王智敏 施麗娟 汪 會(huì) 殷占福 李圓圓 馮婉悅

1 中國氣象局人工影響天氣中心，北京 100081 2 新疆維吾爾自治區(qū)人工影響天氣辦公室，烏魯木齊 830002 3 中國氣象局氣象探測(cè)中心，北京 100081 4 新疆維吾爾自治區(qū)氣象技術(shù)裝備保障中心，烏魯木齊 830002

提 要： 利用GPM/DPR雙頻降水雷達(dá)資料、FY-2E衛(wèi)星資料和地面降水實(shí)況，對(duì)新疆北部四次成熟期降雪過程的紅外亮溫、水平分布和垂直結(jié)構(gòu)特征進(jìn)行了分析。結(jié)果表明：降雪云團(tuán)的云頂亮溫集中在210～245 K，降雪云主要為層狀云，中云對(duì)降水率貢獻(xiàn)最大，近地面降水率多分布于0.5～2.0 mm·h-1，回波頂高主要集中在3.0～4.5 km范圍內(nèi)，回波頂高與近地表降水率強(qiáng)弱變化存在正相關(guān)；雷達(dá)反射率因子(Z)范圍在22～35 dBz，強(qiáng)回波中心高度主要分布在1.25～4.50 km；質(zhì)量加權(quán)平均直徑(Dm)為1.01～1.25 mm和粒子數(shù)濃度(dBNw)為32～36的配置貢獻(xiàn)的降水最多，對(duì)應(yīng)的高度范圍為2.19～2.50 km和2.13～2.67 km；近地表由碰撞-聚并過程產(chǎn)生的大粒子較多，近地表附近Dm達(dá)到了2.33～3.00 mm，Z和Dm朝地面幾乎恒定或稍有增加，Z和Dm數(shù)值大小與地表降水量變化呈正相關(guān)特征。

引 言

GPM(global precipitation measurement)是新一代全球降水探測(cè)衛(wèi)星，能夠?qū)邓^程進(jìn)行精確的探測(cè)(唐國強(qiáng)等，2015；方勉等，2019)。GPM核心觀測(cè)平臺(tái)搭載了全球首部星載雙頻降水雷達(dá)(dual-frequency precipitation radar,DPR)和微波掃描輻射儀(GPM microwave imager,GMI)，觀測(cè)范圍可覆蓋至南北緯 65°。

目前，國外學(xué)者們利用GPM衛(wèi)星針對(duì)降雪過程開展了大量研究，而國內(nèi)相關(guān)研究相對(duì)較少，并且主要集中于一次降雪過程的分析。在國外，Le and Chandrasekar(2019)通過分析2014—2018年北美地區(qū)的16場(chǎng)降雪天氣過程，發(fā)現(xiàn)GPM/DPR雷達(dá)和地基雷達(dá)的反射率因子匹配率為87.8%～98.5%。Hamada and Takayabu(2016)發(fā)現(xiàn)GPM/DPR雷達(dá)對(duì)弱降水的探測(cè)能力強(qiáng)于TRMM(Tropical Rainfall Measuring Mission)。Adhikari et al(2018)利用全球三年降雪過程的CloudSat衛(wèi)星和GPM衛(wèi)星的觀測(cè)資料，證實(shí)了GPM衛(wèi)星比CloudSat衛(wèi)星在觀測(cè)強(qiáng)降雪方向更加有效，大多數(shù)降雪的雷達(dá)反射率小于30 dBz，回波頂高在2～5 km，北半球的降雪過程在清晨有明顯的增強(qiáng)。Skofronick-Jackson et al (2019) 和Casella et al(2017)對(duì)比了GPM/DPR和CloudSat/CPR(cloud profile radar)雷達(dá)觀測(cè)降雪的優(yōu)缺點(diǎn)，給出了雪粒子散射特性和粒徑分布，在Ku和W波段建立了雷達(dá)反射率因子(Z)與降雪率(S)的關(guān)系，將CloudSat/CPR雷達(dá)和GPM/DPR雷達(dá)的降雪觀測(cè)數(shù)據(jù)進(jìn)行算法匹配融合，提高了DPR雷達(dá)觀測(cè)降雪的數(shù)據(jù)質(zhì)量。von Lerber et al (2018)和Rysman et al(2018)利用地基雷達(dá)、雨量計(jì)和雨滴譜儀等驗(yàn)證了GPM觀測(cè)降雪過程的有效性為84%～90%，并利用GPM數(shù)據(jù)反演了雪水路徑參量。Jeoung et al(2020)對(duì)在2017—2018年冬季朝鮮半島平昌地區(qū)的降雪云，根據(jù)云頂高度分為了三類云：近地表云、淺薄降水云和深厚降水云，其中近地表云是最常見的云類型，面積比例超過60%，而深厚降水云在降雪量中的貢獻(xiàn)最大，占總數(shù)的50%以上，同時(shí)結(jié)合地面雷達(dá)和輻射計(jì)數(shù)據(jù)對(duì)三種類型雪云的云水路徑和降雪率等進(jìn)行了分析。Chase et al(2020)基于GPM/DPR的雙頻比和云頂高度等觀測(cè)數(shù)據(jù)，發(fā)展了一種地面降雪識(shí)別算法，利用該算法所得出的結(jié)果與地基X/Ka波段雷達(dá)所觀測(cè)的降雪信息具有較好的一致性，結(jié)合地基二維雨滴譜儀分別研究了降雨和降雪的降水率(R)和質(zhì)量加權(quán)平均直徑(Dm)等微物理參量之間的關(guān)系。國內(nèi)方面，吳瓊等(2017)分析比較了GPM/DPR雙頻降水測(cè)量雷達(dá)三種掃描模式(Ku，KaMS和KaHS)對(duì)降雪探測(cè)能力的差異，發(fā)現(xiàn)DPR相態(tài)產(chǎn)品和地面實(shí)際觀測(cè)結(jié)果比較一致且降雪發(fā)生時(shí)的回波頂高大多小于6 km。李林蔚和官莉(2020)改進(jìn)了GPM/DPR的降雪指數(shù)(snow index,SI) 來識(shí)別地面降水相態(tài)，提高了冬季降雨和降雪的分辨效果，改進(jìn)后地面降雪識(shí)別結(jié)果與地面自動(dòng)站觀測(cè)結(jié)果有較好的一致性。

