杨成芳，朱晓清

(山东省气象台，山东 济南 250031)

引言

我国日常降雪预报业务中，过去通常只预报降雪量，以小雪、中雪、大雪、暴雪等分等级或者以定量表示。随着精细化预报服务需求的发展，积雪深度预报近年来也逐渐纳入一些地区的预报业务中，以便人们根据地面上的积雪大小采取适度防御措施，更有针对性地对道路、棚架积雪进行清除，如播撒多少融雪剂、出动多少清雪车等。为了定量预报积雪深度，首先要考虑天气系统能够产生多少降雪量，然后再把降雪量转化为积雪深度。由此引入了降雪含水比的概念[1-3](有文献[4]称为降雪比，snow ratio)，以建立二者之间的转化关系。降雪含水比(snow-to-liquid ratio，SLR) 是指新增积雪深度与降雪融化后等量液体深度(降雪量)的比值，其单位有的文献采用cm·mm-1，也有的文献采用mm·mm-1(将积雪深度乘以10转为mm，再计算降雪含水比，SLR因此不带单位)。这样，只要确定了降雪量和降雪含水比，就可以计算出积雪深度。

对于SLR的研究主要集中在三个方面：SLR的影响因子、气候变化特征和预报技术[5]。更多的研究聚焦于SLR的微物理过程，研究SLR的影响因子。归结起来，温度、相对湿度、风、垂直运动、气压等气象条件对SLR都有影响。ROEBBER et al.[4]认为，云内的冰晶结构、云下的过程以及地面的压实度都要考虑。初始冰晶状态取决于温度和过饱和度，与高空的冰及液态水有关[6]。温度会导致不同的基本冰晶形态[7]，冰晶为树枝状的降雪SLR值最大。冰晶形成以后，周围的环境条件将决定冰晶增长，湿度是云内影响第二重要因素[4]。冰晶增长的过程很复杂，它在下落的过程可能会遭遇不同的环境温度及饱和度，导致产生不同相态[7]，经历了沉积增长或淞化过程之后冰晶结构会进一步改变，进而影响到SLR。例如，淞化时会影响到截获的冰晶内的气体数量，减小空隙，使得雪密度更大，SLR降低；雪降落到地面24 h内冰晶会发生形变和结构变化，使得冰晶密化，均会导致SLR减小。温度、水汽、风都会导致冰晶结构变化，如果地面温度高冰晶会融化，强风可导致冰晶解体或移动[4,8]，SLR随着风速增大而减小[3]。积雪深度是近地面多气象要素共同作用的结果，降水相态、降雪量、降雪强度、气温、地温和风速均有影响，进而会影响到降雪含水比[9]。

以上基于微物理的研究从机理上揭示气象条件对SLR的影响，预报员熟悉了影响因子进行综合判断有助于做出更为准确的积雪深度预报。但是，在日常业务中，因为缺乏精细的高空观测资料，分析云中和云下的微物理过程是比较困难的。因此，需要利用多年历史资料开展某个地区的SLR气候特征和基本变化规律研究，帮助预报员对SLR做初始估测。早在1875年，美国天气局就提供SLR=10 mm·mm-1，给预报员作为参考。我国传统预报业务中，一些预报员也以此为参考值估测积雪深度。HENRY[1]指出10 mm·mm-1只是一个近似值，对于很多地区和天气形势下不够精确。后来许多研究[2,10-12]表明SLR有相当大的变化，它取决于降雪落区、不同的气象环境参数。BAXTER et al.[2]利用美国1971—2000年7 760个站点的降雪资料统计表明，大部分地区的SLR年平均值为12～14 mm·mm-1，总体大于经验值10 mm·mm-1；SLR存在空间差异，北部大南部小，北部为15～18 mm·mm-1，南部多在9～11 mm·mm-1；另外各月SLR也有不同。杨琨和薛建军[13]利用我国2009—2011年冬季的降雪加密观测资料并采用线性拟合方法，分析得出我国冬季积雪深度变化值和相应降雪量的比值大体为0.75 cm·mm-1，该比值随气温上升呈显著减小趋势，且有明显的地区差异。崔锦等[14-15]首先分析了沈阳站32 a降雪含水比的变化特征，发现沈阳站降雪含水比的平均值为11.4 mm·mm-1，主要集中在6～12 mm·mm-1区间变化，进而提出了辽宁省小时SLR的平均值为11 mm·mm-1。杨成芳和刘畅[9]利用加密观测资料得到山东一次江淮气旋暴雪过程的降雪含水比，全省平均值为0.5 cm·mm-1，但各地差异较大。总体而言，以上研究均表明降雪含水比具有明显的空间和时间变化特征，积雪深度预报应谨慎使用SLR=10 mm·mm-1的经验值，各地应深入研究降雪量和积雪深度的关系。本文利用山东各地建站以来的历史资料进行统计分析，给出山东范围内的SLR气候值，为预报员主观预报及客观预报技术研发提供参考。

