尺度適應積云對流參數化方案對臺風“暹芭”的數值模擬

摘要 傳統的積云對流參數化方案難以較好地適用于高水平分辨率，特別是10 km以下水平分辨率的降水數值模擬，尺度適應（scaleaware）積云對流參數化方案是對此進行改進的有效方法。在中國氣象局中尺度模式（China Meteorological Administration MESOscale model，CMAMESO）中應用尺度適應KFeta（Kain-Fritsch eta）積云對流參數化方案對臺風“暹芭”進行800 m、1 km、3 km、10 km和20 km這5種水平分辨率的數值模擬試驗。結果表明：（1）隨著水平分辨率的提高，尺度適應KFeta積云對流參數化方案模擬的降水強度和落區更接近實況，顯著減少了由積云引起的虛假性降水，提高了網格降水量。（2）隨著對流強度減弱，尺度適應KFeta積云對流參數化方案TS（threat score）評分優勢逐漸凸顯，空報率和漏報率明顯改善。（3）在降水最大時刻的強對流區域，尺度適應KFeta積云對流參數化方案雷達組合反射率因子的模擬結果更優。整體來看，尺度適應KFeta積云對流參數化方案在對流強度較弱的條件下表現更出色，為改進現行數值模式強降水預報提供了參考。

關鍵詞 CMAMESO模式；KFeta方案；積云對流參數化方案；臺風“暹芭”

中圖分類號： P444；P456.7文獻標志碼： A文章編號： 20963599（2025）01003412

DOI：10.19513/j.cnki.hyqxxb.20240625002

Abstract Traditional cumulus convection parameterization schemes may be inefficient in the numerical simulation of precipitation with high resolution model， especially when the grid size less than 10 km， while the scaleaware cumulus convection parameterization scheme is an effective alternative. In this study， 5 simulation experiments with horizontal resolutions of 800 m， 1 km， 3 km， 10 km and 20 km are carried out using the CMAMESO model （China Meteorological Administration MESOscale model） and the scaleaware KFeta （Kain-Fritsch eta） cumulus convection parameterization scheme for Typhoon Chaba. The results are as follows. （1） With the increase of horizontal resolution， the precipitation intensity and falling area simulated by the scaleaware KFeta cumulus convection parameterization scheme are closer to the real situation， which significantly reduces the 1 precipitation caused by cumulus clouds and improves the grid precipitation. （2） With the weakening of convective intensity， the advantages of the scaleaware KFeta cumulus convection parameterization scheme gradually become prominent， and the missing ratio and 1 alarm ratio are significantly reduced. （3） In the strong convection area at the time of the maximum precipitation， the simulation results of the radar composite reflectivity of the scaleaware KFeta cumulus convection parameterization scheme are better. On the whole， the scaleaware KFeta cumulus convection parameterization scheme performs better under weak convective intensity， which provides a reference for improving the prediction of heavy precipitation in the current numerical model.

Keywords CMAMESO model （China Meteorological Administration MESOscale model）; KFeta （Kain-Fritsch eta） scheme; cumulus convection parameterization scheme; Typhoon Chaba

引言

臺風帶來的狂風暴雨是破壞性極強且危險性極高的災害性天氣，登陸中國的臺風每年平均有7～8個，嚴重威脅到人民生命財產安全［1］。因此，對臺風暴雨的研究一直是氣象工作者的重難點之一。近幾十年來，數值預報模式以及各種物理過程的應用不斷推進臺風暴雨的研究［2-4］。李超等［5］采用5 km水平分辨率WRF（Weather Research and Forecasting）模式對超強臺風“桑美”進行數值模擬及診斷分析，其模擬結果較好地再現了臺風“桑美”的發展演變過程及登陸情況。龐琦燁等［6］利用WRF模式采用4種微物理方案對比分析各方案對臺風“彩虹”的模擬效果，結果表明不同云微物理方案模擬差異主要在于云冰、雪和霰粒子。李宸昊等［7］利用WRF 3.7.1版本，選取6種積云對流參數化方案，對臺風“尤特”進行數值模擬敏感性試驗，研究發現積云對流參數化方案對臺風路徑和強度影響較為明顯。

盡管臺風暴雨相關研究已取得很大進展，但隨著數值模式水平分辨率的不斷提高和中尺度數值模式系統的不斷完善，近年來在1 km甚至次千米網格距開展中、小尺度對流系統的數值模擬研究［8-10］不斷涌現，而目前模式中還沒有發展出適合水平分辨率小于10 km的積云對流參數化方案［11］，高分辨率模式難以顯示解析積云對流過程，從而導致暴雨模擬中虛假性降水增多［12-13］。Bullock等［14］認為在WRF模式中，由于對流時間尺度t值通常為默認下限，以至于產生較高的對流性降水。而有研究［15］發現，僅依靠模式動力過程和微物理過程會使得對流發生偏晚偏強，使用對流參數化方案可以更快地觸發對流。

