暖底对流云催化的微物理和动力效应的数值模拟

陈宝君　李爱华　吴林林　孙永涛南京大学大气科学学院，南京00安徽省人工影响天气办公室，合肥00陕西中天火箭技术股份有限公司，西安7005

暖底对流云催化的微物理和动力效应的数值模拟

陈宝君1李爱华2吴林林2孙永涛3
1南京大学大气科学学院，南京210023
2安徽省人工影响天气办公室，合肥230031
3陕西中天火箭技术股份有限公司，西安710025

陈宝君，李爱华，吴林林，等. 2016. 暖底对流云催化的微物理和动力效应的数值模拟 [J]. 大气科学, 40 (2): 271-288.Chen Baojun, Li Aihua, Wu Linlin, et al. 2016. Modeling the microphysical and dynamical effects of silver iodide seeding of warm-based convective clouds [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 40 (2): 271-288, doi:10.3878/j.issn.1006-9895.1503.14271.

为加深理解暖云底对流云降水形成的微物理机制，调查对这类对流云实施碘化银催化所能产生的微物理和动力效应，本文使用三维对流云模式（包含6种水成物：云滴、雨滴、冰晶、雪花、霰和冰雹），对2004年7 月8日发生在我国江淮地区的一例对流云进行模拟，并开展碘化银催化试验。结果表明：（1）模式能够较好地模拟出实测风暴的回波结构。（2）云雨自动转化和霰粒子融化是两个最重要的成雨机制，产生的雨滴占雨滴总数量（质量）的67%（19%）和18%（57%）。（3）对流发展初期在主上升气流区进行的催化试验表明，对本例对流云播撒碘化银能够同时获得增雨和减雹的正效果。（4）催化增加的霰粒子通过竞争机制抑制了前期冰雹的形成，但增强了向雨滴的转化（通过融化机制）；催化也促进了二次对流的发展，增加了入云的水汽通量和云水含量，加强了后期的云雨自动转化及碰并增长，导致后期的雨和冰雹增加，并使地面降水分布发生变化。这些结果表明，对暖底对流云进行碘化银催化能够产生微物理和动力效应。

1　引言

对流云是人工增雨的主要目标云系。目前在对流云人工增雨作业中，最常用的方法是向云中播撒人工冰核（如碘化银）或致冷剂（如干冰），通过“静力催化”和“动力催化”机制增加云系的降水量。静力催化的基本原理是适量增加冰晶数量提高降水形成的效率，影响的是云的微物理过程，并不改变云的动力学特性；动力催化则是通过播撒大量的催化剂促使过冷水滴迅速冻结，释放潜热增加云体浮力，促进云的增长进而增加降水。

动力催化的概念最初由Simpson等人于20世纪60年代提出，经过不断发展形成了一个完整的概念模型（Simpson et al., 1965, 1967; Simpson and Woodley, 1971; Simpson, 1980; Woodley et al., 1982）。然而，实际观察却发现对流云的宏观特征（如云顶高度）在实施人工催化后并没有很快发生预期的显著变化。为解释催化后云顶没有达到预期高度的原因，Rosenfeld and Woodley（1993）又提出一个修正的动力催化概念模型（简称RW93模型），指出在对流云催化中静力和动力机制可能同时存在，强调云微物理在动力催化中的作用，尤其是与霰有关的过程：催化增加的霰粒子增强了降水荷载，抑制了上升气流的发展，导致催化后一段时期内云体的垂直发展没有发生显著变化，当这些水成物以降水形式下落，其拖曳作用加强了下沉气流和低层辐合，激发或促进了二次对流的发展，最终导致地面降水增加。修正模型在一定程度上解释了对流云宏观特征对催化响应较慢的问题，但其中包含的很多物理环节是假设的，还需要观测验证和数值模拟的检验，这也是目前人工影响天气研究中的一个关键问题（Bruintjes, 1999; Silverman, 2001; National Research Council, 2003）。

云数值模式在人工影响天气的理论和应用研究中发挥着重要作用，国内外相关研究进展已有一些综述性报道（Orville, 1996; 雷恒池等, 2008; 郭学良等, 2013）。通过数值模拟，学者们已经证实对流云系在催化后，云中上升气流速度增大（方春刚等, 2009; 肖辉等, 2012）、下风方的雨量增加（何观芳等, 2001; Ćurić et al., 2007, 2008），说明播云产生了动力效应。Chen and Xiao（2010）利用三维对流云模式模拟研究了美国一例冷底对流云的碘化银催化效果，发现催化对云微物理和动力过程都产生了影响，催化增加的霰质量增强了下沉气流进而促进了二次对流的发展，地面总降水量在催化后增加并产生空间再分布。这一研究证实了云微物理在动力催化中的作用，可以说在一定程度上检验了RW93模型。他们的模拟结果还发现云系在催化后很长一段时间内降水量是减少的，究其原因是，云中液态水含量少，暖雨过程弱，雨水主要来自霰雹的融化，而霰雹则主要通过凇附过程增长，催化导致过冷云水被大量消耗因而限制了霰雹的增长使其融化成雨的量减少。相对冷底对流云，暖底对流云中暖雨过程更加活跃，其在霰雹形成中也起着更为重要的作用，因而这类对流云的成雹机制及其催化效果和影响机制也和冷底对流云不同（何观芳和胡志晋, 1998）。Lin et al.（2005）通过模拟也证实不同云底温度对流云的微物理结构和降水形成的微物理机制有很大差异。这种微物理特性上的差异会不会改变催化引起的动力响应？这一问题的研究，将有助于提高我们对动力催化原理的认识，进一步加深对流云催化增雨机理的理解。

