杭州市冬季降水相態(tài)判別指標(biāo)研究

李進 毛則劍 周娟

摘要：采用杭州市2008—2017年冬季逐日地面觀測資料和高空探空資料，選取與降水相態(tài)轉(zhuǎn)換關(guān)系密切的溫度和厚度指標(biāo)進行分析，最終凝練出適合杭州市的冬季雨雪相態(tài)客觀識別判據(jù)。經(jīng)檢驗發(fā)現(xiàn)該識別判據(jù)對雨和雪的識別可用性均較好，TS評分均高達(dá)100%，無漏報與空報現(xiàn)象。在實際應(yīng)用中，若出現(xiàn)與客觀判據(jù)中某些指標(biāo)閾值不一致的天氣個例，可結(jié)合研究中提出的補充參考判據(jù)。該研究結(jié)果可為杭州市冬季的日常業(yè)務(wù)預(yù)報提供參考依據(jù)。

關(guān)鍵詞：降水相態(tài);厚度指標(biāo);識別判據(jù);冬季;杭州市

中圖分類號：P456?文獻(xiàn)標(biāo)識碼：A

文章編號：0439-8114（2020）07-0121-05

DOI：10.14088/j.cnki.issn0439-8114.2020.07.025

Abstract： Based on the daily radiosonde data and surface observation data in winter during 2008 and 2017 in Hangzhou city，the indices on temperature and thickness closely related to transformation of precipitation phase are studied. Eventually，a set of objective discrimination criterion for different precipitation types is summarized in Hangzhou city. The test results show that the objective discrimination criterion has a good performance to rain and snow，and there is neither empty report nor missing report with TS scores of 100%。 In practical application，while weather factors are inconsistent with thresholds of some indices in this discrimination criterion，the supplementary reference criterions proposed in this paper can be combined. Results from this paper can provide a reference for the daily operational forecasting of Hangzhou city in winter.

Key words： precipitation phase; thickness index; discrimination criterion; winter; Hangzhou city

作為冬季的重要預(yù)報要素之一，降水相態(tài)預(yù)報對一次降水天氣的預(yù)報服務(wù)成敗起決定性作用。相同的降水量所對應(yīng)的不同降水相態(tài)會造成截然不同的影響，如24 h累積降水量達(dá)到5 mm，若降水相態(tài)為雨，則僅為小雨;若降水相態(tài)轉(zhuǎn)換成雪，則可演變?yōu)榇笱?，將給城市運行和社會生產(chǎn)帶來危害。而降水相態(tài)類型則取決于動力、水汽、熱力條件以及云和冰核的分布等特定的大氣條件。

對于雨雪相態(tài)轉(zhuǎn)換的研究，經(jīng)歷了早期的僅側(cè)重于特定層溫度到目前溫度和厚度相結(jié)合的雨雪綜合判別指標(biāo)階段。國外早期的一些研究指出降水類型主要取決于溫度垂直廓線 [1，2]，接著提出溫度與厚度決定降水相態(tài)的論斷，即雨雪性質(zhì)決定于高空暖層或冷層的薄厚[3，4]。Joseph[5]則進一步采用包含垂直層的溫度差、濕球溫度和風(fēng)場等因子建立了降水相態(tài)客觀預(yù)報方程。近年來，北美在預(yù)報業(yè)務(wù)中廣泛使用位勢厚度來判斷降水類型[6]。國內(nèi)對于雨雪相態(tài)的判別長期以來側(cè)重于特定層的溫度指標(biāo)[7-11]，結(jié)論主要為不同降水相態(tài)的對流層、中低層（地面至700 hPa）各層溫度特征。自漆梁波等[10]在降水相態(tài)研究中引入了厚度指標(biāo)，國內(nèi)厚度和溫度相結(jié)合的綜合判別指標(biāo)便得到了廣泛應(yīng)用[12-18]。廖曉農(nóng)等[12]和張琳娜等[13]通過引入厚度指標(biāo)，分別給出了北京市不同相態(tài)降水的厚度變化特征以及雨雪轉(zhuǎn)換關(guān)系密切的物理量因子和不同的閾值范圍。此外，昆明[14]、大連[15]、丹東[16]、四川[17]等地分別針對各自的降水相態(tài)特征歸納出了相應(yīng)的判別指標(biāo)。各地已有的降水相態(tài)判別指標(biāo)為冬季的日常預(yù)報業(yè)務(wù)提供了重要的參考依據(jù)。

