高原气象

高原气象 >

2023 , Vol. 42 >Issue 6: 1429 - 1443

DOI: https://doi.org/10.7522/j.issn.1000-0534.2023.00016

论文

对流解析与对流参数化方案模拟青藏高原夏季降水对比研究

  • 陈颖 ,
  • 杨显玉 ,
  • 吕雅琼 ,
  • 文军 ,
  • 朱家宁
展开
  • 1. 成都信息工程大学 大气科学学院/高原大气与环境四川省重点实验室，四川 成都 610225
    2. 中国科学院、 水利部成都山地灾害与环境研究所，四川 成都 610041

陈颖（1998 -）， 女， 四川绵阳人， 硕士研究生， 主要从事陆气相互作用与数值模拟研究. E-mail：

收稿日期: 2022-09-08

  修回日期: 2023-02-28

  网络出版日期: 2023-11-14

基金资助

国家自然科学基金项目(41975135); 中国科学院先导专项(XDA23060601); 成都信息工程大学教师科技创新能力提升计划项目(KYQN202239)

收起

Comparative Analysis of Convection Permitting Model and Cumulus Parameterization for Simulation of Summer Precipitation over Qinghai-Xizang （Tibetan） Plateau

  • Ying CHEN ,
  • Xianyu YANG ,
  • Yaqiong Lü ,
  • Jun WEN ,
  • Jianing ZHU
Expand
  • 1. College of Atmospheric Sciences，Chengdu University of Information Technology / Sichuan Key Laboratory of Plateau Atmosphere and Environment，Chengdu 610225，Sichuan，China
    2. Institute of Mountain Hazards and Environment，Chinese Academy of Sciences，Chengdu 610041，Sichuan，China

Received date: 2022-09-08

  Revised date: 2023-02-28

  Online published: 2023-11-14

Fold

摘要

青藏高原被称为“亚洲水塔”， 其水资源的变化对下游的天气气候有重要的影响。降水是水循环的关键环节， 因此， 准确模拟青藏高原降水对我国水资源安全有重大意义。近年来， 一些研究发现对流解析模拟（即当网格尺度小于4 km时关闭对流参数化方案的模拟）能够提升青藏高原降水的模拟效果， 然而， 这些研究仅仅选取了1~3种对流参数化方案来进行对比研究， 对流解析模拟是否优于任意对流参数化方案仍然未知。本文评估了WRF模式中9种积云对流参数化方案与不使用对流参数化方案的对流解析模拟（Convection-Permitting Modeling， CPM）对2009年夏季青藏高原地区降水的模拟能力。结果表明： 模拟总体高估了青藏高原2009年夏季降水， 存在0.4~2.0 mm·d-1的误差， 对青藏高原CAPE值和潜热通量的模拟过大可能是造成青藏高原降水模拟偏大的原因之一。在所有模拟中， G3积云对流参数化方案对平均降水和日变化的模拟效果最好， 能更好地模拟出平均降水的降水强度、 空间分布和降水落区以及降水日变化。CPM对降水整体的模拟效果次于G3积云对流参数化方案， 不能有效地改善对降水日变化的模拟， 但是可以改进对降水频率的模拟。在不同高原生态区内， 所有模拟都不能合理地模拟出荒漠区和喜马拉雅南麓的降水， 但相较于参数化方案， CPM可以大大地降低荒漠区的误差。在其他区域内， CPM和Tiedtke积云对流参数化方案的表现都较好。综合平均降水和降水频率， CPM、 Tiedtke和G3积云对流参数化方案对不同区域、 不同强度的降水模拟误差最小。因此我们建议： 模拟青藏高原夏季降水时可优先考虑G3和Tiedtke积云对流参数化方案， 在计算资源充足时， 可以考虑采用高分辨率的对流解析来提高青藏高原降水频率的模拟。

关键词： 青藏高原; WRF模式; 降水; 积云对流参数化方案; 对流解析模式

本文引用格式

陈颖 , 杨显玉 , 吕雅琼 , 文军 , 朱家宁 . 对流解析与对流参数化方案模拟青藏高原夏季降水对比研究[J]. 高原气象, 2023 , 42(6) : 1429 -1443 . DOI: 10.7522/j.issn.1000-0534.2023.00016

Abstract

The Qinghai-Xizang （Tibetan） Plateau is known as the Asian water tower.The change of its water resources has an important impact on the weather and climate in the lower reaches.Precipitation is a key role in the water cycle.Therefore， it is of great significance to accurately simulate plateau precipitation for water resources security in China.In recent years， some studies have found that the convection-permitting model （the cumulus parameterization scheme could be turned off when grid scale is less than 4 km） could improve the precipitation simulation over the Qinghai-Xizang （Tibetan） Plateau.However， the previous studies only selected 1~3 cumulus parameterization schemes for comparison.It is still unknown whether convection-permitting model is superior to any cumulus parameterization scheme.In this paper， the ability of nine cumulus parameterization schemes in WRF and convection-permitting model （CPM） in simulating the precipitation over the Qinghai-Xizang （Tibetan） Plateau in the summer of 2009 was evaluated.The results showed that the simulations overestimate the summer precipitation over Qinghai-Xizang （Tibetan） Plateau in 2009， and the error was about 0.4~2 mm·d-1.The over simulation of CAPE and latent heat flux in Qinghai-Xizang （Tibetan） Plateau may be one of the reasons for the overestimations.Among all simulations， the G3 cumulus parameterization scheme has the best simulation of the mean precipitation the mean precipitation and the dinural cycles precipitation and it can can better capture the precipitation intensity， spatial distribution， precipitation area and diurnal cycles of the mean precipitation.CPM showed overall the second best precipitation simulation following G3 cumulus parameterization scheme， which can not effectively improve the simulation of diurnal cycles of precipitation， but can improve the simulation of precipitation frequency.In different plateau ecological regions， all simulations cannot reasonably simulate the precipitation in the desert area and the southern foot of the Himalaya， but compared with the cumulus parameterization schemes， CPM can greatly reduce the error in the desert area.In other regions， CPM and Tiedtke cumulus parameterization scheme performed well.Considering the mean precipitation and precipitation frequency， the CPM， Tiedtke and G3 cumulus parameterization scheme have the minimum simulation error for precipitation in different regions and intensity.Therefore， we recommend to adopt G3 or Tiedtke cumulus parameterization schemes in simulating summer precipitation over the Qinghai-Xizang （Tibetan） Plateau， and when the computational resources are allowed， the high-resolution CPM can be considered to improve the precipitation frequency simulations.

