2016, Vol. 59
2. 南京信息工程大学遥感学院, 南京 210044
2. Department of Geography, Nanjing University of Information Science and Technology, Nanjing 210044, China
积云参数化是数值模式中重要的一种非绝热加热物理过程.积云对流引发的降水在全球地气系统的水分及能量循环中起着至关重要的作用，也是地球水分循环中的主要组成部分; 积云对流的潜热释放充当着驱动全球大气环流的“引擎”，是大气中有效的能量转换器.同时，积云对流也是中尺度系统发生、发展的重要物理过程，中尺度系统是暴雨的直接制造者，其发生发展决定了暴雨的落区及强度.
由于积云对流发生在云分辨的次网格尺度，而中尺度模式对积云对流的描述是在网格尺度，因此积云对流在数值模式中的描述是通过参数化来实现的.近年来大量的观测事实证实：在暴雨发生发展过程中，有对流云团组织化现象.青藏高原中东部是我国对流活动的频发区，徐祥德和陈联寿(2006)据1978年、1998年两次青藏高原科学试验结果发现：高原中东部频发的、持续性的对流活动，通过组织化形成深厚的对流系统，诱生出高原低涡.上述高原低涡的发展和东移，是引起高原中东部及长江流域地区暴雨的天气系统.如1998年长江流域在湖北黄石发生的暴雨，其降水系统可追溯到高原的对流活动.在我国长江中下游地区，刘建勇等(2012)统计分析了1998—2007年发生的梅雨锋降水过程，发现梅雨锋上的降水系统主要是由梅雨锋上的对流单体组织化形成的.在我国华南、华东沿海地区，登陆台风螺旋云带上的对流云团的组织化决定了台风降水的落区及强度.对流云团的组织化现象涉及青藏高原、长江中下游和我国东部沿海地区.青藏高原是全球最大的高原，长江中下游是梅雨最典型的区域，东部沿海是受西太平洋台风活动影响的区域.可见，从我国青藏高原经长江中下游到华东沿海，都有一个富有特征的现象，即对流云团的组织化现象.因此，要提高和改进东亚区域降水模拟及预测，必须发展合适的中尺度积云参数化方案.
国外针对积云对流参数化方案的发展已有了大量研究.受GATE及SESAME等大型野外观测实验的推动，20世纪80年代后积云参数化方案研究取得较快进展.Betts(1986)提出了湿对流调整方案，证实了云中微物理过程影响对流加热廓线峰值和云体大小.Taylor和Baker(1987)设计了一个包含云水与云冰微物理过程的Kuo方案.Miller和Momcrieff(1983)考虑了积云对水平动量通量的输送及水平风垂直切变的作用，考虑了云体与环境的卷入、卷出过程.Gregory和Rowntree(1990)设计了一个适用于深对流、浅对流的质量通量方案.在中尺度模式积云参数化方面，Fritsch和Chappell(1980)发展了一个中尺度深对流方案，包括对流上升和下沉运动的方案，该方案考虑了环境空气的垂直运动及风切变的影响.Harines和Sun(1988)在中尺度积云参数化方案中考虑了中尺度补偿下沉运动.Kain和Fritsch(1990)引入一维卷入卷出云模式，发展了KF中尺度积云参数化方案，随后在1993年对KF方案进行了改进，简称为KFeta方案.21世纪以来，积云对流参数化有了新的进展.Grabowski(2001)首先发展了云分辨参数化方案(超参数化)，即在大气环流模式(GCM)中嵌入二维云分辨模式(CRM)，具体做法即在每个大尺度格点上同时启动云模式，每个云模式在云分辨尺度显示计算积云对流效果，然后利用张弛逼近、区域平均方法算出大尺度格点上的积云对流效果.Arakawa(2004)还提出基于准三维CRM 与GCM 的耦合，构建全球多尺度模式框架(MMF)的设想.Miura等(2007)和Slingo等(2009)指出:如何描述对流组织化过程，是下一代天气或气候模式发展面临的一个重大挑战.
国内对积云对流参数化的研究进展主要在参数化方案的比较性研究以及东亚区域参数化方案的构造研究方面(许习华，1991；陈伯民和钱正安，1992；陈伯民等，1996；刘一鸣，1998；林文实和黄美元，1998；左瑞亭等，2008； Hao et al.，2008；Jia et al.，2009；Ha et al.，2011；Zhang et al.，2014).许习华和丁一汇(1990)设计了一个考虑积云与层云相互作用的对流参数化方案.陈伯民和钱正安(1992)针对青藏高原地区积云活动的特点，修改了Krishnamurti多元回归方案，改进了高原和中国东部地区的降水和形势场的预报.陈德辉(1997)采用非准平衡假设，对对流质量Mc进行预报，提出了预报性对流质量通量参数化方案.Ping等(2003)，平凡和高守亭(2004)对Gregory方案进行了改进，并将改进后的方案引入到中国国家气候中心的T63 全球谱模式，改进我国冬夏季降水的模拟.李响(2012)利用WRF模式，研究了不同积云对流参数化方案对西北太平洋台风路径与强度的影响.胡文婷等(2011)研究了积云对流参数化方案对热带大气季节内振荡模拟的影响.
综上所述，国内外积云参数化研究一直是备受关注的前沿问题.目前国际最新研究开始强调在中尺度模式中对组织化对流过程的描述，这为东亚区域中尺度积云参数化方案的研究提供了可借鉴的思路.东亚是对流组织化发生、发展的典型区域，如何从东亚降水过程中提取出对流组织化的信息并应用于参数化方案的构造？发展出的积云参数化方案能否对东亚降水模拟及预测有明显的改进？本文在近年来(1990—2010)江淮流域汛期的降水合成分析基础上(平凡等，2014)，诊断出组织化对流降水环境的动力参数，将其作为参数化方案的动力控制条件，改进积云参数化方案，并对我国梅雨期暴雨、华南前汛期暴雨过程进行数值模拟，以检验改进后的参数化方案对暴雨模拟预测效果.
