不同嵌套方式下的积云对流方案对上海崇明极端暴雨高分辨率模拟的影响研究

王瑞 乔枫雪 丁杨 梁信忠

1 华东师范大学地理信息科学教育部重点实验室，上海 200241

2 华东师范大学地理科学学院，上海 200241

3 上海中心气象台，上海 200030

4 崇明生态研究所，上海 200062

5 上海市松江气象局，上海 201613

6 南京信息工程大学大气科学学院，南京 210044

7 马里兰大学帕克分校大气与海洋科学系 美国

8 马里兰大学地球系统科学跨学科中心 美国

1 引言

崇明岛地处长江入海口，是世界上最大的河口冲积岛，上海市人民政府提出到2020年，将形成现代化崇明生态岛的基本框架。崇明全区共有70×104常住人口，近年来，极端暴雨频次增多，崇明地区地理位置独特，受海陆风、东亚季风以及梅雨锋等多尺度天气系统共同影响，降水变率较大，极端降水及其引发的次生灾害为崇明地区的人民经济生活以及生态环境带来严重影响。於琍（2014）研究指出极端降水会增加长江中下游地区生态系统的脆弱度。穆海振等（2017）对崇明地区的气候条件进行了分析，认为1961～2016年间，崇明地区降水量显著增多，暴雨日数增加，且暴雨和大暴雨的贡献也有所增加。顾问等（2015）利用上海地区11个及本站降水资料分析得出近33年来上海地区强降水时间发生频次总体呈线性增加趋势，且静止锋和副热带高压是造成上海地区强降水事件的主要天气型。已有的关于崇明地区的研究多集中在崇明生态系统变化特征或者崇明地区温度、降水的气候态变化，而从中小尺度天气系统角度对崇明地区的极端降水事件进行数值模拟分析的研究较少。因此，本文将利用崇明地区的1980～2017年共38年的降水数据，首先对崇明地区近38年的降水气候特征进行研究，确定极端降水年份，并以其中最强的一次梅雨锋极端降水个例为切入点，分析在不同的模式嵌套网格设置下，不同的积云对流参数化方案对崇明地区极端暴雨预报的影响。

梅雨锋降水受到中、小尺度天气系统共同影响，这种多尺度天气过程对于高分辨率数值模式的网格嵌套设置以及物理参数化方案均有着较高的要求，因为，此类过程的预报既需要足够高的模式网格分辨率来解析中尺度环流过程，同时又需要通过合适的物理过程参数化方案对更小尺度的、网格不可分辨的过程进行描述（马雷鸣和鲍旭炜, 2017）。并且，随着数值天气预报分辨率的提高，积云参数化方案的“灰色区域”问题也受到愈多关注。“灰色区域”是指某一个分辨率区间，在该区间内，传统的积云方案假设不再适用，一些物理过程既不能完全地被显示表达，又无法确定一个尺度阈值来区分可辨尺度和参数化尺度，以保证参数化的假定条件是合理的（Yano et al., 2010; 张旭等, 2017）。Gerard（2007）将1～10 km的分辨率区间定义为“灰色区域”，并提出在此范围内，是否使用对流参数化方案仍然是一个颇具争议的问题。在模式网格设置层面，Liang et al.（2019）提出一种新型的大比率双层嵌套方式，当9～30 km的中尺度母网格使用积云参数化方案，1 km内网格使用显式对流方案时，可以不经过中间层网格嵌套，直接进行降尺度（网格嵌套比可达到30:1），来达到较理想的预报效果，这种嵌套方式可以规避积云方案在跨越灰色区域过程中对流参数化表示带来的困难。因此，本文将借鉴这种大网格比率的方式，对涉及到多尺度作用的梅雨锋暴雨过程进行高分辨率的模拟研究。

积云对流参数化问题一直以来都是当前区域气候或者天气模式对降水预报不确定性的主要原因之一（Nordeng, 1994; Grell and Dévényi, 2002; Liang et al., 2004, 2012）。Jankov et al.（2004）对不同物理过程的参数化方案进行了比较，认为降水预报结果对积云对流参数化方案最为敏感。Arakawa et al.（2011）针对“灰色区域”问题提出高分辨率下对流参数化方案的解决思路，Grell and Freitas（2013,2014）利用这一思路，在GD方案（Grell and Dévényi, 2002）的基础上，发展了可应对灰色区域的自适应的GF（Grell–Freitas）参数化方案。基于质量通量假定的传统的对流参数化KF-ETA方案（Kain, 2004）在原先的 KF（Kain–Fritsch）方案（Kain and Fritsch, 1993）的基础上，对卷夹率的计算以及激发函数等进行了大量的修改，加入了大尺度格点垂直速度以及云底辐合的影响，被大量应用于高分辨率区域降水预报。BMJ（Betts–Miller–Janjić）（Janjić, 1994）方案主要根据区域特征的云效应，确定缓冲时间和对流廓线，也是传统的基于对流调整的非尺度自适应方案。针对高分辨率的嵌套网格降水预报，外圈不同分辨率上使用传统和尺度自适应对流方案对于内圈模拟的影响目前没有较为系统的比较和研究。因此，本文着重研究外圈使用不同的积云对流参数化方案对内圈的极端降水模拟的影响。

