2. 中国科学院大气物理研究所云降水物理与强风暴重点实验室, 北京 100029;
3. 美国国家海洋大气总署环境预测中心, 马里兰 20746
2. Key Laboratory of Cloud-Precipitation Physics and Sever Storms, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China;
3. National Centers for Environmental Prediction, National Oceanic and Atmospheric Administration, Maryland 20746, USA
深对流系统因具有强盛的上升气流,在垂直方向可以强烈地输送热量、动量和水凝物,并在局地产生强降水,释放大量的潜热,产生瞬时大风.除此之外,在上升气流顶部会有大面积由冰粒组成的卷云砧形成,卷云砧在对流系统减弱、消散后还能够在对流层高层维持较长时间,最终通过调整大气辐射平衡,对全球气候变化产生重要影响.
Houze(1993)指出深对流系统中的上升气流将水凝物抬升至对流云高层,再由水平气流输送至对流云外形成卷云砧.许多学者对卷云砧的形成与深对流系统之间的关系作了大量研究.例如,Massie等(2002)认为热带地区有一半的卷云或卷云砧是由深对流顶部的出流引起的;Luo和Rossow(2004)通过前向拉格朗日轨迹计算发现对流顶部的卷夹作用对卷云形成起到重要作用,且由对流形成的卷云可以被输送至600~1000 km以外的区域;Rickenbach等(2008)对对流个例的研究发现,卷云砧是在对流系统上部发展起来的,并在对流的下游不断发展,大约在对流系统消散后的1~2 h发展成熟,此时云砧的面积也达到最大.
为了研究深对流系统中水凝物输送特征及其对全球气候变化的影响,2006年在澳大利亚北部地区进行的TWP-ICE试验(the Tropical Warm Pool International Cloud Experiment)通过雷达、探空及飞机等观测手段获得了大量的云观测及反演数据,为提高数值天气预报水平及气候模式中的对流参数化水平提供了坚实的数据基础(May et al., 2008).在TWP-ICE试验数据的基础上,国内外学者也开展了大量的研究工作.
金莲姬等(2007)和李嘉鹏等(2009)分别对TWP-ICE试验期间的对流系统进行了数值模拟及敏感性试验;Davies等(2013)使用TWP-ICE试验提供的大尺度强迫场对单柱模式(SCM)集合方法以及强迫场对单柱模式模拟结果的影响进行了研究;Wang等(2009)也使用TWP-ICE试验数据对CAM模式中的双参微物理方案进行了评估,其结果表明双参方案和单参方案之间的主要区别在于冰水含量模拟上的差异,而双参方案对于云性质的描 述要优于单参方案;Frederick和Schumacher(2008)使用雷达观测资料给出了不同类型的卷云砧厚度和水平范围等尺度特征;Wu等(2009)的研究指出选择不同的对流夹卷方案对于对流系统中上升气流的强度影响较大;Li等(2012)以及Lin等(2012)的研究均指出模式中对流参数化的选择对于模式模拟云的优劣起着至关重要的作用;Wang和Liu(2009)以及Mrowiec等(2012)分别对云分辨模拟得到的对流上升气流特征进行了分析,Wang和Liu(2009)指出云分辨模拟得到的对流上升气流的质量通量在条件不稳定层顶以下随高度增加,在条件不稳定层顶以上随高度减小,与CAM模式中对流参数化假设存在较大差异,CAM模式的参数化假设可能会导致过量的水凝物和热量被传输至对流层上部.
拉格朗日轨迹方法通常被运用于污染物扩散的研究.近年来,拉格朗日轨迹方法还被广泛地运用到了对流层与平流层交换(陈斌等,2010; 陈斌等,2012),以及中尺度暴雨干侵入的诊断分析研究中(Gao et al., 2010).相比传统的欧拉方法,拉格朗日轨迹方法的优势在于它可以确定空气运动及输送的源汇区,更直观地表现运动过程中空气块的变化特征.在以上众多的研究中,很少有通过拉格朗日轨迹方法对单个深对流系统中水凝物输送特征进行研究,而关于深对流系统对卷云砧形成的水凝物贡献的研究也相对较少.大量的研究(Li et al., 2012; Lin et al., 2012; Wang and Liu, 2009)已经表明现有的对流参数化水平不高是限制数值模式发展的重要因素之一.本文将针对对流参数化中存在的缺陷,结合较为先进的拉格朗日轨迹方法对TWP-ICE试验期间的一次热带深对流过程中水凝物输送特征进行讨论和研究,以期得到对流系统中水凝物的输送特征,为模式参数化方案改进提供依据.
