一次对流过程对气溶胶清除和再生过程的影响

魏少涵,胡 嵘,李顾东泽,唐宪冰,许文慧,陈 倩

一次对流过程对气溶胶清除和再生过程的影响

魏少涵,胡 嵘,李顾东泽,唐宪冰,许文慧,陈 倩*

(南京信息工程大学,中国气象局气溶胶与云降水重点开放实验室,气象灾害预报预警与评估协同创新中心,江苏 南京 210044)

利用中尺度天气预报和研究模式(WRF)对2007年4月23～24日广东省发生的一次飑线过程进行了模拟,研究了水凝物粒子对气溶胶的清除过程、液滴蒸发引起的气溶胶再生过程以及动力输送作用对气溶胶数浓度的影响.结果表明,降水与近地层气溶胶数浓度的变化呈负相关关系.综合对比各水凝物种类的碰撞清除率和核化清除率,发现云滴核化过程对气溶胶的清除率最高,对流层低层雨水和高层雪的碰撞清除率次之.云滴核化和冰晶核化分别是吸湿性核和非吸湿性核的主要清除过程.气溶胶数浓度的变化是动力输送、湿清除过程和蒸发再生共同作用的结果.蒸发再生过程主要作用在地面～10km高度.在对流发展过程中,近地层降水区气溶胶显著减少,飑线发展前沿的非降水区由于动力输送作用出现高污染区.

WRF模式；气溶胶数浓度；湿清除；动力输送

大气气溶胶不仅是形成霾天气的首要污染物[1-2],而且携带有害物质进入呼吸系统,危害人类身体健康[3].在非降水过程中,气溶胶粒子的富集或扩散与气象条件密切相关[4],而在降水过程中,气溶胶可通过湿清除作用从大气中移除[5-6].按照湿清除过程发生的高度,湿清除可分为云内清除以及云下清除[7-9].湿清除过程是从大气中移除气溶胶粒子或化学气体的主要过程[10-11].

近年来,国内外很多研究探索了云降水过程对气溶胶粒子清除作用的贡献,以及对不同大小气溶胶粒子的清除效率.气溶胶的清除效率依赖于背景气溶胶的浓度、尺度、吸湿性、降水形式和强度以及不同的云物理过程等因素.当背景气溶胶浓度较低时,即使雨强较大,清除效果也不明显[12];降水对爱根核模态和粗模态气溶胶存在明显的惯性碰撞清除作用,但对积聚模态气溶胶粒子的清除作用不明显[13];气溶胶性质的差异也影响清除效果,对于吸湿性气溶胶粒子,其清除系数强烈依赖于相对湿度[14].不同类型的降水对气溶胶的清除效率不同,降雨对核模态以及粗模态气溶胶粒子的清除效果显著,对积聚模态粒子的清除效果较差;降雪的清除能力较低,且与气溶胶粒子的尺寸相关[15].降水强度不同,气溶胶的清除效率也存在差异.对流性强降水对PM10、PM2.5和PM1都有快速而显著的清除效果[16];虽然小雨本身强度不大,但由于其高频出现,依然会对气溶胶长期累积湿清除量作出主导贡献.另外,在发生强降水过程后,如果雨强减弱,颗粒物浓度甚至会升高[12].通过在模式中考虑云下湿清除过程,有助于改善PM2.5浓度的模拟效果.

卫星观测发现,对流经常以飑线的形式出现,飑线系统由大规模的冷池激发,并伴随垂直风切变和对流层中部干层的存在,能够显著调节边界层气溶胶浓度的水平和空间分布[17].飑线具有准线性的组织形态,其前沿独特的阵风锋结构伴随较强的辐合和辐散过程,能够比较直观的反映气溶胶随风场的累积或扩散过程.董昊等[18]对2007年4月23～24日发生在中国广东省的一次飑线过程进行了数值模拟研究.这次飑线范围广、强度大、持续时间长,并且带来的强降水对广东等省份造成了严重的灾害,飑线前部气流辐合,而降水区气流辐散[19],因此,此次飑线过程伴随的典型气流场配置和以及强降水过程可能对气溶胶浓度的空间分布产生重要影响.

目前多数研究侧重于分析降水引起的气溶胶湿清除过程,较少关注伴随降水产生的辐散气流对气溶胶再分布的影响.另外,云和降水过程不但能够清除气溶胶粒子,也可以通过蒸发作用重新释放气溶胶粒子,但是这方面的研究也相对较少[20-21].因此,为了综合分析对流系统的存在对云内外气溶胶浓度分布的影响,本文利用中尺度天气预报和研究模式(WRF)对2007年4月23～24日的一次飑线强降水过程进行数值模拟,同时考虑降水对气溶胶的清除作用和液滴蒸发导致气溶胶粒子的再生过程,以研究不同降水强度和动力输送对气溶胶粒子空间分布以及随时间演变特征的影响,分析云滴核化和水凝物粒子碰撞清除气溶胶粒子在湿沉降过程中的相对贡献.本文主要研究云物理过程对气溶胶的清除或再生过程的影响,其他包含复杂在线化学过程的模式(例如WRF-chem),不能单独考虑上述过程的影响,因此本研究使用WRF模式进行敏感性试验.

