鹿 翔， 王春明， 陳浩偉

(解放軍理工大學氣象海洋學院，江蘇南京 211101)

?

云凝結(jié)核濃度對一次梅雨鋒降水影響的數(shù)值模擬

鹿 翔， 王春明， 陳浩偉

(解放軍理工大學氣象海洋學院，江蘇南京 211101)

摘要利用WRF模式(V3.6)，采用WDM6雙參數(shù)微物理方案對2012年7月2~3日江淮地區(qū)的一次持續(xù)性梅雨鋒暴雨過程進行數(shù)值模擬，對不同初始云凝結(jié)核(CCN)濃度背景下的地面累積降水量和云中微物理過程進行對比分析。結(jié)果表明，初始CCN濃度在一定程度上影響了降水的微物理過程，進而影響降水量；當背景CCN濃度增加時，在降水前期引起云滴半徑減小，云滴轉(zhuǎn)化效率變低，抑制暖云降水，后期冷云過程得到加強，大量冰相粒子生成，最終導致降水增加。

關(guān)鍵詞云凝結(jié)核；微物理方案；梅雨鋒；降水；數(shù)值模擬

大氣中的某些氣溶膠粒子可在大氣過飽和或接近飽和的情況下作為云凝結(jié)核(CCN)形成云滴的核心，氣溶膠濃度的變化對于云的性質(zhì)和降水的形成有重要影響。早期對于CCN的研究發(fā)現(xiàn)，人類活動導致大氣中氣溶膠粒子增加，一方面改變了地球的能量收支，另一方面影響了云的形成，使得云滴半徑減小，增加云的反射率，延長云的壽命，最終能抑制降水的產(chǎn)生[1-2]。但也有研究表明，大氣中氣溶膠粒子的增加有利于CCN的增加，會導致降水的增加[3]。

云微物理過程是數(shù)值模式中處理云和降水過程的很重要的一部分。云模式的發(fā)展經(jīng)歷了一維、二維到三維的轉(zhuǎn)變[4-6]，云微物理參數(shù)化方案也從單參數(shù)方案發(fā)展到雙參數(shù)方案，對于微物理過程的描述更加精細。近年來，國內(nèi)利用數(shù)值模式及其中的微物理參數(shù)化方案來研究氣溶膠對云和降水影響的成果已有很多。新一代中尺度模式WRF的出現(xiàn)，使得人們對于氣溶膠對云和降水影響的研究更加深入。有研究表明，氣溶膠粒子的增加抑制了暖云降水過程，冷云降水增強[7-10]。但在不同天氣條件和地理環(huán)境中，其影響程度和影響機理也不同，需要進行大量研究。長三角地區(qū)夏季是我國典型的梅雨期，而該地區(qū)城市化進程迅速、工業(yè)發(fā)達，引起環(huán)境大氣氣溶膠特征發(fā)生顯著變化，導致暴雨過程的影響因素更加復雜，因此日益受到關(guān)注[11]。筆者選用比較成熟的WDM6雙參數(shù)微物理方案(體積水法)，通過修改方案中的初始CCN濃度來進行對比試驗，研究CCN濃度對于梅雨降水過程的影響。

1資料與方法

1.1降水實況實況降水資料用的是中國逐小時地面和CMORPH融合降水資料。經(jīng)過驗證[12]，融合資料在降水量較大季節(jié)或地區(qū)與地面觀測資料相對誤差較小，且所形成的降水分布比單用地面觀測資料更為合理。2012年7月2～3日江淮地區(qū)降水受副熱帶高壓和東北冷渦共同影響(圖1)，是一次持續(xù)性的暴雨過程。7月2日08：00～5日08：00江蘇和安徽大部分地區(qū)均受到暴雨影響，其中降水強度中心位于江蘇西北與安徽交界處的泗洪與泗縣。模擬第1階段7月2日08:00～3日04:00的降水過程(圖2)發(fā)現(xiàn)，20 h最大累計降水>80 mm。

