1 引言

飑线是地球上常见的由许多活跃的雷暴单体侧向排列形成的线状中尺度对流系统(丁治英等, 2017)。飑线过境常伴有强降水、大风、冰雹、龙卷等剧烈天气现象, 是一种破坏性极强的中β尺度对流系统(康兆萍等, 2017; 曹倩等, 2016; 郑媛媛等, 2014)。组织结构完整的飑线一般可以看到明显的弓状或者逗点状回波结构(李哲等, 2017; 刁秀广等, 2015)。飑线的组织结构、演变及形成机理研究是中尺度气象领域里一个非常重要的研究内容。国外学者借助观测资料和数值模拟的研究发现飑线的形成可能与, 上升气流(Hane, 1973), 不稳定能量(Weisman, 1992)以及温度和水汽的垂直分布(Takemi, 2006, 2007)有关, 而对于环境风垂直切变的作用(Weisman et al, 1925; Evans et al, 2001)还存在争论。

云微物理参数化方案的选择对于模拟系统的强度和结构都有所影响(王田田等, 2016; 赵桂香等, 2017), 一些早期强对流的模拟中, 很多学者使用了只包含液态水的云微物理参数化方案(Weisman et al, 1988; Lafore et al, 1989), 而也有一些研究表明冰微物理过程在系统结构和强度的模拟上有着重要影响(Liu et al, 1997; Gilmore et al, 2004; 梅海霞等, 2015)。与纯水微物理方案相比, 冰微物理方案增加了水凝固和融化过程中产生的潜热对对流系统结构的影响(Liu et al, 1997)。此外, 不同的微物理方案涉及不同类型的固态水粒子, 对模拟对流系统的结构、产生的降水也有所影响(康延臻等, 2018; 栾澜等, 2017; 王洪等, 2014)。

CM1模式是Bryan et al(2002)开发的三维非静力理想化数值模式, 在水汽等要素的演变上有先进数学物理推导, 提供了多种云微物理参数方案, 可以用于多种不同天气过程的模拟。在给定的背景条件下, CM1模式仅需使用一定的探空资料就可以激发出不同类型的中小尺度对流系统, 对中小尺度大气运动的模拟以及敏感性试验极为有利。CM1模式被运用在在中小尺度天气过程模拟上, 研究了多种中小尺度天气过程的生消演变的物理本质。通过使用CM1模式, Lombardo et al(2018)发现飑线在与海洋大气边界层相碰时的表现主要受冷池与海洋大气边界层之间浮力大小的影响; Guarriello et al(2018)通过敏感性试验分析了近地面风廓线的变化对超级单体形态的影响; Diao et al(2017)研究了飑线模拟过程中的冰成核参数方案, 并提出了一种模式资料与飞机观测对比的方案; Parker(2017)发现低层上升气流对涡旋的抬升和拉伸决定了龙卷的形成; Dahl(2017)发现切变涡度对超级单体风暴中上升气流旋转的重要影响。鉴于CM1模式在中小尺度系统模拟中的优秀表现, 本文也采用CM1模式研究不稳定层结, 垂直风切变等条件对飑线形成的影响以及选择不同云微物理参数方案对水粒子分布与演变的影响。

2 试验方案与资料选取

采用CM1模式对一次飑线过程进行数值模拟, 为使结果与实况更加接近, 修改了模式的部分代码, 通过读入温度场和湿度场资料形成模式的初始场, 并采用模拟区域的实际探空资料进行模拟。使用的探空资料为飑线所在的山东省济南市章丘站(36.43°N, 117.34°E)13日00:00(世界时, 下同)探空资料。将探章丘站的位置设为水平方向的中心, 水平区域取89 km×111 km(约为中纬度地区1°×1°的范围), 水平网格距Δx=Δy=200 m; 垂直方向取400 m到15.6 km, 垂直网格距Δz=800 m, 时间步长Δt=2 s。区域大小、网格距和时间步长在所有模拟中相同。由于此次过程形成的飑线较长(从郑州到北京y方向大约跨了5个纬距), 本文仅选取其中一段进行模拟, 因此在y方向采用周期边界条件, x方向采用开放边界条件。水汽方案采用NASA-Goddard version of LFO方案(NA方案)。模拟中考虑科氏力的作用, 但忽略地形、辐射传输和表面热通量影响。结果输出在(x, y, z)坐标系中。

