陳 鋒 董美瑩 冀春曉 林惠娟 查 賁 駱 陽

(1.浙江省氣象科學研究所，浙江 杭州310017;2.蘇州市氣象局，江蘇 蘇州215021;3.杭州市氣象局，浙江杭州310051;4.浙江省氣象信息網(wǎng)絡中心，浙江杭州310017)

0 引言

隨著高性能計算能力和天氣預報技術的逐步發(fā)展，數(shù)值天氣預報已成為現(xiàn)代天氣預報業(yè)務的重要基礎和天氣預報業(yè)務發(fā)展的主流方向。由于受初始場、邊界場、物理過程及模式本身設計等諸多因素影響，模式預報產(chǎn)品不可避免存在誤差。因此，檢驗評估工作已成為數(shù)值天氣預報的一個重要組成部分，評估結(jié)果有助于模式本身的改進和預報人員更好地使用模式產(chǎn)品。

王雨(2006)利用國家基本氣象站資料評估了中央臺5個常用模式的定量降水預報結(jié)果;王麗等(2007)利用湖北省77個氣象觀測站資料對日本、德國和T213 3種數(shù)值模式在強降水過程中的預報進行了統(tǒng)計比較;藥明和晏曉英(2008)利用代表不同區(qū)域地理環(huán)境的6個站點，檢驗并分析了吉林省數(shù)值預報業(yè)務系統(tǒng)短期預報各時段降水、溫度、氣壓和風速等要素預報性能;段旭等(2011)在建立了本地化的中尺度WRF數(shù)值預報業(yè)務系統(tǒng)后，也對系統(tǒng)預報的降水和氣溫做了評估。總體而言，已有的數(shù)值預報模式檢驗評估主要側(cè)重于對定量降水的評估，且評估所用觀測資料多以常規(guī)站資料為主，利用中尺度自動站詳細資料針對浙江省數(shù)值預報的評估工作尚未見報告。浙江地處我國東南沿海，地理地貌獨特、天氣復雜，究竟數(shù)值預報模式對浙江省夏季降水和溫度有多大預報能力，存在多大的誤差，在何種程度上能為預報員提供可信的參考信息，已成為模式開發(fā)人員和預報員共同關注的重要問題，使用更詳盡觀測資料評價高分辨模式預報性能的精細化評估技術值得探索。

另外，國內(nèi)外大量研究表明，模式本身設計及其參數(shù)化方案對模式的預報性能有著重要影響(黃安寧等，2009;肖玉華等，2010;張麗霞等，2011)。模式的濕過程選擇對于濕熱夏季的預報效果十分重要(許習華和丁一匯，1990;Wang and Seaman，1997;劉一鳴，1998;樓小鳳等，2003;伍華平等，2009;Rajeevan et al.，2010)。模式的不同濕過程方案選擇會對預報結(jié)果有多大影響?究竟哪些濕過程的微物理方案和積云參數(shù)化方案更適合浙江的天氣特點?這對更好地開展WRF模式在浙江省的本地化適用研究，提高模式預報性能，具有重要意義。

因此，本文首先利用全省1500多個包括區(qū)域自動站在內(nèi)的站點觀測資料，應用空間分布和時間演變及統(tǒng)計檢驗3種方法來評價WRF模式對浙江省2011年夏季降水和溫度的預報性能;進而通過不同濕過程參數(shù)化方案數(shù)值模擬的對比，探討不同微物理參數(shù)化方案和積云參數(shù)化方案對模式預報性能的影響;以期為高分辨率數(shù)值模式的改進和系統(tǒng)用戶做精細化天氣預報提供較為客觀全面的參考信息。

1 模式簡介

浙江省中尺度數(shù)值預報業(yè)務系統(tǒng)采用WRF v3.1 模式(Weather Research and Forecasting model version 3.1)。該模式(Skamarock et al.，2008)是由美國NCAR等多家研究單位聯(lián)合研制的新一代數(shù)值模式，是一個完全可壓縮、非靜力模式，控制方程組為通量形式，水平網(wǎng)格采用有利于在高分辨率模擬中提高數(shù)值計算精度的Arakawa C 格式(Kalnay，2001，Janjic，2004)。WRF模式適用于業(yè)務天氣預報和大氣研究等需要，能有效模擬天氣系統(tǒng)尤其是中小天氣系統(tǒng)的發(fā)生、發(fā)展、消亡過程及其機理。同時，模式系統(tǒng)具有可移植、易維護、可擴充、高效率、使用方便等諸多特性，被大量應用于理想試驗、個例數(shù)值試驗等研究和數(shù)值天氣預報實時業(yè)務之中(Klemp，2004;Dimego，2004;Isidora et al.，2005;Lo et al.，2008;范水勇等，2008;馬紅云等，2009;吳偉等，2011;林惠娟等，2010)，表現(xiàn)出較好的模擬能力和較可靠的預報性能。

