WRF模式中各云微物理方案对喜马拉雅山浪塘流域 夏季季风降水模拟的敏感性试验外文翻译资料

英语原文共 21 页，剩余内容已隐藏，支付完成后下载完整资料

WRF模式中各云微物理方案对喜马拉雅山浪塘流域

夏季季风降水模拟的敏感性试验

A. Orr 1 , C. Listowski 1,2 , M. Couttet 3 , E. Collier 4 , W. Immerzeel 5, P. Deb 1 , and D. Bannister1

摘要：为了更好地了解喜马拉雅山地区的区域尺度降水模式，我们需要了解气候变化对下游水资源可用性的影响。本研究运用WRF模拟考察了四种云微物理方案(Thompson, Morrison, WSM5,and WSM6)研究喜马拉雅山脉中部的朗塘山谷季风降水预报情况。2012年7月10日，使用1 km的分辨率网格间距进行了建模。对比两个观测点的地面降水和辐射的测量数据后，对模型结果进行了评价。通过对每个方案模拟的微物理特性的详细探索，我们可以获得更多的结论，并将其与使用星载雷达/激光雷达云产品的测量结果进行比较。此外，我们还研究了大尺度和小尺度作用力的影响。总的来说，这些方案能够更好地获得准确的地表降水时间。（浪塘流域的实际降水量通常被低估）。Morrison方案显示出测量值与实况的最佳一致性。这些方案显示，入射辐射具有很大的偏差。根据每个方案的雷达/激光雷达云产品和水文气象的分析表明，“冷雨”过程是关键因素。降水形成机制，这也很好地体现在Morrison方案。除微物理结构外，大尺度和局域作用力对确定地表降水量也很重要。

一 引言

喜马拉雅山区通常被称为亚洲的“水塔”，是许多主要河流的源头，为生活在下游的人们提供水源[Viviroli et al., 2007]。喜马拉雅山脉在夏季接受了来自印度季风的大部分降水[Bookhagen and Burbank, 2010; Palazzi et al., 2013]。河流也受到冰雪和冰川融化而成的径流补给[Immerzeel et al., 2009]. 然而，近年来喜马拉雅山脉的水文条件和冰川过程受到温度和降水变化的影响[Bolch et al., 2012; Yao et al., 2012; Palazzi et al., 2015], 改变了对下游的水资源供应[e.g., Lutz et al., 2014].

据了解，喜马拉雅地区的地形对降水的空间分布有着深远的影响。[e.g., Anders et al., 2006; Bookhagen and Burbank, 2006, 2010; Das et al., 2006], 在1-10公里的范围内，降雨量就会有很大变化。由于该地区雨量计测量不够密集，主要位于谷底，远离山坡和山顶上的最高降水区，分布非常不均匀，导致测量实际降水量偏低。[Steinegger et al., 1993; Winiger et al., 2005; Anders et al., 2006; Immerzeel et al., 2015].

我们应该更好地了解喜马拉雅地区的区域尺度降水模式及其对降水的影响，以提高对气候变化对山区生态系统影响和下游国家水资源可用性的认识[Moors et al., 2011;Bolch et al., 2012; Cogley, 2012].考虑到这些模型的性能在很大程度上取决于观测的降水数据的质量，然而影响该地区区域尺度降水分布的过程是极其复杂的，具有很大的空间变异性。因此要获得足够精细的降水量数据是一个主要的挑战。[Immerzeel et al., 2014].

我们已经做出了一些努力，将降水量地面观测数据与卫星数据相结合，这些数据在空间上具有了完整的覆盖范围。但是由于数据不能追溯到20世纪70年代，因此也受到了一定的限制。[Sohn et al., 2012]. 基于规范的测量也被用于构建高分辨率的网格化降水数据，但其在高海拔地区的准确性不受观测结果的影响。喜马拉雅山脉 [Yatagai et al., 2012] 卫星和现场降水测量的另一个缺点是，它们严重低估了对雪的探测[Andermann et al., 2011; Rasmussen et al., 2011]. 此外，虽然来自全球气候模型的模拟降水能够代表大规模降雨分布和季节性变化[Palazzi et al., 2013],但它们的全球尺度空间分辨率过于简单，导致物理参数化模拟出喜马拉雅降水区域的降水过程结果不够准确。使用全球再分析数据集的另一种选择，即使用数据同化技术来限制数值天气预报模型的输出，由于模型和观测中存在上述偏差，导致该模型在高山地区存在明显的缺陷[Ma et al., 2009]. 同样值得注意的是，所有这些降水的ESI配对物彼此差异很大[Palazzi等人，2013年]，这表明我们仍然不能确定该地区降水的普遍规律。

