高原和盆地强降水过程的数值模拟

李典　张帅　徐爽

摘 要：该文利用中尺度WRF模式，分别对高原和盆地的一次强降水过程进行模拟，探讨模式在两地的模拟能力和产生误差的原因，结果表明：模拟结果显示两地小雨的TS评分都在0.5以上，而其他量级降水的评分较低；TS评分结果中高原的微物理过程随着不同的积云参数化过程而表现出不同的优劣性，而盆地表现为一致的Lin方案优于Ferrier方案。高原和盆地模拟结果的平均误差呈现出相反的变化特征。

关键词：高原；盆地；数值模拟

中图分类号 P458.121.1 文献标识码 A 文章编号 1007-7731（2018）01-0087-04

强对流天气是大气对流活动强烈发展而产生的灾害性天气，常与突发性暴雨、冰雹和雷电大风等剧烈天气现象相联系[1-3]。随着数值模式的广泛发展与应用，對流性天气的模拟已成为当前分析与诊断对流天气过程的主要手段之一。数值模式在对流性天气的模拟中得到广泛应用。朱士超等[4]利用中尺度WRF模式对发生在西藏那曲地区的一次强对流活动进行模拟，结果表明模式能较好的模拟出对流发生的时间和地点。唐岚等[5]利用MM5模式对四川地区一次暴雨过程进行模拟，结果表明模式能较好的模拟出这次降水过程，并且地形发生变化时，影响系统和冷空气路径等都会发生显著地变化。王曼等[6]利用MM5模式对昆明准静止锋进行模拟，结果表明高原地形作用是形成和维持静止锋的必要条件。由此可见，数值模式虽然在高原和盆地两地进行过模拟，但模拟能力较平原地区差，只能够模拟出部分特征，因此，本文从数值模拟的角度，分别针对高原和盆地2种特殊地形环境下的强对流活动进行模拟，探讨数值模式在两地的模拟能力。

1 模式简介与过程选取

1.1 WRF模式简介 WRF（Weather Research Forecast）模式是新一代中尺度气象预报模式系统，它分为ARW（科研型）和NMM（业务型）两种，本文选用的是ARW。WRF模式由以下4个部分组成：预处理系统（将数据进行插值和模式标准初始化、定义模式区域、选择地图投影方式等）、同化系统（包括三维变分同化）、动力内核以及后处理（图形软件包）。

1.2 模拟过程选取 高原选取2011年8月2—4日西藏地区出现的一次中雨到大雨天气过程；盆地选取2010年7月22—24日四川盆地出现的一次大雨到暴雨局部大暴雨天气过程，并伴有短时强降水。

2 模拟方案设计

模式采用双重嵌套方式，母网格和子网格的水平格距为30km和10km，初始场资料采用NCEP6h一次的1*1资料，模式结果输出间隔为1h输出一次，长波辐射方案采用RRTM方案，短波辐射方案采用Dudhia方案，边界层方案采用YSU方案，陆面过程采用热量扩散方案，近地面方案采用Monin-obukhov方案。

高原：模拟时段为2011年8月3日08：00至2011年8月4日00：00，中心经纬度为（33°N，93°E），母区域格点数为121*101，嵌套区域格点数为181*121。

盆地：模拟时段为2010年7月24日08：00至2010年7月25日08：00，中心经纬度为（30°N，104°E），母区域格点数为141*121，嵌套区域格点数为211*151。

为了探究分辨率、微物理过程和积云对流方案对模拟结果的影响，本文设计了如表1所示的敏感性试验，A组代表的是母区域模拟过程，B组代表的是嵌套区域模拟过程。

3 不同试验方案对降水模拟效果的评估

3.1 检验方法 TS评分方法是用于检验降水模拟效果的评估方法。本章采用“站点对站点”的TS评分方式，即用同一站点降水的观测值和模拟值进行比较，TS评分的可信度取决于站点数，即站点越多越可信。站点降水的模拟值通过模式格点降水插值得到，表达式为：TS=M1/（M1+M2+M3）；空报率=M2/（M1+M2）；漏报率=M3/（M1+M3）。M1为模式模拟降水的量级与观测的量级相同的站点数，M2为模拟有降水而观测无降水的站点数，M3为模拟无降水而观测有降水的站点数。

3.2 不同试验方案对降水量模拟的TS评分 根据国家气象部门规定的降水量级标准，小雨：24h降水量小于10.0mm；中雨：24h降水量在10.0～24.9mm；大雨24h降水量在25.0～49.9mm；暴雨（本文中的暴雨指暴雨、大暴雨和特大暴雨的总称）24h降水量大于50.0mm。

