东南沿海一次近云区湍流事件的数值模拟与产生机制研究

图1 WRF模式模拟区域（a）及D04嵌套区域（b）地形分布（单位：m）

（图a中黑色圆圈和图b中黑色虚线表示飞机所在航路）

Fig.1 The distribution of topography （Unit： m） of the WRF model simulation area （a） and D04 nested area （b）

（The black circle in the fig. a and the black dotted line in the fig. b indicate the route of the aircraft）

表1 模式物理参数配置

Tab.1 Configuration and parameterizations conducted in the simulation

模式方案	具体参数
云微物理方案	Thompson （Thompson et al.， 2008）
积云对流方案	KF （Kain， 2004）
行星边界层方案	Mellor-Yamada-Janjic （Janjic， 1944）
地表表层方案	Monin-Obukhov （Janjic， 1944）
陆面过程方案	Unified Noah （Tewari et al.， 2004）
长波辐射方案	RRTMG （Iacono et al.， 2008）
短波辐射方案	RRTMG （Iacono et al.， 2008）

新窗口打开| 下载CSV

本文共设计两组试验，其一为控制试验（简称“CNTL试验”），用于分析此次湍流过程的发生发展机制；其二为敏感试验（简称“DRY试验”），关闭了云微物理和积云对流参数化方案，用于分析无云区情况下大气动力场特征对湍流产生的影响机制。

1.2 资料与方法

基于国内2010—2017年颠簸类飞行员报告（Pilot Reports，PIREPs），选取一次中等强度的颠簸事件作为研究对象。该事件发生于2017年2月24日07：00—08：00，其间有三架航空器在福建省附近上空报告遭遇湍流。为了分析此次湍流事件的产生机制及其与云系之间的关系，使用日本气象厅提供的葵花卫星（Himawari-8）亮温资料。同时选取水平分辨率为0.25°×0.25°、时间分辨率为1 h的ERA5再分析数据集，用于分析此次湍流过程的环流背景。为检验模式对此次飞机遭遇湍流事件的位置和强度模拟效果，选取对湍流预报有较好指示作用的Ri数、NCSU1指数、湍流耗散动能（Turbulent Kinetic Energy，TKE）和绝对涡度（Absolute Vorticity）开展分析（Sharman et al.， 2006；Kim and Chun，2010）。通常认为当Ri数减小至临界值（通常取1）时，开尔文亥姆霍兹波破碎从而产生湍流（Kim and Chun， 2010），其计算公式如下：

（1）

R i = \frac{N^{2}}{S^{2}}

（2）

N^{2} = \frac{g}{θ} \frac{\partial θ}{\partial z}

（3）S

= {({|\frac{\partial u}{\partial z}|}^{2} + {|\frac{\partial v}{\partial z}|}^{2})}^{1 / 2}

式中： $N^{2}$ （s^-2）表示大气稳定度； $θ$ （K）为位温； $g$ （m·s^-2）表示重力加速度； $z$ （m）表示高度； $S$ （s^-2）表示垂直风切变，是经向风和纬向风差分计算的结果； $u$ 、v（m·s^-1）分别表示纬向和经向风速。

Kaplan等（2005）提出的NCSU1指数（单位：s^-3）被广泛应用于飞机颠簸的诊断分析中，能有效反映飞机颠簸的强度特征（Sharman et al.， 2006），其计算公式如下：

（4）

N C S U 1 = \frac{1}{M A X (R i, 10^{- 5})} M A X (u \frac{\partial u}{\partial x} + v \frac{\partial v}{\partial y}, 0) |\nabla ξ|

式中： $ξ$ （s^-1）表示相对涡度； $x$ 、 $y$ （m）分别表示沿纬圈向东、沿经圈向北的距离。

湍流耗散动能是表征大气湍流特征的重要参数（Trier et al.，2012），Strauss等（2015）将TKE计算公式中的风分解为纬向、经向和垂直方向的分量，其单位质量的TKE计算公式如下：

（5）

T K E = \frac{({σ_{u}}^{2} + {σ_{v}}^{2} + {σ_{z}}^{2})}{2}

式中： $σ$ _u、 $σ$ _v、 $σ$ _z（m·s^-1）分别表示纬向、经向、垂直方向风速的扰动。

负绝对涡度表征的惯性不稳定（Inertial Instability）也是导致大气湍流发生的重要影响机制之一（Knox，1997；Trier and Sharman，2009），其表达式如下：

