2018, Vol. 37
2. 中国电力科学研究院新能源与储能运行控制国家重点实验室, 北京 100192;
3. 成都信息工程大学大气科学学院, 四川 成都 610225;
4. 中国气象科学研究院灾害天气国家重点实验室, 北京 100081
暴雨是中国夏季常见的灾害性天气, 与洪水、溃堤、山体滑坡和泥石流等灾害密切相关, 并造成巨大经济损失和人员伤亡, 因此暴雨的形成机理、发展过程以及范围、落区、强度的预报一直是科研和业务领域重视的问题。从天气学角度讲, 暴雨是各种尺度天气系统相互作用的产物(丁一汇, 2014), 涉及到小扰动发生和在大尺度环境中的增长问题, 以及和大尺度环境场的相互作用, 同时还受复杂的物理过程影响, 预报困难。另一方面, 随着理论和技术的发展, 暴雨落区和量级预报取得了很大进步(李泽椿等, 2014; 赵思雄等, 2013)。近年来, 随着大气探测及资料同化技术的发展, 模式初始场日趋改善, 与模式本身的协调性也日渐增强, 计算机技术的飞速发展提高了模式的应用能力, 高分辨率中尺度数值天气模式的应用和暴雨灾害性天气精细模拟, 为暴雨研究提供了重要工具(范水勇等, 2008; Pielke, 2013; 曾明剑等, 2015)。
云微物理过程的参数化是数值模式的重要组成部分之一(楼小凤等, 2003), 不同的动力和物理过程对降水模拟有较大影响(Colle et al, 2005), IPCC明确指出云物理过程及其反馈机制是导致数值模式预报不确定性的最大因素(Houghton et al, 2001)。Zhang et al(1986)和张大林(1998)指出, 非绝热物理过程与中尺度数值模式的分辨率同样重要, 水相和冰相的预报方程对成功模拟β尺度的环流结构有重要作用。云微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, 不同的云微物理参数化方案“再现”不同类型天气过程的能力存在较大差别, 即使各方案均能够合理地再现出大气环流形势演变、降水分布和强度, 但对云中微物理过程的模拟能力仍存在较大差异。根据水凝物粒子预报量的类型, 可以将微物理参数化方案分为单参数化方案和双参数化方案。单参数方案只预报水凝物粒子比质量(Chen et al, 2002; Hong et al, 2004), 在描述水凝物粒子谱时, 固定截距, 通过斜率的变化反映粒子谱演变, 因此限制了粒子谱变化范围, 但计算量小, 相对稳定; 双参数方案预报水凝物粒子比质量和数浓度, 理论上更加合理地反映云和降水的物理过程, 但对于粒子数浓度和比质量的预报方程缺乏约束, 一定程度上导致了双参数方案的不确定性(尹金方等, 2014)。两类方案在降水模拟中各有利弊, 需要综合评判两者的模拟效果。赵震等(2005)将MM5模式中Reisner2方案改为双参方案, 对比新旧方案模拟效果发现, 双参方案较单参方案具有更好的描述能力; Morrison et al(2009)使用WRF模式模拟比较了一组单参、双参方案在飑线系统拖拽层云降水中的作用, 发现双参方案相对于单参方案能够产生了一个更广的层云降水区; 此外, 对梅雨锋暴雨(孙晶等, 2011)、华北降水(林文实等, 2007; 马严枝等, 2012)、江淮流域夏季强降水(娄珊珊等, 2015; 闫之辉等, 2007)、华南暴雨(朱格利等, 2014; 王洪等, 2014)、台风降水(徐国强等, 2007)以及高原降水(何由等, 2012)进行的一系列云微物理参数化方案敏感性试验也都检验了不同的参数化方案的模拟效果。总的来说, 不同降水过程中最优方案有所差异, 在某一地区应用时, 需要考虑该地区的气候和降水特征来选择微物理参数化方案。
华北是我国夏季三大暴雨区之一。华北暴雨发生频率较低, 但降水强度大, 持续时间长, 时间集中, 还受到太行山、燕山、沂蒙山等山脉的影响, 预报难度特别大(陶诗言, 1980)。华北暴雨的代表有“58·7”黄河中游特大暴雨、“63·8”海河流域特大暴雨、“96·8”河北特大暴雨以及“7·21”北京特大暴雨, 均造成了重大的人员伤亡和经济损失。2016年7月19-21日, 华北地区发生了一次特大暴雨过程(简称“7·20”特大暴雨过程)。在对特大暴雨过程进行初步分析的基础上, 利用中尺度模式WRF进行不同云微物理参数化方案敏感性试验, 通过对比分析多种单参、双参方案对“7· 20”特大暴雨的预报能力, 为本地区合理选择和改进微物理方案提供科学依据。
2 降水过程及天气背景分析2016年7月19-21日, 华北地区经历了一次特大暴雨降水过程。雨带呈东北-西南走向, 大部分地区降水量在50 mm以上。其中北京、天津、辽宁西南部、河北大部、河南北部、山西东部、山东中南部降水量均超过100 mm, 辽宁、河北交界处、北京西南部、河北东部太行山区附近降水量超过250 mm(图 1)。上述区域部分台站降水量超过400 mm, 最大降水量超过700 mm, 其中河北省赞皇县嶂石岩观测站最大1 h降水量为139. 7 mm[19日16:00(北京时, 下同)-17:00], 是2016年以来全国范围内最大小时雨强。北京地区, 19日01:00至21日08:00全市平均降水量212. 6 mm, 城区平均降水274. 0 mm。362站降水量超过100 mm, 125站降水量超过250 mm, 4站降水量超过400 mm, 最大降水量出现在门头沟区东山村站, 达453. 7 mm, 最大1 h降水量出现在昌平花塔(19日08:00-09:00), 达56. 8 mm。20日北京市45%的国家级站点24 h降水量超历史极值。此次降水给华北地区造成了严重的经济损失和人员伤亡。
