引言

从2014年1月起取消地面人工观测后，目前对冬季降水相态的判别还没有好的办法，尤其浙江省冬季经常出现雨、雪、霰共存并且转换频繁，这给预报员对实况天气把握带来很大的难题，严重影响预报质量。在降水相态判别研究方面，国内外利用风廓线雷达对降水粒子相态的研究很少，大多集中于个例分析上，研究都给出了一些指标，但大多是根据少量个例得出的，并且每个人研究结果都有些差异。如许爱华等(2006)对2005年一次寒潮天气过程的低层大气温度结构特征进行了分析，认为925 hPa以下的大气温度是南方降水相态转换的关键，925 hPa温度≤－2℃可作为固态降水的预报依据。梁红等(2010)分析一次沈阳暴雪过程中提到850 hPa温度＜0℃，地面2 m温度＜0℃作为降雪依据。李江波等(2009)总结了一次强冷空气过程，指出0℃层的明显下降、降雪发生时地面温度在0℃左右和1000 hPa温度在2℃以下可作为雨雪转换的判据，并发现850 hPa温度变化幅度大，但对降水相态的影响不大，925 hPa以下温度对降水相态起主要作用。而刘建勇等(2013)对南方两次降雪过程分析表明，0℃层高度和925 hPa温度-2℃指标在这两次过程中并不适用。漆梁波等(2012)、沈玉伟等(2013)、廖晓农等(2013)、杨成芳等(2013)、董全等(2013)、隋玉秀等(2015)和许美玲等(2015)对雨雪个例进行研究，给出了一些判断降水和降雪的推荐指标和阈值，但这些阈值是根据前人文献中引用来，并没有进行筛选验证。

风廓线雷达可以探测气流的垂直速度，在有降水情况下可探测得到降水粒子的下落末速和气流的垂直速度，可以通过分析垂直速度的功率谱密度直接得到粒子的下落速度。下落末速和降水粒子的直径、相态有关，从理论上来说在一般雨滴垂直下落速度快，雪花下落速度慢，因此可以通过分析风廓线雷达测得的粒子下落速度应该可以很容易分辨出降水和降雪。王晓蕾等(2010)利用风廓线雷达垂直速度进行了降水云体中雨滴谱研究，施红蓉等(2014)利用风廓线雷达对降水相态变化的观测分析，王令等(2014)对风廓线雷达的垂直速度进行了应用的初探。Currier等(1992)、Chilson等(1993)研究表明UHF风廓线雷达可以明显探测到小雨、毛毛雨、和雪。Gossard(1988)、Rajopadhyaya等(1993)的研究UHF和VHF雷达在一定条件下，可以反演出降水相态以及雨滴大小分布。Ralph(1995)研究表明对于404 MHz, 如果降水粒子足够大，产生0.5~0.9 m·s^-1的终端速度，可以识别为降雪，达到3~5 m·s^-1的终端速度可以认为是降雨。浙江省布网的边界层风廓线雷达的频率是1200 MHz，在这个频率下对降水粒子的识别效率如何，区分降雨和降雪的阈值是多少，需要用本地区的数据进行统计分析。

基于上述，本文将利用浙江7部风廓线雷达探测资料，进行风廓线雷达垂直速度研究，通过对不同降水相态的降水粒子下落速度数据分析，建立其与冬季降水相态的相关关系，得到不同降水相态的垂直速度特征，同时结合浙江复杂地理环境和气候背景特征、温度、湿度层结，针对本地天气个例进一步分析，得出符合浙江的判别雨雪的最佳阈值。

