl and Tebaldi，2004），這可能和大尺度環(huán)流的變化有關（Christensen and Christensen，2003;Pal et al.，2004），但也可能受到小尺度物理過程變化的影響，如通過陸面與大氣的相互作用（Seneviratne et al.，2006;Fischer et al.，2007）。可見對陸氣相互作用的分析具有重要的實際意義。

土壤濕度作為重要的陸面變量，影響著地表的能量及水汽的平衡，部分地區(qū)土壤濕度引起的地表通量異常會使降水出現(xiàn)異常（Delworth and Manabe，1989;Koster and Suarez，1995;Schlosser and Milly，2002;李潤春，2017），因此對陸面過程與降水關系的研究是研究陸氣相互作用的關鍵問題。然而大尺度觀測資料的缺乏在一定程度上增加了研究的難度。有學者利用觀測數(shù)據(jù)與數(shù)值試驗相結(jié)合的方法對二者關系進行定量分析（Koster et al.，2006;Zhang et al.，2008;Findell et al.，2011;Mei and Wang，2012;Wei et al.，2016;Wei and Dirmeyer，2019），但模式對其模擬仍存在較大不確定性。

WRF 4.0作為一種中尺度區(qū)域模式，廣泛應用于科學研究中，其提供多種參數(shù)化方案來模擬實際大氣中的物理過程。然而參數(shù)化方案只是對實際物理過程的簡化，具有誤差和不確定性（Done et al.，2004;Ruiz et al.，2010;Crétat et al.，2012），因此模式的結(jié)果不僅受初始和側(cè)邊界條件的影響還會隨參數(shù)化方案變化（Das et al.，2006;Dimri et al.，2017;Karki et al.，2018）。

抬升凝結(jié)高度（LCL，Lifting Condensation Level）能夠較好地表征云底的高度，也經(jīng)常被用來估計降水發(fā)生的可能性（Betts，2009），是分析陸氣耦合過程較為重要的因素。Dirmeyer et al.（2018a）發(fā)現(xiàn)模式對LCL的模擬存在誤差，且該誤差和感熱通量有較密切的關系。不同參數(shù)化方案不僅對模擬的降水產(chǎn)生影響（Chu et al.，2018），還會使模擬的土壤濕度對降水的反饋（Taylor et al.，2013）以及二者作用的符號和量級（Hohenegger et al.，2009）發(fā)生改變。正是由于受到參數(shù)化方案及模式分辨率等的影響，模式對地表狀態(tài)、陸面變量、邊界層過程以及對流的模擬均存在偏差（Dirmeyer et al.，2006，2016，2018a，2018b;Taylor et al.，2012;Swenson and Lawrence，2014），進而導致對陸氣耦合的模擬也出現(xiàn)偏差（Wei et al.，2010;Levine et al.，2016），但模式誤差如何影響陸氣耦合過程尚不清楚。

基于以上討論，本文利用WRF 4.0模式設計了16種不同參數(shù)化方案組合的集合試驗，分析不同參數(shù)化方案對陸氣耦合的影響，并評估陸氣耦合過程對參數(shù)化方案的敏感性。

1 資料與方法

1.1 資料

使用NCEP 6 h一次、分辨率為1°×1°的fnl數(shù)據(jù)驅(qū)動WRF 4.0模式。感熱通量、潛熱通量等變量均為ERA5（Hersbach et al.，2020）的日平均數(shù)據(jù)，降水數(shù)據(jù)為美國CPC Unified的日平均資料（Xie et al.，2007），分辨率均為0.25°×0.25°。

1.2 方法

1.2.1 模式設置

使用WRF模式的4.0版本，水平分辨率為30 km，垂直方向上分為50層，對東亞地區(qū)進行模擬（圖1），華北地區(qū)（黑框）為主要的研究區(qū)域。選取土壤濕度無異常、降水不受厄爾尼諾影響的2013年。由于華北地區(qū)夏季的陸氣耦合過程最強（高楚杰，2018），因此本文的模擬時段主要為2013年的夏季。

1.2.2 模式參數(shù)化方案的選用

WRF 4.0模式能夠描述大氣中較重要的物理過程，且為其提供了一系列的參數(shù)化方案。選擇四種積云對流方案、兩種短波輻射方案以及兩種微物理方案進行分析，表1給出了本文中使用的具體參數(shù)化方案。

