基于不同微物理过程的广西沿海南风型暖区暴雨的数值模拟研究

智协飞 董甫 张玲 吉璐莹 朱寿鹏

摘要 基于WRFV3.6.1，利用其8个云微物理参数化方案对2010—2016年华南汛期（4—9月）的6个南风型暖区暴雨个例进行数值模拟与多方案集成试验，并采用基于对象的诊断评估方法（MODE）对模拟结果进行评估。结果发现对于大多数个例，WRF模式都能较好地模拟出暖区暴雨的降水带，对暖区降水带模拟最好的参数化方案是WSM6方案，其次是Lin方案;模拟效果较差的参数化方案为CAM5.1与NSSL 2-mon方案。选取模拟结果较好的个例进行诊断分析，发现不同参数化方案得到的动力学特征以及云微物理特征相关变量存在较大差异，导致模拟降水的差异。在单方案模拟的基礎上，开展多方案集成试验，发现多方案集成方法能够有效降低模式模拟的不确定性，产生更稳定的模拟结果。

关键词 WRF模式;云微物理参数化方案;暖区暴雨;MODE

华南位于我国低纬度地区，降水活动受到低纬度系统与中高纬度系统的共同影响，是我国雨量最充沛的地区。华南地区汛期雨季从4月开始，直到9月结束，降水呈明显的双峰结构，以对流性降水为主（Luo et al.，2013;Chen et al.，2015）。华南暖区暴雨是华南暴雨的一大特点，一般是指发生在华南地面锋面南侧暖区，或是在南岭至南海北部没有锋面存在，华南地区不受冷空气或变性冷高脊控制时产生的暴雨（黄士松，1986）。大量研究表明，暖区暴雨与锋面暴雨在触发、维持和发展机制、动力和热力的结构、与大尺度系统的相互作用以及中尺度对流环境等方面具有很大的不同（Luo et al.，2017;Du and Chen，2018）。相比于锋面暴雨，暖区暴雨产生的降水强度更大，降水范围更小，因此预报难度更大，常造成重大的经济损失和人员伤亡（Tao and Chen，1987;Xie et al.，2006）。因此对华南暖区暴雨的研究是我国暴雨研究的重点难点之一。

由于暖区暴雨的中尺度特性，研究暖区暴雨往往需要借助高分辨率数值模式（Wu and Luo，2016）。WRF模式凭借其详细的物理过程，提供了大量的参数化方案，成为目前最常用的数值模式之一。选取合适的参数化方案是暴雨模拟的关键。研究发现，云微物理参数化方案在对降水模拟中起着重要作用，相比于积云参数化方案，对降水有更大的影响（黄海波等，2011）。云物理过程是中尺度数值模式中最重要的非绝热加热过程之一，云中水汽和各种水凝物之间的相互转化，以及它们的动力、热力效应直接影响天气过程（马严枝等，2012）。不同的微物理方案对大气的温湿结构的模拟存在明显的差异（张大林，1998）。尹金方等（2014）统计了2000—2012年中国区域内针对WRF模式中云微物理方案敏感性试验研究的结果，发现Lin方案的模拟效果最好。张小培和银燕（2013） 对复杂地形地区WRF模式四种边界层参数化方案进行了综合评估。梅钦等（2018）利用不同的微物理方案以及积云对流方案对发生在湖北及周边地区的12次暴雨过程进行回报，发现CAM 5.1方案优于其他方案，Morrison 2-mon方案次之。徐之骁和徐海明（2016）用17种不同的微物理方案对一次暴雨过程进行对比试验，发现不同微物理方案对不同量级的降水的模拟效果各有优势：NSSL1-mon方案对中雨和大暴雨量级的模拟效果最好，在大雨和暴雨量级上，Eta和Kessler方案最优。周彦均等（2019）利用不同的边界层参数化方案对江淮一次暴雨过程进行数值试验，发现不同的参数化方案对降水中心强度及位置的模拟有明显的差异。