縱觀降水相態(tài)的現(xiàn)有研究可以看出，因各地氣象條件差異大，判別指標(biāo)不盡相同，且某些基于個例的研究結(jié)果不具有普適性。杭州市地處中國江南，屬典型的亞熱帶季風(fēng)氣候，雨轉(zhuǎn)雪是該地冬半年常見的天氣現(xiàn)象，但目前尚無專門針對杭州市降水相態(tài)判別指標(biāo)的系統(tǒng)性研究，給冬半年的相態(tài)預(yù)報造成了極大困難，針對該問題，研究擬利用近10年的最新資料，試圖探索杭州市雨雪相態(tài)的轉(zhuǎn)變規(guī)律，以期尋找出適合杭州市的降水相態(tài)判別指標(biāo)，為做好杭州市冬半年的雨雪相態(tài)預(yù)報工作提供參考依據(jù)。

1?資料與方法

資料為杭州國家基準(zhǔn)氣候站2008—2018年冬季（12月至次年2月）的8：00和20：00高空與地面觀測資料。挑選出冬季地面觀測有降水記錄的有效樣本共356個，其中，雨291個、雪54個、雨夾雪11個。分別統(tǒng)計上述雨雪發(fā)生時對應(yīng)的氣溫與位勢厚度的分布特征，初步挑選出雨雪相態(tài)判別指標(biāo)，結(jié)合檢驗結(jié)果總結(jié)出最終的降水相態(tài)客觀識別判據(jù)。

2?識別判據(jù)的統(tǒng)計分布特征

縱觀降水相態(tài)的國內(nèi)外研究結(jié)論和預(yù)報業(yè)務(wù)現(xiàn)狀，試圖引入與降水相態(tài)轉(zhuǎn)換相關(guān)性好的物理量，包括T700（代表700 hPa氣溫，下同）、T850、T925、T1 000、T2 m（代表海拔2 m處的氣溫）、H1000～925（代表1 000～925 hPa的厚度，下同）、H925～850、 H1 000～850、H1 000～700、H925～700、H850～700等。通過研究各指標(biāo)的變化特征，從而提取出3種降水相態(tài)的客觀預(yù)報指標(biāo)。

2.1?各層氣溫與降水相態(tài)的統(tǒng)計特征分布

圖1是杭州市3種降水相態(tài)的T2 m、T1 000、T925和T85箱形圖，粗柱上下邊界分別表示樣本數(shù)的上下四分位數(shù)，粗柱中的橫線代表中位數(shù)（50%分位，下同）。由圖1（a）可以看出，雨、雨夾雪和雪的T2 m中位數(shù)分別為6.1、1.3、0.2 ℃，且3種相態(tài)的上下四分位幾乎沒有交叉，故T2 m可作為杭州市降水相態(tài)的識別判據(jù)之一。通過計算各相態(tài)的10%～90%分位可以確定，雨≥2.6 ℃，雪≤1 ℃，雨夾雪0.5～2.1 ℃，可見，除雨夾雪和雪在0.5～1 ℃有小范圍交叉外，T2 m可以準(zhǔn)確判別出大部分降水相態(tài)。

由圖1（b）可見，雨、雨夾雪和雪的T1 000上下四分位完全沒有交叉，其中位數(shù)分別為5.2、0、-1.2 ℃，故T1 000也可用作杭州市降水相態(tài)的重要判據(jù)。計算各相態(tài)的10%～90%分位可得，雨≥1 ℃，雪≤-0.2 ℃，雨夾雪為-1～1 ℃，可見，1 000 hPa雨和雪2種相態(tài)的氣溫具有完全獨立的分布范圍，因此利用T1 000也可判別出大部分降水相態(tài)，但當(dāng)T1 000介于-1～-0.2 ℃時，可能出現(xiàn)雨夾雪或雪2種相態(tài)。

