2025, Vol. 51 
2. 海南省南海气象防灾减灾重点实验室，海口 570203；
3. 中国科学院大气物理研究所，北京 100029；
4. 海南省澄迈县气象局，澄迈 571900；
5. 江苏省如皋市气象局，如皋 226500
2. Key Laboratory of South China Sea Meteorological Disaster Prevention and Mitigation of Hainan Province, Haikou 570203;
3. Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029;
4. Chengmai Meteorological Station of Hainan Province, Chengmai 571900;
5. Rugao Meteorological Station of Jiangsu Province, Rugao 226500
飑线是我国春夏常见的一种强对流天气系统，通常由多个活跃的雷暴单体呈线状排列组成，影响范围广，持续时间长达十几个小时，常伴有灾害性天气出现(寿绍文等，2009；郭淳薇，2013)，极易造成重大经济损失和人员伤亡。相较于雷达、卫星等传统观测手段(公衍铎等，2019；陈涛等，2020；雷蕾等，2021；赖安伟等，2021；蒋超等，2024；邓承之等，2024)，数值模拟具有更高的时空分辨率，能更好描述飑线完整的生命发展史和宏微观变化(张哲等，2018；杨吉等，2020；Li et al，2021；王智和邹兰军，2022)，近年来逐渐成为气象业务和研究的常用手段，在飑线的预报预警及防灾减灾中发挥重要作用。
云微物理过程是数值模式中最重要的非绝热加热过程之一，描述了各类水凝物的生成、转化、碰并和沉降等特征，并通过潜热释放和动力反馈进一步影响大气环境场的温湿分布，由于不同云微物理方案对云微物理过程的处理存在差别，飑线降水的模拟结果对云微物理方案的选择表现出较高的敏感性(Morrison et al，2009；黄丹莲等，2017；张弛等，2019；Dawn and Satyanarayana, 2020)。殷蕾和平凡(2016)分别利用Morrison和HUJI SBM方案对华东一次飑线过程进行模拟，Morrison方案能模拟出飑线完整的生命发展史，而HUJI SBM方案的对流组织化程度较低，飑线结构不明显；强降水落区以Morrison方案更为准确，在高层Morrison方案生成大量云冰，HUJI SBM方案则以雪和霰为主。许广等(2017)针对江苏北部一次飑线过程，对比6种云微物理方案的模拟结果，发现Lin方案模拟的带状降水和弱弓状回波特征与实际观测更吻合，同时较好地再现了尾流低压、地面大风和飑锋等地面特征，TS评分也最优。Bao et al(2019)基于3种不同云微物理方案模拟理想飑线的发展演变过程，分析表明大尺度的雪和霰粒子在下落融化过程中促进雨水的生成，并通过蒸发冷却加强地面冷池作用进而加速飑线生成与发展，不同方案中对雪、霰和雨水的模拟差异导致飑线的发展传播速度不尽相同。任星露等(2020)选用5种云微物理方案对江苏北部一次弱天气尺度强迫下的飑线过程进行模拟，结果表明不同方案模拟的雷达回波强度和范围差异明显，这与各方案模拟的水凝物空间分布有关; 同时，水凝物相互转换产生的相变潜热会影响热动力过程，导致上升气流强度与地面冷池范围显著不同，NSSL方案的模拟结果与实际观测最相近。Cao et al(2022)比较4种云微物理方案对中国东部弓状飑线的模拟结果，发现不同云微物理方案都模拟出了弓状飑线，但冷池与尾向入流的强度和范围存在显著差别，WDM6方案的模拟结果最贴合实际，雨水混合比和数浓度最大，冷池与尾向入流也最强。
海南岛地处热带，其四面环海的地理位置与岛内中间高四周低的地形环境，导致强对流特征与我国其他地区存在显著差别(王莹等，2018；王凌梓等，2020；吴冰雪等，2023)。目前，针对海南岛内强对流天气的研究越来越多，但对飑线的分析相对不足，而研究手段多以地面自动气象站和雷达等观测资料的综合应用为主(李宏江等，2021；邢峰华等，2023)。本文针对2020年4月22日发生在海南岛的一次飑线降水过程，利用WRF中尺度模式中8种云微物理方案进行模拟和对比分析，检验不同云微物理方案对海南岛飑线过程的模拟能力，以期为我国热带海岛地区飑线过程的预报预警和数值模拟应用研究提供一定参考。
1 资料及模拟方案设计观测数据来自海南岛542个地面自动气象站，为方便对比，将站点数据插值到格点上。采用WRF V4.2模式双向二重嵌套(图 1)，以分辨率为0.25°×0.25°的欧洲中期天气预报中心再分析数据(ERA5)作为模式初始场，模拟中心位置为(18.7°N、109.7°E)，水平网格分辨率依次为9 km、3 km，格点数分别为100×102、109×109，垂直方向共50层，模式层顶气压50 hPa。模拟初始时刻为2020年4月22日02时(北京时，下同)，共积分27 h，时间积分步长45 s，每10 min输出一次模拟结果，文中所有分析均针对第二层模拟结果。
|
图 1 模拟区域设置和地形高度(填色) 注：d1为第一层模拟，d2为第二层模拟。 Fig. 1 Simulation area setting and terrain height (colored) |
文中附图涉及地图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2020)4619号的标准地图制作，底图无修改。
为检验不同云微物理方案对此次飑线降水模拟的影响，选取Lin、Thompson、Morrison、WSM6、WDM6、WSM7、WDM7、P3方案开展8组敏感性对比试验，表 1为各微物理方案的简要介绍。除云微物理方案外，8组试验采用相同的初始场和模式设置。第一层网格采用Kain-Fritsch积云对流方案，第二层不考虑积云对流方案。其他物理方案主要有RRTMG长波辐射和短波辐射方案，YSU边界层方案及NOAH陆面过程方案。