新疆為干旱半干旱地區(qū)，冬春季降雪天氣頻繁發(fā)生，同時(shí)也是我國降雪最豐富的地區(qū)之一(張俊蘭等，2021)，目前，對(duì)降雪的觀測(cè)以地面測(cè)量為主，探測(cè)儀器包括雪量計(jì)和地基雷達(dá)(李慧等，2021；杜佳等，2019；魏瑋等，2019)，一些地方也在開展小范圍的飛機(jī)觀測(cè)(封秋娟等，2021；馬新成等，2021)，但對(duì)大范圍尤其是偏遠(yuǎn)地區(qū)的降雪云結(jié)構(gòu)的觀測(cè)則較少。GPM衛(wèi)星提高了現(xiàn)有的降雪探測(cè)水平，將二維觀測(cè)提升到了三維。然而，目前對(duì)新疆地區(qū)降雪云三維結(jié)構(gòu)的研究較少，且多數(shù)研究?jī)H基于一次降雪過程，本文基于GPM衛(wèi)星數(shù)據(jù)對(duì)新疆4個(gè)時(shí)次的成熟期降雪天氣過程進(jìn)行了分析，其研究意義在于：其一，給出新疆阿勒泰地區(qū)、烏魯木齊地區(qū)和哈密地區(qū)等不同地區(qū)降雪系統(tǒng)的宏微觀結(jié)構(gòu)特征，彌補(bǔ)了新疆地區(qū)降雪云三維結(jié)構(gòu)特征研究空白；其二，為研究新疆地區(qū)的降雪機(jī)制和科學(xué)高效開展人工增雪作業(yè)奠定基礎(chǔ)。

1 資料與方法

GPM衛(wèi)星搭載的DPR作為全球首部星載雙頻測(cè)雨雷達(dá)，由Ku波段和Ka波段降雨雷達(dá)組成，其中設(shè)備信息詳見表1，KuPR的掃描方式為normal scan(NS)，KaPR有兩種掃描方式，分別為matched scan(MS)和high sensitivity scan(HS)，DPR的降水反演算法包含單頻反演算法和雙頻反演算法。由于雙頻反演算法中有粒子譜產(chǎn)品，使用雙頻方法進(jìn)行探測(cè)降水比單頻有優(yōu)勢(shì)，文中使用了GPM雙頻反演產(chǎn)品2A-DPR_NS，主要包含掃描時(shí)間、地理位置、近地面降水率、回波強(qiáng)度和降水粒子譜分布參數(shù)等信息。該數(shù)據(jù)每次掃描寬度為245 km，探測(cè)高度自地表向上22 km，水平分辨率約為 5 km，垂直分辨率約為 250 m。DPR雙頻反演產(chǎn)品的合理性已經(jīng)得到驗(yàn)證(Kotsuki et al,2014；Chandrasekar and Le,2015；張奡祺和傅云飛,2018)，通過與地基雷達(dá)、地面雨量計(jì)和雨滴譜儀等進(jìn)行對(duì)比交叉驗(yàn)證了DPR反演近地面降水率、回波強(qiáng)度和降水粒子譜的合理性。

