氣溶膠對(duì)新疆冰雹形成物理過程影響的數(shù)值模擬研究

石茹琳 銀燕 陳倩 王旭 況祥 張昕 王智敏

1 南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心/中國氣象局氣溶膠與云降水重點(diǎn)開放實(shí)驗(yàn)室，南京 210044

2 新疆維吾爾自治區(qū)人工影響天氣辦公室，烏魯木齊 830002

3 內(nèi)蒙古自治區(qū)雷電預(yù)警防護(hù)中心，呼和浩特 010051

1 引言

降雹是一種極端災(zāi)害性天氣事件，它是在一定的大尺度環(huán)流背景下、在特定地理地形環(huán)境區(qū)域的觸發(fā)下產(chǎn)生的強(qiáng)局地性天氣系統(tǒng)。新疆位于我國中高緯度地區(qū)，高山環(huán)繞、地形地貌復(fù)雜（包括山脈、戈壁、沙漠等）、植被多樣但植被覆蓋率低，形成了復(fù)雜的氣候特征（熱蘇力·阿不拉等, 2015）。降雹是新疆春夏季發(fā)生頻率較高并且最嚴(yán)重的自然災(zāi)害之一（劉德祥等, 2004; 李照榮等, 2005），人們一直在尋找有效的人工防雹技術(shù)，而防雹的前提是對(duì)當(dāng)?shù)乇⒌男纬稍鲩L機(jī)制有一個(gè)全面的理解。但由于新疆地域廣闊，觀測站點(diǎn)稀少，極大地制約了冰雹天氣的研究（滿蘇爾·沙比提, 2012）。以往對(duì)于新疆冰雹的研究主要集中以下幾個(gè)方面：冰雹天氣的時(shí)空分布，研究指出新疆雹災(zāi)頻次集中出現(xiàn)在阿克蘇、博州等地區(qū)，5～8 月為多發(fā)期，經(jīng)濟(jì)損失7 月最大（王秋香和任宜勇, 2006; 史蓮梅等,2015）；冰雹天氣的氣候特征，研究稱新疆冰雹與地形有密切關(guān)系（楊蓮梅, 2002; 陳洪武等, 2003），且巴爾喀什湖一帶是影響新疆天氣系統(tǒng)的必經(jīng)之路（張俊蘭和張莉, 2011）；以及冰雹天氣個(gè)例的診斷分析（張俊蘭和羅繼, 2012; 黃艷和裴江文,2014）。而在新疆特殊的氣候、地形環(huán)境下冰雹的形成機(jī)制方面研究較少。

近年來，人為排放的污染氣溶膠日益增加。大氣中的吸濕性氣溶膠可作為云凝結(jié)核（cloud condensation nuclei，簡稱CCN）活化形成云滴，進(jìn)而影響云微物理特征和降水。研究指出，大氣中CCN 濃度增加引起小云滴數(shù)濃度增加，碰并效率降低，抑制暖云降水（Khain et al., 2005; Fan et al., 2007; Tao et al., 2007）。深對(duì)流云在氣候系統(tǒng)的能量平衡以及水循環(huán)過程中起著重要的作用（況祥等, 2018）。目前，人們對(duì)深對(duì)流云和氣溶膠之間相互作用的理解仍很有限，值得進(jìn)一步探究。其中，冰雹云是一種特殊的混合相云，它的發(fā)展需要上升氣流的產(chǎn)生來承托云中冰雹粒子，云中冰雹粒子生長的速度取決于過冷水的含量，而過冷水的含量又與邊界層中的CCN 濃度和水汽含量密切相關(guān)（ Cotton et al., 1989; Loftus and Cotton, 2014;Ilotoviz et al., 2016）。氣溶膠對(duì)冰雹過程的影響已經(jīng)引起很大關(guān)注，但不同研究者得到的結(jié)果有很大差異。Noppel et al.（2010）通過模擬CCN 對(duì)雹暴的影響發(fā)現(xiàn)，CCN 濃度增加使高層產(chǎn)生更多粒徑更小的雹粒子，并使降落到地面的冰雹減少。而Khain et al.（2011）研究則發(fā)現(xiàn)CCN 濃度增加使得過冷水增多，并增強(qiáng)了雹粒的淞附過程，最終使得冰雹尺度增大。

由于冰雹云系統(tǒng)的局地性、劇烈性和復(fù)雜性，使得冰雹云觀測資料的獲取及預(yù)報(bào)十分困難，而數(shù)值模式可作為對(duì)觀測資料的有效補(bǔ)充（徐戈等,2016），成為研究冰雹形成機(jī)理的重要手段之一。國內(nèi)外學(xué)者進(jìn)行了許多云模式的研究，得到了許多關(guān)于冰雹形成機(jī)制的結(jié)論。何觀芳和胡志晉（1998）利用二維對(duì)流云模式模擬了兩例冷云底雹云的成雹機(jī)制，發(fā)現(xiàn)自然雹胚（霰）通過云霰轉(zhuǎn)化機(jī)制形成，靠碰并云雨滴增長形成雹。洪延超（1998, 1999）改進(jìn)了孔凡鈾等（1990）的冰雹云模式，采用雙參數(shù)體積水方案，考慮了更為詳細(xì)的物理過程。郭學(xué)良等（2001a, 2001b）建立了三維冰雹分檔強(qiáng)對(duì)流云數(shù)值模式，并將冰雹分為5 類，研究發(fā)現(xiàn)不同尺度冰粒子對(duì)冰雹形成及增長的貢獻(xiàn)。Khain et al.(2000,2005)和Ilotoviz et al.（2018）使用希伯來大學(xué)開發(fā)的二維云分辨模式討論了冰雹生長過程中再循環(huán)過程的重要作用。

之前的大部分研究所使用的冰雹云模式，其初始場一般采用單站探空，采用理想地形或不考慮地形，很難再現(xiàn)實(shí)際冰雹云的發(fā)展過程（胡金磊等,2014）。隨著中尺度模式的發(fā)展，更為復(fù)雜的包含冰雹的云微物理方案應(yīng)用于中尺度模式，更加全面地考慮了初始場、地形、下墊面等方面的作用，可較好地模擬和再現(xiàn)實(shí)際雹云的發(fā)展演變過程，已成為研究冰雹云過程的重要手段（付燁等, 2016; 張小娟等, 2019）。楊慧玲等（2011）使用中尺度模式RAMS 模擬研究了氣溶膠對(duì)華北半干旱地區(qū)一次冰雹過程的影響。與參數(shù)化方案相比，譜分檔方案可以更加真實(shí)地再現(xiàn)冰雹粒子的形成和演變過程。本文使用中尺度模式WRF 中的譜分檔微物理方案（SBM）對(duì)新疆一次典型冰雹過程進(jìn)行模擬，研究在新疆特殊的天氣、地形條件下，大氣中氣溶膠濃度的變化對(duì)冰雹的形成、雹云微物理結(jié)構(gòu)以及降水過程的影響。

