自然冰雪晶粒子觀測及形狀分類研究進展*

段 婧 郭 恒 胡金蓉 周 旭 吳 錫 陳寶君

1.中國氣象局云降水物理與人工影響天氣重點開放實驗室，北京，100081

2.成都信息工程大學計算機學院，成都，610225

1 引言

在自然云中，水汽或液態(tài)水在冰核上通過凝華或凝結形成冰晶，冰晶進一步增長便是雪晶，通常把直徑小于300 μm 稱為冰晶，直徑大于300 μm 稱為雪晶。冰雪晶是云中水成物粒子的重要組成部分，其存在對于降水元增長的初始過程有重要意義。當冷云中冰晶和過冷水共存時，冰晶由于水汽的凝華而迅速增長從而有利于降水的形成（酆大雄，1975）。中國大部分地區(qū)處于中緯度，冷云和混合云降水經常發(fā)生。目前常用的人工影響天氣冷云催化劑便是向云中播撒類似冰晶結構的物質，用較小的能量使天氣朝著人們預定的方向轉化。但不同形狀的冰雪晶，其形成及增長的物理過程不盡相同。開展云中冰雪晶粒子的物理特性研究，不僅是云霧物理學的重要組成部分，也有助于深入了解云-降水形成過程、揭示冷云形成發(fā)展機制，為人工影響天氣播云作業(yè)提供基礎理論支撐。

隨著探測技術的發(fā)展，冰雪晶粒子的觀測經歷了從手工收集到自動收集的轉變。所能觀測到的粒徑范圍也在不斷擴大，獲取到的粒子信息也逐漸豐富（Stith，et al，2018）。室內云室實驗從使用高飽和度的糖溶液收集樣本（Keller，et al，1980）到專業(yè)的粒子探頭自動化成像（Connolly，et al，2012）。地面觀測也由手工收集觀測（Jiusto，et al，1973）轉變?yōu)橛傻鼗鶊D像探頭觀測（Raupach，et al，2006；Amsler，et al，2009；Henneberger，et al，2013）。得益于20 世紀航空工業(yè)的發(fā)展，對冰雪晶粒子的觀測已邁入穿云直接觀測階段。最開始研究人員自制一些平面，通過粒子撞擊平面形成壓痕進行觀測（Spyers-Duran，et al，1967）。隨后陸續(xù)引入了高速攝影（Cannon，1970）、光學陣列探頭（Knollenberg，1970）和全息技術（Lawson，et al，1995；Fugal，et al，2004；Spuler，et al，2011）對粒子進行直接成像。隨著觀測技術的不斷發(fā)展與創(chuàng)新，已有豐富的資料來支撐相關研究工作的開展。

早在西漢時期，中國就有關于冰雪晶形狀研究的記載。西漢時期韓嬰得出“雪花多六出”的結論，是目前有記錄的人類最早對冰雪晶結構形狀的描述（酆大雄，1975；蔣國華，2017）。1611 年，德國的Johannes Kepler 最先探索了冰雪晶形成的原因（Kepler，1966）。1885 年，美國的Wilson Bentley拍下了第一張冰雪晶圖像，他的一生在記錄很多冰雪晶圖像的同時，也基于冰雪晶的外觀或生長方式對其做了分類（Bentley，et al，2013）。日本的Nakaya對不同冰雪晶類型進行了較為系統(tǒng)的研究，發(fā)現冰雪晶的形狀和環(huán)境的溫度、濕度密切相關，于1936 年制定了冰雪晶分類方案，統(tǒng)計了各類粒子出現的頻率（Nakaya，et al，1936）。1948 年國際冰雪委員會（ICSI，International Commission on Snow and Ice）決定成立委員會來制定一個標準化的冰雪晶分類方案。Schaefer 在匯集了各國學者經驗的基礎上，制定了包括世界各地大氣中出現的大部分冰雪晶粒子形狀的分類方案，并將其命名為國際分類法（Schaefer，1954），至今仍然有學者使用該方案進行冰雪晶的研究（Fierz，et al，2009）。隨著對云降水過程認識的不斷深入，各國的觀測實踐逐漸增多。1985 年ICSI（現為國際水文科學協(xié)會（IAHS））成立了一個新的雪分類委員會，隨后該委員會發(fā)布了經過修訂的國際季節(jié)性降雪分類方案（Colbeck，et al，1990）。

隨著中國人工影響天氣能力的不斷增強，粒子探測系統(tǒng)探測能力逐步提升，已積累了大量冰雪晶粒子探測數據。早期，由于支撐冰雪晶粒子圖像自動分析的計算機軟、硬件和數字圖像處理技術都不夠成熟，冰雪晶形狀分類識別工作依賴專家根據自身經驗進行識別，主觀性強，分類結果存在不確定性，分類效率也不高。隨著計算機軟、硬件水平的不斷提高和數字圖像處理技術的不斷進步，基于二維圖像的冰雪晶形狀自動分析技術得以出現并不斷發(fā)展。傳統(tǒng)的自動分類方法是基于粒子的幾何特征參量（Holroyd Ⅲ，1987）對粒子進行分類；但不同探測條件和不同地域采集的冰雪晶特性不同、形狀各異，需要行業(yè)專家有針對性地設置閾值，使得這類方法的普適性不強。近年來，人工智能技術突破式的發(fā)展使其在冰雪晶粒子分形方面的初步應用已成為現實（Xiao，et al，2019），基于數據驅動的智能冰雪晶形狀識別方法呈現出良好的發(fā)展和應用前景。

