王淑彩 平凡 孟雪峰 李玉鵬

1 南京信息工程大學(xué)遙感與測(cè)繪工程學(xué)院, 南京 210044

2 中國(guó)科學(xué)院大氣物理研究所云降水物理與強(qiáng)風(fēng)暴重點(diǎn)實(shí)驗(yàn)室(LACS), 北京 100029

3 內(nèi)蒙古自治區(qū)氣象臺(tái), 呼和浩特 010051

4 吉林省氣象科學(xué)研究所, 長(zhǎng)春 130062

1 引言

暴雪是我國(guó)北方冬季最常見的氣象災(zāi)害之一，常伴有大風(fēng)、寒潮以及冰凍等天氣，是主要的成災(zāi)因素。大范圍、長(zhǎng)時(shí)間的暴雪事件對(duì)交通、電力、農(nóng)業(yè)等設(shè)施均能造成嚴(yán)重影響，局地性的大暴雪、特大暴雪事件常常危及人民生命財(cái)產(chǎn)安全，屬于典型的高影響天氣（滕方達(dá)等, 2020）。我國(guó)的暴雪天氣過(guò)程主要包括內(nèi)蒙暴雪、環(huán)渤黃海區(qū)域的回流暴雪、南方暴雪、高原暴雪以及東北暴雪，因此東北地區(qū)是我國(guó)暴雪多發(fā)的關(guān)鍵區(qū)之一，局地性的大雪和暴雪發(fā)生次數(shù)呈現(xiàn)波浪式上升趨勢(shì)（王煥毅等, 2017）。

數(shù)值模式發(fā)展的早期，對(duì)暴雪的研究大部分還是基于天氣學(xué)分析方法對(duì)暴雪環(huán)流形勢(shì)、系統(tǒng)配置等進(jìn)行分析。秦華鋒和金榮花（2008）對(duì)2007 年?yáng)|北地區(qū)的一次罕見暴雪過(guò)程成因進(jìn)行了分析，表明高低空明顯的垂直切變和高層輻散與低層輻合的配置導(dǎo)致強(qiáng)上升運(yùn)動(dòng)；中低層深厚的正渦度產(chǎn)生和維持是強(qiáng)暴雪形成的主要?jiǎng)恿C(jī)制；干冷空氣侵入是產(chǎn)生暴雪的主要觸發(fā)因素；南方暖濕水汽的北上是產(chǎn)生東北暴雪的重要原因之一。孟雪峰等（2012）對(duì)內(nèi)蒙古東北地區(qū)一次漏報(bào)的暴雪天氣進(jìn)行診斷分析，表明對(duì)流層中低層溫度平流隨高度的減小有利于對(duì)流層中低層不穩(wěn)定層結(jié)的建立；地面副冷鋒與氣旋合并加強(qiáng)，850 hPa 中尺度低渦強(qiáng)烈發(fā)展，加強(qiáng)了對(duì)流層低層的輻合上升運(yùn)動(dòng)，觸發(fā)不穩(wěn)定能量釋放，這是強(qiáng)降雪形成的主要原因，因此邊界層“冷墊”作用對(duì)強(qiáng)降雪有一定的增幅。前人研究表明，天氣學(xué)分析的方法僅能夠抓住降雪事件中的主要影響系統(tǒng)，從而理解天氣過(guò)程的演變和發(fā)展規(guī)律，但是不能精細(xì)地描述降雪的落區(qū)和強(qiáng)度。

隨著數(shù)值模式的發(fā)展，目前大部分學(xué)者的研究都傾向于采用天氣學(xué)分析方法和微物理過(guò)程分析方法相結(jié)合，來(lái)分析降雪天氣過(guò)程。數(shù)值模式中對(duì)云微物理過(guò)程的描述主要是通過(guò)微物理參數(shù)化方案實(shí)現(xiàn)的。根據(jù)對(duì)水成物的描述不同，云微物理參數(shù)化方案可分為兩類，一類是體積水方案（bulk），另一類是分檔方案（bin）。bulk 方案是用各類水凝物粒子對(duì)應(yīng)的經(jīng)驗(yàn)函數(shù)來(lái)描述云中各類水凝物粒子的總體粒子譜分布特征，該方案計(jì)算量小，因此廣泛應(yīng)用于實(shí)際的業(yè)務(wù)和理論研究者中。但是bulk方案只適合描述云中水凝物粒子的總體分布特征，不適合描述某個(gè)尺度段的粒子變化引起的譜演變（許煥斌和段英, 1999）。而bin 方案則是根據(jù)水成物的相態(tài)、粒子大小、形狀、密度等微物理特征，將水成物分成幾十或幾百檔，給出各檔粒子的預(yù)報(bào)方程及他們之間的相互轉(zhuǎn)化關(guān)系（史月琴和樓小鳳, 2006; Khain et al., 2015）。分檔方案將粒子群分檔處理， 描述了不同檔位粒子的相互作用，與自然圖像很接近。 但是bin 方案的計(jì)算量巨大，遠(yuǎn)不能滿足實(shí)際的業(yè)務(wù)需求，因此大多只用在理論研究中。

