引言

长江中下游地区受季风气候影响显著，全年降水主要集中在汛期，期间强降水事件频发。6—7月，长江流域附近常常会出现连阴雨天气，由于此时正值江南梅子黄熟季节，故称梅雨。梅雨期是东亚夏季风季节性北推的重要阶段，梅雨期间频繁的强降水过程常给我国长江中下游地区带来严重的洪涝灾害，给地方经济造成巨大的损失，并严重威胁人民群众的生命财产安全(马悦等，2022；钟倩媚等，2023；杨雅涵等，2024；杜如意等，2024)。夏季青藏高原云团发生东移往往会带来高原东部以及长江流域的强降水，其中高原东移云团向长江流域的传播是1998年7月长江流域大暴雨发生的重要背景条件之一(Zhang et al，2021；Zhao et al，2022；范旭燕和李跃清，2022；庄照荣等，2025)。对于梅雨期极端降水事件，现有模式对其降水预报在量级以及时空分布上精准预报难度较大(Zhang et al，2025)。

云微物理过程在降水系统的发生、发展、成熟和衰亡阶段起着至关重要的作用(Cui et al，2021；Xu et al, 2021；Tong et al, 2021)，其通过进一步综合影响中尺度系统的动力、热力结构来呈现出不同的中尺度环流特征(王艳杰，2009)。政府间气候变化专门委员会(IPCC，2023)第六次评估报告指出，云微物理过程是形成云的关键，深入理解云微物理过程，是国际前沿的热点和难点问题，也是天气与气候模式发展的瓶颈，云微物理过程及其反馈机制是导致数值模式预报不确定性的最大因素(Houghton et al, 2001)。合理描述云物理过程以及云与大尺度环境的相互作用是准确模拟各种天气过程的关键因素之一(Cess et al，1989；尹金方等，2014)。国内外进行了大量云微物理参数化方案对极端降水模拟的影响研究(王丹和余贞寿，2023)。Lin et al(2022)评估了WRF模式模拟三种云微物理方案对台风“利奇马”不同雨带的雨滴谱特征的表现，结果表明，三种方案均高估了雨滴平均直径而低估了数浓度，且模拟雨滴谱在台风眼墙和雨带之间的变化幅度小于观测。针对干旱地区的极端降水模拟，Mekawy et al(2023)评估了六种云微物理参数化对于发生在埃及的一次极端强降水事件模拟性能差异, 发现Lin和Goddard方案表现最佳。Mwageni et al(2025)利用不同的云微物理和陆面参数化方案组合对坦桑尼亚的一次极端降水时间进行评估，发现WSM6表现更好。Luo and Wu(2025)通过不同参数化方案对华南两次不同类型的强降水模拟评估指出，云微物理参数化方案的模拟性能依赖于降水类型。针对云微物理参数化对于复杂地形下极端强降水模拟的敏感性，Biswasharma et al(2024)评估了不同积云对流参数化和云微物理参数化方案的组合对印度东北部那加兰邦丘陵地带的极端降水模拟性能差异。Tiwari and Bush(2025)评估显示，地形强迫与微物理过程的耦合效应是模拟偏差的关键来源。不同的云微物理参数化方案再现不同类型天气过程的能力存在较大差别，即使各方案对于同一天气过程大气环流形势的演变、降水分布和强度等能够进行合理再现，对于云微物理过程的模拟能力仍然存在着较大差别(林文实等，2009)。国内在云微物理方案改进方面也做了较多工作，Zhao et al(2021)对原有的单参数云微物理参数化方案优化，研发了双参数方案，极大改进了飑线的模拟效果。徐晓齐等(2024)和Xu et al(2024)通过加入云滴活化过程并实时更新云滴数浓度和植入云滴混合蒸发参数化，对2021年川藏铁路沿线汛期的大范围降水过程的模拟效果得以提升。Deng et al(2025)针对台风暴雨模拟中云微物理参数化方案因静风假设导致的模拟偏差，通过融入水平风速、垂直风切变及湍流等动力因子和调整粒子间碰撞速度差改进碰撞破碎率，显著提升了台风降水云微物理过程的模拟精度。

