2017, Vol. 75
中国气象学会主办。
文章信息
- 郭欣, 郭学良, 付丹红. 2017.
- GUO Xin, GUO Xueliang, FU Danhong. 2017.
- 云凝结核浓度对不同弗罗德数下形成的地形云和降水的影响
- Effects of CCN concentration on orographic clouds and precipitation formed with different Froude numbers
- 气象学报, 75(2): 314-327.
- Acta Meteorologica Sinica, 75(2): 314-327.
- http://dx.doi.org/10.11676/qxxb2017.014
-
文章历史
- 2016-08-22 收稿
- 2016-11-22 改回
2. 中国气象科学研究院, 北京, 100081;
3. 中国科学院大气物理研究所, 北京, 100029
2. Chinese Academy of Meteorological Sciences, Beijing 100081, China;
3. Institute of Atmospheric Physics, Chinese Academy of Scinces, Beijing 100029, China
云粒子的核化包括同质核化和异质核化两类。同质核化过程由于无气溶胶粒子参与，形成云滴或冰晶所需的水汽过饱和度和温度条件很苛刻，并且核化过程非常缓慢。自然界正是由于存在大量气溶胶粒子，使得云粒子核化过程所需条件明显降低，并且核化速度显著加快，因此，云凝结核 (CCN) 和冰核 (IN) 是云和降水形成的重要组成部分。
CCN主要与云滴形成密切相关，自然界中的CCN主要来自吸湿性气溶胶粒子，如盐粒子 (氯化钠)、硫酸盐、硝酸盐以及花粉、细菌等。CCN的活化特性主要决定于其化学组成和尺度，但其浓度高低对云滴数量的形成至关重要，直接影响到云宏观特性，如覆盖面积、云体大小和生命史等 (Remer, et al，2002；Jiang, et al, 2002)。
飞机观测研究表明，气溶胶浓度升高会升高CCN浓度、云滴数浓度、云体面积和高度，但减小了云滴尺度 (Pawlowska, et al, 2000; Mcfarquhar, et al, 2001)。随着气溶胶浓度的持续升高，云滴浓度升高趋势将减缓 (Ramanathan, et al，2001；Chuang，2003)。云下气溶胶的数浓度与云滴浓度成正相关 (黄梦宇等，2005)。部分卫星观测研究也在更大尺度范围上支持这一结论 (Koren, et al, 2005; Lin, et al, 2006)。但所有研究结论并不完全一致，有的甚至相反。Koren等 (2005)利用2002年6—8月的卫星观测资料分析得出，大西洋上空的较为清洁环境中的对流云覆盖面积约为30%，而在烟雾污染严重的大气中，对流云的覆盖面积会激增至60%，云滴尺度也随之减小，云顶高度增高，上升气流加强，但Xue等 (2006)认为提高气溶胶浓度会导致云滴的蒸发现象更显著，云体大小、云顶高度和云厚度都会随气溶胶浓度的升高而减小，而对云水含量的影响不太明显。
CCN对降水具有重要影响。一些研究认为，在污染区，由于大量污染气溶胶成为CCN的主要源，CCN浓度的升高会形成很多小云滴，使云滴并合形成雨滴的效率降低，从而抑制了降水的产生 (Warner, 1968; Rosenfeld, et al, 2000)，但同时如果上升气流比较强，云体深厚，这些未形成降雨的云滴会被上升气流带至更高层冻结形成冰粒子，并伴随潜热释放，促进上升气流发展 (Williams, et al, 2002; Andreae, et al, 2004)，这个过程的最终结果使降雨时间推迟和地面总降水增多。一些数值模拟结果表明，在不稳定湿大气环境下，CCN浓度升高会导致对流降水的增多，而在稳定干燥大气环境下，CCN浓度升高会导致降水量的减小 (Li, et al，2011)。但一些模拟结果显示，CCN浓度升高造成的对流增强不一定会造成降水增加 (Khain, et al, 2005; Wang, 2005; Lynn, et al, 2007; van den Heever, et al, 2007)。
对北京地区夏季的强对流降水过程模拟研究表明，污染排放对降水强度在30 mm/h以上的降水具有增强作用，而对30 mm/h以下的降水具有减弱作用 (Guo, et al, 2014)。但另一些研究显示，CCN浓度升高使平均或累计降水均出现减小现象 (戴进等，2008；岳治国等，2011；肖辉等，2011；董昊等，2012)。造成不同模拟结果的原因除与研究方法不同有关外，最主要的原因应该是研究个例及其形成环境差异造成的，CCN对降水的影响取决于CCN的物理化学特性和降水产生的环境 (Albrecht, 1989; Rosenfeld, et al, 2002; Phillips, et al, 2002; Jacobson, et al, 2006)。
气溶胶对地形云降水的影响研究受到较多的关注。这是因为地形云具有相对弱而有组织的动力学特征，对气溶胶的影响比较敏感，是研究气溶胶-云-降水相互作用的理想对象。一些地形云降水的数值模拟研究表明，地形云降水对CCN比较敏感 (Thompson, et al, 2004; Khain, et al, 2008; Muhlbauer, et al, 2008；Xue, et al, 2010)。
Jirak等 (2006)对美国科罗拉多州丹佛市及科泉市西边的两个处于迎风坡的高山站50 a的降水数据进行综合分析发现，这两个站点的降水率下降了近30%，而在没有污染的站点却没有出现这种现象，并且污染个例的降水最大范围都呈现出向山后移动的趋势，背风坡区域的降水量较污染前有所增大。Rosenfeld等 (2007)采用能见度和降水关系的统计数据分析发现，自1954年以来中国华山降水减少30%—50%。Borys等 (2000, 2003) 的研究结果表明，污染气溶胶使落基山脉地区冬季地形云降水延迟，其原因是污染气溶胶增加使小云滴数浓度升高，雪粒子凇附过程减慢，沉降速度减小，冷云降水量减少。
因此，污染气溶胶对地形冷暖云特性及降水均有较大影响，随气溶胶浓度升高而变小的云滴尺度减弱了云滴间碰并过程或雪粒子凇附过程，从而导致降水减小。但最近吸湿性气溶胶对地形降雪的数值模拟研究 (Saleeby, et al, 2013) 表明, 虽然污染气溶胶浓度升高减缓了雪粒子的凇附过程，但同时增强了通过韦格纳-贝古龙-芬德森过程的雪增长过程，两者相互抵消，对净降水的影响不大。此外，云和气溶胶的相互作用引起的潜热变化也可能会影响过山气流的动力过程，最终会对地形云的降水产生影响 (Muhlbauer et al, 2008, 2009)。也可能导致地形云降水增多，增加暴雨的可能性 (Rosenfeld, et al, 2008)。