|
图 1 2016年7月18日20:00至21日20:00华北地区累计降水量分布实况(单位: mm) Figure 1 The 24-hour accumulated precipitation in Huabei region from 20:00 on 18 to 20:00 on 21 July 2016. Unit: mm |
总之, 本次降水过程持续时间长、总量大、范围广, 为入汛以来华北地区最强降雨天气过程, 多年来罕见, 是华北地区一次典型的极端灾害性强降水过程。
降水发生时, 100 hPa天气图上[图 2(a)], 南亚高压强大而稳定, 高压中心位于青藏高原东部, 控制了我国大部分地区。500 hPa[图 2(b)]东亚中高纬度呈“东高西低”的形势, 西太平洋副热带高压北抬至朝鲜半岛, 与大陆高压共同在日本南部形成“高压坝”, 西伯利亚至乌拉尔山附近受一宽广横槽控制, 横槽底部不断分裂短波槽引导弱冷空气东移南下。短波槽在东移过程中不断加深, 形成切断低涡, 受“高压坝”阻挡稳定少动, 因而降水持续时间较长。700 hPa(图略)、850 hPa[图 2(c)]天气图均显示, 西南涡在500 hPa高空槽引导下东移北上至华北南部, 并有一条“湿舌”伸向华北, 西南涡东侧是宽广深厚的西南急流和东风急流, 最大风速30 m·s-1, 925 hPa有超低空急流存在, 最大风速24 m·s-1(图略), 为强降水提供了充足的水汽和热量。地面上[图 2(d)]黄淮气旋发展旺盛, 已形成锢囚结构, 在向东北方向移动的过程中受华北地区高压脊发展阻塞, 移动方向转为沿太行山向北, 移动速度缓慢, 直至21日移出华北地区, 降水主要发生在气旋东北侧弯曲最大处, 此处东风急流作用于太行山地形, 造成沿太行山对流发展持续旺盛, 形成地形性强降雨。自高空到地面, 各种系统的有利配置造成了此次特大暴雨天气过程。
|
图 2 2016年7月20日08:00东亚100 hPa(a)、500 hPa(b)、850 hPa(c)和地面(d)形势图 紫色部分为低空急流区, 绿色锯齿线为高湿区; 图(d)中填色区为雷达回波(中央气象台网站http://www.nmc.cn/) Figure 2 The 100 hPa (a)、500 hPa (b)、850 hPa (c) and surface (d) weather map in Esta Asia at 08:00 on 20 July 2016. The purple area is the low-level jet, the area around green sawtooth line is the high humidity area, the fill color is Radar echo in Fig. 2 (d) from http://www.nmc.cn/ |
试验中初始场和侧边界条件采用NCEP一日四次的1°×1° FNL再分析格点资料。采用三重嵌套网格, 试验区域中心定为(40°N, 105°E), 模式水平分辨率为D01(27 km)、D02(9 km)、D03(3 km), 对应网格格点数分别为350×230、430×382、505×463(图 3), 垂直分为32层等σ面, 模式层顶气压为50 hPa。积分步长为60 s。考虑到降水主要集中在2016年7月19-20日, 21日起大暴雨中心已经移动至东北地区, 因此选取模式初始时刻为18日20:00, 积分时间72 h。
|
图 3 模拟区域设置 Figure 3 The simulation domains in the experiments |
水平分辨率27 km和9 km模式中积云对流参数化方案采用Kain-Fritsch(new Eta)方案, 水平分辨率3 km关闭积云对流参数化方案。为检验单参、双参方案对降水预报的影响, 假设模式初始场误差和其他物理方案带来的不确定性而引起的降水模拟误差呈线性累加, 在其他物理过程和初始场设置均相同的情况下, 只改变微物理参数化方案, 共设计单参9种、双参7种, 共16种方案的敏感性试验。表 1为16种微物理参数化方案以及简要介绍。模式选用RRTM长波辐射方案、Dudhia短波辐射方案、Noah陆面过程方案、MM5 Monin-Obukhov近地面层方案、YSU边界层方案。
|
表 1 单参和双参云微物理参数化方案特征 Table 1 Characteristics of the microphysics schemes used in the WRF model |
