2020, Vol. 36
2. 珠海市公共气象服务中心，广东 珠海 519000;
3. 中山大学大气科学学院/广东省气候变化与自然灾害研究重点实验室，广东 广州 510275;
4. 南方海洋科学与工程广东省实验室（珠海），广东 珠海 519080
2. Zhuhai Public Meteorological Service Center, Zhuhai 519000, China;
3. School of Atmospheric Sciences, Key Laboratory of Climate Change and Natural Disaster Research, Sun Yat-Sen University, Guangzhou 510275, China;
4. Southern Marine Science and Engineering Guangdong Laboratory (zhuhai), Zhuhai 519080, China
云是地球-大气-水循环和辐射平衡过程中的关键环节，其宏微观物理结构对降水形成发展有重要作用；云中水成物之间相变过程与天气现象密切相关；水成物下降会形成拖曳作用，直接影响上升气流；云中相变过程释放或吸收潜热直接影响大气垂直结构[1]。在数值模式中，云微物理参数化方案根据云的相态分为暖云方案和混合相云方案；暖云方案只包含云水和雨水两类水成物，通常只考虑云滴凝结、云雨自动转化、云滴同雨滴碰并、云凝结蒸发和重力沉降等物理过程；混合相云方案包括了云水、雨水、冰晶、雪、霰、雹等水成物粒子，细致地考虑了冰相粒子的凝华、冻结、融化和互相碰并等过程[2]。相关研究表明[3-6]强降水过程的模拟对云微物理参数化较敏感，合理地描述云微物理过程能较大程度提高降水模拟的准确性。
McCumber等[7]研究指出，合理地模拟云中的微物理过程至少需要包含4类冰相粒子；尹金方等[2]研究指出，包含霰粒子的微物理方案主要适用于热带地区降水。前人通过观测试验和数值模式对降水、台风等过程的云微物理特征研究结果表明，霰是影响降水和对流系统的重要水成物。杨忠林[8]使用双偏振雷达对江淮梅雨期对流降水研究表明0 ℃层以上对流云中以霰粒子为主；陈羿辰等[9]利用偏振雷达研究发现当降水云中识别出霰粒子时，其附近大部分区域会有较好的增雨潜力；范烨等[10]分析北京及周边地区锋面云系机载云粒子测量资料，表明暖锋云系中以霰粒、结淞粒子和冰雪晶聚合体为主。肖辉等[11]研究表明在形成雨水的冷相过程中，霰的融化及其在0 ℃下碰并云水形成雨水的过程是主要的。Cui等[12]和Huang等[13]研究表明霰融化是雨水的一个主要源项。张雅斌等[14]对西安两次暴雨过程研究表明暴雨云团内部霰粒子含量最大。Li等[15]研究表明霰被雨水收集和霰的融化是台风内核的主要微物理过程转化项。刘继晨等[16]研究表明冰粒子减少、云体消耗以及霰粒子转化，是台风登陆后降水维持和增幅的直接原因。花丛等[17]研究表明霰粒子在维持台风地面降水和螺旋雨带强度方面的作用明显。在数值模式中，传统的微物理方案使用体积密度及其对应的下落末速度描述霰粒子性质；例如WDM6方案中霰粒子为中等密度（ρG=500 kg / m3），且根据Locatelli等[18]观测结果和Schoenberg[19]研究结果建立的经验公式计算其下落末速度。霰粒子是影响降水和对流系统的重要水成物，因此在数值模式中改变霰粒子的特征描述会对降水模拟及其云微物理特征造成怎样的影响，是值得探讨的问题。
降水特征及其云微物理过程受季节、区域和天气系统的影响。海南处于我国最南端、热带北缘，其特殊的地理位置决定了其降水过程和成因的特殊性。海南降水主要发生在5—10月[20]，降水季节峰值在秋季[21]；9月中旬后，华南至南海北部地区处于冬夏季风交替时期，天气尺度冷暖系统交汇激烈，高低空天气系统的有利配置导致区域性强降水频发；其中南海北部低空风场的走向和风速差异，及南亚高压位置变化造成10月上半月内降水出现急剧变化[22]。2008年10月海南发生了持续性强降水，已有结果表明该持续性强降水是热带低压移动缓慢、弱冷空气底层入侵和热带低压三者相互作用的结果[23-25]，MCS是重要的触发机制[26]。本文将使用WRF模式对2008年10月持续性强降水过程进行月尺度模拟，研究其云微物理过程，并进一步探索不同密度霰对该过程降水模拟和云微物理特征的影响。
2 资料、验证方法和降水特征简介 2.1 资料（1）2008年9—11月海南省国家地面气象观测站（图 1）日降水资料，将秋季连续区域平均（18站平均）日降水大雨或以上量级（日降水量≥25 mm），且最大区域平均日降水暴雨或以上量级（日降水量≥50 mm）的时期定义为一个秋季强降水过程。（2）美国国家环境预报中心（NCEP）全球最终分析（Final Analysis）资料，空间分辨率1 °×1 °，时间分辨率6小时。