圖1　2012年7月2日08：00 500 hPa高度場和風場Fig.1　500 hPa height field and wind field at 08:00 on July 2nd, 2012

圖2　2012年7月2日08：00~3日04：00累計降水量(單位：mm)Fig.2　 Accumulated precipitation from July 2nd 08:00 to July 3rd 04:00 in 2012

此次降水過程是在非常有利的大尺度環(huán)流背景下產(chǎn)生的，500 hPa東亞中高緯環(huán)流為兩槽一脊型。高壓脊線從貝加爾湖一直延伸至河套地區(qū)，兩槽分別位于巴爾喀什湖附近和我國東北地區(qū)。副熱帶高壓比較穩(wěn)定，從日本南部海域一直延伸至我國東南沿海地區(qū)，副高脊線位置穩(wěn)定在25°N附近。東北地區(qū)的槽一直向南延伸，其后部的冷空氣從貝加爾湖區(qū)域源源不斷地向南輸送，到達江淮流域與副高北部的西南暖濕氣流相交匯，從而在江淮流域形成梅雨鋒，產(chǎn)生較強的降水過程。

1.2數(shù)值模擬方案設(shè)計

1.2.1試驗設(shè)計。采用非靜力中尺度模式WRF(3.6版本)進行數(shù)值模擬試驗。試驗初始場資料采用的是6 h間隔的NECP(1°×1°)再分析資料。選取2012年7月1日20：00作為模式啟動時間，積分時間為36 h，考慮到模式調(diào)整所帶來的誤差，去掉前12 h的模擬結(jié)果，僅分析13~36 h的結(jié)果。采用Lambert地圖投影。模式采用三重區(qū)域雙向嵌套，網(wǎng)格分辨率分別為30、10、3.33 km，網(wǎng)格格點數(shù)分別為154×100、214×148、289×211，垂直分層29層。模式選用的云微物理方案為WDM6雙參數(shù)微物理方案，最內(nèi)層關(guān)閉積云對流方案，外圍兩層選用BMJ方案，輻射方案采用RRTM和Dudhia方案，近地面層方案用Monin-Obukhov方案，陸面過程方案選用Noah方案，邊界層方案選用YSU方案。

1.2.2云微物理方案簡介。WDM6雙參數(shù)微物理方案是WSM6單參數(shù)微物理方案的改進版本，由Lin等[13]提出。該方案引入了雙參數(shù)暖云降水微物理方案，冰相微物理方案則與WSM6單參數(shù)方案基本相同。WDM6 方案不僅可對云水、雨水、云冰、雪和霰5種水凝物混合比進行預報，還可對云凝結(jié)核、云滴和雨滴數(shù)濃度進行預報。

2結(jié)果與分析

圖3　控制試驗(a)和敏感性試驗(b)模擬的2012年7月2日08：00~3日04：00累積降水(單位：mm)Fig.3　Accumulated precipitation from July 2nd 08:00 to July 3rd 04:00 in 2012 simulated by control test(a) and sensitive test(b)

