2016 年北京“7·20”特大暴雨降水物理过程模拟诊断研究

陆婷婷 崔晓鹏

1 中国科学院大气物理研究所云降水物理与强风暴重点实验室，北京 100029

2 南京信息工程大学气象灾害预报预警与评估协同创新中心，南京 210044

3 中国气象局沈阳大气环境研究所，沈阳 110166

4 中国科学院大学，北京 100049

5 宁波市气象台，宁波 315012

1 引言

中国地处著名的亚洲季风区，地形复杂多样，受季风系统影响，暴雨频发，灾害重，暴雨研究历来受到广泛和高度关注（陶诗言, 1980; 吴国雄等,1995; 郁淑华等, 1998; 陶诗言等, 2001; 贝耐芳和赵思雄, 2002; Cui et al., 2003; 赵思雄等, 2004; 孙建华等, 2004; Cao and Gao, 2007; 高守亭等, 2008; 赵宇和高守亭, 2008; 卢萍等, 2009; 陈斌等, 2011; 钱维宏等, 2012, 2016; 冯志刚等, 2013; Xu et al., 2013; 李琴 等, 2014, 2016; Huang and Cui, 2015a, 2015b,2015c; Zhou and Cui, 2015; Gao et al., 2015; Huang et al., 2016a, 2019; Li et al., 2017a; 罗亚丽等, 2020）。而伴随我国近年来快速城市化进程，大城市和城市群迅猛发展，人口密度高度集中、城市区域下垫面愈发复杂，加之局地复杂地形影响，局地或区域性暴雨多发，暴雨致灾风险严峻（Song et al., 2014;Wu et al., 2019; Jiang et al., 2020），同时，气候变化可能造成的未来降水复杂性和极端性增强（Lenderink and van Meijgaard, 2008; Song et al., 2014;Pendergrass and Knutti, 2018; Paul et al., 2018），进一步加剧了城市区域的暴雨致灾风险。

我国华北地区城市密集、人口聚集度高，建国以来，屡遭特大暴雨袭击（丁一汇等, 1980; 张文龙和崔晓鹏, 2012），例如，“63·8”暴雨、“96·8”暴雨等, 造成巨大人员伤亡和经济损失; 首都北京地处华北平原北端，局地地形复杂，暖季暴雨多发，致灾风险严峻，“7·21”特大暴雨灾害至今记忆犹新，众多学者也对北京暴雨机理开展了持续和深入的研究，取得了显著进展（吴正华和储锁龙, 1992;孙 继 松, 2005a, 2005b; 郭 虎 等, 2006; Miao et al.,2009; 张文龙等, 2011, 2013, 张文龙2014; 李青春等,2011; 张文龙和崔晓鹏, 2012; 全美兰等, 2013; 周玉淑等, 2014; 孙继松等, 2015; 曹伟华等, 2016; Li et al., 2016, 2017b, 2017c; 杨 默 远 等, 2018; An et al.,2020; 雷蕾等, 2020）。例如，张文龙等（2013）分析了对流层低层偏东风对北京局地暴雨的影响，发现浅薄偏东风暖湿能量的局地集中特征更为显著，而深厚偏东风则更有利于强对流风暴发展的低层垂直风切变的形成；张文龙等（2014）借助精细化观测数据，探讨了局地复杂地形和雷暴冷池出流等对北京局地暴雨触发的可能作用，复杂地形使得出流冷空气在边界层内碰撞辐合,触发和增强对流，同时影响对流风暴的形态和走向；而孙继松（2014）借助对垂直运动强度和大气层结特征的研究，间接探讨了暴雨过程中云物理过程的特征和演变，发现，不同结构特征的云在降水强度上表现出来的差异，是云中凝结与蒸发以及与环境大气相互作用的结果，等等。但以往相关研究，对北京暴雨形成过程中宏微观降水物理过程的深入认识仍不足，预报能力距离需求仍存较大差距。

众所周知，降水是宏、微观物理过程复杂相互作用的产物。降水的形成过程一般需要三个条件：水汽条件、垂直上升运动以及云滴增长（朱乾根等, 2000）。前两者为降水的宏观条件，而后者与降水云系形成以及地面降水直接关联，宏微观条件相互联系，共同造成地面降水。Gao et al.（2005）基于二维云尺度模式方程组，将地面降水率（降水强度）与大气水汽收支以及云水凝物收支建立联系，推导出二维地面降水诊断方程，用于宏微观过程相结合的降水物理过程量化分析（Cui and Li, 2006,2009; Cui and Xu, 2009; Shen et al., 2011a, 2011b,2011c），尽管一些研究（Tao et al., 1987; Tompkins,2000）表明，二维和三维云模式在热力场、质量垂直输送等过程方面相似，但由于二维模式的积分由空间均一的大尺度场强迫，同时较大程度上忽视了地形的作用和影响。因此，基于三维物理过程完善的云尺度模式开展降水物理过程研究十分必要。Huang et al.（2016a）在Gao et al.（2005）的基础上，重新推导并且建立了基于WRF 模式的三维地面降水诊断方程，并已被成功应用于热带气旋暴雨和地形暴雨降水物理过程等方面的研究中（Huang et al., 2016b; 刘 圣 楠 和 崔 晓 鹏, 2018; 王 晓 慧 等,2019a, 2019b; Wang et al., 2019; Huang et al., 2019;薛 一 迪 和 崔 晓 鹏, 2020），例 如，Huang et al.,（2016）研究表明，水汽相关过程对暴雨具有重要贡献，而地面蒸发强度和日变化对云系特征、降水强度和分布起着重要的非线性作用；云相关过程作用不容忽视（Huang et al., 2016b; 王晓慧等, 2019a,2019b），其变化较之水汽相关过程更为复杂（王晓慧等, 2019a），且宏微观降水物理过程受到海表温度等下垫面特征的明显调制（王晓慧等, 2019b;薛一迪和崔晓鹏, 2020）。融合了宏微观物理过程的三维降水诊断方程已逐步展现出其在降水物理过程综合诊断分析中的优势，但到目前为止，利用三维降水诊断方程针对不同降水过程开展的诊断和机理分析工作还不多见。鉴于上述北京地区暴雨过程的显著影响和气候变化条件下持续加剧的暴雨致灾风险隐患，利用三维降水诊断方程开展北京暴雨过程机理研究十分必要和重要。

