[论文解读] Super-Droplet Approach to Simulate Precipitating Trade-Wind Cumuli - Comparison of Model Results with RICO Aircraft Observations

Sylwester Arabas, Shin‐ichiro Shima|arXiv (Cornell University)|May 15, 2012

Atmospheric aerosols and clouds参考文献 40被引用 23

一句话总结

本研究采用超级水滴法（SDM），一种基于粒子的、概率性蒙特卡洛方法，利用RICO飞机观测设置在大涡模拟（LES）中模拟层积雨层积云。SDM准确再现了云和降水粒径谱的关键特征，尤其在直径大于0.1 mm的水滴中表现良好，相较于集合模型具有更优的微物理分辨率，尽管由于缺少气溶胶吸湿和雨滴破碎等过程，对直径小于100 μm的粒子仍存在低估。

ABSTRACT

In this study we present a series of LES simulations employing the Super-Droplet Method (SDM) for representing aerosol, cloud and rain microphysics. SDM is a particle-based and probabilistic approach in which a Monte-Carlo type algorithm is used for solving the particle collisions and coalescence process. The model does not differentiate between aerosol particles, cloud droplets, drizzle or rain drops. Consequently, it covers representation of such cloud-microphysical processes as: CCN activation, drizzle formation by autoconversion, accretion of cloud droplets, self-collection of raindrops and precipitation including aerosol wet deposition. Among the salient features of the SDM, there are: (i) the robustness of the model formulation (i.e. employment of basic principles rather than parametrisations) and (ii) the ease of comparison of the model results with experimental data obtained with particle-counting instruments. The model set-up used in the study is based on observations from the Rain In Cumulus over Ocean (RICO) field project (the GEWEX Cloud System Study Boundary Layer Cloud Working Group RICO case). Cloud and rain droplet size spectrum features obtained in the simulations are compared with previously published aircraft observations carried out during the RICO field project. The analysis covers height-resolved statistics of simulated cloud microphysical parameters such as droplet number concentration, effective radius, and the width of the cloud droplet size spectrum. The sensitivity of the results to the grid resolution of the LES, as well as to the sampling density of the probabilistic (Monte-Carlo type) model is discussed.

研究动机与目标

• 评估超级水滴法（SDM）在模拟层积雨层积云中暖雨微物理过程方面的表现。
• 将SDM结果与RICO飞机观测数据直接对比，重点关注粒径谱和微物理过程。
• 评估SDM相较于传统集合模型和双分档微物理模型在无参数化条件下解析微尺度过程的优势。
• 识别当前SDM实现中的局限性，特别是对直径小于100 μm粒子群体的表征不足。
• 展示该方法的可扩展性及其在模型分析中模拟真实世界粒子计数仪器的能力。

提出的方法

• SDM采用双向耦合的欧拉-拉格朗日框架：流体动力学在网格上求解（欧拉法），而超级水滴（代表真实粒子集合）则单独追踪（拉格朗日法）。
• 每个超级水滴通过平流、重力沉降、凝结增长/蒸发以及碰撞增长（合并）演化，碰撞事件采用概率性蒙特卡洛采样。
• 该方法通过显式模拟单个粒子尺度过程（如基于Köhler曲线的活化和自动转化）避免对微物理过程进行参数化。
• 模型采用多种网格分辨率（粗、中、细）和不同的超级水滴数密度，以评估收敛性和采样误差。
• 使用CReSS LES模型作为流体动力学求解器，微物理过程通过SDM实现，并与Kessler型集合微物理方案进行对比。
• 时间推进分量进行：流体动力学、凝结、碰撞增长和粒子运动，各部分采用优化的时间步长以保证稳定性和准确性。

实验结果

研究问题

• RQ1 超级水滴法在多大程度上能再现RICO野外考察中观测到的云和降水粒径谱？
• RQ2 与传统集合模型和双分档微物理模型相比，SDM在模拟贸易层积云中暖雨过程方面有何优势？
• RQ3 SDM在无参数化条件下，对粒径谱形状和数浓度等微物理细节的解析程度如何？
• RQ4 为何模拟结果在10–20 μm直径范围与机载测量存在差异？
• RQ5 网格分辨率和超级水滴密度在多大程度上影响微物理预测的收敛性和准确性？

主要发现

• 在超级水滴密度最高（1.3 × 10⁻⁹ cm⁻³）的sdm-coarse-512模拟中，0.1–0.4 mm直径范围内的粒径谱与RICO飞机观测最为接近，表现出最佳的谱形匹配。
• 所有SDM模拟均低估了10–20 μm范围内的粒子浓度，这归因于模型中缺少吸湿性气溶胶源。
• 由于未包含雨滴破碎过程，模型无法再现直径小于100 μm的粒子，而该过程在真实云中可生成大量小水滴。
• 尽管存在上述局限，SDM在直径大于0.1 mm的水滴粒径谱表征上仍优于传统集合模型，表明其具有较强的微物理保真度。
• SDM的无参数化方法使结果可与粒子计数仪器直接对比，从而能够分析k和σr等通常未在以往LES-观测对比中使用的谱参数。
• 宏观云参数（如液态水路径、降水率）的收敛性与使用RICO设置的其他LES模拟相当，但SDM显著提升了对微结构的解析能力。