对于高分辨率的网格（1～3 km）而言，已有的研究多建议采用显式对流（Explicit Convection，EC）。如Weisman et al.（1997）认为4 km以下的分辨率采用显式对流是合理的选择。Han and Hong（2018）利用三层嵌套研究内圈3 km，当其采用显式对流方案时，能极大的提高极端降水的预报。因此，本研究中内圈的1 km和3 km均采用显式对流。

有大量研究表明双参数方案对高分辨率极端降水模拟存在一定优势。较早的单参数微物理方案仅预报水凝物粒子比质量（Chen and Sun, 2002; Hong et al., 2004），双参数微物理方案在预报水凝物粒子比质量的基础上，还预报了水凝物粒子的数浓度（尹金方等, 2014; 王佳等, 2017; 康延臻等, 2018）。康延臻等（2018）认为需要根据某一地区的气候和降水特征来进行微物理参数化方案的选择，并使用不同微物理方案对2016年7月19～21日华北特大暴雨过程进行模拟，结果显示采用双参数方案时，模拟效果整体上好于单参数方案。王佳等（2017）指出Morrison等多种详细的双参数微物理方案，对我国云和降水预报能力急待检验。单云鹏等（2014） 使用 Morrison和WDM6方案对华东地区一次强降水过程进行模拟，发现 Morrison 方案的模拟结果更接近观测。因此，本文使用双参数Morrison（Morrison et al., 2009）云微物理方案对上海地区高分辨率极端降水进行模拟。

本文将首先对1980～2017年38年以来崇明地区的年降水量和极端暴雨的变化特征进行分析，并选择降水异常年份2015年的最强的一次暴雨过程（6月27日极端降水个例）进行数值模拟，使用Liang et al.（2019）提出的嵌套方案，采用大比率的嵌套网格（15:1和9:1）与传统嵌套网格（3:1和5:1）进行对比，基于不同的模式嵌套设置，比较尺度自适应（scale-aware）和传统积云对流方案对该次过程中极端降水中心以及崇明地区代表站点的精细预报进行研究，以期为上海及其周围地区的高分辨率极端降水预报提供模式方案及网格嵌套设置等方面的参考。

2 模式设置和资料介绍

2.1 模式设置

本文采用WRF3.9.1.1（Weather Research and Forecasting model）版本模式进行模拟，使用美国国家环境预报中心NCEP（National Centers for Environmental Prediction）的 FNL资料（NCEP,2000）（经纬度水平分辨率 1°×1°）作为模式的驱动场。共积分40 h，起报时间15 h，每小时输出一次数据。模式中心点经纬度分别为（33.29°N，109.038°E），垂直层为 51层，模拟区域设置如图1a所示。除了积云对流参数化方案之外，其他物理方案均保持一致：MYNN2.5边界层参数化方案（Mellor and Yamada, 1982; Nakanishi and Niino,2006, 2009; Olson and Jaymes, 2019）、RRTMG长、短波辐射方案（Iacono et al., 2008）、NOAH陆面过程方案（Tewari et al., 2004）。对3种积云对流参数化方案KF-ETA方案（下文中简称为KF方案）、GF方案以及BMJ方案进行敏感性试验时，云微物理方案统一使用Morrison方案，网格距在5 km以上的网格采用积云对流参数化方案，5 km及其以下的网格采用显式对流方案，具体的试验设置如表1所示，不同的物理方案介绍在表2中列出。

图1 （a）模拟区域设置和（b）上海观测站点分布（ 红色站点为崇明地区的代表站）Fig. 1 (a) WRF (Weather Research and Forecasting model) experiment domain configurations and (b) geographic distributions of the automated weather stations over Shanghai (the red dots denote the representative sites in Chongming area)

在研究过程中，本文将KF方案作为控制试验，主要因为KF方案是基于中尺度数值模式设计而成，KF方案主要通过夹卷过程释放对流有效位能（CAPE）来控制对流，在后续的改进中，考虑了上升气流中凝结物的拖曳作用，并引入了浅对流过程，一直以来被广泛应用于东亚地区强降水数值模拟研究中。BMJ方案是一种成熟的对流调整方案，拥有较多可调经验参数（王德立, 2012），但是上述参数在不同地区的取值不同，导致其对模式分辨率及预报区域的适用性存在一定的不确定性（邓华, 2007），因此本文将讨论BMJ方案在高分辨率模式下对我国东部沿海暴雨模拟情况。尺度自适应的 GF方案主要在 GD方案（Grell and Dévényi,2002）的基础上进行改进，目前关于GF方案在中国东部地区降水预报影响的研究较少，有必要就GF方案对于高分辨率暴雨模拟的适用性进行研究。

