單雙參云微物理方案對(duì)強(qiáng)降水過(guò)程中云宏微觀特征 模擬的對(duì)比分析

黃乾 錢悅

摘要 將WRF3.9模式的16種云微物理方案分為單參、雙參兩組，分別對(duì)2016年6月30日—7月4日江淮流域的一次強(qiáng)降水過(guò)程進(jìn)行模擬。首先利用逐小時(shí)觀測(cè)降水對(duì)各組模擬降水進(jìn)行評(píng)估，在此基礎(chǔ)上利用FY-2G和CALIPSO云產(chǎn)品數(shù)據(jù)分別評(píng)估不同方案對(duì)降水過(guò)程中總云量、云垂直結(jié)構(gòu)云水含量等宏微觀特征的模擬性能。結(jié)果表明：選用不同的云微物理參數(shù)化方案均能較好地模擬出該次過(guò)程的雨帶位置和中心降水強(qiáng)度，但不同方案對(duì)云宏微觀特征的模擬結(jié)果有顯著差異。分析兩組試驗(yàn)對(duì)總云量的模擬結(jié)果發(fā)現(xiàn)，單參方案組除Kessler暖云方案對(duì)冰云過(guò)程描述不足導(dǎo)致模擬的總云量顯著偏高外，其他單參方案和所有雙參方案均能模擬出強(qiáng)降水過(guò)程中總云量的時(shí)空演變特征。從云覆蓋率和云水含量的垂直分布特征來(lái)看，單參方案組對(duì)600 hPa以下中低層暖云的模擬穩(wěn)定性整體略優(yōu)于雙參方案組;而對(duì)200～500 hPa的冰相云模擬結(jié)果相反，雙參方案組比單參試驗(yàn)組模擬的固水含量更加集中。將各層云覆蓋率與CALIPSO云產(chǎn)品的對(duì)比也發(fā)現(xiàn)，對(duì)于低層暖云降水過(guò)程，選擇如WSM3單參云微物理方案比雙參方案得到的模擬云量更加接近實(shí)況，而對(duì)于以深對(duì)流為主要運(yùn)動(dòng)特征的冷云降水過(guò)程，選擇如WDM5或WDM6這樣雙參云微物理方案模擬得出的高云量值更加穩(wěn)定，誤差也更小。

關(guān)鍵詞 單雙參云微物理方案; 強(qiáng)降水; 云量

在全球變暖的背景下，氣象災(zāi)害日益增多，暴雨引起的洪澇災(zāi)害是我國(guó)重要的氣象災(zāi)害之一。江淮流域暴雨引發(fā)的災(zāi)害性天氣一直是該區(qū)域的預(yù)防重點(diǎn)，而云與降水也有著密切的關(guān)系。云覆蓋了地球表面約60%的面積，通過(guò)反射太陽(yáng)短波輻射和吸收地球長(zhǎng)波輻射，在地氣系統(tǒng)輻射收支起著重要作用（Liou and Davies，1993），云的水平分布和垂直重疊結(jié)構(gòu)也影響著此次強(qiáng)對(duì)流過(guò)程。因此，云的準(zhǔn)確模擬對(duì)提高模式模擬和預(yù)測(cè)的準(zhǔn)確性具有重要意義。

云微物理過(guò)程的參數(shù)化是數(shù)值模式中重要的組成部分之一（樓小鳳等，2003）。IPCC明確指出云微物理過(guò)程是導(dǎo)致數(shù)值模式預(yù)報(bào)結(jié)果不確定的最大因素。云微物理參數(shù)化方案多采用譜分布來(lái)描述云中粒子的分布，而譜分布方案按預(yù)報(bào)量的不同又可以分為只考慮云粒子質(zhì)量濃度（單參數(shù)化方案）和同時(shí)考慮云粒子質(zhì)量濃度和數(shù)濃度（雙參數(shù)化方案）兩類。不同的云微物理方案對(duì)不同的天氣過(guò)程的模擬能力存在較大的差別，對(duì)云中的水凝物的模擬也存在較大的差異（崔錦等，2014;朱格利等，2014;馬紅云等，2020）。楊正卿等（2012）使用耦合了Morrison雙參數(shù)云微物理方案對(duì)云滴數(shù)濃度影響累積降水量的情況進(jìn)行了敏感性試驗(yàn)，發(fā)現(xiàn)云滴數(shù)濃度對(duì)降水量的影響是復(fù)雜和非線性的;王文君等（2018）采用兩類雙參數(shù)化云微物理方案，對(duì)遼寧省的一次強(qiáng)降水過(guò)程進(jìn)行模擬，評(píng)估兩個(gè)雙參數(shù)方案對(duì)強(qiáng)降水事件中對(duì)應(yīng)的地表累積降水量、降水強(qiáng)度、云中微物理量的模擬能力及主要微物理過(guò)程的差異。梅欽等（2018）利用8種微物理方案和6種積云參數(shù)化方案對(duì)湖北及其周邊地區(qū)夏季12次暴雨過(guò)程進(jìn)行回報(bào)，分析各種方案對(duì)暴雨預(yù)報(bào)的影響。

