雨滴谱分布参数化对改进新疆强降水过程预报的评估.pdf

舒未希,范水勇,黄颖,等.2023.雨滴谱分布参数化对改进新疆强降水过程预报的评估 J.大气科学,47(4):11311150.SHUWeixi,FANShuiyong,HUANGYing,etal.2023.AssessingRaindropSizeDistributionParameterizationforEnhancedPredictionofHeavyPrecipitationProcessinXinjiangJ.ChineseJournalofAtmosphericSciences(inChinese),47(4):11311150.doi:10.3878/j.issn.1006-9895.2201.21204雨滴谱分布参数化对改进新疆强降水过程预报的评估舒未希1,2范水勇3黄颖4任婧5沈淑婧6,71中国科学院大气物理研究所云降水物理与强风暴重点实验室,北京 1000292中国科学院大学地球与行星科学学院,北京 1000493北京城市气象研究院,北京 1000894兰州大学大气科学学院,兰州 7300005郑州大学信息工程学院,郑州 4500016中国气象局云降水物理与人工影响天气重点开放实验室,北京 1000817中国气象局人工影响天气中心,北京 100081摘要本文利用 2018 年 7 月 3 日至 10 月 3 日新疆乌鲁木齐的雨滴谱观测资料，改进了乌鲁木齐区域高分辨率数值预报系统中 WRF 模式的 WSM6 单参数方案，对新疆 2021 年 6 月 15 日 12 时（北京时，下同）至 17 日 00时一次强降水过程的预报改进效果进行评估研究。结果表明：观测显示，乌鲁木齐地区雨滴平均直径（D0）、最大直径（Dmax）和质量加权平均直径（Dm）分别为 0.65mm、1.60mm 和 0.93mm。引入新疆地区参数 lgNw和 Dm拟合关系的 WSM6-new 方案对降水强度和强中心范围的预报能力均有一定提高。从 TS、BR、ETS 和TSS 四个指标的评分结果上看，随着降雨等级的增加，WSM6-new 方案预报能力相比 WSM6 方案明显提高，对于大雨和暴雨的预报显示出明显的优势。不同雨滴谱分布参数化方案对降水云系结构特征、垂直速度、大气层结和散度场都有着一定的影响，对于云微物理过程的影响主要体现在雨水含量和分布上。WSM6-new 方案引入了新疆雨滴谱统计特征，在模式中对雨滴谱分布的描述更接近实际。雨滴谱的大雨滴数浓度明显增加，雨滴下落末速度增加，拖曳作用增强，有利于零度层以下的下沉气流增强和维持。强下沉气流在近地层形成更强的辐散出流，加强了近地面对流区气流的辐合，有利于上升气流的发展加强，从而地面产生更强的降水，对暴雨的预报能力明显增强。关键词新疆WRF 模拟WSM6 参数化方案暴雨雨滴谱降水预报评估文章编号1006-9895(2023)04-1131-20中图分类号P435文献标识码Adoi:10.3878/j.issn.1006-9895.2201.21204Assessing Raindrop Size Distribution Parameterization for EnhancedPrediction of Heavy Precipitation Process in XinjiangSHUWeixi1,2,FANShuiyong3,HUANGYing4,RENJing5,andSHENShujing6,71Key Laboratory of CloudPrecipitation Physics and Severe Storms(LACS),Institute of Atmospheric Physics(IAP),Chinese Academy ofSciences(CAS),Beijing 1000292College of Earth and Planetary Sciences,University of Chinese Academy of Sciences(UCAS),Beijing 1000493Institute of Urban Meteorology,China Meteorological Administration(CMA),Beijing 1000894College of Atmospheric Sciences,Lanzhou University,Lanzhou 730000收稿日期2021-11-03；网络预出版日期2022-05-28作者简介舒未希，男，1996 年出生，博士研究生，主要从事中小尺度气象学及云物理研究。