2016 年，在“7·21”特大暴雨灾害发生四年之后，北京地区再次遭受特大暴雨（“7·20”特大暴雨）袭击，北京区域暴雨机理研究迫在眉睫。本文在前人研究（刘圣楠和崔晓鹏, 2018; 王晓慧等,2019a, 2019b; Wang et al., 2019; 薛 一 迪和崔晓鹏,2020）基础上，选取“7·20”特大暴雨过程，利用WRF 模式结合三维降水诊断方程（Huang et al.,2016a），针对“7·20”特大暴雨主要强降水时段展开研究，揭示强降水形成的宏微观物理过程。本文第二部分首先对“7·20”特大暴雨过程做简要回顾，并对WRF 数值模式方案设置和三维降水诊断方程做简要介绍；第三部分则是利用再分析数据、雷达拼图数据、加密自动站数据等对模式模拟结果进行对比验证；第四部分借助三维降水诊断方程和高分辨率数值模拟结果，对“7·20”特大暴雨主要强降水时段开展模拟诊断分析；第五部分为文章的结论和未来可开展工作的展望与讨论。

2 “7·20”特大暴雨过程、数值模式方案设置和三维降水诊断方程简介

2.1 “7·20”特大暴雨过程简介

“7·20”特大暴雨过程降水开始于2016 年7 月19 日01 时（北京时，下同），至21 日08 时结束，历时55 小时，全市平均过程降水量达214.67 mm。特大暴雨过程基本上可分为两个阶段：第一阶段从7 月19 日01 时开始，至20 日00 时结束，降水量相对较少（但累积降水超过50 mm 区域亦覆盖了北京西部山区较大范围），降水落区集中在北京西部山区附近（图略）；第二阶段从20 日01 时开始，至21 日08 时结束，累积雨量大（图1a），全市累积降水量普遍超过100 mm，其中，17 个站点累积降水量超300 mm（图1a 中灰色圆点），最大值出现在门头沟区的东山村站，达401.3 mm（图1a 中黑色圆点），降水持续时间长，强降水集中出现在中心城区、海淀、丰台、石景山、房山、大兴、门头沟和昌平等地，200 mm 以上的累积降水区接近覆盖北京一半区域。

图1 2016 年7 月20 日00 时（北京时，下同）至21 日08 时（a）实况和（b）模拟（分辨率为1.33 km）的累积降水量（彩色阴影，单位：mm）。紫色实线为200 m 地形等高线，（a）中灰色圆点为累积降水量大于300 mm 的观测站点，黑色圆点为累积降水量最大的观测站（东山村站，累积降水量为401.3 mm）；（b）中灰色方框所示区域为文中降水物理过程分析区域Fig.1 Distribution of the (a) observed and (b) simulated (with a resolution of 1.33 km) cumulated precipitation from 0000 BST 20 to 0800 BST(Beijing Standard Time) on July 21, 2016 (shaded, units: mm). A thick purple line denotes the 200-m terrain elevation. Gray and black dots in (a)represent stations with a cumulated precipitation of more than 300 mm and a maximum cumulated precipitation (Dongshancun station, 401.3 mm),respectively. The gray box in (b) indicates the analysis area of the precipitation physical process

从天气系统来看（图2），第一阶段天气尺度低涡气旋对北京区域的影响相对不显著。19 日08时（图2a），东亚地区500 hPa 高度场呈现“两脊一槽”形势，高空槽主体位于河套地区，北京位于高空槽前，但受到低涡气旋系统环流的影响，低空暖湿急流主体尚未到达北京区域。随后（图2b、c），高空槽逐步东移、加强，天气尺度涡旋系统逐步加强北上，携带暖湿气流向北京区域推进。此阶段，在局地地形和低涡气旋系统环流的相互作用下，多个中小尺度对流系统在北京西部、南部地区发生发展，引发局地较强降水（图略）；第二阶段（图2d–h），天气尺度涡旋进一步发展北上，引导大范围强盛暖湿空气进入北京区域，在有利天气尺度环流形势下引发大范围强降水。

