不同微物理參數(shù)化方案對我國北方一次大范圍暴雪天氣過程的數(shù)值模擬研究

王淑彩 平凡 孟雪峰 李玉鵬

1 南京信息工程大學遙感與測繪工程學院, 南京 210044

2 中國科學院大氣物理研究所云降水物理與強風暴重點實驗室(LACS), 北京 100029

3 內(nèi)蒙古自治區(qū)氣象臺, 呼和浩特 010051

4 吉林省氣象科學研究所, 長春 130062

1 引言

暴雪是我國北方冬季最常見的氣象災(zāi)害之一，常伴有大風、寒潮以及冰凍等天氣，是主要的成災(zāi)因素。大范圍、長時間的暴雪事件對交通、電力、農(nóng)業(yè)等設(shè)施均能造成嚴重影響，局地性的大暴雪、特大暴雪事件常常危及人民生命財產(chǎn)安全，屬于典型的高影響天氣（滕方達等, 2020）。我國的暴雪天氣過程主要包括內(nèi)蒙暴雪、環(huán)渤黃海區(qū)域的回流暴雪、南方暴雪、高原暴雪以及東北暴雪，因此東北地區(qū)是我國暴雪多發(fā)的關(guān)鍵區(qū)之一，局地性的大雪和暴雪發(fā)生次數(shù)呈現(xiàn)波浪式上升趨勢（王煥毅等, 2017）。

數(shù)值模式發(fā)展的早期，對暴雪的研究大部分還是基于天氣學分析方法對暴雪環(huán)流形勢、系統(tǒng)配置等進行分析。秦華鋒和金榮花（2008）對2007 年東北地區(qū)的一次罕見暴雪過程成因進行了分析，表明高低空明顯的垂直切變和高層輻散與低層輻合的配置導致強上升運動；中低層深厚的正渦度產(chǎn)生和維持是強暴雪形成的主要動力機制；干冷空氣侵入是產(chǎn)生暴雪的主要觸發(fā)因素；南方暖濕水汽的北上是產(chǎn)生東北暴雪的重要原因之一。孟雪峰等（2012）對內(nèi)蒙古東北地區(qū)一次漏報的暴雪天氣進行診斷分析，表明對流層中低層溫度平流隨高度的減小有利于對流層中低層不穩(wěn)定層結(jié)的建立；地面副冷鋒與氣旋合并加強，850 hPa 中尺度低渦強烈發(fā)展，加強了對流層低層的輻合上升運動，觸發(fā)不穩(wěn)定能量釋放，這是強降雪形成的主要原因，因此邊界層“冷墊”作用對強降雪有一定的增幅。前人研究表明，天氣學分析的方法僅能夠抓住降雪事件中的主要影響系統(tǒng)，從而理解天氣過程的演變和發(fā)展規(guī)律，但是不能精細地描述降雪的落區(qū)和強度。

隨著數(shù)值模式的發(fā)展，目前大部分學者的研究都傾向于采用天氣學分析方法和微物理過程分析方法相結(jié)合，來分析降雪天氣過程。數(shù)值模式中對云微物理過程的描述主要是通過微物理參數(shù)化方案實現(xiàn)的。根據(jù)對水成物的描述不同，云微物理參數(shù)化方案可分為兩類，一類是體積水方案（bulk），另一類是分檔方案（bin）。bulk 方案是用各類水凝物粒子對應(yīng)的經(jīng)驗函數(shù)來描述云中各類水凝物粒子的總體粒子譜分布特征，該方案計算量小，因此廣泛應(yīng)用于實際的業(yè)務(wù)和理論研究者中。但是bulk方案只適合描述云中水凝物粒子的總體分布特征，不適合描述某個尺度段的粒子變化引起的譜演變（許煥斌和段英, 1999）。而bin 方案則是根據(jù)水成物的相態(tài)、粒子大小、形狀、密度等微物理特征，將水成物分成幾十或幾百檔，給出各檔粒子的預報方程及他們之間的相互轉(zhuǎn)化關(guān)系（史月琴和樓小鳳, 2006; Khain et al., 2015）。分檔方案將粒子群分檔處理， 描述了不同檔位粒子的相互作用，與自然圖像很接近。 但是bin 方案的計算量巨大，遠不能滿足實際的業(yè)務(wù)需求，因此大多只用在理論研究中。

