黃海迅 周筠珺 ,2 曾勇 鄒書平 楊哲

1 成都信息工程大學大氣科學學院高原大氣與環(huán)境四川省重點實驗室，成都 610225

2 南京信息工程大學氣象災害預警預報與評估協同創(chuàng)新中心，南京 210044

3 貴州省冰雹防控技術工程中心，貴陽 550081

4 貴州省山地氣候環(huán)境研究所，貴陽 550001

5 貴州省人工影響天氣辦公室，貴陽 550081

1 引言

雹暴天氣給人們帶來巨大的經濟損失以及安全隱患，為降低雹暴天氣所帶來的危害，需要對雹暴天氣的機理進行研究，雹胚作為冰雹的前體物，對其進行細致研究很有必要。霰粒子作為雹胚的主要來源（List, 1960; Knight and Knight, 1970; 郭恩銘,1983; 胡志晉和何觀芳, 1987; 徐戈等, 2016），其形成方式已有較多學者進行研究：Arenberg（1941）和List（1958）發(fā)現，霰粒子的來源一種是凍滴，另一種是冰晶粒子；Harimaya（1975）和Heymsfield et al.（1980）發(fā)現冰晶聚合物也可以發(fā)展成為霰粒子；而陳寶君等（陳寶君和肖輝, 2007）通過研究發(fā)現：過冷雨水低含量條件下，霰主要來自冰雪晶與過冷小水滴的碰凍，其次來自雪的積聚轉化?？梢钥偨Y為：霰粒子的來源主要為冰晶粒子、凍滴以及冰晶聚合物。

霰粒子成雹過程也有較多相關研究。唐潔等（2018a, 2018b）通過分析，得出：在-40°C以下層，霰粒子的增長主要依靠淞附過程以及聚并雪晶過程；洪延超等（2002）利用三維冰雹云模式通過實例模擬研究了云中冰相物理過程，結果表明：在冰雹形成過程中，作為雹胚的霰粒子主要通過撞凍過冷水增長。王凱等（2017）通過三維冰雹云模式模擬了巴彥淖爾市的一次雹暴過程，得出此次過程冰雹增長以霰粒子轉化為主，碰并雪增長為輔；付燁等（2016）通過中尺度數值模式模擬了一次雹暴過程，得出結論：冰雹通過碰凍過冷水滴和碰撞收集冰雪晶快速增長；張小娟等（2019）通過中尺度數值模式模擬了一次冰雹天氣過程，得出：霰撞凍過冷云水和霰的自動轉化是冰雹形成的主要微物理機制；樊明月等（2013）利用三維全彈性冰雹云模式分析了一次山東境內的降雹過程，分析表明：冰雹主要質量來源是霰的自動轉化以及碰并過冷云水增長；可見霰粒子的增長方式主要為碰并過冷水增長。梅垚等（2018）利用可移動式C波段雙線偏振雷達對2014年西藏那曲的一次強對流過程進行分析，其中簡單分析了天氣過程中由濕雪演變至冰雹的動力和熱力過程；馮晉勤等（2018）利用雙線偏振雷達對2016年發(fā)生在福建的一次降雹過程進行了分析。

上述研究主要針對雹暴某一個階段的霰粒子進行分析，對雹暴整個過程中霰粒子的發(fā)展、演變研究較少，缺乏較細致的定量研究。此外，在運用雙線偏振雷達進行粒子識別的研究中，對雷達資料的預處理中的濾波模塊內，均忽略了差分相移零值所帶來的誤差。

本文針對上述問題，利用X波段雙線偏振雷達數據，運用綜合小波去噪（趙川鴻等, 2019）和自適應約束算法進行資料預處理，基于模糊邏輯算法，對雷暴單體內七種水成物粒子進行識別，包括：毛毛雨（Drizzle Rain，簡稱DR）、雨（Rain，簡稱RN）、低密度霰（Low Density Graupel，簡稱LDG）、高密度霰（High Density Graupel，簡稱HDG）、冰雹（Rain Hail，簡稱RH）、冰晶聚合物（Aggregation，簡稱AG）、冰晶（Crystal，簡稱CR）。其中低密度霰粒子密度區(qū)間為0.25 g cm-3＜密度≤0.55 g cm-3（Ludlam and Mason, 1957; Locatelli and Hobbs,1974；Pruppacher et al., 1998; Heymsfield et al.,2004），高密度霰粒子密度區(qū)間為0.55 g cm-3＜密度＜0.9 g cm-3（Auer, 1972; Locatelli and Hobbs,1974; Heymsfield, 1978）。將雨（RN）分為溫度低于0°C和高于0°C兩個種類，溫度低于0°C仍為液態(tài)的水成物粒子稱之為過冷水粒子（SWA）。根據反演結果對威寧地區(qū)單體雹暴、多單體雹暴的整個過程中雹胚的演變特征進行詳細的分析，并據此分別建立單體、多單體雹暴概念模型。