1 资料与方法

1.1 所用资料

本文使用了山东122个国家级地面气象观测站(以下简称“122站”)自建站以来至2018年12月的地面观测及1999—2018年的MICAPS高空、地面图资料。其中，地面观测资料包括08—20时、20时—次日08时的12 h降水量、日积雪深度、降水性质、日最高气温。资料来源于山东省气象信息中心。

1.2 资料处理和计算方法

降雪含水比的计算公式：

(1)

其中，SLR为降雪含水比，单位为cm·mm-1；SD为08时—次日08时的新增积雪深度(即次日08时积雪深度与当日08时积雪深度之差)，单位为cm；SL为08时—次日08时24 h降雪量，单位为mm，与新增积雪深度同一时段。

考虑到山东降雪的复杂性和观测资料的特点，做出以下限定。

1)山东降雪相态复杂[16-17]，研究表明，300个降雪日中山东降雪时地面气温不会超过3 ℃(取整数)，94%的降雪日降雪时的地面气温t<2 ℃；其中40个有雨雪转换的降雪日中，降雨时有74%的个例地面气温t≥2 ℃，而常规观测资料只能判别出一日当中有无降雪出现(有为1，无为0)，12 h和24 h降水量观测资料中均无法区分详细的雨雪相态。因此，挑选纯降雪日时，规定满足两个条件：降水日的降水性质为1；降水日的最高气温tmax<2 ℃，从而可基本剔除含有降雨的降雪日。

2)按照我国的地面气象观测规范，积雪深度的单位为cm，测量时雪深不足0.5 cm记为0，超过时读取雪深的厘米整数，小数四舍五入。在此观测规范下，降雪量越小，则降雪含水比误差可能越大。例如，假设某日降雪量为0.6 mm，积雪深度的观测记录为1 cm，根据观测规范实际的积雪深度可能为0.5～1.4 cm之间的任意数，由此计算出的降雪含水比分别是1.6 cm·mm-1、0.8～2.3 cm·mm-1，差异较大。为了减小可能的误差，并保留尽可能多的降雪样本，本文在计算降雪含水比时剔除了小雪等级(日降雪量不大于2.4 mm)的降雪日。

3)山东有两类降雪：一类是各种天气系统均可产生的降雪(预报员常称为系统性降雪)，与西南暖湿气流有关，分布于全省各地；另一类是冷流降雪(又称海效应降雪)，发生在冬季强冷空气影响下，我国渤海中东部、黄海、东海海面及其沿海地区均可产生冷流降雪，以山东半岛北部沿海地区的烟台和威海地区最为显著，冷流降雪日数可达该地区总降雪日数的70%以上[18]。本文在分析全省降雪含水比建站以来的气候特征时，考虑到两类降雪产生机制完全不同，发生频率、影响区域、降雪量和积雪深度等均有很大差异，为避免全省所有站点数据取平均会产生混淆，将全省122个国家级气象观测站分为A类和B类。其中，A类站点有115个，分布在山东内陆地区和B类站点之外的沿海地区；B类站点包括山东半岛北部沿海地区的烟台、福山、牟平、威海、文登、荣成和成山头7个站，为强冷流降雪易发区，易产生日降水量5 mm以上的强降雪。故A类站点代表山东的大部分地区，表征各类天气系统均可产生的降雪；B类站点代表山东半岛北部沿海地区，包含了冷流降雪和系统性降雪。在分析各类天气系统暴雪过程的降雪含水比特征时，采用资料齐全的1999—2018年MICAPS高空、地面图普查各暴雪过程的天气系统，有江淮气旋、回流形势、黄河气旋、低槽冷锋、暖切变线暴雪和冷流暴雪，其中冷流暴雪过程仅发生在山东半岛北部沿海地区(B类站点)，其他天气系统的暴雪在全省范围内均可发生。

