濕球溫度動態閾值法在秦嶺南北降雪時空規律分析的適用性研究

李雙雙， 劉青雯， 何錦屏， 尚 溦

（陜西師范大學 地理科學與旅游學院，陜西 西安 710119）

0 引言

IPCC 第六次評估報告指出，有更多證據表明氣候變暖毋庸置疑［1］。人類活動造成的氣候變化，已經廣泛影響到全球不同區域的極端天氣和氣候事件。降雪異常偏多或偏少，將對中高緯度地區農業生產、水資源管理與調度、交通運輸保障等社會經濟系統可持續發展造成嚴重的影響［2-5］。

降雪和積雪，是雪災重要的量化指標，也是認識冬季氣候變化的2 個重要視角［6］。回顧已有研究，降雪和積雪在研究數據、量化指標和研究側重等方面存在明顯的差異。其中，降雪研究多基于氣象觀測資料，側重于天氣現象分析，關注于氣候變化響應；積雪研究則基于遙感反演產品，側重于降雪堆積或消融過程，關注于降雪水文和水量平衡的影響［7-11］。隨著極端天氣與氣候變化響應關系研究的深入，國內外許多學者逐漸重視降水相態變化，即區分降水類型為：降雪、雨夾雪和降雨。關注不同降水相態的變化，可為理解氣候變化的區域響應提供新的證據［12-16］。上述研究視角轉變驅動下，許多客觀雨雪相態判斷方法被提出，一定程度上彌補了部分地區降水相態實際天氣現象觀測記錄缺失的不足［17-20］。

在客觀雨雪相態判斷方法中，Ding 等［14］深入研究了降水類型與地面高程、氣象要素之間的關系，利用日平均濕球溫度、相對濕度和高程數據確定降水類型，提出濕球溫度動態閾值法，對中國降水相態進行準確識別。相對于9 種氣溫閾值識別模型，濕球溫度動態閾值法對0～4.0 ℃范圍降水類型識別準確率更高。值得一提的是，前期客觀雨雪相態判斷方法適用性評價研究中，評估準確率空間范圍以全國氣候分區為主，包括青藏高原、西北、東北和其他地區，對特殊氣候過渡帶評估相對偏少；評估時間段以降雪季或年代尺度為主，對不同時段、不同溫度、不同地理單元的組合關系關注不足。因此，精細化評估客觀雨雪相態判斷適用性方案，亟需回答“降雪季判斷準確率是否存在階段差異”“不同氣溫條件下降雪判斷準確率是否存在空間差異”等問題。

秦嶺，是中國南北重要的地理分界線，屬于中國常年多雪帶，是重要生態屏障，也是南水北調工程的核心區［21-23］。前期秦嶺冬季降水研究，多集中于積雪；空間上，主要集中于秦嶺主峰太白山，以及陜西境內氣象站點海拔最高且氣象記錄時間序列最長的華山站。對秦嶺南北2 大地理單元（關中平原和漢江谷地）降雪規律研究較少［24-27］。客觀雨雪相態判斷方法是否適用于秦嶺南北降雪時空規律研究尚不明晰。同時，隨著全球變暖加劇，秦嶺以北熱量條件基本達到北亞熱帶標準，漢江谷地可納入亞熱帶范圍［28］。區域氣溫升高，勢必對冬季降水相態產生影響。受地理環境、觀測技術等客觀條件限制，秦嶺南北多數氣象站點缺乏長時間降水相態資料。加之，未來氣候模擬能力不斷增強，氣溫、降水和相對濕度等預估資料逐漸豐富，使得評估秦嶺南北未來降雪相態變化趨勢成為可能。為了更好理解中國北亞熱帶和暖溫帶冬季降雪變化規律，迫切需要對客觀雨雪相態判斷在秦嶺南北降雪時空規律的適用性進行評估。

基于此，以秦嶺南北為研究對象，利用72 個氣象臺站逐日氣象數據，輔以濕球溫度動態閾值法，對中國南北過渡帶冷激降水相態（降雨、降雪和雨夾雪）進行識別；進而對不同月份、不同溫度段、不同地理單元降雪準確率判斷的空間差異進行分析，以期為理解中國南北過渡帶冬季氣候變化規律提供理論基礎。