Key words： WRF; Precipitation; cumulus parameterization; convection-permitting model; Qinghai-Xizang （Tibetan） Plateau

1 引言

青藏高原是世界第三极（姚檀栋和朱立平， 2006）， 平均海拔超过4000 m， 被称为“亚洲水塔”（Xu et al， 2008； Gao et al， 2015； Lin et al， 2018）， 发源了长江、 黄河、 雅鲁藏布江、 恒河等亚洲主要的河流， 养育了全球近20%的人口（Wang et al， 2018； 孟宪红等， 2020）。在全球变暖的背景下， 青藏高原出现了冰川退缩、 冻土消融、 湖泊扩张等地表水资源变化（施雅风和刘时银， 2000； 陈桂琛等， 2002； 郑度和姚檀栋， 2006； 杨耀先等， 2022）， 对我国乃至亚洲水资源安全造成了严重威胁。青藏高原降水是水循环的关键环节， 将直接改变土壤水分和河川径流， 影响地表植被生长， 改变地表能量通量， 进而影响下游天气和气候（Wang et al， 2018； Ou et al， 2020； Wang et al， 2019； Li et al， 2020； 张宏文和高艳红， 2020）。研究青藏高原降水对我国水资源安全有重大意义。
随着高精度数值模式的发展， 数值模拟已经成为当前青藏高原降水研究的主要手段之一， 不仅能够弥补高原气象站点稀少的不足， 还能解决卫星降水产品无法解释大气环流过程的缺点。然而， 在大部分数值模拟中， 青藏高原降水都具有湿偏差以及虚假的降水中心。例如， 胡芩等（2014）评估了国际耦合模式比较计划第五阶段（CMIP5）模拟的1986 -2005年青藏高原降水， 发现模拟能力较差， 特别是春季和夏季的降水被高估， 年平均降水偏多达1.3 mm·d-1， 在高原中部和南部有较大偏差， 同时在藏东南地区存在一个虚假的降水大值中心， 降水中心最大值远高于观测。与CMIP5相比， CMIP6有一定的改进， 年平均降水量的偏差幅度要更小， 达397.8 mm·a-1， 但是仍不能消除高原东南部的虚假的降水大值中心（陈炜等， 2021）。张冬峰等（2005）利用区域气候模式 （Regional Climate Model， RegCM3）也发现了模拟的降水一般为实测的两倍。
研究发现积云对流参数化方案的选取是造成降水模拟偏差的原因之一（黄安宁等， 2009； 王瑞等， 2021； Ou et al， 2020； 高艳红等， 2021）。积云对流参数化方案是在有限的观测和不完善的理论基础上形成的经验处理方法（杨扬等， 2021）， 但是由于不同地区地形和触发对流活动环境的差异， 不同的积云对流参数化方案模拟的降水差异显著不同（屠妮妮等， 2011； 吴胜刚等， 2016）。Ou et al（2020）评估了在灰色网格间距下使用不同的参数化方案对高原的模拟效果， 发现在使用到的WRF积云对流参数化方案中， Multiscale Kain-Fritsch （MSKF）无论是对降水日变化还是对平均降水的模拟都优于其他方案。Wang et al（2021）利用区域气候模式RegCM4研究了不同组合的积云对流参数化方案和陆面水文方案在高原的模拟效果， 发现Grell方案模拟的大尺度环流会产生过量的降水， 从而使该方案高估了高原的降水， 而MIT-Emanuel方案通过降低净辐射通量和波文比， 减少了高原东南方向的水汽输送， 进而可以大大地降低高原的湿偏差。同样利用RegCM， Gu et al（2020）也发现了Emanuel和Tiedtke均能较好地模拟降水， 而Kuo方案不能准确地模拟环流形式。尽管改变积云对流参数化方案和分辨率可以在一定程度上减少高原上降水的误差， 但参数化方案不能很好地再现对流降水日变化以及峰值（陆云等， 2021）， 同时分辨率越高也并不一定对模型中所有物理过程和参数化方案有利， 也不能完全消除模型中的系统误差， 在地形较高地区对降水的高估仍然存在（Li et al， 2015）。
近年来， 一些研究发现对流解析模拟（Convection-Permitting Model， CPM）能够提高降水模拟。CPM是指当模式分辨率低于4 km时， 模式可以不使用对流参数化方案， 而是通过动力过程直接计算格点积云对流（Prein et al， 2013）， 避免了积云对流参数化方案带来的不确定性， 并且能更好地表征小尺度的物理过程、 复杂地形和陆气耦合过程（Yun et al， 2019）。已有一些研究评估了CPM模拟青藏高原降水能力， 与采用了对流参数化方案的中尺度模拟相比， CPM可以提高对复杂地形阻力的模拟， 使更多的降水落在高原南坡， 而地形阻力使风速减小， 水汽输送减弱， 减小了高原内部降水的高估（Zhou et al， 2021； Wang et al， 2019； Lin et al， 2018； Wang et al， 2020）。此外， CPM还可以较好地再现高原降水的日变化以及其峰值（Cai et al， 2021； Liu et al， 2022； Karki et al， 2017）和降水强度、 频率（Li et al， 2020）。然而也有研究指出， CPM对高原的降水模拟偏干， 下午降水的峰值会提前， 而夜间降水峰值出现的时间会滞后（Ma et al， 2022）， CPM仍然会高估喜马拉雅山脉东部、 东南部和四川盆地的降水（Li et al， 2020）。
这些已有研究存在的主要问题是将CPM的模拟结果与使用某一种对流参数化方案的中尺度的模拟结果模拟进行比较， 而当前对流参数化方案众多， CPM模拟效果是否优于任意积云对流参数化方案的模拟结果， 还需要进一步地验证。本研究选取了9种不同的对流参数化方案与CPM模拟结果进行对比分析， 评估CPM对平均降水、 降水频率日变化的模拟效果， 试图为青藏高原对流降水模拟方案的选取提供科学依据。

