四川东北部一次强降水过程云微物理方案敏感性试验及与GPM卫星资料的对比分析
doi: 10.13878/j.cnki.dqkxxb.20240207001
刘志1 ， 刘卫国2 ， 祁红彦3
1. 四川省人工影响天气办公室,四川 成都 610072
2. 中国气象局人工影响天气中心,北京 100081
3. 成都市人工影响天气中心,四川 成都 611100
基金项目: 西南区域人工影响天气能力建设项目(SCIT-ZG(Z)-2024100001) ； 高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金项目(SCQXKJYJXZD202407) ； 中国气象局-成都信息工程大学人工影响天气联合研究中心开放课题(2024GDRY003)
Comparative analysis of cloud microphysics scheme sensitivity experiments and GPM satellite data during a heavy rainfall event in northeastern Sichuan
LIU Zhi1 ， LIU Weiguo2 ， QI Hongyan3
1. Sichuan Provincial Weather Modification Office,Chengdu 610072 ,China
2. CMA Weather Modification Center,Beijing 100081 ,China
3. Chengdu Weather Modification Center,Chengdu 611100 ,China
摘要
为研究云降水物理过程对四川盆地东北部暴雨的影响,利用FNL(final operational global analysis)全球分析资料和WRF(weather research and forecasting)模式4.3版对2022年10月4—5日发生的一次典型强降水过程进行云微物理方案敏感性试验,并与CMPAS(China Meteorological Administration multi-source merged precipitation analysis system)融合降水数据、GPM(global precipitation measurement)卫星探测产品进行对比分析。结果表明,6种微物理方案对川东北的降水范围模拟较好,雨带呈东北-西南走向,但强度偏弱,Lin和WSM6方案模拟出了强降水中心,空间分布与降水实况大致相同。Lin、WSM6和WDM6方案模拟的云场分布和强度最接近GPM卫星观测值,6种微物理方案对雨水含量的模拟最好,对云水和冰水含量的模拟呈现低估。云水、雨水和冰水在垂直方向上的匹配程度是此次模式预报差异产生的原因;另外,不同方案模拟的云微物理结构上的差异,以及各类水成物粒子的含量和分布是否有利于雪、霰粒子的生成及增长也是预报差异产生的重要原因;WSM6方案模拟的水成物在空间上更加匹配,模拟的降水极值更接近观测值,模拟效果相对较好。
Abstract
To investigate the influence of cloud microphysical processes on a heavy rainfall event in the northeastern Sichuan Basin,sensitivity experiments using different microphysics schemes were conducted with the WRF (weather research and forecasting) model version 4.3,driven by FNL global reanalysis data. The simulations focused on a typical rainstorm that occurred from October 4 to 5,2022,and were evaluated against CMPAS (China Meteorological Administration multi-source merged precipitation analysis system) precipitation data and GPM (global precipitation measurement) satellite products. Results indicated that all six microphysics schemes reproduced the general northeast-southwest-oriented distribution of rainfall,although simulated intensities were generally weaker than observed. Among the schemes,Lin and WSM6 produced precipitation centers and spatial patterns most consistent with observations. In terms of cloud structure,simulations using Lin,WSM6,and WDM6 schemes aligned best with cloud distributions captured by GPM. The vertical distributions of cloud water,rainwater,and ice water varied significantly among schemes,contributing to differences in simulated rainfall. Compared with GPM data,the WSM6 and WDM6 schemes demonstrated better vertical correspondence of hydrometeors across different time periods and altitudes. Variations in the formation and growth of snow and graupel also played a critical role in simulation discrepancies,reflecting differences in microphysical structures and the distribution of hydrometeors. The Lin scheme produced the most graupel and the least snow,which may have limited ice-phase precipitation enhancement. In contrast,the CAM scheme lacked graupel,hindering the formation of heavy rainfall,while the Thompson and Morrison schemes simulated only small amounts. The WDM6 scheme showed a precipitation peak near the 0 ℃ layer in the upper warm layer,with a downward decrease in intensity,suggesting weak collision-coalescence processes and significant rainwater evaporation. Overall,the WSM6 scheme produced the most accurate simulation,yielding a more realistic spatial distribution of hydrometeors and closer agreement with observed extreme precipitation.
四川盆地东北部位于秦巴山脉的南部，西接四川盆地，东临巫山，地势地貌复杂多变，在重峦叠嶂的山区中又有众多小盆地，其独特的地理位置和复杂的地形环境造成盆地东北部易出现干旱、暴雨、洪涝等极端气象灾害（于波和林永辉，2008; 周杰等，2021）。造成暴雨的大中尺度天气系统在中低层常有低空急流，低空急流不仅对暴雨的维持输送水汽，而且对暴雨的产生有触发作用，并常常伴随着短时强降水（王明明等，2018; 张芳丽等，2020; 甄英等，2021），是天气预报中的难点。数值预报已成为天气预报业务中的核心支撑（纪立人等，2005），且随着高性能计算机的发展，模式的水平分辨率得到不断提高（高学杰等，2006; Tan et al.，2022），中尺度天气预报模式WRF（weather research and forecasting）因其可移植性强、易维护、高效率等特征而得到广泛应用（郭楠楠等，2019; 王蓉等，2023）。
