高篤鳴　李躍清　蔣興文　李娟　吳遙1成都信息工程學院大氣科學學院，成都6105中國氣象局成都高原氣象研究所，成都61007

WRF模式多種邊界層參數(shù)化方案對四川盆地不同量級降水影響的數(shù)值試驗

高篤鳴1, 2李躍清2蔣興文2李娟1, 2吳遙1, 2
1成都信息工程學院大氣科學學院，成都610225
2中國氣象局成都高原氣象研究所，成都610072

高篤鳴，李躍清，蔣興文，等. 2016. WRF模式多種邊界層參數(shù)化方案對四川盆地不同量級降水影響的數(shù)值試驗 [J]. 大氣科學, 40 (2): 371-389.Gao Duming, Li Yueqing, Jiang Xingwen, et al. 2016. Influence of planetary boundary layer parameterization schemes on the prediction of rainfall with different magnitudes in the Sichuan Basin using the WRF model [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 40 (2): 371-389, doi:10.3878/j.issn. 1006-9895.1503.14323.

利用中尺度模式WRF三種邊界層參數(shù)化方案（MYJ、YSU和ACM2），對2012年四川盆地夏季連續(xù)40天逐日降水量進行數(shù)值試驗，并檢驗評估了不同邊界層參數(shù)化方案下模式對分級降水量和邊界層結構的模擬能力，分析了各參數(shù)化方案對降水量模擬差異的可能原因。結果表明：三種邊界層參數(shù)化方案對較小量級（小雨和中雨）降水量的模擬，24 h時效優(yōu)于48 h，ACM2方案效果較好；對較大量級（大雨和暴雨）降水的模擬，48 h時效優(yōu)于24 h，YSU方案模擬效果較好。對比分析溫江站加密探空觀測與模式模擬的大氣邊界層結構表明，ACM2方案對小量級降水時邊界層結構的模擬較為準確，而YSU方案更適合于溫江站大量級降水時邊界層結構的模擬。不同邊界層參數(shù)化方案對各量級降水量模擬差異的可能原因是邊界層湍流混合強度的不同，MYJ方案湍流混合作用較弱，導致底層大量水汽積聚, 不穩(wěn)定性強，容易產(chǎn)生虛假降水，因此對各量級降水模擬能力均有限；YSU方案具有強烈的垂直混合強度，有利于局地水汽的向上輸送，更易達到大量級降水發(fā)生發(fā)展的條件，適用于盆地較大量級降水的模擬； ACM2方案在保證足夠湍流混合強度的同時，在較穩(wěn)定條件下會關閉非局地輸送，不致于產(chǎn)生過強降水，適合盆地較小量級降水的數(shù)值模擬。

1　引言

大氣環(huán)流對地球表面（陸面/水面）及其溫濕特性和非均勻性強迫產(chǎn)生強烈響應，形成地—氣系統(tǒng)之間極為復雜的非線性相互作用，行星邊界層（PBL）在這種相互作用過程中扮演著十分重要的角色。受地面熱力和動力作用影響，邊界層內(nèi)大氣運動為明顯的湍流性，是動量匯、濕熱源、動量、熱量和水汽的湍流輸送尤為突出（楊大升等，1983；葉篤正等，1988；趙鳴等，1991；伍榮生，2002）。然而由于對邊界層湍流運動觀測的困難性導致相應的理論并不成熟（沈桐立等，2003），加之當前中小尺度模式的可分辨尺度（幾千米到幾十千米）還遠遠達不到湍流輸送的特征尺度（十米到一百米），模式中往往采用邊界層參數(shù)化方案來描述湍流運動。

邊界層物理過程的參數(shù)化技術直接或間接地影響著數(shù)值預報效果，選擇和評估適合不同季節(jié)、不同區(qū)域、不同模式與不同預報對象的邊界層物理過程參數(shù)化方案愈來愈引起人們的高度重視，特別在邊界層參數(shù)化方案對降水的影響方面，國內(nèi)外學者做了大量工作。Jankov et al（2005，2007）使用WRF模式進行了多組不同物理參數(shù)化方案的敏感性試驗，指出了邊界層參數(shù)化方案對暴雨模擬的重要影響。徐慧燕等（2013）使用WRF模式中7種邊界層參數(shù)化方案對三次長江下游地區(qū)暴雨過程進行了模擬，表明QNSE方案的模擬能力最優(yōu)。肖玉華等（2010）利用MM5模式的4種邊界層方案對四川盆地兩次暴雨過程進行模擬，發(fā)現(xiàn)ETA方案對雨帶的預報能力最弱，MRF方案對雨帶的預報能力相對最強。沈新勇等（2014）使用WRF單氣柱模式中的MYJ和YSU邊界層參數(shù)化方案對TWP-ICE試驗期間的個例進行了模擬，指出在季風活躍期，YSU方案降水率偏小，MYJ方案模擬的降水更接近實況。趙鳴（2008）總結了近些年我國學者的研究指出：邊界層和陸面過程主要影響暴雨的強度和暴雨中心位置，而大尺度動力過程才是暴雨發(fā)生發(fā)展的主要因子。

由于不同邊界層參數(shù)化方案對不同情形大氣的考慮有所不同，各種方案對不同類型、不同區(qū)域降水的模擬應該存在差異。從以前的研究中可以看出，盡管人們在邊界層參數(shù)化方案對降水影響的研究上涉及物理過程及其量化處理的各個環(huán)節(jié)，但大部分研究僅針對一至兩個個例，且預報對象大多為暴雨，并未就邊界層參數(shù)化方案對不同量級降水的模擬性能進行分析，而本文試圖就這一問題進行相關討論。

四川盆地位于青藏高原東部，由于其特殊的地理地形，邊界層動力和熱力作用十分復雜，目前對適合四川盆地夏季降水量模擬的邊界層方案的認識和選擇上還有許多工作要做。因此，選擇、評估模式的邊界層參數(shù)化方案對更有效的提升四川盆地夏季降水量的預報能力具有積極意義。這里，利用中尺度模式WRF對四川盆地2012年6月21日到7月30日逐日降水量進行數(shù)值模擬試驗，分析評估MYJ、YSU和ACM2三種邊界層參數(shù)化方案對夏季四川盆地各量級降水數(shù)值模擬效果的影響，為WRF邊界層參數(shù)化方案的本地化深度應用提供依據(jù)。

2　模擬時段主要降水過程及洪澇事件

由于大氣環(huán)流異常（王遵婭等，2013；王有民等，2013）與四川盆地多雨期疊加，盆地2012年6 月21日到7月30日的40天內(nèi)除6月22日、7月6日、11～13日、19～20日、24～25日和30日為分散性降水，7月14日無降水外，其余時間均有系統(tǒng)性降水，其主要降水過程和洪澇事件出現(xiàn)情況見表1。表中顯示，試驗期間四川盆地共出現(xiàn)7次主要降水過程，其中6月29日～7月4日、7月7～10日、15～18日和7月21～23日分別出現(xiàn)區(qū)域暴雨到大暴雨，達到區(qū)域洪澇標準。圖1分析了試驗期間四川盆地133個監(jiān)測站點的累計降水量，發(fā)現(xiàn)主要累計雨量大值區(qū)位于四川盆地東北部、中部和西南部，呈東北—西南向帶狀分布，有5個明顯、獨立的累計雨量中心，分別在廣元、南充、內(nèi)江、樂山和涼山州，最大中心位于樂山到雅安一帶，中心強度超過600 mm，在盆地東南部和西北部分別為小于230 mm的相對少雨區(qū)，形成了明顯的“鞍”型分布特征。

