刘晓璐 张 元 刘东升

1)(四川省人工影响天气办公室， 成都 610072)

2)(中国气象局云雾物理环境重点开放实验室， 北京 100081)

引 言

云由水滴(云滴、雨滴)和冰粒子组成。云中液态水含量是云物理特征的重要参数，也是人工增雨(雪)的重要指标，它的大小和分布是确定催化剂量和云中播撒位置的重要依据。人工影响天气技术已在我国得到广泛应用，在抗旱减灾、防雹减灾和生态文明建设等方面发挥了重要作用，提高人工催化效率需建立在对云的精准探测基础上，其中对云中液态水含量的探测尤为重要，云中液态水含量测量精度直接影响人工影响天气效果[1-13]。飞机飞行中也需要关注云中的过冷水含量，以防发生严重飞机积冰情况[14]。不同阈值的液态水含量和云粒子数浓度及其组合是入云判别指标[15-17]。

云中含水量可采用以下方法获得[18]：①通过探测云滴和雨滴的直径与数量，计算得到云中液态水含量。②通过热线含水量仪直接感应测量，探测云中液态水耗散的功率测量云水含量，如通过DMT(Droplet Measurement Technologies)公司云粒子探测系统中的热线含水量仪LWC-100探测电压数据可计算出云水含量。热线含水量仪能够测量不同粒径范围的液态水含量，由于粒子破碎或者电磁噪声等原因，机载云粒子图像探头会探测到伪粒子图像，导致云微物理参数计算结果偏差[19]。

机载热线含水量仪LWC-100是进口设备，对测量原理和实际操作不熟悉，会造成液态水含量数据误差较大的情况发生。目前河北省人工影响天气中心、北京市人工影响天气中心、山西省人工增雨防雷技术中心、中国气象局人工影响天气中心的专家开展相关研究，利用入云判别指标，通过机载应用软件M300自动识别入云时刻，对机载热线含水量仪探测数据进行校验。本研究在分析四川省2015年和2017年机载热线含水量仪测得液态水含量存在异常极大值、极小值和负值数量多等问题基础上，提出科学合理的液态水含量校验方法，并验证其可行性。

1 数据与方法

利用2015年和2017年在四川盆地南部开展的10架次飞机云物理探测数据和对应时间的地面降水数据，分析机载探测数据。飞机探测数据为新舟60飞机搭载的DMT公司的云粒子探测系统。探测设备包括热线含水量仪(hot-wire liquid water content sensor)，云粒子探头(cloud droplet probe，CDP)，云粒子图像探头(cloud imaging probe，CIP)，降水粒子图像探头(precipitation imaging probe，PIP)，飞机综合气象要素测量系统(Aircraft Integrated Meteorological Measurement System)(AIMMS-20)[20-28]。表1为设备类型、测量范围和探测要素等信息。

微波辐射计数据为布设在四川省宜宾县气象站(28.7°N，104.6°E，海拔287 m)的MWP 967KV型地基多通道微波辐射计反演数据，采用BP神经网络实时反演大气温度、相对湿度、水汽密度、液态水含量廓线[29]。廓线垂直覆盖范围为地表至顶空10 km，共划分为58层，以地表作为第1层起向上，第1～11层、第11～26层、第26～58层分辨率分别为50，100，250 m，时间分辨率为3～5 min。

雨量数据为国家一般气象站四川省宜宾县气象站的逐分钟雨量。

2 热线含水量仪的探测原理

LWC-100可通过测量水滴蒸发时释放的热量计算液态水含量。加热气缸暴露在气流中，拦截迎面而来的液滴。电子设备将该传感器保持在恒定温度(约125℃)，并监测飞行过程中液滴碰撞到线圈蒸发时调节温度所需的功率。传感线消耗的功率(Pt)主要包括对流热损失(Pd)和潜热损失(Pw)。对流热损失由流经加热传感器的空气产生。潜热损失是水滴撞击或经过传感器附近蒸发的结果。

传感线消耗的功率Pt可由电压和电流计算得到。对流热损失功率Pd的算法有2种：第1种是根据实验室经验公式，计算的液态水含量值记为L1；第2种是根据入云前的线圈电压与电流计算的功率，计算的液态水含量记为L2。