2 资料和方法本文采用了四重嵌套的非静力WRFV3.4.1中尺度模式,使用1°×1°的FNL资料作为大尺度强迫场对2006年1月19日至2006年1月31日澳洲季风期的天气及对流系统进行模拟.模式四重嵌套的水平格距分别为30 km,6 km,2 km和0.667 km,模拟区域中心均设在澳大利亚达尔文站(12.425°S,130.891°E),第四重嵌套模拟时间为23日00时至25日12时,模拟范围为316 km×316 km,包括了整个TWP-ICE试验区域.模式层顶气压为10 hPa,垂直层为72个σ层,垂直格距由近地层的70 m变化至对流层顶的1000 m.因第四重嵌套水平分辨率较高,可以显式分辨出单个对流系统的特征,其模拟结果将被用来分析对流系统中水凝物的输送特征.后文将以“WRF-CRM”来特指第四重嵌套的模拟.图 1为模式区域设置,阴影为地形高度,图中六个点分别表示TWP-ICE试验测站所在的位置,五边形表示TWP-ICE试验区域.
本文的模拟采用了WSM6微物理参数化方案,rrtm和Dudhia长、短波辐射参数化方案,YSU边界层及unified Noah陆面参数化方案.Kain-Fritsch积云参数化方案只运用于第一、第二重嵌套的模拟,第三、第四重嵌套未采用积云参数化方案.本文WRF模式的物理方案选取与Wang和Liu(2009)的研究所选用的物理方案基本类似.不同的是,Wang和Liu(2009)选用了Thompson微物理方案,而本文选用了WSM6方案.这是因为Thompson方案对雪粒子含量的高估导致了高层卷云的模拟误差,WSM6方案则可以通过对雪粒子含量较好的模拟,相对真实地反映出高层卷云的演变特征(Wang et al., 2009).
在研究对流系统的输送特征时,本文使用FLEXPART拉格朗日粒子扩散模式对WRF-CRM每五分钟输出一次的气象场进行轨迹分析.FLEXPART模式对大气物质的输送和扩散过程的模拟是通过计算空气块的运动轨迹实现的(Stohl et al., 2005).在计算轨迹时,FLEXPART模式采用的是“零加速度”方案,其表达式为 X(t+Δt)= X(t)+ v(X,t)·Δt.它可以用于描述不同类型大气排放源的输送、扩散、干湿沉降等过程(陈斌等,2010; 陈斌等,2012).通过计算前向轨迹可以确定排放源的输送特征,而计算后向轨迹则可以确定可 能的排放源区域.与其他的轨迹模式相比,FLEXPART 模式还考虑了中尺度对流和湍流过程(Forster and Stohl, 2007).
本文在使用FLEXPART模式对WRF-CRM输出的气象场进行轨迹分析时,还采用了轨迹模式中的domain-filling技术.domain-filling技术是指根据空气密度大小,相对均匀地将区域内三维空间的空气划分为足够多的空气块.本文将WRF-CRM区域三维空间内 的空气划分为约60万个小空气块,在积分过程中,空气块在气象要素场的驱动下运动,依据不同时刻不同空气块所在的位置来确定空气块的运动轨迹.
3 模拟结果分析 3.1 模式验证图 2为TWP-ICE试验区域内WRF模式模拟得到的不同高度云量平均值与观测以及多CRM模式集合得到的不同高度云量随时间变化的对比.TWP-ICE试验通过云雷达及其他遥感设备实现了对云的观测,云量的估计则是通过观测与ARSCL算法(Clothiaux et al., 2000)的结合得到的.Wang和Liu(2009)的研究指出,云雷达对于高云量的观测估计不足,并由于雷达信号随距离衰减导致观测的云高较低.基于上述事实,分析图 2a和图 2b发现,除了模拟的云高较高以外,WRF模式模拟的云量的时空分布特征与观测得到的云量的时空分布基本一致.24日至25日WRF模式模拟的云量与观测结果存在差异,这可能是由于模式所使用的大尺度强迫场与实际观测之间存在差别造成的(Wang and Liu, 2009).图 2c为多CRM模式集合(Fridlind et al., 2012)得到的不同高度云量随时间变化,WRF模式模拟得到的云量与多CRM模式集合的结果十分相似,而且在多CRM模式集合的结果中,24日至 25日的云量同样与观测的对比存在差异,说明模式 的大尺度强迫场对模拟结果的影响比模式本身的影响更大.因此,WRF模式的模拟基本真实地反映了TWP-ICE试验期间的云量变化,其结果可以用于文章后续的研究.
