湿球温度动态阈值法在秦岭南北降雪时空规律分析的适用性研究

李双双， 刘青雯， 何锦屏， 尚 溦

（陕西师范大学 地理科学与旅游学院，陕西 西安 710119）

0 引言

IPCC 第六次评估报告指出，有更多证据表明气候变暖毋庸置疑［1］。人类活动造成的气候变化，已经广泛影响到全球不同区域的极端天气和气候事件。降雪异常偏多或偏少，将对中高纬度地区农业生产、水资源管理与调度、交通运输保障等社会经济系统可持续发展造成严重的影响［2-5］。

降雪和积雪，是雪灾重要的量化指标，也是认识冬季气候变化的2 个重要视角［6］。回顾已有研究，降雪和积雪在研究数据、量化指标和研究侧重等方面存在明显的差异。其中，降雪研究多基于气象观测资料，侧重于天气现象分析，关注于气候变化响应；积雪研究则基于遥感反演产品，侧重于降雪堆积或消融过程，关注于降雪水文和水量平衡的影响［7-11］。随着极端天气与气候变化响应关系研究的深入，国内外许多学者逐渐重视降水相态变化，即区分降水类型为：降雪、雨夹雪和降雨。关注不同降水相态的变化，可为理解气候变化的区域响应提供新的证据［12-16］。上述研究视角转变驱动下，许多客观雨雪相态判断方法被提出，一定程度上弥补了部分地区降水相态实际天气现象观测记录缺失的不足［17-20］。

在客观雨雪相态判断方法中，Ding 等［14］深入研究了降水类型与地面高程、气象要素之间的关系，利用日平均湿球温度、相对湿度和高程数据确定降水类型，提出湿球温度动态阈值法，对中国降水相态进行准确识别。相对于9 种气温阈值识别模型，湿球温度动态阈值法对0～4.0 ℃范围降水类型识别准确率更高。值得一提的是，前期客观雨雪相态判断方法适用性评价研究中，评估准确率空间范围以全国气候分区为主，包括青藏高原、西北、东北和其他地区，对特殊气候过渡带评估相对偏少；评估时间段以降雪季或年代尺度为主，对不同时段、不同温度、不同地理单元的组合关系关注不足。因此，精细化评估客观雨雪相态判断适用性方案，亟需回答“降雪季判断准确率是否存在阶段差异”“不同气温条件下降雪判断准确率是否存在空间差异”等问题。

秦岭，是中国南北重要的地理分界线，属于中国常年多雪带，是重要生态屏障，也是南水北调工程的核心区［21-23］。前期秦岭冬季降水研究，多集中于积雪；空间上，主要集中于秦岭主峰太白山，以及陕西境内气象站点海拔最高且气象记录时间序列最长的华山站。对秦岭南北2 大地理单元（关中平原和汉江谷地）降雪规律研究较少［24-27］。客观雨雪相态判断方法是否适用于秦岭南北降雪时空规律研究尚不明晰。同时，随着全球变暖加剧，秦岭以北热量条件基本达到北亚热带标准，汉江谷地可纳入亚热带范围［28］。区域气温升高，势必对冬季降水相态产生影响。受地理环境、观测技术等客观条件限制，秦岭南北多数气象站点缺乏长时间降水相态资料。加之，未来气候模拟能力不断增强，气温、降水和相对湿度等预估资料逐渐丰富，使得评估秦岭南北未来降雪相态变化趋势成为可能。为了更好理解中国北亚热带和暖温带冬季降雪变化规律，迫切需要对客观雨雪相态判断在秦岭南北降雪时空规律的适用性进行评估。

基于此，以秦岭南北为研究对象，利用72 个气象台站逐日气象数据，辅以湿球温度动态阈值法，对中国南北过渡带冷激降水相态（降雨、降雪和雨夹雪）进行识别；进而对不同月份、不同温度段、不同地理单元降雪准确率判断的空间差异进行分析，以期为理解中国南北过渡带冬季气候变化规律提供理论基础。

