留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

2015—2017年夏季南京雨滴谱特征

梅海霞 梁信忠 曾明剑 李力 祖繁 李玉涛

引用本文:
Citation:

2015—2017年夏季南京雨滴谱特征

Raindrop Size Distribution Characteristics of Nanjing in Summer of 2015-2017

  • 摘要: 利用2015—2017年夏季南京地区的雨滴谱数据,对南京在梅雨开始前、梅雨期及梅雨结束后3个不同时段降水的宏微观特征进行分析发现:梅雨开始前对流活动强度偏弱,但对流降水的雨滴平均质量加权直径、分钟级强降水频率和逐小时累积短时强降水的频率为3个时段中最高;天气尺度强迫提供的有利于降水的持续性条件、弱对流强度下充分的凝结过程及微物理相关过程对云粒子的损耗偏弱,是有利于该时段大雨滴形成和降水效率提高的重要因素。梅雨结束后,高温高湿环境易产生剧烈对流活动,导致对流降水的大尺度雨滴样本比例及分钟级极端降水发生频率位于3个时段的首位。层云降水时,梅雨期降水频率、降水率及雨滴尺度平均值均位于首位,小尺度雨滴样本比例最低;有利天气尺度强迫条件下的充分碰并作用是主要原因之一。不同时段雨滴谱谱形参数(μ)与斜率(Λ)之间的二项式关系式的差异与μ的取值有关。
  • 图 1  不同时段分钟级对流降水的频率和对总降水贡献

    (以0.083 mm·min-1为间隔进行统计)

    Fig.1  Minute convective rainfall frequency and the contribution to the total precipitation in different stages

    (calculated at 0.083 mm·min-1 interval)

    图 2  不同时段小时累积降水的频率分布

    (以2 mm为间隔进行统计)

    Fig.2  Hourly rainfall frequency in different stages

    (at 2 mm interval)

    图 3  不同时段降水的平均谱和拟合谱

    (圆圈表示观测平均, 实线表示拟合)(a)对流降水, (b)层云降水

    Fig.3  Composite raindrop spectras of the averaged and the fitting in different stages

    (the circle denotes the averaged measurement, the line denotes the fitting)(a)convective rainfall, (b)stratiform rainfall

    图 4  不同时段Dm的频率分布

    (Dm以0.2 mm为间隔) (a)对流降水, (b)层云降水

    Fig.4  Frequency distribution of Dm in different stages

    (calculated at 0.2 mm interval) (a)convective rainfall, (b)stratiform rainfall

    图 5  夏季不同类型降水的平均lgNw-Dm分布

    Fig.5  Scatter plot of lgNw versus Dm for convective rainfall and stratiform rainfall

    图 6  μ-Λ关系分布

    Fig.6  Relationship of μ-Λ

    表 1  梅雨期不同强度分钟级降水发生频率和对总降水贡献

    Table 1.  Minute rainfall frequency and the contribution to the total precipitation of different rain intensity during Meiyu period

    年份 降水频率/% 降水贡献/%
    弱降水 中等降水 强降水 弱降水 中等降水 强降水
    2009—2011 75.00 11.00 14.00 24.00 15.00 61.00
    2015—2017 84.28 8.42 7.30 28.30 16.11 55.59
    注:弱降水、中等降水和强降水分别对应R < 0.083 mm·min-1, 0.083 mm·min-1R < 0.17 mm·min-1, R≥0.17 mm·min-1
    下载: 导出CSV

    表 2  梅雨期不同强度小时累积降水的发生频率和对总降水贡献

    Table 2.  Hourly accumulated rainfall frequency and the contribution to the total precipitation of different rain intensity during Meiyu period

    年份 降水频率/% 降水贡献/%
    弱降水 中等降水 强降水 弱降水 中等降水 强降水
    2009—2011 82.1 11.73 6.2 25.5 32.3 42.2
    2015—2017 85.9 11.08 3.0 38.8 35.4 25.9
    注:弱降水、中等降水和强降水分别对应小时累积降水量小于5 mm, 大于等于5 mm且小于15 mm, 大于等于15 mm。
    下载: 导出CSV

    表 3  不同时段样本的分钟级降水统计参数

    Table 3.  Statistic parameters of minute rainfall in different stages

    时段 降水类型 样本量 样本比例/% 平均降水率/ (mm·min-1) 累积降水量/mm 降水贡献/%
    梅雨开始前 对流降水 1430 23.65 0.417 595.93 87.96
    层云降水 1948 32.22 0.0258 50.41 7.44
    梅雨期 对流降水 2088 13.54 0.301 628.16 67.92
    层云降水 6585 42.70 0.0318 209.94 22.70
    梅雨结束后 对流降水 1552 16.53 0.415 644.32 82.49
    层云降水 3362 35.82 0.0247 83.15 10.65
    下载: 导出CSV

    表 4  不同时段Dm和lgNw平均值、标准差、偏度

    Table 4.  The mean value, standard deviation and skewness of Dm and lgNw in different stages

    雨滴特征 降水类型 统计参数 梅雨开始前 梅雨期 梅雨结束后 夏季平均
    Dm/mm 对流降水 平均值 1.92 1.76 1.84 1.83
    标准差 0.47 0.50 0.66 0.55
    偏度 1.68 2.97 1.6 2.06
    层云降水 平均值 1.26 1.30 1.21 1.27
    标准差 0.39 0.31 0.38 0.35
    偏度 1.02 0.44 0.66 0.59
    lgNw/(m-3·mm-1) 对流降水 平均值 3.73 3.79 3.84 3.79
    标准差 0.32 0.37 0.48 0.40
    偏度 -1.77 -1.45 -0.60 -0.96
    层云降水 平均值 3.49 3.46 3.56 3.49
    标准差 0.55 0.47 0.67 0.55
    偏度 0.33 0.39 0.14 0.34
    下载: 导出CSV

    表 5  各参数夏季平均值、标准差以及与相似文献的比较

    Table 5.  Comparison in mean value and standard deviation of rainfall parameters among references

    雨滴参数 降水类型 统计参数 浦口 文献[25] 文献[26]
    Dm/mm 对流降水 平均值 1.83 1.67 1.41
    标准差 0.55 0.32 0.24
    层云降水 平均值 1.27 1.18 1.16
    标准差 0.35 0.31 0.27
    lgNw/(m-3·mm-1) 对流降水 平均值 3.79 3.91 4.37
    标准差 0.4 0.29 0.38
    层云降水 平均值 3.49 3.57 3.78
    标准差 0.55 0.54 0.45
    下载: 导出CSV

