RegCM4.6 两种积云参数化方案在东亚模拟结果的评估

刘 鑫， 亢燕铭， 辛 渝， 陈勇航， 周海江， 秦 汉，何 清， 王智敏

（1.东华大学环境科学与工程学院，上海 201620；2.中国气象局乌鲁木齐沙漠气象研究所，新疆 乌鲁木齐 830002；3.新疆维吾尔自治区人工影响天气办公室，新疆 乌鲁木齐 830002）

东亚是世界上地表淡水资源最贫乏的地区之一，随着人工增水技术的发展，开发利用空中云水资源已成为目前缓解水资源短缺的途径之一［1-2］，因此，对于云水资源的评估和预测也就尤为迫切。云的形成与分布是大气各种热力、动力过程和地表过程共同作用的结果［3］。目前，已有很多学者利用地面观测和卫星反演的云资料，分析不同地区的云量、云等效温度和冰水柱含量等物理属性的时空分布及其与降水的关系［4-8］。但地面站点分布不均，极轨卫星的观测时间对于任何给定的区域都是不连续的，地球静止卫星数据受限于观测范围，因此要进一步评估和预测云水资源还需要借助数值模式［9］。

区域气候模式（Regional climate model，RegCM）可用于区域层面上的气候摸拟和预测［10-14］，其中积云对流是云水数值模拟和预报中最常采用的参数化方案。基于之前RegCM 版本的研究表明，Emanuel、Grell 和Kuo 积云参数化方案模拟的温度效果较好，而降水有较大偏差［15-16］，其中Emanuel 方案对东亚气温和降水的模拟效果总体表现更好［17-18］。但RegCM4.6 的用户手册指出，Emanuel 方案倾向于在陆地上产生过多的降水，特别是发生非常强的降水个例时，而Grell方案倾向于在热带海洋上产生过少的降水［19］。因此，新一代区域气候模式RegCM4.6将Grell 和Emanuel 方案结合到一起，引入了Mix 方案，可以在陆地和海洋使用不同的积云参数化方案［20］，然而目前鲜有基于这2种积云参数化方案对云物理属性的模拟效果进行评估的研究。因此，本文基于RegCM4.6分别运用Emanuel和Mix积云参数化方案进行模拟，并使用MODIS 卫星产品对模拟的云量（Cloud fraction，CF）、冰水柱含量（Ice water path，IWP）和液水柱含量（Liquid water path，LWP）进行评估，以探究两者在东亚的适用性，以期为东亚及其周边区域云水资源的开发利用和预测研究提供参考依据。

1 研究区概况

东亚总面积约1250×104km2，包括中国、蒙古、日本、韩国和朝鲜5个国家，地形复杂，地势起伏大。西部有青藏高原，属于高地气候；西北内陆地区少雨干燥，属于干旱、半干旱区域，东部面临太平洋，较大的海陆热力差异形成了典型的季风气候。根据气候特征，参照《中国自然地理》（1995 年)［21］将东亚划分为5 个子区，共6 个研究区域，包括整个东亚、西北区、青藏高原、北区、南区和东部海域（图1），以便研究Emanuel 和Mix 积云参数化方案的适用性。

图1 研究区概况Fig.1 Overview of the study area

2 数据与方法

2.1 数据来源

中分辨率成像光谱仪（Moderate-resolution imaging spectroradiometer，MODIS）是 搭 载 在Terra 和Aqua 卫星上的一种被动辐射计，具有多通道、高时间分辨率和覆盖范围广的特点。本文使用MODIS的Level 3数据MOD08_M3和MYD08_M3，其时间分辨率为月，空间分辨率为1°×1°。Li等［22］利用地面站点的全天空成像仪观测数据对MODIS 反演的白天CF 进行验证，结果表明在大多数情况下，两者的CF具有较好的一致性。King 等［23］的研究指出MODIS的云掩膜和云属性数据非常稳定和可靠，因此本文采 用MODIS 反 演 的CF、IWP 和LWP 来 评 估 模 拟结果。

