2019, 30 (4): 443-455
大尺度环流受到与云相关的湿物理过程及潜热释放、动量输送的影响[1]，同时云-降水在水循环过程中也起着重要作用[2]。云中水凝物含量与分布不但决定着地面降水的位置和强度，云中潜热释放还会影响台风的演变过程[3-5]。高空间分辨率及详细云微物理过程的数值模拟已逐渐成为热带气旋研究的重要组成部分[6-10]。另外，描述中尺度模式网格降水的云微物理参数化方案，其空间分辨率随着计算资源的提升变得越来越高，重要性也越发凸显。
体积水云微物理方案预先设定水成物的尺度分布函数，包括M-P分布、Gamma分布等，并建立总体控制方程描述水成物的演变特征。由于计算效率高，体积水云微物理方案已广泛应用于中尺度模式。混合相云微物理方案包含暖雨过程、冰云过程及存在过冷水，微物理过程包括自动转换、碰并/聚合、核化繁生、凝结/蒸发、凝华/升华等[11-13]，热带气旋模拟多采用复杂的混合相体积水云微物理方案。
云微物理方案在模式云降水过程中起重要作用[14]，其参数化过程的不完善制约着中尺度模式的模拟能力。在台风模拟中，云微物理过程同样影响台风降水及其内部结构、强度和演变过程。如仅包含暖雨微物理过程时，模拟的水凝物几乎全部为大的雨滴粒子，它们在眼壁附近迅速掉落，在流体静力作用下产生最低的气压，导致台风发展快且强度最大[15-17]；台风中微物理过程产生的非绝热加热越多，导致对流层高层流出及低层流入越强，有利于台风强度的增加及尺寸的增长，特别是内核尺寸[18]。下沉气流是阻碍热带气旋增强的重要因素，而雨水的蒸发和雪霰的融化是造成下沉气流的重要原因[19]，关闭雨的蒸发或雪霰的融化过程后热带气旋的发展会更快、更强。粒子下落速度影响眼墙附近粒子的向外运动，而在外围它们可以通过云辐射作用影响环境场，微物理过程及下落速度对径向温度梯度的影响还可导致不同的外部风场强度和风暴路径[20]。花丛等[21]利用GRAPES中尺度模式及双参数云微物理方案模拟台风罗莎(0716)，认为云微物理过程及潜热变化对台风路径也有一定影响，在不同的微物理过程作用下，台风云系结构有明显差异。Deng等[22]利用Morrison双参数微物理方案分析了台风天兔(1319)的雨水微物理过程，指出台风中存在两个雨滴数浓度的集中高度层，水平湿辐合及水汽凝结是台风水汽收支的关键源汇项。因此，云微物理过程的合理描述至关重要，云微物理过程的正确与否是高分辨率模式模拟台风降水及精细风雨结构的基础。
中国气象科学研究院(CAMS)云微物理方案是一个混合相双参数云方案[23-26]，该方案可以较好地模拟不同天气系统中的云微物理过程[27-31]。但不同云微物理方案对水成物及云系的适用性有较大差异，某一云微物理方案是否适用于热带气旋的模拟，仍存在着很大的不确定性。因此，本文针对2013年超强台风天兔(1319)，将用CAMS云微物理方案的模拟结果与台风最佳路径数据集、热带降雨测量卫星(TRMM)资料进行对比，检验其在台风模拟中的适用性。并在此基础上设计了3个敏感性试验，初步改进了CAMS云微物理方案对台风的模拟能力，为今后其在台风过程中的进一步应用提供参考。
1 研究方案 1.1 CAMS云微物理方案简介CAMS云微物理方案包括云水、雨水、冰晶、雪、霰5种水成物粒子。粒子谱型遵循Gamma分布N(D)=N0Dμe-λD，N0，μ和λ分别为谱形截距、形状和斜率参数，其中云滴谱的μ=2；雨滴、霰粒子谱的μ= 0；冰晶，雪粒子的μ =1。预报变量包括云、雨、冰、雪、霰的混合比(qc，qr，qi，qs，qg)和雨、冰、雪、霰的数浓度(nr，ni，ns，ng)以及云滴谱拓宽度(fc)。云微物理过程共31个，包括冰晶核化、繁生(Pvi，Pci)，云滴、雨滴的凝结/蒸发(Svc，Svr)，冰晶、雪、霰粒子的凝华/升华(Svi，Svs，Svg)，雨滴、雪、霰粒子碰并云滴(Ccr，Ccs，Ccg)，雨滴、冰晶、雪、霰粒子碰并雨滴(Crr，Cri，Crs，Crg)，雨滴、冰晶、雪、霰粒子碰并冰晶(Cir，Cii，Cis，Cig)，雨滴、雪、霰粒子碰并雪(Csr，Css，Csg)，冰晶冻结成云滴(Mic)，雨滴冻结成霰(Mrg)，雪融化成云水(Msc)，雪、霰融化成雨水(Msr，Mgr)；云水自动转化成雨水、冰晶、霰(Acr，Aci，Acg)，冰雪自动转化(Ais)，雪霰自动转化(Asg)，详细说明可参考文献[24, 26]。
1.2 个例及观测资料超强台风天兔(1319)于2013年9月16日18:00(世界时，下同)在菲律宾以东洋面生成，之后向西北偏西方向移动，中心最低气压达到915 hPa。9月22日11:40在我国广东汕尾沿海登陆，造成多地大范围的狂风暴雨，直接经济损失达数十亿元人民币。
台风路径和强度观测数据来自中国气象局(CMA)热带气旋最佳路径数据集[32]每6 h 1次的位置和强度信息。雷达反射率因子及水成物廓线数据来自TRMM卫星资料。TRMM卫星携带有微波成像仪(TMI)、测雨雷达(PR)、可见光和红外辐射计(VIRS)等，35°倾角的非太阳同步轨道使其成为研究台风的理想平台。本文主要使用了TRMM版本7的微波成像仪产品TMI/2A12和雷达产品PR/2A25。TMI/2A12产品依据TMI/1B11亮温资料，通过Goddard Profiling算法GPROF2010，反演得到像元位置的地表降雨率和水成物含量垂直分布。PR测雨雷达为主动遥感仪器，能给出海平面向上20 km高度的雷达反射率因子及降水率空间分布，其降水探测能力优于被动卫星遥感[33]。
