WRF介绍
WRF使用说明范文
WRF使用说明范文WRF (Weather Research Forecasting model) 是一个高分辨率的天气模式系统，用于模拟和预测各类天气现象。
它由国家大气研究中心（NCAR）和国家环境保护署（EPA）共同开发，已成为全球范围内天气预报、气候研究和环境模拟的重要工具。
本文将介绍WRF的基本使用说明。
一旦配置完成，用户可以使用WRF模式进行多种类型的模拟和预测。
WRF可以模拟从几十米到数百公里尺度上的天气现象，并且可以针对不同的气候区域进行区域定制。
使用WRF之前，用户需要准备好输入数据，包括地形数据、气象观测数据、近地面条件数据等。
WRF模型的运行包括两个主要步骤：预处理和模拟。
预处理步骤主要用于准备输入数据，包括将地形数据转换为模型所需格式，插值气象观测数据到模型网格，生成气象初值和边界条件等。
WRF提供了多个辅助工具，如WPS (WRF Preprocessing System) 来帮助用户完成这些预处理任务。
模拟步骤是WRF模型的核心部分，主要用于模拟和预测天气现象。
用户需要选择合适的模拟选项，包括时间步长、水平和垂直分辨率、物理参数化方案等。
WRF提供了多种物理参数化方案，如微物理方案、积云方案和辐射方案，用户可以根据需要进行选择。
总结起来，WRF是一种功能强大的天气模式系统，可以用于模拟和预测各类天气现象。
但是，使用WRF需要较高的计算机配置和编程基础，以及一定的气象和数值模式理论基础。
用户需要准备好输入数据，进行模拟参数配置，运行模拟，并使用后处理工具进行结果分析和可视化。
建议用户从官方文档和培训材料入手，学习相关的数值模式理论和编程技巧，并与其他用户和研发人员进行交流和讨论。
只有通过不断地实践和学习，用户才能更加熟练地使用WRF模型，并获得准确和可靠的模拟和预测结果。
WRF使用说明范文
WRF使用说明范文WRF（Weather Research and Forecasting）是一种常用的大气动力学模型，用于天气预报、气候模拟等气象学研究领域。
本文将介绍WRF的基本原理和使用方法，帮助读者快速上手使用WRF进行天气预报。
一、WRF的基本原理WRF模型是一种通过数值模拟天气系统的大气模式，能够模拟和预报各种尺度的气象现象。
它基于Navier-Stokes方程和热力学原理，通过空间和时间离散化的数值计算方法，模拟大气的物理和动力特性。
WRF模型主要包括动力学核心、物理方案和分辨率配置三个方面。
动力学核心是WRF模型的计算引擎，包括模式的网格结构和求解方程的数值方法。
WRF模型支持三种动力学核心：全谱元谱法（全谱模式）、有限差分法（全局模式）和非均匀格点模型（多尺度模式）。
用户可以根据不同的需求选择合适的动力学核心。
物理方案是WRF模型的参数化方案，用于模拟大气中的各种物理过程。
物理方案包括微物理方案、辐射方案、降水方案、陆地过程方案等。
用户可以根据需要选择合适的物理方案，然后根据具体情况进行相应的参数调整。
分辨率配置是指WRF模型的网格设置，决定了模拟的空间和时间精度。
WRF模型支持多种网格类型，如地理坐标、斜坐标等，并提供了灵活的网格分辨率配置方法。
用户可以根据需要选择合适的网格类型和分辨率，以达到所需的模拟精度。
二、WRF的使用方法1.安装和配置环境2.模型运行和输入数据准备完成安装和配置后，用户可以使用WRF模型进行天气预报。
首先，用户需要准备输入数据，包括初始场和边界场。
初始场包括温度、湿度、风场等参数，可以从观测数据或其它模拟结果中得到。
边界场则包括在模拟区域周边的大气特征，如气压、海温等，通常可以从观测数据或全球模式中获取。
3.WRF模型运行和输出结果分析准备好输入数据后，用户可以运行WRF模型进行天气预报。
