青藏高原(以下简称高原)是全球最高的高原，平均海拔超过4 km，面积辽阔，其动力和热力作用不仅影响东亚的天气气候(叶笃正等，1979；黄荣辉，1985；Wu et al, 1998, 2012；陶诗言等，1999；徐祥德等，2002；Duan et al, 2005；王同美等，2008)，而且对全球气候变化以及灾害性天气的形成和演变都有重要的影响(姚檀栋等，2006；吴国雄等，2013)。高原南坡地形复杂，经向海拔高度变化极大，气象观测站稀少，研究难度大。但该地区的水汽输送和聚散过程对高原及其周边地区的降水分布起着决定性作用(解承莹等，2015)。随着理论和技术的进步，数值模式得到了极大的发展，已广泛应用于天气、气候的研究(高学杰等，2006；刘屹岷等，2007；袁招洪，2015；Yu et al, 2015)，但是其在季风区对复杂地形降水的模拟能力仍有待增强。因此，利用高分辨率的数值模式研究高原南坡的降水具有重要的意义。

WRF(Weather Research and Forecasting)模式是由美国国家大气研究中心(NCAR)和国家环境预报中心(NCEP)等联合研究发展的业务和研究共用的新一代数值模式和数据同化系统，是统一的“公用体模式”。WRF模式因其先进的数据同化技术、强大的网格嵌套能力和多种可选的物理过程参数化方案，在模拟对流和中尺度降水方面表现凸出。它不仅可以用于数值天气预报和天气个例的研究(张宇等，2013)，而且可以用于区域气候和大气化学的模拟研究(章国材，2004；Yu et al, 2010)。

积云对流参数化方案对降水和大尺度环流的预报起着重要的作用(Albrecht et al, 1986；Emori et al, 2001；李巧萍等，2004)，不同的积云对流参数化方案模拟的降水差异显著(Kotroni et al, 2001；黄安宁等，2009)。Jankov等(2004)比较了19种不同参数化方案对降水模拟的影响，发现降水对积云对流参数化方案最敏感。朱格利等(2014)利用WRF模式模拟了2010年5月6—7日华南的一次暴雨过程，指出除天气过程本身的复杂性外，数值模式的初始误差、系统误差以及参数化方案带来的误差，都会减弱模式的预报能力。故合理地选择参数化方案对减小模式误差很重要。模式分辨率对区域气候模拟也有重要的影响，有研究表明在夏季用更高的分辨率模拟，改善的不仅是降水的空间分布，还有区域平均的降水量(Leung et al, 2003)。吕光辉等(2009)利用WRF模式研究了干旱地区新疆2000年10月的降水异常事件，发现随着水平和垂直分辨率的提高，不仅提高了模式对降水落区的模拟精度，也提高了对因地形引起的降水异常的模拟能力。此外，网格嵌套技术也能影响降水模拟的精度，已有的研究结果表明在强降水过程中采用嵌套技术的模拟结果优于未采用嵌套的模拟结果(伍华平等，2009；何由等，2012)。

已有的研究多针对高原本身的降水，而对高原南坡这一陡峭地形区降水的研究相对较少。由于高原南坡特殊的地理位置和气候环境，加上数值模式本身的局限性，模式对高原南坡降水模拟的效果较差，预报的准确度较低。为了降低数值模式的预报误差，提高模式对降水预报的准确度，模式分辨率、参数化方案的选择以及是否采用网格嵌套技术尤为重要。针对上述问题，利用WRF模式模拟了高原南坡2006年7月的降水，讨论了积云对流参数化方案、网格嵌套技术和模式分辨率对降水模拟的影响及原因，以期得到模拟高原南坡降水的合理方案，为利用WRF模式研究高原南坡降水提供参考。

本研究中WRF模式的初始和边界条件采用ERA-Interim再分析资料(Dee et al, 2011)，水平分辨率为0.5°×0.5°，每天4个时次。其中等压面资料在垂直方向上分为32层，从1000—10 hPa，一共应用5个物理量：温度、位势高度、相对湿度、比湿和风场。使用的陆面资料包括地表气压、平均海平面气压、地表温度、2 m气温、2 m露点、10 m风场、海陆分布、4层(0—7、7—28、28—100和100—255 cm)土壤温度和湿度、海温、地形高度、雪水相当深度、雪密度和海冰覆盖共14个物理量。

降水数据为热带测雨卫星(TRMM)3B42日平均降水资料，水平分辨率为0.25°×0.25°(Huffman et al, 2007)和水平分辨率也为0.25°×0.25°的日本高分辨率逐日亚洲陆地降水数据集(APHRODITE)(Yatagai et al, 2009)。

