北京地區一次降雪系統大氣水凝物輸送特征及降雪微物理機制的數值模擬研究

劉香娥 何暉 陳羿辰 高茜 王永慶 楊燕

1 北京市人工影響天氣中心, 北京100089

2 云降水物理研究和云水資源開發北京市重點試驗室, 北京 100089

3 中國氣象局北京城市氣象研究院, 北京 100089

4 中國氣象局華北云降水野外科學試驗基地, 北京 101200

1 引言

云水資源是指存在于大氣中一定時段一定區域內參與大氣水循環過程，沒有形成地面降水還留在空中的凝結水總量，是通過人工干預可以直接開發利用的水資源。除了降水云系，冬季的降雪云系也存在豐富的云水資源，并且降雪云系是我國北方實施人工增雪作業的主要對象之一，冬季降雪云系的水凝物輸送特征和降雪機制研究對緩解北京地區的水資源短缺、增蓄儲水、緩解旱情等具有重要的科學和現實意義。

近些年來，國內外學者對區域的大氣水循環和水分收支等方面開展了大量研究，取得了一定進展（徐淑英, 1958; 施曉暉等, 2009; 楊青等, 2013）。水汽輸送狀況的不同可造成區域水汽含量及收支平衡的差異，并最終導致地面降雨/雪的變化。Tao et al.（1993）分析了颮線系統的水分收支，指出對流區和層狀區對于地面降水都有重要作用，對流區在產生層狀區降水方面起主要作用。中國東部暴雨區的水汽主要是從南邊界和西邊界流入，東邊界和北邊界流出，且水汽的流入流出主要集中在中低層（胡國權和丁一匯, 2003）。任宏利等（2004）通過分析中國西北東部1962～2002 年逐日降水和NCAR/NCEP 再分析資料，闡述了該地區春季降水及其水汽輸送的氣候特征和異常變化。同樣有學者運用ERA-Interim 再分析資料結合HYSPLIT 后向跡模式等對三江源地區、青藏高原、華北等多地的水汽輸送特征和軌跡來源進行了分析，得到不同地區不同季節因環流背景、氣候特征以及地形差異等導致其水汽輸送特征均有不同（龔佃利和邊道相,2002; 馬京津和高曉清, 2006; 王婧羽等, 2014; 強安豐等, 2019）。

云中水汽通過凝結、凝華等過程產生水凝物，不同水凝物之間的相互轉化是云發展與降雨、降雪產生的重要微物理過程。云中水凝物的輸送可以增加或減少局地大氣中云凝結物的含量，改變云凝結物的空間分布狀況，影響云的微觀物理過程，進而促進或抑制降水云系的發展演變（齊彥斌等, 2009）。由于云系內微物理過程很難由觀測工具探測得到，因此中尺度數值模式便成為很好的研究工具。平凡和羅哲賢（2007）應用二維云分辨尺度模式研究了熱帶地區對流系統的熱量和水汽收支情況，結果表明大尺度垂直平流的加濕和冷卻在淺對流中發揮主導作用。孫晶等（2007）利用中尺度模式MM5 分別模擬了中國北方地區兩次不同類型的降雪過程，分析了降雪的水成物相態及其源匯項分布特點，并探討了云物理過程對降水熱力、動力過程的反饋作用。周非非等（2010）運用中尺度數值模式對河南省一次層狀云降水云系的水分收支狀況進行模擬分析，得到河南省域以外的水汽和水凝物主要通過西邊界和南邊界輸送到區域內，水汽降水效率約31.1%，降水由冷云和暖云過程共同產生，冰粒子凝華增長對雨水的貢獻最大。李宏宇等（2006）利用模式對一次冷鋒層狀云降水過程進行了區域水分循環收支狀況的估算，結果表明在積層混合云區域的擬降水效率達 70%以上。陶玥等（2015）對北京地區一次積層混合云降水過程進行了云系的宏微觀結構和降水特征、云系的水分收支及降水效率數值模擬，結果得到北京區域降水過程其水汽和水凝物主要來自西邊界和南邊界兩支水源地，水物質輸送到區域內并且基本達到平衡。唐潔等（2018）運用數值模式研究了青藏高原對流云微物理結構、云中水分轉化和區域水分的收支特征，得到高原云系降水主要來自外界輸入的水汽轉化而成，霰粒子融化是地面降水的主要產生來源。高茜等（2020）、黃鈺等（2020） 對北京地區的降雪過程進行了觀測、垂直探測儀器資料分析和中尺度WRF 數值模擬，分析了降雪云系的觀測和微物理特征。