本文通过江淮地区对流云的数值模拟，力图对暖底对流云实施碘化银催化后的微物理和动力效应进行探讨。接下来的一节将简单介绍模拟所用的对流云模式，第3节对模拟自然云的结构、演变和微物理过程进行分析，催化试验的结果与机理分析在第4节提供，最后一节给出了全文总结和讨论。

2 数值模式及试验设计

本文所用模式为中国科学院大气物理研究所建立并发展的三维冰雹云模式，其动力学框架由一组非静力可压缩的完全弹性方程组构成，并采用交错网格、时间分裂和质心跟踪等技术求解方程组（孔凡铀等，1990）。模式中考虑了云滴（C）、雨滴（R）、冰晶（I）、雪（S）、霰（G）和冰雹（H）共6种水成物粒子，微物理参数化采用双参谱方案，同时预报水成物粒子的比含量和比浓度，此外对播撒物质碘化银粒子的比含量也进行预报（洪延超，1998）。需要说明的是，本文对霰和冻滴并未加以区分，将它们统称为霰。模式控制方程组如下：

其中，u、v、w为速度分量，π是无量纲气压的扰动量，θ是位温，qφ代表水汽和6种水物质的质量混合比，Nφ代表水滴、冰晶、雪、霰和冰雹的比浓度，Xs为碘化银的比含量。D代表次网格尺度混合项，方程（5）～（8）中S代表源汇项。Vφ为水物质的下落末速度。其余都是常用符号。

模拟个例是2004年7月8日下午发生在安徽北部的一次强对流过程。当日下午，安徽北部亳州和阜阳境内多地先后遭受雷雨大风和冰雹的袭击，个别乡镇观测到的最大冰雹直径达到5 cm，地面最大风速超过20 m s−1。根据当日08时（北京时间，下同）阜阳站的探空（图1）显示，风暴发生前大气层结不稳定，其对流有效位能1220 J kg−1，非常有利于对流的发生发展。整层大气环境相对较干，近地层最大相对湿度76%，水汽混合比15 g kg−1。风廓线显示低层为东南风，随着高度增加风向顺时针旋转逐渐变为西北风，0～6 km垂直风切变值约为13 m s−1。根据探空初步估计的抬升凝结高度为900 m，该层温度18°C左右，0°C位于4.3 km高度上，可见，该例对流云属于暖底对流云。

图1　2004年7月8日阜阳08时（北京时间，下同）探空曲线：（a）层结曲线（实线为温度，虚线为露点）；（b）环境风廓线（实线为u分量，正值代表西风；虚线为v分量，正值代表南风）Fig. 1　Sounding curves at 0800 BT (Beijing time) 8 July 2004 over Fuyang: (a) Temperature (solid line) and dew point (dashed line); (b) corresponding u (westerly, solid line) and v (southerly, dashed line) components of the horizontal wind

模拟域水平范围取35 km，垂直18.5 km，水平和垂直格距分别取1 km和0.5 km。时间积分采用时步分离技术，大时步取10 s，小时步取2 s。采用模拟域随风暴质心移动的技术以确保模拟风暴始终处于模拟域内。模式初始对流采用湿热泡扰动方式激发，扰动中心位于模拟域中央2 km高度上，扰动范围水平16 km，厚度4 km，中心最大位温偏差1 K。所有数值试验的积分时间均为6000 s。图2给出了模拟风暴在35和92 min时沿x–z剖面（西—东方向）的雷达回波强度分布，与实测的雷达回波（图3）比较可以看到，除了回波高度略有偏低以外，模拟风暴在成熟和减弱阶段的回波结构和强度与实际风暴基本一致，说明模式对本例对流风暴的模拟是比较成功的，模拟结果较可信。

图2　模拟的雷达回波（dBZ）在x–z（西—东方向）剖面的分布：(a) 30 min；(b) 90 minFig. 2　Modeled radar reflectivity in x–z vertical cross sections at (a) 30 and (b) 90 min

图3　合肥雷达实测的回波图：(a) 07:28；(b) 09:30Fig. 3　Radar reflectivity from CINRAD/SA radar located at Hefei, at (a) 0728 BT and (b) 0930 BT

3 模拟风暴的结构和演变

上升气流速度是表征对流发展强度的一个重要参量。图4给出了模拟的云中最大上升气流速度随时间的变化。在初始扰动的作用下对流迅速发展，10 min后云中上升气流速度就超过了15 m s–1，并在18 min达到最大值36 m s–1，此后对流快速减弱。25～40 min期间，最大上升气流速度维持在17 m s–1左右。40 min之后对流继续减弱，到50 min时最大上升气流速度降低到只有10 m s–1。之后上升气流速度又逐渐增大，这预示着对流再次发展。然而，与前一阶段相比，该阶段对流强度相对较弱，最大上升气流速度只有20 m s–1，出现在78 min。此后对流逐渐减弱，至模拟结束时，最大上升气流速度降低到7 m s–1左右。为进一步说明模拟对流发展演变情况，图5给出了速度值超过10 m s–1的上升气流区体积随时间和高度的变化。由图可以清晰地看出模拟对流先后经历了两次发展演变的过程，其中第一阶段（10～40 min）的对流发展较为强盛，不但上升气流速度大，而且上升气流区的水平和垂直范围也很大；第二阶段（60～90 min）对流发展相对较弱，上升气流区范围较小、垂直高度也较低。在过渡时期（40～60 min），由于处在前一阶段对流减弱和后一阶段对流发展前期，因而上升气流区范围很小。

