張文煜， 任 婧,， 付丹紅， 孔令彬， 田 碩

（1.鄭州大學(xué)計(jì)算機(jī)與人工智能學(xué)院/地球科學(xué)與技術(shù)學(xué)院，河南 鄭州 450001；2.中國(guó)科學(xué)院大氣物理研究所云降水物理與強(qiáng)風(fēng)暴實(shí)驗(yàn)室（LACS），北京 100029）

降水是指大氣中的水汽冷凝后以固態(tài)或液態(tài)的形式降落到地面的過程［1］，對(duì)全球水和能量循環(huán)有著極為重要的作用［2］。目前，全球水資源短缺嚴(yán)重［3］，尤其是西北、華北中西部地區(qū)降水偏少。人工增雨作業(yè)開發(fā)空中云水資源是解決水資源短缺問題的重要途徑［4］，而層積云系是人工增雨的主要作業(yè)云系［5］。層積云系的動(dòng)力，熱力結(jié)構(gòu)復(fù)雜［6］，因此，研究層積云系的微物理結(jié)構(gòu)特征具有十分重要的意義。

祁連山位于我國(guó)西北干旱半干旱地區(qū)腹地［3］，南麓接青藏高原，北臨河西走廊［7］，共有冰川3306條［8］，山區(qū)最大年降水量達(dá)800 mm，是河西走廊平原地帶降水量的4～16 倍，是名副其實(shí)的“高山水塔”［3］。祁連山空中云水資源豐富，加上獨(dú)特的地形地貌條件，具有極大的云水資源開發(fā)潛力。

近年來，隨著大氣探測(cè)技術(shù)的發(fā)展，衛(wèi)星、飛機(jī)、微波輻射計(jì)等儀器在層積云系微物理結(jié)構(gòu)特征的分析方面得到了應(yīng)用。黨娟等［9］利用飛機(jī)探測(cè)資料對(duì)甘肅地區(qū)夏季一次層積云系的微物理結(jié)構(gòu)特征進(jìn)行分析，發(fā)現(xiàn)層積云頂附近的冷云過程會(huì)增強(qiáng)云水的碰并,有利于降水形成；李德俊等［10］利用雨滴譜、多普勒雷達(dá)、GPS/MET 水汽等觀測(cè)資料,對(duì)武漢的一次人工增雨作業(yè)過程進(jìn)行分析，發(fā)現(xiàn)層狀云是進(jìn)行人工增雨作業(yè)的較好云系，其內(nèi)部有較多的過冷水；亓鵬等［11］利用華北太行山地區(qū)的層積云系降水過程的地面雷達(dá)觀測(cè)和飛機(jī)資料，對(duì)該云系的結(jié)構(gòu)特征進(jìn)行分析，發(fā)現(xiàn)對(duì)流泡中的過冷水含量較高，其降水的形成符合“播撒-供給”機(jī)制；龐朝云等［12］利用祁連山夏季一次降水過程的探空資料，自動(dòng)站資料以及雨滴譜資料，對(duì)該地區(qū)的云微物理特征進(jìn)行分析，發(fā)現(xiàn)祁連山的降水主要是由小雨滴組成的，且海拔較高的山區(qū)雨滴更多；程鵬等［7］利用祁連山夏季一次云降水過程的飛機(jī)觀測(cè)數(shù)據(jù)，發(fā)現(xiàn)祁連山地區(qū)云水含量豐富，南北坡云系的微物理結(jié)構(gòu)特征的差異比較明顯?？梢钥吹?，現(xiàn)有的觀測(cè)手段使我們對(duì)層積云系的微物理結(jié)構(gòu)特征有了更多認(rèn)識(shí)。

