2 成都信息工程大学大气科学学院, 成都 610225
2 Atmospheric Sciences College, Chengdu University of Information Technology, Chengdu 610025
雷暴是常见的灾害性天气,是一种发展旺盛的强对流现象,其发生过程常伴有冰雹、大风和闪电等天气现象,威胁到人们的生命和财产安全(王道洪等,2000)。工业社会的高速发展使人为气溶胶排放日益增强,目前,气溶胶对云宏微观过程和降水的研究较多,而对雷暴云电过程的影响仍需进一步的研究。
实验室研究(Reynolds et al.,1957; Takahashi,1978; Saunders et al.,1991)和模拟研究(Helsdon et al.,2001)证实,雷暴起电主要是由冰晶和霰在冰水共存区的碰撞分离引起的,即冰相粒子起主要作用。许多研究(Andreae et al.,2004; Khain,2009; 杨慧玲等,2011a,2011b; Xiao et al.,2014)表明,当气溶胶浓度增加时,CCN(Cloud Condensation Nuclei)和云滴数浓度增加,云滴尺度减小,云滴向雨滴转化的效率降低,更多的小云滴随上升气流被抬升至冻结层之上,同时潜热释放增加,激发对流发展,形成更多的冰相粒子。
观测资料的对比分析是研究气溶胶与雷暴云电活动的方法之一。Williams et al.(2002)通过观测对比大陆和海洋上的闪电活动发现,随着气溶胶含量的增加,云滴尺度减小,云滴碰撞效率降低,暖云降水过程受到抑制,更多的小云滴进入冻结层,形成更多参与起电的冰相粒子,增大雷暴云的范围,从而导致闪电活动增强。Christian et al.(2003)分析了光学瞬变探测器(OTD)在一年之内探测的全球闪电分布指出,陆地上发生闪电的频率比海洋上高约一个量级,出现这种差异的一个可能的原因是气溶胶浓度的不同(Rosenfeld,2000; Williams and Stanfill,2002; Williams et al.,2004)。但气溶胶对闪电活动的影响在有些地区并不是很明显,Lal and Pawar(2011)分析了印度地区四个沿海和内陆城市发现,只有在内陆城市气溶胶显著增加的地区闪电活动才会有所增强。Wang et al.(2011)通过分析2000~2006年中国珠江三角洲地区的闪电与能见度的关系发现,闪电活动与能见度呈负相关,即气溶胶浓度和闪电活动呈正相关。Chaudhuri and Middey(2013)通过分析印度加尔各答地区的污染情况和闪电活动发现,随着污染物浓度的增加,雷暴闪电发生的频率增加。由于污染物的排放,燃煤电厂和公路沿线的闪电发生率比其他地区高出三倍(Strikas and Elsner,2013)。Tan et al.(2016)分析了2002~2011年中国南京地区夏季闪电密度和气溶胶光学厚度(AOD)的关系发现,气溶胶浓度增加可能会导致闪电密度降低,但正地闪出现的频率增加。以上观测研究均说明气溶胶浓度会影响闪电活动,但由于观测手段的局限性,模式研究也是了解雷暴云起、放电机制及电活动的一种方法。
在模拟研究方面,Mitzeva et al.(2006)运用一维云动力模式模拟海洋和大陆雷暴云指出,气溶胶浓度的差异影响雷暴电过程,海洋背景下,云雨自动转化率高,降水较多,这导致冻结层之上的液水含量降低,形成的冰相粒子相对较少,从而导致雷暴电过程相对较弱;同时说明冰相粒子在雷暴电过程中起重要作用。Khain et al.(2008a)利用二维云模式证明,随着海洋上空气溶胶浓度的增加,雷暴云中过冷水含量、冰水含量以及垂直速度增加,影响闪电活动的强度。随后,Khain et al.(2010)的研究表明,气溶胶浓度增加,热带气旋的闪电活动增加。Mansell et al.(2010)发现较低CCN浓度(nCCN)会导致云滴数浓度降低,云滴碰并过程减弱,从而减弱非感应电荷分离过程。Mansell and Ziegler(2013)运用二维体积水模式模拟并分析了雷暴云的微物理过程和电过程,结果表明当nCCN小于2000 cm-3时,在此范围内随nCCN增加,霰粒子浓度增加,闪电活动增强。王宁宁等(2013a,2013b)将气溶胶模块植入到二维云模式(谭涌波等,2006,2007)中,发现当气溶胶浓度增加时,云中电荷总量也随之增加,并且气溶胶的浓度与雷暴云内水成物粒子所携带的最大电荷密度及电荷量有很好的正相关性。随后,师正等(2015)在进一步的研究中指出随气溶胶浓度的增加,闪电发生率先增加后趋于稳定;对比大陆海洋两种情况可看出,在大陆背景下,雷暴云中气溶胶浓度较高,云滴较多,上升气流更强,更多的云滴被上升气流带至冻结层之上形成冰晶,冰晶通量的增加导致电过程增强(Shi et al.,2015)。Zhao et al.(2015)在WRF模式中耦合了详细的气溶胶活化方案及非感应起电参数化方案,讨论了清洁和污染两种背景下气溶胶对微物理过程的影响以及雷暴电过程对微物理过程改变的响应,研究发现污染背景下,霰粒子和雪粒子的增长率较大,形成的冰相粒子较多,高浓度的冰相粒子引起闪电活动增强,并且使雷暴云中上正下负的偶极性电荷结构变为复杂的三级性结构。
以上研究表明,气溶胶对云微物理过程的影响主要表现在随着气溶胶浓度增加,云滴数浓度增加,云滴尺度减小,更多的小云滴被上升气流带至冻结层之上,形成更多的冰相粒子。而雷暴电过程主要是由云内冰相粒子之间的相互作用引起的,所以气溶胶浓度的增加会对雷暴电过程产生明显的影响,但气溶胶具体怎样影响雷暴云的微物理过程从而影响起电过程仍有待研究,基于此,本文在了解雷暴云主要起电机制的基础上,选取合适的数值模式,讨论了气溶胶对雷暴电过程的影响。
2 模式介绍在气溶胶与雷暴云微物理过程相关关系的研究中,模式研究成为一种重要的手段,近年来随着人们对气溶胶气候效应的重视,气溶胶与云之间相互作用的数值模式也越来越多。在本文的研究中,使用Zhao et al.(2015)文中所用模式,即将考虑霰粒子与冰晶粒子和霰粒子与雪粒子碰撞分离过程的非感应起电机制(SP98方案;Saunders and Peck,1998)耦合到Morrison双参数微物理方案(Morrison and Gettelman,2008)的WRF(Version 3.4.1)中尺度模式中,采用整体放电参数化方案,通过改变模式中初始nCCN来表征气溶胶浓度的变化,讨论气溶胶浓度对雷暴云微物理过程与起电强度的影响。其中微物理方案考虑了六种水成物:水汽、云滴、雨滴、冰晶、雪和霰/雹,可预报每种水成物的混合比和数浓度,同时分别考虑了暖云和冷云过程,包含的微物理过程有:凝结、蒸发和云雨自动转化、云水/云冰碰并收集、升华和融化、均质/非均质冻结和冰晶繁生。
