青藏高原東南部及東坡雨滴譜特征的研究

潘 婕,李茂善,龔 銘,王 婷

(成都信息工程大學(xué)大氣科學(xué)學(xué)院/高原大氣與環(huán)境四川省重點實驗室/成都平原城市氣象與環(huán)境四川省野外科學(xué)觀測研究站,四川成都 610225)

0 引言

青藏高原的東南部及其東坡位于中國的西南地區(qū),四川省以東,由于該地區(qū)受到青藏高原大地形的影響,同時存在山地、盆地、高原、丘陵等多種復(fù)合地形的影響,最終形成高溫高濕的氣候特征。

雨滴譜就是降水粒子群中不同直徑不同尺寸的雨滴數(shù)密度的分布,是雨滴生成、下落、碰并、破碎等過程的綜合結(jié)果。盡管雨滴的大小隨著時間和空間而變化,但可以看出隨著雨滴尺度的增大,相應(yīng)的雨滴數(shù)密度會迅速減小,通常雨滴數(shù)密度也隨雨強的大小而產(chǎn)生變化,一般降水小雨滴占比很大,但是大雨滴對雨強的貢獻很大。陳寶君等[1]通過在沈陽夏季測得的積雨云、層狀云和積層混合云的降水資料,分析了3 類降水云的特征,即3 類降水云的平均雨滴譜特征不同,層狀云的雨滴譜譜寬較窄,呈指數(shù)分布,積雨云和混合云的雨滴譜譜寬較寬,且在大雨滴一邊呈多峰結(jié)構(gòu)。Marshall 等[2]根據(jù)渥太華夏季降水的觀測資料,分析認為雨滴大小的分布非常接近負指數(shù)函數(shù)的形式,尤其是在穩(wěn)定的降水中,這一特征表現(xiàn)得更為明顯。因此,除了很小的雨滴外,雨滴大小的分布可以用以下的數(shù)學(xué)模型來表示:

N(D)=N0exp(-λD)

式中,N0為數(shù)濃度參數(shù),mm6·m-3;λ為斜率,mm-1,M-P 雨滴譜分布此時為雙參數(shù)模式,已經(jīng)在云降水數(shù)值模擬中廣泛使用。

近年來,中國引進了激光雨滴譜儀,通過雨滴譜儀得到的觀測數(shù)據(jù),丁建芳等[3]通過研究河南省的層狀云降水過程,發(fā)現(xiàn)河南省的層狀云降水的空間結(jié)構(gòu)不均勻,不同的微物理參量的變化也不均勻,且層狀云的雨滴譜分布較窄,曲線較為平滑。王秋淞等[4]通過分析2016年安徽淮南的夏季雨滴譜特征,得到層狀云降水比對流云降水的雨強貢獻率要高,層狀云降水中的直徑＜1 mm的粒子數(shù)濃度也高于對流云降水中直徑＜1 mm的粒子數(shù)濃度,且在層狀云降水中,M-P 分布和Gamma 分布的差別很小,而在對流云降水中,Gamma分布比M-P 分布能夠更加準確地表現(xiàn)安徽淮南的降水粒子粒徑與粒子數(shù)濃度之間的關(guān)系。柳臣中等[5]對成都地區(qū)的雨滴譜特征進行研究,并對3 種不同降水云類型進行對比分析,得到成都地區(qū)的積雨云和混合云的雨滴譜比層狀云的譜寬且雨滴數(shù)密度大于層狀云,尤其是在大雨滴和更小的雨滴這兩部分。常祎等[6]研究了青藏高原那曲地區(qū)夏季對流云的雨滴譜分布,得到高原雨滴譜的分布相對于同緯度同季節(jié)的平原地區(qū)的較寬,且相比M-P 分布,Gamma 分布更適于對高原雨滴譜進行擬合。而對于青藏高原東南部及其東坡的川西高原,不同季節(jié)不同區(qū)域的雨滴譜特征很少提到。