（6）

ξ_{a} = \frac{\partial v}{\partial x} - \frac{\partial u}{\partial y} + f

式中： $ξ_{a}$ （s^-1）表示绝对涡度； $\frac{\partial v}{\partial x} - \frac{\partial u}{\partial y}$ （单位：s^-1）表示相对涡度的垂直分量； $f$ （s^-1）表示行星涡度的垂直分量。

2 飞机遭遇湍流事件及背景概述

2017年2月24日07：00—07：30，型号为E190、波音737和空客A320的三架航空器在途经莆田市、连江市、福安市区域上空7 200 m高度附近均遭遇了中等强度的湍流事件。为理解此次湍流事件的大尺度背景，图2为遭遇湍流前500 hPa环流、平均海平面气压、相当黑体温度分布。在遭遇湍流前[图2（a）]，500 hPa主要以平直西风气流为主，东南沿海地区主要受大陆冷高压控制，一条西南—东北走向的层状云带位于福建、浙江沿海至朝鲜半岛的南部地区，湍流区附近存在较为零散的云团，且云顶高度较低[图2（b）]。从24日00：00福州站探空资料（图略）可以看出近地面至500 hPa大气趋于饱和，云顶高约7 km。低层存在逆温层，以非对流性低云为主，故本次湍流事件被认为是近云区湍流事件。

图2

图2 2017年2月24日06：00 500 hPa位势高度场（黑色实线，单位：gpm）及水平风场（风矢，单位：m·s^-1）（a），日本葵花8号卫星相当黑体温度TBB（灰色填色，单位：°C）及平均海平面气压场（黑色实线，单位：hPa）（b）

（图a中黑色圆圈和图b中符号“△”分别表示飞机遭遇湍流报告区域和航路点位置，图b中字母“H”表示闭合高压中心）

Fig.2 The geopotential height field （black solid lines， Unit： gpm） and horizontal wind field （wind vectors， Unit： m·s^-1） at 500 hPa （a）， temperature of black body （TBB） from the Japanese Himawari 8 satellite （the gray shaded， Unit： °C） and mean sea level pressure （black solid lines， Unit： hPa）（b） at 06：00 on 24 February 2017

（The black circle in fig. a and the mark “△” in fig. b represent the location of the turbulence and the waypoints on the flight route， respectively， and the letter “H” in fig. b denotes the center of closed high-pressure）

图3为基于ERA5资料的湍流事件发生前6 h附近400 hPa（约7.4 km高度）位势高度和位势涡度场，24日00：00[图3（a）]，400 hPa东西走向的急流轴在我国东部分为南、北两支，其中南支西风急流核位于云南省东部，对应有正位涡的大值区[图3（b）]；至06：00[图3（c）]，南支急流核逐渐向东延伸至福建省上空，其出口区位于湍流事件区。同时，湍流事件区域附近出现了正位涡大值区[图3（d）]，这意味着受高空锋-急流系统影响，可能出现对流层顶折叠现象，进而导致对流层中层正位涡增强。

图3

图3 2017年2月24日00：00（a、b）、06：00（c、d）400 hPa水平风速（填色，单位：m·s^-1）、位势高度场（蓝色实线，单位：gpm）、温度场（红色虚线，单位：°C）（a、c）及对应的位涡场（填色，单位：PVU，1 PVU=10^-6 K·kg^-1·m²·s^-1）、位势高度场（蓝色实线，单位：gpm）、水平风场（风矢，单位：m·s^-1）（b，d）

（黑色圆圈表示湍流报告区域，下同）

Fig.3 The horizontal wind speed （the color shaded， Unit： m·s^-1）， geopotential height field （blue solid lines， Unit： gpm） and temperature field （red dashed lines， Unit： °C） at 400 hPa （a， c）， and the corresponding distribution of potential vorticity field （the color shaded， Unit： PVU， 1 PVU=10^-6 K·kg^-1·m²·s^-1）， geopotential height field （blue solid lines， Unit： gpm） and horizontal wind field （wind vectors， Unit： m·s^-1）（b， d） at 00：00 （a， b）， 06：00 （c， d） on 24 February 2017

（The black circles indicate the location where aircraft turbulence occurred， the same as below）

3 高分辨率模拟结果

3.1 天气尺度背景检验

为检验WRF模式对此次事件的环流模拟效果，将模拟的D01区域高层环流特征（图4）与ERA5结果[图3（c）、（d）]进行对比，相较于ERA5数据，WRF模式模拟结果[图4（a）]较为准确地再现了我国东部南北两支急流的强度和位置。类似地，模拟的高空正位涡异常[图4（b）]与ERA5结果基本一致。这表明WRF模式能够较为合理地再现此次湍流事件发生的大气环流特征。

