摘要" 利用雨滴譜等多源觀測資料，對2023年12月山東江淮氣旋暴雪和海效應(yīng)暴雪的微物理特征進(jìn)行了對比分析。結(jié)果表明：（1）相比于海效應(yīng)暴雪，江淮氣旋暴雪云系云頂高度較高，云頂亮溫較低，對流強(qiáng)度更強(qiáng)。（2）江淮氣旋暴雪的粒子數(shù)濃度高、粒子譜較窄、粒子體積較小、降雪強(qiáng)度較大；海效應(yīng)暴雪的粒子數(shù)濃度低、粒子譜較寬、粒子體積較大、降雪強(qiáng)度較小。（3）江淮氣旋暴雪的粒子下落末速度以單峰型為主，海效應(yīng)暴雪則多為雙峰型；江淮氣旋暴雪的粒子下落末速度及其譜寬均大于海效應(yīng)暴雪。（4）江淮氣旋暴雪含有較多的霰粒、冰粒、雪花，海效應(yīng)暴雪則以雪花及其聚合體為主。（5）兩次暴雪的等效反射率因子（Ze）-降雪強(qiáng)度（Is）關(guān)系有較大差異。在降雪強(qiáng)度相同時，海效應(yīng)暴雪的Ze更大。

關(guān)鍵詞" 江淮氣旋暴雪；海效應(yīng)暴雪；雨滴譜；微物理特征

中圖分類號：P401；P458.3" " 文獻(xiàn)標(biāo)志碼：A" "文章編號：2096-3599（2024）02-0001-00

DOI：10.19513/j.cnki.hyqxxb.20240219001

Comparative analysis on microphysical characteristics of Changjiang-Huaihe cyclone snowstorm and sea-effect snowstorm cases

WU Xuexu1，2， YANG Chengfang1，2， WANG Jun3

（1. Key Laboratory for Meteorological Disaster Prevention and Mitigation of Shandong， Jinan 250031， China; 2. Shandong Meteorological Observatory， Jinan 250031， China; 3. Shandong Weather Modification Office， Jinan 250031， China）

Abstract" Using multi-source observation data such as raindrop size distribution， the microphysical characteristics of the Changjiang-Huaihe cyclone snowstorm （CHCS） and sea-effect snowstorm （SES） in Shandong in December 2023 are analyzed. The results are shown below. （1） Compared with the SES， the cloud system of CHCS has a higher cloud top height， a lower cloud top brightness temperature， and stronger convective intensity. （2） The CHCS has higher particle number concentration， narrower particle size distribution， smaller particle diameter， and larger snowfall intensity; the SES has lower particle number concentration， wider particle size distribution， larger particle diameter， and smaller SI. （3） The distribution of particle terminal velocity of CHCS is mainly unimodal， while that of SES is mostly bimodal; the particle terminal velocity and its width of CHCS are larger than those of SES. （4） The CHCS contains more graupel， ice pellet， and snowflakes， while the SES is mainly composed of snowflakes and their aggregations. （5） There is a significant difference in the Ze-Is （namely equivalent reflectivity factor-snowfall intensity） relationship between the two snowstorm cases. When SI is the same， the Ze of SES is larger.

Keywords" Changjiang-Huaihe cyclone snowstorm; sea-effect snowstorm; raindrop size distribution; microphysical characteristics

引言

暴雪是山東冬季的主要災(zāi)害性天氣，可對農(nóng)業(yè)生產(chǎn)、交通運(yùn)輸、能源供應(yīng)、社會運(yùn)行等方面產(chǎn)生不利影響。根據(jù)天氣形勢和影響系統(tǒng)的差異，山東的暴雪天氣可分為兩大類：一種是受西南暖濕氣流北上影響在全省大部分地區(qū)產(chǎn)生的暴雪天氣，其影響系統(tǒng)包括江淮氣旋、黃河氣旋、回流形勢等；一種則是西北冷平流與渤海暖海面相互作用發(fā)生的海效應(yīng)暴雪，主要發(fā)生在山東半島的北部沿海地區(qū)[1-3]。兩類暴雪均可對山東產(chǎn)生重大影響，也是冬季天氣預(yù)報的重點(diǎn)和難點(diǎn)。