云微物理參數(shù)化方案的選擇對(duì)數(shù)值模擬結(jié)果有重要影響，研究不同微物理參數(shù)化方案對(duì)天氣過(guò)程的影響是國(guó)內(nèi)外的研究熱點(diǎn)之一（Wu et al., 2013;Adams-Selin et al., 2013; 尹金方等, 2014; Khain et al., 2016; Qian et al., 2018），但是目前的大量研究都是基于颮線、冰雹、超級(jí)單體風(fēng)暴等強(qiáng)天氣過(guò)程進(jìn)行數(shù)值模擬研究（Fan et al., 2015, 2017; Yin et al., 2019）。Morrison and Milbrandt（2011）分別采用MY（Morrison-Milbrandt Yau）方案對(duì)一次超級(jí)單體風(fēng)暴進(jìn)行模擬，表明方案中對(duì)于霰、雹粒子的處理是導(dǎo)致模擬結(jié)果不同的重要原因。Yin et al.（2017）利用bin 方案和bulk 方案對(duì)我國(guó)東部的一次颮線過(guò)程進(jìn)行對(duì)比研究，表明bulk 方案模擬的雷達(dá)結(jié)構(gòu)較窄但是組織性良好，bin 方案模擬的結(jié)構(gòu)較松散但是強(qiáng)度更強(qiáng)，更與實(shí)況一致，但是bulk 方案模擬的降水落區(qū)和強(qiáng)度更與實(shí)況一致。前人對(duì)暴雪等弱對(duì)流天氣過(guò)程的研究較少，但也有一些研究成果，Comin et al.（2018）利用WRF 模式，以FNL 和ERA-interim 數(shù)據(jù)為邊界和初始場(chǎng)條件，對(duì)安第斯山脈南部的復(fù)雜地形條件下的極端降雪事件進(jìn)行不同微物理參數(shù)化的研究，表明初始場(chǎng)對(duì)預(yù)報(bào)的結(jié)果至關(guān)重要，F(xiàn)NL 背景場(chǎng)條件下WSM6 模擬的降雪量效果最好，Morrison 和WDM5 方案模擬的過(guò)強(qiáng)，效果最差；ERA-interim 的雪深模擬結(jié)果比FNL 更接近實(shí)況。Ghafarian（2021）利用WRF 模式，采用四種微物理方案（WSM6、Goddard、Morrison 和Thompson）和兩種行星邊界層方案 [Yonsei University（YSU）和Mellor-Yamada-Janjic（MYJ）] 得出了八種不同的組合，對(duì)2014年發(fā)生在里海西南海岸的湖泊效應(yīng)導(dǎo)致的一次降雪過(guò)程進(jìn)行數(shù)值模擬研究，結(jié)果表明Morrison-MYJ和Goddard-MYJ 是估算降水和降雪時(shí)空變化的最佳配置，MYJ 邊界層方案比YSU 邊界層方案更能模擬出降水的強(qiáng)度和分布。國(guó)內(nèi)也對(duì)暴雪天氣過(guò)程進(jìn)行了一些研究，林文實(shí)等（2009）在利用MM5模式模擬華北地區(qū)的一次暴雪天氣過(guò)程中，比較兩個(gè)純顯式冰相云微物理參數(shù)化方案的差異，兩個(gè)方案對(duì)降雪分布和強(qiáng)度預(yù)報(bào)差別較小，但云中的微物理過(guò)程有較大的不同。崔錦等（2014）研究了不同微物理參數(shù)化方案對(duì)我國(guó)東北降水相態(tài)的影響，表明不同微物理方案對(duì)降水落區(qū)和降水強(qiáng)度預(yù)報(bào)影響不明顯，而降水相態(tài)對(duì)微物理參數(shù)化方案較敏感，主要表現(xiàn)在對(duì)雨區(qū)和雨夾雪區(qū)預(yù)報(bào)影響顯著。滕方達(dá)等（2020）利用Lin（Purdue Lin）、WSM6（WRF Single-Moment 6-class scheme）、Thompson、WDM6（WRF Double-Moment 6-class scheme）四種微物理過(guò)程參數(shù)化方案對(duì)遼寧的一次暴雪過(guò)程進(jìn)行對(duì)比研究，表明Thompson 方案模擬出更多的雪粒子和最少的霰粒子，Lin 方案霰粒子南北范圍廣、伸展高度高，WSM6 和WDM6 兩種方案模擬出較少的霰粒子。綜上所述，不同的物理參數(shù)化方案對(duì)水成物的種類、密度、數(shù)目、譜分布的設(shè)置差別較大，對(duì)云微物理過(guò)程的物理描述和處理方法上也存在較大差異，因此不同微物理參數(shù)化方案模擬的暴雪天氣過(guò)程的熱動(dòng)力過(guò)程、水凝物過(guò)程、雷達(dá)回波以及地面降水等也應(yīng)存在顯著區(qū)別。但是目前的大多數(shù)微物理方案的研究都是基于暴雨、颮線、冰雹等強(qiáng)對(duì)流天氣進(jìn)行研究的，對(duì)降雪天氣過(guò)程的研究很少。而降雪天氣過(guò)程的雷達(dá)回波很弱，對(duì)流發(fā)展也偏弱，不同微物理參數(shù)化模擬的動(dòng)熱力、水凝物等是否存在很大差異還需要進(jìn)行大量研究。

本文利用WRF 模式對(duì)我國(guó)北方的一次大范圍暴雪天氣過(guò)程進(jìn)行數(shù)值模擬，對(duì)比不同微物理參數(shù)化方案 [Thompson、Morrison、WDM6、NSSL、SBM fast（bin）] 模擬的雷達(dá)回波、降水量、動(dòng)熱力以及水凝物等物理量特征，從而為暴雪天氣過(guò)程的預(yù)報(bào)提供一定的理論研究基礎(chǔ)。

2 資料和方法

2.1 個(gè)例介紹

2020 年4 月19 日至20 日15 時(shí)（協(xié)調(diào)世界時(shí)，下同），我國(guó)東北地區(qū)受到一次大范圍暴雪天氣過(guò)程侵襲，東北三省大部分地區(qū)以及內(nèi)蒙古東部都不同程度的受到影響。內(nèi)蒙古呼倫貝爾、黑龍江齊齊哈爾和黑河局地積雪達(dá)15～25 cm。齊齊哈爾市為當(dāng)?shù)赜袣庀笥涗浺詠?lái)4 月下旬最大，其中，內(nèi)蒙古的扎蘭屯積雪深度最大，最深達(dá)47 cm，降雪分布范圍和強(qiáng)度如圖1 所示。本次大范圍降雪天氣過(guò)程造成了交通癱瘓，鐵路、公路以及機(jī)場(chǎng)關(guān)閉。且發(fā)生在春耕的關(guān)鍵時(shí)期，對(duì)農(nóng)業(yè)設(shè)施也造成了很大破壞，發(fā)生在疫情防控的關(guān)鍵時(shí)期，大范圍的降溫過(guò)程，增加了公眾健康安全風(fēng)險(xiǎn)。

圖1 2020 年4 月19 日12 時(shí)至20 日12 時(shí)（協(xié)調(diào)世界時(shí)，下同），24 小時(shí)累計(jì)降水量實(shí)況分布（單位：mm）。散點(diǎn)圖的顏色代表降水量的量級(jí)，紅色框?yàn)楸敬卧囼?yàn)主要關(guān)注的區(qū)域Fig. 1 Distribution of the 24-h accumulative precipitation from 1200 UTC 19 April to 1200 UTC 20 April 2020 (units: mm). The colors of the scatter plot represent the magnitude of precipitation. Red boxes are areas of major concern in this experiment

2.2 天氣形勢(shì)分析

為了分析此次暴雪天氣過(guò)程的天氣背景條件，利用歐洲中期天氣預(yù)報(bào)中心（European Centre For Medium Range Weather Forecasts，ECMWF）的全球再分析數(shù)據(jù)（ECMWF Reanalysis v5，ERA5），分別分析了此次大范圍暴雪天氣過(guò)程發(fā)生前的500 hPa、850 hPa 以及地面的環(huán)流場(chǎng)、溫度場(chǎng)和風(fēng)場(chǎng)。ERA5 的空間分辨率為0.25°×0.25°，時(shí)間分辨率為1 h。從500 hPa 高度場(chǎng)（圖2a）上可知，亞洲中高緯地區(qū)為“一槽一脊”形勢(shì)，蒙古國(guó)中西部地區(qū)以及中國(guó)東北華北地區(qū)被高壓脊所控制。我國(guó)東北的北部有一深厚的冷渦，中心位于貝加爾湖以東和庫(kù)頁(yè)島以西附近，冷空氣沿著槽線附近進(jìn)入我國(guó)內(nèi)蒙東部從而影響整個(gè)東北地區(qū)，且我國(guó)大部分東北地區(qū)以及中東部地區(qū)受到急流的影響，對(duì)流不穩(wěn)定增強(qiáng)。從850 hPa（圖2b）低空環(huán)流和比濕的分布來(lái)看，低渦中心位于內(nèi)蒙東部地區(qū)，低渦前部的西南氣流和偏南氣流從南方攜帶暖濕氣流，并向東北輸送。從地面天氣形勢(shì)（圖2c）可知，我國(guó)東北正好在低壓中心附近，受到低壓中心的控制，其中心氣壓低于1001 hPa，且低壓中心具有不斷加強(qiáng)的趨勢(shì)。北方的干冷氣流與南方的飽和暖濕氣流在東北地區(qū)匯集。這種低層輻合高層輻散的天氣系統(tǒng)加上低層大量水汽的輸送，導(dǎo)致這次大范圍暴雪天氣發(fā)生和維持。

