劉曉莉 王瓊

摘要利用中尺度數(shù)值模式WRFV34，對發(fā)生在江淮地區(qū)梅雨期一次強降水天氣過程進(jìn)行了數(shù)值模擬，并針對雨滴和霰粒的譜形參數(shù)不同取值做了敏感性試驗，分析了譜形參數(shù)對降水量、水凝物比含水量、數(shù)濃度和粒徑分布以及雨滴和霰的源匯項等的影響。結(jié)果表明，雨滴和霰譜形參數(shù)的變化會影響雨水和霰粒的比含水量和數(shù)濃度分布，因為這兩個參數(shù)的變化會影響雨水和霰的相關(guān)微物理過程。當(dāng)雨滴譜形參數(shù)增大時，雨水蒸發(fā)量先增大后減小，霰與云水的碰撞也減?。划?dāng)霰譜形參數(shù)增大時，主要使霰融化成雨水的量減少，因此導(dǎo)致降水分布以及降水量級的差異。

關(guān)鍵詞譜形參數(shù)；WRF模式；雨滴；霰；數(shù)值研究

云在大氣水循環(huán)和能量平衡中起著重要作用。云影響了大氣的長波和短波輻射，是水汽與降水之間的轉(zhuǎn)換媒介，云中釋放的潛熱也是大氣熱量的重要組成部分。云中粒子按相態(tài)、形狀和形成的物理過程可分為云水、雨水、云冰、雪晶、霰和雹。雨滴譜觀測是云和降水物理學(xué)的重要項目之一，它反映了云中成雨過程及云動力學(xué)和微物理學(xué)之間的相互制約。而霰粒子大量存在于降水云中，對云的發(fā)展和降水起到了主要作用。霰粒子譜不像雨滴譜那樣易觀測，但是其演變對云中微物理過程的影響卻不容忽視（丁偉和劉曉莉，2015）。

在中尺度模式中，云微物理方案直接預(yù)報各種云物理變量以反映其發(fā)展演變。因此能否準(zhǔn)確地描述微物理過程，很大程度上依賴于云的微物理方案。目前，中尺度數(shù)值模式對云中微物理過程的描述多采用譜分布參數(shù)化方法：認(rèn)為云粒子的質(zhì)量濃度和數(shù)濃度是隨粒徑分布的一個函數(shù)，函數(shù)的形式可以是MarshallPalmer分布（簡稱MP分布；Marshall and Palmer，1948），Gamma分布（Ulbrich，1981）或者對數(shù)正態(tài)分布（Feingold and Levin，1986）等。參數(shù)化方案只考察這些分布譜型中譜參數(shù)的變化，預(yù)報量較少，計算效率高，又能體現(xiàn)出粒子譜的演變及轉(zhuǎn)化特征（劉曉莉和牛生杰，2009）。

相比于MP分布，Gamma分布具有普適性，不僅能反映層狀云雨滴譜分布，更是積雨云和積層混合云雨滴譜較為理想的表達(dá)式（陳寶君等，1998；李艷偉等，2006），在云物理參數(shù)化方案也使用較多。Gamma分布表達(dá)式為：

N（D）=N0Dαexp（-λD）。 （1）

其中：N（D）表示粒子的數(shù)密度分布函數(shù)；D是粒子直徑；N0和λ分別是濃度和尺度參數(shù)；α是譜形參數(shù)，當(dāng)α=0時，即為M-P指數(shù)分布。在單參數(shù)化方案中，通常固定N0和α的值，λ的值由云粒子比含水量確定，譜型的演變僅由λ來確定。這種方案計算量小，由于只考慮一個參數(shù)的變化，模式中描述的粒子譜與自然界的真實粒子譜會有較大誤差。Waldvogel（1974）發(fā)現(xiàn)在對流個例中，N0的值可以變化兩個量級。Srivastava（1978）和Ferrier et al.（1996）發(fā)現(xiàn)在含水量大于1 g/m3的對流個例中，λ趨向于一個常數(shù)，但是N0隨著含水量變化。Gilmore et al.（2004）認(rèn)為霰粒子譜分布的截距和斜率變化非常大，將截距固定為常數(shù)在很大程度上歪曲了真正的物理過程。雙參數(shù)化方案是通過譜參數(shù)N0和λ的變化來反映粒子譜演變，N0和λ可由比質(zhì)量和比濃度方程聯(lián)立求解得出。對于譜型參數(shù)α，一般取為固定值。研究表明，相對于單參方案，雙參方案可以得到更復(fù)雜的粒子譜分布函數(shù)，可以提高中尺度模式中對云物理過程的模擬效果，尤其可提高降水的預(yù)報效果（Morrison et al.，2009；Lim and Hong，2010）。

