CWRF对青藏高原气温和降水模拟效果的综合评估

徐蓉蓉,梁信忠,段明铿

① 南京信息工程大学 气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室/气象灾害预报预警与评估协同创新中心,江苏 南京 210044;② 马里兰大学 地球系统科学跨学科中心,马里兰州 20740

*联系人，E-mail:xliang@umd.edu

青藏高原的动力和热力作用对东亚季风环流及全球气候变化都有重要影响(吴国雄,2004)。然而由于高原上资料匮乏、地形复杂,针对高原的气候模拟预测仍存在很多困难。当前全球大气环流模式分辨率较低,难以准确描述不同尺度的地形强迫,导致模式对区域气候模拟有较大误差。Duan et al.(2013)评估CMIP5模式对高原夏季风的模拟,发现尽管提高了模式分辨率又加入了气溶胶的间接影响,但对高原降水的强度和空间分布的模拟依然存在较大偏差。Zhu and Yang(2020)对比评估了CMIP6和CMIP5中模式对高原气温和降水的模拟效果,发现CMIP6模式降低了温度模拟的冷偏差,但对降水的严重高估问题依然存在。因此对高原进行高分辨率区域气候模拟分析,对于进一步深入认识高原气候的可预报性有重要意义。

模式分辨率和物理过程参数化方案的选择对区域天气和气候模拟有重要影响,前人已经进行了很多研究。Ji and Kang(2013)通过全球气候模式与区域气候模式双向嵌套对高原区进行10 km分辨率的模拟,发现提高分辨率能显著改善温度模拟的系统性偏低,但依然高估降水,并指出这与观测资料的不确定性和物理参数化方案的选择有很大关系。冯蕾和周天军(2015)分析GCM敏感性试验结果,发现随着分辨率提高,高原降水气候平均的模拟有显著改进,而其年际变化改进不明显。吴胜刚等(2016)用WRF模拟高原南坡夏季降水,发现应用网格嵌套技术提高模式分辨率并结合积云对流参数化方案能改善降水强度和空间分布的模拟,而不用积云对流参数化方案单独提高模式分辨率,其模拟结果影响不大。

目前对高原区域气候模拟研究中,模拟时间范围一般在10 a以内(梁玲等,2009),而对高原长期区域气候模拟研究较少。关于高原气候模拟的物理参数化敏感性,主要是基于短期个例或强对流天气过程(何由等,2012;吴遥等,2017),具有较大的不确定性,且综合考虑多种物理参数化方案的研究很少。针对以上问题,本文使用CWRF模式3种水平分辨率和27种物理参数化方案组合对中国37 a(1980—2016年)的模拟试验结果,研究高原气温和降水模拟对分辨率及物理过程参数化的敏感性。

1 模式、资料和方法

1.1 模式

CWRF(Climate-Weather Research and Forecasting model)基于WRF发展而来,继承了WRF的优点,全面改善了对气候尺度至关重要的一整套参数化方案,包含了对地面(陆地、海洋)、边界层、积云对流(深、浅)、微物理、云、气溶胶、辐射及其相互作用等物理过程的描述(Liang et al.,2012)。最突出的是物理过程优化集合方案,集合积云对流参数化方案(ECP;Qiao and Liang,2015,2016,2017),联合地表-地下水文过程(CSSP;Dai et al.,2003,2004;Liang,2005;Liang et al.,2005;Choi,2006;Choi et al.,2007,2013;Oleson et al.,2008;Choi and Liang,2010;Yuan and Liang,2011;Xu et al.,2014),对地表反照率和生态-气候相互作用过程的改进方案,云-气溶胶-辐射集合模拟系统(CAR;Liang and Zhang,2013;Zhang et al.2013)等。因此CWRF对中国气候模拟能力较目前流行的区域气候模式RegCM4.6有显著提升,且由于对地形效应、积云对流和陆地水文过程的精确表示,CWRF降尺度可显著降低全球模式降水模拟的误差,提高对极端降水和降水日数的模拟技巧(Yuan and Liang,2011;Sun and Liang,2020a,2020b),在中国区域气候模拟研究中得到应用(刘术艳等,2008;刘冠州和梁信忠,2017;Liang et al,2019)。

