雨滴和霰谱形参数对江淮地区强降水影响的数值研究

刘晓莉 王琼

摘要利用中尺度数值模式WRFV34，对发生在江淮地区梅雨期一次强降水天气过程进行了数值模拟，并针对雨滴和霰粒的谱形参数不同取值做了敏感性试验，分析了谱形参数对降水量、水凝物比含水量、数浓度和粒径分布以及雨滴和霰的源汇项等的影响。结果表明，雨滴和霰谱形参数的变化会影响雨水和霰粒的比含水量和数浓度分布，因为这两个参数的变化会影响雨水和霰的相关微物理过程。当雨滴谱形参数增大时，雨水蒸发量先增大后减小，霰与云水的碰撞也减小；当霰谱形参数增大时，主要使霰融化成雨水的量减少，因此导致降水分布以及降水量级的差异。

关键词谱形参数；WRF模式；雨滴；霰；数值研究

云在大气水循环和能量平衡中起着重要作用。云影响了大气的长波和短波辐射，是水汽与降水之间的转换媒介，云中释放的潜热也是大气热量的重要组成部分。云中粒子按相态、形状和形成的物理过程可分为云水、雨水、云冰、雪晶、霰和雹。雨滴谱观测是云和降水物理学的重要项目之一，它反映了云中成雨过程及云动力学和微物理学之间的相互制约。而霰粒子大量存在于降水云中，对云的发展和降水起到了主要作用。霰粒子谱不像雨滴谱那样易观测，但是其演变对云中微物理过程的影响却不容忽视（丁伟和刘晓莉，2015）。

在中尺度模式中，云微物理方案直接预报各种云物理变量以反映其发展演变。因此能否准确地描述微物理过程，很大程度上依赖于云的微物理方案。目前，中尺度数值模式对云中微物理过程的描述多采用谱分布参数化方法：认为云粒子的质量浓度和数浓度是随粒径分布的一个函数，函数的形式可以是MarshallPalmer分布（简称MP分布；Marshall and Palmer，1948），Gamma分布（Ulbrich，1981）或者对数正态分布（Feingold and Levin，1986）等。參数化方案只考察这些分布谱型中谱参数的变化，预报量较少，计算效率高，又能体现出粒子谱的演变及转化特征（刘晓莉和牛生杰，2009）。

相比于MP分布，Gamma分布具有普适性，不仅能反映层状云雨滴谱分布，更是积雨云和积层混合云雨滴谱较为理想的表达式（陈宝君等，1998；李艳伟等，2006），在云物理参数化方案也使用较多。Gamma分布表达式为：

N（D）=N0Dαexp（-λD）。 （1）

其中：N（D）表示粒子的数密度分布函数；D是粒子直径；N0和λ分别是浓度和尺度参数；α是谱形参数，当α=0时，即为M-P指数分布。在单参数化方案中，通常固定N0和α的值，λ的值由云粒子比含水量确定，谱型的演变仅由λ来确定。这种方案计算量小，由于只考虑一个参数的变化，模式中描述的粒子谱与自然界的真实粒子谱会有较大误差。Waldvogel（1974）发现在对流个例中，N0的值可以变化两个量级。Srivastava（1978）和Ferrier et al.（1996）发现在含水量大于1 g/m3的对流个例中，λ趋向于一个常数，但是N0随着含水量变化。Gilmore et al.（2004）认为霰粒子谱分布的截距和斜率变化非常大，将截距固定为常数在很大程度上歪曲了真正的物理过程。双参数化方案是通过谱参数N0和λ的变化来反映粒子谱演变，N0和λ可由比质量和比浓度方程联立求解得出。对于谱型参数α，一般取为固定值。研究表明，相对于单参方案，双参方案可以得到更复杂的粒子谱分布函数，可以提高中尺度模式中对云物理过程的模拟效果，尤其可提高降水的预报效果（Morrison et al.，2009；Lim and Hong，2010）。