2 模式介紹與試驗(yàn)設(shè)計(jì)

2.1 模式介紹

本文所使用的譜分檔微物理方案（SBM）基于希伯來大學(xué)開發(fā)的二維非靜力云模式（Khain et al., 2004）。該方案使用七種水成物的尺度分布函數(shù)來描述液滴（包括云滴和雨滴，二者的尺度分界線為80 μm）、三種冰晶（片狀、柱狀、輻枝狀）、雪、霰和雹，每個(gè)尺度分布函數(shù)包含33 個(gè)質(zhì)量檔（根據(jù)粒子尺度分為不同的檔，每個(gè)檔的質(zhì)量是一定的，并且第k 檔的粒子質(zhì)量mk由前一檔的質(zhì)量mk?1決定，mk=2mk?1）。此次研究使用詳細(xì)分檔方案（full SBM），雖然計(jì)算成本較高，但該方案中詳細(xì)考慮了各微物理過程的相互作用，并且描述了與冰雹生成有關(guān)的微物理過程，分別為：液滴與霰碰凍生成雹（COLGRAU）、液滴與冰雹碰凍增加雹的質(zhì)量（COLHAIL）、液滴與冰晶碰凍生成雹（COLICE）、以及液滴自身的凍結(jié)過程（FREE），旨在更直觀地獲得各微物理過程對(duì)冰雹生成過程的貢獻(xiàn)，更多有關(guān)WRF-SBM 中暖云和冷云過程的描述可以參考Khain et al.（2004）。

2.2 試驗(yàn)設(shè)計(jì)

圖1 （a）2016 年7 月7 日20:00 500 hPa 位勢高度場（藍(lán)色實(shí)線；單位：dagpm）和溫度場（紅色實(shí)線；單位：°C）；（b）模式模擬區(qū)域及地形高度的分布Fig.1 (a) Geopotential height (blue solid lines, units: dagpm) and temperature (red lines, units: °C) at 500 hPa at 2000 BJT (Beijing time) on July 7,2016; (b) model domains and the distribution of terrain height

本文研究個(gè)例選取2016 年7 月8 日在新疆阿克蘇地區(qū)發(fā)生的一次冰雹天氣過程。阿克蘇地區(qū)屬于新疆的重雹災(zāi)區(qū)，該個(gè)例在一定程度上可以代表新疆冰雹過程的基本特征。由2016 年7 月7 日20:00（北京時(shí)，下同）的500 hPa 高空環(huán)流形勢圖（圖1a）可知，中緯度地區(qū)呈兩槽一脊型，烏拉爾山到里海以西一帶為弱的脊區(qū)，兩槽分別位于西西伯利亞東部地區(qū)以及新疆西南部。隨著時(shí)間的推移，東歐高壓脊發(fā)展，西西伯利亞的低槽分裂為短波槽并向東南方向移動(dòng)，新疆中部及南部地區(qū)受較弱的西南氣流控制。7 月8 日08:00（圖略），烏拉爾山西側(cè)564 dagpm 的高壓脊頂北挺到63°N。由西西伯利亞低槽分裂的短波槽移至巴爾喀什湖一帶，阿克蘇地區(qū)受短波槽影響出現(xiàn)冰雹天氣。該次過程于7 月8 日16:00～19:00 之間在阿克蘇地區(qū)柯坪縣、溫宿縣、阿瓦提縣先后出現(xiàn)了雷雨、冰雹天氣。其中，柯坪縣阿恰鄉(xiāng)、玉爾其鄉(xiāng)在16:35～16:55 出現(xiàn)降雹，持續(xù)時(shí)間20 min，最大冰雹直徑12 mm，1578.7 公頃農(nóng)作物受災(zāi)；溫宿縣紅旗坡農(nóng)場在18:05～18:10 出現(xiàn)降雹，持續(xù)時(shí)間5 min，最大冰雹直徑10 mm，133.3 公頃的果樹受災(zāi)；阿瓦提縣豐收三場（烏魯卻勒鎮(zhèn)）在17:47～17:58 和18:55～19:00 出現(xiàn)了兩次降雹過程，持續(xù)時(shí)間分別為11 min 和5 min，最大冰雹直徑分別為50 mm和15 mm，353.4 公頃棉花受災(zāi)。該次降雹天氣過程的0°C 層高度位于4.3 km 附近。

本次模擬采用中尺度模式WRF3.6.1 版本，考慮到計(jì)算成本以及模擬區(qū)域陡峭的地形，此次模擬采用雙重嵌套（D01 和D02；模擬區(qū)域見圖1b）。水平分辨率分別為12 km 和2.4 km，格點(diǎn)數(shù)分別為110×90 和251×181。垂直方向40 層，模式頂氣壓為50 hPa，長、短波輻射傳輸均使用RRTMG方案（Iacono et al., 2008）。邊界層使用YSU 參數(shù)化方案（Hong et al., 2006），云微物理參數(shù)化方案采用了SBM 方案。第一層嵌套采用Kain-Fritsch積云參數(shù)化方案（Kain, 2004），第二層嵌套分辨率為2.4 km，關(guān)閉了積云對(duì)流參數(shù)化方案。采用NCEP1°×1°的6 h 再分析資料為模式提供初始場和邊界條件。第一層嵌套積分步長60 s，第二層嵌套12 s，模擬開始時(shí)間為2016 年7 月8 日08:00，積分時(shí)間24 h。下文主要對(duì)第二層嵌套的細(xì)網(wǎng)格模擬結(jié)果進(jìn)行分析，模擬結(jié)果每5 min 輸出一次。

由于缺乏同一時(shí)期的氣溶膠觀測資料，此次模擬所使用的氣溶膠初始尺度分布參考王雨等（2017）研究中所使用的于2014 年5 月在新疆阿克蘇地區(qū)觀測的背景大氣條件下氣溶膠分布情況。初始?xì)馊苣z尺度分布為