1 模式介绍和试验设置

本文利用WRF模式3.8.1版本对2007年4月23～24日发生在广东省的一次飑线过程进行模拟.模拟所用的WRF模式采用完全可压缩非静力平衡模式,水平方向采用Arakawa C网格点,垂直方向采用地形跟随质量坐标[22],并采取单向和双向多重区域嵌套以及丰富的物理参数化方案,因此,在国内外被广泛应用于全球和区域云降水过程研究[23].

模拟区域设置为(20°N～28°N,105°E～119°E),网格中心为(25°N,112°E).模式模拟的网格为三重网格嵌套方案,如图1所示,水平分辨率分别为30,10和3.3km.三层网格的垂直层数均为50层.初始场和侧边界由美国国家环境预报中心(NCEP)及美国国家大气研究中心(NCAR)再分析数据1°×1°的逐6h最终分析场(FNL)资料驱动.模拟时间为2007年4月23日12:00UTC～2007年4月24日12:00UTC,共24h,模拟结果输出时间间隔为5min.模式预热时间为6h.本文对第3层网格(d03)所得模拟结果进行分析.

d01、d02和d03分别代表3层嵌套

微物理方案使用Thompson双参数方案[24],该方案能够考虑气溶胶做为云凝结核参与云滴核化的过程,同时也考虑了气溶胶做为冰核参与初始冰晶形成的过程.在Thompson方案中,对气溶胶起主要清除作用的是湿清除过程,分别为云滴核化清除、冰晶核化清除以及雨滴、雪和霰的收集清除.除了清除过程,Thompson方案还考虑了液滴蒸发重新产生气溶胶的过程.Thompson微物理方案是WRF模式中少数能够考虑气溶胶湿清除过程的微物理方案之一.初始气溶胶数据来自2001～2007年全球模式模拟的气溶胶气候场资料[24],包含硫酸盐、海盐、有机碳、沙尘和黑碳的质量混合比,水平分辨率为0.5°× 1.25°.Thompson微物理方案中气溶胶分为吸湿性核和非吸湿性核两种.通过模式处理,非吸湿性核由直径大于0.5µm的沙尘粒子浓度计算得到,吸湿性核浓度由除了沙尘和黑碳之外的其他气溶胶种类计算得到[24].吸湿性核能够参与云滴核化过程,因此可以通过云滴核化过程被清除.另外,液相吸湿性核可在-40℃条件下通过同质冻结过程形成冰晶而被移除.非吸湿性核能够参与冰晶异质核化过程,因此通过冰晶核化过程被移出大气.除了核化过程,吸湿性核和非吸湿性核能够通过布朗运动、降水拦截、惯性碰撞等过程被降水粒子(例如雨滴、雪和霰粒)碰撞清除.此外,雨滴蒸发使吸湿性核重新释放回到大气.液相吸湿性核的同质冻结过程基于Koop等[25]的参数化方案;冰晶异质核化采用DeMott等[26]和Phillips等[27]的参数化方案;降水粒子对气溶胶的碰撞清除基于Wang等[28]的研究结果计算得到清除效率.模式将气溶胶资料插值到模拟区域的水平和垂直格点,作为初始场和边界场.吸湿性核和非吸湿性核浓度随高度呈指数递减,初始条件下地面吸湿性核和非吸湿性核浓度分别约为350个/kg和2个/kg.

其他物理方案采用RRTM长波辐射方案[29], Dudhia短波辐射方案[30],Eta Mellor-Yamada-Janjic TKE边界层方案[31].对第1层和第2层网格采用Kain-Fritsch (new Eta)积云参数化方案[32],对第3层网格关闭了积云参数化方案.陆面过程选择热量扩散方案[33].

2 结果与讨论

2.1 模拟结果检验

通过图2对比发现,卫星观测到飑线系统云顶温度在200K和230K附近出现峰值,模式较好地再现了232K附近的峰值.对于更低温度区间(200K附近)的云顶温度频率峰值,模式在一定程度上高估了云顶温度.总体而言,模式模拟的云顶温度频率分布与卫星观测较为一致.