盡管雙參數(shù)化方案可以得到較好的模擬結(jié)果，但是很多數(shù)值試驗結(jié)果表明，模擬云的結(jié)構(gòu)和強度對α值的選取很敏感，不適當(dāng)?shù)摩林邓斐傻恼`差甚至?xí)^分布函數(shù)本身的差異（Milbrandt and Yau，2006）。Uijlenhoet and Steiner（2003）發(fā)現(xiàn)用Gamma譜來擬合颮線雨滴譜時，α值可從層狀云降水的211變化到對流性降水566。Meyers et al.（1997）對一次對流性降雨的二維理想化數(shù)值模擬分析發(fā)現(xiàn)，當(dāng)α從0變化到2時，地面最大降水能增大3倍以上。陶玥和洪延超（2007）利用三維冰雹云催化數(shù)值模式，做了雹云中粒子譜參數(shù)變化的敏感性試驗，結(jié)果表明，雨滴譜形狀參數(shù)變化對與雨滴有關(guān)的物理過程有直接影響，霰譜對地面降雹以及云中所有微物理過程影響較大，冰晶譜對降水量的影響較小。趙震和雷恒池（2008）利用MM5模式模擬了西北地區(qū)的一次層狀云降水過程，針對雨滴譜的譜型參數(shù)α不同取值分別做了試驗，結(jié)果表明譜形參數(shù)變化時模擬出的地面降水和云的宏微觀特征有差異。陳磊等（2013）研究兩次梅雨鋒暴雨過程的雨滴譜，發(fā)現(xiàn)譜型參數(shù)α和斜率參數(shù)λ之間存在較好的二項式函數(shù)關(guān)系。

因此，用數(shù)值模式的方法研究云和降水過程中必須要考慮譜形參數(shù)的影響。雨滴譜雖然容易觀測，但是霰粒子存在于云中，不易觀測。但是霰粒子又是一種重要的降水粒子，經(jīng)研究發(fā)現(xiàn)青海省秋季的對流云降水幾乎全部是由霰的融化形成的（李艷偉等，2006）。之前許多人研究譜形參數(shù)的影響，只是改變一種粒子的譜形參數(shù)。但是云中各種粒子相互影響，分別對降水產(chǎn)生了不同作用，其中霰和雨水在多數(shù)降水中起了重要作用。本文利用WRF中尺度數(shù)值模式模擬2015年江淮地區(qū)的一次暴雨過程，修改模式中雨滴和霰粒子的譜形參數(shù)，同時讓兩者變化，做了一系列敏感性試驗，分析了模擬試驗的降水、比含水量和數(shù)濃度分布以及雨滴和霰的源匯項，既可以分析雨滴霰譜形參數(shù)單一變化時對模擬結(jié)果的影響，又可以比較兩者同時變化，相互作用相互影響對模擬結(jié)果造成的影響。

1天氣過程與環(huán)流背景

11天氣過程

2015年6月16—17日，安徽西南部、江蘇東南部、上海等地區(qū)發(fā)生一次暴雨天氣，并伴有短時強降水（最大雨強50～70 mm/h），局地有雷暴大風(fēng)等強對流天氣。根據(jù)17日08時（北京時間）24 h的Micaps降水資料，雨帶在蘇皖地區(qū)呈東西走向，主要分布在安徽和江蘇南部及上海北部地區(qū)，超過30個站點的24 h降水量達(dá)100 mm以上，達(dá)到大暴雨量級，其中江蘇浦口184 mm，太倉、昆山180 mm。此次降水從16日08時開始，主要強降水時段在16日傍晚到17日凌晨。16日18—19時，南京許多站點1 h降雨普遍超過20 mm，最大的玄武湖自動觀測站達(dá)到622 mm。

12天氣形勢分析

圖1a和1b是6月16日08時和20時（北京時間）500 hPa高度場、溫度場及風(fēng)場。08時中高緯地區(qū)維持著兩槽一脊形勢。西西伯利亞受低壓槽控制，高壓脊在貝加爾湖附近，我國東部地區(qū)受弱低渦控制。副高西脊點位于華南中部，且在孟加拉灣一帶有一穩(wěn)定低壓槽存在，使得長江中下游地區(qū)盛行西南風(fēng)，與西北方來的偏西氣流之間構(gòu)成一范圍寬廣的氣流匯合區(qū)，有利于鋒生并帶來充沛的水汽。在中緯度地區(qū)，115°E西風(fēng)帶上有一小槽，且溫度槽落后于高度槽，未來會繼續(xù)發(fā)展東移。到20時（圖1b），副高西脊點繼續(xù)向西移動，中緯度小槽已經(jīng)移至110°E附近，由“上下游效應(yīng)”，下游長三角地區(qū)環(huán)流形勢將會受到影響。

