杭州市冬季降水相态判别指标研究

来源:用户上传      作者:

　　摘要：采用杭州市2008—2017年冬季逐日地面观测资料和高空探空资料，选取与降水相态转换关系密切的温度和厚度指标进行分析，最终凝练出适合杭州市的冬季雨雪相态客观识别判据。经检验发现该识别判据对雨和雪的识别可用性均较好，TS评分均高达100%，无漏报与空报现象。在实际应用中，若出现与客观判据中某些指标阈值不一致的天气个例，可结合研究中提出的补充参考判据。该研究结果可为杭州市冬季的日常业务预报提供参考依据。
　　关键词：降水相态;厚度指标;识别判据;冬季;杭州市
　　中图分类号：P456 文献标识码：A
　　文章编号：0439-8114（2020）07-0121-05
　　DOI：10.14088/j.cnki.issn0439-8114.2020.07.025
　　Abstract： Based on the daily radiosonde data and surface observation data in winter during 2008 and 2017 in Hangzhou city，the indices on temperature and thickness closely related to transformation of precipitation phase are studied. Eventually，a set of objective discrimination criterion for different precipitation types is summarized in Hangzhou city. The test results show that the objective discrimination criterion has a good performance to rain and snow，and there is neither empty report nor missing report with TS scores of 100%。 In practical application，while weather factors are inconsistent with thresholds of some indices in this discrimination criterion，the supplementary reference criterions proposed in this paper can be combined. Results from this paper can provide a reference for the daily operational forecasting of Hangzhou city in winter.
　　Key words： precipitation phase; thickness index; discrimination criterion; winter; Hangzhou city
　　作为冬季的重要预报要素之一，降水相态预报对一次降水天气的预报服务成败起决定性作用。相同的降水量所对应的不同降水相态会造成截然不同的影响，如24 h累积降水量达到5 mm，若降水相态为雨，则仅为小雨;若降水相态转换成雪，则可演变为大雪，将给城市运行和社会生产带来危害。而降水相态类型则取决于动力、水汽、热力条件以及云和冰核的分布等特定的大气条件。
　　对于雨雪相态转换的研究，经历了早期的仅侧重于特定层温度到目前温度和厚度相结合的雨雪综合判别指标阶段。国外早期的一些研究指出降水类型主要取决于温度垂直廓线 [1，2]，接着提出温度与厚度决定降水相态的论断，即雨雪性质决定于高空暖层或冷层的薄厚[3，4]。Joseph[5]则进一步采用包含垂直层的温度差、湿球温度和风场等因子建立了降水相态客观预报方程。近年来，北美在预报业务中广泛使用位势厚度来判断降水类型[6]。国内对于雨雪相态的判别长期以来侧重于特定层的温度指标[7-11]，结论主要为不同降水相态的对流层、中低层（地面至700 hPa）各层温度特征。自漆梁波等[10]在降水相态研究中引入了厚度指标，国内厚度和温度相结合的综合判别指标便得到了广泛应用[12-18]。廖晓农等[12]和张琳娜等[13]通过引入厚度指标，分别给出了北京市不同相态降水的厚度变化特征以及雨雪转换关系密切的物理量因子和不同的阈值范围。此外，昆明[14]、大连[15]、丹东[16]、四川[17]等地分别针对各自的降水相态特征归纳出了相应的判别指标。各地已有的降水相态判别指标为冬季的日常预报业务提供了重要的参考依据。
