自然冰雪晶粒子观测及形状分类研究进展*

段 婧 郭 恒 胡金蓉 周 旭 吴 锡 陈宝君

1.中国气象局云降水物理与人工影响天气重点开放实验室，北京，100081

2.成都信息工程大学计算机学院，成都，610225

1 引言

在自然云中，水汽或液态水在冰核上通过凝华或凝结形成冰晶，冰晶进一步增长便是雪晶，通常把直径小于300 μm 称为冰晶，直径大于300 μm 称为雪晶。冰雪晶是云中水成物粒子的重要组成部分，其存在对于降水元增长的初始过程有重要意义。当冷云中冰晶和过冷水共存时，冰晶由于水汽的凝华而迅速增长从而有利于降水的形成（酆大雄，1975）。中国大部分地区处于中纬度，冷云和混合云降水经常发生。目前常用的人工影响天气冷云催化剂便是向云中播撒类似冰晶结构的物质，用较小的能量使天气朝着人们预定的方向转化。但不同形状的冰雪晶，其形成及增长的物理过程不尽相同。开展云中冰雪晶粒子的物理特性研究，不仅是云雾物理学的重要组成部分，也有助于深入了解云-降水形成过程、揭示冷云形成发展机制，为人工影响天气播云作业提供基础理论支撑。

随着探测技术的发展，冰雪晶粒子的观测经历了从手工收集到自动收集的转变。所能观测到的粒径范围也在不断扩大，获取到的粒子信息也逐渐丰富（Stith，et al，2018）。室内云室实验从使用高饱和度的糖溶液收集样本（Keller，et al，1980）到专业的粒子探头自动化成像（Connolly，et al，2012）。地面观测也由手工收集观测（Jiusto，et al，1973）转变为由地基图像探头观测（Raupach，et al，2006；Amsler，et al，2009；Henneberger，et al，2013）。得益于20 世纪航空工业的发展，对冰雪晶粒子的观测已迈入穿云直接观测阶段。最开始研究人员自制一些平面，通过粒子撞击平面形成压痕进行观测（Spyers-Duran，et al，1967）。随后陆续引入了高速摄影（Cannon，1970）、光学阵列探头（Knollenberg，1970）和全息技术（Lawson，et al，1995；Fugal，et al，2004；Spuler，et al，2011）对粒子进行直接成像。随着观测技术的不断发展与创新，已有丰富的资料来支撑相关研究工作的开展。

早在西汉时期，中国就有关于冰雪晶形状研究的记载。西汉时期韩婴得出“雪花多六出”的结论，是目前有记录的人类最早对冰雪晶结构形状的描述（酆大雄，1975；蒋国华，2017）。1611 年，德国的Johannes Kepler 最先探索了冰雪晶形成的原因（Kepler，1966）。1885 年，美国的Wilson Bentley拍下了第一张冰雪晶图像，他的一生在记录很多冰雪晶图像的同时，也基于冰雪晶的外观或生长方式对其做了分类（Bentley，et al，2013）。日本的Nakaya对不同冰雪晶类型进行了较为系统的研究，发现冰雪晶的形状和环境的温度、湿度密切相关，于1936 年制定了冰雪晶分类方案，统计了各类粒子出现的频率（Nakaya，et al，1936）。1948 年国际冰雪委员会（ICSI，International Commission on Snow and Ice）决定成立委员会来制定一个标准化的冰雪晶分类方案。Schaefer 在汇集了各国学者经验的基础上，制定了包括世界各地大气中出现的大部分冰雪晶粒子形状的分类方案，并将其命名为国际分类法（Schaefer，1954），至今仍然有学者使用该方案进行冰雪晶的研究（Fierz，et al，2009）。随着对云降水过程认识的不断深入，各国的观测实践逐渐增多。1985 年ICSI（现为国际水文科学协会（IAHS））成立了一个新的雪分类委员会，随后该委员会发布了经过修订的国际季节性降雪分类方案（Colbeck，et al，1990）。

随着中国人工影响天气能力的不断增强，粒子探测系统探测能力逐步提升，已积累了大量冰雪晶粒子探测数据。早期，由于支撑冰雪晶粒子图像自动分析的计算机软、硬件和数字图像处理技术都不够成熟，冰雪晶形状分类识别工作依赖专家根据自身经验进行识别，主观性强，分类结果存在不确定性，分类效率也不高。随着计算机软、硬件水平的不断提高和数字图像处理技术的不断进步，基于二维图像的冰雪晶形状自动分析技术得以出现并不断发展。传统的自动分类方法是基于粒子的几何特征参量（Holroyd Ⅲ，1987）对粒子进行分类；但不同探测条件和不同地域采集的冰雪晶特性不同、形状各异，需要行业专家有针对性地设置阈值，使得这类方法的普适性不强。近年来，人工智能技术突破式的发展使其在冰雪晶粒子分形方面的初步应用已成为现实（Xiao，et al，2019），基于数据驱动的智能冰雪晶形状识别方法呈现出良好的发展和应用前景。