前期對降水過程的水分收支和微物理成因機制分析的較多，而對北京地區冬季降雪云系的區域水凝物輸送及降雪云微物理機制的研究較少。弄清北京地區冬季降雪云系水凝物的輸送特征及微物理轉化機制對于開發利用北京地區冬季的空中云水資源具有重要意義，這也是人工增雪潛力研究的基礎和需要。本文對北京地區2019 年冬季的首場明顯降雪過程進行觀測資料分析和中尺度數值模擬，在對模擬結果進行驗證的基礎上，分析研究了降雪云系宏微觀結構、云中水凝物轉化和區域輸送特征，并對降雪產生的微物理機制進行了探討。

2 降雪過程觀測分析

2019 年11 月29 日午后至夜間，北京迎來入冬首場全市范圍降雪。此次過程，北京全市平均降水量3.9 mm（圖1a），城區平均3.1 mm，城市副中心平均2.9 mm；最大降雪出現在延慶海子口13.7 mm。城區和東部地區積雪深度1～3 cm，西部山區和北部地區積雪深度2～5 cm，最大延慶本站達到11 cm。

從天氣形勢來看，29 日20:00（北京時，下同）500 hPa，在河套以西有低槽不斷東移并逐漸加深加強，850 hPa 顯示北京地區處于高壓后部（圖略），槽前的偏南暖濕氣流為華北地區提供了豐富的水汽，為北京地區的成云致雪提供了很好的條件，此次是高空西來槽影響的穩定性層狀云降雪過程。

衛星云頂亮溫圖（圖2）顯示，本次降雪過程的影響云系分為兩個階段，第一階段為29 日下午至傍晚，此時段云系主要位于北京西部山區和西南至河北境內，水平范圍不大，云頂亮溫較低，達到-40°C 以下（圖2a），對應地面降雪的第一階段，最大小時降水量約2 mm。第二階段為29 日夜間，受高空槽影響，云系逐漸東移發展加強，20:00 移入北京境內，22 時云系覆蓋整個北京地區，云頂溫度整體低于-40°C（圖2b），最大小時降水量也為2 mm 左右。30 日凌晨隨著高空槽繼續東移，北京和河北地區云系逐漸東移減弱消散，北京區域的降雪逐漸結束。

圖2 2019 年11 月29 日（a）15:00 和（b）22:00 FY-2G 衛星云頂亮溫圖Fig. 2 TBB (Black Body Temperature) images from FY-2G satellite on top of cloud at (a) 1500 BT and (b) 2200 BT November 29, 2019

北京市人工影響天氣中心（原北京市人工影響天氣辦公室）2014 年在海坨山建立了閆家坪高山綜合觀測站（40°31′40″N，115°44′51″E；海拔1344 m；Ma et al, 2017；馬新成等，2021），該站觀測的此次降雪過程氣象要素變化如圖3 所示：29 日午后閆家坪站的相對濕度不斷增大至90%以上，而地面溫度持續維持在-10°C 以下，在地形抬升和低溫增濕的條件下，15:00 之后閆家坪站開始降雪。圖中可見閆家坪站也有兩個時段的半小時降雪量峰值，分別為18:00 的0.3 mm 和23:00 的0.5 mm，本站過程降水總量為4.1 mm，達到了中雪量級，附近西大莊科站的總降雪量7.6 mm，達到了大雪的量級（圖略）。該站的云雷達回波演變顯示：回波總體強度不大，最大為20 dBZ左右，兩個降雪峰值處云雷達的回波強度和高度都給出了相對應的反映，回波頂高達到6 km 和8 km 附近（圖4b）。

