Search Advanced

Message Board

Dear readers, authors and reviewers,you can add a message on this page. We will reply to you as soon as possible!

2024 Volume 46 Issue 3
Article Contents
Previous Article Next Article

HOU Wenxuan, HUA Wei, GUO Yiyuan, et al. Numerical Simulation of A Case of Convective Cloud Precipitation in Summer and Its Micro-Physical Characteristics at Naqu over the Qinghai-Tibet Plateau[J]. Journal of Southwest University Natural Science Edition, 2024, 46(3): 135-146. doi: 10.13718/j.cnki.xdzk.2024.03.012
Citation: HOU Wenxuan, HUA Wei, GUO Yiyuan, et al. Numerical Simulation of A Case of Convective Cloud Precipitation in Summer and Its Micro-Physical Characteristics at Naqu over the Qinghai-Tibet Plateau[J]. Journal of Southwest University Natural Science Edition, 2024, 46(3): 135-146. doi: 10.13718/j.cnki.xdzk.2024.03.012
shu

Numerical Simulation of A Case of Convective Cloud Precipitation in Summer and Its Micro-Physical Characteristics at Naqu over the Qinghai-Tibet Plateau

  • 1.

    School of Atmospheric Sciences/Plateau Atmosphere and Environment Key Laboratory of Sichuan Province/Engineering Laboratory of Meteorological Disasters Prediction and Early Warning of Sichuan Province, Chengdu University of Information Technology, Chengdu 610225, China

  • 2.

    Shanghai Meteorological Information and Technology Support Center, Shanghai 200030, China

  • 3.

    Nansen-Zhu International Research Centre, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China

More Information
  • Corresponding author: HUA Wei ; 
  • Received Date: 01/01/2023
    Available Online: 20/03/2024

  • MSC: P456.7

  • Based on Weather Research and Forecast system mesoscale model (WRF V4.0 version) and the NCEP FNL reanalysis data, a convective cloud precipitation and cloud micro-physical characteristics in Naqu area of the Qinghai-Tibet Plateau in summer of 2019 were simulated. The results show that WRF model can reproduce the spatial and temporal characteristics of precipitation and cloud development process. The distribution height of solid hydrometeors was generally higher than that of liquid hydrometeors, among which ice crystals and snow were mainly located in the middle and upper layers, graupel and cloud water were mainly in the middle and lower layers, and rainwater particles were mostly in the lower layers. In the process of precipitation, the high value centers of snow, graupel and rain particles occurred at the same time as the peak time of precipitation, which shows that the precipitation was dominated by ice phase process, and the contribution of snow particles and graupel particles was the largest. The reason is that snow particles increase through the Bergeron process and their own confluence process, while graupel particles increase through the accretion of snow particles and their own accretion. With the gradual weakening of the updraft, a large number of graupel particles and some snow particles fall to the 0 ℃ layer and melt to form precipitation. In addition, the confluence of rain and cloud water further promotes the formation of precipitation. Apart from this, the direct contribution of warm rain process to precipitation is small, but the effect on the formation of ice particles is obvious.

  • 加载中
  • [1] 徐祥德, 马耀明, 孙婵, 等. 青藏高原能量、水分循环影响效应[J]. 中国科学院院刊, 2019, 34(11): 1293-1305.

    Google Scholar

    [2] 李跃清. 1998年青藏高原东侧边界层风场与长江暴雨洪水的关系[J]. 大气科学, 2000, 24(5): 641-648.

    Google Scholar

    [3] 胡亮, 李耀东, 付容, 等. 夏季青藏高原移动性对流系统与中国东部降水的相关关系[J]. 高原气象, 2008, 27(2): 301-309.

    Google Scholar

    [4] 卓嘎, 徐祥德, 陈联寿. 青藏高原对流云团东移发展的不稳定特征[J]. 应用气象学报, 2002, 13(4): 448-456.

    Google Scholar

    [5] 杨伟愚, 叶笃正, 吴国雄. 夏季青藏高原热力场和环流场的诊断分析——Ⅱ: 环流场的主要特征及其大型垂直环流场[J]. 大气科学, 1992, 16(3): 287-301.

