2017, Vol. 36 
2. 中亚大气科学研究中心，乌鲁木齐 830002;
3. 国家卫星气象中心乌鲁木齐卫星地面站，乌鲁木齐 830011;
4. 中国气象局武汉暴雨研究所 暴雨监测预警湖北省重点实验室，武汉 430205
2. Center for Central Asian Atmosphere Science Research, Urumqi 830002;
3. Urumqi Meteorological Satellite Ground Station, NSMC, Urumqi 830011;
4. Hubei Key Laboratory for Heavy Rain Monitoring and Warning Research, Institute of Heavy Rain, China Meteorological Administration, Wuhan 430205
云与降水天气过程的发生、发展密切相关。从本质上看，降水过程的酝酿、发展是由水汽不饱和(对应为晴空)到饱和(对应为云或雾)，再到凝结降水的云物理过程[1]，对云物理过程进行深入研究有助于进一步提高对降水过程的认识。随着卫星、雷达等非常规观测手段的发展，近些年对云的宏微观特征已有不少观测研究[2-4]。鉴于中尺度数值模式高时空分辨率的优越性，数值模拟仍是目前研究不同天气类型云微物理过程的重要方法[5-7]。
从预报变量和计算量的角度来看，目前中尺度数值模式中的云微物理方案大多为体积水方法(Bulk Microphysics Scheme)，由于不同云微物理方案各具优势和局限性，因此，采用不同云微物理方案对降水模拟和预报结果有着很大差异[8-10]。为在实际模拟和预报中选取最优的云微物理方案，国内学者进行过大量敏感性试验，试图研究不同云微物理方案对降水的影响，结果表明包含霰粒子的方案(如Rainser霰方案、WDM6方案等)主要适用于热带地区降水[11-13]，而含雹粒子的方案(如Lin方案、Goddard方案、Thomposon方案等)则主要适用于中高纬深对流云降水[14-16]。
新疆的天气变化主要受冷锋的影响，冷锋形成后一般会造成较强的雨雪天气，暴雪也就成为新疆冬季主要的天气灾害之一[17]。20世纪80年代初，许多学者利用飞机、雷达、地面微物理等综合观测手段对新疆冬季降雪进行了多次观测，结果表明70%以上的雪水量形成于2 000 m以下的低层，云中存在冰晶浓度高值区但无液态水，并推测验证凝华—聚并是雪增长的重要过程[18-20]；同时总结出天气尺度、中小尺度及微尺度的结构模型和各尺度间相互作用形成降水的机制，并通过初步的数值模拟研究进行验证[21-22]。近些年，对新疆冬季冷锋降雪的研究多侧重于气候、天气以及水汽特征等方面[23-25]，数值模拟和云微物理过程方面的研究相对较少[26]。另外，随着新疆区域数值预报模式的迅速发展[27]，也有必要探究不同云微物理方案对新疆冷锋降雪过程预报的适用性。
WRF(Weather Research and Forecasting)模式是由美国多家单位联合开发研究的新一代非静力平衡、高分辨率的中尺度数值模式，可以进行各种尺度(从天气尺度到云尺度)的天气过程的数值模拟研究，重点考虑的水平分辨率为1~10 km，目前包含十几种云微物理过程参数化方案[28-29]。本文选取2014年4月下旬一次强寒潮引起的冷锋暴雪过程进行模拟研究，以初步探究WRF中尺度模式不同云微物理过程对新疆冬季冷锋降雪预报效果的影响，从而为了解新疆冷锋降雪过程的云物理过程和WRF模式云微物理方案在新疆的本地适用性，提供一定的参考依据。
1 天气过程概况2014年4月22—24日，受西西伯利亚低槽东移南下影响，强寒潮席卷全疆，造成大范围的雨雪、大风、沙尘、强降温和霜冻天气，该过程是近6 a来同期最强寒潮过程，首府乌鲁木齐1 d之内降温26 ℃，创下4月最强24 h降温纪录，堪称“一夜返冬”。该过程也被评为“2014年新疆十大天气气候事件”之一，对新疆的农业、交通和市政设施等均造成较大影响，导致新疆多地中小学停课，南疆部分公路、铁路交通运输受阻。受寒潮冷锋影响，北疆各地、天山山区、哈密北部出现较强的雨雪天气。图 1a、b为2014年4月22日00时—24日00时(世界时，下同)观测的48 h累积降水量分布，从中可见，天山山区、伊犁河谷地区9个站点出现暴雪(≥12.1 mm，按照新疆地区标准)，其中天池22.6 mm、小渠子19.1 mm、新源19.7 mm、乌鲁木齐16.9 mm。从24 h累积降水量来看(图略)，22日00时—23日00时降水(雪)带集中在伊犁河谷、北疆和西天山地区，23日00时—24日00时降雪带移至中天山和东疆地区。
