基于GPM/DPR數據的北疆地區降雪云宏觀結構和微物理特征分析*

王智敏 施麗娟 汪 會 殷占福 李圓圓 馮婉悅

1 中國氣象局人工影響天氣中心，北京 100081 2 新疆維吾爾自治區人工影響天氣辦公室，烏魯木齊 830002 3 中國氣象局氣象探測中心，北京 100081 4 新疆維吾爾自治區氣象技術裝備保障中心，烏魯木齊 830002

提 要： 利用GPM/DPR雙頻降水雷達資料、FY-2E衛星資料和地面降水實況，對新疆北部四次成熟期降雪過程的紅外亮溫、水平分布和垂直結構特征進行了分析。結果表明：降雪云團的云頂亮溫集中在210～245 K，降雪云主要為層狀云，中云對降水率貢獻最大，近地面降水率多分布于0.5～2.0 mm·h-1，回波頂高主要集中在3.0～4.5 km范圍內，回波頂高與近地表降水率強弱變化存在正相關；雷達反射率因子(Z)范圍在22～35 dBz，強回波中心高度主要分布在1.25～4.50 km；質量加權平均直徑(Dm)為1.01～1.25 mm和粒子數濃度(dBNw)為32～36的配置貢獻的降水最多，對應的高度范圍為2.19～2.50 km和2.13～2.67 km；近地表由碰撞-聚并過程產生的大粒子較多，近地表附近Dm達到了2.33～3.00 mm，Z和Dm朝地面幾乎恒定或稍有增加，Z和Dm數值大小與地表降水量變化呈正相關特征。

引 言

GPM(global precipitation measurement)是新一代全球降水探測衛星，能夠對降水過程進行精確的探測(唐國強等，2015；方勉等，2019)。GPM核心觀測平臺搭載了全球首部星載雙頻降水雷達(dual-frequency precipitation radar,DPR)和微波掃描輻射儀(GPM microwave imager,GMI)，觀測范圍可覆蓋至南北緯 65°。

目前，國外學者們利用GPM衛星針對降雪過程開展了大量研究，而國內相關研究相對較少，并且主要集中于一次降雪過程的分析。在國外，Le and Chandrasekar(2019)通過分析2014—2018年北美地區的16場降雪天氣過程，發現GPM/DPR雷達和地基雷達的反射率因子匹配率為87.8%～98.5%。Hamada and Takayabu(2016)發現GPM/DPR雷達對弱降水的探測能力強于TRMM(Tropical Rainfall Measuring Mission)。Adhikari et al(2018)利用全球三年降雪過程的CloudSat衛星和GPM衛星的觀測資料，證實了GPM衛星比CloudSat衛星在觀測強降雪方向更加有效，大多數降雪的雷達反射率小于30 dBz，回波頂高在2～5 km，北半球的降雪過程在清晨有明顯的增強。Skofronick-Jackson et al (2019) 和Casella et al(2017)對比了GPM/DPR和CloudSat/CPR(cloud profile radar)雷達觀測降雪的優缺點，給出了雪粒子散射特性和粒徑分布，在Ku和W波段建立了雷達反射率因子(Z)與降雪率(S)的關系，將CloudSat/CPR雷達和GPM/DPR雷達的降雪觀測數據進行算法匹配融合，提高了DPR雷達觀測降雪的數據質量。von Lerber et al (2018)和Rysman et al(2018)利用地基雷達、雨量計和雨滴譜儀等驗證了GPM觀測降雪過程的有效性為84%～90%，并利用GPM數據反演了雪水路徑參量。Jeoung et al(2020)對在2017—2018年冬季朝鮮半島平昌地區的降雪云，根據云頂高度分為了三類云：近地表云、淺薄降水云和深厚降水云，其中近地表云是最常見的云類型，面積比例超過60%，而深厚降水云在降雪量中的貢獻最大，占總數的50%以上，同時結合地面雷達和輻射計數據對三種類型雪云的云水路徑和降雪率等進行了分析。Chase et al(2020)基于GPM/DPR的雙頻比和云頂高度等觀測數據，發展了一種地面降雪識別算法，利用該算法所得出的結果與地基X/Ka波段雷達所觀測的降雪信息具有較好的一致性，結合地基二維雨滴譜儀分別研究了降雨和降雪的降水率(R)和質量加權平均直徑(Dm)等微物理參量之間的關系。國內方面，吳瓊等(2017)分析比較了GPM/DPR雙頻降水測量雷達三種掃描模式(Ku，KaMS和KaHS)對降雪探測能力的差異，發現DPR相態產品和地面實際觀測結果比較一致且降雪發生時的回波頂高大多小于6 km。李林蔚和官莉(2020)改進了GPM/DPR的降雪指數(snow index,SI) 來識別地面降水相態，提高了冬季降雨和降雪的分辨效果，改進后地面降雪識別結果與地面自動站觀測結果有較好的一致性。

