冬季穩(wěn)定性降水相態(tài)預(yù)報(bào)研究進(jìn)展

趙琳娜 慕秀香 馬翠平 王秀娟 李締華

1)(中國氣象科學(xué)研究院，北京 100081) 2)(中國氣象局-中國地質(zhì)大學(xué)(武漢)極端天氣氣候與水文地質(zhì)災(zāi)害研究中心，武漢 430074) 3)(吉林省氣象臺，長春 130062) 4)(河北省環(huán)境氣象中心，石家莊 050021) 5)(西藏自治區(qū)察隅縣氣象局，察隅 860600)

引 言

冬季降水不僅會對電力、交通運(yùn)輸、通信、農(nóng)林牧漁業(yè)、城市基礎(chǔ)設(shè)施、人民的生命和健康造成嚴(yán)重影響，帶來重大經(jīng)濟(jì)損失[1-2]，還會對生態(tài)系統(tǒng)造成嚴(yán)重影響[3]。冬季的降水相態(tài)(也稱降水類型)主要包括雨、雪、雨夾雪、冰粒和凍雨等，這幾種降水相態(tài)單獨(dú)出現(xiàn)或以混合形式出現(xiàn)，均會導(dǎo)致雨雪冰凍事件。在這些雨雪冰凍事件中，尤其以凍雨和冰粒危害最為嚴(yán)重。冬季固態(tài)降水不僅在高緯度地區(qū)的北美和俄羅斯等地易于發(fā)生[4-5]，中低緯度地區(qū)也受其影響，造成較大的低溫雨雪冰凍災(zāi)害[6-10]。同樣量級的24 h降水(如5 mm)，如果是液態(tài)，則為小雨量級；如果是固態(tài)，則為大雪量級，可能對人們的生產(chǎn)生活有很大影響。據(jù)統(tǒng)計(jì)，1949—2000年美國發(fā)生87次凍雨事件，造成2220億美元的經(jīng)濟(jì)損失[1]。僅2008年初，我國南方遭受罕見的雨雪冰凍天氣，受災(zāi)人口超過1億，直接經(jīng)濟(jì)損失超過1516億元人民幣[2]。

降水相態(tài)預(yù)報(bào)是預(yù)報(bào)員冬季降水預(yù)報(bào)面臨的最大難題之一。國外從20世紀(jì)初開始出現(xiàn)凍雨、雨夾雪、冰粒等不同冬季降水相態(tài)的描述性報(bào)告[11]，降水相態(tài)變化不是固態(tài)和液態(tài)水的簡單轉(zhuǎn)換，因此確定冬季天氣事件的降水相態(tài)和強(qiáng)度是預(yù)報(bào)員冬季降水預(yù)報(bào)最大的挑戰(zhàn)之一。20世紀(jì)50年代開始國外學(xué)者利用高空和地面觀測資料，在降水相態(tài)的形成機(jī)制和預(yù)報(bào)技術(shù)等方面開展氣候?qū)W和天氣學(xué)研究[12-13]；20世紀(jì)80—90年代隨著觀測手段增強(qiáng)，人們利用多普勒天氣雷達(dá)、風(fēng)廓線雷達(dá)、激光雨滴譜儀等獲得較高分辨率的觀測資料，使更深入的降水相態(tài)微物理形成機(jī)制研究得以開展[14-15]。

隨著數(shù)值天氣預(yù)報(bào)技術(shù)的發(fā)展，為了提升降水相態(tài)預(yù)報(bào)效果，很多復(fù)雜的微物理參數(shù)化方案被廣泛應(yīng)用于高分辨率區(qū)域預(yù)報(bào)模式中，即便如此，降水相態(tài)預(yù)報(bào)仍然面臨諸多挑戰(zhàn)[16]。這是因?yàn)槎窘邓鄳B(tài)預(yù)報(bào)中有許多不確定因素，如對數(shù)值天氣預(yù)報(bào)模式提出重大挑戰(zhàn)的就是混合相態(tài)降水預(yù)報(bào)，特別是凍雨、冰粒和雨雪的混合相態(tài)降水預(yù)報(bào)不理想[17-21]。模式中降水相態(tài)算法和模式不確定性均會對模式降水相態(tài)預(yù)報(bào)準(zhǔn)確性產(chǎn)生影響[18]，而且不同儀器降水相態(tài)觀測誤差及其時(shí)空變化對降水相態(tài)預(yù)報(bào)的驗(yàn)證也存在不確定性[22]。在數(shù)值天氣預(yù)報(bào)產(chǎn)品基礎(chǔ)上，采用統(tǒng)計(jì)后處理等多種降水相態(tài)預(yù)報(bào)方法或模型，可有效減少和避免預(yù)報(bào)誤差，隨著數(shù)值天氣預(yù)報(bào)技術(shù)的發(fā)展，要提高混合相態(tài)降水事件預(yù)報(bào)的準(zhǔn)確性，更可取的方法是使用集合預(yù)報(bào)進(jìn)行降水相態(tài)的概率預(yù)報(bào)[22]。

在全球氣候變化背景下，冰凍雨雪等極端天氣和氣候事件有顯著增加趨勢。Branick[23]通過對美國冬季降水事件分類發(fā)現(xiàn)：在美國大陸所有冬季降水事件中，嚴(yán)重的凍雨或凍毛毛雨事件約占24%。冰粒、凍雨、凍毛毛雨、凍霧、雪以及混合相態(tài)降水等天氣在我國各地均有不同程度發(fā)生[6,24-33]。隨著社會經(jīng)濟(jì)的發(fā)展，冬季降水相態(tài)越來越多地影響城市運(yùn)行和社會生產(chǎn)，尤其是混合相態(tài)的凍雨和雨夾雪對交通運(yùn)輸、電力和公共設(shè)施等方面造成越來越多的災(zāi)害，民眾和國家決策部門對降水相態(tài)預(yù)報(bào)準(zhǔn)確性的關(guān)注度和精細(xì)化需求越來越高。因此，本研究圍繞冬季穩(wěn)定性降水，回顧近幾十年國內(nèi)外有關(guān)降水相態(tài)預(yù)報(bào)方法的研究進(jìn)展，梳理降水相態(tài)預(yù)報(bào)問題和存在不足的認(rèn)識。這不僅對降水相態(tài)未來相關(guān)研究的展開有利，而且可以為相關(guān)預(yù)報(bào)服務(wù)技術(shù)的提高提供參考。