图2 2016 年7 月19 日08 时至21 日02 时逐6 小时的500 hPa 位势高度场（黑色实线，单位：gpm）和850 hPa 大于12 m s−1 的风场（风向杆）：（a）19 日08 时；（b）19 日14 时；（c）19 日20 时；（d）20 日02 时；（e）20 日08 时；（f）20 日14 时；（g）20 日20 时；（h）21 日02 时Fig.2 500-hPa geopotential height (height, units: gpm), 850-hPa wind field (wind bar, >12 m s−1) at (a) 0800 BST 19, (b) 1400 BST 19, (c) 2000 BST 19, (d) 0200 BST 20, (e) 0800 BST 20, (f) 1400 BST 20, (g) 2000 BST 20, (h) 0200 BST 21 July 2016

2.2 WRF 模式模拟方案

相较于第一阶段（2016 年7 月19 日01 时至20 日00 时），“7·20”特 大 暴 雨 过 程 第 二 阶 段（2016 年7 月20 日01 时至21 日08 时）累积降水量更大、雨势更强、范围更广，因此，本文重点关注第二阶段。利用中尺度模式WRF（V3.5.1）对本次特大暴雨过程第二阶段展开高分辨率数值模拟，模拟采用三重单向嵌套网格（图3），垂直50 层，模式层顶取为50 hPa；三个模拟区域水平网格分辨率分别为12（D01）、4（D02）和1.33（D03）km，格点数分别为560×480、640×640、328×328，分别覆盖6720 km×5760 km、2560 km×2560 km、437.224 km×437.224 km 区域范围，其中，最外层模拟区域（D01）基本涵盖了对“7·20”特大暴雨过程发生可能产生影响的大尺度环流，以保障模式对暴雨过程大尺度环境流场模拟的准确性；D02 区域包含了中国中东部地区及沿海大部分地区，基本上覆盖了此次北京暴雨最重要的影响系统（天气尺度涡旋）的活动区域，以求模式对该系统较为准确的模拟再现，而D03 区域（分辨率1.33 km）则主要关注北京降水区域。

图3 数值模拟区域Fig.3 Model domain configuration

模拟使用如下物理过程参数化方案组合：WSM6 微物理参数化方案、RRTM 长波辐射方案、Dudhia 短波辐射方案、YSU（Yonsei University）边界层方案和KF（Kain-Fritsch）积云对流参数化方案等，其中，KF 积云对流参数化方案只用于最外层（D01）区域。同时，为了节省计算资源，有效提高计算效率，模拟过程中采用“ndown”方式，由外层区域为内层区域提供初、边值，而最外层区域（D01）的初、边条件则是由欧洲中心（ECMWF）ERA-interim 再分析资料（空间分辨率为0.25°×0.25°，时间分辨率为6 小时）计算得到；D01 区域积分时段为2016 年7 月19 日00 时至21 日00时（共48 小时，世界时），为了得到更好的模拟效果，D02、D03 区域推迟12 小时启动积分，即从19 日12 时积分至21 日00 时（共36 小时，世界时），具体模拟方案设置如表1 所示。

表1 模拟方案设置Table1 Model configurations

此外，为了深入分析降水宏微观物理过程，模式除了输出WRF 标准变量外，还在最内层区域（D03）输出了与三维降水诊断方程相关的各项，用于后续降水物理过程诊断分析研究。

2.3 三维降水诊断方程

从WRF 模式中的水物质方程（Skamarock et al., 2008）出发，Huang et al.（2016a）推导建立了基于WRF 模式的三维降水诊断方程，即

其中，PS地面降水率/降水强度；QWV为水汽相关过程总体变率，QWV=QWVL+QWVA+QWVD+QWVE；QCM为云相关过程总体变率，QCM=QCL+QCI，其中，QCL、QCI分别为液相、固相云水凝物相关过程变率，QCL=QCLL+QCLA+QCLD，QCI=QCIL+QCIA+QCID。

上述方程涉及的各项的具体数学表达式（Huang et al., 2016a）如下：

其中，zt、zs分别为模式层顶、底的高度，ρa为大气密度，Qv为水汽混合比，而Qx代表各类云水凝物的混合比（Qc、Qr、Qi、Qs、Qg、Qh分别代表云水、雨滴、冰粒子、雪粒子、霰粒子、雹粒子），VQx为降水粒子的下落速度，V为三维风速， DIFFQv、DIFFQx和Es分别代表水汽、云水凝物的耗散率和地表蒸发速率。各项具体物理含义如表2 所示。

表2 三维降水诊断方程各项物理含义Table2 Physical descriptions of terms in the 3D WRFbased precipitation equation