1 研究區概況

秦嶺是中國地理南北分界線，地勢“西高東低、北陡南緩”，北部為渭河盆地，南部為漢江谷地（圖1）。作為渭河、漢江、丹江等河流的發源地，秦嶺在南水北調中線工程中發揮重要作用［29-31］。為更好對比秦嶺南北降雪變化特征，將區域分為關中平原、秦嶺南坡和漢江谷地三個子區。秦嶺南北降雪機制主要有2種：①前冬受西伯利亞冷空氣南下影響，降雪格局往往呈現“北多南少”；②冬末春初，受南支槽東移影響，大量水汽從自高原向東挺進，造成大范圍降雪，降雪格局往往呈現“西多東少”。

2 數據與方法

2.1 數據來源

本文氣象資料源于中國國家氣象信息中心，包括秦嶺南北72個臺站降水量、最高溫、最低溫、濕球溫度和相對濕度等數據。氣象數據經過訂正，質量狀況較好。數字高程數據由地理空間數據云提供（http：//www.gscloud.cn/），空間分辨率為30 m×30 m。

2.2 研究方法

2.2.1 濕球溫度動態閾值法

圖2為降水類型與濕球溫度關系示意圖。其中，淺灰色部分與白色部分邊界線為降雪概率分布曲線P1（Tw），白色部分與深灰色部分邊界線為降雪和雨夾雪累計概率分布曲線P2（Tw），兩個分布曲線中值曲線為Pc（Tw）。

圖2 降水類型與濕球溫度關系示意圖（據文獻14改繪）Fig. 2 Sketch map of the relationship between precipitation types and daily mean wet-bulb temperature（modified from Ref. ［14］）

當濕球溫度為T1時，降雪概率為Fsnow（T1），雨夾雪概率為Fsleet（T1），降雨概率為Frain（T1）。T0是Pc（Tw）概率為0.5 的閾值溫度，單位為℃；Tw為日均濕球溫度，單位為℃；Tmax、Tmin分別為降雨發生的最高期望溫度和最低期望溫度，單位為℃。當Tw≤Tmin時，Pm為降雪量；當Tmin≤Tw＜Tmax時，Pm為雨夾雪量，單位為mm。詳細模型構建邏輯可參見文獻［14］。

2.2.2 降雪類型判斷的準確率

依托地理時空分析思維，本研究將降雪準確率評估分解為2個維度：①時空維度，即不同月份降雪判斷準確率的時空特征；②氣溫維度，即不同氣溫段降雪判斷準確率的時空變化特征。重點回答“不同月份降雪判斷準確率是否存在差異”“不同月份降雪判斷準確率是否存在時空差異”“不同溫度段降雪判斷準確率是否存在差異”“不同氣溫時段降雪判斷準確率是否存在空間差異”等問題。

逐站點逐年降雪類型準確判斷率（Z）計算公式如下：

式中：Z為降雪類型準確判斷率；N11為逐站點逐年降雪類型與觀測數據一致的天數，降雪誤判類型包括2 類：①氣象觀測數據為降雪，模型誤判為：雨夾雪（N21）、降雨（N31）、無降水（N41）；②氣象觀測數據為雨夾雪（N12）、降雨（N13）、無降水（N14），模型誤判為降雪天氣，總計6種類型。

3 結果分析

3.1 秦嶺南北降雪主導月份分布特征

依據氣象觀測數據，統計秦嶺南北1970—1979年逐月累計降雪天數（圖3）。結果表明：①降雪月份分布具有集中性。其中，12月—次年2月，是秦嶺南北降雪天數集中分布時段，3 個月累計降雪天數均值關系分別為：22.2 天（12 月）＜30.4 天（2 月）＜32.7 天（1 月），而11 月（6.5 天）和3 月（9.9 天）降雪天數相對較少，與劉玉蓮等［27］統計中國降雪氣候學特征，發現黃淮地區降雪日數主要集中在1 月中旬到2 月上旬結論一致。②在站點（空間）尺度，秦嶺南北不同月份降雪天數分布具有離散性。其中，2 月氣象站點尺度累計降雪天數方差最大（14.4），1 月（9.6）和3 月（10.7）方差居中，11 月（6.7）方差相對較小。說明從秋末冬初到冬末春初，秦嶺南北降雪天數空間差異逐漸增加，且在2 月達到空間分異峰值。

圖3 1970—1979年秦嶺南北站點觀測累計降雪天數年內分布圖Fig. 3 Inter-annual variations of accumulated snowfall days in south and north of Qinling Mountains based on stations observation during 1970—1979

