2024年2月湖北省一次大范圍凍雨過程的宏微觀特征及形成機制初探

摘要：2024年2月長江中下游地區(qū)先后出現(xiàn)兩次低溫雨雪冰凍天氣，其中第一次過程（2月1-6日）凍雨表現(xiàn)出量大、范 圍廣、持續(xù)時間長、危害性強等特征。為此，基于湖北省80個國家氣象站激光雨滴譜儀觀測數(shù)據(jù)，結(jié)合氣象要素觀測資 料，對此次凍雨過程進行定量判斷，并對其宏微觀特征進行定量分析，結(jié)果表明：（1）此次過程凍雨區(qū)主要集中在江漢 平原和武漢城市圈等地，表現(xiàn)為液態(tài)降水維持時間長。（2）凍雨時數(shù)和凍雨量分布具有較好的一致性，其高值區(qū)均 呈現(xiàn)西北-東南走向，凍雨時數(shù)一般在15h以上，凍雨量超過24mm；凍雨集中期在2月2-3日，此時段各區(qū)間其數(shù) 濃度、液水含量、雨強和粒徑站時數(shù)占比均顯著高于該過程其他時段。（3）各地區(qū)平均凍雨滴譜分布呈單峰型，其峰 值數(shù)密度在200mm3·mm'左右。（4）構(gòu)建的Z-R關系不同于短歷時、區(qū)域性凍雨過程，能較好地實現(xiàn)對此類凍雨定量 估測降水（Quantitative Precipitation Estimation QPE）的估算。整個過程中質(zhì)量加權(quán)平均直徑（Dm））和歸一化截距參數(shù) （log1nN.）的平均值分別為1.07mm和3.03。（5）在水汽凝華、叢集和凇附機制的共同影響下，致密霰粒和冰晶聚合物融化形 成此次凍雨過程。

關鍵詞：凍雨；雨滴譜；時空分布；凍雨量；微物理特征

中圖法分類號：P401

文獻標志碼：A

DOI：10.12406/byzh.2024-131

Study on the macro and micro characteristics of a large–scale freezing

rain weather event in Hubei Province

ZHOU Yue12， Lü Jingjing3， GAO Zhengxu4， ZHOU Lingli1

（1.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;2. Key Laboratory for Transportation Meteorology of China Meteorological Administration， Nanjing Joint Institute for Atmospheric Sciences and Chinese Academy of Meteorological Sciences， Nanjing 210044; 3. Key Laboratory for Aerosol–Cloud–Precipitation of China Meteorological Administration， Nanjing University of Information Science and Technology， Nanjing 210044; 4. Wuhan Regional Climate Center， Wuhan 430074）

Abstract： In February 2024， two rounds of low temperature， rainfall/snowfall and freezing weather occurred in the middle and lower reaches of the Yangtze River. The first round of the event from February 1 to 6. Showed characteristics such as a large amount of freezing rain， wide range， long duration， and severe hazard. Based on the observation data of laser raindrop spectrometers from 80 national meteorological stations in Hubei Province， and combined with meteorological element observation data， this study quantitatively identified frozen rain and analyzed its macro and micro characteristics. The results are as follows. （1） During this rainfall/snowfall and freezing weather process， frozen rain mainly occurred in areas such as the Jianghan Plain and the Wuhan urban area， characterized by long-term maintenance of liquid precipitation. （2）

The distribution characteristics of freezing rain hours and freezing rain amounts were consistent， with high–value areas positioned along the"northwest–southeast direction. The duration of freezing rain was generally longer than 15 hours， while the freezing rain amount exceeded 24 mm. The peak period for freezing rain appeared from February 2 to 3 in 2024， with the proportion of numerical concentration， liquid water con- tent， rain intensity， and particle size station hours in each interval significantly higher than in other periods. （3） The average spectrum of frozen rain droplets in various regions showed an unimodal distribution， with the peak number density around 200 mm3mm-1. （4） The constructed Z-R relationship was different from short-term， regional frozen rain processes. It could effectively estimate the quantitative precipitation esti- mation （Quantitative Precipitation Estimation， QPE） of such frozen rain. The average values of Dm and logioN? throughout the entire process were 1.07 mm and 3.03 mm， respectively. （5） This freezing rain process was mainly influenced by the combined effects of water vapor condensa- tion， clustering， and glaze attachment mechanisms， and formed by the melting and formation of dense graupel particles and ice crystal poly- mers.

Key words： freezing rain; raindrop size distribution; spatiotemporal distribution; freezing rain amount; microphysical characteristics

引言

凍雨天氣是我國山區(qū)和平原地區(qū)冬季易發(fā)生的 一種氣象災害，其對電力和交通等行業(yè)造成的次生 災害事故經(jīng)常發(fā)生（胡毅，2005；李再華等，2008）。近 年來，我國南方地區(qū)凍雨災害受到多方重點關注，如 2008年和2018年的大范圍冰凍雨雪天氣讓人記憶 猶新，2022年2月中下旬南方低溫雨雪冰凍災害又被 應急管理部認定為2022年全國十大自然災害之一 （宗海鋒等，2022）。此外，2024年2月在強暖濕氣流和 冷空氣共同影響下，我國中東部地區(qū)發(fā)生了兩次大范圍 雨雪冰凍天氣，當時恰逢春節(jié)臨近，給交通出行、農(nóng)業(yè)生 產(chǎn)和電力輸送等造成了較大影響（張芳華等，2024）。

