降水數據對於理解陸地-大氣相互作用和區域水文循環至關重要🚖。但目前的降水數據在高海拔山區存在很大的不確定性🙇🏼‍♀️。崎嶇陡峭的地形💆🏿‍♂️、觀測點的位置，風吹雪和低溫的環境，這些因素都阻礙了高質量網格降水數據的建立。全球氣候模式模擬的降水在青藏高原存在顯著高估，動力降尺度模擬的降水優於全球氣候模式𓀘，但是降水高估現象依然存在🏌🏿‍♂️。

為了進一步減少降水模擬誤差，沐鸣2平台高艷紅教授帶領的研究團隊開展了對流允許尺度模擬🏬。他們首先綜合評估了對流允許尺度降水模擬（4km）、動力降尺度模擬（28km）🫳🏿、和三套基於地表和遙感觀測的網格降水產品（CMFD🈶👨🏿‍🍼、CMORPH🍏、TRMM）在青藏高原的性能；其次為了評估缺乏站點觀測的🧑🏿‍🦰、高海拔地區的降水數據(>4800米),他們基於先進的高分辨率陸面數據同化系統（HRLDAS）🧑🏽，模擬了青藏高原一個雪季的積雪覆蓋度，並與課題組之前開發的MODIS和風雲衛星的去雲產品（Jiangetal.2019）進行了比較。

研究發現🧖🏻，目前的網格降水產品在青藏高原存在非常大的不確定性，遙感反演降水量最小🧽，氣候模式模擬的降水量最大。這種不確定性在藏東南的雅魯藏布江峽谷最為明顯⛹🏽‍♂️🖕🏽，該地區的網格點與站點的海拔高度差距最大。使用原始分辨率進行比較，發現相比於動力降尺度結果，對流允許尺度模擬顯著較小了降水量和降水頻率的模擬誤差。但是，將對流允許尺度模擬結果進行區域平均，到動力降尺度相同分辨率進行對比🎭，發現模擬性能仍然是有一定程度的提高，不過改進程度沒有使用原始分辨率的結果顯著🧏🏿‍♀️🚥。這一現象說明👩‍🦽🧜‍♀️，即使在粗網格尺度比較🛌🏿，相比動力降尺度，對流允許尺度模擬仍然可以提高青藏高原降水模擬性能🙎🏿，不過更多的改進體現在小尺度特征。

基於觀測的網格降水產品驅動的積雪覆蓋度模擬存在普遍性低估現象，尤其是高估了無雪期的模擬🌲👜。相比基於觀測降水產品驅動的積雪覆蓋度模擬🧖🏽👈，動力降尺度和對流允許尺度降水驅動模擬的積雪覆蓋度模擬誤差更小，而且可以更準確模擬積雪覆蓋度的水平和隨海拔分布特征，與MODIS產品的概率密度分布函數更為接近。這一研究表明高海拔山區降水，尤其是無站點觀測地區，很可能遠遠高於站點觀測值🤸🏿🚿；基於物理過程的對流允許尺度模擬和動力降尺度模擬可以為高海拔山區提供更準確的高時空分辨率降水數據。

該研究為無站點觀測的高海拔山區水循環研究提供了新視角🏑。該文章已經在J. Hydrometeor. 發表👑。

Gao, Y., Chen, F. , & Jiang, Y.(2020). Evaluation of a convection-permitting modeling of precipitation over the Tibetan Plateau and its influences on the simulation of snow-cover fraction. Journal of Hydrometeorology.21, 1531-1548.

Figure 1 Domain and topography (Units: m) for a) DDM and b) CPM.

Figure 2 Scatterplots of the mean snow-cover fraction (units: %) in October

       2013 to May 2014 versus elevation (units: m) from the (a) MODIS and

HRLDAS simulations driven by precipitation from (b) CMFD, (c)

TRMM, (d) CMORPH, (e) DDM, and (f) CPM, respectively.