中尺度模式積云參數化方案的改進及其在暴雨模擬中的應用

唐細壩， 平凡*， 羅哲賢

1 中國科學院大氣物理研究所云降水物理與強風暴重點實驗室， 北京　100029 2 南京信息工程大學遙感學院， 南京　210044

?

中尺度模式積云參數化方案的改進及其在暴雨模擬中的應用

唐細壩1， 平凡1*， 羅哲賢2

1 中國科學院大氣物理研究所云降水物理與強風暴重點實驗室， 北京100029 2 南京信息工程大學遙感學院， 南京210044

摘要本文針對中國暴雨發(fā)生發(fā)展天氣特征，改進和發(fā)展了一種適合于描述東亞暴雨的中尺度積云參數化方案.首先基于近年來(1990—2010)江淮流域汛期降水合成分析的基礎上，診斷出組織化對流降水環(huán)境的動力參數；其次利用該動力參數作為動力控制條件，改進了Kain-Fritsch Eta中尺度積云對流參數化方案； 最后利用改進的中尺度積云參數化方案對梅雨期暴雨、華南前汛期暴雨過程進行了數值模擬，結果表明：改進后的中尺度積云參數化方案對上述兩次暴雨過程的落區(qū)及強度的模擬，均有明顯改進.

關鍵詞積云參數化方案；中尺度模式；Kain-Fritsch Eta方案；暴雨模擬

1引言

積云參數化是數值模式中重要的一種非絕熱加熱物理過程.積云對流引發(fā)的降水在全球地氣系統(tǒng)的水分及能量循環(huán)中起著至關重要的作用, 也是地球水分循環(huán)中的主要組成部分; 積云對流的潛熱釋放充當著驅動全球大氣環(huán)流的“引擎”，是大氣中有效的能量轉換器.同時，積云對流也是中尺度系統(tǒng)發(fā)生、發(fā)展的重要物理過程，中尺度系統(tǒng)是暴雨的直接制造者，其發(fā)生發(fā)展決定了暴雨的落區(qū)及強度.

由于積云對流發(fā)生在云分辨的次網格尺度，而中尺度模式對積云對流的描述是在網格尺度，因此積云對流在數值模式中的描述是通過參數化來實現(xiàn)的.近年來大量的觀測事實證實：在暴雨發(fā)生發(fā)展過程中，有對流云團組織化現(xiàn)象.青藏高原中東部是我國對流活動的頻發(fā)區(qū)，徐祥德和陳聯(lián)壽(2006)據1978年、1998年兩次青藏高原科學試驗結果發(fā)現(xiàn)：高原中東部頻發(fā)的、持續(xù)性的對流活動，通過組織化形成深厚的對流系統(tǒng)，誘生出高原低渦.上述高原低渦的發(fā)展和東移，是引起高原中東部及長江流域地區(qū)暴雨的天氣系統(tǒng).如1998年長江流域在湖北黃石發(fā)生的暴雨，其降水系統(tǒng)可追溯到高原的對流活動.在我國長江中下游地區(qū)，劉建勇等(2012)統(tǒng)計分析了1998—2007年發(fā)生的梅雨鋒降水過程，發(fā)現(xiàn)梅雨鋒上的降水系統(tǒng)主要是由梅雨鋒上的對流單體組織化形成的.在我國華南、華東沿海地區(qū)，登陸臺風螺旋云帶上的對流云團的組織化決定了臺風降水的落區(qū)及強度.對流云團的組織化現(xiàn)象涉及青藏高原、長江中下游和我國東部沿海地區(qū).青藏高原是全球最大的高原，長江中下游是梅雨最典型的區(qū)域，東部沿海是受西太平洋臺風活動影響的區(qū)域.可見，從我國青藏高原經長江中下游到華東沿海，都有一個富有特征的現(xiàn)象，即對流云團的組織化現(xiàn)象.因此，要提高和改進東亞區(qū)域降水模擬及預測，必須發(fā)展合適的中尺度積云參數化方案.

國外針對積云對流參數化方案的發(fā)展已有了大量研究.受GATE及SESAME等大型野外觀測實驗的推動，20世紀80年代后積云參數化方案研究取得較快進展.Betts(1986)提出了濕對流調整方案，證實了云中微物理過程影響對流加熱廓線峰值和云體大小.Taylor和Baker(1987)設計了一個包含云水與云冰微物理過程的Kuo方案.Miller和Momcrieff(1983)考慮了積云對水平動量通量的輸送及水平風垂直切變的作用，考慮了云體與環(huán)境的卷入、卷出過程.Gregory和Rowntree(1990)設計了一個適用于深對流、淺對流的質量通量方案.在中尺度模式積云參數化方面，F(xiàn)ritsch和Chappell(1980)發(fā)展了一個中尺度深對流方案，包括對流上升和下沉運動的方案，該方案考慮了環(huán)境空氣的垂直運動及風切變的影響.Harines和Sun(1988)在中尺度積云參數化方案中考慮了中尺度補償下沉運動.Kain和Fritsch(1990)引入一維卷入卷出云模式，發(fā)展了KF中尺度積云參數化方案，隨后在1993年對KF方案進行了改進，簡稱為KFeta方案.21世紀以來，積云對流參數化有了新的進展.Grabowski(2001)首先發(fā)展了云分辨參數化方案(超參數化)，即在大氣環(huán)流模式(GCM)中嵌入二維云分辨模式(CRM)，具體做法即在每個大尺度格點上同時啟動云模式，每個云模式在云分辨尺度顯示計算積云對流效果，然后利用張弛逼近、區(qū)域平均方法算出大尺度格點上的積云對流效果.Arakawa(2004)還提出基于準三維CRM 與GCM 的耦合，構建全球多尺度模式框架(MMF)的設想.Miura等(2007)和 Slingo等(2009)指出:如何描述對流組織化過程，是下一代天氣或氣候模式發(fā)展面臨的一個重大挑戰(zhàn).

國內對積云對流參數化的研究進展主要在參數化方案的比較性研究以及東亞區(qū)域參數化方案的構造研究方面(許習華，1991；陳伯民和錢正安，1992；陳伯民等，1996；劉一鳴，1998；林文實和黃美元，1998；左瑞亭等，2008； Hao et al.,2008；Jia et al.,2009；Ha et al.,2011；Zhang et al.,2014).許習華和丁一匯(1990)設計了一個考慮積云與層云相互作用的對流參數化方案.陳伯民和錢正安(1992)針對青藏高原地區(qū)積云活動的特點，修改了Krishnamurti多元回歸方案，改進了高原和中國東部地區(qū)的降水和形勢場的預報.陳德輝(1997)采用非準平衡假設，對對流質量Mc進行預報，提出了預報性對流質量通量參數化方案.Ping等(2003)，平凡和高守亭(2004)對Gregory方案進行了改進,并將改進后的方案引入到中國國家氣候中心的T63 全球譜模式，改進我國冬夏季降水的模擬.李響(2012)利用WRF模式，研究了不同積云對流參數化方案對西北太平洋臺風路徑與強度的影響.胡文婷等(2011)研究了積云對流參數化方案對熱帶大氣季節(jié)內振蕩模擬的影響.

