趙琳娜 慕秀香 馬翠平 王秀娟 李締華

1)(中國(guó)氣象科學(xué)研究院，北京 100081) 2)(中國(guó)氣象局-中國(guó)地質(zhì)大學(xué)(武漢)極端天氣氣候與水文地質(zhì)災(zāi)害研究中心，武漢 430074) 3)(吉林省氣象臺(tái)，長(zhǎng)春 130062) 4)(河北省環(huán)境氣象中心，石家莊 050021) 5)(西藏自治區(qū)察隅縣氣象局，察隅 860600)

引 言

冬季降水不僅會(huì)對(duì)電力、交通運(yùn)輸、通信、農(nóng)林牧漁業(yè)、城市基礎(chǔ)設(shè)施、人民的生命和健康造成嚴(yán)重影響，帶來(lái)重大經(jīng)濟(jì)損失[1-2]，還會(huì)對(duì)生態(tài)系統(tǒng)造成嚴(yán)重影響[3]。冬季的降水相態(tài)(也稱降水類型)主要包括雨、雪、雨夾雪、冰粒和凍雨等，這幾種降水相態(tài)單獨(dú)出現(xiàn)或以混合形式出現(xiàn)，均會(huì)導(dǎo)致雨雪冰凍事件。在這些雨雪冰凍事件中，尤其以凍雨和冰粒危害最為嚴(yán)重。冬季固態(tài)降水不僅在高緯度地區(qū)的北美和俄羅斯等地易于發(fā)生[4-5]，中低緯度地區(qū)也受其影響，造成較大的低溫雨雪冰凍災(zāi)害[6-10]。同樣量級(jí)的24 h降水(如5 mm)，如果是液態(tài)，則為小雨量級(jí)；如果是固態(tài)，則為大雪量級(jí)，可能對(duì)人們的生產(chǎn)生活有很大影響。據(jù)統(tǒng)計(jì)，1949—2000年美國(guó)發(fā)生87次凍雨事件，造成2220億美元的經(jīng)濟(jì)損失[1]。僅2008年初，我國(guó)南方遭受罕見(jiàn)的雨雪冰凍天氣，受災(zāi)人口超過(guò)1億，直接經(jīng)濟(jì)損失超過(guò)1516億元人民幣[2]。

降水相態(tài)預(yù)報(bào)是預(yù)報(bào)員冬季降水預(yù)報(bào)面臨的最大難題之一。國(guó)外從20世紀(jì)初開(kāi)始出現(xiàn)凍雨、雨夾雪、冰粒等不同冬季降水相態(tài)的描述性報(bào)告[11]，降水相態(tài)變化不是固態(tài)和液態(tài)水的簡(jiǎn)單轉(zhuǎn)換，因此確定冬季天氣事件的降水相態(tài)和強(qiáng)度是預(yù)報(bào)員冬季降水預(yù)報(bào)最大的挑戰(zhàn)之一。20世紀(jì)50年代開(kāi)始國(guó)外學(xué)者利用高空和地面觀測(cè)資料，在降水相態(tài)的形成機(jī)制和預(yù)報(bào)技術(shù)等方面開(kāi)展氣候?qū)W和天氣學(xué)研究[12-13]；20世紀(jì)80—90年代隨著觀測(cè)手段增強(qiáng)，人們利用多普勒天氣雷達(dá)、風(fēng)廓線雷達(dá)、激光雨滴譜儀等獲得較高分辨率的觀測(cè)資料，使更深入的降水相態(tài)微物理形成機(jī)制研究得以開(kāi)展[14-15]。

隨著數(shù)值天氣預(yù)報(bào)技術(shù)的發(fā)展，為了提升降水相態(tài)預(yù)報(bào)效果，很多復(fù)雜的微物理參數(shù)化方案被廣泛應(yīng)用于高分辨率區(qū)域預(yù)報(bào)模式中，即便如此，降水相態(tài)預(yù)報(bào)仍然面臨諸多挑戰(zhàn)[16]。這是因?yàn)槎窘邓鄳B(tài)預(yù)報(bào)中有許多不確定因素，如對(duì)數(shù)值天氣預(yù)報(bào)模式提出重大挑戰(zhàn)的就是混合相態(tài)降水預(yù)報(bào)，特別是凍雨、冰粒和雨雪的混合相態(tài)降水預(yù)報(bào)不理想[17-21]。模式中降水相態(tài)算法和模式不確定性均會(huì)對(duì)模式降水相態(tài)預(yù)報(bào)準(zhǔn)確性產(chǎn)生影響[18]，而且不同儀器降水相態(tài)觀測(cè)誤差及其時(shí)空變化對(duì)降水相態(tài)預(yù)報(bào)的驗(yàn)證也存在不確定性[22]。在數(shù)值天氣預(yù)報(bào)產(chǎn)品基礎(chǔ)上，采用統(tǒng)計(jì)后處理等多種降水相態(tài)預(yù)報(bào)方法或模型，可有效減少和避免預(yù)報(bào)誤差，隨著數(shù)值天氣預(yù)報(bào)技術(shù)的發(fā)展，要提高混合相態(tài)降水事件預(yù)報(bào)的準(zhǔn)確性，更可取的方法是使用集合預(yù)報(bào)進(jìn)行降水相態(tài)的概率預(yù)報(bào)[22]。

在全球氣候變化背景下，冰凍雨雪等極端天氣和氣候事件有顯著增加趨勢(shì)。Branick[23]通過(guò)對(duì)美國(guó)冬季降水事件分類發(fā)現(xiàn)：在美國(guó)大陸所有冬季降水事件中，嚴(yán)重的凍雨或凍毛毛雨事件約占24%。冰粒、凍雨、凍毛毛雨、凍霧、雪以及混合相態(tài)降水等天氣在我國(guó)各地均有不同程度發(fā)生[6,24-33]。隨著社會(huì)經(jīng)濟(jì)的發(fā)展，冬季降水相態(tài)越來(lái)越多地影響城市運(yùn)行和社會(huì)生產(chǎn)，尤其是混合相態(tài)的凍雨和雨夾雪對(duì)交通運(yùn)輸、電力和公共設(shè)施等方面造成越來(lái)越多的災(zāi)害，民眾和國(guó)家決策部門對(duì)降水相態(tài)預(yù)報(bào)準(zhǔn)確性的關(guān)注度和精細(xì)化需求越來(lái)越高。因此，本研究圍繞冬季穩(wěn)定性降水，回顧近幾十年國(guó)內(nèi)外有關(guān)降水相態(tài)預(yù)報(bào)方法的研究進(jìn)展，梳理降水相態(tài)預(yù)報(bào)問(wèn)題和存在不足的認(rèn)識(shí)。這不僅對(duì)降水相態(tài)未來(lái)相關(guān)研究的展開(kāi)有利，而且可以為相關(guān)預(yù)報(bào)服務(wù)技術(shù)的提高提供參考。

