高原气象

高原气象 >

2025 , Vol. 44 >Issue 2: 292 - 301

DOI: https://doi.org/10.7522/j.issn.1000-0534.2024.00066

玉树地区夏季一次对流云降水过程的云微物理特征分析

  • 杨显玉 , 1 ,
  • 吕雅琼 , 2, 3 ,
  • 文军 1 ,
  • 王文雷 1 ,
  • 胡芩 1 ,
  • 孟宪红 4 ,
  • 陈绍婕 1, 5 ,
  • 郑佳锋 1 ,
  • 王梓奕 1
展开
  • 1. 成都信息工程大学大气科学学院，高原大气与环境四川省重点实验室，四川 成都 610225
  • 2. 中国科学院成都山地灾害与环境研究所，四川 成都 610041
  • 3. 高原与盆地暴雨旱涝灾害四川省重点实验室，四川 成都 610041
  • 4. 中国科学院西北生态环境资源研究院，甘肃 兰州 730000
  • 5. 重庆市垫江县气象局，重庆 408300
吕雅琼（1983 -）， 女， 甘肃漳县人， 研究员， 主要从事陆面过程与气候变化方面研究. E-mail：

杨显玉（1982 -）， 男， 内蒙古自治区赤峰人， 副教授， 主要从事陆面过程与气候变化方面研究. E-mail：

收稿日期: 2023-10-19

  修回日期: 2024-05-07

  网络出版日期: 2025-03-12

基金资助

国家自然科学基金项目(42375032)

中国科学院西部之光实验室交叉团队项目(202215)

中国科学院、 水利部成都山地灾害与环境研究所科研项目(IMHE-ZDRW-06)

成都信息工程大学大学生创新创业训练计划项目(202310621013)

收起

Cloud Microphysics of a Summer Precipitation Process at Yushu over the Tibetan Plateau

  • Xianyu Yang , 1 ,
  • Yaqiong LÜ , 2, 3 ,
  • Jun Wen 1 ,
  • Wenlei Wang 1 ,
  • Qin Hu 1 ,
  • Xianhong MENG 4 ,
  • Shaojie Chen 1, 5 ,
  • Jiafeng Zheng 1 ,
  • Ziyi Wang 1
Expand
  • 1. Plateau Atmosphere and Environment Key Laboratory of Sichuan Province，School of Atmospheric Sciences，Chengdu University of Information Technology，Chengdu 610225，Sichuan，China
  • 2. Institute of Mountain Hazards and Environment，Chinese academic science，Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province，Chengdu 610041，Sichuan，China
  • 3. Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province，Chengdu 610041，Sichuan，China
  • 4. Northwest Institute of Eco-Environment and Resources，Chinese Academy of Sciences，Lanzhou 730000，Gansu，China
  • 5. Chongqing Dianjiang County Meteorological Bureau，Chongqing 408300，China

Received date: 2023-10-19

  Revised date: 2024-05-07

  Online published: 2025-03-12

Copyright

© Editorial Department of Plateau Meteorology （CC BY-NC-ND）
Fold

摘要

本文旨在研究青藏高原（以下简称高原）玉树地区对流云的微物理结构和水凝物转化过程， 利用中尺度数值预报模式WRF结合2019年夏季在青海玉树地区的观测资料， 分析玉树地区夏季一次对流降水过程。结果表明： （1）WRF模拟所得24 h累计降水量与玉树站点观测降水量相近， 模拟降水回波的时空分布与Ka毫米波云雷达探测结果基本一致， 表明模拟结果可靠。（2）降水云中各相态粒子有明显的垂直分布结构， 固态水凝物的大值中心位置均较高， 其中云冰的大值中心所处位置最高位于200 hPa附近； 液态水凝物的大值中心在500 hPa； 水汽的大值中心高度最低位于500 hPa以下， 其极大值中心早于其他粒子出现。（3）云的微物理转化过程中， 云水对降水的贡献最大， 水汽通过凝华形成雪、 霰等水凝物， 冰相粒子通过聚集、 贝杰龙过程、 碰连、 碰并等过程相互转化形成霰和雪粒子， 最终随高度下降， 冰相粒子融化后与云水相互结合， 加速了云水向雨水的转化。

