2 新疆维吾尔自治区人工影响天气办公室, 乌鲁木齐 830002
2 Xinjiang Uygur Autonomous Region Weather Modification Office, Ürümqi 830001
大气气溶胶是指大气与悬浮在其中的固态和液态微粒共同组成的多相体系。气溶胶可通过吸收和散射太阳辐射直接影响地—气系统的辐射平衡,也可以作为云凝结核(Cloud Condensation Nuclei,简称CCN)、巨凝结核(Giant Cloud Condensation Nuclei,简称GCCN)或冰核(Ice Nuclei,简称IN)影响云的微物理特性、光学特性、云的寿命以及降水形成,并因此而间接地影响天气和气候。
GCCN对于云的发展和降水的形成具有重要的影响。早期的研究表明GCCN在降水形成中可以充当理想的碰并胚胎,使得云发展初期产生大液滴,影响云中的碰并过程(Johnson,1982)。由Kohler方程可知当凝结核完全溶解形成GCCN时,会使产生的大液滴尚未达到临界大小就产生碰并作用(Levin and Ganor,1996)。在污染气溶胶中有GCCN存在时,容易生成大滴,从而可在较高的温度和较低的高度上形成冰晶(Yin et al.,2000;Teller and Levin,2006)。
气溶胶粒子可以作为CCN影响云的性质,从而影响降水。董昊等(2012)的研究表明CCN浓度增加会出现飑线降水延迟产生、初期降水减弱的情况并且在模拟后期降水量也随着CCN浓度增加而减小。金莲姬等(2007)的研究结果表明当CCN数浓度增加时,热带深对流云云砧爆发性增长阶段的垂直速度减小,使得对流云从中低层向高层的水物质输送量减少,从而使云砧卷云冰晶的数量减少。但因受气象环境等因素的影响,不同研究者对CCN的研究得到的结果有很大差异。一方面,CCN的增加抑制暖云降水会使得大部分的水成物抬升冻结,并且在高层冻结释放潜热(Williams et al.,2002;Andreae et al.,2004),促进对流云的发展,产生更多的降水(Koren et al.,2005,2010;Tao et al.,2007;Rosenfeld et al.,2008)。但Morrison and Grabowski(2011)等研究发现,气溶胶污染使深对流云中对流强度减弱,这是因为污染使得深对流云中冰晶浓度增加,增强云顶辐射加热,使对流层更稳定。Cui et al.(2011)的研究也指出累积降水和淞附效率在热带海洋性对流云中会随着气溶胶浓度的增加而增加,但是在大陆性深对流云中是非单调性的。冰雹云是发展旺盛的深对流云,Noppel et al.(2010)和Khain et al.(2011)分别用三维模式和二维分档模式模拟CCN对雹暴的影响,并得出了相反的结果。Noppel et al.(2010)发现CCN浓度增加使高层产生更多小雹粒,并使降到地面的冰雹减少。Khain et al.(2011)则发现CCN浓度增加使得过冷却水增多,并增强了雹粒的淞附过程,最终使得冰雹尺度和质量增大。现有的有关气溶胶影响对流云的研究多数是针对CCN对深对流云的影响,而对IN如何影响深对流云的发展和降水,研究相对较少。
大气中初始冰晶形成有两种途径,同质核化和异质核化。当温度在-37℃以上时,冰晶主要通过异质冰相核化形成。气溶胶作为IN进行异质核化的机制包括:凝华核化、凝结冻结核化、接触冻结核化以及浸润冻结核化(Pruppacher and Klett,1997)。
沙尘气溶胶是大气冰核的重要来源之一。DeMott et al.(2015)研究表明沙尘气溶胶是异质冰相核化中最重要的气溶胶类型。DeMott et al.(2003)观测了从亚洲至佛罗里达的沙尘传输层的冰核浓度,结果发现在1.5 km和4 km高度上冰核浓度达到了1 cm-3,而这是无沙尘情况下冰核浓度的20至100倍。Pratt et al.(2009)观测发现沙尘的远距离输送能够作为有效冰核影响美国中西部云的性质和降水。Ault et al.(2011)推测沙尘粒子作为冰核能够增加冰相粒子的淞附效率。Yin and Chen(2007)利用分档云模式研究沙尘气溶胶作为CCN和IN对云和降水的影响,结果表明当沙尘传输层温度低于-5℃时,沙尘气溶胶能够作为有效冰核,增强冰粒子形成过程,进而增强云和降水的形成和发展。
近年来一些学者通过数值模式模拟来研究IN对云内微物理特性、水成物分布、降水效率等的影响。Phillips et al.(2007)发现当IN浓度极高时,能够完全消耗混合相区域上半部的过冷却水,同时抑制同质冻结过程。Zubler et al.(2011)采用COSMO模式模拟研究气溶胶作为IN对阿尔卑斯山混合相地形云降水的影响。对冰晶核化过程,他们只考虑了浸润和凝结冻结核化,结果发现总体降水减少,但冷云过程能部分补偿因CCN增加而减少的降水。Fan et al.(2014)将分档微物理模式耦合到WRF模式中,他们的结果指出当IN浓度较高时,CCN浓度的增加使降水增多;而当IN浓度较低时,CCN浓度的增加会使降水减少,其原因是IN的浓度影响了冰相过程的效率。
总之,人们对气溶胶作为CCN可能影响深对流云降水的问题进行了大量研究,但相对来说,对气溶胶作为IN影响对流云发展和降水过程的研究比较少。本研究尝试将DeMott et al.(2010)提出的冰核参数化方案引入到WRF模式中,考虑大气背景条件和沙尘条件下IN浓度对深对流云中冰相过程的影响。
2 研究个例和数值试验方案 2.1 个例介绍本文选取2012年7月13日15:30~17:50(北京时,下同)新疆阿克苏河流域的偏南地带遭受的一次多单体型强对流风暴进行模拟。采用WRF(Weather Research Forecast)v3.4.1模式和1°×1°NCEP全球分析资料,以(41.09°N,80.19°E)为中心,对此次强对流过程进行模拟,之所以采用WRFv3.4.1版本是因为该版本在之前版本的基础上修改了一些程序问题,比较稳定,并且我们在该版本中加入了气溶胶和起电方案等内容。模式区域如图 1a所示。模式积分起止时间为7月13日08:00~22:00。
