当前全球气候模式(Global Climate Model, GCM)可以很好地模拟出全球大尺度降水和环流等的基本特征(Meehl et al, 2007), 但是, 对区域降水和环流等的模拟还存在明显偏差, 特别是复杂地形区(Betts et al, 1996; Entekhabi et al, 1996)。与全球模式相比, 区域气候模式由于采用较高的水平分辨率或适合于区域的物理参数化方案, 能更好地模拟区域降水和环流特征(Gao et al, 2011; Gao et al, 2012)。因此, 区域气候模式被广泛地应用到区域气候的研究和预估中。

青藏高原(下称高原)由于高大陡峭的地形和特殊的大气过程, 无论是区域还是全球模式在该区域均存在较大的偏差(刘华强等, 2002; 刘黎平等, 2000)。因此, 如何改进模式在该区域的模拟效果, 一直以来都是研究的重点。已有研究和业务实践表明, WRF对高原及周边区域天气有较好的模拟能力(何由等, 2012; 刘晓冉和李国平, 2014)。当前, WRF也被广泛地应用到区域气候模拟中, 并积累了很多有价值的模拟技巧。Gao et al(2015)利用WRF模拟高原气温的研究表明, WRF模式能很好地模拟出湿季的气温变化, 并且优于ERA-Interim再分析资料的表现能力。Zhou et al(2016)基于WRF采用新的方案对高原地表温度的研究表明, 新方案能显著改善干旱和半干旱地区地面温度的模拟能力。然而, WRF对高原降水的模拟能力, 当前并不清楚。

利用WRF开展区域气候模拟的优点之一在于其拥有较多的物理过程参数化方案, 研究者可通过大量的试验选择合适的物理参数化方案组合来提高模式对区域气候的模拟能力。Klein et al(2015)将多种积云对流、微物理以及边界层方案进行组合对1997-2010年间西非季风降水进行模拟研究, 指出积云对流和微物理方案对总降水量的影响较大, 边界层方案对降水雨带的影响较大。王子谦等(2014)在利用WRF模式中四种边界层方案分别对东亚夏季风进行的模拟的研究中指出局地闭合方案(BouLac和MYJ方案)对东亚夏季风的模拟能力优于非局地闭合方案(YSU和ACM2方案)。Xue et al(2014)在模拟降水的季节变化中指出积云对流和辐射方案在不同边界位置和分辨率下的表现能力不同。Kala et al(2015)在对澳大利亚西南部降水参数化方案敏感性的研究中指出, 边界层方案对降水影响较大, 积云对流方案对降水影响较小。对于高原地区的区域气候模拟, 已有研究表明:其它模式参数(包括:初、边界条件和分辨率等)的选取对模式模拟结果的影响同样较大(王澄海和余莲, 2011; 余莲, 2011; 罗小青等, 2014; 何光碧等, 2015; 潘留杰等, 2014), 然而以前的研究主要分析单个模式参数对高原地区降水模拟的影响, 对不同模式参数的组合或多种模式参数的对比分析研究很少。

当前开展气候预测时, 使用区域气候模式开展动力降尺度是常用的手段之一。开展区域模式在目标区域的适用性研究是进行动力降尺度工作的重要基础之一。在气候预测中, 包括短期气候预测和长期气候预估, 极端气候的预测是非常重要的一个方面。WRF模拟天气过程的结果表明, 对于不同量级的降水过程, 不同边界层参数化方案表现出明显不同的技巧(高笃鸣等, 2016)。此外, 观测资料的分析表明, 旱涝年边界层结构表现出现明显不同的特征(蒋兴文等, 2008)。这就意味着在气候模拟中适合于旱年的物理参数化方案有可能不适合于涝年。然而, 以前相关研究非常少。因此, 就区域气候模拟而言, 非常有必要研究适合于旱年的物理参数化方案是否适用于涝年。此外, 在提高模式水平分辨率时, 往往需要对现有物理参数化方案进行优化以使其适用于更高分辨率的模拟。在利用WRF开展区域气候模拟时, 考察在某一水平分辨率下的物理参数化方案组合是否适用于其它水平分辨率同样非常有必要。