运行过程中，用户需要设置模拟的起始时间、模拟区域、物理参数、动力学核心等。
wrf模型预测的知识
wrf模型预测的知识WRF模型是一种常用的天气预报模型，被广泛应用于气象和气候研究领域。
本文将介绍WRF模型的基本原理、应用领域以及其在气象预报中的重要性。
一、WRF模型的基本原理WRF（Weather Research and Forecasting）模型是一种数值天气预报模型，采用了非静力学模态和非正压条件，能够模拟大气中的动力和热力过程。
WRF模型基于Navier-Stokes方程和热力学方程，通过离散化和数值解法对方程进行求解，从而得到未来一段时间内的天气预报结果。
WRF模型的核心是网格系统，将整个大气分为水平和垂直方向上的网格点，利用质量、能量和动量守恒方程对每个网格点上的物理量进行计算。
通过不同的参数化方案，WRF模型能够模拟并预报大气中的各种现象，如温度、湿度、风速、降水等。
二、WRF模型的应用领域WRF模型在气象领域有广泛的应用，包括天气预报、气候模拟、环境污染预测等。
在天气预报方面，WRF模型能够提供高时空分辨率的天气预报结果，帮助气象部门准确预报未来几天乃至几小时的天气情况。
在气候模拟方面，WRF模型可以模拟长期气候变化的趋势和模式，为气候研究提供重要依据。
在环境污染预测方面，WRF模型可以模拟大气中的污染物传输和扩散过程，帮助环保部门预测和评估不同情景下的污染物浓度分布。
三、WRF模型在气象预报中的重要性WRF模型在气象预报中的重要性不言而喻。
通过对大气动力学和热力学过程的模拟和预测，WRF模型能够提供准确的天气预报结果，帮助人们做出合理的决策。
在天气灾害预警方面，WRF模型能够提前预测并警示台风、暴雨、大风等极端天气事件，减少灾害造成的损失。
在农业生产方面，WRF模型能够为农民提供准确的天气预报，帮助农民科学安排农作物的种植和收获时间，提高农业产量和质量。
在航空和航海领域，WRF模型能够提供准确的天气预报，帮助航空公司和船舶企业制定合理的航班和航行计划，确保航班和航行的安全。
wrf模型原理
wrf模型原理摘要：1.WRF 模型简介2.WRF 模型的核心原理3.WRF 模型的应用领域4.WRF 模型的优缺点分析5.我国对WRF 模型的研究及应用正文：WRF 模型，全称为Weather Research and Forecasting Model，是一种天气预报模型。
它是由美国国家大气研究中心（National Center for Atmospheric Research，简称NCAR）和美国能源部（Department of Energy，简称DOE）共同开发的大气模型。
WRF 模型自2000 年推出以来，因其准确性和灵活性，已经成为全球气象预报、气候模拟和环境研究等领域的重要工具。
WRF 模型的核心原理是求解大气动力学方程，包括Navier-Stokes 方程、能量方程、水汽方程等。
通过对这些方程进行数值求解，WRF 模型能够模拟大气环流、天气系统、云和降水等现象。
WRF 模型采用了多种数值方法和技巧，如有限差分、四阶龙格- 库塔（RK4）时间积分、地形跟随坐标等，以提高模型的稳定性和精度。
此外，WRF 模型还具有参数化方案，用以模拟大气中的物理过程，如辐射、湍流、边界层、陆面过程和积云对流等。
WRF 模型广泛应用于天气预报、气候模拟、环境研究、生态规划等领域。
通过WRF 模型，气象学家可以预测未来的天气状况，为防灾减灾、农业生产、能源供应等提供科学依据。
此外，WRF 模型还可以用于研究大气污染、气候变化等环境问题，为政府决策提供参考。
WRF 模型虽然具有较高的准确性和灵活性，但也存在一些缺点。
首先，WRF 模型计算量较大，需要高性能计算机进行运算。
