盧曄，孟妙志，2，喬丹楊，任歡，賀瑤，韓潔

（1.陜西省寶雞市氣象局，陜西 寶雞 721006；2.秦嶺和黃土高原生態(tài)環(huán)境氣象重點實驗室，陜西 西安 710016；3.陜西省咸陽市氣象局，陜西 咸陽 712000）

引言

近年來，在全球氣候變暖背景下極端天氣事件頻發(fā)，不同相態(tài)降水以多種形式影響著陸面環(huán)境和水循環(huán)，冬季降水相態(tài)主要由液態(tài)向固態(tài)轉(zhuǎn)化，且大多發(fā)生在近地面氣溫0 ℃左右的低溫條件下，常見的降水相態(tài)有雨、雨夾雪、雪和凍雨等，它們可以單獨出現(xiàn)或者以混合形式出現(xiàn)形成雨雪冰凍事件（Bernstein，2000；Sankare and Theriault，2016），對交通運(yùn)輸、基礎(chǔ)設(shè)施、人民生命財產(chǎn)安全及生態(tài)系統(tǒng)造成嚴(yán)重影響（趙琳娜等，2008）。準(zhǔn)確的降水相態(tài)預(yù)報是降雪量、積雪深度、道路結(jié)冰等預(yù)報預(yù)警的基礎(chǔ)，不僅能指導(dǎo)公眾的生產(chǎn)生活與出行，還對防災(zāi)減災(zāi)有重要意義。

降水粒子到達(dá)地表的最終相態(tài)取決于大氣溫度垂直結(jié)構(gòu)，垂直方向上氣溫的微小波動都會引起地表附近降水相態(tài)的變化（Bourgouin，2000）。研究發(fā)現(xiàn)，位勢厚度與不同氣壓層之間的平均溫度成正比，比單層氣溫更能準(zhǔn)確表征大氣冷暖狀況（Heppner，1992；Czys et al.，1996），故而綜合考慮不同特定層溫度和位勢厚度的降水相態(tài)識別效果更好（段云霞等，2016；祝小梅等，2019；楊麗杰等，2021）。許美玲等（2015）選取700 hPa溫度、500 hPa與700 hPa位勢厚度（H500-700）、地面日最低氣溫3個物理量作為昆明地區(qū)降雪的組合判據(jù)，預(yù)報準(zhǔn)確率較單一物理量判識明顯提升。此外，降水相態(tài)變化還與氣候背景、地理位置等密切相關(guān)（隋玉秀等，2015；董偉等，2019；王一頡等，2019；武威和胡燕平，2019；荊浩等，2022；鄭麗娜等，2022）。研究表明，當(dāng)中低層T925＜2 ℃、T850＜-3 ℃時，有利于丹東地區(qū)在過渡季節(jié)出現(xiàn)降雪，而嚴(yán)冬季節(jié)降雪的有利氣溫條件則為T925＜-2 ℃、T850＜-6 ℃（高松影等，2014）；甘肅地區(qū)雨、雪、雨夾雪相態(tài)轉(zhuǎn)換的地面2 m氣溫指標(biāo)（T2）分別＞3.0 ℃、＜-1.0 ℃、-1.0～3.0 ℃，在上述前提條件下，當(dāng)T850≤-3 ℃、T700≤-6 ℃時有利于海拔小于1 500 m地區(qū)出現(xiàn)降雪，而海拔1 500～2 000 m和超過2 000 m地區(qū)降雪的溫度指標(biāo)分別為T700≤-7 ℃、T700≤-1 ℃（黃玉霞等，2016）；山東內(nèi)陸地區(qū)當(dāng)T850≤-3 ℃且T925、T1000、T2均小于0 ℃時有利于雨轉(zhuǎn)為雨夾雪或雪，而山東沿海地區(qū)925 hPa以下各層則需要更低的溫度，直接降雪時位勢厚度H850-1000、H500-700分別為127～130、252～256 dagpm，而雨轉(zhuǎn)雪時H850-1000相當(dāng)，但H500-700增至255～264 dagpm，較直接降雪的閾值偏大3～8 dagpm（鄭麗娜等，2016）。綜上可見，在不同位勢高度下各降水相態(tài)的溫度和位勢厚度閾值表現(xiàn)不同，不同時期、不同海拔高度區(qū)判識閾值也差異明顯。目前降水相態(tài)研究資料主要來源于地面觀測和探空，時空分辨率較低。因此，對復(fù)雜地形區(qū)合理劃分區(qū)域和時段，借助高時空分辨率再分析產(chǎn)品，科學(xué)探究本地降水相態(tài)精細(xì)化預(yù)報方法十分必要。