　　纵观降水相态的现有研究可以看出，因各地气象条件差异大，判别指标不尽相同，且某些基于个例的研究结果不具有普适性。杭州市地处中国江南，属典型的亚热带季风气候，雨转雪是该地冬半年常见的天气现象，但目前尚无专门针对杭州市降水相态判别指标的系统性研究，给冬半年的相态预报造成了极大困难，针对该问题，研究拟利用近10年的最新资料，试图探索杭州市雨雪相态的转变规律，以期寻找出适合杭州市的降水相态判别指标，为做好杭州市冬半年的雨雪相态预报工作提供参考依据。
　　1 资料与方法
　　资料为杭州国家基准气候站2008—2018年冬季（12月至次年2月）的8：00和20：00高空与地面观测资料。挑选出冬季地面观测有降水记录的有效样本共356个，其中，雨291个、雪54个、雨夹雪11个。分别统计上述雨雪发生时对应的气温与位势厚度的分布特征，初步挑选出雨雪相态判别指标，结合检验结果总结出最终的降水相态客观识别判据。
　　2 识别判据的统计分布特征
　　纵观降水相态的国内外研究结论和预报业务现状，试图引入与降水相态转换相关性好的物理量，包括T700（代表700 hPa气温，下同）、T850、T925、T1 000、T2 m（代表海拔2 m处的气温）、H1000～925（代表1 000～925 hPa的厚度，下同）、H925～850、 H1 000～850、H1 000～700、H925～700、H850～700等。通過研究各指标的变化特征，从而提取出3种降水相态的客观预报指标。 　　2.1 各层气温与降水相态的统计特征分布
　　图1是杭州市3种降水相态的T2 m、T1 000、T925和T85箱形图，粗柱上下边界分别表示样本数的上下四分位数，粗柱中的横线代表中位数（50%分位，下同）。由图1（a）可以看出，雨、雨夹雪和雪的T2 m中位数分别为6.1、1.3、0.2 ℃，且3种相态的上下四分位几乎没有交叉，故T2 m可作为杭州市降水相态的识别判据之一。通过计算各相态的10%～90%分位可以确定，雨≥2.6 ℃，雪≤1 ℃，雨夹雪0.5～2.1 ℃，可见，除雨夹雪和雪在0.5～1 ℃有小范围交叉外，T2 m可以准确判别出大部分降水相态。
　　由图1（b）可见，雨、雨夹雪和雪的T1 000上下四分位完全没有交叉，其中位数分别为5.2、0、-1.2 ℃，故T1 000也可用作杭州市降水相态的重要判据。计算各相态的10%～90%分位可得，雨≥1 ℃，雪≤-0.2 ℃，雨夹雪为-1～1 ℃，可见，1 000 hPa雨和雪2种相态的气温具有完全独立的分布范围，因此利用T1 000也可判别出大部分降水相态，但当T1 000介于-1～-0.2 ℃时，可能出现雨夹雪或雪2种相态。
　　由图1（c）可知，雨、雨夹雪和雪的中位数分别为2.0、-2.1、-5.1 ℃，3种相态的上下四分位也完全没有交叉。由各相态的10%～90%分位变化发现，90%的降雨T925在-4 ℃以上，而雪的90%分位则在-3.6 ℃以下，故-4 ℃可用作雨雪的分界线，而90%的雨夹雪气温介于-4～-1 ℃，故T925的雨夹雪与雨有部分重叠。
　　由图1（d））可见，雨、雨夹雪和雪的中位数分别为1.0、-5.0、-7.0 ℃。当T850>2 ℃时，以液态降水（雨）为主，而当T850<-5 ℃时，则降雪的概率较大，但雨夹雪和雪的温度分布范围相近。计算各自的10%～90%分位可以确定，雨≥-5 ℃，雪≤-3 ℃，雨夹雪为-7～-2 ℃，故-4 ℃可初步用作850 hPa雨、雪的分界。
　　700和500 hPa上3种相态的温度箱形分布交叉范围极大（图略），且雨夹雪和雪的10%～90%分位重叠范围也显著大于中低层的。可见使用700和500 hPa的温度难以区分雨、雪性质，故在降水相态的温度判别指标中去除中层温度。
　　综上可知，各层气温在降水相态的判别性能上，T2 m和T1 000效果最好，T925和T850次之，而中层最差，即对流层气温自下而上判别性能递减。
　　2.2 各气层厚度与降水相态的统计特征分布
