2022, Vol. 41 
2. 中国气象局横断山区(低纬高原)灾害性研究中心, 昆明 650034
2. Research Center for Disastrous Weather over Hengduan Mountains & Low-Latitude Plateau, China Meteorological Administration (CMA), Kunming 650034
冰核是指使大气中的过冷水滴(水汽)冻结(凝华) 成为冰晶的一种气溶胶粒子(Yin et al., 2012)。在冷云中，冰核通过直接或间接方式影响着云的宏、微观物理特征，辐射效应以及降水过程(Bergeron，1935；酆大雄等，1994；Li and Mao, 2006；Zeng et al., 2009；Xie et al., 2013)。当大气温度在-40~0 ℃时，冰核通常是形成冰晶的必要“核心”，强降水的发生发展往往与冰核密切相关，直接影响着强降水过程中的云微物理过程(Teller et al., 2012；Khain and Pinsky, 2018)。因此，在过去的几十年中，围绕着冰核对降水的影响机制开展了大量的观测与数值模拟研究，同时也受到人工影响天气作业的重点关注(石爱丽等，2006；李磊等，2006；尹金方等，2015)。
冰核通过云微物理过程来改变云内水成物的相态，释放的潜热直接影响着云和降水的宏、微观结构(Wang et al., 2015)。在冰水共存的混合相云中，由于冰面饱和水汽压小于液面饱和水汽压，所以冰核活化形成的冰晶通过凝华增长使得云滴不断蒸发消亡(贝吉龙过程)，从而使得云滴浓度减小，抑制云滴的增长(Bergeron，1935)。但是在理想状态下(云中水汽丰富，冰核浓度较低)，冰核对于云滴的影响却截然相反，气流上升过程中首先形成云滴粒子，随着气团的不断上升温度逐渐降低至-12 ℃左右时，冰核活化形成冰晶，初始形成的冰晶通过凝华增长使一部分云滴蒸发消亡；当冰晶增长到一定尺度后沉降脱离云体，剩下的云滴通过凝结和碰并增长形成尺度较大的云滴粒子(Rosinski，1967)。然而，在水物质有限的云中，大量尺度较小的水成物粒子滞留在云中，延长了云的生命史(Morrison et al., 2005)。另外，一些研究表明，冰核对于云的宏观特征也有着明显的影响，冰核浓度的增加会导致更多的冰核活化成冰晶，释放潜热，促进云的发展，云顶升高(Li et al., 2005)。
冰核浓度的改变对于降水同样有着十分深刻的影响，但对于其影响却有着不同的结论(尹金方等，2015)。Bigg(1990)基于悉尼、夏威夷等地长达25 a的观测分析结果中提出，冰核浓度的增加会导致降水频次的减小、降水强度的增强。Harrington and Olsson(2001)模拟了在北极海冰流动期间出现的混合相多云边界层，发现减少冰核浓度会导致贝吉龙过程的强度减弱，造成更少的降水，去除边界层中的冰核后会使得降水率有明显的降低。Muhlbauer等(2009)通过数值模拟研究了冰核对于地形降水的影响，发现冰核浓度的增加导致地形云中冰相物的提早出现与山脉迎风坡上冰水含量与淞附和聚合的速率增加有关，进而导致降水率的增加以及地形降水的增强。也有一些研究认为冰核浓度的改变对于降水量的影响并不显著，例如，Teller等(2012)认为由于冰核对云和总降水的影响受到动力学特性的限制，所以冰核的存在对总降水量的影响并不明显，比对降水空间分布的影响要小得多。
华北平原是中国重要的经济区、工业区，受人为活动影响巨大，气溶胶排放组分十分复杂，是亚洲乃至全世界十分重要的人为气溶胶排放源地(Liu et al，2011)。冰核对华北地区云和降水同样有着重要的影响，刘卫国等(2016)对华北地区一次人工增雨数值试验中发现，人工冰核的增加导致了云中各类水成物含量的变化，产生了明显的增雨效果。相反，胡思乐等(2019)在研究冰核对于华北地区积云影响时发现，积云内对流中心强度随着冰核浓度的增加而增强，但随着冰核浓度的增加，云内云滴粒子和冰晶粒子都不断增长，致使云滴有效半径减小，这些粒径较小的云滴粒子不易下落形成降水。
先前关于冰核对降水的研究大多基于短时的对流性降水，此次选取的个例是一次降水持续时间较长、累积降水量较大的极端降水。本文将从不同浓度的冰核—温度活化谱入手，根据冰核与华北地区降水之间的密切联系，采用数值模拟的方法，研究冰核与华北地区强降水之间的关联，为提高模式对于华北地区强降水的模拟能力提供一定的参考。
1 个例概况 1.1 降水实况图 1是2016年7月19日00时(北京时，下同)—20日08时累计降水量空间分布。从图中可以看出，华北地区发生强降水，降水中心位于太行山东部，降水呈现出南北向带状的空间分布特征。根据降水发生的时间顺序及降水落区的空间分布，可将降水区域划分为南部、中部和北部三个子区域，三个子区域均出现了超过100 mm·h-1的极端小时降水，降水发生时间先后顺序为南部、北部和中部。南部降水主要集中于19日07时— 19日21时；随后是北部降水，集中于19日14时—20日00时；中部降水最后出现，集中于19日20时—20日05时。从表 1可以看出，最大累计降水量达到了732 mm (站点E，位于降水区域南部)，最大小时降水量达到了139.7 mm (站点B，位于降水区域北部)。从降水的空间分布与地形高度的对应关系可以看出，本次降水主要集中在地形高度在200~800 m的山地及其东侧平原地区。其中，位于山地地区的北部与南部累计降水量相对较高，而位于东侧平原的中部降水累计降水量相对较低。此次降水过程的突发性和局地性强，具有华北地区极端降水的特点(张文龙和崔晓鹏等，2012；张博等，2017)。根据相关部门的统计，此次极端降水过程造成华北地区1 476.2万人受灾，164人死亡，125人失踪，直接经济损失超过300亿元(陈碧莹和闵锦忠，2020)。