3.2 天气形势TWP-ICE试验的目的是观测和研究对流云及 与对流云有关的卷云砧的发展演变特征.整个试验期间,伴随有较大振幅的MJO(Madden and Julian Oscillation,大气季节内振荡)移动经过试验区域,天气形势可分为四种具有典型特征的天气类型,分别为对流活动频繁的季风活跃期、季风抑制期、三天的晴空少云期和季风衰退期(May et al., 2008).23日季风槽退至达尔文站的北部地区,在达尔文站北部海域有热带低压系统生成,由于该低压系统迅速登陆故未发展成热带气旋.受该低压南移影响,试验区域内有较大的中尺度对流系统(MCS)生成发展.图 3所示为WRF模式模拟的23日和24日21时海平面以及500 hPa高度上的气象要素场.WRF模式模拟得到的天气形势与TWP-ICE试验天气记录以及文献报告(May et al., 2008)所描述的天气形势一致.从海平面气压场和500 hPa高度场看,23日低压系统位于达尔文站的东北侧海域,随着低压系统的南移,24日整个低压系统移至达尔文站附近.从风场上看,达尔文站主要受来自洋面上的暖湿西风气流的影响,因此达尔文站乃至整个TWP-ICE试验区域的相对湿度增加.如此高湿的大尺度天气形势的影响更有利于能够产生降水的对流系统生成发展.23日至25日期间因对流活跃,本文选用该时段的对流系统特征作为后续研究的重点.
对流系统中的上升气流的性质决定了对流系统与环境空气之间的水汽交换,上升气流强度越强,越 多的水凝物被输送到对流层高层.对流上升气流质 量通量表示单位截面上升气流输送水凝物质量的大小,表达式为Mi=ρi·wi(其中,ρi为上升气流的空气密度,wi为上升气流的垂直运动速度,下标i表示具有不同性质的上升气流),其值越大表明上升气流输送的水凝物越多.质量通量的垂直变化率可用于表示对流上升气流的夹卷率,即表示上升气流与环境空气之间质量交换的大小,λi大于0表示水凝物被夹卷入对流系统,若小于0则表示水凝物被卷夹出对流系统.因深对流系统中不同的上升气流可以到达的高度各不相同,本文采用与Wang和Liu(2009)相类似的方法,对WRF-CRM模拟得到具有不同上升气流顶高度的上升气流质量通量进行诊断分析(图 4a),所得结果与Wang和Liu(2009)得到的结论相同.WRF-CRM得到的上升气流质量通量的极大值位于条件不稳定层顶附近,条件不稳定层顶以上,上升气流质量通量随高度减小,说明有水凝物物质在条件不稳定层顶上下便被卷夹或输送到环境空气中.
许多天气及气候模式(如CAM)也采用了质量通量的对流参数化方案(Zhang and McFarlane, 1995).这些参数化方案的假设为:卷夹作用(detrainment)仅发生在上升气流层顶上的薄层内,且单 支上升气流的夹卷率为定值. 根据上述假设,同样给出了不同气流顶高度的上升气流质量通量廓线(图 4b),从图中可以看出上升气流质量通量随高度一直增加至上升气流顶,这就导致在相同的质量通量极值的条件下,有更多的水凝物物质被输送到对流层高层.Wang和Liu(2009)认为,要维持上升气流质量通量随高度增加必须要满足垂直速度也随高度增加的条件.受上升气流扰动及水凝物拖曳的影响,垂直速度通常不能满足随高度增加的条件;另外,维持垂直速度随高度增加的另一重要因子——净浮力在条件不稳定层以上也随高度减小,同样不能使得垂直速度满足随高度增加的条件.因此,气候模式中对质量通量的假设不能像WRF-CRM模式那样给出合理的质量通量垂直分布,与实际过程存在较大差别.为了能够为改进模式参数化方案奠定一定的基础,本文第4节将通过计算拉格朗日轨迹的方法针对一次深对流过程对对流系统的拉格朗日输送特征作进一步的讨论.