降水與人類的生活生產(chǎn)息息相關(guān),通過分析降水的雨滴譜特征,不僅能從宏觀上了解成云致雨的發(fā)展演變過程,也能在微觀里掌握降水云云體內(nèi)的云微物理特征,從而對人工降雨、人工影響天氣、雷達反演降水等活動起到指導(dǎo)作用[7-8]。因此,雨滴譜的特征研究一直是氣象中的云降水物理過程研究的重要課題。由于青藏高原地區(qū)海拔較高,自然條件惡劣,且下墊面十分復(fù)雜,對高原云降水物理過程的觀測資料匱乏,缺少有效的高分辨率資料,因此對高原地區(qū)的云微物理過程以及云降水的參數(shù)特征研究較少,對高原云降水分類的研究也是有限的,遠不能滿足科學(xué)研究和實際應(yīng)用的要求。目前由于青藏高原地域廣闊,對于青藏高原雨滴譜的觀測和研究主要集中在中部,而其他區(qū)域的研究仍然有限。本文利用峨眉山站點及林芝站點觀測的雨滴譜資料,探討不同季節(jié)不同類型云降水的雨滴譜差異、降水強度和雨滴譜擬合參數(shù)之間的關(guān)系等,以及在西南渦影響下的雨滴譜特征的分析,旨在進一步加深對該地區(qū)降水的宏微觀特征的認識,完善高原降水的研究不足。

1 資料和方法

1.1 資料和設(shè)備介紹

本文使用的雨滴譜數(shù)據(jù)是由在峨眉山大氣環(huán)境站Parsivel 激光降水粒子譜儀觀測得到,觀測時間為2021年1月1日至12月31日,觀測地點位于四川省樂山市四峨山地區(qū),海拔高度為970 m,經(jīng)緯度分別為29.54 °N、103.34 °E,以及位于藏東的林芝站觀測得到,經(jīng)緯度分別為29.60 °N、94.36 °E。同時,西南渦背景下的個例分析所用的氣象資料為歐洲中期數(shù)值預(yù)報(ECMWF)中心2021年7月15-16日ERA5 再分析資料,主要為風(fēng)速風(fēng)向和環(huán)流形勢等,水平分辨率為0.25°×0.25°,其主要氣象要素為一天4 次(2:00、8:00、14:00、20:00)的風(fēng)場觀測資料。

HSC-OTT Parsivel 激光降水粒子譜儀是德國OTT北京公司生產(chǎn)的以激光測量技術(shù)為基礎(chǔ)的光學(xué)傳感系統(tǒng),主要由激光發(fā)射器、接收器、儲存器等部分組成,該儀器的采樣面積為54 cm2,采樣時間為60 s,雨滴譜儀通過把接收到的光信號轉(zhuǎn)換為電信號,將觀測到的雨滴譜按照等效體積直徑和下落速度的大小劃分為32 個通道,可以測量出降水粒子的直徑大小和下降速度,降水粒子的直徑和速度的有效測量范圍分別為0.062～24.5 mm和0.25～20.8 m/s。由于考慮到雨滴譜儀的自身測量精度問題,故剔除前兩個直徑通道的數(shù)據(jù)[9],可測得的最小降水粒子的平均直徑為0.312mm,其次,由于在自然界中很少有直徑＞6 mm的雨滴,因此剔除雨滴譜儀觀測數(shù)據(jù)中直徑＞6 mm的樣本[10-11]。

1.2 雨滴譜分析方法

通過數(shù)據(jù)剔除后,對雨滴譜儀實測數(shù)據(jù)運用相對應(yīng)的公式計算就可以得到單位體積、單位間隔的雨滴數(shù)濃度N(Di),以及雷達反射率因子Z、雨強R、雨滴總數(shù)濃度N0、液態(tài)水含量W等物理量。

雨滴譜數(shù)據(jù)的物理意義是指平均直徑Di(1≤i≤32)和下落末速度Vj(1 ≤j≤32)對應(yīng)的降水粒子數(shù)Aij,與直徑通道Di對應(yīng)單位空間體積的降水粒子總數(shù)N(Di)可以表示為

式中:N(Di)是單位體積單位尺寸間隔的雨滴數(shù)濃度。T和S分別表示雨滴譜的采樣周期和采樣面積,S=54 cm2,T=60 s。

根據(jù)計算得到的雨滴數(shù)濃度可以進一步計算得到粒子數(shù)總密度N0、雷達反射率因子Z(mm6·m-3)和降雨強度R(mm·h-1),計算公式如下。粒子數(shù)總密度:

