云滴數(shù)濃度對云滴降水過程的影響

云滴數(shù)濃度對云滴降水過程的影響

0雙參數(shù)方案傳統(tǒng)分檔模式氣溶膠對云和降水的影響非常復(fù)雜。大氣中的氣溶膠只有很少一部分參與云滴和冰晶的形成過程(核化),而這些水成物的初始尺度和濃度對降水的形成有重要作用。降水效率的改變會影響云的動力學(xué)過程,從而改變云的形狀(云砧)和尺度分布(水平和垂直方向)。而且,發(fā)生在云內(nèi)水成物之間的化學(xué)反應(yīng)可以改變云的組分和尺度分布,反過來影響氣溶膠的物理化學(xué)性質(zhì)。過去有關(guān)氣溶膠在云的形成過程中所起作用的研究工作比較多。但在氣溶膠—云—降水這個鏈條上的最后一個環(huán)節(jié),即對降水的影響上,所做的研究相對較少。目前有很多探測手段可以測量到氣溶膠入云以及對云的微物理性質(zhì)的影響,但是沒有相應(yīng)的對地面降水的探測。即便有同時進(jìn)行的地面降水測量,也很難得出污染物對降水過程有何影響的結(jié)論,因為還需要同時確定沒有被污染的云。因此,要評估污染物對降水過程的影響,需要借助于數(shù)值模擬試驗方法。顯式方案中描述水凝物粒子群尺度譜演變特征的方法分為體積水參數(shù)化法和分檔法。分檔法描述水凝物尺度演變過程十分復(fù)雜和精細(xì)但計算量巨大(許煥斌和段英,1999),參數(shù)化方法只考慮自然云和降水粒子的總體(統(tǒng)計)特征,建立各類云和降水粒子總體參量的控制方程(黃美元和徐華英,1999),中尺度模式中的云降水方案大多使用體積水參數(shù)化方法。20世紀(jì)70年代,伴隨著計算機(jī)性能的提高,發(fā)展了采用濾去聲波的動力框架的三維積云模式,70年代后期隨著計算方法的發(fā)展,KlempandWilhelmson(1978)首先建立起了保留聲波的完全彈性模式。國內(nèi)孔凡鈾等(1990)、許煥斌和王思薇(1990)、王謙和胡志晉(1990)分別建立起了類似的三維積云模式,洪延超(1998)在孔凡鈾模式的基礎(chǔ)上,將微物理過程發(fā)展成為雙參數(shù)化,并進(jìn)行了冰雹催化的數(shù)值模擬,郭學(xué)良和黃美元(2001)將冰雹進(jìn)行了分檔,研究了冰雹的生長機(jī)制?？傮w看來,雙參數(shù)方案比單參數(shù)方案的物理基礎(chǔ)更加清楚,減少了模式中的人為性,在模擬不同大尺度背景下的降水過程時優(yōu)勢明顯,不需要調(diào)節(jié)模式中的粒子譜截斷值,具有更好的適應(yīng)性。Reisinetal.(1996)用一個詳細(xì)的分檔模式研究了CCN(cloudcondensationnuclei,云凝結(jié)核)的變化對降水的影響,發(fā)現(xiàn)在不同的CCN濃度條件(不同污染條件)下,降水效率的變化和降水對冰核濃度的敏感性是不同的,具有復(fù)雜的變化。Khainetal.(2001)模擬研究了深對流云中CCN濃度變化對冰晶粒子濃度的影響,結(jié)果表明不同CCN濃度條件下凍結(jié)過程發(fā)生的位置有明顯差異。該模擬結(jié)果與觀測的污染地區(qū)上空溫度為-38℃處液態(tài)含水量較大的事實是一致的(RosenfeldandWoodley,2000)。Yinetal.(2005)和Fridlindetal.