[论文解读] Role of modified cloud microphysics parameterization in coupled climate model for studying ISM rainfall: small-scale cloud model and climate model work better together

Moumita Bhowmik, Anupam Hazra+5 more|arXiv (Cornell University)|Mar 2, 2023

Climate variability and modelsEnvironmental Science被引用 3

一句话总结

本研究针对CFSv2耦合气候模型中的云微物理参数化方案，提出了一种基于物理机制的改进方法，利用拉格朗日粒子逐个追踪的小尺度云模型所计算的扩散性增长速率和相对分散度，改进了自动转换过程与云滴增长。改进后的方案显著减少了印度夏季风（ISM）降水概率密度函数（PDF）的偏差，提升了水汽混合比、液态水含量及地球反照率辐射（OLR）的模拟效果，从而增强了深层对流的模拟能力，改善了季风雨的表征。

ABSTRACT

An unresolved problem of present generation coupled climate models is the realistic distribution of rainfall over Indian monsoon region, which is also related to the persistent dry bias over Indian land mass. Therefore, quantitative prediction of the intensity of rainfall events has remained a challenge for the state-of-the-art global coupled models. Guided by the observation, it is hypothesized that insufficient growth of cloud droplets and processes responsible for the cloud to rain water conversion are key components to distinguish between shallow to convective clouds. The new diffusional growth rates and relative dispersion based autoconversion from the Eulerian-Lagrangian particleby-particle based small-scale model provide a pathway to revisit the parameterizations in climate models for monsoon clouds. The realistic information of cloud drop size distribution is incorporated in the microphysical parameterization scheme of climate model. Two sensitivity simulations are conducted using coupled forecast system (CFSv2) model. When our physically based small-scale derived modified parameterization is used, a coupled climate model simulates the probability distribution (PDF) of rainfall and accompanying specific humidity, liquid water content, and outgoing long-wave radiation (OLR) with increasing accuracy. The improved simulation of rainfall PDF appears to have been aided by much improved simulation of OLR and resulted better simulation of the ISM rainfall.

研究动机与目标

• 解决全球耦合气候模型中印度夏季风（ISM）降雨长期存在的干偏差及概率密度函数（PDF）不准确问题。
• 探究改进的微物理过程（尤其是自动转换与扩散性增长）如何减少降水与云特性中的偏差。
• 评估基于小尺度云模型推导出的物理参数化方法是否能提升大尺度气候模型的性能。
• 减少CFSv2模型中对轻度降雨的过度估计与对中度/强降雨事件的低估。
• 探索改进微物理过程、云凝结物与辐射（OLR）之间反馈机制在模拟ISM动力学中的作用。

提出的方法

• 采用拉格朗日粒子逐个追踪的数值模型，计算云滴的扩散性增长速率与相对分散度，为微物理参数化提供依据。
• 基于Sundqvist型与Liu-Daum型公式，推导出一种改进的自动转换参数化方案，其速率依赖于分散度。
• 将这些基于物理推导的系数整合进CFSv2耦合气候模型的微物理方案中，取代原有标准参数化方法。
• 开展两次敏感性模拟：控制实验（CTL）与改进实验（MOD），其中MOD引入了新的微物理系数。
• 模型评估了降雨PDF、水汽混合比、液态水含量（LWC）及地球反照率辐射（OLR）的变化。
• 结果与GPCP观测数据及印度HACPL的原位雨滴谱仪数据进行对比，重点关注雨滴粒径分布（RDSD）与日变化特征的保真度。

实验结果

研究问题

• RQ1 小尺度云模型所导出的基于物理机制的微物理参数化方法，是否能改善全球耦合气候模型中印度夏季风（ISM）降雨概率密度函数（PDF）的模拟？
• RQ2 改进的扩散性增长速率与基于分散度的自动转换过程，如何影响轻度与强降雨事件的表征？
• RQ3 改进的微物理过程在多大程度上减少了CFSv2模型中OLR、水汽混合比与云凝结物的偏差？
• RQ4 云微物理过程在调节对流-辐射反馈机制与印度夏季风雨日变化中的作用是什么？
• RQ5 将基于拉格朗日粒子的微物理过程整合进模型，如何提升季风雨系统中云类型（浅云与深云）模拟的真实性？

主要发现

• 改进后的参数化方案显著改善了印度夏季风（ISM）降雨概率密度函数（PDF），减少了对轻度降雨的过度估计与对中度/强降雨事件的低估。
• MOD模拟在水汽混合比与液态水含量（LWC）方面与观测数据更吻合，表明热力学与微物理过程的表征得到改善。
• MOD实验中地球反照率辐射（OLR）的模拟更为真实，表明云辐射效应与对流活动的表征得到提升。
• 与控制实验相比，MOD模型生成了更多的深对流云与更少的浅云，更符合观测到的季风雨动态特征。
• 采用基于分散度的Liu-Daum自动转换与改进的扩散性增长系数，使云滴粒径分布（DSD）更准确，降低了模型偏差。
• 本研究证明，将小尺度云模型的物理机制整合进大尺度气候模型，可有效减少包括降雨、湿度与LWC在内多个变量的通用PDF偏差。