1.3 模式与试验设计利用中尺度天气模式WRF V3.8.1 [34]进行台风天兔(1319)的数值试验。采用3层双向嵌套网格设置，水平分辨率分别为18 km×18 km，6 km×6 km，2 km×2 km，垂直方向50层，模式层顶为50 hPa，其中d01为固定网格，d02和d03为跟随台风的移动网格(图 1)。选用的物理过程方案包括Kain-Fritsch积云对流参数化方案(仅在最外层d01使用)、Noah陆面模式方案、YSU边界层方案、Dudhia短波辐射方案、RRTM长波辐射方案、CAMS云微物理方案。试验开始时间为2013年9月18日00:00，22日12:00结束，共积分108 h。模式初始和边界条件由1°×1°的美国国家环境预报中心分析资料(NCEP FNL)提供。d01和d02结果以6 h间隔保存，云微物理变量由d03提供，以1 h间隔保存。
|
|
| 图1 3层嵌套网格区域设置 Fig.1 The triply nested model domains | |
基于模式检验给出的CAMS云微物理方案模拟的雪含量偏多，本文共设计了4组数值试验，分析云微物理方案中雪粒子特性及海洋性云雨过程的影响。具体如下：
① CTRL(控制试验)，使用当前耦合到WRF V3.8.1中的CAMS云微物理方案。
② EXP1，修改雪粒子质量和落速系数。由于雪晶谱的观测很少，CAMS云微物理方案中雪粒子谱采用μ=1的Gamma分布。单一雪晶的质量同直径的关系为mis=Amis·Dis2，其中Ams=0.001~0.003 g·cm-2[35-36]。单个雪晶的落速同直径的关系为Vis=Avis·Dis1/3，其中Avs=100 cm2/3，凇附后可增大到150 cm2/3[24, 37]。CTRL中雪粒子的质量和落速系数Ams=0.003 g·cm-2，Avs=100 cm2/3·s-1。基于CTRL模拟的雪含量偏高，修改了雪粒子的质量和落速系数，减小雪粒子的质量系数到与冰晶相同，同时增加落速系数，即Ams=0.001 g·cm-2，Avs=120 cm2/3·s-1。
③ EXP2，修改云滴数浓度。根据长期的卫星观测，遥远洋面上的云滴数浓度一般约为50 cm-3[37-38]。由于台风在海洋上发生发展，为了使方案能够合理地模拟洋面气旋过程，在云雨自动转化中将云滴数浓度简单取为海洋性云的典型值50 cm-3，离散度假设为0.5，云滴数浓度与离散度的比值为100，而CTRL中该比值为1200[39]；此外，在云滴凝结蒸发计算中，将云滴数亦取为固定值50 cm-3。
④ EXP3，同时修改雪粒子的质量和落速系数以及云滴数浓度，讨论它们的共同影响。
2 模式检验图 2为观测与模拟的台风天兔路径、强度时间演变。由图 2可以看到，CTRL较好地模拟出了台风天兔的移动路径，但在最后12 h出现向南偏移，且总体移动落后于实际台风(图 2a)。从海平面最低气压和中心最大风速上看，台风天兔的实际气压在2013年9月19日18:00—20日06:00达到最低值915 hPa。根据热带气旋快速增强的定义：最低中心气压变化达到42 hPa·d-1的下降或最大风速的增加大于15 m·s-1·d-1[40-41]，2013年9月18日12:00—19日12:00的24 h观测的最低中心气压降低了55 hPa，达到了快速增强的标准，这个时期属于台风的快速增强阶段。而CTRL模拟的台风强度较弱，在2013年9月18日12:00后的24 h内，风速虽然出现了明显的增强，但增加率只有13 m·s-1·d-1，最大风速、最低气压均未达到快速增强的标准(图 2b)。
|
|
| 图2 2013年9月18日00:00—22日06:00台风天兔路径(a)，海平面最低气压(实线)和中心最大风速(虚线)(b)时间演变 Fig.2 Observed and simulated typhoon track(a) and minimum sea level pressure(solid lines) and surface maximum wind speed(dashed lines)(b) from 0000 UTC 18 Sep to 0600 UTC 22 Sep in 2013 | |
TRMM卫星资料可用来评估模式在遥远洋面上的云降水表现。由于测雨雷达扫描宽度的限制，仅在9月21日02:00扫到了台风天兔的眼区、眼墙和部分外围雨带。图 3为PR/2A25观测和通过SDSU卫星模拟器[42]由CTRL模拟(d03区域，2 km×2 km分辨率)的3 km和8 km高度雷达反射率因子平面图，代表液水部分和融化层之上的冰相部分雷达反射率因子。CTRL模拟的台风纹理、结构与观测基本一致，但总体强度偏强。3 km高度的雷达反射率因子偏强5~8 dBZ，8 km高度的螺旋结构完整，雷达反射率因子集中在25~35 dBZ，较观测偏强10~15 dBZ，说明模拟的冰相部分与观测差异很大。
|
|
| 图3 2013年9月21日02:00 TRMM/PR产品和CTRL模拟的3 km及8 km高度的雷达反射率因子 (黑线区域表示与TRMM/PR轨道相近的台风主体区域) Fig.3 Horizontal distributions of radar reflectivity at 3 km and 8 km height by TRMM/PR measurements and CTRL simulation at 0200 UTC 21 Sep 2013 (black lines denote scanning areas of TRMM/PR) | |