1 资料介绍

本文所用的7部风廓线雷达(布设)浙江，为边界层CFL-03型风廓线雷达，具体雷达站表信息如表 1。

风廓线雷达垂直速度资料选取2014年2月的3次明显的降雪过程(8—9日、12—13日、18—19日)，以选取个例为中心处理出1—3月的所有雨、雪、雨夹雪的时间段，细化到分钟，共取得降雪过程5站630—786个样本(由于有一些空值, 所以不同高度样本数不同)，雨夹雪过程5站143个样本，降雨过程7站240~300个样本。选取同一时间段的不同相态的降水过程来比较研究，更有助于对这一时间段的降水相态进行判别。根据选取的雪、雨夹雪、雨的天气过程时间段来处理浙江全省7部风廓线雷达6 min一次的数据，采用时间段内所有数据的60、120、240、540、1080、2040 m高度上的垂直速度数据。

另外选取浙江省2011—2014年共8次雨雪转换过程，分别是2011年1月15—20日、2012年1月4—6日、20—24日、2月24—28日、12月26—29日，2013年1月2—8日、2月6—10日，2014年2月8—10日，采用全省3个探空站(杭州、衢州、洪家)，08和20时的高空观测以及地面天气现象。把每一站次探空观测作为一个样本，共得到157个降水样本，其中79个降雨，46个降雪，32个雨夹雪(冰粒)。

2 判别指标统计特征 2.1 风廓线雷达垂直速度统计特征

选出2014年1—3月降雨和降雪过程的垂直径向速度数据，给出每个垂直高度层的统计结果，得到雪、雨夹雪和雨的统计特征量。图 1为降雪过程中的降水粒子下降末速统计特征。固态降水选取了6个不同高度的垂直速度进行分析，图 1a所示在60 m高度，冰雪粒子下降末速的平均值为1 m·s^-1，速度谱宽为2 m·s^-1，变化范围0.1~2.1 m·s^-1，最集中区域为0.1~1.8 m·s^-1，621个样本占总数的98.5%(总样本数为630个)；如图 1b所示在120 m高度，冰雪粒子下降末速的平均值为0.97 m·s^-1，速度谱宽为2 m·s^-1，变化范围0.1~2.1 m·s^-1，最集中区域为0.1~1.7 m·s^-1，719个样本占总数的98.1%(总样本数为733个)；如图 1c所示在240 m高度，冰雪粒子下降末速的平均值为1.17 m·s^-1，速度谱宽为1.9 m·s^-1，变化范围0.1~2 m·s^-1，最集中区域为0.1~1.8 m·s^-1，766个样本占总数的99%(总样本数为774个)；如图 1d所示在540 m高度，冰雪粒子下降末速的平均值为1.22 m·s^-1，速度谱宽为1.9 m·s^-1，变化范围0.1~2 m·s^-1，最集中区域为0.2~1.8 m·s^-1，729个样本占总数的98.8%(总样本数为738个)；如图 1e所示在1080 m高度，冰雪粒子下降末速的平均值为1.12 m·s^-1，速度谱宽为1.9 m·s^-1，变化范围0.1~2 m·s^-1，最集中区域为0.2~1.7 m·s^-1，768个样本占总数的97.7%(总样本数为786个)；如图 1f所示在2040 m高度，冰雪粒子下降末速的平均值为1.11 m·s^-1，速度谱宽为2.1 m·s^-1，变化范围0.1~2.2 m·s^-1，最集中区域为0.2~1.7 m·s^-1，714个样本占总数的97.5%(总样本数为732个)。

