引言

每年6、7月在长江中下游会出现沿着长江流域的东西向准静止锋，即梅雨锋，由其造成的暴雨称为梅雨锋暴雨(陶诗言，1980)，它是造成我国汛期洪涝灾害的主要天气，同时还能引发泥石流等次生灾害，对国家的经济发展和人民的生命财产造成严重危害。提高暴雨的预报能力是减灾、防灾的一项重要工作任务(赵益帆等，2020)，一直受到政府部门的高度关注。因此，梅雨锋暴雨预报理论和方法始终是我国气象工作者研究的热点(王家祁，2002；寿绍文，2019)，目前数值预报成为了暴雨预报的主要方法，由于梅雨锋暴雨发生机理复杂性、多样性以及多尺度相互作用等特征(郑永光等，2007；Luo et al，2014；郑婧等，2015)，发展高分辨率的数值模式是提高暴雨数值预报水平的有效手段，实际上在数值模式的研制发展过程中，梅雨锋降水预报效果也检验模式性能的重要内容(赵益帆，2020)。

模式分辨率是影响模式预报效果的重要因素之一，特别是对于暴雨这种局地性、突发性较强的中尺度现象。Robert (1987)曾估计，在模式各因子引起的误差中，由水平分辨率引起的截断误差占38%，稍高于次网格尺度物理过程引起的34%的比例(廖洞贤，1999)。

许多个例研究表明，增加模式的水平分辨率可以提高降水模拟的准确率(韦统健和张晶，1995；周天军和钱永甫，1996；王建捷等，2005)。姜勇强等(2006)利用MRM1模式研究表明，高分辨率模式的模拟结果明显好于低分辨率的结果，同时还指出模式垂直坐标带来的误差可能抵消了水平分辨率提高带来的改善。黄海波等(2011)的研究发现，WRF模式对降水预报效果并不总是随水平分辨率的提高而提高，模式水平分辨率的提高存在明显的阈值，当模式的水平分辨率超过这一阈值后，预报效果开始转差，模式水平分辨率的阈值大概在15 km左右，上限是20 km，下限是10 km。康兆萍等(2019)利用WRF模式对华中地区一次暴雨过程进行数值试验，发现总雨区模拟对水平分辨率更为敏感，大暴雨区模拟对水平分辨率和云微物理方案均很敏感。

同时，数值模式垂直分辨率的问题也日益被重视。已有研究表明：中尺度模式的垂直分辨率对暴雨以及强对流天气的数值模拟有重要影响。汤剑平等(2006)验证了提高模式垂直分辨率能改善强降水的模拟能力。Homeyer (2015)的数值模拟试验发现，细致的模式垂直分辨率能更好地模拟出对流层顶以及穿透对流在对流层和平流层之间带来的质量交换。王宁和平凡(2019)针对广州“5·7”特大暴雨的研究表明，垂直分辨率的提高对此次强降水过程的模拟有显著影响，降水强度显著提升，落区及形态也与实况更为接近，而当水平分辨率与垂直分辨率相协调时，对降水模拟影响的作用最大，不同高度层次的垂直分辨率加密试验均能有效地改善此次特大暴雨的数值模拟效果。

此外，积云参数化过程被认为是模式中最重要的非绝热湿物理过程(陈静等，2003；杜娟，2019)，其对降水的影响最为显著(李俊等，2008)。前人研究指出，提高数值模式的分辨率，从物理上考虑，可以尽量增加模式对大气动力过程和热力过程的“显式”描述部分，减少模糊的参数化过程，这是提高数值预报水平的一个基础(陈德辉和薛纪善，2004)。张大林(1998)曾指出，当网格距减小到5 km以下，虽然大部分在发展阶段的对流单体仍在1 km范围内，但对流已不再完全是次网格现象，这时应考虑选择合理的显式云物理方案。所以当计算条件允许时，应尽可能使用5 km以下的水平网格距和与之匹配的显式云物理方案来制作中小尺度的天气预报；但由于分析大量高分辨率的模式资料也有许多不便之处，故积云参数化将会永远被人们使用，至少被从事理论研究者所用。