近年來，隨著觀測設(shè)備的升級換代和數(shù)值模式的快速發(fā)展，關(guān)于山東暴雪的研究工作取得了顯著進(jìn)步[2，4-8]。在涌現(xiàn)出大量研究成果的同時，也極大地提升了對暴雪的預(yù)報能力。楊成芳等[6]利用多種觀測數(shù)據(jù)，對山東一次典型渤海海效應(yīng)暴雪過程成因及動力機(jī)構(gòu)演變特征進(jìn)行分析，揭示了降雪的風(fēng)場結(jié)構(gòu)、雷達(dá)回波移向、降雪落區(qū)與風(fēng)場的關(guān)系及降水相態(tài)等特征。趙宇等[7]分析了一次江淮氣旋極端雨雪過程的云系特征和成因，明確了雨雪不同階段的動力特征和水汽條件，并得出雨雪轉(zhuǎn)換的風(fēng)場特征。楊成芳等[8]對山東不同地區(qū)和不同類型的降雪含水比氣候特征進(jìn)行分析，發(fā)現(xiàn)山東半島北部沿海地區(qū)降雪含水比明顯高于全省大部地區(qū)，海效應(yīng)暴雪則明顯大于江淮氣旋暴雪和回流暴雪。然而，目前關(guān)于山東暴雪的研究多集中在氣候特征、環(huán)流形勢、熱力條件、降水相態(tài)演變、多尺度相互作用、積雪深度等方面，對暴雪的微物理特征研究[9]較少，更缺少對不同類型暴雪微物理特征的對比分析，限制了對暴雪天氣的預(yù)報水平。

2023年12月，受強(qiáng)冷空氣影響，山東出現(xiàn)大范圍的寒潮雨雪天氣。13—15日，受江淮氣旋北上影響，全省范圍內(nèi)出現(xiàn)一次強(qiáng)降雪天氣，其中魯西北和魯中地區(qū)出現(xiàn)大到暴雪局部大暴雪，降雪量為有氣象記錄以來山東12月歷史之最[2]。此后，受冷空氣的持續(xù)影響，15—22日，山東半島地區(qū)出現(xiàn)持續(xù)性海效應(yīng)暴雪，日降雪量和積雪深度均突破有氣象記錄以來海效應(yīng)暴雪的歷史極值[2]。這兩次暴雪天氣降雪范圍廣、降雪強(qiáng)度大、積雪較深、極端性強(qiáng)、致災(zāi)性強(qiáng)，在社會上引起了廣泛關(guān)注。本文使用常規(guī)觀測、加密觀測和特種觀測資料，對這兩次不同類型暴雪的微物理特征進(jìn)行分析，以進(jìn)一步加深對暴雪天氣的理解和認(rèn)識。

1資料和方法

1.1觀測數(shù)據(jù)介紹

使用的觀測資料包括地面觀測資料、再分析資料、雨滴譜數(shù)據(jù)和FY-4A衛(wèi)星觀測資料。地面觀測資料來源于氣象大數(shù)據(jù)云平臺·天擎系統(tǒng)，包括2023年12月13—22日山東123個國家級氣象觀測站的逐小時氣溫、相對濕度、風(fēng)向風(fēng)速、降水量和降水相態(tài)觀測資料。再分析資料為歐洲中期天氣預(yù)報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）第五代大氣再分析（ECMWF Reanalysis v5，ERA5）數(shù)據(jù)集，時間分辨率為1 h，空間分辨率為0.25°，包括不同等壓面的位勢高度、相對濕度、風(fēng)向風(fēng)速等氣象要素。雨滴譜數(shù)據(jù)來自于布設(shè)在山東國家級氣象觀測站的降水天氣現(xiàn)象儀，時間分辨率為1 min，可測量的降水粒子直徑范圍為0～26 mm，下落末速度范圍為0～22.4 m/s。雨滴譜數(shù)據(jù)的處理方法詳見1.2節(jié)。同時，使用風(fēng)云衛(wèi)星（FY-4A）的黑體亮溫（black body temperature，TBB）和云頂高度（cloud top height，CTH）產(chǎn)品，二者的時間分辨率均為15 min，空間分辨率均為0.04°。如無特殊說明，文中涉及到的時間均為北京時。

