基于GPM/DPR数据的北疆地区降雪云宏观结构和微物理特征分析*

王智敏 施丽娟 汪 会 殷占福 李圆圆 冯婉悦

1 中国气象局人工影响天气中心，北京 100081 2 新疆维吾尔自治区人工影响天气办公室，乌鲁木齐 830002 3 中国气象局气象探测中心，北京 100081 4 新疆维吾尔自治区气象技术装备保障中心，乌鲁木齐 830002

提 要： 利用GPM/DPR双频降水雷达资料、FY-2E卫星资料和地面降水实况，对新疆北部四次成熟期降雪过程的红外亮温、水平分布和垂直结构特征进行了分析。结果表明：降雪云团的云顶亮温集中在210～245 K，降雪云主要为层状云，中云对降水率贡献最大，近地面降水率多分布于0.5～2.0 mm·h-1，回波顶高主要集中在3.0～4.5 km范围内，回波顶高与近地表降水率强弱变化存在正相关；雷达反射率因子(Z)范围在22～35 dBz，强回波中心高度主要分布在1.25～4.50 km；质量加权平均直径(Dm)为1.01～1.25 mm和粒子数浓度(dBNw)为32～36的配置贡献的降水最多，对应的高度范围为2.19～2.50 km和2.13～2.67 km；近地表由碰撞-聚并过程产生的大粒子较多，近地表附近Dm达到了2.33～3.00 mm，Z和Dm朝地面几乎恒定或稍有增加，Z和Dm数值大小与地表降水量变化呈正相关特征。

引 言

GPM(global precipitation measurement)是新一代全球降水探测卫星，能够对降水过程进行精确的探测(唐国强等，2015；方勉等，2019)。GPM核心观测平台搭载了全球首部星载双频降水雷达(dual-frequency precipitation radar,DPR)和微波扫描辐射仪(GPM microwave imager,GMI)，观测范围可覆盖至南北纬 65°。

目前，国外学者们利用GPM卫星针对降雪过程开展了大量研究，而国内相关研究相对较少，并且主要集中于一次降雪过程的分析。在国外，Le and Chandrasekar(2019)通过分析2014—2018年北美地区的16场降雪天气过程，发现GPM/DPR雷达和地基雷达的反射率因子匹配率为87.8%～98.5%。Hamada and Takayabu(2016)发现GPM/DPR雷达对弱降水的探测能力强于TRMM(Tropical Rainfall Measuring Mission)。Adhikari et al(2018)利用全球三年降雪过程的CloudSat卫星和GPM卫星的观测资料，证实了GPM卫星比CloudSat卫星在观测强降雪方向更加有效，大多数降雪的雷达反射率小于30 dBz，回波顶高在2～5 km，北半球的降雪过程在清晨有明显的增强。Skofronick-Jackson et al (2019) 和Casella et al(2017)对比了GPM/DPR和CloudSat/CPR(cloud profile radar)雷达观测降雪的优缺点，给出了雪粒子散射特性和粒径分布，在Ku和W波段建立了雷达反射率因子(Z)与降雪率(S)的关系，将CloudSat/CPR雷达和GPM/DPR雷达的降雪观测数据进行算法匹配融合，提高了DPR雷达观测降雪的数据质量。von Lerber et al (2018)和Rysman et al(2018)利用地基雷达、雨量计和雨滴谱仪等验证了GPM观测降雪过程的有效性为84%～90%，并利用GPM数据反演了雪水路径参量。Jeoung et al(2020)对在2017—2018年冬季朝鲜半岛平昌地区的降雪云，根据云顶高度分为了三类云：近地表云、浅薄降水云和深厚降水云，其中近地表云是最常见的云类型，面积比例超过60%，而深厚降水云在降雪量中的贡献最大，占总数的50%以上，同时结合地面雷达和辐射计数据对三种类型雪云的云水路径和降雪率等进行了分析。Chase et al(2020)基于GPM/DPR的双频比和云顶高度等观测数据，发展了一种地面降雪识别算法，利用该算法所得出的结果与地基X/Ka波段雷达所观测的降雪信息具有较好的一致性，结合地基二维雨滴谱仪分别研究了降雨和降雪的降水率(R)和质量加权平均直径(Dm)等微物理参量之间的关系。国内方面，吴琼等(2017)分析比较了GPM/DPR双频降水测量雷达三种扫描模式(Ku，KaMS和KaHS)对降雪探测能力的差异，发现DPR相态产品和地面实际观测结果比较一致且降雪发生时的回波顶高大多小于6 km。李林蔚和官莉(2020)改进了GPM/DPR的降雪指数(snow index,SI) 来识别地面降水相态，提高了冬季降雨和降雪的分辨效果，改进后地面降雪识别结果与地面自动站观测结果有较好的一致性。

