張小娟 張誠(chéng)忠 齊大鵬 黃 鈺 朱文達(dá)

1 貴州省人工影響天氣辦公室，貴陽(yáng) 550081 2 中國(guó)氣象局廣州熱帶海洋氣象研究所/區(qū)域數(shù)值天氣預(yù)報(bào)重點(diǎn)實(shí)驗(yàn)室，廣州 510640 3 貴州省冰雹防控技術(shù)工程中心，貴陽(yáng) 550081 4 貴州省氣象臺(tái)，貴陽(yáng) 550002

提 要： 基于華南區(qū)域高分辨率數(shù)值模式，采用牛頓連續(xù)松弛逼近法(nudging)同化C波段多普勒雷達(dá)反射率資料，針對(duì)2018年4月2日貴州一次大范圍冰雹天氣過程進(jìn)行了數(shù)值模擬試驗(yàn)。分析結(jié)果表明：在模式中進(jìn)行雷達(dá)反射率因子信息nudging同化后，調(diào)整了分析場(chǎng)中的水凝物信息和熱力場(chǎng)結(jié)構(gòu)，對(duì)流層中層的雨水和冰相粒子含量均增加，水凝物潛熱釋放加熱了云體，對(duì)大氣熱力場(chǎng)進(jìn)行了正溫度擾動(dòng)調(diào)整，這種正溫度擾動(dòng)在維持對(duì)流發(fā)展過程中起重要作用；通過云分析系統(tǒng)反演云微物理量，并nudging同化到模式中后，對(duì)雹云發(fā)展演變、雹云生命史、雹云強(qiáng)度都有明顯改進(jìn)，并促進(jìn)了云中云水向冰相粒子的轉(zhuǎn)化過程，同時(shí)對(duì)降水預(yù)報(bào)效果改善也有明顯貢獻(xiàn)。雷達(dá)反射率因子同化對(duì)冰雹云天氣系統(tǒng)的預(yù)報(bào)能力有重要意義，為冰雹云的臨近預(yù)報(bào)提供重要參考。

引 言

近年來，隨著高分辨率數(shù)值模式和資料同化技術(shù)的發(fā)展，模式對(duì)中小尺度天氣系統(tǒng)的預(yù)報(bào)能力有了顯著提高。在初始場(chǎng)中引入觀測(cè)資料可以使其更加接近實(shí)際大氣狀況，從而提高預(yù)報(bào)效果，并且能夠縮短模式spin-up時(shí)間。與其他觀測(cè)資料相比，雷達(dá)資料時(shí)空分辨率高，能夠及時(shí)監(jiān)測(cè)對(duì)流尺度系統(tǒng)的發(fā)生、發(fā)展。許多學(xué)者開展了反演分析、同化反射率因子和同時(shí)同化徑向速度和反射率因子等多種研究方法(Tuttle and Foote，1990；Sun et al，1991；Qiu and Xu，1992；Laroche and Zawadzki，1994；Shapiro et al，1995；Liou，1999；Snyder and Zhang，2003；Gao et al，2004；Xiao et al，2005；2007；Liu et al，2008；Weygandt et al，2008；Gao and Stensrud，2012；孫娟珍等，2016；楊雨軒等，2018)，將雷達(dá)資料信息引入到初始場(chǎng)中，以提高模式的預(yù)報(bào)效果。