由圖1（c）可知，雨、雨夾雪和雪的中位數(shù)分別為2.0、-2.1、-5.1 ℃，3種相態(tài)的上下四分位也完全沒有交叉。由各相態(tài)的10%～90%分位變化發(fā)現(xiàn)，90%的降雨T925在-4 ℃以上，而雪的90%分位則在-3.6 ℃以下，故-4 ℃可用作雨雪的分界線，而90%的雨夾雪氣溫介于-4～-1 ℃，故T925的雨夾雪與雨有部分重疊。

由圖1（d））可見，雨、雨夾雪和雪的中位數(shù)分別為1.0、-5.0、-7.0 ℃。當(dāng)T850>2 ℃時，以液態(tài)降水（雨）為主，而當(dāng)T850<-5 ℃時，則降雪的概率較大，但雨夾雪和雪的溫度分布范圍相近。計算各自的10%～90%分位可以確定，雨≥-5 ℃，雪≤-3 ℃，雨夾雪為-7～-2 ℃，故-4 ℃可初步用作850 hPa雨、雪的分界。

700和500 hPa上3種相態(tài)的溫度箱形分布交叉范圍極大（圖略），且雨夾雪和雪的10%～90%分位重疊范圍也顯著大于中低層的?？梢娛褂?00和500 hPa的溫度難以區(qū)分雨、雪性質(zhì)，故在降水相態(tài)的溫度判別指標(biāo)中去除中層溫度。

綜上可知，各層氣溫在降水相態(tài)的判別性能上，T2 m和T1 000效果最好，T925和T850次之，而中層最差，即對流層氣溫自下而上判別性能遞減。

2.2?各氣層厚度與降水相態(tài)的統(tǒng)計特征分布

根據(jù)靜力學(xué)原理，兩層等壓面之間的厚度與其層間的平均溫度成正比。故相較于特定層的溫度分析，厚度分析更能反映對流層中低層大氣的平均冷暖狀況。分析H1 000～925的箱形圖2（a）可知，雨、雨夾雪和雪的上下四分位幾乎沒有重疊。計算各自的10%～90%分位可以確定，雨的H1 000～925為62～65 dagpm，雪的H1 000～925為 61～62 dagpm，由此可見，62 dagpm可作為雨和雪的H1 000～925區(qū)分判據(jù)，因90%的雨夾雪介于62～63 dagpm，故雨夾雪的H1 000～925更接近降雨的分布特征，只是變化范圍略小。此外，雨、雨夾雪、雪的中位數(shù)分別是63、62和62 dagpm。

由圖2（b）可知，對于H925～850，雨與其他2種相態(tài)的上下四分位幾乎沒有交叉，但雨夾雪和雪有部分重疊。從H925～850的10%～90%分位變化范圍看，雨為67～70 dagpm，雪為65～67 dagpm，可見，67 dagpm可作為雨和雪的H925～850識別判據(jù)。雨夾雪的H925～850更接近降雪的分布，90%的雨夾雪介于66～67 dagpm。雨、雨夾雪和雪的中位數(shù)分別是68、67和66 dagpm。

由H1 000～850的箱線圖2（c）可知，雨、雨夾雪和雪的上下四分位完全沒有交叉，3種相態(tài)的中位數(shù)分別為132、129、128 dagpm左右。通過計算各自的10%～90%分位可以確定，降雨時，H1 000～850為129～134 dagpm，降雪時，H1 000～850為126～129 dagpm，故129 dagpm可作為雨、雪的分界值。而雨夾雪則介于128～129 dagpm，其H1 000～850更接近降雪的分布，只是變化幅度略小。可見，同H1 000～925和H925～850，H1 000～850也可用作判斷雨、雪的厚度指標(biāo)。

從H1 000～700的厚度箱線圖2（d）可以看出，雨與其他2種相態(tài)的上下四分位完全沒有交叉，但雨夾雪和雪有較大重疊。雨、雨夾雪、雪的中位數(shù)分別是287、281、280 dagpm。由其10%～90%分位的變化區(qū)間可知，雨、雨夾雪、雪的H1 000～700分別為282～292、280～283、278～283 dagpm，可見雨和雪之間的重疊比較少，282 dagpm可作為判斷雨雪的簡單分界，而雨夾雪的H1 000～700更接近降雪的分布，且變化幅度略小，因此僅使用該厚度作為指標(biāo)識別雨夾雪的難度則相對較大。