寶雞市位于關(guān)中西部（106°E—109°E，33°N—35°N），為“一帶一路”節(jié)點城市，由北部山區(qū)、中部川塬、南部秦嶺地貌組成，復(fù)雜地形導(dǎo)致冬半年降水相態(tài)時空差異較大，降水相態(tài)預(yù)報的時空分辨率和準(zhǔn)確率亟待提高。鑒于此，本文統(tǒng)計分析近10 a地面觀測資料和模式再分析資料，篩選多個關(guān)鍵因子，構(gòu)建分區(qū)、分時段的降水相態(tài)客觀預(yù)報判別方法，以期為本地降水相態(tài)精細(xì)化客觀預(yù)報提供參考。

1 資料和方法

所用資料包括：（1）2010—2019年冬半年（11月至次年3月）寶雞市11個國家氣象觀測站（圖1）逐日（20：00—20：00）降水量、天氣現(xiàn)象、地面氣溫等觀測資料；（2）歐洲中期天氣預(yù)報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）第五代逐小時再分析資料，空間分辨率0.25°×0.25°，包括不同高度層氣溫和位勢高度，采用雙線性插值方法將格點數(shù)據(jù)插值到站點上，并計算各高度層物理量值。文中附圖涉及的行政邊界地圖基于陜西省自然資源廳標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)下載的審圖號為陜S（2021）023號標(biāo)準(zhǔn)地圖制作，底圖無修改。文中時間均為北京時。

圖1 寶雞市海拔高度（彩色填充區(qū)，單位：m）及國家氣象站（圓點）分布Fig.1 The distribution of elevation （color filled areas，Unit： m） and national weather stations （dots） in Baoji City

根據(jù)地形特征，將寶雞市劃分為渭河沿岸中部川塬區(qū)和南北部山區(qū)（圖1），川塬區(qū)國家氣象站（包括渭濱、陳倉、鳳翔、岐山、扶風(fēng)、眉縣）海拔高度490.8～751.6 m，山區(qū)國家氣象站（包括太白、鳳縣、隴縣、千陽、麟游）海拔高度781.1～1 543.6 m。金臺區(qū)無國家氣象站，故不對其進(jìn)行討論。選取日降水量大于等于0.1 mm的降水樣本，根據(jù)天氣現(xiàn)象確定為雨、雨夾雪、雪3種相態(tài)。雨（雪）天氣定義為測站24 h內(nèi)只出現(xiàn)了降雨（雪）一種降水天氣現(xiàn)象，而雨夾雪天氣則定義為測站24 h內(nèi)至少出現(xiàn)一次雨夾雪或雨雪轉(zhuǎn)換（包含雨轉(zhuǎn)雪、雪轉(zhuǎn)雨、雨雪混合）天氣現(xiàn)象。