(2004)都強(qiáng)調(diào)了將氣溶膠和云微物理作為一個相互作用的系統(tǒng)來研究的重要性,與RosenfeldandWoodley(1989,1993)和Simpsonetal.(1967)的結(jié)論相一致。Yinetal.(2000)用一個二維粘性對稱模式對暖對流云的研究也得到了類似的結(jié)論。他們發(fā)現(xiàn),在CCN數(shù)濃度為1700cm-3左右、GCCN(巨型云凝結(jié)核)數(shù)濃度為0.02cm-3的污染云中,降水過程比在CCN數(shù)濃度為100cm-3、沒有GCCN的清潔云中更容易啟動。該模擬結(jié)果與Hindmanetal.(1977)和Eaganetal.(1974a,1974b)關(guān)于造紙廠對云微結(jié)構(gòu)影響的觀測研究一致,也得到Rudichetal.(2002)關(guān)于鹽對咸海附近云影響的觀測研究的證實。此外,銀燕等(2009)對影響云微物理過程的氣溶膠分布特征進(jìn)行了初步研究。2008年1月10日至2月初,我國發(fā)生了歷史上罕見的低溫雨雪冰凍災(zāi)害,其主要特征為災(zāi)害范圍廣、災(zāi)害強(qiáng)度大、連續(xù)低溫時間長、雨雪持續(xù)時間長、冰凍日數(shù)多和災(zāi)害損失嚴(yán)重(陳永林等,2010;胡玉玲等,2010;王桂臣等,2010)。低溫雨雪冰凍災(zāi)害造成的損失極為嚴(yán)重,對交通運(yùn)輸、能源供應(yīng)、電力傳輸、農(nóng)業(yè)及人民群眾生活造成了嚴(yán)重影響,受災(zāi)人口過億,直接經(jīng)濟(jì)損超過1000多億元。湖南、湖北、江西、安徽、貴州等省災(zāi)情尤其嚴(yán)重(王凌等,2008)。多位學(xué)者從大氣環(huán)流異常和Q矢量等角度對相關(guān)冰雪天氣過程進(jìn)行了研究(彭艷等,2010;苗春生等,2010)。本文利用耦合了Morrison雙參數(shù)微物理方案的中尺度WRF模式,對2008年1月25—29日發(fā)生在我國南方的冰雪降水天氣過程進(jìn)行數(shù)值試驗。在模式準(zhǔn)確再現(xiàn)此次天氣過程形勢演變特點的基礎(chǔ)上,研究微物理方案中云滴數(shù)濃度對累積降水量模擬結(jié)果的影響,并在這次大范圍降水過程中選取一個較小區(qū)域的短時局地降水過程來研究降水量對云滴數(shù)濃度的敏感性。對此次天氣過程的微物理量進(jìn)行詳細(xì)分析,從各種水成物粒子的發(fā)展演變上,討論在暖云和冷云兩種降水機(jī)制上云滴數(shù)濃度增加對降水的不同影響。1數(shù)據(jù)和方法1.1月后我國出現(xiàn)有效天2008年1月10日至月底,中國南方有19個省(湖南、貴州、廣東、廣西、湖北、安徽、江西、河南、陜西、四川、江蘇、福建和甘肅等)遭受了幾十年乃至百年一遇的嚴(yán)重雨雪冰凍災(zāi)害。這次罕見的雨雪冰凍災(zāi)害給當(dāng)?shù)厝嗣竦纳詈蜕a(chǎn)造成了極其嚴(yán)重的影響。從2008年1月中下旬開始,受冷暖空氣共同影響,我國出現(xiàn)了4次明顯的雨雪天氣過程,河南、湖北、安徽、江蘇、湖南和江西西北部、浙江北部出現(xiàn)大到暴雪;湖南、貴州、安徽南部和江西等地出現(xiàn)凍雨或冰凍天氣。4次過程出現(xiàn)時段分別為:1月10—16日,18—22日,25—29日和31日至2月2日。具有過程頻繁集中、間隔短、4次過程總時間長等特點。