Increase in the extreme weather events around the world has necessitated application of numerical weather prediction (NWP) models to forecast these events and minimize consequences. Application of NWP models requires appropriate selection of physics parameterization options for close representation of atmospheric processes. In this study, the WRF model performance was evaluated for varying physical parameterization of surface processes in simulating meteorology with respect to varying (i) shortwave and longwave radiation schemes, (ii) planetary boundary layer (PBL) and corresponding surface layer (SL) schemes over Delhi NCR. A total of 11 simulation sets were curated with 7 PBL schemes (ACM2, GBM, UW, MYJ, SH, TEMF and BouLac), 4 surface layer schemes (Pleim-Xiu, Revised MM5, Eta and TEMF), 3 shortwave radiation schemes (Dudhia, New Goddard and RRTMG), 3 longwave radiation schemes (RRTM, New Goddard and RRTMG) and 2 land surface models (LSM) (Pleim-Xiu and Noah). Sensitivity experiments are performed at a fine resolution (1 km) with updated LULC input. Based on the sensitivity analysis, it is inferred that the simulation set which works best for the region is TEMF PBL, TEMF SL, Dudhia shortwave radiation, RRTM longwave radiation and Noah LSM schemes. The TEMF PBL scheme is designed as hybrid (local–nonlocal) scheme and thereby, with consideration of both local and nonlocal viewpoints it is noted that the near-surface meteorological parameters are depicted with greater accuracy. To further address the model biases it is important to refine the physical parameterizations schemes in the WRF model or using different bias correction and data assimilation techniques.