3.3 高原模拟结果的TS评分 高原这次降水过程中45个站出现小雨，14个站出现中雨，3个站出现大雨。由于出现大雨的站数较少，不予评分。表3给出了高原A组和B组试验方案的24h降水量的TS评分结果，从表2中可知，小雨的TS评分最高，都在0.5以上，而中雨的TS评分则在0.2左右。小雨的空报率较漏报率高，而中雨的漏报率较高。A组中LG方案无论在小雨还是中雨中TS评分最高，空报率和漏报率最低，小雨中LK方案TS评分最低，空报率和漏报率最高，而中雨中FK方案评分最低，空报率和漏报率最高。随着模式分辨率的提高，我们发现小雨中除Kain-Fritsch方案外，其他方案TS评分都是增加的，而空报率和漏报率呈现不规则变化。中雨中FK方案、FG方案和LG3方案的TS评分增加，对应的空报率和漏报率降低。对比不同方案的TS评分结果，我们发现随着模式分辨率的提高，各个试验方案的TS评分结果呈现出不一致的变化特征。小雨中B组的LG3方案TS评分最高，空报率和漏报率最低。中雨中A组的LG方案TS评分最高，空报率最低，B组的LG3方案的漏报率最低。

3.4 盆地模拟结果的TS评分 盆地这次降水过程中59个站出现小雨，22个站出现中雨，15个站出现大雨，34个站出现暴雨。表3给出了盆地A组和B组试验方案的24h降水量的TS评分结果，从表2中可知，A组中各个方案中只有小雨的TS评分超过了0.5，中雨、大雨和暴雨的TS评分都在0.2以下，其中大雨的TS评分最低，不足0.1。小雨的空报率和漏报率最低，而中雨、大雨和暴雨的空报率和漏报率都在0.7以上。微物理过程方案中Lin方案的整体TS评分要比Ferrier方案高，积云对流方案中对于小雨的TS评分各个方案相差不多，对于中雨Grell-Devenji方案的TS评分已降到了0.1以下，对于大雨的TS评分各方案都在0.1以下，而暴雨中Kain-Fritsch方案评分最低。随着模式分辨率的提高，我们发现小雨的TS评分除LG3方案略有所增加外，其他各方案都表现为降低的，空报率只有LG3方案是降低的，漏报率表现为一致的降低。中雨中Grell-Devenji方案在TS评分和空报率中表现为与其他方案反向的变化。大雨中FG方案在TS评分、空报率和漏报率中无显著变化，FG3方案TS评分略有所增加，其他各方案都表现为降低的。而暴雨的是FG3方案和LG方案无显著变化，FK方案和LK方案略有所增加。endprint

对比不同方案的TS评分结果，我们发现随着模式分辨率的提高，TS评分整体上呈现的是下降的趋势，同时空报率和漏报率是有所增加的，Lin方案要优于Ferrier方案。Kain-Fritsch方案、Grell-Devenji方案和New Grell（G3）方案在不同的雨量等级表现的TS评分结果各异。

3.5 高原和盆地模拟结果的TS评分结果对比分析 高原和盆地TS评分结果的相同点在于二者在小雨中的评分都可达到0.5以上，并且空报率和漏报率较低，而其他量级降水的评分较低，空报率和漏报率较高，达0.5以上。高原和盆地TS评分结果的不同点在于高原的微物理过程随着不同的积云参数化过程而表现出不同的优劣性，而盆地的微物理過程随着不同的积云参数化过程表现为一致的Lin方案优于Ferrier方案。随着模式分辨率的提高，高原各个试验方案的TS评分结果呈现出不一致的变化特征，而盆地的TS评分结果整体上呈现的是下降的趋势。

