云量对短波和长波辐射传输都有非常重要的影响，显著调节地球大气系统的能量收支和平衡。然而，当前云量在多数大气数值模式中属于次网格属性，其参数化方法存在非常大的不确定度，严重影响模式的模拟和预测能力。本研究简要介绍一种新的基于神经网络的、适用于不同模式分辨率(Network-based Scale-Adaptive，简称NSA)云量参数化方案，及其在WRF模式中的应用效果。相对于传统云量参数化方案，新方案有三个优点：1）基于神经网络，避免了对参数化方案函数形式的不合理假设；2）基于CloudSat数据开发，尽可能减少了基础数据带来的误差；3）考虑了模式水平和垂直分辨率的影响，能够在不同分辨率和变分辨率模式中使用。离线评估表明，相对于传统云量方案，NSA方案能够更加准确地反映次网格云量随云内水成物含量和相对湿度的变化，显著改善云量垂直结构的模拟。WRF模拟结果表明，NSA方案能够显著改善烟花（2021）台风路径的模拟，显著减小青藏高原冬季模拟的冷偏差。

云量参数化，数值模式