乌鲁木齐两种类型降水的雨滴谱特征

冯婉悦，王智敏，杨莲梅，安克武，苏朝丞

（1.中国气象局乌鲁木齐沙漠气象研究所，新疆 乌鲁木齐830002；2.新疆气象技术装备保障中心，新疆 乌鲁木齐 830002；3.新疆人工影响天气办公室，新疆 乌鲁木齐830002；4.乌鲁木齐市气象局，新疆 乌鲁木齐830002）

研究降水粒子的雨滴谱特征，对深入了解降水形成的物理机制、认识具有地域特点的云水资源和人工增水作业条件、修订雷达定量估测降水以及数值模拟订正等具有重要意义。近年来，我国学者在不同区域雨滴谱分布、不同降水类型或天气系统的雨滴谱特征、以及雨滴谱在雷达定量估测中应用等方面做了大量研究工作。如杨俊梅等[1]对山西6个不同地区雨滴谱特征进行了统计分析。黄兴友等[2]、张祖熠等[3]、苏立娟等[4]利用雨滴谱数据，分别统计分析了南京层状云和积雨云、伊宁春季层状云和混合云降水、内蒙古三类降水云系的谱特征和谱参数。江新安和王敏仲[5]、李德俊等[6]、李遥等[7]分析了伊犁河谷汛期一次短时强降水、鄂西北两次强降雪、南京三次暴雪过程的滴谱特征。张扬等[8]、翟亮等[9]、吴亚昊等[10]等对雨滴谱资料在雷达定量估测降水中的应用进行了探讨，并提出相应的Z-R关系。针对不同类型降水进行拟合分析，发现不同降水类型的雨滴谱特征差异显著。

乌鲁木齐为典型的干旱半干旱地区，降水多集中在夏季和冬季，不同类型的降水给人们的生产生活带来的影响不同，尤其是夏季和冬季的强降水天气给农牧业和人们生产生活带来重大损失，但目前对该地区的雨滴谱特征相关研究较少，同时，针对雨雪过程的雨滴谱特征研究多数是基于一次降水过程的资料。为此，本文利用乌鲁木齐2018年1—12月雨滴谱仪数据，分析了乌鲁木齐地区两类不同天气现象（雨、雨夹雪）的雨滴谱特征，并对Z-R关系进行了简单分析，有助于提升雷达定量估测降水的能力，可以更细致地了解不同降水谱分布特征，为进一步研究乌鲁木齐降水的形成演变机制奠定基础。

1 资料与方法

1.1 仪器及数据简介

文中所用雨滴谱仪是基于德国OTT Parsivel激光雨滴谱仪测量原理，当有降水粒子穿越激光束时，根据降水粒子对激光束的衰减程度和持续时间，来获取降水粒子的尺度和速度。在此基础上，再通过降水参量计算方法，计算得到雨滴谱N（D）、质量加权直径Dm、雷达反射率因子Z、降水强度R等降水粒子参数。

本文选取了2018年1—12月乌鲁木齐气象站（43.78°N，87.65°E）雨滴谱仪的观测数据，该资料共有32个粒子直径通道（0.062～24.5mm）×32个粒子速度通道（0.05～20.8 m·s-1），包含数据1024个（32×32），仪器采样面积为54 mm2，采样时间为1 min。

1.2 数据质量控制

为提高雨滴谱仪数据可用性，首先对本文使用的雨滴谱数据进行数据质量控制处理。一方面，降水粒子在下落过程中可能发生形变，且自然界中很少有直径＞8 mm的粒子，有学者研究发现[11]，在雨强很大的情况下，降水粒子最大粒子直径也在4 mm左右。另一方面，由于雨滴下落过程中，发生碰撞、重叠等，使得粒子分布在经典直径—速度关系（Atlas等速度订正函数）范围以外[12]。此外，降水粒子直径过小、粒子总数目过小等，都会影响雨滴谱仪观测数据质量。为此，文中使用的雨滴谱仪数据质量控制方法包括：参考Battaglia等的方法，进行粒子形状订正，将订正后粒子直径＞8 mm的观测数据剔除[13]；参考Jaffrain和Brene[14]的方法，剔除粒子直径—速度经验关系±60%范围以外的粒子；剔除粒子直径＜0.3 mm、雨强＜0.01 mm·h-1，以及原始粒子数目＜10的数据[15]。