WRF模式是由美国国家大气研究中心(NCAR)、美国国家大气环境研究中心(NCEP)等科研机构共同开发的一种完全可压缩以及非静力模式，目前已经广泛应用于中尺度数值模拟。Jimy (2016)提出当WRF模式水平分辨率在3 km及以下时，可能不再需要积云参数化方案，同时也指出在某些情况下积云参数化方案对对流的早期触发有帮助。根据最新的《WRF在线教程》介绍(网址为https://www2.mmm.ucar.edu/wrf/users/namelist_best_prac_wrf.html#cu_physics)，通常认为网格距在4 km以下时不再需要使用积云参数化方案，那么对高分辨率模式，积云参数化方案使用与否对降水模拟结果有何影响？到目前为止，相关研究还很少，随着数值模式分辨率的提高，这是一个值得探索的科学问题。

本文以2020年7月7日发生在华中地区的一次梅雨锋大暴雨天气过程为例，研究不同垂直和水平分辨率对降水模拟的影响，探讨水平分辨率4 km以下时，积云参数化方案使用与否对降水模拟效果的影响。

1 资料说明与研究方法 1.1 资料说明

天气形势分析、模式初值和侧边界条件采用欧洲中期天气预报中心ECMWF提供的第五代全球再分析资料ERA5再分析资料(下载网址为https://cds.climate.copernicus.eu/cdsapp#!/search?type=dataset&keywords=((%20%22Product%20type:%20Reanalysis%22%20)))，该资料水平分辨率为0.25°×0.25°，顶层气压为1 Pa，垂直分层为137层，时间分辨率为1 h (Olauson，2018)。

降水数据采用中国自动站与CMORPH (CPC MORPHing technique)降水产品融合的逐时降水量网格数据集(下载网址为http://data.cma.cn/data/cdcdetail/dataCode/SEVP_CLI_CHN_MERGE_CMP_PRE_HOUR_GRID_0.10.html)，其水平分辨率为0.1°×0.1°，时间间隔1 h (赵子惜和陈志和，2020)。卫星云图资料来自中国气象数据网(下载网址为http://data.cma.cn/data/online/t/3)。

1.2 试验设计

为了研究不同水平分辨率和垂直分辨率对降水预报的影响，以及积云可分辨尺度下显示方案和参数化方案对提高降水预报效果的作用，本文试验利用WRF V4.1.3模式，设置了水平分辨率为12 km和3 km，垂直分为43、60和81层的不同组合试验方案。已有的研究认为，4~10 km的分辨率为模式的“灰色地带”，当水平分辨率在10 km以上时需要使用积云参数化方案，当水平分辨率在4 km以下时，可以只使用显式方案，为了揭示积云参数化的作用，针对水平分辨率为3 km的试验，又设计了考虑积云参数化方案和不考虑积云参数化方案两种情景，这样共有9组试验，具体如表 1。

在模式层顶为10 hPa的情况下，采用模式中的自动分层计算方法，设置模式垂直分层为43、60和81的3种分层方案，如图 1所示。

模式中积云对流、微物理过程等参数化方案选用经过广泛测试效果良好的参数化方案的组合，具体如表 2所示。模式初始场和侧边界条件采用0.25°×0.25°的ERA5资料，模拟区域为(105°—123°E，21°—37°N)，区域中心点位于湖北东南部(114°E，30°N)，无嵌套，积分起至时间为2020年7月6日18时—8日00时(世界时, 下同)，共30 h，前6 h作为spin-up时间。

1.3 降水预报评分方法

TS (Threat Score)、ETS (Equitable Threat Score)和BS (Bias Score)评分是目前普遍应用于模式降水预报水平评估的标准，其计算公式分别为

$ T S=\frac{N_{\mathrm{fe}}}{N_{\mathrm{f}}+N_{\mathrm{a}}-N_{\mathrm{fr}}} $

(1)

$ E T S=\frac{N_{\mathrm{fc}}-C H}{N_{\mathrm{f}}+N_{\mathrm{a}}-N_{\mathrm{fc}}-C H} $

(2)