綜上所述，國內外積云參數化研究一直是備受關注的前沿問題.目前國際最新研究開始強調在中尺度模式中對組織化對流過程的描述，這為東亞區(qū)域中尺度積云參數化方案的研究提供了可借鑒的思路.東亞是對流組織化發(fā)生、發(fā)展的典型區(qū)域，如何從東亞降水過程中提取出對流組織化的信息并應用于參數化方案的構造？發(fā)展出的積云參數化方案能否對東亞降水模擬及預測有明顯的改進？本文在近年來(1990—2010)江淮流域汛期的降水合成分析基礎上(平凡等，2014)，診斷出組織化對流降水環(huán)境的動力參數，將其作為參數化方案的動力控制條件，改進積云參數化方案，并對我國梅雨期暴雨、華南前汛期暴雨過程進行數值模擬，以檢驗改進后的參數化方案對暴雨模擬預測效果.

2積云對流參數化目標方案的選取

目前在區(qū)域及中尺度模式中有多種通用的積云參數化方案，其中代表性的方案有(1)Kain-Fritsch Eta (KFeta)，(2) Betts-Miller Janjic(BMJ),(3)Arakawa-Schubert (AS)，(4)Grell-Devenyi (GD).國內外學者對這些方案進行了大量比較性研究，得到初步研究結果.Jankov等(2005)利用WRF區(qū)域模式中不同參數化方案對發(fā)生在夏季8個國際水項目(IHOP)中的中尺度對流系統(tǒng)(MCS)降水個例進行模擬，研究發(fā)現(xiàn)對于降水預報結果產生最大影響的是積云參數化方案的選擇，對于強降水模擬，KF方案的模擬結果優(yōu)于其他方案.Ping和 Luo(2010)利用WRF區(qū)域模式中四種參數化方案(KF,BMJ,GD,AS)對2003年發(fā)生在江蘇南京(7月3—5日，7月8—9日)兩次大暴雨過程進行模擬分析，得出KF方案較其他方案模擬降水結果與實況觀測更為一致，而且KF方案還可以模擬出中尺度對流系統(tǒng)形成、發(fā)展、成熟、消亡整個過程.屠妮妮等(2011)利用參數化方案(KF,BMJ,GD,AS)對2010年7月14—18日發(fā)生在四川一次暴雨過程進行模擬研究，根據降水結果TS評分，得出KF方案TS評分高于其他方案.廖鏡彪等(2012)利用WRF區(qū)域模式中(KF，BMJ,GD,G3(new GD))參數化方案對2010年5月14—15日廣東珠江三角洲地區(qū)一次暴雨過程進行模擬，結果顯示:相比其他方案，KF方案對于降水帶和降水量的模擬與實況較為一致.綜上所述，KF方案是比較通用的參數化方案，特別是對我國區(qū)域降水有一定的模擬和預測能力，因此本文選擇具有Kain-Fritsch Eta積云參數化方案作為本研究發(fā)展和改進目標方案.

Kain-Fritsch方案是目前通用的中尺度對流調整方案，其基本思路是當網格尺度積蓄大量的有效浮力能時，則啟動積云對流過程，對流過程一直到消耗掉多余的有效浮力能為止.Kain-Fritsch Eta方案(Kain and Fritsch,1993;Kain,2004)是在Kain-Fritsch方案基礎上的發(fā)展，主要改進是引入了最小卷入率以避免在弱不穩(wěn)定及相對干燥的大氣中產生深對流；在淺對流方案中，只考慮積云對流對環(huán)境的加熱和增濕效果,不發(fā)生降水過程.

3有組織對流的動力因子診斷

由于對流活動發(fā)生在濕潤的大氣環(huán)境中，既不是干空氣，也不是完全飽和的濕空氣，Gao等(2004)用廣義位溫來表征對流發(fā)生的大氣環(huán)境濕潤狀況.

廣義位溫定義為：

(1)

這里θ為位溫，Lv為潛熱系數，Cp為干空氣常數，qvs為飽和比濕，qv為比濕，T為溫度，k為經驗常數.已有研究表明(王興榮等，1999；Yang et al.，2014)：凝結可能性函數中的k值與氣壓、溫度、比濕、凝結核密度等有關，不同地區(qū)k值大小不同.初步研究發(fā)現(xiàn)，在江淮流域當k=9 時，模擬可以達到較好的結果，因此本文的模擬，采用k值等于9，不同的k值對改進后參數化方案的影響將在今后工作中做進一步的驗證.

進一步的研究發(fā)現(xiàn)(Gao and Cao,2007；曹潔和高守亭，2008)，廣義位溫是表征實際大氣濕潤環(huán)境的一個守恒量. 非均勻飽和大氣中釋放的凝結潛熱可以表示為：

(2)

代入熱力學第一定律δU=δ Q+δW 中，該過程可逆，則δ Q=T δS.

由于凝結掉出氣團的液態(tài)水釋放的潛熱很少，故雖有熱量流失，仍可視為絕熱的，或者稱為“假絕熱”(Andrews,2000).這樣得到了熱力學第一定律的如下公式：

(3)

這里Cpm和Rv分別是濕空氣的等壓比熱容和水汽的比氣體常數.

當Lqs/CpmT?1時，(3)式最右端項就可以用-δ(Lqs·(qv/qvs)k)近似代替.由于實際大氣的底層大氣溫度通常有L/CpmT≤10,因而只要滿足qs·(qv/qvs)k?100g·kg-1，該近似就可成立.至于這一飽和比濕條件成立與否，一方面可以依據實際大氣qvs(T,p)的分布廓線可見，另一方面也可以從相當位溫的引入過程中qvs?100g·kg-1得到驗證.進一步忽略Cpm隨時間變化，(3)式變成：

對(4)式做積分，兩邊同時除以Cpm的運算，得到

(5)

代入位溫表達式，得到

(6)

類似于位溫表示的干大氣的熱力學方程的推導方法，不難得到非均勻飽和大氣中的熱力學方程

(7)

可見，在濕絕熱過程中，即Qd=0時，廣義位溫是守恒的.