取与TRMM/PR扫描轨道相近的区域，分析了雷达反射率因子的等高频率(CFAD)(图 4)，图 4中的百分比值表示各高度层上不同雷达反射率因子在该高度层的出现频率。可见，融化层以下的模拟与观测较为接近，而融化层之上的5.5~10 km，CTRL模拟的雷达反射率因子明显高于PR雷达探测。为区别不同水成物粒子对总雷达反射率因子的贡献，分别计算了云滴、雨滴、雪粒子、霰粒子各自导致的雷达反射率因子(图略)。由于冰晶尺度小，对总反射率的贡献很小。总雷达反射率因子偏大主要是雪、霰粒子的雷达反射率因子偏大造成的，在融化层以下雨滴粒子对总雷达反射率因子起着支配作用。图 3中，CTRL模拟的8 km高度上的台风螺旋云系依然结构完整、范围宽阔，可能是由于CAMS云微物理方案模拟的雪粒子含量偏高，且雪粒子下落速度慢，被倾斜上升的气流带到高层并在径向风作用下向外平流，又通过强的切向风导致了宽阔的云系分布。这与Franklin等[43]给出的结果一致，他们认为当霰收集雪和云冰的效率降低时，会导致更高浓度的雪被输送到层状区域，产生更大范围的层状降水区域。
|
|
| 图4 2013年9月21日02:00 TRMM/PR产品(a)，CTRL模拟(b)的雷达反射率因子的等高频率图 Fig.4 Contoured frequency by altitude diagrams(CFAD) of radar reflectivity from TRMM/PR measurements(a) and CTRL simulation(b) at 0200 UTC 21 Sep 2013 | |
TMI/2A12反演产品提供了云中水成物含量的垂直廓线分布。对台风中心300 km半径范围内分析水成物混合比的区域平均高度分布，发现雪粒子混合比明显偏多是造成模拟差异的主要原因(图 5)。但应注意，由于TMI/2A12资料对螺旋云带边缘或间隙的可降冰云敏感性弱，可导致反演的冰相粒子偏少，对不确定性冰云的反演误差较大[44]，如姚小娟等[45]利用多年的西北太平洋台风水成物廓线统计显示，当台风中心气压在920~940 hPa时，可降冰含量会达到0.55 g·m-3，可能会大于反演的冰相水成物。因此，TMI/2A12产品本身的不确定性也应考虑在内。总的来说，CTRL中的CAMS云微物理方案模拟的雪粒子含量明显偏大。
|
|
| 图5 2013年9月21日02:00台风中心半径300 km范围内TMI/2A12产品(a)和CAMS微物理方案模拟(b)的区域平均水成物含量垂直分布 Fig.5 Area-averaged vertical profiles of hydrometeor contents within a radius of 300 km from the typhoon center in TMI/2A12 measurements(a) and CAMS microphysical scheme simulations(b) at 0200 UTC 21 Sep 2013 | |
3 敏感性试验分析 3.1 路径与强度
本文设计了3组敏感性试验，分析云微物理方案中雪粒子特性及海洋性云雨过程对台风发展的影响。由图 2a可见，EXP1模拟的台风移动速度比CTRL更慢，但最后的路径偏差小于CTRL。EXP2和EXP3台风移动加快，且模拟的最后12 h路径方向偏差最小，与实际最符合。从海平面最低气压和近中心最大风速来看(图 2b)，EXP1未能模拟出台风天兔前期的快速增强过程，且在台风天兔减弱阶段的2013年9月21日00:00之后模拟的气压依然降低，增强减弱趋势与实况差别较大，未能给出台风发展过程中强度的实际变化特征。可能由于在EXP1中增大了雪粒子的落速，对上升气流起反作用，造成模拟的空气上升速度比CTRL偏弱所致。EXP2和EXP3模拟的最低气压降至920 hPa，略高于实际值915 hPa，在9月18日12:00—19日12:00达到了台风快速增强的条件，为台风快速增强阶段，明显优于CTRL和EXP1的结果。
台风眼区对流有效位能变化可用来估计快速增强过程的发展[46]。眼区内高的对流有效位能对台风成熟阶段最大强度的贡献较小，但有利于眼墙中对流的爆发，促进台风开始快速增强[47-49]。3个敏感性试验都模拟出了较高的对流有效位能，表明台风强度最终比CTRL偏强(图 6)。EXP1中眼区对流有效位能在18日12:00—19日12:00未出现明显的减少，是其未能模拟出台风天兔快速增强的主要热动力原因，但在21日00:00之后对流有效位能明显减小，导致模拟的最低气压继续降低，最终登陆时台风强度强于CTRL(图 6b)。EXP2和EXP3在9月18日12:00—19日12:00均显示了对流有效位能的明显减小(图 6c和图 6d)，与之前模拟出的快速增强过程一致。在快速增强阶段，眼区对流有效位能的减小表示眼墙中由于深对流的发展而能量消耗以及上层暖心结构的迅速发展[50]。在云尺度上影响台风强度的主要过程是相变潜热，但对其中的详细云微物理过程及相关潜热释放的理解还较缺乏，对于内核与环境之间的潜在协同关系还未充分了解，云微物理过程与对流有效位能以及环境场之间的相互影响还需更进一步探究。从路径与强度来看，EXP2和EXP3的模拟结果明显优于CTRL，更加接近实况。
|
|
| 图6 2013年9月18日12:00—22日00:00 4个数值试验模拟的对流有效位能径向时间演变(黑实线表示两倍最大风速半径) (a)CTRL，(b)EXP1，(c)EXP2, (d)EXP3 Fig.6 Radius-time Hovmöller diagram of CAPE in the simulated Typhoon Usagi from 1200 UTC 18 Sep to 0000 UTC 22 Sep in 2013(black lines represent 2-time the radius of maximum wind) (a)CTRL, (b)EXP1, (c)EXP2, (d)EXP3 | |