2 冬半年降水相態(tài)時空分布特征

圖2是2010—2019年冬半年寶雞市不同降水相態(tài)累計日數(shù)空間分布?？梢钥闯觯涤昀塾嬋諗?shù)川塬區(qū)明顯多于山區(qū)，海拔較低的渭濱、陳倉、岐山、眉縣為高值區(qū)，渭濱最多為154 d，而海拔最高的太白最少為84 d；降雪累計日數(shù)山區(qū)明顯多于川塬區(qū)，海拔較高的太白、麟游為高值區(qū)，太白最多為197 d，海拔最低的眉縣最少為52 d；雨夾雪累計日數(shù)空間差異相對較小，太白、鳳縣、千陽為高值區(qū)，太白最多為42 d，低值區(qū)在川塬區(qū)，眉縣最少為15 d。進(jìn)一步統(tǒng)計發(fā)現(xiàn)，2010—2019年冬半年川塬區(qū)降雨日數(shù)平均為14.1 d，較山區(qū)多2.6 d，山區(qū)降雪日數(shù)平均為10.0 d，較川塬區(qū)多3.8 d（圖略）?？梢姡瑢氹u市冬半年降水相態(tài)空間差異明顯，川塬區(qū)降雨較多，山區(qū)降雪較多，這與地理位置、海拔高度密切相關(guān)。

圖2 2010—2019年冬半年寶雞市雨（a）、雪（b）、雨夾雪（c）累計日數(shù)空間分布Fig.2 The spatial distribution of cumulative days of rain （a）， snow （b） weather and their mixture weather （c） in the winter half-year from 2010 to 2019 in Baoji City

從近10 a川塬區(qū)和山區(qū)冬半年不同降水相態(tài)日數(shù)占比（與當(dāng)月降水總?cè)諗?shù)的百分比）逐月分布（圖3）可見，川塬區(qū)11月和3月降水相態(tài)以雨為主，日數(shù)占比分別為96.0%和83.6%；12月和2月降雨日數(shù)顯著減少，降雪、雨夾雪日數(shù)明顯增多，其日數(shù)占比分別增至38.7%、16.2%和47.7%、19.3%，雨雪相態(tài)轉(zhuǎn)換增多與冷空氣活動規(guī)律和強(qiáng)度有關(guān)；1月以降雪為主，日數(shù)占比達(dá)88.9%。受海拔高度影響，山區(qū)降水相態(tài)分布與川塬區(qū)不同，12、1、2月以降雪為主，日數(shù)占比均大于80.0%；11月和3月不同降水相態(tài)日數(shù)占比差異較小，降雨日數(shù)略偏多，日數(shù)占比分別為50.2%和52.1%，其次是降雪。

圖3 2010—2019年冬半年寶雞市川塬區(qū)（左）和山區(qū)（右）不同降水相態(tài)日數(shù)占比逐月分布Fig.3 The monthly distribution of proportion of precipitation days with different phases in the winter half-year from 2010 to 2019 in Chuanyuan region （the left） and mountainous area （the right） of Baoji City

基于以上分析，可將冬半年劃分為3個時期：川塬區(qū)11月和3月以降雨為主，定義為初冬-冬末時期（降雨日數(shù)占比大于80.0%）；川塬區(qū)12月和2月及山區(qū)11月和3月雨雪轉(zhuǎn)換天氣增多，定義為雨雪轉(zhuǎn)換時期（3種降水相態(tài)日數(shù)占比之差小于50.0%）；川塬區(qū)1月和山區(qū)12、1、2月以降雪為主，定義為隆冬時期（降雪日數(shù)占比大于80.0%）?？梢姡肽杲邓鄳B(tài)預(yù)報難點在雨雪轉(zhuǎn)換時期。

3 冬半年降水相態(tài)識別判據(jù)

箱形圖可以直觀反映一組或多組連續(xù)性變量的離散分布情況，箱體表示80%數(shù)據(jù)，上邊界為90%分位數(shù)，下邊界為10%分位數(shù)，上、下邊緣線為去除異常值后最大和最小值，中位值代表數(shù)據(jù)的平均水平。利用箱形圖篩選關(guān)鍵因子，篩選的物理量因子分布越獨立，則對降水相態(tài)的區(qū)分度越好。