|
图 1 2014年4月22日00时—24日00时观测的48 h累积降水量(单位: mm)分布(a, b，b图为a图中红框区域)和22日00时NCEP FNL再分析资料的500 hPa高度场(蓝线，单位: dgpm)、温度场(红线，单位: ℃)及风场(箭矢，单位: m·s-1)叠加(c)，700 hPa高度场(蓝线，单位: dgpm)、温度场(红线，单位: ℃)、风场(箭矢，单位: m·s-1)及相对湿度超过80%的区域(灰色)叠加(d) Fig. 1 (a, b) Observed 48 h accumulated precipitation (unit: mm) from 00:00 UTC 22 to 00:00 UTC 24 April 2014 (The picture (b) show the red frame area of (a)), (c) geopotential height (blue line, unit: dagpm), temperature (red line, unit: ℃) and wind (arrow, unit: m·s-1) at 500 hPa, and (d) geopotential height (blue line, unit: dagpm), temperature (red line, unit: ℃) and wind (arrow, unit: m·s-1) and relative humidity (shaded, unit: %) at 700 hPa at 00:00 UTC 22 April 2014 from NCEP FNL data. |
图 1c、d为22日00时NCEP FNL再分析资料得到的500 hPa、700 hPa天气形势，从中可见，500 hPa等压面上欧亚范围为经向环流，东欧地区为高压脊，西西伯利亚为低槽，并配合一强冷中心，脊前冷空气不断南下堆积，低槽加深发展。700 hPa等压面槽脊和温度场也表现出明显的冷平流，且槽前存在大范围相对湿度超过80%的高湿区。随着欧洲脊向东南移，推动西西伯利亚低槽迅速东移南下，造成北疆大范围的雨雪过程。
2 数值试验设计 2.1 云微物理参数化方案简介降雪主要是冷云降水所致，冰相云微物理过程在其中起着至关重要的作用[30]。因此，选取WRF模式中较复杂的含冰相过程的四种方案进行对比，其中包括两种单参数方案(Lin和WSM6)和两种双参数方案(Thompson和WDM6)，四种云微物理参数化方案的主要特征如表 1所示。
|
表 1 WRF模式中四种云微物理参数化方案特征 Table 1 Characteristics of four cloud microphysics schemes used in generating WRF forecasts. |
Lin等的方案[31]：该方案微物理过程中包括对水汽、云水、雨水、云冰、雪和霰的预报，在结冰点以下，云水处理为云冰，雨水处理为雪。水物质各产生项的参数化方案主要是从Lin等[31]、Rutedge和Hobbs [32-33]的参数化方案基础上得到的。该方案是WRF模式中相对比较成熟的方案，适合于对实时资料的高分辨率模拟以及理论研究。
WSM6方案[34]：该方案扩充了WSM5方案，其参数化大多数与Lin等的方案相似，在计算增长和其它参数上有些差别。为了增加垂直廓线的精度，在下降过程中会考虑凝结/融化过程。为减少方案对模式时间步长的敏感性，过程的顺序会最优化选择，饱和度调节按照Dudhia [35]和Hong等[36]的方案分开处理冰和水的饱和过程，对计算的量级进行最优化处理，减小方案对模式时间步长的敏感性，适合于高分辨模拟。
Thompson方案[37]：一个考虑冰、雪、霰过程的新物理方案，适合于高分辨率模拟研究。从WRFv3.0版本开始增加了一定数量的雨水密度。该方案改进了早期的Raisner方案[38]，并作了广泛测试。该方案还被用来做理想试验研究和中纬度冬季观测资料的比较。
WDM6方案[39]：该方案的预报量包括云水、雨、云冰、雪、霰的混合比，云水、雨水、云凝结核的数浓度。云和云凝结核考虑的是暖云过程，其他过程与WSM6方案类似。
