安徽省积雪效率和积雪密度特征分析

魏凌翔， 童 金， 邱学兴

(安徽省气象台，合肥 230031)

引 言

暴雪天气是我国冬季重大灾害性天气之一，对农业生产、交通、通信、电力等行业造成不同程度的不利影响[1-5]，在降雪过程中及过程结束后形成的积雪也会给交通运输、工农业生产等带来诸多危害[2,6,7]，积雪还是雪灾形成的主要致灾因子[8,9]。目前日常降雪预报主要是降雪量的预报，对积雪深度的预报和估计比较少[10]。对积雪深度的预报经常基于积雪效率为1的经验值[11]，但如果使用了错误的积雪效率，降雪量预报再完美也无法预报出准确的积雪深度。积雪效率[12]为某时段内积雪深度的变化值与该时段内降水量的比值(单位：cm·mm-1)。为了满足气象预报业务精细化的要求，提供准确的积雪深度预报产品，开展积雪效率的研究是十分必要的。当遇到暴雪天气时，深厚、沉重的积雪常常会超出温室设施的承载负荷，导致拱架坍塌或墙体损毁[13]，对农业生产造成重大的经济损失[14]。因此对雪压的准确预报能给政府部门、农业生产者等提供技术支撑，提前防范雪灾带来的灾害。积雪密度[15-17]是用雪压除以相应时效的积雪深度来计算(单位：g·cm-3)。有了精细化的积雪深度预报和积雪密度研究，就能对雪压进行准确预报，从而为雪灾的监测预警服务和防灾减灾提供支持。因此对积雪密度的研究是十分重要的。

杨琨等[10]利用2009-2011年加密站和常规站降雪资料，得到我国冬季积雪深度变化值和降雪量的比值分别为0.75、0.70 cm·mm-1。崔锦等[11]利用沈阳站1981-2012年08时的观测资料，分析得出积雪深度和降水量的拟合系数为0.84 cm·mm-1。马丽娟等[15]利用1957-2009年中国地面气象台站观测的积雪资料，分析得出中国年平均积雪深度、雪水当量和积雪密度分别为0.49 cm，0.7 mm，0.14 g·cm-3。魏玥等[16]分析得出新疆北部积雪密度约为0.11～0.22 g·cm-3。戴礼云等[17]利用1999-2008年的地面积雪观测数据对全国积雪密度的时空特征进行分析，发现不同地域和不同季节的积雪密度均有不同。上述研究在分析积雪深度和降水量之间的关系时，没有考虑降雪前地面的情况。作者在安徽省降雪预报工作中发现，降雪前地面有、无积雪对积雪深度和降水量之间的关系有着重要影响。目前我国对积雪深度和降水量之间的关系、积雪密度的研究主要集中在东北和西北地区，对江淮地区的研究比较少。而强降雪对江淮地区造成的灾害也比较严重，如2008年的南方大雪在安徽的雪深为全国之最[18]、2018年年初的两次大雪是安徽省继2008年以来出现的范围最大、强度最强、积雪最深的降雪过程[19]等。因此本文以安徽省为例，研究积雪深度和降水量之间的关系及积雪密度，为安徽省和周边江淮其他地区的降雪预报和防灾减灾提供参考。

1 资料和方法

1 mm降雪能积多少雪与地面温度和雪中的含水量等因素关系都很大。如果地面温度较高，雪落到地面立马融化，就不能形成积雪；雪中含水量多少也会直接影响积雪深度，如果含水量大，积雪就相对薄一些，而含水量少，积雪深度就相对厚一些。

利用安徽省80个气象观测站2000年1月至2018年2月的常规观测资料，包括24 h降水量，12 h降水量(08-20时,20时-次日08时)，08时积雪深度,08时雪压和日平均气温等，来分析安徽省积雪效率和积雪密度的特征。本文对数据进行以下三点质量控制。

(1)降水量处理：24 h降水量有数据但其对应的两个12 h降水量若至少有一个为无效数据，则该数据剔除。

(2)新增积雪深度为当日08时的积雪深度减去前一日08时的积雪深度，当两个时次的积雪深度均为有效数值时，才被认定为有效降雪事件。

(3)积雪深度处理：根据中国气象局《地面气象观测规范》规定，在测量积雪深度时读取厘米整数，小数四舍五入[20]，当积雪深度大于等于0.5 cm时就记为1 cm。因此为了减小计算误差，当新增积雪深度大于等于2 cm时，资料才被用于分析。

2 结果与分析

2.1 积雪效率特征

2.1.1 总体特征

计算新增积雪深度时，根据降雪前地面是否有积雪分为前期有积雪和前期无积雪两类。本文中所用有效降雪事件总共为1989个，其中前期有积雪的事件为918个，前期无积雪的事件为1071个。新增积雪深度小于5 cm的事件为1058个，占总数的53.2%;新增积雪深度小于10 cm的事件为1678个，占总数的84.4%。从安徽省降雪事件发生频次的空间分布图(图1)可以看到，安徽省降雪事件发生频次最高的3个观测站分别是黄山风景区、九华山和霍山。这3个观测站均在海拔较高的地区，而在沿江江南西部发生的降雪事件则相对较少。