    Google Scholar

    [6] 胡亮, 徐祥德, 赵平. 夏季青藏高原对流系统移出高原的气象背景场分析[J]. 气象学报, 2018, 76(6): 944-954.

    Google Scholar

    [7] 钱正安, 单扶民, 吕君宁, 等. 1979年夏季青藏高原低涡的统计及低涡的产生的气候因子探讨[C] //《青藏高原气象科学实验文集》编辑组. 青藏高原气象科学实验文集(二). 北京: 科学出版社, 1984: 279-290.

    Google Scholar

    [8] ZHANG J J, LIAO D X, GEA F, et al. The Advances in Operational Numerical Weather Prediction at National Meteorological Center in China[J]. Acta Meteorologica Sinica, 1988, 2(1): 116-126.

    Google Scholar

    [9] 舒磊, 李茂善, 华生, 等. 青藏高原东部玉树地区雨滴谱特征及云微物理结构分析[J]. 气象科技进展, 2021, 11(4): 113-121, 134.

    Google Scholar

    [10] 江吉喜, 范梅珠. 夏季青藏高原上的对流云和中尺度对流系统[J]. 大气科学, 2002, 26(2): 263-270.

    Google Scholar

    [11] 李典, 白爱娟, 黄盛军. 利用TRMM卫星资料对青藏高原地区强对流天气特征分析[J]. 高原气象, 2012, 31(2): 304-311.

    Google Scholar

    [12] 朱平, 俞小鼎. 青藏高原东北部一次罕见强对流天气的中小尺度系统特征分析[J]. 高原气象, 2019, 38(1): 1-13.

    Google Scholar

    [13] 陶诗言, 罗四维, 张鸿材. 1979年5-8月青藏高原气象科学实验及其观测系统[J]. 气象, 1984, 10(7): 2-5.

    Google Scholar

    [14] 陈联寿, 徐祥德. 1998年青藏高原第二次大气科学试验(TIPEX)陆气过程、边界层观测预研究进展[J]. 中国气象科学院年报(英文版), 1998: 20-21.

    Google Scholar

    [15] 徐祥德, 周明煜, 陈家宜, 等. 青藏高原地-气过程动力、热力结构综合物理图象[J]. 中国科学(D辑: 地球科学), 2001, 31(5): 428-441.

    Google Scholar

    [16] 徐祥德, 陈联寿. 青藏高原大气科学试验研究进展[J]. 应用气象学报, 2006, 17(6): 756-772.

    Google Scholar

    [17] 赵平, 李跃清, 郭学良, 等. 青藏高原地气耦合系统及其天气气候效应: 第三次青藏高原大气科学试验[J]. 气象学报, 2018, 76(6): 833-860.

    Google Scholar

    [18] 常祎. 青藏高原那曲地区夏季云微物理特征和降水形成机制的飞机观测研究[D]. 北京: 中国气象科学研究院, 2019.

    Google Scholar

    [19] 黄永杰, 崔晓鹏. 四川一次暴雨事件的主要云微物理过程[C] //第31届中国气象学会年会S2灾害天气监测、分析与预报. 北京: 科学出版社, 2014: 240-254.

    Google Scholar

    [20] MORRISON H, MILBRANDT J A, BRYAN G H, et al. Parameterization of Cloud Microphysics Based on the Prediction of Bulk Ice Particle Properties. Part Ⅱ: Case Study Comparisons with Observations and Other Schemes[J]. Journal of the Atmospheric Sciences, 2015, 72(1): 312-339. doi: 10.1175/JAS-D-14-0066.1

    CrossRef Google Scholar

    [21] 孙艺搏, 吴小飞. 2014年7月5日那曲一次对流降水的数值模拟及组织过程分析[J]. 高原山地气象研究, 2023, 43(3): 11-20.

