智協(xié)飛 董甫 張玲 吉璐瑩 朱壽鵬

摘要 基于WRFV3.6.1，利用其8個(gè)云微物理參數(shù)化方案對(duì)2010—2016年華南汛期（4—9月）的6個(gè)南風(fēng)型暖區(qū)暴雨個(gè)例進(jìn)行數(shù)值模擬與多方案集成試驗(yàn)，并采用基于對(duì)象的診斷評(píng)估方法（MODE）對(duì)模擬結(jié)果進(jìn)行評(píng)估。結(jié)果發(fā)現(xiàn)對(duì)于大多數(shù)個(gè)例，WRF模式都能較好地模擬出暖區(qū)暴雨的降水帶，對(duì)暖區(qū)降水帶模擬最好的參數(shù)化方案是WSM6方案，其次是Lin方案;模擬效果較差的參數(shù)化方案為CAM5.1與NSSL 2-mon方案。選取模擬結(jié)果較好的個(gè)例進(jìn)行診斷分析，發(fā)現(xiàn)不同參數(shù)化方案得到的動(dòng)力學(xué)特征以及云微物理特征相關(guān)變量存在較大差異，導(dǎo)致模擬降水的差異。在單方案模擬的基礎(chǔ)上，開(kāi)展多方案集成試驗(yàn)，發(fā)現(xiàn)多方案集成方法能夠有效降低模式模擬的不確定性，產(chǎn)生更穩(wěn)定的模擬結(jié)果。

關(guān)鍵詞 WRF模式;云微物理參數(shù)化方案;暖區(qū)暴雨;MODE

華南位于我國(guó)低緯度地區(qū)，降水活動(dòng)受到低緯度系統(tǒng)與中高緯度系統(tǒng)的共同影響，是我國(guó)雨量最充沛的地區(qū)。華南地區(qū)汛期雨季從4月開(kāi)始，直到9月結(jié)束，降水呈明顯的雙峰結(jié)構(gòu)，以對(duì)流性降水為主（Luo et al.，2013;Chen et al.，2015）。華南暖區(qū)暴雨是華南暴雨的一大特點(diǎn)，一般是指發(fā)生在華南地面鋒面南側(cè)暖區(qū)，或是在南嶺至南海北部沒(méi)有鋒面存在，華南地區(qū)不受冷空氣或變性冷高脊控制時(shí)產(chǎn)生的暴雨（黃士松，1986）。大量研究表明，暖區(qū)暴雨與鋒面暴雨在觸發(fā)、維持和發(fā)展機(jī)制、動(dòng)力和熱力的結(jié)構(gòu)、與大尺度系統(tǒng)的相互作用以及中尺度對(duì)流環(huán)境等方面具有很大的不同（Luo et al.，2017;Du and Chen，2018）。相比于鋒面暴雨，暖區(qū)暴雨產(chǎn)生的降水強(qiáng)度更大，降水范圍更小，因此預(yù)報(bào)難度更大，常造成重大的經(jīng)濟(jì)損失和人員傷亡（Tao and Chen，1987;Xie et al.，2006）。因此對(duì)華南暖區(qū)暴雨的研究是我國(guó)暴雨研究的重點(diǎn)難點(diǎn)之一。

