WRF中不同湿过程对青岛一次暴雨过程的预报性能检验

马　艳，董海鹰，陈　尚

(1.山东省青岛市气象局，山东　青岛　266003；2.青岛市气象灾害防御工程技术研究中心，山东　青岛　266003；3.国家海洋局第一海洋研究所，山东　青岛　266061)



WRF中不同湿过程对青岛一次暴雨过程的预报性能检验

马艳1，2，董海鹰1，陈尚3

(1.山东省青岛市气象局，山东青岛266003；2.青岛市气象灾害防御工程技术研究中心，山东青岛266003；3.国家海洋局第一海洋研究所，山东青岛266061)

摘要：基于9 km分辨率的中尺度数值模式WRF，通过TS评分、降水空间分布和降水强度检验评估3种积云对流和7种云微物理参数化方案对2014年5月10日青岛地区的一次暴雨天气的预报性能。结果表明：在分辨率为9 km的模式中考虑KF、GD和BMJ积云对流参数化方案时，能够不同程度提高大雨和暴雨的TS评分，且GD方案模拟的降雨落区和强度更接近实况。7种云微物理方案对暴雨模拟效果相差不大，平均TS评分达到0.64，其中KESSLER方案预报性能最好，TS评分达到0.73，其次是WSM6、LIN和WSM5方案，但也大都表现出暴雨范围偏大、雨量偏强的特点。对于此次降雨过程，积云对流参数化方案的预报性能优于云微物理过程方案的表现。

关键词：积云和云微物理参数化方案；暴雨；预报性能

引言

数值预报在降水、气温、风等气象要素的预报服务中发挥了重要的作用。由于降水天气在不同尺度天气系统、不同地形地貌下有不同的表现以及降水天气对社会正常运行的影响，气象工作者大部分精力都放在判断和评估数值预报模式对降水落区、降水量级以及降水起始、终止时间的有效性和可行度上。因此了解掌握各类数值预报模式的降水预报性能对提高降水预报准确率就显得至关重要。廖镜彪等[1]认为云微物理过程对降雨模拟影响起主要作用，其次是积云对流过程，边界层参数化方案影响相对较小。Jankov等[2]对不同物理过程的参数化进行了方案比较，认为最敏感的是对流方案。其中对于弱降水过程，边界层和云微物理方案的敏感性是相当的，而对于强降水，云微物理方案比较敏感。虽然积云对流参数化方案对不同类型天气系统内发展的对流有不同的效果，可是在某些降水过程中，积云对流参数化方案又几乎完全不起作用[3]。

WRF(Weather Research and Forecasting)是美国NCEP/NCAR、FSL/NOAA等多家科研部门和大学联合开发的新一代中尺度大气数值模式，广泛应用于科研和业务之中[4-22]。由于中尺度模式WRF中不同参数化方案对不同区域降水的模拟有很大差异，因此开展数值模式中参数化方案的本地化研究和应用是提高当地气象要素预报效果的重要手段之一。山东青岛西面有胶州湾, 东、南有黄海环绕，三面濒海，全市海岸线(含所属海岛岸线)总长为862.64 km，市内地形高低起伏, 其中东面有海拔1 133 m的崂山，南部大珠山海拔486 m，自西北向东南方向受海洋影响越来越明显。复杂地形和下垫面属性所产生的中小尺度系统和大气中各种天气系统的相互作用，使得青岛降水预报存在较大难度。再者，目前针对山东半岛沿海地区WRF模式中的湿过程：积云对流参数化方案和云微物理过程的数值试验方面的相关研究还较少。因此，本文以2014年5月10—12日青岛一次暴雨过程为研究个例，对比分析不同的积云对流参数化过程和云微物理过程对此次降水模拟的敏感性和预报性能，以期为山东半岛沿海地区合理选择和使用模式中的降水参数化方案提供参考依据。

1降雨天气实况

2014年5月10日夜间至11日，青岛全市出现大到暴雨及局部大暴雨，平均降雨量72.1 mm，其中国家级基本站中出现4站暴雨(青岛75.7 mm，崂山74.6 mm，胶州61.7 mm，平度64.1 mm)和1站大暴雨(黄岛135.9 mm)，强降雨带(>100 mm)主要位于东部沿海地区，呈东北—西南走向。图1是青岛市自动雨量站观测的5月10日20：00—11日20：00(北京时，下同)24 h 降雨量空间分布。 此次降雨过程是高空西风槽、700 hPa和850 hPa低涡及地面气旋共同影响下的结果。从图2可以看出，10日20：00 500 hPa位于蒙古中部的冷涡低槽东移南下，山东半岛处于深厚低槽前部，850 hPa有低涡存在，其中心位于河南境内，但其倒槽已伸至山东鲁西南地区，700 hPa上丰富的暖湿气流已到达山东半岛地区。从地面形势来看，10日20：00低压倒槽顶部已伸至山东鲁西北地区，11日08：00加强发展为气旋，地面气旋强烈的辐合旋转上升运动，与高空槽和低层低值系统配合造成了半岛地区此次暴雨天气。