2.2 研究方法

2.2.1 RegCM4.6 模式介绍及设置自1989 年，美国国家大气研究中心（National Center for Atmospheric Research，NCAR）开 发 了RegCMs（Regional climate models），后由国际理论物理中心（International Centre for Theoretical Physics，ICTP）改进。本研究采用RegCM4.6 版本，设计2 种试验方案，除积云参数化方案不同外，其他设置均相同。试验1 的积云参数化方案选用Mix 方案，即在海洋上为Emanuel 方案，陆地上为Grell 方案；试验2 在陆地和海洋均为Emanuel 方案。关于Emanuel 和Grell 方案的详细描述可参考文献［19-20,24-25］。

模拟区域包括整个东亚（37°～158°E，10°～58°N），中心位于（38°E，98°N），水平分辨率为25 km，格点数为330（经向）×170（纬向）。积分时间为2015 年12 月1 日至2016 年12 月31 日，其中第一个月作为模式的初始化时间不予讨论。模式的初始场和侧边界条件由ECMWF（European Centre for Medium-Range Weather Forecasts）再分析数据提供，海温采用OISST（Optimum interpolation sea surface temperature）数据集，地形采用GMTED（Global multi-resolution terrain elevation data）数据。主要的参数化方案包 括：BATS（Biosphere-atmosphere transfer scheme）陆面方案、Explicit Moisture 大尺度降水方案、Holtslag PBL 行星边界层方案、Zeng 海洋通量方案及CCM3（Community climate model version 3）辐射传输方案。

2.2.2 统计量计算虽然卫星反演资料存在一定的误差，但由于目前技术条件受限制而严重缺乏云物理属性观测资料的情况下，本文分别将2 种试验模拟结果和MODIS 数据的CF、IWP 和LWP 按1°×1°的网格进行年和季节平均，再分别与卫星的同一个格点作差值，得到偏差空间分布，按划分区域进行平均得到区域平均偏差。为进一步评估哪种方案的模拟效果更好，计算了相关系数（r）、平均绝对误差（Mean absolute error，MAE）、平均偏差（Mean bias error，MBE）和均方根误差（Root mean square error，RMSE），计算公式如下：

式中：n为格点数；Model(i)和分别为模式模拟所得的物理量及其平均值；MODIS(i)和分别为由MODIS数据所得的物理量及其平均值。

3 结果与分析

3.1 年平均云量、冰水柱含量和液水柱含量

采用MODIS 资料对模拟的CF、IWP 和LWP 的年平均分布进行评估（图2）。年平均CF 在西北区和青藏高原通常低于0.5，在北区、东部海域和南区高于0.6。Emanuel 和Mix 方案的CF 的MBE 空间分布相似，均明显低估了北区沿海一带、东部海域和南区的CF，这与韩振宇等[26]的研究结果一致；在西北区中部和青藏高原区中部出现约为0.1 的高估；在蒙古、新疆、内蒙古、青海和西藏地区的MBE 基本在±0.1以内。

年平均IWP 空间分布的高值区在东南沿海附近，超过400 g·m-2；西北区、青藏高原和北区的普遍小于300 g·m-2。2 种方案均明显低估了东亚的IWP，特别是在中国东南部和东部海域，低估达250 g·m-2；在西北区的模拟效果稍好，低估在150 g·m-2以内。

年平均LWP在中国东南部为200～240 g·m-2，西北区南部一般小于120 g·m-2。2种方案的MBE在北区和南区均为正，且Emanuel方案的更大；在青藏高原和东部海域约为-50～-150 g·m-2；在西北区基本在±50 g·m-2以内。

Emanuel 方案在陆地上高估CF 和LWP 的面积比Mix 方案更大，因为Emanuel 方案考虑了云内云水向雨水或者冰晶的自动转化，假设云层中部浮力大于底部时发生对流，混合卷入云浮力梯度函数，这种情况往往会高估陆地上的积云和对流降水[27]。2 种方案在陆地上分别为Emanuel 和Grell，在海洋上均为Emanuel，陆地上使用不同的积云参数化方案会导致陆地上云的形成、水汽输送和降雨过程等产生差异，而陆地上的这些差异会通过地气系统的辐射、对流运动、局部扰动、海陆相互作用等从而影响海洋上的CF、LWP 和IWP 等，使得海洋上的模拟结果也存在差异[28]。

与MODIS 数据比较得到Emanuel 和Mix 方案模拟的CF、IWP 和LWP 在不同区域的MBE（图3）。对CF 而言，2 种方案的MBE 在东亚为负，在西北区、北区和青藏高原接近，而在南区和东部海域Mix 方案比Emanuel方案的MBE大约0.05。

