单双参云微物理方案对强降水过程中云宏微观特征 模拟的对比分析

黄乾 钱悦

摘要 将WRF3.9模式的16种云微物理方案分为单参、双参两组，分别对2016年6月30日—7月4日江淮流域的一次强降水过程进行模拟。首先利用逐小时观测降水对各组模拟降水进行评估，在此基础上利用FY-2G和CALIPSO云产品数据分别评估不同方案对降水过程中总云量、云垂直结构云水含量等宏微观特征的模拟性能。结果表明：选用不同的云微物理参数化方案均能较好地模拟出该次过程的雨带位置和中心降水强度，但不同方案对云宏微观特征的模擬结果有显著差异。分析两组试验对总云量的模拟结果发现，单参方案组除Kessler暖云方案对冰云过程描述不足导致模拟的总云量显著偏高外，其他单参方案和所有双参方案均能模拟出强降水过程中总云量的时空演变特征。从云覆盖率和云水含量的垂直分布特征来看，单参方案组对600 hPa以下中低层暖云的模拟稳定性整体略优于双参方案组;而对200～500 hPa的冰相云模拟结果相反，双参方案组比单参试验组模拟的固水含量更加集中。将各层云覆盖率与CALIPSO云产品的对比也发现，对于低层暖云降水过程，选择如WSM3单参云微物理方案比双参方案得到的模拟云量更加接近实况，而对于以深对流为主要运动特征的冷云降水过程，选择如WDM5或WDM6这样双参云微物理方案模拟得出的高云量值更加稳定，误差也更小。

关键词 单双参云微物理方案; 强降水; 云量

在全球变暖的背景下，气象灾害日益增多，暴雨引起的洪涝灾害是我国重要的气象灾害之一。江淮流域暴雨引发的灾害性天气一直是该区域的预防重点，而云与降水也有着密切的关系。云覆盖了地球表面约60%的面积，通过反射太阳短波辐射和吸收地球长波辐射，在地气系统辐射收支起着重要作用（Liou and Davies，1993），云的水平分布和垂直重叠结构也影响着此次强对流过程。因此，云的准确模拟对提高模式模拟和预测的准确性具有重要意义。

云微物理过程的参数化是数值模式中重要的组成部分之一（楼小凤等，2003）。IPCC明确指出云微物理过程是导致数值模式预报结果不确定的最大因素。云微物理参数化方案多采用谱分布来描述云中粒子的分布，而谱分布方案按预报量的不同又可以分为只考虑云粒子质量浓度（单参数化方案）和同时考虑云粒子质量浓度和数浓度（双参数化方案）两类。不同的云微物理方案对不同的天气过程的模拟能力存在较大的差别，对云中的水凝物的模拟也存在较大的差异（崔锦等，2014;朱格利等，2014;马红云等，2020）。杨正卿等（2012）使用耦合了Morrison双参数云微物理方案对云滴数浓度影响累积降水量的情况进行了敏感性试验，发现云滴数浓度对降水量的影响是复杂和非线性的;王文君等（2018）采用两类双参数化云微物理方案，对辽宁省的一次强降水过程进行模拟，评估两个双参数方案对强降水事件中对应的地表累积降水量、降水强度、云中微物理量的模拟能力及主要微物理过程的差异。梅钦等（2018）利用8种微物理方案和6种积云参数化方案对湖北及其周边地区夏季12次暴雨过程进行回报，分析各种方案对暴雨预报的影响。

以往利用WRF模式对天气过程的数值研究多集中在对气温、降水等气象要素的模拟性能评估上，而对如云量、云水含量等多尺度的云水物理过程关注较少。邱玉珺和王宏奥（2017）基于CloudSat/CALIPSO卫星资料，对中国北方两个区域云垂直结构及其微物理参量进行了对比研究，发现两个区域暖云层、混合云层和冷云层的云出现概率差别较大;唐雅慧等（2020）基于CloudSat与CALIPSO联合观测研究全球云分布特征，发现CALIPSO在陆地上方可以观测到更多云雷达探测不到的高空冰云，且随着温度的降低，观测优势越来越明显。本研究利用WRF模式对2016年7月发生在江淮流域的持续性强降水过程进行模拟，在结合地面逐小时观测降水数据在对降水模拟性能评估的基础上，进一步对此次过程中的云宏微观特征进行诊断分析。将模式中现有的16种云微物理方案分成单、双参两组，将模拟得到的总云量、云垂直结构和云水含量分别与CALIPSO-GOCCP云产品和风云二号卫星FY-2G总云量进行对比分析。