表1　2012年6月21日至7月30日四川盆地主要降水過程及洪澇事件Table 1　Main precipitation processes and flood events in the Sichuan Basin from 21 June to 30 July 2012

3　試驗設計與邊界層參數(shù)化方案簡介

3.1試驗方案設計

采用美國中尺度數(shù)值模式WRFv3.3，模擬使用NCEP (National Centers for Environmental Prediction) 6 h分辨率的1°×1°全球再分析FNL（Final Operational Global Analysis）資料作為模式的初邊界條件，積分時間步長為45 s，垂直方向分為40層，模式層頂取50 hPa。模擬采用兩層嵌套，粗細網(wǎng)格水平方向格距分別為15和5 km。其中細網(wǎng)格區(qū)域能覆蓋到整個四川盆地（圖1）。兩層嵌套區(qū)域除水平格距外均使用相同設置，具體參數(shù)見表2，其中輻射方案每隔30分鐘調(diào)用一次。模式運行的初始時刻為2012年6月21日到7月30日的每日00時（協(xié)調(diào)世界時，下同），每次積分49 h，本文使用模式輸出的最內(nèi)層嵌套區(qū)域，分24 h（0～24 h）和48 h（24～48 h）兩個時效的24 h累積降水量進行分析。

表2　模式配置和參數(shù)設置Table 2　Model configuration and parameters

模擬試驗選用MYJ、YSU和ACM2三種邊界層參數(shù)化方案，生成對應的三套試驗方案MYJ、YSU和ACM2，為了分析結果的可比性，每套方案的模式配置和參數(shù)選擇均相同。試驗設計目的主要有兩個方面：一是檢驗評估三套模擬試驗方案總體上對四川盆地夏季逐日降水量短期時效的模擬能力；二是分析MYJ、YSU和ACM2三種邊界層參數(shù)化方案對盆地夏季日降水量模擬的影響機制，為WRF中尺度模式在四川盆地進一步本地化提供參考。

3.2邊界層參數(shù)化方案簡介

在WRF模式中，MYJ、YSU和ACM2三種邊界層參數(shù)化方案都是基于近地層方案，主要是對PBL內(nèi)氣流的運動特征、能量的交換和輸送進行局地閉合和非閉合描述。閉合是通過宏觀的平均量來表達微觀的湍流量，使得湍流屬性（如動量、熱量等）方程閉合可解。其中，局地閉合方案考慮物質和通量交換僅在相鄰的模式格點上發(fā)生，在強不穩(wěn)定層結時，主要由大渦傳輸完成，此時閉合方案效果較差；非局地閉合方案不僅考慮物質和通量交換在相鄰的模式格點上發(fā)生，同時也考慮發(fā)生在其他層次，通過將非局地項或交換項的參數(shù)化來實現(xiàn)高階湍流屬性方程的閉合（Pleim，2007）。因此，不穩(wěn)定條件的差異與湍流屬性方程的閉合選擇是構造不同邊界層參數(shù)化方案的主要條件，其發(fā)展始終圍繞提高邊界層屬性量的精度而進行。WRF模式中MYJ為局地閉合模型，YSU和ACM2為非局地閉合模型。MYJ邊界層參數(shù)化方案在近地面以上的湍流區(qū)域內(nèi)采用Mellor-Yamada2.5階局地閉合模型（Mellor and Yamada, 1982），邊界層高度定義為湍流動能（TKE）的生成不能平衡其耗散的最低模式層高度，適用于穩(wěn)定和弱穩(wěn)定層結；YSU邊界層參數(shù)化方案由MRF參數(shù)化方案改進而來，相比MRF方案對夾卷過程有了更精確的描述，增加了由熱力驅動的自由對流混合強度，減少了機械動力強迫性對流的混合強度（Hong et al.,2006），邊界層高度由浮力廓線決定；ACM2方案結合了ACM對流方案和渦動擴散模型，邊界層高度由臨界Richardson數(shù)得出，其特點是通過調(diào)節(jié)湍流擴散項和非局地項之間的比例系數(shù)來實現(xiàn)從穩(wěn)定條件下的渦動擴散算法到不穩(wěn)定條件下局地和非局地輸送算法的平緩轉換（Pleim，2007），適合于模擬大氣物理量及邊界層湍流屬性量的傳輸。

3.3降水量資料與試驗效果檢驗方法

采用四川省氣象局提供的四川盆地2012年6 月21日00時～7月30日00時的133個自動站逐時降水量資料和中國氣象局成都高原氣象研究所提供的西南渦加密觀測試驗期間溫江站的L波段雷達探空資料。對24 h累積降水量進行5級劃分即，小雨（0.1～9.9 mm）、中雨（10.0～24.9 mm）、大雨（25.0～49.9 mm）、暴雨（50～99.9 mm）和大暴雨（100.0 mm以上）。使用雙線性插值方法將模式輸出的格點降水量插值到所選取的133個自動站點（圖1），并與站點實況降水量進行比對。對模擬日降水量等級的檢驗采用TS（Threat Score）和BS （Bias Score）評分法，評估時段為0～24 h和25～48 h。TS分值介于0～1之間，主要反映模擬降水量的準確程度，TS值愈高則模擬降水量的效果愈好。BS分值介于0～＋∞之間，用于衡量模式高估或低估某一量級降水頻率的程度，BS評分大于1，表示模式高估降水頻率，即空報大于漏報；其值小于1，表示模式低估降水頻率，漏報大于空報，BS評分越接近1，表示模式預報的降水頻率與觀測降水頻率越接近。TS和BS評分定義如下：

采用了兩種方式計算評分：在空間上對單站降水量進行TS和BS評分，其中，Na表示單站觀測和預報同時出現(xiàn)某量級降水（即正確預報）的天數(shù)，Nb表示該站預報出現(xiàn)某量級降水而觀測未出現(xiàn)該量級降水（即空報）的天數(shù)，Nc表示該站觀測出現(xiàn)某量級降水而預報未出現(xiàn)該量級降水（即漏報）的天數(shù)；在時間上對逐日的24 h降水量進行TS評分，其中，Na表示24 h內(nèi)觀測和預報同時出現(xiàn)某量級降水（及正確預報）的站點數(shù)，Nb表示預報出現(xiàn)某量級降水而觀測未出現(xiàn)該量級降水（即空報）的站點數(shù)，Nc表示觀測出現(xiàn)某量級降水而預報未出現(xiàn)該量級降水（即漏報）的站點數(shù)。

4　結果分析

4.1累積降水落區(qū)的比較分析

對試驗期間不同邊界層參數(shù)化方案下，試驗模擬的逐日格點降水量進行累加，得到各試驗方案不同時效的累積模擬降水量分布（圖2）。圖中顯示：與實況（圖1）相比各方案模擬降水量普遍偏大，盆地北部和南部偏大尤為突出。各方案均模擬出了盆地東北部和西南部的降水量中心，模擬的盆地中部多雨中心以及西北部和東南部少雨中心的位置差異較大，總體上能顯示出降水量分布的“鞍”型結構，模擬的累積降水量分布形態(tài)48 h時效較24 h更接近實況。