云微物理參數(shù)化方案的選擇對數(shù)值模擬結(jié)果有重要影響，研究不同微物理參數(shù)化方案對天氣過程的影響是國內(nèi)外的研究熱點之一（Wu et al., 2013;Adams-Selin et al., 2013; 尹金方等, 2014; Khain et al., 2016; Qian et al., 2018），但是目前的大量研究都是基于颮線、冰雹、超級單體風暴等強天氣過程進行數(shù)值模擬研究（Fan et al., 2015, 2017; Yin et al., 2019）。Morrison and Milbrandt（2011）分別采用MY（Morrison-Milbrandt Yau）方案對一次超級單體風暴進行模擬，表明方案中對于霰、雹粒子的處理是導致模擬結(jié)果不同的重要原因。Yin et al.（2017）利用bin 方案和bulk 方案對我國東部的一次颮線過程進行對比研究，表明bulk 方案模擬的雷達結(jié)構(gòu)較窄但是組織性良好，bin 方案模擬的結(jié)構(gòu)較松散但是強度更強，更與實況一致，但是bulk 方案模擬的降水落區(qū)和強度更與實況一致。前人對暴雪等弱對流天氣過程的研究較少，但也有一些研究成果，Comin et al.（2018）利用WRF 模式，以FNL 和ERA-interim 數(shù)據(jù)為邊界和初始場條件，對安第斯山脈南部的復雜地形條件下的極端降雪事件進行不同微物理參數(shù)化的研究，表明初始場對預報的結(jié)果至關(guān)重要，F(xiàn)NL 背景場條件下WSM6 模擬的降雪量效果最好，Morrison 和WDM5 方案模擬的過強，效果最差；ERA-interim 的雪深模擬結(jié)果比FNL 更接近實況。Ghafarian（2021）利用WRF 模式，采用四種微物理方案（WSM6、Goddard、Morrison 和Thompson）和兩種行星邊界層方案 [Yonsei University（YSU）和Mellor-Yamada-Janjic（MYJ）] 得出了八種不同的組合，對2014年發(fā)生在里海西南海岸的湖泊效應(yīng)導致的一次降雪過程進行數(shù)值模擬研究，結(jié)果表明Morrison-MYJ和Goddard-MYJ 是估算降水和降雪時空變化的最佳配置，MYJ 邊界層方案比YSU 邊界層方案更能模擬出降水的強度和分布。國內(nèi)也對暴雪天氣過程進行了一些研究，林文實等（2009）在利用MM5模式模擬華北地區(qū)的一次暴雪天氣過程中，比較兩個純顯式冰相云微物理參數(shù)化方案的差異，兩個方案對降雪分布和強度預報差別較小，但云中的微物理過程有較大的不同。崔錦等（2014）研究了不同微物理參數(shù)化方案對我國東北降水相態(tài)的影響，表明不同微物理方案對降水落區(qū)和降水強度預報影響不明顯，而降水相態(tài)對微物理參數(shù)化方案較敏感，主要表現(xiàn)在對雨區(qū)和雨夾雪區(qū)預報影響顯著。滕方達等（2020）利用Lin（Purdue Lin）、WSM6（WRF Single-Moment 6-class scheme）、Thompson、WDM6（WRF Double-Moment 6-class scheme）四種微物理過程參數(shù)化方案對遼寧的一次暴雪過程進行對比研究，表明Thompson 方案模擬出更多的雪粒子和最少的霰粒子，Lin 方案霰粒子南北范圍廣、伸展高度高，WSM6 和WDM6 兩種方案模擬出較少的霰粒子。綜上所述，不同的物理參數(shù)化方案對水成物的種類、密度、數(shù)目、譜分布的設(shè)置差別較大，對云微物理過程的物理描述和處理方法上也存在較大差異，因此不同微物理參數(shù)化方案模擬的暴雪天氣過程的熱動力過程、水凝物過程、雷達回波以及地面降水等也應(yīng)存在顯著區(qū)別。但是目前的大多數(shù)微物理方案的研究都是基于暴雨、颮線、冰雹等強對流天氣進行研究的，對降雪天氣過程的研究很少。而降雪天氣過程的雷達回波很弱，對流發(fā)展也偏弱，不同微物理參數(shù)化模擬的動熱力、水凝物等是否存在很大差異還需要進行大量研究。

本文利用WRF 模式對我國北方的一次大范圍暴雪天氣過程進行數(shù)值模擬，對比不同微物理參數(shù)化方案 [Thompson、Morrison、WDM6、NSSL、SBM fast（bin）] 模擬的雷達回波、降水量、動熱力以及水凝物等物理量特征，從而為暴雪天氣過程的預報提供一定的理論研究基礎(chǔ)。

2 資料和方法

2.1 個例介紹

2020 年4 月19 日至20 日15 時（協(xié)調(diào)世界時，下同），我國東北地區(qū)受到一次大范圍暴雪天氣過程侵襲，東北三省大部分地區(qū)以及內(nèi)蒙古東部都不同程度的受到影響。內(nèi)蒙古呼倫貝爾、黑龍江齊齊哈爾和黑河局地積雪達15～25 cm。齊齊哈爾市為當?shù)赜袣庀笥涗浺詠? 月下旬最大，其中，內(nèi)蒙古的扎蘭屯積雪深度最大，最深達47 cm，降雪分布范圍和強度如圖1 所示。本次大范圍降雪天氣過程造成了交通癱瘓，鐵路、公路以及機場關(guān)閉。且發(fā)生在春耕的關(guān)鍵時期，對農(nóng)業(yè)設(shè)施也造成了很大破壞，發(fā)生在疫情防控的關(guān)鍵時期，大范圍的降溫過程，增加了公眾健康安全風險。

圖1 2020 年4 月19 日12 時至20 日12 時（協(xié)調(diào)世界時，下同），24 小時累計降水量實況分布（單位：mm）。散點圖的顏色代表降水量的量級，紅色框為本次試驗主要關(guān)注的區(qū)域Fig. 1 Distribution of the 24-h accumulative precipitation from 1200 UTC 19 April to 1200 UTC 20 April 2020 (units: mm). The colors of the scatter plot represent the magnitude of precipitation. Red boxes are areas of major concern in this experiment

2.2 天氣形勢分析

為了分析此次暴雪天氣過程的天氣背景條件，利用歐洲中期天氣預報中心（European Centre For Medium Range Weather Forecasts，ECMWF）的全球再分析數(shù)據(jù)（ECMWF Reanalysis v5，ERA5），分別分析了此次大范圍暴雪天氣過程發(fā)生前的500 hPa、850 hPa 以及地面的環(huán)流場、溫度場和風場。ERA5 的空間分辨率為0.25°×0.25°，時間分辨率為1 h。從500 hPa 高度場（圖2a）上可知，亞洲中高緯地區(qū)為“一槽一脊”形勢，蒙古國中西部地區(qū)以及中國東北華北地區(qū)被高壓脊所控制。我國東北的北部有一深厚的冷渦，中心位于貝加爾湖以東和庫頁島以西附近，冷空氣沿著槽線附近進入我國內(nèi)蒙東部從而影響整個東北地區(qū)，且我國大部分東北地區(qū)以及中東部地區(qū)受到急流的影響，對流不穩(wěn)定增強。從850 hPa（圖2b）低空環(huán)流和比濕的分布來看，低渦中心位于內(nèi)蒙東部地區(qū)，低渦前部的西南氣流和偏南氣流從南方攜帶暖濕氣流，并向東北輸送。從地面天氣形勢（圖2c）可知，我國東北正好在低壓中心附近，受到低壓中心的控制，其中心氣壓低于1001 hPa，且低壓中心具有不斷加強的趨勢。北方的干冷氣流與南方的飽和暖濕氣流在東北地區(qū)匯集。這種低層輻合高層輻散的天氣系統(tǒng)加上低層大量水汽的輸送，導致這次大范圍暴雪天氣發(fā)生和維持。

