基于地基遥感垂直观测的宜昌地区两次雨雪过程相态差异及识别模型构建
doi: 10.13878/j.cnki.dqkxxb.20241209002
张明1,2 ， 徐桂荣2,3 ， 杜裕1,2 ， 陈章1,2
1. 湖北省宜昌市气象局，湖北 宜昌 443000
2. 三峡国家气候观象台，湖北 宜昌 443000
3. 中国气象局武汉暴雨研究所中国气象局流域强降水重点开放实验室/暴雨监测预警湖北省重点实验室，湖北 武汉 430205
基金项目: 国家自然科学基金项目(42375139) ； 中国气象局城市气象重点开放实验室开放基金项目(LUM-2023-08) ； 湖北省气象局面上项目(2023Y12) ； 湖北省自然科学基金气象创新发展联合基金项目(2023AFD093) ； 湖北省气象信息与技术保障中心创新项目(CXTD-2024-6)
Phase differences and development of a precipitation phase identification model for two rain-snow weather events in the Yichang area based on ground-based remote sensing vertical observations
ZHANG Ming1,2 ， XU Guirong2,3 ， DU Yu1,2 ， CHEN Zhang1,2
1. Hubei Yichang Meteorological Observatory,Yichang 443000 ,China
2. Three Gorges National Climatological Observatory,Yichang 443000 ,China
3. China Meteorological Administration Basin Heavy Rainfall Key Laboratory/Hubei Key Laboratory for Heavy Rain Monitoring and Warning Research,Institute of Heavy Rain,China Meteorological Administration,Wuhan 430205 ,China
摘要
针对2024年2月宜昌地区的两次雨雪过程(“02.01”过程和“02.20”过程),利用微波辐射计与毫米波测云仪垂直观测资料,研究了降水相态变化特征与成因,分析了相态转换过程中温度层结、云顶温度以及云物理结构的演变特征,并基于云顶温度、暖层与冷垫厚度等关键参数,构建了降水相态识别模型。结果表明:1)两次过程雨、冰粒、雪等相态的转换与地面降温同步,毫米波测云仪反射率因子和径向速度与降水强度变化一致。2)两次过程云中产生充足冰相粒子的云顶温度阈值为-5 ℃,暖层厚度小于0.5 km和大于1.0 km是冰相粒子不融化和完全融化的阈值,冷垫厚度小于0.8 km和大于2.0 km是液态粒子不冻结和完全冻结的阈值。3)固态降水发生时,两次过程的温度层结差异明显:雨夹冰粒时,分别为“冷-暖-冷-暖”4层模式和“冷-暖-冷”3层模式;降雪时,分别为单“冷”结构和“冷-暖-冷”3层结构。
Abstract

Low-temperature rain,snow,and freezing weather events frequently occur during seasonal transitions (autumn-winter and winter-spring) and can have substantial societal impacts.These weather events are characterized by rapid transitions in precipitation phase,posing significant challenges for cold-season precipitation forecasting,particularly in identifying phase changes.Traditional phase identification methods primarily rely on conventional observations and numerical model outputs,focusing on vertical temperature distributions and threshold-based diagnostics at specific atmospheric levels.However,such approaches are unable to capture the continuous and fine-scale evolution of the entire atmospheric structure.Recent studies have demonstrated that high-resolution vertical observations—such as cloud-top temperature,the 0 ℃ level height,and cloud microphysical structure—provide valuable information for understanding precipitation phase formation and improving prediction.Nevertheless,previous studies in Hubei province have mainly emphasized large-scale circulation,vertical structure,and moisture transport,with limited attention to the detailed characteristics of phase transitions.Therefore,investigating the evolution and mechanisms of precipitation phase changes is essential for improving forecasts of low-temperature rain-snow weather events.

Two rain-snow weather events occurred in the Yichang area of Hubei province in February 2024:the “02.01” weather event (February 1—6) and the “02.20” weather event (February 20—23).Based on vertical observations from a microwave radiometer and a millimeter-wave cloud radar,this study examines the evolution of precipitation phase and its underlying mechanisms during these two weather events.First,variations in temperature stratification,cloud-top temperature,and cloud microphysical structure during phase transitions are analyzed.Subsequently,a precipitation phase identification model is developed based on key parameters,including cloud-top temperature,warm layer thickness,and cold-layer (cold cushion) thickness.

The results indicate that:1) Transitions among rain,ice particles,and snow are closely associated with surface cooling,and the reflectivity and radial velocity observed by the millimeter-wave cloud radar are consistent with variations in precipitation intensity.2) Significant differences in temperature stratification exist between the two weather events.During mixed-phase precipitation (rain with ice particles),temperature strictures exhibit four-layer (“cold-warm-cold-warm”) and three-layer (“cold-warm-cold”) configurations,respectively.During snowfall,the structures are characterized by a single cold layer and a three-layer (“cold-warm-cold”) pattern,respectively.3) For both weather events,the threshold cloud-top temperature for sufficient ice-phase particle generation is approximately -5 ℃.Warm layer thicknesses of ＜0.5 km and ＞1.0 km correspond to conditions under which ice particles do not melt and completely melt,respectively,whereas cold-layer thicknesses of ＜0.8 km and ＞2.0 km correspond to conditions under which liquid particles do not freeze and completely freeze,respectively.

These findings elucidate the mechanisms governing precipitation phase transitions in rain-snow weather events.The proposed phase identification model provides a useful reference for forecasting winter precipitation phase changes and low-temperature precipitation weather events.It should be noted that the threshold values identified in this study may vary across regions and depend on the intensity of temperature advection.Additionally,precipitation-induced attenuation of millimeter-wave signals may reduce the accuracy of echo height detection.Therefore,future studies should integrate multiple vertical observation systems and numerical simulations to further investigate phase transition processes from the perspectives of moisture conditions,thermal structure,and microphysical processes such as melting and freezing.