由于暖區(qū)暴雨的中尺度特性，研究暖區(qū)暴雨往往需要借助高分辨率數(shù)值模式（Wu and Luo，2016）。WRF模式憑借其詳細(xì)的物理過(guò)程，提供了大量的參數(shù)化方案，成為目前最常用的數(shù)值模式之一。選取合適的參數(shù)化方案是暴雨模擬的關(guān)鍵。研究發(fā)現(xiàn)，云微物理參數(shù)化方案在對(duì)降水模擬中起著重要作用，相比于積云參數(shù)化方案，對(duì)降水有更大的影響（黃海波等，2011）。云物理過(guò)程是中尺度數(shù)值模式中最重要的非絕熱加熱過(guò)程之一，云中水汽和各種水凝物之間的相互轉(zhuǎn)化，以及它們的動(dòng)力、熱力效應(yīng)直接影響天氣過(guò)程（馬嚴(yán)枝等，2012）。不同的微物理方案對(duì)大氣的溫濕結(jié)構(gòu)的模擬存在明顯的差異（張大林，1998）。尹金方等（2014）統(tǒng)計(jì)了2000—2012年中國(guó)區(qū)域內(nèi)針對(duì)WRF模式中云微物理方案敏感性試驗(yàn)研究的結(jié)果，發(fā)現(xiàn)Lin方案的模擬效果最好。張小培和銀燕（2013） 對(duì)復(fù)雜地形地區(qū)WRF模式四種邊界層參數(shù)化方案進(jìn)行了綜合評(píng)估。梅欽等（2018）利用不同的微物理方案以及積云對(duì)流方案對(duì)發(fā)生在湖北及周邊地區(qū)的12次暴雨過(guò)程進(jìn)行回報(bào)，發(fā)現(xiàn)CAM 5.1方案優(yōu)于其他方案，Morrison 2-mon方案次之。徐之驍和徐海明（2016）用17種不同的微物理方案對(duì)一次暴雨過(guò)程進(jìn)行對(duì)比試驗(yàn)，發(fā)現(xiàn)不同微物理方案對(duì)不同量級(jí)的降水的模擬效果各有優(yōu)勢(shì)：NSSL1-mon方案對(duì)中雨和大暴雨量級(jí)的模擬效果最好，在大雨和暴雨量級(jí)上，Eta和Kessler方案最優(yōu)。周彥均等（2019）利用不同的邊界層參數(shù)化方案對(duì)江淮一次暴雨過(guò)程進(jìn)行數(shù)值試驗(yàn)，發(fā)現(xiàn)不同的參數(shù)化方案對(duì)降水中心強(qiáng)度及位置的模擬有明顯的差異。

除了選取參數(shù)化方案之外，評(píng)估高分辨率模式預(yù)報(bào)結(jié)果也是暴雨模擬的重要任務(wù)之一（潘留杰等，2014）。目前，使用較多的評(píng)估方法是傳統(tǒng)的檢驗(yàn)方法，如TS評(píng)分等，該類(lèi)方法主要采用點(diǎn)對(duì)點(diǎn)的檢驗(yàn)方式，通常要求預(yù)報(bào)和實(shí)況在網(wǎng)格上匹配。但是此類(lèi)方法存在不足之處：首先，實(shí)況資料的分辨率通常低于高分辨率數(shù)值模式的分辨率，兩者在空間尺度上無(wú)法匹配，使得對(duì)數(shù)值模式的評(píng)估不夠客觀;此外，傳統(tǒng)的檢驗(yàn)方法對(duì)降水落區(qū)較為敏感，如TS評(píng)分同時(shí)考慮了空?qǐng)?bào)率以及漏報(bào)率，存在所謂的“雙重懲罰”現(xiàn)象（張冰等，2012），使得高分辨率數(shù)值模式中微小的降水區(qū)位置偏差就能導(dǎo)致較差的評(píng)估結(jié)果。因此，傳統(tǒng)的評(píng)估方法難以精確客觀地評(píng)估高分辨率數(shù)值模式對(duì)中小尺度天氣事件的預(yù)報(bào)性能（馬申佳等，2018）。近年來(lái)，空間檢驗(yàn)法得到了迅速的發(fā)展，如鄰域法（Ebert，2008;潘留杰等，2015），屬性判別法（Ebert，2009）等?？臻g檢驗(yàn)法在關(guān)注傳統(tǒng)技巧評(píng)分的同時(shí)，更加注重預(yù)報(bào)和實(shí)況在空間上不同尺度的差異。MODE（Method for Object-Based Diagnostic Evaluation）方法（Davis et al，2006a，2006b）就是空間檢驗(yàn)法中的一種典型的屬性判別法。MODE方法能夠有效識(shí)別空間預(yù)報(bào)誤差來(lái)源，并將這些有效信息反饋給研究人員，從而改進(jìn)預(yù)報(bào)模式（尤鳳春等，2011;Johnson and Wang，2013）。相比于傳統(tǒng)的評(píng)估方法，MODE方法具有明顯的優(yōu)勢(shì)以及較高的應(yīng)用價(jià)值（王國(guó)榮等，2014）。本文選取廣西沿海地區(qū)的6個(gè)典型南風(fēng)型暖區(qū)暴雨個(gè)例，利用MODE評(píng)估方法對(duì)WRF模式中多種微物理參數(shù)化方案進(jìn)行檢驗(yàn)評(píng)估，并開(kāi)展多方案集成試驗(yàn)，期望得到較好的降水模擬結(jié)果。