2 方法介绍和数据来源

2.1　模型设置

本研究采用了WRFV4.1版本， 设计了采用对流参数化方案的中尺度模拟， 以及没有使用对流参数化方案的对流解析模拟。在采用积云对流参数化方案的模拟中， 选取了9种常用的积云对流参数化方案（表1）， 设计了双重网格嵌套［图1（a）］， D01的分辨率为30 km， 中心为（18°N， 82°E）， 水平格点为398×258， D02的分辨率为10 km， 水平格点为349×229。在对流解析模拟中， 模拟分辨率为3 km， 中心点位于34°N和89.8°E， 水平格点为1192×807 ［图1（b）］。除了是否使用积云对流参数化方案以及分辨率的差异之外， 其余设置均保持一致， 在所有的模拟中使用了Thompson graupel微物理方案、 rrtmg长波和短波辐射方案、 Noah-Mp （Noah-Multiparameterization） 陆面过程方案和MYNN边界层方案， 模拟在垂直方向上采用了σ坐标， 分为1000~10 hPa， 共35层， 侧边界强迫场数据为FNL数据。本次模拟研究时段选取了2009年4 -9月， 由于2009年热带海平面的海温为中性， 被认为是正常的季风年， 可以在某种程度上作为气候学的代表（Li et al， 2020； Zhao et al， 2021）， 其中4 -5月为初始化。对比分析了D02（10 km）和CPM（3 km）对2009年夏季降水模拟的效果。
表1 常用积云对流参数化方案

Table 1 Common cumulus convection parameterization schemes

积云对流参数化方案 简称
Kain-Fritsch （new Eta） scheme KF
Betts-Miller-Janjic scheme BMJ
Grell-Freitas ensemble scheme GF
New Grell scheme （G3） G3
Tiedtke scheme Tiedtke
Modified Kain-Fritsch scheme with trigger function based on PDFs Modified KF
Multi-scale Kain-Fritsch scheme Multi-scale KF
A newer Tiedke scheme A newer Tiedke
GFS SAS from YSU NASA
图1 对流参数化方案的模拟范围（a）和CPM的模拟范围（b）

Fig.1 Simulation area of cumulus parameterization scheme （a） and CPM （b）

2.2　降水验证数据

本文使用两种基于卫星观测的降水产品作为降水模拟验证数据： 空间分辨率为10 km 的Global Precipitation Measurement （GPM） V05B版本半小时的降水数据（Joyce et al， 2004； Xie et al， 2017）和 Climate Prediction Center morphing method（CMORPH）的空间分辨率为8 km的0.5 h降水数据（Hou et al， 2014； Liu et al， 2017）。本文将这两种卫星降水产品在空间格点的平均值作为观测降水。根据Chen and Dai（2018）的研究结果， 降水频率和强度与空间分辨率的关系十分密切， 对比观测和模拟时需要统一空间分辨率。为了比较不同分辨率下的降水， 将CPM的模拟结果以及观测资料插值到D02分辨率下。本文所涉及地图制作的来源为中华人民共和国自然资源部地图技术审查中心标准地图服务系统的中国地图［审图号： GS（2016）1609号］和世界地图［审图号： GS（2016）2937号］， 底图无修改。

2.3　分析指标

本文采用了四种评估指标分析了平均降水和降水频率： 空间相关系数（CC）、 偏差（Bias）、 均方根误差（RMSE）、 相对均方根误差（RRMSE）以及模拟和观测的空间标准差之比（σ）来验证降水模拟效果， 定义如下：
C C = ∑ i = 1 N ( P o b s , i - P o b s ¯ ) ( P w r f , i - P w r f ¯ ) ∑ i = 1 N ( P o b s , i - P o b s ¯ ) 2 ∑ i = 1 N ( P w r f , i - P w r f ¯ ) 2
B i a s = ∑ i = 1 N ( P w r f , i - P o b s , i ) N
R M S E = ∑ i = 1 N ( P w r f , i - P o b s , i ) 2 N
R R M S E = R M S E P o b s ¯
σ = 1 N ∑ i = 1 N ( P w r f , i - P w r f ¯ ) 2 / 1 N ∑ i = 1 N ( P o b s , i - P o b s ¯ ) 2
式中： P o b s , i和 P w r f , i分别表示第i个空间格点的观测值和模拟值； P o b s ¯和 P w r f ¯分别表示观测和模拟数据的平均值； N为青藏高原内的格点总数。σ定义为模拟的空间标准差经过观测的标准差归一化， 表示了模式与观测的空间异质性的相似性。降水频率定义为可观测降水量（≥0.1 mm·h-1）占总时长的百分比。
此外， 为了量化模式对观测数据空间型和振幅的模拟能力， 采用了泰勒评分（Taylor， 2001）， 公式如下：
T s = 4 ( 1 + C C ) σ + 1 σ 2 ( 1 + C C 0 )
式中： CC 0表示可实现的最大相关性（此处设为1）。T s的范围从0到1， T s越大， 模式的性能越好。

2.4　高原分区

青藏高原是全球海拔最高的一个巨型构造地貌单元， 地形复杂， 不同下垫面的物理性质对高原热力和动力作用产生的显著影响迥异， 因此高原不同区域气候变化也存在差异。因此有必要探讨不同模式对高原不同下垫面的区域降水的模拟效果。本文选取了郑度和姚檀栋（2006）拟定的中国生态地理区域系统的框架方案， 该方案对高原有较为全面和系统地划分， 在对高原的研究中有广泛应用（张戈丽等， 2010； 蔡俊飞等， 2022）。根据该方案， 青藏高原被划分成了11个自然区， 如图2所示。
图2 青藏高原生态区域系统分区

Fig.2 Spatial distribution of ecological region systems of Qinghai-Xizang （Tibetan） Plateau

3 结果

3.1　夏季平均降水、 降水频率

2009年夏季卫星观测的青藏高原降水［图3（a）］呈现从东南向西北减少的空间分布特点， 在藏东南的降水中心超过7 mm·d-1， 同时在藏南边缘处也存在一个超过10 mm·d-1的降水中心。CPM能较好地模拟出平均降水的空间分布［图3（b）］， 但是在藏南和藏东南存在3~4 mm·d-1的高估。所有对流参数化方案均能模拟出降水从东南向西北减小的空间分布， 但降水模拟存在不同程度的高估。KF、 BMJ、 MKF、 AnT和NASA方案高估降水大值中心周围的降水， 而GF方案在整个高原范围内都存在很大的湿偏差， 超过2 mm·d-1。相比之下， G3、 Tiedtke、 MSKF和CPM对降水落区以及强降水中心的位置和强度具有很好的刻画能力， 在高原范围内的降水误差较小。
图3 2009年夏季卫星降水数据（a）与模拟的（b~k）平均降水的对比（单位： mm·d-1）

Fig.3 Spatial distributions of summer mean precipitation in 2009 among observation （a） and model simulations （b~k） over the Qinghai-Xizang （Tibetan） Plateau.Unit： mm·d-1