本研究在綜述介紹冰雪晶觀測及形狀分類技術發(fā)展歷程的基礎上，進一步對冰雪晶粒子形狀識別技術和分類方法的最新研究進展進行分析，總結冰雪晶觀測及其形狀分類識別技術的新進展，為促進冰雪晶粒子圖像在中國云微物理結構和降水機制深入研究提供參考。

2 冰雪晶形狀觀測技術

2.1 人工觀測技術

早期在云室和地面觀測冰雪晶粒子的人工觀測方法大致有糖盤法、玻片法和有機溶液復制法等（酆大雄，1963；張錚等，1985；游來光等，1992）。糖盤法是將盛有蔗糖溶液的盤子放在云室底部接取冰雪晶，冰雪晶掉落進糖溶液中吸取溶液中的水分長大成肉眼可見的結晶，目測計數。玻片法則是用預冷的顯微鏡載物玻璃片接取冰雪晶，取樣后放入制冷平臺上，在顯微鏡下觀測或照相，進行大小、形狀、數量分析，還有用干凈的玻璃片涂上半流態(tài)的油或者熏上煙炭或氧化鎂通過凹痕或色斑取樣。有機溶液復制法則通過涂上有機溶液的透明膠片捕捉冰雪晶粒子，在紫外燈的照射下，待其干燥固化后分析粒子形狀（張錚等，1985）。

飛機入云觀測冰雪晶粒子是在高速氣流下進行采樣，其人工觀測方法主要通過鋁箔法—即用通過一張極薄的鋁箔紙來記錄冰雪晶撞擊的壓痕，然后在顯微鏡下觀察分析（孫可富等，1965；游來光等，1965）。馬培民等（1981）改進并批量化生產了鋁箔取樣器，使得冰雪晶鋁箔采樣器規(guī)范化并在全國推廣使用，并提出了對冰晶采樣結果做飛行速度訂正的方法。然而，鋁箔取樣器采樣時存在一些不足，如：一些質量小的粒子壓痕不清楚甚至是被氣流帶走不能留下壓痕，一些質量大的或者是結構不穩(wěn)定的冰雪晶粒子在撞擊時會破碎。針對這一問題，一些學者為鋁箔取樣器做了緩沖措施，盡量避免粒子因撞擊而破碎（Mossop，et al，1969）。

云中冰雪晶的微物理特征在時間尺度上變化很快，對觀測的要求很高。以上人工觀測方法主要依賴于人工操作、工作量太大、變率較高，技術條件也遠未達到理論研究的需求，獲取到的數據量也難以達到統(tǒng)計分析要求。

2.2 自動觀測技術

目前常用的自動觀測冰雪晶形狀和大小的技術主要有光學陣列探頭和全息技術兩種（Baumgardner，et al，2011）。

光學陣列探頭分為線性陣列探頭和平面陣列探頭兩種。線性陣列探頭的原理（郭學良等，2020）為：粒子成像儀采用紅光激光器作為光源，處于探測區(qū)域的粒子經由光學系統(tǒng)成像到線性陣列探測器上形成陰影，而成像以外的區(qū)域則為背景光源照明。在任一時刻探測器記錄粒子的一個影像切片并存儲，這樣當粒子通過采樣區(qū)時，將會依次存儲各個影像切片，將此影像切片同步組合便得到完整的粒子二維圖像；光陣掃描率取決于粒子速度和像素分辨率。平面陣列探頭原理（Baumgardner，et al，2011）與數碼相機相似，即當粒子經過探測區(qū)時瞬間二維成像，但脈沖光源的觸發(fā)需要對粒子是否出現做出準確判斷。全息技術原理（Darakis，et al，2010）主要是先通過干涉原理記錄粒子的光波信息（相位和振幅），然后再利用衍射原理再現或重構粒子光波信息；其中粒子在激光照射下形成漫射式的物光束，另一部分激光作為參考光束射到底片上，和物光束疊加產生干涉。

國際上基于光學陣列原理測量冰雪晶形狀探頭的主要生產商包括美國PMS（Particle Measuring System）、DMT（Droplet Measurement Technologies）、SPEC（Stratton Park Engineering Company）三家公司。20 世紀90 年代DMT 公司購買了PMS公司的專利技術。因此，目前機載云粒子測量系統(tǒng)的國際供應商主要來自DMT 和SPEC 兩家公司（郭學良等，2020）。表1 給出了基于光學陣列測量原理探頭的主要參數。

表1 測量冰雪晶圖像的光學陣列探頭的相關參數Table 1 Parameters of ice-snow-crystal imaging probe

DMT 公司主要用于觀測冰雪晶粒子圖像的是CIP 和PIP 兩個探頭。這兩個探頭是在PMS 公司2D-C 和2D-P 的基礎上改進而成的，均采用光學陣列原理。主要改進如下：DMT 探測到的粒徑范圍有所擴大；PMS 各個探頭是相互獨立的，各個探頭的取樣空氣氣路不同，而DMT 的各個部分是集合在一起的，取樣空氣相同，測量范圍有部分重疊，所以DMT 能夠測量更加準確的粒子譜分布。此外，PMS 公司的二維灰度降水粒子探頭2D-GA2 也屬于線性光陣探頭的一種，由于該灰度探頭能夠將粒子的擋光程度分為四檔，在對不同擋光程度的光學元件配以不同的顏色進行顯示時，可使粒子特征更加清晰（王磊等，2014）。