本研究在综述介绍冰雪晶观测及形状分类技术发展历程的基础上，进一步对冰雪晶粒子形状识别技术和分类方法的最新研究进展进行分析，总结冰雪晶观测及其形状分类识别技术的新进展，为促进冰雪晶粒子图像在中国云微物理结构和降水机制深入研究提供参考。

2 冰雪晶形状观测技术

2.1 人工观测技术

早期在云室和地面观测冰雪晶粒子的人工观测方法大致有糖盘法、玻片法和有机溶液复制法等（酆大雄，1963；张铮等，1985；游来光等，1992）。糖盘法是将盛有蔗糖溶液的盘子放在云室底部接取冰雪晶，冰雪晶掉落进糖溶液中吸取溶液中的水分长大成肉眼可见的结晶，目测计数。玻片法则是用预冷的显微镜载物玻璃片接取冰雪晶，取样后放入制冷平台上，在显微镜下观测或照相，进行大小、形状、数量分析，还有用干净的玻璃片涂上半流态的油或者熏上烟炭或氧化镁通过凹痕或色斑取样。有机溶液复制法则通过涂上有机溶液的透明胶片捕捉冰雪晶粒子，在紫外灯的照射下，待其干燥固化后分析粒子形状（张铮等，1985）。

飞机入云观测冰雪晶粒子是在高速气流下进行采样，其人工观测方法主要通过铝箔法—即用通过一张极薄的铝箔纸来记录冰雪晶撞击的压痕，然后在显微镜下观察分析（孙可富等，1965；游来光等，1965）。马培民等（1981）改进并批量化生产了铝箔取样器，使得冰雪晶铝箔采样器规范化并在全国推广使用，并提出了对冰晶采样结果做飞行速度订正的方法。然而，铝箔取样器采样时存在一些不足，如：一些质量小的粒子压痕不清楚甚至是被气流带走不能留下压痕，一些质量大的或者是结构不稳定的冰雪晶粒子在撞击时会破碎。针对这一问题，一些学者为铝箔取样器做了缓冲措施，尽量避免粒子因撞击而破碎（Mossop，et al，1969）。

云中冰雪晶的微物理特征在时间尺度上变化很快，对观测的要求很高。以上人工观测方法主要依赖于人工操作、工作量太大、变率较高，技术条件也远未达到理论研究的需求，获取到的数据量也难以达到统计分析要求。

2.2 自动观测技术

目前常用的自动观测冰雪晶形状和大小的技术主要有光学阵列探头和全息技术两种（Baumgardner，et al，2011）。

光学阵列探头分为线性阵列探头和平面阵列探头两种。线性阵列探头的原理（郭学良等，2020）为：粒子成像仪采用红光激光器作为光源，处于探测区域的粒子经由光学系统成像到线性阵列探测器上形成阴影，而成像以外的区域则为背景光源照明。在任一时刻探测器记录粒子的一个影像切片并存储，这样当粒子通过采样区时，将会依次存储各个影像切片，将此影像切片同步组合便得到完整的粒子二维图像；光阵扫描率取决于粒子速度和像素分辨率。平面阵列探头原理（Baumgardner，et al，2011）与数码相机相似，即当粒子经过探测区时瞬间二维成像，但脉冲光源的触发需要对粒子是否出现做出准确判断。全息技术原理（Darakis，et al，2010）主要是先通过干涉原理记录粒子的光波信息（相位和振幅），然后再利用衍射原理再现或重构粒子光波信息；其中粒子在激光照射下形成漫射式的物光束，另一部分激光作为参考光束射到底片上，和物光束叠加产生干涉。

国际上基于光学阵列原理测量冰雪晶形状探头的主要生产商包括美国PMS（Particle Measuring System）、DMT（Droplet Measurement Technologies）、SPEC（Stratton Park Engineering Company）三家公司。20 世纪90 年代DMT 公司购买了PMS公司的专利技术。因此，目前机载云粒子测量系统的国际供应商主要来自DMT 和SPEC 两家公司（郭学良等，2020）。表1 给出了基于光学阵列测量原理探头的主要参数。

表1 测量冰雪晶图像的光学阵列探头的相关参数Table 1 Parameters of ice-snow-crystal imaging probe

DMT 公司主要用于观测冰雪晶粒子图像的是CIP 和PIP 两个探头。这两个探头是在PMS 公司2D-C 和2D-P 的基础上改进而成的，均采用光学阵列原理。主要改进如下：DMT 探测到的粒径范围有所扩大；PMS 各个探头是相互独立的，各个探头的取样空气气路不同，而DMT 的各个部分是集合在一起的，取样空气相同，测量范围有部分重叠，所以DMT 能够测量更加准确的粒子谱分布。此外，PMS 公司的二维灰度降水粒子探头2D-GA2 也属于线性光阵探头的一种，由于该灰度探头能够将粒子的挡光程度分为四档，在对不同挡光程度的光学元件配以不同的颜色进行显示时，可使粒子特征更加清晰（王磊等，2014）。

