海洋气象学报  2024, Vol. 44 Issue (2): 65-76  DOI: 10.19513/j.cnki.hyqxxb.20240219002
0

引用本文  

戈瑶, 郭俊建, 杨成芳, 等. “12·14”山东暴雪过程降水相态的多源观测分析[J]. 海洋气象学报, 2024, 44(2): 65-76. DOI: 10.19513/j.cnki.hyqxxb.20240219002.
E Yao, GUO Junjian, YANG Chengfang, et al. Analysis on precipitation phase during "12·14" snowstorm process in Shandong based on multi-source observation data[J]. Journal of Marine Meteorology, 2024, 44(2): 65-76. DOI: 10.19513/j.cnki.hyqxxb.20240219002. (in Chinese)

基金项目

山东省自然科学基金项目(ZR2022MD095);山东省气象局大城市气象服务关键技术创新团队项目(SDCXTD2023-1)

作者简介

戈瑶,女,博士,工程师,主要从事中短期天气预报研究,geyao19960114@163.com.

通信作者

郭俊建,男,硕士,正高级工程师,主要从事天气预报及业务系统研发,50665523@qq.com.

文章历史

收稿日期:2024-02-19
修订日期:2024-05-09
“12·14”山东暴雪过程降水相态的多源观测分析
戈瑶1,2 , 郭俊建2 , 杨成芳2 , 韩永清2 , 王洪3 , 周成2 , 高帆4 , 王鹤静4     
1. 山东省气象防灾减灾重点实验室,山东 济南 250031;
2. 山东省气象台,山东 济南 250031;
3. 山东省人民政府人工影响天气办公室,山东 济南,250031;
4. 济南市气象台,山东 济南,250102
摘要:基于毫米波云雷达、降水天气现象仪、风廓线雷达、双偏振雷达、自动气象站等多源观测资料及欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)第五代大气再分析(ECMWF Reanalysis v5,ERA5)资料,对2023年12月14日山东暴雪过程的环流背景和降水粒子微物理参数进行分析,探讨新型观测资料在降水相态监测与预报中的应用。结果表明:(1)此次过程受高空槽、低空西南急流和江淮气旋影响,伴随地面气温下降和中层暖层消退,出现雨、雨夹雪、冰粒和雪等相态。(2)降水天气现象仪探测发现,雪和雨的下落末速度均较小,雪粒子直径超过8 mm,雨粒子直径大多在4 mm以下。(3)毫米波云雷达观测到反射率因子、径向速度、谱宽和垂直液态水含量降低时,雨夹雪转为雪。(4)风廓线雷达显示雨夹雪和冰粒阶段对应强的低空西南急流和最大垂直速度(4~5 m·s-1),转雪时3 km以下垂直速度降低至2 m·s-1左右。(5)相关系数(Cc)、差分反射率(ZDR)和水平极化反射率因子(Zh)等双偏振参量可判断融化层亮带,亮带的下降和消失可指示此次过程雨向雪的转换。
关键词极端暴雪    降水相态    毫米波云雷达    降水天气现象仪    
Analysis on precipitation phase during "12·14" snowstorm process in Shandong based on multi-source observation data
E Yao1,2 , GUO Junjian2 , YANG Chengfang2 , HAN Yongqing2 , WANG Hong3 , ZHOU Cheng2 , GAO Fan4 , WANG Hejing4     
1. Key Laboratory for Meteorological Disaster Prevention and Mitigation of Shandong, Jinan 250031, China;
2. Shandong Meteorological Observatory, Jinan 250031, China;
3. Shandong Weather Modification Office, Jinan 250031, China;
4. Jinan Meteorological Observatory, Jinan 250102, China
Abstract: Based on multi-source observation data such as millimeter-wave cloud radar, precipitation phenomenon instrument, wind profiler radar, dual-polarization radar, automatic weather station, and ECMWF (European Centre for Medium-Range Weather Forecasts) Reanalysis v5 (ERA5), the circulation background and microphysical parameters of precipitation particles during the snowstorm in Shandong on 14 December 2023 are analyzed. The application of new observation data in precipitation phase monitoring and forecasting is discussed. The following results are obtained. (1) The extreme snowfall is affected by the upper-level trough, the southwest low-level jet, and the Jianghuai cyclone. With the decrease of the surface temperature and the retreat of the middle-level warm layer, there occurs rain, sleet, ice particles, and snow from west to east in Shandong. (2) The precipitation phenomenon instrument suggests that the terminal velocities of snow and rain are low. The diameter of snow particles exceeds 8 mm, and the diameter of rain particles is mostly below 4 mm. (3) The millimeter-wave cloud radar observes that the sleet turns to snow when the reflectivity, radial velocity, spectral width, and vertical liquid water content are reduced. (4) The wind profile radar finds that the phase of sleet and ice corresponds to the strong southwest low-level jet and the maximum vertical velocity (4-5 m·s-1). When it turns to snow, the vertical velocity below 3 km decreases to about 2 m·s-1. (5) The dual-polarization parameters such as correlation coefficient Cc, differential reflectivity ZDR, and reflectivity Zh can judge the bright band of melting layer, and the decline and disappearance of the bright band can indicate the conversion of rain to snow.
Key words: extreme snowstorm    precipitation phase    millimeter-wave cloud radar    precipitation phenomenon instrument    
引言