    表 6  不同时段μΛ平均值、标准差

    Table 6.  The mean value, standard deviation of μ and Λ from different stages

    雨滴参数 降水类型 统计参数 梅雨开始前 梅雨期 梅雨结束后 夏季平均
    μ 对流降水 平均值 2.24 3.09 4.36 3.24
    标准差 8.40 4.79 6.27 6.49
    层云降水 平均值 4.02 3.91 5.5 4.38
    标准差 5.68 5.81 6.82 6.13
    Λ/mm-1 对流降水 平均值 3.23 4.29 4.96 4.2
    标准差 2.29 3.13 4.7 3.56
    层云降水 平均值 7.36 6.55 9.21 7.43
    标准差 7.45 5.87 9.48 7.41
    下载: 导出CSV
  • [1] Ulbrich C W.Natural variations in the analytical form of the raindrop size distribution.J Climate Appl Meteor, 1983, 22(10):1764-1775. doi: 10.1175/1520-0450(1983)022<1764:NVITAF>2.0.CO;2
    [2] Tokay A, Short D A.Evidence from tropical raindrop spectra of the origin of rain from stratiform versus convective clouds.J Appl Meteorol, 1996, 35(3):355-371. doi: 10.1175/1520-0450(1996)035<0355:EFTRSO>2.0.CO;2
    [3] Krishna U V M, Reddy K K, Seela B K, et al.Raindrop size distribution of easterly and westerly monsoon precipitation observed over Palau islands in the Western Pacific Ocean.Atmos Res, 2016, 174/175:41-51. doi: 10.1016/j.atmosres.2016.01.013
    [4] 杨俊梅, 陈宝君, 韩永翔, 等.山西省不同地区雨滴谱的统计特征.气象科学, 2016, 36(1):88-95. 
    [5] 宋灿, 周毓荃, 吴志会.雨滴谱垂直演变特征的微雨雷达观测研究.应用气象学报, 2019, 30(4):479-490. 
    [6] 栾天, 郭学良, 张天航.不同降水强度对PM2.5的清除作用及影响因素.应用气象学报, 2019, 30(3):279-291. 
    [7] 赵平, 袁溢.2014年7月14日高原低涡降水过程观测分析.应用气象学报, 2017, 28(5):532-543. 
    [8] 岳治国, 梁谷.陕西渭北一次降雹过程的粒子谱特征分析.高原气象, 2018, 37(6):1716-1724. 
    [9] Radhakrishna B, Rao T N, Rao D N, et al.Spatial and seasonal variability of raindrop size distributions in southeast India.J Geophys Res, 2009, 114(D04203), DOI:10.1029/2008JD011-226.
    [10] Radhakrishna B, Rao T N.Differences in cyclonic raindrop size distribution from southwest to northeast monsoon season and from that of noncyclonic rain.J Geophys Res Atmos, 2010, 115(D16205), DOI:10.1029/2009JD013355.
    [11] Chakravarty K, Raj P E, Bhattacharya A, et al.Microphysical characteristics of clouds and precipitation during pre-monsoon and monsoon period over a tropical Indian station.J Atmos Sol-Terr Phys, 2013, 94:28-33. doi: 10.1016/j.jastp.2012.12.016
    [12] Chakravarty K, Raj P E.Raindrop size distributions and their association with characteristics of clouds and precipitation during monsoon and post-monsoon periods over a tropical Indian station.Atmos Res, 2013, 124:181-189. doi: 10.1016/j.atmosres.2013.01.005
    [13] Tang Q, Xiao H, Guo C, et al.Characteristics of the raindrop size distributions and their retrieved polarimetric radar parameters in northern and southern China.Atmos Res, 2014, 135/136:59-75. doi: 10.1016/j.atmosres.2013.08.003
    [14] 陈磊, 陈宝君, 杨军, 等.2009-2010年梅雨锋暴雨雨滴谱特征.大气科学学报, 2013, 36(4):481-488. doi: 10.3969/j.issn.1674-7097.2013.04.011
    [15] Chen B, Yang J, Pu J.Statistical characteristics of raindrop size distribution in the Meiyu season observed in Eastern China.J Meteorol Soc Japan, 2013, 91(2):215-227. doi: 10.2151/jmsj.2013-208
    [16] 贺铮, 徐邦琪, 高迎侠.BCC S2S模式对亚洲夏季风准双周振荡预报评估.应用气象学报, 2018, 29(4):436-448. 
    [17] 章大全, 郑志海, 陈丽娟, 等.10-30 d延伸期可预报性与预报方法研究进展.应用气象学报, 2019, 30(4):416-430. 
    [18] 祝从文, 刘伯奇, 左志燕, 等.东亚夏季风次季节变化研究进展.应用气象学报, 2019, 30(4):401-415. 
    [19] 汪会.华南和江淮地区夏季风期间降水和对流的一些统计特征和个例研究.北京:中国气象科学研究院, 2014.
    [20] 许焕斌.强对流云物理及其应用.北京:气象出版社, 2012.
    [21] Rosenfeld D, Wolff D B, Atlas D.General probability-matched relations between radar reflectivity and rain rate.J Appl Meteorol Climatol, 1993, 32(1):50-72.
    [22] Ryzhkov A V, Giangrande S E, Melnikov V M, et al.Calibration issues of dual-polarization radar measurements.J Atmos Ocean Tech, 2005, 22(8):1138-1155. doi: 10.1175/JTECH1772.1
    [23] 阮征, 李淘, 金龙, 等.大气垂直运动对雷达估测降水的影响.应用气象学报, 2017, 28(2):200-208. 
    [24] You S, Tan R T, Kawakami R, et al.Raindrop Detection and Removal from Long Range Trajectories.ACCV 2014.Lecture Notes in Computer Science, Vol 9004, 2015:569-585. 
    [25] 金祺, 袁野, 刘慧娟, 等.江淮之间夏季雨滴谱特征分析.气象学报, 2015, 73(4):778-788. 
    [26] Wen L, Zhao K, Zhang G, et al.Statistical characteristics of raindrop size distributions observed in East China during the Asian summer monsoon season using 2-D video disdrometer and micro rain radar data.J Geophy Res Atmos, 2016, 121:2265-2282. doi: 10.1002/2015JD024160
    [27] 曾培培, 髙太长, 刘西川, 等.2014-2015年南京春夏两季降水微物理特征分析.气象与减灾研究, 2016, 39(4):277-282. 
    [28] Löfflermang M, Joss J.An Optical Disdrometer for Measuring Size and Velocity of Hydrometeors.J Atmos Ocean Tech, 2000, 17(2):130-139. doi: 10.1175/1520-0426(2000)017<0130:AODFMS>2.0.CO;2
    [29] Battaglia A, Rustemeier E, Tokay A, et al.PARSIVEL Snow Observations:A critical assessment.J Atmos Ocean Tech, 2010, 27(2):333-344. doi: 10.1175/2009JTECHA1332.1
    [30] Bringi V N, Chandrasekar V, Hubbert J, et al.Raindrop size distribution in different climatic regimes from disdrometer and dual-polarized radar analysis.J Atmos Sci, 2003, 60(2):354-365. doi: 10.1175/1520-0469(2003)060<0354:RSDIDC>2.0.CO;2