其次，模型的参数化方案仍存在一定的不确定性，可能会影响模拟结果的准确性。
最后，WRF 模型对初始和边界条件较为敏感，可能导致预测结果的偏差。
我国对WRF 模型的研究及应用取得了显著成果。
我国气象部门已经将WRF 模型纳入业务预报体系，提高了天气预报的准确性和时效性。
wrf模型的基本知识
wrf模型的基本知识WRF模型的基本知识一、概述WRF（Weather Research and Forecasting）模型是一种用于天气和气候预报的数值模拟工具。
它是由美国国家大气研究中心（NCAR）和美国国家海洋和大气管理局（NOAA）共同研发的。
WRF模型具有可配置性强、适应性广、精度高等特点，被广泛应用于全球各地的天气和气候研究。
二、模型结构WRF模型采用了多种物理参数化方案，包括动力学参数化方案、湍流参数化方案、辐射参数化方案等。
它基于天气和气候的基本方程组，通过离散化和数值求解，模拟大气运动、能量传递和水循环等过程。
WRF模型的核心是动力学内核，它采用了各种数值求解方法，如有限差分法、谱方法等，以求解大气运动方程。
三、模拟过程WRF模型的模拟过程主要包括数据预处理、初始条件和边界条件设置、模型运行和后处理等步骤。
数据预处理主要包括对观测数据进行插值、平滑和纠正等处理，以提供模型初始场和边界场所需的数据。
初始条件和边界条件设置是模拟过程中非常重要的一环，它们直接影响着模拟结果的准确性和可靠性。
模型运行是指将WRF模型输入数据和参数配置文件加载到计算机中，并进行模拟计算的过程。
后处理是指对模拟结果进行可视化、分析和评估的过程，以便更好地理解和利用模拟结果。
四、应用领域WRF模型可以用于天气预报、气候模拟、环境污染预测等多个领域。
在天气预报方面，WRF模型可以提供高时空分辨率的天气预报产品，帮助决策者和公众做出准确的天气决策。
在气候模拟方面，WRF模型可以模拟全球和区域的气候变化过程，为气候研究和政策制定提供科学依据。
在环境污染预测方面，WRF模型可以模拟大气污染物的扩散和传输过程，为环境管理和应急决策提供支持。
五、发展趋势随着计算机技术的不断进步和数据观测能力的提高，WRF模型正不断发展和完善。
未来，WRF模型将更加精细化、高分辨率、多尺度，并且与其他模型和数据进行集成，以提高预报准确性和可靠性。
WRF模式入门指南
WRF模式入门指南WRF（Weather Research and Forecasting）是一种用于天气预报和气候研究的大气模式。
它是由美国国家大气研究中心（NCAR）、美国海洋和大气管理局（NOAA）、五国共同研究中心（UCAR）和其他合作机构共同开发的。
WRF模式具有高分辨率、多尺度、灵活性和可拓展性等特点，可以模拟各种天气系统，从小尺度的雷暴到大尺度的气压系统。
WRF模式的使用可以帮助气象学家、气候学家和环境科学家等研究人员预测天气现象，了解气候变化，并提供有关空气质量、灾害风险和海洋环境等方面的信息。
以下是一个WRF模式的入门指南，帮助初学者开始使用该模式。
安装完成后，你需要创建一个工作目录，并设置WRF模式的运行环境。
这包括设置环境变量和路径，以及配置模型运行参数。
这些信息可以在WRF模式的用户指南中找到，你需要仔细阅读并按照指导进行设置。
在模型运行之前，你需要准备输入数据。
WRF模式的输入数据包括初始条件和边界条件。
初始条件是指在模型开始时的大气状态，通常是由一个初始观测和分析数据集生成的。
边界条件是在模拟区域外部的边界上提供的数据，用于模拟区域和外部大气之间的相互作用。
这些数据可以来自全球或区域的气候模式输出。
一旦你准备好了输入数据，就可以开始运行模型了。
WRF模式提供了多种运行方式，包括单节点运行和并行运行。