首先看7月19日实况降水空间分布(图 4), 降水主发生在华北中西部, 以小到中雨为主。强降水主要集中在燕山-太行山一线迎风坡周围, 呈“两头强、中间弱”的态势, 即:河北西部、北京西部降水较大, 中间交界处降水较小。沿太行山出现一条近似南北走向的降水大值带, 并有多个特大暴雨中心。在北京西部存在大值带, 但强度和范围不及太行山降水大值带。从整个华北地区降水空间分布模拟情况(图 5)来看, 各种方案均能模拟出19日华北地区降水范围, 显示降水自西向东逐渐减弱的趋势, 但对太行山降水大值带强度和范围的模拟均偏弱, 在河北东北部模拟出虚假暴雨中心。单参方案、双参方案中各方案间模拟效果相近。单参数方案中Goddard方案能模拟出太行山降水大值带上特大暴雨的分布, 并给出降水大值带上两个暴雨中心, 但范围偏小, 北京西部暴雨中心没有体现, 而北京以东给出多个虚假中心。Kessler方案能够较为清晰地模拟出太行山-燕山降水大值带的范围和走向, 但强度偏弱, 对北京西部的暴雨中心模拟偏强。SBU-YLin方案和WSM5方案对于太行山降水大值带特大暴雨中心模拟也较好, 但京津附近的降水分布模拟稍差。双参数方案中, CAM 5. 1方案对燕山-太行山一线降水“两头强、中间弱”的分布趋势模拟效果最好, 降水分布与实况最接近, 也能够模拟出太行山降水大值带上河南、河北交界处的特大暴雨中心, 模拟的北京西部降水中心的量级和范围和实况较为一致, 但位置有所偏东。NSSL 2-mom和NSSL 2-mom+CCN方案的模拟结果相似, 能够反映出太行山-燕山降水大值带的延伸趋势, 但对于特大暴雨中心的模拟能力不同。此外, 两种方案都对北京西部降水模拟效果较好。
|
图 4 2016年7月18日20:00至19日20:00 24 h降水实况(单位: mm) Figure 4 The observed 24 hours rainfall from 20:00 on 18 to 20:00 on 19 July 2016. Unit: mm |
|
图 5 不同云微物理参数化方案模拟的2016年7月18日20:00至19日20:00 24 h降水(单位: mm) Figure 5 The simulated 24 hours precipitation with different cloud microphysics schemes from 20:00 on 18 to 20:00 on 19 July 2016. Unit: mm |
再看20日的降水情况, 本次过程降水范围达到最大, 强度与前日持平, 也在250 mm以上(图 6)。大暴雨降水中心共3个, 分别位于山东中部沂蒙山区、河北西南部太行山区以及京津地区。随着降水区东移, 大行山降水中心带状变弱, 而沂蒙山降水中心范围较小, 京津中心则较强、范围较广, 北京西南部出现大范围特大暴雨。
|
图 6 2016年7月19日20:00至20日20:00 24 h降水实况(单位: mm) Figure 6 The observed 24 hours rainfall from 20:00 on 19to 20:00 on 20 July 2016. Unit: mm |
模式中各方案均能模拟降水自东南向西北逐渐减弱的特征, 对总降水范围及分布特征模拟与实况大致相同(图 7), 但模拟的强降水区偏东, 各量级降水发生的位置和范围与实况差别较大。9种单参数方案间模拟效果差别较大, 其中WSM5方案模拟的中雨以上降水区域与实况基本一致, 对暴雨以上降水整体的落区模拟效果较好。WSM6方案也给出相似结果, SBU-YLin方案对整体降水区域模拟准确, 尤其对暴雨和大暴雨的降水落区和中心分布模拟最好, 如太行山区的特大暴雨中心和北京地区大暴雨中心, 优于其他方案, 但对北京西南的特大暴雨中心模拟不足。Kessler方案整体模拟效果较差, 却能给出北京西南部特大暴雨中心。NSSL 1-mom方案模拟降水范围整体偏东, 大暴雨降水区域位于环渤海, 降水区域较小, 效果较差。7种双参方案的模拟降水分布一致, 模拟暴雨落区和实况相似, 但方案间仍有一些差异, 表现在Kessler方案雨带偏西偏小, 而NSSL 1-mom方案雨带偏东。Thompson方案对太行山中心、京津中心以及结合处的降水分布模拟较好, 太行山降水附近降水带过强。总体而言, SBU-YLin、WSM5、WSM6、WDM5、WDM6几种方案效果较好, 而双参方案整体优于单参方案。
|
图 7 不同云微物理参数化方案模拟2016年7月19日20:00至20日20:00 24 h降水(单位: mm) Figure 7 The simulated 24 hours precipitation with different cloud microphysics schemes from 20:00 on 19 to 20:00 on 20 July 2016. Unit: mm |