圖3 2019 年11 月29～30 日閆家坪站氣象要素的時間演變。柱狀圖：降水量（單位：mm）；藍線：氣溫（單位：°C）；綠線：相對濕度Fig. 3 Time evolution of various elements at the Yanjiaping meteorological station. Columnars: precipitation (units: mm); blue line: temperature(units: °C); green line: relative humidity

3 降雪過程數值模擬

3.1 模式參數及設置

本文運用中尺度數值模式WRF3.7 進行數值模擬與分析。模式初始場和側邊界條件來自北京城市氣象研究院新一代快速更新多尺度資料分析和預報系統——短時數值預報子系統RMAPS-ST（Rapidrefresh Multi-scale Analysis and Prediction System）的預報場數據。由于RMAPS-ST 同化了多種本地觀測，較美國國家環境預報中心提供的FNL 再分析數據或其他再分析數據等在北京地區更為準確（張亦洲等, 2017; 劉郁玨等, 2019），因此，本文使用RMAPS-ST 第二層嵌套（水平網格距3 km）逐3 h 資料同化和循環預報的初始時刻數據作為WRF 的初始場對本次降雪過程進行模擬。

模擬區域以北京為中心，水平分辨率為3 km，網格數為300×300，模式垂直方向上分為不等間距的50 層。物理參數化方案的設置中（高茜等，2020），短波輻射方案采用Dudhia 方案，長波輻射方案采用RRTM 方案，不采用積云參數化方案，邊界層參數化方案選擇YSU 方案，陸面過程方案采用Noah land-surface model 方案，云微物理方案采用Morrison 方案，該方案中包含云水、冰晶、雨水、雪、霰的質量濃度和部分數濃度的預報。此外為了研究降雪云系中各水成物的相互轉換，增加了模式中各微物理過程源匯項及相關項的輸出，并加密每六分鐘輸出一次計算結果。

3.2 數值模擬檢驗

為驗證數值模式模擬結果的可靠性，將模擬區域的過程降雪總量、閆家坪單站半小時降雪量、雷達回波演變等結果與模擬結果進行了對比檢驗。

3.2.1 降雪量時空對比檢驗

圖1 為2019 年11 月29 日08:00 至30 日08:00模擬區域的24 h 地面累積降水量觀測與模擬的對比，可以看到受自西向東移動系統的影響，模擬的降雪區域分布、覆蓋范圍和大雪的落區等與實際降雪基本一致。實際大雪的落區主要位于北京延慶西部北部山區并延伸至河北張家口境內，模式模擬的大雪落區也主要位于這一區域，二者的走向一致，降雪量級相當，模擬效果較好。但模擬的中雪區域比實際偏大，基本覆蓋整個北京地區（實際只在北京西部北部半數地區）。從模擬的閆家坪單站半小時降水量與實際觀測的對比來看（圖5），模式也給出了本次降雪過程出現兩段明顯降雪時段的特征，即29 日下午和深夜，只是第一降雪時段半小時模擬結果偏高約0.2 mm，這可能與參數設置和模式誤差有關，而第二降雪時段模式幾乎給出了與觀測非常一致的結果。

3.2.2 模擬雷達回波檢驗

圖4 展示的是本次降雪過程閆家坪站云雷達所觀測的回波時間高度演變及模式模擬結果的對比驗證。可以看到，與圖5 的半小時降雪量相對應，模擬雷達回波的演變趨勢與實際觀測也比較一致，即有兩個明顯的回波發展時段：29 日午后14:00～20:00 和29 日20:00 至30 日05:00。總體來看模擬的雷達回波強度比觀測偏強約10 dBZ，最大回波高度基本與觀測接近。