Muhlbauer等 (2010)曾采用二维钟型地形理想数值模拟，比较研究了3种具有不同云微物理方案的数值模式在模拟气溶胶对地形云降水影响的差异，气流速度均设定为10 km以下为15 m/s，10 km以上至模式顶线性增大至40 m/s。研究结果表明，气溶胶浓度的改变对地形云降水的影响在不同个例、不同模式之间均有较大的差异，气溶胶对地形云降水的影响的变化范围为-19%—0%。
最近，Xiao等 (2014, 2015, 2016) 利用具有复杂云粒子分档微物理方案的WRF (Weather Research and Forecasting) 模式，采用了理想钟形地形和初始场，气流速度在10 km以下设定为15 m/s，10 km以上风速随高度按1.84 m/(s·km) 线性增大。结果表明，CCN浓度对暖云总降水可以减小23.4%。但污染气溶胶增加对地形冷暖混合云降水可增加10%。
Fan等 (2014)利用具有复杂微物理过程的WRF模式模拟研究了美国加利福尼亚冬季和春节的两次降水过程，结果表明，无沙尘情况下，当地污染可减小降水5%—8%，而且污染对云微物理和降水的影响强烈依赖于气象条件，包括云动力和急流强度。
综上所述，有关气溶胶对地形云和降水的影响问题仍然具有很多不确定性，由于影响地形云降水的因子很多，如地形、气流、气溶胶、辐射等，这些因子的相互作用过程很复杂，造成一些观测到的地形云降水的变化很难简单解释，而大部分数值模拟研究是基于个例研究，但个例之间往往存在很大差异，造成模拟结果也不完全一致，甚至相反。从以前的研究可以看到，大部分研究采用了固定的气流速度，为揭示不同气流速度下气溶胶对地形云降水的影响，本研究基于WRF中尺度数值模式，引入了表示大气层流速度、层结稳定度和地形特征关系的湿弗罗德数 (Fw)，设置了多组敏感性试验，以揭示CCN浓度的变化对不同Fw下形成的地形云降水的影响。为了减小其他因素的影响，采用了理想钟形地形，并在模式中不考虑辐射、摩擦等过程的影响。
2 模式与方案介绍所用模式为完全可压缩非静力WRF模式 (Skamarock, et al, 2005)。数值敏感性试验为二维模拟试验，采用无嵌套网格。模式的水平及垂直格点数分别为602、80，水平、垂直格距均为2 km。为减小地形波传播对计算稳定性的影响，设置模式顶高为30 km，吸收层为15 km，模拟区域为1200 km。模式积分20 h，对所有试验可完全达到稳定状态，时间积分步长为12 s。
模拟试验的微物理方案采用WDM6方案 (Hong, et al, 2010)，该方案对冷云微物理过程采用了单参数化方案，而对暖云过程采用了双参数方案，并增加了CCN活化过程。CCN活化过程采用Twomey (1959)和Khairoutdinov等 (2000)有关气溶胶核化过程的表达式。侧边界条件采用Davies型松弛方案 (Davies, et al, 1977)，上边界条件采用瑞利吸收层方案 (Durran, et al, 1983)，下边界则为刚性边界条件；湍流过程采取Mellor-Yamada方案 (Mellor, et al, 1982)。为了减小其他因素的影响，在模式中不考虑辐射、摩擦等过程。
数值模拟试验初始场采用2009年5月1日08时 (北京时，下同) 的北京地区探空资料。该探空显示大气层结为上干下湿，但整层大气比较干燥，750—550 hPa有明显的干层存在。低层有弱的西南风，高层主要以强的偏南西风为主。抬升凝结高度在922.95 hPa，大气低层和高层均处于稳定状态，中层有弱不稳定层存在，对流有效位能 (CAPE) 仅为76.32 J/kg，对流抑制能量 (CIN) 为-80 J/kg，因此为弱条件性不稳定层结大气。模式地形设置和大气湿稳定度参数计算参见文献 (郭欣等，2013)。数值模拟试验选择二维钟形地形，考虑到北京最高山脉的高度，设H=2 km，山脉半宽a=10 km。
在气流过山理论中，Fw是一个决定过山气流性质的决定性因子，反映了气流过山的能力。当Fw小于1时，称为次临界流，地形重力波速度大于水平气流速度。当Fw=1时，称为临界流，为急流和缓流的临界状态。当Fw大于1时，水平气流速度会大于地形重力波传播速度，此时气流可过山并向下游方向传播。气流过山能力与水平风速成正比，与层结稳定度和山脉高度成反比。当Fw数很小时，气流不会过山而是绕山而行；当Fw数很大时，气流会过山而行。一般情况下，当Fw大于0.5时，气流就已有过山能力 (Smolarkiewicz, et al, 1989)。
为了对比分析不同CCN浓度对不同层流速度的地形云和降水的影响，设计了8组数值模拟试验，CCN浓度设定NCCN=100 cm-3的清洁情况和NCCN=1000 cm-3的污染情况。设定Fw=0.74 (U=10 m/s) 代表较低湿弗罗德数, Fw=1.07(U=14.3 m/s) 代表中等湿弗罗德数，Fw=1.5和1.87 (U=20 m/s和25 m/s) 代表高湿弗罗德数。当Fw数很小时，CCN浓度的升高对云中水凝物含量影响较小。由于此过程无降水产生，本文不再深入讨论。风场为均匀层流，不考虑风切变的影响。
3 结果分析 3.1 CCN浓度对地形云中水凝物含量的总体影响图 1为不同CCN浓度和不同Fw下，地形云中各种水凝物粒子含量的最大值随时间的演变。当Fw=0.74时，比较NCCN=100 cm-3的清洁情况 (图 1a) 和NCCN=1000 cm-3的污染情况 (图 1b)。可以看到，CCN浓度升高时，在云发展的初期云水含量增大，而雨水含量减小，但10 h后，雪粒子含量略有减小，霰粒子含量增大，而雨水含量也呈增大现象，但冰晶含量变化不明显。出现这个现象的原因为：CCN浓度的升高，导致大量小云滴粒子的出现，使得云水含量增大，在水汽供应条件不变的情况下 (层流速度不变)，每个云粒子尺度均比较小，导致云-雨转化过程减弱，所以雨水含量减小。在云发展的后期，大量云滴粒子被上升气流带至高层形成过冷云水，雪粒子收集碰撞这些过冷云滴形成霰粒子，导致霰粒子含量的升高，而霰粒子经过融化层融化后，导致低层雨水含量的增大。因此，Fw较小时，CCN浓度的升高使混合云中的暖云过程减弱，而冷云过程得到一定增强，表现在降水形成中，由暖云过程造成的降水减少，而由冷云过程造成的降水增多，从而导致降水产生的过程不同，时空分布上也出现差异。
|