1 降水相態(tài)形成機(jī)制

早期只能獲取冬季穩(wěn)定性降水時(shí)間間隔較長(zhǎng)的探空和地面資料，對(duì)降水相態(tài)形成的研究?jī)H限于關(guān)注大氣垂直溫度變化和垂直分布。如1920年Meisinger[34]提出云中雪片由溫度高于冰點(diǎn)的空氣層進(jìn)入低于冰點(diǎn)的空氣層形成凍雨、冰粒和雪等水凝物，認(rèn)為溫度變化引起的融化和凍結(jié)是導(dǎo)致降水相態(tài)發(fā)生變化的主要影響因素。其中對(duì)降水相態(tài)轉(zhuǎn)換起到融化和凍結(jié)作用的兩個(gè)大氣層分別被稱為融化層和再凍結(jié)層[35-37]。通過(guò)融化層完全融化的降水粒子直接下落至地面形成雨，部分融化的降水粒子直接下落至地面可能形成雨夾雪或雪。通過(guò)融化層后，如果再經(jīng)過(guò)一個(gè)冷平流形成的近地面再凍結(jié)層可導(dǎo)致降水相態(tài)再次產(chǎn)生變化，半融化或完全融化的冰晶在再凍結(jié)層內(nèi)完全凍結(jié)或部分凍結(jié)。當(dāng)雨落入再凍結(jié)層時(shí)，經(jīng)過(guò)再凍結(jié)形成凍雨。由融化形成的半融化冰晶，到達(dá)冰凍層時(shí)如果完全凍結(jié)則形成冰粒。凍雨的形成機(jī)制分兩種：一種為融化過(guò)程，即當(dāng)冰粒從高空墜落到氣溫超過(guò)0℃的大氣層中，冰粒子融化成雨滴，然后進(jìn)入低于冰點(diǎn)的表層過(guò)冷并與表面物體接觸后凍結(jié)，該過(guò)程自20世紀(jì)初以來(lái)就被氣象學(xué)家所認(rèn)識(shí)[11，34，38-39]；另一種為暖雨過(guò)程，由Huffman等[40]定義，強(qiáng)調(diào)在這些條件下，基本無(wú)冰粒子參加，水滴在下落和生長(zhǎng)過(guò)程中不斷過(guò)冷，最后落地凍結(jié)。

由于不同相態(tài)降水的形成機(jī)制不同，在地面溫度接近0℃時(shí)，可能產(chǎn)生冰粒、凍雨、凍毛毛雨、雨、雪和混合相態(tài)降水，這些類型降水可能在水平距離1～100 km范圍內(nèi)以不同強(qiáng)度同時(shí)出現(xiàn)[41]。我國(guó)凍雨發(fā)生以暖雨機(jī)制為主[29-30]。暖雨機(jī)制產(chǎn)生的凍雨云頂普遍不高，而融化機(jī)制凍雨云頂相對(duì)較高；出現(xiàn)凍雨時(shí)地面氣溫均低于0℃，冰相機(jī)制凍雨的暖層厚度基本在1 km以上，暖層最高氣溫平均在3℃以上。冰粒天氣形成機(jī)制以融化機(jī)制為主，冰粒天氣的云頂高度普遍高于凍雨天氣，冰粒天氣的暖層厚度和強(qiáng)度均小于凍雨天氣[30]。

總而言之，大氣垂直溫度廓線變化是降水相態(tài)的主要決定因素，但也受降水粒子相態(tài)、粒子下落速度、垂直運(yùn)動(dòng)和地形等其他因素的影響。如日本海東部的日本西海岸、大西洋西岸的魁北克地區(qū)和大西洋東岸的英格蘭島以及中國(guó)環(huán)渤海、黃海、東海海面及其沿海地區(qū)的海效應(yīng)降雪(又稱為冷流降雪)、美國(guó)五大湖和大鹽湖等地區(qū)的湖效應(yīng)降雪以及中國(guó)貴州的凍雨都是受地形影響的降水[42-43]。

2 降水相態(tài)預(yù)報(bào)方法

長(zhǎng)期以來(lái)冬季降水相態(tài)預(yù)報(bào)一直是預(yù)報(bào)員關(guān)注的問(wèn)題，國(guó)內(nèi)外較早的降水相態(tài)預(yù)報(bào)從20世紀(jì)70年代開(kāi)始[44-45]。第1類方法是基于觀測(cè)或數(shù)值天氣預(yù)報(bào)建立指標(biāo)以及回歸方程，本文簡(jiǎn)稱為指標(biāo)判據(jù)法；第2類方法是基于數(shù)值天氣預(yù)報(bào)模式的微物理方案法和集合預(yù)報(bào)法；第3類方法是基于觀測(cè)和數(shù)值天氣預(yù)報(bào)產(chǎn)品的應(yīng)用決策樹(shù)、人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)等的人工智能預(yù)報(bào)法。

2.1 指標(biāo)判據(jù)法

冬季降水相態(tài)形成機(jī)制復(fù)雜，大氣垂直溫度廓線是降水相態(tài)主要影響因素。因此早期劃分雨雪界限最簡(jiǎn)單、最常用的指標(biāo)之一是從地面觀測(cè)插值的溫度場(chǎng)獲得的0℃氣溫等值線[46]。由于多個(gè)微物理過(guò)程參與降水的增長(zhǎng)和溫度剖面演變使雨雪邊界受到局部尺度過(guò)程的強(qiáng)烈影響，因此，冬季地面降水相態(tài)識(shí)別不是一項(xiàng)簡(jiǎn)單工作。雖然對(duì)流層低層大氣溫度和濕度剖面是地面降水相態(tài)的決定因素，但受水平和垂直平流、深厚的濕對(duì)流、垂直混合、大氣輻射和不同潛熱的影響[47]，地面降水相態(tài)的識(shí)別非常困難。因此，圍繞大氣溫度和濕度剖面這兩個(gè)降水相態(tài)的決定因素，基于觀測(cè)或數(shù)值天氣預(yù)報(bào)降水相態(tài)預(yù)報(bào)指標(biāo)判據(jù)法主要包括部分厚度法、面積法、特性層溫度法、大氣垂直溫度分布法和回歸方法等。