3.2 秦嶺南北不同月份降雪判斷準確率時空變化特征

秦嶺南北不同月份降雪判斷準確率存在時空差異性（圖4）。主要特征表現為：

圖4 1970/1971—1978/1979年秦嶺南北11月—次年3月降雪相態判斷準確率時空變化特征Fig. 4 Spatiotemporal changes of accuracies in snowfall phases discrimination of the south and north of Qinling Mountains from November to March of following year during 1970/1971—1978/1979

（1）在時間上，秦嶺南北降雪11 月—次年1 月和次年2—3 月判斷準確率空間格局存在明顯的差異。具體而言，第1 階段（11 月—次年1 月），多數區域降雪判斷準確率在0.75 以上，空間分布呈現“南北分異”，關中平原和秦嶺山地是降雪判斷準確率的高值區，漢中盆地、商丹盆地和丹江口附近為降雪判斷準確率的低值區［圖4（a）～（c）］）；第2 階段（次年2—3月），秦嶺南北降雪判斷準確率有所下降［圖4（d）］，空間分布呈現“東西分異”，關中平原中部、嘉陵江流域西部、商丹盆地和秦嶺山地為東段降雪判斷準確率低值區，而漢江流域上游、秦嶺山地西段、關中平原東部成為降雪判斷準確率的高值區［圖4（d）～（e）］。

（2）在空間上，秦嶺南北降雪判斷準確高值區存在兩個關鍵區。第1 關鍵區為：關中平原和秦嶺山地，降雪準確率高值時段集中在11 月—次年1月，且在12月降雪判斷準確率高值區分布面積比重最高。第2個關鍵區為：漢江上游和大巴山區，降雪判斷準確率高值時段集中在次年2—3 月，在3 月降雪判斷準確率高值區面積比重最高。

上述研究結果可得2個啟示：

（1）基于降雪客觀判斷方法識別降雪類型，分析降雪指標（如降雪初日、降雪量、降雪時長等），應關注降雪不同時段。其中，關中平原和秦嶺山地11月—次年1 月降雪判斷準確率較高，可重點研究降雪初日的時空變化特征；漢江上游和大巴山區2—3月降雪判斷準確率較高，可重點研究降雪終日的時空變化特征。

（2）不同時段降雪類型判斷準確率存在時空差異啟示，中國南北過渡帶不同時段降雪主導的環流機制可能存在差異，未來需借助大氣診斷方法，研究秋末冬初和冬末春初的降雪環流機制的南北差異。

3.3 不同溫度段秦嶺南北降水相態分布特征

受氣溫控制，不同降水形態對應不同的溫度區間。圖5 可以看出，秦嶺南北11 月—次年1 月7 749次降雨事件中，99.9%的降雨發生時，氣溫高于0 ℃；在［0.0 ℃， 2.0 ℃］氣溫區間內，降雨比重為27.7%，略高于［2.0 ℃， 4.0 ℃］氣溫區間的26.2%，說明區域降雨形成時氣溫多處于0 ℃以上。對于982 次雨夾雪樣本而言，99.0%的雨夾雪對應氣溫區間為［-2.0 ℃， 2.0 ℃］。其中，81.9%的雨夾雪事件對應氣溫為［-2.0 ℃， 0.0 ℃］，說明雨夾雪多發生氣溫處于0.0 ℃附近，且氣溫分布區間相對較小。

圖5 不同氣溫段秦嶺南北11月—次年1月的觀測降水相態（降雨、降雪和雨夾雪）頻次分布特征Fig. 5 Frequency distribution of observational precipitation types （rain， snow， and sleet） under varied temperature range of the south and north of Qinling Mountains from November to January of the following year

1970—1979 年，秦嶺南北3 個分區11 月—次年1月降雪（7 367次）樣本略低于降雨樣本數量（7 749次）。其中，有95.7%的降雪發生時，氣溫低于0 ℃，僅有4.3%的降雪發生時，對應氣溫分布于［0.0 ℃，2.0 ℃］，且以［-4.0 ℃， -2.0 ℃］氣溫區間，降雪樣本比重最高為35.1%，其次為［-2.0 ℃， 0.0 ℃］和［-6.0 ℃， -4.0 ℃］兩個氣溫區間。

綜上，秦嶺南北11 月—次年1 月，降雨和降雪事件比重相對較高，雨夾雪發生頻率相對較低。降雪發生溫度集中于-2.0 ℃以下，降雨發生溫度集中于2.0 ℃以上，雨夾雪發生溫度集中于±2.0 ℃之間。需要關注的是，當氣溫處于［-2.0 ℃， 0.0 ℃］時，為降雪和雨夾雪的混合態；當氣溫處于［0.0 ℃，2.0 ℃］時，秦嶺南北降水形態主要為降雨，偶有雨夾雪和降雪事件出現。由此可見，［-2.0 ℃，2.0 ℃］氣溫區間，將是秦嶺南北降雪類型判斷準確的關鍵溫度區間。