其中1月25—29日的暴雪和凍雨天氣降水范圍最廣、強(qiáng)度最大、降水相態(tài)多樣(陶詩言和衛(wèi)捷,2008)。這次降水區(qū)涉及我國西北東部、西南東部以及秦嶺和黃河下游以南地區(qū),江淮流域和江南大部出現(xiàn)大雪,局部地區(qū)出現(xiàn)暴雪;凍雨區(qū)出現(xiàn)在貴州全省、廣西東北部、湖南大部、江西大部、浙江北部和安徽南部,而華南地區(qū)出現(xiàn)雨區(qū)。1.2雙參數(shù)微物理參數(shù)化方案Morrisonetal.(2005)提出了一個雙參數(shù)微物理參數(shù)化方案。這是一個體積水微物理參數(shù)化方案,可預(yù)報云滴、云冰、雨和雪的混合比及數(shù)濃度,并可應(yīng)用于高分辨率云模式。1.3云和降水模型本文利用耦合了Morrison雙參數(shù)微物理方案的中尺度WRF模式(V2.2)進(jìn)行數(shù)值模擬試驗。模式中的微物理方案可以選用常數(shù)云滴數(shù)濃度或預(yù)報云滴數(shù)濃度,可以選擇包括冰相過程或者屏蔽冰相過程;冰晶核化可以采用Rasmussen方程(中緯度)或者M(jìn)PACE觀測結(jié)果(僅極地),在預(yù)報云滴數(shù)濃度方案下CCN譜可以選擇Power-Law譜或者對數(shù)正態(tài)氣溶膠尺度譜得出的CCN譜;云側(cè)邊緣的云滴活化可以選擇忽略與否;次網(wǎng)格尺度垂直速度可以選擇包含與否。這里選用常數(shù)云滴數(shù)濃度方案進(jìn)行控制試驗。事實上,云凝結(jié)核和云滴的觀測資料是非常缺乏的,Andreaeetal.(2004)設(shè)計了4種云和降水的概念模型:藍(lán)色海洋(blueocean)、綠色海洋(greenocean)、煙污染云(smokyCb)、煙火云(pyroCb),并根據(jù)LBA-SMOCC(Large-scalebiosphere-atmosphereexperimentinamazoniasmoke,aerosol,clouds,rainfall,andclimate)外場試驗結(jié)果,給出了上述4種云降水方式中云滴數(shù)濃度的代表性數(shù)值,分別為600、1000、2200、2400cm-3。前2種分別代表很清潔、較清潔,后2種分別代表一般性污染、嚴(yán)重污染情形。本文利用Nc=600cm-3進(jìn)行控制試驗,利用其他數(shù)值進(jìn)行敏感性試驗。控制試驗采用二重雙向嵌套網(wǎng)格,模擬區(qū)域中心坐標(biāo)為111.2°E、28.1°N;粗網(wǎng)格格距為45km,東西向有201個格點,南北向有121個格點,細(xì)網(wǎng)格格距為15km,東西向有301個格點,南北向有181個格點,細(xì)網(wǎng)格區(qū)域處于粗網(wǎng)格區(qū)域的正中心(圖1),垂直方向為σ坐標(biāo),分為28層,粗網(wǎng)格時間積分步長為180s,細(xì)網(wǎng)格時間積分步長為60s,模式采用Lambert地圖投影,地形數(shù)據(jù)為美國地質(zhì)勘探局(USGS)的全球30s地形數(shù)據(jù),初始?xì)庀筚Y料采用的是6h一次的NCEP1°×1°全球分析資料。