積云對流方案是數(shù)值模擬中不確定性最大的參數(shù)化方案之一，本研究選用Kain-Fritsch（Kain，2004）、Grell-Freitas（Grell and Freitas，2014）、Grell 3D（Grell and Dévényi，2002）與Tiedtke（Zhang et al.，2011）四種方案，后文分別用1、3、5、6來代表（標識首位數(shù)字）。短波輻射方案選擇RRTMG（Iacono et al.，2008）和Dudhia方案（Dudhia，1989;祖繁等，2016），后文中分別用4、1來代表（標識第二位數(shù)字）。微物理過程選用WSM6（Hong and Lim，2006;梅欽等，2018）和Thompson（Thompson et al.，2008;智協(xié)飛，2020），后文中分別用6、8表示（標識第三位數(shù)字）。

上述方案共有16（4×2×2）種組合方式，于是本文設計了一組由這16個集合成員組成的集合試驗并對其結(jié)果進行分析，探究陸氣耦合過程是否隨參數(shù)化方案改變。

1.2.3 LCL的計算

LCL指未飽和的濕氣塊通過干絕熱過程被抬升到飽和時所需要達到的高度。氣塊達到LCL時有利于云和降水過程的發(fā)生，所以LCL常被用于估計邊界層內(nèi)云的高度（Gebremariam et al.，2018）。由于WRF 4.0模式的輸出結(jié)果和ERA5數(shù)據(jù)中并不包括LCL變量，利用2 m氣溫t計算飽和水汽壓，通過氣壓與2 m比濕計算水汽壓，最后計算露點溫度td。根據(jù)Lawrence（2005），用如下經(jīng)驗公式計算LCL（單位：m）：

ZLCL≈125（t-td）。"" （1）

2 陸氣耦合對參數(shù)化方案的敏感性

2.1 模擬結(jié)果與觀測資料的對比

使用層次聚類的方法比較16個不同參數(shù)化方案的集合成員模擬的和觀測的夏季平均降水。步驟為：計算各數(shù)據(jù)之間的差值，選取最相近的兩個合并為一類，再繼續(xù)計算生成新類的差值，合并最近的兩類。如此往復，最后形成一類。

圖2的樹狀圖中看出，相同積云對流方案的集合成員通常集中在一起，與不同積云對流方案的成員有較大距離，說明積云對流方案對降水均值有比

較大的影響。距離最近的集合成員通常是僅有微物理方案不同，說明微物理方案對降水均值的影響較弱。短波輻射方案的影響介于兩種參數(shù)化方案之間。各集合成員與觀測都有較大的距離，反映了模式的系統(tǒng)誤差。地表氣溫的聚類結(jié)果與降水有一定相似性但更不規(guī)律。

分析16個集合成員模擬的變量間的關系并與觀測資料對比。圖3中四種圖標分別代表不同的積云對流方案，圖標的大小代表兩種短波輻射方案，顏色則用于區(qū)分微物理方案。觀測數(shù)據(jù)中降水為CPC數(shù)據(jù)，其余變量均為ERA5數(shù)據(jù)。圖3a為華北地區(qū)邊界層高度與感熱通量的關系，可以看出包括ERA5數(shù)據(jù)在內(nèi)，二者的關系表現(xiàn)為正相關，即感熱通量增加邊界層高度也相應升高，其作用機制為感熱通量的增加利于向邊界層輸送更多的熱量，使邊界層內(nèi)的空氣受熱膨脹引起邊界層高度升高。和ERA5數(shù)據(jù)相比，16個集合成員模擬的感熱通量和邊界層高度均更高。圖3b為2 m氣溫與降水的關系圖，可見模式模擬的2 m氣溫和降水呈現(xiàn)負相關，這是由于降水一方面使土壤濕度增大，蒸散發(fā)過程加強，蒸發(fā)冷卻加劇氣溫降低，另一方面使到達地表的短波輻射減少，氣溫降低。和CPC的降水數(shù)據(jù)相比，模式模擬的降水略偏高。

圖3c為地表向下短波輻射與2 m氣溫的關系，結(jié)果表明二者為正相關關系，其機制為當?shù)乇硐蛳露滩ㄝ椛湓黾訒r，地表感熱通量相應增加進而向邊界層輸送更多的熱量，引起2 m氣溫升高，該關系可以較好地解釋圖3a。同時發(fā)現(xiàn)16個集合成員模擬的地表向下短波輻射均高于ERA5數(shù)據(jù)。圖3d為感熱通量與LCL的關系，二者表現(xiàn)為正相關，這是由于LCL較高時一般云底高度較高，云內(nèi)水汽含量較少，一方面云的反照率減少、到達地面的短波輻射增加，增加感熱通量;另一方面較少的水汽不利于降水的發(fā)生，土壤濕度減小引起波文比增加，分配給感熱通量的能量增多。同時發(fā)現(xiàn)多數(shù)成員模擬的LCL偏高，和圖3a、c其他變量的結(jié)果較一致。