基于上述问题, 本文利用WRF模式, 采用多种边界位置、积云对流、边界层参数化方案以及水平分辨率开展高原旱年和涝年的模拟, 以考察高原区域, 特别是其东南部和东侧降水模拟对相关模式参数的敏感性, 为以后进一步利用WRF开展该区域长时间的模拟和改进模式对降水的模拟提供依据。

使用NCEP(National centers for Environment Prediction)提供的每日四次(00:00, 06:00, 12:00, 18:00, 世界时, 下同)空间分辨率为0.5°×0.5°的CFSR(Climate Forecast System Reanalysis)资料用于模式初、边界条件和验证后期环流场的模拟结果, 以及其提供的每日四次, 空间分辨率为0.312°×0.312°的海温资料作为模式的海表强迫场。采用TRMM-3B42每3 h一次, 空间分辨率为0.25°×0.25°的降水资料用于模式降水结果的评估, 该资料在高原地区降水中具有较好反演效果(杨文月等, 2014; 白爱娟等, 2008)。全球空间分辨率为2.5°×2.5°的逐月降水资料(GPCP), 该资料可以清楚地代表 1979-2010年间高原东南部地区降水量级和空间分布情况。WRF模式的输出结果和所有用于模拟评估的数据均利用双线性插值方法统一插值到0.5°×0.5°水平网格上。

本文通过相关系数(R)和均方根误差(RMSE)来分别检验不同模式参数对WRF模拟降水空间形态和量级的差别, 计算方法分别为公式1和2所示。相关系数是用以反映变量之间相关关系密切程度的统计指标。均方根误差对一组测量中的特大或特小误差反应较敏感, 所以均方根误差能够很好地反映出测量的精密度, 因此本文使用均方根误差值来代表降水模拟的正负偏差大小。

式中: X_i和Y_i分别表示第i个观测和模拟值, X和Y分别表示所有观测和模拟的平均值, X_{obs, i}和X_{model, i}分别表示第i个观测和模拟值。

观测资料显示高原中部和东南部边界层呈现出不同的特征(朱春玲等, 2011)。对高原地区降水模拟研究也表明:模拟误差大值区并非出现在高原主体, 而是在高原东南部的地形复杂区(罗小青等, 2014; 吴遥等, 2015)。因此, 对高原地区降水进行模拟时有必要将其分为两个区域进行对比分析。基于以上考虑, 将高原地区分为: 1区高原中部(28°N-34°N, 87°E-99°E)和2区东南区域(21°N-34°N, 99°E-110°E)。

由于降水的空间离散度较大, 并且高原面积广阔, 欲选取高原全区降水一致较多或较少并不容易(罗小青等, 2014; 杨志刚等, 2014)。因而, 在选取旱涝年时, 主要以高原东南部降水的异常为标准来选取旱涝年(高原降水主要集中在东南部)。从夏季降水异常(图 1)可以看出, 高原东南部及东侧的四川盆地(下称“盆地”), 1998夏季降水明显偏多, 而2006明显偏少。并且, 以往研究表明:这两年由于降水异常造成极大的社会和经济影响(黄荣辉等, 1998; 刘银峰等, 2009)。因此, 选取1998年代表涝年, 2006年代表旱年。

图 1(Figure 1)

图 1 1979-2010年夏季降水异常分布(单位: mm·d-1) (a)涝年, (b)旱年 Figure 1 Distribution of summer rainfall anomalies from 1979 to 2010.Units: mm·d-1. (a) flood year, (b) drought year

