2024年2月湖北省一次大范围冻雨过程的宏微观特征及形成机制初探

摘要：2024年2月长江中下游地区先后出现两次低温雨雪冰冻天气，其中第一次过程（2月1-6日）冻雨表现出量大、范 围广、持续时间长、危害性强等特征。为此，基于湖北省80个国家气象站激光雨滴谱仪观测数据，结合气象要素观测资 料，对此次冻雨过程进行定量判断，并对其宏微观特征进行定量分析，结果表明：（1）此次过程冻雨区主要集中在江汉 平原和武汉城市圈等地，表现为液态降水维持时间长。（2）冻雨时数和冻雨量分布具有较好的一致性，其高值区均 呈现西北-东南走向，冻雨时数一般在15h以上，冻雨量超过24mm；冻雨集中期在2月2-3日，此时段各区间其数 浓度、液水含量、雨强和粒径站时数占比均显著高于该过程其他时段。（3）各地区平均冻雨滴谱分布呈单峰型，其峰 值数密度在200mm3·mm'左右。（4）构建的Z-R关系不同于短历时、区域性冻雨过程，能较好地实现对此类冻雨定量 估测降水（Quantitative Precipitation Estimation QPE）的估算。整个过程中质量加权平均直径（Dm））和归一化截距参数 （log1nN.）的平均值分别为1.07mm和3.03。（5）在水汽凝华、丛集和凇附机制的共同影响下，致密霰粒和冰晶聚合物融化形 成此次冻雨过程。

关键词：冻雨；雨滴谱；时空分布；冻雨量；微物理特征

中图法分类号：P401

文献标志码：A

DOI：10.12406/byzh.2024-131

Study on the macro and micro characteristics of a large–scale freezing

rain weather event in Hubei Province

ZHOU Yue12， Lü Jingjing3， GAO Zhengxu4， ZHOU Lingli1

（1.China Meteorological Administration Basin Heavy Rainfall Key Laboratory/Hubei Key Laboratory for Heavy Rain Monitoring and Warning Research， Institute of Heavy Rain， China Meteorological Administration， Wuhan 430205;2. Key Laboratory for Transportation Meteorology of China Meteorological Administration， Nanjing Joint Institute for Atmospheric Sciences and Chinese Academy of Meteorological Sciences， Nanjing 210044; 3. Key Laboratory for Aerosol–Cloud–Precipitation of China Meteorological Administration， Nanjing University of Information Science and Technology， Nanjing 210044; 4. Wuhan Regional Climate Center， Wuhan 430074）

Abstract： In February 2024， two rounds of low temperature， rainfall/snowfall and freezing weather occurred in the middle and lower reaches of the Yangtze River. The first round of the event from February 1 to 6. Showed characteristics such as a large amount of freezing rain， wide range， long duration， and severe hazard. Based on the observation data of laser raindrop spectrometers from 80 national meteorological stations in Hubei Province， and combined with meteorological element observation data， this study quantitatively identified frozen rain and analyzed its macro and micro characteristics. The results are as follows. （1） During this rainfall/snowfall and freezing weather process， frozen rain mainly occurred in areas such as the Jianghan Plain and the Wuhan urban area， characterized by long-term maintenance of liquid precipitation. （2）

The distribution characteristics of freezing rain hours and freezing rain amounts were consistent， with high–value areas positioned along the"northwest–southeast direction. The duration of freezing rain was generally longer than 15 hours， while the freezing rain amount exceeded 24 mm. The peak period for freezing rain appeared from February 2 to 3 in 2024， with the proportion of numerical concentration， liquid water con- tent， rain intensity， and particle size station hours in each interval significantly higher than in other periods. （3） The average spectrum of frozen rain droplets in various regions showed an unimodal distribution， with the peak number density around 200 mm3mm-1. （4） The constructed Z-R relationship was different from short-term， regional frozen rain processes. It could effectively estimate the quantitative precipitation esti- mation （Quantitative Precipitation Estimation， QPE） of such frozen rain. The average values of Dm and logioN„ throughout the entire process were 1.07 mm and 3.03 mm， respectively. （5） This freezing rain process was mainly influenced by the combined effects of water vapor condensa- tion， clustering， and glaze attachment mechanisms， and formed by the melting and formation of dense graupel particles and ice crystal poly- mers.

Key words： freezing rain; raindrop size distribution; spatiotemporal distribution; freezing rain amount; microphysical characteristics

引言

冻雨天气是我国山区和平原地区冬季易发生的 一种气象灾害，其对电力和交通等行业造成的次生 灾害事故经常发生（胡毅，2005；李再华等，2008）。近 年来，我国南方地区冻雨灾害受到多方重点关注，如 2008年和2018年的大范围冰冻雨雪天气让人记忆 犹新，2022年2月中下旬南方低温雨雪冰冻灾害又被 应急管理部认定为2022年全国十大自然灾害之一 （宗海锋等，2022）。此外，2024年2月在强暖湿气流和 冷空气共同影响下，我国中东部地区发生了两次大范围 雨雪冰冻天气，当时恰逢春节临近，给交通出行、农业生 产和电力输送等造成了较大影响（张芳华等，2024）。