E-mail:通讯作者范水勇，E-mail:资助项目国家重点研发计划项目 2018YFC1507105Funded byNationalKeyResearchandDevelopmentProgramofChina(Grant2018YFC1507105)第47卷第4期大气科学Vol.47No.42023年7月ChineseJournalofAtmosphericSciencesJul.20235School of Information Engineering,Zhengzhou University,Zhengzhou 4500016CloudPrecipitation Physics and Weather Modification Key Laboratory(CPML),China Meteorological Administration,Beijing 1000817Weather Modification Center,China Meteorological Administration(CMA),Beijing 100081AbstractUtilizingtheraindropspectrumobservationdatafromUrumqi,Xinjiang,collectedbetween3Julyand3October2018,thisstudyaimedtoenhancetheWRFSingle-Moment6-class(WSM6)schemeintheUrumqiregionalhigh-resolutionnumericalpredictionsystem.TheimprovedschemeseffectivenessinpredictingheavyprecipitationeventswasevaluatedinXinjiangfrom1200BJT(Beijingtime)on15Juneto0000BJTon17June2021.Theresultsindicatedthattheaveragediameter(D0),maximumdiameter(Dmax),andmass-weightedaveragediameter(Dm)ofraindropsinUrumqiwere0.65mm,1.60mm,and0.93mm,respectively.Furthermore,therefinedWSM6-newscheme,whichconsideredthefittingrelationshipbetweenparameterslgNwandDminXinjiang,enhancedthepredictioncapabilityforprecipitationintensityandstrongcenterrangestosomeextent.Evaluationmetrics,suchasTS,BR,ETS,andTSS,revealedthattheWSM6-newschemesignificantlyimprovedthepredictionaccuracyasprecipitationgradeincreased,specificallyforheavyand torrential rainfall.Different raindrop size distribution parameter schemes influenced precipitation cloud systemscharacteristics,vertical velocities,atmospheric stratification,and divergence field.Moreover,the effect on cloudmicrophysicalprocessesprimarilymanifestedinrainwatercontentanddistribution.TheWSM6-newschemeincorporatedthestatisticalcharacteristicsofXinjiangsraindropspectrum,renderingtheraindropsizedistributioninthemodelmoreaccurate.The