1.2雨滴譜數(shù)據(jù)處理方法

為了減小低信噪比數(shù)據(jù)帶來的誤差，對雨滴譜資料進(jìn)行以下質(zhì)量控制：（1）剔除雨滴譜數(shù)據(jù)中2個最小直徑檔（即直徑小于0.25 mm）的粒子；（2）剔除雨滴譜數(shù)據(jù)中下落末速度vgt;10 m/s的粒子。降水現(xiàn)象儀直接輸出的雨滴譜數(shù)據(jù)是在采樣時間間隔內(nèi)直徑和下落末速度位于采樣區(qū)間中的粒子個數(shù)，直徑和下落末速度均分為32個非等間距的測量通道。為便于計算特征量，將其轉(zhuǎn)換為單位體積、單位直徑間隔內(nèi)的粒子分布譜，具體計算方法[10-11]如式（1）所示：

。" " " " " " " " " " "（1）

式（1）中，是第j個直徑通道至之間的粒子數(shù)密度，單位：m-3·mm-1；是降水現(xiàn)象儀的取樣面積，單位：m2，訂正后為[9-10]；是取樣時間，單位：s，取值為60 s；是第j個直徑通道，第i個速度通道的粒子個數(shù)；是第j個直徑通道，第i個速度通道對應(yīng)的粒子下落末速度，單位：m/s；和分別是第j個直徑通道的寬度和中心直徑，單位：mm。

單位體積、單位速度間隔內(nèi)的粒子速度分布譜，可由式（2）[11]計算得出：

。" " " " " " " " " （2）

式（2）中：為第i個速度通道至之間的粒子速度數(shù)密度，單位：m-3·（m/s）-1；和分別是第i個速度通道的寬度和中心速度，單位：m/s，其余變量的含義與式（1）相同。

根據(jù)粒子分布譜，粒子的有效直徑（Deff）、降雪強(qiáng)度（Is）和等效雷達(dá)反射率因子（Ze）可分別由式（3）—（5）計算[10，12-16]得到：

，" " " " " " " " " "（3）

，" " " " " " "（4）

。" " " " " "（5）

式中：D為粒子直徑，單位：mm；，為冰的相對介電常數(shù)；，為水的相對介電常數(shù)；和分別為冰和雪的密度，文中取。考慮到不同類型暴雪之間的微物理差異，本研究中海效應(yīng)暴雪和江淮氣旋暴雪的雪密度分別取和[13，15]。

2 兩次暴雪過程天氣形勢概況

2.1" 12月14日江淮氣旋暴雪

2023年12月13日06時—15日08時，受江淮氣旋影響，山東自西向東出現(xiàn)雨雪天氣，其中魯西北和魯中地區(qū)出現(xiàn)大到暴雪局部大暴雪（圖1a）。以冠縣站（115°27′48″E，36°27′26″N）為代表，分析此次江淮氣旋暴雪的微物理特征。結(jié)合天氣形勢和雷達(dá)資料分析可知，14日冠縣站的系統(tǒng)性降水由08時開始，11時后為降雪，至18時降雪結(jié)束，累計降雪量為22.0 mm；最大小時降雪量為6.2 mm，出現(xiàn)在14時（圖1b）。

由12月14日08時不同高度層的環(huán)流形勢（圖2）可見：山東位于500 hPa短波槽槽前（圖2a），700 hPa中支槽超前于南支槽，存在強(qiáng)西南低空急流，急流軸上云貴到江淮地區(qū)的風(fēng)速達(dá)16～20 m/s，將來自孟加拉灣的水汽輸送至山東地區(qū)（圖2b）；850 hPa上西南地區(qū)有低渦存在，其北側(cè)的暖切變線位于魯南地區(qū)（圖2c）；地面圖上，08時山東受東北風(fēng)控制（圖2d），11時江淮氣旋在江蘇中部形成并逐漸東移至黃海。西南低空急流為暴雪提供了充分水汽條件，高空槽和切變線有利于抬升運(yùn)動，在魯西北和魯中地區(qū)，暖濕氣流疊加在低層冷空氣上，形成“上暖濕下干冷”的垂直結(jié)構(gòu)，有利于形成暴雪。德州、聊城和濟(jì)南還出現(xiàn)了“雷打雪”現(xiàn)象。