    Google Scholar

    [22] 顾小祥, 李国平. 云微物理方案对一次高原切变线暴雨过程数值模拟的影响[J]. 云南大学学报(自然科学版), 2019, 41(3): 526-536.

    Google Scholar

    [23] 唐洁, 郭学良, 常祎. 青藏高原那曲地区夏季一次对流云降水过程的云微物理及区域水分收支特征[J]. 大气科学, 2018, 42(6): 1327-1343.

    Google Scholar

    [24] 阴蜀城, 李茂善, 刘啸然, 等. 2014年8月7日那曲地区对流云降水及其云微物理过程的数值模拟[J]. 高原气象, 2020, 39(1): 48-57.

    Google Scholar

    [25] LIN Y L, FARLEY R D, ORVILLE H D. Bulk Parameterization of the Snow Field in a Cloud Model[J]. Journal of Climate and Applied Meteorology, 1983, 22(6): 1065-1092. doi: 10.1175/1520-0450(1983)022<1065:BPOTSF>2.0.CO;2

    CrossRef Google Scholar

    [26] GRELL G A, FREITAS S R. A Scale and Aerosol Aware Stochastic Convective Parameterization for Weather and Air Quality Modeling[J]. Atmospheric Chemistry and Physics, 2014, 14(10): 5233-5250. doi: 10.5194/acp-14-5233-2014

    CrossRef Google Scholar

    [27] LUONG T, CASTRO C, NGUYEN T, et al. Improvement in the Modeled Representation of North American Monsoon Precipitation Using a Modified Kain-Fritsch Convective Parameterization Scheme[J]. Atmosphere, 2018, 9(1): 31. doi: 10.3390/atmos9010031

    CrossRef Google Scholar

    [28] CHEN F, DUDHIA J. Coupling an Advanced Land Surface Hydrology Model with the Penn State NCAR MM5 Modeling System. Part Ⅰ: Model Implementation and Sensitivity[J]. Monthly Weather Review, 2001, 129(4): 569. doi: 10.1175/1520-0493(2001)129<0569:CAALSH>2.0.CO;2

    CrossRef Google Scholar

    [29] STAMNES K, TSAY S C, WISCOMBE W, et al. Numerically Stable Algorithm for Discrete-Ordinate-Method Radiative Transfer in Multiple Scattering and Emitting Layered Media[J]. Applied Optics, 1988, 27(12): 2502-2509. doi: 10.1364/AO.27.002502

    CrossRef Google Scholar

    [30] DUDHIA J, MONCRIEFF M W. A Three-Dimensional Numerical Study of an Oklahoma Squall Line Containing Right-Flank Supercells[J]. Journal of the Atmospheric Sciences, 1989, 46(21): 3363-3391. doi: 10.1175/1520-0469(1989)046<3363:ATDNSO>2.0.CO;2

    CrossRef Google Scholar

    [31] 江志红, 卢尧, 丁裕国. 基于时空结构指标的中国融合降水资料质量评估[J]. 气象学报, 2013, 71(5): 891-900.

    Google Scholar

    [32] 史月琴, 楼小凤, 邓雪娇, 等. 华南冷锋云系的中尺度和微物理特征模拟分析[J]. 大气科学, 2008, 32(5): 1019-1036.

    Google Scholar

    [33] RENC P, CUIX P. The Cloud-Microphysical Cause of Torrential Rainfall Amplification Associated with Bilis(0604)[J]. Science China Earth Sciences, 2014, 57(9): 2100-2111. doi: 10.1007/s11430-014-4884-6

    CrossRef Google Scholar

  • 加载中
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

Figures(9)  /  Tables(1)

Export Citation
PDF
XML

Article Metrics

Article views(5537) PDF downloads(265) Cited by(0)

Access History

Other Articles By Authors

Numerical Simulation of A Case of Convective Cloud Precipitation in Summer and Its Micro-Physical Characteristics at Naqu over the Qinghai-Tibet Plateau

    Corresponding author: HUA Wei ; 
  • Received Date: 01/01/2023
  • Available Online: 20/03/2024

Abstract: 

