2. 中国科学院大学, 北京 100049;
3. 中国气象科学研究院灾害天气国家重点试验室, 北京 100081;
4. 中国气象科学研究院/中国气象局云雾物理试验室, 北京 100081;
5. Division of atmospheric science, Desert Research Institute, Reno, NV 89512, USA
由于地理因素、气候变化以及人类活动的影响, 致使中国水资源短缺问题日益严重, 特别是城市发展和人类生产生活的用水量正在急剧增加。因此, 如何有效地利用空中水资源, 进行人工增雨催化作业具有实际意义和满足国家需求的课题。北京地区近年来干旱形势比较严峻, 特别是冬季降水明显减少, 冬季的人工降水除了缓解旱情外, 还有可能用于清除雾霾污染、改善空气质量和提高能见度, 是合理有效利用云中水资源的重要手段。人工增雨催化作业在国内外已经有很长的发展历史和较多的实践经验, 但是由于问题的复杂性, 过去人们主要通过一些经验理论和室内试验的办法, 来检验人工增雨催化的机理作用和效果(顾震潮等, 1980; 樊鹏等, 2005; 胡志晋, 2001; 李宏宇, 2014)。
随着云雾物理理论知识的不断完善和大气模式的发展, 特别是云物理模式的进步, 人们可以在计算机上模拟出人工催化试验详细的过程和各种参数的作用。数值模式的发展对人工影响天气理论的完善和实际作业的改善带来了很大的帮助, 能够模拟各种不同天气状况的催化试验, 检验和完善催化理论和参数化方案, 大大节约实际催化作业的成本。近年来, 国内外在人工催化的数值模拟方面, 已经开展了一些工作, Koenig et al(1983)、Levy and Gotton(1984)用二维和三维云模式研究了冰晶数浓度与降水的关系。Reisin et al(1996)利用一个对流云数值模式, 开展了防雹增雨的催化数值试验。Farley et al(1994)利用三维云模式模拟了碘化银和惰性气体在云中的运动状况, 以及碘化银播撒是如何影响云和降水的。我国也已经发展了一些云播撒模式, 例如何观芳和胡志晋(1991)利用一维非定常模式进行了积雨云人工播撒冰晶研究。毛玉华和胡志晋(1993)采用二维雹云模式模拟了人工冰晶和小水滴的播撒效应, 发现适量播撒能够起到消雹增雨的作用。洪延超(1998, 1999)建立了三维碘化银播撒模式, 用以进行催化防雹机制模拟。Guo et al(2006, 2007)则建立了一个三维冰粒子分档播撒模式, 研究如何优化播撒的问题。肖辉等(2012)利用中国科学院大气物理研究所研制的三维对流云人工催化数值模式, 研究了三类大气冰核谱环境对对流风暴云人工催化增雨效果的影响。楼小凤等(2013)在三维对流云模式中发展了盐粉的催化方案。这些云模式在人工防雹, 人工增雨等领域在优化播撒问题方面获得了实际的应用。
中尺度数值模式由于其模拟尺度和对实际观测资料的利用率等优点, 已经在人工影响天气的数值模拟中发挥着重要作用。史月琴等(2008)和高茜等(2011)利用中尺度云模式CAMS, 通过直接改变冰晶数浓度的方法进行了人工引晶催化的数值试验。孙晶等(2009)利用部分改进的MM5V3模式对冬季降雪过程进行人工催化的数值试验。方春刚等(2009)和何晖等(2013)分别在中尺度模式WRF的云物理方案Thompson和Morrison中引入碘化银播撒剂与云的相互作用来开展中尺度碘化银播撒数值试验。
层状云是我国北方的主要降水云系, 同时也是人工增雨的主要作业对象(李薇等, 2013; 孙晶等, 2015)。本文通过在中尺度数值模式WRF中的双参数显示云物理方案nssl中实现催化功能, 进而对北京地区2013年3月的一次层状云系降水过程开展模拟试验, 并在分析自然云降水的分布和微观特性基础上, 设置不同催化起始时刻和催化剂量, 然后对比催化后的降水、云中水成物分布、动力场和热力场的变化以及水成物源汇项的转化过程等。目的是为了更好地了解催化对冬季层状云系降水宏观和微观的影响机制, 为人工增雨播撒业务提供依据。