2.1 非感应起电过程及参数化方案文中所使用的非感应起电方案为调整后的SP98方案(Saunders and Peck,1998; Mansell et al.,2005; Zhao et al.,2015)。两种冰粒子x和y简化的非感应电荷分离率方程如下(Mansell et al.,2005):
$\frac{{\partial {\rho _{xy}}}}{{\partial t}} = \beta \Delta Q(1 - {E_{xy}})E_{xy}^{ - 1}({N_{{\rm{CL}}xy}})$ | (1) |
其中,β是在温度低于0℃时,电荷分离率的临界系数,Exy为收集率,NCLxy是两种类型冰粒子的数浓度碰撞收集率,ΔQ为单次碰撞的电荷分离量,计算公式如下:
$\Delta Q = B{D^a}{\left( {\overline {{V_{\rm{G}}}} - \overline {{V_{\rm{I}}}} } \right)^b}\delta {q_ \pm }$ | (2) |
其中,VG和VI分别为霰和冰晶(雪)的平均下落末速度;D为冰晶(雪)粒子的直径(单位:m),表 1给出了基于冰晶尺度的常数B、a和b的值;δq为霰粒子所带的电荷量。
为了避免电荷转移量和闪电频数出现偏高的情况(Ziegler et al.,1991),在本次研究中对δq进行了质量控制,令霰粒子和冰晶粒子碰撞分离的电荷转移量不超过50 fC,霰粒子和雪粒子碰撞分离的电荷转移量不超过20 fC。模式中,水成物粒子所携带的电荷密度为ρx,电荷的计算方程为
$\frac{{\partial {\rho _x}}}{{\partial t}} = {A_{{\rm{DVEC}}}}({\rho _x}) + {T_{{\rm{URB}}}}({\rho _x}) + {S_{{\rm{OURCE}}}}({\rho _x}) + {S_{{\rm{EDIM}}}}({\rho _x}){\rm{ }},$ | (3) |
其中,右侧第一项表示电荷的平流,第二项为电荷的湍流项,这两项与携带电荷的水成物粒子的计算一致;第三项为电荷的源项,起电过程产生的电荷为源,放电过程电荷卸放为汇;第四项为电荷的沉降项,即携带电荷的水成物粒子的沉降过程。大小不同冰粒子碰撞分离后携带电荷,之后便携带着电荷沉降,即电荷的沉降与所在粒子的沉降一样。
2.2 闪电参数化方案所有格点的电势Φ利用泊松方程求解所得:
${\nabla ^2}\Phi = - \frac{\rho }{\varepsilon }$ | (4) |
其中,ρ为每个格点上的总电荷密度,ε为空气介电常数,其值为8.859×10-12 N-1 m-2 C2,文中利用超松弛迭代法(SOR)对泊松方程进行求解。电场E的计算公式为
$E=-\nabla \Phi $ | (5) |
本文主要采用整体放电参数化方案,当某一格点垂直方向上电场超过放电阈值,则这点为闪电激发点,电场放电的击穿阈值Einit为高度的函数(Marshall et al.,1995):
${{E}_{\text{init}}}=201.7\text{exp(}-z/8.4\text{)}$ | (6) |
其中,z为高度,其单位为km。为了避免放电位置过高或过低,将放电阈值限制在30 kV m-1至125 kV m-1之间(Mansell et al.,2002)。
2.3 模式初始化为了排除地形、地表利用情况、人为等因素,相对独立地讨论nCCN变化对雷暴单体的影响,本文选取一个热力探空曲线(Mansell et al.,2010)来模拟理想超级雷暴单体,相应的温、压、湿及风廓线如图 1所示(即本文模拟个例所输入的初始场)。模拟区域为60 km×60 km×16 km,水平分辨率为0.25 km,垂直方向为41层,总模拟时间为90 min,积分步长为1 s。通过改变气溶胶活化经验公式NCCN=nCCN×Sk(其中k=0.6,S为过饱和度,NCCN为CCN活化谱;Mansell et al.,2010)中的nCCN,来 表征气溶胶浓度的变化。nCCN从500 cm-3增加至4000 cm-3,分别为500、750、1000、1250、1500、1750、2000、2250、2500、2750、3000、3250、3500、3750和4000 cm-3,共15组试验。
图 2为云滴、雨滴数浓度和混合比在模拟90 min内的时空平均值随nCCN的变化,本文所用的时空平均值是指,先将含有该微物理量的空间格点进行平均,再将所得结果对整个模拟时间(90 min)进行平均(下同)。可以看出随nCCN增加,云滴数浓度和混合比增加,雨滴数浓度和混合比减少。气溶胶增加引起云滴数浓度和混合比增加,这与前人的一些研究是一致的(Khain et al.,1999,2004),许多研究(Yin et al.,2000; Lynn et al.,2007)还指出增加nCCN,导致云滴数浓度增加,云滴尺度降低,凝结增长过程增强,碰并效率降低,云雨转化率降低,不易形成降水,从而使得雨滴数浓度降低。
为了进一步分析云微物理过程,本文选取三个nCCN:500 cm-3、1500 cm-3和3500 cm-3,分别在成熟阶段初期35 min时做云滴数浓度和混合比的剖面图(图 3)。从图 3可以看出,当nCCN=500 cm-3时,云滴数浓度和混合比较低,随nCCN增加,云滴数浓度和混合比逐渐增大,这与图 2呈现的趋势一致。对比云滴数浓度和混合比可知,随nCCN增加,云滴混合比增加,最大值范围增加,但云滴混合比的分布及量级基本不变,最大值维持在2.0 g kg-1;云滴数浓度增加,且6 km之上云滴数浓度增加的程度比6 km之下增加的程度大,说明6 km之上的云滴尺度更小,小云滴更容易被上升气流抬升至冻结层之上,有利于冰相粒子的形成和撞冻长大。
图 4为成熟阶段初期35 min时,三个nCCN(500 cm-3、1500 cm-3、3500 cm-3)背景下,雨滴数浓度和混合比。图中显示雨滴数浓度和混合比随nCCN增加均呈下降趋势,二者分布范围随nCCN增加逐渐变小。对比云滴和雨滴混合比(图 3d、e、f和图 4d、e、f)可以看出,雨滴混合比的中心高值区对应云滴混合比的低值区。云滴分布的高度为云底至10 km左右(图 3a、b、c),雨滴分布的高度为云底至云内6 km左右,该区域内随nCCN增加,云滴数浓度增加,云滴尺度减小,碰并效率降低,形成的雨滴数浓度减少,分布范围也减小。