在24 h時效，MYJ、YSU和ACM2方案模擬的盆地累積降水量分布形態(tài)差異不大，北部到東北部多雨中心強度偏強、面積偏小，西南部多雨中心向西擴展、形態(tài)偏差較大，在成都西部模擬出了一個虛假大值中心，在盆地西北部模擬出一個虛假的西南—東北向狹窄雨帶，盆地東北經(jīng)中部到西南部的累積多雨帶由于沒有模擬出盆地中東部獨立的多雨中心而顯得強度弱、面積窄。對于盆地東南部的少雨區(qū)ACM2方案模擬效果較好，MYJ和YSU方案則夸大了盆地東南部的降水。相較24 h，48 h時效模擬的累積降水量偏多，大量級降水落區(qū)更為寬大，各方案之間的差異較大。MYJ方案中超過600 mm的累積雨區(qū)自盆地東北到西南幾乎連成一片，過強過大的估計了川東北的累積雨區(qū)。YSU方案模擬的川東北、盆地中東部和西南部的累積雨區(qū)輪廓分明，強度和落區(qū)都更接近實況分布，且能很好的模擬出樂山西北部的強降水中心。ACM2方案模擬的累積雨量比另外兩方案要小，沒有模擬出盆地中部獨立的累積雨區(qū)，盆地西北部的虛假降水中心較多。

圖1?。╝）2012年6月21日至7月30日累積降水量分布（單位：mm；小圓點代表成都溫江站）；（b）模式區(qū)域和站點實況選取Fig. 1　(a) Distribution of 40-d accumulated precipitation from 21 June to 30 July 2012 (units: mm); (b) simulation domains and locations of observation sites

圖2　三種邊界層參數(shù)化方案模擬的試驗期間累積降水量分布（單位：mm）Fig. 2　Distribution of accumulated precipitation simulated using the three PBL (planetary boundary layer) schemes (units: mm)

總之，各參數(shù)化方案對盆地夏季降水量模擬的影響主要表現(xiàn)為降水強度和落區(qū)范圍的差異?？傮w上能顯示出累積降水量分布的“鞍”型結構，模擬出了盆地北部到東北部和西南部累積降水量中心，但中心強度偏強、面積偏大，累積降水量分布形態(tài)48 h時效較24 h更接近實況，48 h時效的YSU方案模擬效果最好，ACM2方案對盆地東南少雨落區(qū)的模擬能力較強。

4.2TS評分的空間分布對比分析

為了檢驗WRF模式的三種邊界層參數(shù)化方案對四川盆地夏季不同地區(qū)、不同時效和不同強度降水的模擬性能，以下分析了三種方案對各級降水量的TS評分在盆地的分布特征。

小雨等級降水量模擬的TS評分地理分布（圖3）表明：三種方案在24 h時效TS評分高值區(qū)（≥0.4）的面積和分值均大于和高于48 h時效，在盆地103°E以西地區(qū)，無論是24 h還是48 h時效，模擬降水量評分的高值區(qū)面積和分值都普遍大于和高于盆地中、東部地區(qū)，TS低值區(qū)在成都到內(nèi)江一帶；對于不同的邊界層參數(shù)化方案，在24 h和48 h兩個時效，ACM2模擬的降水量評分高值區(qū)面積和平均分值均大于和高于YSU、MYJ方案的TS評分最低；總體上，三種邊界層參數(shù)化方案對小雨等級降水量模擬效果24 h時效好于48 h、盆地西部好于東部，ACM2方案最好，YSU方案次之，MYJ方案較差。

圖4是三種方案對中雨等級模擬降水量的TS評分。圖中顯示，三種方案在24 h和48 h兩個時效TS評分均較小雨等級模擬降水量評分低，且高值區(qū)分布較之分散；24 h時效TS評分高值區(qū)面積和分值依舊大于和高于48 h；在24 h時效，三種方案模擬效果較好的地區(qū)是盆地西南部和盆地東北部，在盆地中部和南部，ACM2方案TS評分較高，其他方案評分較低；對于48 h時效，三種方案中只有ACM2方案在盆地西部和南部存在較明顯的TS評分高值區(qū)；ACM2方案模擬降水量的TS評分高值區(qū)面積和平均值在不同時效中均高于YSU和MYJ方案。總之，三種邊界層參數(shù)化方案對中雨等級降水量的模擬效果區(qū)域差異明顯，24 h時效好于48 h，ACM2模擬效果最好。

圖5為三種方案對大雨等級模擬降水量的TS評分分布圖。從圖中看出，三種方案在兩個時效的TS評分均較中雨級別降水模擬評分低，除MYJ方案外，YSU和ACM2兩種方案在24 h時效TS評分高值區(qū)面積都小于48 h時效；對于24 h時效，MYJ和YSU方案在川東北和盆地西南的模擬降水量評分明顯高于ACM2方案，而MYJ方案在雅安、樂山和涼山州東北部一帶的模擬效果強于YSU方案。因此，24 h時效MYJ方案較好，YSU方案次之，ACM2方案較差；對于48 h時效，MYJ和YSU方案在成都北部和瀘州東部均有一評分超過0.3的高值區(qū)，而YSU方案TS平均值最高，總體看來，48 h時效YSU對大雨等級降水模擬效果最好。

暴雨等級模擬降水量的TS評分（圖6）表明：無論是24 h還是48 h時效，MYJ和ACM2方案TS評分在盆地均存在一個西北—東南向的大片0.0～0.1低值區(qū)域，說明MYJ和ACM2方案對這些地區(qū)的暴雨模擬能力有限。YSU在兩個時效的評分高值區(qū)面積和平均值均大于和高于其他兩種方案，模擬較好的區(qū)域主要分布在盆地實況累積雨量大值區(qū)。在24 h時效，YSU方案對盆地西南部、東南部、西北部和東北部的暴雨模擬能力較好。在48 h時效，YSU方案對盆地東北部、中部和西南部的暴雨模擬與實況累積降水量大值中心和大值區(qū)形態(tài)基本接近?？傊?，YSU對盆地暴雨有較好的模擬能力，尤其是在48 h時效優(yōu)勢明顯。

三種邊界層參數(shù)化方案在24 h時效對大暴雨等級降水量的TS評分為零（圖略），這可能與試驗期間大暴雨發(fā)生次數(shù)較少導致的樣本數(shù)偏少有關。在48 h時效只有YSU和ACM2方案對大暴雨降水量的TS平均評分大于零（圖7）表明三種邊界層參數(shù)化方案在24 h時效對試驗期間的大暴雨過程預報能力較低。在48 h時效，YSU和ACM2方案分別對盆地西南部和東部大暴雨敏感區(qū)有一定的模擬能力。

表3　三種邊界層參數(shù)化方案對各量級降水的BS評分平均值Table 3 Mean bias score (BS) of different magnitudes of precipitation simulated using the three PBL schemes

圖3　不同邊界層方案模擬小雨等級降水量的TS分布（上：24 h時效，下：48 h時效；陰影區(qū)為 TS≥0.4）Fig. 3　Threat score (TS) distribution of light rain simulated using the different PBL schemes (upper panels: 24 h simulation; lower panels: 48 h simulation; shaded areas: TS≥0.4)