2009年卫星观测的夏季降水频率空间分布与平均降水的空间分布相似， 从东南向西北减小［图4（a）］， 观测降水高频中心约为30%。CPM能很好地模拟降水频率的强度和中心。在几种对流参数化方案中［图4（c）~（k）］， Tiedtke方案对高原降水频率的模拟效果较好， 但是会低估藏东南的频率， 其余方案都有不同程度的高估， KF、 BMJ、 G3、 AnT和NASA最大的降水高频中心超过45%。
图4 2009年夏季卫星降水数据（a）与模拟的（b~k）降水频率的对比（单位： %）

Fig.4 Spatial distributions of summer precipitation frequency in 2009 among observation （a）and model simulations （b~k） over the Qinghai-Xizang （Tibetan） Plateau.Unit： %

为了定量评估不同模拟对高原夏季降水的模拟能力， 图5展示了各个模拟的平均降水和降水频率的泰勒图。对于平均降水， G3、 NASA和CPM的泰勒评分均超过0.6， 表明这三种模拟可以很好地再现观测到的降水的分布和强度。其中， G3的表现最好， 它与观测的空间相关系数为0.713， 空间标准差之比约为1.743， 均方根误差最小约为2.584 mm·d-1， NASA的空间标准差较G3偏大， 但是其空间相关系数是最大的， CPM的标准差之比略好于NASA， 但是空间相关系数略小。对于降水频率， CPM的模拟效果最优， 各个评估指标也是各个模拟中最优的， 其次是Tiedtke和GF， 这两种模拟效果接近。从图5中还可以发现， 模式对平均降水的模拟整体不如对降水频率的模拟。平均降水模拟的空间相关系数在0.57~0.78， 模拟和观测的空间标准差之比在1.7~2.6， 在对降水频率的模拟中， 模拟与观测的空间相关系数介于0.66~0.8， 空间标准差之比在1.0~1.82间变化。特别是GF， 对降水频率的模拟模拟效果较好， 但是对平均降水的模拟效果很差。
图5 2009年夏季青藏高原平均降水和降水频率的泰勒图

Fig.5 Taylor diagram of 2009 summer mean precipitation and precipitation frequency over the Qinghai-Xizang （Tibetan） Plateau

根据计晓龙等（2017）的研究， 把降水量分为四类： 0.1~0.25， 0.25~1， 1~4和≥4 mm·h-1。图6显示了总降水量和各强度类别的平均降水和降水频率的模拟偏差。从图6中可以看出， 高原模拟偏差主要是严重地高估了0.25~1 mm·h-1的降水量和降水频率。相比之下， Tiedtke对各个强度的平均降水和降水频率的模拟偏差较小。与Tiedtke相比， CPM低估了0.1~0.25 mm·h-1的平均降水和降水频率， 而高估了0.25~1 mm·h-1的降水。
图6 2009年青藏高原地区模拟的不同降雨类型的夏季平均降水和降水频率分别与观测值的区域平均偏差

Fig.6 Biases of models predicted summer mean precipitation and frequency with different rainfall categories averaged over 2009 against the observation regionally averaged over Qinghai-Xizang （Tibetan） Plateau

进一步研究了高原11个区域的平均降水和降水频率的相对均方根误差（RRMSE）， 如表2、 3中所示。总体而言， 模拟在荒漠区（HID1、 HIID1-3）和东喜马拉雅南麓（VA6）的表现较差， 特别是在昆仑高寒荒漠区（HID1）， 无论是平均降水还是降水频率的RRMSE都较大， 其次是在东喜马拉雅南麓（VA6）。相对而言在灌丛草甸（HIB1）、 草原（HIC1、 HIC2、 HIIC1、 HIIC2）以及针叶林区域（HIIAB1）模拟偏差较小， 例如那曲高寒灌丛草甸区（HIB1）、 青南高寒草甸草原区（HIC1）和青东祁连山地草原区（HIIC1）的平均降水和降水频率RRMSE均在15%~90%。在对4个荒漠区域的模拟中， GF方案对平均降水和降水频率的模拟效果都很差， 特别是在昆仑高寒荒漠区（HID1）， 平均降水和降水频率的RRMSE分别超过600%和300%。相较于参数化方案的模拟， CPM在模拟荒漠区的平均降水和降水频率方面表现较好， 可以大大地减少参数化方案的使用带来的误差。在东喜马拉雅阔叶林区（VA6）， NASA的平均降水RRMSE最小， CPM对降水频率的模拟误差最小。在其他区域内， CPM和Tiedtke的表现接近， 都有较小的误差。
表2 模拟中不同生态系统区域的平均降水的相对均方根误差

Table 2 Relative root mean square error of average precipitation in different ecosystem regions

模式 RRMSE/%
HIB1 HIC1 HIC2 HIIAB1 HIIC1 HIIC2 HID1 HIID1 HIID2 HIID3 VA6
KF 36 39 92 108 62 65 226 106 226 93 302
BMJ 47 52 86 104 52 135 306 115 193 169 200
GF 60 96 163 104 90 77 625 103 316 206 317
G3 25 34 79 68 62 70 274 99 203 75 177
Tiedtke 27 35 77 64 39 84 357 107 163 105 225
MKF 27 48 74 91 49 75 232 111 231 99 324
MSKF 27 33 74 71 57 82 330 103 203 128 217
AnT 35 37 96 88 52 103 290 105 237 156 315
NASA 45 44 105 84 46 133 234 105 179 277 148
CPM 30 40 86 70 37 75 155 117 123 107 187
表3 模拟中不同生态系统区域的降水频率的相对均方根误差

Table 3 Relative root mean square error of precipitation frequency in different ecosystem regions

