《Atmospheric Research》：Performance evaluation and mechanism analysis of different ice particle distribution shape parameter schemes in BCC-AGCM
编辑推荐：
本研究在BCC-AGCM中设计了不同固定冰晶粒径分布形状参数μ（3、5、8）的敏感性实验，对比诊断方案。结果表明，μ=3和5的方案在云量、辐射及降水模拟中显著优于默认μ=0，其中μ=5在各项指标上最接近诊断方案，而μ=8因冰粒质量浓度过高导致偏差。优化μ值可提升模型对云物理过程和气候变量的模拟精度。
林鹏程|卢春松|刘一鸣|何欣|李俊俊|吴同文|卢一雄
中国气象局气溶胶-云与降水重点实验室及气象灾害预报与评估协同创新中心（CIC-FEMD），南京信息科学大学，南京210044，中国
摘要
冰云微物理过程的表示仍然是通用环流模型（GCMs）中不确定性的主要来源。许多模型假设冰粒子尺寸分布的形状参数（μ）为零，这与观测结果不符。先前的工作在北京气候中心大气通用环流模型（BCC-AGCM）中实现了一种诊断性的μ方案。本研究探讨了计算成本更低的固定μ方案（μ = 3、5和8）是否能够达到与诊断方案相当的性能。结果表明，所有修改后的方案（μ ≠ 0）都减少了模型偏差，包括云分数和云辐射强迫的低估，以及总降水的过高估计。基于Kling-Gupta效率（KGE）和平均排名（M_R）得分的评估表明，μ = 3和μ = 5的方案是有效的替代方案（M_R = 0.486），其性能最接近诊断方案（M_R = 0.600）。与诊断方案类似，增加μ会缩小冰粒子谱，减弱冰向雪的自动转化和冰沉积，并增强沉积生长。这些变化在μ = 3和μ = 5的方案中增加了云冰质量浓度，纠正了高云分数的低估。相比之下，μ = 8的方案由于冰质量过多而导致了高估。因此，μ = 3的方案在模拟总云分数和长波云辐射强迫方面表现最佳，而μ = 5的方案在所有变量上都有所改进。结果证实，优化冰晶光谱形状参数可以有效提高模型性能。
引言
作为地球气候系统中最为复杂和多变的组成部分，云在全球能量平衡和水循环中起着关键作用（Li等人，2025；Wang等人，2014；Zhao等人，2023）。云内的复杂微物理过程，如水蒸气凝结、沉积、粒子碰撞生长和相变，直接决定了降水的形成和演变（Tao等人，2012；Wang等人，2013）。然而，云的准确模拟和参数化仍然是当前通用环流模型（GCMs）面临的最大挑战之一（Grabowski等人，2019；Waliser等人，2009；Yu等人，2019）。这也是气候预测中不确定性的主要来源，正如政府间气候变化专门委员会（IPCC）的评估报告所强调的（Forster等人，2021；IPCC，2021）。特别是，由于冰晶形态的多样性、粒子尺寸分布（PSDs）的复杂性以及它们与动力学和辐射过程的相互作用，冰云和混合相云中的微物理过程在模型中表示起来特别困难（Grabowski和Morrison，2008；Li等人，2013；Zhao等人，2017；Zhao和Liu，2021）。这些挑战导致在模拟云分数、辐射特性和全球降水模式时出现显著偏差。因此，模型中云微物理过程的准确表示，尤其是冰相过程，对于提高气候模拟和预测的准确性至关重要。
当前气候模型中的云微物理方案通常采用Gamma分布（Khain等人，2015），表示为，其中D是粒子直径，n(D)是直径为D的粒子数量，N?、λ和μ分别代表截距、斜率和形状参数。形状参数μ描述了PSDs的分布情况。较大的μ值表示PSD较窄，粒子更集中在平均尺寸附近，而较小的μ值对应于较宽的分布（Wang等人，2021；Yeom等人，2025）。Morrison和Gettelman（2008）开发的双矩微物理方案（MG方案）通常可以预测质量和数量浓度，从而跟踪冰PSD的N?和λ的变化。然而，为了简化数值计算，该方案假设μ = 0，使得冰PSD遵循Marshall-Palmer（M-P）分布。相比之下，三矩方案引入了第三个预报变量（例如雷达反射率），允许形状参数μ动态变化。实际上，大量的现场飞机观测表明，实际的冰PSD并不总是指数分布的。形状参数μ随温度、冰水含量（IWC）和动力学条件而变化，通常取正值（Heymsfield，2003；McFarquhar和Heymsfield，1997；McFarquhar等人，2015；Tian等人，2010）。由于许多当前模型假设μ = 0而偏离这些观测结果，因此理解这种差异的影响至关重要。先前的敏感性研究表明，模型结果对形状参数μ的值非常敏感，调整μ使其更接近观测值将导致更可靠的气候模拟。例如，Milbrandt和Yau（2005a）发现，在双矩方案中将μ从0增加到3可以改善沉积的表示，使其更接近三矩方案和准解析解的结果。Zhang等人（2022）在Community Atmosphere Model版本6（CAM6）中为冰PSD设置了不同的正μ值。他们发现，增加μ通常会增加冰质量浓度，同时减少大多数地区的数量浓度。