暴雪是冬半年影响山东最严重的自然灾害之一,常对交通、农业、能源和人民群众财产造成巨大损失。统计研究发现,山东暴雪多伴随雨雪转换,存在雨、雨夹雪、冰粒、雪和冻雨等多种相态,准确预报降水相态及其转换时间可为政府防灾减灾提供有效依据,是冬季降水预报研究中的难点[1-5]。国内外学者对冬季雨雪相态转换进行了大量研究,发现对流层低层温度可作为雨转雪的重要判据[2-3, 6-7]。李江波等[6]通过分析一次早春强寒潮背景下的雨雪转换过程,指出925 hPa气温低于-2 ℃,1 000 hPa气温低于2 ℃且2 m气温在0 ℃左右时,雨容易转为雪。另外,温度层结厚度也是判断不同降水类型的重要因素[8-12],Wagner[8]将1 000~500 hPa厚度作为判别冻结降水和非冻结降水的指标。Bourgouin[9]提出冬季降水类型依赖于垂直温度廓线,当高空0 ℃暖层较薄时,主要表现为雪相态。Thériault等[10]基于数值模式发现温度分布的垂直变化对地面降水相态有重要影响。此外,漆梁波等[13]通过统计分析得到相较于单一特性层温度,综合考虑温度因子和厚度因子对识别中国东部地区冬季降雪相态更为可靠。杨成芳等[3]进一步提出0 ℃层高度可作为山东冬半年雨雪转换的指标,当0 ℃层高度降至1 000 hPa上下时转为降雪。

近年来,随着风廓线雷达、微波辐射计和双偏振雷达等探测设备的发展,其在雨雪天气过程分析中的研究逐渐增多[14-16]。施红蓉等[17]利用风廓线雷达统计了北京降雨和降雪阶段的垂直径向速度和信噪比特征,并对降雪持续时间进行诊断。毛宇清等[18]探究了微波辐射计和风廓线雷达等资料在南京春季一次雨雪天气过程降水相态变化中的应用。此外,许多学者发现多普勒天气雷达探测的0 ℃层亮带高度可作为雨雪转变的指标,双偏振参量对降水相态转变有一定指示作用[6, 19-20]。降水天气现象仪可以精细描述降水粒子的直径和下落末速度等特征,云雷达可以探测云微物理结构,在短时强降水和冰雹云等强天气分析中起着关键作用[21-24]。王俊等[23]利用降水天气现象仪和多普勒天气雷达对两次强对流性降水进行分析,探讨了暖云和冷云过程影响下雨滴谱和降水参数分布特征的差异。陈梓桐等[24]基于云雷达等资料解释了暖云降水的成因,并结合模糊逻辑算法识别了水凝物粒子类型。毫米波云雷达还可描述冬季降水过程中径向速度的发展演变,为冻雨和雪的识别提供帮助[25]。以上研究加深了人们对新型探测设备在强天气分析中的认识,但目前降水天气现象仪和毫米波云雷达等资料在山东冬季暴雪和降水相态的应用研究相对较少。

2023年12月13—15日,受强冷空气和暖湿气流共同影响,山东出现雨雪天气,此次雨雪过程降雪范围广,持续时间长,小时降雪量大,并伴随复杂的雨雪相态转换,是一次极端暴雪过程。拟借助多种新型探测设备对此次雨雪转换过程进行分析,探究不同降水相态在多源观测资料中的表现特征,以期为冬季降水相态识别与精细化预报提供参考依据。

1 资料和方法

采用国家级地面气象观测站记录的逐小时降水、2 m气温和降水相态产品等常规观测资料。再分析资料源于欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)提供的0.25°×0.25°分辨率的第五代大气再分析(ECMWF Reanalysis v5,ERA5)资料。