IPCC（Intergovernmental Panel on Climate Change）指出，导致数值模式预报结果差异的最大因素是微物理过程及其反馈机制（Houghton et al.，2001）。云微物理过程是云降水形成的关键环节，WRF数值模式的模拟结果对湿物理过程的选择十分敏感（张大林，1998; Hong et al.，2009），而云微物理方案则是主要的湿物理过程（孙晶等，2011）。不同的云微物理方案能够合理“再现”大气环流形势的演变以及降水的分布和强弱，但对云中微物理过程的模拟能力却存在较大的差别（王文君等，2018; 智协飞等，2020），并且云微观场也是人工影响天气作业关注的焦点（何晖等，2012; 范雯露等，2022），因此，选择合适的云微物理参数化方案至关重要（朱格利等，2014）。云微物理参数化方案从只预报降水相关粒子质量浓度的“单参”方案，进一步发展到了考虑质量浓度和数浓度的“双参”方案（Morrison et al.，2009），以及考虑上述两种因素和粒子谱参数的“三参”方案（Thompson et al.，2008）。在众多微物理参数化方案中，其适用性存在较大的地区性差异，由此导致降水预报的范围和强度不同（尹金方等，2014）。
利用TRMM（tropical rainfall measuring mission）卫星监测反演大气中的水成物含量，从而检验数值预报模式对云宏微观场和地面降水场的预报能力已有广泛的研究（马占山等，2009）。新一代降水观测卫星GPM（global precipitation measurement），由一个核心观测平台（global precipitation measurement core observatory，GPMCO）和多个卫星组成一个卫星群，其上搭载了首部星载双频降水测量雷达（dual-frequency precipitation radar，DPR）和一个多波段微波成像仪（GPM microwave image，GMI）。GMI的高中低频段通道可分别用于观测固态型、混合型和液态型降水，通过反演可以得到更细的降水粒子，能够提供全球范围内基于微波的3 h以内以及基于微波红外IMERG（integrated multi-satellite retrievals for GPM）算法的0.5 h的雨雪数据产品（唐国强等，2015; 方勉等，2019; 黄朝盈等，2020）。与TRMM、CMORPH（climate prediction center morphing technique）、FY4A（Fengyun-4A）产品相比，GPM在估测降水方面具有较准确的精度和较低的误差（施丽娟等，2022）。
WRF模式因其降水物理过程的模块化构造，故可更加快捷精准地开展中尺度数值模拟。利用WRF模式对四川盆地东北部天气过程的数值模拟多关注降水等天气系统（王沛东和李国平，2016），而对微物理过程的数值试验则较少。本文选取2022年四川盆地东北部高温干旱背景下发生的一次典型降水过程，开展云微物理参数化方案的敏感性试验，并对GMI水成物垂直剖面数据与模式输出产品进行差异性分析，以进一步认识WRF模式中不同微物理参数方案对云宏、微观特征的影响，期望为在四川盆地进行人工影响天气作业使用模式预报结果进行方案设计提供参考依据。
1 试验设计
1.1 研究资料
天气过程数据为美国国家环境预报中心（National Centers for Environmental Prediction，NCEP）的1°×1°的FNL（final operational global analysis）全球分析资料，时间间隔为6 h。24 h降水量数据为中国国家气象信息中心的CMPAS（China Meteorological Administration multi-source merged precipitation analysis system）降水近实时产品，逐小时降雨量和探空数据为国家基本气象站达州站观测值，GPM卫星资料为2022年10月4日12:19—13:51（北京时，下同）卫星过境时探测的GMI垂直剖面数据。
1.2 天气背景
2022年10月2—5日，受极地冷空气南压的影响，中国出现了近20年来最早的一次寒潮天气过程（渠鸿宇等，2023）。2日08时，500 hPa上亚洲中高纬地区为“两槽夹一脊”的典型环流场，两槽分别位于新疆北部（横槽）和西太平洋，中国大部受脊区反气旋环流的控制，西太平洋副热带高压588 dagpm平均脊线位于25°N，川东北处于副高外围。之后的24 h内，新疆北部的横槽逐渐转竖并东移至甘肃南部和四川北部，副高脊线西伸明显，700 hPa上云贵经四川到陕西西部的西南气流建立，提供了源源不断的水汽来源。至4日08时，槽线已到达中国华北东部，西太平洋副热带高压西伸北进，强度偏强，范围扩大，川东北部位于副热带高压的边缘（图1a），并受到不断分裂南下的高空槽的影响。700 hPa上云贵高原经四川南部到川东北为西南风并伴有低空急流，且在低空急流的左前侧川东北一带形成显著的风速及风向辐合，将南海和孟加拉湾的水汽输送到川东北和江淮一带，水汽含量较大，比湿值最大可达12 g/kg（图1b），中低层处于高温高湿状态。850 hPa上来自华北的东北方向回流冷空气与偏南的暖湿气流在盆地东北部和陕西东南部形成低层切变线，造成大范围的辐合动力抬升。受高空槽、副热带高压和中低层水汽的共同影响，4日08时到5日08时，四川盆地东北部发生了一次强度大、持续时间短的暴雨天气过程（图1c），此次强降水主要集中在达州与重庆交界的开江、开县一带以及巴中北部、达州北部和陕西南部交界区域，研究区域（图1a中红色框）逐小时最大降雨量发生在4日15时，1 h最大降水量为28 mm（图1d）。
图12022年10月4日08时500 hPa位势高度（等值线，单位:dagpm）和风场（箭矢，单位:m/s）（a; 红色方框表示本文的研究区域——四川东北部）、700 hPa位势高度（等值线，单位:dagpm）、风场（箭矢，单位:m/s）和比湿（阴影，单位:g/kg）（b）、24 h降水量（c; 阴影，单位:mm）和逐小时降水量（d; 单位:mm）
Fig.1Weather situations at 08:00 BST on October 4, 2022: (a) geopotential height (contours, units:dagpm) and wind (arrows, units:m/s) at 500 hPa (red box indicates northeastern Sichuan) ; (b) geopotential height (contours, units:dagpm) , wind (arrows, units:m/s) , and specific humidity (shadings, units:g/kg) at 700 hPa; (c) 24-h precipitation (shadings, units:mm) ; (d) hourly precipitation (units:mm)
1.3 试验设计
使用中尺度数值模式WRF4.3版本开展数值模拟，模拟时间为2022年10月3日20时—5日08时，时间分辨率为6 h，模拟区域中心点位于（107°E，30°N），采用3重嵌套（图2），第一层格点数为100×86，第二层格点数为136×112，第三层格点数为190×154，各层的空间分辨率分别为30、10、3.3 km，第一、二层区域每隔1 h输出1次结果，第三层区域每隔10 min输出1次结果。在方案选择上，长波辐射采用RRTM方案、短波辐射采用Dudhia方案，近地面层采用修正的MM5方案，陆面过程采用Noah Land Surface方案，边界层采用YSU方案，第一、二层积云参数化采用浅对流Kain-Fritsch方案。在上述配置相同的情形下，采用6种不同的微物理方案进行敏感性试验（表1），以分析不同微物理方案对降水云系结构、降水强度和范围以及云微物理量特征的影响。
图2模拟区域嵌套（红色方框表示研究区域）
Fig.2The simulated nested domain (the red box indicates the study area)
表1不同微物理方案的输出特征
Table1Output characteristics of different microphysical schemes
2 模拟结果验证
2.1 降水分布
不同微物理参数化方案对水成物组成和分布描述的差异必然导致模式对降水模拟的差异。从观测的24 h累积降水量（图1c）和6种不同微物理方案模拟的降水量（图3）来看，Lin、WSM6、Thompson、Morrison、CAM和WDM6方案对川东北的降水范围模拟较好，但强度偏弱，且未能模拟出陕西南部和重庆西北部的强降水，雨带呈东北-西南走向，与实况具有相同的趋势。其中Lin和WSM6方案模拟的降水范围和强度最好，模拟出了强降水中心，但未模拟出四川巴中市南江县、通江县的强降水，Thompson和Morrison方案模拟的降水范围和强度均偏小，而CAM方案模拟的范围和强度均与实况有较大偏差。
