單雙參云微物理方案對強降水過程中云宏微觀特征 模擬的對比分析

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2016年6月30日—7月4日江淮流域的一次強降水過程進行模擬。首先利用逐小時觀測降水對各組模擬降水進行評估，在此基礎上利用FY-2G和CALIPSO云產品數據分別評估不同方案對降水過程中總云量、云垂直結構云水含量等宏微觀特征的模擬性能。結果表明：選用不同的云微物理參數化方案均能較好地模擬出該次過程的雨帶位置和中心降水強度，但不同方案對云宏微觀特征的模擬結果有顯著差異。分析兩組試驗對總云量的模擬結果發現，單參方案組除Kessler暖云方案對冰云過程描述不足導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降水過程中總云量的時空演變特征。從云覆蓋率和云水含量的垂直分布特征來看，單參方案組對600 hPa以下中低層暖云的模擬穩定性整體略優于雙參方案組;而對200～500 hPa的冰相云模擬結果相反，雙參方案組比單參試驗組模擬的固水含量更加集中。將各層云覆蓋率與CALIPSO云產品的對比也發現，對于低層暖云降水過程，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況，而對于以深對流為主要運動特征的冷云降水過程，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定，誤差也更小。

關鍵詞 單雙參云微物理方案; 強降水; 云量

在全球變暖的背景下，氣象災害日益增多，暴雨引起的洪澇災害是我國重要的氣象災害之一。江淮流域暴雨引發的災害性天氣一直是該區域的預防重點，而云與降水也有著密切的關系。云覆蓋了地球表面約60%的面積，通過反射太陽短波輻射和吸收地球長波輻射，在地氣系統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構也影響著此次強對流過程。因此，云的準確模擬對提高模式模擬和預測的準確性具有重要意義。

云微物理過程的參數化是數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程是導致數值模式預報結果不確定的最大因素。云微物理參數化方案多采用譜分布來描述云中粒子的分布，而譜分布方案按預報量的不同又可以分為只考慮云粒子質量濃度（單參數化方案）和同時考慮云粒子質量濃度和數濃度（雙參數化方案）兩類。不同的云微物理方案對不同的天氣過程的模擬能力存在較大的差別，對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雙參數云微物理方案對云滴數濃度影響累積降水量的情況進行了敏感性試驗，發現云滴數濃度對降水量的影響是復雜和非線性的;王文君等（2018）采用兩類雙參數化云微物理方案，對遼寧省的一次強降水過程進行模擬，評估兩個雙參數方案對強降水事件中對應的地表累積降水量、降水強度、云中微物理量的模擬能力及主要微物理過程的差異。梅欽等（2018）利用8種微物理方案和6種積云參數化方案對湖北及其周邊地區夏季12次暴雨過程進行回報，分析各種方案對暴雨預報的影響。

以往利用WRF模式對天氣過程的數值研究多集中在對氣溫、降水等氣象要素的模擬性能評估上，而對如云量、云水含量等多尺度的云水物理過程關注較少。邱玉珺和王宏奧（2017）基于CloudSat/CALIPSO衛星資料，對中國北方兩個區域云垂直結構及其微物理參量進行了對比研究，發現兩個區域暖云層、混合云層和冷云層的云出現概率差別較大;唐雅慧等（2020）基于CloudSat與CALIPSO聯合觀測研究全球云分布特征，發現CALIPSO在陸地上方可以觀測到更多云雷達探測不到的高空冰云，且隨著溫度的降低，觀測優勢越來越明顯。本研究利用WRF模式對2016年7月發生在江淮流域的持續性強降水過程進行模擬，在結合地面逐小時觀測降水數據在對降水模擬性能評估的基礎上，進一步對此次過程中的云宏微觀特征進行診斷分析。將模式中現有的16種云微物理方案分成單、雙參兩組，將模擬得到的總云量、云垂直結構和云水含量分別與CALIPSO-GOCCP云產品和風云二號衛星FY-2G總云量進行對比分析。

