玻尔百科云是天气和气候的根本驱动力，但其内部的复杂性——一个由数万亿微观粒子组成的旋转体——却无法直接模拟。对于今天的超级计算机来说，跟踪每一个液滴和冰晶在计算上都是不可能的。这造成了一个重大的知识鸿沟，迫使科学家们寻找一种更优雅的方式来在天气和气候模型中表示云。本文深入探讨了块体微物理，这是一种强大的近似方法，它通过描述云粒子的集体行为而非单个行为的统计特性来弥合这一鸿沟。
首先，在“原理和机制”部分，我们将解析块体微物理的理论基础。我们将探讨如何使用统计“矩”来表示关键的云属性，直面由此简化而产生的核心“闭合问题”，并比较单矩和双矩方案的能力。然后，在“应用与跨学科联系”部分，我们将看到这一理论的实际应用。我们将考察块体微物理如何作为天气和气候模型中的热力学引擎，其在预报降水中的作用，其对理解气溶胶-污染效应的重要性，以及其在研究遥远系外行星云层方面的惊人应用。
要理解天气，要预测气候，我们必须理解云。但是，一片看起来毛茸茸的积云——那种你可能在夏日下午看到的云——其内部却复杂得惊人。它是一个由数万亿个微观水滴和冰晶组成的旋转城市，每一个都有自己独特的历史和轨迹。它们诞生、成长、碰撞、合并、冻结、蒸发。要建立一个能跟踪所有这些粒子的计算机模型，任务将如此庞大，以至于会让世界上最强大的超级计算机都不堪重负。这在所有实际应用中都是不可能的。
那么，我们能做什么呢？我们做物理学家在面对压倒性的复杂性时一直做的事情：我们退后一步，寻找模式，并找到一种更简单、更优雅的方式来描述整体。我们用可管理、有意义的人群统计数据，换取了不可能实现的个体细节。这就是块体微物理背后的基本思想。我们不再跟踪每个液滴，而是用几个关键的统计属性来描述我们模型中一个气块——一个网格框——内的整个粒子群。这类似于描述一个国家的经济，不是通过记录每一笔交易，而是使用GDP、通货膨胀和失业率等总量。我们失去了个体的故事，但我们获得了对整个系统可理解的图景。
要讲这门新语言，我们首先需要一种方法来描述我们气块中粒子群。我们使用一个称为粒子谱分布 (PSD) 的函数，通常写作 ，它告诉我们对于任意给定的直径 ，单位体积内的粒子数量。你可以把它想象成一个直方图：有一定数量的非常小的液滴，较少数量的中等液滴，以及可能非常少的大的液滴。
真正的力量来自于用几个被称为矩的数字来概括这个分布。第 阶矩 定义为：
这可能看起来很抽象，但这些矩直接对应于我们可以测量和理解的云的实际物理属性。让我们看看最重要的几个。
零阶矩 () 是 。这只是所有粒子的总和，无论其大小。所以， 是总数浓度 ，告诉我们盒子里面有多少粒子。
三阶矩 () 是 。由于球形粒子的体积与 成正比，这个矩代表了所有水粒子的总体积。如果我们知道水的密度，我们就可以立即找到液态水的总质量。在大气科学中，我们通常将其表示为质量混合比 ，即每千克空气中的云水质量。这个矩回答了至关重要的问题：云中有多少水？这可能是最基本的属性，因为它决定了可能有多少雨水降落，以及有多少能量可供大气使用。
六阶矩 () 是 。我们为什么要关心这么高的幂次呢？事实证明，当天气雷达发出能量脉冲时，从小水滴反射回来的能量对其大小极为敏感——它与 成正比。因此，第六阶矩是雷达“看到”的。它是雷达反射率因子 。这提供了一个美丽的联系，将云内部的微观现实与我们在晚间新闻上看到的宏观图像联系起来。
这些矩是块体微物理的词汇。它们使我们能够将无法管理的完整分布的复杂性转化为几个关键数字：有多少？有多少量？雷达会看到什么？
我们似乎找到了一种非常简洁的语言。但有一个陷阱，一个微妙而深刻的挑战，位于所有块体方案的核心。为了计算像 这样的矩，积分要求我们知道完整的分布 。但整个练习的重点就是避免知道 ！