威寧縣是云貴高原的東延部分，由于海拔高，夏季0°C高度也適宜冰雹發(fā)展，使得其單點性局地強對流雹災較多（柯莉萍等, 2016）。本文對發(fā)生在威寧縣的兩次雹暴微物理過程進行分析，重點研究雹胚在雹暴過程中的演變特征，以期為人工消雹以及提高當地雹暴天氣預警預報的準確率提供相關理論依據。

2 數據來源和預處理

2.1 數據來源

本文利用位于威寧縣（27.05°N，104.08°E）的X波段雙線偏振天氣雷達（YLD1-D）數據，以及位于昭通市（27.35°N，103.72°E）的C波段多普勒天氣雷達（CINRAD/CC）數據，結合地面觀測站資料和探空資料，對2018年5月8日和2019年6月11日兩次雹暴過程進行分析。兩部雷達的技術指標如表1所示。圖1展示了威寧縣各個地面觀測站以及兩部雷達的相對位置。

表1 兩部雷達的主要性能配置參數Table 1 Main performance configuration parameters of the two radars

圖1 威寧地面觀測站、YLD1-D雷達、CINRAD/CC雷達的相對位置以及最大水平掃描范圍（紅色、藍色圓圈分別為YLD1-D雷達和CINRAD/CC雷達的最大水平掃描范圍）Fig. 1 Relative position of the Weining ground observatory, YLD1-D radar and CINRAD/CC radar and the horizontal maximum radar scanning range (red and blue circles represent the maximum horizontal scanning range of YLD1-D radar and CINRAD radar, respectively)

為更好地了解雹暴云的內部結構，需要對雹暴單體進行垂直剖面，但雹暴當天并沒有RHI數據資料，為了使分析更加清晰、直接，本文采用Barnes插值方法來對多層雷達數據進行插值（黃云仙和張英, 2008）。

2.2 數據預處理

在進行水成物粒子識別之前，需要對雷達偏振數據進行質量控制。如圖2所示，本文的數據預處理包括差分相移退折疊、濾波、衰減訂正三個步驟。退折疊采用徑向連續(xù)性檢查法來退差分相位折疊（肖嬌艷等, 2012）；濾波采用綜合小波去噪（趙川鴻等，2018），相比于滑動平均濾波、中值濾波、卡爾曼濾波、FIR（有限沖擊響應）迭代濾波、小波去噪，它對差分傳播相移的濾波效果更好，可使得差分傳播相移率（KDP）質量提升，有助于提高粒子識別的準確性；衰減訂正采用自適應約束算法（Park et al., 2005a, 2005b）對反射率（ZH）以及差分反射率（ZDR）進行訂正，該方法通過不斷的自動調整，得到最佳衰減率。

2.2.1 濾波效果

以2018年5月8日18:09（北京時，下同）時刻（降雹時段內）、仰角0.5°、徑向180°、庫數335～584的差分傳播相移為例（圖2）。相比于濾波前（圖2虛線），濾波后（圖2實線）的差分傳播相移不僅數據脈動得到很好的抑制，其整體趨勢也得到了保留。

圖2 差分傳播相移ΨC（單位：°）在庫數335～584濾波訂正前后對比Fig. 2 Differential propagation phase shift ΨC (units: °) before and after filtering correction in the 335～584 gates

2.2.2 衰減訂正效果

C波段雷達信號在穿過云體時的衰減比X波段小，即C波段雷達信號更加接近真實情況，所以將經過衰減訂正的X波段雷達組合反射率與C波段多普勒雷達反射率進行比較，可以驗證衰減訂正的效果?？紤]到雹暴云在降雹時反射率最強，本文分別選擇兩次過程中靠近降雹時段的數據來進行衰減訂正效果驗證。圖3a-c分別為2018年5月8日18:03時刻C波段、訂正前和訂正后的X波段組合反射率分布，圖3d-f分別為2019年6月11日15:13時刻C波段、訂正前和訂正后的X波段組合反射率分布。觀察圖3a可以發(fā)現，長方形內的反射率有較多區(qū)域大于55 dBZ，并且中心最強處大于60 dBZ，而訂正前（圖3b）相應區(qū)域的組合反射率在大值區(qū)域（大于55 dBZ）面積以及最大值這兩方面都差距較大。訂正過后（圖3c），大值區(qū)域明顯增多，而且存在大于60 dBZ的極大值；2019年6月11日15:13時刻，訂正后數據（圖3f）相比于訂正前（圖3e），從反射率大小和大于50 dBZ的反射率區(qū)域面積來看都更接近于C波段雷達（圖3d）。