尽管双参数化方案可以得到较好的模拟结果，但是很多数值试验结果表明，模拟云的结构和强度对α值的选取很敏感，不适当的α值所造成的误差甚至会超过分布函数本身的差异（Milbrandt and Yau，2006）。Uijlenhoet and Steiner（2003）发现用Gamma谱来拟合飑线雨滴谱时，α值可从层状云降水的211变化到对流性降水566。Meyers et al.（1997）对一次对流性降雨的二维理想化数值模拟分析发现，当α从0变化到2时，地面最大降水能增大3倍以上。陶玥和洪延超（2007）利用三维冰雹云催化数值模式，做了雹云中粒子谱参数变化的敏感性试验，结果表明，雨滴谱形状参数变化对与雨滴有关的物理过程有直接影响，霰谱对地面降雹以及云中所有微物理过程影响较大，冰晶谱对降水量的影响较小。赵震和雷恒池（2008）利用MM5模式模拟了西北地区的一次层状云降水过程，针对雨滴谱的谱型参数α不同取值分别做了试验，结果表明谱形参数变化时模拟出的地面降水和云的宏微观特征有差异。陈磊等（2013）研究两次梅雨锋暴雨过程的雨滴谱，发现谱型参数α和斜率参数λ之间存在较好的二项式函数关系。

因此，用数值模式的方法研究云和降水过程中必须要考虑谱形参数的影响。雨滴谱虽然容易观测，但是霰粒子存在于云中，不易观测。但是霰粒子又是一种重要的降水粒子，经研究发现青海省秋季的对流云降水几乎全部是由霰的融化形成的（李艳伟等，2006）。之前许多人研究谱形参数的影响，只是改变一种粒子的谱形参数。但是云中各种粒子相互影响，分别对降水产生了不同作用，其中霰和雨水在多数降水中起了重要作用。本文利用WRF中尺度数值模式模拟2015年江淮地区的一次暴雨过程，修改模式中雨滴和霰粒子的谱形参数，同时让两者变化，做了一系列敏感性试验，分析了模拟试验的降水、比含水量和数浓度分布以及雨滴和霰的源汇项，既可以分析雨滴霰谱形参数单一变化时对模拟结果的影响，又可以比较两者同时变化，相互作用相互影响对模拟结果造成的影响。

1天气过程与环流背景

11天气过程

2015年6月16—17日，安徽西南部、江苏东南部、上海等地区发生一次暴雨天气，并伴有短时强降水（最大雨强50～70 mm/h），局地有雷暴大风等强对流天气。根据17日08时（北京时间）24 h的Micaps降水资料，雨带在苏皖地区呈东西走向，主要分布在安徽和江苏南部及上海北部地区，超过30个站点的24 h降水量达100 mm以上，达到大暴雨量级，其中江苏浦口184 mm，太仓、昆山180 mm。此次降水从16日08时开始，主要强降水时段在16日傍晚到17日凌晨。16日18—19时，南京许多站点1 h降雨普遍超过20 mm，最大的玄武湖自动观测站达到622 mm。

12天气形势分析

图1a和1b是6月16日08时和20时（北京时间）500 hPa高度场、温度场及风场。08时中高纬地区维持着两槽一脊形势。西西伯利亚受低压槽控制，高压脊在贝加尔湖附近，我国东部地区受弱低涡控制。副高西脊点位于华南中部，且在孟加拉湾一带有一稳定低压槽存在，使得长江中下游地区盛行西南风，与西北方来的偏西气流之间构成一范围宽广的气流汇合区，有利于锋生并带来充沛的水汽。在中纬度地区，115°E西风带上有一小槽，且温度槽落后于高度槽，未来会继续发展东移。到20时（图1b），副高西脊点继续向西移动，中纬度小槽已经移至110°E附近，由“上下游效应”，下游长三角地区环流形势将会受到影响。

