2026, Vol. 46
2. 湖南省气象台, 湖南 长沙 410018;
3. 洞庭湖国家气候观象台, 湖南 岳阳 414000;
4. 中国气象局高影响天气(专项)重点开放实验室, 湖南 长沙 410018;
5. 山东省气象防灾减灾重点实验室, 山东 济南 250031;
6. 山东省气象台, 山东 济南 250031;
7. 长岛国家气候观象台, 山东 长岛 265800
2. Hunan Meteorological Observatory, Changsha 410018, China;
3. Dongting Lake National Climate Observatory, Yueyang 414000, China;
4. Key Open Laboratory of High-Impact Weather(Special), China Meteorological Administration, Changsha 410018, China;
5. Key Laboratory for Meteorological Disaster Prevention and Mitigation of Shandong, Jinan 250031, China;
6. Shandong Meteorological Observatory, Jinan 250031, China;
7. Changdao National Climate Observatory, Changdao 265800, China
暴雨是湖南主要灾害性天气之一，其形成机制与云微物理特征密切相关。湖南雨季呈现发生频次高、主汛期长、时空分布不均的特征，4—7月为雨水集中期，此期间降水量占全年总量的52%~58%[1-2]。暴雨常引发洪涝、山体滑坡及泥石流等次生灾害，严重威胁人民生命财产安全与社会经济发展[3]。因此，深入理解暴雨从宏观环流到微观物理的形成机制，对于提高暴雨预报准确率和减轻灾害风险具有重要意义。
针对湖南地区的暴雨，已有诸多研究从天气尺度系统、中尺度系统及物理量条件等方面展开过分析。陈静静等[4]基于预报经验，将湖南暴雨过程划分为低涡冷槽型、地面暖倒槽锋生型、副热带高压(以下简称“副高”)边缘型等6类天气型，并指出中尺度切变线、辐合线及中尺度低压(涡旋)与湖南暴雨密切相关，尤其是少动的切变线易导致强降水[5-6]。陈红专等[7]利用HYSPLIT轨迹模式，定量揭示了2017年湖南盛夏持续性暴雨的3条主要水汽通道及其贡献。姚蓉等[8]则分析了湖南短时强降水的时空分布与环境参数，指出湘西、湘南地区短时强降水频次最高，夏季热力不稳定条件占主导地位。这些成果多从宏观层面揭示了湖南暴雨的形成机理与预报指标，丰富了其天气学认识，但目前较少有研究关注湖南暴雨的微物理特征。
雨滴谱是反映降水微物理特征的关键参数，可提供降水粒子的粒径、数浓度、落速及谱分布等信息[9]，在暴雨微物理过程研究、雷达定量降水估测以及改进模式微物理参数化等方面具有重要应用[10-12]。现有研究表明不同地区的雨滴谱特征存在差异：江淮地区夏季对流性降水更趋近于Bringi等[9]研究提出的海洋性对流特征，表现为较小的平均质量加权直径(Dm)和较高的归一化截距参数(lg Nw)[13]，可能与高浓度气溶胶和充沛水汽共同作用有关[14]；华北地区降水则更倾向于大陆性对流特征，雨滴粒径较大、数浓度较低[15]。下垫面条件也会影响雨滴谱，山区降水常表现出更明显的大陆性特征，而平原则接近海洋性特征[16-17]。此外，不同降水类型在微物理机制上亦有区别，如短时强降水往往在对流云中各粒径段数浓度较高、Dm较大，暖云碰并和冰相过程均较活跃[18]，冰雹云中的冷云过程有利于大雨滴的形成[19]，而持续性降水则以小粒子为主，多由暖云过程或稳定的冰晶融化过程主导。
目前，针对湖南暴雨微物理特征尤其是雨滴谱开展的研究仍较为缺乏，不同降水类型暴雨的微物理特征和机理尚待进一步研究。为此，选取2025年初夏湖南两次不同类型的暴雨过程，分别为6月7—9日以短时强降水为主的暴雨过程(简记为“6 ·7”过程)和6月21—23日以持续性降水为主的暴雨过程(简记为“6 ·21”过程)。利用降水现象仪、多普勒天气雷达、常规气象观测和欧洲中期天气预报中心第五代大气再分析(ERA5)资料，系统对比两次过程在微物理特征方面的异同，旨在从微物理角度深化对湖南暴雨形成机制的理解和认识，并为该地区雷达定量降水估测和模式参数化改进提供参考。
1 数据与方法 1.1 观测数据研究中使用ERA5资料、雨滴谱数据、雷达资料和地面常规气象观测资料。ERA5资料的时间分辨率为1 h，空间分辨率为0.25°×0.25°，包括不同等压面的位势高度、湿度、风向和风速等气象要素[20]。雨滴谱数据包括2025年6月7—9日凤凰站、洪江站、新化站和6月21—23日隆回站、城步站、通道站的观测数据。这6个观测站布设的激光雨滴谱仪均为OTT Parsivel 2型，时间分辨率为1 min，可测量粒子下落末速度范围为0.05~20.80 m ·s-1，可测量粒子直径范围为0.062~24.500 mm，分别对应32个直径通道和32个速度通道，取样截面积为54 cm2[21]。雷达资料来自于邵阳双偏振雷达，该雷达在研究时段内采用VCP21模式探测，时间分辨率为6 min，径向分辨率为250 m。所选代表站点和邵阳雷达的位置如图 1a所示，选取的6个代表站均位于丘陵地区。地面常规气象观测资料来源于气象大数据云平台·天擎系统，包括2025年6月7—9日和6月21—23日湖南全省98个国家级地面气象观测站的逐小时降水量观测资料。
|
