玻尔百科云是我们星球大气中最熟悉的景象之一，但它们也对天气和气候预测构成了最大的挑战之一。单个云内水滴和冰晶的数量和种类繁多，使得我们无法对每一个粒子进行单独模拟。为了克服这一难题，模式必须依赖统计方法来表征这些粒子的集体属性。本文深入探讨了这些方法（即云微物理方案）的演变过程。我们将从基本原理入手，首先探讨简单的“单矩”方法的局限性，然后在“原理与机制”一章中逐步介绍更复杂、更强大的“双矩”方案。随后，“应用与跨学科联系”一章将展示复杂性的这一飞跃如何使模式能够捕捉到关键的真实世界现象——从污染对降雨的影响到冰晶形成的精细物理过程，从而为我们动态变化的大气层描绘出一幅更逼真的画卷。
抬头看一片云。它看起来如此简单，如此蓬松，就像一个漂浮在蓝天中的独立实体。但如果你能放大观察，你会发现一个惊人复杂的世界。一朵蓬松的积云是由数十亿个水滴构成的 swirling city（旋转都市），在这个大都市里，“居民”的大小千差万别。有些是刚从凝结的水汽中诞生的微小水滴，而另一些则是即将变成雨滴的“庞然大物”。我们如何才能在天气和气候模式中描述这样一个系统，尤其是当我们的“网格”（模拟世界的基本像素）可能宽达数公里时？我们显然无法追踪每一个水滴。
唯一的出路是像统计学家一样思考。我们无法了解每个个体的故事，但我们可以描述整个群体。我们使用一种名为粒子谱分布（PSD）的工具来做到这一点。想象一下，对一立方米空气中的所有液滴进行普查，并绘制一张图表，显示在每个尺寸上发现了多少液滴。这张图表，我们称之为 ，就是PSD。它告诉我们对于任意给定的直径 ，单位体积内的液滴数量。
物理学家和气象学家发现，这些分布通常呈现一种特定的数学形式，一种被称为广义伽马分布的形状：
现在，不要被这个方程吓到。它只是一条灵活的曲线，有三个可调节的“旋钮”，让我们能够描述液滴群体。 是一个“截距”参数，有助于设定粒子的总数。 是一个“形状”参数，控制曲线的圆润度。而 ，即“斜率”参数，也许是最直观的：大的 意味着随着液滴变大，其数量会非常迅速地减少，这描述了一片主要由小液滴组成的云。小的 则意味着斜率更平缓，表明存在相当数量的大液滴。我们面临的巨大挑战是，在模式的每个时钟滴答声中，为每个网格确定这三个旋钮的值。
关于一个云滴群体，你能知道的最简单、最基本的信息是什么？一个好的初步猜测是它们的总质量。在气象学中，我们称之为液态水含量（LWC），或者更方便地称为质量混合比 。这是我们可能关心的第一个“矩”——在统计学中，“矩”只是分布的一个加权平均值，它能告诉你一些关于其整体特性的信息。由于单个球形液滴的质量与其体积成正比，而体积又与其直径的立方（）成正比，因此总质量 与尺寸分布的三阶矩成正比，即 。
这引出了模拟云的最简单方法，即单矩方案。在这种方案中，我们的模式唯一预报的——唯一的“预报”变量——是总质量混合比 。模式计算 如何因凝结、蒸发和风的输送而变化。
但这立刻带来一个难题。我们的PSD有三个未知参数（），但我们只有一个信息：总质量 。这就像告诉你一个密闭房间里所有人的总重量，然后让你画出他们每个人的身高图表。你做不到！这个问题是欠定的。
为了得到一个答案，我们必须做出一些相当大胆的假设。这就是我们所说的闭合假设。在一个典型的单矩方案中，我们简单地固定其中两个参数。例如，我们可能会根据一些20世纪50年代的旧观测数据，宣称形状参数 和截距参数 始终是常数。通过固定我们PSD机器上三个旋钮中的两个，我们只剩下 这一个旋钮可以转动。现在，对于我们的模式预报的任何给定总质量 ，只有一个与之对应的 值。整个尺寸分布现在与总质量紧密地绑定在一起。