number concentration of larger raindrops in the raindrop spectrum increased significantly,along withterminalraindropvelocityandenhanceddrageffects.Thisfacilitatedtheintensificationandmaintenanceofdowndraftbelowthefreezinglevel.Thestrongdowndraftgeneratedapowerfuldivergentoutflownearthegroundlayer,whichintensified air convergence in the ground-level convection area,promoting updraft development and strengthening.Consequently,amoreintenseprecipitationprocessoccurredatthesurface,andthepredictioncapabilityforheavyrainandtorrentialrainwasremarkablyenhanced.KeywordsXinjiang,WRFsimulation,WSM6microphysicsscheme,Torrentialrain,Raindropspectrum,Evaluationofprecipitationforecast 1 引 言云是地气系统的重要组成成分之一，在大气水循环和能量平衡中起着重要的作用（张华等,2017）。一方面，云可以影响大气的长波和短波辐射，云微物理过程的潜热释放也是大气热量的重要来源。另一方面，云是大气水循环的中间环节，对水汽输送和降水有着重要的影响。云中水成物粒子基本可分为云水、雨水、云冰、雪晶、霰和雹，水成物粒子分布谱是云微物理过程和热动力过程共同作用的结果，对降水产生着重要的影响（MyersandNorris,2016;Lietal.,2017;程鹏等,2021）。在中尺度数值模式中，对云微物理过程发展和演变的准确描述很大程度上依赖于模式所选的云微物理方案。云微物理过程的描述可以分为分档方案和总体参数化方案两种（邓玮等,2019）。粒子分档方案将水成物粒子分为若干个粒径区间，在每个区间内单独计算粒子的物理过程，并将计算结果重新分配到各个区间内。总体参数化方案则是采用预设的分布函数来描述云内水成物的粒径分布。总体参数化方案又可分为单参数方案和多参数方案。单参数方案只预报水成物粒子的比含量，而多参数方案则可预报水成物粒子的数浓度和比含量。在单参数化方案中，谱型的演变仅由斜率参数 确定，截距参数 N0的值通常是固定的。双参数化方案则是通过截距参数 N0和斜率参数 的共同变化来反映粒子谱的演变，可以通过求解比含量和数浓度方程组得到。由于粒子分档方案要计算不同尺度档内的水成物粒子浓度变化，需要大量计算资源，效率很低。相比之下，参数化方案仅计算了截距参数 N0和斜率参数 的变化，在合理体现粒子谱的演变和转化特征的同时，显著提高了计算效率。因此，在中尺度数值模式中，常采用参数化方法来描述云微物理过程（Bringietal.,2002;Griffinetal.,2021）。现阶段，粒子谱分布模型多采用M-P（Marshall-Palmer）分布和 Gamma 分布。这两种谱分布参数化方法采用的粒子谱分布一般是连续的，其在很大程度上依赖于预设粒径谱的形状特征，其中雨滴粒大气科学47卷1132ChineseJournalofAtmosphericSciencesVol.47子分布谱及其变化对降水过程有着重要的影响（郭学良等,1999;赵震和雷恒池,2008;TaoandHong,2009;Kovaevianduri,2015;Yangetal.,2019）。不同雨滴谱分布对雨滴源汇项会产生直接的影响，从而影响云滴、冰晶、雪、霰和雹粒子的浓度和含量，并通过云微物理过程影响云内热力和动力过程（MilbrandtandYau,2005;刘晓莉和王琼,2018）。实际观测表明，雨滴谱的分布特征会随着降水地区、降水类型和降水强度的不同而产生明显差异（严采蘩和陈万奎,1993;陈宝君等,1998;Yinetal.,2011;罗俊颉等,2012;温龙等,2015;房彬等,2016）。