圖4　同圖3，但為中雨 (陰影區(qū)為 TS≥0.2)Fig. 4　As in Fig. 3, but for moderate rain (shaded areas: TS≥0.2)

圖5　同圖3，但為大雨（陰影區(qū)為TS≥0.2）Fig. 5　As in Fig. 3, but for heavy rain（shaded areas: TS≥0.2）

圖6　同圖3，但為暴雨（陰影區(qū)為TS≥0.2）Fig. 6　 As in Fig. 3, but for torrential rain (shaded areas: TS≥0.2)

TS評分能對模式模擬降水量的準確程度做出定量評估，但其不能判斷誤差來源，即模式空、漏報的情況，BS評分則能很好的反映這一點。為此，表3給出了三種方案對各量級降水的區(qū)域平均BS評分，表中顯示：無論24 h時效還是48 h時效，對于小雨到中雨等級降水，三種方案均高估了降水頻率，24 h時效內(nèi)ACM2方案模擬的小雨和中雨的降水頻率更接近觀測，MYJ方案空報現(xiàn)象嚴重，YSU方案則介于其他兩個方案之間；對于大雨等級降水，MYJ方案空報現(xiàn)象依然嚴重，YSU和ACM2方案略高估了大雨等級降水頻率，但兩者差別不大；對于暴雨等級降水，48 h時效內(nèi)的YSU方案模擬效果最好，模擬的降水頻率幾乎和觀測相等，MYJ和ACM2方案則存在著不同程度地漏報現(xiàn)象；三種方案對大暴雨等級降水的BS評分都接近0，表明模式容易漏報大暴雨等級降水，但考慮到試驗期間大暴雨樣本個數(shù)較少，對于大暴雨的評分結果還有待商榷。

圖7　同圖3，但為大暴雨（陰影區(qū)為TS≥0.2）Fig. 7 As in Fig. 3, but for severe torrential rain (shaded areas: TS≥0.2)

綜上所述，三種邊界層參數(shù)化方案對盆地較小量級（小雨和中雨）降水量的模擬空間差異顯著，盆地西部較東部好，24 h時效好于48 h，ACM2方案模擬效果較好；對較大量級（大雨和暴雨）降水量的模擬效果48 h時效優(yōu)于24 h，盆地優(yōu)勢區(qū)域不明顯，YSU方案有較好的模擬能力；三種邊界層參數(shù)化方案在24 h時效對試驗期間的大暴雨過程的預報能力較低，在48 h時效，僅YSU和ACM2方案對盆地西南部和東部大暴雨敏感區(qū)有一定的模擬效果；隨著降水量等級的提高，各時效和各邊界層參數(shù)化方案的模擬能力逐漸降低，空間差異也越來越大。

4.3TS評分的逐日對比分析

為了分析各邊界層參數(shù)化方案對四川盆地日降水量的模擬效果，給出三種邊界層參數(shù)化方案在試驗期間逐日區(qū)域平均的TS評分及相應的降水量時間序列（圖8），圖中折線間斷部分表示評分為零或模擬結果與實況同時無該等級降水不進行TS評分的情況。分析顯示：在批量試驗時段盆地區(qū)域日平均降水量大于10 mm的降水過程共7次（圖8a，柱狀圖），7月4日和22日前后的降水過程最強，區(qū)域日平均降水量超過了20 mm，各試驗方案對這些重要降水過程均有不同程度的模擬能力。對較小量級降水（小雨和中雨）的評分表明，在24 h時效各方案對各降水過程的模擬差異不大，總體上ACM2方案評分較高。在48 h時效，三種方案評分差異開始增大、分值有不同程度的降低，YSU和MYJ方案較ACM2方案敏感，其評分下降幅度也較大，ACM2方案模擬能力較強。對于較大量級（大雨和暴雨）的降水過程，三種方案、兩個時效的TS評分集中分布在0.0～0.4之間，較準確的模擬出了盆地日平均降水量大于10 mm的7次主要降水過程。三種方案在24 h時效對大暴雨的評分均為零（圖略），在48 h時效，YSU和ACM2方案分別對盆地“7.21-23”和“7.2-5”致洪大暴雨過程有一定模擬能力（圖略）。

總之，對于較小級別降水過程各方案模擬效果差異不大，ACM2方案略好，YSU方案在較高等級降水的模擬中顯示出明顯優(yōu)勢。不同邊界層方案模擬的降水量，隨著降水級別的增大TS評分迅速降低，差異也加大。不同邊界層方案模擬的降水量TS評分除小雨、中雨等級降水量48 h時效較24 h略低外，其余等級48 h時效均較24 h略高。

圖8　細網(wǎng)格區(qū)域平均降水量（柱狀圖）和不同邊界層參數(shù)化方案模擬各級降水量的逐日TS評分（折線）：（a、c、e和g）分別為24 h時效小雨、中雨、大雨和暴雨等級；（b、d、f和h）分別為48 h時效小雨、中雨、大雨和暴雨等級Fig. 8　Area-average rainfall (histogram) over nested-domain and daily threat score (line) of different precipitation magnitudes simulated using the three PBL schemes for 24 h (left-hand panels) and 48 h (right-hand panels): (a, b) Light rain; (c, d) moderate rain; (e, f) heavy rain; (g, h) torrential rain

4.4分級累積降水量分布的比較分析

從TS和BS評分的評估結果中知道不同參數(shù)化方案在不同時效對不同量級降水量的模擬能力不同。為了說明不同邊界層參數(shù)化方案對試驗期間累積格點降水量分布的主要影響，把逐日降水量分成小量級（小雨到中雨）和大量級（大雨到暴雨）兩個等級進行討論，并分別將各觀測站點的逐日分級降水量進行累加，統(tǒng)計得到試驗期間觀測的盆地大、小量級累積降水量空間分布及其對應的模式累積降水量分布（圖9）。鑒于不同時效對不同量級降水的模擬能力不同，對于小量級降水過程，觀測和模擬累積降水量僅給出24 h結果，而大量級降水過程的觀測和模式累積降水量僅給出48 h結果。從圖9中可以看出，對于小量級降水，MYJ、YSU和ACM2方案模擬的累積降水量總體分布形態(tài)相似，和觀測相比各方案模擬的降水量普遍偏大，盆地西部、西南部和東北部偏大尤為突出。MYJ模擬的盆地東南部和盆地北部的累積降水量較觀測和另外兩個方案均偏大許多，形成了過多的虛假降水。因此，對小量級降水的模擬能力較差。YSU方案模擬的盆地西北經(jīng)中部到東南部的累積小量級雨帶過于分散，僅模擬出了幾個零散分布的小量級雨區(qū)，相比之下ACM2方案模擬的這條雨帶較為連續(xù)，更接近實況，因此ACM2方案對小量級降水模擬能力較好。

與小量級降水不同，各方案模擬的大量級降水量較觀測有所偏少，三種方案總體上能顯示出降水量分布的基本結構，但各方案之間差異較大。MYJ方案模擬的盆地東北部降水比較接近實況，但其基本沒有模擬出位于盆地西南部的累積降水中心，且低估了位于盆地中部降水區(qū)的降水量。YSU方案模擬的川東北、盆地中部和盆地西南的累積雨區(qū)輪廓分明，降水強度較其他方案更接近實況。ACM2模擬的東北部大量級雨區(qū)最為狹窄，沒有模擬出盆地中部的累積雨區(qū)，位于盆地西南的大量級降水中心向西北偏離了約一個經(jīng)緯距，其模擬的總體降水強度較其他方案觀測偏小更多。

