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

摘要 利用2019—2020年夏季的江苏省自动站和雨滴谱站网观测资料，从不同天气类型（梅雨和台风）和级别（20～50和>50 mm·h-1）将短时强降水区分为梅雨20、梅雨50、台风20以及台风50四种类型，对比分析了其雨滴谱（DSD，raindrop size distribution）特征之间的差异。统计结果表明：梅雨型强降水的雨滴平均粒径（数浓度）明显高于（低于）台风型强降水。台风型强降水的小雨滴（粒径≤2 mm）对降水的贡献率明显高于梅雨型。此外，随着降水强度的增加，梅雨50相对梅雨20的大雨滴数浓度有明显增长，雨滴平均粒径明显增大;台风50相对台风20的雨滴数浓度明显增加，粒径增长不明显。因此，台风不同级别强降水均主要由高浓度的小粒径雨滴贡献，而梅雨极端强降水则由更多大雨滴贡献，DSD特征更为复杂。选取的典型个例也观测到类似的结果，表明梅雨型强降水的雨滴谱变化相对台风型更为明显。

关键词短时强降水;雨滴谱;梅雨;台风;江苏

2024-04-22收稿，2024-06-20接受

国家重点研发计划项目（2022YFC3003904）;中国气象局揭榜挂帅项目（CMAJBGS202211）;中国气象科学研究院基本科研业务费专项资金项目（2021Z003）;南京气象科技创新研究院科技发展基金项目（KJFZ202302）

引用格式：李熠，郑媛媛，陈刚，等，2024.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，47（5）：798-808.

Li Y，Zheng Y Y，Chen G，et al.，2024.Difference analysis of raindrop size distribution characteristics in Meiyu and typhoon types of short-term heavy rainfall in summer in Jiangsu Province［J］.Trans Atmos Sci，47（5）：798-808.doi：10.13878／j.cnki.dqkxxb.20240422002.（in Chinese）.

短时强降水作为一种典型强对流灾害，具有突发性和局地性等特征，目前业务上对它的监测预警能力依然十分有限，因此导致的次生灾害及人员伤亡事件也频频发生。例如，2021年7月发生在河南郑州的大暴雨就出现了201.9 mm·h-1的极端小时强降水过程，造成了极大的财产损失及人员伤亡（Yin et al.，2022;Luo and Du，2023）。为了提升短时强降水的监测预警水平，对其物理特征的准确认识至关重要。其中，短时强降水的雨滴谱分布（DSD，raindrop size distribution）可以描述雨滴的粒径和数浓度分布特征，是建立雷达定量降水估计算法的重要基础（杨军等，2011），对于提高数值天气预报模式中微物理参数化的精度，从而最终提升定量降水预报水平也至关重要（Milbrandt and Yau，2005;Sun，2005;Zhang et al.，2006;魏鸣等，2018）。因此，短时强降水DSD特征的准确认知是提升短时强降水预警预报能力的关键。

国外针对降水DSD特征开展了大量研究（Marshall，1948;Ulbrich，1983）。Tokay and Short（1996）分析了层状云和对流云降水的谱分布特征，并根据降水形成机制的不同，提出了用雨滴谱特征参数来区分对流和层云降水。Sauvageot and Koffi（2000）揭示了热带和中纬度地区对流降水DSD特征差异，并提出了对应的降水模型。我国从20世纪60年代也开始了对DSD的观测研究，并在最近十几年迅速发展（郑娇恒和陈宝君，2007）。其中，国内外针对降水雨滴谱特征的一个研究热点是其时空变化规律，许多学者对不同地区、不同云系、不同降水强度DSD特征开展了系统研究（樊玲等，2001;牛生杰等，2002;刘红燕和雷恒池，2006;周黎明等，2014）。Miriovsky et al.（2004）分析了1 km2空间尺度上雨滴谱变化特征，研究结果明显地反映了DSD的局地性差异。Lee et al.（2009）利用分布距离在一定范围内的雨滴谱仪观测数据，分析了DSD的空间变化特征，也发现DSD特征明显不同。此外，很多研究（Rao et al.，2009;Martins et al.，2010）还表明，DSD还存在明显的日变化和季节变化特征。如Toshiaki et al.（2006）对比亚洲季风区内3个不同子区域的DSD特征发现，西南季风和东北季风降雨特征的差异是导致DSD季节特征变化的主要原因，海陆间的循环和山地效应是DSD特征日变化的主要原因。大量研究还表明，降水DSD特征会随着气候背景的不同而变化（Bringi et al.，2003;Wen et al.，2018;Chen et al.，2019）。一般而言，大陆型（海洋型）对流的冰相（暖雨）过程更为活跃，导致其雨滴平均粒径偏大（偏小），数浓度偏低（偏高）（Dolan et al.，2018;Raut et al.，2021）。