文中根據(jù)實(shí)際降雪天氣過程和GPM的軌道覆蓋情況，選擇了發(fā)生在北疆區(qū)域不同時(shí)次的降雪事件作為研究對(duì)象，收集相應(yīng)的軌道號(hào)、日期、主要覆蓋區(qū)域以及選擇的掃描行號(hào)范圍，對(duì)GPM衛(wèi)星探測(cè)到的降雪系統(tǒng)的地表降水率、回波頂高、回波強(qiáng)度廓線和降雪粒子譜廓線等的云結(jié)構(gòu)進(jìn)行詳細(xì)研究。

FY-2E衛(wèi)星于2008年發(fā)射，目前仍在軌道運(yùn)行，是FY-2系列的第五個(gè)飛行單元。作為對(duì)地靜止軌道衛(wèi)星，它配備了可見和紅外自旋掃描輻射計(jì)，可以進(jìn)行掃描在五個(gè)波段的全圓盤圖，主要包括可見光通道(0.5～0.9 μm)、中紅外通道(3.5～4.0 μm)、熱紅外通道1(10.3～11.3 μm)、熱紅外通道2(11.5～12.5 μm)和水汽通道(6.3～7.6 μm)，時(shí)間間隔為30 min。該儀器在可見光通道中的分辨率為1.25 km，在紅外光通道中的分辨率為5 km。該衛(wèi)星于2015年7月1日從105°E移開，取代FY-2D成為86.5°E位置的主要衛(wèi)星?，F(xiàn)在用它觀察新疆地區(qū)的云系發(fā)展演變有效性較高，本文主要使用了FY-2E的紅外亮溫(TBB)云圖。

表1 GPM/DPR參數(shù)信息Table 1 GPM equipment and track parameter information

2 結(jié)果與分析

2.1 天氣形勢(shì)分析

圖1為四次降雪過程08時(shí)500 hPa高空?qǐng)D，從圖中可以看出四次天氣過程主要受西伯利亞低槽系統(tǒng)東移南下影響，在北疆大部地區(qū)出現(xiàn)偏西急流，造成降雪、降溫天氣過程，圖1a為2015年11月1日主要發(fā)生在阿勒泰西部地區(qū)(84.0°～88.5°N、46°～49°E)的降雪過程天氣圖，地面氣象觀測(cè)站記錄降雪從11月1日10時(shí)開始至2日06時(shí)結(jié)束，累計(jì)降水量為4.7 mm(以下稱a個(gè)例)；圖1b為2015年11月30日發(fā)生在烏魯木齊地區(qū)(86°～90°N、43.0°～45.5°E)降雪過程天氣圖，從地面氣象觀測(cè)站記錄降雪從11月30日01時(shí)開始至06時(shí)結(jié)束，累計(jì)降水量為5.2 mm(以下稱b個(gè)例)；圖1c為2016年11月11日發(fā)生在阿勒泰東部地區(qū)(87°～91°N、45.0°～47.5°E)降雪過程天氣圖，地面氣象觀測(cè)記錄降雪從11月11日01時(shí)開始至12日04時(shí)結(jié)束，累計(jì)降水量為19.5 mm(以下稱c個(gè)例)；圖1d為2018年12月1日發(fā)生在哈密附近地區(qū)(87.0°～93.5°N、40.5°～43.5°E)的降雪過程天氣圖，在圖1d中所示，從地面氣象觀測(cè)站記錄降雪從12月1日07時(shí)開始至2日10時(shí)結(jié)束，累計(jì)降水量為0.5 mm(以下稱d個(gè)例)。

2.2 降雪云的水平分布特征

2.2.1 靜止衛(wèi)星觀測(cè)降雪云團(tuán)

文中給出了GPM/DPR觀測(cè)到的四個(gè)時(shí)次降雪前后3個(gè)小時(shí)內(nèi)FY-2E紅外亮溫(TBB)云圖，通過分析TBB的變化，我們確定了四個(gè)降水系統(tǒng)的發(fā)展階段。圖2為FY-2E衛(wèi)星在GPM衛(wèi)星過境前后3 h內(nèi)觀測(cè)到的四次降雪過程的云頂亮溫信息，分析發(fā)現(xiàn)云圖亮溫參數(shù)主要集中在215～260 K，四次降雪過程中的GPM衛(wèi)星過境時(shí)間分別為11:40、02:30、12:30和08:50 UTC，如圖2所示，觀測(cè)軌道內(nèi)的云頂亮溫平均值分別為249.65、245.75、227.56和222.79 K。