2.2 试验方案简介文中采用WRFv3.5.1版本，其预报区域设置为27 km、9 km、3 km三重嵌套网格(图 2)，其中9 km分辨率区域覆盖全疆。垂直方向为40层，模式层顶为50 hPa。模式以美国环境预报中心(NCEP)的GFS (Global Forecast System)数据为初始场，起始时间设置为2014年4月21日12时，预报时效为48 h。模式主要物理过程参数设置如下：Noah陆面方案，RTMM长波辐射方案和Dudia短波辐射方案，D1和D2区域采用K-F对流参数化方案，D3区域不采用对流参数化方案[8, 41]，云微物理方案则依次为Lin、WSM6、Thompson、WDM6四种方案。
|
图 2 预报区域(D1分辨率:27 km，D2分辨率:9 km，D3分辨率: 3 km；黑点表示预报区域中心乌鲁木齐气象观测站(87.85°E, 43.55°N)；彩色表示地形高度(单位:m)) Fig. 2 Nested forecast domains D1-D3 with resolution of 27/9/3 km. The black dot indicates the center Urumq meteorological station (87.85°E, 43.55°N) of the domain and the color map represents topography height in meters. |
从四种云微物理方案预报的D1区域各高度形势场来看(图略)，各方案预报结果比较一致，较为合理地刻画出此次暴雪过程的影响系统。从D3区域平均累积降水量的逐时演变特征来看(图略)，四种云微物理方案预报的强降水时段和降水总量比较接近。图 3为模拟和观测的单站点雨强对比情况，从中可见，对于乌鲁木齐站(图 3a)，四种方案对降雪的起止时间预报均有所提前，但Lin方案对强降水时段雨强峰值的预报结果与实况更为接近，其他三种方案则明显偏强。对于天池站(图 3b)，四种方案对降雪的起始时间与实况非常吻合，但对结束时间预报有所滞后。WSM6和WDM6两种方案对强降雪时段的雨强峰值预报与实况最为接近，Thompson方案预报有所偏强，Lin方案预报的雨强演变趋势与实况非常吻合，但在强降雪时段雨强偏小，后期偏大。对于小渠子站(图 3c)，Lin方案对于雨强峰值的预报与实况完全吻合，但对降水时间预报偏短；Thompson方案对降水的起止时间预报较为准确，但对雨强的预报有所偏弱；WSM6和WDM6两种方案对强降水时间预报偏短，雨强峰值也偏小。对于新源站(图 3d)，四种方案对雨强的预报结果均偏小，降雪时段与实况差异也较大，这可能由于新源处于伊犁河谷喇叭口地形深处，降水过程局地性更强造成的。
|
图 3 模拟和观测的单站点雨强对比 (a)乌鲁木齐(87.85°E, 43.55°N)，(b)天池(88.12°E, 43.88°N)，(c)小渠子(87.10°E, 43.57°N)，(d)新源(83.30°E, 43.45°N) Fig. 3 Comparison of the forecasted and observed rainfall at (a) Urumq (87.85°E, 43.55°N), (b) Tianchi (88.12°E, 43.88°N), (c) Xiaoquzi (87.10°E, 43.57°N) and (d) Xinyuan (83.30°E, 43.45°N). |
图 4为2014年4月22日18时—23日00时观测的6 h累积降水量与D3区域预报结果对比，其右上角为站点相关系数(将D3区域模式结果插值到图中所示的49个站点，与其对应降水量的观测值计算而得)。相关系数在某种程度上可体现出模式结果与观测值的偏离程度，即相关系数越大，说明模式结果与站点观测值越接近。从图 4分析可知，四种方案的预报结果与观测值均有很好的站点相关性，相关系数比较接近，均在0.70左右，其中Lin方案略高，Thompson和WSM6方案次之，WDM6方案略低。从6 h降水落区分布(阴影)也可看出，四种方案预报的降水带分布比较类似，对中天山一带的预报结果与实况较吻合，另一强降水带出现在伊犁河谷喇叭口深处，但由于该地带观测站点稀疏，无法准确验证降水中心位置。
|
图 4 2014年4月22日18时—23日00时观测的6 h累积降水量(数字)与D3区域预报结果(阴影)对比(单位: mm) (a) Lin方案，(b) WSM6方案，(c) Thompson方案，(d) WDM6方案 Fig. 4 Comparison of the observed (digit) and forecasted (shaded) 6 h rainfall (unit: mm) during 18:00 UTC 22 to 00:00 UTC 23 April 2014 when using (a) Lin scheme, (b) WSM6 scheme, (c) Thompson scheme, and (d) WDM6 scheme. |