其中，Ni為i 模態(tài)的數(shù)濃度，σi為i 模態(tài)的幾何標(biāo)準(zhǔn)偏差，ri為i 模態(tài)的幾何平均半徑，r 為氣溶膠粒子的半徑，各模態(tài)參數(shù)見表1。考慮氣溶膠為外部混合，因此分別假設(shè)三種模態(tài)氣溶膠數(shù)濃度的5%、20%和50%為 可 溶 性 氣 溶 膠（Yin et al.,2000），并且當(dāng)氣溶膠粒子半徑小于0.5 μm 時(shí)，認(rèn)為56%的可溶性氣溶膠可作為CCN 參與云滴的活化過程（Duvall et al., 2008），當(dāng)氣溶膠粒子半徑大于0.5 μm 時(shí)，認(rèn)為18%的可溶性氣溶膠可作為CCN（Osada, 2013）。垂直方向上，氣溶膠在2 km 高度以下均勻分布，在2 km 以上氣溶膠濃度隨高度增加呈指數(shù)遞減。氣溶膠在D01 和D02 區(qū)域內(nèi)均有排放，并且氣溶膠的排放不僅來自于初始時(shí)刻，還來自于每個(gè)時(shí)間步長邊界上的排放。此次研究旨在通過敏感性試驗(yàn)?zāi)M不同CCN 濃度對(duì)冰雹生成過程的影響，由于背景大氣條件與實(shí)際情況較為接近，可代表實(shí)際大氣較為清潔的情況，參考前人相關(guān)研究的試驗(yàn)設(shè)置（Khain and Lynn, 2009;Yang et al., 2017; Chen et al., 2019），并且考慮到背景大氣條件是新疆實(shí)際大氣中較為清潔的狀況，而非海洋性大氣，故設(shè)置三組數(shù)值模擬試驗(yàn)，將氣溶膠濃度分別設(shè)置為背景濃度、3 倍背景濃度和10 倍背景濃度，分別代表清潔條件（C-case）、中度污染條件（M-case）和重度污染條件（P-case）三種情況。

表1 氣溶膠粒子譜分布參數(shù)Table 1 Parameters for aerosol size distribution

2.3 模擬結(jié)果驗(yàn)證

圖2 選取了2016 年7 月8 日實(shí)際觀測（時(shí)間分別為15:38、17:03 和18:00）和模擬（時(shí)間分別為15:00、16:30 和17:30）的3 個(gè)時(shí)次的雷達(dá)組合反射率，雷達(dá)觀測資料來源于新疆阿克蘇雷達(dá)測站的C 波段雷達(dá)，雷達(dá)位置為（41°9′48′N，80°14′6′E）。此次強(qiáng)對(duì)流過程發(fā)生持續(xù)時(shí)間約為4 h，從觀測的雷達(dá)組合反射率圖中可以看出對(duì)流云的發(fā)展過程。本次對(duì)流過程于13:10 左右在雷達(dá)測站西南方向出現(xiàn)，開始雷達(dá)回波較弱，回波強(qiáng)度均低于30 dBZ（圖略），隨后回波逐漸增強(qiáng)并且范圍擴(kuò)大，迅速發(fā)展起來，形成了一個(gè)深對(duì)流系統(tǒng)并向東移動(dòng)，云體逐漸向南發(fā)展（圖2a、b），回波中心強(qiáng)度達(dá)到50 dBZ 以上。16:30～19:00 之間地面多地發(fā)生冰雹雷雨天氣，雷達(dá)回波強(qiáng)度逐漸減弱，對(duì)流逐漸消散。

模擬的對(duì)流過程在13:00 左右形成，逐漸發(fā)展成熟并緩緩向東移動(dòng)，且云體范圍也逐漸向南發(fā)展，于20:00 左右對(duì)流逐漸減弱并消散。模擬的雷達(dá)組合反射率與實(shí)際雷達(dá)組合反射率相比較大。根據(jù)新疆人影工作記錄，2016 年7 月8 日下午，新疆多地組織開展了人工防雹作業(yè)，人為的干預(yù)會(huì)造成實(shí)際的回波偏小，以及造成實(shí)際的對(duì)流生命周期偏短。此外，模式中的雷達(dá)反射率因子是根據(jù)瑞利散射條件下的定義計(jì)算的，與降水粒子的大小有關(guān)，并且模式中設(shè)置波長為10 cm（可認(rèn)為衰減很?。?。而文中使用的雷達(dá)數(shù)據(jù)來自C 波段雷達(dá)（波長約5 cm），實(shí)際大氣中的降水粒子會(huì)對(duì)雷達(dá)回波造成一定的衰減，波長越小衰減越大（張培昌等, 2001），這也會(huì)造成觀測到的反射率值偏低。模擬的雷達(dá)回波整體比實(shí)際的位置偏東，這與風(fēng)速模擬的誤差有關(guān)。

根據(jù)當(dāng)?shù)貧庀笳居^測的逐小時(shí)觀測資料可得氣壓和降水的情況。此次過程發(fā)展時(shí)間段內(nèi)，觀測所得的地面氣壓平均值約為891 hPa，由模擬結(jié)果得到的相同時(shí)間段內(nèi)地面氣壓平均值為880.02 hPa；在發(fā)生降水的時(shí)間段內(nèi)，觀測的平均每小時(shí)降水量為4.1 mm，模擬結(jié)果計(jì)算得4.39 mm。由前文可知此次過程的最大冰雹直徑在10 mm 以上，即半徑大于5 mm，而模擬得到的最大冰雹半徑在2～3 mm 之間，模式模擬得到的冰雹半徑可達(dá)到毫米量級(jí)，但是由于模式自身的局限性（模式根據(jù)粒子尺度分為33 個(gè)檔，其中冰雹粒徑分布范圍為2.07～3.37 mm），導(dǎo)致模擬結(jié)果比實(shí)際冰雹偏小?？偟膩碚f，模擬的回波移動(dòng)路徑與實(shí)況基本一致，生命周期與實(shí)況相當(dāng)，并且模擬的氣壓和降水量與觀測值較為吻合，因此對(duì)比具有合理性，模式基本再現(xiàn)了此次過程出現(xiàn)的時(shí)間及發(fā)展過程。