粗細(xì)網(wǎng)格區(qū)域均使用Morrison雙參數(shù)微物理方案,取常數(shù)云滴數(shù)濃度為600cm-3,包括冰相過程、冰晶核化過程(采用Rasmussen方程)、RRTM長波輻射方案、Dudhia短波輻射方案、Monin-Obukhov近地面層方案、NOAH陸面過程方案以及Kain-Fritsch積云對流參數(shù)化方案。模擬時段間為2008年1月25日00:00—29日12:00(世界時)。220降水模擬對比使用以上方案進(jìn)行數(shù)值模擬,作為比較,另外采用Lin微物理方案進(jìn)行了1次模擬,模擬的2008年1月25日00:00—29日12:00累積降水量與實況的對比由圖2給出。可以看出,控制試驗方案模擬出了降水量從我國東南向西北方向逐級遞減的分布形勢以及位于云南的降水大值區(qū)。50～100mm降水區(qū)在東南沿海地區(qū)得到較準(zhǔn)確模擬,廣東、福建、浙江和江西的落區(qū)與實況較接近,總體走向與實況一致,但模式對廣東和廣西交界處2個超過100mm的降水極值沒有很好表現(xiàn),云南降水模擬得明顯過多。Lin方案的模擬結(jié)果不如控制試驗,云南北部和四川南部出現(xiàn)了比控制試驗結(jié)果更大的虛假降水,在許多實際降水量為25～50mm的區(qū)域模擬出了50mm以上降水,模擬出的100mm以上虛假降水量區(qū)域也比控制試驗結(jié)果大?？偟膩碚f,對于這4.5d的累積降水量,控制試驗?zāi)M出了降水的總體分布形勢,其結(jié)果優(yōu)于Lin方案。因此,對于此次降水個例,使用雙參數(shù)微物理方案的模擬效果要優(yōu)于使用單參數(shù)微物理方案,使用雙參數(shù)微物理方案模擬的大氣演變過程更接近于實況,這為利用該雙參數(shù)微物理方案研究有關(guān)微物理性質(zhì)對降水的影響提供了基礎(chǔ)。3模式中云滴數(shù)濃度的生成要研究氣溶膠的增加對降水的影響,直接在模式中把氣溶膠的譜分布表現(xiàn)出來并且把云滴和冰晶的形成活化過程演算出來是最好的辦法,但是在目前氣溶膠觀測資料不夠充分和模式功能存在局限性的情況下,把增加氣溶膠對云滴數(shù)濃度的影響直接運(yùn)用到模式中是不錯的替代方案。氣溶膠的增加可以造成CCN的增多,也就造成了云滴數(shù)濃度的增加,這已經(jīng)是廣泛的共識。Morrison雙參數(shù)微物理方案提供了一個在中尺度模式中直接自定義云滴數(shù)濃度的途徑,為本研究提供了工具。這里采用常數(shù)云滴數(shù)濃度方案,云滴數(shù)分別設(shè)為1000、2200和2400cm-3,其他方案不變,進(jìn)行敏感性試驗,并分別稱為試驗A、B和C。3.1云滴數(shù)濃度對降水影響的模擬結(jié)果具有顯著的時圖3為不同云滴數(shù)濃度方案模擬的總累積降水量與控制試驗的差值的對比。從各模擬結(jié)果與控制試驗的總累積降水量之差來看,增加云滴數(shù)濃度對累積降水的影響在不同地區(qū)是不同的,有降水增加的區(qū)域,也有降水減少的區(qū)域,總體上以降水減少為主。試驗A模擬的降水與控制試驗之差(圖3a)顯示了降水增加區(qū)域呈現(xiàn)為幾條帶狀分布,降水減少區(qū)域除了有長江以北的廣大地區(qū)外,也有與降水增加區(qū)域同方向的幾條帶狀區(qū)域。另外兩個試驗的降水量與控制試驗的差值分布(圖3b、c)與圖3a有相似的規(guī)律:降水減少與增加區(qū)域呈條狀且相互間隔的分布,同樣,長江以北的廣大地區(qū)以降水小幅度減少為主。