再看對流層低層，700 hPa（圖1c）和850 hPa（圖1d）上蘇皖中部地區(qū)都有切變線存在，700 hPa的略偏北，降水區(qū)就位于700 hPa切變線以南。而且降水區(qū)處于西南低空急流區(qū)內(nèi)，有利于輸送水汽、低層熱量。從16日20時的水汽通量散度（圖2a）來看，上游湖南—江西一線有一水汽通量最大值中心，同時蘇皖地區(qū)是負(fù)的水汽通量散度區(qū)，強烈的西南引導(dǎo)氣流源源不斷地向暴雨區(qū)輸送水汽。到17日08時（圖2b），上游的水汽通量大值中心范圍減小，而在蘇皖地區(qū)水汽通量也達(dá)到區(qū)域最大值，說明上游的水汽已經(jīng)輸送到了暴雨區(qū)。而且從水汽通量散度來看，最大值中心已經(jīng)移到了上海、浙江北部地區(qū)，說明降水區(qū)域正在向東移動。

2資料選取和模擬方案

本文采用WRFV34模式，使用NCEP/NCAR FNL再分析資料作為模式背景場，資料水平分辨率為1°×1°，時間分辨率為6 h。降水?dāng)?shù)據(jù)采用的是全國自動站觀測降水量和CMORPH衛(wèi)星的融合實時產(chǎn)品，空間分辨率為01°×01°，時間分辨率為1 h。

模擬時間為2015年6月16日00時—17日06時（世界時，下同），共30 h。模式采用雙層嵌套，水平分辨率分別為9 km（250×200）、3 km（421×286），模擬區(qū)域見圖3。地形數(shù)據(jù)為為美國地質(zhì)勘探局（USGS）的全球5 m、2 m地形數(shù)據(jù)，時間步長為45 s；垂直方向分為27層。

模式方案設(shè)計：微物理過程采用MilbrandtYau方案（下稱MY）；RRTM長波輻射方案；Dudhia短波輻射方案；MoninObukhov近地面層方案；Noah陸面過程方案；YSU邊界層方案；積云對流參數(shù)化方案粗網(wǎng)格采用KainFritsch方案，細(xì)網(wǎng)格未采用。

MY雙參方案是Milbrandt and Yau（2005）在2005年建立的一個全新的微物理顯示方案，于2010年被引入WRFV32版本中。該方案包含了水汽、云水、雨水、冰晶、雪、霰和雹，對所有水凝物粒子采用雙參數(shù)方法預(yù)報，預(yù)報變量包括云水、雨水、冰晶、雪、霰和雹的混合比和數(shù)濃度，以及水汽混合比。該方案較為全面地考慮了各類云物理過程，描述和處理方式精細(xì)而復(fù)雜，包括了核化、自動轉(zhuǎn)化、碰并和繁生、凍結(jié)和融化、凝華（升華）、凝結(jié)（蒸發(fā)）以及沉降等云物理過程。在MY方案中，粒子譜采用Gamma分布，N0和λ來自預(yù)報得到的粒子數(shù)濃度N和混合比q，計算公式如下：

N0=N1Γ（1+α）λ1+α。 （2）

λ=Γ（1+d+α）Γ（1+α）cNρq1/d。 （3）

其中：Γ為Gamma函數(shù)；ρ為粒子密度；參數(shù)c、d與粒子直徑與質(zhì)量的經(jīng)驗公式m=cDd相同；在MY方案中，水凝物粒子譜形參數(shù)的初始值除了云水為1外，其余都設(shè)為0。

3模擬結(jié)果

圖4a是CMORPH融合產(chǎn)品16日00時—17日06時30 h的累積降水。16日06時，降水從南京進(jìn)入江蘇，并大致沿著長江向下游移動，在無錫和上海寶山地區(qū)形成兩個降水中心，降水量級達(dá)到180 mm以上，整個雨帶大致呈西北—東南走向分布。圖4b是模式模擬的內(nèi)層區(qū)域30 h累積降水，雨帶的大致分布及量級與實況吻合，也模擬出了兩個降水中心。但是降水較實況更偏東—西走向，雨帶在東部地區(qū)北抬，導(dǎo)致兩個降水中心都略偏東北，與實況降水中心相差約03個經(jīng)度和緯度，且140 mm以上的降水范圍較狹窄。但是從模擬結(jié)果整體來看，降水的主要分布與實況大致吻合，較好地模擬了降水的大致落區(qū)、強降水中心和降水量級。