采用不同探测设备探究多源资料下降水相态的演变特征,主要探测设备及性能如下:(1)济南平阴CLC-11-D型固定式边界层风廓线雷达,利用大气湍流对电磁波的散射作用,可以探测单个站点水平和垂直风的分布情况,探测高度为0.1~10.0 km,时间分辨率为6 min。当有降水时,探测的垂直速度为降水粒子和大气垂直运动速度之和[26]。(2)毫米波云雷达(HT101型全固态Ka波段测云仪)布设在山东省气象局院内(116.98°E,36.69°N),波长为8.6 mm,时间分辨率为5 s,最大探测高度为14.97 km,垂直分辨率为30 m,能够对云的垂直结构进行连续观测,得到反射率因子、径向速度、谱宽和垂直液态水含量等参数。(3)雨滴谱数据来自济南国家级地面气象观测站(以下简称“济南站”)的DSG1型降水天气现象仪,通过激光探测技术连续测量地面降水粒子的下落末速度和直径等微物理信息,测量直径范围为0~26 mm,下落末速度范围为0~22.4 m·s-1,采样间隔为1 min。(4)聊城S波段双偏振雷达通过发射接收水平和垂直双偏振波,可以得到差分反射率(ZDR)、水平极化反射率因子Zh和相关系数(Cc)等偏振参量,径向分辨率为250 m,方位分辨率为1°。

2 雨雪实况

2023年12月13日08:00—15日08:00,山东出现大范围雨雪天气,鲁西北和鲁中地区先后出现雨、雨夹雪、冰粒和雪等复杂降水相态。统计分析发现,14日05:00,德州和滨州一带出现雨和雨夹雪,局部地区出现雪;13:00,鲁西北大部地区转为雪,济南和淄博等地出现雨夹雪或冰粒;15日04:00,除枣庄和青岛等部分地区,其他地区全部转为雪。此次山东降雪呈带状分布,鲁西北和鲁中地区出现大到暴雪、局部大暴雪,最大降水量和降雪量出现在德州平原站,分别为28.8 mm和27.1 mm(图 1ab),积雪深度达23 cm。14日全省23个县(市、区)降水量突破本站12月历史极值,2站积雪深度达到历史极值,3站积雪深度突破历史极值,聊城、德州和济南等地出现“雷打雪”现象。

图 1 2023年12月13日08:00—15日08:00山东累计降水量、降雪量和14日06:00—20:00济南站、临清站过去1 h降水量、2 m气温及降水相态分布 Fig.1 Cumulative precipitation and snowfall in Shandong from 08:00 BJT 13 to 08:00 BJT 15 December 2023; distribution of 1-h precipitation, 2-m air temperature, and precipitation phase at Jinan and Linqing stations from 06:00 BJT to 20:00 BJT 14 December 2023

图 1cd分别为济南站和临清国家级地面气象观测站(以下简称“临清站”)14日06:00—20:00过去1 h降水量、2 m气温和降水相态的分布。济南站14日上午2 m气温在1.0 ℃以上,07:00—09:00和11:00—12:00记录为毛毛雨,10:00—11:00为小雨;12:00—13:00气温下降到0.3 ℃,转为雨夹雪,人工观测到13:00前后有冰粒;14:00转为雪,14:00—19:00降雪强度维持在0.9~1.5 mm·h-1,20:00降雪强度减弱。济南站最大降水强度(3.3 mm·h-1)出现在雨夹雪阶段,雨转雪过程持续时间较短。与之对比,受冷空气影响,临清站气温较低,14日08:00—19:00均为降雪,11:00—13:00为强降雪时段,3.0 mm·h-1以上的降雪强度持续3 h,最大降雪强度(5.5 mm·h-1)出现在13:00(图 1d)。

3 环流背景

利用ERA5资料对影响此次雨雪过程的天气系统进行分析。图 2为12月14日14:00强降水时段对流层中低层天气形势场。500 hPa(图 2a),山东上游西风槽在08:00—14:00缓慢东移发展,14:00,中支槽和南支槽同位相叠加,山东受槽前西南气流控制,存在风速辐合和强上升运动。700 hPa(图 2b),槽经向度加大,印度洋至山东存在强西南低空急流带,山东位于急流出口区,14:00,急流不断加强北抬,急流轴强度达22 m·s-1,为鲁西北地区极端降雪提供持续的水汽供应,鲁西北比湿维持在4~5 g·kg-1,显著高于气候平均值。850 hPa(图 2c),受山东南部低涡影响,山东地区存在气旋性切变,带来强的动力抬升。14日11:00—14:00,江淮气旋形成于江苏中部,气旋向东北方向移动进入黄海,14:00,山东位于气旋北部冷锋锋后(图 2d),中高空西南暖湿气流叠加在低层冷空气上,形成“下东北上西南”的环流形势,水汽爬升凝结,形成降雪。15日08:00,随着高空槽和地面气旋的移出,山东中高层转为西北气流控制,降雪随之结束。

