不同云微物理方案對青藏高原一次強降水的模擬影響分析

毛智，朱志鵬，張如翼，周立旻

(華東師范大學地理科學學院/地理信息科學教育部重點實驗室，上海 200241)

1 引 言

青藏高原，位于亞洲內陸，平均海拔為4 000～5 000 m，是中國最大、世界海拔最高的高原，被稱為“世界屋脊”。其特殊的熱力和動力作用不僅對高原本身及其周邊地區的氣候有重要影響，甚至對北半球乃至全球的大氣環流產生影響[1]。在全球變暖的背景下，高原地區的許多氣象要素也在發生著顯著變化。研究都表明高原地區是氣候變化的敏感區，那么對高原地區氣候的研究就顯得尤為重要。Duan等[2]分析了1980—2013年高原近地表氣溫觀測數據，指出高原仍在顯著變暖并且云-輻射反饋機制在調節變暖趨勢中發揮重要作用。Liu 等[3]基于 1980—2018年高原地區 86個站點近地表氣溫和地表溫度觀測數據，研究高原感熱通量的變化以及對南亞大氣環流的可能影響，結果顯示感熱通量在2001—2018年間逐漸增加并且這一變化使得印度副熱帶高壓南移收縮。

基于模式的氣候模擬結果表明地形對氣候模擬結果具有顯著的影響。Zhu 等[4]將CMIP5 中30個氣候模式和CMIP6 中12個氣候模式對1961—2005年中國區域10個氣候指標的模擬結果與地表觀測值進行比較，結果顯示CMIP6 多模式集合對整個中國區域年平均氣溫等氣候指標空間分布的模擬效果很好，但對高原地區的模擬卻存在冷偏差，總體來說CMIP6 的表現優于CMIP5。Li等[5]將中國氣象科學研究院氣候系統模式(CAMSCSM)對2000—2015年東亞夏季逐時降水的模擬結果與地表觀測值比較，結果表明模擬偏差與地形密切相關，具體表現為在我國西部高原(東部平原)地區，降水量和降水頻次被高估(低估)，降水持續時間變長(縮短)。

區域尺度天氣過程的模擬表明，云微物理特征對降水模擬結果具有顯著影響。Yun 等[6]利用WRF 模式模擬2008—2017年中國東部地區暖季降水，以了解模式模擬能力并探究對模式缺點的改進方法，結果表明模式能夠很好地再現季節與季節內降水的空間分布以及與夏季風相關的降水帶南北遷移等特征，并且改善對次網格云量和氣溶膠效應的處理方式將有助于抑制模式高估降水量這一缺點。Orr 等[7]利用WRF 模式并選擇不同云微物理方案，研究云微物理方案對喜馬拉雅朗塘山谷夏季季風性降水的敏感性，對所有方案水凝物的分析結果表明冷云過程是主要的降水形成機制。Gao 等[8]利用WRF 模式并結合中國氣象科學研究院微物理方案(WRF-CAMS)對青藏高原一次對流性降水過程進行了模擬，旨在探討高原降水的微物理特性，結果表明該方案能夠合理地再現累積降水量的空間分布但會延長降水時間1～3 h，并且應該使用可變雨滴粒徑形狀參數來處理因降水速率改變而引起的雨滴粒徑改變。

為了解區域尺度上高原區域天氣過程模擬中不同云微物理參數化方案對高原強降水過程的模擬影響及可能原因，本研究利用WRF 模式中三種不同云微物理參數化方案對高原一次強降水天氣過程進行模擬分析。通過與實測的對比和對模擬結果的分析，進一步探索對高原降水過程有較好模擬效果的云微物理參數化方案，為提升高原區域的數值模擬和數值預報精度提供參考。

2 資料與模式設置

2.1 資料選取

本研究使用的實測降水數據是從中國氣象數據網獲取的中國自動氣象站與CMORPH 降水產品融合的逐時降水量網格數據(經度范圍為70.05～139.95 °E，緯度范圍為15.05～58.95 °N，水平分辨率為0.1 °×0.1 °)。前人的研究表明這一數據能夠很好地反映中國區域降水的主要特點[9-10]，將這一數據作為評估模式模擬降水的真值。

本研究使用的初始場及邊界場資料來自NCEP 的FNL 資料，其時間間隔為6 h，水平空間范圍為全球，水平分辨率為1 °×1 °，垂直方向分為32層，最高層為1 hPa。