再看对流层低层，700 hPa（图1c）和850 hPa（图1d）上苏皖中部地区都有切变线存在，700 hPa的略偏北，降水区就位于700 hPa切变线以南。而且降水区处于西南低空急流区内，有利于输送水汽、低层热量。从16日20时的水汽通量散度（图2a）来看，上游湖南—江西一线有一水汽通量最大值中心，同时苏皖地区是负的水汽通量散度区，强烈的西南引导气流源源不断地向暴雨区输送水汽。到17日08时（图2b），上游的水汽通量大值中心范围减小，而在苏皖地区水汽通量也达到区域最大值，说明上游的水汽已经输送到了暴雨区。而且从水汽通量散度来看，最大值中心已经移到了上海、浙江北部地区，说明降水区域正在向东移动。

2资料选取和模拟方案

本文采用WRFV34模式，使用NCEP/NCAR FNL再分析资料作为模式背景场，资料水平分辨率为1°×1°，时间分辨率为6 h。降水数据采用的是全国自动站观测降水量和CMORPH衛星的融合实时产品，空间分辨率为01°×01°，时间分辨率为1 h。

模拟时间为2015年6月16日00时—17日06时（世界时，下同），共30 h。模式采用双层嵌套，水平分辨率分别为9 km（250×200）、3 km（421×286），模拟区域见图3。地形数据为为美国地质勘探局（USGS）的全球5 m、2 m地形数据，时间步长为45 s；垂直方向分为27层。

模式方案设计：微物理过程采用MilbrandtYau方案（下称MY）；RRTM长波辐射方案；Dudhia短波辐射方案；MoninObukhov近地面层方案；Noah陆面过程方案；YSU边界层方案；积云对流参数化方案粗网格采用KainFritsch方案，细网格未采用。

MY双参方案是Milbrandt and Yau（2005）在2005年建立的一个全新的微物理显示方案，于2010年被引入WRFV32版本中。该方案包含了水汽、云水、雨水、冰晶、雪、霰和雹，对所有水凝物粒子采用双参数方法预报，预报变量包括云水、雨水、冰晶、雪、霰和雹的混合比和数浓度，以及水汽混合比。该方案较为全面地考虑了各类云物理过程，描述和处理方式精细而复杂，包括了核化、自动转化、碰并和繁生、冻结和融化、凝华（升华）、凝结（蒸发）以及沉降等云物理过程。在MY方案中，粒子谱采用Gamma分布，N0和λ来自预报得到的粒子数浓度N和混合比q，计算公式如下：

N0=N1Γ（1+α）λ1+α。 （2）

λ=Γ（1+d+α）Γ（1+α）cNρq1/d。 （3）

其中：Γ为Gamma函数；ρ为粒子密度；参数c、d与粒子直径与质量的经验公式m=cDd相同；在MY方案中，水凝物粒子谱形参数的初始值除了云水为1外，其余都设为0。

3模拟结果

图4a是CMORPH融合产品16日00时—17日06时30 h的累积降水。16日06时，降水从南京进入江苏，并大致沿着长江向下游移动，在无锡和上海宝山地区形成两个降水中心，降水量级达到180 mm以上，整个雨带大致呈西北—东南走向分布。图4b是模式模拟的内层区域30 h累积降水，雨带的大致分布及量级与实况吻合，也模拟出了两个降水中心。但是降水较实况更偏东—西走向，雨带在东部地区北抬，导致两个降水中心都略偏东北，与实况降水中心相差约03个经度和纬度，且140 mm以上的降水范围较狭窄。但是从模拟结果整体来看，降水的主要分布与实况大致吻合，较好地模拟了降水的大致落区、强降水中心和降水量级。

图5a是6月16日18时模拟的低层水平风场和最大垂直上升速度分布，图5b是水汽混合比和水汽通量散度，此时是降水最强的时刻。西南气流很强，约20 m/s，带来了充沛的水汽。从水汽通量散度的负值中心可发现水汽在苏南地区辐合，而且此时比湿达到了14 g/kg以上，为此次暴雨提供了丰富的水汽条件。从图5a可发现，西南气流与偏西气流交汇处的整层最大上升速度达到最大值，中心超过了6 m/s，且从其他时刻也发现西南气流一直持续不断，与偏西气流汇合，为暴雨的发生提供了持续强烈的上升运动。因此从暴雨的形成原因来看，本次模拟也是较为成功的，可以据此追溯暴雨的水汽来源、抬升条件等。