1.2 试验和资料

本研究中CWRF试验的驱动资料是ERA-Interim再分析资料,水平分辨率30 km,垂直36层,模拟时间从1979—2016年,共27组试验,对应物理参数化方案配置见表1,第1组试验是控制试验,第2—27组试验是敏感性试验,其中试验2—15以及23、25、26、27相对控制试验修改了1个参数化方案,而试验16—20在修改辐射方案的同时修改云对长短波辐射的影响参数,试验21、22、24在修改边界层方案的同时修改了近地面层参数(具体的参数设置如表2)。水平分辨率试验有10 km,15 km和30 km,模拟时间是2003年1—12月,采用的是控制试验的参数化方案。气温和降水的观测资料是国家气象信息中心的中国地面气候资料月值数据集,剔除了其中含大量缺测的站点,选用高原周围173个站点1980—2010年的月资料(部分站点2011年及以后多有缺测,故取1980—2010年为研究时间段,另模拟第1年1979年为spin-up)。

1.3 分析方法

为了定量比较模拟与实测的气温、降水,将模式网格输出插值到观测站点上,从而将模拟结果与站点实测资料进行对比。由于高原地形起伏大,模式所采用的地形高度与实际地形高度存在差异,这会直接导致气温在插值过程中产生较大偏差(Zhao et al.，2008)。为了得到站点海拔高度处的气温值,需要对插值结果进行修正,即按大气温度直减率订正到实际地形高度上的地表气温。修正后模拟与观测的气温空间分布更接近,特别是夏季(图略)。

评估指标使用了相关系数和均方根误差。其中相关系数越接近0表示模拟与观测的结果线性相关性较低,绝对值越接近1表示模拟与观测的线性相关越高;均方根误差越大表示模拟与观测的偏差越大,模拟效果越差。值得注意的是,由于高原观测资料本身存在不确定性,也会给模式结果的评估带来一些偏差(何冬燕等,2013;王曼等,2015)。

(1)

(2)

2 高原气温和降水模拟的分辨率敏感性分析

为了研究高原气温和降水模拟对模式分辨率的敏感性,也为了解当前全球气候模式对高原气候的模拟效果,取CMIP6中的30个全球模式,按其在高原区的模式水平网格格点数高低分为3组(1 000格点以下,分辨率约为2°;1 000～2 000格点,分辨率约为1°;2 000格点以上,分辨率约为0.7°),对比了其对高原气温、降水的模拟效果(图1)。分析发现模式分辨率对气温模拟的影响较小,而对降水模拟影响显著。对于气温模拟(图1a),三组分辨率模式模拟的平均气温差异相对于30个模式总体的差异较小,且高分辨率模式反而偏差更大,这表明气温模拟偏差不完全受模式分辨率影响。对于降水(图1b),提高分辨率确实可以显著降低模拟偏差。随着分辨率的提高，降水的模拟偏差有显著降低。春夏季的降水模拟偏差因分辨率提高可降低60 mm,秋冬季相对较小,至多20 mm,这种分辨率影响程度的季节差异应该与降水量本身季节差异有关。

表1 本研究使用的CWRF物理参数化方案

表2 辐射方案和边界层方案的匹配方案设置

图1 CMIP6模式模拟高原气温(a)和降水(b)的偏差(红色、绿色、蓝色线分别是高、中、低分辨率模式结果的平均,阴影区为30个模拟模拟结果范围)Fig.1 The deviation of (a) temperature,and (b) precipitation simulated by models from CMIP6 over the plateau (the red,green,and blue lines are the average of the results of high,medium,and low-resolution models respectively,and the shadow area is 30 simulation results)

为进一步证实高原气候模拟对水平分辨率的敏感性,对比了CWRF 3种分辨率(10 km,15 km,30 km)对2003年的试验结果。图2a、b是模拟与观测的2003年高原气温、降水年循环的模拟偏差。由图可见,分辨率对气温模拟的影响很小,差异基本小于0.5 ℃,而对降水影响较大,差异达60 mm。但是提高分辨率反而增大了降水偏差,这可能与高分辨率区域气候模式中复杂的物理过程参数化有关。图2c、d是模拟与观测的高原气温、降水的空间场相关系数,对比发现提高分辨率确实改善了空间分布模拟能力,尤其是2月、3月和8月的降水场空间相关系数从0.3～0.4提高到0.5～0.6。

图2 CWRF不同分辨率模拟的2003年高原气温(a,c)和降水(b,d)与实测的偏差(a,b)及空间场相关系数(c,d)Fig.2 The (a,b) deviation and (c,d) spatial correlation coefficient between CWRF simulated (a,c) temperature and (b,d) precipitation in 2003 and measured data

