高原气象  2019, Vol. 38 Issue (3): 593-603  DOI: 10.7522/j.issn.1000-0534.2019.00013
0

引用本文 [复制中英文]

王梦旖, 谭涌波, 师正, 等. 2019. 大气冰核谱对雷暴云微物理过程及起电影响的数值模拟[J]. 高原气象, 38(3): 593-603. DOI: 10.7522/j.issn.1000-0534.2019.00013
[复制中文]
Wang Mengyi, Tan Yongbo, Shi Zheng, et al. 2019. Numerical Simulation of the Impact of Ice Nucleus Spectra on Microphysical Process and Electrification in Thunderstorms[J]. Plateau Meteorology, 38(3): 593-603. DOI: 10.7522/j.issn.1000-0534.2019.00013.
[复制英文]

资助项目

国家自然科学基金项目(41805002);江苏省自然科学基金项目(BK20180808);江苏省高等学校自然科学研究项目(18KJB170010);南京信息工程大学人才启动基金项目(2016r042)

通信作者

谭涌波(1977-), 男, 重庆人, 教授, 主要从事雷电物理、大气电学等方面研究.E-mail:ybtan@ustc.edu

作者简介

王梦旖(1993-), 女, 河南南阳人, 硕士研究生, 主要从事雷电物理研究.E-mail:1499619436@qq.com

文章历史

收稿日期: 2018-08-09
定稿日期: 2019-02-25
大气冰核谱对雷暴云微物理过程及起电影响的数值模拟
王梦旖, 谭涌波, 师正, 刘俊, 于梦颖, 郑天雪     
南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室/气象灾害预报预警与评估协同创新中心/中国气象局气溶胶与云降水重点开放实验室, 江苏 南京 210044
摘要: 利用已有的二维对流云模式,讨论了三种不同的冰核谱对雷暴云微物理、起电及电荷结构的影响。模拟结果表明:(1)不同的冰核谱环境对雷暴云中冰相粒子的含量及分布具有明显作用。冰核谱的垂直温区越大,产生的冰相粒子分布越广。在冰核浓度较大的个例中,冰晶和霰粒子的含量高,更多的小冰相粒子出现在海拔更高的区域;(2)高温区冰核的数量会对上升气流速度产生显著影响。高温区的冰核越多,冰相粒子在微物理发展过程中释放的潜热越多,上升气流强,对流发展越旺盛;(3)在低温区冰晶浓度高的谱环境个例中,雷暴云中的非感应起电率和感应起电率高,导致起电量增加。高温区冰核多的谱环境,大量冰晶和霰获得正电荷形成次正电荷区,电荷结构呈现三极性;而高温区冰核少的谱环境,参与起电的水成物粒子少,易形成偶极性电荷结构。
关键词: 冰晶    冰核谱    电荷结构    数值模拟    
1 引言

近年来, 气溶胶与雷暴电过程的相互作用已成为科学界关注的重点之一。通过对比分析不同区域(海洋与陆地、城市与郊区、火山喷发和森林火灾前后)的闪电活动特征发现气溶胶对闪电活动作用明显(Westcott, 1995; Murray et al, 2000; Orville et al, 2001; Williams et al, 2002; Steiger et al, 2003; Kar et al, 2009)。由于气溶胶对闪电活动的影响与自身物理化学属性、地理空间以及气象条件等因素有关, 不同观测结果中气溶胶含量和闪电活动的相关性尚存在明显的差异, 为全面了解气溶胶影响雷暴云电过程的物理原因, 国内外学者已开展相应的模式研究。气溶胶可以作为云凝结核通过改变云滴的微物理发展而影响潜热释放、上升气流速度以及冰粒子生长和起电、空间电荷分层特征和放电频次以及降水强度(Mitzeva et al, 2006; Wang et al, 2011; Mansell et al, 2013; Zhao et al, 2015; 杨玉华等, 2015)。气溶胶也可作为冰核对对流系统产生重要影响(宿兴涛等, 2016; 彭艳等, 2016)。当水汽有限时, 大量的小冰晶难以增长为降水粒子, 从而抑制了降水的形成(Teller et al, 2006; Khain et al, 2008; 陈丽等, 2009); 而当水汽充足时, 冰核浓度增加, 释放大量潜热, 增强对流系统的不稳定性, 促进“贝吉龙”过程, 加速强降水的形成(Harrington et al, 2001; Gong et al, 2010)。许多研究(Isono et al, 1959, 1966; Bowen, 1956)发现在强天气过程中, 近地面冰核浓度显著升高, 即使是热带气旋这种强对流系统, 其强度和结构对冰核浓度的变化也十分敏感(Jin et al, 2010)。由此可见, 冰核对强对流天气有显著影响。但目前关于冰核对电过程影响的研究工作相对较少。

冰核在一定条件下核化为冰晶粒子, 而冰晶是雷暴云中非常重要的水成物粒子, 是其他大尺寸冰相粒子的胚胎, 由冰晶参与的非感应起电过程目前为止被认为是最重要的起电机制。有关非感应起电机制的云室实验均以直径常小于5 mm的淞附探头代表霰粒子, 测量其与冰晶每次碰撞过程中转移电荷的量级和极性(Takahashi, 1978; Jayaratne et al, 1983; Saunders et al, 1991; Pereyra et al, 2000)。这表明冰晶是雷暴云起电的关键因素。大量研究表明, 冰晶与霰粒子碰撞引起的转移电荷极性主要依赖于温度和液水含量(Takahashi, 1978; Jayaratne et al, 1983; Saunders et al, 1991; Pereyra et al, 2000), 并且由于雷暴云中不同高度层内的温湿条件存在差异, 冰晶粒子空间分布特征可能是导致转移电荷的极性反转的一个关键因素(谭涌波等, 2015)。Mansell et al(2005)基于三维积云模式分析了冰晶浓度对雷暴云中起电和电荷结构的影响, 并指出了高含量的冰晶粒子是底部次正电荷堆形成的关键因子。因此, 冰晶对雷暴云的空间电荷结构有着重要的影响。除此之外, 冰晶的浓度, 分布等对降水(Ekman et al, 2007; Fan et al, 2007; Khain et al, 2008; 李丽光等, 2011)和闪电频次(Latham et al, 2007; Deierling et al, 2008)也有非常显著的作用。因此, 冰核可能会对雷暴云电过程产生影响。