Ts(Threat Score)是目前气象部门评定短期天气预报效果比较常用的有效方法之一，本文采用该方法检验四种云微物理方案对强降水时段的预报结果。从北疆各站点的地面自动站观测来看(图略)，从22日12时开始，2 m气温转为零下，因此强降水时段(2014年4月22日18时—23日02时)为降雪过程。根据新疆的降水特点，该6 h的降雪检验阈值依次取为：≥ 0.1 mm、≥ 3.1 mm、≥ 6.1 mm、≥ 12.1 mm，首先将模式的网格降水插值到图 4所示的49个站点，然后按照文献[35]中的方法计算各阈值的Ts评分。表 2给出2014年4月22日18时—23日02时D3区域内49个站点的6 h降水Ts评分，从中可见，四种方案对于0.1 mm以上的降水评分比较接近，均在0.60以上，即四种方案对此过程的降水落区预报水平相当。对于3.1 mm以上的降水评分，Thompson和Lin两种方案较高，可以达到0.60以上。对于6.1 mm以上的降水评分，WSM6和WDM6两种方案较高，可达到0.60以上。而对于12.1 mm以上的强降雪中心，Lin方案的Ts评分明显高于其他三种方案，达到0.67。
|
|
表 2 2014年4月22日18时—23日02时D3区域内49个站点的6 h降水Ts评分 Table 2 The threat scores of 6 h precipitation at 49 observation stations in D3 region from 18:00 UTC 22 to 02:00 UTC 23 April 2014. |
图 5为乌鲁木齐站在强降雪时段前期(22日12时)和后期(23日00时)温度和露点温度探空曲线的观测与预报结果对比，从中可见，四种云微物理方案预报的温度和露点温度垂直廓线比较一致，差别微小。对于温度(图 5a，c)，四种方案的预报结果与观测整体比较吻合，对22日12时低层(700 hPa以下)和高空(200—100 hPa之间)以及23日00时高空(300—200 hPa之间)的温度有所偏高。对于露点温度(图 5b，d)，四种方案对强降雪前期(22日12时)的预报结果与观测相差较大，对800 hPa以上的露点温度预报整体偏高，尤其在700 hPa高度附近偏差最大；这可能是由于模式预报降水时间较实况有所提前，以及预报降水量偏大引起的。而对于后期(23日00时)的露点温度预报结果相对较好，仅在300 hPa以上的高空出现较大预报偏差。
|
图 5 2014年4月22日12时(a, b)和23日00时(c, d)乌鲁木齐站温度(a, c)和露点温度(b, d)垂直廓线的观测与预报结果对比 Fig. 5 Observed and forecasted profiles of (a, c) temperature and (b, d) dew point temperature at Urumqi station at (a, b) 12:00 UTC 22 April and (c, d) 00:00 UTC 23 April 2014, respectively. |
降雪过程的发生发展必然伴随着热量的变化，图 6为强降雪区域NCEP FNL再分析和预报的潜热通量和感热通量区域平均值随时间的变化趋势，从中可见，四种方案对潜热通量和感热通量的大小预报有所差异，但对二者的变化趋势与FNL再分析资料总体比较吻合，降雪过程中热量变化不大，但在降雪过程趋于结束时(23日00时)迅速增加，在23日06时达到最大值，随后迅速降低。不同云微物理方案对于潜热通量预报的差异较感热通量更为明显，WSM6和WDM6两种方案对潜热通量的预报与FNL再分析资料更为接近，Lin方案预报明显偏大，而Thompson方案则有所偏小。
|
图 6 强降雪区域(86°—89°E, 43°—45°N) NCEP FNL再分析和预报的潜热通量(a)和感热通量(b)的区域平均值随时间的变化趋势(单位: W·m-2) Fig. 6 The evolution of NCEP FNL reanalyzed and forecasted (a) latent heat flux and (b) sensible heat flux averaged in the snowfall center (86°—89°E, 43°—45°N) (unit:W·m-2). |
