云降水和人工影響天氣催化數(shù)值模式的發(fā)展及應(yīng)用

樓小鳳 師宇 李集明

（中國氣象科學(xué)研究院，中國氣象局云霧物理開放實驗室，北京 100081）

云降水和人工影響天氣催化數(shù)值模式的發(fā)展及應(yīng)用

樓小鳳 師宇 李集明

（中國氣象科學(xué)研究院，中國氣象局云霧物理開放實驗室，北京 100081）

對云降水和人工影響天氣催化數(shù)值模式的發(fā)展和應(yīng)用進(jìn)行了概述。云降水模式包括總體水模式和分檔模式。催化模式分為成冰劑、吸濕性催化劑和致冷劑催化模式。部分云模式和催化模式與中尺度天氣模式實現(xiàn)了耦合。云降水模式在人工影響天氣中得到了廣泛應(yīng)用，并在人工影響天氣外場業(yè)務(wù)作業(yè)中發(fā)揮了重要作用。

云降水模式，人工影響天氣催化模式，發(fā)展和應(yīng)用

0　引言

現(xiàn)代人工影響天氣始于1946年，云模式于1959年開始出現(xiàn)，但早期的云模式中沒有凝結(jié)過程，僅僅是一個暖的熱氣團(tuán)[1]。隨后云模式的發(fā)展經(jīng)歷了0維、一維、二維、三維和時間定常及時間非定常的演變過程[2]。目前已經(jīng)發(fā)展出了詳細(xì)雙參數(shù)總體水模式及分檔模式。云數(shù)值模式已經(jīng)在人工影響天氣研究以及人工影響天氣理論、播撒技術(shù)等方面得到了廣泛應(yīng)用[3-5]。利用數(shù)值模式在靜力催化、增雨和防雹的正相關(guān)催化效果、微物理過程和動力過程的相互作用、催化時間窗口、催化效果和過量催化概念等方面都取得了非常重要的理論發(fā)展[6]。

云降水?dāng)?shù)值模式是人工影響天氣研究中的一個關(guān)鍵組成部分。模式能夠在相同的云況下比較播云與否的異同，進(jìn)而明確播云的效果，也可用這些程序來重建過去播云試驗條件，計算其應(yīng)有的播云效果。這些程序也可用來模擬播云物質(zhì)的擴(kuò)散路徑，提供外場試驗和作業(yè)所需的實時預(yù)報，在作業(yè)區(qū)外檢驗播云后的潛在效應(yīng)，也有助于進(jìn)行人工影響天氣試驗的統(tǒng)計分析。隨著計算能力的提高，具有詳細(xì)云物理過程和資料同化功能的數(shù)值模式已經(jīng)應(yīng)用于人工影響天氣業(yè)務(wù)。隨著云降水微物理過程認(rèn)識的不斷深入，可以降低人工影響天氣工作的很多不確定性，提升業(yè)務(wù)能力和科技水平[7]。

我國近幾年在人工影響天氣和云降水?dāng)?shù)值模式方面做了大量研究，也有多篇相關(guān)的綜述性論文發(fā)表[8-11]。本文將著眼于云降水和催化數(shù)值模式，介紹這些模式在人工增雨、人工防雹、人工消減雨和人工消霧等方面的研究，并介紹模式在人工影響天氣外場試驗和作業(yè)中的應(yīng)用。

1　云降水?dāng)?shù)值模式

云降水模式是將云的動力學(xué)方程和微物理方程，結(jié)合觀測和實驗結(jié)果聯(lián)合求解，模擬云降水的發(fā)展演變過程。根據(jù)云降水模式的動力框架，可歸納為一維模式（包括一維定常模式和時變模式）、二維軸對稱時變模式和平面對稱時變模式、三維時變模式[2]。模式發(fā)展經(jīng)歷了從簡單到復(fù)雜，從一維到三維的過程，其中計算能力的發(fā)展是一個重要原因。在云模式發(fā)展的初期，建立了多種一維云模式和二維云模式，直到1970年代以后隨著計算機(jī)性能的提高，三維云模式才得以建立。最早三維云模式是加拿大的Steiner[12]在1973年建立的淺對流無降水的三維云模式，僅考慮了一個方向上的風(fēng)切變。后來，深對流、滯彈性的三維模式得到了發(fā)展。1970年代后期，Klemp等[13]采用保留聲波的完全彈性原始方程三維模式，將聲波和其他慢波分離求解的分裂時步積分方案，提高了計算效率。Cotton等[14]也建立了這種動力結(jié)構(gòu)的完全彈性三維模式。1990年王謙等[15]、許煥斌等[16]和孔凡鈾等[17]也先后建立了三維模式。

云物理學(xué)中描述水凝物粒子群尺度譜演變特征的方法可分為總體水法和分檔法。分檔法按各類粒子的尺度或質(zhì)量大小進(jìn)行分檔，建立控制方程，模擬計算各檔粒子的生長演變過程，計算量非常大?？傮w水法只考慮它們的總體特征，建立各類云和降水粒子總體參量的控制方程。云模式發(fā)展的初期為單參數(shù)方案，僅模擬計算水成物的比質(zhì)量[1,18-19]。隨著計算能力的加強，發(fā)展出了對粒子比質(zhì)量和數(shù)濃度都模擬計算的雙參數(shù)方案[16,20-21]。Milbrandt等[22]在2005年首次成功地發(fā)展了三參數(shù)總體水模式，在水成物比質(zhì)量和數(shù)濃度的基礎(chǔ)上診斷水成物粒子分布譜的形狀參數(shù)。

云方案根據(jù)粒子相態(tài)，分為暖云方案和混合相云方案。暖云方案只考慮水滴即云水和雨水。混合相云方案將水凝物分為云水、雨水、冰晶、雪、霰和雹等。

下面簡略介紹微物理過程發(fā)展比較完善且目前在世界上廣泛使用的幾個非靜力平衡中小尺度云數(shù)值模式。

1）NASA的GCEM（Goddard Cumulus Ensemble Model）模式，采用雙參數(shù)混合相4種冰粒子總體水方案[23]。模式預(yù)報計算了冰晶、雪、霰和凍滴或雹的數(shù)濃度和比質(zhì)量，同時還計算了在濕降水冰粒子上的液態(tài)水的比質(zhì)量?；旌舷?種冰粒子方案較成功地模擬了中緯度颮線的回波、微物理結(jié)構(gòu)。后來在模式中耦合了分檔方案[24]。

