孤立單體中雹胚生長物理過程分析

趙梓利， 周筠珺,2*， 鄒書平， 楊哲， 曾勇

(1.成都信息工程大學大氣科學學院， 成都 610225； 2.南京信息工程大學氣象災害預警預報與評估協同創新中心， 南京 210044； 3.貴州省人工影響天氣辦公室， 貴陽 550081)

冰雹是一種強對流條件下發生的固體降水現象，具有局地性強，歷時短，受地形影響顯著，強度大的特點，常伴隨著狂風、暴雨等天氣過程。貴州威寧位于云貴高原和斜坡過渡帶的核心地域，地形和地理位置的特殊造成冷暖空氣在此交匯頻繁，冰雹災害頻發，每年給農業、交通等方面帶來巨大的損失。

大量研究表明，90%以上的冰雹過程發生在對流云中，貴州地區對流云有混合相云特征，具有高層為冰晶和雪，中層為云水和霰粒子，低層為雨水的微物理結構[1-5]。因強烈的上升氣流，暖性液態粒子從低層被帶至中層及以上，形成過冷云雨水[6]。過冷云雨水因溫度降低而被凍結，形成的凍滴和霰粒子是雹胚的主要來源[7]。因雹暴的發展階段中霰粒子的生成速度大于凍滴的生成速度，故約79%的雹胚為霰粒子，霰粒子多在冰雹關鍵區的下層大量形成冰雹[8-11]。在霰粒子的形成中，除了極為重要的云滴淞附[12-13]，過冷雨滴的碰凍、霰粒子對云雨滴的碰并也是主要的方式[14]。

雹暴內部的微物理特征及其動力過程緊密相關，且與地面降雹分布有著直接影響。目前，已有眾多學者對雹胚演變等微物理特征進行了相關研究。利用三維冰雹云模式對冰雹天氣進行了數值模擬，得出冰雹的微物理過程以霰粒子的轉化增長為主[15-16]。采用中尺度數值模式對浙江省的一次冰雹天氣過程數值模擬，得出霰粒子及冰雹的產生和增長與雹云內的過冷雨水累積帶密切相關[17]。實例中對貴州一次強冰雹天氣過程進行分析，表明識別到冰雹落區與實際降雹落區基本一致，但沒有完整的微物理過程分析[18]。

上述研究主要利用模式模擬雹暴中雹胚的演變研究較為廣泛，對實例中雹胚的演變及分布特征研究相對較少。實例中的分析研究也主要是對強回波雹暴某個階段，對孤立單體中霰粒子等水成物粒子在三個階段里的連續變化的大小及分布等特征的研究則更為不足。

針對上述問題，利用2018年貴州威寧的X波段雙偏振雷達數據，結合探空數據和ERA5逐小時再分析數據，使用模糊邏輯相態識別算法，探測實例中雹暴內部的垂直結構，對孤立單體的水成物粒子特別是霰粒子的演變進行更為全面的分析，以探討在復雜地形背景下孤立單體中霰粒子的演變特征，為防雹作業中能準確識別到霰粒子和冰雹提供理論支撐。

1 數據

采用貴州省威寧縣雪山鎮(27.05°N，104.08°E)的雙偏振雷達數據，雷達采用雙發雙收的模式，可得到包含75 km內反射率ZH、徑向速度V、差分反射率ZDR、差分傳播相移率KDP和零延遲相關系數ρHV等數據，單個體掃時間為6 min。

2 方法

在使用雷達數據進行粒子識別前，進行退折疊、濾波以及衰減訂正等預處理[19-20]。模糊邏輯算法中選擇ZH、ZDR、KDP、ρHV4個偏振參數以及由海平面高度代替的溫度參數T，采用不對稱T型函數和最大集成法來對水成物粒子進行識別[21-22]，識別結果可分為毛毛雨(DZ)、雨(RN)、聚合物(AG)、冰晶(CR)、低密度霰(LDG)、高密度霰(HDG)、冰雹(RH)，其中低密度霰粒子密度為大于0.25 g/cm3和不大于0.55 g/cm3，高密度霰粒子密度為大于0.55 g/cm3和小于0.9 g/cm3。因霰粒子的直徑為大于0.5 mm和小于5 mm，小冰雹的直徑為大于5 mm和小于20 mm，兩種粒子相似的特性使得數據區分較為不易，故將霰粒子和小冰雹兩種粒子歸為一類[23]。

為更好地了解雹暴在垂直方向上的內部結構，對雹暴進行剖面分析，但缺少RHI數據，使用了Barnes插值方法對14層雷達數據進行插值[24]。冰雹多出現在強反射率區域，選取剖面時考慮組合反射率最強的方向。