平凡等(2014)利用1990年至2010年6—7月逐日的連續(xù)時間序列資料，合成分析了長江及淮河汛期洪澇大氣環(huán)流的特征，發(fā)現(xiàn)廣義位溫能夠準確描述有組織對流發(fā)生的大氣環(huán)境條件，包括梅雨鋒的位置和垂直活動的時空分布，因此本文選用廣義位溫作為積云參數化方案的環(huán)境動力控制條件，來改進參數化方案.

4積云對流參數化方案的改進

積云參數化方案有三個核心環(huán)節(jié)，分別是動力控制、對流觸發(fā)以及閉合假設.本文在改進方案中，主要針對積云參數化方案中的動力控制機制，進行了改進.

圖1　積云對流參數化方案改進的示意圖左側為原來KFeta積云參數化方案的動力控制；右側為改進后積云參數化方案的動力控制.式中TV是虛溫，廣義位溫θ*，單位：K.

如圖1所示，在KFeta原方案中，動力控制條件主要采用浮力判據，即假設一個小氣塊的溫度是T，濕度是Q，其虛溫是TV，而其周圍環(huán)境的溫度是TE，則判斷小氣塊從k-1層上升到k層時，應滿足的浮力條件是TV(k-1)>TE(k-1)，這里的氣塊虛溫TV=T(1+0.608Q)，逐層進行浮力判據的檢驗一直到k+1層，這時滿足氣塊TV(k+1)

5改進后的積云參數化方案在暴雨模擬中的檢驗

暴雨是一種嚴重的災害性天氣,對人民的財產和人身安全具有重大影響. 據統(tǒng)計，全球各類自然災害所造成的損失中，暴雨洪澇占40%左右，因此長期以來,暴雨的研究和預報一直受到政府和氣象部門的高度重視.

本文利用WRF3.2.1區(qū)域模式，分別采用改進后的KFeta積云參數化方案與原KFeta積云參數化方案，對2008年7月發(fā)生在鄂西北及黃淮地區(qū)的梅雨鋒西端暴雨以及2009年5月粵西的華南前汛期暴雨進行了模擬比較性研究，并利用觀測資料與模擬結果進行了對比驗證，以檢驗改進后的積云參數化方案對上述兩種類型暴雨的模擬能力.

5.1資料與方法

本文采用歐洲中期天氣預報中心(European Centre for Medium-Range Weather Forecasts,ECMWF)的再分析資料，水平分辨率0.5°×0.5°，每隔6 h一次，該數據為模式提供初始條件以及邊界條件.

本文降水實況數據采用中國氣象數據共享服務網的基于全國3萬余個自動觀測站逐小時降水量和CMORPH衛(wèi)星反演降水產品，采用PDF+OI兩步融合方法生成了中國區(qū)域逐小時、0.1°×0.1°分辨率的降水量融合產品, 數據集實體為GrADS標準格式，文件后綴為grd，圖形文件后綴為gif，具體形式SURF_CLI_CHN_MERGE_CMP_PRE_HOUR_GRID_0.10-YYYYMMDDHH.grd.融合處理過程中使用的自動站逐時降水資料經過了包括氣候學界限值、區(qū)域界限值、時間一致性、空間一致性檢查等在內的嚴格質量控制.

針對這兩次暴雨過程的模擬，本文采用了兩種方案：第一種方案，利用WRF區(qū)域模式中原有KFeta積云參數化方案對暴雨過程進行模擬，稱為“原方案”；第二種方案，利用改進后的KFeta積云參數化方案對暴雨過程進行模擬，稱為“改進后的方案”.

5.2改進后參數化方案與原方案對梅雨鋒西端暴雨模擬的比較性研究

5.2.1降水過程簡介

2008年7月20—23日，鄂西北部和河南黃淮地區(qū)連續(xù)普降暴雨和大暴雨，連續(xù)降水造成200多萬人受災，其中5人死亡，經濟損失累計20多億元(諶偉等，2011).從圖2e降水實況可以看出，這次降水過程雨帶呈“西南—東北”走向，降水大值區(qū)位于湖北襄樊、河南信陽、漯河等地區(qū).

5.2.2試驗方案設計

利用WRF3.2.1模式對2008年7月22日00時至23日00時(世界時，下同)的降水過程進行模擬， 模式運行采用單層網格，模式分辨率為10 km，網格點數201×201，水平區(qū)域中心點為(32.5°N，112.5°E)，垂直方向為37個σ層，時間步長為60 s，微物理過程采用WSM 6-class方案，邊界層采用YSU方案.

5.2.3模擬結果比較分析

(1)降水量

為檢驗積云參數化方案的模擬能力，我們給出了兩種參數化方案模擬的每6 h的降水量以及24 h累計降水量，同時給出了相應的實況降水量(見圖2).

原方案(圖2a1)與改進后的方案(圖2a2)模擬出24 h累計降水量分布，與實況(圖2a)對比可以看出，兩種方案模擬的雨帶與實況一致，呈西南—東北走向，不過原方案(圖2a1)模擬的降水中心強度偏強，雨帶范圍偏廣，而改進后方案(圖2a2)給出的降水強度與雨帶范圍基本接近于實況.原方案(圖2(b1，c1，d1，e1))與改進后的方案(圖2(b2，c2，d2，e2))模擬出的22日06時、12時、18時、23日00時每6 h累計降水量分布，與相對應時間段實況降水比較得知，改進后的方案比原方案能更好模擬出此次暴雨過程雨帶的移動和強度的變化.(1)22日00—06時實況降水時段(圖2b)，降水有三個中心，分別位于湖北五峰灣潭與湖南交界處、湖北襄樊市、河南東部與安徽西部張集交界處；原方案(圖2b1)模擬出的降水強度偏弱，有多個降水中心，降水雨帶偏廣，有虛假降水產生；改進后的方案(圖2b2)模擬出的降水強度與降水三個中心位置與實況基本一致.(2)22日06—12時實況降水時段(圖2c), 雨帶往東北方向移動，降水中心位于湖北襄樊與河南泌陽一帶；原方案(圖2c1)模擬出降水強度偏強，降水中心位于湖北十堰至襄樊一帶；改進后的方案(圖2c2)模擬出降水中心雨帶也位于湖北襄樊與河南泌陽一帶.(3)22日12—18時實況降水時段(圖2d),雨帶繼續(xù)往東北方向移動，有兩個降水中心，分別位于河南項城市、安徽天長市與江蘇高郵交界處一帶；原方案(圖2d1)模擬出降水強度偏強,中心位于湖北襄樊市與河南南陽一帶；改進后的方案(圖2d2)模擬出雨帶也往東北方向移動，接近于實況降水中心位置.(4)與22日18時至23日00時實況降水時段(圖2e)相比,原方案(圖2e1)降水強度偏強，降水中心雨帶偏廣且位置略偏北,改進后的方案(圖2e2)模擬出的降水強度和位置較接近實況.