2）RAMS（Regional Atmospheric Modeling System）模式，由美國Colorado州立大學(xué)研發(fā)的中尺度模式[25]。模式主要應(yīng)用于大渦湍流、暴雨、對流云、中尺度對流系統(tǒng)、中緯度卷云、冬季暴雨、機(jī)械和熱強迫中尺度系統(tǒng)和中尺度大氣擴(kuò)散等的數(shù)值模擬。模式中考慮了云凝結(jié)核（CCN、GCCN）和冰核（IN）對云和降水的影響[26]。

3）中國氣象科學(xué)研究院（CAMS）的層狀云模式和對流云模式。胡志晉等[20]在1986年發(fā)展了雙參數(shù)混合相層狀云模式，考慮云水比水量，雨、冰、雪比水量和比濃度。1987年胡志晉等[21]發(fā)展了雙參數(shù)混合相對流云模式，模式模擬計算云水比水量，雨、冰、霰和雹的比水量和比濃度。1990年王謙等[15]發(fā)展了三維云模式。1993年劉玉寶等[27]建立了雙向套網(wǎng)格、變網(wǎng)格距準(zhǔn)彈性中β-γ大氣模式。2002年在原方案的基礎(chǔ)上利用準(zhǔn)隱式格式的計算方法，發(fā)展了新CAMS云方案，對包括云水、雨水、冰晶、雪和霰等11個云物理量進(jìn)行計算[28-29]。2011年在CAMS云方案的基礎(chǔ)上發(fā)展了雙參數(shù)冰雹云微物理方案[30]。

4）中科院大氣所層狀云和對流云模式及其分檔模式。肖輝等[31]在粒子濃度和含鹽量的預(yù)報方程中加入云滴碰并過程，將水滴按大小進(jìn)行分檔?？追测櫟萚17]在1990年建立了完全彈性三維冷云模式。洪延超[32]建立了對云滴、雨、冰晶、雪和霰5種粒子比含水量和比濃度計算模式。郭學(xué)良等[33]建立了一維雨滴分檔模式，雨滴的直徑從100μm到6mm分成37檔。2001年，建立和發(fā)展了一個包括云滴、云冰、雨滴、雪團(tuán)、霰和雹的方案，將霰與冰雹按照指數(shù)分檔方法劃分為21檔（100μm～7cm）[34]。

5）總參大氣研究所許煥斌等[35]建立了二維冰雹云模式。云中粒子有云水、雨水、凍雨和冰雹。1990年，發(fā)展了三維冰雹云模式。隨后建立了三維粒子增長運行模式，比較完善地描述了粒子的增長及密度和落速的變化[16]。

6）以色列的二維面對稱非靜力分檔云模式模擬CCN、各種水成物的比濃度及比質(zhì)量的云動力學(xué)過程[36]。模式中考慮的水成物主要有水滴、冰晶、霰、雪花4種。各種水成物粒子均分為34檔，氣溶膠分為57檔。

2　人工影響天氣催化模式

人工影響天氣催化模式是在云降水模式的基礎(chǔ)上，通過添加不同的催化過程而形成的具有催化能力的模式，包括吸濕性催化劑催化模式、AgI類成冰劑催化模式和致冷劑催化模式。

2.1AgI類催化劑催化模式

黃燕等[37]在二維冰雹云模式中引入冰晶濃度和播撒物質(zhì)Agl 粒子的方程, 考慮了人工冰核凝華核化(包含凝結(jié)一凍結(jié)核化) 及與云、雨滴的接觸凍結(jié)核化。Meyers等[38]在1995年首次在RAMS模式中耦合了DeMott[39]在室內(nèi)實驗中AgI的凝華核化、接觸凍結(jié)核化和浸沒凍結(jié)核化四種核化機(jī)制的催化模塊。劉詩軍等[40]在層狀云模式中發(fā)展了包含AgI四種成核機(jī)制的成核過程模塊。

楊潔帆等[41]使用包含詳細(xì)微物理過程的一維層狀云全分檔模式，加入AgI 焰劑催化方案。Curic等[42]在ARPS模式中耦合了考慮凝華和接觸凍結(jié)核化的AgI催化模塊。劉衛(wèi)國等[43]也在ARPS模式中增加冰雹過程的基礎(chǔ)上耦合了AgI催化過程。李興宇等[44]在三維冰雹云催化模式中將人工引入冰晶單獨作為預(yù)報量處理，發(fā)現(xiàn)改進(jìn)后的模式催化效果優(yōu)于原模式。

方春剛等[45]在中尺度模式系統(tǒng)（WRF）的Thompson方案中添加了AgI預(yù)報方程，形成適合人工影響天氣的中尺度催化數(shù)值模式，并開展了催化模擬試驗。何暉等[46]在中尺度WRF 模式的Morrison 雙參數(shù)方案中引入了AgI 粒子與云相互作用的過程。Xue等[47-48]也將AgI模塊與WRF進(jìn)行了耦合，并模擬了地面燃燒爐的催化模擬試驗。

2.2吸濕性核催化模式

胡志晉等[19]在1979年發(fā)展了鹽粉催化暖雨模式，假定鹽粉進(jìn)云之后通過凝結(jié)碰并過程很快長大成雨滴。樓小鳳等[49]在此基礎(chǔ)上發(fā)展了混合云鹽粉催化模式。徐華英等[50]在1983年也發(fā)展了鹽粉催化的暖雨模式。

Yin等[36]發(fā)展的二維面對稱非靜力分檔云模式，可以模擬吸濕性核的催化過程。Segal等[51]利用2000檔一維氣塊譜模式，研究了外場作業(yè)使用的吸濕性焰劑的催化效果。

2.3致冷劑催化模式

致冷劑催化模式包括干冰（固態(tài)CO2）、液態(tài)CO2和液氮（LN）等。Kopp等[52]在二維對流云模式中發(fā)展了干冰催化過程。Fukuta[53]首次提出了在云中0℃層上方最大過冷水區(qū)直接進(jìn)行液態(tài)CO2水平播撒的方法。我國也開展了在模式中利用致冷劑進(jìn)行催化模擬試驗[54]，并在MM5模式的Reisner2 方案中引入了液氮與云相互作用的過程[55]。

