WRF模式中不同積云對流參數方案在四川地區試驗研究

鐘蘭由頁，朱克云，張 杰，劉二影

(1.成都信息工程學院大氣科學學院高原大氣與環境四川省重點實驗室，四川 成都610225;2.成都軍區空軍氣象中心，四川成都610041)

0 引言

暴雨是四川乃至全國的主要災害性天氣之一，利用中尺度數值模式對暴雨進行數值模擬，是分析和預報中最常用的手段之一。WRF模式是繼MM5模式后的新一代高分辨率的中尺度數值模式，可以滿足從云尺度到各種天氣尺度的重要天氣特征的預報精度[1]。模式中對降水模擬影響較大的物理過程主要有微物理過程、積云對流過程以及邊界層參數化方案。積云對流過程是數值模式中最重要的非絕熱加熱物理過程之一，它能影響大尺度環流，并在決定大氣溫度、濕度場的垂直結構中起著關鍵的作用[2－3]。在其他條件相同的情況下，不同的積云對流參數化方案模擬的溫度和降水差異較大。黃安寧[4]等研究指出Grell方案更適合中國東南部地區夏季極端強降水的模擬。廖鏡彪[5]等對珠江三角洲地區一個暴雨個例進行模擬，結果表明只有KF方案模擬出了較為接近地模擬出了降水中心和降水帶，但其降水量偏小。伍華平[6]等選用多種微物理方案與積云參數化方案搭配，對2007年6月1～2日湖南南部的暴雨過程進行了模擬試驗，表明選用Lin等微物理方案和KF積云參數化方案，采用20 km的格點分辨率，可以模擬這場暴雨的范圍，且采用網格嵌套技術的模擬結果優于未采用嵌套的模擬結果。

由于對流活動發生地的不同和觸發對流運動的環境場差異，不同方案對暴雨發生時間、地點、強度的預報是有差異的。何光碧[7]利用了MM5中尺度模式，對四川地區四次暴雨過程進行了對流參數化方案及兩重區域采用不同方案組合的數值試驗，模式嵌套都采用Kuo方案預報的主要降水區偏西、偏南，降水強度偏弱，都采用Grell方案與粗網格采用Kuo方案而細網格采用Grell方案預報結果接近，能夠較好的預報雨區東移以及降水強度。

1 實況個例

針對四川地區的強降水過程，選取了2012年7月2至4日的強降水過程作為分析個例。綿陽、廣元、樂山、遂寧、南充、資陽、巴中、達州、眉山9市大部、涼山州中北部及雅安、自貢、宜賓、內江、德陽等市的部分地方共46個縣(市)出現暴雨，其中有16個縣(市)降了大暴雨。

從圖1可以看出，7月3日20時500hPa高空圖上歐亞大陸為兩槽一脊的天氣形勢。四川地區有一從高原發展加深的小槽，由于冷平流的作用，該槽會繼續加深發展。同時，從多變的高空風向可以看出，四川地區存在小槽多波動。副熱帶高壓脊線位于25°N附近，在副高外圍與低槽相互作用，有利于水汽的輻合，容易造成降水天氣形勢。

圖1 2012年7月3日20時500hPa天氣形勢圖

圖2 2012年7月3日20時850hPa天氣形勢圖

從圖2可以看出在850hPa低空圖上，四川地區存在一低壓，其前部存在著明顯的西南急流，降水多發生于低空急流的左側。同時四川地區有來自孟灣的水汽，與急流匯聚形成強烈的水汽輻合帶。此次暴雨天氣主要受高原低槽前部西南風和副高西北部的東南風合并形成明顯的西南急流，西南急流帶來的暖濕空氣與冷空氣在四川盆地交匯，使得此次暴雨過程降雨量大、持續時間長，造成危害較大。

2 模擬方案設計

2.1 積云參數化過程介紹

表1 積云參數化方案特點

2.2 模擬方案設計

使用的背景場為NECP1°×1°再分析資料，WRF3.4.1版本對兩次四川的暴雨過程進行模擬，采用雙重嵌套網格，網格嵌套以及區域如圖3所示，模擬方案設計如表2所示。積分時間為24h，積分步長為90s。模式中心為30.7°N，105°E。