目前, 国内外云模式中的冰晶核化方案大多采用野外探测或云室实验得到的经验公式, 也有少部分学者考虑了气溶胶的作用(Liu et al, 2002; Barahona et al, 2009; 谭涌波等, 2015), 但由于经验公式适用范围广泛且计算方便等优点, 现今大部分模式研究通常采用经验公式来描述冰晶核化过程。迄今为止, 国内外已经有很多关于冰晶核化的观测结果, 例如:国外, Fletcher(1962)Cooper(1980)Hundson(1993)Thompson(2008)等都对自然冰核进行过观测; 国内, 在北京(游来光等, 1964, 2002)、贺兰山(牛生杰等, 2000)、兰州(葛正谟等, 1986)、青海(石爱丽等, 2006)以及南京(杨磊等, 2013)等地区的观测也得到了很多冰核活化的表达式。通过比较分析, 这些观测结果的差异主要体现在冰核分布温区范围的不同。肖辉等(2012)讨论了3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, 模拟结果发现不同的冰核谱环境下, 雷暴云的微物理结构, 动力场以及降水特征均出现较大差异。但由于冰核可以核化为冰晶, 冰晶的分布又会对雷暴云的起放电过程产生显著作用, 那么不同的冰核浓度温度谱可能会对雷暴云的电过程产生影响。

因此, 为更好地对比不同谱环境下雷暴云的微物理过程及起电特征, 本文选取了三种冰核垂直分布差异明显的冰核浓度温度谱进行数值模拟研究[分别基于Fletcher(1962)Cooper(1980)杨磊(2013)的观测结果]。其中, Fletcher谱为国内外最常用的冰晶核化方案, 孔凡铀等(1991)洪延超(1998)在三维对流云模式中均采用此冰核谱; 目前在所有的观测结果中, Cooper谱的垂直温区分布范围最大; 杨磊等(2013)在南京地区对冰核谱进行过多次观测, 本文选取其最新的观测结果。此外, 三种谱在地区和时间上具有分散性和代表性。基于此, 本研究将以上三种冰核浓度温度谱分别植入到二维对流云模式中, 通过对比雷暴云内冰晶含量及分布的差异, 揭示不同的冰核谱与雷暴云微物理、起电以及电荷结构之间的内在物理联系。

2 模式介绍

采用的云模式来源于马明(2004)谭涌波等(2006a, 2006b, 2007, 2012)在中国气象科学研究院的基础上改进的二维对流云数值模式(胡志晋等, 1987; 王谦等, 1990; 于达维等, 2001)。该模式认为大气为无粘性可压缩流体, 忽略地转偏向力并采用非静力平衡假设, 把云中的水成物粒子分为五种, 分别是云滴、雨滴、冰晶、霰和雹, 且这些粒子具有双参数谱(即比质量、数浓度)。云微物理过程主要包括凝结蒸发, 自动转化, 碰并, 核化繁生, 融化冻结等27种主要的微物理过程。

模式中的起电参数化方案主要考虑了非感应起电和感应起电机制, 其中非感应起电参数化方案采用GZ(Gardiner/Ziegler)方案(Gardiner et al, 1985; Ziegler et al, 1991)和Pereyra实验(Pereyra et al, 2000)相结合, 一般称为Gardiner-Pereyra方案(Shi et al, 2015)(简称G-P方案)。具体的G-P方案如下:

从GZ非感应起电方案中在不同温度和液态水含量下霰得到的电荷极性示意图(图 1)可以看出, 霰获得电荷取决于云水含量(Cloud Water Content, CWC)和环境温度。基于Mansell et al(2005)的研究, 可知其反转温度(Tr)是-15 ℃。当温度低于反转温度(Tr)时, 霰荷负电, 冰晶荷正电。当温度高于Tr且云水含量大于0.1 g·m-3时起电情况发生逆转, 霰带正电, 冰晶带负电。霰(雹)与冰晶的非感应电荷分离率为:

$ \begin{aligned}\left(\frac{\partial Q_{\rm{eg}}}{\partial t}\right)_{\rm{np}}=& \beta \delta_{\rm{q}} E_{\rm{r}}\left(1-E_{\rm{r}}\right)^{-1} \times \frac{1}{\rho_{0}}\left|\overline{V_{\rm{i}}}-\overline{V_{\rm{g}}}\right| \\ & \cdot \int_{0}^{\infty} \int_{0}^{\infty} \frac{\pi}{4}\left(1-E_{\rm{r}}\right) E_{\rm{gi}}\left(D_{\rm{g}}\right.\\ &+D_{\rm{i}})^{2} N_{\rm{g}} N_{\rm{i}} {\rm{d}} D_{\rm{g}} {\rm{d}} D_{\rm{i}}, \end{aligned} $ (1)
图 1 GZ非感应起电方案中在不同温度和液态水含量下霰得到的电荷极性示意图(反转温度: -15 ℃) Fig. 1 Schematic diagram of the charge polarity obtained by graupel at different temperatures and liquid water contents in the GZ non-inductive electrification scheme (reverse temperature: -15 ℃)

式中: Er为弹开率; $\overline{{{V}_{\text{i}}}}$$\overline{{{V}_{\text{g}}}}$分别代表冰晶和霰的平均下落末速度; DgDi分别为霰和冰晶的直径; NiNg分别代表冰晶和霰的数浓度; Egi为冰晶和霰之间的碰撞系数; δq是单次碰撞后电荷转移量, 具体为

$ {\delta _{\rm{q}}} = 7.3D_{\rm{i}}^{\rm{4}}{\left| {\overline {{V_{\rm{i}}}} - \overline {{V_{\rm{g}}}} } \right|^3}\delta Lf(\tau), $ (2)

δL是与云水含量(CWC)相关的参量:

$ \delta L = \left\{ {\begin{array}{*{20}{c}} {CWC, }&{{q_{\rm{c}}} \ge {{10}^{ - 3}}{\rm{g}} \cdot {\rm{k}}{{\rm{g}}^{ - 1}}}\\ {0, }&{{q_{\rm{c}}} < {{10}^{ - 3}}{\rm{g}} \cdot {\rm{k}}{{\rm{g}}^{ - 1}}} \end{array}} \right. $ (3)

式中: qc是云水混合比; f(τ)是Ziegler et al(1991)采用的关于逆转温度Tr的系数:

$ f(\tau)=-1.7 \times 10^{-5} \tau^{3}-0.003 \tau^{2}-0.05 \tau+0.13, $ (4)

