WRF模式物理方案在四川盆地降水模拟中的不确定性定量化及优化.pdfVIP

WRF模式物理方案在四川盆地降水模拟中的不确定性定量

化及优化

摘要

目前中尺度高分辨率WRF（WeatherResearchandForecasting）模式已广泛

应用于短期降水预报研究。然而，由于物理参数化方案中的一些根据理论或经

验取值的参数对于四川盆地的降水模拟/预测不一定是最优的，这些参数的不确

定性使WRF模式的确定性降水预报存在较大误差。因此，本文基于四川盆地

夏季的四个典型降水个例，评估了WRF模式中不同参数化方案组合的降水预

报能力，并利用多项式混沌展开（PolynomialChaosExpansion，PCE）方法量

化了物理方案中经验参数的不确定性，识别出对降水模拟影响最大的参数，最

后利用观测数据和集合卡尔曼滤波（EnsembleKalmanFilter，EnKF）在一定程

度上优化这些会为降水模拟带来强不确定性的参数的取值，并对比验证了优化

参数在降水模拟中的表现。主要结论如下：

（1）利用站点数据评估WRF模式中48个多物理方案集合成员对2020年

和2021年8月四川盆地4个降水个例的模拟能力，发现集合平均能很好地捕捉

实况降水的大值区域和东北–西南向雨带。日间、夜间和24小时累积降水的

RMSE、MAE和ETS评分结果显示，每个研究时间段集合成员的模拟性能均存

在较大差异，在暴雨和大暴雨中表现更明显。利用多指标（RMSE、MAE和CC）

平均逐步筛选最优集合成员，发现Goddard微物理方案和ACM2（Asymmetric

ConvectiveModelVersion2）行星边界层方案的性能明显优于其他组合。基于空

间检验的SAL（Structure-amplitude-location）评分也得出了相似结论。

（2）采用PCE方法基于4个降水个例量化了WRF模式中10个经验参数

的不确定性，并用STD（StandardDeviation）值来表征。研究表明，不确定参

数对24小时累积降水的影响主要体现在强降水区域，4个个例的STD最大值

都超过了7mm。根据区域平均的STD值与逐时降水的研究，识别出适用于冰

下落速度的比例系数（ice_stokes_fac）、云冰直径的有限最大值（dimax）、计

算动量扩散系数的轮廓形状指数（pfac）以及表层顶部普朗特数的系数（bfac）

等对模式降水带来强不确定性的参数。此外，温度、露点、比湿和位温的模拟

结果也表明这些参数不仅会对降水模拟带来不确定性，还会显著影响其他模式

输出变量的预测能力。

（3）应用了WRF-EnKF系统，利用2020年8月10日–18日的观测数据

优化（2）中识别出的具有强不确定性的参数，并用4个降水个例评估它们的模

拟能力。结果显示，利用EnKF算法优化WRF模式中的不确定参数是合理且可

行的，优化后的参数基本都能有效减弱研究区域内的部分降水负偏差。对比各

参数降水的MAE、ETS评分后发现，参数ice_stokes_fac、pfac和bfac的优化

值对降水模拟有积极效果。此外，优化参数对温度、露点、相对湿度、比湿和

位温的模拟基本上都略优于默认参数。综上，WRF-EnKF系统对观测资料与模

式的结合以及数值模式中经验参数的优化有一定的参考价值和指导意义。

关键词：四川盆地，WRF模式，多物理方案集合，不确定性定量化，参数优化

UncertaintyQuantificationandOptimizationofWRFModel

PhysicalSchemesforRainfallPredictionovertheSichuanBasin,

China

ABSTRACT

Nowadays,themesoscalehigh-resolutionWRF(We