我國凍雨天氣主要表現(xiàn)為倒“T”字型分布，南方主要分布在（105°—120°E，25°—30°N）范圍內(nèi)，其中 貴州和湖南兩省凍雨最為頻發(fā)（王遵婭，2014；毛淑君 和李棟梁，2015）。低溫和降雨是導致凍雨發(fā)生的關 鍵氣象要素，而主導這兩者的適宜大氣環(huán)流形勢則是 基礎（Yang et al.，2021）。然而，隨著近年來災害性天氣 極端性和局地性的顯著增強，局地的邊界層特征成為 了判斷凍雨是否出現(xiàn)的關鍵。通常認為凍雨天氣的 形成主要有兩種機制：融化過程和過冷卻暖雨過程， 其分別表征了近地面存在暖層和無暖層存在時凍雨 發(fā)生的兩種層結(jié)特征（Zhou et al.，2016;Lu et al.，2022）。融化過程主導的凍雨主要發(fā)生在平原地區(qū)和 低海拔地區(qū)，而過冷卻暖雨過程主導的凍雨則集中在 中高海拔山區(qū)，以凍雨最為集中的貴州省貴陽和威寧 地區(qū)為例，有（無）暖層的凍雨過程占比分別為84.9%（15.1%）和18.8%（81.2%），凍雨過程的主導物理機制差 異顯著（陸正奇，2022）。

凍雨的宏微觀特征是凍雨天氣影響地面環(huán)境的 最重要物理要素，其中，凍雨的持續(xù)時間和雨強大小 會直接反映其致災強度，而凍雨的滴譜特征一方面和 雨滴整個生命史的各個階段密切相關（Rosenfeld and Ulbrich，2003），其微物理參數(shù)的分布范圍和相關特征可以間接反映雨滴在形成、生長、破碎和相變等過程 中的主要物理機制（Bringi et al.，2009；江雨霏等，2023）， 而另一方面凍雨滴的數(shù)濃度、粒徑和液水含量則會直 接主導雨滴碰凍到輸電線路表面的數(shù)量，進而影響電 線積冰的強度（Makkonen，2000）。盡管凍雨是冬季層 狀云降水過程中的一種，但是其微物理特征與典型層 狀云存在差別。Adhikari和Liu（2019）通過雷達觀測分 析了2014-2018年美國的凍雨過程，發(fā)現(xiàn)與一般降水 相比，凍雨發(fā)生的云體更加淺?。?～5km）且具有更弱 的雷達反射率，但與降雪過程相比則更深厚且強。

Chen等（2011）研究了安徽潛山地區(qū)凍雨過程的宏微觀 特征，發(fā)現(xiàn)其雨滴譜擬合參數(shù)之間的相關特征不同于 其他降水類型，且主要是由小冰晶融化導致，而不是 大雪花融化形成。同時，Jia等（2019）通過對北方海陀 山地區(qū)冬季降水的觀測結(jié)果進行分析后指出，相比于 Lognormal和Weibull分布，Gamma分布更適宜山區(qū)冬 季混合相態(tài)滴譜的擬合。與平原地區(qū)的凍雨相比，山 區(qū)凍雨具有更窄的滴譜、更短的持續(xù)時間以及更高的 發(fā)生頻率，且在降水過程的不同階段之間存在顯著的 相態(tài)轉(zhuǎn)化（Zhou et al.，2016）。

然而，上述的相關研究主要圍繞單站或某地區(qū)凍 雨過程展開研究，對于長時間、大范圍凍雨過程的研 究顯著偏少，更缺乏在對凍雨進行定量識別基礎上， 圍繞著凍雨量時空分布、微物理統(tǒng)計特征以及生消 機制等關鍵致災因子進行的分析。為此，本文圍繞 2024年2月1-6日影響湖北省大范圍地區(qū)的一次典 型凍雨天氣過程，針對此次過程中凍雨宏微觀特征方 面的科學問題，利用湖北省80個國家氣象站的激光 雨滴譜儀觀測數(shù)據(jù)，并結(jié)合L波段探空、地表溫度和 降水量等氣象要素觀測資料，對凍雨、雨-霰混合、 霰、霰-雪混合和雪等五種不同類型的降水進行了定 量判斷，進一步分析了凍雨的時空分布和重要致災 因子（凍雨量）的演變特征，隨后統(tǒng)計了凍雨微物理特 征量的分布特征，并對湖北省不同地區(qū)凍雨的滴譜 進行了對比分析，最后通過探究凍雨關鍵物理參量之間的相關特征，給出了此次凍雨天氣形成的主導物理 機制。

1資料與方法

1.1資料說明

激光雨滴譜儀作為一種高精度、低成本的降水滴譜 觀測設備已在我國各級氣象站廣泛布設（Han et al.，2022）。 本文利用的是2024年2月1-6日在湖北省80個國家 氣象站布設的由OTT Hydromet及華創(chuàng)公司生產(chǎn)的 Parsivel型激光雨滴譜儀，該設備是以激光為測量基 礎的粒子測量傳感器，能夠測量32個直徑通道和32 個速度通道范圍內(nèi)的降水粒子個數(shù)，其中直徑檔的寬度 范圍為0～26mm，而速度檔的寬度范圍為0～20m·s=1， 數(shù)據(jù)時間分辨率為1min。

由于激光雨滴譜儀信噪比的原因，前2個直徑通 道的觀測數(shù)據(jù)直接剔除，同時在對雨滴譜資料進行處 理之前，通過以下方法對數(shù)據(jù)進行質(zhì)量控制：（1）質(zhì)量控 制后的樣本中，將分鐘級的降雨強度小于0.1 mm·h'， 或者降水粒數(shù)少于10個的樣本視為噪聲并剔除（Tokay et al.，2013）；（2）利用有效觀測面積替代物理觀測面積 重新對降水微物理參數(shù)進行反演，以降低邊緣效應的 影響（Jaffrain and Berne，2011）；（3）固定降水密度采用Brandes等（2007）方法計算；（4）參考Chen等（2017）的方 法，剔除超過或低于經(jīng)驗下落末速度60%的降水粒子，以減少破碎粒子對觀測結(jié)果的影響；（5）由于存在 部分高海拔的站點，所以需要用（pd/p）°5對水成物粒子 的下落末速度進行訂正，其中p是實際空氣密度，po 是標準大氣密度（Niu et al.，2010;Jia et al.，2019）。獲 得80個國家氣象站雨、雨-霰混合、霰、霰-雪混合、 雪共五種相態(tài)的雨滴譜儀觀測數(shù)據(jù)，樣本量依次為132 851、21 561、27 773、19 488、6 593 min。