3.2 水成物含量
EXP1将雪粒子的质量系数减小为与冰晶相同的值，同时增大粒子落速系数。相比CTRL，EXP1中整层积分的云水和雨水基本没有变化，而雪粒子含量出现了1.2 kg·m-2的明显减少(图略)。图 7为整个模拟时段的平均水成物垂直分布，EXP1呈现出了与CTRL相同的特征，雪粒子混合比显著减小(最大值由0.49减小到0.3 g·m-3，图 7a、图 7b)，而其余水成物没有明显变化。两个水成物粒子之间的碰并过程与粒子的落速差有关，即CAMS云微物理方案中Ccs，Cis，Csg，Csr，Crs过程与Avs有关。此外，雪粒子的落速变化还会影响每层的雪粒子质量通量。为了直观判断参数变化对不同微物理过程的影响，图 8给出了区域-时间平均(台风中心半径300 km范围内，9月18日12:00—22日06:00)的主要云微物理过程的转化率。可以看出，造成雪粒子含量明显减少的微物理过程为霰碰并雪(Csg)速率的显著增大(最大值由0.12×10-3 g·m-3·s-1增加到0.14×10-3 g·m-3·s-1)，这是由于雪粒子质量系数的减小造成雪密度减小，尺度的增加，使得霰更容易碰并雪粒子，降低了雪的混合比。此外，冰晶自动转换成雪(Ais)速率和雪粒子的下落通量也发生减少，最终导致雪含量的减小。霰碰并雪速率增加的同时增大了霰粒子的混合比，但由于远小于雪含量的减小，所以总体上减少了冰相物的含量。
|
|
| 图7 2013年9月18日12:00—22日06:00台风中心半径300 km范围内时间-区域平均的水成物含量垂直廓线(a)CTRL，(b)EXP1，(c)EXP2，(d)EXP3 Fig.7 Time-area averaged vertical profiles of hydrometeor contents within a radius of 300 km from the typhoon center from 1200 UTC 18 Sep to 0600 UTC 22 Sep in 2013 (a)CTRL, (b)EXP1, (c)EXP2, (d)EXP3 | |
|
|
| 图8 2013年9月18日12:00—22日06:00台风中心300 km半径内区域-时间平均的云水、雨水、雪粒子含量主要微物理过程转化率 Fig.8 Area-time averaged microphysical process rates within a radius of 300 km from the typhoon center for cloud, rain and snow content from 1200 UTC 18 Sep to 0600 UTC 22 Sep in 2013 | |
EXP2使用简单的海洋性云参数，即云滴数浓度取为固定值50 cm-3，导致云水混合比减少，雨水混合比增加(图 7c)。这是由于水汽凝结成云滴(Svc)的速率增大，使云水增加，但云滴谱拓宽度增加，加快了云滴向雨滴的自动转化(Acr)，同时较大的云滴尺寸增加了雨滴碰并云滴(Ccr)的速率(图 8)。应当注意，虽然云雨自动转化量级很小，对雨水含量的直接影响较小，但是由于小雨滴数量的增多，更容易随上升气流进入0℃层以上形成过冷水滴，碰撞冰相粒子并冻结增长(Crs及Crg过程)，造成霰粒子含量增加(图 7c)。形成雨水的关键微物理过程是霰粒子融化成雨水(Mgr)的冷雨过程及4 km以下雨滴碰并云滴的暖雨过程(Ccr)，这两个过程相比CTRL稍有增大(图 8)，导致雨水含量也相应增加。雨滴蒸发过程与雨水的下落通量大小相近，它们是雨水在降落过程中的两个最重要汇项，当接近地面时，雨水的下落通量转为正值，它是导致地面降水的唯一来源。
EXP3既减小雪粒子的质量系数、增大落速系数，又采用海洋性云滴数浓度为50 cm-3。区域时间平均的水成物混合比显示，云水和雨水与EXP2接近(图 7c和图 7d)，雨滴碰并云滴及水汽凝结是影响云水含量的主要过程，霰融化成雨水速率的增加是雨水增加的主要原因(图 8)；同时雪粒子含量与EXP1接近(图 7b和图 7d)，雪含量减少的主要微物理过程依然是霰碰并雪速率的增大，不同的是，由于云滴数减少，雪粒子碰并过冷云滴(Ccs)速率稍有减弱(图 8)。因此，EXP3继承了EXP1和EXP2各自的特点。从水成物分布看，EXP3和EXP1的模拟结果优于CTRL。
3.3 小时降水率由于TRMM/PR扫描幅宽的限制，仅在2013年9月21日02:00捕捉到台风天兔主体部分，图 9为该时刻PR雷达反演的地面降水率与模式模拟的小时降水率空间分布(与3.2节中水成物在整个模拟时段的平均结果并不对应)。可以看到，台风降水的大值区主要集中在西南侧，呈现出非对称结构。4个试验在台风西南侧均模拟出强的降水区，但雨强均偏大，CTRL，EXP1和EXP2模拟的北部降水偏大。另外，CTRL和EXP1的外部螺旋雨带较EXP2和EXP3发展偏强，这与其在台风发展阶段(9月20日06:00之前)外部区域有较高的对流有效位能一致(图 6a和图 6b)，它可为气团提供更多的对流不稳定能量，促进之后外部对流雨带的发展。而外部螺旋雨带较强的降水产生的下沉气流又会减弱更远处的水汽、动量向台风中心输送，导致台风强度最终的减弱[51]。
|
|
| 图9 2013年9月21日02:00降水率空间分布(a)TRMM/PR产品，(b)CTRL，(c)EXP1，(d)EXP2，(e)EXP3 Fig.9 Spatial distribution of rainfall rate at 0200 UTC 21 Sep 2013 (a)TRMM/PR measurement, (b)CTRL, (c)EXP1, (d)EXP2, (e)EXP3 | |