采用箱形圖統(tǒng)計11個國家氣象站特定層500、700、850 hPa氣溫（T500、T700、T850），地面2 m氣溫（T2）和地面露點溫度（Td），以及500、700、850、1 000 hPa不同高度層間的位勢厚度（H500-700、H500-850、H500-1000、H700-850、H700-1000、H850-1000）特征，發(fā)現(xiàn)溫度要素中不同降水相態(tài)T2箱體交叉最小、中位值相差大，其次為T850、T700，而位勢厚度中箱體交叉最小的是H850-1000，其次為H700-850，由于山區(qū)太白站海拔高度超過1 500 m，故選取T2、T700、H700-850作為山區(qū)降水相態(tài)判識因子，川塬區(qū)則選取T2、T850、H850-1000進(jìn)行降水相態(tài)判識。對川塬區(qū)、山區(qū)降水相態(tài)判識因子進(jìn)一步分析發(fā)現(xiàn)，同一降水相態(tài)下同一地形區(qū)內(nèi)所有站點的溫度和位勢厚度判據(jù)閾值較為一致。另外統(tǒng)計結(jié)果顯示，近10 a冬半年寶雞市川塬區(qū)、山區(qū)降水累計日數(shù)最大值分別出現(xiàn)在渭濱站（238 d）、太白站（323 d），故以渭濱（海拔612.4 m）和太白（海拔1 543.6 m）站分別作為川塬區(qū)和山區(qū)代表站，統(tǒng)計分析3種降水相態(tài)特定層溫度和位勢厚度特征，構(gòu)建寶雞市不同地形區(qū)冬半年降水相態(tài)識別判據(jù)。

3.1 特定層溫度判據(jù)

分析發(fā)現(xiàn)，渭濱和太白站冬半年各時期雨和雪T2、T850、T700箱體均無重疊，而雨夾雪與雨、雪可能出現(xiàn)重疊。因此3種相態(tài)特定層溫度判識原則是：當(dāng)3種相態(tài)T2箱體均無重疊時，以雨夾雪T2的最大值、最小值或90%、10%分位數(shù)分別作為雨、雪的單一判據(jù)閾值，雨夾雪的T2閾值則介于雨和雪之間；當(dāng)雨夾雪與雨、雪T2箱體有重疊時，無法直接判識，需要分類判識。第一類：當(dāng)雨夾雪與雨、雪T2箱體重疊區(qū)間小于1.0 ℃時，結(jié)合不同降水相態(tài)日數(shù)占比逐月分布（圖3），在T2重疊區(qū)間內(nèi)取當(dāng)月日數(shù)占比高的相態(tài)；第二類：當(dāng)雨夾雪與雨、雪T2箱體重疊區(qū)間大于等于1.0 ℃時，結(jié)合T850（T700）做進(jìn)一步判斷，若雨夾雪與雨、雪T850（T700）箱體無重疊，則以雨夾雪T850（T700）的最大值、最小值或90%、10%分位數(shù)作為雨、雪的T850（T700）閾值，若有重疊，則同樣在T850（T700）重疊區(qū)間內(nèi)取當(dāng)月日數(shù)占比高的相態(tài)。

渭濱站，初冬-冬末和隆冬時期3種相態(tài)T2箱體均無重疊，可直接判識。初冬-冬末時期［圖4（a）］，以雨夾雪T2的最大值2.9 ℃、最小值0.7 ℃分別作為雨、雪的T2單一判據(jù)閾值，T2介于0.7～2.9 ℃時為雨夾雪；隆冬時期［圖4（c）］，以雨夾雪T2的90%分位數(shù)1.8 ℃、10%分位數(shù)0.7 ℃分別作為雨、雪的單一判據(jù)閾值，T2介于0.7～1.8 ℃時為雨夾雪。雨雪轉(zhuǎn)換時期［圖4（b）］，降雨時T2箱體為2.1～5.3 ℃，降雪時為-3.6～1.3 ℃，雨夾雪時為0.3～2.5 ℃，雨夾雪與雨、雪均有重疊，需要分類判識。第一類：在雨夾雪與雨的T2箱體重疊區(qū)間2.1～2.5 ℃（區(qū)間差小于1.0 ℃）內(nèi)，結(jié)合不同降水相態(tài)日數(shù)占比逐月分布，該時期降雨概率更大；第二類：在雨夾雪與雪的T2箱體重疊區(qū)間0.3～1.3 ℃（區(qū)間差大于等于1.0 ℃）內(nèi)，需結(jié)合T850做進(jìn)一步判斷，該時期雨夾雪與雪的T850箱體有重疊，在T850箱體重疊區(qū)間-5.3～-4.2 ℃內(nèi)降雪概率更大。綜上可見，渭濱站雨雪轉(zhuǎn)換時期雨、雨夾雪、雪的T2單一判據(jù)閾值分別為2.1 ℃、1.3～2.1 ℃、0.3 ℃，當(dāng)T2介于0.3～1.3 ℃且T850＞-4.2 ℃（T850≤-4.2 ℃）時為雨夾雪（雪）。