式中: τ=(-21/Tr)(T-273.16);根据Pereyra et al(2000)的实验数据, 设定Tr与云水含量之间的关系为:

$ {T_{\rm{r}}} = \left\{ {\begin{array}{*{20}{c}} { - 15\;℃, }&{CWC < {\rm{1g}} \cdot {{\rm{m}}^{ - 3}}}\\ { - 5 \times {CWC} - 8.8, }&{CWC \ge 1{\rm{g}} \cdot {{\rm{m}}^{ - 3}}} \end{array}} \right. $ (5)

此外, 模式中还考虑了霰(雹)和云滴之间的感应起电, 其方案采用Ziegler et al(1991)的方程。放电参数化方案基于Tan et al(2006, 2014)。闪电的启动采用两种初始击穿条件:一种是取随高度变化(Height-varying)的逃逸电子电场阈值; 另一种是当模式中任意一点的场强超过常规空气击穿阈值(取为160 kV·m-1)。此后双向发展, 闪电通道的扩展采用步进(step-by-step)方式, 即每次正负通道各自只扩展一个后继通道点。放电后的电荷重置基于双向先导的概念, 采用异极性电荷植入法, 将放电后闪电通道上的感应电荷替代原空间电荷。

2.1 冰晶核化方案介绍

大气中初始冰晶的形成途径有两种, 同质核化和异质核化。同质核化通常发生在相对湿度高, 温度较低的条件下。温度较高时, 无杂质的纯水滴需借助冰核才能转化为冰晶。模式中的同质核化过程采用Sun et al(2002)的方案, 即云内的水滴从-20 ℃开始冻结, 到-40 ℃全部冻结, 公式为:

$ {Q_{{\rm{cif}}}} = \left\{ {\begin{array}{*{20}{c}} {pc \cdot {Q_{\rm{c}}}/2\Delta t, }&{ - 40℃ < T < - 20℃}\\ {{Q_{\rm{c}}}/2\Delta t, }&{T \le - 40℃} \end{array}} \right. $ (6)

式中: Qcif表示云滴的核化率, 即云滴冻结生成冰晶的浓度; Qc为云水比质量; pc为水滴冻结的百分数, 其值随温度变化而变化, pc=0.008×1.274T0-T; T为云内温度, T0取-20 ℃, 为水滴开始冻结的温度; Δt为时间步长。

模式中的异质核化过程分别采用Fletcher(1962)Cooper(1980)杨磊等(2013)测得的冰晶谱。且依据冰核浓度与温度、水汽的过饱和度有关, 因此冰核的核化方程为:

$ {N_{{\rm{pvi}}}} = \left\{ {\begin{array}{*{20}{c}} {\frac{{ - {B_{{\rm{IN}}}}{N_{{\rm{IN}}}}\exp \left[ {{B_{{\rm{IN}}}}(273 - T)} \right]}}{{{\rho _0}}} \cdot \left( {\frac{{{Q_{\rm{v}}} - {Q_{{\rm{si}}}}}}{{{Q_{{\rm{sw}}}} - {Q_{{\rm{si}}}}}}} \right)_{{\rm{ice}}}^k\frac{{{\rm{d}}T}}{{{\rm{d}}t}}\quad ,\quad \left( {\frac{{{\rm{d}}T}}{{{\rm{d}}t}} < 0,{Q_{\rm{v}}} > {Q_{{\rm{si}}}}} \right)}\\ {\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;0,\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\left( {\frac{{{\rm{d}}T}}{{{\rm{d}}t}} \ge 0,{Q_{\rm{v}}} \le {Q_{{\rm{si}}}}} \right)} \end{array}} \right. $ (7)

式中: Qv为实际水汽含量; Qsi为相对冰面的饱和水汽含量; Qsw为相对水面的饱和水汽含量; k=5; $\frac{{{\rm{d}}T}}{{{\rm{d}}t}} = w\frac{{\partial T}}{{\partial z}}$表 1中三种冰核谱代表不同的异质核化方案, 其参数分别为: S1: NIN=10-5, BIN=0.6; S2: NIN=0.005, BIN=0.304; S3: NIN=0.0049, BIN=0.388。

表 1 冰核浓度-温度谱参数公式 Table 1 The concentration-temperature spectrum of ice nucleus parameter formula

为方便比较不同温度下的冰核浓度, 图 2给出了三个方案的大气冰核谱分布, 从图 2中可以看出, 随着温度的降低, 冰核的浓度均呈指数增加趋势。其中, S1方案的谱参数BIN最大, 因此直线增长的最快, S2其次, S3最小。图中S1和S2的曲线交点所对应的横轴坐标约为-18 ℃, 若以此温度为界点, 那么高于-18 ℃为高温区(-18~0 ℃), 低于-18 ℃为低温区(-40~ -18 ℃)。在高温区, S2的曲线所跨的温区最大, 冰核总量最多; 对比S1和S3, 虽然S1的温区范围广, 但在-10~0 ℃, S1的冰核量很少, 可忽略不计。因此在高温区, S3的冰核总量大(相比S1)。在低温区, 从图中可以很明显的看出S2的冰核总量最多, 而S1由于图像斜率大, 增长速度快, 在低温区产生的冰核总量反而比S3多。但值得注意的是, 三个方案的公共温区范围内(-25~ -10 ℃), S3产生的冰核浓度最多。

图 2 三类大气冰核浓度-温度谱 Fig. 2 Three different initial concentration-temperature spectrum of ice nucleus
2.2 背景场介绍

本研究选用的是1999年7月31日发生在墨西哥州的一次山地雷暴个例, 图 3是该个例初始场的环境温度、露点温度及风场, 其中的湿度层结取自NCEP格点资料。从图 3中可以看出, 地面温度在12 ℃左右, 露点温度在8 ℃左右。另外, 本模式的计算域为76 km×20 km, 分辨率为250 m ×250 m, 时间步长为2 s。在初始时间给出了一个水平半径为5 km, 垂直半径为1 km的湿热泡扰动, 其中心位于模拟区域中心, 高度为1 km的格点上。温度扰动为4.5 K, 湿度扰动为80 %, 从中心向外以余弦函数递减。

图 3 初始场环境温度(红色实线)、露点温度(绿色实线)以及风场 Fig. 3 Initial profiles of temperature (solid red line), dewpoint temperature (solid green line), and wind field for SEET case used in the simulation
3 结果分析 3.1 不同大气冰核谱对雷暴云微物理特征的影响