图2 2007年4月24日00:00UTC MODIS卫星观测和模式模拟的云顶温度归一化频率分布

通过图3对比发现,虽然模式模拟的较强降水区域范围小于卫星观测的强降水范围,但是降水区的大致位置以及最大雨强与卫星观测值比较一致,因此认为模式能够较好地模拟出此次飑线的降水情况.如图4,观测资料显示在研究区域内,温度从东南向西北方向递减,露点温度也呈现类似的趋势.模式基本上能够再现观测温度和露点温度的变化趋势,并且模拟的温度和露点温度范围与观测值相当.因此,认为模式能够较好的模拟本次飑线过程的基本气象要素场.

2.2 降水过程对气溶胶的清除作用

如图5所示,吸湿性气溶胶和非吸湿性气溶胶浓度与降水过程呈现明显的负相关关系,随着降水强度的增加,两种气溶胶浓度都出现较显著的下降趋势.在模拟14h以后,降水强度逐渐减小,两种气溶胶仍然随降水过程持续减少,反映了降水过程对气溶胶的清除作用.这与Guo等[34]和Ikeuchi等[35]的观测结果一致.Guo等[34]通过分析广州地区的环境气溶胶浓度和气象参数发现,降水对气溶胶具有显著的冲刷效应.Ikeuchi等[35]的观测资料分析也发现PM2.5随降水的清除作用显著降低.由图5可以看出,此次飑线过程在模拟12～18h期间(4月24日00:00UTC～06:00UTC)发展较为成熟,降水强度较大,因此本文将选取该时段进行气溶胶清除作用的研究.

图3 2007年4月24日00:00UTC～06:00UTC TRMM卫星观测和模式模拟的6h平均降水强度分布

图4 2007年4月23日23:00UTC MICAPS系统获得的温度与露点温度空间分布的站点观测和模式模拟对比

图5 模拟区域平均雨强､吸湿性气溶胶浓度和非吸湿性气溶胶浓度随时间的演变特征

本文进一步分析降水过程清除气溶胶的空间差异,如图6所示,其中低层取地面附近高度,高层取11.8km附近高度.通过对云动力和物理过程分析发现,11.8km高度位于云内中上部区域,并且接近对流云出流区,选取该高度有助于分析在对流层上层,动力输送和湿清除过程共同作用对气溶胶分布的影响.

对比图3(b)和图6可大致看出,降水空间分布与气溶胶浓度变化之间的关系.对于地面附近的气溶胶,降水区与吸湿性核和非吸湿性核浓度减少呈现较好的对应关系;而对于对流层上层(11.8km)而言,降水区与两种气溶胶浓度的变化未表现出明显的相关关系.此次飑线过程从西北向东南方向移动,风暴前沿降水区对地面附近气溶胶的清除过程较为显著(图6a,b).同时可注意到,图6(a)所示阵风锋前部非降水区出现吸湿性核浓度的增长(区域A),对应风场出现低层辐合,可能是水平平流作用导致的气溶胶堆积,对于存在于高层的气溶胶,随着对流过程的发展,在模拟区域东南部吸湿性核浓度出现减少而非吸湿性核浓度呈现增加的趋势(图6c和d,区域B).通过对比气溶胶浓度空间分布和对流发展过程发现,随着飑线系统的发展,云顶高度抬升,云内区域吸湿性核浓度降低,而非吸湿性核浓度升高,两种气溶胶浓度呈现相反的变化趋势.这可能与对流引起的动力输送和云内清除过程的共同作用有关.同时,在模拟区域中心附近的对流层上层,呈现吸湿性核浓度增加而非吸湿性核浓度减少的趋势(图6c和d).

图6 4月24日00:00UTC～06:00UTC期间不同高度吸湿性和非吸湿性气溶胶浓度变化的空间分布

箭头代表对应高度的风场,黑色等值线代表平均降水强度为0.1mm/h的降水区.选取红色方框表示阵风锋前部区域,白色方框表示降水区.(e,f)与(c,d)相似,但为仅考虑气溶胶动力输送作用下的结果(关闭湿清除过程)

风暴内部吸湿性核浓度较低,随着风暴向东南方向移动,导致模拟区域东南部吸湿性核浓度减小,而风暴后部区域由于云外吸湿性核的平流和夹卷作用,导致吸湿性核浓度增加.对于非吸湿性核,风暴引起的作用相反,由于云内非吸湿性核浓度较高,随着飑线系统向东南方向移动,导致模拟区域东南部非吸湿性核浓度升高,而风暴后部(模拟区域中心附近位置)非吸湿性核浓度减小.

2.3 气溶胶动力输送作用

除了降水过程,气溶胶的空间分布也受到大气动力过程如水平平流作用和垂直平流作用的影响.动力输送作用对某格点处气溶胶浓度的影响,可以认为是由四周水平风引起的水平输送和上下对流引起的垂直输送共同贡献.输送气溶胶粒子的水平或垂直通量可以由单位时间内的空气密度､风速和气溶胶浓度的乘积得到.对于空间上某一格点而言,由外部输入格点的通量减去格点内部向外部输出的通量得到对应格点处的净输入通量.