使用不同时间、地点的探空资料以及不同水平网格距进行敏感性试验来研究不稳定能量、垂直风切变和网格距对飑线模拟的影响。具体设置见表 1, 其中a组为初始设置, 成功模拟出飑线结构; b组考察不稳定能量和风切变的共同影响; c组考察不稳定能量的影响; d组修改了初始探空资料, 使不同高度上的风向风速相同, 借此考察初始探空资料中垂直风切变对飑线的影响; e组将网格距当作一个变量单独考虑其改变对模拟的影响, 这里只改变网格距而没有匹配上相应的背景场, 借此得到网格距的影响而非网格距和背景场的共同影响。另外研究不同云微物理参数方案的对水粒子分布与演变的影响, 通过改变模式中相应选项实现, 所使用的云微物理参数方案见表 2。表 1、2中所有编号在后文与之对应。

表 1(Table 1)

表 1 飑线模拟与敏感性试验设计方案

Table 1 The scheme of squall line simulation and sensitivity test

编号

网格距

探空资料地点

探空资料时间

低层垂直风切变

a

200 m

章丘

13日00:00

有风切变

b

200 m

章丘

11日00:00

有风切变

c

200 m

秋田

13日00:00

有风切变

d

200 m

章丘

13日00:00

人为去除风切变

e

1 km

章丘

13日00:00

有风切变

a组为初始设置, 粗体为各组与a组不同之处

表 1 飑线模拟与敏感性试验设计方案

Table 1 The scheme of squall line simulation and sensitivity test

表 2(Table 2)

表 2 模拟与对比所用的云微物理参数方案

Table 2 The cloud microphysical parameter scheme of simulation and comparison

水汽方案名称

编号

所含水汽变量

NASA-Goddard version of LFO方案

NA

云水、雨、冰、雪、雹

Morrison double-moment方案

MD

云水、雨、冰、雪、雹

Thompson方案

TH

云水、雨、冰、雪、霰

Goddard-LFO方案

GO

云水、雨、冰、雪、雹

NSSL 2-moment方案

NS

云水、雨、冰、雪、霰

NSSL single-moment方案

NSS

云水、雨、冰、雪、霰

NSSL 2-moment (graupel and hail)方案

NSG

云水、雨、冰、雪、雹、霰

表 2 模拟与对比所用的云微物理参数方案

Table 2 The cloud microphysical parameter scheme of simulation and comparison

导入CM1模式的初始位温和相对湿度由NCEP的0.5°×0.5°再分析资料插值得到, 探空资料由(http://weather.uwyo.edu/upperair/seasia.html)(2017-01-10)提供。

3 探空资料和网格距的对比模拟

2016年6月13日, 受东北冷涡引导南下的冷空气影响, 在河北、山东境内出现飑线。在13日12:00, 章丘站有飑线经过, 高层受冷涡影响有冷平流, 低层有暖平流, 台站上空有不稳定层结出现, 不稳定能量CAPE指数达到了1370 J·kg-1, 垂直方向上存在风向和风速的切变[图 1(a)], 符合强对流天气的出现的条件, 模式模拟[图 2(a)]结果中也能看到明显的飑线结构。探空资料显示受冷涡影响前的11日00:00[图 1(b)], 低层以风速切变为主, 没有明显的风向切变, 有较弱的冷平流, 高层有暖平流, 大气层结较为稳定, 不稳定能量CAPE值也相对较小为793 J·kg-1。模拟发现探空资料对对流系统的影响较大, 当不稳定能量和垂直风切变同时减弱时, 系统强度明显减弱, 并且很快的衰减消亡[图 2(b), 采用飑线生成前章丘探空资料模拟的结果]。在飑线经过章丘的同一时刻, 冷涡东侧日本秋田站[图 1(c)]上空的不稳能量为0, 主要受暖平流影响, 但都与章丘一样有明显的低层风切变。模拟表明了不稳定能量在其中的作用, 当不稳定能量为0时, 对流难以旺盛的发展[图 2(c)]。人为去掉章丘站13日00:00探空资料中的风切变[图 1(d)], 考察垂直风切变的影响, 模拟结果[图 2(d)]表明在有适合生成飑线的温度、湿度场以及不稳定层结的情况下, 风切变的变化对飑线形成影响相对较小, 主要是改变飑线的结构, 没有垂直风切变对流云的分布更加松散。采用不同网格距的对比试验中[图 2(e), 所用图片的积分时间与其它组有差别]明显可以看到水平网格距对飑线的模拟有很大的影响, 水平网格距越大系统的演变越慢, 强度也会有所变化, 这主要是次网格湍流造成的影响。