圖5a是6月16日18時模擬的低層水平風(fēng)場和最大垂直上升速度分布，圖5b是水汽混合比和水汽通量散度，此時是降水最強的時刻。西南氣流很強，約20 m/s，帶來了充沛的水汽。從水汽通量散度的負(fù)值中心可發(fā)現(xiàn)水汽在蘇南地區(qū)輻合，而且此時比濕達(dá)到了14 g/kg以上，為此次暴雨提供了豐富的水汽條件。從圖5a可發(fā)現(xiàn)，西南氣流與偏西氣流交匯處的整層最大上升速度達(dá)到最大值，中心超過了6 m/s，且從其他時刻也發(fā)現(xiàn)西南氣流一直持續(xù)不斷，與偏西氣流匯合，為暴雨的發(fā)生提供了持續(xù)強烈的上升運動。因此從暴雨的形成原因來看，本次模擬也是較為成功的，可以據(jù)此追溯暴雨的水汽來源、抬升條件等。

4敏感性試驗

在冰晶、雪晶、云滴和雹的譜形狀參數(shù)不變的條件下，改變雨滴和霰的譜形參數(shù)的值，進(jìn)行數(shù)值試驗來研究云中云滴和霰譜形參數(shù)對模擬結(jié)果的影響，兩者都不隨高度變化。雨滴譜形參數(shù)取值：i=0、1、2時，霰譜形參數(shù)取值：j=0、1、3、5，共12組試驗，分別命名為rigj，例如：r1g2表示雨滴譜形參數(shù)αr取1時，霰譜形參數(shù)αg取2，下同。模擬試驗均取內(nèi)層區(qū)域數(shù)據(jù)進(jìn)行分析。

41對降水的影響

圖6給出了12個試驗所得到的30 h模擬累積降水。由圖可見，不同雨滴和霰譜形參數(shù)模擬的降水范圍和雨帶走向基本一致，但是模擬的雨帶形狀、內(nèi)部結(jié)構(gòu)和降水量存在差異。對比江蘇南部降水中心的累積降水最大值可發(fā)現(xiàn)，當(dāng)雨滴譜形參數(shù)取1的時候，降水比其他兩組多；當(dāng)霰譜形參數(shù)取1的時候，降水也較多。其中降水最多的是試驗r1g1，最少的是r2g5。其次，當(dāng)霰譜形參數(shù)增大的時候，雨帶分布更偏南，這與圖4a相比，更符合實況。

這次降水主要時段為17日凌晨，因此分別選取在這段時間內(nèi)各個試驗的降水中心，來分析不同試驗?zāi)M的結(jié)果。表1展示了不同試驗的降水中心的累積降水量、雨強最大值以及區(qū)域平均累積降水量（118～122°E，314～324°N，）。從中可看出，修改雨滴和霰的譜形參數(shù)，其模擬的降水也各有不同。雨滴譜形參數(shù)為1的時候，降水中心累積降水較多。而霰譜形參數(shù)取0、1的試驗比取3、5的試驗降水多，降水中心累積降水最多的試驗是r1g0，達(dá)到了2567 mm，最少的是r2g5，只有1709 mm，后者比前者少了約50%。但是在最大雨強上，最大的是r0g1，達(dá)到794 mm/h，最小的是r0g3，其雨滴譜形參數(shù)也等于0。在r0gj這組試驗中，最大雨強隨霰譜形參數(shù)變化而有較大差異，而在其他兩組試驗中，最大雨強隨霰譜形參數(shù)變化較穩(wěn)定。從區(qū)域平均累積降水來看，最多的是r1gj這組試驗，累積降水都在100 mm以上，相對較少的組是r2gj。

圖7是區(qū)域平均雨強的時間序列，可見所有試驗的平均雨強變化基本一致，而且在16日14時之前的雨強大致一樣。從14時之后，各個試驗的雨強開始出現(xiàn)差異，出現(xiàn)兩個降水峰值。16日18時為第一降水峰值，紅線一組的雨強較大，即雨滴譜形參數(shù)取1的時候，其中最大的是r1g1；在17日00時達(dá)到第二個降水峰值，此時各個試驗的雨強差異較大，雨滴譜形參數(shù)為0或1時，霰譜形參數(shù)取5的時候雨強最大。而雨滴譜形參數(shù)為2的時候，霰譜形參數(shù)取5的時候反而最小，r2g1雨強在這一組試驗中較大。

因此，雨滴和霰粒子譜形參數(shù)的取值變化對降水有較大影響。當(dāng)只有雨滴譜形參數(shù)變化時，即霰譜形參數(shù)為0，雨量和雨強都是先增大后減小的趨勢，αr為1時，兩者達(dá)到最大值。當(dāng)只有霰譜形參數(shù)變化時，雨量和雨強都是先增大后減小再增大，αg為1時，兩者也達(dá)到最大值。當(dāng)雨滴和霰譜形參數(shù)同時變化時，降水變化規(guī)律較復(fù)雜，可得出的是r1g1這組試驗的雨量和雨強都相對較大，也最符合實況降水。當(dāng)αr為2時，雨量和雨強都明顯減少。最大雨強在r0gj這組試驗中隨霰譜形參數(shù)變化而有較大差異，而在其他兩組試驗中，最大雨強隨霰譜形參數(shù)變化較穩(wěn)定。

