胡雅君 张 伟 张玉轩 温 龙

1.厦门市海峡气象开放重点实验室，厦门，361012

2.福建省灾害天气重点实验室，福州， 350001

3.翔安区气象局，厦门，361103

4.厦门市气象台，厦门，361012

5.西昌卫星发射中心，西昌，615000

1.Xiamen Key Laboratory of Strait Meteorology，Xiamen 361012，China

2.Fujian Key Laboratory of Severe Weather，Fuzhou 350001，China

3.Xiang'an Meteorological Bureau，Xiamen 361103，China

4.Xiamen Meteorological Observatory，Xiamen 361012，China

5.Xichang Satellite Launch Center，Xichang 615000，China

1 引 言

雨滴谱（Drop Size Distribution，简称DSD）反映了降水雨滴的尺度分布特征。研究雨滴谱特征可以加强对降水系统中云微物理过程的认识，对于云内成雨机制的探索、数值模式云微物理参数化方案的改进和雷达定量降水估计精度的提高等方面都具有重要的意义。

针对雨滴谱的研究可以追溯到20 世纪40 年代。Marshall 等（1948）测量了雨滴谱的平均分布特征，认为指数分布（M-P 分布）可以较好地描述雨滴随粒径的分布。Ulbrich（1983）进一步提出了三参数的Gamma 雨滴谱分布模型，该模型能够更好地反映真实降水过程中雨滴谱大、小粒子端的变化特征，目前已被广泛认可（Tokay，et al，1996）。Zhang等（2001）和Brandes 等（2003）发现Gamma 雨滴谱分布模型的形状参数（μ）和斜率参数（Λ）存在相关，可以在雨滴谱反演中将三参数Gamma 模型降为双参数求解。关于雨滴谱特征的众多研究表明，受大气状态和局地地形条件的影响，不同类型的降水雨滴谱分布呈现出明显的差异（Tokay，et al，1996；金祺 等，2015；李 慧 等，2018；Seela，et al，2018）。Bringi 等（2003）利用降水率的时间变化及其标准差，将降水分为对流云降水和层状云降水，并得到海洋性对流、大陆性对流以及层云的雨滴谱特征。Tokay 等（2008）研究指出热带气旋的雨滴平均尺度小，雨滴直径集中在4 mm 以下，但粒子数浓度大；暴雨过程中小雨滴占大多数，而大雨滴数量随着雨强的增大而增大（濮江平等，2012）。根据雨滴谱特征参数和导出的后向散射截面特征还可以计算得到不同波段的雷达反射率因子和双偏振变量等参数，进而提高本地化定量降水估计精度（刘红燕等，2008；冯雷等，2009；杨加艳等，2010；Wen，et al，2016；黄兴友等，2019）。

华南前汛期是闽南沿海全年降雨的重要组成部分，雨量接近全年雨量的40%。有关华南前汛期降水的研究已有很多，一方面从宏观角度研究其环流系统、时空分布、触发机制等（郑彬等，2007；章丽娜等，2011；胡娅敏等，2014；伍红雨等，2015），另一方面从微观角度研究其降水微物理特征。吴兑等（1994a，1994b）利用滤纸色斑法研究华南地区降水微物理及化学特征，指出广州地区雨滴谱特征以多峰型为主，极少出现无峰型（吴兑等，1998），并拟合了适用于华南地区的Z-R关系（吴兑，1989）。近年来，随着观测技术的进步，基于一维或二维观测仪器对华南地区雨滴谱的研究逐渐增多。Zhang等（2019）指出华南地区降水的雨滴尺度整体小于华东地区，其对流云降水的滴谱特征更接近海洋型降水。Liu 等（2018）利用双偏振雷达参数和Gamma模型对华南地区的雨滴谱进行了反演。Wu 等（2017）则对比分析了青藏高原和华南地区降雨的微物理参数特征，指出华南地区的大雨滴数浓度明显高于青藏高原，尤其是对流云降水。