圖4 2019 年11 月29～30 日閆家坪站（a）觀測和（b）模擬的云雷達回波的時間—高度演變Fig. 4 Time-height evolution of the echo intensity observed by a cloud radar from November 29 to November 30, 2019

總體來看，WRF3.7 對所選個例有較好的模擬能力，模式模擬的降雪落區、范圍和降雪量級與實況基本一致，模擬雷達回波和半小時降雪量也再現了單站出現兩個明顯降雪時段的基本特征，模擬結果能基本再現實況特征，因此可以在此基礎上進行水凝物輸送及降雪微物理機制的進一步分析。

4 降雪云系大氣水凝物來源分析

4.1 水汽來源特征

通過對比降雪前期不同等壓面上北京區域的水汽通量，發現在 700 hPa 以上北京區域的水汽通量較大，并且持續時間較長，該層在山西北部、河北中南部及冀魯豫交界處為水汽通量的高值區，并且自西—西南方向向東輸送影響北京地區（圖6）。因此此次降雪過程的水汽輸送主要集中在對流層中高層，北京區域的水平水汽輸送具有西、南入，東、北出的特征。

4.2 水凝物總體特征

云系中的水物質按相態可以分為液相（云水Qc和雨水Qr）和固相（冰晶Qi、雪Qs和霰Qg），模擬區域內這兩相物質的總含量隨時間的演變可以直觀給出整體云系演變過程中不同相態水凝物的變化特征。模式結果中一個格體的水凝物含量（T），計算公式如下：

其中，Qx為各水凝物的質量濃度（單位：kg kg-1），計算中取格點處有一種水凝物質量濃度大于0.01 g kg-1即認為為有效云系進行計算；ΔL為模擬網格距（單位：m）；ΔH為垂直相鄰高度層之間的距離（單位：m）；ρ為空氣密度（單位：kg m-3）。不同時刻水凝物總量即為該時刻地面至模式層頂整層水凝物質量之和（以TCH 表示，單位：kg）。圖7 給出模擬云系兩相水凝物總量隨時間的演變[由于水凝物總量較大，圖中轉換為以千噸（kt）為單位進行展示]。可以看到此次降雪過程由于云系溫度較低，云中液相水凝物含量較少，總量低于50000 kt，而固相水凝物較多，總量最大達到近200000 kt。此外還注意到與圖5 相對比，云系總體固相水凝物兩個明顯的峰值時段（29 日午后15:00～18:00 和22:00 至30 日02:00 附近）與單站兩個降雪時段相對應，表明云系降雪以冷云過程為主，云中固態水凝物對地面降雪的產生有重要貢獻。

圖5 2019 年11 月29～30 日閆家坪站半小時降水量觀測（藍色柱狀圖）與模擬（綠色實線）對比Fig. 5 Simulated (green line) and observed (blue columnars) 30-min accumulated precipitation (units: mm) at the Yanjiaping station from November 29 to November 30, 2019

圖6 2019 年11 月29 日17:00（a）850 hPa、（b）700 hPa 水汽通量（填色，單位：g s kg-1）和風場（黑色箭頭）分布Fig. 6 Distributions of water vapor flux (shaded) and wind field (black arrows) at (a) 850 hPa and (b) 700 hPa at 1700 BT on November 29, 2019

圖7 2019 年11 月29～30 日模擬云系兩相水凝物總質量時間演變Fig. 7 Time evolution of the total hydrometeor content in two phase in the simulated cloud system from November 29 to November 30, 2019

4.3 邊界水凝物來源分析

除了了解降雪云系大氣水凝物的總體特征，還可以通過計算北京地區東西南北四個方向不同高度處水凝物的狀況來分析其來源。此處參考周非非等（2010）、陶玥等（2015）提出的計算方法，對北京地區（39.3°～41.2°N，115.3°～117.5°E）計算東西南北四個邊界不同高度處水凝物的質量通量和總通量。水凝物質量通量（HF）的計算公式為

