云凝结核浓度对北京一次降水过程影响的数值模拟

利用WRF v3.6.1模式,采用Thompson云微物理参数化方案对北京奥运会期间的一次降水过程进行了模拟,通过3组数值试验对比分析了高、中、低云凝结核浓度对降水的影响。数值试验结果显示:(1)在云凝结核浓度较低的情况下,云凝结核浓度增加使24 h累积降水量增加,且增加的幅度相对较低;在云凝结浓度较高的情况下,云凝结核浓度增加使24 h累积降水量减少,且减少的幅度相对较高。(2)从地面雨强分布来看,不同的云凝结核浓度对暴雨、大雨、中雨、小雨的影响均体现在降水强度上,对降水位相的影响不显著。(3)云凝结核浓度的变化对低云量的影响与其对降水的影响相一致,故低云量是影响降水的一个重要因素。

云凝结核对南京及周边地区夏季暴雨影响的数值模拟

利用WRF3.8.1模式,采用Thompson云微物理参数化方案,对南京2014年6月初的一次暴雨过程进行模拟;设置多组数值试验,从中选取清洁和严重污染两组试验,对比分析低、高云凝结核浓度对此次降水的影响。结果表明:1)Thompson方案对此次降水过程具有一定的再现能力,但对24 h累积降水量的模拟整体偏低,且随云凝结核浓度的上升,累积降水量增加。较高的云凝结核浓度有利于强降水中心强度增强、降水范围扩大,而对较弱降水中心则有相反的影响。2)云凝结核浓度的增加将抑制云滴向雨滴的转化,使更多云滴被输送到对流层中层,对流层低层的暖云过程被抑制。3)云凝结核浓度的增加使对流层中层的过冷云水增加,促进过冷云水向霰的转化,也促进雪的淞附过程,这有利于冷云过程的发展。4)云凝结核浓度的增加对暖云过程具有负反馈作用,对冷云过程具有正反馈作用。

有机气溶胶对中国境内云凝结核数量的贡献研究

根据κ-Khler理论,利用2006年中国境内气溶胶浓度的数值模拟结果,计算总体气溶胶活化为云凝结核的数浓度,并评估有机气溶胶对云凝结核数量的贡献。中国境内云凝结核数浓度总体呈东部高西部低的分布,这与东部受到更多人为源排放影响、气溶胶浓度高有关。假设气溶胶各类化学组分彼此外混合,则各季节云凝结核数浓度为0.9×10^3~1.2×10^3 cm^-3,有机气溶胶对云凝结核数量贡献全年平均为30%。假设气溶胶中有机组分彼此内混合并与其他组分外混合,则各季节云凝结核数浓度为0.9×10^3~1.1×10^3 cm^-3,有机气溶胶对云凝结核数量的贡献全年平均28%。尽管有机气溶胶对云凝结核数量的年平均贡献相差不大,但夏季和冬季的贡献有较大差异,原因在于夏季有更多的二次有机气溶胶生成,而冬季更多的是一次有机气溶胶排放。因此,有机气溶胶是中国云凝结核的重要来源,并且有机气溶胶的混合状态对云凝结核数量有很大的影响。

CCN浓度对安徽一次强对流天气影响的数值模拟

应用WRF( Weather Research and Forecasting)模式,采用NSSL 初始CCN 数据( C = 600 cm^-3、k = 0. 6)及南京北郊观测拟合数据( C = 4 000 cm^-3、k = 0. 47)对安徽省一次强对流天气进行模拟。结果发现CCN 浓度( CASE2)增大后,所模拟的最大雷达反射率较初始情况( CASE1),在强度和云体宽度上更加接近实况,且CASE2 生成了更多强对流单体;CASE2 的降水落区较CASE1 更为接近实况,且中心雨强大于CASE1,这主要由CASE2 中第一个单体更强的降水导致,而两者第二个单体贡献值相近。在过程初期,CASE2 中云水、冰晶粒子数浓度比CASE1 更大,使得云水粒子冻结时释放出比CASE1 更多的热量,从而使得云体发展更为旺盛;两者单位质量中雪晶质量和数浓度相差不大;CASE2 比CASE1 霰雹粒子比含水量更高,从而在融化过程中形成了更强的冷云降水。

超大城市新粒子生成事件对云凝结核贡献分析

高浓度气溶胶在受人类活动影响的污染地区种类和组成非常复杂,因此,其环境和气候效应引起了广泛关注,但在超大城市背景下气溶胶粒子活化成为云凝结核的过程与边界层的相互作用尚不完全清楚.本研究基于北京(BJ)、上海(SH)、广州(GZ)的观测数据,选取3个城市的春季和冬季(北京冬季11月和广州冬季12月的连续观测,以及上海春季4月的加强观测)集成观测气溶胶数据和云凝结核同期观测的变化并结合其他污染物演化规律,对比分析了新粒子生成事件和环境变量演化对3个超大城市云凝结浓度形成的影响.结果表明,以用云凝结核(CCN)浓度与气溶胶(CN)数浓度的比值作为3个城市的活化率,北京CCN数浓度约为(500±200)#·cm^(-3),CN最大浓度小于(1.0×10^(4)±0.3×10^(4))#·cm^(-3),活化率约为0.07%.上海CCN数浓度为(1500±500)#·cm^(-3),CN最大浓度小于(98.0×10^(4)±0.3×10^(4))#·cm^(-3),最大活化率为0.05%.广州CCN数浓度为(150±30)#·cm^(-3),CN最大浓度为(24.0×10^(3)±0.3×10^(3))#·cm^(-3),最大活化率为0.03%.本文旨在阐明气溶胶物理化学性质(粒子谱、化学成分、排放源等的时空演变特征)在不同排放源和大气边界层条件的影响下,造成不同类型的排放和输送过程对气溶胶活化率的影响,对比发现新粒子生成(NPF)期间CCN数浓度明显高于非新粒子生成(Non-NPF)时期,证明NPF发生时对CCN的活化率(AR)有显著的提升,在过饱和度SS=0.1%下,北京达到峰值在4×10^(-3)附近,广州的最大值约为17×10^(-4),上海的最大值为3×10^(-3).且在NPF期间气溶胶活化率显著增加,3个超大城市在NPF和Non-NPF期间,CCN数浓度与活化率的关系在上海尤其明显,化学成分包括有机物、硝酸盐和硫酸盐等物质也会影响超大城市地区气溶胶粒子的活化率,对比发现3个城市在NPF期间CCN数浓度和活化率都明显区别于其他时段.发现气溶胶的物理和化学性质以及与活化率的直接关系,可用以评估新粒子生成对区域大气环境(如霾)的影响,并估计气溶胶贡献为CCN的间接气候影响.

The effects of giant cloud condensation nuclei on the structure of precipitation in hailstorm clouds

The Regional Atmospheric Modeling System (RAMS) has been used to investigate the effects of varied giant cloud condensation nuclei (GCCN) concentrations on precipitation characteristics of the spring hailstorms in a semi-arid region. The simulation result shows that this variation has significant effects on the storm microphysical processes as well as on the surface precipitation. The coverage of hail and hail mixing ratio maxima in cloud increases with greater GCCN concentrations. The accumulation zone structure benefits the growth of hail particles. Higher GCCN concentrations lead to more supercooled rain water and cloud water available for freezing. This simulation also shows that increasing GCCN concentrations may produce more rainfall on the surface but less hail precipitation, and the total accumulated precipitation increases while the ice phase precipitation decreases. This effect is stronger in polluted air than in clean air. The surface flow field changes with different GCCN concentrations. The identification index of spring hailstorm is different from that of summer hailstorm with a different aerosol background.