模式 RRMSE/%
HIB1 HIC1 HIC2 HIIAB1 HIIC1 HIIC2 HID1 HIID1 HIID2 HIID3 VA6
KF 30 29 67 91 49 50 190 94 163 84 117
BMJ 40 40 70 81 48 92 289 103 161 124 77
GF 32 54 100 47 41 50 342 84 165 125 77
G3 35 33 65 76 48 77 210 93 142 62 118
Tiedtke 22 26 50 32 32 43 253 98 120 70 62
MKF 20 39 49 57 35 53 187 98 155 88 88
MSKF 20 23 49 48 33 44 228 88 142 72 74
AnT 46 36 88 99 51 111 254 95 189 146 123
NASA 60 32 82 86 66 118 195 93 131 202 111
CPM 15 30 46 33 30 45 126 108 92 66 60
我们进一步研究了各个生态区不同强度的降水偏差。从图7中可以看出， 在前6个区域［图7（a）~（f）］模拟主要是高估了0.1~1 mm·h-1的降水， 而在荒漠区［图7（g）~（j）］， 模拟对0.1~0.25 mm·h-1的降水存在一定的误差， 在东喜马拉雅南麓区（VA6）模拟主要高估了1~4 mm·h-1的降水。在前面的分析中发现CPM对大多数荒漠区的模拟效果较好， 从图7中可以看出， 相较于其他模拟， CPM模拟中大多数荒漠区0.1~0.25 mm·h-1强度的降水误差很小， 因此RRMSE偏小。但是在柴达木盆地（HIID1）， 所有的模拟都低估了降水强度， 只有GF和MSKF对该区域的0.1~0.25 mm·h-1的降水有一定程度高估， 使总降水量的误差较小。综合前6个草原、 草甸和针叶林区域［图7（a）~（f）］， G3、 Tiedtke和CPM能有效地降低0.1~1 mm·h-1的降水误差， 特别是Tiedtke在前五个区域的表现都较好， 只是在藏南山地（HIIC2）对0.1~0.25和0.25~1 mm·h-1的模拟偏大。MSKF在前6个区域的表现也不错， 只是在祁连山脉（HIIC1）对0.1~0.25 mm·h-1的降水有较大地高估。在东喜马拉雅南麓山地（VA6）， 与其他模拟相比， G3在模拟1~4 mm·h-1以及大于4 mm·h-1的降水时更为合理， 因此在模拟VA6区域更有优势， CPM对0.25~1 mm·h-1和大于4 mm·h-1的降水误差也较小， 但是模拟的1~4 mm·h-1降水偏多， 因此对该区域的模拟效果次于G3。
图7 2009年青藏高原不同区域模拟的不同降雨类型的夏季平均降水与观测值的区域平均偏差

Fig.7 Biases of models predicted summer mean precipitation and frequency with different rainfall categories averaged over 2009 against the observation regionally averaged over each sub-region

3.2　降水日变化

降水的日变化直接影响地表水循环和气温变化， 包括土壤湿度、 蒸发、 潜热等过程。在数值模式中， 它与大尺度环境和参数化对流过程的相互作用、 云和降水过程等紧密联系。因此， 降水日变化是检验数值模式模拟能力的重要评估指标之一（杨扬等， 2021）。图8进一步给出了2009年夏季青藏高原观测和模拟平均降水和降水频率逐3 h降水演变。结果表明， G3方案能较好地反映高原平均降水的日变化特征［图8（a）］， 特别是能正确地再现晚间的降水峰值时间［20:00（北京时， 下同）］， 日平均降水的均方根误差比CPM和其他对流参数化方案偏小（表4）。Tiedtke和CPM对日降水频率的均方根误差最小， 但是CPM出现降水频率日最大值的时间较观测偏早3 h［图8（b）］。MSKF和MKF对降水频率日变化的模拟结果也较为合理［图8（b）］， 但是均方根误差偏大。虽然GF方案模拟高原平均降水和降水频率日峰值的空间分布较为合理， 但是在川西藏东山地针叶林区（HIIAB1）和东喜马拉雅南麓山地（VA6）夜间降水存在很大程度的高估（图略）， 因此从高原范围来看， 平均降水和降水频率远远地超过了观测值， 均方根误差也较大。Tiedtke和CPM虽然在02:00 -14:00这两种模拟均超过观测， 但是到了傍晚至夜间（17:00 -23:00）模拟的量级小于观测， 这也可以解释为什么Tiedtke和CPM可以减少平均降水和降水频率的偏差（图3， 图4）。
图8 2009年夏季青藏高原平均降水（a）和降水频率（b）的日变化

Fig.8 Diurnal cycle of summer mean precipitation （a） and precipitation frequency （b） over the Qinghai-Xizang （Tibetan） Plateau among observation and simulations

表4 模拟中平均降水和降水频率日变化的均方根误差

Table 4 Root mean square error of diurnal cycle of mean precipitation and precipitation frequency

KF BMJ GF G3 Tiedtke MKF MSKF AnT NASA CPM
平均降水 0.21 0.18 0.22 0.14 0.17 0.21 0.17 0.20 0.15 0.15
降水频率 15.49 15.45 12.95 14.82 10.71 12.21 11.97 17.63 16.75 10.38

3.3　局部热力条件

局地大气热力条件和垂直运动是降水形成的关键因素（Cai et al， 2021）。在3.1节中， 各个模拟对降水都存在明显的偏差， 在本节中简单探讨了造成降水偏差的可能因素。
CAPE值可反映局部大气的不稳定性。图9中对比了模拟中高原夏季不同区域平均CAPE值， 不同模拟的CAPE值差异明显。在整个高原［图9（a）］， KF、 GF和MSKF方案的CAPE值较大， 超过120 J·kg-1， NASA和CPM的CAPE值偏小， 不超过80 J·kg-1。在荒漠区的模拟中［图9（h）~（k）］， GF模拟的CAPE值偏大， 平均降水和降水频率的RRMSE也偏大， 而对荒漠区模拟表现较好的CPM整体CAPE值偏小。在东喜马拉雅南麓（VA6）， 所有模拟的CAPE值都较其他区域偏大， 相较之下G3、 NASA和CPM模拟的CAPE值偏小， 而KF和MSKF的CAPE值偏大， 这几种模拟在VA6区域的平均降水RRMSE也有较大的差异（表2）。在其他区域［图9（b）~（g）］， GF的CAPE值都偏大， 降水的RRMSE也偏大， 例如在青南高寒草甸草原区（HIC1）， GF方案的CAPE值约为120 J·kg-1， 平均降水的RRMSE超过160%。相较之下， CPM和Tiedtke方案对CAPE值的模拟偏小， 造成了降水误差偏小。因此， 青藏高原降水的高估可能是因为CAPE模拟太大。
图9 2009年夏季模拟青藏高原（a）及不同生态区（b~j）的平均CAPE值

Fig.9 CAPE averaged over the Qinghai-Xizang （Tibetan） Plateau （a） and each sub- regions （b~j） of simulation in summer of 2009

不同的参数化方案通过改变地面的加热影响高原上的水汽输送， 进而影响到降水（Wang et al， 2021）。图10中， 不同模拟的潜热都主要分布在高原东南部的果洛那曲高寒灌丛草甸区（HIB1）、 川西藏东山地区（HIIAB1）和东喜马拉雅南麓（VA6）， 并逐渐向西北的荒漠区减少。虽然在各模拟中使用的陆面参数化方案是同一种， 但是潜热的分布存在一定的差异， 例如GF方案在祁连山脉（HIIC1）、 羌塘高原（HIC2）和荒漠区［图10（h）~（k）］潜热的分布较其他模拟偏多， KF、 BMJ和NASA在果洛那曲高寒灌丛草甸区（HIB1）、 川西藏东山地区（HIIAB1）和东喜马拉雅南麓（VA6）潜热偏大。这几种方案在这些区域内降水也偏多。而CPM在荒漠区的潜热通量较其他模拟偏小， 模拟的降水误差也最小。因此， 高原潜热模拟过高也可能是造成降水高估的原因。
图10 2009年夏季模拟青藏高原（a）及不同生态区（b~l）的平均潜热通量