1 研究区概况

秦岭是中国地理南北分界线，地势“西高东低、北陡南缓”，北部为渭河盆地，南部为汉江谷地（图1）。作为渭河、汉江、丹江等河流的发源地，秦岭在南水北调中线工程中发挥重要作用［29-31］。为更好对比秦岭南北降雪变化特征，将区域分为关中平原、秦岭南坡和汉江谷地三个子区。秦岭南北降雪机制主要有2种：①前冬受西伯利亚冷空气南下影响，降雪格局往往呈现“北多南少”；②冬末春初，受南支槽东移影响，大量水汽从自高原向东挺进，造成大范围降雪，降雪格局往往呈现“西多东少”。

2 数据与方法

2.1 数据来源

本文气象资料源于中国国家气象信息中心，包括秦岭南北72个台站降水量、最高温、最低温、湿球温度和相对湿度等数据。气象数据经过订正，质量状况较好。数字高程数据由地理空间数据云提供（http：//www.gscloud.cn/），空间分辨率为30 m×30 m。

2.2 研究方法

2.2.1 湿球温度动态阈值法

图2为降水类型与湿球温度关系示意图。其中，浅灰色部分与白色部分边界线为降雪概率分布曲线P1（Tw），白色部分与深灰色部分边界线为降雪和雨夹雪累计概率分布曲线P2（Tw），两个分布曲线中值曲线为Pc（Tw）。

图2 降水类型与湿球温度关系示意图（据文献14改绘）Fig. 2 Sketch map of the relationship between precipitation types and daily mean wet-bulb temperature（modified from Ref. ［14］）

当湿球温度为T1时，降雪概率为Fsnow（T1），雨夹雪概率为Fsleet（T1），降雨概率为Frain（T1）。T0是Pc（Tw）概率为0.5 的阈值温度，单位为℃；Tw为日均湿球温度，单位为℃；Tmax、Tmin分别为降雨发生的最高期望温度和最低期望温度，单位为℃。当Tw≤Tmin时，Pm为降雪量；当Tmin≤Tw＜Tmax时，Pm为雨夹雪量，单位为mm。详细模型构建逻辑可参见文献［14］。

2.2.2 降雪类型判断的准确率

依托地理时空分析思维，本研究将降雪准确率评估分解为2个维度：①时空维度，即不同月份降雪判断准确率的时空特征；②气温维度，即不同气温段降雪判断准确率的时空变化特征。重点回答“不同月份降雪判断准确率是否存在差异”“不同月份降雪判断准确率是否存在时空差异”“不同温度段降雪判断准确率是否存在差异”“不同气温时段降雪判断准确率是否存在空间差异”等问题。

逐站点逐年降雪类型准确判断率（Z）计算公式如下：

式中：Z为降雪类型准确判断率；N11为逐站点逐年降雪类型与观测数据一致的天数，降雪误判类型包括2 类：①气象观测数据为降雪，模型误判为：雨夹雪（N21）、降雨（N31）、无降水（N41）；②气象观测数据为雨夹雪（N12）、降雨（N13）、无降水（N14），模型误判为降雪天气，总计6种类型。

3 结果分析

3.1 秦岭南北降雪主导月份分布特征

依据气象观测数据，统计秦岭南北1970—1979年逐月累计降雪天数（图3）。结果表明：①降雪月份分布具有集中性。其中，12月—次年2月，是秦岭南北降雪天数集中分布时段，3 个月累计降雪天数均值关系分别为：22.2 天（12 月）＜30.4 天（2 月）＜32.7 天（1 月），而11 月（6.5 天）和3 月（9.9 天）降雪天数相对较少，与刘玉莲等［27］统计中国降雪气候学特征，发现黄淮地区降雪日数主要集中在1 月中旬到2 月上旬结论一致。②在站点（空间）尺度，秦岭南北不同月份降雪天数分布具有离散性。其中，2 月气象站点尺度累计降雪天数方差最大（14.4），1 月（9.6）和3 月（10.7）方差居中，11 月（6.7）方差相对较小。说明从秋末冬初到冬末春初，秦岭南北降雪天数空间差异逐渐增加，且在2 月达到空间分异峰值。

图3 1970—1979年秦岭南北站点观测累计降雪天数年内分布图Fig. 3 Inter-annual variations of accumulated snowfall days in south and north of Qinling Mountains based on stations observation during 1970—1979