除了选取参数化方案之外，评估高分辨率模式预报结果也是暴雨模拟的重要任务之一（潘留杰等，2014）。目前，使用较多的评估方法是传统的检验方法，如TS评分等，该类方法主要采用点对点的检验方式，通常要求预报和实况在网格上匹配。但是此类方法存在不足之处：首先，实况资料的分辨率通常低于高分辨率数值模式的分辨率，两者在空间尺度上无法匹配，使得对数值模式的评估不够客观;此外，传统的检验方法对降水落区较为敏感，如TS评分同时考虑了空报率以及漏报率，存在所谓的“双重惩罚”现象（张冰等，2012），使得高分辨率数值模式中微小的降水区位置偏差就能导致较差的评估结果。因此，传统的评估方法难以精确客观地评估高分辨率数值模式对中小尺度天气事件的预报性能（马申佳等，2018）。近年来，空间检验法得到了迅速的发展，如邻域法（Ebert，2008;潘留杰等，2015），属性判别法（Ebert，2009）等。空间检验法在关注传统技巧评分的同时，更加注重预报和实况在空间上不同尺度的差异。MODE（Method for Object-Based Diagnostic Evaluation）方法（Davis et al，2006a，2006b）就是空间检验法中的一种典型的属性判别法。MODE方法能够有效识别空间预报误差来源，并将这些有效信息反馈给研究人员，从而改进预报模式（尤凤春等，2011;Johnson and Wang，2013）。相比于传统的评估方法，MODE方法具有明显的优势以及较高的应用价值（王国荣等，2014）。本文选取广西沿海地区的6个典型南风型暖区暴雨个例，利用MODE评估方法对WRF模式中多种微物理参数化方案进行检验评估，并开展多方案集成试验，期望得到较好的降水模拟结果。

1 资料与方法

1.1 实况资料

选取中国自动站与CMORPH（Climate Precipitation Center Morphing）降水产品融合的逐时降水网格数据（空间分辨率0.1°×0.1°）为实况资料。该资料以CMORPH卫星反演降水作为背景场，基于中国大陆地区3万多个自动气象站观测的逐时降水量分析的中国降水格点分析产品作为地面观测场，采用PDF和OI两步融合方法生成（Shen et al.，2014）。

此外，利用ECMWF（European Centre for Medium-Range Weather Forecasts）提供的ERA5再分析资料（1 h，0.25°×0.25°），使用其水平风场（u，v），垂直速度场（w）、涡度场（vo）、散度场（d）、相对湿度场（rh）以及温度场（t）进行研究。

1.2 暖区暴雨个例选取

陈翔翔等（2012）将华南前汛期的暖区暴雨分为低涡型、切变线型以及偏南风风速切变辐合型，发现偏南风型暖区暴雨是发生次数最多的暖区暴雨类型。刘瑞鑫等（2019）进一步对华南汛期暖区暴雨的时空分布进行分析，发现广西沿海地区是华南汛期降水的主要中心之一，并且南风型暖区暴雨是广西沿海地区暖区暴雨的主要类型之一，因此广西沿海南风型暖区暴雨是华南暖区暴雨的重要组成部分。由于单个个例的不确定性较大，评估具有偶然性，因此本文对2010—2016年华南汛期（4—9月）发生在广西沿海地区的6个典型南风型暖区暴雨个例（表1）进行模拟，6个暖区暴雨个例的降水均達到大暴雨量级以上（24 h累积降水大于等于100 mm）。

1.3 模式选取与微物理参数化方案

试验采用WRFV3.6.1版本，利用美国国家环境预报中心 （National Centers for Environmental Prediction，NCEP）1°×1°的FNL再分析资料提供初值以及侧边界条件，对2010—2016年4—9月发生在广西沿海地区的6个典型暖区暴雨个例进行模拟。6个个例的模拟时间设置如表1所示，逐1 h输出一次数据。区域设置为两重嵌套（图1），网格中心位于（114°E，25.5°N），外层网格分辨率为12 km，格点数为240×240，内层网格分辨率为4 km，格点数为421×451，垂直方向不等距分为42层。除了微物理参数化方案外，其他参数化方案都一致，具体设置见表2。

本文采用8种不同的微物理参数化方案进行评估试验，分别为Lin方案、WSM6方案、New Thompson方案、Morrison 2-mon方案、WDM5方案、WDM6方案、CAM5.1方案以及NSSL 2-mon方案。