3 模拟验证

3.1 高低空环流

欧洲中期天气预报中心（ECMWF）的ERAinterim 再分析数据（空间分辨率 0.25°×0.25°，时间分辨率6 小时）显示（图4a1–f1），19 日20 时（图4a1），500 hPa 高空槽（涡）中心位于北京西南偏西侧的山西西部地区，其东南侧与副高形成对峙，并且这种对峙形势在“7·20”特大暴雨过程中一直相对稳定维持。期间，500 hPa 高空槽先加强和小幅东移，后期伴随副高的加强和向西北小幅推进，略有减弱（图4a1–f1），这样相对稳定的环流形势有利于暖湿空气的输送和强降水的发生。19 日20 时（图4a1），850 hPa 天气尺度涡旋中心位于500 hPa 高空槽（涡）中心东南侧的河南省境内，其东南侧伴随一条强盛的西南—东北走向低空急流，有利于西南水汽不断向北输送。之后，伴随500 hPa 高空槽与副高对峙的加强和天气尺度涡旋的发展，该低空急流不断发展加强，急流核北推（图4b1–c1），20 日08 时（图4c1），急流强度达到最强，并已进入北京区域，急流北部气旋性旋转特征明显，20 日14 时（图4d1），低空急流强度减弱，急流核分裂为两个，北部一个仍然控制北京区域，后期（图4e1–f1），低空急流强度进一步减弱，并移出北京区域。

D01 区域（12 km 分辨率）模拟结果显示（图4a2–f2），尽管模拟的高低空环流形势及其演变与ERAinterim 再分析数据相比，存在一些细节上的差异，例如，副高前期小幅东南退特征未有很好的再现，后期副高向西北小幅推进特征偏强，模拟的低空急流宽度偏宽、强度偏强，后期急流减弱趋势模拟不足、移出北京区域偏慢等。这些差异直接导致了北京区域模拟雷达回波消散和移出偏慢（图5-6）、降水强度偏强（图9）、强降水落区偏大（图1a、b）和后期降水强度衰减偏慢（图7、8）等。但从总体上看，模式仍很好地把握住了主要环流系统的主体演变特征（图4），使得模拟的回波结构与实况较为一致（图5、6），模拟的急流进入北京区域时间与ERA-interim 再分析数据接近，使得模拟的强降水开始时间与实况较为一致（图7、9）。

图4 2016 年7 月19 日20 时至21 日02 时的逐6 小时500 hPa 位势高度（蓝色实线，单位：gpm，蓝色粗实线为5880gpm 等高线）、850 hPa风矢量（风向杆）和大于等于12 m s−1 的风速（彩色阴影）：（a1, b1, c1, d1, e1, f1）ERA-interim 再分析数据；（a2–f2）D01 区域（分辨率为12 km）模拟结果：（a1，a2）19 日20 时；（b1，b2）20 日02 时；（c1，c2）20 日08 时；（d1，d2）20 日14 日；（e1，e2）20 日20 时；（f1，f2）21 日02 时Fig.4 500-hPa geopotential height (blue counter, units: gpm, thick lines indicate 5880 gpm), 850-hPa wind field (vector) and 850-hPa wind field(shaded, ≥12 m s−1) from (a1, b1, c1, d1, e1, f1) ERA-interim reanalysis data and (a2, b2, c2, d2, e2, f2) numerical simulation data with 12 km horizontal resolution at (a1, a2) 2000 BST 19, (b1, b2) 0200 BST 20, (c1, c2) 0800 BST 20, (d1, d2) 1400 BST 20, (e1, e2) 2000 BST 20, (f1, f2)0200 BST 21 July 2016.

3.2 雷达反射率

华北区域实况雷达组合反射率分布与演变（图5）显示，“7·20”特大暴雨过程源于500 hPa高空槽逐步东移、加深背景（图2、4）下，天气尺度涡旋系统的发展加强和向北京区域的逐步推进（图2、图4 和图5）。该天气尺度涡旋的雷达反射率场上呈现出一个庞大的近似“逗点状”的回波结构，“7·20”特大暴雨过程第二阶段强降水初始阶段，“逗点状”的回波结构相对松散，其回波范围内镶嵌着面积占比达一半以上的对流性回波（35 dBZ以上），体现出显著的对流性回波特征，“逗点状”回波头部主体位于河北，其尾部横扫山东、河南、湖北、安徽、江苏等地，尾部回波相对更强，强对流系统发展旺盛，“逗点”头部回波边缘接触北京区域（这可能一定程度上促成了第一阶段的降水）（图5）。随后，“逗点状”回波头部逐渐发展加强，范围扩大，影响河北、山西、山东、天津、北京等大范围地区，并伴随着显著的变化（图5）。随着500 hPa 高空槽进一步东移和涡旋系统的逐步东移、发展、北进，头部回波进一步发展，对流性回波加强，北京区域内强回波的面积和强度明显增强，伴随着北京区域特大暴雨过程的发生发展，但“逗点状”回波的头部和尾部逐渐分离，山东境内强回波逐渐消散，而尾部仍然在河南、安徽、湖北、江苏等地区维持较强回波（图5）。随着高空槽和涡旋云系的进一步东移，“逗点状”回波尾部逐渐减弱和消散，对各省的影响逐渐结束，而头部强回波亦逐渐减弱、变得松散和东移出北京，“7·20”特大暴雨过程主降水时段逐渐结束（图5）。由于模式对高低空环流、天气尺度涡旋系统等发展和演变过程的较准确模拟再现，模拟的雷达反射率（图6）特征和演变与实况（图5）呈现出很好的一致性，35 dBZ以上的对流性回波面积占据整个回波面积一半以上（图6）；尽管仍存在细节上的差异，但模式很好地再现了“逗点状”回波结构及其发展和演变特征，尤其是头部回波的发展演变，以及尾部回波的发展、变化和与头部回波的分离（图6）；北京区域内，对流性回波的发展和演变（图6）也与实况（图5）具有较好的一致性，这使得模拟（图8）的北京区域强降水演变特征与实况（图7）也具有较好的一致性，但模拟的回波强度（图6）与实况（图5）相比偏强，强回波面积偏大，这造成了模拟的北京区域降水强度（图8、9）与实况（图7、9）相比偏强，强降水面积偏大（图7、8）。