SPEC 公司用于冰雪晶粒子圖像觀測的主要有HVPS、2D-S、CPI 和3V-CPI 探頭（劉思瑤等，2021）。HVPS 和2D-S 均為線性光學陣列探頭。其中，2DS 有兩個完全相同的垂直于粒子流的正交光學通道，這使得2D-S 探頭不但能測粒子通過采樣區(qū)時的立體圖像，還提高了粒子圖像的空間分辨率。CPI 采用平面光學陣列探頭，像素分辨率為2.3 μm，相機幀速率可達400 幀/s，每一幀可以有超過25 個粒子成像；CPI 使用單光電二極管作為粒子檢測觸發(fā)系統(tǒng)，由于激光束強度的不均勻及小冰晶粒子散射能力弱，使得粒徑小于100 μm 的粒子不能觸發(fā)CPI 工作，導致CPI 對小粒子的探測效率存在問題。針對這個不足，3V-CPI 用128 個光電二極管線性陣列取代了CPI 的單光電二極管，粒子檢測觸發(fā)系統(tǒng)在粒徑＞10 μm 時就能觸發(fā)CPI 工作，這個集成了2D-S 的CPI 可顯著提高對小粒子的探測效率。

中國通過國家重大科學儀器設備開發(fā)專項“機載云降水粒子譜儀與成像儀研制”項目（郭學良等，2020），由中國氣象科學研究院、中國兵器科學研究院等單位研制了云粒子成像儀（ZBT-CPI）和降水粒子成像儀（ZBT-PPI）。這兩臺粒子成像儀的測量原理與DMT 公司的CIP 和PIP 相似，均為線性光學探頭（表1）；在性能上采用更高分辨率的國產光電線陣探測器，縮短了響應時間，提高了對小粒子的探測能力。

相較于機載設備，地基觀測冰雪晶形狀的設備其體積和重量在設計上受限較小。如采用線性光學陣列的2-DVD（Kruger，et al，2002）和HVSD（Barthazy，et al，2004）；采用平面光學陣列或CCD（Charge-Coupled Device）相機的冰晶成像儀ICI（Kuhn，et al，2016）、兩角度冰晶成像儀D-ICI（Kuhn，et al，2020）、多角度雪晶相機MASC（Notaro?，et al，2016）等。

與此同時，全息冰雪晶成像儀也得到了快速發(fā)展，但商業(yè)化程度低于DMT 和SPEC 的光學陣列成像儀。如：瑞士大氣與氣候科學研究中心已陸續(xù)研發(fā)了HOLIMO（Amsler，et al，2009）、HOLIMO II（Henneberger，et al，2013）和HOLIMO 3G（Beck，et al，2017）三代全息冰雪晶成像儀，前兩臺主要用于地基觀測，HOLIMO 3G 可基于索道和系留汽艇做廓線觀測（Beck，et al，2017；Ramelli，et al，2021）；美國密執(zhí)安技術大學物理系研發(fā)了可用于機載測量的全息云粒子測量儀器HOLODEC（Fugal，et al，2004）。這些全息測量儀器的優(yōu)點是采樣體積大小不依賴粒子尺度或空氣速度，可檢測破碎的粒子，但相對于DMT 和SPEC 的儀器，其儀器設備的應用范圍小，配套服務不夠齊全，未能完全實現商業(yè)化（郭學良等，2020）。此外，相較于光學陣列探頭，全息技術的數據量更加龐大、數據處理算法也更復雜（如粒子重構算法等，Baumgardner，et al，2011）。

總體而言，全息觀測冰雪晶形狀的技術雖然得到了一定發(fā)展，但目前冰雪晶圖像觀測的商業(yè)設備仍然以光學陣列為主。此外，光學陣列儀器的分辨率逐漸變高，線性陣列單元數量不斷增多，如PMS、DMT 和SPEC 產品的單元數分別為32、64和128 個（劉思瑤等，2021）；此外，圖像觀測技術也更加注重探頭間的相互組合（如3V-CPI 和2D-S），在探頭間氣路優(yōu)化方面也做了改進。

3 冰雪晶形狀觀測技術的應用

云室是云霧降水物理學的實驗裝置，是室內試驗的主要研究手段。早在20 世紀40 年代，云室便成為模擬云中復雜條件進行冰雪晶研究的一種工具（Cwilong，1947）。多數云室屬于膨脹云室，通過將暖濕空氣送入冷室中經過冷卻后形成液態(tài)云或直接膨脹冷卻后的空氣，然后將云室溫度調控至所需溫度，以此產生冰雪晶進行觀測試驗（Kampe，et al，1951）。用于云室觀測的冰雪晶收集、成像及觀測等技術也得到了不斷創(chuàng)新（Vali，1975；DeMott，et al，2018），如早期云室冰雪晶觀測方法主要為人工載玻片照相法，而近年來已逐步升級為采用粒子成像儀CPI 和3V-CPI 做自動觀測（表2）。值得指出的是，為了達到不同的試驗目的，研究人員根據云室特點對冰雪晶成像儀做了不同的組合設計。例如高10 m 的歐洲最高云室MICC（英國曼徹斯特大學，Connolly，et al，2012），配備了兩個觀測冰雪晶形狀的CPI 探頭，分別位于云室底部及一半高度處；利用兩個探頭觀測粒子的時間差，可觀測冰雪晶物理生長過程；學者們在此基礎上開展了許多關于形狀、濃度、攀附、散射特性等冰雪晶粒子的研究（Castellano，et al，2014；Emersic，et al，2015）。