42對水凝物分布的影響

為進(jìn)一步分析不同試驗降水中心降水量的差異，找到造成這種差異的原因，研究降水中心不同試驗的水凝物垂直分布及物理轉(zhuǎn)化過程很有必要。圖8、9分別給出了不同試驗降水中心各個水凝物的比含水量和數(shù)濃度的垂直分布，16日15時—17日01時這段時間是一個單體向東移動發(fā)展的過程，降水較強，因此取這段時間的平均，用來分析降水中心的水凝物分布的差異。

從圖8中可見，降水中心水凝物的垂直分布規(guī)律一致，高層主要是冰晶，中層為雪晶、霰和云水，低層是云水和雨水。其中霰粒子是主要組成部分，其

在各個試驗的分布差異最大。當(dāng)雨滴譜形參數(shù)取0的時候，r0g1試驗中霰的比含水量最大，其次是r0g0、r0g5、r0g3。雨滴譜形參數(shù)為1的4個試驗中，霰的比含水量隨著霰譜形參數(shù)的變化基本保持不變。而當(dāng)雨滴譜形參數(shù)取2時，霰的比含水量隨著霰譜形參數(shù)的增大而減小。當(dāng)霰譜形參數(shù)不變時，如分別取0、1、3、5，雨滴譜形參數(shù)取值為1時的霰比含水量總是最大，除了r0g1比r1g1略大。說明霰譜形參數(shù)對霰的影響是隨著雨滴譜形參數(shù)變化而異的。但是可以發(fā)現(xiàn)，霰譜形參數(shù)為1的時候，霰的比含水量都是較大的。其次差異較大的是雨水的分布，最大的是r1g0，最小的是r2g5。雨水的比含水量決定了降水量，對照表1，降水最多的也是r1g0，降水最少的是r2g5。由圖8可見，雨水比含水量與雨滴的譜形參數(shù)有更大關(guān)系。當(dāng)雨滴譜形參數(shù)等于1，其比含水量最大，其次是r0、r2。而他與霰譜形參數(shù)也是相關(guān)的，當(dāng)雨滴譜形參數(shù)不變時，雨水比含水量隨著霰譜形參數(shù)的增大而減小。而云中其他粒子，云水、雪晶和冰晶在不同試驗中也略有差別，那是由于云中微物理過程的復(fù)雜，粒子之間存在相互作用。云水、雪晶和冰晶的比含水量也受雨滴和霰譜形參數(shù)的影響，但是不同于雨水和霰是直接受影響，因此差異很小。

由上可知，雨滴和霰譜形參數(shù)變化時，對云中粒子比含水量影響較大的是雨水和霰。當(dāng)αr取1時，霰比含水量都較大，而αr取2時，霰比含水量大幅減少；而當(dāng)霰譜形參數(shù)增大時，霰比含水量相應(yīng)地減少。而對雨水比含水量更有影響的是雨滴譜形參數(shù)，其中αr為1最大，其次是0、2；隨著霰譜形參數(shù)的增大，雨水比含水量也會減少。

圖9給出了不同試驗云中水凝物數(shù)濃度的垂直分布，由于雪晶、冰晶、云水的數(shù)濃度與雨水和霰相差幾個量級，因此分別對其縮小10、104、105倍。圖10是降水中心霰平均直徑的垂直分布。首先從數(shù)濃度上看，顯而易見的是，雨滴數(shù)濃度隨著雨滴譜形參數(shù)的增大而減小，尤其是在零度層附近，且對比雨水的比含水量發(fā)現(xiàn)r1gj>r0gj>r2gj，可以得到當(dāng)雨滴譜形參數(shù)從0增大到1時，單個雨滴直徑是增大的結(jié)論；從雨滴平均直徑的垂直分布（圖略）也可以驗證這點。當(dāng)雨滴譜形參數(shù)為0和1的時候，雨滴直徑由高空向地面逐漸增大，且αg為1的時候，雨滴直徑更大，而當(dāng)αg為2時，在高空雨滴直徑與前兩組相比相對較大，在零度層以上增長趨勢很大，零度層以下緩慢增長。其次霰的數(shù)濃度也隨著雨滴譜形參數(shù)的增大而減小，因為霰可通過與雨滴轉(zhuǎn)化生成，當(dāng)雨滴數(shù)濃度受到影響時，霰的數(shù)濃度也受到影響。由圖10霰的平均直徑垂直分布來看，隨著雨滴譜形參數(shù)的增大，霰在高空的平均直徑減小，而在低層分布了較大的霰粒子，說明較大的霰粒子下落到更低層。