2.2 12月21日海效應(yīng)暴雪

2023年12月19日10時—22日17時，受強(qiáng)冷空氣影響，煙臺和威海出現(xiàn)持續(xù)性海效應(yīng)暴雪天氣。其中文登站20日20時—21日20時降雪量達(dá)33.7 mm（圖3a），突破有氣象記錄以來海效應(yīng)暴雪日降雪量的歷史極值[2]。以文登站（122°03′38″E，37°12′25″N）為代表，分析此次海效應(yīng)暴雪的微物理特征。結(jié)合天氣形勢和雷達(dá)資料分析可知，文登的降雪過程于20日21時開始，至21日14時結(jié)束，過程降雪量為33.1 mm；最大小時降雪量為4.3 mm，出現(xiàn)在21日01時（圖3b）。

此次暴雪受強(qiáng)冷空氣和渤海暖海面共同影響產(chǎn)生，20日20時渤海和山東半島地區(qū)處在500 hPa橫槽前部（圖4a），700 hPa以下均受西北氣流控制（圖4b），850 hPa上為西北冷平流（圖4c），山東半島東部850 hPa溫度為-20 ℃左右。地面氣壓場上，山東半島北部沿海存在北風(fēng)和西北風(fēng)的切變（圖4d）。這是山東半島地區(qū)12月典型的海效應(yīng)暴雪天氣形勢[2-3]，強(qiáng)冷空氣流經(jīng)渤海暖海面導(dǎo)致較大的海氣溫差，暖海面向上輸送感熱，形成“上干冷下暖濕”的大氣層結(jié)不穩(wěn)定，低層切變線和地形共同作用產(chǎn)生較強(qiáng)的上升運(yùn)動，導(dǎo)致海效應(yīng)暴雪的發(fā)生。

由上述分析可知，12月14日江淮氣旋暴雪和21日海效應(yīng)暴雪的環(huán)流背景有明顯差異。江淮氣旋暴雪的影響系統(tǒng)是大尺度降水系統(tǒng)，發(fā)生在低層為東北風(fēng)、中上層為西南風(fēng)的形勢下，形成“上暖濕下干冷”的大氣垂直結(jié)構(gòu)，中低層水汽條件好，系統(tǒng)發(fā)展旺盛且比較深厚，降雪在全省分布范圍廣。海效應(yīng)暴雪由發(fā)展較淺薄的中尺度系統(tǒng)引發(fā)，整層均為西北風(fēng)，水汽來源于渤海暖海面，大氣垂直結(jié)構(gòu)為“上干冷下暖濕”的不穩(wěn)定層結(jié)，屬于淺對流系統(tǒng)，影響范圍小，降雪僅出現(xiàn)在山東半島北部沿海地區(qū)。

2.3 降雪云系宏觀特征分析

衛(wèi)星觀測可獲取較大空間范圍內(nèi)云系的宏觀特征[7]。為了更好地對兩次暴雪的特征進(jìn)行分析，選取兩次暴雪過程中降雪較強(qiáng)的2個時次（分別為14日13：30和21日01：30），對比FY-4A衛(wèi)星觀測的CTH和TBB。由圖5a、c可知，江淮氣旋暴雪云系空間尺度大，廣泛分布在河北中南部到山東大部地區(qū)，TBB多低于245 K，CTH多高于5 km；其中冠縣附近的TBB為235～240 K，CTH為7～10 km。相比之下，由圖5b、d可知，海效應(yīng)暴雪云系空間尺度較小，表現(xiàn)為分布在渤海到山東半島一線的窄云帶，TBB多介于245～260 K之間，CTH大多低于3 km；文登附近的TBB約為250 K，CTH為1～2 km。上述結(jié)果表明，海效應(yīng)暴雪云系的CTH明顯低于江淮氣旋暴雪云系，TBB則相對較高，對流發(fā)展較淺。

3暴雪微物理特征對比分析

3.1 時間序列分析

降雪強(qiáng)度（Is）、降雪粒子有效直徑（Deff）、粒子數(shù)濃度（N）、粒子分布譜、粒子下落末速度分布及其寬度是降雪微物理特征分析中常用的參數(shù)[9，12-14，17-18]。圖6為冠縣站降水過程中微物理參數(shù)的時間序列，結(jié)合天氣形勢、地面觀測資料和雨滴譜數(shù)據(jù)，將整個系統(tǒng)性降水過程分為3個階段：雨和雨夾雪階段（08：30—10：40）、降雪成熟階段（10：41—14：30）和降雪減弱階段（10：31—18：00）。