关键词： 玉树; 对流云; 数值模拟; 云微物理

本文引用格式

杨显玉 , 吕雅琼 , 文军 , 王文雷 , 胡芩 , 孟宪红 , 陈绍婕 , 郑佳锋 , 王梓奕 . 玉树地区夏季一次对流云降水过程的云微物理特征分析[J]. 高原气象, 2025 , 44(2) : 292 -301 . DOI: 10.7522/j.issn.1000-0534.2024.00066

Abstract

This study aims to investigate the microphysical structure and hydrometeor conversion processes of convective clouds in the Yushu region of the Tibetan Plateau （referred to as the Plateau）.Using the WRF mesoscale numerical forecast model combined with observational data from the Yushu region in Qinghai during the summer of 2019， we analyzed a summer convective precipitation event in the Yushu area.The results show： （1） The 24-hour cumulative precipitation simulated by WRF is similar to the observed precipitation at the Yushu station.The spatial and temporal distribution of simulated precipitation echoes is generally consistent with Ka-band millimeter-wave cloud radar detection results， indicating the reliability of the simulation results.（2） Particles of different phases in precipitation clouds show distinct vertical distribution structures.The maximum centers of solid hydrometeors are all at relatively high altitudes， with cloud ice's maximum center being the highest at around 200 hPa.The maximum center of liquid hydrometeors is at 500 hPa.Water vapor's maximum center is at the lowest height， below 500 hPa， and its maximum value appears earlier than other particles.（3） In cloud microphysical conversion processes， cloud water makes the largest contribution to precipitation.Water vapor forms snow， graupel， and other hydrometeors through deposition.Ice-phase particles transform into graupel and snow particles through processes such as aggregation， Bergeron process， collection， and collision-coalescence.As they descend， ice-phase particles melt and combine with cloud water， accelerating the conversion of cloud water to rainwater.

Key words： Yushu; Convective cloud; numerical simulation; cloud microphysics

1 引言

高原的特殊地形和独特的大气环流， 对高原以及周边地区气候等有极大影响（Maussion， 2011； 徐祥德等， 2014； 常祎和郭学良， 2016）。高原自然环境恶劣， 观测条件艰苦， 缺乏密集的气象观测网， 高原的探测数据获取极为困难。随着遥感技术发展、 自动气象站建立， 以及观测试验的展开， 如青藏高原“第三次大气科学试验”等， 为研究高原云-降水特征提供了宝贵的观测资料。如Fu et al（2006）、 刘黎平等（1999， 2015）通过卫星、 雷达遥感资料等研究发现高原对流云具有明显的日变化特征， 主要由午后局地热对流发展， 在傍晚达到最强， 降水过程会持续至次日早上。研究指出， 高原对流云由孤立、 零散的降水云团组成、 平均云顶高度为11.5 km， 产生的降水以短时阵型降水为主； 降水回波主要在6~10 km高度， 云顶最高可达海拔17 km， 近地面降水回波强度范围为17~25 dBZ， 最高可达50 dBZ（李典等， 2012； 常祎和郭学良， 2016； 徐祥德和陈联寿， 2006； 孙礼璐等， 2019； Uyeda et al， 2001）。
深入了解云-降水中的微物理过程有助于研究降水云的生消、 发展等。目前， 云-降水云中微物理过程主要通过雷达反演物理参数和数值模拟（唐洁等， 2018）。研究表明高原对流降水云主体平均高度在0 ℃层以上， 以冷云为主， 云雨粒子增长主要由冰相的增长过程造成（戴进等， 2011）。数值模拟研究表明， 霰对降水云形成贡献最大， 冰相粒子贡献最大， 冰粒子增长主要位于冰水混合层中（Gao et al， 2016， 2018； 洪延超和周非非， 2005； 阴蜀城， 2020）。
玉树地区海拔高、 地形复杂， 夏季对流降水预报难度大， 针对玉树地区对流云降水云微物理特征的研究相对较少， 因此结合2019年夏季青藏高原云-降水物理过程及大气水循环的观测和机理研究观测试验在玉树站的观测资料， 利用中尺度模式WRF， 针对青藏高原的玉树地区2019年夏季一次典型的降水过程进行模拟， 研究该降水过程的云微物理分布特征。