1.3 降雪样本

满足上述限定条件的测站出现一个降雪日称为一个站次，作为一个样本。从全省122站自建站至2018年12月的降雪日中共筛选出7 428个有效样本，其中，A类站点样本数为6 704个，B类站点样本数为724个。A类样本主要集中在1—2月，B类样本则以12月和1月居多(表1)。由全省降雪样本数分布(图1)可以看出，样本数最多的是山东半岛北部沿海地区，超过了100个，文登最多，为129个；样本数最少的是崂山站，为19个，其次是河口和峄城，均为23个。样本数的多少与建站早晚有关，也与降雪频次有关；山东半岛北部沿海地区的样本数多，与冷流降雪频次高有关，河口样本数少则是由于建站晚(1992年建站)造成的。

表1 全省122站自建站至2018年降雪样本数

Table 1 The number of snow samples from 122 meteorological stations in Shandong from their establishment to 2018个

站点类型降雪样本数11月12月1月2月3月4月全年A类3961 5832 1861 94858476 704B类65290227105370724

图1 山东122站降雪样本数分布(单位：个)Fig.1 Distribution of the number of snow samples from 122 meteorological stations in Shandong

2 降雪量与积雪深度的关系

对山东122站的7 428个降雪样本的降雪量和新增积雪深度进行相关性分析。二者的相关系数为0.74，达到0.01显著性水平。利用最小二乘法对其进行线性拟合(图2)，得到的拟合关系式为：

y=0.80x+1.0

(2)

式中，y为08时—次日08时新增积雪深度(单位：cm)，x为08时—次日08时降雪量(单位：mm)。

以上结果表明，总体而言，山东的新增积雪深度与降雪量存在显著的正相关，二者的比值为0.80 cm·mm-1。

图2 山东24 h降雪量和新增积雪深度的关系Fig.2 Relationship between 24-h snowfall amount and depth of newly fallen snow in Shandong

3 全省降雪含水比的总体变化特征

3.1 空间分布特征

图3给出了全省122站自建站至2018年的平均降雪含水比，从中可以看出山东降雪含水比总体上呈现北高南低的分布规律。山东半岛的北部沿海地区平均降雪含水比最大，在1.1～1.5 cm·mm-1之间，文登站和荣成站以1.5 cm·mm-1居全省之首；其次是德州、滨州、济南北部至淄博北部地区，平均降雪含水比在1.0～1.1 cm·mm-1之间；东营、枣庄、临沂南部、日照的沿海地区降雪含水比最小，多低于0.8 cm·mm-1，河口和东营均为0.7 cm·mm-1，是全省最低值；其他地区的降雪含水比一般在0.8～0.9 cm·mm-1之间。由多年平均来看，全省大部地区的年平均降雪含水比为0.9 cm·mm-1，半岛北部沿海地区的年平均降雪含水比为1.3 cm·mm-1，可见以强冷流降雪为主的降雪含水比明显大于系统性降雪。

图3 山东122站建站至2018年平均降雪含水比(单位：cm·mm-1)Fig.3 Average SLR from 122 meteorological stations in Shandong from their establishment to 2018 (units: cm·mm-1)

3.2 降雪含水比分等级特征

为了分析山东降雪含水比的变化范围及集中程度，对A类站点和B类站点所有样本的降雪含水比按照0.1 cm·mm-1间隔进行分级，统计每个等级出现的站次数，然后再计算每个等级站次占其所在类总站次的百分比，所得结果如图4所示。

从图4中可以看出，无论A类站点还是B类站点，降雪含水比都在0.1～3.0 cm·mm-1之间变化。对于A类站点，降雪含水比主要集中在0.3～1.1 cm·mm-1之间，每个等级占比超过6%，占比合计达到64%，其中以0.8～1.0 cm·mm-1的占比最高，每个等级各为8%～9%；降雪含水比大于2.0 cm·mm-1的占比合计为5%。由此可见，对于A类站点，出现高降雪含水比的概率较小。相比之下，B类站点的降雪含水比相对较高，多集中在0.9～2.0 cm·mm-1之间，合计占比为63%；小于0.2 cm·mm-1和大于2.5 cm·mm-1的占比均在2%以下，合计占比为6%。这表明B类站点出现极小和极大降雪含水比的概率很低。