圖2 2016 年7 月8 日觀測（a）15:38、（b）17:03、（c）18:00 與模擬（d）15:00、（e）16:30、（f）17:30 的雷達(dá)組合反射率對(duì)比（圖中黑框表示此次對(duì)流主要范圍）Fig.2 Observed radar combined reflectivity at (a) 1538 BJT, (b) 1703 BJT, and (c) 1800 BJT on July 08, 2016 and simulated combined reflectivity at(d) 1500 BJT, (e) 1630 BJT, and (f) 1730 BJT on July 08, 2016 (black box: main range of this convection)

3 結(jié)果分析

3.1 宏觀結(jié)構(gòu)

氣溶膠濃度變化對(duì)氣流垂直運(yùn)動(dòng)有一定影響（Chen et al., 2020）。圖3 給出了三次CCN 濃度試驗(yàn)于2016 年7 月8 日12:00～18:30 在強(qiáng)上升區(qū)（上升氣流速度大于2 m s?1的區(qū)域）和強(qiáng)下沉區(qū)（下沉氣流速度小于0.5 m s?1的區(qū)域）垂直速度的平均值隨高度的變化情況。對(duì)于上升氣流而言（圖3a），CCN 濃度增大導(dǎo)致上升氣流速度增加，M-case 和P-case 中上升氣流速度峰值為5.45 m s?1，C-case 中峰值速度為5.13 m s?1，并且CCN 濃度增大導(dǎo)致上升氣流速度峰值出現(xiàn)高度降低，C-case 中峰值高度為8 km，M-case 和P-case 的峰值高度為7.2 km。此外，對(duì)比三組實(shí)驗(yàn)不同時(shí)刻的上升氣流（表2）可以看出，上升氣流速度峰值在發(fā)展旺盛時(shí)以M-case 最大，P-case 其次，C-case 最小，比如在14:30 時(shí)，C-case、M-case 和P-case 的峰值分別為5.39 m s?1、6.43 m s?1和5.99 m s?1，其峰值高度都位于0°C 層（約4.2 km）以上，即過冷區(qū)內(nèi)，這與楊慧玲等（2011）的結(jié)果類似。這是因?yàn)镸case 中存在大量的過冷云水，過冷水凍結(jié)生成冰相粒子過程和冰相粒子凇附過冷水生長過程會(huì)釋放大量潛熱，導(dǎo)致上升速度較大。而在C-case 中，雖然云滴尺度大（表3），有利于凍結(jié)或凇附過程的發(fā)生，但過冷云水含量較少（圖6a），所以釋放的潛熱比M-case 少，導(dǎo)致上升氣流速度略小。對(duì)于P-case，雖然其過冷云水含量豐富，但是CCN濃度增加導(dǎo)致生成大量小云滴（表3），尺度較小的云滴不易發(fā)生凍結(jié)轉(zhuǎn)化為冰相粒子，所以釋放的潛熱較少，上升速度也較小。下沉氣流速度的峰值高度低于上升氣流，位于3.8～6.2 km 之間，CCN濃度越大，下沉氣流速度高值區(qū)的垂直范圍越大，即P-case 中的下沉氣流速度高值區(qū)更深厚。

表2 三次試驗(yàn)中上升氣流的特征Table 2 Characteristics of updraft in three tests

表3 雹云不同發(fā)展時(shí)刻云滴有效半徑的值Table 3 Effective radius of cloud drops at different moments of hailstorm cloud

圖3 不同CCN 濃度試驗(yàn)中在2016 年7 月8 日12:00～18:30（a）平均上升氣流速度（>2 m s?1）和（b）平均下沉氣流速度（2 m s?1) and (b) mean downdraft velocity (

圖4 為對(duì)流發(fā)展的不同階段，三組試驗(yàn)下雷達(dá)組合反射率以及近地面水平風(fēng)場的分布情況。選擇的三個(gè)時(shí)刻14:30、16:30、18:30 分別代表此次雹暴過程中云體的發(fā)展、成熟及消散階段。發(fā)展初期，地面空氣輻合產(chǎn)生上升氣流，氣溶膠開始吸收水汽發(fā)生活化、凝結(jié)增長過程，形成云滴。三組實(shí)驗(yàn)中，大于0 dBZ 的回波首次出現(xiàn)的時(shí)間略有不同，分別為12:25、12:30 和12:35，CCN 濃度越大，回波出現(xiàn)時(shí)間越晚，即污染條件會(huì)使云粒子增長延緩。這是由于污染大氣中，CCN 濃度大，云滴平均尺度較?。ū?），使得碰并增長過程推遲發(fā)生，大滴難以生成。而雷達(dá)回波強(qiáng)度對(duì)大粒子的存在更加敏感，因此導(dǎo)致回波出現(xiàn)時(shí)間推遲。

對(duì)比不同CCN 濃度下云體發(fā)展情況可以看出，污染條件下云體發(fā)展更為旺盛，反射率大于60 dBZ的區(qū)域范圍更大，主要表現(xiàn)在經(jīng)向范圍上，即污染條件下回波更“寬”一些。雖然污染條件下碰并過程會(huì)推遲發(fā)生，但是由于污染條件云滴數(shù)濃度更大（圖7a），因此碰并一旦開始，便可以加速進(jìn)行，碰并過程會(huì)使粒子尺寸增大，散射能力增強(qiáng)，造成回波強(qiáng)度增大；并且污染條件下云中凇附過程（過冷水滴附著并凍結(jié)在固態(tài)粒子表面）加強(qiáng)（Gayatri et al., 2017），導(dǎo)致生成的冰相粒子尺度更大，表現(xiàn)為P-case 中雷達(dá)回波的高值區(qū)范圍更大。并且因?yàn)槟M區(qū)域阿克蘇地區(qū)位于天山山脈南麓，該地區(qū)內(nèi)存在自西向東擴(kuò)展的喇叭形河谷和山脈背風(fēng)坡（圖1b），所以該區(qū)域內(nèi)受東西方向風(fēng)場影響較大，造成云體經(jīng)向發(fā)展更為顯著。

圖4 不同CCN 濃度試驗(yàn)的雷達(dá)組合反射率及近地面風(fēng)場在2016 年7 月8 日14:30（左列）、16:30（中間列）、18:30（右列）的水平分布（黑色陰影為地形高度）：（a–c）C-case；（d–f）M-case；（g–i）P-caseFig.4 Horizontal distribution of simulated combined reflectivity and surface wind at 1430 BJT (left column), 1630 BJT (middle column), and 1830 BJT (right column) on July 8, 2016 in different tests (black shadow: height): (a–c) C-case test; (d–f) M-case test; (g–i) P-case test

