暖底對流云催化的微物理和動力效應的數值模擬

陳寶君　李愛華　吳林林　孫永濤南京大學大氣科學學院，南京00安徽省人工影響天氣辦公室，合肥00陜西中天火箭技術股份有限公司，西安7005

暖底對流云催化的微物理和動力效應的數值模擬

陳寶君1李愛華2吳林林2孫永濤3
1南京大學大氣科學學院，南京210023
2安徽省人工影響天氣辦公室，合肥230031
3陜西中天火箭技術股份有限公司，西安710025

陳寶君，李愛華，吳林林，等. 2016. 暖底對流云催化的微物理和動力效應的數值模擬 [J]. 大氣科學, 40 (2): 271-288.Chen Baojun, Li Aihua, Wu Linlin, et al. 2016. Modeling the microphysical and dynamical effects of silver iodide seeding of warm-based convective clouds [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 40 (2): 271-288, doi:10.3878/j.issn.1006-9895.1503.14271.

為加深理解暖云底對流云降水形成的微物理機制，調查對這類對流云實施碘化銀催化所能產生的微物理和動力效應，本文使用三維對流云模式（包含6種水成物：云滴、雨滴、冰晶、雪花、霰和冰雹），對2004年7 月8日發生在我國江淮地區的一例對流云進行模擬，并開展碘化銀催化試驗。結果表明：（1）模式能夠較好地模擬出實測風暴的回波結構。（2）云雨自動轉化和霰粒子融化是兩個最重要的成雨機制，產生的雨滴占雨滴總數量（質量）的67%（19%）和18%（57%）。（3）對流發展初期在主上升氣流區進行的催化試驗表明，對本例對流云播撒碘化銀能夠同時獲得增雨和減雹的正效果。（4）催化增加的霰粒子通過競爭機制抑制了前期冰雹的形成，但增強了向雨滴的轉化（通過融化機制）；催化也促進了二次對流的發展，增加了入云的水汽通量和云水含量，加強了后期的云雨自動轉化及碰并增長，導致后期的雨和冰雹增加，并使地面降水分布發生變化。這些結果表明，對暖底對流云進行碘化銀催化能夠產生微物理和動力效應。

1　引言

對流云是人工增雨的主要目標云系。目前在對流云人工增雨作業中，最常用的方法是向云中播撒人工冰核（如碘化銀）或致冷劑（如干冰），通過“靜力催化”和“動力催化”機制增加云系的降水量。靜力催化的基本原理是適量增加冰晶數量提高降水形成的效率，影響的是云的微物理過程，并不改變云的動力學特性；動力催化則是通過播撒大量的催化劑促使過冷水滴迅速凍結，釋放潛熱增加云體浮力，促進云的增長進而增加降水。

動力催化的概念最初由Simpson等人于20世紀60年代提出，經過不斷發展形成了一個完整的概念模型（Simpson et al., 1965, 1967; Simpson and Woodley, 1971; Simpson, 1980; Woodley et al., 1982）。然而，實際觀察卻發現對流云的宏觀特征（如云頂高度）在實施人工催化后并沒有很快發生預期的顯著變化。為解釋催化后云頂沒有達到預期高度的原因，Rosenfeld and Woodley（1993）又提出一個修正的動力催化概念模型（簡稱RW93模型），指出在對流云催化中靜力和動力機制可能同時存在，強調云微物理在動力催化中的作用，尤其是與霰有關的過程：催化增加的霰粒子增強了降水荷載，抑制了上升氣流的發展，導致催化后一段時期內云體的垂直發展沒有發生顯著變化，當這些水成物以降水形式下落，其拖曳作用加強了下沉氣流和低層輻合，激發或促進了二次對流的發展，最終導致地面降水增加。修正模型在一定程度上解釋了對流云宏觀特征對催化響應較慢的問題，但其中包含的很多物理環節是假設的，還需要觀測驗證和數值模擬的檢驗，這也是目前人工影響天氣研究中的一個關鍵問題（Bruintjes, 1999; Silverman, 2001; National Research Council, 2003）。

云數值模式在人工影響天氣的理論和應用研究中發揮著重要作用，國內外相關研究進展已有一些綜述性報道（Orville, 1996; 雷恒池等, 2008; 郭學良等, 2013）。通過數值模擬，學者們已經證實對流云系在催化后，云中上升氣流速度增大（方春剛等, 2009; 肖輝等, 2012）、下風方的雨量增加（何觀芳等, 2001; ?uri? et al., 2007, 2008），說明播云產生了動力效應。Chen and Xiao（2010）利用三維對流云模式模擬研究了美國一例冷底對流云的碘化銀催化效果，發現催化對云微物理和動力過程都產生了影響，催化增加的霰質量增強了下沉氣流進而促進了二次對流的發展，地面總降水量在催化后增加并產生空間再分布。這一研究證實了云微物理在動力催化中的作用，可以說在一定程度上檢驗了RW93模型。他們的模擬結果還發現云系在催化后很長一段時間內降水量是減少的，究其原因是，云中液態水含量少，暖雨過程弱，雨水主要來自霰雹的融化，而霰雹則主要通過凇附過程增長，催化導致過冷云水被大量消耗因而限制了霰雹的增長使其融化成雨的量減少。相對冷底對流云，暖底對流云中暖雨過程更加活躍，其在霰雹形成中也起著更為重要的作用，因而這類對流云的成雹機制及其催化效果和影響機制也和冷底對流云不同（何觀芳和胡志晉, 1998）。Lin et al.（2005）通過模擬也證實不同云底溫度對流云的微物理結構和降水形成的微物理機制有很大差異。這種微物理特性上的差異會不會改變催化引起的動力響應？這一問題的研究，將有助于提高我們對動力催化原理的認識，進一步加深對流云催化增雨機理的理解。