1 天气实况及模式设置

1.1 资料和试验方案设计

研究所用的降水实况数据采用中国气象数据共享服务网（http：//data.cma.cn/site/index.html）中基于全国3万余个自动观测站逐小时降水量和CMORPH卫星反演降水产品，采用概率密度匹配+最优插值（PDF+OI）两步数据融合算法生成了中国区域逐小时、0.1°×0.1°分辨率的降水量融合产品（沈艳等，2013）。卫星资料云产品资料包括：1）总云量数据来源于国家卫星气象中心（http：//satellite.nsmc.org.cn/PortalSite/Default.aspx）的FY-2G的总云量产品，时间分辨率为1 h，空间分辨率为5 km（许健民等，2010）;2）采用CALIPSO-GOCCP云产品中的3D_CloudFraction中的云量数据，水平分辨率为1°×1°，垂直分辨率为0.48 km，数据可在http：//climserv.ipsl.polytechnique.fr/cfmip-obs/获得，数据来自于搭载在CALIPSO卫星上的云-气溶胶正交偏振激光雷达（CALIOP）用来从太空探测云和气溶胶的垂直结构，并能观测到光学厚度较薄的冰云层顶，适合用来探测三维云的垂直结构（Chepfer et al.，2013）。

本次模拟选用WRFV3.9版本，模拟的时间为2016年6月29日08时—7月8日08时（北京时，下同），模拟区域为三重嵌套网格如图1所示，模拟中心位置为（117.037°E，35.961°N），网格的水平分辨率依次为27 km、9 km、3 km，模式的初始场和侧边界场资料来自NECP的FNL资料，分辨率为1°×1°，时间间隔6 h，垂直方向32层，地形资料采用USGS资料，三重嵌套区域的地形分辨率依次为10 m、2 m、30 s。为了检验单参和双参云微物理方案对降水预报、云微物理量和云量的影响，在其他参数设置完全相同的情况下，仅改变云微物理参数化方案，设置了9组单参（Kessler方案、Lin方案、WSM3方案、WSM5方案、Ferrier方案、WSM6方案、Goddard方案、SBU-YLin方案、NSSL 1-mom方案）、7组双参（Thompson方案、CAM 5.1方案、Morrison方案、WDM5方案、WDM6方案、NSSL 2-mom方案、NSSL 2-mom+CCN方案），共16种的敏感性试验。模式的其他物理参数化方案设置是：长波辐射采用RRTM（Rapid Radiative Transfer Model）方案，短波辐射采用Dudhia方案，近地面层采用Monin-Obukhov方案，陆面过程采用Noah Land surface Model方案，边界层采用Yonsei University （YSU）方案，积云参数化采用浅对流Kain-Fritsch（New Eta）方案。由于第三层网格水平分辨率为3 km，不使用积云参数化方案。因此，后文主要对3 km分辨率的细网格（即第三重网格）进行分析。

1.2 天气过程及背景

2016年6月30日—7月4日，我国江淮流域地区出现了一次持续性的强降水过程。图2为2016年6月30日20时—7月4日20时累计实况降水量分布。可以看出，此次强降水过程雨带呈东北-西南走向，江苏省、安徽省均有降水发生，大部分地区降水量均在50 mm以上，其中江苏大部、安徽中南部、湖北东南部和江西北部降水量均超过100 mm。其中強降水中心（115°～119°E、29°～32°N，图2黑框所示）位于安徽安庆、池州地区和大别山地区均超过400 mm，最大降水量达到567 mm。此次强降水过程影响范围广，降水集中并且持续时间较长，给江淮流域地区造成了极大的影响。