4 对流系统拉格朗日轨迹分析 4.1 对流输送特征本文使用FLEXPART模式对WRF-CRM模 拟得到的气象场作拉格朗日轨迹分析.为了研究深对流系统中水凝物的输送特征,本文选取一次热带深对流过程(24日20时至25日07时)中初始组合反射率最大区域内的空气块运动进行讨论,该区域的水平范围约为10 km×10 km,垂直范围为1.5~8 km.图 5给出了对流区内不同初始高度空气块数目百分比和最终能够到达13 km高度的空气块数目百分比.从图中可以看出,由于空气密度随高度减小,不同初始高度空气块的数目百分比也随高度增加而减少.但随着空气块初始高度增加,能够到达对流层上层(~13 km)的空气块的百分比逐渐增加,由低层30.23%增加至80.50%,说明对流系统中初始高度越高,空气块越容易被输送到对流层高层.
图 6为不同初始高度空气块的水平输送距离与垂直输送高度散点分布图,从图中可以看出,空气块水平输送距离最远可达300 km以上,垂直输送高度最高可到达18 km.图 6中灰色阴影区表示条件不稳定层顶;黑实线表示距离空气块初始点50 km所在的位置,超过50 km即可认为空气块被输送出原对流母体.前面的分析已经指出,对流参数化方案假设仅在上升气流顶才有水凝物被输送出对流母体.由图 6分析可以发现,在输送过程中,对流系统中的空气块在条件不稳定层顶高度上下便被输送至对流系统以外的环境大气中,说明与对流参数化方案假设不同,对流系统中的水凝物在被输送至上升气流顶之前就已经被输送出对流母体.这一分析结论与图 4a得出的结论类似.
对流系统拉格朗日输送的另一个典型特点是在13 km高度以下,空气块垂直输送及水平输送兼有;而在13 km高度以上,空气块以水平输送为主.Frederick和Schumacher(2008)的研究表明13 km高度可视为卷云砧所在的高度,于是可认为对流系统中的水凝物被对流系统中的上升气流输送至云砧区,而水凝物到达云砧区后,被水平气流输送至更远的距离,进而影响对流层顶与平流层的水汽交换过程.
为了研究对流系统中空气块垂直输送高度及水平输送距离与空气块输送时间之间的关系,图 7和图 8分别给出了空气块输送时间与垂直输送高度和空气块输送时间与水平输送距离的散点图.从图 7分析知大部分空气块在120 min以内便被输送到了13 km高度,即卷云砧所在高度.在输送时间持续200 min后,那些垂直输送能够持续较长时间的空气块基本都到达了其能够被输送到达的最高高度.空气块被输送至最高高度后则以水平输送为主.
图 8反映了空气块输送时间与水平输送距离之间的关系,由于受水平风场的影响较大,不同初始高度的空气块在输送过程中所表现出的特征也存在着较大的差别.图 8中黑色实线为空气块输送时间与水平输送距离之间的线性拟合线,rc值为拟合线的 斜率,rc值越大说明在越短的时间内空气块越容易 被输送到越远的距离.除初始位置在1.5~2 km高度上的空气块外,rc值随初始高度增加而增大,说明初始高度越高的空气块越快地被输送到较远的距离.
随初始高度增加,空气块散点的离散程度逐渐减小.造成这一现象的可能原因是,低层的风场扰动较大,风向的均匀程度远小于高层,故初始位置低的空气块很容易在一开始便被输送到各个方向,在随后的输送过程中便表现出离散的输送特征.受风场扰动的影响,低层的少量水凝物还会出现被输送一段距离后又被输送回对流母体的情形(图 8b).
图 9为沿对流系统中水凝物输送的拉格朗日点上垂直高度、比湿、空气密度及温度等变量的平均值随时间的变化,图中横、竖辅助线分别表示各变量的临界值及120 min的临界时间.从图 9a可以看出120 min左右,水凝物粒子被输送至13 km高度,这与图 6得出的结论相一致.120 min后,水凝物粒子所处的平均高度均在13 km高度附近略微变化.比湿(图 9b)随时间迅速减小,至120 min减小至0.7 g·kg-1,120 min后比湿减小至0 g·kg-1.比湿的变化与液态水凝物随高度增加而减小有着密切的关系.空气密度(图 9c)与比湿相同,也随时间逐渐减小,当120 min左右水凝物粒子到达13 km高度附近时,空气密度降至0.3 kg·m-3左右,随着时间推移,水凝物粒子稳定在13 km高度附近,空气密度基本维持在0.3 kg·m-3左右.空气温度(图 9d)的变化与比湿和空气密度的变化基本类似,在120 min左右水凝物粒子到达13 km上下时,空气温度降至-54 ℃左右.120 min后,与其他变量相比,空气温度的变化对水凝物高度的变化反应敏感,随着水凝物粒子垂直高度的增加或降低,空气温度也随之有明显的减小或增大.最终,空气温度稳定在-54 ℃附近.