2 积云对流参数化目标方案的选取目前在区域及中尺度模式中有多种通用的积云参数化方案，其中代表性的方案有(1)Kain-Fritsch Eta(KFeta)，(2)Betts-Miller Janjic(BMJ)，(3)Arakawa-Schubert(AS)，(4)Grell-Devenyi(GD).国内外学者对这些方案进行了大量比较性研究，得到初步研究结果.Jankov等(2005)利用WRF区域模式中不同参数化方案对发生在夏季8个国际水项目(IHOP)中的中尺度对流系统(MCS)降水个例进行模拟，研究发现对于降水预报结果产生最大影响的是积云参数化方案的选择，对于强降水模拟，KF方案的模拟结果优于其他方案.Ping和Luo(2010)利用WRF区域模式中四种参数化方案(KF，BMJ，GD，AS)对2003年发生在江苏南京(7月3—5日，7月8—9日)两次大暴雨过程进行模拟分析，得出KF方案较其他方案模拟降水结果与实况观测更为一致，而且KF方案还可以模拟出中尺度对流系统形成、发展、成熟、消亡整个过程.屠妮妮等(2011)利用参数化方案(KF，BMJ，GD，AS)对2010年7月14—18日发生在四川一次暴雨过程进行模拟研究，根据降水结果TS评分，得出KF方案TS评分高于其他方案.廖镜彪等(2012)利用WRF区域模式中(KF，BMJ，GD，G3(new GD))参数化方案对2010年5月14—15日广东珠江三角洲地区一次暴雨过程进行模拟，结果显示:相比其他方案，KF方案对于降水带和降水量的模拟与实况较为一致.综上所述，KF方案是比较通用的参数化方案，特别是对我国区域降水有一定的模拟和预测能力，因此本文选择具有Kain-Fritsch Eta积云参数化方案作为本研究发展和改进目标方案.
Kain-Fritsch方案是目前通用的中尺度对流调整方案，其基本思路是当网格尺度积蓄大量的有效浮力能时，则启动积云对流过程，对流过程一直到消耗掉多余的有效浮力能为止.Kain-Fritsch Eta方案(Kain and Fritsch，1993;Kain，2004)是在Kain-Fritsch方案基础上的发展，主要改进是引入了最小卷入率以避免在弱不稳定及相对干燥的大气中产生深对流；在浅对流方案中，只考虑积云对流对环境的加热和增湿效果，不发生降水过程.
3 有组织对流的动力因子诊断由于对流活动发生在湿润的大气环境中，既不是干空气，也不是完全饱和的湿空气，Gao等(2004)用广义位温来表征对流发生的大气环境湿润状况.
广义位温定义为：
进一步的研究发现(Gao and Cao，2007；曹洁和高守亭，2008)，广义位温是表征实际大气湿润环境的一个守恒量. 非均匀饱和大气中释放的凝结潜热可以表示为：
由于凝结掉出气团的液态水释放的潜热很少，故虽有热量流失，仍可视为绝热的，或者称为“假绝热”(Andrews，2000).这样得到了热力学第一定律的如下公式：
当 Lqs/CpmT<<1 时，(3)式最右端项就可以用 -δ(Lqs·(qv/qvs)k)近似代替.由于实际大气的底层大气温度通常有 L/CpmT≤10，因而只要满足 qs·(qv/qvs)k<<100 g·kg-1，该近似就可成立.至于这一饱和比湿条件成立与否，一方面可以依据实际大气 qvs(T，p)的分布廓线可见，另一方面也可以从相当位温的引入过程中 qvs<<100 g·kg-1 得到验证.进一步忽略 Cpm 随时间变化，(3)式变成：
平凡等(2014)利用1990年至2010年6—7月逐日的连续时间序列资料，合成分析了长江及淮河汛期洪涝大气环流的特征，发现广义位温能够准确描述有组织对流发生的大气环境条件，包括梅雨锋的位置和垂直活动的时空分布，因此本文选用广义位温作为积云参数化方案的环境动力控制条件，来改进参数化方案.
4 积云对流参数化方案的改进积云参数化方案有三个核心环节，分别是动力控制、对流触发以及闭合假设.本文在改进方案中，主要针对积云参数化方案中的动力控制机制，进行了改进.
如图 1所示，在KFeta原方案中，动力控制条件主要采用浮力判据，即假设一个小气块的温度是 T，湿度是 Q，其虚温是 TV，而其周围环境的温度是 TE，则判断小气块从 k-1 层上升到 k 层时，应满足的浮力条件是 TV(k-1)>TE(k-1)，这里的气块虚温 TV=T(1+0.608Q)，逐层进行浮力判据的检验一直到 k+1 层，这时满足气块 TV(k+1)<TE(k+1)，表明对流气块一直上升到 k 层结束，k 层就是对流层顶.
 | 图 1 积云对流参数化方案改进的示意图 左侧为原来KFeta积云参数化方案的动力控制；右侧为改进后积云参数化方案的动力控制.式中TV是虚温，广义位温θ*，单位：K. Fig. 1 The schematic plot of developing cumulus parameterization scheme Left side of figure is power control of the original KFeta cumulus parameterization scheme, right side of figure is power control of modified cumulus parameterization scheme. In the formula, TV is virtual temperature, θ* is generalized potential temperature, unit：K. |
在改进的方案中动力控制条件依然采用浮力判据，但此时假设气块中潜热的释放应满足实际的大气环境，即当气块的湿度同周围环境湿度相等的时候潜热释放停止，考虑到实际大气的环境不是完全饱和，降水环境也不是发生在完全饱和的环境中，因此我们采用广义位温 θ* 作为浮力判据，即判断小气块从 k-1 层上升到 k 层时，应满足的浮力条件是 θ(k-1)*>θE(k-1)，逐层进行浮力判据的检验一直到 k+1 层，这时满足 θ(k+1)*<θE(k+1)，表明对流气块一直上升到 k 层结束，k 层就是对流层顶.
5 改进后的积云参数化方案在暴雨模拟中的检验暴雨是一种严重的灾害性天气，对人民的财产和人身安全具有重大影响. 据统计，全球各类自然灾害所造成的损失中，暴雨洪涝占40%左右，因此长期以来，暴雨的研究和预报一直受到政府和气象部门的高度重视.