低温雨雪冰冻是冬季主要的灾害性天气，常常会给农业、林业、交通、电力、通信等行业以及人民群众生活带来较大的影响（孙晓娟等，2022）。低温雨雪形成的雨凇、雾凇会给电力、通信带来危害，地面冰冻、积雪会对交通安全以及越冬农作物造成影响。2008年，我国南方出现严重的低温雨雪冰冻灾害，多个省市受灾严重（苗春生等，2010）。这次雨雪冰冻灾害事件受到我国学者的广泛关注，关于低温雨雪天气产生的机制机理研究也越来越受到重视（龙利民等，2010; 彭艳等，2010）。
在秋冬或冬春过渡期间出现的低温雨雪冰冻天气，温度下降较大，降水相态转换较快，是冬春季降水预报的难点。国外对降水相态的研究（Forbes et al.，1987; Kain et al.，2000）较早，而国内研究主要集中于2008年大范围雨雪冰冻灾害后。早期，国内的研究多使用时间间隔较长的探空和地面资料，集中关注大气温度的垂直变化和分布，统计分析特定层气温的指标阈值。李江波等（2009）指出，河北降雪多发生在地面气温约0℃、925 hPa气温低于-2℃的条件下。漆梁波和张瑛（2012）将温度平流的强度与厚度作为我国东部冬季降水相态判识的有效判据。杨成芳等（2013）认为，结合地面气温与925 hPa以下气温能更有效判别山东冬半年降水相态。然而，降水相态受云中冰晶和过冷水的变化影响，其转变机制多样且复杂（廖晓农等，2013），常规探测难以捕捉降水相态变化过程中的精细化演变特征。近年来，地基遥感垂直观测设备，如微波辐射计、风廓线雷达和毫米波测云仪等，凭借高时空分辨率、连续提供垂直剖面信息的优势，在国内迅速发展。微波辐射计对大气垂直温度的全天候监测（王振会等，2014），能实时捕捉降水相态转换前后，零度层高度的动态变化（毛宇清等，2022）。毫米波测云仪对云物理信息的实时监测，可以获得不同相态降水的云微观结构演化过程（孙莎莎等，2023）。两者结合，能够提供精细的云顶温度信息，提升降水相态判识的准确性（荆浩等，2022）。精细化垂直观测提供的特征量，如云顶温度、零度层高度和云粒子结构，对于理解相态形成和开展相态预报具有重要帮助。
湖北宜昌地处鄂西山区与江汉平原交会过渡地带，属亚热带季风气候区，多次遭受严重的雨雪冰冻事件影响。欧亚地区持续稳定的大气环流异常，南海夏季风季节转换延迟、拉尼娜事件等因素导致了2008年初长时间的低温雨雪冰冻天气。南支槽前西南暖湿气流与低层冷空气的长时间对峙，造成了2022年初（王珊珊等，2023）、2024年初（陈璇等，2024）的持续低温雨雪天气。以往研究使用再分析资料与常规观测资料，主要从大气环流、垂直结构、水汽输送等方面分析湖北雨雪冰冻天气的成因，对降水相态转换的精细化特征研究尚显不足。2022年7月，宜昌三峡国家气候观象台（简称三峡观象台）新建一套地基遥感垂直观测系统，有效弥补了垂直观测的监测空白和缝隙，为宜昌地区降水相态分析提供了重要支撑。本文利用三峡观象台的地基遥感垂直观测资料及常规地面、探空观测资料，分析了2024年初宜昌地区两次雨雪过程，包括2月1—6日雨雪过程（简称“02.01”过程，下同）和2月20—23日雨雪过程（简称“02.20”过程，下同）的降水相态特征成因及其差异。重点比较了两次过程大气温度层结、云顶温度、零度层高度以及云粒子信息的演变特征，并构建了降水相态识别模型，以期为今后宜昌地区的降水相态转换及低温雨雪天气预报提供参考。
1 资料与方法
1.1 资料
使用资料包括:1）地基遥感垂直观测资料，包括微波辐射计、毫米波测云仪的实时观测产品; 2）每日08和20时（北京时，下同）的探空观测温度资料（垂直分辨率5~8 m）; 3）地面自动气象站观测资料，包括气温、降水量、降水天气现象等（时间分辨率1 min）。
1.1.1 毫米波测云仪
毫米波测云仪为国产YLU2型，工作于Ka波段（35 GHz/8 mm），采用全固态、全相参、脉冲压缩和脉冲积累等技术，以固定垂直指向天顶的工作方式，能够不间断获取高时空分辨率的云雨垂直结构特征（黄兴友等，2020; 彭杰等，2023）。该设备监测的功率谱数据经设备端质控，生成反射率因子、径向速度等一级产品，并进一步反演得到质控后的云底、云顶高度等二级产品。需指出，毫米波测云仪受设备探测原理限制，其在120 m以下存在探测盲区。鉴于本研究侧重于降水云的云顶高度及物理参量的演变过程，该盲区不影响对上述参量的分析。因此，文中关于云的分析均基于120 m以上的有效探测数据。
1.1.2 微波辐射计
微波辐射计为国产MWP967KV型，集成K波段（22~30 GHz）和V波段（50~60 GHz）毫米波接收装置，采用被动接收的方式，每2 min得到一组特定频点的亮温数据，再结合当地历史探空数据训练的神经网络模型，能够实时反演得到高时空分辨率的大气温度、湿度等廓线数据（刘晓璐等，2019）。
1.2 方法
对明显有误的自动气象站降水天气现象数据使用人工观测天气现象进行订正，如2月1日11—17时人工观测降水天气现象为雨夹冰粒，而自动气象站降水天气现象为雨，则将该时段降水天气现象订正为雨夹冰粒。
微波辐射计反演的温度廓线存在一定的系统误差。以探空实测温度为标准，分高度层建立线性回归方程，对两次过程中的微波辐射计温度进行订正（张明等，2024），具体为:1）使用过程期间及前后各两天的微波辐射计温度与探空温度数据时空匹配形成数据对，建立订正模型，如“02.20”过程使用2月18日08时—2月25日20时的数据建立订正模型; 2）使用建立的订正模型对天气过程中所有时间点的微波辐射计温度进行校正，得到订正后的微波辐射计温度。统计两次过程订正前后微波辐射计与探空温度的总体偏差如表1，订正后显著提升了数据质量。
表1订正前后微波辐射计与探空温度的偏差
Table1Temperature deviations between microwave radiometer and radiosonde measurements before and after correction
暖层为温度大于0℃的气层; 冷垫是指近地面温度低于0℃的气层。云顶温度由毫米波测云仪与微波辐射计结合计算得到，具体为:两套设备垂直分辨率存在差异，导致云顶高度与微波辐射计的探测高度并不完全对应，但微波辐射计总有两个探测高度（ha和hb）与云顶高度（hc）较为接近，且使hc位于ha和hb之间，即ha＞hc＞hb，若在ha和hb处微波辐射计的反演温度分别为Ta和Tb，则云顶高度hc对应的云顶温度Tc计算公式如下:
Tc=Tb+Ta-Tbha-hb×hc-hb
