引言

气候统计显示华北地区冬季降雪量和降雪日数均有显著减少的趋势(张志富等，2015)。研究降雪过程的微物理机制和人工增雪机制是人工增雪技术的研究基础。为了更好开展冬季气象人影保障服务，借助北京市人工影响天气中心TOP-ICE研究计划(Ma et al, 2017)对北京地区典型的降雪过程进行云物理机制和人工催化影响研究很有必要(马新成等，2021)。

对冬季降雪天气过程和人工催化的研究，国内外已开展过一些观测和试验(段婧等，2017)。国际上对冬季降雪的人工影响天气试验开始于20世纪60年代。美国怀俄明人工影响天气试验项目通过运用地面燃烧炉和空中飞机进行冬季地形云随机催化试验，经统计评估作业地区每年冬季人工增雪效果可达10%~15%(Breed et al，2014)；在同地区开展的碘化银催化效果研究试验利用飞机和地面不同波段雷达对催化云和自然云的回波强度、大小粒子数量等进行对比分析，获取了催化物理响应(Pokharel and Geert, 2016; Pokharel et al, 2017)；爱达荷州的冬季地形云催化试验专注于针对冬季降雪云系的空中播撒，获取了云系边界层上方区域对冷云催化剂的云微物理响应，为评估和提高数值模型能力提供了催化后云中冰和降水发展的关键细节(Xue et al，2014; French et al, 2018)。相对而言，国内对降雪过程的天气、气候背景等方面的分析更多一些(仪清菊等，1999；赵思雄等，2002；丁一汇等，2008；张迎新等，2007；郭锐等，2012；何娜等，2014；翟亮等，2018；杜佳等, 2019；陈双和符娇兰，2021)，而对云微物理机制和人工催化降雪云系的分析较少。我国学者研究降雪始于20世纪70年代。在新疆开展的关于大气冰核和降雪的综合外场试验，获取了对新疆冬季降雪的微结构、凝华-聚并机制以及枝状雪晶碰撞攀附与折裂繁生等微物理现象(陈万奎，1987；游来光等，1989)。对新疆多次冬季降雪过程的分析认为，北疆人工增雪催化对象主要是无高空强引晶作用的锋下层积云和浅对流、波动、爬坡等动力作用产生的降水带(刘玉宝和游来光，1990)。对祁连山地区降雪云物理过程地形敏感性试验显示，祁连山高大地形对降雪的动力及微物理过程均有较大影响，催化模拟中加入的人工冰晶可引起云中水汽和过冷云水含量减少而冰晶和雪的量值增加(孙晶等，2009a；2009b)。近些年，多样观测仪器如毫米波云雷达、风廓线雷达、粒子谱仪、探空仪、X波段偏振雷达等观测仪器的协同观测及应用，可以获得降雪的宏观结构以及微物理信息，可以对降雪结构进行精细化探测，初步判断云中一些微物理变化过程并进行降雪量和雪粒子含水量的反演(仲凌志等，2010；杨成芳等，2015；王柳柳等，2017；魏玮等，2019；黄钰等，2020)。

不断改进的数值模式工具的应用，使得对降雪和人工催化过程云微物理机制的模拟和分析也更加细致和深入。Meyers et al(1995)根据云室试验结果建立了碘化银(AgI)催化剂核化的参数化方程并应用于对冬季云系的催化数值模拟，验证了催化后在播种区下游产生了更多的原始冰晶、团聚体和霰以及催化使地面降水的增加。Lin and Bueh(2006)运用MM5对华北地区降雪过程的数值模拟分析显示，雪的凝华增长和雪收集云水过程在降雪发展过程中同等重要。增加了冷云催化模块的WRF模式也被应用于冬季降雪及催化响应的数值模拟中，结果显示地面烟炉释放的AgI粒子主要影响边界层内的云，通过将液态水转化为冰、消耗更多的水汽等最终在地面上产生更多的降水(Xue et al，2013a；2013b；2014；2016；2017；Chu et al，2014)。国内高茜等(2020)对不同天气条件下的山区降雪云系微物理结构和转化机制进行了分析研究，结果显示凝华、凇附和聚并是降雪云系主要的微物理过程。