中文翻译：

---

印度首都地区 WRF 物理参数化方案的评估

世界各地极端天气事件的增加使得应用数值天气预报 (NWP) 模型来预测这些事件并尽量减少后果成为必要。Application of NWP models requires appropriate selection of physics parameterization options for close representation of atmospheric processes. 在本研究中，针对不同的 (i) 短波和长波辐射方案，(ii) 行星边界层 (PBL) 和相应的表面层 (SL) 方案，评估了 WRF 模型性能在模拟气象时改变表面过程的物理参数在德里 NCR。共策划了 11 个模拟集，其中包含 7 个 PBL 方案（ACM2、GBM、UW、MYJ、SH、TEMF 和 BouLac）、4 个表面层方案（Pleim-Xiu、Revised MM5、Eta 和 TEMF）、3 个短波辐射方案（杜迪亚，New Goddard 和 RRTMG）、3 个长波辐射方案（RRTM、New Goddard 和 RRTMG）和 2 个陆地表面模型（LSM）（Pleim-Xiu 和 Noah）。使用更新的 LULC 输入以精细分辨率 (1 km) 进行灵敏度实验。根据敏感性分析，推断出最适合该地区的模拟集是TEMF PBL、TEMF SL、Dudhia短波辐射、RRTM长波辐射和Noah LSM方案。TEMF PBL 方案被设计为混合（本地-非本地）方案，因此，考虑到本地和非本地的观点，注意到近地表气象参数的描述更准确。为了进一步解决模型偏差，重要的是改进 WRF 模型中的物理参数化方案或使用不同的偏差校正和数据同化技术。3 个长波辐射方案（RRTM、New Goddard 和 RRTMG）和 2 个陆地表面模型 (LSM)（Pleim-Xiu 和 Noah）。使用更新的 LULC 输入以精细分辨率 (1 km) 进行灵敏度实验。根据敏感性分析，推断出最适合该地区的模拟集是TEMF PBL、TEMF SL、Dudhia短波辐射、RRTM长波辐射和Noah LSM方案。TEMF PBL 方案被设计为混合（本地-非本地）方案，因此，考虑到本地和非本地的观点，注意到近地表气象参数的描述更准确。为了进一步解决模型偏差，重要的是改进 WRF 模型中的物理参数化方案或使用不同的偏差校正和数据同化技术。3 个长波辐射方案（RRTM、New Goddard 和 RRTMG）和 2 个陆地表面模型 (LSM)（Pleim-Xiu 和 Noah）。使用更新的 LULC 输入以精细分辨率 (1 km) 进行灵敏度实验。根据敏感性分析，推断出最适合该地区的模拟集是TEMF PBL、TEMF SL、Dudhia短波辐射、RRTM长波辐射和Noah LSM方案。TEMF PBL 方案被设计为混合（本地-非本地）方案，因此，考虑到本地和非本地的观点，注意到近地表气象参数的描述更准确。为了进一步解决模型偏差，重要的是改进 WRF 模型中的物理参数化方案或使用不同的偏差校正和数据同化技术。新 Goddard 和 RRTMG）和 2 个陆地表面模型 (LSM)（Pleim-Xiu 和 Noah）。使用更新的 LULC 输入以精细分辨率 (1 km) 进行灵敏度实验。根据敏感性分析，推断出最适合该地区的模拟集是TEMF PBL、TEMF SL、Dudhia短波辐射、RRTM长波辐射和Noah LSM方案。TEMF PBL 方案被设计为混合（本地-非本地）方案，因此，考虑到本地和非本地的观点，注意到近地表气象参数的描述更准确。为了进一步解决模型偏差，重要的是改进 WRF 模型中的物理参数化方案或使用不同的偏差校正和数据同化技术。新 Goddard 和 RRTMG）和 2 个陆地表面模型 (LSM)（Pleim-Xiu 和 Noah）。使用更新的 LULC 输入以精细分辨率 (1 km) 进行灵敏度实验。根据敏感性分析，推断出最适合该地区的模拟集是TEMF PBL、TEMF SL、Dudhia短波辐射、RRTM长波辐射和Noah LSM方案。TEMF PBL 方案被设计为混合（本地-非本地）方案，因此，考虑到本地和非本地的观点，注意到近地表气象参数的描述更准确。为了进一步解决模型偏差，重要的是改进 WRF 模型中的物理参数化方案或使用不同的偏差校正和数据同化技术。使用更新的 LULC 输入以精细分辨率 (1 km) 进行灵敏度实验。根据敏感性分析，推断出最适合该地区的模拟集是TEMF PBL、TEMF SL、Dudhia短波辐射、RRTM长波辐射和Noah LSM方案。TEMF PBL 方案被设计为混合（本地-非本地）方案，因此，考虑到本地和非本地的观点，注意到近地表气象参数的描述更准确。为了进一步解决模型偏差，重要的是改进 WRF 模型中的物理参数化方案或使用不同的偏差校正和数据同化技术。使用更新的 LULC 输入以精细分辨率 (1 km) 进行灵敏度实验。根据敏感性分析，推断出最适合该地区的模拟集是TEMF PBL、TEMF SL、Dudhia短波辐射、RRTM长波辐射和Noah LSM方案。TEMF PBL 方案被设计为混合（本地-非本地）方案，因此，考虑到本地和非本地的观点，注意到近地表气象参数的描述更准确。为了进一步解决模型偏差，重要的是改进 WRF 模型中的物理参数化方案或使用不同的偏差校正和数据同化技术。推断最适合该区域的模拟集是TEMF PBL、TEMF SL、Dudhia短波辐射、RRTM长波辐射和Noah LSM方案。TEMF PBL 方案被设计为混合（本地-非本地）方案，因此，考虑到本地和非本地的观点，注意到近地表气象参数的描述更准确。为了进一步解决模型偏差，重要的是改进 WRF 模型中的物理参数化方案或使用不同的偏差校正和数据同化技术。推断最适合该区域的模拟集是TEMF PBL、TEMF SL、Dudhia短波辐射、RRTM长波辐射和Noah LSM方案。TEMF PBL 方案被设计为混合（本地-非本地）方案，因此，考虑到本地和非本地的观点，注意到近地表气象参数的描述更准确。为了进一步解决模型偏差，重要的是改进 WRF 模型中的物理参数化方案或使用不同的偏差校正和数据同化技术。考虑到本地和非本地的观点，我们注意到近地表气象参数的描述更加准确。为了进一步解决模型偏差，重要的是改进 WRF 模型中的物理参数化方案或使用不同的偏差校正和数据同化技术。考虑到本地和非本地的观点，我们注意到近地表气象参数的描述更加准确。为了进一步解决模型偏差，重要的是改进 WRF 模型中的物理参数化方案或使用不同的偏差校正和数据同化技术。