3.4 不同溫度段秦嶺南北降雪判斷準確率時空特征

細化降雪氣溫時段說明濕球溫度動態閾值法在秦嶺南北降雪研究的適用性（圖6）。結果表明：11 月—次年1 月，氣溫處于［-4.0 ℃， 0.0 ℃］范圍內，研究區降雪類型準確率多在90.0%以上［圖6（a）］；氣溫在［0.0 ℃， 2. 0 ℃］范圍內，降雪類型準確率均值降低為56.0%，高于其他9 種客觀條件降水類型判斷方法［15］。氣溫在［0.0 ℃， 2.0 ℃］范圍內，降雪準確率誤差范圍增加，說明不同分區氣象站點降雪判斷準確率空間差異也在增加［圖6（b）］。氣溫在［-10.0 ℃， 10.0 ℃］范圍內時，降雪類型準確率均值為75.6%［圖6（c）］。

圖6 不同氣溫段的秦嶺南北11月—次年1月降雪相態判斷準確率Fig. 6 Accuracies of the snowfall phases discrimination under varied temperature range of the south and north of Qinling Mountains from November to January of the following year

空間上，氣溫在［-4.0 ℃， 0.0 ℃］范圍內，秦嶺南北降雪類型判斷準確率低值區主要分布于關中平原西部黃土臺塬、秦嶺山地東段、漢中盆地和商丹盆地［圖7（a）］。氣溫在［0.0 ℃， 2.0 ℃］范圍內，秦嶺南北降雪類型判斷準確率低值區范圍明顯擴大，關中平原成為新的降雪判斷準確率的低值區［圖7（b）］。對于氣溫在［-10.0 ℃， 10.0 ℃］范圍內，漢中盆地降雪類型判斷準確率明顯提升至0.85以上，降雪判斷準確率低值區主要集中秦嶺山地東段、關中平原西部，以及秦嶺以南漢江流域的“竹山—房縣”一帶［圖7（c）］。

圖7 不同氣溫段的秦嶺南北11月—次年1月降雪判斷準確率空間變化特征Fig. 7 Spatial variation of snowfall accuracies under the varied temperature range in the south and north of Qinling Mountains from November to January of the following year

前文分析可知，氣溫在［0.0 ℃， 2.0 ℃］范圍內，降雪頻次相對較少；結合降雪判斷準確率空間分布特征，說明濕球溫度動態閾值法在秦嶺南北11 月—次年1 月降雪變化研究中具有一定的適用性，可較好識別出關中平原、秦嶺山地和漢江流域上游降雪類型，有利于認知區域降雪時空變化規律。

3.5 氣溫變化與秦嶺南北降雪判斷準確率的不確定性

前文分析結果可知，氣溫處于［-2.0 ℃，2.0 ℃］范圍內，秦嶺南北降水處于降雪和雨夾雪的混合態，導致濕球溫度動態閾值法識別降雪準確率相對較低。在此，本文重點關注［-2.0 ℃， 2.0 ℃］氣溫波動區間，對比11 月—次年1 月、2—3 月兩個時段內，對1970/1971—1978/1979 年逐站點逐日氣溫在［-2.0 ℃， 2.0 ℃］區間的天數、氣溫均值、降雪天數與降雪判斷準確率的相關關系進行分析（表1）。結果表明：①11 月— 次年1 月，氣溫處于［-2.0 ℃， 2.0 ℃］范圍內，氣溫均值與氣溫天數（-0.620）、降雪天數（-0.167）、降雪判斷準確率（-0.285）呈顯著負相關，降雪天數（0.115）、氣溫天數（0.239）與降雪判斷準確率呈顯著正相關。說明11 月—次年1 月逐日氣溫納入［-2.0 ℃， 2.0 ℃］范圍天數越少，氣溫均值越高，降雪天數越少，降雪判斷準確率越低。②2—3 月秦嶺南北氣溫升高時，［-2.0 ℃， 2.0 ℃］范圍內氣溫天數或降雪天數減少。當［-2.0 ℃， 2.0 ℃］區間氣溫偏高時，導致區域降雪天數顯著減少，降雪判斷準確率也呈降低趨勢。