图 2 2023年12月14日14:00天气形势场 Fig.2 Synoptic chart at 14:00 BJT 14 December 2023
4 降水相态转换的温度变化特征

温度是降水相态变化的重要影响因素,气温下降可导致雨转为固态粒子,是雨雪转换的判据之一。对流层局地温度变化受温度平流影响。图 3给出了14日06:00—20:00济南站温度平流、风和气温垂直剖面演变场。可以看到,06:00—12:00,对流层低层900 hPa以下主要为东北风,800~700 hPa为西南风,有暖平流,存在明显大于0 ℃的暖层区,云中固态粒子在该暖层可融化成液态粒子,1 000 hPa附近温度大于0 ℃,此时地面降水类型主要为雨。12:00—13:00,850~700 hPa温度下降,这可能与固态降水融化作用有关[19]。13:00前后,济南站上空暖层消失,云中冰晶在中层不再融化,此时900 hPa以下东北风最大风速达16 m·s-1,低层冷平流进一步增强,850 hPa温度下降到0 ℃以下,925 hPa温度在-2 ℃左右,1 000 hPa温度在0 ℃左右,地面气温为0.3 ℃,济南由雨转为雨夹雪或冰粒。13:00—14:00,济南站上空温度进一步下降,受冷平流影响,0 ℃层高度降至1 000 hPa以下,济南开始转雪。14:00后,地面冷锋影响鲁中地区,锋区强盛,济南偏北风分量进一步增强,并向高处抬升,风向与等温线接近垂直,冷平流随高度增高而增大,16:00前后,冷平流中心强度约为-4×10-4℃·s-1,该段时间观测到大雪花出现。此外,山东此次暴雪过程雨、雨夹雪和雪的相态变化与2 m气温分布密切相关,地面观测资料表明,14日13:00,聊城、德州、滨州和东营一带2 m气温低于0 ℃,降水相态为雪;菏泽、济南和淄博等地2 m气温在0~1 ℃,为雪或雨夹雪;2 m气温高于1 ℃的地区主要为降雨。

图 3 2023年12月14日06:00—20:00济南温度平流、风场和气温随时间-高度的演变 Fig.3 Time-height evolution of temperature advection, wind, and temperature in Jinan from 06:00 BJT to 20:00 BJT 14 December 2023

综上分析发现,雨、雨夹雪、冰粒和雪相态转换与温度层结分布密切相关。在降雨阶段,对流层中层存在暖层,固态粒子下落过程中融化为液态,同时1 000 hPa和地面气温都高于0 ℃;当暖层消退,1 000 hPa温度在0 ℃附近,转为雨夹雪;1 000 hPa气温降至低于0 ℃且地面气温在0 ℃附近时,转雪。

5 多源观测资料中不同降水相态特征分析

降水相态转化时降水粒子特征会发生变化,雷达和降水天气现象仪等新型探测设备可提供高时空分辨率的粒子特征参量,提供精细化监测。下面利用多种探测设备探究不同降水相态在多源观测资料中的变化特征。

5.1 降水天气现象仪

降水天气现象仪是识别粒子相态的一个重要工具,基于此设备对济南降雪过程的降水粒子数在尺度和速度上的分布(图 4)进行分析。08:00—09:00,降水粒子直径低于1 mm,为毛毛雨。11:00—12:00,最大降水粒子直径和下落末速度增大。12:00—13:00,最大降水粒子直径和下落末速度增大更加明显,为雨夹雪或冰粒。13:00—14:00,最大粒子直径先减小后增大,最大下落末速度迅速降低,济南站开始由雨夹雪或冰粒逐渐转为雪。此外可注意到,15:00—16:00,最大粒子直径明显增大,同时大部分粒子下落末速度减小至4 m·s-1以下,人工观测到大雪花。

图 4 2023年12月14日08:00—16:00济南站降水天气现象仪观测的降水粒子个数随直径和下落末速度的分布 Fig.4 Distribution of the number of precipitation particles with diameter and terminal velocity observed by Jinan precipitation phenomenon instrument from 08:00 BJT to 16:00 BJT 14 December 2023