为了更加直观的对比nCCN对云微物理过程的影响,进一步讨论三个nCCN(500 cm-3、1500 cm-3、3500 cm-3)背景下,模拟90 min内地面累积降水量的变化(图 5)。对比图 5a、b、c可以看出,随nCCN增加,整体降水范围没有明显差异;对比图 5a、b发现,累积降水量的最大值均为50 mm,但其范围随nCCN增加而减小,且当nCCN=3500 cm-3时,累积降水量的最大值减小为46 mm。说明随nCCN增加,降水过程受到抑制,这与上文所分析的云滴、雨滴的变化趋势相一致。
许多研究(Rosenfeld,1999; Andreae et al.,2004)指出,增加气溶胶浓度能够增加云滴数浓度,减小云滴尺度,从而使云滴的碰并效率降低,抑制雨滴的形成过程,未降落的小云滴粒子随上升气流升至冻结层之上,参与冻结过程,形成更多的冰相粒子。在本文研究的非感应起电机制中,主要考虑霰粒子与冰晶粒子和霰粒子与雪粒子之间的碰撞分离过程,因此云内冰相粒子的数浓度及混合比为本文分析的重点。图 6为模拟90 min内霰粒子(图 6a、b)、冰晶粒子(图 6c、d)、雪粒子(图 6e、f)的时空平均数浓度及时空平均混合比随nCCN的变化趋势。对比图 6c、d、e、f可知雪粒子的平均数浓度与平均混合比均比冰晶粒子低一个量级,这说明参与碰撞分离过程的冰相粒子主要为霰粒子和冰晶粒子。观测研究(Khain et al.,2010)和模拟研究(Khain et al.,2008b)指出,雷暴云内较高的气溶胶浓度使冻结层之上的液态水含量增加,形成更多的冰相粒子,闪电活动增强。但在本文研究中,并不是所有的冰相粒子均呈增加趋势。从图 6a、b、c、d可以看 出,随nCCN增加,霰粒子的平均数浓度降低,平均混合比增加,冰晶粒子的平均数浓度增加,平均混合比基本不变,即n CCN增加导致霰粒子的平均尺度增大,冰晶粒子的平均尺度减小。综合分析图 6可知,尽管霰粒子的数浓度降低,但其尺度增加,同时冰晶粒子的数浓度增加,尺度减小,更大的霰粒子与更多小的冰晶粒子之间的碰撞分离过程可能会增强。
为了解释冰相粒子随nCCN变化所呈现的变化趋势,随即讨论霰粒子、雪粒子和冰晶粒子的源汇项。表 2给出了三个nCCN(500、1500、3500 cm-3)背景下,冰晶粒子的源汇项及其微物理过程转化率的时空总和。可以看出随nCCN增加,冰晶粒子数浓度的大部分源项增加,汇项减少,导致冰晶粒子数浓度增加。冰晶粒子数浓度源项共6个,其中最主要的是浸润接触冻结和凝华凝结,nCCN增加导致云滴数浓度增加,使接触冻结过程增强,霰与云滴和雪与云滴的繁生过程也增强,从而使冰晶粒子数浓度增加;由于雨滴数浓度与混合比均减小,因此雪与雨滴繁生的过程减弱,但由于霰粒子的混合比增加,导致霰粒子与雨滴繁生的过程增强。汇项共5个,其中最主要的为霰粒子的碰并收集、冰晶的淞附增长和冰晶与雪的自动转化过程,nCCN增加引起云滴数浓度增加,雨滴数浓度减少,导致冰晶淞附增长过程增强,雨滴收集冰晶及雨滴收集冰晶转化为雪的过程减弱,而霰粒子由于其混合比增加,尺度变大,碰并收集冰晶粒子的过程也相应增强。整体分析冰晶粒子数浓度的源汇项可以看出,随nCCN增加,冰晶粒子数浓度源项增加,汇项减少,导致冰晶粒子数浓度增加。冰晶粒子混合比的源汇项如表 2所示,其中主要的源项为云滴的凝华,主要的汇项为霰粒子的碰并收集,随nCCN增加,冰晶粒子混合比的变化不明显,基本维持不变,这与上文的分析一致。即随nCCN增加,冰晶粒子数浓度增加,混合比基本不变,冰晶粒子平均尺度减小。
表 3为三个nCCN(500、1500、3500 cm-3)背景下,雪粒子的源汇项及其微物理过程转化率的时空总和。可以看出雪粒子数浓度的主要源项为冰雪之间的自动转化,主要汇项为霰粒子的收集,由于主要源汇项随nCCN变化不明显,因此雪粒子数浓度随nCCN变化也不明显。雪粒子混合比的主要源项为雪的凝华,主要汇项为霰粒子的收集,整体分析可看出雪粒子混合比有增加的趋势,但是增加的不明显。在本文讨论的非感应起电机制中,碰撞分离过程与小尺度冰相粒子的数浓度有关,对比表 2和表 3可以看出,冰晶粒子数浓度比雪粒子数浓度高约1~2个量级,因此,冰晶粒子与霰粒子的碰撞分离过程是影响起电强度的主要过程。
Miller et al.(2001)指出,霰粒子浓度是影响雷暴闪电活动强度的最重要的因子之一。表 4是三个nCCN(500、1500、3500 cm-3)背景下,霰粒子源汇项及其微物理过程转化率的时空总和。霰粒子数浓度的源项主要有4项,分别为雪收集云滴、雪收集雨滴、雨滴冻结和冰晶收集雨滴过程,表中显示所有源项均随nCCN增加而减小,这与上文分析的霰粒子数浓度随nCCN增加而降低的结论是一致的。源项减少是因为随nCCN增加,云滴数浓度增加,云滴尺度减小,碰并效率降低,因此雪收集云滴转化成霰的过程随之减弱;同时由于碰并效率降低抑制暖雨过程,雨滴数浓度减少,混合比减少,冰晶和雪收集雨滴形成霰粒子的过程减弱,雨滴直接冻结形成霰的过程减弱,导致霰粒子数浓度随nCCN增加而降低。对比霰粒子混合比的源项可以看出,随nCCN增加,虽然霰的数浓度减少,但是霰粒子的大部分增长过程均增加,导致高浓度CCN背景下霰粒子混合比增加。霰粒子收集云滴为最主要的源项,随着nCCN增加,云滴数浓度增加云滴尺度减小,小云滴被上升气流带至冻结层之上,使冻结层之上的液态水含量增加,霰粒子的淞附增长过程增强,导致霰粒子混合比增加。因此,随nCCN增加,霰粒子数浓度降低,质量混合比增加,霰粒子平均尺度增大。
通过分析霰粒子、雪粒子和冰晶粒子的源汇项可以看出,各冰相粒子随nCCN变化与上文(图 5)的分析一致,冰相粒子数浓度及混合比的变化将会对雷暴起电强度产生影响。
3.4 CCN浓度对雷暴云电过程的影响由上文的分析可知,气溶胶对云微物理过程的影响主要表现在随着气溶胶浓度增加,云滴尺度减小,云滴数浓度增加,更多的小云滴粒子随上升气流上升至冻结层之上,形成更多的冰相粒子。而雷暴云的电活动主要是由云内冰相粒子之间的相互作用引起的,所以气溶胶浓度的增加可能会影响雷暴云的电活动。
3.4.1 CCN浓度对电荷结构的影响对模拟结果进行统计分析发现:雷暴云内的正、负电荷总量在第63 min时达到极值,因此,选取不同nCCN给出净电荷的垂直分布情况,如图 7。图 7给出6个不同nCCN背景下的电荷结构,对比分析可知不同nCCN背景下,电荷结构保持为上正下负的偶极性电荷结构,即在本文模拟的理想雷暴云中,nCCN对电荷结构的影响不是很明显,但电荷密度存在一定的变化。Mansell and Zeigler(2013)指出,气溶胶与电荷结构的关系并不突出;并且师正等(2015)研究发现,随气溶胶浓度增大,电荷结构总是保持为三级性。