以往利用WRF模式對(duì)天氣過(guò)程的數(shù)值研究多集中在對(duì)氣溫、降水等氣象要素的模擬性能評(píng)估上，而對(duì)如云量、云水含量等多尺度的云水物理過(guò)程關(guān)注較少。邱玉珺和王宏奧（2017）基于CloudSat/CALIPSO衛(wèi)星資料，對(duì)中國(guó)北方兩個(gè)區(qū)域云垂直結(jié)構(gòu)及其微物理參量進(jìn)行了對(duì)比研究，發(fā)現(xiàn)兩個(gè)區(qū)域暖云層、混合云層和冷云層的云出現(xiàn)概率差別較大;唐雅慧等（2020）基于CloudSat與CALIPSO聯(lián)合觀測(cè)研究全球云分布特征，發(fā)現(xiàn)CALIPSO在陸地上方可以觀測(cè)到更多云雷達(dá)探測(cè)不到的高空冰云，且隨著溫度的降低，觀測(cè)優(yōu)勢(shì)越來(lái)越明顯。本研究利用WRF模式對(duì)2016年7月發(fā)生在江淮流域的持續(xù)性強(qiáng)降水過(guò)程進(jìn)行模擬，在結(jié)合地面逐小時(shí)觀測(cè)降水?dāng)?shù)據(jù)在對(duì)降水模擬性能評(píng)估的基礎(chǔ)上，進(jìn)一步對(duì)此次過(guò)程中的云宏微觀特征進(jìn)行診斷分析。將模式中現(xiàn)有的16種云微物理方案分成單、雙參兩組，將模擬得到的總云量、云垂直結(jié)構(gòu)和云水含量分別與CALIPSO-GOCCP云產(chǎn)品和風(fēng)云二號(hào)衛(wèi)星FY-2G總云量進(jìn)行對(duì)比分析。

1 天氣實(shí)況及模式設(shè)置

1.1 資料和試驗(yàn)方案設(shè)計(jì)

研究所用的降水實(shí)況數(shù)據(jù)采用中國(guó)氣象數(shù)據(jù)共享服務(wù)網(wǎng)（http：//data.cma.cn/site/index.html）中基于全國(guó)3萬(wàn)余個(gè)自動(dòng)觀測(cè)站逐小時(shí)降水量和CMORPH衛(wèi)星反演降水產(chǎn)品，采用概率密度匹配+最優(yōu)插值（PDF+OI）兩步數(shù)據(jù)融合算法生成了中國(guó)區(qū)域逐小時(shí)、0.1°×0.1°分辨率的降水量融合產(chǎn)品（沈艷等，2013）。衛(wèi)星資料云產(chǎn)品資料包括：1）總云量數(shù)據(jù)來(lái)源于國(guó)家衛(wèi)星氣象中心（http：//satellite.nsmc.org.cn/PortalSite/Default.aspx）的FY-2G的總云量產(chǎn)品，時(shí)間分辨率為1 h，空間分辨率為5 km（許健民等，2010）;2）采用CALIPSO-GOCCP云產(chǎn)品中的3D_CloudFraction中的云量數(shù)據(jù)，水平分辨率為1°×1°，垂直分辨率為0.48 km，數(shù)據(jù)可在http：//climserv.ipsl.polytechnique.fr/cfmip-obs/獲得，數(shù)據(jù)來(lái)自于搭載在CALIPSO衛(wèi)星上的云-氣溶膠正交偏振激光雷達(dá)（CALIOP）用來(lái)從太空探測(cè)云和氣溶膠的垂直結(jié)構(gòu)，并能觀測(cè)到光學(xué)厚度較薄的冰云層頂，適合用來(lái)探測(cè)三維云的垂直結(jié)構(gòu)（Chepfer et al.，2013）。

本次模擬選用WRFV3.9版本，模擬的時(shí)間為2016年6月29日08時(shí)—7月8日08時(shí)（北京時(shí)，下同），模擬區(qū)域?yàn)槿厍短拙W(wǎng)格如圖1所示，模擬中心位置為（117.037°E，35.961°N），網(wǎng)格的水平分辨率依次為27 km、9 km、3 km，模式的初始場(chǎng)和側(cè)邊界場(chǎng)資料來(lái)自NECP的FNL資料，分辨率為1°×1°，時(shí)間間隔6 h，垂直方向32層，地形資料采用USGS資料，三重嵌套區(qū)域的地形分辨率依次為10 m、2 m、30 s。為了檢驗(yàn)單參和雙參云微物理方案對(duì)降水預(yù)報(bào)、云微物理量和云量的影響，在其他參數(shù)設(shè)置完全相同的情況下，僅改變?cè)莆⑽锢韰?shù)化方案，設(shè)置了9組單參（Kessler方案、Lin方案、WSM3方案、WSM5方案、Ferrier方案、WSM6方案、Goddard方案、SBU-YLin方案、NSSL 1-mom方案）、7組雙參（Thompson方案、CAM 5.1方案、Morrison方案、WDM5方案、WDM6方案、NSSL 2-mom方案、NSSL 2-mom+CCN方案），共16種的敏感性試驗(yàn)。模式的其他物理參數(shù)化方案設(shè)置是：長(zhǎng)波輻射采用RRTM（Rapid Radiative Transfer Model）方案，短波輻射采用Dudhia方案，近地面層采用Monin-Obukhov方案，陸面過(guò)程采用Noah Land surface Model方案，邊界層采用Yonsei University （YSU）方案，積云參數(shù)化采用淺對(duì)流Kain-Fritsch（New Eta）方案。由于第三層網(wǎng)格水平分辨率為3 km，不使用積云參數(shù)化方案。因此，后文主要對(duì)3 km分辨率的細(xì)網(wǎng)格（即第三重網(wǎng)格）進(jìn)行分析。