雷達反射率因子:

降雨強度:

1.3 Gamma 參數(shù)化計算

雨滴譜的參數(shù)化是通過運用數(shù)學(xué)模型來描述自然界中的降水粒子濃度隨粒子直徑大小的變化趨勢,如M-P 分布、Gamma 分布,由于M-P 分布在描述粒徑尺度不同的雨滴分布時與實際的觀測資料相比存在一定的誤差[12-13],因此Ulbrich 等[14]提出了一種雨滴譜分布,即Gamma 分布,用來修正大小雨滴的分布,得到更加的擬合曲線。而Gamma 分布和M-P 分布在擬合強降水時差異較小,弱降水時差異就明顯偏大,其中Gamma 雨滴分布的代表性更好。因此,本文選取Gamma 函數(shù)對雨滴譜進行擬合,Gamma 分布模型:

N(D)=N0Dμexp(-λD)

此時,Gamma 分布變?yōu)榱? 個參數(shù),一般使用階矩法或者最小二乘法來估計,可以將觀測數(shù)據(jù)中的雨滴尺度分布擬合到Gamma 分布中,求得3 個參數(shù)μ、λ、N0[15]。本文中將采用階矩法中0、3、6 階距來對Gamma 分布模型中的3 個參數(shù)進行擬合。

其中,第n階矩定義:

積分后得到

Mn=N0λ-(μ+N+1)Γ(μ+n+1)

階矩法的具體步驟如下:

令

化簡可得到:

3(F-1)μ+2(6F-15)μ+(11F-74)μ+(6F-120)

兩邊同除(F-1),令

解方程

得到

式中,N(D)(m-3·mm-1)是每單位體積每單位尺寸間隔內(nèi)的粒子數(shù),λ(mm-1)表示擬合曲線的分布斜率,直接反應(yīng)了降水過程中大小雨滴的分布變化;μ是無量綱參數(shù),為形狀因子,反映了擬合曲線的形狀,當μ＞0 時,曲線隨粒子尺度向上彎曲,μ＜0 時,曲線隨粒子尺度向下彎曲,μ=0時,呈負指數(shù)函數(shù)的形式,即M-P 分布函數(shù)。

1.4 降水云的分類

根據(jù)降水云的性質(zhì),將所有降水云分為3 類:層狀云降水、混合云降水、積雨云降水[16]。將2021年1月1日-12月31日峨眉山站點和林芝站(由于數(shù)據(jù)缺失,林芝站缺少4月、5月、9月以及12月的雨滴譜數(shù)據(jù))測得數(shù)據(jù)分為4 個季節(jié)來統(tǒng)計計算,每個季節(jié)又分成3 類降水云來研究。峨眉山站點數(shù)據(jù)通過人工篩選出14592份雨滴譜數(shù)據(jù),林芝站篩選出27967 份雨滴譜數(shù)據(jù)。將雷達反射率因子Z＜10 dBZ的數(shù)據(jù)資料視為非降水回波,Z＞35 dBZ則為積雨云降水,10＜Z＜30 dBZ則為層狀云降水,30～35 dBZ則為混合云降水[15]。

從表1 可以看出,按降水頻次,峨眉山站點春季降水最多,其次是夏季、秋季和冬季,整年主要降水類型為層狀云,層狀云降水頻次占到總降水頻次的81.15%;積雨云降水頻次次之,混合云降水頻次最少。層狀云降水的頻次在春、夏、冬3 季明顯遠多于積雨云降水和混合云降水,而在秋季混合云降水均較春冬季的混合云降水增多,積雨云降水在秋季頻次突增,遠高于春、夏、冬3 季[17-18]。

表1 峨眉山站點3 種降水云在四季中的樣本頻次統(tǒng)計

從表2 可知,按照降水頻次,林芝站夏季降水頻次最多,其次是春季、秋季和冬季,整年主要降水類型為層狀云降水,其中層狀云降水頻次占到總降水頻次的94%;混合云降水次之,積雨云降水頻次最少。層狀云的降水頻次四季都遠超于積雨云和混合云降水頻次,而在夏季的積雨云降水頻次較春、秋、冬3 季的積雨云頻次明顯增多,冬季積雨云降水頻次最少,只有1 次降水,遠低于春、夏、秋3 季[17-18]。