國(guó)內(nèi)很多研究者在雷達(dá)資料同化對(duì)強(qiáng)對(duì)流天氣預(yù)報(bào)的影響方面進(jìn)行了許多研究(李昕等，2016；李媛等，2011；陳鋒等，2012；馬昊等，2016；肖輝等，2019；鄭淋淋等，2019；張?zhí)m等，2019)。薛諶彬等(2017)利用美國(guó)Advanced Regional Prediction System(ARPS)模式的資料分析系統(tǒng)ARPS Data Analysis System(ADAS)分析了多普勒雷達(dá)徑向速度和反射率因子同化對(duì)初始場(chǎng)的改進(jìn)作用，同化徑向速度對(duì)改善模式初始場(chǎng)的動(dòng)力場(chǎng)有重要貢獻(xiàn)，同化反射率因子的主要作用是調(diào)整初始場(chǎng)中的水凝物場(chǎng)和熱力場(chǎng)，有效縮短了模式的spin-up時(shí)間，明顯改進(jìn)了定量降水預(yù)報(bào)；同時(shí)同化雷達(dá)徑向速度和反射率因子模擬效果最佳。盛春巖等(2006)利用ADAS系統(tǒng)同化多普勒雷達(dá)資料，對(duì)一次暴雨過程進(jìn)行了模擬對(duì)比試驗(yàn)，發(fā)現(xiàn)同時(shí)使用雷達(dá)徑向風(fēng)和反射率資料改進(jìn)初始場(chǎng)對(duì)降水的模擬效果最明顯。胡金磊和郭學(xué)良(2013)利用ADAS系統(tǒng)將雷達(dá)反射率因子信息引入到模式初始場(chǎng)中，模式對(duì)雹云的預(yù)報(bào)效果改進(jìn)明顯。陳力強(qiáng)等(2009)利用WRF-3DVar同化系統(tǒng)對(duì)暴雨過程進(jìn)行了徑向風(fēng)和反射率因子的直接同化試驗(yàn)研究，模式對(duì)對(duì)流降水的預(yù)報(bào)有正的影響。張誠(chéng)忠等(2008)利用GRAPES-3DVar系統(tǒng)對(duì)一次華南暴雨過程進(jìn)行不同資料同化試驗(yàn)，發(fā)現(xiàn)同化雷達(dá)徑向風(fēng)的模擬效果最好。李華宏等(2014)進(jìn)行了雷達(dá)反射率因子和反演風(fēng)場(chǎng)的三維變分同化試驗(yàn)，發(fā)現(xiàn)雷達(dá)同化對(duì)降水預(yù)報(bào)改善有明顯貢獻(xiàn)。陳鋒等(2020)利用GSI-3DVar系統(tǒng)對(duì)一次颮線過程進(jìn)行了雷達(dá)資料同化研究，發(fā)現(xiàn)雷達(dá)資料同化對(duì)颮線過程的模擬效果有明顯提升。從已有的研究看，雷達(dá)資料同化在數(shù)值模式中有較好的應(yīng)用價(jià)值。目前，大部分都是針對(duì)暴雨個(gè)例的模擬試驗(yàn)，而針對(duì)冰雹過程方面的研究較少。貴州是全國(guó)冰雹災(zāi)害最嚴(yán)重的地區(qū)之一，且由于地形原因，貴州多普勒天氣雷達(dá)均為CINRAD-CD型，因此，針對(duì)冰雹天氣過程將C波段雷達(dá)資料引入模式預(yù)報(bào)系統(tǒng)進(jìn)行試驗(yàn)研究非常有必要。

本文采用牛頓連續(xù)松弛逼近法(nudging)將多普勒雷達(dá)反射率因子資料云分析得到的水凝物信息逐步nudging同化到模式中，對(duì)2018年4月2日貴州一次強(qiáng)冰雹天氣過程進(jìn)行了同化模擬試驗(yàn)分析。

1 天氣過程

2018年4月2日17時(shí)至3日03時(shí)(北京時(shí)，下同)，貴州省中西部地區(qū)出現(xiàn)強(qiáng)對(duì)流天氣，地面累計(jì)24 h降水呈東南—西北向帶狀分布，有兩個(gè)強(qiáng)降水中心，最大雨量為70.5 mm。畢節(jié)(納雍縣、黔西縣)、六盤水(六枝特區(qū))、安順(普定縣、西秀區(qū)、平壩縣)、黔南州(惠水縣、平塘縣)和黔西南州(晴隆縣)出現(xiàn)降雹，冰雹最大直徑為15 mm。