圖2 ERA5 再分析資料2020 年4 月19 日06 時天氣形勢圖：（a）500 hPa 位勢高度（藍色等值線，單位：10 gpm）、溫度（填色，單位：K）、風場（箭矢，單位：m s-1）和急流（綠色陰影，風速大于20 m s-1）；（b）850 hPa 位勢高度（藍色等值線，單位：10 gpm）、風場（箭矢，單位m s-1）和比濕（填色，單位：g kg-1）；（c）地面海平面平均氣壓（藍色等值線，單位：hPa）、風場（箭矢，單位：m s-1）、溫度（色階，單位：K）和溫度露點差（綠色陰影，＜2 ：單位：K）Fig. 2 (a) Geopotential height (blue contour, units: 10 gpm), temperature (shaded, units: K), wind (vector, units: m s-1), and wind jet (green shadow,wind speed over 20 m s-1) at 500 hPa; (b) geopotential height (blue contour, units: 10 gpm), wind (vector, units: m s-1), specific humidity (shaded,units: g kg-1) at 850 hPa; (c) mean sea level pressure (blue contour, units: hPa), wind (vector, units: m s-1), temperature (shaded, units: K) and temperature dew point difference (the green shadow is less than 2, units: K) on 1200 UTC 19 April 2020 based on the ERA5 reanalysis data

2.3 模式設(shè)計和觀測資料

本文采用WRF4.1.5 中尺度模式對本次暴雪天氣過程進行數(shù)值模擬，模式為單層，模擬區(qū)域如圖3，空間分辨率為3 km，格點數(shù)為500×530，中心為（46.5°N，124°E），垂直方向為51 層，模式層頂為50 hPa。采用分辨率為0.25°×0.25°的ERA5 再分析資料為初始和邊界條件，模擬的初始時刻為2020 年2 月19 日00 時，模擬時長為36 個小時，每隔1 小時輸出一次結(jié)果。為了研究模式不同微物理方案對這次大范圍暴雪天氣過程的影響，選 擇 了Thompson(8)、Morrison(10)、WDM6(16)、NSSL(18)、SBM fast (bin, 30) 五種云微物理過程方案進行數(shù)值模擬，Thompson(8)、Morrison(10)、WDM6(16)、NSSL(18)這四個方案屬于bulk 方案，除云微物理方案不同外，均采用YSU 邊界層方案，Noah 陸面過程方案，不采用積云對流參數(shù)化方案，RRTM 長波輻射方案，Dudhia 短波輻射方案，具體的參數(shù)化方案設(shè)置如表1 所示，表2 為5 個微物理參數(shù)化方案對應(yīng)的混合比和數(shù)濃度。為了驗證本次試驗?zāi)M的效果，采用地面氣象站數(shù)據(jù)以及雷達基數(shù)據(jù)進行驗證。

表1 模式設(shè)計Table 1 Mode parameterization scheme setting

表2 微物理參數(shù)化方案的混合比和數(shù)濃度Table 2 Mixing ratio and number concentration of the five microphysical parameterization schemes

圖3 模擬區(qū)域Fig. 3 Model domain for the numerical simulation

3 模擬結(jié)果驗證

為了分析不同的微物理參數(shù)化方案對這次暴雪天氣過程模擬的效果，本文主要對不同微物理參數(shù)化方案模擬得到的雷達組合反射率、降水水平分布分布以及雷達反射率垂直分布與實況進行對比。

3.1 雷達反射率

天氣雷達是利用云霧、雨、雪等降水粒子對電磁波的散射和吸收作用，從而可探測到降水的空間分布和鉛直結(jié)構(gòu)，雷達觀測的反射率因子能很好地反映大氣中的水物質(zhì)含量，所以利用不同的云微物理參數(shù)化方案模擬的雷達反射率與雷達基數(shù)據(jù)進行比較。此次大范圍暴雪天氣過程從2020 年4 月19日02 時左右開始生成并不斷向東發(fā)展，到19 日20 時左右發(fā)展成熟，并開始慢慢消散，持續(xù)時間大概36 個小時左右。本次試驗重點關(guān)注的區(qū)域是降雪量比較大的地區(qū)，其位置如圖1 所示，分別選取了該區(qū)域內(nèi)對流系統(tǒng)生成、發(fā)展和成熟三個階段進行分析。

總體上，5 種微物理參數(shù)化方案模擬的雷達反射率在時間和空間上分布基本一致。實測的雷達最強回波時間是19 日20 時（圖4a3），而模擬的最強回波時間是19 日21 時（圖4b3、c3、d3、e3、f3），較觀測晚了約1 小時。圖4 為不同的微物理方案模擬不同時次的雷達回波與實測的雷達回波對比圖。圖4a1、a2、a3 是雷達實況，由于雷達資料的不全，只有少數(shù)的幾個自動站，因此實況的雷達數(shù)據(jù)只覆蓋部分地區(qū)。第一列為主要關(guān)注區(qū)域的對流初生時刻，第二列為對流發(fā)展時刻，第三列為對流成熟時刻。5 種微物理方案模擬的雷達回波范圍明顯比實況偏大，但是雷達回波中心強度和落區(qū)基本與實況一致，強回波中心大于45 dBZ，在內(nèi)蒙古的東側(cè)有一個發(fā)展強烈且范圍廣的對流系統(tǒng)，從地面天氣形勢圖（圖2c）可知，該地區(qū)受強低壓中心控制，低壓中心在該地區(qū)停留將近兩天（圖略），這與強對流系統(tǒng)持續(xù)時間一致。該對流系統(tǒng)導致扎蘭屯、齊齊哈爾、白城等區(qū)域大范圍、高強度、持續(xù)時間長的降雪過程。從整個過程看，bin方案模擬的強回波中心與實況相比偏弱（圖4f1、f2、f3），而Morrison 模擬的雷達回波中心偏強（圖4c1、c2、c3）。與bin 方案相比，bulk 方案模擬的回波結(jié)構(gòu)較松散，單體相對孤立，組織化程度較差。從整個時間周期上看（圖略），雷達回波在20 日12 時左右基本消散，而bulk 方案模擬的雷達回波中心還有30 dBZ左右，bin 方案的回波強度基本消散，因此bin 方案的發(fā)展周期比bulk 方案的短，更與實況一致。

