雅鲁藏布河（YZR，也称为上游布拉马普特拉河）是青藏高原上最大和最高的河流流域。这条河流从西向东流经一个狭窄的山谷，然后在雅鲁藏布大峡谷处急剧转向南方。印度夏季季风带来的湿气渗透到这个山谷中（Yuan等人，2023年），产生了丰富的降水（Sang等人，2016年；Wang等人，2022年）。结合陡峭的地形，这使得该地区具有最大的水力发电潜力（Hoes等人，2017年；Zhang等人，2022a年），并促使人们计划建设梯级水电站。因此，对该流域内降水进行精细估计对于支持这些项目至关重要。
雅鲁藏布河流域的降水具有高度的空间变异性，且主要以对流形式存在。多年平均降水量显示出明显的梯度，从下游河谷的1400毫米以上降至上游喜马拉雅山脉的约300毫米（Jiang等人，2022b年；Wang等人，2020a年；Wang等人，2018年）。在雨季，雅鲁藏布河流域周边地区是亚洲大陆上白天对流最活跃的区域之一（Hirose和Nakamura，2005年；Schumacher和Houze，2003年；Taszarek等人，2021年）。这些对流系统占据了总降水量的绝大部分（Kukulies等人，2020年；Kukulies等人，2021年）。沿河流方向，对流形态有所不同。在上游山区，对流系统规模较小且昼夜循环明显（Mai等人，2021年；Norris等人，2017年）；而在下游山谷和平原地区，对流系统规模较大且持续时间更长（Kukulies等人，2021年；Norris等人，2017年）。因此，准确的降水估计需要详细捕捉对流降水系统及其沿河流的空间差异。
由于雅鲁藏布河流域现场观测数据的稀缺，降水估计受到很大限制（Wang等人，2022年；Wang等人，2020a年）。现有研究表明，基于雨量计的估计值明显低于独立的水量预算评估结果（Miao等人，2024年）和网格化产品（Chen等人，2023年）。这种低估部分是由于观测站主要集中在河谷地区，无法很好地反映高海拔地形（Miao等人，2024年）。在这种复杂地形条件下，大气建模已成为不可或缺的替代方法。研究表明，精心配置的模拟可以超越稀疏的观测网络（Jiang等人，2022a年；Lundquist等人，2019年）。
目前已有几套基于模拟的数据集可用于雅鲁藏布河流域的研究。这些数据集包括欧洲中期天气预报中心再分析版本5（ERA5）（Hersbach等人，2020年）、高亚洲精细分析（HAR）（Maussion等人，2014年）和高亚洲精细分析版本2（HAR2）（Wang等人，2021年）。然而，先前的研究表明，这些数据集的空间分辨率过于粗糙，无法准确反映复杂的地形和对流系统。例如，ERA5的0.25°分辨率导致的降水误差与小于0.25°的次网格尺度地形变化密切相关（Chen等人，2023年）。基于流量数据的评估进一步表明，ERA5高估了流域平均降水量（Sun等人，2021b年）。这种湿润偏差通常归因于粗分辨率下的不现实水汽传输（Lin等人，2018年）。ERA5也未能充分捕捉到流域的降水分布。调整ERA5的垂直降水梯度可以改善流量模拟结果（Sun等人，2019年）。尽管HAR在平均降水量估计上略有低估（Sun等人，2021a年；Zhang等人，2022b年），但由于其更高的空间分辨率，其表现优于ERA5。然而，HAR在北部和上游子流域的降水估计中存在高估现象。这表明，即使提高分辨率也不足以完全解析流域复杂的降水模式。
允许对流发生的模拟方法已成为改善雅鲁藏布河流域降水估计的一种有前景的方式。这些模拟的空间分辨率优于5公里，能够更好地解析复杂地形并明确表示对流降水系统（Clark等人，2016年；Giorgi，2019年；Guichard和Couvreux，2017年；Lucas-Picher等人，2021年；Prein等人，2015年，Prein等人，2020年）。这些改进提升了模拟的准确性，通常被称为附加值（Lucas-Picher等人，2021年）。