|
图 1 海南省国家地面观测站分布图（18站） |
通过计算降水偏差（Bias）和空间相关系数（r）对试验模拟降水进行时空分布检验。将模拟试验输出的降水资料使用反权重插值方法插值到海南18个站点上，得到各站点模拟降水Mi，Oi为海南18个站实况降水资料，M、O分别表示试验降水和实况降水平均值：
| $ {{\rm{ Bias }} = \frac{{\sum\limits_{i = 1}^n {{M_i}} }}{{\sum\limits_{i = 1}^n {{O_i}} }}} $ | (1) |
| $ {r = \frac{{\sum\nolimits_{i = 1}^n {\left( {{M_i} - \bar M} \right)} \left( {{O_i} - \bar O} \right)}}{{\sqrt {\sum\nolimits_{i = 1}^n {{{\left( {{M_i} - \bar M} \right)}^2}} } \sqrt {\sum\nolimits_{i = 1}^n {{{\left( {{O_i} - \bar O} \right)}^2}} } }}} $ | (2) |
海南2008年秋季强降水集中在10月中上旬（图 2），有两个强降水过程。第一个过程为10月3 —4日，过程平均日雨量60.5 mm；第二个过程为10月12—14日，过程平均日雨量113.8 mm，降水强度较第一个降水过程强。
|
图 2 2008年9—11月海南区域平均（18站平均）日降水（实况） 单位：mm；蓝色线为25 mm，红色线为50 mm。 |
本文选用WRFV3.7.1对2008年10月3—4日和10月12—14日两个强降水过程（以下将简称两个强降水过程）进行月尺度模拟。试验使用Mercator地图投影，三重网格嵌套（网格距：30 km、10 km、3.333 km；网格数：120×100、106×88、115×115）；网格中心在海南（112.9 °E、19.5 °N），模式顶为50 hPa，试验具体设置见表 1。初始场资料为9月25日00时—10月24日18时每6小时更新的NCEP全球最终资料，积分步长180秒。模拟时间段为9月25日00时—10月24日18时。
|
表 1 试验具体设置 |
在WDM6微物理方案中，霰密度是常数500 kg/m3；根据Straka等[27]和Gilmore等[28]对霰的分类方法，增加两个敏感性试验：取常数300 kg/m33为小密度霰试验（LDG）；700 kg/m3为大密度霰试验（HDG），对照试验即为中密度霰试验（CNTL）。
实况降水主要分布在海南东部和北部地区（图 3a），降水中心均超过900 mm，CNTL试验能较好地模拟出海南东部沿岸和北部两个强降水中心。将CNTL试验降水插值到18站点进行空间检验，空间相关系数为0.79，通过了0.01显著性检验；降水强度偏差Bias为0.61，CNTL试验能较好地模拟出累计降水空间分布特征，量级较实况略偏小。CNTL试验降水与实况降水时间序列相关系数为0.57，通过了0.02显著性检验，能较好地模拟出两个强降水过程的时间变化特征（图 4）。
|
图 3 2008年9月25日—10月24日海南累计降水量 a. OBS降水实况；b. CNTL模拟降水。单位：mm。 |
|
图 4 CNTL模拟降水和18个观测站平均雨量时间序列 相关系数为0.57, 通过了0.02显著性检验。 |
不同密度霰试验模拟的强降水落区偏差较小，降水强度差异较大（图 5，见下页）。与CNTL试验相比，LDG试验海南东部和北部两个降水中心强度减小，300~500 mm降水分布范围增大；HDG霰试验海南东部降水中心强度减小，北部降水中心北移且强度增大，300~500 mm降水分布范围减小，整体降水位置略偏西。
|
图 5 模拟试验30天累计降水分布 单位：mm。 |
WDM6方案中包括6种水成物，分别是水汽、云水、雨水、云冰、雪和霰。从海南区域（108.5~ 111.1 °E，18.1~20.2 °N，下同）平均水成物混合比的时间-高度分布（图 6）看出，9月25日—10月24日CNTL试验（图 6c、6d）各水成物有多个生消时期，其中两个强降水过程的各水成物含量较其他时期明显增多。云冰和雪分布在0 ℃层以上，400~300 hPa之间含量最多；云水分布在0 ℃层以下，集中在950~700 hPa之间；霰主要分布在700 hPa以上，大值中心分布在500 hPa附近。两个强降水过程相对比，第二个强降水过程的云冰和雪分布高度更高，500 hPa以下含量少；霰大值中心含量较多；低层雨水含量多。