本文研究使用中尺度模式WRF(v 3.5.1) 进行模拟试验, 进行两组试验: (1) 不同边界位置试验(表 1); (2) 多种积云对流、边界层方案(表 2)和水平分辨率组合试验, 此试验主要用于分析不同方案对旱涝年降水影响情况以及不同方案在不同水平分辨率上的表现能力。不同边界位置分为控制试验和东南西北不同边界位置敏感性试验, 不同边界位置如图 2所示(本文中的所有试验均采用海绵边界缓冲技术, 缓冲区格点数均为9)。积云对流方案主要包括: (1) 对流调整方案中的浅对流方案(BMJ方案), 此方案对浅对流和深对流采用了不同的热力直减率, 保持了对流过程中的真实垂直温度和水汽直减率; (2) 质量通量类型的云模式方案(KF方案), 此方案引入了卷入/卷出烟雨流模式, 提高了对云环境的敏感性; (3) A-S质量通量方案(GD方案), 此方案在每个格点上运行多个积云对流参数化方案和变量, 对结果作一个平均反馈给模式。边界层方案包括局地闭合方案(MYJ和BouLac方案)和非局地闭合方案(YSU和ACM2方案)。MYJ方案采用Mellor-Yamada 2.5阶局地闭合模型(Mellor and Yamada, 1982), 比较适合稳定和弱稳定层结。BouLac方案是由TKE预测技术发展而来。YSU方案(Hong et al, 2006)是由MRF方案改进而来, 非局部产生的动量采用倾斜计算法描述, 边界层高度由临界理查森数决定。ACM2方案(Pleim, 2007)具有局地向下混合和非局地向上混合的非对称对流模式, 能很好地描述边界层次网格和超网格的湍流输送过程。水平分辨率主要包括50 km和15 km两种。用于模式的其它物理参数化方案包括: WSM6微物理方案, Goddard短波辐射方案, RRTM长波辐射方案, Noah陆面模式。模拟试验垂直方向45层, 最顶层气压为10 hPa。模式从每年的5月1日00:00开始积分, 到8月31日18:00结束, 主要分析68月的模拟结果, 模式模拟区域及地形高度如图 2所示。

表 1(Table 1)

表 1 不同边界位置试验设计 Table 1 Design of experiments in different boundary layers 试验名称 中心点位置 东西格点数 CTL(Control Test) 37°N, 94°E e_we: 115, e_sn: 90 East_10 37°N, 97°E e_we: 125, e_sn: 90 South_10 35°N, 94°E e_we: 115, e_sn: 100 West_10 37°N, 91°E e_we: 125, e_sn: 90 North_10 39°N, 94°E e_we: 115, e_sn: 100 East_30 37°N, 103°E e_we: 145, e_sn: 90 South_30 31°N, 94°E e_we: 115, e_sn: 120 West_30 37°N, 85°E e_we: 145, e_sn: 90 North_30 43°N, 94°E e_we: 115, e_sn: 120

表 1 不同边界位置试验设计 Table 1 Design of experiments in different boundary layers

表 1(Table 1)

表 2 用于试验的积云对流和边界层参数化方案 Table 2 CU and PBL parameterization schemes are used for experiments 参数化方案 缩写 文献来源 Cumulus schemes CU Kain-Fritsch, convection trigger 2 KF Kain, 2004; Ma and Tan, 2009 Grell-Devenyi ensemble schemes GD Grelland Devenyi, 2002 Betts-Miller-Janjic BMJ Janjic, 1994, 2000 Planetary boundary layer schemes PBL Yonsei University YSU Hong and Lim, 2006 Mellor Yamada Janjic MYJ Janjic, 1994 Asymmetrical Convective Model V.2 ACM2 Pleim, 2007 Bougeault and Lacarrere TKE BouLac Bougeault and Lacarrere, 1989   注:黑体表示不同类型的物理参数化方案

表 2 用于试验的积云对流和边界层参数化方案 Table 2 CU and PBL parameterization schemes are used for experiments

图 2(Figure 2)