为进一步分析各方案对于本次特大暴雨发展的模拟差异, 聚焦7月20日京津地区强降水区(38. 30°N-41. 15°N, 115. 60°E-118. 20°E)的模拟, 分析区域平均降水的时间演变特征。采用国家气象信息中心的0. 1°×0. 1°分辨率中国自动站与CMORPH降水产品融合的逐时降水资料以及区域内自动站降水观测资料作为实况, 检验区域内降水时变模拟效果。从单参方案[图 8(a)]、双参方案[图 8(b)]模拟的京津区域逐时总降水量演变与实况的对比中可以发现, 大部分参数化方案模拟的区域降水演变趋势与实况变化趋势基本一致, 但模拟降水强度偏低, 直到降水峰值过后(20日16:00)才有改观。单参方案中, SBU-YLin方案模拟的降水量随时间演变与实况最为吻合, 而NSSL1-mom方案的降水严重偏低, 两方案在降水最强时段的降水强度差达6. 7 mm·h-1。Goddard方案降水峰值出现时刻偏早, 而Kessler方案最强降水出现时刻偏晚。双参方案中, NSSL 2-mom+CCN方案模拟的降水量随时间演变与实况最为吻合, 但与模拟效果最差的CAM 5. 1方案间的差别较小, 两者在降水峰值的强度差只有3. 6 mm·h-1, 所有双参方案模拟的降水随时间演变趋势均与实况一致。从京津地区降水时间演变分析结果来看, 依然显示出模拟效果最差和最好的方案均为单参方案, 单参方案间模拟效果差异较大, 而双参方案模拟效果整体较好。
|
图 8 2016年7月19日20:00至20日20:00实况(obs, 自动站观测; com, 融合分析)与模拟的京津区域平均逐时降水量演变 Figure 8 Time series of observed (obs-AWS, com-AWS+CMOPH) rainfall over Beijing-Tianjing area and those simulated with different microphysics schemes from 20:00 on 19 to 20:00 on 20 July 2016 |
采用华北地区密集的自动站观测作为参考, 利用统计指标对数值结果进行检验。首先采用双线性插值方法将3 km分辨率模拟区域格点降水模拟结果插值到与观测站点上, 并在观测点对模拟结果进行检验。
5.1 检验指标(1) TS(Threat Score)评分是降水预报效果评估的有效方法之一(Etherton et al, 2008), 能够反映不同量级降水模拟与实测的位置对应程度。考虑到本次降水过程强降水区域较大, 将小雨、中雨划分为一个量级, 称为小到中雨量级; 将大雨、暴雨划分为一个量级, 称为大到暴雨量级; 将大暴雨、特大暴雨划分为一个量级, 称为大暴雨及以上量级(表 2)。
|
|
表 2 降水等级划分 Table 2 The levels description of rainfall |
(2) 平均绝对误差、平均误差、相关系数和均方根误差能够较好评价预报量的分布, 对连续变量具有更好效果。对应检验指标的计算及相应描述可参见王洪等(2014)的文献。
5.2 TS评分从2016年7月19日和20日不同微物理方案对不同量级降水TS评分结果(图 9)中可以看出, 16种方案对不同量级降水的模拟效果有一定差异, 双参数方案TS评分较高, 而各量级降水TS评分最低的皆为单参方案。19日, 所有方案表现出对小到中雨和大暴雨及以上量级降水的TS评分较高, 而对大到暴雨评分较低的特点。小到中雨的TS评分普遍在0. 5以上, 显著大于大到暴雨和大暴雨及以上降水。20日小到中雨的TS评分显著降低, 到中雨的TS评分显著降低, 大到暴雨和大暴雨及以上降水评分变化较小, 方案间的差别显著增大。SBU-YLin方案在三个量级上的TS评分分别为0. 425, 0. 426和0. 482, 模拟效果显著优于其他方案, 具有更好的全面表述能力, 而NSSL 1-mom方案在三个降水量级上的TS评分分别为0. 282, 0. 253和0. 150, 效果较差。
|
图 9 2016年7月18-20日16种云微物理参数化方案模拟的24 h降水量的TS评分 Figure 9 Threat scores of the 24 h rainfall simulation with the 16 microphysics schemes from 20:00 on 18 to 20:00 on 20 July 2016 |
另外, 7月19日[图 10(a)], 单参方案在小到中雨量级上的TS评分标准差小于双参方案, 均值略高于双参方案, 但随着降水量级的增加, 单、双参方案TS评分标准差均下降, 双参方案的TS评分标准差的下降速度明显大于单参方案, 因此在大雨以上的两个降水量级中, 单参方案的标准差大于双参方案, 而TS评分均值小于双参方案。20日[图 10(b)], 所有方案的TS评分标准差随降水量级的增大而呈增大趋势, 单参方案在各降水量级上TS评分标准差均显著大于双参方案, 均值则小于双参方案。因此7种双参方案对于此次特大暴雨的模拟效果整体上优于9种单参方案, 并且双参方案间对于各量级降水模拟准确率差别小于单参方案。
|
图 10 2016年7月18-20日16种云微物理参数化方案模拟的24 h降水量TS评分均值及标准差分布 Figure 10 10 TS score of the 24 hours rainfall simulation in relationship with the 16 microphysics schemes from 18 to 20 July 2016 |