2 资料选取

本文利用WRF-V4.2， 初始场资料为水平分辨率1°×1°的NCEP/NCAR逐6 h的FNL再分析资料， 对2019年8月28日08:00（北京时， 下同）至31日08:00进行模拟， 研究29日08:00至30日08:00青藏高原玉树地区的降水过程， 前12 h是模式的spin-up时间。
本文模拟采用三层嵌套（区域如图1所示）， 玉树站（33.2°N， 96.6°E）为模拟区域中心点， 垂直方向为不等间距40层。时间步长为180 s， 模拟结果每60 min输出一次。模式嵌套区域的网格格点和相关参数设置如表1所示， 参数化方案设置如表2所示。
图1 三层嵌套模拟区域

Fig.1 Nested domains for WRF simulations

表1 模式嵌套区域设置

Table 1 Parameters for nested domains

模式区域 d01 d02 d03
X、 Y方向格点数 181×181 301×301 361×361
网格距/km 9 3 1
左下角网格点在母域的位置 1×1 44×44 79×79
表2 物理参数化设置

Table 2 Parameters for Parameterization scheme

参数 方案选取
投影方案 兰伯特
短波辐射 Dudhia（Dudhia et al， 1989）
长波辐射 RRTM（Stamnes et al， 1988）
积云参数化 Grell-Devenyi（只用于最外层）（Grell and EvEnyi， 2002）
边界参数化 Mell-Yamada-Janjic（Eta）TKE（Hong et al， 2006）
陆面过程 Noah Land Surface Model（Chen and Dudhia， 2001）
云微物理 Lin（Lin et al， 1983）
使用FY-2G的黑体亮温（TBB）资料和2019年7 -8月在玉树的观测资料作初始场分析， 结合CMORPH逐时降水数据、 玉树站的Ka波段毫米波云雷达（位于33.00°N， 96.58°E， 海拔3744 m）与模式结果进行对比分析。

3 天气背景

2019年8月29日08:00至30日08:00， 玉树站24 h累计降水量达4.5 mm。29日08:00， 玉树地区受南亚高压、 副高共同控制， 玉树地区上空无大尺度的天气过程（图2， 该图及文中涉及的图均是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2023）2763号的中国地图制作， 底图无修改）。由此表明， 29 -30日玉树地区的降水过程为局地热对流演变的对流性降水过程。
图2 2019年8月29日08:00（a）和30日08:00（b） 500 hPa环流形势图

Fig.2 500 hPa weather circulation pattern at 08:00 29th （a）， and at 08:00 30th （b） August 2019

TBB低值区常伴随对流降水， 因此其分布可揭示对流云的活动和分布特征（江吉喜和范梅珠， 2002； 刘新伟等， 2020）。为分析玉树上空对流云的变化情况， 给出FY-2G在玉树上空的TBB图（图3）， 29日12:00开始有零散对流云出现， 随后云系迅速发展， 大量对流云并和； 29日18:00 -21:00， 对流云系发展旺盛， 此时玉树地区对流云云顶发展得较高， TBB值低于210 K； 30日00:00， 对流云依然旺盛， 玉树上空的TBB低值中心东移减弱； 至03:00， 其TBB大值中心已大于255 K， 对流云已经消散。
图3 2019年8月29 -30日FY-2G的TBB演变特征（单位： K）

“+”： 玉树站位置， （a）29日12:00， （b） 29日15:00， （c） 29日18:00， （d） 29日21:00， （e）30日00:00， （f）30日03:00

Fig.3 TBB evolution characteristics of FY-2G.Unit： K."+"： Yushu station location.（a） 12:00 on 29， （b）15:00 on 29， （c）18:00 on 29， （d） 21:00 on 29， （e） 00:00 on 30， （f） 03:00 on 30

图4为玉树站Ka波段云雷达回波， 29日16:53监测到强回波区经过玉树本站， 经过时间约30 min， 最大回波强度达25 dBZ； 图4（b）表明， 上升气流主要存在3 km以上， 径向速度高达8 m·s-1。在16:53 -19:06在1~3 km内存在径向速度正值区（上升气流）， 表明该对流区同时存在上升和下沉气流。本次降水云的0 ℃层离地面较近， 这一层的上升气流较弱， 说明此次降水为午后弱对流性降水。
图4 2019年8月29日Ka波段云雷达降水模式的回波特征