2.2 资料和方法介绍

本文使用1980～2017年共38年崇明站逐日降水资料分析崇明站降水气候态特征；使用2015年5月27日至2015年5月28日共6704个测站的逐小时降水资料作为观测数据，对模式结果进行检验，并使用美国国家环境预报中心（NCEP, 2000）提供的逐6 h再分析资料进行天气个例的环流形式背景分析，资料的水平分辨率为1°（纬度）×1°（经度）。

表1 积云对流参数化方案敏感性试验设置Table 1 Six groups of model experiments using three different cumulus parameterization schemes

本文使用MK（Mann–Kendall）检验和Morlet小波分析方法对崇明降水的气候态特征进行分析，使用TS（Threat Score）（Wilks, 2011）评分方法对降水模拟结果进行验证，具体计算方法见下文。

表2 积云对流及云微物理参数化方案特征Table 2 Feature of cumulus parameterization and microphysics parameterization schemes

2.2.1 MK检验

气候统计中，可以使用MK检验方法（Mann,1945; Kendall, 1975）对降水进行突变分析，计算方法如下：

首先对具有n个样本的时间序列X，构造如下秩序列（求出i时刻数值大于j时刻数值的累积数）：

假设时间序列X是随机独立的，求出以下统计量：

其中，UF1=0,UB1=0,E(Sk)是Sk的均值，Var(Sk)是Sk的方差。

当时间序列X的样本相互独立，且具有相同连续分布时：

此时，UFk和UBk中任何一个值大于0说明时间序列X呈上升趋势，UFk呈标准正态分布，设定显著性水平α，如果|UFi|＞Uα,表明趋势变化显著。UFk和UBk相交点表示时间序列X的突变点。

2.2.2 Morlet小波分析方法

小波分析方法（Erlebacher et al., 1996）可以用来研究降水的周期变化特征，通过小波变换分析可以得到降水时间序列的变化时间与位置两方面信息，基本计算方法如下：

其中，p表示伸缩尺度，反映了小波的周期长度；q表示平移距离，反映小波在实践上的平移；W(p,q)为小波系数，可以同时反映p、q的特征；Var(p)为小波方差，小波方差图主要用来表示小波方差随伸缩尺度p的变化，确定小波变换的主周期。

2.2.3 TS、BS评分方法

TS和BS评分是目前气象业务部门对降水预报结果进行检验、评估的主流方法之一，其具体计算方法如下：

其中，TS和BS分别表示TS和BS评分，a表示预报正确的降水数量，b表示观测无降水而预报有降水的站点数量，c表示观测有降水而预报无降水的站点数量，TS评分越高，表示预报水平越好。BS评分则表示预报降水与观测降水的偏差情况，BS＞1，表示预报的降水范围较观测偏大，BS＜1，表示预报量较观测量的范围偏小，BS评分越接近于1，表示预报降水范围与观测降水范围之间的偏差越小。

3 崇明降水气候态特征分析

崇明地区地处长江入海口，受海陆风以及梅雨锋等多尺度天气系统共同影响，降水变率较大，极端降水多发，且极端降水事件近年来有增多的趋势，有研究指出1961～2016年间，崇明地区降水量显著增多，暴雨日数增加（穆海振等, 2017）。本文对1980～2017年崇明累积降水、暴雨日数变化进行了研究，由图2可知，38年来崇明年平均降水量约为1155.30 mm，年累积降水量呈线性增长趋势。其中，1985年、1991年、1999年及2015年为38年中崇明地区累积降水量4个强峰值年份，且以2015年最为突出，2015年崇明累积降水量为1753.10 mm，是过去38年中年累积降水量最高的年份。崇明地区暴雨日数时间序列与累积降水量时间序列变化相似。2002～2015年，崇明地区的暴雨日数基本在平均值（3.45 d）附近波动，但2015年崇明地区暴雨日数为8 d，与过去13年相比，暴雨日数明显增多。

图2 1980～2017年崇明（a）累积年降水量、（b）年暴雨日数时间序列及（c）2015年崇明日降水量时间分布Fig. 2 Trend of (a) annual precipitation, (b) annual heavy rainfall days during 1980–2017, and (c) daily precipitation variations in 2015 at the Chongming station

图3 1980～2017年崇明（a）累积年降水量、（b）年暴雨日数MK检验Fig. 3 Mann–Kendall curves of (a) annual precipitation and (b) annual numbers of heavy rainfall days at the Chongming station during 1980–2017