1 降水相態(tài)形成機(jī)制

早期只能獲取冬季穩(wěn)定性降水時(shí)間間隔較長的探空和地面資料，對降水相態(tài)形成的研究僅限于關(guān)注大氣垂直溫度變化和垂直分布。如1920年Meisinger[34]提出云中雪片由溫度高于冰點(diǎn)的空氣層進(jìn)入低于冰點(diǎn)的空氣層形成凍雨、冰粒和雪等水凝物，認(rèn)為溫度變化引起的融化和凍結(jié)是導(dǎo)致降水相態(tài)發(fā)生變化的主要影響因素。其中對降水相態(tài)轉(zhuǎn)換起到融化和凍結(jié)作用的兩個大氣層分別被稱為融化層和再凍結(jié)層[35-37]。通過融化層完全融化的降水粒子直接下落至地面形成雨，部分融化的降水粒子直接下落至地面可能形成雨夾雪或雪。通過融化層后，如果再經(jīng)過一個冷平流形成的近地面再凍結(jié)層可導(dǎo)致降水相態(tài)再次產(chǎn)生變化，半融化或完全融化的冰晶在再凍結(jié)層內(nèi)完全凍結(jié)或部分凍結(jié)。當(dāng)雨落入再凍結(jié)層時(shí)，經(jīng)過再凍結(jié)形成凍雨。由融化形成的半融化冰晶，到達(dá)冰凍層時(shí)如果完全凍結(jié)則形成冰粒。凍雨的形成機(jī)制分兩種：一種為融化過程，即當(dāng)冰粒從高空墜落到氣溫超過0℃的大氣層中，冰粒子融化成雨滴，然后進(jìn)入低于冰點(diǎn)的表層過冷并與表面物體接觸后凍結(jié)，該過程自20世紀(jì)初以來就被氣象學(xué)家所認(rèn)識[11，34，38-39]；另一種為暖雨過程，由Huffman等[40]定義，強(qiáng)調(diào)在這些條件下，基本無冰粒子參加，水滴在下落和生長過程中不斷過冷，最后落地凍結(jié)。

由于不同相態(tài)降水的形成機(jī)制不同，在地面溫度接近0℃時(shí)，可能產(chǎn)生冰粒、凍雨、凍毛毛雨、雨、雪和混合相態(tài)降水，這些類型降水可能在水平距離1～100 km范圍內(nèi)以不同強(qiáng)度同時(shí)出現(xiàn)[41]。我國凍雨發(fā)生以暖雨機(jī)制為主[29-30]。暖雨機(jī)制產(chǎn)生的凍雨云頂普遍不高，而融化機(jī)制凍雨云頂相對較高；出現(xiàn)凍雨時(shí)地面氣溫均低于0℃，冰相機(jī)制凍雨的暖層厚度基本在1 km以上，暖層最高氣溫平均在3℃以上。冰粒天氣形成機(jī)制以融化機(jī)制為主，冰粒天氣的云頂高度普遍高于凍雨天氣，冰粒天氣的暖層厚度和強(qiáng)度均小于凍雨天氣[30]。

總而言之，大氣垂直溫度廓線變化是降水相態(tài)的主要決定因素，但也受降水粒子相態(tài)、粒子下落速度、垂直運(yùn)動和地形等其他因素的影響。如日本海東部的日本西海岸、大西洋西岸的魁北克地區(qū)和大西洋東岸的英格蘭島以及中國環(huán)渤海、黃海、東海海面及其沿海地區(qū)的海效應(yīng)降雪(又稱為冷流降雪)、美國五大湖和大鹽湖等地區(qū)的湖效應(yīng)降雪以及中國貴州的凍雨都是受地形影響的降水[42-43]。

2 降水相態(tài)預(yù)報(bào)方法

長期以來冬季降水相態(tài)預(yù)報(bào)一直是預(yù)報(bào)員關(guān)注的問題，國內(nèi)外較早的降水相態(tài)預(yù)報(bào)從20世紀(jì)70年代開始[44-45]。第1類方法是基于觀測或數(shù)值天氣預(yù)報(bào)建立指標(biāo)以及回歸方程，本文簡稱為指標(biāo)判據(jù)法；第2類方法是基于數(shù)值天氣預(yù)報(bào)模式的微物理方案法和集合預(yù)報(bào)法；第3類方法是基于觀測和數(shù)值天氣預(yù)報(bào)產(chǎn)品的應(yīng)用決策樹、人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)等的人工智能預(yù)報(bào)法。

2.1 指標(biāo)判據(jù)法

冬季降水相態(tài)形成機(jī)制復(fù)雜，大氣垂直溫度廓線是降水相態(tài)主要影響因素。因此早期劃分雨雪界限最簡單、最常用的指標(biāo)之一是從地面觀測插值的溫度場獲得的0℃氣溫等值線[46]。由于多個微物理過程參與降水的增長和溫度剖面演變使雨雪邊界受到局部尺度過程的強(qiáng)烈影響，因此，冬季地面降水相態(tài)識別不是一項(xiàng)簡單工作。雖然對流層低層大氣溫度和濕度剖面是地面降水相態(tài)的決定因素，但受水平和垂直平流、深厚的濕對流、垂直混合、大氣輻射和不同潛熱的影響[47]，地面降水相態(tài)的識別非常困難。因此，圍繞大氣溫度和濕度剖面這兩個降水相態(tài)的決定因素，基于觀測或數(shù)值天氣預(yù)報(bào)降水相態(tài)預(yù)報(bào)指標(biāo)判據(jù)法主要包括部分厚度法、面積法、特性層溫度法、大氣垂直溫度分布法和回歸方法等。