单节点运行适用于小规模模拟，而并行运行适用于大规模或高分辨率模拟。
你可以根据自己的需要选择适当的运行方式，并使用相应的命令将模型提交到计算节点上运行。
模型运行完成后，你可以使用WRF模式的后处理工具来分析模拟结果。
这些工具可以帮助你提取和可视化模拟数据，例如气温、风速、降水量等。
你可以使用Python或其他编程语言编写自己的后处理脚本，以满足特定的分析需求。
最后，进行模型验证和评估是非常重要的。
你可以将模拟结果与观测数据进行对比，以评估模型的性能。
这可以帮助你了解模型在不同天气事件中的表现如何，并识别模拟结果中的误差和不确定性。
《2024年新一代中尺度天气预报模式——WRF模式简介》范文
《新一代中尺度天气预报模式——WRF模式简介》篇一一、引言随着科技的不断进步，天气预报的准确性和精细度逐渐成为人们关注的焦点。
中尺度天气预报模式作为现代气象学的重要组成部分，对提高天气预报的精确性和预见性起着至关重要的作用。
本文将着重介绍新一代中尺度天气预报模式——WRF（Weather Research and Forecasting）模式，以及其相关特性和应用。
二、WRF模式概述WRF模式是由美国国家大气研究中心（NCAR）和多个国际合作伙伴共同开发的一款先进的中尺度气象预报模式。
该模式以其高分辨率、灵活性和可扩展性等特点，广泛应用于全球各地的气象研究和预报工作。
三、WRF模式的特点1. 高分辨率：WRF模式能够提供高分辨率的天气预报，对局部地区的气象变化具有较高的敏感度和预测能力。
2. 灵活性：WRF模式具有较高的灵活性，可以根据不同的需求进行定制和调整，以满足不同地区和不同用户的需求。
3. 强大的物理过程描述：WRF模式采用先进的物理过程描述方法，能够更准确地模拟和预测大气中的物理过程。
4. 丰富的数据源：WRF模式支持多种数据源的输入和输出，包括卫星数据、雷达数据、地面观测数据等，为天气预报提供了丰富的数据支持。
四、WRF模式的应用1. 天气预报：WRF模式广泛应用于各种天气预报业务，包括短时预报、短期预报和中期预报等，为人们提供准确的天气信息。
2. 气候模拟：WRF模式还可以用于气候模拟和气候变化研究，为气候预测和应对气候变化提供科学依据。
3. 灾害预警：WRF模式在灾害预警方面也发挥着重要作用，能够提前预测和预警各种自然灾害，如暴雨、洪涝、台风等。
4. 农业气象服务：WRF模式还可以为农业气象服务提供支持，帮助农民了解天气变化对农作物的影响，提高农业生产效益。
五、WRF模式的未来发展随着科技的不断发展，WRF模式将会继续进行优化和升级。
未来，WRF模式将进一步提高其预报精度和时效性，同时加强与其他模式的融合和互动，以更好地服务于气象研究和预报工作。
WRF介绍
WRF介绍介绍WRF 前处理系统（WPS）是一个由三个程序组成的模块，这三个程序的作用是为真实数据模拟准备输入场。
三个程序的各自用途为：geogrid确定模式区域并把静态地形数据插值到格点；ungrib从GRIB 格式的数据中提取气象要素场；metgird则是把提取出的气象要素场水平插值到由geogrid确定的网格点上。
把气象要素场垂直方向插值到WRF eta层则是WRF 模块中的real程序的工作。
上图给出了数据在WPS的三个程序之间的转换关系。
正如图像所示，WPS里每个程序都会从一个共同的namelist文件里读取参数。
这个namelist文件按各个程序所需参数的不同分成了三个各自的记录部分及一个共享部分，它们分别定义了WPS系统所要用到的各种参数。
被三个程序各自用到的表格文件没有在图中显示出来。
尽管这些表格无需用户改动，但是这些个表格却提供了控制程序运行的额外信息。
GEOGRID.TBL, METGRID.TBL,和Vtable文件将会在后文中被详细介绍。