如图7所示,以垂直输送为例:若和+1层垂直速度为正(上升运动),则层的气溶胶净输送通量为从-1层向层输入通量减去从层的输出通量.具体计算方法如下.

图7 气溶胶水平输送和垂直输送示意

表示气溶胶浓度,､和表示水平和垂直方向上的风速,下标､和分别表示水平和垂直方向上的网格.上标+和-分别表示风速的正负

为便于计算,将水平风速分解为+,-,分解方式如下:

风速和也按相同方式进行分解.则空间位置()处的水平净输入通量为:

垂直净输入通量为:

图8所示,云内平均垂直气流速度,5km高度以下,上升气流随高度的增加而增加,在此高度之上减小.下沉气流在对流层上层和低层分别出现较大值.

图8 4月24日00:00UTC～06:00UTC云内平均上升和下沉气流速度垂直廓线

为了研究动力输送对气溶胶空间分布的影响,本研究对阵风锋前部区域和后部降水区(图6中区域A和B所示)的水平和垂直净通量进行分析.2个区域的平均气溶胶净水平通量和净垂直通量由(2)式和(3)式计算得出.从图9可以看出,水平平流输送和垂直输送作用对非吸湿性核的作用比吸湿性核总体小1～2个量级,由图10可知,这是由于这2种气溶胶本身浓度的差异造成的,吸湿性核比非吸湿性核浓度总体高2个量级左右.

在飑线系统前沿的非降水区(区域A),对于吸湿性核,在地面附近至2km的大部分高度上,水平通量和垂直通量主要为正值并都在近地层出现峰值(图9a,b),说明水平和垂直风场作用使得气溶胶在低层累积,水平和垂直净通量作用相当,导致吸湿性核在阵风锋前部区域出现高浓度分布(图6a,区域A).对于非吸湿性核,其水平和垂直净通量也在近地层出现峰值,但水平净通量相对较弱而垂直净通量较强,导致风暴前沿区域出现较弱的非吸湿性气溶胶累积区(图6b,区域A).需要注意的是,地面非降水区垂直方向上可能存在云区.图9(b)显示两种气溶胶的净垂直通量在整个高度层上主要表现为正值,说明飑线系统中前沿对流的发展导致气溶胶在垂直方向上的累积.图10显示,吸湿性核和非吸湿性核都表现为地面附近浓度较高,随着高度增加其浓度降低.随着对流的发展,云内旺盛的上升气流将地面附近的高浓度气溶胶携带至对流层中上层,导致高层气溶胶浓度增加.非吸湿性核相比于吸湿性核,垂直方向上的累积作用更强.在10～14km高度处水平净通量为负值,说明水平辐散作用(或对流系统出流区)在一定程度上导致气溶胶浓度降低,因此该高度范围可能出现对流云出流区.图6中选取的高层11.8km即处于该出流区.对流层上层区域A吸湿性核浓度降低,而非吸湿性核浓度增加(图6c, d).

飑线系统的降水区(区域B),水平平流和垂直输送作用在近地层主要表现为使两种气溶胶扩散的趋势(图9c,d),其中非吸湿性核的扩散作用更强,因此导致地面附近降水区非吸湿性核随对流显著减少(图6b,区域B).随着高度的抬升,垂直气流对非吸湿性核主要表现为累积效应,而水平平流主要表现为扩散效应,二者的综合作用导致对流层上层非吸湿性核浓度增加(图6d,区域B).吸湿性核,垂直方向上的累积效应相对较弱,动力输送主要表现为水平方向上的扩散效应(图9c,d).与区域A类似,对流层上层吸湿性核浓度表现为降低的趋势(图6c,区域B).

图6c和d显示,吸湿性核和非吸湿性核随对流的发展呈现相反的变化趋势,说明除了动力输送作用,云物理过程(例如湿清除)对气溶胶的空间分布可能起决定作用.为了评估动力输送过程的贡献,进行敏感性试验,将云内湿清除过程关闭(包括气溶胶的核化清除和水凝物的碰撞清除等),仅考虑对流过程中风场对气溶胶再分布的影响,如图6e和f所示.仅考虑动力输送情况下,对流层上层区域B吸湿性核表现为增加趋势(图6e),从而可以推断图6c中吸湿性核浓度的降低主要是由于云处理造成的.