这就是“交易的艺术”的用武之地。我们必须做出一个假设，一个被称为闭合的妥协。我们假设粒子谱分布的真实、复杂的形状可以被一个简单的数学函数合理地近似。一个非常常见的选择是伽马分布：
这个函数很灵活，其形状仅由三个参数控制：截距参数 、形状参数 和斜率参数 。我们寻找 无数个值的庞大问题，被简化为只寻找这三个数！
这导致了方案的层级结构，根据它们选择随时间预测（或预报）多少个矩来分类。
单矩 (1M) 方案： 这是最简单的方案，多年来一直是天气和气候模型的主力。它们只预报一个矩——几乎总是质量混合比 （与 相关）。但我们有三个未知参数（）和只有一条信息。这个系统是欠定的。为了“闭合”它，我们必须做一笔交易：我们假设其中两个参数是固定常数。例如，我们可能固定 和 。有了我们预报的 值，我们就可以解出剩下的一个参数 。所有其他属性，如数浓度 ，都是从这个重构的分布中计算——或诊断——出来的。
双矩 (2M) 方案： 这是物理真实性上的一大飞跃。这些方案预报两个矩，通常是质量混合比 （）和数浓度 （）。现在我们有两条信息和三个未知数。我们只需要固定一个参数，通常是形状参数 。这给了模型一个宝贵的额外自由度。
在复杂性尺度的顶端是分档微物理。在这里，不对分布的整体形状做任何假设。相反，模型将尺寸轴分成许多小的“档”，并预报每个档中的粒子数量。这远比块体方案准确，但计算成本也高得多。块体方案是介于分档方案的强力计算和完全不跟踪任何东西的过度简化之间的一种巧妙妥协。
为什么双矩方案中的额外自由度如此重要？它真的有区别吗？答案是肯定的，我们可以通过考虑每个云中发生的两个简单过程来发现原因。
让我们在一个二维空间中想象我们的云状态，一个轴是水质量（），另一个轴是粒子数（）。
场景1：蒸发。 一片云飘入一片干燥的空气中。它所有的液滴都开始收缩。我们的矩会发生什么变化？随着液滴蒸发，水的总质量 显然会减少。但是液滴的数量 呢？除非一个液滴完全消失，否则总数保持不变。所以，在我们的状态空间中，云的状态应该水平移动： 减少， 保持不变。
现在，考虑单矩方案如何看待这一点。它只预测 。它有一个内置的、固定的关系来诊断数量，类似于 。当模型正确地计算出质量减少时，它被迫遵循其固定的曲线。它诊断出一个新的、更低的液滴数量。模型正在消灭那些实际上只是在收缩的粒子。这不是一个小错误；这是对物理学的根本性误解。
场景2：自动转换。 这是小云滴碰撞合并形成第一个较大雨滴的过程。想象两个云滴合并成一个。云滴的总数 减少了一个。云水的总质量 也减少了，因为那部分质量现在被重新归类为“雨”。在我们的状态空间中，云的状态沿着另一条路径移动，质量和数量都减少。确切的路径取决于哪些液滴正在合并。
这就是双矩方案的力量变得清晰的地方。通过用独立的方程预测 和 ，它可以在这个二维空间中自由移动。它可以遵循蒸发的水平路径或自动转换的倾斜路径。它可以区分一个总水量相同但分布在许多小液滴中（高 ，低降雨效率）的云，和一个液滴较少但较大（低 ，高降雨效率）的云。这种能力对于预测云何时开始下雨至关重要。自动转换过程的不同参数化方案正反映了这种演变：简单的 Kessler 型方案仅依赖于水质量 ，而更先进的 Khairoutdinov-Kogan 方案则同时依赖于质量 和数浓度 ，从而抓住了这关键的第二个自由度。
一朵真实的云不仅仅是一个过程，而是许多过程同时上演的宏伟交响曲。块体微物理方案的工作就是解释所有这些过程。我们预测的任何量，比如云水质量 的随时间变化，是许多相互竞争的趋势之和。
首先，风移动云；这是平流和扩散。