2.2 探空曲线特征
在此次短时强降水事件中，云微物理方案通过影响模拟的大气温湿结构来影响模拟的总降水量。由图1d可见，研究区域逐小时降雨量最大值发生在4日15时。为此，本文分析了四川盆地东北部强降水中心达州基本气象站的08时探空数据，并与不同微物理方案模拟的探空数据做对比分析。4日08时，温度和露点在500 hPa以下几乎重合，500 hPa以上的温度露点差逐渐增大，但数值仍较小，表明整层大气中存在深厚的饱和湿空气（图4a）。08时850 hPa以下为东北风，400~850 hPa为西南风，上层为西北风（图4b），至20时低层的东北风减弱，中层的西南风变浅薄，而高层的西北风加深且风速加大（图略），由此带来的高层冷空气是川东北典型暴雨的主要触发因子。6种不同的微物理方案模拟的温度在600 hPa以上与实况一致（图4c），但模拟的温度在低层偏小，其中WDM6方案竟模拟出一个逆温层; 模拟的露点在400~600 hPa之间与实况吻合（图4d），但模拟的露点在600 hPa以下和400 hPa以上较实况值偏小。
3 云场结构与GPM卫星资料的比较
3.1 云宏观结构
利用GPM卫星高中低频道分别观测的冰水路径、云水路径和雨水路径之和代表云场。图5为GPM卫星在2022年10月4日12:19—13:51过境时探测的云带分布。图6为采用不同微物理方案模拟的12—14时的各类水成物粒子混合比积分的平均值。由图6可见，强降水的云带可分为两支，一支位于四川达州和广安与重庆开县，另一支位于四川巴中、陕西安康和重庆城口县，这与实际降水分布（图1c）吻合。6种微物理方案均模拟出了川东北的云场，但均没有模拟出陕西东南部和重庆西北部的云场，模拟的强度均偏弱（图6）。总体而言，Lin、WSM6、WDM6方案模拟的云场分布和强度最接近观测值，而CAM方案模拟的云场较GPM观测则范围偏大、强度偏强。
3.2 云微观平面结构
在模拟的探空温湿特征与实况变化趋势相近的情形下，模拟降水量与实况仍然存在较大差异，因此需分析大气中不同水成物含量。为检验不同云微物理方案对云微物理量的预报能力，选取研究区域内预报的3种水成物（云水、雨水、冰水）的混合比垂直积分与GPM卫星监测轨道范围内各水成物路径进行对比。其中，模式预报值是根据卫星过境时间、选取研究区域12:20—13:50共10个时次的模拟结果作平均，GPM卫星监测的冰水对应于模拟的固态粒子，包括冰晶、雪和霰。
图7a是卫星过境时的云水分布。可知，云水主要分布在川东北和陕西南部，且川东北的分布范围更广，强度更大，存在大值中心。各方案模拟的云水分布范围、强度与实况均有较大的出入，未模拟出云水分布“南强北弱”的特征。在强中心的模拟方面，CAM方案（图7f）甚至出现了空值，其他5个方案的模拟位置偏东，范围和数值偏小（图7b—e、g）。
图8a是卫星过境时的雨水分布。由图8a可知，雨水分布位置与云水分布位置大致相同，但面积更小，同样有“南强北弱”的分布特征。各方案模拟的雨水范围均偏大，Lin、WSM6、WDM6方案（图8b、c、g）模拟出了川东北的降水强中心，Thompson方案（图8d）和Morrison方案（图8e）模拟的大值中心不明显，CAM方案模拟的数值明显偏大（图8f）。
图36种微物理过程参数化方案模拟的10月4日08时—5日08时降水量分布（单位:mm）:（a）Lin;（b）WSM6;（c）Thompson;（d）Morrison;（e）CAM;（f）WDM6
Fig.3Precipitation simulated by six microphysical schemes from 08:00 BST on October 4 to 08:00 BST on October 5, 2022 (units:mm) : (a) Lin; (b) WSM6; (c) Thompson; (d) Morrison; (e) CAM; (f) WDM6
图9a是卫星过境时的冰水分布，与图7a、图8a比较，云水、雨水、冰水分布的强中心位置大致相同，雨水和冰水的面积相近，云水的分布面积显著大于其余两种水成物。各方案模拟的冰水分布均呈南北走向（图9），但Lin方案模拟的面积和强度明显偏小（图9b），Thompson方案（图9d）和Morrison方案（图9e）模拟的南、北强中心的面积过大，CAM方案（图9f）和WDM6方案（图9g）模拟的南北冰水分布呈“南弱北强”的特点，与GPM探测结果相反。综合比较图7、图8、图9可知，各方案模拟的云水与雨水、冰水分布的中心位置不一致，WSM6方案模拟的云水与雨水分布区域基本一致，走向大致相同。
图4达州站2022年10月4日08时的探空曲线:（a）观测的温度（蓝色线）和露点（橙色线）;（b）观测的环境水平风（蓝色线为u分量，正值代表西风; 橙色线为v分量，正值代表南风）;（c）模拟的温度;（d）模拟的露点
Fig.4Sounding profiles at Dazhou station at 08:00 BST on October 4, 2022: (a) observed temperature (blue line) and dew point temperature (orange line) ; (b) observed environmental wind components (the blue line represents the u-component, where positive values indicate westerly winds; the orange line represents the v-component, where positive values indicate southerly winds) ; (c) simulated temperature; (d) simulated dew point temperature
图52022年10月4日12:19—13:51的GPM卫星观测云场（单位:kg/m2）
Fig.5Cloud water path observed by the GPM satellite from 12:19 BST to 13:51 BST on October 4, 2022 (units:kg/m2)
3.3 云微观垂直结构
图10是研究区域内云水、雨水和冰水混合比沿107.8°E的高度-纬度（30.6°~32.7°N）垂直剖面。由图10a可知，探测的云水粒子集中在6 km高度以下，最大值为0.4 kg/m2，位于31°N附近。Morrison方案（图10e）模拟的云水高度接近8 km，各方案模拟的强中心位置高度均偏高，大值范围偏小，明显与探测结果不符。GPM观测的雨水分布在高度4 km和融化层以下，强中心位置与云水一致，最大值为0.8 kg/m2。6种方案模拟的雨水高度与实况相差不大，但范围均偏大，雨水强中心位置与实况有较大差异，其中CAM方案（图10f）模拟出了较大的雨水含量，但位置模拟效果更差。GPM观测的冰水分布情况与云水、雨水类似，也呈现出两个大值中心，位于2~10 km之间，最大值为0.9 kg/m2。除了Lin方案外，其余5种方案均模拟出了南、北两个大值区域的分布特征，其中WSM6方案（图10c）模拟的垂直剖面呈现出了31.0°N和32.4°N附近的强中心。总体而言，6种微物理方案对云水模拟的效果最差。
图62022年10月4日12—14时不同微物理方案模拟的云场（单位:g/kg）:（a）Lin;（b）WSM6;（c）Thompson;（d）Morrison;（e）CAM;（f）WDM6
Fig.6Cloud water mixing ratio simulated by different microphysical schemes from 12:00 BST to 14:00 BST on October 4, 2022 (units:g/kg) : (a) Lin; (b) WSM6; (c) Thompson; (d) Morrison; (e) CAM; (f) WDM6
从不同高度层的3种水成物的对应关系来看，GPM在30.9°N、31.0°N、31.1°N、32.2°N、32.4°N附近的云水、雨水、冰水均有范围相当的大值区。在Lin方案模拟的30.9°N附近的雨水大值区的垂直高度上，没有范围类似的云水、冰水大值区; 与此类似，其余方案模拟的各类水成物分布大值区，在垂直方向上都对应地各有偏差。