为进一步探究不同降水相态下粒子谱特征的差异,图 5给出了14日08:00—16:00降水天气现象仪观测的平均粒子数随直径和速度的分布,并叠加雨滴和不同形状雪花的下落末速度曲线[27],黑色实线代表Gunn-Kinzer经典雨滴下落末速度与尺度关系曲线[28]。08:00—09:00(图 5a),粒子数中心分布在Gunn-Kinzer曲线左侧,粒子直径大多在1 mm以下,下落末速度大多小于4 m·s-1,表明该阶段降水粒子相态以毛毛雨为主。10:00—11:00(图 5b),济南站小时降水量为0.1 mm,降水粒子较少。11:00—12:00(图 5c),济南站小时降水量增大到0.7 mm,粒子直径主要位于0~3 mm,下落末速度随直径增大而增大,粒子数分布在Gunn-Kinzer曲线两侧。12:00—13:00(图 5d),降水粒子数量增多,济南站出现最大雨强,粒子直径和速度明显增大,最大直径达5 mm,最大速度达11 m·s-1,直径小于1 mm的粒子数中心主要分布在雨滴的下落末速度曲线两侧,同时存在位于雨滴和雪花下落末速度曲线之间的粒子,说明该时段降水相态复杂,表现为以雨夹雪和冰粒的混合相态为主。14:00—15:00降雪时段(图 5e),粒子直径较08:00—12:00降雨阶段明显增大,为0~8 mm,同时下落末速度迅速减小。15:00—16:00(图 5f),粒子直径进一步增大,有较多数量的粒子直径超过8 mm。固态粒子较液态粒子的下落末速度分布散度更大,受粒子破碎作用,有较多小于1 mm的粒子下落末速度超过雪花的理论下落末速度;大于1 mm的降水粒子中心分布在凇附针状和凇附板状的下落末速度曲线两侧,但在粒子谱上难以区分晶体形状,需要辅助其他观测设备进行判别。

图 5 2023年12月14日08:00—16:00济南站降水天气现象仪逐小时平均粒子个数随直径和下落末速度的分布 Fig.5 Hourly mean number of particles with diameter and terminal velocity observed by Jinan precipitation phenomenon instrument from 08:00 BJT to 16:00 BJT 14 December 2023
5.2 毫米波云雷达

济南毫米波云雷达探测(图 6a)发现,08:00—09:00毛毛雨阶段,反射率因子较小,普遍低于-8 dBZ,且仅位于3 km以下;09:00—10:00,低层反射率因子继续减小,该时段无降水;10:40,0~6 km反射率因子急剧增大到-10~10 dBZ,济南站降雨明显,雨较毛毛雨的云层高度更高;在12:00—13:00的雨夹雪和冰粒阶段,反射率因子强度相较于降雨阶段变化不大;13:10后,反射率因子下降,转为雪;14:00后,反射率因子为-50~-30 dBZ且在垂直方向不连续,这与降雪发生后天线罩积雪导致衰减相关。径向速度(图 6b)和谱宽(图 6c)在此次降水过程中的变化规律相似(云雷达探测的径向速度向上时速度为正[29])。08:00—09:00,云雷达探测到3 km以下径向速度主要在1~2 m·s-1,谱宽在0~1 m·s-1;毛毛雨转雨阶段,径向速度和谱宽急剧增大,3 km以下径向速度突增到4~5 m·s-1,谱宽增大到2~3 m·s-1,同时在3~9 km也探测到径向速度和谱宽,但较3 km以下相对较小,分别为0~2 m·s-1和0~1 m·s-1;12:00—13:00,冰粒和雨夹雪时期,云顶径向速度大于0 m·s-1,存在上升运动,对应有对流发展,出现打雷现象,3~6 km径向速度和谱宽明显增大;随着雨夹雪向雪的转换,径向速度和谱宽逐渐减小。垂直液态水含量主要在10:40—12:30降雨和雨夹雪时期较大,最大为0.6 g·m-3左右,毛毛雨阶段在0.3 g·m-3以下(图 6d)。

图 6 2023年12月14日08:00—16:00济南毫米波云雷达探测的降水物理量时间-高度序列 Fig.6 Time-height evolution of physical quantities of precipitation observed by Jinan millimeter-wave radar from 08:00 BJT to 16:00 BJT 14 December 2023