在雨和雨夾雪階段，N、Deff和粒子分布譜譜寬均相對較小，粒子的下落末速度較大，多在3～8 m/s之間。在10：40附近，N和Deff增大，粒子譜拓寬，而下落末速度明顯減小，降水相態(tài)轉(zhuǎn)為降雪。進(jìn)入降雪成熟階段，粒子分布譜譜寬由4 mm逐漸增大到8 mm，N增大至103 m-3以上；相比之下，粒子的下落末速度顯著減小，多在0.5～4.0 m/s之間。11：30前后，N達(dá)到104量級的峰值，此時譜寬為7～9 mm。13：30前后，Is達(dá)8 mm/h的峰值，N約為104 m-3，譜寬為8～10 mm。在降雪減弱階段，Is小于3 mm/h，譜寬和N均逐漸減小，而下落末速度變化不大。總體來看，降雪成熟和減弱階段，粒子分布譜以單峰型為主，譜寬多小于6.5 mm；粒子速度分布譜多為單峰型，譜寬多為4.5～5.5 m/s。

圖7為文登站降雪過程中微物理參數(shù)的時間序列，結(jié)合天氣形勢和雨滴譜數(shù)據(jù)，將此次海效應(yīng)降雪過程分為降雪開始階段（20日21：00—21日00：00）、降雪成熟階段（21日00：01—13：00）和降雪減弱階段（21日13：01—14：00）。在降雪開始階段，Is和N均逐漸增大，粒子分布譜譜寬從8 mm逐漸增至11 mm，下落末速度亦逐漸增大。在降雪成熟階段中，00：01—03：00，Is達(dá)到6～8 mm/h，N為104量級，譜寬為8～10 mm；03：01—10：00，Is和N相對較小，但譜寬和下落速度變化不大；10：01—13：00，Is為5～7 mm/h，N達(dá)到104量級，譜寬為8～12 mm。降雪減弱階段，Is小于4 mm/h，譜寬和N均減小，而下落末速度變化不大。整個降雪過程中，粒子分布譜以單峰型為主，譜寬多大于6.5 mm，粒子下落末速度多介于0.5～2.5 m/s之間；粒子速度分布譜多為雙峰型，峰值速度分別在0.75、1.10 m/s附近。

由圖6和圖7可知，兩次降雪過程中N的峰谷位置與Is呈現(xiàn)大致相似的變化趨勢，而Deff的峰谷位置則與Is不完全對應(yīng)。通過對Is、N、Deff進(jìn)行線性擬合（圖8），發(fā)現(xiàn)兩次暴雪過程的N與Is存在較好的正相關(guān)關(guān)系，且相關(guān)性較高，Deff與Is雖然也存在一定的相關(guān)性，但相關(guān)性較低。

表1列出了兩次暴雪過程中不同階段微物理參數(shù)的對比，可以看出，對于兩次暴雪，降雪成熟階段的Is、N、Deff和譜寬均大于其他階段。在降雪成熟階段，海效應(yīng)暴雪的Deff和譜寬明顯大于江淮氣旋暴雪，而Is和N則相對較?。辉谄渌A段，海效應(yīng)暴雪的N、Is則大于江淮氣旋暴雪。

由上述分析可知，兩次暴雪的降雪強(qiáng)度均與粒子數(shù)濃度有較高相關(guān)性，而與有效直徑相關(guān)性較低；降雪強(qiáng)度增大時粒子分布譜拓寬，降雪強(qiáng)度減小時則相反。二者的差異在于，江淮氣旋暴雪的粒子數(shù)濃度高、粒子譜較窄、粒子體積較小、降雪強(qiáng)度較大，具有大陸譜特征；海效應(yīng)暴雪的粒子數(shù)濃度低、粒子譜較寬、粒子體積較大、降雪強(qiáng)度較小，具有海洋譜特征。此外，江淮氣旋暴雪的下落末速度及其分布譜寬度均大于海效應(yīng)暴雪，海效應(yīng)暴雪的粒子速度分布譜以雙峰型為主，江淮氣旋暴雪則多為單峰型。

