量化Kain–Fritsch对流参数化方案在“灰色区域”的分辨率敏感性：一个TWP‐ICE案例研究
近期，由中国、美国等多国学者合作完成的一项研究，系统探讨了大气数值模型中一个长期存在的关键挑战：对流参数化方案（Convective Parameterization Scheme, CPS）在千米尺度“灰色区域”（Gray Zone）的适应性及其背后的物理-动力相互作用机制。该研究由中国科学院大气物理研究所地球系统数值模拟与预测国家重点实验室的左灵、李丽娟领衔，联合美国西北太平洋国家实验室（Pacific Northwest National Laboratory）的William I. Gustafson Jr.、南京航空航天大学的罗丽萍、中国科学院的刘屹岷、王斌、华润电力技术研究的聂岩、安徽气象观测站的谢峰以及王赫等多位学者共同完成，并于2025年发表在期刊 Journal of Advances in Modeling Earth Systems 上。研究团队通过创新的实验框架，揭示了Kain–Fritsch (KF)对流方案在热带强降水条件下的尺度适应性能，并首次定量分离了模式物理与动力学之间相互作用对其表现的影响。
在天气与气候模拟中，积云对流扮演着至关重要的角色。然而，由于计算资源的限制，全球或区域模式的水平分辨率通常无法显式解析（小于1-2公里）对流过程，因此需要借助CPS来表征次网格尺度对流对大尺度环境的统计效应。然而，随着计算能力的提升，模式分辨率不断提高，进入了所谓的“灰色区域”（大约1-10公里）。在这一尺度上，传统的CPS所依赖的准平衡假设被打破，其性能变得不稳定：一方面，我们希望随着分辨率提高、网格能够部分解析对流结构时，CPS的作用应自然减弱；另一方面，许多传统CPS并未表现出这种理想的“尺度感知”行为，导致对降水（特别是对流性降水）的模拟出现偏差。
更为复杂的是，数值模式由动力核心和物理过程（包括各种参数化方案）组成，二者之间存在强烈的非线性相互作用。当分辨率变化时，这种物理-动力耦合作用的改变，与CPS本身对分辨率的响应相互交织，使得难以准确评估CPS的真实尺度依赖性。以往的研究多通过比较不同分辨率下传统模式的输出来评估CPS，但这种方法无法区分“CPS本身对分辨率的响应”和“由分辨率变化引发的物理-动力相互作用变化对CPS的影响”。因此，量化并理解这种相互作用，对于发展和改进尺度感知的CPS，提升高分辨率模式模拟能力至关重要。
基于此，本研究旨在达成两个核心目标：第一，评估KF对流方案在热带“灰色区域”尺度的分辨率敏感性，即其是否具备尺度感知能力；第二，更重要的是，通过创新的实验设计，定量分离并揭示模式物理（主要是对流和微物理）与动力学之间相互作用，在对流模拟尺度依赖性中所扮演的角色。
本研究采用了独特的“分离物理与动力学实验”框架（Separate Physics and Dynamics Experiment, SPADE），该框架由Gustafson Jr.等人于2013年提出，基于天气研究与预报模型（Weather Research and Forecasting model, WRF）版本3.3.1构建。
1. 案例与模式配置： 研究选取了热带暖池-国际云实验（Tropical Warm Pool–International Cloud Experiment, TWP-ICE）中2006年1月23-25日的湿润期作为研究案例。该时期澳大利亚达尔文附近存在活跃的强对流系统，为研究对流过程提供了理想条件。模式区域覆盖了主要强降水区。物理参数化方案配置统一，包括RRTM长波辐射、Dudhia短波辐射、Noah陆面过程、YSU行星边界层方案、Morrison双矩云微物理方案，以及本研究重点考察的Kain–Fritsch对流参数化方案。