2012年7月13日14:00 500 hPa高空图(图 1b)上,中纬度地区大形势为两槽一脊型,西部低槽表现为低压环流,其中心位于巴尔喀什湖(图 1b中点A)以东,东部槽位于我国东北以东,高压脊位于贝加尔湖(图 1b中点B)以南,并有高压中心存在。对流区域位于巴尔喀什湖低压底部槽线附近,槽后西北气流引导冷空气南下,在此地形成对流云团。
这次强对流天气发生持续时间约为2.5 h,从雷达组合反射率图可以清晰地看出对流云的发展过程,雷达资料来源于新疆阿克苏观测站,雷达为C波段,雷达位置为(41°9′48″N,80°14′6″E)。图 1选取了实际和模拟的4个时次的雷达组合反射率,图 1c为实际雷达组合反射率,时间为15:56、16:07、16:18和16:29,最大值出现的时间为16:07,图 1d为沙尘条件下模拟的雷达组合反射率,时间为18:00、18:10、18:20和18:30,最大值出现的时间为18:10,可以看出模拟的雷达组合反射率出现最大值的时间晚于实际的雷达组合反射率。根据回波路径判断,回波向偏东方向缓慢移动。模拟雷达组合反射率略小于实际雷达组合反射率,模拟雷达组合反射率的最大值为52.77 dBZ,而实际的最大值在55~60 dBZ之间。虽然模拟和实际时间差2小时,但是因为实际和模拟的雷达回波的强度和移动方向均相吻合,因此对比具有合理性,模式能够再现此次过程。
2.2 数值模拟方案和初始条件设置(1) 异质冰相核化方案
当温度高于-37℃时,冰晶主要通过异质核化形成。异质核化过程包括凝华核化、凝结冻结、接触冻结和浸润冻结等过程,这些过程可引起冰相粒子在云中的增长,进而影响降水的形成和发展。在Morrison方案中,原有的冰相异质核化方案是Cooper and Lawson(1984)提出的,方案认为冰核数浓度仅与温度有关,而本文采用了DeMott冰相异质核化方案(DeMott et al.,2010),其冰核数浓度为
${N_{{\rm{INP}},{T_k}}} = a{(273.16 - {T_k})^b}{({n_{a > 0.5{\rm{ \mu m}}}})^{\left[ {c\left( {273.16 - {T_k}} \right) + d} \right]}},$ | (1) |
其中,na>0.5 μm为标准状态(273.15 K,1013.25 Pa)下大于0.5 μm的气溶胶粒子数;Tk为标准状态下的温度;系数a、b、c和d分别为0.0000594、3.33、0.0264和0.0033;该方案认为在混合相云条件下,IN数浓度与温度T和直径大于0.5 μm的气溶胶粒子数相关。因此,本文认为粒径大于0.5 μm的气溶胶可作为IN。
(2) 初始条件设置
模式采用Morrison双参数微物理方案(Morrison and Gettelman,2008)和二重双向嵌套,其他方案包括RRTMG长波辐射方案,RRTMG短波辐射方案(Iacono et al.,2008),Monin-Obukhov近地面层方案(Monin and Obukhov,1954),Noah陆面过程方案(Chen and Dudhia,2001),YSU边界层方案(Hong et al.,2006),Kain-Fritsch积云对流参数化方案(Skamarock et al.,2008)。粗网格格距为12 km,细网格格距为2.4 km,时间间隔6 h,垂直方向为σ地形跟随坐标,分41层。
由于缺乏2012年新疆沙尘的观测资料,因而本文采用2014年5月在新疆阿克苏地区库车县,使用大气冰核采样器和3321型空气动力学粒径谱仪(APS)对大气冰核和气溶胶粒子谱进行观测所得的观测资料。观测地点地处天山南麓中部、塔里木盆地北缘,塔里木盆地的中部是著名的塔克拉玛干沙漠,是观测点沙尘的主要源地。观测期间无降水,以晴朗天气为主,常出现大风,伴有浮尘。观测期间于5月22日出现了一次沙尘过程,并伴有大风,能见度为1 km左右,观测的气溶胶浓度明显升高,同时对大气冰核进行了加密采样。因为对冰核加密采样的结果进行处理的仪器仅能考虑凝华机制,而对于其他核化机制均未考虑,因此本文并未直接使用冰核加密采样的数据,仅使用了观测得到的气溶胶粒子谱资料;而DeMott冰相核化方案认为冰核数浓度与温度和大于0.5 μm的气溶胶粒子数有关,该方案包含了除接触冻结之外的所有的核化机制,因而更全面,所以本文采用DeMott方案得到冰核数浓度。为精确得到气溶胶各模态的分布特征,采用3模态对数正态分布对观测资料进行拟合得到初始气溶胶尺度分布(见图 2):
$\begin{align} & {\text{d}n}/{\text{d}\ln r}\;=\sum\limits_{i=1}^{r}{{{N}_{i}}}\text{exp }\!\![\!\!\text{ }-{\text{l}{{\text{g}}^{\text{2}}}\left( {r}/{{{r}_{i}}}\; \right)}/{2\text{l}{{\text{g}}^{2}}{{\sigma }_{i}}}\;\text{ }\!\!]\!\!\text{ }/ \\ & (\sqrt{2\text{ }\!\!\pi\!\!\text{ }}\times \text{lg}{{\sigma }_{i}}\times \text{ln}10), \\ \end{align}$ | (2) |
其中,Ni为i模态的数浓度,σi为i模态的几何标准偏差,r为i模态的几何平均半径,r为气溶胶粒子的半径。
各模态参数见表 1,对气溶胶浓度随高度的分布参考以前的研究(Yin et al.,2000),假设为呈指数递减,由图 2可以看出仅在直径小于0.5 μm的部分粒径段内背景大气条件下的气溶胶数高于沙尘天气的气溶胶数,而在大于0.5 μm粒径段和部分小于0.5 μm粒径段内,沙尘天气的气溶胶数浓度远高于背景大气。考虑气溶胶为外部混合,因此分别假设背景大气条件下三种模态气溶胶粒子数浓度的5%、20%和50%为可溶性气溶胶,而沙尘条件下三种气溶胶粒子数浓度的10%、20%和50%为可溶性气溶胶(Yin et al.,2000),这些可溶性气溶胶可作为CCN。
