《Tropical Cyclone Research and Review》：Assessing the Sensitivity of WRF Model Precipitation Simulation to Cumulus Convection Parameterization Schemes: A Comparative Study of Typhoon Lekima (2019) and Typhoon In-Fa (2021)
编辑推荐：
更好地理解登陆热带气旋（landfalling tropical cyclone, LTC）降水对于准确预报恶劣天气至关重要。然而，在高分辨率模式中，显式对流方案与积云参数化方案（cumulus parameterization schemes, CPSs）哪
更好地理解登陆热带气旋（landfalling tropical cyclone, LTC）降水对于准确预报恶劣天气至关重要。然而，在高分辨率模式中，显式对流方案与积云参数化方案（cumulus parameterization schemes, CPSs）哪种表现更优仍不确定，这凸显了进一步研究以确定区域降水模拟最优配置的必要性。为解决此问题，研究人员利用天气研究与预报（Weather Research and Forecasting, WRF）模式，对LTCs Lekima(2019)和In-Fa(2021)在登陆前后期间的降水进行了数值模拟。研究人员系统比较了六种不同CPSs（Kain-Fritsch（new Eta）方案、Betts-Miller-Janjic方案、Grell-Freitas集合方案等）和水平分辨率（18、6和2 km）对这两个事件模拟降水特征的影响。结果表明：（1）模式合理捕捉了关键降水特征；尺度感知CPSs有效降低了相对误差，而传统CPSs在再现空间格局方面表现更优；（2）高分辨率模拟在集中降水区域改善了空间相关性（约0.1），并更好地解析了强降水的局地结构；（3）尺度感知CPSs通过优化关键物理过程（如水汽辐合、垂直运动和冰相微物理）显著增强了对强降水的模拟。此外，（4）与表现出对网格分辨率显著依赖性的传统CPSs相比，尺度感知CPSs的对流贡献可忽略不计（<5%）。这些发现表明，尺度感知CPSs对模式分辨率变化更为敏感，当与高分辨率网格结合时，能显著提高LTCs强降水模拟的准确性。
## 论文解读文章
### 研究背景与问题
中国每年平均有7至8个台风登陆，登陆热带气旋（landfalling tropical cyclone, LTC）常引发暴雨、大风和风暴潮等气象灾害，其中暴雨可诱发洪水、滑坡和泥石流等次生灾害，严重威胁沿海和内陆地区的人员生命财产安全及经济发展（Chen et al., 2017; Liu et al., 2018）。政府间气候变化专门委员会（IPCC）第六次评估报告（2023）指出，随着全球变暖加剧，强降水事件将更加剧烈和频繁，全球强热带气旋（TC）及其引发的降水比例很可能增加。因此，研究TC（尤其是登陆TC）的精细降水特征和机理，对防灾减灾具有重要科学意义和实际价值。然而，由于多尺度系统间复杂相互作用、多样化的下垫面条件、水汽状况及多种影响因子，登陆前后强降水分布特征及其维持和增强机制仍存在预报和预警挑战（Chen et al., 2010; Dong et al., 2011; Li et al., 2019）。数值天气预报模式是研究LTC降水的重要手段之一（Bauer et al., 2015; Tian et al., 2021），但不同物理量参数对TC和暴雨的敏感性研究尚无定论（Xu et al., 2017; Li et al., 2018）。积云对流在大气水汽过程中起关键作用，通过感热、潜热和动量输运影响大尺度环流，进而调整温湿场的垂直分布。积云参数化方案（cumulus parameterization schemes, CPSs）通常基于不完全理论和有限观测的经验方法，描述能力有限，导致不同方案在降水时间、位置和强度上存在显著差异和不稳定性（Jankov et al., 2005; Li et al., 2009）。高性能计算的发展使模式水平分辨率提升，可更精细地研究暴雨动力-物理过程，但也带来了“灰色地带”（gray zone）现象（Wang and Yu, 2023）。传统CPSs在“灰色地带”（1-10 km）面临挑战，其准平衡假设不再适用（Ahn et al., 2018）。部分研究认为在高分辨率网格上采用显式对流模拟降水更合适（Weisman et al., 1997），但另一些研究显示在积云初始化阶段结合参数化方案可提高预报精度（Hong et al., 2012）。目前尚无定论确定显式对流方案与CPSs在高分辨率模式中孰优孰劣。尺度感知CPSs被开发用于解决“灰色地带”问题（Gerard, 2007; Freitas et al., 2020），如Wagner et al.（2018）发现尺度感知方案能更好地捕捉不同地形和极端降水事件的降雨分布。Wang and Yu（2023）比较传统与尺度感知CPSs，发现尺度感知方法在模拟强暴雨时随网格分辨率提高更有效。因此，仍需进一步研究以确定不同区域和气候条件下最合适的物理参数化方案。