|
图 1 2016年7月19日00时—20日08时实况累计降水(填色，单位：mm)与地形高度(黑色等值线，单位：m)；蓝色、红色和紫色三个矩形框分别表示南部、中部和北部三个强降水中心。   |
|
表 1 三个强降水中心32 h最大累计降水量与小时降水率 Table 1 The maximum 32 h accumulated rainfalls and hourly rainfall rates in three rainfall sub-areas. |
图 2是利用NCEP/FNL分析数据绘制的2016年7月18日20时(降水发生前4 h)的地面可降水量场、500 hPa位势高度场、850 hPa温度场与850 hPa风场。从500 hPa位势高度场可以看出，在降水区域的西南部存在一个深厚的槽，副热带高压控制着我国东南部区域，降水区域处于有利于形成华北暴雨的东高西低形势当中。850 hPa风场和温度场显示，降水区域位于槽前的西南气流中。可降水量达到50 mm左右，表明华北地区上空水汽较为充足，利于形成强降水。
|
图 2 2016年7月18日20时大气可降水量(填色，单位：mm)，500 hPa位势高度(黑色等值线，单位：gpm)和风场(风向杆)，850 hPa温度(红色等值线，单位：℃) (黑色矩形框表示WRF嵌套模式的分区；紫色矩形框为主要降水区域) Fig. 2 Precipitable water (shaded, unit: mm), geopotential height (black contours, unit: gpm) and wind field at 500 hPa, and temperature at 850 hPa (red contours, unit: ℃) at 20∶00 BT 18 July 2016. The nested model domains for the WRF simulations are marked by black rectangles, and the major rainfall areas are framed in purple |
图 3给出了2016年7月18日20时郑州和邢台探空站探测的大气垂直结构(探空站位置如图 1所示)。郑州和邢台的对流有效位能分别为2 193.4 J·kg-1与1 675 J·kg-1，对流抑制能量分别-2.6 J·kg-1和0 J·kg-1，表明较小的抬升即可触发对流，这是本次降水主要集中在地形高度200~800 m范围的原因之一。负的抬升指数LI与较大的K指数值表明该地区存在条件不稳定。此外，大气中含水量较为丰富，大气可降水量分别为52.4 mm与49.6 mm，且抬升凝结高度较低，约为970 hPa。风垂直结构存在明显的风切变，在低层(900—1 000 hPa)为偏东或东风，中低层(900—500 hPa) 由南风顺时针旋转为偏西风，高层(500 hPa以上)为西风。较大的不稳定能量和大气可降水量以及较低的抬升凝结高度和较小的对流抑制能有利于对流的触发。深厚的中低层南风或西南风提供了丰富的水汽，有助于对流系统的维持和强降水的形成。
|
图 3 2016年7月18日20时郑州(a)和邢台(b)温度—压力对数图“( |
本次模拟采用WRF-ARW(v4.2.1)的三层嵌套设置，水平分辨率分别为12 km、4 km和1.333 km，模式空间范围如图 2中黑色实线框所示。模式从外向内三层区域的水平格点数分别为313 × 234、412 × 370和586 × 691，模拟中心为114°E，37°N。模式于2016年7月18日20时起报，于7月20日20时结束，共48 h时，输出的时间间隔为6 min。模式初始和侧边界条件使用1°×1°的6 h间隔的NCEP/FNL分析数据。模式物理过程参数化方案为Ferrier云微物理方案(Rogers et al., 2001)，Kain-Fritsch积云对流化方案(Kain and Fritsch, 1990，1993；Kain et al., 1993)，YSU边界层方案(Hong et al., 2006)，Noah陆面过程方案(Chen and Dudhia, 2001)，长波辐射方案与短波辐射方案分别为RRTM方案(Mlawer et al., 1997)与Dudhia方案(Dudhia，1989)。需要指出的是本研究中使用的云微物理方案是在进行冰核试验之前，分别对WRF模式中多种常用的云微物理参数化方案进行了对比试验，结果表明Ferrier云微物理方案的性能要优于其他方案，模拟结果最接近于观测，因此选择了Ferrier云微物理方案。
Ferrier云微物理方案是一种单一冰相物云微物理参数化方案，即包含雨水、云水、冰相物三类变量。需要特别强调的是该方案中的冰相物不是通常所说的云冰(即尺度小于300 μm)，而是将所有的冰相水凝物质统称为冰相物。根据冰相物的特征确定其属性，在不同的阶段可以属于不同的类型(云冰、雪、霰或雹)，类似的方案还有SBU-YLin (Lin and Colle and Milbrandt, 2011)、P3 (Morrison et al., 2015)等。该方案将降水通量自上而下积分，在网格框内，降水的云微物理源会产生更大的降水通量和更高的悬浮降水，这使得该云微物理方案更好地解决了温带系统中冷凝物在陡峭地形区域的平流问题。除此之外，较之之前的方案，该方案在温度小于-10 ℃时增加了混合相态的水成物。