为了研究气溶胶作为IN对对流云中冰相过程的影响,表 2给出本文试验设置,研究背景大气条件和沙尘条件下对流云的发生和发展,C-case中CCN和IN均采用背景大气条件下的气溶胶 谱,CD-case中CCN采用背景大气条件下的气溶胶谱,IN采用沙尘条件下的气溶胶谱,而DC-case中CCN采用沙尘条件下的气溶胶谱,IN采用背景大气气溶胶谱,D-case中CCN和IN均采用沙尘条件下的气溶胶谱。对比试验C-case和试验CD-case可以给出背景大气条件下IN对对流云的影响,而对比试验DC-case和试验D-case可以给出沙尘条件下IN对对流云的影响。通过该试验设置可以清楚地了解在背景大气条件和沙尘条件下冰核浓度的改变对对流云的影响。
研究气溶胶作为IN对对流云的影响,最直观的体现便是地面降水。由于模拟的降水主要集中在7月13日16:00~19:50,因此对该时段内的累积降水量进行分析。对C-case和CD-case模拟的地面累积降水量进行比较,从图 3a和b可以看出:整体上,C-case降水范围与CD-case没有明显差异,降水中心位置也没有明显差别;从强度上看,C-case累积降水量的最大值为36.74 mm,CD-case的累积降水量最大值为35.91 mm,CD-case的最大值略小于C-case,但是整体的降水量没有明显的变化,这与Lebo and Seinfeld(2011)的研究结果类似,说明IN浓度的增加对降水量的影响较小。为了进一步分析IN增加对降水量的影响,将C-case和CD-case的降水量作差。从图 3e可以看出增加IN后降水量有增加也有减少,增加区域主要集中在降水的中心区,而减少区域主要分布在降水区域的边缘,最大增加量接近10 mm,而最大减少量则超过了10 mm。为了进一步分析产生这种降水分布的原因,取中心降水增加区域(40.1°N~40.4°N,79.5°E~80.2°E)与除去该区域的边缘区域进行对比分析,因为雨滴主要的源项为霰的融化,因此对这两个区域内不同背景条件下的霰融化的转化率进行分析。在中心区,不论是背景大气条件还是沙尘条件下,冰核浓度的增加都使得霰融化的转化率增加,其中C-case中转化率的平均值为0.44×10-3 g kg-1 s-1,CD-case中为0.51×10-3g kg-1 s-1,DC-case中霰融化的转化率为0.44×10-3g kg-1 s-1,D-case中为0.46×10-3g kg-1 s-1(图略),这主要是因为冰核浓度增加使得中心区冰晶浓度增加,而云中心区有充足的过冷水滴,因此有更多的冰晶转化为霰,同时霰通过碰并充足的过冷液滴增长,进而有更多的霰融化成为雨滴,由此可以看出在中心区,冰核采用沙尘气溶胶谱时产生的降水高于冰核采用背景大气气溶胶谱时产生的降水。而在边缘区域,不论是背景大气条件还是沙尘条件下,霰融化的转化率随着冰核浓度的增加而降低,其中C-case中霰融化的转化率平均值为0.091×10-3g kg-1 s-1,CD-case中为0.087×10-3g kg-1 s-1,DC-case中为0.094×10-3g kg-1 s-1,D-case中为0.092×10-3g kg-1 s-1(图略),这是因为一方面边缘区域液态水含量较少,当冰核浓度增加产生更多的冰晶时,冰晶争食云中液态水,而有限的液水含量限制了冰晶的增长,进而限制了冰晶向霰粒的转化;另一方面霰主要来源于碰并过冷云滴,由于冰核浓度的增加消耗了更多的云滴,因此边缘区有限的液水含量进一步减少,进而抑制了霰通过碰并过冷云滴增长的效率;综上所述在边缘区冰核浓度的增加会导致霰的质量浓度减小,进而使霰融化成雨的转化率降低,由此可以得出冰核增加使边缘区降水减少。
从图 3c、d可以看出,与背景大气条件一样,在沙尘条件下降水范围和降水中心也没有明显变化。从强度上看,DC-case累积降水量的最大值为36.98 mm,D-case累积降水量的最大值为34.87 mm。为了进一步分析IN对降水的影响,将DC-case和D-c ase的降水量作差。从图 3f可以看出,降水量同样是有增加也有减少,增加区域集中在降水的中心区,减少区域主要分布在降水区域的边缘,最大增加量超过了10 mm,而最大减少量接近8 mm。
3.2 微物理量场分析要进一步理解气溶胶作为IN对对流云的影响,需要对云中各水成物的变化进行分析,研究各水成物之间的相互转化。
图 4给出对流风暴发生时段内云中水成物混合比的平均值随时间变化,该平均值为有云区域的平均,本文选取水成物质量混合比大于0.001 g kg-1的区域为云区域,选取的模拟时段为7月13日16:00~19:50。从图 4a可以看出,CD-case中云滴质量混合比的平均值略高于C-case中,D-case中云滴质量混合比高于DC-case中。云滴质量混合比在16:50左右有一个峰值,而在对流发生的中期(16:30~18:30)云滴质量混合比维持在一个较高的水平,在对流发生的后期云滴混合比迅速降低。C-case中质量混合比的平均值为0.33 g kg-1,CD- case中质量混合比的平均值为0.35 g kg-1,DC-case中为0.49 g kg-1,D-case中为0.51 g kg-1。从图 4b可以看出,C-case和CD-case以及DC-case和D-case之间云滴数浓度差别很小,并且随着时间的变化,云滴数浓度逐渐降低。由此可以得出,在背景大气和沙尘条件下增加IN都使得云滴的质量浓度增加,而云滴的数浓度变化很小,这是因为云滴质量浓度的源项主要是凝结增长,而汇项主要为雨滴、霰碰并云滴。从有云部分的平均值看,冰核的改变对云滴凝结增长的影响很小。但是增加冰核以后霰的尺度减小,这使得霰碰并过冷云滴的作用减弱,即霰对云滴的消耗减少;同时雨滴的质量浓度变化较小,但就从有云部分的平均值来看,冰核增加后雨滴的质量浓度还是有一定的减少,这会导致雨滴收集的云滴减少。综上所述,云滴质量浓度的源项变化很小,而两个主要汇项在冰核浓度增加后都是减小的,因而使得云滴的质量浓度增大。对于数浓度而言,云滴主要的汇项是霰收集云滴,因为云滴的数浓度远高于霰的数浓度,所以霰所收集的云滴相对于云滴总的数浓度影响很小,因而云滴的数浓度变化很小。