從2日20時(shí)環(huán)流形勢(shì)來看(圖1)，500 hPa貴州受兩個(gè)高空槽過境影響，一個(gè)位于貴州西部至云南東部，影響貴州省西部地區(qū)，另一個(gè)位于重慶西部至貴州西南部，影響貴州省中部地區(qū)。700 hPa切變線位于貴州省東北部，低層850 hPa也有切變線位于貴州省的東北部，地面受低壓控制。綜上所述，此次冰雹天氣過程的主要影響系統(tǒng)是雙高空槽過境和中低層切變線。

2 同化方法和試驗(yàn)方案

2.1 同化方法

本文采用了nudging法將云分析反演得到的水凝物信息逐步引入到模式中。nudging法(Anthes，1974；Kistler and McPherson，1975；Hoke and Anthes，1976；劉紅亞等，2007；張艷霞等，2012；張?zhí)m等，2019)就是模式積分的同化時(shí)段δt內(nèi)，在預(yù)報(bào)方程中增加一個(gè)線性強(qiáng)迫項(xiàng)，使模式預(yù)報(bào)逐漸向觀測(cè)逼近，其中δt取800 s，即20個(gè)積分步長(zhǎng)。計(jì)算公式如下：

(1)

式中:W為模式預(yù)報(bào)變量，∑Fi代表模式中的所有物理過程變率，α>0，為張弛逼近系數(shù)，Wo為對(duì)應(yīng)時(shí)刻的觀測(cè)值。將式(1)對(duì)時(shí)間進(jìn)行積分，并采用準(zhǔn)隱式分步計(jì)算方法寫成離散形式如下：

(2)

其中：

a′=a×dt

(3)

2.2 試驗(yàn)方案

本文所使用的華南高分辨率區(qū)域模式是在中國(guó)氣象局中尺度天氣數(shù)值預(yù)報(bào)系統(tǒng)CMA-MESO(原GRAPES-MESO)的基礎(chǔ)上開發(fā)得到的。模式的起始經(jīng)緯度為16°N、96°E，水平格點(diǎn)數(shù)為913×513，格距為0.03°，垂直方向?yàn)?5層，模式頂層到30 km，時(shí)間積分步長(zhǎng)為40 s。云微物理過程采用WSM6類方案，長(zhǎng)波輻射采用rrtm方案，短波輻射采用Dudhia方案，陸面過程采用Slab熱量擴(kuò)散方案，及邊界層過程采用MRF方案，積云對(duì)流參數(shù)化采用簡(jiǎn)化Arakawa-Schubert(SAS)方案。

圖1 2018年4月2日20時(shí)500 hPa(a)、700 hPa(b)、850 hPa(c)天氣形勢(shì)圖(藍(lán)實(shí)線為等位勢(shì)高度線，單位：dagpm；紅虛線為等溫線，單位：℃)Fig.1 Synoptic chart at (a) 500 hPa, (b) 700 hPa, (c) 850 hPa at 20:00 BT 2 April 2018(Blue solid line is for geopotential height, unit: dagpm; red dotted line for isotherm, unit: ℃)

為了解C波段多普勒雷達(dá)資料同化到模式中對(duì)預(yù)報(bào)結(jié)果所產(chǎn)生的影響，本文進(jìn)行了兩組試驗(yàn)，為方便起見，將控制試驗(yàn)稱為test1，同化試驗(yàn)稱為test2。test1從2018年4月2日08時(shí)開始積分24 h。由于初始單體回波于17時(shí)生成，test2從4月2日08時(shí)啟動(dòng)，積分9 h后，將貴陽(yáng)雷達(dá)17:02雷達(dá)反射率因子云分析得到的水凝物信息逐步nudging同化到模式中，繼續(xù)運(yùn)行至4月3日05時(shí)。