图4 山东122站建站至2018年降雪含水比各等级占比Fig.4 Percentage of each grade of SLR (interval: 0.1 cm·mm-1) from 122 meteorological stations in Shandong from their establishment to 2018

3.3 月变化特征

图5给出了两类降雪各月降雪含水比的箱须图，以此分析各地降雪含水比的月变化特征。

A类站点降雪的降雪含水比特征(图5a)总体表现为：1月最大，12月、2月、3月、11月、4月依次减小。在冬季(12月—次年2月)，1月和12月的降雪含水比基本接近，25%～75%分位的降雪含水比都在0.6～1.3 cm·mm-1之间，中位数(50%分位，下同)1月最大，为1.0 cm·mm-1，12月为0.9 cm·mm-1；2月的降雪含水总体比1月和12月稍低一些，25%～75%分位的降雪含水比为0.5～1.2 cm·mm-1之间，中位数为0.9 cm·mm-1。11月和3月是冬季的过渡月份，二者的降雪含水比特征也基本类似，中位数均为0.7 cm·mm-1，25%～75%分位的降雪含水比分别为0.4～1.0 cm·mm-1和0.4～1.1 cm·mm-1。4月的降雪含水比最小，只有0.1～0.2 cm·mm-1。因4月的气温高，降雪日少，符合计算条件的样本只有7个，且均发生在1964年4月6日，故获得的计算结果虽然可以说明4月降雪含水比低，但样本太少不具备代表性。

图5 山东122站建站至2018年各月降雪含水比(a. A类站点，b. B类站点)Fig.5 Monthly SLR from 122 meteorological stations in Shandong from their establishment to 2018 (a. A type stations, b. B type stations)

B类站点各月的降雪含水比特征(图5b)总体表现为：12月最大，11月、1月、2月、3月依次减小。12月25%～75%分位的降雪含水比在1.1～1.9 cm·mm-1之间，中位数最大为1.5 cm·mm-1；11月和1月均较12月略低，中位数分别为1.4 cm·mm-1和1.3 cm·mm-1，25%～75%分位分别在1.0～1.9 cm·mm-1和0.9～1.8 cm·mm-1之间。2月和3月的中位数分别为0.8 cm·mm-1和1.0 cm·mm-1。

综上分析，山东各地的降雪含水比具有明显的月变化特征。山东大部地区降雪的月变化与辽宁类似[15]，相同点是1月降雪含水比最大，12月次之，不同点在于其他月份。山东半岛北部沿海地区的降雪含水比则是12月最大，11月次之，与内陆地区的降雪差异较大。

3.4 不同降雪量等级的降雪含水比特征

以上分析表明了各月降雪含水比的总体变化特征。为进一步分析不同降雪量等级的降雪含水比特征，分别计算了中雪(24 h降雪量为2.5～4.9 mm)、大雪(24 h降雪量为5.0～9.9 mm)和暴雪(24 h降雪量大于或等于10.0 mm)的各月降雪含水比。

A类站点各等级降雪的降雪含水比如图6a所示。对于中雪，1月的降雪含水比最大，中位数为1.1 cm·mm-1，25%～75%分位在0.7～1.4 cm·mm-1之间；12月和2月的中位数和75%分位相同，分别为0.9 cm·mm-1和1.3 cm·mm-1；11月和3月的降雪含水比最低，中位数和75%分位分别为0.8 cm·mm-1和1.1 cm·mm-1。大雪冬季各月的降雪含水比基本相当，中位数均为0.8 cm·mm-1，25%分位均为0.5 cm·mm-1，75%分位在1.1～1.2 cm·mm-1之间；3月的降雪含水比略低于冬季，其中位数和75%分位分别为0.7 cm·mm-1和1.0 cm·mm-1；11月最低，中位数和75%分位分别为0.6 cm·mm-1和0.9 cm·mm-1。暴雪的降雪含水比在三个降雪量等级中最小，12月和1月的降雪含水比中位数在0.7～0.8 cm·mm-1之间，75%分位为1.0 cm·mm-1；11月和3月的中位数在0.5～0.6 cm·mm-1之间；2月的中位数最小，为0.3 cm·mm-1。由此可见，对于A类站点降雪，从中雪至暴雪随着降雪量等级的增大降雪含水比依次减小；各降雪量等级的降雪含水比最大值均出现在1月(中雪)或12月(大雪、暴雪)，最小值出现在11月(中雪、大雪)或2月(暴雪)；相比较而言，大雪的各月含水比基本相当，月中位数最大差为0.2 cm·mm-1，而暴雪各月差异较大，最大月与最小月的降雪含水比中位数相差0.5 cm·mm-1。