圖3 （a-c）2018年5月8日18:03以及（d-f）2019年6月11日15:13 X波段雷達組合反射率衰減訂正前（中列）、訂正后（右列）與同時刻C波段雷達組合反射率（左列）的對比Fig. 3 Comparison of the combined reflectivity from X-band radar before attenuation correction (middle column), after attenuation correction (right column) and the combined reflectivity from C-band radar (left column) at (a-c) 1803 BJT (Beijing time) on May 8, 2018 and (d-f) 1513 BJT on June 11, 2019

通過以上比較可以看出：在經過衰減訂正過后，威寧的雷達反射率與C波段雷達觀測較為一致。

2.3 水成物粒子識別

2.3.1 選擇參數

選擇ZH（水平反射率因子）、ZDR（差分反射率）、KDP（差分傳播相移率）、ρHV（共極化相關系數）四個偏振參數來構建粒子識別模型，并且引入溫度參數T，由海平面高度代替。

2.3.2 水成物粒子分類

將水成物粒子識別結果分為毛毛雨（DR）、雨（RN）、冰晶聚合物（AG）、低密度霰（LDG）、高密度霰（HDG）、冰雹（RH）、冰晶（CR）。這種分類方式既能達到識別冰雹落區(qū)的目的，也能避免因分類過細而導致的與雷達探測精度不匹配的問題，為后文的微物理過程分析做鋪墊。

2.3.3 選取成員函數

目前隸屬成員函數主要有三種，分別是：（1）Liu and Chandrasekar（2000）率先提出的beta型函數；（2）Zrnic et al.（2001）提出的對稱梯型函數；（3）Park et al（2009）在Zrni?的基礎上提出的不對稱梯型函數。對稱函數并不適用于所有的粒子類型，為了符合實際的反演結果，本文采用不對稱梯型函數，見公式（1），用最大集成法進行水成物粒子識別。

其中，X1、X2、X3、X4為函數閾值，x為雷達探測值，7種水成物粒子的成員函數閾值設置見表2。根據雷達數據質量好壞，分別將偏振參數ZH、ZDR、KDP、ρHV以及溫度參數T的權重設為0.3、0.2、0.1、0.1、0.3。

表2 7種水成物的成員函數閾值設置Table 2 Member function threshold setting for seven kinds of aquatic products

3 識別效果驗證

2018年5月8日18:03時刻，水平粒子識別結果圖中（圖4b）：在黑石頭鎮(zhèn)和麻乍鄉(xiāng)交界處識別出RH；在垂直剖面圖上（圖4c），距雷達31 km的近地面識別出RH。這與地面觀測站記錄的降雹地點以及時間一致；2019年6月11日15:26時刻也是如此，在水平以及垂直的粒子識別結果圖中，識別出RH的時間以及地點均與地面觀測站記錄的一致。

通過以上對比，我們驗證了本文構建的水成物粒子識別算法在水平方向以及垂直方向的準確性，該算法可以用來進行后續(xù)研究。

本文選擇的是2018年5月8日以及2019年6月11日的兩次過程，兩次過程的基本信息如下：分別為單體雹暴和多單體雹暴，持續(xù)時間分別為10分鐘和5分鐘，造成單體降雹的天氣形式為冷鋒與切變線系統(tǒng)擾動不穩(wěn)定層結形成對流，多單體降雹則是由西南低渦與青藏高原冷高壓以及西南暖濕氣流配合形成不穩(wěn)定層結造成，最大回波高度分別為10 km和16 km，圖5為兩次過程的雹暴路徑。

4 個例1分析

2018年5月8日威寧縣發(fā)生了一次降雹過程，降雹地點為麻乍鎮(zhèn)，持續(xù)時間為10分鐘，造成的災害是2018年最嚴重的一次。從2018年5月8日12:00的環(huán)流形式（圖6）來看：500 hPa，威寧地區(qū)位于一個小脊前方，受脊前偏北冷氣流影響；700 hPa，威寧地區(qū)受來自西南方向的暖濕氣流影響。上冷下暖的不穩(wěn)定層結，再加上冷鋒的擾動，促成了此次強對流天氣的形成。