图 1(Fig. 1)

图 1 2016年6月中国章丘站和日本秋田站探空资料设置

Fig. 1 Sounding data setting of Zhangqiu station in China and Akita in Japan on June 2016

图 2(Fig. 2)

图 2 不同设置模拟出的组合反射率(单位: dBz)

Fig. 2 Composite reflectivity of different sets.Unit: dBz

综上所述可以发现, 在给定了初始温度和湿度场的情况下, 不稳定能量对飑线的模拟影响很大, 不稳定能量为0时没有强的雷达回波出现; 垂直风切变主要改变飑线的结构, 对飑线的形成影响较小, 没有垂直风切变时飑线结构更为松散; 水平网格距的设置对模拟的结果也有影响, 网格距的增大会使飑线的演变变慢, 强度也有所减弱。

4 飑线水汽分布及与云微物理参数方案的对比

对于飑线的组织结构, 重点考察降水相关要素在飑线上的分布, 当温度和水汽浓度条件达到时, 空气中的水汽就会转化为固、液态的水, 进一步在重力的影响下形成降水, 而不同的水汽方案模拟产生飑线的水汽结构也有所差异。采用NA方案模拟形成的水粒子有云水(qc)、雨(qr)、冰(qi)、雪(qs)和雹(qh), 而其它方案的固态水粒子可能会有霰(qg)。考虑到在模拟的第90 min出现了明显的飑线弓状回波结构, 且与实况有较好的对应, 并且模拟的飑线结构在y方向上的分布相对均匀, 为了更好的表达飑线中粒子的垂直分布信息, 考虑各水粒子的总体分布情况时, 取第90 min对其做纵向平均(y方向求平均)(图 3, 图 4)。考察各种方案中水粒子的分布和演变, 对比时由于缺乏相应的观测资料, 因此进行方案之间的对比试验, 分析不同方案各水物质粒子的含量、分布与变化特征。

图 3(Fig. 3)

图 3 模拟90 min各方案水粒子纵向平均(y方向平均)的垂直截面图(单位: g·kg-1)

左:雨(阴影区), 云水(等值线), 中:冰(阴影区), 雪(等值线), 右:雹(阴影区), 霰(等值线), 虚线为累计降水

Fig. 3 Vertical section diagram of the longitudinal average (y direction) of water particles in each scheme, simulated for 90 minutes.Left: qr (the shaded), qc (the contour line); Middle: qi (the shaded), qs (the contour line); Right: qh (the shaded), qg (the contour line), the dotted line is accumulated precipitation

图 4(Fig. 4)

图 4 模拟90 min各方案水粒子纵向平均(y方向平均)的垂直分布

左:雨(阴影区), 云水(等值线), 中:冰(阴影区), 雪(等值线), 右:雹(阴影区), 霰(等值线), 虚线为累计降水

Fig. 4 Vertical section diagram of the longitudinal average (y direction) of water particles in each scheme, simulated for 90 minutes.Left: qr (the shaded), qc (the contour line); Middle: qi (the shaded), qs (the contour line); Right: qh (the shaded), qg (the contour line), the dotted line is accumulated precipitation