2.1.1 氣壓層厚度預(yù)報(bào)法

由壓高公式可知，兩個固定氣壓層之間的厚度與它們之間的平均溫度成正比，這可代表溫度垂直平均值。1957年Wagner[13]利用100～500 hPa 厚度差作為參數(shù)分類預(yù)報(bào)凍結(jié)降水和非凍結(jié)類降水，取得較理想的預(yù)報(bào)效果。之后較長時(shí)間內(nèi)500～1000 hPa厚度差和850 hPa的0℃層作為降水相態(tài)的主要預(yù)報(bào)參考因子，但500～1000 hPa 厚度差不能有效解決對流層低層溫度分布問題，這種基于單一參數(shù)的預(yù)報(bào)誤差很大[48]。Bocchieri[49]和Glahn等[50]利用氣層厚度差、特定層溫度、露點(diǎn)和濕球溫度的降水相態(tài)概率預(yù)報(bào)的分類預(yù)報(bào)方法，效果優(yōu)于單獨(dú)應(yīng)用厚度因子的預(yù)報(bào)。此外，氣壓層厚度作為預(yù)報(bào)因子時(shí)，近海地區(qū)需考慮陸地-海洋交界附近風(fēng)向低層轉(zhuǎn)變引起的熱量變化[48]。Keeter等[51]采用逐步線性回歸，對近似于Logit回歸相關(guān)的S形曲線進(jìn)行修正，推導(dǎo)出降水相態(tài)與探空觀測的700～1000 hPa，700～850 hPa和850～1000 hPa厚度差之間關(guān)系，回歸方程可區(qū)分固態(tài)和液態(tài)降水，列線圖分析可區(qū)分混合相態(tài)降水，最大限度提高有限資源利用率，為關(guān)鍵的局部小概率事件提供客觀預(yù)報(bào)指導(dǎo)[52-53]。段云霞等[54]分析沈陽渾南站探空資料時(shí)分析發(fā)現(xiàn)，700～1000 hPa厚度差在不同天氣分型條件下差別較大，基于天氣分型建立的降水相態(tài)預(yù)報(bào)指標(biāo)更有利于對不同降水相態(tài)的準(zhǔn)確預(yù)報(bào)。雖然基于部分氣壓層厚度差的預(yù)報(bào)指標(biāo)易于使用，但只取得了初步成效。徐輝等[55]分析華北一次雨雪天氣的溫度垂直結(jié)構(gòu)演變以及相態(tài)轉(zhuǎn)變對溫度層結(jié)作用，發(fā)現(xiàn)降水相態(tài)類型嚴(yán)重依賴于溫度垂直結(jié)構(gòu)，溫度垂直結(jié)構(gòu)的細(xì)微改變將決定最終到達(dá)地面的降水相態(tài)，850～1000 hPa 的厚度差小于1300 gpm且700～850 hPa的厚度差小于1530 gpm時(shí)，地面的降水相態(tài)以雪或雨夾雪為主，否則以雨為主。

2.1.2 特定層溫度預(yù)報(bào)法

早期國內(nèi)對降水相態(tài)的研究主要通過個例研究總結(jié)降水相態(tài)對應(yīng)的對流層中低層不同層次溫度特征[54，56-62]。許愛華等[57]分析2005年一次寒潮天氣過程的低層大氣溫度結(jié)構(gòu)特征，認(rèn)為925 hPa以下的大氣溫度是南方降水相態(tài)轉(zhuǎn)換關(guān)鍵，925 hPa溫度不超過-2℃可作為固態(tài)降水的預(yù)報(bào)依據(jù)。李江波等[58]總結(jié)7次雨雪轉(zhuǎn)換過程，指出0℃層明顯下降、降雪發(fā)生時(shí)地面溫度在0℃左右以及1000 hPa 溫度在2℃以下可作為雨雪轉(zhuǎn)換的判據(jù)，并發(fā)現(xiàn)雖然850 hPa溫度變化幅度大，但對降水相態(tài)的影響不大，925 hPa以下溫度對降水相態(tài)起主要作用。

因此，早期對降水相態(tài)的判別依賴于特性層溫度，同時(shí)結(jié)合低層厚度差因子，也是對厚度預(yù)報(bào)法的拓展。尤鳳春等[63]對北京市觀象臺60年資料進(jìn)行統(tǒng)計(jì)，認(rèn)為雨雪溫度露點(diǎn)平均值在850 hPa以下差異明顯，隨高度增加差異逐漸減小，尤其是在700 hPa和500 hPa。因此，選取地面露點(diǎn)溫度和925 hPa溫度作為降水相態(tài)判別指標(biāo)效果較好。利用925 hPa溫度、850 hPa溫度、地面溫度、地面露點(diǎn)應(yīng)用多元回歸方法，建立降水相態(tài)統(tǒng)計(jì)預(yù)報(bào)方程對降水相態(tài)預(yù)報(bào)具有一定參考價(jià)值。此外，漆梁波等[60]認(rèn)為氣候背景不同使得西歐降水相態(tài)判別指標(biāo)與我國東部略有差別，北美洲判別指標(biāo)在我國東部不能適用。我國降水相態(tài)判別指標(biāo)不但要綜合考慮溫度因子，還要考慮厚度因子，并以925 hPa以下氣層溫度結(jié)合700～850 hPa和850～1000 hPa厚度差為指標(biāo)，建立我國東部雨、雪和雨夾雪相態(tài)的判別指標(biāo)，并增加凍雨(冰粒)分類。由于主要考慮融化機(jī)制而忽略了暖雨機(jī)制對凍雨(冰粒)進(jìn)行判別，因此得到的判別指標(biāo)不理想。孫燕等[64]利用地面和850 hPa溫度結(jié)合厚度建立江蘇冬季區(qū)分雨、雪相態(tài)預(yù)報(bào)判別指標(biāo)，對固液態(tài)降水預(yù)報(bào)區(qū)分有較高準(zhǔn)確率，對降水相態(tài)預(yù)報(bào)也有很好的指示意義，還發(fā)現(xiàn)地面濕球溫度是區(qū)分雨雪有參考價(jià)值的指標(biāo)。人們還發(fā)現(xiàn)0℃層高度與降水相態(tài)密切相關(guān)，可用于雨雪區(qū)分[58，65-69]。降雨時(shí)0℃層高度位于925 hPa或其附近，當(dāng)0℃層高度降至1000 hPa附近時(shí)降雨轉(zhuǎn)為降雪[61]。對于復(fù)雜地形條件，雨、雪、雨夾雪相態(tài)轉(zhuǎn)換的前提條件分別是地面溫度大于3.0℃、地面溫度小于-1.0℃、地面溫度大于-1.0℃且小于3.0℃，需在此前提下建立不同海拔高度相態(tài)轉(zhuǎn)換的溫度組合指標(biāo)[70]。