本文利用WRF3.2.1 区域模式，分别采用改进后的KFeta积云参数化方案与原KFeta积云参数化方案，对2008年7月发生在鄂西北及黄淮地区的梅雨锋西端暴雨以及2009年5月粤西的华南前汛期暴雨进行了模拟比较性研究，并利用观测资料与模拟结果进行了对比验证，以检验改进后的积云参数化方案对上述两种类型暴雨的模拟能力.
5.1 资料与方法本文采用欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts，ECMWF)的再分析资料，水平分辨率0.5°×0.5°，每隔6 h一次，该数据为模式提供初始条件以及边界条件.
本文降水实况数据采用中国气象数据共享服务网的基于全国3万余个自动观测站逐小时降水量和CMORPH卫星反演降水产品，采用PDF＋OI两步融合方法生成了中国区域逐小时、0.1°×0.1°分辨率的降水量融合产品，数据集实体为GrADS标准格式，文件后缀为grd，图形文件后缀为gif，具体形式SURF_CLI_CHN_MERGE_CMP_PRE_HOUR_GRID_0.10-YYYYMMDDHH.grd.融合处理过程中使用的自动站逐时降水资料经过了包括气候学界限值、区域界限值、时间一致性、空间一致性检查等在内的严格质量控制.
针对这两次暴雨过程的模拟，本文采用了两种方案：第一种方案，利用WRF区域模式中原有KFeta积云参数化方案对暴雨过程进行模拟，称为“原方案”；第二种方案，利用改进后的KFeta积云参数化方案对暴雨过程进行模拟，称为“改进后的方案”.
5.2 改进后参数化方案与原方案对梅雨锋西端暴雨模拟的比较性研究 5.2.1 降水过程简介2008年7月20—23日，鄂西北部和河南黄淮地区连续普降暴雨和大暴雨，连续降水造成200多万人受灾，其中5人死亡，经济损失累计20多亿元(谌伟等，2011).从图 2e降水实况可以看出，这次降水过程雨带呈“西南—东北”走向，降水大值区位于湖北襄樊、河南信阳、漯河等地区.
 | 图 2 2008年7月22日00时—23日00时24 h及6 h的实况降水量与改进前后参数化方案模拟降水量对比(单位:mm) (a,b,c,d,e)为实况，(a1,b1,c1,d1,e1)为原方案，(a2,b2,c2,d2,e2)为改进后的方案.(a,a1,a2)为00—24时段, (b,b1,b2)为00—06时段，(c,c1,c2)为06—12时段，(d,d1,d2)为12—18时段，(e,e1,e2)为18—24时段. Fig. 2 Comparison of the observed and simulated 24 hours precipitation and section 6 hours precipitation from 0000UTC on 22 July to 0000UTC on 23 July 2008 (Unit: mm) (a,b,c,d,e) for observe, (a1,b1,c1,d1,e1) for the original scheme, (a2, b2,c2,d2,e2) for the developed scheme. (a，a1，a2) 00—24 h, (b,b1,b2) 00—06 h, (c,c1,c2) 06—12 h, (d,d1,d2) 12—18 h,(e,e1,e2) 18—24 h. |
利用WRF 3.2.1 模式对2008年7月22日00时至23日00时(世界时，下同)的降水过程进行模拟，模式运行采用单层网格，模式分辨率为10 km，网格点数201×201，水平区域中心点为(32.5°N，112.5°E)，垂直方向为37个σ层，时间步长为60 s，微物理过程采用WSM 6-class方案，边界层采用YSU方案.
5.2.3 模拟结果比较分析(1)降水量
为检验积云参数化方案的模拟能力，我们给出了两种参数化方案模拟的每6 h的降水量以及24 h累计降水量，同时给出了相应的实况降水量(见图 2).
原方案(图 2a1)与改进后的方案(图 2a2)模拟出24 h累计降水量分布，与实况(图 2a)对比可以看出，两种方案模拟的雨带与实况一致，呈西南—东北走向，不过原方案(图 2a1)模拟的降水中心强度偏强，雨带范围偏广，而改进后方案(图 2a2)给出的降水强度与雨带范围基本接近于实况.原方案(图 2(b1，c1，d1，e1))与改进后的方案(图 2(b2，c2，d2，e2))模拟出的22日06时、12时、18时、23日00时每6 h累计降水量分布，与相对应时间段实况降水比较得知，改进后的方案比原方案能更好模拟出此次暴雨过程雨带的移动和强度的变化.(1)22日00—06时实况降水时段(图 2b)，降水有三个中心，分别位于湖北五峰湾潭与湖南交界处、湖北襄樊市、河南东部与安徽西部张集交界处；原方案(图 2b1)模拟出的降水强度偏弱，有多个降水中心，降水雨带偏广，有虚假降水产生；改进后的方案(图 2b2)模拟出的降水强度与降水三个中心位置与实况基本一致.(2)22日06—12时实况降水时段(图 2c)，雨带往东北方向移动，降水中心位于湖北襄樊与河南泌阳一带；原方案(图 2c1)模拟出降水强度偏强，降水中心位于湖北十堰至襄樊一带；改进后的方案(图 2c2)模拟出降水中心雨带也位于湖北襄樊与河南泌阳一带.(3)22日12—18时实况降水时段(图 2d)，雨带继续往东北方向移动，有两个降水中心，分别位于河南项城市、安徽天长市与江苏高邮交界处一带；原方案(图 2d1)模拟出降水强度偏强，中心位于湖北襄樊市与河南南阳一带；改进后的方案(图 2d2)模拟出雨带也往东北方向移动，接近于实况降水中心位置.(4)与22日18时至23日00时实况降水时段(图 2e)相比，原方案(图 2e1)降水强度偏强，降水中心雨带偏广且位置略偏北，改进后的方案(图 2e2)模拟出的降水强度和位置较接近实况.