Futyan and Del Genio(2007)總結(jié)得出了云生命周期階段定義的方法，即根據(jù)云系生命周期定義了三個(gè)階段(發(fā)育、成熟和消散)的紅外亮溫特征，云系內(nèi)亮溫逐漸降低，在達(dá)到最低TBB之前被定義為發(fā)育階段，在成熟階段云系達(dá)到最小TBB后云內(nèi)亮溫基本不變，消散階段在成熟階段之后，此時(shí)云內(nèi)亮溫逐漸增加，云系的大小不斷減小減弱。

四次過程中降雪系統(tǒng)向東緩慢移動(dòng)期間，在GPM觀測(cè)到的降水出現(xiàn)區(qū)域，有一個(gè)相對(duì)明顯的發(fā)展成熟過程。即靜止衛(wèi)星的云頂亮溫急劇下降，然后幾乎不變，最后云頂亮溫不斷升高。DPR掃描區(qū)域均出現(xiàn)了緊密的低亮溫云團(tuán)，如圖2中白圈所示，這些云團(tuán)的亮溫主要分布在215～245 K，其中在圖2a降水云內(nèi)最低亮溫<230 K，且亮溫<245 K的云面積明顯小于其前后2 h，同樣在圖2b、2c和2d降水云內(nèi)最低亮溫<225 K、<215 K和<215 K，且亮溫<240 K、<225 K和<215 K的云面積明顯小于其前后2 h，表明它們都屬于典型的成熟階段降水云。

圖1 四次降雪過程08時(shí)500 hPa天氣圖(藍(lán)線：等高線，單位：dagpm；紅線：等溫線，單位：℃；風(fēng)羽)(a)2015年11月1日，(b)2015年11月30日，(c)2016年11月11日，(d)2018年12月1日(下同)Fig.1 500 hPa synoptic chart of four snowfall processes (blue line: contour, unit: dagpm; red line: isotherm, unit: ℃； barb)(a) 1 November 2015, (b) 30 November 2015, (c) 11 November 2016, (d) 1 December 2018 (the same below)

圖2 四次降雪天氣過程的FY-2E云頂亮溫演變(a)2015年11月11日10—13 UTC，(b)2015年11月30日01—04 UTC，(c) 2016年11月11日11—14 UTC，(d)2018年12月1日07—10 UTC(白線為GPM/DPR雷達(dá)的觀測(cè)軌道，白圈為降水云團(tuán)的空間位置)Fig.2 Evolutions of FY-2E cloud top brightness temperature in four snowfall processes(a) 10:00-13:00 UTC 11 November 2015, (b) 01:00-04:00 UTC 30 November 2015, (c) 11:00-14:00 UTC 11 November 2016, (d) 07:00-10:00 UTC 1 December 2018(White line is the observation orbit of GPM/DPR radar, and the white circle is the spatial position of precipitation clouds)

2.2.2 回波頂高

回波頂高反映了降水系統(tǒng)發(fā)展的程度，它與降水系統(tǒng)的動(dòng)力與熱力過程有關(guān)?；夭敻弑硎纠走_(dá)探測(cè)到的降水回波出現(xiàn)的最高位置，可以反映降水云垂直方向的上升運(yùn)動(dòng)強(qiáng)弱變化。圖3為四次降雪天氣的回波頂高及近地表降水率-回波頂高散點(diǎn)分布情況，從中可以直觀地看出，層云降水具有平緩的雨頂，回波頂高分布相對(duì)比較均勻，回波頂高多分布在2.5～5.5 km。這與Kulie et al(2016)分別利用GPM/KuPR和CloudSat/CPR觀測(cè)得出的結(jié)果，即全球大約98%的降雪云的回波頂高度小于 5 km，及吳瓊等(2017)研究發(fā)現(xiàn)DPR觀測(cè)降雪云的回波頂高大多數(shù)小于6 km的研究結(jié)果較為一致。由圖3可以發(fā)現(xiàn)四次降雪天氣過程的回波頂高分布范圍分別為2.47～5.92、1.81～6.75、2.15～6.12和1.94～4.98 km，平均高度分別為4.16、3.60、3.49和3.55 km，四次過程的平均回波頂高為圖3a1最大，圖3b1、3c1和3d1較為接近。四次過程降水強(qiáng)度大值區(qū)域的回波頂高主要集中在3.0～4.5 km的范圍內(nèi)，占比分別達(dá)到了65.93%、62.99%、81.99%和85.04%，分析發(fā)現(xiàn)主要降水云類型為層狀云，中云對(duì)降水率貢獻(xiàn)最大。四次過程的近地表最大降水強(qiáng)度為4.7、4.6、2.36和2.74 mm·h-1，所對(duì)應(yīng)的最大回波頂高分別為 5.92、6.75、5.31和4.98 km，回波頂高與近地表降水強(qiáng)度強(qiáng)弱變化呈現(xiàn)出正相關(guān)的對(duì)應(yīng)關(guān)系，存在雨頂越高、近地表降水率就越大的現(xiàn)象，降水強(qiáng)弱同時(shí)可能還與云內(nèi)微物理過程有關(guān)。由于四次過程處于成熟階段產(chǎn)生更多的地面降水，同時(shí)成熟階段強(qiáng)勁的向上氣流將大量水分從下層帶到上層，導(dǎo)致大量的大冰粒和雨滴，導(dǎo)致回波頂高相對(duì)較大，回波頂高越高對(duì)應(yīng)近地表降水粒徑也越大，考慮到中高層云系統(tǒng)的運(yùn)動(dòng)，低層水汽的輸送以及降水垂直結(jié)構(gòu)的變化，將這種現(xiàn)象的物理機(jī)制可以描述為“播種云”作用(Houze，2012)。