圖2 ERA5 再分析資料2020 年4 月19 日06 時(shí)天氣形勢(shì)圖：（a）500 hPa 位勢(shì)高度（藍(lán)色等值線，單位：10 gpm）、溫度（填色，單位：K）、風(fēng)場(chǎng)（箭矢，單位：m s-1）和急流（綠色陰影，風(fēng)速大于20 m s-1）；（b）850 hPa 位勢(shì)高度（藍(lán)色等值線，單位：10 gpm）、風(fēng)場(chǎng)（箭矢，單位m s-1）和比濕（填色，單位：g kg-1）；（c）地面海平面平均氣壓（藍(lán)色等值線，單位：hPa）、風(fēng)場(chǎng)（箭矢，單位：m s-1）、溫度（色階，單位：K）和溫度露點(diǎn)差（綠色陰影，＜2 ：?jiǎn)挝唬篕）Fig. 2 (a) Geopotential height (blue contour, units: 10 gpm), temperature (shaded, units: K), wind (vector, units: m s-1), and wind jet (green shadow,wind speed over 20 m s-1) at 500 hPa; (b) geopotential height (blue contour, units: 10 gpm), wind (vector, units: m s-1), specific humidity (shaded,units: g kg-1) at 850 hPa; (c) mean sea level pressure (blue contour, units: hPa), wind (vector, units: m s-1), temperature (shaded, units: K) and temperature dew point difference (the green shadow is less than 2, units: K) on 1200 UTC 19 April 2020 based on the ERA5 reanalysis data

2.3 模式設(shè)計(jì)和觀測(cè)資料

本文采用WRF4.1.5 中尺度模式對(duì)本次暴雪天氣過(guò)程進(jìn)行數(shù)值模擬，模式為單層，模擬區(qū)域如圖3，空間分辨率為3 km，格點(diǎn)數(shù)為500×530，中心為（46.5°N，124°E），垂直方向?yàn)?1 層，模式層頂為50 hPa。采用分辨率為0.25°×0.25°的ERA5 再分析資料為初始和邊界條件，模擬的初始時(shí)刻為2020 年2 月19 日00 時(shí)，模擬時(shí)長(zhǎng)為36 個(gè)小時(shí)，每隔1 小時(shí)輸出一次結(jié)果。為了研究模式不同微物理方案對(duì)這次大范圍暴雪天氣過(guò)程的影響，選 擇 了Thompson(8)、Morrison(10)、WDM6(16)、NSSL(18)、SBM fast (bin, 30) 五種云微物理過(guò)程方案進(jìn)行數(shù)值模擬，Thompson(8)、Morrison(10)、WDM6(16)、NSSL(18)這四個(gè)方案屬于bulk 方案，除云微物理方案不同外，均采用YSU 邊界層方案，Noah 陸面過(guò)程方案，不采用積云對(duì)流參數(shù)化方案，RRTM 長(zhǎng)波輻射方案，Dudhia 短波輻射方案，具體的參數(shù)化方案設(shè)置如表1 所示，表2 為5 個(gè)微物理參數(shù)化方案對(duì)應(yīng)的混合比和數(shù)濃度。為了驗(yàn)證本次試驗(yàn)?zāi)M的效果，采用地面氣象站數(shù)據(jù)以及雷達(dá)基數(shù)據(jù)進(jìn)行驗(yàn)證。

表1 模式設(shè)計(jì)Table 1 Mode parameterization scheme setting

表2 微物理參數(shù)化方案的混合比和數(shù)濃度Table 2 Mixing ratio and number concentration of the five microphysical parameterization schemes

圖3 模擬區(qū)域Fig. 3 Model domain for the numerical simulation

3 模擬結(jié)果驗(yàn)證

為了分析不同的微物理參數(shù)化方案對(duì)這次暴雪天氣過(guò)程模擬的效果，本文主要對(duì)不同微物理參數(shù)化方案模擬得到的雷達(dá)組合反射率、降水水平分布分布以及雷達(dá)反射率垂直分布與實(shí)況進(jìn)行對(duì)比。

3.1 雷達(dá)反射率

天氣雷達(dá)是利用云霧、雨、雪等降水粒子對(duì)電磁波的散射和吸收作用，從而可探測(cè)到降水的空間分布和鉛直結(jié)構(gòu)，雷達(dá)觀測(cè)的反射率因子能很好地反映大氣中的水物質(zhì)含量，所以利用不同的云微物理參數(shù)化方案模擬的雷達(dá)反射率與雷達(dá)基數(shù)據(jù)進(jìn)行比較。此次大范圍暴雪天氣過(guò)程從2020 年4 月19日02 時(shí)左右開始生成并不斷向東發(fā)展，到19 日20 時(shí)左右發(fā)展成熟，并開始慢慢消散，持續(xù)時(shí)間大概36 個(gè)小時(shí)左右。本次試驗(yàn)重點(diǎn)關(guān)注的區(qū)域是降雪量比較大的地區(qū)，其位置如圖1 所示，分別選取了該區(qū)域內(nèi)對(duì)流系統(tǒng)生成、發(fā)展和成熟三個(gè)階段進(jìn)行分析。

總體上，5 種微物理參數(shù)化方案模擬的雷達(dá)反射率在時(shí)間和空間上分布基本一致。實(shí)測(cè)的雷達(dá)最強(qiáng)回波時(shí)間是19 日20 時(shí)（圖4a3），而模擬的最強(qiáng)回波時(shí)間是19 日21 時(shí)（圖4b3、c3、d3、e3、f3），較觀測(cè)晚了約1 小時(shí)。圖4 為不同的微物理方案模擬不同時(shí)次的雷達(dá)回波與實(shí)測(cè)的雷達(dá)回波對(duì)比圖。圖4a1、a2、a3 是雷達(dá)實(shí)況，由于雷達(dá)資料的不全，只有少數(shù)的幾個(gè)自動(dòng)站，因此實(shí)況的雷達(dá)數(shù)據(jù)只覆蓋部分地區(qū)。第一列為主要關(guān)注區(qū)域的對(duì)流初生時(shí)刻，第二列為對(duì)流發(fā)展時(shí)刻，第三列為對(duì)流成熟時(shí)刻。5 種微物理方案模擬的雷達(dá)回波范圍明顯比實(shí)況偏大，但是雷達(dá)回波中心強(qiáng)度和落區(qū)基本與實(shí)況一致，強(qiáng)回波中心大于45 dBZ，在內(nèi)蒙古的東側(cè)有一個(gè)發(fā)展強(qiáng)烈且范圍廣的對(duì)流系統(tǒng)，從地面天氣形勢(shì)圖（圖2c）可知，該地區(qū)受強(qiáng)低壓中心控制，低壓中心在該地區(qū)停留將近兩天（圖略），這與強(qiáng)對(duì)流系統(tǒng)持續(xù)時(shí)間一致。該對(duì)流系統(tǒng)導(dǎo)致扎蘭屯、齊齊哈爾、白城等區(qū)域大范圍、高強(qiáng)度、持續(xù)時(shí)間長(zhǎng)的降雪過(guò)程。從整個(gè)過(guò)程看，bin方案模擬的強(qiáng)回波中心與實(shí)況相比偏弱（圖4f1、f2、f3），而Morrison 模擬的雷達(dá)回波中心偏強(qiáng)（圖4c1、c2、c3）。與bin 方案相比，bulk 方案模擬的回波結(jié)構(gòu)較松散，單體相對(duì)孤立，組織化程度較差。從整個(gè)時(shí)間周期上看（圖略），雷達(dá)回波在20 日12 時(shí)左右基本消散，而bulk 方案模擬的雷達(dá)回波中心還有30 dBZ左右，bin 方案的回波強(qiáng)度基本消散，因此bin 方案的發(fā)展周期比bulk 方案的短，更與實(shí)況一致。

