一次梅雨锋暴雨过程数值模拟的云微物理参数化敏感性研究

周志敏 崔春光 胡扬 康兆萍

1 中国气象局武汉暴雨研究所暴雨监测预警湖北省重点实验室，武汉 430205

2 中国气象科学研究院灾害天气国家重点实验室，北京 100081

1 引言

梅雨锋暴雨是我国长江中下游地区夏季汛期的主要气象灾害，其具有持续时间长和突发性强的特征，往往产生大范围洪涝灾害，给该流域经济和人民生命财产安全带来严重威胁和损失。由于对大气环流的短时突变、强对流天气系统发生、发展的机理缺乏深入了解，故针对暴雨的落区、突发时间、强度突变等预报难度较大。

针对梅雨锋暴雨的研究，过去几十年的工作积累了不少成果。有些研究侧重于动力、热力条件的资料分析和模拟研究，如环流特征，温度场，风场结构、中尺度扰动和水分及能量收支、不稳定理论和位涡与辐射冷却的诊断分析、高低空急流的耦合作用等（孙淑清, 1982; Yu et al., 1988; 祁秀香等,2015; 杨舒楠等, 2017）；有些研究侧重于梅雨锋暴雨系统的结构特征及形成与维持（王建捷和陶诗言, 2002; 郑婧等, 2015; 谌伟等, 2017）和梅雨锋上的涡旋系统（陆汉城等, 2002; 谷文龙等, 2010; 刘梦娟等, 2017）。越来越多的研究人员发现，要提高梅雨锋暴雨的预报水平，必须重视其中的云微物理过程（孙建华和赵思雄, 2000）。因为云微物理过程对环境的动力、热力过程有着不可忽视的反馈作用，尤其是水成物相态变化释放（吸收）潜热对热力和动力过程有着重要影响。

目前为止，在没有针对云系相关的非常规探测资料时，除了降水之外，主要从宏观热力和动力方面对模式结果进行评估检验。然而，这是不完善的，模式的云的微物理属性同样需要与观测进行比较。由于观测的局限性，无论是利用飞机、卫星，还是云雷达等非常规探测设备，都无法针对特定云系做完美的跟踪观测。因此，梅雨锋暴雨系统中的云微物理过程无法追踪。由于模式结果具有时间和空间上的连续性，就研究云的属性及变化过程而言，数值模式可以作为一个重要的辅助工具。当然，该工具也存在一定不足。因为云微物理参数化是影响天气过程模拟效果的重要因素之一，但云微物理参数化本身却存在不确定性，且该不确定性至少由三个原因产生：

首先，云微物理参数化的不确定性来自对水成物属性的定义。由于冰相粒子形状复杂，密度范围较广，对其增长有着重要影响（Morrison and Milbrandt, 2015）。根据冰相粒子的处理方式不同，云微物理参数化方案可以被分为两类。一类是传统方式，水成物被分为云滴、雨滴、冰晶、雪和霰（雹）等（Lin et al., 1983; Rutledge and Hobbs,1984），并且水成物的特征，如群密度、下落末速度、粒子形状等都已经在方案中预设；云滴和雨滴均假设为球体，尽管雨滴在空中运动时存在形变，但大体上假设是合理的；冰相粒子则相对复杂，尤其是雪粒子，存在盘状、针状、多边形等形态。有的方案将雪粒子视为球体（Morrison et al., 2005），有的方案将雪粒子视为球体和非球体进行考虑（Milbrandt and Yao, 2005a, 2005b），有的方案对雪粒子分档进行处理（Thompson et al., 2008）；同时，由于云微物理参数化方案考虑不同冰相粒子之间的相互转换，预设的冰相粒子属性差异在此过程中，必将产生新的不确定性（Morrison and Milbrandt, 2015）。另一类云微物理参数化方案将冰相粒子合成一类进行考虑（Lin and Colle, 2011;Morrison and Milbrandt, 2015），以期减少不同冰相粒子之间相互转换带来的不确定性。但是，该方法带来的水成物聚合、凇附效率等方面的不确定性对数值模式的性能产生影响（Morrison and Milbrandt, 2015）。

其次，云微物理参数化的不确定性来自不同方案对云微物理过程处理的差异。有的方案关注大尺度抬升和中尺度辐合造成的锋面降水（Rutledge and Hobbs, 1984），有的方案侧重于积雨云的降水过程（胡志晋和何观芳, 1987），有的方案侧重于冰雹云（许焕斌和王思微, 1985; 孔凡铀等, 1990，郭学良等, 2001），有的方案侧重于积层混合云（刘公波等, 1994; 楼小凤, 2002），有的方案强调云凝结核和冰核的重要性及其对长短波辐射的影响（Morrison et al., 2009）。由于研究侧重点不同，故参数化方案中对云微物理过程的处理方式也有所差异。为了比较不同云微物理参数化方案的结果，研究人员做了大量工作：孙晶和王鹏云（2003）认为MM5 模式中的Reisner 霰方案对华南暴雨具有较好的模拟能力。楼小凤（2002）等对比并详细分析了Goddard、Reisner 和Schultz 方案的物理并指出，模拟台风最低气压和地面最大风速时，Reisner方案并不存在优势。闫之辉和邓莲堂（2007）对比分析了各种微物理参数化方案对降水预报的影响，认为Lin 方案总体预报结果较好。尹金方（2014）调研了十余年来中尺度模式云微物理参数化方案在中国范围内敏感性试验研究成果后也认为，WRF模式中Lin 方案的效果较好。而朱格利等（2014）利用WRF 模式中不同云微物理参数化方案对华南一次暴雨过程进行数值模拟和性能分析后发现，Lin 方案的模拟效果最差。因此，不同云微物理参数化方案的模拟性能随着个例的不同而呈现出差异。