圖4為敏感性試驗與控制試驗?zāi)M的6h累積降水量(模擬區(qū)域的格點平均值)的比較?？梢钥闯?3個敏感性試驗的6h累積降水量均小于控制試驗的有7個時段,占全部時段的43.75%,3個敏感性試驗的6h累積降水量均大于控制試驗的只有1個時段,占全部時段的6.25%。3個敏感性試驗中,2個試驗的6h累積降水量同時小于控制試驗的有4個時段,占全部時段的25%;3個敏感性試驗中,只有1個試驗的6h累積降水量小于控制試驗的有4個時段,占全部時段的25%。以每個敏感性試驗結(jié)果的每個時段的6h累積降水量作為一個樣本,增加云滴數(shù)濃度造成降水減少的樣本數(shù)為33,占樣本總數(shù)48的68.75%,增加云滴數(shù)濃度造成降水增加的樣本數(shù)為15,占樣本總數(shù)的31.25%。另外,將各樣本與控制試驗比較可知,減少降水或者增加降水的幅度均不超過2.5%。從總累積降水量(格點平均值)來看,控制試驗為18.259mm,Nc=1000cm-3方案為18.247mm,Nc=2200cm-3方案為18.126mm,Nc=2400cm-3方案為18.129mm,各敏感性試驗結(jié)果分別比控制試驗減少0.066%、0.730%、0.710%?？梢?總的來說,增加云滴數(shù)濃度對降水模擬的影響以降水減少為主。因此,增加云滴數(shù)濃度對降水模擬結(jié)果的影響是較復(fù)雜的。從降水總量來看,試驗A、B和C比控制試驗分別減少0.066%、0.730%和0.710%,增加云滴數(shù)濃度會導(dǎo)致降水減少,但減少幅度并不大,也沒有呈現(xiàn)出云滴數(shù)濃度大小與降水減少幅度之間的明顯相關(guān)關(guān)系。但注意到Nc=2200cm-3和Nc=2400cm-3方案模擬的降水較為接近,而Nc=600cm-3的控制試驗與Nc=1000cm-3方案模擬的結(jié)果較為接近。因此,從該個例來看,可以較寬泛地認(rèn)為模擬試驗結(jié)果體現(xiàn)出了云滴數(shù)濃度更高的污染云所產(chǎn)生的降水比云滴數(shù)濃度較低的清潔云產(chǎn)生的降水要少,減少幅度在1%以內(nèi)。從試驗A、B和C與控制試驗的總累積降水量的差異來看,在此次天氣過程中降水較少的長江以北廣大地區(qū),增加云滴數(shù)濃度帶來的影響主要是降水減少,而在長江以南大片區(qū)域,增加云滴數(shù)所造成的降水量變化呈現(xiàn)出降水增加區(qū)域和降水減少區(qū)域以帶狀相互間隔的分布特點,增加或減少的降水幅度均超過10mm。從圖3來看,也沒有呈現(xiàn)出某些區(qū)域降水量的增加或減少幅度與云滴數(shù)濃度大小有明顯的相關(guān)關(guān)系。但可以肯定的是,增加云滴數(shù)濃度對降水模擬結(jié)果的影響有著明顯的空間分布不均勻性,而降水增加區(qū)域和降水減少區(qū)域的條狀特征和間隔夾雜的排列特點值得深入研究。從試驗A、B和C的6h累積降水量與控制試驗的比較來看:雖然降水減少的樣本占大多數(shù),但沒有一個試驗的降水自始至終少于或多于控制試驗;同一個試驗在不同時段里的降水與控制試驗相比,呈現(xiàn)時而增加、時而減少的波動跳躍狀況。在有的時段里,會同時出現(xiàn)有的試驗降水增加而有的試驗降水減少的情況。因此,增加云滴數(shù)濃度對降水模擬的影響有著明顯的時間不均勻性。