图4 1980～2017年崇明地区年（a、b）降水量及（c、d）暴雨日数的小波变换系数时频分布（左列）及小波方差（右列）Fig. 4 (a, c) Morlet wavelet transform coefficient time distribution and (c, d) distance square wavelet variance diagram of (a, b) annual precipitation and (c, d) numbers of heavy rainfall days at the Chongming station during 1980–2017

经MK检验可以看出，从1999～2017年，除了2012年附近的小幅波动外，崇明年累积降水量的UF均大于0，说明该时段内崇明年累积降水量呈增长趋势，但是低于置信水平线，说明其增长的趋势不显著。1999～2015年，崇明地区的暴雨日数在2015年附近出现了一个突变点。

通过小波分析方法发现崇明38年来年累积降水量振荡周期变化具有多时间尺度特征，崇明年累积降水量存在准16年、准22年、准29年的振荡周期信号。其中，准22年的小波方差相对较高，为主周期；1980～1985年以及1994～1998年崇明地区年降水量表现为偏低的振荡信号，1999～2002年以及2014～2016年为降水量偏高振荡信号较为明显的两个时段；在降水量偏高振荡信号阶段中降水最强的年份为1999年、2015年。同时发现，1980～2017年38年来崇明地区年暴雨日数的振荡周期变化也具有多时间尺度特征，存在准6年、准17年、准30年和准37年的振荡周期信号，其中准17年的暴雨日数小波方差相对较高，为主周期。1980～1999年，崇明地区暴雨日数表现为一个8～11年的周期振荡，其中1981～1984年以及1994～1998年表现为暴雨日数偏低振荡信号；1999～2004年和2015～2017年，崇明地区表现为暴雨日数偏高振荡信号，暴雨日数偏高振荡信号最强的年份为1999年和2015年。

近15年来，2015年崇明地区降水在降水量级和暴雨日数上均表现为明显的异常，结合图2c，可以发现2015年崇明地区日降水高值主要发生在6月份，并以6月27日暴雨过程的日降水量最高（170.10 mm）、影响最大，因此本文针对本次降水过程，在不同的模式嵌套网格设置下，着重研究积云对流方案对于极值降水中心以及崇明单站降水预报的影响。

4 极端降水个例天气背景分析

图5表示2015年6月27～28日高低空环流形势，5a–5d中蓝色实线为200 hPa位势高度，主要表示南压高压位置。6月27日08:00（北京时间，下同）至6月28日02:00，200 hPa上，南亚高压从高原向东延伸，维持在长江流域上空，中心位于长江上游（27日20:00之后，高压脊位于30°N以南）。且高压中心与暖中心对应，江淮上空维持一个很强的暖性反气旋，反气旋北侧的西风急流有明显加强的现象。长江中下游处于南亚高压的前部风向切边最强处，因此这个区域高层辐散作用最明显，从而使得中低层辐合加强，造成较强的局地上升运动，为之后的降水提供了有利的垂直上升运动条件。500 hPa中高纬度地区，呈现典型的梅雨期双阻型的形势（6月27日08:00），两个阻塞高压之间有宽广的低压槽存在。阻高南部表现为较强的平直西风带，其上不断有短波槽生成东移。冷空气持续南下，此时东亚大槽的位置偏东南，使得西太平洋副热带高压的位置无法西伸北跳，从而使得降水带可以稳定维持在江淮流域。西太平洋副高呈东西带状分布，120°E处的脊线位于22°N附近，588线位于江南北部，并且略有加强北抬。孟加拉湾地区有稳定的低压槽存在。使得长江中下游地区盛行西南风，将洋面暖湿空气向北输送，并与北方来的西北偏冷气流之间构成宽广的气流汇合带，有利于降水的形成。850 hPa切变线（6月27日08:00）位于湖北北部—安徽东南部至江苏南部一带，切变线以南是较强的低空西南急流，为暴雨的形成提供了充足的水汽条件。雨带就主要位于850 hPa低空急流与切变线（200 hPa高空急流）之间。且由于大气处于潮湿不稳定的状态，低空急流造成的辐合上升气流中容易有对流发展，导致水汽大量凝结产生暴雨，并使暴雨长时间维持。

