中国气象学会气象青年科技交流会暨2021年青年科学家论坛

中尺度对流系统（MCS）是世界许多地区降水的重要来源。但由于云和降水过程的多尺度性（其空间尺度从几米横跨到上千公里），利用积云对流参数化的传统全球气候模式（GCM）对对流及其降水过程的模拟能力较弱，给未来气候变化的准确预测带来很大的不确定性。而在GCM格点中嵌入云解析模式（CRM）的多尺度模拟框架（Multi-scale Modeling Framework, MMF)避免了对流参数化，直接全球解析对流过程，已经成为新一代模拟对流的有力工具。前期研究已表明MMF相对于传统的GCM可以更准确地模拟一些气候现象（比如MJO、东亚季风、气溶胶-云相互作用），但缺乏MMF对美国中部地区MCS降水的详细模拟和评估。因此本研究利用NARR再分析资料、雷达和1.8公里水平分辨率的WRF模拟来评估MMF模拟MCS的能力。聚焦2011年5月份MC3E field campaign， 我们发现（1）虽然MMF利用了4km的CRM来解析对流过程，但利用2°host-GCM 的MMF仍然严重低估了美国中部地区春季的MCS降水量；（2）MMF的CRM动力场仍然来自host-GCM, 而粗网格的host-GCM不能准确表征触发强对流需要的中小尺度天气过程（比如dryline)，因此也无法准确模拟MCS；（3）提高host-GCM的水平分辨率能够更好地刻画中小尺度天气过程，因此也能显著提升MMF模拟春季MCS及其降水的能力；（4）对比于传统的GCM(比如CAM5), MMF能够更好地模拟对流强度，体现了CRM对流解析的优势。