云可以调节大气辐射传输、形成降水、改变大气稳定度和大气成分，对天气和气候演化都有非常重要的影响。然而，当前天气和气候模式对云的模拟能力还比较有限。云在模式中的参数化方法是当前气候模拟和气候变化研究不确定性的最大来源。

云量是云的基本物理属性之一，对云的各种天气和气候效应都有非常重要的影响。此前有研究表明当前模式在云量方面存在较大误差（如Song et al., 2019; Chen et al., 2022），显著影响模式中云辐射效应的模拟。然而，这类研究一般基于耦合模式与观测结果的直接对比。由于耦合模式中云量受到对流、云微/宏物理、边界层等多个参数化过程的影响，这种对比难以溯源造成云量误差的根本原因，不利于模式改进。

近日，我系青年研究员陈国兴课题组提出了一种基于CloudSat数据的诊断型云量参数化方案离线评估方法，并评估了WRF模式中常用的Xu-Randall方案和Sundqvist方案。该方法通过对CloudSat数据作升尺度处理获得近似‘GCM格点’的平均大气属性和次网格云量，将格点平均大气属性作为两种云量参数化方案的输入数据来计算云量并与观测的次网格云量对比，由此将云量误差与参数化方案本身的缺陷直接联系起来，为云量参数化方案的改进提出了明确的方向。

研究发现，Xu-Randall和Sunqdvist方案对总云量的模拟都与CloudSat观测值比较接近，但是会在热带地区上空高估高云云量，在60°N和60°S附近上空低估低云、中云云量（图1）。总体来说，Xu-Randall方案与Sundqvist方案相比，其云量的模拟结果与观测值更加一致，也能够更好地反映出云量的季节变化。Sundqvist方案在全年、所有纬度带几乎都会低估低云云量。无论对于何种相态的云（冰云、水云、混合云），CloudSat云量都会随相对湿度产生不同程度的非单调变化，而两种方案都未能展现出这种非单调性。当相对湿度接近100%时，两种方案高估云量随相对湿度的变化率，造成云量的高估，尤其是冰云的云量。研究进一步发现，这种非单调性特征与云发生的高度密切相关。最后，本研究还考察了数据分辨率对参数化方案误差的影响：当水平方向的网格尺寸减小，或垂直方向的网格尺寸增大时，该误差会加重。今后可以考虑将数据分辨率和云层高度这两个因素纳入云量参数化方案，以改进云量和云辐射效应的模拟。

以上成果近日发表在Atmospheric Research上（Wang et al., 2023）。文章的第一和第二作者是大气与海洋科学系2018级本科生王一心和杨世禧同学。两人通过“曦源”项目参与了这一研究。王一心同学现于美国马里兰大学大气科学专业攻读博士研究生，杨世禧现于复旦大学计算机专业攻读硕士研究生。中科院大气物理研究所的包庆研究员和李剑东研究员也参加了这一工作。

图1. 2006-2019纬向平均的云量垂直分布：（a）CloudSat观测结果；（b）Xu-Randall方案结果；（c）Sundqvist方案结果。

论文信息：

Wang, Y., S. Yang, G. Chen*, Q. Bao, and J. Li, 2023: Evaluating two diagnostic schemes of cloud-fraction parameterization using the CloudSat data. Atmospheric Research, 282, 106510, https://doi.org/10.1016/j.atmosres.2022.106510.

Chen, G.*, W. Wang, Q. Bao, and J. Li, 2022: Evaluation of simulated cloud diurnal variation in CMIP6 climate models. JGR Atmospheres, 127, https://doi.org/10.1029/2021JD036422.

Song, Y., G. Chen, and W.-C. Wang*, 2019: Aerosol direct radiative and cloud adjustment effects on surface climate over eastern china: Analyses of WRF model simulations. J Climate, 32, 1293–1306, https://doi.org/10.1175/jcli-d-18-0236.1.