对于不同降水类型，其雨滴谱的截距参数 N0和斜率参数 是不一样的（陈德林和谷淑芳,1989）。层云降水平均雨滴谱较窄，主要呈指数分布，而积云和积层混合云降水雨滴谱较宽，且在大雨滴一端经常呈现多峰分布结构（宫福久等,1997）。随着降水云系发展演变的时间和位置不同而产生的截距参数 N0差异可达 2 个数量级（Waldvogel,1974）。在一些个例中，N0随着雨强的增大而增大，而斜率参数 则随雨强的增大而减小（陈宝君等,1998）。随着精细化预报服务的需求越来越高，尤其是中小尺度强降水短临预报业务的需求，对云微物理过程的描述要求更加精确。Seifert（2005）将观测得到的雨滴谱参数关系式耦合至云模式中，发现对云微物理特征和地面降水的模拟效果都有一定提高。梅海霞等（2017）将观测得到的中国江淮地区雨滴谱参数关系式耦合到 WRF 模式的 Milbrandt2-mom 双参数方案中，结果表明，新方案对江淮梅雨降水过程模拟的系统性偏差有一定的改善能力，对降水局地的空间分布特征的模拟能够发挥修正作用，并发现雨水含水量的减小和雨滴质量加权末速度的增加可能是试验中改善降雨模拟的重要原因。这些研究结果说明，在中尺度数值模式中，将局地观测的雨滴谱特征引入到参数化方案中，从而修正模式对雨滴谱特征的表达可能可以改善对局地降水的模拟预报效果。目前，我国在国家级和 8 个区域中心分别建立了区域数值预报业务系统。其中，国家级业务系统基 于 GRAPES（Global and Regional AssimilationandPredictionSystem）建立，其预报时效为 84h，空间分辨率为 1015km，可以提供全国范围的确定性和集合预报结果；8 个区域气象中心基于GRAPES 或WRF（WeatherResearchandForecastingModel）分别建立了区域数值预报业务系统，可提供覆盖本区域的预报时效为 72120h，空间分辨率为 39km 的预报结果（陈德辉和薛纪善,2004;闫之辉等,2010）。此外，部分区域中心还建立了预报时效为 1224h，空间分辨率为 3km 的快速循环同化预报系统。其中，国家级、华北、华东、华南、东北、西南和乌鲁木齐区域高分辨率数值预报业务系统中的云微物理方案均采用了 WSM6（WRFSingle-Moment6-classMicrophysicsscheme）单参数方案（Chenetal.,2013）。然而，WSM6 方案中给出的雨滴谱参数特征与实际情况之间还存在明显差距。如何在微物理方案中考虑局地雨滴谱特征，更好地反映雨滴的相关物理过程，从而能更好地模拟和预报地面降水成为亟需解决的重要问题。新疆位于中国西北部，由于气候变化的影响，近年来新疆地区降水量增加，并且极端暴雨频发（丁一汇等,2006;Heetal.,2020），这给当地人民的生命财产安全带来了严重危害。然而，由于新疆地域辽阔、地形复杂，与中国东部、南部等其他地区的情况有较大不同，水汽来源与东部的季风区也有很大差异，降水表现出强的局地性，预报难度很大（黄昕等,2021）。因此，对新疆降水的预报和模拟亟需进一步提高。本文利用 2018 年 7 月 3 日至 2018 年 10 月 3 日新疆乌鲁木齐的雨滴谱观测资料，对乌鲁木齐区域高分辨率数值预报系统中WRF 模式的 WSM6 单参数方案进行改进。通过对2021 年 6 月 15 日 12 时（北京时，下同）至 17 日00 时新疆一次强降水过程的预报进行评估，为提高乌鲁木齐区域高分辨率数值预报系统的预报能力提供有意义的参考和理论依据。这将有助于改善数值模式对强对流降水的模拟和预报能力，提高对我国强对流降水形成机理及发展演变规律的科学认识水平。2 新疆雨滴谱特征分析 2.1 采样仪器和观测数据利用 2018 年 7 月 3 日至 10 月 3 日新疆乌鲁木齐的 PARSIVAL 激光雨滴谱仪（Lffler-MangandJoss,2000）探测的降水资料，分析了新疆乌鲁木齐地区降雨的雨滴谱特征。雨滴谱观测数据采样间隔为 1mim，采样截面积为 54cm2，每个采样间隔内的粒子谱测量数据都有 3232=1024 个。