图 1 代表站位置和两次暴雨过程湖南全省累计降水量分布 Fig.1 Location of representative stations, and distribution of accumulated precipitation in the whole province during the two rainstorm events a中红色三角形—“6·7”过程代表站点，黄色三角形—“6·21”过程代表站点，黑色方形—邵阳雷达站，色阶—海拔，单位为m; b、c中色阶—累计降水量，单位为mm。 |
因雨滴谱仪受到地面飞溅、湍流、环境强风和边界效应等影响，应用数据前需进行质量控制[22]。研究中使用的质量控制方法为：(1)剔除偏离雨滴下落末速度-直径经验公式(V-D关系)±60%的粒子[23]，(2)剔除直径小于0.25 mm和直径大于8 mm的粒子[24-25]。雨滴谱观测数据经质量控制后，具体计算方法[26-29]如下。
| $ N\left(D_j\right)=\sum\limits_{i=1}^{32} \frac{n_{i j}}{S \cdot \Delta t \cdot V_i \cdot \Delta D_j} $ | (1) |
式中：Dj是第j个直径通道的中心直径，单位为mm；ΔDj是第j个直径通道的宽度，单位为mm；Vi是第i个速度通道对应的粒子下落末速度，单位为m ·s-1；nij为第j个直径通道、第i个速度通道的降水粒子浓度，单位为个·min-1；N(Dj)是直径通道Dj至Dj+ΔDj间隔内的粒子数浓度，单位为m-3 ·mm-1；S为OTT Parsivel 2型雨滴谱仪的采样面积，根据Jaffrain等[23]的方法，S订正后为180×(30-Dj/2)×10-6 m2；Δt为采样时间60 s。参考毛家燊等[30]和周伶俐等[31]的方法，在本研究的分析中根据降水粒子直径(D)将粒子划分为小尺寸粒子(D＜1 mm)、中等尺寸粒子(1 mm≤D＜3 mm)和大尺寸粒子(D≥3 mm)。
Gamma分布能够较准确地反映实际雨滴谱的分布形态，因此Gamma分布为雨滴谱拟合的常用模型[32]，其公式如下。
| $ N(D)=N_{\mathrm{w}} f(\mu)\left(\frac{D}{D_{\mathrm{m}}}\right)^\mu \exp \left[-(4+\mu) \frac{D}{D_{\mathrm{m}}}\right] $ | (2) |
| $ f(\mu)=\frac{6}{4^4} \frac{(4+\mu)^{\mu+4}}{\Gamma(4+\mu)} $ | (3) |
式中：Dm为平均质量加权直径，反映雨滴的平均粒径大小，可通过公式(4)算出，单位为mm；Nw是标准化Gamma分布的截距参数，可以代表雨滴数浓度大小，可通过公式(5)算出，单位为m-3 ·mm-1；Γ(x)为Gamma函数；μ为无量纲谱型参数。
| $ D_{\mathrm{m}}=\frac{\sum\limits_{j=1}^{32} N\left(D_j\right) D_j^4 \Delta D_j}{\sum\limits_{j=1}^{32} N\left(D_j\right) D_j^3 \Delta D_j} $ | (4) |
| $ N_{\mathrm{w}}=\frac{4^4}{\mathsf{π} \rho}\left(\frac{W}{D_{\mathrm{m}}^4}\right) $ | (5) |
| $ W=\frac{\mathsf{π} \rho}{6} 10^{-3} \sum\limits_{j=1}^{32} N\left(D_j\right) \Delta D_j $ | (6) |
式中：W为雨水含量，单位为g ·m3；ρ为水的密度，单位为g ·m-3。
雨滴总浓度(N，单位为m-3)、雨强(R，单位为mm ·h-1)和雷达反射率因子(Z，单位为mm6 ·m-3)可通过公式(7)—(9)得出。
| $ N=\sum\limits_{j=1}^{32} N\left(D_j\right) \Delta D_j $ | (7) |
| $ R=6 \mathsf{π} \times 10^{-4} \sum\limits_{j=1}^{32} \sum\limits_{i=1}^{32} N\left(D_j\right) D_j^3 V_i \Delta D_j $ | (8) |
| $ Z=\sum\limits_{j=1}^{32} N\left(D_j\right) D_j^6 \Delta D_j $ | (9) |
两次过程降水实况如图 1所示，雨带均呈东北—西南向带状分布，大暴雨区域主要位于湘西、湘中以北地区。“6 ·7”过程中，湖南国家级气象观测站(以下简称“国家站”)平均降水量为26.1 mm，最大累计降水量(148.0 mm)出现在洪江站。降水过程开始于7日12时，至9日05时趋于结束，主要降水时段为7日20时—8日20时，期间最大小时雨量为68.8 mm(邵阳站)，全省有132个自动气象站24 h累计降水量超过100.0 mm，345站累计降水量位于50.0~100.0 mm。降水初期(7日12时)雨带位于湘北，随后雨带东移南压；8日00—06时，强降水主要出现在湘中一带的益阳南部、怀化中部、娄底和邵阳北部；8日08时—9日02时，雨带继续南移，降水范围扩至怀化南部、邵阳、永州和郴州等湘南地区。选取3个强降水站点(凤凰站、洪江站、新化站)作为此次过程的代表站(位置如图 1b所示)，其过程累计降水量分别为89.8 mm、148.0 mm和109.7 mm。