圖7為降雹單體的演變過程，2018年5月8日威寧縣西部有一個對流單體形成并向東發(fā)展，于17:55～18:05降雹。

由于冰雹出現在回波反射率較強的區(qū)域，故為研究冰雹云在垂直方向上的微物理結構，本文選擇的剖面方向為組合反射率最強的方向（圖8）。

17:46（圖8a），在威寧縣黑石頭鎮(zhèn)與雙龍鄉(xiāng)的交界處出現一個較強對流單體，其組合反射率最大值大于50 dBZ；17:52（圖8b），單體中心加強到55 dBZ以上，單體西邊出現“V型缺口”，有偏西北氣流流入；17:57（圖8c）、18:03（圖8d）時刻單體發(fā)展至最強，反射率最大值大于60 dBZ，“V型缺口”加深；18:09（圖8e）、18:15（圖8f）時刻，分散為多個小單體，反射率大值區(qū)域減少，西側“V型缺口”開始消散。根據上述分析，將此次雹暴過程分為發(fā)展階段（17:46、17:52）、成熟階段（17:57、18:03）、消散階段（18:09、18:15）。

圖4 （a-c）2018年5月8日18:03、（d-f）2019年6月11日15:26的組合反射率（左列）、1.45°仰角粒子識別結果（中間列）以及垂直剖面上的粒子識別結果（右列）。紅線表示剖面方向（從上到下，下同），H代表高度（單位：km）Fig. 4 Combined reflectivity (left column), 1.45° elevation angle particle recognition result (middle column) and vertical particle recognition result(right column) at (a-c) 1803 BJT on May 8, 2018 and (d-f) 1526 BJT on June 11, 2019. The red line represents the section direction (from top to bottom, the same below), H represents the height (units: km)

4.1 發(fā)展階段

17:46（圖9a），回波高度達到8 km。在1.45°水平徑向速度圖（圖9c）上存在一個輻合區(qū)域（黑色圓圈區(qū)域），12°徑向速度圖上則對應著一個輻散區(qū)域（紅色方框區(qū)域），與高組合反射率值對應，近地面氣流輻合上升，暖性水成物粒子被抬升至0°C以上，部分被凍結形成凍滴，部分仍然保持液態(tài)，成為SWA；-20°C以上，高空的冰核粒子吸附過冷云滴增長，形成冰晶粒子（CR），庫數為3359，分布在5 km高度以上；CR淞附高空的過冷云滴形成以CR為核心的低密度霰粒子（LDG），庫數為175，分布在5 km高度左右；CR通過“貝吉龍過程”（Pruppacher and Klett,1997）形成冰晶聚合物（AG），分布在2～5 km高度；在0～-20°C高度層內，溫度相對較高，且SWA充足。SWA遇到AG時，不會馬上凍結，而是鋪展在AG表面形成冰層，冰層不斷累積，形成密度相對較大的高密度霰（HDG），凍滴通過淞附SWA也能形成HDG，HDG庫數為517，分布在1～3 km高度；在SWA相對較少且溫度更低的-20°C以上，過冷云滴碰到CR會立即結冰，而不是均勻分布在CR表面，淞附的過冷云滴越多，則CR表面的冰層空隙越多，形成密度相對較小的低密度霰（LDG）。17:52（圖9b、d），-20°C以上過冷云滴增多，CR淞附過冷云滴效率增加，使得LDG數量有所增加，為186庫；HDG變化較小，小部分HDG降落至0°C以下，在下落過程中融化成雨，造成降雨增強。

圖5 （a）2018年5月8日、（b）2019年6月11日雹暴路徑（紅線代表單體1的移動路徑，藍線代表單體2的移動路徑）Fig. 5 The path of the hailstorm on (a) May 8, 2018 and (b) June 11, 2019. The red line represents the moving path of cell 1, and the blue line represents the moving path of cell 2

圖6 2018年5月8日08:00天氣形勢圖。黑點為威寧位置，冷鋒（藍色形狀）位于近地面，槽（綠線）位于500 hPa，切變線（雙實線）位于700 hPa（等值線表示700 hPa位勢高度，單位：dagpm）Fig. 6 The weather situation map of 0800 UTC May 8, 2018. Black point represents the Weining position, the cold front (blue shape) is near the ground, the groove (green line) is located at 500 hPa, and the shear line (double solid line) is located at 700 hPa (contours represent 700-hPa geopotential height, units: dagpm)

圖7 2018年5月8日雹暴單體的演變過程（填色代表反射率大小，單位：dBZ）Fig. 7 Evolution of hailstorms on May 8, 2018. Filling represents the reflectivity, units: dBZ

圖8 2018年5月8日單體1的演變過程以及剖面角（紅線代表剖面方向）：（a）17:46；（b）17:52；（c）17:57；（d）18:03；（e）18:09；（f）18:15Fig. 8 Evolution of the cells and the profile angle (the red line represents the section direction) on May 8, 2018: (a) 1746 BJT; (b) 1752 BJT; (c) 1757 BJT; (d) 1803 BJT; (e) 1809 BJT; (f) 1815 BJT

