朱士超郭學(xué)良

?

華北一次積層混合云微物理和降水特征的數(shù)值模擬與飛機觀測對比研究

朱士超1, 2, 3郭學(xué)良1, 2

1中國氣象科學(xué)研究院云霧物理環(huán)境重點實驗室，北京100081;2南京信息工程大學(xué)氣象災(zāi)害預(yù)報預(yù)警與評估協(xié)同創(chuàng)新中心，南京210044;3安徽省人工影響天氣辦公室，合肥230031

為考察云數(shù)值模式中的云物理方案和對實例云物理和降水過程的模擬能力，本文將中尺度數(shù)值模式（WRF）模擬的華北地區(qū)一次積層混合云的微物理結(jié)構(gòu)特征、降水過程與國家科技支撐計劃重點項目環(huán)北京地區(qū)三架飛機聯(lián)合云探測實驗數(shù)據(jù)以及雷達、地面降水觀測數(shù)據(jù)進行了深入的比較和驗證研究。結(jié)果表明：WRF模式能夠較好地模擬出此次積層混合云的云系演變、雷達回波和降水分布特征。對比結(jié)果是：（1）模式模擬的云中液態(tài)水濃度（LWC）與飛機觀測值具有較好的一致性，在3°C層，飛機觀測的LWC最大值為0.8 g m?3，模擬的飛機路徑上的LWC最大值為0.78 g m?3，兩者接近；在－8°C層，飛機觀測LWC最大值為1.5 g m?3，模擬的飛機路徑上的LWC最大值為1.1 g m?3，模擬值偏??；在－5°C層以下，模式能夠準(zhǔn)確模擬云中水凝物的垂直分布，包括融化層的分布，模擬的水凝物質(zhì)量濃度與實測吻合。而對固態(tài)水，在－6～－10°C，由于模式中雪粒子凇附增長過程較大，聚合過程發(fā)生的高度偏高，導(dǎo)致模式模擬的固態(tài)水凝物質(zhì)量濃度高于實測值，說明模式在雪粒子增長過程的處理方面有待進一步改進。（2）在云粒子譜參數(shù)方面，在－8°C層，由于模擬的雪粒子質(zhì)量濃度偏高，所以模式計算的粒子譜的截距和斜率都小于飛機觀測值，模擬偏??；在－5°C層，兩者比較接近；在3°C層，由于云中小粒子濃度逐漸減少，所以模式計算的斜率接近觀測值，但是截距大于觀測值，說明模式降水粒子譜參數(shù)的描述方案有待改進，模式中譜形參數(shù)不應(yīng)一直設(shè)置為0，而是應(yīng)該隨著高度變化而變化。

華北積層混合云 WRF模式 飛機觀測 比較研究

1 引言

積層混合云是由層狀云和鑲嵌在層狀云中的對流單體組成，一般由鋒面系統(tǒng)產(chǎn)生，生命期較長，常常帶來大范圍的持續(xù)性或間歇性降水。Marshall （1953）利用雷達回波研究降水特征時發(fā)現(xiàn)，雷達回波的垂直剖面中有自上而下的帶狀強回波存在，并認為此強回波帶和嵌入在層狀云中的對流單體有關(guān)。隨后的一些研究確認了嵌入式對流單體和強回波帶的對應(yīng)關(guān)系（Plank et al., 1955；Wexler and Atlas，1959；Carbone and Bohne，1975；洪延超等，1984；黃美元和洪延超，1984；Syrett et al., 1995）。

積層混合云在暖鋒（Hobbs and Locatelli，1978；Matejka et al., 1980）和冷鋒（Hobbs et al., 1980； Herzegh and Hobbs，1981；Evans et al, 2005）降水中都起著重要作用。由于嵌入式對流單體中液態(tài)水濃度比周圍的層云高，并且具有一定的上升氣流速度，可以產(chǎn)生更多的冰晶（Matejka et al., 1980；Hobbs and Rangno，1990；Evans et al., 2005），在云中垂直速度不同的情況下，可以增加云系20%～35%的降水量（Herzegh and Hobbs，1980；Houze et al., 1981；Rutledge and Hobbs，1983），并且積層混合云降水往往分布不均勻，嵌入式對流單體下方降水量一般明顯比周圍區(qū)域高，造成了“雨核”的現(xiàn)象（Hobbs and Locatelli，1978）。

飛機觀測是研究積層混合云結(jié)構(gòu)和降水機理的重要途徑（Herzegh and Hobbs，1980；Lawson et al, 1993；Lawsonet al., 1998；McFarquhar and Black，2004；Evanset al., 2005；Lawson and Zuidema，2009）。在深厚的層狀云中，降水粒子的形成過程就非常復(fù)雜，如存在冰晶的凇附過程（Ono，1969），大滴的凍結(jié)過程（Korolev et al., 2004），冰晶的聚合過程（Takahashi and Fukuta，1988）等，積層混合云降水粒子的形成過程較一般的層狀云更為復(fù)雜，飛機探測通常只能探測某個瞬時狀態(tài)下的云微物理特征，對于揭示積層混合云結(jié)構(gòu)和降水機理具有一定的局限性，所以需要結(jié)合數(shù)值模式。

雖然目前中尺度數(shù)值模式模擬天氣尺度和中尺度信息的能力在提高，但是定量降水預(yù)報并沒有明顯改進，其中微物理參數(shù)化方案造成的預(yù)報誤差是一個重要原因（Colleet al., 1999；Colle and Mass，2000）。在模式發(fā)展初期，針對模式中云微物理方案的評估，主要對比云的宏觀組織結(jié)構(gòu)與觀測之間的誤差（Tao et al., 1991；Caniaux et al., 1994；Trier et al., 1996；Redelsperger et al., 2000；Xu and Randall，2001），這種驗證方法能夠在大體上評估模式的模擬誤差，但都是對云微物理方案的模擬效果進行間接評估，對于云中的微物理參量，例如云水含量、云中粒子譜分布等沒有直接地進行驗證（Lang et al, 2011）。雖然近幾年有一些針對模式中云參量的模擬誤差分析，例如在科羅拉多進行的冬季積冰風(fēng)暴項目（the Winter Icing and Storms Project：WISP）所取得的觀測資料，就被用來考察中尺度數(shù)值模式Mesoscale Model 5（MM5）中微物理參數(shù)化方案對云中水物質(zhì)模擬的誤差（Reisneret al., 1998）。但是對于積層混合云，層狀云中的嵌入式對流單體尺度比較小，不具有明顯的對流性，而且云中降水粒子形成的微物理過程比較復(fù)雜，所以目前還不確定中尺度模式是否能夠準(zhǔn)確模擬積層混合云降水過程的宏微觀特征（Stoelinga et al., 2003）。