（a）反射率， （b）速度

Fig.4 Convective cloud echo characteristics observed by Ka-band cloud radar in precipitation mode on August 29， 2019.（a） reflectivity， （b） velocity

4 模拟结果对比

从2019年8月29日08:00至30日08:00， CMORPH降水资料［图5（a）］和WRFd03区域模拟的24 h累积降水［图5（b）］中可以看出， WRF模式在玉树站东北部模拟出现了一定的虚假降水， 但对玉树站及其北部区域的降水模拟相对较好， 模拟的玉树站的降水为5~7.5 mm， 和玉树气象站的24 h累计降水4.5 mm相近。图5（c）为模拟反射率因子的高度-时间分布图与图3（a）的强回波时空分布较为一致。表明此次模拟降水与实况接近， 模拟效果相对可靠。
图5 24 h累积降水（单位： mm）

（a）实况， （b）模拟， （c）d03区域（33.00°N， 96.58°E）反射率因子高度-时间分布图（单位dBZ）， “+”： 玉树站位置

Fig.5 Total 24 h accumulated rainfall observed at Yushu stations （a）， and simulated precipitation （b）.Unit： mm， （c） The height-time distribution diagram of the reflectivity in d03 area （33.00°N， 96.58°E） on 29 （units： dBZ）.（“+”： Yushu station）

5 云物理结构

图5为模拟的d03区域各高度层水平平均粒子混合比随时间的变化。粒子混合比是指大气中各气体成分的含量相当于干空气的比， 如水汽混合比指一定体积空气中， 所含水汽与干空气的质量之比。从图6中可以看出， 固态水凝物平均分布较高， 液态水凝物的平均位置相对较低。其中， 云冰的平均分布高度最高， 大值中心集中于200 hPa附近； 雪的平均分布位置位于中高层， 大值中心集中于250 hPa左右； 霰的平均分布位置位于中底层， 大值中心集中于400 hPa左右； 云水的平均位置位于中低层， 大值集中于500 hPa； 水汽的平均位置位于中低层， 其大值区集中于400 hPa以下； 雨水的平均位置主要位于低层， 其大值区也同样位于500 hPa以下。从平均质量密度来看， 水汽的值最大， 在500 hPa以下， 其极值超过10 g·kg-1； 其次为雨水， 位于500 hPa以下， 其质量密度极大值超过0.11 g·kg-1； 云水、 霰的质量密度相近， 其极值为0.08 g·kg-1； 云冰与雪的质量密度的极值相近， 为0.055 g·kg-1。29日11:00至30日02:00， 各水凝物均存在大值中心， 其11:00的质量密度大值范围大于次日02:00； 水汽的质量密度极大值出现时间最早。这与唐洁等（2018）、 阴蜀城等（2020）的研究结论一致。
图6 模拟区域内平均粒子混合比（单位： g·kg-1）

（a）水汽， （b）云水， （c）雨水， （d）云冰， （e）雪， （f）霰

Fig.6 Temporal and spatial distribution of various coagulations in d03.unit： g·kg-1.（a） vapor， （b） cloud， （c） rain， （d） ice， （e） snow， （f） graupel

6 云微物理结构源项

云中水凝物相态相互转化释放的潜热将改变大气的热力、 动力结构， 影响着降水云的生消、 发展（史月琴等， 2008）。Lin et al（1983）的微物理参数化方案考虑了六种水凝物的混合比。对于水成物的六种源项（Ren et al， 2014）， 本文主要针对雨水、 雪和霰的源项进行分析， 其具体源项及缩写如表所示。
表3 水凝物源项