(1)
2 天气实况
两次过程均受高空槽东移与低层冷空气南下共同影响的环流背景控制，而暖湿气流沿冷垫上爬升，稳定维持的逆温层和融化层是两次过程降水相态复杂的关键因素（张芳华等，2024）。与“02.01”过程相比，“02.20”过程融化层持续时间更长，冷垫强度更大，更有利于冰粒的形成（董全等，2024）。
“02.01”过程（图1a）前期（1日00时至3日00时）降水相态复杂，出现雨、冰粒和雪等多种相态; 后期（3日00时—4日08时、6日05—18时）转为纯雪，主要降雪时段为3日00—06时和3日20时—4日08时，其中4日08时积雪深度达11 cm。此外，“02.01”过程由雨转冰粒再转雪的过程与地面气温下降基本同步:1日02时降雨开始，气温为6.6℃，至11时降至4℃并转为雨夹冰粒，期间平均气温为4.7℃，标准差为0.7℃; 11时后气温继续下降，至17时降至1℃，雨夹冰粒停止，期间平均气温为3.3℃，标准差为1.0℃。2日18—20时雨夹冰粒期间，气温稳定为-2.4℃左右; 3日00时转为降雪，气温再次下降，至06时降至-2.9℃降雪停止，期间平均气温为-2.6℃，标准差为0.2℃。3日08时—4日05时降雪期间，气温先升后降，平均气温为-0.7℃，标准差为0.9℃。由于4日08时后无明显降水，下文中“02.01”过程主要指1日00时—4日08时。
“02.20”过程（图1b）过程前期（20日00时—22日00时）降水相态同样复杂，后期转为持续性降雪，主要降雪时段为22日00—08时，08时积雪深度为3 cm; 之后出现间歇性降雪，但强度较弱，未形成积雪。“02.20”过程由雨转冰粒再转雪的过程也与地面气温下降基本同步，但相态转换时的地面气温明显低于“02.01”过程:气温在降雨时高于1.5℃，降雨夹冰粒时为-0.5~1℃，降冰粒时约-1℃，降雪时低于-1℃。
3 大气温度层结特征
两次过程的实况（图1）表明，降水由雨转雨夹冰粒时的地面气温存在明显差异。此外，“02.01”过程后期降雪时气温明显偏高。这可能是因为两次过程的温度垂直结构存在较大差异，而大气温度层结是影响降水相态的重要因素（甘文强等，2018）。
图1“02.01”过程（a）和“02.20”过程（b）的地面气温变化（红色虚线）、累计降水量（填色:对应时间段的累计降水量）和降水相态、雪深（蓝色数字，单位：cm）。黑色虚线为降水相态的区分线（下同）
Fig.1Evolution of near-surface temperature (red dashed line) , accumulated precipitation (color shading indicates cumulative amount over each time period) , precipitation phase, and snow depth (blue numbers; units:cm) for (a) the “02.01” weather event and (b) the “02.20” weather event.The black dashed line denotes the boundary between precipitation phases (the same applies hereafter)
3.1 温度层结演变
图2给出了两次雨雪过程大气温度层结随时间的变化。“02.01”过程（图2a）初期降雨时，3 km以下为暖层，温度层结呈“冷（温度＜0℃，下同）-暖（温度＞0℃，下同）”两层模式，1日05时后转为“冷-暖-冷-暖”4层模式，近地面暖层厚度持续减小，中层（1~3 km）暖层维持在1.8~2.6 km。11时转为雨夹冰粒，近地面暖层厚度减小至0.8 km，温度层结仍维持四层模式，至18时近地面暖层消失，温度层结转为“冷-暖-冷”3层模式。2日23时后降雪期间，暖层全部消失，转为单“冷”模式，地面气温低于0℃，这与北京、河北等地降雪时的地面气温条件（李江波等，2009; 荆浩等，2022）基本一致。
“02.20”过程（图2b）降雨期间，温度层结为“冷-暖-冷-暖”4层模式，近地面暖层位于0~0.5 km，中层暖层位于1.5~3.2 km。21日转为雨夹冰粒，期间地面气温在0℃左右，近地面暖层逐渐消失，温度层结转为“冷-暖-冷”3层模式，暖层稳定在2.2~3.0 km，符合我国冰粒天气的主要层结特征（漆梁波，2012）。21日22时后，地面气温降至0℃以下并急剧下降，降水转为雪，但温度层结仍维持“冷-暖-冷”3层模式，中层暖层厚度减小至0.2~0.5 km。该情形与一般发生降雪时常见的单“冷”或“冷-暖”典型结构（毛宇清等，2022; 孙莎莎等，2023）有所不同，这可能是因为尽管存在持续的中层暖层，但其垂直温度梯度小，最高温度仅0.5℃，导致冰相粒子未出现融化，最终维持降雪相态。
对比表明，两次过程暖层顶均位于3 km附近，但大气温度层结演变存在一定差异。在主要降水阶段，降雨时两次过程均基本为“冷-暖-冷-暖”4层模式; 降雨夹冰粒时，“02.01”过程以4层模式为主，而“02.20”过程则以3层模式为主; 降雪时，”02.01”过程维持单“冷”模式，而“02.20”过程为暖层较薄的“冷-暖-冷”3层模式。
3.2 不同降水相态的温度垂直结构
为进一步量化不同相态下温度垂直分布的差异，对两次过程各相态期间0.5~4.0 km高度层（间隔0.5 km）气温进行统计分析（图3）。“02.01”过程（图3a）中，降水相态从雪到雨夹冰粒到雨，0.5~2.0 km各高度层温度均呈明显上升趋势，且各相态间的温度分布差异明显，这表明在该过程中，通过2.0 km以下的温度变化能有效区分降水类型; 而在2.5~4.0 km高度层，温度虽也呈上升趋势，但雨和雨夹冰粒的温度分布重叠较大，导致难以通过温度差异区分两者。
图2温度层结演变（红线表示温度大于0℃的暖层）:（a）“02.01”过程;（b）“02.20”过程
Fig.2Evolution of temperature stratification during the (a) “02.01” and (b) the “02.20” weather event （red line denotes warm layer above 0℃）
图3不同降水相态期间不同高度层的气温分布箱体图:（a）“02.01”过程;（b）“02.20”过程