从图 4c可以看出,雨滴平均质量混合比从对流发生初期开始逐渐增大,至18:20左右达到最大值,随后质量混合比逐渐降低。总体来说,四个试验中雨滴质量混合比的差别较小,这是因为雨滴主要来源于霰的融化,而在背景大气和沙尘条件下增加IN后,对整个过程中霰粒融化的影响较小,因此使得雨滴质量混合比的平均值变化很小。从图 4d可知,CD-case中雨滴平均数浓度的值高于C-case中的雨滴平均数浓度的值,D-case中雨滴平均数浓度的值略高于DC-case中的值,并且可以看出在背景场中IN增加时雨滴直径变化明显,而在沙尘背景下冰核增加时雨滴直径变化不大,这是因为雨滴数浓度主要来源于云滴和雨滴的自动转化,而大气背景条件下云滴和雨滴的自动转化率要远高于在沙尘条件下的转化率,其原因是在沙尘条件下由于大量CCN的存在会使得云滴尺度小于大气背景条件下的云滴尺度,而云滴向雨滴的转化就是云滴之间的相互碰并过程,当云滴尺度减小时,其碰并效率会降低。综上所述,在背景大气条件下,云滴尺度大于沙尘条件下 的云滴尺度,进而使得云滴向雨滴转化的效率高,因此增加冰核会使雨滴数浓度发生更明显的变化。
从图 4e、g可以看出,在对流发生发展的过程中,冰晶和雪的质量混合比都呈上升趋势,且CD-case中的冰晶和雪的质量混合比均高于C-case,D-case中的冰晶和雪的质量混合比高于DC-case。由此得出在对流发展过程中,在背景大气和沙尘条件下IN浓度的增加都使得云中冰晶和雪的混合比大幅增加,这是因为IN浓度的增加一方面促进冰晶活化,另一方面使云中一部分水汽在冰相过程开始后通过蒸凝过程转化为冰晶,从而使得冰晶质量和浓度得到大幅度提高;对于雪而言,因为雪主要来源于雪晶的凝华增长,而IN浓度的增加使得雪晶的浓度增加,进而提高了雪晶凝华的效率,因此使得雪的质量混合比增加。从冰晶和雪的数浓度来看(图 4f、h),冰晶的数浓度随着对流的发展而逐渐降低,这是因为冰晶数浓度的增加主要是通过接触冻结,而随着对流云的发展,云中过冷液滴的含量逐渐减少,同时霰粒收集了大量冰晶,因而冰晶数浓度逐渐降低;但是雪的数浓度随着对流的发展逐渐增大,这是因为雪的数浓度增加主要是通过冰晶的相互碰并,而云中冰晶数浓度远高于雪晶,因此有充足的冰晶相互碰并形成雪晶,进而使得雪的数浓度不断增加。此外,由于在背景大气和沙尘条件下增加IN促进了冰晶浓度的增加,因而使得CD-case中冰晶和雪的数浓度均高于C-case,D-case中冰晶和雪的数浓度高于DC-case。
从图 4i可以看出,在对流发生的前中期霰的质量混合比逐渐上升,在18:10左右达到峰值,随后霰的质量混合比开始降低,这是因为霰主要来源于碰并过冷云滴,在对流发生的前中期云中含有大量过冷云滴,因而霰的质量混合比增加,随着对流的发展,霰粒的增长对过冷云滴的消耗使得云中过冷云滴减少,有限的过冷云滴含量又限制了霰粒质量和浓度的增多。由图 4j可知,CD-case中霰的数浓度的平均值高于C-case,D-case中霰的数浓度的平均值高于DC-case,这是因为在背景大气和沙尘条件下增加IN使得冰晶和雪的数浓度增加,更多的冰晶和雪碰并过冷液滴转换成霰,因而使得霰的数浓度增加。因为四个试验中霰的质量混合比变化较小,但数浓度则是CD-case高于C-case以及D-case高于DC-csae,由此可以推出霰的有效半径随着IN浓度的增加而逐渐减小,这与陈丽等(2007)的结果类似。
要研究IN的改变对云中冰相过程的影响,水成物在云中的垂直变化也十分重要。由图 3e、f可以看出C-case和CD-case之间降水的变化更明显,因而选取C-case和CD-case讨论水成物在云中的垂直变化。图 3e表示了C-case和CD-case从16:00~19:50累积降水量的差值,因此,沿降水变化最大的正负中心作剖面(图 3e),剖面AB穿过差值最大的区域。
图 5给出7月13日18:10沿直线AB的云水、冰雪晶、雨水和霰的质量混合比垂直剖面。从图 5a、b中可以看出云底在4 km左右,零度层位于4.5 km左右,大部分云处于零度层以上,云水含量的中心出现在零度层附近,约在5 km。CD-case中云水质量混合比的平均值为0.36 g kg-1,C-case中为0.37 g kg-1。C-case中雨水质量混合比的平均值为0.29 g kg-1,CD-case中雨水质量混合比的平均值为0.30 g kg-1。冰晶主要存在于-30~-50℃之间,C-case中冰晶质量混合比的平均值为0.036 g kg-1,而CD-case中质量混合比的平均值为0.037 g kg-1。雪主要存在于0~-50℃之间,C-case中的雪平均质量混合比为0.049 g kg-1,CD-case中为0.061 g kg-1。从图 5c、d可以看出,C-case中最大上升气流出现在零度层附近,最大上升气流速度为17.53 m s-1,CD-case中最大上升气流出现在零度层以上,最大上升气流速度为15.85 m s-1,C-case中最大上升气流速度略高于CD-case中,并且最大上升气流区域大于CD-case中。霰出现在0~-40℃之间,其最大高度低于冰晶和雪,C-case和CD-case中霰质量混合比的平均值分别为0.58 g kg-1和0.59 g kg-1,CD-case中霰的质量混合比略高于C-case。
在18:10,水成物中霰的质量混合比高于其他水成物,零度层上下均有大量上升气流,主要云体在零度层以上,并且CD-case中水成物的质量混合比基本高于C-case中。
图 6是7月13日19:00沿直线AB的云水、冰雪晶、雨水和霰的质量混合比垂直剖面。由图 6a、b可以看出,与18:10相比,云水含量减少,零度层以上和以下云水含量相差较小,云水主要出现在3~6.2 km,C-case中对应的云水质量混合比平均值为0.26 g kg-1,CD-case中为0.27 g kg-1。C-case中雨水的质量混合比平均值为0.23 g kg-1,而CD-case中为0.21 g kg-1,雨水质量混合比平均值相差0.02 g kg-1。在CD-case中冰雪晶的质量混合比迅速增加,特别是雪的质量混合比等值线十分密集,平均质量混合比分别为0.041 g kg-1和0.095 g kg-1;而C-case中冰雪晶的质量混合比增长相对较缓,雪的质量混合比等值线较为稀疏,其值分别为0.39 g kg-1和0.072 g kg-1。从图 6c、d可以看出,云中上升气流较弱,CD-case中的下沉气流强于C-case中,霰的等值线比18:10时稀疏,C-case中霰的平均质量混合比为0.47 g kg-1,CD-case中为0.46 g kg-1,CD-case中的霰的平均质量混合比略小于C-case。