在上文的分析中,气溶胶对电荷结构的影响不明显,但云中电荷密度存在变化,因此随即分析nCCN对雷暴起电强度的影响。nCCN增加影响云内的微物理过程,对于冰晶粒子而言,云滴数浓度增加导致浸润接触冻结和凝华凝结过程增强,从而使冰晶粒子数浓度增加;同时由于云滴数浓度增加导致霰粒子的淞附增长过程增强,霰粒子混合比增加。在本文讨论的非感应起电机制中,冰晶粒子和霰粒子作为两种主要的起电粒子,其数浓度和混合比的改变可能会引起云中电荷密度的改变。图 8给出了正负电荷密度的时空平均值随nCCN的变化。可以看出,nCCN增加使正电荷和负电荷密度的时空平均值均增大,需指出的是图 8b中的负值指的是电荷极性为负,因此负电荷密度的时空平均值也随nCCN增加而增加。这说明,冰晶粒子和霰粒子的变化会影响云内的电过程。结合上文微物理过程的分析,随nCCN增加,有更大的霰粒子和更多小的冰晶粒子参与电过程,导致正负电荷密度增加,雷暴云起电过程增强,同时证明了CCN是雷暴云起电强度增强的重要因素。但从图 8可以看出,这种增加的趋势不是线性的增加,这是因为在上文的分析中,云内各冰相粒子的源汇项并不均为线性的变化,导致云内冰相粒子随nCCN不是线性增加(图 6),从而使得nCCN不会使起电强度单调递增。这一结果也证实,高浓度CCN背景下,雷暴云内形成更多的冰晶粒子和霰粒子,使起电强度增强。
由Mansell et al.(2005)提出的公式(1)可以看出,起电强度主要由两种类型冰粒子的数浓度碰撞分离率和单次碰撞的电荷分离量所决定,因此,本文主要从这两方面讨论nCCN引起雷暴起电强度增强这一趋势。需指出的是这里提到的碰撞分离率是根据碰撞收集率计算得出的,收集率高相应的分离率也高。图 9为霰粒子收集冰晶粒子图 9a和霰粒子收集雪粒子(图 9b)的数浓度变化率总和随nCCN的变化。从图 9a可以看出,随nCCN增加,霰粒子收集冰晶粒子的数浓度增加,这说明随nCCN增加,霰粒子与冰晶粒子的碰撞分离过程也增强,从而使起电强度增强。这与上文的分析相吻合,即nCCN增加,抑制雷暴云的暖雨过程,霰粒子数浓度减少,混合比增加,导致霰粒子的平均尺度增加;冰晶粒子数浓度增加,混合比基本不变,导致冰晶粒子的平均尺度减小,因此较大尺度的霰粒子与高数浓度且小尺度的冰晶粒子之间更容易发生碰撞分离,使高浓度CCN背景下的起电过程增强。而图 9b则显示,霰粒子收集雪粒子的数浓度随nCCN变化不明显,这是因为,首先,雪粒子的数浓度比冰晶粒子低1~2个量级;其次, 雪粒子的数浓度和尺度均无明显的变化。对比图 9a和b可以看出,冰相粒子之间的碰撞分离过程由两种粒子的数浓度和尺度共同决定。
图 10为不同nCCN背景下单次碰撞电荷分离量的时空平均值,可以看出随nCCN增加,单次碰撞电荷分离量增加。公式(2)显示,单次碰撞电荷分离量与两种发生碰撞的冰粒子的末速度之差成正比,在上文的分析中,nCCN增加使霰粒子尺度增大,冰晶粒子尺度减小,即霰粒子的下落末速度增大,冰晶粒子的下落末速度减小,二者下落末速度的差值增大,导致单次碰撞电荷分离量增加,正负电荷密度增加,从而引起雷暴起电强度增强。
从理想超级雷暴单体的模拟结果来看,其宏观结构和微观粒子(包括云滴、雨滴、冰晶粒子、雪粒子和霰粒子)的数浓度和混合比以及模拟所得的电荷密度与Mansell et al.(2010)、Mansell et al.(2013)、Zhao et al.(2015)、徐良韬等(2012)以及Liu et al.(2014)等学者的研究相吻合。nCCN改变影响云中水成物粒子的数浓度和含量,进而影响雷暴起电强度,文中所给出的各粒子混合比及数浓度的改变均为时空平均值,大量数据的平均值对于变化趋势具有一定的代表性。本文从各冰相粒子的源汇项入手,详细的讨论了该单体的微物理过程,各微物理量的数值及电荷密度值都在合理的范围内,因此模拟结果是合理的。但需指出的是选择不同的微物理方案和非感应起电机制参数化方案得到的结果可能是不同的,在电过程方面主要表现在电荷结构的多极性(徐良韬等,2012;Liu et al.,2014)。
4 总结与结论本文将考虑了霰粒子与冰晶粒子和霰粒子与雪粒子碰撞分离的非感应起电机制耦合到WRF中尺度模式的Morrison双参数化微物理方案中,采用整体放电参数化方案,模拟了一个理想的超级雷暴单体,通过改变气溶胶活化经验公式NCCN=nCCN×Sk中的nCCN来表征气溶胶浓度的变化。共模拟15组试验,讨论气溶胶浓度升高的过程中,雷暴云微物理过程及起电强度的变化。主要结论如下:
(1) nCCN变化引起云微物理过程的变化,从而影响雷暴云的起电强度。本文中,随nCCN增加,云滴数浓度增加,云滴尺度减小,碰并效率降低,抑制雨滴的形成过程,雨滴数浓度减少,混合比减少,雪收集云滴转化成霰粒子、冰晶和雪收集雨滴形成霰粒子以及雨滴直接冻结形成霰粒子的过程均减弱,导致随nCCN增加霰粒子数浓度降低;同时,冰晶粒子的接触冻结过程及繁生过程增强,使冰晶粒子的数浓度增加。即冰晶粒子混合比基本不变,数浓度增加,平均尺度减小,下落末速度减小;霰粒子混合比增加,数浓度降低,平均尺度增加,下落末速度增加。这样,冰晶粒子与霰粒子的下落末速度差值增加,导致单次碰撞电荷分离量增加,正负电荷密度增加,使雷暴云起电强度增强。
(2) 随nCCN增加,霰粒子与冰晶粒子数浓度均增加,导致二者之间的碰撞分离过程增强,进而引起起电强度增强(Zhao et al.,2015)。在本文考虑的霰粒子与冰晶粒子和霰粒子与雪粒子的碰撞分离过程中,同时考虑了冰相粒子的数浓度和尺度,由于霰粒子数浓度降低尺度增加,冰晶粒子的数浓度增加尺度减小,这样更大的霰粒子与更多小的冰晶粒子之间碰撞分离过程增强;雪粒子由于其数浓度与尺度均无明显变化,其与霰粒子的碰撞分离过程无明显变化。即冰相粒子的数浓度与尺度均会影响二者之间的碰撞分离过程,从而影响起电强度。
需要说明的是,为了相对独立地讨论气溶胶对雷暴云电活动的影响,本文选取的是理想型的雷暴个例,只通过经验公式考虑了气溶胶作为CCN对起电强度的影响,在未来的工作中,将选取实际个例,进一步讨论不同模态的气溶胶对雷暴云电活动的影响。模式中对放电过程考虑的比较简单,即当电场超过一定阈值后发生闪电,净电荷密度按照一定比例中和,且未区分云闪和地闪。今后将对放电参数化方案进行更进一步的学习,其中包括对放电通道的理解,闪道传播方向的认识,电场中击穿阈 值、闪电放电位置及高度的选择,电荷中和的方式等。另外,对于起电方案本文基于以下两个原因没有考虑感应起电机制:(1)Aufdermaur and Johnson(1972)发现感应起电机制虽然能够产生与实际观测最大场强相符的强电场,但初始电场强度必须大于10 kV m-1,这是晴天电场很难达到的。并且一些研究(Takahashi,1978; Saunders et al.,1991; 言穆弘等,1996a,1996b ; Mansell and Ziegler.,2013)指出,非感应起电机制电荷分离的量级较高,是雷暴云起电过程中较为主要的起电机制。(2)徐良韬等(2012)模拟的理想超级雷暴单体表明,霰、雹同冰晶粒子间的非感应起电在整个起电物理过程中起了较主要的作用,感应起电则较弱。也有研究者也得出感应起电较弱的结论(Ziegler et al,. 1991)。在今后的工作中,将会进一步完善模式中的起电方案,包括引入感应起电机制及次生冰晶起电机制,对不同的非感应起电方案进行对比分析等等。