降雪是云系动力、热力及微物理过程共同作用的结果。山区降雪云系结构和特征复杂，地形迎风坡气流更容易抬升凝结，云水资源更加丰沛，有较强的增雪潜力。目前对北京山区降雪特征、微物理机制等问题研究得还不够深入，对人工催化影响降雪过程的分析更是缺乏。本文在对云雷达、自动气象站观测资料分析的基础上，运用耦合了冷云催化模块的中尺度数值模式WRF，对2019年2月14日发生在北京山区的一次典型低涡低槽型降雪过程的宏微观结构、降雪形成的微物理机制、人工催化增雪作业的影响和机制等进行了模拟与分析。

1 降雪过程观测分析 1.1 降雪天气形势

本次过程为影响北京降雪的典型天气形势之一——低涡低槽型降雪。从天气图上(图 1)可以看到，14日08时(北京时, 下同)，700 hPa在内蒙古附近有闭合低涡，850 hPa在该地区存在明显的低涡环流，低涡前有明显的暖平流，涡后为冷平流，前部暖湿平流带来的水汽和低涡切变线附近强烈的上升运动在北京地区造成了区域性降雪。北京海坨山区平均海拔高度高于1500 m(850 hPa附近)，13日20时北京观象台的探空曲线显示山区上空比较干，湿度不大，在偏南暖湿气流的补充下，至14日08时，850~500 hPa变为明显的湿层(图 2)，北京西部山区降雪自06时开始一直持续至傍晚前后。据北京市气象台14日05—23时的降水量统计，全市平均降水量为1.5 mm，城区、西北部、东北部、西南部、东南部平均降水量分别为0.5、3.8、3.1、0.9、1.0 mm(图 3a)。

1.2 气象要素和云雷达回波特征

图 4为闫家坪站气象要素变化，从图中可以看到，14日凌晨，由于地面风向由北风转为偏南风，偏南风带来的暖湿气流使本站的相对湿度不断增大，增至80%以上，而地面温度持续维持在-15℃以下，在地形抬升和低温增湿的条件下，06时后海坨山区开始降雪，逐半小时降水量不断增加，至11时的逐半小时降水量大于0.5 mm，该站过程降水总量为5.6 mm，达到了大雪量级。附近西大庄科站的总降水量也超过5 mm，达到了大雪量级(图略)。云雷达回波显示本次过程云雷达回波最大强度为20 dBz左右，在降雪前期雷达回波顶最高达到6 km附近，随着降雪的持续，回波基本处于2 km以下(图 5)。

2 数值模拟 2.1 模式参数

为了分析降雪过程的微物理机制和后续人工催化的影响，采用耦合了冷云催化模块的中尺度数值模式WRF3.7.1对本次过程进行了模拟，该催化模块在Morrison双参数微物理方案中加入了催化剂AgI的预报方程，可以对人工影响雨、雪的催化过程进行仿真模拟(何晖等，2012；刘香娥等，2016；2021)。模拟的初始场和侧边界条件来自北京城市气象研究院睿图(Rapid-refresh Multi-scale Analysis and Prediction System-Short Term，RMAPS-ST)的预报场。由于RMAPS-ST同化了多种本地观测，其在北京地区的模拟更为准确(刘香娥等, 2021；刘郁珏等，2019)。为了研究降雪云系中各水成物的相互转换，增加了模式中各微物理过程源汇项及相关项的输出，加密每6分钟输出一次计算结果，模拟采用的相关参数设置如表 1所示。