图5 2016 年7 月20 日00 时至20 日23 时华北区域雷达组合反射率（彩色阴影，单位：dBZ）Fig.5 Combined radar reflectivity in North China (shaded, units: dBZ) from 0000 BST July 20 to 2300 BST July 20, 2016

图6 同图5，但为模拟结果Fig.6 Same as Fig.5, but for the simulated radar reflectivity

3.3 逐小时雨量

实况逐小时降水分布及演变（图7）显示，伴随天气尺度涡旋云系逐渐侵入北京（图5），较强降水开始从南部逐步进入北京，20 日08 时开始，北京南部开始出现较大范围的短时强降水（小时雨强大于等于20 mm），20 日10～12 时左右，短时强降水面积达到最大，强度达30～50 mm h−1，随后，短时强降水面积逐渐收缩和变化，但主体仍位于北京西南部地区，造成这一地区200 mm h−1以上的过程累积降水（图1a），主降水时段后期，短时强降水落区面积进一步收缩，并在北京北部山区和城区之间先后出现，20 日20 时之后，伴随“逗点状”回波头部逐渐东移出北京（图5），北京区域内的短时强降水结束，“7·20”特大暴雨过程主降水时段的降水也逐渐减弱和结束。WRF 模式较好地模拟再现了“7·20”特大暴雨过程主降水时段强降水的发展和演变（图8），尽管仍存在一些细节上的差异，例如，降水进入北京区域偏早、北京区域内在主降水时段前期零星出现一些小范围的短时强降水分布、小时降水强度比实况（图7）偏强、短时强降水面积比实况（图7）偏大、北京西北部山区降水也比实况（图7）偏强等, 但系统性、大范围的短时强降水基本在20 日07 时左右开始，从南部进入北京，强降水在北京（西）南部区域具有大范围分布，后期，短时强降水落区面积逐步收缩，并且也在北京北部山区和城区之间先后出现。由于模式对于500 hPa 高空槽发展和演变（图4）、主要降水系统（天气尺度涡旋）发展和演变（图5、6）等较好的模拟再现，使得模式对于北京区域内强降水的模拟（图8）与实况（图7）也呈现出较好的一致性，造成过程雨量的模拟（图1b）也和实况观测（图1a）具有较为一致的分布特征。高分辨率的模拟结果可用于本文后续的降水物理过程诊断分析。

图7 2016 年7 月20 日00 时至20 日23 时北京地区逐小时实况降水量分布（彩色阴影，单位：mm）。灰色实线为200 m 地形等高线Fig.7 Distribution of hourly rainfall observations in Beijing (shaded, units: mm) from 0000 BST July 20 to 2300 BST July 20, 2016. A thick gray line denotes the 200-m terrain elevation

图8 同图7，但为模拟结果Fig.8 Same as Fig.7, but for the simulated rainfall

4 降水物理过程诊断

为了分析“7·20”特大暴雨过程主降水时段的降水物理过程，利用三维降水诊断方程，选取主要降水区域（39.5°～40.9°N，115.6°～117.3°E）（图1b中灰色矩形区域），借助高分辨率（D03，分辨率为1.33 km，图3）数值模拟结果和三维降水诊断方程相关项的输出，开展降水物理过程诊断分析。图9 给出了2016 年7 月20 日00 时至21 日08 时上述区域平均的观测和模拟降水率时间演变。由图可见，该区域平均降水率从20 日06 时左右开始显著增强，20 日12 时左右达到最强，区域平均降水率由20 日06 时左右的约2.5 mm h−1上升至20 日12 时左右的约10.4 mm h−1（图9 中实线所示），短暂维持之后，于20 日15 时左右开始，迅速降低（图7、9）；模拟的区域平均最大降水率（图9中虚线所示，最强达约18 mm h−1）较明显强于实况（图10 中实线所示），峰值时刻（20 日16 时左右）落后于实况（20 日12 时左右），后期降水率亦强于实况（图9），但由于模式对于500 hPa高空槽发展和演变（图4）、主要降水系统（天气尺度涡旋）发展和演变（图5、6）等较好的模拟再现，区域平均的模拟降水率亦从20 日06 时左右开始显著增强，并在达到峰值后迅速回落。模拟降水过程的演变与实况较为一致。