(2)降水时间演变
为了更好地了解原方案和改进后方案模拟出来降水时间演变情况，选取降水中心(30°N—34°N及110°E—116°E)做降水的面平均，得到该区域的降水演变时间序列.图 3为2008年7月22日01时—23日00时逐时的1 h累计降水量时间演变图，从图 3可知，前2个小时原方案和改进后的方案模拟的降水都低于实况，这可能跟模式Spin-up过程有关.从第3个小时开始至23时，改进后的方案模拟结果与实况基本一致，只是在13时至17时，模拟的降水量略高一些；而原方案模拟的降水量明显偏高.实况24 h降水量53.06 mm；原方案模拟降水量73.91 mm；改进后的方案模拟降水量59.03 mm，可见改进后的方案模拟结果基本与实况一致，而原方案模拟结果有虚假降水产生.
 | 图 3 2008年7月22日01时—23日00时逐时的1小时累计降水量时间演变图 OBS为实况；S1为原方案；S2为改进后的方案. Fig. 3 The hourly precipitation amount of the observed and simulated rainfall during the period from 0100UTC on 22 July to 0000UTC on 23 July OBS denotes the observed data; S1 denotes original scheme; S2 denotes developed scheme. |
(3)视热源Q1和视水汽汇Q2的高度-时间剖面
积云参数化的作用除直接计算降水外，对环境的反馈实质是计算出积云对流加热和加湿的效果，视热源Q1和视水汽汇Q2分别是表征积云对流对环境加热和加湿的物理量.因此分析不同方案模拟出的视热源和视水汽汇对于了解参数化方案性能及特点十分重要.
为了更加直接了解原方案和改进后方案模拟出来视热源Q1和视水汽汇Q2的时空分布情况，选取降水中心(30°N—34°N及110°E—116°E)做视热源Q1和视水汽汇Q2的面平均，得到该区域的视热源Q1和视水汽汇Q2的高度-时间剖面分布图.图 4是该区域视热源Q1的高度-时间剖面图.ECMWF诊断出视热源Q1(图 4a)加热中心集中，最大值出现在22日12时高空500至400 hPa之间，达到10 K/6h.原方案模拟出的视热源Q1(图 4b)加热最大值出现在22日06时高空500至400 hPa之间，达到11 K/6h.改进后的方案模拟出的视热源Q1(图 4c)加热中心集中，最大值出现在22日12时高空500至400 hPa之间，达到10 K/6h，跟ECMWF资料诊断出的视热源(图 4a)比较一致.比较分析可知，改进后的方案模拟的视热源Q1加热中心与ECMWF诊断出视热源Q1相比，其时空分布范围及强度与实况基本一致；原方案模拟的视热源Q1 与ECMWF诊断出视热源Q1相比，其时空分布范围及强度与实况差异较大.
 | 图 4 视热源Q1的高度-时间剖面(单位：K·6h-1) (a) ECMWF; (b) 原方案; (c) 改进后的方案. Fig.4 The height-time cross-section of apparent heat source (Unit：K·6h-1) (a) ECMWF; (b) Original scheme; (c) Modified scheme. 图5 视水汽汇Q2的高度-时间剖面(单位：K·6h-1) (a) ECMWF; (b) 原方案; (c) 改进后的方案.Fig. 4 The height-time cross-section of apparent moisture sink (Unit：K·6h-1) (a) ECMWF; (b) Original scheme; (c) Modified scheme. |
图 5是该区域视水汽汇Q2的高度-时间剖面图.ECMWF诊断出的视水汽汇Q2(图 5a)有一个主要加湿中心和减湿中心：加湿中心最大值出现在22日06时700 hPa附近，达到7 K/6h；减湿中心最大值出现在22日12时，达到4 K/6h.原方案模拟出的视水汽汇Q2(图 5b)有一个加湿中心和减湿中心：加湿中心最大值出现在22日06时至12时600 hPa附近，达到11 K/6h；减湿中心最大值出现在22日06时，达到4 K/6h；改进后的方案模拟出的视水汽汇Q2(图 5c)有一个加湿中心和减湿中心：加湿中心最大值出现在22日12时高空800至700 hPa之间，达到10 K/6h；减湿中心最大值出现在22日06时，达到4 K/6h.比较分析可知，改进后的方案模拟的视水汽汇Q2与ECMWF诊断出的视水汽汇Q2相比，时空分布范围及强度与实况基本一致；原方案模拟的视水汽汇Q2与ECMWF诊断出的视水汽汇Q2相比，时空分布范围及强度与实况差异较大.
 | 图 5 2009年5月23日00时—24日00时24 h及6 h的实况降水量与改进前后参数化方案模拟降水量对比(单位:mm) (a,b,c,d,e)为实况，(a1,b1,c1,d1,e1)为原方案，(a2,b2,c2,d2,e2)为改进后的方案.(a,a1,a2)为00—24时段,(b,b1,b2)为00—06时段， (c,c1,c2)为06—12时段，(d,d1,d2)为12—18时段，(e,e1,e2)为18—24时段. Fig. 5 Comparison of the observed and simulated 24 hours precipitation and section 6 hours precipitation from 0000UTC on 23 May to 0000UTC on 24 May 2009 (Unit: mm) (a, b, c, d, e) for observe,(a1, b1, c1, d1, e1)for the original scheme,(a2, b2, c2，d2, e2) for the developed scheme. (a,a1,a2)00—24 h,(b,b1,b2)00—06 h,(c,c1,c2)06—12 h,(d,d1,d2)12—18 h,(e,e1,e2)18—24 h. |
分析图 4和图 5可知，改进后的方案模拟出的视热源Q1和视水汽汇Q2的时间演变与ECMWF资料诊断出视热源Q1和视水汽汇Q2的时间演变基本是一致的.改进后的方案不仅模拟出了7月22日09时至15时300至500 hPa强加热中心，而且也模拟出了700至800 hPa的强加湿中心，只是强加湿中心与ECMWF再分析资料相比存在着大约6 h的时间滞后，这可能与模式的Spin-up过程有关；而原方案模拟出的加热、加湿中心层次与ECMWF资料相比，加湿层次偏高，加热中心的时间也偏早近6 h，加热、加湿的时空演变存在较大的误差.