國內(nèi)也有一些利用飛機觀測資料對數(shù)值模式云物理過程模擬的對比研究，胡朝霞等（2007）利用機載粒子測量系統(tǒng)（particle measurement system，簡稱PMS）觀測資料分析了華北層狀云中云水濃度等物理量的特征，并間接用于驗證一維層狀云模式模擬的降水形成機制。楊潔帆等（2010）利用PMS觀測資料分析了華北層狀云中粒子濃度的垂直分布特征，并用于考察二維分檔云模式對層狀云中云粒子濃度的模擬能力，結(jié)果表明模擬的云粒子濃度與實測接近。Hou et al.（2013）通過對比Cloud-Sat衛(wèi)星資料、機載PMS觀測資料和中尺度數(shù)值模式WRF模擬結(jié)果發(fā)現(xiàn)，在中國北方的混合云中，WRF模式模擬的云中固態(tài)水凝物濃度（IWC）高于飛機和衛(wèi)星的觀測值。除此之外還有其他的一些相關(guān)研究，雖然這些研究考察了云模式對某些云微物理參量的模擬能力，但是針對云中粒子譜的對比等定量研究較少。

本文利用中尺度天氣預(yù)報模式WRF模擬了2009年發(fā)生在華北地區(qū)的一次積層混合云降水過程，采用國家科技支撐計劃重點項目在環(huán)北京開展的多架飛機觀測數(shù)據(jù)以及對應(yīng)的雷達、降水觀測資料，對數(shù)值模擬的積層混合云雷達回波、降水分布、云中水物質(zhì)含量的垂直分布和粒子譜的垂直分布等特征進行了詳細的對比研究，以考察模式云物理方案在積層混合云微物理、降水過程的模擬能力，為改進模式云物理方案提供科學(xué)依據(jù)。

2 模式模擬方案與對比觀測數(shù)據(jù)

本文采用WRF-V3.2模式版本，利用1°×1°的NCEP（National Centers for Environmental Prediction）全球再分析資料對2009年4月18日張家口北部地區(qū)的一次積層混合云降水個例進行模擬。此次模擬采用三重嵌套，各嵌套空間范圍如圖1所示，圖中顏色色標(biāo)代表地形高度，模擬區(qū)域中心為（41.1°N，114.6°E）。各嵌套時空分辨率及參數(shù)化方案選擇如表1所示。

表1 WRF模式模擬參數(shù)

對比數(shù)據(jù)采用了2009年4～5月期間國家科技支撐計劃重點項目“人工影響天氣關(guān)鍵技術(shù)研究及裝備研發(fā)”在北京上游的張家口地區(qū)開展了“環(huán)北京云觀測實驗”。該實驗是國內(nèi)的第一次利用多架飛機同時對云進行聯(lián)合觀測的實驗，實驗期間有鋒面系統(tǒng)過境，主要云系以積層混合云為主，3架飛機分別在不同高度對云系進行了觀測。

飛機聯(lián)合觀測用到的三架飛機分別為河北省人工影響天氣辦公室在石家莊的夏延Ⅲ-A，飛機編號：3625；山西省人工影響天氣辦公室在大同的 運-12，飛機編號3817；北京人工影響天氣辦公室在張家口的運-12，飛機編號3830。有關(guān)飛機觀測實驗結(jié)果的氣溶膠及云降水特征研究結(jié)果（Lu and Guo，2012；朱士超和郭學(xué)良，2014）表明，此次觀測實驗取得了寶貴的飛機云觀測數(shù)據(jù), 對于數(shù)值模式模擬的云結(jié)構(gòu)和云物理過程的驗證具有重要價值。

本文主要利用2009年4月18日三架飛機的云物理觀測數(shù)據(jù)以及對應(yīng)的地面雷達和降水資料，對WRF模式模擬的降水、云微物理特征進行對比研究。

3 結(jié)果與分析

3.1 天氣背景及積層混合云特征

2009年4月18日，受低槽切變和地面弱冷鋒的影響，河北張家口地區(qū)有積層混合降水云系產(chǎn)生和發(fā)展，該云系自西向東移動，在東移過程中逐漸加強。13時（北京時間，下同），張家口西部有一冷鋒云系，云系覆蓋四川西部、甘肅中部和內(nèi)蒙古中部地區(qū)。16時，冷鋒云系移至河北北部，形成連續(xù)帶狀云系，張家口位于冷鋒云系的鋒前邊緣。17時，冷鋒云系仍持續(xù)維持并不斷向河北南部移動。19時，云系開始不斷減弱，并于19日07時移出張家口。在云系的降水演變方面，從18日15時起位于張家口西部地區(qū)的冷鋒云系開始出現(xiàn)降水，17時，張家口北部出現(xiàn)一個雨核，雨量開始逐漸增大并持續(xù)向南移動，18時小時降雨量達到最大，19日03時雨核消失，雨量開始逐漸變小并漸止。

圖2是2009年4月18日天氣形勢圖，圖中黑色方框區(qū)域為觀測區(qū)域，圖2a為08時500 hPa高度場和風(fēng)場，從圖中可以看出，有一短波槽經(jīng)過觀測區(qū)域，觀測區(qū)域處于槽前，弱高壓中心位于東海，對于淺槽向東南移動發(fā)展有所阻礙，觀測區(qū)域上空500 hPa高度上受西南氣流控制。圖2b為風(fēng)云二號衛(wèi)星（FY2C）紅外云圖，從圖中可以看出在觀測期間，整個云系呈東北—西南向帶狀分布，云系的主體位于觀測區(qū)域以北，在觀測區(qū)域上空有不均勻的混合云系產(chǎn)生。