最后，云微物理参数化的不确定性来自方案的设计思路。严格意义上来讲，一个完美的数值模式除了准确描述宏观热、动力场之外，还必须完美描述微观场的变化过程。许焕斌和尹金方（2017）提出了“人工影响天气数值模式”的概念，因为其它数值模式（气候、环境、天气及单一云—降水微物理模式等）一般只关注云场、地面降水、潜热加热项等，而人工影响天气模式关心云体内部结构，需要显式地描述云。云体结构及其演变是宏微观场相互作用的结果，参数化方法需具有动态描云体演变的功能。本质上，这个概念不仅仅适用于“人工影响天气数值模式”，也应该适用于其它模式。而事实是，现有模式的云微物理参数化方案往往是一个静态的概念，云体演变过程中，参数化方法固定不变，如很多云微物理参数化方案将部分水成物转换临界值取为定常值，这种不足主要由于现阶段研究人员对降水系统里面的云微物理过程认识不足所致。随着探测技术的逐步提升，对云微物理过程认识的逐步深入，有些武断的假设将参照大量观测资料，重新进行严谨地参数化表述。

尽管云微物理参数化方案存在诸多不确定性，但在现有条件下，为了做好云微物理参数化方案的本地化工作，提高梅雨锋暴雨的预报水平，我们有必要深入了解不同方案中的云微物理参数化过程差异。目前，很多研究人员已经通过水成物的源汇项收支比较了相关降水机制（Cui and Li, 2006; Wang et al., 2007; Cui, 2008; Huang et al., 2019），但相关研究主要聚焦于热带降水系统，在梅雨锋暴雨方面的分析相对较少。

本文期望从水成物源汇项差异的角度出发，通过一次梅雨锋暴雨过程的数值模拟研究，分析不同云微物理参数化方案对梅雨锋暴雨的影响，从而为改善云微物理方案做一些前期工作。本文将在第二部分介绍使用数据和方法，第三部分介绍本文所用个例的概况，第四部分对模拟结果进行讨论，最后在第五部分进行总结和讨论。

2 数据和方法

2.1 数据

本文使用的降水数据是CMORPH，分辨率为0.1°×0.1°（王新华等, 2006），该数据已经过质量控制。欧洲中心的第五代再分析资料ERA5 作为模式的背景场，该数据水平分辨率为0.25°×0.25°，时间分辨率为1 h，垂直方向共37 层（从1000 hPa到10 hPa）。

2.2 研究方法

本文的数值模拟采用了中尺度数值模式WRF的V3.4.1 版本，双层嵌套（见图1），中心经纬度为（31.5°N，110°E）。为尽可能减少模式的“spinup”现象，模式运行从2018 年6 月29 日12:00（协调世界时，下同）开始，止于6 月30 日11:00。并且为了对背景场进行约束，对外层网格采用了“nudging-微调逼近”约束，约束的时间周期和模式运行周期同步。模式采用了三个云微物理参数化方案（Morrison and Milbrandt, 2005; Milbrandt and Yao, 2005a, 2005b; Thompson et al., 2008）进行比较和评估。模式结果1 小时输出一次。模式设置如表1。

图1 模式模拟区域，红色实心圆表示模式外层区域中心点Fig. 1 Geographical domain used in WRF model runs. The red solid circle indicates the central point of the outer domain

表1 模式参数设置Table 1 The settings of model parameters

2.3 分析方法

本文选择了梅雨锋背景下的一次过境湖北省的强降水过程进行分析，分析的侧重点在于导致降水差异的不同云微物理方案中的云微物理过程差异。由于不同云微物理参数化方案的主要差异在于对冰相粒子的考虑（Morrison and Milbrandt, 2015），为减少冰相粒子之间相互转换带来的复杂性，本文首先将冰相粒子作为一个整体进行考虑，比较不同方案的差异，然后再分析雪粒子和霰粒子与云滴、雨滴之间的碰并过程。根据分析需求，本文考虑的云微物理过程见表2。

表2 本文所用的微物理过程Table 2 The microphysical source/sink terms

3 概况（天气形势）

本次过程始于2018 年6 月28 日22:00，时断时续，一直持续到7 月1 日。该过程在湖北境内的连续时段为2018 年6 月29 日22:00 至30 日11:00。30 日12:00～16:00，雨带南压到湖南省北部，但是17:00 开始，湖北东部又开始发生明显降水。为了持续跟踪降水系统，选择2018 年6 月29 日22:00 至30 日11:00 进行考虑。在该时段，最大累积降水强度为189 mm（基于CMORPH 数据）。图2 为2018 年6 月29 日22:00 至30 日11:00 基于ERA5 再分析场的不同高度层的风场及水汽场等的平均分布情况，各层环流及其配置有利于湖北区域产生强降水过程。

如图2a 所示，200 hPa 高度上，湖北、河南一带位于高空急流入口区右侧，处于次级环流的高空辐散区，对应次级环流的上升支。我国中东部地区低层则主要受到西南季风的影响（图2b 和c）。从图2b 可知，700 hPa 高度上，贵州北部存在温度大值区，湖北南部及西部存在一条切变线，在暖平流的配合下，有利于上升运动的产生和不稳定层结的建立。从图2c 可知，850 hPa 高度上，湖北省受多个方向的水汽通量影响，主要来源是西南气流输送的水汽，其在湖北中部（31°N，112°～114°E）形成很强的辐合中心。湖北省北部的水汽来自东部，但对应水汽的辐散区。

图2 2018 年6 月29 日22:00 至30 日11:00（协调世界时，下同）基于ERA5 再分析场的相关物理量时间平均分布：（a）200 hPa 风矢量（单位：m s-1）和纬向风速（填色，单位：m s-1）；（b）700 hPa 风矢量（单位：m s-1）和温度（填色，单位：°C）；（c）850 hPa 水汽通量（单位：g s-1 hPa-1 cm-1）和水汽通量散度（填色，单位：10-7 g s-1 hPa-1 cm-2）Fig. 2 The time means (2200 UTC 29 June to 1100 UTC 30 June 2018) of (a) wind vectors (units: m s-1) and zonal wind velocity (shaded; units: m s-1) at 200 hPa, (b) wind vectors (units: m s-1) and air temperature (units: °C) at 700 hPa, and (c) moisture flux (units: g s-1 hPa-1 cm-1) and moisture flux divergence (shaded; units: 10-7 g s-1 hPa-1 cm-2) at 850 hPa based on the ERA5 reanalysis