以往对于云微物理方案的评估均以降水观测作为参照，而降水模拟结果的优劣不仅与云微物理过程有关，还与热力、动力条件以及陆面等因素有关，因此，仅以降水为参照来评估云微物理参数化方案的适应性存在局限。水凝物的源汇分析结果也大多是模式模拟结果，缺乏有效的观测证实。欧洲中期天气预报中心提供的第五代再分析资料(ERA5)，包含1950年以来的大气、海洋和地表产品，与ERA-Interim数据相比，其数据质量有所提升且具有更高的时空分辨率(Hersbach et al，2020)，其中水凝物和云量再分析数据可用来评估模式模拟的云微物理误差。

利用辐射模式和大气模式预报的气象要素(温度、气压、湿度、云量)计算亮度温度(以下简称亮温)，并与实时卫星观测相比较，可用来评估模式模拟效果(Luo et al，2016；Galligani et al，2017；Yao et al，2020)。Sun and Rikus(2004)利用静止卫星和辐射亮温模式诊断出澳大利亚全球数值预报模式的亮温暖偏差是由于冰水含量偏低造成的。陈靖等(2015)利用MTSAT卫星观测和辐射亮温模式诊断出TJ-WRF模式模拟的对流强度偏弱，地面温度偏高。Zou et al(2016)利用ECMWF再分析资料、通用辐射传输模式(CRTM)与RTTOV评估了葵花8卫星资料的系统偏差。Yao et al(2020)利用葵花卫星资料和CRTM评估了三种再分析资料的精度。Li et al(2020)发展了一个新的辐射传输模式(ERTM)，并利用台风个例评估显示，模拟的台风与观测有很好的一致性。即利用静止卫星资料与辐射传输模式相结合可以在很多方面开展研究应用，特别是在对模式进行诊断与评估方面。由于卫星观测的亮温在很大程度上由云顶温度所确定，根据亮温的高低可判定云的高度，从而确定云的存在、云类型及其发展程度。只要辐射模式的精度与卫星的观测精度一致，模式与卫星亮温的偏差就可归结于模式热力和云微物理模拟的误差。

一次降水过程的发生，主要受高低空不同天气系统配置的综合影响，当天气系统的位置和强度发生变动时，必会影响降水的发生位置、强度和持续时间。大气中的非绝热加热是维持大气环流和天气系统发展的主要热力强迫因子(高丽和李建平，2013)，因此由于天气系统造成的降水过程与非绝热加热之间存在密不可分的关系(姚秀萍等，2019)。大气的非绝热加热包括辐射加热、感热加热和潜热加热，其中辐射加热偏差可从侧面反映出云微物理结构的差异，进而对降水产生重要影响(Luo et al，2016)。因此，对模拟辐射加热的偏差进行评估十分必要。

水汽是产生降水的物质基础，充足的水汽是产生强降水的必要条件(余洋等，2024)。当今全球卫星导航系统(GNSS)水汽监测网及其探测技术日益成熟(Wolfe and Gutman, 2000), 连续、高时空分辨率的大气可降水量(PWV)观测可更好地刻画降水过程前后的水汽演变特征。余洋等(2024)基于2019年和2020年6—7月GNSS水汽监测网和并址气象站的同步数据，利用临界成功指数和命中率两个检验指标，探索建立了基于PWV、6 h水汽增量及假相当位温距平的短时强降水阈值预报方法，对梅雨期短时强降水以及暴雨发生区域有较好的指示性。本文将利用GNSS的PWV数据分析模式模拟降水的水汽偏差来源。