4敏感性试验

在冰晶、雪晶、云滴和雹的谱形状参数不变的条件下，改变雨滴和霰的谱形参数的值，进行数值试验来研究云中云滴和霰谱形参数对模拟结果的影响，两者都不随高度变化。雨滴谱形参数取值：i=0、1、2时，霰谱形参数取值：j=0、1、3、5，共12组试验，分别命名为rigj，例如：r1g2表示雨滴谱形参数αr取1时，霰谱形参数αg取2，下同。模拟试验均取内层区域数据进行分析。

41对降水的影响

图6给出了12个试验所得到的30 h模拟累积降水。由图可见，不同雨滴和霰谱形参数模拟的降水范围和雨带走向基本一致，但是模拟的雨带形状、内部结构和降水量存在差异。对比江苏南部降水中心的累积降水最大值可发现，当雨滴谱形参数取1的时候，降水比其他两组多；当霰谱形参数取1的时候，降水也较多。其中降水最多的是试验r1g1，最少的是r2g5。其次，当霰谱形参数增大的时候，雨带分布更偏南，这与图4a相比，更符合实况。

这次降水主要时段为17日凌晨，因此分别选取在这段时间内各个试验的降水中心，来分析不同试验模拟的结果。表1展示了不同试验的降水中心的累积降水量、雨强最大值以及区域平均累积降水量（118～122°E，314～324°N，）。从中可看出，修改雨滴和霰的谱形参数，其模拟的降水也各有不同。雨滴谱形参数为1的时候，降水中心累积降水较多。而霰谱形参数取0、1的试验比取3、5的试验降水多，降水中心累积降水最多的试验是r1g0，达到了2567 mm，最少的是r2g5，只有1709 mm，后者比前者少了约50%。但是在最大雨强上，最大的是r0g1，达到794 mm/h，最小的是r0g3，其雨滴谱形参数也等于0。在r0gj這组试验中，最大雨强随霰谱形参数变化而有较大差异，而在其他两组试验中，最大雨强随霰谱形参数变化较稳定。从区域平均累积降水来看，最多的是r1gj这组试验，累积降水都在100 mm以上，相对较少的组是r2gj。

图7是区域平均雨强的时间序列，可见所有试验的平均雨强变化基本一致，而且在16日14时之前的雨强大致一样。从14时之后，各个试验的雨强开始出现差异，出现两个降水峰值。16日18时为第一降水峰值，红线一组的雨强较大，即雨滴谱形参数取1的时候，其中最大的是r1g1；在17日00时达到第二个降水峰值，此时各个试验的雨强差异较大，雨滴谱形参数为0或1时，霰谱形参数取5的时候雨强最大。而雨滴谱形参数为2的时候，霰谱形参数取5的时候反而最小，r2g1雨强在这一组试验中较大。

因此，雨滴和霰粒子谱形参数的取值变化对降水有较大影响。当只有雨滴谱形参数变化时，即霰谱形参数为0，雨量和雨强都是先增大后减小的趋势，αr为1时，两者达到最大值。当只有霰谱形参数变化时，雨量和雨强都是先增大后减小再增大，αg为1时，两者也达到最大值。当雨滴和霰谱形参数同时变化时，降水变化规律较复杂，可得出的是r1g1这组试验的雨量和雨强都相对较大，也最符合实况降水。当αr为2时，雨量和雨强都明显减少。最大雨强在r0gj这组试验中随霰谱形参数变化而有较大差异，而在其他两组试验中，最大雨强随霰谱形参数变化较稳定。