1 天氣實況及模式設置

1.1 資料和試驗方案設計

研究所用的降水實況數據采用中國氣象數據共享服務網（http：//data.cma.cn/site/index.html）中基于全國3萬余個自動觀測站逐小時降水量和CMORPH衛星反演降水產品，采用概率密度匹配+最優插值（PDF+OI）兩步數據融合算法生成了中國區域逐小時、0.1°×0.1°分辨率的降水量融合產品（沈艷等，2013）。衛星資料云產品資料包括：1）總云量數據來源于國家衛星氣象中心（http：//satellite.nsmc.org.cn/PortalSite/Default.aspx）的FY-2G的總云量產品，時間分辨率為1 h，空間分辨率為5 km（許健民等，2010）;2）采用CALIPSO-GOCCP云產品中的3D_CloudFraction中的云量數據，水平分辨率為1°×1°，垂直分辨率為0.48 km，數據可在http：//climserv.ipsl.polytechnique.fr/cfmip-obs/獲得，數據來自于搭載在CALIPSO衛星上的云-氣溶膠正交偏振激光雷達（CALIOP）用來從太空探測云和氣溶膠的垂直結構，并能觀測到光學厚度較薄的冰云層頂，適合用來探測三維云的垂直結構（Chepfer et al.，2013）。

本次模擬選用WRFV3.9版本，模擬的時間為2016年6月29日08時—7月8日08時（北京時，下同），模擬區域為三重嵌套網格如圖1所示，模擬中心位置為（117.037°E，35.961°N），網格的水平分辨率依次為27 km、9 km、3 km，模式的初始場和側邊界場資料來自NECP的FNL資料，分辨率為1°×1°，時間間隔6 h，垂直方向32層，地形資料采用USGS資料，三重嵌套區域的地形分辨率依次為10 m、2 m、30 s。為了檢驗單參和雙參云微物理方案對降水預報、云微物理量和云量的影響，在其他參數設置完全相同的情況下，僅改變云微物理參數化方案，設置了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。模式的其他物理參數化方案設置是：長波輻射采用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，陸面過程采用Noah Land surface Model方案，邊界層采用Yonsei University （YSU）方案，積云參數化采用淺對流Kain-Fritsch（New Eta）方案。由于第三層網格水平分辨率為3 km，不使用積云參數化方案。因此，后文主要對3 km分辨率的細網格（即第三重網格）進行分析。

1.2 天氣過程及背景

2016年6月30日—7月4日，我國江淮流域地區出現了一次持續性的強降水過程。圖2為2016年6月30日20時—7月4日20時累計實況降水量分布。可以看出，此次強降水過程雨帶呈東北-西南走向，江蘇省、安徽省均有降水發生，大部分地區降水量均在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100 mm。其中強降水中心（115°～119°E、29°～32°N，圖2黑框所示）位于安徽安慶、池州地區和大別山地區均超過400 mm，最大降水量達到567 mm。此次強降水過程影響范圍廣，降水集中并且持續時間較長，給江淮流域地區造成了極大的影響。

2 模擬結果分析

2.1 降水時空分析

從降水空間分布模擬情況（圖3）來看，對比觀測的降水分布（圖2）可知，單參和雙參云微物理方案對降水具有較好模擬能力。各種方案均能模擬出強降水過程的降水范圍，雨帶均呈東北-西南走向，與實況具有相同的趨勢。圖中右下角為不同的云微物理參數化方案與實況降水間的空間相關系數，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方案模擬出的強降水區與實況基本一致，強降水中心的落區模擬效果也較好相關系數達到了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，但是降水強度偏弱，強降水中心偏西，降水強度也偏弱。7種雙參數方案中CAM 5.1方案模擬出的強降水區偏西，降水強度偏弱，其他的雙參方案的強降水落區的位置和范圍與實況相差不大，WDM5方案和WDM6方案間差異較小，強降水中心基本一致，CAM 5.1方案的強降水區偏小，降水強度偏弱，而Morrison方案在江蘇中部模擬出了一個虛假的強降水中心。WDM5方案和WDM6方案模擬的相關系數均達到了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

模擬降水的評估結果不能代表云特征模擬的優劣，有必要進一步對模式模擬的云宏微觀特征與觀測結果進行比較。

2.2.1 總云量

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

由于衛星觀測反演得到的云產品大多只有總云量，因此需要把各模式層上計算得到的云量采用一定的垂直重疊方案計算得到總云量。常見的云的垂直重疊方案有最大重疊、隨機重疊、最大-隨機重疊和最大-平均重疊（Risnen et al.，2004;張華和荊現文，2010），本文選用的云的垂直疊加方案采用最大-平均重疊方案，即先求被晴空隔開的不相鄰的兩層有云區域的垂直平均云量，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云量計算方案模擬得到的總云量分布與風云二號衛星的總云量分布圖進行對比分析。

從上述觀測降水變化（圖4）可以發現，2016年7月1日08時降水量最大，此時垂直上升運動速度也最大，云的發展比較旺盛。因此選擇了7月1日08時風云二號衛星總云量分布（圖5）進行分析。從圖中可以看出降雨期間我國東部地區云覆蓋面積較大，江蘇、上海、浙江北部和安徽大部分地區云系深厚，總云量均大于90%，并呈現出東北-西南走向的云區，此時的云區與雨帶位置基本一致。