2.1.3 暖層的面積預(yù)報(bào)法

大氣垂直溫度分布中，暖層深度或面積越大，降水粒子在穿過該層時(shí)融化的可能性越大。Bocchieri[49]根據(jù)探測計(jì)算的參數(shù)因子與觀測降水相態(tài)(液態(tài)、凍結(jié)(凍雨等混合相態(tài))和冰凍(固態(tài)))進(jìn)行多元線性回歸因子篩選。統(tǒng)計(jì)篩選出地面至1000 m高度和500～2500 m高度層平均溫度、相對于溫度廓線的融化層深度(如果存在溫度大于0℃的情況)、融化層溫度廓線和0℃等溫線之間區(qū)域、地表附近凍結(jié)層深度(如果存在)以及基于地面凍結(jié)層濕球溫度廓線和0℃等溫線之間的面積等因子，建立降水相態(tài)預(yù)報(bào)回歸方程，顯示出對液態(tài)和固態(tài)降水較好的區(qū)分能力，但該方程對混合相態(tài)降水預(yù)報(bào)評分并不理想。Bourgouin[71]在以上研究基礎(chǔ)上細(xì)化面積預(yù)報(bào)方法，考慮降水粒子的相態(tài)依賴于融化和再凍結(jié)程度，融化層和再凍結(jié)層的平均溫度和停留時(shí)間兩個重要參數(shù)，假設(shè)降水粒子垂直運(yùn)動和末端下降速度恒定，停留時(shí)間僅取決于融化層或凍結(jié)層厚度，凍結(jié)層平均溫度與融化層(或凍結(jié)層)厚度的乘積可視為與標(biāo)準(zhǔn)溫熵圖或溫度-對數(shù)壓力圖上氣層溫度和零度線包圍的面積成正比，面積中正區(qū)域融化固體粒子，負(fù)區(qū)域凍結(jié)降水粒子。用正、負(fù)區(qū)域面積與降水相態(tài)的關(guān)系，建立雨、雪、凍雨和冰粒診斷判別方法預(yù)報(bào)效果較同期其他方法更優(yōu)。夏倩云等[72]發(fā)展了面積預(yù)報(bào)法，應(yīng)用面積元方法計(jì)算探空廓線與0℃等溫線相交形成的正、負(fù)區(qū)域面積和兩者的交點(diǎn)數(shù)，以及地面溫度作為降水相態(tài)(雨、雨夾雪、雪、凍雨和冰粒)的預(yù)報(bào)因子，建立診斷降水相態(tài)的統(tǒng)計(jì)方法。

2.1.4 垂直溫度廓線預(yù)報(bào)法

與氣壓層厚度預(yù)報(bào)法和特定層溫度預(yù)報(bào)法相比，雖然面積法充分考慮了融化和再凍結(jié)程度，但仍具有一定局限性。應(yīng)用氣層厚度差、特征層溫度和面積法建立降水相態(tài)預(yù)報(bào)指標(biāo)受限于數(shù)值預(yù)報(bào)產(chǎn)品分辨率和準(zhǔn)確率。Thériault等[73]基于數(shù)值模式微物理過程的敏感性試驗(yàn)，發(fā)現(xiàn)溫度分布(-0.5℃)以及降水強(qiáng)度的微小變化可能對地面形成的降水相態(tài)產(chǎn)生重大影響。因此，準(zhǔn)確預(yù)報(bào)降水相態(tài)需要準(zhǔn)確預(yù)報(bào)垂直溫度廓線，特別是在中低層溫度廓線預(yù)報(bào)顯得尤為重要。

近年，隨著數(shù)值天氣預(yù)報(bào)技術(shù)的發(fā)展，數(shù)值預(yù)報(bào)產(chǎn)品精細(xì)化程度和預(yù)報(bào)準(zhǔn)確率的提高，利用高分辨率數(shù)值預(yù)報(bào)產(chǎn)品通過分析大氣垂直溫度分布，建立判別不同相態(tài)降水的預(yù)報(bào)模型，進(jìn)行降水相態(tài)預(yù)報(bào)。Hux等[74]應(yīng)用氣候?qū)W和判別分析法相結(jié)合的方法建立混合降水分析識別模型(DAMP模型)，通過判別分析各類降水相態(tài)的凍結(jié)層數(shù)量、溫度垂直廓線和特征等壓面溫度以及其他變量(如部分厚度、0℃等溫線的高度以及每個凍結(jié)層之間的溫度指數(shù))，基于連續(xù)的氣象要素對降水相態(tài)進(jìn)行分類，給出各種相態(tài)降水預(yù)報(bào)的概率估計(jì)。模型在混合降水事件中預(yù)報(bào)降水相態(tài)和持續(xù)時(shí)間方面表現(xiàn)出色。DAMP模型不僅降水相態(tài)預(yù)報(bào)正確率高，對凍雨的漏報(bào)率也很低。

2.1.5 數(shù)值預(yù)報(bào)診斷法

在數(shù)值天氣預(yù)報(bào)發(fā)展基礎(chǔ)上，降水相態(tài)分類還可以通過對水滴所經(jīng)過路徑上的溫、濕垂直廓線進(jìn)行診斷預(yù)報(bào)。如溫度的垂直剖面、濕球溫度、混合層以上升高的厚度和基于地表的低溫層深度、風(fēng)和降水多少確定到達(dá)地面的降水是否為雨、雪、冰?；騼鲇?。

利用中尺度數(shù)值模式預(yù)報(bào)的近地面大氣層凍結(jié)部分降水混合比在可凝結(jié)成降水水汽混合比中所占比例，判斷雨雪過渡區(qū)、雨雪分界線及雨夾雪區(qū)，也可較準(zhǔn)確預(yù)報(bào)中國東北地區(qū)降水過程中雨/雪區(qū)和雨夾雪區(qū)分布特征及降水相態(tài)隨時(shí)間演變[75]。也有利用逐日、逐時(shí)常規(guī)地面觀測資料和逐日高空探測資料計(jì)算物理量參數(shù)，根據(jù)物理量參數(shù)在不同降水相態(tài)樣本中值域分布特征，選定具有預(yù)報(bào)意義的物理量參數(shù)，分析不同類型物理量參數(shù)對各降水相態(tài)的指示作用，根據(jù)各物理量參數(shù)在不同降水相態(tài)樣本中的閾值，確定冬季降水相態(tài)預(yù)報(bào)的判定指標(biāo)，建立某地區(qū)冬季降水相態(tài)預(yù)報(bào)模型[76]。此外還可以利用常規(guī)地面觀測資料、NCEP/GFS分析資料、衛(wèi)星及多普勒天氣雷達(dá)資料和中尺度數(shù)值模式，對比寒潮型暴雪和冷暖空氣對峙型雨雪兩類天氣過程的大氣環(huán)流形勢、溫濕廓線和對流層中低層風(fēng)場特征，尋找降水相態(tài)預(yù)報(bào)的因子[77]。