我国冻雨天气主要表现为倒“T”字型分布，南方主要分布在（105°—120°E，25°—30°N）范围内，其中 贵州和湖南两省冻雨最为频发（王遵娅，2014；毛淑君 和李栋梁，2015）。低温和降雨是导致冻雨发生的关 键气象要素，而主导这两者的适宜大气环流形势则是 基础（Yang et al.，2021）。然而，随着近年来灾害性天气 极端性和局地性的显著增强，局地的边界层特征成为 了判断冻雨是否出现的关键。通常认为冻雨天气的 形成主要有两种机制：融化过程和过冷却暖雨过程， 其分别表征了近地面存在暖层和无暖层存在时冻雨 发生的两种层结特征（Zhou et al.，2016;Lu et al.，2022）。融化过程主导的冻雨主要发生在平原地区和 低海拔地区，而过冷却暖雨过程主导的冻雨则集中在 中高海拔山区，以冻雨最为集中的贵州省贵阳和威宁 地区为例，有（无）暖层的冻雨过程占比分别为84.9%（15.1%）和18.8%（81.2%），冻雨过程的主导物理机制差 异显著（陆正奇，2022）。

冻雨的宏微观特征是冻雨天气影响地面环境的 最重要物理要素，其中，冻雨的持续时间和雨强大小 会直接反映其致灾强度，而冻雨的滴谱特征一方面和 雨滴整个生命史的各个阶段密切相关（Rosenfeld and Ulbrich，2003），其微物理参数的分布范围和相关特征可以间接反映雨滴在形成、生长、破碎和相变等过程 中的主要物理机制（Bringi et al.，2009；江雨霏等，2023）， 而另一方面冻雨滴的数浓度、粒径和液水含量则会直 接主导雨滴碰冻到输电线路表面的数量，进而影响电 线积冰的强度（Makkonen，2000）。尽管冻雨是冬季层 状云降水过程中的一种，但是其微物理特征与典型层 状云存在差别。Adhikari和Liu（2019）通过雷达观测分 析了2014-2018年美国的冻雨过程，发现与一般降水 相比，冻雨发生的云体更加浅薄（2～5km）且具有更弱 的雷达反射率，但与降雪过程相比则更深厚且强。

Chen等（2011）研究了安徽潜山地区冻雨过程的宏微观 特征，发现其雨滴谱拟合参数之间的相关特征不同于 其他降水类型，且主要是由小冰晶融化导致，而不是 大雪花融化形成。同时，Jia等（2019）通过对北方海陀 山地区冬季降水的观测结果进行分析后指出，相比于 Lognormal和Weibull分布，Gamma分布更适宜山区冬 季混合相态滴谱的拟合。与平原地区的冻雨相比，山 区冻雨具有更窄的滴谱、更短的持续时间以及更高的 发生频率，且在降水过程的不同阶段之间存在显著的 相态转化（Zhou et al.，2016）。

然而，上述的相关研究主要围绕单站或某地区冻 雨过程展开研究，对于长时间、大范围冻雨过程的研 究显著偏少，更缺乏在对冻雨进行定量识别基础上， 围绕着冻雨量时空分布、微物理统计特征以及生消 机制等关键致灾因子进行的分析。为此，本文围绕 2024年2月1-6日影响湖北省大范围地区的一次典 型冻雨天气过程，针对此次过程中冻雨宏微观特征方 面的科学问题，利用湖北省80个国家气象站的激光 雨滴谱仪观测数据，并结合L波段探空、地表温度和 降水量等气象要素观测资料，对冻雨、雨-霰混合、 霰、霰-雪混合和雪等五种不同类型的降水进行了定 量判断，进一步分析了冻雨的时空分布和重要致灾 因子（冻雨量）的演变特征，随后统计了冻雨微物理特 征量的分布特征，并对湖北省不同地区冻雨的滴谱 进行了对比分析，最后通过探究冻雨关键物理参量之间的相关特征，给出了此次冻雨天气形成的主导物理 机制。

1资料与方法

1.1资料说明

激光雨滴谱仪作为一种高精度、低成本的降水滴谱 观测设备已在我国各级气象站广泛布设（Han et al.，2022）。 本文利用的是2024年2月1-6日在湖北省80个国家 气象站布设的由OTT Hydromet及华创公司生产的 Parsivel型激光雨滴谱仪，该设备是以激光为测量基 础的粒子测量传感器，能够测量32个直径通道和32 个速度通道范围内的降水粒子个数，其中直径档的宽度 范围为0～26mm，而速度档的宽度范围为0～20m·s=1， 数据时间分辨率为1min。

由于激光雨滴谱仪信噪比的原因，前2个直径通 道的观测数据直接剔除，同时在对雨滴谱资料进行处 理之前，通过以下方法对数据进行质量控制：（1）质量控 制后的样本中，将分钟级的降雨强度小于0.1 mm·h'， 或者降水粒数少于10个的样本视为噪声并剔除（Tokay et al.，2013）；（2）利用有效观测面积替代物理观测面积 重新对降水微物理参数进行反演，以降低边缘效应的 影响（Jaffrain and Berne，2011）；（3）固定降水密度采用Brandes等（2007）方法计算；（4）参考Chen等（2017）的方 法，剔除超过或低于经验下落末速度60%的降水粒子，以减少破碎粒子对观测结果的影响；（5）由于存在 部分高海拔的站点，所以需要用（pd/p）°5对水成物粒子 的下落末速度进行订正，其中p是实际空气密度，po 是标准大气密度（Niu et al.，2010;Jia et al.，2019）。获 得80个国家气象站雨、雨-霰混合、霰、霰-雪混合、 雪共五种相态的雨滴谱仪观测数据，样本量依次为132 851、21 561、27 773、19 488、6 593 min。