2 模拟结果分析

2.1 降水时空分析

从降水空间分布模拟情况（图3）来看，对比观测的降水分布（图2）可知，单参和双参云微物理方案对降水具有较好模拟能力。各种方案均能模拟出强降水过程的降水范围，雨带均呈东北-西南走向，与实况具有相同的趋势。图中右下角为不同的云微物理参数化方案与实况降水间的空间相关系数，单参方案间模拟出的降水效果差别较大，其中WSM5方案、Ferrier方案和Goddard方案模拟出的强降水区与实况基本一致，强降水中心的落区模拟效果也较好相关系数达到了0.8以上。而Kessler方案模拟出的降水范围整体偏北，未能模拟出安徽中部的强降水中心。SBU-YLin方案能够较清楚地模拟出的雨带的走向，但是降水强度偏弱，强降水中心偏西，降水强度也偏弱。7种双参数方案中CAM 5.1方案模拟出的强降水区偏西，降水强度偏弱，其他的双参方案的强降水落区的位置和范围与实况相差不大，WDM5方案和WDM6方案间差异较小，强降水中心基本一致，CAM 5.1方案的强降水区偏小，降水强度偏弱，而Morrison方案在江苏中部模拟出了一个虚假的强降水中心。WDM5方案和WDM6方案模拟的相关系数均达到了0.85以上，与其他方案相比较WDM5方案和WDM6方案降水模拟的效果较好。

2.2 云宏微观特征

模拟降水的评估结果不能代表云特征模拟的优劣，有必要进一步对模式模拟的云宏微观特征与观测结果进行比较。

2.2.1 总云量

WRF在各个模式层上云量计算方案采用了Xu and Randall（1996）云量计算方案。

由于卫星观测反演得到的云产品大多只有总云量，因此需要把各模式层上计算得到的云量采用一定的垂直重叠方案计算得到总云量。常见的云的垂直重叠方案有最大重叠、随机重叠、最大-随机重叠和最大-平均重叠（Risnen et al.，2004;张华和荆现文，2010），本文选用的云的垂直叠加方案采用最大-平均重叠方案，即先求被晴空隔开的不相邻的两层有云区域的垂直平均云量，再比较垂直方向上不同云块平均云量的最大值作为总云量（郑晓辉等，2013）。将上述WRF云量计算方案模拟得到的总云量分布与风云二号卫星的总云量分布图进行对比分析。

从上述观测降水变化（图4）可以发现，2016年7月1日08时降水量最大，此时垂直上升运动速度也最大，云的发展比较旺盛。因此选择了7月1日08时风云二号卫星总云量分布（图5）进行分析。从图中可以看出降雨期间我国东部地区云覆盖面积较大，江苏、上海、浙江北部和安徽大部分地区云系深厚，总云量均大于90%，并呈现出东北-西南走向的云区，此时的云区与雨带位置基本一致。

从不同的云微物理方案模拟的云区分布（图6）来看，两组试验模拟的主要云区与卫星观测结果整体对应较一致，均能较准确地描述出云区的分布范围，单参方案中WSM5方案和WSM6方案、双参方案中的WDM5方案和WDM6方案对总云量模拟效果较好，云区分布范围一致，深厚云层和浅薄云层都有较好的对应关系，同时与雨带的位置分布也具有较好的一致性。而单参方案中的Kessler方案属于简单暖云降水方案，其考虑的微物理过程并不包含冰相过程，该方案对本次深对流过程模拟的总云量显著偏高。此外，Ferrier方案和SUB-YLin方案也存在模拟云区范围偏大，总云量偏高的不足。总体来看，双参方案的总云量分布范围比单参方案模拟效果更为合理。

图7为降水发生的主要区域不同云微物理方案模拟总云量和FY-2G卫星观测结果的空间相关系数随时间变化。从图中可以看出，总云量的空间相关系数具有明显的日变化特征，同时与降水量的逐小时变化具有良好的一致性。与总云量模拟结果类似，单参方案中的Kessler方案总体相关系数均偏低，而双参方案中的Morrison方案最不理想。图中括号内为6月30日08时—7月5日08时这一段时间内的区域平均的时间相关系数，可以看出在这强降水过程中总云量的模拟单参方案中Goddard方案相关系数最高，达到了0.549，双参方案中WDM5方案相关系数最高，达到了0.442。同时在对降水的模拟中Goddard方案和WDM5方案分别在单参方案和双参方案中时间相关系数最高，相对其他的单参方案和双参方案模拟效果较好。