图1　2014年5月10日20：00—11日

图2　2014年5月10日20：00 500 hPa位势高度场(实线，单位：dagpm)、700 hPa相对

2数值试验设计

在WRF3.4.1 中设置了模拟中心(36°N、120°E)、水平网格距(网格数)为9 km (301×301)、垂直方向38层、模式顶为50 hPa的网格结构。模式从2014年5月9日08：00开始起报，模式积分72 h，初始场和边界条件都来自Global Forecasting System(GFS)0.5°×0.5°的全球预报场。模式中考虑的主要物理过程包括：长波辐射采用RRTM方案，短波辐射采用Dudhia方案，陆面过程采用Noah LSM陆面模式，YSU行星边界层方案和Monin-Obukhov近地面层方案。为了检验WRF模式中不同湿过程对此次降水的预报性能，对模式中的7种云微物理过程方案(WSM6、KESSLER、LIN、WSM5、WSM3、FERRIER、THOMPSON)和3种积云对流参数化方案(KF、BMJ、GD)分别进行了试验。在各个试验中，除了云微物理过程方案和积云对流参数化方案有变化外，其他主要物理过程完全相同，试验方案设计见表1。

表1　试验方案设计

采用站点对站点的TS评分方法。此方法是目前气象台站检验数值预报产品对降水预报性能的有效评估方法之一，即对同一个站点的降水预报值和观测值进行比较，考虑的样本数越多，检验结果越可靠。其中站点的降水预报值由模式的格点降水预报值插值得到。

TS评分=N1/(N1+N2+N3)

空报率=N2/(N1+N2)

漏报率=N3/(N1+N3)

其中，N1表示模式预报降水正确的站点数，即观测与预报均出现某量级降水；N2为空报站点数，即观测无某量级降水而预报有；N3为漏报站点数，即观测出现某量级降水而预报无。降水等级以中国气象局颁布的降水强度等级划分标准来定义。在降水检验评估中分别检验模式预报24 h、48 h和72 h的降雨量和降雨落区，统计站点总计135个。

3模拟结果分析

首先检验分析各试验方案对降水影响系统的预报性能。2014年5月10—11日青岛区域性暴雨天气过程是高空西风槽、低层低涡以及地面气旋共同作用的结果。所设计的10个方案都模拟出了500 hPa西风槽和850 hPa低涡，5月10日20：00影响系统开始对山东半岛的降雨产生影响，12日08：00系统完全移出。模拟结果和实况基本相符,但是各方案模拟的低涡位置较实况约偏南2个纬度左右，并且各方案模拟出了偏弱的西风槽以及较强的东南暖湿气流(图略)。

云微物理过程可以通过调整温湿场结构及过程中水汽相变潜热的释放、降水粒子的拖曳作用，影响积云对流发生发展的条件，进而影响积云降水的预报。由于所考虑的云微物理过程大都包括对水汽、云水、雨水等水物质的预报，本文对比分析10个试验方案对此次暴雨过程云水和雨水的预报情况。整体来看，各方案对云水和雨水混合比的预报差异不是很大, 这里只给出2个对流试验(KF、BMJ)和2个云微物理试验(WSM6、LIN)预报的5月11日08：00云水混合比的分布状况(图3)。从云水混合比的剖面图来看，各试验预报的云水范围和强度差异不大，云水含量大都分布在0 ℃层以下，对流试验的云水混合大值区范围略大于云微物理的试验结果，其中对流试验的云水混合比最大值达到0.01 kg·kg-1，位于4 km高度处。而监测资料分析表明，2014年5月11日08：00青岛降雨持续，07：00—08：00青岛小时降雨量实测值为2.6 mm，KF、BMJ、WSM6和LIN试验的模拟小时雨量分别为18.4、4.0、6.3和6.0 mm。KF方案模拟的云水混合比大值区范围明显大于其他试验结果，特别是在1～2 km高度处存在一个云水高值区。区别于其他试验，LIN模拟的云水混合比的垂直高度较高，达到6 km，为过冷云水，但量值不大。云水混合比的差异不同程度地解释了不同方案预报的降水强弱差异。