5.3 改进后参数化方案与原方案对华南前汛期暴雨模拟的比较性研究 5.3.1 降水过程简介2009年5月22—24日，粤西沿海和珠江三角洲南部连续普降暴雨和大暴雨，局部地域特大暴雨，其中，23 日 00∶00—24日 00∶00，江门市的台山、开平、恩平和上川岛出现特大暴雨，台山 24 h 雨量达到 324 mm.连续暴雨造成山体滑坡、房屋倒塌、农作物受灾、水利设施受损、城乡内涝等重大灾害.
5.3.2 试验方案设计利用WRF 3.2.1 模式对2009年5月23日00时至24日00时的降水过程进行模拟，模式运行采用单层网格，模式分辨率为10 km，网格点数201×101，水平区域中心点为(22.0°N，115.5°E)，垂直方向为37个σ层，时间步长为60 s，微物理过程采用WSM 6-class方案，边界层采用YSU方案.
5.3.3 模拟结果比较分析(1)降水量
原方案(图 6a1)与改进后的方案(图 6a2)模拟出24 h累计降水量分布，与实况(图 6a)对比得知：原方案模拟的雨带比较分散，可分为三个中心，且降水强度偏弱，有虚假降水产生；改进后的方案模拟的雨带比较集中，降水强度和落区与实况一致.原方案(图 6(b1，c1，d1，e1))与改进后的方案(图 6(b2，c2，d2，e2))模拟出的23日06时、12时、18时、24日00时每6 h累计降水量分布，与相对应时间段实况比较得知，改进后的方案比原方案能更好模拟出此次暴雨过程雨带的分布和强度的变化.(1)23日00—06时实况降水时段(图 6b)，降水中心比较集中，位于广东台山市与恩平市及上川、下川岛屿一带；原方案(图 6b1)模拟出的降水强度偏弱，降水中心有三个，比较分散；改进后的方案(图 6b2)模拟降水强度也偏弱，不过其很好地模拟出了上川、下川等岛屿上的降水.(2)22日06—12时实况降水时段(图 6c)，降水中心位置没变，强度和雨带略为减少；原方案(图 6c1)模拟出的降水强度更为偏弱，且还有三个降水中心，位置比较分散；改进后的方案(图 6c2)模拟出雨带降水中心位置基本接近实况降水中心位置.(3)22日12—18时实况降水时段(图 6d)，雨带位置基本没变，降水强度减弱；原方案(图 6d1)模拟出的降水强度偏弱，雨带比较分散；改进后的方案(图 6d2)模拟出雨带范围位置与实况基本一致，都位于广东阳江一带.(4)22日18时至23日00时(图 6e)实况，有两个降水中心，分别位于阳江沿海一带、台山市；原方案(图 6e1)模拟出的降水强度偏弱，有三个降水中心，雨带比较分散；改进后的方案(图 6e2)模拟出的降水比较集中，也有两个降水中心，其位置较接近实况.
(2)降水时间演变
为了更好地了解原方案和改进后方案模拟出来降水时间演变情况，选取降水中心(21°N—23°N及111°E—114°E)做降水的面平均，得到该区域降水演变时间序列，图 7为2009年5月23日01时—24日00时逐时的1 h累计降水量时间演变图.从图 7可知，前7个时次，两种方案模拟的降水偏低，这主要与模式Spin-up过程有关.原方案模拟的降水从01时开始至24时结束，一直低于实况降水，而改进后的方案模拟的降水在前7个时次与实况差距比较大外，其他时次的降水接近于实况.实况24 h降水量121.12 mm；原方案模拟降水量55.12 mm；改进后的方案模拟降水量90.52 mm，可见改进后的方案模拟结果基本与实况一致，而原方案模拟的降水较弱.
 | 图 7 2009年5月23日01时—24日00时逐时的1 h累计降水量时间演变图 OBS为实况；S1为原方案；S2为改进后的方案. Fig. 7 The hourly precipitation amount of the observed and simulated rainfall during the period from 0100UTC on 23 May to 0000UTC on 24 May OBS denotes the observed data；S1 denotes original scheme； S2 denotes developed scheme. |
(3)视热源Q1和视水汽汇Q2的高度-时间剖面
为了更加直接了解原方案和改进后方案模拟出来视热源Q1和视水汽汇Q2的时空分布情况，选取降水中心(21°N—23°N及111°E—114°E)做视热源Q1和视水汽汇Q2的面平均，得到该区域的视热源Q1和视水汽汇Q2的高度-时间剖面分布图.图 8是该区域视热源Q1的高度-时间剖面图.ECMWF资料诊断出视热源Q1(图 8a)在23日00时至09时存在较强加热中心，最大值位于03时至06时高空400~500 hPa之间，达到9 K/6h，与前面几个时次不一致，15时至24日00时加热发生在对流层中低层700~1000 hPa；原方案模拟的视热源Q1(图 8b)有两个加热中心，其中06至18时的加热中心最大值位于12时高空400 hPa，数值为8 K/6h，另一个加热中心发生在21时至24日00时，高度位于400~500 hPa之间；改进后方案模拟的视热源Q1(图 8c)在03时至15时存在较强的加热中心，最大值位于12时高空400~500 hPa之间，达到9 K/6h.比较分析可知，改进后的方案模拟的视热源Q1加热中心与ECMWF诊断出视热源Q1相比，有3个小时的时滞，但其时空分布范围及强度与实况基本一致；原方案模拟的视热源Q1与ECMWF诊断出视热源Q1相比，有6个小时的时滞，且其时空分布范围及强度与实况差异较大.