2.2 參數化方案選擇

邊界層參數化方案：不同于許魯君等[11]對下墊面類型相對均一的高原那曲地區的研究，此次研究的降水過程主要發生在雅魯藏布江中游地區，而這一地區地形復雜多樣，高差起伏大[12]。鑒于前人[13-14]利用WRF模式中不同邊界層參數化方案對復雜地形模擬的研究表明非局地邊界層方案較局地邊界層方案能更好地模擬復雜地形的邊界層特征，本研究選擇非局地邊界層方案中的代表性方案(Yonsei University(YSU)方案)進行模擬。

積云對流參數化方案：由于積云對流這一物理過程的復雜性，利用區域氣候模式精確模擬降水仍然存在巨大的難度。鑒于Huang 等[15]利用WRF 模式在低水平分辨率(30 km)下對中國區域降水的研究結果和Wang 等[16]利用WRF 模式在高水平分辨率(1～5 km)下對高原地區夏季降水的研究結果，本研究選擇Kain-Fritsch(KF)方案進行模擬。

云微物理參數化方案：云微物理過程在影響水汽凝結潛熱加熱和雨水蒸發潛熱冷卻方面具有重要作用[17]。Lin 方案和WSM6 方案都是單參數體積方案[18-19]，主要通過假設粒徑分布來預測水汽和水凝物(冰、雪、霰、云水和雨水)的混合比。Lin方案是基于文獻[20-22]的研究，并且采用了Tao等[23]對飽和調整和冰沉降的修改。在該方案中，當溫度低于結冰點(-40 ℃)時，云水和雨水分別處理為冰和雪；當溫度高于0 ℃時，冰全部處理為云水；當溫度介于二者之間時，冰、雪、霰、云水和雨水五種水凝物共存[24]。WSM6 方案則分別采用Dudhia[25]和Hong等[26]的研究結果來處理冰和云水的飽和調整過程，并且采用小步長時間積分來處理凍結和融化過程以提高垂直加熱廓線的精度，通過雪和霰的混合比例加權來指定它們的單粒子下落速度。Eta(Ferrier)方案預測以云水、雨水和降水冰的形式出現的水汽和水凝物的變化，根據降水冰的混合比估算其密度，并以此來確定降水冰的形式為雪、霰或雨夾雪，利用Eta 方案來表示云中的微物理過程與診斷混合相態過程可使得在較大的時間步長下有穩定的結果[24]。

2.3 試驗設計

本研究使用的是WRF 模式4.0 版本。模擬時間設置為2016年6月15日08時—16日08時(北京時間，下同)，其中前6 h為spin-up時間。模擬中心經緯度為90 °E，29.5 °N，模擬區域采用三重嵌套，從外層至內層水平分辨率分別為27 km×27 km、9 km×9 km 和3 km×3 km，格點數分別為147×77、367×157 和 226×100，積分時間步長分別為 90 s、30 s 和 10 s，垂直方向采用 eta 坐標，共有 33 層，最高層為50 hPa，每隔1 h輸出一次結果。

模式選用RRTM 長波輻射方案，Dudhia 短波輻射方案，Noah 陸面過程方案，YSU 邊界層參數化方案，KF 積云對流參數化方案，Lin、Eta 和WSM6 云微物理參數化方案。外層只使用積云對流參數化方案，中層既使用積云對流參數化方案也使用云微物理參數化方案，內層只使用云微物理參數化方案。

3 模擬結果及分析

3.1 降水量與雷達反射率

為研究不同云微物理方案模擬的總體差異，本文首先考察了累計降水量與雷達反射率。從累計降水量場(圖1)可看出，三種方案模擬的降水范圍均較實測偏大。整個降水過程表現出兩個主要降水區域，區域A 中最大累計降水量為28.1 mm，區域B 中最大累計降水量為37.7 mm。對于區域A，三種方案模擬的位置均較實測偏東，Lin 和WSM6 方案模擬的個別點最大累計降水量均較實測偏大(超過了40 mm)，Eta 方案模擬的總體最大累計降水量與實測相當；對于區域B，三種方案模擬的位置與實測相當，Lin 方案模擬的個別點最大累計降水量較實測偏大(超過了40 mm)，Eta 和WSM6 方案模擬的總體最大累計降水量與實測相當。除區域A 和B 之外，三種方案均模擬出了一些虛假的大降水區域。

圖1 6月15日14時—16日08時16 h累計降水分布

三種方案模擬得到的15日19—20 時的雷達反射率(圖2a1～2c2)在強度和覆蓋范圍上基本一致，部分區域雷達反射率大于35 dBZ；Eta 方案模擬得到的16日00—01 時的雷達反射率覆蓋范圍比 Lin 和 WSM6 方案稍大(圖 2a3～2c4)，部分區域雷達反射率大于40 dBZ。總體而言，強雷達反射率區域與前文提到的主要降水區域有較好的對應，但形態各異。