Reeves等[22]在對降水相態(tài)變化的微物理機(jī)制研究和數(shù)值模擬分析基礎(chǔ)上，開發(fā)了譜段分類器 (spectral bin classifier,SBC)，通過計(jì)算給定預(yù)定溫度和相對濕度分布的一系列降落水凝物的液體水分?jǐn)?shù)，提供融化層和再凍結(jié)層的微物理參數(shù)，同時(shí)考慮熱力和微物理強(qiáng)迫作用，計(jì)算凍結(jié)和融化的相對降水強(qiáng)度，確定地表降水相態(tài)，模型結(jié)果準(zhǔn)確反映了實(shí)際的熱力學(xué)廓線。該算法可以診斷雨、雪、雨雪混合、凍雨、冰粒和凍雨冰粒混合物6種類型，是目前診斷降水相態(tài)類型最多的方法。與現(xiàn)有算法相比，SBC具有更高的準(zhǔn)確率，尤其是凍雨和冰粒預(yù)報(bào)。由于該算法顯式地計(jì)算融化和再凍結(jié)率，且未考慮水凝物相互作用或者依賴水凝物大小的冰核形成過程，這也使得該過程在計(jì)算上足夠高效，并可以實(shí)時(shí)運(yùn)行。

除此之外，還有配料法和天氣分型法等，這些方法大多通過個例分析歸納降水相態(tài)轉(zhuǎn)換相關(guān)閾值，進(jìn)行降水相態(tài)預(yù)報(bào)。如Cheng等[78]采用自動天氣分型與邏輯回歸分析相結(jié)合的方法預(yù)報(bào)凍雨事件。Bocchieri等[79]建立基于有限區(qū)域精細(xì)模式的降水相態(tài)預(yù)報(bào)條件概率模型輸出統(tǒng)計(jì)系統(tǒng)(MOS-PoPT)，可預(yù)報(bào)雪或冰粒、凍雨和雨3種降水相態(tài)，特別是12～24 h凍雨預(yù)報(bào)表現(xiàn)優(yōu)良，并于1982年在美國國家氣象局應(yīng)用。Wetzel等[80]提出降水產(chǎn)生過程中涉及的5種基本物理成分，即上升壓力、水分、不穩(wěn)定性、降水效率和溫度的配料法，并將該方法用于中緯度地區(qū)冬季降水業(yè)務(wù)的分析預(yù)報(bào)。Cuviello[81]通過分析37年間發(fā)生在美國北卡羅來納州的237次冬季降水事件建立降水相態(tài)預(yù)報(bào)模型，利用氣旋和反氣旋路徑分類，表征研究區(qū)觀測到的雪、凍雨和雨夾雪的強(qiáng)度。馬曉剛等[82]利用探空資料將單站大氣逆溫轉(zhuǎn)換成逆溫水平分布區(qū)，實(shí)現(xiàn)大氣逆溫水平分布的自動診斷分析。提出由大氣逆溫水平分布區(qū)、高空濕區(qū)、地面氣溫0℃線、逆溫層極值點(diǎn)0℃線構(gòu)成的凍雨落區(qū)的基本概念模型和凍雨落區(qū)的自動診斷分析方法。Czys等[83]建立第1個熱力學(xué)模型，通過接近融化時(shí)間與完全融化所需時(shí)間比率區(qū)分凍雨和冰粒，采用該比率與地表溫度共同確定降水相態(tài)，該模型不足之處是對冰粒預(yù)報(bào)難度較大。Zerr[84]將兩個傳熱模型應(yīng)用于冰粒和凍雨預(yù)報(bào)問題，其中一個模型模擬樹枝狀晶體融化，另一個模擬液滴再凍結(jié)，并指出融化參數(shù)決定冰粒和凍雨預(yù)報(bào)能力。

需要注意的是，基于垂直溫度廓線預(yù)報(bào)降水相態(tài)的DAMP模型和SBC方法，高度依賴數(shù)值天氣預(yù)報(bào)模式預(yù)報(bào)準(zhǔn)確率，模式誤差被代入模型降低預(yù)報(bào)準(zhǔn)確率。此外，有些診斷方法計(jì)算效率高，對降雨和降雪的判斷比較準(zhǔn)確，但在區(qū)分凍雨和冰粒方面還存在一些誤差[18，85-86]。

2.2 數(shù)值模式預(yù)報(bào)法

降水相態(tài)的數(shù)值預(yù)報(bào)方法包括兩類：一類是基于數(shù)值天氣預(yù)報(bào)模式的云和微物理方案預(yù)報(bào)降水相態(tài)，另一類是近幾年發(fā)展的基于集合預(yù)報(bào)的降水相態(tài)概率預(yù)報(bào)方法。

2.2.1 微物理方案法

在對降水物理過程理解的基礎(chǔ)上，人們開發(fā)多種判斷降水相態(tài)的微物理過程算法預(yù)報(bào)降水相態(tài)。如模式的總體微物理方案(bulk microphysics)是基于預(yù)報(bào)的每個水凝物符合Marshall-Palmer粒徑分布的假設(shè)方案[87]。20世紀(jì)90年代前后，多普勒天氣雷達(dá)、風(fēng)廓線儀、微波輻射計(jì)和移動原始探測器的廣泛應(yīng)用為研究降水的運(yùn)動學(xué)和熱力學(xué)結(jié)構(gòu)和演變提供了高分辨率觀測資料，由此可以描述降水粒子基本微物理結(jié)構(gòu)。Tremblay等[88]基于總含水量單一預(yù)報(bào)公式的云微物理過程參數(shù)化方案，發(fā)展了新的混合相云方案。該方案體現(xiàn)的是以顯示方式包含形成過冷液態(tài)水的微物理過程，在沒有冰融化機(jī)制的情況下，過冷液態(tài)水物理機(jī)制的加入顯著提高凍雨預(yù)報(bào)概率，并改善融冰算法的偏差評分。