然后，一系列微物理转化发生。其中最主要的是相变。水蒸气凝结成液滴，这个过程不仅产生水，还释放大量的潜热，加热空气并为风暴提供燃料。相反的过程，蒸发，则冷却空气。类似的能量交换发生在冻结、融化以及水汽和冰之间的直接转换（凝华和升华）中。这种持续的能量穿梭是大气层的引擎。
接下来是碰撞和收集过程。小云滴合并形成第一批雨滴（自动转换）。然后，较大的雨滴下落得更快，席卷了较小、较慢的云滴，这个过程称为碰并。
在云的较冷部分，温度低于冰点，一个全新的复杂世界展开了。过冷液滴可以自发冻结（同质冻结）或在特殊的气溶胶粒子上冻结（异质冻结）。冰晶可以通过收集过冷液体（淞化）来生长，变成密实的霰或雹。或者，它们可以轻轻地碰撞并粘在一起，形成美丽复杂的雪花（聚并）。
最后，沉降开始起作用。重力将较重的粒子——雨、霰和雪——向下拉，最终将它们作为降水送到地表。但即使在这里，我们的闭合问题再次出现。粒子的下落速度取决于其大小。要计算下落水质量的总通量，我们需要在整个尺寸分布上对下落速度进行积分——这是另一个没有假设分布形状就无法解决的积分。
从数万亿单个粒子那不可能的复杂性，我们走到了统计矩的优雅简化。我们看到了这种强大的语言如何让我们描述云的基本属性，不可避免的“闭合问题”如何迫使我们做出聪明的假设，以及增加自由度——从单矩到双矩方案——如何为捕捉更多微妙、美丽的物理现象打开大门。这种近似的艺术是现代科学的核心，使我们能够建立虽然永远不完美，但却越来越擅长预测我们星球宏伟而动荡的大气行为的模型。
我们花了一些时间探讨支配云粒子生命周期的复杂规则——块体微物理的“原理和机制”。我们已经看到水汽、云滴和冰晶如何进行一场复杂的转化、生长和竞争的游戏。但了解这些规则有什么意义呢？物理学的真正魔力，真正的美丽，并非体现在方程的贫乏优雅中，而在于它们描述我们所居住世界的力量。现在，我们将踏上一段旅程，看看这些规则如何发挥作用，从为我们规划一周的天气预报引擎，到污染城市的朦胧天空，甚至到围绕遥远恒星运行的行星上的熔岩云。你将看到，这些原理不仅仅是抽象的好奇心；它们正是我们用来阅读和书写我们大气层以及宇宙中无数其他大气层故事的工具。
想象一下，试图在计算机内部建立一个我们地球大气层的有效复制品。这是数值天气预报和气候模拟的宏大挑战。这些模型是庞大的软件，但其核心遵循着一个惊人简单的分工。模型的一部分，即“动力核心”，负责运动——它求解牛顿定律，以弄清空气如何移动，风如何吹，风暴如何旋转。另一部分处理能量流动，计算阳光如何加热地球以及热量如何辐射回太空。但如果没有一种方法来处理我们大气中最关键、最具变革性的物质：水，所有这些都将是徒劳的。
这就是块体微物理发挥核心作用的地方。它充当模型的热力学引擎。当动力核心模拟一团湿润的空气被抬升时，它会膨胀和冷却。在某个时刻，空气变得过饱和——它所含的水蒸气超过了在该温度下物理上所能容纳的量。然后块体微物理方案介入并说：“这样不行！”它通过将多余的水蒸气 () 转化为液态云水 () 来强制执行热力学定律，这个过程我们称之为凝结。这不仅仅是一个记账技巧；当水凝结时，它会释放大量的潜热，使周围的空气变暖。这种加热使空气更具浮力，可能导致它上升得更快，从而形成一个强大的反馈循环，这正是雷暴的核心。整个过程受严格的守恒定律支配：水的总量是守恒的，总能量（湿焓）也是守恒的。水汽质量的损失是液态质量的增加，释放的热量必须在温度方程中予以考虑。这种由块体微物理方案精心策划的运动、能量和水相变之间的持续、复杂的舞蹈，使模型大气栩栩如生。