华南前汛期实际包含了锋面降水和夏季风降水两种不同性质的降水，季风爆发前、后的环流形势、降水量级变化明显（池艳珍等，2005；郑彬等，2006），季风爆发后，通常对流强度更强，深对流更多，0℃层高度也更高（Song，et al，2010），季风爆发前、后降水的微物理特征也可能存在较大的差异。本研究利用2018—2019 年闽南地区4—6 月的降水现象仪观测资料，对比分析不同年份华南前汛期季风爆发前、后层状云和对流云的雨滴谱特征差异，并拟合适用于闽南地区的μ-Λ关系和Z-R关系，以期对该地区雷达定量降水估计和模式参数化的改进提供更多参考。

2 资料和方法

2.1 资料来源

雨滴谱数据来源于2018—2019 年华南前汛期（4—6 月）厦门站（24.49°N，118.08°E ，站号59134）和同安站（24.73°N，118.16°E，站号59130）的降水现象仪观测资料。降水现象仪的雨滴谱传感器为HSC-OTT PARSIVEL 粒子谱仪，采用激光测量原理，其采样面积为54 cm2，时间分辨率为60 s。雨滴样本的尺度和速度测量均分为32 个非等间距区间，粒子直径测量范围为0.062—24 mm，落速测量范围为0.05—20.8 m/s。采用位于同一观测场内的雨量筒数据作为降水现象仪探测数据的对比，其时间分辨率为5 min。仪器所在站点分布及地形特征如图1，厦门站位于厦门岛内西侧，同安站位于厦门站北偏东方向（距离约28 km）。此外，环流形势分析使用欧洲中期天气预报中心提供的ERA5 1°（经度）×1°（纬度）再分析资料（Hersbach，et al，2020）。

2.2 数据处理

在使用雨滴谱数据之前，进行了以下的质量控制：（1）由于OTT 粒子谱仪对小粒子测量精度不够，信噪比太低，剔除前两个尺度档（Chen，et al，2013）。（2）一般而言，自然降水中直径超过8 mm的大雨滴很少观测到，因此剔除雨滴直径大于8 mm的观测数据。（3）采用Friedrich 等（2013）方法，剔除粒子下落速度与Atla 等（1973）的经典下落速度相差大于60%的数据（图2）。此方法可以有效剔除强风、雨滴溅散和边缘效应的影响，在对流飑线中应用效果不错（Chen，et al，2016）。（4）对于每一分钟的数据，当仪器输出的雨滴总个数≥10，同时降水强度R≥0.1 mm/h 时视为一个降水分钟，其余的均视为非降水数据（Tokay，et al，2013）。

图2 厦门站和同安站所有粒子雨滴谱速度-直径分布（色阶代表粒子数量，黑色实线代表Atlas 等 （1973） 经典下落末速度，上下两条虚线分别代表经典下落末速度60%的质控曲线）Fig.2 Occurrence of velocity-diameter combinations with drop counts at Xiamen and Tong’an stations （Color shadings represent the measured drop counts.The black solid line indicates terminal drop velocity （Atlas， et al，1973） and the two dashed lines represent the 60% filter of drops）

利用质量控制后的雨滴谱数据，可以计算得到雨滴的数浓度N（Di）（mm−1·m−3）、雷达反射率因子Z（mm6/m3）、降水率R（mm/h）、液态水含量W（g/m3）等多种降水积分参数，还可以利用实测雨滴谱的3、4 阶矩计算雨滴的质量加权平均直径Dm（mm）、广义截距参数Nw（mm−1·m−3）。此外，研究中Gamma雨滴谱分布模型（Ulbrich，1983）的3 个参数（μ、Λ、N0）采用Vivekanandan 等（2004）提出的阶矩截断拟合法（TMF）通过实测雨滴谱的2、4、6 阶矩求得。上述相关计算方法可参考Chen 等（2013）和Wen 等（2016），文中不再赘述。

2.3 降水分类方法

采用Bringi 等（2003）和Chen 等（2013）的方法，根据雨强及其随时间的变化将降水分为层状云降水和对流云降水：对于某一时刻t，若从t−Δt到t+Δt这段时间内，降水率R始终大于0.5 mm/h，同时其标准差小于1.5 mm/h，则将t时刻的降水视为层状云降水；若从t−Δt到t+Δt这段时间内，降水率R始终大于5 mm/h，同时其标准差大于1.5 mm/h，则将t时刻的降水视为对流云降水。其中Δt取为5 min。既不属于层状云降水又不属于对流云降水的样本在文中不做分析。