4 模拟结果分析

4.1 天气形势模拟比较

图3 为2018 年6 月29 日22:00 至30 日11:00基于不同云微物理参数化方案、不同高度层的风场及水汽场的平均分布情况。对比图2 和图3 可知，三个方案模拟的热、动力场，大体上和再分析场相近。从图3a1、b1 和c1 可知，三个方案均模拟出了200 hPa 上的西风急流，且湖北省均处于高空急流入口区右侧。Thompson 方案中，在安徽和江苏北部，西风急流较再分析场更强，也强于其它两个方案。同时，在湖北中部地区的风场较再分析场及其它两个方案略弱。在700 hPa 高度上（见图3a2-c2），Thompson 方案的温度梯度较大，温度平流略强，其次是Morrison 方案，MY 方案相对更弱。此外，三个方案模拟的850 hPa 水汽通量差别不大，水汽来源主要是西南季风输送；但水汽辐合区的位置则存在明显差异。Morrison 方案中，最强的水汽辐合区呈“水平分布”，位于湖北中部偏南（30°N，112°～114°E）。Thompson 方案中的主要水汽辐合区大体呈“西北—东南”方向分布（30°～32°N，112°～114°E）。MY 方案中的水汽辐合区相对其它两个方案来说，较为零散，在湖北区域没有明显的水汽辐合带。

图3 同图2，但为不同方案的模拟结果：（a1-a3）Morrison 方案；（b1-b3）Thompson 方案；（c1-c3）MY 方案Fig. 3 Same as Fig. 2 but for the model output based on the (a1-a3) Morrison, (b1-b3) Thompson, and (c1-c3) MY microphysical schemes

综上所述，三个方案均较好再现了本次过程的天气尺度热力、动力背景场，因此，我们要分析的不同云微物理参数化方案对局地降水影响的可信度也较高。三个方案之所以能大致模拟出大尺度过程，原因之一可能是因为在该区域使用的是显式云微物理参数化方案，而显式方案对相对均匀的大尺度云系具有较好的描述能力（许焕斌和尹金方, 2017）。显式方案对非均匀的中小尺度对流系统描述能力弱于隐式方案，当系统中的非均匀性中小尺度系统较强时，大尺度系统的描述就会相对较差。因此，三个方案的结果中，与大尺度场存在差异的区域，部分原因可能就是显示方案的不足所致（严格来说，这是一个综合的结果，还与热、动力场及其它物理过程对云微物理过程的反馈有关）。

图4 为2018 年6 月29 日22:00 至30 日11:00不同云微物理参数化方案模拟的700 hPa 位势高度场的标准差及垂直气流。从图4a1-c1 可知，Thompson方案中，700 hPa 位势高度场的标准差在湖北中部存在一个大值中心，而其它两个方案的结果则没有明显的中心，且在该时段内湖北省内的高度场的标准差基本小于10 gpm。这说明Thompson 方案中的局地环流变化（例如系统的发展、消亡或移动等）更剧烈。相应地，低层的垂直速度更大（图4b2）。值得注意的是，对比图4a2-c2 与图3a3-c3 可知，垂直速度的大值区除了和位势高度标准差的大值区相对应之外，和水汽辐合区也存在较好的对应关系。

图4 2018 年6 月29 日22:00 至30 日11:00（a1、a2）Morrison 方案、（b1、b2）Thompson 方案、（c1、c2）MY 方案模拟700 hPa 位势高度场的标准差（第一行，单位：gpm）及垂直气流（第二行，单位：m s-1）空间分布Fig. 4 Spatial distribution of the standard deviation of the geopotential height (top line, units: gpm) and vertical airflow (bottom line, units: m s-1) at 700 hPa during 2200 UTC 29 June to 1100 UTC 30 June 2018 based on the model output of (a1, a2) Morrison, (b1, b2) Thompson, and (c1, c2) MY microphysical schemes

图5 为湖北地区（选择108.35°E～116.25°E 范围）的平均经向环流及西风的垂直剖面图。通过图3 和图5 可知，三个方案中，高空西风急流的南侧都存在着上升气流，但高空急流下方上升气流并不强。Thompson 中的垂直气流在中低层最强，且西风气流大值区的延伸范围最大，向下伸展高度最低（图5b）。Morrison 方案中的上升气流和MY方案差别不大（图5a 和c），前者略强，低层西风急流伸展范围也略广。

图5 2018 年6 月29 日22:00 至30 日11:00（a）Morrison 方案、（b）Thompson 方案、（c）MY 方案模拟湖北地区（108.35°E～116.25°E）的时间平均经向环流（风矢图，单位：m s-1）及西风（填色，单位：m s-1）的垂直剖面Fig. 5 Vertical section of the time-averaged meridional circulation (vectors, units: m s-1) and zonal wind (shaded, units: m s-1) based on the model output of (a) Morrison, (b) Thompson, and (c) MY microphysical schemes during 2200 UTC 29 June to 1100 UTC 30 June 2018

4.2 降水及水成物分析

图6 为2018 年6 月29 日22:00 至30 日11:00的累积降水的观测和模拟结果。红色方框基本覆盖整个湖北省，即为本文的重点研究范围。从图6 可知，三个方案均模拟出了降水的覆盖区域，但同时覆盖范围更广。在红色方框范围（下文分析均基于此区域开展），从累积降水大于75 mm 的范围比较来看，Thompson 方案模拟的降水最强，Morrison和MY 差别不太大。不同方案之间的降水极值区分布差异较大，Morrison 方案模拟得到的强降水区覆盖范围与观测更为吻合。