B类站点各等级各月的降雪含水比如图6b所示，表现出与A类站点降雪明显不同的规律。B类站点的中雪11月和12月的降雪含水比最大，中位数在1.5～1.6 cm·mm-1之间，25%～75%分位在1.0～2.0 cm·mm-1之间；1月和3月的中位数均为1.2 cm·mm-1，2月中位数最小，为1.0 cm·mm-1。对于大雪，12月的降雪含水比最大，中位数达1.6 cm·mm-1，11月次之，中位数为1.4 cm·mm-1；1月和3月的中位数均为1.1 cm·mm-1，2月中位数最小，为0.7 cm·mm-1。暴雪的降雪含水比最大仍然是1月，中位数为1.5 cm·mm-1，11月和1月紧随其后，在1.3～1.4 cm·mm-1之间；2月最小，为0.6 cm·mm-1。由此可见，对于B类站点，在降雪分等级、分月后表现出复杂的特征。11月、12月和1月B类站点以冷流降雪为主，中雪、大雪和暴雪的降雪含水比基本相当，各月差异也不大；2月和3月的降雪含水比表现出了与A类站点类似的月变化特征，即随着降雪量等级的增大，降雪含水比减小，这是因为该时期冷流降雪的发生频率和降雪量明显减小，产生的降雪性质与A类站点基本相同。

图6 各降雪量等级的降雪含水比月变化(a. A类站点，b. B类站点；后缀-a、-b、-c分别代表中雪、大雪、暴雪)Fig.6 Monthly variation of SLR of different grade of snow (a. A type stations, b. B type stations; suffixes "a", "b", and "c" denote moderate snow, heavy snow, and snowstorm, respectively)

4 各类天气系统暴雪过程的降雪含水比特征

1999—2018年山东共出现了67次暴雪天气过程。其中，江淮气旋暴雪15次、回流形势暴雪12次、黄河气旋暴雪5次、低槽冷锋暴雪4次、暖切变线暴雪3次、冷流暴雪28次。为了使得各类天气系统的降雪含水比气候值具有代表性，仅选取各站点符合计算条件的样本数均在3个以上的天气过程，由此确定江淮气旋、回流形势和冷流暴雪参与分类天气系统的气候特征分析。山东江淮气旋和回流形势暴雪一般都存在“先雨后雪”降水相态转换，在计算降雪含水比时按照给定规则剔除暴雪过程中的雨雪转换日，只保留纯雪日。

4.1 江淮气旋暴雪

江淮气旋暴雪发生次数多、范围广、强度大，是山东暴雪的主要天气系统之一，山东降雪量最大的暴雪过程均发生在江淮气旋影响下。江淮气旋暴雪过程存在复杂的降水相态转换，通常“先雨后雪，南雨北雪”，一般鲁东南和半岛南部地区始终为降雨或以降雨为主，其他地区“先雨后雪”，暴雪多发生在鲁西北、鲁西南、鲁中和半岛北部等气温较低的地区。

图7 江淮气旋暴雪过程各站平均降雪含水比分布(单位：cm·mm-1)Fig.7 Distribution of average SLR of snowstorm produced by Changjiang-Huaihe cyclone at each station (units: cm·mm-1)

15次江淮气旋暴雪过程的全省平均降雪含水比为0.69 cm·mm-1。全省各站平均值的空间分布(图7)显示，江淮气旋暴雪过程的降雪含水比总体上呈现出“北大南小，山区大沿海小”的特征。具体表现为：山东半岛的低山丘陵地区降雪含水比最高，中心位于栖霞至招远一带，最大值为1.2 cm·mm-1；鲁西北和鲁中山区的降雪含水比大部分在0.8 cm·mm-1左右；鲁南的南部、半岛的东南沿海和潍坊的东南部地区降雪含水比均低于0.5 cm·mm-1。江淮气旋暴雪过程的降雪含水比分布规律与其天气系统特点有关。江淮气旋系统影响山东时，山东的东南部地区对流层低层一般为东南风，中层为强盛的西南风，中低层温度高，雪降落到地面后易融化，积雪深度小，从而导致降雪含水比小，而山东其他地区对流层低层为东北冷平流，温度低，降雪含水比大。

