使用NCMRWF区域模式研究先进云微物理方案对2018年和2019年喀拉拉邦洪涝事件的影响

《Atmospheric Research》：Impact of advanced cloud microphysics schemes for the Kerala flood events in 2018 and 2019 using the NCMRWF regional model

　　

• 配备先进微物理方案的允许对流模式（CASIM，双峰方案）改进了中尺度对流系统的模拟效果。
• 云微物理过程在2018年和2019年喀拉拉邦极端降雨事件中发挥了关键作用。
• 二次冰晶生成（SIP）显著增强了2019年事件期间的强降雨。
• 凝华、碰冻、融化、蒸发和雨水捕获是导致2019年极端降雨的主要微物理过程。
• SIP诱导的非绝热加热增强了涡度扭转变化和对流事件期间的大气斜压性。

引言

大量研究表明，在当前变暖的气候背景下，极端降水事件及其引发的洪水变得更加频繁和猛烈（O'Gorman, 2015）。人为活动如温室气体排放、气溶胶排放、城市化及土地利用变化可能引发这些极端事件的加剧（IPCC, 2021）。强降雨事件可导致洪水、泥石流、山体滑坡、侵蚀和泥沙运输，造成重大损害（Huang et al., 2016）。印度南端的喀拉拉邦连续数年经历了异常强烈的降雨，其中2018年和2019年尤为突出和猛烈，导致全州范围严重洪涝和广泛破坏，包括重大的人员和财产损失（Mukhopadhyay and Bechtold, 2021）。上述两个事件均为罕见事件，与气候态存在显著偏差，因此成为检验天气预报模式（特别是针对极端30σ事件设计的模式）的有价值测试案例（Mukhopadhyay and Bechtold, 2021）。在这些事件期间，大多数气象站记录到的实际降雨标准差（SD）是气候态标准差的30至50倍（Mukhopadhyay and Bechtold, 2021）。正如（Mohandas et al., 2020）所解释的，2018年8月15日至17日的强降雨主要由"远程对齐强热带环流"（RAITC效应）引起，该效应促进了来自西北太平洋向喀拉拉邦的额外水汽输送。沿印度西海岸的离岸低压槽与孟加拉湾上的低压区的结合，增强了水汽辐合，显著贡献了强降雨（V et al., 2019）。2019年8月8日至11日的极端降雨被描述为中尺度小型云爆（MsCB）事件（Vijaykumar et al., 2021），涉及突发的暴雨倾盆，导致山洪暴发和随后的山体滑坡。大尺度水汽辐合在2018年8月和2019年8月的极端降雨事件中都发挥了关键作用（Kornhuber et al., 2019），同时伴随向西移动的高振幅正压罗斯贝波（Mukhopadhyay and Bechtold, 2021）。这一联系提高了模式对这些事件的预报能力（Scaife et al., 2016），其中强烈的罗斯贝波强迫使得2019年事件的预报相比2018年更为准确和可靠。NCUM和IFS模式均提供了更强水汽辐合的更准确预测（Mukhopadhyay and Bechtold, 2021）。

事实上，除了地形和天气尺度特征外，云微物理在触发和形成有组织的对流方面发挥着重要作用（Akkisetti et al., 2022），这会影响大气中尺度热力学结构（Mao et al., 2018）。对流单体内微物理过程在下层大气中产生的非绝热加热（Stoelinga, 1996）已被证明会加剧降水（Rudolph et al., 2020）。2019年的阵发性深对流事件因显著的不稳定性和强上升气流而加剧，这些条件支持了冰的形成（Vijaykumar et al., 2021）。