2.2 模拟结果与实况对比

图 3为模拟过程降水量(2月14日08时至15日08时)与实际观测的对比，可以看到，在主要降水落区上，实况降水在北京地区主要有两处，一处位于延庆西北部，主要沿着海坨山区附近，其中佛爷顶最大降水量为8.9 mm，一处位于昌平北部—怀柔中南部—密云西部的西南向东北延伸的由多个降水中心组成的带状降水区，模式模拟对于这两个主要落区的降水都给出了与实况较为接近的结果，模拟的降水量级也与实际观测吻合；在空间分布上实际降水并没有覆盖北京全境，而模式模拟有一定偏差，模拟降水覆盖北京全境，这可能与模式的相关参数和设置的网格距等有关。

图 6是长虫沟与二海坨站模拟的半小时降水量与实际观测的对比，可以看到整个降雪过程中，模式对于降水的起止时间、半小时降水量及降水总量都给出了与实际观测比较接近的结果。图 7是模拟的雷达回波与实际观测的回波演变对比，08:30，模拟回波覆盖北京城区，位置基本与实际观测相同覆盖范围稍大，回波强度为20~30 dBz；09:30，模拟与观测回波东南部范围变小，强度稍有减弱；10:30，观测与模拟回波均演变为近似带状，覆盖昌平延庆上空。整体来看，尽管模拟与观测回波在空间和强度上有一定差异，但两者的发展演变趋势基本一致。

以上模拟效果的对比检验显示，无论是过程降水总量、单站半小时降水量还是整体雷达回波演变，模式模拟均给出了与实际观测比较接近的结果，表明本次模式模拟效果较好，在此基础上，可以用模拟结果对降雪的微物理机制进行深入分析。

2.3 降雪成因机制

图 8给出海坨山区二海陀站点模拟风场和降水量的时间高度演变，可以看到14日02时之后，随着800~550 hPa风场转向西南风并伴随着风速加大，地面开始产生明显降雪，09时的半小时最大降水量达到最大(0.4 mm)，此后降雪量逐渐减少，12时左右，750~600 hPa又出现西南风场的增加，对应降雪量也出现显著增大。至18时，整层风场转为偏西风，降雪趋于结束。Ma et al(2017)曾统计过北京地区2016年的多次低涡低槽型降雪，其观测资料分析中也显示山区明显降雪时段与环境风场转向为西南风和风力逐渐增大有一定关系。从本次过程水汽通量(图 9)可以看到，在海坨山区的南侧，由于北京延庆至西部张家口怀来地区的地势相对较低，而南部又为高山阻挡，在南北高地的夹阻之下，存在一条明显的自西向东的水汽输送通道，丰富的水汽进入北京地区之后在南风—西南风的作用下向北部、西北部山区推进，暖湿气流遇地形阻挡抬升会产生凝华凝结增长，可能是造成地面降雪产生的因素之一。

此外注意到，二海坨站降雪主要分为三个阶段(图 8b)：03—10时的显著降雪时段A，10—12时的降雪减弱时段B, 12—17时的明显降雪时段C。对比低层和中高层的水汽通量(图 9)可以看到，A时段的降雪对应在850 hPa和700 hPa有比较丰富的水汽输送，而在降雪减弱时段B，山区850 hPa的水汽输送并不比邻近时段低，但700 hPa有明显的减弱，同样在C阶段，降雪增加对应着700 hPa水汽输送的再次加强，这表明山区明显降雪是整层水汽输送结合动力和热力共同作用的结果。