你可能会认为这听起来很直接，但有一个陷阱。这些微物理变化的时间尺度——液滴形成的瞬间——可能在微秒到秒之间。它们所影响的天气系统的时间尺度——横扫大陆的冷锋——是小时到天。计算机模型必须同时解析两者。这是数学中一个经典的“刚性”问题，类似于试图在同一次连续拍摄中既要拍到蜂鸟的翅膀，又要拍到山脉的缓慢侵蚀。如果你采用足够小的时间步长来捕捉蜂鸟，你将要等上亿万年才能看到山脉的变化。如果你采用足够长的时间步长来看山脉的演变，蜂鸟就只是一个无法分辨的模糊影子。模型开发者必须采用巧妙的数值技术来处理这种刚性，确保快速的微物理调整不会导致整个模拟爆炸成数值混乱 [@problem-id:4025974]。我们的天气预报能起作用，本身就是应用数学智慧的证明。
所以，这些模型在运行，它们的微物理引擎在轰鸣。这与现实世界，与你窗外的雨有什么联系呢？让我们举一个美丽而直观的例子：山脉创造天气的方式。当一股稳定、湿润的风吹向山脉时，它无处可去，只能向上。这种强制上升，及其相关的垂直速度 ，正是块体微物理方案所期待的触发器。随着空气上升和冷却，该方案开始将水蒸气凝结成一片附着在山腰上的巨大地形云。
但事情变得更有趣。该方案不仅仅是制造一个通用的“云”。根据温度和其他条件，它会激活不同的路径。在寒冷的冬季风暴中，如果云中富含过冷液滴，下落的冰晶会贪婪地收集它们，这个过程称为淞化。这使得冰粒子变得密集和沉重，最终以降霰的形式落下——你可能知道的那种白色小颗粒，即软雹。然而，如果云更冷，液态水更少，冰晶将主要通过相互碰撞和粘连来生长，这是一个温和的过程，称为聚并，产生大而蓬松的雪花。因此，块体微物理方案不仅能让模型预测山脉上是否会降水，还能预测如何降水——是飘落的精致雪花，还是一阵密集的霰。
这很棒，但我们怎么知道模型是正确的呢？我们不必只是相信它。我们可以观察。天气雷达是我们天空中的眼睛，而资料同化是教模型看懂雷达所见的过程。模型，凭借其块体微物理方案，预测网格框中有一定量的霰混合比 () 和雪混合比 ()。为了将其与雷达观测进行比较，我们需要一个“正向算子”，将模型的世界转换成雷达的语言。它计算出雪和霰的混合物应该产生的雷达反射率 。这是一项复杂的任务，因为一克蓬松的雪与一克密集的霰反射雷达信号的方式截然不同。
现代双偏振雷达给了我们一个惊人的优势。通过发出不同方向的波，它们可以告诉我们关于粒子形状的一些信息。长圆形、翻滚的霰看起来与更原始、片状的雪不同。如果模型预测的是霰，但偏振雷达特征明确显示是“雪”，资料同化系统就可以标记出这种差异。然后它可以微调模型的状态，使其与现实更加一致，从而得出更好的预报。模型虚拟世界与真实世界观测之间的这种持续对话，正是现代天气预报如此强大的原因。
块体微物理的影响远远超出了日常天气。它在我们理解气候系统，特别是人类活动影响方面，扮演着核心角色。云不是在完全洁净的空气中诞生的；它们需要称为云凝结核 (CCN) 的微小种子颗粒才能形成。这些可以是自然颗粒，如海盐或灰尘，也可以是来自汽车和工厂的污染。
在这里，我们遇到了一个深刻且极度反直觉的云物理学事实。你可能认为更多的污染颗粒会导致更多的雨。事实往往相反。对于云中给定量的液态水，如果你有非常多的 CCN，水就会被分配到大量的非常小的液滴中。如果你有较少、较干净的 CCN，你就会得到数量较少但较大的液滴。这被称为 Twomey 效应。一个充满微小液滴的云要亮得多——它将更多的阳光反射回太空，对气候产生冷却效应。此外，这些微小的液滴在碰撞和合并形成雨滴方面效率非常低。一个“受污染”的云可能非常稳定，并顽固地拒绝下雨，这种现象称为毛毛雨抑制。所以，朦胧的天空反而可能意味着更亮的云和更少的雨。