其中，V為水平速度（單位：m s-1）；Qx為各水凝物的質量濃度（單位：g kg-1）；ΔL為各邊界邊長（單位：cm）；Δp取50 hPa；由此計算得到的水凝物通量單位為g s-1。水凝物的總通量（THF）計算公式為

總通量THF 大于零，表明水凝物是輻散凈流出；小于零，表明水凝物是輻合，凈流入。

選擇11 月30 日00:00 模擬區域固相水成物較多并且北京山區小時降雪強度較大的時次分析水凝物通量和總量隨高度的分布（圖8）。從各水凝物的通量值來看，雪的通量最大，其次是冰晶、云水、雨水和霰。雪在800～700 hPa 為輻合，但東西邊界的流出流入量基本相當，總通量主要來自南邊界的流入量多于北邊界的流出量。值得注意的是，模擬區域固相水凝物較少并且北京山區降雪強度也較小的29 日20:00，500 hPa 以下整層雪的通量均為輻散（圖略），對比表明雖然00:00 800～700 hPa雪的通量輻合層較薄，量級也不大，但對地面降雪的產生應有重要貢獻。冰晶在高空350 hPa 和250 hPa 附近分別是輻合和輻散的最大值區，與雪不同，冰晶的凈輸入主要來自較多的西部流入。500 hPa 至地面因東西南北四個邊界基本無冰晶流通因而總通量為零；云水在600～700 hPa 為輻合層，凈輸入量來自南邊界，其他層因四個邊界無流通而總通量為零。雨只在1000 hPa 附近有來自南邊界的流入量，其他層總通量均近似為零。霰在800～700 hPa 為輻合層，但與雪不同，霰幾乎沒有來自西邊界的輸入和北邊界的輸出，輻合主要來源于南邊界的流入。

將圖8a-e 中將各氣壓層的水凝物通量對高度作積分，可得穿過高為從地表到模式層頂、長為各邊界長度的截面積的通量，如圖8f 所示，其正（負）值表示水凝物從北京區域水平輸送出去（進來），從時間演變可以看出，這一區域總水凝物在西、南邊界上流入，東、北邊界上流出，總水凝物通量出現兩個峰值，出現時段與區域水凝物總量（圖7）及單站降雨量峰值（圖5）基本對應。隨著東邊界和北邊界水凝物流出增大，總水凝物水平輻散，區域內降雪量減少。北京區域降雪主要時段內，云水資源即水凝物通量在水平方向上為凈流入。

圖8 2019 年11 月30 日00:00 穿過北京區域（39.3°～41.5°N，115.3°～117.5°E）各邊界單位截面積的（a）云水（Qc）、（b）雪（Qs）、（c）冰晶（Qi）、（d）雨水（Qr）、（e）霰（Qg）的通量及總量隨高度分布以及（f）29～30 日總水凝物通量（帶標記的線）和總量（虛線）的垂直積分時間演變Fig. 8 Vertical distribution of the fluxes of (a) cloud water (Qc), (b) snow (Qs), (c) ice (Qi), (d) rain (Qr), (c) graupel (Qg and the total flux across each boundary of the Beijing region (39.3°-41.5°N, 115.3°-117.5°E) at 0000 BT November 30, 2019. (f) The time series of the vertical integration of the fluxes (VIF; solid lines with symbols) and the vertically integrated flux convergences (VIFC; dashed line) of all condensates from November 29 to November 30, 2019

以上分析表明，在模擬降雪的顯著時段，北京區域外水凝物主要通過西邊界和南邊界輸送到區域內。雪、云水和霰存在一定的輸送，其中雪的總通量最大，表明平流輸送從區域外凈流入的雪量對區域內降雪的增加有一定貢獻。在高層受西風氣流的作用，冰晶和雪存在明顯的輻散。在降雪的加強（減弱）時段，總的水凝物表現為輻合（輻散），但與典型的降水過程相比量值要少一些（周非非等, 2010; 陶玥等, 2015）。