图10显示，垂直方向上有明显的三层结构，第一层（6~10 km）主要为冰水，第二层（5~6 km）同时有冰水、云水、雨水，是过冷水的主要分布层，第三层（5 km以下）主要为云水和雨水的混合。根据顾震潮三层云降水模型（顾震潮，1980），三层之间存在“播种-供应”关系，50%以上的降雨量来自固态粒子参与的微物理过程。可见，垂直方向上3种水成物大值区的对应分布，使得云水、雨水在旺盛的上升气流的输送下能输送到高处，有利于液态和固态粒子充分混合，冰水粒子受益于贝吉龙过程和凇附过程得到不断增长（Wallace and Hobbs，2008），并降落到第三层后与云水碰并，暖层充足的云水供应有助于雨水粒子进一步增大。可见，各种方案中3种水成物垂直分布对应关系的不同是造成模拟结果差异的原因之一。
图7GPM卫星云水路径（a）和不同微物理方案模拟的云水混合比垂直积分（b—g）的对比:（a）GPM卫星云水路径（单位:kg/m2）;（b）Lin（单位:g/kg）;（c）WSM6（单位:g/kg）;（d）Thompson（单位:g/kg）;（e）Morrison（单位:g/kg）;（f）CAM（单位:g/kg）;（g）WDM6（单位:g/kg）
Fig.7Comparison of cloud water path observed by the GPM satellite with vertical integration of cloud water mixing ratio simulated by different microphysical schemes: (a) GPM (units:kg/m2) ; (b—g) Lin, WSM6, Thompson, Morrison, CAM, WDM6 (units:g/kg)
4 模拟结果水成物分析
4.1 水成物高度时间变化
为进一步探讨微物理方案对降水模拟的敏感性，本文分析了模拟的云水、雨水和冰水空间分布随时间的变化。由图11可见，模拟的云水高度均为2~6 km，Lin、WSM6、Morrison、WDM6方案模拟的结果相近; Thompson方案模拟的结果在18时前后出现了明显大值，而CAM方案模拟的云水含量最小。各方案模拟的雨水高度基本相同，时间特征相似，出现了4日10时和5日04时的两个大值中心。CAM方案模拟的数值明显大于其他方案。Lin和WSM6方案因其采用的物理过程较为类似，故其模拟的雨水分布和强度也较为相似，但Lin方案模拟的值更大。Thompson和Morrison方案模拟的雨水类同，强度均小于其他方案。各方案模拟的冰水在高度和厚度上差异不大，WSM6和WDM6方案模拟结果相似，冰水厚度可达7 km，而Lin方案模拟的冰水含量较弱。各方案模拟的时间特征相似，都有与雨水相似的两个大值中心，且第一阶段的强度均大于第二阶段。比较各时段高度层的3种水成物的对应关系可知，WSM6和WDM6方案模拟的垂直方向上的对应关系相对较好。综合水平分布和垂直剖面可知，WSM6方案模拟的结果最好。
图8GPM卫星雨水路径（a）和不同微物理方案模拟的雨水混合比垂直积分（b—g）的对比:（a）GPM卫星云水路径（单位:kg/m2）;（b）Lin（单位:g/kg）;（c）WSM6（单位:g/kg）;（d）Thompson（单位:g/kg）;（e）Morrison（单位:g/kg）;（f）CAM（单位:g/kg）;（g）WDM6（单位:g/kg）
Fig.8Comparison of rainwater path observed by the GPM satellite with vertical integration of rainwater mixing ratio simulated by different microphysical schemes: (a) GPM (units:kg/m2) ; (b—g) Lin, WSM6, Thompson, Morrison, CAM, WDM6 (units:g/kg)
图9GPM卫星冰水路径（a）和不同微物理方案模拟的冰水混合比垂直积分（b—g）对比:（a）GPM卫星冰水路径（单位:kg/m2）;（b）Lin（单位:g/kg）;（c）WSM6（单位:g/kg）;（d）Thompson（单位:g/kg）;（e）Morrison（单位:g/kg）;（f）CAM（单位:g/kg）;（g）WDM6（单位:g/kg）
Fig.9Comparison of ice water path observed by the GPM satellite with vertical integration of ice water mixing ratio simulated by different microphysical schemes: (a) GPM (units:kg/m2) ; (b—g) Lin, WSM6, Thompson, Morrison, CAM, WDM6 (units:g/kg)
4.2 云微物理结构差异
在微物理方案中，冰水粒子分为冰晶、雪、霰3种; 根据冷云降水机制，雪、霰的融化对降雨量有直接影响。降水极值发生在15时，图12给出了11—14时研究区域内6种方案模拟的各类水成物粒子的混合比平均值的垂直分布，表2给出了11—14时研究区域内6种方案模拟的平均降雨量。图12表明，WSM6和WDM6方案具有相似的微物理结构，Thompson和Morrison方案具有相似的微物理结构。0℃层（5 km）以上，Thompson方案模拟的冰晶近似于0，Lin、Morrison、CAM方案模拟的冰晶含量类似且分布在9 km以上，WSM6、WDM6方案模拟的冰晶含量大于其他4个方案且分布范围与过冷云水顶部重叠，增强了雪、霰粒子的形成。
图10GPM卫星3种水成物（a）和不同微物理方案模拟的3种水成物（b—g）沿107.8°E的垂直剖面（绿色阴影为雨水，蓝色等值线为云水（间隔为0.05，最大值为0.45），红色等值线为冰水（间隔为0.15，最大值为1.05）; 黑色虚线为等温线（单位:℃）; 箭矢表示（v，w）风场）:（a）GPM卫星3种水成物沿107.8°E的垂直剖面（单位:kg/m2）;（b）Lin（单位:g/kg）;（c）WSM6（单位:g/kg）;（d）Thompson（单位:g/kg）;（e）Morrison（单位:g/kg）;（f）CAM（单位:g/kg）;（g）WDM6（单位:g/kg）
Fig.10Vertical profiles of hydrometeors along107.8°E observed by the GPM satellite and simulated by different microphysical schemes. Green shaded areas indicate rainwater content; blue contours indicate cloud water content (0.05 to 0.45 g/kg at 0.05 intervals) ; red contours indicate ice water content (0.15 to 1.05 g/kg at 0.15 intervals) ; black dashed lines indicate average temperature (units:℃) ; and vectors show the (v, w) wind field: (a) observations from GPM (units:kg/m2) ; (b—g) Lin, WSM6, Thompson, Morrison, CAM, WDM6 (units:g/kg)
WSM6和WDM6方案均模拟出一定的霰粒子含量，雪、霰峰值区与过冷云水有重合，这种分布有利于雪淞附过冷水转化为霰、霰碰并雪增长以及霰淞附过冷水进一步增长，可推断WSM6和WDM6方案模拟的雪、霰对地面降水均有贡献。而Thompson和Morrison方案模拟的霰含量很少，这可能是造成Thompson和Morrison方案模拟的暖层雨水粒子偏少且降雨量偏少的原因。Lin方案模拟的霰粒子最多，雪粒子偏少，但降雨量较大，表明霰是雨的主要来源。CAM方案没有霰的预报，不利于较强降水的形成，该方案中雪预报量级明显高于其他方案，这应当是暖层上部雨水粒子偏多的原因，但地面降水量不大，推断是由于通过雪融化的雨滴较小，导致雨水更多地留着空中，无法形成有效的地面降水。
图112022年10月4日08时—5日08时研究区域水成物质量平均混合比（单位:g/kg）的时间-高度分布（蓝色阴影为云水，绿色等值线为雨水（间隔为0.08，最大值为0.72），红色等值线为冰水（间隔为0.15，最大值为1.5）; 黑色虚线为等温线，单位:℃）:（a）Lin;（b）WSM6;（c）Thompson;（d）Morrison;（e）CAM;（f）WDM6