WRF模式是完全可压缩非静力模式，水平方向采用Arakawa-C格点，垂直方向采用地形追随质量坐标，时间积分上采用二阶或三阶Runge-Kutta算法(Kain et al, 1993)。

研究采用最新的WRF V3.6.1版本进行，该版本有12种积云对流参数化方案(表 1)，其中除BMJ方案是调整方案外(Janjić，1994)，其余均为质量通量方案。KF方案采用一个伴有水汽上升和下沉的简单云模式，包括云中气流的卷入、卷出及相对粗糙的微物理过程(Kain，2004)。BMJ方案源于Betts-Miller方案，新方案中引入了成云效率参数，增加了决定积云对流特征廓线的自由度(Janjić，1994，2000)。GD方案采用了集合平均的方法，即在每个格点上运行多种积云对流参数化方案，然后将结果的平均值反馈到模式格点。云内的质量通量取决于静态控制差异和动态控制差异的结合，动态控制基于有效位能、低层垂直速度与水汽辐合(Grell et al, 2002)。G3和GF方案都由GD方案改进而来，G3方案更适用于高分辨率模拟，而GF方案平滑了向云分辨尺度转变的过渡(Grell，1993；Grell et al, 2013)。

为了考察积云对流参数化方案、网格嵌套技术和模式分辨率对高原南坡降水模拟的影响，采用5种试验方案(表 2)。未采用网格嵌套的方案模拟区域为D1，低分辨率时水平网格数为254×182，网格格距是30 km；高分辨率时，水平网格数为1270×910，网格格距是6 km。双向嵌套时，模拟区域D1和D2的水平格点分别采用254×182和951×551(与母网格D1相比，子网格D2在4个方向上均缩小10°)，网格格距分别为30和6 km，模拟区域D2的边界条件来源于D1。两种试验方案中除积云对流参数化方案外，其余参数化方案的设置相同，即Lin微物理参数化方案、BouLac边界层参数化方案、Noah陆面参数化方案以及RRTM和Dudhia长、短波辐射方案。模拟在垂直方向采用σ坐标，分为35层，从1000—10 hPa。模拟时段为2006年6月25日00时(世界时，下同)至8月1日00时，共36 d，前5 d视为模式的自适应时间。采用一个初始场连续积分36 d，侧边界条件每6 h更新一次。图 1给出了模拟区域D1和D2的范围及地形高度。

为了研究不同积云对流参数化方案对高原南坡降水模拟的影响，在综合考虑结果的科学性和减小计算代价的基础上，选用30 km_cu方案做了8个试验，以便选择最优的积云对流参数化方案做进一步的研究。由于积云对流参数化方案ZM需要应用MYJ和UW行星边界层方案，NSASH只适用于HWRF模式，而OKF是KF的最初版本，故未参与比较。

从2006年7月TRMM和APHRODITE探测的降水实况(图 2)中可知，夏季高原南坡降水呈现出南多北少的态势：在0.5—3 km的斜坡上存在一条降水的大值带，降水中心超过25 mm/d；在3 km以上的高原平台区域，降水明显减小；在恒河流域的中上游地区有一片强降水区。与TRMM相比，APHRODITE的降水分布形态大体类似，但量值偏小，说明高原南坡降水的观测资料也有一定的差异。从不同积云对流参数化方案模拟的降水强度来看(图 2)，KF、BMJ、Tiedtke和NSAS方案在研究区域的中东部偏大，在高原平台上的降水也明显偏多；GF、OSAS、G3和GD方案的降水大小与观测值较为接近，都能模拟出斜坡上的降水大值带，但是位置偏北，超过了3 km的地形等高线；OSAS方案未能模拟出恒河流域中上游地区的降水大值区，GF方案在高原平台的降水也显著偏大；与GF和OSAS方案相比，G3和GD方案的降水更为合理。

为了进一步研究降水实况和模拟结果的关系，表 3给出二者的相关系数及均方根误差(RMSE)，其相关系数均通过了0.01的显著性水平t检验。根据相关系数较大和均方根误差较小的原则排序，前三位分别是GD、G3和GF方案。综合考虑定性和定量分析后，选取模拟效果较好的GF、OSAS、G3和GD方案，分析它们降水的逐日变化(图 3)。与观测降水相比，各试验的模拟结果与之十分相近，斜坡上降水强，其值明显高于区域平均的降水。在7月的上、中和下旬分别出现了3次大的降水过程，GD和G3方案能再现这3次大的降水过程，而GF和OSAS方案不能模拟出第2次降水过程。故在研究的8种积云对流参数化方案中，GD方案的模拟效果最好，它可以较好地再现夏季高原南坡的降水强度、空间分布和逐日变化特征。