    [31] Zhang G, Vivekanandan J, Brandes E A, et al.The shape slope relation in observed gamma raindrop size distributions:Statistical error or useful information.J Atmos Ocean Tech, 2003, 20(8):1106-1119. doi: 10.1175/1520-0426(2003)020<1106:TSRIOG>2.0.CO;2
    [32] 周佰铨.基于大尺度环流型的我国江淮流域夏季降水变化归因及情景预估研究.北京:中国气象科学研究院, 2018.
    [33] 丁一汇, 司东, 柳艳菊, 等.论东亚夏季风的特征、驱动力与年代际变化.大气科学, 2018, 42(3):90-115. 
    [34] 陈丽娟, 赵俊虎, 顾薇, 等.汛期我囯主要雨季进程成因及预测应用进展.应用气象学报, 2019, 30(4):385-400. 
    [35] 李怡.亚非夏季风系统的气候特征及其年代际变率研究.北京:中国气象科学研究院, 2017.
    [36] 史宏晓.江淮地区夏季降水年代际异常时空特征及成因分析.科技风, 2019, 3:245-247. 
    [37] 孙继松, 戴建华, 何立富, 等.强对流天气预报的基本原理与技术方法.北京:气象出版社, 2014.
    [38] Testud J.The concept of "normalized" distribution to describe raindrop spectra:A tool for cloud physics and cloud remote sensing.J Appl Meteorol, 2001, 40(40):1118-1140.
    [39] Marzano F S, Cimini D, Montopoli M, et al.Investigating precipitation microphysics using ground-based microwave remote sensors and disdrometer data.Atmos Res, 2010, 97(4):583-600. doi: 10.1016/j.atmosres.2010.03.019
    [40] 汪会.江淮地区降水和对流特征以及MCS天气条件:梅雨期与梅雨前、后期对比分析.北京:中国气象科学研究院, 2011.
    [41] 牛生杰.云降水物理研究.北京:气象出版社, 2012.
    [42] 盛裴轩, 毛节泰, 李建国, 等.大气物理学.北京:北京大学出版社, 2013.
    [43] Chu Y H, Su C L.An Investigation of the slope-shape relation for Gamma raindrop size distribution.J Appl Meteorol Climatol, 2008, 47(10):2531-2544. doi: 10.1175/2008JAMC1755.1
    [44] Munchak S J, Tokay A.Retrieval of raindrop size distribution from simulated dual-frequency radar measurements.J Appl Meteorol Climatol, 2008, 47(1):223-239. doi: 10.1175/2007JAMC1524.1
    [45] Vivekanandan J, Zhang G, Brandes E.Polarimetric radar estimators based on a constrained Gamma drop size distribution model.J Appl Meteorol, 2004, 43(2):217-230. doi: 10.1175/1520-0450(2004)043<0217:PREBOA>2.0.CO;2
    [46] Chen B, Hu Z, Liu L, et al.Raindrop size distribution measurements at 4500 m on the Tibetan Plateau during TIPEX-Ⅲ.J Geophy Res Atmos, 2017, 122(20), DOI:10.1002/2017JD027233.
    [47] Brandes E A, Zhang G, Vivekanandan J.An evaluation of a drop distribution-based polarimetric radar rainfall estimator.J Appl Meteorol, 2003, 42(5), 652-660. doi: 10.1175/1520-0450(2003)042<0652:AEOADD>2.0.CO;2
    [48] 张洪胜, 何宏让, 张云, 等.南京地区降水雨滴谱拟合模型的参数特征分析.气象与环境科学, 2017, 40(3):71-78. 
    [49] 王梦瑶.基于不同天气型和污染背景的江淮与华南地区暖季降水雨滴谱分布特征研究.南京:南京大学, 2019.
    [50] Wang F, Guo J, Wu Y, et al.Satellite observed aerosol-induced variability in warm cloud properties under different meteorological conditions over eastern China.Atmos Environ, 2014, 84(1):122-132. 
    [51] Michibata T, Kawamoto K, Takemura T.The effects of aerosols on water cloud microphysics and macrophysics based on satellite-retrieved data over East Asia and the North Pacific. Atmos Chem Phys, 14, 21(2014-11-13), 2014, 14(21):11935-11948.
  • [1] 柳臣中,  周筠珺,  谷娟,  黄蕾,  向钢.  成都地区雨滴谱特征 . 应用气象学报, 2015, 26(1): 112-121. DOI: 10.11898/1001-7313.20150112
    [2] 林文,  林长城,  李白良,  郑文君,  胡伦善,  余永江.  登陆台风麦德姆不同部位降水强度及谱特征 . 应用气象学报, 2016, 27(2): 239-248. DOI: 10.11898/1001-7313.20160212
    [3] 袁野,  朱士超,  李爱华.  黄山雨滴下落过程滴谱变化特征 . 应用气象学报, 2016, 27(6): 734-740. DOI: 10.11898/1001-7313.20160610
    [4] 金祺,  袁野,  纪雷,  鲁德金,  冯静夷.  安徽滁州夏季一次飑线过程的雨滴谱特征 . 应用气象学报, 2015, 26(6): 725-734. DOI: 10.11898/1001-7313.20150609
    [5] 宋灿,  周毓荃,  吴志会.  雨滴谱垂直演变特征的微雨雷达观测研究 . 应用气象学报, 2019, 30(4): 479-490. DOI: 10.11898/1001-7313.20190408
    [6] 杨梅学,  姚檀栋,  田立德,  Ken′ichiUENO.  青藏高原唐古拉山南北坡夏季风降水特征的对比分析 . 应用气象学报, 2000, 11(2): 199-204.
    [7] 窦贤康,  刘万栓,  P. Amayenc,  刘锦丽.  机载雷达定量测雨中雨滴谱参数的优化 . 应用气象学报, 1999, 10(3): 293-298.
    [8] 何越,  何平,  林晓萌.  基于双高斯拟合的风廓线雷达反演雨滴谱 . 应用气象学报, 2014, 25(5): 570-580.
    [9] 严采蘩,  陈万奎.  对流层下部雨滴谱分布 . 应用气象学报, 1990, 1(2): 191-198.
    [10] 齐鹏程,  郑栋,  张义军,  高丽娜.  青藏高原闪电和降水气候特征及时空对应关系 . 应用气象学报, 2016, 27(4): 488-497. DOI: 10.11898/1001-7313.20160412
    [11] 陈德林,  谷淑芳,  李洪珍.  降水酸度与降水物理量关系的分析 . 应用气象学报, 1989, 4(1): 82-87.
    [12] 卢乃锰,  吴蓉璋.  强对流降水云团的云图特征分析 . 应用气象学报, 1997, 8(3): 269-275.
    [13] 蔡学湛,  吴滨.  青藏高原雪盖异常的环流特征及其与我国夏季降水的关系 . 应用气象学报, 2005, 16(1): 89-95.
    [14] 贾丽伟,  李维京,  陈德亮.  东北地区降水与大气环流关系 . 应用气象学报, 2006, 17(5): 557-566.
    [15] 王小兰,  程明虎,  周凤仙.  对流性降水云微波辐射特性 . 应用气象学报, 2009, 20(3): 321-328.
    [16] 曹云昌,  方宗义,  夏青.  GPS遥感的大气可降水量与局地降水关系的初步分析 . 应用气象学报, 2005, 16(1): 54-59.
    [17] 蒋年冲,  陈秋萍,  陆大春,  曾光平,  袁野,  申宜运.  利用CINRAD资料分析南方夏季对流性降水云的基本特征 . 应用气象学报, 2005, 16(2): 264-266.
    [18] 陈明轩,  俞小鼎,  谭晓光,  高峰.  北京2004年“7.10”突发性对流强降水的雷达回波特征分析 . 应用气象学报, 2006, 17(3): 333-345.
    [19] 刘泽,  郭凤霞,  郑栋,  张阳,  吴翀,  姚雯.  一次暖云强降水主导的对流单体闪电活动特征 . 应用气象学报, 2020, 31(2): 185-196. DOI: 10.11898/1001-7313.20200206
    [20] 冯晋勤,  刘铭,  蔡菁.  闽西山区“7·22”极端降水过程中尺度对流特征 . 应用气象学报, 2018, 29(6): 748-758. DOI: 10.11898/1001-7313.20180610
  • 加载中
图(6) / 表(6)
计量
  • 文章访问数:  3778
  • HTML全文浏览量:  2036
  • PDF下载量:  49
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-07-06
  • 修回日期:  2019-09-18
  • 刊出日期:  2020-01-31