图10 4月24日00:00UTC～06:00UTC平均气溶胶浓度随高度变化的廓线

2.4 云内微物理过程对气溶胶的清除作用

为了比较不同水凝物种类对气溶胶粒子的碰撞清除率,分别对雨滴、雪和霰的碰撞清除过程进行分析.如图11所示,雨水混合比在4km以下的对流层低层最大,而在4km以上的高层,随着温度降低,水凝物逐渐冻结向固态转变,因此,雨水混合比迅速减少,而雪和霰的混合比达到最大值,并且霰比雪的混合比小一个量级左右.图11(a)中雪和霰的混合比垂直分布也表明,这次飑线过程对流云发展高度较高,云顶高度可达到16km.在低层,由于冰相粒子的融化过程,雪和霰的含量迅速减小.对比图11(a)和(b)发现,水凝物混合比和清除率的垂直廓线之间具有很好的对应关系.在4km高度以下,雨水对两种气溶胶的清除率最大,在4km以上的高层,雨滴的清除率随着雨水混合比的减少而迅速降低,雪和霰的清除率随着混合比的增加而增加.雪的清除率比霰的清除率高2个量级左右.图11(b)显示,吸湿性核和非吸湿性核的清除率随高度变化的趋势一致,但从量级上来看前者的清除率约为后者的300倍,这可能与吸湿性核浓度较高有关.图9显示,吸湿性核浓度比非吸湿性核浓度总体高2个量级,而清除率高了300倍左右,因此,云过程对吸湿性核的清除效率更高,这也是图6c中区域B高层吸湿性核呈现减少趋势的原因.综合来看,在对流层低层,气溶胶的清除作用主要是液滴的贡献,在对流层中高层则主要是雪和霰的贡献,并且各水凝物的清除率与其混合比有很强的正相关关系.

吸湿性核或非吸湿性核可以通过参与云滴或冰晶的核化过程从而从大气中被移除,另外,液滴蒸发引起的气溶胶再生(或去活化)过程也能导致气溶胶浓度增加.从图12中可以看出,蒸发造成的气溶胶浓度增加率主要存在于地面～10km高度,这主要是由于液滴或过冷却水滴的垂直分布造成的, 10km高度以上过冷却水滴迅速通过同质冻结过程减少,导致液滴迅速减少,因此蒸发作用减弱消失.云滴核化清除主要发生在低层～9km高度,冰晶核化清除主要发生在6km以上高度,并且云滴核化清除率比冰晶核化清除率高4～5个量级.这可能是高层吸湿性核浓度减少的另外一个主要原因.另外,图12显示气溶胶的蒸发再生率(去活化率)低于云滴核化清除率,这主要是由于所选时间(4月24日00:00UTC～06:00UTC)处于对流系统的成熟阶段,云内吸湿性气溶胶的核化作用比夹卷混合引起的液滴蒸发作用更加显著造成的.对比图11和12中水凝物粒子对气溶胶的碰并清除率和核化清除率发现,云滴核化对气溶胶的清除率最高,对流层低层雨水的碰撞清除率和高层雪的碰撞清除率次之.云滴核化和冰晶核化分别是吸湿性核和非吸湿性核清除的主要过程.Garrett等[36]通过分析飞机观测数据也发现,可作为云凝结核的气溶胶粒子主要通过核化过程随雨水到达地面从大气中移除,而不是通过降水粒子的碰撞清除作用移除.这与本文的研究结果一致.

图11 4月24日00:00UTC至06:00UTC(a)雨、雪、霰平均混合比垂直廓线和(b)雨、雪、霰对气溶胶的平均碰撞清除率垂直廓线

(b)中黑色曲线代表吸湿性气溶胶结果,灰色曲线为非吸湿性气溶胶结果

图12 4月24日模拟区域00:00UTC至06:00UTC云滴核化、冰晶核化过程对气溶胶的清除率以及蒸发作用造成气溶胶的增加率垂直廓线

对比对流发展过程中动力输送与湿清除过程发现,在降水区域地面附近的低层,吸湿性核和非吸湿性核浓度都随对流的发展而减少,这主要是由于湿清除过程和水平辐散的共同作用造成的;在对流层上层的云区,动力输送导致垂直方向上主要表现为气溶胶累积效应,而水平方向上为扩散效应,导致非吸湿性核浓度增加,对于吸湿性核,由于云内湿清除作用更强,因此导致其浓度减小.对流层上层风暴内部吸湿性核浓度相比于环境较低,而非吸湿性核浓度相比于环境浓度较高.在风暴向东南方向的移动过程中,环境气溶胶从风暴后部平流夹卷进入云中,导致风暴前沿吸湿性核浓度减小,风暴后部浓度增加,而非吸湿性核在风暴前沿浓度增加,而后部减小.在风暴发展前沿地面附近的非降水区,由于水平辐合和垂直累积作用,导致吸湿性核和非吸湿性核累积,出现高污染区域.