图 7为不同云微物理方案预报的强降雪区域(86°—89°E, 43°—45°N)平均的水成物质量垂直积分随时间的变化，从中可见，四种云微物理方案中的粒子含量在强降雪前期均有一个陡升过程，基本在22日20—21时达到最多；随后，各粒子含量逐渐降低。虽然四种方案的粒子均以冰相粒子为主，但不同方案之间的水凝物总量和各粒子含量差异较大。Lin方案中粒子总含量最少，峰值仅约为0.6 kg·kg-1，其中霰含量最多，其次为雪和冰晶。WSM6和WDM6两种方案的含量分布比较一致，其粒子总含量峰值可达1.1 kg· kg-1，其中雪粒子最多，其次为冰晶和霰粒子。Thompson方案的粒子总含量最多，其峰值可达1.5 kg·kg-1，且绝大部分为雪粒子，其他四种粒子含量均较小。
|
图 7 同云微物理方案预报的强降雪区域(86°—89°E, 43°—45°N)平均的水成物质量垂直积分随时间的变化(单位: kg·kg-1) (a) Lin方案，(b) WSM6方案，(c) Thompson方案，(d) WDM6方案 Fig. 7 The evolution of forecasted vertical integrated water content of hydrometeor particles averaged in the domain (86°—89°E, 43°—45°N)(unit: kg·kg-1) when using (a) Lin scheme, (b) WSM6 scheme, (c) Thompson scheme, and (d) WDM6 scheme. |
进一步分析水凝物粒子含量最多时(22日20— 21时)强降雪区域中三种冰相粒子的垂直分布，图 8为20—21时四种云微物理方案预报的43°—44°N之间的冰相粒子时间平均含量的高度分布。总体来讲，雪粒子的高值中心位于700 hPa附近，冰晶粒子的高值中心较高，位于500 hPa附近，而霰粒子的高值中心较低，位于850 hPa附近。对于雪粒子(图a1, b1, c1, d1)，四种方案预报的整体分布和中心比较类似，但Lin方案预报含量最少，中心值仅达到10×10-5 kg·kg-1；而其他三种方案预报含量较多，其中心值远超过50×10-5 kg·kg-1，尤其是Thompson方案的预报含量。对于冰晶粒子(图a2, b2, c2, d2)，Thompson方案预报含量最少，其中心含量小于1×10-5 kg·kg-1；Lin方案次之，中心值可达到3×10-5 kg·kg-1；WSM6和WDM6两种方案预报结果比较类似，中心值超过9×10-5 kg·kg-1。对于霰粒子(图a3, b3, c3, d3)，Thompson方案预报中几乎没有；WSM6和WDM6两种方案预报结果仍比较类似，中心值可达到25×10-5 kg·kg-1；Lin方案预报结果整体明显多于其他三种方案的预报结果，中心值也超过25×10-5 kg·kg-1。
|
图 8 2014年4月22日20—21时四种云微物理方案预报的(43°—44°N)之间的冰相粒子时间平均含量的高度分布(单位：10-5 kg·kg-1) (a1, a2, a3) Lin方案，(b1, b2, b3) WSM6方案，(c1, c2, c3) Thompson方案，(d1, d2, d3) WDM6方案，(a1, b1, c1, d1)雪，(a2, b2, c2, d2)冰晶，(a3, b3, c3, d3)霰 Fig. 8 Vertical sections of forecasted water content of ice phase particles averaged between 43°—44°N using four microphysics schemes during 20:00—21:00 UTC 22 April 2014 (unit: 10-5 kg·kg-1) (a1, a2, a3) Lin scheme, (b1, b2, b3) WSM6 scheme, (c1, c2, c3) Thompson scheme, (d1, d2, d3) WDM6 scheme, (a1, b1, c1, d1) snow particles, (a2, b2, c2, d2) ice particles, (a3, b3, c3, d3) graupel particles |