综上分析,可以给出对流系统水凝物输送的临界特征值:在对流系统中水凝物被输送2 h左右后,水凝物被输送至13 km高度附近,其周围环境空气 的比湿、密度及温度分别为0.7 g·kg-1,0.3 kg·m-3和-54 ℃.
4.2 对流输送影响区域4.1节的分析仅反映了对流系统中水凝物的输送特点,为了进一步分析对流系统中水凝物输送如何影响其周围环境及卷云砧的形成,本文将FLEXPART模式得到的各条轨迹的轨迹点插值到 分辨率为5 km×5 km格点上,并计算出格点空气块输送频率.格点空气块输送频率定义为,到达某个格点的空气块总数与被输送的总空气块数目的比值.图 10所示即为不同初始高度上格点空气块输送频率的水平分布,这一水平分布可以反映出两个重要的问题:一是空气块输送的主要路径是什么?二是对流系统中水凝物的输送会影响哪些区域?
受环境西南气流的影响,对流系统中的水凝物主要向北偏东方向输送,但不同初始高度的空气块的输送轨迹又存在略微的差别.图 10a给出了初始高度为1.5~2 km的空气块输送频率的水平分布,可以发现有少部分空气块向对流系统上游的东南方向输送.随着空气块初始高度的增加,空气块向对流系统的上游输送的情况也随之减少.对于这一特征的解释是,低层风场的扰动较大,风向的不均匀造成了对流系统中有少量的水凝物向对流系统后方输送.
图 10分析可知,对流系统中的水凝物最远可以被输送至对流系统外的200~300 km,进而影响这些区域的水汽交换等过程.从空气块输送频率分析,除去初始位置外50 km范围内的区域,对流系统影响最大的区域为沿环境引导气流方向距初始位置50~150 km距离内的区域,这些区域的空气块输送频率均达到10%以上.从水平尺度上看,这些区域是对流系统下游与对流紧密关联的云砧区,因此粗略地定性估计约10%~20%的对流系统中的水凝物对云砧区的形成会产生影响.
然而,一方面由于本文所使用的为模式输出数据,存在许多不确定性问题;另一方面水凝物的微物理变化特征对云砧的形成起着不可忽视的重要作用.因此,对于定量估计对流系统中水凝物输送对云砧形成的影响仍需做进一步深入的研究.
与图 10类似,图 11表示相同水平精度格点内对流系统水凝物平均输送时间.从总体形势看,平均输送时间的分布与空气块输送频率的分布一致.由图 11的分析可以发现对流系统外100~200 km处水凝物平均输送时间较长,均大于4 h,最长可达6 h以上.平均输送时间较长区域与图 10中空气块输送 频率较大区基本重合.这些区域是前面分析得到的 与对流密切相关的卷云砧区.通过平均输送时间水平分布的分析可以得到,对流系统影响周围环境及卷云砧形成的时间尺度约为4~6 h.
本文使用高分辨率的WRFV3.4.1模式对 TWP-ICE试验期间的一次对流过程进行了数值模拟,利用每五分钟输出一次的资料,结合FLEXPART 拉格朗日模式对对流系统输送进行了轨迹分析,得到了如下结论:
(1)高分辨率WRF模式可以用于云分辨尺度的模拟,从模拟结果与多云分辨率模式集合结果及观测结果的对比发现,高分辨率WRF模式成功再现了TWP-ICE试验期间的云变化特征.
(2)通过分析对流系统水凝物拉格朗日输送特征及对流上升气流质量通量随高度的变化发现,在条件不稳定层顶上下便有水凝物被输送出对流系统.这一结果更加贴近实际情况,但与以质量通量参数为基础的对流参数化方案假设并不相同,说明现有的对流参数化方案高估了对流系统对对流层高层的水汽贡献.