4.2 成熟階段

如圖10所示，回波高度達到10 km。從水平徑向速度圖來看，地面徑向速度輻合梯度變大（圖10c、g），高空的輻散速度梯度也變大（圖10d、h），說明上升氣流增強。17:57，SWA首次出現在4 km高度以上；在多處識別出RH，從RH出現的環(huán)境[HDG中（最先出現）、SWA中、LDG中]以及數量來看，RH的來源有兩個，分別為由LDG轉化以及由HDG轉化，位于HDG中的RH數量是LDG中的11.2倍，由此可以推測出HDG為RH的主要來源；由圖10e可知，3～5 km為SWA分布密集區(qū)，HDG在上升氣流作用下被抬升至3 km高度以上，在0～-20°C高度層內，淞附SWA，進行濕增長，在-20°C以上則進行干增長，最終形成RH；RH形成后通過碰并SWA以及吸附AG、CR等粒子增長，當增長到上升氣流不足以支持RH繼續(xù)滯空時，RH降落地面產生降雹；18:03，SWA數量減少45%，空間分布的密度減小，導致高空RH增長減緩，雖數量多但質量小，僅有少數質量較大的RH能夠降落至地面，其余的均堆積在高空，數量達到828庫，分布于2～5 km高度。雖LDG在上升氣流作用下緩慢下降，在下降過程中捕獲SWA增長，最終也能形成RH，但LDG在降雹期間數量增加兩倍，而HDG在降雹期間數量減少20%，由此也可側面印證HDG為RH的主要來源。

圖9 2018年5月8日（a、e、c、g）17:46、(b、d、f、h）17:52在194°、192°的（a、b）反射率和（e、f）粒子識別剖面圖以及在（c、d）0.5°、（g、h）12°仰角的徑向速度圖（黑色圓圈區(qū)域代表輻合，紅色方框區(qū)域代表輻散）Fig. 9 (a, b) Reflectivity, (e, f) particle recognition profile at 194°, 192° and the radial velocity at an elevation angle of (c, d) 0.5° and (g, h) 12° (a, e,c, g) at 1746 BJT and (b, d, f, h) 1752 BJT on May 8, 2018 (the black circle area represents convergence, the red square area represents divergence)

4.3 消散階段

如圖11a所示，18:09以后，回波高度降低至10 km以下，反射率大值區(qū)域明顯減小；從圖11e中可以看出，單體后方的“V型缺口”開始消散，而從1.45°水平徑向速度來看，輻合梯度相比于上個時刻減小，高空輻散也減弱，說明近地面后方入流的上升氣流開始減弱，RH生成效率降低，消耗HDG、LDG、SWA的速度減小，導致HDG、LDG以及SWA堆積，HDG數量增加67%，LDG數量增加16%，SWA數量增加136%；由于RH、HDG、LDG等粒子均在重力作用下墜落，而RH在下落過程中融化為HDG，以及LDG在從5 km高度墜落過程中也可能逐步轉化為HDG，所以HDG增加量遠遠大于LDG增加量。在18:15，單體回波頂高度繼續(xù)下降；絕大多數RH降落至0°C以下并且數量減少20%；HDG數量有所增加；LDG數量則減少60%。

圖12為本次雹暴過程中關鍵粒子數量隨時間的變化圖，可以發(fā)現：RH在成熟時期出現，在SWA減少時急劇增加：當RH數量增加到一定程度，且其消耗SWA的速度大于底層水成物粒子被帶上高空而形成SWA的速度時，SWA則開始減少；當RH數量增加到最大時，SWA數量由減少轉變?yōu)樵龆?；在HDG增多時RH數量開始減少；當HDG生成RH這一過程減慢，使得HDG消耗速率小于HDG生成速率，意味著單體對流開始減弱，開始進入消散階段。

圖10 2018年5月8日（a、e、c、g）17:57、(b、d、f、h）18:03在189°、183°的（a、b）反射率和（e、f）粒子識別剖面圖以及在（c、d）0.5°、（g、h）12°仰角的徑向速度圖（黑色圓圈區(qū)域代表輻合，紅色方框區(qū)域代表輻散）Fig. 10 (a, b) Reflectivity, (e, f) particle recognition profile at 189°, 183° and the radial velocity at an elevation angle of (c, d) 0.5° and (g, h) 12° at(a, e, c, g) 1757 BJT and (b, d, f, h) 1803 BJT on May 8, 2018 (the black circle area represents convergence, the red square area represents divergence)