“6 ·21”过程中，湖南国家站平均降水量为44.0 mm，最大累计降水量(171.6 mm)出现在通道站。主要降水时段为21日08时—22日08时，期间最大小时雨量为32.4 mm(洪江站)，全省自动气象站中有94站24 h累计降水量超过100.0 mm，783站累计降水量在50.0~100.0 mm。此次过程中雨带南北摆动，21日08时降水主要出现在湘西北，22日02时前，雨区覆盖湘中及以北的益阳、长沙、怀化等地。随后雨带南压，22日02—15时湘中以南一带的怀化南部和邵阳出现降水，22日15—20时，随着系统南压移出湖南，全省降水有所减弱，23日05时左右雨带北抬，湘中地区的强降水逐渐结束。选取3个大暴雨站点(隆回站、城步站、通道站)作为此次过程的代表站(位置如图 1c所示)，其过程累计降水量分别为110.6 mm、109.3 mm、171.6 mm。
两次过程代表站点的降水强度和持续时间具有明显差异。“6 ·7”过程中，凤凰站、洪江站和新化站降水持续时间短、雨强大，呈现短时强降水的特征(表 1)；3站的最大雨强分别为52.4 mm ·h-1(7日19时)、41.7 mm ·h-1(8日04时)和51.8 mm ·h-1(8日01时)；3站的主要降水时段分别出现在7日18—21时、8日03—08时和8日00—02时。而“6 ·21”过程中，隆回站、城步站和通道站的降水持续时间长、雨强较小，呈现持续性降水的特征，具有多个主降水阶段，最大雨强分别为26.2 mm ·h-1(22日08时)、13.9 mm ·h-1(22日14时)和25.1 mm ·h-1(22日09时)。
|
表 1 两次过程中代表站的主要降水时段、持续时间、最大雨强和过程累计降水量 Table 1 Comparison of main precipitation periods, duration, maximum hourly rainfall intensity and accumulated precipitation at representative stations during the two rainstorm events |
两次降水过程均发生于2025年盛夏，气候背景基本一致，环流形势有一定的相似性，500 hPa高空槽和中低层低涡切变线是造成两次过程的主要影响系统，强降水落区均位于850 hPa切变线附近。由天气系统演变来看，相比“6 ·7”过程，“6 ·21”过程系统移动速度更慢，导致出现不同的降水类型。
“6 ·7”过程受500 hPa高空槽东移及低涡切变线南压共同影响，系统移速较快。湖南位于副高边缘，不稳定能量较高(ERA5资料显示7日20时湖南大部地区对流有效位能可达1 500 J ·kg-1，图略)，湘西、湘北850 hPa比湿达16 g ·kg-1，高能高湿更易触发短时强降水。7日23时(图 2a)，低涡中心位于湘西北，切变线亦位于该区域，强降水主要出现在湘中以北。随后系统快速东移南压，8日14时低涡中心移至鄂东，切变线南压至湘中，强雨带相应南移至怀化、邵阳一带(图 2b)。9日05时(图 2c)，随着低涡移出湖南，强降水过程基本结束。整体来看，系统移动较快，降水持续时间相对较短，雨带位置随系统快速调整。
|
图 2 “6 ·7”过程500 hPa位势高度场叠加850 hPa比湿和风场 Fig.2 Geopotential height at 500 hPa superimposed on specific humidity and wind field at 850 hPa in the "6 ·7" event 蓝色等值线—500 hPa位势高度，单位为dagpm; 色阶—850hPa比湿，单位为g·kg-1; 风矢—850 hPa风场，风速单位为m·s-1。 |
“6 ·21”过程则受低涡切变线和西南气流的持续影响，副高与低涡系统稳定维持，中低层切变线移动缓慢，导致强降水落区重叠，累计降水量较大。21日08时(图 3a)，低涡中心位于湘西北，850 hPa西南急流较“6 ·7”过程更为强盛，湘南部分地区风速达16 m ·s-1，湘西、湘中以北850 hPa比湿达15 g ·kg-1，此时强降水集中于湘西北。至22日02时(图 3b)，低涡中心仍滞留在湘西北怀化附近，切变线略有南压，强降水区扩展至湘中，其间高空500 hPa的588 dagpm等高线位置稳定。23日05时(图 3c)，切变线略微北抬，湘中强降水结束。整个过程中系统稳定少动，低层切变线在湘中及湘中偏北地区摆动，使得较强的水汽在中低层维持了3 d，因此“6 ·21”过程持续时间更长，影响范围更广。
|
图 3 “6 ·21”过程500 hPa位势高度场叠加850 hPa比湿和风场 Fig.3 Geopotential height at 500 hPa superimposed on specific humidity and wind field at 850 hPa in the "6 ·21" event 蓝色等值线—500 hPa位势高度，单位为dagpm; 色阶—850hPa比湿，单位为g·kg-1; 风矢—850 hPa风场，风速单位为m·s-1。 |
综上，两次过程虽影响系统相似，但“6 ·7”过程系统移速快、降水历时短、雨带随系统快速南移，而“6 ·21”过程系统稳定、移速缓慢，造成降水落区持续重叠、累计降水量大。
2.3 雷达回波特征“6 ·7”过程中，6月8日02时中尺度对流系统发展旺盛，开始影响湘中地区(图 4a)，湘中偏北的大范围较弱回波中镶嵌着Z≥35 dBZ的积云，为层积混合云降水回波[33-35]，此时怀化西部、娄底和邵阳北部为积云主导，雷达组合反射率因子超过60 dBZ，西南—东北向的回波主要影响湘中，造成湘中地区的暴雨。沿02：15最强回波区域作垂直剖面(图 4b)，云顶高度超过10 km，7 km和3.5 km附近均出现60 dBZ的强回波。ERA5资料显示(图略)0 ℃层高度约为5.3 km，抬升凝结高度为0，-20 ℃层高度为8.8 km，50 dBZ的强回波伸展至超过0 ℃层但低于-20 ℃层的高度，这表明降水过程中暖云层较厚，为低质心、高效率降水回波[36]。此外，剖面图部分区域40 dBZ回波顶高伸至-20 ℃层高度[37]，参考前人研究结果[38]，推测“6 ·7”过程以暖云降水为主，伴有冷云发展，云中可能存在霰粒等冰相粒子。
