气象学报  2013, Vol. 71 Issue (5): 867-878   PDF    
http://dx.doi.org/10.11676/qxxb2013.067
中国气象学会主办。
0

文章信息

谭超, 刘奇俊, 马占山. 2013.
TAN Chao, LIU Qijun, MA Zhanshan. 2013.
GRAPES全球模式次网格对流过程对云预报的影响研究
Influences of sub-grid convective processes on cloud forecast in the GRAPES global model
气象学报, 71(5): 867-878
Acta Meteorologica Sinica, 71(5): 867-878.
http://dx.doi.org/10.11676/qxxb2013.067

文章历史

收稿日期:2012-12-10
改回日期:2013-05-02
GRAPES全球模式次网格对流过程对云预报的影响研究
谭超1, 刘奇俊2 , 马占山2    
1. 中国气象科学研究院, 北京, 100081;
2. 国家气象中心, 北京, 100081
摘要:50 km分辨率下的GRAPES全球模式对赤道及低纬度地区云水、云冰、云量和格点降水的预报较实际观测偏少。为解决这一问题,在模式原有的格点尺度云方案基础上,将次网格对流过程的影响作为源汇项,加入到云水、云冰和总云量的预报方程中。结合云和地球辐射能量系统(CERES)与热带降雨测量(TRMM)等卫星云观测资料,进行了改进后的云方案与原云方案预报结果的对比分析。结果显示,考虑了对流对格点尺度云含水量和云量预报的影响后,GRAPES全球模式预报的云和格点降水在赤道及低纬度地区有明显改善,水凝物含水量和总云量的预报结果与实况较为接近,格点降水在总降水中的比例由原来的5%提高到25%。研究进一步表明,次网格对流过程对格点尺度云和降水的影响取决于上升气流质量通量的分布和强度,上升气流的质量通量在对流活动强烈的低纬度热带地区较强,其最大值出现在650—450 hPa高度,因此,次网格对流的卷出过程对中云的影响最为明显。对高云和低云也有一定程度的影响,使云顶变高,云底变低。
关键词GRAPES全球模式     次网格对流卷出     云方案    
Influences of sub-grid convective processes on cloud forecast in the GRAPES global model
TAN Chao1, LIU Qijun2 , MA Zhanshan2    
1. Chinese Academy of Meteorological Sciences, Beijing 100081, China;
2. National Meteorological Center of CMA, Beijing 100081, China
Abstract:The purpose of the research is to improve the prediction of the hydrometeors water content, cloud fraction and grid precipitation by the Global/Regional Assimilation and Prediction System (GRAPES) global model at 50 km spatial resolution for the low latitudes and equatorial regions. This study adopts a new scheme that considers the impact of this sub-grid convective process by adding source-sink terms in the prediction equations of cloud water/ice and cloud fraction. Distinct forecast results from the previous cloud scheme are obtained. The forecasts of cloud and precipitation in the low latitudes and equatorial regions have been significantly improved after consideration of the effect of the sub-grid convective process. Moreover, compared with the observational data from the Clouds and the Earth's Radiant Energy System (CERES) and Tropical Rainfall Measuring Mission (TRMM), it is confirmed that the forecasting capability of the GRAPES global model has been promoted especially for the cloud and precipitation in the tropics, with the proportion of grid-scale precipitation enhances from 5% to 25%. Further analysis reveals that the influence of the sub-scale convective process on gird-scale cloud and precipitation depends on the distribution and intensity of updraft mass flux, which are larger from the new scheme in the tropics, leading to notable increases of cloud and precipitation there. In addition, the maximum updraft mass flux resides in the 450-650 hPa layer, resulting in more pronounced improvement in forecast of middle-level clouds than high clouds and low-level clouds, and causes cloud top to rise with cloud bottom dropping downward.
Key words: GRAPES global model     Sub-grid convection detrainment     Cloud scheme    
1 引 言

云在地-气系统的水循环和能量平衡中起着重要的作用,是表征天气气候系统的重要因素之一,也是大气动力、热力、水分输送过程综合作用的外在表现。云系的种类、结构特征、空间尺度及其演变过程对大气辐射(Wilson et al,2008)、大气热力场和动力场有直接影响(Charmaine et al,2011戴福山等,2004章建成等,2006)。数值预报模式中的云微物理参数化方案(Sundqvist et al,1989胡志晋等,1986刘奇俊等,2001Morrison et al,2008)和对流参数化方案(Grell,1993Arakawa et al,1974; Arakawa,2004)对云降水有重要的影响。对流参数化方案主要处理次网格尺度降水,而云微物理参数化方案直接预报各种云物理变量以及详细描述各种云微物理过程,主要处理可分辨尺度的降水。