从图 3中可以看到, 模式积分90 min后, NA方案的qc主要出现在1.5 km以上, 大值出现在3~4 km。qr主要出现在3 km以下, 大值出现在1~2 km, qr是降水的直接来源, 影响了降水的大小和位置。固态粒子中qi主要出现在5 km以上, 大值出现在8~14 km, 其值比云水小一个量级, 表明在该模拟方案下, 云中冰的含量比液态水少, 同时在固态水出现区域存在云水, 也说明在4~6 km应该是有过冷水存在。qs主要出现在4 km以上, 大值出现在5~12 km, 值比qi大, 说明高层的水汽粒子中qs占了很大的比例。qh主要出现在2~12 km, 大值出现在4~5 km, 其值普遍比qs小一个量级, 总体高度低于qi和qs, 表明qh的质量相对较大, 在重力作用下达到的高度更低。三种固态水粒子的高度表明了此次模拟过程中没有冰和雪降落到地表, 冰和雪在沉降过程转化成了水汽和液态水。而几种水粒子的含量说明对流云中高层以雪为主, 过冷水次之, 冰和雹含量较小。

考察整个模拟过程, 在模拟区域的低层以雨为主, 中层以云水为主, 高层以雪为主, 冰和雹相对较小。从时间上的变化[图 5(a)]来看, 整个过程开始时以冰为主, 最后以雪为主, 云水也在一开始出现, 雨和雹则在积分一定时间后才出现, 表明雨需要一定的时间由其他粒子的转化得到, 而雹需要一定的时间生成。

图 5(Fig. 5)

图 5 不同参数方案下各水粒子所占比例随时间分布

Fig. 5 The proportion of water particles in different parameter schemes

与NA方案相比, 其他参数方案对飑线模拟的影响主要体现在各种水汽变量的含量和分布上, 因此主要比较各个参数方案中水汽变量的含量和分布。MD方案所包含的水汽变量与NA方案相同, 采用MD方案进行模拟时, 雹的含量在积分20 min后急速提高, 直到到达与雪一个量级, 另外除了雹所占比例有较大的提高, 其他各线的变化趋势与控制试验基本一致, 只是变化幅度不同[图 5(b)]。从积分90 min的垂直分布(图 3)上看, qc主要出现在1~5 km, 量值小于MD方案。qr主要出现在2.5 km以下, 大值出现在1~2 km, 其量值比NA方案更大, 形成有更大的降水, 联系到qc量值的变小, 应该是有更多的云水转化成为雨。qi主要出现在5 km以上, 大值出现在10~14 km, 比NA方案的量值更小。qs主要出现在4 km以上, 量值小于NA方案。而qh的值则更大, 大值出现在4.5~10 km, 在后面的时刻有雹降落到了地表。总的来看, 该方案有更多云水的转化成降水粒子, 形成更大的降水, 同时雹的浓度有明显的提高, 地面有落雹出现。

TH方案中没有雹, 但有霰出现。使用TH方案模拟, 在积分20 min后霰的含量提高, 到达50 min是在所有粒子中所占的比例达到第二, 而模拟中雪的含量一直最高, 冰含量一直比较小[图 5(c)]。图 3(c)表明qc主要出现在2 km以上, 大值出现在2~4 km, 与NA方案相比, 量值有所减小。qr主要出现在3 km以下, 大值出现在1~2 km, 量值比NA更大, 形成有更大的降水。qs主要出现在4 km以上, 总量比NA方案小。qg垂直分布主要出现在3~13 km, 大值出现在4~10 km。

GO方案包含的水汽变量与NA方案相同, 模拟的雹含量在积分40~100 min超过了雪的含量[图 5(d)]。积分90 min[图 3(d)]时, qc主要出现在2.5~6 km, 量值比NA方案小。qr主要出现在5 km以下, 大值出现在2 km左右的高度, 量值比NA方案大, 形成有更大的降水。qi主要出现在7 km以上, 量值和范围都比NA方案小。qs主要出现在5~14 km, 量值比NA小。qh主要出现在1~12 km, 与NA方案相比, 浓度也有明显的提高, 在后面的积分时刻中有雹降落到了地表。

NS方案的水汽变量与TH方案一样有霰无雹, 霰含量在积分25 min时开始明显增加, 在积分时间40~105 min内, 水粒子中霰的含量最大[图 5(e)]。积分90 min(图 4)时, qc主要出现在1~5 km; qr主要出现在4 km以下, 大值出现在2 km左右的高度, 产生了比NA方案更大的降水。qi与qs主要出现在5 km以上。qg主要在3~13 km范围内, 大值在4~6 km。