3 實例分析

在0 ℃和-20 ℃層高度較為適宜時，冰雹更容易發生在這區域內。從2018年貴州威寧地區18個雹暴實例中選取5個孤立單體實例，從探空數據中得到的實例具體溫度對應高度層，以雷達天線海拔高度作為地面海拔高度，插值可得到0 ℃和-20 ℃溫度層對應海拔高度，5個孤立單體實例基本信息及插值得到的溫度對應高度層如表1所示。孤立單體0 ℃層高度在4.06～5.16 km，低層水汽到達此高度后為冰雹的形成提供水汽條件。-20 ℃層高度分布在7.27～8.52 km，可得到0～-20 ℃層厚度為3.08～3.36 km，為降雹提供了較為適宜的條件。

2018年3月30日的0 ℃層高度為4.06 km，是5個孤立單體實例中0 ℃層高度中最低的一個實例，0～-20 ℃層厚度也較為適中，雹暴過程中也識別出較多冰雹，因此，接下來對3月30日的個例進行霰粒子在3個階段的演變特征分析。

表1 威寧孤立單體溫度層對應高度層Table 1 Temperature layer corresponding to altitude layer of isolated monomer in Weining

3.1 背景場分析

2018年3月30日雪山雷達站東北部有一個對流單體形成并向東發展，于16：55—17：06降雹。由2018年03月30日威寧20:00的T-lnp(T為溫度，p為氣壓)圖[圖1(a)]可知，抬升指數(LI)為-3.64 ℃，濕對流有效位能(CAPE)為441.99 J/kg，氣層不穩定性增加，存在產生對流天氣的環境潛在能量。由500 hPa環流形勢圖[圖1(b)]可知，威寧西部存在一低壓，高原地區小槽東移，觸發威寧對流發展，穩定的冷空氣輸送使小槽維持并發展。750 hPa中威寧西部有西南低渦，高層冷空氣與底層暖濕空氣交匯，為形成不穩定層結提供有利條件。

紅點為雪山雷達站位置；等值線表示500 hPa位勢高度圖1 2018年3月30日威寧站20:00的T-lnp圖以及 16:00的500 hPa環流形勢圖Fig.1 T-lnp diagram at 20:00 and 500 hPa circulation pattern diagram at 16:00 at Weining Station on March 30, 2018

近地面(777 hPa)的2.236 km海拔高度處溫度為12.8 ℃，對流層中層(500 hPa)5.78 km海拔高度處溫度為-11.5 ℃，300 hPa海拔高度為9.53 km，溫度為-32.3 ℃，對流層高層(200 hPa)12.25 km海拔高度處溫度為-55.3 ℃，具體溫度層海拔高度和離地高度如表2所示。

表2 2018年3月30日溫度層對應高度Table 2 Corresponding altimeter of temperature layer on March 30, 2018

2018年3月30日雪山雷達站東北部有一單體于16：27時刻生成，并逐漸向東發展，其雹暴演變過程如圖2所示。其中，16：38時刻單體內高反射率區域分布更加集中，16：49時刻單體內出現大于45 dBZ區域。16：55時刻單體內出現了大于55 dBZ的大值區域，開始降雹，在降雹過程中，單體內組合反射率仍然較高。17：12時刻，組合反射率也較成熟時期降低，單體開始衰減。17：29時刻，高反射率區域體積進一步減小，單體移出威寧。

頻率調制(FM)是角度調制的一種，用低頻調制信號調整載波的瞬時頻率，即載波的瞬時頻率攜帶低頻調制信號信息。FM 最常用于廣播和電視。事實上，工作在88MHz 到108MHz 的FM 廣播就是使用FM 調制方式傳輸音頻信號。模擬電視也使用了FM 調制。0～72 頻道的電視臺使用了從54MHz 到825MHz 的不同頻帶。這些頻帶將用于各種技術，其中也包括FM 廣播。

3.2 雹暴過程分析

3.2.1 發展階段

雹暴發展階段為16：44時刻和16：49時刻，其反射率剖面、粒子剖面和徑向速度圖如圖3所示。在16：44時刻，X波段雷達測得該單體內距雷達約18 km，最大回波強度(MEI)為43.6 dBZ，單體內反射率大于40 dBZ區域出現在高度1～4 km。0 ℃高度層以下多為RN和DZ，0 ℃～-20 ℃高度層內多分布AG，其數量為3 154庫。SWA遇到AG會在其表面形成冰層，不斷累積，形成HDG，HDG數量為283庫，分布在高度1～2 km處。在溫度更低的-20 ℃高度層以上，冰核粒子通過吸附過冷云滴增長，形成CR，其數量為4 126庫，分布在高度4～7 km處。CR部分通過貝吉龍過程形成AG，部分淞附過冷云滴形成LDG，其數量為915庫，分布在高度3～6 km。