新疆为干旱半干旱地区，冬春季降雪天气频繁发生，同时也是我国降雪最丰富的地区之一(张俊兰等，2021)，目前，对降雪的观测以地面测量为主，探测仪器包括雪量计和地基雷达(李慧等，2021；杜佳等，2019；魏玮等，2019)，一些地方也在开展小范围的飞机观测(封秋娟等，2021；马新成等，2021)，但对大范围尤其是偏远地区的降雪云结构的观测则较少。GPM卫星提高了现有的降雪探测水平，将二维观测提升到了三维。然而，目前对新疆地区降雪云三维结构的研究较少，且多数研究仅基于一次降雪过程，本文基于GPM卫星数据对新疆4个时次的成熟期降雪天气过程进行了分析，其研究意义在于：其一，给出新疆阿勒泰地区、乌鲁木齐地区和哈密地区等不同地区降雪系统的宏微观结构特征，弥补了新疆地区降雪云三维结构特征研究空白；其二，为研究新疆地区的降雪机制和科学高效开展人工增雪作业奠定基础。

1 资料与方法

GPM卫星搭载的DPR作为全球首部星载双频测雨雷达，由Ku波段和Ka波段降雨雷达组成，其中设备信息详见表1，KuPR的扫描方式为normal scan(NS)，KaPR有两种扫描方式，分别为matched scan(MS)和high sensitivity scan(HS)，DPR的降水反演算法包含单频反演算法和双频反演算法。由于双频反演算法中有粒子谱产品，使用双频方法进行探测降水比单频有优势，文中使用了GPM双频反演产品2A-DPR_NS，主要包含扫描时间、地理位置、近地面降水率、回波强度和降水粒子谱分布参数等信息。该数据每次扫描宽度为245 km，探测高度自地表向上22 km，水平分辨率约为 5 km，垂直分辨率约为 250 m。DPR双频反演产品的合理性已经得到验证(Kotsuki et al,2014；Chandrasekar and Le,2015；张奡祺和傅云飞,2018)，通过与地基雷达、地面雨量计和雨滴谱仪等进行对比交叉验证了DPR反演近地面降水率、回波强度和降水粒子谱的合理性。

文中根据实际降雪天气过程和GPM的轨道覆盖情况，选择了发生在北疆区域不同时次的降雪事件作为研究对象，收集相应的轨道号、日期、主要覆盖区域以及选择的扫描行号范围，对GPM卫星探测到的降雪系统的地表降水率、回波顶高、回波强度廓线和降雪粒子谱廓线等的云结构进行详细研究。

FY-2E卫星于2008年发射，目前仍在轨道运行，是FY-2系列的第五个飞行单元。作为对地静止轨道卫星，它配备了可见和红外自旋扫描辐射计，可以进行扫描在五个波段的全圆盘图，主要包括可见光通道(0.5～0.9 μm)、中红外通道(3.5～4.0 μm)、热红外通道1(10.3～11.3 μm)、热红外通道2(11.5～12.5 μm)和水汽通道(6.3～7.6 μm)，时间间隔为30 min。该仪器在可见光通道中的分辨率为1.25 km，在红外光通道中的分辨率为5 km。该卫星于2015年7月1日从105°E移开，取代FY-2D成为86.5°E位置的主要卫星。现在用它观察新疆地区的云系发展演变有效性较高，本文主要使用了FY-2E的红外亮温(TBB)云图。