图4　最大上升气流速度值的时间演变Fig. 4　Temporal evolution of the maximum updraft velocity in the simulated storm (data are from instantaneous model output every 1 min)

图5　速度值超过10 m s–1的上升气流区体积（单位：km3）随时间和高度的变化Fig. 5　Time–height distribution of the simulated volume (units: km3) with updrafts more than 10 m s−1in the model domain

考察云系不同发展阶段云中水成物的分布。图6和图7分别给出了x–z垂直剖面（y=18 km）与x–y水平剖面（z=1.5 km）上20～90 min期间每隔10 min的冰晶（黑色）、雪（橙黄色）、霰（蓝色）、冰雹（红色）和雨水（绿色）的比含量及风场分布，可以看出模拟风暴从对流单体向多单体云群的演变过程。在云发展的初期，云中以上升运动为主，霰、冰雹和雨水主要分布在0°C层以上。随着时间推移，霰和冰雹这些大冰粒子下落到暖区融化形成雨水，部分降落至地面形成固态降水，这些降水性水成物的下落增强了低层的下沉气流，并在环境风切变的作用下，激发和促进了主对流风暴两侧新单体的形成和发展（图6d和图7d），模拟风暴也从最初的单泡对流发展演变成为多单体对流（特别是70 min以后，图6f～h，图7f～h），其低层以下沉运动为主，中上层则以上升运动为主。在模拟后期，云中已不存在有组织的上升和下沉运动，水成物的含量也很小。由图我们还可以看到，自始至终，冰晶和雪都分布在高层8～11 km的区间上。通过对云中各种水成物的质量百分比计算表明，平均而言，云水在风暴总质量中所占的比例为22.7%，雨水23.2%，冰晶7.1%，雪10.0%，霰29.0%，冰雹7.9%。可以看出，冰相与液相所占比例约为1:1，这和其他亚热带地区的暖底雷暴是类似的（Lin et al., 2005）。与冷底对流风暴相比（其冰相与液相质量比约为7:3，Lin et al., 2005; Chen and Xiao, 2010），本例风暴中液相所占比例明显要高很多，而冰相的比例相对要低一些。

对流风暴产生的降水以雨为主，占地面总降水量的78%，其次是冰雹占20%，霰的比例很小只有2%左右，地面无降雪。第一阶段和第二阶段（以60 min为分隔点）所产生的降雨（雹）量对整个地面总降雨（雹）量的贡献分别为47%（70%）和53% （30%）。为了解雨和冰雹形成的微物理机制，图8给出了雨和冰雹主要源项微物理过程的质量转化率，各项给出的均为不同时刻的云体空间积分量。总体来看，雨水质量最主要的贡献项是雨滴碰并云滴增长，平均贡献率达到81.7%，其次是霰的融化贡献了10.7%，冰雹融化和云雨自动转化对雨水的贡献相对较小，为2.8%和3.7%，其他过程例如霰和冰雹碰撞水滴甩脱以及雪花融化对雨水的贡献微乎其微。通过计算微物理过程对雨滴浓度的贡献，结果表明云雨自动转化是本例雨滴最主要的产生机制，平均贡献达到67%，霰的融化和霰碰撞水滴脱落过程分别贡献18%和9%，雹的融化贡献率还不到4%。然而，云雨自动转化所产生的雨滴只占雨滴总质量的19%，霰和雹融化所产生的雨滴虽然数量相对较少，但对雨滴总质量的贡献却达到57%和16%。这说明，尽管大部分雨滴来自云雨自动转化过程，但该过程产生的都是小雨滴；霰和雹融化的雨滴虽然相对较少，但产生的都是大雨滴。

图6　冰晶（黑色）、雪（橙黄色）、霰（蓝色）、冰雹（红色）和雨水（绿色）比含量（单位：g m–3）在x–z剖面的分布。粗黑虚线代表云的边界（总水成物含量为0.1 g m–3），箭头表示u–w风场Fig. 6　The x–z cross sections of the hydrometeor mass content (units: g m−3) (time interval is 10 min, starting at 20 min; black, orange, blue, red, and green lines represent the mass content contours of cloud ice, snow, graupel, hail, and rain water, respectively; the heavy black dashed line with a value of 0.1 g m−3indicates the cloud boundary, which is calculated from the sum of the mass content for all hydrometeors), and winds (arrows).

冰雹由霰转化而来，这一过程对冰雹总质量的贡献也最大，达到67.3%。本例风暴霰粒子主要由冰雪晶自动转化而成，雨滴冻结对霰浓度的贡献只有27%，但在20 min前霰粒子几乎全部由雨滴冻结产生，20 min之后主要由雪晶自动转化而成。尽管由雨滴冻结产生的霰粒子数量相对较少，但对霰粒子总质量的贡献却达到41%，说明产生的是相对较大的霰粒子，故而分布在较低的高度上（5～10 km），冰雪晶转化的霰粒子数量多，但粒子小，并且主要分布在较高的层次上（8 km以上）。冰雹在形成后主要依靠碰冻云水和雨水增长，两者的贡献率分别为28.6%和2.7%，相比之下，其他过程对冰雹的贡献很小。注意到，所有雨和冰雹的源项微物理过程在50 min前后都经历了减弱和再次增强，表现出和对流强度（图4）一致的变化趋势。