图 10给出以二海陀站为代表的山区(邻近2×3格点区域)附近雨、雪、霰、云水和水汽比质量的区域格点几何平均值随时间和高度的演变。图中，04、09和16时附近，在山区上空500~300 hPa存在一定量的冰晶，最大比质量均高于0.02 g· kg^-1；对应中低层为三个雪的比质量高值区，大值中心超过0.12 g· kg^-1，同时700 hPa附近水汽的比含量高于1.6 g·kg^-1；由这种水成物的高低层配置可以推测，冰晶在中高层可通过自动转换、凝华等过程而长大，一定程度后下落，在下落过程中通过与其他粒子碰并、聚合等过程长大为雪花降落至地面，可能是地面形成降雪的机制之一。此外图中显示，白天至夜间在850 hPa附近有一定量的云水，最大比质量高于0.08 g· kg^-1，此时云中存在弱的上升气流(图 10b)，马新成等(2021)对本次过程的观测分析显示，该过冷云水可能主要来自地形云的贡献，与地形云不断爬升有关。高空掉落的冰晶和雪经过过冷云水区发生凇附过程继续长大，这可能也是地面产生降雪的另一重要微物理过程。由于霰和雨水的含量非常低，在图中未有显示。

降雪的产生是云系动力、热力和不同微物理过程共同作用的结果，为了分析不同微物理过程的贡献，以这些过程的产生率为特征量对雪的源汇项进行分析。由于有的转换过程非常微弱，如雪的融化、蒸发、被雨滴收集、冰晶雨滴碰并成雪等，这些过程在图中未有体现。图 11是与雪的产生相关的主要微物理过程区域格点几何平均转换率随时间和高度的分布，图中可以看到，雪的凝华增长过程比较显著，从02时一直持续贯穿整个降雪时段，并且从低层一直到400 hPa高空都有凝华过程的存在，雪的凝华增长产生率量级和数值也比其他过程大，因此凝华增长是本次降雪过程雪的最主要源项之一，这与马新成等(2021)针对本次过程的地面观测分析得到的机制相一致。中午至夜间，在850 hPa附近有一定量的过冷云水，对应有雪凇附云滴的过程，从产生率的量级来看，该过程与凝华增长量级相当，数值略低，因此，在低层雪凇附云滴增长是本次降雪过程雪的另一主要源项。此外，高空存在一定数量的冰晶，对应有冰晶自动转换为雪的过程和雪收集冰晶的过程，这两个过程作为雪的高空源项，产生率相对要低一些。在有些时段的不同高度处也存在雪的升华过程。

3 人工增雪的催化模拟及机制

针对本次降雪过程，北京联合河北开展了人工增雪作业。参照实际飞机作业情况，对本次过程进行了催化数值模拟，并分析人工催化对降雪微物理过程的影响。

3.1 催化数值模拟

2月14日空中国王B3523飞机在河北崇礼地区开展了一架次的增雪作业，作业高度为3.9 km，作业区温度约为-17℃，总共作业AgI烟条36根，总剂量为972 g，飞行轨迹如图 12a所示。模拟结果显示，14日09时，北京西部山区在实际作业区域偏南约50 km上空4 km高度附近存在一定的过冷云水，该高度处的温度约为-18℃，过冷水含量最大为0.08 g·kg^-1，具有冷云催化潜力。模式中在该过冷水区域加入了与实际作业剂量(972 g)相同的飞机播撒作业，播撒自09时开始，持续半小时作业结束。图 13给出了飞机播撒后，催化与控制试验云中冰晶数浓度之差在水平方向上的分布，可以看到，随着AgI与云中粒子发生反应以及在风场作用下，催化与控制试验冰晶数浓度之差的影响范围逐渐扩大并向下游扩散。图 14、图 15为催化开始后36分钟和96分钟时自然累计降水量、6分钟雨强以及二者催化与控制试验的差值分布，可以看出，作业后作业区域下游降水量显著增加，增加区域随着时间推移逐步向下游扩散，其中长虫沟和二海坨站在作业开始1小时左右降水量开始增加，在作业开始后2小时增加效果最为显著，之后有稍微减弱，在作业开始后3小时作业影响基本消失，总体降水量显著增加(图 16)。