2.2.2 云微物理量检验

为了进一步分析各方案对本次强降水过程中对流云团的模拟差异，对云微物理量的模拟得出云与环境的反馈机制，并得到对流云团的结构及演变特征。6月30日20时—7月1日20时降水强度最大，累计雨量最大，模拟效果最好。分析这段时间内江淮流域强降水区域（115°～119°E，29°～32°N）区域平均单参方案和双参方案中液态和固态水凝物的垂直分布。雨水混合比是云中的液态水凝物并与模拟的降水量直接相关的物理量。从图8a、b可以看出，除了WSM3方案外，各种单、双参方案在600 hPa以下区域雨水凝结，而WSM3方案在600 hPa雨水混合比急剧增加到450 hPa达到最大，雨水混合比为0.58 g/kg。9种单参方案中而Kessler方案的雨水凝结随高度递减较缓，其余方案模拟雨水混合比在600 hPa高度以下缓慢减少，而600 hPa 以上迅速减少，500 hPa高度以上雨水混合比基本为0 g/kg。近地层雨水混合比最低的为Kessler方案，最高的为Lin方案，两者相差0.16 g/kg。

7种双参方案中CAM 5.1方案的雨水混合比明显高于其他方案，CAM 5.1方案是从气候模式CESM中移植而来，与气候模式中的参数有关，可能不太适合较高的分辨率的模式模拟。近地层雨水混合比最低的为NSSL 2-mom+CCN方案，NSSL 2-mom+CCN方案在NSSL 2-mom方案的基础上增加了云凝结核的预报量。可以得出，总体来说双参方案之间雨水混合比的垂直廓线的差异较小，单参方案的雨水混合比的垂直廓线分布较双参方案更加分散，不同的单参方案之间雨水混合比差异也更大。所以这可能导致单参方案较双参方案在预报降水时具有较大的差异。从图8c、d固态水凝物分布廓线可以看出，600 hPa高度以下固态水凝物基本为0 g/kg，600 hPa高度以上随着高度先增加后减少，大部分云微物理方案都在400～500 hPa出现最大值。单双参云微物理方案之间固态水凝物差异比较明显，单参方案之间固态水凝物差异较大，Goddard方案在固态水凝物达到最大值时的最大值为0.89 g/kg，Lin方案在固态水凝物达到最大值时的最大值为0.29 g/kg，两者相差0.6 g/kg。而双参方案中固态水凝物的垂直分布相对集中，固态水凝物最大值为0.4～0.6 g/kg。这可能与选取的16种单双参方案中不同的微物理过程有关。雨水混合比以及固态水凝物含量间垂直分布的差异会导致云中垂直加热结构不同，底层凝结有利于不稳定维持，而高层水凝物浓度增加可以通过潜热释放削弱对流发展。

2.2.3 云量垂直结构

云量的垂直结构演变可以对此次强降水过程进一步分析，WRF模式中输出的云量是一个三维变量，能否准确模拟出云的垂直结构对研究大气辐射和降水有很大的影响，此次选用的CALIPSO卫星数据云产品可以获得云的垂直剖面的云覆盖率数据。云的形成和演变过程中，强烈的对流过程发挥着重要的作用。如图9a所示，CALIPSO卫星在2016年7月2日13时经过模拟区域的星下点轨迹，图9b中CALIPSO卫星的扫过图9a对应轨迹的云量垂直结构剖面。由于CALIPSO卫星观测是自上而下通过仪器自动连续的扫描，所以卫星对高云的探测能力比低云的探测能力更强（郑晓辉等，2016）。CALIPSO卫星中的CALIOP探测器在云的垂直方向存在重叠时，无法穿过光学厚度大的云层会导致遗漏一些中云和低云（Li et al.，2015;Sèze et al.，2015;Yin et al.，2015）。此时处于强降水过程中，云顶高度已经达到了15 km，云底高度为6 km，云厚已经达到了9 km，云团中部分云量已达到100%。

将WRF模拟的数据插值到相应的卫星轨迹上，并将不同云微物理方案模拟出的云垂直剖面结构与CALIPSO卫星观测资料进行对比。图10为不同云微物理参数化方案模拟的2016年7月2日13时的云量垂直结构剖面。对比CALIPSO卫星的垂直云量（图9b），16种参数化方案都能大致模拟出在云的云顶高度和云底高度，模拟出的云顶高度达到了16 km，云底高度大致为6 km，模拟云的位置也与观测数据大致相同，云的分布与降雨区相一致，WRF模拟出的云剖面结果均为对流云，云的厚度大约都在9～12 km。云团中高云量最大值都达到了90%以上，较大的垂直速度起到了抬升作用，使得强对流过程加剧。但是不同的单双参云微物理方案中对中云量和低云量均有不同程度的高估，总体来看单参方案比双参方案更为接近实况，而对于高云量的模拟双参方案则整体优于单参方案。单参方案中Kessler方案和SBU-YLin方案极大地高估了高云量，WSM3方案低估了高云量，Goddard方案能较好地模拟出云的云顶高度和云的分布范围。双参方案中，CAM 5.1方案虽然模拟出了低云区，但与观测结果有偏差，WDM5方案和WDM6方案模拟出的垂直云量结果类似，垂直云量分布均与实况最为接近。单参方案中Kessler方案是一个简单的暖云降水方案，预报量只有水汽、雨水和云水混合比，该方案中未对液水与冰之间的冰相过程进行处理，对冰云过程描述不足导致模拟的降水偏弱和总云量显著偏高，不适合应用于深对流性降水过程的模拟，对于冰云过程可以使用WDM5方案和WDM6方案更为合理。

