第七届青年地学论坛

WRF模式作为新一代的数值大气模式产品，在模拟中尺度降水方面表现突出且具有广泛应用。但作为一种模拟模型，WRF无法准确预报每次降雨的实际情况，其模拟偏差很大程度上受雨滴谱（DSD）的误差影响。本文采用WRF双参数方案模拟了英国南部Chilbolton站点2013~2017年间的97次降水，根据JWD雨滴谱仪的地表观测DSD数据，研究基于不同雨型和雨强下DSD参数及其积分参数的分布特征和相互关系，实现WRF模拟的雨滴谱的不确定分析。研究结果显示：WRF–λ的模拟值总体上高于实测值，而WRF模拟的lg(N₀)、D_m、Z、R等参数总体上低于实测值；WRF模拟的不确定性与雨型和雨强相关，WRF对流云降水模拟误差基本大于层状云降水，高雨强降水的模拟误差大于低雨强降水；根据WRF与JWD之间参数的相关关系对比可知，WRF与JWD的lg(N_w)–D_m关系的差异主要来源于低雨强样本、小粒径和大粒径雨滴样本，二者的Z–R关系表明JWD观测降水偏向于雨滴大小控制，而WRF模拟降水偏向于由雨滴数量控制；另外，可通过融合地表观测数据，利用深度学习下的双向LSTM模型可实现对WRF–λ和WRF–lg(N₀)的校正。本文研究成果对WRF模式降雨微物理过程的理解具有重要意义，WRF的DSD模型误差分析可为WRF–DSD参数校正以及降水模拟精度提升提供一定参考价值。

不确定性评估,DSD,WRF,深度学习