2 模式设置和天气概况介绍 2.1 模拟试验设置利用中尺度数值模式WRF3.6.1版本, 采用两层嵌套网格对2013年3月19日北京地区的这次降水过程进行数值模拟, 嵌套网格设置如图 1所示。模拟区域中心的经纬度分别为115.2°E、39.1°N。最外层网格格距27 km, 格点数135×146, 内层网格格距9 km, 格点数178×163, 垂直方向分为35层。模拟的起止时间为2013年3月19日08:00(北京时, 下同)到20日08:00, 共模拟24 h。模式初始场采用的是1°×1°的NCEP再分析资料, 每6 h一次数据。
本文采用RRTM长波辐射方案、Dudhia短波辐射方案、Monin-Obukhov近地面层方案、Noah陆面过程方案、YSU边界层物理方案以及nssl微物理参数化方案。微物理方案nssl能够预报云水、雨水、冰晶、雪、霰和雹6种水成物的数浓度和混合比, 其中暖云微物理过程考虑到CCN(云凝结核)的活化、雨滴之间的碰并和破碎以及液滴的凝结和蒸发。冰相过程考虑到液滴的冻结、冰晶核化、冰粒子的凝华/升华和融化、冰粒子之间以及其与液滴之间的碰撞合并(碰并、聚合、撞冻), 方案考虑了各种水成物的沉降过程, 其中雹的增长考虑了干增长和湿增长(Meyers et al, 1992; Ziegler et al, 1985)。
2.2 实测和模拟的天气形势分析图 2分别是实际观测(实测图来自micaps天气分析图)和数值模拟显示的2013年3月19日20:00的天气形势。从图 2中可看出, 模式模拟得到的位势高度场、温度场以及槽线位置与实测基本吻合, 随后这一低压槽向东移动。20:00之后, 高空层气温也达到零下, 北京地区雨转为雪。降雪主要出现时段分别是在18日夜间和19日夜间, 降水相态为雪、雨夹雪或雨转雪。北京市的平均降水量为6.9 mm, 其中城区的平均降水量达到8.6 mm, 以昌平的降雪量最大, 达到了16.2 mm。北京市及其周边地区2013年3月1920日的降水形成与北京地区低层东风回流、高空低压东移、西风槽等天气系统有关。北京地区高空处于东北低涡的底部, 西北部由偏西气流控制, 在西北气流中有小风场切变产生, 有冷平流。从北京观象台19日的探空曲线(图 3)来看, 08:00在925 hPa高度层附近有一逆温层, 这样的层结有利于空气湿度达到饱和, 水汽在遭遇冷空气后凝结成雨。08:0020:00在850 hPa高度层附近都有明显的风场切变, 温度锋区呈东西向, 自北向南压下。这期间北京上空850 hPa的温度下降了4~6 ℃, 底层为偏东风, 偏东风能带来东部海域上的水汽, 是北京冬季降水比较典型的风向。
图 4为观测和模式模拟的3月20日08:00地面24 h累积降水分布, 实测降水数据来自micaps资料。从图 4看出, 实测降水中心位于北京西北边缘地带, 24 h累积降水量最大可达15 mm, 模式模拟的降水中心位置比较准确, 同样位于北京西北地区。模拟的雨带分布范围和降水强度与实测相比基本一致, 只是不同区间的降水分布略有差异, 模拟的24 h累积降水量在2~4 mm内的分布范围明显小于实测结果。
通过分析本次降水过程的过冷云水含量和垂直上升速度分布特征(图 5)发现, 这次降水过程云水含量较低, 特别是北京北部地势较高的区域云水含量更少, 当模拟积分运行到19日19:00, 115°E116°E, 39.6°N40.2°N区域内的云水相对比较丰富, 随着云带从西北逐渐移向东南, 北京南部逐渐出现较多的云水。依据已有理论和模式试验结果, 人工增雨催化应该在云体发展早期有过冷云水和上升速度的地方进行, 从模拟的700 hPa和800 hPa过冷云水和上升速度的配置来看, 图 5显示模式积分运行至19:00, 700 hPa高度层过冷云水比含量最大可达0.12 g·kg-1, 800 hPa过冷云水的含量略低, 过冷云水主要集中在115°E116°E, 39.6°N40.2°N区域, 上升速度最大超过0.25 m·s-1。随着云体的演变, 当模式运行到20:00, 700 hPa和800 hPa的过冷云水含量都有所增强, 此时700 hPa过冷云水含量可达0.24 g·kg-1, 比之前提高了0.12 g·kg-1, 800 hPa云水含量较之前也有所提升。上升速度较19:00也有大范围的提升, 800 hPa的上升速度最大超过0.35 m·s-1, 此时云系的发展较为成熟, 随后整个云系继续移动, 沿途形成不同程度的降水。