模式的初邊界資料采用ECMWF全球高分辨率模式提供的分析場(chǎng)，分辨率為0.1°×0.1°，時(shí)間間隔為6 h。對(duì)于模式同化的貴陽(yáng)雷達(dá)資料，在同化前對(duì)雷達(dá)資料進(jìn)行了孤立回波消除、地物回波識(shí)別和剔除的數(shù)據(jù)質(zhì)量控制(李豐等，2014)，然后采用三線性插值方法將反射率因子插值到與模式相匹配的三維格點(diǎn)坐標(biāo)上。

3 nudging同化對(duì)分析場(chǎng)的調(diào)整

大氣中水凝物的準(zhǔn)確分布對(duì)數(shù)值模式微物理過程的發(fā)展至關(guān)重要，能有效縮短模式的spin-up時(shí)間。本文設(shè)計(jì)對(duì)比試驗(yàn)用來研究nudging同化水凝物信息對(duì)分析場(chǎng)的改進(jìn)作用。下面具體分析nudging同化水凝物信息對(duì)分析場(chǎng)中的水凝物場(chǎng)和熱力場(chǎng)的改善情況。圖2a、2b分別給出了test1、test2分析場(chǎng)18時(shí)總水凝物分布情況，圖2c給出了test2與test1總水凝物混合比的差值，可以看到nudging同化水凝物信息積分1 h后總水凝物場(chǎng)調(diào)整比較明顯，總水凝物含量增加，主體云系增強(qiáng)，且在主體云系東側(cè)有分散云系生成。

沿主云系中心27.35°N(圖2中綠色虛線所示)做緯向垂直剖面，分析nudging同化對(duì)云水、雨水、冰晶、雪、霰及水汽的影響。從圖3中可以看到，云水主要分布在700～400 hPa，中心極值達(dá)0.3 g·kg-1，高度在500 hPa附近；雨水主要集中在地面至500 hPa范圍內(nèi)，中心最高可達(dá)1 g·kg-1以上，高值中心在近地面附近，地面有降水發(fā)生；冰晶集中分布在450～350 hPa，混合比極大值為0.15 g·kg-1，高度在400 hPa附近；雪晶的垂直分布范圍與冰晶基本一致，極大值為0.8 g·kg-1，高度在500 hPa附近；霰粒子位于冰晶的下方，中心極值達(dá)1.5 g·kg-1，高度在500 hPa。水汽混合比(圖3a填色)在大氣底層800 hPa至地面是大值區(qū)，達(dá)10 g·kg-1，其增量(圖3a 等值線)主要位于中層，最高達(dá)2.4 g·kg-1，可見同化雷達(dá)資料對(duì)水汽含量有正的貢獻(xiàn)。從test2分析場(chǎng)與test1分析場(chǎng)水凝物差值垂直分布(圖3b～3f，等值線)可以看到，nudging同化后云水、雨水、冰晶、雪、霰的混合比均有明顯增加，從區(qū)域平均的各水凝物混合比垂直廓線(圖4)也能發(fā)現(xiàn)同樣的變化特征。

圖2 2018年4月2日18時(shí)test1(a),test2(b)總水凝物混合比分布，及test2與test1總水凝物混合比的差值(c)(單位：g·kg-1)Fig.2 Mixing ratio of total water hydrometeors for analytical fields of (a) test1, (b) test2 and (c) the differences between test2 and test1 at 18:00 BT 2 April 2018 (unit: g·kg-1)