數(shù)值模式能較好刻畫云系發(fā)展和降水產(chǎn)生的過程,被廣泛應(yīng)用于云-降水過程研究[13]。而參數(shù)的選擇是數(shù)值模擬的關(guān)鍵。Xue 等[14]發(fā)現(xiàn)，不同維度或尺度的模式均能模擬出層-積云系的液態(tài)水、對(duì)流云中的對(duì)流過程及云系的微物理特征。李安泰等[15]使用WRF3.2 選用Morrison 雙參數(shù)方案、Lin 方案和Kessler 方案對(duì)舟曲地區(qū)進(jìn)行了暴雨數(shù)值模擬研究，發(fā)現(xiàn)Kessler 方案的模擬效果最好，雨水碰并云水過程是該云系降水的主要微物理過程；朱格利等[16]使用WRF3.4 選用WDM5、WSM3 等8 種云微物理參數(shù)化方案對(duì)華南地區(qū)一次暴雨過程進(jìn)行了數(shù)值模擬研究，發(fā)現(xiàn)WSM5方案的整體模擬效果最好；丁明月等[17]使用WRF3.8 采用WDM6 方案、Thomp?son 方案、WSM6 方案和Lin 方案4 種云微物理參數(shù)化方案對(duì)新疆地區(qū)的暴雨過程進(jìn)行模擬，發(fā)現(xiàn)Thompson 方案的模擬效果略優(yōu)于其他方案；周志敏等[18]使用WRFV3.4 采用Thompson、Morrison 和MY云微物理參數(shù)化方案對(duì)一次暴雨過程進(jìn)行了數(shù)值模擬，發(fā)現(xiàn)Thompson方案可以模擬出較強(qiáng)的上升氣流和局地環(huán)流系統(tǒng)變率，雨滴搜集云滴、冰相粒子融化是雨滴增長(zhǎng)的主要源項(xiàng),蒸發(fā)則是其最主要的匯項(xiàng)；邵元亭等[19]利用ARPS數(shù)值模式對(duì)祁連山區(qū)夏季的一次典型地形云降水過程進(jìn)行模擬研究，發(fā)現(xiàn)模式能夠模擬出地面降水分布及其發(fā)展演變特征，祁連山北坡地形的抬升作用是祁連山云系降水的主要?jiǎng)恿C(jī)制；段海霞等[20]使用MM5 中尺度模式，選用Schultz 方案、Dudhia 方案、Reisner 方案和Reis?ner2 4種不同云微物理參數(shù)化方案對(duì)祁連山區(qū)夏季的一次降水過程進(jìn)行模擬研究，發(fā)現(xiàn)Reisner2 方案的模擬效果略強(qiáng)于其他參數(shù)化方案，云水、雨水、雪、霰和冰晶均參與碰并碰凍的過程；魏倩等[21]使用數(shù)值模式WRF-Chem3.4，結(jié)合觀測(cè)資料評(píng)估了MYJ、YSU、MYNN2.5、BouLac和QNSE 5種邊界層參數(shù)化方案對(duì)西北地區(qū)一次沙塵天氣過程模擬效果的影響，發(fā)現(xiàn)YSU和BouLac方案模擬的地表沙塵天氣較為準(zhǔn)確。以上研究結(jié)果表明，不同地區(qū)云微物理參數(shù)化方案的選擇對(duì)降水的模擬有較大的影響。

本文采用祁連山地形云人工增雨（雪）技術(shù)研究試驗(yàn)獲取的實(shí)測(cè)數(shù)據(jù)，結(jié)合云模式，對(duì)祁連山一次典型層積云系降水過程進(jìn)行模擬研究。探討參數(shù)選擇對(duì)模擬結(jié)果的影響，確定適用于祁連山的最優(yōu)參數(shù)化方案，并在此基礎(chǔ)上對(duì)典型層積云系的微物理結(jié)構(gòu)特征進(jìn)行分析，進(jìn)一步明確祁連山人工增雨作業(yè)的指標(biāo)。

1 數(shù)據(jù)和模式設(shè)計(jì)

1.1 數(shù)據(jù)