3.2 微物理結(jié)構(gòu)特征

組合雷達(dá)反射率可以反映云內(nèi)大粒子的分布情況，然而云中水成物含量在不同發(fā)展階段的冰相、液相配置情況仍不清楚。云水路徑是描述云微物理特征的一個(gè)重要物理量，它描述了云內(nèi)各種不同粒徑液態(tài)或固態(tài)粒子含量的總和，從積分總量上看，單位面積整個(gè)垂直氣柱內(nèi)的液態(tài)水含量的積分為液水路徑（LWP），單位面積垂直氣柱內(nèi)的冰水含量積分為冰水路徑（IWP），二者之和定義為總水路徑（TWP）。根據(jù)其定義，可得以下計(jì)算公式：

其中，zb和zt分別代表模式地面高度和模式頂高，單位為m；ρa(bǔ)ir代表空氣密度，單位為kg m?3；ql代表液態(tài)水（云水+雨水）的混合比含量，單位為kg kg?1；qi代表冰水（冰晶+雪+霰+冰雹）的混合比含量，單位為kg kg?1。

云水路徑受大氣環(huán)流、地形特征和大氣濕度分布及水汽傳輸影響較大（張喆等, 2017），目前關(guān)于氣溶膠對(duì)云水路徑的影響研究較少。圖5 給出了2016 年7 月8 日雹云發(fā)展過程中三組CCN 濃度試驗(yàn)的液水路徑、冰水路徑以及總水路徑的區(qū)域平均值隨時(shí)間的變化情況。從圖中可以看出，液水路徑在P-case 中數(shù)值最大，M-case 次之，C-case 中最小。就冰水路徑而言，在14:30 之前，M-case 中冰水路徑最大，P-case 最小，在14:30 之后，Ccase 和M-case 的冰水路徑數(shù)值趨于穩(wěn)定，而Pcase 中的冰水路徑持續(xù)增長，成為了三組試驗(yàn)中的最大值。總水路徑的變化趨勢和冰水路徑保持一致，只是數(shù)值更大一些。這說明雹云中的配置以冰水為主，液態(tài)水相對(duì)來說含量較少。在雹云發(fā)展初期隨著氣溶膠濃度的增加，云滴數(shù)濃度增加，而云滴有效半徑減?。ū?），云滴群表面積增加，因此凝結(jié)效率增加，導(dǎo)致云中液水含量逐漸增多。但是，冰水含量在M-case 中最大，C-case 次之，P-case中最小，這是由于重度污染條件下，云滴尺度與清潔條件相比顯著減?。ū?），小液滴相比于大液滴更加難于凍結(jié)，因此不利于液滴向冰粒子的轉(zhuǎn)化，即凍結(jié)過程的發(fā)生，所以造成P-case 中冰水含量最少，而中度污染條件下，云滴有效半徑相對(duì)較大，對(duì)凍結(jié)效率的影響不大。這是由于在中度污染情況下，云滴有適當(dāng)?shù)挠行О霃揭约俺渥愕倪^冷云水，更有利于液相水成物向冰相粒子的轉(zhuǎn)化。隨著時(shí)間發(fā)展，雖然P-case 中液滴凍結(jié)效率低，但由于其液水含量更大，凍結(jié)過程可持續(xù)的時(shí)間更長，最終導(dǎo)致P-case 中的冰水含量最大，這與Yang et al.（2017）的研究結(jié)論相似。

圖5 不同試驗(yàn)中液水路徑（LWP）、冰水路徑（IWP）和總水路徑（TWP）在模擬區(qū)域（D02）的平均隨時(shí)間的變化，單位：kg m?2Fig.5 Temporal variations of simulation regional (D02) average liquid water path (LWP), ice water path (IWP), and total water path (TWP) in different tests. Units: kg m?2

圖6 不同CCN 濃度試驗(yàn)中（a1–a3）云水、（b1–b3）雨水、（c1–c3）云冰、（d1–d3）雪、（e1–e3）霰、（f1–f3）冰雹在模擬區(qū)域（D02）的平均質(zhì)量混合比（陰影，單位：g kg?1）隨時(shí)間和高度的變化：C-case（左列）；M-case（中間列）；P-case（右列）。黑色等值線代表溫度Fig.6 Time–height variations of simulation regional (D02) average mass mixing ratio (shaded, units: g kg?1) of (a1–a3) cloud droplets, (b1–b3) rain drops, (c1–c3) ice crystals, (d1–d3) snow, (e1–e3) graupel, and (f1–f3) hail in different tests: C-case (left column), M-case (middle column), and P-case(right column). Black contours represent temperatures

為考察CCN 濃度變化對(duì)冰雹云和降水微物理結(jié)構(gòu)變化的影響，圖6 給出了不同CCN 濃度下云內(nèi)各種水成物的平均質(zhì)量混合比隨時(shí)間和高度的分布情況（已剔除模擬區(qū)域北部山區(qū)的地形降水部分）。對(duì)比可得，云水含量隨著CCN 濃度增大而增大（圖6a）。三組試驗(yàn)云水含量的極大值均出現(xiàn)在4 km 附近及其以上高度（0°C 層附近），Pcase 中該極值中心含量達(dá)0.12 g kg?1。隨著CCN濃度增大，云水含量極大值高度逐漸抬升，0°C 層以上部分的云水含量增大，并且可以到達(dá)更高的區(qū)域，即污染條件下，過冷云水的含量更大，云滴的數(shù)濃度也表現(xiàn)出類似的變化（圖7a），P-case 中的云滴數(shù)濃度最大，且峰值數(shù)濃度位于2.7～3 km 之間。這是因?yàn)槲廴緱l件下CCN 濃度較大，生成大量小云滴（表3），一方面小云滴凝結(jié)效率更大，生成的云水更多；另一方面，尺度較小的云滴不易碰并形成雨滴或發(fā)生凍結(jié)轉(zhuǎn)化為冰相粒子，即對(duì)云水的消耗較少，二者共同作用使得污染條件下的云水含量更大，同時(shí)因?yàn)樵频纬叨刃?，容易被上升氣流抬升到較高的高度，所以污染條件下云水含量在垂直方向分布范圍更廣。而在清潔條件下，云滴相對(duì)較大，更容易觸發(fā)碰并過程形成雨滴降落到地面，另外大云滴的凍結(jié)效率較大，生成冰相粒子消耗的云水較多，導(dǎo)致清潔條件下云水相對(duì)較少，這與Lim et al.（2011）的分析結(jié)果一致。