云预报和云物理过程是全球中期天气预报模式的最大不确定因素之一,云的模拟不确定性将会对模式中云-辐射过程以及水汽-云-降水过程带来较大不确定性(章建成等,2006)。在中期数值模式发展进程中,已发展了不同复杂程度的云物理方案。早期的模式中,对云的处理主要采用诊断的方法,云中的微物理过程只是用大尺度宏观变量参数化来描述,云量则用相对湿度来诊断(Sundqvist,1978),云含水量和云粒子数浓度等并不是直接预报量,该方法物理基础相对较弱,经验成分较多。相对诊断云方案而言,预报云方案有着更为明显的优点,主要表现在该方法将云微物理量作为预报量,较为全面地考虑了云中不同尺度不同相态的云微物理过程和相变潜热,物理基础更为扎实。预报云方案中的云量则由网格尺度预报的水凝物含量和相对湿度来确定,或直接将云量作为模式预报量。

GRAPES全球模式沿用区域模式的方法,云预报方案中主要考虑平流输送和扩散以及格点尺度的凝结蒸发、碰并增长、融化冻结和下落等一系列的微物理过程(陈小敏等,2007),并没有考虑次网格对流过程对格点尺度云形成的影响,导致GRAPES全球模式热带低纬度地区云和格点降水预报偏小。目前,欧洲中心中期天气预报模式和英国气象局全球中期模式中,都在云的预报方程中合理地考虑了次网格对流过程对格点尺度云形成的影响。其核心思想在于将次网格对流中上升气流质量通量的垂直输送和卷出等物理过程,合理地参数化到云水、云冰和云量的计算中。欧洲中心中期天气预报模式(ECMWF)至今一直沿用Tiedtke(1993)的方案,该方案在格点尺度云水、云冰和总云量的预报方程中,同时考虑水汽平流输送和扩散、次网格对流过程以及云微物理过程。Tiedtke(1993)的云方案是最为经典的全球模式云预报方案,近年来,多数全球模式发展云的预报方案基本思想多源于此方案。而Tiedtke(1993)的研究同时表明,在低纬度热带地区,次网格对流过程对格点尺度云形成的影响与云的其他微物理源汇项为同一个量级,这种影响过程是云含水量和云量预报中需要考虑的重要物理过程。

本研究利用GRAPES全球模式,将次网格对流过程的影响作为一个源汇项考虑,加到原有格点尺度双参数云方案的云水、云冰和总云量预报方程中,结合热带测雨卫星(TRMM)与云和地球辐射能量系统(CERES)卫星的云观测资料,重点对比分析原方案(刘奇俊等,2003陈小敏等,2007)与新方案在赤道及低纬度地区对于云和降水的预报效果,并对其影响机理进行分析研究。2 GRAPES全球模式云微物理参数化方案的改进2.1 GRAPES全球模式云微物理参数化方案

GRAPES是中国自主研发的一个多尺度通用模式,模式的主要物理过程包括:网格尺度云降水显式方案、次网格积云对流参数化方案、辐射方案及热量动量、边界层和陆面过程。

GRAPES全球模式的双参数云方案除了预报水汽(Qv)、云水(Qc)、雨水(Qr)、云冰(Qi)、雪(Qs)和霰(Qg)的含水量之外,还包括雨水、云冰、雪和霰粒子的数浓度(NrNiNsNg)的显式预报以及云冰谱拓宽函数(Fi)和雪谱拓宽函数(Fs)。主要微物理过程的源汇项(图 1)包括水汽凝结(凝华)、核化和蒸发,云雨自动转化和碰并增长,不同尺度冰相水凝物的自动转化和碰并增长,液相水凝物的冻结,冰相水凝物的融化等。

图 1 双参数云微物理方案中的微物理过程 Fig. 1 Cloud microphysics process of the two-moment cloud physical scheme