1 資料與方法

1.1 實(shí)況資料

選取中國(guó)自動(dòng)站與CMORPH（Climate Precipitation Center Morphing）降水產(chǎn)品融合的逐時(shí)降水網(wǎng)格數(shù)據(jù)（空間分辨率0.1°×0.1°）為實(shí)況資料。該資料以CMORPH衛(wèi)星反演降水作為背景場(chǎng)，基于中國(guó)大陸地區(qū)3萬(wàn)多個(gè)自動(dòng)氣象站觀測(cè)的逐時(shí)降水量分析的中國(guó)降水格點(diǎn)分析產(chǎn)品作為地面觀測(cè)場(chǎng)，采用PDF和OI兩步融合方法生成（Shen et al.，2014）。

此外，利用ECMWF（European Centre for Medium-Range Weather Forecasts）提供的ERA5再分析資料（1 h，0.25°×0.25°），使用其水平風(fēng)場(chǎng)（u，v），垂直速度場(chǎng)（w）、渦度場(chǎng)（vo）、散度場(chǎng)（d）、相對(duì)濕度場(chǎng)（rh）以及溫度場(chǎng)（t）進(jìn)行研究。

1.2 暖區(qū)暴雨個(gè)例選取

陳翔翔等（2012）將華南前汛期的暖區(qū)暴雨分為低渦型、切變線型以及偏南風(fēng)風(fēng)速切變輻合型，發(fā)現(xiàn)偏南風(fēng)型暖區(qū)暴雨是發(fā)生次數(shù)最多的暖區(qū)暴雨類(lèi)型。劉瑞鑫等（2019）進(jìn)一步對(duì)華南汛期暖區(qū)暴雨的時(shí)空分布進(jìn)行分析，發(fā)現(xiàn)廣西沿海地區(qū)是華南汛期降水的主要中心之一，并且南風(fēng)型暖區(qū)暴雨是廣西沿海地區(qū)暖區(qū)暴雨的主要類(lèi)型之一，因此廣西沿海南風(fēng)型暖區(qū)暴雨是華南暖區(qū)暴雨的重要組成部分。由于單個(gè)個(gè)例的不確定性較大，評(píng)估具有偶然性，因此本文對(duì)2010—2016年華南汛期（4—9月）發(fā)生在廣西沿海地區(qū)的6個(gè)典型南風(fēng)型暖區(qū)暴雨個(gè)例（表1）進(jìn)行模擬，6個(gè)暖區(qū)暴雨個(gè)例的降水均達(dá)到大暴雨量級(jí)以上（24 h累積降水大于等于100 mm）。

1.3 模式選取與微物理參數(shù)化方案

試驗(yàn)采用WRFV3.6.1版本，利用美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心 （National Centers for Environmental Prediction，NCEP）1°×1°的FNL再分析資料提供初值以及側(cè)邊界條件，對(duì)2010—2016年4—9月發(fā)生在廣西沿海地區(qū)的6個(gè)典型暖區(qū)暴雨個(gè)例進(jìn)行模擬。6個(gè)個(gè)例的模擬時(shí)間設(shè)置如表1所示，逐1 h輸出一次數(shù)據(jù)。區(qū)域設(shè)置為兩重嵌套（圖1），網(wǎng)格中心位于（114°E，25.5°N），外層網(wǎng)格分辨率為12 km，格點(diǎn)數(shù)為240×240，內(nèi)層網(wǎng)格分辨率為4 km，格點(diǎn)數(shù)為421×451，垂直方向不等距分為42層。除了微物理參數(shù)化方案外，其他參數(shù)化方案都一致，具體設(shè)置見(jiàn)表2。