2.1降水量分析整體上來看(圖3)，不同初始CCN濃度降水范圍和強度差異不明顯，兩者的強降水中心位置比較一致，敏感性試驗強降水范圍略大于控制試驗；但控制試驗和敏感性試驗的24 h累積區(qū)域平均降水量分別為30.30和30.93 mm，增加初始CCN濃度后區(qū)域平均累積降水量增加了2.1%。圖4a顯示，控制試驗?zāi)M的降水主要集中在7月2日08：00~18：00，最大可達3.5 mm/h，2個試驗的差異不明顯，敏感性試驗略大于控制試驗。為了進一步分析云凝結(jié)核的增加對降水量的影響，在此選取區(qū)域A(圖3)這個降雨量比較集中的區(qū)域作為重點分析區(qū)域。區(qū)域A的控制試驗和敏感性試驗的20 h累積區(qū)域平均降水量分別為74.45和78.99 mm，敏感性試驗增加了6.1%。2個試驗區(qū)域A逐小時降水量對比(圖4b)發(fā)現(xiàn)，A區(qū)域在7月2日08：00~15：00為強降水階段，15：00以后降水明顯減弱。為了能夠更清楚地看出2組試驗降水量的差異，計算2組試驗的逐小時降水量差值(圖4c)發(fā)現(xiàn)，在強降水階段前2 h，控制試驗降水量明顯大于敏感性試驗，兩者差異達1.1 mm，控制試驗比敏感性試驗多10.5%；而到了強降水后期，情況相反，高濃度CCN引起降水量的增加，11：00兩者差異達0.82 mm，15：00以后的弱降水階段，敏感性試驗降水量明顯大于控制試驗。通過對降水量分析發(fā)現(xiàn)，當云凝結(jié)核濃度增加以后，整個區(qū)域降水整體上是增加的，但高濃度CCN促使降水過程在前期受到抑制，而在降水過程后期CCN濃度的增加反而促進了降水，使得降水量增加。

2.2微物理分析

2.2.1強降水階段微物理機制分析。為了進一步分析云凝結(jié)核對降水的影響，研究降水量最大值所在區(qū)域A的2個試驗云中水凝物的垂直分布的差異是必要的。在此選取2日09：00和11：00 2個強降水階段差異比較大的時刻的模擬結(jié)果進行對比分析。

從7月2日09：00 2組試驗中區(qū)域A云中各水凝物的平均垂直廓線(圖5)可以看出，除了云水的混合比，敏感性試驗中的雨水和雪晶、霰2種固態(tài)水凝物的混合比均小于控制試驗；2組試驗的云水混合比均出現(xiàn)2個峰值，分別在800和600 hPa，敏感性試驗達0.12 g/kg，控制試驗分別小了0.13和0.03 g/kg；而2組試驗的雨水含量均比較高，雨水從底層一直延伸至400 hPa，且均在650 hPa達最大值，分別為0.54和0.59 g/kg，敏感性試驗比控制試驗少7%。隨著CCN的增加，云滴增多，云水向雨水的自動轉(zhuǎn)換效率降低，導致敏感性試驗的雨水混合比減小，在降水前期抑制了暖云降雨，使得地面降水量減少。

冰相粒子在2組試驗中均發(fā)展旺盛，其中雪晶和霰占主導地位；相比之下，冰晶的混合比很低，可以忽略不計。2種冰相粒子的混合比均是控制試驗大于敏感性試驗，其中，雪晶粒子從600 hPa一直延伸至最頂層，且2組試驗均在250 hPa達最大值，控制試驗比敏感性試驗大0.07 g/kg左右，而雪晶的含量只有雨水一半左右。霰粒子是混合比最大的降水粒子，500~300 hPa霰粒子一直保持一個很大的值，其混合比在500 hPa甚至達0.90 g/kg左右，冷云發(fā)展也旺盛?？刂圃囼灥啮绷Ｗ踊旌媳葟?50 hPa開始明顯大于敏感性試驗，一直到250 hPa，控制試驗比敏感性試驗多0.10 g/kg左右。根據(jù)Khain等的研究[15]，CCN濃度的大小會影響發(fā)展旺盛的對流云中冰相粒子的生成效率。當CCN濃度增加時云滴向上凍結(jié)成為冰相粒子所需的溫度降低，從而削弱了冰相粒子生成的效率，這是降水前期敏感性試驗中的冰相粒子相對較少的原因，從圖5也可以看出，在550 hPa以上敏感性試驗的過冷云滴高于控制試驗。以上是導致敏感性試驗的冰相粒子在09：00小于控制試驗的原因。