(2)降水時間演變

為了更好地了解原方案和改進后方案模擬出來降水時間演變情況，選取降水中心(30°N—34°N及110°E—116°E)做降水的面平均，得到該區(qū)域的降水演變時間序列.圖3為2008年7月22日01時—23日00時逐時的1 h累計降水量時間演變圖，從圖3可知，前2個小時原方案和改進后的方案模擬的降水都低于實況，這可能跟模式Spin-up過程有關.從第3個小時開始至23時，改進后的方案模擬結果與實況基本一致，只是在13時至17時，模擬的降水量略高一些；而原方案模擬的降水量明顯偏高.實況24 h降水量53.06 mm；原方案模擬降水量73.91 mm；改進后的方案模擬降水量59.03 mm，可見改進后的方案模擬結果基本與實況一致，而原方案模擬結果有虛假降水產生.

圖2　2008年7月22日00時—23日00時24 h及6 h的實況降水量與改進前后參數化方案模擬降水量對比(單位:mm)(a,b,c,d,e)為實況，(a1,b1,c1,d1,e1)為原方案，(a2,b2,c2,d2,e2)為改進后的方案.(a,a1,a2)為00—24時段,(b,b1,b2)為00—06時段，(c,c1,c2)為06—12時段，(d,d1,d2)為12—18時段，(e,e1,e2)為18—24時段.

圖3　2008年7月22日01時—23日00時逐時的1小時累計降水量時間演變圖OBS為實況；S1為原方案；S2為改進后的方案.

(3)視熱源Q1和視水汽匯Q2的高度-時間剖面

積云參數化的作用除直接計算降水外，對環(huán)境的反饋實質是計算出積云對流加熱和加濕的效果，視熱源Q1和視水汽匯Q2分別是表征積云對流對環(huán)境加熱和加濕的物理量.因此分析不同方案模擬出的視熱源和視水汽匯對于了解參數化方案性能及特點十分重要.

為了更加直接了解原方案和改進后方案模擬出來視熱源Q1和視水汽匯Q2的時空分布情況，選取降水中心(30°N—34°N及110°E—116°E)做視熱源Q1和視水汽匯Q2的面平均，得到該區(qū)域的視熱源Q1和視水汽匯Q2的高度-時間剖面分布圖.圖4是該區(qū)域視熱源Q1的高度-時間剖面圖.ECMWF診斷出視熱源Q1(圖4a)加熱中心集中，最大值出現(xiàn)在22日12時高空500至400 hPa之間，達到10 K/6h.原方案模擬出的視熱源Q1(圖4b)加熱最大值出現(xiàn)在22日06時高空500至400 hPa之間，達到11 K/6h.改進后的方案模擬出的視熱源Q1(圖4c)加熱中心集中，最大值出現(xiàn)在22日12時高空500至400 hPa之間，達到10 K/6h,跟ECMWF資料診斷出的視熱源(圖4a)比較一致.比較分析可知，改進后的方案模擬的視熱源Q1加熱中心與ECMWF診斷出視熱源Q1相比，其時空分布范圍及強度與實況基本一致；原方案模擬的視熱源Q1 與ECMWF診斷出視熱源Q1相比，其時空分布范圍及強度與實況差異較大.

圖4　視熱源Q1的高度-時間剖面(單位：K·6h-1)(a) ECMWF; (b) 原方案; (c) 改進后的方案.

圖5　視水汽匯Q2的高度-時間剖面(單位：K·6h-1)(a) ECMWF; (b) 原方案; (c) 改進后的方案.

圖5是該區(qū)域視水汽匯Q2的高度-時間剖面圖.ECMWF診斷出的視水汽匯Q2(圖5a)有一個主要加濕中心和減濕中心：加濕中心最大值出現(xiàn)在22日06時700 hPa附近，達到7 K/6h；減濕中心最大值出現(xiàn)在22日12時，達到4 K/6h.原方案模擬出的視水汽匯Q2(圖5b)有一個加濕中心和減濕中心：加濕中心最大值出現(xiàn)在22日06時至12時600 hPa附近，達到11 K/6h；減濕中心最大值出現(xiàn)在22日06時，達到4 K/6h；改進后的方案模擬出的視水汽匯Q2(圖5c)有一個加濕中心和減濕中心：加濕中心最大值出現(xiàn)在22日12時高空800至700 hPa之間，達到10 K/6h；減濕中心最大值出現(xiàn)在22日06時，達到4 K/6h.比較分析可知，改進后的方案模擬的視水汽匯Q2與ECMWF診斷出的視水汽匯Q2相比，時空分布范圍及強度與實況基本一致；原方案模擬的視水汽匯Q2與ECMWF診斷出的視水汽匯Q2相比，時空分布范圍及強度與實況差異較大.

分析圖4和圖5可知，改進后的方案模擬出的視熱源Q1和視水汽匯Q2的時間演變與ECMWF資料診斷出視熱源Q1和視水汽匯Q2的時間演變基本是一致的.改進后的方案不僅模擬出了7月22日09時至15時300至500 hPa強加熱中心，而且也模擬出了700至800 hPa的強加濕中心，只是強加濕中心與ECMWF再分析資料相比存在著大約6 h的時間滯后，這可能與模式的Spin-up過程有關；而原方案模擬出的加熱、加濕中心層次與ECMWF資料相比，加濕層次偏高，加熱中心的時間也偏早近6 h，加熱、加濕的時空演變存在較大的誤差.

5.3改進后參數化方案與原方案對華南前汛期暴雨模擬的比較性研究

5.3.1降水過程簡介

2009年5月22—24日，粵西沿海和珠江三角洲南部連續(xù)普降暴雨和大暴雨，局部地域特大暴雨，其中，23 日 00∶00—24日 00∶00，江門市的臺山、開平、恩平和上川島出現(xiàn)特大暴雨，臺山 24 h 雨量達到 324 mm.連續(xù)暴雨造成山體滑坡、房屋倒塌、農作物受災、水利設施受損、城鄉(xiāng)內澇等重大災害.