圖3表明和再分析資料相比，模式對地表通量等的模擬普遍存在偏差，然而不同的參數(shù)化方案使模擬的結(jié)果發(fā)生變化。其中積云對流方案使模擬結(jié)果產(chǎn)生較明顯的差別，同一種積云方案，改變微物理方案后圖標的位置稍有改變，表明微物理方案對變量模擬的影響較小。改變短波輻射方案后圖標的位置發(fā)生變化，其主要對2 m氣溫、感熱通量及邊界層的影響較大。

2.2 不同參數(shù)化方案模擬的陸氣耦合

由上述分析可知，不同參數(shù)化方案會導致模擬的陸面和大氣變量存在差別，進一步影響陸氣耦合過程，因此下文重點討論不同參數(shù)化方案模擬的陸氣耦合過程。邊界層內(nèi)的云對陸面與大氣間熱量和水汽的交換起著關鍵作用（Freedman et al.，2001），因此LCL是表征陸氣耦合過程的重要指標。土壤濕度作為重要的陸面變量，對地表潛熱通量有重要的影響。當土壤濕度未達到飽和時，其對潛熱通量有限制作用，二者通常表現(xiàn)為正相關。當土壤濕度增加到一定程度后，由于太陽輻射的限制，潛熱通量不再隨土壤濕度增加，二者的相關變?nèi)酰⊿eneviratne et al.，2010）。關于地表通量與LCL的關系，Wei et al.（2021）做了詳細探討。當氣候處于半干旱狀態(tài)，LCL較低（高）時，云的水汽較多（少）反照率較大（小），降水更（不）容易發(fā)生，使土壤變濕（干），地面向下的短波輻射減少（增加），潛熱通量增加（減小），LCL和潛熱通量呈負相關關系。當氣候較濕潤時，土壤濕度接近飽和，潛熱通量主要受輻射的控制，其對LCL的影響也較弱。此時LCL較低，云的水汽較多反照率較大，使地面向下的短波輻射減少，潛熱通量減小，LCL和潛熱通量呈正相關關系。可以看出，只有LCL和潛熱通量的負相關才代表潛熱通量對LCL可能有影響。

為分析陸氣耦合，計算土壤濕度（SM，Soil Moisture）和潛熱通量（LH，Latent Heat flux）、潛熱通量與LCL的相關系數(shù)R（SM，LH）和R（LH，LCL）作為耦合指標，并分析其隨不同氣候狀態(tài)的變化。具體過程如下：計算研究區(qū)域內(nèi)每個格點的相關系數(shù)及氣候狀態(tài)值（降水、地表向下短波輻射和相對濕度）的夏季平均。將氣候狀態(tài)值從大到小每50個格點進行一次平均，對應的相關系數(shù)也計算平均，得到圖4中的折線。圖4中折線代表了參數(shù)化方案的不同組合方式，相同的對流方案使用同一色調(diào)，用不同的線型、粗細表征微物理及短波輻射方案，黑色折線為再分析數(shù)據(jù)。

圖4a—c分別給出R（SM，LH）與夏季平均降水、地表向下短波輻射及相對濕度的關系。16個集合成員對R（SM，LH）的變化模擬較為一致，和再分析數(shù)據(jù)的結(jié)果也相似。圖4a中華北地區(qū)土壤濕度和潛熱通量呈現(xiàn)正相關關系，這是由于土壤濕度較大時蒸散發(fā)過程增強導致的。同時發(fā)現(xiàn)R（SM，LH）隨降水的增多而減小，這是因為蒸散發(fā)過程逐漸受輻射的控制，陸面對大氣的作用減弱，因此二者的正相關減小。圖4b為R（SM，LH）與地表向下短波輻射的關系，隨著短波輻射的增加R（SM，LH）增大。這是由于地表向下短波輻射增強時感熱通量增加、土壤濕度減小引起潛熱通量減少，因此二者的正相關加強。圖4c為R（SM，LH）與相對濕度的關系，發(fā)現(xiàn)模式模擬的R（SM，LH）隨相對濕度的增加而降低。降水使地表附近的水汽增加，相對濕度增大，同時受到云的影響短波輻射減少，因此R（SM，LH）隨降水、相對濕度（圖4a、c）的變化一致，與4b的結(jié)果相反。