從各時段中降水增加的樣本數(shù)和降水減少的樣本數(shù)來看,增加云滴數(shù)濃度給降水模擬帶來的影響以降水減少為主。由于增加云滴數(shù)濃度對降水模擬結(jié)果影響存在時間和空間的不均勻性,所以為了分析局地短時降水情況,選取2008年1月28日12:00—18:00主要發(fā)生在江西東北部和福建北部的相對強(qiáng)烈的一次局地降水過程來進(jìn)行模擬試驗。圖5顯示了云滴數(shù)濃度分別為1000cm-3、2200cm-3和2400cm-3的3個敏感性試驗與控制試驗?zāi)M的6h累積降水量的差值分布?？梢钥吹?控制試驗Nc=600cm-3和敏感性試驗Nc=1000cm-3模擬的6h累積降水量很接近,而敏感性試驗Nc=2200cm-3和Nc=2400cm-3模擬的6h累積降水量接近。增加云滴數(shù)濃度后也是有的區(qū)域降水增加,有的區(qū)域降水減少,并且隨著云滴數(shù)濃度的增加,降水增加或減少的幅度也在加大。在118.6°E、28.1°N附近區(qū)域,相對控制試驗而言,Nc=1000cm-3方案模擬的降水量增大極值中心為0.4mm(圖5a),Nc=2200cm-3方案模擬的降水增大極值中心為0.6mm(圖5b),而Nc=2400cm-3方案模擬的降水增大極值超過0.9mm(圖5c)。在118.5°E、27.2°N附近區(qū)域,相對控制試驗而言,Nc=1000cm-3方案模擬的降水量減小極值中心為0.6mm(圖5a),Nc=2200cm-3方案模擬的降水量減小極值中心為1.8mm(圖5b),而Nc=2400cm-3方案模擬的降水量減小極值中心為2.1mm(圖5c)。在降水增加區(qū)域,云滴數(shù)濃度越高,降水增加幅度越大;在降水減少區(qū)域,云滴數(shù)濃度越高,降水減少幅度越大?？刂圃囼灪?個敏感性試驗在圖5所示區(qū)域中的6h累積降水量分別為:5.71mm(控制試驗),5.65mm(Nc=1000cm-3方案),5.56mm(Nc=2200cm-3方案),5.55mm(Nc=2400cm-3方案)。3個敏感性試驗的6h累積降水量分別比控制試驗減少1.0%、2.6%和2.8%。3.2云滴數(shù)濃度對晶體增強(qiáng)的影響設(shè)置不同云滴數(shù)濃度模擬的云水混合比和云滴有效半徑如圖6和圖7所示?？梢郧宄乜吹?云滴數(shù)濃度越大,云水混合比越大,云滴有效半徑越小。例如,在第36—48小時的云水最大值處,控制試驗(Nc=600cm-3)模擬的云水含量約為50mg/kg,而Nc=1000cm-3、Nc=2200cm-3和Nc=2400cm-3的敏感性試驗?zāi)M的云水含量分別超過60mg/kg、70mg/kg和80mg/kg。云水混合比的增加幅度沒有云滴數(shù)濃度那么大,云滴數(shù)濃度大量增加后,云水含量的增加程度不及云滴數(shù),因此會導(dǎo)致云滴半徑減小。同時段內(nèi),控制試驗(Nc=600cm-3)模擬的云滴有效半徑在900hPa高度約為9.5μm,而Nc=1000cm-3、Nc=2200cm-3和Nc=2400cm-3的敏感性試驗?zāi)M的云滴有效半徑分別約為8.5μm、7.7μm和7.4μm。雨滴對不同云滴數(shù)濃度的響應(yīng)與云滴的情況相反,隨著云滴數(shù)濃度的增加,雨滴數(shù)濃度減小,雨水也減少(圖8、圖9)。雨滴數(shù)濃度的極大值從圖8a的270kg-1減少到圖8d的60kg-1;雨水混合比的極大值從圖9a的8mg/kg減少到圖9d的6mg/kg。