液态降4期舒未希等：雨滴谱分布参数化对改进新疆强降水过程预报的评估No.4SHUWeixietal.AssessingRaindropSizeDistributionParameterizationforEnhancedPredictionof.1133水的测量精度符合 WMO（世界气象组织）建议的5%，对降水粒子的测量具有一定的科学性（Lffler-MangandJoss,2000）。谱数据为 32 个直径通道，其中最低两个通道（直径通道 1 和通道 2）因信噪比较低超出了当前设备的测量范围，在仪器测量中无法对其进行评价，因此可测粒子直径范围为 0.2525mm（Xieetal.,2020）。由于直径大于 6mm 的雨滴在自然降雨中很难见到，一般认为这样的大雨滴在下落过程中已经破碎了（王鹏飞和李子华,1989），所以在数据处理时剔除直径大于 6mm 的雨滴数据。最后，共得到 4516 个有效样本，对应 39 次降雨过程。2.2 观测数据分析方法及基本特征谱分布函数实现了雨滴谱谱型的数学描述，研究表明，指数分布对雨滴谱具有较好的拟合效果且比较简单（MarshallandPalmer,1948;石爱丽等,2004）。因此，采用指数分布函数对雨滴谱进行拟合：N(D)=N0exp(D),（1）式中，D 是雨滴的直径，N(D)为直径为 D 的雨滴数浓度，N0是截距参数，是斜率参数。本文采用阶矩法计算 N0和（Testudetal.,2001;赵城城等,2021），雨滴谱的 n 阶矩量 Mn为Mn=wN(D)DndD.（2）参数 N0和 可由任意两阶矩（Mn和 Mm）决定，本文采用雨滴谱的 3、4 阶矩对指数分布的两个参数进行估计：=(Mn(m+1)Mm(n+1)1mn,（3）N0=Mnn+1(n+1).（4）利用雨滴谱的 3、4 阶矩，可以获得雨滴的质量加权平均直径 Dm和标准化截距参数 Nw：Dm=r0N(D)D4dDr0N(D)D3dD=M4M3=4,（5）Nw=44wLWCD4m=44(4)M53M44=N0,（6）其中，w是液态水密度，LWC 是含水量。可以看到，在指数分布中，标准化截距参数 Nw与 N0相等。由于雨滴谱中大雨滴对质量加权平均直径 Dm的影响较大，因此，Dm的差异主要体现了雨滴谱大尺度端的差异，可以很好地衡量降水粒子中大粒子的比重。Nw则是反映粒子浓度大小的物理量。采用雨滴谱的平均直径 D0可以描述雨滴尺度的平均情况：D0=r0N(D)DdDr0N(D)dD=M1M0.（7）2018 年 8 月 1213 日（Case1）和 2018 年 7月 45 日（Case2）新疆地区的两次降水过程均受到西西伯利亚低槽东移的影响，全疆大部出现分散性降雨，多个站点达到暴雨级别，区域最大累计降水量分别达到 45.6mm 和 102.6mm，乌鲁木齐市出现中到大雨。图 1 为两次强降水过程乌鲁木齐观测的平均雨滴谱分布和采用阶矩法的指数分布拟合的情况。可以看出，两次降水过程的平均雨滴谱分布相似，采用阶矩法的指数分布对雨滴谱的拟合情况较好，决定系数（R2）分别为 0.988 和 0.980，说明采用此拟合方法所得参数能较好代表真实的雨滴谱特征。两次过程最大雨滴直径约为 5.5mm，通过对比，这两次新疆的强降水个例与南京和山东的两次对流降水个例相比雨滴谱更窄，并且直径为 23mm 的雨滴数浓度相对更小（陈磊等,2013;王俊等,2021），说明新疆乌鲁木齐的雨滴谱特征具有一定的局地特性。图12018 年 8 月 1213 日（Case1）和 2018 年 7 月 45 日（Case2）两次强降水过程乌鲁木齐观测的平均雨滴谱及由指数分布（EXP1 和 EXP2）拟合的结果Fig.1Average raindrop size distributions and the exponentialdistributions(EXP1andEXP2)oftwoheavyprecipitationprocessesobservedinrmqiduring1213August2018(Case1)and45July2018(Case2)大气科学47卷1134ChineseJournalofAtmosphericSciencesVol.47表 1 为新疆乌鲁木齐地区观测的雨滴平均微物理特征，包括雨滴平均直径（D0）、最大直径（Dmax）、质量加权平均直径（Dm）和标准化截距参数的对数值（lgNw）。乌鲁木齐地区雨滴的 D0、Dmax和 Dm分别为 0.65mm、1.60mm 和 0.93mm。