此外,模式对高原气温、降水的模拟偏差有明显的季节变化特征:对冬春季气温的模拟偏差较大,夏季较小,且易低估春季气温,高估夏季;对夏季降水的模拟偏差相对较大。这种季节差异可能与辐射模拟偏差及降水量季节变化有很大关系;春季气温的模拟偏差也可能影响夏季降水模拟,它们的关系值得进一步分析。另外,降水模拟的优化效果随分辨率提高先上升后下降,当模式分辨率范围在约200～70 km时,提高分辨率能显著降低降水模拟偏差,当分辨率在30 ～10 km时,提高分辨率反而使偏差加大。这表明当分辨率提高到一定程度后,再单独提高分辨率并不能改善降水模拟,因为降水过程受很多复杂的物理过程控制,在高分辨率模式中需要配合优化的参数化模型才能进一步提高模拟效果。

3 高原气温和降水模拟结果评估和物理参数化敏感性分析

3.1 不同物理过程参数化方案对高原气温年循环的模拟结果评估

前文分析发现分辨率不是影响高原气候模拟结果的唯一因素,所以有必要进一步分析物理过程参数化的影响,为此对比了27组物理过程参数化方案对高原31 a(1980—2010)的模拟试验结果。图3是模拟气温年循环的气候偏差,结果显示CWRF对高原气温年循环的模拟效果很好,除了3个偏差较大的辐射方案(CAWCR、CAM、FuLiou),模拟偏差基本在2 ℃以内(图3中黄色部分),相比全球模式的6 ℃有显著降低,又由前文分析知分辨率对气温年循环模拟偏差影响很小,可见是CWRF模式中优秀的物理过程集合参数化方案及完善的陆地水文过程等优势,使其对高原气温模拟效果得到了显著改善。另外,CWRF对高原春季气温模拟偏低,而夏季偏高,与其驱动场ERI资料则完全相反,可见CWRF纠正了强迫场对高原气温模拟的低估,这是因为CWRF对极端气候事件模拟能力较强。不同方案的各月偏差呈整体偏高或偏低,说明模式对高原气温模拟存在系统性偏差。从图4可见,CWRF降低了ERI中对整个高原尤其是高原南侧夏季气温的冷偏差,而对高原北侧温度的模拟却偏高。其中CAWCR和CAM方案对高原夏季气温空间场整体模拟效果较好。

关于物理参数化敏感性,从图3可见,辐射方案(偏红色线条)模拟气温的差异最大,达到4 ℃,其次积云方案(偏蓝色线条)近3 ℃,而其他方案(黄色区域)差异很小,约1 ℃,所以选择合适的辐射方案对于正确模拟高原气温有重要意义。另外,替换辐射方案模拟的气温普遍偏低,这可能与辐射方案模拟的高原云量偏大有关,异常偏多的云量会导致太阳辐射减少从而导致模拟气温偏低,其具体原因还需进一步研究。

图5 CWRF不同物理参数化方案模拟高原降水的偏差(黑色线是ERI资料,彩色线是辐射和积云方案,黄色区是其他方案模拟结果范围)Fig.5 The deviation of precipitation simulated by CWRF with different physical parameterization schemes (the black line is ERI data,the color line is radiation and cumulus scheme,and the yellow area is the simulation result range of other schemata)

3.2 不同物理过程参数化方案对高原降水年循环的模拟结果评估

图5对比27组参数化方案对高原降水年循环的模拟。结果显示CWRF对高原降水年循环的模拟效果很好,除了KFeta方案,偏差基本在40 mm以内;且CWRF降低了ERI对夏秋季降水的模拟偏差约5～20 mm。

另外,图5清晰展示了不同参数化方案对高原夏季降水的模拟结果存在显著差异。特别是积云方案,最大差异超过100 mm,辐射方案次之,可达80 mm,这表明高原夏季降水的模拟受积云和辐射方案的影响显著。可能是由于部分积云方案对水汽含量的模拟偏差,或辐射方案对长短波辐射的模拟偏差,导致了大气不稳定能量的偏差,最终导致了降水模拟结果的较大差异,其具体原因还有待进一步分析。改变辐射方案可能会直接影响气温模拟从而间接影响降水,对比图3、图5发现,相同参数化方案对气温、降水的模拟偏差一致偏高或偏低,这可能是因为当高原近地层气温模拟偏高时,有利于不稳定能量积累从而导致了降水模拟的偏高,其具体影响过程值得进一步研究。