SPEC 公司用于冰雪晶粒子图像观测的主要有HVPS、2D-S、CPI 和3V-CPI 探头（刘思瑶等，2021）。HVPS 和2D-S 均为线性光学阵列探头。其中，2DS 有两个完全相同的垂直于粒子流的正交光学通道，这使得2D-S 探头不但能测粒子通过采样区时的立体图像，还提高了粒子图像的空间分辨率。CPI 采用平面光学阵列探头，像素分辨率为2.3 μm，相机帧速率可达400 帧/s，每一帧可以有超过25 个粒子成像；CPI 使用单光电二极管作为粒子检测触发系统，由于激光束强度的不均匀及小冰晶粒子散射能力弱，使得粒径小于100 μm 的粒子不能触发CPI 工作，导致CPI 对小粒子的探测效率存在问题。针对这个不足，3V-CPI 用128 个光电二极管线性阵列取代了CPI 的单光电二极管，粒子检测触发系统在粒径＞10 μm 时就能触发CPI 工作，这个集成了2D-S 的CPI 可显著提高对小粒子的探测效率。

中国通过国家重大科学仪器设备开发专项“机载云降水粒子谱仪与成像仪研制”项目（郭学良等，2020），由中国气象科学研究院、中国兵器科学研究院等单位研制了云粒子成像仪（ZBT-CPI）和降水粒子成像仪（ZBT-PPI）。这两台粒子成像仪的测量原理与DMT 公司的CIP 和PIP 相似，均为线性光学探头（表1）；在性能上采用更高分辨率的国产光电线阵探测器，缩短了响应时间，提高了对小粒子的探测能力。

相较于机载设备，地基观测冰雪晶形状的设备其体积和重量在设计上受限较小。如采用线性光学阵列的2-DVD（Kruger，et al，2002）和HVSD（Barthazy，et al，2004）；采用平面光学阵列或CCD（Charge-Coupled Device）相机的冰晶成像仪ICI（Kuhn，et al，2016）、两角度冰晶成像仪D-ICI（Kuhn，et al，2020）、多角度雪晶相机MASC（Notaroš，et al，2016）等。

与此同时，全息冰雪晶成像仪也得到了快速发展，但商业化程度低于DMT 和SPEC 的光学阵列成像仪。如：瑞士大气与气候科学研究中心已陆续研发了HOLIMO（Amsler，et al，2009）、HOLIMO II（Henneberger，et al，2013）和HOLIMO 3G（Beck，et al，2017）三代全息冰雪晶成像仪，前两台主要用于地基观测，HOLIMO 3G 可基于索道和系留汽艇做廓线观测（Beck，et al，2017；Ramelli，et al，2021）；美国密执安技术大学物理系研发了可用于机载测量的全息云粒子测量仪器HOLODEC（Fugal，et al，2004）。这些全息测量仪器的优点是采样体积大小不依赖粒子尺度或空气速度，可检测破碎的粒子，但相对于DMT 和SPEC 的仪器，其仪器设备的应用范围小，配套服务不够齐全，未能完全实现商业化（郭学良等，2020）。此外，相较于光学阵列探头，全息技术的数据量更加庞大、数据处理算法也更复杂（如粒子重构算法等，Baumgardner，et al，2011）。

总体而言，全息观测冰雪晶形状的技术虽然得到了一定发展，但目前冰雪晶图像观测的商业设备仍然以光学阵列为主。此外，光学阵列仪器的分辨率逐渐变高，线性阵列单元数量不断增多，如PMS、DMT 和SPEC 产品的单元数分别为32、64和128 个（刘思瑶等，2021）；此外，图像观测技术也更加注重探头间的相互组合（如3V-CPI 和2D-S），在探头间气路优化方面也做了改进。

3 冰雪晶形状观测技术的应用

云室是云雾降水物理学的实验装置，是室内试验的主要研究手段。早在20 世纪40 年代，云室便成为模拟云中复杂条件进行冰雪晶研究的一种工具（Cwilong，1947）。多数云室属于膨胀云室，通过将暖湿空气送入冷室中经过冷却后形成液态云或直接膨胀冷却后的空气，然后将云室温度调控至所需温度，以此产生冰雪晶进行观测试验（Kampe，et al，1951）。用于云室观测的冰雪晶收集、成像及观测等技术也得到了不断创新（Vali，1975；DeMott，et al，2018），如早期云室冰雪晶观测方法主要为人工载玻片照相法，而近年来已逐步升级为采用粒子成像仪CPI 和3V-CPI 做自动观测（表2）。值得指出的是，为了达到不同的试验目的，研究人员根据云室特点对冰雪晶成像仪做了不同的组合设计。例如高10 m 的欧洲最高云室MICC（英国曼彻斯特大学，Connolly，et al，2012），配备了两个观测冰雪晶形状的CPI 探头，分别位于云室底部及一半高度处；利用两个探头观测粒子的时间差，可观测冰雪晶物理生长过程；学者们在此基础上开展了许多关于形状、浓度、攀附、散射特性等冰雪晶粒子的研究（Castellano，et al，2014；Emersic，et al，2015）。