同时，结合同时期所对应80个国家气象站的气 温、降水和地表温度等相关资料，进一步对冻雨期间 地面气象条件进行分析。

1.2降水相态定量识别

冻雨本质是一种液态降水，但其一方面常与固态 降水粒子混合出现，另一方面则碰撞在物体表面后会 出现冻结的现象，所以要对其进行定量识别。降水类 型的判断基于不同相态的降水粒子下落末速度与直 径大小之间差异性的关系特征，其能够很好的适用于 激光雨滴谱仪降水相态的识别与分类（Yuter et al.，2006;Tokay et al.，2014）。Lu等（2023）通过拟合观测降 水粒子直径-下落速度关系式，并与不同降水相态的 经验关系式进行弗雷歇距离f（Fréchet distance）的计 算与判断，建立了降水相态匹配与识别的的客观方法。对于Sf越接近0，则表明观测的降水粒子相态与 理论曲线越接近。采用上述客观分类方法，本研究中 的降水粒子相态分为雨、霰、雪花、雨霰混合及雪霰混 合类型。对于已经识别为雨的降水，如果同时满足地 面温度小于0℃则将其归类为冻雨（Chen et al.，2011； Garrett and Yuter， 2014;Jia et al.，2019）。

为了验证2月1-6日雨滴谱仪反演得到液态降 水量（暖雨和冻雨）的可靠性，将其与雨量计观测得到 的降水量进行对比分析，图1给出了湖北省80个国家 站雨量计所测的日降水量和雨滴谱仪反演得到的日 累积液态降水量之间相关关系的散点图，其中固态降 水主导的降水日不考虑，共有414个站日的降水量观 测资料。可以看到，两者呈较好的正相关关系，决定 系数为0.77，且拟合线的斜率仅略大于1而截距为 2.89，但存在拟合线上方散点的偏离程度明显大于下 方的现象，这一方面表明了雨滴谱仪反演得到的降水 量能很好地反映实际降水的大小（付志康等，2022； Zhou et al.，2024），而另一方面雨量计偏大的降水则与 观测期间存在一定的霰和雪等固态降水有关，这与观 测事实十分一致。

总之，雨滴谱仪反演得到的液态降水能够很好地 应用在本文冻雨宏微观特征的分析中。

1.3关键物理参量的计算

Gamma分布能够有效反映冻雨滴谱的分布特征， 即

N（D）=ND'\"exp（-A D）

（1）

其中，No为浓度参数；μ为形状因子，当ugt;0时曲线

向上弯曲，当μlt;0时曲线向下弯曲，当u=0时，Gamma分布转变为M-P分布；A为斜率参数。

本文分析用到的其他冻雨微物理参量包括雨滴 总数浓度N（m³）、液水含量Lwc（g·m³）、雨强R（mm·h-）、

反射率因子Z（（mm°·mm-3）、质量加权平均直径Dm（mm）和归一化截距参数N（mm-1m3），其分别由以下各式计算得到（Chen et al.，2017;Lü et al.，2023）

2冻雨过程的宏观特征

2.1降水过程概况

2024年2月1-6日的雨雪冰冻天气表现出致灾 过程时间长，且多相态降水频繁出现的特征。因此， 图2给出此次过程中的雨、雨-霰混合、霰、霰-雪混合 和雪共五种降水相态的累积时间和占比特征，从中看 到，此次降水过程表现为以雨为主，夹杂着霰、雪等固 态降水粒子，此次降水过程主要集中在武汉城市圈， 该地区的降水普遍接近或者超过3000min，其中武汉 城市圈的鄂州、武汉和仙桃地区降水出现时间最长， 均超过3300min。同时，雨作为此次降水过程的主导 相态，武汉城市圈地区的占比基本超过60%，而金沙、 咸宁、黄石和鄂州等地区的占比则超过90%。相比于 液态降水而言，霰是主要出现的固态降水粒子，而雪 花则很少出现。

不同于山区冬季降水过程中多相态频发的特征

（Eidhammer et al.，2018;Gonzalez et al.，2021），此次雨 雪冰冻过程的相态分布极其有利于冻雨的出现和长 时间维持，液态降水最为集中的江汉平原和武汉城市 圈地区则具有容易冻雨致灾的降水条件。

进一步选取武汉、天门、宜昌和金沙4站分别代表 武汉城市圈、江汉平原、鄂西南和鄂东南地区，分析 2024年2月1-6日冻雨、雨、雨-霰混合、霰、霰-雪混合和雪六种相态降水逐小时占比及其冻雨量的演变 特征（图3），其中冻雨的判定标准见1.2。总体而言，降 水相态表现为雨-冻雨-固态降水的转换特征，表现为 典型平原地区冻雨过程相态转换的特征（Chen et al.，2011；Lu et al.，2023），其中，雨主要集中在2月1日，冻 雨主要集中在2月2-3日，之后则以固态降水为主，且江 汉平原和武汉城市圈等冻雨主要集中发生区域2月2-3 日基本没有固态降水出现，稳定持续的冻雨会导致电线 积冰的爆发性增长（Jones and Eylander，2017）。而位于鄂西南宜昌地区的冻雨则表现出冻雨和固态降水相 互夹杂的特征，反之位于鄂东南山区的金沙大气本 底站（海拔751.6m）则表现为冻雨长时间稳定维持， 仅有少量的固态降水出现，而这一地区也出现了此 次过程中湖北省最大的电线积冰厚度（平均冰厚超过40 mm）。