3　云降水和催化模式在人工影響天氣中的應(yīng)用

云降水和催化模式在人工影響天氣中主要在云催化的“假設(shè)”、“可播性”的評估、外場試驗設(shè)計、業(yè)務(wù)決策、效果評估和催化效果的理解等方面發(fā)揮了作用[6,56]。云模式發(fā)展初期就被應(yīng)用于云催化假設(shè)的發(fā)展。云的播散進(jìn)行的動力激發(fā)首先在20世紀(jì)40年代進(jìn)行了觀測，后來Simpson等[57]正是主要利用一維、穩(wěn)態(tài)的云模式驗證了“動力催化”的假設(shè)，后來的學(xué)者們利用多維、時變的模式也不斷論述新的云催化假設(shè)，例如催化產(chǎn)生云滴譜拓寬等[52,58]，并進(jìn)行云催化潛力的評估[59]。

云降水模式與中尺度模式動力框架進(jìn)行了耦合，提高了模式對熱動力過程和云降水過程的模擬能力。這些中尺度模式包括WRF、中國自主研制的新一代數(shù)值預(yù)報模式GRAPES、MM5模式和HLAFS有限區(qū)域業(yè)務(wù)預(yù)報模式等。這些模式中包含了從簡單到復(fù)雜的系列總體水顯式云物理方案。2005年，分檔模式也被耦合到MM5中，分檔模式考慮了水滴、三類冰晶、雪團(tuán)、霰、冰雹及凍雨和CCN，共8類粒子，每類粒子分成33檔[60]。2010年，WRF模式中還耦合了氣溶膠分檔模式，該模式從液相到固相5類水成物分別分成36檔[61]。這些中尺度模式中也耦合了我國自主研發(fā)的云物理方案，形成了HLAFS-CAMS[62]、GRAPES-CAMS[29,63-64]、MM5-CAMS[28-29]和WRF-CAMS等模式[65]。

利用云降水模式和耦合了云降水模式的中尺度模式，可以預(yù)報云的發(fā)展、類型、降水量、雷達(dá)反射率回波，以及進(jìn)行催化云與自然云的不同模擬，在實際人工影響天氣業(yè)務(wù)作業(yè)之前預(yù)測催化效果，便于進(jìn)行業(yè)務(wù)決策。多年來科研人員也一直在利用人工影響天氣模式，在人工增雨、人工防雹、人工消減雨和人工消霧等催化方法開展了研究，并將部分研究成果應(yīng)用到外場科學(xué)試驗和業(yè)務(wù)作業(yè)中。

3.1人工增雨催化方法研究

我國典型層狀云系的“催化-供給”云可以根據(jù)過冷水含量、冰晶濃度和云的暖區(qū)含水量以及冰面飽和水汽來判斷人工增雨催化條件[66]。催化區(qū)域要選取過冷水含量高且冰晶含量低的區(qū)域[67]。在最大上升氣流區(qū)播撒的AgI能夠迅速到達(dá)過冷水區(qū)域，并且減少AgI的出流耗散[45]。地形云催化高度應(yīng)盡量選取過冷云水最多并且最缺乏冰晶粒子的層次，以達(dá)到較好的催化效果[68]。通過人工引晶催化和AgI催化試驗都發(fā)現(xiàn)在催化后前30min之內(nèi)，地面雨量輕微減小，隨后凈增雨量迅速增加[46,69]。催化后累積降雪中心雪量增加，周圍出現(xiàn)分散的減雪區(qū)[68]。

對流云增雨催化存在時間窗，最佳的催化時機(jī)應(yīng)該為對流云發(fā)展的早期[70]。人工播撒催化劑應(yīng)在冰核活化過程大量開始以前進(jìn)行, 以達(dá)到增加冰晶濃度, 消耗過冷云水, 從而增加降水的目的[71]?；鸺l(fā)射點相對于目標(biāo)云的位置及其對應(yīng)的發(fā)射仰角對增雨的效果影響很大[72]。在云的發(fā)展階段, 應(yīng)使火箭攜帶的AgI焰劑播撒段盡可能地橫跨云中最大過冷水含量區(qū), 而在云發(fā)展到成熟階段之后, 應(yīng)使火箭攜帶的AgI焰劑播撒段盡可能地橫跨云的上升氣流區(qū)。在云初始階段播撒增雨范圍較廣，在云發(fā)展階段播撒增雨范圍較集中。播撒冰晶后，云的動力結(jié)構(gòu)發(fā)生了改變[73]。催化后大量潛熱的釋放，使云中溫度增加，上升速度增強[68]。

Tzivion等[58]、Reisin等[74]以及Yin等[36]對人工增雨的吸濕性催化效果進(jìn)行了研究，他們指出吸濕性核催化會增加對流云降水。研究發(fā)現(xiàn)冰核催化的時間窗很短（僅在自然冰核開始形成的時間催化有效），并且只有催化云頂溫度低于-12℃的云體，增雨效果可以達(dá)到9%～35%。而對吸濕性催化來說，增雨效果可以達(dá)到65%～109%，并且對于云頂溫度高于-12℃的云體也有催化效果。Yin等[75]指出用大核催化會得到更多的降水，在云發(fā)展的早期將催化劑在云底釋放可得到最好的催化效果，催化時間過晚會導(dǎo)致降水減少。Segal等[51]研究發(fā)現(xiàn)，在自然暖雨過程效率不高的情況下，播撒吸濕性核后可以增加雨滴的形成。大的云凝結(jié)核的催化效果更好，同時自然云中大CCN存在時催化效果會有所減弱。

Drofa等[76]在一維對流云模式中利用以色列研制、經(jīng)過特殊處理的含有SiO2的NaCl粒子進(jìn)行催化，發(fā)現(xiàn)該鹽粉的催化效果比其他吸濕性焰劑的增雨效果好。

人工增雨降溫的模擬發(fā)現(xiàn)催化后降雨量增加、貼地層氣溫降低。催化初期, 降溫主要在下沉氣流區(qū)，隨著云的發(fā)展逐漸擴(kuò)展到更大的范圍[77]；催化后地面降水增加、地面氣溫下降的區(qū)域擴(kuò)大、維持時間延長[78]。