表2 冰雪晶观测技术在云室中的应用Table 2 Observations of ice and snow crystals used in cloud chamber

中国云室/风洞的冰雪晶生长研究始于20 世纪80 年代，主要来自中国科学院兰州高原气象研究所的小型垂直过冷云风洞（龚乃虎等，1992；陶树旺等，1992，1996；周筠君等，1993）和中国气象科学研究院的1 m³等温云室（黄庚等，2007）；研究成果包括冰雪晶等的生长过程以及它们在生长过程中环境条件对其的影响，这些研究为人工影响天气选择作业部位以及研究云中微物理过程提供了宝贵的经验和依据；然而，这些云室/风洞主要依靠人工载玻片照相法，而人工载玻片在云室中取样对操作人员的要求较高，研究效率和方法也因此受到限制。

入云观测是冰雪晶成像仪在云物理探测方面的主要应用之一，通过观测云系中不同高度冰雪晶的形状、大小变化及其环境场配置来研究云降水机理、机制。20 世纪70 年代后期，国际上开始在飞机上搭载PMS 系统（Gayet，et al，1993）做穿云观测。中国于1981 年引进PMS 设备，后来陆续引进DMT 和SPEC 的观测设备。中国各地开展了云系（北方层状云、华北积层混合云、东部冷涡云系等）的大量入云观测试验，其中，有以PMS 设备为主的观测研究（王谦等，1987；游来光等，1989；郭金平，1996；侯团结等，2011；Li，et al，2022）、以DMT 设备为主的观测研究（李军霞等，2014；朱士超等，2014；张荣等，2021）和以SPEC 设备为主的观测研究（亓鹏等，2019；康增妹等，2020；Dong，et al，2020；李冬楠等，2021；刘伟等，2021；刘思瑶等，2021；杨洁帆等，2021；Hou，et al，2021）。此外，国产机载冰雪晶成像仪已在中国多省份实现业务应用，并取得了比较可靠的观测数据（刘春文等，2022）。

地基冰雪晶的外场观测主要应用于寒区及山地降雪特征及其机制研究。人工采样和显微镜分析方法仍被各国研究人员在外场观测中使用：如酆大雄（1963）利用一次华北冬季弱降水系统的地面雪晶形状的变化序列观测资料，分析了该系统云系结构的演变；近年来中国学者继续在北京海坨山区开展自然降雪过程的协同观测，包括地面雪晶形状（贾星灿等，2018；Jia，et al，2019；马新成等，2021）等；国际上，Thériault 等（2014）和Colle 等（2014）分别对加拿大高山站5 次降雪过程和美国纽约州长岛12 次冬季气旋降雪过程的地面雪晶形状做了采样和分类统计。在地基自动化观测应用方面，瑞士的研究机构得益于其小型化的全息冰雪晶图像仪，开始利用系留气艇和索道平台向低空廓线观测扩展，开展了阿尔卑斯山地和北极寒区混合云的演变机理研究（Ramelli，et al，2021；Pasquier，et al，2022）等。

综上所述，冰雪晶形状观测技术的应用正逐渐趋向自动化、精细化、小型化及组合体化。具体可针对不同的试验目标对多台观测仪器做适当组合，或借助各种观测平台搭载小型化的冰雪晶图像仪做廓线观测，同时加强高分辨率冰雪晶图像探头的深入应用。

4 基于观测数据的冰雪晶形状分类方案

随着观测资料的不断累积和观测手段的不断进步，为深入研究云降水微物理过程，根据冰雪晶形状对冰雪晶分类，形成了多种冰雪晶分类方案。

Nordenskiöld 等（1893）按照冰雪晶粒子的生长方式划分为沿晶体垂直轴方向生长、横轴方向生长、垂直轴和横轴两个方向均匀生长的3 个类别组，具体又将这些类别划分为7 个小类。Bentley 等（1931）在Nordenskiöld 等（1893）分类的基础上添加了三角板状和十二边板状两个类别组，小类也增加到了17 个。总的来说，Bentley 等（1931）和Nordenskiöld 等（1893）的分类更注重规则的、简单的晶体，缺点是没有考虑实际情况中的不规则粒子。

1938 年，Nakaya 重新定义了冰雪晶的分类方式，且分级也从之前的2 级改为3 级，分别是7 个大类18 个中类26 个小类。其中大类包括针状（Needle）、柱状（Columnar）、板状（Plane）、板面结合状（Combination of column and plane）、具有延展侧面的柱状（Columnar crystal with extended side planes）、带有云粒子和霰的晶体（Crystal with cloud particles and Graupel）、无定形粒子（Amorphous snow particle），并将这种方法命名为“雪晶的一般分类”。在后续的研究中Nakaya 发现了冰雪晶的形状会受到温、湿度的影响（Nakaya，et al，1938）。