2.1.1 氣壓層厚度預(yù)報(bào)法

由壓高公式可知，兩個(gè)固定氣壓層之間的厚度與它們之間的平均溫度成正比，這可代表溫度垂直平均值。1957年Wagner[13]利用100～500 hPa 厚度差作為參數(shù)分類預(yù)報(bào)凍結(jié)降水和非凍結(jié)類降水，取得較理想的預(yù)報(bào)效果。之后較長(zhǎng)時(shí)間內(nèi)500～1000 hPa厚度差和850 hPa的0℃層作為降水相態(tài)的主要預(yù)報(bào)參考因子，但500～1000 hPa 厚度差不能有效解決對(duì)流層低層溫度分布問(wèn)題，這種基于單一參數(shù)的預(yù)報(bào)誤差很大[48]。Bocchieri[49]和Glahn等[50]利用氣層厚度差、特定層溫度、露點(diǎn)和濕球溫度的降水相態(tài)概率預(yù)報(bào)的分類預(yù)報(bào)方法，效果優(yōu)于單獨(dú)應(yīng)用厚度因子的預(yù)報(bào)。此外，氣壓層厚度作為預(yù)報(bào)因子時(shí)，近海地區(qū)需考慮陸地-海洋交界附近風(fēng)向低層轉(zhuǎn)變引起的熱量變化[48]。Keeter等[51]采用逐步線性回歸，對(duì)近似于Logit回歸相關(guān)的S形曲線進(jìn)行修正，推導(dǎo)出降水相態(tài)與探空觀測(cè)的700～1000 hPa，700～850 hPa和850～1000 hPa厚度差之間關(guān)系，回歸方程可區(qū)分固態(tài)和液態(tài)降水，列線圖分析可區(qū)分混合相態(tài)降水，最大限度提高有限資源利用率，為關(guān)鍵的局部小概率事件提供客觀預(yù)報(bào)指導(dǎo)[52-53]。段云霞等[54]分析沈陽(yáng)渾南站探空資料時(shí)分析發(fā)現(xiàn)，700～1000 hPa厚度差在不同天氣分型條件下差別較大，基于天氣分型建立的降水相態(tài)預(yù)報(bào)指標(biāo)更有利于對(duì)不同降水相態(tài)的準(zhǔn)確預(yù)報(bào)。雖然基于部分氣壓層厚度差的預(yù)報(bào)指標(biāo)易于使用，但只取得了初步成效。徐輝等[55]分析華北一次雨雪天氣的溫度垂直結(jié)構(gòu)演變以及相態(tài)轉(zhuǎn)變對(duì)溫度層結(jié)作用，發(fā)現(xiàn)降水相態(tài)類型嚴(yán)重依賴于溫度垂直結(jié)構(gòu)，溫度垂直結(jié)構(gòu)的細(xì)微改變將決定最終到達(dá)地面的降水相態(tài)，850～1000 hPa 的厚度差小于1300 gpm且700～850 hPa的厚度差小于1530 gpm時(shí)，地面的降水相態(tài)以雪或雨夾雪為主，否則以雨為主。

2.1.2 特定層溫度預(yù)報(bào)法

早期國(guó)內(nèi)對(duì)降水相態(tài)的研究主要通過(guò)個(gè)例研究總結(jié)降水相態(tài)對(duì)應(yīng)的對(duì)流層中低層不同層次溫度特征[54，56-62]。許愛(ài)華等[57]分析2005年一次寒潮天氣過(guò)程的低層大氣溫度結(jié)構(gòu)特征，認(rèn)為925 hPa以下的大氣溫度是南方降水相態(tài)轉(zhuǎn)換關(guān)鍵，925 hPa溫度不超過(guò)-2℃可作為固態(tài)降水的預(yù)報(bào)依據(jù)。李江波等[58]總結(jié)7次雨雪轉(zhuǎn)換過(guò)程，指出0℃層明顯下降、降雪發(fā)生時(shí)地面溫度在0℃左右以及1000 hPa 溫度在2℃以下可作為雨雪轉(zhuǎn)換的判據(jù)，并發(fā)現(xiàn)雖然850 hPa溫度變化幅度大，但對(duì)降水相態(tài)的影響不大，925 hPa以下溫度對(duì)降水相態(tài)起主要作用。

因此，早期對(duì)降水相態(tài)的判別依賴于特性層溫度，同時(shí)結(jié)合低層厚度差因子，也是對(duì)厚度預(yù)報(bào)法的拓展。尤鳳春等[63]對(duì)北京市觀象臺(tái)60年資料進(jìn)行統(tǒng)計(jì)，認(rèn)為雨雪溫度露點(diǎn)平均值在850 hPa以下差異明顯，隨高度增加差異逐漸減小，尤其是在700 hPa和500 hPa。因此，選取地面露點(diǎn)溫度和925 hPa溫度作為降水相態(tài)判別指標(biāo)效果較好。利用925 hPa溫度、850 hPa溫度、地面溫度、地面露點(diǎn)應(yīng)用多元回歸方法，建立降水相態(tài)統(tǒng)計(jì)預(yù)報(bào)方程對(duì)降水相態(tài)預(yù)報(bào)具有一定參考價(jià)值。此外，漆梁波等[60]認(rèn)為氣候背景不同使得西歐降水相態(tài)判別指標(biāo)與我國(guó)東部略有差別，北美洲判別指標(biāo)在我國(guó)東部不能適用。我國(guó)降水相態(tài)判別指標(biāo)不但要綜合考慮溫度因子，還要考慮厚度因子，并以925 hPa以下氣層溫度結(jié)合700～850 hPa和850～1000 hPa厚度差為指標(biāo)，建立我國(guó)東部雨、雪和雨夾雪相態(tài)的判別指標(biāo)，并增加凍雨(冰粒)分類。由于主要考慮融化機(jī)制而忽略了暖雨機(jī)制對(duì)凍雨(冰粒)進(jìn)行判別，因此得到的判別指標(biāo)不理想。孫燕等[64]利用地面和850 hPa溫度結(jié)合厚度建立江蘇冬季區(qū)分雨、雪相態(tài)預(yù)報(bào)判別指標(biāo)，對(duì)固液態(tài)降水預(yù)報(bào)區(qū)分有較高準(zhǔn)確率，對(duì)降水相態(tài)預(yù)報(bào)也有很好的指示意義，還發(fā)現(xiàn)地面濕球溫度是區(qū)分雨雪有參考價(jià)值的指標(biāo)。人們還發(fā)現(xiàn)0℃層高度與降水相態(tài)密切相關(guān)，可用于雨雪區(qū)分[58，65-69]。降雨時(shí)0℃層高度位于925 hPa或其附近，當(dāng)0℃層高度降至1000 hPa附近時(shí)降雨轉(zhuǎn)為降雪[61]。對(duì)于復(fù)雜地形條件，雨、雪、雨夾雪相態(tài)轉(zhuǎn)換的前提條件分別是地面溫度大于3.0℃、地面溫度小于-1.0℃、地面溫度大于-1.0℃且小于3.0℃，需在此前提下建立不同海拔高度相態(tài)轉(zhuǎn)換的溫度組合指標(biāo)[70]。