5 降雪云系的結構特征

5.1 模擬降雪云系的水平演變過程

根據模擬降雪的分布和強度，可以將北京區域的降雪劃分為與觀測相一致的兩個階段，其中第一階段降雪的影響云團來自山西和河北中部，29 日14:00 位于晉冀交界處的最大云中水凝物比含水量超過3 g kg-1，此后云團逐漸向東北向北京方向移動，云團進入北京區域時處于由強盛轉為逐漸減弱的階段，16:00 北京西北部延慶一帶云中最大水凝物質量濃度降為2 g kg-1，此時的小時降水量不超過0.1 mm，隨著云系減弱和北抬，地面降雪的覆蓋范圍一直維持在北京西部地區。21:00 之后第二階段影響云團由北京西南部再次向東部北部移動并影響北京地區，23:00 北京中南部及河北中部地區云系中水凝物質量濃度均超過2 g kg-1，由此造成覆蓋整個北京城區的第二個降雪時段，30 日03:00之后云系基本移出北京地區，降雪逐漸停止（圖9）。從云圖、小時雨強等分析可見，比較均勻的層狀云系是導致此次北京降雪的主要云系。隨著云系移入/出北京并逐漸加強/減弱，北京地區的降雪逐漸增強/減弱。山區由于地形的作用降雪量比平原地區稍大。

圖9 2019 年11 月29 日（a）16:00 和（b）23:00 北京區域模擬的小時降雨量（單位：mm）分布Fig. 9 Distributions of simulated hourly rainfall (units: mm) in Beijing region at 1600 BT and 2300 BT 29 November 2019

5.2 模擬降雪云系的垂直結構

利用模式結果給出的水凝物質量濃度垂直分布可以分析降雪云系在垂直方向上的微物理結構。在第一階段降雪時沿29 日16:00 40.4°N 的云系垂直剖面（圖10a）可見，此時有大片冷云云系覆蓋北京西部北部山區。云中冰晶和雪的含量豐富，在300 hPa 和700 hPa 高度附近，分別對應冰晶和雪的質量濃度高值區，值約為0.07 g kg-1和0.25 g kg-1，此時山區降雪明顯。隨著影響云系東移減弱，北京區域降雪減弱。30 日00:00 沿40°N 的第二階段降雪云系剖面顯示雪晶的含量更為豐富（圖10b），在700 hPa 高度附近，雪的質量濃度高值超過0.35 g kg-1。由于云中缺乏過冷云水和雨水，冰雪晶下落途中未有結淞等過程，因此云中霰的含量也非常少。北京區域（39.3°N～41.5°N，115.3°E～117.5°E）內水凝物質量濃度的垂直廓線可以清楚顯示，云中不同高度處雪的區域質量濃度累加量最大超過800 g m-3，其次是冰晶約90 g m-3，云水、雨水和霰量很少而未有顯示（圖10c）。

圖10 2019 年11 月（a）29 日16:00 沿40.3°N 和（b）30 日00:00 沿40°N 水凝物質量濃度的緯向剖面以及（c）區域（39.3°～41.5°N，115.3°～117.5°E）內水凝物質量濃度總量垂直廓線。（a、b）中彩色陰影：雪；藍色實線：冰晶，單位：g kg-1；黑色虛線：等溫線，單位：°C。（c）中黑實線：雪質量濃度總量；黑虛線：冰晶質量濃度總量，單位：g m-3）Fig. 10 Vertical sections of water hydrometeor mixing ratio (a) along 40.3°N at 1600 BT 29 and (b) along 40°N at 0000 BT 30 November 2019, and(c) vertical profiles of area accumulation of the total water content of hydrometeors over the region (39.3°-41.5°N, 115.3°-117.5°E). (a, b) Shaded:snow mixing ratio; blue lines: ice crystal mixing ratio, units: g kg-1; black dotted line: isotherm, units: °C. (c) Black solid line: total snow mixing ratio;black dotted lines: total ice mixing ratio, units: g m-3