總之，不同邊界層參數(shù)化方案對盆地大、小量級累積降水量模擬的主要差異表現(xiàn)在降水強度和落區(qū)范圍上。對于小量級降水，三種方案對于盆地西北部到東南部的小量級雨區(qū)的模擬有明顯差別，ACM2方案更接近實況；對于大量級降水，各方案總體上能顯示出累積降水量分布的基本結構，YSU方案較另外兩方案更接近實況。

4.5邊界層結構分析

模式對降水的準確模擬往往依賴其對降水物理過程的精確描述。在WRF模式中，三種邊界層參數(shù)化方案所使用的表面層方案不盡相同（MYJ采用Janjic Eta表面層方案，YSU和ACM2使用Monin-Obukhov表面層方案），其中涉及的下墊面陸氣過程和邊界層物理過程必然有所差異。研究表明，地表潛熱通量主要通過改變低層大氣的層結結構對降水強度和出現(xiàn)時間產(chǎn)生影響（盧萍和宇如聰，2008）。為此，需要對不同邊界層參數(shù)化方案在試驗期間模擬的平均地表潛熱通量分布特征（圖10）進行對比分析，考慮到通常在降水時期計算的潛熱通量并不準確，因此本文不與觀測計算結果比對。分析結果顯示：各方案模擬的盆地內(nèi)地表潛熱通量均為東高西低、呈階梯型、沿地形分布，MYJ方案模擬的潛熱通量最大，YSU方案次之，ACM2方案最小。不同時效地表潛熱通量差異不大，48 h時效較24 h時效略高。說明采用Janjic Eta表面層方案的MYJ邊界層方案計算的地表潛熱通量比采用Monin-Obukhov表面層方案的YSU和ACM2方案計算的通量值顯著偏高，使MYJ方案對低層大氣層結不穩(wěn)定性估計過高，可能是其產(chǎn)生過多虛假降水的一個原因。ACM2模擬的地表潛熱通量最小，對大氣層結不穩(wěn)定性貢獻較小，有利于模擬盆地穩(wěn)定性、小量級降水過程。YSU方案模擬的潛熱通量值介于MYJ和ACM2方案之間，更接近盆地大量級降水時期實際的地表潛熱通量，有利于盆地不穩(wěn)定性、大量級降水過程的數(shù)值模擬。此外，各邊界層方案模擬的潛熱通量差別最大的地區(qū)集中在盆地西南、中部和東部，這些地區(qū)正是三種方案對盆地累積降水量模擬差別最大的地區(qū)。因此，模擬降水的強度和分布對地表潛熱通量具有一定的敏感性。

邊界層參數(shù)化方案對下墊面通量交換過程的不同模擬效果是各方案對降水模擬能力不同的一個因素，當?shù)乇硗窟M入大氣以后，其在邊界層內(nèi)的輸送主要受邊界層方案控制。所以，對邊界層中氣象要素的垂直分布特征進行了分析。

圖9　觀測（OBS）和各試驗方案的分級累積降水量分布 [上：小量級降水（小雨和中雨）；下：大量級降水（大雨和暴雨）；單位：mm]Fig. 9　Observed (OBS) and simulated (MYJ, YSU, ACM2) distributions for accumulated different precipitation magnitudes (upper panels: light rain and moderate rain; lower panels: heavy rain and torrential rain; units: mm)

圖10　各試驗方案模擬的40天平均地表潛熱通量分布（單位：W m?2）Fig. 10　Distribution of 40-d average surface latent heat fluxes simulated using the different PBL schemes (units: W m?2)

相對濕度能很好的反映邊界層濕空氣的飽和程度，成為模式判斷是否降水的重要因子。因此，分別給出了溫江探空站模擬和觀測的大、小兩個量級降水過程的平均相對濕度、位溫廓線（圖11、12），并選取了12時和18時兩個時次進行分析。結果表明：對于小量級降水，12時觀測平均相對濕度在1 km以下隨高度迅速減小，三種方案均沒有模擬出這一特征，且較觀測偏干，但ACM2方案在量值上最接近觀測。1 km之上觀測平均相對濕度隨高度緩慢增加，在2.4 km左右達到極大值，三種方案大致模擬出了這一特征，但MYJ方案偏干，ACM2和YSU方案偏濕。同為12時，觀測的平均位溫隨高度遞增（圖11b），三種方案雖然都能模擬出這一特點，但在位溫的垂直結構上有較大差異，MYJ和YSU方案在約2 km以下位溫遞增率很小，說明兩種方案在邊界層存在較強的垂直混合，這和觀測位溫廓線區(qū)別較大。相比之下，ACM2方案模擬的位溫廓線更接近觀測。

圖11　溫江站小量級降水過程期間的觀測和模擬的氣象要素廓線：（a）12時（協(xié)調(diào)世界時，下同）平均相對濕度；（b）12時平均位溫：（c）18時平均相對濕度；（d）18時平均位溫Fig. 11　Mean profiles of observed and simulated variables during periods of light rain and moderate rain at Wenjiang station: (a) Relative humidity at 1200 UTC; (b) potential temperature at 1200 UTC; (c) relative humidity at 1800 UTC; (d) potential temperature at 1800 UTC

18時觀測平均相對濕度廓線和12時類似，在1 km以下隨高度減小迅速，ACM2和MYJ方案大致模擬出了這一特征，但高度較觀測低，ACM2方案最接近觀測。1 km以上，隨著高度的增加，觀測平均相對濕度以較小的遞增率增大，而YSU和ACM2方案模擬的相對濕度增加過快，濕空氣飽和度比觀測大很多，1 km以上MYJ方案更接近實況。三種方案模擬的位溫在1.5 km以上差別不大，1.5 km以下ACM2方案更接近觀測，綜合來看，ACM2方案模擬的效果最好。

圖12　同圖11，但為大量級降水過程期間Fig. 12　As in Fig. 11, but for the periods of heavy rain and torrential rain at Wenjiang station

對于大量級降水過程，12時溫江站觀測的平均相對濕度（圖12a）隨高度幾乎一直增大，表明濕空氣隨高度越來越飽和。YSU方案和觀測值的變化趨勢相吻合，但比觀測值略大。MYJ方案模擬的相對濕度在1 km以下隨高度增大，然后在1.5 km處減小到80%左右，以上變化不大。ACM2方案模擬的相對濕度先隨高度增大，在約1.9 km處到最大值后開始減小，其模擬的相對濕度值較觀測和另外兩種方案都大，導致其模擬的降水量偏大（圖略）。位溫的垂直變化表明，三種方案模擬的結果和觀測的變化趨勢基本一致，其中YSU方案和觀測值幾乎重合 ，ACM2方案在2.1 km以下有明顯冷偏差，MYJ方案在1.5 km以上有明顯暖偏差。