选择云水含量较为丰富的纬度和时刻做剖面图(图 6)可以看出, 19:00沿着39.8°N这一纬度云水含量相对比较丰富, 比含量最大可达0.18 g·kg-1, 其中0.03 g·kg-1比含量等值线上限高度约为500 hPa, 温度约为-25 ℃, 云水含量集中分布的高度层较低。这一时刻该纬度冰晶含量非常低, 部分已经接触地面, 高层几乎没有冰晶分布。雨水和霰粒子的比含量都比较低, 雪的含量比较高, 比含量可达0.03 g·kg-1, 雪和雨水等值线都已接地, 此时的降水是冬季冷性层状云形成的雨夹雪降水过程。从上升速度剖面(图 6d)来看这一纬度沿着东经115°E到116°E左右, 下层具有上升气流, 上层又有下沉气流, 116°E以东普遍为上升气流, 且最大上升速度约为0.4 m·s-1。
通过分析过冷云水和上升速度的水平和垂直剖面(图 6), 设计不同的催化起始时刻和催化剂量, 分别选取在云体发展期(19:00) 和云体成熟期(20:00) 进行人工引晶催化数值模拟试验, 催化水平区域115°E116.2°E, 39.4°N40.1°N, 经度跨度1.2°, 纬度跨度0.7°(图 4绿色框所示), 具体不同催化试验的催化起始时刻和催化剂量设置见表 1。
通过不同催化试验每20 min地面区域平均净增雨量和地面区域平均净增雨量总和随时间的演变(图 7)可以看出, 无论在云体发展期(19:00), 还是在云体成熟期(20:00) 进行催化, 都能使地面雨量净增, 并且变化趋势较为一致。地面区域平均净增雨量是指催化主要影响的降水区域(39.4°N40.4°N, 115°E117°E)在催化后区域平均降水量和未催化的区域平均降水量差值。从不同催化时机来看, 每20 min地面区域平均净增雨量显示, 催化后20~100 min这一时间段, 在云体成熟期催化会使得地面降雨量减少, 且减少的数值比在云体发展期催化更为明显。当在云体成熟期, 以106个·kg-1剂量进行催化时, 每20 min地面区域平均净增雨量最小约为-0.01 mm(test 5), 而在云体发展期, 以相同剂量催化得到的每20 min地面区域平均净增雨量最小约为-0.007 mm(test 2)。当在云体成熟期以105个·kg-1剂量进行催化时, 每20 min地面区域平均净增雨量最小约为-0.003 mm(test 4), 而在云体发展期以相同剂量催化使地面每20 min区域平均净增雨量最小约为-0.001 mm(test 1)。在催化后120 min之后直到模拟结束, 无论是在云体发展期催化还是在云体成熟期催化, 地面每20 min区域平均净增雨量始终为正。图 7b地面区域平均净增雨量总和随时间的演变显示, 无论是云体成熟期还是在云体发展期, 当以105个·kg-1剂量进行催化时, 地面区域平均净增雨量总和随时间的演变趋势很一致(test 1和test 4), 在催化之后就很快表现出增雨趋势, 但是催化后20~120 min时间段内, 在云体发展期催化得到的地面区域平均净增雨量总和增加较快, 最后模拟结束时, 在云体发展期催化得到的地面区域平均净增雨量总和约为0.14 mm, 比在云体成熟期催化得到的地面区域平均净增雨量总和提高约0.02 mm(test 4)。当以106个·kg-1剂量进行催化时, 在云体发展期催化和在云体成熟期催化得到的地面区域平均净增雨量总和首先都表现出减雨的趋势(test 2和test 5), 在云体发展期催化比云体成熟期催化使降雨减弱的幅度更小。随后区域平均的净增雨量总和转变为正值, 并一直持续到模拟结束。在云体发展期催化的地面区域平均净增雨量约为0.26 mm(test 2), 而在云体成熟期催化的地面区域平均净增雨量约为0.19 mm(test 5), 比例约为1.37倍。根据以上模拟结果来比较引入催化剂的效果, 发现催化效果在云的发展期要明显优于云的成熟期, 这与人们熟知的对流云催化数值模拟的结论一致。