不同的微物理參數(shù)化方案模擬的雷達回波的水平分布差異較小，因此也對比了觀測和模擬的雷達反射率垂直結(jié)構(gòu)分布，各剖面的位置如圖4 紫色框?qū)蔷€位置。4 月19 日14 時（圖5a1），黑龍江省、內(nèi)蒙古與吉林的交界地帶有幾個初生的對流單體，回波中心強度在35 dBZ以下，懸垂在850～600 hPa 之間。5 種微物理方案模擬的雷達回波剖面（圖5b1、c1、d1、e1、f1）基本都與實況一致。但是NSSL 方案模擬的回波底偏低，WDM6 方案模擬的回波頂偏低。隨著對流系統(tǒng)的發(fā)展（圖5b1），對流單體的水平寬度以及垂直高度不斷擴大，多對流中心發(fā)展并開始合并，強回波中心最高可達到45 dBZ，5 種微物理方案（圖5b2、c2、d2、e2、f2）均模擬出了多單體逐步發(fā)展合并的特征，且其形態(tài)基本與實況一致，但是WDM6（圖5d2）和NSSL（圖5e2）方案模擬的強回波中心與實況相比偏弱，在21 時（圖5a3），對流系統(tǒng)發(fā)展達到最強，中心回波強度達到50 dBZ，Thompson（圖5b3）和Morrison（圖5c3）均模擬出50 dBZ的強回波中心。但是Morrison 模擬的回波形態(tài)比較寬廣，更與實況一致。從整個過程上看，Morrison模擬的回波強度、范圍和形態(tài)更與實況一致，bin與bulk 方案相比，模擬的單體更多，這可能這主要是因為bin 方案將粒子群分檔處理，沒有捆綁不同粒子類型運動，更能描述出不同檔位粒子相互作用。

圖4 2022 年4 月19 日（a1）15:00、（a2）17:00、（a3）20:00 實測和（b1、c1、d1、e1、f1）14:00、（b2、c2、d2、e2、f2）16:00、（b3、c3、d3、e3、f3）21:00（b1-b3）Thompson 方案、（c1-c3）Morrison 方案、（d1-d3）WDM6 方案、（e1-e3）NSSL 方案及（f1-f3）bin 方案模擬的雷達組合反射率（單位：dBZ）。紅色對角線和方框分別表示下文剖面位置和區(qū)域平均的范圍Fig. 4 Observed (a1) 1500 UTC, (a2) 1700 UTC, (a3) 2000 UTC and simulated radar composite reflectivity (units: dBZ); (b1) 1400 UTC 19 April 2020, (b2) 1600 UTC 19 April 2020, (b3) 2100 UTC 19 April 2020) correspond to Thompson (the time of other schemes is the same below), (c1, c2,c3) is Morrison, (d1, d2, d3) is WDM6, (e1, e2, e3) is NSSL, and (f1, f2, f3) is bin. Red diagonal lines and red boxes indicate the slice lines of crosssections and the averaging area in the following analysis, respectively

圖5 實測和微物理參數(shù)化方案模擬的雷達反射率垂直剖面（單位：dBZ）和風場（箭矢：單位：m s-1）（其垂直速度風矢擴大了50 倍，下同），時間和剖面的位置如圖4 所示Fig. 5 Observed and simulated vertical cross-section of the radar composite reflectivity (units: dBZ) and winds (vector, units: m s-1; vertical vector speed is magnified by 50, the same below). The analysis time and locations of cross-sections are denoted in Fig. 4

3.2 地面累計降水分布

本文在對比雷達回波的同時，對降水的分布情況也進行了對比。由于不同微物理參數(shù)化方案對水物質(zhì)的組成和分布描述不同，會導致模式對降水的模擬產(chǎn)生差異，5 種微物理參數(shù)化方案模擬得到的6 小時累計降水量與站點實況降水觀測的對比如圖6 所示，其中圖6a1、a2、a3 是地面自動站降水分布情況。在初期降水帶主要呈東北—西南走向（圖6a1），由地面天氣形勢圖（圖2c）可知，我國內(nèi)蒙古、黑龍江、吉林三省交界地帶受低壓中心控制，強低壓中心在此停滯不前，南部受強勁的西南風影響，在西南風不斷加強和推進作用下，降水帶逐漸呈南北走向（圖6a2），最后呈西北—東南走向（圖6a3），最后移出我國區(qū)域，持續(xù)時間30 個小時左右。從圖6 可知5 種微物理參數(shù)化方案模擬的降水量分布、雨帶走勢、強度基本與實況一致，基本模擬出了強降水中心和發(fā)展的走勢，但是模擬的強度中心（＞12.8 mm）和范圍明顯比實況要大。與此同時，也對比5 個方案模擬的24 小時累計降水量，從降水量分布情況（圖7）來看，5 個微物理參數(shù)化方案模擬的24 小時累計降水量的強度和落區(qū)與實況基本一致，WDM6 方案模擬的強降水（＞25.6 mm）中心的強度和范圍明顯比實況偏大。

