付远, 杨洁帆, 刘汉华, 等. 2024. 基于集合预报的浙江省积层混合云人工增雨数值模拟研究[J]. 大气科学, 48(4): 0000−0000. FU Yuan, YANG Jiefan, LIU Hanhua, et al. 2024. Numerical Simulation of Convective-Stratiform Mixed Cloud Enhancement in Zhejiang Province Based on Ensemble Forecasting [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 48(4): 0000−0000.
DOI: 10.3878/j.issn.1006-9895.2211.22177
本文尝试把集合预报技术拓展到人工影响天气领域，将集合预报模式和加入AgI的一维双参数云模式进行单向耦合，针对2022年1月23日浙江省积层混合云降水过程进行多成员、单/多格点AgI催化数值试验，得到以下结论：
图 基于集合预报与云模式单向耦合的増雨概率区评估试验流程。
（1）不同剂量催化数值试验表明，杭州站最佳播撒剂量为1.2×10−5 g kg−1，播撒后240 min增雨效果显著提高，10个集合成员平均增雨率为4.67%，99%分位数为7.77%，1%分位数为2.39%。随着剂量增加，增雨效果变差，当播撒剂量为1.2×10−2 g kg−1时，超过50%的集合成员表现为减雨效果，平均增雨率为−0.6%，1%分位数甚至达到−4.79%，出现过量播撒，但仍有集合成员预报出增雨正效果，这也体现初始场扰动对增雨效果评价的影响。
图 （a）2022年1月23日15:00集合成员在3.6
km高度以不同剂量播撒时增雨效率（precipitation
ehancement，简称PE)箱线图，箱体的上下边界代表75%和25%分位数，箱体中的直线代表中位数，上下两个线段代表99%和1%分位数，方框代表均值，下同；（b）2022年1月23日15:00至24日09:00控制成员以不同剂量播撒时的累计增雨量（API，催化后的值减去相应自然云的值）随时间的变化。
（2）过量播撒在播撒后15:00至次日04:00时间段增雨的原因是霰的融化以及云水和冰相粒子碰并增长，但由于过冷云水更多的转化为雪粒子，而非霰粒子使得增雨效果相比播撒剂量为1.2×10−5 g kg−1时要差。播撒后减雨的原因是因为雨水收集云水过程减少导致地面减雨。
（3）杭州站最佳的播撒时间窗是在系统过境的早期，即23日15:00，随着播撒时间的延后，增雨效果逐渐变差。在23日20:00催化时，平均增雨效果仅为3.2%，1%分位数仅为0.56%。原因是随着时间的发展，云和降水系统逐渐减弱，过冷云水含量呈现逐渐减少的趋势，从而导致催化效果变差；杭州站的最佳播撒高度为3.6 km，播撒高度应该选择过冷云水含量比较丰富，冰水含量不足的区域。
图 浙江省71个国家站进行AgI催化模拟，播撒剂量、高度、时间和杭州站相同，分别为1.2×10−5 g kg−1、23日15:00和3.6 km。增雨率大于（a）3%、（b）5%、（c）8%和（d）10%的增雨效果概率分布。
（4）从多格点催化试验可以看出，针对这次过程，从增雨效果大于3%发生概率最优的角度应该选择在浙西北和浙北北部区域播撒，概率普遍都大于60%，尤其在杭州北部，湖州东部和嘉兴区域増雨概率普遍大于80%。从增雨效果大于8%或10%的发生概率最优的角度应该选择在嘉兴东北部和临安地区附近播撒，会获得比较好的结果。增雨率概率分布的大值区对应着过冷云水含量丰值区以及冰雪晶数浓度低值区。
（5）需要指出的是由于本文利用集合预报提供的多组动力、热力、微物理量廓线驱动一维云模式，所以数值试验也具有一维云模式固有缺陷，即仅考虑了云在垂直方向上的变化，无法刻画云体的三维结构及流场所导致的AgI粒子水平输送。另外就本个例来说，各集合成员模拟的降水离散度偏低，各成员之间过于相似，虽然云微物理量的离散度相对降水来说更大，但増雨效果很可能随着大气背景不确定性的增加而有所不同。