在某种程度上，这行得通。它给了我们一个答案。但它只是一幅粗略的草图，而不是一幅精细的肖像。只要总质量相同，该方案就无法区分由少数大液滴组成的云和由许多小液滴组成的云。而我们即将看到，这种区别不仅仅是一个学术细节——它正是云之所以为云的核心所在。
想一想你现在呼吸的空气。它是来自海洋上空的洁净、原始的空气，还是来自繁华都市的朦胧空气？事实证明，这种差异对云来说是生死攸关的。受污染的空气充满了微小的颗粒——气溶胶——它们充当水滴形成的种子，即云凝结核（CCN）。当存在大量CCN时，相同数量的可用水汽会凝结在数量多得多的种子上。结果是，云的总水质量（）相同，但液滴数量（）要高得多。自然地，如果你将相同数量的水分配给更多的液滴，每个液滴就必须更小。
为什么这如此重要？因为它决定了一片云是否会下雨。降雨并不仅仅是在云“满了”的时候发生。它始于一个称为自动转化的过程，即云滴相互碰撞并合并，变得越来越大，直到它们重得足以掉落下来。这个过程对液滴的大小极其敏感。想象一个拥挤的舞池。如果每个人都很小，他们可能会相互碰撞，但很可能只是弹开。但如果有一些非常高大的人在移动，碰撞就会更有效。液滴也是如此。小液滴很难合并。大液滴则是成功得多的收集者。
这正是我们的单矩方案惨败的地方。它只知道总质量 。所以，它的降雨形成公式基本上只是 的一个函数。它无法正确表示这样一个事实：一片受污染的云，充满了大量微小的液滴（高 ），可能含有巨大的水量（高 ），却拒绝下雨。与此同时，一片洁净的海洋云，水量相同但液滴数量少（低 ）且尺寸大，可能正在产生倾盆大雨。
解决方案既优雅又强大：如果一条信息不够，那我们就用两条！这就引出了双矩方案。我们不仅预报液滴的总质量（），还预报它们的总数（）。我们现在有两个独立的、不断演变的量——两个“自由度”——来描述我们的云群体。
通过同时预报质量（，与三阶矩 相关）和数浓度（，即零阶矩 ），我们在复杂性上实现了巨大的飞跃。但还记得我们那个有三个参数（）的伽马分布吗？我们现在有两个已知量，但仍有三个未知数。我们更接近了，但仍然需要一个闭合假设。
在双矩方案中，标准的闭合是固定形状参数 。这仍然是一个假设，但它是一个远为薄弱且在物理上更合理的假设。我们实际上是在说：“液滴群体的总体形状倾向于这样，但其总数和平均大小可以自由变化。”。
有了这个单一的假设，奇迹就发生了。我们现在有一个由两个方程（一个将 与PSD参数联系起来，另一个将 与它们联系起来）和两个未知数（ 和 ）组成的系统。这是一个高中代数就能解决的适定问题！在每个时间步，给定预报的 和 值，模式可以唯一地诊断出完整的粒子谱分布。
这最深远的后果是，模式现在能够“看到”平均粒子尺寸，它与比值 直接相关。如果一次污染爆发产生了许多新的液滴，模式对 的预报方程会使其增加，平均尺寸会缩小，计算出的降雨形成率会骤降——正如现实中那样。如果液滴开始碰撞合并，模式会在保持 不变的情况下减少 ，平均尺寸会增长，自动转化率会加速。气溶胶-云相互作用的物理过程不再是粗略的参数化；它从两个预报的矩中自然地涌现出来。
这种新获得的保真度还有其他奇妙的后果。例如，天气雷达接收到的信号对雨滴的大小极为敏感——雷达反射率因子 与尺寸分布的六阶矩（）成正比。一个只知道三阶矩（）的单矩方案对六阶矩的猜测是十分粗略的。但双矩方案通过同时知道零阶矩（）和三阶矩（），对分布的宽度有更好的把握，因此能够对预报员在屏幕上看到的雷达反射率做出远为合理和准确的诊断。
从一矩到二矩的这段历程，是一个绝佳的例子，说明了在模式中增加一个自由度如何能够解锁一个全新水平的物理真实性。当然，道路并未止于此。科学家们在不断探索可能同时预报雷达反射率的三矩方案，甚至是更复杂的分档方案，后者完全抛弃了伽马分布的假设，而是预报数十个尺寸“分档”中的液滴数量。但是，从一矩到二矩的飞跃，仍然是我们描绘云的真实面貌的探索中最重要的进步之一。