一次暴雪天气过程中，全省各地的降雪量常会有明显差异，从小雪至暴雪各量级均可产生。从上文分析中得到，山东大部分地区的降雪含水比随着降雪量等级的增大而减小。那么，对于江淮气旋暴雪过程，不同等级降雪的降雪含水比有什么特点？

15次江淮气旋暴雪过程中，全省中雪、大雪和暴雪的总站次数分别为133个、223个和121个。图8给出了江淮气旋暴雪过程中雪、大雪和暴雪的降雪含水比箱须图。从图中可以看出，江淮气旋暴雪过程的降雪含水比同样具有随着降雪量等级增大而减小的特点。其中，中雪的降雪含水比中位数为0.8 cm·mm-1，25%～75%分位在0.6～1.1 cm·mm-1之间；大雪的降雪含水比略低于中雪，中位数为0.7 cm·mm-1，25%～75%分位在0.4～0.9 cm·mm-1之间；暴雪的降雪含水比最小，中位数为0.5 cm·mm-1，25%～75%分位在0.3～0.8 cm·mm-1之间。

图8 江淮气旋暴雪过程各降雪量等级的降雪含水比(a、b、c分别表示中雪、大雪、暴雪)Fig.8 SLR of different grade of snowstorm produced by Changjiang-Huaihe cyclone (a, b, and c denote moderate snow, heavy snow, and snowstorm, respectively)

4.2 回流形势暴雪

回流形势降雪是山东冬半年最常见的一类降雪。回流形势暴雪主要发生在11月—次年1月，以11月最多。大范围和区域性回流暴雪过程通常雨雪共存，局地回流暴雪多为单纯降雪。有雨雪转换的过程中，鲁西北、鲁西南、鲁中北部和半岛北部地区为回流降雪易发区，而同时鲁东南和半岛南部地区多为降雨[19]。

12次回流形势暴雪过程的全省平均降雪含水比为0.67 cm·mm-1，与江淮气旋暴雪过程的全省平均值相当。由空间分布(图9)来看，在回流降雪易发区内降雪含水比相对较高，鲁西南、鲁西北、鲁中北部和半岛低山丘陵地区的平均降雪含水比大部分在0.7～0.9 cm·mm-1之间，中心值最大为1.0 cm·mm-1，出现在烟台地区的栖霞至莱阳一带及德州的临邑；鲁东南地区的降雪含水比多在0.4 cm·mm-1以下，日照最低，仅为0.3 cm·mm-1。

图9 回流形势暴雪过程各站平均降雪含水比分布(单位：cm·mm-1)Fig.9 Distribution of average SLR of backflow snowstorm at each station (units: cm·mm-1)

分析各降雪量等级的降雪含水比(图10)，回流形势暴雪过程中雪的降雪含水比中位数为0.8 cm·mm-1，25%～75%分位在0.5～1.0 cm·mm-1之间；大雪和暴雪的降雪含水比差异不大，中位数均为0.6 cm·mm-1，25%分位为0.4 cm·mm-1，75%分位为0.8～0.9 cm·mm-1。

4.3 冷流暴雪

冷流暴雪仅在山东半岛北部沿海地区发生。1999—2018年共出现了28次冷流暴雪过程。分析表明，所有站点的降雪含水比在0.2～2.8 cm·mm-1之间变化，中位数为1.4 cm·mm-1，25%分位和75%分位分别为1.1 cm·mm-1和1.7 cm·mm-1。可见，与江淮气旋暴雪和回流形势暴雪相比，山东半岛北部沿海地区冷流暴雪的降雪含水比明显增大。