此外，依据小时降水量为0.01~1 mm，1.01~5 mm，5.01~10 mm，10.01~20 mm，20.01~40 mm及超过40 mm，分别对应小雨、中雨、大雨、暴雨、大暴雨和特大暴雨，取与图 9a中PR扫描轨道相近的区域，得到4个试验模拟的不同等级降水率出现概率(图略)。各试验在不同降水等级中的表现不一，CTRL小雨模拟稍好，EXP3在小时降水量中大雨区域模拟较好。但各试验模拟的降水总体偏强，小时降水量大于10 mm部分出现概率偏高。从降水率的空间分布来看，EXP3的模拟结果最优。
4 结论与讨论本文将CAMS云微物理方案用于中尺度天气模式WRF V3.8.1对2013年超强台风天兔(1319)进行数值模拟，并与中国气象局最佳台风路径、强度资料及热带降雨测量卫星(TRMM)资料进行对比。得到以下主要结论：
1) CAMS云微物理方案模拟的台风路径与实际观测较为一致，但未能模拟出台风的快速增强过程，模拟的液相水成物与TMI反演结果较为接近，但固相部分尤其是雪粒子含量明显偏多。
2) EXP1的台风移速比CTRL更慢，强度最弱且没有模拟出前期的快速增强过程。这与其未能给出台风发展前期眼区对流有效位能的快速减小以及高层的空气上升速度偏弱有关。EXP2和EXP3的移动加快，路径偏差减小，模拟的最低气压接近观测，结果明显优于CTRL。
3) 在水成物的分布上，EXP1和EXP3由于霰碰并雪速率的增加以及略微减小了冰晶自动转换成雪的速率和雪粒子的下落通量，最终导致雪含量明显降低，同时也减少了整体冰相物的含量，模拟结果优于CTRL。各试验模拟的小时降水率总体偏强，且在不同降水等级的表现不一，但从降水的空间分布来看，EXP3最接近实况。
因此，同时修改雪粒子质量和落速系数以及使用典型海洋性云滴数的EXP3模拟的台风路径、强度及云微物理量、降水分布等特征总体与实况最为接近。此外，针对强台风彩虹(1522)进行了相同的敏感性试验。结果显示：EXP1模拟的中心最低气压及最大风速均弱于CTRL，而EXP2的最大风速略强于CTRL；EXP1和EXP3模拟的云水、雨水含量变化不大，但雪粒子含量明显减少(最大值由0.32 g·m-3降至0.16 g·m-3)，模式总体特征与超强台风天兔基本一致。需要指出的是，台风天兔(1319)生成于广袤的洋面上，经历了完整的形成期、发展期、成熟期和消亡期，是一个前期快速增强的超强台风；台风彩虹(1522)在吕宋岛东部洋面生成，生命期较短，但也是具有近海快速增强过程的强台风。该研究不但可提供改进台风中云微物理参数化方案的依据，还加深了云微物理过程对台风影响机制的认识。但台风云物理过程复杂多变，其影响与水汽、上升速度、不稳定度等都密切相关。对于发展不旺盛的弱台风和非快速增强台风，云微物理参数化方案对台风模拟的影响，还需要进一步研究。
| [1] |
Tao W K, Simpson J, Sui C H, et al. Heating, moisture, and water budgets of tropical and midlatitude squall lines:Comparisons and sensitivity to long wave radiation. J Atmos Sci, 1993, 50(5): 673-690. DOI:10.1175/1520-0469(1993)050<0673:HMAWBO>2.0.CO;2 |
| [2] |
Ramanathan V, Crutzen P J, Kiehl J T, et al. Aerosols, climate, and the hydrological cycle. Science, 2001, 294(5549): 2119-2124. DOI:10.1126/science.1064034 |
| [3] |
McCumber M, Tao W, Simpson J, et al. Comparison of ice-phase microphysical parameterization schemes using numerical simulations of tropical convection. J Appl Meteor, 1991, 30: 985-1004. DOI:10.1175/1520-0450-30.7.985 |
| [4] |
Li X, Pu Z. Sensitivity of numerical simulation of early rapid intensification of hurricane Emily (2005) to cloud microphysical and planetary boundary layer parameterizations. Mon Wea Rev, 2008, 136: 4819-4838. DOI:10.1175/2008MWR2366.1 |
| [5] |
Wang M, Zhao K, Xue M, et al. Precipitation microphysics characteristics of a typhoon Matmo (2014) rain band after landfall over eastern China based on polarimetric radar observations. J Geophys Res Atmos, 2016, 121(20): 12415-12433. DOI:10.1002/2016JD025307 |
| [6] |