表2 林芝站點3 種降水云在四季中的樣本頻次統(tǒng)計

2 結(jié)果分析

2.1 雨滴譜參數(shù)分析

如圖1所示,峨眉山站點在觀測期間內(nèi)雨滴譜測量總降水量為1431.98 mm,其中秋季累計降水量最多,為990.59 mm,其次是冬季323.42 mm,春季150.53 mm,累計降水量最少的是夏季102.44 mm。通過對全年降水的雨滴譜進行平均,得到每個降水過程的平均數(shù)據(jù),其中春季平均雨強值為0.048 mm·h-1,夏季平均雨強值為0.117 mm·h-1,秋季平均雨強值為0.325 mm·h-1,冬季平均雨強值為0.061 mm·h-1,表明峨眉山站點觀測到該地區(qū)年累計降水量大,尤其是夏、秋兩季降水量很大,降水持續(xù)時間短,多夜雨,降水頻次多[19-20]。

圖1 峨眉山站點及林芝站點四季平均雨強以及累計降水量

林芝站點在觀測期間內(nèi)雨滴譜測量總降水量為600.17 mm,其中夏季累計降水量最多,為481.49 mm,其次是秋季74.12 mm,春季35.55 mm,累計降水量最少的是冬季9.01 mm。通過對全年降水的雨滴譜進行平均,得到每個降水過程的平均數(shù)據(jù),其中春季平均雨強值為0.049 mm·h-1,夏季平均雨強值為0.200 mm·h-1,秋季平均雨強值為0.030 mm·h-1,冬季平均雨強值為0.007 mm·h-1,表明林芝站點觀測到該地區(qū)年累計降水量較峨眉山站點小很多,其中夏季降水遠高于其他3 季,但平均雨強與峨眉山站點相差不大,每次降水的降水持續(xù)時間短,降水頻次多(由于數(shù)據(jù)不全,該結(jié)論不夠嚴謹、全面)[19-20]。

為獲得觀測期間峨眉山站點和林芝站點的雨滴譜分布特征,在處理數(shù)據(jù)時對統(tǒng)計出的降水資料進行了處理:對每個季節(jié)的降水過程中通過的粒子數(shù)進行平均,得到每個季節(jié)的平均數(shù)據(jù),分類到3 類云降水中,得到的不同降水類型的平均譜圖數(shù)據(jù)。

圖2 為2021年峨眉山站點在3 類云降水中實際雨滴譜的分布變化情況。春季,雨滴粒徑＜1.3 mm時,3 類降水云數(shù)濃度很高,均達到了兩次峰值,此時數(shù)濃度大小層狀云最低,在粒徑＞1.3 mm的情況下,3 類云均呈現(xiàn)明顯的濃度下降趨勢,除積雨云降水譜圖為雙峰型外,其余兩類云降水的譜圖都呈現(xiàn)多峰型。夏季,雨滴粒徑＜1.5 mm時,3 類降水云數(shù)濃度很高,均達到了兩次峰值,此時數(shù)濃度大小混合云最高、層狀云最低,在粒徑＞1.5 mm時,3 類云都呈現(xiàn)出濃度降低的變化趨勢,整體為積雨云＞混合云＞層狀云的趨勢,3 類降水云的譜圖都呈雙峰型。秋季,雨滴粒徑＜1.4 mm時,3 類降水云數(shù)濃度都很高,均達到了兩次峰值,此時數(shù)濃度大小層狀云最低;在粒徑＞1.4 mm時,3 類云濃度都呈下降趨勢,整體為積雨云＞混合云＞層狀云的趨勢,除層狀云降水譜圖為雙峰型外,其余兩類云降水的譜圖都呈現(xiàn)多峰型。冬季,雨滴粒徑＜1.4 mm時,3 類降水云數(shù)濃度很高,均達到了兩次峰值,在粒徑＞1.9 mm時,3 類云的降水濃度整體呈下降趨勢,整體為積雨云＞混合云＞層狀云的趨勢,3 類降水云的雨滴譜濃度譜圖都呈多峰型。(圖中大粒子濃度上升的拐點,系因?qū)?種云類型分類時只按照雷達反射率因子的大小進行分類,沒有考慮到其他特殊情況,未篩除其中的特殊值)。整體來看,峨眉山站點4 個季節(jié)對應(yīng)粒子數(shù)濃度峰值的粒徑為1.5 mm左右,其中層狀云雨滴譜濃度最低,譜寬最短,雨滴濃度會隨著粒徑的增大而減小的趨勢逐漸變緩。