模式中同时考虑了同质冻结和异质核化, 由于同质冻结与云滴有关, 三种方案初始的云凝结核数目相同, 因此三种方案的同质冻结过程相当, 最值量级相同, 在此不再赘述。冰晶含量和分布的差异主要受到冰核谱环境的影响, 从不同方案下冰晶混合比和数浓度随时间的分布情况(图 4)中可以看出, 三种谱环境下冰晶首次出现的时间(20 min)和高度(6 km)相同, 但随着时间的发展, 冰晶的空间分布出现了明显的差异。对比不同谱环境的冰晶混合比和数浓度发现, S2的冰晶混合比和数浓度最大, 且其大值区(相比于S1和S3)集中在海拔更高的位置。而S1与S3相比, 其冰晶数浓度和混合比的大值区均大于S3, 这与三种谱的温区范围有关。结合图 2可知, S3的温区范围最小, 随着温度的降低, S3最先停止增长, 而S1的低温区达到了-27 ℃, 因此S1的冰晶总量比S3多且大量分布在低温区。对比三种方案的最大数浓度和混合比并进行粗略估算可知, S2生成的冰晶尺寸小, S3的冰晶尺寸最大。这是由于S2冰核谱的温度范围最大, 生成的冰晶的数目最多, 但水汽有限导致产生的更多是小冰晶。S3的温区范围最小, 累计产生的冰晶数目最少, 但粒子尺寸较大。S1所产生的的冰晶数目, 粒子尺度则介于S2和S3之间。综上所述, 不同的冰核谱使得冰晶粒子的分布、浓度和尺寸出现较大差异。

图 4 三种方案下冰晶最大混合比和最大数浓度随时间的变化 红色实线代表等温线(单位: ℃); 黑色实线表示冰晶比浓度等值线; 彩色区域表示冰晶比质量(单位: g·kg-1) Fig. 4 Spatial and temporal distribution of the maximum mixing ratio and the concentration of numbers of ice crystal in three schemes. Red solid line represents the isotherm (unit : ℃), black solid line represents the specific concentration of the ice crystals, the shaded represent the mixing ratioof ice crystals (unit: g·kg-1)

Williams et al(1991)研究表明强上升气流(> 10 m·s-1)是闪电产生的一个重要因素, 是表征雷暴在发展和成熟阶段的重要参量。且上升气流还会影响水成物粒子的垂直分布情况。由三种方案最大上升气流速度和下沉气流随时间变化的曲线(图 5, 正负仅表示方向, 不代表大小)可知, 三种冰核谱的上升气流速度和下沉气流速度整体呈现先增后减的趋势。对流云发展前20 min, 由于模式初始场的环境设置相同, 三个方案的风速保持一致。在33 min左右, S1、S2和S3的上升风速出现了最大值, 分别是10.80, 17.36和13.38 m·s-1, 而下沉气流速度差异不明显(最大值分别为8.9, 9.6和8.5 m·s-1)。其中, S2的上升气流最强, 这是由于S2在高温区和低温区的冰核数目均较多, 在形成冰晶时会释放大量潜热, 导致上升气流发展旺盛, 较强的上升气流将更多的水汽带到低温区, 相对冰面的过饱和度增加, 从而有利于冰晶核化、凝华及碰并增长(与云滴)过程, 因此强上升气流速度对冰晶的生成与生长具有促进作用。高温区的冰核数量在很大程度上决定了上升气流发展的强弱(Ekman et al, 2007), 因此S3的上升气流速度大于S1。33 min之后, 大量降水粒子产生并逐渐降落使得三种方案的上升气流速度急剧减弱。由此看出, 不同的冰核谱环境会使上升气流产生很大差异, 这与Ekman et al(2007)肖辉等(2012)的研究结论一致。

图 5 三种方案最大上升气流(a)和下沉气流(b)随时间的变化 Fig. 5 The time variation of maximum updraft velocity (a) and downdraft velocity (b) of threes chemes

所用的二维对流云数值模式中, 初始云凝结核的数浓度均为100 cm-3, 因此, 三个方案云滴的最大数浓度和混合比相同[图 6(a)~(c)], 分别为3.90×107 kg-1和3.52 g·kg-1。云滴的混合比在前30 min内呈现基本相同的时空分布, 30 min之后, 三个方案的云滴均开始减少, 这是由于从30 min开始, 各种冰相粒子以及降水粒子的形成使得云滴不断的被消耗。图 6(d)~(f)为雨滴的时空分布图。在20~30 min之间, 云水含量充足, 生成的雨滴数目多, 尺度大。30 min之后, 冰晶、霰等其他冰相粒子出现争食水汽的现象, 由于贝吉龙效应的作用, 使得过冷水提前冻结并转化到各种冰相粒子上, 因此减缓了过冷水滴的增长以及向雨滴的自动转化速率, 从而使得雨滴的数目和尺度均大幅度减小。在50~60 min的时间段内, 由于霰、雹(雹的含量很少, 主要是霰)等冰相粒子在高温区融化形成雨, 导致雨滴的混合比有小幅度的增长。由于S3生成的霰粒子尺寸大, 下落速度快, 因此大尺度霰粒子更容易下落到0 ℃层以下融化形成雨, 导致S3的雨滴含量增加的较多。从霰粒子的数浓度和混合比随时间的变化[图 6(g)~(i)]中可以看出, 不同方案中, 霰粒子所呈现的时空分布差异较大。S2方案的霰粒子数目最多, S3的霰数目最少。在相同的水汽条件下, S3的霰粒子少, 在凝华增长的过程中每个冰粒子可以获得更多的水汽, 因此其霰粒子的尺度较大。相反, S2的霰多但尺度小。

图 6 云滴(上)、雨滴(中)、霰(下)的最大混合比和最大数浓度随时间的变化 红色实线表示等温线(单位: ℃); 黑色实线表示各粒子的数浓度(单位: kg-1); 彩色区表示粒子的混合比(单位: g·kg-1) Fig. 6 Spatial and temporal distribution of the maximum mixing ratio and the concentration of numbers of the cloud drop (up), rain (medium) and graupel (down). Red solid line represents the isotherm (unit: ℃), black solid line represents the specific concentration of the various particles (unit: kg-1), the shaded represent the mixing ratioof ice crystals of the various particles (unit: g·kg-1)