隨著數(shù)值預(yù)報(bào)產(chǎn)品與高分辨率觀測資料的快速發(fā)展，高時(shí)空分辨資料結(jié)合總體微物理方案進(jìn)行數(shù)值模擬，分析降水相態(tài)變化中的非絕熱加熱或冷卻對環(huán)境條件影響，提高降水相態(tài)預(yù)報(bào)效果。將這些非絕熱過程的精確參數(shù)化納入冬季降水預(yù)報(bào)模式，可以改善降水相態(tài)預(yù)報(bào)能力[35，89-93]。如Thériault等[35]利用溫度閾值，發(fā)展針對多種降水相態(tài)的雙參數(shù)總體微物理方案(double-moment bulk microphysics scheme)的云模式，對形成冬季降水不同相態(tài)有利的溫度和濕度廓線，在逆溫中連續(xù)降雪環(huán)境的系統(tǒng)變化進(jìn)行模擬，發(fā)現(xiàn)降水相態(tài)變化是融化和冰凍相變引起的大氣溫度和濕度變化結(jié)果。Thériault等[94]利用耦合了雙參數(shù)總體微物理方案的一維動力學(xué)云模型[35]發(fā)現(xiàn)，與背景大氣靜止相比，背景大氣上升導(dǎo)致溫度結(jié)構(gòu)演變這一重大變化。在接近地表的次凍結(jié)層中，降水粒子在靜止大氣的溫度變化比在上升大氣溫度變化更明顯。背景垂直風(fēng)速總是降低某些類型的降水，增加其他類型的降水，特別是冰粒、再凍濕雪和霰的量在地表隨背景風(fēng)速的增加而減少，而降雪的量則增加。Thériault等[90]通過使用基于物理的參數(shù)化改進(jìn)針對多種相態(tài)降水的大量微物理方案，在微物理方案中增加降水粒子的精細(xì)化融化和再凍結(jié)過程參數(shù)，模擬發(fā)現(xiàn)形成的混合相態(tài)粒子反過來會導(dǎo)致或影響其他相態(tài)的降水形成，這說明降水相態(tài)形成強(qiáng)烈依賴于融化層的溫度和深度以及再冷凍層內(nèi)的飽和度和溫度。Barszcz等[95]改進(jìn)千米尺度數(shù)值天氣預(yù)報(bào)模式凍雨的顯示預(yù)報(bào)方案，通過降低雨-霰聚集效率，設(shè)置溫度閾值為-5℃，在此溫度閾值以上不允許碰撞凍結(jié)，因此可以在微物理方案中控制過多的雨-霰聚集和霰形成，從而改進(jìn)地表凍雨模擬。Schuur等[96]首次嘗試將快速更新(RUC)模式的熱力學(xué)輸出與偏振雷達(dá)觀測相結(jié)合的新型降水相態(tài)分類算法，該方法以RUC模式輸出的濕球溫度的垂直剖面為降水相態(tài)分類背景，根據(jù)一套經(jīng)驗(yàn)規(guī)則，當(dāng)發(fā)現(xiàn)觀測值與背景分類不一致時(shí)，根據(jù)偏振雷達(dá)資料改進(jìn)降水相態(tài)。該方法改進(jìn)已有的僅依靠偏振雷達(dá)觀測的分類技術(shù)，通過使用熱力學(xué)模式信息，幫助診斷可能在高空發(fā)生的微物理過程(如融化或再凍結(jié))。Ikeda等[16]采用NOAA小時(shí)快速更新的高分辨率模式HRRR(high-resolution rapid refresh)預(yù)報(bào)冬季降水。定性地講，降水相態(tài)預(yù)報(bào)的范圍較理想，特別是對雪和雨、雨雪過渡和凍雨落區(qū)預(yù)報(bào)均取得理想效果，但雨雪轉(zhuǎn)換和凍雨落區(qū)相關(guān)定量評分明顯低于雪或雨預(yù)報(bào)。

此外，準(zhǔn)確描述降水時(shí)段和落區(qū)的能力取決于天氣系統(tǒng)。通常較大的、連續(xù)覆蓋的降水系統(tǒng)比較小的、不連續(xù)覆蓋的降水系統(tǒng)預(yù)報(bào)效果更佳。對于較小風(fēng)暴的模式性能評估，空間或時(shí)間上的偏移影響更大。Ikeda等[20]利用HRRR進(jìn)行混合降水相態(tài)預(yù)報(bào)時(shí)發(fā)現(xiàn)，當(dāng)觀測資料和模式模擬結(jié)果均顯示地表有混合相態(tài)降水時(shí)，該模式能較好地再現(xiàn)觀測的溫度分布。模式預(yù)報(bào)出現(xiàn)降水而觀測結(jié)果顯示混合相態(tài)降水時(shí)，模式地表溫度偏差一般為2℃，垂直溫度剖面與探空觀測結(jié)果相似。美國東部受冷空氣阻塞的天氣系統(tǒng)影響時(shí)，地面溫度偏差4℃會造成地面降水相態(tài)或凍雨持續(xù)時(shí)間(面積覆蓋)比觀測時(shí)間偏短(小)。在觀測到的混合相態(tài)降水的地區(qū)，對雪的預(yù)報(bào)情況在溫度接近0℃的高層和近地層存在細(xì)微差別。Benjamin等[97]利用HRRR 中混合相積云微物理方案[98]，預(yù)報(bào)地面降水在一定條件下同一位置同時(shí)包括的雨、雪和霰，后處理邏輯回歸將預(yù)報(bào)的多種水凝物信息和模式預(yù)報(bào)信息相結(jié)合，區(qū)分雨和凍雨地面降水相態(tài)場，并描繪出混合降水區(qū)域。

佟華等[21]根據(jù)降水粒子在下落過程中的熱力結(jié)構(gòu)，利用GRAPES_MESO中尺度模式提供所需參數(shù)，針對降水物理過程的Bourgouin算法[71]、BTC算法[99]、改進(jìn)的BTC算法和Ramer算法[100]4種方案，進(jìn)行雨、雪、凍雨和冰粒4種降水相態(tài)的診斷。4種方案均能較合理地得到雨雪分界線，以及降雨、降雪落區(qū)。改進(jìn)的BTC算法比BTC算法對降雪的診斷偏差更小、預(yù)報(bào)冰粒更少。Ramer算法較其他3種算法獲得更多的凍雨事件；Bourgouin算法最接近這4種算法的合成算法結(jié)果。但這4種診斷方案只能確定一種降水相態(tài)，不能診斷出雨夾雪。根據(jù)大氣條件，降水粒子經(jīng)歷了擴(kuò)散生長、碰并、聚集、融化和再凍結(jié)等許多復(fù)雜的物理過程后落到地面，預(yù)報(bào)落地降水相態(tài)的挑戰(zhàn)在于靠近雨雪過渡地區(qū)的降水相態(tài)預(yù)報(bào)。

Reeves等[18]利用探空資料和模式輸出結(jié)果，對數(shù)值預(yù)報(bào)5種隱式降水相態(tài)算法的準(zhǔn)確性進(jìn)行評估，討論模式不確定性對算法性能的影響，并對降水相態(tài)觀測的不確定性及其對預(yù)報(bào)降水相態(tài)驗(yàn)證影響進(jìn)行評價(jià)[101]。通過比較地面自動觀測站和地面附近天氣現(xiàn)象識別網(wǎng)絡(luò)的觀測結(jié)果，發(fā)現(xiàn)觀測不確定性源于儀器、觀測者偏差和空間、時(shí)間的代表性。然而，決定模式在預(yù)報(bào)到達(dá)地表的降水相態(tài)或時(shí)段方面的技巧，不僅取決于關(guān)鍵大氣過程的表現(xiàn)，附近的水體、地形高度變化等因素以及大尺度和局部尺度的大氣環(huán)境也非常重要[40-41，92，102-104]。因此到目前為止，即便使用復(fù)雜的微物理參數(shù)化方案的高分辨率區(qū)域模式[16，105-106]，準(zhǔn)確預(yù)報(bào)到達(dá)地面降水的特定類型(如雪、雨、冰粒、霰)或降水時(shí)段仍然是一個難題。