对IWP 而言，2 种方案在5 个子区均为低估，南区和东部海域的MBE 约为-260 g·m-2。在西北区、北区和青藏高原，Emanuel 方案的MBE 比Mix 方案的大约25 g·m-2。

Emanuel 方案的LWP 在整个东亚的MBE 接近0，结合图2h 可知，这主要是由于正负MBE 相互抵消。在西北区，Emanuel 方案的MBE 为正，而Mix 方案的MBE 为负，且两者的绝对值都小于50 g·m-2。在青藏高原区，2种方案的MBE均为负；在北区和东部海域，Mix 方案的模拟效果明显优于Emanuel 方案；在南区两者的MBE均为正且小于25 g·m-2。

表1 给出了Emanuel 和Mix 方案对CF、IWP 和LWP 模拟结果的统计量，可以看出2 种方案都低估了CF，但Mix 方案的r更高，且MAE、MBE 和RMSE也更接近于0。2 种方案均严重低估了IWP，且r小于0，结合图2 和图3 可知，IWP 的误差受积云对流方案的影响较小。2 种方案的LWP 的r相近，但Mix方案的MAE和RMSE都更小。

表1 Emanuel和Mix方案在东亚的模拟结果的年平均统计量Tab.1 Annual averaged statistics of simulation results from Emanuel and Mix schemes in East Asia

图3 CF、IWP和LWP不同区域的MBEFig.3 MBE of CF,IWP and LWP in different regions

3.2 季节平均云量

在分析了MBE 空间分布的基础上，进一步对Emanuel 和Mix 方案模拟的CF 季节MBE 进行探究（图4）。春、秋季和冬季东亚的CF 均呈现“西北少东南多”的特征，低值区为西北区和青藏高原，高值区为北区、南区和东部海域，主要由于以上区域的大气湿润度较高，水汽聚集为低云的形成提供了条件，并且低温阻止水汽向高空输送[29]，这与前人的研究结果[30-31]一致。夏季的CF 呈“西北少、西南多”的态势。对于中国东部而言，夏季的CF模拟效果优于冬季，这与韩振宇等[26]的研究结论类似。相同季节，2种方案的MBE 空间分布相似，在CF较高的地区模式低估越严重，在CF 为0.4～0.6 时的MBE 接近于0，在CF＜0.4 时可能会出现高估，如西北区和青藏高原，而在北区、南区和东部海域出现严重低估。春季，模拟的CF 在东部海域的南部有一处MBE为±0.1 的区域，结合MODIS 的CF 分布可知，该区域的CF为0.4～0.6，其相对偏差在20%左右。

图4 不同季节CF及其MBE的空间分布Fig.4 Spatial distributions of CF and MBE in different seasons

模式模拟的CF 在中国东南沿海和东部海域出现明显的系统性低估。这些区域在模拟范围的边缘，海洋-陆地-大气的相互作用较为复杂，给出的侧边界条件可能不够充分。另外，在气候系统中存在积云过程、海洋过程、辐射过程和陆面过程等物理过程复杂的相互作用，而在模式中没有使用海气耦合，故无法真实反映积云对流与海洋过程之间相互作用的本质[32]。模拟的地面气温相对于观测资料在东亚区域的大部分陆地上都是冷偏差，但在中国西北地区出现高于1 ℃的正偏差[33-34]，这与本文CF的MBE 空间分布较为吻合，说明模拟的地表气温偏高或偏低会影响上空的水汽输送，从而导致高估或低估CF。

根据CF 在不同区域、不同季节的MBE（图5）可知，2 种方案都低估了东亚四季的CF。相同季节，MBE 在西北区和青藏高原均在±0.1 以内，模拟效果明显优于其他3 个子区；东部海域的MBE 均为负且最小，其次是南区。各季节中，冬季的MBE 都为负，且模拟效果最差。在西北区、北区和青藏高原区，2种方案的模拟效果相当；而在南区和东部海域，Mix方案的模拟效果通常优于Emanuel方案。