1.3 计算方法

由雨滴谱仪直接探测到第i通道的雨滴谱分布N（Di）（单位：m-3·mm-1）为：

其中，nij为降水粒子个数，Vj为降水粒子的下落末速度，单位为m·s-1；ΔDi为第i个粒径通道宽度，单位为mm；ΔT为采样时间，单位为s；A为采样面积，单位为mm2。

总粒子数浓度（单位：m-3）：

雷达反射率因子Z（单位：mm6·m-3）与雨滴谱的关系为：

降水强度R（单位：mm·h-1）与雨滴谱之间的关系为：

降水粒子含水量W（单位：g·m-3）：

式中，ρw为液水密度。

利用阶矩法，雨滴谱的质量加权平均直径Dm（单位：mm）计算公式如下：

广义截距参数Nw（单位：m-3·mm-1）：

2 结果与分析

首先收集整理出了2018年1—12月乌鲁木齐气象站的雨滴仪的观测资料，根据质量控制方法，对雨滴谱仪数据进行质量控制。同时，选取持续时间超过30 min的降水过程，根据雨滴谱仪（降水现象仪）所记录的天气现象，并结合人工观测、气象站点地面观测资料，筛选出乌鲁木齐站雨（22个天气过程）、雨夹雪（7个天气过程）两类降水现象，共5938个样本进行统计分析。

2.1 不同降水粒子总数浓度特征

降水粒子的物理特性是云内热力和动力过程作用的结果，研究不同降水的降水粒子浓度，对研究成云致雨条件，监测人工影响天气条件具有重要作用。2018年乌鲁木齐雨、雨夹雪实测的平均粒子数浓度如表1所示。两类降水每分钟平均粒子数相差不大，在300个/min左右；但粒子数浓度特征差别比较大，雨的粒子总浓度最小值约为8.79 m-3，最大值在2000 m-3左右，而雨夹雪的最小值为37.54 m-3，最大值在3000 m-3左右。通过对不同降水现象分钟粒子数浓度的差异比较，说明同一地区不同降水现象（类型）的气象条件是复杂多变的。

表1 两类降水粒子数浓度概况

2.2 雨滴谱谱宽分布特征

不同降水类型的粒子谱存在较大差异，通过分析乌鲁木齐雨、雨夹雪两类降水的雨滴谱特征，发现两类降水均表现为单峰分布的特征，且粒子数浓度峰值都在低谱段（图1）。其中，雨的滴谱宽度在0.31～5.50mm，平均谱宽为2.91 mm，小于呼和浩特地区[4]层状云降水的雨滴谱平均谱宽2.17 mm，雨夹雪的滴谱宽度在0.31～7.50mm，平均谱宽为3.91 mm，说明不同类型降水雨滴尺度和粒子数浓度不同。雨夹雪的谱宽略大于降雨过程，且大多数粒子集中在低谱段，该结论与李德俊等[16]研究武汉一次短时暴雪过程的雨、雨夹雪阶段的谱分布特征结论一致。

图1 两类降水的平均粒子数浓度分布

2.3 微物理特征参量

雨滴谱的微物理特征可以较好地反映降水的基本特性。表2给出了两类降水的微物理参量的平均值，其中Dmax、Dmean和Dm分别为最大粒子直径、平均直径和质量加权直径，N1/Nt和R1/R表示平均直径＜1 mm的降水粒子对总粒子数浓度和总降水强度的占比。