图 2 地形分布(阴影, 单位: m)及主要模拟分析区域(矩形框) 虚线为不同东南西北边界位置, 分析区域1区为28°N-34°N, 87°E-99°E, 2区为21°N-34°N, 99°E-110°E Figure 2 Topographic map (the shaded, unit: m) and main analysis area (rectangular). The dashed lines is for different south boundary position, the main area of analysis area one in 28°N-34°N, 87°E-99°E and area two in 21°N-34°N, 99°E-110°E

表 3给出了不同边界位置模拟结果与TRMM观测结果的R和RMSE。通过对比本文9组不同边界位置试验结果可发现(表 3): WRF模式在不同区域的模拟能力有所差别, 特别是对于涝年, 降水模拟结果的空间相关系数1区明显高于2区, 但是对于同一年同一区域不同边界位置差别较小。且从RMSE可看出: 9组试验的RMSE均很大, 说明WRF模式对旱涝年降水量级的模拟正负偏差较大。通过改变东南西北四个边界位置试验可发现, 总体而言, 改变南边界对旱涝年1区降水量级的模拟改善较大, 但对降水空间形态的模拟却有所降低; 对旱涝年2区的降水空间形态的改善较大, 但对降水量级的模拟反而有所降低。其余边界位置的改变对旱涝年降水空间形态和量级的模拟影响较小。

表 1(Table 1)

表 3 5种不同边界位置两个区域内的空间相关系数和均方根误差 Table 3 Spatial correlation coefficient and root mean square error of five different boundary position experiments within the two areas 试验名称 涝年1区 旱年1区 涝年2区 旱年2区 R RMSE R RMSE R RMSE R RMSE CTL 0.73 10.83 0.74 7.30 0.29 7.29 0.70 7.54 East_10 0.75 9.66 0.73 7.70 0.29 6.87 0.65 7.68 South_10 0.66 12.09 0.72 5.68 0.37 7.61 0.81 8.74 West_10 0.71 10.86 0.75 9.66 0.25 7.03 0.62 8.02 North_10 0.66 10.14 0.68 9.10 0.27 7.41 0.69 7.44 East_30 0.79 11.48 0.74 8.82 0.24 7.05 0.67 7.02 South_30 0.67 6.80 0.55 5.02 0.51 8.61 0.90 8.76 West_30 0.71 10.30 0.75 9.69 0.29 7.53 0.78 8.05 North_30 0.72 11.68 0.77 7.60 0.32 6.54 0.68 7.93

表 3 5种不同边界位置两个区域内的空间相关系数和均方根误差 Table 3 Spatial correlation coefficient and root mean square error of five different boundary position experiments within the two areas

由于后文不同参数化方案试验的边界位置与CTL一致, 因此对CTL模拟结果进行分析, 并以此为参照分析不同方案及分辨率对降水模拟的改进。观测资料显示:涝年主要有A、B、C三个降水大值带(图 3a), 且B、C两雨带明显分离。但在模式模拟结果图中(图 3b)B、C雨带的分离特征并没有被模拟出来, 降水量级也偏大, 对A区降水的细节模拟不够细致, 量级整体偏大。相比而言, 模式在涝年对低纬度700 hPa的环流形势模拟得比较准确, 只是对高原南侧的西风模拟偏强, 可能与这一区域整体偏大的降水模拟结果有关。对比旱年观测和模拟的结果来看(图 3d, e), 模式对于雨带位置的模拟比较准确, 但量级偏大, 超过8 mm(图 3f), 特别是川西地区模拟出了较强的虚假降水。值得注意的是:这种虚假降水在涝年也同样存在, 这可能是模式本身固有的系统性偏差。风场方面, 模式在高原南部和云南省南部地区的模拟结果无论在风速还是风向上都出现了较大偏差。偏差图(图 3c、f)给出了降水和风的具体偏差值及位置, 可以看出降水偏差的大值带主要出现在高原南侧-云南南部这一狭长地带, 风场方面则是明显的西风偏差。四川盆地则主要是偏差的小值区域, 特别是涝年甚至出现了明显的干偏差, 与之对应的则是偏北风偏差。