本研究通过模式模拟发现对流系统非降水区存在气溶胶累积现象以及不同种类气溶胶(例如吸湿性核或非吸湿性核)对云处理过程的不同响应机制,这在以往的研究中较少讨论到,本文的研究结果可为伴随强对流过程的空气质量预报以及不同高度气溶胶浓度的变化原因分析提供理论参考.另外,本研究使用气溶胶气候数据对模式进行初始化,研究一次飑线过程对气溶胶清除和再生过程的影响,结论不一定适用于不同对流系统或不同大气环境条件下气溶胶的云处理过程.在未来的研究中,应考虑对流个例、大气污染状况以及气溶胶浓度垂直分布的差异,并结合相关的云处理过程观测资料分析,进一步探索对流强度或背景气溶胶浓度对气溶胶云处理过程的影响及其机理.

3 结论

3.1 在近地层,风暴前沿降水区与气溶胶数浓度变化呈现较好的负相关关系.但是,阵风锋前部非降水区近地层主要受动力输送影响出现高污染区域,气溶胶在阵风锋前部的低层非降水区累积.

3.2 风暴前沿降水区域的气溶胶数浓度在对流发展过程中受动力输送与湿清除过程的共同作用.动力输送作用使近地层的高浓度气溶胶向上传输,这使得对流层上层的非吸湿性核数浓度增加,而对于吸湿性核,虽然动力输送作用也导致其在垂直方向上累积,但由于其显著的云内湿清除过程导致数浓度降低.

3.3 云内各水凝物的碰撞清除率与其混合比具有较强的正相关关系.在对流层低层,气溶胶的碰撞清除作用主要是液滴的贡献,在中高层则主要是雪和霰的贡献.云内云滴核化和冰晶核化分别是吸湿性核和非吸湿性核的主要清除过程.综合各水凝物的碰撞清除率和核化清除率,可以发现云滴核化对气溶胶的清除率最高,对流层低层雨水和高层雪的碰撞清除率次之.

3.4 夹卷混合引起的液滴蒸发作用能够将气溶胶粒子重新释放进入大气,本文模拟发现蒸发再生造成的气溶胶浓度增加率主要存在于地面至10km高度,与液滴或过冷却水滴的存在高度相对应.在对流系统的成熟阶段,云内吸湿性气溶胶的核化清除作用比蒸发再生作用更加显著,因此其综合效应使气溶胶浓度降低.

[1] 江 琪,孙业乐,王自发,等.应用颗粒物化学组分监测仪(ACSM)实时在线测定致霾细粒子无机和有机组分[J]. 科学通报, 2013, 58(36):3818-3828.

Jiang Q, Sun Y L, Wang Z F, et al. Real-time online measurements of the inorganic and organic composition of haze fine particles with an Aerosol Chemical Speciation Monitor (ACSM) [J]. Chinese Science Bulletin, 2013,58(36):3818-3828.

[2] Sun Z Q, Mu Y J, Liu Y J, et al. A comparison study on airborne particles during haze days and non-haze days in Beijing [J]. Science of the Total Environment, 2013,456-457:1-8.

[3] Delfino R J, Sioutas C, Malik S. Potential role of ultrafine particles in associations between airborne particle mass and cardiovascular health [J]. Environmental Health Perspectives, 2005,113(8):934-946.

[4] 花 艳,潘良宝,汤莉莉,等.南京霾天颗粒物数浓度特征及其受气象条件影响分析[J]. 气象科学, 2017,37(3):385-393.

Hua Y, Pan L B, Tang L L, et al. Characteristics of the particulate number concentration and association with meteorological conditions during winter haze episode in Nanjing [J]. Journal of the Meteorological Sciences, 2017,37(3):385-393.

[5] 张 瑜,银 燕,石立新,等.河北地区秋季气溶胶飞机探测资料分析[J]. 气象科学, 2011,31(6):755-762.

Zhang Y, Yin Y, Shi L X, et al. An observational study of the aerosol distributions over Hebei area during autumn [J]. Journal of the Meteorological Sciences, 2017,37(3):385-393.

[6] 郝 囝,陈景华,濮梅娟,等.华东地区夏季云微物理结构的飞机观测分析[J]. 气象科学, 2019,39(4):524-531.

Hao J, Chen J H, Pu M J, et al. Aircraft measurements of microphysical properties of clouds over eastern China in summer [J]. Journal of the Meteorological Sciences, 2019,39(4):524-531.

[7] Yang Q, Easter R C, Campuzano-Jost P, et al. Aerosol transport and wet scavenging in deep convective clouds: A case study and model evaluation using a multiple passive tracer analysis approach [J]. Journal of Geophysical Research: Atmospheres, 2015,120(16):8448- 8468.

[8] Wang X, Zhang L, Moran M D. Uncertainty assessment of current size-resolved parameterizations for below-cloud particle scavenging by rain [J]. Atmospheric Chemistry and Physics, 2010,10(12):5685- 5705.

[9] 史湘军,朱寿鹏,智协飞,等.三套冰晶核化参数化方案的对比分析[J]. 大气科学学报, 2017,40(2):181-192.

