云凝结核浓度对一次梅雨锋降水影响的数值模拟

鹿 翔， 王春明， 陈浩伟

(解放军理工大学气象海洋学院，江苏南京 211101)



云凝结核浓度对一次梅雨锋降水影响的数值模拟

鹿 翔， 王春明， 陈浩伟

(解放军理工大学气象海洋学院，江苏南京 211101)

摘要利用WRF模式(V3.6)，采用WDM6双参数微物理方案对2012年7月2~3日江淮地区的一次持续性梅雨锋暴雨过程进行数值模拟，对不同初始云凝结核(CCN)浓度背景下的地面累积降水量和云中微物理过程进行对比分析。结果表明，初始CCN浓度在一定程度上影响了降水的微物理过程，进而影响降水量；当背景CCN浓度增加时，在降水前期引起云滴半径减小，云滴转化效率变低，抑制暖云降水，后期冷云过程得到加强，大量冰相粒子生成，最终导致降水增加。

关键词云凝结核；微物理方案；梅雨锋；降水；数值模拟

大气中的某些气溶胶粒子可在大气过饱和或接近饱和的情况下作为云凝结核(CCN)形成云滴的核心，气溶胶浓度的变化对于云的性质和降水的形成有重要影响。早期对于CCN的研究发现，人类活动导致大气中气溶胶粒子增加，一方面改变了地球的能量收支，另一方面影响了云的形成，使得云滴半径减小，增加云的反射率，延长云的寿命，最终能抑制降水的产生[1-2]。但也有研究表明，大气中气溶胶粒子的增加有利于CCN的增加，会导致降水的增加[3]。

云微物理过程是数值模式中处理云和降水过程的很重要的一部分。云模式的发展经历了一维、二维到三维的转变[4-6]，云微物理参数化方案也从单参数方案发展到双参数方案，对于微物理过程的描述更加精细。近年来，国内利用数值模式及其中的微物理参数化方案来研究气溶胶对云和降水影响的成果已有很多。新一代中尺度模式WRF的出现，使得人们对于气溶胶对云和降水影响的研究更加深入。有研究表明，气溶胶粒子的增加抑制了暖云降水过程，冷云降水增强[7-10]。但在不同天气条件和地理环境中，其影响程度和影响机理也不同，需要进行大量研究。长三角地区夏季是我国典型的梅雨期，而该地区城市化进程迅速、工业发达，引起环境大气气溶胶特征发生显著变化，导致暴雨过程的影响因素更加复杂，因此日益受到关注[11]。笔者选用比较成熟的WDM6双参数微物理方案(体积水法)，通过修改方案中的初始CCN浓度来进行对比试验，研究CCN浓度对于梅雨降水过程的影响。

1资料与方法

1.1降水实况实况降水资料用的是中国逐小时地面和CMORPH融合降水资料。经过验证[12]，融合资料在降水量较大季节或地区与地面观测资料相对误差较小，且所形成的降水分布比单用地面观测资料更为合理。2012年7月2～3日江淮地区降水受副热带高压和东北冷涡共同影响(图1)，是一次持续性的暴雨过程。7月2日08：00～5日08：00江苏和安徽大部分地区均受到暴雨影响，其中降水强度中心位于江苏西北与安徽交界处的泗洪与泗县。模拟第1阶段7月2日08:00～3日04:00的降水过程(图2)发现，20 h最大累计降水>80 mm。

图1　2012年7月2日08：00 500 hPa高度场和风场Fig.1　500 hPa height field and wind field at 08:00 on July 2nd, 2012

图2　2012年7月2日08：00~3日04：00累计降水量(单位：mm)Fig.2　 Accumulated precipitation from July 2nd 08:00 to July 3rd 04:00 in 2012

此次降水过程是在非常有利的大尺度环流背景下产生的，500 hPa东亚中高纬环流为两槽一脊型。高压脊线从贝加尔湖一直延伸至河套地区，两槽分别位于巴尔喀什湖附近和我国东北地区。副热带高压比较稳定，从日本南部海域一直延伸至我国东南沿海地区，副高脊线位置稳定在25°N附近。东北地区的槽一直向南延伸，其后部的冷空气从贝加尔湖区域源源不断地向南输送，到达江淮流域与副高北部的西南暖湿气流相交汇，从而在江淮流域形成梅雨锋，产生较强的降水过程。