GRAPES模式中双参数云方案对水凝物和云量的基本预报方程为

其中,qxNx分别为水汽、云水、雨水、云冰、雪、霰的含水量和雨水、云冰、雪、霰粒子的数浓度。式(1)、(2)右边第1项均为平流扩散项,第2项为格点尺度微物理过程项。式(3)为云量预报方程,采用的是Xu等(1996)的参数化方案,其中,第1项仍是平流扩散项,第2项可表示为
式中,P、α0、γ均为常数,为相对湿度,qvs为饱和水汽含量,因此,格点尺度的云量主要决定于格点内水汽相对湿度和水凝物的含水量。

2.2 次网格对流过程对格点尺度云的反馈

GRAPES模式原有的云方案中,在格点尺度云预报上,主要考虑水汽平流输送和扩散以及格点尺度一系列微物理过程的影响。欧洲中心ECMWF模式中,云预报方程除考虑水汽平流输送和扩散以及云微物理过程外,还考虑了次网格对流过程对格点尺度云的影响项。而GRAPES模式中所考虑的云微物理过程比ECWMF模式的云微物理过程更细致。本研究在保留原有的水汽平流输送和扩散以及云微物理过程的前提下,参考ECWMF模式的做法,将次网格对流过程的影响加入到云水和云冰以及云量的预报方程中。

改进后云水、云冰和云量的预报方程为

式(5)、(6)、(7)中Sqcconv、Sqiconv、δaconv分别为对流参数化过程对云水、云冰和总云量预报方程的影响项,本工作就是着重研究次网格对流过程对格点尺度云预报的影响。而要将次网格对流过程的影响耦合到GRAPES全球模式的云方案中,就必须借助模式中的对流参数化方案。现GRAPES全球模式中的对流参数化方案选用的是Simple Arakawa-Schubert方案(Grell,1993)。在将次网格对流过程的影响项加到预报方程的方法上,参考ECWMF模式(Tiedtke,1993)做法,忽略次网格对流过程对水凝物浓度和大粒子雨水(Qr)、雪(Qs)、霰(Qg)的影响,只考虑对云水和云冰的影响。

次网格对流过程对格点尺度云水/云冰的影响可以表示为(Tiedtke,1993)

式中,Dup(s-1)为积云上升气流的溢出,lup(kg/kg)为格点内积云上升气流中云水/云冰的含量,Mup为格点内积云上升气流中的质量通量。式(8)、(9)、(10)右边的第1项表示垂直上升气流的卷出,第2项表示由于凝结作用导致的云在垂直方向的输送。

3 资料及试验结果分析

3.1 资 料

利用GRAPES全球模式,在原有云方案的基础上,加入次网格对流过程对格点尺度云的影响,对2009年6月29日—7月3日的一次天气过程进行模拟,重点研究加入次网格过程后云水/云冰和总云量的变化,以及格点降水和总降水的相应变化。模式水平分辨率为50 km,时间步长为600 s,物理过程包括格点尺度云降水过程、次网格积云参数化过程、陆面和边界层过程以及长、短波辐射过程等。

模式积分时间为5 d,起报时间为2009年6月29日00时(世界时,下同),截止时间为7月4日00时,每6 h输出一次。选用前3天的预报结果做分析,起报时间为2009年6月29日00时,截止时间为7月2日00时,除去初始时刻总共12个时次,即选取第2个时次(6月29日06时)到第13个时次(7月2日00时)的结果进行分析。对模式预报结果的验证和对比分析,选用CERES和TRMM卫星观测资料。

3.2 改进方案与原方案的水凝物预报对比

云中水凝物主要分液相水凝物和冰相水凝物,液相水凝物包括云水(Qc)和雨水(Qr),冰相水凝物包括云冰(Qi)、雪(Qs)、霰(Qg)。下面分别对原云方案和改进后的云方案预报的5种水凝物含水量进行分析,并针对热带地区液水柱总量和冰水柱总量以及垂直分布的改进进行了重点分析。

图 2a、b给出了GRAPES全球模式在云方案改进前、后格点尺度总水凝物含水量的柱积分,预报结果为2009年6月29日06时—7月2日00时12个时次的平均。

图 2 云方案改进前(a)后(b)格点尺度总水凝物含水量柱总量(单位:g/m2)的预报结果 Fig. 2 Averaged total column hydrometeors water content(qcqrqiqsqg)(g/m2)for the original scheme(a) and the improved scheme(b)