Fig.11Time-height cross sections of average hydrometeor mixing ratios (units:g/kg) from 08:00 BST on October 4 to 08:00 BST on October 5, 2022. Blue shadings represent cloud water; green contours show rainwater content (0.08 to 0.72 g/kg at 0.08 intervals) ; red contours show ice water content (0.15 to 1.5 g/kg at 0.15 intervals) ; red dashed lines indicate average temperature (units:℃) : (a) Lin; (b) WSM6; (c) Thompson; (d) Morrison; (e) CAM; (f) WDM6
图122022年10月4日11—14时研究区域内不同方案模拟的各类水成物混合比平均值的垂直廓线（单位:g/kg）:（a）Lin;（b）WSM6;（c）Thompson;（d）Morrison;（e）CAM;（f）WDM6
Fig.12Vertical profiles of average mixing ratios of five hydrometeors in the study area, simulated by different microphysical schemes from 11:00 BST to 14:00 BST on October 4, 2022 (units:g/kg) : (a) Lin; (b) WSM6; (c) Thompson; (d) Morrison; (e) CAM; (f) WDM6
0℃层（5 km）以下，对比各方案模拟的暖层的云雨垂直分布可知，CAM方案模拟的暖层内云水较其他方案偏少（峰值靠近0℃层），而雨水混合比在暖层大部分区域变化不大（仅在云水次峰值区有轻微的增加），说明该方案在暖区的暖云降水过程模拟偏弱。WDM6方案模拟的雨水峰值主要出现在暖区上层的0℃层附近，而向下递减则说明暖区的碰并增长过程不强，雨水蒸发导致雨滴减少，暖云降水模拟最弱。其他方案模拟的雨水混合比在暖区都有一个逐渐增加的过程，并在中下部出现峰值，说明云雨碰并对降水有增强作用，均能呈现一定强度暖云降水过程。综上所述，不同方案模拟的微物理结构特征的差异是导致地面降水产生差异的重要原因。
表22022年10月4日11—14时不同方案模拟的降雨量
Table2Precipitation amounts simulated by different microphysical schemes from 11:00 BST to 14:00 BST on October 4, 2022
5 结论与讨论
利用WRF模式4.3版本，采用6种微物理方案对发生在2022年10月4—5日四川盆地东北部暴雨天气过程进行数值模拟，并与GPM卫星产品进行对比分析，得到以下主要结论:
1）6种微物理方案均模拟出了川东北范围内的强降水，雨带呈东北-西南走向，但模拟的强度偏小，且未能模拟出陕西南部和重庆西北部的强降水，其中Lin和WSM6方案模拟出了强降水中心，空间分布与降水实况大致相同，对探空曲线中的温度和露点模拟也较好。
2）GPM卫星观测的云场分布与实际降水一致，但6种微物理方案模拟的云场范围偏大、强度偏弱，Lin、WSM6和WDM6方案模拟的云场分布和强度最接近观测值，WSM6和WDM6方案对云场的模拟结果更能呈现云场南、北两个大值中心。6种微物理方案对雨水的模拟结果最接近GPM观测值，但对云水和冰水含量的模拟呈现低估，强中心分布的差异也较大。其中云水垂直剖面的模拟结果均较差，而WSM6方案对冰水垂直剖面的模拟结果相对较好。
3）6种方案都明显模拟出云的三层结构，根据“播种-供应”机制，在上升气流的输送下，云水、雨水和冰水在垂直方向上的对应有利于强降水发生。水成物的时空演变特征表明，各类方案模拟的水成物大值区范围的匹配程度是能否预测降水极值的重要原因。
4）根据冷云降水机制进一步分析了6种方案模拟的各类冰水粒子的含量和垂直分布特征。WSM6和WDM6方案模拟的冰晶混合比最大且在0℃层附近有分布，雪、霰峰值区都出现在0℃层附近且与过冷云水顶层重合，这种分布十分有利于雪、霰粒子的生成和增长，而雪、霰的融化对降雨量有直接影响。CAM方案没有霰粒子的预报，Lin方案模拟的雪粒子偏少，Thompson和Morrison方案模拟的霰含量很少。0℃层以下，CAM方案模拟的暖云降水过程偏弱，WDM6方案模拟的暖云降水过程最弱。因此，不同方案模拟的微物理结构特征的差异是导致地面降水产生差异的重要原因，WSM6方案模拟的降水极值在空间和数值上更接近观测值。
总的来说，针对四川东北部的此次降水过程，WSM6方案的模拟结果最好。由于层状云的存在和川东北地形的复杂性，WSM6方案是否适用于相同地区的其他天气类型，需要开展更多的个例研究和综合分析，包括针对其他天气过程结合更多的云微物理探测产品，对各类水成物的混合比、数浓度、微物理过程的转化率及粒子滴谱分布的预报效果检验、相关机理分析等。在此基础上，进一步综合评估各类方案的预报能力，对提高降水极值的监测预警能力、把握人影作业“窗口期”具有指导意义。
图12022年10月4日08时500 hPa位势高度（等值线，单位:dagpm）和风场（箭矢，单位:m/s）（a; 红色方框表示本文的研究区域——四川东北部）、700 hPa位势高度（等值线，单位:dagpm）、风场（箭矢，单位:m/s）和比湿（阴影，单位:g/kg）（b）、24 h降水量（c; 阴影，单位:mm）和逐小时降水量（d; 单位:mm）
Fig.1Weather situations at 08:00 BST on October 4, 2022: (a) geopotential height (contours, units:dagpm) and wind (arrows, units:m/s) at 500 hPa (red box indicates northeastern Sichuan) ; (b) geopotential height (contours, units:dagpm) , wind (arrows, units:m/s) , and specific humidity (shadings, units:g/kg) at 700 hPa; (c) 24-h precipitation (shadings, units:mm) ; (d) hourly precipitation (units:mm)
图2模拟区域嵌套（红色方框表示研究区域）
Fig.2The simulated nested domain (the red box indicates the study area)
图36种微物理过程参数化方案模拟的10月4日08时—5日08时降水量分布（单位:mm）:（a）Lin;（b）WSM6;（c）Thompson;（d）Morrison;（e）CAM;（f）WDM6
Fig.3Precipitation simulated by six microphysical schemes from 08:00 BST on October 4 to 08:00 BST on October 5, 2022 (units:mm) : (a) Lin; (b) WSM6; (c) Thompson; (d) Morrison; (e) CAM; (f) WDM6
图4达州站2022年10月4日08时的探空曲线:（a）观测的温度（蓝色线）和露点（橙色线）;（b）观测的环境水平风（蓝色线为u分量，正值代表西风; 橙色线为v分量，正值代表南风）;（c）模拟的温度;（d）模拟的露点
Fig.4Sounding profiles at Dazhou station at 08:00 BST on October 4, 2022: (a) observed temperature (blue line) and dew point temperature (orange line) ; (b) observed environmental wind components (the blue line represents the u-component, where positive values indicate westerly winds; the orange line represents the v-component, where positive values indicate southerly winds) ; (c) simulated temperature; (d) simulated dew point temperature
图52022年10月4日12:19—13:51的GPM卫星观测云场（单位:kg/m2）
Fig.5Cloud water path observed by the GPM satellite from 12:19 BST to 13:51 BST on October 4, 2022 (units:kg/m2)
图62022年10月4日12—14时不同微物理方案模拟的云场（单位:g/kg）:（a）Lin;（b）WSM6;（c）Thompson;（d）Morrison;（e）CAM;（f）WDM6