2.2 数值试验方案为了利用更加真实的自然冰核背景浓度，本研究选取了游来光等(2002)在1995年测得的冰核-温度活化谱和毕凯等(2020)在2017—2018年测得的冰核-温度活化谱。前者代表高冰核浓度，记为HIN；后者表示低冰核浓度，记为LIN。图 4给出了两种冰核-温度活化谱在不同温度下的冰核浓度的大小，HIN要比LIN高出大约一个量级。需要强调的是，与其它理想试验冰核浓度成指数增长的设置不同(何观芳等，2001；王宏等，2004；何晖等，2013；高茜等，2011；胡志晋等，2001；楼小凤等，2016)，本研究中使用的冰核温度谱均来自于实际观测，一定程度上可以反映出自然界中冰核的变化。
|
图 4 高、低冰核浓度背景条件下冰核-温度谱。HIN和LIN分别代表游来光等(2002)和毕凯等(2020)的观测。 Fig. 4 Ice nuclei-temperature spectra under high and low ice concentration conditions. HIN and LIN denote the observations from You et al (2002) and Bi et al (2020) |
图 5显示的是HIN与LIN试验的累计降水空间分布。模拟降水大致符合观测的基本特征，沿太行山呈南北向带状分布，降水主要集中在200~800 m的山地区域，其中南部、北部和中部有三个强降水中心。以前研究表明此次降水过程与其他华北地区暴雨类似，地形在降水过程中起着十分重要的作用(Xia et al., 2019；孙继松等，2012)，低空急流携带的暖湿气流在穿越山脉时由于地形的抬升作用而开始凝结。从此次模拟结果来看(见表 3)，HIN与LIN试验北部最大累计降水量分别为582 mm与647 mm，接近观测最大累计降水692 mm；南部最大累计降水分别为591 mm与534 mm，较观测最大累计降水732 mm明显偏低；而中部最大累计降水分别为540 mm与564 mm，略强于观测的503 mm。总体来看，HIN和LIN的模拟均较接近观测，说明利用接近于实际的冰核浓度能够更好地再现强降水过程，但冰核浓度差异会产生局部降水强度偏差。就整个强降水区域来说，HIN与LIN试验区域平均降水分别为236 mm与235 mm，略弱于观测的254 mm，表明冰核浓度的变化对区域平均降水的影响微小。总之，华北地区冰核浓度变化对强降水过程整体落区和区域平均降水强度的影响不明显，但对局地降水有着一定的影响，这可能是由于该地区的背景冰核浓度较高，拥有足够的冰核进行活化。
|
图 5 同图 1，但为高冰核浓度HIN (a)和低冰核浓度LIN (b)的模拟结果。 |
|
|
表 3 两组试验中雨及以上量级降水TS评分 Table 3 TS scores for moderate rain and above |
基于图 5区域(112.0°—116.0°E，34.5°—39.5°N)内2 932个站点观测降水计算的中雨及以上量级降水的TS评分(表 4)，降水按照10~24.9 mm、25~49.9 mm、50~99.9 mm、100~249.9 mm以及大于等于250 mm的量级分为5档，而出现对应量级的降水站数分别为46、302、1 167、975和309个。可以发现，HIN和LIN两组试验对本次强降水均有较好的再现能力，尤其是对暴雨(大于50 mm)及以上量级的降水，TS评分在0.3左右，并且LIN试验对此次极端降水过程的模拟能力略优于HIN。
|
|
表 4 两组试验主要降水区域及三个强降水中心的平均水成物含量 Table 4 Average hydrometeors content in the whole major rainfall area and the three rainfall sub-areas in the two groups of experiments |
图 6分别给出了南部、北部和中部主要降水时段的观测和模拟累计降水的空间分布。观测降水表明(图 6a—c)，降水先后发生在降水区域的南部、北部与中部，其中南部降水(图 6a)开始于19日清晨，降水持续时间最长，且累计降水量最大，随后发生的北部(图 6b)和中部(图 6c)的降水持续时间较短，累计降水量相对较低。南部与北部降水的形成均受到明显的山脉地形抬升影响，故降水高值区集中在地形高度200~800 m的山地区域，而由于温带气旋引起的中部降水集中在地形高度200 m左右的太行山东侧平原地区，受太行山脉地形影响较弱。
|
图 6 观测降水在19日07—21时(a)、19日14—20日00时(b)和19日20—20日05时(c)三个阶段的空间分布；HIN和LIN模拟降水在19日08—22时(d，g)、19日15—20日01时(e，h)和19日21—20日06时(f，i)三个时段的空间分布。 Fig. 6 Spatial distribution of accumulated rainfall (shaded, unit: mm) and terrain height (contours, unit: m) of (a—c) observation data, (d—f) HIN and (g—i) LIN simulations within different periods: (a) 07∶00—21∶00 BT 19 July, (b) 14∶00 BT 19—00∶00 BT 20 July, (c) 20∶00 BT 19—05∶00 BT 20 July, (d, g) 08∶00—22∶00 BT 19 July, (e, h) 15∶00 BT 19—01∶00 BT 20 July, and (f, i) 21∶00 BT 19—06∶00 BT 20 July |