这与冯婉悦等（2021）通过对乌鲁木齐 2018 年112 月雨滴谱仪观测数据统计所得到的雨滴谱特征值（D0、Dmax和 Dm分别为 0.66mm、1.50mm和 0.89mm）基本一致。同时，新疆其他区域雨滴谱的研究表明，新疆各区域雨滴谱特征类似（张祖熠和杨莲梅,2018;Zengetal.,2020,2021），因此，此次观测的雨滴特征对新疆地区具有一定的普适性。新疆地区雨滴直径小于长江流域梅雨锋降水（D0、Dmax和 Dm分别为 1.40mm、2.39mm 和 1.41mm）、南京降水（D0、Dmax和Dm分别为0.87mm、2.18mm和 1.65mm）和北京地区的层状云降水（D0和 Dm平分别为 0.95mm 和 1.41mm）和对流云降水（D0和 Dm平均值为 1.20mm 和 1.99mm）；而雨滴平均直径略大于成都地区的积云降水和积层混合云降水（D0分别为 0.56mm 和 0.53mm）（刘红燕和雷恒池,2006;陈磊等,2013;柳臣中等,2015;温龙,2015）。Nw是反映粒子浓度大小的物理量，乌鲁木齐平均的标准化截距参数的对数值 lgNw为 6.68m4，略大于南京地区的 6.31m4。可以看到，不同地区降水雨滴谱特征存在明显的差异。3 云微物理参数化方案的改进及研究方法 3.1 WSM6 云参数化方案改进WRFSingle-Moment6-class（WSM6）方案是考虑了云滴、雨滴、冰晶、雪和霰五种粒子的单参数方案，包含了多种云微物理转化过程，对冰水的相态转化过程分开处理，使相态转化过程的描述得到 优 化（Hong and Lim,2006;Federico,2016）。WSM6 方案通过降低对模式积分时间步长的依赖性，更适合于高分辨率的数值模拟，在美国 4km预报模式中的表现优于 Lin 方案（Morrisonetal.,2009）。我国大部分区域高分辨率数值预报系统中的云降水微物理方案均采用了 WSM6，也具有较好的预报效果（黄丹莲等,2017;陈涛等,2017）。WSM6 微物理方案中假设雨滴为球形，雨滴的粒径分布服从 M-P 分布，则斜率参数 可表示为=(LN0qr)0.25,（8）斜率参数 由雨滴混合比 qr、水的密度 L、空气密度 和截距参数 N0诊断获得。WSM6 微物理方案中截距参数 N0为 8106m4，但在真实情况下，参数 N0在降水云系发展演变的不同时间和位置均可存在非常大的差异（Waldvogel,1974;陈宝君等,1998），因此截距参数 N0采用常数在很大程度上不能很好地描述云微物理过程，从而对预报结果产生一定的影响（Gilmoreetal.,2004）。参数 Nw和 N0代表了雨滴数浓度大小，参数Dm用于衡量雨滴中的大粒子比例。研究表明，Nw和 Dm在统计上具有很好的幂函数关系（梅海霞等,2020;Zengetal.,2021;Wangetal.,2021）。为了更好地描述较强降水的雨滴谱特征，符合新疆地区强降水雨滴谱特点，对降水强度大于 0.5mmh1的1950 个样本，利用非线性最小二乘法对 lgNw和Dm按 y=axb的形式进行拟合，则：lgNw=1.505D0.22m.（9）将（9）式代入（8）式可得参数 的关系式为=L101.505(4)0.22qr0.25.（10）在已知混合比和空气密度的条件下，通过牛顿迭代法对该斜率参数 的方程进行数值求解。这样，N0不再为常数值，模式中对雨滴谱的表达更加符合新疆局地特征。从而，可以得到在 WSM6 方案基础上改进的引入新疆地区雨滴谱特征的 WSM6-new 方案。从图 2 的 lgNwDm分布关系可以看出，WSM6-new 方案中拟合的 lgNwDm关系相比于另外两个方案更好地体现了观测的特征。同时，在雨滴混合比、水的密度和空气密度一定的条件下，可以得到两个方案的雨滴谱分布。从图 3 可以看出，3 个方表 1 2018 年 7 月 3 日至 10 月 3 日乌鲁木齐地区观测的雨滴谱各参数平均值、标准差Table 1 The mean and standard deviation of raindropspectrum parameters observed in rmqi from 3 July to 3October 2018D0/mmDmax/mmDm/mmlgNw/m4平均值 标准差平均值 标准差平均值 标准差平均值 标准差0.650.111.600.710.930.276.680.494期舒未希等：雨滴谱分布参数化对改进新疆强降水过程预报的评估No.4SHUWeixietal.AssessingRaindropSizeDistributionParameterizationforEnhancedPredictionof.1135案的雨滴谱分布特征差异较大，引入新疆雨滴谱特征的 WSM6-new 方案相比 WSM6 方案的小雨滴数更少，而较大的雨滴更多。