3.2 秦岭南北不同月份降雪判断准确率时空变化特征

秦岭南北不同月份降雪判断准确率存在时空差异性（图4）。主要特征表现为：

图4 1970/1971—1978/1979年秦岭南北11月—次年3月降雪相态判断准确率时空变化特征Fig. 4 Spatiotemporal changes of accuracies in snowfall phases discrimination of the south and north of Qinling Mountains from November to March of following year during 1970/1971—1978/1979

（1）在时间上，秦岭南北降雪11 月—次年1 月和次年2—3 月判断准确率空间格局存在明显的差异。具体而言，第1 阶段（11 月—次年1 月），多数区域降雪判断准确率在0.75 以上，空间分布呈现“南北分异”，关中平原和秦岭山地是降雪判断准确率的高值区，汉中盆地、商丹盆地和丹江口附近为降雪判断准确率的低值区［图4（a）～（c）］）；第2 阶段（次年2—3月），秦岭南北降雪判断准确率有所下降［图4（d）］，空间分布呈现“东西分异”，关中平原中部、嘉陵江流域西部、商丹盆地和秦岭山地为东段降雪判断准确率低值区，而汉江流域上游、秦岭山地西段、关中平原东部成为降雪判断准确率的高值区［图4（d）～（e）］。

（2）在空间上，秦岭南北降雪判断准确高值区存在两个关键区。第1 关键区为：关中平原和秦岭山地，降雪准确率高值时段集中在11 月—次年1月，且在12月降雪判断准确率高值区分布面积比重最高。第2个关键区为：汉江上游和大巴山区，降雪判断准确率高值时段集中在次年2—3 月，在3 月降雪判断准确率高值区面积比重最高。

上述研究结果可得2个启示：

（1）基于降雪客观判断方法识别降雪类型，分析降雪指标（如降雪初日、降雪量、降雪时长等），应关注降雪不同时段。其中，关中平原和秦岭山地11月—次年1 月降雪判断准确率较高，可重点研究降雪初日的时空变化特征；汉江上游和大巴山区2—3月降雪判断准确率较高，可重点研究降雪终日的时空变化特征。

（2）不同时段降雪类型判断准确率存在时空差异启示，中国南北过渡带不同时段降雪主导的环流机制可能存在差异，未来需借助大气诊断方法，研究秋末冬初和冬末春初的降雪环流机制的南北差异。

3.3 不同温度段秦岭南北降水相态分布特征

受气温控制，不同降水形态对应不同的温度区间。图5 可以看出，秦岭南北11 月—次年1 月7 749次降雨事件中，99.9%的降雨发生时，气温高于0 ℃；在［0.0 ℃， 2.0 ℃］气温区间内，降雨比重为27.7%，略高于［2.0 ℃， 4.0 ℃］气温区间的26.2%，说明区域降雨形成时气温多处于0 ℃以上。对于982 次雨夹雪样本而言，99.0%的雨夹雪对应气温区间为［-2.0 ℃， 2.0 ℃］。其中，81.9%的雨夹雪事件对应气温为［-2.0 ℃， 0.0 ℃］，说明雨夹雪多发生气温处于0.0 ℃附近，且气温分布区间相对较小。

图5 不同气温段秦岭南北11月—次年1月的观测降水相态（降雨、降雪和雨夹雪）频次分布特征Fig. 5 Frequency distribution of observational precipitation types （rain， snow， and sleet） under varied temperature range of the south and north of Qinling Mountains from November to January of the following year

1970—1979 年，秦岭南北3 个分区11 月—次年1月降雪（7 367次）样本略低于降雨样本数量（7 749次）。其中，有95.7%的降雪发生时，气温低于0 ℃，仅有4.3%的降雪发生时，对应气温分布于［0.0 ℃，2.0 ℃］，且以［-4.0 ℃， -2.0 ℃］气温区间，降雪样本比重最高为35.1%，其次为［-2.0 ℃， 0.0 ℃］和［-6.0 ℃， -4.0 ℃］两个气温区间。

