Page 139 - 《高原气象》2025年第5期

5 期 邹书平等：混合降水粒子识别与雨雪雹尺度谱特征分析 1257
化混合降水滴谱则不具有一致性。 tics of precipitation atvertical incidence［J］. Reviews of Geophys‐
ics Space Physics， 11（1）： 1-35. DOI： 10. 1029/RG011i001p0
5 结论 0001.

Marshall J S， Palmer W M， 1948. The distribution of raindrops with
本文利用 2018 -2023 年贵州雨、 雪、 雹三类降 size［J］. Journal of Meteorology， 5（4）： 165-166. DOI： 10. 1175
水天气的雨滴谱数据， 对比分析雨滴谱的粒子数分 /1520-0469（1948）005 <0165： TDORWS>2. 0. CO； 2.
布和尺度谱特征， 以及粒子数目、 粒子直径和下落 Rosenfeld D， Ulbrich C W， 2003. Cloud micro physical properties，
末速度之间的关系， 建立了基于粒子数、 粒子谱 processes and rainfall estimation opportunities［J］. Meteorological
Monographs， 30（52）： 237-258. DOI： 10. 1175/0065-9401
宽、 众数速度的降水现象识别综合判定技术指标。
（2003）0302. 0. CO； 2.
结论如下： Gunn R， Kinzer G D， 1949. The terminal velocity of fall for water
（1） 粒子数目、 尺度谱宽分布与降水类型密切 droplets in stagnant air［J］. Journal of Meteorology， 6（4）： 243-
相关， 当粒子直径谱宽和速度谱宽一致性较强时， 248． DOI： 10. 1175/1520-0469 （1949）006<0243： TTVOFF>
2. 0. CO； 2.
降水类型具有单一性， 反之则属于为混合型降水类
Takeuchi D M， 1978. Characterization of raindrop size distributions
型。雨、 雪、 雹滴谱的直径谱宽分别集中分布在 1~
［C］//Preprints of Conf. Cloud Physics and Atmospheric Electrici‐
8 mm、 1~12 mm、 5~12 mm， 速度谱宽分别集中分 ty．Issaquah： American Meteorological Society， 154-161.
布在3~15 m∙s 、 3~5 m∙s ， 12~15 m∙s ， 粒子分档 Ulbrich C W， 1983. Natural Variations in the Analytical Form of the
-1
-1
-1
-1
众数速度分别为 4. 4 m∙s 、 1. 1 m∙s 、 4. 4 m∙s 。 Rain-drop Size Distribution［J］. Journal of Applied Meteorology
-1
-1
and Climatology， 22（10）： 1764-1775. DOI： 10. 1175/1520-
众数速度直观地反映了不同降水粒子相态、 尺度、
0450（1983）0222. 0. CO； 2.
密度的物理特性， 把粒子下落速度作为雨、 雪降水
Yuter S E， Kingsmill D E， Nance L B， et al， 2006. Observations of
类型识别极具代表性。 precipitation size and fall speed characteristics with in coexisting
（2） 雨滴谱、 雹滴谱的雨区粒子数占比分别为 rain and wet snow［J］. Journal of Applied Meteorology and Clima‐
50. 1%、 64. 3%， 雪 滴 谱 的 雪 区 粒 子 数 占 比 为 tology， 45（10）： 1450-1464. DOI： 10. 1175/JAM2406. 1.
常奋华， 王帅， 唐辉亮， 等， 2022. 降水现象仪数据分析及订正算法
70. 2%， 其对应滴谱的单一降水粒子超过半数； 雹
研究［J］. 海峡科学， 186（9）： 17-22. Chang F H， Wang S， Tang
滴谱的雹区粒子数占比为 0. 19%， 显著高于短时强 H L， et al， 2022. Study on the analysis and correction algorithm
降水的 0. 005%， 降雹天气雹粒子多于霰粒子， 强 of precipitation phenomenon instrument data［J］. Strait Science，
降水天气霰粒子多于雹粒子， 这对识别短时强降 186（9）： 17-22.
水、 冰雹具有很好的指示作用。 陈宝君， 李子华， 刘吉成， 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， 1998.
（3） 粒子直径≥3 mm 和粒子速度<5 m∙s 的粒
-1
Model of raindrop size distribution in three types of precipitation
子， 主要存在于降雪天气过程中， 基于不同类型粒 ［J］. Acta Meteorologica Sinica， 56（4）： 506-512.
子数占比、 直径、 速度特征可以对雨（雪）进行区 陈普晨， 李忠勤， 王璞玉， 等， 2023. 高寒山区固态降水观测对比研
-1
分； 粒子直径≥5 mm 和粒子速度≥10 m∙s 的粒子， 究［J］. 高 原 气 象 ， 42（1）： 116-127. DOI： 10. 7522/ j. issn.
1000-0534. 2022. 00021. Chen P C， Li Z Q， Wang P Y， et al，
主要存在于冰雹和短时强降水的对流云天气过程
2023. Comparative study of solid precipitation observation in al‐
中， 通过提高速度限定可以提高冰雹粒子识别的准
pine mountains［J］. Plateau Meteorology， 42（1）： 116-127.
确性。 DOI： 10. 7522/ j. issn. 1000-0534. 2022. 00021.
（4） 降水现象识别算法检验结果表明， 对单一 杜波， 马舒庆， 梁明珠， 等， 2017. 雨滴谱降水现象仪对比观测试验
降水现象类型识别准确率达到 95% 以上， 冰雹误报 技术应用分析［J］．气象科技， 45（6）： 995-1001. DOI： 10.
19517/j. 1671-6345. 20160724. Du B， Ma S Q， Liang M Z， et
率仅为 1. 7%， 有效地减少了在短时强降水中冰雹
al， 2017. Observation contrast experiment and application of rain‐
误识别的情况。对于雨夹雪、 雨夹雹等混合型降水
drop spectrum precipitation phenomen on instrument［J］. Meteo‐
类型， 还有待积累更多的滴谱样本资料做深入分析 rological Science and Technology， 45（6）： 995-1001. DOI： 10.
研究和验证评估， 进而提高混合降水现象识别的准 19517/j. 1671- 6345. 20160724.
确率。 杜传耀， 尹佳莉， 李林， 等， 2019．降水现象仪观测应用评估［J］.
气象， 45（5）： 730-737. DOI： 10. 7519/j. issn. 1000-0526. 2019.
参考文献（References）： 05. 015. Du C Y， Yin J L， Li L， et al， 2019. Application valua‐
tion of precipitation phenomen on instrument observation［J］. Me‐
Atlas D， Srivastava R C， Sekhon R S， 1973. Doppler radar characteris‐ teorological Monthly， 45（5）： 730-737. DOI： 10. 7519/j. issn.