图4

图4 2017年2月24日06：00 WRF模式模拟的400 hPa水平风速（填色，单位：m·s^-1）、位势高度场（蓝色实线，单位：gpm）、温度场（红色虚线，单位：°C）（a）及对应的位涡场（填色，单位：PVU，1 PVU=10^-6 K·kg^-1·m²·s^-1）、位势高度场（蓝色实线，单位：gpm）、水平风场（风矢，单位：m·s^-1）（b）

Fig.4 The horizontal wind speed （the color shaded， Unit： m·s^-1）， geopotential height field （blue solid lines， Unit： gpm） and temperature field （red dashed lines， Unit： °C） at 400 hPa （a）， and the corresponding potential vorticity field （the color shaded， Unit： PVU， 1 PVU=10^-6 K·kg^-1·m²·s^-1）， geopotential height field （blue solid lines， Unit： gpm） and horizontal wind field （wind vectors， Unit： m·s^-1）（b） at 06：00 simulated by WRF model on 24 February 2017

3.2 Ri和NCSU1颠簸指数验证

图5为湍流事件发生前（24日01：00）和发生时（24日07：00）巡航高度附近的Ri数、垂直风切变S和大气稳定度N²的空间分布。事件发生前，福建省北部和浙江省南部呈现Ri数大值区[图5（a）]，说明垂直风切变较弱且大气趋于稳定[图5（b）、（c）]。当湍流事件发生时[图5（d）]，湍流区内存在Ri数小值区（Ri<1），较为合理地验证了此次湍流事件的发生区域。07：00，垂直风切变[图5（b）、（e）]和大气稳定度[图5（c）、（f）]均有所加强，但前者加强更为明显，表明Ri数的极小值出现主要与垂直风切变的增强有关。

图5

图5 2017年2月24日01：00（a、b、c）、07：00（d、e、f）控制试验模拟的7.2 km高度Ri数（a、d），垂直风切变（b、e，单位：10^-2 s^-1）和大气稳定度N²（c、f，单位：10^-4 s^-2）空间分布

[黑色实线为湍流中心所在经度（119.45°E）]

Fig.5 The spatial distribution of the Richardson number （Ri）（a， d）， vertical wind shear （b， e， Unit： 10^-2 s^-1）， and atmospheric stability N² （c， f， Unit： 10^-4 s^-2） at 7.2 km height at 01：00 （a， b， c） and 07：00 （d， e， f） on 24 February 2017 simulated by the control experiment

（the black solid line is the longitude （119.45°E） of the turbulence center）

图6为Ri数和NCSU1指数沿湍流中心所在经度（119.45°E）的纬度-高度剖面。可以看到，Ri数低值区出现在26°N以北的对流层中高层，由北向南往低层伸展至7~8 km高度附近，到达湍流区域[图6（a）]；同时该区域存在NCSU1指数高值区[图6（b）]。可以推断该区域存在中等强度的湍流过程（Sharman et al.， 2006），这与PIREPs中记录的颠簸强度基本一致，再次验证了WRF模式能够较好地再现大气湍流过程。

图6

图6 2017年2月24日07：00控制试验模拟的Ri数（a）及NCSU1指数（b，单位：10^-12 s^-3）沿119.45°E的纬度-高度剖面

（黑色实线表示等位温线，单位：K；底部黑点区域表示地形，黑色矩形表示湍流报告区域）

Fig.6 The latitude-height sections of the Richardson number （Ri）（a） and NCSU1 index （Unit： 10^-12 s^-3）（b） along 119.45°E at 07：00 on 24 February 2017 simulated by the control experiment

（The black solid lines are the equipotential temperature lines， Unit： K； the black spots area at the bottom represent the terrain， and the black rectangles indicate the location where aircraft turbulence occurred）

3.3 近云区湍流热动力学特征

图7为遭遇湍流区域附近的风场和温度场。遭遇湍流前[图7（a）]，7.2 km高度上南支急流核位于112°E以西，湍流区附近的风速维持约40 m·s^-1；同时对流层顶主要位于16.0 km高度以上，且对流层顶高度随着纬度的增加而降低，在28°N以北地区迅速降低至8.0~9.0 km高度[图7（b）]。