42对水凝物分布的影响

为进一步分析不同试验降水中心降水量的差异，找到造成这种差异的原因，研究降水中心不同试验的水凝物垂直分布及物理转化过程很有必要。图8、9分别给出了不同试验降水中心各个水凝物的比含水量和数浓度的垂直分布，16日15时—17日01时这段时间是一个单体向东移动发展的过程，降水较强，因此取这段时间的平均，用来分析降水中心的水凝物分布的差异。

从图8中可见，降水中心水凝物的垂直分布规律一致，高层主要是冰晶，中层为雪晶、霰和云水，低层是云水和雨水。其中霰粒子是主要组成部分，其

在各个试验的分布差异最大。当雨滴谱形参数取0的时候，r0g1试验中霰的比含水量最大，其次是r0g0、r0g5、r0g3。雨滴谱形参数为1的4个试验中，霰的比含水量随着霰谱形参数的变化基本保持不变。而当雨滴谱形参数取2时，霰的比含水量随着霰谱形参数的增大而减小。当霰谱形参数不变时，如分别取0、1、3、5，雨滴谱形参数取值为1时的霰比含水量总是最大，除了r0g1比r1g1略大。说明霰谱形参数对霰的影响是随着雨滴谱形参数变化而异的。但是可以发现，霰谱形参数为1的时候，霰的比含水量都是较大的。其次差异较大的是雨水的分布，最大的是r1g0，最小的是r2g5。雨水的比含水量决定了降水量，对照表1，降水最多的也是r1g0，降水最少的是r2g5。由图8可见，雨水比含水量与雨滴的谱形参数有更大关系。当雨滴谱形参数等于1，其比含水量最大，其次是r0、r2。而他与霰谱形参数也是相关的，当雨滴谱形参数不变时，雨水比含水量随着霰谱形参数的增大而减小。而云中其他粒子，云水、雪晶和冰晶在不同试验中也略有差别，那是由于云中微物理过程的复杂，粒子之间存在相互作用。云水、雪晶和冰晶的比含水量也受雨滴和霰谱形参数的影响，但是不同于雨水和霰是直接受影响，因此差异很小。

由上可知，雨滴和霰谱形参数变化时，对云中粒子比含水量影响较大的是雨水和霰。当αr取1时，霰比含水量都较大，而αr取2时，霰比含水量大幅减少；而当霰谱形参数增大时，霰比含水量相应地减少。而对雨水比含水量更有影响的是雨滴谱形参数，其中αr为1最大，其次是0、2；随着霰谱形参数的增大，雨水比含水量也会减少。

图9给出了不同试验云中水凝物数浓度的垂直分布，由于雪晶、冰晶、云水的数浓度与雨水和霰相差几个量级，因此分别对其缩小10、104、105倍。图10是降水中心霰平均直径的垂直分布。首先从数浓度上看，显而易见的是，雨滴数浓度随着雨滴谱形参数的增大而减小，尤其是在零度层附近，且对比雨水的比含水量发现r1gj>r0gj>r2gj，可以得到当雨滴谱形参数从0增大到1时，单个雨滴直径是增大的结论；从雨滴平均直径的垂直分布（图略）也可以验证这点。当雨滴谱形参数为0和1的时候，雨滴直径由高空向地面逐渐增大，且αg为1的时候，雨滴直径更大，而当αg为2时，在高空雨滴直径与前两组相比相对较大，在零度层以上增长趋势很大，零度层以下缓慢增长。其次霰的数浓度也随着雨滴谱形参数的增大而减小，因为霰可通过与雨滴转化生成，当雨滴数浓度受到影响时，霰的数浓度也受到影响。由图10霰的平均直径垂直分布来看，随着雨滴谱形参数的增大，霰在高空的平均直径减小，而在低层分布了较大的霰粒子，说明较大的霰粒子下落到更低层。

而当雨滴谱形参数不变时，霰谱形参数增大，霰的数浓度有略减小的趋势。当霰谱形参数为0时，霰粒子平均直径向下增长较缓慢，当其为1、3、5时，霰粒子平均直径向下迅速增长，但最大值都不超过霰谱形参数为0时，据此也可得到上述结论，即较大的霰粒子在低层分布。而粒子的大小又与粒子下落速度、蒸发等过程相关，这些又最终反映到降水的差异上。