图 3(Figure 3)

图 3 涝年(a~c)和旱年(d~f)CTL降水(彩色区, 单位: mm·d-1)和700 hPa风场(矢量, 单位: m·s-1)分布 (a, d) TRMM资料, (b, e)模式模拟, (c, f)差值, 差值均为模式模拟结果减去观测结果 Figure 3 Spatial distribution of rainfall (color area, units: mm·d-1) and 700 hPa wind field (vector, unit: m·s-1)of Test 5 in flood (a~c) and drought (d~f) year. (a, d) TRMM, (b, e) simulation by Models, (c, f) the difference of the model simulation results minus observation

针对在旱年表现较好的边界位置是否适合于涝年的问题, 图 4给出了旱涝年两个区域夏季日平均降水泰勒图。泰勒图(Taylor, 2001)通过标准差和相关系数来描述模拟结果和观测数据的差别。扇形直径表示模拟结果和观测结果标准差比值, 侧面圆弧角度代表空间相关系数值, 因此扇形直径方向越接近于REF且相关系数越大代表模式模拟结果越接近于观测值。从图 4可看出, 旱涝年1区表现较好的均为East_10, 2区均为South_30。因此旱涝年表现较好的边界位置基本一致, 但具体到某一区域又存在差别。所以需要根据关注区域因地制宜地选择模式的边界位置。

图 4(Figure 4)

图 4 不同边界位置夏季日平均降水泰勒图 (a) 1998年1区, (b) 1998年2区, (c) 2006年1区, (d) 2006年2区 Figure 4 Taylor figure of different boundary position of average daily precipitation in summer. (a) area one of 1998, (b) area two of 1998, (c) area one of 2006, (d) area two of 2006

对于不同的参数化方案试验, 表 4给出了50 km水平分辨率下不同方案模拟结果与TRMM观测结果的R和RMSE。结合不同边界位置试验(表 3)可知:不同方案试验虽然在旱涝年降水空间形态和量级的模拟上均有所改善, 但是对涝年2区降水的模拟效果提高有限, 相对于涝年1区和旱年两个区域依旧较差。由表 4可知:在50 km水平分辨率下, 不同边界层方案对降水空间形态的影响较小, 而对降水量级的影响较大; 不同积云对流方案对降水的空间形态和量级的影响均较大。

表 1(Table 1)

表 4 50 km水平分辨率不同方案两个区域夏季日平均降水空间相关系数和均方根误差 Table 4 Spatial correlation coefficient and root mean square error of different schemes within the two areas by 50 km horizontal resolution 参数化方案 统计量 涝年1区 旱年1区 涝年2区 旱年2区 KF GD BMJ KF GD BMJ KF GD BMJ KF GD BMJ YSU R 0.73 0.79 0.64 0.74 0.75 0.56 0.29 0.13 0.19 0.7 0.61 0.56 RMSE 10.83 7.19 8.76 7.3 6.44 6.99 7.29 4.46 7.84 7.54 4.34 6.53 MYJ R 0.71 0.73 0.58 0.65 0.73 0.49 0.34 0.16 0.17 0.73 0.63 0.56 RMSE 8.75 6.33 9.14 7.08 5.12 5.93 5.94 3.68 6.7 6.37 3.61 5.25 ACM2 R 0.72 0.71 0.96 0.74 0.72 0.55 0.34 0.08 0.18 0.74 0.56 0.54 RMSE 8.16 6.6 6.66 5.75 4.95 6.01 5.01 4.45 5.32 5.18 3.41 4.16 BouLac R 0.7 0.71 0.62 0.68 0.73 0.53 0.31 0.1 0.18 0.66 0.56 0.51 RMSE 11.18 8.1 9.37 7.67 5.57 6.11 7.36 4.9 7.31 7.84 4.51 5.96