Shi X J, Zhu S P, Zhi X F, et al. Sensitivity study on three ice nucleation parameterizations [J]. Transactions of Atmospheric Sciences, 2017,40(2):181-192.

[10] 秦 瑜,赵春生.大气化学基础[M]. 北京:气象出版社, 2003:181- 182.

Qin Y, Zhao C S. Fundamentals of atmospheric chemistry [M]. Beijing: China Meteorological Press, 2003:181-182.

[11] 银 燕,曹海宁,况 祥,等.一次深对流过程对不同溶解度大气化学气体成分垂直再分布作用的模拟[J]. 大气科学学报, 2020,43(3): 425-434.

Yin Y, Cao H N, Kuang X, et al. Simulations of vertical redistribution of atmospheric chemical gases with different solubility in a deep convection process [J]. Transactions of Atmospheric Sciences, 2020, 43(3):425-434.

[12] 周 彬,刘端阳,魏建苏,等.降水对气溶胶颗粒物清除作用的初步分析[J]. 长江流域资源与环境, 2015,24(S1):160-170.

Zhou B, Liu D Y, Wei J S, et al. A preliminary analysis on scavenging effect of precipitation on aerosol particles [J]. Resources and Environment in the Yangtze Basin, 2015,24(S1):160-170.

[13] 董 群,赵普生,陈一娜.降雨对不同粒径气溶胶粒子碰撞清除能力[J]. 环境科学, 2016,37(10):3686-3692.

Dong Q, Zhao P S, Chen Y N. Impact of collision removal of rainfall on aerosol particles of different sizes [J]. Environmental Science, 2016,37(10):3686-3692.

[14] Chate D M, Rao, P S P, Naik M S, et al. Scavenging of aerosols and their chemical species by rain [J]. Atmospheric Environment, 2003,37 (18):2477-2484.

[15] 康汉青,朱 彬,樊曙先.南京北郊冬季大气气溶胶及其湿清除特征研究[J]. 气候与环境研究, 2009,14(5):523-530.

Kang H Q, Zhu B, Fan S X. Size distributions and wet scavenging properties of winter aerosol particles in north suburb of Nanjing [J]. Climatic and Environmental Research, 2009,14(5):523-530.

[16] 吴 进,孙兆彬,翟 亮,等.北京地区不同类型降水对气溶胶粒子的影响[J]. 中国环境科学, 2018,38(3):812-821.

Wu J, Sun Z B, Zhai L, et al. Effects of different types of precipitation on aerosol particles in Beijing [J]. China Environmental Science, 2018,38(3):812-821.

[17] Reid J S, Lagrosas N D, Jonsson H H, et al. Observations of the temporal variability in aerosol properties and their relationships to meteorology in the summer monsoonal South China Sea/East Sea: the scale-dependent role of monsoonal flows, the Madden–Julian Oscillation, tropical cyclones, squall lines and cold pools [J]. Atmospheric Chemistry and Physics, 2015,15(4):1745-1768.

[18] 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, 36(1):145-169.

Dong H, Xu H M, Luo Y L. Effects of cloud condensation nuclei concentration on precipitation in convection permitting simulations of a squall line using WRF model: Sensitivity to cloud microphysical schemes [J]. Chinese Journal of Atmospheric Science, 2012,36(1):145-169.

[19] 吴多常,孟智勇.2007年4月23日广东飑线的移动和地面中尺度结构特征分析[J]. 北京大学学报(自然科学版), 2013,49(3):463-470.

Wu D C, Meng Z Y. On the motion and mesoscale surface structure of a squall line on april 23, 2007 in guangdong [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2013,49(3):463-470.

[20] 刘小红,任传森,王明康.云下雨滴蒸发产生硫酸盐气溶胶速率的研究[J]. 大气科学, 1994,18(3):348-357.

Liu X H, Ren C S, Wang M K. A study of the production rate of sulfate aerosol resulting from the evaporation of raindrops falling below the cloudbase [J]. Chinese Journal of Atmospheric Sciences, 1994,18(3):348-357.

[21] Yin Y, Carslaw K S, Feingold G. Vertical transport and processing of aerosols in a mixed-phase convective cloud and the feedback on cloud development [J]. Quarterly Journal of the Royal Meteorological Society, 2005,131(605):221-245.

[22] Skamarock W C, Klemp J B, Dudhia J, et al. A description of the advanced research WRF version 3 [Z]. NCAR Technical Note NCAR/TN-475+STR. Boulder, CO: NCAR, 2008.

[23] 王晓君,马 浩.新一代中尺度预报模式(WRF)国内应用进展[J]. 地球科学进展, 2011,26(11):1191-1199.