Fig.3Box plots of temperature distributions at different heights above ground level during various precipitation phases for the (a) “02.01” weather event and (b) “02.20” weather event
对比两次过程可知，降雨或雨夹冰粒时，在0.5~1.5 km高度，“02.20”过程的气温显著低于“02.01”过程; 而在2.0~4.0 km高度，“02.20”过程气温则明显偏高。降雪期间，在2.0 km以下，“02.20”过程气温偏低约2℃，而在2.0 km以上则偏高约2℃。以上结果表明，“02.20”过程近地面层更冷，但其中层存在更强的暖平流，更有利于冰粒的形成（董全等，2024）。
4 云顶温度与零度层高度的演变
由上文分析可知，利用层结特征可对两次过程降水相态进行一定的区分，但对冰粒生成的解释有所不足。关于冰粒的形成机制，主要包括两种，一种是“融化机制”，即初始固态降水粒子经过暖层部分融化或全部融化后，进入冷层再次冻结形成（Zerr，1997; Lachapelle and Thériault，2022），另一种是“暖雨冻结机制”，即初始降水粒子为液态，进入冷层冻结形成冰粒（Kajikawa and Heymsfield，1989），说明降水相态不仅受降水粒子下落过程中相态变化的影响，还与降水粒子初生时的相态相关，而降水粒子形成时的相态与云顶温度密切相关（顾震潮，1980）。因此，为更精细地探究两次过程中降水相态变化的差异，比较分析两次过程云顶温度及零度层高度的演变如图4。其中，当地面气温高于0℃，随着高度上升，温度降至0℃时的高度定义为零度层1; 位于冷垫之上的暖层底部和顶部，温度均为0℃，分别定义为零度层2、3。
从图4a可见，“02.01”过程在降水初期，云顶温度为-20~-5℃，0℃层高度约为2.5 km，暖层较厚，降水为雨。至1日11—16时，云顶温度维持在-15~-10℃，但中层零度层高度降至约2 km，近地面零度层高度降至1 km以下，暖层变薄，冷垫增厚，降水转为雨夹冰粒。2日03—05时出现雨夹冰粒转雪，期间云顶温度降至-25~-15℃，零度层高度由2.5 km降至2.1 km，中层暖层厚度由0.7 km减至0.3 km。2日18—20时降雨夹冰粒，中层有较薄的暖层，云顶温度为-5~-2℃。至2日23时，降雪融化层消失，云顶温度始终低于-5℃。
“02.20”过程（图4）降雨期间，云顶温度较“02.01”过程高，主要为-5~10℃，近地面零度层高度约0.5 km，中层零度层高度在1.5~3.0 km。21日01时转为雨夹冰粒，云顶温度降至-35~-10℃，近地面零度层趋于消失。21日22时降冰粒期间，云顶温度为-5~0℃，中层暖层厚度显著减小。22日23时后转为降雪，中层仍存在较薄的暖层，云顶温度下降至-40~-5℃。
对比可知，降雪时云顶温度低于-5℃，无暖层或存在薄暖层，即云顶温度低于-5℃时，降水初生时以冰晶为主，符合顾震潮（1980）提出的云顶生成冰晶的温度阈值（低于-20~-5℃）。但该阈值存在地域差异，例如北京地区冰相粒子大量生成的云顶温度阈值为低于-14℃（荆浩等，2022）。我国江南与华南有冰晶层参与时的阈值为低于-10℃（漆梁波和张瑛，2012）。2022年1月27日武汉的雨雪过程显示，云顶温度-10~-2℃时，可出现雨、雨夹雪、雪的反复转换（王珊珊等，2023），说明该过程产生冰相粒子的云顶温度阈值位于-10~-2℃。
若以云顶温度-5℃作为产生充足冰相粒子的阈值（下文简称云冰相阈值），则可推断:“02.20”过程在降雨阶段，降水粒子初生以液态为主; 而“02.01”过程在降雨阶段，液态粒子主要由冰晶经暖层融化生成。此外，“02.01”过程出现两次雨夹冰粒天气，其中1日的雨夹冰粒属于“融化机制”，冰晶在暖层全部融化后，经冷垫部分冻结形成; 2日18—20时的雨夹冰粒则属于“暖雨冻结机制”。“02.20”过程雨夹冰粒与冰粒天气的形成机制亦不相同:雨夹冰粒发生时云顶温度较低，属“融化机制”; 而降冰粒时云顶温度高于-5℃，属“暖雨冻结机制”。在降雪阶段，“02.01”过程不存在暖层，降水粒子始终维持冰相状态; “02.20”过程虽存在暖层，但该暖层温度低（最高约0.5℃）、厚度薄，不足以使冰相粒子融化，故此阶段维持固态降水相态。
图4云顶温度与0℃层高度的变化:（a）“02.01”过程;（b）“02.20”过程
Fig.4Evolution of cloud-top temperature and the 0℃ level height during the (a) “02.01” weather event and (b) the “02.20” weather event
5 降水相态的温度层结概念模型
根据上文分析，云顶温度对两次过程中降水相态的变化有重要影响，结合大气温度层结结构可进一步揭示更多降水相态特征。两次过程0℃层高度（暖层顶）分别维持在2.5和3.0 km附近。当云中降水粒子以液态为主（云顶温度≥-5℃）时:若雨滴下落过程中未发生冻结，则降水相态为雨; 部分冻结时为雨夹冰粒; 全部冻结时则为冰粒。当云顶温度低于云冰相阈值时）:若冰相粒子全部融化且未出现冻结，相态为雨; 全部融化后部分冻结，为雨夹冰粒; 全部融化或部分融化后再完全冻结，为冰粒; 未发生融化，相态为雪。此外，若暖层顶较低（如北京及周边地区低于0.5 km时），雪花部分融化则出现雨夹雪（荆浩等，2022）; 若液态降水粒子经冷垫未被冻结，在落地接触低于0℃的物体表面立即冻结，则形成冻雨或雨凇（安晶晶等，2024）。因此，本文基于云冰相阈值、暖层厚度和冷垫厚度等关键参数，构建降水相态概念模型如图5。其中，Ht表示暖层顶高度或最大暖层厚度，设定为2.5~3.0 km; Hsf、Haf分别代表液态粒子开始冻结与完全冻结的冷垫厚度阈值; Hsm、Ham分别为冰晶开始融化与完全融化的暖层厚度阈值。