1.2 天氣過(guò)程及背景

2016年6月30日—7月4日，我國(guó)江淮流域地區(qū)出現(xiàn)了一次持續(xù)性的強(qiáng)降水過(guò)程。圖2為2016年6月30日20時(shí)—7月4日20時(shí)累計(jì)實(shí)況降水量分布?？梢钥闯?，此次強(qiáng)降水過(guò)程雨帶呈東北-西南走向，江蘇省、安徽省均有降水發(fā)生，大部分地區(qū)降水量均在50 mm以上，其中江蘇大部、安徽中南部、湖北東南部和江西北部降水量均超過(guò)100 mm。其中強(qiáng)降水中心（115°～119°E、29°～32°N，圖2黑框所示）位于安徽安慶、池州地區(qū)和大別山地區(qū)均超過(guò)400 mm，最大降水量達(dá)到567 mm。此次強(qiáng)降水過(guò)程影響范圍廣，降水集中并且持續(xù)時(shí)間較長(zhǎng)，給江淮流域地區(qū)造成了極大的影響。

2 模擬結(jié)果分析

2.1 降水時(shí)空分析

從降水空間分布模擬情況（圖3）來(lái)看，對(duì)比觀測(cè)的降水分布（圖2）可知，單參和雙參云微物理方案對(duì)降水具有較好模擬能力。各種方案均能模擬出強(qiáng)降水過(guò)程的降水范圍，雨帶均呈東北-西南走向，與實(shí)況具有相同的趨勢(shì)。圖中右下角為不同的云微物理參數(shù)化方案與實(shí)況降水間的空間相關(guān)系數(shù)，單參方案間模擬出的降水效果差別較大，其中WSM5方案、Ferrier方案和Goddard方案模擬出的強(qiáng)降水區(qū)與實(shí)況基本一致，強(qiáng)降水中心的落區(qū)模擬效果也較好相關(guān)系數(shù)達(dá)到了0.8以上。而Kessler方案模擬出的降水范圍整體偏北，未能模擬出安徽中部的強(qiáng)降水中心。SBU-YLin方案能夠較清楚地模擬出的雨帶的走向，但是降水強(qiáng)度偏弱，強(qiáng)降水中心偏西，降水強(qiáng)度也偏弱。7種雙參數(shù)方案中CAM 5.1方案模擬出的強(qiáng)降水區(qū)偏西，降水強(qiáng)度偏弱，其他的雙參方案的強(qiáng)降水落區(qū)的位置和范圍與實(shí)況相差不大，WDM5方案和WDM6方案間差異較小，強(qiáng)降水中心基本一致，CAM 5.1方案的強(qiáng)降水區(qū)偏小，降水強(qiáng)度偏弱，而Morrison方案在江蘇中部模擬出了一個(gè)虛假的強(qiáng)降水中心。WDM5方案和WDM6方案模擬的相關(guān)系數(shù)均達(dá)到了0.85以上，與其他方案相比較WDM5方案和WDM6方案降水模擬的效果較好。

2.2 云宏微觀特征

模擬降水的評(píng)估結(jié)果不能代表云特征模擬的優(yōu)劣，有必要進(jìn)一步對(duì)模式模擬的云宏微觀特征與觀測(cè)結(jié)果進(jìn)行比較。

2.2.1 總云量

WRF在各個(gè)模式層上云量計(jì)算方案采用了Xu and Randall（1996）云量計(jì)算方案。

由于衛(wèi)星觀測(cè)反演得到的云產(chǎn)品大多只有總云量，因此需要把各模式層上計(jì)算得到的云量采用一定的垂直重疊方案計(jì)算得到總云量。常見(jiàn)的云的垂直重疊方案有最大重疊、隨機(jī)重疊、最大-隨機(jī)重疊和最大-平均重疊（Risnen et al.，2004;張華和荊現(xiàn)文，2010），本文選用的云的垂直疊加方案采用最大-平均重疊方案，即先求被晴空隔開(kāi)的不相鄰的兩層有云區(qū)域的垂直平均云量，再比較垂直方向上不同云塊平均云量的最大值作為總云量（鄭曉輝等，2013）。將上述WRF云量計(jì)算方案模擬得到的總云量分布與風(fēng)云二號(hào)衛(wèi)星的總云量分布圖進(jìn)行對(duì)比分析。