上述研究结果表明DSD不仅存在时空差异，在不同类型降水中也有明显的变化特征。然而，前人研究大多针对对流或者层云降水（陈宝君等，1998;Bringi et al.，2003;Thurai et al.，2016）。近年来，许多研究更多的是针对某一次暴雨过程开展的滴谱特征分析（陈刚等，2022;张哲等，2022;郭换换和王坤，2023;王俊等，2023a），而目前针对短时强降水，甚至不同级别短时强降水的DSD统计特征研究仍相对缺乏。王俊等（2023b）分析了山东6次台风暴雨过程的统计特征和区域差异。张庆池等（2022）利用徐州地区滴谱资料分析了不同类型暴雨的雨滴谱特征。上述研究要么只针对某种天气系统影响下的暴雨过程，要么是针对不同天气分型进行的对比研究，而利用天气环流背景差异，对比不同天气系统影响下的强降水DSD特征的研究则不多见。另一方面，前人研究结果多来自单站点或几个站点的观测（陈聪等，2015;温龙，2016;黄兴友等，2019;胡雅君等，2022），可能受站点局地性特征的影响较明显。我国已经建立了全世界最为稠密的地面雨滴谱仪站网，相关的统计观测研究也才刚起步。基于上述原因，我们将从不同天气系统影响出发，选取引发江苏省夏季强降水发生的两种典型天气系统（梅雨和台风），利用江苏数十个雨滴谱仪站点长时资料对比其DSD特征差异，以加深不同天气系统影响和不同量级短时强降水之间的微物理特征差异认识，为短时强降水的临近预报提供参考。

1 资料和方法

本文使用到的资料包括2019—2020年夏季江苏省70个国家站的小时和十分钟的降水观测、分钟级PARSIVEL激光雨滴谱仪资料（Wen et al.，2016）以及南京、南通、常州和连云港四个雷达站的S波段雷达资料。收集的强降水过程覆盖2019—2020年江苏省夏季所有的梅雨型短强降水（因典型江淮梅雨锋产生的短时强降水）和台风型短强降水（受台风系统影响产生的短时强降水），并根据小时降水强度20～50 mm·h-1和>50 mm·h-1两个量级进行分类。由此，得到强度为20～50 mm·h-1梅雨型短时强降水（以下简称梅雨20）、强度为50 mm·h-1以上的梅雨型短时强降水（以下简称梅雨50）、强度为20～50 mm·h-1台风型短时强降水（以下简称台风20）和强度为50 mm·h-1以上的台风型短时强降水（以下简称台风50）四种类型。

分析之前，本文首先对雨滴谱仪资料进行质量控制和评估。本文参考Battaglia et al.（2010）的方法，对雨滴谱仪数据进行质控订正，计算雨量并与同站点雨量站进行雨量对比评估。由于本文使用的自动站雨量数据时间分辨率为10 min，因此先将时间分辨率为1 min的雨滴谱雨量进行逐10 min累计，从而与自动站时间尺度相匹配。对比二者的相关系数以及均方根误差，剔除未通过显著性检验的站点（共计17个站），最终得到有效短时强降水观测样本为7 860 min。其中，梅雨20和梅雨50的雨滴谱数据样本分别为3 240和420 min;台风20和台风50的雨滴谱数据样本分别为3 840和360 min。

陈宝君等（1998）指出，在各种雨滴谱分布的拟合模型中，Gamma分布精度最高，尤其对流性降水的拟合效果更为理想，因此本文也使用Gamma分布进行拟合。Gamma分布函数为：

N（D）=N0Dμe-ΛD。（1）

其中：N（D）是单位尺度间隔下单位体积粒子的数量（单位：m-3·mm-1）;D是粒子直径;待定谱参数N0（单位：mm-1-μ·m-3）代表截距、μ代表谱形参数、Λ（单位：mm-1）代表斜率。

式（1）中，N0=（μ+4）μ+4（μ+3）！·M3M4μ+4·M3，μ=（3M4M2-4M23）（M23-M4M2）。

其中，Mn为阶距法（Ulbrich and Atlas，1998）定义的第n阶距：

Mn=∫DmaxDminDnN（D）dD。 （2）

M2、M3和M4分别代表2阶距、3阶矩和4阶矩。

文中的质量加权平均直径Dm（单位：mm）可表示为：Dm=M4M3，用于衡量雨滴的平均粒径大小。

文中的标准化截距参数Nw（Bringi et al.，2003）可以代表雨滴数浓度大小，其计算公式为：

Nw=44πρw（103WD4m）。 （3）

其中：ρw代表水汽密度（单位：g·cm-3）;W代表液态含水量（单位：g·m-3）W的计算公式为：

W=π6 000∑Li=1D3iN（Di）ΔDi。 （4）

其中：L是雨滴谱仪的直径档位数;Di（单位：mm）是等效的雨滴直径;ΔDi是相应的直径的间隔。

2 雨滴谱特征对比

2.1 平均雨滴谱分布

图1为梅雨20、梅雨50、台风20以及台风50四种类型短时强降水的平均雨滴谱分布结果。图中所示点为32个直径档位上强降水样本的平均。由于前两档信噪比较低，且粒子直径超过8 mm时数据不可信，因此图中显示的为第3—23档位，直径在0.25至8 mm范围上的平均值。

对比结果表明，不同类型的DSD特征存在明显差异。对于小雨滴（粒径≤2 mm），其数浓度由高到低依次为台风50、梅雨50、台风20和梅雨20，表明台风型强降水中小雨滴占比大于梅雨型强降水。对于较大雨滴（粒径≥2 mm），整体而言，梅雨型强降水的粒子浓度大于台风型强降水的粒子浓度，表明在梅雨型强降水中，大雨滴对粒子浓度的贡献大于台风型强降水。此外，随着降水强度的增大，雨滴谱谱型在大粒子端逐渐上抬，斜率逐渐变小（Tokay and Short，1996;Caracciolo et al.，2006;Luo et al.，2020），这表明雨强的增大主要来自大粒子的增长，与陈磊等（2013）的研究结论一致。总体而言，Gamma分布都较准确地反映了实际雨滴谱的分布形态，在这4种类型强降水中具有很好的适用性。