综上所述, 不同的冰核谱会对对流云中水成物粒子的物理特征产生显著影响, 尤其是冰相粒子(冰晶和霰), 进而对雨滴含量也有一定的影响。冰核浓度大的谱环境会产生较多冰晶和霰, 但由于水汽有限, 粒子的尺度较小。相反, 冰核浓度小的谱环境产生的冰相粒子浓度小, 尺度大。

3.2 不同大气冰核谱对雷暴云起电过程的影响

模式中非感应起电主要考虑了霰与冰晶的碰撞, 因此, 非感应起电率与冰晶和霰的微物理特征密切相关。从三种谱环境下冰晶的最大非感应起电率随时间的变化(图 7)可以看出, S2的非感应起电率最大(292.26 pC·m-2·s-1), S1次之(283.92 pC·m-2·s-1), S3最小(205.86 pC·m-2·s-1), 这是由于S2的冰核浓度远远高于其他两个方案, 生成冰晶和霰的数目多, 碰撞起电的效率高, 因此在冰晶分布的中心区域非感应起电率达到最大。此外, 冰晶和霰粒子碰撞引起的转移电荷极性与温度和液态含水量有关, 因此在雷暴云的不同高度, 温湿条件存在差异, 冰晶粒子所带的转移电荷极性不一样(图 7), 冰晶粒子在低温区(小于-15 ℃)带正极性转移电荷, 而在高温区(大于-15 ℃)时携带负极性转移电荷。50 min之后, S1、S2和S3的冰晶粒子在-15 ℃以下均未发生反转, 这与云水含量的减少有关。Saunders et al(1991, 1992)研究得出反转温度是有效液态水含量的函数, 当液态含水量越低, 反转温度越高。由图 6(a)~(c)可知, 云水含量在50 min之后小于1.0 g·cm-3, 因此其反转温度可能出现在更低的高度上。对比三个方案冰晶带负极性转移电荷的最值发现, S1的电荷密度最小, S3的电荷密度最大, S2介于二者之间, 这与作为带电粒子的冰晶含量有关。如图 4所示, 在4 km以下, S3方案冰晶的混合比远大于S1和S2, 因此其电荷密度最高。

图 7 三种谱环境下冰晶的最大非感应起电率随时间的变化(彩色区, 单位: pC·m-2·s-1) 黑色实线表示0 ℃和-15 ℃等温线 Fig. 7 The maximumnon-induction electric rate of ice crystal for every minute in three spectral environments. Unit: pC·m-2·s-1. Black solid line represents the isotherm of 0 ℃ and -15 ℃

感应起电机制指在垂直外电场作用下, 霰和云滴发生碰撞起电的过程(图 8), 黑色实线表示霰通过感应起电带正电, 灰色实线代表云滴通过感应起电带负电。从最大感应起电率随时间的变化(图 8)可知, 三个方案的感应起电发生的高度为2~7 km, 整体的时空分布差异不明显。由于三个方案的云滴含量相当, 因此感应起电率主要是跟霰粒子的数浓度和垂直外电场的大小有关。由图 6图 7可知, S1、S2方案中霰粒子的数浓度较大, 且非感应起电过程为感应起电提供了较强的外电场, 因此S1、S2的感应起电率相对S3较大。对比图 7图 8可知, 感应起电率相比于非感应起电率很小, 这与目前很多关于感应起电的认知和研究结果保持一致(Mansell et al, 2013; Shi et al, 2016)。

图 8 三个方案最大感应起电率随时间的变化(单位: pC·m-2·s-1) 黑色实线代表正感应起电率, 灰色表示负感应起电率; 等值线分别为: ±10、±5、±1、±0.5、±0.01 pC·m-2·s-1 Fig. 8 The maximum inductive electrification rate for every minute of three scheme. Unit: pC·m-2·s-1. The black line is positive inductive electrification rate, the gray line is negative inductive electrification rate; Contour represent ±10, ±5, ±1, ±0.5 and ±0.01 pC·m-2·s-1, respectively

综上可知, 不同的冰核谱对非感应起电和感应起电有显著作用。冰核谱的温区越广, 产生的冰晶和霰的数目就越多, 更多的冰晶和霰碰撞发生电荷转移所产生的非感应起电率就越大。此外, 高温区冰核少的谱环境, 形成的冰晶少, 从而携带的负极性转移电荷量小, 因此S1在2~4 km处的电荷密度最小(取绝对值), 而S2、S3的电荷密度较大。感应起电与霰的浓度以及非感应起电提供的外电场有关。S2的霰粒子浓度和非感应起电率大, 提供较强的外电场, 因此感应起电率最大。而S3的霰粒子少, 非感应起电率小, 因此其感应起电过程最弱。

本文所用的二维对流云模式里考虑的荷电粒子有冰晶、霰、云滴、雨滴和雹, 其中主要以冰晶和霰粒子为主。因此, 冰晶和霰的物理特征会极大地影响雷暴云的电荷结构。图 9显示的是三种方案的电荷结构随时间的演变过程。从整个雷暴云的发展过程来看, S1为偶极性电荷结构; 在50 min之前, 主正电荷区分布在6~9 km, 主负电荷区分布在3~6 km; 电荷密度的最大值为2.01 nC·m-2·s-1, 最小值为-1.76 nC·m-2·s-1。S2和S3在雷暴云发展旺盛期则呈现出三极性电荷结构, 且主正、负电荷区由于上升气流较强, 分布的垂直高度均超过S1, 主正电荷区达到10 km, 主负电荷区则向延伸至8 km左右。从正负电荷密度的最值来看, S2最大, S3最小。除此之外, 对比三个方案的电荷密度, 发现S3的密度大值区的分布范围最广, S2次之, S1最小。

图 9 三种方案的空间电荷结构随时间的变化(单位: nC·m-2·s-1) Fig. 9 The spatial and temporal variation of the charge structure for three schemes of three scheme. Unit: nC·m-2·s-1

上述结果表明, 不同的冰核谱产生的电荷结构和电荷密度存在明显差异。S1方案的高温区冰核浓度小, 产生的冰晶和霰数目少。而次正电荷区的荷电粒子主要由非感应起电和感应起电过程中带正电的霰粒子组成, 高温区荷电粒子数目少直接影响了次正电荷堆的形成, 因此S1呈现出偶极性电荷结构。S2、S3冰核谱的特征为高温区存在大量冰核, 产生的冰晶和霰数目多, 从而为次正电荷区提供大量荷电粒子, 因此S2和S3在雷暴云发展旺盛期呈现出三极性的电荷结构。电荷密度的大小主要与带电粒子的数浓度有关, S2的冰核数目最多导致生成的冰晶和霰粒子浓度大, 从而产生的非感应起电和感应起电过程强, 因此, S2的电荷密度最大。相反, S3方案中的冰核少, 产生的冰相粒子少, 起电过程弱, 电荷密度小。电荷密度大值区的分布范围主要受带电粒子尺寸的影响。由图 46可知, S3产生的冰晶和霰的尺寸最大, 单个带电粒子所携带的电荷量最大, 相应的电荷密度大值区的范围较广。