2.1.3 暖層的面積預(yù)報(bào)法

大氣垂直溫度分布中，暖層深度或面積越大，降水粒子在穿過(guò)該層時(shí)融化的可能性越大。Bocchieri[49]根據(jù)探測(cè)計(jì)算的參數(shù)因子與觀測(cè)降水相態(tài)(液態(tài)、凍結(jié)(凍雨等混合相態(tài))和冰凍(固態(tài)))進(jìn)行多元線性回歸因子篩選。統(tǒng)計(jì)篩選出地面至1000 m高度和500～2500 m高度層平均溫度、相對(duì)于溫度廓線的融化層深度(如果存在溫度大于0℃的情況)、融化層溫度廓線和0℃等溫線之間區(qū)域、地表附近凍結(jié)層深度(如果存在)以及基于地面凍結(jié)層濕球溫度廓線和0℃等溫線之間的面積等因子，建立降水相態(tài)預(yù)報(bào)回歸方程，顯示出對(duì)液態(tài)和固態(tài)降水較好的區(qū)分能力，但該方程對(duì)混合相態(tài)降水預(yù)報(bào)評(píng)分并不理想。Bourgouin[71]在以上研究基礎(chǔ)上細(xì)化面積預(yù)報(bào)方法，考慮降水粒子的相態(tài)依賴于融化和再凍結(jié)程度，融化層和再凍結(jié)層的平均溫度和停留時(shí)間兩個(gè)重要參數(shù)，假設(shè)降水粒子垂直運(yùn)動(dòng)和末端下降速度恒定，停留時(shí)間僅取決于融化層或凍結(jié)層厚度，凍結(jié)層平均溫度與融化層(或凍結(jié)層)厚度的乘積可視為與標(biāo)準(zhǔn)溫熵圖或溫度-對(duì)數(shù)壓力圖上氣層溫度和零度線包圍的面積成正比，面積中正區(qū)域融化固體粒子，負(fù)區(qū)域凍結(jié)降水粒子。用正、負(fù)區(qū)域面積與降水相態(tài)的關(guān)系，建立雨、雪、凍雨和冰粒診斷判別方法預(yù)報(bào)效果較同期其他方法更優(yōu)。夏倩云等[72]發(fā)展了面積預(yù)報(bào)法，應(yīng)用面積元方法計(jì)算探空廓線與0℃等溫線相交形成的正、負(fù)區(qū)域面積和兩者的交點(diǎn)數(shù)，以及地面溫度作為降水相態(tài)(雨、雨夾雪、雪、凍雨和冰粒)的預(yù)報(bào)因子，建立診斷降水相態(tài)的統(tǒng)計(jì)方法。

2.1.4 垂直溫度廓線預(yù)報(bào)法

與氣壓層厚度預(yù)報(bào)法和特定層溫度預(yù)報(bào)法相比，雖然面積法充分考慮了融化和再凍結(jié)程度，但仍具有一定局限性。應(yīng)用氣層厚度差、特征層溫度和面積法建立降水相態(tài)預(yù)報(bào)指標(biāo)受限于數(shù)值預(yù)報(bào)產(chǎn)品分辨率和準(zhǔn)確率。Thériault等[73]基于數(shù)值模式微物理過(guò)程的敏感性試驗(yàn)，發(fā)現(xiàn)溫度分布(-0.5℃)以及降水強(qiáng)度的微小變化可能對(duì)地面形成的降水相態(tài)產(chǎn)生重大影響。因此，準(zhǔn)確預(yù)報(bào)降水相態(tài)需要準(zhǔn)確預(yù)報(bào)垂直溫度廓線，特別是在中低層溫度廓線預(yù)報(bào)顯得尤為重要。

近年，隨著數(shù)值天氣預(yù)報(bào)技術(shù)的發(fā)展，數(shù)值預(yù)報(bào)產(chǎn)品精細(xì)化程度和預(yù)報(bào)準(zhǔn)確率的提高，利用高分辨率數(shù)值預(yù)報(bào)產(chǎn)品通過(guò)分析大氣垂直溫度分布，建立判別不同相態(tài)降水的預(yù)報(bào)模型，進(jìn)行降水相態(tài)預(yù)報(bào)。Hux等[74]應(yīng)用氣候?qū)W和判別分析法相結(jié)合的方法建立混合降水分析識(shí)別模型(DAMP模型)，通過(guò)判別分析各類降水相態(tài)的凍結(jié)層數(shù)量、溫度垂直廓線和特征等壓面溫度以及其他變量(如部分厚度、0℃等溫線的高度以及每個(gè)凍結(jié)層之間的溫度指數(shù))，基于連續(xù)的氣象要素對(duì)降水相態(tài)進(jìn)行分類，給出各種相態(tài)降水預(yù)報(bào)的概率估計(jì)。模型在混合降水事件中預(yù)報(bào)降水相態(tài)和持續(xù)時(shí)間方面表現(xiàn)出色。DAMP模型不僅降水相態(tài)預(yù)報(bào)正確率高，對(duì)凍雨的漏報(bào)率也很低。

2.1.5 數(shù)值預(yù)報(bào)診斷法

在數(shù)值天氣預(yù)報(bào)發(fā)展基礎(chǔ)上，降水相態(tài)分類還可以通過(guò)對(duì)水滴所經(jīng)過(guò)路徑上的溫、濕垂直廓線進(jìn)行診斷預(yù)報(bào)。如溫度的垂直剖面、濕球溫度、混合層以上升高的厚度和基于地表的低溫層深度、風(fēng)和降水多少確定到達(dá)地面的降水是否為雨、雪、冰?；騼鲇?。

利用中尺度數(shù)值模式預(yù)報(bào)的近地面大氣層凍結(jié)部分降水混合比在可凝結(jié)成降水水汽混合比中所占比例，判斷雨雪過(guò)渡區(qū)、雨雪分界線及雨夾雪區(qū)，也可較準(zhǔn)確預(yù)報(bào)中國(guó)東北地區(qū)降水過(guò)程中雨/雪區(qū)和雨夾雪區(qū)分布特征及降水相態(tài)隨時(shí)間演變[75]。也有利用逐日、逐時(shí)常規(guī)地面觀測(cè)資料和逐日高空探測(cè)資料計(jì)算物理量參數(shù)，根據(jù)物理量參數(shù)在不同降水相態(tài)樣本中值域分布特征，選定具有預(yù)報(bào)意義的物理量參數(shù)，分析不同類型物理量參數(shù)對(duì)各降水相態(tài)的指示作用，根據(jù)各物理量參數(shù)在不同降水相態(tài)樣本中的閾值，確定冬季降水相態(tài)預(yù)報(bào)的判定指標(biāo)，建立某地區(qū)冬季降水相態(tài)預(yù)報(bào)模型[76]。此外還可以利用常規(guī)地面觀測(cè)資料、NCEP/GFS分析資料、衛(wèi)星及多普勒天氣雷達(dá)資料和中尺度數(shù)值模式，對(duì)比寒潮型暴雪和冷暖空氣對(duì)峙型雨雪兩類天氣過(guò)程的大氣環(huán)流形勢(shì)、溫濕廓線和對(duì)流層中低層風(fēng)場(chǎng)特征，尋找降水相態(tài)預(yù)報(bào)的因子[77]。