根據(jù)浙江省現(xiàn)有計算條件和地理位置特征，模式選用雙重嵌套，分辨率各為9 km和3 km，垂直層次為35層。9 km分辨率的大區(qū)域(華東區(qū)域，大致范圍為 106°E ～128°E，22°N ～42°N)重點覆蓋影響浙江的大尺度系統(tǒng)，3 km分辨率的小區(qū)域(浙江區(qū)域，大致范圍為117°E～124°E，26°N ～32°N)重在識別影響浙江的中尺度系統(tǒng)(圖1)。模式積云參數(shù)化方案在大區(qū)域中采用Betts-Miller-Janjic方案，在小區(qū)域不采用參數(shù)化方案;微物理方案均采用WSM 6-Class方案;陸面過程均使用Noah方案;行星邊界層均采用Yonsei University(YSU)參數(shù)化方案;表面層均使用基于Monin-Obukhov的MM5相似理論;長波、短波輻射均選用RRTM快速輻射傳輸方案和 Dudhia方案。初始場由 NCEP/GFS(Globe Forecast System)的分析場提供，側(cè)邊界場由NCEP/GFS間隔3 h的預報場提供。

圖1 模式研究區(qū)域及地形

2 2011年夏季降水和溫度預報結(jié)果評估

浙江地屬亞熱帶季風氣候，冬季干冷，夏季濕熱，降水量的季節(jié)分配大體上與溫度一致，表現(xiàn)為“雨熱同步”的氣候特征(祝啟桓，1992)。其中，夏季的主要影響系統(tǒng)為梅雨、臺風和強對流等高影響、災害性天氣，對這些天氣的預報能力直接關系到防災減災工作的成敗。因此夏季降水和溫度預報水平是衡量數(shù)值預報模式性能的一個重要指標。本節(jié)對2011年夏季(6—8月)模式預報的降水和溫度結(jié)果進行定量評估。

2.1 資料和方法

實況資料選用浙江省內(nèi)1500多個站點觀測資料(包括3個基準站、20個基本站、47個一般站和1500多個區(qū)域自動站，如圖2所示)，評估要素為每日08:00—次日08:00的24 h累計降水和平均2 m氣溫。預報結(jié)果為與實況相對應的每天08:00起報的預報時效為24 h，48 h及72 h的24 h累計降水和平均2 m氣溫。

圖2 觀測站點分布(Level1——國家基準氣候站;Level2——國家基本氣象站;Level3——國家一般氣象站;Level4——區(qū)域自動站)

為更好地評估模式結(jié)果，文中給出了降水和溫度的空間分布和時間序列演變檢驗。對于降水，同時給出了TS，ETS(Equitable Threat Score)，HSS(Heidke Skill Score)，擊中率(PODY)，空報率(FAR)，漏報率(FOM)等多個檢驗量(丁金才，1995)共同描述模式的降水預報性能。

2.1 降 水

2011年夏季降水過程比較明顯，6月份梅雨期間出現(xiàn)了4次典型的梅雨降水過程，7—8月主要是以臺風降水(“梅花”和“南瑪都”)和局地強對流降水為主。由圖3(a)夏季平均降水實況可知，浙江省2011年夏季降水主要集中于浙西北部山區(qū)、寧波地區(qū)及浙東南沿海地區(qū)。圖3(b－d)分別給出了模式預報的預報時效為24 h，48 h及72 h的夏季日平均降水分布。與實況對比可知，模式24 h預報報出了浙西北部和東南沿海地區(qū)的降水中心及雨帶的基本走向，預報和實況的空間相關系數(shù)為0.52;但預報降水量比實況整體偏大，平均偏大為5.62 mm/d。48 h預報和72 h預報也能在一定程度上預報出降水帶的位置，空間相關系數(shù)分別為0.36和0.42;降水量級相對于24 h預報結(jié)果更接近于實況，平均偏差分別為3.85和2.17 mm/d。這說明模式在48 h和72 h的預報結(jié)果仍然是有一定的參考價值的。但是，在浙西南地區(qū)，不論24 h，48 h還是72 h均存在空報現(xiàn)象，數(shù)值預報產(chǎn)品的參考性存在地域差異，需要謹慎分析。