表 3给出了雨滴的源汇项及其微物理过程转化率在17:00、18:10和19:00的平均值。由表 3可以看出,在17:00,C-case和CD-case中雨滴的源项主要是雨滴碰并云滴;除了雨滴碰并云滴之外,霰的融化也是雨滴的重要源项。而在DC-csae和D-case中雨滴最主要源项为霰的融化,第二源项为雨滴碰并云滴。此外,云雨自动转化率虽然相对较小,但其对初始雨滴的形成具有重要的作用。雨滴主要的汇项为雨滴的蒸发。
在18:10,此时为对流云发展旺盛的阶段,在C-case和CD-case中与17时不同的是,霰的融化成为了雨滴主要的来源,但雨滴碰并云滴对雨滴的贡献同样很大。在DC-case和D-case中雨滴最主要的源项仍是霰的融化并且第二源项同样为雨滴碰并云滴。由此看出在此时刻四个实验中雨滴主要的源项相同。雨滴主要的汇项为雨滴的蒸发。由此得出在此时刻,随着对流云的发展,背景大气条件下的雨滴主要的源项由初期的雨滴碰并云滴转变为霰的融化,而沙尘条件下雨滴主要的源项一直都是霰的融化,汇项为雨滴的蒸发,并且源汇项的值远高于17:00源汇项的值。
在19:00,此时对流云已经发展到后期,雨滴主要的源项仍是霰的融化,并且其值与18:10相比变化不大。雨滴主要的汇项仍是雨滴的蒸发。在此时刻雨滴主要源汇项的值与18:10相近,而雨滴碰并云滴和云雨自动转化较18:10减少幅度较大,这与对流云发展到后期云滴的减少有关。
由此可以得出,随着对流云的发展,雨滴主要的源项为雨滴碰并云滴和霰的融化,而雨滴主要的汇项为雨滴的蒸发。
表 4给出了雪晶的源项及其微物理过程转化率在17:00、18:10和19:00的平均值。从表 4可以看出,雪的产生和增长主要通过6种方式,分别为雪碰冻雨滴并转化为雪、雪晶的淞附、雪晶的凝华、冰晶向雪晶的自动转化、雪晶碰并冰晶、冰晶与过冷雨滴碰并转化为雪。在17:00最主要的方式为雪晶的凝华,并且CD-case中雪晶凝华的转化率高于C-case,D-case中雪晶凝华的转化率高于DC-case,即在背景大气和沙尘条件下增加IN提高了雪晶凝华的转化率;除了雪晶的凝华之外,雪碰冻雨滴并转化为雪和雪晶的淞附也是雪的重要源项;冰晶向雪晶的自动转化值很小,但其是初始雪晶形成的必不可少的条件。
在18:10,雪的主要来源仍然为雪晶的凝华,并且其值约为17:00的两倍;雪碰冻雨滴并转化为雪同样是雪重要的来源;冰晶向雪晶的转化比17时高出近两倍,这使得18:10会有更多的初始冰晶形成。相较于17:00,在此时刻雪的各源项都有较大的增长,并且在雪的主要源项中CD-case的值高于C-case、D-case的值高于DC-case。
在19:00,此时处于对流发展的后期,云中雪的主要来源依然是雪晶的凝华,并且较18:10有了进一步的增长;此时雪晶的淞附成为了雪的第二源项。Fan et al.(2011)和Saleeby et al.(2013)发现IN增加能够使冰晶增加进而增强淞附过程和贝吉隆过程,并且使得冰相粒子如雪增多,与这里得到的结果类似。在冰晶向雪晶的自动转化这一项中,19:00的转化率约为18:10的两倍。此外,雪晶碰并冰晶对于雪也有较大的贡献,并且此时刻的转化率相较于18:10变化不大。
表 5给出了霰的源项及其微物理过程转化率在17:00、18:10和19:00的平均值。由表 5可以看出霰有8个源汇项,在17:00霰最主要来源于霰碰并过冷云滴。除了霰碰并过冷云滴之外,霰碰并过冷雨滴、霰的凝华增长以及冰晶与过冷雨滴碰并转化为霰对霰的贡献相近,并且在霰的源项中CD-case的平均值基本都高于C-case的平均值,D-case的平均值也基本高于DC-case的平均值。
在18:10,霰碰并过冷云滴仍然是霰最主要的来源,并且较17:00有较大增长。霰碰并过冷雨滴、霰的凝华增长和冰晶与过冷雨滴碰并转化为霰这三个源项对于霰的贡献相近,并且相比于17:00,这三个源项的转化率都有较大的增加。过冷雨滴与雪碰并转化为霰相比于17:00增长最为明显,其增长了1个量级。
在19:00,霰的主要来源仍为霰碰并过冷云滴,其值相比于18:10有略微的降低。霰的凝华增长为霰的第二源项。霰碰并过冷雨滴以及冰晶与过冷雨滴碰并转化为霰相比于18:10有大幅度降低,这主要是因为在对流发展后期云中过冷雨滴减少,从而限制了霰粒和冰晶的碰并效率。
4 结论本文尝试将DeMott冰相异质核化方案引入到耦合Morrison双参数物理方案的WRF中尺度数值模式中并模拟新疆阿克苏地区一次多单体型强对流风暴,DeMott方案根据大于0.5 μm的气溶胶数浓度和温度来预报初始冰晶数浓度,研究背景大气条件和沙尘条件下气溶胶作为冰核对云中微物理结构影响,沙尘条件下大粒子数浓度是背景大气条件下的10倍以上,结果表明:
(1) 在背景大气条件和沙尘条件下,IN浓度增加对降水中心强度影响较小,并且总体上看降水分布变化不大,但是降水局部的变化量较明显。同时,在背景和沙尘条件下增加IN都使得云滴质量混合比和数浓度有小幅度增加。在对流云发展过程中,雨滴主要的源项为雨滴碰并云滴和霰的融化。
(2) 在背景大气条件和沙尘条件下,IN浓度的增加使得冰晶和雪的质量混合比和数浓度有较大幅度的增加。雪的主要来源为雪晶的凝华增长,随着对流云的发展冰晶含量逐渐减少而雪的含量逐渐增加,并且在对流发展旺盛之后,雪的增长率大幅度增加。
(3) 在对流发展旺盛时,霰的含量达到最大,随后开始下降,整个对流发展过程中,霰碰并过冷云滴都是霰的主要来源,并且在背景大气条件和沙尘条件下IN浓度改变对霰的质量混合比的影响较小,同时都使得霰的数浓度增加。总的来说在背景大气和沙尘条件下增加冰核浓度对霰的质量混合比影响较小,但使霰的数浓度产生明显增加,因而霰的尺度变小。
[] | Andreae M O, Rosenfeld D, Artaxo P, et al. 2004. Smoking rain clouds over the Amazon[J]. Science, 303(5662) : 1337–1342 DOI:10.1126/science.1092779 |