4 结论与讨论

在已有的二维对流云模式的基础上, 植入了三种温区不同的冰核谱, 结合一次山地雷暴个例进行模拟实验, 对比分析了不同冰核谱对雷暴云微物理、起电过程及电荷结构的影响, 结论如下:

(1) 不同的冰核谱环境对雷暴云的微物理过程具有显著的影响。尤其是对冰晶和霰粒子的影响最大, 进而对雨滴含量也有较大影响。冰核谱的温区范围越大, 冰晶和霰的分布范围越广。冰核浓度越大, 产生的冰相粒子数目越多。但由于三种方案的水汽条件相同, 因此在冰晶和霰数目最多的方案中, 其粒子尺寸最小; 相反, 在冰晶和霰粒子浓度最小的个例中, 其粒子尺寸最大。在雷暴云发展的中后期, 霰等冰相粒子的融化使得雨的比质量有所增加, 此外, 不同的冰核谱环境对风场也有很大影响, 高温区冰核的数量会影响上升气流, 高温区冰核低, 形成冰晶释放的潜热少, 上升气流速度小。相反, 高温区冰核数目越多的谱环境, 冰晶形成所释放的潜热较多, 上升气流发展的越旺盛。

(2) 不同的冰核谱环境会对雷暴云的起电率产生明显的作用。冰核浓度大的谱环境, 冰晶和霰的数目多, 非感应起电和感应起电过程强。而冰核浓度小的谱环境, 产生的冰相(荷电)粒子少, 起电过程弱。不同的冰核谱环境也会对雷暴云的空间电荷结构产生显著影响。高温区的冰核浓度越小, 在此区域形成的荷电粒子(冰晶和霰)含量低, 限制了雷暴云底部次正电荷堆的形成, 即高温区冰晶少的谱环境更容易产生偶极性电荷结构; 而高温区冰核多的谱环境可以为次正电荷区提供较多的荷电粒子, 有利于三极性电荷结构的产生。此外, 电荷密度的差异主要与冰晶和霰的数浓度和尺寸有关, 粒子数浓度越大, 电荷密度的最值越大; 粒子尺寸越大, 电荷密度大值区的分布越广泛。

由上文分析可知, 不同的冰核谱分布会影响冰晶、霰等其他水成物粒子的数目和分布, 进而对雷暴云的微物理和起电过程产生显著影响。在实际的大气环境中, 冰核的来源主要是气溶胶, 目前已经有很多气溶胶作为云凝结核影响雷暴云过程的研究结果, 而气溶胶作为冰核影响雷暴云过程的相关工作甚少, 因此, 下一步工作将针对冰核浓度做一系列敏感性试验, 利用三维对流云模式详细探讨改变冰核浓度对雷暴云微物理和电过程的影响, 并重点分析对雷暴云放电过程的影响。