表 4 50 km水平分辨率不同方案两个区域夏季日平均降水空间相关系数和均方根误差 Table 4 Spatial correlation coefficient and root mean square error of different schemes within the two areas by 50 km horizontal resolution

在ACM2和KF方案试验降水空间分布图上(图 5, 其它方案图略):相对于前文不同边界位置模拟结果(图 3c, f), 无论是边界层方案还是积云对流方案, 模式均能显著改善高原南侧和云南南部降水量级的模拟效果, 但对盆地降水的模拟提高较小, 川西高原的虚假降水依然存在。盆地地区相对于其周边区域依旧为降水的相对偏少区。对比不同边界层和积云对流方案(图 5)可知, 在高原南侧, 不同参数化方案对模拟结果的改善不仅体现在降水量级上(有些地区已转变为干偏差), 还体现在缩小了偏差大值区的区域范围。这说明此区域降水的模拟偏差是可以通过参数化方案的合理组合进行有效改善的。与此同时, 高原南侧西风偏差相应减小, 这种雨、风偏差改善的同步性进一步印证了上文关于降水偏差可能导致风场偏差的猜测。尽管如此, 模式在盆地地区降水模拟的相对干偏差依然存在(虽然程度各有不同), 同时存在的还有两广北部-湖南南部的降水湿偏差, 且无论选择哪种法案, 两处的偏差都存在。两地的干、湿偏差可能存在联系, 具体机制将在下文集中进行讨论。

图 5(Figure 5)

图 5 涝年(a, b)和旱年(c, d) 50 km水平分辨率边界层与积云对流方案降水(彩色区, 单位: mm·d-1)和700 hPa风场(矢量, 单位: m·s-1)差值分布 (a, c) ACM2方案, (b, d) KF方案 Figure 5 Bias of rainfall spatial distribution (color area, unit: mm·d-1) and 700 hPa wind field (vector, unit: m·s-1)of PBL and CU scheme by 50 km horizontal resolution in flood (a, b) and drought (c, d) year. (a, c) ACM2 scheme, (b, d) KF scheme

针对在旱年表现较好的方案及组合是否适合与涝年这一问题, 图 6给出了旱涝年两个区域夏季日平均降水泰勒图。由图 6可知:对于不同的边界层方案, 旱涝年两个区域均为ACM2方案较好; 对于不同的积云对流方案, 旱涝年1区均为GD方案较好, 旱涝年2区均为KF方案较好; 对于不同的方案组合, 旱涝年1区均为GD配合ACM2方案较好, 旱涝年2区均为KF配合ACM2方案较好。由此可知:不同边界层和积云对流方案表现较好的方案组合在不同区域有所差异, 但在旱涝年基本相似。虽然旱涝年边界层结构存在差异(主要是由于旱年降水天数较少, 涝年降水天数较多, 这导致了旱年夏季平均边界层结构相对涝年偏高), 但是边界层过程的主要影响在降水产生时。观测资料分析表明(图略):无论是1998还是2006年, 1和2区的降水主要来源于中、小量级降水(小雨和中雨), 并且高笃鸣等(2016)研究指出不同边界层方案对不同量级降水表现出不同的技巧, 这就意味着当某一方案对某些量级降水模拟较好就与是否是旱年或者涝年关系较小。所以对于边界层结构不同的两年, 能较好模拟涝年降水的边界层方案依然能够较好模拟旱年降水。因此, 合理选择参数化方案及组合是可以很好地模拟出旱涝年高原东南部地区的降水情况。

图 6(Figure 6)

图 6 50 km水平分辨率不同方案夏季日平均降水泰勒图 (a) 1998年1区, (b) 1998年2区, (c) 2006年1区, (d) 2006年2区 Figure 6 Taylor figure of different schemes of average daily precipitation in summer by 50 km horizontal resolution. (a) area one of 1998, (b) area two of 1998, (c) area one of 2006, (d) area two of 2006