图 2的结果来看,考虑了次网格对流过程的影响后,水凝物含水量在赤道及低纬度地区均出现了较大变化,即比先前有了较为明显的增大。与图 2a相比,图 2b增大比较明显的区域在赤道太平洋以及非洲中部地区,最大值出现在非洲中部地区,由原来的300 g/m2增大到500 g/m2

从本个例可以看出,在云预报中考虑次网格对流过程的影响后,赤道及低纬度地区水凝物含水量增大比中高纬度地区明显。这是因为赤道及低纬度地区的对流活动较为强烈,向上输送的水汽和云水也会比其他地区多,一部分云水和云冰经过卷出过程,对格点尺度云水和云冰含水量产生了直接的影响。

从云方案改进前后GRAPES全球模式经向平均后的格点尺度总水凝物含水量垂直分布(图 3a、b)上看,两种云方案在中高纬度地区预报的云垂直分布变化不大;在低纬度热带地区,改进后的云方案预报的云含水量有明显增大。在这一地区的600 hPa高度附近,改进后的云方案预报的水凝物含水量增加最多,增加值接近0.08 g/kg。对350 hPa以上的高云和750 hPa以下的低云,水凝物含水量也有不同程度的增大,但增加幅度小于600 hPa高度层。说明在格点尺度云方案中考虑次网格对流的影响后,对中云的影响最大,同时对高云和低云的预报也有改进,使其云顶变高,云底变低。

图 3 云方案改进前(a)后(b)格点尺度总水凝物含水量垂直分布的预报结果(单位:10-2g/kg) Fig. 3 Meridional average of hydrometeors water content(qcqrqiqsqg)(10-2 g/kg)for the original scheme(a) and the improved scheme(b)

由于赤道及低纬度地区对流活动较强,因此,在云预报方程中考虑次网格对流过程的影响后,改进方案对中低纬度地区云的预报有明显改进。而原云方案中由于没有考虑对流的反馈,导致层云方案在50 km分辨率的GRAPES全球模式下,对低纬度热带地区云含水量预报偏弱。

从式(8)、(9)、(10)可以看出,在云的预报方程中,对水凝物形成有贡献的项主要是积云上升气流的卷出(Dup)以及上升气流的质量通量(Mup),Dup的大小取决于Mup,因此,水凝物含水量的增大必然会和Mup的强度和分布有密切关联。

图 4a为考虑次网格对流过程的改进云方案与原有云方案的5种水凝物含水量的差值分布,图 4b为上升气流质量通量全球平均后的垂直分布。从图 4的结果来看,水凝物含水量的变化趋势与上升气流的质量通量变化趋势基本吻合。在700 hPa以下的低层,上升气流的质量通量较小,水凝物含水量的增加量较小。在650—450 hPa的高度,上升气流的质量通量最大,水凝物含水量的变化也相应在这一区域达到最大,网格内上升气流质量通量的最大值出现在600 hPa的高度,为4.2×10-5g/kg,水凝物含水量增加的最大值也出现在600 hPa高度层上,其增加值为7.5×10-3g/kg;在300 hPa以上的高度,上升气流质量通量逐渐减小,水凝物含水量的增加值也开始随之减弱。

图 4(a)云方案改进前后5种水凝物含水量的差值(改进后与改进前之差),(b)上升气流的质量通量Mup值随高度的变化 Fig. 4(a)Vertical profiles of the difference as are shown by the improved minus the original for various kinds of hydrometeors water content(qcqrqiqsqg) and (b)variation of updrafts mass flux with the height

图 5给出了两个云方案在350和600 hPa高度层预报的水凝物含水量差值,图 5a和c为冰相水凝物的差值,图 5b和d为液相水凝物的差值。从图 5的结果看,考虑次网格对流过程的影响后,在赤道及低纬度地区的350 hPa高云中,冰相水凝物含水量增大明显,增加值在0.03 g/kg左右;而这一层液相水凝物含水量增大相对较弱。在600 hPa高度层,冰相水凝物含水量的增加相对较小,其值在0.01 g/kg左右,液相水凝物含水量的增加较大,其值超过0.2 g/kg。

图 5 两个云方案在350 hPa(a、b)和600 hPa(c、d)高度层预报的水凝物含水量差值(a、c. 冰相水凝物(qiqsqg),b、d. 液相水凝物(qcqr);单位:10-2g/kg) Fig. 5 Difference fields for the hydrometeors water content between the improved minus the original at 350 hPa(a,b) and 600 hPa(c,d)(a,c. ice water(qiqsqg),b,d. liquid water(qcqr); unit:10-2g/kg)