表1 GPM/DPR参数信息Table 1 GPM equipment and track parameter information

2 结果与分析

2.1 天气形势分析

图1为四次降雪过程08时500 hPa高空图，从图中可以看出四次天气过程主要受西伯利亚低槽系统东移南下影响，在北疆大部地区出现偏西急流，造成降雪、降温天气过程，图1a为2015年11月1日主要发生在阿勒泰西部地区(84.0°～88.5°N、46°～49°E)的降雪过程天气图，地面气象观测站记录降雪从11月1日10时开始至2日06时结束，累计降水量为4.7 mm(以下称a个例)；图1b为2015年11月30日发生在乌鲁木齐地区(86°～90°N、43.0°～45.5°E)降雪过程天气图，从地面气象观测站记录降雪从11月30日01时开始至06时结束，累计降水量为5.2 mm(以下称b个例)；图1c为2016年11月11日发生在阿勒泰东部地区(87°～91°N、45.0°～47.5°E)降雪过程天气图，地面气象观测记录降雪从11月11日01时开始至12日04时结束，累计降水量为19.5 mm(以下称c个例)；图1d为2018年12月1日发生在哈密附近地区(87.0°～93.5°N、40.5°～43.5°E)的降雪过程天气图，在图1d中所示，从地面气象观测站记录降雪从12月1日07时开始至2日10时结束，累计降水量为0.5 mm(以下称d个例)。

2.2 降雪云的水平分布特征

2.2.1 静止卫星观测降雪云团

文中给出了GPM/DPR观测到的四个时次降雪前后3个小时内FY-2E红外亮温(TBB)云图，通过分析TBB的变化，我们确定了四个降水系统的发展阶段。图2为FY-2E卫星在GPM卫星过境前后3 h内观测到的四次降雪过程的云顶亮温信息，分析发现云图亮温参数主要集中在215～260 K，四次降雪过程中的GPM卫星过境时间分别为11:40、02:30、12:30和08:50 UTC，如图2所示，观测轨道内的云顶亮温平均值分别为249.65、245.75、227.56和222.79 K。

Futyan and Del Genio(2007)总结得出了云生命周期阶段定义的方法，即根据云系生命周期定义了三个阶段(发育、成熟和消散)的红外亮温特征，云系内亮温逐渐降低，在达到最低TBB之前被定义为发育阶段，在成熟阶段云系达到最小TBB后云内亮温基本不变，消散阶段在成熟阶段之后，此时云内亮温逐渐增加，云系的大小不断减小减弱。

四次过程中降雪系统向东缓慢移动期间，在GPM观测到的降水出现区域，有一个相对明显的发展成熟过程。即静止卫星的云顶亮温急剧下降，然后几乎不变，最后云顶亮温不断升高。DPR扫描区域均出现了紧密的低亮温云团，如图2中白圈所示，这些云团的亮温主要分布在215～245 K，其中在图2a降水云内最低亮温<230 K，且亮温<245 K的云面积明显小于其前后2 h，同样在图2b、2c和2d降水云内最低亮温<225 K、<215 K和<215 K，且亮温<240 K、<225 K和<215 K的云面积明显小于其前后2 h，表明它们都属于典型的成熟阶段降水云。

图1 四次降雪过程08时500 hPa天气图(蓝线：等高线，单位：dagpm；红线：等温线，单位：℃；风羽)(a)2015年11月1日，(b)2015年11月30日，(c)2016年11月11日，(d)2018年12月1日(下同)Fig.1 500 hPa synoptic chart of four snowfall processes (blue line: contour, unit: dagpm; red line: isotherm, unit: ℃； barb)(a) 1 November 2015, (b) 30 November 2015, (c) 11 November 2016, (d) 1 December 2018 (the same below)