进一步分析武汉城市圈、江汉平原、鄂西南和鄂 东南地区共4个地区小时降水量的分布特征，可知，冻 雨量基本都小于4mm·h-1，且大部分小时降水量在 1mm以下，此次冻雨为典型的层状云弱降水过程。

2.2冻雨量时空分布特征

冻雨量的定量估算无论是在雨雪冰冻天气的预 报预警服务中，还是灾后定量评估中均会起到无可替 代的作用，目前气象业务、服务中冻雨量的大小主要 依靠人工观测、称重式雨量计以及模式预估产品获 取，其数值不仅不够准确、缺乏定量化的方法，而且物 理意义不明确。本节主要利用雨滴谱仪判别得到的 液态降水类型和降水量，结合地表温度，实现对冻雨量时空分布的定量估算。

图4给出2024年2月1-6日湖北省不同地区冻 雨时数和冻雨量的时空分布特征。图4a显示，冻雨时 数和冻雨量总体表现为一致性的分布特征，高值区呈 现出西北一东南走向，从江汉平原南部的荆州地区延 伸至武汉城市圈东北部的黄冈地区，冻雨时数一般在 15h以上，而冻雨量则超过24mm。同时，值得注意的 是，咸宁地区的崇阳和金沙表现出了此次冰冻雨雪过灾性特征（Drage and Thiis，2012;宗海锋等，2022）。

另外，从其时间变化上看（图4b），与前文分析一致，即冻雨时数和冻雨量均主要集中在2月2-3日，多个地区连续两天的冻雨量均在10mm以上，其中2月3日最强，金沙和天门的日冻雨量均超过25mm，且金沙几乎全天均被冻雨天气覆盖。尽管此次雨雪冰冻天气持续了近6d，但仍然可以看到冻雨天气表现出一定的集中性特征，有针对性的进行防范和应对，能够有效减少冻雨天气的致灾影响。

3冻雨过程的微物理特征

3.1冻雨关键微物理参量的统计特征

上节分析了冻雨天气的宏观特征，为了完整刻画 此次大范围冻雨天气，对冻雨的微物理特征进行了分 析。图5给出2024年2月1—6日湖北省冻雨天气数 浓度、液水含量、雨强和粒径的逐日分布规律，从中看出，数浓度、液水含量和雨强均在最小的数值区间 内表现得最为频发，分别为0～100m3、0～0.02g·m-3和 0～0.5mm·h²1，而粒径大小的频发区间主要集中在 0.6～0.7mm，4个物理量的峰值则分别为1100m=3、0.33g·m=3、4.5mm·h1和1.4mm。并且随着区间数值的增大，2日和3日数浓度、液水含量和雨强站时数的 占比明显增加，而粒径则在大于峰值区间之后才有这 一特征出现。同时，2日和3日冻雨粒径在0.5～0.9mm 连续4个区域间范围的站时数均为50左右，明显大于 其他时期，这表明较大的冻雨滴对这一时段较强的冻 雨贡献明显。

3.2冻雨的平均滴谱分布

此次过程中不同地区冻雨的平均谱见图6，从中 看到，各地的平均雨滴谱均为单峰分布，小雨滴端曲线向下弯曲，峰值数密度主要位于0.44～0.69mm，而最 大粒径基本都小于5mm，其中值得注意的是，冻雨较 强的金沙、潜江、天门和仙桃等地区峰值数密度主要集 中在0.56～0.69mm，而冻雨偏弱的恩施、神农架、十堰 和襄阳等地区峰值数密度则主要为0.44mm，且即使是 地理位置非常接近的潜江、天门和仙桃，冻雨的平均谱 均存在较为明显的差异性特征（图6d）。进一步对比各个 地区的冻雨峰值数密度，潜江地区峰值数密度最大， 在0.56mm处超过800mm=3·mm=1，鄂州在同样粒径处 的峰值数密度超过400mm-²mm-，而其他地区的峰值 数密度基本小于200mm³·mm-，小于江汉平原和安徽 潜山地区的区域性、短历时冻雨过程（Chen et al.，2011；Lu et al.，2023），这种谱形的差异性和峰值数密度的 低值特征与此次冻雨过程较长的持续时间密不可分。

3.3冻雨关键滴谱参量的相关关系

雨滴谱的观测结果常被用在QPE的估算中， 其经验函数形式为Marshall and Palmer（1948）提出的Z=ARh。该公式通过经验常数A和b描述了雨强R（mm·h-）和雷达反射率因子Z（mm°·m3）之间的关 系，这取决于降水类型、微物理性质、地理位置和气 候区域。系数A与雨滴的大小有关，指数b代表降雨 的微观物理特征，指数b=1则表示其为在稳定和平 衡降雨，而bgt;1则表明降水滴谱受到到粒子大小以 及混合过程的影响（Seela et al.，2017）。因此，在局地观测基础上选取合适的A和b，可以改善不同地区不 同降雨事件类型的降水估算，而冻雨作为一种能够反 应固态和液态之间转换的降水形式，对其Z-R关系的研究相对较少。图8给出R作为Z和（A，b）的函数 的散点图，这些散点是由此次冻雨事件期间所有站 点的观测值得出。