新疆為干旱半干旱地區，冬春季降雪天氣頻繁發生，同時也是我國降雪最豐富的地區之一(張俊蘭等，2021)，目前，對降雪的觀測以地面測量為主，探測儀器包括雪量計和地基雷達(李慧等，2021；杜佳等，2019；魏瑋等，2019)，一些地方也在開展小范圍的飛機觀測(封秋娟等，2021；馬新成等，2021)，但對大范圍尤其是偏遠地區的降雪云結構的觀測則較少。GPM衛星提高了現有的降雪探測水平，將二維觀測提升到了三維。然而，目前對新疆地區降雪云三維結構的研究較少，且多數研究僅基于一次降雪過程，本文基于GPM衛星數據對新疆4個時次的成熟期降雪天氣過程進行了分析，其研究意義在于：其一，給出新疆阿勒泰地區、烏魯木齊地區和哈密地區等不同地區降雪系統的宏微觀結構特征，彌補了新疆地區降雪云三維結構特征研究空白；其二，為研究新疆地區的降雪機制和科學高效開展人工增雪作業奠定基礎。

1 資料與方法

GPM衛星搭載的DPR作為全球首部星載雙頻測雨雷達，由Ku波段和Ka波段降雨雷達組成，其中設備信息詳見表1，KuPR的掃描方式為normal scan(NS)，KaPR有兩種掃描方式，分別為matched scan(MS)和high sensitivity scan(HS)，DPR的降水反演算法包含單頻反演算法和雙頻反演算法。由于雙頻反演算法中有粒子譜產品，使用雙頻方法進行探測降水比單頻有優勢，文中使用了GPM雙頻反演產品2A-DPR_NS，主要包含掃描時間、地理位置、近地面降水率、回波強度和降水粒子譜分布參數等信息。該數據每次掃描寬度為245 km，探測高度自地表向上22 km，水平分辨率約為 5 km，垂直分辨率約為 250 m。DPR雙頻反演產品的合理性已經得到驗證(Kotsuki et al,2014；Chandrasekar and Le,2015；張奡祺和傅云飛,2018)，通過與地基雷達、地面雨量計和雨滴譜儀等進行對比交叉驗證了DPR反演近地面降水率、回波強度和降水粒子譜的合理性。

文中根據實際降雪天氣過程和GPM的軌道覆蓋情況，選擇了發生在北疆區域不同時次的降雪事件作為研究對象，收集相應的軌道號、日期、主要覆蓋區域以及選擇的掃描行號范圍，對GPM衛星探測到的降雪系統的地表降水率、回波頂高、回波強度廓線和降雪粒子譜廓線等的云結構進行詳細研究。

FY-2E衛星于2008年發射，目前仍在軌道運行，是FY-2系列的第五個飛行單元。作為對地靜止軌道衛星，它配備了可見和紅外自旋掃描輻射計，可以進行掃描在五個波段的全圓盤圖，主要包括可見光通道(0.5～0.9 μm)、中紅外通道(3.5～4.0 μm)、熱紅外通道1(10.3～11.3 μm)、熱紅外通道2(11.5～12.5 μm)和水汽通道(6.3～7.6 μm)，時間間隔為30 min。該儀器在可見光通道中的分辨率為1.25 km，在紅外光通道中的分辨率為5 km。該衛星于2015年7月1日從105°E移開，取代FY-2D成為86.5°E位置的主要衛星。現在用它觀察新疆地區的云系發展演變有效性較高，本文主要使用了FY-2E的紅外亮溫(TBB)云圖。