准确表征复杂的云微物理过程可以改善天气预报，但由于涉及具有不同形状、大小和相态的多种水凝物，也为预报带来了显著的不确定性（K?cher et al., 2022）。更高分辨率的允许对流模式（CPM）可以直接模拟对流过程，从而更真实地再现云的统计特性（Golding et al., 2006）。这些对流事件通过高分辨率、允许对流的区域模式中中心气象台（NCMRWF）统一模式（NCUM-R）区域模式得到更准确的预报。当前版本"区域大气和陆地版本3"（RA3）（Bush et al., 2025）通过实施"新物理方案"从区域大气和陆地版本2（RA2）进行了升级，其中包括双矩微物理方案、云气溶胶相互作用微物理（CASIM）方案（Field et al., 2023a, Field et al., 2023b），以及双峰（BM）云量方案（Weverberg et al., 2021a）。这些方案取代了早期的单矩Wilson和Ballard方案以及预报云量和凝结物（PC2）方案（Wilson et al., 2008b）。新实施的双矩方案CASIM通过两个预报矩（质量混合比和粒子数浓度）有效地表征水凝物种类（Field et al., 2023a, Field et al., 2023b）。它与其它物理参数化方案协同运行，而非作为一个完全独立的方案。CASIM旨在利用五种云粒子种类来表征气溶胶-云相互作用和云过程（Field et al., 2023a, Field et al., 2023b）。先前的研究表明，CASIM在模拟热带天气系统方面优于单矩方案（Apsara et al., 2024）。

BM方案通过分别识别卷夹区和边界层的影响，逼真地诊断了亚网格云量（Weverberg et al., 2021b）。该方案旨在产生卷夹区内温度和湿度的多模态分布，从而考虑边界层顶部附近的双峰行为（Weverberg et al., 2021a, 2021b）。CASIM与BM方案的使用确保了CASIM对水凝物的微物理处理与亚网格云量保持一致，从而为云过程提供更符合物理实际的表征。相比之下，RA2配置使用单矩Wilson和Ballard（WB）方案和预报云预报凝结物（PC2）方案（Wilson et al., 2008b）。这些方案的详细描述见2.3节。

（Vijaykumar et al., 2021）的研究报告了在2018年和2019年喀拉拉邦洪灾事件期间固态水凝物的存在。然而，2019年事件的特征是霰的融化增强和云中冰晶形成增加。在此基础上，本研究调查2019年事件期间降雨加剧是否可归因于冰倍增过程，包括与已有冰粒相关的二次冰晶生成（SIP）。SIP被认为是热带深对流中发挥关键作用的基本云微物理过程（Sun et al., 2025）。SIP导致冰粒浓度增加，从而显著影响云的演变（Qu et al., 2022）。已识别出多种SIP机制，包括霰分裂过程（Hallett-Mossop, HM过程）、冻结雨滴破碎（RDF）、冰-冰碰撞破碎（IIC）、枝状雪和霰的升华破碎（SBF）、液滴破碎（DS）等（Korolev and Leisner, 2020）。其中，HM过程被认为是深对流云中冰快速增强的重要过程。先前的研究表明，SIP不仅增强了冰粒生成，还通过影响云的发展和降水形成，显著影响热带对流系统中降水的结构和强度（Sun et al., 2025）。研究报道SIP可以增强对流核心区域附近的局地降水（Sullivan et al., 2018），HM、DS、IIC等机制可使冰粒浓度增加3至4个数量级（Patade et al., 2025）。因此，理解SIP在此次深对流事件中的作用至关重要。

SIP过程在RA3模式中得到了有效表征，而RA2缺乏对这些SIP过程的表征。值得注意的是，RA2版本是NCUM-R在喀拉拉邦洪灾期间使用的业务化科学配置。为了研究SIP在2019年深对流事件中的作用，我们使用RA3模式进行了敏感性实验，该模式能更真实地表征SIP过程。

本研究还利用位涡示踪（PVT）方法研究了与极端降水事件相关的大气条件热力学特征。位涡将热力学和动力学过程统一为单一标量（Sanchez, 2023）。在对流尺度上，由于非绝热加热和摩擦效应的产生，位涡守恒被破坏（Hoskins, 2015）。因此，PVT分析是诊断和研究对流尺度大气过程的有价值的工具，特别是在强降水事件期间（Rudolph et al., 2020）。在对流事件期间，在降水最大值附近和上升气流区域存在明显的水平和垂直位涡偶极子结构。这种水平偶极子结构可由涡度方程中的扭转项解释（Rudolph et al., 2020）；该扭转项的更多细节见2.6节讨论。然而，目前仍缺乏一种清晰的方法来分离云微物理和热力学对上述极端事件的作用。