在赤道及低纬度地区,高层云温度较低,水凝物较难以液态形式存在,水汽在此高度上会直接凝华形成云冰,因此,高层云中冰相水凝物多于液相水凝物。对600 hPa的中层云,温度较350 hPa要高,但又比边界层低,因此,这一高度层上会存在较多液相水凝物。由此得知,对不同高度层,水凝物存在形式不同,高层以冰相为主,中低层以液相为主。而上升气流的质量通量在600 hPa的高度层上达到最大,使这一高度层上水凝物含水量的增加多于其他高度层,而这一高度层的水凝物又多以液相水凝物的形式存在,据此推断:考虑次网格对流过程的影响后,液相水凝物的增加强度会大于冰相水凝物。

从改进后的方案与原方案水凝物含水量差值沿经纬度的全球平均(图 6)可以看出,水凝物含水量在不同高度上有不同增长,云水增加最多的区域在650—450 hPa,增加最大值接近0.005 g/kg;雨水在550 hPa以下高度有明显增大,增加最大值超过0.003 g/kg;云冰增加的最大值在300 hPa附近,约为0.002 g/kg;雪粒增加的最大值在450—350 hPa,最大值超过0.002 g/kg;霰粒增加的最大值在550 hPa附近,约为0.002 g/kg。中低云主要是液相水凝物,高云主要是冰相水凝物,因此液相水凝物的增加要强于冰相水凝物。

图 6 各水凝物含水量在考虑了次网格对流过程前后的差值 Fig. 6 Vertical profiles of the difference of the hydrometeors water content between the improved and the original

回到式(5)、(6)上看,仅在云水(Qc)和云冰(Qi)的预报方程中考虑次网格对流过程的影响,在大粒子雨(Qr)、雪(Qs)和霰(Qg)的预报中并未考虑,而图 6的结果显示,这3种大粒子在考虑了次网格对流过程之后均有所增加,其根本原因在于云中的一系列微物理过程(图 1)。当格点尺度云水和云冰增加时,会通过碰并和自动转化等微物理过程形成雨、雪、霰等大粒子(Morrison et al,2008Gettelman et al,2008)。据此可以推断:云预报方程中考虑了云水和云冰的次网格卷出过程后,将不同程度增大云中各种水凝物含水量,影响格点尺度的成云致雨过程,增大热带地区格点尺度的云和降水。

3.3 水凝物预报结果与卫星资料的对比

通过上述分析可知,考虑次网格对流过程对格点尺度云的影响后,赤道及低纬度地区的云含水量较先前有了较大提高。现利用CERES和TRMM等卫星观测资料,进一步诊断分析云和格点降水的改进情况。

图 7为积分液水柱总量CERES卫星的观测结果和云方案改进前后GRAPES模式的模拟结果,从图 7a的卫星观测可见,赤道及低纬度地区液水含量较大,其值普遍超过30 g/m2,其中,在孟加拉湾北部的大陆地区、印度洋的北部地区和太平洋东岸的赤道地区有极大值出现,其值超过350 g/m2,并且,在非洲中部地区、美洲中部地区和太平洋赤道地区均有较为明显的水云。从图 7b、c的模拟结果看,云方案改进后(图 7c)GRAPES模式预报的液水量比改进前的原方案(图 7b)有了一定程度的增大,主要出现在赤道太平洋地区。对于原方案,其结果与实况观测差异较大,改进后的云方案在这一区域预报水云相对较多,其值在30 g/m2左右,与CERES的观测资料基本一致。在非洲中部地区,改进方案较原方案预报的水云有所增大,纬度范围有所扩大。美洲中部地区水云带有所扩大,原方案在这一区域预报的水云较少,而改进方案预报的水云相对有较大增加,与卫星观测实况较为接近。

图 7 液水柱总量

(a. CERES卫星的观测结果,b. 原方案的预报结果,c. 改进方案的预报结果,单位:g/m2)
Fig. 7 Liquid water path(g/m2)

(a. the observation of CERES,b. the result of the original scheme,c. the result of the improved scheme)

图 7明显看到,在赤道及低纬度地区,模式预报的液水含量与卫星的观测结果存在一定差距,还有很多可以改进的地方;但从图 7同时可以看到,考虑了次网格对流过程的影响后,模式对水云的预报有一定改进,预报结果与卫星的观测值较为接近。