數(shù)據(jù)選取祁連山地形云人工增雨（雪）技術(shù)研究試驗(yàn)所示范圍（100°～104°E，36°～39°N，圖1）的不同下墊面（地形、地質(zhì)、土壤和植被）的150個(gè)觀測(cè)站2019—2020 年實(shí)測(cè)小時(shí)降水?dāng)?shù)據(jù)。觀測(cè)站包括國(guó)家站、區(qū)域站和野外站，其中國(guó)家站指的是根據(jù)全國(guó)氣候分析和天氣預(yù)報(bào)需要所設(shè)置的地面氣象觀測(cè)站，區(qū)域站指按照?。▍^(qū)，市）行政區(qū)劃設(shè)置的地面氣象觀測(cè)站，野外站指項(xiàng)目研究需要建立的地面氣象觀測(cè)站。此外，還包括美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心（NCEP）/美國(guó)國(guó)家大氣研究中心（NCAR）提供的全球再分析數(shù)據(jù)FNL(Final Operational Global Analysis)。

圖1 研究區(qū)域不同下墊面的氣象站的分布Fig.1 Distribution of meteorological stations on different underlying surfaces in the study area

1.2 模式設(shè)計(jì)

數(shù)值模式采用中尺度模式WRFV4.3，采用3層網(wǎng)格嵌套，嵌套空間范圍見圖2，嵌套網(wǎng)格模擬范圍和網(wǎng)格分辨率見表1。模擬區(qū)域中心為（37°N，102°E），水平方向采用Arakawa C 網(wǎng)格，垂直方向采用混合垂直坐標(biāo)。以6 h一次1°×1°的NCEP/FNL再分析資料為初始場(chǎng)，云微物理過程分別采用Thompson方案［22］、Morrison2-mom方案、WSM3方案、WDM6方案。4種微物理方案的水凝物預(yù)報(bào)量見表2，其中qc、qr、qi、qs、qg分別為云水、雨水、冰晶、雪、霰的比含水量預(yù)報(bào)量，相應(yīng)的數(shù)濃度預(yù)報(bào)量分別為nc、nr、ni、ns、ng。

表1 實(shí)驗(yàn)設(shè)置Tab.1 Model setup

表2 4種微物理方案的水凝物變量Tab.2 Condensate variables of four microphysicalschemes

圖2 WRF模擬嵌套區(qū)域Fig.2 WRF simulation nested area

為了定量評(píng)估2020 年8 月16 日降水過程的24 h降水量的模擬結(jié)果，文章采用TS（Threat score），偏差（BIA），真實(shí)技巧評(píng)分（TSS）和公平T評(píng)分（ETS）4種評(píng)分作為評(píng)價(jià)標(biāo)準(zhǔn)。TS 評(píng)分可以計(jì)算有降水時(shí)數(shù)值模式預(yù)報(bào)某一等級(jí)降水量的準(zhǔn)確率，BIA 用來評(píng)估預(yù)報(bào)降水的頻率而并不考慮準(zhǔn)確率。ETS評(píng)分弱化了參加統(tǒng)計(jì)的站點(diǎn)的多少對(duì)TS 評(píng)分結(jié)果的影響。TSS主要用來全面評(píng)估降水分級(jí)預(yù)報(bào)的總效果。

TS、BIA、TSS和ETS評(píng)分的計(jì)算公式為：

式中：NA為預(yù)報(bào)正確的站點(diǎn)數(shù)量；NB為空?qǐng)?bào)的站點(diǎn)數(shù)量（預(yù)報(bào)出現(xiàn)某量級(jí)的降水而觀測(cè)非此量級(jí)降水的站點(diǎn)數(shù)）；NC為漏報(bào)的站點(diǎn)數(shù)（觀測(cè)出現(xiàn)某量級(jí)的降水而預(yù)報(bào)非此量級(jí)降水的站點(diǎn)數(shù)）；ND為觀測(cè)和預(yù)報(bào)均無降水過程的站點(diǎn)數(shù)量；Nr為隨機(jī)預(yù)報(bào)的影響。