其原因在于,云雨自動轉(zhuǎn)換過程受到了抑制,而云雨自動轉(zhuǎn)換極大地依賴于云滴的尺度(ChenandLiu,2004),有了這個過程雨滴才能通過大云滴間的相互碰并而長大。由于云滴的半徑隨著云滴數(shù)濃度的增加而減少,如果有大量的小云滴存在,就會減少相互碰撞的幾率,也就不容易形成雨滴。本文模擬的天氣過程為混合型層狀云降水,并以冷云降水過程為主,從雪晶混合比和雨水混合比的量級比較來看,雪晶的總質(zhì)量比雨水要大一個量級,可見模式對冷云和暖云降水過程哪個占主導(dǎo)地位這方面的特點有很好的表現(xiàn)。觀察冰晶和雪晶的數(shù)濃度及混合比的演變情況可見,隨著云滴數(shù)濃度的增加,冰晶和雪晶的數(shù)濃度的演變過程(圖略)沒有顯著的變化,這是由于冰晶的來源主要是異質(zhì)核化、過冷云滴的均質(zhì)核化和冰晶的繁生,其中異質(zhì)核化為主要方式。異質(zhì)核化要依靠大氣冰核,在本文的模擬試驗中,僅增加了云滴的數(shù)濃度,對大氣冰核及冰晶異質(zhì)核化的處理沒有直接影響;而雪晶的來源便是冰晶。從冰晶和雪晶的混合比的演變(圖10和圖11)可以看到,隨著云滴數(shù)濃度的增加,冰晶和雪晶的混合比也是相應(yīng)增加的。從各物理量在不同云滴數(shù)濃度模擬方案中總的時間和空間平均也可以得到,Nc=1000cm-3、Nc=2200cm-3和Nc=2400cm-3三個敏感性試驗?zāi)M的冰晶總質(zhì)量分別比控制試驗(Nc=600cm-3)多1.78%、13.41%和13.48%,模擬的雪晶總質(zhì)量分別比控制試驗多0.91%、1.74%和1.67%。因此冷云降水過程得到了增強(qiáng),這是由于云滴數(shù)濃度增加造成的云水含量增加,促進(jìn)了冰晶和雪晶的凝結(jié)和碰并增長。從暖云過程來看,由于云滴數(shù)濃度增多而導(dǎo)致云滴半徑減小,依靠云雨自動轉(zhuǎn)化來形成雨滴的過程和云體的沉降過程會被減弱。從理論上來說,降水形成被減弱會導(dǎo)致更多的云水滯留在云體中,但是由于云滴數(shù)濃度的增加幅度比云水混合比的增加幅度大得多,因此會出現(xiàn)大量尺度較小的云滴,云滴數(shù)濃度越高,云滴的半徑就越小。另一方面,云滴數(shù)濃度越高,云體中的云水含量也越高,云水含量的增加又會有利于雨滴的增長,從圖9可以看到,隨著云滴數(shù)濃度的增加,雨滴數(shù)濃度減少的量級遠(yuǎn)大于雨水混合比減少的量級,所以雨滴的尺度是在變大的,大雨滴又有更大的碰撞效率,能碰并更多的云水,從而變得更大。這種促進(jìn)雨滴增長的作用就會抵消一部分云雨自動轉(zhuǎn)化過程被削弱帶來的影響。只有云和雨滴的數(shù)濃度在微物理方案中被顯式地描述時,上述特性才可以被反映出來。云雨自動轉(zhuǎn)換過程也是云滴自我增長的過程,在這個過程中,大滴的凝結(jié)效率更高,云滴增長超過一定的閾值尺度就會變成雨滴。因此,云滴的數(shù)量越多,云滴尺度越小,就造成了自動轉(zhuǎn)換效率的降低,從而導(dǎo)致雨滴數(shù)濃度變少,雨水變少。但是,在云水充沛的環(huán)境下,雨滴有充足的液態(tài)水供應(yīng),雨滴之間的碰并過程會使云雨自動轉(zhuǎn)化減弱,這也可以解釋為什么雨水對不同氣溶膠的反應(yīng)并不是很敏感。另一個原因是,大的雨滴有較大的落速,這也正是方案中的診斷方程可以顯式計算得到的量。