图6　（续）Fig. 6　(Continued)

4 催化数值试验

冷底对流云的数值模拟（Chen and Xiao, 2010）表明，碘化银催化影响了云的微物理和动力过程，进而改变了云的发展演变和地面降水的量及其分布；催化引起的一个显著效应是前期增加的降水增强了下沉气流，因而促进了二次对流的发展。对暖底对流云实施碘化银催化是否也能产生类似的动力效应，本节对此问题加以探讨。

4.1方案及结果

本文以“三七”聚能炮弹（石安英等，1982）为例，试验碘化银对前例对流云的影响。该型弹的成核率如下（周玲等，2001）：

其中，Na(ΔT)代表温度T条件下每克碘化银生成的冰核数目，单位是g−1，ΔT =(T0－T)且T0=0°C。考虑三种碘化银粒子的成核机制（Hsie et al., 1980），即由于布朗运动和惯性碰撞而发生在人工冰核与云、雨滴之间的接触冻结核化，以及水汽在人工冰核上的凝华核化（包括凝结—冻结核化）。在碘化银的成核作用下，云中水成物的浓度发生变化，相应的过程是：云滴冻结成冰晶、雨滴冻结成霰、水汽在人工冰核上凝华成冰晶，具体参数化描述参见文献（洪延超，1998）。

图7　云水（黑色）、雨水（绿色）、霰（蓝色）和冰雹（红色）比含量（单位：g m–3）在1.5 km高度的水平分布。矢量表示u–v风场Fig. 7　The horizontal distributions of the hydrometeor mass content (units: g m−3) and winds (arrows) at 1.5 km height (time interval is 10 min, starting at 20 min; and black, green, blue, and red lines represent the mass content contours of cloud water, rain, graupel, and hail, respectively).

模式中碘化银比含量的源项用一矩形空间内均匀分布的碘化银粒子初始浓度来表示，并假定催化剂是以点源方式瞬间释放到云中。催化的水平范围是3×3 km2、厚度0.5 km。催化时间定在第11 min，此时云顶高度6.5 km，温度接近－14℃，冰晶刚刚产生，云内最大上升气流速度达到18 m s–1，位于4 km高度上。考虑到催化剂在云中的扩散会受气流的影响，为了使催化剂能有效进入云体，我们选择主上升气流区4 km高度进行催化，同时也进行不同催化剂量的模拟试验，其中，最小催化剂量为碘化银90 g，最大催化剂量2700 g。图9显示了地面总降雨量和降雹量的变化。可见，所有催化试验都导致地面总降雨量增加、降雹量减少，增雨率为14%～62%，减雹率25%～35%。由图还可以看出，增雨率随着播撒量的增加而增大，而减雹率则呈现出先增大后减小的趋势。

图7　（续）Fig. 7　(Continued)

图8　（a）雨水和（b）冰雹的源项微物理过程产生率随时间变化。各项符号意义如下：Acr，云雨自动转化过程；CLcr，雨水碰并收集云水；MLhr，冰雹融化成雨；MLgr，霰融化成雨；CLchr，冰雹碰撞收集水滴时甩脱的雨水；CLcgr，霰碰撞收集水滴时甩脱的雨水；CNgh，霰自动转化为冰雹；CLch，冰雹碰冻云水；CLrh，冰雹碰冻雨水；CLih，冰雹碰撞收集冰晶；CLsh，冰雹碰撞收集雪Fig. 8 Microphysical sources of (a) rain and (b) hail for the simulated storm (Acr, autoconversion of cloud water to rain; CLcr, accretion of cloud water by rain; MLhr, melting of hail to rain water; MLgr, melting of graupel to rain water; CLchr, rain water shed from hail; CLcgr, rain water shed from graupel; CNgh, autoconversion of graupel to hail; CLch, accretion of cloud water by hail; CLrh, accretion of rain by hail; CLih, accretion of cloud ice by hail; CLsh, accretion of snow by hail)

图9　不同碘化银剂量情景下地面总降雨量和降雹量的相对变化Fig. 9　Changes in accumulated rainfall and hailfall as a function of the total AgI amount injected into the domain, relative to the unseeded case (a positive value means an excess for the seeded case)

4.2催化机理分析

尽管所有催化试验都获得了增雨和减雹的效果，但为了能够更加清楚地认识催化效应，本节选取增雨率最大的试验（碘化银播撒量2700 g，增雨率62%，减雹率32%），分析催化对云微物理和动力过程的影响机制。

4.2.1风暴结构

图10给出了20～90 min期间催化云的水成物含量及流场在x–z剖面的分布。和图6对比可以看出，60 min以前云中流场结构并没有发生明显的变化。但60 min之后，催化云和自然云的流场结构出现明显差异，主要表现在催化云的前部是组织性的倾斜上升气流，后部是下沉气流，这种上升—下沉运动共存的机制使得云系能够维持更长的时间，发展得也更高。从90 min图上可见，自然云的顶高为10 km（图6h），而催化云则达到11.5 km（图10h）。自然云在后期云中主要以下沉运动为主，因而使风暴很快减弱。从水成物的含量和分布来看，催化云中霰和雨的含量及分布范围都要比自然云大，雹的含量在催化后的很长时间内都是减小的，但在90 min以后有所增加。进一步检查雨的垂直分布，发现在40 min以后，自然云的雨水基本都位于融化层以下，而催化云则向上扩展到融化层之上，并且主要集中在前部的上升气流区，这在70 min时（图6f，图10f）尤为明显，说明云中存在很强的云雨转换和碰并机制。