圖2 2018年3月30日雹暴單體的演變過程Fig.2 Evolution process of hailstorm cells on March 30, 2018

在16：49時刻，MEI為54.2 dBZ，0 ℃溫度層以上出現了大于50 dBZ的區域，高反射率區域明顯向上延伸。近地面氣流輻合上升，過冷水增多較為明顯，AG數量減少13%，SWA遇AG形成的HDG增長較快，其數量為700庫，SWA有一累積區[圖3(d)黑框]，分布于0～-10 ℃高度層。LDG數量緩慢增長19%，分布區域較為集中，此時刻有微量RH生成，其數量為78庫，分布在高度2～4 km。

3.2.2 成熟階段

雹暴成熟階段為16：55時刻、17：01時刻和17：06時刻，其反射率剖面、粒子剖面和徑向速度圖如圖4所示。在16：55時刻，MEI為61.6 dBZ，大于40 dBZ的回波頂高達到6 km，反射率大于55 dBZ的區域增多，強反射率區域位置進一步向上延伸。地面輻合梯度增大，上升氣流增強。LDG的增長83%，分布于高度3～7 km處。該時刻有識別出較多的RH，其數量為721庫，分布于0～6 km高度處。部分HDG轉化為RH，部分HDG落入0 ℃以下，在降落過程中融化成雨，因此HDG數量增加緩慢，其數量為787庫，分布于0～2 km高度。

在17：01時刻，MEI為55.4 dBZ，反射率大于55 dBZ的區域明顯減少，強反射率區域位置也有所回縮。HDG減少40%，表明HDG轉化成RH的消耗速率大于HDG的生成速率。SWA累積區依舊存在，分布在0 ℃和-10 ℃層高度間。LDG消耗速率小于增加速率，其數量增長為2 360庫，消耗LDG形成RH，RH形成后通過碰并SWA以及吸附AG、CR等水成物粒子進行增長，其數量減少為499庫。

在17：06時刻，MEI為55.7 dBZ，大于50 dBZ的反射率區域略有增加。HDG緩慢增長，降落時融化成雨造成的降雨進一步增強。CR減少15%，同時LDG略有減少，表明CR的變化對LDG的形成有一定影響。RH數量達到675庫，分布于0～5 km高度。

圖3 2018年3月30日16：44、16：49時刻反射率和粒子識別結果剖面圖(25°、27°)以及1.45°和10°仰角徑向速度圖Fig.3 Reflectance and particle recognition results profiles (25°, 27°) and radial velocity diagrams of elevation angles of 1.45° and 10° at 16:44 and 16:49 on March 30, 2018

圖4 2018年3月30日16：55、17：01、17：06時刻反射率和粒子識別結果剖面圖(29°、32°、33°)以及1.45°和10°仰角的徑向速度圖Fig.4 Reflectance and particle recognition results profiles (29°, 32°, 33°) at 16:55, 17:01, 17:06 on 30 March 2018, as well as radial velocity diagrams at elevation angles of 1.45°and 10°

3.2.3 消散階段

雹暴消散階段為17：12時刻和17：18時刻，其反射率剖面、粒子剖面和徑向速度圖如圖5所示。在17：12時刻，MEI為57.4 dBZ，大于50 dBZ的反射率區域較小，高反射率區域回縮，大于40 dBZ的回波頂高降至約4 km，近地面輻合減弱。RH減少，其數量為579庫，消耗LDG的速度減緩，造成LDG堆積，LDG數量增加一層。生成HDG的AG減少15%，生成的HDG略大于消耗的HDG，HDG其數量有所增加，為736庫。

在17：18時刻，反射率大于30 dBZ的區域減少，分布在0～5 km高度。LDG數量減少四成，分布于高度3～5 km。HDG略有減少，其數量為659庫，RH減少71%。

4 雹暴微物理分析

對3個階段的關鍵粒子數量分層統計并取平均值，求得4種關鍵粒子在3個階段的高度分布，如圖6所示。LDG分布于3～7 km，在3個階段數量都較多，其中發展階段較其他兩個階段少，數量最大值位于略低于-20 ℃高度。HDG分布于0～3 km，發展階段的數量少于其他兩個階段，其最大值位于0 ℃高度。SWA分布于1～4 km，發展階段的數量少于其他兩個階段，其最大值位于0～-10 ℃高度層內。

3個階段中RH的分布高度有所不同，在發展階段分布2～5 km，數量較少。在成熟階段，RH分布于0～6 km，在3～4 km分布數量較多，這表示RH或生成于該高度層，或被上升氣流帶至此。在消散階段，RH也分布于0～6 km，在2～3 km分布數量較多，數量較多區域高度較成熟階段有所下降。