3.1不同积云对流参数化方案的降水预报性能分析

本文设计4个敏感性试验, 包括不考虑积云对流过程的CTL试验以及分别采用KF、BMJ和GD积云对流参数化方案的试验，通过TS评分、降水空间分布和小时雨强时间序列检验评估不同对流参数化方案的降水预报性能。表2是模式模拟10日20：00—11日20：00各方案的24 h降水量评分。由于这一期间的降水量为大雨以上，故不再分析小雨和中雨的TS评分。

图3　2014年5月11日08：00云水混合比沿120.3°E的纬度—高度剖面(单位：kg·kg-1)

方案大雨TS空报率漏报率暴雨TS空报率漏报率CTL0.730.200.070.650.160.19KF1.000.000.000.460.090.45GD1.000.000.000.780.200.02BMJ0.800.200.000.750.230.02

可以看出，考虑积云对流参数化的各个试验都很好地提高了对大雨预报的TS评分，其中KF和GD方案预报出了所有大雨站点，其TS评分比无对流参数化试验的CTL提高了37%。而没有考虑对流过程的试验对大雨比较容易空报。对于暴雨预报，GD和BMJ方案都提高了暴雨的TS评分。其中GD方案TS评分达到0.73，较CTL试验的TS评分提高20%；而KF方案的暴雨TS评分只有0.46，漏报率达到0.45。

积云对流参数化的选取与模式的分辨率有关。对于WRF模式，积云过程适用于格距>10 km的情况，但在某些强对流地区，在5～10 km的水平分辨率下可以考虑使用积云对流过程[3]。KF方案是专为水平分辨率约20 km的中尺度模式设计的[1]，方案中采用了上升气流与下沉气流的云模式，考虑积云对流活动耗尽所有对流有效位能。在本次降雨过程中，KF方案对暴雨的预报评分最低，这可能和KF方案专为水平分辨率约为20 km的中尺度模式设计有关。再者，本文模式所采取的水平分辨率为9 km，是中尺度模式是否采用对流参数化方案的“灰色带”，但针对此次降雨过程，分析了各试验方案模拟的135个站降水量和观测结果的平均绝对误差、均方根误差和相关系数，采用GD方案更能有效提高降水预报性能(表3)。

表3　不同积云对流参数化方案降水量

以青岛和平度分别为沿海与内陆代表站，考察不同对流参数化方案对降雨强度的反映能力。如图4所示，各方案都模拟出11日02：00—17：00的降雨集中时段。但和实况相比，各方案预报的降雨开始时间滞后大约6～8 h，这与模式采用冷启动所造成的模式预报初始阶段误差较大有关。对于降雨强度，KF、GD和BMJ预报的降雨强度较CTL试验都有不同程度加强，模拟出了降雨的间歇和2个降雨峰值的变化，但是各方案对于不同站点具有不同的预报性能。譬如，青岛站KF方案的最大小时雨强达到18.4 mm,BMJ为14.0 mm, GD是9.7 mm，CTL只有7.6 mm，而实况是13.5 mm；平度站BMJ方案模拟的最大小时雨强为22.2 mm, GD为17.4 mm，CTL试验达到10.3 mm，KF方案模拟的最大小时雨强却只有5.5 mm，和实况19.2 mm相差较大。对比分析9日08：00—12日08：00模式模拟的72 h青岛、崂山、黄岛、即墨、胶州、平度和莱西累积降雨量和实况的差异(图略)，CTL试验降水量预报值在各站均较小，方案BMJ和GD的72 h累积雨量的预报性能整体较好。

图4　2014年5月9日08：00—12日08：00青岛(a)

从降雨的空间分布来看，实况监测的24 h累计降雨量>100 mm的区域主要在崂山山区、黄岛区东南以及即墨西部，<50 mm的相对弱降雨区主要集中在崂山西部、即墨北部、平度西部以及黄岛西部(图1)。从图5的模拟雨量分布可以看出，KF方案模拟的24 h累计降雨量整体偏小，其次是CTL试验；各试验都模拟出了位于即墨中部的弱水区；GD和BMJ方案成功地模拟出位于崂山山区的大暴雨区，BMJ方案还模拟出黄岛区的一个大暴雨点，只是位置有些偏西。但BMJ方案也虚报了位于平度东北的大暴雨区。