从不同催化剂量来看, 每20 min地面区域平均净增雨量(图 7a)显示, 当在云体发展期催化, 不同的催化剂量都使得催化初期地面降水减少, 且剂量越大, 每20 min地面区域平均净增雨量减少的幅度越高。催化剂量为107个·kg-1时, 在催化后20~40 min内的地面区域平均净增雨量约为-0.014 mm(test 3), 催化剂量为106个·kg-1时的地面区域平均净增雨量约为-0.007 mm(test 2), 而此时催化剂量为105个·kg-1时的地面区域平均净增雨量已经变为正值, 约为0.012 mm(test 1)。从催化后60 min之后, 每20 min地面区域平均净增雨量都转变为正值, 催化剂量为105个·kg-1时的每20 min地面区域平均净增雨量最高约为0.034 mm(test 1), 但是增雨趋势持续的时间并不长。催化剂量为107个·kg-1时的增雨趋势持续时间最长, 并且雨量增加的幅度也相对较大(test 3)。当在云体成熟期进行催化, 不同的催化剂量也使得催化初期地面降水减少, 且剂量越大, 每20 min地面区域平均净增雨量减少的幅度越高。催化100 min之后, 不同剂量都能使地面雨量增加, 并且催化剂量为105个·kg-1时的增雨趋势相较于催化剂量为106个·kg-1时的增雨趋势持续时间略短(test 4和test 5)。地面区域平均净增雨量总和随时间的演变(图 7b)显示, 当在云体发展期, 催化剂量为105个·kg-1的地面区域平均净增雨量总和在催化20 min之后就转变为正值, 表现为增雨趋势, 雨量最初增加的较快, 但是最后地面区域平均净增雨量总和仅为0.14 mm(test 1)。催化剂量为106个·kg-1和107个·kg-1的地面区域平均净增雨量总和变化趋势非常一致, 催化之后地面降雨量都有减少的趋势, 并且剂量越高, 减少的幅度越大。但是在地面降水量开始增加之后, 催化剂量为107个·kg-1得到的地面区域平均净增雨量最大约为0.31 mm, 比催化剂量106个·kg-1得到的地面区域平均净增雨量高, 大约是催化剂量为105个·kg-1的2.21倍。
4.2 催化引起的地面降水分布演变下面以test 3为例进一步分析由催化引起的自然云和催化云降水和云中微物理特征的差异, 图 8是以test 3为例得到的催化后20~40 min和催化后180~200 min地面20 min内的自然降水和催化增雨雨量。催化后20~40 min地面出现一个催化减雨中心, 此时的减雨区与催化区域大致吻合, 20 min内的减雨雨量约为0.08 mm。从催化后180~200 min的自然降水和催化增雨雨量分布来看, 此时的催化增雨雨量分布主要位于催化区域的东部, 20 min内的增雨雨量最大约为0.12 mm。由风场的分布可以看出, 被催化过的云团逐渐向东移动, 并且影响到了它周围的云团, 这是一种典型的“下风方域外效应”。由于本次降水为冬季冷性层状云形成的降水过程, 自然降水位于北京西北部, 而过冷云水主要分布在西南部, 催化主要是针对有过冷云水和上升速度的区域进行, 所以催化后20~40 min内的催化减雨中心和催化后180~200 min内催化增雨中心和自然云降水中心并不吻合。选取催化后40 min和催化后200 min分别代表催化减雨和催化增雨时段的代表时次, 分析由催化引起地面雨量变化的微物理机制。
催化后40 min的主要减雨区, 沿着115.3°E自然云和催化云中各种水成物和上升速度的剖面(图 9)显示, 催化区域的水汽比含量明显减少, 最大减少约0.18 g·kg-1。此时自然云的过冷云水比含量比催化云高, 自然云过冷云水比含量约为0.2 g·kg-1, 而催化云的过冷云水最大减少了约0.12 g·kg-1, 水汽和过冷云水减少的区域主要位于催化区, 并且水汽减少的比含量要大于过冷云水的比含量。本次降水雨水的含量较低, 且自然云要高于催化云。自然云的冰晶比含量很低, 催化云由于引入了人工冰晶, 冰晶比含量明显提高, 约为0.3 g·kg-1。此时雪已经接地, 自然云中的雪比含量约为0.18 g·kg-1, 催化云略高于自然云。自然云和催化云中的霰比含量都比较低, 且自然云高于催化云。从上升速度的剖面(图 9g)来看, 由催化引起的催化区域上升速度明显增强, 导致了云体动力和热力效应的显著改变, 上升气流最大提高了0.06 m·s-1, 催化区域的温度最大增加了0.25 ℃, 这也证明了静力催化和动力催化是相互影响相互结合的。