从给出的积分冰水柱总量CERES卫星观测结果(图 8a)和云方案改进前(图 8b)后(图 8c)GRAPES模式的模拟结果可以看出,在图 8a上,冰云的分布没有水云广,但部分区域冰水含水量比液水大。其中,在孟加拉湾北部的大陆地区、印度洋北部地区和赤道太平洋地区,都出现了冰水值大于350 g/m2的区域。对比图 8b、c的模式结果可知,云方案改进后的冰云有一定程度的增大,增大最明显的区域在印度洋北部以及孟加拉湾北部,由120增加到150 g/m2,与CERES的观测值更为接近。在非洲中部、美洲中部以及太平洋东岸的赤道地区,均有一定程度的增大,由45 g/m2增大到60 g/m2。同时,在太平洋中部的赤道地区,冰云的范围较原方案有一定程度的扩展。

图 8 冰水柱总量

(a. CERES卫星的观测结果,b. 原方案的预报结果,c. 改进方案的预报结果,单位:g/m2)
Fig. 8 Ice water path(g/m2)

(a. the observation of CERES,b. the result of the original scheme,c. the result of the improved scheme)

与水云的情况类似,在赤道及低纬度地区,模式预报的冰云与卫星的观测值依然存在一定差距。但从3幅图的对比发现,考虑次网格对流过程的影响之后,模式对冰云的预报有一定改善,预报结果与卫星的观测值更为接近。说明在云的预报方程中,考虑次网格对流过程的影响对云预报有重要意义。

3.4 云量预报对比

图 9给出了总云量在考虑次网格对流过程影响前后的差值,从总云量经向平均后的垂直分布(图 9a)可见,考虑次网格对流过程的影响后,总云量有所增大,主要集中于赤道地区650—450 hPa高度,其中,增幅最大的地方接近25%,并且,300 hPa高度层以及700 hPa的低层总云量均有所增大;从总云量的全球分布(图 9b)来看,考虑次网格对流过程的影响后,总云量在赤道及低纬度地区有较为明显的增大,增幅普遍在20%左右,其中,最明显的区域主要在印度洋北部和太平洋中西部地区,美洲中部也有较大幅度的变化。从垂直结构和全球分布的情况看,总云量的增加变化趋势与水凝物的增加变化趋势一致,总云量增加主要基于两方面的因素:(1)在总云量的预报方程(7)中,加入了次网格对流过程的影响项。通过之前的分析可知,考虑次网格对流过程的影响后,赤道及低纬度地区总云量有明显增加;并且,在这一区域,上升气流的质量通量在600 hPa 高度附近达到最大,因此,总云量在600 hPa处也出现了极值。(2)由于云水和云冰的预报方程中考虑了次网格对流过程的影响,最终使各种水凝物均有所增加,而格点内水汽相对湿度和水凝物的含水量均会对总云量产生影响(Xu et al,1996)。因此,水凝物含水量的增大也将直接导致云量的增大。故考虑了次网格对流过程的影响后,总云量将会有所增大。

图 9 原方案和改进后的云方案预报的总云量差值

(a.经向平均的垂直分布,b. 全球分布)
Fig. 9 Differences between the improved and the original for the total cloud cover

(a. meridian-averaged vertical distribution,b. global distribution)

从总云量在南北纬30°之间经向平均(图 10)的结果看,考虑次网格对流过程的影响后,模式对总云量的模拟有较大改进。在7°N附近的改善最为明显,在这一区域,CERES观测的云量值在75%左右,原方案的模拟值在35%左右,方案改进之后,其值超过50%,提高的幅度超过15%,与观测结果更加接近。

图 10 总云量的经向平均 Fig. 10 Meridional average of the total cloud cover

图 10的结果说明,考虑次网格对流过程的影响后,模式预报的总云量与卫星观测值更为接近。理论上,在对流活动强烈的热带地区,上升气流较强,考虑次网格积云的卷出作用将会补偿格点的云量,因此,可在总云量的预报方程中,将次网格对流过程的影响作为云量预报方程的源、汇项加入,具有较好的物理基础和实际预报改进优势。