3.2人工防雹催化方法研究

通過對我國不同地區(qū)不同云底溫度的冰雹云自然成雹機(jī)制和人工引晶催化防雹模擬[79]，得到了對云底較暖的冰雹云（約20℃）在上升氣流區(qū)播撒105個/kg劑量的人工冰晶就能達(dá)到減少降雹，同時增加降雨約25%的效果，而對云底較冷的冰雹云（<10℃）防雹效果要差一些，但仍能增加部分降水。樓小鳳等[80]發(fā)現(xiàn)在云發(fā)展的第15分鐘，在5km附近播撒AgI，可以減少降雹量約60%，同時可以避免降水量的大幅減少。Curic等[42]也發(fā)現(xiàn)在大于25dBz的冷區(qū)進(jìn)行AgI催化，可以在減雹的同時增加降水。一般在云發(fā)展初期（15～20min）、云中上升氣流中心播撒AgI粒子會獲得消雹效果。減小播撒強度, 可以獲得增雨作用, 但消雹效果變差[37]。利用干冰和AgI在云頂附近催化，都能減少降雹并少量增加降水，但干冰催化比AgI催化更能抑制冰雹的形成[81]。

數(shù)值模擬發(fā)現(xiàn)雹胚可以是霰粒子，也可以是凍滴[82]，觀測中也發(fā)現(xiàn)了這一現(xiàn)象。胡朝霞等[83]發(fā)現(xiàn)青藏高原雹云中存在較弱的過冷雨水累積帶，但雹塊的增長主要是通過雹撞凍云水。云中冰雹發(fā)生和增長的區(qū)域與上升氣流的關(guān)系極為密切[84]。

通過施加人工抑制上升氣流的方法在雹云發(fā)展早期將使地面降水量增加，尤其是使降雹量顯著減少[85]。而在發(fā)展階段后期不會導(dǎo)致地面降水明顯增加。當(dāng)抑制強度足夠大且范圍較大時，只有在發(fā)展到旺盛階段進(jìn)行人工抑制才能使降雹量和固態(tài)降水總量明顯減小。無論播撒劑為AgI還是液態(tài)CO2，在最大過冷水區(qū)播撒均比在最大上升氣流區(qū)播撒效果好[54]。對中等強度及以下的冰雹云，在回波強中心催化即可，對于強冰雹云，一般在冰雹胚胎簾即過冷水累積區(qū)中作業(yè)效果最好[86]。

3.3人工消減雨催化方法研究

利用對流云模式中的AgI催化研究人工緩減強流云降水的可能性，發(fā)現(xiàn)在適當(dāng)?shù)臅r機(jī)對適當(dāng)?shù)牟课贿M(jìn)行2×108個/kg劑量的播撒時，可以減少32%的降水量，也可以減少最大降水中心的雨強[87]。采用增加人工冰晶的催化方法，在云體成熟期大劑量持續(xù)催化的減雨效果最好，催化后霰落速減弱造成雨水減小[88]。

2008年北京奧運會消減雨試驗中發(fā)現(xiàn)，AgI播撒率對降水量改變影響明顯[89]，當(dāng)以5g·s-1的速率持續(xù)播撒AgI，最大減雨率為8%～12%，離消雨的要求尚有差距。

利用WRF模式通過播撒亞微米大小的云凝結(jié)核影響臺風(fēng)結(jié)構(gòu)和強度，抑制其暖雨過程，催化減弱了地面最大風(fēng)速，使得臺風(fēng)強風(fēng)半徑縮小了25%[90]。

3.4人工消霧催化方法研究

利用二維時變暖霧數(shù)值模式研究發(fā)現(xiàn)，使用鹽粉局部消除暖霧以增大播撒區(qū)的能見度是完全可能的。一般來講，較大的鹽粉粒子和較大的播撒量更有利于提高消霧的效果，但消霧的成本以及對環(huán)境的污染也隨之加大[91]。利用引入了液氮與云相互作用過程的MM5模式，在北京地區(qū)的一次冷霧天氣過程中以15g/s的速率播撒作業(yè)和在目標(biāo)區(qū)上風(fēng)方5～6km的地點作業(yè)，對能見度的改善最為顯著[55]。利用使部分水滴帶電的方法，加速了碰并過程，使得霧能見度有了大幅提高[92]。

4　人工影響天氣數(shù)值模式業(yè)務(wù)系統(tǒng)

近年來，一些云降水模式在人工影響天氣外場試驗和業(yè)務(wù)作業(yè)中得到了應(yīng)用。利用模式預(yù)報降水和云物理量場，并模擬播云物質(zhì)的擴(kuò)散軌跡，提供實時的預(yù)報以支持外場試驗和作業(yè)，分析播撒區(qū)外可能的播云效果，并幫助統(tǒng)計分析人工影響天氣試驗的效果。

4.1四維實時同化—WRF模式

美國N C A R發(fā)展的四維實時同化—W R F（RTFDDA-WRF）模式[93]，在催化條件、增雨指標(biāo)尤其是過冷水及其持續(xù)時間方面可以為預(yù)報和作業(yè)人員提供幫助。模式采用3層嵌套，最細(xì)網(wǎng)格距為2km，模式每3h同化并啟動一次，并作出24h的預(yù)報，同時給出催化劑擴(kuò)散范圍和可能的催化點位置（圖1）。模式中采用單參數(shù)云物理顯式方案。模式給出多達(dá)24個不同方向和位置水平和垂直剖面，供外場作業(yè)人員使用[94]。除了用于美國地形云增雪外，此模式還用于沙特阿拉伯、墨西哥、澳大利亞和西非等國的人工增雨外場試驗。

圖1　美國四維實時同化—WRF模式輸出業(yè)務(wù)產(chǎn)品圖（a）模擬的云場和地面燃燒爐出發(fā)的前向軌跡圖；（b）模擬的云水和溫度垂直分布Fig. 1 Cycle running outputs of the real-time four-dimensional data assimilation -WRF model（a） Simulated cloud water fields and forward trajectories from ground-based generators； （b）Vertical distributions of simulated cloud water and temperature fields