Based on Weather Research and Forecast system mesoscale model (WRF V4.0 version) and the NCEP FNL reanalysis data, a convective cloud precipitation and cloud micro-physical characteristics in Naqu area of the Qinghai-Tibet Plateau in summer of 2019 were simulated. The results show that WRF model can reproduce the spatial and temporal characteristics of precipitation and cloud development process. The distribution height of solid hydrometeors was generally higher than that of liquid hydrometeors, among which ice crystals and snow were mainly located in the middle and upper layers, graupel and cloud water were mainly in the middle and lower layers, and rainwater particles were mostly in the lower layers. In the process of precipitation, the high value centers of snow, graupel and rain particles occurred at the same time as the peak time of precipitation, which shows that the precipitation was dominated by ice phase process, and the contribution of snow particles and graupel particles was the largest. The reason is that snow particles increase through the Bergeron process and their own confluence process, while graupel particles increase through the accretion of snow particles and their own accretion. With the gradual weakening of the updraft, a large number of graupel particles and some snow particles fall to the 0 ℃ layer and melt to form precipitation. In addition, the confluence of rain and cloud water further promotes the formation of precipitation. Apart from this, the direct contribution of warm rain process to precipitation is small, but the effect on the formation of ice particles is obvious.

    HTML

  • 开放科学(资源服务)标识码(OSID):

  • 青藏高原(以下简称“高原”)是我国大部分江河的发源地，有“亚洲水塔”之称. 高原以其特殊的大地形动力作用和热源驱动作用极大程度地控制了东亚乃至全球水分循环的平均状态[1-2]. 在高原独特的高低层风场配置和急流的引导作用下，对流云团东移出高原是影响我国长江流域降水的重要因子之一[3-4]. 夏季高原强烈的地形加热激发出频繁活跃的对流系统，形成高原上的平均整层上升气流，加之源于低纬海洋的暖湿气流提供了充足的水汽，导致夏季的高原成为强烈对流活动的区域[5]. 因此，研究高原对流云对预报我国降水具有重要意义.

    由于高原地理环境恶劣，气象站点稀疏，常规气象观测资料匮乏，而高原对流云又具有空间尺度小、生命周期短的特点，这给相关研究带来很大困难，使得对高原云的研究一直存在着较大的不确定性[6-9]. 随着卫星、雷达遥感以及数值模式的飞速发展，学者们对高原云降水的研究有了更深入的了解. 江吉喜等[10]早在2002年就曾利用静止气象卫星(GMS)指出了夏季高原对流云活跃、频繁且强度不大的普遍特征，同时揭示了高原对流云午后发展的日变化特点. 李典等[11]通过TRMM卫星资料结合再分析资料综合分析了高原对流云特殊的水平和垂直结构，得出云体在水平和垂直方向上分别为零散块状结构和“被挤压”状态的空间分布特征. 朱平等[12]进一步指出了高原夏季降水主要以深厚的弱对流降水为主. 为更深入了解高原特殊的天气系统，我国自1979年开始组织了3次大型青藏高原大气科学试验[13-15]. 徐祥德等[16]通过对1979年和1998年两次青藏高原大气科学试验的成果概括出高原地区存在深厚的Ekman“抽吸泵”动力机制，可以促使高原上对流云发展. 赵平等[17]总结了第三次青藏高原大气科学试验(The Third Qinghai-Tibet Plateau Atmospheric Scientific Experiment，TIPEX Ⅲ)成果，指出高原对流云活动可能是局地发展所致，应将研究重点放在云宏、微观特征以及水成物的转化机制上. 常祎[18]通过TIPEX Ⅲ获取的飞机观测资料研究了高原对流云的云微物理特征及降水形成机制.