在暖层顶（Ht）为2.5~3.0 km前提下，当云顶温度≥-5℃（图5a）:冷垫厚度＜Hsf，无冻结发生，相态为雨; 处于Hsf~Haf之间，部分冻结为雨夹冰粒; ＞Haf，完全冻结为冰粒。当云顶温度＜-5℃（图5b）:冷垫厚度＜Hsf，冰晶经过暖层全部融化后未冻结，相态为雨; 暖层厚度＜Hsm，冰晶未融化，相态为雪; 雨夹冰粒与冰粒的冷垫厚度阈值取Ht-Ham与Haf中较小值:若Ht-Ham＞Haf，冷垫厚度为Hsf~Haf时，暖层厚度≥Ht-Haf＞Ham，冰晶经过暖层将全部融化，下落至冷垫时部分冻结，形成雨夹冰粒; 若Ht-Ham≤Haf，冷垫厚度为Hsf ~Ht-Ham时，暖层厚度≥Ham，同样形成雨夹冰粒。需指出，因两次过程暖层顶均较高（2.5~3.0 km），与雨夹雪的形成条件不符，未出现雨夹雪; 冻雨的形成条件与冰粒类似，主要区别在于下落过程中冻结或下落接触地面立即冻结，两次过程三峡观象台均未监测到冻雨，因此本模型暂不包含雨夹雪和冻雨两种情形。
图5降水相态与暖层、冷垫厚度的变化关系:（a）云顶温度≥-5℃;（b）云顶温度＜-5℃
Fig.5Relationship between precipitation phase and the thickness of the warm layer and cold layer (cold cushion) under conditions of (a) cloud-top temperature ≥-5℃ and (b) cloud-top temperature ＜-5℃
两次过程主要降水阶段的相态、暖层与冷垫厚度、云顶温度及形成机制见表2。根据降水阶段② 和⑧ 出现部分冻结，推断开始冻结的冷垫厚度阈值Hsf约为0.8 km。阶段⑦ 冷垫最大厚度达1.2 km却未发生冻结，这可能与粒子温度有关（该阶段暖层最高温度超10℃，而② 和⑧ 仅约6℃）。阶段⑨ 完全冻结为冰粒时冷垫厚度为2.25 km，阶段③ 和⑧ 部分冻结时冷垫最大厚度近2.0 km，因此完全冻结阈值Haf可取2.0 km。阶段⑩、⑪、⑫中冰相粒子未出现融化，对应最大暖层厚度约0.5 km，故冰晶开始融化的暖层厚度阈值Hsm为0.5 km。阶段①、②和⑧中冰晶完全融化时最小暖层厚度约为1.0 km，因此完全融化阈值Ham为1.0 km，略高于北京及周边地区雪花完全融化的暖层厚度阈值（≥0.5 km）（荆浩等，2022）。需要说明的是，以上阈值基于三峡观象台两次雨雪过程的统计得出，实际还受暖层和冷垫强度等因素的影响，具有一定的局限性和地域适用条件。
表2两次雨雪过程主要降水阶段的相态、暖层与冷垫厚度、云顶温度及形成机制
Table2Precipitation phases, thicknesses of the warm layer and cold cushion, cloud-top temperatures, and formation mechanisms of the major precipitation stages during the two rain-snow weather events
6 云物理参量的演变特征
毫米波测云仪提供的高时空分辨率云物理信息，可进一步为降水相态的识别提供依据，为此，比较分析两次降水过程中的云物理参量演变（图6）。
由图6a、6b可知，毫米波测云仪观测的反射率因子和径向速度均与降水强度变化一致:“02.01”过程降雨阶段，降水强度较高，低层反射率因子为10~20 dBZ，径向速度为3~6 m·s-1（方向向下，下同）; 11时后雨夹冰粒阶段，降水强度减弱（图1a），反射率因子和径向速度分别减小至0~15 dBZ和2~4 m·s-1; 2日18—20时雨夹冰粒阶段，降水强度更小，反射率因子和径向速度均较小。23时后降雪阶段，前期雪强较大，低层反射率因子为10~20 dBZ，径向速度为4~6 m·s-1，后期降雪减弱，两者分别降至0~10 dBZ、2~4 m·s-1。这些变化充分体现了云物理参量与降水强度的同步响应。此外，尽管降雪阶段降水强度明显高于降雨和雨夹冰粒（图1a），但其反射率因子、径向速度与降雨时接近，这是因为降雪粒子在相同条件下具有较小的下落速度和回波强度（戈瑶等，2024），这进一步验证了毫米波测云仪对不同降水类型的一致性观测能力。
图6毫米波测云仪观测的“02.01”过程（a、b）和“02.20”过程（c、d）两次雨雪过程中云物理参量的演变:（a、c）反射率（单位:dBZ）;（b、d）径向速度（单位:m·s-1）
Fig.6Evolution of cloud microphysical parameters during the (a, b) “02.01” weather event and (c, d) the “02.20” weather event: (a, c) radar reflectivity (units:dBZ) ; (b, d) radial velocity (units:m·s-1)
对比两次过程，可以看到，在2~3 km高度附近均观测到明显的速度分界线（图6b、6d），这是由于该处存在暖层（图2），降水粒子通过时发生融化后，其下落速度加快，导致径向速度显著增大（王卫民等，2024），同时，毫米波在经过此高度区间时，会受到降水粒子的衰减影响（钟正宇等，2018）。此外，两次过程降雪阶段后期，毫米波测云仪的回波高度均显著降低，这可能与积雪对毫米波的衰减有关（戈瑶等，2024）。不同的是，“02.01”过程降水强度较大，降水期间云层均超过5km，反射率因子受降水衰减影响，其分界特征显著（图6a）; 而“02.20”过程以间歇性弱降水为主（图1b），反射率因子和径向速度整体偏小，21日云层较高时，反射率因子垂直变化仍较小（图6c）。
综上可知，降水较弱时，反射率因子垂直变化不明显，但在径向速度垂直剖面中仍可观测到明显分界。此外，利用毫米波测云仪识别降水相态时需结合降水强度进行综合判断。需要指出，两次过程中，降水和积雪均对毫米波造成了一定程度的衰减，对探测精度的量化影响及衰减订正有待进一步的研究探讨。
7 结论与讨论
利用2024年初宜昌地区发生的两次持续性低温雨雪天气过程，分析了大气温度层结、零度层高度、云顶温度及云物理参量的变化特征，比较了降水相态转化机制的差异，并尝试构建了相态识别概念模型。主要结论如下:
1）两次过程出现固态降水时的大气温度层结存在差异:发生雨夹冰粒时，“02.01”过程以“冷-暖-冷-暖”4层模式为主，“02.20”过程则以“冷-暖-冷”3层模式为主; 降雪时，“02.01”过程为典型的单一冷层结构，而“02.20”过程表现为暖层较薄的“冷-暖-冷”3层结构。
2）基于降水粒子初生状态及下落过程中的相变特征，构建的温度层结概念模型，可用于判识降水相态，并据此确定了以下关键阈值:云顶温度-5℃为云冰相阈值; 液态粒子开始冻结和完全冻结的冷垫厚度阈值分别为0.8和2.0 km; 冰相粒子开始融化和完全融化的暖层厚度阈值分别为0.5和1.0 km。
