云凝結(jié)核對南京及周邊地區(qū)夏季暴雨影響的數(shù)值模擬

馬紅云 韓路杰 顧春利

摘要 利用WRF3.8.1模式，采用Thompson云微物理參數(shù)化方案，對南京2014年6月初的一次暴雨過程進(jìn)行模擬;設(shè)置多組數(shù)值試驗，從中選取清潔和嚴(yán)重污染兩組試驗，對比分析低、高云凝結(jié)核濃度對此次降水的影響。結(jié)果表明：1）Thompson方案對此次降水過程具有一定的再現(xiàn)能力，但對24 h累積降水量的模擬整體偏低，且隨云凝結(jié)核濃度的上升，累積降水量增加。較高的云凝結(jié)核濃度有利于強(qiáng)降水中心強(qiáng)度增強(qiáng)、降水范圍擴(kuò)大，而對較弱降水中心則有相反的影響。2）云凝結(jié)核濃度的增加將抑制云滴向雨滴的轉(zhuǎn)化，使更多云滴被輸送到對流層中層，對流層低層的暖云過程被抑制。3）云凝結(jié)核濃度的增加使對流層中層的過冷云水增加，促進(jìn)過冷云水向霰的轉(zhuǎn)化，也促進(jìn)雪的淞附過程，這有利于冷云過程的發(fā)展。4）云凝結(jié)核濃度的增加對暖云過程具有負(fù)反饋?zhàn)饔茫瑢湓七^程具有正反饋?zhàn)饔谩?/p>

關(guān)鍵詞 云凝結(jié)核濃度;云微物理參數(shù)化;暴雨

氣溶膠一方面通過吸收和散射太陽輻射而直接影響地氣系統(tǒng)的輻射平衡（氣溶膠-輻射效應(yīng)）（王嘯華等，2012）;另一方面又可以作為云凝結(jié)核（Cloud Condensation Nuclei，CCN）影響云的光學(xué)特性、云量以及云的壽命（氣溶膠-云效應(yīng)）（Warner and Twomey，1967）以及降水過程（Haywood and Boucher，2000;Menon et al.，2002;楊正卿等，2012）。近十幾年，中國城市化的快速發(fā)展導(dǎo)致大氣氣溶膠濃度迅速增加（許世遠(yuǎn)等，2006;張晶等，2011;王桂新，2013），對城市降水存在一定影響（Jin，2005;尹占娥等，2010;岳治國等，2011）。對氣溶膠和暴雨之間的相互關(guān)系的研究，不僅可以完善我們對城市夏季暴雨災(zāi)害機(jī)制的認(rèn)識（Twomey，1977），對提高城市精細(xì)化天氣預(yù)報的精度有著重要的指導(dǎo)意義，而且還對城市基礎(chǔ)設(shè)施建設(shè)以及城市防災(zāi)減災(zāi)體系的建立有著一定的現(xiàn)實(shí)意義。

在觀測研究中，CCN對降水的影響存在爭議（Bell et al.，2008;Levin and Cotton，2009）。20世紀(jì)70年代，Hobbs et al.（1970）提出城市下風(fēng)方向暖云的降水增加與城市排放的CCN的增加有關(guān)。但是，陳思宇等（2012）認(rèn)為空氣污染造成的氣溶膠濃度的增加是導(dǎo)致中國中東部地區(qū)秋季降水減少的一個重要原因，Gong et al.（2007）及段婧和毛節(jié)泰（2008）也認(rèn)為氣溶膠對區(qū)域降水有顯著的抑制效應(yīng)。這些觀測數(shù)據(jù)大多是來自于較低的暖云或者層狀云，但是在對流發(fā)展旺盛的強(qiáng)降水天氣中云水密度、云滴尺度等觀測數(shù)據(jù)較少。而數(shù)值模式可以較精細(xì)的描述CCN濃度變化對對流風(fēng)暴產(chǎn)生的動力學(xué)、微物理學(xué)和表面降水的影響（van den Heever and Cotton，2007;陳倩等，2013;陳衛(wèi)東等，2015a），因此成為探究降水過程對氣溶膠敏感性的重要手段。研究指出，CCN濃度的增加使水成物有效半徑減小，暖云云滴的碰并過程和冰晶的淞附過程受到抑制，地面降水減少（Saleeby and Cotton，2005;Reisin et al.，2010）;但是Misra et al.（2016）設(shè)計了一個包含水汽密度、云滴濃度、云滴尺寸、雨滴密度和CCN濃度五種變量的非線性數(shù)學(xué)模式，對一次假設(shè)的降水進(jìn)行模擬卻得到相反的結(jié)論。也有研究證明CCN濃度的變化對云降水（徐小紅等，2009）物理過程的影響是非單調(diào)的（Morrison，2012;Kalina et al.，2014），并且高度依賴于環(huán)境條件（石榮光等，2015），同時也受到降水形式的限制（Nugent et al.，2016）。