圖3 四次降雪天氣過程的(a1～d1)回波頂高及(a2～d2)近地表降水強(qiáng)度-回波頂高散點(diǎn)分布(黑線為軌道路徑) Fig.3 (a1-d1) Echo top height and (a2-d2) near-surface precipitation intensity and echo top height scatter distribution of four snowfall processes (black line: track path)

2.3 降雪的垂直結(jié)構(gòu)特征

2.3.1 雷達(dá)反射率因子的CFADs分析

通常用統(tǒng)計(jì)雷達(dá)反射率因子隨高度的頻次分布(CFADs)的方法來表征降水的垂直結(jié)構(gòu)特征，其做法是統(tǒng)計(jì)降水回波強(qiáng)度在各高度出現(xiàn)的頻次(即高度與反射率因子的兩維聯(lián)合概率分布，簡(jiǎn)稱聯(lián)合概率分布) ，因此它反映了降水回波強(qiáng)度在垂直方向上出現(xiàn)的頻次，以此來展示降水回波的垂直結(jié)構(gòu)(Houze，2014)。此方法能較好地反映降水系統(tǒng)在垂直方向上的變化，解決了傳統(tǒng)空間橫截面不易描述降水云結(jié)構(gòu)特征的難題。因此，為了更深入地研究不同云系各層云的垂直結(jié)構(gòu)，本文將CFADs方法用于對(duì)云系垂直結(jié)構(gòu)的研究，統(tǒng)計(jì)了不同強(qiáng)度雷達(dá)回波信號(hào)在各高度上占總樣本數(shù)的概率。圖4為四次降雪天氣過程的雷達(dá)反射率因子的聯(lián)合概率(CFADs)分布，圖4a中個(gè)例降水回波強(qiáng)度最大為35 dBz，其余三個(gè)個(gè)例為30 dBz，但發(fā)生的概率都小于0.1%，四個(gè)個(gè)例高于0.4%的降水回波信號(hào)高度和雷達(dá)反射率因子出現(xiàn)范圍分別是1.88～4.38 km和17～24 dBz(a個(gè)例)、1.00～3.75 km和18～24 dBz(b個(gè)例)、1.00～3.88 km和16.0～24.5 dBz(c個(gè)例)，1.25～3.75 km和16～25 dBz(d個(gè)例)。分析發(fā)現(xiàn)個(gè)例a、b和個(gè)例c、d的CFADs圖的外形具有相似性，顯示出幾乎相同的特征，降雪云垂直結(jié)構(gòu)和微物理特征較為均一。前兩個(gè)個(gè)例雷達(dá)反射率因子出現(xiàn)的高度更高，近地面雷達(dá)反射率因子更強(qiáng)，降水垂直結(jié)構(gòu)CFADs較為深厚，其中a個(gè)例的雷達(dá)回波頂部高度比其他三個(gè)個(gè)例高1 km左右，這可能是由于較強(qiáng)的上升氣流導(dǎo)致更多的冰粒懸浮在較高水平?？傮w上，北疆冬季降水回波的高度范圍和雷達(dá)反射率因子范圍分別為在1.00～4.38 km和16～35 dBz。隨著高度的升高，反射率因子隨高度減小，強(qiáng)度范圍減小，其回波頂部高度不超過6.75 km，a個(gè)例和b個(gè)例的降水垂直結(jié)構(gòu)較為深厚，近地表附近雷達(dá)反射率達(dá)到了32～35 dBz，強(qiáng)盛的向上氣流將大量水汽從下層帶到上層，導(dǎo)致大量的大冰粒和雨滴，并迅速產(chǎn)生高濃度的大粒子(Yuter and Houze, 1995)。當(dāng)這些更大、下落更快的冰粒下降后，雷達(dá)回波形成十分明顯的垂直核心。