本文采用8種不同的微物理參數(shù)化方案進(jìn)行評(píng)估試驗(yàn)，分別為L(zhǎng)in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）是一種較為復(fù)雜的微物理參數(shù)化方案，預(yù)報(bào)量包括水汽混合比、云水、雨水、云冰、雪和霰，包括飽和調(diào)整及冰晶沉降，該方案是WRF模式中較為成熟的方案，適用于對(duì)實(shí)時(shí)資料的高分辨率模擬。WSM6方案（Hong and Lim，2006）在WSM3方案（Hong et al.，2004）和WSM5方案的基礎(chǔ)上加入了固態(tài)水成物霰粒子預(yù)報(bào)，基本的微物理過(guò)程與Lin方案類(lèi)似。Thompson方案 （Thompson et al.，2008）是一個(gè)考慮了冰、雪、霰過(guò)程的新物理方案，與傳統(tǒng)的單方案相比，增加了云冰和數(shù)濃度的模擬，并假設(shè)雪粒子為非球面，密度隨直徑變化而變化。Morrison 2-mon方案（Morrison et al.，2009）是一種雙參數(shù)方案，它顯式求解云中的過(guò)飽和度和凝結(jié)、凝華項(xiàng)，考慮了40余種微物理過(guò)程以及雨水、冰晶、雪、霰等水成物的混合比和數(shù)濃度、云水和水汽的混合比，應(yīng)用較為廣泛。CAM5.1方案是由CAM5模式移植到WRF模式中，模擬了包括云水、雨水、冰晶、雪、霰等的混合比和雨水、冰晶、雪、霰等的數(shù)濃度，是較為復(fù)雜的雙參數(shù)化方案。WDM5方案和WDM6方案（Lim and Hong，2010）分別是在WSM5方案和WSM6方案的基礎(chǔ)上發(fā)展，分別在原來(lái)的基礎(chǔ)上增加了數(shù)濃度的模擬，并且WDM6方案加強(qiáng)了雷達(dá)反射率，增強(qiáng)了強(qiáng)降水活動(dòng)。NSSL 2-mon方案（Mansell et al.，2010）增加了雹粒子的混合比和數(shù)濃度預(yù)報(bào)，以及云凝結(jié)核的體積濃度等變量，模擬更為復(fù)雜。

1.4 多方案集成方法

多方案集成往往能夠帶來(lái)更為穩(wěn)定的結(jié)果（梅欽等，2018）。為了有效降低預(yù)報(bào)的不確定性，本文采取多方案集成方法（ensemble mean，EMN），對(duì)模擬效果較好的3種參數(shù)化方案開(kāi)展集成試驗(yàn)。在具體的實(shí)施過(guò)程中，計(jì)算某格點(diǎn)是否有降水的方法為：當(dāng)有2個(gè)及以上的參數(shù)化方案預(yù)報(bào)該格點(diǎn)有降水時(shí)，將有降水的參數(shù)化方案結(jié)果進(jìn)行簡(jiǎn)單平均，否則認(rèn)為該格點(diǎn)無(wú)降水，降水量記為0。

1.5 模式檢驗(yàn)方法

本文利用基于對(duì)象的診斷評(píng)估方法（MODE），對(duì)模式模擬結(jié)果進(jìn)行評(píng)估。MODE方法作為最具有代表性的空間診斷分析技術(shù)之一，通過(guò)在預(yù)報(bào)場(chǎng)和觀測(cè)場(chǎng)中識(shí)別一系列“對(duì)象”，并賦予這些“對(duì)象”一定的空間屬性，通過(guò)比較預(yù)報(bào)場(chǎng)和觀測(cè)場(chǎng)中屬性的差異，應(yīng)用模糊邏輯算法來(lái)求得對(duì)象之間的相似度，從而產(chǎn)生客觀的評(píng)估結(jié)果。MODE方法的應(yīng)用主要通過(guò)4個(gè)步驟來(lái)實(shí)現(xiàn)。

本文中MODE評(píng)估的對(duì)象屬性包括質(zhì)心距離、面積比、強(qiáng)度比、最小邊界距離、軸角差以及交集比等6個(gè)空間診斷量，將其權(quán)重ω占比設(shè)為2∶2∶2∶1∶1∶1（Davis et al.，2009;Johnson and Wang，2013）。

2 模擬結(jié)果

2.1 MODE評(píng)估結(jié)果

圖2為6個(gè)南風(fēng)型暖區(qū)暴雨個(gè)例的實(shí)況過(guò)程累積降水，降水中心皆位于廣西南部的欽州-防城港-東興一帶，降水中心過(guò)程累積降水量達(dá)到100 mm以上，并且暖區(qū)降水起始時(shí)間皆位于00—03時(shí)（北京時(shí)）。在6個(gè)個(gè)例中，暖區(qū)降水帶多處于一致的西南風(fēng)的控制之下（個(gè)例1和個(gè)例2分別受到南風(fēng)以及東南風(fēng)的控制），在華南地區(qū)，沒(méi)有明顯的切變線、低渦等天氣系統(tǒng)影響，處于一致的南風(fēng)中，是典型的南風(fēng)型暖區(qū)暴雨的環(huán)流形勢(shì)（陳翔翔等，2012）。