此次长时间、大范围冻雨过程的Z-R关系为Z= 216.95R1.79，相较于中纬度层云降水（Marshall and Palm-er，1948）、安徽潜山冻雨（Chen et al.，2011）、江苏南京层云降水（Wen et al.，2019）、北京层云降水（Luo et al.，2021）和江汉平原冻雨（Lu et al.，2023）的Z-R关系，虽然均为层状云降水过程，但A和b值在不同区域的分布存在显著差异。江苏南京层云降水A值最大，由于系数A与Dm成正比（Steiner et al.，2004），丰富的水汽条件使得南京层状云的降水雨滴最大。安徽潜山冻雨的A值最 小，b值次之，这可能与大量的小雨滴有关。最值得注意的是，（A，b）在该冻雨事件中的分布与中纬度层云降水和江汉平原冻雨非常接近，A值介于两者之间，而b 值则甚至表现出比地理位置相近、但短历时且小范围 的冻雨更大的数值（Lu et al.，2023），更大于其他层状云 降水的数值，这可能与冻雨不同于普通层状云降水的 微物理机制有关（Pu et al.，2020）。

Dm和N是降水过程中的两个关键微物理参量，两者 的分布规律尽管存在着地区差异性特征，但是依然能够 在一定程度上反映降水形成的物理机制。Dolan等（2018）对大量的雨滴谱数据集进行主成分分析（PCA），进而给出了用于区分不同降水机制的Do-log1oN、分布图。Gonzalez等（（2021）则进一步将其应用在山区冬季降水 过程的分析中。

为了更好地揭示此次冻雨形成的可能机制及其 与类似降雨过程log1oN和Dm的差异，将本次过程中获 得的logoN„-Dm关系与安徽潜山冻雨（Chen et al.，2011）、江汉平原冻雨（Lv et al.，2023）以及湖北地区层云降水过程（Fu et al.，2020）中的关系进行比较（图8）。安徽潜山地区冻雨的平均Dm值最小，但平均log10N值最大（分 别为0.63mm和4.25），这表明此次冻雨过程主要是由 微小的凇附雪粒融化形成，而雪花的融化往往会导致 层状云降水表现为较大的Dm，和较小的log1oN.（Bringi et al.，2003）。江汉平原冻雨和湖北层云降水则表现出增大的Dm和减小的log1oNw，Dm为1.0mm～1.25mm，而log10Nw为3.75～3.9，表明存在干燥大雪花的融化，凝结-碰撞一 聚结过程有利于大雨滴的形成（Martinez and Gori，1999）。

图8中几乎所有来自本次冻雨过程的log1oN-Dm散点均位于Bringi等（2003）提出的对流/层状分离线以 下，它被广泛用于区分对流降水和层状降水。2月1— 6日冻雨过程的log10Nw和Dm数值较为接近，其中3日和4日的Dm略大，接近1.12mm，2日和5日的Dm略大，为0.95mm左右，而log10N的数值均集中在3.0左右， 显著小于其他短历时冻雨和本地区的层状云降水过 程。整个过程中Dm和log10N的平均值分别为1.07mm和3.03，概率密度呈现为单峰型分布，且均表现为分散 型的分布特征，小雪粒的融化较少，更多的是致密霰 粒和冰晶聚合物的融化（Zhang et al.，2019）。

进一步结合Dolan等（2018）给出的不同log1oN。和Dm相关关系下降水形成的主导物理机制，尝试定性揭示此次冻雨事件的物理机制。此次过程的log1oN、-Dm 散点主要分布在Dm小于1mm且log1oN小于4的水汽 凝华机制的区域，Dm大于1.1mm且log1oNw小于3的丛集和凇附机制的区域，以及两者之间的空白区域。不同于 短历时的平原冻雨过程（Chen et al.，2011;Lü et al.，2023） 受到较明显弱对流的影响，此次冻雨过程主要受到水 汽凝华、丛集和凇附机制的共同影响，导致Dm和log1oN的平均值位于此两种机制之间的空白区域，进而形成大小适中的Dm和偏小的log1oN。

4结论与讨论

利用2024年2月1-6日湖北省80个国家气象站 的激光雨滴谱仪观测数据，并结合地表温度、降水量 等气象要素观测资料，对冻雨、雨-霰混合、霰、霰-雪 混合和雪等五种不同类型的降水进行定量判断，揭示 冻雨重要致灾因子（冻雨时数和冻雨量）的时空演变 特征，统计分析冻雨微物理特征量的分布及其之间的 相关特征，并给出此次冻雨天气形成的主导物理机 制。主要结论如下：