对比相应的7月19日和20日16种云微物理参数化方案的24 h空报率、漏报率和偏差(表略)。无论是单参方案还是双参方案, 暴雨及以下量级降水的平均空报率均大于平均漏报率, 而大暴雨及以上降水的平均空报率均小于平均漏报率, 在一定程度上说明16种方案对于暴雨及以下降水模拟范围偏大, 对于大暴雨及以上降水模拟范围偏小, 从而低估了此次降水过程。而在大到暴雨、大暴雨及以上两种降水量级上, 双参方案的空报率、漏报率均值和标准差均小于单参方案, 说明7种双参方案间模拟效果差别较小, 且整体优于单参方案, 这与TS评分结果分析一致。
5.3 误差分析从2016年7月19-20日不同微物理参数化方案降水模拟的相关系数、平均绝对误差、均方根误差(表 3)中可以看出, 19-20日, 除平均误差有所改善外, 相关系数、平均绝对误差、平均均方根误差三种指标均有所下降, 这与降水模拟空间分布分析结果一致。19-20日, 绝大部分方案平均误差均为负值, 说明16种方案低估了此次特大暴雨降水, 与空报率、漏报率的分析一致。Thompson方案20日降水模拟结果平均误差为正, 原因在于太行山大暴雨中心强度计算偏强, 位置有所偏东。16种方案的平均相关系数、平均误差、平均绝对误差和平均均方根误差在19日分别为0. 686 9、20. 773 9 mm、-8. 138 0 mm和43. 271 9 mm, 在20日分别为0. 445 9、45. 862 0 mm、-7. 311 6 mm和64. 999 7 mm。
|
|
表 3 2016年7月19-20日不同云微物理方案模拟结果与观测的相关系数、平均绝对误差和均方根误差 Table 3 Correlation coefficient, mean absolute error and root mean square error of the simulated 24 h precipitation with different cloud microphysics schemes from 19 to 20 July 2016 |
由于降水的不连续性, 单参方案和双参方案的相关系数、平均误差、平均绝对误差、均方根误差表现的一致性较弱, 表现并不完美。单参方案中Kessler方案19日降水型相关较好, 但平均绝对误差、平均误差、均方根误差都较大, 平均误差在9种方案中最大。20日, SBU-YLin上述四项指标显著优于其他方案, 模拟效果最好, NSSL 1-mom表现最差。双参方案中WDM5方案20日模拟降水相关性最好, 平均绝对误差和均方根误差最低, 但平均误差却显著高于NSSL 2-mom+CCN。整体上看单参方案的相关系数低于双参方案, 平均误差、平均绝对误差、均方根误差高于双参方案。而不同单参方案间的相关系数、平均误差、平均绝对误差、均方根误差的差别较大, 双参方案间差异则较小。
6 云微物理量模拟云微物理量的模拟既是中尺度环流和热力条件的反映, 又对云环境产生影响, 即存在云与环境的反馈机制。为了更好地理解单、双参数方案中水凝物的种类和垂直分布, 以及与云发展和降水形成的关系, 图 11中给出了3 km分辨率模式的固态、液态水凝物垂直廓线。
|
图 11 2016年7月19日20:00至20日20:00京津地区区域(38. 30°N-41. 15°N, 115. 60°E-118. 20°E)平均单、双参雨水固液态水凝物垂直分布 Figure 11 Vertical profiles of the mixing ratio of cloud water and freezing substances in single-moment and double-moment schemes averaged over Beijing-Tianjing area from 20:00 on 19 to 20:00 on 20 July 2016 |
雨水混合比[图 11(a), (b)]是云中大颗粒液态水凝物, 与模拟降水量直接相关。雨水凝结主要集中在600 hPa以下, 只有WSM3方案在600 hPa高度上雨水混合比开始增加, 到450 hPa达到最大, 而Kessler方案的雨水凝结随高度递减较缓, 其余方案模拟雨水混合比在600 hPa以下相对均匀, 600 hPa以上迅速减少。单参方案中雨水混合比最低的的方案为NSSL1-mom, 最高的为SBU-YLin方案, 两者在近地层相差约为0. 20 g·kg-1。双参方案中CAM 5. 1方案的雨水混合比显著高于其它方案, 这可能与其在气候模式中的应用参数相关, 在高分辨模式中需要进一步调整。双参方案中雨水含量最低的的方案为NSSL 2-mom, 最高的为WDM6方案, 两者在近地层雨水含量相差仅为0. 06 g·kg-1。越接近地面, 双参方案的雨水含量垂直廓线分布较单参方案更加集中, 即不同的双参方案间雨水含量差异也更小。
固态水凝物主要分布在600 hPa以上[图 11(c), (d)], 最大值出现在500 hPa附近, 但含量相对雨水较少, 其中雪的形成在500 hPa高度, 而冰晶则在更高高度上。单、双参方案中固态水凝物的差异更为明显, 单参方案间固态水凝物差异更大, SBU-YLin方案最高, NSSL 1-mom最低。而双参方案中除了Thompson外, 其他方案相对集中。雨水以及固态水凝物含量间垂直分布差异导致云垂直加热结构不同, 底层凝结有利于不稳定维持, 而高层水凝物浓度增加可以通过潜热释放削弱对流发展。