图5　2014年5月10日20：00—11日20：00各试验24 h累计降水量分布(单位：mm)

3.2不同云微物理参数化方案的降水预报性能分析

设计6个敏感性试验方案, 分别是KESSLER、LIN、WSM3、WSM5、FERRIER和THOMPSON方案，检验评估不同云微物理参数化方案对此次降水的预报性能。为完全反映云微物理过程对降水的影响，6个试验中均没有考虑积云对流参数化方案。对于积云对流参数化试验中的CTL，由于没有考虑对流过程并且选用了WSM6云微物理参数化方案，故在此称为WSM6试验。

其中KESSLER是一个简单的暖云降水方案，显式预报水汽、云水和雨水，无冰相过程；LIN方案包括了对水汽、云水、雨、云冰、雪和霰的预报, 在结冰点以下, 云水处理为云冰, 雨水处理为雪。WSM3、WSM5和WSM6方案与LIN方案相似，只在计算增长和其它参数上有些差别。FERRIER方案中水物质的预报变量有2类：一类是水汽混合比，另一类是云水、雨水、冰、雪、雹等的水凝物总量。而THOMPSON方案改进了较早的Reisner方案，被设计用来提高冻雨天气情况下航天安全保障。

表4是不同云微物理参数化方案对大雨和暴雨预报性能的统计分析，可以看到，对大雨的预报评定中，KESSLER方案最差，没有抓住任何一个站次的大雨，而FERRIER方案最好，预报出了所有大雨的站点，TS评分达到1.00；方案WSM6、LIN、WSM5和WSM3相差不大，TS评分都超过0.50，且都是空报多于漏报。在暴雨量级的预报评分中，所有7个方案都预报出了不同站次的暴雨，差异不大，平均TS评分达到0.64，其中KESSLER方案预报性能最好，TS评分达到0.73， 其次是WSM6、LIN和WSM5方案。但是各方案也容易空报，平均空报率为0.23。表5是各试验方案模拟的降水量和观测结果的平均绝对误差、均方根误差和相关系数，可看出KESSLER方案最差，而WSM6方案最好。

表4　不同云微物理参数化过程下降水量级检验

表5　不同云微物理参数化方案降水量

对于72 h累积降水量的预报，各方案在不同站点的预报性能大不相同。如图6a所示，KESSLER、WSM3、WSM5和FERRIER方案在青岛站预报的降雨量较大，而WSM6和LIN方案预报的降雨量较小，THOMPSON方案的预报值和实况最为接近。对崂山站(图略)而言，WSM3方案预报的降雨量值最小，WSM6、KESSLER和LIN方案预报的量值较大，其中WSM6的预报和实况较为接近。对于内陆的平度站，KESSLER、WSM3、WSM5和FERRIER方案预报降雨较强，WSM6和THOMPSON方案预报的降雨较弱，其中LIN方案预报的平度站72 h累计降雨量和实况最为接近(图6b)。整体来看，各方案对沿海地区的降水预报性能相对一致，在远离海洋影响的内陆地区也存在一定的预报共性，这也说明模式地形和下垫面特性对气象要素模拟的影响。在小时雨强方面，各方案对沿海代表站(青岛)模拟的雨强较强，而在内陆代表站平度，各方案模拟的降雨强度相对较弱。

图6　2014年5月9日08：00—12日08：00实况及模拟的青岛(a)和平度(b)站累计降雨量

在降雨量的空间分布上，对于大暴雨区(降雨量≥100 mm)，KESSLER、FERRIER和WSM5方案都模拟出了大暴雨区，只是KESSLER方案又虚报了位于即墨、莱西和胶州湾西部的大暴雨区， FERRIER方案虚报了平度西北、胶州南部的大暴雨区。对于50～100 mm暴雨落区的预报，各方案都有不同程度的反映，从范围和强度上都大于各积云对流试验结果；对于暴雨以外的相对弱降雨区，WSM6预报性能较好，其次是WSM3。由于模式分辨率较高而观测数据分辨率相对较低，模拟结果均出现较多小的降水虚假中心(图7)。