表2 冰雪晶觀測技術在云室中的應用Table 2 Observations of ice and snow crystals used in cloud chamber

中國云室/風洞的冰雪晶生長研究始于20 世紀80 年代，主要來自中國科學院蘭州高原氣象研究所的小型垂直過冷云風洞（龔乃虎等，1992；陶樹旺等，1992，1996；周筠君等，1993）和中國氣象科學研究院的1 m3等溫云室（黃庚等，2007）；研究成果包括冰雪晶等的生長過程以及它們在生長過程中環(huán)境條件對其的影響，這些研究為人工影響天氣選擇作業(yè)部位以及研究云中微物理過程提供了寶貴的經驗和依據；然而，這些云室/風洞主要依靠人工載玻片照相法，而人工載玻片在云室中取樣對操作人員的要求較高，研究效率和方法也因此受到限制。

入云觀測是冰雪晶成像儀在云物理探測方面的主要應用之一，通過觀測云系中不同高度冰雪晶的形狀、大小變化及其環(huán)境場配置來研究云降水機理、機制。20 世紀70 年代后期，國際上開始在飛機上搭載PMS 系統(tǒng)（Gayet，et al，1993）做穿云觀測。中國于1981 年引進PMS 設備，后來陸續(xù)引進DMT 和SPEC 的觀測設備。中國各地開展了云系（北方層狀云、華北積層混合云、東部冷渦云系等）的大量入云觀測試驗，其中，有以PMS 設備為主的觀測研究（王謙等，1987；游來光等，1989；郭金平，1996；侯團結等，2011；Li，et al，2022）、以DMT 設備為主的觀測研究（李軍霞等，2014；朱士超等，2014；張榮等，2021）和以SPEC 設備為主的觀測研究（亓鵬等，2019；康增妹等，2020；Dong，et al，2020；李冬楠等，2021；劉偉等，2021；劉思瑤等，2021；楊潔帆等，2021；Hou，et al，2021）。此外，國產機載冰雪晶成像儀已在中國多省份實現業(yè)務應用，并取得了比較可靠的觀測數據（劉春文等，2022）。

地基冰雪晶的外場觀測主要應用于寒區(qū)及山地降雪特征及其機制研究。人工采樣和顯微鏡分析方法仍被各國研究人員在外場觀測中使用：如酆大雄（1963）利用一次華北冬季弱降水系統(tǒng)的地面雪晶形狀的變化序列觀測資料，分析了該系統(tǒng)云系結構的演變；近年來中國學者繼續(xù)在北京海坨山區(qū)開展自然降雪過程的協(xié)同觀測，包括地面雪晶形狀（賈星燦等，2018；Jia，et al，2019；馬新成等，2021）等；國際上，Thériault 等（2014）和Colle 等（2014）分別對加拿大高山站5 次降雪過程和美國紐約州長島12 次冬季氣旋降雪過程的地面雪晶形狀做了采樣和分類統(tǒng)計。在地基自動化觀測應用方面，瑞士的研究機構得益于其小型化的全息冰雪晶圖像儀，開始利用系留氣艇和索道平臺向低空廓線觀測擴展，開展了阿爾卑斯山地和北極寒區(qū)混合云的演變機理研究（Ramelli，et al，2021；Pasquier，et al，2022）等。

綜上所述，冰雪晶形狀觀測技術的應用正逐漸趨向自動化、精細化、小型化及組合體化。具體可針對不同的試驗目標對多臺觀測儀器做適當組合，或借助各種觀測平臺搭載小型化的冰雪晶圖像儀做廓線觀測，同時加強高分辨率冰雪晶圖像探頭的深入應用。

4 基于觀測數據的冰雪晶形狀分類方案

隨著觀測資料的不斷累積和觀測手段的不斷進步，為深入研究云降水微物理過程，根據冰雪晶形狀對冰雪晶分類，形成了多種冰雪晶分類方案。

Nordenski?ld 等（1893）按照冰雪晶粒子的生長方式劃分為沿晶體垂直軸方向生長、橫軸方向生長、垂直軸和橫軸兩個方向均勻生長的3 個類別組，具體又將這些類別劃分為7 個小類。Bentley 等（1931）在Nordenski?ld 等（1893）分類的基礎上添加了三角板狀和十二邊板狀兩個類別組，小類也增加到了17 個?？偟膩碚f，Bentley 等（1931）和Nordenski?ld 等（1893）的分類更注重規(guī)則的、簡單的晶體，缺點是沒有考慮實際情況中的不規(guī)則粒子。

1938 年，Nakaya 重新定義了冰雪晶的分類方式，且分級也從之前的2 級改為3 級，分別是7 個大類18 個中類26 個小類。其中大類包括針狀（Needle）、柱狀（Columnar）、板狀（Plane）、板面結合狀（Combination of column and plane）、具有延展側面的柱狀（Columnar crystal with extended side planes）、帶有云粒子和霰的晶體（Crystal with cloud particles and Graupel）、無定形粒子（Amorphous snow particle），并將這種方法命名為“雪晶的一般分類”。在后續(xù)的研究中Nakaya 發(fā)現了冰雪晶的形狀會受到溫、濕度的影響（Nakaya，et al，1938）。