從不同時刻云系云微物理量的垂直分布可以看到，冷云云系為本次降雪過程的主要影響云系，云中溫度均低于零度，水成物主要是冰相粒子，冰相過程對降雪形成有重要作用，但不同的微物理轉換對降雪的貢獻有一定差異。

5.3 降雪的云微物理機制

本次過程北京山區降雪的強度要高于平原地區，為詳細分析山區降雪的微物理機制，本節選取海坨山區閆家坪站為代表。圖11 給出該站雨、雪、霰、冰晶、云水和水汽質量濃度隨時間和高度的演變，可以看到在整個云系的發展演變過程中，從地面至高空整層水汽含量都比較豐富，3 km 以下水汽質量濃度基本均大于2 g kg-1。由于降雪云系為冷云云系，云內溫度均低于零度，因此如圖11a 所示閆家坪站上空基本無雨水，云水質量濃度也很低，在個別時次和高度處僅有的云水質量濃度比水汽質量濃度低三個量級，液態過冷云水的缺乏表明云微物理的淞附和撞凍過程會比較微弱。此外，與衛星云圖和區域水物質總量的時間演變相對應，閆家坪單站雪的質量濃度也出現了兩個顯著的高值時段，時間分別為29 日下午14:00～17:00 和夜間23:00 前后，最大值均達到了2 g kg-1。對應雪質量濃度大值區的兩個時段，在高空6～10 km 之間有相應的冰晶質量濃度大值區，這種冰雪晶的高低層配置表明降雪云系中高空冰晶通過凝華增長不斷長大，一定程度后下落至中間層，對中間層起著“播種”冰晶的作用，，冰晶在經過整層冷云云系過程中不斷與云中其他粒子產生碰并、聚合等過程長大為雪花，最終下落至地面形成降雪。由于水汽含量豐富并且云中缺乏過冷云水，云中霰的含量也微乎其微（圖11b）。

圖11 2019 年11 月29～30 日閆家坪站（a）水汽、云水、雨水質量濃度和（b）冰晶、雪、霰質量濃度隨時間和高度的分布，單位：g kg-1 Fig. 11 Distribution of (a) water vapor, cloud, rain mixing ratio and (b) ice, snow graupel mixing ratio (units: g kg-1) with time and height in Yanjiaping station from November 29 to November 30, 2019

為了理清不同微物理過程對產生降雪的貢獻，下面以微物理過程的產生率為特征量對雪的源匯項進行解析。為了直觀顯示，源匯項圖中所示的微物理過程產生率均為絕對值。圖12 給出與雪相關微物理過程的產生率隨時間和高度的分布圖，在Morrison 方案中，與雪相關的源匯轉換一共有十一項，由于本次過程為冬季降雪，地面和云中的溫度都很低，如上述圖11a 所示基本不存在雨，因此源匯項中雪的融化蒸發（Psmlt，Evpms）、被雨滴收集（Psacr）、冰晶雨滴碰并成雪（Piacrs 和Pracis）的過程都很微弱或者轉化率非常小，以上這些轉化項在圖中均被略去。圖12 可以看到，在6～10 km的高空，冰晶含量比較豐富的兩個主要時段（14:00～17:00 和23:00 附近），云冰自動轉換成雪（Prci）和云冰聚合成雪的過程（Prai）比較明顯，這表明雪首先由冰晶轉化而來，此時形成的雪通常比較小，屬于“雪胚”。由于閆家坪站云系水汽含量豐富，在低溫的條件下容易產生對冰面的過飽和，如圖12a 所示，6 km 以下直至地面都有一定的冰面過飽和度，此時由高空掉落的“雪胚”在冰面過飽和的環境中通過凝華增長（Prds）不斷長大，凝華增長率隨時間和高度的分布與冰面過飽和度的分布有非常好的一致性。2 km 以下在21 時附近存在少量的云水，對應有一定的雪淞附云滴（Psacws）增長的過程。而在1 km 高度附近兩個顯著降雪時段的冰面欠飽和處，出現了雪的升華過程（Eprds）。從雪的各個微物理過程轉換率的量級來看，由于云系中缺乏過冷云水，“雪胚”與過冷云水之間的微物理轉換過程缺失，凝華增長的速率在圖中所展示的幾種雪源項中表現的更為快速，量級更大。云冰自動轉換成雪（Prci）和云冰聚合成雪（Prai）的轉換率僅次于凝華增長，因此這三個過程是云中產生雪的重要源項。