图7 为模拟和观测逐时降水强度（Rain Rate，简称RR）的概率分布图。从图7 可知，三个方案的模拟结果均高估了雨强。Thompson 方案的模拟结果在RR＜60 mm h-1范围基本最大，但超过该范围后，MY 的降水模拟值最大。当RR 处于30 到35 mm h-1范围，MY 方案的模拟值小于Morrison方案。当RR 在其它范围，Morrison 则小于MY 方案。RR 的观测值最大约为55 mm h-1，但三个方案的RR 模拟最大值几乎为观测值的一倍。

图8 为2018 年6 月29 日22:00 至30 日11:00降水的观测和模拟的区域（图6 所示红色方框区域，下同）平均值时间变化。从图8 可知，模拟和实测降水在大部分时段较为相似（如2018 年6 月29日22:00 至30 日04:00，6 月30 日09:00 至11:00），但模拟降水明显强于观测结果。雨滴含量与降水的时变曲线也大体相似，但其峰值出现时间并不一致，后者出现峰值的时间更早。从三个方案的比较结果来看，Thompson 方案模拟的降水最强（与图6 保持一致），其次是Morrison 方案，MY 方案模拟的降水相对最弱，但其在部分时段强于Morrison方案，其变化相对剧烈。Thompson 方案模拟的雨滴含量在部分时段少于Morrison 方案，MY 方案模拟的雨滴含量在整个模拟时段均最小。雨强和雨滴含量之所以不完全匹配，原因之一是雨滴含量是高度上的积分值，而雨强仅仅是模式最底层的结果。另一个原因是，雨滴的分布还受动力场影响，如平流项及湍流混合项均对其分布有着一定作用。尽管如此，两者在大部分时段依然保持相似变化。

图8 2018 年6 月29 日22:00 至30 日11:00 降水的（a）小时区域（图6 红色方框所示区域）平均（单位：mm）及（b）雨滴含量（单位：g m-3）平均值的时间变化曲线Fig. 8 Time series of the (a) area-averaged (area indicated by red rectangle in Fig.6) hourly rainfall intensity (units: mm) and (b) rainwater content(units: g m-3) during 2200 UTC 29 June to 1100 UTC 30 June 2018

从累计降水量值及其分布区域来说，Morrison方案的模拟效果相对最优；从小时降水来说，Morrison 和Thompson 方案在不同时段分别占优，但模拟效果均强于Thompson 方案。因此，综合来看，Morrison 方案在本次模拟过程中效果相对最优。

图9 为三个方案水成物含量（小时累积）区域平均值随时间和高度的分布。尽管图8 中三个方案的平均降水演变趋势具有相似性，但水成物的演变却存在明显差别。从云滴分布来看（图9a1-c1），三个方案不仅极值中心出现的时间有差异，在分布高度上也存在差异。Morrison 方案中，云滴的5 g m-3等值线超过-10°C 以上高度，极值为17.3 g m-3；Thompson 方案中，该等值线在-10°C 高度层以下，极值为15.65 g m-3，与Morrison 方案差别不大。而MY 方案中，云滴的5 g m-3等值线伸展到了300 hPa 高度附近（-30°C）。并且，极值为26.4 g m-3，明显大于其它两个方案。对三个方案模拟的雨滴来说，其5 g m-3等值线均在零度层以上，但三个方案中的雨滴含量演变及极值也存在较大差异，Morrison、Thompson、和MY 方案的雨滴含量极值分别为37.5 g m-3、57.0 g m-3和34.4 g m-3。

冰相粒子的演变及垂直分布比液态粒子的差异更大。Thompson 方案中模拟的冰粒子最少（图9b1），整个时段、所有高度上冰粒子平均含量均小于3 g m-3的区域；Morrison 方案中，存在小部分大于3 g m-3的区域；MY 中的冰粒子分布高度及时间跨度远大于其它两个方案，且最大冰粒子平均含量为45.4 g m-3，位于-40°C 高度以上。在雪粒子的演变过程中，MY 方案中存在两个极值中心（图9b3），其它方案只有一个。然而，Morrison 和Thompson 方案中，极值中心的强度及分布高度区间存在较大差异（图9b1 和b2）。Morrison 方案中的雪粒子平均含量极值所在高度位于0～-10°C 区间，且极值不超过40 g m-3，而Thompson 中的雪粒子平均含量极值所在高度位于-10°C～-20°C 区间，且极值超过100 g m-3。MY 方案中的雪粒子平均含量极值与Morrison 方案模拟结果相近。就霰粒子而言，三个方案的模拟结果差异也较大。Morrison 方案中，霰粒子平均含量在两个时段存在极值，最大极值为37.8 g m-3；Thompson 方案中的霰粒子平均含量最少，仅为16.4 g m-3；MY 方案中的霰粒子平均含量略少于Morrison 方案，为36.8 g m-3。

图9 2018 年6 月29 日22:00 至30 日11:00 Morrison 方案（左列）、Thompson 方案（中间列）以及MY 方案（右列）中水成物的区域平均值随时间演变：冰晶（第一行）；雪粒子（第二行）；霰粒子（第三行）。填色表示冰相粒子含量（单位：g m-3）；黑色实线为平均温度，等值线从0°C～-40°C，间隔10°C；红色实线表示云滴含量，等值线从5～35 g m-3，间隔5 g m-3；蓝色实线表示雨滴含量，等值线从5～55 g m-3，间隔5 g m-3。Fig. 9 Time evolution (during 2200 UTC 29 June to 1100 UTC 30 June 2018) of area-averaged vertical profiles of ice (top line), snow (second line),and graupel (bottom line) hydrometeors by Morrison (left column), Thompson (middle column), and MY (right column) scheme, respectively. The shaded area indicates the distribution of ice phase hydrometeors (units: g m-3). The black solid lines indicates the average temperature, and the contours are from 0°C to -40°C with 10°C of intervals. The red dashed lines indicate the cloud droplet content (units: g m-3), and the contours are from 5 g m-3 to 35 g m-3 with 5 g m-3 of intervals. The blue dashed lines indicate the raindrop content (units: g m-3), and the contours are from 5 g m-3 to 55 g m-3 with 5 g m-3 of intervals