1948 年成立了國際冰雪委員會（ICSI）并統(tǒng)一了冰雪晶的分類。Schaefer（1954）作為會員收集了瑞士、日本、加拿大和美國等國相關分類經驗，制定了囊括世界各地大氣中出現的大部分冰雪晶粒子的基本分類形式，被稱為國際基本分類法（圖1）。該分類方法為目前最常用的固態(tài)降水分類法，內容包括形狀、特征和尺度（直徑）。其中特征包括破碎、帶凍滴、成簇和表面濕潤4 項，尺度分為5 等，雪晶形狀包含片狀、星狀、柱狀、針狀、立體枝狀、柱帽狀和不規(guī)則形狀（酆大雄，1975）。

圖1 冰雪晶粒子的國際分類法（Schaefer，1954）Fig.1 International classification of ice and snow crystals（Schaefer，1954）

Magono 等（1966）使用Nakaya（1954）的分類，從氣象上的物理意義出發(fā)觀察了北海道的天然冰雪晶，他們發(fā)現Nakaya（1954）的分類仍不足以描述冰雪晶類型的氣象差異。原因是Nakaya（1954）的分類方式規(guī)則中對應每一組有很多細小的類，不規(guī)則和凇附增長卻過于簡單，但實際上大部分的冰雪晶都是不規(guī)則的、不對稱的、有棱角的或是凇附小云滴的。因此，為消除對天然冰雪晶分類的不便，根據實驗室和外場實驗觀測結果，對Nakaya（1954）的分類進行了完善，將類別增加到了80 類（圖2）。其中對山頂觀察到的早期的冰雪晶新增了一個類別組，以此和從高處自然落到地面的成熟冰雪晶區(qū)分開。

圖2 Magono 等（1966）的天然雪晶氣象分類Fig.2 Meteorological classification of natural snow crystals by Magano et al（1966）

隨著研究的深入，冰雪晶的觀測逐步擴展到兩極地區(qū)（Kikuchi，et al，1979a，1979b；Walden，et al，2003）。Hogan（1975）觀測了夏季南極的冰雪晶，將觀察到的樣本在類別上分為4 類。Walden 等（2003）分析了來自南極高原冬季的冰雪晶粒子樣本，收集到的樣本有9 類且劃分成3 個類別組。

由于樹狀的分類方式以及舊的類別縮寫方式都不能充分體現晶體的變化過程，以及一些新類型的冰雪晶被發(fā)現，IACS（International Association of Cryospheric Sciences）雪分類工作組在2009 年（Fierz，et al，2009）對其國際雪分類方案（Schaefer，et al，1954；IASH，1970；Colbeck，et al，1990）進行了改進。新的方案對分類方式和類別的縮寫都做了修改。在分類上將其劃分為了9 個類組，這其中包含了自然云中冰雪晶、人造冰雪晶以及地面降雪等水成物，在類組上劃分成37 個小類。Fierz 等（2009）的分類不僅描述了其類別的形狀，還描述了粒子形成的位置、物理過程等其他的附加信息，可以幫助相關研究人員做進一步研究。

Kikuchi 等（2013）對Magono 等（1966）的分類方案進行了補充和修改。新方案將Magono 等（1966）的分類方案從80 類增加到121 類。其中，28 個類別是為了對1968 年以來在極地地區(qū)發(fā)現的新類型的雪晶進行分類，7 個類別是在重新考慮原有類別后設立的，6 個類別是為了對凍結的云粒和小雨滴等固體降水粒子進行分類。Kikuchi 等（2013）方案豐富了冰雪晶的分類種類，圖3 是該方案中各類冰雪晶粒子的示意圖。

圖3 Kikuchi 等（2013）全球冰雪晶分類方案中各種類示意Fig.3 Schematic diagram of various classes of Kikuchi et al（2013）global classification scheme of snow and ice crystals

Vázquez-Martín 等（2020）利用各地的冰雪晶觀測資料和用D-ICI 觀測到的冰雪晶資料對Magono 等（1966）分類方案做了補充，形狀類別從80 類增加到135 類，其中有34 類是用D-ICI 觀測到的，其圖像如圖4 所示。該研究主要關注冰雪晶形成時發(fā)生的沉積、凇附、攀附、碰撞等物理過程進行分類，旨在分析冰雪晶微物理特性與冰雪晶形狀的關系。

圖4 Sandra 在基律納發(fā)現的34 個冰雪晶新形狀（Vázquez-Martín，et al，2020）（右下角為1 mm 參考尺度）Fig.4 The 34 new shapes of snow and ice crydtals found in Kiruna by Sandra（Vázquez-Martín，et al，2020）（with a 1 mm scale bar shown as reference at lower right corner）

5 基于觀測數據的冰雪晶形狀分類識別技術

自動化粒子測量系統(tǒng)被開發(fā)出來以后，世界各地進行的飛機觀測、地面觀測積累了大量的冰雪晶資料。手工分析存在的不確定性大、主觀性高、耗時長等問題嚴重阻礙了冰雪晶粒子形狀對云中散射特性影響（陳琪等，2018）等研究。因此，一些學者針對冰雪晶粒子自動分類方法進行了研究，目前針對形狀的分類方法主要有兩種：一種是傳統(tǒng)的基于粒子的幾何特征參量的識別方法，另一種是基于人工智能的圖像識別方法。

