Page 132 - 《高原气象》2025年第5期
P. 132
高 原 气 象 44 卷
1250
现象类型的主要依据（Gunn and Kinzer， 1949； At‐ 的关系， 建立降水现象类型识别综合判定算法并评
las et al， 1973； Ulbrich， 1983； Yuter et al， 2006）。 估算法的适用性。
不同降水类型和不同地区的雨滴谱特征有明
显的差异性。譬如， 层状云降水具有雨滴谱窄、 平 2 资料来源和方法介绍
均粒径小、 数浓度低、 分布均匀， 对流云降水则雨 2. 1 测量仪器与数据来源
滴谱宽、 平均粒径大、 数浓度高、 分布不均匀（宫福 DSG1 型降水现象仪是一种基于激光衰减原理
久 等 ， 1997； 刘 红 燕 和 雷 恒 池 ， 2006； 李 慧 等 ， 进行测量的光学测量系统， 通过采样区内降水粒子
2018； 李侠丽等， 2019）； 低海拔山区平原对流云降 对激光衰减大小来测量降水粒子直径和下落末速
水比层状云降水的雨滴谱更宽， 雨滴数浓度及平均 度。DSG1 降水现象仪的激光束取样面积为 54 cm 2
直径大， 高原地区整体雨滴谱更窄， 小雨滴（直径 （18 cm×3 cm）， 采样间隔为1 min， 测量的物理量由
<1. 0 mm）数浓度更高（李山山等， 2020； 赵城城 降水粒子直径 D（探测区间为 0~25 mm， 液态降水
等， 2021； 彭旺等， 2022； 孙钦宏等， 2023； 刘艳霞 测量为 0. 312~6 mm）、 下落末速度 V（探测区间为
等， 2024； 陈普晨等， 2023）。单一降水过程中雨滴 0~20 m∙s ， 雨滴下落速度测量为0. 25~15. 2 m∙s ）
-1
-1
谱的粒子下落速度集中分布在 2~5 m∙s 之间， 粒 和水凝物粒子数组成， 记录的是由 1024 个格点所
-1
子直径集中分布在 0. 3~3. 8 mm 之间， 最大雨滴直 组成的 32×32二维数据阵列。本文所用雨滴谱数据
-1
径可达到 8 mm， 最大下落速度可达到 13. 5 m∙s ， 来 自 2018 -2023 年 贵 州 威 宁（56691， 26° 52′N，
有较多数量的粒子下落速度在5 m∙s 以上； 伴随冰 104° 17′E， 2237. 5 m）、 毕 节（57707， 27° 18′N，
-1
雹的对流云降水过程（石安英等， 1989； 牛生杰等， 105° 17′E， 1510. 6 m）、 金 沙（57714， 27° 28′N，
1999； 岳治国和梁谷， 2018； 王俊等， 2021； 刘彦 106°14′E， 942 m）和务川（57634， 28°31′N， 107°
等， 2023）， 粒子直径≥5 mm 且粒子速度≥10 m∙s -1 53′E， 660. 3 m）4 个台站的 DSG1 型降水现象仪观
的粒子数目明显增多， 谱宽更宽、 非均匀性更明 测资料， 涵盖积雨云、 层状云和积层混合云三类降
显， 直径 0. 3~5 mm雨滴和直径 5 ~ 11 mm冰雹数浓 水云系， 以及雨、 雪、 雹三类降水天气过程， 通过
度分别占总降水粒子数浓度的 99. 7% 和 0. 3%， 冰 筛选得到 81个降雨日的雨滴谱样本 210次， 72个降
雹粒子下落速度达到 11. 6 m·s ； 雪或雨夹雪的降 雪日的雪滴谱样本 191 次， 10 个降雹日的雹滴谱样
-1
水过程， 雪粒子下落速度多集中于 0. 5~2 m∙s ， 雨 本 10 次 ， 这 些 样 本 数 据 连 续 观 测 时 间 不 少 于
-1
夹雪的尺度谱宽较小， 纯雪的尺度谱宽较大， 大部 30 min。降雨（雪）量实测资料来自地面台站翻斗式
分的粒子数目集中在直径小于 2 mm 范围内， 雪粒 雨量计和称重式记录仪， 降雹信息来自观测站人工
子直径谱宽可达到 10 mm 以上， 下落速度大多在 记 录 ， 主 要 包 含 降 雹 时 间 、 降 雹 密 度 和 降 雹 大
5 m∙s 以下（贾星灿等， 2018； 李遥等， 2019； 王智 小等。
-1
敏等， 2021； 李慧等， 2021； 杨成芳和赵宇， 2021； 2. 2 降水现象识别方法与雨滴谱尺度算法
温静等， 2023）。 在现有降水现象识别中， 通常以连续3 min的3
根据不同降水类型粒子直径和下落末速度的 次样本数据作为降水现象识别判定的依据。降水
粒子分布特点， 降水现象仪能够自动识别不同降水 天气现象识别主要依据 Gunn_Kinzer 曲线分布函
现象类型（李德俊等， 2014； 毛宇清等， 2022）。对 数， 即 V=9. 65~10. 4×e -0. 6D 关系式， 采用等速度线
降水现象仪观测应用评估表明（常奋华等， 2022； （V=3 m∙s 和 V=10 m∙s ）和等直径线（D=0. 6 mm
-1
-1
杜传耀等， 2019）， 在小雨强时毛毛雨识别准确率 和 D=5 mm）来区分单一降水粒子和混合降水粒子
会降低， 而在大雨强时易出现雨滴叠加误识别为冰 的识别区， 以单一降水类型粒子数占比来识别毛毛
雹的情况， 冰雹的误判均出现在强降水天气过程 雨（DR）、 雨（RA）、 雪（SN）、 雨夹雪（RS）、 冰雹
中， 冰雹误判率达到 7. 3%， 真正出现冰雹比例仅 （HA）等降水现象类型（杨宁等， 2018； 常奋华等，
为 0. 05%。降水现象判定准确性与人工观测还有 2022）。
一定的差距（杨宁等， 2018）， 需要建立降水现象识 在实际应用中， 降水粒子滴谱（统称为雨滴
别综合判定算法。鉴于此， 本研究基于 2018 -2023 谱， 或按雨滴谱、 雪滴谱、 雹滴谱进行区分）表示单
年贵州 DSG1 型降水现象仪观测时间序列资料， 对 位体积内各种大小雨滴的数量随其直径和速度的
比分析雨、 雪、 雹三类降水的粒子数分布和尺度谱 分布状况， 由粒子直径、 下落末速度、 粒子数目（用
特征， 通过粒子数目、 粒子直径和下落末速度之间 色差表示）绘制的二维分布图称为滴谱图（杨宁等，