催化后200 min主要增雨区, 沿着116.5°E自然云和催化云中各种水成物和上升速度的剖面(图 10)显示, 催化区域的水汽含量仍然在减少, 最大减少约0.15 g·kg-1, 而800 hPa高度层以下, 催化云的水汽比含量有所增加, 这可能是由水成物在下落过程中蒸发增强所致。过冷云水含量相差不大, 但是自然云中的过冷云水比含量比催化云高约0.08 g·kg-1。此时云中雨水的含量仍然不高, 且催化云要高于自然云。由于催化引入的人工冰晶, 催化云的冰晶比含量仍然高于自然云, 但是增加的幅度较之前略有减少。此时催化云中雪的比含量高于自然云, 高约0.08 g·kg-1。霰的含量仍然比较小, 且自然云要高于催化云。总体来看, 催化导致上升速度增强, 仅有少部分区域上升速度减弱。催化区域的温度仍有提升, 最大提高0.2 ℃, 但是在900 hPa高度以下, 温度有所降低, 这是由于催化云的水成物在下落到地面的过程中, 比自然云的蒸发过程更加强烈所致。
图 11为催化后40 min通过地面减雨中心(115.35°E, 40.05°N)得到的雪和霰的主要源项微物理过程转化率, 图例中-n表示自然云, -t表示催化云, qsacw\qhacw表示雪\霰和云滴的碰冻, qsaci\qhaci表示雪\霰和冰晶的碰并, qscni表示冰晶向雪的自动转化, qsdpv\qhdpv表示雪\霰的凝华增长, qhacr表示霰和雨滴的碰冻(下同)。因本次降水过程中雨水的含量非常少, 降水主要表现为降雪, 雨水和其他云中水成物相互作用的转化过程也比较微弱, 所以主要分析雪和霰的微物理转化过程。图 11a可以看出, 在靠近地面800 hPa附近, 自然云中雪的凝华增长(qsdpv-n)远高于其他微物理过程, 造成这一时段自然云中的降水略高于催化云。在催化区域由于催化引入的人工冰晶导致冰晶向雪的自动转化大幅度提高, 自然云中冰晶向雪自动转化(qscni-n)的微物理转化率最大约为8×10-6g·kg-1·s-1, 催化云中最大约为47×10-6 g·kg-1·s-1 (qscni-t)。雪和冰晶的碰并过程(qsaci-t)也随着冰晶的增多而加强, 最大提高了约8.5×10-6 g·kg-1·s-1, 冰晶和雪的相互作用使雪的比含量有所增加, 雪比含量的增加也促进了其凝华增长对雪增长的贡献。雪的主要源项中数值最大的一项是雪的凝华增长, 凝华增长要消耗大量水汽, 因此催化云中催化区的水汽比含量显著减少。自然云中过冷云水的含量略高, 使雪和云滴的碰冻(qsacw-n)对于雪的增长要高于催化云, 提高了约55×10-6g·kg-1·s-1。图 11b显示, 霰的主要源项微物理过程转化率普遍较小, 对于自然云来说霰的增长主要依靠霰和云滴之间的碰冻(qhacw-n), 对于催化云来说, 霰的增长主要依靠冰晶的凇附(qhaci-t), 这一时次自然云中霰的主要源项普遍要高于催化云。
图 12为催化后200 min通过地面增雨中心(116.5°E, 39.9°N)得到的雪和霰的主要源项微物理过程转化率。相较于催化后的减雨阶段, 这时云中水成物和雪的相互作用对雪的贡献出现分层特征, 图 12a显示在距离地面650 hPa高度附近, 雪的增长仍然主要依靠其凝华增长、冰晶向雪的自动转化以及冰晶和雪之间的碰并, 催化云中凝华增长对雪的贡献率(qsdpv-t)最大约为73×10-6 g·kg-1·s-1, 其中催化云中各种微物理过程对雪的贡献远高于自然云。在距离地面850 hPa高度附近, 出现另外一个雪的主要源项的大值区, 这一区域催化云中各种微物理过程对雪的贡献仍然高于自然云。由于催化前期消耗的过冷云水, 这时云中雪和云滴之间的碰冻对雪的贡献非常微弱(qsacw)。图 12b显示霰的主要源项对霰的贡献较之前大幅度降低, 在距离地面900 hPa高度以下, 催化云中霰的凝华增长(qhdpv-t)、霰与冰晶之间的碰并(qhaci-t)以及霰与过冷雨滴之间的碰冻(qhacr-t)过程都略高于自然云, 但是在900 hPa高度以上, 自然云中霰的主要源项对霰的贡献略高于催化云。