以Holroyd 為代表的基于粒子的幾何特征參量的識別方法，是利用擬合直徑、粒子圖像像素點在x和y方向上的線性相關系數和圓度等其他幾何特征參量（統(tǒng)稱為 Holroyd 參數），通過設置參數閾值范圍，對粒子形狀進行分類（Holroyd Ⅲ，1987）。后續(xù)的基于幾何特征參量的識別方法多是基于Holroyd 參數的改進方法（Korolev，et al，2000）。王磊等（2014）借鑒 Holroyd 的分類思想，提出了適用于識別粒子灰度圖像的方法。由于 Holroyd 參數僅是通過設定閾值來線性擬合參量，該方法對于自然界中形狀變化多樣的云粒子而言，識別的準確率有限。黃敏松等（2020）提出了改進的Holroyd云粒子形狀識別方法，延續(xù)之前Holroyd 對冰雪晶粒子的分類方案。由于環(huán)境或設備原因，探測到的粒子圖像數據中含有偽粒子和不易識別的自然粒子，針對這一問題增加了粒子形狀預分類步驟，將完整的粒子和部分的粒子分為兩個獨立的模塊進行識別分類，分別選出相對應的幾何參數及其合適的閾值范圍再進行二次細分類。張榮等（2021）通過提取粒子形狀幾何特征參量，基于Holroyd 的方法改進了Holroyd 的分類標準?？傊?，傳統(tǒng)自動識別方法相較于人工分類在速度上有所提升，但針對不同探頭和不同地域環(huán)境的測量數據需選取不同的粒子形狀識別閾值，該方法存在難以設定適宜通用閾值的難題，通用性不強。

近年來，人工智能技術在對圖像和大數據的處理及分析中展現了巨大的應用潛力，在大氣科學中的應用也受到了研究人員的重視（Boukabara，et al，2019；Reichstein，et al，2019；Ebert-Uphoff，et al，2020；Touloupas，et al，2020）。人工智能尤其是深度學習技術陸續(xù)被應用于冰雪晶粒子形狀的自動分類研究中。Xiao 等（2019）基于CPI 探頭探測到的冰雪晶粒子圖像，創(chuàng)建了共10 個類別包含7282 張圖像的ICDC（Ice Crystals Database in China）冰雪晶圖像數據集，進一步基于ICDC 數據集將預訓練的殘差網絡模型ResNet152（He，et al，2016）應用到冰雪晶粒子形狀識別中，識別準確率達到了96%，遠高于傳統(tǒng)的分類方法，實現了高精度的自動分類。Wu 等（2020）將CIP 探頭觀測到的約2000 張冰雪晶粒子圖像劃分為8 個類別，使用基于神經結構搜索技術（Zoph，et al，2017）的網絡模型（Tan，et al，2019）進行分類，準確率達到了98%。Key 等（2021）將MASC 系統(tǒng)觀測到的約25000 張冰雪晶圖像劃分為5 類，基于MASC 數據集使用預訓練的殘差網絡模型ResNet50 進行訓練，準確率達到了96%。Thi 等（2022）使用預訓練的殘差網絡模型將5007 個冰雪晶粒子分成13 類，準確率也達到了93%。Touloupas 等（2020）研發(fā)的卷積神經網絡（CNN）冰雪晶分類技術被運用在全息冰雪晶探頭HOLIMO 的觀測數據（Lauber，et al，2021）處理中。圖5 為對某一時刻冰雪晶圖像的自動判別分類，模型自動統(tǒng)計出各冰晶形狀類型在各譜段的占比、濃度等信息（Lauber，et al，2021），結合這些冰雪晶分類信息的時序（圖6）使得分析降雪云物理機制的演變更加直觀和客觀。上述工作的優(yōu)點在于將在自然圖像分類任務中有優(yōu)良性能的卷積神經網絡直接應用于冰雪晶粒子圖像的分類，讓計算機代替人眼工作，極大地提高了分類精度，結果客觀定量，對增強云降水過程預報能力和人工影響天氣探測與作業(yè)效果評估能力有重大的現實意義。

圖5 卷積神經網絡對冰雪晶自動分類技術（Touloupas，et al，2020）在瑞士阿爾卑斯山區(qū)某一時刻觀測應用示例（Lauber，et al，2021）（注：這里的成熟雪晶為叢集或凇附雪晶）Fig.5 An application example of using the convolutional neural network（Touloupas，et al，2020）to classify ice and snow crystals of one slice in the Swiss Alps（Lauber，et al，2021）（note aged ice crystals here defined as aggregates and rimed particles）

圖6 卷積神經網絡對冰雪晶自動分類技術針對北極地區(qū)一次混合云降雪過程時序圖的應用示例（Pasquier，et al，2022）Fig.6 A application example of using the convolutional neural network to classify ice and snow crystals of time series data in the North Arctic region（Pasquier，et al，2022）

然而，冰雪晶形狀分類不同于自然圖像分類而具有自身的特殊性。首先，冰雪晶粒子形狀與它生長的溫、濕度條件有關，也和它在云中下落時所經歷路徑的環(huán)境條件有關（酆大雄，1963）。這種云降水微物理的復雜性使得采集的冰雪晶粒子在形狀上均呈現出不確定性，尤其是難以采集到與稀少物理過程相關的冰雪晶粒子圖像，數據集中這類粒子的樣本數量十分稀少，不可避免地出現了樣本分布不均衡問題。其次，冰雪晶粒子形狀的變化是對云中微物理過程的反映，不同類別的粒子相互轉化形狀差異不大，屬于細粒度識別問題。此外，不同于自然圖像含有豐富的紋理和細節(jié)信息，冰雪晶粒子圖像中主要是粒子的輪廓和形狀信息。因此，還需進一步開展適宜于冰雪晶粒子圖像分類方法的研究工作。