表1 氣溫［-2.0 ℃， 2.0 ℃］范圍內秦嶺南北氣溫天數、均值、降雪日數與降雪判斷準確率的相關分析Table 1 Correlation analysis between days， average temperature， snow days and snowfall separation accuracies under the varied temperature range of ［-2.0 ℃， 2.0 ℃］ in the south and north of Qinling Mountains

值得一提的是，2—3 月降雪天數與降雪判斷準確率呈負相關，但是未通過0.05 顯著水平檢驗，而氣溫天數、氣溫均值與降雪判斷準確率呈顯著負相關。與11 月—次年1 月相關結果對比，2—3 月氣溫天數、氣溫均值與降雪判斷準確率相關性有所降低。同時，在［-2.0 ℃， 2.0 ℃］范圍內氣溫天數增加，11月—次年1月降雪判斷準確率呈增加趨勢，而2—3 月降雪判斷準確率則呈下降趨勢。兩者差異原因在于：降雪判斷準確率受氣溫、降雪天數2個變量控制。［-2.0 ℃， 2.0 ℃］范圍內氣溫升高，引起模型識別降雪天數下降，實際降雪天數也顯著減少，導致降雪判斷準確率變化存在不確定性。即模型識別降雪天數下降速率高于實際降雪天數下降速率時，降雪判斷準確率呈下降趨勢；反之，模型識別降雪天數下降速率低于實際降雪天數下降速率時，降雪判斷準確率呈增加趨勢。

也就是說，中國南北過渡帶11 月—次年1 月受冷空氣影響，區域降溫幅度大，［-2.0 ℃， 2.0 ℃］范圍內氣溫降低，納入降雪與雨夾雪混合相態的溫度天數顯著增加，模型降雪識別準確相對較高，增加了降雪判斷準確的概率。對于2—3月而言，氣溫相對偏高，［-2.0 ℃， 2.0 ℃］范圍內氣溫降低效應有限，模型降雪識別準確率較低，增加了降雪誤判的概率。說明區域氣溫升高，對秦嶺南北秋末冬初模型降雪判斷準確率影響相對較小，對冬末春初降雪識別準確率影響較大。

對1970/1971—2019/2020 年［-2.0 ℃， 2.0 ℃］范圍內氣溫天數和氣溫均值變化趨勢分析發現，11月—次年1月秦嶺南北關鍵溫度區間氣溫天數呈現顯著下降趨勢，變化速率通過0.01 顯著水平檢驗［圖8（a）］。其中，關中平原氣溫天數下降趨勢最快，變化速率為-1.74 d·（10a）-1，高于漢江谷地［-1.34 d·（10a）-1］和秦嶺南坡［-1.02 d·（10a）-1］。同時，關中平原和秦嶺南坡兩個區域關鍵溫度區間氣溫均值呈現顯著上升，而漢江谷地以代際波動為主。特別是在近10 年，關中平原在［-2.0 ℃，2.0 ℃］范圍內氣溫均值升高更為明顯，氣溫天數下降，這將降低濕球溫度動態閾值法對降雪判斷的準確率。

對于2—3 月而言，相比20 世紀70—80 年代，2000—2019 年，關中平原和秦嶺南坡納入［-2.0 ℃， 2.0 ℃］范圍內氣溫天數明顯減少，且在2000 年后呈現平穩波動；對于漢江谷地而言，氣溫天數呈現3 階段變化過程，即在1970—1988 年，氣溫天數呈現高位波動，1988—2002 年經歷了快速下降，2002—2019 年氣溫天數呈增加趨勢［圖8（b）］。在氣溫均值變化方面，2010—2019 年，關中平原、秦嶺南坡氣溫均值下降尤為明顯。

對應表1 中2—3 月［-2.0 ℃， 2.0 ℃］范圍內氣溫天數、均值與降雪判斷準確率規律，近年來，關中平原、秦嶺南坡2—3 月［-2.0 ℃， 2.0 ℃］氣溫均值下降，氣溫天數平穩波動并有下降趨勢。以氣溫為主導作用，降雪誤判概率降低，即冬末春初關中平原、秦嶺南坡氣溫變化對模型適用性影響較小；但是，漢江谷地氣溫均值下降，氣溫天數增加，對降雪準確率影響形成“反向作用”，將增加降雪類型判斷的不確定性。