圖6 觀測和模擬的6 小時累計降水量（單位：mm）：（a1、b1、c1、d1、e1、f1）2020 年4 月19 日10:00～16:00；（a2、b2、c2、d2、e2、f2）2020 年4 月19 日20:00 至20 日02:00；（a3、b3、c3、d3、e3、f3）2020 年4 月20 日06:00～12:00Fig. 6 Observed and simulated of the 6-h accumulated rainfall (units: mm) during (a1, b1, c1, d1, e1, f1) 1000-1600 UTC 19, (a2, b2, c2, d2, e2, f2)2000 UTC 19-0200 UTC 20, and (a3, b3, c3, d3, e3, f3) 0600 UTC-1200 UTC 20

為了定量評價不同微物理參數(shù)化方案對這次暴雪天氣過程的模擬結(jié)果，選取了東北258 個地面自動站的1 小時累計降水均值資料對模式的模擬能力進行客觀定量評價。其結(jié)果如圖8 和表3 所示，4月19 日22 時左右，降水達到峰值，但是模擬的降水峰值與實況相比提前了1 小時左右。19 日23 時以前，模式模擬的降水量級與實況一致，但是23時以后出現(xiàn)了較大偏差，模擬降水的明顯比實況偏高。從表3 的相關(guān)系數(shù)和均方根誤差結(jié)果來看，相關(guān)系數(shù)最大的是Morrison 方案，達到0.9591，均方根誤差最小的是Thompson 方案，為0.0640?？梢哉J為本次過程中Thompson 和Morrison 方案整體優(yōu)于其他方案。從24 小時累計降水（圖7）主觀檢驗上看，Morrison 方案的強降水中心（＞25.6 mm）范圍比Thompson 方案的小，更與實況一致，因此綜合客觀定量評價和主觀檢驗，Morrison 方案對此次降雪過程的模擬更好。

圖7 2020 年4 月19 日06 時至20 日06 時實況與不同微物理參數(shù)化模擬的24 小時累計降水量（單位：mm）Fig. 7 Observed and simulated of the 24 h accumulated rainfall during 0600 UTC 19 April 2020-0600 UTC 20 April 2020 for simulation (units:mm).

表3 1 小時累計降水量統(tǒng)計評估Table 3 One-hour accumulated rainfall statistical assessment

4 微物理參數(shù)化方案對云內(nèi)熱動力的影響

云中的動力和熱力場能為云中的微物理過程提供背景流場，并影響云和降水粒子的數(shù)濃度、初始尺度譜以及相應(yīng)的物理性質(zhì)，規(guī)范了微物理過程進行的速率和持續(xù)的時間，以及最終降水物的尺度。反過來，云中的微物理過程對熱動力有很好的反饋作用。通過凝結(jié)、蒸發(fā)、凝華等過程改變水汽分布，相變潛熱的釋放和吸收，為云動力過程提供了重要的熱源和熱匯。因此對云微物理結(jié)構(gòu)進行分析需要對云內(nèi)熱動力結(jié)構(gòu)進行分析。圖9 是5 個微物理參數(shù)化方案模擬的區(qū)域平均垂直速度場和風場結(jié)構(gòu)的剖面。充足的水汽輸送和旺盛的上升運動是降水產(chǎn)生的基本條件，上升運動可使水汽從未飽和狀態(tài)達到飽和狀態(tài)，從而有利于降水形成。從圖中的風場結(jié)構(gòu)看，該地區(qū)主要吹偏南風，可以從南方帶來暖濕的水汽，有利于降水的形成。通常降雪過程的對流較弱，因此總體上模擬的垂直速度量級都在2 m s-1以下。5 個微物理參數(shù)化方案模擬垂直速度場都以上升運動為主，300 hPa 以上垂直速度基本接近0。在整個對流過程中，對流發(fā)展階段（圖9a2、b2、c2、d2、e2）的上升運動達到最強，到了成熟階段（圖9a3、b3、c3、d3、e3），強對流已經(jīng)變?nèi)醪⒅鸩较?，但是Morrison 方案模擬的帶狀強上升運動中心仍然比較強，說明Morrison 方案模擬的強上升運動持續(xù)時間比其他方案更長，這與Morrison 方案模擬的降水量（圖8）在19 日16～21 時這段時間內(nèi)比其他方案偏高是相對應(yīng)的。

圖8 東北258 個地面自動站與不同微物理參數(shù)化模擬的平均1 小時累計降水量時間演變（單位：mm）Fig. 8 Temporal evolution of the average 1-hour accumulated rainfall at 258 automatic ground stations in Northeast China simulated by different microphysical parameterizations (units: mm)

圖9 五種方案模擬的垂直速度 (填色，單位：m s-1)、風場（箭矢，單位：m s-1），時間和剖面位置同圖4Fig. 9 Vertical cross-sections of the vertical velocity (shaded, units: m s-1) and winds (vectors, units: m s-1) simulated by different microphysical parameterizations. The analysis time and locations of cross-sections are denoted in Fig. 4

圖10 為渦度場的垂直剖面，從渦度場可知，隨著對流系統(tǒng)的發(fā)展，正渦度不斷加強，范圍也不斷向高層發(fā)展，說明輻合上升運動不斷加強?？傮w上低層渦度為正，為輻合區(qū)，中層渦度為負，為強的輻散區(qū)，這種低層輻合，高層輻散的環(huán)境配置有利于強對流系統(tǒng)的形成發(fā)展，有利于降水形成（宗志平和劉文明, 2004）。劉寧微（2006）分析了2003 年3 月遼寧的暴雪過程，指出低空輻合和高空輻散，導致上升運動的加強以及低層正渦度的產(chǎn)生和維持而產(chǎn)生的垂直方向上水汽凝結(jié)是該暴雪過程的形成機制，5 個微物理參數(shù)化方案模擬的渦度都體現(xiàn)了這個特征。Thompson 方案（圖10a3）和NSSL 方案（圖10d3）模擬的低層正渦度（＞0.0008）延伸高度更高，說明輻合上升運動更強，這與Thompson 方案和NSSL 方案的雷達回波頂較高是一致的。在初始階段（圖10a1、b1、c1、d1、e1），正渦度中心在850 hPa 附近發(fā)展，隨著對流系統(tǒng)的發(fā)展（圖10a2、b2、c2、d2、e2），正渦度中心開始向高層發(fā)展，達到500 hPa 附近，正渦度中心伴隨著有負渦度中心，到了成熟階段（圖10a3、b3、c3、d3、e3），正渦度中心已經(jīng)逐漸消散。在對流發(fā)展階段，5 個微物理參數(shù)化方案在600 hPa以下均有波列分布，但是bin 方案的波列結(jié)構(gòu)更細小、數(shù)量更多、更明顯，這主要是因為bin 方案將粒子群分檔處理，沒有捆綁不同粒子類型運動，更能細致描述出不同粒子的下沉拖曳作用。