1948 年成立了国际冰雪委员会（ICSI）并统一了冰雪晶的分类。Schaefer（1954）作为会员收集了瑞士、日本、加拿大和美国等国相关分类经验，制定了囊括世界各地大气中出现的大部分冰雪晶粒子的基本分类形式，被称为国际基本分类法（图1）。该分类方法为目前最常用的固态降水分类法，内容包括形状、特征和尺度（直径）。其中特征包括破碎、带冻滴、成簇和表面湿润4 项，尺度分为5 等，雪晶形状包含片状、星状、柱状、针状、立体枝状、柱帽状和不规则形状（酆大雄，1975）。

图1 冰雪晶粒子的国际分类法（Schaefer，1954）Fig.1 International classification of ice and snow crystals（Schaefer，1954）

Magono 等（1966）使用Nakaya（1954）的分类，从气象上的物理意义出发观察了北海道的天然冰雪晶，他们发现Nakaya（1954）的分类仍不足以描述冰雪晶类型的气象差异。原因是Nakaya（1954）的分类方式规则中对应每一组有很多细小的类，不规则和凇附增长却过于简单，但实际上大部分的冰雪晶都是不规则的、不对称的、有棱角的或是凇附小云滴的。因此，为消除对天然冰雪晶分类的不便，根据实验室和外场实验观测结果，对Nakaya（1954）的分类进行了完善，将类别增加到了80 类（图2）。其中对山顶观察到的早期的冰雪晶新增了一个类别组，以此和从高处自然落到地面的成熟冰雪晶区分开。

图2 Magono 等（1966）的天然雪晶气象分类Fig.2 Meteorological classification of natural snow crystals by Magano et al（1966）

随着研究的深入，冰雪晶的观测逐步扩展到两极地区（Kikuchi，et al，1979a，1979b；Walden，et al，2003）。Hogan（1975）观测了夏季南极的冰雪晶，将观察到的样本在类别上分为4 类。Walden 等（2003）分析了来自南极高原冬季的冰雪晶粒子样本，收集到的样本有9 类且划分成3 个类别组。

由于树状的分类方式以及旧的类别缩写方式都不能充分体现晶体的变化过程，以及一些新类型的冰雪晶被发现，IACS（International Association of Cryospheric Sciences）雪分类工作组在2009 年（Fierz，et al，2009）对其国际雪分类方案（Schaefer，et al，1954；IASH，1970；Colbeck，et al，1990）进行了改进。新的方案对分类方式和类别的缩写都做了修改。在分类上将其划分为了9 个类组，这其中包含了自然云中冰雪晶、人造冰雪晶以及地面降雪等水成物，在类组上划分成37 个小类。Fierz 等（2009）的分类不仅描述了其类别的形状，还描述了粒子形成的位置、物理过程等其他的附加信息，可以帮助相关研究人员做进一步研究。

Kikuchi 等（2013）对Magono 等（1966）的分类方案进行了补充和修改。新方案将Magono 等（1966）的分类方案从80 类增加到121 类。其中，28 个类别是为了对1968 年以来在极地地区发现的新类型的雪晶进行分类，7 个类别是在重新考虑原有类别后设立的，6 个类别是为了对冻结的云粒和小雨滴等固体降水粒子进行分类。Kikuchi 等（2013）方案丰富了冰雪晶的分类种类，图3 是该方案中各类冰雪晶粒子的示意图。

图3 Kikuchi 等（2013）全球冰雪晶分类方案中各种类示意Fig.3 Schematic diagram of various classes of Kikuchi et al（2013）global classification scheme of snow and ice crystals

Vázquez-Martín 等（2020）利用各地的冰雪晶观测资料和用D-ICI 观测到的冰雪晶资料对Magono 等（1966）分类方案做了补充，形状类别从80 类增加到135 类，其中有34 类是用D-ICI 观测到的，其图像如图4 所示。该研究主要关注冰雪晶形成时发生的沉积、凇附、攀附、碰撞等物理过程进行分类，旨在分析冰雪晶微物理特性与冰雪晶形状的关系。

图4 Sandra 在基律纳发现的34 个冰雪晶新形状（Vázquez-Martín，et al，2020）（右下角为1 mm 参考尺度）Fig.4 The 34 new shapes of snow and ice crydtals found in Kiruna by Sandra（Vázquez-Martín，et al，2020）（with a 1 mm scale bar shown as reference at lower right corner）

5 基于观测数据的冰雪晶形状分类识别技术

自动化粒子测量系统被开发出来以后，世界各地进行的飞机观测、地面观测积累了大量的冰雪晶资料。手工分析存在的不确定性大、主观性高、耗时长等问题严重阻碍了冰雪晶粒子形状对云中散射特性影响（陈琪等，2018）等研究。因此，一些学者针对冰雪晶粒子自动分类方法进行了研究，目前针对形状的分类方法主要有两种：一种是传统的基于粒子的几何特征参量的识别方法，另一种是基于人工智能的图像识别方法。