同時，結(jié)合同時期所對應80個國家氣象站的氣 溫、降水和地表溫度等相關資料，進一步對凍雨期間 地面氣象條件進行分析。

1.2降水相態(tài)定量識別

凍雨本質(zhì)是一種液態(tài)降水，但其一方面常與固態(tài) 降水粒子混合出現(xiàn)，另一方面則碰撞在物體表面后會 出現(xiàn)凍結(jié)的現(xiàn)象，所以要對其進行定量識別。降水類 型的判斷基于不同相態(tài)的降水粒子下落末速度與直 徑大小之間差異性的關系特征，其能夠很好的適用于 激光雨滴譜儀降水相態(tài)的識別與分類（Yuter et al.，2006;Tokay et al.，2014）。Lu等（2023）通過擬合觀測降 水粒子直徑-下落速度關系式，并與不同降水相態(tài)的 經(jīng)驗關系式進行弗雷歇距離f（Fréchet distance）的計 算與判斷，建立了降水相態(tài)匹配與識別的的客觀方法。對于Sf越接近0，則表明觀測的降水粒子相態(tài)與 理論曲線越接近。采用上述客觀分類方法，本研究中 的降水粒子相態(tài)分為雨、霰、雪花、雨霰混合及雪霰混 合類型。對于已經(jīng)識別為雨的降水，如果同時滿足地 面溫度小于0℃則將其歸類為凍雨（Chen et al.，2011； Garrett and Yuter， 2014;Jia et al.，2019）。

為了驗證2月1-6日雨滴譜儀反演得到液態(tài)降 水量（暖雨和凍雨）的可靠性，將其與雨量計觀測得到 的降水量進行對比分析，圖1給出了湖北省80個國家 站雨量計所測的日降水量和雨滴譜儀反演得到的日 累積液態(tài)降水量之間相關關系的散點圖，其中固態(tài)降 水主導的降水日不考慮，共有414個站日的降水量觀 測資料。可以看到，兩者呈較好的正相關關系，決定 系數(shù)為0.77，且擬合線的斜率僅略大于1而截距為 2.89，但存在擬合線上方散點的偏離程度明顯大于下 方的現(xiàn)象，這一方面表明了雨滴譜儀反演得到的降水 量能很好地反映實際降水的大?。ǜ吨究档龋?022； Zhou et al.，2024），而另一方面雨量計偏大的降水則與 觀測期間存在一定的霰和雪等固態(tài)降水有關，這與觀 測事實十分一致。

總之，雨滴譜儀反演得到的液態(tài)降水能夠很好地 應用在本文凍雨宏微觀特征的分析中。

1.3關鍵物理參量的計算

Gamma分布能夠有效反映凍雨滴譜的分布特征， 即

N（D）=ND'\"exp（-A D）

（1）

其中，No為濃度參數(shù)；μ為形狀因子，當ugt;0時曲線

向上彎曲，當μlt;0時曲線向下彎曲，當u=0時，Gamma分布轉(zhuǎn)變?yōu)镸-P分布；A為斜率參數(shù)。

本文分析用到的其他凍雨微物理參量包括雨滴 總數(shù)濃度N（m3）、液水含量Lwc（g·m3）、雨強R（mm·h-）、

反射率因子Z（（mm°·mm-3）、質(zhì)量加權(quán)平均直徑Dm（mm）和歸一化截距參數(shù)N（mm-1m3），其分別由以下各式計算得到（Chen et al.，2017;Lü et al.，2023）

2凍雨過程的宏觀特征

2.1降水過程概況

2024年2月1-6日的雨雪冰凍天氣表現(xiàn)出致災 過程時間長，且多相態(tài)降水頻繁出現(xiàn)的特征。因此， 圖2給出此次過程中的雨、雨-霰混合、霰、霰-雪混合 和雪共五種降水相態(tài)的累積時間和占比特征，從中看 到，此次降水過程表現(xiàn)為以雨為主，夾雜著霰、雪等固 態(tài)降水粒子，此次降水過程主要集中在武漢城市圈， 該地區(qū)的降水普遍接近或者超過3000min，其中武漢 城市圈的鄂州、武漢和仙桃地區(qū)降水出現(xiàn)時間最長， 均超過3300min。同時，雨作為此次降水過程的主導 相態(tài)，武漢城市圈地區(qū)的占比基本超過60%，而金沙、 咸寧、黃石和鄂州等地區(qū)的占比則超過90%。相比于 液態(tài)降水而言，霰是主要出現(xiàn)的固態(tài)降水粒子，而雪 花則很少出現(xiàn)。

不同于山區(qū)冬季降水過程中多相態(tài)頻發(fā)的特征

（Eidhammer et al.，2018;Gonzalez et al.，2021），此次雨 雪冰凍過程的相態(tài)分布極其有利于凍雨的出現(xiàn)和長 時間維持，液態(tài)降水最為集中的江漢平原和武漢城市 圈地區(qū)則具有容易凍雨致災的降水條件。