圖3 2018年4月2日18時(shí)test2分析場(chǎng)中水汽(a)、云水(b)、雨水(c)、冰晶(d)、雪(e)、霰(f)的水凝物混合比沿27.35°N(圖2中的綠色虛線)的緯向垂直剖面(填色，單位：g·kg-1)，以及test2與test1水凝物混合比差值(等值線，單位：g·kg-1)(灰色陰影為地型，下同)Fig.3 Zonal-vertical cross sections of mixing ratio of hydrometeors (shaded, unit: g·kg-1) of (a) water vapor, (b) cloud water, (c) rain water, (d) ice crystal, (e) snow, and (f) graupel along 27.35°N (green dashed line in Fig.2) in test2, and the mixing ratio differences of the hydrometeors between test2 and test1 (contour, unit: g·kg-1) at 18:00 BT 2 April 2018(gray shadow: terrain, same as below)

從27.35°N假相當(dāng)位溫的垂直剖面來看(圖5)，test1冷空氣從中層500 hPa入侵，105.6°E附近有假相當(dāng)位溫高能舌自地面向上伸展。test2相比test1有明顯變化，中層侵入的冷空氣明顯加強(qiáng)，假相當(dāng)位溫高能舌增溫近4 K，700 hPa以下假相當(dāng)位溫升高，暖中心最高可達(dá)342 K，這是由于水凝物潛熱釋放加熱了云團(tuán)。nudging同化對(duì)大氣熱力場(chǎng)進(jìn)行了正溫度擾動(dòng)調(diào)整，這種正溫度擾動(dòng)在維持對(duì)流發(fā)展過程中起重要作用。由此可見，雷達(dá)反射率因子云分析調(diào)整了初始場(chǎng)中的熱力場(chǎng)，“上冷下暖”更明顯，有利于對(duì)流的發(fā)展和維持。

圖4 2018年4月2日18時(shí)test1(藍(lán)實(shí)線)和test2(紅虛線)分析場(chǎng)中云水(qc)、雨水(qr)、冰晶(qi)、雪(qs)、霰(qg)的區(qū)域平均的水凝物混合比垂直廓線(區(qū)域平均范圍如圖2中的紅色矩形區(qū)域所示)Fig.4 Vertical profiles of mixing ratio of hydrometeors of cloud water (qc), rain water (qr), ice crystal (qi), snow (qs), graupel (qg) in test1 (blue solid lines) and test2 (red dotted lines) at 18:00 BT 2 April 2018 (The regional averaging is the red rectangle area in Fig.2)

4 試驗(yàn)結(jié)果分析

4.1 雹云宏觀特征分析

表1給出了test1、test2雹云部分宏觀特征與實(shí)況的比較，其中test1和test2中模擬雹云源地與實(shí)況是一致的，均為畢節(jié)東北部地區(qū)。實(shí)際觀測(cè)雹云生命史約10 h，最大雷達(dá)回波強(qiáng)度達(dá)60 dBz以上，移動(dòng)方向?yàn)橄认驏|移動(dòng)，后轉(zhuǎn)向東南方向移動(dòng)；而test1模擬雹云的生命史為7 h，最大雷達(dá)組合反射率為45.6 dBz，且雹云自西向東移動(dòng)；test2中雹云的生命史為9 h，最大雷達(dá)組合反射率為46.4 dBz，移動(dòng)方向與test1一致。可見，雷達(dá)資料同化使得雹云的生命史變長(zhǎng)，回波強(qiáng)度增加，與實(shí)況更接近。

4.2 雷達(dá)反射率演變分析

4月2日18:02雷達(dá)組合反射率因子圖顯示(圖6c)，多個(gè)對(duì)流單體覆蓋在貴州中北部地區(qū)上空，最大回波強(qiáng)度達(dá)到65 dBz以上，回波中心位于畢節(jié)東部。對(duì)于test1，18時(shí)(圖6a)多個(gè)對(duì)流單體出現(xiàn)在貴州西北部，中心強(qiáng)度40 dBz以上，強(qiáng)回波中心范圍與實(shí)況相差不大，強(qiáng)度較實(shí)況偏弱，位置偏西。對(duì)于test2，在模式積分1 h后(圖6b)，畢節(jié)東部地區(qū)上空強(qiáng)對(duì)流中心最大回波達(dá)到45 dBz以上?？傮w來看，在該時(shí)刻test2、test1將強(qiáng)對(duì)流范圍較好地再現(xiàn)出來，而在回波強(qiáng)度和空間位置上，兩組試驗(yàn)較實(shí)況都有一定的偏差，test2較test1略有改善。