图7

图7 2017年2月24日01：00（a、b）和07：00（c、d）控制试验模拟的7.2 km高度水平风速（填色，单位：m·s^-1）、气压场（蓝色实线，单位：hPa）和温度场（红色虚线，单位：°C）（a、c），水平风场（填色，单位：m·s^-1）、等位温线（黑色实线，单位：K）及1.5 PVU等位涡线（蓝色实线）沿119.45°E的纬度-高度剖面（b、d）

（黑色矩形表示湍流报告区域，灰色填色表示地形，下同）

Fig.7 The horizontal wind speed （the color shaded， Unit： m·s^-1）， pressure field （blue solid lines， Unit： hPa）， temperature field （red dashed lines， Unit： °C）（a， c） at 7.2 km height， the latitude-height sections of horizontal wind speed （the color shaded， Unit： m·s^-1）， equipotential temperature lines （black solid lines， Unit： K） and 1.5 PVU equipotential vorticity lines （blue solid lines）（b， d） along 119.45°E at 01：00 （a， b） and 07：00 （c， d） on 24 February 2017 simulated by the control experiment

（The black circles indicate the location where aircraft turbulence occurred， the gray shaded area represents the terrain， the same as below）

当飞机遭遇湍流时[图7（c）]，西侧的南支急流核东移至湍流区附近，使得局地风速超过45 m·s^-1，导致该层的垂直风切变明显加强[图7（d）]。而湍流区附近水平温度梯度增大，锋区加强。高空急流核向北伸展，对流层顶在28°N附近向下伸展，经过急流核到达约7.0 km高度，出现对流层顶折叠现象，使高层的高位涡向下传输至对流层中部，这解释了图4（b）中400 hPa等压面上出现的正位涡异常。

图8（a）为控制试验模拟的湍流发生时D04区域7.2 km高度处绝对涡度的水平分布，明显看出福建至浙江上空产生了大量斑块状的绝对涡度负值区，即惯性不稳定区。其原因一方面与前文提到的高层急流加强（图7）使得急流轴南侧相对涡度负值区（反气旋切变）扩大有关，这一观点在Kaplan等（2005）的研究工作中得以证实；另一方面，湍流区内风矢量与等压线的夹角表明受局地非地转气流的影响，可能与下方云系的发展及其伴随的热动力过程有关，这一观点也与Trier和Sharman（2009）的研究基本一致。

图8

图8 2017年2月24日07：00控制试验模拟的D04区域7.2 km高度绝对涡度（填色，单位：10^-5 s^-1）、气压场（蓝色实线，单位：hPa）、水平风场（风矢，单位：m·s^-1）（a）及TBB（填色，单位：°C）、湍流耗散动能（TKE）等值线（红色实线，仅显示>0.1 m²·s^-2数值）（b）

Fig.8 The absolute vorticity （the color shaded， Unit： 10^-5 s^-1）， pressure field （blue solid lines， Unit： hPa） and horizontal wind field （wind vectors， Unit： m·s^-1）（a）， the TBB （the color shaded， Unit： °C） and turbulence kinetic energy （red solid lines， only showing the values greater than 0.1 m²·s^-2）（b） at 7.2 km height at 07：00 on 24 February 2017 in D04 region simulated by the control experiment

为直观地反映出大气湍流分布特征，图8（b）给出了对应TKE及云的空间分布，可以看到，TKE高值区（>0.1 m²·s^-2）分布在云区周边，与该高度上的惯性不稳定区存在较好的对应关系，模拟的云区分布特征也与卫星观测实况较为一致。说明此次湍流事件由惯性不稳定所致，其产生与下方的层状云存在密切联系。

4 近云区湍流产生机制

4.1 颠簸指数

在不考虑云相关湿物理过程情况下（敏感试验），图9为湍流区周围Ri数和NCSU1指数及其相关诊断量沿湍流中心所在经度（119.45°E）的纬度-高度剖面。可以明显看到无云情况下[图9（a）、（b）]报告湍流区内未出现Ri数低值区和NCSU1指数高值区。因此，认为敏感试验中未能产生湍流区。相较于控制试验，敏感试验中湍流区内垂直风切变存在明显减弱[图9（c）]，而大气稳定度N²的分布无明显变化[图9（d）]，因此，敏感试验中湍流区内的垂直风切变减弱是导致Ri数增大的主要原因。

图9

图9 2017年2月24日07：00敏感试验模拟的Ri数（a）、NCSU1指数（b，单位：10^-12 s^-3）、垂直风切变（c，单位：10^-2s^-1）、大气稳定度N²（d，单位：10^-4 s^-2）沿119.45°E的纬度-高度剖面