|
图 4 两次过程雷达回波特征 Fig.4 Characteristics of radar echoes during the two rainstorm events a、c中色阶—雷达组合反射率因子，b、d中色阶—雷达基本反射率因子，单位为dBZ。 |
“6 ·21”过程以大范围雷达组合反射率因子小于35 dBZ的层状云降水回波为主(图 4c)，21日21时怀化中部、益阳南部和长沙东部的最大雷达反射率因子大于50 dBZ，强回波带呈西南—东北向分布，降水回波自西南向东北方向缓慢移动，造成持续性强降水。沿21：03最强回波区作垂直剖面(图 4d)，“6 ·21”过程云顶高度比“6 ·7”过程低，ERA5资料显示(图略)0 ℃层高度约为5.5 km，抬升凝结高度为0，-20 ℃层高度为9 km。图 4d中40 dBZ回波顶高一般低于6 km，因此“6 ·21”过程以暖云降水为主，主要属于弱对流系统降水。
3 雨滴谱特征分析 3.1 雨强和谱分布的演变“6 ·7”过程中，随着雨强增大，雨滴数浓度和谱宽增大，3个站点数浓度最大值均出现在0~1 mm的直径区间(图 5a—f)。以凤凰站为例，该站降水从7日17：38开始，存在2个雨强R＞20 mm ·h-1的对流降水阶段(17：40—17：50和18：22—19：12)。对流降水阶段小粒径雨滴数浓度高，最大为6 734.3 m-3 ·mm-1(18：31)，中等粒径雨滴数浓度在200~2 000 m-3 ·mm-1，大粒径雨滴数浓度在1~100 m-3 ·mm-1，部分雨滴直径超过6 mm。其余降水时段雨滴数浓度则相对较低。
|
图 5 两次过程中各代表站逐分钟降水量和雨滴谱随时间的变化 Fig.5 Time series of minute-scale precipitation and raindrop size distribution at representation stations during the two rainstorm events 色阶—雨滴数浓度，单位为m-3.mm-1。 |
“6 ·21”过程降水持续时间较长，雨滴谱波动相对平缓，3个站鲜有直径超过6 mm的粒子(图 5g—l)。以隆回站为例，该站具有2个对流性降水时段：22日02：00—02：05和06：50—07：52。2个时段对应较宽的粒子分布谱和较高的雨滴数浓度，其小粒径雨滴数浓度最大为6 062 m-3 ·mm-1 (07：00)，中等粒径雨滴数浓度在150~3 000 m-3 ·mm-1，而大粒径雨滴数浓度在1~80 m-3 ·mm-1。22日03—06时和11—16时为弱降水阶段，中等粒径雨滴和大粒径雨滴明显减少，而小粒径雨滴数浓度仍较高，最高可达2 719 m-3 ·mm-1。
综上所述，“6 ·7”过程对流降水的雨滴谱较宽，大粒径雨滴数浓度相对更高；“6 ·21”过程大粒径雨滴数浓度相对更低，以小粒径雨滴为主。廖慕科等[39]研究表明，强对流型降水雨滴谱较宽、大粒径雨滴较多，而持续性降水的小粒径和中等粒径的雨滴数浓度更高，文中结果与其基本一致。但本研究中，对流性降水的小粒径雨滴数浓度比持续性降水略高，如“6 ·7”过程凤凰站为6 734.3 m-3 ·mm-1，“6 ·21”过程隆回站为6 062 m-3 ·mm-1。
3.2 不同雨强下平均雨滴谱分布将不同雨强的雨滴谱资料分为7类[24]，由各站点不同雨强下的平均雨滴谱分布(图 6)可以看出，平均雨滴谱总体呈单峰型分布，峰值普遍出现在直径0.7 mm附近。随着雨强的增大，峰值对应的数浓度增大，各粒径档雨滴数浓度均有所增加，谱宽逐渐变宽，表明雨强的变大是由中小粒径雨滴的增加和大粒径雨滴的出现共同导致的。
|
图 6 两次过程中各代表站不同雨强下的平均雨滴谱分布 Fig.6 Average raindrop size distribution under different rainfall intensities at representative stations during the two rainstorm events 折线色阶—R，单位为mm.h-1。 |
“6 ·7”过程中，凤凰站和洪江站均包含全部7类雨强的平均雨滴谱，但R＞100 mm ·h-1的样本较少，上述2站分别仅记录到10 min和3 min，而新化站则仅具有6类雨强的平均雨滴谱。在弱降水条件下(R < 10 mm ·h-1)，凤凰站和洪江站的前三类(0.1 mm ·h-1≤R＜2 mm ·h-1、2 mm ·h-1≤R＜5 mm ·h-1和5 mm ·h-1≤R＜10 mm ·h-1)平均雨滴谱在D＜1 mm时雨滴数浓度差别不大，而在1 mm≤D＜3 mm中等粒径和D≥3 mm大粒径雨滴数浓度具有明显差异；随着雨强的增加，新化站各粒径段雨滴数浓度均有所增加。对于强降水情形(R≥10 mm ·h-1)，3个站点在10 mm ·h-1≤R＜20 mm ·h-1、20 mm ·h-1≤R＜50 mm ·h-1和50 mm ·h-1≤R＜100 mm ·h-1三类雨强下平均雨滴谱谱宽增加至6 mm以上，随着雨强的增大，小粒径雨滴数浓度增幅较小，谱型在大粒径雨滴端逐渐抬升，且大粒径雨滴数浓度的增幅更大，这表明该阶段雨强的增大主要受大粒径雨滴数浓度上升主导。这一特征与张庆池等[40]、李熠等[41]的研究结论一致。
“6 ·21”过程3个代表站都仅具有6类雨强的平均雨滴谱，且均未观测到直径超过6 mm的粒子。该过程的谱型在1~3 mm中等粒径雨滴附近的凸起较“6 ·7”过程更明显。与“6 ·7”过程类似的是，随着雨强增大，D＜1 mm的小粒径雨滴数浓度变化不大，而中等粒径雨滴和大粒径雨滴的数浓度差别较大，雨强的增大同样主要受大粒径雨滴数浓度增加影响。