 | 图 8 视热源Q1的高度-时间剖面(单位：K·6h-1) (a) ECMWF； (b) 原方案； (c) 改进后的方案. Fig. 8 The height-time cross-section of apparent heat source (Unit：K·6h-1) (a) ECMWF； (b) Original scheme； (c) Modified scheme. |
图 9是该区域视水汽汇Q2的高度-时间剖面图.ECMWF诊断出的视水汽汇Q2(图 9a)加湿比较集中，位于23日03时至12时高空400~500 hPa之间，加湿中心最大值出现在06时高空450 hPa，达到8 K/6h.00时至06时，在底层950 hPa附近有一个强度较小的减湿中心，大小为2 K/6h；原方案模拟的视水汽汇Q2(图 9b)的加湿比较分散，不够集中.最大值出现在23日12时高空400 hPa高度处，数值为6 K/6h.在21时至24日00时，加湿大值位于400~700 hPa之间；改进后方案模拟的视水汽汇Q2(图 9c)加湿比较集中，位于23日03时至12时高空350~450 hPa之间，达到7 K/6h.在21时至24日00时，600~800 hPa之间存在加湿大值区.比较分析可知，改进后的方案模拟的视水汽汇Q2与ECMWF诊断出的视水汽汇Q2相比，时空分布范围及强度与实况基本一致；原方案模拟的视水汽汇Q2与ECMWF诊断出的视水汽汇Q2相比，时空分布范围及强度与实况差异较大.
 | 图 9 视水汽汇Q2的高度-时间剖面(单位：K·6h-1) (a) ECMWF； (b) 原方案； (c) 改进后的方案. Fig. 9 The height-time cross-section of apparent moisture sink (Unit：K·6h-1) (a) ECMWF； (b) Original scheme； (c) Modified scheme. |
分析图 8和图 9可知，改进后的方案模拟出的视热源Q1和视水汽汇Q2的时间演变与ECMWF资料诊断出视热源Q1和视水汽汇Q2的时间演变基本是一致的.改进后的方案模拟出了5月23日400～500 hPa的强加热中心，中心强度达9 K/6h，这与ECMWF再分析资料是一致的，只是仍然存在3 h的时滞，而原方案模拟出的加热中心偏弱；改进后方案模拟的加湿中心的时空分布与ECMWF再分析资料十分吻合，而原方案模拟的结果无论是强度及时空分布都存在着较大的误差，由此可见改进后的方案对暴雨过程中加热、加湿廓线及时空演变模拟的改进是其改进降水强度及落区的重要原因.
6 结论和讨论发展和改进积云对流参数化方案对于提高天气及气候模拟的预测、研发天气及气候模式起着至关重要的作用.东亚地区从低纬度的西太平洋地区、经中纬度长江中下游地区到中高纬青藏高原地区，都有积云对流发展的组织化过程，这种积云对流的组织化过程不仅引起了大气环流的变化，而且通过积云对流的升尺度过程影响到大气环流的准双周或月尺度低频振荡，进而影响到降水及环流的季节内变化.同时，积云对流的组织化的形成及发展也是直接形成暴雨等强降水的过程，积云对流组织化的时空演变在很大程度上决定了暴雨等强降水的强度及落区.可见，构造和发展能反映积云对流组织化的参数化方案是改进东亚天气及气候预测的关键.
本文通过对较长时间序列的江淮流域梅雨典型积云对流组织化过程的分析及诊断，来提取积云对流组织化发展的有效信息并将其作为积云参数化方案的主要动力控制机制，以此发展和改进积云参数化方案，本文要点小结如下.
(1)本文引入的新的动力特征量广义位温θ*是诊断江淮流域汛期对流有组织降水的主要因子，广义位温θ*深刻地反映了江淮流域非均匀饱和的降水环境，也反映了梅雨锋是“湿度锋”的本质，其能准确地诊断出梅雨锋的位置及时空分布，同时更是有组织对流发生的主要动力控制因子.
(2)本文将动力特征量广义位温θ*作为浮力判据，来动力控制积云对流的组织化发生、发展及演变过程；同时采用有效浮力能的增量(ΔCAPE)作为积云参数化方案的闭合假设条件，以此保证水汽和能量瞬时集中.以上述机制发展和改进了KFeta积云对流参数化方案.
(3)分别利用改进后的积云参数化方案和原KFeta方案对2008年7月发生在鄂西北及黄淮地区的梅雨锋西端暴雨以及2009年5月粤西的华南前汛期暴雨进行了数值模拟，并进行了比较分析.结果表明：改进后的方案两种类型暴雨的模拟都优于原方案，不仅表现在模拟暴雨雨带的移动变化上，而且表现在模拟暴雨降水落区和强度上.
(4)从加热、加湿的时空分布特征上来看，改进后方案模拟的视热源Q1和视水汽汇Q2与ECMEF再分析资料诊断出的加热和加湿高度廓线更为一致，且加热与加湿中心的时空演变更接近于ECMEF的再分析资料.
上述研究结果是基于较长时间序列的江淮流域梅雨的典型积云对流组织化过程的统计分析及诊断，得到反映积云对流组织化的动力因子，并以此为基础发展和改进了中尺度模式的积云对流参数化方案.事实上，东亚积云对流的组织化过程还有许多值得关注的天气现象，如青藏高原中东部是对流活动的频发区(孙国武和陈葆德，1994)，这种对流活动组织成的深厚对流系统可能是引发东亚大气环流30～40 d低频振荡的一个原因(徐祥德和陈联寿，2006)；西太平洋上热带气旋眼区附近零落的对流单体组织成眼墙及螺旋云带过程也可能是形成台风的一个重要机制.这些积云对流组织化的机制也需要进行深入地探讨，作为进一步发展和改进积云对流参数化的依据.
尽管本研究所改进的积云参数化方案在模拟我国典型的积云组织化降水的强度及落区的模拟中得到了初步令人满意的结果，但要发展适合东亚的积云对流参数化方案还需要更多的模拟个例，以及大批量模拟工作的检验，特别是针对东亚不同类型强降水过程的模拟结果，利用误差分析方法定量地评估积云参数化方案中的误差来源及贡献，以此为基础进一步完善和发展积云对流参数化方案，将是本文未来拟开展的重要研究工作.