图5 2015年 6月（a、e）27日08:00、（b、f）27日14:00、（c、g）27日20:00、（d、h）28日02:00基于NCEP FNL数据的高低空环流形势分布。（a–d）中蓝色实线为200 hPa位势高度（单位：gpm），黑色实线为500 hPa位势高度（单位：gpm），黑色矢量箭头表示200 hPa风场（单位：m/s），红色矢量箭头表示高空急流（风速 ≥30 m/s）；（e–h）中黑色实线为850 hPa位势高度（单位：gpm），红色实线为水汽通量辐合区（单位：10−7 g cm−2 hPa−1 s−1），彩色阴影为3 h累积降水（单位：mm），黑色矢量箭头表示850 hPa风场（单位：m/s），蓝色矢量箭头表示低空急流（风速 ≥12 m/s）Fig. 5 Synoptic circulations from NCEP FNL data at (a, e) 0800 BJT 27, (b, f) 1400 BJT 27, (c, g) 2000 BJT 27, and (d, h) 0200 BJT 28 Jun 2015:(a–d) Geopotential heights at 500 hPa (black solid contours, units: gpm) and 200 hPa (blue solid contours, units: gpm), wind field (black vectors, units:m/s), and high level jets (wind speed ≥ 30 m/s, red vectors, units: m/s) at 200 hPa from the FNL data; (e–h) geopotential heights at 850 hPa (black solid contours, units: gpm), wind field (black vectors, units: m/s), low-level jets (wind speed ≥ 12 m/s, blue vectors, units: m/s) and moisture convergence (red contours, units: 10−7g cm−2 hPa−1 s−1) at 850 hPa from FNL data and 3-h automated weather station accumulated rainfall (color dots)

此次过程属于典型的梅雨锋类暴雨。暴雨出现在低层辐合、高层辐散等高低空系统耦合的环流背景下。由阻塞高压、低槽、副热带高压相互配合，形成了中低层低涡切变、低空急流以及地面的准静止（梅雨）锋等天气系统。西南急流带来的暖湿空气在安徽中部、江苏南部到上海北部一带辐合，持续输送充沛的水汽。充沛的水汽条件下，500 hPa上弱波动、低空急流上的风速脉动、边界层辐合等触发了强降水。6月27～28日850 hPa切变线稳定维持在安徽中部、江苏南部到上海北部一带，导致上述地区出现连续大暴雨。

5 模拟结果分析

图6表示使用27-3、27-9-3以及9-1、9-3-1嵌套网格在高分辨率D3网格内（共6704个站点）所模拟的2015年6月27日00:00至2015年6月28日00:00 24 h累积降水及站点观测的累积降水分布情况，模拟结果均插值到站点。从图6可以看出本次降水过程主要发生在安徽中部、江苏南部及上海北部，雨带呈东—西走向。上海地区的暴雨主要位于上海中北部地区，最大降水中心位于崇明区。所有方案对于整体的模拟与实测较为接近，不同方案对于雨带的位置、强降水中心落区以及上海入海口附近大暴雨的强度模拟有所不同。整体而言，使用GF方案时，无论采用哪种嵌套网格都会导致上海北部入海口处降水强度模拟偏弱，使得该区域降水模拟无法达到大暴雨（＞100 mm）量级。

图7表示内网格D3上所有的模式模拟结果对于24 h累积降水预报的TS及BS评分情况，无论采用哪种嵌套网格，GF方案的降水TS评分整体上均低于KF和BMJ积云方案，特别是对于大暴雨（＞100 mm）和特大暴雨（＞200 mm）的预报。在27-3嵌套的母网格使用KF方案时（图6a），对于特大暴雨的预报TS评分较高，整体雨带走向与观测较为一致，但模拟的降水范围偏大；在外网格27 km和内网格3 km之间加入9 km嵌套网格时（图6e），模拟的崇明北部入海口降水偏少，且对于暴雨、大暴雨和特大暴雨的TS评分均明显下降。

在9-1、15-1外网格上使用KF方案时也出现相似结果，当在9 km（15 km）与1 km网格之间加入一层3 km（5 km）嵌套网格时，1 km上入海口降水模拟减弱，对于暴雨及暴雨以上量级的TS评分下降，当母网格使用KF方案时，在两层嵌套中加入3:1或5:1的嵌套网格时，不仅无法改善内网格对于降水的预报能力，反而削弱了其对极端降水的捕捉能力。在27 km使用BMJ积云方案时，对于3 km内网格累积降水在小雨到大暴雨量级的预报较GF和KF方案均有着明显优势，但对于特大暴雨预报，KF方案更有优势；无论在27-3、15-1还是9-1的母网格使用BMJ方案时，中间加入一层9 km、5 km或者3 km的嵌套都会使内网格对于累积降水预报的TS评分下降，特别对于27-3而言，中间加入9 km嵌套后，雨带整体形状发生了扭曲，与观测偏差增大。