Fig.10 Latent heat flux averaged over the Qinghai-Xizang （Tibetan） Plateau （a） and each sub-regions （b~l） of simulation in summer of 2009

4 结论与讨论

本文利用WRF模拟研究了2009年夏季青藏高原的降水。比较了WRF中9种常用的积云对流参数化方案和CPM在模拟高原及高原不同生态区的平均降水、 降水频率及其日变化的差异， 分析了模拟的优劣。主要结论如下：
（1） 所用的对流参数化方案和CPM均能较好地模拟出高原2009年夏季平均降水。比较发现， G3方案在模拟平均降水的强度 、 空间分布和降水落区跟观测资料更接近， 还可以更好地模拟出降水日变化。CPM对平均降水的模拟效果稍逊于G3， 同时还不能改进对降水日变化的模拟。CPM和Tiedtke对降水频率的模拟效果最优， 但会略微低估高原的降水频率， 对降水频率日变化的模拟CPM不如Tiedtke。
（2） 高原模拟的偏差主要是严重地高估了0.25~1 mm·h-1的降水量和降水频率。所有模拟对荒漠区和东喜马拉雅山脉的模拟都存在很大的偏差， 相比之下， CPM减小了对荒漠区0.1~0.25 mm·h-1降水的误差， 因此大大地减小降水的相对均方根误差。在东喜马拉雅阔叶林区， G3在模拟1~4 mm·h-1以及大于4 mm·h-1的降水时更为合理， RRMSE更小， 模拟更有优势。在其他植被区域， CPM和Tiedtke的表现接近， 都有较小的误差。
（3） 模拟对CAPE值以及潜热的模拟误差是造成降水误差的重要原因。各个模拟在东喜马拉雅山脉的CAPE值都偏大， 从而造成降水偏差较大， 同时不同模拟的潜热分布也存在很大的不同， 也会造成降水的偏差。
从本文的结果来看， G3对于2009年夏季青藏高原降水的模拟是优于CPM的， 使用G3方案的模拟能在很大程度上节约计算资源和时间成本。G3方案的优点在于允许沉降影响延伸搭配邻近的网格， 使其更适用于精度小于10 km的模拟（周心河和熊喆， 2019）。在验证CPM对高原降水模拟的性能研究中， 喜马拉雅山脉中部降水的研究多使用G3方案和CPM进行比较， 例如Wang et al （2018）和Lin et al （2018）， 而在高原范围内使用G3进行比较的研究较少， 多使用KF和GF方案， 但都能得到CPM可以明显改善高原降水模拟的结果。此外， 在此前的研究中， CPM对高原降水日变化的模拟与中尺度模拟相比有明显的改善。例如， Li et al （2020）发现CPM较中尺度模拟可以消除三江源地区下午的降水偏差， 更好地表现降水的日变化， Sato et al （2008）也认为模拟高原降水日变化需要小于7 km的更高的分辨率。但也有一些研究表明CPM不能很好地再现高原日变化的峰值， 例如Xu et al （2012）和Cai et al（2021）认为CPM模拟的降水峰值比卫星观测晚。这与本文的结果一致。受限于计算资源， 目前关于CPM的模拟时间都较短， 初始条件的选取、 模式的配置以及研究时间段的选取都可能会影响到模拟结果。本文使用到的侧边界条件分辨率较低， 而CPM的分辨率很高， 直接使用FNL数据驱动CPM可能会在一定程度上造成误差。在后续的研究中可以更换侧边界条件和研究时间段来进一步地验证， 关于CPM在高原更长时间的模拟以及不同参数化方案的组合研究也需要进一步地开展。
在本文的3.3节中简单地从CAPE值和潜热等局地热力作用分析了模拟造成降水高估的可能因素。但是在模拟中， 陆面过程、 云降水过程和地形等因素对降水也至关重要（Suni et al， 2015； Rhoades et al， 2018； Fu et al， 2020； 钟水新， 2020）。例如， Gao et al（2017）评估了Noah和Noah-mp陆面参数化方案对青藏高原降水的影响， 认为Noah对高原地表的加热作用较小， 导致了垂直运动和辐合辐散较弱， 使Noah对高原的模拟偏干冷， 相比之下Noah-mp的效果更好。Karki et al（2017）使用了三种分辨率（25、 5和1 km）来模拟喜马拉雅山脉的降水， 发现在河谷地区需要更高分辨率的亚千米尺度的模拟才能充分解决微气候特征。即使在3 km的分辨率下， 喜马拉雅山脉的地形也被平滑， 原本复杂地形引起的阻力将减小， 使更多的水分穿越喜马拉雅山脉， 从而在高原内部产生更多的降水（Wang et al， 2020）。此外， Zhang et al（2006）和Gu et al（2020）发现在模式中采用子网格地形辐射强迫方案， 可以更好地代表高原温度的变化， 从而缓解降水误差。
本研究的对比说明CPM的确在模拟降水频率方面存在优势， 但G3和Tiedtke对流参数化方案也能较好地模拟2009年青藏高原夏季的降水。考虑到CPM计算耗费大量计算机时， 建议对高原降水频率准确度要求高、 计算条件充足的情况下可以考虑使用CPM。如果研究受计算条件限制， 建议采用10 km的G3和Tiedtke对流参数化方案， 其模拟结果也能给出较为合理的降水日变化和降水强度。