表 5给出了15 km水平分辨率降水模拟结果的R和RMSE。对比50 km水平分辨率模拟结果(表 4)可知, 采用15 km水平分辨率并没有从根本上解决模式在降水量级模拟上的不足, 但在降水空间形态和量级模拟的准确性上有一个整体上的提高。在不同区域之间, 不同方案对涝年2区降水的模拟依然低于其他区域, 说明模式水平分辨率的提高至15 km后对降水准确性提高有限。且采用15 km水平分分辨率时, 不同边界层方案对降水空间形态的影响较小, 而对降水量级的影响较大; 不同的积云对流方案对降水的空间形态和量级的影响均较大, 这与50 km水平分辨率情况下基本一致。

表 1(Table 1)

表 5 15 km水平分辨率不同方案夏季日平均空间相关系数和均方根误差 Table 5 Spatial correlation coefficient and root mean square error of different schemes within the two areas by 15 km horizontal resolution 参数化方案 统计量 涝年1区 旱年1区 涝年2区 旱年2区 KF GD BMJ KF GD BMJ KF GD BMJ KF GD BMJ YSU R 0.88 0.88 0.83 0.91 0.88 0.79 0.36 0.28 0.25 0.69 0.76 0.68 RMSE 8.70 5.78 7.86 5.90 4.17 5.02 8.70 6.18 7.02 8.94 5.4 6.31 MYJ R 0.86 0.84 0.80 0.87 0.85 0.73 0.35 0.35 0.18 0.68 0.74 0.65 RMSE 7.76 4.96 7.32 5.20 4.60 4.79 7.74 5.53 6.61 8.62 5.22 5.65 ACM2 R 0.90 0.85 0.86 0.87 0.82 0.75 0.35 0.39 0.28 0.75 0.8 0.60 RMSE 5.01 3.71 4.33 5.25 4.41 3.81 6.37 4.39 4.74 6.84 3.97 4.37 BouLac R 0.86 0.86 0.82 0.89 0.88 0.76 0.35 0.40 0.18 0.66 0.77 0.57 RMSE 8.33 5.82 7.46 6.68 4.82 5.31 9.36 5.90 7.30 9.86 6.52 5.90

表 5 15 km水平分辨率不同方案夏季日平均空间相关系数和均方根误差 Table 5 Spatial correlation coefficient and root mean square error of different schemes within the two areas by 15 km horizontal resolution

高原南坡陡峭的地形和极高的海拔使得南来的湿空气在此处很容易被地形强迫抬升致生降水。模式在此处可能会过度强化这种地形强迫作用, 这也是之前的降水模拟湿偏差大值带与高原轮廓高度吻合的原因之一。在提高了模式的水平分辨率之后这一状况得到了有效改善(图 7), 特别是选择了合适的积云对流方案后(图 7b, d)高原南坡的降水湿偏差大值带得到了进一步缩小, 且呈现出了更多的分布细节, 更关键的是有些区域已经由湿偏差转变成了干偏差, 这说明模式对于高原南侧降水的模拟偏差可以通过提高模式水平分辨率得到改善的。对比不同分辨率模式和参数化方案的误差可以看出(图 5和7), 高原附近降水误差小时, 该西风气流偏差也小。这可能是由于降水偏多地区会在其西北侧高空激发出一个反气旋, 与之对应的低层则会出现一个气旋(吴国雄和刘屹岷, 2000), 因此高原南侧低层(700 hPa)的西风可能会因为这一区域降水的偏多而得到加强。加强的西风一方面会在云南南部因地形强迫而抬升, 另一方面会加强这一地区副高西侧的空气辐合从而导致云南南部产生湿偏差大值带。基于相同的物理过程, 两广北部-湖南南部这一湿偏差大值中心可能会使得盆低层的东北气流明显加强, 阻碍南来的湿空气北进从而导致盆地相对干偏差的产生(图 7a, b)。值得注意的是盆地降水的相对干偏差并没有在两广-湖南南部湿偏差减弱的时候得到相应缓解(图 7c, d), 说明盆地干偏差的产生可能还存在更为复杂的原因。