从图7d–7f可以看出GF和BMJ对于小雨降水范围模拟偏差较大，与其相比KF方案对于小雨（0.1～10 mm）的降水范围预报最有优势，但此时当预报模式由两层嵌套增加为三层嵌套之后，会明显降低KF方案对小雨范围预报的优势。对于10～200 mm范围降水的BS评分，3种方案之间的差异并不显著，其差异主要体现在对于主雨带（＞200 mm）的极端降水预报上。使用KF和GF方案对于主雨带（＞200 mm）的降水范围模拟得偏大，当母网格为27 km时，使用BMJ方案模拟的主雨带范围要比观测偏小。整体而言KF与BMJ方案对于主雨带降水范围预报要比GF更有优势，且在27 km和9 km的母网格上使用KF方案，在15 km和9 km的母网格上使用BMJ方案时，两层嵌套要比三层嵌套的BS评分更加理想；在3种（27 km、15 km和9 km）母网格上使用GF方案时，两层嵌套均比三层嵌套模拟出更好的主雨带降水范围。

综上可以发现，对于本次降水预报而言，KF和BMJ方案对极端降水的预报存在明显的优势，KF对于极端降水强度和落区的捕捉更有优势，BMJ对于极端降水的范围模拟得较好。在9:1或15:1的大比率两层嵌套网格中间再加入一层网格，形成3:1或5:1嵌套比率的三层网格时，会导致对于入海口强降水模拟偏弱，也说明在大比率网格之间加入中间层嵌套网格不仅削弱了最内层高分辨网格对于累积降水预报的能力，还会造成一定的计算资源浪费。

图8表示在外圈使用KF、GF和BMJ积云方案对其内圈3 km和1 km高分辨率网格上崇明地区5个24 h累积降水量大于100 mm站点（图1b中红色站点）的平均降水日变化观测及模拟情况。本次降水过程中，崇明大暴雨测站的平均降水表现为3个峰值，主峰值发生在凌晨02:00，两个次峰值分别发生在05:00和14:00。本次模拟中，3种积云方案模拟的降水主峰值发生时间均比观测滞后，KF方案对于降水主峰值量级的模拟较BMJ和GF方案更有优势，总体而言，GF方案模拟的崇明地区逐小时降水率偏小。对于KF方案，母网格27 km经过中间9 km网格降尺度到3 km（图8d）后，与未经中间层降尺度相比（图8a），降水主峰值强度减弱，时间提前1；母网格15 km经中间5 km网格降尺度到1 km（图8e）后，与15 km直接降尺度到1 km（图8b）相比，降水主峰值强度同样被削减，峰值出现时间也提前1 h；母网格9 km经3 km显式对流降尺度到1 km时（图8f），降水峰值强度同样减弱，峰值时间提前。整体而言，KF方案对于崇明地区降水日变化趋势和降水峰值强度的模拟更有优势，GF方案和BMJ模拟的逐小时降水率较观测偏小；同时，在27～9 km使用KF方案时，经中间层网格降尺度后会导致最内层网格模拟的降水强度与观测相比严重偏弱。

图6 在D3网格内不同嵌套设计下使用KF参数化方案（第一列）、GF参数化方案（第二列）、BMJ参数化方案（第三列）模拟和观测（第四列）的 2015年 6月 27日 00:00至 2015年 6月 28日 00:00 24 h累积降水分布情况：（a–c）27-3；（e–g）27-9-3；（h–j）9-1；（k–m）9-3-1；（n–p）15-1；（q–s）15-5-1Fig. 6 Spatial distributions of the 24-h accumulated rainfall on 27 June 2015 simulated by WRF in D3 grids (3 km and 1 km) with three different cumulus parameterization schemes—KF (first column), GF (second column), and BMJ (third column), and observation (forth column): (a–c) 27-3;(e–g) 27-9-3; (h–j) 9-1; (k–m) 9-3-1; (n–p) 15-1; (q–s) 15-5-1

图7 在D3网格内不同嵌套设计下使用KF参数化方案、GF参数化方案、BMJ参数化方案模拟24 h累积降水TS评分（第一行）及BS评分（第二行）：（a、d）27-3和 27-9-3；（b、e）15-1和 15-5-1；（c、f）9-1和 9-3-1。2N 表示两层嵌套（27-3、9-1和 15-1），3N 表示三层嵌套（27-9-3、9-3-1和15-5-1）Fig. 7 Statistics of TS (first row) and BS (second row) for 6704 stations using three different cumulus parameterization schemes—KF, GF, and BMJ:(a, d) 27-3 and 27-9-3; (b, e) 9-1 and 9-3-1; (c, f) 15-1 and 15-5-1. 2N denotes the double nesting (27-3, 9-1, 15-1), and 3N denotes the triple nesting(27-9-3, 9-3-1, 15-5-1)

图8 在D3网格内使用不同嵌套设计模拟和观测（OBS）的崇明在2015年6月27日的降水量日变化：（a）27-3；（b）15-1；（c）9-1；（d）27-9-3；（e）15-5-1；（f）9-3-1Fig. 8 Hourly variations of observed (OBS) and simulated rainfall over Chongming on 27 June 2015 using three different cumulus parameterization schemes (units: mm/h): (a) 27-3; (b) 15-1; (c) 9-1; (d) 27-9-3; (e) 15-5-1; (f) 9-3-1