综上所述，三个方案模拟的水成物存在较大差异，Thompson 方案中雪粒子含量明显偏多，冰晶和霰相对较少；MY 方案中冰晶粒子含量最多，其次为Morrison 方案，两者的霰粒子含量均多于雪粒子。液态粒子（尤其云滴）的分布及演变均存在较大差异，由于过冷水是影响凇附过程等的关键因素，因此，该差异是冰相粒子分布及演变存在不同的重要原因之一。

4.3 液态粒子主要源汇项特征分析

雨滴含量差异是导致降水差异的最直接原因。从图8 可知，通过雨滴含量的分析，能大体上了解雨强的变化趋势，为了分析雨滴含量的变化趋势，特对雨滴的源汇项进行了分析。图10 表示雨滴的五个主要源汇项在空间平均的时变曲线。从图10可知，冰相粒子融化项Mlt 及雨滴对云滴的搜集项CLcr 项是雨滴的核心源项，云滴向雨滴的自动转化项Auto 相对于其它项来说基本忽略不计。并且，三个方案中的CLcr 项都大于Mlt 项。Morrison方案模拟的CLcr 项极值最大，其次是Thompson方案，MY 中的CLcr 项极值最小。Thompson 方案中的雨滴蒸发和凇附效应最强，其次是Morrison方案，MY 中的雨滴蒸发项Evap 最弱。除云滴自动转化外，其它四个源汇项随时间演变大体上有着相似性，但三个方案也存在差异。Morrison 和MY 方案中，四个主要源汇项大致在2018 年6 月30 日07:00 达到极值，而Thompson 方案中，四个主要源汇项达到极值的时间为2018 年6 月30 日08:00。

从图10 可知，尽管不同方案的主要雨滴源汇项量值有些差异，但其随时间的演变仍具有一定相似性。图11 为不同方案中雨滴主要源汇项总量区域平均的垂直分布比较（这里考虑了源汇项的正负，图10 主要考虑量值比较）。由图11 可知，三个方案的融化总量极值所在高度一致，Morrison 模拟的融化量极值最大，Thompson 方案略小，MY 方案最小。在冰相粒子对雨滴的搜集作用上，三个方案出现较大差异。Morrison 和MY 均认为，在碰并过程中，雨滴是冰相粒子增长的源，从量值来看，Morrison 方案中雨滴贡献明显大于MY 方案，但其极值所在高度更低。而Thompson 方案则认为，零度层以上，雨滴作为冰相粒子的增长源；而零度层以下，冰相粒子和雨滴的碰并将成为雨滴增长的源，即雨滴搜集到的冰相粒子将转化为与雨滴。三个方案的雨滴搜集云滴过程形态也较为相似，但Thompson 方案中，该过程最强，MY 方案中最弱。Morrison 和MY 方案中的雨滴蒸发项垂直分布较为相似，从零度层高度往下直到750 hPa 左右高度，蒸发逐步增强。750 hPa 高度以下，蒸发变化较小。Thompson 方案的雨滴蒸发过程则明显强于其它两个方案，且从零度层往下至近地层，蒸发量逐步增大，这与其它两个方案存在显著差异。

图10 2018 年6 月29 日22:00 至30 日11:00 的主要雨滴源汇项空间平均值（单位：g m-3）的时间变化：（a）Morrison 方案；（b）Thompson方案；（c）MY 方案Fig. 10 Time series of the volumetrically averaged content (units: g m-3) of the main source and sink terms of rain during 2200 UTC 29 June to 1100 UTC 30 June 2018 by (a) Morrison, (b) Thompson, and (c) MY schemes

图11 不同方案的雨滴主要源汇项总量（单位：g m-3）区域平均值的的垂直分布：（a）Morrison 方案；（b）Thompson 方案；（c）MY方案Fig. 11 Vertical profiles of area-averaged content (unit: g m-3) of the key sink and source termsof raindrop by (a) Morrison, (b) Thompson, and (c)MY schemes

图12 为不同方案的Mlt、CLcr 及Evap 项在湖北省区域的高度平均分布。对比图6 可知，图12中三个关键源汇项的大值区大体对应了累积降水的大值区（尤其强降水区）。尽管图10 中，不同方案的Mlt、CLcr 及Evap 项变化趋势较为相似，差别主要体现在量值上，但图12 显示，上述三个源汇项的空间分布在不同方案中也存在较大差异，CLcr 项对雨滴的增长贡献明显强于Mlt 项，区域极值也更大。Morrison 方案中，CLcr 及Mlt 项呈水平分布，因此最强降水区及最强蒸发区也呈水平分布。Thompson 方案中，CLcr 和Mlt 项呈“西北—东南”走向，因此最强降水区及最强蒸发区也呈“西北—东南”分布。MY 方案中的雨带分部相对复杂，一条从鄂西北开始延伸，另一条在湖北南部，CLcr、Mlt 和Evap 项分别与其有着良好对应关系。这些差异导致不同方案中模拟降水的位置和强度差异。冰相粒子融化或雨滴搜集云滴的高估可能是造成区域平均降水模拟值偏强的重要原因之一。

图12 2018 年6 月29 日22:00 至30 日11:00 Morrison 方案（第一行）、Thompson 方案（第二行）以及MY 方案（第三行）中源项Mlt（左列）、CLcr（中间列）及汇项Evap（右列）的高度平均分布，单位：g m-3Fig. 12 Distribution of the height-averaged total amount of Mlt (left column), CLcr (middle column) source terms, and (c) Evap sink term (right column) of rain during 2200 UTC 29 June to 1100 UTC 30 June 2018 by Morrison (top line), (b) Thompson (second line), and MY (bottom line)schemes, units: g m-3