3）在两次过程中，暖层导致毫米波测云仪观测的径向速度在2~3 km高度出现明显分界。尽管反射率因子和径向速度与地面降水强度变化趋势一致，但对相态的准确识别仍需结合降水强度进行综合判断。此外，降水和积雪会对毫米波信号造成衰减，可能影响回波高度的探测精度。
地面降水相态类型由降水粒子初始状态及其在下落过程中的融化与冻结程度共同决定。而决定降水粒子初始状态的云顶温度阈值存在地域差异; 同时，粒子发生冻结或融化所依赖的冷垫与暖层厚度阈值受温度影响。此外，降水粒子相态和强度对毫米波信号的衰减机制较为复杂，目前仍缺乏系统认识，本文所用毫米波测云仪数据未进行衰减订正，这会对云参量的量化分析造成多少影响值得后续研究来进行探讨。受当前观测个例限制，本文建立的模型及相关阈值主要基于暖层顶较高的典型条件，其准确性与普适性需后续收集更多个例作进一步验证。未来可联合其他垂直观测设备，获取更全面、更精细的实测数据，结合数值模拟等手段，从水汽条件、热力结构、粒子融化/冻结效率等多角度深入研究雨雪过程中相态变化的物理机制，以加深对雨雪天气演变机理的认识，进一步提高雨雪灾害天气的预报水平。
图1“02.01”过程（a）和“02.20”过程（b）的地面气温变化（红色虚线）、累计降水量（填色:对应时间段的累计降水量）和降水相态、雪深（蓝色数字，单位：cm）。黑色虚线为降水相态的区分线（下同）
Fig.1Evolution of near-surface temperature (red dashed line) , accumulated precipitation (color shading indicates cumulative amount over each time period) , precipitation phase, and snow depth (blue numbers; units:cm) for (a) the “02.01” weather event and (b) the “02.20” weather event.The black dashed line denotes the boundary between precipitation phases (the same applies hereafter)
图2温度层结演变（红线表示温度大于0℃的暖层）:（a）“02.01”过程;（b）“02.20”过程
Fig.2Evolution of temperature stratification during the (a) “02.01” and (b) the “02.20” weather event （red line denotes warm layer above 0℃）
图3不同降水相态期间不同高度层的气温分布箱体图:（a）“02.01”过程;（b）“02.20”过程
Fig.3Box plots of temperature distributions at different heights above ground level during various precipitation phases for the (a) “02.01” weather event and (b) “02.20” weather event
图4云顶温度与0℃层高度的变化:（a）“02.01”过程;（b）“02.20”过程
Fig.4Evolution of cloud-top temperature and the 0℃ level height during the (a) “02.01” weather event and (b) the “02.20” weather event
图5降水相态与暖层、冷垫厚度的变化关系:（a）云顶温度≥-5℃;（b）云顶温度＜-5℃
Fig.5Relationship between precipitation phase and the thickness of the warm layer and cold layer (cold cushion) under conditions of (a) cloud-top temperature ≥-5℃ and (b) cloud-top temperature ＜-5℃
图6毫米波测云仪观测的“02.01”过程（a、b）和“02.20”过程（c、d）两次雨雪过程中云物理参量的演变:（a、c）反射率（单位:dBZ）;（b、d）径向速度（单位:m·s-1）
Fig.6Evolution of cloud microphysical parameters during the (a, b) “02.01” weather event and (c, d) the “02.20” weather event: (a, c) radar reflectivity (units:dBZ) ; (b, d) radial velocity (units:m·s-1)
表1订正前后微波辐射计与探空温度的偏差
Table1Temperature deviations between microwave radiometer and radiosonde measurements before and after correction
表2两次雨雪过程主要降水阶段的相态、暖层与冷垫厚度、云顶温度及形成机制
Table2Precipitation phases, thicknesses of the warm layer and cold cushion, cloud-top temperatures, and formation mechanisms of the major precipitation stages during the two rain-snow weather events
安晶晶, 王东勇, 李慧敏, 等, 2024. 2024年2月我国两次大范围冻雨过程对比分析[J]. 暴雨灾害, 43(4): 419-430. An J J, Wang D Y, Li H M, et al., 2024. Comparative analysis of two major widespread freezing rain events in China in February 2024[J]. Torrential Rain Disasters, 43(4): 419-430. (in Chinese).