注:a.整個模擬區(qū)域內(nèi)逐小時降水量；b.區(qū)域A中逐小時降水量；c.區(qū)域A中2組試驗逐小時降水量之差。Note: a.Hourly rainfall in whole simulated region; b.Hourly rainfall in A region; c.Differences of hourly precipitation in two groups of test in A region.圖4　2組試驗?zāi)M的2012年7月2日08：00~3日04：00降水量Fig.4　Precipitation from July 2nd 08:00 to July 3rd 04:00 in 2012 simulated by two groups of test

圖5　 2012年7月2日09:00區(qū)域A中各水凝物混合比的平均垂直廓線Fig.5　The average vertical profile of hydrometeor mixing ratio in A region at 09:00 on July 2nd 2012

注：a1、b1為上升速度；a2、b2為潛熱加熱。Note: a1,b1.Ascending velocity; a2,b2.Latent heating.圖6　2012年7月2日09：00(a)和11:00(b)區(qū)域A中上升速度和潛熱加熱的平均垂直廓線Fig.6　The average vertical profile of ascending velocityand latent heating in A region at 09:00(a) and 11:00(b) on July 2nd 2012

圖7　2012年7月2日11：00區(qū)域A中各水凝物混合比的平均垂直廓線Fig.7　The average vertical profile of hydrometeor mixing ratio in A region at 11:00 on July 2nd 2012

圖8　2012年7月2日15：00~3日04：00區(qū)域A中各水凝物混合比的平均垂直廓線Fig.8　The average vertical profile of hydrometeor mixing ratio in A region from 15:00 July 2nd to 04:00 July 3rd 2012

圖9　2012年7月2日15：00~3日04：00區(qū)域A中上升速度(a)和潛熱加熱(b)的平均垂直廓線Fig.9　The average vertical profile of ascending velocity(a)and latent heating(b) in A region from 15:00 July 2nd to 04:00 July 3rd 2012

在強降水過程中，對流運動中水汽向云水的轉(zhuǎn)化會釋放大量潛熱，進一步促進對流運動發(fā)展。比較控制試驗和敏感性試驗中區(qū)域A上空的垂直速度、微物理潛熱加熱項(圖6a)發(fā)現(xiàn)，控制試驗的垂直上升速度始終略大于敏感性試驗，由于該時刻控制試驗產(chǎn)生的冰相粒子更多，相對應(yīng)的凝結(jié)釋放的潛熱也更多，使得控制試驗的垂直速度更大，尤其是500 hPa以上的高層更為明顯。由7月2日11：00 2組試驗中區(qū)域A云中各水凝物的平均垂直廓線(圖7)可見，與09：00相比，各水凝物均相應(yīng)增加，其中霰粒子增長最快，冷云降水加強；而敏感性試驗中的云水、雪晶和霰均大于控制試驗，這是與09：00完全相反的；敏感性試驗云水混合比在500 hPa以上均大于控制試驗，而在低層控制試驗略大于敏感性試驗，0 ℃層以上的過冷云水較多是敏感性試驗冰相粒子多于控制試驗的原因。雨水混合比從低層一直延伸至450 hPa，敏感性試驗始終大于控制試驗，在650 hPa 2組試驗雨水混合比的峰值差距也達最大，相差0.15 g/kg。相較于09：00，敏感性試驗的冰相粒子增長的速度很快，使得其混合比在11：00超過了控制試驗冰相粒子的混合比。雪晶從600 hPa一直延伸至云頂，其混合比在300 hPa達最大值，600~300 hPa敏感性試驗始終大于控制試驗。霰粒子在11：00得到了極大的發(fā)展，2組試驗的差距不是很明顯，但在500 hPa最大值處，敏感性試驗明顯大于控制試驗。由圖6b可見，從700 hPa開始向上敏感性試驗中的雨水和冰相粒子相對更快的增長釋放更多潛熱，600~300 hPa 2組試驗的差距尤為明顯，敏感性試驗的微物理潛熱加熱比控制試驗大2 K/h左右，與之相對應(yīng)，垂直上升速度也具有相似的分布，600 hPa以上的高度差距明顯大于控制試驗。2.2.2弱降水階段微物理機制分析。從7月2日15：00~3日04：00 2組試驗區(qū)域A云中各水凝物的平均垂直廓線(圖8)可看出，與強降水階段相比，各水凝物的混合比均相應(yīng)減少，尤其是雨水和霰比之前小了一個量級，與強降水后一階段相似，這一階段各水凝物的混合比均是敏感性試驗明顯大于控制試驗。該時段2組試驗的云水混合比均呈現(xiàn)與之前相似的“兩層”分布，分別在600和700 hPa高度出現(xiàn)峰值，敏感性試驗始終大于控制試驗，尤其在850~500 hPa 2組試驗相差0.01 g/kg以上；而雨水混合比的分布也是敏感性試驗始終大于控制試驗，兩者的峰值在600 hPa左右均達0.25 g/kg左右，而到達地面的雨水只有峰值的1/4左右。該階段冰相粒子的混合比在減小，雪晶的整體高度在該時段比強降水階段低，霰粒子在450 hPa以上也有明顯的減少，整個云系均在逐漸減弱。敏感性試驗2種粒子的混合比均大于控制試驗，其中敏感性試驗的雪晶混合比平均比控制試驗多9.3%，霰粒子多31.2%。弱降水階段敏感性試驗的冷云過程強于敏感性試驗，造成這種情況的原因是強降水階段前期大量云水滯留在空中，促進了雪晶和霰粒子的凝結(jié)和碰并增長，經(jīng)過強降水階段后敏感性試驗仍然有相對較多的冰相粒子生成，加強了弱降水階段該組試驗的降水。垂直運動方面(圖9)，在700 hPa以上為上升運動，2組試驗分布相似，但敏感性試驗的強度大于控制試驗，差距在高層比較明顯。由于敏感性試驗的冰相粒子在高層仍能維持相對控制試驗較多的增長，凝結(jié)釋放更多的潛熱，加強了上升運動。而從700 hPa開始向下，垂直速度逐漸由正變負，即垂直下沉運動。由于敏感性試驗高空具有更多的冰相粒子，其在下落過程中融化吸熱，而低層敏感性試驗也有相對較多的雨水，雨滴蒸發(fā)吸收了部分能量，最終使得敏感性試驗在低層的下沉運動強于控制試驗。