(3)在对流系统中水凝物被输送2 h左右后,水凝物被输送至13 km的高度左右,其周围环境空气 的比湿、密度及温度分别为0.7 g·kg-1,0.3 kg·m-3和-54 ℃.在水凝物被输送到13 km高度左右以 后,主要以水平输送为主,且初始位置高度较高的水凝物越容易在较短的时间内被输送至较远的距离.
(4)分析对流系统中水凝物输送轨迹特征发现,水凝物输送轨迹主要沿环境引导气流方向,最远距离可到达200~300 km,并对50~150 km附近的云砧区影响最大.对流系统中的水凝物对该区域云砧形成影响的时间尺度约为4~6 h,其中大约10%~ 20%的水凝物对云砧的形成及发展做出了贡献.对于那些初始位置较低的水凝物,因受到低层风场扰动的影响,少部分水凝物也出现了向对流系统上游(引导气流反方向)输送的情形.
本文对对流系统输送的拉格朗日特征及对流系统对与其密切相关的卷云砧的影响进行了分析讨论,并得出了初步的结论.这些结论为改进数值模式中的对流参数化方案奠定了初步的基础.但由于现有的数值模式中次网格参数化方案仍存在许多不确定性,便造成了在定量评估对流系统中水凝物输送特征时的不确定.只有在准确的定量评估基础上才能给出较好的对流参数化的改进方案,因此仍需结合观测资料对各类对流系统中的水凝物变化及输送特征做更进一步的深入研究.
[1] | Chen B, Xu X D, Bian J C, et al. 2010. Sources, pathways and timescales for the troposphere to stratosphere transport over Asian Monsoon Regions in Boreal Summer. Chinese Journal of Atmospheric Sciences (in Chinese), 34(3): 495-505. |
[2] | Chen B, Xu X D, Yang S, et al. 2012. On the characteristics of water vapor transport from atmosphere boundary layer to stratosphere over Tibetan Plateau regions in summer. Chinese J. Geophys. (in Chinese), 55(2): 406-513. |
[3] | Clothiaux E E, Ackerman T P, Mzce G G, et al. 2000. Objective determination of cloud heights and radar reflectivities using a combination of active remote sensors at the ARM CART sites. J. Appl. Meteor., 39(5): 645-665. |
[4] | Davies L, Jakob C, Cheung K, et al. 2013. A single-column model ensemble approach applied to the TWP-ICE experiment. J. Geophys. Res., 118(12): 6544-6563, doi: 10.1002/jgrd.50450. |
[5] | Forster C, Stohl A. 2007. Parameterization of convective transport in a Lagrangian particle dispersion model and its evaluation. J. Appl. Meteor. Climatol., 46(4): 403-422. |
[6] | Frederick K, Schumacher C. 2008. Anvil Characteristics as Seen by C-POL during the Tropical Warm Pool International Cloud Experiment (TWP-ICE). Mon. Wea. Rev., 136(1): 206-222. |
[7] | Fridlind A M, Ackerman A S, Chaboureau J P, et al. 2012. A comparison of TWP-ICE observational data with cloud-resolving model results. J. Geophys. Res., 117(D5): D05204, doi: 10.1029/2011JD016595. |
[8] | Gao S T, Yang S, Chen B. 2010. Diagnostic analyses of dry intrusion and nonuniformly saturated instability during a rainfall event. J. Geophys. Res., 115(D2): D02102, doi: 10.1029/2009JD012467. |
[9] | Houze R A. 1993. Cloud Dynamics. New York: Academic Press, 573. |
[10] | Jin L J, Yin Y, Wang P X, et al. 2007. Numerical modeling of tropical deep convective anvil and sensitivity test on its response to changes in the cloud condensation nuclei concentration. Chinese Journal of Atmospheric Sciences (in Chinese), 31(5): 793-804. |
[11] | Li J P, Yin Y, Jin L J, et al. 2009. A numerical study on deep tropical convection using WRF model. Journal of Tropical Meteorology (in Chinese), 25(3): 287-294. |
[12] | Li L J, Xie X, Wang B, et al. 2012. Evaluating the Performances of GAMIL1.0 and GAMIL2.0 during TWP-ICE with CAPT. Atmos. Oceanic Sci. Lett., 5(1): 38-42. |
[13] | Lin Y L, Donner L J, Petch J, et al. 2012. TWP-ICE global atmospheric model intercomparison: Convection responsiveness and resolution impact. J. Geophys. Res., 117(D9): D09111, doi: 10.1029/2011JD017018. |