图11给出了催化云的水成物含量和风场在x–z剖面（z=1.5 km）的分布。和自然云（图7）比较可见，催化初期低层的霰和雨的含量有所降低（这是因为催化增加的霰粒子和云中自然的霰粒子产生了竞争机制，因而限制了霰粒子的增长，导致下落到低层的霰量减少），其余时间两者的量都是增加的，范围也扩大。低层冰雹的含量在催化后很长时间内都是减少的，但在后期有所增加，特别是在风暴前部区域。云水的含量和分布范围也在催化后增大，并且主要发生在50 min以后。低层水平流场的显著变化也发生在60 min之后，不但风暴后部的辐合区扩大，其前部气旋性结构也更加明显，风场强度也变大。

图10　催化云水成物在x−z剖面的分布（说明同图6）Fig. 10　As in Fig. 6, but for the seeded case

催化改变了云中水成物的构成。平均而言，催化云中各种水成物的质量百分比分别为：云水25.8%、雨水22.3%、冰晶6.2%、雪6.7%、霰34.2%和冰雹4.5%。催化云中冰相与液相之比仍接近1:1，这与自然云类似，但霰和云水的比例要比自然云高，而冰雹有所降低。催化也增加了云中水凝物的总质量，与自然云相比，催化云的总水成物质量平均增加了70%，降水性水成物（雨、雪、霰和冰雹）的质量增加了62%，并且40 min前以霰增加为主，40～70 min期间以雨增加为主，70 min之后霰和雨都显著增加。

图10　（续）Fig. 10　(Continued)

4.2.2动力响应

水凝物质量的变化直接影响到下沉气流。图12给出了下沉气流质量通量在催化后的变化，其中ρa是空气密度，w–是下沉气流速度，A是面积。40 min前，下沉气流通量没有发生明显的变化，40～70 min期间下沉气流通量明显增加，尤其在低层，70 min后低层通量仍是增加的，但中层的有所减少。从模拟域最大值随时间变化（图13）也可以看出，下沉气流速度在40～70 min期间增大较明显，对应的上升气流速度有所减小。70 min之后，最大上升气流速度在催化后明显增大，这是前期增加的下沉气流质量通量增强了低层辐合，因而促进了二次对流的发展。注意到，从催化结束到对流明显二次增长，期间经历了相当长（约为60 min）的时间，这是因为降水性水成物的形成和增长需要足够的时间来完成，其对下沉气流和上升气流的影响是个慢过程，自然不如催化剂的直接作用（水汽凝华、水滴冻结）引起的潜热释放对上升运动的促进来得快，但其作用时间更长、效应更显著。

催化对上升气流的影响也改变了入云的水汽通量。图14给出了催化云和自然云垂直向上的水汽通量的差，由计算所得，其中ρa是空气密度，w+是上升气流速度，qv是水汽质量混合比，A是面积。40 min以前，由于上升气流轻度减弱，使得进入云体的水汽通量略有减少，而在40 min以后，中低层的水汽通量明显增加，特别是80 min后。这些增加的水汽在上升气流区凝结，导致催化云拥有更多的云水含量，因而促进了云雨自动转化及雨水碰并云水增长过程。

4.2.3微物理过程

图15给出了催化后冰雹和雨水主要的源项微物理过程产生率随时间的变化，与图中过程相比变化很小的项没有给出。由图可见，15～75 min期间，冰雹的形成（CNgh）和增长过程（CLch、CLrh）在催化后都有所减弱（图15a），尤其霰向雹的转化过程。这是由于霰粒子的数量在催化后大量增加，对过冷水产生了竞争机制，碰冻增长受到限制因而转化成冰雹的量减少；正是由于冰雹的形成过程受到了抑制，从而也削弱了其碰冻收集过冷云水和雨水的进一步增长。换句话说，正是竞争机制导致了这一时段的冰雹在催化后减少。现有模拟研究（洪延超，1999; 周玲等，2001；李兴宇和洪延超，2005;陈宝君和肖辉，2007）早就指出，对强对流云过量播撒碘化银会使霰粒子大量增加，产生竞争机制而使冰雹增长受到抑制，本文进一步证实了这一点。75 min之后，霰转化成冰雹以及冰雹碰冻过冷水的增长都有所增强，这是对流强度和液态水含量增加从而促进了碰并增长过程。

图11　催化云的云水、雨水、霰和冰雹比含量在1.5 km高度的水平分布（说明同图7）Fig. 11　As in Fig. 7 but for the seeded case

再来看雨水产生率的变化。由图15b可见，催化主要影响到三个源项微物理过程：雨水碰并收集云水（CLcr）、云雨自动转化（Acr）以及霰融化成雨（MLgr）。15～30 min期间，CLcr在催化后明显减弱，这是因为碘化银及催化增加的冰雪晶和过冷雨滴碰撞，在增加霰粒子的同时也减少了过冷雨滴的量，因而抑制了雨滴对云滴的碰并收集增长。伴随CLcr的减弱，过冷云水的含量增大，使得过冷区云雨自动转化得到增强。相比之下，暖区内的云雨自动转化和碰并增长受催化的影响较小。30 min以后，来自霰融化的雨滴数增加，从而显著增强了暖区的CLcr过程。60 min以后，伴随着对流的二次发展和增强，暖区和过冷区的Acr都增强，同时来自霰融化的雨滴也增加，从而使得CLcr量继续增加。总体来看，催化对雨水源项微物理过程的影响，前期主要在过冷区，中期在暖区，而后期暖区和过冷区都受到了影响。可以说，催化增强的暖雨碰并过程是导致本例雨水增加的最重要机制。