18時，溫江站觀測平均相對濕度（圖12c）在1 km以下隨高度減小，1 km到1.3 km隨高度迅速增加，在此高度上相對濕度一直維持在90%左右。三種方案模擬的該時次相對濕度廓線有較大差異：MYJ方案在低層相對濕度已經(jīng)達到90%以上，在1.2 km之上隨高度快速降低，與觀測相比存在較大誤差；ACM2方案在整個邊界層內(nèi)都維持90%以上的準飽和狀態(tài)，且變化不大，和觀測的相對濕度垂直分布有很大出入；YSU方案雖然較觀測在底層偏干高層偏濕，但偏差不大，在整個邊界層內(nèi)的變化特征幾乎與觀測一致，故YSU方案模擬的相對濕度廓線最接近實況。由于夜間地表輻射冷卻，觀測位溫廓線在1.2 km附近逆溫現(xiàn)象更為明顯，三種方案均模擬出了這一特征，但觀測廓線在1 km以下位溫遞增率明顯大于1 km以上的位溫遞增率，三種方案中只有YSU方案較好的模擬出了這一特征。

綜上所述，對于小量級降水過程，ACM2方案較好地模擬出了實際邊界層的結構，對于大量級降水過程，YSU方案模擬的邊界層物理量的垂直分布更接近觀測，說明這兩種方案對不同量級降水量模擬能力的差異主要源自其對不同量級降水大氣層結的精確描述，邊界層濕、熱物理量通過改變大氣層結結構來影響參數(shù)化方案對降水量模擬的效果。

4.6邊界層參數(shù)化方案對降水模擬的可能影響機制

四川盆地大量級降水主要是濕熱對流驅動的。邊界層物理過程必須考慮局地濕對流和復雜地形作用，地面非絕熱加熱的不均勻、地形造成的邊界層輻合分布和西南低空急流產(chǎn)生的氣流切變及濕熱能輸送，都可能對邊界層物理過程和邊界層頂?shù)拇怪边\動產(chǎn)生強烈影響，從而增大混合層的厚度和邊界層頂?shù)拇怪边\動。

Hong and Pan (1996) 曾對非局地方案和局地閉合方案進行了一系列的敏感性試驗，指出改變垂直擴散模型不僅會影響降水總量，還會影響降水落區(qū)，并發(fā)現(xiàn)非局地閉合方案較之局地方案對降水的模擬有明顯改善。為了進一步說明各試驗方案對四川盆地降水模擬的差異，分析了試驗時段位于累積降水量大值區(qū)的盆地東北部（31°N～32.5°N，105.2°E～107°E）、中部（29.5°N～30.5°N，104.5°E～105.5°E）和西南部（29°N～30°N，103°E～104°E）三個區(qū)域各層次的平均比濕在24～48 h時效內(nèi)的06 h、12 h、18 h和24 h四個時次的垂直廓線（圖13）。圖中顯示：三個區(qū)域各時次的比濕在低層都較大，隨著高度的升高比濕廓線存在一個快速降低的拐點，這個拐點高度對于不同的試驗方案和不同的地區(qū)各不相同，拐點愈高混合層愈厚，湍流混合強度愈強。但是，對于拐點位置的判斷因人而異，為了得到湍流混合強度的定量表征，選取邊界層高度作為參考，邊界層高度越高，湍流混合作用越強。在WRF模式中不同的邊界層參數(shù)化方案使用不同的方法計算邊界層高度：MYJ方案邊界層高度由TKE廓線得出（Janji?, 2001）；ACM2（Pleim, 2007）和YSU（Hong et al. 2006）方案均使用臨界Richardson數(shù)得出。為了便于對比，統(tǒng)一采用Nielsen-Gammon et al.（2008）提出的“1.5-thetaincrease”方法，即將邊界層高度定義為位溫首次超過最低位溫1.5 K的高度，計算得到了四個時次各方案在三個區(qū)域內(nèi)的平均邊界層高度（表4）。表中顯示：對于MYJ方案，邊界層高度在盆地三個區(qū)域均較另外兩個方案低，故其混合層厚度略薄，湍流混合強度較弱。Hu et al.（2010）在其研究中指出MYJ方案缺少足夠的垂直混合強度來進行水汽的湍流輸送，這與本文研究結果相同。此外，圖13 中MYJ方案在低層模擬比濕雖然較大，但其較高層比濕反而不及其他兩個方案，說明MYJ方案有大量的水汽在較低層已經(jīng)凝結形成了模式降水，圖2中MYJ方案模擬的過強累積降水量能很好地印證這一點，所以，MYJ方案對盆地夏季降水量的模擬準確度較低。對于ACM2方案，邊界層高度在三個區(qū)域4個時次的值均低于YSU方案， YSU方案在邊界層的垂直混合作用強于ACM2方案，加之ACM2方案在整層的比濕都較YSU方案小，導致YSU方案向上輸送水汽的能力強于ACM2方案，因此，YSU方案在48 h時效對三個區(qū)域的大量級降水的模擬能力較ACM2方案更強。

另外，值得注意的是，在06時，ACM2和YSU方案都能維持較強垂直混合。12 時以后，ACM2方案較高層（1.5～2.5 km）的比濕在盆地西南和盆地中部會迅速降低，直到18時與MYJ方案重合，這一點在表4中也很明顯，12時以后，ACM2方案模擬的邊界層高度更接近局地閉合的MYJ方案，這可能是由于夜間邊界層混合較弱，ACM2方案減小或者關閉了非局地輸送，減弱了水汽的向上輸送。但是在四川盆地特殊地形和多云的條件下，更有利于夜間大氣層結不穩(wěn)定性增強和維持，常出現(xiàn)“巴山夜雨”（徐裕華，1991）。根據(jù)統(tǒng)計出的試驗期間盆地平均降水量日變化和夜雨比率可知（圖14），夜雨比率大值區(qū)和YSU方案對暴雨TS評分高值區(qū)基本吻合，說明夜間邊界層混合強度的差異可能使得YSU方案更適合于盆地夜雨的模擬。

綜上所述，不同邊界層參數(shù)化方案對盆地夏季降水量數(shù)值模擬的可能影響原因主要表現(xiàn)為邊界層內(nèi)垂直混合強度的不同，非局地閉合算法比局地閉合算法好，YSU方案由于較強的垂直混合作用，有利于局地水汽的向上輸送，更易達到大量級降水發(fā)生發(fā)展的條件，適合于模擬盆地大量級降水過程，ACM2方案在保證一定水汽輸送的同時，在穩(wěn)定或弱穩(wěn)定條件下會關閉非局地輸送，不至于產(chǎn)生過強降水，適合于盆地小量級降水的數(shù)值模擬，MYJ方案由于湍流混合較弱，不利于局地水汽的向上輸送，導致其底層水汽含量過高、不穩(wěn)定性強，容易產(chǎn)生虛假降水，因此對各量級降水的模擬能力均有限。根據(jù)降水對象的特點選擇合適的邊界層參數(shù)化方案，模擬降水量的效果可有明顯的改進。

圖13　三種方案在盆地不同區(qū)域06、12、18和24時的平均比濕垂直廓線（左：盆地西南部，中：盆地中部，右：盆地東北部）Fig. 13　Mean profiles of specific humidity at 0600, 1200, 1800 and 0000 UTC in different areas using the different PBL schemes (left-hand panels: southwestern Sichuan Basin; middle panels: central Sichuan Basin; right-hand panels: northeastern Sichuan Basin)