2015—2017年夏季南京雨滴谱特征

  • 1. 中国气象局交通气象重点开放实验室, 南京 210009
  • 2. 江苏省气象科学研究所, 南京 210009
  • 3. 南京气象科技创新研究院, 南京 210009
  • 4. 美国马里兰大学地球系统科学多学科中心, 马里兰 20740
  • 5. 江苏省南京市气象局, 南京 210019
  • 6. 江苏省气象信息中心, 南京 210009

摘要: 利用2015—2017年夏季南京地区的雨滴谱数据,对南京在梅雨开始前、梅雨期及梅雨结束后3个不同时段降水的宏微观特征进行分析发现:梅雨开始前对流活动强度偏弱,但对流降水的雨滴平均质量加权直径、分钟级强降水频率和逐小时累积短时强降水的频率为3个时段中最高;天气尺度强迫提供的有利于降水的持续性条件、弱对流强度下充分的凝结过程及微物理相关过程对云粒子的损耗偏弱,是有利于该时段大雨滴形成和降水效率提高的重要因素。梅雨结束后,高温高湿环境易产生剧烈对流活动,导致对流降水的大尺度雨滴样本比例及分钟级极端降水发生频率位于3个时段的首位。层云降水时,梅雨期降水频率、降水率及雨滴尺度平均值均位于首位,小尺度雨滴样本比例最低;有利天气尺度强迫条件下的充分碰并作用是主要原因之一。不同时段雨滴谱谱形参数(μ)与斜率(Λ)之间的二项式关系式的差异与μ的取值有关。

English Abstract

    • 地面观测系统中雨滴谱观测是了解云和降水物理特征的重要途径之一。雨滴谱是指单位体积内各种大小雨滴的数量随其直径的分布, 含有丰富的降水微物理特征信息。近年来, 国内外学者基于雨滴谱观测数据对雨滴的微物理结构特征的分布和演变规律进行了许多分析[1-6]。研究有代表性个例的雨滴谱, 可深入了解降水系统在不同生命阶段的降水特征及可能的云物理演变过程[7-8], 但结论的普适性不理想。而大量雨滴谱样本在不同时段统计特征的差异则体现了微结构参量与宏观上不同天气背景条件的密切联系, 也间接反映了云系发展过程中的不同特点。

      研究表明, 雨滴谱在季风的建立、推进和撤退不同阶段具有显著的变化。位于南亚季风区的印度地区在西南季风与东北季风和季风的不同时段雨滴谱特征表现出显著差异[9-12]。在东亚地区, 随着副热带夏季风向北推进, 我国北方夏季的对流性降水相比南方频率更低, 雨滴的数浓度、含水量和降水率也更小[13]。我国江淮地区位于东亚副热带夏季风区, 当夏季风推进至江淮流域时, 江淮地区即进入梅雨期(6月中旬至7月上旬), 此时一条数千公里的雨带横贯东亚和西北太平洋地区, 降水量大且集中, 暴雨频繁, 因此, 受到了广泛关注, 也开展了雨滴谱特征的统计工作[14-15]。陈磊等[14]的研究侧重梅雨期暴雨过程的雨滴谱特征分析, Chen等[15]则基于2009 —2011年梅雨期的数据获得梅雨期降水雨滴谱的总体特征。梅雨开始前和梅雨结束后的时段也是夏季降水的重要组成部分。梅雨开始前的初夏时节(6月中上旬)主要受中高纬度西风带槽脊引导南下的冷空气影响, 该时段大范围暴雨天气和区域性强降水过程频繁发生。近年来, 该时段的降水记录多次突破历史极值, 造成较大的经济损失和人员伤亡。梅雨结束后的盛夏时节(7—8月), 江淮地区在副热带高压(简称副高)的控制下, 午后热对流频繁发生, 在较强冷空气的影响下容易发生强对流天气, 同时台风的北上也会带来显著的风雨影响。夏季降水的次季节变化特征也是当前的研究热点之一[16-18]。汪会[19]分析发现, 江淮地区在梅雨开始前、梅雨期和梅雨结束后的降水、大气环流和对流特征存在显著差异。

      对天气过程发生发展机理的理解仅从云-降水物理学的角度难以深入, 需要将天气-动力-云降水物理结合起来[20], 不同时段的天气背景条件下, 结合江淮地区不同时段降水雨滴谱的特征差异对深入理解降水机制具有重要意义。归纳不同时段、不同降水类型雨滴谱的特征规律, 也为卫星遥感、雷达观测反演算法的完善和改进提供丰富且可靠的观测依据[21-24]。同时基于本地雨滴谱观测提炼的特征参数, 对云微物理参数化方案中的特征参数开展优化, 也是改进模式物理过程的重要途径。然而, 有关江淮地区夏季降水雨滴谱总体特征的统计研究报道并不多见[25-27], 夏季降水不同时段(梅雨开始前、梅雨期以及梅雨结束后)的雨滴谱特征差异如何, 与天气背景条件存在怎样的联系, 这些问题尚未得到很好解释。

      本文利用2015—2017年夏季(6—8月)南京地基激光粒子雨滴谱仪的观测数据分析该地区夏季不同降水类型的雨滴谱特征, 研究夏季不同时段雨滴谱的特征差异及与天气背景的可能联系, 从而深入理解降水内在机制, 为降水定量估计算法的优化以及完善数值天气预报模式中云微物理过程参数化方案的本地化提供参考。