模擬的降水做統(tǒng)計(jì)檢驗(yàn)的等級(jí)劃分以及對(duì)應(yīng)的站點(diǎn)個(gè)數(shù)見表3，依據(jù)本次降水事件最大降水量，將暴雨和大雨劃分為同一個(gè)等級(jí)。選取WRF 模擬中水平分辨率為3 km 的第三重嵌套區(qū)域d03 內(nèi)的150個(gè)站點(diǎn)作為有效評(píng)分站點(diǎn)（圖1）。

表3 觀測(cè)站點(diǎn)降水等級(jí)劃分Tab.3 Precipitation classification of observation stations

2 祁連山區(qū)典型層積云系降水過程及模擬結(jié)果驗(yàn)證

2.1 天氣形勢(shì)分析

由圖3可以看出，西北地區(qū)由高空西風(fēng)槽控制，槽內(nèi)溫度場(chǎng)落后于高度場(chǎng)，槽后有較強(qiáng)的冷空氣輸送，槽前有暖氣流流入。觀測(cè)區(qū)域處于高空槽前脊后的冷暖氣流交匯處，由西南氣流控制。受槽前西南暖濕氣流和冷空氣的共同影響，出現(xiàn)降水天氣。

圖3 2020年08月16日10:00 200 hPa和500 hPa天氣形勢(shì)Fig.3 At 10:00 on August 16,2020 200 hPa and 500 hPa height field

2.2 參數(shù)化方案的評(píng)估及檢驗(yàn)

由圖4可以看出，4種方案可以模擬出雨帶的大致位置及強(qiáng)降水中心，位于祁連山南坡，該次降水過程屬于小雨級(jí)別。模擬的降雨量及雨帶范圍較實(shí)測(cè)有所偏大，實(shí)測(cè)的強(qiáng)降水中心范圍平均值為25.32 mm，而模擬的強(qiáng)降水中心范圍平均值為38.83 mm。從4 種方案模擬結(jié)果對(duì)比來看，Morri?son2-mom 和WSM3 方案模擬的強(qiáng)中心較其他3 種有所偏移，WDM6 方案模擬的祁連山位置的降水中心較其他3種有所北移。

圖4 24 h 模擬降水量與觀測(cè)降水量對(duì)比Fig.4 Comparison of 24 h simulated precipitation and observed precipitation

本文使用二維線性插值方法將2020 年8 月16日0：00—23：00 WRF 模式模擬的Morrison2-mom，Thompson，WSM3，WDM6 4 種參數(shù)化方案的小時(shí)降水資料插值到選取的150 個(gè)觀測(cè)站點(diǎn)上，并計(jì)算4種評(píng)分結(jié)果（圖5）。Thompson、Morrison2-mom、WSM3 以及WDM6 的TS、BIA、TSS、ETS 評(píng)分分別為：0.98、1.02、0.20、0.05，0.98、1.02、0、0，0.90、0.94、－0.08、－0.02，0.96、1.00、－0.01、－0.008。從TS 評(píng)分（圖5a）來看，0～24 h 累積降水預(yù)報(bào)Morri?son2-mom和Thompson方案優(yōu)于WDM6 和WSM3方案，模式總體上對(duì)小雨的預(yù)報(bào)比較好，而大雨的預(yù)報(bào)結(jié)果較差。從BIA 評(píng)分（圖5b）來看，0～24 h 累積降水預(yù)報(bào)BIA 評(píng)分Thompson 和WDM6 方案優(yōu)于Morrison2-mom 和WSM3 方案。從TSS 評(píng)分（圖5c）來看，0～24 h 累積降水預(yù)報(bào)ETS 評(píng)分Thompson 和WDM6 方案優(yōu)于Morrison2-mom 和WSM3 方案。從ETS 評(píng)分（圖5d）來看，0～24 h 累積降水預(yù)報(bào)TSS 評(píng)分Morrison2-mom 和Thompson 方 案 優(yōu)于WSM3 和WDM6 方案。綜合TS、BIA、TSS 和ETS 評(píng)分結(jié)果，Thompson參數(shù)化方案的模擬效果要優(yōu)于Morrison2-mom，WDM6和WSM3參數(shù)化方案，Thompson方案是適用于祁連山的最優(yōu)參數(shù)化方案。

