一次冻雨过程的云微物理过程分析、模拟和预测

李 哲，陆正奇，王津宇，徐婉笛，龚建福，韩永翔*，秦 沛,刘炤寰

(1.国网河南省电力公司电力科学研究院，郑州 450000；2.南京信息工程大学气象灾害预报预警与评估协同创新中心，中国气象局气溶胶-云-降水重点开放实验室，南京 210044)

冻雨是过冷水滴在下降过程中与温度低于0 ℃的物体发生碰撞后发生冻结的一种天气现象，是冬半年一种具有严重影响的灾害性天气[1]。冻雨的发生会导致道路结冰、电线结冰、农作物减产，使得输电及通信线路出现倒塔、断线、绝缘子闪络、通信不畅等故障，给人民的生产生活带来不便的同时也会带来国民经济的严重损失[2-3]。如2008年冬季中国南方出现了严重的雨雪冰冻灾害天气，由冻雨造成的直接经济损失达150亿元[4]。中国是受冻雨影响较为严重的国家之一[5]，为了预防和减轻冻雨所造成的损失，准确预报冻雨的发生发展就显得尤为重要。同其他常见的天气现象不同，冻雨作为小概率的极端天气事件，主要过程由云微物理过程控制[6-7]，但这些云微物理参数大多缺乏观测的支撑，仅靠传统的天气分析，只能做出定性的预报[8]。而数值天气预报产品通过各种参数化方案，模拟了冻雨发生发展过程中的各种云微物理参数，准确预报冻雨的发生过程提供了可能。

随着计算机技术的飞速发展，以数值天气模式为主的冻雨预报也取得了一系列进展，学者们开发了一系列显式[9-10]及隐式[11]的预报方法，结合数值天气模式对冻雨的发生进行预报。如美国空军气象局(air force weather agency,AFWA)基于中尺度天气预报模式(weather research and forecasting model,WRF)及Baldwin算法[12]开发了冻雨预报系统，它利用大气垂直剖面结构、云顶温度、相对湿度及固态降水的降水能量来预测冻雨。Bresson等[13]基于第五代加拿大区域气候模式结合Bourgouin[14]的冻雨预报方法，对加拿大地区近35年来的冻雨天气进行了回溯，模拟结果能较好地体现该地区冻雨的气候变化特征；也有学者[15-18]利用WRF数值模式对冻雨的天气个例进行了模拟，可大致模拟出冻雨的大气层结以及云微物理特征。Cortinas 等[19]和Wandishin等[20]检验了各类冻雨预报方案，认为在数值模式能较准确地模拟冻雨发生的气象要素及云微物理量的基础上，Ramer[21]的方案具有较高的准确率及较低的空报率。因此更多的学者则利用Ramer方案耦合WRF模式，对不同地区冻雨的发生进行预报[22-23]。尽管冻雨预报取得了一系列进展，但目前冻雨预报的威胁分数(threat score，TS)评分依然较低。由于Ramer方案的气象参数阈值是基于国外观测站点的观测个例统计得来，因此有学者根据中国发生冻雨的气象统计特征对Ramer方案进行了改进[24-25]，提高了该方案在中国地区的预报效果，但该方案仍需要大量预报的检验，方能适应中国复杂环境下冻雨过程的预报。

现通过对2018年1月25日—26日发生在中国南方大面积冻雨个例的天气分析、云微物理参量的变化，进而利用耦合了改进Ramer参数化方案的WRF模式，探讨冻雨发生的机制并对其发生范围预报，用TS评分检验该模式对中国冻雨的预报能力。

1 资料与方法

1.1 资料来源

所使用的地面观测资料来自中国气象局气候中心，包括贵州、湖南及江西的国家气象基准站，每日进行4次(2：00、8：00、14：00、20：00)观测；探空资料来自中国气象局国家气象信息中心，包括2018年1月23日—28日贵阳、长沙探空站点每日8：00和20：00的探空观测结果。WRF模式使用的1°×1°的再分析资料(final reanalysis data，FNL)来自美国环境预报中心和大气研究中心(http：ftp.cdc.noaa.gov/pub/datasets/ncep.reanalysis/)。

1.2 WRF模式简介

WRF模式是由美国环境预报中心和大气研究中心等多个部门联合开发的一种中尺度预报模式，它不仅适用于真实天气的个例模拟，也可以用其包含的模块组作为基本物理过程探讨的理论根据，还考虑了从局地尺度到天气尺度的多种天气类型的理论研究及数值预报，已经逐渐成了大气科学领域或者预测预报的主要方法之一。使用的WRF模式初始场为美国国家大气研究中心及美国国家环境预报中心(national center for atmospheric research/national centers for environmental prediction；NCAR/NCEP)的时间分辨率为6 h的1°×1°再分析资料(FNL资料)，模拟时间为2018年1月24日20:00至1月27日8：00，预留了12 h的旋转(spin-up)时间以保证模式的稳定性，每小时输出一次结果。模式采用2层嵌套，模拟区域如图1所示；垂直方向为σ地形跟随坐标，垂直方向分为43层，模式层顶高度为50 hPa。地形数据使用美国地质调查局(USGS)提供的 2 m和30′高分辨率 LANDUSE 资料。具体物理方案：微物理为Thompson方案，长波辐射为RRTM方案，短波辐射为Dudhia方案，近地面为Monin-Obukhov方案，陆面为Noah方案，边界层为YSU方案。