图 7(Figure 7)

图 7 涝年(a, b)和旱年(c, d)15 km水平分辨率边界层方案与积云对流方案降水(彩色区, 单位: mm·d-1)和700 hPa风场(矢量, 单位: m·s-1)差值分布 (a, c) ACM2方案, (b, d) GD方案 Figure 7 Bias of rainfall spatial distribution (color area, unit: mm·d-1) and 700 hPa wind field (vector, unit: m·s-1) of PBL and CU scheme by 50 km horizontal resolution in flood (a, b) and drought (c, d) year. (a, c) ACM2 scheme, (b, d) GD scheme

关于在低水平分辨率表现较好的方案及组合是否适合于高水平分辨率这一问题, 图 8给出了15 km水平分辨率下旱涝年两个区域夏季日平均降水泰勒图。由图 8中可看出, 对于不同的边界层方案, 旱涝年两个区域均为ACM2方案较好; 对于不同的积云对流方案, 旱涝年两个区域均为GD方案较好; 对于不同的方案组合, 旱涝年两个区域均为GD配合ACM2方案较好。与50 km水平分辨率(图 6)对比可发现, 提高模式水平分辨率后在旱涝年两个区域表现较为优秀的边界层和积云对流方案有所差别, 即不同水平分辨率下不同方案的表现能力有所差别。这就说明在不同分辨率下有必要对参数化方案进行优化或者选择合适的参数化方案。

图 8(Figure 8)

图 8 15 km水平分辨率夏季日平均降水泰勒图 (a) 1998年1区, (b) 1998年2区, (c) 2006年1区, (d) 2006年2区 Figure 8 Taylor figure of different schemes of average daily precipitation in summer by 15 km horizontal resolution. (a) area one of 1998, (b) area two of 1998, (c) area one of 2006, (d) area two of 2006

利用WRF模式, 采用不同模式参数(包括边界位置、积云对流和边界层参数化方案和水平分辨率)模拟了青藏高原东南部极端旱涝年夏季降水。分析了这些参数对高原东南部1998和2006年夏季降水的模拟能力及影响情况, 得出以下结论:

(1) 高原南侧降水模拟偏差会对东南区域, 特别是盆地降水模拟产生很大影响, 提高模式水平分辨率可以显著提高高原南侧降水的模拟精确度。因此无论在降水空间形态还是量级上, 提高模式水平分辨率能显著改善WRF模式对高原东南部夏季降水的模拟能力。

(2) 不同方案及组合之间对旱涝年夏季降水的模拟能力存在较大差异, 但是对旱涝年相同区域模拟较好的方案及组合基本相似。50 km水平分辨率时1区均为GD配合ACM2方案较好, 2区均为KF配合ACM2方案较好; 15 km水平分辨率时两个区域均为GD配合ACM2方案较好。

(3) 不同区域表现较好的边界层方案基本相似, 而积云对流方案存在差异, (这主要是由于1998和2006年降水主要为中、小量级降水)不同边界层方案对降水空间形态的模拟影响较小, 而对降水量级的影响较大; 不同积云对流方案对降水空间形态和量级的影响均较大。

(4) 不同模式水平分辨率下表现较好的方案组合并不固定, 因此需要根据不同的模式分辨率选择合理的方案组合或者对参数化方案进行优化以适应不同的水平分辨率。

需要指出的是, 本文的结果可能还会受到模式中其他物理参数化方案的影响, 特别是对于气候模拟中影响较大的辐射方案没有在文章中进行对比分析。本文只探讨了50 km和15 km两种不同的水平分辨率对模拟结果的影响发现:水平分辨率对模拟结果影响较大, 这就意味着, 在采用其他水平分辨率(或更高的水平分辨率)时结果可能有所不同。并且, 本文只选取了一组旱涝年夏季进行模拟分析, 还需要分析其他旱涝年是否具有相同的结果。这些都是需要进一步探讨的工作。