参考文献

null
Cai S X， Huang A N， Zhu K F， et al， 2021.Diurnal cycle of summer precipitation over the Eastern Tibetan Plateau and surrounding regions simulated in a convection-permitting model［J］.Climate Dynamics， 57（1/2）： 611-32.DOI： 10.1007/s00382-021-05729-5 .
null
Chen D， Dai A G， 2018.Dependence of estimated precipitation frequency and intensity on data resolution［J］.Climate Dynamics， 50（9）： 3625-3647.DOI： 10.1007/s00382-017-3830-7 .
null
Fu Y， Ma Y， Zhong L， et al， 2020.Land-surface processes and summer-cloud-precipitation characteristics in the Tibetan Plateau and their effects on downstream weather： a review and perspective［J］.National Science Review， 7（3）： 500-515.DOI： 10.1093/nsr/nwz226 .
null
Gao Y H， Xu J W， Chen D L， 2015.Evaluation of WRF mesoscale climate simulations over the Tibetan Plateau during 1979-2011［J］.Journal of Climate， 28（7）： 2823-2841.DOI： 10.1175/JCLI-D-14-00300.1 .
null
Gao Y， Xiao L， Chen D， et al， 2017.Quantification of the relative role of land-surface processes and large-scale forcing in dynamic downscaling over the Tibetan Plateau［J］.Climate Dynamics， 48： 1705-1721.DOI： 10.1007/s00382-016-3168-6 .
null
Gu H H， Yu Z B， Peltier WR， et al， 2020.Sensitivity studies and comprehensive evaluation of RegCM4.6.1 high-resolution climate simulations over the Tibetan Plateau［J］.Climate Dynamics， 54（7/8）： 3781-801.DOI： 10.1007/s00382-020-05205-6 .
null
Hou A Y， Kakar R K， Neeck S， et al， 2014.The global precipitation measurement mission［J］.Bulletin of the American Meteorological Society， 95（5）： 701-722.DOI： 10.1175/BAMS-D-13-00164.1 .
null
Joyce R J， Janowiak J E， Arkin P A， et al， 2004.CMORPH： A method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution［J］.Journal of Hydrometeorology， 5（3）： 487-503.DOI： 10. 1175/1525-7541（2004）0052.0.CO； 2 .
null
Karki R， ul Hasson S， Gerlitz L， et al， 2017.Quantifying the added value of convection-permitting climate simulations in complex terrain： a systematic evaluation of WRF over the Himalayas［J］.Earth System Dynamics， 8（3）： 507-28.DOI： 10.5194/esd-8-507-2017 .
null
Li J， Yu R C， Yuan W H， et al， 2015.Precipitation over East Asia simulated by NCAR CAM5 at different horizontal resolutions［J］.Journal of Advances in Modeling Earth Systems， 7（2）： 774-90.DOI： 10.1002/2014MS000414 .
null
Li P X， Furtado K， Zhou T J， et al， 2020.Convection‐permitting modelling improves simulated precipitation over the central and eastern Tibetan Plateau［J］.Quarterly Journal of the Royal Meteorological Society， 147（734）： 341-62.DOI： 10.1002/qj.3921 .
null
Li P X， Furtado K， Zhou T J， et al， 2020.The diurnal cycle of East Asian summer monsoon precipitation simulated by the Met Office Unified Model at convection-permitting scales［J］.Climate Dynamics， 55（1）： 131-151.
null
Lin C G， Chen D L， Yang K， et al， 2018.Impact of model resolution on simulating the water vapor transport through the central Himalayas： implication for models’ wet bias over the Tibetan Plateau［J］.Climate Dynamics， 51（9/10）： 3195-207.DOI： 10.1007/s00382-018-4074-x .
null
Liu Z Y， Gao Y H， Zhang G， 2022.How well can a convection-permitting-modelling improve the simulation of summer precipitation diurnal cycle over the Tibetan Plateau？［J］ Climate Dynamics， 58（11/12）： 3121-38.DOI： 10.1007/s00382-021-06090-3 .
null
Liu Z， Ostrenga D， Vollmer B， et al， 2017.Global precipitation measurement mission products and services at the NASA GES DISC［J］.Bulletin of the American Meteorological Society， 98（3）： 437-444.DOI： 10.1175/BAMS-D-16-0023.1 .
null
Ma M N， Hui P H， Liu D Q， et al， 2022.Convection-permitting regional climate simulations over Tibetan Plateau： re-initialization versus spectral nudging［J］.Climate Dynamics， 58（5-6）： 1719-35.
null
Ou T H， Chen D L， Chen X C， et al， 2020.Simulation of summer precipitation diurnal cycles over the Tibetan Plateau at the gray-zone grid spacing for cumulus parameterization［J］.Climate Dynamics， 54（7）： 3525-3539.DOI： 10.1007/s00382-020-05181-x .
null
Prein A F， Gobiet A， Suklitsch M， et al， 2013.Added value of convection permitting seasonal simulations［J］.Climate Dynamics， 41（9）： 2655-2677.DOI： 10.1007/s00382-013-1744-6 .
null
Rhoades A M， Ullrich P A， Zarzycki C M， et al， 2018.Sensitivity of mountain hydroclimate simulations in variable‐resolution CESM to microphysics and horizontal resolution［J］.Journal of Advances in Modeling Earth Systems， 10（6）： 1357-1380.DOI： 10. 1029/2018MS001326 .
null
Sato T， Yoshikane T， Satoh M， et al， 2008.Resolution dependency of the diurnal cycle of convective clouds over the Tibetan Plateau in a mesoscale model［J］.Journal of the Meteorological Society of Japan， Ser.II.86： 17-31.
null
Suni T， Guenther A， Hansson H C， et al， 2015.The significance of land-atmosphere interactions in the Earth system—iLEAPS achievements and perspectives［J］.Anthropocene， 12： 69-84.DOI： 10.1016/j.ancene.2015.12.001 .
null