（黑色实线为等位温线，单位：K；蓝色实线为1.5 PVU等位涡线）

Fig.9 The latitude-height sections of the Richardson number （Ri）（a）， NCSU1 index （b， Unit： 10^-12 s^-3）， vertical wind shear （c， Unit： 10^-2 s^-1）， atmospheric stability N² （d， Unit： 10^-4 s^-2） along 119.45°E at 07：00 on 24 February 2017 simulated by the sensitivity experiment

（The black solid lines are the equipotential temperature lines， Unit： K； the blue solid lines are 1.5 PVU equipotential vorticity lines）

4.2 湍流的动力学产生机制

为进一步研究湍流产生的动力学机制，图10（a）为7.2 km高度上控制试验与敏感试验水平风场差值空间分布。可以看到在27°N以南湍流区附近，控制试验的西风风速较敏感试验明显偏弱；而27°N以北地区，控制试验逐渐向偏南风转变，且较敏感试验更明显，这意味着低层云系的发展形成局地反气旋式切变，有利于湍流区北部惯性不稳定产生。结合差值风场的垂直分布[图10（b）]可以看到，25°N—27°N，8.0 km高度以下的范围内存在风速差大值区，其与云区位置相对应，说明低层云区的动力作用改变了大气中上层的动力场特征。以往研究（Trier et al.， 2012）也表明，湍流区附近云团的发展可以造成垂直风切变进而影响大气湍流的产生。进一步与控制试验的绝对涡度场特征[图8（a）]对比可知，在无云情况下大气处于惯性稳定状态（图略），对应云区周围的TKE区域也消失。上述分析充分说明该地区大气湍流的产生与低层云系所伴随的局地风场扰动造成的惯性不稳定有关。

图10

图10 2017年2月24日07：00控制与敏感试验模拟的D04区域7.2 km高度水平风速（填色，单位：m·s^-1）、风矢量（风矢，单位：m·s^-1）差值场（a），水平风速差值场（填色，单位：m·s^-1）、敏感试验模拟的等位温线（黑色实线，单位：K）及1.5 PVU等位涡线（蓝色实线）沿119.45°E的纬度-高度剖面（b）

Fig.10 The difference field of the horizontal wind speed （the color shaded， Unit： m·s^-1）， wind vector （vectors， Unit： m·s^-1） between control and sensitivity experiments （a）， the latitude-height sections of horizontal wind speed difference between control and sensitivity experiments （the color shaded， Unit： m·s^-1）， equipotential temperature lines （black solid lines， Unit： K） and 1.5 PVU equipotential vorticity lines （blue solid lines） along 119.45°E simulated by sensitivity experiment （b） at 7.2 km height at 07：00 on 24 February 2017

4.3 低层云区对湍流发生的影响

为进一步深入研究低层云系如何影响湍流活动，图11为控制试验与敏感试验模拟的经向风、纬向风差值场叠加控制试验涡度的垂直分布。可以看到湍流发生时，控制试验中湍流区域下方存在负绝对涡度，经向风差值场自西向东由正值转为负值[图11（a）]，纬向风差值场维持负值，且存在极值中心[图11（b）]。可以推断，受局地云系发展影响，控制试验湍流区经向增量风自西向东逐渐减小，纬向风增量自南向北逐渐增加，使得湍流区附近惯性不稳定得以产生。

图11

图11 2017年2月24日07：00控制试验与敏感试验模拟的经向风（a）、纬向风（b）差值场

（绿色实线表示控制试验模拟的绝对涡度零值线，单位：10^-5 s^-1）

Fig.11 The difference field of meridional wind （a） and zonal wind （b） between the control experiment and the sensitivity experiment at 07： 00 on February 24， 2017

（The green solid line represents the absolute vorticity zero line simulated by the control experiment， Unit： 10^-5 s^-1）

图12为控制试验模拟的总水成物混合比、瞬时风场及温度场分别沿26.25°N（湍流中心所在纬度）、119.45°E（湍流中心所在经度）的垂直剖面。定义总水成物含量高于0.01 g·kg^-1区域为云区范围。可以看到，2月24日07：00云在垂直方向上发展至7.0 km高度附近，位于湍流区域下方；云区内大部分的上升气流到达云顶高度后转为水平气流，改变了湍流区周边的风场分布特征。此外，在云顶高度附近，云的上边界出现垂直翻转，这意味着云顶附近的未饱和空气可以向下穿过云上界与饱和湿空气混合，进而稀释云顶（Squires，1958），最终导致云顶高度处的大气趋于不稳定。由对应敏感试验同时刻瞬时风场的垂直分布（图略）可以看出，在无云情况下，颠簸区云顶高度附近的上升下沉气流均明显减弱。尽管敏感试验中颠簸区上游地区整层出现了波动，但其下方的复杂地形说明这可能由局部崎岖地形的机械强迫引起。这些特征均说明湍流区下部的云内局地上升下沉气流扰动使得云顶高度以上大气动力场发生改变，最终导致湍流事件的发生。