Lin方案（Lin et al.，1983）是一种较为复杂的微物理参数化方案，预报量包括水汽混合比、云水、雨水、云冰、雪和霰，包括饱和调整及冰晶沉降，该方案是WRF模式中较为成熟的方案，适用于对实时资料的高分辨率模拟。WSM6方案（Hong and Lim，2006）在WSM3方案（Hong et al.，2004）和WSM5方案的基础上加入了固态水成物霰粒子预报，基本的微物理过程与Lin方案类似。Thompson方案 （Thompson et al.，2008）是一个考虑了冰、雪、霰过程的新物理方案，与传统的单方案相比，增加了云冰和数浓度的模拟，并假设雪粒子为非球面，密度随直径变化而变化。Morrison 2-mon方案（Morrison et al.，2009）是一种双参数方案，它显式求解云中的过饱和度和凝结、凝华项，考虑了40余种微物理过程以及雨水、冰晶、雪、霰等水成物的混合比和数浓度、云水和水汽的混合比，应用较为广泛。CAM5.1方案是由CAM5模式移植到WRF模式中，模拟了包括云水、雨水、冰晶、雪、霰等的混合比和雨水、冰晶、雪、霰等的数浓度，是较为复杂的双参数化方案。WDM5方案和WDM6方案（Lim and Hong，2010）分别是在WSM5方案和WSM6方案的基础上发展，分别在原来的基础上增加了数浓度的模拟，并且WDM6方案加强了雷达反射率，增强了强降水活动。NSSL 2-mon方案（Mansell et al.，2010）增加了雹粒子的混合比和数浓度预报，以及云凝结核的体积浓度等变量，模拟更为复杂。

1.4 多方案集成方法

多方案集成往往能够带来更为稳定的结果（梅钦等，2018）。为了有效降低预报的不确定性，本文采取多方案集成方法（ensemble mean，EMN），对模拟效果较好的3种参数化方案开展集成试验。在具体的实施过程中，计算某格点是否有降水的方法为：当有2个及以上的参数化方案预报该格点有降水时，将有降水的参数化方案结果进行简单平均，否则认为该格点无降水，降水量记为0。

1.5 模式检验方法

本文利用基于对象的诊断评估方法（MODE），对模式模拟结果进行评估。MODE方法作为最具有代表性的空间诊断分析技术之一，通过在预报场和观测场中识别一系列“对象”，并赋予这些“对象”一定的空间属性，通过比较预报场和观测场中属性的差异，应用模糊逻辑算法来求得对象之间的相似度，从而产生客观的评估结果。MODE方法的应用主要通过4个步骤来实现。

本文中MODE评估的对象属性包括质心距离、面积比、强度比、最小边界距离、轴角差以及交集比等6个空间诊断量，将其权重ω占比设为2∶2∶2∶1∶1∶1（Davis et al.，2009;Johnson and Wang，2013）。

2 模拟结果

2.1 MODE评估结果

图2为6个南风型暖区暴雨个例的实况过程累积降水，降水中心皆位于广西南部的钦州-防城港-东兴一带，降水中心过程累积降水量达到100 mm以上，并且暖区降水起始时间皆位于00—03时（北京时）。在6个个例中，暖区降水带多处于一致的西南风的控制之下（个例1和个例2分别受到南风以及东南风的控制），在华南地区，没有明显的切变线、低涡等天气系统影响，处于一致的南风中，是典型的南风型暖区暴雨的环流形势（陈翔翔等，2012）。

可以看出，除了广西南部的降水带之外，在一些个例中，华南地区存在其他的降水带，由于本文只考虑发生在广西南部地区的暖区降水带，因此对于这些降水对象（图2b、e、f等位于华南北部的降水带），本文不做相似度评估。

利用MODE方法对6个个例的不同微物理参数化方案的相似度评估结果由表3给出。虽然不同个例的最优参数化方案不同，但是总体而言，模拟平均相似度较高的微物理参数化方案为WSM6方案以及Lin方案，相似度平均值分别为0.803和0.800;平均相似度最低的微物理参数化方案为CAM5.1方案，平均相似度为0.715。对于多数个例，暖区降水对象都能较好地模拟出来，平均相似度超过0.7，表明对于这些个例，不同参数化方案模拟的暖区降水带都能与实况场能较好地匹配。而对于个例3，平均相似度低于0.7，并且所有的参数化方案评估相似度都在0.7以下，表明模拟对象与实况对象不匹配，模式对于暖区降水带模拟不理想。以下选取相似度评分相对较高的个例1（图2a），对不同参数化方案模拟对象的空间诊断量进行讨论，并进一步对降水过程中的热力、动力条件以及云微物理条件进行详细的分析。