Taylor K E， 2001.Summarizing multiple aspects of model performance in a single diagram［J］.Journal of geophysical research： atmospheres， 106（D7）： 7183-7192.
null
Wang X J， Chen D L， Pang G J， et al， 2021.Effects of cumulus parameterization and land-surface hydrology schemes on Tibetan Plateau climate simulation during the wet season： insights from the RegCM4 model［J］.Climate Dynamics， 57（7/8）： 1853-79.DOI： 10.1007/s00382-021-05781-1 .
null
Wang X J， Pang G J， Yang M X， 2018.Precipitation over the Tibetan Plateau during recent decades： a review based on observations and simulations［J］.International Journal of Climatology， 38（3）： 1116-1131.DOI： 10.1002/joc.5246 .
null
Wang Y， Yang K， Zhou X， et al， 2019.The Formation of a Dry‐Belt in the North Side of Central Himalaya Mountains［J］.Geophysical Research Letters， 46（5）： 2993-3000.DOI： 10.1029/2018GL081061 .
null
Wang Y， Yang K， Zhou X， et al， 2020.Synergy of orographic drag parameterization and high resolution greatly reduces biases of WRF-simulated precipitation in central Himalaya［J］.Climate Dynamics， 54（3/4）： 1729-40.DOI： 10.1007/s00382-019-05080-w .
null
Xie P P， Joyce R， Wu S R， et al， 2017.Reprocessed， bias-corrected CMORPH global high-resolution precipitation estimates from 1998［J］.Journal of Hydrometeorology， 18（6）： 1617-1641.DOI： 10.1175/JHM-D-16-0168.1 .
null
Xu J， Zhang B， Wang M， et al， 2012.Diurnal variation of summer precipitation over the Tibetan Plateau： a cloud-resolving simulation［C］.Annales Geophysicae， 30（11）： 1575-1586.DOI： 10.5194/angeo-30-1575-2012 .
null
Xu X D， Lu C G， Shi X H， et al， 2008.World water tower： An atmospheric perspective［J］.Geophysical Research Letters， 35（20）.DOI： 10.1029/2008GL035867 .
null
Yun Y X， Liu C G， Luo Y L， et al， 2019.Convection-permitting regional climate simulation of warm-season precipitation over Eastern China［J］.Climate Dynamics， 54（3/4）： 1469-89.DOI： 10.1007/s00382-020-05172-y .
null
Zhang Y， Huang A， Zhu X， 2006.Parameterization of the thermal impacts of sub-grid orography on numerical modeling of the surface energy budget over East Asia［J］.Theoretical and Applied Climatology， 86： 201-214.DOI： 10.1007/s00704-005-0209-1? .
null
Zhao Y， Zhou T J， Li P X， et al， 2021.Added value of a convection permitting model in simulating atmospheric water cycle over the Asian Water Tower［J］.Journal of Geophysical Research： Atmospheres， 126（13）： e2021JD034788.
null
Zhou X， Yang K， Ou Y L， et al， 2021.Added value of kilometer-scale modeling over the third pole region： a CORDEX-CPTP pilot study［J］.Climate Dynamics， 57（7/8）： 1673-87.DOI： 10. 1007/s00382-021-05653-8 .
null
蔡俊飞， 赵伟， 杨梦娇， 等， 2022.基于GLASS数据的青藏高原2001-2018年蒸散发时空变化分析［J］.遥感技术与应用， 37（4）： 888-896.
null
陈桂琛， 黄志伟， 卢学峰， 等， 2002.青海高原湿地特征及其保护［J］.冰川冻土， 24（3）： 254-259.
null
陈炜， 姜大膀， 王晓欣， 2021.CMIP6模式对青藏高原气候的模拟能力评估与预估研究［J］.高原气象， 40（6）： 1455-1469.DOI： 10.7522/j.issn.1000-0534.2021.zk003 .
null
高艳红， 刘伟， 曾礼， 2021.陆面过程高分辨率模拟的不确定性［J］.高原气象， 40（6）： 1364-1376.DOI： 10.7522/j.issn.1000-0534.2021.zk008 .
null
胡芩， 姜大膀， 范广洲， 2014.CMIP5全球气候模式对青藏高原地区气候模拟能力评估［J］.大气科学， 38（5）： 924-938.DOI： 10.3878/j.issn.1006-9895.2013.13197 .
null
黄安宁， 张耀存， 朱坚， 2009.中国夏季不同强度降水模拟对不同积云对流参数化方案的敏感性研究［J］.大气科学， 33（6）： 1212-1224.DOI： 10.3878/j.issn.1006-9895.2009.06.08 .
null
计晓龙， 吴昊旻， 黄安宁， 等， 2017.青藏高原夏季降水日变化特征分析［J］.高原气象， 36（5）： 1188-1200.DOI： 10.7522/j.issn. 1000-0534.2016.00119 .
null
陆云， 郭子悦， 汤剑平， 2021.对流允许尺度区域气候模拟的研究进展［J］.气象科学， 41（6）： 818-827.
null
孟宪红， 陈昊， 李照国， 2020.三江源区气候变化及其环境影响研究综述［J］.高原气象， 39（6）： 1133-1143.DOI： 10.7522/j.issn.1000-0534.2019.00144 .
null
施雅风， 刘时银， 2000.中国冰川对21世纪全球变暖响应的预估［J］.科学通报， 45（4）： 434-438.DOI： 10.1360/csb2000-45-4-434 .
null
屠妮妮， 何光碧， 张利红， 2011.WRF模式中不同积云对流参数化方案对比试验［J］.高原山地气象研究， 31（2）： 18-25.DOI： 10.3969/j.issn.1674-2184.2011.02.003 .
null
王瑞， 乔枫雪， 丁杨， 等， 2021.不同嵌套方式下的积云对流方案对上海崇明极端暴雨高分辨率模拟的影响研究［J］.气候与环境研究， 26（1）： 58-74.
null
吴胜刚， 刘屹岷， 邹晓蕾， 等， 2016.WRF模式对青藏高原南坡夏季降水的模拟分析［J］.气象学报， 74（5）： 744-756.DOI： 10. 11676/qxxb2016.048 .
null
杨扬， 卢冰， 王薇， 等， 2021.基于WRF的积云对流参数化方案对中国夏季降水预报的影响研究［J］.气象学报， 79（4）： 612-625.DOI： 10.11676/qxxb2021.045 .
null
杨耀先， 胡泽勇， 路富全， 等， 2022.青藏高原近60年来气候变化及其环境影响研究进展［J］.高原气象， 41（1）： 1-10.DOI： 10.7522/j.issn.1000-0534.2021.00117 .
null
姚檀栋， 朱立平， 2006.青藏高原环境变化对全球变化的响应及其适应对策［J］.地球科学进展， 21（5）： 459-464.DOI： 10. 3321/j.issn： 1001-8166.2006.05.003 .
null
张冬峰， 高学杰， 白虎志， 等， 2005.RegCM3模式对青藏高原地区气候的模拟［J］.高原气象， 24（5）： 714-720.
null
张戈丽， 欧阳华， 张宪洲， 等， 2010.基于生态地理分区的青藏高原植被覆被变化及其对气候变化的响应［J］.地理研究， 29（11）： 2004-2016.
null
张宏文， 高艳红， 2020.基于动力降尺度方法预估的青藏高原降水变化［J］.高原气象， 39（3）： 477-485.DOI： 10.7522/j.issn. 1000-0534.2019.00125 .
null
郑度， 姚檀栋， 2006.青藏高原隆升及其环境效应［J］.地球科学进展， 21（5）： 451-458.DOI： 10.3321/j.issn： 1001-8166. 2006. 05.002 .
null
钟水新， 2020.地形对降水的影响机理及预报方法研究进展［J］.高原气象， 39（5）： 1122-1132.DOI： 10.7522/j.issn.1000-0534. 2019.00083 .
null
周心河， 熊喆， 2019.区域气候模式不同积云对流参数化方案对新疆气候模拟的影响研究［J］.气候与环境研究， 24（2）： 169-185.
Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn