山東深秋一次暴雪過程雪水比影響因子分析

劉奇奇 王健 高帆 徐娟 韓風軍 呂博

摘 要 利用地面氣象觀測站資料、加密地面觀測資料和歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）第五代大氣再分析數據（ECMWF Reanalysis v5，ERA5；分辨率為0.25°×0.25°）逐小時資料，對山東2021年11月6—8日極端暴雪過程雪水比影響因子進行研究。結果顯示：此次暴雪過程平均雪水比分布總體呈“北大南小、西大東小”的分布特征，降雪初期產生的雪水比小，降雪中后期產生的雪水比大；溫度偏高、云內液態水含量較高的地區雪水比較小，溫度偏低、云內液態水含量較低的地區雪水比較大；雪水比與地面氣溫、地表溫度呈負相關，地面氣溫與雪水比的相關性最大，積雪產生之后地表溫度與雪水比變化無明顯相關。

關鍵詞 積雪深度；雪水比；溫度；垂直運動

中圖分類號：P426.63；P458.3文獻標志碼：A文章編號：2096-3599（2024）01-0088-09

DOI：10.19513/j.cnki.hyqxxb.20230223001

收稿日期：2023-02-23；修回日期：2023-07-17

基金項目：山東省自然科學基金項目（ZR2022MD095）；山東省氣象局科研項目（2021SDYD28，2020sdqxm20）

第一作者簡介：劉奇奇，女，碩士，工程師，主要從事中短期天氣預報和技術研究，lqqi1990@163.com。

通信作者簡介：

Analysis on influencing factors of snow-to-liquid ratio during a late-autumn snowstorm in Shandong

LIU Qiqi^{1，2，4}， WANG Jian²， GAO Fan³， XU Juan²， HAN Fengjun²， L? Bo²

（1. Key Laboratory for Meteorological Disaster Prevention and Mitigation of Shandong， Jinan 250031， China; 2. Liaocheng Meteorological Bureau， Liaocheng 252000， China; 3. Jinan Meteorological Bureau， Jinan 250102， China; 4. Changdao National Climate Observatory， Changdao 265800， China）

Abstract The influencing factors of snow-to-liquid ratio （SLR） during a snowstorm in Shandong from 6 to 8 November 2021 are analyzed by using the data of ground meteorological observation stations， intensive ground observation data， and ECMWF （European Centre for Medium-Range Weather Forecasts） Reanalysis v5 （ERA5） hourly data （0.25°×0.25°）. The results are as follows. The distribution of mean SLR in this snowstorm process is generally characterized by high in the north but low in the south， high in the west but low in the east. The SLR in the early period of the snowfall is relatively low， while it is relatively high in the middle and late period. The SLR is lower in the area with higher air temperature and higher specific cloud liquid water content than that in the area with lower air temperature and lower specific cloud liquid water content. The SLR is negatively correlated with the surface air temperature and surface temperature. The correlation between surface air temperature and SLR is the largest. After snow blankets the ground， the surface temperature has no significant correlation with the change of SLR.

Keywords snow depth; snow-to-liquid ratio （SLR）; temperature; vertical movement

引言

暴雪是山東冬半年的一種高影響天氣，其產生的積雪對農業生產、交通運輸和人民生活等方面均能產生不利影響，因此積雪是雪災的主要致災因子^［1-2］。在實際業務中，暴雪天氣預報的主要要素是降雪量，但除降雪量之外，積雪深度也是衡量暴雪災害嚴重程度的重要指標。為提高暴雪天氣預報預警準確率，實現積雪深度的精準預報，需對降雪量與積雪深度關系進行深入研究。目前國內外常用某時段內積雪深度的變化值與該時段內降雪量的比值來評估降雪量與積雪深度的關系，該比值稱為“降雪含水比”（snow-to-liquid ratio，SLR），文中簡稱為“雪水比”。預報中使用的雪水比若不夠精準，對降雪量預報再精確也無法準確預報出積雪深度^［3］。雪水比的大小與雪花大小、形狀、結構等幾何形態相關，大而蓬松的樹枝狀雪花雪水比最大，積雪效率最高，所形成的積雪深度也最厚^［4］。

過去常使用的雪水比經驗值為10∶1^［5］，但后續相關研究表明該比值具有明顯的時空變化特征，使用經驗值10雖具有一定的有效性，但對精細化預報來說還是比較粗略^［6］。我國冬季平均雪水比為7.5，青海、吉林、山東均大于10.0，北京為6.3，河南和西藏僅為4.9^［7］。楊成芳等^［8］研究了山東1999—2018年的雪水比統計特征，得出山東雪水比變化范圍為1.0～30.0，最大值出現在1月或12月，最小值出現在2月或11月，不同天氣系統的雪水比具有不同特征。楊成芳等^［9］指出積雪深度是近地面多氣象要素共同作用的結果。高留喜等^［10］研究得出低溫對產生積雪和較大雪水比有利。陳雙等^［11］對華北地區兩次密度不同的降雪過程進行對比分析，得到大氣溫濕和動力垂直結構及地面過程等直接影響雪水比大小。還有研究表明，除了云內、外微物理過程的影響，近地面及地表因素也是影響雪水比非常重要的因素，但目前的數值模擬和客觀預報方法都不能很好地模擬這些過程，為了有效提高積雪精細化預報能力，還需繼續加強對近地面及地表融雪過程的研究以及預報技術的研發^［12-13］。由于降雪觀測資料的局限性，我國對雪水比的研究起步較晚，目前對暴雪的成因和機制、雨雪相態轉換的研究比較多，有學者發現影響系統的強度和位置會對降雪強度和降水相態轉換產生影響，溫度垂直結構是影響降水相態的關鍵因素^［14-15］。針對雪水比的研究大都是關于年平均統計類的分析，而對極端降雪個例的雪水比研究分析較少。

本文以2021年11月6—8日山東一次極端暴雪天氣過程為例，利用地面氣象觀測站資料、加密地面觀測資料和歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）第五代大氣再分析數據（ECMWF Reanalysis v5，ERA5；分辨率為0.25°×0.25°）逐小時資料，對此次過程雪水比的影響因子進行研究分析，以期為今后提高精細化積雪預報水平提供一些參考。

1 資料與個例簡介

1.1 資料來源與計算方法

使用的數據為2021年11月6—8日山東國家級地面氣象觀測站常規地面觀測資料、地面加密觀測資料和ERA5逐小時再分析資料（0.25°×0.25°）。

雪水比（SLR）為新增積雪深度與融化后等量液體深度的比值，等價于液態水密度與平均雪密度之比^［16-17］。通過公式V_SLR=V_SD/V_SL計算過程平均雪水比，分析此次極端降雪過程雪水比的分布和影響因子。式中：V_SLR表示雪水比；V_SD表示降雪過程內最大積雪深度，單位為cm，計算時轉換為mm；V_SL表示各站過程降雪量，單位為mm。

1.2 降雪實況

2021年11月6—8日，山東出現一次全省范圍的極端暴雪天氣，此次過程降水強度大，初雪時間早，其中聊城、德州、濟南、淄博等地還出現了“雷打雪”現象。11月6日傍晚開始，山東由西向東出現明顯降雨，魯西北部分地區7日01時（北京時，下同）開始出現雨轉雨夾雪，03時由雨夾雪轉雪；05時之后全省大部分地區由西北向東南轉雪。整個過程中出現積雪的站點降水相態轉換主要為雨轉雨夾雪再轉雪，部分站點為雨轉雪；未出現明顯積雪的站點相態轉換復雜，經歷多次雨雪之間的轉換。全省主要降雪時段為7日05—20時，強降雪落區主要在魯西北和魯中地區；魯南地區降雪量偏少，沒有產生明顯積雪（圖1a）。全省平均降雪量為12.0 mm，有47站降雪量達到暴雪，部分站達到特大暴雪，過程最大降雪量為41.6 mm，出現在德州平原。強積雪主要分布在聊城、德州、濟南和濱州等地，超過10 cm的站點有23個，有4站最大積雪深度突破其歷史極值，其中積雪深度最大達到20 cm，出現在濟南和德州。由濟南站逐時降水量及相態演變（圖1b）可看出，6日20時濟南開始降水，先后經歷了雨轉雨夾雪轉雪的相態轉換，降雪時段為7日09—15時，最大小時降雪量達到7.4 mm，過程最大積雪深度為20 cm。

2 雪水比分布及變化特征

圖2a給出整個過程平均雪水比分布情況，聊城、德州等偏西的地區平均雪水比為5.6，淄博、濰坊等偏東的地區平均雪水比為4.4，西部雪水比大于東部。濱州、東營等偏北的地區平均雪水比為5.4，越往南越小，濟南、泰安等偏南的地區平均雪水比為4.4，北部雪水比值大于南部。平均雪水比水平分布總體呈“北大南小、西大東小”的特征。此次過程平均雪水比約為4.8，與山東大部地區的年平均雪水比9.0^［8］相比明顯偏小。此次降雪發生在11月初，較山東以往初雪時間早，降雪前基礎溫度偏高，使得降雪初期地面不易形成積雪，同時溫度偏高能使雪花在下落過程中雪密度增大，造成雪水比偏小。此外，積雪深度的觀測誤差也會對該比值產生一定的影響。

此次降雪過程山東啟動積雪深度加密觀測為11月7日13時，根據各站降雪開始時間，選取墾利、壽光作為代表站分析逐時雪水比變化情況。由圖2b、c可以看出，在整個降雪過程中，雪水比隨時間呈增大趨勢，降雪初期的雪水比小于降雪強盛和結束時期，即降雪云系前部所產生的雪水比較主體云系中后部所產生的雪水比小，降雪初期雪密度較大，降雪強盛和結束階段雪密度較小。

根據此次過程全省降雪量、積雪特點以及雪水比分布特點（表1），分別選取聊城、德州、利津、濟南4站作為主要研究對象，分析此次過程雪水比的影響因子。

3 天氣形勢分析

此次過程主要影響系統為高空西風槽、西南急流、中低層切變線以及地面冷鋒。11月4—5日，500 hPa貝加爾湖上空極渦有橫槽發展加強，冷空氣堆積。6日20時，橫槽轉豎南壓，槽持續發展加深，在河套地區形成切斷低渦，與500 hPa的-32℃冷中心配合。同時魯西北地區700 hPa西南急流建立，低空急流強度超過20 m·s^-1。850 hPa和925 hPa的東南風與700 hPa西南風急流形成兩條水汽輸送帶，為此次降水提供了充足的水汽。850 hPa切變線上有低渦環流生成并東移，為降水提供了動力條件。由圖3可以看出，7日08時，隨著西風槽東移，500 hPa槽前高空西南急流加強，強度可達到35 m·s^-1左右，700 hPa低空急流強盛，850 hPa低渦東移影響山東。同時，地面有明顯的倒槽系統配合，全省出現大范圍降雪。此次天氣系統存在明顯的后傾結構，伴隨冷鋒南移氣溫下降，降水相態由雨轉為雨夾雪或雪，主要降雪區位于地面冷鋒后部和700 hPa槽前。8日16時，500 hPa山東受槽后西北氣流控制，降雪結束。

4 高空氣象條件對雪水比的影響分析

4.1 微物理特征分析

4.1.1垂直運動與溫、濕特征

高空環境溫度、相對濕度和垂直運動均能對雪花結構產生影響，進而影響雪水比的值。當云中環境溫度為-4～0℃時冰晶結構主要為片狀，-10～-4℃時主要為針狀、棱狀，-20～-10℃時主要為樹枝狀、厚片狀、扇狀，低于-20℃時主要為空心柱狀^［6］。相對濕度影響冰晶的增長率和雪花的特定類型，若過飽和程度高，則冰晶增長較快^［18-19］。垂直運動則影響降雪量和過飽和狀態的維持程度及時間，并且在上升運動最大層附近的溫度和相對濕度共同決定了雪花的類型^［20］。所選4個代表站雪水比從小到大依次是聊城、利津、濟南、德州。

4站上空濕度層深厚，相對濕度在90%以上的濕區從1 000 hPa延伸至200 hPa附近（圖4a—d）。降雪時段內，聊城站上空600～300 hPa之間有一個垂直運動大值中心，溫度為-40～-8℃，粒子相態主要為冰晶；925～700 hPa溫度明顯偏高，上升運動較弱，相對濕度飽和，但不利于大冰晶生成和維持，而對小冰晶生長更有利；在0℃附近冰晶會有明顯的融化作用，導致雪密度增大，產生較小的雪水比（圖4a）。利津上空存在2個上升運動大值區：一個大值區位于650～400 hPa，溫度為-25～-4℃；另一個大值區位于800～900 hPa，溫度為-4～0℃，主要利于針狀、柱狀小冰晶生長，不利于高層大冰晶的維持，則產生小的雪水比（圖4c）。濟南和德州上升運動層深厚，850～300 hPa均存在上升運動大值區，對應溫度最低可至-40℃，配合飽和水汽層的環境條件，2站均有利于樹枝狀、扇狀等大冰晶形成增長，低層溫度也較聊城和利津低，能夠更好維持大冰晶的結構和形態，故濟南和德州2站雪水比更大，積雪也更深（圖4b、d）。

4.1.2 云內冰、水含量特征

雪水比受云內冰相粒子和液態水含量影響，雪花在下降過程中若經過含有過冷水滴的云，易與過冷水滴碰撞發生凇附增長^［18］，會使雪密度增大，雪水比減小。

所選站點云內均存在大量過冷水滴，且過冷水滴大值中心位于700 hPa以下，最大值為40×10^-5～50×10^-5kg·kg^-1，對應溫度高于-10℃，即在降雪之前和降雪初期云內含有大量液態水。云中冰相粒子大值中心位于400～500 hPa附近，主要對應-40～-10℃的溫度層，降雪時段與冰相粒子大值區對應（圖5a—d）。所選站點聊城上空冰相粒子大值中心達到22×10^-5kg·kg^-1，其余3站冰相粒子最大值約為18×10^-5kg·kg^-1。降雪時段內聊城、利津的過冷水滴含量較濟南、德州高，雪花在下降過程中會與更多的過冷水滴發生碰并，凇附作用比濟南和德州處更為顯著，易使雪花密度增大，產生小的雪水比。在降雪中后期云中過冷水含量降低，使降雪過程中凇附作用減小，雪水比增大。降雪時段一般對應冰相粒子的大值區，但冰相粒子含量不能決定雪水比的大小，還需關注降雪過程中云內過冷水含量和變化，過冷水含量會影響降雪密度的大小，降雪時段內過冷水滴含量較高的地區，雪水比會更小。

4.2 降雪溫度特征

聊城、濟南此次過程降雪量均達到30 mm以上，但二者積雪深度和雪水比相差較大（表1），選取聊城和濟南作為代表站，研究2站云下溫度特征差異。代表站的雨雪相態變化均為雨轉雨夾雪再轉雪。11月6日降雨階段，云下溫度均較高，受冷空氣影響，溫度出現明顯下降，t_{925 hPa}下降最為顯著。由圖6a、b看出，在雨夾雪階段，濟南站降溫幅度明顯大于聊城站，聊城站t_{925 hPa}為-2～7.8℃，t_{1 000 hPa}為1～7.3℃；濟南站t_{925 hPa}、t_{1 000 hPa}分別為-5.6～-4℃和-3.7～-2.1℃。純雪階段，聊城站t_{925 hPa}與t_{1 000 hPa}降至-5.3～-2℃和-2.2～1℃；濟南站t_{925 hPa}和t_{1 000 hPa}降至-6.4～-4℃和-5.4～3.7℃。根據地面觀測資料（圖6c、d）可知，雨夾雪階段，聊城站和濟南站的t_{2 m}分別為6～7℃和0～0.5℃；純雪階段的t_{2 m}分別為-0.5～3℃和-3～-0.1℃。綜上可知，在雨夾雪和純雪階段，聊城站云下溫度明顯偏高，均高于濟南站。雪水比受云下溫度影響，降雪量大且積雪深度較淺的站云下溫度偏高，較高的云下溫度會使雪花下降過程會發生融化，導致雪密度增大，產生較小的雪水比和較淺積雪；降雪量大且積雪深度較深的站云下溫度偏低，較低的云下溫度能夠讓雪花下降過程中不易融化，利于維持雪花原有的形態，雪密度不易發生較大變化，產生的較大的雪水比和較深的積雪。

5 近地面氣象條件的影響

近地面氣象條件能夠影響地面積雪深度，雪花下降過程中若近地面溫度偏高，則會發生融化，不利于地面產生積雪^{［10，21］}。大風容易導致樹枝狀和空心柱狀這類易碎結構的雪花解體，或使地面上的積雪移動，使地面雪壓增大，雪密度變大^［21-22］，從而使得雪水比變小。

5.1 地面2 m氣溫和0 cm地溫的影響

此次過程有積雪的站所對應的地面2 m氣溫范圍為-3.7～1.5℃，其中90%的站2 m氣溫低于0.1℃，雪水比最大值對應的2 m氣溫為0.3℃（圖7a）。各站雪水比對應0 cm地溫范圍為-0.4～2.9℃，低于1.0℃的站達到90%，雪水比最大值對應的0 cm地溫為0.1℃（圖7b）。分別對2 m氣溫和0 cm地溫做相關性分析，相關系數分別為-0.4和-0.3，通過了95%置信度檢驗，可知2 m氣溫和0 cm地溫與雪水比呈負相關，雪水比隨溫度降低呈增大趨勢，2 m氣溫與雪水比的相關性大于0 cm地溫。當0 cm地溫越低，與雪水比的相關系數急劇減?。▓D略），說明在積雪產生之后，0 cm地溫與雪水比變化無明顯相關。楊成芳等^［23］也有研究結果表明，積雪產生后地表溫度對之后的積雪深度不再有影響。

5.2 平均風速和極大風速的影響

分析降雪過程中雪水比對應的平均風速和極大風速（圖8）可知，94%的站對應平均風速在7 m·s^-1以內，雪水比最大值出現在平均風速7 m·s^-1附近；94%的站對應極大風速在14 m·s^-1以內，雪水比最大值出現在極大風速15 m·s^-1附近。平均風速和極大風速最大值處都對應較小的雪水比值，大于8的雪水比發生在平均風速2～7 m·s^-1和極大風速6～15 m·s^-1范圍內。對雪水比與平均風速、極大風速同時進行相關性分析，發現其相關系數遠小于地面2 m氣溫和0 cm地溫，呈極弱相關或無相關，隨著風速增大其相關性呈先減小后增大的變化趨勢。

6 結論

通過研究2021年11月6—8日山東極端暴雪過程雪水比的分布特征和影響因子，得到以下主要結論：

（1）此次過程平均雪水比總體呈“北大南小、西大東小”的水平分布；整個降雪過程的雪水比隨時間呈增大趨勢，降雪初期雪密度較大，產生小的雪水比，降雪中后期雪密度較小，產生大的雪水比。

（2）雪水比小的站點溫度偏高，環境配置利于針狀、片狀等小冰晶的形成和增長，產生的積雪較淺；雪水比大的站點溫度偏低，環境配置利于枝狀、扇狀等大冰晶生長，能夠更好地維持大冰晶的結構和形態，產生的積雪較深。雪水比受云內冰、水含量共同影響，在此次降雪過程中，云內冰相粒子含量均較高，但云內液態水含量高的地區雪水比較小，云內液態水含量低的地區雪水比較大。

（3）云下溫度偏高的觀測站，雪花下降過程會發生融化，導致雪密度增大，產生的雪水比小，積雪深度較淺；云下溫度偏低的觀測站，雪花下降過程中不易融化，利于維持雪花原有的形態，雪密度不易發生較大變化，產生的雪水比更大，積雪深度較深。

（4）地面2 m氣溫、0 cm地溫與雪水比呈負相關，其中地面2 m氣溫與雪水比的相關系數最大；積雪產生之后，0 cm地溫與雪水比變化無明顯相關。風速與雪水比呈極弱相關或無相關，隨著風速增大其相關性呈先減小后增大的變化趨勢。

致謝：感謝山東省氣象臺楊成芳研究員級高級工程師在研究方法上給予的指導與幫助。

參考文獻：

［1］ 時興合，王振宇，戴升，等.青海南部冬春季雪災的氣候診斷與預測［J］.冰川凍土，2012，34（6）：1441-1448.

［2］李紅梅，李林，高歌，等.青海高原雪災風險區劃及對策建議［J］.冰川凍土，2013，35（3）：656-661.

［3］魏凌翔，童金，邱學興.安徽省積雪效率和積雪密度特征分析［J］.氣象與環境科學，2021，44（3）：24-30.

［4］姜有山，束宇，李力，等.基于濕位渦和積雪效率的降雪預報技術探討［J］.氣象科學，2017，37（5）：659-665.

［5］POTTER J G. Water content of freshly fallen snow： CIR-4232， TEC-569［R］. Toronto， ON， Canada： Meteorology Branch，Department of Transport，1965.

［6］ROEBBER P J， BRUENING S L， SCHULTZ D M， et al. Improving snowfall forecasting by diagnosing snow density［J］. Wea Forecasting，2003，18（2）：264-287.

［7］楊琨，薛建軍.使用加密降雪資料分析降雪量和積雪深度關系［J］.應用氣象學報，2013，24（3）：349-355.

［8］楊成芳，朱曉清.山東降雪含水比統計特征分析［J］.海洋氣象學報，2020，40（1）：47-56.

［9］楊成芳，劉暢.一次江淮氣旋暴雪的積雪特征及氣象影響因子分析［J］.氣象，2019，45（2）：191-202.

［10］高留喜，楊成芳，劉暢.山東一次極端雨雪過程積雪特征分析及模式產品檢驗［J］.海洋氣象學報，2022，42（4）：58-66.

［11］陳雙，符嬌蘭.華北地區雪密度不同的兩次降雪過程對比分析［J］.氣象，2021，47（1）：36-48.

［12］ 張亞妮，符嬌蘭，胡寧，等.華北中部平原地區一次降雪過程雪水比變化特征及成因分析［J］.氣象，2022，48（2）：216-228.

［13］崔錦，周曉珊，閻琦，等.降雪含水比研究進展［J］.氣象，2017，43（6）：735-744.

［14］鄭麗娜，李恬，孫騫，等.2021年2月黃河中下游兩次暴雪的相態轉換特征及成因［J］.海洋氣象學報，2022，42（3）：48-56.

［15］李燕，賽瀚，劉曉初，等.遼寧東南部一次強降雪天氣的成因分析［J］.海洋氣象學報，2021，41（3）：84-93.

［16］ALCOTT T I， STEENBURGH W J. Snow-to-liquid ratio variability and prediction at a high-elevation site in Utahs Wasatch Mountains［J］. Wea Forecasting，2010，25（1）：323-337.

［17］MILBRANDT J A， GLAZER A， JACOB D. Predicting the snow-to-liquid ratio of surface precipitation using a bulk microphysics scheme［J］. Mon Wea Rev，2012，140（8）：2461-2476.

［18］FUKUTA N， TAKAHASHI T. The growth of atmospheric ice crystals： a summary of findings in vertical supercooled cloud tunnel studies［J］. J Atmos Sci，1999，56（12）：1963-1979.

［19］DUB?I. From mm to cm： study of snow/liquid water ratios in Quebec［EB/OL］. Quebec region： Meteorological Services of Canada，2003. https：//www.meted.ucar.edu/norlat/snowdensity/from_mm_to_cm.pdf.

［20］LIBBRECHT K G. Ken Libbrechts field guide to snowflakes［M］. Minnesota： Voyageur Press，2006.

［21］GRAY D M， MALE D H. Handbook of snow： principles， processes， management and use［M］. Toronto： Pergamon Press，1981.

［22］RAUBER R M. Characteristics of cloud ice and precipitation during wintertime storms over the mountains of northern Colorado［J］. J Climate Appl Meteor，1987，26（4）：488-524.

［23］楊成芳，趙宇.基于加密觀測的一次極端雨雪過程積雪特征分析［J］.高原氣象，2021，40（4）：853-865.