$ B S=\frac{N_{\mathrm{f}}}{N_{\mathrm{o}}} $

(3)

其中，N_f为预报降水的格点总数，N_o为实况发生降水的格点总数，N_fc为预报和实况均有降水的格点总数，$ C H=\frac{N_{\mathrm{f}}}{N} \times N_{\mathrm{o}}$，N为有效格点总数。TS评分的值越接近1代表其预报效果越好。与TS评分相比，ETS评分消除了参加统计的格点数多少对TS评分的影响，因而称为公平的TS评分。ETS>0时为有技巧预报，ETS≤0时为无技巧预报，ETS=1时为最佳预报(伍红雨和陈静，2008)。作为对TS与ETS评分的补充，BS评分理想值为1，若大于1则表明预报降水过多，即存在湿偏差；若小于1则表示预报降水过少，即存在干偏差(谭伟才，2016)。

SAL方法将研究区域内的降水作为目标物，从降水分布结构(structure，简称S)，降水强度(amplitude，简称A)、降水出现位置(location，简称L)三方面评估预报的效果，三者的取值范围分别为[-2，2]，[-2，2]，[0，2]，越接近0效果越理想，较TS和ETS评分检验，SAL评分更合理细致和具体(公颖，2010)。

2 梅雨锋暴雨个例及天气形势分析 2.1 灾情介绍

2020年7月7日00时—8日00时，受梅雨锋系统影响(图 2)，长江中下游地区出现了大范围暴雨以上的强降水，对此，中央气象台于7月7日10时发布了2020年首个暴雨橙色预警。此次强降水过程中，湖北黄梅、安徽宿松和江西彭泽等局部地区出现250 mm以上特大暴雨，根据湖北省应急管理厅通报，强降水造成武汉、宜昌、黄石等12市(州、直管市) 46县(市、区) 255.29万人受灾，因灾死亡2人，紧急转移安置6.5万人，紧急生活救助4.52万人；农作物受灾面积416.89× 10³ hm²，其中绝收面积28×10³ hm²；因灾倒塌房屋449间；直接经济损失26.65亿元。

2.2 天气形势分析

图 3给出了7月7日00时和12时200 hPa、500 hPa和850 hPa三个层次的暴雨过程的天气形势。从2个时次的高、中和低层的环流形势看，环流稳定少变，表现出了典型的梅雨期环流特征。高层200 hPa (图 3a₁、a₂)上，亚洲大陆南部为强大的南亚高压环流，高压脊线基本呈东西走向，位于30°N附近。降水大值区大致在脊线附近及其北部，与陈中一等(2014)根据1965— 1983年5—7月的资料统计结果一致。从高压位置(主要高压中心在100°E以西)、高空急流特征(填色)以及东亚大槽(槽线在90°—130°E之间)的位置来看，此期间南亚高压偏向于“西部”型，高压东部辐散较强，有利于上升运动，为此次大暴雨提供了有利的高层环流条件。

在中层500 hPa (图 3b₁、b₂)，在50°—70°N纬度带内的亚欧大陆上环流为两槽两脊形势。我国北方为贝加尔湖高压脊控制，东南方受西太平洋副热带高压(以下简称副高)控制，梅雨锋大暴雨雨带靠近副高北侧边缘，其走向大致和脊线平行，588 dagpm线(填色区为588 dagpm包围区)西伸至中南半岛北部，覆盖了我国华南、西南大部分区域。00时华中地区处于短波槽前，印度半岛中部有一个低涡，其东侧的偏南气流引导孟加拉湾的水汽源源不断地进入我国西南地区，与短波槽前的西南气流相配合，为大暴雨区提供了有利的水汽输送条件，12时该短波槽东移转横并填塞减弱，低涡也西移至阿拉伯海并有所减弱。

低层850 hPa (图 3c₁)可以看到，00时850 hPa上西南、华南地区出现风速大于12 m·s^-1的大范围低空急流区，急流区北侧存在南北风的切变线。结合湿度场(填色)来看，云南、贵州以及湖南湖北西部地区形成水汽输送通道，西南暖湿气流在湖北中部、安徽南部等地与偏北气流形成辐合区，其造成的上升运动有利于形成大范围的强降水，图 3c₂显示，12时我国南部的低空急流、西南地区的水汽输送和华中地区的风场辐合强度均明显减弱。