[] | Ault A P, Williams C R, White A B, et al. 2011. Detection of Asian dust in California orographic precipitation[J]. J. Geophys. Res., 116(D16) : D16205 DOI:10.1029/2010JD015351 |
[] | 陈丽, 银燕, 杨军, 等. 2007. 沙尘气溶胶对云和降水影响的模拟研究[J]. 南京气象学院学报, 30(5) : 590–600. Chen Li, Yin Yan, Yang Jun, et al. 2007. Effects of sand dust particles on cloud and precipitation:A numerical study[J]. J. Nanjing Inst. Meteor. (in Chinese), 30(5) : 590–600 |
[] | Chen F, and Dudhia J. 2001. Coupling an advanced land-surface/hydrology model with the Penn State/NCAR MM5 modeling system. Part I:Model description and implementation. Mon. Wea. Rev., 129, 569-585. |
[] | Cooper W A, Lawson R P. 1984. Physical interpretation of results from the HIPLEX-1 experiment[J]. J. Appl. Meteor., 23(4) : 523–540 DOI:10.1175/1520-0450(1984)023<0523:PIORFT>2.0.CO;2 |
[] | Cui Z, Davies S, Carslaw K S, et al. 2011. The response of precipitation to aerosol through riming and melting in deep convective clouds[J]. Atmos. Chem. Phys., 11(7) : 3495–3510 DOI:10.5194/acp-11-3495-2011 |
[] | DeMott P J, Sassen K, Poellot M R, et al. 2003. African dust aerosols as atmospheric ice nuclei[J]. Geophys. Res. Lett., 30(14) DOI:10.1029/2003GL017410 |
[] | DeMott P J, Prenni A J, Liu X, et al. 2010. Predicting global atmospheric ice nuclei distributions and their impacts on climate[J]. Proc Natl Acad Sci, 107(25) : 11217–11222 DOI:10.1073/pnas.0910818107 |
[] | DeMott P J, Prenni A J, McMeeking G R, et al. 2015. Integrating laboratory and field data to quantify the immersion freezing ice nucleation activity of mineral dust particles[J]. Atmos. Chem. Phys., 15(1) : 393–409 DOI:10.5194/acpd-14-17359-2014 |
[] | 董昊, 徐海明, 罗亚丽. 2012. 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, 36(1) : 145–169. Dong Hao, Xu Haiming, Luo Yali. 2012. 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 Sciences (in Chinese), 36(1) : 145–169 DOI:10.3878/j.issn.1006-9895.2012.01.12 |
[] | Fan J W, Ghan S J, Ovchinnikov M, et al. 2011. Representation of arctic mixed-phase clouds and the Wegener-Bergeron-Findeisen process in climate models-perspectives from a cloud-resolving study[J]. J. Geophys. Res., 116(D1) : D00T07 DOI:10.1029/2010JD015375 |
[] | Fan J, Leung L R, DeMott P J, et al. 2014. Aerosol impacts on California winter clouds and precipitation during CalWater 2011:Local pollution versus long-range transported dust[J]. Atmos. Chem. Phys., 14(1) : 81–101 DOI:10.5194/acp-14-81-2014 |
[] | Hong S Y, Noh Y, Dudhia J. 2006. A new vertical diffusion package with an explicit treatment of entrainment processes[J]. Mon. Wea. Rev., 134 : 2318–2341 DOI:10.1175/MWR3199.1 |