通过分析可以发现,毛毛雨和雪相较于雨和雨夹雪或冰粒时期有更低的反射率因子、径向速度、谱宽和垂直液态水含量,与2021年11月7日山东极端暴雪的分析结果相一致[19]。根据研究进一步发现,毛毛雨的云层高度较低,相比于降雨,冰粒在对流层3~6 km的径向速度和谱宽更大,这可为毛毛雨、雨、雨夹雪或冰粒及雪的识别与转换提供参考依据。

5.3 风廓线雷达

风廓线雷达可以探测水平风和垂直速度的时间演变,在气象业务和研究中受到越来越多的关注。图 7a给出了济南平阴风廓线雷达探测的14日08:00—16:00风场垂直变化。观测结果显示,平阴国家级地面气象观测站(以下简称“平阴站”)与济南站降水相态变化规律类似,但雨雪转换时间提前,08:00—10:00为毛毛雨,10:00—11:00为小雨,雨雪转换发生在11:00—13:00,其间出现冰粒,14:00之后转为雪。在11:00前的降雨阶段,低层1 km以下为一致的东北风,冷空气在底层堆积,1~2 km附近为东南风,2 km以上转为西南风,带来暖湿空气输送。10:00—11:00,雨夹雪阶段,低层东北风和上层西南风强度增强,12:00前后,2~4 km强的西南低空急流影响济南,对应济南平阴最大小时雨量时段。有研究[13]指出,低层“冷垫”强度的变化是降水相态转变的重要标志,当“冷垫”扩展到1.5 km高度时,可作为转雪的重要指标,此次平阴站转雪时低层东北气流扩展至1 km。

图 7 2023年12月14日08:00—16:00平阴站风廓线雷达探测的水平风和垂直速度分布 Fig.7 Time-height evolution of zonal wind and vertical velocity observed by Pingyin wind profile radar from 08:00 BJT to 16:00 BJT 14 December 2023

由于降水粒子对电磁波的散射远远大于晴空大气对电磁波的散射,降水时风廓线雷达探测的垂直速度受降水粒子的下落速度影响(探测的垂直速度为正代表下沉运动[26]),因此可以利用低层垂直速度分辨降水粒子类型。由垂直速度分布(图 7b)可以看到,对流层低层3 km以下垂直速度随降水相态发生明显变化。08:00—10:00的毛毛雨阶段,垂直速度在1 m·s-1左右;10:00—11:00,垂直速度增大,12:00左右,垂直速度由2 m·s-1突增到4 m·s-1左右,此时降水类型转为雨夹雪或冰粒。13:00前后,垂直速度明显下降,表明此时降水粒子类型再次发生改变,到14:00降雪阶段,垂直速度主要位于2 m·s-1左右,这与毫米波云雷达探测的雨夹雪转雪时垂直下落速度降低相一致。

5.4 双偏振雷达

双偏振雷达可以通过水平和垂直偏振波对大气中的粒子进行探测,进而判断大气中粒子的形状和相态,为降水相态的识别提供依据。其中,差分反射率可以反映降水粒子在水平和垂直方向上的尺度差异,相关系数可以反映粒子的均一性,是双偏振雷达识别降水粒子相态的2个重要参量。

14日上午,随着冷空气不断南下,气温降低,鲁西北开始转雪。下面对比分析14日09:59和10:32聊城S波段双偏振雷达相关系数(Cc)、差分反射率(ZDR)和水平极化反射率因子(Zh)3个参数的空间分布,探究不同降水相态的双偏振雷达参量差异(图 8图 9)。09:59,在Cc场的第一、二、三象限出现一条半圆状的低Cc(0.80~0.94)和高ZDR(1~2 dB)环,表明有不同相态粒子混合,水平和垂直尺寸差异较大,对应0 ℃融化层亮带;该区域水平极化反射率因子为30~50 dBZ,有弱对流存在,因此,CcZDR可以更加直接地显示融化层的分布;由垂直剖面可以看到,亮带高度为2~3 km。09:59,4.3°仰角上,临清站位于亮带外围,垂直剖面也显示在距离雷达35 km外无融化层亮带,临清站附近Cc值较大,ZDR值较小,水平极化反射率因子较小,表明云中为均一的固态粒子,下降过程中不发生融化,通过降水天气现象仪的观测判断临清站为雪。与之对比,09:48,0 ℃融化层亮带在3 km附近(图略),09:59,亮带高度降低至2.3 km左右,亮带在冠县国家级地面气象观测站(以下简称“冠县站”)附近,固态粒子在该层融化为液态,冠县站降水相态为雨。09:59—10:32,融化层亮带由2 km下降至消失,固态粒子不再融化,粒子相态较为均一,水平和垂直尺寸差距较小,Cc增强到0.9~1.0,ZDR降低到0~0.5 dB,垂直剖面较为均匀(图 9),冠县站由雨转为雪。