图5 不同季节、不同区域CF的MBEFig.5 MBE of CF in different regions and seasons

表2 给出了2 种方案模拟的CF 相对于MODIS的季节平均统计量，可以看出夏季的模拟效果最好，冬季的最差。不管在哪个季节，2 种方案都低估了CF，且Emanuel 方案的MAE、MBE 和RMSE 的绝对值普遍大于Mix 方案。结合图4 可知，秋季的CF相对较小，而Emanuel 方案考虑了云内云水向雨水或冰晶的自动转换，从而易高估陆地上积云[27]，因此Mix 的r在秋季比Emanuel 的大0.117，而2 种方案在其他季节的r相差不超过0.05。

表2 Emanuel和Mix方案在东亚的CF模拟结果的季节平均统计量Tab.2 Seasonal averaged statistics of simulated CF from Emanuel and Mix schemes in East Asia

3.3 季节平均冰水柱含量

根据Emanuel 和Mix 方案模拟的IWP 的季节评估（图6）可知，春、秋季和冬季的IWP 空间分布在东亚呈现出“西北低、东南高”的态势，高值区为南区东部和东部海域，超过400 g·m-2。2 种方案对IWP的模拟在高值区的MBE 可达-300 g·m-2，而低值区（西北区和青藏高原）的MBE 一般在±100 g·m-2以内。

图6 不同季节IWP及其MBE的空间分布Fig.6 Spatial distributions of IWP and MBE in different seasons

夏季的IWP 在北区和南区交界处附近的值最大，高达618 g·m-2；次高值区呈“涡状”分布在西北区西部、青藏高原中部和东部、北区中部和南区西南部。模式在夏季出现严重低估，整个东亚的MBE普遍小于-100 g·m-2。与CF 相比，不同的积云参数化方案对IWP 的模拟影响较小。由于不同方案对云物理过程的描述不同，而不同季节云的种类、形成机制和演变过程等也不同，因此与年尺度相比，积云方案对模拟结果的影响在季尺度上更明显[27]。

根据IWP 在不同区域、不同季节的MBE（图7）可知，不论哪个季节，2 种方案在5 个子区的MBE 均为负值。春季，MBE 在东部海域最小，为-242 g·m-2（Emanuel 方案）和-237 g·m-2（Mix 方案）；在西北区和青藏高原均大于-100 g·m-2。夏季，2 种方案在5个子区的MBE 均小于-200 g·m-2，除东部海域外，Mix 方案的MBE 比Emanuel 方案的小10 g·m-2左右。秋季，在南区和东部海域，2 种方案的MBE 接近；而在西北区、北区和青藏高原，Emanuel方案的MBE比Mix 方案的大20 g·m-2左右。冬季，2 种方案在各区的MBE 的规律与春季的一致，在东部海域为-302 g·m-2；其他区的MBE均大于春季。

图7 不同季节、不同区域IWP的MBEFig.7 MBE of IWP in different regions and seasons

Emanuel 和Mix 方案对东亚IWP 模拟结果的季节平均统计量如表3 所示。除夏季外，另外3 个季节的模拟结果与MODIS 呈显著负相关，说明模式不能很好地描述云的次网格过程，从而导致IWP 的模拟呈现相反的情况。夏季的MAE 最大，冬季的最小，结合图6 可知，这是由于夏季的IWP 普遍较高，而模拟结果以低估为主。积云方案对IWP 的模拟效果影响较小，且存在较大的系统误差，说明模式的参数化方案难以准确描述云中冰粒子相关的物理过程，这可能与云冰粒子的大小、不规则形状、散射特性等有关。

表3 Emanuel和Mix方案在东亚的IWP模拟结果的季节平均统计量Tab.3 Seasonal averaged statistics of simulated IWP from Emanuel and Mix schemes in East Asia

3.4 季节平均液水柱含量

由LWP 及其MBE 的季节平均空间分布可得（图8），春、秋季和冬季东亚的LWP主要呈“西北少、东南多”的特征。春季的LWP 较小，集中在50～300 g·m-2；冬季的值较大，在西北区北部超过350 g·m-2，南区东北部和东部海域西部的值为200～300 g·m-2，而西北区南部和北区北部的值一般小于150 g·m-2，在40°N附近呈现一个东西向的低值带。夏季，LWP的空间分布较为均匀，呈现“陆地多、海域少”的特点，值大多集中在150～250 g·m-2。

图8 不同季节LWP及其MBE的空间分布Fig.8 Spatial distributions of LWP and MBE in different seasons