Terra衛(wèi)星的遙感數(shù)據(jù)顯示中國夏季氣溶膠主要集中在長三角地區(qū)、京津冀地區(qū)和珠三角地區(qū)（石睿等，2015），不同地區(qū)的氣溶膠、云和降水之間的相互作用有較大差異（Eun et al.，2016;師宇等，2016）。目前有較多的研究分別用不同的微物理參數(shù)化方案探討了華北（陳衛(wèi)東等，2015b;楊桃進(jìn)等，2017）、華南（楊慧玲等，2011;Gao et al.，2013）地區(qū)的氣溶膠與降水的關(guān)系，微物理參數(shù)化方案較多選取Lin、Morrison和WDM等，而在華東地區(qū)這樣的研究較少。

綜上可見，CCN對強(qiáng)降水過程的影響還存在很大的不確定性。南京地處長三角地區(qū)，是我國污染較嚴(yán)重的城市之一，能夠很好代表長三角地區(qū)并開展CCN對強(qiáng)降水過程的影響研究（王惠等，2016）。此外，Thompson微物理方案在華東地區(qū)的應(yīng)用較少（董昊等，2012;馬嚴(yán)枝等，2012）。因此，本文利用中尺度數(shù)值模式WRFV3.8.1，選取改進(jìn)后的Thompson云微物理方案，模擬2014年5月31日至6月1日（北京時，下同）發(fā)生在南京的一次暴雨過程。通過進(jìn)行不同CCN濃度的數(shù)值試驗，研究CCN濃度變化對暴雨過程的影響。

1 個例介紹

2014年至5月底，黃淮、江淮、江南等地發(fā)生了一次強(qiáng)降水過程，江蘇中、南部和浙江西北部等地有大到暴雨。從5月31日18時高低空環(huán)流形勢（圖1）可以看到，南京位于500 hPa低渦底部的偏西氣流中（圖1a），有較好的抬升條件。850 hPa安徽西北部維持一個低渦系統(tǒng)，其東部有較強(qiáng)的氣旋式切變，同時低渦的西南部和東部存在較強(qiáng)的低空急流，提供良好的水汽條件（圖1b）。地面江淮地區(qū)有明顯的氣旋維持（圖1c），觀察溫度場的垂直結(jié)構(gòu)可以看到明顯的冷暖鋒結(jié)構(gòu)（圖略）。從系統(tǒng)高低空配置可以看出，維持在江淮地區(qū)的是一個較為深厚的低值系統(tǒng)，將在安徽-江蘇-浙江一帶形成一次持續(xù)時間較長、強(qiáng)度較大的鋒面降水。而在5月25—30日，南京空氣污染嚴(yán)重，5月30日的空氣質(zhì)量指數(shù)（AQI）高達(dá)265 μg·m-3。這次天氣過程為研究氣溶膠對城市暴雨的影響提供了很好的環(huán)境條件。

2 模式和敏感性試驗設(shè)置

WRF模式是一種完全可壓非靜力模式，采用Arakawa C網(wǎng)格，集數(shù)值天氣預(yù)報、大氣模擬及數(shù)據(jù)同化于一體，能夠更好地改善對中尺度天氣的模擬和預(yù)報。本文利用美國新一代高分辨率的中尺度數(shù)值模式WRF（V3.8.1）進(jìn)行數(shù)值試驗，其中云微物理參數(shù)化方案使用了改進(jìn)的Thompson方案（Thompson et al.，2004）。Thompson微物理方案的提出是為了提高凍雨事件的預(yù)報水平，是對早期Reisner方案的改進(jìn)，以一種簡單、節(jié)約計算成本的方法考慮了氣溶膠效應(yīng)（Thompson et al.，2004）。主要的改進(jìn)如下：1）冰晶的核化采用與溫度相關(guān)的Cooper公式;2）自動轉(zhuǎn)換過程采用Walko方案;3）對霰用廣義的gamma分布代替指數(shù)分布;4）霰和雨水的拖曳參數(shù)分別由各自的混合比決定;5）雪的淞附增長大于凝華增長;6）雪的尺寸依賴于溫度。在最新的更新中加入了親水氣溶膠（Number concentration of water-friendly aerosol，Nwfa）和親冰氣溶膠（Number concentration of ice-friendly aerosol，Nifa）的數(shù)濃度。該方案對整個美國地區(qū)持續(xù)3 d的冬季風(fēng)暴時間進(jìn)行了高分辨率的模擬，能很好地模擬氣溶膠對云屬性、輻射、降水?dāng)?shù)量和類型的影響（Thompson et al.，2008），在中國的華南地區(qū)一次冬季凍雨的模擬中，Thompson方案的模擬降水與實(shí)測降水也有較高的相關(guān)系數(shù)（劉洋等，2016）。這里不使用化學(xué)模塊的原因是：1）加入多種氣溶膠類型后可能會導(dǎo)致較長的積分時間，提升了模擬的復(fù)雜性（Thompson et al.，2008），為了節(jié)約計算成本，本文不使用WRF-chem。2）污染物種類幾乎不影響云滴譜（Takeda and Kuba，1982）。3）在Thompson方案中只考慮氣溶膠的可溶性：親水性氣溶膠和親冰性氣溶膠。