3 数值模拟结果分析 3.1 24 h累积降水

图 4为2020年7月7日00—8日00时华中地区24 h累积降水实况和9个试验的模拟结果，从实况(图 4a)来看，降水区主体呈东西走向带状分布，横跨湖北安徽南部和湖南江西北部，雨带上存在3个降水的相对大值区分别位于湖北安徽江西交界处、湖北西南部以及江西北部，分别记为1、2、3雨团(白色框标注)。模拟结果显示，各组试验基本上均能模拟出东西走向降水带状分布特征，雨带位置的南北偏差不是很明显，但是不同试验之间也存在明显的差异，且水平分辨率和积云参数化方案不同带来的差异要更显著。具体而言，水平分辨率为12 km的三组试验(表 1中的试验1—3，简称D12，下同)模拟出了250 mm以上的降水大值区，高于实况，但却对实况中的2号降水大值区出现了漏报图(4b、e、h)。水平分辨率为3 km考虑积云参数化的3组试验(表 1中的试验4—6，简称D3，下同)的模拟结果最接近实况，实况中的3个降水大值中心基本均能再现，只是对3号降水区的位置模拟稍有偏差，L60D3试验对2号雨团模拟偏弱图(4c、f、i)。从水平分辨率为3 km不考虑积云参数化的3组试验(表 1中的试验7—9，简称D3N，下同)的模拟结果看，其效果在9组试验中最差，无论是雨带形状的模拟还是降水大值中心的模拟效果均不如D12和D3试验，雨带内大于100 mm的大值区不呈带状分布而是更加零散(图 4d、g、j)。对比D12、D3和D3N中不同垂直分层的3组试验发现，垂直分层对雨带分布和结构的影响均小于水平分辨率。在水平分辨率为12 km时，垂直分层的增加只是对雨带上最大降水中心位置有影响。当水平分辨率为3 km和不考虑积云参数化方案时，垂直分层的变化只对2号雨团模拟有影响。

3.2 环流形势与雷达反射率因子

为考察各个试验对降水系统的模拟情况，对7月7日20时模拟区域的中低层形势场和实况进行了对比(图略)，发现各试验均能较好地模拟出中低层的环流特征，500 hPa高度场、850 hPa风场(切变和辐合区)以及湿度场等均与实况较为接近，故可认为各组试验对降水系统的模拟结果是可信的，模式分辨率和在高分辨率时是否使用积云对流参数化方案对暴雨过程的环流形势影响不大。

为了揭示各个试验对强对流的模拟效果，将各试验模拟得到的逐时次垂直方向最大反射率因子与相应的实况雷达数据进行对比分析发现，各试验均能较好地模拟出对降水区的主体轮廓，但对反射率细致的分布不同试验与实况的差异还是不同的，具体表现为：(1)各个试验模拟的虚假极大值区较多，且强度普遍偏强，这与降水预报偏强一致；(2)水平分辨率和积云参数化方案的差异对反射率的水平分布结构和中心大值区强度均有明显的影响，而垂直分辨率主要影响反射率大值中心的分布，对其水平分布形态影响较小，这可能是因为垂直分辨率的差异主要影响垂直方向上的降水物理过程的描述的缘故。图 5给出了20 h的雷达反射率的实况和模拟结果，其反映了以上的特征。