圖3 2011年夏季日平均累計降水預報及實況(單位:mm/d):(a)實況;(b)24 h預報;(c)48 h預報;(d)72 h預報

夏季的日平均降水分布反映了模式對季節(jié)內(nèi)降水預報空間分布情況的預報能力，而區(qū)域平均逐日降水演變則能較好反映模式對降水過程隨時間發(fā)展趨勢的預報能力。浙江省2011年夏季逐日降水的時間演變(圖4)表明，模式各預報時效的預報均給出了較為準確的降水發(fā)生、發(fā)展及減弱過程，尤其是在6月和8月的幾次較大降水過程，模式預報的降水量級與實況相當。但是，在降水強度為小到中雨時(如7月期間，31～61 d)，模式預報降水偏大較明顯，尤其是24 h預報結(jié)果。這可能跟模式參數(shù)化方案的閾值偏低有關，需要進一步研究改進。

圖4 2011年夏季逐日降水量預報及實況

利用 TS，ETS，HSS，擊中率、空報率、漏報率等參數(shù)，定量降水累加檢驗結(jié)果列于表1。由表1分析可知，模式對降水的預報能力隨著降水量級的增大而減小，24 h預報的TS評分從小雨以上級別的0.59逐步下降到大暴雨以上級別的0.02;模式預報結(jié)果較實況偏大，空報多，漏報少，空報率高出漏報率約0.21，尤其是24 h預報結(jié)果偏大較多。比較24 h，48 h及72 h預報的TS評分來看，模式24 h預報結(jié)果較好，且48 h和72 h預報結(jié)果雖略有下降但仍存在一定的應用價值。

2.2 溫 度

溫度預報是日常天氣預報業(yè)務中的另一個重要內(nèi)容。浙江省2011年夏季日平均2 m氣溫預報和實況顯示(圖5):2 m氣溫的空間分布受海拔和緯度影響較大，高分辨率模式能較好地刻畫浙江省的地形分布，對浙北地區(qū)、金衢盆地及浙東南沿海平原地區(qū)的高溫區(qū)有很好的預報能力，24 h預報與實況的空間相關系數(shù)達0.77。尤其是模式對金衢盆地的高值區(qū)的預報，不僅在空間分布上與實況很相似，而且在量級上也較接近。但是，模式對其它地區(qū)還存在著1～2℃左右的低估，24 h預報的平均偏差為－1.12℃。值得一提的是，模式48 h和72 h預報結(jié)果與24 h預報結(jié)果相差很小(偏差分別為－1.21℃和 －1.20℃)，這說明模式對 2 m 平均氣溫有較長的預報時效。

表1 2011年夏季浙江省降水預報累加檢驗結(jié)果

圖5 2011年夏季日平均2 m氣溫預報及實況(單位:℃):(a)實況;(b)24 h預報;(c)48 h預報;(d)72 h預報

如圖6所示，浙江省2011年夏季逐日2 m平均氣溫的時間演變表明，模式能較為準確的預報出氣溫的逐日變化過程。對比圖4和圖6發(fā)現(xiàn)，氣溫變化與降水變化有較好的反相關關系，模式在6月和8月降水較多時期氣溫較低，而在6月末至8月初降水較少時期氣溫較高，這種聯(lián)系在物理上是合理的。仔細對比還可看到，模式對降水較大的6月中上旬和8月下旬預報的氣溫與實況較為一致，但在降水量級為小到中雨的7月，模式預報氣溫較實況偏低1～2℃，且與降水預報偏差在時間上對應較為一致。初步分析認為，這可能是由于在弱降水期間，實況云量較少，而模式預報的云量偏多，預報誤差較大;但在較大降水期間，實況云量多，覆蓋了全省大部，此時預報云量的誤差小于弱降水期間的誤差(即弱降水期間云量預報偏多誤差大于強降水);而云量預報偏多將導致到達地面的凈輻射偏小，溫度偏低，因此會出現(xiàn)在弱降水期間溫度預報偏低誤差大于強降水期間的現(xiàn)象。

圖6 2011年夏季逐日2m平均氣溫預報及實況

3 濕過程參數(shù)化方案敏感性分析

前文的評估給出了對2011年夏季浙江省中尺度數(shù)值預報模式預報水平的整體認識。研究表明，模式的濕過程選擇對于模式降水的預報效果十分重要，不同濕過程的微物理方案和積云參數(shù)化方案會對模式預報性能產(chǎn)生影響。因此，本節(jié)選取2011年6月4—7日的浙江省典型梅雨過程，著重探討不同濕過程的微物理方案和積云參數(shù)化方案的組合對模式預報性能的影響和由此帶來的不確定性，進而加深對于數(shù)值模式預報能力的認識。敏感性試驗設計見表2，即選取了適用于高分辨中尺度模式的微物理方案和積云參數(shù)化方案各3種，設計了9個敏感性試驗，對6月4—7日的梅雨過程的降水預報結(jié)果進行對比分析。

表2 敏感性試驗設計

圖7 各濕過程組合方案下模式對2011年6月4日08:00—5日08:00降水預報及實況:(a)S1-WSM6+KF方案;(b)S2-WSM6+BMJ方案;(c)S3-WSM6+Grell方案;(d)S4-WSM3+KF方案;(e)S5-WSM3+BMJ方案;(f)S6-WSM3+Grell方案;(g)S7-Lin+KF方案;(h)S8-Lin+BMJ方案;(i)S9-WSM6+Grell方案;(j)實況。

圖7 是各濕過程組合方案下模式對2011年6月4日08:00—5日08:00降水預報和實況對比。由圖可知，不同濕過程參數(shù)化方案對降水預報結(jié)果差異較大，各類方案對降水預報的偏差為4.1～25.6 mm/d不等，空間相關系數(shù)為－0.11～0.59不等。相比而言，降水對于積云參數(shù)化方案的敏感性明顯大于對微物理方案的敏感性:積云參數(shù)化方案的不同可以導致整體雨帶分布的明顯不同，而微物理方案不同對于雨帶影響不大，它主要影響雨帶內(nèi)強降水中心的位置和強度。KF方案和Grell方案在浙江北部及浙中地區(qū)報了兩個雨帶，尤其是在浙中地區(qū)出現(xiàn)了嚴重的空報，BMJ方案所報雨帶集中在浙江北部，空報相對較少。在選定BMJ方案下，微物理方案對雨帶位置和降水中心強度進行了微調(diào)。從總體上看 BMJ方案配合WSM3，WSM6和Lin方案所預報的結(jié)果均與實況較為接近，從誤差角度分析，BMJ方案配合WSM3方案最小，WSM6方案次之，但是比較兩者預報和實況位于浙北中部的東西向的強雨帶可見，BMJ方案配合WSM6方案所預報的降水雨帶和中心明顯更接近實況，它的相關系數(shù)也是最高的。圖8給出了各方案組合下模式降水預報的評分結(jié)果。對比各個方案來看，模式降水的預報能力隨著降水量級的增加而下降，且在中小雨級別得分均較高，TS評分均在0.7以上;各方案對大雨(25 mm)和暴雨(50 mm)級別的預報性能差異較為明顯，方案2(BMJ與WSM6組合方案)相對其他方案有較好表現(xiàn)，其TS評分、ETS評分、HSS評分和擊準率(PODY)均高于其他方案，而空報率(FAR)和漏報率(FOM)均低于其他方案?？傮w上，采用方案2(BMJ積云對流參數(shù)化方案和WSM6微物理方案)預報的降水落區(qū)和強度較其他方案更接近于實況。

圖8 各濕過程組合方案下模式對2011年6月4日08:00—5日08:00降水預報評分結(jié)果

為分析不同參數(shù)化方案對降水形成原因，圖9給出了各方案下模式預報的格點尺度降水與積云對流降水的對比。由圖可見，格點尺度降水與積云對流降水的比值受積云參數(shù)化方案影響較大，BMJ方案預報的降水以格點尺度降水為主，積云對流降水僅占總降水量的5%左右;KF方案預報的格點尺度降水比積云對流降水略多30%左右;而Grell方案預報的格點尺度降水和積云對流降水相當。

圖9 各濕過程組合方案下模式預報的格點尺度降水與積云對流降水對比

分析實況表明，本次降水過程主要與西南暖濕氣流和北方弱冷空氣在浙北地區(qū)形成的緯向切變線有關。對比各方案組合下模式積分24 h后850 hPa風場可以看到(圖10)，方案2預報出了(BMJ與WSM6組合方案)在30°N附近的切變，較其余方案更接近實況;同時方案2預報的850 hPa濕度場在浙北和浙西較高、浙東南較低的分布形態(tài)也與實況較符合。這可能是該方案雨帶位置相對準確的原因之一。由此可見，濕過程參數(shù)化方案的不同可以導致風場產(chǎn)生差異，進而影響到切變線和雨帶的分布，從而對降水的預報產(chǎn)生重要影響。

圖10 各濕過程組合方案下模式積分24 h(5日08時)500 hPa位勢高度場及850 hPa風場和濕度場:(a)S1-WSM6+KF方案;(b)S2-WSM6+BMJ方案;(c)S3-WSM6+Grell方案;(d)S4-WSM3+KF方案;(e)S5-WSM3+BMJ方案;(f)S6-WSM3+Grell方案;(g)S7-Lin+KF方案;(h)S8-Lin+BMJ方案;(i)S9-WSM6+Grell方案;(j)實況。

4 結(jié)語

綜上所述，本文利用全省1500多個包括區(qū)域自動站在內(nèi)的站點觀測資料，從空間分布和時間演變及統(tǒng)計檢驗3個方面對浙江省2011年夏季W(wǎng)RF模式預報的降水和溫度進行了定量評估;并通過不同濕過程參數(shù)化方案數(shù)值試驗的對比，探討了不同微物理參數(shù)化方案和積云參數(shù)化方案對模式預報性能的影響，得到以下初步認識。

(1)WRF模式能基本預報出降水的空間分布及時間演變規(guī)律，對降水落區(qū)預報和降水發(fā)生演變有較好的指示意義，但模式預報范圍和量值均偏大，其中在小到中雨量級期間降水量值偏大較明顯。

(2)模式能很好地預報出2 m平均氣溫的空間分布和時間演變過程，但存在著一定的低估現(xiàn)象，尤其是在浙江省弱降水期間，模式預報偏低1～2℃。

(3)就區(qū)域平均而言，模式在實況降水量較大期間預報性能較好，但在小到中雨期間較差，主要表現(xiàn)為降水量的高估和氣溫的低估。這可能是由于模式在小到中雨期間對云量預報偏多引起，還需要進一步的研究。

(4)積云參數(shù)化方案對于降水影響明顯，它可以導致整體雨帶分布的明顯不同;而微物理方案不同對于雨帶影響不大，它主要影響雨帶內(nèi)強降水中心的位置和強度;總體上，采用Betts-Miller-Janjic積云對流參數(shù)化方案和WSM6微物理方案預報的降水落區(qū)和強度更接近于實況。

(5)不同參數(shù)化方案組合可以引起預報流場的差異，從而影響到雨帶位置，對降水的預報性能產(chǎn)生不可忽視的影響。

總之，浙江省高分辨率中尺度數(shù)值預報業(yè)務系統(tǒng)對降水和溫度的空間分布和時間演變規(guī)律有較好的預報能力，對預報員具有一定的參考價值。根據(jù)各量級降水TS，ETS等各項評估指標顯示，模式的預報水平和國家氣象中心常用數(shù)值模式的預報能力相當(王雨，2006)。基于浙江省1500多個觀測站的詳細觀測資料，對于水平格距為3 km×3 km的高分辨數(shù)值模式預報結(jié)果進行檢驗，以上評估結(jié)果是令人鼓舞的。誠然，模式系統(tǒng)還存在降水預報偏大等問題，還需要逐步改進，尤其是對已有評估結(jié)果，還需要進一步探究原因。

［1］ Dimego G.WRF Development Activities at NCEP［C］.The 84thAMS Annual Meeting.Seattle，U S A，Jan 10 －15，2004.

［2］ Isidora J，A G JWilliam，S.Moti，et al.The impact of different WRF model physical parameterizations and their interactions on warm season MCSrainfall［J］.Wea.Forecasting，2005，20，1048 －1060.

［3］ Janjic Z I.The NCEPWRF Core［C］.The84thAMSAnnual Meeting.Seattle，U SA，Jan 10 －15，2004.

［4］ Kalnay E.Numerical weather forecasting and predictability［M］.Scotland:Cambridge University Press，2001:341－343.

［5］ Klemp JB.Weather research and forecasting model:a technical overview［C］.The 84thAMSAnnual Meeting.Seattle，U SA，Jan 10－15，2004:32－36.

［6］ Lo JCF，ZL Yang，R A Pielke Sr.Assessment of three dynamical climate downscaling methods using the Weather Research and Forecasting(WRF)model［J］.J Geophys Res，2008，113，D09112，doi:10.1029/JD009216.

［7］ Rajeevan M，A Kesarkar，SB Thampi，et al.Sensitivity of WRF cloud microphysics to simulations of a severe thunderstorm event over Southeast India［J］.Ann Geophys，2010，28:603－619.

［8］ Skamarock W C，JB Klemp，JDudhia，et al.A description of the Advanced Research WRF version 3.NCAR Tech Notes－475+STR，2008.

［9］ Wang Wand N L Seaman.A comparison study of convective parameterization schemes in a mesoscale model［J］.Mon Wea Rev，1997，125:252 － 278，doi:http://dx.doi.org/10.1175/1520 －0493(1997)125 ＜0252:ACSOCP ＞2.0.CO;2.

［10］ 丁金才.天氣預報評分方法評述［J］.南京氣象學院學報，1995，18(1):143 －150.

［11］ 段旭，王曼，陳新梅，等.中尺度WRF數(shù)值模式系統(tǒng)本地化業(yè)務試驗［J］.氣象，2011，37(1):39 －47.

［12］ 范水勇，郭永潤，陳敏，等.高分辨率WRF三維變分同化在北京地區(qū)降水預報中的應用［J］.高原氣象，2008，27(6):1181－1188.

［13］ 黃安寧，張耀存，朱堅.中國夏季不同強度降水模擬對不同積云對流參數(shù)化方案的敏感性研究［J］.大氣科學，2009，33(6):1212 －1224.

［14］ 林惠娟，冀春曉.WRF參數(shù)化方案對臺風路徑和強度模擬的影響［C］.第七屆長三角氣象科技論壇文集，2010.

［15］ 劉一鳴.中國關于積云參數(shù)化方案的應用［J］.氣象學報，1998，56(2):247 －255.

［16］ 樓小鳳，胡志晉，王鵬云，等.中尺度模式云降水物理方案介紹［J］.應用氣象學報，2003，14(增刊):49 －59.

［17］ 馬紅云，郭品文，宋潔.耦合不同陸面方案的WRF模式對2007年7月江淮強降水過程的模擬［J］.大氣科學，2009，33(3):557 －567.

［18］ 王麗，金琪，柯怡明.三種數(shù)值預報產(chǎn)品短期強降水預報定量誤差評估［J］.暴雨災害，2007，26(4):301 －305.

［19］ 王雨.2004年主汛期各數(shù)值預報模式定量降水預報評估［J］.應用氣象學報，2006，17(3):316 －324.

［20］ 吳偉，鄧蓮堂，王式功.“0911”華北暴雪的數(shù)值模擬及云微物理特征分析［J］.氣象，2011，37(8):991 －998.

［21］ 伍華平，束炯，顧瑩，等.暴雨模擬中積云對流參數(shù)化方案的對比試驗［J］.熱帶氣象學報，2009，25(2):175 －180.

［22］ 肖玉華，何光碧，顧清源，等.邊界層參數(shù)化方案對不同性質(zhì)降水模擬的影響［J］.高原氣象，2010，29(2):331－339.

［23］ 許習華，丁一匯.一種考慮云相互作用的積云對流參數(shù)化方案及其在降水預報中的應用［J］.中國科學(B輯)，1990，9:998 －1008.

［24］ 藥明，晏曉英.吉林省數(shù)值預報業(yè)務系統(tǒng)要素預報性能分析［J］.吉林大學學報(地球科學版)，2008，38(增刊):209－213.

［25］ 張麗霞，周天軍，曾先鋒，等.積云參數(shù)化方案對熱帶降水年循環(huán)模態(tài)模擬的影響［J］.大氣科學，2011，35(4):777－790.

［26］ 祝啟桓，張淑云，顧強民，等.浙江省災害性天氣預報［M］.北京:氣象出版社，1992:1－5.