3 讨论和结论

将WRF模式16种不同的云微物理方案分成单参和双参两组进行模拟，将模拟结果结合逐小时观测降水和卫星观测的总云量和云覆盖垂直结构产品对夏季江淮流域一次强降水过程进行诊断分析，得出以下几点结论：

1）选用不同的云微物理參数化方案均能较好地模拟出该次过程的雨带位置和中心降水强度，但不同方案对云宏微观特征的模拟结果有显著差异。

2）分析两组试验对总云量的模拟结果发现，单参方案组除Kessler暖云方案由于对冰云过程描述不足导致模拟的总云量显著偏高外，其他单参方案和所有双参方案均能模拟出强降水过程中总云量的时空演变特征。

3）从云覆盖率和云水含量的垂直分布特征来看，单参方案组对600 hPa以下中低层暖云的模拟稳定性整体略优于双参方案组，单参方案组对液水含量的模拟大部分均在0.1～0.2 g/kg左右，而双参方案组各试验间偏差较大，0.05～0.3 g/kg;而对200～500 hPa之间的冰云模拟结果则相反，单参试验组的固水含量模拟结果为0.2～0.8 g/kg，而双参方案组除Morrison方案较其他方案明显偏低外，其他方案均稳定在0.4～0.6 g/kg。

4）与CALIPSO观测数据的对比结果可以发现，两组试验均能较好地模拟出云底和云顶的高度，但对9 km以下各层暖云量的模拟结果均有不同程度的偏高，总体来看单参方案比双参方案更为接近实况，而对9 km以上的冷云过程，双参方案则整体优于单参方案。其中WDM5方案和WDM6方案的模拟效果相对最佳，降水强度、强降水中心和云量分布都与实况最为接近。

从上述分析可以发现，选择不同云微物理方案得到的降水和云特征模拟表现并不一致。对对流层低层暖云过程选择如WSM3这样的单参方案得到的云特征更加符合观测，而对高层冰云过程则选用如WDM5这样的双参方案更为合理。本研究主要针对江淮流域一次深对流强降水过程进行模拟分析，有关单参、双参方案对不同地区和不同类型降水过程的预报能力和云特征的模拟性能还需要在今后的研究中进一步深入地探讨和研究。

参考文献（References）

Chepfer H，Cesana G，Winker D，et al.，2013.Comparison of two different cloud climatologies derived from CALIOP-attenuated backscattered measurements （level 1）：the CALIPSO-ST and the CALIPSO-GOCCP[J].J Atmos Ocean Technol，30（4）：725-744. doi：10.1175/jtech-d-12-00057.1.

崔锦，周晓珊，阎琦，等，2014.WRF模式不同微物理过程对东北降水相态预报的影响[J].气象与环境学报，30（5）：1-6. Cui J，Zhou X S，Yan Q，et al.，2014.Impact of different microphysical processes of WRF model on precipitation phase forecasting in Northeast China[J].J Meteor Environ，30（5）：1-6.（in Chinese）.

Li J，Huang J，Stamnes K，et al.，2015.A global survey of cloud overlap based on CALIPSO and CloudSat measurements[J].Atmos Chem Phys，15（1）：519-536. doi：10.5194/acp-15-519-2015.

Liou K N，Davies R，1993.Radiation and cloud processes in the atmosphere[J].Phys Today，46（9）：66-67. doi：10.1063/1.2809044.

楼小凤，胡志晋，王鹏云，等，2003.中尺度模式云降水物理方案介绍[J].应用气象学报，14（S1）：49-59. Lou X F，Hu Z J，Wang P Y，et al.，2003.Introduction to microphysical schemes of mesoscale atmospheric models and cloud models[J].J Appl Meteor Sci，14（S1）：49-59.（in Chinese）.