圖3 模擬區域

表2 WRF模式參數設定

3 結果分析

3.1 降水場分析

圖4為2012年7月3日00時至7月4日00時24小時降水累積雨量在四川地區的分布圖(單位:mm)。總體來看，此次暴雨過程主要分布在四川東部，其中資陽、遂寧、巴中、達州等地出現強降雨中心，日降水量達到150mm～200mm以上，其余地區的降水量集中在50mm～100mm，降水量分布呈現從東向西逐漸減少的趨勢。

圖4 2012年7月3日00時至4日00時24h累積降水量

圖5 (a)～(f)為6種方案降水模擬圖

圖5(a)～(f)分別為以2012年7月3日00時為初始場采用不同積云對流參數化方案給出的24小時累積雨量圖(單位:mm)。由圖可見，KF方案預報此次四川地區暴雨的強降水中心主要分布在(102.5°E～104.5°E，28°N～28.5°N)、(105°E，28°N～31°N)和(106.5°E～107.5°E，32.5°N)，其降水量高達 100mm 以上，局部地區達到200mm，該方案降水范圍預報偏大，降水強度在川中地區偏強，在川西地區偏弱。BMJ方案預報此次降雨過程的強降水中心在(103.5°E，29°N)和(105.5°E～108°E，31.5°N～32.5°N)24 小時降水累積量在 100mm 以上，其中四川西部降水量達200mm明顯強于中部降水，對比實際降水來看，BMJ方案模擬降水在川西強度偏弱在川北則偏強，但從強降水中心的位置和強度判斷與實際降水最為接近，可以為強降水預報提供一定的參考價值。GD方案暴雨預報在強降水中心的強度預報上明顯低于實際降水、范圍預報上與實際相差不大，實際24小時降水累積量局部地區達到200mm以上，而模擬的降水量僅達100mm，故模擬效果不佳。SAS方案模擬的強降水中心在(103°E～104.5°E，28.5°N～29°N)以及(105°E～107°E，32°N～33°N)，24h累積降水量大于100mm，但是位于四川西部模擬的主要強降水中心與實況相比往西移動，其范圍小于實際情況、強度偏小。G-3D方案降水預報的強降水中心大致位于(106.5°E～108.5°E，31.5°N～32.5°N)范圍，其位置雖與實況接近但強度明顯較弱，強降水落區以外區域的降水預報均偏強。TS方案預報四川地區的強降水落區位于(104.5°E～108°E，31.5°N～32°N)，24小時累積降水量在100mm以上，中心區域降水量達200mm，該方案在強降水中心的模擬上與實況較為接近。

綜合上述，從六種不同積云對流參數方案對2012年7月3日的降水模擬可以看出:①模擬的降水范圍普遍偏大，對四川北部的降水強度預報均偏強，存在不同程度的虛擬降水中心;②在強降水落區的預報方面，BMJ方案、G-3D方案和TS方案均與實況相似，但都存在小范圍誤差;③在強降水中心的強度預報上，6種參數方案均偏弱，相比之下，BMJ方案與TS方案略勝一籌。

3.2 云物理量特征分析

3.2.1 雨水混合比分析

云物理過程是中尺度數值模式中最重要的非絕熱加熱物理過程之一，成云降雨過程發生以后通過感熱、潛熱和動量輸送等反饋作用影響大尺度環流，并在決定大氣溫度濕度場的垂直結構中起著關鍵作用，也是人們最為關心的降水預報的關鍵所在[8]。因此在中尺度數值天氣預報模式當中，更加準確的描述云物理過程將能夠很大程度上提高模式預報降水能力[9]。由于云凝結物與降水云系的發展演變密切相關，可以通過增加或減少局地大氣中云凝結物的含量從而改變云凝結物的空間分布狀況，影響云的微物理過程，進而促進或抑制降水云系的發展演變[10]。分別對各個方案模擬的降水過程中這兩個混合比每6小時求一次平均值，并對其進行診斷分析。

圖6 (a)～(d)為KF方案每間隔6小時模擬的平均雨水混合比

圖6(a)～(d)分別為KF方案每間隔6小時模擬的平均雨水混合比。從圖上可以看出12:00以前平均雨水混合比的峰值區出現在川中地區，12:00以后則東移至四川東部，同時，Qr的峰值區對應著降水模擬場的強降水區，說明了平均雨水混合比與降水量成正比關系。對比實際降水場可以發現，Qr的峰值區依舊與強降水區基本對應，但由于數值模擬的差別，和實際降水有所不同。