需要注意的是，Evap 项的空间分布并非和Mlt 或CLcr 项一一对应，因为其主要对应的是雨滴含量，而影响雨滴含量分布的因子除了微物理过程项之外，还有平流项、湍流混合项等（主要针对小粒子）。

云滴是影响降水的另一个重要因子。图13 为云滴的三个关键源汇项区域平均的垂直分布图。从图13 可知，三个方案中的主要云滴源汇项的垂直分布存在相似之处，云滴凝结的峰值高度均分别位于在750 hPa 及550 hPa 左右高度，雨滴搜集云滴的峰值高度也大致相似，位于600 hPa 高度附近。但三者也存在明显差异，Thompson 中（图13b），水汽凝结明显强于其它两个方案，峰值为9.24 g m-3，次峰值为5.8 g m-3；而Morrison 方案中（图13a），水汽凝结峰值为4.94 g m-3，次峰值为3.67 g m-3；MY 方案中（图13c），尽管水汽凝结峰值略小于Morrison 方案，为4.82 g m-3，但次峰值明显大于Morrison 方案，为4.16 g m-3。除了凝结总量之外，三个方案中水汽凝结在高层也存在明显差异。MY方案中，300 hPa 以上水汽凝结明显，最大凝结高度高于250 hPa，Morrison 方案中的最大凝结高度略低于250 hPa，而Thompson 方案中的最大凝结高度略高于300 hPa，且300 hPa 以上高度凝结量极少。该现象是图9 中云滴能够在400 hPa 高度以上仍存在大值中心的重要原因。总体而言，MY 方案中的凝结效应略强于Morrison 方案。

图13 不同方案的云滴主要源汇项总量（单位：g m-3）)区域平均值的的垂直分布：（a）Morrison 方案；（b）Thompson 方案；（c）MY方案Fig. 13 Vertical profiles of area-averaged content (unit: g m-3) of the key sink and source termsof cloud droplet by (a) Morrison, (b) Thompson, and(c) MY schemes

由于Thompson 方案中水汽凝结效应最强，因此，该方案中雨滴搜集云滴的总量显著多于其它两个方案，且峰值高度相近。尽管Morrison 方案中的水汽凝结略弱于MY 方案，但雨滴搜集云滴的量仍明显高于MY 方案。对于冰相粒子搜集云滴来说（Col2 包含冰相粒子直接搜集云滴，与Col1类似，只是专门针对云滴而言），Thompson 方案依然最强，MY 方案其次，Morrison 方案略微弱于Morrison 方案。三者的极值高度存在较大差异。Thompson 方案中，Col2 的极值高度最低，略高于500 hPa 高度；Morrison 方案中，Col2 极值高度在500 hPa 附近；MY 方案中，Col2 极值高度位置仅略低于400 hPa。

由以上分析可知，Thompson 方案中，凝结效应、雨滴搜集云滴增长及云滴对冰粒子增长的贡献均最强；MY 方案中的凝结效应及云滴对冰相粒子增长的贡献强于Morrison 方案，但后者雨滴搜集云滴增长强于前者，两者凝结效应及雨滴对云滴搜集增长的峰值高度相近，但云滴对冰相粒子贡献的极值高度则存在明显差异。

4.4 冰相粒子主要源汇项特征分析

图14 为冰相粒子的主要源汇项平均值时间变化的比较。从前文可知，就本次过程而言，冰相粒子的融化是影响雨滴增长的关键因素之一。因此，首先将不同方案的冰相粒子都作为一个整体进行比较。在输出冰相粒子源汇项之后发现，冰相粒子融化、水汽凝华及冰相粒子与雨滴和云滴的碰并过程是冰相粒子增长的重要来源。下文将分别对其进行比较。就Mlt 项来说，Morrison 方案模拟含量最多，MY 和Thompson 方案差别不大（图14a）。就VD和Col1 项而言，Thompson 方案模拟量最多，其次是Morrison 方案，MY 方案模拟相对最少（图14b和c）。三个方案中的Col2 值大于Col1（图14d），一个重要原因在于，水汽在较高处凝结成云滴（图13），然后云滴和冰相粒子发生碰并过程。而雨滴与冰相粒子的碰并过程发生在相对低的高度，尽管雨滴含量相对较大，但参与凇附过程几率相对较小，故三个方案中的Col2 项均强于Col1 项。尤其是MY 方案，Col2 值数倍于Col1 值，而Thompson方案中两者差值相对较小。

图14 2018 年6 月29 日22:00 至30 日11:00 不同方案冰相粒子主要（a）汇项Mlt 及源项（b）VD、（c）Col1、（d）Col2 空间平均值（单位：g m-3）的时间变化Fig. 14 Time series of the volumetrically averaged content (units: g m-3) of the distribution of the height-averaged total amount of the (a) sink term Mlt and source term (b) VD, (c) Col1, (d) Col2 of rain during 2200 UTC 29 June to 1100 UTC 30 June 2018 by different schemes

图15 为Col2 和VD 项的垂直分布（冰相粒子融化项Mlt 及冰相粒子对雨滴的碰并搜集Col1 已在图11 中讨论，不再赘述）。从图15a 和b 可知，Morrison 和Thompson 方案中，Col2 的极值高度差别不大，略低于MY 方案。Morrison 和MY 方案中的Col2 极值差别不大，约为Thompson 方案极值的一半。对VD 来说，Morrison 和Thompson 方案的形态相似，极值高度在350 hPa 附近，但前者数值约为后者一半。MY 方案中，VD 的分布形态表现出较大差异，廓线明显窄于其它两个方案，并且极值高度在250 hPa 附近，显著高于其它两个方案。需要说明的是，MY 方案中，凝华增长效应在中底层为负值，这是因为该高度区间的区域平均表现为升华。由图15b 可知，Thompson 方案中的升华效应最强。事实上，该方案的凝华效应也表现为最强。Morrison 和Thompson 方案中，Col2 的极值高度低于VD 的极值高度，MY 方案则恰好相反。