不同的微物理參數(shù)化方案模擬的雷達(dá)回波的水平分布差異較小，因此也對(duì)比了觀測(cè)和模擬的雷達(dá)反射率垂直結(jié)構(gòu)分布，各剖面的位置如圖4 紫色框?qū)蔷€位置。4 月19 日14 時(shí)（圖5a1），黑龍江省、內(nèi)蒙古與吉林的交界地帶有幾個(gè)初生的對(duì)流單體，回波中心強(qiáng)度在35 dBZ以下，懸垂在850～600 hPa 之間。5 種微物理方案模擬的雷達(dá)回波剖面（圖5b1、c1、d1、e1、f1）基本都與實(shí)況一致。但是NSSL 方案模擬的回波底偏低，WDM6 方案模擬的回波頂偏低。隨著對(duì)流系統(tǒng)的發(fā)展（圖5b1），對(duì)流單體的水平寬度以及垂直高度不斷擴(kuò)大，多對(duì)流中心發(fā)展并開始合并，強(qiáng)回波中心最高可達(dá)到45 dBZ，5 種微物理方案（圖5b2、c2、d2、e2、f2）均模擬出了多單體逐步發(fā)展合并的特征，且其形態(tài)基本與實(shí)況一致，但是WDM6（圖5d2）和NSSL（圖5e2）方案模擬的強(qiáng)回波中心與實(shí)況相比偏弱，在21 時(shí)（圖5a3），對(duì)流系統(tǒng)發(fā)展達(dá)到最強(qiáng)，中心回波強(qiáng)度達(dá)到50 dBZ，Thompson（圖5b3）和Morrison（圖5c3）均模擬出50 dBZ的強(qiáng)回波中心。但是Morrison 模擬的回波形態(tài)比較寬廣，更與實(shí)況一致。從整個(gè)過(guò)程上看，Morrison模擬的回波強(qiáng)度、范圍和形態(tài)更與實(shí)況一致，bin與bulk 方案相比，模擬的單體更多，這可能這主要是因?yàn)閎in 方案將粒子群分檔處理，沒(méi)有捆綁不同粒子類型運(yùn)動(dòng)，更能描述出不同檔位粒子相互作用。

圖4 2022 年4 月19 日（a1）15:00、（a2）17:00、（a3）20:00 實(shí)測(cè)和（b1、c1、d1、e1、f1）14:00、（b2、c2、d2、e2、f2）16:00、（b3、c3、d3、e3、f3）21:00（b1-b3）Thompson 方案、（c1-c3）Morrison 方案、（d1-d3）WDM6 方案、（e1-e3）NSSL 方案及（f1-f3）bin 方案模擬的雷達(dá)組合反射率（單位：dBZ）。紅色對(duì)角線和方框分別表示下文剖面位置和區(qū)域平均的范圍Fig. 4 Observed (a1) 1500 UTC, (a2) 1700 UTC, (a3) 2000 UTC and simulated radar composite reflectivity (units: dBZ); (b1) 1400 UTC 19 April 2020, (b2) 1600 UTC 19 April 2020, (b3) 2100 UTC 19 April 2020) correspond to Thompson (the time of other schemes is the same below), (c1, c2,c3) is Morrison, (d1, d2, d3) is WDM6, (e1, e2, e3) is NSSL, and (f1, f2, f3) is bin. Red diagonal lines and red boxes indicate the slice lines of crosssections and the averaging area in the following analysis, respectively

圖5 實(shí)測(cè)和微物理參數(shù)化方案模擬的雷達(dá)反射率垂直剖面（單位：dBZ）和風(fēng)場(chǎng)（箭矢：?jiǎn)挝唬簃 s-1）（其垂直速度風(fēng)矢擴(kuò)大了50 倍，下同），時(shí)間和剖面的位置如圖4 所示Fig. 5 Observed and simulated vertical cross-section of the radar composite reflectivity (units: dBZ) and winds (vector, units: m s-1; vertical vector speed is magnified by 50, the same below). The analysis time and locations of cross-sections are denoted in Fig. 4

3.2 地面累計(jì)降水分布

本文在對(duì)比雷達(dá)回波的同時(shí)，對(duì)降水的分布情況也進(jìn)行了對(duì)比。由于不同微物理參數(shù)化方案對(duì)水物質(zhì)的組成和分布描述不同，會(huì)導(dǎo)致模式對(duì)降水的模擬產(chǎn)生差異，5 種微物理參數(shù)化方案模擬得到的6 小時(shí)累計(jì)降水量與站點(diǎn)實(shí)況降水觀測(cè)的對(duì)比如圖6 所示，其中圖6a1、a2、a3 是地面自動(dòng)站降水分布情況。在初期降水帶主要呈東北—西南走向（圖6a1），由地面天氣形勢(shì)圖（圖2c）可知，我國(guó)內(nèi)蒙古、黑龍江、吉林三省交界地帶受低壓中心控制，強(qiáng)低壓中心在此停滯不前，南部受強(qiáng)勁的西南風(fēng)影響，在西南風(fēng)不斷加強(qiáng)和推進(jìn)作用下，降水帶逐漸呈南北走向（圖6a2），最后呈西北—東南走向（圖6a3），最后移出我國(guó)區(qū)域，持續(xù)時(shí)間30 個(gè)小時(shí)左右。從圖6 可知5 種微物理參數(shù)化方案模擬的降水量分布、雨帶走勢(shì)、強(qiáng)度基本與實(shí)況一致，基本模擬出了強(qiáng)降水中心和發(fā)展的走勢(shì)，但是模擬的強(qiáng)度中心（＞12.8 mm）和范圍明顯比實(shí)況要大。與此同時(shí)，也對(duì)比5 個(gè)方案模擬的24 小時(shí)累計(jì)降水量，從降水量分布情況（圖7）來(lái)看，5 個(gè)微物理參數(shù)化方案模擬的24 小時(shí)累計(jì)降水量的強(qiáng)度和落區(qū)與實(shí)況基本一致，WDM6 方案模擬的強(qiáng)降水（＞25.6 mm）中心的強(qiáng)度和范圍明顯比實(shí)況偏大。