图9表示在外圈使用KF、GF和BMJ积云方案对其内圈3 km和1 km高分辨率网格上整个雨带24 h累积降水量大于200 mm的128个站点平均降水日变化观测及模拟情况。母网格使用KF方案时，对于两层大嵌套比率的子网格（图9a、9b、9c）强降水中心主峰值强度的模拟比传统的小比率三层嵌套具有明显优势；母网格使用BMJ方案时，母网格分辨率从15 km提高到9 km，两层嵌套的1 km子网格上模拟的降水主峰值强度减弱；母网格使用尺度自适应的GF方案时，1 km子网格模拟的降水率强度明显偏小，与观测偏差最大。当较粗的母网格（27 km、15 km和9 km）经中间层（9 km、5 km和3 km）降尺度到高分辨率网格后，高分辨率子网格模拟的主峰值降水强度减弱，对极端降水峰值的预报能力下降。总体而言，采用大网格比率（27:3、15:1和9:1）的两层嵌套，对于高分辨率内网格极端降水日变化的模拟更有优势；而采用传统的3:1或5:1三层嵌套方案容易出现对极端降水的小时降水峰值模拟不足以及极端降水日变化趋势偏差增大等问题。然而，大多数方案模拟的降水峰值出现的时间普遍比实测偏晚1～2 h，这可能是显式对流模拟的一个普遍问题。如Han and Hong（2018）以及Reszler et al.（2018）指出采用显式对流的模拟在启动时段表现较差，存在滞后。

图9 2015年6月27日主雨带（24 h累积降水量大于200 mm的测站）平均降水量日变化情况：（a）27-3；（b）15-1；（c）9-1；（d）27-9-3；（e）15-5-1；（f）9-3-1Fig. 9 Hourly variations of observed (OBS) and simulated rainfall averages over the core rain band (＞200 mm) on 27 Jun 2015 using three different cumulus parameterization schemes (units: mm/h) (a) 27-3; (b) 15-1; (c) 9-1; (d) 27-9-3; (e) 15-5-1; (f) 9-3-1

分别选取传统的KF和尺度自适应的GF方案为代表对本次降水过程从垂直上升运动和水汽通量散度两方面进行初步的物理机制讨论。图10分析了使用以上两种方案在D3高分辨率网格的强降水中心区域（累积降水量＞200 mm）对于不同高度平均垂直速度的日变化模拟情况。垂直速度峰值出现的时间与降水峰值时间比较吻合，当母网格（D1）为27 km时，使用KF方案，3 km子网格（27KF-3）上模拟的垂直速度整体比GF方案更强，与之相对应，此时使用KF方案模拟的降水率强度也更强（图9a、9d）。在母网格为15 km和9 km的双层嵌套中，在15 km的母网格上使用KF方案时，1 km子网格上（15KF-1），上升运动峰值时间出现在04:00至06:00（图10b），对应降水峰值时间出现在06:00；但在06:00之前，母网格使用GF方案（图10e）会导致1 km子网格（15GF-1）的上升运动较弱（弱于15KF-1），15GF-1的上升运动强峰值时间主要在集中在07:00至10:00，对应其降水峰值时间在07:00（图9b），然而从08:00两种方案的水汽通量散度分布图（图11c、11f）可以看出，此时上海及江苏南部地区具有明显的水汽辐合（图11a），但15GF-1却在上海周围模拟出较强的水汽辐散（图11c），使得母网格采用GF方案降尺度到1 km后模拟的降水峰值偏弱。母网格为9 km时，结论与15 km相似，此时9KF-1模拟的垂直运动峰值出现在03:00至04:00（图10c），对应其在04:00产生了较强的降水峰值；然而在03:00至04:00，9GF-1模拟的上升运动强度很弱（图10f），对应降水较弱，其上升运动峰值在08:00出现，但此时的水汽辐合强度依然弱于9KF-1（图11d），导致与KF方案相比，9 km母网格使用GF方案时，其1 km子网格产生的降水强度仍然较低。与KF方案相比，母网格使用GF方案时，1 km子网格模拟的垂直上升运动强峰值时间偏晚，并且尽管此时（08:00附近）垂直上升运动较强，但水汽通量辐合模拟偏弱，导致其对于降水强度模拟依然偏弱。同时，采用三层嵌套之后，母网格使用GF方案时，1 km上海周围的水汽通量辐散变得更强（图11f、11m），而当母网格使用KF方案时，经三层嵌套之后，1 km上海西侧的江苏南部和浙江北部地区出现水汽辐散（图11i、11j），使得模拟的降水强度减弱。