進一步選取武漢、天門、宜昌和金沙4站分別代表 武漢城市圈、江漢平原、鄂西南和鄂東南地區(qū)，分析 2024年2月1-6日凍雨、雨、雨-霰混合、霰、霰-雪混合和雪六種相態(tài)降水逐小時占比及其凍雨量的演變 特征（圖3），其中凍雨的判定標準見1.2?？傮w而言，降 水相態(tài)表現(xiàn)為雨-凍雨-固態(tài)降水的轉(zhuǎn)換特征，表現(xiàn)為 典型平原地區(qū)凍雨過程相態(tài)轉(zhuǎn)換的特征（Chen et al.，2011；Lu et al.，2023），其中，雨主要集中在2月1日，凍 雨主要集中在2月2-3日，之后則以固態(tài)降水為主，且江 漢平原和武漢城市圈等凍雨主要集中發(fā)生區(qū)域2月2-3 日基本沒有固態(tài)降水出現(xiàn)，穩(wěn)定持續(xù)的凍雨會導致電線 積冰的爆發(fā)性增長（Jones and Eylander，2017）。而位于鄂西南宜昌地區(qū)的凍雨則表現(xiàn)出凍雨和固態(tài)降水相 互夾雜的特征，反之位于鄂東南山區(qū)的金沙大氣本 底站（海拔751.6m）則表現(xiàn)為凍雨長時間穩(wěn)定維持， 僅有少量的固態(tài)降水出現(xiàn)，而這一地區(qū)也出現(xiàn)了此 次過程中湖北省最大的電線積冰厚度（平均冰厚超過40 mm）。

進一步分析武漢城市圈、江漢平原、鄂西南和鄂 東南地區(qū)共4個地區(qū)小時降水量的分布特征，可知，凍 雨量基本都小于4mm·h-1，且大部分小時降水量在 1mm以下，此次凍雨為典型的層狀云弱降水過程。

2.2凍雨量時空分布特征

凍雨量的定量估算無論是在雨雪冰凍天氣的預 報預警服務中，還是災后定量評估中均會起到無可替 代的作用，目前氣象業(yè)務、服務中凍雨量的大小主要 依靠人工觀測、稱重式雨量計以及模式預估產(chǎn)品獲 取，其數(shù)值不僅不夠準確、缺乏定量化的方法，而且物 理意義不明確。本節(jié)主要利用雨滴譜儀判別得到的 液態(tài)降水類型和降水量，結(jié)合地表溫度，實現(xiàn)對凍雨量時空分布的定量估算。

圖4給出2024年2月1-6日湖北省不同地區(qū)凍 雨時數(shù)和凍雨量的時空分布特征。圖4a顯示，凍雨時 數(shù)和凍雨量總體表現(xiàn)為一致性的分布特征，高值區(qū)呈 現(xiàn)出西北一東南走向，從江漢平原南部的荊州地區(qū)延 伸至武漢城市圈東北部的黃岡地區(qū)，凍雨時數(shù)一般在 15h以上，而凍雨量則超過24mm。同時，值得注意的 是，咸寧地區(qū)的崇陽和金沙表現(xiàn)出了此次冰凍雨雪過災性特征（Drage and Thiis，2012;宗海鋒等，2022）。

另外，從其時間變化上看（圖4b），與前文分析一致，即凍雨時數(shù)和凍雨量均主要集中在2月2-3日，多個地區(qū)連續(xù)兩天的凍雨量均在10mm以上，其中2月3日最強，金沙和天門的日凍雨量均超過25mm，且金沙幾乎全天均被凍雨天氣覆蓋。盡管此次雨雪冰凍天氣持續(xù)了近6d，但仍然可以看到凍雨天氣表現(xiàn)出一定的集中性特征，有針對性的進行防范和應對，能夠有效減少凍雨天氣的致災影響。

3凍雨過程的微物理特征

3.1凍雨關鍵微物理參量的統(tǒng)計特征

上節(jié)分析了凍雨天氣的宏觀特征，為了完整刻畫 此次大范圍凍雨天氣，對凍雨的微物理特征進行了分 析。圖5給出2024年2月1—6日湖北省凍雨天氣數(shù) 濃度、液水含量、雨強和粒徑的逐日分布規(guī)律，從中看出，數(shù)濃度、液水含量和雨強均在最小的數(shù)值區(qū)間 內(nèi)表現(xiàn)得最為頻發(fā)，分別為0～100m3、0～0.02g·m-3和 0～0.5mm·h21，而粒徑大小的頻發(fā)區(qū)間主要集中在 0.6～0.7mm，4個物理量的峰值則分別為1100m=3、0.33g·m=3、4.5mm·h1和1.4mm。并且隨著區(qū)間數(shù)值的增大，2日和3日數(shù)濃度、液水含量和雨強站時數(shù)的 占比明顯增加，而粒徑則在大于峰值區(qū)間之后才有這 一特征出現(xiàn)。同時，2日和3日凍雨粒徑在0.5～0.9mm 連續(xù)4個區(qū)域間范圍的站時數(shù)均為50左右，明顯大于 其他時期，這表明較大的凍雨滴對這一時段較強的凍 雨貢獻明顯。

3.2凍雨的平均滴譜分布

此次過程中不同地區(qū)凍雨的平均譜見圖6，從中 看到，各地的平均雨滴譜均為單峰分布，小雨滴端曲線向下彎曲，峰值數(shù)密度主要位于0.44～0.69mm，而最 大粒徑基本都小于5mm，其中值得注意的是，凍雨較 強的金沙、潛江、天門和仙桃等地區(qū)峰值數(shù)密度主要集 中在0.56～0.69mm，而凍雨偏弱的恩施、神農(nóng)架、十堰 和襄陽等地區(qū)峰值數(shù)密度則主要為0.44mm，且即使是 地理位置非常接近的潛江、天門和仙桃，凍雨的平均譜 均存在較為明顯的差異性特征（圖6d）。進一步對比各個 地區(qū)的凍雨峰值數(shù)密度，潛江地區(qū)峰值數(shù)密度最大， 在0.56mm處超過800mm=3·mm=1，鄂州在同樣粒徑處 的峰值數(shù)密度超過400mm-2mm-，而其他地區(qū)的峰值 數(shù)密度基本小于200mm3·mm-，小于江漢平原和安徽 潛山地區(qū)的區(qū)域性、短歷時凍雨過程（Chen et al.，2011；Lu et al.，2023），這種譜形的差異性和峰值數(shù)密度的 低值特征與此次凍雨過程較長的持續(xù)時間密不可分。