通过上述识别算法，2018—2019 年厦门站与同安站共识别有效样本数分别为4435 和4447 个。其中，厦门站共识别4092 个层状云降水样本和343 个对流云降水样本，对流云降水样本占7.7%，层状云和对流云降水率分别为2.23 和22.91 mm/h；同安站共识别3770 个层状云降水样本和677 个对流云降水样本，对流云降水占15.2%，降水率分别为2.18 和23.40 mm/h。两站的层状云降水比例明显大于对流云降水，但同安站对流云降水比例约为厦门站的2 倍。从地理位置来看（图1），两站地形环境差异可能导致了层状云和对流云降水样本比例的差异（厦门站位于厦门岛内的狐尾山顶，周边地势较为平坦开阔；而同安站的北部和西部都有较高山脉，距离仅约10 km，且山脉高度最高超过1000 m，地形的强迫抬升条件与热力条件相比于厦门站更优。因此，同安站受地形影响可能导致对流云降水出现频率更高）。

3 雨滴谱资料对比检验

为检验厦门站和同安站降水现象仪的雨滴谱数据可靠性，首先将由雨滴谱数据计算得到的小时累积雨量与位于同一观测场内协同观测的雨量筒降水测量结果进行对比验证（图3）。从图中可以看到，厦门站和同安站与雨量筒测量的一致性好，其中厦门站（图3a）相关系数为0.990，均方根误差（RMSE）为0.298 mm/h，同安站（图3b）相关系数达0.999，均方根误差仅为0.265 mm/h。与雨量筒相比，降水现象仪的小时累积降水量散点整体偏小，即雨量筒的观测值略大于降水现象仪的计算值，且随着雨强的增大差值增大。总体而言，降水现象仪的雨滴谱导出降水量与雨量筒测量值呈高度相关，且均方根误差较小，表明降水现象仪的探测结果可靠，可用于进一步分析。

从厦门站和同安站的层状云、对流云降水的雨滴谱分布（图4）可以看到，两站层状云和对流云降水的雨滴谱均呈单峰结构，峰值直径基本重合于0.5 mm 粒径左右。总体而言，对流云降水的雨滴谱在峰值粒径以上的各粒径区间的浓度均明显大于层状云降水，并且随着雨滴粒径增大浓度差异也越大；对流云降水的谱分布较层状云更宽，前者最大粒径接近8 mm，而层状云降水最大粒径小于5 mm。从两站层状云降水雨滴谱特征来看，厦门站与同安站分布几乎重合（图4 蓝色实线和蓝色虚线），这是由于层状云降水范围宽广且云中性质较均匀，其降水率和雨滴谱特征差异较小；对于对流云降水，两站在小粒子端基本重合，在大粒子端略有微小差异。但总体而言，厦门站与同安站的两类降水雨滴谱分布特征一致性很高。因此，在进行雨滴谱微物理参数分析时，将两站的所有有效样本合并，统称为闽南沿海地区降水雨滴谱。

4 2018 和2019 年季风爆发前、后雨滴谱特征对比

4.1 季风爆发前、后雨量统计

为研究南海季风爆发前、后降水的微物理特征变化，将华南前汛期分为季风爆发前和季风爆发后两个阶段进行对比分析。季风爆发时间使用国家气候中心发布的数据，2018 年为6 月第1 候，爆发前共64 d，爆发后27 d。2019 年为5 月第2 候，爆发前共37 d，爆发后54 d。

表1 为2018 和2019 年厦门站、同安站季风爆发前、后的累计雨量。两站两年季风爆发后的累计雨量均大于季风爆发前，由于2019 年季风爆发较早，季风爆发后的累计雨量增长幅度明显大于2018年。从日均雨量上来看，2018 年季风爆发后强降水增长更明显。从样本数来看（表2），2018 年季风爆发前、后两站层状云降水样本分别为957 和1087 个，对流云降水样本分别为142 和325 个，两类降水分别增加了14.05%和128.87%；2019 年季风爆发前、后层状云降水样本分别为3083 和2735 个，对流云降水样本分别为163 和390 个，层状云降水减少11.29%，而对流云降水增加139.26%。闽南地区对流和层状云降水样本数的变化与季风爆发前、后两站累计雨量和日均雨量的变化特征相对应，表明季风爆发前主要以层状云降水为主，雨量偏小且空间分布相对均匀，而季风爆发后对流性降水增多且空间差异增大。