圖5 2018年3月30日17：12、17：18時刻反射率、粒子識別結果剖面圖(35°、37°)和1.45°、10°仰角的徑向速度Fig.5 Reflectance and particle recognition results profiles (35°, 37°) and radial velocity diagrams of elevation angles of 1.45° and 10° at 17:12 and 17:18 on March 30, 2018

圖6 雹暴3個階段關鍵粒子高度分布Fig.6 Height distribution of key particles at three stages of hailstorm

本次雹暴過程中部分水成物粒子隨時間的變化如圖7所示。當RH大幅增加時，HDG增長減緩，LDG增長較快。16：55時刻，HDG由增多轉為減少時，RH數量達到最大值。至17：01時刻，生成RH的HDG消耗速率大于HDG生成速率時，RH降落地面產生降雹。至17：06時刻，LDG消耗速率大于LDG生成速率時，LDG略有減少，RH持續降落。進入消散階段后，生成RH這一過程減慢，單體對流減弱。

淺綠、淺灰、淺粉的背景色調分別表示雹暴的發展階段、 成熟階段和消散階段圖7 2018年3月30日雹暴過程中部分水成物粒子隨 時間的變化趨勢Fig.7 Variation trend of hydrometeors in the middle of hailstorm on March 30, 2018 with time

以本次雹暴第一個時刻作為標準，計算雹暴過程中其他時刻關鍵粒子的每分鐘變化率，如圖8所示。在16：49—17：01，HDG的變化率減小，LDG的變化率增大，表明在該時間段內，HDG對RH的生成有其貢獻。而17：55—17：06，LDG的變化率減小，HDG的變化率增大，表明LDG也對RH的生成有一定影響。但從整個降雹階段分析，LDG數量整體上呈現增加趨勢，而HDG數量呈現減少趨勢，所以本次雹暴過程HDG為RH的主要來源。

圖8 2018年3月30日雹暴過程中關鍵粒子每分鐘變化率Fig.8 Change rates of key particles per minute during the hail storm on March 30, 2018

結合反射率以及水成物粒子識別剖面圖，分析可得雹暴各個階段的特征。發展階段：有少量RH存在，RH下方即為SWA累積區，HDG和LDG圍繞著RH和SWA累積區。成熟階段：回波頂升高，RH關鍵區和SWA累積區對應著反射率高值區，LDG迅速增加，上升氣流將HDG帶往SWA累積區形成RH是本次過程成雹的主要機制。消散階段：回波頂與反射率高值區都回縮，SWA累積區高度降至0 ℃高度，HDG、LDG和RH下降融化。

通過對本次雹暴微物理分析，可得出孤立單體的水成物粒子在垂直方向上的分布與Dolan等[25]的研究結果基本一致[25]。結合雹暴過程中的微物理特征，可建立孤立單體雹暴過程中3個階段的概念模型，如圖9所示。

圖9 雹暴概念模型Fig.9 Conceptual model of hailstorm

5 結論

利用探空數據、再分析數據，結合雙線偏振雷達數據，使用模糊邏輯相態識別算法，對2018年3月30日雹暴過程進行分析，得出以下結論。

(1)5個孤立單體實例的0 ℃層高度高至5.16 km，低至4.06 km，0～-20 ℃層厚度分布在3.08～3.36 km，低層液態粒子易到達此0 ℃高度層，為冰雹的形成提供適宜的水汽條件。

(2)在2018年3月30日雹暴中識別水成物粒子，在發展階段有一過冷水累積區存在，且該累積區范圍在成熟階段進一步擴大，維持至消散階段。該累積區位于0～-10 ℃高度層間。

(3)本次單體雹暴中，低密度霰分布于3～7 km，高密度霰分布于0～3 km，過冷水分布于1～4 km。冰雹分布于0～6 km。高密度霰和低密度霰對冰雹的生成都有貢獻，但從整個降雹階段分析，高密度霰為本次雹暴中冰雹的主要來源。

(4)冰雹區和過冷水累積區對應著反射率高值區，上升氣流將高密度霰帶往過冷水累積區形成冰雹是本次過程成雹的主要機制。通過對威寧地區雹暴機制的分析，建立了孤立單體的概念模型。

綜上所述，綜合前人研究的模糊邏輯相態識別算法，對2018年3月30日雹暴過程中水成物粒子分布及連續演變有了初步的分析。但因使用插值的方法代替缺乏的RHI數據，水成物粒子識別結果仍會存在一定的誤差，而且2018年降雹的孤立單體個例數量較少，因此僅是初步的研究，這些難點仍是今后需要攻克的問題。