|
表 1 8种微物理方案特征 Table 1 Characteristics of the eight microphysical schemes |
利用ERA5资料分析此次飑线降水过程发生前的天气形势。2020年4月22日08时，500 hPa西太平洋副热带高压呈带状分布并控制海南岛，588 dagpm线位于18°N附近(图 2a)；东亚地区呈现明显的“北高南低”分布特征，低层有弱冷空气由北向南扩散影响我国华南，与暖湿气流在广东、广西一带交绥(图 2b)，海南岛东北部沿海出现12 g·cm-1·s-1·hPa-1以上的水汽通量大值区(图 2c)。冷暖空气在华南交绥，为此次强对流过程提供了有利的背景条件。
|
图 2 2020年4月22日08时(a)500 hPa位势高度场(蓝线，单位：dagpm)和风场(风矢)，(b)850 hPa位势高度场(蓝线，单位：dagpm)和风场(风矢)及海平面气压(红线，单位：hPa)，(c)925 hPa位势高度场(蓝线，单位：dagpm)、风场(风矢)和水汽通量(填色)，(d)海口站探空曲线 Fig. 2 (a) 500 hPa geopotential height field (blue line, unit: dagpm) and wind field (vector), (b) 850 hPa geopotential height field (blue line, unit: dagpm) and wind field (vector), sea level pressure (red line, unit: hPa), (c) 925 hPa geopotential height field (blue line, unit: dagpm), wind field (vector) and water vapor flux (colored) and (d) sounding curves of Haikou Station at 08:00 BT 22 April 2020 |
4月22日08时海口探空显示(图 2d)，对流有效位能(CAPE)为1540.1 J·kg-1，达到中等强度；对流抑制能量很小，仅为5.1 J·kg-1；700~400 hPa最大温度露点差达到11℃，中层较干；850 hPa与500 hPa温差高达28.1 ℃，中下层垂直温度递减率大，大气层结不稳定；夹卷层(700~400 hPa)平均风速为8.4 m·s-1，有利于动量下传；0~6 km垂直风切变为15.7 m·s-1，达到中等强度，有利于对流的组织化；在925 hPa和800 hPa分别存在较薄的逆温层，有利于不稳定能量的积累。综上，较大的CAPE值、对流层中层存在干层、垂直温度递减率较大、夹卷层风速较大的环境条件非常有利于雷暴大风等强对流天气的发生。
2.2 飑线发展过程4月22日，伴随弱冷空气向南扩散，广西南部沿海一带午后已有成熟飑线系统生成并东移，在进入雷州半岛后飑线南部有阵风锋出现，此时海南岛西北部受午后热对流影响出现多个中小尺度对流单体(图略)。图 3是海口站S波段双偏振多普勒雷达的组合反射率分布及演变。由图可见，16时雷州半岛飑线系统南部的阵风锋与海南岛北部的对流单体相遇，海南岛上的对流单体迅速发展并组织化，逐渐形成东北—西南走向的多单体线状对流风暴。随着海南岛对流单体强度增强和东移，17时与雷州半岛上的飑线系统合并形成横跨雷州半岛、琼州海峡和海南岛的弓形飑线系统，该飑线系统结构紧实，形状狭长，回波中心强度最强达到55 dBz。至18时，飑线系统50 dBz以上强回波面积增加，并在海南岛中部的五指山山区发生断裂，飑线南部在五指山山区内停滞，发展速度减缓并逐渐消散，而飑线北部主体继续向东移动，19时移至海南岛东部沿海，虽然保持飑线的线状结构，但其内部的对流单体强度相比之前显著减弱，结构松散，整个飑线系统发展趋于结束。
|
图 3 2020年4月22日海口站雷达组合反射率分布和演变 Fig. 3 Distribution and evolution of radar composite reflectivity of Haikou Station on 22 April 2020 |
此次飑线过程发展迅速，图 4给出了海南岛4月22日08—24时地面自动气象站实况观测和8种云微物理方案模拟的16 h累计降水量空间分布。可以发现，实况雨带呈东北—西南分布，有5个明显的降水中心，最大降水中心位于白沙县南开乡，站点观测降水量达118.5 mm，4个较弱降水中心降水量约在20~50 mm。
|
图 4 2020年4月22日08—24时16 h累计降水量(a)实况和(b~i)不同云微物理方案模拟结果 注：图a中红框代表主要降水区域。 Fig. 4 (a) Observation and (b-i) simulation results by different cloud microphysical schemes of 16 h accumulated precipitation from 08:00 BT to 24:00 BT 22 April 2020 |
对比实况与模拟结果可以发现，不同云微物理方案均能模拟出东北—西南走向的雨带分布，但在落区和量级上存在较大差别。单参数化方案中，Lin方案的整体降水强度和降水范围都显著大于实况，降水落区更集中在中部山区，100 mm以上的强降水中心与实况有偏差；WSM6和WSM7方案模拟雨带分布松散，强降水中心偏西。双参数化方案中，WDM6和WDM7方案模拟效果最差，降水量偏小，雨带偏窄，没有模拟出强降水；Morrison方案虽然模拟出了多个100 mm以上的强降水中心，但是落区与实况不符，中部雨带偏窄，北部雨带的降水量较实况偏大；Thompson和P3方案模拟的降水落区和降水量级与实况最为接近，但P3方案的模拟结果在西北部有小范围降水量虚高的区域。综合分析，8种云微物理方案以Thompson方案和P3方案对16 h累计降水分布的模拟结果较好，其中Thompson方案最理想。