    高分辨率的中尺度数值模式能很好地反映复杂地形降水的非线性动力、热力以及微物理过程，因此广泛应用于云降水过程研究中[19]. 中尺度数值天气预报模式(Weather Research and Forecasting Model，WRF)数值天气预报模式在各种模式中由于其详细的物理过程以及多样的参数化方案而被广泛应用[20-21]. 顾小祥等[22]选用了16种云微物理方案对一次高原切变线暴雨过程进行了数值模拟，发现了高原降水中冷云降水贡献较大. 唐洁等[23]通过对高原一次对流云降水过程的模拟，发现暖雨过程对降水直接贡献较小，并指出其对云中霰胚形成有着十分重要的作用. 阴蜀城等[24]进一步揭示了云中水成物各粒子相互转化的微物理过程. 目前通过WRF对高原对流云的研究更多集中于模式验证和降水统计上，而涉及降水过程中云微物理特征的研究则相对较少. 因此，研究高原对流云形成的微物理机制对深入了解高原降水过程有着十分重要的意义. 鉴于此，本研究利用WRF(V4.0版)模式对2019年7月14日高原那曲地区一次对流云降水过程进行模拟，并对其云微物理结构特征和转化过程进行分析，旨在揭示高原对流云降水的物理机制.

1.   资料和方法

    1.1.   资料来源

  • 本研究所用资料包括：①美国环境预报中心(National Centers for Environmental Prediction，NCEP)和美国国家大气研究中心(National Center for Atmospheric Research，NCAR)提供的一日4次的FNL再分析资料，空间分辨率为1°×1°；②气象大数据云平台提供的全西藏地区自动气象站逐小时降水数据；③ TIPEX Ⅲ设置在那曲气象局内的Ka波段毫米波云雷达观测得到的反射率因子等数据；④中国气象数据网提供的风云二号E星(FY-2E)观测的相当黑体亮温(Black Body Temperature，TBB)资料.

    • 1.2.   试验设计

  • 采用中尺度数值模式WRF(V4.0版)对青藏高原那曲地区2019年夏季7月14日的一次对流云降水个例进行模拟. 模式初始场和边界场采用NCEP FNL资料；模拟采用两层嵌套(9 km和27 km)(图 1)，模拟中心位置位于青藏高原那曲地区(35.1°N，89.7°E)，地图投影采用兰伯特投影，垂直方向分为不等距32层，顶层气压为50 hPa，嵌套区域网格格点信息如表 1所示. 云微物理参数化方案选用Lin方案[25]，积云对流参数化方案选用Grell-Freitas方案[26]，边界层方案选用Eta方案[27]，陆面过程方案选用Noah方案[28]，长波辐射方案选用Rapid Radiative Transfer Model方案[29]，短波辐射方案选用Dudhia方案[30]. 模式积分步长为120 s，模式模拟时间从7月14日00：00-24：00.

    • 1.3.   异同点

  • 1) 本研究在降水模拟结果的验证上，采用中国气象局的自动气象站点观测资料作为降水“真值”，为本次试验过程提供最可靠的验证资料.

    2) 本研究在研究对流云发展的模拟结果上，采用TIPEX III设置于那曲气象局的Ka波段毫米波云雷达的探测资料，作为本次试验过程的实况数据.

    3) 本研究通过改动WRF模式源代码的方式输出转化源项，在分析高原云微物理结构的基础上，进一步研究本次对流过程中成云致雨的转化机制.

2.   天气背景

  • 2019年7月14日00：00-24：00，青藏高原那曲地区发生了一次自西向东的对流性降水天气过程. 从14日12时500 hPa高度场(图 2a)上可知，巴尔喀什湖大槽槽前冷空气南下与低纬暖湿气流在高原汇合，并在那曲地区形成一个闭合低压系统，为本次降水过程提供了动力条件. 进一步对水汽通量(图 2b)进行分析也可发现，高原南侧为水汽通量大值区，低纬地区水汽源源不断涌向高原腹地，在那曲地区形成整个高原主体的水汽高值中心，其最大水汽含量在0.6 kg/(m·s)以上，说明本次降水过程中水汽供应充足，有利于对流系统的形成和发展.