综上，本研究将利用多种观测资料，分析WRF模式模拟降水量在云微物理、辐射以及水汽方面的误差表现。

1 资料和方法 1.1 资料说明

实况降水量采用0.1°×0.1°的小时降水量融合降水产品(宇婧婧等，2013)，本文采用每日08时(世界时，下同)至次日08时的累计降水量作为日降水量。利用ERA5再分析数据(Hersbach et al，2020)的水凝物和云量作为基准来评估模拟误差(Bessho et al, 2016)。红外亮温资料来自葵花8卫星6.2、8.6、11.2 μm通道，时间分辨率为10 min，星下点水平分辨率为2 km；另外还使用了葵花8卫星反演的云光学厚度和云有效半径数据。辐射数据来自东亚-太平洋地表下行长短波辐射数据集(https://cstr.cn/18406.11.Meteoro.tpdc.271729.)，时间分辨率为10 min，空间分辨率为0.05°×0.05°，并充分考虑到了云、高气溶胶背景和地形效应对辐射的影响，均方根误差小于ERA5等常用辐射产品。利用GPS/MET数据反演的大气整层可降水量评估模式预报场的水汽误差(李红莉等，2017)。

采用WRF4.0进行模拟，两层嵌套，内、外层嵌套分辨率分别为3 km、9 km，垂直方向上为38层，模式顶高为50 hPa。模式驱动数据采用美国国家环境预报中心(NCEP)的FNL全球分析资料，时间分辨率为6 h，空间分辨率为1°×1°, 垂直分辨率为32层，起始时间为2016年6月29日12时。图 1为区域设置，表 1为模式运行的方案设置，其中，云微物理方案分别为WRF D6(简称WD6)、Thompson和Morrison方案，三种方案的水凝物种类和数量相同，具体包括云水、雨水、冰晶、雪、霰和雹，其中云水和雨水为液态水凝物，其余均为固态水凝物。

利用通用辐射传输模式(CRTM)检验模式云微物理过程的模拟结果(Johnson et al，2023)，先利用WRF模式预报场(大气、云以及地面预报数据)作为辐射传输模式的输入，输出结果与葵花8卫星观测亮温进行对比(图 2)，来评估模式模拟的云微物理过程误差(Sun and Rikus, 2004)。

1.2 统计方法

本文用到的统计指示有偏差(Bias)、相关系数(R)、均方根误差(RMSE)和平均绝对误差(MAE)，其中R越大表示相关性越强，Bias、RMSE和MAE数值越小代表预测越精准。

2 降水量模拟 2.1 降水过程实况

2016年6月底至7月初长江流域发生了特大暴雨，造成了重大伤亡和经济损失(Chen et al，2020)。6月29日至7月5日，湖北总降水量大部分在200 mm左右，其中东部超过500 mm(图 3a)；有150个以上区域自动气象站累计降水量超过200 mm，最大达796.1 mm(黄冈红安)；有37个国家级气象观测站累计降水量超过100 mm，其中有3个站突破1949年以来历史极值(张萍萍等，2018)。从逐日降水量演变来看，湖北主要降水时段在6月30日和7月1日，有两个降水中心(图 3b，3c)。

2.2 降水量模拟评估

对此次过程湖北降水极值时段进行模拟分析，模拟结果如图 4所示。与降水观测相比，WRF模式三种云微物理方案均很好地模拟出了降水的初始、发展与成熟阶段，与观测有很好的一致性。其中Morrison模拟效果最好，其平均相关系数最高，Bias并列最小，而对于RMSE和MAE，WD6表现最好，其次为Morrison(表 2)。总体看来，相对于其他两种方案，Morrison模拟降水结果与观测更接近。

为评估三种云微物理方案模拟降水的时间变化结果，对模拟结果作区域面积(图 4所示范围)平均并与相应观测区域降水平均结果进行比较。从图 5来看，观测小时降水量峰值在6月30日18时，三种方案模拟的峰值均在7月1日00时，较观测滞后6 h，但Morrison在6月30日18时模拟的降水量与观测最接近，但量级偏小。