從上述觀測(cè)降水變化（圖4）可以發(fā)現(xiàn)，2016年7月1日08時(shí)降水量最大，此時(shí)垂直上升運(yùn)動(dòng)速度也最大，云的發(fā)展比較旺盛。因此選擇了7月1日08時(shí)風(fēng)云二號(hào)衛(wèi)星總云量分布（圖5）進(jìn)行分析。從圖中可以看出降雨期間我國(guó)東部地區(qū)云覆蓋面積較大，江蘇、上海、浙江北部和安徽大部分地區(qū)云系深厚，總云量均大于90%，并呈現(xiàn)出東北-西南走向的云區(qū)，此時(shí)的云區(qū)與雨帶位置基本一致。

從不同的云微物理方案模擬的云區(qū)分布（圖6）來(lái)看，兩組試驗(yàn)?zāi)M的主要云區(qū)與衛(wèi)星觀測(cè)結(jié)果整體對(duì)應(yīng)較一致，均能較準(zhǔn)確地描述出云區(qū)的分布范圍，單參方案中WSM5方案和WSM6方案、雙參方案中的WDM5方案和WDM6方案對(duì)總云量模擬效果較好，云區(qū)分布范圍一致，深厚云層和淺薄云層都有較好的對(duì)應(yīng)關(guān)系，同時(shí)與雨帶的位置分布也具有較好的一致性。而單參方案中的Kessler方案屬于簡(jiǎn)單暖云降水方案，其考慮的微物理過(guò)程并不包含冰相過(guò)程，該方案對(duì)本次深對(duì)流過(guò)程模擬的總云量顯著偏高。此外，F(xiàn)errier方案和SUB-YLin方案也存在模擬云區(qū)范圍偏大，總云量偏高的不足?？傮w來(lái)看，雙參方案的總云量分布范圍比單參方案模擬效果更為合理。

圖7為降水發(fā)生的主要區(qū)域不同云微物理方案模擬總云量和FY-2G衛(wèi)星觀測(cè)結(jié)果的空間相關(guān)系數(shù)隨時(shí)間變化。從圖中可以看出，總云量的空間相關(guān)系數(shù)具有明顯的日變化特征，同時(shí)與降水量的逐小時(shí)變化具有良好的一致性。與總云量模擬結(jié)果類似，單參方案中的Kessler方案總體相關(guān)系數(shù)均偏低，而雙參方案中的Morrison方案最不理想。圖中括號(hào)內(nèi)為6月30日08時(shí)—7月5日08時(shí)這一段時(shí)間內(nèi)的區(qū)域平均的時(shí)間相關(guān)系數(shù)，可以看出在這強(qiáng)降水過(guò)程中總云量的模擬單參方案中Goddard方案相關(guān)系數(shù)最高，達(dá)到了0.549，雙參方案中WDM5方案相關(guān)系數(shù)最高，達(dá)到了0.442。同時(shí)在對(duì)降水的模擬中Goddard方案和WDM5方案分別在單參方案和雙參方案中時(shí)間相關(guān)系數(shù)最高，相對(duì)其他的單參方案和雙參方案模擬效果較好。

2.2.2 云微物理量檢驗(yàn)

為了進(jìn)一步分析各方案對(duì)本次強(qiáng)降水過(guò)程中對(duì)流云團(tuán)的模擬差異，對(duì)云微物理量的模擬得出云與環(huán)境的反饋機(jī)制，并得到對(duì)流云團(tuán)的結(jié)構(gòu)及演變特征。6月30日20時(shí)—7月1日20時(shí)降水強(qiáng)度最大，累計(jì)雨量最大，模擬效果最好。分析這段時(shí)間內(nèi)江淮流域強(qiáng)降水區(qū)域（115°～119°E，29°～32°N）區(qū)域平均單參方案和雙參方案中液態(tài)和固態(tài)水凝物的垂直分布。雨水混合比是云中的液態(tài)水凝物并與模擬的降水量直接相關(guān)的物理量。從圖8a、b可以看出，除了WSM3方案外，各種單、雙參方案在600 hPa以下區(qū)域雨水凝結(jié)，而WSM3方案在600 hPa雨水混合比急劇增加到450 hPa達(dá)到最大，雨水混合比為0.58 g/kg。9種單參方案中而Kessler方案的雨水凝結(jié)隨高度遞減較緩，其余方案模擬雨水混合比在600 hPa高度以下緩慢減少，而600 hPa 以上迅速減少，500 hPa高度以上雨水混合比基本為0 g/kg。近地層雨水混合比最低的為Kessler方案，最高的為L(zhǎng)in方案，兩者相差0.16 g/kg。