    • 利用南京浦口观测站的Parsivel降水粒子谱仪[28], 获取2015—2017年夏季(6—8月)的连续观测数据, 数据采样间隔为1 min。考虑到仪器的测量误差, 剔除了分钟级降水率(R)小于0.0017 mm· min-1以及雨滴数浓度小于10的数据, 同时对前两档(0~0.125 mm, 0.125~0.25 mm)数据不予考虑。另外, 由于下落过程中空气阻力对大雨滴产生形变作用, 依据Battaglia等[29]对雨滴直径进行校正。相比于南京其他观测站, 南京浦口观测站的降水粒子谱仪的数据完整程度和数据质量等方面均具备显著优势, 因此, 本文选用该观测站作为代表分析南京的雨滴谱特征。

      本文采用伽马分布对雨滴谱进行拟合, 数学表达式[1]可以写为

      (1)

      其中, N是单位尺度间隔下单位体积粒子的数量(单位:m-3·mm-1), D是粒子直径。待定谱参数N0(单位:mm-1-μ·m-3)、Λ(单位:mm-1)和μ分别代表截距、斜率和谱形参数。阶距法估计谱分布参数被广泛应用于雨滴谱特征的研究中[15], 具体计算方法参见文献[30-31]。本文中的显著性检验采用t检验, 显著性水平均设置为0.001。

    • 对雨滴谱数据处理后, 梅雨开始前、梅雨期和梅雨结束后3个时段分别获得6046, 15423及9387个有效样本, 累积降水分别为677.53, 924.80 mm及781.06mm。雨滴谱分钟级降水率显示, 3个时段R < 0.083 mm·min-1的降水发生频率均超过75%, 对总降水的贡献不超过12%。其中, 梅雨期R < 0.083 mm·min-1的降水发生频率及对总降水的贡献分别为84.3%和28.3%, 为3个时段最高值。R≥0.083 mm·min-1的降水发生频率虽然不超过25%, 但对总降水的贡献却不低于71%, 在梅雨开始前的时段, R≥0.083 mm·min-1的降水对总降水的贡献甚至达到88.7%。

      Chen等[15]分析了2009—2011年梅雨期南京的雨滴谱观测数据, 观测地点与本文接近, 具有较好的可比性。与2009—2011年分钟级降水相比(表 1), 2015—2017梅雨期R < 0.083 mm·min-1的降水频率和对降水的贡献分别增加约9.3%和4.3%, R≥0.17 mm·min-1的降水频率和对降水的贡献分别减小6.7%和5.4%。同时, 对比2009—2011年以及2015—2017年小时累积降水量(表 2), 发现小时累积降水量小于5 mm的弱降水(小时累积降水的小雨-中雨量级)降水频率(降水的贡献)增加3.8%(13.3%), 小时累积降水量大于等于15 mm的强降水(即小时累积降水的暴雨以上量级)降水频率(降水的贡献)减少3.2%(16.3%)。由此可见, 与2009—2011年相比, 无论是分钟级降水还是小时累积降水, 2015—2017年南京地区的弱降水和强降水分别呈现增多和减少的趋势。江淮地区的梅雨期降水具有明显的年际变化特征, 且深受东亚夏季风环流变化的影响, 不同年份主要的大尺度环流型因关键系统位置及强度的不同导致水汽输送强度及辐合位置不同, 从而导致降水落区及强度均不同[32]。海洋与陆面的异常状况是引起东亚夏季风年际变化的原因之一[33-34]

      表 1  梅雨期不同强度分钟级降水发生频率和对总降水贡献

      Table 1.  Minute rainfall frequency and the contribution to the total precipitation of different rain intensity during Meiyu period

      年份 降水频率/% 降水贡献/%
      弱降水 中等降水 强降水 弱降水 中等降水 强降水
      2009—2011 75.00 11.00 14.00 24.00 15.00 61.00
      2015—2017 84.28 8.42 7.30 28.30 16.11 55.59
      注:弱降水、中等降水和强降水分别对应R < 0.083 mm·min-1, 0.083 mm·min-1R < 0.17 mm·min-1, R≥0.17 mm·min-1

      表 2  梅雨期不同强度小时累积降水的发生频率和对总降水贡献

      Table 2.  Hourly accumulated rainfall frequency and the contribution to the total precipitation of different rain intensity during Meiyu period

      年份 降水频率/% 降水贡献/%
      弱降水 中等降水 强降水 弱降水 中等降水 强降水
      2009—2011 82.1 11.73 6.2 25.5 32.3 42.2
      2015—2017 85.9 11.08 3.0 38.8 35.4 25.9
      注:弱降水、中等降水和强降水分别对应小时累积降水量小于5 mm, 大于等于5 mm且小于15 mm, 大于等于15 mm。

      汪会[19]详细对比了江淮地区梅雨开始前、梅雨期和梅雨结束后大气环流的热力动力条件、降水特征以及对流强度和结构特性, 但未涉及降水微观特征的分析。由于该工作研究时段处于东亚夏季风强度增强、江淮夏季雨量偏多的气候背景特征下[33, 35-36], 因而具有较高的参考价值, 本文采用Chen等[15]的降水类型分类方法, 筛选出对流降水和层云降水进行分析(表 3), 其余类型降水的样本暂不考虑。

      表 3  不同时段样本的分钟级降水统计参数

      Table 3.  Statistic parameters of minute rainfall in different stages

      时段 降水类型 样本量 样本比例/% 平均降水率/ (mm·min-1) 累积降水量/mm 降水贡献/%
      梅雨开始前 对流降水 1430 23.65 0.417 595.93 87.96
      层云降水 1948 32.22 0.0258 50.41 7.44
      梅雨期 对流降水 2088 13.54 0.301 628.16 67.92
      层云降水 6585 42.70 0.0318 209.94 22.70
      梅雨结束后 对流降水 1552 16.53 0.415 644.32 82.49
      层云降水 3362 35.82 0.0247 83.15 10.65