圖5 2018年4月2日18時(shí)test1(a),test2(b)沿27.35°N(圖2中的綠色虛線)的假相當(dāng)位溫垂直剖面Fig.5 Vertical cross sections of pseudo-equivalent potential temperature along 27.35°N (green dashed line in Fig.2) of (a) test1, (b) test2 at 18:00 BT 2 April 2018

表1 雹云宏觀特征Table 1 The macro characteristics of hail clouds

從19:02雷達(dá)組合反射率圖(圖7c)上來看，貴州中北部地區(qū)上空的強(qiáng)回波中心向東偏南方向移動(dòng)，強(qiáng)回波中心區(qū)域面積增大，且在畢節(jié)中部地區(qū)有新的對(duì)流單體生成發(fā)展。圖7a中對(duì)流單體的位置和范圍與實(shí)況對(duì)應(yīng)較好，但強(qiáng)度仍有較大出入；西部的對(duì)流單體同時(shí)向東發(fā)展，回波中心強(qiáng)度增強(qiáng)，回波范圍增大。在test2中模式積分2 h后，強(qiáng)回波區(qū)域面積增大，回波強(qiáng)度變化不大，回波向東發(fā)展；西部的對(duì)流單體同時(shí)向東發(fā)展，回波中心強(qiáng)度增強(qiáng)，回波范圍增大。與雷達(dá)觀測(cè)實(shí)況相比，test1和test2模擬結(jié)果在雹云位置上有良好的表現(xiàn)，但雹云強(qiáng)度和雹云移向模擬出現(xiàn)偏差。

圖6 2018年4月2日18:00 test1(a),test2(b)模擬,18：02觀測(cè)(c)雹云的雷達(dá)組合反射率因子Fig.6 The simulations of (a) test1, (b) test2 at 18:00 BT and (c) observation at 18:02 BT composite radar reflectivity of hail clouds on 2 April 2018

圖7 同圖6，但為2018年4月2日19：00 test1(a),test2(b)模擬和19：02觀測(cè)(c)Fig.7 Same as Fig.6, but for simulations of (a) test1, (b) test2 at 19:00 BT and (c) observation at 19:02 BT 2 April 2018

由20:02雷達(dá)組合反射率因子圖(圖8c)可知，東部的對(duì)流單體回波繼續(xù)向東偏南方向移動(dòng)，回波中心強(qiáng)度減弱，強(qiáng)回波區(qū)域減小；西部對(duì)流單體繼續(xù)發(fā)展，回波中心強(qiáng)度增強(qiáng)，最大回波強(qiáng)度超過55 dBz。從兩組試驗(yàn)的模擬結(jié)果來看，主體對(duì)流單體西南側(cè)的單體繼續(xù)向東移動(dòng)，與主體強(qiáng)對(duì)流單體并排一起，形成一個(gè)呈南北走向的強(qiáng)回波帶，40 dBz以上的回波中心衰減成多個(gè)小回波中心；西部強(qiáng)對(duì)流單體繼續(xù)向東發(fā)展?？偟膩碚f，積分3 h后模擬雹云雷達(dá)組合反射率與實(shí)況的偏差較0～2 h的大。