3.5 降水预报对比

在GRAPES模式中,降水预报主要是由对流降水和格点降水之和构成,次网格对流降水的预报主要是来自积云参数化方案,格点降水的预报则来自于云微物理参数化方案。

图 11是TRMM卫星监测的3 d累积总降水量,观测结果为2009年6月29日06时—7月2日00时的12个时次之和。可以看出,赤道及其附近地区的降水明显多于周边地区,降水量最大的地方集中在印度洋东北部,赤道太平洋地区也存在一条明显的雨带。

图 11 热带地区3 d累积降水(mm)的TRMM卫星资料 Fig. 11 Observations from the TRMM satellite for the accumulative rainfall(mm)for 3 days in the tropical region

图 12给出了云方案改进前后GRAPES全球模式3 d累积的降水总量和格点尺度降水量预报结果,预报结果为2009年6月29日06时—2009年7月2日00时的12个时次之和。

图 12 云方案改进前(a、b)后(c、d)GRAPES全球模式3 d累积的降水总量(b、d)和格点尺度降水量(a、c)的分布(单位:mm) Fig. 12 Grid rainfalls and accumulative rainfalls for 3 days(a,b. the result of the original scheme,c,d. the result of the improved scheme; a,c. grid rainfalls,b,d. accumulative rainfalls; unit: mm)

首先比较图 12a、b可以看出,在赤道及其低纬度地区,云方案改进前模式预报的格点尺度降水量最大值出现在非洲和美洲中部,其值不超过20 mm;而在这一区域,其降水总量的最大值接近120 mm,可见格点降水在总降水中所占比例不到5%。考虑次网格对流过程的影响之后,格点降水有明显差异。比较图 12a、c可见,在非洲和美洲中部,图 12c的最大值已超过50 mm,并且,图 12c中赤道太平洋地区的雨带已经明显强于图 12a;而在这一区域,格点降水在总降水中所占比例接近25%,比原方案有明显提高。图 12c与12a相比,赤道太平洋地区增加了较为明显的雨带,格点降水在总降水中所占比例有了明显提高。

图 12b、d与图 11对比发现,TRMM卫星观测的总降水量级与模式预报的基本一致。从分布上看,TRMM卫星观测的赤道附近区域降水较强,模式预报的降水在赤道附近区域也较其他地区要大,说明原方案对于总降水的预报较为合理。赤道及附近区域降水较强,不完全由对流性降水组成,其中必定有一部分降水为格点层云降水,原方案所预报的格点层云降水较少,加入次网格对流过程的影响后,格点层云降水有了较大提高。

对于50 km分辨率的全球模式,在低纬度热带地区,以对流降水为主,比例约在70%—80%。模式格点尺度云含水量和云量改进后,将会提高格点降水在总降水中的比例。但由于格点降水在总降水中所占的比例本身很低,所以,即使格点降水在本来的基础之上有较大提高,对总降水而言,影响并不大。但格点降水的增大,对低纬度热带地区的云含水量和云量却有着很大的贡献。

云微物理降水主要是格点尺度水汽饱和后,经水汽凝结、云中水凝物碰并和转化增长等一系列微物理过程产生的降水。传统上,次网格积云过程通过积云参数化方案直接形成降水,而不必显式处理次网格尺度云水和云冰。多数质量通量型的对流参数化方案都假设次网格上升气流将会有一部分卷出,这些次网格上升气流中卷出的云水和云冰,对格点尺度云微物理过程有一定影响。本研究结果表明,对较低分辨率全球GRAPES模式,次网格对流卷出对格点尺度的影响过程是云预报方程中必须考虑的重要过程。4 结 语

利用GRAPES全球模式,在原有云微物理方案的基础上,将次网格对流过程的影响加到云水、云冰和总云量的预报方程中。通过个例模拟,研究了改进后的云方案对水凝物含水量、水凝物数浓度、总云量以及降水预报的改进效果。得到以下主要结论:

(1)本研究建立了GRAPES全球模式次网格对流过程对格点尺度云预报影响的参数化方案。该方案基于Simple Arakawa-Schubert对流参数化方案中上升气流的质量通量,将积云的卷出作用作为补偿格点尺度云含水量、云冰含水量和总云量的一个重要源项,加到云含水量、云冰含水量和总云量的显式预报方程中。