圖7 (a)～(d)為BMJ方案每間隔6小時模擬的平均雨水混合比

圖7(a)～(d)分別為BMJ方案每間隔6小時模擬的平均雨水混合比。BMJ方案模擬此次天氣過程的平均雨水混合比于12:00以后在四川東部出現峰值0.5kg/kg，此時能夠與模擬降水場的強降水區位置對應，很好地說明了平均雨水混合比與降水量的關系。同時對比實際降水累積量圖，可以看出當Qr≥0.5kg/kg時，對應位置實況降水量均在100mm以上，局部地區達到200mm，再一次驗證了平均雨水混合比與降水量存在正比關系。

圖8 (a)～(d)為GD方案每間隔6小時模擬的平均雨水混合比

圖8(a)～(d)分別為GD方案每間隔6小時模擬的平均雨水混合比。GD方案模擬的平均雨水混合比整體偏低，再結合模擬降水場分析可知，該方案降水強度模擬偏弱。對比實際降水場可以發現，雖然Qr的峰值區與強降水區的位置能夠基本對應，但是降水強度方面沒有很好配合。

圖9 (a)～(d)為SAS方案每間隔6小時模擬的平均雨水混合比

圖9(a)～(d)分別為SAS方案每間隔6小時模擬的平均雨水混合比。SAS方案模擬的平均雨水混合比于12:00～18:00在(104.5°E～107°E，31.5°N～32.5°N)出現一狹長峰值帶，與模擬降水場在四川東部的強降水帶很好的配合，并且說明了降水量的累積主要集中在午后。而對比實況降水來看，平均雨水混合比的狹長峰值帶沒有對實際的強降水中心進行很好描述，位于強降水中心的偏北方向，故該方案的降水模擬有待加強。

圖10 (a)～(d)為G-3D方案每間隔6小時模擬的平均雨水混合比

圖10(a)～(d)分別為G-3D方案每間隔6小時模擬的平均雨水混合比。對比模擬的降水場可以看出，除了個別地區外，G-3D模擬的平均雨水混合比的分布與降水場的分布差不多一致，但是比值不是很大，這能解釋G-3D方案對降水強度模擬偏弱。再結合實際降水場可以發現，Qr的峰值區與強降水落區基本重合，說明了兩者之間的正相關關系。

圖11 (a)～(d)為TS方案每間隔6小時模擬的平均雨水混合比

圖11(a)～(d)分別為TS方案每間隔6小時模擬的平均雨水混合比。該方案模擬的Qr分布與降水場較為符合，其峰值區對應降水場的強降水中心，能夠很好地說明降水量與Qr的關系。對比降水實況可以看出，Qr峰值區與強降水區基本吻合，當Qr≥0.5kg/kg時，對應位置實況降水量均在100mm以上，個別地區甚至達到200mm。

3.2.2 云水混合比分析

圖12(a)～(d)分別為KF方案每間隔6小時模擬的平均云水混合比，該方案模擬的平均云水混合比的分布圖與平均雨水混合比的混合比峰值區以及降水模擬場強降水落區基本一致，可以通過峰值區預計降水場中的強降水中心。同時，再將其與實況降水圖進行對比，可以發現云水混合比高的區域，降水量也是相對較多的。

圖12 (a)～(d)為KF方案每間隔6小時模擬的平均云水混合比

圖13 (a)～(d)為BMJ方案每間隔6小時模擬的平均云水混合比

圖13(a)～(d)分別為BMJ方案每間隔6小時模擬的平均云水混合比。該方案對Qc的模擬與Qr的模擬非常相似，從分布的走向到峰值區的位置，它能很好地表達Qc與Qr兩者是相關聯的，是六種參數方案中模擬效果較好的一種。再結合實際降水場對比發現，當Qc≥0.2kg/kg，24小時內的實際降水累積量達到100mm，強降水中心降水量達到200mm，這對云水混合比與實際降水量的關系進行了很好說明，可以看出成正比例關系。

圖14(a)～(d)分別為GD方案每間隔6小時模擬的平均云水混合比。將該方案模擬云水混合比分布圖、雨水混合比分布圖以及降水圖結合起來看，當Qc≥0.2kg/kg時，Qr≥0.4kg/kg，降水累積量達100mm，可以發現Qc、Qr以及降水量均是呈正比關系。再結合實際降水場發現，云水混合比的高值區對應著實際降水區域的強降水中心。