表1 2018 和2019 年季风爆发前、后厦门站和同安站累计雨量、天数和日均雨量Table 1 Accumulated precipitation，number of days and average daily rainfall at Xiamen and Tong’an stations before and after monsoon onset for 2018 and 2019

4.2 微物理特征量对比

闽南地区季风爆发前、后不同类型降水发生频率和降水量的变化可能反映了不同时期降水微物理特征的差异。接下来分析2018 和2019 年季风爆发前、后闽南地区的雨滴谱微物理特征量，包括质量加权平均直径（Dm）、广义截距参数（Nw）、降水率（R）、液态水含量（W）等（表2）。

表2 2018 和2019 年季风爆发前、后雨滴谱微物理特征量的平均值及其与华南、华东地区的对比（斜杠前为季风爆发前数据，斜杠后为季风爆发后数据）Table 2 DSD micro-physical parameters before and after monsoon onset and comparison with those in southern and eastern China （data on the left and right of slash indicate parameter before and after monsoon onset，respectively）

2018 年，对于层状云降水，季风爆发后，表征粒子尺度的Dm相比于爆发前减小，表征粒子浓度的Nw则呈现增大的趋势。降水率（R）和液态水含量（W）的演变趋势与Nw一致，均呈现增大的趋势。对于对流云降水，季风爆发后Dm减小，Nw增大，这与层状云的变化特征一致，但R和W却明显减小，与层状云趋势完全相反。从降水贡献上来看，2018 年季风爆发前、后对流云降水的贡献都远大于层状云，并且季风爆发后对流云降水的贡献进一步增大。

2019 年，季风爆发前、后的物理量参数与2018年基本呈现相反的趋势。层状云降水，2019 年季风爆发后的趋势与2018 年完全相反，表现为样本数减少，Dm增大，Nw明显减小，R和W也都略有减小；对流云降水，季风爆发后Dm和Nw均增大，但Dm增大更明显，R和W也都明显增大。从以上分析可知，对于层状云降水，R与Nw均呈现一致的趋势，而对流云降水，R的变化趋势与Dm一致。

与华南和华东区域的雨滴谱微物理参数进行对比。对于层状云降水，闽南地区的Dm、R相比华南和华东地区整体略小，Nw相比于华南和华东区域均更大，表明闽南沿海的层状云降水粒子尺度整体小于华南、华东区域，但数浓度相对更高。对于对流云降水，闽南地区的Dm与华南、华东地区基本持平，基本为1.7—1.9 mm。Nw与华南区域同样是基本持平，基本在104mm−1·m−3附近，与华东地区相比则更大，与之对应的R相比于华东区域更大。表明闽南地区对流云降水的粒子数浓度更大。整体分析表明闽南沿海的雨滴谱参数与华南沿海较为一致，相比于华东地区整体浓度更高，但粒子尺度略小。这与已有研究结果（Zhang，et al，2019）一致。

4.3 平均雨滴谱特征对比

进一步分析2018、2019 年季风爆发前、后层状云和对流云降水的平均雨滴谱特征差异（图5）。对于层状云降水（图5a），2018 年表现为季风爆发后小粒子浓度明显增大，大粒子浓度减小（图5a 蓝线和红线对比），1 mm 以下小粒子数浓度增大的量级更大，由此导致季风爆发后层状云Dm减小，Nw增大（表2）。2019 年季风爆发后雨滴中各尺度的粒子数量整体呈现减少趋势，其中0.4—0.7 mm的小粒子减少幅度更大（图5a 黑线和绿线），由此导致2019 年季风爆发后层状云降水Nw明显减小。对流云降水的雨滴谱分布变化趋势与层状云降水分布差异明显（图5b），季风爆发前、后小粒子端数浓度差异很小，大粒子端差异相对较大。2018 年季风爆发后粒径大于2 mm 的粒子浓度下降，这与层状云降水趋势一致，导致2018 年季风爆发后对流云Dm同样减小。而2019 年季风爆发前、后相比，1—3 mm 的粒子数浓度增大，但超过3 mm 的大粒子数浓度反而略有减小，整体导致季风爆发后对流云的Dm略有增大。