图1 模拟区域嵌套设置Fig.1 Simulation domains setting

1.3 TS评分介绍

根据《中短期天气预报质量检测方法》[26]，TS评分的计算方法为

(1)

(2)

(3)

式中：NA为正确预报次数；NB为空报次数；NC为漏报次数。

1.4 改进的Ramer参数化方案判定流程

改进后的Ramer方案判定冻雨的流程如图2所示。

图2 改进的Ramer参数化方案冻雨判定流程Fig.2 Determination of freezing rain events in the improved Ramer parameterization scheme

2 研究结果

2.1 冻雨事件的天气形势分析

2018年1月24日—28日，受蒙新高地扩散南下冷空气及南方暖湿气流的共同影响，中国江淮、江南及西南地区东部等地出现了大范围大风降温及雨雪天气过程。从高空环流形势(图略)看，23日—24日左右西西伯利亚地区有高压脊发展加强，25日在其东侧切断出一冷涡，脊前冷空气不断在蒙新高地到蒙古国一带累积加强，且随着涡底偏西气流东移，27日前后低涡横槽转竖，冷空气爆发南下，中国江淮、江南等地区受高压底部偏北风影响，近地面层温度降低。同时从700 hPa高空有风速达 32 m/s 的西南气流向东北方向输送,为该地区输送了大量暖湿空气。随着冷空气东移南下，从25日—28日850 hPa高空切变动态图[图3(a)]，冷高压底部偏东到东北气流与西南暖湿气流交汇，在江南地区形成高空切变线，并来回摆动。此种配置极易出现中间暖、上下层冷的温度层结条件，因而在贵州-湖南-江西北部的上空形成平流逆温[图3(b)]，而其地面温度在此次过程中大部分时间低于0 ℃[图3(c)]，天气形势有利于冰冻天气出现，其中在贵州、湖南和江西北部等地出现了较大范围的冰冻雨雪天气[图3(d)]。

图3 2018年1月25日—28日天气形势示意图Fig.3 The synoptic situation during January 25th to 28th

2.2 单站探空曲线分析

从图4所示的天气图上分析此次冻雨过程逆温区主要分布在贵州-湖南及江西北部地区，它得到了单站探空曲线的证实。从湖南省会省长沙和贵州贵阳27日8：00的探空图(图4)可以看出，长沙及贵阳在出现冻雨时均有逆温层存在，从上到下存在着冷-暖-冷温度层结，其中郴州大于0 ℃的暖层厚度高达3.5 km (600～900 hPa)，暖层中最高温度达8 ℃，而贵阳的暖层厚度虽然仅为1.1 km(700～800 hPa)，但其暖层中的最高温度也达到了8 ℃。从探空所得的虚温及露点层结曲线配置，长沙在暖层中下部及下部冷层，相对湿度在90%以上，而贵阳在整个暖层及下部冷层的相对湿度在90%以上。如果高空有固态或过冷水进入温度远大于0 ℃的逆温层，则会被融化成雨滴，在下落过程中再次进入小于0 ℃的冷层，变成过冷水滴，在落地瞬间可在电线杆、树木、植被及道路表面冻结上一层薄冰，从而形成冻雨。

图4 2018年1月27日8：00时中国长沙和贵阳探空曲线Fig.4 The stratification curve above Changsha and Guiyang at 8:00,January 27th,2018

2.3 空中水成物含量和温度场的时间-高度剖面演变

由于一天只能做出两次探空曲线，仍然难以描述冻雨发生的具体过程。为了分析冻雨发生时空中水成物含量和温度随时间的变化，只有借助数值天气预报模式输出的产品。图5(a)和图5(b)分别为24日12：00—28日12：00长沙和贵阳两站上空水成物含量和温度场随时间演变的高度剖面变化，从图5(a)中可以看出，24日12：00—25日14：00，虽然在900～700 hPa有很大的液水含量，达到 0.5 g/m3，但低层的温度一直高于0 ℃，只能以雨的形式存在。从25日14：00到26日8：00，虽然在 3 km 左右有一个很薄的逆温层，但液水含量很少，无冻雨出现。同时，在26日0：00左右，由于温度在0 ℃以下，固态水成物包括冰晶、雪、霰出现。从26日 8：00到27日14：00，在2 km左右的高空出现厚度达1.5 km、高于0 ℃的暖层，同时，水汽含量在0.35～0.5 g/m3，而低层温度达到-4 ℃，冻雨出现。27日14：00以后，大于0 ℃的暖层消失，固态水成物占优势，出现降雪过程，并在28日8：00以后，空中水成物含量逐渐降低为0，冰冻雨雪天气结束。贵阳的海拔高度在1 000～1 300 m，而长沙的平均海拔高度不到50 m，所以图4(b)中的水成物出现的高度较高，同长沙一样，25日14：00以前，空中虽然有很大的液水含量，但低层的温度一直高于0 ℃，只能以雨的形式存在。从25日14：00到26日8：00，在2.5 km左右有一个逆温层，液水含量也较高，有冻雨出现，但在26日4：00左右低层温度低于-4 ℃，出现降雪。从26日8：00到27日12：00，在2 km左右的高空出现厚度达2 km、温度高于 0 ℃ 的暖层，同时，水汽含量在0.35～0.5 g/m3，而低层温度在0 ℃以下，有冻雨出现。27日12：00以后，高于0 ℃的暖层逐渐消失，同时在3 km上空有0.5 g/m3的高液水含量带，低层温度低于-4 ℃，冻雨过程逐渐被降雪过程所替代。