一般而言，天气模式的预报技巧随预报时效延长而降低，均方根误差随积分时间延长而增大。为了考察WRF模式进行长期积分模拟所得结果的累加平均的合理性或局限性，还计算了不同试验方案模拟的500 hPa高度场和ERA-Interim再分析资料间的均方根误差的逐日变化(图 4)。由图 4可见，不同试验方案的均方根误差均在6—18 dagpm，其值没有随时间的变化而不断增大。总的来说30 km_6 km_cu方案与再分析资料的均方根误差最小，所以它的模拟效果也最好。其实，从图 3观测和模拟的区域平均降水的逐日变化可以看出，虽然模拟的降雨与观测资料存在一定的差异，但是随着时间的推移，模拟的降水始终在观测资料附近变化，较观测而言并没有发生很大的偏移，这说明模式在长期积分时具有一定的稳定性。之所以这里的长时间模拟结果没有出现像天气预报模式技巧随预报时效延长而降低的现象，主要是因为在这种有限区域的数值模拟中，其所使用的边界条件每6 h用再分析资料进行更新。

研究模式分辨率、网格嵌套和高分辨率下是否采用积云对流参数化方案对降水模拟的影响时，选择GD方案，根据表 1中的设计开展了余下的4个试验。图 5给出了不同试验模拟的降水分布，它们与观测降水的相关系数和均方根误差如表 4，相关系数均通过了0.01的显著性水平t检验。比较30 km_cu与6 km_cu方案发现，模式分辨率提高后，降水强度增大，均方根误差变大，降水的空间分布变化小。而6 km_cu和6 km_no_cu方案、30 km_6 km_cu和30 km_6 km_no_cu方案的比较表明，使用积云对流参数化方案的试验，研究区域内降水的空间分布改进显著，尤其在恒河流域中上游地区，但是高原平台上的降水偏大。30 km_6 km_cu与30 km_cu、6 km_cu方案的对比说明，网格嵌套使区域降水更加连续，小范围的极值区减少，模拟的降水强度与观测值更加接近。综上可知对陡峭地形区降水的模拟，6 km的分辨率仍不足以描述次网格尺度对流的发生和发展，积云对流参数化方案和网格嵌套技术都能改进降水强度和空间分布的模拟。

图 6是2006年7月观测和部分试验方案模拟的降水总量的概率密度函数(PDF)分析和日平均降水随地形高度的变化。从图 6a中可知，30 km_cu、30 km_6 km_cu和30 km_6 km_no_cu方案中不同量级的降水与观测值相似。提高模式分辨率后降水显著偏大，不用积云对流参数化方案时小雨的比重过大。30 km_cu方案中最大降水高度在3—4 km，高于观测资料TRMM和APHRODITE中的最大降水高度(0.5—1 km)。6 km_cu和30 km_6 km_cu方案中，最大降水高度减小到了1—2 km，且嵌套结果在数值上与观测值更为接近(图 6b)。说明嵌套技术能改进最大降水高度和降水强度的模拟。

水汽的输送和辐合是影响降水的重要原因(Starr et al, 1958；Trenberth，1998)。从图 7a—f可以看出，研究区域内地面至300 hPa垂直积分的水汽通量散度的分布与降水区域基本吻合，水汽通量辐合时降水强，辐散时降水弱。不同试验中水汽通量差异明显，高原南坡的水汽主要来自孟加拉湾，较强的东南风将水汽向西输送，使恒河流域中上游地区的大值降水区得以形成，东南风偏弱时降水主要集中在研究区域的东部。图 7g和h是不同试验地面至300 hPa垂直积分的水汽总量的差异和850 hPa风场的差异，网格嵌套方案中积云对流参数化方案对水汽分布的影响很小，二者的差值均小于100 kg/m2(图 7h)；对单层高分辨率的试验而言，积云对流参数化方案对水汽的影响也较小，在研究区域西部的差异略大，其极大值小于150 kg/m2(图 7g)。但是积云对流参数化方案对风场的影响很大，从而导致水汽输送和辐合的不同，进而造成降水的差异。

高原南坡的最大降水高度受低层流场的制约。从σ=0.88模式面上的流场(图 8)可以看出，模式分辨率和网格嵌套技术对低层流场的影响很大，尤其在地形陡峭的地区。在海拔低于0.5 km的地区，流场分布型式基本相似，东边由东南气流主导，西边为西北气流控制。在海拔高于0.5 km的地区，30 km_cu方案斜坡上流线密集，由东南风控制，导致了最大降水高度偏北。6 km_cu方案中2—4 km斜坡上的北风分量明显减小，30 km_6 km_cu方案斜坡上气流主要沿着0.5—2 km地形运动，水汽输送偏南，最大降水高度降低。使用嵌套技术后研究区域东南部的气流可以沿着雅鲁藏布江大拐弯区向北输送，使得高原平台的降水偏大。