本文通過江淮地區對流云的數值模擬，力圖對暖底對流云實施碘化銀催化后的微物理和動力效應進行探討。接下來的一節將簡單介紹模擬所用的對流云模式，第3節對模擬自然云的結構、演變和微物理過程進行分析，催化試驗的結果與機理分析在第4節提供，最后一節給出了全文總結和討論。

2 數值模式及試驗設計

本文所用模式為中國科學院大氣物理研究所建立并發展的三維冰雹云模式，其動力學框架由一組非靜力可壓縮的完全彈性方程組構成，并采用交錯網格、時間分裂和質心跟蹤等技術求解方程組（孔凡鈾等，1990）。模式中考慮了云滴（C）、雨滴（R）、冰晶（I）、雪（S）、霰（G）和冰雹（H）共6種水成物粒子，微物理參數化采用雙參譜方案，同時預報水成物粒子的比含量和比濃度，此外對播撒物質碘化銀粒子的比含量也進行預報（洪延超，1998）。需要說明的是，本文對霰和凍滴并未加以區分，將它們統稱為霰。模式控制方程組如下：

其中，u、v、w為速度分量，π是無量綱氣壓的擾動量，θ是位溫，qφ代表水汽和6種水物質的質量混合比，Nφ代表水滴、冰晶、雪、霰和冰雹的比濃度，Xs為碘化銀的比含量。D代表次網格尺度混合項，方程（5）～（8）中S代表源匯項。Vφ為水物質的下落末速度。其余都是常用符號。

模擬個例是2004年7月8日下午發生在安徽北部的一次強對流過程。當日下午，安徽北部亳州和阜陽境內多地先后遭受雷雨大風和冰雹的襲擊，個別鄉鎮觀測到的最大冰雹直徑達到5 cm，地面最大風速超過20 m s?1。根據當日08時（北京時間，下同）阜陽站的探空（圖1）顯示，風暴發生前大氣層結不穩定，其對流有效位能1220 J kg?1，非常有利于對流的發生發展。整層大氣環境相對較干，近地層最大相對濕度76%，水汽混合比15 g kg?1。風廓線顯示低層為東南風，隨著高度增加風向順時針旋轉逐漸變為西北風，0～6 km垂直風切變值約為13 m s?1。根據探空初步估計的抬升凝結高度為900 m，該層溫度18°C左右，0°C位于4.3 km高度上，可見，該例對流云屬于暖底對流云。

圖1　2004年7月8日阜陽08時（北京時間，下同）探空曲線：（a）層結曲線（實線為溫度，虛線為露點）；（b）環境風廓線（實線為u分量，正值代表西風；虛線為v分量，正值代表南風）Fig. 1　Sounding curves at 0800 BT (Beijing time) 8 July 2004 over Fuyang: (a) Temperature (solid line) and dew point (dashed line); (b) corresponding u (westerly, solid line) and v (southerly, dashed line) components of the horizontal wind

模擬域水平范圍取35 km，垂直18.5 km，水平和垂直格距分別取1 km和0.5 km。時間積分采用時步分離技術，大時步取10 s，小時步取2 s。采用模擬域隨風暴質心移動的技術以確保模擬風暴始終處于模擬域內。模式初始對流采用濕熱泡擾動方式激發，擾動中心位于模擬域中央2 km高度上，擾動范圍水平16 km，厚度4 km，中心最大位溫偏差1 K。所有數值試驗的積分時間均為6000 s。圖2給出了模擬風暴在35和92 min時沿x–z剖面（西—東方向）的雷達回波強度分布，與實測的雷達回波（圖3）比較可以看到，除了回波高度略有偏低以外，模擬風暴在成熟和減弱階段的回波結構和強度與實際風暴基本一致，說明模式對本例對流風暴的模擬是比較成功的，模擬結果較可信。

圖2　模擬的雷達回波（dBZ）在x–z（西—東方向）剖面的分布：(a) 30 min；(b) 90 minFig. 2　Modeled radar reflectivity in x–z vertical cross sections at (a) 30 and (b) 90 min

圖3　合肥雷達實測的回波圖：(a) 07:28；(b) 09:30Fig. 3　Radar reflectivity from CINRAD/SA radar located at Hefei, at (a) 0728 BT and (b) 0930 BT

3 模擬風暴的結構和演變

上升氣流速度是表征對流發展強度的一個重要參量。圖4給出了模擬的云中最大上升氣流速度隨時間的變化。在初始擾動的作用下對流迅速發展，10 min后云中上升氣流速度就超過了15 m s–1，并在18 min達到最大值36 m s–1，此后對流快速減弱。25～40 min期間，最大上升氣流速度維持在17 m s–1左右。40 min之后對流繼續減弱，到50 min時最大上升氣流速度降低到只有10 m s–1。之后上升氣流速度又逐漸增大，這預示著對流再次發展。然而，與前一階段相比，該階段對流強度相對較弱，最大上升氣流速度只有20 m s–1，出現在78 min。此后對流逐漸減弱，至模擬結束時，最大上升氣流速度降低到7 m s–1左右。為進一步說明模擬對流發展演變情況，圖5給出了速度值超過10 m s–1的上升氣流區體積隨時間和高度的變化。由圖可以清晰地看出模擬對流先后經歷了兩次發展演變的過程，其中第一階段（10～40 min）的對流發展較為強盛，不但上升氣流速度大，而且上升氣流區的水平和垂直范圍也很大；第二階段（60～90 min）對流發展相對較弱，上升氣流區范圍較小、垂直高度也較低。在過渡時期（40～60 min），由于處在前一階段對流減弱和后一階段對流發展前期，因而上升氣流區范圍很小。