可以看出，除了廣西南部的降水帶之外，在一些個(gè)例中，華南地區(qū)存在其他的降水帶，由于本文只考慮發(fā)生在廣西南部地區(qū)的暖區(qū)降水帶，因此對(duì)于這些降水對(duì)象（圖2b、e、f等位于華南北部的降水帶），本文不做相似度評(píng)估。

利用MODE方法對(duì)6個(gè)個(gè)例的不同微物理參數(shù)化方案的相似度評(píng)估結(jié)果由表3給出。雖然不同個(gè)例的最優(yōu)參數(shù)化方案不同，但是總體而言，模擬平均相似度較高的微物理參數(shù)化方案為WSM6方案以及Lin方案，相似度平均值分別為0.803和0.800;平均相似度最低的微物理參數(shù)化方案為CAM5.1方案，平均相似度為0.715。對(duì)于多數(shù)個(gè)例，暖區(qū)降水對(duì)象都能較好地模擬出來(lái)，平均相似度超過(guò)0.7，表明對(duì)于這些個(gè)例，不同參數(shù)化方案模擬的暖區(qū)降水帶都能與實(shí)況場(chǎng)能較好地匹配。而對(duì)于個(gè)例3，平均相似度低于0.7，并且所有的參數(shù)化方案評(píng)估相似度都在0.7以下，表明模擬對(duì)象與實(shí)況對(duì)象不匹配，模式對(duì)于暖區(qū)降水帶模擬不理想。以下選取相似度評(píng)分相對(duì)較高的個(gè)例1（圖2a），對(duì)不同參數(shù)化方案模擬對(duì)象的空間診斷量進(jìn)行討論，并進(jìn)一步對(duì)降水過(guò)程中的熱力、動(dòng)力條件以及云微物理?xiàng)l件進(jìn)行詳細(xì)的分析。

2.2 個(gè)例分析

個(gè)例1是模擬平均相似度最高的個(gè)例之一，平均相似度高于0.8，但是不同參數(shù)化方案差異明顯，不同參數(shù)化方案對(duì)個(gè)例1的模擬結(jié)果以及MODE的評(píng)估結(jié)果由圖3和表4給出。除了CAM5.1方案外，所有參數(shù)化方案的模擬對(duì)象相似度都高于0.8，其中WSM6方案相似度在0.9以上（圖3b），即模擬對(duì)象與實(shí)況對(duì)象（圖2a）的匹配較好。對(duì)個(gè)例1的暖區(qū)暴雨模擬最好的方案是WSM6方案，其次是Morrison 2-mon和Lin方案，三種方案的相似度均高于0.87，對(duì)暖區(qū)降水帶的形狀、位置、走向以及強(qiáng)度的模擬均非常出色（圖3a、b、d）。而模擬最差的方案為CAM5.1方案（圖3e），相似度為0.574，對(duì)該方案的空間診斷量進(jìn)行分析，發(fā)現(xiàn)其質(zhì)心距離相對(duì)較大，面積比較小，分別為43.2 km，0.046 1，并且強(qiáng)度比僅為0.297，遠(yuǎn)低于其他方案，表明該方案模擬的降水對(duì)象與實(shí)況對(duì)象的面積偏差較大，模式漏報(bào)嚴(yán)重，并且對(duì)降水有明顯的低估。對(duì)于WDM5方案、WDM6方案以及NSSL 2-mon方案（圖3f、g、h），雖然雨帶走向與實(shí)況差距較大（體現(xiàn)為軸角差較大），但由于軸角差的權(quán)重較小，并且3個(gè)方案對(duì)對(duì)象面積以及降水強(qiáng)度模擬較好，因此模式評(píng)分較高。

對(duì)比實(shí)況和模擬結(jié)果發(fā)現(xiàn)，空間診斷量能夠較好地體現(xiàn)出對(duì)象間的空間屬性差異。若是模擬的降水范圍較小，則體現(xiàn)為面積比較小。模擬降水的位置偏差主要體現(xiàn)在交集比與質(zhì)心距離的差異。軸角差較好地體現(xiàn)了降水帶走向的差異。強(qiáng)度比能夠反映對(duì)象間降水強(qiáng)度的差異?？梢?jiàn)，MODE評(píng)估方法能夠較好地體現(xiàn)模擬結(jié)果與實(shí)況場(chǎng)的空間差異，客觀地評(píng)估模式降水，具有較高的應(yīng)用價(jià)值。