### 研究内容与结论
本研究以近年来严重影响浙江沿海的两次LTC事件——Lekima(1909)和In-Fa(2106)为研究对象，利用WRF模式（Version 4.0.2）进行数值模拟，系统比较了六种不同CPSs（Kain-Fritsch (KF)、Betts-Miller-Janji? (BMJ)、Grell-Freitas (GF)、修改版Tiedtke (TK)、基于概率密度函数的KF-CuP以及尺度感知的KSAS）和三种水平分辨率（18 km、6 km、2 km）对两次台风降水的模拟影响。研究得出了以下主要结论：（1）模式合理捕捉了关键降水特征；尺度感知CPSs能有效降低相对误差，而传统CPSs在再现空间格局方面表现更优；（2）高分辨率模拟在集中降水区域将空间相关性提高了约0.1，并更好地解析了强降水的局地结构；（3）尺度感知CPSs通过优化关键物理过程（如水分辐合、垂直运动和冰相微物理）显著增强了对强降水的模拟，其对流贡献可忽略不计（<5%），而传统CPSs表现出对网格分辨率的显著依赖性。这些发现表明，尺度感知CPSs对模式分辨率变化更敏感，与高分辨率网格结合时能显著提高LTCs强降水模拟的准确性。该论文发表在《Tropical Cyclone Research and Review》。
### 关键技术方法
研究人员采用的数值模式为WRF V4.0.2，配置了三重双向嵌套网格（图1），水平分辨率分别为18 km (d01)、6 km (d02)和2 km (d03)，网格比例为3:1。最外层网格d01覆盖影响研究区域的大尺度天气系统，最内层网格d03完全覆盖浙江省以聚焦降水过程。初始和边界条件来自美国国家环境预报中心（NCEP）的最终全球分析数据（FNL），d01模拟结果作为d02和d03的初始和边界场。物理参数化方案包括Thompson微物理方案、RRTMG短波和长波辐射方案、MYJ边界层方案和Noah陆面模式。研究设置了七组试验：一组无积云参数化（NoCU）和六组采用不同CPSs（KF、BMJ、GF、TK、KF-CuP、KSAS），其中GF和KSAS为尺度感知方案。所有域（包括2 km）使用相同CPSs。评估方法采用双线性插值将模拟结果匹配至观测网格（0.05°×0.05°），仅评估陆地降水，包括威胁评分（TS）、频率偏差（FB）、空报率（FAR）、漏报率（MR）、相对误差（RE）和相关系数（CORR）等统计指标。观测数据采用中国气象局多源融合降水分析系统（CMPAS）的逐时降水产品（空间分辨率0.05°×0.05°），以及上海台风研究所提供的热带气旋最佳路径数据集。
### 研究结果
#### 3.1. 模拟台风路径和强度对比
不同CPSs下两次台风路径和强度模拟结果如图2所示。对于In-Fa，模式合理捕捉了其西北行和逐渐减弱趋势，各方案路径模拟相似，36小时平均路径误差范围为22.4-31.9 km，其中TK误差最小（22.4 km），BMJ最大（45.2 km）。对于Lekima，模拟路径逐渐向西南偏移，误差在12小时预报时效最小（8.0-24.7 km），之后增大，KF在24小时和36小时误差最大。强度方面，所有方案均未能捕捉到Lekima登陆前的轻微增强，强度误差为12.4-15.7 hPa，GF误差最小（12.4 hPa）。由于模拟路径和强度差异较小，其对后续降水敏感性分析的影响可忽略。
#### 3.2. 模拟台风降水的比较评估
观测数据显示，In-Fa降水呈东北多西南少的空间分布，强降水集中在浙江东北沿海和西北山区（最大累积降水460 mm）；Lekima影响范围更广，66%的观测点累积降水超过100 mm，最大达540 mm。以NoCU试验为参照，模式有效再现了In-Fa总累积降水的空间格局（CORR=0.74），但在复杂地形区（如四明山、会稽山、龙门山）系统性低估降水，产生显著负偏差中心（龙门山低至-200 mm）。对于Lekima，模式准确捕捉了浙江东部沿海强降水中心，但低估了湖州-嘉兴-宁波区域降水，并在浙江南部（丽水-温州）高估了降水，出现虚假降水中心（>400 mm），可能因模拟路径偏南。高分辨率d03（2 km）相比d01（18 km）显著提高了集中降水区（CP-area）的CORR（In-Fa从0.54增至0.71，Lekima从0.58增至0.66），并减少了地形区降水低估，但增加了其他区域局部高估的风险，全省整体统计指标未显著改善。