本文聚焦于以下目标：

● 评估RA3在喀拉拉邦洪灾事件期间相对于早期业务版本（RA2）的表现。
● 调查与该事件相关的云微物理过程，特别是SIP过程的作用。
● 利用PVT分析和相关扭转项对事件进行诊断。

本文分为若干章节，全面分析云微物理对喀拉拉邦洪灾事件预报的影响。第2节描述了模式设置、数值实验、方法和观测数据的获取。3.1节"模拟极端降水事件的模式表现"，3.2节"预测降雨事件的CRA分析"评估了NCUM-R模式在预报2018年和2019年喀拉拉邦洪灾事件方面的表现。模拟结果通过连续降雨区域（CRA）分析与观测进行验证。第3.3节概述了洪灾事件期间的大尺度天气和大气对流条件。第3.4节呈现了模式为2018年和2019年降雨事件模拟的云宏观和微观特性的比较分析。3.5节"云微物理在极端事件中的作用：2018年和2019年"，3.6节"SIP过程在2019年事件中的作用"，3.7节"雨水质量收支"对云微物理的影响进行了详细调查，特别强调了二次冰过程和雨水质量收支。第3.8节解释了非绝热位涡（PV）的结构和对流尺度的扭转项。最后，第4节总结了主要发现并突出了研究贡献。

观测数据集

CRA分析使用了NCMRWF合并的GPM卫星雨强（MSG）降雨产品（Mitra et al., 2003），分别针对2018年8月14日和2019年8月8日。GPM半小时降雨数据分辨率0.1°，用于生成时间序列。两个案例中进行详细调查的研究区域位于10°N至11.5°N纬度范围和76°E至77°E经度范围之间。每日云水凝物廓线来自GPM

模拟极端降水事件的模式表现

喀拉拉邦在2018年和2019年8月经历了强降水，导致毁灭性的洪水。图1展示了RA3（蓝色曲线）和RA2（红色曲线）实验分别在2018年8月14日和2019年8月8日模拟的2.1节定义的研究区域平均地表降雨的时间演变。如图1所示，与MSG（黑色曲线）相比，两个事件均被RA3模式比RA2更好地捕捉。尽管模拟的降雨量级存在低估

讨论与结论

随着全球变暖加剧，极端事件呈现上升趋势。这些事件的频繁发生将影响人类生活，并可能对社会经济福祉产生不利影响。在这种背景下，准确预测这些灾害事件对于减轻其影响至关重要，而诊断驱动这些事件的主要因素对于改进模式模拟和预报同样不可或缺。为了理解这些对流的复杂性

CRediT作者贡献声明

Rose Raphel：撰写-初稿，可视化，软件，方法论，调查研究，形式分析，数据管理，概念化。
A. Jayakumar：撰写-审阅与编辑，可视化，监督，调查研究，形式分析，概念化。
T.J. Anurose：撰写-审阅与编辑，可视化，监督，方法论，调查研究，形式分析，概念化。
Saji Mohandas：撰写-审阅与编辑，可视化，项目管理。
Greeshma M. Mohan：

利益冲突声明

作者声明没有已知的竞争性财务利益或个人关系可能影响本论文所述的工作。

致谢

作者衷心感谢印度喀拉拉邦国家中程天气预报中心（NCMRWF）和科钦科学与技术大学（CUSAT）为本研究提供的计算资源和重要支持。

作者们还感谢同事和审稿人提供的鼓励和建设性反馈，这些反馈帮助改进了本稿件。Rose Raphel|A. Jayakumar|T.J. Anurose|Saji Mohandas|Greeshma M. Mohan|M. Sandhya|Anumeha Dube|Donali Gogoi|V.S. Prasad|Claudio Sanchez