雅鲁藏布江沿线降水分布的对流允许模型中WRF参数化方案的对比分析与敏感性研究

《Atmospheric Research》：Intercomparison and sensitivity analysis of WRF parameterization schemes for convection-permitting modeling of precipitation distribution along the Yarlung Zangbo River

雅鲁藏布江流域3公里WRF模拟系统互比表明，高分辨率参数化优化可减少“细雨偏差”，提升降水强度、持续时间及昼夜分布准确性，云微物理和边界层参数化对降水特征影响显著，为复杂地形流域水文模型提供关键参数支持。

　　

卞青云|王书|杨恒|郑慧

北京IEIT SYSTEMS有限公司，邮编100095，中国

摘要

允许对流模拟为改善复杂地形中的降水估计提供了一种有前景的方法，然而其在雅鲁藏布河流域的附加值和对参数化的敏感性仍不甚清楚。本研究系统地比较了十五次3公里分辨率的WRF模拟，以探讨参数化选择（辐射、云微物理、行星边界层、浅层对流和地形阻力）如何影响对水文应用至关重要的降水特征：强度、持续时间、频率（IDF）、最大值和昼夜循环。结果表明，允许对流的模拟通过减轻粗分辨率模型典型的“毛毛雨偏差”并产生更高强度、更短持续时间的事件，从而增加了明显价值，这些事件更好地反映了该地区的对流特性。虽然更高分辨率改善了事件结构，但平均降水的准确性在很大程度上取决于参数化。敏感性分析显示，云微物理方案主要控制着强度、持续时间和昼夜峰值的时间，其中Thompson方案在接近正常年份时最能再现夜间峰值。行星边界层方案主导了降水频率，MYNN2方案在年际变化中表现出稳健的性能。与基于卷积神经网络的产品和粗分辨率再分析的比较表明，动态降尺度方法在年际变化中更为稳健（干旱年份与湿润年份）。尽管卫星观测产品之间存在相当大的不确定性，但这些发现表明，优化的允许对流模型能够捕捉到真实的山谷尺度梯度和昼夜传播，为复杂地形中的水文建模提供了重要指导。

引言

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流。印度夏季季风带来的水分渗透到这个山谷中（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，这造就了青藏-喜马拉雅地区最大的水力发电潜力（Hoes等人，2017年；Zhang等人，2022a年），并促使人们计划开发梯级水电站。因此，对该流域内的精细降水估计至关重要。

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最活跃的对流区域之一（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多数（Kukulies等人，2020年；Kukulies等人，2021年）。沿河流的对流形态各不相同。在上游山区，对流系统规模较小且具有明显的昼夜循环（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全面捕捉对流降水系统并细致区分它们沿河流的空间差异。

由于雅鲁藏布河流域实地观测数据的稀缺，降水估计受到很大阻碍（Wang等人，2022年；Wang等人，2020a年）。现有研究表明，基于水文站的估计值明显低于独立的水量预算评估（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水文站主要分布在河谷中，无法充分代表高海拔地形（Miao等人，2024年）。在这种复杂地形下，大气建模已成为不可或缺的替代方案。研究表明，配置合理的模拟可以胜过稀疏的观测网络（Jiang等人，2022a年；Lundquist等人，2019年）。

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第5版（ERA5）（Hersbach等人，2020年）、高亚洲精细分析（HAR）（Maussion等人，2014年）和高亚洲精细分析第2版（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）。基于径流的评估进一步表明，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水汽传输的不现实性（Lin等人，2018年）。ERA5也未能充分捕捉流域的降水分布。调整ERA5的垂直降水梯度可以改善流量模拟（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，HAR的表现优于ERA5。然而，HAR在高海拔和上游子流域高估了降水量。这种高估表明，即使提高分辨率也不足以解析流域复杂的降水模式。

允许对流的模拟已成为改善雅鲁藏布河流域降水估计的有前景的方法。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能力，通常被称为附加值（Lucas-Picher等人，2021年）。