从模拟结果来看，两类模拟结果的累计降水量较观测略小，降水集中区域也存在着一定的差异，但基本在滞后1 h后重现了此次降水过程(如图 6d—i)。对比两类模拟结果(表 2)，在南部、北部和中部，HIN试验区域平均降水分别为177 mm、105和73 mm，LIN试验分别为158 mm、103 mm和86 mm，在南部高于观测，在北部和中部则低于观测。对比HIN与LIN发现，在降水前期(南部、北部降水)冰核浓度的增加导致了降水的增加，尤其是最先发生降水的南部区域，而在后期(中部降水)LIN的降水量则要高于HIN。
|
|
表 2 主要降水区域及三个强降水中心观测和模拟的累计最大降水量和区域平均降水量(单位：mm) Table 2 Observed and simulated rainfalls in the whole major rainfall area and the three rainfall sub-areas |
上述分析结果表明，两类模拟结果的分段降水较观测滞后约1 h。相似地，模拟雷达回波也在滞后1 h的情况下基本再现了此次极端降水过程(图 7)。在降水初期，在地形抬升和东北风与东南风的切变二者共同作用下，降水区域南部触发对流，出现了强回波的对流中心，形成了明显的东北—西南向的带状雨带(图 7a)。在北部降水阶段中，东北风与偏东风之间明显的切变与地形抬升作用在北部触发了对流(图 7b)。在降水后期，在南部降水区域的东部存在着一个温带气旋(图 7c)，此时发生的中部降水即是由此温带气旋而引起的层状云降水。
|
图 7 观测(a—c)、HIN试验(d—f)和LIN试验(g—i)的雷达组合反射率(填色，单位：dBz)和地面相当位温(黑色等值线，单位：K)及风场(箭矢，单位：m·s-1) Fig. 7 Spatial distributions of (a—c) observations, (d—f) HIN and (g—i) LIN composite radar reflectivity (shaded, unit: dBz), and surface equivalent potential temperature (black line, unit: K) and wind vectors (barb, unit: m·s-1) |
就模拟结果而言，HIN与LIN试验在南部(图 7d、g) 表现出了一定的统一性，对流在海拔更高的地区触发，向西移动了约50 km，回波强度强于观测，但模拟结果很好地再现了东北风和东南风之间的切变。在北部，模拟降水向南偏移了约50 km(图 7e、h)。此外，HIN与LIN试验很好地模拟出了温带气旋位置，并表现出了更完整的涡旋云系(图 7f、i)。虽然模拟结果与观测之间存在着一定的差异，但HIN与LIN试验均基本再现了此次降水过程中雷达回波的时空分布。此外，HIN与LIN之间不存在显著的差异。
观测与模拟的比较表明，尽管在细节上存在一定的差异，但WRF模式较好地模拟了此次极端降水过程的整体特征。具体而言，南部降水偏西；北部降水偏南，整体模拟风速与回波强度偏大，降水偏小，但模拟结果和观测资料之间的差异有可能是模式本身的系统误差等因素所造成的。对比两类模拟结果发现，虽然改变冰核-温度活化谱对于累计降水量、降水强度与雷达回波的影响并不明显，但两类降水的空间分布却存在一定的差异，说明局地降水分布对于冰核浓度的改变有着明显响应。
3.4 云微物理特征 3.4.1 水凝物的分布两类冰核-温度活化谱下模拟的不同水成物(水汽、雨水、云水和冰相物)含量区域-时间平均随高度的变化(图 8)与区域平均随时间和高度的演变(图 9)表明，HIN与LIN试验水成物含量的区域-时间平均随高度变化特征相似(图 8a—b)，冰相物存在于4 km以上，在高度较高时冰相物含量随高度降低而升高，最大值出现在7 km左右，后随高度降低而降低。雨水和云水存在于6 km以下，雨水在4 km左右达到最大值后便不再发生太大改变，云水也在4 km左右达到最大值，并随着高度的降低，在到达地面时达到最小值。水汽含量随高度降低而升高，最终在地面达到最大值。HIN与LIN试验水成物含量差值的垂直廓线(图 8c)表明，HIN试验的雨水、云水与冰相物含量高于LIN，但随着冰核浓度的增加，水成物含量增加幅度很小，其中冰相物增量最大，约为0.05 g·kg-1，而雨水与云水的增量均小于0.005 g·kg-1。此外，HIN与LIN试验模拟的水汽含量最大差值仅为0.06 g·kg-1。表 4给出了两类模拟结果中各区域在各自降水阶段中水成物含量分布，可以看出，在整个区域中HIN试验模拟雨水与冰相物含量略高于LIN，云水含量相差不大。
|
图 8 2016年7月19日00时至20日08时主要降水区域内HIN (a)、LIN (b)和HIN与LIN之差(c)的区域-时间平均的水成物与水汽含量的垂直廓线比较(单位：g·kg-1) Fig. 8 Comparisons of the domain-time average hydrometeors and water vapor from the simulations (a) HIN, (b) LIN, and (c) the differences between HIN and LIN during the period of 00∶00 BT 19-08∶00 BT 20 July 2016 (unit: g·kg-1) |
|