Table 3 Source Term for Particle

源项 缩写 源项 缩写
雨水 霰融化成雨 GMR 霰 雪聚集为霰 SCG
雪融化成雨 SMR 冰晶碰冻过冷雨滴转化为霰 GCRC
云水自动转化为雨水 CGR 雨水与雪碰并增长为霰 GRSC
雨水与云水的碰并增长 CGRC 过冷水冻结为霰 WFR
雪 雪的凝华增长 SGS 霰与云水碰并增长 CGGC
云冰的贝杰龙过程转化为雪 SIBT 霰与雨水碰并增长 CGGR
冰晶聚集形成雪 IGS 霰与冰晶碰并增长 CCGI
雪与云冰的碰撞增长 CGSC 霰与雪碰并增长 CCGS
雪与雨水的碰并增长 CGSR 霰的凝华增长 SGG
为了解云内微物理量的变化， 进一步分析水成物源汇项的转化率， 本文选取对流降水较强的点（32.25°N， 95.92°E）对29日16:00水凝物源汇项转化率分析（图7）。从雨水的源项转化率来看， 霰粒子的融化过程（GMR）为主要源项， 最大转化率在500 hPa出现为5.7×10-3 g·kg-1·s-1。从雪的源项转化率来看， 雪与雨水的碰并增长（CGSR）贡献最大， 最大转化率在500 hPa出现为1.10×10-3 g·kg-1·s-1； 云冰的贝杰龙过程转化为雪（SIBT）的贡献次之， 出现两个峰值分别为0.35×10-3 g·kg-1·s-1和0.82×10-3 g·kg-1·s-1； 雪的凝华增长（SGS）的贡献最小， 在350 hPa附近出现最大值0.18×10-3 g·kg-1·s-1。霰的源项主要为霰的初生源项和增长源项两类， 霰的初生源项中云冰碰撞过冷雨转化为霰（GCRC）的贡献最大， 最大值为0.42×10-3 g·kg-1·s-1； 霰的增长源项中霰与云水碰并增长（CGGC）与霰与雨水碰并增长（CGGR）的贡献最大， 其大值中心分别位于400 hPa和500 hPa为11×10-3 g·kg-1·s-1和5.2×10-3 g·kg-1·s-1。结果表明， 冰相粒子融化与云水的结合加速了云水向雨水的转化， 导致地面降水（阴蜀城等， 2020）。
图7 2019年8月29日16:00 (32.25°N, 95.92°E)云微物理过程源项转化率(a)雨水源, (b)雪源, (c)霰源, (d)霰的增长源

Fig.7 The conversion rate of the source term of the cloud microphysical process in the precipitation area （32.25°N， 95.92°E） at 16:00 29 August 2019.（a） Rainwater source， （b） snow source， （c） graupel source， （d） sources of graupel growth

7 云微物理过程演变特征

d03区域内主要微物理过程随时间演变特征（图8）， 29日15:00和30日01:00存在水成物源项转化率的峰值区， 表明29日08:00至30日08:00有两次降水过程。粒子的凝华和贝杰龙过程， 云冰通过贝杰龙过程转化为雪（SIBT）贡献最大， 云水通过贝杰龙过程转化为雪（SCBT）的贡献几乎为零； 冰相粒子的聚集过程主要为云水自动聚集形成雨水（CGR）； 碰连、 碰并增长过程， 以霰与雨水碰并增长（CGGR）与霰与云水碰并增长（CGGC）为主； 融化过程主要为霰粒子的融化形成雨（GMR）。因此， 水汽凝华形成雪、 霰等粒子， 雪、 霰等粒子通过聚集、 贝杰龙过程和碰连、 碰并等过程相互转化， 最终融化形成雨。
图8 d03区域降水性粒子主要微物理过程源项转化率随时间变化

（a）凝华和贝杰龙过程， （b）冰相粒子聚集， （c）碰并增长霰源， （d）融化

Fig.8 The conversion rate of the source term of the main microphysical process of precipitation particles in the "*" area of d03 varies with time.（a） Desublimation and Bergeron process， （b） Aggregation of ice phase particle， （c） Collisional growth source of graupel， （d） Melt