而當(dāng)雨滴譜形參數(shù)不變時，霰譜形參數(shù)增大，霰的數(shù)濃度有略減小的趨勢。當(dāng)霰譜形參數(shù)為0時，霰粒子平均直徑向下增長較緩慢，當(dāng)其為1、3、5時，霰粒子平均直徑向下迅速增長，但最大值都不超過霰譜形參數(shù)為0時，據(jù)此也可得到上述結(jié)論，即較大的霰粒子在低層分布。而粒子的大小又與粒子下落速度、蒸發(fā)等過程相關(guān)，這些又最終反映到降水的差異上。

由上可知，雨滴和霰的數(shù)濃度都隨著雨滴譜形參數(shù)的增大而減小，當(dāng)雨滴譜形參數(shù)從0增大到1時，單個雨滴直徑是增大的；而霰譜形參數(shù)增大時，兩種粒子數(shù)濃度也略有減小。隨著雨滴譜形參數(shù)的增大，霰在高空的平均直徑減小，而在低層分布了較大的霰粒子。

43對雨和霰的源匯項的影響

為了分析雨滴和霰的譜形參數(shù)變化對降水形成機(jī)制的影響，需要分析云中粒子的源匯項輸出。圖11給出了降水中心雨水的源匯項的垂直分布，同上文，取其時間平均。雨水的來源有MLGR（霰的融化）、RCACCR（雨水收集云水）、MLSR（雪的融化），其他源項由于對雨水產(chǎn)生的貢獻(xiàn)太小而忽略。這3項中起主要作用的是MLGR，其受雨滴和霰譜形參數(shù)變化的影響也較大。霰譜形參數(shù)增大時，霰的融化量減小，因此造成雨水的比含水量隨著霰譜形參數(shù)增大而減小。而當(dāng)霰譜形參數(shù)不為0時，即粒子譜服從Gamma分布條件，MLGR隨著雨滴譜形參數(shù)的增大而減小，說明該項不僅受霰譜形參數(shù)的影響，也受到雨滴譜形參數(shù)的影響。

雨水的匯項有與冰晶碰撞形成冰晶（CLIR）、霰與雨水碰并增長（CLRG）及雨水的蒸發(fā)（REVP）。雨水的蒸發(fā)在αr為0時整層較均一；當(dāng)αr等于1時低層2 km以下雨水蒸發(fā)增多；而當(dāng)αr等于2時，除了αg等于1時有比較明顯的蒸發(fā)，其余3個試驗的蒸發(fā)都很少。這其中原因可能是雨滴譜形參數(shù)增大，雨滴直徑增大。而雨滴蒸發(fā)又與雨滴表面積相關(guān)，當(dāng)雨滴直徑較大時，表面積也較大，導(dǎo)致蒸發(fā)也較多。而當(dāng)αr等于2時雨滴蒸發(fā)反而減少，一方面可能是這組試驗的雨水比含水量本身就很少，使得雨水的蒸發(fā)量也減少；另一方面可能是當(dāng)雨滴很大時，其下落速度也增大，因此大雨滴很快下落到地面，來不及蒸發(fā)（Kovacˇevic' et al.，2015）。CLRG將在下文霰的源匯項做詳細(xì)介紹。

霰的源匯項的垂直分布（圖略）表明，霰的主要源項有CLGRG（雨水與霰碰撞形成霰）、CLIRG（雨水與冰晶碰撞形成霰）、CLCG（霰與云水碰并增長）。主要匯項有CLGR（霰與雨水碰撞形成雨水）、CNGH（霰轉(zhuǎn)換成冰雹）、MLGR（霰的融化）。霰粒子收支中，霰對云滴的碰凍收集（CLCG）是霰粒子的主要源項，霰的融化是主要消耗項。而霰和雨滴碰撞轉(zhuǎn)化成霰的過程（CLGRG）是CLGR和CLRG這兩個過程的相加，因此（CLGRGCLGR）是由霰和雨滴之間的碰撞和合并造成霰的凈增長，相當(dāng)于雨水的匯項（CLRG）。這兩項的值隨著雨滴和霰譜形參數(shù)的變化還是有差異的。αr等于0、1時，兩者的值都較大，說明雨滴和霰在αr為0和1時更容易碰撞，霰的凈增長量也較αr取2時多。霰粒子主要來源于霰與云水的碰撞CLCG，當(dāng)霰和雨滴都服從Gamma分布時，CLCG隨著αr增大而減小，而受霰譜形參數(shù)變化影響較小。