[] | Iacono M J, Delamere J S, Mlawer E J, et al. 2008. Radiative forcing by long-lived greenhouse gases:Calculations with the AER radiative transfer models[J]. J. Geophys. Res. Atmos., 113(D13) : 1395–1400 |
[] | 金莲姬, 银燕, 王盘兴, 等. 2007. 热带深对流云砧数值模拟及云凝结核数浓度对其影响的初步试验[J]. 大气科学, 31(5) : 793–804. Jin Lianji, Yin Yan, Wang Panxing, et al. 2007. Numerical modeling of tropical deep convective anvil and sensitivity test on its response to changes in the cloud condensation nuclei concentration[J]. Chinese Journal of Atmospheric Sciences (in Chinese), 31(5) : 793–804 DOI:10.3878/j.issn.1006-9895.2007.05.04 |
[] | Johnson D B. 1982. The role of giant and ultragiant aerosol particles in warm rain initiation[J]. J. Atmos. Sci., 39(2) : 448–460 DOI:10.1175/1520-0469(1982)039<0448:TROGAU>2.0.CO;2 |
[] | Khain A, Rosenfeld D, Pokrovsky A, et al. 2011. The role of CCN in precipitation and hail in a mid-latitude storm as seen in simulations using a spectral (bin) microphysics model in a 2D dynamic frame[J]. Atmos. Res., 99(1) : 129–146 DOI:10.1016/j.atmosres.2010.09.015 |
[] | Koren I, Kaufman Y J, Rosenfeld D, et al. 2005. Aerosol invigoration and restructuring of Atlantic convective clouds[J]. Geophys. Res. Lett., 32(14) DOI:10.1029/2005GL023187 |
[] | Koren I, Feingold G, Remer L A. 2010. The invigoration of deep convective clouds over the Atlantic:Aerosol effect, meteorology or retrieval artifact?[J]. Atmos. Chem. Phys., 10(18) : 8855–8872 DOI:10.5194/acp-10-8855-2010 |
[] | Lebo Z J, Seinfeld J H. 2011. Theoretical basis for convective invigoration due to increased aerosol concentration[J]. Atmos. Chem. Phys., 11(11) : 5407–5429 DOI:10.5194/acp-11-5407-2011 |
[] | Levin Z, Ganor E. 1996. The effects of desert particles on cloud and rain formation in the eastern Mediterranean[M]//The Impact of Desert Dust across the Mediterranean. Guerzoni S, Chester R, Eds. Netherlands:Springer, 77-86, doi:10.1007/978-94-017-3354-0_7. |
[] | Monin A S, Obukhov A M. 1954. Basic laws of turbulent mixing in the surface layer of the atmosphere[J]. Contrib. Geophys. Inst. Acad. Sci., USSR, (151)(151) : 163–187 |
[] | Morrison H, Gettelman A. 2008. A new two-moment bulk stratiform cloud microphysics scheme in the community atmosphere model, version 3 (CAM3). Part I:Description and numerical tests[J]. Part I:Description and numerical tests[J]. J. Climate, 21(15) : 3642–3659 DOI:10.1175/2008JCLI2105.1 |
[] | Morrison H, Grabowski W W. 2011. Cloud-system resolving model simulations of aerosol indirect effects on tropical deep convection and its thermodynamic environment[J]. Atmos. Chem. Phys., 11(20) : 10503–10523 DOI:10.5194/acp-11-10503-2011 |