陈璇, 钟敏, 陈赛男, 等, 2024. 2024年2月初湖北极端冰冻过程的观测和成因分析[J]. 暴雨灾害, 43(6): 668-679. Chen X, Zhong M, Chen S N, et al., 2024. Observational and causal analysis of the extreme freezing in Hubei Province in early February 2024[J]. Torrential Rain Disasters, 43(6): 668-679. (in Chinese).
董全, 陈博宇, 胡宁, 等, 2024. 2024年2月我国两次大范围雨雪冰冻天气对比[J]. 应用气象学报, 35(4): 385-399. Dong Q, Chen B Y, Hu N, et al., 2024. Comparison of two ice and snow storm processes in China in February 2024[J]. J Appl Meteor Sci, 35(4): 385-399. (in Chinese).
Forbes G S, Thomson D W, Anthes R A, 1987. Synoptic and mesoscale aspects of an Appalachian ice storm associated with cold-air damming[J]. Mon Wea Rev, 115(2): 564-591. DOI: 10. 1175/1520-0493(1987)115＜0564: samaoa＞2. 0. co;2.
甘文强, 蓝伟, 杜小玲, 等, 2018. 2018年1月底至2月初贵州低温雨雪天气成因初探[J]. 暴雨灾害, 37(5): 410-420. Gan W Q, Lan W, Du X L, et al., 2018. Tentative analysis on the cause of a low-temperature, freezing rain and snow event in Guizhou between the end of January and the beginning of February in 2018[J]. Torrential Rain Disasters, 37(5): 410-420. (in Chinese).
戈瑶, 郭俊建, 杨成芳, 等, 2024.“12. 14”山东暴雪过程降水相态的多源观测分析[J]. 海洋气象学报, 44(2): 65-76. Ge Y, Guo J J, Yang C F, et al., 2024. Analysis on precipitation phase during“12. 14” snowstorm process in Shandong based on multi-source observation data[J]. J Mar Meteor, 44(2): 65-76. (in Chinese).
顾震潮, 1980. 云雾降水物理基础[M]. 北京: 科学出版社: 173-179. Gu Z C. 1980. Bases of cloud and mist precipitation physics[M]. Beijing: Science Press: 173-179. (in Chinese).
黄兴友, 陆琳, 洪滔, 等, 2020. 利用毫米波云雷达数据反演层云微物理参数和云内湍流耗散率[J]. 大气科学学报, 43(5): 908-916. Huang X Y, Lu L, Hong T, et al., 2020. A case study on the retrieval of microphysical parameters and in-cloud stratus turbulent dissipation rate by millimeter-wave cloud radar measurement[J]. Trans Atmos Sci, 43(5): 908-916. (in Chinese).
荆浩, 于波, 张琳娜, 等, 2022. 北京及周边地区冬季降水相态的判别指标研究[J]. 气象, 48(6): 746-759. Jing H, Yu B, Zhang L N, et al., 2022. Discrimination criteria of winter precipitation types in and around Beijing[J]. Meteor Mon, 48(6): 746-759. (in Chinese).
Kain J S, Goss S M, Baldwin M E, 2000. The melting effect as a factor in precipitation-type forecasting[J]. Wea Forecasting, 15(6): 700-714. 10. 1175/1520-0434(2000)015＜0700: tmeaaf＞2. 0. co;2.
Kajikawa M, Heymsfield A J, 1989. Aggregation of ice crystals in cirrus[J]. J Atmos Sci, 46(20): 3108-3121. DOI: 10. 1175/1520-0469(1989)046＜3108: aoicic＞2. 0. co;2.
Lachapelle M, Thériault J M, 2022. Characteristics of precipitation particles and microphysical processes during the 11—12 January 2020 ice pellet storm in the Montréal Area, Québec, Canada[J]. Mon Wea Rev, 150(5): 1043-1059. DOI: 10. 1175/mwr-d-21-0185. 1.
李江波, 李根娥, 裴雨杰, 等, 2009. 一次春季强寒潮的降水相态变化分析[J]. 气象, 35(7): 87-94. Li J B, Li G E, Pei Y J, et al., 2009. Analysis on the phase transformation of precipitation during a strong cold wave happened in spring[J]. Meteor Mon, 35(7): 87-94. (in Chinese).
廖晓农, 张琳娜, 何娜, 等, 2013. 2012年3月17日北京降水相态转变的机制讨论[J]. 气象, 39(1): 28-38. Liao X N, Zhang L N, He N, et al., 2013. Analysis on the mechanism of the 17 March 2012 precipitation type variety in Beijing[J]. Meteor Mon, 39(1): 28-38. (in Chinese).
刘晓璐, 刘东升, 郭丽君, 等, 2019. 国产MWP967KV型地基微波辐射计探测精度[J]. 应用气象学报, 30(6): 731-744. Liu X L, Liu D S, Guo L J, et al., 2019. The observational precision of domestic MWP967KV ground-based microwave radiometer[J]. J Appl Meteor Sci, 30(6): 731-744. (in Chinese).
龙利民, 黄治勇, 苏磊, 等, 2010. 2008年初湖北省低温雨雪冰冻天气温度平流配置分析[J]. 大气科学学报, 33(6): 745-750. Long L M, Huang Z Y, Su L, et al., 2010. Temperature advection structure of low-temperature process with freezing rain and snow in Hubei Province in 2008[J]. Trans Atmos Sci, 33(6): 745-750. DOI: 10. 3969/j. issn. 1674-7097. 2010. 06. 014. (in Chinese).
毛宇清, 李力, 姜有山, 等, 2022. 一次春季雨雪天气的降水相态演变特征分析[J]. 暴雨灾害, 41(3): 290-297. Mao Y Q, Li L, Jiang Y S, et al., 2022. Analysis on the phase transformation of precipitation in a rain and snow event in spring[J]. Torrential Rain Disasters, 41(3): 290-297. DOI: 10. 3969/j. issn. 1004-9045. 2022. 03. 005. (in Chinese).
苗春生, 赵瑜, 王坚红, 2010. 080125南方低温雨雪冰冻天气持续降水的数值模拟[J]. 大气科学学报, 33(1): 25-33. Miao C S, Zhao Y, Wang J H, 2010. Numerical simulation of 080125 cold air, freezing rain and snow in Southern China[J]. Trans Atmos Sci, 33(1): 25-33. (in Chinese).