7種雙參方案中CAM 5.1方案的雨水混合比明顯高于其他方案，CAM 5.1方案是從氣候模式CESM中移植而來(lái)，與氣候模式中的參數(shù)有關(guān)，可能不太適合較高的分辨率的模式模擬。近地層雨水混合比最低的為NSSL 2-mom+CCN方案，NSSL 2-mom+CCN方案在NSSL 2-mom方案的基礎(chǔ)上增加了云凝結(jié)核的預(yù)報(bào)量?？梢缘贸?，總體來(lái)說(shuō)雙參方案之間雨水混合比的垂直廓線的差異較小，單參方案的雨水混合比的垂直廓線分布較雙參方案更加分散，不同的單參方案之間雨水混合比差異也更大。所以這可能導(dǎo)致單參方案較雙參方案在預(yù)報(bào)降水時(shí)具有較大的差異。從圖8c、d固態(tài)水凝物分布廓線可以看出，600 hPa高度以下固態(tài)水凝物基本為0 g/kg，600 hPa高度以上隨著高度先增加后減少，大部分云微物理方案都在400～500 hPa出現(xiàn)最大值。單雙參云微物理方案之間固態(tài)水凝物差異比較明顯，單參方案之間固態(tài)水凝物差異較大，Goddard方案在固態(tài)水凝物達(dá)到最大值時(shí)的最大值為0.89 g/kg，Lin方案在固態(tài)水凝物達(dá)到最大值時(shí)的最大值為0.29 g/kg，兩者相差0.6 g/kg。而雙參方案中固態(tài)水凝物的垂直分布相對(duì)集中，固態(tài)水凝物最大值為0.4～0.6 g/kg。這可能與選取的16種單雙參方案中不同的微物理過(guò)程有關(guān)。雨水混合比以及固態(tài)水凝物含量間垂直分布的差異會(huì)導(dǎo)致云中垂直加熱結(jié)構(gòu)不同，底層凝結(jié)有利于不穩(wěn)定維持，而高層水凝物濃度增加可以通過(guò)潛熱釋放削弱對(duì)流發(fā)展。

2.2.3 云量垂直結(jié)構(gòu)

云量的垂直結(jié)構(gòu)演變可以對(duì)此次強(qiáng)降水過(guò)程進(jìn)一步分析，WRF模式中輸出的云量是一個(gè)三維變量，能否準(zhǔn)確模擬出云的垂直結(jié)構(gòu)對(duì)研究大氣輻射和降水有很大的影響，此次選用的CALIPSO衛(wèi)星數(shù)據(jù)云產(chǎn)品可以獲得云的垂直剖面的云覆蓋率數(shù)據(jù)。云的形成和演變過(guò)程中，強(qiáng)烈的對(duì)流過(guò)程發(fā)揮著重要的作用。如圖9a所示，CALIPSO衛(wèi)星在2016年7月2日13時(shí)經(jīng)過(guò)模擬區(qū)域的星下點(diǎn)軌跡，圖9b中CALIPSO衛(wèi)星的掃過(guò)圖9a對(duì)應(yīng)軌跡的云量垂直結(jié)構(gòu)剖面。由于CALIPSO衛(wèi)星觀測(cè)是自上而下通過(guò)儀器自動(dòng)連續(xù)的掃描，所以衛(wèi)星對(duì)高云的探測(cè)能力比低云的探測(cè)能力更強(qiáng)（鄭曉輝等，2016）。CALIPSO衛(wèi)星中的CALIOP探測(cè)器在云的垂直方向存在重疊時(shí)，無(wú)法穿過(guò)光學(xué)厚度大的云層會(huì)導(dǎo)致遺漏一些中云和低云（Li et al.，2015;Sèze et al.，2015;Yin et al.，2015）。此時(shí)處于強(qiáng)降水過(guò)程中，云頂高度已經(jīng)達(dá)到了15 km，云底高度為6 km，云厚已經(jīng)達(dá)到了9 km，云團(tuán)中部分云量已達(dá)到100%。