在已有工作的基礎上，中國氣象局人工影響天氣研究團隊根據業(yè)務需求以及近些年人工影響天氣積累的機載探測數據，充分考慮冰雪晶粒子形狀分類的特殊性，利用圖卷積對圖像結構信息良好的保留能力、對類內相似和類間相異進行建模的優(yōu)良特性，在現有卷積神經網絡分類模型的基礎上，設計了一個帶有超圖結構的圖卷積層的神經網絡分類模型Hy-Inet（Liao，et al，2021）。該超圖結構可以有效地提取冰雪晶粒子圖像的局部和全局特征，更好地捕捉到遠端頂點之間的結構關系，獲得更深層的特征信息，更有助于學習冰雪晶數據集中小樣本的特征，進一步提升了冰雪晶粒子形狀識別準確率，增強了模型的泛化能力和實用性?？偟膩砜矗摼W絡可有效提取更多的冰雪晶粒子形狀特征，提高分類時效與性能。結果表明Hy-Inet 識別準確率達到了98%。Hy-Inet 不僅顯著提升了冰晶粒子自動識別分類的準確率，而且其對冰雪晶形狀分類任務具有更好的普適性和應用前景。

6 冰雪晶形狀分類觀測研究的應用

基于對雪晶形成條件的了解，可以通過地面雪晶形狀及組成反推高空氣象條件（酆大雄，1975）。雪晶小且形狀單一，說明云層較薄；多種形狀的雪晶，則云層較厚。云的溫度和濕度也與晶型相關，例如針狀和枝狀出現的溫度范圍較窄，分別在-5℃和-15℃左右；針狀、星狀、立體枝狀、空心的棱柱和棱柱的組合，對應云的含水量較大；實心的棱柱、片狀等表明云中濕度較低尚未達到水面飽和。尺度較大與形狀復雜的雪晶經歷的氣象條件比較復雜，中心和邊緣分別反映高低兩層的溫、濕度情況。對雪的形狀做連續(xù)觀測，了解晶型隨時間變化序列，還可以了解降雪云層高度的變化，有較好的天氣學意義（酆大雄，1975）。此外，雪晶形狀特征也反映云內的物理過程，如帶有凍滴的雪晶，表明它穿過了過冷云（酆大雄，1975）。云的輻射特性與冰雪晶形狀等特性密切相關，尤其是卷云的輻射特性，與地-氣系統(tǒng)輻射平衡關系極大（陳琪等，2018）。

云內冰晶形狀、分布與增長過程的觀測有助于對降雨云系的三維結構和物理機制的深入認識（游來光等，1989；葉家東等，1992）。朱士超等（2014）基于華北兩次3 架飛機聯(lián)合積層混合云探測試驗，指出云中低層的冰晶形狀受云頂溫度影響，云頂溫度不同，冰晶形狀不同；冰晶形態(tài)還受其所處云中位置的影響，在積層混合云中如果嵌有對流區(qū)則冰晶中含有更多的凇附冰晶等。Hou 等（2021）分析了一次積層混合云飛機觀測數據，重點對比了層云區(qū)和對流雨核區(qū)冰雪晶凇附特征和譜分布，指出與層云區(qū)相比，在對流雨核區(qū)（-15 至-10℃）冰雪晶最大尺寸顯著較大，主要是由于冰雪晶形態(tài)由寬枝狀向輻枝狀及其聚合體轉變導致；在對流雨核區(qū)（-3 至-5℃），小尺寸冰雪晶濃度較大且凇附狀與針狀粒子共存。

云內冰晶形狀等觀測資料在人工影響天氣作業(yè)效果評估方面也得到了廣泛應用（陳萬奎等，1992；秦彥碩等，2017；Dong，et al，2020；Friedrich，et al，2021；Li，et al，2022）。陳萬奎等（1992）通過新疆的碘化銀消除過冷低云試驗圖像探頭資料發(fā)現播散碘化銀后云內冰晶發(fā)生聚并和撞凍云滴，導致冰雪晶尺度譜明顯拓寬，冰雪晶增長后不斷下落，播云位置能見度轉好。秦彥碩等（2017）通過一次混合云的催化響應航測，指出作業(yè)前云內冰晶以柱狀和霰粒子為主，作業(yè)后冰晶以霰粒子為主。中國華北、華中降雨云及美國冬季地形云播散試驗（Dong，et al，2020；Friedrich，et al，2021；Li，et al，2022）觀測資料均表明，播散碘化銀后冰雪晶粒子得到明顯增長，逐漸變成不規(guī)則形狀，并下落成降雨。

冰雪晶的形狀與降水過程的云系和天氣條件有關，反映了降水云系的動力學特征。酆大雄（1963）通過一次華北冬季弱降水系統(tǒng)的地面雪晶觀測等資料，指出該系統(tǒng)的降雪云為冰云，雪晶首先在4—6 km 高空形成，隨著槽線接近，形成層逐步降低。Colle 等（2014）指出美國冬季氣旋中心強凇附的粒子主要為針狀和霰粒，而在氣旋中心的西側主要為微弱凇附的片狀和輻枝狀雪花，是由于強凇附時段或位置對應更強的垂直運動和湍流。馬新成等（2021）基于地、空協(xié)同觀測研究了海坨山一次低槽降雪過程，結果表明降雪云系為冰云，冰雪晶的凝華-聚并增長是降雪的主要形成機制，大量枝狀雪花的攀附現象出現在地形云爬升階段（低層東風回流減弱，轉倒槽西南氣流控制）。