2.2 个例分析

个例1是模拟平均相似度最高的个例之一，平均相似度高于0.8，但是不同参数化方案差异明显，不同参数化方案对个例1的模拟结果以及MODE的评估结果由图3和表4给出。除了CAM5.1方案外，所有参数化方案的模拟对象相似度都高于0.8，其中WSM6方案相似度在0.9以上（图3b），即模拟对象与实况对象（图2a）的匹配较好。对个例1的暖区暴雨模拟最好的方案是WSM6方案，其次是Morrison 2-mon和Lin方案，三种方案的相似度均高于0.87，对暖区降水带的形状、位置、走向以及强度的模拟均非常出色（图3a、b、d）。而模拟最差的方案为CAM5.1方案（图3e），相似度为0.574，对该方案的空间诊断量进行分析，发现其质心距离相对较大，面积比较小，分别为43.2 km，0.046 1，并且强度比仅为0.297，远低于其他方案，表明该方案模拟的降水对象与实况对象的面积偏差较大，模式漏报严重，并且对降水有明显的低估。对于WDM5方案、WDM6方案以及NSSL 2-mon方案（图3f、g、h），虽然雨带走向与实况差距较大（体现为轴角差较大），但由于轴角差的权重较小，并且3个方案对对象面积以及降水强度模拟较好，因此模式评分较高。

对比实况和模拟结果发现，空间诊断量能够较好地体现出对象间的空间属性差异。若是模拟的降水范围较小，则体现为面积比较小。模拟降水的位置偏差主要体现在交集比与质心距离的差异。轴角差较好地体现了降水带走向的差异。强度比能够反映对象间降水强度的差异。可见，MODE评估方法能够较好地体现模拟结果与实况场的空間差异，客观地评估模式降水，具有较高的应用价值。

图4给出了2010年6月7日00时至08日00时，实况降水与模拟降水在107.5°～108.5°E、21.5°～22.5°N范围内的1 h累积降水最大值。从图4中可以看出，8种参数化方案模拟的降水趋势与实况较为一致，都是在15—16时达到最大，然后迅速减小。其中CAM5.1方案模拟的降水较小，在15时只有10 mm，与CAM5.1方案较低的强度比（0.297）一致。

通过以上分析可见，CAM5.1方案对此次暖区暴雨过程模拟效果较差。而Lin方案、WSM6方案与Morrison 2-mon方案模拟效果相对较好。因此，对Lin方案、WSM6方案与Morrison 2-mon方案进行多方案集成，对比WSM6方案、CAM5.1方案、集成方案以及实况资料，分析不同方案的热力、动力条件以及云微物理特征，进一步探讨不同方案对此次过程模拟差异的原因，并对集成结果进行分析。

图5为6月7日15时实况再分析资料以及各方案模拟的相对湿度与假相当位温沿108°N的垂直剖面。从ERA5再分析资料可以看出（图5a），在降水中心附近（21°～22°N），在850 hPa以下，假相当位温都大于350 K，并且在925 hPa以下，大气的相对湿度大于等于90%）。从模拟结果来看（图5b、c、d），假相当位温以及相对湿度的分布比实况更为复杂，但是不同的方案都与实况较为接近，在低层都为饱和区，并且850 hPa以下假相当位温都大于350 K。对于模拟的热力条件，不同方案模拟差异较小。

图6和图7分别是为6月7日15时实况和各方案模拟的散度、涡度以及垂直速度沿108°E的垂直剖面。实况的辐合区（图6a）和正涡度区（图6b）较低，仅在925 hPa以下存在较强的辐合区以及正涡度区，强度大小在1.5×10-4 s-1以上，在降水中心的地面到500 hPa附近，存在着较强的上升运动，垂直速度最大位于925 hPa左右，达到0.9 m/s（图6c）。从模拟的涡度，散度场的配置来看，涡度和散度均比实况大一个量级，对于WSM6方案，模拟的散度较强（图7a），在降水中心区700 hPa以下大小在1×10-3 s-1以上;正涡度区维持至600 hPa附近，中心位于925 hPa，强度大于1×10-3 s-1（图7b）;最大垂直速度略高于实况，位于600 hPa附近，达1 m/s（图7c）。而CAM5.1方案模拟的辐合层较浅薄，只持续至850 hPa左右，并且强度远低于WSM6方案模拟的散度（图7d）;正涡度区仅延伸至925 hPa，正涡度中心强度仅为6×10-4 s-1，远小于WSM6方案（图7e）;在垂直速度场上，CAM5.1方案的垂直速度最大仅为0.1 m/s，比实况和WSM6小一个量级（图7f）。可见，对垂直速度、散度以及涡度模拟的差异是导致模式对降水模拟差异重要原因之一，反映了动力条件对降水发生发展的重要性。集成方案的散度、涡度以及垂直速度位于CAM5.1方案与WSM6方案之间;辐合层高度达700 hPa，但是强度弱于WSM6方案的模拟结果，约为9×10-4 s-1;同样地，正涡度层和垂直速度的分布与WSM6相似，但是强度小于WSM6方案的模拟结果。