圖10 微物理參數(shù)化方案模擬的渦度場（填色，單位：s-1）和風場（箭矢，單位：m s-1）垂直剖面，時間和剖面位置同圖4Fig. 10 Vertical cross-sections of the vorticity field (shaded, units: s-1) and wind (vector, units: m s-1) simulation by different microphysical parameterizations. The analysis time and the locations of cross-sections are denoted in Fig. 4

圖11 是擾動位溫和總水凝物混合比的垂直分布圖，擾動位溫是三個對流發(fā)展階段（初生、發(fā)展、成熟）分別與模式初始時刻（19 日00 時）的差值。從擾動位溫來看，5 種方案都模擬出了負—正—負的位溫結(jié)構(gòu)，即在低層（700 hPa 以下）擾動位溫為負值，在中層（700～500 hPa）擾動位溫為正值，在中高層（500～300 hPa）擾動位溫為負值，5 種微物理參數(shù)化方案模擬的擾動位溫差異不明顯。隨著對流系統(tǒng)的發(fā)展，擾動位溫不斷加強，Thompson方案模擬的成熟階段（圖11a3）的擾動位溫在低層發(fā)展最強烈，說明該方案模擬的冷池強度最強，更有利于對流系統(tǒng)發(fā)展。水凝物主要分布在500 hPa以下的中低層區(qū)，不同的微物理參數(shù)化方案模擬的總水凝物分布與垂直速度是對應(yīng)的，垂直上升運動中心對應(yīng)著水凝物的混合比最大值中心，強上升運動的延伸高度和寬度對應(yīng)著水凝物的延伸高度和寬度。

圖11 不同方案模擬的擾動位溫（填色，單位：K）和總水凝物混合比（等值線，單位：g kg-1）的垂直剖面，紅色實線為0°C 等溫線，時間和剖面位置如圖4Fig. 11 Vertical cross-sections of the potential temperature perturbation (shaded, units: K) and the total mixing ratio (contours, units: g kg-1). Red solid lines represent the 0°C isotherms. The analysis time and locations of cross-sections are denoted in Fig. 4

為了更細致地描述整個對流過程的垂直速度、渦度以及擾動位溫特征，進行了最大最小垂直速度、渦度以及平均擾動位溫隨時間演變特征統(tǒng)計（圖12），不同微物理參數(shù)化方案所選取的區(qū)域位置如圖4（b3、c3、d3、e3、f3）所示。從圖中可知，各方案的垂直速度、渦度和擾動位溫走勢基本一致，渦度的走勢與垂直速度的走勢基本一致，從整體上看，19 日10 時左右，WDM6 方案模擬的最大垂直速度（圖12a1）和最大渦度（圖12b1）與其它方案相比明顯偏高，到了11 ～20 時左右，其最大垂直速度又明顯比其他方案偏小，這主要是因為在11～20 時這段時間，WDM6 方案模擬的降水（圖8）明顯比其他方案高，比較大的降水引起粒子的下沉拖曳作用，使得其垂直上升運動明顯降低。本次暴雪過程主要發(fā)生在19 日16 時至20 日03 時，并不是發(fā)生在對流運動最強烈的時段，而是發(fā)生在垂直速度極值和渦度極值都趨于變小的時段，說明相對靜穩(wěn)的環(huán)境，可能更有利于降雪發(fā)生。從平均擾動位溫分布走勢圖來看（圖12c），從19 日00 時開始，擾動位溫不斷增加，到19 日06 時，達到最大值，開始維持在一個穩(wěn)定的數(shù)值，到了19 日16 時，擾動位溫開始逐步下降，到20日03 時以后又開始回升，擾動位溫下降的時間段對應(yīng)著強降雪時段（圖8），所以氣溫的冷卻作用可能是此次暴雪天氣過程的形成的機制之一。從整個過程來看，bin 方案和Morrison 方案的擾動位溫最大，Thompson 方案的擾動位溫最小。

圖12 不同微物理參數(shù)化方案模擬的（a1、a2）最大最小垂直速度、（b1、b2）渦度和（c）平均擾動位溫時間演變Fig. 12 Temporal evolution of the (a1, a2) max and min vertical velocity, (b1, b2) vorticity, and (c) potential temperature (PT) perturbation simulated by different microphysical parameterizations.