1.2数值模拟方案设计

1.2.1试验设计。采用非静力中尺度模式WRF(3.6版本)进行数值模拟试验。试验初始场资料采用的是6 h间隔的NECP(1°×1°)再分析资料。选取2012年7月1日20：00作为模式启动时间，积分时间为36 h，考虑到模式调整所带来的误差，去掉前12 h的模拟结果，仅分析13~36 h的结果。采用Lambert地图投影。模式采用三重区域双向嵌套，网格分辨率分别为30、10、3.33 km，网格格点数分别为154×100、214×148、289×211，垂直分层29层。模式选用的云微物理方案为WDM6双参数微物理方案，最内层关闭积云对流方案，外围两层选用BMJ方案，辐射方案采用RRTM和Dudhia方案，近地面层方案用Monin-Obukhov方案，陆面过程方案选用Noah方案，边界层方案选用YSU方案。

1.2.2云微物理方案简介。WDM6双参数微物理方案是WSM6单参数微物理方案的改进版本，由Lin等[13]提出。该方案引入了双参数暖云降水微物理方案，冰相微物理方案则与WSM6单参数方案基本相同。WDM6 方案不仅可对云水、雨水、云冰、雪和霰5种水凝物混合比进行预报，还可对云凝结核、云滴和雨滴数浓度进行预报。

2结果与分析

图3　控制试验(a)和敏感性试验(b)模拟的2012年7月2日08：00~3日04：00累积降水(单位：mm)Fig.3　Accumulated precipitation from July 2nd 08:00 to July 3rd 04:00 in 2012 simulated by control test(a) and sensitive test(b)

2.1降水量分析整体上来看(图3)，不同初始CCN浓度降水范围和强度差异不明显，两者的强降水中心位置比较一致，敏感性试验强降水范围略大于控制试验；但控制试验和敏感性试验的24 h累积区域平均降水量分别为30.30和30.93 mm，增加初始CCN浓度后区域平均累积降水量增加了2.1%。图4a显示，控制试验模拟的降水主要集中在7月2日08：00~18：00，最大可达3.5 mm/h，2个试验的差异不明显，敏感性试验略大于控制试验。为了进一步分析云凝结核的增加对降水量的影响，在此选取区域A(图3)这个降雨量比较集中的区域作为重点分析区域。区域A的控制试验和敏感性试验的20 h累积区域平均降水量分别为74.45和78.99 mm，敏感性试验增加了6.1%。2个试验区域A逐小时降水量对比(图4b)发现，A区域在7月2日08：00~15：00为强降水阶段，15：00以后降水明显减弱。为了能够更清楚地看出2组试验降水量的差异，计算2组试验的逐小时降水量差值(图4c)发现，在强降水阶段前2 h，控制试验降水量明显大于敏感性试验，两者差异达1.1 mm，控制试验比敏感性试验多10.5%；而到了强降水后期，情况相反，高浓度CCN引起降水量的增加，11：00两者差异达0.82 mm，15：00以后的弱降水阶段，敏感性试验降水量明显大于控制试验。通过对降水量分析发现，当云凝结核浓度增加以后，整个区域降水整体上是增加的，但高浓度CCN促使降水过程在前期受到抑制，而在降水过程后期CCN浓度的增加反而促进了降水，使得降水量增加。

2.2微物理分析

2.2.1强降水阶段微物理机制分析。为了进一步分析云凝结核对降水的影响，研究降水量最大值所在区域A的2个试验云中水凝物的垂直分布的差异是必要的。在此选取2日09：00和11：00 2个强降水阶段差异比较大的时刻的模拟结果进行对比分析。

从7月2日09：00 2组试验中区域A云中各水凝物的平均垂直廓线(图5)可以看出，除了云水的混合比，敏感性试验中的雨水和雪晶、霰2种固态水凝物的混合比均小于控制试验；2组试验的云水混合比均出现2个峰值，分别在800和600 hPa，敏感性试验达0.12 g/kg，控制试验分别小了0.13和0.03 g/kg；而2组试验的雨水含量均比较高，雨水从底层一直延伸至400 hPa，且均在650 hPa达最大值，分别为0.54和0.59 g/kg，敏感性试验比控制试验少7%。随着CCN的增加，云滴增多，云水向雨水的自动转换效率降低，导致敏感性试验的雨水混合比减小，在降水前期抑制了暖云降雨，使得地面降水量减少。