图15 同图11，但为云滴主要源汇项（CLcr, Col2, Cond）Fig. 15 Same as Fig.11 but for key sink and source of the cloud droplet (CLcr, Col2, and Cond)

事实上，三个方案中Col2 和VD 的差异揭示了导致冰相粒子分布差异的重要原因之一（其它两个原因在前面已经描述）。下文将从不同冰相粒子的角度进行分析。

图16 为冰晶、雪和霰粒子的凝华/升华效应。从图16 可知，三个方案的凝华/升华效应存在显著差异。Morrison 方案中，雪粒子凝华和升华效应均强于霰粒子，冰晶粒子的凝华效应较小，升华效应几乎可以忽略不计（图16a）。Thompson 方案中，雪粒子的升华效应占主导地位，其它两类冰相粒子的贡献与其相比微乎其微（图16b）。MY 方案中，冰晶的凝华效应略弱于雪粒子，从其廓线形态来看，冰晶粒子的凝华差异是导致图16 中冰相粒子与其它两个方案显著差异的重要原因，也是图9 中MY 方案冰相粒子明显多于其它方案的关键原因。

图16 不同方案的冰晶、雪和霰粒子的凝华/升华项总量（单位：g m-3）区域平均值的的垂直分布：（a）Morrison 方案；（b）Thompson方案；（c）MY 方案Fig. 16 Vertical profiles of area-averaged content (units: g m-3) of the the deposition/sublimation of ice, snow, and graupel by (a) Morrison,(b) Thompson, and (c) MY schemes

图17 为不同云微物理参数化方案中冰相粒子同云滴、雨滴之间的凇附（碰并）过程。从图14可知，不同云微物理参数化方案中冰相粒子与云滴和雨滴之间的碰并过程存在较大差异。图17 试图对产生该差异的原因进行初步解释。Morrison 和MY 中，CLcg 占主导地位（图14a 和c），MY 方案中其它碰并过程相对CLcg 项来说几乎可以忽略不计，而Morrison 方案中，其它凇附过程的贡献相对MY 方案来说，依然较为明显。Thompson 方案与其它两个方案有着显著区别（图14c）：CLcs贡献最大，并且，CLrg 强于CLrs 项。

图17 2018 年6 月29 日22:00 至30 日11:00（a）Morrison、（b）Thompson、（c）MY 方案主要凇附项空间平均值（单位：g m-3）的时间变化Fig. 17 Time series of the volumetrically averaged content (units: g m-3) of riming terms during 2200 UTC 29 June to 1100 UTC 30 June 2018 by (a)Morrison, (b) Thompson, (c) MY schemes

图18 为雪粒子（霰粒子）搜集云滴（雨滴）增长总量区域平均的垂直廓线。从图18 所示的雪粒子（霰粒子）搜集雨滴（云滴）增长廓线图可知，以上四个微物理过程在三个方案中存在明显差异。Morrison 方案中（图18a），CLcg 效应最明显，但CLrg 的极值略大于CLcg，CLcs 效应强于CLrs，但前者极值小于后者。从图18a 可知，霰粒子搜集液态粒子的增长大于雪粒子与液态粒子的碰并增长，这是图9a2 和图9a3 所示霰粒子方案中霰粒子含量大于雪粒子的重要原因之一。Thompson 方案中（图18b），CLcs 效应显著强于其它几个过程，并且CLrg 存在负值区。如前所述，这是因为Thompson 方案处理雨滴与冰相粒子的碰并时与其它方案存在差异，该方案在零度层以上，两者碰并将有助于冰相粒子增长，而零度层以下，两者碰并将贡献于雨滴增长。从CLrg 的垂直廓线来看，霰粒子因搜集雨滴的增长不明显，而零度层以下两者的碰并主要贡献于雨滴增长。这是图18b3 中霰粒子较少的重要原因之一。MY 方案中（图18c），CLcs、CLrs 和CLrg 的量值明显小于CLCg（存在量级差别）。图18c2 和图18c3 中，霰粒子大于雪粒子的含量。霰粒子对云滴的搜集作用对其有着重要贡献。

图18 同图11，但为雪粒子（霰粒子）搜集雨滴（云滴）的增长（CLcs、CLrs、CLcg 和CLrg）Fig. 18 Same as Fig.11, but for the accretion (CLcs, CLrs, CLcg, and CLrg) of raindrops (cloud droplets) by the snow (graupel)

5 结论与讨论

本文通过WRF（3.4.1）模式，针对2018 年6月29～30 日一次梅雨锋背景下的暴雨过程进行数值模拟，分别采用Morrison、Thompson 和MY 方案进行对比分析。结果发现，三个方案模拟的背景场在天气尺度上都与再分析资料一致，能够再现出有利于强降水发生的环流场。但不同云微物理过程对梅雨期暴雨的局地环流有着显著影响，且不同方案存在显著的差异。

Thompson 方案产生更强的局地环流系统的变率和上升气流。由于天气尺度环流的一致性，这些差异直接与云物理参数化方案的差异有关，同时也与因云微物理方案差异而导致的其它过程有关。这些来自多个方面的相互作用可能是非线性的，属于云微物理参数化方案的间接影响。三个方案的模拟降水均有所夸大，小时降水率、小时累计降水量均始终大于观测值。总体来看，Morrison 方案的模拟效果相对最优。各方案模拟的水成物存在较大差异。Thompson 方案中雪粒子含量明显偏多，冰晶和霰相对较少；MY 方案中冰晶粒子含量最多，其次为Morrison 方案，两者的霰粒子含量均多于雪粒子。液态粒子（尤其云滴）的分布及演变均存在较大差异。零度层以上，MY 方案中的云滴含量最多，其次是Morrison 方案，Thompson 方案相对最少，而不同方案的雨滴在该高度区间的差异相对较小，即过冷水的差异（针对区域平均而言）主要体现在过冷云滴上。