图9 2016 年7 月20 日00 时至21 日08 时区域（39.5°～40.9°N，115.6°～117.3°E）平均的实况（实线）和模拟（虚线）降水率（单位：mm h−1）的时间序列Fig.9 Time series of the area-averaged (39.5°–40.9°N, 115.6°–117.3°E) observation (solid line) and model (dashed line) precipitation rate (units: mm h−1) from 0000 BST July 20 to 0800 BST July 21, 2016

利用D03 区域高时空分辨率（空间分辨率：1.33 km，时间分辨率：1 h）的模拟数据，借助三维降水诊断方程，对“7·20”特大暴雨过程主降水时段强降水收支、水汽收支和云水凝物收支开展模拟诊断分析（图10）。从总体降水收支来看（图10a），水汽收支相关变率（QWV）与降水强度（PS）的量值和变化非常一致，体现了强烈水汽辐合过程（图10b）在强降水形成过程中的重要贡献，降水强度达到峰值之前，三维水汽通量辐合率（QWVA）略大于Ps，强盛的水汽辐合除了用于降水形成之外，还起着加湿局地大气（负值QWVL，图10b）的重要作用，而强降水后期，伴随“逗点状”回波头部强度逐步减弱和移出北京区域（图6），北京区域内强对流性回波逐渐消散，QWVA显著减弱，三维水汽通量辐合率量值较明显低于降水强度（PS），水汽辐合量不足以供应仍具有一定强度的降水的消耗，此时，局地大气水汽含量明显减少（正值QWVL，图10b），用于维持一定强度的降水（PS）（图10b）。

图10 2016 年7 月20 日00 时至21 日08 时区域（39.5°～40.9°N，115.6°～117.3°E）平均的（a）降水率（PS，黑色实线）、水汽相关过程变率（QWV，蓝色实线）和云相关过程变率（QCM，红色实线）的时间演变，（b）QWV（灰色实线）、QWVA(三维水汽通量辐合/辐散率，红色虚线）、QWVL（水汽局地变化率的负值，蓝色虚线）、QWVD（水汽三维耗散率，橙色虚线）、QWVE（地面蒸发率，紫色虚线）(单位：mm h−1）的时间演变，（c）QCL（灰色实线）、QCLL（液相水凝物局地变率的负值，红色虚线）、QCLA（液相水凝物通量辐合/辐散率，蓝色虚线）、QCLD（液相水凝物三维耗散率，橙色虚线）的时间演变，（d）QCI（灰色实线）、QCIL（固相水凝物局地变率的负值，红色虚线）、QCIA（固相水凝物通量辐合/辐散率，蓝色虚线）、QCID（冰相水凝物三维耗散率，橙色虚线）的时间演变Fig.10 Temporal evolutions of the area-averaged (39.5°–40.9°N, 115.6°–117.3°E) (a) PS(black solid line), moisture-related processes (QWV: blue solid line), change rates for hydrometeor-related processes (QCM, red solid line, units: mm h−1); (b) QWV(gray solid line), QWVA(3D moisture flux convergence/divergence rate, red dotted line), QWVL(negative local change rate of water vapor, blue dotted line), QWVD (3D moisture diffusion rate,orange dotted line), QWVE (surface evaporation rate, purple dotted line, units: mm h−1); (c) QCL(gray solid line), QCLL (negative local change rate of liquid-phase hydrometers, red dotted line), QCLA (3D flux convergence/divergence rate of liquid-phase hydrometers, blue dotted line), QCLD (3D diffusion rate of liquid-phase hydrometers, orange dotted line, units: mm h−1); (d) QCI (gray solid line), QCIL(negative local change rate of ice-phase hydrometers, red dotted line), QCIA (3D flux convergence/divergence rate of ice-phase hydrometers, blue dotted line), QCID (3D diffusion rate of icephase hydrometers, orange dotted line, units: mm h−1) from 0000 BST July 20 to 0800 BST July 21, 2016