對于H925～700，由圖2（e）可見，雨與其他2種相態(tài)的上下四分位完全沒有交叉，但雨夾雪和雪絕大部分重疊，雨、雨夾雪和雪的中位數(shù)分別為224、218和219 dagpm。計算3種相態(tài)的10%～90%分位發(fā)現(xiàn)，雨為220～228 dagpm，雪為217～221 dagpm，兩者之間重疊較少，220 dagpm可作為雨和雪的H925～700區(qū)分判據(jù)。但雨夾雪的H925～700分布范圍與降雪基本重疊，故使用H925～700可區(qū)分出大部分雨和雪，但較難判別雨夾雪和雪。

由H850～700的箱線圖2（f）可見，類似于H925～700，雨與其他2種相態(tài)的上下四分位也完全無交叉，但雨夾雪和雪絕大部分重疊，雨、雨夾雪和雪的中位數(shù)分別為156、152和153 dagpm。由H850～700的10%～90%分位變化可知，雨和雪分別介于153～159 dagpm和151～155 dagpm，可取154 dagpm作為雨和雪的簡單識別判據(jù)，但因兩者之間有部分重疊，加之90%的雨夾雪介于151～154 dagpm，與降雪大部分重疊，故使用H850～700很難判別杭州市冬季大部分的降水相態(tài)。

由上述厚度指標(biāo)的分析可知，在1 000～925 hPa、925～850 hPa以及1 000～850 hPa的低層和中低層，雨和雪的厚度分布范圍幾乎無重疊，2種相態(tài)具有明確的臨界值，故低層和中低層的厚度指標(biāo)均可作為雨、雪的區(qū)分判別指標(biāo)。而在中層和更厚的大氣層結(jié)內(nèi)，雨和雪的厚度指標(biāo)范圍有重疊，但重疊區(qū)域較小，仍可提取出兩者的識別判據(jù)。然而，雨夾雪的厚度分布范圍與其他2種相態(tài)的則具有較明顯的重疊，在對流層低層1 000～925 hPa，雨夾雪與雨的分布特征相近，而在其他大氣層內(nèi)，雨夾雪則和雪的冷暖狀況接近，只是變化幅度略小。

3?各降水相態(tài)的判據(jù)設(shè)定及檢驗

根據(jù)上述對氣溫和厚度指標(biāo)的分析，可確定杭州市降水相態(tài)的識別判據(jù)（表1），并對2018年12月至2019年2月的8：00與20：00杭州站有降水發(fā)生時所對應(yīng)的雨、雪個例進行檢驗。2018年冬季8：00與20：00有降水的樣本共計39個，其中雨33個、雪5個、雨夾雪1個。由于杭州市雨夾雪的分析和檢驗個例均較少，且在實際觀測中，雨夾雪與其他降水相態(tài)同時或伴隨出現(xiàn)的概率極大，較難區(qū)分出雨夾雪與其余降水相態(tài)。漆梁波等[10]研究發(fā)現(xiàn)，各判據(jù)對雨夾雪的判別效果均較差，主要原因是空報率高，因此僅重點分析雨和雪的識別判據(jù)。

表2給出溫度和位勢厚度指標(biāo)的性能檢驗情況。由表2可以看出，對降雨而言，溫度與厚度判據(jù)的準(zhǔn)確性均相對較高，其中溫度判據(jù)2最準(zhǔn)確，其TS評分高達(dá)100%，無空報和漏報現(xiàn)象，溫度判據(jù)1次之。除溫度判據(jù)外，厚度判據(jù)2的表現(xiàn)也相對較好，其TS評分達(dá)到94%，無漏報現(xiàn)象，且空報率相對較低。同時可以發(fā)現(xiàn)，降雨的溫度和厚度判據(jù)注重中低氣層的冷暖，意味著只要中低氣層的溫度足夠高，便可將空中的固態(tài)粒子轉(zhuǎn)化為液態(tài)降水，因此中低層大氣的冷暖狀態(tài)是決定能否產(chǎn)生降雨的關(guān)鍵因素。為多角度提高降水相態(tài)判別的可信度和準(zhǔn)確率，避免空報與漏報現(xiàn)象，提取降雨的溫度判據(jù)和厚度判據(jù)中表現(xiàn)優(yōu)良的指標(biāo)組合為一組混合判據(jù)，用其來判斷2018年冬季降水相態(tài)，其TS評分亦可高達(dá)100%，無空報和漏報現(xiàn)象。