表1 GPM/DPR參數信息Table 1 GPM equipment and track parameter information

2 結果與分析

2.1 天氣形勢分析

圖1為四次降雪過程08時500 hPa高空圖，從圖中可以看出四次天氣過程主要受西伯利亞低槽系統東移南下影響，在北疆大部地區出現偏西急流，造成降雪、降溫天氣過程，圖1a為2015年11月1日主要發生在阿勒泰西部地區(84.0°～88.5°N、46°～49°E)的降雪過程天氣圖，地面氣象觀測站記錄降雪從11月1日10時開始至2日06時結束，累計降水量為4.7 mm(以下稱a個例)；圖1b為2015年11月30日發生在烏魯木齊地區(86°～90°N、43.0°～45.5°E)降雪過程天氣圖，從地面氣象觀測站記錄降雪從11月30日01時開始至06時結束，累計降水量為5.2 mm(以下稱b個例)；圖1c為2016年11月11日發生在阿勒泰東部地區(87°～91°N、45.0°～47.5°E)降雪過程天氣圖，地面氣象觀測記錄降雪從11月11日01時開始至12日04時結束，累計降水量為19.5 mm(以下稱c個例)；圖1d為2018年12月1日發生在哈密附近地區(87.0°～93.5°N、40.5°～43.5°E)的降雪過程天氣圖，在圖1d中所示，從地面氣象觀測站記錄降雪從12月1日07時開始至2日10時結束，累計降水量為0.5 mm(以下稱d個例)。

2.2 降雪云的水平分布特征

2.2.1 靜止衛星觀測降雪云團

文中給出了GPM/DPR觀測到的四個時次降雪前后3個小時內FY-2E紅外亮溫(TBB)云圖，通過分析TBB的變化，我們確定了四個降水系統的發展階段。圖2為FY-2E衛星在GPM衛星過境前后3 h內觀測到的四次降雪過程的云頂亮溫信息，分析發現云圖亮溫參數主要集中在215～260 K，四次降雪過程中的GPM衛星過境時間分別為11:40、02:30、12:30和08:50 UTC，如圖2所示，觀測軌道內的云頂亮溫平均值分別為249.65、245.75、227.56和222.79 K。

Futyan and Del Genio(2007)總結得出了云生命周期階段定義的方法，即根據云系生命周期定義了三個階段(發育、成熟和消散)的紅外亮溫特征，云系內亮溫逐漸降低，在達到最低TBB之前被定義為發育階段，在成熟階段云系達到最小TBB后云內亮溫基本不變，消散階段在成熟階段之后，此時云內亮溫逐漸增加，云系的大小不斷減小減弱。

四次過程中降雪系統向東緩慢移動期間，在GPM觀測到的降水出現區域，有一個相對明顯的發展成熟過程。即靜止衛星的云頂亮溫急劇下降，然后幾乎不變，最后云頂亮溫不斷升高。DPR掃描區域均出現了緊密的低亮溫云團，如圖2中白圈所示，這些云團的亮溫主要分布在215～245 K，其中在圖2a降水云內最低亮溫<230 K，且亮溫<245 K的云面積明顯小于其前后2 h，同樣在圖2b、2c和2d降水云內最低亮溫<225 K、<215 K和<215 K，且亮溫<240 K、<225 K和<215 K的云面積明顯小于其前后2 h，表明它們都屬于典型的成熟階段降水云。

圖1 四次降雪過程08時500 hPa天氣圖(藍線：等高線，單位：dagpm；紅線：等溫線，單位：℃；風羽)(a)2015年11月1日，(b)2015年11月30日，(c)2016年11月11日，(d)2018年12月1日(下同)Fig.1 500 hPa synoptic chart of four snowfall processes (blue line: contour, unit: dagpm; red line: isotherm, unit: ℃； barb)(a) 1 November 2015, (b) 30 November 2015, (c) 11 November 2016, (d) 1 December 2018 (the same below)