　　根据静力学原理，两层等压面之间的厚度与其层间的平均温度成正比。故相较于特定层的温度分析，厚度分析更能反映对流层中低层大气的平均冷暖状况。分析H1 000～925的箱形图2（a）可知，雨、雨夹雪和雪的上下四分位几乎没有重叠。计算各自的10%～90%分位可以确定，雨的H1 000～925为62～65 dagpm，雪的H1 000～925为 61～62 dagpm，由此可见，62 dagpm可作为雨和雪的H1 000～925区分判据，因90%的雨夹雪介于62～63 dagpm，故雨夹雪的H1 000～925更接近降雨的分布特征，只是变化范围略小。此外，雨、雨夹雪、雪的中位数分别是63、62和62 dagpm。
　　由图2（b）可知，对于H925～850，雨与其他2种相态的上下四分位几乎没有交叉，但雨夹雪和雪有部分重叠。从H925～850的10%～90%分位变化范围看，雨为67～70 dagpm，雪为65～67 dagpm，可见，67 dagpm可作为雨和雪的H925～850识别判据。雨夹雪的H925～850更接近降雪的分布，90%的雨夹雪介于66～67 dagpm。雨、雨夹雪和雪的中位数分别是68、67和66 dagpm。
　　由H1 000～850的箱线图2（c）可知，雨、雨夹雪和雪的上下四分位完全没有交叉，3种相态的中位数分别为132、129、128 dagpm左右。通过计算各自的10%～90%分位可以确定，降雨时，H1 000～850为129～134 dagpm，降雪时，H1 000～850为126～129 dagpm，故129 dagpm可作为雨、雪的分界值。而雨夹雪则介于128～129 dagpm，其H1 000～850更接近降雪的分布，只是变化幅度略小。可见，同H1 000～925和H925～850，H1 000～850也可用作判断雨、雪的厚度指标。
　　从H1 000～700的厚度箱线图2（d）可以看出，雨与其他2种相态的上下四分位完全没有交叉，但雨夹雪和雪有较大重叠。雨、雨夹雪、雪的中位数分别是287、281、280 dagpm。由其10%～90%分位的变化区间可知，雨、雨夹雪、雪的H1 000～700分别为282～292、280～283、278～283 dagpm，可见雨和雪之间的重叠比较少，282 dagpm可作为判断雨雪的简单分界，而雨夹雪的H1 000～700更接近降雪的分布，且变化幅度略小，因此仅使用该厚度作为指标识别雨夹雪的难度则相对较大。
　　对于H925～700，由图2（e）可见，雨与其他2种相态的上下四分位完全没有交叉，但雨夹雪和雪绝大部分重叠，雨、雨夹雪和雪的中位数分别为224、218和219 dagpm。计算3种相态的10%～90%分位发现，雨为220～228 dagpm，雪为217～221 dagpm，两者之间重叠较少，220 dagpm可作为雨和雪的H925～700区分判据。但雨夹雪的H925～700分布范围与降雪基本重叠，故使用H925～700可区分出大部分雨和雪，但较难判别雨夹雪和雪。
　　由H850～700的箱线图2（f）可见，类似于H925～700，雨与其他2种相态的上下四分位也完全无交叉，但雨夹雪和雪绝大部分重叠，雨、雨夹雪和雪的中位数分别为156、152和153 dagpm。由H850～700的10%～90%分位变化可知，雨和雪分别介于153～159 dagpm和151～155 dagpm，可取154 dagpm作为雨和雪的简单识别判据，但因两者之间有部分重叠，加之90%的雨夾雪介于151～154 dagpm，与降雪大部分重叠，故使用H850～700很难判别杭州市冬季大部分的降水相态。 　　由上述厚度指标的分析可知，在1 000～925 hPa、925～850 hPa以及1 000～850 hPa的低层和中低层，雨和雪的厚度分布范围几乎无重叠，2种相态具有明确的临界值，故低层和中低层的厚度指标均可作为雨、雪的区分判别指标。而在中层和更厚的大气层结内，雨和雪的厚度指标范围有重叠，但重叠区域较小，仍可提取出两者的识别判据。然而，雨夹雪的厚度分布范围与其他2种相态的则具有较明显的重叠，在对流层低层1 000～925 hPa，雨夹雪与雨的分布特征相近，而在其他大气层内，雨夹雪则和雪的冷暖状况接近，只是变化幅度略小。
　　3 各降水相态的判据设定及检验