云水凝物收支相关过程变率（QCM）尽管在量值上远小于水汽收支相关过程变率（QWV）（图10a），但其变化频率（图10c、d）明显高于水汽收支相关过程变率（图10b），且由于云水凝物收支过程是从水汽收支到地面降水不可或缺的唯一途径，在降水形成中起着至关重要的桥梁作用，从云水凝物收支各过程来看，无论是液相（云水和雨滴）水凝物收支（图10c），还是冰相（冰晶、雪粒子和霰粒子）水凝物收支（图10d），均主要由水凝物局地变率的负值（液相：QCLL和冰相：QCIL）以及水凝物通量辐合/辐散率（QCLA、QCIA）主导，降水率达峰值时刻前，强烈水汽辐合和凝结作用下，液相水凝物含量显著增加，同时，区域内已存在的液相云水凝物显著辐合（QCLA呈现明显正值），水汽凝结等云微物理过程和云尺度动力辐合共同作用下，QCLL呈现较明显的负值（图10c），强降水云系快速发展，可见，云尺度动力过程和云微物理过程在“7·20”特大暴雨强降水云系快速发展中均起着重要作用，此阶段，液相云水凝物辐合率的量值（图10c 中QCLA量值）大于区域内液相云水凝物生成率（图10c 中QCLL量值），这可能是由于，强降水云系快速建立的同时，伴随强降水的发生以及液相水凝物向冰相水凝物的不断转化，液相水凝物被大量消耗所致；后期，伴随“逗点状”回波头部强度逐步减弱和移出北京（图6），北京区域内强对流性回波逐渐消散，动力辐合作用（图10c中QCLA和图10b 中QWVA）减弱，同时，由于液相水凝物向冰相水凝物的持续微物理转化以及强降水的消耗，导致区域内液相水凝物含量显著减少（QCLL呈现较明显的正值）（图10c），降水系统逐步瓦解。强降水初始短暂阶段（图11d 中20 日06 时左右），冰相云水凝物动力辐合（QCIA）过程强于冰相云水凝物生成率（QCIL量值），注意到此时段降水强度（图10a 中PS）相对较弱，降水对水凝物的消耗不明显，冰相水凝物含量的增长可能主要源于云尺度动力辐合（QCIA）作用，随后，伴随降水云系快速发展和强降水的到来，冰相水凝物被强上升运动推向高层，进而在对流层高层向外辐散（QCIA转变为明显负值，图10d），而强降水后期“逗点状”回波头部强度逐步减弱并移出北京（图6）、北京区域强回波逐渐消散，进一步加强了QCIA向负值的转变，同期，QCIL先负后正，其中，降水强盛期的较明显负值（区域内冰相水凝物含量增加）主要与液相水凝物向冰相水凝物的微物理转化有关，而之后的明显正值（区域内冰相水凝物含量明显减少）则主要与QCIA大的负值有关。

由于“7·20”特大暴雨过程第一阶段降水系统云系的发生发展，第二阶段（主降水时段）初期（图11），北京区域上空已经存在一定量值的冰相和液相云水凝物，伴随“逗点状”头部回波云系逐步发展和移入北京（图6），北京区域对流活动开始活跃，区域内垂直上升运动逐渐增强（图11），20 日15 时左右，垂直上升运动强度和垂直扩展范围达到最强（图11），伴随着区域内的最强降水时段（图8、9、10a、11），之后，随着“逗点状”回波头部强度逐步减弱和移出北京（图6），垂直上升运动逐渐减弱和收缩（图11），北京区域内强回波逐渐消散（图6）；第二阶段初期，垂直上升运动相对较弱峰值位于零度层以上约10 km 高度附近，随后逐步加强和向上向下延展，期间，零度层高度附近的垂直上升运动发展更为迅速，造成上升运动峰值高度逐步下移至零度层附近（图11），降水强度峰值过后，垂直上升运动进一步减弱和收缩，其峰值高度进一步降至零度层之下（图11）。

在有利的垂直上升运动支撑下，北京区域上空的各种水凝物含量均呈现出较明显的变化（图11），伴随垂直上升运动的增大，水凝物含量也逐渐增加，但不同水凝物增幅不一，其中，霰粒子和雨滴增幅最为显著，并于强降水峰值时刻附近含量达到最大，随后迅速减小，雨滴的显著变化直接与地面降水强度（Ps）变化（图9、10a）相联系，而霰粒子的变化则可以通过其降落到零度层下（图11），进而融化成雨滴的微物理过程（Cui et al., 2015）与地面降水强度联系起来；云水、雪粒子和冰晶等其他水凝物含量亦存在较明显的演变，但变化幅度略弱于霰粒子和雨滴，但应该注意到，伴随垂直上升运动的增强，势必造成水汽辐合的增强（图10b）以及云尺度动力辐合与水汽凝结等云微物理过程的活跃（图10c、d），云水等水凝物含量将增长，但由于同时活跃的各种水凝物之间的微物理转化过程（例如，云水和雨滴碰并造成雨滴增长而云水含量减少等, Cui et al., 2015），以及动力过程（“逗点状”头部回波逐渐移出北京）造成高层冰相粒子辐散（移出分析区域）等的作用，导致云水、冰晶和雪粒子等水凝物含量变化幅度相对较小（图11），其深层次的过程机理值得未来借助三维降水诊断方程，结合云微物理转化过程输出，从宏微观物理过程相结合的角度开展深入分析和揭示。“7·20”特大暴雨过程强降水时段后期，垂直上升运动已基本上整体回落到零度层之下，这种动力结构有利于零度层下云水通过水汽凝结过程的形成，而不利于冰相粒子的形成，水凝物含量以零度层下液相水凝物为主（图11）。值得注意的是，“7·20”过程强降水时段中，北京区域平均的垂直上升运动廓线结构（尤其是峰值高度）不断变化（从零度层上逐步降落到零度层附近，进而回落到零度层之下），伴随着区域平均降水强度“弱—强—弱”的变化，其内在的降水云物理过程的变化特征和机理非常值得深入探讨和分析。

图11 2016 年7 月20 日00 时至21 日03 时区域（39.5°～40.9°N，115.6°～117.3°E）平均的云水凝物混合比和垂直速度廓线（Qg：霰粒子，Qs：雪粒子，Qi：冰晶，Qr：雨滴,Qc：云水，单位：10−3 kg kg−1；w: 垂直速度，单位：m s−1）的逐时分布。图中右上角数值代表时间（例如“0000BST20”代表20 日00 时）Fig.11 Area-averaged (39.5°–40.9°N, 115.6°–117.3°E) vertical profiles of hydrometeor mixing ratios (Qg for graupel, Qs for snow, Qi for cloud ice,Qr for raindrops, Qc for cloud water, units: 10−3 kg kg−1, w for vertical speed, unit: m s−1) from 0000 BST July 20 to 0300 BST July 21, 2016