进一步分析28次暴雪过程中三个降雪量等级的降雪含水比(图11)，中雪、大雪、暴雪的降雪含水比中位数分别为1.4 cm·mm-1、1.6 cm·mm-1和1.3 cm·mm-1；75%分位分别为1.7 cm·mm-1、1.8 cm·mm-1和1.6 cm·mm-1；25%分位分别为1.1 cm·mm-1、1.1 cm·mm-1和1.2 cm·mm-1。这表明在冷流暴雪过程中，大雪等级的降雪含水比最大，暴雪最小。

图10 回流形势暴雪过程各降雪量等级的降雪含水比(a、b、c分别表示中雪、大雪、暴雪)Fig.10 SLR of different grade of backflow snowstorm (a, b, and c denote moderate snow, heavy snow, and snowstorm, respectively)

图11 冷流暴雪过程各降雪量等级的降雪含水比(a、b、c分别表示中雪、大雪、暴雪)Fig.11 SLR of different grade of ocean-effect snowstorm (a, b, and c denote moderate snow, heavy snow, and snowstorm, respectively)

5 结论与讨论

利用山东122个国家级地面气象观测站自建站以来至2018年12月的地面观测资料及1999—2018年的MICAPS高空、地面图资料，统计分析了山东各地的降雪含水比气候特征，取得以下主要结论。

1)山东降雪含水比的变化范围为0.1～3.0 cm·mm-1。各地分布存在空间和等级差异，全省大部地区多年平均降雪含水比为0.9 cm·mm-1，主要集中在0.3～1.1 cm·mm-1之间，出现2.0 cm·mm-1以上的概率低于5%；山东半岛北部沿海地区的多年平均降雪含水比为1.3 cm·mm-1，主要集中在0.9～2.0 cm·mm-1之间，出现0.2 cm·mm-1以下和2.5 cm·mm-1以上的概率很小。

2)山东降雪含水比的大小与降雪量等级有关，且存在明显月变化。全省大部地区从中雪至暴雪随着降雪量等级的增大，降雪含水比依次减小，各等级的降雪含水比月最大值均出现在1月(中雪)或12月(大雪、暴雪)，最小值出现在11月(中雪、大雪)或2月(暴雪)。山东半岛北部沿海地区的降雪含水比表现出更为复杂的特征：11月—次年1月以冷流降雪为主，中雪、大雪和暴雪的降雪含水比基本相当，各月差异较小；2月和3月的降雪含水比表现出了与其他地区降雪类似的月变化特征。

3)各天气系统暴雪的降雪含水比具有不同特征。江淮气旋暴雪过程平均降雪含水比为0.69 cm·mm-1，总体上呈现“北大南小，山区大沿海小”分布，中雪、大雪和暴雪的降雪含水比中位数分别为0.8、0.7和0.5 cm·mm-1。回流形势暴雪过程的全省平均降雪含水比为0.67 cm·mm-1，中雪的降雪含水比中位数为0.8 cm·mm-1，大雪和暴雪均为0.6 cm·mm-1。冷流暴雪的降雪含水比明显大于其他两类暴雪，中位数在1.1～1.6 cm·mm-1之间变化，中雪、大雪和暴雪的降雪含水比中位数分别为1.4、1.6和1.3 cm·mm-1。

本文的研究结果给出了山东各地降雪含水比的统计值，分析了气候特征，为预报员制作积雪深度预报提供了参考依据。研究中发现，即使是同一类天气系统，不同降雪过程的降雪含水比也可能会存在较大差异。这是因为虽然降雪含水比为积雪深度与降雪量之比，实际上二者并非总是简单的线性关系，积雪深度不仅受到降雪量、气温、地温、风向风速、湿度等气象因素的影响，还有太阳辐射、地形地貌等的影响，从而导致降雪含水比不可能是固定数值。因此，在实际预报业务中应用降雪含水比的统计值时要注意不同降雪量等级、不同月份及各类天气系统降雪过程降雪含水比的差异，同时还要综合考虑其他因素的影响。另外，对于一些持续时间短或者冷平流弱的降雪过程，至次日08时部分积雪可能融化或产生形变，从而导致降雪含水比较实况小，文献[9]基于加密观测资料的研究结论也证实了这一点，并非所有站点的积雪深度在08时达到最大值。由于积雪深度历史资料的局限性，本文采用08时—次日08时24 h资料进行统计分析可能不一定有完全的代表性。今后，有待通过人工加密观测资料及逐渐普及的积雪深度自动观测资料进行深入研究，获取精细的降雪含水比。