將WRF模擬的數(shù)據(jù)插值到相應(yīng)的衛(wèi)星軌跡上，并將不同云微物理方案模擬出的云垂直剖面結(jié)構(gòu)與CALIPSO衛(wèi)星觀測(cè)資料進(jìn)行對(duì)比。圖10為不同云微物理參數(shù)化方案模擬的2016年7月2日13時(shí)的云量垂直結(jié)構(gòu)剖面。對(duì)比CALIPSO衛(wèi)星的垂直云量（圖9b），16種參數(shù)化方案都能大致模擬出在云的云頂高度和云底高度，模擬出的云頂高度達(dá)到了16 km，云底高度大致為6 km，模擬云的位置也與觀測(cè)數(shù)據(jù)大致相同，云的分布與降雨區(qū)相一致，WRF模擬出的云剖面結(jié)果均為對(duì)流云，云的厚度大約都在9～12 km。云團(tuán)中高云量最大值都達(dá)到了90%以上，較大的垂直速度起到了抬升作用，使得強(qiáng)對(duì)流過(guò)程加劇。但是不同的單雙參云微物理方案中對(duì)中云量和低云量均有不同程度的高估，總體來(lái)看單參方案比雙參方案更為接近實(shí)況，而對(duì)于高云量的模擬雙參方案則整體優(yōu)于單參方案。單參方案中Kessler方案和SBU-YLin方案極大地高估了高云量，WSM3方案低估了高云量，Goddard方案能較好地模擬出云的云頂高度和云的分布范圍。雙參方案中，CAM 5.1方案雖然模擬出了低云區(qū)，但與觀測(cè)結(jié)果有偏差，WDM5方案和WDM6方案模擬出的垂直云量結(jié)果類似，垂直云量分布均與實(shí)況最為接近。單參方案中Kessler方案是一個(gè)簡(jiǎn)單的暖云降水方案，預(yù)報(bào)量只有水汽、雨水和云水混合比，該方案中未對(duì)液水與冰之間的冰相過(guò)程進(jìn)行處理，對(duì)冰云過(guò)程描述不足導(dǎo)致模擬的降水偏弱和總云量顯著偏高，不適合應(yīng)用于深對(duì)流性降水過(guò)程的模擬，對(duì)于冰云過(guò)程可以使用WDM5方案和WDM6方案更為合理。

3 討論和結(jié)論

將WRF模式16種不同的云微物理方案分成單參和雙參兩組進(jìn)行模擬，將模擬結(jié)果結(jié)合逐小時(shí)觀測(cè)降水和衛(wèi)星觀測(cè)的總云量和云覆蓋垂直結(jié)構(gòu)產(chǎn)品對(duì)夏季江淮流域一次強(qiáng)降水過(guò)程進(jìn)行診斷分析，得出以下幾點(diǎn)結(jié)論：

1）選用不同的云微物理參數(shù)化方案均能較好地模擬出該次過(guò)程的雨帶位置和中心降水強(qiáng)度，但不同方案對(duì)云宏微觀特征的模擬結(jié)果有顯著差異。

2）分析兩組試驗(yàn)對(duì)總云量的模擬結(jié)果發(fā)現(xiàn)，單參方案組除Kessler暖云方案由于對(duì)冰云過(guò)程描述不足導(dǎo)致模擬的總云量顯著偏高外，其他單參方案和所有雙參方案均能模擬出強(qiáng)降水過(guò)程中總云量的時(shí)空演變特征。

3）從云覆蓋率和云水含量的垂直分布特征來(lái)看，單參方案組對(duì)600 hPa以下中低層暖云的模擬穩(wěn)定性整體略優(yōu)于雙參方案組，單參方案組對(duì)液水含量的模擬大部分均在0.1～0.2 g/kg左右，而雙參方案組各試驗(yàn)間偏差較大，0.05～0.3 g/kg;而對(duì)200～500 hPa之間的冰云模擬結(jié)果則相反，單參試驗(yàn)組的固水含量模擬結(jié)果為0.2～0.8 g/kg，而雙參方案組除Morrison方案較其他方案明顯偏低外，其他方案均穩(wěn)定在0.4～0.6 g/kg。

4）與CALIPSO觀測(cè)數(shù)據(jù)的對(duì)比結(jié)果可以發(fā)現(xiàn)，兩組試驗(yàn)均能較好地模擬出云底和云頂?shù)母叨龋珜?duì)9 km以下各層暖云量的模擬結(jié)果均有不同程度的偏高，總體來(lái)看單參方案比雙參方案更為接近實(shí)況，而對(duì)9 km以上的冷云過(guò)程，雙參方案則整體優(yōu)于單參方案。其中WDM5方案和WDM6方案的模擬效果相對(duì)最佳，降水強(qiáng)度、強(qiáng)降水中心和云量分布都與實(shí)況最為接近。

從上述分析可以發(fā)現(xiàn)，選擇不同云微物理方案得到的降水和云特征模擬表現(xiàn)并不一致。對(duì)對(duì)流層低層暖云過(guò)程選擇如WSM3這樣的單參方案得到的云特征更加符合觀測(cè)，而對(duì)高層冰云過(guò)程則選用如WDM5這樣的雙參方案更為合理。本研究主要針對(duì)江淮流域一次深對(duì)流強(qiáng)降水過(guò)程進(jìn)行模擬分析，有關(guān)單參、雙參方案對(duì)不同地區(qū)和不同類型降水過(guò)程的預(yù)報(bào)能力和云特征的模擬性能還需要在今后的研究中進(jìn)一步深入地探討和研究。

參考文獻(xiàn)（References）

Chepfer H，Cesana G，Winker D，et al.，2013.Comparison of two different cloud climatologies derived from CALIOP-attenuated backscattered measurements （level 1）：the CALIPSO-ST and the CALIPSO-GOCCP[J].J Atmos Ocean Technol，30（4）：725-744. doi：10.1175/jtech-d-12-00057.1.