（1）此次雨雪冰冻天气过程中湖北各地降水时长 普遍接近或者超过3000min，其中降水相态以液态降 水为主，夹杂着霰、雪等固态降水粒子；冻雨时数和冻雨量总体表现为一致性的分布特征，高值区从江汉平 原南部的荆州地区延伸至武汉城市圈东北部的黄冈 地区，冻雨时数一般在15h以上，而累计冻雨量则超 过24mm，其中咸宁地区的崇阳县冻雨强度最大，31h 冻雨过程中累计冻雨量为45.6mm；2月2-3日是冻 雨最为集中的时期，多个地区连续两天的冻雨量均在 10mm以上，其中2月3日金沙和天门的日冻雨量均超 过25mm，且金沙几乎全天被冻雨天气覆盖。

（2）数浓度、液水含量和雨强均在最小的数值区间 内站时数显著偏大，分别为0～100m3、0～0.02g·m3和 0～0.5mm·h=1，而粒径大小的频发区间主要集中在0.6～ 0.7mm，且不同物理量各个区间范围内2月2-3日站 时数的占比均为主导地位；不同冻雨的平均谱均为单 峰型分布，峰值数密度主要位于0.44～0.69mm，而最大 粒径基本均小于5mm，潜江和鄂州的峰值数密度较 大，分别超过800mm-3·mm1和400mm-3·mm=1，其余地 区基本小于200mm-3·mm1。

（3）此次冻雨过程的Z-R关系为Z=216.95R179，b值甚至大于地理位置相近层云降水或短历时且小范围冻雨过程的数值，能够更好地应用于大范围、长持 续冻雨过程的QPE推算中。

（4）整个冻雨过程Dm和log1oN的平均值分别为 1.07mm和3.03，概率密度呈现为单峰型分布，且均表 现为分散型的分布特征，小雪粒的融化较少，更多的 是致密霰粒和冰晶聚合物的融化，过程主要受到水汽 凝华、丛集和凇附机制的共同影响，进而形成大小适 中的Dm和偏小的logioNw。

需要指出的是，尽管本文对此次大范围、长时间 冻雨过程的宏微观特征进行了初步分析，其中仍有较 多科学问题亟需深入探讨，如由于Parsivel型激光雨 滴谱仪本身的局限性，如何利用二维视频雨滴谱仪的 观测结果，对冻雨出现情景下激光雨滴谱仪的观测结 果进行订正，冻雨量对不同地区电线积冰厚度和强度的 定量影响，水成物宏微观特征的垂直分布对地面冻雨生 消的作用是什么等，这些科学问题有待进一步研究。

参考文献（References）：

付志康，万蓉，肖艳姣，等.2022.业务DSG5型降水现象仪与Parsivel降水滴谱仪测量参数对比分析[J].暴雨灾害，41（4）：434-444.FuZK，Wan

R， Xiao Y J， et al. 2022. Comparison of precipitation measurement by DSG5 and Parsivel present weather instrument [J]. Torrential Rain and Disasters，41（4）：434–444 （in Chinese）. doi：10.3969/j.issn.1004-9045.2022.04.008

胡毅.2005.输电线路大范围冰害事故分析及对策[J].高压电技术，31（4）：

14–15. Hu Y. 2005. Analysis and countermeasures for large area acci– dent cause by icing on transmission line [J]. High Voltage Engineering， 31（4）：14–15 （in Chinese）. doi：10.13336/j.1003–6520.hve.2005.04.006

江雨霏，杨莲梅，曾勇，等.2023.昭苏夏季层状云和对流云降水的雨滴谱 特征[J].沙漠与绿洲气象，17（3）：8-16.Jiang Y F，Yang L M，Zeng Y， et al. 2023. Characteristics of raindrop size distribution for stratiform and convective precipitation in summer in Zhaosu [J]. Desert and Oasis Meteorology，17（3）：8–16 （in Chinese）. doi：10.12057/j.issn.1002–0799.2023.03.002

李再华，白晓民，周子冠，等.2008.电网覆冰防治方法和研究进展[J].电网技术，32（4）：7-14.Li ZH，Bai X M，Zhou ZG，et al.2008.Prevention and treatment methods of ice coating in power networks and its recent sstudy [J]. Power System Technology，32（4）：7-14 （in Chinese）. doi：

10.13335/j.1000-3673.pst.2008.04.009

陆正奇.2022.冬季降水相态的理论模型构建及地形的影响研究[D].南京：南京信息工程大学.Lu ZQ.2022.Construction of a theoretical model of winter precipitation type and the influence of terrain on the distribution of precipitation types [D]. Nanjing：Nanjing University of Information Science and Technology （in Chinese）. doi：10.27248/d.cnki.gnjqc.2022.000036

毛淑君，李栋梁.2015.基于气象要素的我国南方低温雨雪冰冻综合评估[J].冰川冻土，37（1）：14-26.Mao S J，Li D L.2015.Comprehensive assessment of low temperature， snow and freezing weather in southern China based on meteorological elements [J]. Journal of Glaciology and Geocryology，37（1）：14–26 （in Chinese）. doi：10.7522 /j.issn.1000–0240.2015.0002

王遵娅.2014.近50年中国大范围持续性冰冻天气过程的变化特征[J].高原气象，33（1）：179-189.Wang ZY.2014.Change features of the ex- tensive and persistent ice–freezing processes of China in recent 50 years [J]. Plateau Meteorology，33（1）：179-189 （in Chinese）. doi：10.7522/j.issn.1000-0534.2012.00183

张芳华，许先煌，权婉晴，等.2024.2024年春运期两次极端雨雪冰冻天气 过程对比分析[J].暴雨灾害.Zhang F H，Xu X H，Quan W Q，et al.