圖4 四次降雪天氣過程的(a～d)雷達(dá)反射率因子Z的聯(lián)合概率(CFADs)分布Fig.4 Distribution of joint probabilities (CFADs) of radar reflectivity factor Z in four snowfall processes (a-d)

2.3.2 粒子譜和降水率CFADs分析

GPM提供了降水的滴譜信息，雨滴譜指的是在單位體積內(nèi)粒子大小的分布。在云降水物理學(xué)研究中，滴譜是一個(gè)十分重要的參量，對(duì)于降水反演而言，獲取準(zhǔn)確的滴譜信息有助于我們了解降水的微物理結(jié)構(gòu)，準(zhǔn)確構(gòu)建雷達(dá)反射率因子和降水強(qiáng)度之間的經(jīng)驗(yàn)關(guān)系式，從而提高降水估計(jì)的精度。Matrosov(1998)利用Ka和X雙波段雷達(dá)反射率之間的對(duì)數(shù)差反演雪花的中值粒徑Dm，估算的Dm以及X波段的雷達(dá)反射率因子通過Ze-R-Dm關(guān)系反演降雪量R，并分析了不同密度雪粒子的中值粒徑與兩個(gè)波段雷達(dá)反射率的關(guān)系?；贕PM/DPR觀測(cè)，Liao et al(2016)通過探尋合適的散射模型和恰當(dāng)?shù)牧椒植?PSD)假設(shè)，研究了雪的微物理特征并估算了雪水含量、降雪量等參數(shù)，形成了直接鏈接反射率因子和雪水含量及降雪量的查找表。Iguchi et al(2017)編寫的GPM/DPR觀測(cè)數(shù)據(jù)二級(jí)算法中，是通過建立Ka和Ku兩個(gè)波段的差分反射率因子DFR和雨滴譜的特征直徑的查算表來進(jìn)行雨滴譜的反演。

降水系統(tǒng)垂直結(jié)構(gòu)上的滴譜參數(shù)[降水粒子的質(zhì)量加權(quán)平均直徑Dm和粒子數(shù)濃度dBNw=10log10(Nw)]在各高度出現(xiàn)的頻次，反映了其在垂直方向上的微物理特征變化及其生命周期。如圖5、圖6所示為四次降雪天氣(a～d個(gè)例)降雪云的Dm和dBNw的CFADs分布，a～d個(gè)例的Dm分布范圍在0.76～3.00、0.56～3.00、0.78～2.73和0.75～2.33 mm，平均值在1.09～1.10 mm；dBNw

圖5 四次降雪天氣過程的(a～d)質(zhì)量加權(quán)平均直徑Dm的聯(lián)合概率分布Fig.5 Distribution of joint probabilities of mass-weighted average diameter Dm in four snowfall processes (a-d)

圖6 四次降雪天氣過程的(a～d)粒子數(shù)濃度dBNw的聯(lián)合概率分布Fig.6 Distribution of joint probabilities of particle number concentration dBNw in four snowfall processes (a-d)

分布范圍在5.78～42.86、7.90～51.43、6.00～39.60 和13.35～41.10，平均值分布在 32.90～33.42。分析發(fā)現(xiàn)a個(gè)例和b個(gè)例Dm的最大值達(dá)到了3.0 mm，分別是c個(gè)例和d個(gè)例的1.09倍和1.29倍，前者的數(shù)濃度dBNw值也明顯大于后者，對(duì)應(yīng)于地表降水量也更大，得出在層狀云降雪過程中Dm和dBNw數(shù)值大小與地表降水量呈現(xiàn)正相關(guān)特征。大于0.2%的Dm和dBNw大值區(qū)域主要集中在1.0～1.3 mm和31～36范圍內(nèi)；大于1.0%的大概率Dm和dBNw分布的高度主要位于1.25～4.00 km 和0.63～3.75 km。a～d個(gè)例中Dm的大值區(qū)分布在1.0～1.2、1.1～1.25、1.1～1.2和1.0～1.1 mm；dBNw大值區(qū)集中在33.0～35.0、32.0～33.5、33.5～35和33.5～34.5，其中a個(gè)例和b個(gè)例滴譜參數(shù)的分布面積較大，對(duì)應(yīng)地面降水最多的也是a個(gè)例和b個(gè)例。Zagrodnik et al(2018)發(fā)現(xiàn)在奧林匹克山上有效的Dm和dBNw配置會(huì)適度地增加降水，并且大量小顆粒(較大的dBNw)容易發(fā)生碰撞和聚并以形成較強(qiáng)降水，該理論與圖5、圖6所示的結(jié)果非常吻合。結(jié)合圖3中近地表降水率數(shù)據(jù)進(jìn)行分析，得出Dm為1.01～1.25 mm和dBNw為32～35的配置產(chǎn)生的降水最多。北疆層云性降雪過程主要來自于大小較為均一的粒子組成，并不是形成了更大尺度的云滴或雨滴。

