WRF 模型参数对印度夏季风强降水事件敏感性的评估

数值天气预报模式中许多模型参数的默认值通常是依据方案设计者的理论或实验研究采用的。短期预报受 Weather Research and Forecasting (WRF) 模式中参数设定的显著影响。WRF 模式中存在大量参数和若干输出变量,使得合适的参数值识别颇具挑战。本研究的目标是通过使用全局敏感性分析(GSA)方法识别对模式性能有强烈影响的参数,从而降低模式结果的不确定性。采用 Morris 一步-at-a-time (MOAT) 这一 GSA 方法,识别 WRF 模式七个物理参数化方案中所选 23 个可调参数的敏感性。对十一个输出变量评估敏感性度量(MOAT 均值与标准差),其中部分为地面气象变量,其余为大气变量,均由 WRF 模式以不同参数模拟得到。研究考虑 2015、2016 和 2017 年印度季风核心区印度夏季风(ISM)期间的十二个高强度四天降水事件。在几乎全部模式输出变量中,23 个参数里有六个具有较高 MOAT 均值,表明这些参数对模拟结果有可观影响。少数参数的 MOAT 均值对所有模式输出变量均明显偏小,因此与之相关的不确定性对 WRF 模式性能的影响可忽略。本研究还给出了参数敏感性趋势的物理见解。