　　根据上述对气温和厚度指标的分析，可确定杭州市降水相态的识别判据（表1），并对2018年12月至2019年2月的8：00与20：00杭州站有降水发生时所对应的雨、雪个例进行检验。2018年冬季8：00与20：00有降水的样本共计39个，其中雨33个、雪5个、雨夹雪1个。由于杭州市雨夹雪的分析和检验个例均较少，且在实际观测中，雨夹雪与其他降水相态同时或伴随出现的概率极大，较难区分出雨夹雪与其余降水相态。漆梁波等[10]研究发现，各判据对雨夹雪的判别效果均较差，主要原因是空报率高，因此仅重点分析雨和雪的识别判据。
　　表2给出温度和位势厚度指标的性能检验情况。由表2可以看出，对降雨而言，温度与厚度判据的准确性均相对较高，其中温度判据2最准确，其TS评分高达100%，无空报和漏报现象，温度判据1次之。除温度判据外，厚度判据2的表现也相对较好，其TS评分达到94%，无漏报现象，且空报率相对较低。同时可以发现，降雨的温度和厚度判据注重中低气层的冷暖，意味着只要中低气层的温度足够高，便可将空中的固态粒子转化为液态降水，因此中低层大气的冷暖状态是决定能否产生降雨的关键因素。为多角度提高降水相态判别的可信度和准确率，避免空报与漏报现象，提取降雨的温度判据和厚度判据中表现优良的指标组合为一组混合判据，用其来判斷2018年冬季降水相态，其TS评分亦可高达100%，无空报和漏报现象。
　　由降雪的判别检验可知，温度判据的性能明显优于厚度判据的性能，两种温度判据的TS评分均高达100%，无漏报与空报现象。而厚度判据1和厚度判据2的TS评分均为80%，空报率为0，漏报率均为20%。为了更全面地提高固态降水预报的准确率，结合4种判据中表现相对好的温度与厚度指标，提取了降雪的混合判据，其TS评分亦可高达100%，无空报和漏报现象。分析发现，对降雪天气而言，中低层大气的冷暖同样是至关重要的因素，即在杭州市，只要中低层气温足够低，出现降雪的概率将增大。
　　由上述分析可知，利用温度指标和厚度指标组合而成的降水相态混合判别指标，即当T2 m≥1.5 ℃、T1 000≥0 ℃、T925≥-4 ℃，且H1 000～925≥62 dagpm、H925～700>220 dagpm时，判断为雨;而当T2 m≤1.5 ℃、T1 000<0 ℃、T925≤-4 ℃，且H1 000～925≤62 dagpm、H925～850≤67 dagpm、H1 000～850≤129 dagpm时，判断为雪。此判据可用作杭州市冬季雨雪相态客观预报指标，其TS评分高达100%，无漏报与空报现象。此外，在实际预报业务中，若出现与雨、雪客观混合判据中某些指标阈值不一致的天气个例，可考虑引入表1中未进入混合判据的其余温度与厚度指标作为补充参考判据，以确定其相态。
　　在日常业务中制作相态预报时，可借鉴完全预报方法（PP法）的技术思路，即建立在预报量与预报因子同时性的统计关系基础上，将相应的高精度数值预报产品适时代入上述雨、雪相态客观判据中，输出不同时效的降水相态预报结果。
　　4 结论
　　利用杭州市2008—2017年冬季的8：00和20：00高空与地面观测资料，选出了与降水相态转换相关性好的10个温度和厚度指标：T2 m、T1 000、T925、T850、 H1 000～925、H925～850、H1 000～850、H1 000～700、H925～700、H850～700，通过研究雨、雪发生时各物理量指标的表现特征，初步确定了雨、雪的区分判据。
　　进一步综合分析上述温度和厚度判别指标，最终得到了一组雨雪混合判别指标，当T2 m≥1.5 ℃、 T1 000≥0 ℃、T925≥-4 ℃，且H1 000～925≥62 dagpm、H925～700>220 dagpm时，判断为雨，而当T2m≤1.5 ℃、T1 000<0 ℃、T925≤-4 ℃，且H1 000～925≤62 dagpm、H925～850≤67 dagpm、H1 000～850≤129 dagpm时，判断为雪。此判据可用作杭州市冬季雨雪相态客观预报指标，通过检验2018年冬季的降水相态，发现该判据对雨和雪的识别性能良好，其TS评分高达100%，无漏报与空报现象。此外，在实际应用中，若出现与雨、雪客观混合判据中某些指标阈值不一致的天气个例，可结合研究中提出的补充参考判据以确定其相态。