因此在數值模式中采用微物理過程和積云對流參數化過程相結合的方式對預報性能更優，改進傳統的積云參數化方案使其隨模式水平分辨率而調整，即具有尺度適應性（scaleaware）是數值天氣預報模式發展的重要方向之一［16-17］。徐道生等［18-19］通過對積云參數化方案的云底質量通量進行限制，其結果可以有效地消除高水平分辨率模式中引起的虛假降水，同時又合理引入一些次網格尺度弱對流的影響，達到改進模式降水預報效果的目的。Zheng等［20］通過修改積云對流參數化方案的對流時間尺度、格點垂直速度和夾卷率，并在高水平分辨率模式中進行試驗，有效提高了降水落區和強度預報。趙晨陽等［21］對華南一次颮線過程采用尺度適應KFeta（Kain-Fritsch eta）積云對流參數化方案進行數值模擬，結果表明該方案更適用于高水平分辨率數值預報模式。楊揚等［22］選取4種積云對流參數化方案研究其對夏季降水預報的影響，結果表明KF（Kain-Fritsch）和New Tiedtke尺度適應方案對夏季平均降水的量級和落區預報比原方案更優。

當數值模式水平分辨率提高至10 km以下時，對流參數化方案中的卷入、卷出和垂直輸送過程難以被模式顯示分辨，這極大地限制高水平分辨率數值模式性能的提高。基于這一點，通過在中國氣象局中尺度模式（China Meteorological Administration MESOscale model，CMAMESO）中應用尺度適應KFeta積云對流參數化方案，對2022年致使中國受災嚴重的臺風“暹芭”進行數值模擬研究，旨在分析不同水平分辨率下積云對流參數化方案對臺風暴雨的預報性能，重點關注尺度適應KFeta積云對流參數化方案對不同水平分辨率和對流強度降水預報的影響。

1模式試驗設置和資料

1.1模式試驗設置

為了評估尺度適應積云對流參數化方案在不同水平分辨率和對流強度下的效果，通過在CMAMESO模式中應用尺度適應KFeta積云對流參數化方案，組合5種水平分辨率（800 m、1 km、3 km、10 km和20 km）對臺風“暹芭”造成的華南地區暴雨過程進行數值模擬，模式模擬時間分別為2022年7月2日00時—3日00時（世界時，下同）和4日00時—5日00時，時間積分步長為60 s，垂直層數為49層，模擬范圍為15°～30°N、100°～121°E。共設計3組試驗：（1）采用模式中原有的KFeta積云對流參數化方案，記為KF組。（2）采用尺度適應KFeta積云對流參數化方案，該方案主要的改進包括對流時間尺度的動力調整、格點垂直速度和夾卷率，記為scale組。（3）不采用積云對流參數化方案，記為phy組。

3組試驗均包含800 m、1 km、3 km、10 km和20 km這5種水平分辨率，其余物理方案一致，即微物理參數化方案為WSM6（WRF Singlemoment 6class microphysics scheme）方案，長波輻射過程為RRTM（rapid radiative transfer model）方案，短波輻射過程為Dudhia方案，陸面過程為Noah方案。

1.2資料

模式的初始場數據采用美國國家環境預報中心（National Centers for Environmental Prediction，NCEP）的全球預報系統（Global Forecast System，GFS）數值天氣預報產品，

采用的其他觀測資料包括：中國氣象局地球系統數值預報中心（CMA Earth System Modeling and Prediction Center，簡記為“CEMC”）提供的國家級氣象觀測站24 h累計降水資料、中國多普勒天氣雷達組合反射率因子三維組網拼圖資料。

2方案介紹

2.1KFeta方案

KFeta積云對流參數化方案是基于舊KF方案改進而來的，該方案主要通過夾卷釋放有效位能，考慮云中上升氣流卷入和下沉氣流卷出以及簡單微物理過程的影響，有效抑制了弱輻合條件下的深對流活動，同時提高了強輻合環境下的深對流。在KFera方案中，對流受到大氣穩定度、低層輻合和格點尺度垂直速度的共同作用，能更真實地表征出云和環境的相互作用。