8 结论

本文利用中尺度数值模式WRF， 对玉树一次对流性降水过程的微物理演变过程特征进行了研究。主要结论如下：
（1） WRF模式基本较好地模拟了此次玉树地区对流云降水过程， 且模式模拟的降水回波时空分布与Ka毫米波云雷达探测结果基本一致。
（2） 各相态粒子的时空分布表明三种相态的水凝物有明显的垂直结构。冰相水凝物所处的平均位置偏高， 其中， 云冰的大值中心所处位置最高， 液态水凝物的大值中心集中于500 hPa高度附近， 而水汽的大值中心集中在500 hPa以下。从极大值中心出现时间来看， 水汽的极大值中心出现时间早于其他粒子。
（3） 云的微物理过程中， 水汽凝华形成雪、 霰等粒子， 雪、 霰等粒子通过聚集、 贝杰龙过程和碰连、 碰并等过程相互转化， 最终融化形成雨。研究各微物理量随时间的变化， 结果显示冰相粒子对高原对流降水的贡献显著， 霰的作用尤为显著。
本文对高原一次对流降水的云微物理过程进行研究， 但对其发生机制及对流云的发生发展还需要进行更详细的研究。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Chen F， Dudhia J， 2001.Coupling an advanced land surface-hydrology model with the Penn State-NCAR MM5 modeling system.Part I： model implementation and sensitivity［J］.Monthly Weather Review， 129（4）： 569-585.DOI： 10.1175/1520-0493（2001）129<0569： CAALSH>2.0.CO； 2 .

Dudhia J， Moncrieff M W， 1989.A three-dimensional numerical study of an Oklahoma squall line containing right-flank supercells［J］.Journal of the Atmospheric Sciences， 46（21）： 3363-3391.DOI： 10.1175/1520-0469（1989）0462.0.co； 2 .

Fu Y F， Liu G S， Wu G X， et al， 2006.Tower mast of precipitation over the central Tibetan Plateau summer［J］.Geophysical Research Letters， 33（5）： 157-158.DOI： 10.1029/2005GL024713 .

Gao W H， Liu L P， Li J， et al， 2018.The microphysical properties of convective precipitation over the Tibetan Plateau by a Subkilometer resolution cloud-resolving simulation［J］.Journal of Geophysical Research： Atmospheres， 123（6）.DOI： 3212-3227. 10.1002/2017JD027812 .

Gao W H， Sui C H， Fan J W， et al， 2016.A study of cloud microphysics and precipitation over the Tibetan Plateau by radar observations and cloud-resolving model simulations［J］.Journal of Geophysical Research： Atmospheres， 121（22）.13735-13752.DOI： 10.1002/ 2015JD024196 .

Grell G A， EvEnyi D， 2002.A generalized approach to parameterizing convection combining ensemble and data assimilation techniques［J］.Geophysical Research Letters， 29 （14）： 38-1-38-4.DOI： 10.1029/2002GL015311 .

Hong S Y， Noh Y， Dudhia J， 2006.A new vertical diffusion package with an explicit treatment of entrainment processes［J］.Monthly Weather Review， 134（9）： 2318-2341.DOI： 10.1175/MWR3199.1.https： //doi.org/10.1175/1520-0469（1989）046<3363： ATDNSO>2.0.CO； 2

Lin Y， Farley R D， Orville H D， 1983.Bulk parameterization of the snow field in a cloud model［J］.Journal of Climate and Applied Meteorology， 22（6）： 1065-1092.DOI： 10.1175/1520-0450（1983）022<1065： BPOTSF>2.0.CO； 2 .

Liu L P， Feng J M， Chu R Z， et al， 2002.The diurnal variation of precipitation in monsoon season in the Tibetan Plateau［J］.Advances in Atmospheric Sciences， 19（02）： 365-378.DOI： 10. 1007/s00376-002-0028-6 .

Maussion F， Scherer D， Finkelnburg R， et al， 2011.WRF simulation of a precipitation event over the Tibetan Plateau， China—An assessment using remote sensing and ground observations［J］.Hydrology and Earth System Sciences， 15（6）： 1795-1817.DOI： 10.5194/hess-15-1795-2011 .

Ren C P， Cui X P， 2014， The cloud-microphysical cause of torrential rainfall amplification associated with Bilis（0604）［J］.Science China Earth Sciences， 57（9）： 2100-2111.DOI： 10.1007/s11430-014-4884-6 .

Stamnes K， Tsay S C， Wiscombe W， 1988.Numerically stable algorithm for discrete-ordinate-method radiative transfer in multiple scattering and emitting layered media［J］.Applied Optics， 27 （12）： 2502-2509.DOI： 10.1364/AO.27.002502 .