圖2 峨眉山站點四季3 種降水云類型雨滴譜

根據(jù)圖3 林芝站點的雨滴譜圖分析得出,整體來看,春季,雨滴粒徑＜1 mm時,3 類降水云數(shù)濃度較高,均達到了峰值,在粒徑＞1.6 mm的情況下,降水云均呈現(xiàn)明顯的濃度下降趨勢,除積雨云有兩次明顯峰值,且3類云降水的譜圖都呈現(xiàn)多峰型。夏季,雨滴粒徑＜1 mm時,3 類降水云數(shù)濃度很高,均達到了兩次峰值,此時數(shù)濃度大小積雨云最高、層狀云最低,在粒徑＞1 mm時,3類云濃度是呈明顯下降趨勢,且除積雨云為雙峰型外,其他兩類云降水的譜圖都呈多峰型。秋季,雨滴粒徑＜1 mm時,3 類降水云數(shù)濃度都很高,均達到了兩次峰值,在粒徑＞1 mm時,3 類云濃度都呈下降趨勢,整體為積雨云＞混合云＞層狀云的趨勢,除積雨云降水譜圖為雙峰型外,其余兩類云降水的譜圖都呈現(xiàn)多峰型。冬季,在粒徑＞1 mm后整體濃度是呈下降趨勢的,降水云中除混合云有兩次峰值以外,降水濃度整體呈下降趨勢,表現(xiàn)為混合云＞積雨云＞層狀云的趨勢,除層狀云降水譜圖為雙峰型外,其他兩類降水云的雨滴譜濃度譜圖都呈多峰型。(由于林芝站數(shù)據(jù)不全,春、秋、冬3 季的濃度值不夠準確,且圖中大粒子濃度上升的拐點,系因?qū)? 種云類型分類時只按照雷達反射率因子的大小進行分類,沒有考慮到其他特殊情況,未篩除其中的特殊值)。整體來看,林芝站點4 個季節(jié)對應(yīng)粒子數(shù)濃度峰值的粒徑為1 mm左右,其中層狀云雨滴譜濃度最低,雨滴濃度會隨著粒徑的增大而減小的趨勢在逐漸變緩[25-30]。

圖3 林芝站點四季3 種降水云類型雨滴譜

2.2 Gamma 擬合

通過表3 的Gamma 擬合所得到的參數(shù)可以看出,峨眉山站點春季,積雨云濃度參數(shù)N0的值最小,lgN0的值為2.785 m-3·mm-1,形狀因子μ為0.167、斜率因子λ為1.979 mm-1;層狀云濃度參數(shù)最大,lgN0的值為3.288 m-3·mm-1,形狀因子μ為0.222、斜率因子λ為3.246 mm-1;混合云處于兩者之間,lgN0的值為3.190 m-3·mm-1,形狀因子μ為、斜率因子λ為2.281 mm-1。夏季,層狀云濃度參數(shù)N0的值最小,lgN0的值為3.099 m-3·mm-1,形狀因子μ為-0.024、斜率因子λ為3.225 mm-1;混合云濃度參數(shù)最大,lgN0的值為5.794 m-3·mm-1,形狀因子μ為4.265、斜率因子λ為7.170 mm-1;積雨云處于兩者之間,lgN0的值為3.516 m-3·mm-1,形狀因子μ為0.974、斜率因子λ為2.682 mm-1。秋季,積雨云濃度參數(shù)N0的值最小,lgN0的值為3.166 m-3·mm-1,形狀因子μ為0.288、斜率因子λ為1.819 mm-1;層狀云濃度參數(shù)最大,lgN0的值為4.083 m-3·mm-1,形狀因子μ為1.416、斜率因子λ為5.158 mm-1;混合云處于兩者之間,lgN0的值為4.065 m-3·mm-1,形狀因子μ為1.486、斜率因子λ為3.825 mm-1。冬季,積雨云濃度參數(shù)N0的值最小,lgN0的值為2.649 m-3·mm-1,形狀因子μ為0.750、斜率因子λ為2.150 mm-1;混合云濃度參數(shù)最大,lgN0的值為5.280 m-3·mm-1,形狀因子μ為3.407、斜率因子λ為6.148 mm-1;層狀云處于兩者之間,lgN0的值為3.431 m-3·mm-1,形狀因子μ為0.036、斜率因子λ為4.113 mm-1。綜上所述,春、秋2 季的擬合參數(shù)值的大小為積雨云＜混合云＜層狀云,而夏季和冬季則不同,夏季為層狀云＜積雨云＜混合云,冬季的參數(shù)值大小為積雨云＜層狀云＜混合云。