选取主要降水区域(图 4a红框所示区域)，对比实况与各云微物理方案区域平均的逐小时降水量和累计降水量随时间的演变特征(图 5)，进一步分析各方案模拟的降水量变化差异。如图 5a所示，区域平均的实况逐小时降水量峰值出现在22日18时，为3.2 mm，8种方案模拟的降水峰值也均在18时前后，各方案间的峰值小时降水量存在差异且均小于实况，其中Lin方案与实况最为接近，为2.27 mm，但时间稍有滞后；Morrison、P3、Thompson、WSM6和WSM7方案次之，分别为2.14、1.93、1.73和1.53 mm；WDM6和WDM7方案最小，仅有0.72 mm和0.63 mm。而对于累计降水量(图 5b)，Lin和Morrison方案的模拟结果均大于实况，P3和WSM6方案与实况最为接近，其次为Thompson和WSM7方案，WDM6和WDM7方案最小。
|
图 5 2020年4月22日08—24时实况与不同云微物理方案模拟的主要区域平均(a)小时降水量和(b)累计降水量的时间演变 Fig. 5 Temporal evolution of major regional averaged (a) hourly precipitation and (b) accumulated precipitation simulated by different cloud microphysical schemes and the observation from 08:00 BT to 24:00 BT 22 April 2020 |
图 6是实况小时降水量最大时刻(4月22日18时)雷达组合反射率实况与不同云微物理方案模拟结果的对比。可以发现，18时雷达组合反射率实况呈东北—西南向的线状分布，横跨整个海南岛，组合反射率中夹杂着多个50 dBz的强对流块。不同云微物理方案模拟的组合反射率都呈东北—西南走向，Lin方案的组合反射率最大可达60 dBz，但没有模拟出海南岛西南部的强回波区。Thompson方案在东北部的模拟结果较实况弱，回波中有多个明显的强对流体，同样没有模拟出海南岛西南部的强回波。Morrison方案的回波主体以东北部为主，中部的回波由多个单体对流组成，结构松散。WSM6方案在强度和分布上更接近于实况，回波结构紧实且狭长，WDM6方案与WSM6方案相似，但回波主体更集中在海南岛的中部区域，有3个强对流中心。WSM7方案中东北部的回波相比于实况更偏北，西南部的回波有多个明显的对流中心。WDM7方案模拟的回波面积在所有方案中最小，18时中部的多个对流中心合并，西南部对流单体消散，飑线结构特征不明显。P3方案的回波特征与Lin方案相似，但回波位置偏海南岛中部，形状更为狭长，由4个强对流中心组成，西南部伴随多个面积较小的弱对流。可见，8种云微物理方案中以WDM7方案对雷达组合反射率的模拟最差，其次是Lin和P3方案，WSM6方案的模拟结果最接近于实况。
|
图 6 2020年4月22日18时雷达组合反射率(a)实况和(b~i)不同云微物理方案模拟结果 注：虚线为图 7，图 8剖线位置。 Fig. 6 (a) Observation and (b-i) simulation results by different cloud microphysical schemes of radar composite reflectivity at 18:00 BT 22 April 2020 |
根据RKW理论和Rotunno et al(1988), Weisman et al(1988), Thorpe et al(1982), 陈明轩和王迎春(2012)研究，飑线具有准二维结构，在发展旺盛阶段沿飑线移动方向做剖面，其低层热力和动力特征的分布均相似。由图 6可知，不同云微物理方案模拟的飑线系统结构不同，因此本文剖面时不使用统一位置，而是选择实况小时降水量最大时刻(4月22日18时)，如图 6虚线所示沿东南—西北方向，分别考虑不同方案模拟的低层垂直风切变最显著的位置，同时为了能更好描述降水与冷池的对应关系，过各方案模拟的强降水中心做剖面，从热力和动力两个方面对比不同云微物理方案模拟结果的差异。
降水蒸发冷却后形成的近地面冷池是飑线的一个重要特征，当存在低层风切变时，冷池会强迫其前方的暖湿气流垂直抬升从而触发新的对流单体，对飑线系统的发展维持有重要意义，本文以扰动位温来表征地面冷池。图 7是不同云微物理方案模拟的扰动位温、风场(垂直风速放大10倍)和小时降水量的垂直剖面，可以发现8种方案在0~3 km都能模拟出西北向冷空气和东南暖湿气流辐合形成的对流抬升区。同时，辐合抬升形成的对流区也是扰动位温的大值区，中心值在3~5 K，这是由于低层水汽受到辐合抬升进入高层后凝结释放潜热，导致周边环境温度增加。其中，Thompson、Morrison、WSM6和WDM6方案大值区的中心值大于4 K，这与对流区发展较为深厚，强上升气流的托举有利于冰相粒子充分发展释放大量潜热增温有关。18时不同方案在对流区后方近地面模拟的冷池强度相近，扰动位温约为-2 K，最大小时降水量在15~22 mm，强降水落区靠近冷池一侧，随着地面降水的持续蒸发降温, 会逐渐增强冷池对飑线发展的驱动作用，且不同模拟结果中均出现了西北向的冷池出流在辐合抬升对流区前与更前端的东南暖湿气流再次辐合，以Thompson、Morrison、WSM6、WSM7和P3方案最为明显，这将触发新生对流，有利于飑线的持续发展和降水维持。综上分析，8种云微物理方案的扰动位温场、风场和降水存在强度和分布上的差异，但是都模拟出了飑线的冷池、低层垂直风切变以及冷池出流触发新生对流的特征。
|
图 7 2020年4月22日18时不同云微物理方案模拟的沿图 6虚线的扰动位温(填色)、风场(风矢，ω×10)和小时降水量(黑线，单位：mm)的垂直剖面 注：灰色阴影为地形。 Fig. 7 Cross-section of perturbance potential temperature (colored), wind field (vector, ω×10) and hourly precipitation (black line, unit: mm) simulated by different cloud microphysical schemes along the dashed line in Fig. 6 at 18:00 BT 22 April 2020 |