Fig.6Cloud water mixing ratio simulated by different microphysical schemes from 12:00 BST to 14:00 BST on October 4, 2022 (units:g/kg) : (a) Lin; (b) WSM6; (c) Thompson; (d) Morrison; (e) CAM; (f) WDM6
图7GPM卫星云水路径（a）和不同微物理方案模拟的云水混合比垂直积分（b—g）的对比:（a）GPM卫星云水路径（单位:kg/m2）;（b）Lin（单位:g/kg）;（c）WSM6（单位:g/kg）;（d）Thompson（单位:g/kg）;（e）Morrison（单位:g/kg）;（f）CAM（单位:g/kg）;（g）WDM6（单位:g/kg）
Fig.7Comparison of cloud water path observed by the GPM satellite with vertical integration of cloud water mixing ratio simulated by different microphysical schemes: (a) GPM (units:kg/m2) ; (b—g) Lin, WSM6, Thompson, Morrison, CAM, WDM6 (units:g/kg)
图8GPM卫星雨水路径（a）和不同微物理方案模拟的雨水混合比垂直积分（b—g）的对比:（a）GPM卫星云水路径（单位:kg/m2）;（b）Lin（单位:g/kg）;（c）WSM6（单位:g/kg）;（d）Thompson（单位:g/kg）;（e）Morrison（单位:g/kg）;（f）CAM（单位:g/kg）;（g）WDM6（单位:g/kg）
Fig.8Comparison of rainwater path observed by the GPM satellite with vertical integration of rainwater mixing ratio simulated by different microphysical schemes: (a) GPM (units:kg/m2) ; (b—g) Lin, WSM6, Thompson, Morrison, CAM, WDM6 (units:g/kg)
图9GPM卫星冰水路径（a）和不同微物理方案模拟的冰水混合比垂直积分（b—g）对比:（a）GPM卫星冰水路径（单位:kg/m2）;（b）Lin（单位:g/kg）;（c）WSM6（单位:g/kg）;（d）Thompson（单位:g/kg）;（e）Morrison（单位:g/kg）;（f）CAM（单位:g/kg）;（g）WDM6（单位:g/kg）
Fig.9Comparison of ice water path observed by the GPM satellite with vertical integration of ice water mixing ratio simulated by different microphysical schemes: (a) GPM (units:kg/m2) ; (b—g) Lin, WSM6, Thompson, Morrison, CAM, WDM6 (units:g/kg)
图10GPM卫星3种水成物（a）和不同微物理方案模拟的3种水成物（b—g）沿107.8°E的垂直剖面（绿色阴影为雨水，蓝色等值线为云水（间隔为0.05，最大值为0.45），红色等值线为冰水（间隔为0.15，最大值为1.05）; 黑色虚线为等温线（单位:℃）; 箭矢表示（v，w）风场）:（a）GPM卫星3种水成物沿107.8°E的垂直剖面（单位:kg/m2）;（b）Lin（单位:g/kg）;（c）WSM6（单位:g/kg）;（d）Thompson（单位:g/kg）;（e）Morrison（单位:g/kg）;（f）CAM（单位:g/kg）;（g）WDM6（单位:g/kg）
Fig.10Vertical profiles of hydrometeors along107.8°E observed by the GPM satellite and simulated by different microphysical schemes. Green shaded areas indicate rainwater content; blue contours indicate cloud water content (0.05 to 0.45 g/kg at 0.05 intervals) ; red contours indicate ice water content (0.15 to 1.05 g/kg at 0.15 intervals) ; black dashed lines indicate average temperature (units:℃) ; and vectors show the (v, w) wind field: (a) observations from GPM (units:kg/m2) ; (b—g) Lin, WSM6, Thompson, Morrison, CAM, WDM6 (units:g/kg)
图112022年10月4日08时—5日08时研究区域水成物质量平均混合比（单位:g/kg）的时间-高度分布（蓝色阴影为云水，绿色等值线为雨水（间隔为0.08，最大值为0.72），红色等值线为冰水（间隔为0.15，最大值为1.5）; 黑色虚线为等温线，单位:℃）:（a）Lin;（b）WSM6;（c）Thompson;（d）Morrison;（e）CAM;（f）WDM6
Fig.11Time-height cross sections of average hydrometeor mixing ratios (units:g/kg) from 08:00 BST on October 4 to 08:00 BST on October 5, 2022. Blue shadings represent cloud water; green contours show rainwater content (0.08 to 0.72 g/kg at 0.08 intervals) ; red contours show ice water content (0.15 to 1.5 g/kg at 0.15 intervals) ; red dashed lines indicate average temperature (units:℃) : (a) Lin; (b) WSM6; (c) Thompson; (d) Morrison; (e) CAM; (f) WDM6
图122022年10月4日11—14时研究区域内不同方案模拟的各类水成物混合比平均值的垂直廓线（单位:g/kg）:（a）Lin;（b）WSM6;（c）Thompson;（d）Morrison;（e）CAM;（f）WDM6
Fig.12Vertical profiles of average mixing ratios of five hydrometeors in the study area, simulated by different microphysical schemes from 11:00 BST to 14:00 BST on October 4, 2022 (units:g/kg) : (a) Lin; (b) WSM6; (c) Thompson; (d) Morrison; (e) CAM; (f) WDM6
表1不同微物理方案的输出特征
Table1Output characteristics of different microphysical schemes
表22022年10月4日11—14时不同方案模拟的降雨量
Table2Precipitation amounts simulated by different microphysical schemes from 11:00 BST to 14:00 BST on October 4, 2022
范雯露, 景晓琴, 杨璟, 等, 2022. 基于飞机观测的美国落基山地区冬季混合相态层状云与夏季对流云的微物理特征[J]. 大气科学, 46(5): 1113-1131. Fan W L, Jing X Q, Yang J, et al., 2022. Microphysical characteristics of winter mixed-phase stratiform clouds and summer convective clouds in the Rocky Mountain region based on airborne measurements[J]. Chin J Atmos Sci, 46(5): 1113-1131. (in Chinese).
