L. Ruby Leung and Yun Qian 2003 J.Hydrometeor.,4,1025-1043 報告：陳心穎 The Sensitivity of Precipitation and Snowpack Simulations to model Resolution via Nesting of Complex Terrain L. Ruby Leung and Yun Qian 2003 J.Hydrometeor.,4,1025-1043 報告：陳心穎

研究目的 研究高的空間解析度對於區域氣候模式的影響。 著重在模擬複雜地形的降水及積雪，因為使用區域氣候模式模擬地形降水和一些潛勢應用的預報可以作為山區水資源的管理。

觀測 由National Oceanic and Atmospheric Administration (NOAA) Cooperative Weather Observers (COOP)觀測每天最高溫、最低溫及降水，於1/8°網格上，1949-2000年。 由雪水遙測站測得每天的雪水當量，在美國西部和阿拉斯加有650個站，採無人觀測，量測氣溫、雪水當量、雪厚度及降水。這些站的高度由610公尺到3500公尺，平均高度為2300公尺，超過550個站記錄最近十年的資料。

模式模擬設定(MM5) 大網域用120公里的解析涵蓋全美，使用一層巢狀網域用40公里解析位於美國西部。初始化在1980年7月，根據NCEP-NCAR再分析大尺度情形，每6小時更新一次(包括海表溫度及測邊界情形)。(20-yr) 另一個則是多加一個巢狀網格，使用13公里解析位於美國西北部太平洋及加洲，沿著海岸山脈、Cascades和Sierra，有著顯著的地形變化。 (5-yr) 當解析度由40公里增加到13公里，不改變物理參數化的選擇，也不調任何參數，垂直層也維持23層。

Coastal Range Sierra Nevada 用來作風和水汽傳輸的分析 4個40km的區塊，共6400km2 40km 分別是 Olympic Cascades Coastal Range Sierra Nevada Pacific Northwest CA 13km

物理參數化選擇 Dudhia shortwave radiation (Stephens et al. 1984),the rapid radiative transfer model (RRTM) for longwave (Mlawer et al. 1997) Kain-Fritsch convective parameterization (Kain and Fritsch 1993) Reisner mixed-phase cloud microphysics scheme (Reisner et al. 1998) Countergradient turbulence transport scheme (Hong and Pen 1996) Oregon State University Land Surface Model (OSULSM;Chen and Dudhia 2001 )

降水在空間解析的敏感度 空間分布 五年季平均降水 (mm/day) (1980年5月至1985年9月) 左:暖季(6,7,8月) 降水在空間解析的敏感度 空間分布 五年季平均降水 (mm/day) (1980年5月至1985年9月) 左:暖季(6,7,8月) 右:冷季(12,1,2月) Pacific Northwest

降水在空間解析的敏感度 降水與地形高度關係 降水在空間解析的敏感度 降水與地形高度關係 五年季平均降水 (mm/day) (1980年5月至1985年9月) 左:暖季(6,7,8月) 右:冷季(12,1,2月) CA

降水在空間解析的敏感度 降水與地形高度關係 降水在空間解析的敏感度 降水與地形高度關係 22 18 高度 降水 9 (100m) 9 20 冷季(12,1,2月)平均降水 mm/day 12 Cascades Olympic

降水在空間解析的敏感度 降水與地形高度關係 降水在空間解析的敏感度 降水與地形高度關係 18 11 1500 1100 200 200 冷季(12,1,2月)平均降水 mm/day 10 Cascades 470

降水在空間解析的敏感度 降水與地形高度關係 降水在空間解析的敏感度 降水與地形高度關係 冷季(12,1,2月)平均降水 mm/day Coastal Range Sierra Nevada

風的效應及水汽傳輸的效應 降水量 一樣 降水強度 40km 10% 63 13km 16% 66 Obs 11% 64 平均雨量 mm/day

風的效應及水汽傳輸的效應 水汽傳輸 垂直Cascades 東 南 西 北

40km與13km降水率差值與水汽傳輸的關係圖 Sierra>CA>Cascades CA>Sierra

解析度對雪的影響 o + & o都低估 模擬比實際站高度低10%以上 模擬比實際站高度高10%以上 其他站 40km解析 5%→+ &不一定偏低 溫度模擬 不一定都依高 度而不同 o都低估 負偏值

解析度對雪的影響 觀測 模擬 溫度與平均降水的關係 差196mm 可解釋27 mm積雪厚度 在低於冰點 3.72 mm/day 差0.59 觀測 模擬 溫度與平均降水的關係

上圖可解釋50 mm的誤差，且在12/1時就已有87mm偏值 可解釋的 其餘不可解釋的，是因為模 式初始化不足及一些變數的 影響。

有40%的站高低於觀測10%(40km有60%)， 還是有很大的低估量。 降水高出2.1mm/day， 若變成雪可達97mm積雪 雖然13km有改善，但是比(a)的模擬還差

Pacific Northwest 似乎是較冷的溫度主導積雪的增加

CA 13km與40km地形模擬的一樣差，但是13km還是高估。

討論與結論 本研究只能部分提出高解析度就有更佳模擬的結論，因為大尺度情況主要受強側邊界情況影響，而側邊界不受解析度增加而影響。 本次研究的結果不能廣義的套用在其他有調整過參數、物理過程或使用不同數值方法的區域模式上。 在Cascades和Sierra Nevada，降水隨解析度增加而增加，主要是因為強降水的模擬增加(比4觀測還少)，但是弱降水沒有減少。 在海岸山丘，地形是主要影響降水的因素。

當較多水氣由太平洋傳輸，解析度增加也增加降水的振幅，尤其在Olympic Mountains和Coastal Range比其他模擬區明顯。 在雪的模擬上不能只用高度偏值來解釋。 當著重於降水的模擬時，增加解析度從40km到30km，在氣候模式不一定會有一致性改善降水的情形。