圖6 觀測(cè)和模擬的6 小時(shí)累計(jì)降水量（單位：mm）：（a1、b1、c1、d1、e1、f1）2020 年4 月19 日10:00～16:00；（a2、b2、c2、d2、e2、f2）2020 年4 月19 日20:00 至20 日02:00；（a3、b3、c3、d3、e3、f3）2020 年4 月20 日06:00～12:00Fig. 6 Observed and simulated of the 6-h accumulated rainfall (units: mm) during (a1, b1, c1, d1, e1, f1) 1000-1600 UTC 19, (a2, b2, c2, d2, e2, f2)2000 UTC 19-0200 UTC 20, and (a3, b3, c3, d3, e3, f3) 0600 UTC-1200 UTC 20

為了定量評(píng)價(jià)不同微物理參數(shù)化方案對(duì)這次暴雪天氣過(guò)程的模擬結(jié)果，選取了東北258 個(gè)地面自動(dòng)站的1 小時(shí)累計(jì)降水均值資料對(duì)模式的模擬能力進(jìn)行客觀定量評(píng)價(jià)。其結(jié)果如圖8 和表3 所示，4月19 日22 時(shí)左右，降水達(dá)到峰值，但是模擬的降水峰值與實(shí)況相比提前了1 小時(shí)左右。19 日23 時(shí)以前，模式模擬的降水量級(jí)與實(shí)況一致，但是23時(shí)以后出現(xiàn)了較大偏差，模擬降水的明顯比實(shí)況偏高。從表3 的相關(guān)系數(shù)和均方根誤差結(jié)果來(lái)看，相關(guān)系數(shù)最大的是Morrison 方案，達(dá)到0.9591，均方根誤差最小的是Thompson 方案，為0.0640?？梢哉J(rèn)為本次過(guò)程中Thompson 和Morrison 方案整體優(yōu)于其他方案。從24 小時(shí)累計(jì)降水（圖7）主觀檢驗(yàn)上看，Morrison 方案的強(qiáng)降水中心（＞25.6 mm）范圍比Thompson 方案的小，更與實(shí)況一致，因此綜合客觀定量評(píng)價(jià)和主觀檢驗(yàn)，Morrison 方案對(duì)此次降雪過(guò)程的模擬更好。

圖7 2020 年4 月19 日06 時(shí)至20 日06 時(shí)實(shí)況與不同微物理參數(shù)化模擬的24 小時(shí)累計(jì)降水量（單位：mm）Fig. 7 Observed and simulated of the 24 h accumulated rainfall during 0600 UTC 19 April 2020-0600 UTC 20 April 2020 for simulation (units:mm).

表3 1 小時(shí)累計(jì)降水量統(tǒng)計(jì)評(píng)估Table 3 One-hour accumulated rainfall statistical assessment

4 微物理參數(shù)化方案對(duì)云內(nèi)熱動(dòng)力的影響

云中的動(dòng)力和熱力場(chǎng)能為云中的微物理過(guò)程提供背景流場(chǎng)，并影響云和降水粒子的數(shù)濃度、初始尺度譜以及相應(yīng)的物理性質(zhì)，規(guī)范了微物理過(guò)程進(jìn)行的速率和持續(xù)的時(shí)間，以及最終降水物的尺度。反過(guò)來(lái)，云中的微物理過(guò)程對(duì)熱動(dòng)力有很好的反饋?zhàn)饔谩Ｍㄟ^(guò)凝結(jié)、蒸發(fā)、凝華等過(guò)程改變水汽分布，相變潛熱的釋放和吸收，為云動(dòng)力過(guò)程提供了重要的熱源和熱匯。因此對(duì)云微物理結(jié)構(gòu)進(jìn)行分析需要對(duì)云內(nèi)熱動(dòng)力結(jié)構(gòu)進(jìn)行分析。圖9 是5 個(gè)微物理參數(shù)化方案模擬的區(qū)域平均垂直速度場(chǎng)和風(fēng)場(chǎng)結(jié)構(gòu)的剖面。充足的水汽輸送和旺盛的上升運(yùn)動(dòng)是降水產(chǎn)生的基本條件，上升運(yùn)動(dòng)可使水汽從未飽和狀態(tài)達(dá)到飽和狀態(tài)，從而有利于降水形成。從圖中的風(fēng)場(chǎng)結(jié)構(gòu)看，該地區(qū)主要吹偏南風(fēng)，可以從南方帶來(lái)暖濕的水汽，有利于降水的形成。通常降雪過(guò)程的對(duì)流較弱，因此總體上模擬的垂直速度量級(jí)都在2 m s-1以下。5 個(gè)微物理參數(shù)化方案模擬垂直速度場(chǎng)都以上升運(yùn)動(dòng)為主，300 hPa 以上垂直速度基本接近0。在整個(gè)對(duì)流過(guò)程中，對(duì)流發(fā)展階段（圖9a2、b2、c2、d2、e2）的上升運(yùn)動(dòng)達(dá)到最強(qiáng)，到了成熟階段（圖9a3、b3、c3、d3、e3），強(qiáng)對(duì)流已經(jīng)變?nèi)醪⒅鸩较?，但是Morrison 方案模擬的帶狀強(qiáng)上升運(yùn)動(dòng)中心仍然比較強(qiáng)，說(shuō)明Morrison 方案模擬的強(qiáng)上升運(yùn)動(dòng)持續(xù)時(shí)間比其他方案更長(zhǎng)，這與Morrison 方案模擬的降水量（圖8）在19 日16～21 時(shí)這段時(shí)間內(nèi)比其他方案偏高是相對(duì)應(yīng)的。

圖8 東北258 個(gè)地面自動(dòng)站與不同微物理參數(shù)化模擬的平均1 小時(shí)累計(jì)降水量時(shí)間演變（單位：mm）Fig. 8 Temporal evolution of the average 1-hour accumulated rainfall at 258 automatic ground stations in Northeast China simulated by different microphysical parameterizations (units: mm)

圖9 五種方案模擬的垂直速度 (填色，單位：m s-1)、風(fēng)場(chǎng)（箭矢，單位：m s-1），時(shí)間和剖面位置同圖4Fig. 9 Vertical cross-sections of the vertical velocity (shaded, units: m s-1) and winds (vectors, units: m s-1) simulated by different microphysical parameterizations. The analysis time and locations of cross-sections are denoted in Fig. 4