2.2 雨滴谱特征参数

2.2.1 标准化截距参数（Nw）和质量加权平均直径（Dm）

表1为4种类型降水Dm和lgNw的平均值和标准差。其中，梅雨20和梅雨50的平均Dm值均分别大于台风20和台风50，表明梅雨类型强降水的雨滴平均粒径整体上大于台风类型强降水。相反，梅雨20和梅雨50的平均lgNw值均分别小于台风20和台风50，表明梅雨类型强降水的粒子浓度整体上小于台风类型强降水。随着降水强度增加，梅雨类型和台风类型雨滴平均粒径和数浓度均出现增长。相对而言，梅雨型强降水的雨滴平均粒径增长更为明显，而台风型强降水的数浓度增长更为明显。由Dm和lgNw标准差可知，梅雨类型强降水的平均粒径和数浓度的离散度均大于相同雨强下的台风类型强降水，表明梅雨型强降水的雨滴谱特征更为复杂。

图2为4种类型降水的lgNw-Dm散度分布。总体而言，梅雨型强降水Dm数值主要集中在0.6～4 mm，台风型强降水的Dm数值则大部分小于3 mm。在数浓度方面，台风型强降水的粒子浓度总体上大于梅雨型强降水。从平均值来看，梅雨20（黄色圆点）和梅雨50（黄色菱形）的平均Dm分别大于台风20（黄色左三角）和台风50（黄色上三角）的Dm平均值;而梅雨20和梅雨50平均lgNw值分别小于台风20和台风50。这表明梅雨类型强降水的雨滴平均粒径（数浓度）整体上大于（小于）台风类型强降水。上述结论与Chen et al.（2019）在梅雨以及台风对流降水的个例研究一致，二者分别更加接近典型大陆型锋面对流降水（Xu and Zipser，2015）和热带海洋型对流降水（Bringi et al.，2003）DSD特征（如图2灰色方框所示）。

2.2.2 Gamma分布谱形和斜率参数

在雨滴谱的Gamma分布模型中，谱形（μ）和斜率参数（Λ），分别反映了雨滴谱的分散程度以及大雨滴数浓度随直径增加而减少的速度。前人研究表明，Gamma分布函数的μ和Λ参数并不独立（Chu and Su，2008）。μ-Λ关系能够一定程度上描述真实降水雨滴谱分布的变化（Brandes et al.，2003），且其拟合系数因地区、降水类型等因素的不同而存在差异（Zhang et al.，2003;Chen et al.，2013）。此外，基于本地雨滴谱观测而得到的μ-Λ关系，对于提高双偏振雷达雨滴谱反演精度具有重要意义，同时也是云微物理参数化方案中雨滴谱分布模型本地化改进的重要依据（梅海霞等，2020）。Brandes et al.（2003）总结出了在美国大陆区域雨强为5 mm·h-1上μ-Λ关系经验公式如下：

Λ=0.036 5μ2+0.735μ+1.935。 （5）

本研究按照Λ=aμ2+bμ+c的二项式，也对4种类型降水的μ-Λ关系进行了拟合（图3）。结果表明，不同类型和不同级别短时强降水的μ-Λ关系也存在明显差异，总体而言，梅雨50的关系与另外三者差异明显。但是梅雨50和台风50样本量较小，会带来拟合的不确定性，并且不同类型和强度降水的μ-Λ约束仍较为复杂，这都为雷达雨滴谱反演和云微物理参数化都带来挑战。

2.2.3 雨滴谱特征参量和雨强定量关系

图4所示为4种类型降水的Dm-Nt散点分布图，Nt代表单位体积的平均粒子浓度。比较而言，梅雨50的平均雨滴明显大于梅雨20，二者的数浓度差异不大（图4a、b），与上述结论一致。但R与Dm和Nt的关系并不呈线性。由图4可知，当粒子浓度在2 000 m-3以内时（黑色方框），降水强度的变化主要由平均粒径决定，粒径越大，降水强度越大（陈磊等，2013;王俊等，2023a）。随着数浓度进一步增加，雨滴粒径主要约束在2～3.5 mm的粒径范围内（橙色方框），降水强度也达到峰值。不同降水强度对比而言，梅雨20的样本主要集中在小粒径低浓度区域（图4a蓝色椭圆），而梅雨50的样本则更多出现在大粒径高浓度区域（图4b红色椭圆）。另一方面，台风20和台风50的雨滴平均粒径都主要集中在1～3 mm范围内（图4c、d），与前文一致。从Dm-Nt的散点分布来看，台风20与梅雨20类似，样本主要集中在粒径偏小浓度偏低的区域（图4c蓝色椭圆）。台风50则主要由较高浓度和中等大小粒径的雨滴构成（图4d红色椭圆）。此外，台风50的雨滴平均粒径分布范围较梅雨50明显偏小，进一步说明其降水强度的增长主要来自雨滴数浓度的增加。前人对台风强降水的一些研究（Hodson，1986;Hu and Srivastava，1995;Steiner et al.，2004;Murata et al.，2020）除了得到与上述类似的观测结果外，还指出台风高浓度小雨滴的DSD特征主要来自以碰并、碰撞-破碎为主要机制的暖雨对流。