4.3 降雨量分析

從2018年4月2日17時(shí)至3日05時(shí)地面12 h 累計(jì)降水實(shí)況(圖9c)來看，貴州出現(xiàn)大范圍強(qiáng)降雨，降雨呈西北—東南帶狀分布，主要集中在貴州的中部地區(qū)，中北部和中南部各有1個(gè)降水中心，北部中心雨量為47.9 mm，南部中心12 h地面累計(jì)雨量最大可達(dá)70.5 mm。從test1模擬結(jié)果來看(圖9a)，貴州中北部有1個(gè)降水中心，12 h最大累計(jì)雨量約為24.1 mm，與實(shí)況相比，模式模擬出了貴州中北部的降水中心，位置略偏北，降雨量級(jí)略偏小，而南部的強(qiáng)降水中心漏報(bào)。test2中，貴州中部以北有一個(gè)強(qiáng)降水中心，中心雨量為44.6 mm，與實(shí)況相比，北部的降水中心強(qiáng)度相當(dāng)，位置略偏東，預(yù)報(bào)效果較好，而南部的強(qiáng)降水中心預(yù)報(bào)也存在同樣問題。

4.4 水凝物場(chǎng)分析

過雹云中心作自西向東的垂直剖面，分析兩組試驗(yàn)水凝物的垂直分布差異。圖10～圖12給出了4月2日18—20時(shí)云帶分布及沿云帶中心的云水和冰相粒子(冰晶、雪和霰)緯向垂直分布。

圖8 同圖6，但為2018年4月2日20:00 test1(a),test2(b)模擬和20：02觀測(cè)(c)Fig.8 Same as Fig.6, but for simulations of (a) test1, (b) test2 at 20:00 BT and (c) observation at 20:02 BT 2 April 2018

圖9 2018年4月2日17時(shí)至3日05時(shí)test1(a),test2(b)模擬,實(shí)況(c)地面12 h累計(jì)降水量Fig.9 The simulations of (a) test1, (b) test2 and (c) observed 12 h accumulated rainfall from 17:00 BT 2 to 05:00 BT 3 April 2018

圖10 2018年4月2日18時(shí)test1(a),test2(b)云系總水凝物混合比(a1,b1)和沿27.35°N(圖10a1，10b1中綠色虛線)的云水(a2,b2)和冰相粒子(a3,b3)的垂直剖面(單位：g·kg-1)(圖10a3，10b3中矢量為風(fēng)矢，單位：m·s-1)Fig.10 Mixing ratio of total hydrometeors (a1, b1) and vertical profiles of cloud water (a2, b2), ice phase particles (a3, b3) along 27.35°N (horizontal green dashed line in Figs.10a1 and 10b1) of test1 (a), test2 (b) at 18:00 BT 2 April 2018 (unit: g·kg-1)(Vector in Figs.10a3 and 10b3 is wind， unit： m·s-1)

圖11 同圖10，但為2018年4月2日19時(shí)Fig.11 Same as Fig.10, but at 19:00 BT 2 April 2018

如圖10所示，18時(shí)，test2中，云水主要分布在105.5°～105.8°E，極值為0.3 g·kg-1，高度在500 hPa 附近，冰相粒子混合比含量主要分布在105.4°～106°E，高度在700～250 hPa，極大值達(dá)2.1 g·kg-1，高度為600 hPa，云頂附近有明顯上升氣流。與test1相比，云水和冰相粒子的垂直分布基本一致，水平分布范圍更大，極值更高，云內(nèi)上升氣流更強(qiáng)，有利于對(duì)流云繼續(xù)向上發(fā)展。同化過后，低層加熱作用，使得對(duì)流發(fā)展更加旺盛，低層豐沛水汽，促進(jìn)了水汽向云水的轉(zhuǎn)化，以及云水向雪和霰的轉(zhuǎn)化。

test2模式積分2 h以后(圖11)，云帶向東移至105.8°～106.4°E，云水主要分布在-10～0℃，為過冷云水，極大值超過0.3 g·kg-1，冰相粒子主要分布在600～400 hPa，極值為2.7 g·kg-1，云中以上升氣流為主。test1中，云水混合比含量超過0.3 g·kg-1的區(qū)域面積較test2大，云中云水含量較豐沛，而冰相粒子含量較少，極值為2.4 g·kg-1左右，云中上升氣流較弱。可見，test2中雹云發(fā)展較test1迅速。