图 9 2016年7月19日00时至20日08时两组试验主要降水区域(a，b)、南部(c，d)、北部(e，f)和中部(g，h)雨水(填色，单位：g·kg-1)、云水(黑色等值线，单位：g·kg-1)、冰相物(紫色等值线，单位：g·kg-1)、水汽含量(棕色等值线，单位：g·kg-1)、温度(红色虚线等值线，单位：℃)随时间-高度的变化 Fig. 9 Time-height evolution of (a, b) the whole area, (c, d) south, (e, f) north, and (g, h) middle domain-averaged rainwater (shaded, unit: g·kg-1), cloud water (black line, unit: g·kg-1), ice phase substance (purple line, unit: g·kg-1), vapor (brown line, unit: g·kg-1) and temperature (red dash line, unit: ℃) from 00∶0 BT 19 to 08∶00 BT 20 July 2016 |
根据降水区域内不同水成物含量的区域平均随时间和高度的演变(图 9a—b)发现，HIN与LIN试验模拟的水成物与水汽含量时空演变特征相似，HIN含量略高于LIN。雨水和冰相物含量随着时间逐渐增强，高值区集中于19日18时—20日00时，随后开始减弱，而云水随着时间发展而逐渐增强，在20日06时左右达到最大。水汽含量随降水过程的持续先增大后减小，最大值出现在19日18时左右，并且高度越高，这个趋势便越明显。
图 9d—h表示三个子区域中水成物与水汽含量随时间与高度的演变，中部与南部水成物与水汽含量要高于全区域，北部则略低。南部与北部的雨水和冰相物含量高值出现要早于中部，集中于19日18时—20日00时。中部雨水与冰相物含量出现了两个峰值，第一个峰值出现在19日14时，可能由于此时南部与北部降水残留在中部。第二个峰值出现在20日00时至03时，如前所述，此时中部降水形成。对比HIN与LIN试验，HIN与LIN模拟水成物的区域平均随高度与时间的演变趋势基本相似，HIN模拟雨水在南部与北部略高于LIN，在中部略低于LIN。
3.4.2 水凝物源汇项为了进一步研究此次极端降水过程中云微物理特征，图 10给出了主要降水区域内两类冰核-温度活化谱雨水与冰相物这两类水凝物累计转换量以及HIN与LIN二者之差的垂直廓线(具体微物理过程名称见表 5)。冰相物(图 10a—c)凝华增长与对云水的收集是主要的源项，而冰相物的升华与融化是主要的汇项。冰核活化则作为冰相物凝华增长的一部分进行计算。具体而言，冰相物的凝华增长与升华集中在5—12 km的高层，在低层随高度的增加而增强，在7—8 km附近达到最大，随后随高度的增加而减弱。冰相物收集雨水与冰相物融化形成雨水的过程则位于4—6 km的低层，在5 km附近达到最大值。从HIN与LIN生成的冰相物差值来看(图 10c)，HIN的凝华增长与冰晶升华均强于LIN。这是由于冰核浓度增加，冰核活化增强，使得冰晶的凝华增长与升华同步加强。但凝华增长的增加的幅度更大，因此，HIN在高层产生了更多的冰相物。而在低层低冰核浓度冰相物收集云水与冻结雨水的能力更强，因此，LIN在4—6 km的低层产生了更多的冰相物。而在4 km以下，HIN因更强的冰相物收集云水产生了更多的冰相物。
|
图 10 2016年7月19日00时—20日08时32 h主要降水区域内各类水凝物源汇项累计转换量冰相物(a—c)与雨水(d—f)的垂直廓线 Fig. 10 Profiles of the 32 h accumulated source and sink terms for hydrometeors (a-c) ice phase substance and (d-f) rainwater in major rainfall areas from 00∶00 BT 19 July to 08∶00 BT 20 July 2016 |
|
|
表 5 云微物理过程描述 Table 5 The description of cloud microphysical processes |
上层冰相物的变化同时也导致了下层雨水含量的改变。雨水(图 10d—f)的源项主要以云水向雨水的自动转化与雨水收集云水这两个过程为主，伴有少量冰相物的融化。雨水收集云水存在于地面到6 km附近，随高度的升高逐渐增强，在3 km附近达到最大值，云水向雨水的自动转化主要集中于3—6 km，在4— 5 km附近达到最大。而汇项相对较弱，高层以雨水在冰晶上冻结为主，而低层以雨水蒸发为主，雨水的蒸发略强于雨水在冰晶上的冻结。从HIN与LIN差值来看(图 10f)，在6 km以上的高层由于HIN的冰相物收集雨水的过程更强，所以LIN生成的雨水较多。而在4—6 km，HIN的云水向雨水的自动转化与雨水收集云水这两个过程较强，生成的雨水较多，而在4 km以下的低层，LIN的云水向雨水的自动转化与雨水收集云水较强，生成的雨水较多。这可能是由于在4 km以下的低层，LIN的冰相物对云水与雨水的收集较弱，有更多的云水通过雨水收集云水与云水向雨水的自动转化过程向雨水转化。相反，在4—6 km时，LIN的冰相物对于云水与雨水的收集较强，部分云水已经转化为冰相物，无法再转化为雨水。
除此之外，图 11给出了不同区域内雨水的源汇项转换率随时间高度的演变，冰核浓度的改变导致了高层冰相物源汇项的改变，低层中雨水的源汇项同样受到了一定的影响。在主要降水区域中(图 11a—b)，HIN与LIN雨水源汇项转换率与各过程转换率的变化趋势大致相同，雨水源汇项转换率随时间先增加后减小，高值区集中于19日16时—20日00时。此时，云水向雨水的自动转化与雨水对云水的收集也都达到了最大值，雨水的蒸发与冻结也在此时达到了最大。而HIN生成的雨水略高于LIN，主要是由于HIN的雨水收集云水形成雨水的转换率略高于LIN。
|