图5是4种类型降水Dm、Nt及W的频次分布。整体而言，梅雨50类型的Dm出现频次峰值位于2～3 mm区间，而其他三种类型降水的Dm频次峰值均位于1～2 mm区间（图5a）。此外，两种梅雨类型降水的Dm在3～4 mm区间出现频次的比例均高于台风类型，同样说明梅雨型降水的雨滴平均粒径分布范围更大。图5b为Nt的频次分布，梅雨20以低粒子浓度为主，在1 000 m-3范围内的占比超过60％。梅雨50在3 000 m-3范围内的比例占了绝大部分（约90％）。台风20的Nt频次分布与梅雨20类似，主要以低粒子浓度为主，频次随着粒子浓度的增大则减小。台风50与上述三种类型明显不同，其频次峰值主要出现在1 000～2 000 m-3区间上，占比高达60％左右，这也进一步说明台风极端强降水主要由高浓度雨滴贡献。最后，由图5c中可知，梅雨20和台风20的液态水含量主要集中在0～2 g·m-3的低值区间上。相对而言，梅雨50和台风50在2 g·m-3以上的样本占比明显提高。这也是预期的，降水越极端，对应的液态水含量也总体越大。

3 典型个例分析

为了进一步对比不同类型强降水过程的雨滴谱特征差异，我们选取每种类型中的一个典型过程进行分析。梅雨20（图6a）、梅雨50（图6b）强降水过程分别发生在南京站和如皋站，台风20（图6c）、台风50（图6d）分别发生在吴江站和响水站。图6a—d所示为强降水发生时南京、南通、常州、连云港四部S波段天气雷达0.5°仰角的反射率因子及对应的雨滴谱站点位置（黑色三角）。

3.1 梅雨型短时强降水个例

图7为梅雨20（图7a—c）和梅雨50（图7d—f）短时强降水个例的DSD特征变量时间序列。梅雨20个例观测来自2020年6月15日的南京站（58238），最大小时降水出现在07—08时，强度为40.1 mm·h-1。梅雨50个例观测来自2019年7月17日的如皋站（58255），包含了两个短时强降水时段，最大小时雨量均在100 mm以上（20—21时161.9 mm、21—22时108.4 mm;北京时，下同）。由图6a、b可知，两个个例都有明显的对流单体，梅雨20个例的最大反射率因子在53 dBZ左右，而梅雨50个例的最大反射率因子强度达到65 dBZ左右，并且处在一个钩状云回波之中，对流发展更强盛。

比较梅雨20和梅雨50这两个个例，一个明显的不同在于二者的粒径范围（黑色纵坐标）存在明显的差异。梅雨20的粒径范围小于梅雨50的粒径范围，梅雨20的粒径主要分布在4 mm以内，而梅雨50的粒径最大超过7 mm。进一步比较二者的平均粒子浓度Nt（图7a、d红色虚线）、平均粒子直径Dm（图7b、e红色虚线）以及液态含水量W（图7c、f红色虚线）可以发现，在强降水阶段，梅雨50的上述特征参量大于梅雨20。即，在强度（各图中的灰色虚线）较小（大）的强降水过程中，对应的Nt、Dm和W的数值也较小（大）。也正是由于上述特征之间的差异对应了两个个例不同的降水强度和对流发展的强弱。除了上述特征差异，梅雨20与梅雨50也存在共同点：在每一个个例中，它们各自的Nt、Dm和W的变化与雨强R的变化均有较好的对应关系，并且这两个个例中二者粒子浓度（阴影）的分布范围相似，高浓度粒子主要集中在1 mm以下，并且粒子浓度随着粒子直径的增大而减少。

3.2 台风型短时强降水个例

台风20个例观测来自2019年8月10日的吴江站（58359）（图8a—c），强降水发生在14—15时，主要集中在前40 min，小时累计雨量为26.5 mm。台风50个例观测来自2019年8月11日的响水站（58045）（图8d—f），强降水发生在04—05时，小时雨量为54.8 mm。与梅雨型短时强降水个例明显不同，台风型短时强降水（图6c、d）的雷达反射率因子明显偏低，台风20和台风50两个个例的最大反射率因子强度分别为45和50 dBZ。

由图8可知，两者雨滴谱的分布（阴影）存在相似点：台风20与台风50的粒径数值差别不大，两者粒径的分布范围相似，都主要集中在4 mm以内的范围。同样地，两者的平均粒子直径Dm（图8b、e红色虚线）也很接近。浓度方面，在两者各粒径范围特别是小粒径端，粒子浓度的分布都较为均匀，粒子直径增加对应着粒子浓度的减小。对于每个个例，Nt、Dm和W的变化与雨强R的变化均有很好的对应关系。而两者之间的差异主要在于：当强降水强度较大（小）时，对应的液态含水量W（图8c、f红色虚线）和平均粒子浓度Nt（图8a、d红色虚线）较高（低），其中，W的差异更明显。