    已有研究指出，黑体亮温数据(TBB)能够较好地揭示高原对流云的活动和分布特征，并将TBB值≤-32 ℃定义为对流云[10]. 采用FY-2E观测的TBB数据对本次对流云降水过程进行分析(图 3)，图中“○”代表那曲气象站所在位置(31.48°N，92.01°E). 由图 3可见，7月14日8：00高原上已有零星块状云系出现，那曲地区东西两侧云系已有低于-50 ℃的TBB值出现，表明此时对流云已经形成；至中午12：00，那曲地区对流云发展十分迅速，整个那曲地区已被大片块状对流云系所覆盖，对应的TBB值均已低于-50 ℃，其南侧和东南侧甚至低于-60 ℃，表明此时该区域云顶较高，对流非常旺盛；16：00对流云系整体东移减弱，那曲上空TBB值高于-30 ℃，对流活动开始减弱，云系逐渐消散；20：00那曲地区TBB值整体达到-20 ℃以上，此时已无明显的对流活动. 可见，14日发生于那曲地区的对流活动较为旺盛，对流降水主要产生于12：00-16：00.

3.   结果和分析

    3.1.   降水

  • 由2019年7月14日西藏自动气象站降水量和WRF模式模拟得到的24 h累积降水量空间分布(图 4)可知，实况降水主要呈现出“西南—东北”横向分布的特点，降水大值中心分别位于高原中部和东北部(图 4a). 从对应的实况模拟场(图 4b)中可发现，模拟结果基本再现了本次降水的“西南—东北”向分布特征，降水大值区主要位于西藏西部至东北部一线，西藏西南部和东南部也分别存在一个降水大值区，同时各大值区量级也能够与自动站降水较好吻合，但模拟的雨区范围总体上偏大，其原因可能与高原自动气象站密度较低，无法获取完整的降水分布有关[31].

    为进一步验证模式对本次对流云降水日变化的模拟能力，采用最邻近插值法将7月14日0：00-24：00模式模拟结果插值到那曲气象局所在经纬度，与西藏自动气象站降水小时数据进行对比(图 5). 由图 5可以发现，本次对流云降水主要发生在凌晨至清晨的1：00-7：00和日间的9：00-15：00两个阶段，模式也基本能够模拟出本次降水的日变化特征. 然而，对于发生于凌晨至清晨的降水，尽管模拟结果中也有所体现，但模式对该阶段降水的量级和逐时演变特征的模拟效果并不理想. 进一步分析可以发现，模式对发生于日间10：00-16：00时段的降水具有较好的模拟能力，模式较好地再现了降水从9：00开始发展，至10：00-11：00达到峰值，并于16：00结束的特征，但对于降水量的模拟略有误差，两个降水大值时段的表现均低于观测值.

    • 3.2.   雷达回波

  • 图 6为2019年7月14日00：00-24：00那曲气象局Ka波段毫米波云雷达观测的反射率因子以及模式模拟的强回波频次与垂直速度分布. 从Ka波段毫米波云雷达反射率因子的时间—高度分布图(图 6a)来看，反射率因子对本次天气过程有较好反映，云体发展存在明显的日变化特征，这也与降水实况较一致. 进一步选取模拟的回波强度大于5dBZ的回波频次(图 6b)和垂直速度(图 6c)与雷达反射率因子(图 6a)进行对比可知，模拟值和Ka波段毫米波云雷达观测结果相似，其中回波频数最大值出现时间分别为10：00-12：00以及14：00-16：00，而上升气流出现时间与雷达观测回波峰值时间对应，垂直速度可达50 m/s以上，之后上升运动逐渐减弱，表明那曲地区对流活动自上午开始发展，午后发展为对流云体，日落后对流明显减弱，并于夜间逐渐转为层积云.

    综上可见，模式能够较好地刻画本次对流云降水的空间分布和日变化特征，且模拟的回波频次和垂直速度也能与雷达观测结果和降水实况较好对应. 因此，利用WRF模式的输出结果对本次对流云降水微物理过程进行分析具有较高的可行性.