Reeves等[22]在對(duì)降水相態(tài)變化的微物理機(jī)制研究和數(shù)值模擬分析基礎(chǔ)上，開(kāi)發(fā)了譜段分類器 (spectral bin classifier,SBC)，通過(guò)計(jì)算給定預(yù)定溫度和相對(duì)濕度分布的一系列降落水凝物的液體水分?jǐn)?shù)，提供融化層和再凍結(jié)層的微物理參數(shù)，同時(shí)考慮熱力和微物理強(qiáng)迫作用，計(jì)算凍結(jié)和融化的相對(duì)降水強(qiáng)度，確定地表降水相態(tài)，模型結(jié)果準(zhǔn)確反映了實(shí)際的熱力學(xué)廓線。該算法可以診斷雨、雪、雨雪混合、凍雨、冰粒和凍雨冰?；旌衔?種類型，是目前診斷降水相態(tài)類型最多的方法。與現(xiàn)有算法相比，SBC具有更高的準(zhǔn)確率，尤其是凍雨和冰粒預(yù)報(bào)。由于該算法顯式地計(jì)算融化和再凍結(jié)率，且未考慮水凝物相互作用或者依賴水凝物大小的冰核形成過(guò)程，這也使得該過(guò)程在計(jì)算上足夠高效，并可以實(shí)時(shí)運(yùn)行。

除此之外，還有配料法和天氣分型法等，這些方法大多通過(guò)個(gè)例分析歸納降水相態(tài)轉(zhuǎn)換相關(guān)閾值，進(jìn)行降水相態(tài)預(yù)報(bào)。如Cheng等[78]采用自動(dòng)天氣分型與邏輯回歸分析相結(jié)合的方法預(yù)報(bào)凍雨事件。Bocchieri等[79]建立基于有限區(qū)域精細(xì)模式的降水相態(tài)預(yù)報(bào)條件概率模型輸出統(tǒng)計(jì)系統(tǒng)(MOS-PoPT)，可預(yù)報(bào)雪或冰粒、凍雨和雨3種降水相態(tài)，特別是12～24 h凍雨預(yù)報(bào)表現(xiàn)優(yōu)良，并于1982年在美國(guó)國(guó)家氣象局應(yīng)用。Wetzel等[80]提出降水產(chǎn)生過(guò)程中涉及的5種基本物理成分，即上升壓力、水分、不穩(wěn)定性、降水效率和溫度的配料法，并將該方法用于中緯度地區(qū)冬季降水業(yè)務(wù)的分析預(yù)報(bào)。Cuviello[81]通過(guò)分析37年間發(fā)生在美國(guó)北卡羅來(lái)納州的237次冬季降水事件建立降水相態(tài)預(yù)報(bào)模型，利用氣旋和反氣旋路徑分類，表征研究區(qū)觀測(cè)到的雪、凍雨和雨夾雪的強(qiáng)度。馬曉剛等[82]利用探空資料將單站大氣逆溫轉(zhuǎn)換成逆溫水平分布區(qū)，實(shí)現(xiàn)大氣逆溫水平分布的自動(dòng)診斷分析。提出由大氣逆溫水平分布區(qū)、高空濕區(qū)、地面氣溫0℃線、逆溫層極值點(diǎn)0℃線構(gòu)成的凍雨落區(qū)的基本概念模型和凍雨落區(qū)的自動(dòng)診斷分析方法。Czys等[83]建立第1個(gè)熱力學(xué)模型，通過(guò)接近融化時(shí)間與完全融化所需時(shí)間比率區(qū)分凍雨和冰粒，采用該比率與地表溫度共同確定降水相態(tài)，該模型不足之處是對(duì)冰粒預(yù)報(bào)難度較大。Zerr[84]將兩個(gè)傳熱模型應(yīng)用于冰粒和凍雨預(yù)報(bào)問(wèn)題，其中一個(gè)模型模擬樹(shù)枝狀晶體融化，另一個(gè)模擬液滴再凍結(jié)，并指出融化參數(shù)決定冰粒和凍雨預(yù)報(bào)能力。

需要注意的是，基于垂直溫度廓線預(yù)報(bào)降水相態(tài)的DAMP模型和SBC方法，高度依賴數(shù)值天氣預(yù)報(bào)模式預(yù)報(bào)準(zhǔn)確率，模式誤差被代入模型降低預(yù)報(bào)準(zhǔn)確率。此外，有些診斷方法計(jì)算效率高，對(duì)降雨和降雪的判斷比較準(zhǔn)確，但在區(qū)分凍雨和冰粒方面還存在一些誤差[18，85-86]。

2.2 數(shù)值模式預(yù)報(bào)法

降水相態(tài)的數(shù)值預(yù)報(bào)方法包括兩類：一類是基于數(shù)值天氣預(yù)報(bào)模式的云和微物理方案預(yù)報(bào)降水相態(tài)，另一類是近幾年發(fā)展的基于集合預(yù)報(bào)的降水相態(tài)概率預(yù)報(bào)方法。

2.2.1 微物理方案法

在對(duì)降水物理過(guò)程理解的基礎(chǔ)上，人們開(kāi)發(fā)多種判斷降水相態(tài)的微物理過(guò)程算法預(yù)報(bào)降水相態(tài)。如模式的總體微物理方案(bulk microphysics)是基于預(yù)報(bào)的每個(gè)水凝物符合Marshall-Palmer粒徑分布的假設(shè)方案[87]。20世紀(jì)90年代前后，多普勒天氣雷達(dá)、風(fēng)廓線儀、微波輻射計(jì)和移動(dòng)原始探測(cè)器的廣泛應(yīng)用為研究降水的運(yùn)動(dòng)學(xué)和熱力學(xué)結(jié)構(gòu)和演變提供了高分辨率觀測(cè)資料，由此可以描述降水粒子基本微物理結(jié)構(gòu)。Tremblay等[88]基于總含水量單一預(yù)報(bào)公式的云微物理過(guò)程參數(shù)化方案，發(fā)展了新的混合相云方案。該方案體現(xiàn)的是以顯示方式包含形成過(guò)冷液態(tài)水的微物理過(guò)程，在沒(méi)有冰融化機(jī)制的情況下，過(guò)冷液態(tài)水物理機(jī)制的加入顯著提高凍雨預(yù)報(bào)概率，并改善融冰算法的偏差評(píng)分。