针对2014年4月22—24日新疆一次强寒潮引起的冷锋暴雪过程，分别采用WRF模式中Lin、WSM6、Thompson和WDM6四种云微物理方案进行数值模拟，探究不同云微物理方案对其预报结果的影响。
(1) 从强降雪中心的雨强和起止时间的预报结果来看，四种方案对中天山强降雪中心的预报结果明显优于伊犁河谷地区，Lin方案对中天山强降雪中心的预报能力较强。从降水落区和站点降水相关性来看，四种方案对中天山和伊犁河谷地区的强降雪带预报较为一致，Lin方案预报结果略优于其他三种方案。从Ts评分来看，四种方案对小阈值降水的预报水平相当，Lin方案对于大阈值降雪的预报评分明显优于其他三种方案。
(2) 从温湿特征来看，四种方案对乌鲁木齐站降雪过程前后的温度和过程之后的露点温度预报效果均较好，但对过程前期800 hPa以上的露点温度预报偏高，这可能是由于模式预报的降雪时间较实况提前、预报降水量偏大引起的；四种方案对潜热通量和感热通量的量值预报有所差异，但预报的变化趋势与再分析资料较一致。
(3) 从云微物理特征来看，不同方案预报的水凝物粒子总量有所差异，但均以冰相粒子为主，且其变化趋势与雨强变化较一致。不同方案之间的冰相粒子含量差异也较大，Lin方案中霰和雪粒子含量最多，WSM6和WDM6两种方案以雪和冰粒子最多，Thompson方案中几乎全部为雪粒子。
文中不同云微物理方案对潜热通量的预报结果差异较大，这可能与不同云微物理方案预报的水凝物粒子含量有关。Lin方案预报的潜热通量最大，其霰含量较其他三种方案也最多；WSM6和WDM6两种方案预报的潜热通量和水凝物粒子含量均较一致；而Thompson方案预报的潜热通量最低，其水凝物粒子含量虽然较高，但绝大部分为雪粒子。另外，文中仅用WRF模式不同云微物理方案，针对新疆一次强冷锋暴雪过程的预报结果进行影响分析，由于不同的天气过程主要影响因素不同，且模拟的准确性除了受不同物理过程影响外，还与模拟区域的选取和大尺度天气背景场有关，因此，结论是否适用于新疆其他区域、其他季节冷锋暴雪过程，还有待进一步分析验证。
| [1] |
孙继松. 从天气动力学角度看云物理过程在降水预报中的作用[J]. 气象, 2014, 40(1): 1-6. |
| [2] |
高翠翠, 方乐锌, 李昀英, 等. 1985-2011年中国不同类型云发生频率、持续时数及伴随降水概率[J]. 暴雨灾害, 2015, 34(3): 206-214. DOI:10.3969/j.issn.1004-9045.2015.03.002 |
| [3] |
陈英英. 利用FY-3A卫星云图对一次暴雨过程的特征云参数分析[J]. 暴雨灾害, 2013, 32(1): 24-31. |
| [4] |
刘裕禄, 邱学兴, 黄勇. 发生短时强降雨的对流云合并作用分析[J]. 暴雨灾害, 2015, 34(1): 47-53. DOI:10.3969/j.issn.1004-9045.2015.01.007 |
| [5] |
郭学良, 付丹红, 胡朝霞. 云降水物理与人工影响天气研究进展(2008-2012年)[J]. 大气科学, 2013, 37(2): 351-363. |
| [6] |
陶玥, 李宏宇, 洪延超. 一次华北暴雨的云物理特征及霰雹分类对云和降水影响的数值研究[J]. 高原气象, 2013, 32(1): 166-178. |
| [7] |
陶玥, 李宏宇, 刘卫国. 南方不同类型冰冻天气的大气层结和云物理特征研究[J]. 高原气象, 2013, 32(2): 501-518. |
| [8] |
史月琴, 楼小凤. 显式云物理方案的研究进展[J]. 气象科技, 2006, 34(5): 513-520. DOI:10.3969/j.issn.1671-6345.2006.05.001 |
| [9] |
Li X W, Tao W K, Khain A P, et al. Sensitivity of a cloud-resolving model to bulk and explicit bin microphysical schemes, Part Ⅰ: comparisons[J]. J Atmos Sci, 2009, 66: 3-21. DOI:10.1175/2008JAS2646.1 |
| [10] |
尹金方, 王东海, 翟国庆. 区域中尺度模式云微物理参数化方案特征及其在中国的适用性[J]. 地球科学进展, 2014, 29(2): 238-249. |