图2 四次降雪天气过程的FY-2E云顶亮温演变(a)2015年11月11日10—13 UTC，(b)2015年11月30日01—04 UTC，(c) 2016年11月11日11—14 UTC，(d)2018年12月1日07—10 UTC(白线为GPM/DPR雷达的观测轨道，白圈为降水云团的空间位置)Fig.2 Evolutions of FY-2E cloud top brightness temperature in four snowfall processes(a) 10:00-13:00 UTC 11 November 2015, (b) 01:00-04:00 UTC 30 November 2015, (c) 11:00-14:00 UTC 11 November 2016, (d) 07:00-10:00 UTC 1 December 2018(White line is the observation orbit of GPM/DPR radar, and the white circle is the spatial position of precipitation clouds)

2.2.2 回波顶高

回波顶高反映了降水系统发展的程度，它与降水系统的动力与热力过程有关。回波顶高表示雷达探测到的降水回波出现的最高位置，可以反映降水云垂直方向的上升运动强弱变化。图3为四次降雪天气的回波顶高及近地表降水率-回波顶高散点分布情况，从中可以直观地看出，层云降水具有平缓的雨顶，回波顶高分布相对比较均匀，回波顶高多分布在2.5～5.5 km。这与Kulie et al(2016)分别利用GPM/KuPR和CloudSat/CPR观测得出的结果，即全球大约98%的降雪云的回波顶高度小于 5 km，及吴琼等(2017)研究发现DPR观测降雪云的回波顶高大多数小于6 km的研究结果较为一致。由图3可以发现四次降雪天气过程的回波顶高分布范围分别为2.47～5.92、1.81～6.75、2.15～6.12和1.94～4.98 km，平均高度分别为4.16、3.60、3.49和3.55 km，四次过程的平均回波顶高为图3a1最大，图3b1、3c1和3d1较为接近。四次过程降水强度大值区域的回波顶高主要集中在3.0～4.5 km的范围内，占比分别达到了65.93%、62.99%、81.99%和85.04%，分析发现主要降水云类型为层状云，中云对降水率贡献最大。四次过程的近地表最大降水强度为4.7、4.6、2.36和2.74 mm·h-1，所对应的最大回波顶高分别为 5.92、6.75、5.31和4.98 km，回波顶高与近地表降水强度强弱变化呈现出正相关的对应关系，存在雨顶越高、近地表降水率就越大的现象，降水强弱同时可能还与云内微物理过程有关。由于四次过程处于成熟阶段产生更多的地面降水，同时成熟阶段强劲的向上气流将大量水分从下层带到上层，导致大量的大冰粒和雨滴，导致回波顶高相对较大，回波顶高越高对应近地表降水粒径也越大，考虑到中高层云系统的运动，低层水汽的输送以及降水垂直结构的变化，将这种现象的物理机制可以描述为“播种云”作用(Houze，2012)。

图3 四次降雪天气过程的(a1～d1)回波顶高及(a2～d2)近地表降水强度-回波顶高散点分布(黑线为轨道路径) Fig.3 (a1-d1) Echo top height and (a2-d2) near-surface precipitation intensity and echo top height scatter distribution of four snowfall processes (black line: track path)