由上可知，雨滴和霰的数浓度都随着雨滴谱形参数的增大而减小，当雨滴谱形参数从0增大到1时，单个雨滴直径是增大的；而霰谱形参数增大时，两种粒子数浓度也略有减小。随着雨滴谱形参数的增大，霰在高空的平均直径减小，而在低层分布了较大的霰粒子。

43对雨和霰的源汇项的影响

为了分析雨滴和霰的谱形参数变化对降水形成机制的影响，需要分析云中粒子的源汇项输出。图11给出了降水中心雨水的源汇项的垂直分布，同上文，取其时间平均。雨水的来源有MLGR（霰的融化）、RCACCR（雨水收集云水）、MLSR（雪的融化），其他源项由于对雨水产生的贡献太小而忽略。这3项中起主要作用的是MLGR，其受雨滴和霰谱形参数变化的影響也较大。霰谱形参数增大时，霰的融化量减小，因此造成雨水的比含水量随着霰谱形参数增大而减小。而当霰谱形参数不为0时，即粒子谱服从Gamma分布条件，MLGR随着雨滴谱形参数的增大而减小，说明该项不仅受霰谱形参数的影响，也受到雨滴谱形参数的影响。

雨水的汇项有与冰晶碰撞形成冰晶（CLIR）、霰与雨水碰并增长（CLRG）及雨水的蒸发（REVP）。雨水的蒸发在αr为0时整层较均一；当αr等于1时低层2 km以下雨水蒸发增多；而当αr等于2时，除了αg等于1时有比较明显的蒸发，其余3个试验的蒸发都很少。这其中原因可能是雨滴谱形参数增大，雨滴直径增大。而雨滴蒸发又与雨滴表面积相关，当雨滴直径较大时，表面积也较大，导致蒸发也较多。而当αr等于2时雨滴蒸发反而减少，一方面可能是这组试验的雨水比含水量本身就很少，使得雨水的蒸发量也减少；另一方面可能是当雨滴很大时，其下落速度也增大，因此大雨滴很快下落到地面，来不及蒸发（Kovacˇevic' et al.，2015）。CLRG将在下文霰的源汇项做详细介绍。

霰的源汇项的垂直分布（图略）表明，霰的主要源项有CLGRG（雨水与霰碰撞形成霰）、CLIRG（雨水与冰晶碰撞形成霰）、CLCG（霰与云水碰并增长）。主要汇项有CLGR（霰与雨水碰撞形成雨水）、CNGH（霰转换成冰雹）、MLGR（霰的融化）。霰粒子收支中，霰对云滴的碰冻收集（CLCG）是霰粒子的主要源项，霰的融化是主要消耗项。而霰和雨滴碰撞转化成霰的过程（CLGRG）是CLGR和CLRG这两个过程的相加，因此（CLGRGCLGR）是由霰和雨滴之间的碰撞和合并造成霰的净增长，相当于雨水的汇项（CLRG）。这两项的值随着雨滴和霰谱形参数的变化还是有差异的。αr等于0、1时，两者的值都较大，说明雨滴和霰在αr为0和1时更容易碰撞，霰的净增长量也较αr取2时多。霰粒子主要来源于霰与云水的碰撞CLCG，当霰和雨滴都服从Gamma分布时，CLCG随着αr增大而减小，而受霰谱形参数变化影响较小。

雨水的主要源项是霰的融化，受雨滴和霰谱形参数的影响也最大。当霰谱形参数增大时，该项减小；而当霰谱形参数不为0时，霰的融化随着雨水谱形参数的增大而减小。雨水的主要汇项是霰与雨滴碰撞和雨水蒸发，其中雨水蒸发在αr为1时，下层蒸发较多；αr为2时，整层蒸发均很少。霰的主要汇项是霰的融化，主要源项是霰与云水碰撞产生霰，当霰和雨滴谱形参数都不为0时，该项随着αr增大而减小，而受霰谱形参数变化影响较小。