图5 2018 和2019 年季风爆发前、后 （a） 层状云降水和 （b） 对流云降水的平均雨滴谱分布Fig.5 Mean DSD of （a） stratiform and （b） convective precipitation before and after monsoon onset in 2018 and 2019

4.4 雨滴谱导出关系

对2018 和2019 年季风爆发前、后的雨滴谱使用Vivekanandan 等（2004）中2、4、6 阶矩截断方法计算参数μ和Λ，其中Λ只取0—20 的值以减少观测误差（Zhang，et al，2003），然后分别拟合出4 组μ-Λ关系（图6）。由图6 可以看出，4 组的μ和Λ都具有较好的二项式关系，决定系数（R2）接近于1，并且二项式系数差异较小。不论是季风爆发前（图6a、6c）或是季风爆发后（图6b、6d）的μ-Λ关系，闽南沿海与华东地区梅雨季的统计结果（Chen，et al，2013）都有明显不同：对相同的Λ值而言，闽南沿海的μ值比华东地区梅雨季小，且随着Λ值的增大二者差异越来越大，这可能是因为华东地区梅雨季的对流强度更强，小粒子数浓度低，Dm整体更大，而闽南沿海前汛期降水中小粒子数浓度更高。这与4.2 节微物理参数的分析结论一致。说明μ-Λ关系确实会随地区、气候条件和降雨类型的不同而变化，基于雨滴谱仪的观测数据拟合出适合闽南沿海的μ-Λ关系，对当地使用双偏振雷达反演雨滴谱以及定量降水估测都有重要意义。

图6 实测雨滴谱参数μ 和Λ 散点及拟合曲线 （a、c 分别为2018 年季风爆发前、后，b、d 分别为2019 年季风爆发前、后，实线为拟合曲线，虚线为Chen 等 （2013） 拟合结果）Fig.6 Scatter plots of μ and Λ calculated from measured raindrop parameters and fitting curves （a，c indicate before and after monsoon onset in 2018；b，d for 2019； black dashed lines show results of Chen， et al （2013））

4.5 Z-R 关系

Z-R关系是雷达定量估测降水的基础，不少研究拟合了不同地区、不同类型降水的Z-R关系（Battan，1976；Tokay，et al，1996；Fulton，et al，1998；Maki，et al，2001；Sharma，et al，2009；Chen，et al，2013；Wen，et al，2019），其中应用最广泛的是Fulton 等（1998）通过观测得到的Z=300R1.4。表3 给出了2018 和2019 年季风爆发前、后闽南沿海层状云降水和对流云降水Z-R关系的拟合系数及其决定系数（R2），可以看到，不同年份、不同时段、不同降水的A值差异很大，最大251.83，最小78.23；b值最大1.79，最小1.43。这说明在不同环流形势下、不同类型降水的Z-R关系不同。从拟合效果来看，对流云降水的决定系数大于层状云降水，拟合效果更好。从图7 可以看出，对于层状云降水，不论2018 年或是2019 年季风爆发前、后，拟合的直线基本位于Z=300R1.4线的右侧，使用Z=300R1.4会低估降水，随着层状云降水强度的增大，误差整体呈现减小的趋势；对流云降水的拟合曲线与Z=300R1.4线存在交点，对于雨强较小的对流云，拟合曲线整体位于右侧，使用Z=300R1.4会低估降水，随着对流降水强度的增大，误差逐渐减小，至某一雨强阈值后，拟合曲线位于左侧，使用Z=300R1.4会高估降水。因此，在业务中使用雷达自带的QPE 产品时，需要根据降水的类型和强度进行订正，才能获得更准确的累计降水产品。

图7 季风爆发前、后的Z-R 关系拟合 （a、c 分别为2018 年季风爆发前、后，b、d 分别为2019 年季风爆发前、后；红色实线为对流云降水，蓝色实线为层状云降水，黑色虚线为Fulton 等 （1998） 拟合结果）Fig.7 Scatter plots of Z-R values and fitted power law relations before and after monsoon onset in 2018 and 2019 （a，c indicate before and after monsoon of 2018；b，d for 2019； red solid lines are for convectiveprecipitation，blue solid lines are for stratiform precipitation， black dashed lines show results of Fulton， et al （1998））