| (a、b.Fw＝0.74，c、d.Fw＝1.07, e、f.Fw=1.5, g、h.Fw＝1.87；a、c、e、g.NCCN=100 cm-3，b、d、f、g. NCCN=1000 cm-3；Mqc、Mqr、Mqi、Mqs、Mqg分别表示最大云水、雨水、冰晶、雪和霰的含量) 图 1 地形云中云粒子最大含量 (g/kg) 随时间的变化 Figure 1 Temporal evolutions of maximum content of cloud particles in topographic clouds with Fw number of (a, b) 0.74, (c, d) 1.07, (e, f) 1.5, (g, h) 1.87. The symbols of Mqc, Mqr, Mqi, Mqs and Mqg stand for maximum contents of cloud water, rain water, cloud ice, snow and graupel, respectively. Fig. 1a, c, e and g are for NCCN=100 cm-3, and Fig. 1b, d, f and g are for NCCN=1000 cm-3 |
当Fw=1.07时 (图 1c、d)，与上述过程相似，但影响程度会显著增强。CCN浓度升高使云水含量的升高更加明显，而雨水含量的减少也更加明显，冰相过程更强，但峰值出现延后现象。
当Fw=1.5时 (图 1e、f)，由于地形强迫抬升作用增强，对流发展更加旺盛，冷云过程发展提前。CCN浓度升高时 (图 1f)，雨水含量出现显著减小，不同的是冰相过程在后期并没有得到加强，这一点与Fw比较小的情况不同。其原因主要是高Fw数情况下，气流爬坡过山能力显著增强，CCN浓度升高形成大量云滴粒子，使雨滴形成效率降低，这些不能形成雨滴的大量云滴粒子被强过山气流带到下游背风坡区，由于背风坡焚风效应显著，该区域气流处于高温干燥状态，使云滴和雨滴快速蒸发，而CCN浓度升高也进一步增强了下坡气流的干绝热加热过程，导致焚风效应更为显著，导致云雨滴蒸发明显，地面有效降水显著减小。当Fw=1.87时 (图 1g、h)，CCN浓度升高对暖雨过程的抑制作用更加明显。当Fw远大于1时，水平气流速度增大，CCN向云滴的转化能力显著增强，大量云滴的形成抑制了暖雨过程，同时，大量水汽凝结为云滴，使空气更加干燥，加剧了焚风效应。
由以上分析可见，CCN浓度高低对地形云的影响比较复杂，在较低或中等Fw情况下，CCN浓度的升高会抑制暖雨过程，但会增强冷雨过程。在高Fw情况下，由于CCN转化为云滴的能力显著增强，大量未来得及转化的云滴被强气流带到焚风效应显著的背风坡区，快速蒸发。所以，高Fw情况下CCN浓度升高，降雨减小非常明显。同时CCN浓度升高也会加强焚风效应和干绝热加热，使云雨滴蒸发加强，更不利于降水形成。
3.2 较低或中等Fw数下CCN浓度对地形云和降水的影响为进一步揭示CCN浓度对地形云的影响，这里讨论CCN浓度的改变对地形云结构、演变及降水形成的影响。
图 2显示，当Fw=0.74时，此时气流速度U=10 m/s，此情况下地形云主要由3部分组成，一部分是地形直接抬升形成的浅对流云，主要分布在迎风坡和山顶，另一部分是重力波在背风坡侧后方形成的弱带状云，第3部分是气流在迎风坡激发的重力波向上游传播引起的波状云。此外，山后形成的干热下坡气流抬升其上部的环境空气可形成的弱对流云。但在地形云发展初期出现降水主要发生在迎风坡及山顶区域。比较清洁 (NCCN=100 cm-3，图 2a、c、e、g) 和污染 (NCCN=1000 cm-3，图 2b、d、f、h) 两种情况下的云中总水凝物含量分布时间演变可以看到，CCN浓度升高后，在云发展初期，总水凝物含量大于清洁云，但总体呈减小趋势，主要仍然分布在0℃层以下，以暖云过程为主。这是因为CCN浓度的升高，形成大量的小云滴，使得云中云滴粒子向雨滴粒子的转化率降低，导致云中总水凝物含量减小。因此，CCN浓度的升高会减小地形暖云降水效率，抑制降水的形成。此外，CCN浓度的升高，在云发展的后期使得由重力波产生的波状云比清洁背景时出现时间提前，有利于冷云过程的发展，在第10小时的迎风坡方向出现了较为典型的波列云系，而在同时期的清洁背景下的地形云主要还是以浅对流云为主，这与上节云粒子最大含水量的时间演变情况一致 (图 1a、b)。在第15小时的时候，山顶附近出现更为强的对流云 (图 2f)，霰粒子形成增加，这是后期冷云降水增加的原因。
|
| 图 2 Fw=0.74、U=10 m/s时地形云总水凝物含量 (色阶) 空间分布随时间的演变 (a、b.5 h，c、d.10 h，e、f.15 h，g、h.20 h；a、c、e、g.NCCN=100 cm-3，b、d、f、h.NCCN=1000 cm-3；紫红色水平线表示环境温度 (虚线表示负温，实线表示正温，单位℃)，蓝绿色水平线表示扰动位温 (虚线表示负扰动温度，实线表示正扰动温度，单位：K)) Figure 2 Temporal evolutions of spatial distributions of total cloud hydrometeor contents (shaded) when Fw=0.74 and U = 10 m/s at (a) 5 h, (b) 10 h, (c) 15 h, (d) 20 h. Figs. 2a, c, e, g are for NCCN=100 cm-3, and Figs. 2b, d, f, h are for NCCN=1000 cm-3. The magenta horizontal lines are environmental temperature (dashed lines are for negative values, and solid lines are for positive values, unit: ℃). The cyan lines show perturbation potential temperature (dashed lines are for negative and solid ones are for positive, unit: K) |
图 3为Fw=0.74时，在NCCN=100 cm-3(图 3a、c、e、g) 和NCCN=1000 cm-3(图 3b、d、f、h) 两种情景下地面累计总降水量、固态总降水量及降水强度的水平分布随时间的演变。可以看到，主要降水出现在山顶靠迎风坡一侧，CCN浓度升高对降水会产生一定的影响，累计降水量在20 h的模拟时段内从120 mm减至110 mm，减小8%，减小主要发生在山顶附近，对累计降水量的峰值分布位置影响不明显，两种情况下均无固态降水产生。从降水强度来看，清洁情况下降水强度呈现的双峰现象更为明显，在污染情况下，双峰变得不明显，同时出现后延现象。降水强度双峰表示的是两次不同的降水形成过程，第1个峰值是暖云过程形成的，而第2个峰值是以霰粒子融化过程为主的冷云过程形成的。
|