上述分析表明，本研究中得到的平均雨滴谱主要为单峰型，与李山山等[18]对湖北强降水研究中N(D)随D呈双峰分布的结果略有不同，而与淮北地区平均雨滴谱的分布特征[40]较为接近。
3.3 不同粒径雨滴对数浓度和降水量的贡献通过不同粒径雨滴对数浓度的贡献(图 7a、b)可知，两次降水过程均以小粒径雨滴的贡献最大，其次为中等粒径雨滴。具体而言，“6 ·7”过程中，凤凰站、洪江站和新化站的小粒径雨滴贡献率分别为66.9%、64.4%和66.7%，中等粒径雨滴贡献率分别为32.1%、35.1%和32.6%。而在“6 ·21”过程中，隆回站、城步站和通道站的小粒径雨滴贡献率分别为76.4%、78.2%和71.1%，中等粒径雨滴贡献率分别为23.5%、21.8%和28.8%。
|
图 7 不同粒径雨滴对两次过程中数浓度和降水量的贡献 Fig.7 Contribution rate of raindrops with different diameters to number concentration and amount of precipitation during the two rainstorm events |
由不同粒径雨滴对降水量的贡献(图 7c、d)可以看出，两次过程中均以中等粒径雨滴的贡献为主。“6 ·7”短时强降水过程中，中等粒径雨滴与大粒径雨滴的贡献显著。凤凰站、洪江站和新化站的中等粒径雨滴贡献率分别为66.0%、77.3%和68.9%；大粒径雨滴贡献率分别为29.4%、17.1%和25.1%，位列第二。尽管该过程大粒径雨滴数浓度占比较低(仅1.0%、0.5%和0.7%)，但其对降水量的贡献突出，表明降水量并非仅由中小粒径雨滴数浓度决定。这与吴亚昊等[42]对湖南大暴雨过程雨滴谱的研究结论(对流云降水中，中小粒径雨滴数浓度并非雨量的决定性因素)相似。在“6 ·21”持续性降水中，降水量主要由中等粒径雨滴和小粒径雨滴贡献。隆回站、城步站和通道站的中等粒径雨滴贡献率分别为77.2%、78.6%和83.0%，小粒径雨滴贡献率分别为15.0%、18.6%和10.7%。
总体来看，两次强降水过程均表现为小粒径雨滴对数浓度的贡献最大，而中等粒径雨滴对降水量的贡献最大，这与吴亚昊等[42]的研究结果相符，其研究指出：直径0~1 mm的小粒径雨滴对数浓度贡献最大，而降水量贡献以直径1~3 mm的中等粒径雨滴为主。对比两次过程，“6 ·7”过程的大粒径雨滴对降水量的贡献更为显著。
3.4 lg Nw-Dm关系lg Nw和Dm是分析雨滴数浓度和平均直径的2个重要微物理特征参量。图 8给出了两次过程中6个代表站的lg Nw-Dm分布，其中绿色和蓝色矩形框为Bringi等[9]研究提出的海洋性和大陆性对流的降水分类，海洋性对流的雨滴谱具有粒径小、数浓度大的特征，而大陆性对流通常表现为较大的粒径和较小的数浓度[14, 19, 24]。
|
图 8 降水过程中6个代表站lg Nw-Dm散点分布 Fig.8 Scatter plot of lg Nw versus Dm at 6 representative stations during precipitation events 绿色、蓝色矩形框—Bringi等[9]提出的海洋性、大陆性对流范围; 圆圈及三角形色阶—R，单位为mm.h-1。 |
“6 ·7”过程的弱降水(R＜10 mm ·h-1)具有较低的lg Nw(一般小于4.5 m-3 ·mm-1)和较大的Dm(超过2 mm的降水粒子)，而对流降水也具有较低的lg Nw和较大的Dm(超过3 mm的降水粒子)，对流数据点分布在大陆性对流和海洋性对流之间的区域(lg Nw范围在3.0~4.5，Dm范围在1.5~3.0)。3站点的对流平均值在海洋性对流和大陆性对流区域之间：凤凰站对流平均lg Nw和Dm值为3.7 m-3 ·mm-1和2.3 mm，洪江站平均lg Nw和Dm值为3.9 m-3 ·mm-1和2.0 mm，新化站平均lg Nw和Dm值为3.9 m-3 ·mm-1和2.1 mm，这表明此次过程存在海洋性特点，同时也部分地表现出大陆性对流的特征。
“6 ·21”过程海洋性对流特征更为明显，雨滴谱的分布向左上方伸展，表明存在极高数浓度的小雨滴。弱降水具有较高的lg Nw(部分数据点大于4.5 m-3 ·mm-1)和较小的Dm(一般小于2 mm)，对流降水也具有较高的lg Nw和较小的Dm，不具有Dm超过3 mm的雨滴，对流数据点分布在海洋性对流内及其周围，仅通道站有少数样本点落在典型的大陆性对流内。3站点的对流性降水平均值均落在海洋性对流内：隆回站平均lg Nw和Dm值为4.2 m-3 ·mm-1和1.6 mm，城步站平均lg Nw和Dm值为4.0 m-3 ·mm-1和1.6 mm，通道站平均lg Nw和Dm值为4.0 m-3 ·mm-1和1.7 mm。
综合以上分析，“6 ·7”过程lg Nw略低、Dm大，该过程存在海洋性雨滴谱特征，同时也部分表现出大陆性对流的特征，而“6 ·21”过程lg Nw相对更高，Dm相对较小，海洋性对流雨滴谱特征更明显。结合Dolan等[43]的分类结果，推测出“6 ·7”过程对流降水雨滴谱成因更为复杂，降水由活跃的冰相过程和暖雨-冰相混合过程的共同作用形成。整个过程中具有Dm超过3 mm的粒子，冰相过程对大雨滴的产生起到重要作用：雷达垂直剖面图显示0 ℃层以上存在强反射率因子中心，冷云中可形成霰粒等固态粒子，在下落过程中完全融化，加上后期的碰并作用，产生了地面雨滴谱较大的Dm。“6 ·21”过程的雨滴增长以暖云碰并过程主导，暖雨-冰相混合过程次之。