5 個例2分析

2019年6月11日在威寧縣草海鎮(zhèn)發(fā)生了一次降雹過程，此次過程回波高度達到16 km，回波中心強度大于55 dBZ，冰雹最大直徑達到10 mm，是2019年上半年記錄的最強雹暴過程。降雹時間為15:20～15:25，由多個單體相互作用而形成。

圖13為該日12:00 700 hPa、500 hPa的天氣形勢圖，從圖中可以發(fā)現：500 hPa（圖13b），威寧處于脊前，受偏北冷氣流影響；700 hPa（圖13a），威寧西部存在西南低渦，再加上西藏地區(qū)的冷高壓影響，不斷有小脊向東移動，而西南方向有暖濕氣流從孟加拉灣向威寧輸送，上冷下暖的結構使得空氣層結不穩(wěn)定，這是本次強對流天氣形成的主要原因。

圖14為2019年6月11日雹暴過程中相互作用的兩個單體的發(fā)展過程圖，根據反射率大小以及降雹時間，將此次雹暴過程分為3個過程：發(fā)展階段（14:35～15:13）、成熟階段（15:20～15:26）、消散階段（15:33～15:39）。

5.1 發(fā)展階段

由于發(fā)展階段時間較長，本文挑選多單體的相互作用過程（14:35、14:42、14:48、14:54）來進行分析，如圖15。從圖中可以發(fā)現：單體2由最開始的強盛逐漸衰減，直至14:54完全消失；單體1逐漸發(fā)展，在14:54回波高度達到10 km，反射率最大值大于50 dBZ。從徑向速度剖面圖可知：14:48，單體2近地面為輻散，單體1近地面為輻合（圖15c4），此時單體1內HDG每分鐘變化庫數為40，相比于上一個時刻快了一倍，單體內反射率的最大值從小于40 dBZ增大到大于55 dBZ，并且回波體積顯著增大。由上分析可以推測：單體1內的輻散下沉氣流對單體2內雹胚的增長有促進作用。

圖11 2018年5月8日（a、e、c、g）18:09、(b、d、f、h）18:15在182°、178°的（a、b）反射率和（e、f）粒子識別剖面圖以及在（c、d）0.5°、（g、h）12°仰角的徑向速度圖（黑色圓圈區(qū)域代表輻合，紅色方框區(qū)域代表輻散）Fig. 11 (a, b) Reflectivity, (e, f) particle recognition profile at 182°, 178° and the radial velocity at an elevation angle of (c, d) 0.5° and (g, h) 12° at(a, e, c, g) 1809 BJT and (b, d, f, h) 1815 BJT on May 8, 2018 (the black circle area represents convergence, the red square area represents divergence)

圖12 2018年5月8日雹暴過程關鍵粒子隨時間的變化趨勢Fig. 12 Time-varying trends of key particles during the hailstorm process on May 8, 2018

從粒子識別結果來看：14:42時刻（圖15b3），在上升氣流內，低層的暖性液態(tài)水部分被送至0°C～-20°C，形成較大的過冷雨滴或凍滴，還有一部分分散為更小的水滴，被帶上-20°C高空，形成過冷云滴，冰核淞附過冷云滴形成CR，CR相比上一時刻增加了3175庫；CR在-20°C以上高空淞附增長，在7 km高度形成了165庫LDG；CR增多導致CR通過WBF形成AG的效率增大，AG也由2605庫增多到3970庫；由CR淞附過冷云滴形成的LDG也增多至1096庫；相比于單體雹暴，較強的上升氣流雖然能為0°C～-20°C提供充足SWA，但AG吸收SWA的時間也會減少，大量AG在形成HDG之前就被上升氣流帶上SWA較少的更高地區(qū)，導致HDG的數量較少，僅有211庫；14:48（圖15c3），單體2低層的輻散氣流對單體1低層的輻合有促進作用，使得上升氣流增強，單體1加速發(fā)展，近地面更多的暖性液態(tài)水被送至0°C以上，SWA相比于上個時刻增多了50%，冰核與過冷云滴相遇的幾率大大提高，CR相比上個時刻數量增多719庫；CR增多，合成LDG的效率增加，LDG數量相比上一時刻增加了567庫，垂直厚度超過了3 km；較強的上升氣流使得HDG數量增加較少，但相比于上個時刻還是增多了將近一倍；14:54（圖15d3），在1 km高度識別出HDG，說明高空已經存在質量較大的固態(tài)粒子，能夠穿過上升氣流達到近地面。

圖13 2019年6月11日威寧縣12:00（a）700 hPa、（b）500 hPa位勢高度（等值線，單位：gpm）、風向分布（黑點為威寧位置）Fig. 13 Distributions of (a) 700 hPa; (b) 500 hPa geopotential height (contours, units: gpm) and wind direction at 1200 BJT in Weining County on June 11, 2019. Black dot represents the location of Weining