圖2 Lin方案(a)、Eta方案(b)、WSM6方案(c)模擬的雷達反射率

3.2 水汽輸送情況

水汽通量與水汽通量散度可定量描述水汽輸送的大小和方向以及水汽在何處聚集[27]。三種方案模擬的水汽通量及其散度(圖3)大小和范圍分布差異不大，最大水汽通量在5 kg/(m·s·hPa)左右，最大水汽通量散度在3×10-6kg/(m2·s·hPa)(輻合)左右，均表明在強降水過程發生之前南北水汽的經向輸送和聚集。水汽的輸送為強降水提供了有利的水汽條件。

圖3 Lin方案模擬(a)的6月15日14時500 hPa水汽通量(矢量，單位：kg/(m·s·hPa))和水汽通量散度合成(陰影，單位：10-6 kg/(m2·s·hPa))；與對應時刻Eta方案模擬(b)、WSM6方案(c)模擬的水汽通量和水汽通量散度

3.3 動力熱力差異

為探究三種方案模擬的強雷達反射率區域差異的內在原因，下面將從溫度場和垂直運動場兩方面進行分析。相當位溫能同時反映大氣的溫度和濕度狀況，其垂直梯度大，則有利于低層暖濕空氣向上抬升，與高層干冷空氣相遇形成相當位溫線密集帶[28]。雖然三種方案模擬的相當位溫線密集帶位置差異較大，但無論是在降水過程的前一階段(15日 20 時)還是后一階段(16日 00 時)，三種方案模擬的相當位溫線密集帶位置與各自的強雷達反射率區域均有較好的對應。同時，絕對渦度大值區(＞50×10-5s-1)配合垂直風速大值區(＞3 m/s)形成的垂直運動大值區和相當位溫線密集帶位置也有較好的對應，亦即與強雷達反射率區域有較好的對應。

圖4 Lin方案模擬(a、d)，Eta方案(b、e)，WSM6方案(c、f)的相當位溫(等值線，單位：K)、絕對渦度(陰影，單位：10-5 s-1)和垂直風速(矢量，單位：m/s)沿圖2所示線段的剖面

3.4 微物理差異

3.4.1 水凝物垂直分布

前文以宏觀特征為落腳點對三種方案模擬差異進行了分析，為了從微觀過程進行解釋，圖5 和圖6 給出了三種方案模擬的水凝物垂直含量隨時間的演變特征。Lin 方案模擬的云水含量最多(最大值約為0.44×10-4kg/kg)且絕大部分是分布在0 ℃層之上，其云系發展最高，WSM6 方案模擬的云水含量次之，Eta 方案模擬的云水含量最少；三種方案模擬的雨水均分布在0 ℃層之下(圖5a2～5c2)，且含量差異不大；固態水凝物冰(圖5a3～5c3)、雪(圖 6a、6b)和霰(圖 6c、6d)主要分布在 0 ℃層之上。三種方案模擬的冰的高值中心雖在同一高度，但Eta方案和WSM6方案模擬的冰含量均高于Lin方案；Lin方案模擬的雪含量低于WSM6方案，但高值中心位置卻高于WSM6 方案；Lin 方案和WSM6方案模擬的霰含量和分布差異不大。

圖5 15日14時—16日08時Lin方案(a1～a3)、Eta方案(b1～b3)、WSM6方案(c1～c3)模擬的區域平均水凝物混合比(單位：10-4 kg/kg)的氣壓-時間剖面

圖6 同圖5，但為Lin方案(a、c)模擬、WSM6方案(b、d)模擬

進一步分析水凝物在整個降水過程的含量差異情況，圖7給出了三種方案模擬的水凝物的垂直廓線。對于冰廓線，Eta 方案的模擬值遠遠高于其他兩種方案，最大值約為2.8×10-4kg /kg；對于雪廓線，WSM 方案模擬值高于Lin方案，最大值約為1.1×10-4kg/kg，但模擬高度較Lin 方案稍低；對于霰廓線，Lin方案和WSM6方案模擬的最大值約為0.5×10-4kg/kg，且高度分布差異不大。

圖7 15日14時—16日08時平均的Lin方案(a)、Eta方案(b)、WSM6方案(c)模擬的水凝物混合比(單位：10-4 kg/kg)隨氣壓的變化

3.4.2 云微物理轉化項

為深入探討固態水凝物含量差異的原因，并且考慮到Lin和WSM6方案微物理轉化過程較Eta方案復雜得多，圖8給出了這兩種方案云微物理過程的轉化特征，過程詳細意義見表1、表2。