致谢: 本文所采用的积雨云微物理过程由气象科学院胡志晋研究员提供。
参考文献
Barahona D, Nenes A. 2009. Parameterizing the competition between homogeneous and heterogeneous freezing in ice cloud formation-polydisperse ice nuclei[J]. Atmospheric Chemistry and Physics, 9(16): 5933–5948. DOI:10.5194/acp-9-5933-2009
Bowen E G. 1956. January freezing nucleus measurement[J]. Australian Journal of Physics, 9: 552–555. DOI:10.1071/PH560552
Cooper W A, 1980.A method of detecting contact ice nuclei using filter samples[C]//Preprints Cloud Phys.Conf., Clermont-Ferrand, France.605-669.
Deierling W, Petersen W A, Latham J, et al. 2008. The relationship between lightning activity and ice fluxes in thunderstorms[J]. Journal of Geophysical Research, 113: D15210. DOI:10.1029/2007JD009700
Ekman A, Engström A, Wang C. 2007. The effect of aerosol composition and concentration on the development and anvil properties of a continental deep convective cloud[J]. Quarterly Journal of the Royal Meteorological Society, 133B(627): 143–1452.
Fan J, Zhang R, Li G, et al. 2007. Effects of aerosols and relative humidity on cumulus clouds[J]. Journal of Geophysical Research, 112: D14204. DOI:10.1029/2006JD008136
Fletcher N H. 1962. Physics of rain clouds[M]. Cambridge: Cambridge University Press, 386.
Gardiner B, Lamb D, Pitter R L, et al. 1985. Measurements of initial potential gradient and particle charges in a montana summer thunderstorm[J]. Journal of Geophysical Research, 90: 6079–6086. DOI:10.1029/JD090iD04p06079
Gong W, Min Q, Li R, et al. 2010. Detailed cloud resolving model simulations of the impacts of Saharan air layerdust on tropical deep convection-Part 1:Dust acts as ice nuclei[J]. Atmospheric Chemistry and Physics Discuss, 10(5): 12907–12952. DOI:10.5194/acpd-10-12907-2010
Harrington J Y, Olsson P Q. 2001. On the potential influence of ice nuclei on surface-forced marine stratocumulus cloud dynamics[J]. Journal of Geophysical Research:Atmospheres, 106(D21): 27473–27484. DOI:10.1029/2000JD000236
Hundson J G. 1993. Cloud condensation nuclei[J]. Journal of Applied Meteorology, 32(3): 596–607.
Isono K, Komabayasi M, Ono A. 1959. The nature and the origin of ice nuclei in the atmosphere[J]. Journal of the Meteorological Society of Japan, 37: 211–233. DOI:10.2151/jmsj1923.37.6_211
Isono K, Tanaka T. 1966. Sudden increase of ice nucleus concentration associated with thunderstorm[J]. Journal of the Meteorological Society of Japan, 44(5): 255–259. DOI:10.2151/jmsj1965.44.5_255
Jayaratne E R, Saunders C P R, Hallett J. 1983. Laboratory studies of the charging of soft-hail during ice crystal interactions[J]. Quarterly Journal of the Royal Meteorological Society, 109: 609–630. DOI:10.1002/(ISSN)1477-870X
Jin Y, Doyle J D, Zhao Q, et al. 2010. The impact of ice nuclei concentration on hurricane modeling[J]. NRL Review:Featured Research, 2010: 123–129.
Kar S K, Liou Y A, Ha K J. 2009. Aerosol effects on the enhancement of cloud-to-ground lightning over major urban areas of South Korea[J]. Atmospheric Research, 92(1): 80–87. DOI:10.1016/j.atmosres.2008.09.004
Khain A P, BenMoshe N, Pokrovsky A. 2008. Factors determining the impact of aerosols on surface precipitation from clouds:An attempt at classification[J]. Journal of the Atmospheric Sciences, 65(6): 1721–1748. DOI:10.1175/2007JAS2515.1
Latham J, Petersen W A, Deierling W, et al. 2007. Field identification of a unique globally dominant mechanism of thunderstorm electrification[J]. Quarterly Journal of the Royal Meteorological Society, 133(627): 1453–1457. DOI:10.1002/qj.133
Liu X H, Penner J E. 2002. Effect of Mount Pinatubo H2SO4/H2O aerosol on ice nucleation in the upper troposphere using a global chemistry and transport model[J]. Journal of Geophysica Research, 107(D12): AAC 2-1–AAC 2-18.
Mansell E R, Macgorman D R, Ziegler C L, et al. 2005. Charge structure and lightning sensitivity in a simulated multicell thunderstorm[J]. Journal of Geophysical Research, 110: D12101. DOI:10.1029/2004JD005287
Mansell E R, Ziegler C L. 2013. Aerosol effects on simulated storm electrification and precipitation in a two-moment bulk microphysics model[J]. Journal of the Atmospheric Sciences, 70: 2032–2050. DOI:10.1175/JAS-D-12-0264.1
Mitzeva R, Latham J, Petrova S. 2006. A comparative modeling study of the early electrical development of maritime and continental thunderstorms[J]. Atmospheric Research, 82(1/2): 26–36.
Murray N D, Orville R E, Huffines G R. 2000. Effect of pollution from Central American fires on cloud-to-ground lightning in May 1998[J]. Geophysical research letters, 27: 2249–2252. DOI:10.1029/2000GL011656
Orville R E, Huffines G, Nielsen-Gammon J, et al. 2001. Enhancement of cloud-to-ground lightning over Houston[J]. Geophysical Research Letters, 28(13): 2597–2600. DOI:10.1029/2001GL012990
Pereyra R G, Avila E E, Castellano N E, et al. 2000. A laboratory study of graupel charging[J]. Journal of Geophysical Research, 105: 20803–20812. DOI:10.1029/2000JD900244
Saunders C P R, Keith W D, Mitzeva R P. 1991. The effect of liquid water on thunderstorm charging[J]. Journal of Geophysical Research, 96: 11007–11017. DOI:10.1029/91JD00970
Saunders C P R, Brooks I M. 1992. The effects of high liquid water content on thunderstorm charging[J]. Journal of Geophysical Research, 97(D13): 14671–14676. DOI:10.1029/92JD01186
Shi Z, Tang H Q, Tan Y B. 2016. Effects of the inductive charging on the electrification and lightning discharges in thunderstorms[J]. Terrestrial, Atmospheric and Oceanic Sciences, 27(2): 241–251. DOI:10.3319/TAO.2015.12.10.01(A)
Shi Z, Tan Y B, Tang H Q, et al. 2015. Aerosol effect on the land-ocean contrast in thunderstorm electrification and lightning frequency[J]. Atmospheric Research, 164: 131–141.
Sun A P, Chun H Y, Baik J J, et al. 2002. Influence of electrification on microphysical and dynamical processes in a numerically simulated thunderstorm[J]. Journal of Applied Meteorology, 41: 1112–1127. DOI:10.1175/1520-0450(2002)041<1112:IOEOMA>2.0.CO;2
Steiger S M, Orville R E. 2003. Cloud-to-ground lightning enhancement over Southern Louisiana[J]. Geophysical Research Letters, 30(19): 379–394.
Takahashi T. 1978. Riming electrification as a charge generation mechanism in thunderstorms[J]. Journal of the Atmospheric Sciences, 35: 1536–1548. DOI:10.1175/1520-0469(1978)035<1536:REAACG>2.0.CO;2