圖4d—f分別為R（LH，LCL）隨夏季平均降水、地表向下短波輻射以及相對濕度的變化。發(fā)現(xiàn)16個集合成員模擬的R（LH，LCL）的變化較相似。圖4d中R（LH，LCL）隨降水的增多逐漸由負轉(zhuǎn)正。這說明在半干旱的華北地區(qū)，隨著土壤濕度的增加，陸面對大氣的影響逐漸減弱。同時由于降水越多，地面相對濕度越大，地表向下短波輻射越少，因此R（LH，LCL）隨降水、相對濕度（圖4d、f）的變化一致，和向下短波輻射（圖4e）的結(jié)果相反，該結(jié)論和再分析數(shù)據(jù)一致。

潛熱通量與土壤濕度、LCL的關系能夠反映陸氣耦合過程。圖4結(jié)果表明16個集合成員對陸氣耦合過程隨氣候狀態(tài)變化的模擬較為一致，但不同參數(shù)化方案的平均氣候態(tài)有所不同。下文進一步評估陸氣耦合過程對16種參數(shù)化方案及氣候態(tài)的敏感性，分析在該過程中具有重要影響的參數(shù)化方案。

2.3 評估陸氣耦合對不同參數(shù)化方案的敏感性

圖5為華北地區(qū)16種參數(shù)化方案及ERA5數(shù)據(jù)的R（SM，LH）與R（LH，LCL）隨地表變量平均狀態(tài)的變化情況。圖5a—c分別代表各參數(shù)化方案模擬的R（SM，LH）隨土壤濕度、地表向下短波輻射及相對濕度的變化。降水使土壤濕度增加，因此圖5a—c中R（SM，LH）的變化情況與圖4a—c一致。圖5a—c中不同的微物理方案沒有使圖標的位置發(fā)生顯著變化，模擬的R（SM，LH）及土壤濕度等差別較小，說明模式對土壤濕度和潛熱通量關系的模擬受該類方案的影響較小。改變圖標的大小時地表向下的短波輻射及R（SM，LH）發(fā)生了較明顯改變，表明短波輻射方案對與輻射相關的變量及二者關系強弱的模擬有一定的作用，其中RRTMG方案使模擬的R（SM，LH）普遍偏大。改變對流方案時圖標的位置發(fā)生了明顯的移動，模擬的R（SM，LH）、土壤濕度等均有不同程度的變化。這表明積云對流方案在地表變量及R（SM，LH）的模擬中起著關鍵的作用。其中Tiedtke方案模擬的R（SM，LH）最大，與Grell-Freitas方案模擬的土壤濕度、短波輻射和R（SM，LH）的差別最為明顯。

圖5d—f分別為R（LH，LCL）隨土壤濕度、地表向下短波輻射及相對濕度的變化，和圖4d—f的變化相同。不同的微物理方案對地表變量、R（LH，LCL）的模擬沒有明顯的影響。不同的短波輻射方案使圖標的位置發(fā)生了較明顯的移動，且對地表向下短波輻射和相對濕度的影響較大。其中RRTMG方案普遍使模擬的短波輻射增加、相對濕度及R（LH，LCL）減小。積云對流方案在對地表變量、R（LH，LCL）的模擬中仍發(fā)揮著較重要的作用，不同的對流方案模擬的土壤濕度及R（LH，LCL）等存在較明顯的差異。其中Grell 3D方案模擬的R（LH，LCL）最大，Kain-Fritsch方案的R（LH，LCL）最小。

通過對圖3—5的分析發(fā)現(xiàn)，不同參數(shù)化方案使模式對氣候狀態(tài)的模擬出現(xiàn)差異，該差異通過變量間的作用進一步體現(xiàn)在陸氣耦合過程中。盡管圖4中16種參數(shù)化方案模擬的陸氣耦合隨氣候態(tài)的變化較一致，但模式的局地不同氣候態(tài)使得陸氣耦合強度有所不同（圖5）。同時圖5中三類方案模擬的陸氣耦合過程在強度上存在差異，其受微物理方案的影響較小，因此在利用WRF 4.0模式分析陸氣耦合時應注意參數(shù)化方案的選取及搭配方式。

3 結(jié)論和討論

陸氣相互作用較為復雜，模式是分析該過程的有效工具，然而不同模式間的差別、參數(shù)化等帶來的誤差會對陸氣耦合的模擬產(chǎn)生影響。本文利用WRF 4.0模式，選取三類不同參數(shù)化方案隨機搭配產(chǎn)生16種組合，并分析模式對華北地區(qū)2013年夏季陸氣耦合過程的模擬情況及對不同參數(shù)化方案的敏感性。主要結(jié)論有：

1）不同積云對流方案對模擬的降水平均態(tài)影響較大，其次是短波輻射方案，而微物理方案影響較小。通過和ERA5再分析資料的對比發(fā)現(xiàn)，模式所有參數(shù)化方案對感熱通量、邊界層高度、LCL和短波輻射的模擬偏高。