5.3.2試驗方案設計

利用WRF3.2.1模式對2009年5月23日00時至24日00時的降水過程進行模擬， 模式運行采用單層網格，模式分辨率為10 km，網格點數201×101，水平區(qū)域中心點為(22.0°N，115.5°E)，垂直方向為37個σ層，時間步長為60 s，微物理過程采用WSM 6-class方案，邊界層采用YSU方案.

5.3.3模擬結果比較分析

(1)降水量

原方案(圖6a1)與改進后的方案(圖6a2)模擬出24 h累計降水量分布，與實況(圖6a)對比得知：原方案模擬的雨帶比較分散，可分為三個中心，且降水強度偏弱，有虛假降水產生；改進后的方案模擬的雨帶比較集中，降水強度和落區(qū)與實況一致.原方案(圖6(b1,c1,d1,e1))與改進后的方案(圖6(b2,c2,d2,e2))模擬出的23日06時、12時、18時、24日00時每6 h累計降水量分布，與相對應時間段實況比較得知，改進后的方案比原方案能更好模擬出此次暴雨過程雨帶的分布和強度的變化.(1)23日00—06時實況降水時段(圖6b)，降水中心比較集中，位于廣東臺山市與恩平市及上川、下川島嶼一帶；原方案(圖6b1)模擬出的降水強度偏弱，降水中心有三個，比較分散；改進后的方案(圖6b2)模擬降水強度也偏弱，不過其很好地模擬出了上川、下川等島嶼上的降水.(2)22日06—12時實況降水時段(圖6c),降水中心位置沒變，強度和雨帶略為減少；原方案(圖6c1)模擬出的降水強度更為偏弱，且還有三個降水中心，位置比較分散；改進后的方案(圖6c2)模擬出雨帶降水中心位置基本接近實況降水中心位置.(3)22日12—18時實況降水時段(圖6d)，雨帶位置基本沒變，降水強度減弱；原方案(圖6d1)模擬出的降水強度偏弱,雨帶比較分散；改進后的方案(圖6d2)模擬出雨帶范圍位置與實況基本一致，都位于廣東陽江一帶.(4)22日18時至23日00時(圖6e)實況,有兩個降水中心，分別位于陽江沿海一帶、臺山市；原方案(圖6e1)模擬出的降水強度偏弱，有三個降水中心，雨帶比較分散；改進后的方案(圖6e2)模擬出的降水比較集中，也有兩個降水中心，其位置較接近實況.

圖6　2009年5月23日00時—24日00時24 h及6 h的實況降水量與改進前后參數化方案模擬降水量對比(單位:mm)(a,b,c,d,e)為實況，(a1,b1,c1,d1,e1)為原方案，(a2,b2,c2,d2,e2)為改進后的方案.(a,a1,a2)為00—24時段,(b,b1,b2)為00—06時段，(c,c1,c2)為06—12時段，(d,d1,d2)為12—18時段，(e,e1,e2)為18—24時段.

(2)降水時間演變

為了更好地了解原方案和改進后方案模擬出來降水時間演變情況，選取降水中心(21°N—23°N及111°E—114°E)做降水的面平均，得到該區(qū)域降水演變時間序列，圖7為2009年5月23日01時—24日00時逐時的1 h累計降水量時間演變圖.從圖7可知，前7個時次，兩種方案模擬的降水偏低，這主要與模式Spin-up過程有關.原方案模擬的降水從01時開始至24時結束，一直低于實況降水，而改進后的方案模擬的降水在前7個時次與實況差距比較大外，其他時次的降水接近于實況.實況24 h降水量121.12 mm；原方案模擬降水量55.12 mm；改進后的方案模擬降水量90.52 mm，可見改進后的方案模擬結果基本與實況一致，而原方案模擬的降水較弱.

圖7　2009年5月23日01時—24日00時逐時的1 h累計降水量時間演變圖OBS為實況；S1為原方案；S2為改進后的方案.

圖8　視熱源Q1的高度-時間剖面(單位：K·6h-1)(a) ECMWF； (b) 原方案； (c) 改進后的方案.

圖9　視水汽匯Q2的高度-時間剖面(單位：K·6h-1)(a) ECMWF； (b) 原方案； (c) 改進后的方案.

(3)視熱源Q1和視水汽匯Q2的高度-時間剖面

為了更加直接了解原方案和改進后方案模擬出來視熱源Q1和視水汽匯Q2的時空分布情況，選取降水中心(21°N—23°N及111°E—114°E)做視熱源Q1和視水汽匯Q2的面平均，得到該區(qū)域的視熱源Q1和視水汽匯Q2的高度-時間剖面分布圖.圖8是該區(qū)域視熱源Q1的高度-時間剖面圖.ECMWF資料診斷出視熱源Q1(圖8a)在23日00時至09時存在較強加熱中心，最大值位于03時至06時高空400～500 hPa之間，達到9 K/6h，與前面幾個時次不一致，15時至24日00時加熱發(fā)生在對流層中低層700～1000 hPa；原方案模擬的視熱源Q1(圖8b)有兩個加熱中心，其中06至18時的加熱中心最大值位于12時高空400 hPa，數值為8 K/6h,另一個加熱中心發(fā)生在21時至24日00時，高度位于400～500 hPa之間；改進后方案模擬的視熱源Q1(圖8c)在03時至15時存在較強的加熱中心，最大值位于12時高空400～500 hPa之間，達到9 K/6h.比較分析可知，改進后的方案模擬的視熱源Q1加熱中心與ECMWF診斷出視熱源Q1相比，有3個小時的時滯，但其時空分布范圍及強度與實況基本一致；原方案模擬的視熱源Q1與ECMWF診斷出視熱源Q1相比，有6個小時的時滯，且其時空分布范圍及強度與實況差異較大.

圖9是該區(qū)域視水汽匯Q2的高度-時間剖面圖.ECMWF診斷出的視水汽匯Q2(圖9a)加濕比較集中，位于23日03時至12時高空400～500 hPa之間，加濕中心最大值出現(xiàn)在06時高空450 hPa，達到8 K/6h.00時至06時，在底層950 hPa附近有一個強度較小的減濕中心，大小為2 K/6h；原方案模擬的視水汽匯Q2(圖9b)的加濕比較分散，不夠集中.最大值出現(xiàn)在23日12時高空400 hPa高度處，數值為6 K/6h.在21時至24日00時，加濕大值位于400～700 hPa之間；改進后方案模擬的視水汽匯Q2(圖9c)加濕比較集中，位于23日03時至12時高空350～450 hPa之間，達到7 K/6h.在21時至24日00時，600～800 hPa之間存在加濕大值區(qū).比較分析可知，改進后的方案模擬的視水汽匯Q2與ECMWF診斷出的視水汽匯Q2相比，時空分布范圍及強度與實況基本一致；原方案模擬的視水汽匯Q2與ECMWF診斷出的視水汽匯Q2相比，時空分布范圍及強度與實況差異較大.