圖10 為渦度場(chǎng)的垂直剖面，從渦度場(chǎng)可知，隨著對(duì)流系統(tǒng)的發(fā)展，正渦度不斷加強(qiáng)，范圍也不斷向高層發(fā)展，說(shuō)明輻合上升運(yùn)動(dòng)不斷加強(qiáng)?？傮w上低層渦度為正，為輻合區(qū)，中層渦度為負(fù)，為強(qiáng)的輻散區(qū)，這種低層輻合，高層輻散的環(huán)境配置有利于強(qiáng)對(duì)流系統(tǒng)的形成發(fā)展，有利于降水形成（宗志平和劉文明, 2004）。劉寧微（2006）分析了2003 年3 月遼寧的暴雪過(guò)程，指出低空輻合和高空輻散，導(dǎo)致上升運(yùn)動(dòng)的加強(qiáng)以及低層正渦度的產(chǎn)生和維持而產(chǎn)生的垂直方向上水汽凝結(jié)是該暴雪過(guò)程的形成機(jī)制，5 個(gè)微物理參數(shù)化方案模擬的渦度都體現(xiàn)了這個(gè)特征。Thompson 方案（圖10a3）和NSSL 方案（圖10d3）模擬的低層正渦度（＞0.0008）延伸高度更高，說(shuō)明輻合上升運(yùn)動(dòng)更強(qiáng)，這與Thompson 方案和NSSL 方案的雷達(dá)回波頂較高是一致的。在初始階段（圖10a1、b1、c1、d1、e1），正渦度中心在850 hPa 附近發(fā)展，隨著對(duì)流系統(tǒng)的發(fā)展（圖10a2、b2、c2、d2、e2），正渦度中心開始向高層發(fā)展，達(dá)到500 hPa 附近，正渦度中心伴隨著有負(fù)渦度中心，到了成熟階段（圖10a3、b3、c3、d3、e3），正渦度中心已經(jīng)逐漸消散。在對(duì)流發(fā)展階段，5 個(gè)微物理參數(shù)化方案在600 hPa以下均有波列分布，但是bin 方案的波列結(jié)構(gòu)更細(xì)小、數(shù)量更多、更明顯，這主要是因?yàn)閎in 方案將粒子群分檔處理，沒(méi)有捆綁不同粒子類型運(yùn)動(dòng)，更能細(xì)致描述出不同粒子的下沉拖曳作用。

圖10 微物理參數(shù)化方案模擬的渦度場(chǎng)（填色，單位：s-1）和風(fēng)場(chǎng)（箭矢，單位：m s-1）垂直剖面，時(shí)間和剖面位置同圖4Fig. 10 Vertical cross-sections of the vorticity field (shaded, units: s-1) and wind (vector, units: m s-1) simulation by different microphysical parameterizations. The analysis time and the locations of cross-sections are denoted in Fig. 4

圖11 是擾動(dòng)位溫和總水凝物混合比的垂直分布圖，擾動(dòng)位溫是三個(gè)對(duì)流發(fā)展階段（初生、發(fā)展、成熟）分別與模式初始時(shí)刻（19 日00 時(shí)）的差值。從擾動(dòng)位溫來(lái)看，5 種方案都模擬出了負(fù)—正—負(fù)的位溫結(jié)構(gòu)，即在低層（700 hPa 以下）擾動(dòng)位溫為負(fù)值，在中層（700～500 hPa）擾動(dòng)位溫為正值，在中高層（500～300 hPa）擾動(dòng)位溫為負(fù)值，5 種微物理參數(shù)化方案模擬的擾動(dòng)位溫差異不明顯。隨著對(duì)流系統(tǒng)的發(fā)展，擾動(dòng)位溫不斷加強(qiáng)，Thompson方案模擬的成熟階段（圖11a3）的擾動(dòng)位溫在低層發(fā)展最強(qiáng)烈，說(shuō)明該方案模擬的冷池強(qiáng)度最強(qiáng)，更有利于對(duì)流系統(tǒng)發(fā)展。水凝物主要分布在500 hPa以下的中低層區(qū)，不同的微物理參數(shù)化方案模擬的總水凝物分布與垂直速度是對(duì)應(yīng)的，垂直上升運(yùn)動(dòng)中心對(duì)應(yīng)著水凝物的混合比最大值中心，強(qiáng)上升運(yùn)動(dòng)的延伸高度和寬度對(duì)應(yīng)著水凝物的延伸高度和寬度。

圖11 不同方案模擬的擾動(dòng)位溫（填色，單位：K）和總水凝物混合比（等值線，單位：g kg-1）的垂直剖面，紅色實(shí)線為0°C 等溫線，時(shí)間和剖面位置如圖4Fig. 11 Vertical cross-sections of the potential temperature perturbation (shaded, units: K) and the total mixing ratio (contours, units: g kg-1). Red solid lines represent the 0°C isotherms. The analysis time and locations of cross-sections are denoted in Fig. 4

為了更細(xì)致地描述整個(gè)對(duì)流過(guò)程的垂直速度、渦度以及擾動(dòng)位溫特征，進(jìn)行了最大最小垂直速度、渦度以及平均擾動(dòng)位溫隨時(shí)間演變特征統(tǒng)計(jì)（圖12），不同微物理參數(shù)化方案所選取的區(qū)域位置如圖4（b3、c3、d3、e3、f3）所示。從圖中可知，各方案的垂直速度、渦度和擾動(dòng)位溫走勢(shì)基本一致，渦度的走勢(shì)與垂直速度的走勢(shì)基本一致，從整體上看，19 日10 時(shí)左右，WDM6 方案模擬的最大垂直速度（圖12a1）和最大渦度（圖12b1）與其它方案相比明顯偏高，到了11 ～20 時(shí)左右，其最大垂直速度又明顯比其他方案偏小，這主要是因?yàn)樵?1～20 時(shí)這段時(shí)間，WDM6 方案模擬的降水（圖8）明顯比其他方案高，比較大的降水引起粒子的下沉拖曳作用，使得其垂直上升運(yùn)動(dòng)明顯降低。本次暴雪過(guò)程主要發(fā)生在19 日16 時(shí)至20 日03 時(shí)，并不是發(fā)生在對(duì)流運(yùn)動(dòng)最強(qiáng)烈的時(shí)段，而是發(fā)生在垂直速度極值和渦度極值都趨于變小的時(shí)段，說(shuō)明相對(duì)靜穩(wěn)的環(huán)境，可能更有利于降雪發(fā)生。從平均擾動(dòng)位溫分布走勢(shì)圖來(lái)看（圖12c），從19 日00 時(shí)開始，擾動(dòng)位溫不斷增加，到19 日06 時(shí)，達(dá)到最大值，開始維持在一個(gè)穩(wěn)定的數(shù)值，到了19 日16 時(shí)，擾動(dòng)位溫開始逐步下降，到20日03 時(shí)以后又開始回升，擾動(dòng)位溫下降的時(shí)間段對(duì)應(yīng)著強(qiáng)降雪時(shí)段（圖8），所以氣溫的冷卻作用可能是此次暴雪天氣過(guò)程的形成的機(jī)制之一。從整個(gè)過(guò)程來(lái)看，bin 方案和Morrison 方案的擾動(dòng)位溫最大，Thompson 方案的擾動(dòng)位溫最小。

圖12 不同微物理參數(shù)化方案模擬的（a1、a2）最大最小垂直速度、（b1、b2）渦度和（c）平均擾動(dòng)位溫時(shí)間演變Fig. 12 Temporal evolution of the (a1, a2) max and min vertical velocity, (b1, b2) vorticity, and (c) potential temperature (PT) perturbation simulated by different microphysical parameterizations.