4 结论与讨论

1）通过选取江苏2019—2020年夏季短时强降水雨滴谱样本，并按照不同天气类型和小时降水级别区分为梅雨20、梅雨50、台风20以及台风50类型。统计对比各类型雨滴谱（DSD）特征分布发现，梅雨型强降水总体呈现平均粒径偏大，粒子浓度偏低的分布特征;而台风型强降水呈现平均粒径偏小，粒子浓度偏高的特征，二者特征分别更接近大陆型锋面对流降水和热带型海洋对流降水的特征。

2）在不同粒径区间上，台风型和梅雨型强降水的雨滴数浓度存在明显差异。台风型强降水的小（大）雨滴粒子浓度和贡献率明显高（低）于梅雨型强降水。研究还发现，随着雨强的增加，梅雨型（台风型）强降水的雨滴平均粒径（数浓度）增长更为明显。这也导致台风不同级别强降水均主要由高浓度的小粒径雨滴贡献，而梅雨极端强降水则更由更多大雨滴贡献，其DSD特征更为复杂。

本研究主要基于江苏雨滴谱仪站网的观测，未来将结合包括新一代双偏振雷达在内的多源观测，从强降水微物理结构和地面雨滴谱特征等多个角度，研究不同天气系统控制下，决定地面强降水量级的关键微物理过程，并结合数值模式，分析数值模式对强降水微物理特征的模拟能力。

参考文献（References）

Battaglia A，Rustemeier E，Tokay A，et al.，2010.PARSIVEL snow observations：a critical assessment［J］.J Atmos Ocean Technol，27（2）：333.doi：10.1175／2009JTECHA1332.1.

Brandes E A，Zhang G F，Vivekanandan J，2003.An evaluation of a drop distribution-based polarimetric radar rainfall estimator［J］.J Appl Meteor，42（5）：652-660.doi：10.1175／1520-0450（2003）0420652：AEOADD>2.0.CO;2.

Bringi V N，Chandrasekar V，Hubbert J，et al.，2003.Raindrop size distribution in different climatic regimes from disdrometer and dual-polarized radar analysis［J］.J Atmos Sci，60（2）：354-365.doi：10.1175／1520-0469（2003）0600354：RSDIDC>2.0.CO;2.

Caracciolo C，Prodi F，Battaglia A，et al.，2006.Analysis of the moments and parameters of a gamma DSD to infer precipitation properties：a convective stratiform discrimination algorithm［J］.Atmos Res，80（2／3）：165-186.doi：10.1016／j.atmosres.2005.07.003.

陈宝君，李子华，刘吉成，等，1998.三类降水云雨滴谱分布模式［J］.气象学报，56（4）：506-512. Chen B J，Li Z H，Liu J C，et al.，1998.Model of raindrop size distribution in three types of precipitation［J］.Acta Meteor Sinica，56（4）：506-512.doi：10.11676／qxxb1998.046.（in Chinese）.

Chen B J，Yang J，Pu J P，2013.Statistical characteristics of raindrop size distribution in the Meiyu season observed in eastern China［J］.J Meteor Soc Japan，91（2）：215-227.doi：10.2151／jmsj.2013-208.

陈聪，银燕，陈宝君，2015.黄山不同高度雨滴谱的演变特征［J］.大气科学学报，38（3）：388-395. Chen C，Yin Y，Chen B J，2015.Raindrop size distribution at different altitudes in Mt. Huang［J］.Trans Atmos Sci，38（3）：388-395.doi：10.13878／j.cnki.dqkxxb.20130223001.（in Chinese）.

Chen G，Zhao K，Wen L，et al.，2019.Microphysical characteristics of three convective events with intense rainfall observed by polarimetric radar and disdrometer in eastern China［J］.Remote Sens，11（17）：2004.doi：10.3390／rs11172004.

陈刚，赵坤，吕迎辉，等，2022.河南“21.7”特大暴雨过程微物理特征变化分析［J］.中国科学：地球科学，52（10）：1887-1904. Chen G，Zhao K，Lü Y H，et al.，2022.Analysis on the change of microphysical characteristics during the “21.7” torrential rain in Henan Province［J］.Sci Sin：Terrae，52（10）：1887-1904.doi：10.1360／N072022-0029.（in Chinese）.

陈磊，陈宝君，杨军，等，2013.2009—2010年梅雨锋暴雨雨滴谱特征［J］.大气科学学报，36（4）：481-488. Chen L，Chen B J，Yang J，et al.，2013.Characteristics of raindrop size distribution of rainstorm on Meiyu front during 2009—2010［J］.Trans Atmos Sci，36（4）：481-488.doi：10.13878／j.cnki.dqkxxb.2013.04.012.（in Chinese）.

Chu Y H，Su C L，2008.An investigation of the slope-shape relation for gamma raindrop size distribution［J］.J Appl Meteor Climatol，47（10）：2531-2544.doi：10.1175／2008jamc1755.1.

Dolan B，Fuchs B，Rutledge S A，et al.，2018.Primary modes of global drop size distributions［J］.J Atmos Sci，75（5）：1453-1476.doi：10.1175／jas-d-17-0242.1.

樊玲，袁成，张云峰，2001.哈尔滨地区层状云降水微物理特征［J］.气象，27（12）：42-46. Fan L，Yuan C，Zhang Y F，2001.Microphysics features of stratiform clouds precipitation in Harbin［J］.Meteor Mon，27（12）：42-46.（in Chinese）.