    • 3.3.   云微物理结构及转化

    3.3.1.   云微物理结构

  • 图 7为模拟的7月14日00：00-24：00那曲地区各相态粒子混合质量比时间—高度分布(图中红色线条为0 ℃高度层). 由图 7a可见，冰粒子主要分布于高层300~100 hPa范围内，其大值中心位于250 hPa附近；雪粒子(图 7b)分布较广，450~100 hPa均有存在，但主体位于高层，大值中心主要集中在200 hPa左右；霰粒子(图 7c)和云水粒子(图 7d)则主要出现在中层，其大值中心均位于450 hPa高度，其中霰粒子质量比更大，而云水粒子出现的时间更长；雨水粒子(图 7e)则基本集中于低层，大值中心位于550 hPa左右.

    就各相态粒子混合质量比的时间演变而言，雨水粒子混合比高值区主要集中于10：00-13：00，其中心极值可达到0.6 g/kg，这与降水产生时间较为吻合，说明高原对流降水于午间开始出现；与此同时，雪粒子和霰粒子在该时段内均存在大值中心，其极值中心＞0.6 g/kg；冰粒子和云水粒子在10：00-13：00时段内混合质量比仅为0.45 g/kg，而二者的大值中心主要分布在13：00-16：00时段内，在午后时间段雨水粒子已基本消散. 由此可知，本次对流云降水主要受冰相过程影响，其中雪粒子和霰粒子是天气过程中冷云水成物的主要组成部分.

    • 3.3.2.   云微物理转化过程

  • 云微物理过程实质上是不同水凝物粒子之间的相互转化，因此对降水的形成和发展十分重要[32]. 首先对云微物理结构源项进行分析. Lin方案中共包括6种水生物源汇项[33]，本研究选取对降水贡献较大的雨水源项、雪源项和霰源项进行分析. 雨水源项共4个过程，分别为雪的融化(Msr)、霰的融化(Mgr)、雨水碰并云水(Ccr)以及云雨的自动转化(Acr). 雪源项共5个过程，分别为雪的凝华增长(Svs)、雪的凇附增长(Ccs)、冰的贝杰龙过程(Bis)、雪碰并冰(Cis)和冰向雪的自动转化(Ais). 霰源项共9个过程，其中初生霰粒子过程(霰胚形成的过程)有4个，分别为过冷雨滴冻结成霰(Frg)、过冷雨滴碰冻雪(Csr)、冰碰冻过冷雨滴(Cri)和雪向霰的自动转化(Asg). 当霰粒子经过以上过程后，可按照霰的凝华增长(Svg)、霰碰并雪(Csg)、霰碰并冰(Cig)、霰碰并过冷雨滴(Crg)以及霰的凇附增长(Ccg)5类方式增长.

    图 8为7月14日12：00那曲上空雨水、雪和霰源项转化率垂直分布图. 由图 8a可见，雨水主要来自于霰粒子的融化(Mgr)，且霰粒子的融化主要发生在500 hPa，最大转化率达到7.9 g/(1 000 kg·s)，雨水碰并云水(Ccr)和雪的融化(Msr)则是本次降水的次要来源，最大转化率分别为0.8，0.2 g/(1 000 kg·s). 可见，大量霰粒子与部分雪粒子的融化共同形成雨水粒子，同时雨水与云水的碰并进一步提高了成雨效率. 对于雪源项(图 8b)，雪粒子主要来源于冰的贝杰龙过程(Bis)和自身的凇附增长(Ccs)，并且各过程在不同高度上差异明显，前者主要发生于450~150 hPa，而后者则集中在550~300 hPa；雪的凝华增长(Svs)是形成雪粒子的另一重要途径，其转化过程在550~150 hPa各层均存在，最大值位于300 hPa，转化率达0.35 g/(1 000 kg·s). 从霰初生源项的垂直分布(图 8c)可见，霰粒子几乎全部来自于过冷雨滴碰冻雪转化为霰(Csr)这一过程，其最大转化率发生在500 hPa，达到0.29 g/(1 000 kg·s). 霰增长的微物理过程(图 8d)多集中在600~350 hPa范围，其中霰自身的凇附作用(Ccg)对霰增长的影响最大，其次为霰碰并雪(Csg)，霰碰并过冷雨滴(Crg)和粒子自身的凝华增长(Svg)贡献相对较小，其最大转化率仅为0.6，0.5 g/(1 000 kg·s).