5 微物理參數(shù)化方案對(duì)水凝物的影響

5.1 水凝物的垂直廓線

云微物理過(guò)程中，水成物的分布在很大程度上反映了微物理過(guò)程中水汽與降水粒子之間相互轉(zhuǎn)換的熱力動(dòng)力過(guò)程（許廣等, 2017），對(duì)云微物理過(guò)程特別是水成物的分析有助于了解降水過(guò)程的機(jī)制。從圖13 可看出，5 種微物理參數(shù)化方案模擬的水凝物含量和分布存在較大差異，從整體的水凝物混合比可知，所有的微物理參數(shù)化方案中，占比最大的都是雪粒子，這與本次個(gè)例是暴雪天氣過(guò)程相對(duì)應(yīng)。冰晶主要集中在8 km 附近，3 km 為雪粒子最大層，2 km 為霰粒子最大層， 1.5 km 為云水最大層，雨水主要分布在2 km 以下的暖區(qū)。對(duì)于雪、霰、云水以及雨水的模擬，各方案模擬的廓線除了在量級(jí)上有區(qū)別外，其分布高度基本一致，而對(duì)冰晶的模擬，各方案模擬的廓線不管在強(qiáng)度和分布高度上都存在很大的差異，說(shuō)明不同的微物理參數(shù)化方案對(duì)冰晶粒子的描述存在很大差異。

圖13 區(qū)域平均的水凝物混合比垂直廓線（單位：g kg-1）：（a1、a2、a3）冰晶；（b1、b2、b3）雪；（c1、c2、c3）霰；（d1、d2、d3）云水；（e1、e2、e3）雨水,時(shí)間和位置同圖4Fig. 13 Vertical profiles of the regionally average mixing ratio (units: g kg-1) of (a1, a2, a3) ice, (b1, b2, b3) snow, (c1, c2, c3) graupel, (d1, d2, d3)cloud water, and (e1, e2, e3) rainwater. The analysis time and the locations of cross-sections are denoted in Fig. 4

通常雷達(dá)反射率與大氣中的雨、雪、霰等水凝物有關(guān)，其中雨水粒子的反射率最強(qiáng)，雪粒子的反射率最弱。5 種微物理參數(shù)化方案均模擬出了大氣低層的雨水粒子（圖13e1、e2、e3），但是WDM6方案模擬的雨水粒子明顯比其他方案的高，這是造成WDM6 方案模擬的反射率剖面在低層（850 hPa以下）比其他方案高且深厚的原因。NSSL 方案模擬的雨水粒子伸展高度最高，造成NSSL 方案模擬的雷達(dá)回波伸展高度也高。從雪粒子的整個(gè)時(shí)空分布來(lái)看，總體上bin 方案模擬的雪粒子量級(jí)在對(duì)流初生階段和發(fā)展階段比其他方案偏高，但是在成熟階段與其它方案基本一致。Thompson 方案模擬的雪粒子量級(jí)在成熟階段，其低層的雪粒子明顯比其他方偏高，說(shuō)明Thompson 方案模擬的地面降雪量最大。而霰粒子的空間分布各方案模擬的正好與雪粒子相反，bin 和Morrison 方案模擬的雪粒子偏高，而模擬的霰粒子含量最低，WDM6 方案模擬的雪粒子偏低，而模擬的霰粒子含量偏高。云水粒子主要集中在2 km 高度附近，在對(duì)流初生階段（圖13d1）和對(duì)流發(fā)展階段（圖13d2），各方案模擬的云水粒子含量和高度出現(xiàn)較大偏差，但到了成熟階段（圖13d3），各方案模擬的云水粒子不管是在量級(jí)還是在分布高度上基本一致。從模擬的冰晶粒子分布來(lái)看，各方案存在很大的差異，WDM6 方案模擬的冰晶粒子含量最高，且其延伸范圍廣，從低層至高層9 km 附近均有冰晶粒子存在。Morrison方案和NSSL 方案模擬的冰晶粒子含量也較高，但是兩個(gè)方案模擬的冰晶粒子分布高度存在很大區(qū)別，Morrison 方案主要集中在8 km 的高層，而NSSL方案主要集中在3 km 的中低層，bin 和Thompson方案模擬的冰晶粒子含量最少。從整個(gè)時(shí)間演變上看，在對(duì)流系統(tǒng)初生和發(fā)展階段，總體上各方案模擬的水凝物在量級(jí)和分布高度上都存在較大的差距，到了成熟階段，各方案模擬的水凝物趨于一致。

圖14 是數(shù)濃度的垂直廓線，由于WDM6 方案只預(yù)報(bào)出了雨水和云水?dāng)?shù)濃度，Thompson 方案只預(yù)報(bào)了冰晶和雨水?dāng)?shù)濃度，NSSL 方案沒(méi)有預(yù)報(bào)出云粒子，因此我們只給出了各個(gè)方案預(yù)報(bào)出的水凝物數(shù)濃度。從模擬的水凝物數(shù)濃度來(lái)看，各方案存在很大的差異。Morrison 模擬的冰晶、雪粒子以及霰粒子等固態(tài)水凝物的數(shù)濃度都很大，基本都大于其他方案，從云水的數(shù)濃度分布來(lái)看，WDM6 方案遠(yuǎn)大于bin 方案，NSSL 方案和WDM6 方案模擬的雨水遠(yuǎn)大于其他方案，bin 方案模擬的水凝物數(shù)濃度與其它方案相比都很弱。

圖14 區(qū)域平均的水凝物數(shù)濃度垂直廓線（單位：105 kg-1）：（a1、a2、a3）冰晶；（b1、b2、b3）雪；（c1、c2、c3）霰；（d1、d2、d3）云水；（e1、e2、e3）雨水。時(shí)間和位置如圖4Fig. 14 Vertical profiles of the regionally average number concentration of (a1, a2, a3) ice, (b1, b2, b3) snow, (c1, c2, c3) graupel, (d1, d2, d3) cloud water, and (e1, e2, e3) rainwater (units: 105 kg-1). The analysis time and locations of cross-sections are denoted in Fig. 4

5.2 水凝物的時(shí)間—高度剖面

不同的微物理參數(shù)化方案對(duì)水凝物的模擬在時(shí)間層上也存在較大差異（圖15），對(duì)于云粒子，各方案模擬的強(qiáng)度基本一致，Morrison 方案模擬的云頂高度比其他方案偏低。對(duì)于冰晶粒子和雪粒子，其分布范圍較廣，出現(xiàn)多個(gè)極值中心，從時(shí)間軸上看，NSSL 方案模擬的冰晶粒子出現(xiàn)時(shí)間比別的方案要晚了1 個(gè)小時(shí)，Thompson 方案在4 月19 日12～13 時(shí)沒(méi)有模擬出冰晶。Thompson 方案模擬的雪粒子在19 日18 時(shí)已經(jīng)開始延伸到地面，而其他方案模擬的雪粒子在19 時(shí)左右才開始延伸到地面，說(shuō)明Thompson 方案模擬地面最早降雪時(shí)間比比其他方案模擬早了1 個(gè)小時(shí)。對(duì)于雨水粒子的模擬，雨水主要集中在上升氣流前側(cè)的低層，5 個(gè)方案模擬的雨水持續(xù)時(shí)間基本一致，開始降雨和結(jié)束時(shí)間也基本一致，但是bin 方案模擬的最強(qiáng)降雨時(shí)間比其他方案晚了1 小時(shí)左右。對(duì)于霰粒子的模擬，除了在強(qiáng)度上存在較大差異外，在時(shí)間周期上也存在較大差異，bulk 方案模擬的霰粒子在19 日07 時(shí)開始有霰粒子，而bin 方案在12 時(shí)才有霰粒子，晚了將近5 個(gè)小時(shí)；19 日23 時(shí)，霰粒子基本消失，但是WDM6 方案模擬的霰粒子在20 日02 時(shí)左右才全部小時(shí)，晚了將近3 小時(shí)，說(shuō)明WDM6 方案模擬的霰粒子在強(qiáng)度上大于其它方案，時(shí)間周期上也比其它方案長(zhǎng)。bin 方案和Morrison 方案模擬的霰粒子在強(qiáng)度上比其他方案弱，持續(xù)時(shí)間也比其他方案短。