为评估模式固态和液态水凝物模拟结果，对模拟结果作面积(图 4所示范围)平均并与ERA5相应区域面积平均作比较。由图 6可知，与ERA5几种水凝物的垂直廓线相比，三种云微物理方案的模拟具有不同程度的不确定性，其中云水含量模拟与ERA5比较接近。6月30日12时，Thompson模拟的冰晶含量不确定性最大，这是由于其模拟冰晶含量的量级很小，远低于Morrison、WD6和ERA5，而其模拟的雪含量较Morrison、WD6和ERA5大很多。对于雨水的模拟，三种方案均大于ERA5，且有较大的不确定性。而WD6模拟霰的含量较Thompson和Morrison大。对于6月29日18时至7月1日12时的平均云量，与ERA5相比，三种方案对600~300 hPa的中高云存在高估，而对于中低云存在低估。由此可见, 三种云微物理方案对于固态水凝物的模拟具有较大的不确定性，这是由于不同云微物理方案对于固态水凝物的生成、转化与消耗存在较大差异所致(毛志远等，2025)。

综上，三种云微物理方案较好地模拟了降水过程，但是还存在一定的偏差。根据经验，水汽、云微物理、动力和热力等模拟偏差均会带来降水量模拟的误差。此外，模拟误差还与模式本身有关系，比如模式分辨率、陆面过程、模式后处理及初始场等。下文主要分析模式模拟降水量在云微物理、辐射以及水汽方面的误差表现。

3 亮温模拟评估

利用葵花8卫星的三个通道(6.2、8.6、11.2 μm) 红外亮温资料和CRTM对2016年6月29日至7月1日WRF模式模拟的三种云微物理方案进行适应性评估。结果如图 7所示，三种方案模拟的云的发生和发展过程与观测有很好的一致性，但在水汽通道(6.2 μm通道)模拟亮温偏高。

从水汽通道散点分布(图 8)可以看出，三种方案模式模拟的亮温大小在200~290 K，而观测在190~245 K，表明模式模拟低估了中低云的发生频率。而对于8.6 μm、11.2 μm通道，三种方案模拟与观测的差别相对较小。

在8.6 μm通道中，不同相态云的吸收率是相似的，但在11.2 μm通道中，冰云的吸收率比水云要大得多。因此当冰云含量较高时，二者亮温差值一般为正，而当水云含量较高时，亮温差值一般为负，因此，可通过这两个通道的亮温差值来判断冰云、水云含量。由于6.2 μm通道为很强的水汽吸收通道，且对流层温度递减率为负值，因此与11.2 μm通道亮温差值往往为负，且随着云高的增加而增加，由于水汽和较高的地面温度影响，最大的负值一般在晴空区域。正值或者接近于零值的亮温差异一般来自于云顶(Yao et al，2020)。因此，6.2 μm与11.2 μm通道的亮温差值往往被用来区分不同高度的云，当亮温差值在-45~-30 K，为低层云；在-30~-10 K，则被认为是中层云；-10 K以上则为高层云(Yao et al，2020)。

根据以上原理，葵花8卫星观测的8.6 μm和11.2 μm通道亮温差值在湖北西部为负、东部为正(图 9b)，而三种方案模拟的数值在这两个区域均为正，且量级大于观测亮温差异，这表明三种方案模拟结果在湖北西部低估了冰云，而在东部高估了水云。而对于6.2 μm和11.2 μm通道亮温差值(图 9a)，观测亮温差值在湖北西部为负，且均小于-20 K，以中低云为主，在东部也为负，在-10~0 K，以高云为主，而三种方案的模拟结果在湖北均为正，因而以高云为主，这表明三种方案对于中低云的模拟存在低估。

从各通道模拟亮温与观测的差值来看(图 10)，在水汽通道(6.2 μm通道)，WD6模拟的亮温在湖北基本大于观测，但正偏差主要位于湖北东部和西部。正偏差数值范围在0~50 K，表明降水区域模式背景场水汽相比观测存在低估；Thompson模拟的正偏差主要位于湖北东部和西南部，而Marrison基本为负，但差值较小。对于8.6 μm和11.2 μm通道，三种方案模拟结果与观测的差值分布与6.2 μm通道较为相似。

为进一步分析冰云在降水模拟中的重要性，通过敏感性试验模拟对比有无冰、雪、霰粒子，当模式模拟不包含这三种粒子时，三种方案模拟的亮温正偏差更大(图略)，表明冰云在亮温模拟过程中具有重要作用。