图 2为降雨过程中的降水粒子下降末速统计特征。液态降水选取了6个同样高度的进行分析研究得出：如图 2a所示在60 m高度，液态降水粒子下降末速的平均值为4.03 m·s^-1，速度谱宽为5.5 m·s^-1，变化范围1.2~6.7 m·s^-1，最集中区域为1.8~6.2 m·s^-1，225个样本占总数的93.8%(总样本数为240个)；如图 2b所示在120 m高度，液态降水粒子下降末速的平均值为3.97 m·s^-1，速度谱宽为5.1 m·s^-1，变化范围1.1~6.2 m·s^-1，最集中区域为2~6 m·s^-1，225个样本占总数的93.8%(总样本数为240个)；如图 2c所示在240 m高度，液态降水粒子下降末速的平均值为3.84 m·s^-1，速度谱宽为4.8 m·s^-1，变化范围1.3~6.1 m·s^-1，最集中区域为1.9~5.7 m·s^-1，265个样本占总数的94.3%(总样本数为281个)；如图 2d所示在540 m高度，液态降水粒子下降末速的平均值为3.58 m·s^-1，速度谱宽为5 m·s^-1，变化范围1.1~6.1 m·s^-1，最集中区域为1.8~5.7 m·s^-1，235个样本占总数的94%(总样本数为250个)；如图 2e所示在1080 m高度，液态降水粒子下降末速的平均值为3.77 m·s^-1，速度谱宽为4.8 m·s^-1，变化范围1.1~5.9 m·s^-1，最集中区域为1.8~5.8 m·s^-1，287个样本占总数的95.7%(总样本数为300个)；如图 2f所示在2040 m高度，液态降水粒子下降末速的平均值为3.35 m·s^-1，速度谱宽为5 m·s^-1，变化范围1.1~6.1 m·s^-1，最集中区域为1.9~5.7 m·s^-1，281个样本占总数的94.6%(总样本数为297个)。

综上，在浙江地区降雪过程降水粒子在中低空(2000 m以下)下降末速的范围在0.1~2 m·s^-1, 平均值为1 m·s^-1, 速度谱宽为2 m·s^-1，97%以上的速度在0.1~1.8 m·s^-1范围，所以将降雪过程降水粒子下降末速的阈值界定在0.1~1.8 m·s^-1。而降雨过程降水粒子在中低空(2000 m以下)下降末速的范围在1.1~6.1 m·s^-1, 平均值为3.8 m·s^-1, 速度谱宽为5 m·s^-1，94%以上在1.8~6 m·s^-1范围，所以将降雨过程降水粒子下降末速的阈值界定在1.8~6 m·s^-1。

2.2 近地层的温度和中层暖层统计特征

根据前人的经验和研究分析可以知道，降水相态的转化是由于冷暖空气势力相对强弱变化导致的。但要准确识别降水相态，还需要具体分析大气温度和湿度状况。选取以下9个指标：DH_500-850(500和850 hPa高度差)、DH_700-850(700和850 hPa高度差)、DH_850-1000(850和1000 hPa高度差)、H₀(0℃层高度)、T₈₅₀(850 hPa温度)、T₉₂₅(925 hPa温度)、T₁₀₀₀(1000 hPa温度)、T_2m(地面2 m温度)、DT₁₀₀₀(1000 hPa露点)，对8次雨雪过程中降雨、降雪、雨夹雪(冰粒)样本分别进行统计计算。通过计算每一组样本的平均值，从表 1中可以看到，每一个指标不同组的平均值都随由雨向雪转变而减小，表明这些指标都在一定程度上对相态有所区分，但每一组数据分布都存在相互重合，显然落在重合区间的样本数量越少越好。计算雨和雪分布在重合区间的样本占所有样本的比率(见表 2中雨雪样本重合率)，2 m温度、1000 hPa温度和0℃层高度3个指标落在重合区间的样本数量最少，厚度指标中最好的是850和1000 hPa厚度差。

从前文的分析可知，虽然所选的指标对降水相态有一定的指示，但即使表现最好的几个指标对雨和雪都不能完全区分。那么希望得到一个最优的阈值，使TS技巧最高，相应空报率和漏报率均较小。对2 m温度、0℃层高度、850和1000 hPa厚度差、1000 hPa温度这4个指标分别计算。