5结论

本文采用WRF模式对2015年6月16日江淮地区的一次暴雨过程进行数值模拟，分析模拟得到的累积降水、水汽条件和抬升条件，并修改雨滴和霰粒子的谱形参数做敏感性试验，对不同试验的累积降水、水凝物分布和微物理过程转化项进行了详细的比较分析，主要得到以下结论：

1）此次暴雨过程发生在副高西伸，高空短波槽东移，西南暖湿气流与偏西气流交汇，并配合低空切变线的有利天气形势下，源源不断充足的水汽及持续强烈的抬升条件为此次暴雨发生发展提供了必要条件；WRF模式对于此次江淮地区梅雨期一次暴雨过程有较好的模拟能力，很好地模拟出了降水落区、降水中心和降水量级。

2）对雨滴和霰粒子做谱形参数的敏感性试验，发现雨滴谱和霰粒子谱形参数的取值变化对雨量和雨强都有影响，当只有雨滴谱形参数变化时，雨量和雨强都是随雨滴谱形参数增大呈先增大后减小的趋势；当只有霰谱形参数变化时，雨量和雨强都是随霰谱形参数的增大呈先增大后减小再增大的趋势；当雨滴和霰谱形参数同时变化时，降水变化规律较复杂。

3）雨滴与霰的谱形参数的取值会影响云中各水凝物的分布，尤其是直接影响到雨水和霰粒子的分布。当αr取1时，霰比含水量都较大；当αr取2时，霰比含水量大幅减少。而当霰谱形参数增大时，霰比含水量相应地减少。雨水比含水量与雨滴的谱形参数关系密切。当雨滴谱形参数等于1，其比含水量最大。随着霰谱形参数的增大，雨水比含水量也会减少。

4）分析霰和雨滴的粒径分布发现，当αr增大时，雨滴的平均直径增大。当αg由0变化到1、3、5时，霰在高空的平均直径减小，而在低层分布了较大的霰粒子。而粒子的大小又与粒子下落速度、蒸发等过程相关，这些最终反映到降水的差异上。

5）分析雨水和霰的源汇项发现，雨滴与霰的谱形参数变化时，会影响云中微物理过程，主要是霰的融化、雨滴蒸发、霰和云水的碰撞。当雨滴谱形参数增大时，雨水蒸发量先增大后减小，霰与云水的碰撞也减小。当霰谱形参数增大时，主要使霰融化成雨水的量减少。

综上所述，在数值模式中，霰和雨滴的谱形参数对云和降水的发展的影响较为复杂，而且两者相互影响，对云中各个物理过程共同作用，使得模拟结果有不同效果。

参考文献（References）

陈宝君，李子华，刘吉成，等，1998.三类降水云雨滴谱分布模式[J].气象学报，56（4）：506512.Chen B J，Li Z H，Liu J C，et al.，1998.Model of raindrop size distribution in three types of precipitation[J].Acta Meteorologica Sinica，56（4）：506512.（in Chinese）.

陈磊，陈宝君，杨军，等，20132009—2010年梅雨锋暴雨雨滴谱特征[J].大气科学学报，36（4）：481488.Chen L，Chen B J，Yang J，et al.，2013.Characteristics of raindrop size distribution of rainstorm on Meiyu front during 2009—1010[J].Trans Atmos Sci，36（4）：481488.（in Chinese）.

丁伟，刘晓莉，2015.六种微物理方案对湖北一次强对流过程的数值模拟[J].科学技术与工程，15（15）：716.Ding W，Liu X L，2015.A numerical study with six bulk microphysical schemes of a deep convective system in Hubei Province[J].Science Technology and Engineering，15（15）：716.（in Chinese）.

Feingold G，Levin Z，1986.The lognormal fit to raindrop spectra from frontal convective clouds in Israel[J].J Climate Appl Meteor，25（10）：13461363.