圖4給出了2010年6月7日00時(shí)至08日00時(shí)，實(shí)況降水與模擬降水在107.5°～108.5°E、21.5°～22.5°N范圍內(nèi)的1 h累積降水最大值。從圖4中可以看出，8種參數(shù)化方案模擬的降水趨勢(shì)與實(shí)況較為一致，都是在15—16時(shí)達(dá)到最大，然后迅速減小。其中CAM5.1方案模擬的降水較小，在15時(shí)只有10 mm，與CAM5.1方案較低的強(qiáng)度比（0.297）一致。

通過(guò)以上分析可見(jiàn)，CAM5.1方案對(duì)此次暖區(qū)暴雨過(guò)程模擬效果較差。而Lin方案、WSM6方案與Morrison 2-mon方案模擬效果相對(duì)較好。因此，對(duì)Lin方案、WSM6方案與Morrison 2-mon方案進(jìn)行多方案集成，對(duì)比WSM6方案、CAM5.1方案、集成方案以及實(shí)況資料，分析不同方案的熱力、動(dòng)力條件以及云微物理特征，進(jìn)一步探討不同方案對(duì)此次過(guò)程模擬差異的原因，并對(duì)集成結(jié)果進(jìn)行分析。

圖5為6月7日15時(shí)實(shí)況再分析資料以及各方案模擬的相對(duì)濕度與假相當(dāng)位溫沿108°N的垂直剖面。從ERA5再分析資料可以看出（圖5a），在降水中心附近（21°～22°N），在850 hPa以下，假相當(dāng)位溫都大于350 K，并且在925 hPa以下，大氣的相對(duì)濕度大于等于90%）。從模擬結(jié)果來(lái)看（圖5b、c、d），假相當(dāng)位溫以及相對(duì)濕度的分布比實(shí)況更為復(fù)雜，但是不同的方案都與實(shí)況較為接近，在低層都為飽和區(qū)，并且850 hPa以下假相當(dāng)位溫都大于350 K。對(duì)于模擬的熱力條件，不同方案模擬差異較小。

圖6和圖7分別是為6月7日15時(shí)實(shí)況和各方案模擬的散度、渦度以及垂直速度沿108°E的垂直剖面。實(shí)況的輻合區(qū)（圖6a）和正渦度區(qū)（圖6b）較低，僅在925 hPa以下存在較強(qiáng)的輻合區(qū)以及正渦度區(qū)，強(qiáng)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，存在著較強(qiáng)的上升運(yùn)動(dòng)，垂直速度最大位于925 hPa左右，達(dá)到0.9 m/s（圖6c）。從模擬的渦度，散度場(chǎng)的配置來(lái)看，渦度和散度均比實(shí)況大一個(gè)量級(jí)，對(duì)于WSM6方案，模擬的散度較強(qiáng)（圖7a），在降水中心區(qū)700 hPa以下大小在1×10-3 s-1以上;正渦度區(qū)維持至600 hPa附近，中心位于925 hPa，強(qiáng)度大于1×10-3 s-1（圖7b）;最大垂直速度略高于實(shí)況，位于600 hPa附近，達(dá)1 m/s（圖7c）。而CAM5.1方案模擬的輻合層較淺薄，只持續(xù)至850 hPa左右，并且強(qiáng)度遠(yuǎn)低于WSM6方案模擬的散度（圖7d）;正渦度區(qū)僅延伸至925 hPa，正渦度中心強(qiáng)度僅為6×10-4 s-1，遠(yuǎn)小于WSM6方案（圖7e）;在垂直速度場(chǎng)上，CAM5.1方案的垂直速度最大僅為0.1 m/s，比實(shí)況和WSM6小一個(gè)量級(jí)（圖7f）。可見(jiàn)，對(duì)垂直速度、散度以及渦度模擬的差異是導(dǎo)致模式對(duì)降水模擬差異重要原因之一，反映了動(dòng)力條件對(duì)降水發(fā)生發(fā)展的重要性。集成方案的散度、渦度以及垂直速度位于CAM5.1方案與WSM6方案之間;輻合層高度達(dá)700 hPa，但是強(qiáng)度弱于WSM6方案的模擬結(jié)果，約為9×10-4 s-1;同樣地，正渦度層和垂直速度的分布與WSM6相似，但是強(qiáng)度小于WSM6方案的模擬結(jié)果。