选择和优化形状参数μ主要有三种方法。第一种方法是使用固定值μ，这种方法简单且计算效率高，易于在模型框架内实现。许多通过与观测结果的比较发现，使用较小的正整数μ可以改善云和辐射的模拟效果，优于默认的μ = 0方案（Milbrandt和Yau，2005a；Thompson等人，2008）。Zhang等人（2022）使用CAM6模型的模拟结果显示，将μ从0增加到5可以使长波云辐射效应提高25.11%，并对流降水率降低7.64%。第二种方法是三矩方案，它将μ视为一个预报变量，使其随模型的动力学和热力学场演变（Chen和Tsai，2016；Dawson等人，2014；Deng等人，2018；Loftus等人，2014；Milbrandt和Yau，2005b）。这种类型的方案在理论上更为先进，可以捕捉更多的微物理细节，但其缺点是计算成本增加（Milbrandt和Yau，2006）。第三种方法是参数化方案，其中μ基于模型内的其他变量计算。例如，Xie等人（2017）在CAM 5.1中实现了云滴光谱分散的参数化，明确考虑了分散效应和气溶胶的间接效应，从而改善了短波云辐射强迫的模拟。Yin等人（2022）根据从观测中得到的经验λ–μ关系恢复了雨滴和雪粒子的形状参数，从而优化了模型对两次强降水事件的模拟。
然而，随着气候模型的空间分辨率不断提高，有限的计算资源需要平衡各种物理过程参数化的复杂性（Bordoni等人，2025；Schneider等人，2017）。单个物理方案的计算复杂性的任何增加都可能减少其他过程可用的资源。先前的研究已经证明了优化μ可以改善各种模型中的模型性能。例如，Zhang等人（2022）测试了不同固定μ值对CAM6中辐射和降水过程的影响，但没有确定最佳值。另一方面，Lin等人（2025）在BCC-AGCM中引入了一种参数化方案来诊断μ，并确认其改善了云分数、辐射和降水的模拟效果。这提出了一个关键问题：是否可以确定一个最佳的固定μ值，使其性能与参数化方案相当，而不会大幅增加计算成本？为了解决这个问题，本研究利用BCC-AGCM设计了一系列敏感性实验，评估了各种固定μ方案的模拟性能与Lin等人（2025）的诊断μ参数化方案相比的情况。本研究进一步量化了相关冰相微物理过程的变化，并揭示了不同方案影响云、辐射和降水的物理机制。
模型和实验设置
本研究使用的模型是BCC-AGCM3-HR，它是北京气候中心气候系统模型高分辨率版本（BCC-CSM2-HR）的大气组成部分。其动力学核心使用了Wu等人（2008）开发的光谱框架。该模型的水平分辨率为T266（大约45公里×45公里），具有56个垂直层，从地面延伸到模型顶部的压力为0.156百帕。模型中的默认微物理方案是Morrison和Gettelman（MG）双矩方案
模拟结果评估
基于CloudSat-CALIPSO、CERES-EBAF和GPCP观测数据集，本研究使用Aras图评估了不同敏感性实验的模拟结果。评估重点关注全球云分数（低、中、高和总云）、辐射特性（长波和短波云辐射强迫）以及总降水量。作为初步概述，图3展示了这些变量的纬向分布。
总结与讨论
本研究系统地比较了一系列具有不同固定μ值的敏感性实验与BCC-AGCM中现有的诊断μ参数化方案。我们评估了模型在模拟气候变量方面的性能，包括云分数、云辐射强迫和降水。主要结论如下：
具有不同μ值的方案显著影响了BCC-AGCM的整体模拟性能，并有效减少了关键偏差
CRediT作者贡献声明
林鹏程：撰写 – 审稿与编辑，撰写 – 原始草稿，可视化，方法论，数据分析。卢春松：撰写 – 审稿与编辑，监督，资金获取，概念化。刘一鸣：软件，数据分析。何欣：撰写 – 审稿与编辑。李俊俊：撰写 – 审稿与编辑，可视化。吴同文：撰写 – 审稿与编辑。卢一雄：撰写 – 审稿与编辑。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。
致谢
本研究得到了国家自然科学基金（资助编号：42325503、42230608）的支持。卢春松在南京信息科学大学的任职部分得到了江苏省特聘教授（资助编号：R2024T01）的支持。我们感谢南京信息科学大学的高性能计算中心对这项工作的支持。