因此,降水率變化的凈值決定于兩個相互抵消的因素——減少的雨水混合比和增大的雨滴落速,這一點與不考慮粒子尺度分布的顯式濕方案相比有很大的不同;對于后者,云水含量閾值主導(dǎo)云雨自動轉(zhuǎn)化過程,雨水含量決定雨滴的落速,因此,云水越多,通過云雨自動轉(zhuǎn)化過程產(chǎn)生的雨水就會越多(房文,2008)。從冷云過程來看,由于不是強(qiáng)烈的深對流云降水,增加云滴數(shù)濃度不能對大氣垂直速度產(chǎn)生顯著的影響,也就不會太多地影響到水物質(zhì)往高空的輸送,同時冰晶異質(zhì)核化基礎(chǔ)的最大來源——大氣冰核受云滴數(shù)濃度的影響亦不顯著。因此,對于冰晶的產(chǎn)生,不同云滴數(shù)濃度的模擬結(jié)果相差不大。但是冰晶的質(zhì)量和尺度隨著云滴數(shù)濃度的增加而增加,圖10表明冰晶有效半徑隨云滴數(shù)濃度增加而增大。云滴數(shù)的增多會造成云水含量的增加,在混合云中冰晶的凝華增長過程受幾個條件的影響:云中含水量越大,冰水轉(zhuǎn)化后得到的冰晶越大;冰晶和水滴的數(shù)密度之比越小,最終生成的冰晶越大。在本次降水過程的模擬中,兩個促進(jìn)冰晶凝華增長的條件都滿足,使得冰晶效應(yīng)更為顯著。對于一定大小的水滴來說,冰晶與之的碰撞效率隨冰晶的增大而增大,冰晶的凝華增長會有利于冰晶與過冷水滴的碰并增長,從而得到更大的冰晶和雪晶。冰晶之間相互粘連而增長是雪花的形成過程,冰晶碰并成雪花落到地面。冰晶落入0℃層以下時很快融化成水滴,并穿行于水云中,云水含量的增加也促進(jìn)了其與云滴的碰并增長。另外,冰晶和雪晶與雨滴的碰并過程也對雨滴數(shù)濃度的減少有一定的貢獻(xiàn)。所以,在本文模擬的此次水汽供應(yīng)比較充沛的混合型層狀云降水個例中,增加云滴數(shù)濃度對冷云降水過程有增強(qiáng)作用。從本文模擬的個例來看,設(shè)置不同云滴數(shù)濃度得到的總累計降水量的差異在1%以內(nèi),總的來說,增加云滴數(shù)濃度,降水量會減少。由于此次冰雪天氣過程是以冷云降水過程為主的混合型層狀云降水,所以既要考慮增加云滴數(shù)濃度對暖云降水過程的抑制作用,又要考慮到云滴數(shù)濃度的增加對冷云降水過程的增強(qiáng)作用。從控制試驗?zāi)M的雨水和雪晶質(zhì)量的比例來看,此次降水過程降雨約占總降水量的16.14%,即2.964mm,降雪約占83.86%,即15.312mm。Nc=1000cm-3、Nc=2200cm-3和Nc=2400cm-3三個敏感性試驗?zāi)M的降雨量分別比控制試驗少5.15%(0.153mm)、13.57%(0.402mm)和14.07%(0.417mm),而它們模擬的降雪量又分別比控制試驗增加0.91%(0.139mm)、1.74%(0.266mm)和1.86%(0.285mm)。從百分比上來看,增加云滴數(shù)濃度對暖云降水過程的抑制作用比對冷云降水過程的增強(qiáng)作用更為明顯,但是在本文模擬的個例中,冷云降水機(jī)制占主導(dǎo)地位,減少的降水和增加的降水的絕對值在同一個量級上且數(shù)值相近。它們相互抵消后得到的結(jié)果是Nc=1000cm-3、Nc=2200cm-3和Nc=2400cm-3三個敏感性試驗?zāi)M的總累積降水量分別比控制試驗少0.014mm、0.136mm和0.132mm,在絕對值上大大減少了,解釋了增加云滴數(shù)濃度后模