本試驗?zāi)M時長設(shè)置為42 h（2014年5月31日06時—6月2日00時），前6 h為spin-up-time以改善模擬結(jié)果。模式網(wǎng)格設(shè)置為三層嵌套網(wǎng)格（圖2a），從外層向內(nèi)層分辨率依次為27 km、9 km、3 km，格點(diǎn)數(shù)分別為202×151、142×136、100×106。最外層網(wǎng)格包含了本次天氣過程高低空的主要天氣系統(tǒng)，最內(nèi)層網(wǎng)格的土地利用分布（圖2b）與實(shí)際土地利用較好吻合。觀測資料使用中國自動站與CMORPH降水產(chǎn)品融合的逐時降水量網(wǎng)格數(shù)據(jù)集。初始場和邊界場資料使用來自美國國家環(huán)境預(yù)報中心（NCEP）逐6 h水平分辨率為1°×1°的全球再分析資料（FNL），以及來源于Colarco et al.（2010）的2001—2007年全球模式模擬的分辨率為0.5°×1.25°的氣溶膠氣候場資料（包含硫酸鹽、海鹽、灰塵和黑碳的質(zhì)量混合比）。

表1為參數(shù)化方案及敏感性試驗設(shè)置。模式默認(rèn)輸入CCN數(shù)濃度為31 429 cm-3，遠(yuǎn)高于王惠等（2016）在2013年同期觀測的CCN數(shù)濃度最大值：20 000 cm-3。因此，以最底層CCN數(shù)濃度接近觀測最大值的輸入場代表嚴(yán)重空氣污染的初始條件（CCN數(shù)濃度為20 428 cm-3），并命名以該初始條件模擬的試驗為polluted。另外分別將最底層CCN數(shù)濃度為14 143 cm-3和1 885 cm-3的輸入場作為正常情況下和清潔大氣條件下的初始場，分別命名為normal和clean。

3 結(jié)果分析

3.1 CCN濃度對降水的影響

從24 h累積降水空間分布（圖3）可以看到，觀測場（圖3a）的三個降水中心在模式結(jié)果（圖3b、c）中都有較好體現(xiàn)。polluted試驗（圖3b）中北部的狹長降水帶比觀測偏北約0.5°，西北的降水中心偏南0.4°，且模式高估了32.7°N以南的弱降水，這些偏差可能是由初始條件的誤差導(dǎo)致。對比觀測數(shù)據(jù)與模式初始場的相對濕度（圖略）可以看到，初始場較好再現(xiàn)了低層（900 hPa）的環(huán)境濕度場，但是對于700 hPa左右的濕度場與觀測相差較大。因此，下文將選擇最內(nèi)層網(wǎng)格32.7°N以北的R區(qū)域作為分析對象。通過觀測數(shù)據(jù)計算得到6月1日12時前24 h的R區(qū)域平均累積降水量為55.26 mm，而polluted試驗平均24 h累積降水量為49.13 mm。由于模擬得到的西部降水中心范圍較小，使得模式對累積降水有所低估。當(dāng)模式底層CCN數(shù)濃度下降至14 143 cm-3（normal）和1 885 cm-3（clean）時，24 h累積降水量分別為46.86 mm和45.73 mm，相比polluted試驗分別下降了4.6%和7.4%。說明隨著CCN數(shù)濃度上升，累積降水增加。接下來以clean和polluted試驗為代表試驗，來分析清潔和嚴(yán)重污染的環(huán)境條件對降水的影響。

從clean試驗的24 h累積降水水平分布（圖3c）可以看到，北部、西部的降水中心最大值大約分別為106.3 mm和101.6 mm，東南部的降水較弱，中心最大值約為85.5 mm。而polluted試驗（圖3b）北部、西部和東南部的降水中心最大值大約分別為116.6 mm，122.3 mm和82.9 mm。北部和西部兩個較強(qiáng)的降水中心降水量隨著CCN濃度上升而上升，降水范圍也有所增大;而東南部較弱的降水中心降水量隨著CCN濃度上升而下降，降水范圍減弱。另外，CCN數(shù)濃度的上升對雨帶位置沒有明顯的影響。

為了更好地與觀測進(jìn)行對比，圖4a給出R區(qū)域1 h降水隨時間的變化。觀測和polluted試驗降水均開始于5月31日13時，結(jié)束于6月1日12時。觀測降水最大值出現(xiàn)在31日22時，最大值為6.56 mm，而polluted試驗最大值出現(xiàn)在1日01時，最大值為6.08mm?？傮w來說，試驗?zāi)Ｊ捷^好模擬了降水的起止時間，且模擬結(jié)果與觀測的降水總體趨勢基本一致，但峰值出現(xiàn)的時間推后了3 h，降水峰值強(qiáng)度也略微減弱。將polluted和clean試驗的逐時降水相減（圖4b）后發(fā)現(xiàn)，在31日19時之前polluted試驗的逐時降水小于clean試驗，20時之后則完全相反。下面選擇5月31日19時，6月1日02時和08時分別代表降水的前、中、后期進(jìn)行降水機(jī)制分析。