|
图 6 模拟试验水成物混合比 单位：g/kg，a、b.LDG试验；b、c.CNTL试验；e、f.HDG试验；左图：云水（黑色实线）、云冰（填色）、雪（紫色虚线）；右图：雨水（黑色实线）、霰（填色）；红线：0 ℃线。 |
与CNTL试验相比，LDG试验（图 6a、6b）云冰和雪垂直分布范围减小、含量减少，大值中心在300~200 hPa之间，较CNTL试验高。低层云水增多，雨水增多。霰高层含量增多、0 ℃层以下减少；高层温度较低，根据郑国光等[36-37]实验研究表明温度越低霰碰并过冷水滴冻结的过程越快，碰撞到霰表面的过冷水还来不及散开就冻结，形成的冻结结构疏松，其密度较小，因此高层温度环境更有利于小密度霰形成，小密度霰在高层分布更多。HDG试验（图 6e、6f）云冰和雪较CNTL试验少，大值中心高度更高，集中在400~300 hPa之间；低层云水、雨水减少；霰高层含量减少、0 ℃层以下增多，由于温度越高过冷却水滴冻结进行越慢，所形成的结构密实，其密度较大[36-37]，且由于大密度霰下落速度更快，容易降落至低层，因此大密度霰高层含量减少、0 ℃层以下增多。总体而言，随着霰密度增大，强降水时期云水、雨水以及高层霰含量减少，0 ℃层以下霰含量增多；云冰和雪的含量CNTL试验最多、HDG试验次之、LDG试验最少。
表 2为WDM6方案中云微物理转化项及其含义。霰密度的改变会引起霰相关微物理过程的变化，从而改变其他水成物含量及其微物理过程，最终影响降水。
|
|
表 2 WDM6方案中云微物理转化项和含义 |
从图 7a看出强降水时期霰含量随着霰密度增大而减少。从图 7b~7e看出，随着霰密度增大，霰融化量减少，且在非强降水时期LDG试验霰融化量大于其他试验，因此LDG试验霰融化月累计量明显大于CNTL和HDG试验；雨水被霰收集量随霰密度增大而减小，其中LDG试验月累计雨水被霰收集量约CNTL试验的4倍，HDG试验霰融化月累计量接近为0；因LDG试验雨水被霰收集量较CNTL试验明显增多，与霰融化量增多相抵消，其月累计净转化量与CNTL试验差别不大；HDG试验霰融化量明显小于其他试验，净转化量最少。随着霰密度增大，雪被霰收集量减少，大密度霰与雪的密度相差较大，容易发生碰并收集，且雪垂直分布高度较低，大密度霰在低层含量较多能收集更多的雪，因此HDG试验雪被霰收集量最大；小密度霰下落横扫面积较小，且分布高度更高，收集雪的量较少。霰的凝华和升华量均随霰密度增大而减少；LDG试验小密度霰主要分布在0 ℃层以上且高空含量多，高空气温低有利于霰的凝华，水汽向霰净转化量大；CNTL试验霰主要分布在0 ℃层附近，霰的凝华和升华量相差较小，净转化量小；HDG试验0 ℃层以上霰含量少，且大密度霰下落速度快，在0 ℃层以上停留时间短，霰凝华、升华接近0。LDG试验霰在0 ℃层以下云水分布区域含量少，云水被霰收集量小；HDG试验霰虽然在低层分布较多，但其云水分布高度更低且含量少，云水被霰收集量也较少，因此云水被霰收集量LDG和HDG试验均小于CNTL试验。随着霰密度增大，云冰被霰收集量减少；这是由于云冰的分布高度较高，小密度霰在高空分布较多，更有利于霰对云冰的收集。
|
图 7 海南区域平均的垂直整层霰混合比（a，单位：g/kg）和霰主要转化项和净转化垂直积分（b~e，单位：mm; 蓝色：LDG试验；黑色：CNTL试验；红色：HDG试验。a < ->b指水成物a和b相互转化过程，其中qr：雨水，qg：霰，qs：雪，qv：水汽，qc：云水，qi：云冰） |
从图 8可以看出，与非强降水时期相比，两个强降水时期三个试验的霰、雪和水汽向雨水净转化量均有不同程度增多，其中霰向雨水净转化量最多、雪次之、水汽最少。LDG试验霰向雨水转化量在强降水时期较CNTL试验的少，非强降水时期较多，月累计转化量二者相差不大；小密度霰更容易转化为雨水，但转化强度不大；HDG试验，非强降水时期霰向雨水净转化量增长接近为0，强降水时期增多明显，月累计转化量小于CNTL和LDG试验，大密度霰在强降水过程中贡献较大。三个试验云水向雨水净转化量月内增长趋势较一致，强降水时期净转化量无明显增多，月累计转化量CNTL试验较其他两个试验略多。雪向雨水净转化量CNTL试验最多、HDG试验次之、LDG试验最少，与三个试验雪含量大小相对应。LDG试验水汽向雨水净转化量最多，在强降水时期增加明显，但与其他水成物相比，水汽量级较小，对雨水生成影响小。
|
图 8 海南区域平均雨水各水成物净转化量（单位：mm） a->b指水成物a转化成b的净转化量；qr：雨水；qg：霰；qs：雪；qv：水汽。 |