图 11 2016年7月19日00时至20日08时两组实验主要降水区域(a，b)、南部(c，d)、北部(e，f)和中部(g，h)微物理生成的雨水(填色，单位：mg·kg-1)、云水向雨水的自动转化(黑色实线，单位：mg·kg-1)、雨水在过冷温度下冻结(蓝色虚线，单位：mg·kg-1)、雨水收集云水形成雨水(红色实线，单位：mg·kg-1)和雨水蒸发(绿色虚线，单位：mg·kg-1)随时间-高度的变化 Fig. 11 Evolution of (a, b) the whole area, (c, d) south, (e, f) north and (g, h) middle domain-averaged rainwater generated rainwater (shaded, unit: mg·kg-1), praut (black line, unit: mg·kg-1), piacr (blue dash line, unit: mg·kg-1), pracw (red line, unit: mg·kg-1) and prevp (green dash line, unit: g·kg-1) by microphysical processes in the whole major rainfall area and the three major rainfall areas from 00∶00 BT 19 July to 08∶00 BT 20 July 2016 |
在降水前期(南部与北部降水，图 11c—f)，由于HIN雨水收集云水形成雨水与云水向雨水的自动转化的转换率高于LIN，HIN的雨水源汇项转换率略高于LIN，在降水前期HIN生成了更多的雨水。而在降水后期(中部降水，图 11g—h)时，由于HIN雨水收集云水形成雨水的转换率低于LIN，所以HIN雨水源汇项转换率略低于LIN，在降水后期LIN的雨水相对较强。因此，冰核浓度的变化主要是通过影响这两类云水向雨水转化的过程来影响雨水形成。这也就对应于高冰核浓度在降水前期形成较强的降水，而在降水后期低冰核浓度使得降水较强。
4 结论与讨论利用WRF(v4.2.1)三层嵌套模式，对2016年7月19日00时—20日08时的华北地区一次极端降水事件开展了高(HIN)、低(LIN)冰核浓度条件下的数值模拟分析，主要结论如下。
(1) HIN和LIN试验对于累计降水量与整体落区的模拟差异较小，但冰核浓度的变化对局地的降水存在着一定程度的影响。具体而言，在降水前期(南部、北部降水)，HIN试验累计降水量较高；而在后期(中部降水)LIN模拟累计降水量较高。这表明在降水前期(南部、北部降水)冰核浓度的升高会使得降水增强，而在降水后期(中部降水)冰核浓度的升高会减弱降水。
(2) 就云微物理特征而言，HIN与LIN模拟水成物对于时间以及高度的演变趋势相似，但含量之间存在差异，HIN模拟的雨水、云水和冰相物含量均略高于LIN。这说明高冰核浓度在水汽充足的条件下有助于雨水、云水以及冰相物含量的形成，增加降水。从时间演变来看，HIN试验在降水前期(南部、北部)雨水含量较高，而在降水后期(中部)雨水含量较低，这可能是由于后期水汽供应不足引起的。
(3) 冰核浓度的升高会使得在6~12 km的高层冰相物的凝华增长与升华同步增强，但凝华增长增强的幅度更大。而在6 km以下的低层，低冰核浓度的结果有着更强的冰相物收集云水与冻结雨水的能力，LIN通过微物理过程生成的冰相物更多。
(4) 冰核浓度主要是通过影响两类云水向雨水的转化(云水向雨水的自动转化、雨水收集云水形成雨水)来影响雨水的生成，使得在降水前期(南部、北部) HIN通过微物理过程生成较多的雨水，而在降水后期(中部)LIN通过微物理过程生成的雨水较多。最终导致了HIN与LIN局地降水的差异。
此次模拟表明，冰核浓度的变化对于强降水整体时空分布和量级的影响不明显，但对局地强降水产生了较大的影响。Teller等(2012)在研究中得到了类似的结论，发现冰核浓度的改变对总降水量的影响较小，但对降水落区的空间分布的影响明显。何观芳等(2001)在对鄂西北两例对流云的模拟中得到的结论同样具有一定的一致性。先前的研究主要集中于冰核浓度对短时强降水的影响，而此次选取的极端降水过程持续时间较长、累计降水量较高，得到了与先前研究类似的结论，这为冰核浓度对大范围持续性强降水的影响研究提供了一定的参考依据。本文仅是针对华北地区一次典型的极端降水过程开展的研究，不同地区的极端降水过程之间存在一定的差别。未来仍需对华北地区的极端降水过程进行大量的数值试验，探究大气冰核—温度谱对云微物理过程的影响，以便得到更加坚实的结论。
毕凯, 黄梦宇, 马新成, 等. 2020. 在线连续流量扩散云室对华北冬季大气冰核的观测分析[J]. 大气科学, 44(6): 1243-1257. |
陈碧莹, 闵锦忠. 2020. 华北"7·19"暴雨中低涡系统演变及多尺度相互作用机制研究[J]. 热带气象学报, 36(1): 85-96. |
酆大雄, 陈汝珍, 蒋耿旺. 1994. 黄土高原尘沙作为大气冰核的实验研究[J]. 应用气象学报, 5(2): 129-134. |
高茜, 王广河, 史月琴. 2011. 华北层状云系人工增雨个例数值研究[J]. 气象, 37(10): 1241-1251. DOI:10.7519/j.issn.1000-0526.2011.10.007 |
何观芳, 胡志晋, 李淑日. 2001. 鄂西北对流云及其人工催化的三维数值模拟个例研究[J]. 应用气象学报, (S1): 96-106. |
何晖, 高茜, 李宏宇. 2013. 北京层状云人工增雨数值模拟试验和机理研究[J]. 大气科学, 37(4): 905-922. |