分析圖8和圖9可知，改進后的方案模擬出的視熱源Q1和視水汽匯Q2的時間演變與ECMWF資料診斷出視熱源Q1和視水汽匯Q2的時間演變基本是一致的.改進后的方案模擬出了5月23日400～500 hPa的強加熱中心，中心強度達9 K/6h,這與ECMWF再分析資料是一致的，只是仍然存在3 h的時滯，而原方案模擬出的加熱中心偏弱；改進后方案模擬的加濕中心的時空分布與ECMWF再分析資料十分吻合，而原方案模擬的結果無論是強度及時空分布都存在著較大的誤差，由此可見改進后的方案對暴雨過程中加熱、加濕廓線及時空演變模擬的改進是其改進降水強度及落區(qū)的重要原因.

6結論和討論

發(fā)展和改進積云對流參數化方案對于提高天氣及氣候模擬的預測、研發(fā)天氣及氣候模式起著至關重要的作用.東亞地區(qū)從低緯度的西太平洋地區(qū)、經中緯度長江中下游地區(qū)到中高緯青藏高原地區(qū)，都有積云對流發(fā)展的組織化過程，這種積云對流的組織化過程不僅引起了大氣環(huán)流的變化，而且通過積云對流的升尺度過程影響到大氣環(huán)流的準雙周或月尺度低頻振蕩，進而影響到降水及環(huán)流的季節(jié)內變化.同時，積云對流的組織化的形成及發(fā)展也是直接形成暴雨等強降水的過程，積云對流組織化的時空演變在很大程度上決定了暴雨等強降水的強度及落區(qū).可見，構造和發(fā)展能反映積云對流組織化的參數化方案是改進東亞天氣及氣候預測的關鍵.

本文通過對較長時間序列的江淮流域梅雨典型積云對流組織化過程的分析及診斷，來提取積云對流組織化發(fā)展的有效信息并將其作為積云參數化方案的主要動力控制機制，以此發(fā)展和改進積云參數化方案，本文要點小結如下.

(1) 本文引入的新的動力特征量廣義位溫θ*是診斷江淮流域汛期對流有組織降水的主要因子，廣義位溫θ*深刻地反映了江淮流域非均勻飽和的降水環(huán)境,也反映了梅雨鋒是“濕度鋒”的本質, 其能準確地診斷出梅雨鋒的位置及時空分布，同時更是有組織對流發(fā)生的主要動力控制因子.

(2) 本文將動力特征量廣義位溫θ*作為浮力判據，來動力控制積云對流的組織化發(fā)生、發(fā)展及演變過程；同時采用有效浮力能的增量(ΔCAPE)作為積云參數化方案的閉合假設條件，以此保證水汽和能量瞬時集中.以上述機制發(fā)展和改進了KFeta積云對流參數化方案.

(3) 分別利用改進后的積云參數化方案和原KFeta方案對2008年7月發(fā)生在鄂西北及黃淮地區(qū)的梅雨鋒西端暴雨以及2009年5月粵西的華南前汛期暴雨進行了數值模擬，并進行了比較分析.結果表明：改進后的方案兩種類型暴雨的模擬都優(yōu)于原方案，不僅表現(xiàn)在模擬暴雨雨帶的移動變化上，而且表現(xiàn)在模擬暴雨降水落區(qū)和強度上.

(4) 從加熱、加濕的時空分布特征上來看，改進后方案模擬的視熱源Q1和視水汽匯Q2與ECMEF再分析資料診斷出的加熱和加濕高度廓線更為一致，且加熱與加濕中心的時空演變更接近于ECMEF的再分析資料.

上述研究結果是基于較長時間序列的江淮流域梅雨的典型積云對流組織化過程的統(tǒng)計分析及診斷，得到反映積云對流組織化的動力因子，并以此為基礎發(fā)展和改進了中尺度模式的積云對流參數化方案.事實上, 東亞積云對流的組織化過程還有許多值得關注的天氣現(xiàn)象，如青藏高原中東部是對流活動的頻發(fā)區(qū)(孫國武和陳葆德，1994)，這種對流活動組織成的深厚對流系統(tǒng)可能是引發(fā)東亞大氣環(huán)流30～40 d低頻振蕩的一個原因(徐祥德和陳聯(lián)壽，2006)；西太平洋上熱帶氣旋眼區(qū)附近零落的對流單體組織成眼墻及螺旋云帶過程也可能是形成臺風的一個重要機制.這些積云對流組織化的機制也需要進行深入地探討，作為進一步發(fā)展和改進積云對流參數化的依據.

盡管本研究所改進的積云參數化方案在模擬我國典型的積云組織化降水的強度及落區(qū)的模擬中得到了初步令人滿意的結果，但要發(fā)展適合東亞的積云對流參數化方案還需要更多的模擬個例，以及大批量模擬工作的檢驗，特別是針對東亞不同類型強降水過程的模擬結果，利用誤差分析方法定量地評估積云參數化方案中的誤差來源及貢獻，以此為基礎進一步完善和發(fā)展積云對流參數化方案，將是本文未來擬開展的重要研究工作.

致謝衷心感謝評審專家提出的中肯、詳實的寶貴建議，使本文得以完善和提升.感謝中國科學院大氣物理研究所高守亭研究員的建議以及碩士生茅家華為本文提供的實況降水資料.

References

Andrews D G. 2000. An Introduction to Atmospheric Physics. Cambridge: Cambridge University Press, 21-43.

Arakawa A. 2004. The cumulus parameterization problem: Past, present, and future.JournalofClimate, 17(13): 2493-2525.

Betts A K. 1986. A new convective adjustment scheme. Part I: Observational and theoretical basis.Quart.J.Roy.Meteor.Soc., 112(473): 677-691.

Cao J, Gao S T. 2008. Generalized potential temperature in non-uniformly saturated atmosphere.ChineseJ.Geophys. (in Chinese), 51(6): 1651-1656. Chen B M, Qian Z A. 1992. An altered Kuo-Type cumulus parameterization scheme suitable for the Qinghai-Xizang Plateau area.PlateauMeteor. (in Chinese), 11(1): 1-11.Chen B M, Chen Y C, Su Z X, et al. 1996. Forecasting experiments of modified ECMWF mass-flux cumulus parameterization scheme.PlateauMeteor. (in Chinese), 15(1): 37-47.Chen D H. 1997. A review on the cumulus convective parameterization.QuarterlyJournalofAppliedMeteorology(in Chinese), 8(Suppl.): 69-77.