彭杰, 王晓峰, 傅新姝, 等, 2023. 面向业务应用的上海地区毫米波云雷达观测质量评估[J]. 大气科学学报, 46(3): 466-480. Peng J, Wang X F, Fu X S, et al., 2023. Operational usage-oriented evaluation of millimeter radar observations in Shanghai[J]. Trans Atmos Sci, 46(3): 466-480. DOI: 10. 13878/j. cnki. dqkxxb. 20220623001. (in Chinese).
彭艳, 王钊, 刘安麟, 等, 2010. 2008年1月中国南部低温雨雪冰冻天气特征及其与东亚大气环流异常探讨[J]. 大气科学学报, 33(5): 634-640. Peng Y, Wang Z, Liu A L, et al., 2010. Characteristics of the freezing rain/heavy snow process in South China and the anomalies of atmospheric circulation over East Asia in January 2008[J]. Trans Atmos Sci, 33(5): 634-640. (in Chinese).
漆梁波, 2012. 我国冬季冻雨和冰粒天气的形成机制及预报着眼点[J]. 气象, 38(7): 769-778. Qi L B, 2012. Formation mechanism and forecast on freezing rain and ice pellet in winter of China[J]. Meteor Mon, 38(7): 769-778. (in Chinese).
漆梁波, 张瑛, 2012. 中国东部地区冬季降水相态的识别判据研究[J]. 气象, 38(1): 96-102. Qi L B, Zhang Y, 2012. Research on winter precipitation types' discrimination criterion in eastern China[J]. Meteor Mon, 38(1): 96-102. (in Chinese).
孙莎莎, 孙艺, 徐婷婷, 等, 2023. 2021年11月7日山东极端暴雪过程降水相态的多源观测特征分析[J]. 气象, 49(7): 830-842. Sun S S, Sun Y, Xu T T, et al., 2023. Multi-source observational characteristics of precipitation phase during extreme snowstorm in Shandong on 7 November 2021[J]. Meteor Mon, 49(7): 830-842. DOI: 10. 7519/j. issn. 1000-0526. 2023. 030302. (in Chinese).
孙晓娟, 李驷焱, 虞越越, 等, 2022. 1951—2017年冬季中国南方持续性冰冻雨雪事件的气候特征及其与环流异常的联系[J]. 大气科学学报, 45(5): 768-777. Sun X J, Li S Y, Yu Y Y, et al., 2022. Climatic characteristics of winter long-lasting freezing rain and snow events in southern China from 1951 to 2017 and their relationship with circulation anomalies[J]. Trans Atmos Sci, 45(5): 768-777. (in Chinese).
王珊珊, 钟敏, 陈璇, 等, 2023. 2022年湖北省两次雨雪过程对比及预报偏差分析[J]. 气象, 49(7): 819-829. Wang S S, Zhong M, Chen X, et al., 2023. Comparison and forecast deviation analysis of two snow and rain events in Hubei Province in 2022[J]. Meteor Mon, 49(7): 819-829. (in Chinese).
王卫民, 徐八林, 雷勇, 等, 2024. Ka波段米波云雷达对青藏高原东南缘降水回波的分析[J]. 气象, 50(3): 291-302. Wang W M, Xu B L, Lei Y, et al., 2024. Analysis of precipitation echoes from Ka-band millimeter wave cloud radar on the southeast margin of the Tibetan Plateau[J]. Meteor Mon, 50(3): 291-302. DOI: 10. 7519/j. issn. 1000-0526. 2023. 122001. (in Chinese).
王振会, 曹雪芬, 黄建松, 等, 2014. 基于气象资料变化特征和辐射传输模式的微波辐射计工作状态分析[J]. 大气科学学报, 37(1): 1-8. Wang Z H, Cao X F, Huang J S, et al., 2014. Analysis on the working state of a ground-based microwave radiometer based on radiative transfer model and meteorological data variation features[J]. Trans Atmos Sci, 37(1): 1-8. DOI: 10. 3969/j. issn. 1674-7097. 2014. 01. 001. (in Chinese).
杨成芳, 姜鹏, 张少林, 等, 2013. 山东冬半年降水相态的温度特征统计分析[J]. 气象, 39(3): 355-361. Yang C F, Jiang P, Zhang S L, et al., 2013. Analysis on temperature of precipitation types in cold seasons in Shandong[J]. Meteor Mon, 39(3): 355-361. (in Chinese).
Zerr R J, 1997. Freezing rain: an observational and theoretical study[J]. J Appl Meteor, 36(12): 1647-1661. DOI: 10. 1175/1520-0450(1997)036＜1647: fraoat＞2. 0. co;2.
张芳华, 许先煌, 权婉晴, 等, 2024. 2024年春运期两次极端雨雪冰冻天气过程对比分析[J]. 暴雨灾害, 43(4): 371-383. Zhang F H, Xu X H, Quan W Q, et al., 2024. Comparison of two extreme rainfall/snowfall and freezing weather events during the Spring Festival transportation period in 2024[J]. Torrential Rain Disasters, 43(4): 371-383. (in Chinese).
张明, 徐桂荣, 杜裕, 等, 2024. 三峡地基遥感垂直观测系统温湿廓线的误差分析与订正方法探讨[J]. 暴雨灾害, 43(5): 587-597. Zhang M, Xu G R, Du Y, et al., 2024. Error analysis and correction method of temperature and humidity profiles in the Three Gorges ground-based remote sensing vertical observation system[J]. Torrential Rain Disasters, 43(5): 587-597. DOI: 10. 12406/byzh. 2023-199. (in Chinese).
钟正宇, 马舒庆, 杨玲, 等, 2018. 结合风廓线雷达的毫米波衰减特性初步研究[J]. 应用气象学报, 29(4): 496-504. Zhong Z Y, Ma S Q, Yang L, et al., 2018. Preliminary study on millimeter wave attenuation characteristics combined with wind profiler[J]. J Appl Meteor Sci, 29(4): 496-504. DOI: 10. 11898/1001-7313. 20180410. (in Chinese).

地址：江苏南京宁六路219号南京信息工程大学    邮编：210044

联系电话：025-58731158    E-mail：xbbjb@nuist.edu.cn    

大气科学学报 ® 2026 版权所有  技术支持：北京勤云科技发展有限公司