3 液态水含量数据存在的问题

表2整段飞行中L1与L2有异常极值出现，第9飞行架次的L1极大值达69.13 g·m-3，第6架次L2的极小值达-11.54 g·m-3。当CDP，CIP和PIP 3种探头探测的粒子数浓度N均为0时，L1与L2并非全部为0。由此可见在热线含水量仪的L1与L2存在3种明显的误差问题：存在负值，极大值异常，未探测到液态水粒子的情况下液态水含量不为0。

表2 液态水含量数据概况

L1与L2误差产生的主要原因有4种。原因1：实验室经验公式的参数多，包括温度、气压、真空速等，各个参数的误差导致计算的L1误差叠加。原因2：飞机探测阶段，机上操作人员未在入云前操作调零，导致L2实际是由未减去Pd的Pt计算得出。原因3：飞机探测阶段，机上操作人员全程仅采集1次入云前的Pd，作为整段探测飞行的Pd，导致不同海拔高度(简称高度)不同温度上均使用同样的Pd。原因4：飞行过程中入云和出云间隔时间较短，Pd由人为操作采集，采集操作不及时，导致L2产生误差。原因1属于仪器误差，只有提高仪器对温度、气压、真空速的探测精度，才能降低多变量公式导致的误差叠加。原因2、原因3和原因4均属于操作误差，可以通过研究校验仪器所参考的指标阈值，规范仪器的操作流程，使用机载软件M300自动化校验等办法，从而降低人为操作导致的误差。

4 校验方法

针对液态水含量数据存在的问题，需要逐条解决，依照上述产生原因对应拟定4条校验原则。原则1：避免实验室经验公式中的多参数组合计算产生误差重叠。原则2：入云前采集Pd。原则3：整段飞行探测入云前Pd为动态变化。原则4：以探测数据作为入云的客观判别指标，变化可能是秒级，而人为判别后再操作可能会延误校验设备的时机。

4条校验原则均涉及入云前Pd，由此可见，入云前Pd判别至关重要。Pt和Pd分别是入云后和入云前消耗的功率，由于电流是10 A，因此选出入云前线圈电压是关键，即入云判断是关键。

本文以CDP，CIP，PIP 3种探头的探测为重要依据，有3种方法判断是否入云，见表3。方法1：以CDP探头不同粒子尺度分档为标准，不低于某一档尺度的粒子数浓度大于0记为入云。该方法以CDP云粒子探头为唯一探测设备，既考虑云粒子尺度因素，又考虑不同尺度云粒子的数浓度因素。方法2：以CDP数浓度大于10 cm-3为入云判定条件。该方法以CDP探头为唯一探测设备，采用Rangno等[30]提出的当大于2 μm 的粒子数浓度超过10 cm-3时判断为云水区，仅考虑云粒子数浓度。方法3以CDP，CIP，PIP 3种探头探测的粒子数浓度大于0记为入云。该方法以CDP，CIP，PIP 3种探头为探测设备，仅考虑3种探头探测的粒子数浓度。因此3种方法均满足原则2、原则3和原则4的设定，根据探测数据动态判别是否入云。

表3 入云判别方法与指标阈值

按照上述3种方法，分别计算10次探测飞行的液态水含量。为了满足原则1设定，不使用实验室经验公式，直接选取线圈电压计算。

5 校验方法验证

3种方法校验后，当CDP，CIP，PIP 3种探头探测的粒子数浓度等于0时液态水含量均为0。

CDP探头测量粒子尺度范围为2～50 μm，共分为30档，前12档分辨率为1 μm，后18档分辨率为2 μm，依据方法1分别计算CDP探头30档尺度的液态水含量。热线含水量仪原理中仅考虑液态水对热线功率的影响，因此为避免存在冰相粒子导致CDP数浓度偏大的影响，校验方法的验证仅针对温度大于0的正温区。