中國氣象局人影中心也正在將耦合了CAMS云物理方案的WRF模式進(jìn)行開發(fā)，以用于預(yù)報降水和人工增雨潛力，并指導(dǎo)外場人工增雨作業(yè)。

4.2MM5-CAMS模式

中國氣象局人影中心將耦合了CAMS云物理方案的MM5（MM5-CAMS）模式[28-29]，自 2007 年以來一直自動化運行。模式以T213資料為初始場。模式采用2層網(wǎng)格，水平格距分別為15和5km。模式每天提供36h預(yù)報時效的人工影響天氣微物理量場和降水預(yù)報。模擬結(jié)果結(jié)合中央氣象臺的降水預(yù)報，分析和預(yù)報具有人工影響天氣催化潛力的區(qū)域和時段（圖2）。MM5業(yè)務(wù)模式產(chǎn)品除用于全國日常的人工增雨作業(yè)決策和指導(dǎo)外，還用于2008年奧運會開幕式保障、2010年西南五省抗旱服務(wù)、2009年60周年國慶閱兵保障、森林滅火等人工影響天氣服務(wù)中。近年來還開展了ARJ飛機(jī)積冰試驗保障工作。

4.3GRAPES-CAMS模式

國家氣象中心研發(fā)了一套雙參數(shù)化混合相云微物理方案，并將其耦合到GRAPES中尺度數(shù)值模式中, 形成業(yè)務(wù)化的人工增雨云系模式系統(tǒng)[64]。隨后中國氣象局人影中心利用CAMS云方案與GRAPES耦合，形成了GRAPES-CAMS模式。模式自2007年以來一直自動化運行[29,63]。模式以T213資料為初始場，采用15km分辨率的一套網(wǎng)格。模式每天提供36h預(yù)報時效的人工影響天氣微物理量場和降水預(yù)報。模擬結(jié)果結(jié)合中央氣象臺的降水預(yù)報，分析和預(yù)報具有人工影響天氣催化潛力的區(qū)域和時段。模式能較好地預(yù)報云的微物理量場和天氣形勢場，可作為云系人工增雨條件決策的重要參考依據(jù)[95]。

GRAPES業(yè)務(wù)模式產(chǎn)品與MM5模式業(yè)務(wù)產(chǎn)品一起，服務(wù)于全國日常的人工增雨作業(yè)及重大社會活動保障。近年來也開展了ARJ飛機(jī)積冰試驗保障工作（圖3）。

5　討論和建議

圖2　2010年4月6日08時—4月7日08時西南干旱區(qū)模式預(yù)報過冷云水及催化潛力區(qū)和外場增雨區(qū)的分布：（a）陰影為模式預(yù)報過冷云水的分布，紅圈表示預(yù)報的增雨潛力區(qū)；（b）外場作業(yè)區(qū)域分布，圖中的紅色數(shù)字為使用的火箭彈量，藍(lán)色數(shù)字為高炮彈量，黑色數(shù)字為飛行架次，紅色方格區(qū)位飛機(jī)催化區(qū)域，綠色為火箭和高炮催化區(qū)域Fig. 2 Distributions of model-forecasted supercooled water， seedability regions and field operation activities in southwestern China during the period from 2010-04-06 08：00 to 2010-04-07 08：00. （a） Shadows denote the simulated supercooled water； red circles indicate seedability regions； （b） Locations of field operation carried. Red numbers： rockets；blue numbers： anti-gun shells； black numbers： flights； red hatching： flight-seeded areas； green shaded： rocket- and shell-seeded areas

圖3　2013年11月8日14時沿46.0°N水成物垂直剖面（a）云水（填色陰影），冰晶數(shù)濃度（紅色等值線），等溫線（紫色等值線）；（b）雪+霰（填色陰影），雨（紅色等值線），等高線（紫色等值線）Fig. 3 Vertical sections of water substances along 46.0°N at 14：00 on November 8， 2013（a） The ice particle number concentration （L 1） is shown in red lines， the cloud water （g/kg） in color shading. Temperature in purple lines. （b） The rain water content （g/kg） is shown in red lines， the snow and graupel content （g/kg） in colored shading. The heights in purple lines.

本文介紹了人工影響天氣中廣泛使用的云模式及其在人工影響天氣中的應(yīng)用。一系列人工增雨、人工防雹、人工消霧和人工消減雨方法，在人工影響天氣外場中得到了應(yīng)用，并在人工影響天氣外場業(yè)務(wù)作業(yè)中發(fā)揮了重要作用。

盡管幾十年來云模式有了很大的發(fā)展，但云降水和人工影響天氣催化模式的發(fā)展還面臨著許多科學(xué)問題，包括云降水物理過程理論的進(jìn)一步理解、模式初始場的資料同化、模擬結(jié)果的驗證等。未來的重點應(yīng)當(dāng)將云模式與室內(nèi)試驗、精心設(shè)計的外場觀測試驗結(jié)合，在云物理過程、云降水預(yù)報、催化作業(yè)技術(shù)和催化效果等方面進(jìn)一步深入研究，提高云模式處理云和降水物理過程的能力。

［1］Malkus J S， Witt G. The evolution of a convective element： a numerical calculation. The Atmosphere and the Sea in Motion. New York： Rockefeller Institution Press， 1959.

［2］盛裴軒， 毛節(jié)泰， 李建國， 等. 大氣物理學(xué). 北京： 北京大學(xué)出版社，2003.

［3］Cotton W R. Testing， implementation， and evolution of seeding concepts—A review. Meteorological Monographs， 1986， 21：139-150.

［4］Bruintjes R T. A review of cloud seeding experiments to enhance precipitation and some new prospects. Bull Amer Meteor Soc， 1999，80： 805-820.

［5］美國國家科學(xué)院國家研究理事會， 美國人工影響天氣研究和作業(yè)現(xiàn)狀與未來發(fā)展專業(yè)委員會. 鄭國光等， 譯. 人工影響天氣研究中的關(guān)鍵問題. 北京： 氣象出版社， 2005.

［6］Orville H D. A review of cloud modeling in weather modification. Bull Amer Meteor Soc， 1996， 77： 1535-1555.