Uyeda H， Yamada H， Horikomi J， et al， 2001.Characteristics of convective clouds observed by a Doppler radar at Naqu on Tibetan Plateau during the GAME-Tibet IOP［J］.Journal of the Meteorological Society of Japan.Ser.II.， 79 （1B）： 463–474.DOI： 10. 2151/jmsj.79.463 .

常祎， 郭学良， 2016.青藏高原那曲地区夏季对流云结构及雨滴谱分布日变化特征［J］.科学通报， 61（15）： 1706-1720.DOI： 10.1360/N972015-01292.Chang Y ，

Guo X L， 2016.Characteristics of convective cloud and precipitation during summer time at Naqu over Tibetan Plateau［J］.Chinese Science Bulletin， 61（15）： 1706-1720.DOI： 10.1360/N972015-01292 .

戴进， 余兴， 刘贵华， 等， 2011.青藏高原雷暴弱降水云微物理特征的卫星反演分析［J］.高原气象， 30（2）： 288-298.

Dai J， Yu X， Liu G H， et al， 2011.Satellite retrieval analysis on microphysical property of thunderstorm with light precipitation over the Qinghai-Xizang Plateau［J］.Plateau Meteorology， 30（2）： 288-298.

傅云飞， 李宏图， 自勇， 2007.TRMM卫星探测青藏高原谷地的降水云结构个例分析［J］.高原气象， 26（1）： 98-106.

Fu Y F， Li H T， Zi Y， 2007.Case study of precipitation cloud structure viewed by TRMM satellite in a valley of the Tibetan Plateau［J］.Plateau Meteorology， 26（1）： 98-106.

傅云飞， 刘奇， 自勇， 等， 2008.基于TRMM卫星探测的夏季青藏高原降水和潜热分析［J］.高原山地气象研究， 2008（1）： 8-18.

Fu Y F， Liu Q， Zi Y， et al， 2008.Summer precipitation and latent heating over Tibetan Plateau based on TRMM measurements［J］.Plateau and Mountain Meteorology Research， 2008（1）： 8-18.

洪延超， 周非非， 2005.“催化-供给”云降水形成机理的数值模拟研究［J］.大气科学， 29（6）： 43-54.DOI： 10.3878/j.issn.1006-9895.2005.06.05.Hong Y C ，

Zhou F F， 2005.A numerical simulation study of precipitation formation mechanism of“seeding feeding”cloud system［J］.Chinese Journal of Atmospheric Sciences， 29（6）： 43-54.DOI： 10.3878/j.issn.1006-9895.2005.06.05 .

江吉喜， 范梅珠， 2002.夏季青藏高原上的对流云和中尺度对流系统［J］.大气科学， 26（2）： 263-270.DOI： 10.3878/j.issn.1006-9895.2002.02.12.Jiang J X ，

Fan M Z， 2022.Convective clouds and mesoscale convective systems over the Tibetan Plateau in summer［J］.Chinese Journal of Atmospheric Sciences， 26（2）： 263-270.DOI： 10.3878/j.issn.1006-9895.2002.02.12 .

李典， 白爱娟， 黄盛军， 2012.利用TRMM卫星资料对青藏高原地区强对流天气特征分析［J］.高原气象， 31（2）： 304-311.

Li d， Bai A J， Huang， S J， 2012.Characteristic analysis of a severe convective weather over Tibetan Plateau based on TRMM data［J］.Plateau Meteorology， 31（2）： 304-311.

刘黎平， 楚荣忠， 宋新民， 等， 1999.GAME-TIBET青藏高原云和降水综合观测概况及初步结果［J］.高原气象， 18（3）： 441-450.

Liu L P， Chu R Z， Song X M， et al， 1999.Summary and Preliminary results of cloud and precipitation observation in Qinghai-Xizang plateau in GAME-TIBET［J］.Plateau Meteorology， 18（3）： 441-450.