進(jìn)一步從云中水成物的特征來(lái)分析此次暴雨過(guò)程，圖8為不同參數(shù)化方案沿108°E的云水、雨水混合比的垂直剖面。WSM6方案模擬的雨水混合比，在降水中心0 ℃溫度層以下最大達(dá)到2 g/kg，而CAM5.1方案的雨水混合比最大僅為0.8 g/kg;對(duì)于云水混合比，WSM6方案在0 ℃溫度層附近達(dá)到2 g/kg以上，而CAM5.1方案僅為0.8 g/kg?？梢?jiàn)，云中水成物的含量與降水強(qiáng)度有著密切的聯(lián)系，對(duì)云水、雨水混合比的預(yù)報(bào)影響著降水的預(yù)報(bào)。對(duì)于集成方案，雨水混合比大于2 g/kg，但是云水混合比僅為0.8 g/kg，集成方案介于WSM6方案與CAM5.1方案之間。

通過(guò)以上對(duì)熱力、動(dòng)力以及云微物理特征分析發(fā)現(xiàn)，不同方案熱力條件差異較小，較好的參數(shù)化方案對(duì)應(yīng)著較好的動(dòng)力條件以及云微物理?xiàng)l件;而較差的參數(shù)化方案則相反。因此，正是由于對(duì)相關(guān)物理量模擬的差異導(dǎo)致了不同方案降水模擬的差異。此外，集成方案的動(dòng)力條件以及云微物理?xiàng)l件雖然弱于模擬最好的方案，但是物理量場(chǎng)的分布較為一致，僅在強(qiáng)度上有所差異，總體上好于最差的參數(shù)化方案。

2.3 多方案集成試驗(yàn)

通過(guò)以上研究發(fā)現(xiàn)，雖然Lin方案以及WSM6方案的平均相似度最高，但是對(duì)于每個(gè)個(gè)例而言，最優(yōu)的參數(shù)化方案是不同的，單個(gè)方案在不同個(gè)例中相似度評(píng)分差異較大，如在個(gè)例1中，CAM5.1方案為模擬效果最差的方案，但在個(gè)例2中，模擬效果最好。為了降低模式預(yù)報(bào)的不確定性，發(fā)揮不同參數(shù)化方案的優(yōu)勢(shì)，選取總體預(yù)報(bào)效果較好的3個(gè)參數(shù)化方案（分別是Lin方案、WSM6方案以及Morrison2-mom方案），對(duì)6個(gè)個(gè)例的過(guò)程累積降水開(kāi)展集成預(yù)報(bào)試驗(yàn)，對(duì)集成的空間診斷量以及相似度進(jìn)行評(píng)估。

表5為6個(gè)個(gè)例的集成試驗(yàn)評(píng)估結(jié)果，發(fā)現(xiàn)多方案集成對(duì)相似度評(píng)分改進(jìn)明顯。比較集成方案（表5）與單個(gè)參數(shù)化方案的模擬結(jié)果（表3），雖然集成方案不是最優(yōu)的方案，但在所有個(gè)例中基本都位于前列，相比于單個(gè)方案，集成方案的結(jié)果更加穩(wěn)定?？梢?jiàn)集成方案能夠有效地減小預(yù)報(bào)的不確定性，降低預(yù)報(bào)誤差，得到更加穩(wěn)定的結(jié)果。該結(jié)論與使用傳統(tǒng)檢驗(yàn)方法得出的結(jié)論一致（梅欽等，2018）。

3 結(jié)論

為了比較WRF模式的不同微物理參數(shù)化方案對(duì)廣西沿海南風(fēng)型暖區(qū)暴雨的模擬效果，選取2010—2016年6個(gè)典型個(gè)例，開(kāi)展模擬試驗(yàn)與多方案集成試驗(yàn)，基于MODE方法對(duì)模擬結(jié)果進(jìn)行評(píng)估。重點(diǎn)選取評(píng)估結(jié)果較好的個(gè)例，根據(jù)空間診斷量的評(píng)估結(jié)果，對(duì)熱力、動(dòng)力以及云微物理特征進(jìn)行進(jìn)一步的分析。隨后選取較優(yōu)的參數(shù)化方案開(kāi)展集成試驗(yàn)，得出結(jié)論如下：