选取最强降水日10月12日D03区域各格点的日降水，根据《降水量等级》(GB/T 28592—2012)规定，将日降水量分为以下等级：小雨-中雨（小于25 mm）、大雨-暴雨（25~100 mm）、大暴雨（100~ 250 mm）和特大暴雨（大于250 mm），分别讨论霰密度对不同强度降水云微物理特征的影响。
根据以下公式计算单位格点降水率，并分别计算不同强度降水的网格百分比（PGN）、格点平均降水量（MP）和降水贡献率。其中j表示不同降水强度，Mi为各格点模拟降水量，Gj为不同强度降水区域的总网格数，Mall为整个区域的累计降水量，Gall为整个区域的总网格数。
| $ {\rm{单位格点降水率 = }}\frac{{{M_{{\rm{all }}}}}}{{{G_{{\rm{all }}}}}} $ | (3) |
| $ {\rm{网格百分比PG}}{{\rm{N}}_j} = \frac{{{G_j}}}{{{G_{{\rm{all}}}}}} \times 100\% $ | (4) |
| $ {\rm{格点平均降水量M}}{{\rm{P}}_j} = \frac{{\sum\limits_j {{M_i}} }}{{{G_j}}} $ | (5) |
| $ {\rm{降水贡献率 = }}\frac{{\sum\limits_j {{M_i}} }}{{{M_{{\rm{all }}}}}} \times 100\% $ | (6) |
结合图 9和表 3、4，不同密度霰对最强降水日的降水强度影响较大。CNTL试验暴雨及以下（日降雨量＜100 mm）和大暴雨及以上降水（日降雨量≥100 mm）网格百分比分别为92.5%、7.5%，格点平均降水量分别为12.03 mm、191.93 mm。与CNTL试验相比，LDG试验暴雨及以下降水网格百分比和格点平均降水量均增多，其中小雨-中雨降水网格百分比减少、格点平均降水量增多；大雨-暴雨降水网格百分比增多、格点平均降水量差别较小；大暴雨及以上降水网格百分比和格点平均降水量均减少，其中大暴雨降水网格百分比和格点平均降水量减小，且未能模拟出特大暴雨降水中心。HDG试验，暴雨及以下降水网格百分比减少、格点平均降水量增多，其中小雨-中雨降水的网格百分比减小，格点平均降水量增大，大雨-暴雨降水网格百分比和格点平均降水量增多；大暴雨及以上降水网格百分比增多、格点平均降水量减小，强降水中心移至海南东北部，其中大暴雨降水网格百分比和格点平均降水量增多，特大暴雨降水网格百分比增多、格点平均降水量减少。综上所述，随着霰密度增大，暴雨及以下降水网格百分比减小，降水范围缩小；大暴雨及以上降水网格百分比增多，强降水范围增大。
|
图 9 2008年10月12日模拟降水分布 单位：mm。 |
|
|
表 3 2008年10月12日不同强度降水的网格百分比（PGN） |
|
|
表 4 2008年10月12日不同强度降水格点平均降水量（MP，单位：mm） |
由表 5可见，CNTL试验单位格点降水率为25.59 mm，其中大暴雨降水贡献率最大（36.1%），暴雨及以下和大暴雨及以上降水贡献分别为43.5%、56.5%，大暴雨及以上降水贡献更大。LDG试验单位格点降水率为21.68 mm，较CNTL试验小；其中大雨-暴雨降水贡献率最大（70.9%），暴雨及以下和大暴雨及以上降水贡献分别为88.0%、12. 0%，以暴雨及以下降水贡献为主。HDG试验单位格点降水率为32.91 mm，较CNTL试验大，其中大暴雨降水的贡献率最大（46.1%），暴雨及以下和大暴雨及以上降水贡献分别为38.2%、61.8%，以大暴雨及以上降水贡献为主。综上所述，随着霰密度增大，单位格点降水率增大，大暴雨及以上降水的贡献增强。
|
|
表 5 2008年10月12日单位格点降水率（单位：mm）和不同强度降水贡献率 |
结合图 10和表 4看出，不同试验雨水和霰混合比明显大于其他水成物，且随降水强度增加而增加。在相同强度降水中，当格点平均降水量相差不大时，霰和雨水含量主要受霰密度影响，随霰密度增大而减小；当格点平均降水量相差较大时，格点平均降水量越大，霰和雨水含量越大。暴雨及以下降水中，LDG试验格点平均降水量最大且霰密度最小，其霰和雨水混合比最大；CNTL试验和HDG试验格点平均降水量相差较小，霰和雨水含量随霰密度增大而减小。大暴雨及以上降水中，LDG试验格点平均降水量较其他试验明显偏小，其霰和雨水含量最少；大暴雨降水，CNTL试验和HDG试验格点平均降水量相差较小，霰和雨水含量随霰密度增大而减小；特大暴雨中，CNTL试验格点平均降水量明显大于HDG试验，且霰和雨水含量随霰密度增大而减小，因此CNTL试验霰和雨水含量较HDG试验明显偏多。