2）和土壤濕度與潛熱通量的相關R（SM，LH）一樣，LCL與潛熱通量的相關系數(shù)R（LH，LCL）也能夠體現(xiàn)陸氣耦合過程。分析發(fā)現(xiàn)隨著降水和相對濕度增加、短波輻射的減少，R（SM，LH）由正值趨近于0、R（LH，LCL）由負轉(zhuǎn)正，這是因為隨著氣候由干到濕，陸氣耦合由強變?nèi)酢Ｔ?6個集合成員中類似。

3）對于半干旱的華北地區(qū)，不同參數(shù)化方案的16個集合成員模擬的陸氣耦合的強弱有明顯差別。這與它們模擬的氣候態(tài)的不同密切相關，偏干（濕）的模式有更強（弱）的陸氣耦合。

評估不同參數(shù)化方案模擬的陸氣耦合過程對優(yōu)化WRF 4.0的模擬結(jié)果有著重要的指導意義，同時在利用WRF 4.0模式模擬時應注意參數(shù)化方案的選擇及搭配，尤其是積云對流方案的選擇。由于陸面資料的缺乏，本文中用于評估模式的地表熱通量、邊界層高度等變量為ERA5數(shù)據(jù)，其可能與實際情況存在偏差。本研究只選用了三類方案，且短波輻射方案和微物理方案只有兩種，所以對各方案的重要性需要進一步評估。另外，不同邊界層方案、陸面方案等的影響也需進一步分析。文中沒有直接討論大尺度環(huán)流變化對陸氣耦合的影響，但間接討論了大尺度環(huán)流造成的干濕變化的影響，大尺度大氣系統(tǒng)對陸氣耦合的其他影響需要更深入研究。

參考文獻（References）

Betts A K，2009.Land-surface-atmosphere coupling in observations and models［J］.J Adv Modeling Earth Syst，1（3）：4.doi：10.3894／JAMES.2009.1.4.

Christensen J H，Christensen O B，2003.Climate modelling：severe summertime flooding in Europe［J］.Nature，421（6925）：805-806.doi：10.1038／421805a.

Chu Q，Xu Z X，Chen Y H，et al.，2018.Evaluation of the ability of the Weather Research and Forecasting model to reproduce a sub-daily extreme rainfall event in Beijing，China using different domain configurations and spin-up times［J］.Hydrol Earth Syst Sci，22（6）：3391-3407.doi：10.5194／hess-22-3391-2018.

Crétat J，Pohl B，Richard Y，et al.，2012.Uncertainties in simulating regional climate of Southern Africa：sensitivity to physical parameterizations using WRF［J］.Clim Dyn，38（3／4）：613-634.doi：10.1007／s00382-011-1055-8.

Das S，Ashrit R，Moncrieff M W，2006.Simulation of a Himalayan cloudburst event［J］.J Earth Syst Sci，115（3）：299-313.doi：10.1007／BF02702044.

Delworth T，Manabe S，1989.The influence of soil wetness on near-surface atmospheric variability［J］.J Climate，2（12）：1447-1462.doi：10.1175／1520-0442（1989）002lt;1447：tioswogt;2.0.co;2.

Dimri A P，Chevuturi A，Niyogi D，et al.，2017.Cloudbursts in Indian Himalayas：a review［J］.Earth Sci Rev，168：1-23.doi：10.1016／j.earscirev.2017.03.006.

Dirmeyer P A，Koster R D，Guo Z C，2006.Do global models properly represent the feedback between land and atmosphere？［J］.J Hydrometeorol，7（6）：1177-1198.doi：10.1175／jhm532.1.

Dirmeyer P A，Wu J X，Norton H E，et al.，2016.Confronting weather and climate models with observational data from soil moisture networks over the United States［J］.J Hydrometeorol，17（4）：1049-1067.doi：10.1175／JHM-D-15-0196.1.

Dirmeyer P A，Chen L，Wu J X，et al.，2018a.Verification of land-atmosphere coupling in forecast models，reanalyses，and land surface models using flux site observations［J］.J Hydrometeorol，19（2）：375-392.doi：10.1175／jhm-d-17-0152.1.

Dirmeyer P A，Halder S，Bombardi R，2018b.On the harvest of predictability from land states in a global forecast model［J］.J Geophys Res Atmos，123（23）：13111-13127.doi：10.1029／2018JD029103.

Done J，Davis C A，Weisman M，2004.The next generation of NWP：explicit forecasts of convection using the weather research and forecasting （WRF） model［J］.Atmos Sci Lett，5（6）：110-117.doi：10.1002／asl.72.

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.doi：10.1175／1520-0469（1989）046lt;3077：nsocodgt;2.0.co;2.