当然，构建这个美丽的理论机器只完成了一半的工作；我们还必须让它在计算机上运行起来。在这里，计算的混乱现实介入了。控制液滴源和汇的方程可能非常“刚性”——意味着过程可能发生得非常快。一个简单的数值实现，比如一个简单的前向欧拉时间步长，可能会试图根据时间步开始时存在的水量来计算雨水的蒸发量。如果时间步太长或者空气非常干燥，计算可能会要求蒸发掉比实际存在的水还多的水，从而导致雨水质量为负的荒谬结果！。
为了防止这种无稽之谈，模式开发者必须在他们的代码中构建巧妙而谨慎的数值限制器，以确保像质量和数浓度这样的物理量始终保持正值。这是一个务实的提醒，即即使是最优雅的物理理论，在被转换到计算机模拟的离散世界时，也必须小心处理。正是在物理原理与计算艺术的这种共舞中，现代天气和气候预测的奇迹才得以诞生。
在探究了我们如何通过云的组成部分来描述它的原理之后，我们可能会问：“这样做的目的是什么？” 这是一个合理的问题。为什么要费力去追踪云中水的质量，还要追踪液滴或冰晶的数量呢？答案是，这个额外的信息，这第二个“矩”，将我们的模式从简单的漫画变成了具有真实个性的肖像。它使我们能够捕捉到控制我们星球天气和气候的那些微妙、美丽且常常违反直觉的物理过程。正是在应用中，在与真实世界的联系中，双矩方法的真正力量才得以显现。
在我们看到方案的实际运作之前，让我们先窥探一下它的引擎室。双矩方案的魔力在于它能够获取两个宏观量——总质量 和总数浓度 ——并从中重建一个合理的、连续的粒子谱分布。想象一下，只被告知一个房间里所有人的总重量和总人数。虽然你不知道任何一个人的具体体重，但你可以对体重的分布做出一个非常合理的统计猜测。
同样，通过假设云中的液滴遵循一个通用的数学形式，例如伽马分布 ，两个已知量（ 和 ）使我们能够解出定义分布具体形状的两个未知数：截距 和斜率 。这个“闭合”是关键的一步。它是从模式预报变量的抽象世界到云内部生命物理表征的桥梁。一旦我们有了这个完整的分布，我们就可以计算任何我们想知道的关于它的信息——它的总表面积、它与阳光的相互作用，或者，正如我们将看到的，它产生降雨的能力。
也许双矩方案最深远的应用在于理解降雨究竟是如何开始的。几十年来，只追踪云水质量的更简单的“单矩”模式一直在这个问题上挣扎。它们通常诉诸于一个简单、相当武断的规则：只有当液态水含量超过某个阈值时，才会形成降雨。
但自然界更为微妙。考虑两片云，它们都含有完全相同数量的液态水。一片云在偏远海洋上空的纯净空气中形成，另一片则在位于一个大城市下风向的朦胧、受污染的气团中形成。单矩方案认为这两片云是相同的。而双矩方案则看到了它们真实而不同的特性。
受污染的云是在大量气溶胶颗粒上形成的，它将由大量非常小的液滴组成。而纯净的云，起始的气溶胶颗粒较少，其水分将凝结在较少但因此也大得多的液滴上。对于相同的总水质量 ，受污染的云具有非常高的数浓度 ，而纯净的云则具有较低的 。
这个差异就是一切。小液滴轻盈漂浮，碰撞频率低。大液滴更重，下落更快，能更有效地碰撞形成雨滴。双矩方案通过同时知道 和 ，可以计算出平均液滴尺寸，从而计算出这些形成降雨的碰撞的概率。它正确地预测出纯净的云会开始高效地降雨，而受污染的云则会步履维艰，持续保持为一种挥之不去的、毛毛雨般的薄雾。
这不仅仅是一个学术上的好奇。这是气溶胶-云相互作用的核心，是气候变化中的一个关键不确定性。当我们燃烧化石燃料时，我们释放的气溶胶会增加云滴的数量，使云变得更亮（反射更多阳光，产生冷却效应），但同时也降低了它们降雨的可能性。双矩方案是我们在全球气候模式中量化这种效应的主要工具，帮助我们理解人类对气候系统无意的印记。