2.2尺度適應KFeta方案

尺度適應KFeta積云對流參數化方案基于Zheng等［20］提出的KFeta方案，將對流時間尺度調整為與模式水平網格尺度相適應，利用次網格上升氣流質量通量提高格點垂直速度，并調整夾卷率使其依賴于模式水平網格尺度。由于原KFeta方案中大多參數考慮網格尺度為25 km［23］，隨著模式水平分辨率的不斷提高，為了使對流參數化方案在空間尺度上有效銜接，對流時間尺度t應隨著網格水平分辨率的提高而增加，使得進行參數化的對流過程減少，從而維持KFeta方案過渡到網格尺度云物理方案的穩定性，最終給出尺度適應參數β。

3數值試驗結果分析

3.1降水落區分析

根據國家級氣象觀測站24 h累計降水資料的插值結果，2022年7月2日00時，“暹芭”加強為臺風，2日07時在廣東電白沿海登陸，4日00時停止編號，給華南地區帶來強烈的暴雨影響，造成巨大的人員傷亡和財產損失。2022年7月2日00時—3日00時（圖1a），臺風“暹芭”造成的降水主要分布在海南南部、雷州半島和廣東大部分地區，呈東北—西南走向，降水量超過150 mm的強降水中心主要位于廣東和海南西南部。4日00時—5日00時（圖1b），雨帶北移，降水量大幅減少，強降水中心移至廣西南部和廣東北部。

圖2a—e、f—j、k—o分別為KF組、scale組和phy組試驗在800 m、1 km、3 km、10 km和20 km水平分辨率下2022年7月2日00時—3日00時24 h累計降水量。3組試驗模擬的降水帶與實況分布較為一致，均呈東北—西南走向，但降水量模擬結果差異較大，特別是高水平分辨率下3組試驗在雷州半島及其周邊海域空報嚴重，而20 km水平分辨率下均未模擬出海南西南部的強降水中心，其余水平分辨率下在該區域模擬的降水量均較小。KF組在各水平分辨率下均空報了廣東東南沿海的降水量。phy組試驗在10 km和20 km水平分辨率下模擬的降水落區范圍遠大于實況，在800 m水平分辨率下模擬的廣東降水量遠小于實況。scale組相比其余2組，減小了廣東中東部降水量的模擬，與實況更接近。

圖3a—e、f—j、k—o分別為KF組、scale組和phy組試驗在800 m、1 km、3 km、10 km和20 km水平分辨率下2022年7月4日00時—5日00時24 h累計降水量。3組試驗在廣東中部降水量超過150 mm的強降水中心與實況相比略偏南。KF組和phy組試驗對廣西南部和廣東中部的強降水區域模擬降水強度較小，而scale組在該地區的模擬結果明顯改善且與觀測結果更一致。從降水模擬結果整體來看，3組試驗隨著水平分辨率的提高，所模擬的降水落區與觀測更接近。其中scale組對于強降水中心（24 h累計降水量大于150 mm）的模擬效果較優，且隨水平分辨率提高和對流強度減弱這種優勢更加明顯。

為進一步研究尺度適應KFeta積云對流方案對不同水平分辨率降水模擬的影響，分別分析KF組和scale組試驗由積云過程引起的次網格降水量和由微物理過程引起的網格降水量。2022年7月2日00時—3日00時，由24 h積云累計降水量（圖4）可以看出KF組試驗在廣東中部及沿海地區有明顯的次網格降水，而scale組試驗次網格降水量隨著模式水平分辨率的提高明顯減少，同時在次網格降水量減少的區域總降水模擬結果與實況更接近。基于上述分析結果，不可否認scale組試驗對于降水模擬結果有一定的改進，其具體表現在減少了由于積云引起的虛假降水（圖4），增加了網格降水量（圖5），降水強度和落區分布更接近實況。

3.2降水評分分析

為了更客觀地分析尺度適應KFeta積云對流參數化方案的降水模擬效果，采用數值模擬結果與國家級氣象觀測站24 h累計降水資料的TS（threat score）評分與Bias評分分降水等級進行評估。TS評分越接近1.0，表示數值模式對該等級降水預報效果越好。Bias評分能夠衡量預報與實況的近似程度。當Bias評分小于1.0時，出現漏報，反之則為空報；當Bias評分等于1.0時，表示預報與觀測降水基本一致。兩者計算公式如下。