3.2 降水粒子分布譜分析

粒子分布譜可描述不同尺度粒子的濃度分布，進(jìn)而可揭示不同類型降水的差異[12，17，19]。對整個降雪過程進(jìn)行平均，得到兩次暴雪的平均粒子分布譜（圖9a）。冠縣站的平均粒子分布譜為單峰型，峰值直徑為0.312 mm，峰值濃度為6.5×103 mm-1·m-3（圖9b）；文登站的平均粒子分布譜為單峰型，峰值直徑為0.687 mm，峰值濃度為3.5×103 mm-1·m-3（圖9c）。相比于文登站，冠縣站粒子分布譜中直徑小于1 mm的粒子數(shù)較多，而直徑大于3 mm的粒子數(shù)濃度則相對較少，即冠縣站降雪粒子的體積小于文登站，小粒子占比更高。

根據(jù)3.1節(jié)劃分的不同降水階段，討論了不同階段粒子分布譜的特征。由圖9b、c可知，對于冠縣站和文登站，不同降水階段的粒子分布譜譜型均為單峰型，峰值直徑也保持不變，分別為0.312 mm和0.687 mm。在降雪成熟階段，粒子譜的峰值濃度和寬度大于其他階段，且所有直徑范圍內(nèi)的粒子數(shù)濃度也相對較高。相比之下，冠縣站降雪成熟階段的粒子分布譜峰值濃度高于文登站，而大于5 mm的粒子數(shù)濃度則明顯低于文登站。

上述結(jié)果表明，兩次暴雪的粒子分布譜均為單峰型，降雪成熟階段不同尺度的粒子數(shù)量均大于其他階段。相比于海效應(yīng)暴雪，江淮氣旋暴雪的粒子分布譜峰值直徑較小、峰值濃度較大，小粒子數(shù)量較多，但大粒子數(shù)量較少。

3.3 降水粒子直徑和下落末速度關(guān)系分析

降水粒子直徑（D）和下落末速度（V）的關(guān)系是雷達(dá)反演降水粒子譜的基礎(chǔ)，同時也是數(shù)值模式中微物理參數(shù)化方案的重要組成部分。圖10為整個降雪過程中冠縣站和文登站降雪粒子的V-D關(guān)系，并列出了一些降水粒子的V-D經(jīng)驗(yàn)關(guān)系[14-15，17，20]。可將觀測得到的V-D分布與理論曲線進(jìn)行對比，以便分析降雪過程中粒子的形態(tài)分布。

整個降雪過程中，冠縣站降雪粒子直徑主要分布在0.5～8.0 mm范圍內(nèi)，粒子直徑最大可達(dá)12.0 mm，對應(yīng)的下落末速度為2.5～3.0 m/s；降雪粒子的下落末速度主要集中在0～6.0 m/s范圍內(nèi)，下落末速度最大為7.5 m/s，對應(yīng)的直徑為3.0～4.0 mm（圖10a）。由圖10a表明，部分粒子的V-D關(guān)系介于雪花和霰粒之間，相比之下更靠近霰粒，這表示降雪過程中有多種粒子共存，霰粒的占比高于雪花。此外，還有部分粒子的V-D關(guān)系接近雨滴。結(jié)合地面觀測可知，這些粒子實(shí)際為冰粒，體積較小但下落速度較大[21]。

整個降雪過程中，文登站的降雪粒子直徑主要集中在0.5～11.0 mm范圍內(nèi)，最大粒子直徑約為17.0 mm，對應(yīng)的下落末速度為1.5～2.0 m/s；降雪粒子的下落末速度主要集中在0～4.0 m/s的范圍內(nèi)，最大下落末速度為6.0 m/s，對應(yīng)有多個直徑峰值（圖10b）。通過分析圖10b可知，部分粒子的V-D關(guān)系接近雪花，也有一部分的V-D關(guān)系介于雪花和霰粒之間，但更接近雪花。這表明降雪過程中有多種粒子共存，雪花占主導(dǎo)。

由上述分析可知，江淮氣旋暴雪的粒子下落末速度較大而粒子直徑較小，存在較多的冰粒、霰粒和雪花；海效應(yīng)暴雪的粒子下落末速度較小而粒子直徑較大，粒子多為雪花及聚合體。結(jié)合天氣形勢分析可知，江淮氣旋暴雪過程存在較強(qiáng)的西南急流水汽輸送，水汽條件較好[2]，近地面溫度接近0 ℃。研究表明，在這個溫度范圍內(nèi)，云中過冷水含量相對較高[22]，有利于凇附和凍結(jié)過程的發(fā)生。相比之下，海效應(yīng)暴雪的水汽來源為北方冷空氣，溫度和濕度條件均較差，過冷水含量較低，不利于凇附過程的發(fā)生。但海效應(yīng)暴雪云系中溫度低于-10 ℃，有利于聚并過程的發(fā)生[22]，進(jìn)而可形成體積較大的雪花及聚合體。