由降雪的判別檢驗可知，溫度判據(jù)的性能明顯優(yōu)于厚度判據(jù)的性能，兩種溫度判據(jù)的TS評分均高達(dá)100%，無漏報與空報現(xiàn)象。而厚度判據(jù)1和厚度判據(jù)2的TS評分均為80%，空報率為0，漏報率均為20%。為了更全面地提高固態(tài)降水預(yù)報的準(zhǔn)確率，結(jié)合4種判據(jù)中表現(xiàn)相對好的溫度與厚度指標(biāo)，提取了降雪的混合判據(jù)，其TS評分亦可高達(dá)100%，無空報和漏報現(xiàn)象。分析發(fā)現(xiàn)，對降雪天氣而言，中低層大氣的冷暖同樣是至關(guān)重要的因素，即在杭州市，只要中低層氣溫足夠低，出現(xiàn)降雪的概率將增大。

由上述分析可知，利用溫度指標(biāo)和厚度指標(biāo)組合而成的降水相態(tài)混合判別指標(biāo)，即當(dāng)T2 m≥1.5 ℃、T1 000≥0 ℃、T925≥-4 ℃，且H1 000～925≥62 dagpm、H925～700>220 dagpm時，判斷為雨;而當(dāng)T2 m≤1.5 ℃、T1 000<0 ℃、T925≤-4 ℃，且H1 000～925≤62 dagpm、H925～850≤67 dagpm、H1 000～850≤129 dagpm時，判斷為雪。此判據(jù)可用作杭州市冬季雨雪相態(tài)客觀預(yù)報指標(biāo)，其TS評分高達(dá)100%，無漏報與空報現(xiàn)象。此外，在實際預(yù)報業(yè)務(wù)中，若出現(xiàn)與雨、雪客觀混合判據(jù)中某些指標(biāo)閾值不一致的天氣個例，可考慮引入表1中未進入混合判據(jù)的其余溫度與厚度指標(biāo)作為補充參考判據(jù)，以確定其相態(tài)。

在日常業(yè)務(wù)中制作相態(tài)預(yù)報時，可借鑒完全預(yù)報方法（PP法）的技術(shù)思路，即建立在預(yù)報量與預(yù)報因子同時性的統(tǒng)計關(guān)系基礎(chǔ)上，將相應(yīng)的高精度數(shù)值預(yù)報產(chǎn)品適時代入上述雨、雪相態(tài)客觀判據(jù)中，輸出不同時效的降水相態(tài)預(yù)報結(jié)果。

4?結(jié)論

利用杭州市2008—2017年冬季的8：00和20：00高空與地面觀測資料，選出了與降水相態(tài)轉(zhuǎn)換相關(guān)性好的10個溫度和厚度指標(biāo)：T2 m、T1 000、T925、T850、?H1 000～925、H925～850、H1 000～850、H1 000～700、H925～700、H850～700，通過研究雨、雪發(fā)生時各物理量指標(biāo)的表現(xiàn)特征，初步確定了雨、雪的區(qū)分判據(jù)。

進一步綜合分析上述溫度和厚度判別指標(biāo)，最終得到了一組雨雪混合判別指標(biāo)，當(dāng)T2 m≥1.5 ℃、?T1 000≥0 ℃、T925≥-4 ℃，且H1 000～925≥62 dagpm、H925～700>220 dagpm時，判斷為雨，而當(dāng)T2m≤1.5 ℃、T1 000<0 ℃、T925≤-4 ℃，且H1 000～925≤62 dagpm、H925～850≤67 dagpm、H1 000～850≤129 dagpm時，判斷為雪。此判據(jù)可用作杭州市冬季雨雪相態(tài)客觀預(yù)報指標(biāo)，通過檢驗2018年冬季的降水相態(tài)，發(fā)現(xiàn)該判據(jù)對雨和雪的識別性能良好，其TS評分高達(dá)100%，無漏報與空報現(xiàn)象。此外，在實際應(yīng)用中，若出現(xiàn)與雨、雪客觀混合判據(jù)中某些指標(biāo)閾值不一致的天氣個例，可結(jié)合研究中提出的補充參考判據(jù)以確定其相態(tài)。