圖2 四次降雪天氣過程的FY-2E云頂亮溫演變(a)2015年11月11日10—13 UTC，(b)2015年11月30日01—04 UTC，(c) 2016年11月11日11—14 UTC，(d)2018年12月1日07—10 UTC(白線為GPM/DPR雷達的觀測軌道，白圈為降水云團的空間位置)Fig.2 Evolutions of FY-2E cloud top brightness temperature in four snowfall processes(a) 10:00-13:00 UTC 11 November 2015, (b) 01:00-04:00 UTC 30 November 2015, (c) 11:00-14:00 UTC 11 November 2016, (d) 07:00-10:00 UTC 1 December 2018(White line is the observation orbit of GPM/DPR radar, and the white circle is the spatial position of precipitation clouds)

2.2.2 回波頂高

回波頂高反映了降水系統發展的程度，它與降水系統的動力與熱力過程有關。回波頂高表示雷達探測到的降水回波出現的最高位置，可以反映降水云垂直方向的上升運動強弱變化。圖3為四次降雪天氣的回波頂高及近地表降水率-回波頂高散點分布情況，從中可以直觀地看出，層云降水具有平緩的雨頂，回波頂高分布相對比較均勻，回波頂高多分布在2.5～5.5 km。這與Kulie et al(2016)分別利用GPM/KuPR和CloudSat/CPR觀測得出的結果，即全球大約98%的降雪云的回波頂高度小于 5 km，及吳瓊等(2017)研究發現DPR觀測降雪云的回波頂高大多數小于6 km的研究結果較為一致。由圖3可以發現四次降雪天氣過程的回波頂高分布范圍分別為2.47～5.92、1.81～6.75、2.15～6.12和1.94～4.98 km，平均高度分別為4.16、3.60、3.49和3.55 km，四次過程的平均回波頂高為圖3a1最大，圖3b1、3c1和3d1較為接近。四次過程降水強度大值區域的回波頂高主要集中在3.0～4.5 km的范圍內，占比分別達到了65.93%、62.99%、81.99%和85.04%，分析發現主要降水云類型為層狀云，中云對降水率貢獻最大。四次過程的近地表最大降水強度為4.7、4.6、2.36和2.74 mm·h-1，所對應的最大回波頂高分別為 5.92、6.75、5.31和4.98 km，回波頂高與近地表降水強度強弱變化呈現出正相關的對應關系，存在雨頂越高、近地表降水率就越大的現象，降水強弱同時可能還與云內微物理過程有關。由于四次過程處于成熟階段產生更多的地面降水，同時成熟階段強勁的向上氣流將大量水分從下層帶到上層，導致大量的大冰粒和雨滴，導致回波頂高相對較大，回波頂高越高對應近地表降水粒徑也越大，考慮到中高層云系統的運動，低層水汽的輸送以及降水垂直結構的變化，將這種現象的物理機制可以描述為“播種云”作用(Houze，2012)。

圖3 四次降雪天氣過程的(a1～d1)回波頂高及(a2～d2)近地表降水強度-回波頂高散點分布(黑線為軌道路徑) Fig.3 (a1-d1) Echo top height and (a2-d2) near-surface precipitation intensity and echo top height scatter distribution of four snowfall processes (black line: track path)