安装WPS的步骤和安装WRF的步骤基本相同，都提供了编译的选项，只是平台有所变化。
当MPICH库及合适的库可以使用时，metgird和geogrid程序可以用分布式内存来编译，如果是这样操作，那当用户在设置大的模拟区域时就可以花更少的时间。
但是ungrib程序却不能使用并行，因此只能用单CPU来操作。
各个程序的功能; w* C/ E. N' y" UWPS是由三个单独的程序—geogrid，ungrib和metgird组成。
当然，也包括了很多其它的应用程序，这些程序放在util目录下。
下面是对这三个主要程序的一个简单描述，更详细的内容将在后边的章节进一步介绍。
程序geogrid的目的是确定模拟区域，及把各种地形数据集插值到模式格点上。
模拟区域的确定是通过设置namelist.wps文件中的与―geogrid‖有关的参数来实现的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
9.2.4.3 辐射
3-5 MM5 Dadhia短波辐射方案： 该方案来自于MM5模式，对短波辐射通量向下进行简单积分。 它能够反映晴空散射、水汽吸收和云的反射与吸收。另外，还考虑了 地形坡度和阴影对地表短波辐射通量影响。 3-6 Goddard短波辐射方案： 该方案共有11个谱段，采用二流近似方法计算太阳短波辐射的散 射和直接辐射分量，并且方案中考虑了已有臭氧垂直廓线的气候分布。 3-7 CAM短波辐射方案： 该方案也是用于NCAR大气环流模式的谱段处理方案，主要用来 气候模拟。它能够处理几种气溶胶和痕量气体的光学特征。该方案特 别适用于区域气候模拟。
9.2.4.3 辐射
3-1 快速辐射传输长波模式（RRTM)： 该模式来自MM5模式，采用谱段处理方案。它是利用一个预设好的 查算表准确地表示由于水汽、臭氧、二氧化碳和痕量气体（大气中含量极 少的气体）引起的长波辐射过程，同时也能表示云的光学厚度。 3-2 GFDL长波辐射方案： 该方案来自美国地球流体动力实验室，计算与二氧化碳、水汽、和 臭氧相关谱段上的长波辐射，采用简化的交换方法。该方案中云的重叠是 随机的。 3-3 CAM长波辐射方案： 该方案是用于NCAR大气环流模式的谱段处理方案，主要用来进行气 候模拟。它能够处理几种痕量气体，并与可分辨云和云量进行相互作用。 3-4 GFDL短波辐射方案： 该方案同样来自于美国地球流体动力实验室，考虑了二氧化碳、水 汽和臭氧的效应，采用积分时间间隔内日间平均的太阳天顶角余弦值计算 段波辐射。该方案中云的重叠是随机的。
9.2.4.1 微物理过程
1-1 Kessler暖云方案： 该方案来源于COMMAS模式，是一个简单的暖云降水方案，考虑的微 物理过程包括：雨水的产生、降落与蒸发，云水的碰并增长与自动转化， 以及由凝结产生云水的过程。该方案显式预报水汽、云水和雨水，无冰 相过程。 1-2 Purdue-Lin方案： 该方案包括了对水汽、云水、雨、云冰、雪和霰6种类型水成物的处理。 该方案是 WRF模式中相对比较复杂的微物理方案，更适合于理论研究 。 1-3 WRF单参数—3类水成物(WSM3)方案： 该方案包括冰沉降和新的冰相参数化。与其他方案最大的不同之处在于， 该方案是基于冰的质量含量而非利用温度的诊断关系计算冰粒子浓度。 假设高于冰点的水成物为云水和雨，冰点以下的为云冰和雪，对包含冰 过程的计算效率很高。可以对三类水成物（即水汽、云水或云冰、雨或雪） 进行预报，被称为简单冰方案。但要注意的是，该方案缺少过冷水和逐步 融化率过程。
9.2.4 物理过程介绍
在数值模式模拟天气过程时，往由于模式分辨率不 足等原因，对次网格尺度的物理过程不能很好的描述，因 此需要诸如辐射、边界层微物理等物理过程参数化来完善 模拟的效果 。