圖14 2019年6月11日雹暴單體的演變過程，上方為單體2，下方為單體1（填色代表反射率大小，單位：dBZ）Fig. 14 Evolution of the hailstorm cell on June 11, 2019, the top is cell 2, and the bottom is cell 1. Filling represents the reflectivity, units: dBZ

5.2 成熟階段

在15:26，單體1回波高度達到了15 km。從1.45°和12°仰角的徑向速度圖（圖16c、d）可以看出：在單體前方，存在著較大范圍的輻散，而在單體后方則存在則較大范圍的輻合，在12°仰角則相反，由此可以看出單體1前方為上升氣流，后方為下沉氣流。在持續(xù)的上升氣流中，-20°C以上的冰核與過冷云滴淞附加劇，CR迅速增多，達到9784庫；相應的LDG數量也增加至2077庫，為整個過程的最大值；大量的LDG在上升氣流中緩慢下降，在此過程中，不斷淞附SWA增長，最終形成RH，數量為154庫，從RH出現位置以及LDG的數量可推斷，LDG為本次過程中RH的主要來源；HDG相比于發(fā)展階段數量有所減少，可見HDG對RH的形成也有貢獻。15:26，從1.45°仰角的徑向速度（圖16g）來看，輻合速度梯度減小，可知此時的上升氣流相比于上一個時刻減弱；RH數量相比于上個時刻有所增加，為206庫；RH在上升氣流內不斷變大、變重，最終降落地面，形成降雹；LDG數量減少約18%，而HDG數量增加21%，由此也可驗證此次過程雹胚的主要來源為LDG。

圖15 2019年6月11日兩個單體在（a1-a4）14:35、（b1-b4）14:42、（c1-c4）14:48、（d1-d4）14:54相互作用的水平分布以及各參數的剖面圖：組合反射率（第一行；紅線為剖面方向）、反射率剖面圖（第二行）、粒子識別（第三行）以及徑向速度（第四行）Fig. 15 Horizontal and cross-sectional views of the interaction of two cells at (a1-a4) 1435 UTC, (b1-b4) 1442 UTC, (c1-c4) 1448 UTC, and(d1-d4) 1454 UTC on June 11, 2019: Combined reflectivity (top line; the red line represents the section direction), reflectivity sections (second line),particle recognition sections (third line), and radial velocity sections (bottom line)

圖16 2019年6月11日（a、e、c、g）15:20、(b、d、f、h）15:26單體1在132°的（a、b）反射率和（e、f）粒子識別剖面圖以及在（c、d）0.5°、（g、h）12°仰角的徑向速度圖（黑色圓圈區(qū)域代表輻合，紅色方框區(qū)域代表輻散）Fig. 16 (a, b) Reflectivity, (e, f) particle recognition profile of cell 1 at 132° and the radial velocity at an elevation angle of (c, d) 0.5° and (g, h) 12° at(a, e, c, g) 1520 BJT and (b, d, f, h) 1526 BJT on June 11, 2019 (the black circle area represents convergence, the red square area represents divergence)

5.3 消散階段

15:33，單體1內反射率相比于上一個時刻減小，云體變窄，高反射率區(qū)域下移，單體后側有一個新的單體生成。在1.45°水平徑向速度圖上（圖17c），單體1內存在兩處輻散，而對應著12°高度上則分別為輻合和輻散，說明此時單體內下沉氣流占主導地位；CR在重力作用下落向SWA相對較多的區(qū)域，CR淞附SWA效率增大，使得LDG數量增加；部分LDG進一步轉化為HDG，故雖然HDG在重力作用下墜落，HDG的總體數量卻有少許的增多；SWA急劇減小，相比于上個時刻減少68%；由于SWA大量減少，生成的RH體積較小，在下降過程中融化為液態(tài)水，使得此時的降雨仍然較強；15:39，后方新生成的單體與單體1合并，從徑向速度圖來看，合并后的單體的前方低層為輻合，高層為輻散，表明單體1前方出現新的上升氣流，SWA相比于上個時刻增多94%，HDG、LDG數量分別增多59%、81%，單體再次發(fā)展。自此進入另一個多單體相互作用的循環(huán)階段。

圖17 2019年6月11日（a、e、c、g）15:33、(b、d、f、h）15:39單體1在128°、133°的（a、b）反射率和（e、f）粒子識別剖面圖以及在（c、d）0.5°、（g、h）12°仰角的徑向速度圖（黑色圓圈區(qū)域代表輻合，紅色方框區(qū)域代表輻散）Fig. 17 (a, b) Reflectivity, (e, f) particle recognition profile of cell 1 at 128°, 133° and the radial velocity at an elevation angle of (c, d) 0.5° and (g, h)12° at (a, e, c, g) 1533 BJT and (b, d, f, h) 1539 BJT on June 11, 2019 (the black circle area represents convergence, the red square area represents divergence)