表3 2018 和2019 年季风爆发前、后两类降水的Z-R 关系 （斜杠前为季风爆发前数据，斜杠后为季风爆发后数据）Table 3 Z-R relationship before and after monsoon onset of 2018 and 2019 （data on the left and right of slash indicate parameters before and after monsoon onset，respectively）

5 讨 论

雨滴谱的分布特征通常并非随机，而是与对应的环流形势、对流强度等密切相关（Rao，et al，2009）。南海季风爆发前、后华南地区的环流形势通常会有显著的不同。本节讨论华南季风爆发前、后的环流及物理量特征差异对雨滴谱可能的影响机制。

5.1 2018 年和2019 年环流形势及物理量对比

图8 和9 分别给出了2018 年和2019 年季风爆发前、后500 和925 hPa 环流形势以及两者的差异。可以看到，对于闽南沿海地区，2018 年季风爆发前（图8a），500 hPa 西太平洋副热带高压位于中国南海和菲律宾一带，脊线位于15°N 附近，总体呈带状，位置偏南，强度较弱；季风爆发后，西太平洋副热带高压脊线略有北抬，且有明显东退（图8c），导致25°N 以南的位势高度都降低，风场也存在气旋式异常（图8e）。2019 年季风爆发前，西太平洋副热带高压位于20°N 以南，强度强（图8b）；季风爆发后，西太平洋副热带高压加强北进（图8d），位于中南半岛以东和华南以南，使得19°N 以北地区的位势高度都有所增加（图8f）。925 hPa 上，2018 年和2019 年季风爆发后的比湿都明显升高，季风爆发前约为12 g/kg，季风爆发后超过14 g/kg，增长2—3 g/kg（图9e—f）。环流形势也存在明显不同，2018 年季风爆发后华东和华南地区存在气旋式环流异常，闽南沿海地区存在东北偏东风异常，也就是低层西南风反而减弱（图9c）；而2019 年季风爆发后，华东和华南地区存在异常的气旋式环流，闽南沿海的低层西南风明显增强（图9d）。

图8 2018 （a、c、e） 和2019 年 （b、d、f） 500 hPa 风场 （矢线，单位：m/s） 和位势高度 （色阶，单位：dagpm）（a、b.季风爆发前，c、d.季风爆发后，e、f.季风爆发后减季风爆发前）Fig.8 2018 （a，c，e） and 2019 （b，d，f） 500 hPa wind field （arrow，unit：m/s） and geopotential height （color gradation，unit：dagpm），（a，b） before and （c，d） after monsoon onset ，（e，f） difference between before and after monsoon onset

对流有效位能（CAPE）是一个表征热力不稳定的参量。对流有效位能越大，对流潜势越强，对流发生后就更趋于强盛（孙继松等，2012），这能改变对流高度和云微物理过程，进而对雨滴谱产生影响。图10 为2018 和2019 年季风爆发前、后闽南沿海地区（厦门站）的对流有效位能箱线图。两年季风爆发前、后对流有效位能变化趋势相反。2018 年季风爆发后的对流有效位能与爆发前相比略有减小（季风爆发前最大约为4500 J/kg，平均约为2400 J/kg，分布较分散，多数大于2200 J/kg；季风爆发后最大约为4500 J/kg，平均在2000 J/kg 附近，并且多数小于2200 J/kg）。而2019 年季风爆发前对流有效位能很小，平均仅在200 J/kg 左右，分布集中；季风爆发后对流有效位能明显增大，但尽管最大超过5000 J/kg，其均值仅约为1400 J/kg，明显小于2018 年。

5.2 环流形势对雨滴谱分布的可能影响

以上分析表明，2018 年和2019 年季风爆发后的低层风场以及对流有效位能均呈现相反的演变趋势，这可能是导致两年季风爆发后微物理参数演变趋势相反的原因。对于2018 年，季风爆发后低层西南风整体强度减弱（图9），且对流有效位能总体略有减弱（图10），这会导致季风爆发后闽南沿海地区热力条件和动力抬升条件均减弱，降水粒子抬升的高度降低，冰相过程减少，碰并聚合作用减弱。因此，2018 年季风爆发后的雨滴谱表现为小粒子浓度明显较高，大粒子浓度较低（图5），整体导致粒子尺度Dm减小。但由于925 hPa 比湿明显较高，绝对水汽含量明显较大，使得层状云和对流云降水的粒子浓度Nw均较大（表2）。