杨挺, 端义宏, 徐晶, 等. 城市效应对登陆热带气旋妮妲降水影响的模拟. 应用气象学报, 2018, 29(4): 410-422. |
| [7] |
冯佳宁, 端义宏, 徐晶, 等. 雷达资料同化对2015年台风彩虹数值模拟改进. 应用气象学报, 2017, 28(4): 399-413. |
| [8] |
刘还珠, 陈德辉, 滕俏彬. 不同物理过程参数化对模式台风的影响及其动力结构的研究. 应用气象学报, 1998, 9(2): 141-150. |
| [9] |
孙晶, 楼小凤, 胡志晋, 等. CAMS复杂云微物理方案与GRAPES模式耦合的数值试验. 应用气象学报, 2008, 19(3): 315-325. DOI:10.3969/j.issn.1001-7313.2008.03.007 |
| [10] |
屈右铭, 蔡荣辉, 朱立娟, 等. 云分析系统在台风莫拉菲数值模拟中的应用. 应用气象学报, 2012, 23(5): 551-561. DOI:10.3969/j.issn.1001-7313.2012.05.005 |
| [11] |
Hong S Y, Lim J O. The WRF single-moment 6-class microphysics scheme (WSM6). J Korean Meteor Soc, 2006, 42(2): 129-151. |
| [12] |
Hong S Y, Lim K S, Kim J H, et al. Sensitivity study of cloud-resolving convective simulations with WRF using two bulk microphysical parameterizations:Ice-phase, microphysics versus sedimentation effects. J Appl Meteorol Climatol, 2009, 48(1): 61-76. DOI:10.1175/2008JAMC1960.1 |
| [13] |
Morrison H, Curry J A, Khvorostyanov V I. A new double-moment microphysics parameterization for application in cloud and climate models.Part Ⅰ:Description. J Atmos Sci, 2005, 62: 1665-1677. DOI:10.1175/JAS3446.1 |
| [14] |
Brown P R A, Swann H A. Evaluation of key microphysical parameters in three-dimensional cloud-model simulations using aircraft and multiparameter radar data. Q J R Meteorol Soc, 1997, 123: 2245-2275. DOI:10.1002/qj.v123:544 |
| [15] |
Lord S J, Willoughby H E, Piotrowicz J M. Role of a parameterized ice-phase microphysics in an axisymmetric, nonhydrostatic tropical cyclone model. J Atmos Sci, 1984, 41: 2836-2848. DOI:10.1175/1520-0469(1984)041<2836:ROAPIP>2.0.CO;2 |
| [16] |
Yang M L, Ching L. A modeling study of Typhoon Toraji (2001):Physical parameterization sensitivity and topographic effect. Terr Atmos and Oceanic Sci, 2005, 16(1): 37. |
| [17] |
Tao W K, Shi J J, Chen S S, et al. The impact of microphysical schemes on hurricane intensity and track. Asia-Pacific J Atmos Sci, 2011, 47(1): 1-16. |
| [18] |
Wang Y Q. Recent research progress on tropical cyclone structure and intensity. Tropical Cyclone Research and Review, 2012, 1: 254-275. |
| [19] |
Wang Y Q. An explicit simulation of tropical cyclones with a triply nested movable mesh primitive equation model:TCM3.Part Ⅱ:Model refinements and sensitivity to cloud microphysics parameterization. Mon Wea Rev, 2002, 30: 3022-3036. |
| [20] |
Fovell R G, Corbosiero K L, Kuo H C. Cloud microphysics impact on hurricane track as revealed in idealized experiments. J Atmos Sci, 2009, 66(6): 1764-1778. DOI:10.1175/2008JAS2874.1 |