積分3 h后，20時(shí)(圖12)東部雹云處于衰亡階段，西部雹云發(fā)展較旺盛。test2中，西部雹云中以冰相粒子為主，為雙層云結(jié)構(gòu)，云體中上部有上升氣流，云水混合比含量極大值為0.3 g·kg-1，冰相粒子混合比含量極大值超過2.7 g·kg-1，且地面有固態(tài)降水。test1中，云水含量較test2多，雹云發(fā)展沒有test2旺盛，為單層云結(jié)構(gòu)，云中以上升氣流為主。

圖12 同圖10，但為2018年4月2日20時(shí)Fig.12 Same as Fig.10, but at 20:00 BT 2 April 2018

5 結(jié)論與討論

本文采用牛頓連續(xù)松弛逼近法(nudging)將多普勒雷達(dá)反射率因子資料云分析反演得到的水凝物信息nudging同化到模式中，分析了nudging同化對(duì)分析場(chǎng)的改進(jìn)作用，并基于GRAPES中尺度數(shù)值模式對(duì)2018年4月2日貴州省一次大范圍冰雹天氣過程進(jìn)行了模擬試驗(yàn)和對(duì)比分析。通過對(duì)同化雷達(dá)反射率因子后的分析場(chǎng)和模擬物理量場(chǎng)的診斷分析，得到以下結(jié)論：

(1)nudging同化可以有效地利用雷達(dá)反射率因子信息對(duì)熱力場(chǎng)和云微物理量場(chǎng)進(jìn)行調(diào)整。這種調(diào)整增加了中層雨水和冰相粒子含量，水凝物潛熱釋放加熱了云團(tuán)，對(duì)大氣熱力場(chǎng)進(jìn)行了正溫度擾動(dòng)調(diào)整，這種正溫度擾動(dòng)在維持對(duì)流發(fā)展過程中起重要作用。由此可見，雷達(dá)反射率因子同化調(diào)整了分析場(chǎng)中的熱力場(chǎng)和水凝物場(chǎng)，使得云體含水量更加豐沛，對(duì)流發(fā)展更加旺盛。

(2)雷達(dá)反射率因子同化對(duì)雹云發(fā)展演變、雹云生命史、雹云強(qiáng)度等有明顯改進(jìn)，對(duì)降水強(qiáng)度的預(yù)報(bào)效果改善也有明顯貢獻(xiàn)。雷達(dá)反射率因子同化對(duì)雹云的微物理量結(jié)構(gòu)有明顯的促進(jìn)作用，模式積分1 h，雹云內(nèi)的云水和冰相粒子含量都較多，云頂上升氣流明顯較強(qiáng)；2 h后，云內(nèi)上升氣流也較強(qiáng)，雹云以冰相粒子為主，冰相粒子較多，而云水含量則相反；3 h后，雹云云底出現(xiàn)固態(tài)降水，在初始場(chǎng)中同化雷達(dá)反射率因子后，明顯加快了雹云中液相粒子向固態(tài)粒子的轉(zhuǎn)化?？梢?，雷達(dá)反射率因子同化對(duì)提高冰雹云天氣系統(tǒng)的模擬能力有重要意義，為冰雹云的臨近預(yù)報(bào)提供重要參考。

本文只進(jìn)行了一個(gè)冰雹天氣過程的單次同化模擬分析，對(duì)于南部降水漏報(bào)現(xiàn)象，可以考慮進(jìn)行連續(xù)同化試驗(yàn)研究，分析預(yù)報(bào)結(jié)果是否有改進(jìn)。另外，考慮到不同的雹云天氣過程形成的云物理機(jī)制和初邊條件誤差不同，結(jié)論具有一定的局限性，今后需要進(jìn)行多個(gè)個(gè)例同化試驗(yàn)研究。