表3 峨眉山站點3 類降水GAMMA 分布擬合參數(shù)

而林芝站點(表4)春季,積雨云濃度參數(shù)N0的值最大,lgN0的值為4.477 m-3·mm-1,形狀因子μ為6.501、斜率因子λ為4.423 mm-1;層狀云濃度參數(shù)最小,lgN0的值為2.869 m-3·mm-1,形狀因子μ為0.496、斜率因子λ為1.444 mm-1;混合云處于兩者之間,lgN0的值為2.929 m-3·mm-1,形狀因子μ為1.077、斜率因子λ為1.597 mm-1。夏季,層狀云濃度參數(shù)N0的值最小,lgN0的值為2.015 m-3·mm-1,形狀因子μ為-0.834、斜率因子λ為0.979 mm-1;積雨云濃度參數(shù)最大,lgN0的值為3.368 m-3·mm-1,形狀因子μ為-0.033、斜率因子λ為2.508 mm-1;混合云處于兩者之間,lgN0的值為2.226 m-3·mm-1,形狀因子μ為-0.875、斜率因子λ為1.044 mm-1。秋季,積雨云濃度參數(shù)N0的值最小,lgN0的值為2.114 m-3·mm-1,形狀因子μ為-0.842、斜率因子λ為0.83 mm-1;混合云濃度參數(shù)最大,lgN0的值為2.349 m-3·mm-1,形狀因子μ為-0.803、斜率因子λ為1.029 mm-1;層狀云處于兩者之間,lgN0的值為2.115 m-3·mm-1,形狀因子μ為-0.787、斜率因子λ為1.306 mm-1。冬季,層狀云濃度參數(shù)N0的值最小,lgN0的值為3.262 m-3·mm-1,形狀因子μ為0 .146、斜率因子λ為1.436 mm-1;混合云濃度參數(shù)最大,lgN0的值為3.816 m-3·mm-1,形狀因子μ為3.881、斜率因子λ為2.330 mm-1;積雨云處于兩者之間,lgN0的值為3.484 m-3·mm-1,形狀因子μ為3.608、斜率因子λ為2.114 mm-1。綜上所述,春、夏2季的擬合參數(shù)值的大小為積雨云＞混合云＞層狀云,而秋季和冬季則不同,秋季為混合云＞層狀云＞積雨云,冬季的參數(shù)值大小為混合云＞積雨云＞層狀云。

表4 林芝站點3 類降水GAMMA 分布擬合參數(shù)