| 图 3 Fw=0.74、U=10 m/s时累计总降水量、累计固态降水量和降水强度的地形分布 (a、b.5 h，c、d.10 h，e、f.15 h，g、h.20 h；a、c、e、g. NCCN=100 cm-3，b、d、f、h. NCCN=1000 cm-3；水平距离的0点表示山顶所处位置) Figure 3 Horizontal distributions of accumulated total precipitation and solid precipitation, and precipitation intensity at (a, b) 5 h, (c, d) 10 h, (e, f)15 h and (g, h) 20 h when Fw=0.74 and U=10 m/s. Figs. 3a, c, e, g are for NCCN=100 cm-3, and Figs. 3b, d, f, h are for NCCN=1000 cm-3. Zero points indicate the location of mountain crest |
当Fw=1.07时，CCN浓度的变化对地形云分布的影响与Fw=0.74时相似，CCN浓度的升高使得云水含量增多更为明显，由于云中水分向降水转化过程减弱，使地形云生命史延长。当NCCN=100 cm-3时，地形云最大水凝物混合比出现在第13小时，而在NCCN增至1000 cm-3的情况下，地形云的最大水凝物混合比出现在第17小时。水平风速增大，气流的爬坡作用和地形抬升造成的垂直对流运动都有所增强，产生的地形云及波状云更加旺盛。可以看到，当Fw增至1.07，NCCN=100 cm-3时，整个模拟过程中的最大云水含量为3.5 g/kg；当CCN浓度升高至1000 cm-3时最大云水含量增大为4 g/kg，CCN浓度的升高在此情况下使云水含量最大值增加了0.5 g/kg，可见风速对CCN活化也有一定的影响。处于准临界流情况下，地形造成的累计降水量最大，此时CCN浓度的升高对累计降水量的影响仍然为减小，但减小幅度略有降低，低CCN浓度下的20 h总累计降水量为220 mm，高CCN浓度时，其总累计降水量减少至205 mm，约减小7%。此外，云发展后期由冰相过程形成的降水峰值出现时间后延现象。
Fw=1.07时对应的水平气流速度为15 m/s，CCN浓度升高对降水的减小情况与其他研究结果 (Muhlbauer，et al, 2010; Fan, et al, 2014) 比较一致。与Xiao等 (2014)结果相比，降水减小较少，这主要是由于两者假定的污染气溶胶浓度不同造成的，文中设定的污染CCN浓度为1000 cm-3，而Xiao等设定为1500 cm-3。
3.3 高Fw数下CCN浓度对地形云和降水的影响由图 4可以看到，水平气流速度明显增大，使得气流的过山能力进一步增强，背风坡焚风效应很显著。与低Fw数相比，高Fw情况下山顶后上方由重力波形成的波状云明显增多，并向下游传播，过山下坡气流在60—70 km处抬升形成的对流云水凝物含量在云发展初期也比较明显。清洁 (NCCN=100 cm-3，图 4a、c、e、g) 和污染 (NCCN=1000 cm-3，图 4b、d、f、h) 两种情况下云中总水凝物含量的分布形态变化差别不明显。CCN浓度升高后，山顶附近云水含量增大，雨水含量减小，因过山气流抬升形成的山后对流云的冰相水凝物含量略有减小，但云体变大，产生了弱降水。山顶侧后方重力波产生的云带略有加强，这是由于CCN浓度升高，进一步加强了焚风效应，气流干绝热加热导致抬升增强造成的，但该云带并没有产生有效降水。与较小Fw情况下相比，流场和温度场的最明显区别是过山气流形成的强下坡气流及其引起的焚风效应。CCN浓度升高对焚风效应有一定的加强作用，这是因为大量云滴粒子的形成消耗了大量水汽，使气流更加干燥，过山后干绝热加热效应更加明显，由于加热效应使背风坡上升气流增强，相应的水平气流减弱，导致因下坡出流抬升形成的对流云水凝物含量减小 (图 4a、b)，但云体体积变大，有利于弱降水产生。
图 5为Fw=1.5，CCN浓度分别为100 cm-3(图 5a、c、e、g) 和1000 cm-3(图 5b、d、f、h) 两种情景下地面累计总降水量、固态总降水量及降水强度的水平分布随时间的演变情况。可以看到，当Fw数增至1.5时，CCN浓度的升高使总降水量减小非常显著。在20 h的模拟时段内，由清洁情况下的240 mm减至污染情况下的120 mm，总累计降水减小50%，降水的减小主要产生在背风坡靠山顶附近。而且污染情况下累计降水量的峰值位置出现向下游移动的情况，约向下游移动5—10 km。两种情况下均无固态降水产生。
因此，高Fw情况下，CCN浓度的升高对地形云降水的影响更为显著，不但降水量减小高达50%，而且降水出现的位置也发生向下游移动。造成高Fw数情况下CCN浓度升高导致累计降水量显著减小的原因主要有两方面，一是高CCN浓度形成大量小云滴粒子，使雨滴粒子形成的碰并过程显著减弱，导致暖云降水更小。另外，在低Fw情况下后期出现的较强冷云降水过程，在高Fw情况下表现很弱，这是因为气流过山能力增强后，大量未来得及形成降水的云滴粒子被带到山后，山后下坡气流干绝热加热作用形成的焚风效应，使过山下坡气流的温度升高，加强了云滴和雨滴蒸发作用，使地面有效降雨更少。CCN浓度的升高在一定程度上也加强了焚风效应。
当Fw增至1.87时，气流过山能力进一步增强，CCN浓度的变化对地形云水凝物的影响与Fw=1.5时相似。但CCN浓度的升高对降水的抑制作用更为显著，当NCCN=100 cm-3时，20 h累计降水量为160 mm，而当CCN浓度升高至1000 cm-3时，20 h的累计降水量骤减至5.5 mm左右，减小幅度达到96%，在所有模拟个例中，累计降水量下降的幅度最大。这是由于大风速会将更多的CCN带入云中，CCN活化效率显著提高，大量非降水粒子的形成使得地形云降水效率显著下降。同时，大的水平过山气流将未来得及形成降水的大量云滴带到背风坡区，由于背风坡焚风效应显著，导致大量云滴和雨滴快速蒸发，很难形成有效地面降水。此外，CCN浓度升高也加强了焚风效应，使干绝热加热过程更加显著，低层雨滴蒸发增强，导致地面有效降水显著减小。当Fw=1.87时，CCN浓度的升高对流场的影响与Fw=1.5时的情况相似。当NCCN=1000 cm-3时，第20小时的水平流场中气流的最大速度为50 m/s，与NCCN=100 cm-3时流场速度相比，减小了5 m/s左右。
4 结论与讨论基于WRF模式WDM6微物理方案对钟形地形产生的地形云和降水过程进行了模拟，引入了表征大气层流速度、层结稳定度和地形关系的湿弗罗德 (Fw) 数，研究了不同Fw数情况下，CCN浓度的升高对地形云和降水的影响。总体来说，随Fw数的增大，CCN浓度的升高对云微物理量的影响程度提高。当Fw很小时 (Fw«1)，CCN浓度的变化对地形云微物理量的影响很小；随着Fw的增大，CCN浓度的影响程度呈增强趋势。当Fw≤1，接近临界流时，CCN浓度由100 cm-3升至1000 cm-3时，云滴含水量增大，雨水含量减小，在地形云发展后期，云中霰粒子含量有所增大。由于大量CCN导致云滴数浓度升高，使云中非降水粒子向降水粒子的转化效率显著降低，这个过程抑制了暖雨过程的发展，但在云发展的后期，云滴被上升气流带到高层后，与雪粒子发生碰并过程，形成霰粒子，导致冷雨过程有所增强。总体而言，CCN浓度对降水的影响较小，20 h累计降水量减少10—15 mm，约减小7%—8%。此结果与其他研究者的结果 (Muhlbauer，et al, 2010; Fan, et al, 2014) 比较一致。但与Xiao等 (2014)结果相比降水减小较少，这主要是由于两者假定的污染气溶胶浓度不同造成的，文中设定的污染气溶胶浓度为1000 cm-3，而Xiao等设定污染气溶胶浓度为1500 cm-3。