以Holroyd 为代表的基于粒子的几何特征参量的识别方法，是利用拟合直径、粒子图像像素点在x和y方向上的线性相关系数和圆度等其他几何特征参量（统称为 Holroyd 参数），通过设置参数阈值范围，对粒子形状进行分类（Holroyd Ⅲ，1987）。后续的基于几何特征参量的识别方法多是基于Holroyd 参数的改进方法（Korolev，et al，2000）。王磊等（2014）借鉴 Holroyd 的分类思想，提出了适用于识别粒子灰度图像的方法。由于 Holroyd 参数仅是通过设定阈值来线性拟合参量，该方法对于自然界中形状变化多样的云粒子而言，识别的准确率有限。黄敏松等（2020）提出了改进的Holroyd云粒子形状识别方法，延续之前Holroyd 对冰雪晶粒子的分类方案。由于环境或设备原因，探测到的粒子图像数据中含有伪粒子和不易识别的自然粒子，针对这一问题增加了粒子形状预分类步骤，将完整的粒子和部分的粒子分为两个独立的模块进行识别分类，分别选出相对应的几何参数及其合适的阈值范围再进行二次细分类。张荣等（2021）通过提取粒子形状几何特征参量，基于Holroyd 的方法改进了Holroyd 的分类标准。总之，传统自动识别方法相较于人工分类在速度上有所提升，但针对不同探头和不同地域环境的测量数据需选取不同的粒子形状识别阈值，该方法存在难以设定适宜通用阈值的难题，通用性不强。

近年来，人工智能技术在对图像和大数据的处理及分析中展现了巨大的应用潜力，在大气科学中的应用也受到了研究人员的重视（Boukabara，et al，2019；Reichstein，et al，2019；Ebert-Uphoff，et al，2020；Touloupas，et al，2020）。人工智能尤其是深度学习技术陆续被应用于冰雪晶粒子形状的自动分类研究中。Xiao 等（2019）基于CPI 探头探测到的冰雪晶粒子图像，创建了共10 个类别包含7282 张图像的ICDC（Ice Crystals Database in China）冰雪晶图像数据集，进一步基于ICDC 数据集将预训练的残差网络模型ResNet152（He，et al，2016）应用到冰雪晶粒子形状识别中，识别准确率达到了96%，远高于传统的分类方法，实现了高精度的自动分类。Wu 等（2020）将CIP 探头观测到的约2000 张冰雪晶粒子图像划分为8 个类别，使用基于神经结构搜索技术（Zoph，et al，2017）的网络模型（Tan，et al，2019）进行分类，准确率达到了98%。Key 等（2021）将MASC 系统观测到的约25000 张冰雪晶图像划分为5 类，基于MASC 数据集使用预训练的残差网络模型ResNet50 进行训练，准确率达到了96%。Thi 等（2022）使用预训练的残差网络模型将5007 个冰雪晶粒子分成13 类，准确率也达到了93%。Touloupas 等（2020）研发的卷积神经网络（CNN）冰雪晶分类技术被运用在全息冰雪晶探头HOLIMO 的观测数据（Lauber，et al，2021）处理中。图5 为对某一时刻冰雪晶图像的自动判别分类，模型自动统计出各冰晶形状类型在各谱段的占比、浓度等信息（Lauber，et al，2021），结合这些冰雪晶分类信息的时序（图6）使得分析降雪云物理机制的演变更加直观和客观。上述工作的优点在于将在自然图像分类任务中有优良性能的卷积神经网络直接应用于冰雪晶粒子图像的分类，让计算机代替人眼工作，极大地提高了分类精度，结果客观定量，对增强云降水过程预报能力和人工影响天气探测与作业效果评估能力有重大的现实意义。

图5 卷积神经网络对冰雪晶自动分类技术（Touloupas，et al，2020）在瑞士阿尔卑斯山区某一时刻观测应用示例（Lauber，et al，2021）（注：这里的成熟雪晶为丛集或凇附雪晶）Fig.5 An application example of using the convolutional neural network（Touloupas，et al，2020）to classify ice and snow crystals of one slice in the Swiss Alps（Lauber，et al，2021）（note aged ice crystals here defined as aggregates and rimed particles）

图6 卷积神经网络对冰雪晶自动分类技术针对北极地区一次混合云降雪过程时序图的应用示例（Pasquier，et al，2022）Fig.6 A application example of using the convolutional neural network to classify ice and snow crystals of time series data in the North Arctic region（Pasquier，et al，2022）

然而，冰雪晶形状分类不同于自然图像分类而具有自身的特殊性。首先，冰雪晶粒子形状与它生长的温、湿度条件有关，也和它在云中下落时所经历路径的环境条件有关（酆大雄，1963）。这种云降水微物理的复杂性使得采集的冰雪晶粒子在形状上均呈现出不确定性，尤其是难以采集到与稀少物理过程相关的冰雪晶粒子图像，数据集中这类粒子的样本数量十分稀少，不可避免地出现了样本分布不均衡问题。其次，冰雪晶粒子形状的变化是对云中微物理过程的反映，不同类别的粒子相互转化形状差异不大，属于细粒度识别问题。此外，不同于自然图像含有丰富的纹理和细节信息，冰雪晶粒子图像中主要是粒子的轮廓和形状信息。因此，还需进一步开展适宜于冰雪晶粒子图像分类方法的研究工作。