由表2可知，2018年乌鲁木齐降雨的粒子数浓度约为384.7 m-3，平均雨强为1.14 mm·h-1，液态水含量为0.14 g·m-3，最大直径、平均直径和质量加权平均直径分别为1.5，0.66和0.89 mm，该结果与山西介休地区层状云降水雨滴谱特征参量相似[1]。雨夹雪的粒子数浓度远大于雨的，但尺度参数（Dmax、Dmean和Dm）、降水强度、液态含水量与雨相差不大，量值上略小于雨。究其原因：一方面是由于雨夹雪的直径＜1 mm粒子数浓度占比更高，另一个方面可能是由于雨夹雪的样本量（1072个）要远小于雨样本量（4866个），且在数值上进行了全年的平均[17]。

表2 降水粒子微物理参量的平均值分布

直径＜1 mm的雨滴对总数浓度的贡献（N1/Nt）在两类降水天气中分别为87.31%、98.07%，其中雨天气的N1/Nt值与安徽黄山山顶上层状云降水中的N1/Nt值（82.87%）较为一致。直径＜1 mm的雨滴对总降水强度的贡献（R1/R）在两类降水中分别为61.11%、80.9%，而雨的R1/R值明显大于安徽黄山山顶上层状云降水的R1/R值（38.68%）[18-19]。乌鲁木齐地区两类降水的雨滴数浓度和总降水强度主要来源于直径＜1 mm的小粒径段的贡献。

2.4 D m和N w的特征值变化

微物理参量中的广义截距参数（lg Nw）和加权平均直径（Dm）可以反映降水的形成和演变机制，为研究乌鲁木齐两种不同降水现象（雨、雨夹雪）的降水演变差异性，对两种类型降水的Dm和lg Nw参量信息和标准差进行研究（表3）。随降水强度R的增加，雨夹雪和雨的Dm逐渐增大，分别为0.80和0.89 mm，而广义截距参数lg Nw的变化趋势则逐渐变小，分别为3.90和3.88。两者Dm的差异性要大于lg Nw，表明降水类型对特征直径的影响大于对粒子数浓度影响。此外，雨加雪Dm和Nw的标准差都大于雨，这反映了雨夹雪降水特征变率大于雨。其中，降雨天气中lg Nw（3.88）大小与山西方山地区层状云降水（3.70）接近[1]。雨天气lg Nw的标准差与安徽黄山山顶处弱降水的值（0.54）较为一致。另外，Islam等[20-21]结合英国奇尔波顿地区的雨滴谱数据，分析发现lg Nw的变化范围随质量加权平均直径Dm的增加而减小，这与本文分析观测数据得到的结论一致。

表3 乌鲁木齐站的D m与lg N w特征值

2.5 N t、D m与R的关系

降雨、雨夹雪天气的Nt-R、Dm-R散点图和拟合曲线（图2、图3），所有拟合曲线的幂指数关系均为正，表明由于降水过程的凝结破碎机制，在雨强较大时的Nt和Dm高于雨强较小时。

图2 两类降水的N t与R散点

图3 两类降水的D m与R散点

Nt-R关系中，降雨、雨夹雪的拟合方程分别为Nt=339.0R0.44、Nt=427.60R0.61，雨夹雪的拟合方程中系数和指数均大于降雨。当降雨＜5 mm·h-1时，粒子数浓度从10 m-3至1600 m-3分布范围较大；当天气系统稳定发展，降水强度逐渐增大时，Nt的变化趋于稳定，小粒子明显减少，主要分布在1000 m-3左右；而雨夹雪天气过程的Nt则随着降水的增强近线性增大，Nt与R具有较好的正相关性。

Dm-R关系中，降雨、雨夹雪的拟合方程分别为Dm=0.95R0.14、Dm=0.92R0.14，降雨的系数和指数大于雨夹雪。两者均存在弱降水时，Dm分布范围大，随着降水的增强，Dm的变化趋于稳定的特点。其中雨夹雪的Dm最大值达到了2.6 mm，约比雨的Dm最大值（2.3mm）大13.04%，但雪夹雪的平均Dm值要小于雨，这与云南[22]中部一次强雨雪过程中Dm最大值的结果较为一致。