利用中尺度气象模式WRF的双参数显示云物理方案(nssl), 开展冬季冷性层状云降水过程的数值模拟和人工增雨催化数值试验, 选取2013年3月19日北京地区的一次典型降水过程, 设计不同催化试验方案, 研究不同催化时刻和催化剂量对地面降水的影响, 得到如下主要结论:
(1) 催化增雨区域主要分布在催化区域的下风方向, 在云体发展期的催化增雨效果要优于云体成熟期。在云体发展期以107个·kg-1剂量催化之后, 起初地面累积雨量稍有减弱, 随后快速增加, 从而可以获得最佳的催化效果。
(2) 引入人工冰晶后, 催化区域的水汽含量显著减少, 过冷云水也有所减少, 冰晶和雪的含量有所增加, 霰的含量变化并不明显。催化区域的上升速度明显增强, 云中的温度也明显提升, 引起云中动力、热力效应的改变。
(3) 人工冰晶的引入使冰晶向雪的自动转化以及雪和冰晶的碰并过程大幅度提高, 催化后40 min时雪的增长主要依靠其凝华增长, 凝华增长消耗了大量水汽, 自然云中过冷云水的含量略高, 使雪和云滴的碰冻对于雪的贡献要高于催化云。
(4) 催化后200 min时, 距离地面650 hPa高度附近, 雪的增长仍然主要依靠凝华增长、冰晶向雪的自动转化以及冰晶和雪之间的碰并。在距离地面850 hPa高度附近, 是另一个雪的主要源项大值区, 催化云中各种微物理过程对雪的贡献仍然高于自然云。
Farley R D, Nguyen P, Orville H D. 1994. Numerical simulation of cloud seeding using a three-dimensional cloud model[J]. The Journal of Weather Modification, 26(1): 113–124.
|
|
Guo X L, Fu D H, Zheng G G. 2007. Modeling study on optimal convective cloud seeding in rain augmentation[J]. Korean Meteor Soc, 43(3): 273–284.
|
|
Guo X L, Zheng G G, Jin D Z. 2006. A numerical comparison study of cloud seeding by silver iodide and liquid carb on dioxide[J]. J Atmos Res, 79(3/4): 186–226.
|
|
Koenig L R, Murray F W. 1983. Theoretical experiments on cumulus dynamics[J]. J Atmos Sci, 40(5): 1241–1256.
DOI:10.1175/1520-0469(1983)040<1241:TEOCD>2.0.CO;2 |
|
Levy G, Cotton W R. 1984. A numerical investigation of mechanisms linking glaciation of the ice-phase to the boundary layer[J]. J Appl Meteor, 23(11): 1505–1519.
DOI:10.1175/1520-0450(1984)023<1505:ANIOML>2.0.CO;2 |
|
Meyers M P, DeMott P J, Cottion W R. 1992. New primary ice-nucleation parameterizations in an explicit cloud model[J]. J Appl Meteor, 31(7): 708–721.