圖15(a)～(d)分別為SAS方案每間隔6小時模擬的平均云水混合比。該方案模擬的效果在展現Qr與Qc的關系上非常明顯，在(105°E～107.5°E，31.5°N～32°N)范圍內有一狹長峰值帶，當 Qc≥0.2kg/kg時，相應位置的Qr在0.5kg/kg以上，在降水模擬場的表現為強降水落區。結合實際降水圖對比分析，發現Qc圖上的狹長峰值帶并沒有對四川東部強降水中心匹配，位置偏北。

圖14 (a)～(d)為GD方案每間隔6小時模擬的平均云水混合比

圖15 (a)～(d)為SAS方案每間隔6小時模擬的平均云水混合比

圖16 (a)～(d)為G-3D方案每間隔6小時模擬的平均云水混合比

圖17 (a)～(d)為TS方案每間隔6小時模擬的平均云水混合比

圖16(a)～(d)分別為G-3D方案每間隔6小時模擬的平均云水混合比。該方案模擬的Qc與Qr在峰值區分布上基本吻合，其位置在降水模擬圖上對應的是一24小時降水累積量大于100mm的強降水區，但由于Qc與Qr高值區較小，故模擬的降水強度較實況圖相比偏弱。圖4-33(a)～(d)分別為TS方案每間隔6小時模擬的平均云水混合比。對比平均雨水混合比分布發現，二者在范圍分布基本一致，在強度上Qr＞Qc，說明雨水的水汽含量高于云水的水汽含量，從而雨水混合比更能對降水模擬場進行解釋說明。對比實況降水圖可以發現，Qc與Qr的峰值區能與強降水區域對應，但還是有漏報的現象。

3.3 渦度場分析

圖18 (a)～(f)為六種方案模擬過程在300hPa高度上的渦度場

圖18(a)和圖19(a)分別為KF方案在2012年3日08時300hPa和850hPa高度上的渦度場。在300hPa高空圖上可以看出四川地區分布了面積不等的負渦度區，其中在川東位置出現了最值為－40×10-6s-1的負渦度區，對應在850hPa低空為無旋運動以及小范圍最值為20×10-6s-1的正渦度區，此時地面的輻合上升運動加強，在降水模擬場上出現強降水中心，說明該方案的降水模擬符合降水條件的高低空配置。

圖18(b)和圖19(b)分別為BMJ方案在3日08時300hPa和850hPa高度上的渦度場。從850hPa低空圖可以看出在(107°E～108.5°E，31°N～33°N)出現一負渦度區，且延伸至300hPa高度。在300hPa高空圖上(104°E，30°N)處出現最值為－40×10-6s-1的負渦度區，對應位置在低空圖上則為一最值為40×10-6s-1的正渦度區，說明該位置地面有輻合上升運動來補給降水所消耗的水汽，在降水模擬場則出現降水累積量大于100mm的強降水中心。

圖19 (a)～(f)為6種方案模擬過程在850hPa高度上的渦度場

圖18(c)和圖19(c)分別為GD方案在3日08時300hPa和850hPa高度上的渦度場。在四川東部地區，從850hPa低空至300hPa高空，渦度逐漸變為負渦度，說明高空有輻散下沉，同時高空的輻散值大于低空的輻合值，加大了地面的水汽上升運動，故在四川東部的模擬降水場出現了強降水中心。中部地區的高低空配置與東部地區相差無幾，故在中部地區的降水模擬場也出現了強降水中心，由于高空負渦度峰值不大，故在強降水中心強度的預報上偏弱。

圖18(d)和圖19(d)分別為SAS方案在3日08時300hPa和850hPa高度上的渦度場。在850hPa低空圖上可以看出在(106.5°E，31.5°N)處出現了正渦度為20×10-6s-1的區域，上升至300hPa高度時為－20×10-6s-1的負渦度區，說明在該處水汽從低空輻合上升，至高空輻散下沉，為水汽輸送提供了動力條件，在降水模擬場上表現為一強降水中心。

