西南渦對流云中夾卷率的模擬研究

郭小浩,陸春松,趙天良,朱錦堯,李躍清,段靜鑫,羅仕

西南渦是四川盆地引發(fā)強降水的主要天氣系統(tǒng)(馬紅等,2010;何光碧等,2014;馬勛丹等,2018),也是導(dǎo)致中國夏季暴雨的重要中尺度系統(tǒng)(方從羲和李子良,2016)。多數(shù)西南渦形成后在源地逐漸消散,但是西南渦一旦東移發(fā)展則可能給地面帶來持續(xù)性強降水(盧敬華,1986;楊帥等,2006)。

鑒于λ的重要性,準確地計算λ是關(guān)鍵。Betts(1975)從理論上推導(dǎo)了λ與云內(nèi)外守恒物理量之間的聯(lián)系,得出了傳統(tǒng)的λ計算方法,該方法也被稱為示蹤物法。隨后,該方案得到學(xué)術(shù)界認可并被廣泛應(yīng)用(Neggers et al.,2002;Siebesma et al.,2003;Luo et al.,2010)。后來Jensen and Genio(2006)根據(jù)不同高度處云內(nèi)外相當(dāng)位溫與λ的關(guān)系,采用迭代法估算λ。Lu et al.(2012a)開發(fā)出估算λ的新方法,其關(guān)鍵在于干空氣與絕熱云混合時絕熱云所占比例的計算。該方法的主要優(yōu)點在于液水含量是唯一的云內(nèi)輸入?yún)?shù)。Lu et al.(2012a)發(fā)現(xiàn)該新方法所得λ值介于傳統(tǒng)方法在使用液水位溫和總含水量時的所得值之間。

上述研究對提升λ的計算準確性具有重要的參考價值,但其所得λ仍存在一定誤差(Lu et al.,2012a),且所用云系往往生成于平原或海洋地區(qū)。為了促進復(fù)雜地形下對流云參數(shù)化方案的改進,本文使用中尺度數(shù)值模式WRF模擬了2010年7月8日至9日發(fā)生在四川盆地附近的一次西南渦降水天氣過程,計算了模擬區(qū)域內(nèi)零度層以下對流云中的λ,并分析了λ在云內(nèi)的垂直分布、λ對云的影響以及λ隨時間的變化。

圖1 2010年7月9日04時30分平均降水粒子含量(單位:g·m-3)的TRMM衛(wèi)星觀測和WRF模擬對比:(a)液態(tài)降水粒子;(b)固態(tài)降水粒子

1 模擬方案及效果檢驗

1.1 模擬方案設(shè)置

本文采用WRF的三層嵌套進行模擬,水平分辨率從外至內(nèi)分別為16 km、4 km和1 km,垂直方向分為65層,模式頂高為50 hPa。Zhang et al.(2016)在使用模式計算λ時使用1 km分辨率,發(fā)現(xiàn)1 km分辨率結(jié)果與100 m分辨的大渦模擬結(jié)果相似。本文只用三層嵌套中的1 km分辨率來計算λ。

模式的微物理方案選擇Lin方案,該方案是WRF中較詳細的微物理方案,很多學(xué)者在模擬對流云時都使用了Lin方案(李艷偉等,2009;呂玉環(huán)等,2012;郭小浩等,2015),且模擬效果較好。第一層和第二層嵌套的積云對流參數(shù)化方案選擇Kain-Fritsch方案,第三層嵌套不采用對流參數(shù)化方案,作為模式可分辨過程進行積分。另外模式選擇的長波和短波輻射方案分別為RRTM和Dudhia方案,近地層方案為revised MM5方案,陸面過程方案為Noah方案,行星邊界層方案為YSU方案,李琴等(2014)在使用WRF模擬西南渦降水時也使用了這些方案且模擬效果較好。模擬起止時間為2010年7月8日08時至9日14時(北京時,下同),該時間段內(nèi)的模擬區(qū)域中發(fā)生了一次西南渦強降水天氣過程。

1.2 模擬效果檢驗

本文對比了2010年7月9日04時30分的TRMM(Tropical Rainfall Measuring Mission)衛(wèi)星觀測到的平均降水粒子廓線和同時刻WRF模擬的d03區(qū)域內(nèi)平均降水粒子廓線(圖1)。從圖1a中可以看出,TRMM觀測和WRF模擬的液態(tài)可降水量都是在3.5～8 km范圍內(nèi)從最大值隨高度逐漸遞減并趨近于零。從固態(tài)可降水量的對比(圖1b)可以看出,TRMM觀測和WRF模擬的可降水量都是在6 km以下隨高度遞增而在6～18 km隨高度遞減,且在6 km附近的極大值也相當(dāng)(都接近0.35 g·m-3)。整體而言,WRF較好地模擬出了本次西南渦個例中降水粒子的垂直分布情況,模擬效果較理想。

2 夾卷率的計算

本文識別云的標準是云中的最大垂直風(fēng)速(w)至少達到1 m·s-1(Zhang et al.,2016),且云內(nèi)的平均浮力(B)必須超過0 m·s-2,以保證所識別到的云為發(fā)展中的對流云。被夾卷進入云內(nèi)的環(huán)境空氣的確切來源尚存爭議(Lu et al.,2012b),所以本文對夾卷空氣的特征(或來源)做兩種假設(shè):1)為云外大范圍環(huán)境中相同高度處比含水量qc<0.05 g·kg-1的格點中的平均特征(本文3.1至3.3節(jié));2)為緊鄰云邊界處的云外格點內(nèi)的特征(本文3.4節(jié))。即分別假設(shè)夾卷空氣遠離或緊鄰云邊界。本文使用已被廣泛應(yīng)用的bulk-plume方法(Gerber et al.,2008)來計算λ,該方法不受降水的限制。

圖2 2010年7月8日09時比含水量(單位:g·kg-1)分布:(a)600 hPa水平分布;(b)沿圖2a中黑線的隨氣壓高度的垂直分布(兩條紅色橫線分別代表0 ℃和-20 ℃等溫線)

3 結(jié)果分析

根據(jù)WRF第三層嵌套的模擬結(jié)果,發(fā)現(xiàn)在模擬的初始時刻模擬區(qū)域內(nèi)存在大量水平尺度較小的對流云,對流云之間可發(fā)生合并現(xiàn)象(蔡淼等,2011;候淑梅等,2018)。圖2a為2010年7月8日09時600 hPa高度處對流云的水平分布,從圖中可以看出這些對流云之間距離較近。圖2b為沿著圖2a中黑色直線截取的對流云垂直剖面,從圖中可見這些對流云呈柱狀發(fā)展。因為MSE(Moist Static Energy)只在暖云中守恒,所以本文只選擇云頂高度位于零度層以下的對流云(圖2b中用黑色橢圓標注)。只要采集到的樣本足夠多,λ在云中的分布特征以及λ對云的影響隨時間變化不大,所以下文的λ分析主要基于圖2a時刻的對流云群,并在第3.5節(jié)中討論λ值隨時間的變化。

3.1 云內(nèi)垂直特征

根據(jù)第2節(jié)中識別云的方法,將所識別到的云按照云頂高度進行分類并求平均,可以得到不同高度的云中物理量隨高度的分布。從圖3a中云內(nèi)qc的垂直分布可以看出,所有不同高度范圍內(nèi)的qc都是在云底以上隨高度逐漸遞增并在云頂附近隨高度迅速遞減,且對流云發(fā)展越高,則云內(nèi)的qc越大。云內(nèi)w的垂直分布趨勢與qc類似。

從圖3c中可以看出,總體上MSE在暖云內(nèi)是隨高度單調(diào)遞減的,這是因為云在發(fā)展上升的過程中一直受到環(huán)境空氣的夾卷混合影響,環(huán)境空氣被夾卷進入云內(nèi)會使得云內(nèi)原本守恒的MSE逐漸減小,且云頂高度越高,則云頂處的最小MSE也越小。另外從圖3c中也能看出,云頂高度越高,MSE隨高度增高的遞減率越小。因為傳統(tǒng)的bulk-plume方法假設(shè)夾卷空氣遠離云邊界(Gerber et al.,2008),所以圖3d中B的計算是基于云內(nèi)溫度和云外環(huán)境中大范圍平均溫度之間的溫差。從圖中可以看出,對于這些平均B>0 m·s-2的云,除了云底和云頂附近,云中部的主體部分都處于正浮力中,這與Raga et al.(1990)的觀測現(xiàn)象類似。另外,云頂高度越高,云內(nèi)的B越大,這說明云內(nèi)B較大的部位對應(yīng)著云內(nèi)發(fā)展較旺盛的區(qū)域。

圖3 云內(nèi)物理量隨高度的分布:(a)比含水量(單位:g·kg-1);(b)垂直風(fēng)速(單位:m·s-1);(c)濕靜力能(單位:105 J·kg-1);(d)浮力(單位:m·s-2)

3.2 夾卷率的垂直分布

與圖3d中的假設(shè)類似,圖4中在計算λ時假設(shè)夾卷空氣特征為云外大范圍環(huán)境平均特征(在第3.4節(jié)中會討論另一種假設(shè))。從圖4中λ的垂直分布可以看出,無論云頂高度發(fā)展到多高,λ在云內(nèi)的垂直分布特征總體相似:即λ在云底以上先隨高度遞減,但是接近云頂時λ又會隨高度遞增,這和Gerber et al.(2008)以及Lu et al.(2012a)的觀測現(xiàn)象類似。這說明夾卷在對流云的云底和云頂附近相對較強,尤其是對流云的底部,這也在一定程度上導(dǎo)致了云內(nèi)該部位發(fā)展相對較弱(圖3)。另外云頂高度越高,則λ在云內(nèi)的隨高度遞減的垂直區(qū)域越廣闊,而在云頂附近隨高度遞增的垂直區(qū)域越狹窄,遞減率越低,云內(nèi)的平均λ也越小(圖4)。這種λ在深對流云中小于淺對流云中的現(xiàn)象和de Rooy et al.(2013)的結(jié)果相似。

圖4 云中夾卷率(單位:km-1)隨高度的分布

圖5 夾卷率(單位:km-1)與云內(nèi)物理量之間的關(guān)系:(a)比含水量(單位:g·kg-1);(b)比雨水含量(單位:g·kg-1)

3.3 夾卷率對云降水的影響

圖5分析了圖2a中所有符合識別條件的二維云中λ和云中重要物理量qc以及比雨水含量(qr)之間的相關(guān)關(guān)系。從圖5a中λ和qc的關(guān)系可以看出,λ和qc呈顯著的負相關(guān)。這說明夾卷作用抑制了云水含量,這和Lu et al.(2013)以及Guo et al.(2015)的觀測現(xiàn)象類似,其原因是干空氣被卷入云內(nèi)促進了云滴的蒸發(fā),抑制了云滴的凝結(jié)增長,從而使得云滴的含水量降低。從圖5b中可以發(fā)現(xiàn)λ和qr之間也存在顯著的負相關(guān),說明夾卷也抑制了雨水含量,這是由于夾卷混合作用使大云滴的數(shù)濃度變少,從而不利于降水的發(fā)展。Lu et al.(2013)觀測到夾卷率對云滴譜的影響,發(fā)現(xiàn)夾卷率的增大會使云滴譜中大云滴減少而小云滴增多,云滴譜的整體向小云滴方向發(fā)展(參見Lu et al.(2013)中的圖3),正是因為夾卷率對云滴譜微物理特征的這種影響造成了夾卷率和云內(nèi)含水量之間的負相關(guān)關(guān)系。Wang et al.(2007)也通過模擬發(fā)現(xiàn)夾卷抑制了對流云的發(fā)展并使地面降水延遲。但是實際上夾卷對降水的抑制并不是絕對的,比如Burnet and Brenguier(2007)發(fā)現(xiàn)夾卷混合會使云滴譜增寬,而云滴譜的增寬會使得云內(nèi)共存著更多不同尺度的云滴,這在某種程度上反而有可能會促進云內(nèi)的碰并效應(yīng)從而有利于降水(Liu,2005)。所以夾卷混合對云降水的影響并不完全絕對。

3.4 不同夾卷空氣來源的異同

上述分析都是假設(shè)夾卷空氣特征來自云外的大范圍環(huán)境空氣的平均特征,但是近年來有學(xué)者認為夾卷空氣緊鄰著云邊界(Dawe and Austin,2011)。所以圖6中的λ是基于假設(shè)MSE為WRF模擬結(jié)果中云邊界外格點處的MSE值。從圖6中可以看出λ的垂直分布和圖4類似,只是λ值有所增大,這種現(xiàn)象和Romps(2010)的觀點相似。此外,上述這種計算所得λ隨著假設(shè)夾卷空氣距云邊界的距離縮短而增大的現(xiàn)象與Lu et al.(2012b)的觀測結(jié)果類似。其物理機制是:當(dāng)假設(shè)夾卷空氣來自云邊界時,因為這些空氣相對于遠離云邊界的環(huán)境空氣更濕,所以需要夾卷進更多的濕空氣才能使云內(nèi)達到被同等稀釋的程度,即λ更大。另外從圖7中還能看出,環(huán)境MSE基本也是隨高度遞減的,這和圖3c類似,主要區(qū)別在于環(huán)境MSE在4 km以上隨高度的遞減趨勢逐漸變得不明顯。

圖6 云中夾卷率(單位:km-1)隨高度的分布(假設(shè)夾卷空氣為緊鄰云邊界的環(huán)境空氣)

圖7 兩種不同假設(shè)中被夾卷進入云內(nèi)的環(huán)境MSE(單位:105 J·kg-1)垂直廓線(紅色曲線為假設(shè)夾卷空氣遠離云邊界,藍色曲線為假設(shè)夾卷空氣緊鄰云邊界)

另外,當(dāng)假設(shè)夾卷空氣為緊鄰云邊界的環(huán)境空氣時,λ依然和云內(nèi)的qc、qr之間成負相關(guān)關(guān)系(圖8)。所以無論假設(shè)夾卷空氣來自云邊界附近或云外大范圍環(huán)境平均,盡管λ值的大小有差別,但λ的垂直分布以及λ與云內(nèi)物理量之間的關(guān)系是相似的。本文第2節(jié)中提到,對于夾卷空氣的真正來源目前尚未有定論(Lu et al.,2012b),所以本文對兩種假設(shè)都進行了分析和討論,Zhang et al.(2016)在計算λ時也分別考慮了上述兩種假設(shè)。

圖8 夾卷率(單位:km-1)與云內(nèi)物理量之間的關(guān)系(假設(shè)夾卷空氣為緊鄰云邊界的環(huán)境空氣):(a)比含水量(單位:g·kg-1);(b)比雨水含量(單位:g·kg-1)

3.5 夾卷率隨時間的變化

以上分析只是基于某個固定時間點λ,但實際上云中的λ會隨時間發(fā)生變化。從圖9中可以看出,對于任何一個時次,假設(shè)夾卷空氣緊鄰云邊界時所得的λ明顯更大,這和第3.3節(jié)以及3.4節(jié)中的分析一致。從λ隨時間的變化看,從8日09—13時λ顯著減小;但從13—24時范圍內(nèi)λ呈波動發(fā)展,變化趨勢并不明顯;24時之后λ又繼續(xù)變小。所以就整體而言,λ在這段時間內(nèi)呈減小趨勢。

從物理機制來看,圖9中λ隨時間變小的現(xiàn)象可能和對流云的發(fā)展有關(guān),圖10為計算區(qū)域平均λ時對應(yīng)的所有云內(nèi)各層高度的平均值隨時間的變化特征。從圖10中可以看出總體而言夾卷高度隨時間逐漸增高,這說明隨著時間推移,對流云整體呈發(fā)展升高的趨勢,這可能是導(dǎo)致圖9中平均λ呈減小趨勢的原因,實際上這和第3.3節(jié)中提到的云內(nèi)平均λ和對流云發(fā)展高度的關(guān)系是類似的。當(dāng)然λ的變化還可能和很多其他因素有關(guān)(Dawe and Austin,2013)。

圖9 區(qū)域平均夾卷率(單位:km-1)隨時間的變化

圖10 區(qū)域平均夾卷高度(單位:km)隨時間的變化(紅色直線表示線性擬合)

4 結(jié)論

本文使用中尺度數(shù)值模式WRF模擬了2010年7月8日至9日發(fā)生在四川盆地的一次西南渦降水天氣過程并分析了對流云中的夾卷率特征,主要結(jié)果如下:

1)從TRMM衛(wèi)星觀測和WRF模擬得到的液態(tài)、固態(tài)可降水量的垂直分布對比看,模擬的降水粒子垂直分布特征和觀測結(jié)果大致吻合,模擬結(jié)果較好地再現(xiàn)了西南渦降水云系中降水粒子的垂直分布。

2)從模擬的云內(nèi)垂直特征看,云內(nèi)的比含水量、垂直風(fēng)速和浮力都在云底向上隨高度遞增而在云頂附近隨高度遞減。但濕靜力能在云內(nèi)主要隨高度遞減,且云頂高度越高則濕靜力能隨高度的遞減率越小。

3)當(dāng)假設(shè)夾卷空氣遠離云邊界時,夾卷率云底以上先隨高度遞減,但在云頂附近隨高度遞增。云頂高度越高,夾卷率在云內(nèi)的隨高度遞減的垂直區(qū)域越廣闊,在云頂附近隨高度遞增的垂直區(qū)域越狹窄,且夾卷率在云頂附近的遞減率越低,平均夾卷率值也越小。

4)另外,夾卷率和云內(nèi)的比云水含量、比雨水含量都呈負相關(guān)關(guān)系,這可能是因為夾卷率的增大促進了云滴的蒸發(fā),使云滴尺度減小從而使云內(nèi)的云水和雨水含量減少,總體而言夾卷抑制了對流云的發(fā)展和降水。

5)當(dāng)假設(shè)夾卷空氣來自云邊界附近時,模擬所得的夾卷率值大于假設(shè)夾卷空氣遠離云邊界時的所得值,但夾卷率的垂直分布特征以及夾卷率對云的影響與結(jié)論3)和4)類似。兩種假設(shè)都有其各自的優(yōu)缺點,在計算西南渦云中夾卷率時都應(yīng)該被考慮。從夾卷率的演變特征看夾卷率整體上隨時間變小,這和該時間段內(nèi)對流云整體發(fā)展增高有關(guān)。

上述研究結(jié)果為進一步探究適用于四川盆地地區(qū)的λ參數(shù)化方案提供理論依據(jù)。未來將以本文的工作為基礎(chǔ),繼續(xù)通過WRF模擬來探究λ與云內(nèi)的其他因子,如上升氣流、浮力等之間的關(guān)系,擬合出λ的參數(shù)化公式。λ參數(shù)化方案的提出有利于氣候模式中對流參數(shù)化方案的改進,從而對提升西南渦的模擬效果產(chǎn)生積極的促進作用。

致謝:NCAR提供了再分析資料的下載服務(wù)。