胡思乐, 刘禹, 李国辉. 2019. 冰核对华北平原地区积云发展的影响[J]. 地球环境学报, 10(3): 257-266. |
胡志晋. 2001. 层状云人工增雨机制、条件和方法的探讨[J]. 应用气象学报, (s1): 10-13. |
李磊, 杨军, 谢从刚. 2006. 沙尘气溶胶作为冰核影响冷锋降水的数值模拟研究[J]. 暴雨灾害, 25(4): 13-16. |
刘卫国, 陶玥, 党娟, 等. 2016. 2014年春季华北两次降水过程的人工增雨催化数值模拟研究[J]. 大气科学, 40(4): 669-688. |
楼小凤, 师宇, 卢广献. 2016. 一次降雹过程的AgI系列催化模拟研究[J]. 应用气象学报, 27(2): 129-139. |
石爱丽, 郑国光, 游来光. 2006. 2003年秋季青海省河南县地面大气冰核观测分析[J]. 应用气象学报, 17(2): 245-249. DOI:10.3969/j.issn.1001-7313.2006.02.016 |
孙继松, 何娜, 王国荣, 等. 2012. "7.21"北京大暴雨系统的结构演变特征及成因初探[J]. 暴雨灾害, 31(3): 218-225. |
王宏, 雷恒池, 李书严, 等. 2004. 黄河上游河曲地区对流云催化增雨的数值模拟研究[J]. 气候与环境研究, 9(4): 619-630. |
尹金方, 王东海, 许焕斌, 等. 2015. 冰核对云物理属性和降水影响的研究[J]. 地球科学进展, 30(3): 323-333. |
游来光, 杨绍忠, 王祥国, 等. 2002. 1995和1996年春季北京地区大气冰核浓度的观测与研究[J]. 气象学报, 53(1): 101-109. |
张博, 赵滨, 牛若芸, 等. 2017. 全球模式对华北区域性强降水中期预报能力检验[J]. 暴雨灾害, 36(2): 118-124. |
张文龙, 崔晓鹏. 2012. 近50 a华北暴雨研究主要进展[J]. 暴雨灾害, 31(4): 384-391. |
赵翠光, 李泽椿. 2012. 华北夏季降水异常的客观分区及时间变化特征[J]. 应用气象学报, 23(6): 641-649. |
Bergeron T. 1935. On the physics of cloud and precipitation[C]//Proceeding 5th Assembly2, U.G.G.I. Lisbon, 156
|
Bigg E K. 1990. Long-term trends in ice nucleus concentrations[J]. Atmos Res, 25(5): 409-415. |
Chen F, Dudhia J. 2001. Coupling an Advanced Land Surface-Hydrology Model with the Penn State-NCAR MM5 Modeling System.Part I: Model Implementation and Sensitivity[J]. Mon Wea Rev, 129(4): 569-585. |
Dudhia J. 1989. Numerical Study of Convection Observed during the Winter Monsoon Experiment Using a Mesoscale Two-Dimensional Model[J]. J Atmos Sci, 46(20): 3077-3107. |
Feng D X, Chen Ruzhen, Jiang Gengwang. 1994. A laboratory study on the role of the Loess particles as natural ice nuclei[J]. J Appl Meteor Sci, 5(2): 129-134. |
Harrington J Y, Olsson P Q. 2001. On the potential influence of ice nuclei on surface-forced marine stratocumulus cloud dynamics[J]. J Geophys Res: Atmospheres, 106(D21): 7473-27484. |
Hong S, Noh Y, Dudhia J. 2006. A New Vertical Diffusion Package with an Explicit Treatment of Entrainment Processes[J]. Mon Wea Rev, 134(9): 2318-2341. |
Kain J S, Fritsch J M. 1990. A One-Dimensional Entraining/Detraining Plume Model and Its Application in Convective Parameterization[J]. J Atmos Sci, 47(23): 2784-2802. |
Kain J S, Fritsch J M. 1993. Convective Parameterization for Mesoscale Models: The Kain-Fritsch Scheme[J]. Meteorological Monographs, 24: 165-170. |
Khain A P, Pinsky M. 2018. Physical processes in clouds and cloud modeling[M]. Cambridge: Cambridge University Press.