[] | 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 |
[] | Aufdermaur A N, Johnson D A. 1972. Charge separation due to riming in an electric field[J]. Quart. J. Roy. Meteor. Soc., 98(416) : 369–382 DOI:10.1002/qj.49709841609 |
[] | Chaudhuri S, Middey A. 2013. Effect of meteorological parameters and environmental pollution on thunderstorm and lightning activity over an urban metropolis of India[J]. Urban Climate, 3 : 67–75 DOI:10.1016/j.uclim.2013.03.003 |
[] | Christian H J, Blakeslee R J, Boccippio D J, et al. 2003. Global frequency and distribution of lightning as observed from space by the optical transient detector[J]. J. Geophys. Res., 108(D1) : ACL 4-1–ACL 4-15 DOI:10.1029/2002JD002347 |
[] | Helsdon J H Jr, Wojcik W A, Farley R D. 2001. An examination of thunderstorm-charging mechanisms using a two-dimensional storm electrification model[J]. J. Geophys. Res., 106(D1) : 1165–1192 DOI:10.1029/2000JD900532 |
[] | Khain A P. 2009. Notes on state-of-the-art investigations of aerosol effects on precipitation:A critical review[J]. Environ. Res. Lett., 4(1) : 015004 DOI:10.1088/1748-9326/4/1/015004 |
[] | Khain A, Pokrovsky A, Sednev I. 1999. Some effects of cloud-aerosol interaction on cloud microphysics structure and precipitation formation:Numerical experiments with a spectral microphysics cloud ensemble model[J]. Atmos. Res., 52(3) : 195–220 DOI:10.1016/S0169-8095(99)00027-7 |
[] | Khain A P, BenMoshe N, Pokrovsky A. 2008b. Factors determining the impact of aerosols on surface precipitation from clouds:An attempt at classification[J]. J. Atmos. Sci., 65(6) : 1721–1748 DOI:10.1175/2007JAS2515.1 |
[] | Khain A, Lynn B, Dudhia J. 2010. Aerosol effects on intensity of landfalling hurricanes as seen from simulations with the WRF model with spectral bin microphysics[J]. J. Atmos. Sci., 67(2) : 365–384 DOI:10.1175/2009JAS3210.1 |
[] | Khain A, Pokrovsky A, Pinsky M, et al. 2004. Simulation of effects of atmospheric aerosols on deep turbulent convective clouds using a spectral microphysics mixed-phase cumulus cloud model[J]. Part I:Model description and possible applications[J]. J. Atmos. Sci., 61(24) : 2963–2982 DOI:10.1175/JAS-3350.1 |
[] | Khain A, Cohen N, Lynn B, et al. 2008a. Possible aerosol effects on lightning activity and structure of hurricanes[J]. J. Atmos. Sci., 65(12) : 3652–3677 DOI:10.1175/2008JAS2678.1 |
[] | Lal D M, Pawar S D. 2011. Effect of urbanization on lightning over four metropolitan cities of India[J]. Atmos. Environ., 45(1) : 191–196 DOI:10.1016/j.atmosenv.2010.09.027 |