区域气候模型仅适用于有限的区域区域，因此我们可以使用比全球气候模型更精细的空间尺度来模拟气候，更好地表示大型环流（如冬季中纬度西风带和夏季季风）与区域降水的相互作用，以及地形抬升或由小尺度地形特征触发对流地形事件的过程。[e.g., Giorgi and Marinucci, 1996; Meacute;neacute;goz et al., 2013; Norris et al., 2015] 例如，许多研究表明，在高空间分辨率下，喜马拉雅地区及其周围环境的天气研究和预测（WRF）模型能够很好地模拟降水的分布和强度以及观测到的气象变化的其他特征[e.g., Maussion et al., 2011, 2014; Collier and Immerzeel, 2015]. 除了对空间分辨率敏感外，复杂地形区域的降水模拟也依赖于云微物理过程的参数[e.g., Awan et al., 2011; Maussion et al., 2011;Cossu and Hocke, 2014].

云微物理参数化是模拟粒径分布演化的复杂微物理模型常用替代方法，因为它更方便计算，所以我们在本研究中主要关注前者。单力矩方案预测出每种水文气象种类的混合比，但限制了它们固定的平均直径或数量浓度。[Igel et al., 2015].双力矩方案可预测各水文气象种的混合比和平均直径或数倍浓度，但它需要更多的计算量以更真实的微观物理过程表示冷凝、碰撞/聚结和沉积等[Igel et al., 2015]. 事实上，因为水文气象学的下降速度取决于颗粒大小，而尺寸分类仅适用于多力矩方案，所以通常用双力矩方案对水文气象学的沉降进行评估。使用单力矩方案和双力矩方案组合来表示水文气象物种的参数化被称为混合力矩方案。

在WRF模型的高级研究版本3.8.1中，本研究探讨了四种不同的云微物理方案如何在夏季季风期间影响尼泊尔喜马拉雅山脉的朗塘河谷地区10天的降水。研究的重点是夏季季风，因为它是喜马拉雅中部大部分地区年降雨量的来源[Bookhagen and Burbank, 2010]. Although Maussion et al. [2011] 先前研究了青藏高原表面降水对包括微物理方案在内的物理参数化的敏感性，本研究将着重于详细理解研究区域的降水是如何受微物理过程以及研究区域的复杂性地形影响的，然后利用这些知识为研究区域的地面降水模拟推荐合适的微物理方案。这些目标对于识别数值模拟中的缺陷以及未来需要改进的方面具有重要意义。

二 材料和方法

2.1 研究领域

浪塘流域面积约584平方公里，其中155平方公里为冰川。海拔高度从2000米左右到7000米以上不等。在夏季季风盛行期间（6月至9月），从东南部引入温暖湿润的空气，流域全年积雪总量的75%左右。[Steinegger et al., 1993; Kansakar et al., 2004]. 在季风期间内经常会有降水产生，而降水量通常不超过20毫米。[Seko, 1987;Immerzeel et al., 2014]. 季风期间，集水区降水量会呈现出由局部的山谷环流引起的小尺度的空间梯度，影响了降水的日变化。[Seko, 1987; Immerzeel et al., 2014; Collier and Immerzeel, 2015].

2.2 观测数据

图1c显示了乌得勒支大学维护的浪塘流域内两个测量点的位置。以下简称“1号场站”位于琅塘谷（28.2110°N，85.5669°E）京津地区的一个阶地上，海拔3857 m。它有一个ARG 100倾卸桶，用于测量降水量，该倾卸桶位于地面上方1 m处，设计用于收集0.2 m m雨水时倾卸。当降雨率较高时，可能会出现精度损失（约4%）。

站点1还拥有一个CNR4净辐射计来测量入射短波和长波辐射，它能每小时记录一次沉淀和辐射的数据。后文中称为“站点2”在1号场地附近4公里，它位于雅拉格拉西尔附近的浪塘流域斜坡（北纬28.2290°E，东经85.5970°E），海拔4831 m。它拥有一个OTT雨量计，基于重量的方法测量液体和固体沉淀，精度为1%，每15分钟记录一次数据。表1列出了本研究所用传感器以及现场详细信息摘要。伊梅尔泽尔对这两个地点作了更详细的描述。[2014].