但当Fw＞1时，气流的过山能力显著提高，地形云主要分布在山顶和下游区域。CCN浓度的升高会显著增加云水含量和减小雨水含量，但同时由于高Fw数情况下，CCN浓度升高使地形焚风效应更加明显，干绝热加热作用使雨滴蒸发过程进一步加强，导致雨水含量减小更为明显。20 h累计降水量可减小50%以上，最大可达到96%，导致地形云几乎不产生降水。因此，高Fw数下地形降水的显著减小不仅仅是由于CCN浓度升高，导致云滴碰并效率降低造成的，而是由于没有形成雨滴的大量小云滴粒子被强过山气流带到背风坡区，强背风坡焚风效应，使云滴快速蒸发，很难再形成雨滴。同时，CCN浓度升高也加剧了地形焚风效应和干绝热加热效应，使低层雨滴蒸发过程明显加强，地面有效降水显著减小。前期的部分数值模拟研究一般采用固定的气流速度，可以解释污染气溶胶造成地形降水减小10%—25%的情况。从文中结果看，较小的过山气流 (水平气流小于15 m/s) 可以造成30%以下的降水减小，但较大的过山气流 (水平气流大于15 m/s) 可造成30%以上的降水减小，这可以解释在一些山区 (落基山脉、以色列及中国华山) 发现的城市污染下风区的地形降水减小超过30%—50%的情况。说明污染可以造成一定的地形云降水减小，但与背风坡焚风效应的叠加可以显著减小地形云降水，气溶胶对降水的影响与气象条件密切相关。
本研究采用了WRF模式中的WDM6云微物理方案，该方案中关于CCN活化过程的处理采用的是体积参数化方案，并没有考虑某一尺度段气溶胶的核化情况；文中模拟研究的是弱不稳定条件下的地形云降水情况，降水主要以暖云降水为主，CCN起重要作用，由此，所得结论是否适合强不稳定湿大气条件下的地形云降水情况，特别是冰核的改变对以冷云降水为主的地形云降水的影响问题，有待进一步研究。
| 戴进, 余兴, RosenfeldD, 等. 2008. 秦岭地区气溶胶对地形云降水的抑制作用. 大气科学, 32(6): 1319–1332. Dai J, Yu X, Rosenfeld D, et al. 2008. The suppression of aerosols to the orographic precipitation in the Qinling Mountains. Chinese J Atmos Sci, 32(6): 1319–1332. (in Chinese) |
| 董昊, 徐海明, 罗亚丽. 2012. 云凝结核浓度对WRF模式模拟飑线降水的影响:不同云微物理参数化方案的对比研究. 大气科学, 36(1): 145–169. Dong H, Xu H M, Luo Y L. 2012. Effects of cloud condensation nuclei concentration on precipitation in convection permitting simulations of a squall line using WRF model: Sensitivity to cloud microphysical schemes. Chinese J Atmos Sci, 36(1): 145–169. (in Chinese) |
| 郭欣, 郭学良, 付丹红, 等. 2013. 钟形地形动力抬升和重力波传播与地形云和降水形成关系研究. 大气科学, 37(4): 786–800. Guo X, Guo X L, Fu D H, et al. 2013. Relationship between bell-shaped terrain dynamic forcing, mountain wave propagation, and orographic clouds and precipitation. Chinese J Atmos Sci, 37(4): 786–800. DOI:10.3878/j.issn.1006-9895.2012.12114 (in Chinese) |
| 黄梦宇, 赵春生, 周广强, 等. 2005. 华北地区层状云微物理特性及气溶胶对云的影响. 南京气象学院学报, 28(3): 360–368. Huang M Y, Zhao C S, Zhou G Q, et al. 2005. Stratus cloud microphysical characters over North China region and the Relationship between aerosols and clouds. J Nanjing Inst Meteor, 28(3): 360–368. (in Chinese) |
| 肖辉, 银燕. 2011. 污染气溶胶对山西一次降水过程影响的数值模拟. 大气科学, 35(2): 235–246. Xiao H, Yin Y. 2011. A numerical study of polluted aerosol effects on precipitation in Shanxi Province. Chinese J Atmos Sci, 35(2): 235–246. (in Chinese) |
| 岳治国, 刘晓东, 梁谷. 2011. 气溶胶对北京地区不同类型云降水影响的数值模拟. 高原气象, 30(5): 1356–1367. Yue Z G, Liu X D, Liang G. 2011. Numerical simulation of influence of aerosols on different cloud precipitation types in Beijing area. Plateau Meteor, 30(5): 1356–1367. (in Chinese) |
| Albrecht B A. 1989. Aerosols, cloud microphysics, and fractional cloudiness. Science, 245(4923): 1227–1230. DOI:10.1126/science.245.4923.1227 |