在相同季节，Emanuel 和Mix 方案的MBE 空间分布相似，这主要与模式的系统误差和初始场资料有关。在春、夏季和秋季，2种方案模拟的LWP在北区和南区出现不同程度的高估，一般为100～300 g·m-2，在青藏高原中部为200 g·m-2以内的低估，在另外2个子区的MBE 通常在±100 g·m-2以内。冬季，模式在西北区北部、北区北部、青藏高原、南区东南部和东部海域均为低估，而其他地区的MBE 大多在±100 g·m-2以 内。整 体 而 言，Mix 方 案 的LWP 的MBE比Emanuel方案的更接近于0。

根据LWP 在不同区域、不同季节的MBE（图9）可知，对东亚而言，2 种方案的MBE 在冬季最小，约为-100 g·m-2。其他3个季节，东亚的MBE在±50 g·m-2以内；在西北区和北区，Emanuel 方案的MBE 约为Mix方案的2倍。春季，在青藏高原和南区，Emanuel方案的MBE 更接近于0，这主要是由于正负MBE 相互抵消。秋季，Emanuel 方案在青藏高原、南区和东部海域均为低估，在北区的MBE最大，为132 g·m-2。

我关之林是个俗女子，俗不可耐，所以，我爱钱。我这个人就是这样，很现实。我从来不遮掩自己的目标，对金钱的渴望，对豪华阔绰的向往。我梦想床罩被单都是红晃晃的人民币拼凑而成的，枕头里塞的不是棉絮，而是金链金耳环钻石戒指；我梦想住的是山顶别墅，出门是法拉利，佣人保镖们对我毕恭毕敬。本姑娘我一高兴，纤纤玉指从随身携带的小包里掏出一叠人民币，眼睛不眨地打赏他们。

图9 不同季节、不同区域LWP的MBEFig.9 MBE of LWP in different regions and seasons

根据模拟的东亚LWP的季节平均统计量（表4）可知，2 种方案的r都大于0.3，其中Mix 方案在春季和秋季的r超过0.55，大于Emanuel 方案；在另外2个季节Emanuel 方案的r略大。除冬季外，Mix 方案的MAE、MBE 和RMSE 的绝对值均明显小于Emanuel方案，表明Mix方案对东亚LWP的模拟效果更好。

表4 Emanuel和Mix方案在东亚的LWP模拟结果的季节平均统计量Tab.4 Seasonal averaged statistics of simulated LWP from Emanuel and Mix schemes in East Asia

4 结论

利用MODIS 卫星数据，以东亚为研究区域，初步评估了RegCM4.6中Emanuel和Mix积云参数化方案对CF、IWP和LWP的模拟效果，主要结论如下：

（1）2 种方案模拟的CF 在东亚西北部约为0.1的高估，在其他地区主要为低估，其中东部海域的MBE 小于-0.3。夏季的模拟效果最好，冬季最差。年平均统计量结果表明，Mix 方案与MODIS 的r为0.152，而Emanuel 方案的仅为0.013；不论从年还是季节来看，Mix 方案的MAE、MBE 和RMSE 的绝对值普遍小于Emanuel。

（2）2种方案明显低估了整个东亚的IWP，其中在中国东南部和东部海域的MBE 大多小于-200 g·m-2。冬季和春季的模拟结果相对较好，夏季的最差。2 种方案在东亚四季的MAE、MBE 和RMSE 相差在18 g·m-2以内；除夏季外，2 种方案模拟的IWP与MODIS 的呈显著负相关，这可能是由于模式的参数化方案难以准确描述云中冰粒子的生成、发展和消亡等相关物理过程。

（3）2种方案模拟LWP的MBE在东亚西北部基本在±50 g·m-2以内；在青藏高原和东部海域为-150～50 g·m-2；在其他地区主要是正值，且Mix 方案的MBE 更小。2 种方案模拟的LWP 在四季均与MODIS 呈显著正相关；冬季模拟效果最差，且以低估为主；其他季节Mix方案的MAE、MBE和RMSE的绝对值均小于Emanuel方案。

综上，使用区域气候模式RegCM4.6研究东亚地区的云水资源时，选择Mix积云参数化方案更合适。

致谢：感谢NASA 提供的MODIS 数据（https://modis.gsfc.nasa.gov/）。