[] | Liu D X, Qie X S, Peng L, et al. 2014. Charge structure of a summer thunderstorm in North China:Simulation using a regional atmospheric model system[J]. Adv. Atmos. Sci., 31(5) : 1022–1034 DOI:10.1007/s00376-014-3078-7 |
[] | Lynn B, Khain A, Rosenfeld D, et al. 2007. Effects of aerosols on precipitation from orographic clouds[J]. J. Geophys. Res., 112(D10) : D10225 DOI:10.1029/2006JD007537 |
[] | Mansell E R, Ziegler C L. 2013. Aerosol effects on simulated storm electrification and precipitation in a two-moment bulk microphysics model[J]. J. Atmos. Sci., 70(7) : 2032–2050 DOI:10.1175/JAS-D-12-0264.1 |
[] | Mansell E R, Ziegler C L, Bruning E C. 2010. Simulated electrification of a small thunderstorm with two-moment bulk microphysics[J]. J. Atmos. Sci., 67(1) : 171–194 DOI:10.1175/2009JAS2965.1 |
[] | Mansell E R, Macgorman D R, Ziegler C L, et al. 2002. Simulated three-dimensional branched lightning in a numerical thunderstorm model[J]. J. Geophys. Res., 107(D9) : ACL 2-1–ACL 2-12 DOI:10.1029/2000JD000244 |
[] | Mansell E R, Macgorman D R, Ziegler C L, et al. 2005. Charge structure and lightning sensitivity in a simulated multicell thunderstorm[J]. J. Geophys. Res., 110(D12) : D12101 DOI:10.1029/2004JD005287 |
[] | Marshall T C, Mccarthy M P, Rust W D. 1995. Electric field magnitudes and lightning initiation in thunderstorms[J]. J. Geophys. Res., 100(D4) : 7097–7103 DOI:10.1029/95JD00020 |
[] | Miller K, Gadian A, Saunders C, et al. 2001. Modelling and observations of thundercloud electrification and lightning[J]. Atmos. Res., 58(2) : 89–115 DOI:10.1016/S0169-8095(01)00089-8 |
[] | Mitzeva R, Latham J, Petrova S. 2006. A comparative modeling study of the early electrical development of maritime and continental thunderstorms[J]. Atmos. Res., 82(1-2) : 26–36 DOI:10.1016/j.atmosres.2005.01.006 |
[] | Morrison H, Gettelman A. 2008. A new two-moment bulk stratiform cloud microphysics scheme in the community atmosphere model, version 3 (CAM3)[J]. Part I:Description and numerical tests[J]. J. Climate, 21(15) : 3642–3659 DOI:10.1175/2008JCLI2105.1 |
[] | Reynolds S E, Brook M, Gourley M F. 1957. Thunderstorm charge separation[J]. J. Meteor., 14(5) : 426–436 DOI:10.1175/1520-0469(1957)014<0426:TCS>2.0.CO;2 |
[] | Rosenfeld D. 1999. TRMM observed first direct evidence of smoke from forest fires inhibiting rainfall[J]. Geophys. Res. Lett., 26(20) : 3105–3108 DOI:10.1029/1999GL006066 |
[] | Rosenfeld D. 2000. Suppression of rain and snow by urban and industrial air pollution[J]. Science, 287(5459) : 1793–1796 DOI:10.1126/science.287.5459.1793 |
[] | Saunders C P R, Peck S L. 1998. Laboratory studies of the influence of the rime accretion rate on charge transfer during crystal/graupel collisions[J]. J. Geophys. Res., 103(D12) : 13949–13956 DOI:10.1029/97JD02644 |