方勉, 何君涛, 符永铭, 等, 2019. 基于GPM卫星降水产品对1808号超强台风“玛利亚”降水结构的分析[J]. 大气科学学报, 42(6): 845-854. Fang M, He J T, Fu Y M, et al., 2019. The precipitation structure for super typhoon Maria (1808) based on GPM satellite rainfall products[J]. Trans Atmos Sci, 42(6): 845-854. DOI: 10. 13878/j. cnki. dqkxxb. 20181101001. (in Chinese).
高学杰, 徐影, 赵宗慈, 等, 2006. 数值模式不同分辨率和地形对东亚降水模拟影响的试验[J]. 大气科学, 30(2): 185-192. Gao X J, Xu Y, Zhao Z C, et al., 2006. Impacts of horizontal resolution and topography on the numerical simulation of East Asian precipitation[J]. Chin J Atmos Sci, 30(2): 185-192. (in Chinese).
顾震潮, 1980. 云雾降水物理基础[M]. 北京: 科学出版社. Gu Z C, 1980. Physical basis of cloud and fog precipitation[M]. Beijing: Science Press. (in Chinese).
郭楠楠, 周玉淑, 邓国, 2019. 中亚低涡背景下阿克苏地区一次强降水天气分析[J]. 气象学报, 77(4): 686-700. Guo N N, Zhou Y S, Deng G, 2019. Analysis of a severe precipitation process in Aksu area under the background of the Central Asian vortex[J]. Acta Meteor Sinica, 77(4): 686-700. (in Chinese).
何晖, 金华, 李宏宇, 等, 2012. 2008年奥运会开幕式日人工消减雨作业中尺度数值模拟的初步结果[J]. 气候与环境研究, 17(1): 46-58. He H, Jin H, Li H Y, et al., 2012. Preliminary study of the mesoscale numerical simulation of the rain mitigation operation during the opening ceremony of the 2008 Beijing Olympic Games[J]. Clim Environ Res, 17(1): 46-58. (in Chinese).
Hong S Y, Sunny Lim K S, Kim J H, et al., 2009. Sensitivity study of cloud-resolving convective simulations with WRF using two bulk microphysical parameterizations: ice-phase microphysics versus sedimentation effects[J]. J Appl Meteor Climatol, 48(1): 61-76. DOI: 10. 1175/2008jamc1960. 1.
Houghton J T, Ding Y, Griggs D J, et al., 2001. Climate change 2001: the scientific basis[M]. Cambridge: Cambridge University Press.
黄朝盈, 张阿思, 陈生, 等, 2020. GPM卫星和地面雷达对江苏盐城龙卷风强降水估测的对比[J]. 大气科学学报, 43(2): 370-380. Huang C Y, Zhang A S, Chen S, et al., 2020. Inter-comparison of rainfall estimates from radar, satellite and gauge during the Yancheng Tornado[J]. Trans Atmos Sci, 43(2): 370-380. DOI: 10. 13878/j. cnki. dqkxxb. 20181027001. (in Chinese).
纪立人, 陈嘉滨, 张道民, 等, 2005. 数值预报模式动力框架发展的若干问题综述[J]. 大气科学, 29(1): 120-130. Ji L R, Chen J B, Zhang D M, et al., 2005. Review of some numerical aspects of the dynamic framework of NWP model[J]. Chin J Atmos Sci, 29(1): 120-130. (in Chinese).
马占山, 刘奇俊, 秦琰琰, 等, 2009. 利用TRMM卫星资料对人工增雨云系模式云微观场预报能力的检验[J]. 气象学报, 67(2): 260-271. Ma Z S, Liu Q J, Qin Y Y, et al., 2009. Verification of forecasting efficiency to cloud microphysical characters of mesoscale numerical model for artificial rainfall enhancement by using TRMM satellite data[J]. Acta Meteor Sinica, 67(2): 260-271. (in Chinese).
Morrison H, Thompson G, Tatarskii V, 2009. Impact of cloud microphysics on the development of trailing stratiform precipitation in a simulated squall line: comparison of one-and two-moment schemes[J]. Mon Wea Rev, 137(3): 991-1007. DOI: 10. 1175/2008MWR2556. 1.
渠鸿宇, 黄彬, 高拴柱, 等, 2023. 2022年10月大气环流和天气分析[J]. 气象, 49(1): 122-128. Qu H Y, Huang B, Gao S Z, et al., 2023. Analysis of the October 2022 atmospheric circulation and weather[J]. Meteor Mon, 49(1): 122-128. (in Chinese).
施丽娟, 冯婉悦, 雷勇, 等, 2022. GPM日降水产品在中国大陆的准确性评估[J]. 气象, 48(11): 1428-1438. Shi L J, Feng W Y, Lei Y, et al., 2022. Accuracy evaluation of daily GPM precipitation product over mainland China[J]. Meteor Mon, 48(11): 1428-1438. (in Chinese).
孙晶, 楼小凤, 史月琴, 2011. 不同微物理方案对一次梅雨锋暴雨过程模拟的影响[J]. 气象学报, 69(5): 799-809. Sun J, Lou X F, Shi Y Q, 2011. The effects of different microphysical schemes on the simulation of a Meiyu front heavy rainfall[J]. Acta Meteor Sinica, 69(5): 799-809. (in Chinese).
Tan C, Cai M, Zhou Y Q, et al., 2022. Cloud water resource in North China in 2017 simulated by the CMA-CPEFS cloud resolving model: validation and quantification[J]. J Meteor Res, 36(3): 520-538. DOI: 10. 1007/s13351-022-1118-2.