4.2.4地面降水

图16给出了催化云和自然云的地面降雨量和降雹量随时间的变化。25 min之前（即催化开始的15 min内），催化云和自然云的地面降水并没有明显的差别；25 min之后，地面降雨和降雹均出现较大变化。总体来说，40 min之前地面降雨量因催化而有所减少，之后降雨量有所增加。注意到降雨量增加发生在两个时段，第一个时段在40～60 min，第二个时段在60 min之后。地面降雹量在很长一段时间里（约60 min）都是减少的，但在后期则开始增加，只不过与前期减少的量相比后期增加的量较小，因而导致最终的降雹量在催化后减少。

地面降水分布型态也在催化后发生改变。图17和图18分别给出了自然云和催化云累积降雨量和降雹量在地面的分布情况。尽管地面降雨都呈现出相似的分布型态，但催化云的雨区范围明显要比自然云大，尤其是10 mm h−1以上的雨区（图17a和图18a）。注意到主降雨区南北两侧的雨区范围和强度在催化后都有所增大。催化对地面降雹分布的影响也很明显。由图17b和图18b可见，虽然主降雹区的冰雹在催化后显著减少，但其南侧的降雹却有所增加，而在其北侧又新出现了一个降雹区。这些结果表明，催化不仅影响了地面降水量的大小，也改变了降水的空间分布。

图12 下沉气流质量通量（单位：106kg s−1）在催化后的变化。负值表示增加，正值表示减少Fig. 12　Time–height section of the difference in area-integrated downdraft mass flux (units: 106kg s−1) between the seeded and unseeded cases (a negative value means an enhancement for the seeded case)

图13　最大上升气流和下沉气流速度随时间变化。实线和虚线分别表示自然云和催化云Fig. 13　Temporal evolution of updraft and downdraft velocity maxima over the model domain in the seeded (dashed line) and unseeded (solid line) cases

图14　云中垂直向上的水汽通量（单位：106kg s−1）在催化后的变化和分布Fig. 14　Time–height section of the difference in area-integrated vertical water vapor flux (units: 106kg s−1) between the seeded and unseeded cases

5 结论

本文利用三维对流云模式，以实测探空作为初始场，对江淮地区夏季一例对流云进行了数值模拟，目的是调查暖底对流云的宏微观结构特征和降水形成的微物理过程，并探讨碘化银催化可能引发的微物理和动力效应。模拟对流风暴的结构和强度与实测雷达回波基本一致，说明模拟结果是可信的。主要结论有：

图15　催化引起的（a）冰雹和（b）雨水源项微物理过程质量产生率的变化，图中各项符号意义同图8。正值表示催化使得该过程增强，负值则表示催化后该过程被减弱Fig. 15　The differences in mass production terms for (a) hail and (b) rain as a function of time between the seeded and unseeded cases (a positive value means an excess for the seeded case; legends as in Fig. 8)

（1）模拟的对流风暴先后经历了两次发展演变的过程。第一阶段的对流以单体为主，发展较为强盛，是由模式初始扰动激发的；第二阶段的对流相对较弱，呈现出多单体形式，是由下沉气流和低层环境风切变相互作用产生的。模拟风暴产生的降水以雨为主，占地面总降水量的78%，其次是冰雹占20%，霰的比例很小只有2%，无其他类型降水。第一阶段和第二阶段产生的降雨（雹）量对整个地面总降雨（雹）量的贡献分别为47%（70%）和53% （30%）。

图16　自然云（灰线）和催化云（黑线）地面降雨量（实线）和降雹量（点线）随时间变化Fig. 16　Rainfall (solid line) and hailfall (dotted line) on the ground as a function of time for the unseeded (gray) and seeded (black) runs

（2）风暴中冰相与液相的质量百分比接近1:1，说明冰相在暖底对流云的发展演变中有着重要作用。在所有冰相物质中，霰的比例最高，占冰相总质量的56%，其融化是大雨滴的一个重要来源，产生的雨滴占雨滴总数量和总质量的18%和57%。云雨自动转化对雨滴总数量和总质量的贡献分别为67%和19%。冰雹由霰转化而成，主要通过碰冻云水而增长。霰主要通过冰雪晶自动转化产生，雨滴冻结产生的霰粒子占霰总数量和总质量的27%和41%。

（3）对流发展初期在主上升气流区进行的催化试验表明，对本例对流云播撒碘化银能够同时获得增雨和减雹的正效果，增雨率和减雹率分别达到14%～62%和25%～35%，并且，增雨率随着播撒量的增加而增大，而减雹率则是先增大后减小。

（4）催化产生了明显的微物理和动力效应，并使地面降水的分布发生变化。催化增加的霰粒子通过竞争机制抑制了前期冰雹的形成，但增强了向雨滴的转化（通过融化机制），从而导致第一阶段的冰雹减少和雨增加，并使下沉气流增强；在低层环境风切变的作用下，增强的下沉气流促进了二次对流的发展，使入云的水汽通量继而云水含量增加，后期的云雨自动转化及碰并增长因此增强，从而导致第二阶段的雨和冰雹增加。