3.3凍雨關鍵滴譜參量的相關關系

雨滴譜的觀測結(jié)果常被用在QPE的估算中， 其經(jīng)驗函數(shù)形式為Marshall and Palmer（1948）提出的Z=ARh。該公式通過經(jīng)驗常數(shù)A和b描述了雨強R（mm·h-）和雷達反射率因子Z（mm°·m3）之間的關 系，這取決于降水類型、微物理性質(zhì)、地理位置和氣 候區(qū)域。系數(shù)A與雨滴的大小有關，指數(shù)b代表降雨 的微觀物理特征，指數(shù)b=1則表示其為在穩(wěn)定和平 衡降雨，而bgt;1則表明降水滴譜受到到粒子大小以 及混合過程的影響（Seela et al.，2017）。因此，在局地觀測基礎上選取合適的A和b，可以改善不同地區(qū)不 同降雨事件類型的降水估算，而凍雨作為一種能夠反 應固態(tài)和液態(tài)之間轉(zhuǎn)換的降水形式，對其Z-R關系的研究相對較少。圖8給出R作為Z和（A，b）的函數(shù) 的散點圖，這些散點是由此次凍雨事件期間所有站 點的觀測值得出。

此次長時間、大范圍凍雨過程的Z-R關系為Z= 216.95R1.79，相較于中緯度層云降水（Marshall and Palm-er，1948）、安徽潛山凍雨（Chen et al.，2011）、江蘇南京層云降水（Wen et al.，2019）、北京層云降水（Luo et al.，2021）和江漢平原凍雨（Lu et al.，2023）的Z-R關系，雖然均為層狀云降水過程，但A和b值在不同區(qū)域的分布存在顯著差異。江蘇南京層云降水A值最大，由于系數(shù)A與Dm成正比（Steiner et al.，2004），豐富的水汽條件使得南京層狀云的降水雨滴最大。安徽潛山凍雨的A值最 小，b值次之，這可能與大量的小雨滴有關。最值得注意的是，（A，b）在該凍雨事件中的分布與中緯度層云降水和江漢平原凍雨非常接近，A值介于兩者之間，而b 值則甚至表現(xiàn)出比地理位置相近、但短歷時且小范圍 的凍雨更大的數(shù)值（Lu et al.，2023），更大于其他層狀云 降水的數(shù)值，這可能與凍雨不同于普通層狀云降水的 微物理機制有關（Pu et al.，2020）。

Dm和N是降水過程中的兩個關鍵微物理參量，兩者 的分布規(guī)律盡管存在著地區(qū)差異性特征，但是依然能夠 在一定程度上反映降水形成的物理機制。Dolan等（2018）對大量的雨滴譜數(shù)據(jù)集進行主成分分析（PCA），進而給出了用于區(qū)分不同降水機制的Do-log1oN、分布圖。Gonzalez等（（2021）則進一步將其應用在山區(qū)冬季降水 過程的分析中。

為了更好地揭示此次凍雨形成的可能機制及其 與類似降雨過程log1oN和Dm的差異，將本次過程中獲 得的logoN?-Dm關系與安徽潛山凍雨（Chen et al.，2011）、江漢平原凍雨（Lv et al.，2023）以及湖北地區(qū)層云降水過程（Fu et al.，2020）中的關系進行比較（圖8）。安徽潛山地區(qū)凍雨的平均Dm值最小，但平均log10N值最大（分 別為0.63mm和4.25），這表明此次凍雨過程主要是由 微小的凇附雪粒融化形成，而雪花的融化往往會導致 層狀云降水表現(xiàn)為較大的Dm，和較小的log1oN.（Bringi et al.，2003）。江漢平原凍雨和湖北層云降水則表現(xiàn)出增大的Dm和減小的log1oNw，Dm為1.0mm～1.25mm，而log10Nw為3.75～3.9，表明存在干燥大雪花的融化，凝結(jié)-碰撞一 聚結(jié)過程有利于大雨滴的形成（Martinez and Gori，1999）。

圖8中幾乎所有來自本次凍雨過程的log1oN-Dm散點均位于Bringi等（2003）提出的對流/層狀分離線以 下，它被廣泛用于區(qū)分對流降水和層狀降水。2月1— 6日凍雨過程的log10Nw和Dm數(shù)值較為接近，其中3日和4日的Dm略大，接近1.12mm，2日和5日的Dm略大，為0.95mm左右，而log10N的數(shù)值均集中在3.0左右， 顯著小于其他短歷時凍雨和本地區(qū)的層狀云降水過 程。整個過程中Dm和log10N的平均值分別為1.07mm和3.03，概率密度呈現(xiàn)為單峰型分布，且均表現(xiàn)為分散 型的分布特征，小雪粒的融化較少，更多的是致密霰 粒和冰晶聚合物的融化（Zhang et al.，2019）。

進一步結(jié)合Dolan等（2018）給出的不同log1oN。和Dm相關關系下降水形成的主導物理機制，嘗試定性揭示此次凍雨事件的物理機制。此次過程的log1oN、-Dm 散點主要分布在Dm小于1mm且log1oN小于4的水汽 凝華機制的區(qū)域，Dm大于1.1mm且log1oNw小于3的叢集和凇附機制的區(qū)域，以及兩者之間的空白區(qū)域。不同于 短歷時的平原凍雨過程（Chen et al.，2011;Lü et al.，2023） 受到較明顯弱對流的影響，此次凍雨過程主要受到水 汽凝華、叢集和凇附機制的共同影響，導致Dm和log1oN的平均值位于此兩種機制之間的空白區(qū)域，進而形成大小適中的Dm和偏小的log1oN。