3.5 Z-R关系分析图 9为利用雨滴谱资料反演6个代表站的雷达反射率因子与雨强(R＞0.1 mm ·h-1)的散点图，其中黑色实线为雨强大于10 mm ·h-1的对流降水的雷达反射率因子和雨强关系(Z-R关系)拟合线。Z-R关系可用Z=A×Rb的形式进行拟合，其中系数A与雨滴数浓度有关，指数b与雨滴形成的微物理机制相关，b较大(约为1.6)代表受雨滴直径控制的过程，而b较小(接近1)则代表受雨滴数浓度控制的过程[44]。“6 ·7”过程各代表站的指数b分别为1.10、1.16和1.17(图 9a—c)，而“6 ·21”过程的指数b较“6 ·7”过程更大，分别为1.46、1.40和1.50(图 9d—f)。
|
图 9 降水过程中6个代表站Z-R关系散点分布 Fig.9 Scatter plot of Z-R relationship at 6 representative stations during precipitation events 黑色实线—雨强大于10mm·h-1的Z-R关系拟合线。 |
“6 ·7”过程Z-R关系的系数A明显要比“6 ·21”过程的系数A大，前者各站点Z-R关系的系数A(分别为1 144.0、658.1和834.4)明显比标准的Z-R关系(Z=300×R1.40)的系数A大，而后者各站点系数A(分别为135.5、220.6和160.8)则比标准的Z-R关系式小，这是因为“6 ·7”过程的对流性更强，韩熠[45]对雨滴谱Z-R关系的研究表明，对流性降水的Z-R关系的系数A明显大于层状云降水。这说明对于不同类型的降水过程，若采用统一的Z-R关系估测降水会造成误差，可针对不同降水类型建立不同的Z-R关系式，以更好地估计降水量，提高雷达定量降水估测的精确度。
3.6 V-D关系分析下落末速度(V)和降水粒子直径(D)的关系是雷达反演降水粒子谱的基础，同时也是数值模式中微物理参数化方案的重要组成部分[46-47]。由两次过程中6个代表站降水粒子的V-D关系(图 10)可以看出，6站具有相似的特征，其V-D分布的中心均位于雨滴V-D经验曲线下方，即相同粒径的粒子下落速度更小。“6 ·7”过程3个代表站的V-D分布更为分散，这指示着降水粒子下落末速度更大、Dm更大。“6 ·7”过程凤凰站、新化站和洪江站的最大粒子数浓度都出现在粒径1.25 mm和下落末速度4 m ·s-1附近，该区间粒子个数分别为13 382个、14 262个和28 546个。“6 ·21”过程3个代表站的最大粒子数浓度也出现在粒径1.25 mm和下落末速度4 m ·s-1附近，隆回站、城步站和通道站在其中心处粒子个数分别为31 290个、37 876个和56 083个，可见“6 ·21”过程具有极高数浓度的小尺寸粒子，这与前文分析一致。
|
图 10 降水过程中6个代表站的V-D关系分布 Fig.10 Scatter plot of V-D relationship at 6 representative stations during precipitation events 色阶—lg N，单位为m-1; 实线—雨滴的V-D经验曲线; 虚线—经验曲线的±60%范围。 |
由不同尺寸粒子下落末速度的加权平均值(表 2)可以看出：“6 ·7”过程的小尺寸粒子平均落速在2.41~2.47 m ·s-1，中等尺寸粒子平均落速在4.37~4.66 m ·s-1，大尺寸粒子平均落速为7.53~7.72 m ·s-1；而“6 ·21”过程小尺寸粒子平均落速(2.31~2.46 m ·s-1)变化范围略大，中等尺寸粒子平均落速(4.23~4.47 m ·s-1)接近或略小，大尺寸粒子平均落速(7.63~7.84 m ·s-1)与“6 ·7”过程接近或略大。
|
|
表 2 两次过程代表站点不同粒径雨滴的平均下落末速度
Table 2 Mean terminal velocity of raindrops with different diameters at representative stations during the two rainstorm event |
基于降水天气现象仪、多普勒雷达等观测数据和ERA5资料，对2025年初夏湖南两次暴雨过程的微物理特征进行了分析，得到以下主要结论。
(1) 2次暴雨过程均受500 hPa高空槽和中低层低涡切变线影响，强降水落区位于低涡切变线附近，但降水性质有较大差异。“6 ·7”过程以短时强降水为主，系统移速更快；“6 ·21”过程系统稳定少动，降水持续时间长，降水落区有所重叠，累计雨量大。
(2)“6 ·7”过程以层积混合云降水为主，属于低质心、高效率降水，暖云层较厚，伴有冷云发展，云中可能存在冰相粒子；“6 ·21”过程则以层状云降水为主，雷达强回波中心位于0 ℃层以下，属于弱对流系统降水。
(3)“6 ·7”过程的lg Nw-Dm分布中，海洋性对流和大陆性对流共存，表明降水由活跃的冰相过程和暖雨-冰相混合过程共同作用形成；“6 ·21”过程的lg Nw-Dm分布则主要集中于海洋性对流，表明雨滴增长由暖云碰并过程主导，暖雨-冰相混合过程次之。
(4) 两次强降水过程均表现为直径小于1 mm的小粒径雨滴对数浓度的贡献最大，而直径为1~3 mm的中等粒径雨滴对降水量贡献最大；相比于“6 ·21”过程，“6 ·7”过程直径大于3 mm的大粒径雨滴对降水量贡献更为显著。
(5) 两次过程的Z-R关系均与标准Z-R关系有较大差异。相较于标准Z-R关系，“6 ·7”过程对流降水的系数A更大，而“6 ·21”过程对流降水的系数A更小。
| [1] |
戴泽军, 蔡荣辉, 彭莉莉, 等. 湖南持续性区域暴雨气候特征及暴雨落区分型[J]. 高原气象, 2019, 38(3): 573-582. |
| [2] |
张剑明, 廖玉芳, 段丽洁, 等. 湖南近50年极端连续降水的气候变化趋势[J]. 地理研究, 2012, 31(6): 1004-1015. |
| [3] |
陈文, 杨修群, 黄荣辉, 等. 中国南方洪涝和持续性暴雨的气候背景[M]. 北京: 气象出版社, 2013.