冰相粒子在2组试验中均发展旺盛，其中雪晶和霰占主导地位；相比之下，冰晶的混合比很低，可以忽略不计。2种冰相粒子的混合比均是控制试验大于敏感性试验，其中，雪晶粒子从600 hPa一直延伸至最顶层，且2组试验均在250 hPa达最大值，控制试验比敏感性试验大0.07 g/kg左右，而雪晶的含量只有雨水一半左右。霰粒子是混合比最大的降水粒子，500~300 hPa霰粒子一直保持一个很大的值，其混合比在500 hPa甚至达0.90 g/kg左右，冷云发展也旺盛。控制试验的霰粒子混合比从550 hPa开始明显大于敏感性试验，一直到250 hPa，控制试验比敏感性试验多0.10 g/kg左右。根据Khain等的研究[15]，CCN浓度的大小会影响发展旺盛的对流云中冰相粒子的生成效率。当CCN浓度增加时云滴向上冻结成为冰相粒子所需的温度降低，从而削弱了冰相粒子生成的效率，这是降水前期敏感性试验中的冰相粒子相对较少的原因，从图5也可以看出，在550 hPa以上敏感性试验的过冷云滴高于控制试验。以上是导致敏感性试验的冰相粒子在09：00小于控制试验的原因。

注:a.整个模拟区域内逐小时降水量；b.区域A中逐小时降水量；c.区域A中2组试验逐小时降水量之差。Note: a.Hourly rainfall in whole simulated region; b.Hourly rainfall in A region; c.Differences of hourly precipitation in two groups of test in A region.图4　2组试验模拟的2012年7月2日08：00~3日04：00降水量Fig.4　Precipitation from July 2nd 08:00 to July 3rd 04:00 in 2012 simulated by two groups of test

图5　 2012年7月2日09:00区域A中各水凝物混合比的平均垂直廓线Fig.5　The average vertical profile of hydrometeor mixing ratio in A region at 09:00 on July 2nd 2012

注：a1、b1为上升速度；a2、b2为潜热加热。Note: a1,b1.Ascending velocity; a2,b2.Latent heating.图6　2012年7月2日09：00(a)和11:00(b)区域A中上升速度和潜热加热的平均垂直廓线Fig.6　The average vertical profile of ascending velocityand latent heating in A region at 09:00(a) and 11:00(b) on July 2nd 2012

图7　2012年7月2日11：00区域A中各水凝物混合比的平均垂直廓线Fig.7　The average vertical profile of hydrometeor mixing ratio in A region at 11:00 on July 2nd 2012

图8　2012年7月2日15：00~3日04：00区域A中各水凝物混合比的平均垂直廓线Fig.8　The average vertical profile of hydrometeor mixing ratio in A region from 15:00 July 2nd to 04:00 July 3rd 2012

图9　2012年7月2日15：00~3日04：00区域A中上升速度(a)和潜热加热(b)的平均垂直廓线Fig.9　The average vertical profile of ascending velocity(a)and latent heating(b) in A region from 15:00 July 2nd to 04:00 July 3rd 2012