图10 母网格采用KF（第一行、第三行）和GF（第二行、第四行）积云方案时模拟的2015年6月27日主雨带（总降水量＞200 mm）平均垂直速度（单位：m/s）时间—高度变化：（a）27KF-3；（b）15KF-1；（c）9KF-1；（d）27GF-3；（e）15GF-1；（f）9GF-1；（g）27KF-9KF-3；（h）15KF-5EC-1；（i）9KF-3EC-1；（j）27GF-9GF-3；（k）15GF-5EC-1；（l）9GF-3EC-1Fig. 10 Time–height sections of the vertical velocity (units: m/s) averaged over the core rain band (＞200 mm) on 27 Jun 2015 using KF (the first row and the third row) and GF (the second row and the forth row) cumulus parameterization schemes: (a) 27KF-3; (b) 15KF-1; (c) 9KF-1; (d) 27GF-3; (e)15GF-1; (f) 9GF-1; (g) 27KF-9KF-3; (h) 15KF-5EC-1; (i) 9KF-3EC-1; (j) 27GF-9GF-3; (k) 15GF-5EC-1; (l) 9GF-3EC-1

图11 2015年6月27日08:00 850 hPa水汽通量散度（阴影区，单位：g cm−2 hPa−1 s−1）及风场（黑色矢量箭头，单位：m/s）分布：（a）FNL；（b）27KF-3；（c）15KF-1；（d）9KF-1；（e）27GF-3；（f）15GF-1；（g）9GF-1；（h）27KF-9KF-3；（i）15KF-5EC-1；（j）9KF-3EC-1；（k）27GF-9GF-3；（l）15GF-5EC-1；（m）9GF-3EC-1Fig. 11 Distributions of low-level moisture convergence (shaded areas, units: g cm−2 hPa−1 s−1) and wind fields (black vectors, units: m/s) at 850 hPa at 0800 BJT June 27: (a) FNL; (b) 27KF-3; (c) 15KF-1; (d) 9KF-1; (e) 27GF-3; (f) 15GF-1; (g) 9GF-1; (h) 27KF-9KF-3; (i) 15KF-5EC-1; (j) 9KF-3EC-1; (k) 27GF-9GF-3; (l) 15GF-5EC-1; (m) 9GF-3EC-1

6 结论

本文对1980～2017年崇明站年总降水量和暴雨日数38年来的进行分析，崇明38年年平均降水量为1155.30 mm，呈线性增长趋势，增长不显著。2015年崇明累积降水量为1753.10 mm，是过去38年来年累积降水量最强峰值年，年降水量偏高振荡信号强；同年暴雨日数为8天，为过去38年来的一个突变点，暴雨日数偏高振荡信号强。2015年崇明地区降水具有较明显的极端性和异常性，以6月27～28日天气过程的24 h累积降水量最大，影响最强。为了比较不同的嵌套比率网格设置、积云参数化方案对于上海崇明及其周围极端降水预报的影响，本文对2015年6月27日的极端降水过程进行回报，并对过程总降水量和降水日变化情况的模拟进行分析比较，得到如下几点结论：

（1）对于本次降水过程总降水量的模拟，非自适应的KF和BMJ方案对于总降水强度和落区有明显优势，特别是母网格使用KF方案时，高分辨率子网格对于极端降水的模拟有着更高的TS评分，可以更真实地再现累积降水分布特征。而当母网格使用尺度自适应的GF方案时，子网格模拟结果会出现对上海北部入海口地区大暴雨区模拟偏弱等问题，且对于小雨、大雨、暴雨、大暴雨和特大暴雨的TS评分均为最低。

（2）对于崇明地区强降水日变化的模拟，母网格使用KF方案时，子网格在降水强度的模拟上更有优势，但对峰值出现时间的模拟略为滞后。对于强降水中心（总降水量＞200 mm）的日变化模拟，母网格使用KF方案对于子网格降水强度的模拟依然具有明显优势。使用BMJ和GF方案会导致内圈高分辨率网格模拟的降水率强度较观测偏低，特别是使用GF方案时，子网格模拟的降水率偏低最为严重。

（3）本次模拟中，采用大比率（15:1或9:1）的双层网格嵌套方式比传统的3:1比率的三层网格嵌套表现更好。总体来说，大比率的双层嵌套对强降水的模拟有更高的TS评分，且整体雨带与观测更为接近；经中间层降尺度的3:1三层嵌套与前者相比模拟的降水率强度偏弱，也使27日08:00的水汽通量符合减弱，使上海（使用GF方案）或者其周围地区（使用KF方案）模拟出较强的辐散区，同时由于这一过程还涉及到积云参数化方案在灰色区域适用性的处理问题，为业务预报带来了较大的不便。

（4）与GF方案相比，在15 km和9 km的母网格上采用KF方案，对于1 km子网格的降水预报更有优势，主要是因为其模拟出了更加适合对流发展的垂直上升运动条件，和更强且更加真实的水汽通量辐合条件。