［7］鄭國光， 郭學(xué)良. 人工影響天氣科學(xué)技術(shù)現(xiàn)狀及發(fā)展趨勢. 中國工程科學(xué)， 2012， 14（9）： 20-27.

［8］毛節(jié)泰， 鄭國光. 對人工影響天氣若干問題的探討. 應(yīng)用氣象學(xué)報， 2006， 17 （5）： 643-646.

［9］雷恒池， 洪延超， 趙震， 等. 近年來云降水物理和人工影響天氣研究進(jìn)展. 大氣科學(xué)， 2008， 32（4）： 967-974.

［10］洪延超， 雷恒池. 云降水物理和人工影響天氣研究進(jìn)展和思考.氣候與環(huán)境研究， 2012， 17（6）： 951-967.

［11］郭學(xué)良， 付丹紅， 胡朝霞. 云降水物理與人工影響天氣研究進(jìn)展（2008—2012年）. 大氣科學(xué)， 2013， 37 （2）： 351-363.

［12］Steiner J T. A three-dimensional model of cumulus cloud development. J Atmos Sci， 1973， 30： 414-435.

［13］Klemp J B ， Wilhelmson R B. The storm dynamics. J Atmos Sci，1978， 35： 1070-1196.

［14］Cotton W R， Stephens M A， Nehrkorn T. The Colorado State University three-dimensional cloud/mesoscale model - 1982. Part II： An ice phase parameterization. J de Rech Atmos， 1982， 16：295-320.

［15］王謙， 胡志晉. 三維彈性大氣模式和實測強風(fēng)暴的模擬. 氣象學(xué)報， 1990， 48（1）： 91-101.

［16］許煥斌， 王思薇. 三維可壓縮大氣中的云尺度模式.氣象學(xué)報，1990， 48（1）： 80-90.

［17］孔凡鈾， 黃美元， 徐華英. 對流云中冰相過程的三維數(shù)值預(yù)報）（Ⅰ），模式建立及冷云參數(shù)化. 大氣科學(xué)， 1990， 14（4）： 441-453.

［18］Wisner C， Orville H D， Myers C. A numerical simulation of hail bearing cloud， J Atmos Sci， 1972， 29（6）： 1160-1181.

［19］胡志晉， 蔡利棟. 積云暖雨過程及其鹽粉催化的參數(shù)化數(shù)值模擬. 大氣科學(xué)， 1979， 3（4）： 334-342.

［20］胡志晉， 嚴(yán)采繁. 層狀云微物理過程的數(shù)值模擬（一） 微物理模式. 中國氣象科學(xué)研究院院刊， 1986， 1 （1）： 37-52.

［21］胡志晉， 何觀芳. 積雨云微物理過程的數(shù)值模擬： （一）微物理模式. 氣象學(xué)報， 1987， 45 （4）： 467-484.

［22］Milbrandt J A， Yau M K. A multimoment bulk microphysics parameterization. Part II： A proposed three-moment closure and scheme description. J Atmos Sci， 2005， 62： 3065-3081.

［23］Tao W K， Simpson J. The Goddard cumulus ensemble model， Part I：Model description. Terrestrial. Atmos Ocean Sci， 1993， 4： 19 - 54.

［24］Li X， Tao W-K， Khain A P， et al. Sensitivity of a cloud-resolving model to bulk and explicit bin microphysical schemes. Part I：Comparisons. J Atmos Sci， 2009， 66： 3-21.

［25］Tripoli G J， Cotton W R. The Colorado State University threedimensional cloud mesoscale model -Part I： General theoretical framework and sensitivity experiments. J Rech Atmos， 1982， 16：185-220.

［26］Van den Heever S C， Carrió G G， Cotton W R， et al. Impacts of nucleating aerosol on Florida storms. Part I： Mesoscale simulations. J Atmos Sci， 2006， 63： 1752-1775.

［27］劉玉寶， 周秀驥， 胡志晉. 三維彈性套網(wǎng)格中尺度（β-γ）大氣模式. 氣象學(xué)報， 1993， 51（3） ： 369-380.

［28］樓小鳳. MM5模式的新顯式云物理方案的建立和耦合及原微物理方案的對比分析. 北京： 北京大學(xué)， 2002.

［29］Lou X F， Shi Y Q， Sun J， et al. Cloud-resolving model for weather modification in China. Chin Sci Bull， 2012， 57： 1055-1061.

［30］劉衛(wèi)國. ARPS中尺度模式雙參數(shù)冰雹云微物理方案發(fā)展和研究. 中國氣象科學(xué)研究院年報. 北京： 中國氣象科學(xué)研究院，2011.

［31］肖輝， 徐華英， 黃美元. 積云中云滴群形成的數(shù)值模擬研究： （一）鹽核譜和濃度的作用. 大氣科學(xué)， 1988， 12（2）： 121-130.

［32］洪延超. 積層混合云數(shù)值模擬研究（ I） - 模式及微物理過程參數(shù)化. 氣象學(xué)報， 1996， 54（5）： 544-557.

［33］郭學(xué)良， 黃美元， 徐華英， 等. 層狀云的雨滴譜分檔數(shù)值模擬研究. 大氣科學(xué)， 1998， 23 （4） ： 411-421.

［34］郭學(xué)良， 黃美元， 洪延超， 等. 三維冰雹分檔強對流云數(shù)值模擬研究. 大氣科學(xué)， 2001， 25 （5）： 707-719.

［35］許煥斌， 王思薇. 二維冰雹云模式研究. 氣象學(xué)報， 1988， 46（ 2）：227-236.

［36］Yin Y， Levin Z， Reisin T Z， et al. Seeding convective clouds with hygroscopic flares： Numerical simulations using a cloud model with detailed microphysics. J Appl Meteorol， 2000， 39（9）： 1460-1472.

［37］黃燕， 徐華英. 播撒碘化銀粒子進(jìn)行人工防雹的數(shù)值試驗. 大氣科學(xué)， 1994， 18（5）： 612-622.

［38］Meyers P M， DeMott P J， Cotton W R. A comparison of seeded and nonseeded orographic cloud simulations with an explicit cloud model. J Appl Meteor， 1995， 34： 834-846.

［39］DeMott P J. Quantitative descriptions of ice formation mechanisms of silver iodide - type aerosols. Atmos Res， 1995， 38：63-99.