研究表明，积云对流参数化方案对不同类型天气系统内发展的对流有不同的效果[23]。对于大尺度强迫作用较强的暴雨，尤其是层状云降水为主的暴雨，云微物理过程方案对降水的影响远大于积云参数化方案对降水的影响[8]。通过分析不同降水物理过程对此次青岛暴雨过程的影响，在TS评分上，积云对流参数化方案对大雨、暴雨的预报性能都优于云微物理过程；在24 h 降水空间分布中，KESSLER和FERRIER云微物理试验、BMJ和GD对流试验都基本上模拟出了位于崂山>100 mm的强降水落区，而对于位于胶州湾北部的<50 mm的弱降水区，大部分对流参数化方案都有反映，而云微物理参数化方案相应模拟的雨量较强。通过TS评分、偏差分析、降雨量空间分布以及小时雨强的综合分析，积云对流参数化方案对此次暴雨的预报性能强于云微物理参数化方案，其中GD方案更为有效；在云微物理参数试验中，WSM6表现更好一些。

图7　2014年5月10日20：00—11日20：00各云微物理试验模拟的24 h累计降雨量分布(单位：mm)

4结论

(1)在模式分辨率为9 km的模式中考虑KF、GD和BMJ积云对流参数化方案能不同程度提高降水预报性能。与无对流参数化试验比较，KF和GD方案对大雨的TS评分提高了37%，GD和BMJ方案对暴雨的TS评分提高率达到20%。

(2) 不同云微物理方案对大雨和暴雨量级降水模拟效果总体较好。FERRIER方案对大雨模拟效果最好，KESSLER方案的模拟最差；各方案对暴雨模拟效果相差不大，平均TS评分达到0.64，其中KESSLER方案最好，TS评分达到0.73， 其次是WSM6、LIN和WSM5方案。

(3)各积云对流和云微物理方案都模拟出主要降水时段和降水峰值的变化。在小时雨强方面，各方案对沿海代表站的模拟值偏大，而对内陆代表站模拟的降雨强度较弱。GD和BMJ方案不仅模拟出了崂山山区的大暴雨区，还模拟出位于即墨中部的弱水区，而各云微物理方案大都模拟出偏大暴雨范围和较强的雨量。对于此次降水过程，积云对流参数化方案的预报性能优于云微物理参数化过程的作用。

积云对流过程和云微物理过程对降水过程非常重要，但是对于不同性质、不同区域以及不同季节的降水，如何选用这2种方案还有待于深入研究。再者，由于天气系统的复杂性以及WRF3.4.1中物理参数化方案的多样性，因此本文所得出的结论也具有一定的局限性，为了进一步对WRF中的参数化方案进行研究，后期将进一步对物理方案进行研究，同时针对更多次的不同季节、不同天气系统下降水事件进行模拟检验，以期得出适用于青岛地区降水预报的一些规律性的结论。

参考文献

[1] 廖镜彪,王雪梅,夏北成,等. WRF模式中微物理和积云参数化方案的对比试验[J]. 热带气象学报,2012,28(4):461-470.

[2] Jankov I, Gallus J W A, Segal M, et al. The impact of different WRF model physics parameterizations and their interactions on warm season MCS rainfall[J]. Wea Forecasting, 2005,20(6):1048-1060.

[3] 伍华平,束炯,顾莹,等. 暴雨模拟中积云对流参数化方案的对比试验[J]. 热带气象学报，2009,25(2):175-180.

[4] 张晓露,李照荣,周筠臖,等. 西北地区东部夏季一次典型暴雨的分析和数值模拟[J]. 干旱气象，2015，33(4)：616-625.

[5] 黄安宁,张耀存,朱坚. 中国夏季不同强度降水模拟对不同积云对流参数化方案的敏感性研究[J]. 大气科学,2009,33(6):1212-1224.

[6] 陈炯，王建捷. 边界层参数化方案对降水预报的影响[J]. 应用气象学报，2006,17(增刊)：11-17.

[7] 马红云,郭品文,宋洁. 耦合不同陆面方案的WRF模式对2007年7月江淮强降水过程的模拟[J]. 大气科学，2009,33(3)：557-567．

[8] 黄海波, 陈春艳,朱雯娜. WRF模式不同云微物理参数化方案及水平分辨率对降水预报效果的影响[J]. 气象科技, 2011, 39

(5):529-535.

[9] 屠妮妮,何光碧,张利红. WRF模式中不同积云对流参数化方案对比试验[J]. 高原山地气象研究,2011,31(2):18-28.

[10] 朱格利，林万涛，曹艳华. 用模式中不同云微物理参数化方案对华南一次暴雨过程的数值模拟和性能分析[J]. 大气科学，2014,38(3)：513-523.

[11] 黄立文,吴国雄,宇如聪. 中尺度海—气相互作用对台风暴雨过程的影响[J]. 气象学报，2005,63(4):455-467.