Tan YB, Tao S C. 2006. Numerical simulations of the bi-level and branched structure of intracloud lightning flashes[J]. Science in China, 49(6): 661–672. DOI:10.1007/s11430-006-0661-5
Tan Y B, Tao S, Liang Z, et al. 2014. Numerical Study on Relationship between Lightning Types and Distribution of Space Charge and Electric Potential[J]. Journal of Geophysica Research, 119(2): 1003–1014.
Teller A, Levin Z. 2006. The effects of aerosols on precipitation and dimensions of subtropical clouds:asensitivity study using a numerical cloud model[J]. Atmospheric Chemistry and Physics, 6: 67–80. DOI:10.5194/acp-6-67-2006
Thompson G P, Field R, Rasmussen R M, et al. 2008. Explicit forecasts of winter precipitation using an improved bulk microphysics scheme.Part Ⅱ:Implementation of a new snow parameterization[J]. Monthly Weather Review, 136(12): 5095–5115. DOI:10.1175/2008MWR2387.1
Wang Y, Wan Q, Meng W, et al. 2011. Long-term impacts of aerosols on precipitation and lightning over the Pearl River Delta megacity area in China[J]. Atmospheric Chemistry and Physics, 11(23): 12421–12436. DOI:10.5194/acp-11-12421-2011
Westcott N E. 1995. Summertime cloud-to-ground lightning activity around major mid-western urban areas[J]. Journal ofApplied Meteorology, 34: 1633–1642.
Williams E, Zhang R, Rydock J. 1991. Mixed phase microphysics and cloud electrification[J]. Journal of the Atmospheric Sciences, 48: 2195–2203. DOI:10.1175/1520-0469(1991)048<2195:MPMACE>2.0.CO;2
Williams E, Stanfill S. 2002. The physical origin of the land-ocean contrast in lightning activity[J]. Comptes Rendus Physique, 3(10): 1277–1292. DOI:10.1016/S1631-0705(02)01407-X
Zhao P G, Yin Y, Xiao H. 2015. The effects of aerosol on development of thunderstorm electrification:A numerical study[J]. Atmospheric Research, 153: 376–391. DOI:10.1016/j.atmosres.2014.09.011
Ziegler C L, Macgorman D R, Dye J E, et al. 1991. A model evaluation of non-inductive graupel-ice charging in the early electrification of a mountain thunderstorm[J]. Journal of Geophysical Research, 96(961): 12833–12855.
陈丽, 银燕. 2009. 沙尘气溶胶对大气冰相过程发展的敏感性试验[J]. 气象科学, 29(02): 2208–2213.
葛正谟, 周春科. 1986. 兰州市大气冰核的观测[J]. 高原气象, 5(2): 167–171.
洪延超. 1998. 三维冰雹云催化数值模式[J]. 气象学报, 56(6): 641–653. DOI:10.3321/j.issn:0577-6619.1998.06.001
胡志晋, 何观芳. 1987. 积雨云微物理过程的数值模拟(一)微物理模式[J]. 气象学报, 45(4): 467–484.
孔凡铀, 黄美元, 徐华英. 1991. 冰相过程在积云发展中的作用的三维数值模拟研究[J]. 中国科学(B辑), 35(7): 1000–1008.
李丽光, 周德平. 2011. 大气冰核研究进展[J]. 高原气象, 30(6): 1716–1721.
马明, 2004.雷电与气候变化相互关系的一些研究[D].合肥: 中国科学技术大学.
牛生杰, 安夏兰, 陈跃, 等. 2000. 贺兰山地区大气冰核浓度的测量及初步分析[J]. 南京气象学院学报, 23(2): 294–298. DOI:10.3969/j.issn.1674-7097.2000.02.021
彭艳, 王钊, 董妍, 等. 2016. 1960-2012年陕西降水变化特征及可能成因分析[J]. 高原气象, 35(4): 1050–1059. DOI:10.7522/j.issn.1000-0534.2015.00023
石爱丽, 郑国光, 游来光, 等. 2006. 2003年秋季青海省河南县地面大气冰核观测分析[J]. 应用气象学报, 17(2): 245–249. DOI:10.3969/j.issn.1001-7313.2006.02.016
宿兴涛, 许丽人, 魏强, 等. 2016. 东亚地区沙尘气溶胶对降水的影响研究[J]. 高原气象, 35(1): 211–219. DOI:10.7522/j.issn.1000-0534.2014.00091
谭涌波, 陶善昌, 祝宝友, 等. 2006a. 雷暴云内闪电双层、分支结构的数值模拟[J]. 中国科学(D辑), 36(5): 486–496.
谭涌波, 2006a.闪电放电与雷暴云电荷、电位分布相互关系的数值模拟[D].合肥: 中国科技大学.
谭涌波, 陶善昌, 祝宝友, 等. 2006b. 雷暴云内闪电双层、分支结构的数值模拟[J]. 中国科学(地球科学), 36(5): 486–496.
谭涌波, 陶善昌, 祝宝友. 2007. 云闪放电对云内电荷和电位分布影响的数值模拟[J]. 地球物理学报, 50(4): 1053–1065. DOI:10.3321/j.issn:0001-5733.2007.04.012
谭涌波, 师正, 王宁宁, 等. 2012. 随机性与电环境特征对地闪击地点影响的数值模拟[J]. 地球物理学报, 55(11): 3534–3541. DOI:10.6038/j.issn.0001-5733.2012.11.003
谭涌波, 杨忆, 师正, 等. 2015. 冰晶核化对雷暴云微物理过程和起电影响的数值模拟研究[J]. 大气科学, 39(2): 289–302.
王谦, 胡志晋. 1990. 三维弹性大气模式和实测强风暴的模拟[J]. 气象学报, 48(1): 91–101.
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.
杨磊, 银燕, 杨绍忠, 等. 2013. 南京地区大气冰核浓度的测量及分析[J]. 大气科学, 37(3): 579–594.
杨玉华, 陈葆德, 王斌, 等. 2015. 背景场云凝结核浓度对理想热带气旋强度的影响[J]. 高原气象, 34(5): 1379–1390. DOI:10.7522/j.issn.1000-0534.2014.00095
游来光, 石安英. 1964. 北京地1963年春季冰核浓度变化特点的观测分析[J]. 气象学报, 53(1): 548–554.
游来光, 杨绍忠, 王祥国, 等. 2002. 1995和1996年春季北京地区大气冰核浓度的观测与研究[J]. 气象学报, 60(1): 101–109. DOI:10.3321/j.issn:0577-6619.2002.01.012
于达维, 何观芳, 周勇, 等. 2001. 三维对流云催化模式及其外场试用[J]. 应用气象学报, 12(增刊): 122–132.
Numerical Simulation of the Impact of Ice Nucleus Spectra on Microphysical Process and Electrification in Thunderstorms
WANG Mengyi , TAN Yongbo , SHI Zheng , LIU Jun , YU Mengying , ZHENG Tianxue     
Key Laboratory of Meteorological Disaster, Ministry of Education(KLME)/Joint International Research Laboratory of Climate and Environment Change(ILCEC)/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters(CIC-FEMD)/Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science & Technology, Nanjing 210044, Jiangsu, China
Abstract: In this paper, we discuss the effect of three different ice nucleus spectral environments on the microphysical, electrification, and charge structure of thunderstorm clouds, using the existing two-dimensional(2-D) cumulus model. Simulation results show that:(1) Different ice nucleus spectral environments have a great influence on the content and distribution of ice-phase particlesin thunderstorm clouds. The larger the vertical temperature zone of the ice nucleusspectral, the wider the distribution of the ice phase particles produced. In the case of a large concentration of ice nucleus, the content of ice crystals and graupel particles is high, more small ice crystals appear in the zone of higher elevations; (2) The number of ice nucleus in high-temperature region has a significant affects the updrafts velocity. More ice nucleus in the high-temperature region leads to more latent heat released by the ice phase particles during the development of the microphysical process, resulting in intensive updrafts and vigorous convection development; (3) In the case of ice nucleusspectral environment with high ice crystal concentration in the low-temperature region, The non-inductive electric rate and inductive electric rate are high in thunderstorm clouds, resulting in increased charge. In the spectral environment with high ice nucleus in high temperature regions, a large number of ice crystals and graupel gain positive charge to form a sub-positive charge zone, and the charge structure exhibits tripolarity; while in a high-temperature zone, the spectrum environment with less ice nuclei and less hydrometeors particles participate in electrification, Dipolar charge structures are easily formed.
Key words: Ice crystals    ice nucleus spectrum    charge structure    numerical simulation