| [21] |
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. 热带气象学报, 2013, 29(6): 924-934. |
| [22] |
Deng L, Gao W H, Duan Y H, et al. Microphysical properties of rainwater in Typhoon Usagi (2013):A numerical modeling study. Adv Atmos Sci, 2019, 10. |
| [23] |
胡志晋, 楼小凤, 包绍武, 等. 一个简化的混合相云降水显式方案. 应用气象学报, 1998, 9(3): 257-264. |
| [24] |
胡志晋, 严采蘩. 层状云微物理过程的数值模拟(一)——微物理模式. 气象科学研究院院刊, 1986(1): 37-52. |
| [25] |
胡志晋, 何观芳. 积雨云微物理过程的数值模拟(一)——微物理模式. 气象学报, 1987, 45(4): 467-484. |
| [26] |
Gao W H, Zhao F S, Hu Z J, et al. A two-moment bulk microphysics scheme coupled with a mesoscale model WRF:Model description and first results. Adv Atmos Sci, 2011, 28: 1184-1200. DOI:10.1007/s00376-010-0087-z |
| [27] |
楼小凤, 胡志晋, 王鹏云, 等. 中尺度模式云降水物理方案介绍. 应用气象学报, 2003, 14(增刊Ⅰ): 49-59. |
| [28] |
李淑日, 胡志晋, 王广河. CAMS三维对流云催化模式的改进及个例模拟. 应用气象学报, 2003, 14(增刊Ⅰ): 78-91. |
| [29] |
史月琴, 楼小凤, 邓雪娇, 等. 华南冷锋云系的中尺度和微物理特征模拟分析. 大气科学, 2008, 32(5): 1019-1036. DOI:10.3878/j.issn.1006-9895.2008.05.03 |
| [30] |
Gao W H, Sui C H, Wang T C, et al. An evaluation and improvement of microphysical parameterization from a two-moment cloud microphysics scheme and the southwest monsoon experiment (SoWMEX)/terrain-influenced monsoon rainfall experiment (TiMREX) observations. J Geophys Res, 2011, 116(D19): 101. |
| [31] |
Gao W H, Sui C H, Fan J, et al. A study of cloud microphysics and precipitation over the Tibetan Plateau by radar observations and cloud-resolving model simulations. J Geophys Res Atmos, 2016, 121: 13735-13752. DOI:10.1002/2015JD024196 |
| [32] |
Ying M, Zhang W, Yu H, et al. An overview of the China Meteorological Administration tropical cyclone database. J Atmos Ocean Technol, 2014, 31(2): 287-301. DOI:10.1175/JTECH-D-12-00119.1 |
| [33] |
Awaka J. Early Results on Rain Type Classification by the Tropical Rainfall Measuring Mission (TRMM) Precipitation Radar. Proc URSI Commission F Triennial Open Symposium Aveiro Portugal, 1998, 143-146. |
| [34] |
Skamarock W C, Klemp J B. A time-split nonhydrostatic atmospheric model for weather research and forecasting applications. J Comput Phys, 2008, 227(7): 3465-3485. DOI:10.1016/j.jcp.2007.01.037 |
| [35] |
Locatelli J D, Hobbs P V. Fall speeds and masses of solid precipitation particles. J Geophy Res, 1974, 79(15): 2185-2197. DOI:10.1029/JC079i015p02185 |
| [36] |
Mason B J.云物理学.中国科学院大气物理研究所, 译.北京: 科学出版社, 1979.