從不同的云微物理方案模擬的云區分布（圖6）來看，兩組試驗模擬的主要云區與衛星觀測結果整體對應較一致，均能較準確地描述出云區的分布范圍，單參方案中WSM5方案和WSM6方案、雙參方案中的WDM5方案和WDM6方案對總云量模擬效果較好，云區分布范圍一致，深厚云層和淺薄云層都有較好的對應關系，同時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方案屬于簡單暖云降水方案，其考慮的微物理過程并不包含冰相過程，該方案對本次深對流過程模擬的總云量顯著偏高。此外，Ferrier方案和SUB-YLin方案也存在模擬云區范圍偏大，總云量偏高的不足。總體來看，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為降水發生的主要區域不同云微物理方案模擬總云量和FY-2G衛星觀測結果的空間相關系數隨時間變化。從圖中可以看出，總云量的空間相關系數具有明顯的日變化特征，同時與降水量的逐小時變化具有良好的一致性。與總云量模擬結果類似，單參方案中的Kessler方案總體相關系數均偏低，而雙參方案中的Morrison方案最不理想。圖中括號內為6月30日08時—7月5日08時這一段時間內的區域平均的時間相關系數，可以看出在這強降水過程中總云量的模擬單參方案中Goddard方案相關系數最高，達到了0.549，雙參方案中WDM5方案相關系數最高，達到了0.442。同時在對降水的模擬中Goddard方案和WDM5方案分別在單參方案和雙參方案中時間相關系數最高，相對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

為了進一步分析各方案對本次強降水過程中對流云團的模擬差異，對云微物理量的模擬得出云與環境的反饋機制，并得到對流云團的結構及演變特征。6月30日20時—7月1日20時降水強度最大，累計雨量最大，模擬效果最好。分析這段時間內江淮流域強降水區域（115°～119°E，29°～32°N）區域平均單參方案和雙參方案中液態和固態水凝物的垂直分布。雨水混合比是云中的液態水凝物并與模擬的降水量直接相關的物理量。從圖8a、b可以看出，除了WSM3方案外，各種單、雙參方案在600 hPa以下區域雨水凝結，而WSM3方案在600 hPa雨水混合比急劇增加到450 hPa達到最大，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Lin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，與氣候模式中的參數有關，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方案的基礎上增加了云凝結核的預報量。可以得出，總體來說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。所以這可能導致單參方案較雙參方案在預報降水時具有較大的差異。從圖8c、d固態水凝物分布廓線可以看出，600 hPa高度以下固態水凝物基本為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出現最大值。單雙參云微物理方案之間固態水凝物差異比較明顯，單參方案之間固態水凝物差異較大，Goddard方案在固態水凝物達到最大值時的最大值為0.89 g/kg，Lin方案在固態水凝物達到最大值時的最大值為0.29 g/kg，兩者相差0.6 g/kg。而雙參方案中固態水凝物的垂直分布相對集中，固態水凝物最大值為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程有關。雨水混合比以及固態水凝物含量間垂直分布的差異會導致云中垂直加熱結構不同，底層凝結有利于不穩定維持，而高層水凝物濃度增加可以通過潛熱釋放削弱對流發展。

2.2.3 云量垂直結構

云量的垂直結構演變可以對此次強降水過程進一步分析，WRF模式中輸出的云量是一個三維變量，能否準確模擬出云的垂直結構對研究大氣輻射和降水有很大的影響，此次選用的CALIPSO衛星數據云產品可以獲得云的垂直剖面的云覆蓋率數據。云的形成和演變過程中，強烈的對流過程發揮著重要的作用。如圖9a所示，CALIPSO衛星在2016年7月2日13時經過模擬區域的星下點軌跡，圖9b中CALIPSO衛星的掃過圖9a對應軌跡的云量垂直結構剖面。由于CALIPSO衛星觀測是自上而下通過儀器自動連續的掃描，所以衛星對高云的探測能力比低云的探測能力更強（鄭曉輝等，2016）。CALIPSO衛星中的CALIOP探測器在云的垂直方向存在重疊時，無法穿過光學厚度大的云層會導致遺漏一些中云和低云（Li et al.，2015;Sèze et al.，2015;Yin et al.，2015）。此時處于強降水過程中，云頂高度已經達到了15 km，云底高度為6 km，云厚已經達到了9 km，云團中部分云量已達到100%。