總體上，北疆冬季降水回波的Dm和dBNw范圍分別在1.0～1.5 mm和32～36，Dm和dBNw大值分布的高度范圍為2.19～2.50 km和2.13～2.67 km，Dm值隨著降水粒子的下降而增大，近地表附近Dm達(dá)到了2.33～3.00 mm，大于平均值1.09～1.10 mm，對(duì)應(yīng)于地表由碰撞-聚合過程產(chǎn)生的大降水粒子較多，大粒子的增多是產(chǎn)生層狀云有效降水的重要微物理機(jī)制。

2.3.3 近地面降水率和降雪云剖面結(jié)構(gòu)分析

利用DPR掃描軌道內(nèi)的近地表降水強(qiáng)度數(shù)據(jù)，能夠?qū)邓到y(tǒng)水平結(jié)構(gòu)中相應(yīng)的像素?cái)?shù)量、降水面積和降水強(qiáng)度等進(jìn)行定量分析，文中所用GPM衛(wèi)星數(shù)據(jù)基本覆蓋了降雪過程的主要分布范圍，圖7為四次降雪過程(a～d個(gè)例)的近地面降水率產(chǎn)品，其中a個(gè)例和b個(gè)例降水率主要集中在0.09～4.70 mm·h-1和0.07～4.60 mm·h-1，c個(gè)例和d個(gè)例降水率分布范圍為0.07～2.36 mm·h-1和0.18～2.74 mm·h-1。通過分析降水強(qiáng)度的概率密度分布，四次過程的降水概率密度較為類似，在0.62～0.82 mm·h-1達(dá)到峰值。大部分區(qū)域降水率多分布于0.5～2.0 mm·h-1，說明四次過程的降水強(qiáng)度都不大，其所占比例分別為62.39%，47.08%，62.5%和56.73%，大于2 mm·h-1其所占比例分別為5.3%，2.48%，0.2%和0.49%。

圖7 四次降雪天氣的(a1～d1)近地表降水強(qiáng)度和(a2～d2)Z、(a3～d3)R和(a4～d4)Dm的沿緯度剖面(對(duì)角線代表衛(wèi)星觀測(cè)的軌道路徑，黑色虛線為剖面位置)Fig.7 (a1-d1) Near-surface precipitation intensity at four moments and the latitude profiles along (a2-d2) Z, (a3-d3) R and (a4-d4) Dm in four snowfall processes (a-d) (Diagonal line represents the orbit path of satellite observation, and black dashed line is the profile position)

續(xù)圖7continued

降水的剖面結(jié)構(gòu)直觀表征了降水云團(tuán)的熱力和動(dòng)力特征。圖7中同時(shí)給出了四個(gè)個(gè)例降雪云沿不同緯度的Z、R和Dm的垂直截面，這些截面對(duì)應(yīng)于圖中的黑色虛線位置。分析發(fā)現(xiàn)大多數(shù)雷達(dá)回波都在5 km以下，最大雷達(dá)反射率主要集中在3～3.5 km 以下，Z、R和Dm存在較好的對(duì)應(yīng)關(guān)系。a個(gè)例中Z的剖面顯示在約3 km處出現(xiàn)了Z明顯的增強(qiáng)(>32 dBz)且反射率幾乎恒定或朝著地面稍有增加，這可能與冰粒的沉積生長有關(guān)。同時(shí)在幾乎相同的位置出現(xiàn)了粒子1.8～2.2 mm的粒子大值區(qū)域，冰粒子的濃度高于其他區(qū)域，這可能是由于聚集作用導(dǎo)致產(chǎn)生較大粒子，這些大粒子的出現(xiàn)極大促進(jìn)了降水的發(fā)生，在這些位置降水率大于2 mm·h-1；b個(gè)例中雷達(dá)反射率因子從2.0～2.5 km開始朝著地面單調(diào)增加，表明碰撞-聚并過程是主要從這個(gè)高度開始，在接近地面的位置出現(xiàn)了Z的峰值為30 dBz，對(duì)應(yīng)該位置的Dm為1.4～1.6 mm，降水率大于2 mm·h-1；同樣c個(gè)例和d個(gè)例的雷達(dá)反射率因子分別從3.5 km和2.8 km高度附近幾乎恒定或朝著地面稍有增加，雷達(dá)強(qiáng)回波主要分布在26～30 dBz和26～28 dBz，對(duì)應(yīng)強(qiáng)回波位置的Dm集中在1.6～2.0 mm和1.4～1.6 mm，R剖面的降水量大值區(qū)間為1.0～1.5 mm·h-1和1.5～2.5 mm·h-1。