2.3 降雪的垂直結構特征

2.3.1 雷達反射率因子的CFADs分析

通常用統計雷達反射率因子隨高度的頻次分布(CFADs)的方法來表征降水的垂直結構特征，其做法是統計降水回波強度在各高度出現的頻次(即高度與反射率因子的兩維聯合概率分布，簡稱聯合概率分布) ，因此它反映了降水回波強度在垂直方向上出現的頻次，以此來展示降水回波的垂直結構(Houze，2014)。此方法能較好地反映降水系統在垂直方向上的變化，解決了傳統空間橫截面不易描述降水云結構特征的難題。因此，為了更深入地研究不同云系各層云的垂直結構，本文將CFADs方法用于對云系垂直結構的研究，統計了不同強度雷達回波信號在各高度上占總樣本數的概率。圖4為四次降雪天氣過程的雷達反射率因子的聯合概率(CFADs)分布，圖4a中個例降水回波強度最大為35 dBz，其余三個個例為30 dBz，但發生的概率都小于0.1%，四個個例高于0.4%的降水回波信號高度和雷達反射率因子出現范圍分別是1.88～4.38 km和17～24 dBz(a個例)、1.00～3.75 km和18～24 dBz(b個例)、1.00～3.88 km和16.0～24.5 dBz(c個例)，1.25～3.75 km和16～25 dBz(d個例)。分析發現個例a、b和個例c、d的CFADs圖的外形具有相似性，顯示出幾乎相同的特征，降雪云垂直結構和微物理特征較為均一。前兩個個例雷達反射率因子出現的高度更高，近地面雷達反射率因子更強，降水垂直結構CFADs較為深厚，其中a個例的雷達回波頂部高度比其他三個個例高1 km左右，這可能是由于較強的上升氣流導致更多的冰粒懸浮在較高水平。總體上，北疆冬季降水回波的高度范圍和雷達反射率因子范圍分別為在1.00～4.38 km和16～35 dBz。隨著高度的升高，反射率因子隨高度減小，強度范圍減小，其回波頂部高度不超過6.75 km，a個例和b個例的降水垂直結構較為深厚，近地表附近雷達反射率達到了32～35 dBz，強盛的向上氣流將大量水汽從下層帶到上層，導致大量的大冰粒和雨滴，并迅速產生高濃度的大粒子(Yuter and Houze, 1995)。當這些更大、下落更快的冰粒下降后，雷達回波形成十分明顯的垂直核心。

圖4 四次降雪天氣過程的(a～d)雷達反射率因子Z的聯合概率(CFADs)分布Fig.4 Distribution of joint probabilities (CFADs) of radar reflectivity factor Z in four snowfall processes (a-d)

2.3.2 粒子譜和降水率CFADs分析

GPM提供了降水的滴譜信息，雨滴譜指的是在單位體積內粒子大小的分布。在云降水物理學研究中，滴譜是一個十分重要的參量，對于降水反演而言，獲取準確的滴譜信息有助于我們了解降水的微物理結構，準確構建雷達反射率因子和降水強度之間的經驗關系式，從而提高降水估計的精度。Matrosov(1998)利用Ka和X雙波段雷達反射率之間的對數差反演雪花的中值粒徑Dm，估算的Dm以及X波段的雷達反射率因子通過Ze-R-Dm關系反演降雪量R，并分析了不同密度雪粒子的中值粒徑與兩個波段雷達反射率的關系。基于GPM/DPR觀測，Liao et al(2016)通過探尋合適的散射模型和恰當的粒徑分布(PSD)假設，研究了雪的微物理特征并估算了雪水含量、降雪量等參數，形成了直接鏈接反射率因子和雪水含量及降雪量的查找表。Iguchi et al(2017)編寫的GPM/DPR觀測數據二級算法中，是通過建立Ka和Ku兩個波段的差分反射率因子DFR和雨滴譜的特征直徑的查算表來進行雨滴譜的反演。

降水系統垂直結構上的滴譜參數[降水粒子的質量加權平均直徑Dm和粒子數濃度dBNw=10log10(Nw)]在各高度出現的頻次，反映了其在垂直方向上的微物理特征變化及其生命周期。如圖5、圖6所示為四次降雪天氣(a～d個例)降雪云的Dm和dBNw的CFADs分布，a～d個例的Dm分布范圍在0.76～3.00、0.56～3.00、0.78～2.73和0.75～2.33 mm，平均值在1.09～1.10 mm；dBNw

圖5 四次降雪天氣過程的(a～d)質量加權平均直徑Dm的聯合概率分布Fig.5 Distribution of joint probabilities of mass-weighted average diameter Dm in four snowfall processes (a-d)