进一步从云中水成物的特征来分析此次暴雨过程，图8为不同参数化方案沿108°E的云水、雨水混合比的垂直剖面。WSM6方案模拟的雨水混合比，在降水中心0 ℃温度层以下最大达到2 g/kg，而CAM5.1方案的雨水混合比最大仅为0.8 g/kg;对于云水混合比，WSM6方案在0 ℃温度层附近达到2 g/kg以上，而CAM5.1方案仅为0.8 g/kg。可见，云中水成物的含量与降水强度有着密切的联系，对云水、雨水混合比的预报影响着降水的预报。对于集成方案，雨水混合比大于2 g/kg，但是云水混合比仅为0.8 g/kg，集成方案介于WSM6方案与CAM5.1方案之间。

通过以上对热力、动力以及云微物理特征分析发现，不同方案热力条件差异较小，较好的参数化方案对应着较好的动力条件以及云微物理条件;而较差的参数化方案则相反。因此，正是由于对相关物理量模拟的差异导致了不同方案降水模拟的差异。此外，集成方案的动力条件以及云微物理条件虽然弱于模拟最好的方案，但是物理量场的分布较为一致，仅在强度上有所差异，总体上好于最差的参数化方案。

2.3 多方案集成试验

通过以上研究发现，虽然Lin方案以及WSM6方案的平均相似度最高，但是对于每个个例而言，最优的参数化方案是不同的，单个方案在不同个例中相似度评分差异较大，如在个例1中，CAM5.1方案为模拟效果最差的方案，但在个例2中，模拟效果最好。为了降低模式预报的不确定性，发挥不同参数化方案的优势，选取总体预报效果较好的3个参数化方案（分别是Lin方案、WSM6方案以及Morrison2-mom方案），对6个个例的过程累积降水开展集成预报试验，对集成的空间诊断量以及相似度进行评估。

表5为6个个例的集成试验评估结果，发现多方案集成对相似度评分改进明显。比较集成方案（表5）与单个参数化方案的模拟结果（表3），虽然集成方案不是最优的方案，但在所有个例中基本都位于前列，相比于单个方案，集成方案的结果更加稳定。可见集成方案能够有效地减小预报的不确定性，降低预报误差，得到更加稳定的结果。该结论与使用传统检验方法得出的结论一致（梅钦等，2018）。

3 结论

为了比较WRF模式的不同微物理参数化方案对广西沿海南风型暖区暴雨的模拟效果，选取2010—2016年6个典型个例，开展模拟试验与多方案集成试验，基于MODE方法对模拟结果进行评估。重点选取评估结果较好的个例，根据空间诊断量的评估结果，对热力、动力以及云微物理特征进行进一步的分析。随后选取较优的参数化方案开展集成试验，得出结论如下：

1）除了个例3，对于大多数个例，WRF模式都能较好地模拟出暖区降水帶，模式对象与实况对象的匹配度较高，参数化方案的平均相似度都大于0.7，表明模式能够较准确地模拟出暖区降水带。

2）不同的微物理参数化方案对广西沿海地区南风型暖区暴雨的模拟有较大的差异。对模拟结果评估发现，模拟效果较好的方案是WSM6方案;其次是Lin方案，平均相似度分别为0.803和0.800;模拟效果较差的方案是CAM5.1方案，平均相似度为0.715。总体而言，MODE评估方法能够较好地体现模拟结果与实况场的空间差异，客观地评估模式降水，具有较高的应用价值。