唐国强, 万玮, 曾子悦, 等, 2015. 全球降水测量(GPM)计划及其最新进展综述[J]. 遥感技术与应用, 30(4): 607-615. Tang G Q, Wan W, Zeng Z Y, et al., 2015. An overview of the global precipitation measurement (GPM) mission and it’s latest development[J]. Remote Sens Technol Appl, 30(4): 607-615. DOI: 10. 11873/j. issn. 1004-0323. 2015. 4. 0607. (in Chinese).
Thompson G, Field P R, Rasmussen R M, et al., 2008. Explicit forecasts of winter precipitation using an improved bulk microphysics scheme. Part II: implementation of a new snow parameterization[J]. Mon Wea Rev, 136(12): 5095. DOI: 10. 1175/2008MWR2387. 1.
Wallace J M, Hobbs P V, 2008. 大气科学[M]. 何金海, 王振会, 银燕, 等, 译. 2版. 北京: 科学出版社. Wallace J M, Hobbs P V, 2008. Atmospheric science[M]. He J H, Wang Z H, Yin Y, et al., transl. 2nd ed. Beijing: Science Press. (in Chinese).
王明明, 魏鸣, 王皓, 等, 2018. 成都地区一次持续性暴雨过程的水汽特征分析[J]. 大气科学学报, 41(6): 861-871. Wang M M, Wei M, Wang H, et al., 2018. An analysis of the characteristics of the water vapor during a persistent rainstorm event in Chengdu[J]. Trans Atmos Sci, 41(6): 861-871. DOI: 10. 13878/j. cnki. dqkxxb. 20160410012. (in Chinese).
王沛东, 李国平. 2016. 秦巴山区地形对一次西南涡大暴雨过程影响的数值试验[J]. 云南大学学报(自然科学版), 38(3): 418-429. Wang P D, Li G P, 2016. Numerical experiments of the impact of Qin-Ba mountainous terrain on a rainstorm caused by southwest vortex[J]. Journal of Yunnan University, 38(3): 418-429. DOI: 10. 7540/j. ynu. 20150765. (in Chinese).
王蓉, 吴稀稀, 岳平, 等, 2023. 青藏高原东北边坡复杂地形重力波的数值模拟[J]. 大气科学学报, 46(5): 738-752. Wang R, Wu X X, Yue P, et al., 2023. Numerical simulation of gravity waves in complex terrain on the northeast slope of the Qinghai-Tibet Plateau[J]. Trans Atmos Sci, 46(5): 738-752. DOI: 10. 13878/j. cnki. dqkxxb. 20230208001. (in Chinese).
王文君, 朱彬, 杨素英, 等, 2018. 两类双参数云微物理方案对夏季强降水事件模拟能力的对比研究[J]. 大气科学学报, 41(6): 721-730. Wang W J, Zhu B, Yang S Y, et al., 2018. Comparison and analysis of strong precipitation simulation capability of Morrison and Milbrandt-Yau two-moment cloud micro-physical schemes[J]. Trans Atmos Sci, 41(6): 721-730. DOI: 10. 13878/j. cnki. dqkxxb. 20171112005. (in Chinese).
尹金方, 王东海, 翟国庆, 2014. 区域中尺度模式云微物理参数化方案特征及其在中国的适用性[J]. 地球科学进展, 29(2): 238-249. Yin J F, Wang D H, Zhai G Q, 2014. A study of characteristics of the cloud microphysical parameterization schemes in mesoscale models and its applicability to China[J]. Adv Earth Sci, 29(2): 238-249. (in Chinese).
于波, 林永辉, 2008. 引发川东暴雨的西南低涡演变特征个例分析[J]. 大气科学, 32(1): 141-154. Yu B, Lin Y H, 2008. A case study of southwest vortex causing heavy rainfall in eastern Sichuan Basin[J]. Chin J Atmos Sci, 32(1): 141-154. DOI: 10. 3878/j. issn. 1006-9895. 2008. 01. 13. (in Chinese).
张大林, 1998. 各种非绝热物理过程在中尺度模式中的作用[J]. 大气科学, 22(4): 548-561. Zhang D L, 1998. Roles of various diabatic physical processes in mesoscale models[J]. Chin J Atmos Sci, 22(4): 548-561. DOI: 10. 3878/j. issn. 1006-9895. 1998. 04. 16. (in Chinese).
张芳丽, 李国平, 罗潇, 2020. 四川盆地东北部一次突发性暴雨事件的影响系统分析[J]. 高原气象, 39(2): 321-332. Zhang F L, Li G P, Luo X, 2020. Some influence factors of a sudden rainstorm event in northeast Sichuan Basin of China[J]. Plateau Meteor, 39(2): 321-332. DOI: 10. 7522/j. issn. 1000-0534. 2019. 00080. (in Chinese).
甄英, 董雪峰, 何静, 2021. 1961—2017年四川省夏季长周期旱涝急转演变特征及环流影响分析[J]. 大气科学学报, 44(3): 355-362. Zhen Y, Dong X F, He J, 2021. Evolution characteristics of long-term drought and flood alternation in summer and analysis of the circulation influence in Sichuan Province from 1961 to 2017[J]. Trans Atmos Sci, 44(3): 355-362. DOI: 10. 13878/j. cnki. dqkxxb. 20191218002. (in Chinese).
智协飞, 董甫, 张玲, 等, 2020. 基于不同微物理过程的广西沿海南风型暖区暴雨的数值模拟研究[J]. 大气科学学报, 43(5): 867-879. Zhi X F, Dong F, Zhang L, et al., 2020. Numerical simulation of southerly type warm-sector heavy rainfall in the coastal region of Guangxi using various cloud microphysics parameterization schemes in the WRF Model[J]. Trans Atmos Sci, 43(5): 867-879. DOI: 10. 13878/j. cnki. dqkxxb. 20200106001. (in Chinese).
周杰, 赵俊虎, 李永华, 等, 2021. 西南地区东部区域性暴雨事件的客观识别及其变化特征[J]. 高原气象, 40(4): 789-800. Zhou J, Zhao J H, Li Y H, et al., 2021. Objective identification and variation characteristics of regional heavy rainfall events in the east of southwestern China[J]. Plateau Meteor, 40(4): 789-800. (in Chinese).
朱格利, 林万涛, 曹艳华, 2014. 用WRF模式中不同云微物理参数化方案对华南一次暴雨过程的数值模拟和性能分析[J]. 大气科学, 38(3): 513-523. Zhu G L, Lin W T, Cao Y H, 2014. Numerical simulation of a rainstorm event over South China by using various cloud microphysics parameterization schemes in WRF model and its performance analysis[J]. Chin J Atmos Sci, 38(3): 513-523. (in Chinese).

地址：江苏南京宁六路219号南京信息工程大学    邮编：210044

联系电话：025-58731158    E-mail：xbbjb@nuist.edu.cn    QQ交流群号：344646895

大气科学学报 ® 2026 版权所有  技术支持：北京勤云科技发展有限公司