2.3 降雪的垂直结构特征

2.3.1 雷达反射率因子的CFADs分析

通常用统计雷达反射率因子随高度的频次分布(CFADs)的方法来表征降水的垂直结构特征，其做法是统计降水回波强度在各高度出现的频次(即高度与反射率因子的两维联合概率分布，简称联合概率分布) ，因此它反映了降水回波强度在垂直方向上出现的频次，以此来展示降水回波的垂直结构(Houze，2014)。此方法能较好地反映降水系统在垂直方向上的变化，解决了传统空间横截面不易描述降水云结构特征的难题。因此，为了更深入地研究不同云系各层云的垂直结构，本文将CFADs方法用于对云系垂直结构的研究，统计了不同强度雷达回波信号在各高度上占总样本数的概率。图4为四次降雪天气过程的雷达反射率因子的联合概率(CFADs)分布，图4a中个例降水回波强度最大为35 dBz，其余三个个例为30 dBz，但发生的概率都小于0.1%，四个个例高于0.4%的降水回波信号高度和雷达反射率因子出现范围分别是1.88～4.38 km和17～24 dBz(a个例)、1.00～3.75 km和18～24 dBz(b个例)、1.00～3.88 km和16.0～24.5 dBz(c个例)，1.25～3.75 km和16～25 dBz(d个例)。分析发现个例a、b和个例c、d的CFADs图的外形具有相似性，显示出几乎相同的特征，降雪云垂直结构和微物理特征较为均一。前两个个例雷达反射率因子出现的高度更高，近地面雷达反射率因子更强，降水垂直结构CFADs较为深厚，其中a个例的雷达回波顶部高度比其他三个个例高1 km左右，这可能是由于较强的上升气流导致更多的冰粒悬浮在较高水平。总体上，北疆冬季降水回波的高度范围和雷达反射率因子范围分别为在1.00～4.38 km和16～35 dBz。随着高度的升高，反射率因子随高度减小，强度范围减小，其回波顶部高度不超过6.75 km，a个例和b个例的降水垂直结构较为深厚，近地表附近雷达反射率达到了32～35 dBz，强盛的向上气流将大量水汽从下层带到上层，导致大量的大冰粒和雨滴，并迅速产生高浓度的大粒子(Yuter and Houze, 1995)。当这些更大、下落更快的冰粒下降后，雷达回波形成十分明显的垂直核心。

图4 四次降雪天气过程的(a～d)雷达反射率因子Z的联合概率(CFADs)分布Fig.4 Distribution of joint probabilities (CFADs) of radar reflectivity factor Z in four snowfall processes (a-d)

2.3.2 粒子谱和降水率CFADs分析

GPM提供了降水的滴谱信息，雨滴谱指的是在单位体积内粒子大小的分布。在云降水物理学研究中，滴谱是一个十分重要的参量，对于降水反演而言，获取准确的滴谱信息有助于我们了解降水的微物理结构，准确构建雷达反射率因子和降水强度之间的经验关系式，从而提高降水估计的精度。Matrosov(1998)利用Ka和X双波段雷达反射率之间的对数差反演雪花的中值粒径Dm，估算的Dm以及X波段的雷达反射率因子通过Ze-R-Dm关系反演降雪量R，并分析了不同密度雪粒子的中值粒径与两个波段雷达反射率的关系。基于GPM/DPR观测，Liao et al(2016)通过探寻合适的散射模型和恰当的粒径分布(PSD)假设，研究了雪的微物理特征并估算了雪水含量、降雪量等参数，形成了直接链接反射率因子和雪水含量及降雪量的查找表。Iguchi et al(2017)编写的GPM/DPR观测数据二级算法中，是通过建立Ka和Ku两个波段的差分反射率因子DFR和雨滴谱的特征直径的查算表来进行雨滴谱的反演。

降水系统垂直结构上的滴谱参数[降水粒子的质量加权平均直径Dm和粒子数浓度dBNw=10log10(Nw)]在各高度出现的频次，反映了其在垂直方向上的微物理特征变化及其生命周期。如图5、图6所示为四次降雪天气(a～d个例)降雪云的Dm和dBNw的CFADs分布，a～d个例的Dm分布范围在0.76～3.00、0.56～3.00、0.78～2.73和0.75～2.33 mm，平均值在1.09～1.10 mm；dBNw

图5 四次降雪天气过程的(a～d)质量加权平均直径Dm的联合概率分布Fig.5 Distribution of joint probabilities of mass-weighted average diameter Dm in four snowfall processes (a-d)

图6 四次降雪天气过程的(a～d)粒子数浓度dBNw的联合概率分布Fig.6 Distribution of joint probabilities of particle number concentration dBNw in four snowfall processes (a-d)