从图6降水空间分布对比也可清晰看出,ERI对整个高原,特别是高原东部地区的降水存在异常高估现象,而CWRF可以很好地模拟出高原夏季降水的空间分布特征,但其对高原中部和南部也存在一定高估。

图7是CWRF模拟的气温、降水年循环的RMSE。从图中可以看出,对气温模拟影响最大的是辐射方案,RMSE在0.7～3 ℃;而对降水模拟影响较大的是积云和辐射方案,不同积云方案的RMSE在10～40 mm。另外,CWRF模拟降水年循环的RMSE约15 mm,远小于大部分CMIP6全球模式的56 mm。由于降水模拟受分辨率影响很大,CWRF模拟降水的准确率高于全球模式与其有更高的水平分辨率有关,但由前文分析可知,分辨率并不是影响降水模拟效果的唯一因素,这也与CWRF优化的物理过程参数化方案有关。

图6 CWRF不同参数化方案模拟高原7月降水量空间分布(单位：mm)Fig.6 Spatial distribution of precipitation over the plateau in July simulated by CWRF with different parameterization schemes (unit：mm)

图7 CWRF不同物理参数化方案模拟的高原气温和降水年循环的均方根误差(黑色代表气温,参考坐标轴在左边;红色代表降水,参考坐标轴在右边,黑色、红色水平线分别是ERI气温、降水模拟偏差,绿色、蓝色虚线分别是CMIP模式平均气温、降水模拟偏差)Fig.7 RMSE of the annual cycle of plateau temperature and precipitation simulated by CWRF with different physical parameterization schemes (black represents temperature,reference axis on the left;red represents precipitation,reference axis on the right;black and red horizontal lines are ERI temperature and precipitation simulation deviation respectively;green and blue dotted lines are CMIP model average temperature and precipitation simulation deviation respectively)

图8 CWRF不同参数化方案模拟高原气温(a)和降水(b)年际变化与实测的相关系数(时间范围1980—2010年)Fig.8 Correlation coefficients between simulated and measured interannual variations of (a) temperature and (b) precipitation over the plateau with different parameterization schemes (1980—2010)

3.3 不同物理过程参数化方案对高原气温年际变化的模拟结果评估

分析了31 a(1980—2010年)年际变化的模拟效果及其对物理参数化的敏感性。图8a是27组方案模拟各月气温年际变化与观测的相关系数,可见CWRF对气温年际变化的模拟效果非常好,除了8月以外各月相关系数基本均在0.8以上。结合前文对气温年循环模拟分析发现,春季气温模拟偏差较大,但其年际变化却与观测高度一致,表明模式确实对春季气温的模拟存在系统性偏低,与参数化方案选择无关。CWRF显著改善了ERI气温年际变化的模拟,特别是春季的相关系数从0.4提高到了近0.8,从图9可见,RMSE也降低了约1 ℃。但是不同方案对8月气温年际变化的模拟与实测的相关系数差异很大,甚至多数方案低于ERI资料。这是因为ERI同化了很多观测资料从而使得其对近地层气温的模拟接近实测(Dee et al.,2011),同时ERI的低分辨率也会减小局地过程的影响从而使相关系数增大;而CWRF只从边界条件获取信息,所以更容易受复杂的局地对流等物理过程的影响。可以发现区域气候模式对高原8月气温的模拟结果很不稳定,受物理参数化方案影响显著,但是Morrison和Morrison_areosol微物理方案对8月降水量年际变化的模拟与实测的相关系数也能达到0.8,所以选择合适的参数化方案对合理地模拟高原夏季气温非常重要。另外从RMSE结果可见,ERI对高原全年气温的模拟偏差均大于CWRF,所以虽然其夏季气温相关系数能达到0.6,它也是存在系统性偏差的,而CWRF能很好地解决这一问题。