[12] 薄燕青,闵锦忠,赵桂香. 黄河中下游地区一次暴雨过程的数值模拟和诊断[J]. 干旱气象,2014,32(1):60-69.

[13] 李建华,崔宜少,单宝臣. 山东半岛低空冷流降雪分析研究[J]. 气象，2007，33(5)：49-55．

[14] 苗春生,赵瑜,王坚红. 080125南方低温雨雪冰冻天气持续降水的数值模拟[J]. 大气科学学报，2010，33(1):25-33.

[15] 张苏平,任兆鹏. 下垫面热力作用对黄海春季海雾的影响—观测与数值试验[J]. 气象学报，2010,68(4):439-449.

[16] 孙健,赵平. 用WRF与MM5模拟1998年三次暴雨过程的对比分析[J]. 气象学报，2003,61(6):692-701.

[17] 邹旭东,杨洪斌. MM5和WRF模拟东北冷涡雷暴天气过程对比分析[J]. 气象与环境学报，2007,23(6):20-25.

[18] 何光碧,屠妮妮,张利红，等. 2014年7月14～18日四川大暴雨过程区域模式预报性能分析[J]. 高原山地气象研究，2010,30(4):8-17．

[19] 牛俊丽,闫之辉. WRF模式微物理方案对强降水预报的影响[J]. 科技信息，2007,23:17-20.

[20] 闫之辉,邓莲堂. WRF模式中的微物理过程及其预报对比试验[J]. 沙漠与绿洲气象，2007,1(6):1-6.

[21] 林文实,李江南,樊琦,等. 云微物理参数化对华北降雪影响的数值模拟[J]. 高原气象，2007,26(1):107-114.

[22] 段旭,王曼，陈新梅，等. 中尺度WRF数值模式系统本地化业务试验[J]. 气象，2011,37(1):39-47.

[23] 张大林. 各种非绝热物理过程在中尺度模式中的作用[J]. 大气科学,1998,22(4):548- 561.

Forecast Performance Test for Different Wet Processes in WRF on a Torrential Rain Around Qingdao

MA Yan1,2, DONG Haiying1, CHEN Shang3

(1.QingdaoMeteorologicalBureauofShandongProvince,Qingdao266003,China;2.QingdaoEngineeringTechnologyResearchCenterforMeteorologicalDisasterPrevention，Qingdao266003,China; 3.FirstInstituteofOceanography,SOA,Qingdao266061,China)

Abstract:In order to test forecast performance of different wet processes on a torrential rain, three cumulus parameterization schemes and seven cloud microphysics schemes in WRF with horizontal resolution of 9 km were selected to simulate a torrential rain occurring in Qingdao during 9-12 May 2014, and methods of Threat Sore (TS), rainfall distribution and time series of hourly rainfall were used to evaluate the forecast performance. The results show that the cumulus parameterization schemes of KF, GD and BMJ used in WRF with horizontal resolution of 9 km could improve precipitation TS with different degrees, and GD scheme did the best in the aspect of simulated precipitation area and intensity. For the simulation of heavy rainfall, there were little differences among seven cloud microphysics schemes with averaged TS of 0.64, in which KESSLER scheme did the best with TS of 0.73 and then WSM6, LIN and WSM5. They also took on the features of bigger precipitation area and stronger rainfall. The cumulus parameterization scheme had greater influence on the process of precipitation than that of cloud microphysics schemes, generally.

Key words:cumulus and cloud microphysics parameterization schemes; torrential rain; forecast performance

收稿日期：2016-01-27；改回日期：2016-04-05

基金项目：青岛市气象局科技创新项目(2014qdqxc01)和山东省气象科学研究所数值天气预报应用技术开放研究基金(SDQXKF2014Z04)共同资助

作者简介：马艳(1970-)，女，博士，研究员，主要从事中尺度数值模拟研究. E-mail:qdyanma@163.com

文章编号：1006-7639(2016)-03-09-0494

DOI:10.11755/j.issn.1006-7639(2016)-03-0494

中图分类号：P456.7

文献标识码：A

马艳，董海鹰，陈尚.WRF中不同湿过程对青岛一次暴雨过程的预报性能检验[J].干旱气象，2016，34(3)：494-502, [MA Yan, DONG Haiying, CHEN Shang. Forecast Performance Test for Different Wet Processes in WRF on a Torrential Rain Around Qingdao[J]. Journal of Arid Meteorology, 2016, 34(3):494-502], DOI:10.11755/j.issn.1006-7639(2016)-03-0494