5 结论与讨论

本文重点关注北京“7·20”特大暴雨过程第二阶段（主降水时段），利用WRF 模式对强降水过程开展高分辨率（最高水平分辨率1.33 km）数值模拟。高低空环流、雷达组合反射率和小时雨量的模拟验证显示，尽管仍存在一些细节上的差异，但模式很好地再现了主要高低空环流和天气系统的主体特征和演变，模拟的雷达回波结构和演变与实况较为一致，模拟的北京区域强降水开始时间与实况较为接近，过程雨量、主要强降水落区、强降水发展过程和持续时间也与实况基本一致。利用高分辨率（1.33 km）数值模拟结果，借助三维降水诊断方程，对“7·20”特大暴雨主降水时段的强降水物理过程开展了模拟诊断分析，主要结论如下：

降水强度达峰值之前，强盛水汽通量辐合（QWVA）支撑强降水，同时加湿局地大气，强降水后期，QWVA显著减弱，水汽辐合量不足以支撑降水强度，局地大气中水汽含量明显减少；水凝物收支过程在“水汽收支—地面降水形成”中起着不可或缺的桥梁作用，其变化频率快于水汽收支过程；水凝物收支主要由局地变化（液相：QCLL和冰相：QCIL）以及通量辐合/辐散（QCLA、QCIA）控制，降水率达峰值前，强烈水汽辐合和凝结导致液相水凝物含量显著增加，同时伴随区域内已存在的液相水凝物显著辐合，强降水云系快速发展，后期，伴随“逗点状”回波头部强度逐步减弱和移出北京，北京区域内强对流性回波逐渐消散，动力辐合作用减弱，同时，由于液相水凝物向冰相水凝物的持续微物理转化以及强降水的消耗，导致区域内液相水凝物含量显著减少，降水系统逐步瓦解；强降水初始短暂阶段，冰相水凝物含量的增长主要源于云尺度动力辐合，而伴随降水云系快速发展，液相水凝物向冰相水凝物转化，同时，冰相水凝物被强上升运动推向对流层高层并向外辐散。

伴随主降水时段对流系统发展，垂直上升运动强度和垂直扩展范围逐步增大，并在降水峰值时刻附近达到最大，之后逐渐减弱和收缩；垂直上升运动峰值在主降水时段初期位于零度层以上约10 km高度附近，随后伴随降水强度增强逐步下移至零度层附近，降水峰值后，进一步降至零度层之下。在上升运动控制下，水凝物含量呈现明显变化，但不同水凝物变幅不一，霰粒子和雨滴增幅最显著，于降水峰值时刻附近含量达最大，随后减小，雨滴变化与地面降水强度变化直接相关，而霰粒子可通过降落到零度层下的融化过程与地面降水联系起来，而其他水凝物由于微物理转化和动力辐散等过程，导致含量变幅弱于霰粒子和雨滴，其深层次的过程机理需借助三维降水诊断方程和微物理转化过程输出来深入分析和揭示。值得注意的是，“7·20”过程主降水时段中，北京区域平均的垂直上升运动峰值高度从初期零度层上逐步降到零度层附近，进而回落到零度层之下，伴随着“弱—强—弱”的降水强度变化，其内在的降水物理过程变化特征和机理值得深入探讨。

本文使用WRF 模式和三维降水诊断方程，针对北京“7·20”特大暴雨过程主要降水时段（2016 年7 月20 日01 时 至21 日08 时），开 展了高分辨率数值模拟和强降水物理过程模拟诊断研究，取得了一些新的认识，同时也发现了一些需要进一步研究和解答的科学问题。例如，WRF 模式提供了多种云微物理参数化方案选项，本研究工作以及以往其他相关研究工作（Huang et al., 2016a;刘 圣 楠 和 崔 晓 鹏, 2018; 王 晓 慧 等, 2019a, 2019b;Wang et al., 2019; 薛一迪和崔晓鹏, 2020）均仅仅选取其中一个方案，选取不同的云微物理参数化方案对于“7·20”特大暴雨以及其他降水过程的模拟再现及其强降水物理过程机理是否存在显著影响？这亟需未来通过选取多种云微物理参数化方案开展敏感性试验来解答；又如，“7·20”特大暴雨过程中，不同区域降水强度差异显著，降水物理过程存在怎样的差异导致了不同区域降水强度的差异？这同样值得未来深入研究，相关机理的探讨将十分有助于对强降水成因的深入理解和揭示；此外，本文借助数值模式和三维降水诊断方程，仅仅针对一次北京区域特大暴雨过程开展了初步的机理研究，未来需要选取更多个例（例如，“7·21”特大暴雨过程）开展相似研究工作，验证本文主要结论、得到更深入的机理认识，以及为北京暴雨机理研究和预报提供科学参考与预报线索。