雨水的主要源項是霰的融化，受雨滴和霰譜形參數(shù)的影響也最大。當(dāng)霰譜形參數(shù)增大時，該項減??；而當(dāng)霰譜形參數(shù)不為0時，霰的融化隨著雨水譜形參數(shù)的增大而減小。雨水的主要匯項是霰與雨滴碰撞和雨水蒸發(fā)，其中雨水蒸發(fā)在αr為1時，下層蒸發(fā)較多；αr為2時，整層蒸發(fā)均很少。霰的主要匯項是霰的融化，主要源項是霰與云水碰撞產(chǎn)生霰，當(dāng)霰和雨滴譜形參數(shù)都不為0時，該項隨著αr增大而減小，而受霰譜形參數(shù)變化影響較小。

5結(jié)論

本文采用WRF模式對2015年6月16日江淮地區(qū)的一次暴雨過程進(jìn)行數(shù)值模擬，分析模擬得到的累積降水、水汽條件和抬升條件，并修改雨滴和霰粒子的譜形參數(shù)做敏感性試驗，對不同試驗的累積降水、水凝物分布和微物理過程轉(zhuǎn)化項進(jìn)行了詳細(xì)的比較分析，主要得到以下結(jié)論：

1）此次暴雨過程發(fā)生在副高西伸，高空短波槽東移，西南暖濕氣流與偏西氣流交匯，并配合低空切變線的有利天氣形勢下，源源不斷充足的水汽及持續(xù)強烈的抬升條件為此次暴雨發(fā)生發(fā)展提供了必要條件；WRF模式對于此次江淮地區(qū)梅雨期一次暴雨過程有較好的模擬能力，很好地模擬出了降水落區(qū)、降水中心和降水量級。

2）對雨滴和霰粒子做譜形參數(shù)的敏感性試驗，發(fā)現(xiàn)雨滴譜和霰粒子譜形參數(shù)的取值變化對雨量和雨強都有影響，當(dāng)只有雨滴譜形參數(shù)變化時，雨量和雨強都是隨雨滴譜形參數(shù)增大呈先增大后減小的趨勢；當(dāng)只有霰譜形參數(shù)變化時，雨量和雨強都是隨霰譜形參數(shù)的增大呈先增大后減小再增大的趨勢；當(dāng)雨滴和霰譜形參數(shù)同時變化時，降水變化規(guī)律較復(fù)雜。

3）雨滴與霰的譜形參數(shù)的取值會影響云中各水凝物的分布，尤其是直接影響到雨水和霰粒子的分布。當(dāng)αr取1時，霰比含水量都較大；當(dāng)αr取2時，霰比含水量大幅減少。而當(dāng)霰譜形參數(shù)增大時，霰比含水量相應(yīng)地減少。雨水比含水量與雨滴的譜形參數(shù)關(guān)系密切。當(dāng)雨滴譜形參數(shù)等于1，其比含水量最大。隨著霰譜形參數(shù)的增大，雨水比含水量也會減少。

4）分析霰和雨滴的粒徑分布發(fā)現(xiàn)，當(dāng)αr增大時，雨滴的平均直徑增大。當(dāng)αg由0變化到1、3、5時，霰在高空的平均直徑減小，而在低層分布了較大的霰粒子。而粒子的大小又與粒子下落速度、蒸發(fā)等過程相關(guān)，這些最終反映到降水的差異上。

5）分析雨水和霰的源匯項發(fā)現(xiàn)，雨滴與霰的譜形參數(shù)變化時，會影響云中微物理過程，主要是霰的融化、雨滴蒸發(fā)、霰和云水的碰撞。當(dāng)雨滴譜形參數(shù)增大時，雨水蒸發(fā)量先增大后減小，霰與云水的碰撞也減小。當(dāng)霰譜形參數(shù)增大時，主要使霰融化成雨水的量減少。

綜上所述，在數(shù)值模式中，霰和雨滴的譜形參數(shù)對云和降水的發(fā)展的影響較為復(fù)雜，而且兩者相互影響，對云中各個物理過程共同作用，使得模擬結(jié)果有不同效果。

參考文獻(xiàn)（References）

陳寶君，李子華，劉吉成，等，1998.三類降水云雨滴譜分布模式[J].氣象學(xué)報，56（4）：506512.Chen B J，Li Z H，Liu J C，et al.，1998.Model of raindrop size distribution in three types of precipitation[J].Acta Meteorologica Sinica，56（4）：506512.（in Chinese）.

陳磊，陳寶君，楊軍，等，20132009—2010年梅雨鋒暴雨雨滴譜特征[J].大氣科學(xué)學(xué)報，36（4）：481488.Chen L，Chen B J，Yang J，et al.，2013.Characteristics of raindrop size distribution of rainstorm on Meiyu front during 2009—1010[J].Trans Atmos Sci，36（4）：481488.（in Chinese）.