3.4 不同物理过程参数化方案对高原降水年际变化的模拟结果评估

图8b是27组方案模拟各月降水年际变化与观测的相关系数,可见CWRF对7月降水年际变化的模拟与观测的相关系数最低,且受参数化方案影响显著,不同方案的相关系数差异达到0.6。这是因为夏季以对流过程为主,由于积云、微物理、云、辐射、边界层、陆面过程和动力学之间复杂的相互作用,大多数地区的模拟效果通常相对较差(Liang et al.,2012,2019)。但是CWRF显著改善了ERI对降水年际变化的模拟效果,特别是春季,相关系数从0.3提高到0.9,RMSE也有所降低;CWRF对夏季降水年际变化的模拟受参数化影响,在0.2到0.6之间变化,但也大多都高于ERI资料的0.25,同时从RMSE结果可见(图9),ERI资料夏季降水年际变化与观测的偏差最大,达到30～40 mm,而CWRF显著降低了这个偏差,只有10～20 mm;对于秋季,CWRF相对于ERI相关系数提高不大,但RMSE降低了20 mm;对于冬季,相关系数从0.6提高到0.8～0.9,RMSE变化不大。

图9 CWRF不同参数化方案模拟高原气温(a)和降水(b)年际变化与实测的均方根误差Fig.9 RMSE between simulated and measured interannual variations of (a) temperature and (b) precipitation over the plateau with different Parameterization Schemes

4 结论和讨论

通过对比CWRF模式3种分辨率和27种物理参数化方案敏感性试验结果,分析了模式对高原气温和降水模拟的气候偏差,及其与模式分辨率和物理参数化方案选择的关系。得到以下一些结论:

1)CWRF可以很好地模拟高原气温、降水的年循环和年际变化,其中气温年循环的均方根误差约1 ℃,月降水量约15 mm(13%),各月的年际变化与实测相关系数高达0.8;CWRF对气温和降水年循环的模拟偏差远小于CMIP6的全球模式,气温的RMSE从CMIP6模式的1.5 ℃减小到0.5～1 ℃,降水从56 mm减小到10～20 mm;同时也全面改善了其驱动场ERI资料的模拟偏差,减小了高原南侧夏季气温冷偏差,减小降水的模拟偏差20 mm,提高了各月气温、降水年际变化相关系数,其中春季从0.3～0.4提高到0.8～0.9。这一方面是因为CWRF更高的分辨率,另一方面是因为CWRF优化的物理过程参数化方案。

2)模式分辨率对降水模拟有显著影响,当分辨率从200 km提高到70 km,降水模拟偏差降低60 mm左右(54%),但当分辨率超过30 km,偏差反而会随着分辨率提高而上升。表明当分辨率提高到一定程度,单独提高分辨率不再能显著改善高原降水的模拟效果。因为对于高分辨率模拟,次网格过程的作用越来越重要,如果不改善参数化方案会导致较大的模拟误差,这从侧面说明,优化物理过程参数化方案对于改善高分辨率区域气候的模拟效果至关重要。

3)高原气温和降水模拟受物理参数化方案影响显著,其中对气温影响较大的是辐射方案,不同辐射方案对气温的模拟差异可达到4 ℃,这可能是由于不同的辐射方案导致到达高原地面的太阳辐射和地面长波辐射差异造成了近地层气温差异;对夏季降水影响较大的是积云和辐射方案,不同积云方案模拟的夏季降水最大差异超过100 mm(90%),辐射方案可达80 mm(72%),其中不同积云方案对高原南侧近地层水汽输送量的模拟差异较大,这应该是导致降水量差异的直接原因,另外气温模拟偏差也会对降水模拟产生影响,由于对流过程非常复杂,受物理过程参数化方案影响显著,因而选择合适的参数化方案对于合理地模拟高原气温和降水非常重要。

4)总体上说,CWRF模式对高原的局地模拟效果显著优于CMIP6的全球模式和其驱动场ERI资料,非常适合高原气候模拟。在对高原进行区域气候模拟时,选择30 km分辨率比更高或更低分辨率更合适,兼具模拟准确性和较低计算成本优势;对于参数化方案的选择,RRTMG辐射方案配合ECP积云方案或GSFCLXZ辐射方案配合Tiedtke积云方案对高原气温和降水的模拟效果最佳,其他物理过程参数化方案对高原区域气候模拟影响相对较小。

高原气候模拟一直是个难题,考虑到高原对东亚至全球天气气候都有重要影响,提高高原气候模拟的准确性有重要意义。本研究通过分析CWRF模式敏感性试验对高原的气候模拟结果发现,选择合适的分辨率和参数化方案对于提高高原气候模拟效果有重要影响。

致谢:感谢孙磊、刘冠洲、张焓、赵阳、徐浩然、姜荣升等提供CWRF模拟试验结果。