图17　自然云地面累积降水量（单位：mm h−1）的分布：(a) 雨；(b) 冰雹Fig. 17　Spatial distribution of (a) rainfall and (b) hailfall (units: mm h−1) accumulated on the ground for the unseeded case, with contour interval of 5 mm h−1starting at 5 mm h−1

图18催化云地面累积降水量（单位：mm h−1）的分布：(a) 雨；(b) 冰雹

Fig. 18As in Fig. 17, but for the seeded case

本研究证实了碘化银催化暖底对流云能够产生动力效应，同时验证了霰粒子在动力催化中的重要性（Rosenfeld and Woodley, 1993）。值得注意的是，动力效应的实现是和低层环境风切相联系的，并且云的生命史要较长，这点和冷底对流云类似（Chen and Xiao, 2010）。对于那些无风切或者弱风切环境下发展起来的对流云，或者生命期较短的对流云，动力效应有可能不存在或者不明显。这有待进一步研究证实。

（References）

Bruintjes R T. 1999. A review of cloud seeding experiments to enhance precipitation and some new prospects [J]. Bull. Amer. Meteor. Soc., 80 (5): 805–820.

陈宝君, 肖辉. 2007. 过冷雨水低含量条件下冰雹形成和增长机制及其催化效果的数值模拟 [J]. 大气科学, 31 (2): 273–290.Chen Baojun, Xiao Hui. 2007. Numerical simulation of hail formation and growth in a storm with low supercooled rain water content and the effect of AgI seeding on hail suppression [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 31 (2): 273–290, .

Chen B J, Xiao H. 2010. Silver iodide seeding impact on the microphysics and dynamics of convective clouds in the high plains [J]. Atmos. Res., 96 (2–3): 186–207.

Ćurić M, Janc D, Vučković V. 2007. Cloud seeding impact on precipitation as revealed by cloud-resolving mesoscale model [J]. Meteor. Atmos. Phys., 95 (3–4): 179–193.

Ćurić M, Janc D, Vučković V. 2008. Precipitation change from a cumulonimbus cloud downwind of a seeded target area [J]. J. Geophys. Res., 113 (D11): D11215, doi:10.1029/2007JD009483.

方春刚, 郭学良, 王盘兴. 2009. 碘化银播撒对云和降水影响的中尺度数值模拟研究 [J]. 大气科学, 33 (3): 621–633.Fang Chungang, Guo Xueliang, Wang Panxing. 2009. The physical and precipitation response to AgI seeding from a mesoscale WRF-based seeding model [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 33 (3): 621–633.

郭学良, 付丹红, 胡朝霞. 2013. 云降水物理与人工影响天气研究进展(2008～2012年) [J]. 大气科学, 37 (2): 351–363.Guo Xueliang, Fu Danhong, Hu Zhaoxia. 2013. Progress in cloud physics, precipitation, and weather modification during 2008–2012 [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 37 (2): 351–363.

何观芳, 胡志晋. 1998. 不同云底温度雹云成雹机制及其引晶催化的数值研究 [J]. 气象学报, 56 (1): 31–45.He Guanfang, Hu Zhijin. 1998. Numerical study on ice seeding in hailstorms with various cloud base temperatures [J]. Acta Meteorologica Sinica (in Chinese), 56 (1): 31–45.

何观芳, 胡志晋, 李淑日. 2001. 鄂西北对流云及其人工催化的三维数值模拟个例研究 [J]. 应用气象学报, 12 (增刊): 96–106.He Guanfang, Hu Zhijin, Li Shuri. 2001. Numerical simulation of rain enhancement experiment in northwestern Hubei Province of China [J]. Quart. J. Appl. Meteor. (in Chinese), 12 (S1): 96–106.

洪延超. 1998. 三维冰雹云催化数值模式 [J]. 气象学报, 56 (6): 641–653. Hong Yanchao. 1998. A 3-D hail cloud numerical seeding model [J]. Acta Meteorologica Sinica (in Chinese), 56 (6): 641–653.

洪延超. 1999. 冰雹形成机制和催化防雹机制研究 [J]. 气象学报, 57 (1): 30–44.Hong Yanchao. 1999. Study on mechanism of hail formation and hail suppression with seeding [J]. Acta Meteorologica Sinica (in Chinese), 57(1): 30–44.

Hsie E -Y, Farley R D, Orville H D. 1980. Numerical simulation of ice-phase convective cloud seeding [J]. J. Appl. Meteor., 19 (8): 950–977.

孔凡铀, 黄美元, 徐华英. 1990. 对流云中冰相过程的三维数值模拟 I:模式建立及冷云参数化 [J]. 大气科学, 14 (4): 441–453.Kong Fanyou, Huang Meiyuan, Xu Huaying. 1990. Three-dimensional numerical simulation of ice phase microphysics in cumulus clouds, Part I: Model establishment and ice phase parameterization [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 14 (4): 441–453.

雷恒池, 洪延超, 赵震, 等. 2008. 近年来云降水物理和人工影响天气研究进展 [J]. 大气科学, 32 (4): 967–974.Lei Hengchi, Hong Yanchao, Zhao Zhen, et al. 2008. Advances in cloud and precipitation physics and weather modification in recent years [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 32 (4): 967–974.

李兴宇, 洪延超. 2005. 三维冰雹云数值催化模式改进与个例模拟研究[J]. 气象学报, 63 (6): 874–888.Li Xingyu, Hong Yanchao. 2005. The improvement of 3D hail cloud model and case simulation [J]. Acta Meteorologica Sinica (in Chinese), 63 (6): 874–888.