郭换换，王坤，2023.基于双偏振雷达和降水现象仪的郑州“7.20” 极端强降水微物理特征分析［J］.大气科学学报，46（5）：713-724. Guo H H，Wang K，2023.Analysis of the microphysical characteristics of the “7.20” extremely heavy rainfall in Zhengzhou based on dual-polarization radar and precipitation phenomenon instrument data［J］.Trans Atmos Sci，46（5）：713-724.doi：10.13878／j.cnki.dqkxxb.20220715001.（in Chinese）.

Hodson M C，1986.Raindrop size distribution［J］.J Appl Meteor Climatol，25（7）：1070-1074.

胡雅君，张伟，张玉轩，等，2022.闽南沿海2018—2019年季风爆发前后雨滴谱特征对比分析［J］.气象学报，80（4）：618-631. Hu Y J，Zhang W，Zhang Y X，et al.，2022.Comparative analysis of raindrop size distribution characteristics before and after monsoon onset in southern coast of Fujian Province in 2018—2019［J］.Acta Meteor Sinica，80（4）：618-631.doi：10.11676／qxxb2022.045.（in Chinese）.

Hu Z，Srivastava R C，1995.Evolution of raindrop size distribution by coalescence，breakup，and evaporation：theory and observations［J］.J Atmos Sci，52（10）：1761-1783.doi：10.1175／1520-0469（1995）0521761：EORSDB>2.0.CO;2.

黄兴友，印佳楠，马雷，等，2019.南京地区雨滴谱参数的详细统计分析及其在天气雷达探测中的应用［J］.大气科学，43（3）：691-704. Huang X Y，Yin J N，Ma L，et al.，2019.Comprehensive statistical analysis of rain drop size distribution parameters and their application to weather radar measurement in Nanjing［J］.Chin J Atmos Sci，43（3）：691-704.doi：10.3878／j.issn.1006-9895.1805.18113.（in Chinese）.

Lee C K，Lee G W，Zawadzki I，et al.，2009.A preliminary analysis of spatial variability of raindrop size distributions during stratiform rain events［J］.J Appl Meteor Climatol，48（2）：270-283.doi：10.1175／2008jamc1877.1.

刘红燕，雷恒池，2006.基于地面雨滴谱资料分析层状云和对流云降水的特征［J］.大气科学，30（4）：693-702. Liu H Y，Lei H C，2006.Characteristics of rain from stratiform versus convective cloud based on the surface raindrop data［J］.Chin J Atmos Sci，30（4）：693-702.（in Chinese）.

Luo L，Xiao H，Yang H L，et al.，2020.Raindrop size distribution and microphysical characteristics of a great rainstorm in 2016 in Beijing，China［J］.Atmos Res，239：104895.doi：10.1016／j.atmosres.2020.104895.

Luo Y H，Du Y，2023.The roles of low-level jets in “21.7” Henan extremely persistent heavy rainfall event［J］.Adv Atmos Sci，40（3）：350-373.doi：10.1007／s00376-022-2026-1.

Marshall J，1948.The distribution of raindrops with size［J］.J Meteor，5：165-166.doi：10.1175／1520-0469（1948）0050165：TDORWS>2.0.CO;2.

Martins R C G，Machado L A T，Costa A A，2010.Characterization of the microphysics of precipitation over Amazon Region using radar and disdrometer data［J］.Atmos Res，96（2／3）：388-394.doi：10.1016／j.atmosres.2010.01.011.

梅海霞，梁信忠，曾明剑，等，2020.2015—2017年夏季南京雨滴谱特征［J］.应用气象学报，31（1）：117-128. Mei H X，Liang X Z，Zeng M J，et al.，2020.Raindrop size distribution characteristics of Nanjing in summer of 2015—2017［J］.J Appl Meteor Sci，31（1）：117-128.doi：10.11898／1001-7313.20200111.（in Chinese）.

Milbrandt J A，Yau M K，2005.A multimoment bulk microphysics parameterization.part I：analysis of the role of the specXZ6WwCJlohV36LJjWQtV6A==tral shape parameter［J］.J Atmos Sci，62（9）：3051-3064.doi：10.1175／jas3534.1.

Miriovsky B J，Bradley A A，Eichinger W E，et al.，2004.An experimental study of small-scale variability of radar reflectivity using disdrometer observations［J］.J Appl Meteor，43（1）：106-118.doi：10.1175／1520-0450（2004）043<0106：aesosv>2.0.co;2.

Murata F，Terao T，Chakravarty K，et al.，2020.Characteristics of orographic rain drop-size distribution at cherrapunji，Northeast India［J］.Atmosphere，11（8）：777.doi：10.3390／atmos11080777.

牛生杰，安夏兰，桑建人，2002.不同天气系统宁夏夏季降雨谱分布参量特征的观测研究［J］.高原气象，21（1）：37-44. Niu S J，An X L，Sang J R，2002.Observational research on physical feature of summer rain dropsize distribution under synoptic systems in Ningxia［J］.Plateau Meteor，21（1）：37-44.doi：10.3321／j.issn：1000-0534.2002.01.007.（in Chinese）.