2. 创新性实验框架——SPADE的核心思想： SPADE框架的精髓在于将模式的动力过程与所选物理过程（此处为KF方案和Morrison微物理方案）的计算“分离”到不同分辨率的网格上进行，从而隔离相互作用。 * 动力学网格：始终在1公里的高分辨率上运行，负责计算平流、扩散等所有大气运动过程。 * 物理网格：在其上“离线”运行所选的物理参数化方案（CPS和MPS）。物理网格的分辨率可以独立设置（本研究设为2、4、8公里）。在每个时间步，首先在1公里的D-网格上积分动力学；然后，将动力学变量（如风、温、湿）平均到较粗的P-网格上；接着，在P-网格上仅调用KF和Morrison方案，计算它们产生的物理倾向（如加热、增湿、降水）；最关键的一步是，这些在P-网格上计算的物理倾向不被反馈回D-网格去影响下一时间步的动力学。这使得P-网格上的物理过程始终由相同来源（1公里D-网格平均而来）的动力学驱动，但其自身不参与模式的动力-物理反馈循环。
3. 两组对比实验： 基于SPADE框架，研究设计了两组核心实验，旨在形成鲜明对比： * 传统组：即常规的WRF模拟。动力和物理在同一套网格上运行，并进行完整的双向耦合。网格分辨率分别设置为1、2、4、8公里，共计4个实验。这组实验的结果包含了“CPS本身对分辨率的响应”和“由分辨率变化引发的物理-动力相互作用变化”共同作用。 * SPADE组：应用SPADE框架。D-网格分辨率固定为1公里，P-网格分辨率分别设置为1（作为基线）、2、4、8公里，共计4个实验。在这组实验中，所有P-网格（无论2、4还是8公里）的物理过程都由同一个1公里D-网格的“平均状态”驱动，且没有物理倾向反馈。 因此，不同P-网格分辨率下结果的差异，纯粹反映了KF和Morrison方案自身对输入场（分辨率变粗、细节平滑化）的响应，而排除了因分辨率不同导致的动力场自身演变差异以及物理反馈差异的影响。
通过比较传统组内不同分辨率的结果，可以得到包含相互作用的尺度敏感性；通过比较SPADE组内不同P-网格分辨率的结果，可以得到“纯净”的CPS尺度敏感性；而对比传统组与SPADE组在相同分析分辨率（如2、4、8公里）下的差异，则可以揭示物理-动力相互作用对尺度依赖性的贡献。
4. 数据与分析流程： 模拟时段为66小时，包含6小时 spin-up时间。利用 TRMM 和 IMERG 卫星反演降水数据验证模式对观测的捕捉能力。主要分析时段集中在对流最活跃的时期。分析变量包括：不同来源（对流、网格尺度）的降水量及其比例、由KF方案造成的温湿倾向垂直廓线、KF方案产生的云水/云冰混合比、网格尺度云水和雨水混合比的垂直分布、以及大尺度环流背景场（位势高度、风场、水汽）和对流不稳定度（对流有效位能 CAPE、垂直速度）的空间结构。此外，还统计了CAPE和对流调整时间尺度的分布特征，以探究KF方案内在机制的尺度依赖性。
1. KF方案具有内在的尺度感知能力，但物理-动力相互作用显著增强了这种依赖性。 * 在对流降水方面，两组实验都显示，随着分辨率降低（从2公里到8公里），KF方案产生的对流降水强度和空间范围均显著增加。这表明KF方案本身具备一定尺度适应性：当网格变粗、无法解析更多对流结构时，方案自动增强了次网格对流参数化的作用以补偿。 * 然而，这种增强效应在传统组中远大于SPADE组。例如，在传统组中，8公里分辨率下的对流降水强度约为2公里时的1.5倍；而在SPADE组中，不同分辨率间的降水差异要小得多。