圖4 寶雞市渭濱（a、b、c）和太白（d、e）站2010—2019年初冬-冬末時期（a）、雨雪轉(zhuǎn)換時期（b、d）、隆冬時期（c、e）不同降水相態(tài)天氣下T2、T850、T700箱形圖Fig.4 The boxplots of T2，T850 and T700 under precipitation weathers with different phases in the early and late winter period（ a），the rain-snow transformation period（ b， d） and midwinter period（ c， e） from 2010 to 2019 at Weibin（ a， b， c） and Taibai（ d， e） stations in Baoji City

同樣地，應(yīng)用特定層溫度判識原則，得到太白站冬半年各時期不同降水相態(tài)的溫度判據(jù)：雨雪轉(zhuǎn)換時期，雨、雨夾雪、雪的T2單一判據(jù)閾值分別為2.6 ℃、1.2～2.6 ℃、-0.3 ℃，當(dāng)T2介于-0.3～1.2 ℃且T700＞-5.4 ℃（T700≤-5.4 ℃）時為雨夾雪（雪）［圖4（d）］；隆冬時期，雨、雨夾雪、雪的T2單一判據(jù)閾值分別為3.8 ℃、-1.1～3.8 ℃、-1.1 ℃［圖4（e）］。

3.2 位勢厚度判據(jù)

根據(jù)靜力學(xué)原理，兩層等壓面之間厚度與兩層等壓面的平均溫度成正比（朱乾根等，2007）。為避免中低層大氣平均溫度偏高導(dǎo)致對降水相態(tài)的誤判，增加位勢厚度作為降水相態(tài)判識指標(biāo)（史緯恒等，2017；陳宏等，2021）。

分析位勢厚度特征發(fā)現(xiàn)，渭濱和太白站冬半年雨和雪H850-1000、H700-850箱體均無重疊，而雨夾雪與雨、雪可能出現(xiàn)重疊，故參照特定層溫度判識原則，結(jié)合不同相態(tài)日數(shù)占比逐月分布，確定渭濱和太白站冬半年各時期3種降水相態(tài)的位勢厚度判據(jù)。

從圖5看出，渭濱站，初冬-冬末時期，3種降水相態(tài)H850-1000箱體均無重疊，以雨夾雪的最大值1 307 gpm、最小值1 302 gpm分別作為雨、雪的H850-1000閾值，H850-1000介于1 302～1 307 gpm時為雨夾雪；雨雪轉(zhuǎn)換時期，降雨時H850-1000箱體為1 308～1 331 gpm，降雪時為1 274～1 303 gpm，雨夾雪時為1 298～1 316 gpm，雨夾雪與雨、雪均有重疊，結(jié)合不同相態(tài)日數(shù)占比逐月分布，該時期雨、雪日數(shù)占比均大于雨夾雪，當(dāng)H850-1000介于雨夾雪與雨的重疊區(qū)間1 308～1 316 gpm時降雨概率更大，當(dāng)H850-1000介于雨夾雪與雪的重疊區(qū)間1 298～1 303 gpm時降雪概率更大，故以1 308 gpm、1 303～1 308 gpm、1 303 gpm分別作為雨、雨夾雪、雪的H850-1000閾值；隆冬時期，雨夾雪與雨H850-1000箱體無重疊，而與雪完全重疊，這是由于該時期降雪日數(shù)占比大于80.0%，且雨夾雪的10%和90%分位數(shù)（1 296、1 302 gpm）僅相差6 gpm，代表性較差，故以雪的最大值1 310 gpm、雨的最小值1 308 gpm分別作為雨、雪的H850-1000閾值。同樣地，得到太白站冬半年各時期不同降水相態(tài)的位勢厚度判據(jù)：雨雪轉(zhuǎn)換時期，雨、雨夾雪、雪的H700-850閾值分別為1 551 gpm、1 540～1 551 gpm、1 540 gpm；隆冬時期，雨、雨夾雪、雪的H700-850閾值分別為1 558 gpm、1 529～1 558 gpm、1 529 gpm。