这与 WRFDouble-Moment6-Class（WDM6）和 WSM6 方案的雨滴谱特征所体现出的差异类似，并且，在 3 个方案中，WSM6-new 方案雨滴谱的大雨滴数浓度最大。因此，WSM6-new 方案中的雨滴谱对大雨滴具有更好的描述能力，有望提高对强降水的预报能力。3.2 新疆一次暴雨过程及模式设计2021 年 6 月 1517 日受中亚低值系统影响，新疆和田、喀什和克州地区出现罕见强降水天气过程。此次强降水过程具有累计雨量大、暴雨站数多、图2WSM6、WDM6 和 WSM6-new 方案的 lgNwDm分布及乌鲁木齐地区 2018 年 7 月 3 日至 10 月 3 日观测的散点图。WSM6-new 的lgNwDm分布为观测数据的拟合曲线，WDM6 方案中假设雨滴数浓度 N=1103m3，I 表示地面降雨率Fig.2lgNwDmdistributionsforWSM6,WDM6,andWSM6-newschemesandscatterdiagramobservedinrmqifrom3Julyto3October2018.DmandNwrepresentthemass-weightedaveragediameterandstandardizedinterceptparameters,respectively.lgNwDmdistributionforWSM6-newisfittingcurveofobservation.InWDM6scheme,assumedN=1103m3.Irepresentsgroundrainfallrate图3WSM6、WDM6 和 WSM6-new 方案在假设 L=1000kgm3、=1.0kgm3和（a）qr=2104kgkg1、（b）qr=4104kgkg1、（c）qr=6104kgkg1时的雨滴谱分布Fig.3RaindropsizedistributionsfortheWSM6,WDM6,andWSM6-newschemes.AssumedL=1000kgm3,=1.0kgm3,andqr=2104kgkg1in(a),qr=4104kgkg1in(b),andqr=6104kgkg1in(c)大气科学47卷1136ChineseJournalofAtmosphericSciencesVol.47影响范围广和极端性强等特点。图 4a 为站点观测降水数据插值的 6 月 15 日 12 时至 16 日 12 时 24小时累计降水空间分布。可以看出，降雨分布比较集中，雨带具有沿山脚分布的特征（图 5），和田、喀什和克州地区出现大暴雨，和田地区局地出现特大暴雨。经统计，148 站次 24 小时累计降水量达到暴雨（24mm）级别，54 站次出现了大于10mmh1的短时强降水。图 4b 为观测的小时雨强最大站点的逐小时累计降水演变，可以看出此次降水的极端性特征，从 15 日 20 时开始，降水突然增加，到 21 时达到最大值，之后降水强度迅速下降。本研究利用乌鲁木齐区域高分辨率数值预报系统，采用两重嵌套网格（图5），中心位置为（38.0N，78.5E），水平分辨率分别为 9km 和 3km，积分步长分别为 54s 和 18s，垂直方向 38 层，模式层顶 50hPa。模式初始场采用间隔 3h、空间分辨率0.50.5的 ECMWF 第五代全球大气再分析资料（ERA5）（https:/www.ecmwf.int/2021-10-31），模拟时间为 2021 年 06 月 15 日 00 时至 2021 年 06月 17 日 00 时，共积分 48h，表 2 为具体方案设计。为检验改进的微物理方案对新疆强降水过程预报的改进能力，根据模式中云物理方案，对WSM6 单参数方案和 WDM6 双参数方案（LimandHong,2010）以及本文改进的 WSM6-new 方案开展数值对比试验。3.3 降水预报评估检验方法对模式预报降水的效果评估以检验其落点和强度预报的准确性为主。