3）不同参数化方案得到的动力特征以及云微物理特征相关变量存在较大差异，进而影响降水的模拟。对比分析个例1的模拟最优方案、最差方案、集成方案以及实况，发现在个例1中CAM5.1方案对相关物理量的模拟偏弱，因此对降水带模拟较差;而WSM6方案则相反，对降水模拟结果较好;集成方案介于WSM6方案与CAM5.1方案之间。

4） 在单个方案模拟的基础上开展多方案集成试验，集成试验的相似度在每个个例中基本都位于前列。可见多方案集成能够有效降低模式的不确定性，产生更稳定的预报结果。

以上结论是基于广西沿海地区的6个暖区暴雨个例的评估结果，是否适用于其他地区或其他类型的暖区暴雨，还需做进一步研究。

参考文献（References）

Chen F，Dudhia J，2001.Coupling an advanced land surface-hydrology model with the Penn state-NCAR MM5 modeling system.part I：model implementation and sensitivity[J].Mon Wea Rev，129（4）：569-585.

Chen X C，Zhao K，Xue M，et al.，2015.Radar-observed diurnal cycle and propagation of convection over the Pearl River Delta during Mei-Yu season[J].J Geophys Res，120（24）：12557-12575.

陈翔翔，丁治英，刘彩虹，等，2012.2000—2009年5、6月华南暖区暴雨形成系统统计分析[J].热带气象学报，28（5）：707-718. Chen X X，Ding Z Y，Liu C H，et al.，2012.Statistic analysis on the formation system of warm-sector heavy rainfall in may and June from 2000—2009 [J].J Trop Meteor，28（5）：707-718.（in Chinese）.

Davis C A，Brown B G，Bullock R，2006a.Object-based verification of precipitation forecasts.part I：methodology and application to mesoscale rain areas[J].Mon Wea Rev，134（7）：1772-1784.

Davis C，Brown B，Bullock R，2006b.Object-based verification of precipitation forecasts.part II：application to convective rain systems[J].Mon Wea Rev，134（7）：1785-1795.

Davis C A，Brown B G，Bullock R，et al.，2009.The method for object-based diagnostic evaluation （MODE） applied to numerical forecasts from the 2005 NSSL/SPC spring program[J].Wea Forecasting，24（5）：1252-1267.

Du Y，Chen G X，2018.Heavy rainfall associated with double low-level jets over Southern China.part I：ensemble-based analysis[J].Mon Wea Rev，146（11）：3827-3844.

Ebert E E，2008.Fuzzy verification of high-resolution gridded forecasts：a review and proposed framework[J].Meteor Appl，15（1）：51-64.

Ebert E E，2009.Neighborhood verification：a strategy for rewarding close forecasts[J].Wea Forecasting，24（6）：1498-1510.

Hong S Y，Lim J J，2006.The WRF single-moment 6-class microphysics scheme （WSM6）[J].Asia-Pac J Atmos Sci，42（2）：129-151.

Hong S Y，Dudhia J，Chen S H，2004.A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation[J].Mon Wea Rev，132（1）：103-120.

Hong S Y，Noh Y，Dudhia J，2006.A new vertical diffusion package with an explicit treatment of entrainment processes[J].Mon Wea Rev，134（9）：2318-2341.

黃海波，陈春艳，朱雯娜，2011.WRF模式不同云微物理参数化方案及水平分辨率对降水预报效果的影响[J].气象科技，39（5）：529-536. Huang H B，Chen C Y，Zhu W N，2011.Impacts of different cloud microphysical processes and horizontal resolutions of WRF model on precipitation forecast effect[J].Meteor Sci Technol，39（5）：529-536.（in Chinese）.

黄士松，1986.华南前汛期暴雨 [M].广州：广东科技出版社：1-7. Huang S S，1986.Heavy rainfall over Southern China in the pre-summer rainy season [M].Guangzhou：Guangdong Science and Technology Press：1-7.（in Chinese）.

Johnson A，Wang X G，2013.Object-based evaluation of a storm-scale ensemble during the 2009 NOAA hazardous weather testbed spring experiment[J].Mon Wea Rev，141（3）：1079-1098.

Kain J S，2004.The kain-fritsch convective parameterization：an update[J].J Appl Meteor，43（1）：170-181.

Lim K S，Hong S Y，2010.Development of an effective double-moment cloud microphysics scheme with prognostic cloud condensation nuclei（CCN） for weather and climate models[J].Mon Wea Rev，138（5）：1587-1612.