4 下行辐射和水汽模拟 4.1 下行辐射模拟

为了评估三种云微物理方案的下行段辐射模拟结果，用模拟结果减去观测，得到模拟下行短波辐射偏差分布(图 11)。由图 11可知，在雨区边缘模拟辐射与观测相比，偏差为正(200 W·m^-2左右)，而在雨区偏差为负，这表明在雨区范围，偏差可能是由模式模拟的云量过量、云水或冰晶路径偏多造成的，而在非雨区可能是由水汽偏少造成偏差为正，以上分析结论将在4.2节水汽模拟部分进一步证明。

本文所用云观测资料来自葵花8反演的云光学厚度和云有效半径产品，其算法与来自Terra和Aqua平台中分辨率成像光谱仪(MODIS)的官方Collection-6云检测产品相匹配(闵敏，2021)。本文对于模拟云光学厚度和云有效半径的计算方法参考Yao et al(2018)。结合图 11a，从图 12a可以看到，在雨区，模式模拟的云光学厚度偏低，而云有效半径偏大(图 12b)，这将导致模式模拟的下行短波辐射偏差为负。由于云水、云冰含量与云光学厚度成正比，而与云有效半径成反比，因此，模式模拟的雨区内云水、云冰总含量偏低。

4.2 水汽模拟

为了进一步分析模式初始场中水汽是否存在低估，将模式模拟的大气可降水量插值到站点，与相同位置的GPS观测站(图 13)进行比较，共30个站点，其中15个站点差值为负，15个站点为正。差值分布显示，在湖北西南部和东部的降水区域模式模拟的大气可降水量差值均为负，其中阳新和嘉鱼模拟结果分别为35.06 mm和36.09 mm，而观测分别为61.31 mm和65.67 mm，差值分别达-26.25 mm和-29.58 mm, 表明在降水区域模式模拟大气可降水量明显偏低，这也解释了图 11中WD6和Thompson方案水汽通道模拟亮温正偏差主要分布在湖北东部和西南部的原因，与图 12非雨区模拟下行短波辐射为负的分析结果一致，模式模拟降水量偏小与初始场水汽偏低有关。

为了检验模式初始场水汽是否在整个降水时段均偏弱，每6 h挑选一个时刻计算其模拟大气可降水量并与GPS观测对比，结果均显示湖北东部模拟的大气可降水量偏弱(图略)。

5 结论和讨论

本文基于多源遥感资料和通用辐射传输模式对2016年6月29日至7月1日一次由青藏高原东移云团造成的强降水进行模拟，主要对云微物理、辐射和水汽模拟结果进行评估。结果如下：

(1) 三种方案均很好地模拟出了降水的发生、发展与成熟阶段，与观测较为一致。其中Morrison模拟效果最好，与观测结果平均相关系数最高，Bias并列最小。三种云微物理方案对水凝物含量的模拟均存在不同程度的不确定性，其中对于云水含量的模拟与ERA5相比不确定性相对较低。

(2) 与葵花8亮温数据相比，三种云微物理方案模拟与观测有很好的一致性，模拟低估了中低云的发生频率。当模拟不包含冰、雪和霰时，三种方案模拟的亮温正偏差数值更大，表明冰云在亮温模拟过程中有着不可替代的作用。

(3) 与卫星反演下行短波辐射、云光学厚度和云有效半径数据对比表明，在雨区模式模拟的下行短波辐射偏差为负，这是由于模式模拟的雨区光学厚度偏小、云有效半径偏大造成的，也表明模式模拟雨区云水、云冰总含量偏小。

(4) 在降水区域，模式模拟的大气可降水量与GPS观测的差值均为负，其中阳新和嘉鱼的模拟偏差分别达到-26.25 mm和-29.58 mm。这表明模式模拟的降水量偏小与初始场水汽偏低有关。

极端降水的模拟误差是热力、动力和云物理综合作用的结果，以往研究只从某一个方面进行评估(如云微物理过程)来分析模拟降水误差来源，后续可在本文研究方法的基础上通过结合多种观测资料(云雷达、双偏振雷达等观测资料)和微波亮温模拟等进一步查找极端降水模拟的误差来源，为后续模拟极端降水评估与改进提供借鉴。