图 8 2023年12月14日09:59聊城双偏振雷达4.3°仰角产品以及沿图 8a白色实线所作的剖面图 Fig.8 Products at 4.3° elevation from Liaocheng dual-polarization radar and profile along the white solid line in Fig. 8a at 09:59 BJT 14 December 2023
图 9图 8,但时间为2023年12月14日10:32 Fig.9 The same as Fig. 8, but for 10:32 BJT 14 December 2023
6 结论与讨论

利用毫米波云雷达、降水天气现象仪、双偏振雷达、风廓线雷达,结合ERA5资料,对2023年12月14日山东极端暴雪过程降水相态在多源观测资料中的表现特征进行分析,探究雨雪转换的预报指标,得到如下主要结论:

(1) 此次山东雨雪过程范围广、降雪强度大、积雪深,存在复杂的降水相态转化。主要影响系统为江淮气旋,700 hPa强西南低空急流提供了充足的水汽,中高层暖湿气流在低层“冷垫”爬升凝结,当整层温度低于0 ℃,925 hPa气温低于-2 ℃,1 000 hPa气温低于0 ℃且地面气温在0 ℃附近时,济南开始转雪。

(2) 降水天气现象仪探测的粒子谱显示,降雨粒子直径小于4 mm,下落末速度随直径增大而增大;雪粒子直径大于8 mm,下落末速度较小;雨夹雪或冰粒阶段下落末速度最大。

(3) 毫米波云雷达探测发现,雨、雨夹雪和冰粒期间反射率因子集中在-10~10 dBZ,径向速度最大为4~5 m·s-1,垂直液态水含量最大为0.6 g·m-3;雨夹雪和冰粒阶段,3~6 km径向速度和谱宽较降雨阶段明显增大;转雪时各参量减小,但由于降雪后,天线罩积雪导致电磁衰减,强降雪时段云雷达不能准确探测降雪粒子的特征。

(4) 风廓线雷达风场显示雨转雪时低层“冷垫”强度增强,高度逐渐抬升至1 km。最大下落速度4~5 m·s-1出现在雨夹雪和冰粒时段,3 km以下下落速度降低至2 m·s-1附近则转为雪。

(5) 基于双偏振雷达得到的低相关系数(0.80~0.94)、高差分反射率(1~2 dB)和高水平极化反射率因子(30~50 dBZ)可判断融化层亮带。在雨转雪过程中,亮带高度逐渐下降并消失,降雪时,Cc大小为0.9~1.0,ZDR为0~0.5 dB。

综上所述,毫米波云雷达、降水天气现象仪、双偏振雷达和风廓线雷达等新型探测设备可以探测云中或地面粒子的垂直速度和粒子直径等特征,并得到反射率因子、相关系数和差分反射率等要素,能精细描述降水粒子特征及其变化,可为冬半年山东雨雪相态的监测和判别提供一定指示。但值得注意的是,降水相态的转换非常复杂,不能依赖单一要素的变化,在实际相态识别和预报业务中,需要利用各设备的观测特点,结合多源融合资料进行综合判识。