从各方案在京津模拟平均雨水混合比和垂直速度随时间演变(图 12)可以看出, 整体而言, 都模拟出了对应的垂直速度大值中心和雨水混合比高值中心, 最强上升中心于对流层高层300 hPa左右, 雨水混合比高值中心一般位于对流层低层600 hPa以下, 与上升区对应。垂直上升越强, 雨水混合比越高, 两者的位置对应也越好, 降水的模拟效果越好。单参方案间的差别仍大于双参方案。NSSL1-mom方案雨水混合比中心在0. 15 g·kg-1以下, 垂直上升零散; Kessler方案的垂直上升(0. 14 m·s-1)与雨水混合比大值中心(0. 25 g·kg-1)出现在20日15:00之后, 落后于实况最强降水时段; 而SBU-YLin方案平均垂直上升速度在0. 34 m·s-1以上, 对应低层雨水混合比含量大于0. 55 g·kg-1, 延伸到地面, 降水模拟表现也最好。双参方案均有上升中心与雨水混合比中心上下对应, 且除CAM 5. 1方案外, 雨水混合比和垂直速度的方案间差别显著小于单参方案。
|
图 12 京津强降水区域平均雨水混合比(阴影, 单位: g·kg-1)和垂直速度(等值线, 单位: m·s-1)时间演变 Figure 12 The time-evolution of the cloud water (the shaded, unit: g·kg-1) and verticall (contour, unit: m·s-1) over Beijing-Tianjing area |
本次特大暴雨过程不同单参方案间的模拟结果差异相对较大, 而不同双参方案间模拟结果差异较小。这应该由于16种云微物理参数化方案中单、双参数方案对微物理过程处理方式的不同。理论上, 在调节粒子谱演变的过程中, 单参方案仅考虑粒子谱斜率, 而双参方案同时考虑粒子谱斜率和截距, 因此双参方案对于粒子谱演变的描述更接近实际状况, 从而合理反映云和降水的物理过程。一定程度上导致双参方案比单参方案能够更好的描述降水中云微物理过程。在本次降水个例的模拟中, 得出的结论与理论分析比较符合。这和本次特大暴雨过程本身特点密切相关。本次降水过程持续时间长, 降水比较均匀, 但小时雨强比较小。影响降水的气旋斜压性较弱, 有明显的暖云降水特征。双参方案中均增加了云中水成物数浓度的预报, 例如WDM5方案和WDM6方案相对于WSM5方案和WSM6方案增加了暖云过程有关的雨水、云水和凝结核的数浓度预报, 重点关注了暖云降水过程; Morrison方案还增加了冰相粒子雪、霰等数浓度的预报; New Thompson方案也增加了云冰数浓度的预报, 这些措施降低了双参方案对于降水模拟的不确定性。而单参方案由于只预报云中水成物的质量浓度, 彼此之间没有数浓度的预报来纠正降水模拟的偏差, 随着模式积分时间的增加, 出现预报效果更好或更差的结果。
作为单参方案中的SBU-YLin方案之所以对本次降水过程的整体模拟效果好于所有双参方案, 主要是因为该方案改进了云参数设置, 包含了淞化过程以及对于冰粒子的影响。松化过程强度可以由液态水含量、降水冰云团和温度计算得出。通过加入一种淞化强度参数, 使霰粒子包含在了产生降水的冰粒子中。与现有的大部分参数化方案中依靠固定的经验关系描述冰粒不同, 该方案提出了一个普适的公式, 考虑了在特定影响区域、云团和降水粒子下落速度关系中, 松化强度和温度对于冰粒特性的影响(Lin et al, 2011)。因为部分考虑了淞化过程, 该方案比其他方案有着更为坚实的物理基础, 能够较为客观的描述此次特大暴雨过程。
7 结论本次降水过程持续时间长, 降水比较均匀, 小时雨强比较小, 弱斜压气旋有明显的暖云降水特征。利用高分辨嵌套模式WRF中9种单参数和7种双参数云微物理方案, 对2016年7月19-21日发生在华北地区的特大暴雨过程进行了模拟研究, 得到以下主要结论:
(1) 对2016年7月19-21日华北特大暴雨过程的数值模拟结果的综合分析发现, 双参方案在降水模拟上总体较单参方案表现稳定, 效果较好, 而单参方案间差异较大。
(2) 各方案对19日降水模拟效果好于20日, 与模式的初始场信息多少有关。24 h积分反映CAM方案和Goddard方案对太行山降水中心模拟较好, 48 h预报则显示SBU-YLin方案和WDM5方案的暴雨落区和强度更好, 可见微物理过程计算方案优劣的时变特性明显。
(3) 就本次降水过程而言, 单参方案间模拟雨水混合比、固态水凝物的差别均大于双参方案, 从而导致云环境的上升运动和降水等在单参方案间的差异大于双参方案。
(4) 16个云微物理方案中, SBU-YLin、WDM5、Goddard方案的模拟效果较好, 其中以SBU-YLin效果最佳, NSSL 1-mom方案效果较差。
Chen S H, Sun W Y. 2002. A one-dimensional time dependent cloud model[J]. J Meteor Soc Japan, 80(1): 99–118.