      梅雨开始前的时段对流降水的分钟级降水频率、平均分钟级降水率以及降水的贡献率均为3个时段中的最高值。从分钟级对流降水频率和贡献(图 1)看, 随着分钟级降水率的增加, 对流降水频率逐渐降低。梅雨开始前对流强降水的发生概率和降水贡献显著高于另外两个时段, R≥0.42 mm·min-1(梅雨开始前32.73%, 梅雨期17.91%, 梅雨结束后27.52%)以及1 h累积降水量大于20 mm短时强降水的发生频率(梅雨开始前5.76%, 梅雨期0.67%, 梅雨结束后0.92%, )也最高。梅雨开始前的时段, 夏季风尚未推进至江淮地区, 水汽条件和热力条件尚不充分, 不稳定能量较小, 因此, 对流发展的强度(回波强度、回波顶高、闪电密度)不及梅雨期和梅雨结束后的时段; 该时段不同强度的雷达回波总体发展高度偏低, 回波强度总体偏弱[19]。而大多数情况下, 短时强降水的的雷达最强回波反射率因子的质心高度一般维持在较低高度[36]。梅雨开始前的时段, 对流活动偏弱[19], 因而垂直运动的强度偏低, 水汽含量丰富的低层气块通过暖云层时较缓慢, 有充裕的时间使更多的水汽在暖云中发生凝结并通过聚并、碰并等过程促进雨滴的发生发展, 使到达冷云中的湿空气水汽和云滴含量更低, 也减少了由于夹卷、高空风等作用下云体的水汽和云粒子等方面的损耗。因此非降水粒子能更及时有效地转化成降水粒子并降落至地面, 从而有利于产生较高的降水效率[37], 这也是该时段强降水出现概率较大的原因之一。梅雨结束后的时段, 对流降水的发生频率和降水贡献虽低于梅雨开始前的时段, 但平均降水率较高, 同梅雨开始前十分接近, 这与分钟级极端降水的贡献密切相关。梅雨结束后的时段, 当R>1.33 mm·min-1时, 分钟级对流降水频率逐渐高于梅雨前(图 1)且极端降水累积降水频率为3个时段中最高值(梅雨开始前2.80%, 梅雨期1.49%, 梅雨结束后5.03%)。当不考虑R>1.33 mm·min-1的极端降水时, 梅雨结束后的平均分钟级对流降水率则会显著低于梅雨开始前的时段(梅雨开始前0.36 mm, 梅雨结束后0.32 mm)。梅雨结束后的时段, 对流活动最为剧烈, 当处于高温高湿状态的大气被触发后往往容易产生非常强的对流云阵雨。该时段以弱强迫天气下的小面积对流降水为主, 对流系统的生命周期较短, 分钟级的极端降水缺乏持续性, 多呈现出瞬态特征, 因而小时累积降水较难达到短时强降水的强度(图 2)。

      图  1  不同时段分钟级对流降水的频率和对总降水贡献

      Figure 1.  Minute convective rainfall frequency and the contribution to the total precipitation in different stages

      图  2  不同时段小时累积降水的频率分布

      Figure 2.  Hourly rainfall frequency in different stages

      梅雨期分钟级对流降水频率、降水率与雨滴质量加权直径的平均值, 分钟级的强降水的发生频率均为3个时段最低, 但由于此时的对流降水多伴随锋面系统, 降水系统的生命周期较长, 日累积降水量达到大雨以上(大于25 mm)日数比例达29.03%, 远高于梅雨结束后的13.95%。梅雨期层云降水的发生频率、降水贡献及平均降水率显著高于前后两个时段。这可能与大范围锋面抬升环境条件下广泛分布的层云降水有关。上述结果与Wen等[26]的结论一致。

    • 降雨的宏观特征与微物理参量密切相关。通过计算平均谱能对不同类型降水的微观特征有直接认识(图 3)。两类降水的平均谱均呈单峰分布, 对流降水谱更宽且各个粒径段的雨滴数浓度均高于层云降水, 其中峰值数浓度甚至高出100%。对流降水的最大雨滴直径为5.77 mm, 而层云降水的最大雨滴直径为3.87 mm, 这与对流云降水时垂直气流更强, 冰相过程更易产生大的降水粒子有关。

      图  3  不同时段降水的平均谱和拟合谱

      Figure 3.  Composite raindrop spectras of the averaged and the fitting in different stages

      3个时段雨滴平均谱特征存在一定的差异。对流降水时, 梅雨开始前、梅雨期和梅雨结束后对流降水的雨滴谱的峰值直径依次分别为0.562, 0.687 mm和0.562 mm, 雨滴数浓度峰值依次升高, 其中梅雨期的平均谱有明显的内收现象, 即在小滴和大滴端雨滴数浓度显著低于另外两个时段。层云降水时, 梅雨期小滴端的数浓度最少, 大滴端最多, 梅雨结束后与之相反。总体而言, 伽马分布模型对于各类雨滴谱的拟合效果较好, 伽马分布曲线能较准确地反映实际雨滴谱的分布形态, 但在小滴段(小于1 mm)拟合值总体偏大。另外, 梅雨开始前的降水雨滴谱特征更接近M-P分布。

    • Testud[38]提出标准化的雨滴谱分布形式, 其中涉及标准化截距参数NW(单位:m-3·mm-1)和质量加权直径Dm(单位:mm)两个参数。标准化截距参数计算公式为

      (2)

      式(2)中, ρw代表水的密度(单位:g·cm-3), W代表含水量(单位:g·m-3)。Nw代表了雨滴数浓度大小, Dm用于衡量雨滴中的大粒子比例, 这两者的计算不需要提前假设雨滴谱分布模型。图 4Dm频率分布曲线, 各参数不同时段平均值、标准差和偏度见表 4。对流降水的各参数与层云降水存在显著差别, 对流降水Dm更大(图 4a), lgNw更高(表 4), 表明对流降水平均尺度更大, 粒子数浓度更高。比较对流降水和层云降水的标准差不难发现, 对流降水雨滴尺度变率更大, 层云降水的粒子数量分布更加分散。这与已有的研究结果一致[26, 39]

      图  4  不同时段Dm的频率分布

      Figure 4.  Frequency distribution of Dm in different stages

      表 4  不同时段Dm和lgNw平均值、标准差、偏度

      Table 4.  The mean value, standard deviation and skewness of Dm and lgNw in different stages

      雨滴特征 降水类型 统计参数 梅雨开始前 梅雨期 梅雨结束后 夏季平均
      Dm/mm 对流降水 平均值 1.92 1.76 1.84 1.83
      标准差 0.47 0.50 0.66 0.55
      偏度 1.68 2.97 1.6 2.06
      层云降水 平均值 1.26 1.30 1.21 1.27
      标准差 0.39 0.31 0.38 0.35
      偏度 1.02 0.44 0.66 0.59
      lgNw/(m-3·mm-1) 对流降水 平均值 3.73 3.79 3.84 3.79
      标准差 0.32 0.37 0.48 0.40
      偏度 -1.77 -1.45 -0.60 -0.96
      层云降水 平均值 3.49 3.46 3.56 3.49
      标准差 0.55 0.47 0.67 0.55
      偏度 0.33 0.39 0.14 0.34

      不同时段的雨滴尺度和数浓度特征与天气背景密切相关。发生对流降水时, 各时段Dm频率分布均呈现单峰分布的形态(图 4a), 其中梅雨开始前, Dm频率分布曲线峰值位于1.7 mm, 梅雨期的Dm频率分布曲线总体偏左, 峰值位于1.5 mm, 中等和较小Dm的样本比例显著增加, Dm平均值也更低。相比于梅雨开始前, 梅雨期的对流强度更高, 云系的夹卷、雨滴的碰撞破碎和变形破裂等过程更为活跃是可能的原因。梅雨开始前和梅雨期两个时段以过程性降水为主, 有比较强的天气尺度强迫条件, 对流活动以大面积的系统性对流为主[40]。梅雨结束后的时段具备最强的不稳定能量以及充沛的水汽条件, 易产生剧烈的对流活动, 该时段大尺度Dm样本比例位居3个时段中首位, Dm最大达到4.326 mm, 而另外两个时段Dm最大的样本仅略高于3 mm, 该时段Dm平均值高于梅雨期(表 4)也主要归因于较大尺度雨滴样本的贡献。相比于前两个时段, 梅雨结束后的时段缺少强的大尺度带状水汽通量辐合带[40], 以小面积的中尺度对流系统为主, 因而该时段对流系统对周围环境中干空气更为敏感, 侧向混合引起的云滴蒸发, 降低了部分小尺度Dm样本碰并云滴并成长为中等尺度Dm样本的机会[41-42], Dm在较小尺度和中等尺度区间的样本比例则分别高于和低于另外两个时段。