在已有工作的基础上，中国气象局人工影响天气研究团队根据业务需求以及近些年人工影响天气积累的机载探测数据，充分考虑冰雪晶粒子形状分类的特殊性，利用图卷积对图像结构信息良好的保留能力、对类内相似和类间相异进行建模的优良特性，在现有卷积神经网络分类模型的基础上，设计了一个带有超图结构的图卷积层的神经网络分类模型Hy-Inet（Liao，et al，2021）。该超图结构可以有效地提取冰雪晶粒子图像的局部和全局特征，更好地捕捉到远端顶点之间的结构关系，获得更深层的特征信息，更有助于学习冰雪晶数据集中小样本的特征，进一步提升了冰雪晶粒子形状识别准确率，增强了模型的泛化能力和实用性。总的来看，该网络可有效提取更多的冰雪晶粒子形状特征，提高分类时效与性能。结果表明Hy-Inet 识别准确率达到了98%。Hy-Inet 不仅显著提升了冰晶粒子自动识别分类的准确率，而且其对冰雪晶形状分类任务具有更好的普适性和应用前景。

6 冰雪晶形状分类观测研究的应用

基于对雪晶形成条件的了解，可以通过地面雪晶形状及组成反推高空气象条件（酆大雄，1975）。雪晶小且形状单一，说明云层较薄；多种形状的雪晶，则云层较厚。云的温度和湿度也与晶型相关，例如针状和枝状出现的温度范围较窄，分别在-5℃和-15℃左右；针状、星状、立体枝状、空心的棱柱和棱柱的组合，对应云的含水量较大；实心的棱柱、片状等表明云中湿度较低尚未达到水面饱和。尺度较大与形状复杂的雪晶经历的气象条件比较复杂，中心和边缘分别反映高低两层的温、湿度情况。对雪的形状做连续观测，了解晶型随时间变化序列，还可以了解降雪云层高度的变化，有较好的天气学意义（酆大雄，1975）。此外，雪晶形状特征也反映云内的物理过程，如带有冻滴的雪晶，表明它穿过了过冷云（酆大雄，1975）。云的辐射特性与冰雪晶形状等特性密切相关，尤其是卷云的辐射特性，与地-气系统辐射平衡关系极大（陈琪等，2018）。

云内冰晶形状、分布与增长过程的观测有助于对降雨云系的三维结构和物理机制的深入认识（游来光等，1989；叶家东等，1992）。朱士超等（2014）基于华北两次3 架飞机联合积层混合云探测试验，指出云中低层的冰晶形状受云顶温度影响，云顶温度不同，冰晶形状不同；冰晶形态还受其所处云中位置的影响，在积层混合云中如果嵌有对流区则冰晶中含有更多的凇附冰晶等。Hou 等（2021）分析了一次积层混合云飞机观测数据，重点对比了层云区和对流雨核区冰雪晶凇附特征和谱分布，指出与层云区相比，在对流雨核区（-15 至-10℃）冰雪晶最大尺寸显著较大，主要是由于冰雪晶形态由宽枝状向辐枝状及其聚合体转变导致；在对流雨核区（-3 至-5℃），小尺寸冰雪晶浓度较大且凇附状与针状粒子共存。

云内冰晶形状等观测资料在人工影响天气作业效果评估方面也得到了广泛应用（陈万奎等，1992；秦彦硕等，2017；Dong，et al，2020；Friedrich，et al，2021；Li，et al，2022）。陈万奎等（1992）通过新疆的碘化银消除过冷低云试验图像探头资料发现播散碘化银后云内冰晶发生聚并和撞冻云滴，导致冰雪晶尺度谱明显拓宽，冰雪晶增长后不断下落，播云位置能见度转好。秦彦硕等（2017）通过一次混合云的催化响应航测，指出作业前云内冰晶以柱状和霰粒子为主，作业后冰晶以霰粒子为主。中国华北、华中降雨云及美国冬季地形云播散试验（Dong，et al，2020；Friedrich，et al，2021；Li，et al，2022）观测资料均表明，播散碘化银后冰雪晶粒子得到明显增长，逐渐变成不规则形状，并下落成降雨。

冰雪晶的形状与降水过程的云系和天气条件有关，反映了降水云系的动力学特征。酆大雄（1963）通过一次华北冬季弱降水系统的地面雪晶观测等资料，指出该系统的降雪云为冰云，雪晶首先在4—6 km 高空形成，随着槽线接近，形成层逐步降低。Colle 等（2014）指出美国冬季气旋中心强凇附的粒子主要为针状和霰粒，而在气旋中心的西侧主要为微弱凇附的片状和辐枝状雪花，是由于强凇附时段或位置对应更强的垂直运动和湍流。马新成等（2021）基于地、空协同观测研究了海坨山一次低槽降雪过程，结果表明降雪云系为冰云，冰雪晶的凝华-聚并增长是降雪的主要形成机制，大量枝状雪花的攀附现象出现在地形云爬升阶段（低层东风回流减弱，转倒槽西南气流控制）。