4結(jié)論與討論

利用2024年2月1-6日湖北省80個國家氣象站 的激光雨滴譜儀觀測數(shù)據(jù)，并結(jié)合地表溫度、降水量 等氣象要素觀測資料，對凍雨、雨-霰混合、霰、霰-雪 混合和雪等五種不同類型的降水進行定量判斷，揭示 凍雨重要致災因子（凍雨時數(shù)和凍雨量）的時空演變 特征，統(tǒng)計分析凍雨微物理特征量的分布及其之間的 相關特征，并給出此次凍雨天氣形成的主導物理機 制。主要結(jié)論如下：

（1）此次雨雪冰凍天氣過程中湖北各地降水時長 普遍接近或者超過3000min，其中降水相態(tài)以液態(tài)降 水為主，夾雜著霰、雪等固態(tài)降水粒子；凍雨時數(shù)和凍雨量總體表現(xiàn)為一致性的分布特征，高值區(qū)從江漢平 原南部的荊州地區(qū)延伸至武漢城市圈東北部的黃岡 地區(qū)，凍雨時數(shù)一般在15h以上，而累計凍雨量則超 過24mm，其中咸寧地區(qū)的崇陽縣凍雨強度最大，31h 凍雨過程中累計凍雨量為45.6mm；2月2-3日是凍 雨最為集中的時期，多個地區(qū)連續(xù)兩天的凍雨量均在 10mm以上，其中2月3日金沙和天門的日凍雨量均超 過25mm，且金沙幾乎全天被凍雨天氣覆蓋。

（2）數(shù)濃度、液水含量和雨強均在最小的數(shù)值區(qū)間 內(nèi)站時數(shù)顯著偏大，分別為0～100m3、0～0.02g·m3和 0～0.5mm·h=1，而粒徑大小的頻發(fā)區(qū)間主要集中在0.6～ 0.7mm，且不同物理量各個區(qū)間范圍內(nèi)2月2-3日站 時數(shù)的占比均為主導地位；不同凍雨的平均譜均為單 峰型分布，峰值數(shù)密度主要位于0.44～0.69mm，而最大 粒徑基本均小于5mm，潛江和鄂州的峰值數(shù)密度較 大，分別超過800mm-3·mm1和400mm-3·mm=1，其余地 區(qū)基本小于200mm-3·mm1。

（3）此次凍雨過程的Z-R關系為Z=216.95R179，b值甚至大于地理位置相近層云降水或短歷時且小范圍凍雨過程的數(shù)值，能夠更好地應用于大范圍、長持 續(xù)凍雨過程的QPE推算中。

（4）整個凍雨過程Dm和log1oN的平均值分別為 1.07mm和3.03，概率密度呈現(xiàn)為單峰型分布，且均表 現(xiàn)為分散型的分布特征，小雪粒的融化較少，更多的 是致密霰粒和冰晶聚合物的融化，過程主要受到水汽 凝華、叢集和凇附機制的共同影響，進而形成大小適 中的Dm和偏小的logioNw。

需要指出的是，盡管本文對此次大范圍、長時間 凍雨過程的宏微觀特征進行了初步分析，其中仍有較 多科學問題亟需深入探討，如由于Parsivel型激光雨 滴譜儀本身的局限性，如何利用二維視頻雨滴譜儀的 觀測結(jié)果，對凍雨出現(xiàn)情景下激光雨滴譜儀的觀測結(jié) 果進行訂正，凍雨量對不同地區(qū)電線積冰厚度和強度的 定量影響，水成物宏微觀特征的垂直分布對地面凍雨生 消的作用是什么等，這些科學問題有待進一步研究。

參考文獻（References）：

付志康，萬蓉，肖艷姣，等.2022.業(yè)務DSG5型降水現(xiàn)象儀與Parsivel降水滴譜儀測量參數(shù)對比分析[J].暴雨災害，41（4）：434-444.FuZK，Wan

R， Xiao Y J， et al. 2022. Comparison of precipitation measurement by DSG5 and Parsivel present weather instrument [J]. Torrential Rain and Disasters，41（4）：434–444 （in Chinese）. doi：10.3969/j.issn.1004-9045.2022.04.008

胡毅.2005.輸電線路大范圍冰害事故分析及對策[J].高壓電技術(shù)，31（4）：

14–15. Hu Y. 2005. Analysis and countermeasures for large area acci– dent cause by icing on transmission line [J]. High Voltage Engineering， 31（4）：14–15 （in Chinese）. doi：10.13336/j.1003–6520.hve.2005.04.006

江雨霏，楊蓮梅，曾勇，等.2023.昭蘇夏季層狀云和對流云降水的雨滴譜 特征[J].沙漠與綠洲氣象，17（3）：8-16.Jiang Y F，Yang L M，Zeng Y， et al. 2023. Characteristics of raindrop size distribution for stratiform and convective precipitation in summer in Zhaosu [J]. Desert and Oasis Meteorology，17（3）：8–16 （in Chinese）. doi：10.12057/j.issn.1002–0799.2023.03.002

李再華，白曉民，周子冠，等.2008.電網(wǎng)覆冰防治方法和研究進展[J].電網(wǎng)技術(shù)，32（4）：7-14.Li ZH，Bai X M，Zhou ZG，et al.2008.Prevention and treatment methods of ice coating in power networks and its recent sstudy [J]. Power System Technology，32（4）：7-14 （in Chinese）. doi：