Dardar（雷达/激光雷达）产品[Delanoeuml; and Hogan, 2008, 2010], 最近更新了[Ceccaldi et al., 2013]。 通过结合CALIOP（云气溶胶激光雷达，正交极化，云雾激光雷达和红外探路卫星观测卫星）制作的A列卫星星座[Stephens et al., 2002] 以及云廓线雷达（在Cloudsat卫星上[Stephens et al., 2002]），能测量并检索云特性的详细剖面。[Winker et al., 2003])由于它们的波长不同，雷达和激光雷达对不同的水文气象学尺寸非常敏感，所以DARDAR产品对于识别云相特别有用。云雷达主要对较大直径的粒子（如冰或雨滴）敏感，但会错过较小尺寸的粒子（如云滴或冰晶）。波长相对较短的激光雷达能够探测到小颗粒以及光学薄卷云和过冷液态水层，但在光学厚度较大的云中衰减很强。我们使用dardar-mask产品，沿着一条垂直分辨率为60 m、水平分辨率约为1.4 km（交叉线）times;1.7 km（沿）的轨道检索云相剖面。最近使用DARDAR产品研究北极混合相的云更详细地介绍了数据集和用于相位测定的算法。[see Mioche et al., 2015, section 2.1].

欧洲中期天气预报中心基于ECMWF综合预报系统和具有12小时窗口的四维分析技术生成了6小时的大气场，以进行同化观测。数据在水平方向上的空间分辨率约为80公里，从地面到0.1 hpa的垂直方向上的空间分辨率约为60公里。

热带降雨测量任务（TRMM）是一种星载降水雷达，用于提高我们对低纬度地区降水分布和变化的理解。我们使用3B43算法（第7版），该算法将卫星和测量数据合并进行偏差校正，能计算1998年至目前的每月卫星测量降水量，分辨率约为0.25°[Huffman et al., 2007]. 我们注意到，由于仪表数据、采样频率和检索算法的限制，这些产品对复杂的高海拔地区（如喜马拉雅山）的数值观测存在误差，从而导致低估实际速率[Andermann et al., 2011; Palazzi et al., 2013].

2.3 WRF模型

WRF模型是一个广泛应用于大气研究的中尺度的模拟系统，它拥有网格点模型，地形遵循静力压力垂直坐标，使用了基于非静力核心的数值格式，[Skamarock等人描述2008]。它拥有有多种选择的参数化物理方案。在这里，我们使用与Collier和Immerzeel[2015]相同的物理方案来研究浪塘流域。Collier和Immerzeel[2015]的表2总结了这些方案的差异。WRF中提供了云微物理过程的多种方案，详细信息见本研究所选方案的第2.4节。

Collier和Immerzeel[2015]采用了域配置的扩展版本，其优点是模拟周期短，可以与DARDAR-MASK数据进行比较（见图1）。该配置以尼泊尔喜马拉雅为中心单向嵌套的有限区域域组成，包括一个粗糙的外部区域，其网格点为145times;125，水平网格间距为25 km，覆盖了整个喜马拉雅地区和东南亚的大部分区域。随后是171times;171网格点的嵌套域，间距为5公里，间距为1公里的网格点为301times;271。所有领域有50个垂直水平和50百帕模型顶部。WRF模型在高空间分辨率下运行，以改善复杂地形的影响，并能进一步详细捕捉对流过程[Collier and Immerzeel, 2015]. 由于空间分辨率足以明确解决对流过程，因此在两个最内层（5 km和1 km）域中，积云参数化被关闭[e.g., Sato et al., 2008]. 所有区域都使用了基于Randolph冰川清单5.0版的修订冰川标记[Pfeffer等人，2014]。将SRTM数据重新取样至1 km（500 m）网格，用作25和5 km（1 km）的地形高度输入数据。

2.4 微物理方案

WRF单矩5级（WSM5）方案是一种相对简单的混合相微物理方案，它对云滴和冰晶以及较大的雨粒子和雪晶体使用单矩描述。由于默认的WRF单力矩3级（WSM3）方案不允许形成过冷液态水，因此本研究不考虑该方案。WRF双力矩6级（WDM6）通过添加对霰粒子的单力矩描述，以及对云滴和雨粒子的双力矩描述来改进温雨过程的公式，是对WSM5进行升级的模式方案。Morrison方案对云滴使用单力矩描述，对冰晶、雨水粒子、雪粒子和霰粒子使用双力矩描述。Thompson方案对云滴、雪粒子和霰粒子使用单力矩描述，对雨粒子和冰晶使用双力矩描述。与本研究相关的是Thompson雪粒子数浓度方案。Thompson使用的最先进的参数化方案，该方案基于几次飞机活动的测量结果，并假设雪粒子呈非球形形状，密度取决于直径。在Morrison方案中，可以在本研究中未使用的模型WRF Chem的扩展版本中获得云滴的离子。所有四个方案计算到达地面的雨、雪、冰和霰的相应数量，用

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21090]，资料为PDF文档或Word文档，PDF文档可免费转换为Word