综上，秦岭南北11 月—次年1 月，降雨和降雪事件比重相对较高，雨夹雪发生频率相对较低。降雪发生温度集中于-2.0 ℃以下，降雨发生温度集中于2.0 ℃以上，雨夹雪发生温度集中于±2.0 ℃之间。需要关注的是，当气温处于［-2.0 ℃， 0.0 ℃］时，为降雪和雨夹雪的混合态；当气温处于［0.0 ℃，2.0 ℃］时，秦岭南北降水形态主要为降雨，偶有雨夹雪和降雪事件出现。由此可见，［-2.0 ℃，2.0 ℃］气温区间，将是秦岭南北降雪类型判断准确的关键温度区间。

3.4 不同温度段秦岭南北降雪判断准确率时空特征

细化降雪气温时段说明湿球温度动态阈值法在秦岭南北降雪研究的适用性（图6）。结果表明：11 月—次年1 月，气温处于［-4.0 ℃， 0.0 ℃］范围内，研究区降雪类型准确率多在90.0%以上［图6（a）］；气温在［0.0 ℃， 2. 0 ℃］范围内，降雪类型准确率均值降低为56.0%，高于其他9 种客观条件降水类型判断方法［15］。气温在［0.0 ℃， 2.0 ℃］范围内，降雪准确率误差范围增加，说明不同分区气象站点降雪判断准确率空间差异也在增加［图6（b）］。气温在［-10.0 ℃， 10.0 ℃］范围内时，降雪类型准确率均值为75.6%［图6（c）］。

图6 不同气温段的秦岭南北11月—次年1月降雪相态判断准确率Fig. 6 Accuracies of the snowfall phases discrimination under varied temperature range of the south and north of Qinling Mountains from November to January of the following year

空间上，气温在［-4.0 ℃， 0.0 ℃］范围内，秦岭南北降雪类型判断准确率低值区主要分布于关中平原西部黄土台塬、秦岭山地东段、汉中盆地和商丹盆地［图7（a）］。气温在［0.0 ℃， 2.0 ℃］范围内，秦岭南北降雪类型判断准确率低值区范围明显扩大，关中平原成为新的降雪判断准确率的低值区［图7（b）］。对于气温在［-10.0 ℃， 10.0 ℃］范围内，汉中盆地降雪类型判断准确率明显提升至0.85以上，降雪判断准确率低值区主要集中秦岭山地东段、关中平原西部，以及秦岭以南汉江流域的“竹山—房县”一带［图7（c）］。

图7 不同气温段的秦岭南北11月—次年1月降雪判断准确率空间变化特征Fig. 7 Spatial variation of snowfall accuracies under the varied temperature range in the south and north of Qinling Mountains from November to January of the following year

前文分析可知，气温在［0.0 ℃， 2.0 ℃］范围内，降雪频次相对较少；结合降雪判断准确率空间分布特征，说明湿球温度动态阈值法在秦岭南北11 月—次年1 月降雪变化研究中具有一定的适用性，可较好识别出关中平原、秦岭山地和汉江流域上游降雪类型，有利于认知区域降雪时空变化规律。

3.5 气温变化与秦岭南北降雪判断准确率的不确定性

前文分析结果可知，气温处于［-2.0 ℃，2.0 ℃］范围内，秦岭南北降水处于降雪和雨夹雪的混合态，导致湿球温度动态阈值法识别降雪准确率相对较低。在此，本文重点关注［-2.0 ℃， 2.0 ℃］气温波动区间，对比11 月—次年1 月、2—3 月两个时段内，对1970/1971—1978/1979 年逐站点逐日气温在［-2.0 ℃， 2.0 ℃］区间的天数、气温均值、降雪天数与降雪判断准确率的相关关系进行分析（表1）。结果表明：①11 月— 次年1 月，气温处于［-2.0 ℃， 2.0 ℃］范围内，气温均值与气温天数（-0.620）、降雪天数（-0.167）、降雪判断准确率（-0.285）呈显著负相关，降雪天数（0.115）、气温天数（0.239）与降雪判断准确率呈显著正相关。说明11 月—次年1 月逐日气温纳入［-2.0 ℃， 2.0 ℃］范围天数越少，气温均值越高，降雪天数越少，降雪判断准确率越低。②2—3 月秦岭南北气温升高时，［-2.0 ℃， 2.0 ℃］范围内气温天数或降雪天数减少。当［-2.0 ℃， 2.0 ℃］区间气温偏高时，导致区域降雪天数显著减少，降雪判断准确率也呈降低趋势。