DOI:10.2151/jmsj.80.99 |
|
Colle B A, Garvert M F, Wolfe J B, et al. 2005. The 1314 December 2001 IMPROVE-2 Event. part ⅲ:simulated microphysical budgets and sensitivity studies[J]. J Atmos Sci, 62(10): 3535–3558.
DOI:10.1175/JAS3552.1 |
|
Etherton B, Santos P. 2008. Sensitivity of WRF forecasts for South Florida to initial conditions[J]. Wea Forecasting, 23(4): 725–740.
DOI:10.1175/2007WAF2006115.1 |
|
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.
DOI:10.1175/1520-0493(2004)132<0103:ARATIM>2.0.CO;2 |
|
Houghton J T, Ding Y, Griggs D J, et al. 2001. Climate change 2001:The Scientific Basis[M]. Cambridge, United Kingdom and New York: Cambridge University Press.
|
|
Lin Y, Colle B A. 2011. A new bulk microphysical scheme that includes riming intensity and temperature-dependent ice characteristics[J]. Mon Wea Rev, 139(3): 1013–1035.
DOI:10.1175/2010MWR3293.1 |
|
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.
DOI:10.1175/2008MWR2556.1 |
|
Pielke R A. 2013. Mesoscale meteorological modeling[M]. New York: Academic Press.
|
|
Zhang D L, Fritsch J M. 1986. A case study of the sensitivity of numerical simulation of mesoscale convective systems to varying initial conditions[J]. Mon Wea Rev, 114(12): 2418–2431.
DOI:10.1175/1520-0493(1986)114<2418:ACSOTS>2.0.CO;2 |
|
丁一汇. 2014. 陶诗言先生在中国暴雨发生条件和机制研究中的贡献[J]. 大气科学, 38(4): 616–626.
Ding Y H. 2014. Contributions of Prof. Shiyan Tao to the study of formation conditions and mechanisms of heavy rainfall in Chin[J]. Chinese J Atmos Sci, 38(4): 616–626.
DOI:10.3878/j.issn.1006-9895.2013.13226 |
|
范水勇, 郭永润, 陈敏, 等. 2008. 高分辨率WRF三维变分同化在北京地区降水预报中的应用[J]. 高原气象, 27(6): 1181–1188.
Fan S Y, Guo Y R, Chen M, et al. 2008. Application of WRF 3DVar to a high resolution model over Beijing area[J]. Plateau Meteor, 27(6): 1181–1188.
|
|
何由, 阳坤, 姚檀栋, 等. 2012. 基于WRF模式对青藏高原一次强降水的模拟[J]. 高原气象, 31(5): 1183–1191.
He Y, Yang K, Yao T D, et al. 2012. Numerical simulation of a heavy precipitation in Qinghai-Xizang Plateau based on WRF model[J]. Plateau Meteor, 31(5): 1183–1191.
|
|
李泽椿, 毕宝贵, 金荣花, 等. 2014. 近10年中国现代天气预报的发展与应用[J]. 气象学报, 72(6): 1069–1078.
Li Z C, Bi B G, Jin R H, et al. 2014. The development and application of the modern weather forecast in China for the recent 10 years[J]. Acta Meteor Sinica, 72(6): 1069–1078.
DOI:10.11676/qxxb2014.090 |
|
林文实, 李江南, 樊琦, 等. 2007. 云微物理参数化对华北降雪影响的数值模拟[J]. 高原气象, 26(1): 107–115.
Lin W S, Li J N, Fan Q, et al. 2007. Numerical simulation of impact of the microphysical parameterization on snowfall over North China[J]. Plateau Meteor, 26(1): 107–115.
|
|
娄珊珊, 陈光舟, 邱学兴. 2015. 不同参数化方案对安徽一次暴雨过程模拟的影响分析[J]. 气象科学, 35(3): 370–378.
Lou S S, Chen G Z, Qiu X X. 2015. Impact of various parameterization schemes in WRF model on numerical simulation of a heavy rainfall in Anhui[J]. J Meteor Sci, 35(3): 370–378.
DOI:10.3969/2014jms.0027 |
|
楼小凤, 胡志晋, 王鹏云, 等. 2003. 中尺度模式云降水物理方案介绍[J]. 应用气象学报, 14(supp1): 49–59.