2.2.2 集合預(yù)報(bào)法

數(shù)值天氣預(yù)報(bào)誤差難以避免[107-108]，集合預(yù)報(bào)對預(yù)報(bào)不確定性的把握有一定優(yōu)勢[108-111]，使用集合預(yù)報(bào)的降水相態(tài)概率預(yù)報(bào)可有效提高混合降水事件降水相態(tài)預(yù)報(bào)準(zhǔn)確率[101]。Cortinas等[112]使用Eta和RUC模式數(shù)據(jù)檢驗(yàn)了6種降水相態(tài)算法的質(zhì)量，分析了由模式不同算法的降水相態(tài)預(yù)報(bào)組合而成的概率預(yù)報(bào)質(zhì)量，但模式中沒有一種算法能夠準(zhǔn)確地診斷所有降水的正確相態(tài)。由此說明必須將這些算法結(jié)合起來，以提供預(yù)報(bào)不確定性的度量，這也說明應(yīng)用集合預(yù)報(bào)技術(shù)的必要性。Manikin等[113]將不同后處理技術(shù)應(yīng)用于單一的高分辨率業(yè)務(wù)Eta模式。在相同熱力學(xué)剖面上和模式顯式微物理過程，運(yùn)行雨、凍雨和冰粒(或雪)3種降水相態(tài)的算法形成集合預(yù)報(bào)。

Wandishin等[17]將NCEP短期集合預(yù)報(bào)推廣到冬季降水相態(tài)預(yù)報(bào)，該集合系統(tǒng)集模式多樣性、初始條件多樣性和后處理算法多樣性于一體，將短期集合預(yù)報(bào)系統(tǒng)的預(yù)報(bào)結(jié)果與5種降水相態(tài)算法相結(jié)合生成概率預(yù)報(bào)。該系統(tǒng)在雨雪預(yù)報(bào)中技巧凸顯，但凍雨預(yù)報(bào)只能達(dá)到中等水平，冰粒預(yù)報(bào)無技巧。即使對于無技巧的預(yù)報(bào)，該系統(tǒng)也顯示出一定的區(qū)分不同降水相態(tài)的能力。從預(yù)報(bào)質(zhì)量看，盡管模式多樣性的影響最大，算法多樣性與初始條件多樣性也同樣重要。Scheuerer等[114]基于全球集合預(yù)報(bào)系統(tǒng)的垂直溫度廓線預(yù)報(bào)，提出了降水相態(tài)概率預(yù)報(bào)的貝葉斯分類方法?？紤]與每種降水相態(tài)相關(guān)的垂直濕球溫度分布，假設(shè)觀測到的降水相態(tài)僅取決于地面以上的垂直濕球溫度廓線，將垂直濕球溫度廓線轉(zhuǎn)換成降水相態(tài)的主要成分，并且通過偏正態(tài)分布對每一種主要成分建模。使用方差膨脹技術(shù)降低對應(yīng)于較小特征值分量的影響，貝葉斯分類方法最終基于濕球溫度分布預(yù)報(bào)得到每種降水相態(tài)產(chǎn)生概率。雨、雪、冰球、凍雨或凍毛毛雨降水相態(tài)概率預(yù)報(bào)較理想，其中凍雨預(yù)報(bào)效果更佳。

隨著資料同化技術(shù)和數(shù)值天氣預(yù)報(bào)技術(shù)的不斷發(fā)展，集合預(yù)報(bào)在降水預(yù)報(bào)中的應(yīng)用也越來越廣泛。數(shù)值預(yù)報(bào)產(chǎn)品中降水相態(tài)預(yù)報(bào)準(zhǔn)確率不斷提高，逐漸成為降水相態(tài)預(yù)報(bào)中的重要支撐產(chǎn)品。2015年5月歐洲中期天氣預(yù)報(bào)中心(ECMWF)發(fā)布IFS(Integrated Forecasting System)業(yè)務(wù)化版本，該版本系統(tǒng)改進(jìn)了云和降水物理過程，利用溫濕層結(jié)曲線進(jìn)行預(yù)報(bào)，對降水粒子在下落過程中的融合和再凍結(jié)物理過程進(jìn)行參數(shù)化，實(shí)現(xiàn)對雨、干雪、濕雪、雨夾雪、凍雨和冰粒共6類天氣現(xiàn)象進(jìn)行定量化的預(yù)報(bào)[115-116]，其相態(tài)判別不僅考慮地面2 m氣溫和地面液態(tài)水的比例，還考慮有整層氣溫曲線、與凍雨和冰粒有關(guān)的暖層和冷層厚度和高度，以及不同高度液態(tài)和固態(tài)水含量。ECMWF在此基礎(chǔ)上，開發(fā)了半經(jīng)驗(yàn)的降水相態(tài)預(yù)報(bào)產(chǎn)品(PTYPE)[117]，產(chǎn)品在應(yīng)用中表現(xiàn)出較好的預(yù)報(bào)效果[115-116]。評估檢驗(yàn)顯示出相對于ECMWF高分辨率確定性模式，ECMWF集合預(yù)報(bào)的降水相態(tài)概率預(yù)報(bào)提高了降水相態(tài)預(yù)報(bào)技巧[118]。