Easterling D R，Meehl G A，Parmesan C，et al.，2000.Climate extremes：observations，modeling，and impacts［J］.Science，289（5487）：2068-2074.doi：10.1126／science.289.5487.2068.

Findell K L，Gentine P，Lintner B R，et al.，2011.Probability of afternoon precipitation in eastern United States and Mexico enhanced by high evaporation［J］.Nat Geosci，4（7）：434-439.doi：10.1038／ngeo1174.

Fischer E，Seneviratne S，Vidale P，et al.，2007.Soil moisture：atmosphere interactions during the 2003 European summer heat wave［J］.J Climate，20：5081-5099.doi：10.1175／JCLI4288.1.

Freedman J M，F(xiàn)itzjarrald D R，Moore K E，et al.，2001.Boundary layer clouds and vegetation-atmosphere feedbacks［J］.J Climate，14（2）：180-197.doi：10.1175／1520-0442（2001）013lt;0180：blcavagt;2.0.co;2.

高楚杰，2018.中國東部地區(qū)陸-氣耦合的區(qū)域性差異及土壤濕度的可能影響［D］.南京：南京信息工程大學. Gao C J，2018.Regional differences in land-atmosphere coupling and possible impacts of soil moisture over Eastern China［D］.Nanjing：Nanjing University of Information Science ＆ Technology.（in Chinese）.

Gebremariam S，Li S W，Weldegaber M，2018.Observed correlation between aerosol and cloud base height for low clouds at Baltimore and New York，United States［J］.Atmosphere，9（4）：143.doi：10.3390／atmos9040143.

Grell G A，Dévényi D，2002.A generalized approach to parameterizing convection combining ensemble and data assimilation techniques［J］.Geophys Res Lett，29（14）：38-1.doi：10.1029／2002GL015311.

Grell G A，F(xiàn)reitas S R，2014.A scale and aerosol aware stochastic convective parameterization for weather and air quality modeling［J］.Atmos Chem Phys，14（10）：5233-5250.doi：10.5194／acp-14-5233-2014.

Hersbach H，Bell B，Berrisford P，et al.，2020.The ERA5 global reanalysis［J］.Quart J Roy Meteor Soc，146（730）：1999-2049.doi：10.1002／qj.3803.

Hohenegger C，Brockhaus P，Bretherton C S，et al.，2009.The soil moisture-precipitation feedback in simulations with explicit and parameterized convection［J］.J Climate，22（19）：5003-5020.

Hong S Y，Lim J O J，2006.The WRF Single-Moment 6-Class microphysics Sscheme （WSM6）［J］.Asia Pacific Journal of Atmospheric Sciences，42.

Iacono M J，Delamere J S，Mlawer E J，et al.，2008.Radiative forcing by long-lived greenhouse gases：calculations with the AER radiative transfer models［J］.J Geophys Res Atmos，113（D13）：D13103.doi：10.1029／2008JD009944.

Kain J S，2004.The kain-fritsch convective parameterization：an update［J］.J Appl Meteor，43（1）：170-181.doi：10.1175／1520-0450（2004）043lt;0170：tkcpaugt;2.0.co;2.

Karki R，Hasson S U，Gerlitz L，et al.，2018.WRF-based simulation of an extreme precipitation event over the Central Himalayas：atmospheric mechanisms and their representation by microphysics parameterization schemes［J］.Atmos Res，214：21-35.doi：10.1016／j.atmosres.2018.07.016.

Koster R D，Suarez M J，1995.Relative contributions of land and ocean processes to precipitation variability［J］.J Geophys Res Atmos，100（D7）：13775-13790.doi：10.1029／95jd00176.

Koster R D，Sud Y C，Guo Z C，et al.，2006.GLACE：the global land-atmosphere coupling experiment.part I：overview［J］.J Hydrometeorol，7（4）：590-610.doi：10.1175／jhm510.1.

Lawrence M G，2005.The relationship between relative humidity and the dewpoint temperature in moist air：a simple conversion and applications［J］.Bull Amer Meteor Soc，86（2）：225-234.doi：10.1175／bams-86-2-225.

Levine P A，Randerson J T，Swenson S C，et al.，2016.Evaluating the strength of the land-atmosphere moisture feedback in Earth system models using satellite observations［J］.Hydrol Earth Syst Sci，20（12）：4837-4856.doi：10.5194／hess-20-4837-2016.