隨著數(shù)值預(yù)報(bào)產(chǎn)品與高分辨率觀測(cè)資料的快速發(fā)展，高時(shí)空分辨資料結(jié)合總體微物理方案進(jìn)行數(shù)值模擬，分析降水相態(tài)變化中的非絕熱加熱或冷卻對(duì)環(huán)境條件影響，提高降水相態(tài)預(yù)報(bào)效果。將這些非絕熱過(guò)程的精確參數(shù)化納入冬季降水預(yù)報(bào)模式，可以改善降水相態(tài)預(yù)報(bào)能力[35，89-93]。如Thériault等[35]利用溫度閾值，發(fā)展針對(duì)多種降水相態(tài)的雙參數(shù)總體微物理方案(double-moment bulk microphysics scheme)的云模式，對(duì)形成冬季降水不同相態(tài)有利的溫度和濕度廓線，在逆溫中連續(xù)降雪環(huán)境的系統(tǒng)變化進(jìn)行模擬，發(fā)現(xiàn)降水相態(tài)變化是融化和冰凍相變引起的大氣溫度和濕度變化結(jié)果。Thériault等[94]利用耦合了雙參數(shù)總體微物理方案的一維動(dòng)力學(xué)云模型[35]發(fā)現(xiàn)，與背景大氣靜止相比，背景大氣上升導(dǎo)致溫度結(jié)構(gòu)演變這一重大變化。在接近地表的次凍結(jié)層中，降水粒子在靜止大氣的溫度變化比在上升大氣溫度變化更明顯。背景垂直風(fēng)速總是降低某些類型的降水，增加其他類型的降水，特別是冰粒、再凍濕雪和霰的量在地表隨背景風(fēng)速的增加而減少，而降雪的量則增加。Thériault等[90]通過(guò)使用基于物理的參數(shù)化改進(jìn)針對(duì)多種相態(tài)降水的大量微物理方案，在微物理方案中增加降水粒子的精細(xì)化融化和再凍結(jié)過(guò)程參數(shù)，模擬發(fā)現(xiàn)形成的混合相態(tài)粒子反過(guò)來(lái)會(huì)導(dǎo)致或影響其他相態(tài)的降水形成，這說(shuō)明降水相態(tài)形成強(qiáng)烈依賴于融化層的溫度和深度以及再冷凍層內(nèi)的飽和度和溫度。Barszcz等[95]改進(jìn)千米尺度數(shù)值天氣預(yù)報(bào)模式凍雨的顯示預(yù)報(bào)方案，通過(guò)降低雨-霰聚集效率，設(shè)置溫度閾值為-5℃，在此溫度閾值以上不允許碰撞凍結(jié)，因此可以在微物理方案中控制過(guò)多的雨-霰聚集和霰形成，從而改進(jìn)地表凍雨模擬。Schuur等[96]首次嘗試將快速更新(RUC)模式的熱力學(xué)輸出與偏振雷達(dá)觀測(cè)相結(jié)合的新型降水相態(tài)分類算法，該方法以RUC模式輸出的濕球溫度的垂直剖面為降水相態(tài)分類背景，根據(jù)一套經(jīng)驗(yàn)規(guī)則，當(dāng)發(fā)現(xiàn)觀測(cè)值與背景分類不一致時(shí)，根據(jù)偏振雷達(dá)資料改進(jìn)降水相態(tài)。該方法改進(jìn)已有的僅依靠偏振雷達(dá)觀測(cè)的分類技術(shù)，通過(guò)使用熱力學(xué)模式信息，幫助診斷可能在高空發(fā)生的微物理過(guò)程(如融化或再凍結(jié))。Ikeda等[16]采用NOAA小時(shí)快速更新的高分辨率模式HRRR(high-resolution rapid refresh)預(yù)報(bào)冬季降水。定性地講，降水相態(tài)預(yù)報(bào)的范圍較理想，特別是對(duì)雪和雨、雨雪過(guò)渡和凍雨落區(qū)預(yù)報(bào)均取得理想效果，但雨雪轉(zhuǎn)換和凍雨落區(qū)相關(guān)定量評(píng)分明顯低于雪或雨預(yù)報(bào)。

此外，準(zhǔn)確描述降水時(shí)段和落區(qū)的能力取決于天氣系統(tǒng)。通常較大的、連續(xù)覆蓋的降水系統(tǒng)比較小的、不連續(xù)覆蓋的降水系統(tǒng)預(yù)報(bào)效果更佳。對(duì)于較小風(fēng)暴的模式性能評(píng)估，空間或時(shí)間上的偏移影響更大。Ikeda等[20]利用HRRR進(jìn)行混合降水相態(tài)預(yù)報(bào)時(shí)發(fā)現(xiàn)，當(dāng)觀測(cè)資料和模式模擬結(jié)果均顯示地表有混合相態(tài)降水時(shí)，該模式能較好地再現(xiàn)觀測(cè)的溫度分布。模式預(yù)報(bào)出現(xiàn)降水而觀測(cè)結(jié)果顯示混合相態(tài)降水時(shí)，模式地表溫度偏差一般為2℃，垂直溫度剖面與探空觀測(cè)結(jié)果相似。美國(guó)東部受冷空氣阻塞的天氣系統(tǒng)影響時(shí)，地面溫度偏差4℃會(huì)造成地面降水相態(tài)或凍雨持續(xù)時(shí)間(面積覆蓋)比觀測(cè)時(shí)間偏短(小)。在觀測(cè)到的混合相態(tài)降水的地區(qū)，對(duì)雪的預(yù)報(bào)情況在溫度接近0℃的高層和近地層存在細(xì)微差別。Benjamin等[97]利用HRRR 中混合相積云微物理方案[98]，預(yù)報(bào)地面降水在一定條件下同一位置同時(shí)包括的雨、雪和霰，后處理邏輯回歸將預(yù)報(bào)的多種水凝物信息和模式預(yù)報(bào)信息相結(jié)合，區(qū)分雨和凍雨地面降水相態(tài)場(chǎng)，并描繪出混合降水區(qū)域。

佟華等[21]根據(jù)降水粒子在下落過(guò)程中的熱力結(jié)構(gòu)，利用GRAPES_MESO中尺度模式提供所需參數(shù)，針對(duì)降水物理過(guò)程的Bourgouin算法[71]、BTC算法[99]、改進(jìn)的BTC算法和Ramer算法[100]4種方案，進(jìn)行雨、雪、凍雨和冰粒4種降水相態(tài)的診斷。4種方案均能較合理地得到雨雪分界線，以及降雨、降雪落區(qū)。改進(jìn)的BTC算法比BTC算法對(duì)降雪的診斷偏差更小、預(yù)報(bào)冰粒更少。Ramer算法較其他3種算法獲得更多的凍雨事件；Bourgouin算法最接近這4種算法的合成算法結(jié)果。但這4種診斷方案只能確定一種降水相態(tài)，不能診斷出雨夾雪。根據(jù)大氣條件，降水粒子經(jīng)歷了擴(kuò)散生長(zhǎng)、碰并、聚集、融化和再凍結(jié)等許多復(fù)雜的物理過(guò)程后落到地面，預(yù)報(bào)落地降水相態(tài)的挑戰(zhàn)在于靠近雨雪過(guò)渡地區(qū)的降水相態(tài)預(yù)報(bào)。

Reeves等[18]利用探空資料和模式輸出結(jié)果，對(duì)數(shù)值預(yù)報(bào)5種隱式降水相態(tài)算法的準(zhǔn)確性進(jìn)行評(píng)估，討論模式不確定性對(duì)算法性能的影響，并對(duì)降水相態(tài)觀測(cè)的不確定性及其對(duì)預(yù)報(bào)降水相態(tài)驗(yàn)證影響進(jìn)行評(píng)價(jià)[101]。通過(guò)比較地面自動(dòng)觀測(cè)站和地面附近天氣現(xiàn)象識(shí)別網(wǎng)絡(luò)的觀測(cè)結(jié)果，發(fā)現(xiàn)觀測(cè)不確定性源于儀器、觀測(cè)者偏差和空間、時(shí)間的代表性。然而，決定模式在預(yù)報(bào)到達(dá)地表的降水相態(tài)或時(shí)段方面的技巧，不僅取決于關(guān)鍵大氣過(guò)程的表現(xiàn)，附近的水體、地形高度變化等因素以及大尺度和局部尺度的大氣環(huán)境也非常重要[40-41，92，102-104]。因此到目前為止，即便使用復(fù)雜的微物理參數(shù)化方案的高分辨率區(qū)域模式[16，105-106]，準(zhǔn)確預(yù)報(bào)到達(dá)地面降水的特定類型(如雪、雨、冰粒、霰)或降水時(shí)段仍然是一個(gè)難題。

2.2.2 集合預(yù)報(bào)法

數(shù)值天氣預(yù)報(bào)誤差難以避免[107-108]，集合預(yù)報(bào)對(duì)預(yù)報(bào)不確定性的把握有一定優(yōu)勢(shì)[108-111]，使用集合預(yù)報(bào)的降水相態(tài)概率預(yù)報(bào)可有效提高混合降水事件降水相態(tài)預(yù)報(bào)準(zhǔn)確率[101]。Cortinas等[112]使用Eta和RUC模式數(shù)據(jù)檢驗(yàn)了6種降水相態(tài)算法的質(zhì)量，分析了由模式不同算法的降水相態(tài)預(yù)報(bào)組合而成的概率預(yù)報(bào)質(zhì)量，但模式中沒(méi)有一種算法能夠準(zhǔn)確地診斷所有降水的正確相態(tài)。由此說(shuō)明必須將這些算法結(jié)合起來(lái)，以提供預(yù)報(bào)不確定性的度量，這也說(shuō)明應(yīng)用集合預(yù)報(bào)技術(shù)的必要性。Manikin等[113]將不同后處理技術(shù)應(yīng)用于單一的高分辨率業(yè)務(wù)Eta模式。在相同熱力學(xué)剖面上和模式顯式微物理過(guò)程，運(yùn)行雨、凍雨和冰粒(或雪)3種降水相態(tài)的算法形成集合預(yù)報(bào)。

Wandishin等[17]將NCEP短期集合預(yù)報(bào)推廣到冬季降水相態(tài)預(yù)報(bào)，該集合系統(tǒng)集模式多樣性、初始條件多樣性和后處理算法多樣性于一體，將短期集合預(yù)報(bào)系統(tǒng)的預(yù)報(bào)結(jié)果與5種降水相態(tài)算法相結(jié)合生成概率預(yù)報(bào)。該系統(tǒng)在雨雪預(yù)報(bào)中技巧凸顯，但凍雨預(yù)報(bào)只能達(dá)到中等水平，冰粒預(yù)報(bào)無(wú)技巧。即使對(duì)于無(wú)技巧的預(yù)報(bào)，該系統(tǒng)也顯示出一定的區(qū)分不同降水相態(tài)的能力。從預(yù)報(bào)質(zhì)量看，盡管模式多樣性的影響最大，算法多樣性與初始條件多樣性也同樣重要。Scheuerer等[114]基于全球集合預(yù)報(bào)系統(tǒng)的垂直溫度廓線預(yù)報(bào)，提出了降水相態(tài)概率預(yù)報(bào)的貝葉斯分類方法?？紤]與每種降水相態(tài)相關(guān)的垂直濕球溫度分布，假設(shè)觀測(cè)到的降水相態(tài)僅取決于地面以上的垂直濕球溫度廓線，將垂直濕球溫度廓線轉(zhuǎn)換成降水相態(tài)的主要成分，并且通過(guò)偏正態(tài)分布對(duì)每一種主要成分建模。使用方差膨脹技術(shù)降低對(duì)應(yīng)于較小特征值分量的影響，貝葉斯分類方法最終基于濕球溫度分布預(yù)報(bào)得到每種降水相態(tài)產(chǎn)生概率。雨、雪、冰球、凍雨或凍毛毛雨降水相態(tài)概率預(yù)報(bào)較理想，其中凍雨預(yù)報(bào)效果更佳。

隨著資料同化技術(shù)和數(shù)值天氣預(yù)報(bào)技術(shù)的不斷發(fā)展，集合預(yù)報(bào)在降水預(yù)報(bào)中的應(yīng)用也越來(lái)越廣泛。數(shù)值預(yù)報(bào)產(chǎn)品中降水相態(tài)預(yù)報(bào)準(zhǔn)確率不斷提高，逐漸成為降水相態(tài)預(yù)報(bào)中的重要支撐產(chǎn)品。2015年5月歐洲中期天氣預(yù)報(bào)中心(ECMWF)發(fā)布IFS(Integrated Forecasting System)業(yè)務(wù)化版本，該版本系統(tǒng)改進(jìn)了云和降水物理過(guò)程，利用溫濕層結(jié)曲線進(jìn)行預(yù)報(bào)，對(duì)降水粒子在下落過(guò)程中的融合和再凍結(jié)物理過(guò)程進(jìn)行參數(shù)化，實(shí)現(xiàn)對(duì)雨、干雪、濕雪、雨夾雪、凍雨和冰粒共6類天氣現(xiàn)象進(jìn)行定量化的預(yù)報(bào)[115-116]，其相態(tài)判別不僅考慮地面2 m氣溫和地面液態(tài)水的比例，還考慮有整層氣溫曲線、與凍雨和冰粒有關(guān)的暖層和冷層厚度和高度，以及不同高度液態(tài)和固態(tài)水含量。ECMWF在此基礎(chǔ)上，開(kāi)發(fā)了半經(jīng)驗(yàn)的降水相態(tài)預(yù)報(bào)產(chǎn)品(PTYPE)[117]，產(chǎn)品在應(yīng)用中表現(xiàn)出較好的預(yù)報(bào)效果[115-116]。評(píng)估檢驗(yàn)顯示出相對(duì)于ECMWF高分辨率確定性模式，ECMWF集合預(yù)報(bào)的降水相態(tài)概率預(yù)報(bào)提高了降水相態(tài)預(yù)報(bào)技巧[118]。