从前面模拟和观测降水的对比可发现，最大的降水差异位于研究区域的西部，下面对此作进一步的分析。从TRMM观测和模拟的降水强度沿80°E的变化(图 9)可见，在30°N以北的区域，不同试验方案模拟的降水强度相近，都比观测值小；在30°N以南，未使用积云对流参数化方案模拟的降水强度显著偏低，使用后降水强度明显改善。提高模式分辨率和使用网格嵌套技术都能改进降水强度的模拟效果，二者配合使用效果更佳。

除水汽条件外，垂直运动和大气层结稳定性也是影响降水的重要因素。从再分析资料和不同试验方案模拟的垂直速度和相对湿度沿80°E的垂直剖面(图 10)可知，垂直速度和相对湿度的南北分布与降水强度和分布十分吻合，当上升运动强、垂直延伸高和相对湿度大时，降水强。使用积云对流参数化方案时高分辨率试验模拟的垂直速度极值区多，分布不均，上升运动的垂直延伸高；嵌套试验模拟的垂直速度与再分析资料最相似；低分辨率试验模拟的上升运动相对较弱。没有积云对流参数化方案时垂直上升速度减弱，尤其在高原南坡以南的上空表现突出；而且大气低层的相对湿度减小，嵌套后相对湿度增大，但仍小于使用积云对流参数化方案的试验。所以提高模式分辨率和网格嵌套技术都能改善垂直运动的模拟；积云对流参数化方案的使用也能改善垂直运动的分布，使低层大气的湿度增大，有利于更加准确地模拟降水。

假相当位温(θse)是一个综合表征温度、气压和湿度相互影响的物理量，其大小与水汽凝结释放的潜热成正比，它随高度的变化可以用来判断对流是否稳定：∂θse/∂z＜0，对流不稳定；∂θse/∂z=0，对流中性；∂θse/∂z＞0，对流稳定。从不同试验模拟的假相当位温的垂直廓线(图 11)可以看出，30 km_6 km_cu和6 km_cu方案的对流不稳定区域能达到550 hPa，且θse在各层均较大；相比之下，30 km_cu和6 km_no_cu方案对流不稳定区域的高度略低，约为600 hPa；θse的值在各层均较小，且前者大于后者。30 km_6 km_no_cu方案在500 hPa以下θse的值偏大，以上偏小。以上分析表明提高模式分辨率、使用网格嵌套技术和积云对流参数化方案都能影响大气的垂直加热状态，且积云对流参数化方案的影响最大。

利用WRF模式研究了2006年7月陡峭的高原南坡的降水。首先对比不同积云对流参数化方案模拟的降水与实况的差异，得出最优的积云对流参数化方案。然后通过5个试验讨论积云对流参数化方案、模式分辨率和网格嵌套技术对降水模拟的影响及原因，为利用WRF模式研究高原南坡降水提供参考。主要结论如下：

(1) WRF模式分辨率为30 km时，高原南坡降水的模拟对积云对流参数化方案十分敏感，不同方案模拟的降水差异显著。比较发现使用Grell-Devenyi质量通量方案模拟的降水强度、空间分布和时间演变跟观测资料更接近。

(2) 当模式分辨率从30提高至6 km时，降水的空间分布改善较小，量值偏大，使用网格嵌套技术后，降水强度和分布均得到改善。提高模式分辨率和网格嵌套都能改善高原南坡的最大降水高度。不使用积云对流参数化方案时，降水的模拟效果明显变差。

(3) 水汽条件是造成不同试验方案降水差异的重要原因。各试验方案模拟的水汽分布及大小相近；风场的差异导致水汽输送和辐合的不同，进而引起降水的差异。低层流场能直接影响高原南坡的最大降水高度和高原平台的降水。

(4) 积云对流参数化方案、网格嵌套技术和提高模式分辨率通过影响降水来调节大气的垂直加热状态，它们还能通过改善垂直速度的大小和分布来提高降水模拟的准确性。积云对流参数化方案能影响大气低层的湿度从而影响降水。

虽然研究了WRF模式中积云对流参数化方案、嵌套技术和模式分辨率对陡峭的高原南坡夏季降水模拟的影响，也得到了一些初步结论，但是积云对流参数化方案在灰色带分辨率(1—10 km)的取舍问题以及GD方案是否适用于其他地区仍有待进一步研究。地形对降水模拟具有重要的影响，尤其在地形复杂的高原南坡，文中对此未做讨论，需要今后更加深入的研究。此外，在研究时因计算资源限制，只是对部分其他物理过程和积云对流参数化方案的组合进行了试验，也尚需进行更全面的试验。