Lou X F, Hu Z J, Wang P Y, et al. 2003. Introduction to microphysical schemes of mesoscale atmospheric models and cloud models[J]. J Appl Meteor Sci, 14(supp1): 49–59.
|
|
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 1819 August 2010[J]. Chinese J Atmos Sci, 36(4): 835–850.
DOI:10.3878/j.issn.1006-9895.2011.11159 |
|
孙晶, 楼小凤, 史月琴. 2011. 不同微物理方案对一次梅雨锋暴雨过程模拟的影响[J]. 气象学报, 69(5): 799–809.
Sun J, Lou X F, Shi Y Q. 2011. The effects of different microphysical schemes on the simulation of a meiyu front heavy rainfall[J]. Acta Meteor Sinica, 69(5): 799–809.
DOI:10.11676/qxxb2011.070 |
|
陶诗言. 1980. 中国之暴雨[M]. 北京: 科学出版社, 115-121.
Tao S Y. 1980. Heavy rainfalls in China[M]. Beijing: Science Press, 115-121.
|
|
王洪, 尹金方, 王东海. 2014. 单双参云微物理方案对华南暴雨的模拟对比分析[J]. 高原气象, 33(5): 1341–1351.
Wang H, Yin J F, Wang D H. 2014. Comparative analysis of single-moment and double-moment microphysics schemes on a local heavy rainfall in South China[J]. Plateau Meteor, 33(5): 1341–1351.
DOI:10.7522/j.issn.1000-0534.2013.00119 |
|
徐国强, 梁旭东, 余晖, 等. 2007. 不同云降水方案对一次登陆台风的降水模拟[J]. 高原气象, 26(5): 891–900.
Xu G Q, Liang X D, Yu H, et al. 2007. Precipitation simulation using different cloud-precipitation schemes for a landfall typhoon[J]. Plateau Meteor, 26(5): 891–900.
|
|
闫之辉, 邓莲堂. 2007. WRF模式中的微物理过程及其预报对比试验[J]. 沙漠与绿洲气象, 1(6): 1–6.
Yan Z H, Deng L T. 2007. Description of microphysical processes in WRF model and its prediction experiment[J]. Desert and Oasis Meteor, 1(6): 1–6.
|
|
尹金方, 王东海, 翟国庆. 2014. 区域中尺度模式云微物理参数化方案特征及其在中国的适用性[J]. 地球科学进展, 29(2): 238–249.
Yin J F, Wang D H, Zhai G Q. 2014. A study of characteristics of the cloud microphysical parameterization schemes in mesoscale models and its applicability to China[J]. Adv Earth Sci, 29(2): 238–249.
DOI:10.11867/j.issn.1001-8166.2014.02-0238 |
|
曾明剑, 王桂臣, 吴海英, 等. 2015. 基于中尺度数值模式的分类强对流天气预报方法研究[J]. 气象学报, 73(5): 868–882.
Zeng M J, Wang G C, Wu H Y, et al. 2015. Study of the forecasting method for the classified severe convection weather based on a meso-scale numerical model[J]. Acta Meteor Sinica, 73(5): 868–882.
|
|
张大林. 1998. 各种非绝热物理过程在中尺度模式中的作用[J]. 大气科学(4): 548–561.
Zhang D L. 1998. Roles of various diabatic physical processes in mesoscale models[J]. Chinese J Atmos Sci(4): 548–561.
|
|
赵思雄, 孙建华. 2013. 近年来灾害天气机理和预测研究的进展[J]. 大气科学, 37(2): 297–312.
Zhao S X, Sun J H. 2013. Study on mechanism and prediction of disastrous weathers during recent years[J]. Chinese J Atmos Sci, 37(2): 297–312.
DOI:10.3878/j.issn.1006-9895.2012.12317 |
|
赵震, 雷恒池, 吴玉霞. 2005. MM5中新显式云物理方案的建立和数值模拟[J]. 大气科学, 29(4): 609–619.
Zhao Z, Lei H C, Wu Y X. 2005. A new explicit microphysical scheme in MM5 and numerical simulation[J]. Chinese J Atmos Sci, 29(4): 609–619.
|
|
朱格利, 林万涛, 曹艳华. 2014. 用WRF模式中不同云微物理参数化方案对华南一次暴雨过程的数值模拟和性能分析[J]. 大气科学, 38(3): 513–523.
Zhu G L, Lin W T, Cao Y H. 2014. Numerical simulation of a rainstorm event over south china by using various cloud microphysics parameterization schemes in WRF model and its performance analysis[J]. Chinese J Atmos Sci, 38(3): 513–523.
DOI:10.3878/j.issn.1006-9895.2013.13202 |
2. State Key Laboratory of Operation and Control of Renewable Energy and Storage Systems, China Electric Power Research Institute, Beijing 100192, China;
3. College of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, Sichuan, China;
4. State Key Laboratory Of Severe Weather(LaSW), Chinese Academy of Meteorological Sciences, Beijing 100081, China