WRF模式的主要物理过程包括： 1. 微物理过程 2. 积云对流 3. 辐射 4. 行星边界层（PBL） 5. 陆面过程
WRF模式系统的主要组成模块
The WRF Modeling System Program Components
9.2.3 WRF—ARW
• ARW模块的动力框架采用完全可压缩、非静力平 衡（带有静力平衡选项）欧拉模型，用具有守恒 性的变量的通量形式表示。
通量形式欧拉方程组：
• 水平方向采用Arakawa C(荒川C)网格点（重点 考虑1-10km ）
物理过程之间的相互作用
WRF-CHEM主要参数化方案—化学机理
气相化学机理 • CBM-IV(Carbon Bond Mechanism IV) • CBM-Z(Carbon Bond Mechanism version Z) • RADM2(Regional Acid Deposition Mechanism) • RACM(Regional Atmospheric Chemistry Mechanism) • SAPRC99(Statewide Air Pollution Research Center mechanism) 气溶胶化学机理 • Sectional MOSAIC • Modal MADE/SORGAM • GOCART • MADE/VBS
WRFDA :/wrf/users/wrfda/index.html
WRF-Chem：https:///wrf/wrf-chem/
9.2.2 WRF模式的整体框架介绍
主要由四部分组成：预处理系统（用于将数据进行插值和模 式标准初始化、定义模式区域、选择地图投影方式）、同化 系统（包括三维变分同化）、动力内核以及后处理（图形软 件包）部分。 模式的动力内核（或者框架）分为WRF—ARW（用于科学研究 ）和WRF—NMM（用于业务预报）两种模块。 ARW和NMM均包含于WRF基础软件框架中，它们之间除了动力 求解方法不同之外，均共享相同的WRF模式系统框架和物理 过程模块。 ARW(Advanced Research WRF)是在NCAR的MM5模式基础上发 展起来,用于研究； NMM(Nonhydrostatic Mesoscale Model)是在NCEP的Eta模式 基础上发展起来。这里介绍的是 ARW 。
WRF模式适用范围很广，从中小尺度到 全球尺度的数值预报和模拟都有广泛的应 用.
既可以用于业务数值天气预报，也可以 用于大气数值模拟研究领域，包括数据同 化的研究、物理过程参数化的研究、区域 气候模拟、空气质量模拟、海气耦合以及 理想实验模拟等。
一些网址
WRF主页：/index.php core下载： /wrf/users/download/get_so urces.html
第一，可以选择霰或者冰雹作为第三种粒子。第二，加入了新的饱和调整方法，确保 （过饱和）不饱和不会发生在天气晴朗（多云）的网格点上。第三、所有不涉及融化、 蒸发和凝华的微物理过程都只成物的所有沉降过程的总和不能超过它本身的质量，确保在 微物理过程计算中保持液水总量的平衡。
9.2.4.5 陆面过程
5-1 5层热量扩散方案： 该方案基于MM5的5层土壤湿度模式，分别是1、2、4、8、16cm， 在第5层底的土壤温度固定为一个气候平均值。能量收支包括辐射、感热 和潜热通量，同时也允许雪盖效应。 5-2 Noha陆面过程模式： 该模式是OSU陆面过程模式的后继版，与原先的相比，可以预报土壤 结冰、积雪影响，提高了处理城市地面的能力，考虑了地面发射体的性质， 这些是OSU所没有的。 5-3 快速更新循环（RUC）陆面过程模式： 该模式为多层土壤模式（6层，可增至9层以上），各层深度为0、5、 20、40、160、300cm，在土壤上层垂直分辨率较高，另外还包含多层雪 模式。它考虑了土壤结冰过程、不均匀雪地、雪的温度和密度差异，以及 植被效应和冠层水。 5-4 Pleim-Xiu陆面过程模式： 该模式为2层强迫—回复土壤温度和湿度模式，上面一层深为1cm， 下面一层深为99cm。该模式的特色在于通过三种途径进行水汽通量交换： 蒸散、土壤蒸发和湿冠层蒸发。