就雨水而言，其平均質(zhì)量混合比（圖6b）和數(shù)濃度（圖7b）隨CCN 濃度的增加而減少，并且在C-case 中，0°C 以上的雨水含量，即過冷雨水含量明顯高于另外兩次試驗(yàn)，且部分可到達(dá)7 km 附近，隨著CCN 濃度增大，該部分雨水逐漸消失，這是因?yàn)镻-case 中氣溶膠濃度很高，生成大量小云滴導(dǎo)致碰并效率低，因此云滴向雨滴的轉(zhuǎn)化速率減小，而在C-case 中氣溶膠濃度低，形成的大尺度云滴容易生成雨滴，部分雨滴被上升氣流帶到0°C 層以上，成為過冷雨水。三次試驗(yàn)的雨水含量高值區(qū)基本都位于0°C 層以下，結(jié)合不同粒子融化效率的分布（圖略）可以發(fā)現(xiàn)，0°C 層到3 km 之間的雨水高值區(qū)主要由冰相粒子融化產(chǎn)生，相對(duì)貢獻(xiàn)從高到低依次為雪、霰、冰雹和冰晶。

冰晶基本都位于?30°C～?10°C 溫度層所在高度，峰值高度均在8.5 km 附近，氣溶膠濃度對(duì)冰晶含量最大值出現(xiàn)的高度和溫度區(qū)間影響較小，但對(duì)其平均質(zhì)量混合比的大小影響較大，質(zhì)量混合比在P-case 中最大、M-case 次之、C-case 最小（圖6c）。這是因?yàn)橐环矫嫒缜拔乃?，清潔條件下更易生成雨滴，較大的液水含量會(huì)使浮力減弱，進(jìn)而導(dǎo)致向上的垂直速度減??；另一方面由于清潔條件下云滴尺度較大，導(dǎo)致其下落末速度較大。二者共同作用導(dǎo)致清潔條件下（C-case）上升氣流較弱，所以能被抬升到高空的云滴較少，因此由云滴凍結(jié)生成的冰晶含量較少。隨著污染程度加重，總液水含量減少，浮力增強(qiáng)，垂直速度增大，并且云滴尺度減小，下落末速度減小，所以大量小云滴可被上升氣流抬升到高空，凍結(jié)或撞凍生成的冰晶較多，使得冰晶含量增大。雪的混合比含量（圖6d）和數(shù)濃度（圖7d）隨著CCN 濃度增加而增大，峰值高度位于8 km 附近。其主要來源是冰晶自動(dòng)轉(zhuǎn)化生成雪，所以雪的變化趨勢與冰晶保持一致，只是存在高度略低，這是由于雪粒子的尺度一般大于冰晶引起的。

圖7 不同CCN 濃度試驗(yàn)中（a）云水、（b）雨水、（c）云冰、（d）雪、（e）霰、（f）冰雹的平均數(shù)濃度（單位：g?1）隨高度的變化Fig.7 Height variations of the average number concentration (units: g?1) of (a) cloud droplets, (b) rain drops, (c) ice crystals, (d) snow, (e) graupel,a nd (f) hail in different tests

總的來說，隨著CCN 濃度的增加，云水、冰晶、雪的含量增加，與之相反，雨水、霰的含量減少，冰雹的含量先增大后減小。

3.3 相關(guān)微物理過程的貢獻(xiàn)

為考察各時(shí)刻各相關(guān)微物理過程對(duì)冰雹生成的相對(duì)貢獻(xiàn)，圖8 給出了不同CCN 濃度試驗(yàn)中各過程對(duì)產(chǎn)生冰雹總量的相對(duì)貢獻(xiàn)隨時(shí)間的變化。

圖8 不同CCN 濃度試驗(yàn)中各微物理過程（a）液滴與霰碰凍生成雹（COLGRAU）、（b）液滴與冰雹碰凍增加雹的質(zhì)量（COLHAIL）、（c）液滴與冰晶碰凍生成雹（COLICE）、（d）液滴自身的凍結(jié)過程（FREE）的相對(duì)貢獻(xiàn)（RC）隨時(shí)間的變化Fig.8 Temporal variations of the relative contribution (RC) of microphysical processes in different tests: (a) Drop-graupel collisions (COLGRAU);(b) drop-hail collisions (COLHAIL); (c) drop-ice crystal collisions (COLICE); (d) freeze (FREE)

相對(duì)貢獻(xiàn)的計(jì)算公式如下：

其中，Rcx代表過程x 的相對(duì)貢獻(xiàn)；Qx代表過程x產(chǎn)生的冰雹質(zhì)量混合比；Qsum代表各過程產(chǎn)生的冰雹質(zhì)量混合比之和；過程x 包括：液滴與霰碰凍生成雹（COLGRAU）、液滴與冰雹碰凍增加雹的質(zhì)量（COLHAIL）、液滴與冰晶碰凍生成雹（COLICE）以及液滴自身的凍結(jié)過程（FREE）?？梢钥闯?，在12:20 左右，冰雹最初幾乎全部由COLICE 過程生成（圖8c），在十幾分鐘內(nèi)該過程作用迅速減弱直至相對(duì)貢獻(xiàn)接近于零，隨著COLICE 過程的減弱，液滴凍結(jié)生成雹過程（圖8d）的相對(duì)貢獻(xiàn)逐漸增加，該過程發(fā)生在?15°C～?25°C 溫度層范圍內(nèi)，主要為浸潤凍結(jié)。二者隨CCN 濃度的變化呈現(xiàn)出不同的變化趨勢：凍結(jié)過程在P-case 中相對(duì)貢獻(xiàn)最小，這與上文提到的污染條件下小液滴凍結(jié)效率低有關(guān)，并且M-case 中所占比重略大于Ccase，雖然M-case 中云滴尺度略小于C-case（表3），但是M-case 中的云水含量和云滴數(shù)濃度均大于Ccase，因此M-case 中凍結(jié)過程對(duì)產(chǎn)生冰雹總量的相對(duì)貢獻(xiàn)要大于C-case 的。COLICE 過程所占比重在P-case 中最大，一方面由于污染條件下云滴尺度小，凍結(jié)過程貢獻(xiàn)較弱，另一方面由于污染條件下冰晶和過冷云水含量均較大，有利于冰晶碰凍過冷水過程的發(fā)生。隨著COLICE 過程貢獻(xiàn)程度的降低，霰吸收過冷水生成雹的過程（圖8a）開始進(jìn)行，但其相對(duì)貢獻(xiàn)隨時(shí)間變化不明顯，在20%上下浮動(dòng)。冰雹一旦形成，其自身就會(huì)迅速收集過冷水生長，并占據(jù)主要的貢獻(xiàn)地位（圖8b），并且該過程在清潔條件下發(fā)生的相對(duì)早一些。在12:40 之前，COLHAIL 過程的相對(duì)貢獻(xiàn)在C-case中最大，M-case 其次，P-case 中最小，而在12:40之后的一段時(shí)間內(nèi)則正好相反，再往后各試驗(yàn)中的相對(duì)貢獻(xiàn)均在75%左右浮動(dòng)。其中12:40 對(duì)應(yīng)著COLICE 過程的相對(duì)貢獻(xiàn)降至零附近的時(shí)刻，也是COLHAIL 相對(duì)貢獻(xiàn)增長最快的時(shí)刻。這是因?yàn)樵?2:40 之前，冰雹主要由COLICE 和凍結(jié)過程產(chǎn)生，清潔條件下云滴有效半徑大，更容易先生成一部分冰雹粒子，促進(jìn)冰雹收集過冷水生長過程的發(fā)生，而重度污染條件下COLICE 和凍結(jié)過程（圖8c、d）啟動(dòng)較晚。在12:40 之后，各試驗(yàn)均已有一定量冰雹粒子的積累，由于污染條件下過冷云水含量更豐富，所以COLHAIL 會(huì)發(fā)展得更快一些。