不同CPSs模拟的空间分布与NoCU相似，其中KF、BMJ和GF在两次台风降水中CORR略有提升，KF-CuP在In-Fa中变化不大但Lekima中明显下降，TK和KSAS表现因台风而异。对于In-Fa，各方案在轻雨（<15 mm）和暴雨（75-174.9 mm）模拟中表现最佳（TS=0.4-0.6），但低估轻雨（FB=0.6-0.8）和高估暴雨（FB=1.25-1.67），KSAS对极端暴雨改善最明显，GF次之，BMJ在<75 mm降水中最优。对于Lekima，所有方案在强至极强降水（≥75 mm）中表现相似（TS=0.3-0.5），GF对<75 mm降水改善最显著。总体而言，与NoCU相比，BMJ和GF对两次台风降水模拟有显著正面影响，KF-CuP有负面影响，TK和KSAS结果因台风而异。在CP-area内，GF在In-Fa中RE最低（-18.45%），KSAS次之（-19.35%），BMJ则增加RE（-30.79%）；对于Lekima，GF的RE绝对值最小（-5.80%），KSAS在登陆前表现良好但登陆后高估显著。尺度感知CPSs更有效减少降水偏差，传统CPSs在捕捉空间分布上更优。高分辨率（2 km）模拟改善了局地降水特征的解析，但增强了模拟降水量级。
#### 3.3. 模拟台风极端降水的时空演变对比
极端强降水点（EHRPs）定义为观测累积降水超过175.0 mm的网格点，Lekima和In-Fa分别有759和285个EHRPs。在CP-area内，In-Fa的EHRPs降水主要来自台风外围云系，峰值约10.5 mm/h。KSAS在21:00 UTC产生与观测匹配的峰值（10.2 mm/h），其他方案多提前1小时出现峰值且效率下降。对于Lekima，CP-area覆盖沿海丘陵山区，地形显著放大降水，极端降水分两阶段。KSAS在第二阶段表现出更中等的降水效率，峰值和转折点最接近观测，其他方案峰值早约2小时且强度高10 mm/h。尺度感知CPSs在关键降水时段改善了降水模拟，且高分辨率对其影响更显著。
#### 3.4. 模拟台风极端降水的偏差归因
通过分析EHRPs上空平均垂直速度、相对湿度、假相当位温、水汽通量散度和水凝物混合比的时空演变，揭示了降水模拟差异的物理机制。对于In-Fa，初始弱降水期（06:00-16:00 UTC 24日）对应低相对湿度、弱垂直运动和稳定假相当位温。16:00 UTC后，中低层湿度增加，垂直运动自上而下发展。KSAS通过调节低层水汽辐合、抑制过强上升气流和降低假相当位温梯度，维持了较高的降水效率，持续至登陆后。传统CPSs（如BMJ）过早增强垂直运动，导致降水提前减弱。水凝物分布表明，强上升气流促进水汽凝结，增加云水和雨水混合比，并增强0°C层以上的雪和霰混合比。KSAS在20:00 UTC至次日02:00 UTC集中产生霰，并更好地捕捉了高层冰晶和雪混合比，表明冰相过程在降水形成中起重要作用。对于Lekima，强降水主要由地形抬升控制，所有方案模拟了强垂直上升气流，由持续东风急流提供水汽。KSAS在关键降水期（09:00-00:00 UTC）将平均垂直速度从NoCU的0.21 m/s抑制至0.17 m/s，降低降水效率，延缓水汽过耗，从而更接近观测。高分辨率d03增强了关键物理变量的强度和持续时间。
#### 3.5. 不同水平分辨率下CPSs的敏感性分析
分析表明，两次台风降水中，总降水主要由网格尺度微物理过程主导，积云对流降水占比通常低于40%。尺度感知CPSs（GF和KSAS）在所有分辨率下积云降水极少，GF的积云贡献几乎可忽略（放大十倍后显示尺度依赖性）。传统CPSs的积云贡献随分辨率增加而显著降低，尤其在18 km与6 km之间，而6 km到2 km变化较小。同时，网格尺度降水量随分辨率提高而增加，这与Zuo et al.（2025）一致，表明网格尺度降水对分辨率的敏感性主要受积云对流过程处理影响。
### 讨论与结论
研究分析表明，尺度感知CPSs（如KSAS）通过调节低层水汽辐合和抑制过强上升气流，有效维持了In-Fa登陆关键期（18:00-05:00 UTC）的降水效率，更贴近观测的持续降雨特征。对于Lekima，尺度感知CPSs通过增强上层冰相微物理过程的协调性，改进了降水峰值的表征。由于物理适应性，尺度感知CPSs能在不同台风类型中优化大尺度强迫下的水汽利用和深对流系统内微物理过程的调节，产生更稳健且与观测一致的模拟。而传统CPSs的“静态”闭合假设使其性能更依赖特定天气条件，限制了普适性。此外，本研究证实，在允许对流的高分辨率配置（如2 km）中，CPSs的作用并未减弱，而是转化为对云-降水过程链关键环节（即水分、动力、热力和微物理）的精细调控。本研究为多CPSs在两次LTC降水模拟中的表现提供了初步评估，但未来仍需进一步研究以全面评估其对模式分辨率和动力-物理相互作用的敏感性，后续应纳入针对性实验设计以系统评估这些方案在模拟LTC降水中的适用性和稳健性。