如圖4、5所示,根據(jù)3 類云降水的Gamma 分布擬合可知,峨眉山站點春季,混合云和積雨云的譜寬最寬,最大粒徑為5.5 mm;層狀云譜寬最窄,最大粒徑為4.5 mm。夏季,積雨云的譜寬最寬,最大粒徑為5.5 mm;其次是層狀云,最大粒徑為4.25 mm;混合云的譜寬最窄,最大粒徑為3.75 mm。秋季,積雨云的譜寬最寬,最大粒徑為5.5 mm;其次是混合云,最大粒徑為4.85 mm;層狀云的譜寬最窄,最大粒徑為3.5 mm。冬季,積雨云的譜寬最寬,最大粒徑為5.5 mm;其次是混合云,最大粒徑為3.8 mm;層狀云的譜寬最窄,最大粒徑為3.6 mm。其中,夏冬季的混合云擬合濃度圖像上凸十分明顯。通過峨眉山站點的擬合曲線與實測曲線數(shù)據(jù)對比,發(fā)現(xiàn)春、夏2 季的曲線有點偏離觀測曲線,但秋冬的曲線趨勢大致是相近的,模擬較好的粒徑區(qū)間在1.5～4.0 mm。林芝站點春、秋、冬3 季,3 類降水云譜寬相當,最大粒徑都為5.5 mm。夏、秋、季3 類云降水的小粒徑濃度下降趨勢較為緩慢,后下降趨勢明顯較陡。夏季,積雨云的譜寬最窄,最大粒徑為4.9 mm,層狀云與混合云的譜寬相似,最大粒徑為5.5 mm。其中,林芝站點春冬兩季的積雨云擬合曲線也有較為明顯的上凸趨勢,通過林芝站點的擬合曲線與實測曲線數(shù)據(jù)進行對比發(fā)現(xiàn),4 個季節(jié)的擬合曲線的濃度值均高于實測濃度值,但擬合曲線與實測曲線的趨勢較為相似,模擬較好的粒徑區(qū)間在1.3～4.5 mm。因此,峨眉山站點和林芝站點的雨滴譜在適當范圍內(nèi)是能夠運用Gamma 分布模擬的。

圖4 峨眉山站點四季3 種降水云實測與Gamma 擬合對比雨滴譜

圖5 林芝站點四季3 種降水云實測與Gamma 擬合對比雨滴譜

2.3 西南渦背景下雨滴譜特征分析

西南渦是指在四川西部低空生成的一種氣旋性渦旋,由于常與東側(cè)的低空急流配合,帶有大量的水汽,會對該地區(qū)形成陰雨天氣,東移發(fā)展時會對西南地區(qū)乃至東北、東部、東南地區(qū)形成暴雨天氣,同時會引起大風(fēng)、地面鋒面氣旋的發(fā)生發(fā)展[31-32]。因此,研究選取了峨眉山站點2021年7月15-16日的一次西南渦數(shù)據(jù)個例進行研究分析,旨在了解產(chǎn)生于青藏高原東部并對中國西南地區(qū)的降水有很大作用的西南渦對研究站點區(qū)域的影響。

如圖6、7所示,通過分析歐洲中心ERA5 的700 hPa7月16日08 時、20 時的數(shù)據(jù)資料,可以明顯看到在青藏高原東側(cè)的四川盆地附近有一低壓渦旋產(chǎn)生,兩側(cè)風(fēng)場有明顯的不對稱性,水汽主要是來自孟加拉灣,經(jīng)由云貴高原輸送過來,水汽輸送至四川盆地形成了明顯輻合,副高控制了華東地區(qū),制約了西南渦的東移,利于西南渦在青藏高原東側(cè)形成持續(xù)的抬升運動,對該地造成了一次降水過程。根據(jù)雨滴譜累計降水量數(shù)據(jù)統(tǒng)計出7月15 -16日總降水量達到67.43 mm,平均雨強為0.75 mm/h,可以看出本次降水持續(xù)時間長,小時雨強強,累計雨量大。通過對7月15-16日的雨滴譜數(shù)據(jù)資料分析形成的雨滴譜分布(圖8)可以明顯看出,雨滴譜分布的整體趨勢是呈雙峰型分布的,第一次峰值出現(xiàn)在粒徑為0.6 mm;隨著粒徑的增大,數(shù)濃度開始減小,直至粒徑約為1.2 mm,數(shù)濃度開始上升;在粒子直徑為1.5 mm時,數(shù)濃度達到了第二個峰值,此后數(shù)濃度便隨著粒徑的增大開始減小,最大粒徑為5.5 mm。由此可見,伴隨較深厚的氣旋性渦旋出現(xiàn)的降水強度較大,48 h累積雨量較大,雨滴譜分布的譜寬較寬,粒子數(shù)濃度在小粒徑時更高,西南渦的發(fā)生發(fā)展造成的降水對本次研究區(qū)域的雨滴譜分布有很大的影響,因此,對于西南渦形成降水過程的研究要更進一步,這對于青藏高原東側(cè)的云微物理特征的研究也會更有優(yōu)勢。