      Dm与降水率之间存在较好的正相关关系[25], 更多的较大尺度Dm样本有利于分钟级极端降水频率的增加, 提高平均降水率。梅雨结束后, 在R>1.33 mm·min-1的极端降水样本中, Dm>2.9 mm的雨滴谱样本比例达48.72%, Dm>2.9 mm的雨滴谱样本的发生频率也远高于另外两个时段(梅雨结束后8.96%, 梅雨开始前4.27%, 梅雨期2.97%), 有利于该时段形成较高的分钟级极端降水频率。在梅雨期, R>1 mm·min-1的极端降水样本中, Dm>2.1 mm的较大尺度的雨滴谱样本所占比例高达81.25%, 但其发生频率为3个时段中最低(梅雨期1.85%, 梅雨结束后2.50%, 梅雨开始前3.29%), 因而不利于梅雨期分钟级极端降水的产生。

      发生层云降水时, 在较小尺度(Dm < 1 mm)区间, 梅雨结束后的时段呈现次峰值的特征, 梅雨开始前则表现为阶梯状特征, 其中梅雨结束后的时段在Dm < 1 mm区间的样本比例高于梅雨开始前的时段。梅雨期Dm频率分布曲线(图 4b)呈现单峰分布特征, 曲线分布较为平滑, 且较小尺度Dm(小于1 mm)的比例为3个时段中最低。层云降水过程中小滴碰并是重要的机制, 梅雨期的层云降水有大范围特征, 在天气尺度强迫和湿度环境等方面具备更优的条件, 雨滴的碰并、聚并作用更为充分, 因而更有利于中等和较大雨滴样本的形成。尺度较小雨滴谱样本也往往具有较高的数浓度[15], 梅雨期、梅雨开始前和梅雨结束后3个时段各自的Dm平均值依次减少, lgNW增加。层云降水的平均谱分布中, Dm < 1 mm的样本比例偏高是梅雨开始前和梅雨结束后的时段数浓度峰值显著高于梅雨期的主要原因。

      综合对流降水和层云降水, 不同时段lgNW平均值的差异特征与小尺度Dm样本频率的差异特征均十分一致, 小尺度Dm样本比例的升高有利于样本平均lgNW的增加。除层云降水时, 梅雨开始前与梅雨期的lgNW的平均值差异未达到0.001显著性水平外, 其余不同时段Dm和lgNW的平均值差异均达到0.001显著性水平。对流降水时, 梅雨结束后时段的Dm, lgNW标准差为3个时段最高。该时段对流降水的影响系统更加多源化, 包括西风带系统影响的槽前型、副高边缘型、副高控制下的热对流型, 以及受东风波、台风等热带系统影响下的热带系统型等, 因而表现出更大的标准差, 分布也更加分散。层云降水时, 梅雨期的参数分布最为集中, 主要的影响系统相对较为单一可能是主要的原因。就偏度而言, 除对流降水lgNW的偏度为负值外, 其他各参数偏度均为正值, 即物理量的频率分布曲线偏向于大值的一侧。

      金祺等[25]和Wen等[26]也针对夏季开展了雨滴谱特征的分析, 结果与本文存在一定差异(表 5)。其中, 南京地区的夏季无论对流降水还是层云降水, 本文Dm均大于关于安徽省滁州地区的统计结果[25], 而lgNW则相反。与Wen等[26]统计的南京江宁站的雨滴谱特征相比, 本文和金祺等[25]的雨滴谱特征均表现出Dm偏大而lgNW偏低的现象。上述差异特征与统计的年份、站点位置以及所使用的观测仪器等因素有关。

      表 5  各参数夏季平均值、标准差以及与相似文献的比较

      Table 5.  Comparison in mean value and standard deviation of rainfall parameters among references

      雨滴参数 降水类型 统计参数 浦口 文献[25] 文献[26]
      Dm/mm 对流降水 平均值 1.83 1.67 1.41
      标准差 0.55 0.32 0.24
      层云降水 平均值 1.27 1.18 1.16
      标准差 0.35 0.31 0.27
      lgNw/(m-3·mm-1) 对流降水 平均值 3.79 3.91 4.37
      标准差 0.4 0.29 0.38
      层云降水 平均值 3.49 3.57 3.78
      标准差 0.55 0.54 0.45

      图 5为不同类型降水的lgNW-Dm分布。由图 5可知, 南京夏季对流降水的Dm(lgNW)介于0.629~5.748 mm(1.503~5.622 m-3·mm-1)。与夏季平均相比, 梅雨期及梅雨结束后的时段的平均lgNW-Dm总体稍偏向左上方, 而梅雨开始前则稍偏向右下方。层云降水的Dm(lgNW)分布范围介于0.492~4.148 mm(1.24~5.157 m-3·mm-1)之间, 而对流降水的主要的样本集中区位于层云降水样本的右上方。

      图  5  夏季不同类型降水的平均lgNw-Dm分布

      Figure 5.  Scatter plot of lgNw versus Dm for convective rainfall and stratiform rainfall

    • 大多数云微物理参数化方案均假设雨滴谱的分布服从伽马分布模型, 其中谱形参数μ和斜率Λ是重要参数, 分别体现了雨滴谱的分散程度以及大滴端的雨滴数浓度随直径增加而减少的速度。由表 6可知, 对流降水μΛ比层云降水更小, 体现了对流降水雨滴平均尺度更大, 这与前文的结论一致。

      表 6  不同时段μΛ平均值、标准差

      Table 6.  The mean value, standard deviation of μ and Λ from different stages

      雨滴参数 降水类型 统计参数 梅雨开始前 梅雨期 梅雨结束后 夏季平均
      μ 对流降水 平均值 2.24 3.09 4.36 3.24
      标准差 8.40 4.79 6.27 6.49
      层云降水 平均值 4.02 3.91 5.5 4.38
      标准差 5.68 5.81 6.82 6.13
      Λ/mm-1 对流降水 平均值 3.23 4.29 4.96 4.2
      标准差 2.29 3.13 4.7 3.56
      层云降水 平均值 7.36 6.55 9.21 7.43
      标准差 7.45 5.87 9.48 7.41