在强降水过程中，对流运动中水汽向云水的转化会释放大量潜热，进一步促进对流运动发展。比较控制试验和敏感性试验中区域A上空的垂直速度、微物理潜热加热项(图6a)发现，控制试验的垂直上升速度始终略大于敏感性试验，由于该时刻控制试验产生的冰相粒子更多，相对应的凝结释放的潜热也更多，使得控制试验的垂直速度更大，尤其是500 hPa以上的高层更为明显。由7月2日11：00 2组试验中区域A云中各水凝物的平均垂直廓线(图7)可见，与09：00相比，各水凝物均相应增加，其中霰粒子增长最快，冷云降水加强；而敏感性试验中的云水、雪晶和霰均大于控制试验，这是与09：00完全相反的；敏感性试验云水混合比在500 hPa以上均大于控制试验，而在低层控制试验略大于敏感性试验，0 ℃层以上的过冷云水较多是敏感性试验冰相粒子多于控制试验的原因。雨水混合比从低层一直延伸至450 hPa，敏感性试验始终大于控制试验，在650 hPa 2组试验雨水混合比的峰值差距也达最大，相差0.15 g/kg。相较于09：00，敏感性试验的冰相粒子增长的速度很快，使得其混合比在11：00超过了控制试验冰相粒子的混合比。雪晶从600 hPa一直延伸至云顶，其混合比在300 hPa达最大值，600~300 hPa敏感性试验始终大于控制试验。霰粒子在11：00得到了极大的发展，2组试验的差距不是很明显，但在500 hPa最大值处，敏感性试验明显大于控制试验。由图6b可见，从700 hPa开始向上敏感性试验中的雨水和冰相粒子相对更快的增长释放更多潜热，600~300 hPa 2组试验的差距尤为明显，敏感性试验的微物理潜热加热比控制试验大2 K/h左右，与之相对应，垂直上升速度也具有相似的分布，600 hPa以上的高度差距明显大于控制试验。2.2.2弱降水阶段微物理机制分析。从7月2日15：00~3日04：00 2组试验区域A云中各水凝物的平均垂直廓线(图8)可看出，与强降水阶段相比，各水凝物的混合比均相应减少，尤其是雨水和霰比之前小了一个量级，与强降水后一阶段相似，这一阶段各水凝物的混合比均是敏感性试验明显大于控制试验。该时段2组试验的云水混合比均呈现与之前相似的“两层”分布，分别在600和700 hPa高度出现峰值，敏感性试验始终大于控制试验，尤其在850~500 hPa 2组试验相差0.01 g/kg以上；而雨水混合比的分布也是敏感性试验始终大于控制试验，两者的峰值在600 hPa左右均达0.25 g/kg左右，而到达地面的雨水只有峰值的1/4左右。该阶段冰相粒子的混合比在减小，雪晶的整体高度在该时段比强降水阶段低，霰粒子在450 hPa以上也有明显的减少，整个云系均在逐渐减弱。敏感性试验2种粒子的混合比均大于控制试验，其中敏感性试验的雪晶混合比平均比控制试验多9.3%，霰粒子多31.2%。弱降水阶段敏感性试验的冷云过程强于敏感性试验，造成这种情况的原因是强降水阶段前期大量云水滞留在空中，促进了雪晶和霰粒子的凝结和碰并增长，经过强降水阶段后敏感性试验仍然有相对较多的冰相粒子生成，加强了弱降水阶段该组试验的降水。垂直运动方面(图9)，在700 hPa以上为上升运动，2组试验分布相似，但敏感性试验的强度大于控制试验，差距在高层比较明显。由于敏感性试验的冰相粒子在高层仍能维持相对控制试验较多的增长，凝结释放更多的潜热，加强了上升运动。而从700 hPa开始向下，垂直速度逐渐由正变负，即垂直下沉运动。由于敏感性试验高空具有更多的冰相粒子，其在下落过程中融化吸热，而低层敏感性试验也有相对较多的雨水，雨滴蒸发吸收了部分能量，最终使得敏感性试验在低层的下沉运动强于控制试验。

3结论

该研究运用WRF模式，采用WDM6云微物理方案，在不同的初始CCN浓度背景下，模拟了2012年7月发生在江淮地区的一次梅雨锋过程，分析控制试验和敏感性试验中初始CCN浓度变化对降水的影响，着重分析其云微物理过程的差异。结果表明，CCN浓度的增加对此次降水过程的降水分布影响不是很大，但降水中心强度增强，中心区域总降水量增加6.1%，整个区域的降水整体上也是增加的。此次降水可以分为强降水阶段和弱降水阶段，在强降水阶段前期，高浓度的CCN使得云滴向雨滴的转化过程受到抑制，同时也降低了冰相粒子生成的效率，使前期降水减少，降水延后；而大量云滴留在云中，通过向上运动至0 ℃层以上，凝结成固态水凝物，冷云得到加强，造成强降水阶段后期和弱降水阶段的降水增强。

该研究只是初步分析了CCN浓度对一次梅雨降水过程的影响，结论有一定的局限性。为了得到更加普遍的规律，还需要对更多个例进行系统的模拟分析。

参考文献

[1] ROSENFELD D,LOHMANN U,RAGA G B，et al.Flood or drought:How do aerosols affect precipitation[J].Science,2008, 321(5894):2250-2253.