|
图 10 不同强度降水各水成物格点平均混合比垂直总和（单位：g/kg） |
计算敏感试验不同强度降水各水成物主要微物理过程转化量（图 11），正值为对应水成物的源，负值为汇。结果表明，各主要微物理转化量随降水强度增大而增大，同种水成物转化过程相同。暴雨及以下降水中，LDG试验雨水主要来源为霰的融化；随着霰密度增大，雪的融化量增多，雪对降水贡献增大。大暴雨及以上降水中，霰的融化仍为三个试验的雨水主要来源，雪的融化和云水被雨水收集量增多，雪和云水对降水贡献增大。随着降水强度增大，LDG试验中霰收集雨水量增多，霰对雨水的消耗量增多，因此霰向雨水净转化量减少，霰对雨水贡献减小。随着霰密度增大，大密度霰下落速度更快，下落过程中霰与雨水相互碰撞接触时间减少，霰收集雨水量减小，对雨水的消耗量减小，霰对降水贡献增大。
|
图 11 不同强度降水格点平均主要微物理过程转化量 单位：mm。 |
本文使用WRF模式并基于WDM6方案研究了不同密度霰对海南2008年秋季持续强降水过程模拟的影响。
（1）CNTL试验能较好地模拟出月累计降水空间分布和时间变化特征，量级较实况略偏小。不同密度霰试验模拟的强降水落区偏差较小，降水强度差异较大；小密度霰试验海南东部和北部两个降水中心强度减小；大密度霰试验东部降水中心强度减小，北部降水中心北移且强度增大。
（2）随着霰密度增大，强降水时期云水、雨水以及高层霰含量减少，0 ℃层以下霰含量增多。云冰和雪的含量CNTL试验最多、HDG试验次之、LDG试验最少。小密度霰含量增多，主要是由于小密度霰收集雨水量增大，霰向雨水转化消耗量减小，且小密度霰凝华量增大、收集云冰量增多。大密度霰收集雨水量减少，霰向雨水转化消耗量增大；虽然大密度霰收集雪量增多，但由于大密度霰凝结量少且收集云冰量减少，因此大密度霰净生成量减少、霰含量减少。强降水时期雨水主要来自霰和雪向雨水的转化；随着霰密度增大，霰向雨水转化量增多，而雪向雨水转化量CNTL试验最多、HDG试验次之、LDG试验最少。
（3）随着霰密度增大，暴雨及以下降水范围减小，大暴雨及以上降水范围增大；单位格点降水率增大，其中大暴雨及以上降水贡献率增大。随着降水强度增强，各水成物含量增多，各水成物转化为雨水量增多，其中霰的融化为雨水的主要来源，对降水贡献最大；雪的融化量增多，对降水贡献增大；小密度霰收集雨水量增多，霰向雨水净转化量减少，对降水贡献减小；大密度霰融化量明显增多，霰收集雨水量增幅较小，霰向雨水净转化量增大，对降水贡献增大。
| [1] |
楼小凤, 胡志晋, 王鹏云, 等. 中尺度模式云降水物理方案介绍[J]. 应用气象学报, 2003, 14(S1): 49-59. |
| [2] |
尹金方, 王东海, 翟国庆. 区域中尺度模式云微物理参数化方案特征及其在中国的适用性[J]. 地球科学进展, 2014, 29(2): 238-249. |
| [3] |
牛俊丽, 闫之辉. WRF模式微物理方案对强降水预报的影响[J]. 科技信息(科学教研), 2007(23): 21-24. |
| [4] |
李安泰, 何宏让. WRF模式中不同云微物理参数化方案对舟曲"8.8"暴雨过程模拟的影响[C]//第28届中国气象学会年会——S3天气预报灾害天气研究与预报, 2011.
|
| [5] |
陈功, 廖捷, 孙凌. WRF微物理方案对四川一次强降水模拟的影响[C]//第28届中国气象学会年会——S3天气预报灾害天气研究与预报, 2011.
|
| [6] |
马严枝, 陆昌根, 高守亭. 8.19华北暴雨模拟中微物理方案的对比试验[J]. 大气科学, 2012, 36(4): 181-196. |
| [7] |
Mccumber M. Comparison of ice-phase microphysical parameterization schemes using numerical simulations of tropical convection[J]. J Appl Meteor, 1991, 30(7): 124-128. |
| [8] |
杨忠林.江淮梅雨期对流降水微物理特征的双偏振雷达观测研究[D].南京: 南京大学, 2016.
|
| [9] |
陈羿辰, 何晖. 基于偏振雷达的积层混合云降水增雨潜力识别方法研究[J]. 大气科学, 2017, 41(03): 161-175. |
| [10] |
范烨, 郭学良, 张佃国. 北京及周边地区2004年8、9月层积云结构及谱分析飞机探测研究[J]. 大气科学, 2010, 34(6): 1 187-1 200. |