同时，传统组中对流降水的强度也普遍高于SPADE组。这清晰地表明，模式物理与动力学之间的相互作用（反馈）极大地放大了KF方案的尺度敏感性。在传统模拟中，更强的对流降水会通过反馈进一步改变环境场（如消耗更多不稳定能量、产生出流等），从而可能激发或维持更多的对流活动，形成一个正反馈循环，导致在粗分辨率下对流被过度强化。 * 在对流降水占总降水的比例上，传统组中CPS降水占主导（比例0.5-0.7），而SPADE组中网格尺度降水占主导，CPS比例（0.32-0.44）更接近1公里高分辨率传统模拟的结果（0.39）。这再次印证了动力场（在SPADE中来自1公里平均）是决定降水类型分配的基础，而物理反馈显著改变了这一分配。
2. 网格尺度（微物理）降水的尺度敏感性主要受动力学支配，受相互作用影响较弱。 与对流降水相反，网格尺度降水在SPADE组中几乎不随P-网格分辨率变化，因为驱动它的动力背景（1公里平均场）是固定的。在传统组中，网格尺度降水随着分辨率降低而略有减弱。这表明，网格尺度降水过程对分辨率的敏感性，主要源于动力场本身随分辨率的变化（粗分辨率下动力场更平滑、细节更少），而物理-动力相互作用对其影响相对较小。这揭示了两种降水过程对模式耦合响应机制的差异。
3. 对流过程对环境影响的垂直结构同样表现出受相互作用调制的尺度依赖性。 分析由KF方案造成的位温增暖、水汽干燥以及产生的云冰混合比的垂直廓线发现，在两组实验中，这些对流效应都随着分辨率降低而增强，但增强的幅度在传统组中远大于SPADE组。例如，8公里分辨率下，传统组中对流增暖的最大值（约26.4 K/天）几乎是SPADE组（约14.9 K/天）的两倍。这说明，对流过程对环境加热、加湿的强度，不仅取决于方案本身对输入场的响应，更受到物理-动力反馈循环的强烈调控。
4. 云微物理量的垂直分布揭示了更为复杂的相互作用机制。 对于网格尺度云水混合比，其垂直分布呈现双峰结构（低层约820百帕和上层约550百帕）。有趣的是，其尺度敏感性在两组实验的垂直分布上不同：在SPADE组，云水含量随分辨率降低在各层均勻减弱；而在传统组，低层云水的减少不明显，主要减弱发生在上层。研究者推断，这可能源于传统模拟中一种补偿机制：当分辨率降低时，一方面，增强的对流（凝结）会更多产生云水；另一方面，减弱的网格尺度过程（凝结/蒸发）会影响云水收支。这两种通过相互作用耦合的过程在不同高度上可能有不同的净效应，导致了复杂的垂直变化型。这凸显了模式各分量间非线性相互作用的复杂性。
5. 大尺度环流背景和稳定度的变化是尺度依赖性的环流基础。 在传统组中，随着分辨率降低，大尺度环流场（如700百帕位势高度、850百帕风场和水汽）变得更加平滑，并且热带低压中心和伴随的强西风带出现南移。这导致了更强的向南水汽输送，使得总降水和层云降水中心也相应南移。同时，大气不稳定性（低层增暖、高层冷却）和垂直上升运动在粗分辨率下也更强、更集中。这些由分辨率直接导致的动力场变化，为KF方案产生更强的对流提供了环流背景和能量条件。 而在SPADE组中，由于动力场源自1公里场的平均，其空间型与1公里传统模拟相似，只是随P-网格变粗而平滑化，没有出现传统组中那种系统性的环流型改变和南移现象。
6. KF方案内部机制的尺度响应。 分析对流有效位能和对流调整时间尺度发现，在传统组中，平均CAPE值随分辨率降低略有增加（从2公里的1538 J/kg到8公里的1569 J/kg），而对流调整时间在8公里时略短。这意味着在粗分辨率下，环境具有稍强的不稳定性和更快的对流调整速率，共同促成了更强的对流降水。而在SPADE组中，CAPE和调整时间在不同分辨率间的变化非常微小。这说明，CAPE和调整时间的尺度依赖性，很大程度上也是由物理-动力相互作用所驱动的，而非方案内部的纯响应。