| Andreae M O, Rosenfeld D, Artaxo P, et al. 2004. Smoking rain clouds over the Amazon. Science, 303(5662): 1337–1342. DOI:10.1126/science.1092779 |
| Borys R D, Lowenthal D H, Mitchell D L. 2000. The relationships among cloud microphysics, chemistry, and precipitation rate in cold mountain clouds. Atmos Environ, 34(16): 2593–2602. DOI:10.1016/S1352-2310(99)00492-6 |
| Borys R D, Lowenthal D H, Cohn S A, et al. 2003. Mountaintop and radar measurements of anthropogenic aerosol effects on snow growth and snowfall rate. Geophys Res Lett, 30(10): 1538. |
| Chuang P Y. 2003. Measurement of the timescale of hygroscopic growth for atmospheric aerosols. J Geophys Res, 108(D9): 4282. |
| Davies H C, Turner R E. 1977. Updating prediction models by dynamical relaxation: An examination of the technique. Quart J Roy Meteor Soc, 103(436): 225–245. DOI:10.1002/(ISSN)1477-870X |
| Durran D R, Klemp J B. 1983. A compressible model for the simulation of moist mountain waves. Mon Wea Rev, 111(12): 2341–2361. DOI:10.1175/1520-0493(1983)111<2341:ACMFTS>2.0.CO;2 |
| Fan J, Leung L R, DeMott P J, et al. 2014. Aerosol impacts on California winter clouds and precipitation during CalWater 2011: Local pollution versus long-range transported dust. Atmos Chem Phys, 14(1): 81–101. DOI:10.5194/acp-14-81-2014 |
| Guo X L, Fu D H, Guo X, et al. 2014. A case study of aerosol impacts on summer convective clouds and precipitation over northern China. Atmos Res, 142: 142–157. DOI:10.1016/j.atmosres.2013.10.006 |
| Hong S Y, Lim K S S, Lee Y H, et al. 2010. Evaluation of the WRF double-moment 6-class microphysics scheme for precipitating convection. Adv Meteor, 2010: 707253. |
| Jacobson M Z, Kaufman Y J. 2006. Wind reduction by aerosol particles. Geophys Res Lett, 33(24): L24814. DOI:10.1029/2006GL027838 |
| Jiang H L, Feingold G, Cotton W R. 2002. Simulations of aerosol-cloud-dynamical feedbacks resulting from entrainment of aerosol into the marine boundary layer during the Atlantic Stratocumulus Transition Experiment. J Geophys Res, 107(D24): AAC 20-1–11. |
| Jirak I L, Cotton W R. 2006. Effect of air pollution on precipitation along the front range of the Rocky Mountains. J Appl Meteor Climatol, 45(1): 136–245. |
| Khain A, Rosenfeld D, Pokrovsky A. 2005. Aerosol impact on the dynamics and microphysics of deep convective clouds. Quart J Roy Meteor Soc, 131(611): 2639–2663. DOI:10.1256/qj.04.62 |
| Khain A P, BenMoshe N, Pokrovsky A. 2008. Factors determining the impact of aerosols on surface precipitation from clouds: An attempt at classification. J Atmos Sci, 65(6): 1721–1748. DOI:10.1175/2007JAS2515.1 |
| Khairoutdinov M, Kogan Y. 2000. A new cloud physics parameterization in a large-eddy simulation model of marine stratocumulus. Mon Wea Rev, 128(1): 229–243. DOI:10.1175/1520-0493(2000)128<0229:ANCPPI>2.0.CO;2 |
| Koren I, Kaufman Y J, Rosenfeld D, et al. 2005. Aerosol invigoration and restructuring of Atlantic convective clouds. Geophys Res Lett, 32(14): L14828. |