Rao T N，Radhakrishna B，Nakamura K，et al.，2009.Differences in raindrop size distribution from southwest monsoon to northeast monsoon at Gadanki［J］.Quart J Roy Meteor Soc，135（643）：1630-1637.

Raut B A，Konwar M，Murugavel P，et al.，2021.Microphysical origin of raindrop size distributions during the Indian monsoon［J］.Geophys Res Lett，48：e93581.doi：10.1029／2021gl093581.

Sauvageot H，Koffi M，2000.Multimodal raindrop size distributions［J］.J Atmos Sci，57（15）：2480-2492.doi：10.1175／1520-0469（2000）057<2480：mrsd>2.0.co;2.

Steiner M，Smith J A，Uijlenhoet R，2004.A microphysical interpretation of radar reflectivity rain rate relationships［J］.J Atmos Sci，61（10）：1114-1131.doi：10.1175／1520-0469（2004）0611114：AMIORR>2.0.CO;2.

Sun J Z，2005.Initialization and numerical forecasting of a supercell storm observed during STEPS［J］.Mon Wea Rev，133（4）：793-813.doi：10.1175／mwr2887.1.

Thurai M，Gatlin P N，Bringi V N，2016.Separating stratiform and convective rain types based on the drop size distribution characteristics using 2D video disdrometer data［J］.Atmos Res，169：416-423.doi：10.1016／j.atmosres.2015.04.011.

Tokay A，Short D A，1996.Evidence from tropical raindrop spectra of the origin of rain from stratiform versus convective clouds［J］.J Appl Meteor，35（3）：355-371.doi：10.1175／1520-0450（1996）0350355：EFTRSO>2.0.CO;2.

Toshiaki K，Krishna R K，Shuichi M，et al.，2006.Seasonal and diurnal variations of raindrop size distribution in Asian monsoon region［J］.J Meteor Soc Japan，84（7）：195-209.

Ulbrich C W，1983.Natural variations in the analytical form of the raindrop size distribution［J］.J Appl Meteor，22（10）：1764-1775.doi：10.1175／1520-0450（1983）0221764：NVITAF>2.0.CO;2.

Ulbrich C W，Atlas D，1998.Rainfall microphysics and radar properties：analysis methods for drop size spectra［J］.J Appl Meteor，37（9）：912-923.doi：10.1175／1520-0450（1998）037<0912：rmarpa>2.0.co;2.

王俊，陈宝君，周淑玲，等，2023a.郑州“7.20”特大暴雨雨滴谱特征分析［J］.高原气象，42（5）：1247-1259. Wang J，Chen B J，Zhou S L，et al.，2023a.Analyzing the characteristics of raindrop size distributions of the “7.20” torrential rain in Zhengzhou on 20 July 2021 ［J］.Plateau Meteor，42（5）：1247-1259.doi：10.7522／j.issn.1000-0534.2022.00089.（in Chinese）.

王俊，姚展予，侯淑梅，等，2023b.山东夏季两次极端雨强暴雨的滴谱特征研究［J］.大气科学，47（2）：311-326. Wang J，Yao Z Y，Hou S M，et al.，2023.The characteristics of raindrop size distribution in two rainstorms with extreme rainfall rates in summer in Shandong Province［J］.Chin J Atmos Sci，47（2）：311-326.doi：10.3878／j.issn.1006-9895.2201.21104.（in Chinese）.

魏鸣，宋羽轩，张蕾，2018.定量测量降水量的回波结构自适应算法研究［J］.大气科学学报，41（5）：676-683. Wei M，Song Y X，Zhang L，2018.An examination of the self-adaption algorithms used in qualitative precipitation estimations［J］.Trans Atmos Sci，41（5）：676-683.doi：10.13878／j.cnki.dqkxxb.20150408001.（in Chinese）.

温龙，2016.中国东部地区夏季降水雨滴谱特征分析［D］.南京：南京大学. Wen L，2016.Analysis of raindrop spectrum characteristics of summer precipitation in eastern China［D］.Nanjing：Nanjing University.（in Chinese）.

Wen L，Zhao K，Zhang G F，et al.，2016.Statistical characteristics of raindrop size distributions observed in East China during the Asian summer monsoon season using 2-D video disdrometer and Micro Rain Radar data［J］.J Geophys Res：Atmos，121（5）：2265-2282.doi：10.1002／2015jd024160.

Wen L，Zhao K，Chen G，et al.，2018.Drop size distribution characteristics of seven typhoons in China［J］.J Geophys Res：Atmos，123（12）：6529-6548.doi：10.1029／2017JD027950.

Xu W X，Zipser E J，2015.Convective intensity，vertical precipitation structures，and microphysics of two contrasting convective regimes during the 2008 TiMREX［J］.J Geophys Res：Atmos，120（9）：4000-4016.doi：10.1002／2014jd022927.

杨军，陈宝君，银燕，2011.云降水物理学［M］.北京：气象出版社. Yang J，Chen B J，Yin Y，2011.Cloud precipitation physics［M］.Beijing：China Meteorological Press.（in Chinese）.

Yin J F，Gu H D，Liang X D，et al.，2022.A possible dynamic mechanism for rapid production of the extreme hourly rainfall in Zhengzhou city on 20 July 2021［J］.J Meteor Res，36（1）：6-25.doi：10.1007／s13351-022-1166-7.