马红云，韩路杰，顾春利，2020.云凝结核对南京及周边地区夏季暴雨影响的数值模拟[J].大气科学学报，43（5）：897-907. Ma H Y，Han L J，Gu C L，2020.Numerical simulation on impact of cloud condensation nuclei on summer rainstorm in Nanjing and its surrounding areas[J].Trans Atmos Sci，43（5）：897-907. doi：10.13878/j.cnki.dqkxxb.20180111001.（in Chinese）.

梅钦，智协飞，王佳，2018.WRF模式不同云参数化方案的暴雨预报能力检验及集成试验[J].大气科学学报，41（6）：731-742. Mei Q，Zhi X F，Wang J，2018.Verification and consensus experiments of rainstorm forecasting using different cloud parameterization schemes in WRF model[J].Trans Atmos Sci，41（6）：731-742. doi：10.13878/j.cnki.dqkxxb.20180306002.（in Chinese）.

邱玉珺，王宏奥，2017.基于CloudSat/CALIPSO资料的我国北方2个区域云垂直分布差异研究[J].大氣科学学报，40（4）：553-561. Qiu Y J，Wang H A，2017.The vertical distribution of cloud properties in two regions of northern China based on CloudSat/CALIPSO data[J].Trans Atmos Sci，40（4）：553-561. doi：10.13878/j.cnki.dqkxxb.20160517002.（in Chinese）.

Risnen P，Barker H W，Khairoutdinov M F，et al.，2004.Stochastic generation of subgrid-scale cloudy columns for large-scale models[J].Quart J Roy Meteor Soc，130（601）：2047-2067. doi：10.1256/qj.03.99.

Sèze G，Pelon J，Derrien M，et al.，2015.Evaluation against CALIPSO lidar observations of the multi-geostationary cloud cover and type dataset assembled in the framework of the Megha-Tropiques mission[J].Quart J Roy Meteor Soc，141（688）：774-797. doi：10.1002/qj.2392.

沈艳，潘旸，宇婧婧，等，2013.中国区域小时降水量融合产品的质量评估[J].大气科学学报，36（1）：37-46. Shen Y，Pan Y，Yu J J，et al.，2013.Quality assessment of hourly merged precipitation product over China[J].Trans Atmos Sci，36（1）：37-46. doi：10.13878/j.cnki.dqkxxb.2013.01.005.（in Chinese）.

唐雅慧，周毓荃，蔡淼，等，2020.基于CloudSat与CALIPSO联合观测研究全球云分布特征[J].大气科学学报，43（5）：917-931. Tang Y H，Zhou Y Q，Cai M，et al.，2020.Global distribution of clouds based on CloudSat and CALIPSO combined observations[J].Trans Atmos Sci，43（5）：917-931. doi：10.13878/j.cnki.dqkxxb.20180104001.（in Chinese）.

王文君，朱彬，杨素英，等，2018.两类双参数云微物理方案对夏季强降水事件模拟能力的对比研究[J].大气科学学报，41（6）：721-730. Wang W J，Zhu B，Yang S Y，et al.，2018.Comparison and analysis of strong precipitation simulation capability of Morrison and Milbrandt-Yau two-moment cloud micro-physical schemes[J].Trans Atmos Sci，41（6）：721-730. doi：10.13878/j.cnki.dqkxxb.20171112005.（in Chinese）.

Xu K M，Randall D A，1996.A semiempirical cloudiness parameterization for use in climate models[J].J Atmos Sci，53（21）：3084-3102. doi：10.1175/1520-0469（1996）053<3084：ascpfu>2.0.co;2.

许健民，杨军，张志清，等，2010.我国气象卫星的发展与应用[J].气象，36（7）：94-100. Xu J M，Yang J，Zhang Z Q，et al.，2010.Chinese meteorological satellites，achievements and applications[J].Meteor Mon，36（7）：94-100.（in Chinese）.

杨正卿，银燕，刘聪，等，2012.云滴数浓度影响混合型层状云降水的数值模拟[J].大气科学学报，35（3）：350-363. Yang Z Q，Yin Y，Liu C，et al.，2012.Numerical simulation of impact of cloud droplet number concentration on precipitation from mixed stratiform and convective clouds[J].Trans Atmos Sci，35（3）：350-363. doi：10.13878/j.cnki.dqkxxb.2012.03.012.（in Chinese）.