当我们向大气更高、更冷的地方移动时，云进入了混合相领域，这是一个过冷液滴与初生冰晶之间精妙而美丽的舞蹈。在 到大约 的温度范围内，纯水可以保持液态，但处于不稳定状态。单个冰晶的存在就能触发快速的相变，因为对于液态水仅为饱和的空气，对于冰而言实际上是高度过饱和的。水汽会优先凝华到冰晶上，使其生长，而代价是液滴的蒸发。这就是Wegener-Bergeron-Findeisen过程，是中纬度地区降水的一个主要引擎。
关键问题是：这个过程发生得多快？答案取决于可用于凝华的总表面积（在冰上）与可用于凝结的总表面积（在液体上）的对比。双矩方案非常适合解决这个问题。通过同时预报液滴（）和冰晶（）的质量和数浓度，模式可以持续诊断出平均粒子尺寸，从而得到每一相的总表面积。然后，它可以真实地分配可用的水汽，使其能够以物理上有意义的方式捕捉这种竞争。这个过程对可用冰核粒子数量（）的敏感性是一个主要的研究领域，而双矩方案为通过计算来研究它提供了必要的框架。
我们有句俗话，“是升皆要降”。对云粒子来说，这就是沉降过程。但这并非那么简单。云不是一袋同时下落的弹珠。它是一个尺寸的光谱，而在大气中，更大、更重的粒子下落得更快。
这导致了一个微妙但重要的效应：尺度分选。当一群雪花或雨滴下落时，较大的会超过较小的。这意味着云的质量平均下落速度比粒子数浓度的下落速度要快。双矩方案可以通过计算两个不同的下落速度来捕捉这一点：一个质量加权下落速度 和一个数浓度加权下落速度 。由于质量主要由较大的粒子决定，我们总是发现 。对两个预报矩使用两个不同的下落速度，使得模式能够真实地模拟粒子在降水过程中垂直方向上的尺寸分选，这在必须对所有东西使用单一、代表性较差的下落速度的单矩框架中是不可能实现的。
如果我们无法用真实世界来检验它，所有这些理论上的优雅都将毫无意义。我们如何知道我们模式中的云是否准确？我们最强大的工具之一是天气雷达。雷达天线发出微波能量脉冲，并监听来自雨滴和雪花的回波。这个回波的强度，即雷达反射率 ，非常强烈地依赖于粒子的大小——具体来说，它与粒子谱分布的六阶矩成正比，即 。
在这里我们看到了另一个美丽的交汇点。由于我们的双矩方案允许我们从预报的质量和数浓度中重建整个谱分布 ，我们可以计算我们选择的任何阶矩。我们可以计算零阶矩（数浓度）、三阶矩（质量），我们也可以计算六阶矩 。这个计算出的 就是我们的模式云在雷达应该看起来的样子。然后我们可以将它与实际雷达观测到的情况直接比较，从而为模式的物理过程提供一个严格的检验。这个过程，即创建一个观测的“模式等效量”，被称为观测算子，它是模式检验和数据同化的基石。它也揭示了我们仍然存在的不确定性；我们计算出的反射率的确切值仍然可能对我们关于分布形状的假设敏感，这提醒我们，即使是我们最好的模式，也仍然是对一个远为复杂的现实的近似。
考虑到这些详细方案的强大功能，人们可能会想：为什么只停留在两矩？为什么不使用一个追踪数十个尺寸类别的“分档”方案，从而有效地解析完整的分布？答案，正如在科学和工程中经常遇到的那样，是成本。一个能够解析完整碰撞-合并过程的分档方案，其计算成本可能是双矩方案的五十到一百倍。
对于一个必须运行数百年模式时间的全球气候模拟，或者一个必须在天气实际发生前发布的的高分辨率天气预报来说，这个成本是令人望而却步的。双矩方案代表了复杂性谱系上的一个绝佳的“最佳平衡点”。它比单矩方案在物理上真实得多，捕捉了气溶胶-云相互作用和混合相过程的基本物理。然而，它又比一个完整的分档方案高效得多。它是一个至关重要的组成部分，是现代地球系统模式这个巨大而复杂的钟表机构中一个精心制作的齿轮，使我们能够 tackling（解决）一些关于我们周围世界的最具挑战性的问题。