圖5 寶雞市渭濱（a）和太白（b）站2010—2019年冬半年各時期不同降水相態(tài)H850-1000、H700-850箱形圖Fig.5 The boxplots of H850-1000 and H700-850 under precipitation weathers with different phases in each period of the winter half-year from 2010 to 2019 at Weibin （a） and Taibai （b） stations in Baoji City

上述分析可見，不同地形區(qū)的渭濱和太白站冬半年各時期3種降水相態(tài)判據(jù)閾值有一定差異，表明地形導(dǎo)致的溫度差異使得測站出現(xiàn)的降水相態(tài)不同。

4 降水相態(tài)精細(xì)化客觀預(yù)報方法及檢驗

基于川塬區(qū)和山區(qū)代表站的特定層溫度（T2、T850、T700）與位勢厚度（H850-1000、H700-850）統(tǒng)計特征，得到寶雞市冬半年各時期不同降水相態(tài)客觀定量化識別判據(jù)（表1），結(jié)合降水相態(tài)時空分布特征，構(gòu)建寶雞市冬半年降水相態(tài)精細(xì)化客觀預(yù)報方法。具體流程（圖6）：通過特定層溫度和位勢厚度判據(jù)分別得出相應(yīng)的降水相態(tài)，若兩相態(tài)一致，則此相態(tài)預(yù)報概率為100%；若兩相態(tài)不一致，則結(jié)合不同降水相態(tài)日數(shù)占比逐月分布，選取占比高的相態(tài)為最終預(yù)報相態(tài)，預(yù)報概率為該相態(tài)的占比。

表1 寶雞市渭濱和太白站2010—2019年冬半年降水相態(tài)識別判據(jù)Tab.1 The identification criterion of precipitation phases in the winter half-year from 2010 to 2019 at Weibin and Taibai stations in Baoji City

圖6 寶雞市冬半年降水相態(tài)精細(xì)化客觀預(yù)報方法流程圖Fig.6 The flow chart of fine objective forecast method of precipitation phases in the winter half-year in Baoji City

應(yīng)用該預(yù)報方法，對2020年11月至2022年1月冬半年降水過程進(jìn)行TS（Threat Score）檢驗，計算公式（Schaefer，1990）如下：

式中：NA為降水相態(tài)預(yù)報正確時次；NB為降水相態(tài)空報時次；NC為降水相態(tài)漏報時次。TS值越接近于100%，表明降水相態(tài)預(yù)報準(zhǔn)確率越高。

選取5次大范圍降水過程進(jìn)行TS檢驗，其中小時樣本數(shù)據(jù)渭濱站82個，太白站76個。檢驗結(jié)果（表2）顯示，渭濱站特定層溫度、位勢厚度TS值分別為79%～100%、93%～100%，精細(xì)化客觀預(yù)報TS值均達(dá)100%；太白站特定層溫度、位勢厚度TS值除3月（29%、57%）較低外，其余時段均在80%以上，而精細(xì)化客觀預(yù)報的3月TS值提升為86%，其余時段為86%～100%。對比太白站降水相態(tài)實況和預(yù)報發(fā)現(xiàn)，精細(xì)化客觀預(yù)報TS值未達(dá)到100%的個例均存在雨雪轉(zhuǎn)換，其中11月和3月初始和最終相態(tài)預(yù)報正確，但相態(tài)轉(zhuǎn)換時間出現(xiàn)1～2 h偏差，2月相態(tài)轉(zhuǎn)換時間預(yù)報正確，但初始相態(tài)預(yù)報有誤，后期需要更多樣本進(jìn)行方法檢驗和改進(jìn)。綜上可見，降水相態(tài)精細(xì)化客觀預(yù)報方法在2個代表站的預(yù)報效果較單獨使用特定層溫度或位勢厚度預(yù)報均有明顯提升。