云的含水量（液相和冰相）因与潜热释放有关，是天气动力学上的一个重要参数；而冰雪晶形状的准确分类和描述有助于从观测的冰雪晶数据中找到一种正确估算冰云含水量（IWC）的方法。基于冰雪晶形状和谱分布估算IWC 的方法得到发展（Cotton，et al，2013；Erfani，et al，2016；Coutris，et al，2017），这些方法可以弥补无IWC 观测仪的观测分析，已经被用于基于卷云航测构建卷云气候态数据库中（如Krämer，et al，2020），从而建立IWC 与温度的函数关系并用于改善全球气候模式中卷云描述等。此外，基于观测的冰相粒子形状及其谱分布的参数化关系，不但可以使数值模式云微物理过程参数化更合理（Morrison，et al，2020），还有助于辐射传输模式对云内微波亮温仿真能力的提高（Geer，et al，2021）。如Lawson 等（2019）基 于22 次卷云航测，指出不同的卷云生成类型其对应的冰晶主要形状类型不同，并基于不同卷云生成观测资料，分别建立了它们可用于数值模式的冰晶质量与形状的函数关系。

综上所述，冰雪晶形状分类观测在大气物理及天气、气候研究等领域应用前景广阔，从而对大气科学学科的发展起重要的支撑作用。如何综合利用这些观测获取的大数据为云降水物理机制、人工影响天气作业评估、数值模式验证和云微物理过程参数化等提供科学依据，将是冰晶形状分类观测的重要应用方向。

7 结论与展望

（1）半个多世纪以来，中国机载冰雪晶粒子观测技术经历了从20 世纪50 年代的人工手动铝箔碰撞法观测，20 世纪80 年代从国外引进的机载激光粒子探测系统（PMS）进行入云观测，以及随后的几次技术更新换代，到目前广泛应用于云微物理结构和降水形成机制认识的机载冰雪晶粒子测量技术（DMT、SPEC），已逐步成为精准认识云雾降水形成机制的重要手段和人工影响天气作业条件识别的重要技术支撑。但是，目前中国使用的粒子探测系统大多依靠进口，中国自主研发的同类产品尚处于初级阶段，因此加快研制属于中国完全自主知识产权的冰雪晶粒子探测系统非常必要。

（2）云室作为可模拟云中复杂条件进行冰雪晶研究的一种重要工具，也是进行冰相过程研究的重要手段。过去几十年中用于研究冰雪晶的云室，其冰雪晶观测技术在其中的应用从最早期的人工观测、读数发展到包括光学图像观测、粒子自动计数等都得到了很大创新。这些都极大地提高了研究人员的工作效率，加深了对冰雪晶生长过程的认识。相信随着观测技术的逐步发展，将会有更多能精准模拟自然云环境并能自动观测冰雪晶形状演变的设备研发出来。

（3）大气中的冰雪晶粒子形状种类繁多，云中不同类型的冰雪晶粒子的云物理特性不同，不同类型的冰雪晶粒子的质量和落速也不同。在国际范围，对于冰雪晶的科学分类，一直是云物理观测研究领域的重要课题。历经多国多名著名云物理科学家或国际组织引领制定的“冰雪晶分类法”对其形状的分类，走过了一条从观测认识逐步深入、逐步准确，从外形直观记录到不同形状辅以云物理增长特性的描述之路。

（4）随着近几年机器学习技术的不断发展，中国开始尝试将人工智能运用于冰雪晶分类自动识别中。但是，目前现有的冰雪晶粒子数据库中的种类太少，且样本数量分布不均，有些种类数量严重不足。所以，未来加快对数据库中的冰雪晶种类、数量规模进行扩充，是促进该新技术应用能力和水平提升的重要途径。当卷积神经网络（CNN）运用到冰雪晶粒子识别时，有时存在分析人员缺失对云物理意义上粒子增长过程等因素的准确判断，会影响到模型分类的精度，之后的工作应该将这些具有云物理意义的知识信息考虑在内，以显著提升人工智能技术在冰雪晶粒子形状自动识别中的应用能力和水平。

（5）以冰雪晶形状研究为基础，研究冰雪晶分布特征、云的冰相微物理过程的课题，在云微物理方面，可以为云降水物理与人工影响天气学科提供冰相物理过程的直接观测依据；在天气尺度上，其与云系和天气条件密切相关，反映了降水云系的动力特征，对其正确的分类、描述并参数化，不仅是天气动力学的重要参数，也是提高云降水的数值模拟能力的重要观测依据；在气候尺度上，其与云辐射特性有密切关系，在气候模式中其参数化过程也在地-气系统辐射平衡中起重要作用。