(2)将改进后云方案的预报结果与CERES和TRMM卫星云降水资料对比,结果表明改进后的云方案明显改善了热带低纬度地区云含水量、云冰含水量、总云量和格点降水的预报。次网格对流过程对格点尺度云和降水的影响,决定于上升气流质量通量的分布和强度。从全球范围看,对流活动在热带低纬度地区较为强烈,上升气流的质量通量较大,考虑了次网格对流过程的影响后,可导致这一地区水凝物含水量和云量的增加较其他地区明显。同时云中的粒子会经由一系列微物理过程转化为降水,造成这一区域格点降水的加强。从垂直结构看,在低纬度热带地区,上升气流的质量通量极大值出现在650—450 hPa高度层,主要影响650—450 hPa高度云的分布,从而可改善模式对中层云的预报效果,同时高层云和低层云的预报效果也有了一定的提高。

(3)50 km分辨率的全球模式,在云水和云冰预报方程中考虑次网格对流过程的影响后,在低纬度热带地区,模式格点尺度云含水量和云量明显增大,提高了格点降水在总降水中的比例,明显改进了原方案格点降水偏小的现象。在热带地区,虽仍以对流降水为主,但格点降水最大值已占总降水的20%—30%。

GRAPES全球模式预报的低纬度热带地区格点尺度云含水量和云量改进后,也将有助于模式中云-辐射相互作用的正确计算。另外,次网格对流过程对格点尺度云预报的影响和模式的水平格距有一定关系。今后随着GRAPES全球模式分辨率的提高,次网格对流对格点尺度的这种影响过程及其关键物理参数,仍需要进一步研究、调整和预报试验。

参考文献
陈小敏, 刘奇俊, 章建成. 2007. 祁连山云系云微物理结构和人工增雨催化个例模拟研究. 气象, 33(7): 33-43
戴福山, 宇如聪, 张学洪等. 2004. 一个统计低云方案及其在大气环流模式中应用初探. 气象学报, 62(4): 385-394
胡志晋, 严采繁. 1986. 层状云微物理过程的数值模拟: (一)微物理模式. 中国气象科学研究院院刊, 1(1): 37-52
刘奇俊, 胡志晋, 周秀骥. 2003. HLAFS显式云降水方案及其对暴雨和云的模拟(I): 云降水显式方案. 应用气象学报, 14(增刊): 60-67
刘奇俊, 胡志晋. 2001. 中尺度模式湿物理过程和物理初始化方法. 气象科技, 29(2): 1-10
章建成, 刘奇俊. 2006. GRAPES模式不同云物理方案对短期气候模拟的影响. 气象, 32(7): 3-12
Arakawa A, Schubert W H. 1974. Interaction of a cumulus cloud ensemble with the large-scale environment. Part I. J Atmos Sci, 31(3): 674-701
Arakawa A. 2004. The cumulus parameterization problem: Past, present, and future. J Climate, 17(13): 2493-2525
Charmaine F, Christian J, Martin D, et al. 2011. Assessing the performance of a prognostic and a diagnostic cloud scheme using single column model simulations of TWP-ICE. Quart J Roy Meteor Soc, 138(664): 734-754
Gettelman A, Morrison H, Ghan S J. 2008. A new two-moment bulk stratiform cloud microphysics scheme in the Community Atmosphere Model, version 3 (CAM3). Part II: Single-column and global results. J Climate, 21(15): 3660-3679
Grell G A. 1993. Prognostic evaluation of assumptions used by cumulus parameterization. Mon Wea Rev, 121(3): 764-787
Morrison H, Gettelman A. 2008. A new two-moment bulk stratiform cloud microphysics scheme in the Community Atmosphere Model, version 3 (CAM3). Part I: Description and numerical tests. J Climate, 21(15): 3642-3659
Sundqvist H. 1978. A Parameterization scheme for non-convective condensation including prediction of cloud water content. Quart J Roy Meteor Soc, 104(441): 677-690
Sundqvist H, Berge E, Kristjánsson J E. 1989. Condensation and cloud parameterization studies with a mesoscale numerical weather prediction model. Mon Wea Rev, 117(8): 1641-1657
Tiedtke M. 1993. Representation of clouds in large-scale models. Mon Wea Rev, 121(11): 3040-3061
Wilson D R, Bushell A C, Kerr-Munslow A M, et al. 2008. PC2: A prognostic cloud fraction and condensation scheme. Part I: Scheme description. Quart J Roy Meteor Soc, 134(637): 2093-2107
Xu K M, Randall D A. 1996. A semiempirical cloudiness parameterization for use in Climate Models. J Atmos Sci, 53(21): 3084-3102