[] | Saunders C P R, Keith W D, Mitzeva R P. 1991. The effect of liquid water on thunderstorm charging[J]. J. Geophys. Res., 96(D6) : 11007–11017 DOI:10.1029/91JD00970 |
[] | 师正, 谭涌波, 唐慧强, 等. 2015. 气溶胶对雷暴云起电以及闪电发生率影响的数值模拟[J]. 大气科学, 39(5) : 941–952. Shi Zheng, Tan Yongbo, Tang Huiqiang, et al. 2015. A numerical study of aerosol effects on the electrification and flash rate of thunderstorms[J]. Chinese Journal of Atmospheric Sciences (in Chinese), 39(5) : 941–952 DOI:10.3878/j.issn.1006-9895.1412.14230 |
[] | Shi Z, Tan Y B, Tang H Q, et al. 2015. Aerosol effect on the land-ocean contrast in thunderstorm electrification and lightning frequency[J]. Atmos. Res., 164-165 : 131–141 DOI:10.1016/j.atmosres.2015.05.006 |
[] | Strikas O M, Elsner J B. 2013. Enhanced cloud-to-ground lightning frequency in the vicinity of coal plants and highways in Northern Georgia, USA[J]. Atmos. Sci. Lett., 14(4) : 243–248 DOI:10.1002/asl2.446 |
[] | Takahashi T. 1978. Riming electrification as a charge generation mechanism in thunderstorms[J]. J. Atmos. Sci., 35(8) : 1536–1548 DOI:10.1175/1520-0469(1978)035<1536:REAACG>2.0.CO;2 |
[] | 谭涌波, 陶善昌, 祝宝友. 2007. 云闪放电对云内电荷和电位分布影响的数值模拟[J]. 地球物理学报, 50(4) : 1053–1065. Tan Yongbo, Tao Shanchang, Zhu Baoyou. 2007. A simulation of the effects of intra-cloud lightning discharges on the charges and electrostatic potential distributions in a thundercloud[J]. Chinese J. Geophys. (in Chinese), 50(4) : 1053–1065 DOI:10.3321/j.issn:0001-5733.2007.04.012 |
[] | 谭涌波, 陶善昌, 祝宝友, 等. 2006. 雷暴云内闪电双层、分枝结构的数值模拟[J]. 中国科学 D辑:地球科学, 49(6) : 661–672. Tan Yongbo, Tao Shanchang, Zhu Baoyou, et al. 2006. Numerical simulations of the bi-level and branched structure of intracloud lightning flashes[J]. Sci. China Ser. D, 49(6) : 661–672 DOI:10.1007/s11430-006-0661-5 |
[] | Tan Y B, Peng L, Shi Z, et al. 2016. Lightning flash density in relation to aerosol over Nanjing (China)[J]. Atmos. Res., 174-175 : 1–8 DOI:10.1016/j.atmosres.2016.01.009 |
[] | 王道洪, 郄秀书, 郭昌明.2000. 雷电与人工引雷[M]. 上海: 上海交通大学出版社 : 277pp . Wang Daohong, Qie Xiushu, Guo Changming.2000. Lightning and Artificial Triggered Lightning (in Chinese)[M]. Shanghai: Shanghai Jiaotong University Press : 277pp . |
[] | 王宁宁, 谭涌波, 师正, 等. 2013a. 气溶胶对云中水成物粒子荷电情况的影响[J]. 南京信息工程大学学报 (自然科学版), 5(4) : 331–335. Wang Ningning, Tan Yongbo, Shi Zheng, et al. 2013a. Effect of aerosol on electric charge of particle[J]. J. Nanjing Univ. Inf. Sci. Technol. Nat. Sci. Ed. (in Chinese), 5(4) : 331–335 DOI:10.3969/j.issn.1674-7070.2013.04.007 |
[] | 王宁宁, 谭涌波, 师正, 等. 2013b. 耦合气溶胶模块的雷暴云起电模式[J]. 高原气象, 32(2) : 541–548. Wang Ningning, Tan Yongbo, Shi Zheng, et al. 2013b. Thunderstorm cloud electrification model after coupled aerosol module[J]. Plateau Meteor. (in Chinese), 32(2) : 541–548 |