3.6 不同试验方案对降水量模拟的平均误差和相关系数分析 本文计算了不同试验方案降水量的模拟值和观测值之间的平均误差和相关系数用来评估对模拟效果的影响。从表4可以看出，不同试验方案的平均误差值都为正，表明模式中存在着明显的系统误差（模拟值大于观测值），并且随着模式分辨率的提高，误差值略有所降低。Lin方案的平均误差要比Ferrier方案高，Grell-Devenji方案的误差最小，其中FG方案的误差只有0.48mm。表4中Ferrier方案的相关系数只有A组的FK方案通过了90%的显著性检验，Grell-Devenji方案和New Grell（G3）方案的相关系数通过了95%的显著性检验，其中B组的LG方案通过了99%的显著性检验。从表中不同试验的相关系数可知，随着模式分辨率的提高，Grell-Devenji方案和New Grell（G3）方案的相关系数均有所提高，其中LG方案最高。对比不同方案的平均误差和相关系数可知，随着模式分辨率的提高，高原模拟降水量的效果变好，FG方案和LG方案模拟效果最好。从表5可以看出，不同试验方案的平均误差值都为负，表明模式中存在着明显的系统误差（模拟值小于观测值），并且随着模式分辨率的提高，误差值略有所增加。Lin方案的平均误差要比Ferrier方案低，Grell-Devenji方案和New Grell（G3）方案的误差要明显小于Kain-Fritsch方案，LG方案和LG3方案的平均误差小于9mm，其中LG3方案的误差最小，只有7.9mm。表5中的相关系数都通过了98%的显著性检验，其中LG方案和LG3方案通过了99.9%的显著性检验。从表中不同试验的相关系数可知，随着模式分辨率的提高，各个方案的相关系数有所下降。Lin方案的相关系数要比Ferrier方案高，Grell-Devenji方案相关系数最高，Kain-Fritsch方案相关系数最差。对比不同方案的平均误差和相关系数可知，随着模式分辨率的提高，盆地模拟降水量的效果变差，LG方案和LG3方案模拟效果最好。

3.7 高原和盆地模拟结果的平均误差和相关系数的对比分析 高原和盆地模拟结果的平均误差呈现出相反的变化特征，高原的平均误差值为正（即模拟值大于观测值），而盆地的平均误差值为负（即模拟值小于观测值）。并且随着模式分辨率的提高，高原误差值降低，而盆地误差值增加。微物理过程中高原的Lin方案平均误差较高，而盆地的Lin方案误差较低。高原相关性明显差于盆地的，并且随着模式分辨率的提高，高原的相关性升高，而盆地的则降低。高原的微物理过程随着不同的积云参数化过程相关性表现出不同的高低性，而盆地的微物理过程随着不同的积云参数化过程相关性表现为一致的Lin方案高于Ferrier方案。

4 结论

（1）高原和盆地模拟结果的相同点表现为：小雨的TS评分都在0.5以上，空报率和漏报率较低，而其他量级降水的评分较低，空报率和漏报率较高，达0.5以上。

（2）高原和盆地模拟结果的不同点表现为：TS评分结果中高原的微物理过程随着不同的积云参数化过程而表现出不同的优劣性，而盆地的表现为一致的Lin方案优于Ferrier方案。随着模式分辨率的提高，高原各个试验方案的TS评分结果呈现出不一致的变化特征，而盆地的T呈现下降的趋势；高原相关性明显差于盆地的，并且随着模式分辨率的提高，高原的相关性升高，而盆地的则降低。高原的微物理过程随着不同的积云参数化过程相关性表现出不同的高低性，而盆地的微物理过程随着不同的积云参数化过程相关性表现为一致的Lin方案高于Ferrier方案；高原和盆地模拟结果的平均误差呈现出相反的变化特征，高原的平均误差值为正（即模拟值大于观测值），而盆地的为负（即模拟值小于观测值）。并且随着模式分辨率的提高，高原误差值降低，而盆地误差值增加。微物理过程中高原的Lin方案平均误差较高，而盆地的Lin方案误差较低。

参考文献

[1]傅云飞，刘奇，自勇，等.基于TRMM卫星探测的夏季青藏高原降水和潜热分析[J].高原山地气象研究，2008，28（1）：8-18.

[2]傅云飞，李宏图，自勇.TRMM卫星探测青藏高原谷地的降水云结构个例分析[J].高原气象，2007，26（1）：98-106.

[3]刘奇，傅云飞，刘国胜.夏季青藏高原与东亚及热带的降水廓线差异分析[J].中国科学技术大学学报，2007，37（8）：885-894.

[4]朱士超，银燕，金莲姬，等.青藏高原一次强对流过程对水汽垂直输送的数值模拟[J].大气科学，2011，35（6）：1057-1068.

[5]唐岚，沈桐立，蔡新玲，等.青藏高原东侧一次典型暴雨过程的数值模拟试验[J].高原气象，2004，23（增刊）：37-45.

[6]王曼，段旭，李华宏，等.地形对昆明准静止锋影响的数值模拟研究[J].气象，2009，35（9）：77-83. （责编：张宏民）endprint