　　值得一提的是，在降水发生时，相态变化极其复杂，在其下降过程中往往可出现融化和冻结等多种现象，给日常预报带来较大困难，而统计结果对降水相态的判别结果仍具有较高的参考意义。在日常业务中制作相态预报时，可借鉴完全预报方法（PP法）的技术思路，即建立在预报量与预报因子同时性的统计关系基础上，将相应的高精度数值预报产品适时代入上述雨、雪相态客观判据中，输出不同时效的降水相态预报结果。但对于诸如雨夹雪等混合态的预报结果时常有较大出入，仍有待今后进一步深入分析研究。
　　参考文献：
　　[1] BOCCHIERI J R. The objective use of upper air sounding to specify precipitation type[J]. Mort Wea Rev，1980，108（5）：596-603. 　　[2] CZYS R R，SCOTT R W，TANG K C，et al. A physically based on nondimensional parameter for discriminating between locations of freezing rain and ice pellets[J]. Weather & forecasting，1996，11（4）：591-598.
　　[3] PIERRE B. A method to determine precipitation types[J]. Weather & forecasting，2000，15（5）：583-592.
　　[4] HUFFMAN G J，NORMAN G A. The supercooled warm rain process and the specification of freezing precipitation[J]. Mon Wea Rev，1988，116（11）：2172-2182.
　　[5] JOSEPH R B. The objective use of upper air soundings to specify precipitation type[J]. Mon Wea Rev，1980，108（5）：596-603.
　　[6] PAUL O，HEPPNER G. Snow versus rain：Looking beyond the “Magic” Number[J]. Weather & forecasting，1992，7（4）：683-691.
　　[7] 李江波，李銀娥，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.
　　[8] 郑 婧，许爱华，刘 波，等. 江西大雪天气的时空变化及其影响系统分析[J]. 气象，2010，36（4）：30-36.
　　[9] 孙 欣，蔡芗宁，陈传雷，等. “070304”东北特大暴雪的分析[J]. 气象，2011，37（7）：863-870.
　　[10] 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.
　　[11] 刘 畅，杨成芳，张少林，等. 一次晚春暴雪天气成因分析[J]. 气象科技，2014，42（5）：874-880.
　　[12] 廖晓农，张琳娜，何 娜，等. 2012年3月17日北京降水相态转变的机制讨论[J]. 气象，2013，39（1）：28-38.
　　[13] 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.
　　[14] 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.
　　[15] 隋玉秀，杨景秀，王 健，等. 大连地区冬季降水相态的预报方法初探[J]. 气象，2015，41（4）：464-473.
　　[16] 高松影，李慧琳，宋丽丽，等. 丹东冬季降水相态判据研究[J]. 气象与环境学报，2014，30（2）：38-44.
　　[17] 龙柯吉，郭 旭，陈朝平，等. 四川省降水相态时空分布及变化特征[J]. 高原山地气象研究，2015，35（1）：21-26.
　　[18] 贾俊平，何晓群，金 勇. 统计学[M]. 第四版. 北京：中国人民大学出版社，2009.66-67.
转载注明来源:https://www.xzbu.com/8/view-15281662.htm