[] | Wang Y, Wan Q, Meng W, et al. 2011. Long-term impacts of aerosols on precipitation and lightning over the Pearl River Delta megacity area in China[J]. Atmos. Chem. Phys., 11(23) : 12421–12436 DOI:10.5194/acp-11-12421-2011 |
[] | Williams E, Stanfill S. 2002. The physical origin of the land-ocean contrast in lightning activity[J]. C. R. Phys., 3(10) : 1277–1292 DOI:10.1016/S1631-0705(02)01407-X |
[] | Williams E, Chan T, Boccippio D. 2004. Islands as miniature continents:Another look at the land-ocean lightning contrast[J]. J. Geophys. Res., 109(D16) : D16206 DOI:10.1029/2003JD003833 |
[] | 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 |
[] | Xiao H, Yin Y, Jin L J, et al. 2014. Simulation of aerosol effects on orographic clouds and precipitation using WRF model with a detailed bin microphysics scheme[J]. Atmos. Sci. Lett., 15(2) : 134–139 DOI:10.1002/asl2.480 |
[] | 徐良韬, 张义军, 王飞, 等. 2012. 雷暴起电和放电物理过程在WRF模式中的耦合及初步检验[J]. 大气科学, 36(5) : 1041–1052. Xu Liangtao, Zhang Yijun, Wang Fei, et al. 2012. Coupling of electrification and discharge processes with WRF model and its preliminary verification[J]. Chinese Journal of Atmospheric Sciences (in Chinese), 36(5) : 1041–1052 DOI:10.3878/j.issn.1006-9895.2012.11235 |
[] | 言穆弘, 刘欣生, 安学敏, 等. 1996a. 雷暴非感应起电机制的模拟研究I[J]. 云内因子影响[J]. 高原气象, 15(4) : 425–437. Yan Muhong, Liu Xinsheng, An Xuemin, et al. 1996a. A simulation study of non-inductive charging mechanism in thunderstorm I[J]. Effect of cloud factor[J]. Plateau Meteor. (in Chinese), 15(4) : 425–437 |
[] | 言穆弘, 刘欣生, 安学敏, 等. 1996b. 雷暴非感应起电机制的模拟研究II[J]. 环境因子影响[J]. 高原气象, 15(4) : 438–447. Yan Muhong, Liu Xinsheng, An Xuemin, et al. 1996b. A simulation study of non-inductive charging mechanism in thunderstorm II[J]. Effect of environmental factor[J]. Plateau Meteor. (in Chinese), 15(4) : 438–447 |
[] | 杨慧玲, 肖辉, 洪延超. 2011a. 气溶胶对冰雹云物理特性影响的数值模拟研究[J]. 高原气象, 30(2) : 445–460. Yang Huiling, Xiao Hui, Hong Yanchao. 2011a. Numerical simulation of aerosol impact on cloud physics of hailstorm[J]. Plateau Meteor. (in Chinese), 30(2) : 445–460 |
[] | 杨慧玲, 肖辉, 洪延超. 2011b. 气溶胶对云宏微观特性和降水影响的研究进展[J]. 气候与环境研究, 16(4) : 525–542. Yang Huiling, Xiao Hui, Hong Yanchao. 2011b. Progress in impacts of aerosol on cloud properties and precipitation[J]. Climatic Environ. Res. (in Chinese), 16(4) : 525–542 DOI:10.3878/j.issn.1006-9585.2011.04.13 |
[] | Yin Y, Levin Z, Reisin T, 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(1-3) : 91–116 DOI:10.1016/S0169-8095(99)00046-0 |
[] | Zhao P G, Yin Y, Xiao H. 2015. The effects of aerosol on development of thunderstorm electrification:A numerical study[J]. Atmos. Res., 153 : 376–391 DOI:10.1016/j.atmosres.2014.09.011 |
[] | Ziegler C L, MacGorman D R, Dye J E, et al. 1991. A model evaluation of noninductive graupel-ice charging in the early electrification of a mountain thunderstorm[J]. J. Geophys. Res., 96(D7) : 12833–12855 DOI:10.1029/91JD01246 |