1）除了個(gè)例3，對(duì)于大多數(shù)個(gè)例，WRF模式都能較好地模擬出暖區(qū)降水帶，模式對(duì)象與實(shí)況對(duì)象的匹配度較高，參數(shù)化方案的平均相似度都大于0.7，表明模式能夠較準(zhǔn)確地模擬出暖區(qū)降水帶。

2）不同的微物理參數(shù)化方案對(duì)廣西沿海地區(qū)南風(fēng)型暖區(qū)暴雨的模擬有較大的差異。對(duì)模擬結(jié)果評(píng)估發(fā)現(xiàn)，模擬效果較好的方案是WSM6方案;其次是Lin方案，平均相似度分別為0.803和0.800;模擬效果較差的方案是CAM5.1方案，平均相似度為0.715?？傮w而言，MODE評(píng)估方法能夠較好地體現(xiàn)模擬結(jié)果與實(shí)況場(chǎng)的空間差異，客觀地評(píng)估模式降水，具有較高的應(yīng)用價(jià)值。

3）不同參數(shù)化方案得到的動(dòng)力特征以及云微物理特征相關(guān)變量存在較大差異，進(jìn)而影響降水的模擬。對(duì)比分析個(gè)例1的模擬最優(yōu)方案、最差方案、集成方案以及實(shí)況，發(fā)現(xiàn)在個(gè)例1中CAM5.1方案對(duì)相關(guān)物理量的模擬偏弱，因此對(duì)降水帶模擬較差;而WSM6方案則相反，對(duì)降水模擬結(jié)果較好;集成方案介于WSM6方案與CAM5.1方案之間。

4） 在單個(gè)方案模擬的基礎(chǔ)上開(kāi)展多方案集成試驗(yàn)，集成試驗(yàn)的相似度在每個(gè)個(gè)例中基本都位于前列?？梢?jiàn)多方案集成能夠有效降低模式的不確定性，產(chǎn)生更穩(wěn)定的預(yù)報(bào)結(jié)果。

以上結(jié)論是基于廣西沿海地區(qū)的6個(gè)暖區(qū)暴雨個(gè)例的評(píng)估結(jié)果，是否適用于其他地區(qū)或其他類(lèi)型的暖區(qū)暴雨，還需做進(jìn)一步研究。

參考文獻(xiàn)（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.

陳翔翔，丁治英，劉彩虹，等，2012.2000—2009年5、6月華南暖區(qū)暴雨形成系統(tǒng)統(tǒng)計(jì)分析[J].熱帶氣象學(xué)報(bào)，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，陳春艷，朱雯娜，2011.WRF模式不同云微物理參數(shù)化方案及水平分辨率對(duì)降水預(yù)報(bào)效果的影響[J].氣象科技，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）.

黃士松，1986.華南前汛期暴雨 [M].廣州：廣東科技出版社：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，F(xiàn)arley R D，Orville H D，1983.Bulk parameterization of the snow field in a cloud model[J].J Appl Meteor，22（6）：1065-1092.

劉瑞鑫，孫建華，陳鮑發(fā)，2019.華南暖區(qū)暴雨事件的篩選與分類(lèi)研究[J].大氣科學(xué)，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，陳超輝，智協(xié)飛，等，2018.基于時(shí)空不確定性的對(duì)流尺度集合預(yù)報(bào)效果評(píng)估檢驗(yàn)[J].氣象學(xué)報(bào)，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）.

馬嚴(yán)枝，陸昌根，高守亭，2012.8.19華北暴雨模擬中微物理方案的對(duì)比試驗(yàn)[J].大氣科學(xué)，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.

梅欽，智協(xié)飛，王佳，2018.WRF模式不同云參數(shù)化方案的暴雨預(yù)報(bào)能力檢驗(yàn)及集成試驗(yàn)[J].大氣科學(xué)學(xué)報(bào)，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，張宏芳，王建鵬，2014.數(shù)值天氣預(yù)報(bào)檢驗(yàn)方法研究進(jìn)展[J].地球科學(xué)進(jìn)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，張宏芳，陳小婷，等，2015.基于鄰域法的高分辨率模式降水的預(yù)報(bào)能力分析[J].熱帶氣象學(xué)報(bào)，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，F(xiàn)ield 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.

王國(guó)榮，陳敏，由鳳春，等，2014.基于對(duì)象診斷的空間檢驗(yàn)方法（MODE）[J].氣象科技，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.