图9 同图8，但为925 hPa 风场和比湿Fig.9 As in Fig.8 but for 925 hPa wind field and specific humidity

图10 2018 年和2019 年季风爆发前、后闽南沿海对流有效位能的箱线图Fig.10 Boxplot of CAPE before and after monsoon onset for 2018 and 2019 in southern coast of Fujian

对于2019 年，季风爆发后925 hPa 西南风气流明显增强，对流有效位能也有明显的增大，导致动力抬升条件明显好于季风爆发前。因此，降水云团中的上升运动更强，粒子抬升至更高的高度，冰相过程更加明显。过冷水以及冰粒子在下落过程中由于融化形成大雨滴，同时碰并收集更多的小粒子，使得2019 年季风爆发后Dm增大，这与2018 年正好相反，表明动力抬升条件对于平均粒子直径影响明显。925 hPa 的比湿在季风爆发后明显增大，增加幅度与2018 年基本一致，但由于季风爆发后动力抬升条件更好，充分的粒子碰并收集等过程导致Dm明显增大，使得季风爆发后层状云降水的粒子浓度有所降低，对流云降水的粒子浓度变化不大。

综上分析表明，降水中的粒子数浓度与大气的绝对水汽含量（比湿）明显相关，而良好的动力抬升条件能够使得对流发展更加旺盛，冰相过程加剧，大的冰粒子在下落过程中融化以及碰并形成大雨滴，影响降水粒子的尺度，进而也能影响粒子的数浓度。

6 结 论

利用降水现象仪观测资料、地面降水观测资料和ERA5 再分析资料，对比分析了2018 年和2019年季风爆发前、后闽南地区层状云和对流云的雨滴谱特征，并从环流形势和物理量入手，探讨了雨滴谱分布和微物理参数差异的可能成因。主要结论如下：

（1）华南前汛期厦门站和同安站层状云降水的发生频率都高于对流云降水，其中同安站受局地环境的影响，对流云降水发生频率约为厦门站的2 倍。但两站层状云降水和对流云降水的雨滴谱均呈现高度一致的分布特征。对流云降水的雨滴谱分布更宽，在峰值粒径以上的各粒径区间浓度均大于层状云降水。

（2）微物理参数对比分析表明，不论是层状云降水或是对流云降水，2018 年季风爆发后均表现为Dm减小，Nw增大。2019 年季风爆发后Dm增大，层状云Nw减小，对流云Nw增大。两年整体呈现相反的演变趋势。但不论如何演变，层状云的降水率（R）和液态水含量（W）的演变趋势与Nw保持完全一致，而对流云的R和W与Dm保持一致。闽南沿海雨滴谱微物理参数接近于华南沿海，与华东地区相比，整体浓度更高，粒子尺度略小。

（3）Z-R关系拟合表明季风爆发前、后层状云与对流云的拟合系数、决定系数具有较大差异，尤其是A差异明显，其中对流云拟合效果相对更好。基于Z=300R1.4的定量降水估测对层状云降水和量级较小的对流云降水存在不同程度的低估，对于量级较大的对流云降水存在高估。这对于业务中使用雷达QPE 产品具有一定的参考意义。现有的预报业务中对于雷达估算的层状云降水和强度较弱的对流云降水可以在原有QPE 的基础上适当上调，对于强度较强的对流云降水（例如冰雹等）需要适当下调。雷达降水估算产品也可以根据反射率因子的强度动态调整Z-R关系。

（4）环流分析表明，大气的绝对水汽含量会影响粒子数浓度，而西南风速和对流有效位能等物理量会通过影响对流强度以及相关的云微物理过程进而影响雨滴谱分布。在比湿增大的条件下，2018 年季风爆发后西南风减弱，对流有效位能降低导致对流较弱，冰相过程减少，粒子碰并聚合作用减弱，使得大粒子较少，雨滴谱表现为粒子尺度减小、浓度增大；2019 年季风爆发后西南风较强，对流有效位能增大，对流增强，使得粒子冰相过程增多，下落中由于融化和碰并聚合成大粒子，但由于对流有效位能整体小于2018 年，雨滴谱表现为粒子尺度略微增大、层云降水的粒子浓度降低、对流云降水的粒子浓度变化不大。