圖4　最大上升氣流速度值的時間演變Fig. 4　Temporal evolution of the maximum updraft velocity in the simulated storm (data are from instantaneous model output every 1 min)

圖5　速度值超過10 m s–1的上升氣流區體積（單位：km3）隨時間和高度的變化Fig. 5　Time–height distribution of the simulated volume (units: km3) with updrafts more than 10 m s?1in the model domain

考察云系不同發展階段云中水成物的分布。圖6和圖7分別給出了x–z垂直剖面（y=18 km）與x–y水平剖面（z=1.5 km）上20～90 min期間每隔10 min的冰晶（黑色）、雪（橙黃色）、霰（藍色）、冰雹（紅色）和雨水（綠色）的比含量及風場分布，可以看出模擬風暴從對流單體向多單體云群的演變過程。在云發展的初期，云中以上升運動為主，霰、冰雹和雨水主要分布在0°C層以上。隨著時間推移，霰和冰雹這些大冰粒子下落到暖區融化形成雨水，部分降落至地面形成固態降水，這些降水性水成物的下落增強了低層的下沉氣流，并在環境風切變的作用下，激發和促進了主對流風暴兩側新單體的形成和發展（圖6d和圖7d），模擬風暴也從最初的單泡對流發展演變成為多單體對流（特別是70 min以后，圖6f～h，圖7f～h），其低層以下沉運動為主，中上層則以上升運動為主。在模擬后期，云中已不存在有組織的上升和下沉運動，水成物的含量也很小。由圖我們還可以看到，自始至終，冰晶和雪都分布在高層8～11 km的區間上。通過對云中各種水成物的質量百分比計算表明，平均而言，云水在風暴總質量中所占的比例為22.7%，雨水23.2%，冰晶7.1%，雪10.0%，霰29.0%，冰雹7.9%。可以看出，冰相與液相所占比例約為1:1，這和其他亞熱帶地區的暖底雷暴是類似的（Lin et al., 2005）。與冷底對流風暴相比（其冰相與液相質量比約為7:3，Lin et al., 2005; Chen and Xiao, 2010），本例風暴中液相所占比例明顯要高很多，而冰相的比例相對要低一些。

對流風暴產生的降水以雨為主，占地面總降水量的78%，其次是冰雹占20%，霰的比例很小只有2%左右，地面無降雪。第一階段和第二階段（以60 min為分隔點）所產生的降雨（雹）量對整個地面總降雨（雹）量的貢獻分別為47%（70%）和53% （30%）。為了解雨和冰雹形成的微物理機制，圖8給出了雨和冰雹主要源項微物理過程的質量轉化率，各項給出的均為不同時刻的云體空間積分量。總體來看，雨水質量最主要的貢獻項是雨滴碰并云滴增長，平均貢獻率達到81.7%，其次是霰的融化貢獻了10.7%，冰雹融化和云雨自動轉化對雨水的貢獻相對較小，為2.8%和3.7%，其他過程例如霰和冰雹碰撞水滴甩脫以及雪花融化對雨水的貢獻微乎其微。通過計算微物理過程對雨滴濃度的貢獻，結果表明云雨自動轉化是本例雨滴最主要的產生機制，平均貢獻達到67%，霰的融化和霰碰撞水滴脫落過程分別貢獻18%和9%，雹的融化貢獻率還不到4%。然而，云雨自動轉化所產生的雨滴只占雨滴總質量的19%，霰和雹融化所產生的雨滴雖然數量相對較少，但對雨滴總質量的貢獻卻達到57%和16%。這說明，盡管大部分雨滴來自云雨自動轉化過程，但該過程產生的都是小雨滴；霰和雹融化的雨滴雖然相對較少，但產生的都是大雨滴。

圖6　冰晶（黑色）、雪（橙黃色）、霰（藍色）、冰雹（紅色）和雨水（綠色）比含量（單位：g m–3）在x–z剖面的分布。粗黑虛線代表云的邊界（總水成物含量為0.1 g m–3），箭頭表示u–w風場Fig. 6　The x–z cross sections of the hydrometeor mass content (units: g m?3) (time interval is 10 min, starting at 20 min; black, orange, blue, red, and green lines represent the mass content contours of cloud ice, snow, graupel, hail, and rain water, respectively; the heavy black dashed line with a value of 0.1 g m?3indicates the cloud boundary, which is calculated from the sum of the mass content for all hydrometeors), and winds (arrows).

冰雹由霰轉化而來，這一過程對冰雹總質量的貢獻也最大，達到67.3%。本例風暴霰粒子主要由冰雪晶自動轉化而成，雨滴凍結對霰濃度的貢獻只有27%，但在20 min前霰粒子幾乎全部由雨滴凍結產生，20 min之后主要由雪晶自動轉化而成。盡管由雨滴凍結產生的霰粒子數量相對較少，但對霰粒子總質量的貢獻卻達到41%，說明產生的是相對較大的霰粒子，故而分布在較低的高度上（5～10 km），冰雪晶轉化的霰粒子數量多，但粒子小，并且主要分布在較高的層次上（8 km以上）。冰雹在形成后主要依靠碰凍云水和雨水增長，兩者的貢獻率分別為28.6%和2.7%，相比之下，其他過程對冰雹的貢獻很小。注意到，所有雨和冰雹的源項微物理過程在50 min前后都經歷了減弱和再次增強，表現出和對流強度（圖4）一致的變化趨勢。

圖6　（續）Fig. 6　(Continued)

4 催化數值試驗

冷底對流云的數值模擬（Chen and Xiao, 2010）表明，碘化銀催化影響了云的微物理和動力過程，進而改變了云的發展演變和地面降水的量及其分布；催化引起的一個顯著效應是前期增加的降水增強了下沉氣流，因而促進了二次對流的發展。對暖底對流云實施碘化銀催化是否也能產生類似的動力效應，本節對此問題加以探討。

4.1方案及結果

本文以“三七”聚能炮彈（石安英等，1982）為例，試驗碘化銀對前例對流云的影響。該型彈的成核率如下（周玲等，2001）：

其中，Na(ΔT)代表溫度T條件下每克碘化銀生成的冰核數目，單位是g?1，ΔT =(T0－T)且T0=0°C。考慮三種碘化銀粒子的成核機制（Hsie et al., 1980），即由于布朗運動和慣性碰撞而發生在人工冰核與云、雨滴之間的接觸凍結核化，以及水汽在人工冰核上的凝華核化（包括凝結—凍結核化）。在碘化銀的成核作用下，云中水成物的濃度發生變化，相應的過程是：云滴凍結成冰晶、雨滴凍結成霰、水汽在人工冰核上凝華成冰晶，具體參數化描述參見文獻（洪延超，1998）。

圖7　云水（黑色）、雨水（綠色）、霰（藍色）和冰雹（紅色）比含量（單位：g m–3）在1.5 km高度的水平分布。矢量表示u–v風場Fig. 7　The horizontal distributions of the hydrometeor mass content (units: g m?3) and winds (arrows) at 1.5 km height (time interval is 10 min, starting at 20 min; and black, green, blue, and red lines represent the mass content contours of cloud water, rain, graupel, and hail, respectively).

模式中碘化銀比含量的源項用一矩形空間內均勻分布的碘化銀粒子初始濃度來表示，并假定催化劑是以點源方式瞬間釋放到云中。催化的水平范圍是3×3 km2、厚度0.5 km。催化時間定在第11 min，此時云頂高度6.5 km，溫度接近－14℃，冰晶剛剛產生，云內最大上升氣流速度達到18 m s–1，位于4 km高度上。考慮到催化劑在云中的擴散會受氣流的影響，為了使催化劑能有效進入云體，我們選擇主上升氣流區4 km高度進行催化，同時也進行不同催化劑量的模擬試驗，其中，最小催化劑量為碘化銀90 g，最大催化劑量2700 g。圖9顯示了地面總降雨量和降雹量的變化。可見，所有催化試驗都導致地面總降雨量增加、降雹量減少，增雨率為14%～62%，減雹率25%～35%。由圖還可以看出，增雨率隨著播撒量的增加而增大，而減雹率則呈現出先增大后減小的趨勢。

圖7　（續）Fig. 7　(Continued)

圖8　（a）雨水和（b）冰雹的源項微物理過程產生率隨時間變化。各項符號意義如下：Acr，云雨自動轉化過程；CLcr，雨水碰并收集云水；MLhr，冰雹融化成雨；MLgr，霰融化成雨；CLchr，冰雹碰撞收集水滴時甩脫的雨水；CLcgr，霰碰撞收集水滴時甩脫的雨水；CNgh，霰自動轉化為冰雹；CLch，冰雹碰凍云水；CLrh，冰雹碰凍雨水；CLih，冰雹碰撞收集冰晶；CLsh，冰雹碰撞收集雪Fig. 8 Microphysical sources of (a) rain and (b) hail for the simulated storm (Acr, autoconversion of cloud water to rain; CLcr, accretion of cloud water by rain; MLhr, melting of hail to rain water; MLgr, melting of graupel to rain water; CLchr, rain water shed from hail; CLcgr, rain water shed from graupel; CNgh, autoconversion of graupel to hail; CLch, accretion of cloud water by hail; CLrh, accretion of rain by hail; CLih, accretion of cloud ice by hail; CLsh, accretion of snow by hail)

圖9　不同碘化銀劑量情景下地面總降雨量和降雹量的相對變化Fig. 9　Changes in accumulated rainfall and hailfall as a function of the total AgI amount injected into the domain, relative to the unseeded case (a positive value means an excess for the seeded case)

4.2催化機理分析

盡管所有催化試驗都獲得了增雨和減雹的效果，但為了能夠更加清楚地認識催化效應，本節選取增雨率最大的試驗（碘化銀播撒量2700 g，增雨率62%，減雹率32%），分析催化對云微物理和動力過程的影響機制。

4.2.1風暴結構

圖10給出了20～90 min期間催化云的水成物含量及流場在x–z剖面的分布。和圖6對比可以看出，60 min以前云中流場結構并沒有發生明顯的變化。但60 min之后，催化云和自然云的流場結構出現明顯差異，主要表現在催化云的前部是組織性的傾斜上升氣流，后部是下沉氣流，這種上升—下沉運動共存的機制使得云系能夠維持更長的時間，發展得也更高。從90 min圖上可見，自然云的頂高為10 km（圖6h），而催化云則達到11.5 km（圖10h）。自然云在后期云中主要以下沉運動為主，因而使風暴很快減弱。從水成物的含量和分布來看，催化云中霰和雨的含量及分布范圍都要比自然云大，雹的含量在催化后的很長時間內都是減小的，但在90 min以后有所增加。進一步檢查雨的垂直分布，發現在40 min以后，自然云的雨水基本都位于融化層以下，而催化云則向上擴展到融化層之上，并且主要集中在前部的上升氣流區，這在70 min時（圖6f，圖10f）尤為明顯，說明云中存在很強的云雨轉換和碰并機制。

圖11給出了催化云的水成物含量和風場在x–z剖面（z=1.5 km）的分布。和自然云（圖7）比較可見，催化初期低層的霰和雨的含量有所降低（這是因為催化增加的霰粒子和云中自然的霰粒子產生了競爭機制，因而限制了霰粒子的增長，導致下落到低層的霰量減少），其余時間兩者的量都是增加的，范圍也擴大。低層冰雹的含量在催化后很長時間內都是減少的，但在后期有所增加，特別是在風暴前部區域。云水的含量和分布范圍也在催化后增大，并且主要發生在50 min以后。低層水平流場的顯著變化也發生在60 min之后，不但風暴后部的輻合區擴大，其前部氣旋性結構也更加明顯，風場強度也變大。

圖10　催化云水成物在x?z剖面的分布（說明同圖6）Fig. 10　As in Fig. 6, but for the seeded case

催化改變了云中水成物的構成。平均而言，催化云中各種水成物的質量百分比分別為：云水25.8%、雨水22.3%、冰晶6.2%、雪6.7%、霰34.2%和冰雹4.5%。催化云中冰相與液相之比仍接近1:1，這與自然云類似，但霰和云水的比例要比自然云高，而冰雹有所降低。催化也增加了云中水凝物的總質量，與自然云相比，催化云的總水成物質量平均增加了70%，降水性水成物（雨、雪、霰和冰雹）的質量增加了62%，并且40 min前以霰增加為主，40～70 min期間以雨增加為主，70 min之后霰和雨都顯著增加。

圖10　（續）Fig. 10　(Continued)

4.2.2動力響應

水凝物質量的變化直接影響到下沉氣流。圖12給出了下沉氣流質量通量在催化后的變化，其中ρa是空氣密度，w–是下沉氣流速度，A是面積。40 min前，下沉氣流通量沒有發生明顯的變化，40～70 min期間下沉氣流通量明顯增加，尤其在低層，70 min后低層通量仍是增加的，但中層的有所減少。從模擬域最大值隨時間變化（圖13）也可以看出，下沉氣流速度在40～70 min期間增大較明顯，對應的上升氣流速度有所減小。70 min之后，最大上升氣流速度在催化后明顯增大，這是前期增加的下沉氣流質量通量增強了低層輻合，因而促進了二次對流的發展。注意到，從催化結束到對流明顯二次增長，期間經歷了相當長（約為60 min）的時間，這是因為降水性水成物的形成和增長需要足夠的時間來完成，其對下沉氣流和上升氣流的影響是個慢過程，自然不如催化劑的直接作用（水汽凝華、水滴凍結）引起的潛熱釋放對上升運動的促進來得快，但其作用時間更長、效應更顯著。

催化對上升氣流的影響也改變了入云的水汽通量。圖14給出了催化云和自然云垂直向上的水汽通量的差，由計算所得，其中ρa是空氣密度，w+是上升氣流速度，qv是水汽質量混合比，A是面積。40 min以前，由于上升氣流輕度減弱，使得進入云體的水汽通量略有減少，而在40 min以后，中低層的水汽通量明顯增加，特別是80 min后。這些增加的水汽在上升氣流區凝結，導致催化云擁有更多的云水含量，因而促進了云雨自動轉化及雨水碰并云水增長過程。

4.2.3微物理過程

圖15給出了催化后冰雹和雨水主要的源項微物理過程產生率隨時間的變化，與圖中過程相比變化很小的項沒有給出。由圖可見，15～75 min期間，冰雹的形成（CNgh）和增長過程（CLch、CLrh）在催化后都有所減弱（圖15a），尤其霰向雹的轉化過程。這是由于霰粒子的數量在催化后大量增加，對過冷水產生了競爭機制，碰凍增長受到限制因而轉化成冰雹的量減少；正是由于冰雹的形成過程受到了抑制，從而也削弱了其碰凍收集過冷云水和雨水的進一步增長。換句話說，正是競爭機制導致了這一時段的冰雹在催化后減少。現有模擬研究（洪延超，1999; 周玲等，2001；李興宇和洪延超，2005;陳寶君和肖輝，2007）早就指出，對強對流云過量播撒碘化銀會使霰粒子大量增加，產生競爭機制而使冰雹增長受到抑制，本文進一步證實了這一點。75 min之后，霰轉化成冰雹以及冰雹碰凍過冷水的增長都有所增強，這是對流強度和液態水含量增加從而促進了碰并增長過程。

圖11　催化云的云水、雨水、霰和冰雹比含量在1.5 km高度的水平分布（說明同圖7）Fig. 11　As in Fig. 7 but for the seeded case

再來看雨水產生率的變化。由圖15b可見，催化主要影響到三個源項微物理過程：雨水碰并收集云水（CLcr）、云雨自動轉化（Acr）以及霰融化成雨（MLgr）。15～30 min期間，CLcr在催化后明顯減弱，這是因為碘化銀及催化增加的冰雪晶和過冷雨滴碰撞，在增加霰粒子的同時也減少了過冷雨滴的量，因而抑制了雨滴對云滴的碰并收集增長。伴隨CLcr的減弱，過冷云水的含量增大，使得過冷區云雨自動轉化得到增強。相比之下，暖區內的云雨自動轉化和碰并增長受催化的影響較小。30 min以后，來自霰融化的雨滴數增加，從而顯著增強了暖區的CLcr過程。60 min以后，伴隨著對流的二次發展和增強，暖區和過冷區的Acr都增強，同時來自霰融化的雨滴也增加，從而使得CLcr量繼續增加。總體來看，催化對雨水源項微物理過程的影響，前期主要在過冷區，中期在暖區，而后期暖區和過冷區都受到了影響。可以說，催化增強的暖雨碰并過程是導致本例雨水增加的最重要機制。

4.2.4地面降水

圖16給出了催化云和自然云的地面降雨量和降雹量隨時間的變化。25 min之前（即催化開始的15 min內），催化云和自然云的地面降水并沒有明顯的差別；25 min之后，地面降雨和降雹均出現較大變化。總體來說，40 min之前地面降雨量因催化而有所減少，之后降雨量有所增加。注意到降雨量增加發生在兩個時段，第一個時段在40～60 min，第二個時段在60 min之后。地面降雹量在很長一段時間里（約60 min）都是減少的，但在后期則開始增加，只不過與前期減少的量相比后期增加的量較小，因而導致最終的降雹量在催化后減少。

地面降水分布型態也在催化后發生改變。圖17和圖18分別給出了自然云和催化云累積降雨量和降雹量在地面的分布情況。盡管地面降雨都呈現出相似的分布型態，但催化云的雨區范圍明顯要比自然云大，尤其是10 mm h?1以上的雨區（圖17a和圖18a）。注意到主降雨區南北兩側的雨區范圍和強度在催化后都有所增大。催化對地面降雹分布的影響也很明顯。由圖17b和圖18b可見，雖然主降雹區的冰雹在催化后顯著減少，但其南側的降雹卻有所增加，而在其北側又新出現了一個降雹區。這些結果表明，催化不僅影響了地面降水量的大小，也改變了降水的空間分布。

圖12 下沉氣流質量通量（單位：106kg s?1）在催化后的變化。負值表示增加，正值表示減少Fig. 12　Time–height section of the difference in area-integrated downdraft mass flux (units: 106kg s?1) between the seeded and unseeded cases (a negative value means an enhancement for the seeded case)

圖13　最大上升氣流和下沉氣流速度隨時間變化。實線和虛線分別表示自然云和催化云Fig. 13　Temporal evolution of updraft and downdraft velocity maxima over the model domain in the seeded (dashed line) and unseeded (solid line) cases

圖14　云中垂直向上的水汽通量（單位：106kg s?1）在催化后的變化和分布Fig. 14　Time–height section of the difference in area-integrated vertical water vapor flux (units: 106kg s?1) between the seeded and unseeded cases

5 結論

本文利用三維對流云模式，以實測探空作為初始場，對江淮地區夏季一例對流云進行了數值模擬，目的是調查暖底對流云的宏微觀結構特征和降水形成的微物理過程，并探討碘化銀催化可能引發的微物理和動力效應。模擬對流風暴的結構和強度與實測雷達回波基本一致，說明模擬結果是可信的。主要結論有：

圖15　催化引起的（a）冰雹和（b）雨水源項微物理過程質量產生率的變化，圖中各項符號意義同圖8。正值表示催化使得該過程增強，負值則表示催化后該過程被減弱Fig. 15　The differences in mass production terms for (a) hail and (b) rain as a function of time between the seeded and unseeded cases (a positive value means an excess for the seeded case; legends as in Fig. 8)

（1）模擬的對流風暴先后經歷了兩次發展演變的過程。第一階段的對流以單體為主，發展較為強盛，是由模式初始擾動激發的；第二階段的對流相對較弱，呈現出多單體形式，是由下沉氣流和低層環境風切變相互作用產生的。模擬風暴產生的降水以雨為主，占地面總降水量的78%，其次是冰雹占20%，霰的比例很小只有2%，無其他類型降水。第一階段和第二階段產生的降雨（雹）量對整個地面總降雨（雹）量的貢獻分別為47%（70%）和53% （30%）。

圖16　自然云（灰線）和催化云（黑線）地面降雨量（實線）和降雹量（點線）隨時間變化Fig. 16　Rainfall (solid line) and hailfall (dotted line) on the ground as a function of time for the unseeded (gray) and seeded (black) runs

（2）風暴中冰相與液相的質量百分比接近1:1，說明冰相在暖底對流云的發展演變中有著重要作用。在所有冰相物質中，霰的比例最高，占冰相總質量的56%，其融化是大雨滴的一個重要來源，產生的雨滴占雨滴總數量和總質量的18%和57%。云雨自動轉化對雨滴總數量和總質量的貢獻分別為67%和19%。冰雹由霰轉化而成，主要通過碰凍云水而增長。霰主要通過冰雪晶自動轉化產生，雨滴凍結產生的霰粒子占霰總數量和總質量的27%和41%。

（3）對流發展初期在主上升氣流區進行的催化試驗表明，對本例對流云播撒碘化銀能夠同時獲得增雨和減雹的正效果，增雨率和減雹率分別達到14%～62%和25%～35%，并且，增雨率隨著播撒量的增加而增大，而減雹率則是先增大后減小。

（4）催化產生了明顯的微物理和動力效應，并使地面降水的分布發生變化。催化增加的霰粒子通過競爭機制抑制了前期冰雹的形成，但增強了向雨滴的轉化（通過融化機制），從而導致第一階段的冰雹減少和雨增加，并使下沉氣流增強；在低層環境風切變的作用下，增強的下沉氣流促進了二次對流的發展，使入云的水汽通量繼而云水含量增加，后期的云雨自動轉化及碰并增長因此增強，從而導致第二階段的雨和冰雹增加。

圖17　自然云地面累積降水量（單位：mm h?1）的分布：(a) 雨；(b) 冰雹Fig. 17　Spatial distribution of (a) rainfall and (b) hailfall (units: mm h?1) accumulated on the ground for the unseeded case, with contour interval of 5 mm h?1starting at 5 mm h?1

圖18催化云地面累積降水量（單位：mm h?1）的分布：(a) 雨；(b) 冰雹

Fig. 18As in Fig. 17, but for the seeded case

本研究證實了碘化銀催化暖底對流云能夠產生動力效應，同時驗證了霰粒子在動力催化中的重要性（Rosenfeld and Woodley, 1993）。值得注意的是，動力效應的實現是和低層環境風切相聯系的，并且云的生命史要較長，這點和冷底對流云類似（Chen and Xiao, 2010）。對于那些無風切或者弱風切環境下發展起來的對流云，或者生命期較短的對流云，動力效應有可能不存在或者不明顯。這有待進一步研究證實。

（References）

Bruintjes R T. 1999. A review of cloud seeding experiments to enhance precipitation and some new prospects [J]. Bull. Amer. Meteor. Soc., 80 (5): 805–820.

陳寶君, 肖輝. 2007. 過冷雨水低含量條件下冰雹形成和增長機制及其催化效果的數值模擬 [J]. 大氣科學, 31 (2): 273–290.Chen Baojun, Xiao Hui. 2007. Numerical simulation of hail formation and growth in a storm with low supercooled rain water content and the effect of AgI seeding on hail suppression [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 31 (2): 273–290, .

Chen B J, Xiao H. 2010. Silver iodide seeding impact on the microphysics and dynamics of convective clouds in the high plains [J]. Atmos. Res., 96 (2–3): 186–207.

?uri? M, Janc D, Vu?kovi? V. 2007. Cloud seeding impact on precipitation as revealed by cloud-resolving mesoscale model [J]. Meteor. Atmos. Phys., 95 (3–4): 179–193.

?uri? M, Janc D, Vu?kovi? V. 2008. Precipitation change from a cumulonimbus cloud downwind of a seeded target area [J]. J. Geophys. Res., 113 (D11): D11215, doi:10.1029/2007JD009483.

方春剛, 郭學良, 王盤興. 2009. 碘化銀播撒對云和降水影響的中尺度數值模擬研究 [J]. 大氣科學, 33 (3): 621–633.Fang Chungang, Guo Xueliang, Wang Panxing. 2009. The physical and precipitation response to AgI seeding from a mesoscale WRF-based seeding model [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 33 (3): 621–633.

郭學良, 付丹紅, 胡朝霞. 2013. 云降水物理與人工影響天氣研究進展(2008～2012年) [J]. 大氣科學, 37 (2): 351–363.Guo Xueliang, Fu Danhong, Hu Zhaoxia. 2013. Progress in cloud physics, precipitation, and weather modification during 2008–2012 [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 37 (2): 351–363.

何觀芳, 胡志晉. 1998. 不同云底溫度雹云成雹機制及其引晶催化的數值研究 [J]. 氣象學報, 56 (1): 31–45.He Guanfang, Hu Zhijin. 1998. Numerical study on ice seeding in hailstorms with various cloud base temperatures [J]. Acta Meteorologica Sinica (in Chinese), 56 (1): 31–45.

何觀芳, 胡志晉, 李淑日. 2001. 鄂西北對流云及其人工催化的三維數值模擬個例研究 [J]. 應用氣象學報, 12 (增刊): 96–106.He Guanfang, Hu Zhijin, Li Shuri. 2001. Numerical simulation of rain enhancement experiment in northwestern Hubei Province of China [J]. Quart. J. Appl. Meteor. (in Chinese), 12 (S1): 96–106.

洪延超. 1998. 三維冰雹云催化數值模式 [J]. 氣象學報, 56 (6): 641–653. Hong Yanchao. 1998. A 3-D hail cloud numerical seeding model [J]. Acta Meteorologica Sinica (in Chinese), 56 (6): 641–653.

洪延超. 1999. 冰雹形成機制和催化防雹機制研究 [J]. 氣象學報, 57 (1): 30–44.Hong Yanchao. 1999. Study on mechanism of hail formation and hail suppression with seeding [J]. Acta Meteorologica Sinica (in Chinese), 57(1): 30–44.

Hsie E -Y, Farley R D, Orville H D. 1980. Numerical simulation of ice-phase convective cloud seeding [J]. J. Appl. Meteor., 19 (8): 950–977.

孔凡鈾, 黃美元, 徐華英. 1990. 對流云中冰相過程的三維數值模擬 I:模式建立及冷云參數化 [J]. 大氣科學, 14 (4): 441–453.Kong Fanyou, Huang Meiyuan, Xu Huaying. 1990. Three-dimensional numerical simulation of ice phase microphysics in cumulus clouds, Part I: Model establishment and ice phase parameterization [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 14 (4): 441–453.

雷恒池, 洪延超, 趙震, 等. 2008. 近年來云降水物理和人工影響天氣研究進展 [J]. 大氣科學, 32 (4): 967–974.Lei Hengchi, Hong Yanchao, Zhao Zhen, et al. 2008. Advances in cloud and precipitation physics and weather modification in recent years [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 32 (4): 967–974.

李興宇, 洪延超. 2005. 三維冰雹云數值催化模式改進與個例模擬研究[J]. 氣象學報, 63 (6): 874–888.Li Xingyu, Hong Yanchao. 2005. The improvement of 3D hail cloud model and case simulation [J]. Acta Meteorologica Sinica (in Chinese), 63 (6): 874–888.

Lin H-M, Wang P K, Schlesinger R E. 2005. Three-dimensional nonhydrostatic simulations of summer thunderstorms in the humid subtropics versus High Plains [J]. Atmos. Res., 78 (1–2): 103–145.

National Research Council. 2003. Critical Issues in Weather Modification Research [M]. Washington, D. C: National Academy Press, 123pp.

Orville H D. 1996. A review of cloud modeling in weather modification [J]. Bull. Amer. Meteor. Soc., 77 (7): 1535–1555.

Rosenfeld D, Woodley W L. 1993. Effects of cloud seeding in West Texas: Additional results and new insights [J]. J. Appl. Meteor., 32 (12): 1848–1866.

石安英, 樊慧新, 叢瀾, 等. 1982. “三七” 炮彈聚能分散碘化銀成冰核效率的試驗研究 [J]. 大氣科學, 6 (3): 315–323.Shi Anying, Fan Huixin, Cong Lan, et al. 1982. A study on the ice nucleus generating efficiency by “37 model silver iodide shell” possessing aggregative energy [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 6 (3): 315–323.

Silverman B A. 2001. A critical assessment of glaciogenic seeding of convective clouds for rainfall enhancement [J]. Bull. Amer. Meteor. Soc., 82 (5): 903–924.

Simpson J, Simpson R H, Andrews D A, et al. 1965. Experimental cumulus dynamics [J]. Rev. Geophys., 3 (3): 387–431.

Simpson J, Brier G W, Simpson R H. 1967. Stormfury cumulus seeding experiment 1965: Statistical analysis and main results [J]. J. Atmos. Sci., 24 (5): 508–521.

Simpson J, Woodley W L. 1971. Seeding cumulus in Florida: New 1970 results [J]. Science, 172 (3979): 117–126.

Simpson J. 1980. Downdrafts as linkages in dynamic cumulus seeding effects [J]. J. Appl. Meteor., 19 (4): 477–487.

Woodley W L, Jordan J, Simpson J, et al. 1982. Rainfall results of the Florida area cumulus experiment, 1970–76 [J]. J. Appl. Meteor., 21 (2): 139–164.

肖輝, 楊慧玲, 洪延超, 等. 2012. 大氣冰核譜分布對對流風暴云人工催化影響的數值模擬研究 [J]. 氣候與環境研究, 17 (6): 833–847.Xiao Hui, Yang Huiling, Hong Yanchao, et al. 2012. Numerical simulation of the impacts of ice nucleus spectra on cloud seeding effects in convective storm clouds [J]. Climatic and Environmental Research (in Chinese), 17 (6): 833–847.

周玲, 陳寶君, 李子華, 等. 2001. 冰雹云中累積區與冰雹的形成的數值模擬研究 [J]. 大氣科學, 25 (4): 536–550.Zhou Ling, Chen Baojun, Li Zihua, et al. 2001. A numerical simulation of hailstorm accumulation zone and hail formation [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 25 (4): 536–550.

Modeling the Microphysical and Dynamical Effects of Silver Iodide Seeding of Warm-Based Convective Clouds

CHEN Baojun1, LI Aihua2, WU Linlin2, and SUN Yongtao3
1 School of Atmospheric Sciences, Nanjing University, Nanjing 210023
2 Weather Modification Office of Anhui Province, Hefei 230031
3 Shaanxi Zhongtian Rocket Technology Co., Ltd., Xi’an 710025

A three-dimensional convective cloud model was used to simulate the impact of silver iodide (AgI) seeding on a subtropical convective storm that occurred on 8 July 2004 in Anhui Province, eastern China. The primary goal was to further understand the microphysical mechanisms of precipitation formation in warm-based convective clouds, and to investigate the microphysical and dynamical effects of AgI seeding. The characteristic structure of the observed storm was reproduced well by the simulation. Autoconversion of cloud water to rain and melting of graupel were the major sources of raindrops, contributing 67% (19%) and 18% (57%) of total raindrop number (mass) concentration, respectively. AgI seeding carried out in the early stages of clouds in the main updraft regions resulted in substantial increases in rain and decreases in hail. The seeding increased graupel mass and thereby inhibited hail formation in the early stages, butenhanced rain formation and growth. The seeding also enhanced secondary convection and caused the cloud to process more water vapor and thereby cloud water, leading to increases in both the autoconversion of cloud water to rain water and accretional growth of cloud water by rain and hail and, ultimately, rain and hail enhancement in the later stages. Furthermore, seeding resulted in a redistribution of precipitation on the ground. These results indicate that AgI seeding could significantly influence the cloud microphysics, dynamics and, subsequently, the precipitation of warm-based convective clouds.

Warm-based convective clouds, Dynamic seeding, Static seeding, Rain enhancement, Yangtze–Huaihe River basin

Funded bySpecial Scientific Research Fund of Meteorological Public Welfare Profession of China (Grant GYHY201306040), National Natural Science Foundation of China (Grant 41175118), National Basic Research Program of China (973 Program, Grant 2013CB430105)

暖底對流云 動力催化 靜力催化 人工增雨 江淮地區

1006-9895(2016)02-0271-18

P481

A

10.3878/j.issn.1006-9895.1503.14271

2014-09-23；網絡預出版日期 2015-05-13

陳寶君，男，1972年出生，博士，教授，主要從事云降水物理和人工影響天氣研究。E-mail: bjchen@nju.edu.cn

公益性行業（氣象）科研專項GYHY201306040，國家自然科學基金項目41175118，國家重點基礎研究發展計劃（973計劃）項目2013CB430105