[] | Noppel H, Blahak U, Seifert A, et al. 2010. Simulations of a hailstorm and the impact of CCN using an advanced two-moment cloud microphysical scheme[J]. Atmos. Res., 96(2-3) : 286–301 DOI:10.1016/j.atmosres.2009.09.008 |
[] | Phillips V T J, Donner L J, Garner S T. 2007. Nucleation processes in deep convection simulated by a cloud-system-resolving model with double-moment bulk microphysics[J]. J. Atmos. Sci., 64(3) : 738–761 DOI:10.1175/JAS3869.1 |
[] | Pratt K A, DeMott P J, French J R, et al. 2009. In situ detection of biological particles in cloud ice-crystals[J]. Nat Geosci, 2(6) : 398–401 DOI:10.1038/ngeo521 |
[] | Pruppacher H, Klett J D. 1997. Microphysics of clouds and precipitation[J]. Eos Transactions American Geophysical Union, 93(51) : 381–382 |
[] | Rosenfeld D, Lohmann U, Raga G B, et al. 2008. Flood or drought:How do aerosols affect precipitation?[J]. Science, 321(5894) : 1309–1313 DOI:10.1126/science.1160606 |
[] | Saleeby S M, Cotton W R, Lowenthal D, et al. 2013. Aerosol impacts on the microphysical growth processes of orographic snowfall[J]. J. Appl. Meteor. Climatol., 52(4) : 834–852 DOI:10.1175/JAMC-D-12-0193.1 |
[] | Skamarock W C, Klemp J B, Dudhia J, et al. 2008. A Description of the Advanced Research WRF Version 3[R]. NCAR Technical Note NCAR/TN-475+STR, 7-25, doi:10.5065/D68S4MVH. |
[] | Tao W K, Li X W, Khain A, et al. 2007. Role of atmospheric aerosol concentration on deep convective precipitation:Cloud-resolving model simulations[J]. J. Geophys. Res., 112(D24) : D24S18 DOI:10.1029/2007JD008728 |
[] | Teller A, Levin Z. 2006. The effects of aerosols on precipitation and dimensions of subtropical clouds:A sensitivity study using a numerical cloud model[J]. Atmos. Chem. Phys., 6(1) : 67–80 DOI:10.5194/acp-6-67-2006 |
[] | Williams E, Rosenfeld D, Madden N, et al. 2002. Contrasting convective regimes over the Amazon:Implications for cloud electrification[J]. J. Geophys. Res., 107(D20) : LBA 50-1–LBA 50-19 DOI:10.1029/2001JD000380 |
[] | Yin Y, Levin Z, Reisin T G, et al. 2000. The effects of giant cloud condensation nuclei on the development of precipitation in convective clouds-A numerical study[J]. Atmos. Res., 53(1) : 91–116 DOI:10.1016/S0169-8095(99)00046-0 |
[] | Yin Y, Chen L. 2007. The effects of heating by transported dust layers on cloud and precipitation:A numerical study[J]. Atmos. Chem. Phys., 7(13) : 3497–3505 DOI:10.5194/acp-7-3497-2007 |
[] | Zubler E M, Lohmann U, Lüthi D, et al. 2011. Statistical analysis of aerosol effects on simulated mixed-phase clouds and precipitation in the Alps[J]. J. Atmos. Sci., 68(7) : 1474–1492 DOI:10.1175/2011JAS3632.1 |