分析發(fā)現(xiàn)雷達(dá)發(fā)射率因子和雨量的變化趨勢(shì)與雨滴直徑增加有密切關(guān)系，表明當(dāng)雨滴落下時(shí)，碰撞-聚并為主要過程。Dm隨高度的變化主要介于1.4～2.0 mm，并且隨著垂直方向高度的減小而保持不變。由于近地面云中聚并過程強(qiáng)于蒸發(fā)和破裂過程，在成熟階段雷達(dá)反射率因子和降水率朝著地面恒定或略有增加。

3 結(jié)論與討論

利用GPM/DPR雙頻降水雷達(dá)資料和FY-2E衛(wèi)星觀測(cè)到的新疆北部阿勒泰地區(qū)、烏魯木齊地區(qū)和哈密地區(qū)四個(gè)成熟期的降雪過程資料，分析了云頂亮溫、地表降水率、回波頂高、雷達(dá)回波強(qiáng)度和粒子滴譜的水平和垂直結(jié)構(gòu)特征，得出以下結(jié)論：

(1) 四次降雪過程在GPM/DPR掃描區(qū)域均出現(xiàn)了緊密的低亮溫云團(tuán)，這些云團(tuán)的亮溫主要分布在215～245 K，它們屬于典型的成熟階段降水云。

(2) 四次降雪過程的降水概率密度峰值主要位于0.62～0.82 mm·h-1，大部分區(qū)域降水率多分布于0.5～2.0 mm·h-1，大于2 mm·h-1降水率所占比例分別為5.30%、2.48%、0.20%和0.49%，對(duì)應(yīng)的回波頂高平均值分別為4.16、3.60、3.49和3.55 km，降水率大值區(qū)域主要集中在回波頂高為3.0～4.5 km范圍，中云對(duì)降水率貢獻(xiàn)最大，回波頂高與近地表降水率強(qiáng)弱變化呈現(xiàn)出正相關(guān)的對(duì)應(yīng)關(guān)系。

(3) 降雪的Z強(qiáng)度范圍多為20～35 dBz。隨著高度的升高，Z隨高度減小，強(qiáng)度范圍減弱，其回波頂部高度不超過6.75 km，其中兩個(gè)個(gè)例的降水垂直結(jié)構(gòu)較為深厚，近地表附近雷達(dá)反射率因子達(dá)到了32～35 dBz，相應(yīng)產(chǎn)生的近地面降水強(qiáng)度也較強(qiáng)。

(4) 降雪的Dm和dBNw范圍多分布在1.0～1.5 mm和32～36，Dm和dBNw大值分布的高度范圍為2.19～2.50 km和2.13～2.67 km。Dm值隨著降水粒子的下降而增大，近地表附近Dm達(dá)到了2.33～3.00 mm，大于平均值1.09～1.10 mm，對(duì)應(yīng)于地表由碰撞-聚并過程產(chǎn)生的大降水粒子較多，大雨滴的增多是產(chǎn)生層狀云有效降水的重要微物理機(jī)制。

本文利用主動(dòng)式探測(cè)雙頻降水雷達(dá)對(duì)發(fā)生在新疆北部地區(qū)的四個(gè)成熟期降雪事件進(jìn)行了分析。下一步工作將對(duì)降雪其他時(shí)期，如降雪初期、消散期的個(gè)例進(jìn)行統(tǒng)計(jì)分析，進(jìn)一步可將GPM降水觀測(cè)資料與ERA5等再分析資料進(jìn)行匹配和融合，對(duì)不同天氣系統(tǒng)背景下的降水事件進(jìn)行遴選歸類后進(jìn)行合成分析，豐富對(duì)新疆地區(qū)不同降水云垂直結(jié)構(gòu)的認(rèn)識(shí)，便于模式模擬中的參數(shù)化方案的選取和雷達(dá)反演地面降水算法的優(yōu)化。