[2] KHAIN A,ROSENFELD D,POKROVSKY A.Aerosol impact on the dynamics and microphysics of deep convective clouds[J].Q J R Meteorol Soc,2006,131(611):2639-2663.

[3] LIN J C, MATSUI T, PIELKE Sr R A, et al.Effects of biomass-burning-derived aerosols on precipitation and clouds in the Amazon Basin: A satellite-based empirical study[J].J Geophys Res, 2006, 111: 19204.

[4] WISNER C E, OVILLE H D, MYERS C.A numerical model of a hail bearing cloud[J].J Atmos Sci, 1972,29(6):1160-1181.

[5] KLEMP J B, WILHELMSON R B.The simulation of three-dimensional convective storm dynamics[J].J Atmos Sci,1978,35(6):1070-1096.

[6] 方虹,覃军,李盾.利用三维云模式对一次强暴雨微物理过程的数值模拟[J].华中师范大学学报(自然科学版),2003,37(1):115-122.

[7] 杨正卿,银燕,刘聪,等.云滴数浓度影响混合型层状云降水的数值模拟[J].大气科学学报,2012(3):350-363.

[8] 岳治国,刘晓东,梁谷.气溶胶对北京地区不同类型云降水影响的数值模拟[J].高原气象,2011(5):1356-1367.

[9] 肖辉,银燕.污染气溶胶对山西一次降水过程影响的数值模拟[J].大气科学,2011(2):235-246.

[10] 董昊,徐海明,罗亚丽.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[J].大气科学,2012(1):145-169.

[11] 车浩驰.临安大气气溶胶云凝结核活化特征及泰山PM10化学成分的研究[D].北京：中国气象科学研究院,2014：25-41.

[12] 沈艳,潘旸,宇婧婧,等.中国区域小时降水量融合产品的质量评估[J].大气科学学报,2013，36(1):37-46.

[13] LIN K S 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].Mon Wea Rev,2010,138:1587-1612.

[14] TWOMEY S.The nuclei of natural cloud formation part II: The supersaturation in natural clouds and the variation of cloud droplet concentration[J].Geofisica Purae Applicata,1959,43:243-249.

[15] KHAIN A,ROSENFELD D, POKROVSKY A.Simulating convectiveclouds with sustained supercooled liquid water down to -37.5℃ using a spectral microphysics model[J].Geophys Res Lett, 2001,28 (20):3887-3890.

A Numerical Study on Influence of Cloud Condensation Nuclei on a Meiyu Front Rainfall Event

LU Xiang, WANG Chun-ming, CHEN Hao-wei (Institute of Meteorology and Oceanography, PLA University of Science and Technology, Nanjing, Jiangsu 211101)

AbstractBy using the WDM6 two-moment microphysics scheme of WRF v3.6 (Weather Research & Forecasting version 3.6), the continuous Meiyu front rainfall event during July 2-3 in 2012 in Jianghuai Region was simulated.The surface accumulated precipitations and the cloud microphysics processes under different initial CCN concentration were analyzed.The results showed that the initial CCN concentration to some extent impacts on the processes of precipitation, thus further influences the amount of precipitation.When increasing background CCN concentration, in earlier stage of precipitations the radius of cloud droplet and its conversion efficiency decrease, inhibiting the precipitations from warm clouds, while in the later stage the processes of cold clouds are enhanced, forming a large number of ice particles and thus leading to the increasing rainfalls.

Key wordsCloud condensation nuclei(CCN); Microphysics scheme; Meiyu front; Precipitation; Numerical simulation

收稿日期2015-12-16

作者简介鹿翔(1990- )，男，江苏镇江人，硕士研究生，研究方向：云降水物理及数值模拟。

中图分类号S 161.6

文献标识码A

文章编号0517-6611(2016)02-219-05