3.2 CCN濃度對云微物理過程的影響

圖5為5月31日19時R區(qū)域水成物的區(qū)域平均垂直廓線。從云滴的數(shù)濃度垂直廓線（圖5a）可以看到兩組試驗中云水均維持在950～400 hPa之間，且polluted試驗中的云滴數(shù)濃度明顯大于clean試驗，而兩組試驗云水混合比（圖5d）的差異不明顯。這說明在云水質(zhì)量相當(dāng)?shù)那闆r下，較高的CCN濃度會產(chǎn)生較多的云滴，使云滴數(shù)濃度明顯增加。polluted試驗雨滴數(shù)濃度（圖5c）和混合比（圖5f）均小于clean試驗，在相同云水質(zhì)量情況下，更多的云滴粒子卻不能產(chǎn)生更多的雨水，這說明CCN濃度升高使云滴有效半徑減小，云滴碰并效率下降，雨水減少。

R區(qū)域的溫度廓線（圖略）顯示零度層位于550 hPa附近。對于冰相粒子，較高的CCN濃度在零度層產(chǎn)生較多的過冷水滴，凍結(jié)產(chǎn)生較多的冰晶，這使得polluted試驗冰晶數(shù)濃度（圖5b）和混合比（圖5e）在550～400 hPa高于clean試驗，但在400 hPa以上高CCN濃度卻抑制了冰晶的生成。所以相對整層的來說，兩組試驗冰晶濃度差異不大，這也讓兩組試驗的淞附過程和過冷云水碰凍過程所產(chǎn)生的雪（圖5g）和霰（圖5h）差異較小。另外，降水前期冰相粒子無論混合比還是數(shù)濃度的量級均較小，主要以暖云降水為主。

圖6為6月1日02時R區(qū)域平均水成物的垂直廓線。該時刻云滴數(shù)濃度垂直分布（圖6a）和31日19時相似，但是在800 hPa以上polluted試驗的云水混合比（圖6d）比clean試驗大得多。增加了CCN濃度，雖然云滴碰并效率的下降會導(dǎo)致雨滴數(shù)濃度的下降（圖6c），但是雨滴下落過程中碰并大量小云滴，使雨水混合比（圖6f）上升。因此和前一階段不同的是，兩個試驗在降水中期雨水的混合比相差較小。02時的冰相粒子顯示出相似的垂直分布，無論是polluted試驗冰晶的數(shù)濃度（圖6b）和混合比（圖6e）還是雪（圖6g）和霰（圖6h）的混合比都高于clean試驗。低層碰并效率下降使更多云水輸送到對流層中層，在550 hPa附近形成大量的過冷云水。而在降水中期，對流運(yùn)動十分旺盛。強(qiáng)烈的垂直上升運(yùn)動將云水抬升至較高的高度（450 hPa），凍結(jié)產(chǎn)生大量冰晶，同時也促進(jìn)了雪在下落過程中的淞附增長以及霰和過冷云水的碰凍增長，冷云過程被加強(qiáng)。

降水過程發(fā)展至后期，兩組試驗在6月1日09時的冰晶（圖7b、e）大部分存在于300 hPa以上，雪（圖7g）的混合比量級較小，兩者形成的降水在降水中所占比重較小，降水主要來源于暖云過程，還有一小部分來源于霰。polluted試驗整層云滴數(shù)濃度（圖7a）均高于clean試驗，800～400 hPa polluted試驗云水?dāng)?shù)混合比（圖7a）也高于clean試驗。但是在650 hPa附近c(diǎn)lean試驗的云滴數(shù)濃度接近0，過小的云滴數(shù)濃度抑制了云水向雨水的轉(zhuǎn)化，反而polluted試驗有足量云水轉(zhuǎn)化為雨水。因此在對流層中層，polluted試驗的雨水混合比（圖7f）大于clean試驗。而在對流層低層，較高的CCN濃度仍然抑制了暖云降水。另外，polluted試驗的云滴數(shù)濃度和混合比在550 hPa附近比clean試驗高近一個量級，說明較高CCN濃度的環(huán)境有利于云水維持在0℃層附近形成過冷云水。

過冷云水的碰并作用使霰的混合比（圖7h）上升，從而加強(qiáng)了冷云過程。也促進(jìn)了霰融化成雨滴，使對流層中層雨水的數(shù)濃度（圖7c）和混合比（圖7f）增加。

3.3 CCN濃度對環(huán)境場影響

為了進(jìn)一步探究CCN濃度對本次降水環(huán)境場的影響，圖8給出了polluted試驗與clean試驗最大垂直速度（dw）和微物理過程潛熱釋放（dh）差值隨時間的變化?？梢钥吹?1日19時之前polluted試驗的垂直速度和潛熱釋放均小于clean試驗，在3.2節(jié)的分析中得知這兩個時間段內(nèi)暖云降水占較大的比重，由于CCN濃度的上升使云滴數(shù)濃度上升，云滴有效半徑減小，這將會促進(jìn)云滴的蒸發(fā)，抑制水汽的凝結(jié)，使?jié)摕後尫艤p弱，從而減弱空氣的受熱抬升，進(jìn)一步抑制暖云作用。這是云凝結(jié)核對暖云過程的負(fù)反饋。

在31日20時至1日07時，polluted試驗的垂直速度和潛熱釋放均大于clean試驗。此時對流云發(fā)展比較旺盛，冷云降水的比重增加。較高的CCN和過冷云水在對流層中層的維持會促進(jìn)雪在下落過程中的淞附增長和霰、冰晶的凍結(jié)增長。冰相過程的凝華和凍結(jié)潛熱釋放增加，促進(jìn)空氣的抬升運(yùn)動，進(jìn)一步加強(qiáng)冷云過程。這是云凝結(jié)核對冷云過程的正反饋。到08時以后，雖然polluted試驗垂直速度比clean試驗小，但是凍結(jié)潛熱釋放大于clean試驗。這說明polluted試驗中霰的混合比下降較慢，零度層附近一直有凍結(jié)潛熱釋放，較高濃度的霰的穩(wěn)定維持是高CCN濃度下后期降水增加的重要原因。

從宏觀來看，31日19時之前兩個試驗的最大垂直水汽通量（圖9）相差較小，但兩者水成物含量有較大差異（圖5），說明修改云凝結(jié)核濃度后，云微物理過程是引起降水前期降水量變化（圖4b）的重要因素。在降水中期，兩個試驗均有較大的垂直水汽通量，特別是在31日23時—1日07時，polluted試驗最大水汽通量遠(yuǎn)高于clean試驗。此時環(huán)境場有較好的抬升和水汽條件，配合CCN濃度升高對冷云降水正反饋?zhàn)饔?，使polluted試驗在該時段的降水量高于clean試驗。由此可以看出環(huán)境場是影響降水量的主要因素，但是CCN濃度的升高可以通過影響云物理過程來改變云雨轉(zhuǎn)化效率，特別是會增加垂直運(yùn)動較強(qiáng)時的冷云過程，從而促進(jìn)了降水。

4 結(jié)論與討論

利用中尺度數(shù)值模式WRFV3.8.1，選取改進(jìn)后的Thompson云微物理方案，對南京地區(qū)2014年6月1日的一次系統(tǒng)性降水過程進(jìn)行了模擬。設(shè)計的試驗包括不同云凝結(jié)核濃度的多次模擬，并從中選取符合實(shí)際大氣狀態(tài)的兩組試驗（清潔和嚴(yán)重污染），對比分析云凝結(jié)核濃度變化對累積降水的影響。通過比較水成物、垂直速度和潛熱釋放等物理量，進(jìn)一步分析了云凝結(jié)核濃度對降水的影響，主要結(jié)論如下：

1）Thompson方案對此次降水過程有一定的再現(xiàn)能力。當(dāng)CCN濃度小于實(shí)際觀測峰值時，隨著CCN濃度的上升，24 h區(qū)域累積降水量增加，較強(qiáng)的降水中心降水強(qiáng)度增強(qiáng)，降水范圍增大;較弱的降水中心降水強(qiáng)度減弱，降水范圍減小，此外CCN濃度變化不會影響降水中心的位置。

2）較高的CCN濃度會產(chǎn)生較多云滴，但是云滴有效半徑減小，不利于云滴碰并生成雨滴，這在降水前期尤為明顯。而隨著對流云的發(fā)展，較小的云滴更容易被輸送至對流層中層，低層云滴數(shù)濃度和混合比均下降，這進(jìn)一步抑制了使低層的暖云過程。

3）當(dāng)對流云發(fā)展到中期，冷云降水所占比重增加。CCN濃度的增加使云滴維持在對流層中層0℃線附近，過冷云水的混合比和數(shù)濃度均增加。這將促進(jìn)過冷云水向霰的轉(zhuǎn)化，也促進(jìn)雪的淞附過程，這有利于冷云過程的發(fā)展。較高CCN濃度使得在降水后期的霰維持較高濃度，增加了霰融化形成的降水。

4）雖然降水的主要影響因素是環(huán)境場的抬升和水汽條件，但CCN濃度的增加會抑制水汽凝結(jié)成云滴，促進(jìn)液態(tài)水向固態(tài)水的相變，這會對暖云過程產(chǎn)生負(fù)反饋?zhàn)饔?。此外，CCN濃度的增加對高空冰相粒子生成的促進(jìn)作用所釋放的潛熱加熱，會對冷云過程產(chǎn)生正反饋?zhàn)饔谩?/p>

以上結(jié)論是通過對一次江淮氣旋所引起的系統(tǒng)性降水的模擬得到的，不一定適合不同環(huán)境條件下的降水過程。接下來的研究中，將選擇一次局地強(qiáng)降水過程作為分析對象，進(jìn)一步探索云凝結(jié)核濃度對不同類型降水的影響，比較云凝結(jié)核濃度影響不同類型暴雨的過程的差異。此外，本研究沒有考慮氣溶膠-輻射效應(yīng)，下一步工作將使用加入化學(xué)模塊及排放源資料的WRF-chem模式，更全面的考慮氣溶膠-云-降水的相互作用。

參考文獻(xiàn)（References）

Bell T L，Rosenfeld D，Kim K M，et al.，2008.Midweek increase in US summer rain and storm heights suggests air pollution invigorates rainstorms[J].J Geophys Res，113（D2）：D02209.

陳倩，銀燕，金蓮姬，等，2013.氣溶膠影響混合相對流云降水的數(shù)值模擬研究[J].大氣科學(xué)學(xué)報，36（5）：513-526. Chen Q，Yin Y，Jin L J，et al.，2013.A numerical simulation study on the effect of aerosol layers on mixed phase convective cloud and precipitation[J].Trans Atmos Sci，36（5）：513-526.（in Chinese）.

陳思宇，黃建平，付強(qiáng)，等，2012.氣溶膠對我國中東部地區(qū)秋季降水的影響[J].熱帶氣象學(xué)報，28（3）：339-347. Chen S Y，Huang J P，F(xiàn)u Q，et al.，2012.Effects of aerosols on autumn precipitation over mid-eastern China[J].J Trop Meteor，28（3）：339-347.（in Chinese）.

陳衛(wèi)東，付丹紅，苗世光，等，2015a.北京地區(qū)城市環(huán)境對云和降水影響的個例數(shù)值模擬研究[J].地球物理學(xué)進(jìn)展，30（3）：983-995. Chen W D，F(xiàn)u D H，Miao S G，et al.，2015a.Numerical simulation of urban environment impacts on clouds and precipitation in Beijing[J].Prog Geophys，30（3）：983-995.（in Chinese）.

陳衛(wèi)東，付丹紅，苗世光，等，2015b.北京及周邊城市氣溶膠污染對城市降水的影響[J].科學(xué)通報，60（22）：2124-2135. Chen W D，F(xiàn)u D H，Miao S G，et al.，2015b.Impacts of aerosols from Beijing and the surrounding areas on urban precipitation[J].Chin Sci Bull，60（22）：2124-2135.（in Chinese）.

Colarco P，da Silva A，Chin M，et al.，2010.Online simulations of global aerosol distributions in the NASA GEOS-4 model and comparisons to satellite and ground-based aerosol optical depth[J].J Geophys Res，115（D14）：D14207.

董昊，徐海明，羅亞麗，2012.云凝結(jié)核濃度對WRF模式模擬颮線降水的影響：不同云微物理參數(shù)化方案的對比研究[J].大氣科學(xué)，36（1）：145-169. Dong H，Xu H M，Luo Y L，2012.Effects of cloud condensation nuclei concentration on precipitation in convection permitting simulations of a squall line using WRF model：sensitivity to cloud microphysical schemes[J].Chin J Atmos Sci，36（1）：145-169.（in Chinese）.

段婧，毛節(jié)泰，2008.華北地區(qū)氣溶膠對區(qū)域降水的影響[J].科學(xué)通報，53（23）：2947-2955. Duan J，Mao J T，2008.Impacts of aerosol on regional precipitation in North China[J].Chin Sci Bull，53（23）：2947-2955.（in Chinese）.

Eun S H，Kim B G，Lee K M，et al.，2016.Characteristics of recent severe haze events in Korea and possible inadvertent weather modification[J].SOLA，12：32-36.

Gao Y，Wu T W，Chen B D，et al.，2013.A numerical simulation of microphysical structure of cloud associated with the 2008 winter freezing rain over Southern China[J].J Meteor Soc Japan，91（2）：101-117.

Gong D Y，Ho C H，Chen D L，et al.，2007.Weekly cycle of aerosol-meteorology interaction over China[J].J Geophys Res，112（D22）：D22202.

Haywood J M，Boucher O，2000.Estimates of the direct and indirect radiative forcing due to tropospheric aerosols：a review[J].Rev Geophys，38（4）：513-543.

Hobbs P V，Radke L F，Shumway S，1970.Cloud condensation nuclei from industrial sources and their apparent influence on precipitation in Washington state[J].J Atmos Sci，27（1）：81-89.

Jin M L，2005.Urban aerosols and their variations with clouds and rainfall：a case study for New York and Houston[J].J Geophys Res，110（D10）：D10S20.

Kalina E A，F(xiàn)riedrich K，Morrison H，et al.，2014.Aerosol effects on idealized supercell thunderstorms in different environments[J].J Atmos Sci，71（12）：4558-4580.

Levin Z，Cotton W R，2009.Aerosol pollution impact on precipitation[M].Dordrecht：Springer Netherlands.

劉洋，李誠志，劉志輝，等，2016.基WRF模式的新疆巴音布魯克盆地強(qiáng)降雨天氣數(shù)值模擬效果分析[J].干旱區(qū)研究，33（1）：28-37. Liu Y，Li C Z，Liu Z H，et al.2016.Analysis on the numerical simulation of heavy rainfall based on WRF model in Bayanbuluk Basin[J].Arid Zone Research，33（1）：28-37.（in Chinese）.

馬嚴(yán)枝，陸昌根，高守亭，2012.8.19華北暴雨模擬中微物理方案的對比試驗[J].大氣科學(xué)，36（4）：835-850. Ma Y Z，Lu C G，Gao S T，2012.The effects of different microphysical schemes in WRF on a heavy rainfall in North China during 18—19 August 2010[J].Chin J Atmos Sci，36（4）：835-850.（in Chinese）.

Menon S，Hansen J，Nazarenko L，et al.，2002.Climate effects of black carbon aerosols in China and India[J].Science，297（5590）：2250-2253.

Misra A K，Tripathi A，Naresh R，et al.，2016.Modelling and analysis of the effects of aerosols in making artificial rain[J].Model Earth Syst Environ，2（4）：1-11.

Morrison H，2012.On the robustness of aerosol effects on an idealized supercell storm simulated with a cloud system-resolving model[J].Atmos Chem Phys Discuss，12（4）：10493-10533.

Nugent A D，Watson C D，Thompson G，et al.，2016.Aerosol impacts on thermally driven orographic convection[J].J Atmos Sci，73（8）：3115-3132.

Reisin T，Levin Z，Tzivion S，1996.Rain production in convective clouds as simulated in an axisymmetric model with detailed microphysics.part I：description of the model[J].J Atmos Sci，53（3）：497-519.

Saleeby S M，Cotton W R，2005.A large-droplet mode and prognostic number concentration of cloud droplets in the Colorado state university regional atmospheric modeling system （RAMS）.part II：sensitivity to a Colorado winter snowfall event[J].J Appl Meteor，44（12）：1912-1929.

石榮光，劉奇俊，馬占山，2015.利用GRAPES模式研究氣溶膠對云和降水過程的影響[J].氣象，41（3）：272-285. Shi R G，Liu Q J，Ma Z S，2015.Numerical simulation of aerosol effects on cloud and precipitation using GRAPES model[J].Meteor Mon，41（3）：272-285.（in Chinese）.

石睿，王體健，李樹，等，2015.東亞夏季氣溶膠-云-降水分布特征及其相互影響的資料分析[J].大氣科學(xué)，39（1）：12-22. Shi R，Wang T J，Li S，et al.，2015.The spatial and temporal characteristics of aerosol-cloud-precipitation interactions during summer in East Asia[J].Chin J Atmos Sci，39（1）：12-22.（in Chinese）.

師宇，樓小鳳，王廣河，2016.氣溶膠對北京地區(qū)云和降水影響的模擬研究[J].地理研究，35（10）：1912-1924. Shi Y，Lou X F，Wang G H，2016.Numerical simulation of the effect of aerosol on cloud and precipitation in Beijing[J].Geogr Res，35（10）：1912-1924.（in Chinese）.

Takeda T，Kuba N，1982.Numerical study of the effect of CCN on the size distribution of cloud droplets.Part Ⅰ.cloud droplets in the stage of condensation growth[J].J Meteor Soc Japan，61：375-387.

Thompson G，Rasmussen R M，Manning K W，2004.Explicit forecasts of winter precipitation using an improved bulk microphysics scheme.part I：description and sensitivity analysis[J].Mon Wea Rev，132（2）：519-542.

Thompson G，F(xiàn)ield P 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].Mon Wea Rev，136（12）：5095-5115.

Twomey S，1977.The influence of pollution on the shortwave albedo of clouds[J].J Atmos Sci，34（7）：1149-1152.

van den Heever S C，Cotton W R，2007.Urban aerosol impacts on downwind convective storms[J].J Appl Meteor Climatol，46（6）：828-850.

王桂新，2013.城市化基本理論與中國城市化的問題及對策[J].人口研究，37（6）：43-51. Wang G X，2013.The basic theory of urbanization and problems and countermeasures of Chinas urbanization[J].Popul Res，37（6）：43-51.（in Chinese）.

王惠，劉曉莉，安俊琳，等，2016.南京不同天氣和能見度下云凝結(jié)核的觀測分析[J].氣象科學(xué)，36（6）：800-809. Wang H，Liu X L，An J L，et al.，2016.Observational study of cloud condensation nuclei under different weather and visibility in Nanjing[J].J Meteor Sci，36（6）：800-809.（in Chinese）.

王嘯華，吳海英，唐紅昇，等，2012.2009年7月7日南京短時暴雨的中尺度特征分析[J].氣象，38（9）：1060-1069. Wang X H，Wu H Y，Tang H S，et al.，2012.Mesoscale characteristic analysis on a short-time torrential rain in Nanjing on 7 July 2009[J].Meteor Mon，38（9）：1060-1069.（in Chinese）.

Warner J，Twomey S，1967.The production of cloud nuclei by cane fires and the effect on cloud droplet concentration[J].J Atmos Sci，24（6）：704-706.

許世遠(yuǎn)，王軍，石純，等，2006.沿海城市自然災(zāi)害風(fēng)險研究[J].地理學(xué)報，61（2）：127-138. Xu S Y，Wang J，Shi C，et al.，2006.Research of the natural disaster risk on coastal cities[J].Acta Geogr Sin，61（2）：127-138.（in Chinese）.

徐小紅，余興，戴進(jìn)，2009.氣溶膠對秦嶺山脈地形云降水的影響[J].氣象，35（1）：37-47. Xu X H，Yu X，Dai J，2009.Effect of aerosol on orographic precipitation in Qinling mountains[J].Meteor Mon，35（1）：37-47.（in Chinese）.

楊慧玲，肖輝，洪延超，2011.氣溶膠對云宏微觀特性和降水影響的研究進(jìn)展[J].氣候與環(huán)境研究，16（4）：525-542. Yang H L，Xiao H，Hong Y C，2011.Progress in impacts of aerosol on cloud properties and precipitation[J].Clim Environ Res，16（4）：525-542.（in Chinese）.

楊桃進(jìn)，劉宇迪，眭敏，2017.不同濃度污染氣溶膠對一次暴雨的影響[J].大氣科學(xué)，41（4）：882-896. Yang T J，Liu Y D，Sui M，2017.Impacts of different concentrations of anthropogenic pollutants on a rainstorm[J].Chin J Atmos Sci，41（4）：882-896.（in Chinese）.

楊正卿，銀燕，劉聰，等，2012.云滴數(shù)濃度影響混合型層狀云降水的數(shù)值模擬[J].大氣科學(xué)學(xué)報，35（3）：350-363. Yang Z Q，Yin Y，Liu C，et al.，2012.Numerical simulation of impact of cloud droplet number concentration on precipitation from mixed stratiform and convective clouds[J].Trans Atmos Sci，35（3）：350-363.（in Chinese）.

尹占娥，許世遠(yuǎn)，殷杰，等，2010.基于小尺度的城市暴雨內(nèi)澇災(zāi)害情景模擬與風(fēng)險評估[J].地理學(xué)報，65（5）：553-562. Yin Z E，Xu S Y，Yin J，et al.，2010.Small-scale based scenario modeling and disaster risk assessment of urban rainstorm water-logging[J].Acta Geogr Sin，65（5）：553-562.（in Chinese）.

岳治國，劉曉東，梁谷，2011.氣溶膠對北京地區(qū)不同類型云降水影響的數(shù)值模擬[J].高原氣象，30（5）：1356-1367. Yue Z G，Liu X D，Liang G，2011.Numerical simulation of influence of aerosols on different cloud precipitation types in Beijing area[J].Plateau Meteor，30（5）：1356-1367.（in Chinese）.

張晶，鄭有飛，李云川，等，2011.石家莊市周邊秸桿焚燒導(dǎo)致云凝結(jié)核變化的特征[J].大氣科學(xué)學(xué)報，34（3）：343-350. Zhang J，Zheng Y F，Li Y C，et al.，2011.Characteristics of CCN concentration change caused by straw burning around Shijiazhuang City[J].Trans Atmos Sci，34（3）：343-350.（in Chinese）.

WRF3.8.1 model was chosen to simulate a rainstorm process in Nanjing in early June 2014 with Thompson cloud microphysics parameterization scheme.The effects of cloud condensation nuclei （CCN） concentration on the rainstorm were compared by two numerical experiments，which represent the high and low CCN concentrations，respectively.Results show that：（1） Thompson scheme can reproduce the rainstorm process to a certain extent，but the simulation of 24 h cumulative precipitation is generally low，and the cumulative precipitation increases with the increase of CCN concentration.The higher CCN concentration is beneficial to the enhancement of heavy precipitation centers and the expansion of heavy precipitation range，while it has the opposite effect on the weak precipitation centers.（2） The increase of CCN concentration will inhibit the transformation of cloud droplets to raindrops，more cloud droplets will be transported to the middle troposphere，and the warm cloud process in the lower troposphere will be inhibited.（3） The increase of CCN concentration increases the supercooled cloudwater in the middle troposphere，promotes the transformation of supercooled cloudwater to graupel，and promotes the riming process of droplets onto snow，which is conducive to the development of cold cloud process.（4） The increase of CCN concentration has negative feedback effect on warm cloud process and positive feedback effect on cold cloud process.

CCN concentration;cloud microphysical parameterization;rainstorm

doi：10.13878/j.cnki.dqkxxb.20180111001

（責(zé)任編輯：張福穎）