3.3 逐小时降水演变

虽然各试验24 h累积降水量的分布与实况较为接近，但是从3个降水大值区平均降水的逐小时演变来看，各个试验的模拟还有较大的偏差，相对于实况，降水峰值出现时间和峰值强度均存在较大的差异(图 6)。其中水平分辨率的影响大于垂直分层，积云参数化方案的影响最大。对于不同的雨团，这三个因子的影响也不同，对于1号雨团，D3N在15 h前模拟的降水演变与实况较接近，15 h后降水量明显偏小，而这个时期D12和D3试验的模拟降水演变与实况接近，特别是D12试验的效果更好，D12和D3对应的6个试验均在一定程度上模拟出了该时段内降水的趋势和峰值出现时间，L60D3与实况最为接近，但在强度上均偏弱，D12对应的3个试验在峰值的强度上要超过D3试验，这6个试验在08—16时之间均出现虚假的降水高峰，同样也是D12对应的3个试验在峰值的强度上要超过D3的试验。对于2号雨团，各试验对降水演变趋势的模拟结果均偏差较大，16 h后均出现了虚报的现象，在12 h前D3N的3个试验模拟结果和实况较为接近，其余时段则不能再现实况降水的演变趋势，D12和D3各自3个试验对降水峰值的模拟滞后较多，且D12试验模拟的降水强度远小于实况。对于3号雨团，在12 h前，各试验模拟的降水量均明显高于实况，12 h后出现的降水峰值，各个试验的模拟结果均有出现，但强度和时间上有差异，其中D12的三个成员模拟的降水演变曲线形状与实况较为接近，但是峰值时间比实况有延迟。此时垂直分辨率的影响也显现出了，不同垂直分辨率对峰值强度和出现时间均有影响，试验L43D3和L60D3模拟的峰值时刻虽然与实况一致，但在降水量上远小于实况。

综合来看，各组试验对3个雨团降水随时间演变的模拟存在明显的偏差，在各个时段有不同的表现，这反映了不同试验方案对暴雨预报具有不确定性，或暴雨预报对模式分辨率和物理方案的敏感性。

3.4 TS、ETS和BS评分

图 7为不同试验24 h累积降水的TS、ETS和BS评分，从中可见，在大雨、暴雨及大暴雨的三个降水阈值上，D3N的试验的TS和ETS评分中均差于D12和D3试验，在大暴雨量级的评分中更是远低于后两者，这说明在水平分辨率为3 km情况下，不考虑积云参数化方案时明显降低了预报技巧，且在大暴雨量级以上降低的程度更大；垂直分辨率的改变对预报技巧的影响总体上不如水平分辨率和积云参数化方案的影响显著。BS评分是对TS、ETS评分的补充验证，其评分结果与二者一致性较好，虽然在大暴雨量级D3N试验的BS评分更接近1，其表现略好于D12和D3试验，但是结合空报率和漏报率的统计结果看(图略)，D3N试验还是要明显差于D12和D3试验，所以可以认为对于3个量级的降水预报，D3N试验都不如D12和D3试验的效果好。

3.5 SAL评分

图 8给出不同试验的SAL评分，从中可见，对于降水结构模拟，各个试验的S值均大于0，对比垂直分层对不同阈值降水的影响发现，垂直分层的增加并没有使得S值减小，即垂直分层的增加对降水结构的模拟效果提高没有明显的正贡献。而水平分辨率的提高对S减小也不是一致的正贡献，最小的S还与垂直分辨率和水平分辨率的配置及积云参数化方案的应用有关。在三个阈值中D3N试验的S值均小于D3试验，且在大暴雨量级L60D3N的表现是9个试验中最优的，这说明在水平分辨率为3 km时，不使用积云参数化方案对降水结构的模拟有正效果。但L43D12试验在各个阈值的评分中均最接近0，表现最好。这说明对降雨结构的预报上，在3 km水平分辨率不使用积云参数化方案要比使用的效果好。

对于降水强度模拟，在大雨、暴雨和大暴雨的三个阈值模拟评估中，D3与D3N对应的6个试验的A值均比D12的3个试验的小，这说明水平分辨率对降雨强度的预报影响显著，而其中D3的3个试验又分别是各组中最优的，这说明在水平分辨率为3 km时，使用积云参数化方案有利于提高降雨强度的预报效果，另外，3个降雨量级的评估中，L43D3在9个试验中均以微弱的优势表现最优，这说明提高垂直分辨率对提高对降雨强度的预报水平没有正贡献。