2.6 Z-R关系

雷达定量估测降水主要是通过Z-R关系来反演降水强度，其中，Z-R关系的不确定性是雷达定量测量降水的主要误差来源，使用该方法时需要将雷达反射率因子Z代入确定的Z-R关系公式（Z=ARB）中得到降水强度R，这对已确定的系数A、幂指数B准确性有较高的要求。在不同地区这一公式会有所不同，不同类型的降水也会有不同的Z-R关系。图4给出了乌鲁木齐地区雨、雨夹雪两种不同类型降水的Z-R关系式，分别为Z=181.7R1.45、Z=205.4R1.27，其中，雨的Z-R关系式与牛生杰等[23]分析1982—1984年间宁夏雨滴谱资料，得出层状云降水Z-R关系为Z=204R1.23的结果较为一致。Von Lerber等分析了2014年BAECC（Biogenic Aerosols-Effects on Clouds and Climate）期间的降雪Z-R关系，认为系数A在53～782，系数B在1.19～1.61，乌鲁木齐地区的雨夹雪的Z-R关系式因子符合Von Lerber等的研究结果[24-25]。

图4 两类降水的Z与R散点

新一代天气雷达定量估测降水的传统公式为Z=300R1.4，乌鲁木齐地区不同降水现象的Z-R关系式与传统的表达式均有显著区别，对比发现使用Z=300R1.4会导致降水被低估，其中对雨的误差更大[26]。

3 结论与讨论

本文利用2018年1—12月地面雨滴谱观测资料，分析了乌鲁木齐降雨、雨夹雪的雨滴谱统计特征。通过文中分析能够明显地看出雨和雨夹雪的雨滴谱特征、直径大小等具有不同的变化特征，主要结论如下：

（1）雨的粒子总浓度最小值约为8.79 m-3，雪的最小值约为37.54 m-3，约为雨的4.6倍，最大值分别在2000、3000 m-3左右，但每min平均粒子数相差不大，约为300个/min。整体来讲，雨夹雪的平均总粒子数浓度Nt大于雨的，这与尹丽云[21]等得出的雨粒子数浓度最大的结论并不一致，这可能与不同地区降水特点有关。

（2）两类降水现象的雨滴谱均表现为单峰分布，粒子浓度峰值都在低谱段，雨夹雪的雨滴谱宽度要大于雨的谱宽，雨的滴谱宽度在0.31～5.50mm，雨夹雪在0.31～7.50mm。国内外学者利用雨滴谱仪对不同降水现象（类型）的微物理特征，进行了大量研究，表明从降雨到雨夹雪，其谱特征变化明显，经历单峰、波动再到多峰的演变过程，数浓度和谱宽也呈增加趋势[13]，这与本文结论一致，这是由于从降雨到雨夹雪阶段，降水粒子的下落速度不断变慢，粒子直径不断增加，直至破碎。

（3）降雨天气的各类尺度参数、降水强度、液态水含量都要大于雨夹雪天气相关参数，究其原因：一方面是由于雨夹雪的直径＜1 mm粒子数浓度占比更高；另一方面可能是由于雨夹雪的样本量（1072个）要远小于雨样本量（4866个），且在数值上进行了全年的平均。

利用这些特征可在一定程度上区分不同类型的降水。同时，由于各粒子数浓度和直径大小不同，导致小时雨强R和反射率因子Z之间的差距，从而拟合出不同的Z-R关系。雨、雨加雪的Z-R关系式分别为Z=181.7R1.45、Z=205.4R1.27，与传统的Z=300R1.4表达式对比，均有显著区别，这对后期研究新疆本地化雷达定量估测降水关系具有重要意义。

本文只是针对乌鲁木齐地区雨、雨夹雪两类降水的雨滴谱特征进行了统计分析，对探究乌鲁木齐雨滴谱分布具有启发意义，在后期工作中，还需要以更长时间序列数据、更多天气个例，开展本地化不同降水云系（如层状云、混合云、层状云）、不同降水类型（如纯雪）的雨滴谱特征和Z-R关系等研究，为建立适用于新疆本地化的定量降水估测关系奠定基础。