此嵌套网格与母区域比为3:1
• 垂直方向则采用地形跟随质量坐标。
• 时间积分方案上采用三阶或者四阶的RungeKutta算法。
RK3方案对中央差分以 及上风平流方案都具有较 好的稳定性。其稳定时间 步长大小比二阶蛙跃式时 间步长方案要大2~3倍， 可以节省机时。
三阶Runge-Kutta积分方案
1-9 Morrison双参数方案： 该方案考虑了六种水成物：水汽、云滴、云冰、雨、雪和霰/冰雹，通过自定义开关来 决定霰和冰雹的选择。诊断变量主要包括云冰、雨、雪和霰或冰雹的数浓度和质量混合 比，云水和水汽的混合比（总共10个变量）。 这种双参数的预报能更准确地处理粒子的谱分布，而粒子的谱分布又是计算各种微物 理过程发生概率和估算云/降水的关键因子
9.2.4.2 积云对流
2-1 Kain-Fritsch方案： 该方案是质量通量类型，在Eta模式中进行测试调整，采用一个含有水 汽上升和下降过程的简单云模式，包括卷入和卷出，以及相对粗糙的微物理 过程。 2-2 Betts-Miller-Janjic方案： 该方案是对流调整方案，其最主要的改进在于引入成云效率参数，这 样就增加了一个决定大气加热和水汽目标廓线的自由度。其中，浅对流调整 是参数化的重要部分。 2-3 Grell-Devenyi集合方案： 该方案是在每个网格点上运行多个积云参数化方案，并将其结果进行 集合平均，然后反馈到模式格点。 2-4 Grell-3方案： 该方案是WRF第三版本首次引入的新方案，与Grell-Devenyi方案有很 多相同之处，都是基于集合平均方法。该方案更适用于格距小于10km的情 况。
9.2.4.1微物理过程
1-4 WSM5方案： 该方案与WSM3的简单冰方案类似，但由于将水汽、雨、雪、云冰和云水存储在5个 不同数组，因此允许有过冷水的存在，并且允许雪下降到融化层以下进行逐步融化。 该方案与Purdue Lin方案不同的是，该方案对冰和水的饱和调整过程是分开处理的。 另外，该方案在格距介于中尺度和可分辨云尺度的格点计算效率很高。 1-5 WSM6方案： 该方案是对WSM5方案的补充和扩展，另外包括了霰及其相关过程。对于较粗分辨率 的中尺度格点而言，WSM3、WSM5、和WSM6方案差别不大，但是对云分辨尺度它 们差别显著。如果考虑计算效率和理论基础，这三种方案中WSM6方案是最适合于云 分辨格点的。 1-6 Eta格点尺度云—降水方案： 预报模式平流项中的水汽和总凝结降水变化。程序中用一个局地存储数组保存初始猜 测场信息，即分解得到的云水、雨、云冰和冰相降水物密度的贡献。（冰相降水物的 密度是根据存有冰的总增长信息的局地数组估算的，冰的总增长信息又与气相沉降和 液相碰撞有关）
9.2.4.1微物理过程
1-7 Thompson方案： 该与早期单参数总体微物理参数化（BMP）方案相比，该方案不仅改进了物理过程 和程序代码，还加入了一个查算表以提供更多详细的谱分档机制。 该方案假设雪粒的尺度分布不仅与冰水含量有关，而且还与温度有关系，并进一步 假设雪粒为非球形，其总体密度与粒径大小有反相关，与观测一致。（与之相反，几乎 其他所有BMP方案都假设雪粒为球形，并且密度为常数） 1-8 Goddard积云集合（GCE）模式方案：