2.3 人工智能預(yù)報(bào)法

降水相態(tài)的準(zhǔn)確預(yù)報(bào)是天氣預(yù)報(bào)的重要組成部分。盡管人們對冬季降水及其相關(guān)天氣認(rèn)識逐步深入，但準(zhǔn)確預(yù)報(bào)降水相態(tài)仍很困難。利用對降水相態(tài)的氣象學(xué)機(jī)理，僅從一組很少量的天氣變量中做出的降水相態(tài)預(yù)報(bào)，只能取得有限的成功。人們很早就知道，影響地面降水相態(tài)的最重要因素是溫度剖面，由此發(fā)展了各種技術(shù)預(yù)報(bào)降水相態(tài)。人工智能方法是一種有效的替代方法，該方法是分析大量歷史天氣資料，得到預(yù)報(bào)模型，利用多種變量生成降水相態(tài)預(yù)報(bào)，如利用決策樹方法診斷計(jì)算判斷雨雪轉(zhuǎn)換[99]。Reeves[101]制作了一個決策樹識別雨、雪、雨夾雪、凍雨、冰粒以及凍雨和冰粒等混合降水相態(tài)。還有研究者使用歐洲中期天氣預(yù)報(bào)中心中期預(yù)報(bào)模式(ECMWF)和區(qū)域資料同化預(yù)報(bào)系統(tǒng)(RDAPS)的相關(guān)特征量，選擇可用的大量天氣變量的有效子集，從中得到多項(xiàng)回歸參數(shù)，然后用這些參數(shù)預(yù)報(bào)降水相態(tài)。獲得預(yù)報(bào)結(jié)果比ECMWF和RDAPS分別準(zhǔn)確15%和13%[119]。在數(shù)值預(yù)報(bào)產(chǎn)品基礎(chǔ)上,董全等[120]利用人工神經(jīng)網(wǎng)絡(luò)方法開發(fā)了中國區(qū)域的雨雪相態(tài)的客觀預(yù)報(bào)模型和產(chǎn)品，可準(zhǔn)確預(yù)報(bào)北方的雨雪分界線。彭霞云等[121]選取500 hPa和1000 hPa 厚度差等11個因子，將數(shù)據(jù)挖掘算法應(yīng)用于降水相態(tài)判別，采用決策樹算法和隨機(jī)森林算法分別構(gòu)建模型，均較準(zhǔn)確預(yù)報(bào)了降水相態(tài)，但決策樹算法和隨機(jī)森林算法各有優(yōu)劣[121-122]。

3 展 望

冬季天氣事件中降水相態(tài)及其強(qiáng)度和落區(qū)一直是預(yù)報(bào)員的主要難題之一。冬季天氣降水相態(tài)極其復(fù)雜，包含固態(tài)、液態(tài)和固液混合相態(tài)，其中混合相態(tài)又包含凍雨、雨夾雪，在一次降水過程中可能同時(shí)包含多種降水相態(tài)或是不同類降水相態(tài)之間相互轉(zhuǎn)換，其形成過程涉及大氣垂直方向多種要素變化和相互作用?？傊瑖鈱邓鄳B(tài)的形成機(jī)制、影響因素研究較為深入，降水相態(tài)的預(yù)報(bào)判別技術(shù)方法也較為成熟。目前國內(nèi)對降水相態(tài)的研究現(xiàn)狀存在對降水相態(tài)形成機(jī)制研究數(shù)量和研究深度有限、預(yù)報(bào)技術(shù)方法單一等問題。今后在降水相態(tài)預(yù)報(bào)方法上應(yīng)該注重以下幾個方面：

1) 加強(qiáng)模式物理過程的改進(jìn)，大力發(fā)展模式微物理過程和資料同化技術(shù)、具有降水相態(tài)預(yù)報(bào)能力的高分辨率區(qū)域模式。國外基于集合預(yù)報(bào)的降水相態(tài)預(yù)報(bào)技術(shù)走在前列，除高分辨模式之外，發(fā)展能夠提供模式降水相態(tài)預(yù)報(bào)不確定性的集合預(yù)報(bào)，是提高降水相態(tài)預(yù)報(bào)準(zhǔn)確率的一條重要途徑。如何改進(jìn)數(shù)值預(yù)報(bào)的微物理過程和資料同化技術(shù)，深入發(fā)展集合預(yù)報(bào)技術(shù)、挖掘集合預(yù)報(bào)在降水相態(tài)預(yù)報(bào)的潛力，提供更準(zhǔn)確的降水相態(tài)概率預(yù)報(bào)，發(fā)揮高分辨率模式與集合預(yù)報(bào)優(yōu)勢互補(bǔ)的特性，應(yīng)成為降水相態(tài)預(yù)報(bào)的著力點(diǎn)。

2) 加強(qiáng)數(shù)值預(yù)報(bào)模式的后處理技術(shù)研究。大量的數(shù)值預(yù)報(bào)應(yīng)用經(jīng)驗(yàn)證明：無論確定性模式還是集合預(yù)報(bào)數(shù)值模式，模式輸出的預(yù)報(bào)需要進(jìn)行諸如訂正系統(tǒng)偏差、調(diào)整集合預(yù)報(bào)離散度等統(tǒng)計(jì)學(xué)后處理，以提升數(shù)值(集合)預(yù)報(bào)的可靠性和準(zhǔn)確率，對于降水相態(tài)預(yù)報(bào)也不例外。針對單一模式或多模式預(yù)報(bào)，采用各種方法對模式預(yù)報(bào)進(jìn)行系統(tǒng)偏差訂正和權(quán)重集成，在定量降水預(yù)報(bào)中已經(jīng)取得很多成果。針對集合預(yù)報(bào)發(fā)展如回歸模型方法、參數(shù)估計(jì)方法的概率預(yù)報(bào)后處理技術(shù)，在降水相態(tài)預(yù)報(bào)中也有很好的應(yīng)用前景。

3) 加強(qiáng)降水相態(tài)探測資料、云和微物理研究成果在降水相態(tài)預(yù)報(bào)中的應(yīng)用研究。目前雖然在影響降水相態(tài)的微物理機(jī)制的研究成果較多，但在預(yù)報(bào)技術(shù)中的應(yīng)用還比較欠缺。一方面應(yīng)加大降水相態(tài)的微物理研究成果用于改進(jìn)數(shù)值預(yù)報(bào)模式的力度，另一方面也應(yīng)加強(qiáng)降水相態(tài)的微物理研究成果在數(shù)值預(yù)報(bào)降水相態(tài)產(chǎn)品的訂正以及改進(jìn)數(shù)值預(yù)報(bào)產(chǎn)品方面的研究與應(yīng)用。

4) 發(fā)展針對降水相態(tài)預(yù)報(bào)的檢驗(yàn)技術(shù)。通過檢驗(yàn)發(fā)現(xiàn)問題，達(dá)到對產(chǎn)品或預(yù)報(bào)改進(jìn)的目的。預(yù)報(bào)越精細(xì)，檢驗(yàn)技術(shù)越復(fù)雜。此外，使用傳統(tǒng)的針對單一相態(tài)降水的評分方法進(jìn)行降水相態(tài)預(yù)報(bào)檢驗(yàn)時(shí)，需要注意降水觀測資料的選擇和匹配，如何處理觀測資料也值得研究[101,118]。