將WRF模擬的數據插值到相應的衛星軌跡上，并將不同云微物理方案模擬出的云垂直剖面結構與CALIPSO衛星觀測資料進行對比。圖10為不同云微物理參數化方案模擬的2016年7月2日13時的云量垂直結構剖面。對比CALIPSO衛星的垂直云量（圖9b），16種參數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到了16 km，云底高度大致為6 km，模擬云的位置也與觀測數據大致相同，云的分布與降雨區相一致，WRF模擬出的云剖面結果均為對流云，云的厚度大約都在9～12 km。云團中高云量最大值都達到了90%以上，較大的垂直速度起到了抬升作用，使得強對流過程加劇。但是不同的單雙參云微物理方案中對中云量和低云量均有不同程度的高估，總體來看單參方案比雙參方案更為接近實況，而對于高云量的模擬雙參方案則整體優于單參方案。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，但與觀測結果有偏差，WDM5方案和WDM6方案模擬出的垂直云量結果類似，垂直云量分布均與實況最為接近。單參方案中Kessler方案是一個簡單的暖云降水方案，預報量只有水汽、雨水和云水混合比，該方案中未對液水與冰之間的冰相過程進行處理，對冰云過程描述不足導致模擬的降水偏弱和總云量顯著偏高，不適合應用于深對流性降水過程的模擬，對于冰云過程可以使用WDM5方案和WDM6方案更為合理。

3 討論和結論

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行模擬，將模擬結果結合逐小時觀測降水和衛星觀測的總云量和云覆蓋垂直結構產品對夏季江淮流域一次強降水過程進行診斷分析，得出以下幾點結論：

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

2）分析兩組試驗對總云量的模擬結果發現，單參方案組除Kessler暖云方案由于對冰云過程描述不足導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降水過程中總云量的時空演變特征。

3）從云覆蓋率和云水含量的垂直分布特征來看，單參方案組對600 hPa以下中低層暖云的模擬穩定性整體略優于雙參方案組，單參方案組對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間偏差較大，0.05～0.3 g/kg;而對200～500 hPa之間的冰云模擬結果則相反，單參試驗組的固水含量模擬結果為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，其他方案均穩定在0.4～0.6 g/kg。

4）與CALIPSO觀測數據的對比結果可以發現，兩組試驗均能較好地模擬出云底和云頂的高度，但對9 km以下各層暖云量的模擬結果均有不同程度的偏高，總體來看單參方案比雙參方案更為接近實況，而對9 km以上的冷云過程，雙參方案則整體優于單參方案。其中WDM5方案和WDM6方案的模擬效果相對最佳，降水強度、強降水中心和云量分布都與實況最為接近。

從上述分析可以發現，選擇不同云微物理方案得到的降水和云特征模擬表現并不一致。對對流層低層暖云過程選擇如WSM3這樣的單參方案得到的云特征更加符合觀測，而對高層冰云過程則選用如WDM5這樣的雙參方案更為合理。本研究主要針對江淮流域一次深對流強降水過程進行模擬分析，有關單參、雙參方案對不同地區和不同類型降水過程的預報能力和云特征的模擬性能還需要在今后的研究中進一步深入地探討和研究。

參考文獻（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模式不同微物理過程對東北降水相態預報的影響[J].氣象與環境學報，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].應用氣象學報，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.云凝結核對南京及周邊地區夏季暴雨影響的數值模擬[J].大氣科學學報，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，智協飛，王佳，2018.WRF模式不同云參數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）.

邱玉珺，王宏奧，2017.基于CloudSat/CALIPSO資料的我國北方2個區域云垂直分布差異研究[J].大氣科學學報，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.中國區域小時降水量融合產品的質量評估[J].大氣科學學報，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聯合觀測研究全球云分布特征[J].大氣科學學報，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，2018.兩類雙參數云微物理方案對夏季強降水事件模擬能力的對比研究[J].大氣科學學報，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.我國氣象衛星的發展與應用[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.云滴數濃度影響混合型層狀云降水的數值模擬[J].大氣科學學報，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，荊現文，2010.氣候模式中云的垂直重疊假定對模擬的地-氣輻射的影響研究[J].大氣科學，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，徐國強，魏榮慶，2013.GRAPES新云量計算方案的引進和影響試驗[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，徐國強，賈麗紅，等，2016.GRAPESMeso區域模式積云計算方案引進及預報效果檢驗[J].大氣科學，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，林萬濤，曹艷華，2014.用WRF模式中不同云微物理參數化方案對華南一次暴雨過程的數值模擬和性能分析[J].大氣科學，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

（責任編輯：袁東敏）