| [11] |
花丛, 刘奇俊. 登陆台风"罗莎"中云微物理特征的数值模拟研究[J]. 热带气象学报, 2011, 27(5): 626-638. DOI:10.3969/j.issn.1004-4965.2011.05.003 |
| [12] |
花丛, 刘奇俊. 云微物理过程影响登陆台风结构及降水的数值试验[J]. 热带气象学报, 2013, 29(6): 924-934. |
| [13] |
朱格利, 林万涛, 曹艳华. 用WRF模式中不同云微物理参数化方案对华南一次暴雨过程的数值模拟和性能分析[J]. 大气科学, 2014, 38(3): 513-523. |
| [14] |
鞠永茂, 王汉杰, 钟中, 等. 一次梅雨锋暴雨云物理特征的数值模拟研究[J]. 气象学报, 2008, 66(3): 381-395. DOI:10.3321/j.issn:0577-6619.2008.03.009 |
| [15] |
黄海波, 陈春艳, 朱雯娜. WRF模式不同云微物理参数化方案及水平分辨率对降水预报效果的影响[J]. 气象科技, 2011, 39(5): 529-537. DOI:10.3969/j.issn.1671-6345.2011.05.001 |
| [16] |
马严枝, 陆昌根, 高守亭. 8.19华北暴雨模拟中微物理方案的对比试验[J]. 大气科学, 2012, 36(4): 835-850. |
| [17] |
张家宝, 等. 新疆短期天气预报指导手册[M]. 新疆人民出版社, 1986: 184-426.
|
| [18] |
王广河, 游来光. 乌鲁木齐冬季冷锋云带和锋下层积云的微物理结构及其降雪特征[J]. 气象, 1989, 15(3): 15-19. |
| [19] |
游来光, 王守荣, 王鼎丰, 等. 新疆冬季降雪微结构及其增长过程的初步研究[J]. 气象学报, 1989, 47(1): 73-81. DOI:10.3321/j.issn:0577-6619.1989.01.002 |
| [20] |
游来光, 李炎辉, 刘玉宝. 自然云中冰晶生成的核化过程及雪晶对过冷云滴的撞冻[J]. 气象学报, 1992, 50(2): 232-238. |
| [21] |
刘玉宝, 游来光, 胡志晋. 新疆准噶尔盆地冬季系统性降水研究Ⅰ:降水模型[J]. 气象科学研究院院刊, 1988, 3(1): 36-45. |
| [22] |
刘玉宝, 胡志晋, 游来光. 新疆准噶尔盆地冬季系统性降水研究Ⅱ:理论探讨[J]. 气象科学研究院院刊, 1988, 3(2): 159-168. |
| [23] |
杨莲梅, 杨涛, 贾丽红. 新疆大-暴雪气候特征及其水汽分析[J]. 冰川冻土, 2005, 27(3): 389-396. DOI:10.3969/j.issn.1000-0240.2005.03.011 |
| [24] |
刘惠云, 崔彩霞, 李如琦. 新疆北部一次持续暴雪天气过程分析[J]. 干旱区研究, 2011, 28(2): 282-286. |
| [25] |
张书萍, 祝从文. 2009年冬季新疆北部持续性暴雪的环流特征及其成因分析[J]. 大气科学, 2011, 35(5): 833-846. DOI:10.3878/j.issn.1006-9895.2011.05.04 |
| [26] |
陈涛, 崔彩 霞". 2010.1.6"新疆北部特大暴雪过程中的锋面结构及降水机制[J]. 气象, 2012, 38(8): 921-931. |
| [27] |
于晓晶, 于志翔, 辛渝, 等. 沙漠绿洲戈壁区域同化预报系统降水预报检验[J]. 暴雨灾害, 2014, 33(3): 281-289. DOI:10.3969/j.issn.1004-9045.2014.03.011 |
| [28] |
章国材. 美国WRF模式的进展和应用前景[J]. 气象, 2004, 30(12): 27-31. |
| [29] |
Skanarock W C, Coauthors. A descroption of the Advanced Research WRF version3[G].NCAR Tech, Note NCAR/TN-475+STR, 2008
|
| [30] |
杨军, 陈宝君, 银燕, 等. 云降水物理学[M]. 北京: 气象出版社, 2011: 187-207.