3.4 等效反射率因子和降雪強(qiáng)度關(guān)系分析

雷達(dá)反射率因子（Z）和降水強(qiáng)度（I）是預(yù)報中常用的參數(shù)。在降雪研究中，一般用等效反射率因子（Ze）來代替Z，用降雪強(qiáng)度（Is）代替I[12，15-16，23]。研究表明，Ze與Is滿足形如Ze＝a·Isb的關(guān)系，可以此對降雪強(qiáng)度進(jìn)行定量估計[10，12，15]。對整個降雪過程中的Ze和Is進(jìn)行擬合，得到冠縣站的Ze-Is關(guān)系為Ze=34.5Is1.39，文登站為Ze=347.5Is1.23（圖11）。在Is相同時，文登站的Ze明顯大于冠縣站。相比于江淮氣旋暴雪，海效應(yīng)暴雪的粒子有效直徑更大，具有更多的大粒子，而Ze與粒子直徑的六次冪正相關(guān)。因此在Is相同時，海效應(yīng)暴雪的Ze明顯高于江淮氣旋暴雪。

圖11還給出了南京[12]和北京[15]冬季降雪的Ze-Is關(guān)系，分別由南京地區(qū)2015—2019年的8次降雪過程和北京地區(qū)2021—2022年的8次降雪過程擬合得到?？梢钥闯?，江淮氣旋暴雪的Ze-Is關(guān)系與南京和北京的研究結(jié)果較為接近，而海效應(yīng)暴雪則與這兩地差異較大。這說明內(nèi)陸暴雪和海效應(yīng)暴雪的特征存在明顯差異，對于不同類型的暴雪要分別建立不同的Ze-Is關(guān)系，以更好地估計降雪量。

4 結(jié)論

利用降水現(xiàn)象儀獲得的雨滴譜數(shù)據(jù)等多源觀測資料，對山東2023年12月江淮氣旋暴雪和海效應(yīng)暴雪兩次形成機(jī)制不同的暴雪過程微物理特征進(jìn)行對比分析，主要結(jié)論如下。

（1）江淮氣旋暴雪云系具有較高的云頂高度和較低的云頂亮溫，系統(tǒng)發(fā)展更為深厚；海效應(yīng)暴雪云系具有較低的云頂高度和較高的云頂亮溫，系統(tǒng)比較淺薄。

（2）兩次暴雪的粒子分布譜均為單峰分布。江淮氣旋暴雪的粒子數(shù)濃度高、粒子譜較窄、粒子體積較小、降雪強(qiáng)度較大；海效應(yīng)暴雪的粒子數(shù)濃度低、粒子譜較寬、粒子體積較大、降雪強(qiáng)度較小。

（3）江淮氣旋暴雪的粒子速度譜以單峰型為主，粒子下落末速度及譜寬度相對較大；海效應(yīng)暴雪的粒子速度譜則多為雙峰型，粒子下落末速度及譜寬度均較小。

（4）江淮氣旋暴雪含有較多的霰粒、冰粒、雪花，粒子的凇附程度相對較高；海效應(yīng)暴雪的粒子以雪花為主，聚并過程更為明顯。

（5）兩次暴雪的Ze-Is關(guān)系有明顯區(qū)別，江淮氣旋暴雪為Ze=44.3Is1.23，海效應(yīng)暴雪為Ze=347.5Is1.23。當(dāng)Is相同時，海效應(yīng)暴雪的Ze更大，與海效應(yīng)暴雪較大的粒子體積有關(guān)。

致謝：感謝聊城市冠縣氣象局和威海市文登區(qū)氣象局在觀測數(shù)據(jù)處理上給予的支持與幫助。

參考文獻(xiàn)：

[1] 閻麗鳳，楊成芳.山東省災(zāi)害性天氣預(yù)報技術(shù)手冊[M].北京：氣象出版社，2014.