|
Li J, Mao J, Hu Z, et al. 2005. Numerical analysis of effects of atmospheric ice nuclei concentrations on radiant properties of cold clouds[J]. Acta Meteor Sinica, 19(1): 102-111. |
Li J, Mao J. 2006. Influence of atmospheric ice nucleus concentrations on cold cloud radiant properties and cold cloud reflectivity changes in past years[J]. Chinese Sci Bull, 51(4): 480-489. |
Lin Y, Colle B A. 2011. A new bulk microphysical scheme that includes riming intensity and temperature-dependent ice characteristics[J]. Mon Wea Rev, 139(3): 1013-1035. |
Liu P F, Zhao C S, Göbel T, et al. 2011. Hygroscopic properties of aerosol particles at high relative humidity and their diurnal variations in the North China Plain[J]. Atmos Chem Phys, 11(7): 3479-3494. |
Mlawer E J, Taubman S J, Brown P D, et al. 1997. Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the longwave[J]. J Geophys Res: Atmospheres, 102(D14): 16663-16682. |
Morrison H, Milbrandt J A. 2015. Paramenterization of cloud microphysics on the development of trailing stratiform precipitation in a simulated squall line: comparison of one-and two-moment schemes[J]. J Atmos Sci, 72(1): 287-311. |
Morrison H, Shupe M D, Pinto J O, et al. 2005. Possible roles of ice nucleation mode and ice nuclei depletion in the extended lifetime of Arctic mixed-phase clouds[J]. Geophys Res Lett, 32(18): L18801. |
Muhlbauer A, Lohmann U. 2009. Sensitivity Studies of Aerosol-Cloud Interactions in Mixed-Phase Orographic rainfall[J]. J Atmos Sci, 66(9): 2517-2538. |
Rogers E, Black T, Ferrier B, et al. 2001. NCEP Meso Eta Analysis and Forecast System: Increase in resolution, new cloud microphysics, modified precipitation assimilation, modified 3DVAR analysis[C]. NWS Tech. Proced. Bull. 488, 15
|
Rosinski J. 1967. A possible role of ice-forming nuclei in rain formation[J]. J Appl Meteor, 6(6): 1062-1065. |
Shi A L, Zheng G G, You L G. 2006. Observation and analysis on ice nucleus of Henan county of Qinghai Province in autumn 2003[J]. J Appl Meteor Sci, 17(2): 245-249. |
Teller A, Xue L, Levin Z. 2012. The effects of mineral dust particles, aerosol regeneration and ice nucleation parameterizations on clouds and rainfall[J]. Atmos Chem Phys, 12(19): 9303-9320. |
Wang D, Yin J, Zhai G. 2015. In-situ measurements of cloud-rainfall microphysics in the East Asian monsoon region since 1960[J]. J Meteorol Res-Prc, 29(2): 155-179. |
Xia R D, Zhang D L. 2019. An observational analysis of three extreme rainfall episodes of 19-20 July 2016 along Taihang Mountains in North China[J]. Mon Wea Rev, 147(11): 4199-4220. |
Xie S, Liu X, Zhao C, et al. 2013. Sensitivity of CAM5-simulated arctic clouds and radiation to ice nucleation parameterization[J]. J Climate, 26(16): 5981-5991. |
Yin J, Wang D, Zhai G. 2012. An evaluation of ice nuclei characteristics from the long-term measurement data over North China[J]. Asia-Pac J Atmos Sci, 48(2): 197-204. |
Yin J F, Wang D H, Xu H B, et al. 2015. A study of the effects of ice nuclei on cloud microphysical properties and rainfall[J]. Adv Earth Sci, 30(3): 323-333. |
Zeng X, Tao W, Zhang M, et al. 2009. An indirect effect of ice nuclei on atmospheric radiation[J]. J Atmos Sci, 66(1): 41-61. |