10.13335/j.1000-3673.pst.2008.04.009

陸正奇.2022.冬季降水相態(tài)的理論模型構(gòu)建及地形的影響研究[D].南京：南京信息工程大學.Lu ZQ.2022.Construction of a theoretical model of winter precipitation type and the influence of terrain on the distribution of precipitation types [D]. Nanjing：Nanjing University of Information Science and Technology （in Chinese）. doi：10.27248/d.cnki.gnjqc.2022.000036

毛淑君，李棟梁.2015.基于氣象要素的我國南方低溫雨雪冰凍綜合評估[J].冰川凍土，37（1）：14-26.Mao S J，Li D L.2015.Comprehensive assessment of low temperature， snow and freezing weather in southern China based on meteorological elements [J]. Journal of Glaciology and Geocryology，37（1）：14–26 （in Chinese）. doi：10.7522 /j.issn.1000–0240.2015.0002

王遵婭.2014.近50年中國大范圍持續(xù)性冰凍天氣過程的變化特征[J].高原氣象，33（1）：179-189.Wang ZY.2014.Change features of the ex- tensive and persistent ice–freezing processes of China in recent 50 years [J]. Plateau Meteorology，33（1）：179-189 （in Chinese）. doi：10.7522/j.issn.1000-0534.2012.00183

張芳華，許先煌，權(quán)婉晴，等.2024.2024年春運期兩次極端雨雪冰凍天氣 過程對比分析[J].暴雨災害.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 and Disasters （in Chinese）. doi：10.12406/byzh.2024–095

宗海鋒，布和朝魯，彭京備，等.2022.中國南方大范圍持續(xù)性低溫、雨雪和 冰凍組合性災害事件：客觀識別方法及關鍵特征[J].大氣科學，46（5）： 1055–1070. Zong H F， Bueh C L， Peng J B， et al. 2022. Combined di– saster events of extensive and persistent low temperatures， rain/snow， and freezing in Southern China： Objective identification and key fea- tures [J]. Chinese Journal of Atmospheric Sciences，46（5）：1055–1070（in Chinese）. doi：10.3878/j.issn.1006–9895.2108.21052

Adhikari A， Liu C T. 2019. Remote sensing properties of freezing rain events from space [J]. Journal of Geophysical Research： Atmospheres，124（19）：10385-10400. doi：10.1029/2019JD030788

Birk K， Lenning E， Donofrio K， et al. 2021. A revised Bourgouin precipita– tion-type algorithm [J]. Weather and Forecasting， 36（2）：425–438. doi： 10.1175/WAF-D-20-0118.1

Bourgouin P. 2000. A Method to Determine Precipitation Types [J]. Weather and Forecasting，15（5）：583–592. doi：10.1175/1520–0434（2000）015lt;05

83：AMTDPTgt;2.0.CO;2

Brandes E A， Ikeda K， Zhang G F， et al. 2007. A statistical and physical description of hydrometeor distributions in Colorado snowstorms using a video disdrometer [J]. Journal of Applied Meteorology and Climatology，

46（5）：634-650. doi：10.1175/JAM2489.1

Bringi V N， Chandrasekar V， Hubbert J， et al. 2003. Raindrop size distribution in different climatic regimes from disdrometer and dual–polarized radar analysis [J]. Journal of the Atmospheric Sciences，60（2）：354-365.

doi：10.1175/1520-0469（2003）060lt;0354：RSDIDCgt;2.0.CO;2

Bringi V N， Williams C R， Thurai M， et al. 2009. Using dual–polarized ra– dar and dual–frequency profiler for DSD characterization： A case study from Darwin， Australia [J]. Journal of Atmospheric and Oceanic Tech- nology，26（10）：2107-2122. doi：10.1175/2009JTECHA1258.1

Chen B， Hu Z， Liu L， et al. 2017. Raindrop size distribution measurements at 4，500 m on the Tibetan Plateau during TIPEX–III [J]. Journal of Geophysical Research： Atmospheres，122（20）：11092–11106. doi：10.1002/2017JD027233

Chen B J， Hu W， Pu J P. 2011. Characteristics of the raindrop size distribution for freezing precipitation observed in southern China [J]. Journal of Geophysical Research： Atmospheres， 116（D6）：D06201. doi：10.1029/2010JD015305

Dolan B， Fuchs B， Rutledge S A， et al. 2018. Primary modes of global drop size distributions [J]. Journal of the Atmospheric Sciences，75（5）：

1453-1476. doi：10.1175/JAS-D-17-0242.1

Drage M A， Thiis T K. 2012. Large–scale measurements and numerical simulations of in-cloud icing around a mountain ridge [J]. Journal of Wind Engineering amp; Industrial Aerodynamics，104–106：523–531. doi：10.1016/j.jweia.2012.02.028

Eidhammer T， Grubisié V， Rasmussen R， et al. 2018. Winter precipitation efficiency of mountain ranges in the Colorado Rockies under climate change []]. Journal of Geophysical Research： Atmospheres，123（5）：

2573-2590. doi：10.1002/2017JD027995

Fu Z K， Dong X Q， Zhou L L， et al. 2020. Statistical characteristics of rain– drop size distributions and parameters in central China during the Mei- yu seasons [J]. Journal of Geophysical Research： Atmospheres， 125：

e2019JD031954， doi：10.1029/2019JD03

Garrett T J， Yuter S E. 2014. Observed influence of riming， temperature， and turbulence on the fall speed of solid precipitation [J]. Geophysical Research Letters，41（18）：6515–6522. doi：10.1002/2014GL061016

Gonzalez S， Bech J， Garcia–Benadi A， et al. 2021. Vertical structure and microphysical observations of winter precipitation in an inner valley during the Cerdanya-2017 field campaign [J]. Atmospheric Research， 264：105826. doi：10.1016/j.atmosres.2021.105826

Han Y， Guo J P， Li H J. et al. 2022. Investigation of raindrop size distribution and its potential influential factors during warm season over China [J].