    总体来看，冰相粒子(雪和霰)的增长主要来自于碰并(Ccs，Csr，Ccg，Csg，Crg)和凝华过程(Bis，Svs，Svg)，其中云水对冰相粒子的增长起到了重要作用，并通过碰并和凝华形成了大量霰粒子和少量雪粒子，在500 hPa附近融化(Mgr，Msr)形成降水，而雨水与云水的碰并作用(Ccr)进一步提升了成雨效率.

    进一步对本次降水中的云微物理过程时间变化特征进行分析. 由7月14日那曲对流云降水微物理过程逐时变化曲线可见，相关云物理过程也主要发生在10：00-16：00时段内，与降水产生时段较为一致. 凝华和贝杰龙过程(图 9a)中，冰通过贝杰龙过程转化成雪(Bis)的贡献最大，霰的凝华增长(Svg)和雪的凝华增长(Svs)贡献较小. 由图 9b可见，冰向雪的自动转化(Ais)最为明显，而云雨的自动转化(Acr)次之，冰相粒子聚集程度远小于其他过程. 此外，冰相粒子聚集过程的变化趋势也与其余过程存在明显差异，表明聚集过程对降水的作用较小. 对于碰连和碰并增长过程(图 9c)，霰的凇附增长(Ccg)贡献最大，其次为霰碰并雪(Csg)，其余过程贡献较小. 对于融化过程(图 9d)，霰粒子的融化(Mgr)对降水的产生起到了重要作用，而雪粒子融化(Msr)几乎可以忽略. 由此可见，对于本次对流云降水，水汽凝华后形成冰、雪和霰粒子，其中雪粒子主要依靠冰的贝杰龙过程和碰并过程增长，而霰粒子则通过雪粒子和自身的碰连和碰并作用增长，随着上升气流的减弱，大量霰粒子和部分雪粒子下落至0 ℃层附近融化形成降水，且此过程中云水粒子对雪粒子和霰粒子的形成作用明显.

4.   结论

  • 采用WRF模式(V4.0版)对2019年7月14日青藏高原那曲地区一次对流云降水过程进行了数值模拟，分析了降水特征、云微物理结构以及转化过程，得出以下结论：

    1) 对降水量空间分布、日变化特征和雷达回波等量的模拟结果表明，WRF模式对本次青藏高原那曲地区的降水过程具有较好的模拟能力，能够基本还原对流云的发展过程.

    2) 云微物理结构特征的分析结果表明，固态水凝物的分布高度普遍高于液态水凝物，其中冰和雪主要分布于中高层，中低层以霰和云水为主，低层多为雨水粒子. 此外，雪、霰和雨水粒子的转化主要发生在降水时段内，表明本次降水以冰相过程为主，且雪粒子和霰粒子贡献较大.

    3) 本次降水的云微物理转化过程以冰相过程为主，高层雪粒子通过冰的贝杰龙过程增长，中层霰粒子则由雪粒子与过冷水滴的碰并形成，并通过雪粒子和自身碰并作用增长，低层则更多通过自身的凇附过程增加，随着上升气流逐渐减弱，大量霰粒子和部分雪粒子在0 ℃层附近融化形成降水，而雨水与云水的碰并作用进一步促进了降水的增加. 此外，暖雨过程对降水的直接贡献较小，但对冰相粒子的形成作用明显.

Figure (9)  Table (1) Reference (33)

Catalog

    Copyright Journal of Southwest University Natural Science Edition

    Address： Tel：023-68254576, 68252540, 68366165,68366917 E-mail：lkxb@swu.edu.cn

    Supported by:Beijing Renhe Information Technology Co. Ltd

    /

    DownLoad:  Full-Size Img  PowerPoint
    Return
    Return