圖6 7月16日08 時700 hPa 風(fēng)場圖

圖7 7月16日20 時700 hPa 風(fēng)場圖

圖8 7月15-16日雨滴譜圖

3 結(jié)論與討論

利用2021年峨眉山站點和林芝站點的激光雨滴譜儀數(shù)據(jù)資料,研究了青藏高原東南部及其東坡降水的雨滴譜特征。獲得的主要結(jié)論如下:

(1)通過年降水量以及雨滴譜分布可知,峨眉山站點觀測到該地區(qū)年累計降水量大,尤其是夏、秋2 季降水量很大,降水持續(xù)時間短,降水頻次多。林芝站點觀測到該地區(qū)年累計降水量較峨眉山站點小很多,其中夏季降水遠高于春、秋、冬3 季,但平均雨強與峨眉山站點相差不大,降水持續(xù)時間短,降水頻次多。

(2)峨眉山站點4 個季節(jié)對應(yīng)粒子數(shù)濃度峰值的粒徑為1.5 mm左右,其中層狀云雨滴譜濃度最低,譜寬最短,雨滴濃度會隨著粒徑的增大而減小的趨勢逐漸變緩。而林芝站點4 個季節(jié)對應(yīng)粒子數(shù)濃度峰值的粒徑為1 mm左右,其中層狀云雨滴譜濃度最低,主要貢獻在小粒徑上,雨滴濃度會隨著粒徑的增大而減小的趨勢逐漸變緩。通過Gamma 擬合可以看出,峨眉山站點春、夏2 季的曲線有點偏離觀測曲線,但秋冬的曲線趨勢大致是相近的,模擬較好的粒徑區(qū)間在1.5～4.0 mm。而林芝站點4 個季節(jié)的擬合曲線的濃度值均高于實測濃度值,但擬合曲線與實測曲線的趨勢較為相似,模擬較好的粒徑區(qū)間在1.3～4.5 mm。因此,峨眉山站點和林芝站點的雨滴譜在適當范圍內(nèi)是能夠運用Gamma 分布模擬的。

(3)通過對2021年7月15-16日的降水個例分析,伴隨較深厚的氣旋性渦旋出現(xiàn)的降水強度較大,48 h累積雨量較大,雨滴譜分布的譜寬較寬,粒子數(shù)濃度在小粒徑時更高,西南渦的發(fā)生發(fā)展造成的降水對本次研究區(qū)域的雨滴譜分布有很大的影響。因此,基于對西南渦形成降水過程的研究更進一步,這對于青藏高原東側(cè)的云微物理特征的研究也會有所幫助。

在處理觀測數(shù)據(jù)時,根據(jù)雷達反射率因子對不同類型降水云分類的方法有誤差,在統(tǒng)計過程中,出現(xiàn)了不屬于混合云的類別,導(dǎo)致雨滴譜分布曲線本應(yīng)該隨著粒徑增大,數(shù)濃度遞減區(qū)域出現(xiàn)了折返,使雨滴譜圖中大粒子數(shù)濃度不降反增。由于林芝站點的雨滴譜數(shù)據(jù)缺失(缺少4月、5月、9月、12月數(shù)據(jù)),導(dǎo)致整體的研究結(jié)果存在一定的偏差,對概括青藏高原東南部及其東坡區(qū)域的雨滴譜特征有一定的影響。因此,為了能夠更加全面、具體的提高對青藏高原東南部及其東坡的雨滴譜特征的掌握情況,未來的方向可以選取更加精確的時間尺度、更加完整的數(shù)據(jù)資料以及盡量多的觀測站點,以獲得準確的區(qū)域資料,為以后研究青藏高原地區(qū)的云微物理特征提供一些幫助。

致謝:感謝成都信息工程大學(xué)科研基金項目(KYTZ201721)對本文的資助