3結(jié)論

該研究運用WRF模式，采用WDM6云微物理方案，在不同的初始CCN濃度背景下，模擬了2012年7月發(fā)生在江淮地區(qū)的一次梅雨鋒過程，分析控制試驗和敏感性試驗中初始CCN濃度變化對降水的影響，著重分析其云微物理過程的差異。結(jié)果表明，CCN濃度的增加對此次降水過程的降水分布影響不是很大，但降水中心強度增強，中心區(qū)域總降水量增加6.1%，整個區(qū)域的降水整體上也是增加的。此次降水可以分為強降水階段和弱降水階段，在強降水階段前期，高濃度的CCN使得云滴向雨滴的轉(zhuǎn)化過程受到抑制，同時也降低了冰相粒子生成的效率，使前期降水減少，降水延后；而大量云滴留在云中，通過向上運動至0 ℃層以上，凝結(jié)成固態(tài)水凝物，冷云得到加強，造成強降水階段后期和弱降水階段的降水增強。

該研究只是初步分析了CCN濃度對一次梅雨降水過程的影響，結(jié)論有一定的局限性。為了得到更加普遍的規(guī)律，還需要對更多個例進行系統(tǒng)的模擬分析。

參考文獻

[1] ROSENFELD D,LOHMANN U,RAGA G B，et al.Flood or drought:How do aerosols affect precipitation[J].Science,2008, 321(5894):2250-2253.

[2] KHAIN A,ROSENFELD D,POKROVSKY A.Aerosol impact on the dynamics and microphysics of deep convective clouds[J].Q J R Meteorol Soc,2006,131(611):2639-2663.