丁偉，劉曉莉，2015.六種微物理方案對湖北一次強對流過程的數(shù)值模擬[J].科學(xué)技術(shù)與工程，15（15）：716.Ding W，Liu X L，2015.A numerical study with six bulk microphysical schemes of a deep convective system in Hubei Province[J].Science Technology and Engineering，15（15）：716.（in Chinese）.

Feingold G，Levin Z，1986.The lognormal fit to raindrop spectra from frontal convective clouds in Israel[J].J Climate Appl Meteor，25（10）：13461363.

Ferrier B S，Tao W K，Simpson J，1996.A doublemoment multiplephase fourclass bulk ice scheme.Part Ⅱ：simulations of convective storms in different largescale environments and comparisons with other bulk parameterizations[J].J Atmos Sci，52（8）：10011033.

Gilmore M S，Straka J M，Rasmussen E N，2004.Precipitation uncertainty due to variations in precipitation particle parameters within a simple microphysics scheme[J].Mon Wea Rev，132（11）：26102627.

Kovacˇevic'，Nemanja，C'uric'，et al.，2015.Precipitation sensitivity to the mean radius of drop spectra：comparison of singleand doublemoment bulk microphysical schemes[J].Atmosphere，6（4）：451473.

李艷偉，鄭國光，杜秉玉，等，2006.青海省秋季一次對流云人工增雨的數(shù)值模擬[J].南京氣象學(xué)院學(xué)報，29（3）：328335.Li Y W，Zheng G G，Du B Y，et al.，2006.Numerical simulation of a convective cloud precipitation enhancement in Qinghai in autumn[J].J Nanjing Inst Meteor，29（3）：328335.（in Chinese）.

Lim K S S，Hong S Y，2010.Development of an effective doublemoment cloud microphysics scheme with prognostic cloud condensation nuclei（CCN） for weather and climate models[J].Mon Wea Rev，138（5）：15871612.

劉曉莉，牛生杰，2009.三維對流云中粒子譜演變特征的數(shù)值模擬[J].中國科學(xué)：地球科學(xué)（2）：245256.Liu X L，Niu S J，2009.Numerical simulation of particle spectrum evolution features in threedimensional convective cloud[J].Science China：Earth Sciences（2）：245256.（in Chinese）.

Marshall J S，Palmer W M K，1948.The distribution of raindrops with size[J].J Meteor，5（4）：165166.

Meyers M P，Walko R L，Harrington J Y，et al.，1997.New RAMS cloud microphysics parameterization.Part Ⅱ：the twomoment scheme[J].Atmos Res，45（1）：339.

Milbrandt J A，Yau M K，2005.A multimoment bulk microphysics parameterization.Part Ⅰ：analysis of the role of the spectral shape parameter[J].J Atmos Sci，62（9）：30513064.

Milbrandt J A，Yau M K，2006.A Multimoment bulk microphysics Parameterization.Part Ⅳ：sensitivity experiments[J].J Atmos Sci，63（12）：31373159.

Morrison H，Thompson G，Tatarskii V，2009.Impact of cloud microphysics on the development of trailing stratiform precipitation in a simulated squall line：comparison of oneand twomoment schemes[J].Mon Wea Rev，137（3）：9911007.

Srivastava R C，1978.Parameterization of raindrop size distributions[J].Je Atmos Sci，35（1）：108117.

陶玥，洪延超，2007.云中粒子譜形狀因子變化對云及降水影響的數(shù)值研究[J].氣象學(xué)報，65（2）：221230.Tao Y，Hong Y C，2007.Numerical simulation of influence of drop size distribution shape on cloud and precipitation[J].Acta Meteorologica Sinica，65（2）：221230.（in Chinese）.

Uijlenhoet R，Steiner M，Smith J A，2003.Variability of raindrop size distributions in a squall line and implications for radar rainfall estimation[J].J Hydrometeorol，4（1）：4361.

Ulbrich C W，1981.Effect of size distribution variations on precipitation parameters determined by dualmeasurement techniques[C]//Conference on Radar Meteorology，20th，Boston：276281.

Waldvogel A，1974.The N0 jump of raindrop spectra[J].J Atmos Sci，31（4）：10671078.

趙震，雷恒池，2008.雙參數(shù)云物理方案中譜形參數(shù)作用分析和數(shù)值模擬試驗[J].高原氣象，27（1）：135142.Zhao Z，Lei H C，2008.Analysis and numerical simulation of the role of spectral shape parameter for twomoment bulk microphysics scheme[J].Plateau Meteor，27（1）：135142.（in Chinese）.