由图1a可见，正温区的液态水含量为负值的数量占正温区样本量的比率，10个架次负值占比为0～28%，所有架次的负值占比在粒子尺度5 μm均小于5%。第3，4，6，9，10架次呈现直线陡降形态，第5，8架次呈现以粒子尺度24 μm为波峰的单波形态，第1，2，7架次呈现随粒子尺度增大负值占比波动减少特征，整体上所有架次在粒子尺度为5～7 μm 呈负值占比的低值区。由图1b可见，正温区的液态水含量最小值，10个架次负值最小值为-1.33～0 g·m-3，除了第2，3，5架次分别在粒子尺度12，20，20 μm出现谷值，其余7架次整体呈尺度越大，液态水含量越小，值越接近0的趋势，整体上除了在粒子尺度为48 μm外，所有架次在粒子尺度为5～7 μm和14～16 μm较其他尺度的负值误差更小。图1c是正温区的液态水含量最大值，10个架次负值最大值为0～1.37 g·m-3，在6，20，26，36 μm等尺度存在阶梯性陡降的特征。整体上呈尺度越大、最大值越接近0的趋势，所有架次粒子尺度在2～6 μm 内，液态水含量的最大值未出现减小。

图1 方法1确定的10个架次正温区的液态水含量负值占比(a)、最小值(b)和最大值(c)

综上可知，相较其他尺度，5 μm计算的液态水含量负值数量更少，负值的极值更合理，正值的极值未减小。其原因可能是能够在热线含水量仪的线圈上发生影响电压变化的云粒子尺度阈值为5 μm。如果选择阈值大于5 μm，虽然负值占比更低，但是正值的数值减小，同样会造成液态水含量的探测值较实际值偏小的误差。所以，5 μm可以作为方法1的最优尺度，即以粒子尺度不小于5 μm的粒子数浓度大于0为入云指标。

表4为10次探测正温区采集的样本量，其中方法1的入云指标为不小于5 μm的粒子数浓度大于0。

表4 正温区的液态水含量的探测数据及3种方法校验值对比

方法1，2，3均降低了第8，9，10架次的负值占比，方法1，2还降低了第2和第6架次的负值占比。对于第1，3，4，5，7架次的负值占比，虽然3种方法均没有降低负值占比，但探测数据极值异常，经过方法1，2的校验，消除了极小值过小或极大值过大的异常现象。虽然方法2的负值占比有6个架次小于方法1，但是经过方法2计算的第6，7架次的液态水含量为0，而CDP探头的总数浓度虽然小于10 cm-3但是存在大于5 μm的云滴，因此液态水含量值为0与实际不符。以负值的数量和极值大小作为评价依据，综合判断方法1整体优于方法2和方法3。因此，方法1以粒子尺度为5 μm 作为入云前干功率采集时机，是最优选方法。

图2为2015年12月1日四川省的一次飞行航迹，飞机定位信息取自机载综合气象测量系统(AIMMS-20)。当日飞机起降机场为四川广汉机场，在四川省宜宾市开展水平探测飞行。

图2 2015年12月1日飞机探测的飞行轨迹和地基微波辐射计位置投影

图3a 11:02:24(北京时,下同)飞机从A点871 m 高度快速爬升，11:21:37到达4063 m高度的B点，到达C点前10 min内在4032～4065 m高度水平探测飞行，随后开展4次下降后水平探测飞行，11:32:47—13:12:40的DE段高度为3656～3743 m，13:15:57—13:25:11的FG段高度为3023～3055 m，13:28:38—13:53:05的HI段高度为2368～2411 m，13:57:36—13:59:53的JK段高度为1451～1476 m，14:02:05—14:03:55的LM段高度为865～888 m。14:06:01在N点落地，飞行时长3 h。整段飞行中，有3段出现温度陡降的现象，分别为飞机爬升阶段AB段，平飞阶段DE和HI段内。该架次全程飞行温度均在正温区，最低温度为0.3℃。

图3b第1段降温的爬升阶段，CDP和PIP探测到粒子最大数浓度分别为5.4×103和1.4×10-3cm-3，CIP探头在此段故障无数据。第2段降温的平飞阶段，CDP，CIP，PIP探测到粒子最大数浓度分别为2.1×103，0.26，0.02 cm-3。第3段降温开始于飞行降高度，在平飞阶段持续，CDP，CIP，PIP探测到粒子最大数浓度分别为0.7×103，0.53，8.0×10-3cm-3。

图3c是液态水含量的探测数据和方法1，2，3的校验值。探测数据在起飞和落地时均有异常极值出现，液态水含量探测值整体高于3种方法的校验值，特别在12:50—13:20期间3个探头均无明显数浓度，但探测数据却能达到0.1～0.5 g·m-3，这明显与事实不符。方法2在12:19:37出现极小值-0.93 g·m-3，与方法1和方法3校验值相比明显异常。方法3的负值数达到1528例，比方法1和方法2的负值数多近10倍。