冰相粒子融化、雨滴对云滴搜集作用是雨滴的关键源项，雨滴蒸发是最重要的汇项，以上三个物理量在不同云微物理方案中存在空间上的差异，这是导致降水空间分布差异的直接原因。总的来说，雨滴对云滴搜集效应大于冰相粒子融化。冰相粒子对雨滴的搜集效应相对较弱，但不同方案差异大。Thompson 方案中的雨滴蒸发项显著大于其它两个方案，在底层表现得最为明显。Morrison 方案中，冰相粒子在零度层以下高度并不直接转换为雨滴，而是用于提高冰相粒子融化率并增加参与碰并雨滴的脱落（shedding）；MY 方案中，两者碰并仅发生在零度层以上高度。凇附过程的主要影响因子包括碰并粒子的数浓度、直径、下落末速度等。与此同时，过冷水的时空分布差异也将对其产生影响。对不同方案来说，凇附相关的云微物理过程存在较大差异。Morrison 方案中雨滴贡献明显大于MY方案。而Thompson 方案中，零度层以上，仅少量雨滴作为冰相粒子的增长源；零度层以下，冰相粒子在碰并过程中直接转换为雨滴。MY 方案中，过冷云滴能到达的最高处高于其它两个方案，因此凇附过程发生在相对较高处（图18）。并且，相对于其它淞附过程来说，零度层以上丰富的云滴和霰粒子之间的碰冻绝对占优。而Thompson 方案中，雪粒子含量最多，其与过冷云滴之间的碰冻明显大于其它淞附过程。由于凇附过程是冰相粒子的关键来源之一，故不同方案中过冷水的差异最终将影响冰相粒子的分布。同时，这种差异将通过其它云微物理过程及热动力过程进行反馈。

Thompson 方案中，由于更多冰相粒子融化成雨滴，且零度层以下的水汽凝结效应最强，由于更多云滴参与碰并，因此雨滴搜集更多云滴，使得该方案模拟的雨滴含量最多，降水最强。该方案中水汽主要凝华为雪，且其在与过冷水碰并增长过程中占主导地位，因此该方案中模拟的雪最多。并且，从图18 可知，零度层以下高度，该方案中被雨滴搜集的冰相粒子为霰，且零度层以上高度，极少量霰通过凇附方式增长。这也是Thompson 方案中霰粒子含量少于雪粒子的原因之一。尽管MY 方案中水汽凝结量多于Morrison 方案，但由于后者冰相粒子融化效应更强，生成的雨滴更多，导致雨滴搜集了更多云滴。Morrison 和MY 方案中，霰粒子含量均大于雪粒子，但两者形成的关键原因并不同。Morrison 方案中，凝华形成的霰粒子含量大于雪粒子，且霰的凇附效应强于雪。而MY 方案中，凝华形成的雪粒子含量大于霰，但霰粒子的凇附增长起主导地位，且大于凝华效应，从而使得霰粒子含量大于雪粒子。该方案中，水汽凝华在约300 hPa 以上高度形成大量冰晶，显著强于其它方案，这是该方案中高层冰晶粒子明显大于其它方案的重要原因之一。

从以上讨论可以发现，云微物理过程通过不同方式影响降水。但是，对降水来说，最直接的影响还是雨滴源汇项本身。由于冰相粒子融化及雨滴搜集云滴增长的大值区与累积降水分布的大值区相匹配。因此，冰相粒子融化或雨滴搜集云滴效应的高估，可能是造成区域平均降水模拟值偏强的重要原因之一。仅从降水比较来看，Morrison 方案在本次模拟过程中的结果相对最优。由于缺少云微物理观测资料，暂无法从微观方面对三个方案进行比较。

需要说明的是，冰晶向雪的转换也是重要的云微物理过程之一。但在凝华和凇附过程中，冰相粒子变化量数倍于该过程（图略），并且，本文侧重于将冰相粒子作为一个整体进行考虑，故暂不讨论冰相粒子之间转换相关的云微物理量。

不同云微物理参数化方案中，影响模拟结果的重要因素之一就是冰相粒子的处理（Morrison and Milbrandt, 2015; Zhou et al., 2020）。因为对暖云过程而言，云滴和雨滴均假设为球体，不同方案之间差异并不大。而在冷云过程中，冰相粒子的定义（形状、下落末速度、密度等）在不同方案中存在一定差异，这将导致冰相粒子的模拟结果存在差异。这种差异除了体现在地表累积降水中，更体现在冰相粒子的空间分布上。

云微物理参数化方案的敏感性研究工作，除了了解不同方案之间的差异之外，最关键的是希望最终能够在此基础上进行改进。本文的模拟结果表明，三个方案的模拟降水相对于观测来说有所夸大。仅从云微物理过程的影响来说，改进参数化方案可以考虑从减小融化量、雨滴搜集云滴量、或者增加蒸发量等等方面开展工作。但是，热动力方面的影响同样不可忽视。实际上，云微物理过程对背景场的热动力过程有着重要反馈作用（孙建华和赵思雄,2000），云微物理参数化差异会导致背景场的差异。加热场的异常可以影响局地位涡的分布（Ertel,1942; Hoskins et al., 1985）；与不同微物理过程有关的异常加热场的叠加更可以形成复杂的位涡分布，并且随着气流的上升和平流作用甚至可以影响高层和下游的环流变化（Joos and Wernli, 2012; Joos and Forbes, 2016; Crezee et al., 2017; Attinger et al.,2019），该变化又将对云微物理过程有着重要影响。

因此，为了改进云微物理参数化，除了深入了解不同云微物理参数化的差异，做更多敏感性工作之外，还必须跟踪云微物理过程与热动力过程之间的相互作用，以便更精准地调整相关云微物理过程参数化。同时，外场试验的开展也非常有必要。对梅雨锋暴雨而言，从宏观和微观角度对模式热动力场及微物理过程进行验证、约束和修改有着重要意义。

本文属个例研究，更多的个例差异、更详细的影响机制还有待于后续进一步研究。