圖12 2019 年11 月29～30 日閆家坪站（a）冰面過飽和度（彩色陰影）和水汽凝華成雪（Prds，黑線）、雪淞附云滴（Psacws，綠色線）、云冰聚合成雪（Prai，紫色線）過程的轉換率以及（b）云冰自動轉換為雪（Prci，紅色線）、雪晶升華（Eprds，紫色線）過程的轉換率隨時間和高度的分布。轉換率單位：10-8 kg kg-1 s-1Fig. 12 Distribution of the supersaturation with respect to ice (shaded), (a) conversion rate (units: 10-8 kg kg-1 s-1) of the deposition of snow (Prds ,black line), droplet accretion by snow (Psacws, green line), accretion cloud ice by snow (Prai, purple line) and (b) conversion rate of the auto conversion cloud ice to snow (Prci,red line), sublimation of snow (Eprds, grey line) with time and height in Yanjiaping station from November 29 to November 30, 2019.

6 結論與討論

本文基于觀測和中尺度數值模式WRF 對2019 年11 月29 日發生在北京地區的首場降雪進行了觀測資料分析和數值模擬。研究了北京區域降雪云系云水資源分布和收支特征，研究了產生降雪的云微物理機制并探討了雪的源匯項貢獻，主要得到以下結論：

（1）本次過程為受高空槽影響的穩定性層狀云降雪。降雪云系自西向東影響北京時有兩個時段，與之對應的北京區域內地面降雪也有兩個時段。云雷達回波也給出了對應著兩個降雪時段回波強度較大的觀測特征。中尺度數值模式模擬結果顯示，對區域過程降雪總量、降雪的分布范圍、單站降雪強度等特征模式均能給出與實際觀測比較一致的結果。

（2）數值模擬結果分析顯示：本次過程降雪云系的總體液相水凝物含量很少，固態水凝物對地面降雪的產生有重要貢獻。對北京區域而言，大氣水凝物主要從西邊界和南邊界輸送到區域內，而從東邊界和北邊界流出，因此具有西向和南向分量的濕氣流是降雪云系云水資源的輸送通道。在降雪相對加強（減弱）時段對應著水凝物的輻合（輻散）。

（3）冷云云系是本次過程的主要影響云系，云中水凝物基本全為冰晶和雪，有少量的云水，雨水和霰的含量微乎其微，整層云系都含有非常豐富的水汽并且貫穿整個降雪時段。分析微物理機制得到，在冰面過飽和的環境下，水汽凝華（Prds）增長是雪的最主要轉換源項；其次是云冰的自動轉換（Prci）和云冰聚合成雪的過程（Prai）。本文只針對北京地區一次降雪過程的云物理機制和云水資源收支進行了分析，對于發生在不同天氣背景或不同影響系統下的降雪過程其微物理過程和云水資源收支會存在一定的差異。此外，針對北京地區的人工冬季增雪催化作業多參照云中過冷云水的多寡來實施，而從本次降雪過程的云物理機制分析來看，云中幾乎未有過冷云水，而是存在大量的水汽，而且北京冬季大部分的降雪過程均有類似的特點，因此從充分開發北京地區冬季云水資源的角度出發，針對冬季增雪可以考慮采用其他云物理量作為新的催化條件選擇，這有待于進行進一步的業務實踐和機理機制的研究。