值得一提的是，在降水發(fā)生時，相態(tài)變化極其復(fù)雜，在其下降過程中往往可出現(xiàn)融化和凍結(jié)等多種現(xiàn)象，給日常預(yù)報帶來較大困難，而統(tǒng)計結(jié)果對降水相態(tài)的判別結(jié)果仍具有較高的參考意義。在日常業(yè)務(wù)中制作相態(tài)預(yù)報時，可借鑒完全預(yù)報方法（PP法）的技術(shù)思路，即建立在預(yù)報量與預(yù)報因子同時性的統(tǒng)計關(guān)系基礎(chǔ)上，將相應(yīng)的高精度數(shù)值預(yù)報產(chǎn)品適時代入上述雨、雪相態(tài)客觀判據(jù)中，輸出不同時效的降水相態(tài)預(yù)報結(jié)果。但對于諸如雨夾雪等混合態(tài)的預(yù)報結(jié)果時常有較大出入，仍有待今后進一步深入分析研究。

參考文獻(xiàn)：

[1] BOCCHIERI J R. The objective use of upper air sounding to specify precipitation type[J]. Mort Wea Rev，1980，108（5）：596-603.

[2] CZYS R R，SCOTT R W，TANG K C，et al. A physically based on nondimensional parameter for discriminating between locations of freezing rain and ice pellets[J]. Weather & forecasting，1996，11（4）：591-598.

[3] PIERRE B. A method to determine precipitation types[J]. Weather & forecasting，2000，15（5）：583-592.

[4] HUFFMAN G J，NORMAN G A. The supercooled warm rain process and the specification of freezing precipitation[J]. Mon Wea Rev，1988，116（11）：2172-2182.

[5] JOSEPH R B. The objective use of upper air soundings to specify precipitation type[J]. Mon Wea Rev，1980，108（5）：596-603.

[6] PAUL O，HEPPNER G. Snow versus rain：Looking beyond the “Magic” Number[J]. Weather & forecasting，1992，7（4）：683-691.

[7] 李江波，李銀娥，裴雨杰，等. 一次春季強寒潮的降水相態(tài)變化分析[J]. 氣象，2009，35（7）：87-94.

[8] 鄭?婧，許愛華，劉?波，等. 江西大雪天氣的時空變化及其影響系統(tǒng)分析[J]. 氣象，2010，36（4）：30-36.

[9] 孫?欣，蔡薌寧，陳傳雷，等. “070304”東北特大暴雪的分析[J]. 氣象，2011，37（7）：863-870.

[10] 漆梁波，張?瑛. 中國東部地區(qū)冬季降水相態(tài)的識別判據(jù)研究[J]. 氣象，2012，38（1）：96-102.

[11] 劉?暢，楊成芳，張少林，等. 一次晚春暴雪天氣成因分析[J]. 氣象科技，2014，42（5）：874-880.

[12] 廖曉農(nóng)，張琳娜，何?娜，等. 2012年3月17日北京降水相態(tài)轉(zhuǎn)變的機制討論[J]. 氣象，2013，39（1）：28-38.

[13] 張琳娜，郭?銳，曾?劍，等. 北京地區(qū)冬季降水相態(tài)的識別判據(jù)研究[J]. 高原氣象，2013，32（6）：1780-1786.

[14] 許美玲，梁紅麗，金少華，等. 昆明冬季降水相態(tài)識別判據(jù)研究[J]. 氣象，2015，41（4）：474-479.

[15] 隋玉秀，楊景秀，王?健，等. 大連地區(qū)冬季降水相態(tài)的預(yù)報方法初探[J]. 氣象，2015，41（4）：464-473.

[16] 高松影，李慧琳，宋麗麗，等. 丹東冬季降水相態(tài)判據(jù)研究[J]. 氣象與環(huán)境學(xué)報，2014，30（2）：38-44.

[17] 龍柯吉，郭?旭，陳朝平，等. 四川省降水相態(tài)時空分布及變化特征[J]. 高原山地氣象研究，2015，35（1）：21-26.

[18] 賈俊平，何曉群，金?勇. 統(tǒng)計學(xué)[M]. 第四版. 北京：中國人民大學(xué)出版社，2009.66-67.