圖6 四次降雪天氣過程的(a～d)粒子數濃度dBNw的聯合概率分布Fig.6 Distribution of joint probabilities of particle number concentration dBNw in four snowfall processes (a-d)

分布范圍在5.78～42.86、7.90～51.43、6.00～39.60 和13.35～41.10，平均值分布在 32.90～33.42。分析發現a個例和b個例Dm的最大值達到了3.0 mm，分別是c個例和d個例的1.09倍和1.29倍，前者的數濃度dBNw值也明顯大于后者，對應于地表降水量也更大，得出在層狀云降雪過程中Dm和dBNw數值大小與地表降水量呈現正相關特征。大于0.2%的Dm和dBNw大值區域主要集中在1.0～1.3 mm和31～36范圍內；大于1.0%的大概率Dm和dBNw分布的高度主要位于1.25～4.00 km 和0.63～3.75 km。a～d個例中Dm的大值區分布在1.0～1.2、1.1～1.25、1.1～1.2和1.0～1.1 mm；dBNw大值區集中在33.0～35.0、32.0～33.5、33.5～35和33.5～34.5，其中a個例和b個例滴譜參數的分布面積較大，對應地面降水最多的也是a個例和b個例。Zagrodnik et al(2018)發現在奧林匹克山上有效的Dm和dBNw配置會適度地增加降水，并且大量小顆粒(較大的dBNw)容易發生碰撞和聚并以形成較強降水，該理論與圖5、圖6所示的結果非常吻合。結合圖3中近地表降水率數據進行分析，得出Dm為1.01～1.25 mm和dBNw為32～35的配置產生的降水最多。北疆層云性降雪過程主要來自于大小較為均一的粒子組成，并不是形成了更大尺度的云滴或雨滴。

總體上，北疆冬季降水回波的Dm和dBNw范圍分別在1.0～1.5 mm和32～36，Dm和dBNw大值分布的高度范圍為2.19～2.50 km和2.13～2.67 km，Dm值隨著降水粒子的下降而增大，近地表附近Dm達到了2.33～3.00 mm，大于平均值1.09～1.10 mm，對應于地表由碰撞-聚合過程產生的大降水粒子較多，大粒子的增多是產生層狀云有效降水的重要微物理機制。

2.3.3 近地面降水率和降雪云剖面結構分析

利用DPR掃描軌道內的近地表降水強度數據，能夠對降水系統水平結構中相應的像素數量、降水面積和降水強度等進行定量分析，文中所用GPM衛星數據基本覆蓋了降雪過程的主要分布范圍，圖7為四次降雪過程(a～d個例)的近地面降水率產品，其中a個例和b個例降水率主要集中在0.09～4.70 mm·h-1和0.07～4.60 mm·h-1，c個例和d個例降水率分布范圍為0.07～2.36 mm·h-1和0.18～2.74 mm·h-1。通過分析降水強度的概率密度分布，四次過程的降水概率密度較為類似，在0.62～0.82 mm·h-1達到峰值。大部分區域降水率多分布于0.5～2.0 mm·h-1，說明四次過程的降水強度都不大，其所占比例分別為62.39%，47.08%，62.5%和56.73%，大于2 mm·h-1其所占比例分別為5.3%，2.48%，0.2%和0.49%。

圖7 四次降雪天氣的(a1～d1)近地表降水強度和(a2～d2)Z、(a3～d3)R和(a4～d4)Dm的沿緯度剖面(對角線代表衛星觀測的軌道路徑，黑色虛線為剖面位置)Fig.7 (a1-d1) Near-surface precipitation intensity at four moments and the latitude profiles along (a2-d2) Z, (a3-d3) R and (a4-d4) Dm in four snowfall processes (a-d) (Diagonal line represents the orbit path of satellite observation, and black dashed line is the profile position)