NSS方案也是有霰无雹, 从图 5(f)可以发现该水汽方案中初始时刻云水和冰含量较高, 其它含量相对较少, 而积分1 h以后霰含量达到最高。积分90 min(图 4)时, qc主要出现在2~6 km。qr主要出现在5 km以下, 大值出现在0~3 km, 形成有比NA方案更大的降水。qi和qs主要出现在5 km以上。qg主要在2.5~12 km范围内, 大值在4~10 km。

表 3(Table 3)

表 3 积分90 min时刻各方案水粒子总量与累计降水量总量比较

Table 3 The compare of total amount of water particles and cumulative precipitation in 90 minutes

变量

排序

qc

NSS＞NA＞GO＞TH＞MD＞NS＞NSG

qr

GO＞NSS＞NS＞NSG＞TH＞MD＞NA

qi

NA＞NSS＞NS＞NSG＞GO＞MD＞TH

qs

NA＞TH＞MD＞NSG＞NS＞GO＞NSS

qh

MD＞GO＞NA＞NSG

qg

NSS＞NS＞TH＞NSG

rn

GO＞NSG＞NS＞NSS＞MD＞TH＞NA

表 3 积分90 min时刻各方案水粒子总量与累计降水量总量比较

Table 3 The compare of total amount of water particles and cumulative precipitation in 90 minutes

NSG方案同时包含霰和雹两种水汽变量, 是所有方案中涉及到的水汽变量最全的方案, 在该方案中霰的强度明显高于雹[图 5(g)]。积分90 min(图 4)时, qc主要出现在2~4 km; qr主要出现在4 km以下, 大值出现在1~3 km。qi和qs主要出现在4 km以上, 且形状大体一致。qh主要在4~8 km, 量值较小。qg主要在3~13 km, 大值在4~8 km。

为了更好的横向比较各个云微物理方案, 统计计算了积分90 min时刻各方案水粒子总量和累计降水量的总量, 并将其进行排序, 结果由表 1给出。从表 1中可以看到, 各方案产生水粒子的侧重点不同, 就冰和雪而言NA方案最多且远远超过其他方案。但由于并和雪没有降落到地表, 并且其他方案降落到地表的雹、霰含量以及雨比NA大, 使得NA方案的累计降水量最小。

5 结论与讨论

使用CM1模式模拟了一次飑线过程, 通过探空资料的替换与修改考察了不稳定能量和垂直风切变对飑线模拟的影响, 通过修改相应参数研究了水平网格距对模拟的影响以及不同云微物理参数方案对水粒子分布的影响, 得到以下主要结论:

(1) 在飑线的模拟中, 水平网格距的设置对模拟结果影响很大, 水平网格距的大小影响了次网格湍流, 网格距越大系统的演变和移动越慢, 强度也会有所减弱。

(2) 在给定了初始温度和湿度场的情况下, 不稳定能量对飑线的模拟影响很大, 不稳定能量的减小会使飑线明显减弱, 甚至无法产生; 而垂直风切变对飑线的形成影响较小, 主要改变飑线的结构, 在没有垂直风切变的情况下, 飑线结构更为松散。

(3) 不同的云微物理参数方案会使水粒子的含量和分布出现变化, 进一步影响固、液态的降水, NA方案的固态水粒子以雪为主, 该方案雪和冰的浓度超过其它方案; 而由于雨水、降落到地表的雹、霰含量比其他方案小, 使得NA方案累计降水量最小。

上述研究表明了网格距对飑线模拟的影响, 在没有达到一定程度的精度时无法模拟出飑线系统。当前气象部在类似飑线的中小尺度强对流天气的预报上还有所欠缺。本文研究表明探空资料在飑线模拟上有着重要的作用, 希望可以通过结合特定的温度、湿度场以及探空资料, 选取出可能存在强对流的区域, 并采用适用于中小尺度的模式进行更高精度的模拟, 借此加强对飑线等天气过程的预报。