[14] | Luo Z Z, Rossow W B. 2004. Characterizing tropical cirrus life cycle, evolution, and interaction with upper-tropospheric water vapor using Lagrangian trajectory analysis of satellite observations. J. Climate, 17(23): 4541-4563. |
[15] | Massie S, Gettelman A, Randel W, et al. 2002. Distribution of tropical cirrus in relation to convection. J. Geophys. Res., 107(D21): AAC19-1-AAC19-16, doi: 10.1029/2001JD001293. |
[16] | May P T, Mather J H, Vaughan G, et al. 2008. The tropical warm pool international cloud experiment. Bull. Amer. Meteor. Soc., 89(5): 629-645. |
[17] | Mrowiec A A, Rio C, Fridlind A M, et al. 2012. Analysis of cloud-resolving simulations of a tropical mesoscale convective system observed during TWP-ICE: Vertical fluxes and draft properties in convective and stratiform regions. J. Geophys. Res., 117(D19): D19201, doi: 10.1029/2012JD017759. |
[18] | Rickenbach T, Kucera P, Gentry M, et al. 2008. The relationship between anvil clouds and convective cells: A case study in south Florida during crystal-face. Mon. Wea. Rev., 136(10): 3917-3932. |
[19] | Sheng P X, Mao J T, Li J G, et al. 2003. Atmospheric Physics (in Chinese). Beijing: Peking University Press, 310-352. |
[20] | Stohl A, Forster C, Frank A, et al. 2005. Technical note: The Lagrangian particle dispersion model FLEXPART version 6.2. Atmos. Chem. Phys., 5(9): 2461-2474. |
[21] | Varble A, Fridlind A M, Zipser E J, et al. 2011. Evaluation of cloud-resolving model intercomparison simulations using TWP-ICE observations: Precipitation and cloud structure. J. Geophys. Res., 116(D12): D12206, doi: 10.1029/2010JD015180. |
[22] | Wang W G, Liu X H, Xie S C, et al. 2009. Testing ice microphysics parameterizations in the NCAR community atmospheric model version 3 using tropical warm pool-international cloud experiment data. J. Geophys. Res., 114(D14): D14107, doi: 10.1029/2009J D14107. |
[23] | Wang W G, Liu X H. 2009. Evaluating deep updraft formulation in NCAR CAM3 with high-resolution WRF simulations during ARM TWP-ICE. Geophys. Res. Lett., 36(4): L04701, doi: 10.1029/2008GL036692. |
[24] | Wang Y, Long C N, Leung L R, et al. 2009. Evaluating regional cloud-permitting simulations of the WRF model for the Tropical Warm Pool International Cloud Experiment (TWP-ICE), Darwin, 2006. J. Geophys. Res., 114(D21): D21203, doi: 10.1029/2009JD012729. |
[25] | Wu J B, Del Genio A D, Yao M S, et al. 2009. WRF and GISS SCM simulations of convective updraft properties during TWP-ICE. J. Geophys. Res., 114(D4): D04206, doi: 10.1029/2008JD010851. |
[26] | Zhang G J, McFarlane N A. 1995. Sensitivity of climate simulations to the parameterization of cumulus convection in the Canadian Climate Center general-circulation model. Atmos.-Ocean, 33(3): 407-446. |
[27] | 陈斌, 徐祥德, 卞建春等. 2010. 夏季亚洲季风区对流层向平流层输送的源区、路径及其时间尺度的模拟研究. 大气科学, 34(3): 495-505. |
[28] | 陈斌, 徐祥德, 杨帅等. 2012. 夏季青藏高原地区近地层水汽进入平流层的特征分析. 地球物理学报, 55(2): 406-513. |
[29] | 金莲姬, 银燕, 王盘兴等. 2007. 热带深对流云砧数值模拟及云凝结核数浓度对其影响的初步试验. 大气科学, 31(5): 793-804. |
[30] | 李嘉鹏, 银燕, 金莲姬等. 2009. WRF模式对澳洲一次热带深对流系统的模拟研究. 热带气象学报, 25(3): 287-294. |
[31] | 盛裴轩, 毛节泰, 李建国等. 2003. 大气物理学. 北京: 北京大学出版社, 310-352. |