本研究通过创新的SPADE框架，成功量化并分离了Kain–Fritsch对流参数化方案在“灰色区域”的尺度敏感性及其背后物理-动力相互作用的贡献。主要结论如下： 1. KF方案具备内在的尺度感知能力：在热带强降水背景下，该方案能够模拟出对流过程随分辨率提高而减弱、随分辨率降低而增强的基本趋势。 2. 物理-动力相互作用显著强化了尺度依赖性：模式动力与物理（对流）之间的反馈作用，是导致传统模拟中对流降水、对流加热/加湿效应等变量随分辨率变化剧烈（尤其是在粗分辨率端过度增强）的主要原因。这种相互作用放大了方案本身的尺度响应。 3. 两种降水过程的响应机制不同：网格尺度（微物理）降水对分辨率的敏感性主要受动力场本身分辨率的影响，受物理-动力耦合作用的影响相对较小。 4. 相互作用通过改变环流背景和方案内部变量起作用：在传统模拟中，分辨率变化不仅直接改变了动力场（更平滑、环流型改变），还通过反馈改变了CAPE、对流调整时间等决定对流触发的关键变量，从而全方位地影响了对流模拟。
本研究的科学价值在于： * 方法创新：首次将SPADE框架系统性地应用于评估对流参数化方案的尺度感知行为，提供了一种“干净”的、可分离相互作用的评估新视角。 * 机制深化：明确指出在评估和改进CPS时，不能仅关注方案本身的公式，必须充分考虑其与模式其他组件（特别是动力核心）的耦合效应。这为发展真正有效的尺度感知CPS指明了方向——不仅要优化方案内部的尺度感知参数，还需优化或理解物理-动力耦合过程在跨尺度模拟中的行为。 * 应用指导：研究结果提醒模式使用者和开发者，在“灰色区域”进行模拟时，需要审慎解读对流相关变量的输出，理解其中可能包含的、由耦合过程放大的人工效应。对于气候尺度的高分辨率模拟，这种耦合误差的累积效应可能具有深远影响。
亮点： 1. 研究视角新颖：聚焦于“分离相互作用”这一核心难点，通过精巧的实验设计，将长期以来混杂在一起的“CPS自身响应”和“耦合作用响应”进行了有效量化分离。 2. 框架应用突破：将原本用于评估微物理方案的SPADE框架成功拓展到对流参数化这一更复杂、反馈更强的领域，验证了该框架的普适性和强大功能。 3. 结论清晰深刻：不仅证实了KF方案的尺度感知性，更重要的是定量揭示了物理-动力相互作用在塑造这种尺度感知行为中的主导性增强作用，深化了对高分辨率模式误差来源的认识。
不足与展望： 作者也坦承了本研究的局限性并展望了未来方向： 1. 案例单一性：目前仅针对热带强对流个例（TWP-ICE）。未来需在中纬度强降水、弱降水等不同天气背景下进行验证，以检验结论的普适性。 2. SPADE框架的限制：由于D-网格固定为1公里，无法研究比8公里更粗分辨率（如16、32公里）的情况，而后者在气候模拟中常见。未来可探索反向SPADE或其它实验设计。 3. 参数化组合：本研究仅使用了KF和Morrison组合。不同CPS与MPS的组合可能产生协同效应，需要进一步测试。 4. “灰色区域”是否使用CPS的争议：研究提到，在1公里传统模拟中关闭CPS，总降水强度减弱但分布相似。未来需系统比较在“灰色区域”使用尺度感知CPS、传统CPS以及完全不用CPS的表现差异。 5. 与其他方法结合：未来可将SPADE与“背驮法”（Piggybacking）等方法结合，进一步比较不同物理方案在相同动力驱动下的表现，以优化方案选择和理解方案差异。
这项研究为深入理解数值模式在“灰色区域”的复杂行为打开了一扇新的窗口，其方法和结论对提升高分辨率天气气候模式的模拟性能和可信度具有重要意义。