表1 气温［-2.0 ℃， 2.0 ℃］范围内秦岭南北气温天数、均值、降雪日数与降雪判断准确率的相关分析Table 1 Correlation analysis between days， average temperature， snow days and snowfall separation accuracies under the varied temperature range of ［-2.0 ℃， 2.0 ℃］ in the south and north of Qinling Mountains

值得一提的是，2—3 月降雪天数与降雪判断准确率呈负相关，但是未通过0.05 显著水平检验，而气温天数、气温均值与降雪判断准确率呈显著负相关。与11 月—次年1 月相关结果对比，2—3 月气温天数、气温均值与降雪判断准确率相关性有所降低。同时，在［-2.0 ℃， 2.0 ℃］范围内气温天数增加，11月—次年1月降雪判断准确率呈增加趋势，而2—3 月降雪判断准确率则呈下降趋势。两者差异原因在于：降雪判断准确率受气温、降雪天数2个变量控制。［-2.0 ℃， 2.0 ℃］范围内气温升高，引起模型识别降雪天数下降，实际降雪天数也显著减少，导致降雪判断准确率变化存在不确定性。即模型识别降雪天数下降速率高于实际降雪天数下降速率时，降雪判断准确率呈下降趋势；反之，模型识别降雪天数下降速率低于实际降雪天数下降速率时，降雪判断准确率呈增加趋势。

也就是说，中国南北过渡带11 月—次年1 月受冷空气影响，区域降温幅度大，［-2.0 ℃， 2.0 ℃］范围内气温降低，纳入降雪与雨夹雪混合相态的温度天数显著增加，模型降雪识别准确相对较高，增加了降雪判断准确的概率。对于2—3月而言，气温相对偏高，［-2.0 ℃， 2.0 ℃］范围内气温降低效应有限，模型降雪识别准确率较低，增加了降雪误判的概率。说明区域气温升高，对秦岭南北秋末冬初模型降雪判断准确率影响相对较小，对冬末春初降雪识别准确率影响较大。

对1970/1971—2019/2020 年［-2.0 ℃， 2.0 ℃］范围内气温天数和气温均值变化趋势分析发现，11月—次年1月秦岭南北关键温度区间气温天数呈现显著下降趋势，变化速率通过0.01 显著水平检验［图8（a）］。其中，关中平原气温天数下降趋势最快，变化速率为-1.74 d·（10a）-1，高于汉江谷地［-1.34 d·（10a）-1］和秦岭南坡［-1.02 d·（10a）-1］。同时，关中平原和秦岭南坡两个区域关键温度区间气温均值呈现显著上升，而汉江谷地以代际波动为主。特别是在近10 年，关中平原在［-2.0 ℃，2.0 ℃］范围内气温均值升高更为明显，气温天数下降，这将降低湿球温度动态阈值法对降雪判断的准确率。

对于2—3 月而言，相比20 世纪70—80 年代，2000—2019 年，关中平原和秦岭南坡纳入［-2.0 ℃， 2.0 ℃］范围内气温天数明显减少，且在2000 年后呈现平稳波动；对于汉江谷地而言，气温天数呈现3 阶段变化过程，即在1970—1988 年，气温天数呈现高位波动，1988—2002 年经历了快速下降，2002—2019 年气温天数呈增加趋势［图8（b）］。在气温均值变化方面，2010—2019 年，关中平原、秦岭南坡气温均值下降尤为明显。

对应表1 中2—3 月［-2.0 ℃， 2.0 ℃］范围内气温天数、均值与降雪判断准确率规律，近年来，关中平原、秦岭南坡2—3 月［-2.0 ℃， 2.0 ℃］气温均值下降，气温天数平稳波动并有下降趋势。以气温为主导作用，降雪误判概率降低，即冬末春初关中平原、秦岭南坡气温变化对模型适用性影响较小；但是，汉江谷地气温均值下降，气温天数增加，对降雪准确率影响形成“反向作用”，将增加降雪类型判断的不确定性。