表1 Lin方案云微物理轉化過程

表2 WSM6方案云微物理轉化過程

圖8 15日14時—16日08時Lin方案(a)、WSM6方案(b)模擬的水凝物(單位：10-11 kg/kg)的轉化過程

首先就水汽收支而言，兩種方案表現出不同的過程：Lin 方案中，水汽主要存在水汽向霰的凝華Pgdep(霰向水汽的升華Pgsub)、水汽向雪的凝華Psdep(霰向水汽的升華Pssub)以及雨水向水汽的蒸發Prevp等過程，這表明水汽主要向固態水凝物轉化；而在WSM6方案中，則主要是水汽與云水的相互轉化Pcond、水汽與雨水的相互轉化Prevp、水汽與冰的相互轉化Pigen 和Pidep、水汽與雪的相互轉化Psevp 和Psdep、水汽與霰的相互轉化Pgevp 和Pgdep 等過程，這表明水汽主要向液態水凝物轉化。

就云水而言，Lin 方案中主要表現為支出，即被霰碰并Pgacw、被雪碰并Psacw、被雨水碰并Pracw、同質凍結成冰 Pihom 等匯項；WSM6 方案中存在前文提到的主要源匯項Pcond、被雪碰并轉化為霰或者雨水Psacw、被霰碰并轉化為霰或者雨水Pgacw、被雨水碰并Pracw。就冰而言，Lin 方案中主要存在一個大的匯項，即通過貝吉龍過程形成雪Psfi，此過程比其它過程大一個量級；WSM6方案中除了前文提到的源匯項Pigen 和Pidep、還存在向雪的轉化Psaci 和Psaut 以及向霰的轉化Pgaci。就雪而言，Lin 和WSM6 方案中都存在來自冰的轉化項以及向霰的匯項，同時WSM6 方案還存在另外一個大的匯項，即冰融化生成雨水Psmlt。

對雨水收支過程的分析表明，Lin和WSM6方案都表現出霰向雨水轉化的特點：Lin 方案中，水汽、云水和雪均大量向霰轉化，霰轉化為雨水；WSM6 方案中，云水和雪均大量向霰轉化，霰轉化為雨水。

綜上所述，對于此次降水，Lin 方案模擬的微物理過程表現為：通過水汽向霰粒子凝華的過程Pgdep，通過霰碰并水汽凝華生成的雪粒子而造成霰粒子增長的過程Pgacs，以及霰碰并云水造成霰粒子增長的過程Pgacw，此三種過程生成的霰粒子最終融化為雨水(Pgmlt)。WSM6 方案模擬的微物理過程表現為：一方面水汽凝結成云水，云水被雪和霰碰并收集轉化為霰，之后霰融化為雨水；另一方面水汽凝華為冰，一部分冰轉化為雪，雪直接融化為雨水或轉化為霰融化為雨水，另一部分冰轉化為霰，霰融化為雨水。

4 結 論

本文利用 WRF 模式對 2016年 6月 15—16日發生在青藏高原雅魯藏布江中游地區一次強降水天氣過程進行了模擬研究，探討了三種云微物理參數化方案對高原降水的影響，分析了三種方案水凝物的分布并著重分析了Lin 和WSM6 這兩種復雜云微物理方案的微物理轉化過程，得到以下結論。

(1) 整個降水過程表現出兩個降水區域。對于區域A，三種方案模擬的位置均偏東，Lin 和WSM6 方案模擬的降水量偏多，Eta 方案模擬的降水量與實測相當；對于區域B，三種方案模擬的位置與實測相當，Lin 方案模擬的降水量偏多，Eta 和WSM6方案模擬的降水量與實測相當。

(2) 對比分析三種方案模擬的液態水凝物(云水、雨水)和固態水凝物(冰、雪、霰)垂直分布和垂直廓線可知：三種方案模擬的冰粒子差異較明顯；Lin和WSM6方案模擬的雪粒子差異較大，但霰粒子無明顯差異。

(3) 對比分析了Lin 和WSM6 方案的微物理轉化過程，結果表明：這兩種方案都表現出了霰向雨水轉化的特點。在Lin方案中，通過水汽向霰粒子凝華的過程，通過霰碰并水汽凝華生成的雪粒子而造成霰粒子增長的過程，以及霰碰并云水造成霰粒子增長的過程，這三種過程生成的霰粒子最終融化為雨水。而在WSM6 方案中，一方面水汽凝結成云水，云水被雪和霰碰并收集轉化為霰，之后霰融化為雨水；另一方面水汽凝華為冰，一部分冰轉化為雪，雪直接融化為雨水或轉化為霰融化為雨水，另一部分冰轉化為霰，霰融化為雨水。