允许对流模拟的附加值在青藏高原上得到了广泛验证。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作用，同时减弱了向青藏高原的北向水汽传输。这种地形效应减少了粗分辨率模拟中观察到的湿润偏差。Zhao等人（2021年）进一步表明，允许对流的模拟增强了来自高原边缘的水汽流出，进一步有助于减少湿润偏差。

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。这种改进与更好地表示白天的垂直不稳定性有关（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降风（Egger等人，2000年；Z?ngl等人，2001年），从而在山脚下产生了更真实的夜间降水。

Zou和Zhou（2024年）；Karki等人（2017年）进行了至少持续一年的允许对流模拟。他们都证明了这些高分辨率模拟更有效地再现了观测到的季节性降水周期。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，允许对流的模拟在估计雪盖比例方面优于粗分辨率模拟，这对于更好地模拟雪季的地表-大气相互作用有益。

允许对流模拟的附加值取决于具体背景，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、分辨率以及十种不同的积云、云微物理和行星边界层过程参数化方案。他们发现ensemble成员之间存在普遍的一致性。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，用于地表、云微物理和行星边界层过程。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。这些差异可能源于所研究的域配置和过程的差异，需要针对特定区域进行调查以了解允许对流模拟的附加值和相关参数化的不确定性。

尽管取得了这些进展，但很少有研究关注允许对流模拟在水文应用中的降水估计。雅鲁藏布河独特的几何形状——一条从山脉延伸到平原的狭长山谷——在河流沿线创造了明显的降水梯度，这种梯度超过了纬度或经度变化。这些分布模式影响了洪水形成的时间（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模拟的附加值，并探讨了模型配置如何影响这一价值。

为了解决这一空白，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、行星边界层和地形重力波阻力的参数化方案。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。这些发现将指导雅鲁藏布河流域进行科学上有吸引力但计算成本较高的长期允许对流模拟。

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。

部分内容

模拟设置

图1显示了3公里分辨率的模拟域。该模型使用了从地表到50 hPa的51个垂直层次。这些层次采用0.05的etac参数生成，使得垂直坐标主要跟随地形变化。雅鲁藏布河流域位于域的中心。设计了缓冲区，以便从粗分辨率边界条件发展出细尺度的大气结构（Denis等人，2002年；Denis等人，2003年）。我们在北部、东部和

数据

我们将模拟结果与雅鲁藏布河流域内九个中国气象局（CMA）站的日观测数据进行了验证（图1）。虽然这些站点分布稀疏，但主要集中在河流中游区域。为了描述整个流域的降水分布，我们补充了三个网格化观测数据集：全球降水测量（GPM）综合多卫星反演（IMERG）最终结果（Huffman等人，2019年）

使用实地观测数据进行评估

图3和表S1将十五次允许对流实验的结果与九个CMA站的日观测数据以及粗分辨率数据集（HAR、HAR2和ERA5）进行了对比。ERA5在接近正常年份2013年的相关性系数最高（0.57），并在干旱年份（2009年）和湿润年份（2016年）也保持了这一优势（图S1和S2）。这种稳健的相关性可能源于数据同化，有效地捕捉了大尺度天气系统。

更高的分辨率确实

结论

本研究系统地评估了允许对流（3公里分辨率）WRF模拟在雅鲁藏布河流域降水分布方面的附加值和过程敏感性。我们关注了与水文应用和洪水风险管理相关的指标：平均降水量、强度、持续时间、频率、每小时和每日最大值以及昼夜循环。通过将平均降水量分解为强度、持续时间和频率（使用低事件阈值> 1 × 10^-5 mm h^-1），我们确保了

CRediT作者贡献声明

卞青云：撰写——原始草稿、可视化、软件、资源收集、数据整理。王书：撰写——审稿与编辑、可视化、验证、正式分析、数据整理。杨恒：撰写——审稿与编辑、可视化、验证、正式分析、数据整理。郑慧：撰写——审稿与编辑、验证、软件、方法论、资金获取、概念化。

资助

本研究得到了国家重点研发计划（2023YFF0805501）和国家自然科学基金（资助编号42275178和42075165）的支持。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。