由2022年7月2日00時—3日00時（圖6—7）和7月4日00時—5日00時（圖8—9）不同量級24 h累計降水量的TS評分和Bias評分來看，7月2日00時—3日00時，KF組和phy組在25 mm及以上量級的TS評分中優勢較明顯，但phy組的Bias評分（除800 m外）均隨水平分辨率增大而遠大于1.0，出現嚴重的空報現象；50 mm及以上量級scale組試驗TS評分相比其余2組明顯提高，Bias評分更接近1.0，可見尺度適應KFeta積云對流參數化方案的應用很大程度降低了空報和漏報現象。7月4日00時—5日00時，當水平分辨率達到3 km時，scale組和KF組25 mm及以上量級的TS評分均較高，但KF組相比更優，考慮是scale組在湖南南部降水偏大所致；就Bias評分而言，scale組幾乎在各降水量級都更接近1.0。以上結果表明模式中僅使用微物理過程會造成嚴重的空報和漏報現象。綜合分析可以認為尺度適應KFeta積云對流參數化方案（scale組）對不同水平分辨率24 h降水模擬均有一定的改進作用，在降水強度較小時改進效果更明顯。

3.3雷達組合反射率因子分析

為了解3組試驗對臺風內部結構的模擬差異，分別選取2022年7月2日09時和4日06時（2—3日和4—5日降水量最大時刻）的雷達組合反射率因子進行進一步分析研究。由圖10a可看出，臺風“暹芭”登陸后中心位于廣東西南部，在臺風中心外圍均有密實的線狀強回波帶，回波強度超過50 dBZ。2022年7月2日09時（圖11），除20 km水平分辨率外，3組試驗在北部灣至海南北部形成明顯回波帶，且隨水平分辨率提高回波強度有所增大，3組試驗在臺風中心組合反射率因子大于35 dBZ的區域均過小。其中scale組相比KF組在東側海面以及回波中心附近的組合反射率因子強度略有減小，而在廣東中部略強，這點與觀測結果更為一致。7月4日06時（圖10b），臺風“暹芭”已經減弱為熱帶低壓，其回波強度有所減小，整體呈東北—西南向的帶狀分布，在廣東西南部有新生對流單體。隨著水平分辨率的提高，3組試驗模擬結果（圖12）在廣東西南部的回波強度均較小，但scale組試驗略大于其余2組，且在湖南南部回波強度略小于其余2組，這2點優勢更接近實況觀測結果。整體來看，7月2日09時和7月4日06時實況回波強度大于35 dBZ的區域，3組試驗回波強度在低水平分辨率下相比實況略小但分布范圍略大，隨著水平分辨率的提高，模擬雷達回波強度增強，且與實況圖中雷達回波所顯示的對流范圍分布更一致；其中scale組在7月4日06時對廣東西南部的新生對流單體模擬得更好。因此尺度適應KFeta積云對流參數化方案的應用使得雷達組合反射率因子模擬更優，同時反饋得到的降水強度和分布也更接近實況。

4結論與討論

采用CMAMESO 5.1版本，組合5種水平分辨率（800 m、1 km、3 km、10 km和20 km），設計3組試驗對臺風“暹芭”造成的華南地區暴雨過程進行數值模擬，探究尺度適應KFeta積云對流參數化方案在不同水平分辨率和對流強度下的模擬效果。通過對比模擬的降水結果和雷達組合反射率因子，得到如下結果：

（1）3組試驗均能模擬出與實況相似的降水雨帶，但降水強度略有差異。隨水平分辨率增大和對流強度減弱，scale組試驗模擬的強降水中心落區與實況更接近，由于積云引起的虛假性降水明顯減少，有效提高了網格降水量，對總降水量模擬有一定的改善。

（2）24 h累計降水量的TS評分和Bias評分表明，對流強度較強時KF組和phy組存在明顯空報現象，scale組能很大程度降低這一現象。同時隨對流強度減小，scale組TS評分相對提高且Bias評分更接近1.0。總體而言，尺度適應KFeta方案對不同量級的降水模擬結果均有一定的改進作用，且在對流強度較弱時改進更明顯。

（3）對2022年7月2日09時和4日06時（2—3日和4—5日降水量最大時刻）雷達組合反射率因子的分析發現，scale組試驗在強對流區域模擬的雷達回波更接近實況觀測，對于新生單體的模擬也更優。

整體而言，對臺風“暹芭”前后期的模擬結果表明，在高水平分辨率CMAMESO模式中采用尺度適應KFeta積云對流參數化方案對降水模擬有一定的優勢，并且這一優勢在對流強度較弱的條件下表現更出色，為提高數值模式在10 km水平分辨率以下的模擬效果提供了一定的實踐依據。文中只是尺度適應KFeta積云參數化方案對臺風“暹芭”的數值模擬研究，其區域也僅限于華南平原地區，未來將進一步將該尺度適應方案拓展至不同地形和不同季節的強對流天氣過程中，以更好地驗證該方案的普適性。

參考文獻：

［1］程正泉，陳聯壽，徐祥德，等.近10年中國臺風暴雨研究進展［J］.氣象，2005，31（12）：39.