2024. Comparison of two extreme rainfall/snowfall and freezing weather events during the Spring Festival transportation period in 2024[J]. Torrential Rain and Disasters （in Chinese）. doi：10.12406/byzh.2024–095

宗海锋，布和朝鲁，彭京备，等.2022.中国南方大范围持续性低温、雨雪和 冰冻组合性灾害事件：客观识别方法及关键特征[J].大气科学，46（5）： 1055–1070. Zong H F， Bueh C L， Peng J B， et al. 2022. Combined di– saster events of extensive and persistent low temperatures， rain/snow， and freezing in Southern China： Objective identification and key fea- tures [J]. Chinese Journal of Atmospheric Sciences，46（5）：1055–1070（in Chinese）. doi：10.3878/j.issn.1006–9895.2108.21052

Adhikari A， Liu C T. 2019. Remote sensing properties of freezing rain events from space [J]. Journal of Geophysical Research： Atmospheres，124（19）：10385-10400. doi：10.1029/2019JD030788

Birk K， Lenning E， Donofrio K， et al. 2021. A revised Bourgouin precipita– tion-type algorithm [J]. Weather and Forecasting， 36（2）：425–438. doi： 10.1175/WAF-D-20-0118.1

Bourgouin P. 2000. A Method to Determine Precipitation Types [J]. Weather and Forecasting，15（5）：583–592. doi：10.1175/1520–0434（2000）015lt;05

83：AMTDPTgt;2.0.CO;2

Brandes E A， Ikeda K， Zhang G F， et al. 2007. A statistical and physical description of hydrometeor distributions in Colorado snowstorms using a video disdrometer [J]. Journal of Applied Meteorology and Climatology，

46（5）：634-650. doi：10.1175/JAM2489.1

Bringi V N， Chandrasekar V， Hubbert J， et al. 2003. Raindrop size distribution in different climatic regimes from disdrometer and dual–polarized radar analysis [J]. Journal of the Atmospheric Sciences，60（2）：354-365.

doi：10.1175/1520-0469（2003）060lt;0354：RSDIDCgt;2.0.CO;2

Bringi V N， Williams C R， Thurai M， et al. 2009. Using dual–polarized ra– dar and dual–frequency profiler for DSD characterization： A case study from Darwin， Australia [J]. Journal of Atmospheric and Oceanic Tech- nology，26（10）：2107-2122. doi：10.1175/2009JTECHA1258.1

Chen B， Hu Z， Liu L， et al. 2017. Raindrop size distribution measurements at 4，500 m on the Tibetan Plateau during TIPEX–III [J]. Journal of Geophysical Research： Atmospheres，122（20）：11092–11106. doi：10.1002/2017JD027233

Chen B J， Hu W， Pu J P. 2011. Characteristics of the raindrop size distribution for freezing precipitation observed in southern China [J]. Journal of Geophysical Research： Atmospheres， 116（D6）：D06201. doi：10.1029/2010JD015305

Dolan B， Fuchs B， Rutledge S A， et al. 2018. Primary modes of global drop size distributions [J]. Journal of the Atmospheric Sciences，75（5）：

1453-1476. doi：10.1175/JAS-D-17-0242.1

Drage M A， Thiis T K. 2012. Large–scale measurements and numerical simulations of in-cloud icing around a mountain ridge [J]. Journal of Wind Engineering amp; Industrial Aerodynamics，104–106：523–531. doi：10.1016/j.jweia.2012.02.028

Eidhammer T， Grubisié V， Rasmussen R， et al. 2018. Winter precipitation efficiency of mountain ranges in the Colorado Rockies under climate change []]. Journal of Geophysical Research： Atmospheres，123（5）：

2573-2590. doi：10.1002/2017JD027995

Fu Z K， Dong X Q， Zhou L L， et al. 2020. Statistical characteristics of rain– drop size distributions and parameters in central China during the Mei- yu seasons [J]. Journal of Geophysical Research： Atmospheres， 125：

e2019JD031954， doi：10.1029/2019JD03

Garrett T J， Yuter S E. 2014. Observed influence of riming， temperature， and turbulence on the fall speed of solid precipitation [J]. Geophysical Research Letters，41（18）：6515–6522. doi：10.1002/2014GL061016

Gonzalez S， Bech J， Garcia–Benadi A， et al. 2021. Vertical structure and microphysical observations of winter precipitation in an inner valley during the Cerdanya-2017 field campaign [J]. Atmospheric Research， 264：105826. doi：10.1016/j.atmosres.2021.105826

Han Y， Guo J P， Li H J. et al. 2022. Investigation of raindrop size distribution and its potential influential factors during warm season over China [J].