致谢 衷心感谢评审专家提出的中肯、详实的宝贵建议，使本文得以完善和提升.感谢中国科学院大气物理研究所高守亭研究员的建议以及硕士生茅家华为本文提供的实况降水资料.| [1] | Andrews D G. 2000. An Introduction to Atmospheric Physics. Cambridge:Cambridge University Press, 21-43. |
| [2] | Arakawa A. 2004. The cumulus parameterization problem:Past, present, and future. Journal of Climate, 17(13):2493-2525. |
| [3] | Betts A K. 1986. A new convective adjustment scheme. Part I:Observational and theoretical basis. Quart. J. Roy. Meteor. Soc., 112(473):677-691. |
| [4] | Cao J, Gao S T. 2008. Generalized potential temperature in non-uniformly saturated atmosphere. Chinese J. Geophys.(in Chinese), 51(6):1651-1656. |
| [5] | Chen B M, Qian Z A. 1992. An altered Kuo-Type cumulus parameterization scheme suitable for the Qinghai-Xizang Plateau area. Plateau Meteor.(in Chinese), 11(1):1-11. |
| [6] | Chen B M, Chen Y C, Su Z X, et al. 1996. Forecasting experiments of modified ECMWF mass-flux cumulus parameterization scheme. Plateau Meteor.(in Chinese), 15(1):37-47. |
| [7] | Chen D H. 1997. A review on the cumulus convective parameterization. Quarterly Journal of Applied Meteorology(in Chinese), 8(Suppl.):69-77. |
| [8] | Chen W, Yue Y, Deng H, et al. 2011. Cause analysis on a torrential rain along western Meiyu front in Xiangyang on 22 July 2008. Torrential Rain and Disasters(in Chinese), 30(3):210-217. |
| [9] | Fritsch J M, Chappell C F. 1980. Numerical prediction of convectively driven mesoscale pressure systems. Ⅰ:Convective parameterization. J. Atmos. Sci., 37(8):1722-1733. |
| [10] | Gao S T, Wang X R, Zhou Y S. 2004. Generation of generalized moist potential vorticity in a frictionless and moist adiabatic flow. Geophysical Research Letter, 31(12):L12113. |
| [11] | Gao S T, Cao J. 2007. Physical basis of generalized potential temperature and its application to cyclone tracks in non-uniformly saturated atmosphere. Journal of Geophysical Research, 112:D18101. |
| [12] | Grabowski W W. 2001. Coupling cloud processes with the large-scale dynamics using the cloud-resolving convection parameterization(CRCP). Journal of the Atmospheric Sciences, 58(9):978-997. |
| [13] | Gregory D, Rowntree P R. 1990. A mass flux convection scheme with representation of cloud ensemble characteristics and stability-dependent closure. Monthly Weather Review, 118(7):1483-1506. |
| [14] | Ha H K, Wang Z H, Kim J Y, et al. 2011. The impact of cumulus parameterizations and microphysics schemes under different combinations on typhoon track prediction. J. Trop. Meteor., 17(2):113-119. |
| [15] | Hao S F, Cui X P, Pan J S. 2008. Ensemble prediction experiments of tracks of tropical cyclones by using multiple cumulus parameterization schemes. J. Trop. Meteor., 14(1):41-44. |
| [16] | Harines P A, Sun W Y. 1988. Mesoscale/convective interaction.//Proceedings of the 8th Conference on Numerical Weather Prediction. Boston, MA:American Meteorological Society, 371-377. |
| [17] | Hu W T, Duan A M, Wu G X. 2011. Sensitivity of simulated tropical intraseasonal oscillations to cumulus schemes. Science China:Earth Sciences, 54(11):1761-1771. |
| [18] | Jankov I, Gallus W A, Segal M, et al. 2005. The impact of different WRF model physical parameterizations and their interactions on warm season MCS rainfall. Weather and Forecasting, 20(6):1048-1060. |
| [19] | Jia X L, Li C Y, Ling J. 2009. Impacts of cumulus parameterization and resolution on the MJO simulation. J. Trop. Meteor., 15(1):106-110. |
| [20] | Kain J S, Fritsch J M. 1990. A one-dimensional entraining/detraining plume model and its application in convective parameterization. J. Atoms. Sci., 47(23):2784-2802. |
| [21] | Kain J S, Fritsch J M. 1993. Convective parameterization for mesoscale models:The Kain-Fritsch scheme.//The Representation of Cumulus Convection in Numerical Models. Meteorological Monographs. Boston:American Meteorological Society, 165-170. |
| [22] | Kain J S. 2004. The Kain-Fritsch convective parameterization:an update. Journal of Applied Meteorology, 43(1):170-181. |
| [23] | Li X. 2013. Sensitivity of WRF simulated typhoon track and intensity over the Northwest Pacific Ocean to cumulus schemes. Science China:Earth Sciences, 56(2):270-281. |
| [24] | Liao J B, Wang X M, Xia B C, et al. 2012. The effects of different physics and cumulus parameterization schemes in WRF on heavy rainfall simulation in PRD. J. Trop. Meteor.(in Chinese), 28(4):461-470. |
| [25] | Lin W S, Huang M Y. 1998. The state about the study in cumulus parameterization. J. Trop. Meteor.(in Chinese), 14(4):374-379. |
| [26] | Liu J Y, Tan Z M, Zhang Y. 2012. Study of the three types of torrential rains of different formation mechanism during the Meiyu period. Acta Meteor. Sinica(in Chinese), 70(3):452-466. |
| [27] | Liu Y M. 1998. Application of cumulus parameterization schemes in China. Acta Meteor. Sinica(in Chinese), 56(2):247-255. |