2.3 人工智能預(yù)報(bào)法

降水相態(tài)的準(zhǔn)確預(yù)報(bào)是天氣預(yù)報(bào)的重要組成部分。盡管人們對(duì)冬季降水及其相關(guān)天氣認(rèn)識(shí)逐步深入，但準(zhǔn)確預(yù)報(bào)降水相態(tài)仍很困難。利用對(duì)降水相態(tài)的氣象學(xué)機(jī)理，僅從一組很少量的天氣變量中做出的降水相態(tài)預(yù)報(bào)，只能取得有限的成功。人們很早就知道，影響地面降水相態(tài)的最重要因素是溫度剖面，由此發(fā)展了各種技術(shù)預(yù)報(bào)降水相態(tài)。人工智能方法是一種有效的替代方法，該方法是分析大量歷史天氣資料，得到預(yù)報(bào)模型，利用多種變量生成降水相態(tài)預(yù)報(bào)，如利用決策樹(shù)方法診斷計(jì)算判斷雨雪轉(zhuǎn)換[99]。Reeves[101]制作了一個(gè)決策樹(shù)識(shí)別雨、雪、雨夾雪、凍雨、冰粒以及凍雨和冰粒等混合降水相態(tài)。還有研究者使用歐洲中期天氣預(yù)報(bào)中心中期預(yù)報(bào)模式(ECMWF)和區(qū)域資料同化預(yù)報(bào)系統(tǒng)(RDAPS)的相關(guān)特征量，選擇可用的大量天氣變量的有效子集，從中得到多項(xiàng)回歸參數(shù)，然后用這些參數(shù)預(yù)報(bào)降水相態(tài)。獲得預(yù)報(bào)結(jié)果比ECMWF和RDAPS分別準(zhǔn)確15%和13%[119]。在數(shù)值預(yù)報(bào)產(chǎn)品基礎(chǔ)上,董全等[120]利用人工神經(jīng)網(wǎng)絡(luò)方法開(kāi)發(fā)了中國(guó)區(qū)域的雨雪相態(tài)的客觀預(yù)報(bào)模型和產(chǎn)品，可準(zhǔn)確預(yù)報(bào)北方的雨雪分界線。彭霞云等[121]選取500 hPa和1000 hPa 厚度差等11個(gè)因子，將數(shù)據(jù)挖掘算法應(yīng)用于降水相態(tài)判別，采用決策樹(shù)算法和隨機(jī)森林算法分別構(gòu)建模型，均較準(zhǔn)確預(yù)報(bào)了降水相態(tài)，但決策樹(shù)算法和隨機(jī)森林算法各有優(yōu)劣[121-122]。

3 展 望

冬季天氣事件中降水相態(tài)及其強(qiáng)度和落區(qū)一直是預(yù)報(bào)員的主要難題之一。冬季天氣降水相態(tài)極其復(fù)雜，包含固態(tài)、液態(tài)和固液混合相態(tài)，其中混合相態(tài)又包含凍雨、雨夾雪，在一次降水過(guò)程中可能同時(shí)包含多種降水相態(tài)或是不同類降水相態(tài)之間相互轉(zhuǎn)換，其形成過(guò)程涉及大氣垂直方向多種要素變化和相互作用?？傊?，國(guó)外對(duì)降水相態(tài)的形成機(jī)制、影響因素研究較為深入，降水相態(tài)的預(yù)報(bào)判別技術(shù)方法也較為成熟。目前國(guó)內(nèi)對(duì)降水相態(tài)的研究現(xiàn)狀存在對(duì)降水相態(tài)形成機(jī)制研究數(shù)量和研究深度有限、預(yù)報(bào)技術(shù)方法單一等問(wèn)題。今后在降水相態(tài)預(yù)報(bào)方法上應(yīng)該注重以下幾個(gè)方面：

1) 加強(qiáng)模式物理過(guò)程的改進(jìn)，大力發(fā)展模式微物理過(guò)程和資料同化技術(shù)、具有降水相態(tài)預(yù)報(bào)能力的高分辨率區(qū)域模式。國(guó)外基于集合預(yù)報(bào)的降水相態(tài)預(yù)報(bào)技術(shù)走在前列，除高分辨模式之外，發(fā)展能夠提供模式降水相態(tài)預(yù)報(bào)不確定性的集合預(yù)報(bào)，是提高降水相態(tài)預(yù)報(bào)準(zhǔn)確率的一條重要途徑。如何改進(jìn)數(shù)值預(yù)報(bào)的微物理過(guò)程和資料同化技術(shù)，深入發(fā)展集合預(yù)報(bào)技術(shù)、挖掘集合預(yù)報(bào)在降水相態(tài)預(yù)報(bào)的潛力，提供更準(zhǔn)確的降水相態(tài)概率預(yù)報(bào)，發(fā)揮高分辨率模式與集合預(yù)報(bào)優(yōu)勢(shì)互補(bǔ)的特性，應(yīng)成為降水相態(tài)預(yù)報(bào)的著力點(diǎn)。

2) 加強(qiáng)數(shù)值預(yù)報(bào)模式的后處理技術(shù)研究。大量的數(shù)值預(yù)報(bào)應(yīng)用經(jīng)驗(yàn)證明：無(wú)論確定性模式還是集合預(yù)報(bào)數(shù)值模式，模式輸出的預(yù)報(bào)需要進(jìn)行諸如訂正系統(tǒng)偏差、調(diào)整集合預(yù)報(bào)離散度等統(tǒng)計(jì)學(xué)后處理，以提升數(shù)值(集合)預(yù)報(bào)的可靠性和準(zhǔn)確率，對(duì)于降水相態(tài)預(yù)報(bào)也不例外。針對(duì)單一模式或多模式預(yù)報(bào)，采用各種方法對(duì)模式預(yù)報(bào)進(jìn)行系統(tǒng)偏差訂正和權(quán)重集成，在定量降水預(yù)報(bào)中已經(jīng)取得很多成果。針對(duì)集合預(yù)報(bào)發(fā)展如回歸模型方法、參數(shù)估計(jì)方法的概率預(yù)報(bào)后處理技術(shù)，在降水相態(tài)預(yù)報(bào)中也有很好的應(yīng)用前景。

3) 加強(qiáng)降水相態(tài)探測(cè)資料、云和微物理研究成果在降水相態(tài)預(yù)報(bào)中的應(yīng)用研究。目前雖然在影響降水相態(tài)的微物理機(jī)制的研究成果較多，但在預(yù)報(bào)技術(shù)中的應(yīng)用還比較欠缺。一方面應(yīng)加大降水相態(tài)的微物理研究成果用于改進(jìn)數(shù)值預(yù)報(bào)模式的力度，另一方面也應(yīng)加強(qiáng)降水相態(tài)的微物理研究成果在數(shù)值預(yù)報(bào)降水相態(tài)產(chǎn)品的訂正以及改進(jìn)數(shù)值預(yù)報(bào)產(chǎn)品方面的研究與應(yīng)用。

4) 發(fā)展針對(duì)降水相態(tài)預(yù)報(bào)的檢驗(yàn)技術(shù)。通過(guò)檢驗(yàn)發(fā)現(xiàn)問(wèn)題，達(dá)到對(duì)產(chǎn)品或預(yù)報(bào)改進(jìn)的目的。預(yù)報(bào)越精細(xì)，檢驗(yàn)技術(shù)越復(fù)雜。此外，使用傳統(tǒng)的針對(duì)單一相態(tài)降水的評(píng)分方法進(jìn)行降水相態(tài)預(yù)報(bào)檢驗(yàn)時(shí)，需要注意降水觀測(cè)資料的選擇和匹配，如何處理觀測(cè)資料也值得研究[101,118]。