Atmospheric Research，275：106248. doi：10.1016/j.atmosres.2022.106248

Jaffrain J， Berne A. 2011. Experimental quantification of the sampling un– certainty associated with measurements from PARSIVEL disdrome- ters [J]. Journal of Hydrometeorology，12（3）：352-370. doi：10.1175/2010 JHM1244.1

Jia X C， Liu Y G， Ding D P. 2019. Combining disdrometer， microscopic photography， and cloud radar to study distributions of hydrometeor types， size and fall velocity [J]. Atmospheric Research，228：176–185.

doi：10.1016/j.atmosres.2019.05.025

Jones K， Eylander J. 2017. Vertical variation of ice loads from freezing rain[J]. Cold Regions Science and Technology，143：126–136. doi：10.1016 /j.coldregions.2017.07.008

Lu Z Q， Han Y X， Liu Y G. 2021. Occurrence of warm freezing rain： observation and modelling study [J]. Journal of Geophysical Research： Atmospheres，127（5）：e2021JD036242. doi：10.1029/2021JD036242

Luo L， Guo J， Chen H N， et al. 2021. Microphysical characteristics of rain– fall observed by a 2DVD disdrometer during different seasons in Bei- jing， China [J]. Remote Sensing，13（12）：2303. doi：10.3390/rs13122303

Lv J， Zhou Y， Fu Z， et al. 2023. Variability of raindrop size distribution during a regional freezing rain event in the Jianghan Plain of Central China [J]. Advances in Atmospheric Sciences，40（4）：725–742. doi：10.1007/s00376-022-2131-1

Makkonen L. 2000. Models for the growth of rime， glaze， icicles and wet snow on structures [J]. Philosophical Transactions of the Royal Society of London. Series A： Mathematical， Physical and Engineering Scienc–es，358（1776）：2913-2939. doi：10.1098/rsta.2000.0690

Marshall J S， Palmer W M K. 1948. The distribution of raindrops with size [J]. Journal of the Atmospheric Sciences，5（4）：165-166. doi：10.1175/ 1520-0469（1948）005lt;0165：TDORWSgt;2.0.CO;2

Martinez D， Gori E G. 1999. Raindrop size distributions in convective clouds over Cuba [J]. Atmospheric Research，52（3）：221–239. doi：10.1016/S0169-8095（99）00020-4

Niu S J， Jia X C， Sang J R. et al. 2010. Distributions of raindrop sizes and fall velocities in a semiarid plateau climate： Convective versus stratiform rains [J]. Journal of Applied Meteorology and Climatology，49（4）：

632-645. doi：10.1175/2009JAMC2208.1

Pu K， Liu X C， Wu Y， et al. 2020. A comparison study of raindrop size distribution among five sites at the urban scale during the East Asian rainy season [J]. Journal of Hydrology，590：125500. doi：10.1016/j.jhy-

drol.2020.125500

Rosenfeld D， Ulbrich C W. 2003. Cloud microphysical properties， processes， and rainfall estimation opportunities [J]. Meteorological Monographs，

30：237-237. doi：10.1175/0065-9401

Seela B K， Janapati J， Lin P L， et al. 2017. A comparison study of summer season raindrop size distribution between Palau and Taiwan， two islands in Western Pacific [J]. Journal of Geophysical Research： Atmospheres，122（21）：11787-11805. doi：10.1002/2017JD026816

Steiner M， Smith J A， Uijlenhoet R. 2004. A microphysical interpretation of radar reflectivity-rain rate relationships [J]. Journal of the Atmospheric

Sciences，61（10）：1114–1131. doi：10.1175/1520–0469（2004）061lt;1114：

AMIORRgt;2.0.CO：2

Tokay A， Petersen W A， Gatlin P， et al. 2013. Comparison of raindrop size distribution measurements by collocated disdrometers [J]. Journal of Atmospheric and Oceanic Technology，30（8）：1672–1690. doi：10.1175/ JTECH-D-12-00163.1

Tokay A， Wolff D B， Petersen W A. 2014. Evaluation of the new version of the laser-optical disdrometer， OTT Parsivel2 [J]. Journal of Atmospheric and Oceanic Technology，31（6）：1276–1288. doi：10.1175/JTECH-D-13-00174.1

Wen L， Zhao K， Wang M Y， et al. 2019. Seasonal variations of observed raindrop size distribution in East China [J]. Advances in Atmospheric Sciences，36（4）：346–362. doi：10.1007/s00376–018–8107–5

Yang L， Chen M X， Wang X L， et al. 2021. Classification of precipitation type in North China using model–based explicit fields of hydrometeors with modified thermodynamic conditions [J]. Weather and Forecasting，

36（1）：91-107. doi：10.1175/WAF-D-20-0005.1

Yuter S E， Kingsmill D E， Nance L B. et al. 2006. Observations of precipitation size and fall speed characteristics within coexisting rain and wet snow [J]. Journal of Applied Meteorology and Climatology，45（10）：1450– 1464. doi：10.1175/JAM2406.1

Zhang A S， Hu J J， Chen S， et al. 2019. Statistical characteristics of raindrop size distribution in the monsoon season observed in Southern China [J].

Remote Sensing，11（4）：432. doi：10.3390/rs11040432

Zhou L L， Zhou Y， Fu Z K， et al. 2024. Vertical structures and microphysical mechanisms of winter precipitation over the southwestern mountainous area of China [J]. Atmospheric Research，303：107346. doi： 10.1016/j.atmosres.2024.107346

Zhou Y， Niu S J， Lv J J， et al. 2016. The effect of freezing drizzle， sleet and snow on microphysical characteristics of supercooled fog during the ic– ing process in a mountainous area [J]. Atmosphere，7（11）：143. doi：10.3390/atmos7110143

（责任编辑何明琼）