圖1 三層嵌套模擬區(qū)域（彩色陰影代表地形高度）

圖2 2009年4月18日天氣形勢：（a）08時（北京時間，下同）500 hPa高度場（單位：gpm）和風(fēng)場；（b）19時FY2C紅外云圖

圖3是2009年4月18日雷達組合反射率及飛機飛行軌跡的疊加圖，從圖中可以看出，該云系的回波在外形上具有帶狀回波的特性，在云系前沿為輻合抬升形成的對流區(qū)，形成帶狀強回波帶，在云系后部為回波較弱的層云區(qū)。整個回波帶呈東北—西南分布，自西北向東南移動，回波帶中鑲嵌有明顯的強回波區(qū)，最大回波強度約為50 dB，強回波區(qū)比周圍云區(qū)強10～20 dB；3817和3830飛機分別在云系的前沿進行觀測，主要飛行高度分別為4.2 km和3.6 km；3625飛機在云中南北循環(huán)飛行，飛行高度初期為4.8 km，后期5.1 km。

3.2 數(shù)值模擬結(jié)果驗證

3.2.1 宏觀云場驗證

圖4是4月18日12時、18時和19日00時三個時刻模擬的最外層嵌套云中水凝物垂直平均混合比與FY2C紅外云圖對比，從圖中可以看出，在18日12時（圖4a），云區(qū)分布比較分散，河北北部有一個東北渦影響下的強云系，18時（圖4c），整個云系呈現(xiàn)東北—西南走向的帶狀分布，張家口地區(qū)處于云系前沿，到了19日00時（圖4e），整個帶狀云系向南發(fā)展并處于消散階段。模式模擬的18日12時的云區(qū)分布和實況一樣也比較分散，同時能夠模擬出河北北部的強云系（圖4b），模擬的18時的云系呈現(xiàn)東北—西南走向的帶狀分布，張家口地區(qū)處于云系前沿（圖4d），到了19日00時，模擬的整個帶狀云系向南發(fā)展并處于消散階段（圖4f）。從3個時刻的模式結(jié)果對比可以看出，模擬的云場能夠再現(xiàn)整個云系的發(fā)展演變特征。

圖3 2009年4月18日飛機飛行軌跡及19時雷達組合反射率（綠線為3817軌跡，紅線為3830軌跡, 藍線為3625軌跡）

圖4 觀測與數(shù)值模擬的云場對比：（a）、（c）和（e）分別為18日12時、18時和19日00時FY2C紅外云圖；（b）、（d）和（f）分別為18日12時、18時和19日00時模擬的云中水凝物混合比垂直方向平均值（單位：g kg?1）

3.2.2 雷達回波驗證

飛機主要探測的時間段為4月18日17～19時，此時系統(tǒng)剛好移經(jīng)觀測區(qū)域上空，圖5是該時段內(nèi)位于張北的C波段雷達探測的組合反射率與WRF模式模擬的組合反射率對比結(jié)果，從17時到19時觀測的雷達組合反射率可以看出，該云系的回波在外形上具有帶狀回波的特性。整個回波帶呈東北—西南分布，自西北向東南移動，回波帶中鑲嵌有明顯的強回波區(qū)，最大回波強度約為50 dB，強回波區(qū)比周圍云區(qū)強10～20 dBZ。從17時到19時模式模擬的雷達組合反射率可以看出，WRF模式能夠再現(xiàn)回波帶的基本特征，在回波強度和分布上與實況比較接近，同時模擬結(jié)果能夠顯示積層混合云雷達回波不均勻的特征，在帶狀回波中能夠看到明顯的嵌入強回波，最大回波強度約為50 dB，與實況接近。

圖6為18時雷達觀測與模式模擬反射率垂直剖面對比，從圖6a中可以看出，雷達觀測回波在水平方向上呈不均勻分布，在云體中明顯嵌有自上而下的強回波帶，強回波帶回波強度比周圍高5～10 dB。圖6b為模式模擬的反射率垂直剖面分布，可以看出，模式模擬的垂直反射率分布在形態(tài)上與實況接近，同時模式能夠模擬出雷達回波中鑲嵌的強回波帶，由此可以表明，WRF模式能夠比較好地模擬出此次積層混合云的雷達反射率結(jié)構(gòu)特征。

圖5 觀測與數(shù)值模擬的組合反射率對比：（a）17時雷達觀測反射率；（b）17時數(shù)值模擬反射率；（c）18時雷達觀測組合反射率（圖中黑線為截面位置）；（d）18時數(shù)值模擬組合反射率（圖中黑線為截面位置）；（e）19時雷達觀測組合反射率；（f）19時數(shù)值模擬組合反射率

3.2.3 降水特征驗證

圖7為觀測區(qū)域4月18日15～23時8小時降水分布，從圖7a中可以看出，在觀測區(qū)域中，此次積層混合云造成的降水最大達到11 mm，同時可以看出積層混合云降水呈不均勻分布，在觀測區(qū)域中出現(xiàn)幾個強降水中心，這與積層混合云的不均勻性有關(guān)。Hobbs and Locatelli（1978）在研究鋒面降水時發(fā)現(xiàn)，嵌有對流泡的層狀云降水區(qū)域中有“雨核”的存在，降水呈不均勻分布，有明顯的強降水中心，并且這種強降水中心的面積約為幾十平方公里。Hobbset al.（1980）在研究鋒面降水時也發(fā)現(xiàn)，嵌有對流泡的層狀云系降水效率比沒有對流泡的層狀云系降水效率高至少20%。從圖7b中可以看出, 模式能夠模擬出這種“雨核”的特征，圖7b顯示的模擬強降水中心的降水量也達到11 mm，與實況相同，因此模式模擬的總體的降水分布與實況接近。

為考察模式對站點降水的模擬能力，圖8a是對觀測地區(qū)的13個觀測站降水率平均值與對應(yīng)模擬值的對比結(jié)果。13個站分別是：張北、兩面井、二泉井、小二臺、油簍溝、二臺、白廟灘、大西灣、大囫圇鎮(zhèn)、臺路溝、饅頭營、公會和海流圖。對比15時到23時13個觀測站的平均降水率可以發(fā)現(xiàn)，降水率峰值出現(xiàn)在18時，模式模擬的區(qū)域平均降水率與實況一致，在18時降水率達到峰值，但是比實況略低，總的區(qū)域8小時平均降水量，實況為5.8 mm，模擬結(jié)果為6.1 mm。對比圖8b中張北站的降水率也可以發(fā)現(xiàn)，模式模擬的降水時間變化與實況接近。