［40］劉詩軍， 胡志晉， 游來光. 碘化銀核化過程的數(shù)值研究. 氣象學(xué)報， 2005， 63（1）： 30-40.

［41］楊潔帆， 雷恒池. AgI焰劑對層狀云催化的數(shù)值模擬. 氣候與環(huán)境研究， 2010， 15 （6）： 705-717.

［42］Curic M， Janc D， Vuckovic V. Cloud seeding impact on precipitation as revealed by cloud-resolving mesoscale model. Meteoro Atmos Phys， 2007， 95（3）： 179-193.

［43］劉衛(wèi)國， 史月琴， 黨娟. 雙參數(shù)混合相微物理方案及冷云催化在ARPS模式中的應(yīng)用. 第26屆中國氣象學(xué)會年會氣象學(xué)會人工影響天氣與大氣物理學(xué)分會場論文集. 2009.

［44］李興宇， 洪延超. 三維冰雹云數(shù)值催化模式改進(jìn)與個例模擬研究. 氣象學(xué)報， 2005， 63： 874- 888.

［45］方春剛， 郭學(xué)良， 王盤興. 碘化銀播撒對云和降水影響的中尺度數(shù)值模擬研究. 大氣科學(xué)， 2009， 33（3）： 621-633.

［46］何暉， 高茜， 李宏宇. 北京層狀云人工增雨數(shù)值模擬試驗和機(jī)理研究. 大氣科學(xué)， 2013， 37 （4）： 905-922.

［47］Xue L， Hashimoto A， Murakami M. Implementation of a silver iodide cloud seeding parameterization in WRF. Part I： Model description and idealized 2D sensitivity tests. J Appl Meteor Climatol， 2013， 52： 1433-1457.

［48］Xue L， Tessendorf S， Rasmussen R， et al. Implementation of a silver iodide cloud seeding parameterization in WRF. Part II： 3D simulations of actual seeding events and sensitivity tests. J Appl Meteor Climatol， 2013， 52（6）： 1458-1476.

［49］樓小鳳， 何觀芳， 胡志晉， 等. 三維對流云鹽粉催化模式的發(fā)展和催化模擬試驗. 高原氣象， 2013， 32（2）： 491-500.

［50］徐華英， 郝京甫. 鹽粉催化積云降水的數(shù)值模擬. 大氣科學(xué)，1983， 7（4）： 403-410.

［51］Segal Y， Khain A， Pinsky M， et al. Effects of hygroscopic seeding on raindrop formation as seen from simulations using a 2000-bin spectral cloud parcel model. Atmos Res， 2004， 71： 3-34.

［52］Kopp F J， Orville H D， et al. Numerical simulation of dry ice cloud seeding experiments. J Appl Meteor Climatol， 1983， 22：1542-1556.

［53］Fukuta N. Project mountain valley sunshine-progress in science and technology. Applied Meteor， 1996， 35： 1483-1493.

［54］肖明靜， 郭學(xué)良， 肖穩(wěn)安. 碘化銀、液態(tài)CO2播撒對流云防雹增雨的數(shù)值模擬. 南京氣象學(xué)院學(xué)報， 2006， 29（1）： 768-775.

［55］何暉， 郭學(xué)良， 李宏宇， 等. 人工消除冷霧的個例模擬分析. 大氣科學(xué)， 2011， 35（2）： 272-286.

［56］郭學(xué)良. 大氣物理與人工影響天氣. 北京： 氣象出版社， 2009.

［57］Simpson J， Wiggert V. 1968 Florida cumulus seeding experiment：Numerical model results. Mon Wea Rev， 1971， 99： 87-118.

［58］Tzivion S， Reisin S， Levin Z. Numerical simulation of hygroscopic seeding in convective clouds. J Appl Meteor， 1994， 33： 252-67.

［59］Young K C. Microphysical processes in clouds. Oxford University Press， 1993.

［60］Lynn B H， Khain A P， Dudhia J， et al. Spectral （bin） microphysics coupled with a mesoscale model （MM5）. Part I： Model description and first results. Monthly weather review， 2005， 133： 44-58.

［61］Xue L， Teller A， Rasmussen R， et al. Effects of Aerosol Solubility and Regeneration on Warm-phase Orographic Clouds 568 and Precipitation Simulated by a Detailed Bin Microphysical Scheme. J Atmos Sci， 2010， 67： 3336 - 3354.

［62］劉奇俊， 胡志晉， 周秀驥. HLAFS 顯式云降水方案及其對暴雨和云的模擬（Ⅰ）云降水顯式方案. 應(yīng)用氣象學(xué)報， 2003， 14 （增刊）： 60-67.

［63］孫晶， 樓小鳳， 胡志晉， 等. CAMS復(fù)雜云微物理方案與GRAPES模式耦合的數(shù)值試驗. 應(yīng)用氣象學(xué)報， 2008， 19（3）： 315-325.

［64］章建成， 劉奇俊. GRAPES模式不同云物理方案對短期氣候模擬的影響. 氣象， 2006， 32（7）： 3-12.

［65］高文華， 趙鳳生， 胡志晉， 等. CAMS云微物理方案的改進(jìn)及與WRF模式耦合的個例研究. 地球物理學(xué)報， 2012， 55（2）： 396-405.

［66］洪延超，李宏宇. 一次鋒面層狀云云系結(jié)構(gòu)、降水機(jī)制及人工增雨條件研究. 高原氣象， 2011， 30（5）： 1308-1323.

［67］高茜， 王廣河， 史月琴. 華北層狀云系人工增雨個例數(shù)值研究. 氣象， 2011， 37（1）： 1241-1251.

［68］孫晶， 樓小鳳， 史月琴. 祁連山冬季降雪個例模擬分析（II）：人工催化試驗. 高原氣象， 2009， 28（3）： 496-506.

［69］史月琴， 樓小鳳， 鄧雪嬌， 等. 華南冷鋒云系的人工引晶催化數(shù)值試驗. 大氣科學(xué)， 2008， 32（6）： 1256-1275.

［70］王斌， 向玉春， 張鴻雁. 一次對流降水過程增雨催化時機(jī)的模擬分析和雷達(dá)識別. 氣象， 2008， 34（1）： 35-40.

［71］房文， 鄭國光， 何觀芳. 青海秋季對流云降水及催化過程數(shù)值模擬研究. 南京氣象學(xué)院學(xué)報， 2005， 28（6）： 763-769.

［72］孫海燕， 肖輝， 王振會. 對流性云火箭增雨試驗效果的數(shù)值模式評估. 南京氣象學(xué)院學(xué)報， 2005， 28（2）： 172-179.

［73］陳小敏， 劉奇俊， 章建成. 祁連山云系云微物理結(jié)構(gòu)和人工增雨催化個例模擬研究. 氣象， 2007， 33（7）： 33- 43.

［74］Reisin T， Tzivion S， Levin Z. Seeding convective clouds with ice nuclei or hygroscopic particles： A numerical study using a model with detailed microphysics. J Appl Meteor， 1996， 35：1416-34.

［75］Yin Y， Levin Z， Reisin T， et al. On the response of radar-derived properties to hygroscopic flare seeding. J Appl Meteor， 2001， 40：1654-1661.

［76］Drofa S， Ivanov V N， Rosenfeld D， et al. Studying an effect of salt powder seeding used for precipitation enhancement from convective clouds. Atmos Chem Phys Discuss， 2010， 10（4）：10741-10775.

［77］陳寶君. 人工增雨降溫機(jī)理的數(shù)值模擬研究： 對流云個例試驗.氣象科學(xué)， 2006， 26（1）： 47-52.

［78］黃彥彬. ?？谑腥斯ご呋療釒α髟圃鲇杲禍氐臄?shù)值模擬. 大氣科學(xué)學(xué)報， 2010， 33（1）： 40-46.

［79］何觀芳， 胡志晉. 不同云底溫度雹云成雹機(jī)制及其引晶催化的數(shù)值研究. 氣象學(xué)報， 1998， 56（1）： 31-45.

［80］樓小鳳， 師宇， 盧廣獻(xiàn). 一次降雹過程的AgI系列催化模擬研究.應(yīng)用氣象學(xué)報， 2016， 27（2）： 129-139.

［81］Farley R D. Numerical modeling of hailstorms and hailstone growth. Part III： Simulation of an Alberta hailstorm—natural and seeded cases. J Climate Appl Meteor， 1987， 26： 789-812.

［82］胡朝霞， 齊彥斌， 郭學(xué)良， 等. 青藏高原東部冰雹形成機(jī)理的數(shù)值模擬. 氣候與環(huán)境研究， 2007， 12（1）： 37-48.

［83］胡朝霞， 李宏宇， 肖輝， 等. 旬邑冰雹云的數(shù)值模擬及累積帶特征. 氣候與環(huán)境研究， 2008， 8（2）： 196-208.

［84］康鳳琴， 張強， 渠永興， 等. 青藏高原東北側(cè)冰雹微物理過程模擬研究. 高原氣象， 2004， 23（6）： 735-742.

［85］周非非， 肖輝， 黃美元， 等. 人工抑制上升氣流對冰雹云降影響的數(shù)值試驗研究. 南京氣象學(xué)院學(xué)報， 2005， 28（2）： 153-162.

［86］巴特爾， 單久濤， 博格. 人工防雹催化效果的數(shù)值模擬. 安徽農(nóng)業(yè)科學(xué)， 2013， 41（7）： 3038-3040.

［87］樓小鳳， 孫晶， 史月琴， 等. 減弱對流云降水的AgI催化原理的數(shù)值模擬研究.氣象學(xué)報， 2014， 72（4）： 782-793.

［88］孫晶， 史月琴， 樓小鳳， 等. 人工緩減梅雨鋒暴雨的數(shù)值試驗. 大氣科學(xué)， 2010， 34（2）： 337-350.

［89］何暉， 金華， 李宏宇， 等. 2008年奧運會開幕式日人工消減雨作業(yè)中尺度數(shù)值模擬的初步結(jié)果. 氣候與環(huán)境研究， 2012， 17（1）：46-58.

［90］Rosenfeld D， Khain A， Lynn B， et al. Simulation of hurricane response to suppression of warm rain by sub-micron aerosols. Atmos Chem Phys， 2007， 7： 3411-3424.

［91］趙清云. 播撒鹽粉局部消除暖霧的數(shù)值模擬. 熱帶氣象， 1989，5（3）： 245-252.

［92］Khain A， Arkhipov V， Pinsky M， et al. Rain enhancement and fog elimination by seeding with charged droplets. Part I： Theory and numerical simulations. J Appl Meteor， 2004， 43： 1513-1529.

［93］Liu Y B， et al. Performance and enhancements of the NCAR/ ATEC mesoscale FDDA and forecasting system. 15th Conference on numerical Weather Prediction， San Antonio， Taxes， 12-16 August， 2002.

［94］Lou X F， Breed D. Model evaluations for winter orographic clouds with observations. China Sci Bull， 2011， 56： 76-83.

［95］馬占山， 劉奇俊， 秦琰琰， 等. 利用TRMM衛(wèi)星資料對人工增雨云系模式云微觀場預(yù)報能力的檢驗. 氣象學(xué)報， 2009， 67（2）：260-271.

Development and Application of the Cloud and Seeding Models in Weather Modification

Lou Xiaofeng, Shi Yu, Li Jiming
（Chinese Academy of Meteorological Sciences， Key Laboratory for Cloud Physics of China Meteorological Administration， Beijing 100081）

The development and application of the cloud and seeding models in weather modification are introduced. The cloud models include bulk water models and bin models, The seeding models involve three types of seeding materials: glaciogenic materials, hygroscopic particles and coolants. Some of these models are coupled with meso-scale models. The cloud and seeding models are widely used in research works of rain enhancement, hail suppression, for dissipation, rain reduction, and are in important role in operational field weather modification activities.

cloud models, seeding models, development and application

10.3969/j.issn.2095-1973.2016.03.010

2014年9月22日；

2016年5月6日

樓小鳳（1969—），Email: louxf@camscma.cn

資助信息： 公益類行業(yè)（氣象）科研專項（GYHY201406001）；中國氣象科學(xué)研究院基本科研業(yè)務(wù)研究專項（2011Z005和2013Z009）；國家自然科學(xué)基金項目（41275148）