Atmospheric Research，275：106248. doi：10.1016/j.atmosres.2022.106248

Jaffrain J， Berne A. 2011. Experimental quantification of the sampling un– certainty associated with measurements from PARSIVEL disdrome- ters [J]. Journal of Hydrometeorology，12（3）：352-370. doi：10.1175/2010 JHM1244.1

Jia X C， Liu Y G， Ding D P. 2019. Combining disdrometer， microscopic photography， and cloud radar to study distributions of hydrometeor types， size and fall velocity [J]. Atmospheric Research，228：176–185.

doi：10.1016/j.atmosres.2019.05.025

Jones K， Eylander J. 2017. Vertical variation of ice loads from freezing rain[J]. Cold Regions Science and Technology，143：126–136. doi：10.1016 /j.coldregions.2017.07.008

Lu Z Q， Han Y X， Liu Y G. 2021. Occurrence of warm freezing rain： observation and modelling study [J]. Journal of Geophysical Research： Atmospheres，127（5）：e2021JD036242. doi：10.1029/2021JD036242

Luo L， Guo J， Chen H N， et al. 2021. Microphysical characteristics of rain– fall observed by a 2DVD disdrometer during different seasons in Bei- jing， China [J]. Remote Sensing，13（12）：2303. doi：10.3390/rs13122303

Lv J， Zhou Y， Fu Z， et al. 2023. Variability of raindrop size distribution during a regional freezing rain event in the Jianghan Plain of Central China [J]. Advances in Atmospheric Sciences，40（4）：725–742. doi：10.1007/s00376-022-2131-1

Makkonen L. 2000. Models for the growth of rime， glaze， icicles and wet snow on structures [J]. Philosophical Transactions of the Royal Society of London. Series A： Mathematical， Physical and Engineering Scienc–es，358（1776）：2913-2939. doi：10.1098/rsta.2000.0690

Marshall J S， Palmer W M K. 1948. The distribution of raindrops with size [J]. Journal of the Atmospheric Sciences，5（4）：165-166. doi：10.1175/ 1520-0469（1948）005lt;0165：TDORWSgt;2.0.CO;2

Martinez D， Gori E G. 1999. Raindrop size distributions in convective clouds over Cuba [J]. Atmospheric Research，52（3）：221–239. doi：10.1016/S0169-8095（99）00020-4

Niu S J， Jia X C， Sang J R. et al. 2010. Distributions of raindrop sizes and fall velocities in a semiarid plateau climate： Convective versus stratiform rains [J]. Journal of Applied Meteorology and Climatology，49（4）：

632-645. doi：10.1175/2009JAMC2208.1

Pu K， Liu X C， Wu Y， et al. 2020. A comparison study of raindrop size distribution among five sites at the urban scale during the East Asian rainy season [J]. Journal of Hydrology，590：125500. doi：10.1016/j.jhy-

drol.2020.125500

Rosenfeld D， Ulbrich C W. 2003. Cloud microphysical properties， processes， and rainfall estimation opportunities [J]. Meteorological Monographs，

30：237-237. doi：10.1175/0065-9401

Seela B K， Janapati J， Lin P L， et al. 2017. A comparison study of summer season raindrop size distribution between Palau and Taiwan， two islands in Western Pacific [J]. Journal of Geophysical Research： Atmospheres，122（21）：11787-11805. doi：10.1002/2017JD026816

Steiner M， Smith J A， Uijlenhoet R. 2004. A microphysical interpretation of radar reflectivity-rain rate relationships [J]. Journal of the Atmospheric

Sciences，61（10）：1114–1131. doi：10.1175/1520–0469（2004）061lt;1114：

AMIORRgt;2.0.CO：2

Tokay A， Petersen W A， Gatlin P， et al. 2013. Comparison of raindrop size distribution measurements by collocated disdrometers [J]. Journal of Atmospheric and Oceanic Technology，30（8）：1672–1690. doi：10.1175/ JTECH-D-12-00163.1

Tokay A， Wolff D B， Petersen W A. 2014. Evaluation of the new version of the laser-optical disdrometer， OTT Parsivel2 [J]. Journal of Atmospheric and Oceanic Technology，31（6）：1276–1288. doi：10.1175/JTECH-D-13-00174.1

Wen L， Zhao K， Wang M Y， et al. 2019. Seasonal variations of observed raindrop size distribution in East China [J]. Advances in Atmospheric Sciences，36（4）：346–362. doi：10.1007/s00376–018–8107–5

Yang L， Chen M X， Wang X L， et al. 2021. Classification of precipitation type in North China using model–based explicit fields of hydrometeors with modified thermodynamic conditions [J]. Weather and Forecasting，

36（1）：91-107. doi：10.1175/WAF-D-20-0005.1

Yuter S E， Kingsmill D E， Nance L B. et al. 2006. Observations of precipitation size and fall speed characteristics within coexisting rain and wet snow [J]. Journal of Applied Meteorology and Climatology，45（10）：1450– 1464. doi：10.1175/JAM2406.1

Zhang A S， Hu J J， Chen S， et al. 2019. Statistical characteristics of raindrop size distribution in the monsoon season observed in Southern China [J].

Remote Sensing，11（4）：432. doi：10.3390/rs11040432

Zhou L L， Zhou Y， Fu Z K， et al. 2024. Vertical structures and microphysical mechanisms of winter precipitation over the southwestern mountainous area of China [J]. Atmospheric Research，303：107346. doi： 10.1016/j.atmosres.2024.107346

Zhou Y， Niu S J， Lv J J， et al. 2016. The effect of freezing drizzle， sleet and snow on microphysical characteristics of supercooled fog during the ic– ing process in a mountainous area [J]. Atmosphere，7（11）：143. doi：10.3390/atmos7110143

（責任編輯何明瓊）