当DH_850-1000≥1300 gpm时，预报雨的技巧评分得分最高达到0.8，相应空报率和漏报率都较低，T_2m≥3℃时，预报雨的技巧评分得分最高达到0.82，0℃层高度H₀≥600 gpm时，预报技巧评分最高达到0.81，而T₁₀₀₀在1.5℃时预报技巧最高，也大约为0.81。当H_850-1000≤1280 gpm时，预报雪的技巧评分得分最高达到0.76，相应空报率和漏报率都较低，T_2m≤1℃时，预报雪的技巧评分得分最高达到0.83，0℃层高度H₀≤200 gpm时，预报技巧评分最高达到0.84，而T₁₀₀₀≤0℃时预报技巧最高，也大约为0.83。

通过上面的分析，得到了各指标预报雨和雪的最佳阈值，并且TS评分最大可以达到0.8左右，具备较好的应用价值。一般来说，雨夹雪介于两者之间，因此把1℃＜T_2m＜3℃, 0℃＜T₁₀₀₀＜1.5℃，200 gpm＜H₀＜600 gpm，1280 gpm＜D_H850-1000＜1300 gpm，分别作为雨夹雪的指标，计算TS评分和空报率、漏报率，结果显示空报率和漏报率都很高，而TS评分很低，最大也仅为0.36，因此需要增加判据提高识别效果。漆梁波等(2012)研究指出中层有暖层的情况易出现雨夹雪，本研究所选的判据都表示近地层的温度状况，而对中层暖层没有涉及。因此把暖层厚度作为雨夹雪组合判据之一，即指标为1280 gpm＜DH_850-1000＜1300 gpm或者DH_850-1000≤1280 gpm，且暖层厚度>0；200 gpm＜H₀＜600 gpm或者H₀≤200 gpm，且暖层厚度>0；1℃＜T_2m＜3℃或者T_2m≤1℃，且暖层厚度>0；0℃＜T₁₀₀₀＜1.5℃，T₁₀₀₀≤0℃，且暖层厚度>0。加入暖层判据后指标漏报率、空报率明显降低，TS评分明显提高，其中0℃层高度+暖层判据的TS评分达到0.53。

综上所述，找到最适合浙江地区冬季降水相态判别的温度指标为2 m温度、1000 hPa温度、0℃层高度、850和1000 hPa厚度差，以及中层暖层的厚度。通过对不同阈值的TS评分计算，得到最佳推荐阈值见表 3。

3 产品业务化和检验

2015年1月开始, 在浙江快速更新同化数值预报和风廓线雷达实时探测数据的基础上, 依据本研究指标结果, 输出浙江地区的冬季降水相态预报产品, 为浙江地区各级气象台站提供参考。2015年浙江地区较大范围出现雨雪天气过程主要有6次：1月7、13、30日、2月5日、3月3、5日。对2015年1—3月08、11、14、17和20时五个时次降水相态产品进行统计(以实况区分样本种类)，下面给出产品准确率的统计结果，见表 4。可见，浙江地区冬季降水相态组合指标对于固液态降水的预报区分有较好的准确率，对降水相态预报有很好的指示意义。

4 结论

(1) 浙江地区的风廓线雷达探测到的中低层降水粒子的下降末速能够作为区分不同相态粒子的有效依据。在空气对流运动不强烈的条件下，冬季液态降水粒子下降末速的范围在1.8~6.0 m·s^-1，固体降水则在0.1~1.8 m·s^-1。

(2) 通过对各类相态判别指标的分析，找到最适合浙江地区冬季降水相态判别的指标为降水粒子垂直下降速度、2 m温度，1000 hPa温度，0℃层高度，及850与1000 hPa厚度差，判别雨或雪的TS评分可以达到0.8左右，有较高的应用价值。对于雨夹雪的判断加入了中层暖层指标后TS评分达到0.53，表明低层温度结合中层暖层，可以部分解决识别雨夹雪的难题，具体指标和阈值详见表 3。

(3) 通过对研究成果业务化产品的检验，可以看出本研究结果对浙江地区冬季降水相态预报有很好的参考作用。