云的含水量（液相和冰相）因與潛熱釋放有關，是天氣動力學上的一個重要參數；而冰雪晶形狀的準確分類和描述有助于從觀測的冰雪晶數據中找到一種正確估算冰云含水量（IWC）的方法。基于冰雪晶形狀和譜分布估算IWC 的方法得到發(fā)展（Cotton，et al，2013；Erfani，et al，2016；Coutris，et al，2017），這些方法可以彌補無IWC 觀測儀的觀測分析，已經被用于基于卷云航測構建卷云氣候態(tài)數據庫中（如Kr?mer，et al，2020），從而建立IWC 與溫度的函數關系并用于改善全球氣候模式中卷云描述等。此外，基于觀測的冰相粒子形狀及其譜分布的參數化關系，不但可以使數值模式云微物理過程參數化更合理（Morrison，et al，2020），還有助于輻射傳輸模式對云內微波亮溫仿真能力的提高（Geer，et al，2021）。如Lawson 等（2019）基 于22 次卷云航測，指出不同的卷云生成類型其對應的冰晶主要形狀類型不同，并基于不同卷云生成觀測資料，分別建立了它們可用于數值模式的冰晶質量與形狀的函數關系。

綜上所述，冰雪晶形狀分類觀測在大氣物理及天氣、氣候研究等領域應用前景廣闊，從而對大氣科學學科的發(fā)展起重要的支撐作用。如何綜合利用這些觀測獲取的大數據為云降水物理機制、人工影響天氣作業(yè)評估、數值模式驗證和云微物理過程參數化等提供科學依據，將是冰晶形狀分類觀測的重要應用方向。

7 結論與展望

（1）半個多世紀以來，中國機載冰雪晶粒子觀測技術經歷了從20 世紀50 年代的人工手動鋁箔碰撞法觀測，20 世紀80 年代從國外引進的機載激光粒子探測系統(tǒng)（PMS）進行入云觀測，以及隨后的幾次技術更新?lián)Q代，到目前廣泛應用于云微物理結構和降水形成機制認識的機載冰雪晶粒子測量技術（DMT、SPEC），已逐步成為精準認識云霧降水形成機制的重要手段和人工影響天氣作業(yè)條件識別的重要技術支撐。但是，目前中國使用的粒子探測系統(tǒng)大多依靠進口，中國自主研發(fā)的同類產品尚處于初級階段，因此加快研制屬于中國完全自主知識產權的冰雪晶粒子探測系統(tǒng)非常必要。

（2）云室作為可模擬云中復雜條件進行冰雪晶研究的一種重要工具，也是進行冰相過程研究的重要手段。過去幾十年中用于研究冰雪晶的云室，其冰雪晶觀測技術在其中的應用從最早期的人工觀測、讀數發(fā)展到包括光學圖像觀測、粒子自動計數等都得到了很大創(chuàng)新。這些都極大地提高了研究人員的工作效率，加深了對冰雪晶生長過程的認識。相信隨著觀測技術的逐步發(fā)展，將會有更多能精準模擬自然云環(huán)境并能自動觀測冰雪晶形狀演變的設備研發(fā)出來。

（3）大氣中的冰雪晶粒子形狀種類繁多，云中不同類型的冰雪晶粒子的云物理特性不同，不同類型的冰雪晶粒子的質量和落速也不同。在國際范圍，對于冰雪晶的科學分類，一直是云物理觀測研究領域的重要課題。歷經多國多名著名云物理科學家或國際組織引領制定的“冰雪晶分類法”對其形狀的分類，走過了一條從觀測認識逐步深入、逐步準確，從外形直觀記錄到不同形狀輔以云物理增長特性的描述之路。

（4）隨著近幾年機器學習技術的不斷發(fā)展，中國開始嘗試將人工智能運用于冰雪晶分類自動識別中。但是，目前現有的冰雪晶粒子數據庫中的種類太少，且樣本數量分布不均，有些種類數量嚴重不足。所以，未來加快對數據庫中的冰雪晶種類、數量規(guī)模進行擴充，是促進該新技術應用能力和水平提升的重要途徑。當卷積神經網絡（CNN）運用到冰雪晶粒子識別時，有時存在分析人員缺失對云物理意義上粒子增長過程等因素的準確判斷，會影響到模型分類的精度，之后的工作應該將這些具有云物理意義的知識信息考慮在內，以顯著提升人工智能技術在冰雪晶粒子形狀自動識別中的應用能力和水平。

（5）以冰雪晶形狀研究為基礎，研究冰雪晶分布特征、云的冰相微物理過程的課題，在云微物理方面，可以為云降水物理與人工影響天氣學科提供冰相物理過程的直接觀測依據；在天氣尺度上，其與云系和天氣條件密切相關，反映了降水云系的動力特征，對其正確的分類、描述并參數化，不僅是天氣動力學的重要參數，也是提高云降水的數值模擬能力的重要觀測依據；在氣候尺度上，其與云輻射特性有密切關系，在氣候模式中其參數化過程也在地-氣系統(tǒng)輻射平衡中起重要作用。