图5 1月24日—28日空中水成物含量和温度场的时间-高度剖面演变Fig.5 Temporal evolution of the profile distribution of aerial hydrometeors and the temperature field during January 24th to 28th

综上所述，天气形势分析从宏观的角度给出了冻雨发生的环流背景、层结配置、发生的大致范围以及发生与结束的大体时间，但其是否发生，还取决于其云微物理过程中各参数恰当的配合，而这些更高分辨率的信息只有天气数值产品才能满足。24日12：00—28日12：00长沙和贵阳两站上空水成物含量和温度场随时间演变的高度剖面变化显示一次冻雨过程并不是连续的，而且冻雨形成必须同时满足三个气象条件：一定厚度的暖层、空中高液水含量和地表温度低于0 ℃。当仅能满足其中两个或一个条件时，则形成降雨或降雪，甚至没有降水产生。

3 冻雨发生范围的预报及效果评估

利用改进的Ramer参数化方案以及WRF模式输出的云微物理参数，对中国2018年1月25日—27日江西、湖南及贵州发生的冻雨事件进行模拟，并与观测站点作对比。图6显示了每日8：00预报发生冻雨的范围和观测站点发生冻雨的分布，预报与观测的范围已经非常接近，但预报的范围较观测偏大。图6(a)的预报效果相对较差，出现了大片的空报区，同时漏报了近7个站。图6(b)和图6(c)的预报效果则相对较好，空报区和漏报站点大幅减少。

图6 1月25日—27日8：00预测与观测冻雨分布Fig.6 Predicted and observed distribution of freezing rain events in 8:00,January 25th to 27th

因为冻雨的发生是一种小概率事件，为了更好地定量评估模式对冻雨死亡预报能力，一个用于预测小概率事件成功的平均威胁分数(threat score,TS)评分被采用。为了进行TS评分，将发生冻雨站点周围 35 km 的格点也设置为实际发生冻雨的格点，统计了整个模拟区域内实际发生冻雨的格点个数及改进后的Ramer方案预报发生冻雨的格点个数，并用TS评分对这次冻雨事件预报效果进行了评估(表1)。从表1中可以清楚地看到，3 d的预报效果有较大差别，其中27日的命中率最高，达0.73；其次为26日，命中率为0.68；最差为25日，仅0.45；空报率同命中率呈相反的趋势，25日最高(0.57)，27日最低(0.27)；漏报率25日最高(0.42)，26日同27日较低(0.27～0.28)。3 d平均的命中率为0.64，空报率为0.36，漏报率为0.25，TS评分达到了0.52。同其他冻雨预报产品[27]相比，这是一个很高的TS评分，显示了改进Ramer参数优化方案的WRF模式有很强的预报冻雨的能力。

表1 1月25日—27日冻雨发生的预报效果检验Table 1 Examination of the freezing rain prediction during January 25th and 27th

4 结论

通过对2018年1月25日—26日中国南方大面积冻雨过程的天气形式、云微物理参量的变化分析，进而利用耦合了改进Ramer参数化方案的WRF模式，对冻雨进行预报，并用TS评分检验了模式对冻雨的预报能力，其具体结论如下。

(1)冷空气南下与南方暖湿气流交汇，在贵州-湖南-江西形成来回摆动的高空切变线，并出现了逆温层，加上地面温度小于0 ℃，天气形势有利于冰冻天气出现。

(2)探空曲线和水成物含量和温度场垂直剖面随时间演变显示一次冻雨过程并不是连续的，且冻雨形成必须同时满足三个气象条件：一定厚度的暖层、空中高液水含量和地表温度低于0 ℃。当仅能满足其中两个或一个条件时，则形成降雨或降雪，甚至没有降水产生。

(3)耦合改进Ramer参数化方案的WRF模式对冻雨有很好的预报能力，平均TS评分达到了0.52，高于同类模式产品，但空报率和漏报率仍较高，该模式仍有待进一步改进。