總而言之，冰雹最初幾乎全部由冰晶碰凍過冷水生成，隨后該過程迅速減弱，冰雹主要來源變?yōu)橐旱蝺鼋Y(jié)過程，霰碰凍過冷水過程也有一些貢獻(xiàn)。并且冰雹一旦形成，自身就會(huì)迅速收集過冷水生長，隨之成為成雹的主導(dǎo)過程。

3.4 氣溶膠變化對(duì)降水量的影響

氣溶膠濃度變化對(duì)深對(duì)流系統(tǒng)的影響也體現(xiàn)在降水量的變化上，表4 給出了三組CCN 濃度試驗(yàn)在7 月8 日12:00～18:00 時(shí)間段內(nèi)，模擬區(qū)域的平均地面液相累積降水、冰相累積降水及其相對(duì)變化率?？梢钥闯?，隨著污染程度的加重，液相累積降水量依次增加，相對(duì)于C-case 來講，M-case 和Pcase 的液相降水量分別增加了13.9%和21.3%。前文提到，冰相粒子融化對(duì)形成雨水貢獻(xiàn)最大的是雪，同時(shí)從表5 也可以看出，隨著污染增加，雪的融化量逐漸增加，其區(qū)域平均融化量比雹和霰的融化量高1～2 個(gè)量級(jí)，這與污染條件下形成雪的含量更大（圖6d）有關(guān)，最終造成液相累積降水隨污染程度增加而增加。此外，到達(dá)地面的雨水質(zhì)量混合比（圖6b）也呈現(xiàn)出和液相降水相同的變化：在Pcase 中最多，M-case 次之，C-case 最少。

冰相累積降水量隨污染加重呈現(xiàn)先增后減的趨勢，相對(duì)于C-case，M-case 的冰相降水量增加4.94%，P-case 減少了39.44%，即M-case 中冰相降水量最大，這與楊慧玲等（2011）的結(jié)果一致。由于此次過程發(fā)生在夏季，冰相降水主要考慮霰和雹（冰晶所占比例很小，可忽略不計(jì)），其中累積降雹量隨著CCN 濃度的增大先增加后減少，在M-case 中最大，其對(duì)冰相降水的相對(duì)貢獻(xiàn)率在M-case 中最大，為49.82%，C-case 次之，相對(duì)貢獻(xiàn)為42.98%，Pcase 貢獻(xiàn)最小，為21.89%（表5）。由于降霰量隨著污染加重變化幅度較小（7.63%～10.25%），所以M-case 中冰相降水量最大的主要原因是其降雹量較C-case 的增長幅度更大（21.67%）。P-case冰水含量雖然最大（圖5），但地面冰相降水量及降雹量最大的卻是M-case，這是由于P-case 冰相物質(zhì)中主要以雪為主，在下落過程中容易融化，而M-case 中冰雹和霰含量較大，容易吸收過冷水形成更多的冰雹，且下落過程中融化少，從而造成地面冰相降水量和降雹量更大。這也說明了中度污染條件更利于冰雹的生長。

表4 12:00～18:00 三組試驗(yàn)中液相、冰相降水量及其相對(duì)變化Table 4 Precipitation and relative changes in liquid and ice phases in three tests from 1200 BJT to 1800 BJT

表5 12:00～18:00 三組試驗(yàn)中降雹量、降霰量及其對(duì)冰相降水的貢獻(xiàn)和冰雹、霰、雪的平均融化量Table 5 Accumulated hail and graupel shootings and their contribution to ice-phase precipitation and the melting amounts of hail, graupel, and snow in three tests from 1200 BJT to 1800 BJT