分布范围在5.78～42.86、7.90～51.43、6.00～39.60 和13.35～41.10，平均值分布在 32.90～33.42。分析发现a个例和b个例Dm的最大值达到了3.0 mm，分别是c个例和d个例的1.09倍和1.29倍，前者的数浓度dBNw值也明显大于后者，对应于地表降水量也更大，得出在层状云降雪过程中Dm和dBNw数值大小与地表降水量呈现正相关特征。大于0.2%的Dm和dBNw大值区域主要集中在1.0～1.3 mm和31～36范围内；大于1.0%的大概率Dm和dBNw分布的高度主要位于1.25～4.00 km 和0.63～3.75 km。a～d个例中Dm的大值区分布在1.0～1.2、1.1～1.25、1.1～1.2和1.0～1.1 mm；dBNw大值区集中在33.0～35.0、32.0～33.5、33.5～35和33.5～34.5，其中a个例和b个例滴谱参数的分布面积较大，对应地面降水最多的也是a个例和b个例。Zagrodnik et al(2018)发现在奥林匹克山上有效的Dm和dBNw配置会适度地增加降水，并且大量小颗粒(较大的dBNw)容易发生碰撞和聚并以形成较强降水，该理论与图5、图6所示的结果非常吻合。结合图3中近地表降水率数据进行分析，得出Dm为1.01～1.25 mm和dBNw为32～35的配置产生的降水最多。北疆层云性降雪过程主要来自于大小较为均一的粒子组成，并不是形成了更大尺度的云滴或雨滴。

总体上，北疆冬季降水回波的Dm和dBNw范围分别在1.0～1.5 mm和32～36，Dm和dBNw大值分布的高度范围为2.19～2.50 km和2.13～2.67 km，Dm值随着降水粒子的下降而增大，近地表附近Dm达到了2.33～3.00 mm，大于平均值1.09～1.10 mm，对应于地表由碰撞-聚合过程产生的大降水粒子较多，大粒子的增多是产生层状云有效降水的重要微物理机制。

2.3.3 近地面降水率和降雪云剖面结构分析

利用DPR扫描轨道内的近地表降水强度数据，能够对降水系统水平结构中相应的像素数量、降水面积和降水强度等进行定量分析，文中所用GPM卫星数据基本覆盖了降雪过程的主要分布范围，图7为四次降雪过程(a～d个例)的近地面降水率产品，其中a个例和b个例降水率主要集中在0.09～4.70 mm·h-1和0.07～4.60 mm·h-1，c个例和d个例降水率分布范围为0.07～2.36 mm·h-1和0.18～2.74 mm·h-1。通过分析降水强度的概率密度分布，四次过程的降水概率密度较为类似，在0.62～0.82 mm·h-1达到峰值。大部分区域降水率多分布于0.5～2.0 mm·h-1，说明四次过程的降水强度都不大，其所占比例分别为62.39%，47.08%，62.5%和56.73%，大于2 mm·h-1其所占比例分别为5.3%，2.48%，0.2%和0.49%。

图7 四次降雪天气的(a1～d1)近地表降水强度和(a2～d2)Z、(a3～d3)R和(a4～d4)Dm的沿纬度剖面(对角线代表卫星观测的轨道路径，黑色虚线为剖面位置)Fig.7 (a1-d1) Near-surface precipitation intensity at four moments and the latitude profiles along (a2-d2) Z, (a3-d3) R and (a4-d4) Dm in four snowfall processes (a-d) (Diagonal line represents the orbit path of satellite observation, and black dashed line is the profile position)