3.3 云中微物理量及譜分布特征對比

3.3.1 水凝物垂直分布對比

云中LWC是影響降水形成的一個重要參量，研究發(fā)現(xiàn)（Lawson and Zuidema，2009），積層混合云中LWC呈不均勻分布，嵌入在層狀云中的對流單體中含有比較高的LWC。表2是4月18日三架飛機及雷達探測概況，三架飛機在云中不同的高度飛行，由于觀測期間3817飛機的液態(tài)水測量儀器故障，所以無法給出―5°C層LWC數(shù)值，從另外兩架飛機記錄的LWC可以看出，探測云系中液態(tài)水含量豐富，LWC最大值均超過1 g m?3。

表2 4月18日飛機探測結(jié)果

圖9a為云中―8°C層上，飛機觀測的LWC與模擬的飛機路徑上LWC的對比，從圖中可以看出，積層混合云中觀測的LWC呈不均勻分布，云中LWC最大值達到1.5 g m?3, 模式模擬的飛機路徑上的LWC最大值為1.1 g m?3，模擬結(jié)果略低于觀測數(shù)值。造成差別的原因，一方面，由于飛機在負溫度層觀測，冰晶碰到熱線含水量儀的線圈上會造成降溫反應(yīng)，使得測量結(jié)果偏大，測量誤差為0.1 g m?3。另一方面，從本文的雷達回波的對比可以看出，雖然WRF模式能夠模擬出積層混合云的結(jié)構(gòu)特征，但是模擬的嵌入對流單體位置與實況還存在一定差異，所以在模式結(jié)果中嚴(yán)格按照飛機軌跡提取LWC數(shù)值與觀測值進行對比會存在一定誤差。雖然模擬的飛機軌跡上LWC最大值低于實測數(shù)值，但是模式模擬云中―8°C層LWC最大值達到了2.2 g m?3，說明本次模擬能夠再現(xiàn)嵌入對流單體液態(tài)含水量豐富這一特征。圖9b為云中3°C層飛機觀測的LWC與對應(yīng)的模式模擬LWC的對比，從圖中可以看出，觀測云中LWC最大值達到0.8 g m?3，模式模擬的飛機路徑上的LWC最大值為0.78 g m?3，兩者比較接近。模式模擬云的整個3°C層的LWC最大值為1.3 g m?3。

圖8 15時到23時逐小時降水率對比：（a）多站點平均降水率；（b）張北站降水率

圖9 云中不同溫度層的飛機觀測LWC與對應(yīng)模式模擬值的對比：（a）―8°C層；（b）3°C層

圖10a是觀測時段內(nèi)，模式結(jié)果和觀測結(jié)果對應(yīng)的云內(nèi)6～―10°C溫度層平均水凝物質(zhì)量濃度垂直分布對比，其中模式結(jié)果中水凝物質(zhì)量濃度計算方法為

觀測結(jié)果中水凝物質(zhì)量濃度也是取云內(nèi)平均，具體計算方法為

其中，是PIP觀測的粒子檔數(shù)；x是某檔對應(yīng)的粒子數(shù)濃度，單位為m?3；r是某檔對應(yīng)的粒子半徑，單位為cm；是水凝物的密度，單位為g cm?3，對于固態(tài)降水粒子，計算方法選擇Heymsfield et al. （2004a）基于大量飛機觀測云中固態(tài)降水粒子資料得出的經(jīng)驗公式：

其中，為粒子譜分布的斜率，單位為cm?1；0、1為擬合參數(shù)，在這里分別取0.0152、0.57（Heymsfieldet al, 2004a, 2004b），對于液態(tài)降水粒子，取常數(shù)1 g cm?3。

從圖10a中可以看出，在―6～―10°C，模式計算的固態(tài)水凝物質(zhì)量濃度高于實測，主要原因可能是由于在該層模式模擬的雪粒子質(zhì)量濃度偏高，從圖10b 是三架飛機聯(lián)合觀測的云中4～―9.5°C降水粒子形態(tài)垂直分布，從圖中可以看出該層觀測的粒子主要以單個冰晶粒子為主，而模擬結(jié)果中除了冰晶和霰，還有大量的雪粒子。

圖 10c是觀測時段內(nèi)各種雪粒子源占總源百分比的垂直分布，模式中計算雪粒子總源的公式為(Morrison and Gettelman, 2008)：

其中，QSSOUR代表雪粒子總的產(chǎn)生源，PRDS代表雪的凝華，PRAI代表冰晶自動轉(zhuǎn)化為雪，PRCI代表雪碰并冰晶，PSACWS代表雪碰并云滴，PRACS代表雪碰并雨滴，PIACRS冰晶碰并雨滴轉(zhuǎn)化為雪，PRACIS代表雨滴碰并冰晶轉(zhuǎn)化為雪。

圖10 （a）模擬與觀測的云中平均水凝物質(zhì)量濃度在6～－10°C層的垂直分布對比（其中負溫度層qtotal=qice+qgraup+qsnow，正溫度層qtotal=qcloud+qrain+ qice+qgraup+qsnow，觀測值是根據(jù)二維降水粒子探頭2DP和PIP探測結(jié)果計算所得，探頭量程：100～6200 μm)；（b）飛機觀測云中4～－9.5°C降水粒子形態(tài)垂直分布[－6～－9.5°C為二維云粒子探頭2DC（two-dimensional cloud）圖像，4～－6°C為二維云粒子探頭CIP（Cloud Image Probe）圖像, 探頭量程：25～1550 μm]；（c）各種雪粒子源所占總源百分比的垂直分布

從圖10（c）可以看出，在這個溫度范圍內(nèi)，模式中雪粒子的主要產(chǎn)生源有PRDS和PSACWS，即雪的凝華增長和凇附增長，同時可以看出，在這個溫度層上方，PRCI過程也占一定比例，即雪碰并冰晶增長，但是從圖10b中該溫度層探測的粒子可以看出，觀測的冰晶主要是單個冰晶，冰晶的凇附增長不是很劇烈，同時冰晶的聚合增長出現(xiàn)高度也比較低，到―5°C層才出現(xiàn)大量冰晶聚合體，所以模式中描述的雪的凇附增長過程和聚合增長過程與實測不符，模式中―6～―10°C的凇附增長過程過于劇烈，而聚合過程發(fā)生的高度偏高，這兩個原因?qū)е铝嗽搶幽M的雪粒子質(zhì)量濃度偏高，而這兩個原因都與雪粒子的下落速度有關(guān)，陶玥等（2009）研究指出，中尺度模式中固態(tài)降水粒子下落末速度的改變，對該類固態(tài)粒子各種源過程和最終的質(zhì)量濃度有很大影響。所以在本次模擬中，雪粒子的下落速度誤差很可能是導(dǎo)致該層雪粒子模擬質(zhì)量濃度偏高的主要原因。