DOI:10.1175/1520-0450(1992)031<0708:NPINPI>2.0.CO;2 |
|
Reisin T, Tzivion S, Levin Z. 1996. Seeding convective clouds with ice nuclei or hygroscopic particles:A numerical study using a model with detailed microphysics[J]. J App1 Meteor, 35(9): 1416–1434.
DOI:10.1175/1520-0450(1996)035<1416:SCCWIN>2.0.CO;2 |
|
Ziegler C L. 1985. Retrival of thermal and microphysical variables in observed convective storms. Part I:Model development and preliminary testing[J]. J Atmos Sci, 42(14): 1487–1509.
DOI:10.1175/1520-0469(1985)042<1487:ROTAMV>2.0.CO;2 |
|
樊鹏, 余兴, 雷恒池, 等. 2005. 液态二氧化碳(LC)播撒装置应用研究[J]. 应用气象学报, 16(5): 685–692.
DOI:10.11898/1001-7313.20050516 Fan Peng, Yu Xing, Lei Hengchi, et al. 2005. The application of a liquid carbon dioxide seeder[J]. J Appl Meteor Sci, 16(5): 685–692.
DOI:10.11898/1001-7313.20050516 |
|
方春刚, 郭学良, 王盘兴. 2009. 碘化银播撒对云和降水影响的中尺度数值模拟研究[J]. 大气科学, 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 J Atmos Sci, 33(3): 621–633.
|
|
高茜, 王广河, 史月琴. 2011. 华北层状云系人工降水个例数值研究[J]. 气象, 37(10): 1241–1251.
DOI:10.7519/j.issn.1000-0526.2011.10.007 Gao Qian, Wang Guanghe, Shi Yueqin. 2011. Nemerical simulation and seeding test on the strariform precipitation around Beijng[J]. Meteor Mon, 37(10): 1241–1251.
DOI:10.7519/j.issn.1000-0526.2011.10.007 |
|
顾震潮. 1980. 云雾降水物理基础[M]. 北京: 科学出版社.
Gu Zhenchao. 1980. Cloud and fog precipitation physical basis[M]. Beijing: Science Press.
|
|
何观芳, 胡志晋. 1991. 人工影响积雨云机制的数值研究[J]. 应用气象学报, 2(1): 32–39.
He Guanfang, Hu Zhijin. 1991. Numerical study on mechanism of artificial modification of cumulonimbus clouds[J]. Quart J Appl Meteor, 2(1): 32–39.
|
|
何晖, 高茜, 李宏宇. 2013. 北京层状云人工降水数值模拟试验和机理研究[J]. 大气科学, 37(4): 905–922.
DOI:10.3878/j.issn.1006-9895.2012.12097 He Hui, Gao Qian, Li Hongyu. 2013. Numerical simulation of stratiform precipitation enhancement in Beijing area and its mechanism[J]. Chinese J Atmos Sci, 37(4): 905–922.
DOI:10.3878/j.issn.1006-9895.2012.12097 |
|
洪延超. 1999. 冰雹形成机制和催化防雹机制研究[J]. 气象学报, 57(1): 30–44.
DOI:10.11676/qxxb1999.003 Hong Yanchao. 1999. Study on mechanism of hail formation and hail suppression with seeding[J]. Acta Meteor Sinica, 57(1): 30–44.
DOI:10.11676/qxxb1999.003 |
|
洪延超. 1998. 三维冰雹云催化数值模式[J]. 气象学报, 56(6): 641–651.
DOI:10.11676/qxxb1998.060 Hong Yanchao. 1998. A 3-D hail cloud numerical seeding model[J]. Acta Meteor Sinica, 56(6): 641–651.
DOI:10.11676/qxxb1998.060 |
|
胡志晋. 2001. 层状云人工降水机制、条件和方法的探讨[J]. 应用气象学报, 12(Suppl): 10–13.
Hu Zhijin. 2001. Discussion on mechanisms, conditions and methods of precipitation enhancement in stratiform clouds[J]. Quart J Appl Meteor, 12(Suppl): 10–13.
|
|
李宏宇, 嵇磊, 周嵬, 等. 2014. 北京地区人工增雨效果和防雹经济效益评估[J]. 高原气象, 33(4): 1119–1130.