刘黎平， 郑佳锋， 阮征， 等， 2015.2014年青藏高原云和降水多种雷达综合观测试验及云特征初步分析结果［J］.气象学报， 73（4）： 635-647.DOI： 10.11676/qxxb2015.041.Liu L P ，

Zheng， J F， Ruan Z， et al， 2015.The preliminary analyses of the cloud properties over the Tibetan Plateau from the field experiments in clouds precipitation with the various radars［J］.Journal of Meteorological Research， 73（4）： 635-647.DOI： 10.11676/qxxb2015.041 .

刘新伟， 叶培龙， 伏晶， 等， 2020.高原切变线形态演变对高原边坡一次降水过程的影响分析［J］.高原气象， 39（2）： 245-253.DOI： 10.7522/j.issn.1000-0534.2019.00084.Liu X W ，

Ye P L， Fu J， et al， 2020.The influence of the morphological evolution of plateau shear line on a precipitation weather process over plateau slope［J］.Plateau Meteorology， 39（2）： 245-253.DOI： 10.7522/j.issn.1000-0534.2019.00084 .

史月琴， 楼小凤， 邓雪娇， 等， 2008.华南冷锋云系的中尺度和微物理特征模拟分析［J］.大气科学， 32（5）： 1019-1036.DOI： 10.3878/j.issn.1006-9895.2008.05.03.Shi Y Q ，

Lou X F， Deng X J， et al， 2008.Simulations of mesoscale and microphysical characteristics of cold front clouds in south China［J］.Chinese Journal of Atmospheric Sciences， 32（5）： 1019-1036.DOI： 10.3878/j.issn.1006-9895.2008.05.03 .

孙礼璐， 王瑞， 谭瑞婷， 等， 2019.基于TRMM PR和VIRS探测的青藏高原夏季横切变线云降水个例分析［J］.高原气象， 38（6）： 1194-1207.DOI： 10.7522/j.issn.1000-0534.2018.00160.Sun L L ，

Wang R， Tan R T， et al， 2019．Analysis on precipitation and cloud of transverse shear line cases in summer over Qinghai-Tibetan Plateau based on TRMM PR and VIRS detection［J］.Plateau Meteorology， 38（6）： 1194-1207.DOI： 10.7522/j.issn.1000-0534.2018.00160 .

唐洁， 郭学良， 常祎， 2018.2014年夏季青藏高原云和降水微物理特征的数值模拟研究［J］.气象学报， 76（6）： 1053-1068.DOI： 10.3878/j.issn.1006-9895.1801.17202.Tang J ，

Guo X L， Chang W， 2018.Numerical studies on microphysical properties of clouds and precipitation in the summer of 2014 over the Tibetan Plateau［J］.Journal of Meteorological Research， 76（6）： 1053-1068.DOI： 10.3878/j.issn.1006-9895.1801.17202 .

徐祥德， 陈联寿， 2006.青藏高原大气科学试验研究进展［J］.应用气象学报， 17（6）： 756-772.DOI： 10.3969/j.issn.1001-7313.2006.06.013.Xu X D ，

Chen L S， 2006.Advances of the study on Tibetan Plateau experiment of atmospheric sciences［J］.Journal of Applied Meteorological Science， 17（6）： 756-772.DOI： 10.3969/j.issn.1001-7313.2006.06.013 .

徐祥德， 赵天良， Lu C G， 等， 2014.青藏高原大气水分循环特征［J］.气象学报， 72（6）： 1079-1095.DOI： 10.11676/qxxb2014.091.Xu X D ，

Zhao T L， Lu C G， et al， 2014.Characteristics of the water cycle in the atmosphere over the Tibetan Plateau［J］.Journal of Meteorological Research， 72（6）： 1079-1095.DOI： 10.11676/qxxb2014.091 .

阴蜀城， 李茂善， 刘啸然， 等， 2020.2014年8月7日那曲地区对流云降水及其云微物理过程的数值模拟［J］.高原气象， 39（1）： 48-57.DOI： 10.7522/j.issn.1000-0534.2019.00062.Yin S C ，

Li M S， Liu X R， et al， 2020.Numerical simulation of cloud precipitation and cloud microphysical process in Nagqu Area on August 7， 2014［J］.Plateau Meteorology， 39（1）： 48-57.DOI： 10.7522/j.issn.1000-0534.2019.00062 .

Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn