WRF模型中行星边界层与微物理参数化方案对印度高哈蒂城市区域降水模拟的敏感性分析

　　本研究针对印度高哈蒂城市区域，通过耦合WRF模型与LCZ地图，系统评估了10种MP-PBL参数化组合对降水模拟的敏感性。采用TOPSIS多准则决策方法，筛选出WSM6-MYJ、WSM6-BL和WSM5-MYJ为最优方案，其相关系数分别达0.96、0.76和0.94，显著提升了复杂地形下城市极端降水事件的预报精度，为区域洪水预警系统提供了关键技术支持。

　　

在全球气候变化和快速城市化的双重压力下，印度东北部城市高哈蒂频繁遭遇突发性洪水灾害，暴露出传统降水预报系统的不足。该地区复杂的地形特征——北靠喜马拉雅山脉，南临孟加拉湾，加之城市热岛效应和星形扩张的建成区结构，使得大气边界层动力过程和微物理相互作用异常复杂。现有数值天气预报(NWP)模型在该区域的适用性尚未明确，特别是行星边界层(PBL)和微物理(MP)参数化方案的选择缺乏系统性评估，导致降水预报存在显著偏差。

针对这一科学问题，印度理工学院的研究团队在《Journal of Hydrology: Regional Studies》发表了一项创新性研究。通过耦合Weather Research and Forecasting(WRF)模型与世界城市数据库(WUDAPT)的局部气候分区(LCZ)数据，研究团队设计了包含5种MP方案(WSM3/5/6、Thompson、Morrison)和2种PBL方案(BouLac、MYJ)的10种组合，对2017-2020年间5次极端降水事件(累计45天)进行模拟验证。研究采用多卫星降水产品MSWEP作为基准数据，创新性地应用TOPSIS(优劣解距离法)多准则决策分析，综合12项统计指标(包括相关系数R²
、均方根误差RMSE等)评估方案性能。

关键技术方法包括：1)基于Google Earth Engine平台整合CHIRPS、GPM等5种卫星降水数据；2)采用WUDAPT Level 0训练数据生成高分辨率LCZ地图；3)WRF v4.5.1三嵌套域设置(最内层分辨率1 km²
)；4)TOPSIS算法赋予等权重评估连续型、分类型和体积型指标。

4.1 观测数据优选
通过TOPSIS分析发现，MSWEP数据与IMD站点数据的匹配度最高(TOPSIS评分=1)，显著优于GPM(R²
=0.82)和CHIRPS(R²
=0.75)，这为模型验证提供了可靠基准。

4.2 参数化方案性能
关键发现包括：

• WSM6-MYJ组合在Event 3(2019年7月)表现最优，概率检测指数(POD)达0.98，临界成功指数(CSI)为0.96
• 体积指标分析显示WSM5-MYJ在Event 5(2020年9月)的降水体积捕获率(VHI)达0.85
• 连续指标表明WSM6-BL在Event 4的RMSE最低(1.72 mm)，但存在系统性低估(MBE=-1.11)

4.3 空间一致性验证
站点尺度分析揭示：WSM6-MYJ在Event 1的R²
达0.92，但Event 3出现负相关(R²
=-0.04)，反映复杂地形下冰相过程参数化的局限性。

讨论部分指出三个关键科学价值：首先，MYJ方案通过湍流动能(TKE)预测方程，在模拟城市边界层动力过程时展现出特殊优势，这与S?o Paulo等城市的研究结论一致。其次，WSM6包含的霰粒(graupel)参数化在强对流事件中至关重要，但可能高估弱降水过程的强度。最后，LCZ数据集成显著改善了城市下垫面表征，这解释了为何配置城市冠层模型(BEP-BEM)的方案普遍优于传统参数化。

该研究的实际意义在于：为南亚季风区城市群建立了首个经过验证的WRF参数化方案组合数据库，其提出的"MP-PBL-LCZ"协同优化框架，已被证明可将72小时降水预报的CSI提升40%。研究结果直接支撑了布拉马普特拉河流域的智能洪水预警系统建设，并为类似地形复杂城市的气候适应性规划提供了方法论范式。未来研究需结合机器学习方法解决GFS驱动数据的系统性偏差，并探索graupel微物理过程与城市热岛效应的非线性耦合机制。