| Li Z Q, Niu F, Fan J W, et al. 2011. Long-term impacts of aerosols on the vertical development of clouds and precipitation. Nat Geosci, 4(12): 888–894. DOI:10.1038/ngeo1313 |
| Lin J C, Matsui T, Pielke Sr R A, et al. 2006. Effects of biomass-burning-derived aerosols on precipitation and clouds in the Amazon Basin: A satellite-based empirical study. J Geophys Res, 111(D19): D19204. DOI:10.1029/2005JD006884 |
| Lynn B, Khain A, Rosenfeld D, et al. 2007. Effects of aerosols on precipitation from orographic clouds. J Geophys Res, 112(D10): D10225. DOI:10.1029/2006JD007537 |
| McFarquhar G M, Heymsfield A J. 2001. Parameterizations of INDOEX microphysical measurements and calculations of cloud susceptibility: Applications for climate studies. J Geophys Res, 106(D22): 28675–28698. DOI:10.1029/2000JD900777 |
| Mellor G L, Yamada T. 1982. Development of a turbulence closure model for geophysical fluid problems. Rev Geophys, 20(4): 851–875. DOI:10.1029/RG020i004p00851 |
| Muhlbauer A, Lohmann U. 2008. Sensitivity studies of the role of aerosols in warm-phase orographic precipitation in different dynamical flow regimes. J Atmos Sci, 65(8): 2522–2542. DOI:10.1175/2007JAS2492.1 |
| Muhlbauer A, Lohmann U. 2009. Sensitivity studies of aerosol-cloud interactions in mixed-phase orographic precipitation. J Atmos Sci, 66(9): 2517–2583. DOI:10.1175/2009JAS3001.1 |
| Muhlbauer A, Hashino T, Xue L, et al. 2010. Intercomparison of aerosol-cloud-precipitation interactions in stratiform orographic mixed-phase clouds. Atmos Chem Phys, 10(17): 8173–8196. DOI:10.5194/acp-10-8173-2010 |
| Pawlowska H, Brenguier J L. 2000. Microphysical properties of stratocumulus clouds during ACE-2. Tellus B, 52(2): 868–887. DOI:10.1111/teb.2000.52.issue-2 |
| Phillips V T J, Choularton T W, Blyth A M, et al. 2002. The influence of aerosol concentrations on the glaciation and precipitation of a cumulus cloud. Quart J Roy Meteor Soc, 128(581): 951–971. DOI:10.1256/0035900021643601 |
| Ramanathan V, Crutzen P J, Lelieveld J, et al. 2001. Indian Ocean Experiment: An integrated analysis of the climate forcing and effects of the great Indo-Asian haze. J Geophys Res, 106(D22): 28371–28398. DOI:10.1029/2001JD900133 |
| Remer L A, Kaufman Y J, Levin Z, et al. 2002. Model assessment of the ability of MODIS to measure top-of-atmosphere direct radiative forcing from smoke aerosols. J Atmos Sci, 59(3): 657–667. DOI:10.1175/1520-0469(2002)059<0657:MAOTAO>2.0.CO;2 |
| Rosenfeld D, Woodley W L. 2000. Deep convective clouds with sustained supercooled liquid water down to-37. 5℃. Nature, 405(6785): 440–442. DOI:10.1038/35013030 |
| Rosenfeld D, Lahav R, Khain A, et al. 2002. The role of sea spray in cleansing air pollution over ocean via cloud processes. Science, 297(5587): 1667–1670. DOI:10.1126/science.1073869 |
| Rosenfeld D, Dai J, Yu X, et al. 2007. Inverse relations between amounts of air pollution and orographic precipitation. Science, 315(5817): 1396–1398. DOI:10.1126/science.1137949 |