李潤春，張秀芝，呂心艷，等，2017.渭河流域土壤濕度異常特征與我國若干氣候背景的聯(lián)系［J］.大氣科學學報，40（1）：100-110. Li R C，Zhang X Z，Lyu X Y，et al.，2017.The anomaly characteristics of the soil moisture of Wei River Basin and its contact with several climate background in China［J］.Trans Atmos Sci，40（1）：100-110.doi：10.13878／j.cnki.dqkxxb.20111224001.（in Chinese）.

Meehl G A，Tebaldi C，2004.More intense，more frequent，and longer lasting heat waves in the 21st century［J］.Science，305（5686）：994-997.doi：10.1126／science.1098704.

梅欽，智協(xié)飛，王佳，2018.WRF模式不同云參數(shù)化方案的暴雨預報能力檢驗及集成試驗［J］.大氣科學學報，41（6）：731-742. Mei Q，Zhi X F，Wang J，2018.Verification and consensus experiments of rainstorm forecasting using different cloud parameterization schemes in WRF model［J］.Trans Atmos Sci，41（6）：731-742.doi：10.13878／j.cnki.dqkxxb.20180306002.（in Chinese）.

Mei R，Wang G L，2012.Summer land-atmosphere coupling strength in the United States：comparison among observations，reanalysis data，and numerical models［J］.J Hydrometeorol，13（3）：1010-1022.doi：10.1175／jhm-d-11-075.1.

Pal J S，Giorgi F，Bi X Q，2004.Consistency of recent European summer precipitation trends and extremes with future regional climate projections［J］.Geophys Res Lett，31（13）：L13202.doi：10.1029／2004GL019836.

Risnen J，2002.CO2-induced changes in interannual temperature and precipitation variability in 19 CMIP2 experiments［J］.J Climate，15（17）：2395-2411.doi：10.1175／1520-0442（2002）0152395：ciciitgt;2.0.co;2.

Ruiz J，Saulo C，Nogués-Paegle J，2010.WRF model sensitivity to choice of parameterization over South America：validation against surface variables［J］.Mon Weather Rev，138（8）：3342-3346，3348.

Schlosser C A，Milly P C D，2002.A model-based investigation of soil moisture predictability and associated climate predictability［J］.J Hydrometeor，3（4）：483-501.doi：10.1175／1525-7541（2002）003lt;0483：ambiosgt;2.0.co;2.

Seneviratne S I，Lüthi D，Litschi M，et al.，2006.Land-atmosphere coupling and climate change in Europe［J］.Nature，443（7108）：205-209.doi：10.1038／nature05095.

Seneviratne S I，Corti T，Davin E L，et al.，2010.Investigating soil moisture-climate interactions in a changing climate：a review［J］.Earth Sci Rev，99（3／4）：125-161.doi：10.1016／j.earscirev.2010.02.004.

Shukla J，Mintz Y，1982.Influence of land-surface evapotranspiration on the earth’s climate［J］.Science，215（4539）：1498-1501.doi：10.1126／science.215.4539.1498.

Swenson S C，Lawrence D M，2014.Assessing a dry surface layer-based soil resistance parameterization for the Community Land Model using GRACE and FLUXNET-MTE data［J］.J Geophys Res Atmos，119（17）：10299-10312.doi：10.1002／2014JD022314.

Taylor C M，de Jeu R A M，Guichard F，et al.，2012.Afternoon rain more likely over drier soils［J］.Nature，489（7416）：423-426.doi：10.1038／nature11377.

Taylor C M，Birch C E，Parker D J，et al.，2013.Modeling soil moisture-precipitation feedback in the Sahel：importance of spatial scale versus convective parameterization［J］.Geophys Res Lett，40（23）：6213-6218.doi：10.1002／2013GL058511.

Thompson G，F(xiàn)ield P R，Rasmussen R M，et al.，2008.Explicit forecasts of winter precipitation using an improved bulk microphysics scheme.part II：implementation of a new snow parameterization［J］.Mon Wea Rev，136（12）：5095-5115.doi：10.1175／2008mwr2387.1.

Wei J F，Dirmeyer P A，2019.Sensitivity of land precipitation to surface evapotranspiration：a nonlocal perspective based on water vapor transport［J］.Geophys Res Lett，46（21）：12588-12597.doi：10.1029／2019GL085613.

Wei J F，Dirmeyer P A，Guo Z C，2010.How much do different land models matter for climate simulation？part Ⅱ：a decomposed view of the land-atmosphere coupling strength［J］.J Climate，23（11）：3135-3145.doi：10.1175／2010jcli3178.1.

Wei J F，Su H，Yang Z L，2016.Impact of moisture flux convergence and soil moisture on precipitation：a case study for the southern United States with implications for the globe［J］.Clim Dyn，46（1／2）：467-481.doi：10.1007／s00382-015-2593-2.