图12

图12 2017年2月24日07：00控制试验模拟的总水成物混合比含量（填色，单位：g·kg^-1）、瞬时风场（箭矢，单位：m·s^-1）及温度场（黑色虚线，单位：°C）沿26.25°N（a）、119.45°E（b）的垂直剖面

Fig.12 The vertical sections of the total hydrometeor mixing ratio content （the color shaded， Unit： g·kg^-1）， instantaneous wind field （arrow vectors， Unit： m·s^-1） and temperature field （black dashed line， Unit： °C） at 07：00 on 24 February 2017 simulated by control experiment along 26.25°N （a） and 119.45°E （b）

5 结论

本文利用卫星遥感和ERA5再分析资料，围绕2017年2月24日07：00我国东南沿海地区发生的一次飞机遭遇中等强度的湍流事件，使用中尺度WRF模式开展了高分辨率模拟，对环流背景和两种颠簸指数进行了初步检验，分析了此次湍流发生的大气热动力特征，研究了其产生机制及其与低层层状云的关系。基于敏感试验，进一步研究了云系演变对于湍流产生的影响机制，得到以下主要结论。

1）本次湍流事件东南沿海地区受大陆冷高压控制，500 hPa无明显影响系统，西南—东北走向层状云带位于福建、浙江沿海地区，位于湍流区下方，认为是近云区湍流事件。遭遇湍流事件前，400 hPa的南支急流逐渐向东移动至颠簸区上空，垂直风切变加强；正位涡异常增加意味着可能有对流层顶折叠现象发生。

2）高分辨率模拟结果较合理地再现了湍流事件期间的大尺度环流演变特征。两种颠簸指数（Ri数和NCSU1指数）对此次近云区湍流发生的强度和位置都具有较好的指示作用。当湍流发生时，以垂直风切变加强为主。高层正位涡向低纬度地区和低层伸展，出现的对流层顶折叠现象合理解释了正位涡异常现象。湍流区上部的温度水平梯度增强导致对流层高层急流核风速增强。湍流区附近出现的惯性不稳定区与TKE大值区有很好的对应关系，说明此次湍流事件主要由惯性不稳定贡献，其产生与低层层状云区的发展密切相关。

3）当不考虑云相关湿物理过程时，Ri数和NCSU1指数均未能诊断出此次湍流过程，说明低层云区对湍流的产生有重要影响。表现为控制试验中湍流区内纬向风的经向梯度增加，经向风的纬向梯度减小，引起惯性不稳定。结合云内水成物和垂直气流分布进一步验证，云内出现的上升气流到达云顶高度后转为水平气流，进而影响湍流区周边的动力场；而云顶附近下沉气流向下穿过云上界与饱和湿空气混合，使得云顶高度附近大气趋于不稳定，最终导致大气湍流过程的产生。

值得注意的是，本文仅选取了东南沿海地区一次近云区湍流事件的惯性不稳定机制开展了研究，其结论不具有广泛的代表性。而云区“气-液-固”态粒子间的相互转化也可能对湍流过程产生影响，还需开展深入研究。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

高松, 陈贵川, 吴钲,

等, 2019.

一次西南低涡影响下的川渝地区暴雨个例分析

[J]. 干旱气象, 37(4): 597-612.

[2]

马思敏, 穆建华, 舒志亮,

等, 2022.

六盘山区一次典型暴雨过程的地形敏感性模拟试验

[J]. 干旱气象, 40(3): 457-468.