参考文献
[1]
王凌, 高歌, 张强, 等. 2008年1月我国大范围低温雨雪冰冻灾害分析Ⅰ.气候特征与影响评[J]. 气象, 2008, 34(4): 95-100.
[2]
许爱华, 乔林, 詹丰兴, 等. 2005年3月一次寒潮天气过程的诊断分析[J]. 气象, 2006, 32(3): 49-55.
[3]
杨成芳, 姜鹏, 张少林, 等. 山东冬半年降水相态的温度特征统计分析[J]. 气象, 2013, 39(3): 355-361.
[4]
高留喜, 杨成芳, 刘畅. 山东一次极端雨雪过程积雪特征分析及模式产品检验[J]. 海洋气象学报, 2022, 42(4): 58-66. DOI:10.19513/j.cnki.issn2096-3599.2022.04.006
[5]
杨晓霞, 吴炜, 万明波, 等. 山东省两次暴雪天气的对比分析[J]. 气象, 2012, 38(7): 868-876.
[6]
李江波, 李根娥, 裴雨杰, 等. 一次春季强寒潮的降水相态变化分析[J]. 气象, 2009, 35(7): 87-94.
[7]
杨舒楠, 徐珺, 何立富, 等. 低层温度平流对华北雨雪天气过程的降水相态影响分析[J]. 气象, 2017, 43(6): 665-674.
[8]
WAGNER A J. Mean temperature from 1000 MB to 500 MB as a predictor of precipitation type[J]. Bull Amer Meteor Soc, 1957, 38(10): 584-590.
[9]
BOURGOUIN P. A method to determine precipitation types[J]. Wea Forecasting, 2000, 15(5): 583-592.
[10]
THÉRIAULT J M, STEWART R E, HENSON W. On the dependence of winter precipitation types on temperature, precipitation rate, and associated features[J]. J Appl Meteor Climatol, 2010, 49(7): 1429-1442.
[11]
许美玲, 梁红丽, 金少华, 等. 昆明冬季降水相态识别判据研究[J]. 气象, 2015, 41(4): 474-479.
[12]
张琳娜, 郭锐, 曾剑, 等. 北京地区冬季降水相态的识别判据研究[J]. 高原气象, 2013, 32(6): 1780-1786.
[13]
漆梁波, 张瑛. 中国东部地区冬季降水相态的识别判据研究[J]. 气象, 2012, 38(1): 96-102.
[14]
骆梦洁, 汤杰, 陈叙捷, 等. 台风天气条件下地基微波辐射计反演产品精度分析[J]. 海洋气象学报, 2022, 42(1): 101-110. DOI:10.19513/j.cnki.issn2096-3599.2022.01.011
[15]
王文波, 高晓梅, 李晓利, 等. 一次雨雪天气过程的风廓线雷达特征[J]. 干旱气象, 2020, 38(1): 109-116.
[16]
龚佃利, 朱君鉴, 王俊, 等. 2020年6月1日山东强雹暴过程双偏振雷达观测分析[J]. 海洋气象学报, 2021, 41(3): 40-51. DOI:10.19513/j.cnki.issn2096-3599.2021.03.004
[17]
施红蓉, 李峰, 吴蕾, 等. 风廓线雷达对降水相态变化的观测分析[J]. 气象, 2014, 40(10): 1259-1265.
[18]
毛宇清, 李力, 姜有山, 等. 一次春季雨雪天气的降水相态演变特征分析[J]. 暴雨灾害, 2022, 41(3): 290-297.
[19]
孙莎莎, 孙艺, 徐婷婷, 等. 2021年11月7日山东极端暴雪过程降水相态的多源观测特征分析[J]. 气象, 2023, 49(7): 830-842.
[20]
唐明晖, 俞小鼎, 王青霞, 等. 湖南一次雨雪天气降水相变的环境条件与双偏振雷达特征分析[J]. 暴雨灾害, 2023, 42(3): 293-302.
[21]
姬雪帅, 王丽婧, 郭宏, 等. 基于多源观测资料对张家口一次雨雪天气降水相态特征的分析[J]. 干旱气象, 2022, 40(3): 507-515.
[22]
翟亮, 黄钰, 李梓铭, 等. 风廓线雷达和雨滴谱仪资料在北京一次弱雨雪天气中的特征分析[J]. 干旱气象, 2019, 37(1): 90-96.
[23]
王俊, 王文青, 王洪, 等. 短时强降水和冰雹云降水个例雨滴谱特征分析[J]. 高原气象, 2021, 40(5): 1071-1086.
[24]
陈梓桐, 李昀英. 基于云雷达和降水雷达资料的一次典型暖云降水成因及粒子类型演变[J]. 大气科学学报, 2022, 45(1): 87-98.
[25]
王柳柳, 刘黎平, 余继周, 等. 毫米波云雷达冻雨-降雪微物理和动力特征分析[J]. 气象, 2017, 43(12): 1473-1486.
[26]
王令, 王国荣, 古月, 等. 风廓线雷达垂直径向速度应用初探[J]. 气象, 2014, 40(3): 290-296.
[27]
BARTHAZY E, SCHEFOLD R. Fall velocity of snowflakes of different riming degree and crystal types[J]. Atmos Res, 2006, 82(1): 391-398.
[28]
GUNN R, KINZER G D. The terminal velocity of fall for water droplets in stagnant air[J]. J Meteorol, 1949, 6(4): 243-248.
[29]
陈羿辰, 金永利, 丁德平, 等. 毫米波测云雷达在降雪观测中的应用初步分析[J]. 大气科学, 2018, 42(1): 134-149.