圖5 4種云微物理方案模擬不同等級(jí)24 h降水的TS、BIA、TSS、ETS評(píng)分Fig.5 Four cloud microphysics schemes simulate the TS,BIA,TSS and ETS scores of different levels of 24 h precipitation

2.3 觀測(cè)與模擬的雷達(dá)回波對(duì)比

圖6 是2020 年8 月16 日00:00、09:00、19:00 觀測(cè)和模擬的雷達(dá)回波組合反射率的對(duì)比圖。實(shí)測(cè)的雷達(dá)回波圖可以看到，此次降水過程具有典型的層積云降水回波特征，在較均勻的回波層中鑲嵌著柱狀對(duì)流云回波，較大范圍內(nèi)，回波邊緣呈現(xiàn)支離破碎，強(qiáng)度小于25 dBZ 的層狀云降水回波，層狀云回波中鑲嵌著團(tuán)塊狀強(qiáng)回波，回波最大值為40 dBZ；影響祁連山區(qū)的降水系統(tǒng)自西南向東北方向移動(dòng)，模擬的雷達(dá)回波也體現(xiàn)出了這個(gè)特點(diǎn)，雷達(dá)強(qiáng)回波的位置，模擬和實(shí)測(cè)比較接近。說明WRF模式對(duì)此次祁連山區(qū)層積云的降水過程模擬的比較精確，且隨著地形高度的抬升，觀測(cè)和模擬的雷達(dá)回波變化基本一致。

圖6 2020年8月16日（a、b、c）觀測(cè)和（d、e、f）模擬的雷達(dá)回波組合反射率Fig.6 Observed and simulated radar echo combined reflectivity on August 16th,2020

3 云微物理結(jié)構(gòu)特征

3.1 水成物混合比時(shí)間變化

綜上所述，下面將運(yùn)用Thompson方案模擬結(jié)果分析祁連山層積云的微物理結(jié)構(gòu)特征。研究區(qū)域強(qiáng)降水中心處M點(diǎn)（圖7）模擬時(shí)段的云水，雨水，冰晶，雪，霰粒子5種水成物的比含水量區(qū)域平均值的時(shí)間高度的演變見圖8。由圖8可以看出，云中過冷云水分布高度在5～7 km(-3 °C～-12 °C)，最大值出現(xiàn)在15日22：00，可達(dá)1.6 g·kg-1；雨水分布高度主要在0°C 層（4.5 km）以下，最大值出現(xiàn)在01：00左右，超過0.26 g·kg-1；冰晶所處的高度范圍為10～14 km，最大值出現(xiàn)在03:00和06:00，約為0.003 g·kg-1；雪分布的高度范圍為4～12 km，其值最大時(shí)位于7 km 附近，最大值超過1.2 g·kg-1；霰粒子主要位于4～6 km高度，最大值位于4.5 km 附近，出現(xiàn)在01：00 左右，超過0.1 g·kg-1；各種水成物含量分布基本呈單峰型，01：00 4.5 km 附近的霰混合比和雪混合比值分別可達(dá)0.1 g·kg-1和0.7 g·kg-1，此高度層上的過冷水較為豐富，有利于霰淞和雪淞的增長(zhǎng)，且雨水的分布和趨勢(shì)與霰和雪基本一致，表明雪和霰的融化過程是雨水形成的主要來源。

圖7 2020年8月16日降水量空間分布Fig.7 Spatial distribution of precipitation on August 16,2020

圖8 2020年8月16日模擬的水成物區(qū)域平均值隨時(shí)間高度的演變Fig.8 Evolution of simulated regional average value of hydrate with time height on August 16,2020