圖15 不同微物理參數(shù)化方案模擬的區(qū)域平均水凝物混合比時(shí)間—高度剖面分布：（a1、b1、c1、d1、e1）云水（Qc，填色）和冰晶（Qi，等值線）；（a2、b2、c2、d2、e2）雨水（Qr，填色）和雪粒子（Qs，等值線）；（a3、b3、c3、d3、e3）霰粒子（Qg，等值線），（單位：g kg-1，紅色實(shí)線為0°C 線）Fig. 15 Time-height cross-sections of the (a1, b1, c1, d1, e1) regionally average mixing ratio of cloud water (Qc, shaded) and cloud ice (Qi, contours),(a2, b2, c2, d2, e2) rainwater (Qr, shaded) and snow (Qs, contours), (a3, b3, c3, d3, e3) graupel (Qg, contours) of different microphysical parameterization schemes (units: g kg-1, red solid lines represent the 0°C isotherms)

6 結(jié)論

通過(guò)對(duì)2020 年4 月19～20 日發(fā)生在我國(guó)東北地區(qū)的一次大范圍暴雪天氣過(guò)程進(jìn)行不同微物理參數(shù)化方案（Thompson、Morrison、WDM6、NSSL、bin）的數(shù)值模擬，探究不同微物理過(guò)程對(duì)暴雪天氣過(guò)程的影響。比較了5 種微物理參數(shù)化方案模擬的雷達(dá)反射率、地面降水量，動(dòng)熱力過(guò)程以及微物理場(chǎng)特征。進(jìn)而了解不同微物理參數(shù)化方案對(duì)我國(guó)東北地區(qū)的適應(yīng)性問(wèn)題，以期為改進(jìn)微物理參數(shù)化方案提供一定的參考。本文得出的結(jié)論如下：

（1）不同微物理參數(shù)化方案都較好的模擬出了這次暴雪天氣過(guò)程的形態(tài)和特征，但是Morrison方案模擬的效果更好?？傮w上bulk 方案模擬的雷達(dá)回波結(jié)構(gòu)較松散，單體相對(duì)孤立，組織化程度較差，bin 方案模擬的雷達(dá)回波中心與實(shí)況相比明顯偏弱。從模擬的雷達(dá)回波剖面上看，Morrison 模擬的回波強(qiáng)度、范圍和形態(tài)更與實(shí)況一致。綜合主觀檢驗(yàn)和相關(guān)系數(shù)、均方根誤差統(tǒng)計(jì)分析，Morrison方案模擬的降水量較其他參數(shù)化方案更好。因此，Morrison 方案更好的模擬出了本次降雪過(guò)程。

（2）盡管不同方案模擬的降水量、雷達(dá)回波等差異不明顯，但是模擬的云內(nèi)動(dòng)力及微物理結(jié)構(gòu)存在明顯差別，主要表現(xiàn)在不同云微物理方案模擬的垂直速度和水凝物的時(shí)空分布上。bin 方案在600 hPa 高度以下存在明顯的渦度波列，這主要是因?yàn)閎in 方案將粒子群分檔處理，沒(méi)有捆綁不同粒子類型運(yùn)動(dòng)，更能細(xì)致描述出不同粒子的下沉拖曳作用，更與實(shí)況一致。在強(qiáng)降雪發(fā)生前，WDM6方案模擬的最大垂直速度明顯比其它方案強(qiáng)，但到了強(qiáng)降雪階段，其最大垂直速度又明顯比其它方案偏小，這主要是因?yàn)閃DM6 方案模擬的降水明顯比其它方案高，比較大的降水引起粒子的下沉拖曳作用，使得其垂直上升運(yùn)動(dòng)明顯降低。

（3）不同方案模擬的雪、霰、云水以及雨水粒子較為接近，而對(duì)冰晶的模擬不管在量級(jí)還是在分布范圍上都存在很大的差異。WDM6 和NSSL方案，冰晶分布較其他方案更接近0°C 融化層及以下，甚至達(dá)至地面。從整個(gè)時(shí)間演變上看，在對(duì)流系統(tǒng)初生和發(fā)展階段，總體上各方案模擬的水凝物混合比在量級(jí)和分布高度上都存在較大的差距，到了成熟階段，各方案模擬的水凝物混合比趨于一致，這與垂直速度和渦度的演變特征是一致的。

（4）bin 方案和bulk 方案的模擬差異主要體現(xiàn)在霰粒子和冰晶的模擬，其模擬的量級(jí)遠(yuǎn)小于bulk 方案，且bin 方案模擬的水凝物數(shù)濃度也遠(yuǎn)小于bulk 方案。從水凝物的時(shí)間演變特征來(lái)看，bin方案模擬的最強(qiáng)降雨時(shí)間比其它方案晚了將近1 小時(shí)，最早降霰時(shí)間也比bulk 方案晚了將近5 個(gè)小時(shí)，總體上bin 方案模擬的霰粒子在強(qiáng)度上比其它方案弱，持續(xù)時(shí)間也比其它方案短。理論上，bin方案對(duì)粒子變化的描述更與實(shí)況一致，與自然圖像更接近，但是在這次暴雪天氣過(guò)程中，bin 方案模擬的雷達(dá)回波和降水量不如bulk 方案，其優(yōu)勢(shì)并沒(méi)有體現(xiàn)出來(lái)，且在強(qiáng)度、空間分布上都不如bulk方案。

本次研究是基于不同微物理方案對(duì)2020 年4月的一次大范圍暴雪天氣過(guò)程進(jìn)行的數(shù)值模擬結(jié)果，其研究結(jié)論還需要更多的暴雪天氣個(gè)例進(jìn)行驗(yàn)證和支撐，特別是局地性的暴雪天氣過(guò)程是否會(huì)得出同樣的結(jié)論還需要進(jìn)行進(jìn)一步的驗(yàn)證。由于本次研究沒(méi)有雙偏振雷達(dá)實(shí)際觀測(cè)資料，因此不能對(duì)云內(nèi)細(xì)致的動(dòng)熱力和水凝物與實(shí)況進(jìn)行比較。未來(lái)的工作將基于偏振雷達(dá)的高精度觀測(cè)資料進(jìn)行細(xì)致地對(duì)比分析不同微物理方案模擬的云水粒子的時(shí)空分布及三維結(jié)構(gòu)，探討云微物理影響降雪的可能機(jī)制。