Yin J F，Wang D H，Xu H B，et al.，2015.An investigation into the three-dimensional cloud structure over East Asia from the CALIPSO-GOCCP Data[J].Sci China Earth Sci，58（12）：2236-2248. doi：10.1007/s11430-015-5205-4.

张华，荆现文，2010.气候模式中云的垂直重叠假定对模拟的地-气辐射的影响研究[J].大气科学，34（3）：520-532. Zhang H，Jing X W，2010.Effect of cloud overlap assumptions in climate models on modeled earth-atmosphere radiative fields[J].Chin J Atmos Sci，34（3）：520-532.（in Chinese）.

郑晓辉，徐国强，魏荣庆，2013.GRAPES新云量计算方案的引进和影响试验[J].气象，39（1）：57-66. Zheng X H，Xu G Q，Wei R Q，2013.Introducing and influence testing of the new cloud fraction scheme in the GRAPES[J].Meteor Mon，39（1）：57-66.（in Chinese）.

鄭晓辉，徐国强，贾丽红，等，2016.GRAPESMeso区域模式积云计算方案引进及预报效果检验[J].大气科学，40（5）：907-919. Zheng X H，Xu G Q，Jia L H，et al.，2016.Incorporation of a cumulus fraction scheme in the GRAPESMeso and evaluation of its performance[J].Chin J Atmos Sci，40（5）：907-919.（in Chinese）.

朱格利，林万涛，曹艳华，2014.用WRF模式中不同云微物理参数化方案对华南一次暴雨过程的数值模拟和性能分析[J].大气科学，38（3）：513-523. Zhu G L，Lin W T，Cao Y H，2014.Numerical simulation of a rainstorm event over South China by using various cloud microphysics parameterization schemes in WRF model and its performance analysis[J].Chin J Atmos Sci，38（3）：513-523.（in Chinese）.

Comparative analysis of single-moment and double-moment microphysics schemes in WRF on the heavy precipitation process of the macroscale and microscale characteristics of the cloud

HUANG Qian1，QIAN Yue1，2

1School of Atmospheric physics， Nanjing University of Information Science and Technology， Nanjing 210044， China;

2Jiangxi Ecological Meteorology Center，Nanchang 330096， China

In the present study， a heavy precipitation process of the Yangtze Valley River Basin during the period of 30 June to 4 July 2016 is simulated by using a Weather Forecast modeling system. The effects of the microphysics schemes are dividedinto two groups of nine single-moment and seven double-moment schemes. Next， using the time series of observational precipitation to simulate single-moment and double-moment schemes， FY-2G and Cloudsat cloud product were also used to evaluate the simulation different microphysics schemes of the cloud macroscale and microscale characteristics， such as total cloud fraction and vertical struction of the cloud fraction and cloud water content in the precipitation process. The results revealedthe following： the simulation of different microphysics schemes can present the rain belt position and central rainfall intensity of the process， yet the simulation of the cloud macroscale and microscale characteristics are significantly different. With the exception of the Kessler scheme by the warm cloud scheme of single-moment scheme， in which， due to the insufficient description of the ice cloud process causing the simulation of total cloud fraction to be significantly higher， all of the other single-moment and double-parameter schemes can simulate the temporal and spatial evolution characteristics of the total cloud cover during the heavy precipitation process. From the vertical distribution characteristics of cloud coverage and cloud water content， the simulation stability of the group of single-moment schemes to the middle and low level warm clouds below 600 hPa are slightly better than the group of the double-moment schemes. In addition， the simulation results of the ice cloud between 200—500 hPa were reversed， and the group of double-moment schemes was more concentrated than the single-moment group. The comparison of the simulation cloud fraction of each layer with the Cloudsat cloud product showed that for the low level warm cloud precipitation process using the WSM3 scheme of single-moment scheme the cloud fraction is closer to the observation than the double-moment schemes. However， the deep convection process which took the cold cloud precipitation process as the main movement characteristics， when using the WDM5 or WDM6 scheme of double-moment schemes， the high cloud fraction is more stable and the error is smaller.

single-and double-moment microphysics schemes;heavy precipitation;total cloud fraction

doi：10.13878/j.cnki.dqkxxb.20190501001

（責任编辑：袁东敏）