5 微物理參數(shù)化方案對水凝物的影響

5.1 水凝物的垂直廓線

云微物理過程中，水成物的分布在很大程度上反映了微物理過程中水汽與降水粒子之間相互轉(zhuǎn)換的熱力動力過程（許廣等, 2017），對云微物理過程特別是水成物的分析有助于了解降水過程的機制。從圖13 可看出，5 種微物理參數(shù)化方案模擬的水凝物含量和分布存在較大差異，從整體的水凝物混合比可知，所有的微物理參數(shù)化方案中，占比最大的都是雪粒子，這與本次個例是暴雪天氣過程相對應(yīng)。冰晶主要集中在8 km 附近，3 km 為雪粒子最大層，2 km 為霰粒子最大層， 1.5 km 為云水最大層，雨水主要分布在2 km 以下的暖區(qū)。對于雪、霰、云水以及雨水的模擬，各方案模擬的廓線除了在量級上有區(qū)別外，其分布高度基本一致，而對冰晶的模擬，各方案模擬的廓線不管在強度和分布高度上都存在很大的差異，說明不同的微物理參數(shù)化方案對冰晶粒子的描述存在很大差異。

圖13 區(qū)域平均的水凝物混合比垂直廓線（單位：g kg-1）：（a1、a2、a3）冰晶；（b1、b2、b3）雪；（c1、c2、c3）霰；（d1、d2、d3）云水；（e1、e2、e3）雨水,時間和位置同圖4Fig. 13 Vertical profiles of the regionally average mixing ratio (units: g kg-1) of (a1, a2, a3) ice, (b1, b2, b3) snow, (c1, c2, c3) graupel, (d1, d2, d3)cloud water, and (e1, e2, e3) rainwater. The analysis time and the locations of cross-sections are denoted in Fig. 4

通常雷達反射率與大氣中的雨、雪、霰等水凝物有關(guān)，其中雨水粒子的反射率最強，雪粒子的反射率最弱。5 種微物理參數(shù)化方案均模擬出了大氣低層的雨水粒子（圖13e1、e2、e3），但是WDM6方案模擬的雨水粒子明顯比其他方案的高，這是造成WDM6 方案模擬的反射率剖面在低層（850 hPa以下）比其他方案高且深厚的原因。NSSL 方案模擬的雨水粒子伸展高度最高，造成NSSL 方案模擬的雷達回波伸展高度也高。從雪粒子的整個時空分布來看，總體上bin 方案模擬的雪粒子量級在對流初生階段和發(fā)展階段比其他方案偏高，但是在成熟階段與其它方案基本一致。Thompson 方案模擬的雪粒子量級在成熟階段，其低層的雪粒子明顯比其他方偏高，說明Thompson 方案模擬的地面降雪量最大。而霰粒子的空間分布各方案模擬的正好與雪粒子相反，bin 和Morrison 方案模擬的雪粒子偏高，而模擬的霰粒子含量最低，WDM6 方案模擬的雪粒子偏低，而模擬的霰粒子含量偏高。云水粒子主要集中在2 km 高度附近，在對流初生階段（圖13d1）和對流發(fā)展階段（圖13d2），各方案模擬的云水粒子含量和高度出現(xiàn)較大偏差，但到了成熟階段（圖13d3），各方案模擬的云水粒子不管是在量級還是在分布高度上基本一致。從模擬的冰晶粒子分布來看，各方案存在很大的差異，WDM6 方案模擬的冰晶粒子含量最高，且其延伸范圍廣，從低層至高層9 km 附近均有冰晶粒子存在。Morrison方案和NSSL 方案模擬的冰晶粒子含量也較高，但是兩個方案模擬的冰晶粒子分布高度存在很大區(qū)別，Morrison 方案主要集中在8 km 的高層，而NSSL方案主要集中在3 km 的中低層，bin 和Thompson方案模擬的冰晶粒子含量最少。從整個時間演變上看，在對流系統(tǒng)初生和發(fā)展階段，總體上各方案模擬的水凝物在量級和分布高度上都存在較大的差距，到了成熟階段，各方案模擬的水凝物趨于一致。

圖14 是數(shù)濃度的垂直廓線，由于WDM6 方案只預報出了雨水和云水數(shù)濃度，Thompson 方案只預報了冰晶和雨水數(shù)濃度，NSSL 方案沒有預報出云粒子，因此我們只給出了各個方案預報出的水凝物數(shù)濃度。從模擬的水凝物數(shù)濃度來看，各方案存在很大的差異。Morrison 模擬的冰晶、雪粒子以及霰粒子等固態(tài)水凝物的數(shù)濃度都很大，基本都大于其他方案，從云水的數(shù)濃度分布來看，WDM6 方案遠大于bin 方案，NSSL 方案和WDM6 方案模擬的雨水遠大于其他方案，bin 方案模擬的水凝物數(shù)濃度與其它方案相比都很弱。

圖14 區(qū)域平均的水凝物數(shù)濃度垂直廓線（單位：105 kg-1）：（a1、a2、a3）冰晶；（b1、b2、b3）雪；（c1、c2、c3）霰；（d1、d2、d3）云水；（e1、e2、e3）雨水。時間和位置如圖4Fig. 14 Vertical profiles of the regionally average number concentration of (a1, a2, a3) ice, (b1, b2, b3) snow, (c1, c2, c3) graupel, (d1, d2, d3) cloud water, and (e1, e2, e3) rainwater (units: 105 kg-1). The analysis time and locations of cross-sections are denoted in Fig. 4

5.2 水凝物的時間—高度剖面

不同的微物理參數(shù)化方案對水凝物的模擬在時間層上也存在較大差異（圖15），對于云粒子，各方案模擬的強度基本一致，Morrison 方案模擬的云頂高度比其他方案偏低。對于冰晶粒子和雪粒子，其分布范圍較廣，出現(xiàn)多個極值中心，從時間軸上看，NSSL 方案模擬的冰晶粒子出現(xiàn)時間比別的方案要晚了1 個小時，Thompson 方案在4 月19 日12～13 時沒有模擬出冰晶。Thompson 方案模擬的雪粒子在19 日18 時已經(jīng)開始延伸到地面，而其他方案模擬的雪粒子在19 時左右才開始延伸到地面，說明Thompson 方案模擬地面最早降雪時間比比其他方案模擬早了1 個小時。對于雨水粒子的模擬，雨水主要集中在上升氣流前側(cè)的低層，5 個方案模擬的雨水持續(xù)時間基本一致，開始降雨和結(jié)束時間也基本一致，但是bin 方案模擬的最強降雨時間比其他方案晚了1 小時左右。對于霰粒子的模擬，除了在強度上存在較大差異外，在時間周期上也存在較大差異，bulk 方案模擬的霰粒子在19 日07 時開始有霰粒子，而bin 方案在12 時才有霰粒子，晚了將近5 個小時；19 日23 時，霰粒子基本消失，但是WDM6 方案模擬的霰粒子在20 日02 時左右才全部小時，晚了將近3 小時，說明WDM6 方案模擬的霰粒子在強度上大于其它方案，時間周期上也比其它方案長。bin 方案和Morrison 方案模擬的霰粒子在強度上比其他方案弱，持續(xù)時間也比其他方案短。