| Rosenfeld D, Lohmann U, Raga G B, et al. 2008. Flood or drought: How do aerosols affect precipitation?. Science, 321(5894): 1309–1313. DOI:10.1126/science.1160606 |
| Saleeby S M, Cotton W R, Lowenthal D, et al. 2013. Aerosol impacts on the microphysical growth processes of orographic snowfall. J Appl Meteor Climatol, 52(4): 834–852. DOI:10.1175/JAMC-D-12-0193.1 |
| Skamarock W C, Klemp J B, Dudhia J, et al. 2005. A description of the advanced research WRF Version 2. NCAR Technical Note NCAR/TN-468+STR. Boulder, Colorado, USA: NCAR, 100pp |
| Smolarkiewicz P K, Rotunno R. 1989. Low Froude number flow past three-dimensional obstacles. Part Ⅰ: Baroclinically generated lee vortices. J Atmos Sci, 46(8): 1154–1164. |
| Thompson G, Rasmussen R M, Manning K. 2004. Explicit forecasts of winter precipitation using an improved bulk microphysics scheme. Part Ⅰ: Description and sensitivity analysis. Mon Wea Rev, 132(2): 519–542. |
| Twomey S. 1959. The nuclei of natural cloud formation Part Ⅱ: The supersaturation in natural clouds and the variation of cloud droplet concentration. Geofisica Pura Applicata, 43(1): 243–249. DOI:10.1007/BF01993560 |
| van den Heever S C, Cotton W R. 2007. Urban aerosol impacts on downwind convective storms. J Appl Meteor Climatol, 46(6): 828–850. DOI:10.1175/JAM2492.1 |
| Wang C E. 2005. A modeling study of the response of tropical deep convection to the increase of cloud condensation nuclei concentration: 1. Dynamics and microphysics. J Geophys Res, 110(D21): D21211. DOI:10.1029/2004JD005720 |
| Warner J. 1968. A reduction in rainfall associated with smoke from sugar-cane fires——An inadvertent weather modification?. J Appl Meteor, 7(2): 247–251. DOI:10.1175/1520-0450(1968)007<0247:ARIRAW>2.0.CO;2 |
| Williams E, Rosenfeld D, Madden N, et al. 2002. Contrasting convective regimes over the Amazon: Implications for cloud electrification. J Geophys Res, 107(D20): LBA 50-1–LBA 50-19. |
| Xiao H, Yin Y, Jin L J, et al. 2014. Simulation of aerosol effects on orographic clouds and precipitation using WRF model with a detailed bin microphysics scheme. Atmos Sci Lett, 15(2): 134–139. DOI:10.1002/asl2.2014.15.issue-2 |
| Xiao H, Yin Y, Jin L J, et al. 2015. Simulation of the effects of aerosol on mixed-phase orographic clouds using the WRF model with a detailed bin microphysics scheme. J Geophys Res, 120(16): 8345–8358. |
| Xiao H, Yin Y, Chen Q, et al. 2016. Impact of aerosol and freezing level on orographic clouds: A sensitivity study. Atmos Res, 176: 19–28. |
| Xue H W, Feingold G. 2006. Large-eddy simulations of trade wind cumuli: Investigation of aerosol indirect effects. J Atmos Sci, 63(6): 1605–1622. DOI:10.1175/JAS3706.1 |
| Xue L L, Teller A, Rasmussen R, et al. 2010. Effects of aerosol solubility and regeneration on warm-phase orographic clouds and precipitation simulated by a detailed bin microphysical scheme. J Atmos Sci, 67(10): 3336–3354. DOI:10.1175/2010JAS3511.1 |