事实证明，大自然有它自己的技巧。在广阔的海洋上空，浮游植物的生物活动可以释放形成非常大（或称“巨型”）海盐 CCN 的化合物。虽然云可能被在较小 CCN 上形成的众多小液滴所充斥，但只要有少数这些巨型核的存在就可以改变一切。它们迅速形成大的“超级液滴”，比它们的邻居重得多，下落得也更快。这些液滴穿过云层，有效地席卷了较小的液滴，并启动了碰撞-合并过程。通过这种方式，稀疏的生物成因巨型 CCN 群可以打破毛毛雨抑制的僵局，并引发暖雨。这揭示了一个惊人复杂的反馈回路，将海洋中的微观生命与云的宏观行为以及全球气候联系起来。
尽管块体微物理功能强大，但至关重要的是要记住它是一种近似——一种“参数化”。它将一个令人难以置信的复杂现实简化为一套可管理的方程。科学的一个关键部分不仅是知道你的工具能做什么，还要理解它们的局限性。
最大的挑战之一是“次网格尺度问题”。在全球气候模型中，一个网格框可以横跨数十公里。该框内的现实并非均匀；它是由强烈的上升气流和下沉气流、云丝和晴空拼凑而成的。然而，一个块体微物理方案只能看到整个网格框的一组平均属性。这是一个问题，因为微物理过程是高度非线性的。例如，云滴转化为雨滴的速率可能与液态水含量的立方成正比。立方的平均值不等于平均值的立方！将降雨形成规则应用于部分多云的网格框的平均水含量会得出错误的答案。为了克服这一点，先进的模型使用统计方法。它们不仅跟踪水含量的平均值，还试图表示其整个次网格概率分布函数 (PDF)。这使得对网格平均过程速率的计算更加准确，承认了现实的斑驳性。
块体方案中最根本的简化是它对粒子谱分布形状的假设。它通常假设所有液滴群都遵循一个简单的数学函数，比如伽马分布。这就像试图用一个单一、简单的漫画来描述所有人类面孔的多样性。在许多情况下，这已经足够好了。但如果细节很重要呢？这就是更复杂方法发挥作用的地方。分档微物理方案是“强力”的替代方案。它们不假设形状；它们明确地跟踪数十个离散尺寸档中的粒子数量。其代价是计算成本。一个分档方案可能比一个块体方案昂贵数千倍，这一成本对于长期的气候模拟来说往往是无法承受的。
我们什么时候需要这种程度的细节？考虑地球工程的想法，比如海洋云增亮，科学家们考虑在海洋上空喷洒特制的气溶胶，使云变得更亮，以抵消全球变暖。这种尝试的成功与否取决于注入的气溶胶和自然气溶胶之间对水汽的微妙竞争。这是一个对完整粒子谱极其敏感的过程。一个块体方案，以其固定的分布漫画，可能会完全忽略关键的物理过程，提供一个危险的误导性答案。对于这类前沿问题，分档方案的细节和成本可能是唯一的出路。
我们从计算机模型的内部运作，走到了天气和气候的宏大挑战。现在，让我们做最后一次飞跃——向外，进入宇宙。在过去的几十年里，天文学家发现了数千颗围绕其他恒星运行的行星，即所谓的系外行星。我们正在从仅仅探测这些世界，转向描述它们的大气层，而一个关键问题是：它们有云吗？
惊人的答案是，我们应用于地球上水云的完全相同的物理原理，以及完全相同的模拟辩论，现在正被用于理解这些外星世界上的云。这些不是水云。在一个靠近其恒星运行的灼热“热木星”上，云可能由液态岩石构成——硅酸盐，如镁橄榄石或顽火辉石。在一个稍冷的世界上，它们可能是氯化钾或硫化锌的云。然而，物理学是普适的。这些凝结物仍然必须在某种种子颗粒上成核，通过从气相凝结来生长，碰撞和凝聚，并最终长到足够大以便沉降，或“下雨”，从大气中脱落。
系外行星科学家现在正在建立他们自己的 GCMs，并且面临着我们讨论过的完全相同的选择：他们应该使用快速但简单的块体方案，详细但昂贵的分档方案，还是一个巧妙的中间“矩”方案？问题是相同的：我们如何表示多峰云粒子分布？当粒子可能是微小的尘埃颗粒时，我们如何准确地耦合生长和沉降？同一个智力框架既能应用于地球上的一个水滴，也能应用于一百光年外行星上的一个熔融硅酸盐液滴，这一事实深刻地证明了物理学的统一性和力量。游戏规则是普适的，通过在这里理解它们，我们获得了一种与宇宙对话的语言。