在0～―5°C，飛機觀測到粒徑比較大的冰晶聚合體，說明此時云中冰晶聚合增長明顯，云中降水粒子以雪團為主，模式結(jié)果與實測相同，也是以雪粒子為主，總的固態(tài)水凝物質(zhì)量濃度與實況接近。

在2～0°C，飛機觀測的粒子以融化態(tài)冰粒子為主，當(dāng)溫度高于2°C時，云中觀測的粒子全部呈現(xiàn)液態(tài)，說明2～0°C溫度層是云內(nèi)的融化層，模式結(jié)果與實況接近，雨滴質(zhì)量濃度從―1°C開始增加，3～―1°C是雨滴質(zhì)量濃度增加速度最快的溫度層，而雪和霰的質(zhì)量濃度在該溫度層迅速減少，說明該溫度層是模式中主要的融化層。同時對比總水凝物質(zhì)量濃度可以發(fā)現(xiàn)，在4～0°C層，模式模擬的總的水凝物質(zhì)量濃度與實況接近。

3.3.2 云中降水粒子譜分布對比

本文數(shù)值模式模擬中采用了Morrison雙參數(shù)微物理方案，該方案中降水粒子譜分布采用Gamma分布（Morrison and Gettelman，2008），

圖11為不同高度粒子平均譜分布對比，其中觀測譜為機載的2DP和PIP在云中觀測5分鐘平均譜，MP擬合譜分布是根據(jù)觀測數(shù)據(jù)擬合所得，擬合公式為

其中0MP和MP分別為MP擬合譜的截距和斜率，各層的譜參數(shù)設(shè)置見表3。

而圖11a，b中模式結(jié)果是根據(jù)模式模擬的雪和霰的譜分布相加所得，具體公式如下：

其中，譜參數(shù)取每一層在觀測時段的平均值，圖11c中模式結(jié)果給出的是該層雨滴譜分布。從圖11中可以看出，在―8°C層，模式計算得出的粒子譜在0.1～1 mm小于觀測結(jié)果，但是在1～6 mm，模式結(jié)果大于觀測結(jié)果；在―5°C層，在0.1～0.2 mm模式結(jié)果與觀測接近，在0.2～2 mm模式結(jié)果小于觀測結(jié)果，在2～6 mm模式結(jié)果與觀測接近。在3°C層，在0.1～0.5 mm模式結(jié)果小于觀測值，在0.5～ 4 mm模式結(jié)果與實況接近。由此可見，模式在高層對小冰粒子濃度的模擬偏低，而對大冰粒子濃度的模擬偏高，這與Garvert et al.,（2005）對MM5模式模擬美國俄勒岡州的一次降水過程的檢驗結(jié)果一致，模式中負溫度層的降水粒子譜分布在小粒子端濃度小于實況，大粒子端大于實況，也就是說在負溫度層模式計算的截距和斜率都小于實際值。從圖11可以看出，在―8°C層，模式計算的截距和斜率都小于觀測值，但是隨著高度的降低，模式計算的斜率逐漸接近觀測譜的斜率，同時由于云中的聚合過程導(dǎo)致小粒子減少（Heymsfield et al., 2002；朱士超和郭學(xué)良，2014），所以觀測譜的截距隨著高度降低也在逐漸減小，到了3°C層，模式計算的截距已經(jīng)高于實測譜。Molthanet al.（2010）利用WRF模式模擬發(fā)生在美國安大略湖的一次降水過程時也曾發(fā)現(xiàn)，模式給出的降水粒子譜參數(shù)在高層低于觀測數(shù)值，在低層高于觀測數(shù)值。

圖11 觀測粒子譜分布與模式模擬粒子譜分布對比（圖中黑色圓圈為觀測得到5分鐘平均譜，紅點代表針對本次觀測得到MP擬合譜，藍色三角代表觀測時段內(nèi)模式中對應(yīng)溫度層的平均譜）：（a）―8°C層，采樣時間：17:20～17:25；（b）―5°C層, 采樣時間：17:46～17:51；（c）3°C層，采樣時間：18:10～18:15

雖然模式中粒子譜分布采用的是Gamma分布，但是由于模式中對于冰晶、雪、霰和雨滴四種水物質(zhì)取常數(shù)值0，所以最終的譜分布形式為MP分布。圖12為4月18日觀測的積層混合云中，粒子譜分布的MP擬合和Gamma擬合對比，其中MP擬合譜和圖11中一致，Gamma擬合譜的公式為

其中，N0Γ和λΓ分別為Gamma擬合譜的截距和斜率，Γ為譜形參數(shù)，各層的譜參數(shù)設(shè)置見表3。

圖12 粒子譜分布MP擬合和Gamma擬合對比（圖中黑色圓圈為觀測得到5分鐘平均譜，紅點代表針對觀測得到MP擬合譜，綠點代表針對觀測得到Gamma擬合譜）：（a）―8°C層，采樣時間：17:20～17:25；（b）―5°C層，采樣時間：17:46～17:51；（c）3°C層，采樣時間：18:10～18:15

從圖12中可以看出，隨著高度從―8°C層降到3°C層，云中的小粒子端濃度逐漸減少，粒子譜的峰值從―8°C層的100 μm，增加到―5°C層的500 μm，最后到3°C層的800 μm，結(jié)合表4中MP擬合和Gamma擬合的相關(guān)系數(shù)對比可以發(fā)現(xiàn)，隨著云中高度的降低，云中降水粒子譜分布逐漸從MP分布轉(zhuǎn)變?yōu)镚amma分布，說明在模式中的不同高度層應(yīng)采用不同譜分布。針對云中降水粒子譜分布的形式，一些學(xué)者指出云中的降水粒子譜分布滿足MP分布（Houze et al., 1979；Woods et al., 2008），但是也有一些學(xué)者指出云中降水粒子譜分布滿足Gamma分布（Heymsfield et al., 2002；Field et al., 2005），對于此次積層混合云降水的雨滴譜，Gamma分布更能代表其分布特征，這和國內(nèi)的積層混合云雨滴譜的研究結(jié)果一致（陳寶君等1998），MP分布的適用范圍為穩(wěn)定的層狀云降水的雨滴譜, 而Gamma分布適用范圍更廣, 具有一定的普遍性。

表3 不同溫度層MP擬合和Gamma擬合譜參數(shù)

表4 MP擬合譜和Gamma擬合譜與觀測譜的相關(guān)系數(shù)對比

4 結(jié)論與討論

本文利用WRF模式對4月18日觀測的積層混合云個例進行數(shù)值模擬，針對云微物理結(jié)構(gòu)和降水特征與“十一五”國家科技支撐重點項目在 2009 年春季開展的環(huán)北京多架飛機云觀測實驗數(shù)據(jù)進行了比較深入的對比與驗證研究。得到以下結(jié)論：

（1）WRF模式模擬的云場能夠再現(xiàn)整個云系的發(fā)展演變特征，同時能夠較好模擬出回波帶的基本特征，在回波強度和分布上與雷達觀測接近，模擬結(jié)果能夠再現(xiàn)積層混合云雷達回波不均勻的特征，在帶狀回波中能夠看到明顯的嵌入強回波，最大回波強度約為50 dB，強回波區(qū)比周圍云區(qū)強10～20 dB，與觀測接近。積層混合云降水呈不均勻分布，降水分布中有“雨核”的存在，WRF模式能夠再現(xiàn)積層混合云的這種降水特征，同時模擬的降水強度、降水出現(xiàn)時間和分布趨勢與觀測實況具有較好的一致性。

（2）積層混合云中觀測的LWC呈不均勻分布，在―8°C層，云中LWC最大值達到1.5 g m?3，模式模擬的飛機路徑上的LWC最大值為1.1 g m?3，模式模擬該層LWC最大值為2.2 g m?3。在3°C層，飛機觀測的LWC最大值達到0.8 g m?3，模式模擬的飛機路徑上的LWC最大值為0.78 g m?3，模式模擬該層LWC最大值為1.3 g m?3。在―6～―10°C，模式模擬的固態(tài)水凝物質(zhì)量濃度高于實測，主要是由于模式中該層的雪粒子凇附增長過程過于劇烈，而聚合過程發(fā)生的高度偏高，所以該層模擬的雪粒子混合比偏高，導(dǎo)致最終的固態(tài)水凝物質(zhì)量濃度高于實測，在―5°C層以下，模式能夠較準(zhǔn)確模擬云中水凝物的垂直分布，包括融化層的分布，模擬的水凝物質(zhì)量濃度與實測吻合。

（3）WRF模式模擬的粒子譜參數(shù)在云低層與觀測具有較好的一致性，但在高層比觀測值偏小。在―8°C層，模式計算的粒子譜的截距和斜率都小于實際觀測值，主要與該層模式模擬的雪粒子質(zhì)量濃度偏高有關(guān)，在―5°C層，模式計算的截距和斜率接近實際譜，在3°C層，模式計算的斜率接近實際譜，但是截距大于實際譜。同時，隨著高度從―8°C層降到3°C層，由于降水粒子的聚合過程和碰并過程，云中的小粒子端濃度逐漸減少，粒子譜的峰值從―8°C層的100 μm，增加到―5°C層的500 μm，最后到3°C層的800 μm，云中降水粒子譜分布逐漸從MP分布轉(zhuǎn)變?yōu)镚amma分布，說明模式降水粒子譜參數(shù)的描述方案有待改進，模式中譜形參數(shù)不應(yīng)一直設(shè)置為0，而是應(yīng)該隨著高度變化而變化。

中尺度模式的模擬能力對不同降水過程是 有變化的，因此用一個例子來研究模式的模擬能力，所得的結(jié)論具有一定的局限性，同時對于云中固態(tài)水凝物和粒子譜等物理參量的對比，只對比了某一時段的平均值，這樣也使得考察結(jié)果可靠性降低。但是由于觀測資料等因素的限制，暫時無法用更多的個例以及更全面的角度去考察模式的模擬能力，日后在觀測資料允許的情況下，會對更多的積層混合云個例進行模擬，來考察中尺度模式對其的模擬能力。

（References：）

Caniaux G, Redelsperger J L, Lafore J P. 1994. A numerical study of the stratiform region of a fast-moving squall line. Part I: General description and water and heat budgets [J]. J. Atmos. Sci., 51 (14): 2046–2074.

Carbone R E, Bohne A R. 1975. Cellular snow generation—A doppler radar study [J]. J. Atmos. Sci., 32 (7): 1384–1394.

陳寶君, 李子華, 劉吉成, 等. 1998. 三類降水云雨滴譜分布模式 [J]. 氣象學(xué)報, 56 (4): 506–512. Chen B J, Li Z H, Liu J C, et al. 1998. Model of raindrop size distribution in three types of precipitation [J]. Acta Meteorologica Sinica (in Chinese), 56 (4): 506–512.

Colle B A, Mass C F. 2000. The 5–9 February 1996 flooding event over the pacific northwest: Sensitivity studies and evaluation of the MM5 precipitation forecasts [J]. Mon. Wea. Rev., 128 (3): 593–617.

Colle B A, Westrick K J, Mass C F. 1999. Evaluation of MM5 and Eta-10 precipitation forecasts over the Pacific Northwest during the cool season [J]. Wea. Forecasting, 14 (2): 137–154.

Evans A G, Locatelli J D, Stoelinga M T, et al. 2005. The IMPROVE-1 storm of 1–2 February 2001. Part II: Cloud structures and the growth of precipitation [J]. J. Atmos. Sci., 62 (10): 3456–3473.

Field P R, Hogan R J, Brown P R A, et al. 2005. Parametrization of ice-particle size distributions for mid-latitude stratiform cloud [J]. Quart. J. Roy. Meteor. Soc., 131 (609): 1997–2017.

Garvert M F, Woods C P, Colle B A, et al. 2005. The 13–14 December 2001 IMPROVE-2 event. Part II: Comparisons of MM5 model simulations of clouds and precipitation with observations [J]. J. Atmos. Sci., 62 (10): 3520–3534.

Herzegh P H, Hobbs P V. 1980. The mesoscale and microscale structure and organization of clouds and precipitation in midlatitude cyclones. II: Warm-frontal clouds [J]. J. Atmos. Sci., 37: 597–611.

Herzegh P H, Hobbs P V. 1981. The mesoscale and microscale structure and organization of clouds and precipitation in midlatitude cyclones. IV: Vertical air motions and microphysical structures of prefrontal surge clouds and cold-frontal clouds [J]. J. Atmos. Sci., 38 (8): 1771–1784.

Heymsfield A J, Bansemer A, Field P R, et al. 2002. Observations and parameterizations of particle size distributions in deep tropical cirrus and stratiform precipitating clouds: Results from in situ observations in TRMM field campaigns [J]. J. Atmos. Sci., 59 (24): 3457–3491.

Heymsfield A J, Bansemer A, Schmitt C, et al. 2004a. Effective ice particle densities derived from aircraft data [J]. J. Atmos. Sci., 61 (9): 982–1003.

Heymsfield A J, Schmitt C G, Bansemer A, et al. 2004b. Effective ice particle densities for cold anvil cirrus [J]. Geophys. Res. Lett., 31 (2): L02101.

Hobbs P V, Locatelli J D. 1978. Rainbands, precipitation cores and generating cells in a cyclonic storm [J]. J. Atmos. Sci., 35 (2): 230–241.

Hobbs P V, Matejka T J, Herzegh P H, et al. 1980. The mesoscale and microscale structure and organization of clouds and precipitation in midlatitude cyclones. I: A case study of a cold front [J]. J. Atmos. Sci., 37 (3): 568–596.

Hobbs P V, Rangno A L. 1990. Rapid development of high ice particle concentrations in small polar maritime cumuliform clouds [J]. J. Atmos. Sci., 47 (22): 2710–2722.

洪延超, 黃美元, 王首平. 1984. 梅雨云系中亮帶不均勻性的理論探討 [J]. 大氣科學(xué), 8 (2): 197–204. Hong Y C, Huang M Y, Wang S P. 1984. A theoretical study on inhomogeneity of bright band in Mei-yu frontal cloud system [J]. Scientia Atmospherica Sinica (in Chinese), 8 (2): 197– 204.

Hou T J, Lei H C, Hu Z X, et al. 2013. Observations and modeling of ice water content in a mixed-phase cloud system [J]. Atmos. Oceanic Sci. Lett., 6 (4):210–215.

Houze R A Jr, Hobbs P V, Herzegh P H, et al. 1979. Size distributions of precipitation particles in frontal clouds [J]. J. Atmos. Sci., 36 (1): 156– 162.

Houze R A Jr, Rutledge S A, Matejka T J, et al. 1981. The mesoscale and microscale structure and organization of clouds and precipitation in midlatitude cyclones. III: Air motions and precipitation growth in a warm-frontal rainband [J]. J. Atmos. Sci., 38 (3): 639–649.

胡朝霞, 雷恒池, 郭學(xué)良, 等. 2007. 降水性層狀云系結(jié)構(gòu)和降水過程的觀測個例與模擬研究 [J]. 大氣科學(xué), 31 (3): 425–439. Hu Z X, Lei H C, Guo X L, et al. 2007. Studies of the structure of a stratiform cloud and the physical processes of precipitation formation [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 31 (3): 425–439.

黃美元, 洪延超. 1984. 在梅雨鋒云系內(nèi)層狀云回波結(jié)構(gòu)及其降水的不均勻性 [J]. 氣象學(xué)報, 42 (1): 81–87. Huang M Y, Hong Y C. 1984. The inhomogeneous features of the precipitation and the echo structure of stratiform cloud in Mei-yu frontal cloud system [J]. Acta Meteorologica Sinica (in Chinese), 42 (1): 81–87.

Korolev A V, Bailey M P, Hallett J, et al. 2004. Laboratory and in situ observation of deposition growth of frozen drops [J]. J. Appl. Meteor., 43 (4): 612–622.

Lang S E, Tao W K, Zeng X P, et al. 2011. Reducing the biases in simulated radar reflectivities from a bulk microphysics scheme: Tropical convective systems [J]. J. Atmos. Sci., 68 (10): 2306–2320.

Lawson R P, Stewart R E, Angus L J. 1998. Observations and numerical simulations of the origin and development of very large snowflakes [J]. J. Atmos. Sci., 55 (21): 3209–3229.

Lawson R P, Stewart R E, Strapp J W, et al. 1993. Aircraft observations of the origin and growth of very large snowflakes [J]. Geophys. Res. Lett., 20 (1): 53–56.

Lawson R P, Zuidema P. 2009. Aircraft microphysical and surface-based radar observations of summertime arctic clouds [J]. J. Atmos. Sci., 66 (12): 3505–3529.

Lu G X, Guo X L. 2012. Distribution and origin of aerosol and its transform relationship with CCN derived from the spring multi-aircraft measurements of Beijing Cloud Experiment (BCE) [J]. Chin. Sci. Bull., 57 (19): 2460–2469.

Marshall J S. 1953. Precipitation trajectories and patterns [J]. J. Meteor., 10 (1): 25–29.

Matejka T J, Houze R A Jr, Hobbs P V. 1980. Microphysics and dynamics of clouds associated with mesoscale rainbands in extratropical cyclones [J]. Quart. J. Roy. Meteor. Soc., 106 (447): 29–56.

McFarquhar G M, Black R A. 2004. Observations of particle size and phase in tropical cyclones: Implications for mesoscale modeling of microphysical processes [J]. J. Atmos. Sci., 61 (4): 422–439.

Molthan A L, Petersen W A, Nesbitt S W, et al. 2010. Evaluating the snow crystal size distribution and density assumptions within a single-moment microphysics scheme [J]. Mon. Wea. Rev., 138 (11): 4254–4267.

Morrison H, Gettelman A. 2008. A new two-moment bulk stratiform cloud microphysics scheme in the community atmosphere model, version 3 (CAM3). Part I: Description and numerical tests [J]. J. Climate, 21 (15): 3642–3659.

Ono A. 1969. The shape and riming properties of ice crystals in natural clouds [J]. J. Atmos. Sci., 26 (1): 138–147.

Plank V G, Atlas D, Paulsen W H. 1955. The nature and detectability of clouds and precipitation as determined by 1.25-centimeter radar [J]. J. Meteor., 12 (4): 358–378.

Redelsperger J L, Brown P R A, Guichard F, et al. 2000. A GCSS model intercomparison for a tropical squall line observed during TOGA- COARE. I: Cloud-resolving models [J]. Quart. J. Roy. Meteor. Soc., 126 (564): 823–863.

Reisner J, Rasmussen R M, Bruintjes R T, et al. 1998. Explicit forecasting of supercooled liquid water in winter storms using the MM5 mesoscale model [J]. Quart. J. Roy. Meteor. Soc., 124 (548): 1071–1107.

Rutledge S A, Hobbs P. 1983. The mesoscale and microscale structure and organization of clouds and precipitation in midlatitude cyclones. VIII: A model for the “seeder-feeder” process in warm-frontal rainbands [J]. J. Atmos. Sci., 40 (5): 1185–1206.

Stoelinga M T, Hobbs P V, Mass C F, et al. 2003. Improvement of microphysical parameterization through observational verification experiment [J]. Bull. Amer. Meteor. Soc., 84 (12): 1807–1826.

Syrett W J, Albrecht B A, Clothiaux E E. 1995. Vertical cloud structure in a midlatitude cyclone from a 94-GHz radar [J]. Mon. Wea. Rev., 123 (12): 3393–3407.

Takahashi T, Fukuta N. 1988. Supercooled cloud tunnel studies on the growth of snow crystals between ―4°C and ―20°C [J]. J. Meteor. Soc. Japan, 66: 841–855.

Tao W K, Simpson J, Soong S T. 1991. Numerical simulation of a subtropical squall line over the Taiwan Strait [J]. Mon. Wea. Rev., 119: 2699–2723.

陶玥, 齊彥斌, 洪延超. 2009. 霰粒子下落速度對云系及降水發(fā)展影響的數(shù)值研究[J]. 氣象學(xué)報, 67 (3): 370–381. Tao Y, Qi Y B, Hong Y C. 2009. Numerical simulations of the influence of the graupel fall terminal velocity on cloud system and precipitation development [J]. Acta Meteorologica Sinica (in Chinese), 67 (3): 370–381.

Trier S B, Skamarock W C, LeMone M A, et al. 1996. Structure and evolution of the 22 February 1993 TOGA COARE squall line: Numerical simulations [J]. J. Atmos. Sci., 53 (20): 2861–2886.

Wexler R, Atlas D. 1959. Precipitation generating cells [J]. J. Meteor., 16 (3): 327–332.

Woods C P, Stoelinga M T, Locatelli J D. 2008. Size spectra of snow particles measured in wintertime precipitation in the Pacific Northwest [J]. J. Atmos. Sci., 65 (1): 189–205.

Xu K M, Randall D A. 2001. Explicit simulation of cumulus ensembles with the GATE phase III data: Budgets of a composite easterly wave [J]. Quart. J. Roy. Meteor. Soc., 127(575): 1571–1591.

楊潔帆, 雷恒池, 胡朝霞. 2010. 一次層狀云降水過程微物理機制的數(shù)值模擬研究 [J]. 大氣科學(xué), 34 (2): 275–289. Yang J F, Lei H C, Hu Z X. 2010. Simulation of the stratiform cloud precipitation microphysical mechanism with the numerical model [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 34 (2): 275–289.

朱士超, 郭學(xué)良. 2014. 華北積層混合云中冰晶形狀、分布與增長過程的飛機探測研究 [J]. 氣象學(xué)報, 72 (2): 366–389, doi:10.11676/ qxxb2014.013. Zhu S C, Guo X L. 2014. Ice crystal habits, distribution and growth process in stratiform clouds with embedded convection in North China: Aircraft measurements [J]. Acta Meteorologica Sinica (in Chinese), 72 (2): 366–389.

朱士超, 郭學(xué)良. 2015. 華北一次積層混合云微物理和降水特征的數(shù)值模擬與飛機觀測對比研究[J]. 大氣科學(xué), 39 (2): 370?384, doi:10.3878/j.issn. 1006-9895.1405.14117. Zhu Shichao, Guo Xueliang. 2015. A case study comparing WRF-model-simulated cloud microphysics and precipitation with aircraft measurements in stratiform clouds with embedded convection in northern China [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 39 (2): 370?384.

A Case Study Comparing WRF-Model-Simulated Cloud Microphysics and Precipitation with Aircraft Measurements in Stratiform Clouds with Embedded Convection in Northern China

ZHU Shichao1, 2, 3and GUO Xueliang1, 2

1,,100081 ;2,,210044 ;3,230031

To verify the cloud microphysical scheme and to simulate cloud microphysics and precipitation, the authors used the Weather Research and Forecasting (WRF) model to simulate their characteristics in stratiform clouds with embedded convection for April 18 2009, and then compared the results with data obtained during the Beijing Cloud Experiment (BCE). The results indicate that the distributions of the cloud system, radar echo, and precipitations simulated by the WRF model are in good agreement with our observations. The simulated liquid water content (LWC) is consistent with aircraft measurements, and the maximum LWCs at the －8°C and 3°C layers observed by the aircraft are 1.5 g m?3and 0.8 g m?3, and those simulated by model are 1.1 g m-3and 0.78 g m-3, respectively. Vertical distributions below the －5°C layer (most cloud water is LWC) were properly simulated, and it included the melting layer. The ice water content (IWC) simulated by the model was higher than that of the observations in the range of －6 to －10°C layer because the simulated riming process is excessive at this layer, and the aggregation process occurred in a higher layer. As such, modifications are required for cold simulation processes. At the －8°C layer, both the intercept and slope of the particle size distributions (PSDs) simulated by the model were lower than those of the observations due to the simulated snow mass concentrations being higher than observed. At the －5°C layer, both the simulated intercept and slope were consistent with observations. At the 3°C layer, the simulated slope was consistent with observations, but the simulated intercept was higher than the observed value due to the decreasing concentration of small particles in the cloud, which suggests that the spectrum-shape parameter could change with cloud height.

Stratiform clouds with embedded convections in Northern China, WRF model,Aircraft measurement, Comparative study

1006-9895(2015)02-0370-15

P426.5+1

A

10.3878/j.issn.1006-9895.1405.14117

2014-01-22；網(wǎng)絡(luò)預(yù)出版日期2014-05-23

國家科技支撐計劃項目2006BAC12B03，公益性行業(yè)（氣象）科研專項GYHY200806001、GYHY201306040，江蘇省普通高校研究生科研創(chuàng)新計劃資助項目CXZZ13_0508

朱士超，男，1985年出生，博士研究生，主要從事云降水物理研究。E-mail: zsc-6387099@163.com

郭學(xué)良，E-mail: guoxl@mail.iap.ac.cn