续图7continued

降水的剖面结构直观表征了降水云团的热力和动力特征。图7中同时给出了四个个例降雪云沿不同纬度的Z、R和Dm的垂直截面，这些截面对应于图中的黑色虚线位置。分析发现大多数雷达回波都在5 km以下，最大雷达反射率主要集中在3～3.5 km 以下，Z、R和Dm存在较好的对应关系。a个例中Z的剖面显示在约3 km处出现了Z明显的增强(>32 dBz)且反射率几乎恒定或朝着地面稍有增加，这可能与冰粒的沉积生长有关。同时在几乎相同的位置出现了粒子1.8～2.2 mm的粒子大值区域，冰粒子的浓度高于其他区域，这可能是由于聚集作用导致产生较大粒子，这些大粒子的出现极大促进了降水的发生，在这些位置降水率大于2 mm·h-1；b个例中雷达反射率因子从2.0～2.5 km开始朝着地面单调增加，表明碰撞-聚并过程是主要从这个高度开始，在接近地面的位置出现了Z的峰值为30 dBz，对应该位置的Dm为1.4～1.6 mm，降水率大于2 mm·h-1；同样c个例和d个例的雷达反射率因子分别从3.5 km和2.8 km高度附近几乎恒定或朝着地面稍有增加，雷达强回波主要分布在26～30 dBz和26～28 dBz，对应强回波位置的Dm集中在1.6～2.0 mm和1.4～1.6 mm，R剖面的降水量大值区间为1.0～1.5 mm·h-1和1.5～2.5 mm·h-1。

分析发现雷达发射率因子和雨量的变化趋势与雨滴直径增加有密切关系，表明当雨滴落下时，碰撞-聚并为主要过程。Dm随高度的变化主要介于1.4～2.0 mm，并且随着垂直方向高度的减小而保持不变。由于近地面云中聚并过程强于蒸发和破裂过程，在成熟阶段雷达反射率因子和降水率朝着地面恒定或略有增加。

3 结论与讨论

利用GPM/DPR双频降水雷达资料和FY-2E卫星观测到的新疆北部阿勒泰地区、乌鲁木齐地区和哈密地区四个成熟期的降雪过程资料，分析了云顶亮温、地表降水率、回波顶高、雷达回波强度和粒子滴谱的水平和垂直结构特征，得出以下结论：

(1) 四次降雪过程在GPM/DPR扫描区域均出现了紧密的低亮温云团，这些云团的亮温主要分布在215～245 K，它们属于典型的成熟阶段降水云。

(2) 四次降雪过程的降水概率密度峰值主要位于0.62～0.82 mm·h-1，大部分区域降水率多分布于0.5～2.0 mm·h-1，大于2 mm·h-1降水率所占比例分别为5.30%、2.48%、0.20%和0.49%，对应的回波顶高平均值分别为4.16、3.60、3.49和3.55 km，降水率大值区域主要集中在回波顶高为3.0～4.5 km范围，中云对降水率贡献最大，回波顶高与近地表降水率强弱变化呈现出正相关的对应关系。

(3) 降雪的Z强度范围多为20～35 dBz。随着高度的升高，Z随高度减小，强度范围减弱，其回波顶部高度不超过6.75 km，其中两个个例的降水垂直结构较为深厚，近地表附近雷达反射率因子达到了32～35 dBz，相应产生的近地面降水强度也较强。

(4) 降雪的Dm和dBNw范围多分布在1.0～1.5 mm和32～36，Dm和dBNw大值分布的高度范围为2.19～2.50 km和2.13～2.67 km。Dm值随着降水粒子的下降而增大，近地表附近Dm达到了2.33～3.00 mm，大于平均值1.09～1.10 mm，对应于地表由碰撞-聚并过程产生的大降水粒子较多，大雨滴的增多是产生层状云有效降水的重要微物理机制。

本文利用主动式探测双频降水雷达对发生在新疆北部地区的四个成熟期降雪事件进行了分析。下一步工作将对降雪其他时期，如降雪初期、消散期的个例进行统计分析，进一步可将GPM降水观测资料与ERA5等再分析资料进行匹配和融合，对不同天气系统背景下的降水事件进行遴选归类后进行合成分析，丰富对新疆地区不同降水云垂直结构的认识，便于模式模拟中的参数化方案的选取和雷达反演地面降水算法的优化。