|
| [31] |
Lin Y L, Farley R D, Orville H D. Bulk parameterization of the snow field in a cloud model[J]. Jounal of Climate and Applied Meteorology, 1983, 22(6): 1065-1092. DOI:10.1175/1520-0450(1983)022<1065:BPOTSF>2.0.CO;2 |
| [32] |
Rutledge S A, Hobbs P. The mesoscale and microscale structure and organization of clouds and precipitation in midlatitude cyclones. Ⅷ: A model for the"seeder-feeder"process in warm-frontal rainbands[J]. Jounal of the Atmospheric Science, 1983, 40(5): 1185-1206. DOI:10.1175/1520-0469(1983)040<1185:TMAMSA>2.0.CO;2 |
| [33] |
Rutledge S A, Hobbs P. The mesoscale and microscale structure and organization of clouds and precipitation in midlatitude cyclones. Ⅻ: A diagnostic modeling study of precipitation development in narrow cold-frontal rainbands[J]. Jounal of the Atmospheric Science, 1984, 41(20): 2949-2972. DOI:10.1175/1520-0469(1984)041<2949:TMAMSA>2.0.CO;2 |
| [34] |
Hong S Y, Lim J O. The WRF single-moment 6-class microphysics scheme (WSM6)[J]. Jounal of the Korean Meteorological Society, 2006, 42(2): 129-151. |
| [35] |
Dudhia J. Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model[J]. Jounal of the Atmospheric Science, 1989, 46(20): 3077-3107. DOI:10.1175/1520-0469(1989)046<3077:NSOCOD>2.0.CO;2 |
| [36] |
Hong S Y, Juang H M H, Zhao Q. Implementation of prognostic cloud scheme for a regional spectral model[J]. Monthly Weather Review, 1998, 126(10): 2621-2639. DOI:10.1175/1520-0493(1998)126<2621:IOPCSF>2.0.CO;2 |
| [37] |
Thompson G, Field P R, Rasmussen R M, et al. Explicit forecasts of winter precipitation using an improved bulk microphysics scheme. Part Ⅱ: Implementation of a new snow parametetization[J]. Monthly Weather Review, 2008, 136(12): 5095-5115. DOI:10.1175/2008MWR2387.1 |
| [38] |
Reisner J, Rasmussen R M, Bruintjes R T. Explicit forecasting of supercooled liquid water in winter storms using the MM5 mesoscale model[J]. Quarterly Journal of the Royal Meteorological Society, 1998, 124(548): 1071-1107. DOI:10.1002/(ISSN)1477-870X |
| [39] |
Lim K 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]. Monthly Weather Review, 2010, 138: 1587-1612. DOI:10.1175/2009MWR2968.1 |
| [40] |
张大林. 各种非绝热物理过程在中尺度模式中的作用[J]. 大气科学, 1998, 22(4): 548-561. DOI:10.3878/j.issn.1006-9895.1998.04.16 |