| [11] |
肖辉, 王孝波, 周非非, 等. 强降水云物理过程的三维数值模拟研究[J]. 大气科学, 2004, 28(3): 385-404. DOI:10.3878/j.issn.1006-9895.2004.03.06 |
| [12] |
CUI X, WANG Y, Yu H. Microphysical differences with rainfall intensity in severe tropical storm Bilis[J]. Atmos Sci Lett, 2014, 16(1): 27-31. |
| [13] |
HUANG Y J, CUI X P, WANG Y P. Cloud microphysical differences with precipitation intensity in a torrential rainfall event in Sichuan, China[J]. Atmos Oceanic Sci Lett, 2016, 9(2): 90-98. DOI:10.1080/16742834.2016.1139436 |
| [14] |
张雅斌, 罗慧, 赵荣, 等. 西安致灾短时暴雨中尺度与动力指数特征[J]. 热带气象学报, 2019, 35(5): 614-628. |
| [15] |
LI J N, WANG G, Lin W S, et al. Cloud-scale simulation study of Typhoon Hagupit (2008) Part I: Microphysical processes of the inner core and three-dimensional structure of the latent heat budget[J]. Atmos Res, 2013(120): 170-180. |
| [16] |
刘继晨, 钟玮, 刘爽, 等. 登陆台风内降水效率变化对降水增幅影响的分析[J]. 热带气象学报, 2016, 32(2): 193-206. |
| [17] |
花丛, 刘奇俊. 云微物理过程影响登陆台风结构及降水的数值试验[J]. 热带气象学报, 2013, 29(6): 924-934. |
| [18] |
LOCATELLI J D, HOBBS P V. Fall speeds and masses of solid precipitation particles[J]. J Geophysi Res Atmos, 1974, 79(79): 2 185-2 197. |
| [19] |
SCHOENBERG F B. A double-moment multiple-phase four-class bulk ice scheme Part I: Description[J]. J Atmos Sci, 2010, 51(2): 249-280. |
| [20] |
王胜, 吴坤悌, 陈明. 1961年以来海南岛降水变化趋势分析[J]. 广西气象, 2006, 27(1): 24-27. DOI:10.3969/j.issn.1673-8411.2006.01.008 |
| [21] |
肖潺, 原韦华, 李建, 等. 南海秋雨气候特征分析[J]. 气候与环境研究, 2013, 18(6): 693-700. |
| [22] |
冯文, 周玲丽, 肖潺, 等. 海南岛秋汛期降水的时空分布特点及其环流特征分析[J]. 热带气象学报, 2016, 32(4): 533-545. |
| [23] |
蔡夏影, 吴坤悌, 杜建华, 等. 0810海南特大暴雨的云结构及成因分析[J]. 气象研究与应用, 2010, 32: 18-21. |
| [24] |
刘丽君, 赵付竹, 林建兴. 海南岛"0810"特大暴雨物理量诊断及多普勒特征分析[J]. 气象研究与应用, 2010, 31: 53-56. |
| [25] |
王小坚, 吴坤悌. 海南"0810"特大暴雨特征分析[J]. 气象研究与应用, 2011, 32: 41-44. DOI:10.3969/j.issn.1673-8411.2011.04.012 |
| [26] |
马学款, 符娇兰, 曹殿斌. 海南2008年秋季持续性暴雨过程的物理机制分析[J]. 气象, 2012, 38(7): 795-803. |
| [27] |
