本研究由来自中国气象科学研究院（CAMS）灾害性天气国家重点实验室（LaSW）的Jinfang Yin、Xudong Liang、Haile Xue，以及中国气象局（CMA）广州热带海洋气象研究所的Hong Wang共同完成，通讯作者为Jinfang Yin。该研究论文题为“Representation of the autoconversion from cloud to rain using a weighted ensemble approach: a case study using WRF v4.1.3”，发表于学术期刊Geoscientific Model Development (GMD) 第15卷，于2022年1月27日正式出版。
学术背景 本研究属于数值天气预报和气候模式中云微物理参数化领域。云和降水过程是天气和气候模拟中最大的不确定性来源之一。在暖云（不含冰相过程）降水中，云滴通过碰撞并合过程自动转化为雨滴的速率，即自动转化（Autoconversion, ATC）过程，是云微物理参数化的一个关键环节。过去几十年，研究者们提出了众多ATC参数化方案，例如Kessler（1969）方案、Berry和Reinhardt（1974）方案、Khairoutdinov和Kogan（2000）方案以及Liu等（2006）方案等。然而，这些方案在物理基础、考虑因子（如云水含量、云滴数浓度、谱形参数等）和计算形式上千差万别。对于给定的云水条件，不同方案预测的自动转化率可以相差几个数量级。迄今为止，没有一种方案能够在所有条件下都表现出色，这使得模式对微物理参数设置非常敏感，导致模拟结果存在显著差异。这种不确定性在跨尺度（如从云尺度到气候尺度）的模式中尤为突出。
为了减少单一参数化方案固有的不确定性，并寻求一种能在不同天气条件和模型分辨率下更稳健地表现ATC过程的方法，本研究提出了一个加权集合（Weighted Ensemble，文中缩写为EN） 方案。该方案的核心思想是：在一个微物理方案框架内，同时调用多个广泛使用的ATC方案进行计算，最终的自动转化率是这些方案计算结果的一个加权平均值。其目标是，通过集合平均的方式，平滑掉单个方案可能存在的极端偏差，从而获得一个更为合理和可靠的自动转化率估计。本研究旨在通过一个中国南方的极端降雨个例，验证这种新颖的集合方案在改进降水模拟，特别是极端小时降雨率模拟方面的潜力和效果。
详细研究流程 本研究的工作流程主要包括四个部分：1）集合方案的设计与理想化测试；2）将新方案耦合到数值模式中；3）利用真实极端降雨事件进行模拟试验；4）对比分析模拟结果，并从宏微观物理过程角度探究机理。
第一部分：集合方案设计与理想化测试。 研究选择了四个具有代表性且广泛应用的ATC方案作为集合成员：Kessler（KE）方案、Berry-Reinhardt（BR）方案、Khairoutdinov-Kogan（KK）方案和Liu-Daum-McGraw-Wood（LD）方案。其中KE方案是单矩方案，仅依赖云水含量；BR和KK是双矩方案，同时考虑了云滴数浓度；LD方案则引入了谱离散度的影响，并在自动转化阈值附近实现了平滑过渡。集合方案的数学表达式为：*P_atc_en = (w_ke * P_atc_ke + w_kk * P_atc_kk + w_ld * P_atc_ld + w_br * P_atc_br) / (w_ke + w_kk + w_ld + w_br)*。其中*w_xx*代表各方案的权重。在本研究中，为了简便，首次试验将所有权重均设为1.0，意味着四个方案平等贡献。该方案的优点在于，它可以在微物理方案内部以可忽略的计算成本增量实现加权平均，并且通过调整权重（甚至将某些权重设为0），可以灵活地退化为单个方案或不同方案的组合，这为适应不同尺度（如变网格分辨率模型）提供了便利。为了直观比较，研究首先进行了一个理想化实验：固定云滴数浓度为300 cm-3（代表大陆性云），计算并绘制了各方案及EN方案在宽范围云水含量（0.01 到 1.0 g m-3）下的自动转化率曲线。结果显示，各方案差异显著：KE方案在云水含量低于阈值（0.5 g m-3）时无转化；KK方案即使在极低云水含量下也有转化；LD和KE在大部分区间预测了较高的转化率，而BR和KK则相对较低。EN方案的曲线形态与LD相似，但其转化率值约为LD的一半，体现了集合平均的平滑效应。
第二部分：模式配置与方案耦合。 研究选用天气研究和预报（WRF）模型（版本V4.1.3）作为试验平台。选取的个例是2017年5月7日凌晨袭击中国广州地区的一次破纪录极端降雨事件（“5·7”广州特大暴雨）。该事件在18小时内最大累计雨量达542毫米，最大小时雨强达184毫米，具有极强的局地性和极端性。模拟采用三重嵌套网格，最内层网格分辨率为1.33公里，关闭积云参数化，采用显式云微物理方案。主要的物理过程方案包括：修改了ATC过程的Thompson微物理方案、YSU边界层方案、Noah-MP陆面过程方案等。为了更真实地引入城市热岛效应，在模拟初期采用了四维资料同化（FDDA）技术。研究将新开发的EN方案以及作为对比的KE、BR、KK、LD单个方案，分别耦合到Thompson微物理方案中，替换其原有的BR方案。文中重点报告了EN方案与原始BR方案的对比试验结果。