DOI:10.7522/j.issn.1000-0534.2013.00027 Li Hongyu, Ji Lei, Zhou Wei, et al. 2014. Effect evaluation of precipitation enhancement and hail suppression programs in Beijing Region[J]. Plateau Meteor, 33(4): 1119–1130.
DOI:10.7522/j.issn.1000-0534.2013.00027 |
|
李薇, 刘岩, 袁野, 等. 2013. 吉林省春季层状云降水的雷达观测研究[J]. 高原气象, 32(5): 1485–1491.
DOI:10.7522/j.issn.1000-0534.2012.00138 Li Wei, Liu Yan, Yuan Ye, et al. 2013. Study on radar observation of stratiform cloud precipitation in Jilin province in spring[J]. Plateau Meteor, 32(5): 1485–1491.
DOI:10.7522/j.issn.1000-0534.2012.00138 |
|
楼小凤, 何观芳, 胡志晋, 等. 2013. 三维对流云盐粉催化模式的发展和催化模拟实验[J]. 高原气象, 32(2): 491–500.
DOI:10.7522/j.issn.1000-0534.2012.00047 Lou Xiaofeng, He Guanfang, Hu Zhijin, et al. 2013. Development of salt-seeding scheme in 3-D convective cloud model and seeding simulation[J]. Plateau Meteor, 32(2): 491–500.
DOI:10.7522/j.issn.1000-0534.2012.00047 |
|
毛玉华, 胡志晋. 1993. 强对流云人工降水和防雹原理的二维数值研究[J]. 气象学报, 51(2): 184–194.
DOI:10.11676/qxxb1993.023 Mao Yuhua, Hu Zhijin. 1993. The 2D numerical study of rain-enhancement and hail suppression principles on convective clouds[J]. Acta Meteor Sinica, 51(2): 184–194.
DOI:10.11676/qxxb1993.023 |
|
史月琴, 楼小凤, 邓雪娇, 等. 2008. 华南冷锋云系的人工引晶催化数值试验[J]. 大气科学, 32(6): 1256–1275.
Shi Yueqin, Lou Xiaofeng, Deng Xuejiao, et al. 2008. Seeding numerical experiments of cold front clouds in South China[J]. Chinese J Atmos Sci, 32(6): 1256–1275.
|
|
孙晶, 楼小凤, 胡志晋. 2009. 祁连山冬季降雪个例模拟分析(I):降雪过程和地形影响[J]. 高原气象, 28(3): 485–495.
Sun Jing, Lou Xiaofeng, Hu Zhijin. 2009. Numerical simulation of snowfall in winter of Qilian Mountains. Part(I):Snowfall process and orographic influence[J]. Plateau Meteor, 28(3): 485–495.
|
|
孙晶, 楼小凤, 史月琴, 等. 2009. 祁连山冬季降雪个例模拟分析(Ⅱ):人工催化试验[J]. 高原气象, 28(3): 496–506.
Sun Jing, Lou Xiaofeng, Shi Yueqin, et al. 2009. Numerical simulation of snowfall in winter of Qilian Mountains. Part(Ⅱ):Seeding test[J]. Plateau Meteor, 28(3): 496–506.
|
|
孙晶, 杨文霞, 周毓荃. 2015. 河北一次降水层状云系结构和增雨条件的模拟研究[J]. 高原气象, 34(6): 1699–1710.
DOI:10.7522/j.issn.1000-0534.2014.00086 Sun Jing, Yang Wenxia, Zhou Yuquan. 2015. Numerical simulations of cloud structure and seed ability of a precipitating stratiform in Hebei[J]. Plateau Meteor, 34(6): 1699–1710.
DOI:10.7522/j.issn.1000-0534.2014.00086 |
|
肖辉, 杨慧玲, 洪延超, 等. 2012. 大气冰核谱分布对对流风暴云人工催化影响的数值模拟研究[J]. 气候与环境研究, 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]. Cliatic Environ Res, 17(6): 833–847.
|
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. State Key Laboratory of Disaster Weather, Chinese Academy of Meteorological Sciences, Beijing 100081, China;
4. Key Laboratory for Cloud Physics of China Meteorological Administration, Beijing 100081, China;
5. Division of atmospheric science, Desert Research Institute, Reno, NV 89512, USA