DOI [本文引用: 1]

基于WRF（weather research and forecasting）中尺度数值模式,对2018年7月10日六盘山区一次典型的暴雨天气过程进行模拟,分析此次过程的动力场、水汽场、云降水微物理结构的演变特征,通过改变模式初始场中六盘山地形高度进行敏感性试验,对六盘山地形影响该地区降水机制进行讨论。结果表明：蒙古冷涡底部冷空气和副热带高压西侧暖湿气流在六盘山区交汇配合低层700 hPa切变线辐合抬升导致此次暴雨过程;控制试验较好地模拟出雨带的分布范围、强降水中心位置及动力场结构特征,在降水发展和旺盛阶段,东南暖湿气流受地形强迫抬升和地形绕流共同影响,六盘山西坡和东坡均为上升气流,配合700 hPa切变线系统在六盘山山脊处上升气流汇聚加强,将云水带到负温层形成过冷水,云水、冰晶、雪和霰在0 ℃层至-40 ℃层之间共存,有利于冰相粒子碰冻增长和贝吉龙过程发生;地形敏感性试验发现改变地形对降水落区范围影响不大,而地形增高使六盘山区降水量级显著增大,尤其强降水更多集中在迎风坡一侧（山脉东侧）,地形强迫抬升作用使得上升气流和水汽的垂直输送进一步加强,云中冰相过程发展充分,过冷云水为雪和霰的增长提供有利条件,因此使得地面降水增多。

[3]

聂云, 周继先, 李习瑾,

等, 2020.

贵州一次暖区飑线过程的环境条件和结构特征

[J]. 干旱气象, 38(5): 782-793.

[4]

孙明燕, 张述文,

2023.

边界层湍流垂直混合强度对局地热对流模拟影响的个例研究

[J]. 干旱气象, 41(2): 290-300.

DOI [本文引用: 1]

针对弱环境场下局地对流性降水难于准确预报问题，本文以长江下游地区两次局地对流性降水过程为例，通过调整WRF模式中两类边界层参数化方案（YSU和ACM2）的湍流垂直混合强度，探究改善降水预报准确度的一种可行途径。结果表明：在模式默认的垂直混合强度下，YSU方案模拟的对流发展较缓，对流触发时间略晚；ACM2方案则由于垂直混合过强，模拟的对流弱于YSU方案，对流触发时间晚于观测1~2 h。无论是YSU还是ACM2方案，减弱边界层内垂直混合强度能够更准确模拟对流触发及其发展演变。不同垂直混合主要通过影响边界层内位温、水汽混合比、风的垂直分布和能量输送来影响对流过程模拟：减弱垂直混合后，对流前期边界层内更湿冷，风速和垂直风切变增大，同时对流有效位能（Convective Available Potential Energy， CAPE）增加，这些因素利于更早触发对流，模拟的对流强度也更强。

[5]

谢婷, 马育军, 张午朝,

2021.

青海湖北岸大气向下长波辐射特征及云的影响

[J]. 干旱气象, 39(2): 288-295.

[6]

殷青青, 任璐, 田文寿,

等, 2022.

华北地区一次对流激发重力波的卫星观测和数值模拟研究

[J]. 干旱气象, 40(3): 444-456.

DOI [本文引用: 1]

对流激发的重力波能够向中层大气输送动量和能量,准确获取重力波主要特征对于研究中层大气的动力学和热力学结构非常重要。本文利用COSMIC（constellation observing system for meteorology, ionosphere and climate）资料,结合中尺度数值预报模式WRF（weather research and forecasting）,对2010年8月4日发生在华北地区上空的一次对流激发的重力波事件进行分析。结果表明：此次事件激发的重力波在平流层以中低频重力波为主,且在平流层中垂直波长、水平波长分别为9~11 km和650~800 km,约62%的动量聚集在15~25 km高度的低平流层。在对流活动发生期间,低平流层重力波势能密度一直维持较大数值,而上平流层重力波势能密度则在对流减弱后迅速减小,且伴随着下一次对流活动的出现再次迅速增大。平流层不同高度上重力波势能密度对对流活动的响应主要与对流发展高度和背景风场有关,当对流发展较浅时,其激发的重力波在低层西风中易耗散;当对流发展较深到16 km甚至更高时,其激发的重力波接近零风层,并在东风中迅速上传,使得高层重力波势能密度增加较快。

[7]

ARAKAWA

, JUNG

J H

2011.

Multiscale modeling of the moist-convective atmosphere: A review

[J]. Atmospheric Research, 102(3): 263-285.

[8]

HERSBACH

, BELL

, BERRISFORD

et al, 2020.

The ERA5 global reanalysis

[J]. Quarterly Journal of the Royal Meteorological Society, 146(730): 1 999-2 049

[9]

IACONO

M J

, DELAMERE

J S

, MLAWER

E J

et al, 2008.

Radiative forcing by long-lived greenhouse gases: Calculations with the AER radiative transfer models

[J]. Journal of Geophysical Research: Atmospheres, 113(D13), e2008jd009944. DOI: 10.1029/2008JD009944.

[10]

JANJIC

Z I

1994.