Lin H-M, Wang P K, Schlesinger R E. 2005. Three-dimensional nonhydrostatic simulations of summer thunderstorms in the humid subtropics versus High Plains [J]. Atmos. Res., 78 (1–2): 103–145.

National Research Council. 2003. Critical Issues in Weather Modification Research [M]. Washington, D. C: National Academy Press, 123pp.

Orville H D. 1996. A review of cloud modeling in weather modification [J]. Bull. Amer. Meteor. Soc., 77 (7): 1535–1555.

Rosenfeld D, Woodley W L. 1993. Effects of cloud seeding in West Texas: Additional results and new insights [J]. J. Appl. Meteor., 32 (12): 1848–1866.

石安英, 樊慧新, 丛澜, 等. 1982. “三七” 炮弹聚能分散碘化银成冰核效率的试验研究 [J]. 大气科学, 6 (3): 315–323.Shi Anying, Fan Huixin, Cong Lan, et al. 1982. A study on the ice nucleus generating efficiency by “37 model silver iodide shell” possessing aggregative energy [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 6 (3): 315–323.

Silverman B A. 2001. A critical assessment of glaciogenic seeding of convective clouds for rainfall enhancement [J]. Bull. Amer. Meteor. Soc., 82 (5): 903–924.

Simpson J, Simpson R H, Andrews D A, et al. 1965. Experimental cumulus dynamics [J]. Rev. Geophys., 3 (3): 387–431.

Simpson J, Brier G W, Simpson R H. 1967. Stormfury cumulus seeding experiment 1965: Statistical analysis and main results [J]. J. Atmos. Sci., 24 (5): 508–521.

Simpson J, Woodley W L. 1971. Seeding cumulus in Florida: New 1970 results [J]. Science, 172 (3979): 117–126.

Simpson J. 1980. Downdrafts as linkages in dynamic cumulus seeding effects [J]. J. Appl. Meteor., 19 (4): 477–487.

Woodley W L, Jordan J, Simpson J, et al. 1982. Rainfall results of the Florida area cumulus experiment, 1970–76 [J]. J. Appl. Meteor., 21 (2): 139–164.

肖辉, 杨慧玲, 洪延超, 等. 2012. 大气冰核谱分布对对流风暴云人工催化影响的数值模拟研究 [J]. 气候与环境研究, 17 (6): 833–847.Xiao Hui, Yang Huiling, Hong Yanchao, et al. 2012. Numerical simulation of the impacts of ice nucleus spectra on cloud seeding effects in convective storm clouds [J]. Climatic and Environmental Research (in Chinese), 17 (6): 833–847.

周玲, 陈宝君, 李子华, 等. 2001. 冰雹云中累积区与冰雹的形成的数值模拟研究 [J]. 大气科学, 25 (4): 536–550.Zhou Ling, Chen Baojun, Li Zihua, et al. 2001. A numerical simulation of hailstorm accumulation zone and hail formation [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 25 (4): 536–550.

Modeling the Microphysical and Dynamical Effects of Silver Iodide Seeding of Warm-Based Convective Clouds

CHEN Baojun1, LI Aihua2, WU Linlin2, and SUN Yongtao3
1 School of Atmospheric Sciences, Nanjing University, Nanjing 210023
2 Weather Modification Office of Anhui Province, Hefei 230031
3 Shaanxi Zhongtian Rocket Technology Co., Ltd., Xi’an 710025

A three-dimensional convective cloud model was used to simulate the impact of silver iodide (AgI) seeding on a subtropical convective storm that occurred on 8 July 2004 in Anhui Province, eastern China. The primary goal was to further understand the microphysical mechanisms of precipitation formation in warm-based convective clouds, and to investigate the microphysical and dynamical effects of AgI seeding. The characteristic structure of the observed storm was reproduced well by the simulation. Autoconversion of cloud water to rain and melting of graupel were the major sources of raindrops, contributing 67% (19%) and 18% (57%) of total raindrop number (mass) concentration, respectively. AgI seeding carried out in the early stages of clouds in the main updraft regions resulted in substantial increases in rain and decreases in hail. The seeding increased graupel mass and thereby inhibited hail formation in the early stages, butenhanced rain formation and growth. The seeding also enhanced secondary convection and caused the cloud to process more water vapor and thereby cloud water, leading to increases in both the autoconversion of cloud water to rain water and accretional growth of cloud water by rain and hail and, ultimately, rain and hail enhancement in the later stages. Furthermore, seeding resulted in a redistribution of precipitation on the ground. These results indicate that AgI seeding could significantly influence the cloud microphysics, dynamics and, subsequently, the precipitation of warm-based convective clouds.

Warm-based convective clouds, Dynamic seeding, Static seeding, Rain enhancement, Yangtze–Huaihe River basin

Funded bySpecial Scientific Research Fund of Meteorological Public Welfare Profession of China (Grant GYHY201306040), National Natural Science Foundation of China (Grant 41175118), National Basic Research Program of China (973 Program, Grant 2013CB430105)

暖底对流云 动力催化 静力催化 人工增雨 江淮地区

1006-9895(2016)02-0271-18

P481

A

10.3878/j.issn.1006-9895.1503.14271

2014-09-23；网络预出版日期 2015-05-13

陈宝君，男，1972年出生，博士，教授，主要从事云降水物理和人工影响天气研究。E-mail: bjchen@nju.edu.cn

公益性行业（气象）科研专项GYHY201306040，国家自然科学基金项目41175118，国家重点基础研究发展计划（973计划）项目2013CB430105