强烈的上升运动能将低层未饱和状态的水汽向高层输送从而达到饱和状态，有利于降水的形成。图 8给出了不同云微物理方案模拟的垂直速度、散度和小时降水量垂直剖面。18时不同云微物理方案在3 km以上的中高层都存在分布形状不一的强上升气流区，垂直速度在10~30 m·s-1，与地面降水落区基本对应。Thompson方案模拟的上升运动最强，其次是WDM6方案，上升运动能延伸至15 km以上的高度，中心值都高达30 m·s-1，对应地面强降水中心小时降水量分别为22 mm和20 mm；Lin、Morrison、WSM6和WSM7方案模拟的垂直速度为20 m·s-1，其中Morrison和WSM6方案上升气流最高达15 km以上，Lin和WSM7方案上升气流最高在15 km左右，Lin和WSM6方案的地面强降水中心小时降水量为20 mm，与WDM6方案相似，而WSM7方案为19 mm，Morrison方案17 mm；WDM7和P3方案模拟的上升气流最弱，中心强度约为15 m·s-1，地面强降水中心小时降水量分别为16 mm和15 mm。由上述分析可见，不同云微物理方案对飑线动力过程的模拟结果不尽相同，降水中心对应强上升气流区，但小时降水量与垂直速度之间的对应关系并不显著。
|
图 8 2020年4月22日18时不同云微物理方案模拟的沿图 6虚线的散度(填色)、垂直速度(灰线，单位：m·s-1)和小时降水量(黑线，单位：mm)的垂直剖面 注：灰色阴影为地形。 Fig. 8 Cross-section of divergence (colored), vertical velocity (grey line, unit: m·s-1) and hourly precipitation (black line, unit: mm) simulated by different cloud microphysical schemes along the dashed line in Fig. 6 at 18:00 BT 22 April 2020 |
从散度垂直分布来看，上升气流运动最强的Thompson方案低层辐合区强度最大值为-200×10-5 s-1，辐合区向上延伸至10 km，在所有方案模拟结果中辐合区延伸最高，高层辐散区中心值最大达700×10-5 s-1，对应地面降水量最大；WDM6方案上升气流强度仅次于Thompson方案，低层辐合区最大值为-200×10-5 s-1，辐合向上延伸高度达9 km，高层辐散区中心值为500×10-5 s-1，地面降水量较大；Lin和WSM6方案模拟的辐合区中心值、向上延伸高度和地面降水量都与WDM6方案相当，WSM6方案的高层辐散区中心值达500×10-5 s-1，但辐散值为300×10-5 s-1的区域不如WDM6方案深厚；Morrison方案高层辐散强度约为300×10-5 s-1，低层辐合区最大值-200×10-5 s-1，但其向上延伸高度仅到8 km；WSM7方案低层辐合区斜向东南方向延伸至9 km高度，高层辐散区中心值位于12 km，辐散值为300×10-5 s-1以上的区域小；WDM7和P3方案辐合区中心值约为-150×10-5 s-1，最大延伸高度均在6 km以下，高层辐散区中心在10 km左右，其中P3方案的辐散区中心最大值仅有150×10-5 s-1，对应的降水量也最小。可以看到，由于低层西北向冷空气和东南暖湿气流的交汇，不同云微物理方案对散度的模拟结果虽然差异显著，但都呈现低层辐合、高层辐散的结构特征，这种配置有利于对流的发展和降水的形成。
3.3 云微物理方案对水凝物的模拟云内不同水凝物的分布是云微物理变化过程的结果，同时也反映了云微物理过程中降水粒子间的相互转换和热力、动力过程。图 9分别是不同云微物理方案模拟结果区域平均(图 4a红框所示区域)和时间平均的云水、雨水、云冰、雪和霰等水凝物含量垂直分布，各方案0 ℃层高度约为4.9~5.0 km，文中统一以5.0 km作为0℃层高度进行分析。其中，P3方案将冰相粒子统一归为云冰进行计算，导致云冰的含量显著大于其他方案的模拟结果，因此图 9c中只展示P3方案云冰模拟结果，不与其他方案进行对比，在雪和霰的分析中仅对比另外7种方案的模拟结果。
|
图 9 2020年4月22日08—24时不同云微物理方案模拟的区域平均和时间平均的不同水凝物的质量混合比垂直廓线 注：虚线为0℃层高度，区域平均为图 4a红框所示区域。 Fig. 9 Vertical profiles of regional and time averaged mass mixing ratios of different hydrometeors simulated by different cloud microphysical schemes from 08:00 BT to 24:00 BT 22 April 2020 |
从图 9中可以发现，云水和雨水主要分布在0℃层(5 km)以下，而云冰、雪和霰的高值区在6 km以上。在云水分布中，不同云微物理方案的选择对云水含量模拟结果影响小，所有方案模拟的云水混合比随高度的分布相似，廓线近乎重合，云水混合比最大值在0.027~0.034 g·kg-1，最大值出现在约1.5 km。在雨水分布中，高值区都在约4.0 km高度，Lin方案模拟的雨水含量最大，而WDM7方案不论在空中还是地面的雨水含量都最小，相应在累计降水量中也最小。在云冰分布中，Morrison方案模拟的云冰含量最大，高值区出现在12 km；WSM6、WDM6、WSM7和WDM7方案的云冰含量垂直分布相似，最大含量约为0.01 g·kg-1，出现在10.6 km高度；Lin方案云冰含量较小且高值区不明显，Thompson与Lin方案相似，但模拟的云冰含量最小。在雪分布中，Thompson方案模拟的雪含量最大，达0.06 g·kg-1，远大于其他方案，其次是WSM6和Morrison方案，WDM6和WSM7方案雪的分布相似，Lin和WDM7方案最小。在霰分布中，Lin方案的霰含量最大，WSM6方案次之，Morrison和WDM6方案演变趋势一致但数值稍有差异，WDM7方案霰含量最少。