使用地面区域加密自动站的降水资料（http:/ 年 6 月 15 日 12 时（北京时，下同）至 16 日 12 时和田、喀什和克州地区 24 小时累计降水量（单位：mm）分布；（b）2021 年 6 月 15 日 12 时至 17 日 00 时雨强最大站点（36.99N，80.09E）的逐小时累计降水演变Fig.4(a)Distributionof24-hcumulativeprecipitation(units:mm)intheHotan,Kashgar,andKezhouregionsfrom1200BJT(Beijingtime)15Juneto1200BJT16June2021.(b)Evolutionofhourlycumulativeprecipitationatthestation(36.99N,80.09E)withmaximumrainfallintensityfrom1200BJT15Juneto0000BJT17June20214期舒未希等：雨滴谱分布参数化对改进新疆强降水过程预报的评估No.4SHUWeixietal.AssessingRaindropSizeDistributionParameterizationforEnhancedPredictionof.1137点上得到站点降水预报值。为了更加客观和综合地评估预报结果，采用了多种降水预报评估检验方法，包括 TS 评分、偏差（BR）、公正预兆得分（ETS）和 真 实 技 巧 评 分（TSS）（Gandin and Murphy,1992;徐国强等,2010;屠妮妮等,2020）。TS 值的范围在 0 到 1 之间，随着预报准确率的增加而增加。BR 用于评估预报降水的空报和漏报程度。当无空报和漏报时，BR=1，表示预报效果最佳；当空报次数小于漏报次数时，BR1，表示降水预报不充分；而当漏报次数小于空报次数时，BR1，表示降水预报过度。ETS 评分消除了参与统计的站点数量对 TS 评分的影响。当无空报和漏报时，ETS=1，表示预报效果最佳，而 ETS0 表示无预报能力。TSS 更全面地评估了降水的分级预报效果，评估包括降水事件和非降水事件。当对降水和非降水事件的预报都准确时，TSS=1，表示预报效果最佳；而当对两者的预报都不准确时，TSS=1，表示没有预报能力（熊秋芬,2011）。模 式 短 期 定 量 降 水 预 报（QuantitativePrecipitationForecast，QPF）检验通常根据当地特殊的天气气候特征给定各等级降水的阈值，通过统计结果计算各检验指标的值（杨显玉等,2020）。新疆位于干旱、半干旱地区，本文参考针对新疆气候特点提出的降水量级标准（肖开提多莱特,2005），根据累计降水量（R）进行降水等级划分（表 3）。预报结果的检验主要分为 24h 累计降水、12h 累计降水和 1h 累计降水。4 降水预报评估分析 4.1 24 小时累计降水量预报评估从图 6 可以看到，随着降水等级阈值的提高，TS、ETS 和 TSS 评分逐渐下降。对于小雨量级，WSM6 方案的评分略高于 WDM6 和 WSM6-new方案，对于中雨量级，WDM6 方案略高于其他两图5WRF 模式模拟区域及地形高度（阴影，单位：m）的分布Fig.5TwonesteddomainsinWRFmodelandthedistributionofterrainheight(shadings,units:m)表 2 2021 年 06 月 15 日 00 时至 2021 年 06 月 17 日 00 时新疆一次强降水过程 WRF 模式的网格和物理方案设置Table 2 Domain and physical scheme settings in WRFModel for a heavy rainfall process from 0000 BJT on 15June to 0000 BJT on 17 June 2021 in Xinjiang区域1区域2网格距9km3km格点数（纬向经向）600450422340垂直层3838模式顶高50hPa50hPa积云参数化方案Kain-Fritsch（KainandPinto,1990）边界层方案YSU（Hongetal.,2006）YSU陆面过程方案Noah（ChenandDudhia,2001）Noah长波辐射传输方案RRTM（Mlaweretal.,1997）RRTM短波辐射传输方案Dudhia（Dudhia,1989）Dudhia表 3 新疆地区降水强度等级划分标准Ta