3.2 水成物混合比垂直分布

由圖9 可以看出，不同云區(qū)云體中的垂直微物理結(jié)構(gòu)是不同的。在37.0°E，100.5°N上空有一個(gè)單體存在，云水區(qū)較厚，雨水含量達(dá)0.1 g·kg-1，但雪和霰的含量較低，其高層的冰晶也低于0.01 g·kg-1，而地面產(chǎn)生了少量降水，表明在此階段對(duì)降水有主要貢獻(xiàn)的是暖云過程。在37.3°E，100.8°N上空云層較為深厚，存在多個(gè)單體，冰晶分布在9～14 km 處，溫度可達(dá)-50°C。雪，霰范圍的頂高與冰晶比較一致，最大值分別達(dá)到1.5 g·kg-1和0.15×10-3g·kg-1，雨水與雪和霰的分布比較一致，雨水混合比的大值區(qū)位于霰和雪大值區(qū)下方，表明雪和霰的融化過程對(duì)雨水的形成有主要貢獻(xiàn)。冰晶和雪的共存區(qū)處于8 km 高度以上的最高層，云水，雨水和霰粒子同時(shí)存在于0 ℃層高度4.5 km 以上的過冷區(qū)。高層是冰相，0°C層以上過冷區(qū)是冰水混合相，而暖區(qū)以液相為主的云體被稱為“催化-供給”云，此種結(jié)構(gòu)是重要的人工增雨條件。

圖9 2020年8月16日01：00各類水成物含量最大時(shí)刻垂直結(jié)構(gòu)剖面Fig.9 At 01:00 on August 16,2020,the vertical structure profile at the time when the content of various hydrates is the largest

4 結(jié)論

文章采用試驗(yàn)獲取的實(shí)測(cè)數(shù)據(jù)結(jié)合云模式，對(duì)祁連山一次典型層積云系降水過程進(jìn)行了模擬研究，分析了參數(shù)選擇對(duì)模擬結(jié)果的影響，確定了適用于祁連山的最優(yōu)參數(shù)化方案，并在此基礎(chǔ)上對(duì)典型層積云系的微物理結(jié)構(gòu)特征進(jìn)行了分析，得出以下結(jié)論：

（1）WSM3、WDM6、Morrison、Thompson 等方案可以模擬出雨帶的位置以及強(qiáng)降水中心，模擬的降雨量及雨帶范圍較實(shí)測(cè)結(jié)果有所偏大。綜合TS、BIA、TSS、ETS 評(píng)分，祁連山云模式的最優(yōu)參數(shù)選擇是Thompson方案，評(píng)分分別為0.98、1.02、0.20、0.05；其次是Morrison2-mom，其TS、BIA、TSS、ETS評(píng)分分別為0.98、1.02、0、0。

（2）各種水成物含量分布基本呈單峰型，01:00，4.5 km附近的霰混合比和雪混合比的值分別可達(dá)0.1 g·kg-1和0.7 g·kg-1，此高度層上的過冷水比較豐富，極其有利于霰淞和雪淞的增長(zhǎng)，且雨水的分布和變化趨勢(shì)與雪、霰比較一致，可見，雪和霰的融化過程是雨水的形成的主要來源。

（3）云體在垂直方向上呈現(xiàn)“催化-供給”的分層結(jié)構(gòu)。冰晶和雪的共存區(qū)處于8 km 高度以上的最高層，云水、雨水和霰粒子同時(shí)存在于0 ℃層高度4.5 km以上的過冷區(qū)，此云結(jié)構(gòu)有利于降水的形成，有利于進(jìn)行祁連山人工增雨作業(yè)。同時(shí)發(fā)現(xiàn)，在云系的不同部位，水凝物垂直微物理結(jié)構(gòu)也存在著一定的差異，會(huì)影響其對(duì)降水產(chǎn)生的貢獻(xiàn)。