图3d是飞机探测与宜宾地基微波辐射计的距离，飞机在12:45:58的3687 m高度时与地基微波辐射计的水平距离最近，为17.45 km。

图3 2015年12月1日飞机探测要素随时间变化

续图3

选取飞机与微波辐射计距离为20 km范围的时间段12:43:50—12:48:21，该时段在3677～3699 m高度飞行，微波辐射计反演的最近高度层为3787 m，比较热线含水量仪3种方法校验后的和微波辐射计反演的液态水含量。由图4可见，微波辐射计反演的液态水含量在0.034～0.054 g·m-3，方法1、方法2、方法3校验后的液态水含量分别在0～0.058，0，-0.109～0.130 g·m-3。方法2的液态水含量全部为0，方法3的液态水含量有大量负值，方法1的液态水含量无负值，方法1的液态水含量极值与微波辐射计的数值也接近。综上所述，该架次整段飞行选择CDP采集到不小于5 μm的粒子时作为入云的指标较为合理。

图4 2015年12月1日飞机与地基微波辐射计水平距离20 km范围内的液态水含量随时间变化

2017年11月27日12:04:58—17:02:33探测飞机在四川省宜宾市开展水平与垂直探测飞行，飞行时长近5 h。热线含水量仪探测的液态水含量在13:39—13:46有异常极值-3.8 g·m-3，这明显与事实不符。选取飞机与微波辐射计距离为20 km范围正温区的时间段14:27:39—15:22:49，该时段内飞机与地基微波辐射计的水平距离最近为9.76 km，飞机在3600～4483 m高度飞行，微波辐射计反演数据在3537～4537 m高度层就近选择，比较热线含水量仪和微波辐射计的液态水含量。微波辐射计反演的液态水含量为0.007～0.008 g·m-3，方法1、方法2、方法3校验后的液态水含量分别为0～0.0088，0，-0.003～0.0088 g·m-3。方法2的液态水含量全部为0，方法3的液态水含量有大量负值，方法1的液态水含量无负值且其含量极值与微波辐射计数值接近。综上所述，该架次整段飞行选择CDP采集到不低于5 μm 的粒子时作为入云的指标较为合理。

6 结论与讨论

针对2015年和2017年在四川省开展的飞机云物理探测的热线含水量仪探测和计算的液态水含量存在异常极大值、负值数量多等问题，分析产生原因，提出校验方法。

1) 产生异常大值和负值的可能原因包括：各个参数的误差导致液态水含量计算值的误差叠加；未在入云前采集干功率；整段探测飞行仅采集1次入云前的干功率；人为采集入云前的干功率但时机把握不够精准，环境变化导致热线含水量仪产生误差。

2) 依据CDP，CIP，PIP 3个探头的探测数据，提出3种方法对入云前的干功率进行重新计算，方法1以CDP探头的不同粒子尺度分档为标准，不低于某一档尺度的粒子数浓度大于0记为入云。方法2以CDP探头的数浓度大于10 cm-3为入云判定条件。方法3是以CDP，CIP，PIP 3种探头探测的粒子数浓度大于0记为入云。

3) 依据方法1分别计算CDP探头30档尺度的液态水含量。校验方法仅针对温度大于0℃的正温区，结果显示5 μm较其他尺度计算得到的液态水含量的负值数量更少，负值的极值更合理，正值的极值未减小。其原因可能是能够在热线含水量仪的线圈上发生影响电压变化的云粒子尺度阈值为5 μm。

4) 3种方法均可纠正液态水含量不为0的情况，负值数量也较探测数据明显减少。以负值数量和大小作为评价依据，方法3的负值占比和极值异常值等问题较方法1和方法2偏多。以CDP探头云粒子谱分布为依据，方法2降水存在液态水的数据校验为0，这显然与事实不符。因此，方法1以不小于5 μm的粒子数浓度大于0记为入云，校验计算得到的液态水含量较方法2和方法3更优，校验后的数据更加可靠。

致 谢：河北省人工影响天气中心杨洋工程师、山西省人工增雨防雷技术中心李义宇高级工程师、中国气象科学研究院人工影响天气中心高扬高级工程师、北京市人工影响天气中心马新成正研级高级工程师对本文给予指导和帮助，特此感谢。