崔錦，周曉珊，閻琦，等，2014.WRF模式不同微物理過(guò)程對(duì)東北降水相態(tài)預(yù)報(bào)的影響[J].氣象與環(huán)境學(xué)報(bào)，30（5）：1-6. Cui J，Zhou X S，Yan Q，et al.，2014.Impact of different microphysical processes of WRF model on precipitation phase forecasting in Northeast China[J].J Meteor Environ，30（5）：1-6.（in Chinese）.

Li J，Huang J，Stamnes K，et al.，2015.A global survey of cloud overlap based on CALIPSO and CloudSat measurements[J].Atmos Chem Phys，15（1）：519-536. doi：10.5194/acp-15-519-2015.

Liou K N，Davies R，1993.Radiation and cloud processes in the atmosphere[J].Phys Today，46（9）：66-67. doi：10.1063/1.2809044.

樓小鳳，胡志晉，王鵬云，等，2003.中尺度模式云降水物理方案介紹[J].應(yīng)用氣象學(xué)報(bào)，14（S1）：49-59. Lou X F，Hu Z J，Wang P Y，et al.，2003.Introduction to microphysical schemes of mesoscale atmospheric models and cloud models[J].J Appl Meteor Sci，14（S1）：49-59.（in Chinese）.

馬紅云，韓路杰，顧春利，2020.云凝結(jié)核對(duì)南京及周邊地區(qū)夏季暴雨影響的數(shù)值模擬[J].大氣科學(xué)學(xué)報(bào)，43（5）：897-907. Ma H Y，Han L J，Gu C L，2020.Numerical simulation on impact of cloud condensation nuclei on summer rainstorm in Nanjing and its surrounding areas[J].Trans Atmos Sci，43（5）：897-907. doi：10.13878/j.cnki.dqkxxb.20180111001.（in Chinese）.

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(yù)報(bào)能力檢驗(yàn)及集成試驗(yàn)[J].大氣科學(xué)學(xué)報(bào)，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）.

邱玉珺，王宏奧，2017.基于CloudSat/CALIPSO資料的我國(guó)北方2個(gè)區(qū)域云垂直分布差異研究[J].大氣科學(xué)學(xué)報(bào)，40（4）：553-561. Qiu Y J，Wang H A，2017.The vertical distribution of cloud properties in two regions of northern China based on CloudSat/CALIPSO data[J].Trans Atmos Sci，40（4）：553-561. doi：10.13878/j.cnki.dqkxxb.20160517002.（in Chinese）.

Risnen P，Barker H W，Khairoutdinov M F，et al.，2004.Stochastic generation of subgrid-scale cloudy columns for large-scale models[J].Quart J Roy Meteor Soc，130（601）：2047-2067. doi：10.1256/qj.03.99.

Sèze G，Pelon J，Derrien M，et al.，2015.Evaluation against CALIPSO lidar observations of the multi-geostationary cloud cover and type dataset assembled in the framework of the Megha-Tropiques mission[J].Quart J Roy Meteor Soc，141（688）：774-797. doi：10.1002/qj.2392.

沈艷，潘旸，宇婧婧，等，2013.中國(guó)區(qū)域小時(shí)降水量融合產(chǎn)品的質(zhì)量評(píng)估[J].大氣科學(xué)學(xué)報(bào)，36（1）：37-46. Shen Y，Pan Y，Yu J J，et al.，2013.Quality assessment of hourly merged precipitation product over China[J].Trans Atmos Sci，36（1）：37-46. doi：10.13878/j.cnki.dqkxxb.2013.01.005.（in Chinese）.

唐雅慧，周毓荃，蔡淼，等，2020.基于CloudSat與CALIPSO聯(lián)合觀測(cè)研究全球云分布特征[J].大氣科學(xué)學(xué)報(bào)，43（5）：917-931. Tang Y H，Zhou Y Q，Cai M，et al.，2020.Global distribution of clouds based on CloudSat and CALIPSO combined observations[J].Trans Atmos Sci，43（5）：917-931. doi：10.13878/j.cnki.dqkxxb.20180104001.（in Chinese）.

王文君，朱彬，楊素英，等，2018.兩類雙參數(shù)云微物理方案對(duì)夏季強(qiáng)降水事件模擬能力的對(duì)比研究[J].大氣科學(xué)學(xué)報(bào)，41（6）：721-730. Wang W J，Zhu B，Yang S Y，et al.，2018.Comparison and analysis of strong precipitation simulation capability of Morrison and Milbrandt-Yau two-moment cloud micro-physical schemes[J].Trans Atmos Sci，41（6）：721-730. doi：10.13878/j.cnki.dqkxxb.20171112005.（in Chinese）.

Xu K M，Randall D A，1996.A semiempirical cloudiness parameterization for use in climate models[J].J Atmos Sci，53（21）：3084-3102. doi：10.1175/1520-0469（1996）053<3084：ascpfu>2.0.co;2.

許健民，楊軍，張志清，等，2010.我國(guó)氣象衛(wèi)星的發(fā)展與應(yīng)用[J].氣象，36（7）：94-100. Xu J M，Yang J，Zhang Z Q，et al.，2010.Chinese meteorological satellites，achievements and applications[J].Meteor Mon，36（7）：94-100.（in Chinese）.