綜上所述，氣候變暖對［-2.0 ℃， 2.0 ℃］氣溫區間影響具有復雜性。當秋末冬初［-2.0 ℃，2.0 ℃］氣溫偏高時，降雪天數減少，模型降雪判斷準確率將明顯下降；而冬末春初［-2.0 ℃， 2.0 ℃］氣溫偏低時，降雪天數空間變化呈現多樣性，增加了模型降雪判斷的不確定性。未來需要豐富氣溫響應指標，對［-2.0 ℃， 2.0 ℃］關鍵溫度區域響應規律進行分析，明確濕球溫度動態閾值法的誤差來源。

4 結論與展望

基于秦嶺南北氣象站點逐日氣象觀測數據，本文從不同月份、不同溫度段、不同地理單元等3個視角出發，對濕球溫度動態閾值法在中國南北過渡帶降雪類型判斷的適用性進行研究。主要結論如下：

（1）秦嶺南北降雪相態的時空變化。受冬季風、水汽輸送、山地地形和下墊面性質等因素影響，秦嶺南北降雪主要集中在12 月—次年2 月，且從秋末冬初到冬末春初，降雪天數空間差異性逐漸增大，在2月達到空間分異的峰值。

（2）降雪判斷準確率的月份差異性。基于濕球溫度動態閾值法，判斷秦嶺南北降雪準確率存在兩階段性。其中，在11 月—次年1 月，降雪判斷準確率呈現“南北分異”的空間分布特征。關中平原和秦嶺山地，是降雪判斷準確率的高值區；次年2—3月，降雪判斷準確率空間分布呈現“東西分異”的特征，漢江流域上游、秦嶺山地西段、關中平原東部為降雪判斷準確率的高值區。

（3）降雪判斷準確率的溫度差異性。［-2.0 ℃，2.0 ℃］氣溫區間，降水處于固態和液態轉化階段，是秦嶺南北降雪類型判斷準確的關鍵溫度區間。當區域強烈降溫至0 ℃以下，濕球溫度動態閾值法，可準確地識別11 月—次年1 月秦嶺南北降雪類型。尤其是可較好識別出關中平原、秦嶺山地和漢江流域上游的降雪類型。

（4）降雪判斷準確率判斷不確定性。［-2.0 ℃，2.0 ℃］范圍內，氣溫天數、冷暖變化對氣候變化具有復雜性，增加了秦嶺南北降雪類型判斷準確的不確定性。當［-2.0 ℃， 2.0 ℃］區間氣溫偏高時，區域降雪天數顯著減少，秋末冬初（11 月—次年1 月）降雪判斷準確率呈現降低趨勢。對冬末春初（2—3月）而言，［-2.0 ℃， 2.0 ℃］區間氣溫偏低時，空間上耦合關中平原降雪天數平穩波動，漢江谷地降雪天數增加，導致區域降雪判斷誤差機制呈現復雜化。

關于濕球溫度動態閾值法在中國南北過渡帶降雪相態判斷適用性的研究，未來需要關注冬季降水相態的時空差異性。隨著氣候變化與區域響應研究的深入，降雪、降雨和雨夾雪對區域增溫的響應成為學界關注的熱點。特別需要關注的是，近年來，北極海溫逐漸升高，形成“暖北極—冷歐亞”模態，造成歐亞大陸頻繁遭受冷空氣侵襲［32］，中國東部地區春季極端低溫事件頻次和強度均有所增加［33］。本文從不同月份、溫度段和地理單元，證實了濕球溫度動態閾值法對11 月—次年1 月秦嶺南北降雪類型的適用性，未來需要關注“暖北極—冷歐亞”模態，理解東亞氣溫前冬與后冬反相變化特征［34］，挖掘秦嶺降雪判斷準確率空間格局分異環流機制。

此外，日平均氣溫在0 ℃附近波動，是雨雪相態判斷的難點。對于降雪相態判斷關鍵溫度區間，不同客觀雨雪相態判斷方法敏感區域可能不同。本文識別降雪誤判敏感溫度區間為：［-2.0 ℃，0.0 ℃］，其他客觀雨雪相態判斷方法是否縮小誤差范圍尚有待驗證；不同的區域的降雪誤判敏感溫度區間是否存在空間差異，也是值得研究的方向。在未來，需要對比多種客觀雨雪相態判斷方法在秦嶺南北相態的敏感溫度區間的時空差異性，為更好理解冬季降水與氣候變化響應規律提供理論基礎。

致謝： 感謝中國氣象數據網提供的基礎氣象數據支持，感謝中國科學院西北生態環境資源研究院趙求東老師對本文濕球溫度閾值法程序編寫提供的幫助。