[2] 楊成芳.山東暴雪[M].北京：氣象出版社，2023.

[3] 楊成芳，李澤椿.近十年中國海效應(yīng)降雪研究進(jìn)展[J].海洋氣象學(xué)報，2018，38（4）：1-10.

[4] 劉暢，楊成芳，鄭麗娜.江淮氣旋影響下的山東降雪過程相態(tài)特征[J].海洋氣象學(xué)報，2019，39（3）：74-83.

[5] 楊成芳，趙宇.基于加密觀測的一次極端雨雪過程積雪特征分析[J].高原氣象，2021，40（4）：853-865.

[6] 楊成芳，周淑玲，劉暢，等.一次入海氣旋局地暴雪的結(jié)構(gòu)演變及成因觀測分析[J].氣象學(xué)報，2015，73（6）：1039-1051.

[7] 趙宇，藍(lán)欣，楊成芳.一次江淮氣旋極端雨雪過程的云系特征和成因分析[J].高原氣象，2018，37（5）：1325-1340.

[8] 楊成芳，朱曉清.山東降雪含水比統(tǒng)計特征分析[J].海洋氣象學(xué)報，2020，40（1）：47-56.

[9] 周黎明，王俊，龔佃利，等.2009年初冬山東一次暴雪過程粒子譜特征分析[J].氣象，2014，40（1）：59-65.

[10] 王俊，鄭麗娜，王洪，等.山東6次臺風(fēng)暴雨雨滴譜統(tǒng)計特征及區(qū)域差異[J].應(yīng)用氣象學(xué)報，2023，34（4）：475-488.

[11] CHEN B J， HU W， PU J P. Characteristics of the raindrop size distribution for freezing precipitation observed in Southern China[J]. J Geophys Res： Atmos， 2011，116（D6）：D06201.

[12] TAO R T， ZHAO K， HUANG H， et al. Snow particle size distribution from a 2-D video disdrometer and radar snowfall estimation in East China[J]. IEEE Trans Geosci Remote Sens，2021，59（1）：196-207.

[13] 李慧，蘇立娟，鄭旭程，等.呼和浩特降雨和降雪過程粒子譜分布特征分析[J].氣象，2021，47（1）：71-81.

[14] 賈星燦，馬新成，畢凱，等.北京冬季降水粒子譜及其下落速度的分布特征[J].氣象學(xué)報，2018，76（1）：148-159.

[15] SHEN Y H， CHEN Y C， BI Y H， et al. Snowfall microphysics characterized by PARSIVEL disdrometer observations in Beijing from 2020 to 2022[J]. Remote Sens，2022，14（23）：6025.

[16] HUANG G J， BRINGI V N， CIFELLI R， et al. A methodology to derive radar reflectivity-liquid equivalent snow rate relations using C-band radar and a 2D video disdrometer[J]. J Atmos Oceanic Technol，2010，27（4）：637-651.

[17] LOCATELLI J D， HOBBS P V. Fall speeds and masses of solid precipitation particles[J]. J Geophys Res，1974，79（15）：2185-2197.

[18] 李遙，牛生杰，呂晶晶，等.2018年冬季南京三次暴雪過程微物理特征分析[J].大氣科學(xué)，2019，43（5）：1095-1108.

[19] XU X， CHEN X L， ZHAO X， et al. Microphysical characteristics of snowfall on the southeastern Tibetan Plateau[J]. J Geophys Res： Atmos，2023，128（20）： e2023JD038760.

[20] BRANDES E A， IKEDA K， THOMPSON G， et al. Aggregate terminal velocity/temperature relations[J]. J Appl Meteor Climatol，2008，47（10）：2729-2736.

[21] LACHAPELLE M， THOMPSON H D， LEROUX N R， et al. Measuring ice pellets and refrozen wet snow using a laser-optical disdrometer[J]. J Appl Meteor Climatol，2024，63（1）：65-84.

[22] KOROLEV A， MCFARQUHAR G， FIELD P R， et al. Mixed-phase clouds： progress and challenges[J]. Meteor Monogr，2017，58：5.1-5.50.

[23] VON LERBER A， MOISSEEV D， BLIVEN L F， et al. Microphysical properties of snow and their link to Ze–S relations during BAECC 2014[J]. Journal of Applied Meteorology and Climatology，2017，56（6）： 1561-1582.