Chen W, Yue Y, Deng H, et al. 2011. Cause analysis on a torrential rain along western Meiyu front in Xiangyang on 22 July 2008.TorrentialRainandDisasters(in Chinese), 30(3): 210-217.Fritsch J M, Chappell C F. 1980. Numerical prediction of convectively driven mesoscale pressure systems. Ⅰ: Convective parameterization.J.Atmos.Sci., 37(8): 1722-1733. Gao S T, Wang X R, Zhou Y S. 2004. Generation of generalized moist potential vorticity in a frictionless and moist adiabatic flow.GeophysicalResearchLetter, 31(12): L12113.

Gao S T, Cao J. 2007. Physical basis of generalized potential temperature and its application to cyclone tracks in non-uniformly saturated atmosphere.JournalofGeophysicalResearch, 112: D18101.Grabowski W W. 2001. Coupling cloud processes with the large-scale dynamics using the cloud-resolving convection parameterization (CRCP).JournaloftheAtmosphericSciences, 58(9): 978-997.Gregory D, Rowntree P R. 1990. A mass flux convection scheme with representation of cloud ensemble characteristics and stability-dependent closure.MonthlyWeatherReview, 118(7): 1483-1506. Ha H K, Wang Z H, Kim J Y, et al. 2011. The impact of cumulus parameterizations and microphysics schemes under different combinations on typhoon track prediction.J.Trop.Meteor., 17(2): 113-119.

Hao S F, Cui X P, Pan J S. 2008. Ensemble prediction experiments of tracks of tropical cyclones by using multiple cumulus parameterization schemes.J.Trop.Meteor., 14(1): 41-44.

Harines P A, Sun W Y. 1988. Mesoscale/convective interaction.∥ Proceedings of the 8th Conference on Numerical Weather Prediction. Boston, MA: American Meteorological Society, 371-377.

Hu W T, Duan A M, Wu G X. 2011. Sensitivity of simulated tropical intraseasonal oscillations to cumulus schemes.ScienceChina:EarthSciences, 54(11): 1761-1771.

Jankov I, Gallus W A, Segal M, et al. 2005. The impact of different WRF model physical parameterizations and their interactions on warm season MCS rainfall.WeatherandForecasting, 20(6): 1048-1060.Jia X L, Li C Y, Ling J. 2009. Impacts of cumulus parameterization and resolution on the MJO simulation.J.Trop.Meteor., 15(1): 106-110.

Kain J S, Fritsch J M. 1990. A one-dimensional entraining/detraining plume model and its application in convective parameterization.J.Atoms.Sci., 47(23): 2784-2802.

Kain J S, Fritsch J M. 1993. Convective parameterization for mesoscale models: The Kain-Fritsch scheme.∥ The Representation of Cumulus Convection in Numerical Models. Meteorological Monographs. Boston: American Meteorological Society, 165-170.

Kain J S. 2004. The Kain-Fritsch convective parameterization: an update.JournalofAppliedMeteorology, 43(1): 170-181.

Li X. 2013. Sensitivity of WRF simulated typhoon track and intensity over the Northwest Pacific Ocean to cumulus schemes.ScienceChina:EarthSciences, 56(2): 270-281.

Liao J B, Wang X M, Xia B C, et al. 2012. The effects of different physics and cumulus parameterization schemes in WRF on heavy rainfall simulation in PRD.J.Trop.Meteor. (in Chinese), 28(4): 461-470.Lin W S, Huang M Y. 1998. The state about the study in cumulus parameterization.J.Trop.Meteor. (in Chinese), 14(4): 374-379.Liu J Y, Tan Z M, Zhang Y. 2012. Study of the three types of torrential rains of different formation mechanism during the Meiyu period.ActaMeteor.Sinica(in Chinese), 70(3): 452-466.

Liu Y M. 1998. Application of cumulus parameterization schemes in China.ActaMeteor.Sinica(in Chinese), 56(2): 247-255.

Miller M J, Moncrieff M W. 1983. The use and implementation of dynamical cloud models in a parameterization scheme for deep convection.ECMWFWorkshoponConvectioninLarge-scaleNumericalModels, 33-67.

Miura H, Satoh M, Nasuno T, et al. 2007. A Madden-Julian oscillation event realistically simulated by a global cloud-resolving model.Science, 318(5857): 1763-1765.

Ping F, Gao S T, Wang H J. 2003. A comparative study of the numerical simulation of the 1998 Summer flood in China by two kinds of cumulus convective parameterized methods.Adv.Atoms.Sic., 20(1): 149-157.

Ping F, Gao S T. 2004. Study on the chosen parameterized schemes of cumulus convection and the test of their simulated effects in the short-term climate.JournaloftheGraduateSchooloftheChineseAcademyofSciences(in Chinese), 21(3): 366-373.

Ping F, Luo Z X. 2010. Comparative studies of different mesoscale convection parameterization schemes in the simulation of Mei-Yu front heavy rain.AtmosphericandOceanicScienceLetters, 3(3): 132-138.

Ping F, Tang X B, Gao S T, et al. 2014. A comparative study of the atmospheric circulations associated with rainy-season floods between the Yangtze and Huaihe River Basins.ScienceChina:EarthSciences, 57(7): 1464-1479.

Slingo J M, Bates K, Nikiforakis N, et al. 2009. Developing the next-generation climate system models: challenges and achievements.Phil.Trans.Roy.Soc., 367(1890): 815-831. Sun G W, Chen B D. 1994. Characteristics of the lows flocking with Tibet atmospheric low-frequency oscillation over the Qinghai-Xizang (Tibet) Plateau.ChineseJournalofAtmosphericSciences(in Chinese), 18(1): 113-121.Taylor G R, Baker M B. 1987. A midlatitude cumulus parameterization that incorporates cloudtop entrainment.Mon.Wea.Rev., 115(6): 1173-1192. Tu N N, He G B, Zhang L H. 2011. Simulation test on the effects of various cumulus parameterization schemes in WRF model.PlateauandMountainMeteorologyResearch(in Chinese), 31(2): 18-25.Wang X R, Wu K J, Shi C E. 1999. The introduction of condensation probability function and the dynamic equations for non-uniform saturated moist air.J.Trop.Metror. (in Chinese), 15(1): 64-70.