Lin Y L，Farley R D，Orville H D，1983.Bulk parameterization of the snow field in a cloud model[J].J Appl Meteor，22（6）：1065-1092.

刘瑞鑫，孙建华，陈鲍发，2019.华南暖区暴雨事件的筛选与分类研究[J].大气科学，43（1）：119-130. Liu R X，Sun J H，Chen B F，2019.Selection and classification of warm-sector heavy rainfall events over South China[J].Chin J Atmos Sci，43（1）：119-130.（in Chinese）.

Luo Y L，Qian W M，Zhang R H，et al.，2013.Gridded hourly precipitation analysis from high-density rain gauge network over the Yangtze-Huai Rivers Basin during the 2007 Mei-yu season and comparison with CMORPH[J].J Hydrometeorol，14（4）：1243-1258.

Luo Y L，Zhang R H，Wan Q L，et al.，2017.The southern China monsoon rainfall experiment（SCMREX）[J].Bull Am Meteor Soc，98（5）：999-1013.

馬申佳，陈超辉，智协飞，等，2018.基于时空不确定性的对流尺度集合预报效果评估检验[J].气象学报，76（4）：578-589. Ma S J，Chen C H，Zhi X F，et al.，2018.The assessment and verification of convection-allowing ensemble forecast based on spatial-temporal uncertainties[J].Acta Meteorol Sin，76（4）：578-589.（in Chinese）.

马严枝，陆昌根，高守亭，2012.8.19华北暴雨模拟中微物理方案的对比试验[J].大气科学，36（4）：835-850. Ma Y Z，Lu C G，Gao S T，2012.The effects of different microphysical schemes in WRF on a heavy rainfall in North China during 18—19 August 2010[J].Chin J Atmos Sci，36（4）：835-850.（in Chinese）.

Mansell E R，Ziegler C L，Bruning E C，2010.Simulated electrification of a small thunderstorm with two-moment bulk microphysics[J].J Atmos Sci，67（1）：171-194.

梅钦，智协飞，王佳，2018.WRF模式不同云参数化方案的暴雨预报能力检验及集成试验[J].大气科学学报，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.（in Chinese）.

Morrison H，Thompson G，Tatarskii V，2009.Impact of cloud microphysics on the development of trailing stratiform precipitation in a simulated squall line：comparison of one-and two-moment schemes[J].Mon Wea Rev，137（3）：991-1007.

潘留杰，张宏芳，王建鹏，2014.数值天气预报检验方法研究进展[J].地球科学进展，29（3）：327-335. Pan L J，Zhang H F，Wang J P，2014.Progress on verification methods of numerical weather prediction[J].Adv Earth Sci，29（3）：327-335.（in Chinese）.

潘留杰，张宏芳，陈小婷，等，2015.基于邻域法的高分辨率模式降水的预报能力分析[J].热带气象学报，31（5）：632-642. Pan L J，Zhang H F，Chen X T，et al.，2015.Neighborhood-based precipitation forecasting capability analysis of high-resolution models[J].J Trop Meteor，31（5）：632-642.（in Chinese）.

Shen Y，Zhao P，Pan Y，et al.，2014.A high spatiotemporal gauge-satellite merged precipitation analysis over China[J].J Geophys Res，119（6）：3063-3075.

Tao S Y，Chen L X，1987.A review of recent research on the East Asian summer monsoon in China[M]//Chang C P，Krishnamurti T N.Monsoon Meteorology.London：Oxford University Press：60-92.

Thompson G，Field P R，Rasmussen R M，et al.，2008.Explicit forecasts of winter precipitation using an improved bulk microphysics scheme.part II：implementation of a new snow parameterization[J].Mon Wea Rev，136（12）：5095-5115.

王国荣，陈敏，由凤春，等，2014.基于对象诊断的空间检验方法（MODE）[J].气象科技，42（4）：652-656. Wang G R，Chen M，You F C，et al.，2014.Method for object-based diagnostic evaluation and its application[J].Meteor Sci Technol，42（4）：652-656.（in Chinese）.

Wu M W，Luo Y L，2016.Mesoscale observational analysis of lifting mechanism of a warm-sector convective system producing the maximal daily precipitation in China mainland during pre-summer rainy season of 2015[J].J Meteor Res，30（5）：719-736.