STRAKA J M, MANSELL E R. A bulk microphysics parameterization with multiple ice precipitation categories[J]. J Appl Meteor, 2005, 44(4): 445-466. DOI:10.1175/JAM2211.1 |
| [28] |
GILMORE M S, STRAKA J M, RASMUSSEN E N. Precipitation and evolution sensitivity in simulated deep convective storms: Comparisons between liquid-only and simple ice and liquid phase microphysics[J]. Mon Wea Rev, 2004, 132(8): 1 897-1 916. DOI:10.1175/1520-0493(2004)132<1897:PAESIS>2.0.CO;2 |
| [29] |
TEWARI M, CHEN F, WANG W, et al, Implementation and verification of the unified NOAH land surface model in the WRF model[C]. 20th conference on weather analysis and forecasting/16th conference on numerical weather prediction, pp. 2004: 11-15.
|
| [30] |
HONG S Y, YIGN N, JIMY D. A new vertical diffusion package with an explicit treatment of entrainment processes[J]. Mon Wea Rev, 2006, 134: 2 318-2 341. DOI:10.1175/MWR3199.1 |
| [31] |
MONIN A S, OBUKHOV A M. Basic laws of turbulent mixing in the surface layer of the atmosphere[J]. Contrib Geophys Inst Acad Sci USSR, 1954, 151: 163-187. |
| [32] |
MLAWER E J, TAUBMAN S J, BROWN P D, et al. Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the longwave[J]. J Geophys Res, 1997, 102: 16 663-16 682. DOI:10.1029/97JD00237 |
| [33] |
DUDHIA J. Numerical study of convection observed during the Winter Monsoon Experiment using a mesoscale two-dimensional model[J]. J. Atmos Sci, 1989, 46: 3 077-3 107. DOI:10.1175/1520-0469(1989)046<3077:NSOCOD>2.0.CO;2 |
| [34] |
GRELL G A, DEVENYI D. A generalized approach to parameterizing convection combining ensemble and data assimilation techniques[J]. Geophys Res Lett, 2002, 29(14): 1693. DOI:10.1029/2002GL015311 |
| [35] |
LIM KS, HONG S Y. Development of an effective double-moment cloud microphysics scheme with prognostic cloud condensation nuclei (CCN) for weather and climate models[J]. Mon Wea Rev, 2010, 138: 1587-1612. DOI:10.1175/2009MWR2968.1 |
| [36] |
郑国光, STEWART G C. 霰生长的实验研究(一)[J]. 沙漠与绿洲气象, 1990(10): 8-11. |
| [37] |
郑国光, STEWART G C. 霰生长的实验研究(二)[J]. 沙漠与绿洲气象, 1990(11): 6-9. |