|
| [4] |
陈静静, 叶成志, 吴贤云. 湖南汛期暴雨天气过程环流客观分型技术研究[J]. 暴雨灾害, 2016, 35(2): 119-125. |
| [5] |
唐佳, 叶成志, 唐明晖, 等. 弱天气尺度背景下湖南两次暖区暴雨对比分析[J]. 高原气象, 2021, 40(4): 815-828. |
| [6] |
刘红武, 胡燕, 苏涛, 等. 2019年主汛期湖南两次致灾暴雨过程对比分析[J]. 高原气象, 2021, 40(5): 1101-1114. |
| [7] |
陈红专, 叶成志, 陈静静, 等. 2017年盛夏湖南持续性暴雨过程的水汽输送和收支特征分析[J]. 气象, 2019, 45(9): 1213-1226. |
| [8] |
姚蓉, 唐佳, 王晓雷, 等. 湖南短时强降水时空分布及相关环境参数统计分析[J]. 灾害学, 2020, 35(2): 116-121. |
| [9] |
BRINGI V N, CHANDRASEKAR V, HUBBERT J, et al. Raindrop size distribution in different climatic regimes from disdrometer and dual-polarized radar analysis[J]. J Atmos Sci, 2003, 60(2): 354-365. DOI:10.1175/1520-0469(2003)060<0354:RSDIDC>2.0.CO;2 |
| [10] |
TOKAY A, BASHOR P G, HABIB E, et al. Raindrop size distribution measurements in tropical cyclones[J]. Mon Wea Rev, 2008, 136(5): 1669-1685. DOI:10.1175/2007MWR2122.1 |
| [11] |
毛志远, 付丹红, 黄彦彬, 等. 台风贝碧嘉(1816)外围云系结构与降水特征[J]. 应用气象学报, 2022, 33(5): 604-616. |
| [12] |
贾小芹, 郑丽娜, 张子涵, 等. 激光雨滴谱仪探测降水与自动气象站观测降水的对比分析[J]. 海洋气象学报, 2019, 39(1): 123-130. |
| [13] |
梅海霞, 梁信忠, 曾明剑, 等. 2015-2017年夏季南京雨滴谱特征[J]. 应用气象学报, 2020, 31(1): 117-128. |
| [14] |
温龙. 中国东部地区夏季降水雨滴谱特征分析[D]. 南京: 南京大学, 2016.
|
| [15] |
陈子健, 胡向峰, 陈宝君, 等. 河北省中南部暴雨雨滴谱特征[J]. 干旱气象, 2019, 37(4): 586-596. |
| [16] |
赵城城, 张乐坚, 梁海河, 等. 北京山区和平原地区夏季雨滴谱特征分析[J]. 气象, 2021, 47(7): 830-842. |
| [17] |
李慧, 银燕, 单云鹏, 等. 黄山层状云和对流云降水不同高度的雨滴谱统计特征分析[J]. 大气科学, 2018, 42(2): 268-280. |
| [18] |
李山山, 王晓芳, 李国平, 等. 短时强降水和持续性强降水的雨滴谱特征对比[J]. 暴雨灾害, 2023, 42(1): 1-12. |
| [19] |
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. |
| [20] |
HERSBACH H, BELL B, BERRISFORD P, et al. The ERA5 global reanalysis[J]. Quart J Roy Meteor Soc, 2020, 146(730): 1999-2049. DOI:10.1002/qj.3803 |
| [21] |
LÖFFLER-MANG M, JOSS J. An optical disdrometer for measuring size and velocity of hydrometeors[J]. J Atmos Oceanic Technol, 2000, 17(2): 130-139. DOI:10.1175/1520-0426(2000)017<0130:AODFMS>2.0.CO;2 |
| [22] |
BATTAGLIA A, RUSTENMEIER E, TOKAY A, et al. Parsivel snow observations: a critical assessment[J]. J Atmos Oceanic Technol, 2010, 27(2): 333-344. DOI:10.1175/2009JTECHA1332.1 |
| [23] |
JAFFRAIN J, BERNE A. Experimental quantification of the sampling uncertainty associated with measurements from Parsivel disdrometers[J]. J Hydrometeorol, 2011, 12(3): 352-370. DOI:10.1175/2010JHM1244.1 |
| [24] |
王俊, 丛春华, 王洪, 等. 台风温比亚(2018)登陆后雨滴谱演变特征研究[J]. 气象, 2022, 48(11): 1449-1459. |
| [25] |
付志康, 万蓉, 肖艳娇, 等. 业务DSG5型降水现象仪与Parsivel降水滴谱仪测量参数对比分析[J]. 暴雨灾害, 2022, 41(4): 434-444. |
| [26] |
刘艳霞, 文军, 谢晓林. 青藏高原中东部和四川盆地的夏季雨滴谱对比分析研究[J]. 高原气象, 2024, 43(1): 28-41. |
| [27] |
CHEN B J, YANG J, PU J P. Statistical characteristics of raindrop size distribution in the Meiyu season observed in eastern China[J]. J Meteor Soc Japan, 2013, 91(2): 215-227. DOI:10.2151/jmsj.2013-208 |