圖14　2012年6月21日到7月30日四川盆地逐時平均降水量（左，單位：mm）和夜雨率（右）Fig. 14　Hourly mean precipitation (left, units: mm) and nighttime precipitation rate (right) in the Sichuan Basin from 21 June to 30 July 2012

表4　三種方案在盆地不同區(qū)域的平均邊界層高度（單位：m）Table 4　Mean PBL height in different areas using the three PBL schemes (units: m)

5　結論與討論

本文利用WRF模式分析三種不同邊界層參數(shù)化方案對夏季四川盆地不同量級降水數(shù)值模擬的影響，通過評估模擬效果、對比邊界層結構和分析影響機制，得到以下主要結論：

（1）三種邊界層參數(shù)化方案對盆地較小量級降水量的模擬區(qū)域差異明顯，四川盆地西部好于東部，中部到北部較差，24 h時效優(yōu)于48 h，ACM2方案效果較好；對較大量級降水量的模擬效果盆地優(yōu)勢區(qū)域不明顯，48 h時效優(yōu)于24 h，YSU方案模擬效果較好、ACM2方案次之。

（2）不同邊界層參數(shù)化方案對四川盆地各量級降水量模擬的影響主要表現(xiàn)為降水強度和落區(qū)范圍的差異。對于小量級降水，三種方案差別不大，ACM2方案更接近實況；對于較大量級降水，各方案總體上能顯示出累計降水量分布的基本結構，模擬出了盆地東北部的累計大量級雨量中心，累計降水量的強度和落區(qū)YSU方案較另外兩方案更接近實況，ACM2方案模擬效果較差。

（3）邊界層結構分析表明，對于溫江站小量級降水過程，ACM2方案較好地模擬出了實際邊界層的結構，對于大量級降水過程，YSU方案模擬的邊界層物理量的垂直分布更接近觀測，說明這兩種方案對不同量級降水量模擬能力的差異主要來自對邊界層大氣層結的精確描述，邊界層濕、熱物理量通過改變大氣層結結構影響參數(shù)化方案對降水量模擬的效果。

（4）不同邊界層參數(shù)化方案對四川盆地夏季降水量數(shù)值模擬的可能影響原因主要表現(xiàn)為不同的湍流混合強度。YSU方案具有較強的垂直混合強度，有利于水汽的向上輸送，適用于盆地大量級降水的數(shù)值模擬；ACM2方案在保證一定水汽輸送的同時，在穩(wěn)定或弱穩(wěn)定條件下會關閉非局地輸送，不至于產(chǎn)生過強降水，適合于盆地較小量級降水數(shù)值模擬；MYJ方案湍流混合強度較弱，使得底層濕度大，在較低的層結中就已經(jīng)形成了降水，模擬準確性較低，因此降水量數(shù)值模擬能力有限。

邊界層參數(shù)化方案通過改變大氣層結的溫、濕特性直接對降水產(chǎn)生影響，除此之外，大氣溫度、濕度場的變化引起的大尺度背景場的改變又能決定降水的大范圍落區(qū)，因此，邊界層過程對降水量的影響是多尺度系統(tǒng)的相互作用，降水的形成往往與大氣多種物理過程相聯(lián)系，深入研究邊界層特征與降水的關系還需要更為密集的資料。由于四川盆地探空站點稀少，文中對邊界層結構進行的模擬和觀測的對比分析僅局限于溫江站，對盆地關鍵降水區(qū)的平均比濕廓線分析也未能同觀測資料進行對比。文中僅對四川盆地2012年西南渦加密觀測試驗期間的降水量進行模擬檢驗和評估，因此今后有必要對更長時期的降水量開展數(shù)值模擬和對比，以期獲得更有代表性的研究結果。

References)

Beljaars A C M. 1995. The parametrization of surface fluxes in large-scale models under free convection [J]. Quart. J. Roy. Meteor. Soc., 121 (522): 255–270.

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 (1): 569–585.

Dudhia J. 1989. Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model [J]. J. Atmos. Sci., 46 (20): 3077–3107.

Hong S Y, Pan H L. 1996. Nonlocal boundary layer vertical diffusion in a medium-range forecast model [J]. Mon. Wea. Rev., 124 (10): 2322–2339.

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.

Hu X M, Nielsen-Gammon J W, Zhang F Q. 2010. Evaluation of three planetary boundary layer schemes in the WRF model [J]. J. Appl. Meteor. Climatol., 49 (9): 1831–1844.

Janjic Z I. 1996. The surface layer in the NCEP Eta Model [C]//Eleventh Conference on Numerical Weather Prediction, Norfolk, VA, 19–23 August 1996. Boston, MA: Am. Meteor. Soc., 354–355.

Janji? Z I. 2001. Nonsingular Implementation of the Mellor–Yamada Level 2.5 Scheme in the NCEP Meso Model [C]. NCEP Office Note, 61 pp.

Jankov I, Gallus W A Jr, Segal M, et al. 2005. The impact of different WRF model physical parameterizations and their interactions on warm season MCS rainfall [J]. Wea. Forecasting. 20 (6): 1048–1060.

Jankov I, Schultz P J, Anderson C J, et al. 2007. The impact of different physical parameterizations and their interactions on cold season QPF in the American River basin [J]. J. Hydrometeor., 8 (5): 1141–1151.

Kain J S, Fritsch J M. 1990. A one-dimensional entraining/detraining plume model and its application in convective parameterization [J]. J. Atmos. Sci., 47 (23): 2784–2802.

Kain J S, Fritsch J M. 1993. Convective parameterization for mesoscale models: The Kain–Fritsch scheme [M] // The Representation of Cumulus Convection in Numerical Models. Boston, MA: American Meteorological Society, 24: 165–170.

盧萍, 宇如聰. 2008. 地表潛熱通量對四川地區(qū)降水影響的數(shù)值分析 [J].高原山地氣象研究, 28 (3): 1–7.Lu Ping, Yu Rucong. 2008. Numerical analysis on the impacts of surface latent heat flux transport on Sichuan rainfall process [J]. Plateau and Mountain Meteorology Research (in Chinese), 28 (3): 1–7.

Mellor G L, Yamada T. 1982. Development of a turbulence closure model for geophysical fluid problems [J]. Rev. Geophys. Space Phys., 20: 851–875.

Mlawer E J, Taubman S J, Brown P D, et al. 1997. Radiative transfer for inhomogeneous atmosphere: RRTM, a validated correlated–k model for the longwave [J]. J. Geophys. Res., 102 (D14): 16663–16682.

Nielsen-Gammon J W, Powell C L, Mahoney M J, et al. 2008. Multisensor estimation of mixing heights over a coastal city [J]. J. Appl. Meteor. Climatol., 47 (1): 27–43.

Pleim J E. 2007. A combined local and nonlocal closure model for the atmospheric boundary layer. PartⅠ: Model description and testing [J]. J. Appl. Meteor. Climatol., 46 (9): 1383–1395.

沈桐立, 田永祥, 葛孝貞, 等. 2003. 數(shù)值天氣預報 [M]. 北京: 氣象出版社, 303–304.Sheng Tongli, Tian Yongxiang, Ge Xiaozhen, et al. 2003. Numerical Weather Prediction (in Chinese) [M]. Beijing: China Meteorological Press, 303–304.