3.2 催化微物理机制

为检验整体云系由于催化作用对云微物理过程产生的影响，给出催化后模拟区域内三相水成物(气相：水汽，固相：冰晶、雪和霰，液相：云水和雨)各自的总量与控制试验之差随时间的演变，如图 17所示。可以看到，在催化结束至其后的3小时内，整体云系的液态水和水汽含量减少，而固态水成物增加。由此可推断，人工催化加入AgI之后，通过核化形成大量冰晶，增多的冰晶通过贝吉隆过程、凝华增长和凇附过程等消耗水汽和液态水得以继续长大，最终降落到地面导致降雪量的增加。从催化云系的三相变化值来看，水汽的消耗明显高于液相云水和雨水的变化，因此催化过程地面降雪的增加主要来自空中水汽的消耗。

选择典型时刻分析催化后各微物理过程的变化。图 18给出了10:06沿图 15a中40°~41°N、115.8°E范围内垂直方向上各水成物的自然量和催化与自然量之差的分布，可以看到，在该时刻催化剂AgI在垂直方向上主要位于700~500 hPa，水平覆盖40.3°~40.7°N(图 18a)，对应在基本相同的位置，水汽与云水的质量浓度有所减小(图 18c，18d)，相比控制试验二者分别减少约2%和90%，而冰晶的质量浓度和数浓度显著增加(图 18b，18h)，由于播撒位置处自然冰晶数浓度很小，人工播撒成冰剂之后，在适宜的温度和环境条件下，通过水汽凝华与冻结核化等过程，消耗水汽与云水，增加了大量冰晶，相比较控制试验，冰晶的最大质量浓度和数浓度均有上百倍的增加；因为云水的减少，云水转化成雨水过程以及冰晶凇附过程减弱，导致雨水和霰也都有一定量的减少(图 18e，18f)，冰晶的大量增加导致冰晶聚并成雪晶过程增强，雪的质量浓度和数浓度均有明显增加(图 18g，18i)，相比控制试验二者分别增加约60%和240%。云中播撒AgI导致冰晶化过程释放的凝华和冻结潜热使催化试验中700 hPa附近有显著的正温区，增加了云体的上升气流速度(图略)，在一定程度上也加强了云的发展。

4 结论与讨论

本文基于观测，运用中尺度数值模式WRF对2019年2月14日发生在北京地区的一次典型低涡低槽型降雪进行了数值模拟，分析了降雪产生的云微物理机制，探讨了雪的源汇项贡献；基于实际人影飞机催化作业信息对催化增雪的机制进行了模拟与分析，得到以下主要结论：

(1) 本次过程为北京地区典型的低涡低槽型降雪。低涡前部暖湿平流带来的水汽和低涡切变线附近强烈的上升运动造成了北京地区的区域性大雪。本次降雪过程云雷达回波总体强度和回波顶高度等符合北京地区低涡低槽型降雪云雷达回波的基本特征。

(2) 模拟结果及雪的源汇项微物理过程分析显示，本次降雪过程降雪量的增加与近地面风向转为西南风并逐渐加厚有一定关系。雪的凝华增长、雪凇附云水继续长大、云冰自动转换为雪和冰晶和雪碰并聚合是此次降雪的主要微物理过程。

(3) 仿真催化数值模拟显示，加入冷云催化剂AgI之后，整体云系的水汽和液态水含量相对于控制试验有所减少，而固态水成物增加，水汽的消耗最为明显。分析增雪机制可知，人工催化之后，水汽在人工冰核上凝华产生大量冰晶，增多的冰晶通过凝华增长、碰并、聚合、凇附等过程继续消耗水汽与过冷云水，冰晶转换成雪的过程增加，空中雪的质量浓度和数浓度增加，最终导致地面降雪增加，本次人工催化作业起到了地面增雪的效果。

本文只针对北京地区一次低涡低槽型降雪的微物理机制及催化影响进行了分析，对于发生在不同天气背景下的降雪过程，其微物理机制及人工催化的影响效果可能不同，有待于进一步的研究，此外针对冬季降雪的人工影响催化作业潜力还有待于进一步挖掘和分析。