      3个时段的μΛ有明显差异(表 6)。随着夏季风的北推, 对流降水的μΛ平均值依次增大, 而层云降水时梅雨期的μΛ平均值最低, 其次为梅雨开始前和梅雨结束后的时段。除层云降水时, 梅雨开始前与梅雨期的μ的平均值差异未达到0.001显著性水平外, 其余不同时段μΛ的平均值差异均达到0.001显著性水平。从频率分布(图略)看, 样本平均μΛ较小时, μΛ在小值区间的样本比例更高, 因而与同类型降水的其他时段相比, 对流降水时梅雨开始前的时段以及层云降水时的梅雨期时段的谱形分布更加分散、大雨滴端的数浓度更高, 样本比例更高。与金祺等[25]的结果相比, 南京夏季对流降水μ的平均值更低, 而Λ的平均值更高; 层云降水μΛ的平均值表现出显著偏低的特征, 且样本分布更加集中。

    • 伽马分布函数的3个参数N0, Λμ相互之间并不独立。Chu等[43]基于粒子谱分布的相关理论推导证明斜率和谱形参数两者之间的二项式关系具有明确的物理意义, 并证明其关系的关键因子是雨滴平均直径所在的数浓度同雨滴总数浓度的比值。μ-Λ二项式关系也在观测研究中得到广泛证实。μ-Λ二项式关系随地域和季节变化较大[44], 拟合系数因地区、降水类型等因素存在一定的差异[15, 45-46]。已有研究表明:μ-Λ关系能够更好地描述真实降水雨滴谱分布的变化[31, 47], 因而获得基于本地雨滴谱观测的μ-Λ拟合关系对于提高雷达对降水雨滴谱分布特征的反演精度具有重要意义, 同时也是云微物理参数化方案中雨滴谱分布模型本地化改进的重要依据。

      参考Zhang等[31]的方法, 对原始数据进行筛选, 仅保留了R>0.083 mm·min-1且雨滴数量大于1000的数据。该处理方式与对流降水的划分标准有一定差异, 尤其是对数浓度有较高的要求。因此本部分统计结果可能与前文有一定差异。由图 6可见, Λμ分布在小于20的区间, 这与Chen等[15]、金祺等[25]、张洪胜等[48]的结果相类似。通过最小二乘法进行拟合, 得到

      (3)

      图  6  μ-Λ关系分布

      Figure 6.  Relationship of μ-Λ

      与文献[25]相似, 这可能因为两者地理位置接近。

      梅雨开始前、梅雨期和梅雨结束后3个时段的μ-Λ二项式的拟合结果分别为

      (4)

      (5)

      (6)

      3个时段的拟合关系式存在一定的差异。Chen等[15]认为这与质量加权直径Dm有关。根据以下关系可知Λ相同时, μ值越高则Dm越大:

      (7)

      图 6发现, 当μ>0.60时, 这3个时段的拟合曲线自上而下依次为梅雨开始前, 梅雨期和梅雨结束后, 意味着雨滴尺度依次减小; 对3个时段的样本数据Dm统计后也发现同样的规律(平均值, 梅雨开始前2.044 mm, 梅雨期1.795 mm, 梅雨结束后1.697 mm)。当μ≤0.60时, 梅雨开始前的时段, 随着μ的降低, Λ减小的速度减慢, 拟合曲线逐渐向梅雨期和梅雨结束后的时段靠近, 表明该区间的梅雨开始前的雨滴尺度的优势随着μ的降低在逐渐减弱。上述拟合μ-Λ曲线之间的总体差异均达到0.001显著性水平。

      本文对2015—2017年南京地区的梅雨期的雨滴谱样本的拟合结果与Chen等[15]的2009—2011年南京地区的梅雨期的拟合结果存在较大差异:当μ≥0.67时, 本文μ-Λ曲线分布在Chen等[15]的研究结果的下方, 意味着当R>0.083 mm·min-1且雨滴数量大于1000时, 本文雨滴的尺度总体更小。本文梅雨期的降水样本中存在11.3%Dm < 1 mm的粒子且μ均大于3, 而在Chen等[15]的研究结果中Dm < 1 mm的样本量几乎为0。当μ < 0.67时, 样本主要体现了较大尺度雨滴样本特征, 该区间样本量占总样本的23.1%, 有60.42%的Dm>2 mm的粒子, 且平均Dm、分钟降水率(Dm=2.239 mm, R= 0.82 mm·min-1)显著高于μ≥0.67时的平均值(Dm=1.662 mm, R=0.40 mm·min-1)。同时, 当μ < 0.67时, 本文的μ-Λ曲线分布在Chen等[15]的结果上方, 意味着当R>0.083 mm·min-1且雨滴数量大于1000时, 本文的雨滴的尺度总体更大。总之, 与2009—2011年相比, 2015—2017南京地区梅雨期的雨滴尺度, 当μ≥0.67时, 总体更小, 而当μ < 0.67时, 则总体更大。上述不一致性反映了雨滴微观特征变化的复杂性, 宏观上可能与研究时段内梅雨期的具体天气背景特征差异有关[49]。微观上, 气溶胶可以作为云凝结核和大气冰核直接作用于云微物理过程, 从而对云和降水过程产生复杂的影响, 最终改变降水粒子的微观特征。气溶胶特征在不同研究时段的差异也可能是雨滴的微观特征产生变化的原因之一[49-51]

    • 利用2015—2017年夏季南京地区的雨滴谱观测数据, 分析了不同类型降水的雨滴谱分布特征, 对比分析梅雨开始前、梅雨期以及梅雨结束后的3个时段的雨滴谱的特征, 得出以下结论:

      1) 南京夏季降水中弱降水的发生频率超过总降水的84%, 但对总降水的贡献低于28%。对流降水时, 平均降水率、雨滴平均尺度和数浓度均更大; 层云降水时, 降水频率更高, 雨滴平均尺度分布更加集中。梅雨开始前小时累积降水量大于等于20 mm的短时强降水频率比梅雨期和梅雨结束后的时段高1个量级。

      2) 较大尺度雨滴样本比例的提高有利于对流强降水频率、平均降水率的增加。梅雨开始前, 对流降水的频率、平均降水率以及质量加权直径平均值(Dm)为3个时段最高; 梅雨结束后存在剧烈对流活动, 极端降水频率和大尺度雨滴样本比例为3个时段首位。层云降水时, 梅雨期降水频率、降水率与Dm平均值均显著高于另外两个时段。

      3) 小尺度Dm样本比例更高有利于样本标准化截距参数平均值的增加。对流降水时, 随着夏季风的推进, 小尺度Dm样本比例增加, 对流活动以及雨滴破碎等过程增强是可能原因; 层云降水时, 充分的碰并作用是小尺度Dm样本比例偏低的重要因子。

      4) 不同时段的雨滴谱谱形参数-斜率的二项式关系式之间的差异特征, 在谱形参数的不同取值区间表现并不一致。谱形参数数值较小的样本主要呈现较大的雨滴尺度特征。

      本文分析了3个时段南京雨滴谱的统计特征及其中的可能的关联, 但对不同时段的成雨机制的讨论尚不充分, 需要基于卫星、雷达等数据以及数值模式进一步综合剖析其中的内在联系和演变过程。

参考文献 (51)

目录

    /

    返回文章
    返回