Wang X J, Ma H. Progress of application of the Weather Research and Forecast (WRF) model in China [J]. Advances in Earth Science, 2011, 26(11):1191-1199.

[24] Thompson G, Eidhammer T. A study of aerosol impacts on clouds and precipitation development in a large winter cyclone [J]. Journal of the Atmospheric Sciences, 2014,71(10):3636-3658.

[25] Koop T, Luo B P, Tsias A, et al. Water activity as the determinant for homogeneous ice nucleation in aqueous solutions [J]. Nature, 2000,406(6796):611-614.

[26] DeMott P J, Sassen K, Poellot M R, et al. African dust aerosols as atmospheric ice nuclei [J]. Geophysical Research Letters, 2003,30(14):1732.

[27] Phillips V T J, DeMott P J, Andronache C. An empirical parameterization of heterogeneous ice nucleation for multiple chemical species of aerosol [J]. Journal of the Atmospheric Sciences, 2008,65(9):2757-2783.

[28] Wang X, Zhang L, Moran M D. Uncertainty assessment of current size-resolved parameterizations for below-cloud particle scavenging by rain [J]. Atmospheric Chemistry and Physics, 2010,10(200):5685-5705.

[29] Mlawer E J, Taubman S J, Brown P D, et al. Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the longwave [J]. Journal of Geophysical Research: Atmospheres, 1997,102(D14):16663-16682.

[30] Dudhia J. Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model [J]. Journal of the Atmospheric Sciences, 1989,46(20):3077-3107.

[31] Janjic Z I. Nonsingular implementation of the Mellor-Yamada Level 2.5 scheme in the NCEP Meso model [Z]. NOAA/NWS/ NCEP Office Note, 2002,437:61.

[32] Kain J S. The Kain-Fritsch convective parameterization: An update [J]. Journal of Applied Meteorology, 2004,43(1):170-181.

[33] Dudhia J. A multi-layer soil temperature model for MM5 [C]//The 6th PSU/NCAR Mesoscale Model Users Workshop. Boulder, CO: PSU/NCAR, 1996:49-50.

[34] Guo L C, Zhang Y H, Lin H L, et al. The washout effects of rainfall on atmospheric particulate pollution in two Chinese cities [J]. Environmental Pollution, 2016,215:195-202.

[35] Ikeuchi H, Murakami M, Watanabe S. Scavenging of PM2.5by precipitation and the effects of precipitation pattern changes on health risks related to PM2.5in Tokyo, Japan [J]. Water Science and Technology, 2015,72(8):1319-1326.

[36] Garrett T J, Avey L, Palmer P I, et al. Quantifying wet scavenging processes in aircraft observations of nitric acid and cloud condensation nuclei [J]. Journal of Geophysical Research-Atmospheres, 2006,111 (D23):D23S51.

The impacts of convection on aerosols scavenging and regeneration processes.

WEI Shao-han, HU Rong, LI Gu-dong-ze, TANG Xian-bing, XU Wen-hui, CHEN Qian*

(Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science and Technology, Nanjing 210044, China)., 2022,42(2)：539～549

A squall line occurred during April 23～24, 2007 over Guangdong province, China has been simulated by using the Weather Research and Forecasting (WRF) model in order to investigate the impaction scavenging of aerosol particles by hydrometeors, aerosol regeneration due to complete evaporation of liquid drops, and effects of dynamical transport on the number concentration of aerosols. The results showed that there was a negative correlation between the precipitation and aerosol concentration near surface. By comparing the impaction scavenging rates by different types of hydrometeors and nucleation scavenging rates, it showed that droplet nucleation contributed most to the aerosol scavenging, followed by the impaction scavenging by rain drops at the lower troposphere and snow at the upper troposphere. Droplet nucleation scavenging and ice crystal nucleation scavenging were the dominant scavenging processes for hygroscopic and non-hygroscopic particles respectively. The variation of aerosol number concentration was the result of combined effects of cloud dynamical transport, wet scavenging and regeneration process due to the evaporation of liquid drops. The regeneration process mainly occurred from the surface to the 10km altitude. During the development of convection, the aerosol concentration near surface was significantly reduced whereas the heavy pollution area appeared around the non-precipitation area near the gust front due to the dynamical transport. At the upper troposphere, the number concentration of hygroscopic particles was reduced while that of non-hygroscopic particles was increased.

weather research and forecasting (WRF) model；aerosol number concentration；wet scavenging；dynamical transport

X513

A

1000-6923(2022)02-0539-11

魏少涵(2000-),女,河北保定人,南京信息工程大学本科生,主要研究方向为气溶胶-对流云相互作用.

2021-07-08

国家重点研发计划项目(2017YFC1501401);国家自然科学基金资助项目(41775136);大学生创新创业计划训练项目(201910300121Y)

* 责任作者, 副研究员, chenq_05@nuist.edu.cn