3.5 冰雹生長的最優(yōu)氣溶膠濃度

前人的研究分別在暖性對(duì)流云（Dagan et al.,2015）以及風(fēng)切變對(duì)深對(duì)流云敏感性（Fan et al.,2009）等背景下討論了最優(yōu)氣溶膠濃度。本文主要關(guān)注不同氣溶膠濃度下雹云的發(fā)展，希望得到最適合冰雹生長的氣溶膠濃度。由前文分析可得，冰雹的含量隨氣溶膠濃度的增加呈現(xiàn)先增后減的趨勢，冰雹含量最大的是中度污染條件（即3 倍背景氣溶膠濃度）。為找到最適合冰雹增長的CCN 濃度，本文在原有試驗(yàn)的基礎(chǔ)上又增加了兩組試驗(yàn)，初始?xì)馊苣z濃度分別為2 倍和5 倍背景氣溶膠濃度，并得到了五組試驗(yàn)結(jié)果中冰雹的平均質(zhì)量混合比和平均數(shù)濃度隨初始?xì)馊苣z濃度的變化情況（圖9）?？梢钥闯?，就冰雹的平均質(zhì)量混合比而言，其值在3.5×10?4g kg?1～5.9×10?4g kg?1之間變化，當(dāng)氣溶膠濃度增加到背景濃度的2 倍時(shí)，冰雹的平均混合比迅速增大，氣溶膠濃度從2 倍增長到3 倍時(shí)，冰雹平均混合比含量繼續(xù)增大，但增長速度變緩，隨著氣溶膠濃度繼續(xù)增加到5 倍、10 倍，由于云滴尺度變小，冰雹的生長過程被抑制，導(dǎo)致其質(zhì)量混合比持續(xù)減少。冰雹平均數(shù)濃度在0.7×10?3g?1～1.6×10?3g?1之間變化，隨氣溶膠濃度先增后減，在2 倍和3 倍背景濃度下平均數(shù)濃度最大，二者數(shù)值相當(dāng)。2 倍和3 倍背景濃度的平均數(shù)濃度相當(dāng)，但是3 倍濃度下冰雹平均質(zhì)量混合比要更大一些，這是因?yàn)殡m然3 倍濃度下冰雹尺度略小于2 倍濃度，但是過冷水含量更大，有利于冰雹收集過冷水生長，從而增加冰雹的質(zhì)量。所以，對(duì)于本文所研究的新疆地區(qū)，冰雹的平均質(zhì)量混合比和數(shù)濃度隨著氣溶膠濃度的增加呈現(xiàn)出非線性的變化，其中3 倍背景氣溶膠濃度是最適合冰雹生長的，即“最優(yōu)氣溶膠濃度”。氣溶膠濃度過小，過冷水含量少，濃度過大則云滴尺度小，二者均不利于冰雹生長。值得說明的是，由于冰雹是一種嚴(yán)重的自然災(zāi)害，所以文中所提出的最適合冰雹生長的“最優(yōu)氣溶膠濃度”對(duì)應(yīng)著最容易發(fā)生嚴(yán)重雹災(zāi)的情況。在業(yè)務(wù)工作中，該氣溶膠濃度下有關(guān)部門應(yīng)重點(diǎn)關(guān)注天氣形勢，及時(shí)開展人工防雹作業(yè)，從而減少冰雹對(duì)人民生產(chǎn)生活的影響。此外，最適合冰雹生長的氣溶膠濃度可能與大氣動(dòng)力、熱力等宏觀特征有關(guān)，不同地區(qū)不同個(gè)例該濃度可能不同，值得進(jìn)一步探究。

4 總結(jié)

圖9 冰雹在模擬區(qū)域（D02）的平均質(zhì)量混合比（單位：10?4 g kg?1）和平均數(shù)濃度（單位：10?3 g?1）隨初始CCN 數(shù)濃度的變化（圖中紅色三角代表質(zhì)量混合比，黑色圓圈代表數(shù)濃度；橫坐標(biāo)的數(shù)值依次為新疆背景大氣中氣溶膠濃度的1、2、3、5、10 倍）Fig.9 Simulation regional (D02) average mass mixing ratio (units:10?4 g kg?1) and the number concentration (units: 10?3 g?1) of hail varying with the initial CCN concentration (red triangle: mass mixing ratio, black circle: number concentration, and horizontal axis: 1, 2, 3, 5,10 times the background aerosol concentration in Xinjiang

本文使用中尺度模式WRF 中的譜分檔方案（SBM）對(duì)新疆夏季一次典型冰雹過程進(jìn)行模擬，詳細(xì)討論了不同氣溶膠濃度對(duì)該天氣過程的宏觀結(jié)構(gòu)、云中微物理結(jié)構(gòu)及降水等特征的影響。文中共進(jìn)行了三組數(shù)值模擬試驗(yàn)，氣溶膠濃度分別設(shè)置為背景大氣氣溶膠濃度的1、3 和10 倍，分別代表清潔條件（C-case）、中度污染條件（M-case）和重度污染條件（P-case）的情況，對(duì)三組試驗(yàn)進(jìn)行分析得到以下結(jié)論：

（1）隨著CCN 濃度的增大，對(duì)流云體發(fā)展延緩，但發(fā)展更為旺盛，雷達(dá)回波范圍更“寬”。云中各水成物隨著CCN 濃度的增大呈現(xiàn)出不同的變化：云水、冰晶、雪的含量增加，雨水、霰的含量減少，冰雹的含量則是先增大后減小。雹云發(fā)展初期，云中液水含量隨CCN 濃度增大而增多，冰水含量則在中度污染條件下最多，結(jié)合全文分析可發(fā)現(xiàn)，中度污染情況下，云滴有適當(dāng)?shù)挠行О霃揭约俺渥愕倪^冷云水，更有利于液相水成物向冰相粒子的轉(zhuǎn)化，也更有利于冰雹的生長。

（2）冰雹最初幾乎全部由冰晶碰凍過冷水生成，隨后該過程迅速減弱，冰雹主要來源變?yōu)橐旱蝺鼋Y(jié)過程，在P-case 中這兩個(gè)過程推遲幾分鐘開始，霰碰凍過冷水過程也有一定貢獻(xiàn)，在20%左右。冰雹一旦形成，其自身就會(huì)迅速收集過冷水生長，隨之成為成雹的主導(dǎo)過程，該過程在P-case中比C-case 和M-case 開始得晚但發(fā)展更快。

（3）隨著CCN 濃度的增大，地面液相累積降水量依次增加，冰相累積降水量先增加后減少。CCN濃度適當(dāng)增大（M-case）可導(dǎo)致降雹量和冰相降水中冰雹的比重增加，重度污染情況下二者均減小。

（4）在原有試驗(yàn)基礎(chǔ)上，又增加了兩組CCN濃度試驗(yàn)，通過對(duì)比分析發(fā)現(xiàn)，就文中所研究的天氣個(gè)例而言，冰雹的含量隨著氣溶膠濃度的增加呈現(xiàn)出非線性的變化，其中3 倍背景氣溶膠濃度是最適合冰雹生長的“最優(yōu)氣溶膠濃度”，也是業(yè)務(wù)部門進(jìn)行防雹作業(yè)時(shí)應(yīng)重點(diǎn)關(guān)注的氣溶膠濃度。

本文所得結(jié)論僅是針對(duì)新疆夏季一次典型冰雹過程，不同的地理地形條件、不同的季節(jié)、不同的降水系統(tǒng)都可能會(huì)影響模擬結(jié)果。此外，模式本身例如參數(shù)的設(shè)置、微物理方案的選擇也可能會(huì)對(duì)模擬結(jié)果造成一定影響，后續(xù)會(huì)針對(duì)這些方面進(jìn)行研究與討論。