楊正卿，銀燕，劉聰，等，2012.云滴數(shù)濃度影響混合型層狀云降水的數(shù)值模擬[J].大氣科學(xué)學(xué)報(bào)，35（3）：350-363. Yang Z Q，Yin Y，Liu C，et al.，2012.Numerical simulation of impact of cloud droplet number concentration on precipitation from mixed stratiform and convective clouds[J].Trans Atmos Sci，35（3）：350-363. doi：10.13878/j.cnki.dqkxxb.2012.03.012.（in Chinese）.

Yin J F，Wang D H，Xu H B，et al.，2015.An investigation into the three-dimensional cloud structure over East Asia from the CALIPSO-GOCCP Data[J].Sci China Earth Sci，58（12）：2236-2248. doi：10.1007/s11430-015-5205-4.

張華，荊現(xiàn)文，2010.氣候模式中云的垂直重疊假定對(duì)模擬的地-氣輻射的影響研究[J].大氣科學(xué)，34（3）：520-532. Zhang H，Jing X W，2010.Effect of cloud overlap assumptions in climate models on modeled earth-atmosphere radiative fields[J].Chin J Atmos Sci，34（3）：520-532.（in Chinese）.

鄭曉輝，徐國(guó)強(qiáng)，魏榮慶，2013.GRAPES新云量計(jì)算方案的引進(jìn)和影響試驗(yàn)[J].氣象，39（1）：57-66. Zheng X H，Xu G Q，Wei R Q，2013.Introducing and influence testing of the new cloud fraction scheme in the GRAPES[J].Meteor Mon，39（1）：57-66.（in Chinese）.

鄭曉輝，徐國(guó)強(qiáng)，賈麗紅，等，2016.GRAPESMeso區(qū)域模式積云計(jì)算方案引進(jìn)及預(yù)報(bào)效果檢驗(yàn)[J].大氣科學(xué)，40（5）：907-919. Zheng X H，Xu G Q，Jia L H，et al.，2016.Incorporation of a cumulus fraction scheme in the GRAPESMeso and evaluation of its performance[J].Chin J Atmos Sci，40（5）：907-919.（in Chinese）.

朱格利，林萬(wàn)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(guò)程的數(shù)值模擬和性能分析[J].大氣科學(xué)，38（3）：513-523. Zhu G L，Lin W T，Cao Y H，2014.Numerical simulation of a rainstorm event over South China by using various cloud microphysics parameterization schemes in WRF model and its performance analysis[J].Chin J Atmos Sci，38（3）：513-523.（in Chinese）.

Comparative analysis of single-moment and double-moment microphysics schemes in WRF on the heavy precipitation process of the macroscale and microscale characteristics of the cloud

HUANG Qian1，QIAN Yue1，2

1School of Atmospheric physics， Nanjing University of Information Science and Technology， Nanjing 210044， China;

2Jiangxi Ecological Meteorology Center，Nanchang 330096， China

In the present study， a heavy precipitation process of the Yangtze Valley River Basin during the period of 30 June to 4 July 2016 is simulated by using a Weather Forecast modeling system. The effects of the microphysics schemes are dividedinto two groups of nine single-moment and seven double-moment schemes. Next， using the time series of observational precipitation to simulate single-moment and double-moment schemes， FY-2G and Cloudsat cloud product were also used to evaluate the simulation different microphysics schemes of the cloud macroscale and microscale characteristics， such as total cloud fraction and vertical struction of the cloud fraction and cloud water content in the precipitation process. The results revealedthe following： the simulation of different microphysics schemes can present the rain belt position and central rainfall intensity of the process， yet the simulation of the cloud macroscale and microscale characteristics are significantly different. With the exception of the Kessler scheme by the warm cloud scheme of single-moment scheme， in which， due to the insufficient description of the ice cloud process causing the simulation of total cloud fraction to be significantly higher， all of the other single-moment and double-parameter schemes can simulate the temporal and spatial evolution characteristics of the total cloud cover during the heavy precipitation process. From the vertical distribution characteristics of cloud coverage and cloud water content， the simulation stability of the group of single-moment schemes to the middle and low level warm clouds below 600 hPa are slightly better than the group of the double-moment schemes. In addition， the simulation results of the ice cloud between 200—500 hPa were reversed， and the group of double-moment schemes was more concentrated than the single-moment group. The comparison of the simulation cloud fraction of each layer with the Cloudsat cloud product showed that for the low level warm cloud precipitation process using the WSM3 scheme of single-moment scheme the cloud fraction is closer to the observation than the double-moment schemes. However， the deep convection process which took the cold cloud precipitation process as the main movement characteristics， when using the WDM5 or WDM6 scheme of double-moment schemes， the high cloud fraction is more stable and the error is smaller.

single-and double-moment microphysics schemes;heavy precipitation;total cloud fraction

doi：10.13878/j.cnki.dqkxxb.20190501001

（責(zé)任編輯：袁東敏）