圖18為此次雹暴過程中關鍵粒子數量隨時間的變化趨勢圖。從圖中可以發(fā)現：當LDG由減少轉為增多時，RH開始出現；當SWA開始增多時，RH開始減少；RH、LDG、HDG在進入消散階段時，有一個階段性的增多；當SWA迅速減少時，進入衰減階段。

圖18 2019年6月11日雹暴過程關鍵粒子（HDG、LDG、RH、SWA）隨時間變化趨勢Fig. 18 Time-varying trends of key particles (HDG, LDG, RH, SWA)during the hailstorm process on June 11, 2019

6 討論與結論

表3為兩次雹暴過程的特征對比，通過分析可以發(fā)現：在單體降雹階段，作為RH主要來源的HDG的變化率為負，在多單體降雹階段，作為RH主要來源的LDG的變化率也為負；單體降雹時：發(fā)展階段：HDG分布在3 km高度左右，LDG分布在6 km高度左右，兩者均被AG包圍；SWA出現在LDG、HDG之間。成熟階段：HDG、LDG迅速增多；HDG通過淞附SWA以及吸收CR、AG等粒子增長是成雹的主要機制；消散階段：下沉氣流占主導，固態(tài)水成物粒子在重力作用下垂落，在下落途中融化成液態(tài)水。

表3 兩次雹暴過程特征對比Table 3 Comparison of characteristics of two hailstorm processes

多單體降雹前：兩個單體相互靠近，消散單體內下沉氣流占主導，發(fā)展單體內上升氣流占主導；消散單體近地面的輻散氣流對發(fā)展單體近地面的輻合有促進作用，使得發(fā)展單體內LDG迅速增多，HDG增長緩慢且數量較少。降雹時：LDG在緩慢下降的過程中淞附SWA增長成雹是主要的成雹機制，SWA、LDG數量減少，HDG數量幾乎維持不變；消散階段：與單體雹暴類似，各種粒子均在重力作用下墜落，RH、LDG、HDG有一個階段性的增多。

基于以上分析，本文得出兩次雹暴過程的各種水成物粒子在垂直方向上的分布，其結果與Dolan et al（2009）的研究結果基本符合。結合雹暴過程中的微物理過程以及氣流結構，建立了威寧地區(qū)單體以及多單體雹暴的概念模型，如圖19所示。

圖19 單體、多單體雹暴的概念模型（a-c：單體雹暴過程的發(fā)展、成熟、消散階段，d-f：多單位雹暴過程的發(fā)展、成熟、消散階段）Fig. 19 Conceptual model of single-cell hailstorm and multicell hailstorm(a-c: the development, maturation, and dissipation stages of a single hailstorm process, d-f: the development, maturity, and dissipation stages of a multi-unit hailstorm process)

本文利用常規(guī)觀測資料，結合X波段雙線偏振雷達資料，對2018年5月8日和2019年6月11日兩次雹暴過程中雹胚的演變特征進行了分析。

結論如下：

（1）兩次過程中冰雹生長區(qū)均位于4～5 km高度。

（2）2018年5月8日雹暴過程屬于單體雹暴，2019年6月11日雹暴過程屬于多單體雹暴；兩次過程中HDG的來源均為AG和凍滴，LDG的來源也均CR；單體雹暴過程HDG對于RH的產生貢獻最大，多單體雹暴中LDG對于RH的產生貢獻最大。

（3）多單體雹暴中，衰減單體的高空輻合以及低空輻散對發(fā)展單體內雹胚的發(fā)展有促進作用。

（4）多單體雹暴進入衰減狀態(tài)時，RH、LDG、HDG會有階段性的增多，SWA則急劇減少。

綜上所述，本文針對威寧縣2018年5月8日和2019年6月11日兩次雹暴過程，在對雷達數據進行質量控制的基礎上，綜合前人研究所構建的HID方法，使得本文對雹暴中降水粒子的識別較為準確，然后構建了威寧地區(qū)單體雹暴以及多單體雹暴的概念模型，對雹暴過程中水成物粒子分布以及演變有了初步的認識。但也有相應的問題出現：本次研究缺乏RHI掃描數據，雖用插值方法代替，但結果仍有少許誤差，而且地面觀測數據中關于降雹起止時間以及降雹區(qū)域的記錄也與實際情況不甚吻合。所以這也只是初步的研究，而這些問題與難點都將是我們今后需要解決和攻克的。