表2 寶雞市渭濱和太白站2020年11月至2022年1月冬半年降水相態(tài)TS檢驗Tab.2 TS test of precipitation phases in the winter half-year from November 2020 to January 2022 at Weibin and Taibai stations in Baoji City

5 結(jié)論

本文通過分析寶雞市近10 a冬半年降水相態(tài)時空分布特征，基于箱形圖確立不同降水相態(tài)客觀定量化識別判據(jù)，構(gòu)建了冬半年降水相態(tài)精細(xì)化客觀預(yù)報方法?？傮w上，該方法有效提高了本地降水相態(tài)預(yù)報精度，且準(zhǔn)確率較單獨使用特定層溫度或位勢厚度預(yù)報有明顯提升。主要結(jié)論如下：

（1）寶雞市冬半年降水相態(tài)空間分布與地形密切相關(guān)，海拔較低的渭河兩岸川塬區(qū)降雨較多，而南北部海拔較高的山區(qū)降雪較多；降水相態(tài)時間分布表現(xiàn)為初冬-冬末（以降雨為主）、雨雪轉(zhuǎn)換（相態(tài)轉(zhuǎn)換增多）、隆冬（以降雪為主）3個時期，川塬區(qū)11月和3月以降雨為主，12月和2月雨雪相態(tài)轉(zhuǎn)換增多，1月以降雪為主；山區(qū)12、1、2月以降雪為主，11月和3月雨雪相態(tài)轉(zhuǎn)換增多。

（2）T2、T850、T700和H850-1000、H700-850物理量是寶雞市冬半年降水相態(tài)重要判識因子。不同地形區(qū)各時期相態(tài)判識閾值有一定差異，川塬區(qū)渭濱站初冬-冬末、雨雪轉(zhuǎn)換、隆冬時期雨的T2（H850-1000）閾值分別為2.9 ℃（1 307 gpm）、2.1 ℃（1 308 gpm）、1.8 ℃（1 310 gpm），雪的T2（H850-1000）閾值分別為0.7 ℃（1 302 gpm）、0.3 ℃（1 303 gpm）、0.7 ℃（1 308 gpm），而山區(qū)太白站雨雪轉(zhuǎn)換、隆冬時期雨的T2（H700-850）閾值分別為2.6 ℃（1 551 gpm）、3.8 ℃（1 558 gpm），雪的T2（H700-850）閾值分別為-0.3 ℃（1 540 gpm）、-1.1 ℃（1 529 gpm），雨夾雪的閾值一般介于雨和雪之間。此外，雨雪轉(zhuǎn)換時期的相態(tài)判識還需結(jié)合T850、T700閾值綜合判斷。

（3）基于寶雞市冬半年不同時期特定層溫度和位勢厚度的降水相態(tài)聯(lián)合判據(jù)，結(jié)合降水相態(tài)時空分布特征，構(gòu)建了冬半年降水相態(tài)精細(xì)化客觀預(yù)報方法。檢驗發(fā)現(xiàn)，該方法對降水相態(tài)預(yù)報效果較單獨使用特定層溫度或位勢厚度有明顯提升，TS值渭濱站達(dá)100%，太白站在80%以上，太白站TS值未達(dá)到100%的月份均存在雨雪相態(tài)轉(zhuǎn)換，客觀預(yù)報方法對山區(qū)雨雪相態(tài)轉(zhuǎn)換預(yù)報存在一定誤差，后期還需更多樣本進(jìn)行檢驗和改進(jìn)。