圖18(e)和圖19(e)分別為G-3D方案在3日08時300hPa和850hPa高度上的渦度場。在300hPa高空圖上于四川北部和中部均出現一負渦度區，說明該地高空水汽輻散下沉，有降水活動。由于在四川東部的降水模擬場有一強降水中心，而對應地區高空的輻散下沉運動范圍不大，不能對該地的強降水進行很好說明。

圖18(f)和圖19(f)分別為TS方案在3日08時300hPa和850hPa高度上的渦度場。在850hPa低空圖上，四川東部出現了不同大小的負渦度區，延伸至300hPa高度逐漸減小為0，說明地面水汽逐漸有輻合上升的趨勢。同時在(106°E，32°N)處有一最值為20×10-6s-1的正渦度區，在其300hPa高空對應為最值為－40×10-6s-1的負渦度區，該地高空有輻散下沉，低空輻合上升，不斷的為暴雨消耗的水汽提供補給，在降水模擬場形成以強降水中心。

4 結論

采用WRF3.4.1模式對2012年7月3日四川地區一次強降水過程進行模擬研究，并得出以下結論:

(1)KF、BMJ、GD、SAS、G-3D和TS模擬的降水范圍還是普遍偏大，對四川北部的降水強度預報均偏強，存在不同程度的虛擬降水中心;在強降水落區的預報方面，BMJ方案、G-3D方案和TS方案均與實況相似，但都存在小范圍誤差;在強降水中心的強度預報上，六種參數方案均偏弱，相比之下，BMJ方案與TS方案略勝一籌，上述6種方案均在不同程度上出現虛報、漏報現象。

(2)根據云物理量特征分析:①云水混合比與雨水混合比的關系:云水混合比的比值越大，水汽越飽和，云雨轉化增加，從而雨水混合比的比值增大，這在BMJ方案和TS方案表現較明顯;②雨水混合比與降水累積量的關系:平均雨水混合比Qr與降水累積量密切相關，當Qr的數值越大，對應地區的降水累積量就越高，反應出該地的降水強度大，因此可以通過平均雨水混合比與降水累積量正相關的關系來分析診斷降水天氣過程。

(3)當低空為正渦度區時，低空輻合，有水汽上升，同時高空又為負渦度區，水汽輻散下沉，如此往復循環，形成降水，降水量逐漸增加生成強降水中心。特別地，當高空輻散值大于低空輻合值時，加強了水汽的上升運動，使水汽源源不斷地補充降水消耗，此時該地區降水強度大。通過分析了6種參數方案模擬降水的渦度場，充分驗證了高空輻散造成的抽吸作用導致低層輻合的強烈發展，造成強降水的發生。

(4)通過在WRF模式中采用六種不同積云對流參數方案對四川地區降水個例進行數值模擬并分析模擬結果，初步認為四川地區降水模擬效果最好的積云對流參數方案是BMJ方案，其次是TS方案和KF方案。BMJ方案在模擬天氣過程中對降水落區和降水強度的預報最接近實況，且其平均雨水混合比和平均云水混合比配合得當。

[1] 高偉，胡振菊，彭柏池，等.WRF模式產品精細化預報初探[J].貴州氣象，2010，34(B09):12－14.

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

[3] Kotroni V，Lagouvardos K.Precipitation forecast skill of different convective parameterization and microphysical schemes:application for the cold season over Greece[J].Geophysical research letters，2001，28(10):1977－1980.

[4] 黃安寧，張耀存，朱堅.中國夏季不同強度降水模擬對不同積云對流參數化方案的敏感性研究[J].大氣科學，2009，33(6):1212－1224.

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

[6] 伍華平，束炯，顧瑩，等.暴雨模擬中積云對流參數化方案的對比試驗[J].熱帶氣象學報，2009，25(2):175－180.

[7] 何光碧.MM5模式中積云參數化方案在西南地區適應性的進一步試驗分析[J].高原山地氣象研究，2009，29(3):12－19.

[8] 陳德輝，胡志晉，徐大海.CAMS大氣數值預報模式系統研究[M].北京:氣象出版社，2004:35－36.

[9] 陳功，廖捷，孫凌.WRF微物理方案對四川一次強降水模擬的影響[J].高原山地氣象研究，2012，32(1):43－50.

[10] 齊彥斌，冉令坤，洪延超.云凝結物平流輸送對降水云系發展影響的數值模擬研究[J].氣象學報，2009，67(6):1045－1057.