Xu X D, Chen L S. 2006. Advances of the study on Tibetan Plateau experiment of atmospheric sciences.JournalofAppliedMeteorologicalScience(in Chinese), 17(6): 756-772.Xu X H, Ding Y H. 1990. A cumulus parameterization scheme considering the interaction with cloud and its application on precipitation prediction.ScienceinChina(SeriesB) (in Chinese), 20(9): 998-1008.Xu X H. 1991. Advances in research of cumulus convection parameterization scheme.PlateauMeteorology(in Chinese), 10(1): 105-110.

Yang S, Gao S T, Lu C G. 2014. A generalized frontogenesis function and its application.AdvancesinAtmosphericSciences, 31(5): 1065-1078.

Zhang L X, Chen Z T, Meng W G, et al. 2014. The influence of cloud parameterization adjustment using reflectivity of Doppler on nowcasting with GRAPES model.J.Trop.Meteor., 20(2): 181-192. Zuo R T, Wang L Q, Qian Z C, et al. 2008. Discussions of the problems existing in current convection parameterization.J.Trop.Meteor. (in Chinese), 24(6): 732-736.

附中文參考文獻

曹潔, 高守亭. 2008. 非均勻飽和大氣中的廣義位溫. 地球物理學報, 51(6): 1651-1656.

陳伯民, 錢正安. 1992. 一個適合青藏高原地區(qū)的修改了的郭型積云參數化方案. 高原氣象, 11(1): 1-11.

陳伯民, 陳玉春, 蘇志俠等. 1996. 修正的ECMWF質量通量積去參數化方案的預報試驗. 高原氣象, 15(1): 37-47.

陳德輝. 1997. 積云對流參數化技術. 應用氣象學報, 8(增刊): 69-77. 諶偉, 岳陽, 鄧紅等. 2011. 2008年7月22日梅雨鋒西段襄陽特大暴雨成因分析. 暴雨災害, 30(3): 210-217.

胡文婷, 段安民, 吳國雄. 2011. 積云對流參數化方案對熱帶大氣季節(jié)內振蕩模擬的影響. 中國科學: 地球科學, 41(9): 1341-1351.

李響. 2012. WRF模式中積云對流參數化方案對西北太平洋臺風路徑與強度模擬的影響. 中國科學: 地球科學, 42(12): 1966-1978.

廖鏡彪, 王雪梅, 夏北成等. 2012. WRF模式中微物理和積云參數化方案的對比試驗. 熱帶氣象學報, 28(4): 461-470.

林文實, 黃美元. 1998. 積云參數化方案研究的現(xiàn)狀. 熱帶氣象學報, 14(4): 374-379.

劉建勇, 談哲敏, 張熠. 2012. 梅雨期3類不同形成機制的暴雨. 氣象學報, 70(3): 452-466.

劉一鳴. 1998. 中國關于積云參數化方案的應用. 氣象學報, 56(2): 247-255.

平凡, 高守亭. 2004. 短期氣候模式中積云參數化方案的選取及其效能的檢驗. 中國科學院研究生院學報, 21(3): 366-373.

平凡, 唐細壩, 高守亭等. 2014. 長江和淮河流域汛期洪澇大氣環(huán)流特征的比較. 中國科學: 地球科學, 44(4): 766-782.

孫國武, 陳葆德. 1994. 青藏高原大氣低頻振蕩與低渦群發(fā)性的研究. 大氣科學, 18(1): 113-121.

屠妮妮, 何光碧, 張利紅. 2011. WRF模式中不同積云對流參數化方案對比試驗. 高原山地氣象研究, 31(2): 18-25.

王興榮, 吳可軍, 石春娥. 1999. 凝結幾率函數的引進和非均勻飽和濕空氣動力學方程組. 熱帶氣象學報, 15(1): 64-70.

徐祥德, 陳聯(lián)壽. 2006. 青藏高原大氣科學試驗研究進展. 應用氣象學報, 17(6): 756-772.

許習華, 丁一匯. 1990. 一種考慮云相互作用的積云對流參數化方案及其在降水預報中的應用. 中國科學(B 輯), 20(9): 998-1008.

許習華. 1991. 積云對流參數化方案研究的進展. 高原氣象, 10(1): 105-110.

左瑞亭, 王麗瓊, 錢貞成等. 2008. 當前對流參數化研究存在問題的討論. 熱帶氣象學報, 24(6): 732-736.

(本文編輯何燕)

基金項目國家重點基礎研究發(fā)展規(guī)劃項目(973計劃)(2013CB430105)和國家自然科學青年基金(41405059)及國家自然科學基金面上項目(40775038，40875031，40975036)聯(lián)合資助.

作者簡介唐細壩，男，1983年生，助理研究員，主要從事中小尺度動力學研究. E-mail: tangxb_6@mail.iap.ac.cn *通訊作者平凡，男，1967年生，研究員，主要從事積云對流參數化研究.E-mail:pingf@mail.iap.ac.cn

doi:10.6038/cjg20160105 中圖分類號P445

收稿日期2014-08-31，2015-12-15收修定稿

A modified cumulus parameterization scheme and its applications in simulation of heavy rainfall

TANG Xi-Ba1， PING Fan1*， LUO Zhe-Xian2

1LaboratoryofCloud-PrecipitationPhysicsandSevereStorms(LACS),InstituteofAtmosphericPhysics,ChineseAcademyofSciences，Beijing100029,China2DepartmentofGeography,NanjingUniversityofInformationScienceandTechnology,Nanjing210044,China

AbstractA cumulus parameterization scheme has been developed and modified according to the local weather features of East Asia, which can be used to simulate the heavy rainfall on the mesoscale model. Firstly, on the basis of synthetic analysis of organized convective precipitation located in Yangtze and Huaihe River basins during flood seasons from 1990 to 2010, the dynamic parameters that could reflect the environment of organized convective precipitation are diagnosed. Secondly, the dynamic parameters are used to control conditions in order to develop and improve the Kain-Fritsch Eta cumulus scheme. Finally, the rainstorms occurring over the Yangtze River valley and South China have been simulated with the Kain-Fritsch Eta cumulus scheme and the modified cumulus scheme, respectively. The comparison of simulation results shows that the modified cumulus parameterization scheme could obviously improve the simulated precipitation both in locations and intensity.

KeywordsCumulus parameterization scheme； Mesoscale model； Kain-Fritsch Eta； Simulation of rainstorms

唐細壩， 平凡， 羅哲賢. 2016. 中尺度模式積云參數化方案的改進及其在暴雨模擬中的應用.地球物理學報，59(1):45-58,doi:10.6038/cjg20160105.

Tang X B, Ping F, Luo Z X. 2016. A modified cumulus parameterization scheme and its applications in simulation of heavy rainfall.ChineseJ.Geophys. (in Chinese),59(1):45-58,doi:10.6038/cjg20160105.