沈新勇, 黃文彥, 王衛(wèi)國, 等. 2014. 利用TWP–ICE試驗資料對比兩種邊界層參數(shù)化方案 [J]. 應用氣象學報, 25 (4): 385–396.Shen Xinyong, Huang Wenyan, Wang Weiguo, et al. 2014. Contrastive study on two boundary layer parameterization schemes using TWP–ICE experiment data [J]. J. Appl. Meter. Sci. (in Chinese), 25 (4): 385–396.

王有民, 葉殿秀, 艾婉秀, 等. 2013. 2012年中國氣候概況 [J]. 氣象, 39(4): 500–507.Wang Youmin, Ye Dianxiu, Ai Wanxiu, at al. Climatic characteristics over China in 2012 [J]. Meteorological Monthly (in Chinese), 39 (4): 500–507.

王遵婭, 任福民, 王東阡, 等. 2013. 2012年海洋和大氣環(huán)流異常及其對中國氣候的影響 [J]. 氣象, 39 (4): 508–515.Wang Zunya, Ren Fumin, Wang Dongqian, at al. 2013. Anomalies of ocean and atmospheric circulation in 2012 and their impacts on climate in China [J]. Meteorological Monthly (in Chinese), 39 (4): 508–515.

伍榮生. 2002. 大氣動力學 [M]. 北京: 高等教育出版社, 165–203.Wu Rongsheng. 2002. Atmospheric Dynamics (in Chinese) [M]. Beijing: Higher Education Press, 165–203.

肖玉華, 何光碧, 顧青源, 等. 2010. 邊界層參數(shù)化方案對不同性質降水模擬的影響 [J]. 高原氣象, 29 (2): 331–339.Xiao Yuhua, He Guangbi, Gu Qingyuan, at al. 2010. Impact of boundary layer parameterization schemes on numerical simulation of different property precipitation [J]. Plateau Meteorology (in Chinese), 29 (2): 331–339.

徐慧燕, 朱葉, 劉瑞, 等. 2013. 長江下游地區(qū)不同邊界層參數(shù)化方案的試驗研究 [J]. 大氣科學, 37 (1): 149–159.Xu Huiyan, Zhu Ye, Liu Rui, et al. 2013. Simulation experiments with different planetary boundary layer schemes in the lower reaches of the Yangtze River [J]. Chinese J. Atmos. Sci. (in Chinese), 37 (1): 149–159.

徐裕華. 1991. 西南氣候 [M]. 北京: 氣象出版社, 140–143.Xu Yuhua. 1991. A Series of Climate for China: Climate of Southwest China (in Chinese) [M]. Beijing: China Meteorological Press, 140–143.

楊大升, 劉余濱, 劉式適. 1983. 動力氣象學 [M]. 北京: 氣象出版社, 332–357.Yang Dasheng, Liu Yubin, Liu Shikuo. 1983. Dynamic Meteorology (in Chinese) [M]. Beijing: China Meteorological Press, 332–357.

葉篤正, 李崇銀, 王必魁, 動力氣象學 [M]. 1988. 北京: 科學出版社, 138–153.Ye Duzheng, Li Chongyin, Wang Bikui. 1988. Dynamic Meteorology (in Chinese) [M]. Beijing: Science Press, 138–153.

趙鳴, 苗曼倩, 王彥昌. 1991. 邊界層氣象學教程 [M]. 北京: 氣象出版社, 1–366.Zhao Ming, Miao Manqian, Wang Yanchang. 1991. A Course in Boundary Layer Meteorology (in Chinese) [M]. Beijing: China Meteorological Press, 1–366.

趙鳴. 2008. 邊界層和陸面過程對中國暴雨影響研究的進展 [J]. 暴雨災害, 27 (2): 186–190.Zhao Ming. 2008. A review of the research on the effects of boundary layer and land surface process on heavy rain in China [J]. Torrential Rain and Disasters (in Chinese), 27 (2): 186–190.

Influence of Planetary Boundary Layer Parameterization Schemes on the Prediction of Rainfall with Different Magnitudes in the Sichuan Basin Using the WRF Model

GAO Duming1, 2, LI Yueqing2, JIANG Xingwen2, LI Juan1, 2, and WU Yao1, 2
1 College of Atmospheric Science, Chengdu University of Information Technology, Chengdu 610225 2 Institute of Plateau Meteorology, China Meteorological Administration, Chengdu 610072

The skill of the Weather Research and Forecasting (WRF) model in predicting rainfall in the Sichuan Basinduring 21 June to 30 July 2012, with three different Planetary Boundary Layer (PBL) parameterization schemes [Mellor–Yamada–Janjic (MYJ), Yonsei University (YSU), and the asymmetric convective model, version 2 (ACM2)], was assessed. Results showed that WRF possessed the highest skill amongst the PBL schemes in the 24-h lead prediction for light rain and moderate rain when adopting ACM2. However, the model showed higher skill in the 48-h lead prediction for heavy rain and torrential rain when using the YSU scheme. To investigate the possible causes of the different skill levels with different PBL schemes, we compared the profiles of potential temperature and relative humidity from the observation and simulation at Wenjiang Station. The results showed that the PBL structure was only simulated well by WRF when using the ACM2 scheme during periods of light rain and moderate rain. However, it was captured well by WRF when using the YSU scheme during periods of heavy rain and torrential rain. The different skills of the three schemes in the prediction of rainfall with various magnitudes may be related to their differences in vertical mixing strength. This characteristic is too moist and unstable near the surface in the output of the MYJ scheme. Due to its insufficient vertical mixing, it produces too much spurious rainfall, and so there is a limited ability for the MYJ scheme to simulate rainfall with different magnitudes. Local moisture away from the surface is more easily transported upward by the YSU scheme because its vertical mixing is strong, satisfying the conditions of torrential rain and heavy rain. Therefore, the YSU scheme is suitable for the simulation of heavier rainfall in the Sichuan Basin. The ACM2 scheme features sufficient turbulent mixing strength and, besides, non-local transport will be closed by ACM2 under stable conditions. Therefore, this scheme cannot produce too much precipitation, and is thus more suited to simulating light rainfall and moderate rain in the Sichuan Basin.

Planetary boundary layer parameterization, WRF model, Precipitation, Threat score, Bias score

Funded byNational Natural Science Foundation of China (Grants 91337215, 41275051), Special Scientific Research Fund of Meteorological Public Welfare Profession of China (Grants GYHY201406001, GYHY201206039, GYHY201006053), National Basic Research Program of China (973 Program, Grant 2012CB417202)

邊界層參數(shù)化WRF模式不同量級降水TS評分BS評分

1006-9895(2016)02-0371-19

P435

A

10.3878/j.issn.1006-9895.1503.14323

2014-11-21；網(wǎng)絡預出版日期 2015-03-20

高篤鳴，男， 1989年出生，碩士研究生，主要從事中尺度數(shù)值模擬和大氣資料同化研究。E-mail: 307285424@qq.com

蔣興文，E-mail: xingwen.jiang@yahoo.com

國家自然科學基金91337215、41275051，公益性行業(yè)（氣象）科研專項經(jīng)費項目GYHY201406001、GYHY201206039、GYHY201006053，國家重點基礎研究發(fā)展計劃（973計劃）項目2012CB417202