| [28] |
王俊, 刘畅, 王洪. 山东沂南一次特大暴雨雨滴谱特征分析[J]. 海洋气象学报, 2025, 45(6): 46-56. DOI:10.19513/j.cnki.hyqxxb.20241110001 |
| [29] |
王俊, 刘畅. 一次拖曳型飑线过程雨滴谱演变特征研究[J]. 海洋气象学报, 2019, 39(2): 43-57. DOI:10.19513/j.cnki.issn2096-3599.2019.02.005 |
| [30] |
毛家燊, 陈逸伦, 张奡祺, 等. 崇左和防城港两地的台风韦帕(201907)降雨雨滴谱对比分析[J]. 大气科学, 2023, 47(3): 655-666. |
| [31] |
周伶俐, 付志康, 徐桂荣, 等. 2020年梅雨期长江中下游地区雨滴谱垂直结构特征[J]. 暴雨灾害, 2023, 42(4): 455-466. |
| [32] |
TESTUD J, OURY S, BLACK R A, et al. The concept of "normalized" distribution to describe raindrop spectra: a tool for cloud physics and cloud remote sensing[J]. J Appl Meteor Climatol, 2001, 40(6): 1118-1140. DOI:10.1175/1520-0450(2001)040<1118:TCONDT>2.0.CO;2 |
| [33] |
王世杰, 高晓梅, 封雅琼, 等. 山东一次干线触发极端强对流天气的双偏振雷达分析[J]. 海洋气象学报, 2025, 45(3): 96-106. DOI:10.19513/j.cnki.hyqxxb.20240628001 |
| [34] |
STEINER M, HOUZE R A Jr, YUTER S E. Climatological characterization of three-dimensional storm structure from operational radar and rain gauge data[J]. J Appl Meteor Climatol, 1995, 34(9): 1978-2007. DOI:10.1175/1520-0450(1995)034<1978:CCOTDS>2.0.CO;2 |
| [35] |
俞小鼎, 姚秀萍, 熊廷南, 等. 多普勒天气雷达原理与业务应用[M]. 北京: 气象出版社, 2007.
|
| [36] |
陈红专, 叶成志, 唐明晖. 2011年6月湖南两次暴雨过程的中尺度特征对比分析[J]. 气象, 2013, 39(12): 1580-1590. |
| [37] |
ZIPSER E J, CECIL D J, LIU C T, et al. Where are the most intense thunderstorms on earth[J]. Bull Amer Meteor Soc, 2006, 87(8): 1057-1072. DOI:10.1175/BAMS-87-8-1057 |
| [38] |
李芳, 刁秀广, 夏凡, 等. 基于双偏振雷达资料的一次强降水超级单体风暴特征分析[J]. 热带气象学报, 2023, 39(6): 838-847. |
| [39] |
廖慕科, 王俊, 唐熠, 等. 广西两次极端强降水地面雨滴谱特征对比分析[J/OL]. 暴雨灾害, 2025-06-10[2025-08-13]. https://link.cnki.net/urlid/42.1771.p.20250609.2103.008.
|
| [40] |
张庆池, 刘端阳, 武艳, 等. 淮北地区不同类型暴雨雨滴谱特征及其Z-R关系研究[J]. 气象学报, 2022, 80(6): 967-985. |
| [41] |
李熠, 郑媛媛, 陈刚, 等. 江苏省夏季梅雨和台风型短时强降水雨滴谱特征差异分析[J]. 大气科学学报, 2024, 47(5): 798-808. |
| [42] |
吴亚昊, 唐明晖, 游枭雄, 等. 台风"暹芭"不同阶段的大暴雨雨滴谱特征分析[J]. 灾害学, 2024, 39(4): 115-124. |
| [43] |
DOLAN B, FUCHS B, RUTLEDGE S A, et al. Primary modes of global drop size distributions[J]. J Atmos Sci, 2018, 75(5): 1453-1476. DOI:10.1175/JAS-D-17-0242.1 |
| [44] |
UIJLENHOET R, SMITH J A, STEINER M. The microphysical structure of extreme precipitation as inferred from ground-based raindrop spectra[J]. J Atmos Sci, 2003, 60(10): 1220-1238. DOI:10.1175/1520-0469(2003)60<1220:TMSOEP>2.0.CO;2 |
| [45] |
韩熠. 中国不同区域夏季降水雨滴谱特征分析[D]. 北京: 中国气象科学研究院, 2022.
|
| [46] |
LOCATELLI J D, HOBBS P V. Fall speeds and masses of solid precipitation particles[J]. J Geophys Res, 1974, 79(15): 2185-2197. DOI:10.1029/JC079i015p02185 |
| [47] |
贾星灿, 马新成, 毕凯, 等. 北京冬季降水粒子谱及其下落速度的分布特征[J]. 气象学报, 2018, 76(1): 148-159. |