|
| [37] |
Zeng S, Riedi J, Trepte C R, et al. Study of global cloud droplet number concentration with A-Train satellites. Atmos Chem and Phys, 2014, 14: 7125-7134. DOI:10.5194/acp-14-7125-2014 |
| [38] |
陈渭民. 卫星气象学. 北京: 气象出版社, 2005.
|
| [39] |
楼小凤.MM5模式的新显示云物理方案的建立和耦合及原微物理方案的对比分析.北京: 北京大学, 2002. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y469445
|
| [40] |
Holliday C R, Thompson A H. Climatological characteristics of rapidly intensifying typhoons. Mon Wea Rev, 1979, 107(8): 1022-1034. DOI:10.1175/1520-0493(1979)107<1022:CCORIT>2.0.CO;2 |
| [41] |
Kaplan J, Demaria M. Large-scale characteristics of rapidly intensifying tropical cyclones in the North Atlantic Basin. Wea Forecasting, 2003, 18(6): 1093-1108. DOI:10.1175/1520-0434(2003)018<1093:LCORIT>2.0.CO;2 |
| [42] |
Masunaga H, Matsui T, Tao W K, et al. Satellite data simulator unit:A multisensor, multispectral satellite simulator package. Bull Amer Meteor Soc, 2010, 91: 1625-1632. DOI:10.1175/2010BAMS2809.1 |
| [43] |
Franklin C N, Holland G J, May P T. Sensitivity of tropical cyclone rainbands to ice-phase microphysics. Mon Wea Rev, 2005, 133: 2473-2493. DOI:10.1175/MWR2989.1 |
| [44] |
郭静超.基于WRF模式的暖云降水潜热物理反演算法研究.合肥: 中国科学技术大学, 2016. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y2925918
|
| [45] |
姚小娟, 黎伟标, 陈淑敏. 利用TMI反演的水汽凝结物对热带气旋潜热结构分布的探索研究. 大气科学, 2014, 38(5): 909-923. |
| [46] |
Miyamoto Y, Takemi T. A transition mechanism for the spontaneous axisymmetric intensification of tropical cyclones. J Atmos Sci, 2013, 70(1): 112-129. DOI:10.1175/JAS-D-11-0285.1 |
| [47] |
Bryan G H, Rotunno R. The maximum intensity of tropical cyclones in axisymmetric numerical model simulations. Mon Wea Rev, 2009, 137(6): 1770-1789. DOI:10.1175/2008MWR2709.1 |
| [48] |
Xu J, Wang Y. Sensitivity of tropical cyclone inner-core size and intensity to the radial distribution of surface entropy flux. J Atmos Sci, 2010, 67(6): 1831-1852. DOI:10.1175/2010JAS3387.1 |
| [49] |
Xu J, Wang Y. Sensitivity of the simulated tropical cyclone inner-core size to the initial vortex size. Mon Wea Rev, 2010, 138(11): 4135-4157. DOI:10.1175/2010MWR3335.1 |
| [50] |
王慧.台风Megi(2010)强度和结构变化的数值研究.南京: 南京信息工程大学, 2013. http://cdmd.cnki.com.cn/Article/CDMD-10300-1013340783.htm
|
| [51] |
Powell M D. Boundary layer structure and dynamics in outer hurricane rainbands, Part Ⅱ:Downdraft modification and mixed layer recovery. Mon Wea Rev, 1990, 118: 918-938. DOI:10.1175/1520-0493(1990)118<0918:BLSADI>2.0.CO;2 |