Ferrier B S，Tao W K，Simpson J，1996.A doublemoment multiplephase fourclass bulk ice scheme.Part Ⅱ：simulations of convective storms in different largescale environments and comparisons with other bulk parameterizations[J].J Atmos Sci，52（8）：10011033.

Gilmore M S，Straka J M，Rasmussen E N，2004.Precipitation uncertainty due to variations in precipitation particle parameters within a simple microphysics scheme[J].Mon Wea Rev，132（11）：26102627.

Kovacˇevic'，Nemanja，C'uric'，et al.，2015.Precipitation sensitivity to the mean radius of drop spectra：comparison of singleand doublemoment bulk microphysical schemes[J].Atmosphere，6（4）：451473.

李艷伟，郑国光，杜秉玉，等，2006.青海省秋季一次对流云人工增雨的数值模拟[J].南京气象学院学报，29（3）：328335.Li Y W，Zheng G G，Du B Y，et al.，2006.Numerical simulation of a convective cloud precipitation enhancement in Qinghai in autumn[J].J Nanjing Inst Meteor，29（3）：328335.（in Chinese）.

Lim K S S，Hong S Y，2010.Development of an effective doublemoment cloud microphysics scheme with prognostic cloud condensation nuclei（CCN） for weather and climate models[J].Mon Wea Rev，138（5）：15871612.

刘晓莉，牛生杰，2009.三维对流云中粒子谱演变特征的数值模拟[J].中国科学：地球科学（2）：245256.Liu X L，Niu S J，2009.Numerical simulation of particle spectrum evolution features in threedimensional convective cloud[J].Science China：Earth Sciences（2）：245256.（in Chinese）.

Marshall J S，Palmer W M K，1948.The distribution of raindrops with size[J].J Meteor，5（4）：165166.

Meyers M P，Walko R L，Harrington J Y，et al.，1997.New RAMS cloud microphysics parameterization.Part Ⅱ：the twomoment scheme[J].Atmos Res，45（1）：339.

Milbrandt J A，Yau M K，2005.A multimoment bulk microphysics parameterization.Part Ⅰ：analysis of the role of the spectral shape parameter[J].J Atmos Sci，62（9）：30513064.

Milbrandt J A，Yau M K，2006.A Multimoment bulk microphysics Parameterization.Part Ⅳ：sensitivity experiments[J].J Atmos Sci，63（12）：31373159.

Morrison H，Thompson G，Tatarskii V，2009.Impact of cloud microphysics on the development of trailing stratiform precipitation in a simulated squall line：comparison of oneand twomoment schemes[J].Mon Wea Rev，137（3）：9911007.

Srivastava R C，1978.Parameterization of raindrop size distributions[J].Je Atmos Sci，35（1）：108117.

陶玥，洪延超，2007.云中粒子谱形状因子变化对云及降水影响的数值研究[J].气象学报，65（2）：221230.Tao Y，Hong Y C，2007.Numerical simulation of influence of drop size distribution shape on cloud and precipitation[J].Acta Meteorologica Sinica，65（2）：221230.（in Chinese）.

Uijlenhoet R，Steiner M，Smith J A，2003.Variability of raindrop size distributions in a squall line and implications for radar rainfall estimation[J].J Hydrometeorol，4（1）：4361.

Ulbrich C W，1981.Effect of size distribution variations on precipitation parameters determined by dualmeasurement techniques[C]//Conference on Radar Meteorology，20th，Boston：276281.

Waldvogel A，1974.The N0 jump of raindrop spectra[J].J Atmos Sci，31（4）：10671078.

趙震，雷恒池，2008.双参数云物理方案中谱形参数作用分析和数值模拟试验[J].高原气象，27（1）：135142.Zhao Z，Lei H C，2008.Analysis and numerical simulation of the role of spectral shape parameter for twomoment bulk microphysics scheme[J].Plateau Meteor，27（1）：135142.（in Chinese）.