总体来看，不同云微物理方案对云水含量和分布的模拟基本无影响，雨水和冰晶的分布存在差异但数值上相近，雪和霰的模拟结果对方案的选择最为敏感，这与之前的研究结果相似(陈赛男等，2019；周志敏等，2021)。
在本次模拟中，不同云微物理方案模拟结果最大的差别集中在对雪和霰的描述上，为分析造成这种差异的原因，选取雪含量最小、霰含量最大的Lin方案，雪含量最大、霰含量较少的Thompson方案和雪、霰含量都不突出的Morrison方案，定量分析各方案雪与霰的源、汇项转化过程。图 10为相应的转化率垂直分布，大于0为源项，小于0为汇项。
|
图 10 2020年4月22日08—24时不同云微物理方案模拟的区域平均和时间平均的(a~c)雪、(d~f)霰的转化率垂直廓线 注：虚线为0℃层高度，区域平均为图 4a红框所示区域。 Fig. 10 Vertical profiles of regional and time averaged conversion rates of (a-c) snow and (d-f) graupel simulated by different cloud microphysical schemes from 08:00 BT to 24:00 BT 22 April 2020 |
在雪的源、汇项中，Lin方案(图 10a)的雪主要来自0℃层以上半径50 μm冰晶通过贝吉隆过程的转化(0.066×10-3 g·kg-1·s-1)，其他过程对源项贡献极小；雪的汇项以霰对雪的碰并收集为主，且其转化率与源项相当，0℃层下雪融化与碰并雨融化蒸发可忽略不计，因此3个方案中Lin方案雪的含量最小。Morrison方案(图 10c)雪的源项主要包括0℃层以上雪凝华增长、雪对过冷云水的凇附、冰晶聚并、雪碰并冰晶增长和雪下落过程中在0℃层附近碰冻过冷雨增长，汇项主要包括7 km以下雪升华、雪下落到0℃层以下融化和融化过程中的蒸发。0℃层以上雪凝华增长是Thompson方案(图 10b)中雪的主要源项(0.069×10-3 g·kg-1·s-1)，其次是冰晶聚并(0.057×10-3 g·kg-1·s-1)和雪对过冷云水的凇附(0.056×10-3 g·kg-1·s-1)。随着雪下落，凝华增长转化率逐渐减弱并在7 km处结束，雪开始升华，4.8 km左右升华率达到最大，同时还伴随雪融化，因此，Thompson方案中更高的源项转化率和较低的汇项转化率使得其雪含量最大。
在霰的源、汇项中，Thompson方案(图 10e)源项主要来自0℃层以上霰对过冷云水的凇附、冰晶和雪分别碰并过冷雨滴冻结成霰、过冷云滴在雪表面冻结沉积成霰以及霰下落到0℃层附近5~6 km碰冻过冷雨滴增长；汇项主要有霰升华、0℃层以下霰融化与下落过程中碰并雨水融化。Morrison方案(图 10f)的主要源项与Thompson方案相似，以0℃层以上霰对过冷云水的凇附为主，其次分别是霰的凝华增长、冰晶和雪分别碰冻过冷雨转化成霰，雪凇附增长成霰以及霰在0℃层附近碰冻过冷雨滴增长的转化率更小；Morrison方案的主要汇项为霰的升华、霰下落融化和下落融化蒸发。Lin方案中，源项同样以0℃层以上霰对过冷云水的凇附(0.216×10-3 g·kg-1·s-1)为主，但相较于Thompson和Morrison方案，其源项中不考虑雪凇附增长成霰的过程，增加雪向霰的自动转化(转化率为0)、霰的湿增长和霰碰并雪、冰晶增长，其他源项还包括霰凝华增长、冰晶和雪碰冻过冷雨；Lin方案的汇项中，霰下落到0℃层以下融化的转化率(0.226×10-3 g·kg-1·s-1)远大于同方案中的升华(0.017×10-3 g· kg-1·s-1)与碰并雨融化的转化率，在3个方案的汇项中也最大，其他汇项还包括霰的升华和下落到0℃层以下后融化蒸发。
值得注意的是，3个方案霰的汇项都以霰在0℃层以下融化为主，Lin和Morrison方案中该微物理过程转化率最为突出。考虑到Lin方案中雪的融化几近于零，Thompson和Morrison方案雪的汇项转化率差距不大，而云水和冰晶对云微物理方案的选择反馈较弱，图 9b中3个方案的雨水含量排序与霰的融化转化率一致，说明霰在0℃层以下融化成雨是本次模拟雨水形成的主要来源，这与新疆、湖北、广东和青藏高原等地区对强降水模拟分析的结果一致(王雨等，2017；周志敏等，2021；周文昊等，2020；毛智等，2022)。
4 结论与讨论利用WRF模式中8种不同云微物理方案对2020年4月22日发生在海南岛的一次飑线降水过程进行了模拟研究，对比不同模拟结果在雷达组合反射率、地面降水量、热力和动力结构及水凝物含量上的差异，得到以下主要结论：
(1) 降水模拟中，8种云微物理方案都模拟出了东北—西南走向的雨带实况，其中Thompson方案模拟的降水落区与中心强度最贴近实况；各方案模拟的强降水出现时间与实况较一致，但峰值小时降水量小于实况，区域累计降水量Lin方案大于实况，P3与WSM6方案接近实况，WDM7与WDM6方案远小于实况；最大小时降水量时刻模拟的雷达组合反射率在组织结构、范围和形态上与实况存在一定偏差，不同方案间的模拟结果差别较大。
(2) 对热力、动力场的模拟中，各方案模拟的扰动位温、上升气流和辐合辐散在强度和分布上存在差异，其中Thompson方案的各项模拟结果均大于其他方案，P3方案最弱。但不同云微物理方案都模拟出了冷池、低层垂直风切变以及冷池出流触发新生对流等飑线特征，降水中心与强上升气流区一一对应，散度场是有利于对流发展和降水形成的低层辐合、高层辐散结构。