| [28] | Miller M J, Moncrieff M W. 1983. The use and implementation of dynamical cloud models in a parameterization scheme for deep convection. ECMWF Workshop on Convection in Large-scale Numerical Models, 33-67. |
| [29] | Miura H, Satoh M, Nasuno T, et al. 2007. A Madden-Julian oscillation event realistically simulated by a global cloud-resolving model. Science, 318(5857):1763-1765. |
| [30] | Ping F, Gao S T, Wang H J. 2003. A comparative study of the numerical simulation of the 1998 Summer flood in China by two kinds of cumulus convective parameterized methods. Adv. Atoms. Sic., 20(1):149-157. |
| [31] | Ping F, Gao S T. 2004. Study on the chosen parameterized schemes of cumulus convection and the test of their simulated effects in the short-term climate. Journal of the Graduate School of the Chinese Academy of Sciences(in Chinese), 21(3):366-373. |
| [32] | Ping F, Luo Z X. 2010. Comparative studies of different mesoscale convection parameterization schemes in the simulation of Mei-Yu front heavy rain. Atmospheric and Oceanic Science Letters, 3(3):132-138. |
| [33] | Ping F, Tang X B, Gao S T, et al. 2014. A comparative study of the atmospheric circulations associated with rainy-season floods between the Yangtze and Huaihe River Basins. Science China:Earth Sciences, 57(7):1464-1479. |
| [34] | Slingo J M, Bates K, Nikiforakis N, et al. 2009. Developing the next-generation climate system models:challenges and achievements. Phil. Trans. Roy. Soc., 367(1890):815-831. |
| [35] | Sun G W, Chen B D. 1994. Characteristics of the lows flocking with Tibet atmospheric low-frequency oscillation over the Qinghai-Xizang(Tibet) Plateau. Chinese Journal of Atmospheric Sciences(in Chinese), 18(1):113-121. |
| [36] | Taylor G R, Baker M B. 1987. A midlatitude cumulus parameterization that incorporates cloudtop entrainment. Mon. Wea. Rev., 115(6):1173-1192. |
| [37] | Tu N N, He G B, Zhang L H. 2011. Simulation test on the effects of various cumulus parameterization schemes in WRF model. Plateau and Mountain Meteorology Research(in Chinese), 31(2):18-25. |
| [38] | Wang X R, Wu K J, Shi C E. 1999. The introduction of condensation probability function and the dynamic equations for non-uniform saturated moist air. J. Trop. Metror.(in Chinese), 15(1):64-70. |
| [39] | Xu X D, Chen L S. 2006. Advances of the study on Tibetan Plateau experiment of atmospheric sciences. Journal of Applied Meteorological Science(in Chinese), 17(6):756-772. |
| [40] | Xu X H, Ding Y H. 1990. A cumulus parameterization scheme considering the interaction with cloud and its application on precipitation prediction. Science in China(Series B)(in Chinese), 20(9):998-1008. |
| [41] | Xu X H. 1991. Advances in research of cumulus convection parameterization scheme. Plateau Meteorology(in Chinese), 10(1):105-110. |
| [42] | Yang S, Gao S T, Lu C G. 2014. A generalized frontogenesis function and its application. Advances in Atmospheric Sciences, 31(5):1065-1078. |
| [43] | Zhang L X, Chen Z T, Meng W G, et al. 2014. The influence of cloud parameterization adjustment using reflectivity of Doppler on nowcasting with GRAPES model. J. Trop. Meteor., 20(2):181-192. |
| [44] | Zuo R T, Wang L Q, Qian Z C, et al. 2008. Discussions of the problems existing in current convection parameterization. J. Trop. Meteor.(in Chinese), 24(6):732-736. |
| [45] | 曹洁, 高守亭. 2008. 非均匀饱和大气中的广义位温. 地球物理学报, 51(6):1651-1656. |
| [46] | 陈伯民, 钱正安. 1992. 一个适合青藏高原地区的修改了的郭型积云参数化方案. 高原气象, 11(1):1-11. |
| [47] | 陈伯民, 陈玉春, 苏志侠等. 1996. 修正的ECMWF质量通量积去参数化方案的预报试验. 高原气象, 15(1):37-47. |
| [48] | 陈德辉. 1997. 积云对流参数化技术. 应用气象学报, 8(增刊):69-77. |
| [49] | 谌伟, 岳阳, 邓红等. 2011. 2008年7月22日梅雨锋西段襄阳特大暴雨成因分析. 暴雨灾害, 30(3):210-217. |
| [50] | 胡文婷, 段安民, 吴国雄. 2011. 积云对流参数化方案对热带大气季节内振荡模拟的影响. 中国科学:地球科学, 41(9):1341-1351. |
| [51] | 李响. 2012. WRF模式中积云对流参数化方案对西北太平洋台风路径与强度模拟的影响. 中国科学:地球科学, 42(12):1966-1978. |
| [52] | 廖镜彪, 王雪梅, 夏北成等. 2012. WRF模式中微物理和积云参数化方案的对比试验. 热带气象学报, 28(4):461-470. |
| [53] | 林文实, 黄美元. 1998. 积云参数化方案研究的现状. 热带气象学报, 14(4):374-379. |
| [54] | 刘建勇, 谈哲敏, 张熠. 2012. 梅雨期3类不同形成机制的暴雨. 气象学报, 70(3):452-466. |
| [55] | 刘一鸣. 1998. 中国关于积云参数化方案的应用. 气象学报, 56(2):247-255. |
| [56] | 平凡, 高守亭. 2004. 短期气候模式中积云参数化方案的选取及其效能的检验. 中国科学院研究生院学报, 21(3):366-373. |
| [57] | 平凡, 唐细坝, 高守亭等. 2014. 长江和淮河流域汛期洪涝大气环流特征的比较. 中国科学:地球科学, 44(4):766-782. |
| [58] | 孙国武, 陈葆德. 1994. 青藏高原大气低频振荡与低涡群发性的研究. 大气科学, 18(1):113-121. |
| [59] | 屠妮妮, 何光碧, 张利红. 2011. WRF模式中不同积云对流参数化方案对比试验. 高原山地气象研究, 31(2):18-25. |
| [60] | 王兴荣, 吴可军, 石春娥. 1999. 凝结几率函数的引进和非均匀饱和湿空气动力学方程组. 热带气象学报, 15(1):64-70. |
| [61] | 徐祥德, 陈联寿. 2006. 青藏高原大气科学试验研究进展. 应用气象学报, 17(6):756-772. |
| [62] | 许习华, 丁一汇. 1990. 一种考虑云相互作用的积云对流参数化方案及其在降水预报中的应用. 中国科学(B辑), 20(9):998-1008. |
| [63] | 许习华. 1991. 积云对流参数化方案研究的进展. 高原气象, 10(1):105-110. |
| [64] | 左瑞亭, 王丽琼, 钱贞成等. 2008. 当前对流参数化研究存在问题的讨论. 热带气象学报, 24(6):732-736. |