第三部分：真实个例模拟与结果分析。 对2017年5月7日极端降雨事件进行了18小时的模拟。分析主要围绕以下几个方面展开： 1. 空间分布：对比EN和BR方案模拟的18小时累计降雨量与观测。两个方案都成功捕捉到了位于九龙（JL）和花山（HS）的两个主要雨团，模拟的最大累计雨量（EN: 537毫米， BR: 569毫米）与观测值（542毫米）非常接近，尽管JL雨团的位置有约10-15公里的东移偏差。总体而言，两者在累计雨量空间分布上的表现相当。 2. 时间演变：重点分析了JL区域最大小时雨强的时间序列。观测的峰值（184毫米/小时）出现在北京时间07日06时。EN方案模拟的峰值（151毫米/小时）出现在07时，滞后1小时；BR方案模拟的峰值（144毫米/小时）出现在08时，滞后2小时。两者都低估了峰值强度，但EN方案在降水起始、结束时间以及峰值出现的迅速程度上更接近观测。观测显示雨强在1小时内（05-06时）从16毫米/小时猛增至184毫米/小时，而EN方案的雨强增长相对平缓，在2小时内达到峰值。BR方案的雨强增长过程则更为缓慢，持续时间更长，这部分解释了其模拟的累计雨量略高的原因。 3. 雷达回波与风暴结构：对比了模拟的复合雷达反射率与观测。EN和BR方案都成功模拟出了JL风暴的准静止特性、东南向扩展以及强反射率核心等主要特征。两者模拟的风暴生成时间均比观测晚约1.7小时，位置也偏东。在极端降雨阶段（06-07时），EN方案模拟的风暴发展比BR方案更快、更早达到成熟阶段，这与小时雨强峰值出现的时间差异一致。垂直剖面图显示，EN方案模拟的强反射率核心更接近地面，呈现类似海洋性对流的“钟形”结构，意味着雨滴在低空通过碰并过程快速增长；而BR方案模拟的强反射率核心主要位于1-4公里高度的中层，低层反射率因雨滴蒸发而减弱，更类似大陆性对流结构。 4. 宏观动力过程：通过累积等高频率随高度分布图（CCFAD）分析垂直运动。EN方案产生的上升运动面积更大，但最大上升速度略低于BR方案（EN约15 m/s在5公里高度，BR约16 m/s在6公里高度）。这解释了EN方案模拟的强降雨空间范围更广，而BR方案模拟的雨团可能更集中、上升气流更强。 5. 微观物理过程：这是揭示EN方案作用机理的关键。通过对比EN和BR方案在风暴核心区域平均的水凝物混合比的时间-高度剖面图发现，EN方案由于集合了多个方案（特别是KE和LD）的贡献，其计算的自动转化率整体高于单一的BR方案。更高的自动转化率在暖区（0°C层以下）更快地产生了更多的小雨滴。这些小雨滴部分被上升气流携带到0°C层以上的过冷区。在那里，它们作为淞附（Riming）和冻结（Freezing）过程的优良胚胎，显著促进了霰（Graupel）粒子的快速生成（EN方案模拟的霰含量明显高于BR方案）。随后，这些增多的霰粒子在下落通过0°C层时融化，产生更多的雨水。这些来自上层的较大融水滴在下降过程中，又通过收集低层已有的雨滴（碰并过程）进一步增长，从而更有效、更迅速地形成了地表的极端降雨率。简言之，EN方案通过提高暖雨过程的自动转化率，间接增强了冷雨过程（冰相过程），并通过冰水转换的连锁效应，最终放大了地面降雨强度，特别是小时雨强。而BR方案较低的自动转化率导致暖雨启动慢，冰相过程响应也慢，降雨发展更为平缓。
主要结论与意义 本研究提出并测试了一种用于改进云微物理参数化中自动转化过程描述的加权集合（EN）方案。通过将多个常用ATC方案进行加权平均，该方案旨在减少使用单一方案时固有的不确定性。利用WRF模式对一次华南极端降雨事件的模拟表明： 1. 模拟性能提升：EN方案在模拟18小时累计降雨和极端小时雨强方面，提供了优于原Thompson方案中使用的单一BR方案的结果，更接近观测。 2. 物理机制：EN方案通过产生更高的自动转化率，加速了暖雨向冷雨过程的衔接。具体表现为：更多的小雨滴生成 -> 更多小雨滴被抬升冻结促进霰增长 -> 更多的霰融化产生雨水 -> 更高效的碰并过程导致地面强降雨。这一过程链条揭示了自动转化率对深对流系统内水凝物相态分配和降水效率的重要调控作用。 3. 方法优势：EN方案计算成本增加 negligible，且具有高度灵活性。通过调整权重，可以适应不同的天气条件或模型分辨率需求，为实现跨尺度模式中云物理过程的一致性参数化提供了一个有潜力的解决方案。
研究亮点 1. 方法新颖性：首次将“集合预报”的思想引入到云微物理过程参数化方案的构建中，创造性地提出了一个加权集合的自动转化参数化方案。这为处理参数化中普遍存在的不确定性问题提供了一条新路径。 2. 机理探究深入：研究不仅对比了模拟的降水效果，还通过详细的微物理和动力过程诊断，深入剖析了EN方案如何通过改变自动转化率来影响水凝物的相态路径，从而最终改变降水强度和分布，建立了从微观过程到宏观现象的清晰逻辑链条。 3. 应用潜力：该方案框架具有普适性。作者指出，不仅自动转化过程，云微物理方案中的任何源汇项理论上都可以采用这种集合方法来处理。这对于发展面向多尺度统一模式的、“稳健”的云物理参数化方案具有重要的启发意义和应用价值。
其他有价值内容 论文也坦诚地指出了当前研究的局限性：仅测试了一个极端降雨个例，结论需要在更多类型、更广泛地区的天气事件中进行系统性评估；集合成员只包含了四个经典方案，未纳入考虑湍流影响等更新颖的方案（如Franklin方案）；目前采用了简单的等权重设置，未来可以探索基于物理约束或优化算法的动态权重分配方案。这些都为后续研究指明了方向。