(3) 对水凝物垂直分布的模拟中，云水和雨水主要分布在5 km以下，云冰、雪和霰在6 km以上，其中云微物理方案对云水模拟结果的影响可以忽略，雨水和冰晶次之，雪和霰对云微物理方案的选择最为敏感，雪的模拟中Thompson方案模拟的含量远大于其他方案，霰的模拟以Lin方案最大。
(4) 对比Lin、Thompson和Morrison方案雪和霰的源、汇项转化率，Thompson、Morrison方案雪的源项主要来自水汽凝华，汇项雪的融化与升华强度相当；Lin方案雪的源项以半径50 μm的冰晶通过贝吉隆过程转化为雪为主，汇项中霰对雪的碰并收集转化率与源项相当，0℃下雪的融化可忽略不计。霰对过冷云水的凇附是3个方案霰生成的主要源项，汇项中霰在0℃以下融化的转化率远大于其他转化过程，并且是本次模拟中雨水形成的主要来源。
综合以上分析可知，由于不同云微物理方案对水凝物，尤其是冰相粒子的处理不同，造成潜热的释放与吸收存在差别，产生的浮力作用使得上升气流强弱不一，导致各方案模拟的地面降水量各不相同，进一步使得地面冷池和辐合辐散的强度产生差异，最终又反馈到飑线发展过程中。然而，以上结论仅是针对海南岛一次飑线降水个例进行敏感性模拟试验得到，并不一定适用于该地区其他飑线降水过程，且所使用的云微物理方案均为默认值，后期将深入分析不同云微物理方案中云微物理过程的相互作用机制，进一步补充和完善结论。
陈明轩, 王迎春, 2012. 低层垂直风切变和冷池相互作用影响华北地区一次飑线过程发展维持的数值模拟[J]. 气象学报, 70(3): 371-386. Chen M X, Wang Y C, 2012. Numerical simulation study of interactional effects of the low-level vertical wind shear with the cold pool on a squall line evolution in North China[J]. Acta Meteor Sin, 70(3): 371-386 (in Chinese).
|
陈赛男, 郭学良, 付丹红, 2019. 北京一次短时局地大暴雨过程的特征及对云物理方案的敏感性数值模拟试验[J]. 大气科学, 43(6): 1344-1364. Chen S N, Guo X L, Fu D H, 2019. Characteristics of a short-duration and localized severe rainstorm event in Beijing City and sensitivity of cloud microphysical schemes in numerical simulations[J]. Chin J Atmos Sci, 43(6): 1344-1364 (in Chinese).
|
陈涛, 张芳华, 符娇兰, 等, 2020. 2014年5月8—9日引发珠江口区域强降水的两个长生命史MCS特征分析[J]. 气象, 46(4): 449-461. Chen T, Zhang F H, Fu J L, et al, 2020. Analysis of two successive rainstorm-induced long-lived mesoscale convective systems struck Pearl River Estuary during 8-9 May 2014[J]. Meteor Mon, 46(4): 449-461 (in Chinese).
|
邓承之, 周国兵, 李强, 等, 2024. 四川盆地一次西南低涡影响下的飑线天气特征及其成因[J]. 气象, 50(7): 777-790. Deng C Z, Zhou G B, Li Q, et al, 2024. Characteristic and formation of a squall line influenced by the southwest vortex in Sichuan Basin[J]. Meteor Mon, 50(7): 777-790 (in Chinese).
|
公衍铎, 郑永光, 罗琪, 2019. 冷涡底部一次弓状强飑线的演变和机理[J]. 气象, 45(4): 483-495. Gong Y D, Zheng Y G, Luo Q, 2019. Evolution and development mechanisms of an arc-shaped strong squall line occurring along the south side of a cold vortex[J]. Meteor Mon, 45(4): 483-495 (in Chinese).
|
郭淳薇, 2013. 飑线的研究进展[J]. 气象与减灾研究, 36(4): 1-7. Guo C W, 2013. The research progress of squall line[J]. Meteor Dis Reduct Res, 36(4): 1-7 (in Chinese).
|
黄丹莲, 高士博, 闵锦忠, 2017. 不同云微物理方案对一次飑线过程模拟的影响[J]. 气象科学, 37(2): 173-183. Huang D L, Gao S B, Min J Z, 2017. Impact of different cloud microphysical schemes on a squall line simulation[J]. J Meteor Sci, 37(2): 173-183 (in Chinese).
|
蒋超, 陈传雷, 张凯, 等, 2024. 辽宁地区飑线特征和形成条件[J]. 气象, 50(7): 791-803. Jiang C, Chen C L, Zhang K, et al, 2024. Squall line characteristics and formation conditions in Liaoning Province[J]. Meteor Mon, 50(7): 791-803 (in Chinese).