圖15 不同微物理參數(shù)化方案模擬的區(qū)域平均水凝物混合比時間—高度剖面分布：（a1、b1、c1、d1、e1）云水（Qc，填色）和冰晶（Qi，等值線）；（a2、b2、c2、d2、e2）雨水（Qr，填色）和雪粒子（Qs，等值線）；（a3、b3、c3、d3、e3）霰粒子（Qg，等值線），（單位：g kg-1，紅色實線為0°C 線）Fig. 15 Time-height cross-sections of the (a1, b1, c1, d1, e1) regionally average mixing ratio of cloud water (Qc, shaded) and cloud ice (Qi, contours),(a2, b2, c2, d2, e2) rainwater (Qr, shaded) and snow (Qs, contours), (a3, b3, c3, d3, e3) graupel (Qg, contours) of different microphysical parameterization schemes (units: g kg-1, red solid lines represent the 0°C isotherms)

6 結(jié)論

通過對2020 年4 月19～20 日發(fā)生在我國東北地區(qū)的一次大范圍暴雪天氣過程進行不同微物理參數(shù)化方案（Thompson、Morrison、WDM6、NSSL、bin）的數(shù)值模擬，探究不同微物理過程對暴雪天氣過程的影響。比較了5 種微物理參數(shù)化方案模擬的雷達反射率、地面降水量，動熱力過程以及微物理場特征。進而了解不同微物理參數(shù)化方案對我國東北地區(qū)的適應(yīng)性問題，以期為改進微物理參數(shù)化方案提供一定的參考。本文得出的結(jié)論如下：

（1）不同微物理參數(shù)化方案都較好的模擬出了這次暴雪天氣過程的形態(tài)和特征，但是Morrison方案模擬的效果更好。總體上bulk 方案模擬的雷達回波結(jié)構(gòu)較松散，單體相對孤立，組織化程度較差，bin 方案模擬的雷達回波中心與實況相比明顯偏弱。從模擬的雷達回波剖面上看，Morrison 模擬的回波強度、范圍和形態(tài)更與實況一致。綜合主觀檢驗和相關(guān)系數(shù)、均方根誤差統(tǒng)計分析，Morrison方案模擬的降水量較其他參數(shù)化方案更好。因此，Morrison 方案更好的模擬出了本次降雪過程。

（2）盡管不同方案模擬的降水量、雷達回波等差異不明顯，但是模擬的云內(nèi)動力及微物理結(jié)構(gòu)存在明顯差別，主要表現(xiàn)在不同云微物理方案模擬的垂直速度和水凝物的時空分布上。bin 方案在600 hPa 高度以下存在明顯的渦度波列，這主要是因為bin 方案將粒子群分檔處理，沒有捆綁不同粒子類型運動，更能細致描述出不同粒子的下沉拖曳作用，更與實況一致。在強降雪發(fā)生前，WDM6方案模擬的最大垂直速度明顯比其它方案強，但到了強降雪階段，其最大垂直速度又明顯比其它方案偏小，這主要是因為WDM6 方案模擬的降水明顯比其它方案高，比較大的降水引起粒子的下沉拖曳作用，使得其垂直上升運動明顯降低。

（3）不同方案模擬的雪、霰、云水以及雨水粒子較為接近，而對冰晶的模擬不管在量級還是在分布范圍上都存在很大的差異。WDM6 和NSSL方案，冰晶分布較其他方案更接近0°C 融化層及以下，甚至達至地面。從整個時間演變上看，在對流系統(tǒng)初生和發(fā)展階段，總體上各方案模擬的水凝物混合比在量級和分布高度上都存在較大的差距，到了成熟階段，各方案模擬的水凝物混合比趨于一致，這與垂直速度和渦度的演變特征是一致的。

（4）bin 方案和bulk 方案的模擬差異主要體現(xiàn)在霰粒子和冰晶的模擬，其模擬的量級遠小于bulk 方案，且bin 方案模擬的水凝物數(shù)濃度也遠小于bulk 方案。從水凝物的時間演變特征來看，bin方案模擬的最強降雨時間比其它方案晚了將近1 小時，最早降霰時間也比bulk 方案晚了將近5 個小時，總體上bin 方案模擬的霰粒子在強度上比其它方案弱，持續(xù)時間也比其它方案短。理論上，bin方案對粒子變化的描述更與實況一致，與自然圖像更接近，但是在這次暴雪天氣過程中，bin 方案模擬的雷達回波和降水量不如bulk 方案，其優(yōu)勢并沒有體現(xiàn)出來，且在強度、空間分布上都不如bulk方案。

本次研究是基于不同微物理方案對2020 年4月的一次大范圍暴雪天氣過程進行的數(shù)值模擬結(jié)果，其研究結(jié)論還需要更多的暴雪天氣個例進行驗證和支撐，特別是局地性的暴雪天氣過程是否會得出同樣的結(jié)論還需要進行進一步的驗證。由于本次研究沒有雙偏振雷達實際觀測資料，因此不能對云內(nèi)細致的動熱力和水凝物與實況進行比較。未來的工作將基于偏振雷達的高精度觀測資料進行細致地對比分析不同微物理方案模擬的云水粒子的時空分布及三維結(jié)構(gòu)，探討云微物理影響降雪的可能機制。