对于降水位置的模拟，在大雨量级的评估中，D3N的3个试验L值较小，但与D3试验的差异不是很大；对暴雨量级的评估中，也是D3N试验的L较小，但9个试验中L最小值是L43D12试验；对于大暴雨量级的评估，D3的3个试验的L均比D3N试验小，且L60D3试验的L值在9个试验中最小，这说明对不同降水阈值的模拟，水平分辨率的影响不同，是否使用积云参数化方案的影响效果也不同，要提高降水预报水平，模式的水平和垂直分辨率存在最佳配置，模式分辨率与物理过程参数化方案的应用也有最佳配置。对大暴雨量级以上的降水位置预报，使用积云参数化能对改善降水位置预报技巧有正贡献。综合来看，对于大雨和暴雨量级以上的预报，D3N的预报总体表现相对更好，对于大暴雨量级以上的预报，D3的3个试验表现相对更好，L60D3的总体表现最优。这也说明即使对于高分辨率的数值模式，积云参数化方案的作用也具有不确定性，由于每次暴雨过程的积云尺度不同，水平分辨率到底取多少时可以忽略次网格降水作用也是不确定的。

4 结论与讨论

本文以2020年7月7日发生在华中地区的一次梅雨锋大暴雨天气过程为例，利用ERA5再分析资料对其发生的高中低层背景环流形势进行了分析，而后采用WRF V4.1.3模式，选择不同垂直分辨率和水平分辨率组合，并针对模式推荐的显式尺度(具体为3 km)下是否采用积云参数化方案设计了9组试验，研究了模式分辨率及高分辨率情况下，积云参数化方案对降水模拟影响，且对模拟降水的空间分布、时间演变进行了分析，最后利用ETS、TS、BS和SAL评分方法，分大雨、暴雨和大暴雨3个阈值对模拟降水进行了定量评估，得到以下主要结论：

(1) 此次暴雨过程是典型的梅雨期暴雨，高层南亚高压稳定控制着东亚上空；在中层，华中地区位于副高北侧边缘，有利于中纬度短波槽活动和南方暖湿气流的输送；低层强盛的偏南低空急流导致暖湿气流在湖北中部、安徽南部等地与偏北气流形成大范围的辐合区，为大暴雨形成提供了有利的热力和动力条件。

(2) 不同水平和垂直分辨率的试验均能较好地模拟出此次大暴雨天气过程的24 h累积降水的带状分布特征以及中低层环流形势，也能模拟出实况降水的基本分布特征，水平分辨率和积云参数化方案对雨区的水平分布形态和强雨区的位置均有显著影响，垂直分辨率主要影响降水大值区位置，而对其水平分布形态影响不明显，此外，积云参数化方案对累积降水分布的结构有明显影响。

(3) 各试验对3个降水大值区区域平均降水逐小时演变的模拟与实况差异较大，相比不同的垂直分辨率，不同的水平分辨率和积云参数化方案是否使用对暴雨模拟的影响更为显著。

(4) 从TS、ETS和BS评分来看，水平分辨率为3 km时，若不考虑积云参数化方案，则预报技巧明显降低，对大暴雨的降低程度更大；不同垂直分辨率对预报技巧的影响不如水平分辨率变化和积云参数化方案是否使用来得显著。从SAL评分来看，提高垂直分辨率对12 km水平分辨率的影响比3 km的更大；提高水平分辨率和使用积云参数化方案对降雨强度的预报技巧改善效果相比仅提高垂直分辨率更加显著；针对3 km的水平分辨率，是否使用积云参数化方案对不同量级降雨强度的预报影响有所差异。总体来看，对于3 km的水平分辨率，使用积云参数化方案效果更好，可见对于4 km以下的网格距，积云参数化方案并不宜完全弃用。

需要指出的是，本文仅针对一个暴雨个例进行了模拟试验，分析得到的分辨率和积云参数化对降水模拟影响的规律存在一定的局限性，还需要收集更多的个例进行对比确证，涉及的深层次机理也有待进一步的深入研究，此外，用作实况的降水融合资料由于自身存的局限性，也可能给分析结果带来不确定性，这些问题有待进一步研究。

致谢：中国气象局武汉暴雨研究所肖艳姣研究员提供雷达拼图数据以及使用方法的指导，谨致谢忱！