|
赖安伟, 马鹤翟, 崔春光, 等, 2021. 雷达反射率反演水汽和温度同化技术在一次飑线过程中的应用研究[J]. 气象, 47(8): 932-952. Lai A W, Ma H D, Cui C G, et al, 2021. A squall line case study of assimilating the radar data, retrieval of water vapor and in-cloud potential temperature from reflectivity in a 3DVAR framework[J]. Meteor Mon, 47(8): 932-952 (in Chinese).
|
雷蕾, 孙继松, 陈明轩, 等, 2021. 北京地区一次飑线的组织化过程及热动力结构特征[J]. 大气科学, 45(2): 287-299. Lei L, Sun J S, Chen M X, et al, 2021. Organization process and thermal dynamic structure of a squall line in Beijing[J]. Chin J Atmos Sci, 45(2): 287-299 (in Chinese).
|
李宏江, 曹洁, 李勋, 等, 2021. 基于有限区域风场分解的海南岛一次飑线过程演变特征分析[J]. 自然灾害学报, 30(2): 24-35. Li H J, Cao J, Li X, et al, 2021. Application of wind partitioning technique in a limited domain to the characteristics of the evolution of a squall line over Hainan Island[J]. J Nat Dis, 30(2): 24-35 (in Chinese).
|
毛智, 朱志鹏, 张如翼, 等, 2022. 不同云微物理方案对青藏高原一次强降水的模拟影响分析[J]. 热带气象学报, 38(1): 81-90. Mao Z, Zhu Z P, Zhang R Y, et al, 2022. The impact of different cloud microphysics parameterization schemes on the simulation of a heavy rainfall event over the Tibetan Plateau[J]. J Trop Meteor, 38(1): 81-90 (in Chinese).
|
任星露, 张述文, 汪兰, 等, 2020. 不同云微物理方案对弱天气尺度强迫下一次强对流的模拟[J]. 高原气象, 39(4): 750-761. Ren X L, Zhang S W, Wang L, et al, 2020. Different cloud microphysics parameterization schemes on a strong convection simulation under weak synoptic-scale forcing[J]. Plateau Meteor, 39(4): 750-761 (in Chinese).
|
寿绍文, 励申申, 寿亦萱, 等, 2009. 中尺度大气动力学[M]. 北京: 高等教育出版社: 157-158. Shou S W, Li S S, Shou Y X, et al, 2009. Mesoscale Atmospheric Dynamics[M].
Beijing: Higher Education Press: 157-158 (in Chinese).
|
王凌梓, 苗峻峰, 管玉平, 2020. 多云天气下海南岛地形对局地海风环流结构影响的数值模拟[J]. 大气科学学报, 43(2): 322-335. Wang L Z, Miao J F, Guan Y P, 2020. Numerical simulation of impact of topography of Hainan Island on structure of local sea breeze circulation under cloudy weather[J]. Trans Atmos Sci, 43(2): 322-335 (in Chinese).
|
王雨, 银燕, 陈倩, 等, 2017. 沙尘气溶胶作为冰核对阿克苏地区一次多单体型强对流风暴降水及其微物理过程影响的数值模拟研究[J]. 大气科学, 41(1): 15-29. Wang Y, Yin Y, Chen Q, et al, 2017. A numerical study of the effect of aerosols acting as ice nuclei on the precipitation and microphysical processes in a multi-size convective storm occurring in Aksu in Xinjiang, Northwest China[J]. Chin J Atmos Sci, 41(1): 15-29 (in Chinese).
|
王莹, 苗峻峰, 苏涛, 2018. 海南岛地形对局地海风降水强度和分布影响的数值模拟[J]. 高原气象, 37(1): 207-222. Wang Y, Miao J F, Su T, 2018. A numerical study of impact of topography on intensity and pattern of sea breeze precipitation over the Hainan Island[J]. Plateau Meteor, 37(1): 207-222 (in Chinese).
|
王智, 邹兰军, 2022. 一次长三角地区飑线过程的数值预报分析[J]. 气象科学, 42(3): 420-426. Wang Z, Zou L J, 2022. Analysis and numerical forecast research on a squall line in the Yangtze River Delta[J]. J Meteor Sci, 42(3): 420-426 (in Chinese).
|
吴冰雪, 苗峻峰, 杨薇, 2023. 边界层参数化对海南岛山地环流结构和湍流特征模拟的影响[J]. 地球物理学报, 66(5): 1888-1910. Wu B X, Miao J F, Yang W, 2023. Impact of planetary boundary layer parameterizations on simulated mountain circulation structure and turbulence characteristics over the Hainan Island[J]. Chin J Geophys, 66(5): 1888-1910 (in Chinese).
|
邢峰华, 黄彦彬, 李光伟, 等, 2023. 海南岛一次强飑线系统演变的双偏振特征分析[J]. 热带气象学报, 39(5): 742-750. Xing F H, Huang Y B, Li G W, et al, 2023. Dual-polarization characteristics of a strong squall line evolution in Hainan Island[J]. J Trop Meteor, 39(5): 742-750 (in Chinese).
|
许广, 费建芳, 黄小刚, 等, 2017. 一次飑线过程的云微物理参数化方案数值试验及其成因分析[J]. 气象科学, 37(3): 283-292. Xu G, Fei J F, Huang X G, et al, 2017. Simulation experiments of cloud microphysical parameterization schemes on a squall line and its genesis analysis[J]. J Meteor Sci, 37(3): 283-292 (in Chinese).
|
杨吉, 郑媛媛, 夏文梅, 等, 2020. 东北冷涡影响下江淮地区一次飑线过程的模拟分析[J]. 气象, 46(3): 357-366. Yang J, Zheng Y Y, Xia W M, et al, 2020. Numerical analysis of a squall line case influenced by northeast cold vortex over Yangtze-Huaihe River Valley[J]. Meteor Mon, 46(3): 357-366 (in Chinese).