Zhang G F，Vivekanandan J，Brandes E A，et al.，2003.The shape-slope relation in observed gamma raindrop size distributions：statistical error or useful information？［J］.J Atmos Oceanic Technol，20（8）：1106-1119.doi：10.1175／1520-0426（2003）020<1106：tsriog>2.0.co;2.

Zhang G F，Sun J Z，Brandes E A，2006.Improving parameterization of rain microphysics with disdrometer and radar observations［J］.J Atmos Sci，63（4）：1273-1290.doi：10.1175／jas3680.1.

张庆池，刘端阳，武艳，等，2022.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，80（6）：967-985. Zhang Q C，Liu D Y，Wu Y，et al.，2022.Raindrop spectral characteristics and Z-R relationship of different rainstorm types in Huaibei Region［J］.Acta Meteor Sinica，80（6）：967-985.doi：10.11676／qxxb2022.025.（in Chinese）.

张哲，戚友存，李东欢，等，2022.2021年郑州“7.20” 极端暴雨雨滴谱特征及其对雷达定量降水估测的影响［J］.大气科学，46（4）：1002-1016.Zhang Z，Qi Y C，Li D H，et al.，2022.Raindrop size distribution characteristics of the extreme rainstorm event in Zhengzhou 20 July，2021 and its impacts on radar quantitative precipitation estimation［J］.Chin J Atmos Sci，46（4）：1002-1016.（in Chinese）.

郑娇恒，陈宝君，2007.雨滴谱分布函数的选择：M-P和Gamma分布的对比研究［J］.气象科学，27（1）：17-23. Zheng J H，Chen B J，2007.Function choice of raindrop size distribution：M-P function compare with Gamma function［J］.J Meteor Sci，27（1）：17-23.（in Chinese）.

周黎明，王俊，龚佃利，等，2014.山东三类降水云雨滴谱分布特征的观测研究［J］.大气科学学报，37（2）：216-222. Zhou L M，Wang J，Gong D L，et al.，2014.A study on the distribution of raindrop size in three types of precipitation in Shandong Province［J］.Trans Atmos Sci，37（2）：216-222.doi：10.13878／j.cnki.dqkxxb.2014.02.009.（in Chinese）.

·ARTICLE·

Difference analysis of raindrop size distribution characteristics in Meiyu and typhoon types of short-term heavy rainfall in summer in Jiangsu Province

LI Yi1，2，ZHENG Yuanyuan1，2，CHEN Gang1，2，LI Li3，XU Fen1，2

1Nanjing Joint Institute for Atmospheric Sciences，Nanjing 210041，China;

2Key Laboratory of Transportation Meteorology of China Meteorological Administration，Nanjing 210041，China;

3Nanjing Meteorological Bureau，Nanjing 210019，China

Abstract Accurate understanding of microphysical characteristics of short-term heavy rainfall is crucial to improve the monitoring and warning capabilities of severe convective weather such as short-term heavy rainfall and accurate understanding of raindrop size distribution （DSD） characteristics of short-term heavy rainfall is also the key to improve the forecasting and early warning capabilities of it.Currently there are still few studies on DSD statistical characteristics of short-term heavy rainfall.Most studies either focus on the rainstrom process under the influence of a certain weather system or contrastive studies on different weather types.Studies on the DSD characteristics of short-term heavy rainfall under the influence of different weather systems are rare.Furthermore，most of the research is based on the observations of a single station or several stations，so the results have some limitations due to the local site observations.In this paper，based on automatic weather station data and disdrometer data during 2019—2020 in summer in Jiangsu Province，the short-term heavy rainfall is divided into four types：Meiyu 20，Meiyu 50，Typhoon 20 and Typhoon 50 according to different weather types （Meiyu and typhoon） and different rainfall intensities （20—50 and >50 mm·h-1）.The different DSD characteristics in different types of short-term heavy rainfall with different intensity is further analyzed to deepen the understanding of the differences of microphysical characteristics of the different types of short-term heavy rainfall.Statistical results show that the average raindrop particle size （number concentration） of Meiyu-type short-term heavy rainfall （SHR） is obviously higher （lower） than that of typhoon-type SHR on the whole.The contribution of small raindrops （diameter≤2 mm） to typhoon-type SHR is significantly more than that to Meiyu-type SHR.Furthermore，with the increase of rainfall intensity，the large raindrop number concentration and the average raindrop particle size of Meiyu-type SHR with intensity over 50 mm·h-1increased significantly compared with Meiyu-type SHR with intensity between 20 and 50 mm·h-1.Similarly，the number concentration of typhoon-type SHR with intensity over 50 mm·h-1 increased significantly but the growth of particle size is not obvious compared with typhoon-type SHR with intensity between 20 and 50 mm·h-1.Therefore，the typhoon-type SHR with different intensities is mainly contributed by high concentration of small particle size raindrops，while the extreme Meiyu-type SHR is contributed by larger raindrops，and the DSD characteristics are more complex.Similar observation conclusions are also obtained through typical case study.It shows that the DSD of Meiyu-type SHR is more obvious than that of typhoon-type SHR.

Keywords short-term heavy rainfall;raindrop size distribution;Meiyu;typhoon;Jiangsu

doi：10.13878／j.cnki.dqkxxb.20240422002

（责任编辑：张福颖）