综上所述，气候变暖对［-2.0 ℃， 2.0 ℃］气温区间影响具有复杂性。当秋末冬初［-2.0 ℃，2.0 ℃］气温偏高时，降雪天数减少，模型降雪判断准确率将明显下降；而冬末春初［-2.0 ℃， 2.0 ℃］气温偏低时，降雪天数空间变化呈现多样性，增加了模型降雪判断的不确定性。未来需要丰富气温响应指标，对［-2.0 ℃， 2.0 ℃］关键温度区域响应规律进行分析，明确湿球温度动态阈值法的误差来源。

4 结论与展望

基于秦岭南北气象站点逐日气象观测数据，本文从不同月份、不同温度段、不同地理单元等3个视角出发，对湿球温度动态阈值法在中国南北过渡带降雪类型判断的适用性进行研究。主要结论如下：

（1）秦岭南北降雪相态的时空变化。受冬季风、水汽输送、山地地形和下垫面性质等因素影响，秦岭南北降雪主要集中在12 月—次年2 月，且从秋末冬初到冬末春初，降雪天数空间差异性逐渐增大，在2月达到空间分异的峰值。

（2）降雪判断准确率的月份差异性。基于湿球温度动态阈值法，判断秦岭南北降雪准确率存在两阶段性。其中，在11 月—次年1 月，降雪判断准确率呈现“南北分异”的空间分布特征。关中平原和秦岭山地，是降雪判断准确率的高值区；次年2—3月，降雪判断准确率空间分布呈现“东西分异”的特征，汉江流域上游、秦岭山地西段、关中平原东部为降雪判断准确率的高值区。

（3）降雪判断准确率的温度差异性。［-2.0 ℃，2.0 ℃］气温区间，降水处于固态和液态转化阶段，是秦岭南北降雪类型判断准确的关键温度区间。当区域强烈降温至0 ℃以下，湿球温度动态阈值法，可准确地识别11 月—次年1 月秦岭南北降雪类型。尤其是可较好识别出关中平原、秦岭山地和汉江流域上游的降雪类型。

（4）降雪判断准确率判断不确定性。［-2.0 ℃，2.0 ℃］范围内，气温天数、冷暖变化对气候变化具有复杂性，增加了秦岭南北降雪类型判断准确的不确定性。当［-2.0 ℃， 2.0 ℃］区间气温偏高时，区域降雪天数显著减少，秋末冬初（11 月—次年1 月）降雪判断准确率呈现降低趋势。对冬末春初（2—3月）而言，［-2.0 ℃， 2.0 ℃］区间气温偏低时，空间上耦合关中平原降雪天数平稳波动，汉江谷地降雪天数增加，导致区域降雪判断误差机制呈现复杂化。

关于湿球温度动态阈值法在中国南北过渡带降雪相态判断适用性的研究，未来需要关注冬季降水相态的时空差异性。随着气候变化与区域响应研究的深入，降雪、降雨和雨夹雪对区域增温的响应成为学界关注的热点。特别需要关注的是，近年来，北极海温逐渐升高，形成“暖北极—冷欧亚”模态，造成欧亚大陆频繁遭受冷空气侵袭［32］，中国东部地区春季极端低温事件频次和强度均有所增加［33］。本文从不同月份、温度段和地理单元，证实了湿球温度动态阈值法对11 月—次年1 月秦岭南北降雪类型的适用性，未来需要关注“暖北极—冷欧亚”模态，理解东亚气温前冬与后冬反相变化特征［34］，挖掘秦岭降雪判断准确率空间格局分异环流机制。

此外，日平均气温在0 ℃附近波动，是雨雪相态判断的难点。对于降雪相态判断关键温度区间，不同客观雨雪相态判断方法敏感区域可能不同。本文识别降雪误判敏感温度区间为：［-2.0 ℃，0.0 ℃］，其他客观雨雪相态判断方法是否缩小误差范围尚有待验证；不同的区域的降雪误判敏感温度区间是否存在空间差异，也是值得研究的方向。在未来，需要对比多种客观雨雪相态判断方法在秦岭南北相态的敏感温度区间的时空差异性，为更好理解冬季降水与气候变化响应规律提供理论基础。

致谢： 感谢中国气象数据网提供的基础气象数据支持，感谢中国科学院西北生态环境资源研究院赵求东老师对本文湿球温度阈值法程序编写提供的帮助。