Wei J F，Zhao J W，Chen H S，et al.，2021.Coupling between land surface fluxes and lifting condensation level：mechanisms and sensitivity to model physics parameterizations［J］.J Geophys Res Atmos，126（5）：e2020JD034313.doi：10.1029／2020JD034313.

Xie P P，Yatagai A，Chen M Y，et al.，2007.A gauge-based analysis of daily precipitation over East Asia［J］.J Hydrometeorol，8（3）.doi：10.1175／JHM583.1.

余波，陳海山，孫悅，2020.東亞中緯度夏季陸面增暖與土壤濕度異常的聯(lián)系［J］.大氣科學學報，43（1）：201-211. Yu B，Chen H S，Sun Y，2020.Linkage between summer land surface warming in mid-latitude of East Asia and soil moisture anomalies［J］.Trans Atmos Sci，43（1）：201-211.doi：10.13878／j.cnki.dqkxxb.20190407001.（in Chinese）.

Zhang C X，Wang Y Q，Hamilton K，2011.Improved representation of boundary layer clouds over the southeast Pacific in ARW-WRF using a modified tiedtke cumulus parameterization scheme［J］.Mon Wea Rev，139（11）：3489-3513.doi：10.1175／MWR-D-10-05091.1.

Zhang J Y，Wang W C，Wei J F，2008.Assessing land-atmosphere coupling using soil moisture from the Global Land Data Assimilation System and observational precipitation［J］.J Geophys Res Atmos，113（D17）：D17119.doi：10.1029／2008JD009807.

智協(xié)飛，董甫，張玲，等，2020.基于不同微物理過程的廣西沿海南風型暖區(qū)暴雨的數(shù)值模擬研究［J］.大氣科學學報，43（5）：867-879. Zhi X F，Dong F，Zhang L，et al.，2020.Numerical simulation of southerly type warm-sector heavy rainfall in the coastal region of Guangxi using various cloud microphysics parameterization schemes in the WRF Model［J］.Trans Atmos Sci，43（5）：867-879.doi：10.13878／j.cnki.dqkxxb.20200106001.（in Chinese）.

祖繁，樊曙先，王詠薇，等，2016.復雜下墊面風電場風速數(shù)值模擬及誤差特征［J］.大氣科學學報，39（5）：672-682. Zu F，F(xiàn)an S X，Wang Y W，et al.，2016.Numerical simulation and error characteristics for wind speed on a wind farm over a complex underlying surface［J］.Trans Atmos Sci，39（5）：672-682.doi：10.13878／j.cnki.dqkxxb.20121224001.（in Chinese）.

·ARTICLE·

A preliminary study on the sensitivity of WRF 4.0 model land-atmosphere coupling to different physical parameterization schemes

LIU Yimeng1，2，WEI Jiangfeng1，ZHAO Jingwen1

1Key Laboratory of Meteorological Disaster （NUIST），Ministry of Education／Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters，Nanjing University of Information Science ＆ Technology，Nanjing 210044，China;

2Hainan Meteorological Observation Centre，Key Laboratory of South China Sea Meteorological Disaster Prevention and Mitigation of Hainan Province，Haikou 570203，China

Abstract Different model parameterization schemes affect the simulation of weather and climate，but their effect on the simulated land-atmosphere coupling is still unclear.In this study，16 different physical parameterization schemes are used with the WRF 4.0 model to simulate the climate in northern China during the summer of 2013.The simulated mean precipitation is found to be most affected by cumulus schemes，least affect by microphysics schemes，and affected in between by shortwave radiation schemes.The correlation coefficients between soil moisture and latent heat flux （R（SM，LH）） and between latent heat flux and lifting condensation level height （R（LH，LCL））are used to represent land-atmosphere coupling，and their sensitivities to different parameterization schemes are investigated.The study shows that R（SM，LH）decreases with precipitation and relative humidity and increases with downward shortwave radiation，while the change in R（LH，LCL）is opposite.The changes in both metrics are similar and are related to the mean wetness changes.As the soil moisture tends to saturate，evapotranspiration is limited gradually by solar radiation，and the influence of land processes on the atmosphere weakens.Besides，the strength of the simulated land-atmosphere coupling varies with the physical parameterization schemes，including the cumulus schemes，microphysics schemes，and shortwave radiation schemes.These differences in coupling are also closely related to the different mean climates simulated by different parameterization schemes.Therefore，this study has important guidance for choosing parameterization schemes in WRF 4.0，especially cumulus schemes.

Keywords land-atmosphere coupling;WRF 4.0;parameterization scheme;lifting condensation level

doi：10.13878／j.cnki.dqkxxb.20210406001

（責任編輯：張福穎）