［2］譚曉偉.邊界層高度和動量粗糙度的不確定性對臺風“天鴿”（1713）模擬的影響［J］.海洋氣象學報，2023，43（1）：3951.

［3］王海平，渠鴻宇，董林，等.CMA數值模式對臺風“杜蘇芮”（2305）的預報性能分析［J］.海洋氣象學報，2023，43（4）：2131.

［4］程佳佳，徐國強.鄭州“7·20”極端暴雨過程中水汽和高低空急流作用機制的數值模擬［J］.海洋氣象學報，2022，42（3）：5768.

［5］李超，沈菲菲，許冬梅，等.超強臺風“Saomai”的數值模擬及診斷分析［J］.陜西氣象，2019（3）：817.

［6］龐琦燁，平凡，沈新勇，等.不同微物理方案對臺風“彩虹”（2015）降水影響的比較研究［J］.大氣科學，2019，43（1）：202220.

［7］李宸昊，董文杰.登陸型臺風“尤特”積云對流參數化方案的數值模擬研究［J］.海洋預報，2021，38（3）：1928.

［8］輔天華，陳海山，曾智華，等.云微物理參數化對東亞近海熱帶氣旋活動模擬的影響［J］.海洋氣象學報，2020，40（1）：1221.

［9］MESSMER M， GONZLEZROJ S J， RAIBLE C C， et al. Sensitivity of precipitation and temperature over the Mount Kenya area to physics parameterization options in a highresolution model simulation performed with WRFV3.8.1［J］. Geosci Model Dev，2021，14（5）：26912711.

［10］劉靜，任川，趙梓淇，等.多區域高分辨率模式強降水預報檢驗分析［J］.氣象，2022，48（10）：12921302.

［11］黎慧琦，張大林.中小尺度對流系統的高分辨率數值模擬近況和未來挑戰［J］.氣象科技進展，2021，11（3）：7591.

［12］ARAKAWA A， JUNG J H. Multiscale modeling of the moistconvective atmosphere： a review［J］. Atmos Res，2011，102（3）：263285.

［13］王德立，徐國強.高分辨率模式中積云參數化方案對模擬臺風“凡亞比”的影響［J］.氣象科技，2012，40（6）：949959.

［14］BULLOCK O R Jr， ALAPATY K， HERWEHE J A， et al. A dynamically computed convective time scale for the Kain-Fritsch convective parameterization scheme［J］. Mon Wea Rev，2015，143（6）：21052120.

［15］HONG S Y， DUDHIA J. Nextgeneration numerical weather prediction： bridging parameterization， explicit clouds， and large eddies［J］. Bull Amer Meteor Soc，2012，93（1）：ES6ES9.

［16］張旭，黃偉，陳葆德.高分辨率數值預報模式的尺度自適應物理過程參數化研究［J］.氣象科技進展，2017，7（6）：105110.

［17］WANG D， PREIN A F， GIANGRANDE S E， et al. Convective updraft and downdraft characteristics of continental mesoscale convective systems in the model gray zone［J］. J Geophys Res：Atmos，2022，127（16）：e2022jd036746.

［18］徐道生，陳子通，鐘水新，等.積云參數化方案中云底質量通量的限制及在高分辨率模式中的應用［J］.熱帶氣象學報，2014，30（3）：401412.

［19］徐道生，張艷霞，王剛，等.mesoSAS對流參數化方案的改進及其在9 km分辨率模式中的應用［J］.熱帶氣象學報，2015，31（5）：608618.

［20］ZHENG Y， ALAPATY K， HERWEHE J A， et al. Improving highresolution weather forecasts using the Weather Research and Forecasting （WRF） model with an updated Kain-Fritsch scheme［J］. Mon Wea Rev，2016，144（3）：833860.

［21］趙晨陽，徐國強.尺度適應的對流參數化方案對一次華南颮線模擬的影響［J］.大氣科學，2020，44（2）：297314.

［22］楊揚，盧冰，王薇，等.基于WRF的積云對流參數化方案對中國夏季降水預報的影響研究［J］.氣象學報，2021，79（4）：612625.

［23］KAIN J S. The Kain-Fritsch convective parameterization： an update［J］. J Appl Meteor，2004，43（1）：170181.