The step-mountain eta coordinate model: Further developments of the convection, viscous sublayer, and turbulence closure schemes

[J]. Monthly Weather Review, 122(5): 927-945.

[11]

KAIN

J S

2004.

The kain-fritsch convective parameterization: An update

[J]. Journal of Applied Meteorology and Climatology, 43(1): 170-181.

[12]

KAPLAN

M L

, HUFFMAN

A W

, LUX

K M

et al, 2005.

Characterizing the severe turbulence environments associated with commercial aviation accidents. Part 2: Hydrostatic mesoscale numerical simulations of supergradient wind flow and streamwise ageostrophic frontogenesis

[J]. Meteorology and Atmospheric Physics, 88(3): 153-173.

[13]

KIM

J H

, CHUN

H Y

2012.

A numerical simulation of convectively induced turbulence above deep convection

[J]. Journal of Applied Meteorology and Climatology, 51(6): 1 180-1 200

[14]

KIM

, CHUN

2010.

A numerical study of clear-air turbulence (CAT) encounters over South Korea on 2 April 2007

[J]. Journal of Applied Meteorology and Climatology, 49(12): 2 381-2 403

[15]

KNOX

J A

1997.

Possible mechanisms of clear-air turbulence in strongly anticyclonic flows

[J]. Monthly Weather Review, 125(6): 1 251-1 259

[16]

LANE

T P

, SHARMAN

R D

, CLARK

T L

et al, 2003.

An investigation of turbulence generation mechanisms above deep convection

[J]. Journal of the Atmospheric Sciences, 60(10): 1 297-1 321

[17]

LANE

T P

, SHARMAN

R D

, TRIER

S B

et al, 2012.

Recent advances in the understanding of near-cloud turbulence

[J]. Bulletin of the American Meteorological Society, 93(4): 499-515.

[18]

LEE

D B

, CHUN

H Y

2018.

A numerical study of aviation turbulence encountered on 13 February 2013 over the Yellow Sea between China and the Korean peninsula

[J]. Journal of Applied Meteorology and Climatology, 57(4): 1 043-1 060

[19]

MILES

J W

, HOWARD

L N

1964.

Note on a heterogeneous shear flow

[J]. Journal of Fluid Mechanics, 20(2): 331-336.

[20]

SHARMAN

R D

, TRIER

S B

2019.

Influences of gravity waves on convectively induced turbulence (CIT): A review

[J]. Pure and Applied Geophysics, 176(5): 1 923-1 958

[21]

SHARMAN

R D

, TRIER

S B

, LANE

T P

et al, 2012.

Sources and dynamics of turbulence in the upper troposphere and lower stratosphere: A review

[J]. Geophysical Research Letters, 39(12), L12803. DOI: 10.1029/2012GL051996.

[22]

SHARMAN

, LANE

2016. Aviation Turbulence:Processes, Detection, Prediction[M]. Switzerland: Springer International Publishing AG Switzerland.

[23]

SHARMAN

, TEBALDI

, WIENER

et al, 2006.

An integrated approach to mid-and upper-level turbulence forecasting

[J]. Weather and Forecasting, 21(3): 268-287.

[本文引用: 4]

[24]

SQUIRES

1958.

Penetrative downdraughts in cumuli

[J]. Tellus, 10(3): 381-389.

[25]

STRAUSS

, SERAFIN

, HAIMOV

et al, 2015.

Turbulence in breaking mountain waves and atmospheric rotors estimated from airborne in situ and Doppler radar measurements

[J]. Quarterly Journal of the Royal Meteorological Society, 141(693): 3 207-3 225

[26]

TEWARI

, CHEN

, WANG

et al, 2004.

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, Seattle, US.

[27]

THOMPSON

, FIELD

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]. Monthly Weather Review, 136(12): 5 095-5 115

[28]

TRIER

S B

, SHARMAN

R D

2009.

Convection-permitting simulations of the environment supporting widespread turbulence within the upper-level outflow of a mesoscale convective system

[J]. Monthly Weather Review, 137(6): 1 972-1 990

[29]

TRIER

S B

, SHARMAN

R D

, LANE

T P

2012.

Influences of moist convection on a cold-season outbreak of clear-air turbulence (CAT)

[J]. Monthly Weather Review, 140(8): 2 477-2 496

[本文引用: 3]

[30]

WILLIAMS

P D

, JOSHI

M M

2013.

Intensification of winter transatlantic aviation turbulence in response to climate change

[J]. Nature Climate Change, 3: 644-648.