[3] LIN J C, MATSUI T, PIELKE Sr R A, et al.Effects of biomass-burning-derived aerosols on precipitation and clouds in the Amazon Basin: A satellite-based empirical study[J].J Geophys Res, 2006, 111: 19204.

[4] WISNER C E, OVILLE H D, MYERS C.A numerical model of a hail bearing cloud[J].J Atmos Sci, 1972,29(6):1160-1181.

[5] KLEMP J B, WILHELMSON R B.The simulation of three-dimensional convective storm dynamics[J].J Atmos Sci,1978,35(6):1070-1096.

[6] 方虹,覃軍,李盾.利用三維云模式對一次強暴雨微物理過程的數(shù)值模擬[J].華中師范大學學報(自然科學版),2003,37(1):115-122.

[7] 楊正卿,銀燕,劉聰,等.云滴數(shù)濃度影響混合型層狀云降水的數(shù)值模擬[J].大氣科學學報,2012(3):350-363.

[8] 岳治國,劉曉東,梁谷.氣溶膠對北京地區(qū)不同類型云降水影響的數(shù)值模擬[J].高原氣象,2011(5):1356-1367.

[9] 肖輝,銀燕.污染氣溶膠對山西一次降水過程影響的數(shù)值模擬[J].大氣科學,2011(2):235-246.

[10] 董昊,徐海明,羅亞麗.云凝結(jié)核濃度對WRF模式模擬颮線降水的影響:不同云微物理參數(shù)化方案的對比研究[J].大氣科學,2012(1):145-169.

[11] 車浩馳.臨安大氣氣溶膠云凝結(jié)核活化特征及泰山PM10化學成分的研究[D].北京：中國氣象科學研究院,2014：25-41.

[12] 沈艷,潘旸,宇婧婧,等.中國區(qū)域小時降水量融合產(chǎn)品的質(zhì)量評估[J].大氣科學學報,2013，36(1):37-46.

[13] LIN K S S, HONG S Y.Development of an effective double-moment cloud microphysics scheme with prognostic cloud condensation nuclei (CCN) for weather and climate models[J].Mon Wea Rev,2010,138:1587-1612.

[14] TWOMEY S.The nuclei of natural cloud formation part II: The supersaturation in natural clouds and the variation of cloud droplet concentration[J].Geofisica Purae Applicata,1959,43:243-249.

[15] KHAIN A,ROSENFELD D, POKROVSKY A.Simulating convectiveclouds with sustained supercooled liquid water down to -37.5℃ using a spectral microphysics model[J].Geophys Res Lett, 2001,28 (20):3887-3890.

A Numerical Study on Influence of Cloud Condensation Nuclei on a Meiyu Front Rainfall Event

LU Xiang, WANG Chun-ming, CHEN Hao-wei (Institute of Meteorology and Oceanography, PLA University of Science and Technology, Nanjing, Jiangsu 211101)

AbstractBy using the WDM6 two-moment microphysics scheme of WRF v3.6 (Weather Research & Forecasting version 3.6), the continuous Meiyu front rainfall event during July 2-3 in 2012 in Jianghuai Region was simulated.The surface accumulated precipitations and the cloud microphysics processes under different initial CCN concentration were analyzed.The results showed that the initial CCN concentration to some extent impacts on the processes of precipitation, thus further influences the amount of precipitation.When increasing background CCN concentration, in earlier stage of precipitations the radius of cloud droplet and its conversion efficiency decrease, inhibiting the precipitations from warm clouds, while in the later stage the processes of cold clouds are enhanced, forming a large number of ice particles and thus leading to the increasing rainfalls.

Key wordsCloud condensation nuclei(CCN); Microphysics scheme; Meiyu front; Precipitation; Numerical simulation

收稿日期2015-12-16

作者簡介鹿翔(1990- )，男，江蘇鎮(zhèn)江人，碩士研究生，研究方向：云降水物理及數(shù)值模擬。

中圖分類號S 161.6

文獻標識碼A

文章編號0517-6611(2016)02-219-05