續圖7continued

降水的剖面結構直觀表征了降水云團的熱力和動力特征。圖7中同時給出了四個個例降雪云沿不同緯度的Z、R和Dm的垂直截面，這些截面對應于圖中的黑色虛線位置。分析發現大多數雷達回波都在5 km以下，最大雷達反射率主要集中在3～3.5 km 以下，Z、R和Dm存在較好的對應關系。a個例中Z的剖面顯示在約3 km處出現了Z明顯的增強(>32 dBz)且反射率幾乎恒定或朝著地面稍有增加，這可能與冰粒的沉積生長有關。同時在幾乎相同的位置出現了粒子1.8～2.2 mm的粒子大值區域，冰粒子的濃度高于其他區域，這可能是由于聚集作用導致產生較大粒子，這些大粒子的出現極大促進了降水的發生，在這些位置降水率大于2 mm·h-1；b個例中雷達反射率因子從2.0～2.5 km開始朝著地面單調增加，表明碰撞-聚并過程是主要從這個高度開始，在接近地面的位置出現了Z的峰值為30 dBz，對應該位置的Dm為1.4～1.6 mm，降水率大于2 mm·h-1；同樣c個例和d個例的雷達反射率因子分別從3.5 km和2.8 km高度附近幾乎恒定或朝著地面稍有增加，雷達強回波主要分布在26～30 dBz和26～28 dBz，對應強回波位置的Dm集中在1.6～2.0 mm和1.4～1.6 mm，R剖面的降水量大值區間為1.0～1.5 mm·h-1和1.5～2.5 mm·h-1。

分析發現雷達發射率因子和雨量的變化趨勢與雨滴直徑增加有密切關系，表明當雨滴落下時，碰撞-聚并為主要過程。Dm隨高度的變化主要介于1.4～2.0 mm，并且隨著垂直方向高度的減小而保持不變。由于近地面云中聚并過程強于蒸發和破裂過程，在成熟階段雷達反射率因子和降水率朝著地面恒定或略有增加。

3 結論與討論

利用GPM/DPR雙頻降水雷達資料和FY-2E衛星觀測到的新疆北部阿勒泰地區、烏魯木齊地區和哈密地區四個成熟期的降雪過程資料，分析了云頂亮溫、地表降水率、回波頂高、雷達回波強度和粒子滴譜的水平和垂直結構特征，得出以下結論：

(1) 四次降雪過程在GPM/DPR掃描區域均出現了緊密的低亮溫云團，這些云團的亮溫主要分布在215～245 K，它們屬于典型的成熟階段降水云。

(2) 四次降雪過程的降水概率密度峰值主要位于0.62～0.82 mm·h-1，大部分區域降水率多分布于0.5～2.0 mm·h-1，大于2 mm·h-1降水率所占比例分別為5.30%、2.48%、0.20%和0.49%，對應的回波頂高平均值分別為4.16、3.60、3.49和3.55 km，降水率大值區域主要集中在回波頂高為3.0～4.5 km范圍，中云對降水率貢獻最大，回波頂高與近地表降水率強弱變化呈現出正相關的對應關系。

(3) 降雪的Z強度范圍多為20～35 dBz。隨著高度的升高，Z隨高度減小，強度范圍減弱，其回波頂部高度不超過6.75 km，其中兩個個例的降水垂直結構較為深厚，近地表附近雷達反射率因子達到了32～35 dBz，相應產生的近地面降水強度也較強。

(4) 降雪的Dm和dBNw范圍多分布在1.0～1.5 mm和32～36，Dm和dBNw大值分布的高度范圍為2.19～2.50 km和2.13～2.67 km。Dm值隨著降水粒子的下降而增大，近地表附近Dm達到了2.33～3.00 mm，大于平均值1.09～1.10 mm，對應于地表由碰撞-聚并過程產生的大降水粒子較多，大雨滴的增多是產生層狀云有效降水的重要微物理機制。

本文利用主動式探測雙頻降水雷達對發生在新疆北部地區的四個成熟期降雪事件進行了分析。下一步工作將對降雪其他時期，如降雪初期、消散期的個例進行統計分析，進一步可將GPM降水觀測資料與ERA5等再分析資料進行匹配和融合，對不同天氣系統背景下的降水事件進行遴選歸類后進行合成分析，豐富對新疆地區不同降水云垂直結構的認識，便于模式模擬中的參數化方案的選取和雷達反演地面降水算法的優化。