允许对流发生的模拟在青藏高原上的附加值已被广泛验证。多项研究（Lin等人，2018年；Wang等人，2020b年；Zhou等人，2021年）发现，这些模拟增强了喜马拉雅山脉南坡的地形降水效应，同时减弱了向青藏高原北部的水汽输送。Zhao等人（2021年）进一步表明，允许对流发生的模拟增强了从高原边缘流出的水汽，进一步减少了湿润偏差。
Liu等人（2022年）；Norris等人（2017年）；Li等人（2021年）发现，允许对流发生的模拟更好地再现了青藏高原上的降水昼夜循环。这种改进与白天垂直不稳定性的更好表示有关（Liu等人，2022年）。Sugimoto等人（2021年）；Norris等人（2017年）；Hunt等人（2022年）进一步表明，这些模拟更好地表示了喜马拉雅山坡上的夜间下沉气流（Egger等人，2000年；Z?ngl等人，2001年），从而使得山脚处的夜间降水更加真实。
Zou和Zhou（2024年）；Karki等人（2017年）进行了至少持续一年的允许对流发生的模拟。他们均表明，这些高分辨率模拟更有效地再现了观测到的季节性降水循环。Gao等人（2020年）在雪季进行了不同空间分辨率的对比模拟。他们的比较显示，允许对流发生的模拟在估计雪盖比例方面优于粗分辨率模拟，这有助于更好地模拟雪季的地表-大气相互作用。
允许对流发生的模拟的附加值取决于具体情境，会随着研究区域的特点和过程而变化。这种敏感性体现在模型域配置和参数化选择上。Collier等人（2024年）协调了2019年10月至2020年9月期间在青藏高原上进行的一系列模拟。这些模拟采用了四种不同的数值模型，具有不同的域范围、分辨率以及十种不同的积云、云微物理过程和行星边界层过程的参数化设置。他们发现整个模拟集合中存在一致性。然而，我们认为他们的结论仅限于所研究的云微物理过程和选定的评估站点。Coordinated Regional Downscaling Experiment（CORDEX）Convection-Permitting Third Pole（CPTP）项目（Prein等人，2023年）进行了更大规模的模拟，使用了不同的模型、设置和参数化方案，涵盖了地表、云微物理过程和行星边界层过程。该项目研究了三个高影响案例：2008年的10天洪水事件、2014年的36天强降雨季风期以及2018年10月的8天大雪事件。研究显示，行星边界层参数化和域大小的敏感性导致了显著的变化（Kukulies等人，2023年；Prein等人，2023年）。Lv等人（2020年）在青藏高原中部进行了另一系列允许对流发生的模拟。相反，他们发现行星边界层对降水的影响很小。这些差异可能源于不同域配置和过程的差异，需要针对特定区域进行进一步研究，以了解允许对流发生的模拟的附加值及其相关参数化的不确定性。
尽管取得了这些进展，但很少有研究探讨允许对流发生的模拟在水文应用中的降水估计效果。雅鲁藏布河独特的地理特征——一条从山脉延伸到平原的狭长山谷——在河流沿线形成了显著的降水梯度，这种梯度超过了纬度或经度的变化。这些分布模式影响了洪水发生的时间（Beven，2020年）和水力发电潜力。因此，我们在这种背景下研究了允许对流发生的模拟的附加值，并探讨了模型配置如何影响这一附加值。
为了解决这一差距，我们进行了十五次3公里分辨率的WRF模拟，这些模拟采用了不同的短波辐射、长波辐射、云微物理过程、行星边界层和地形重力波阻力的参数化设置。我们特别关注了沿河流的降水分布：从排水距离的角度分析了降水估计结果，这更符合水文应用的需求。分析的目标有两个：（1）确定允许对流发生的模拟的附加值；（2）揭示降水估计对模型参数化的敏感性。这些发现将为雅鲁藏布河流域长期、计算成本高的允许对流发生模拟提供科学依据。
本文的结构如下。第2节描述了WRF实验设计。第3节介绍了观测数据和分析方法。第4节展示了结果和讨论。第5节提供了结论。