|
殷蕾, 平凡, 2016. bin和bulk微物理方案在我国飑线模拟中的敏感性研究[J]. 科学技术与工程, 16(16): 136-142, 148. Yin L, Ping F, 2016. Sensitivity study of bulk and bin microphysical scheme to a simulated squall line in East China[J]. Sci Technol Eng, 16(16): 136-142, 148 (in Chinese).
|
张弛, 王咏青, 廖玥, 等, 2019. 初始场与云微物理参数方案在飑线数值模拟中的对比研究[J]. 高原气象, 38(2): 410-420. Zhang C, Wang Y Q, Liao Y, et al, 2019. The comparative study of initial field and cloud microphysical parameter scheme in the numerical simulation of squall line[J]. Plateau Meteor, 38(2): 410-420 (in Chinese).
|
张哲, 周玉淑, 高守亭, 2018. 一次辽东湾飑线过程的观测与数值模拟分析[J]. 大气科学, 42(5): 1157-1174. Zhang Z, Zhou Y S, Gao S T, 2018. Observational and numerical analyses of a squall line occurring over Liaodong Gulf of China[J]. Chin J Atmos Sci, 42(5): 1157-1174 (in Chinese).
|
周文昊, 陆春松, 高文华, 等, 2020. 华南一次暖区暴雨的演变及云微物理机制模拟研究[J]. 热带气象学报, 36(6): 805-820. Zhou W H, Lu C S, Gao W H, et al, 2020. A modeling study of the evolution and microphysical mechanisms of a warm-sector heavy rainfall in South China[J]. J Trop Meteor, 36(6): 805-820 (in Chinese).
|
周志敏, 崔春光, 胡杨, 等, 2021. 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[J]. 大气科学, 45(6): 1292-1312. Zhou Z M, Cui C G, Hu Y, et al, 2021. Sensitivity of microphysical parameterization on the numerical simulation of a Meiyu front heavy rainfall process[J]. Chin J Atmos Sci, 45(6): 1293-1312 (in Chinese).
|
Bae S Y, Hong S Y, Tao W K, 2019. Development of a single-moment cloud microphysics scheme with prognostic hail for the Weather Research and Forecasting (WRF) model[J]. Asia-Pacific J Atmos Sci, 55(2): 233-245.
|
Bao J W, Michelson S A, Grell E D, 2019. Microphysical process comparison of three microphysics parameterization schemes in the WRF model for an idealized squall-line case study[J]. Mon Wea Rev, 147(9): 3093-3120.
|
Cao Q, Zhang S W, Lei G L, et al, 2022. Impact of different double-moment microphysical schemes on simulations of a bow-shaped squall line in East China[J]. Atmosphere, 13(5): 667.
|
Dawn S, Satyanarayana A N V, 2020. Sensitivity studies of cloud microphysical schemes of WRF-ARW model in the simulation of trailing stratiform squall lines over the Gangetic West Bengal Region[J]. J Atmos Sloar Terr Phys, 209: 105396.
|
Hong S Y, Dudhia J, Chen S H, 2004. A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation[J]. Mon Wea Rev, 132(1): 103-120.
|
Hong S Y, Lim J O J, 2006. The WRF single-moment 6-class microphysics scheme (WSM6)[J]. Asia-Pacific J Atmos Sci, 42(2): 129-151.
|
Li J Y, Su Y, Ping F, et al, 2021. Simulation of the dynamic and thermodynamic structure and microphysical evolution of a squall line in South China[J]. Atmosphere, 12(9): 1187.
|
Lim K S S, Hong S Y, 2010. Development of an effective double-moment cloud microphysics scheme with prognostic cloud condensation nuclei (CCN) for weather and climate models[J]. Mon Wea Rev, 138(5): 1587-1612.
|
Lin Y L, Farley R D, Orville H D, 1983. Bulk parameterization of the snow field in a cloud model[J]. J Appl Meteor Climatol, 22(6): 1065-1092.
|
Morrison H, Curry J A, Khvorostyanov V I, 2005. A new double-moment microphysics parameterization for application in cloud and climate models.Part Ⅰ: description[J]. J Atmos Sci, 62(6): 1665-1677.
|
Morrison H, Milbrandt J A, 2015. Parameterization of cloud microphysics based on the prediction of bulk ice particle properties.Part Ⅰ: scheme description and idealized tests[J]. J Atmos Sci, 72(1): 287-311.
|
Morrison H, Thompson G, Tatarskii V, 2009. Impact of cloud microphysics on the development of trailing stratiform precipitation in a simulated squall line: comparison of one- and two-moment schemes[J]. Mon Wea Rev, 137(3): 991-1007.
|
Rotunno R, Klemp J B, Weisman M L, 1988. A theory for strong, long-lived squall lines[J]. J Atmos Sci, 45(3): 463-485.
|
Thompson G, Field P R, Rasmussen R M, et al, 2008. Explicit forecasts of winter precipitation using an improved bulk microphysics scheme.Part Ⅱ: implementation of a new snow parameterization[J]. Mon Wea Rev, 136(12): 5095-5115.
|
Thorpe A J, Miller M J, Moncrieff M W, 1982. Two-dimensional convection in non-constant shear: a model of mid-latitude squall lines[J]. Quart J Roy Meteor Soc, 108(458): 739-762.
|
Weisman M L, Klemp J B, Rotunno R, 1988. Structure and evolution of numerically simulated squall lines[J]. J Atmos Sci, 45(14): 1990-2013.
|