图1 安徽省降雪事件发生频次的空间分布

图2为安徽省积雪效率的分析结果。从图2中可以看到，不区分地面前期有无积雪时，积雪效率平均为0.75 cm·mm-1。该值和杨琨[10]、马丽娟[15]等的研究结果比较接近，却比崔锦等[11]的研究结果小。该积雪效率平均值之所以小于崔锦的研究结果，可能是因为崔锦的研究区域沈阳站所处的地理位置偏北，下雪时气温较低。

图2 安徽省降雪事件的积雪效率标注的数值为平均值，单位：cm·mm-1

将所有有效降雪事件分类后分别计算积雪效率，得到地面前期有积雪的降雪事件积雪效率为0.81 cm·mm-1，前期无积雪的降雪事件积雪效率为0.69 cm·mm-1。这表明安徽省在下雪时，前期地面有无积雪对积雪效率有着明显的影响，同样的降雪量造成的积雪深度变化有较为显著的区别。图2中还可以看到，当地面前期有积雪时，图中箱体更加扁平，说明地面前期有积雪时的降雪事件，其积雪效率更加集中，而地面前期无积雪时，积雪效率比较发散。因此在平时的降雪预报业务中，预报时应考虑降雪前地面是否有积雪。

2.1.2 积雪效率在全省的分布情况

图3(a)、3(b)分别为安徽省80个国家站地面前期无积雪和有积雪时的积雪效率分布图。从中可以看出,不管地面前期有、无积雪，淮河以北东北部的积雪效率都比较大，而沿江的积雪效率则相对较小。这可能是因为冬季沿江附近的温度较其他地区的高，淮河以北东北部因地理位置原因，气温比安徽省其他地区的低。温度对积雪效率的影响将在下一小节中分析。绝大多数观测站前期无积雪时的积雪效率都小于前期有积雪时的积雪效率。山区而言，前期无积雪时，大别山区和皖南山区的积雪效率高于同纬度其他地区的积雪效率；前期有积雪时，皖南山区的积雪效率高于同纬度其他地区的积雪效率，大别山区与其他地区的积雪效率差异不明显。

图3 安徽省平均积雪效率空间分布(a)为前期无积雪时，(b)为前期有积雪时；单位：cm·mm-1

整体上看，积雪效率在安徽省呈现北部大南部小的情况。为研究其南北差异，本文根据安徽省的地理分布情况，计算了淮河以北、江淮之间和江南三片地区的积雪效率，结果如表1所示。由表1可以看到，三片地区前期有积雪时的积雪效率都明显大于前期无积雪时的积雪效率。在不区分前期有无积雪时，淮河以北的积雪效率达到0.86 cm·mm-1，江淮之间的积雪效率为0.72 cm·mm-1，江南的积雪效率是0.69 cm·mm-1，积雪效率自北向南逐渐减小，淮河以北的积雪效率明显大于其他两个区域；当区分前期有、无积雪时，也得到一样的结论。此外，还发现江淮之间的积雪效率和江南的差异不是很大。虽然江南比江淮之间纬度偏南，但由于江南多山地和丘陵，海拔相对较高，对气温影响很大[21]，致使江南地区积雪效率增大，缩小和江淮之间积雪效率的差距。

表1 安徽省不同区域的积雪效率 cm·mm-1

2.1.3 气温对积雪效率的影响

为了分析日平均气温对积雪效率的影响，本研究将日平均气温-6 ℃至4 ℃之间划分为2 ℃间隔的多个气温区间。从降雪事件的分布来看，在0 ℃以下，降雪事件随平均气温的上升逐渐增多。小于-6 ℃共有40个降雪事件，最低日平均气温为-15.4 ℃；当日平均气温在-2 ℃至0 ℃之间的降雪事件最多，共有805个；0 ℃以上，降雪事件随平均气温的上升开始减少，当日平均气温在0 ℃至2 ℃之间共有632个降雪事件；而在2 ℃至4 ℃之间减少明显，有62个降雪事件，其中前期有积雪的降雪事件仅为6个；4 ℃以上仅有2个降雪事件，且均为前期无积雪的降雪事件，最高日平均气温为4.2 ℃。可以看到，当日平均气温超过4 ℃时，就很难形成2 cm及以上的积雪。

不同气温区间积雪效率变化曲线图(图4)可以看到，整体上看，在不考虑地面前期有无积雪时，当日平均气温在-2 ℃以下时，积雪效率变化不大，在1 cm·mm-1左右;当日平均气温大于-2 ℃时，随着气温的上升，积雪效率呈明显减小的趋势。杨琨等[10]指出,不同气温条件下，降雪性质和雪的状态也不同，当气温较高时，其湿度和密度较大，导致产生的地面积雪深度相对较小。

图4 不同气温区间积雪效率的变化曲线

当日平均气温小于-2 ℃时，地面前期有积雪和无积雪的积雪效率有着较为明显的区别。其中，当日平均气温小于-6 ℃、前期有积雪时，积雪效率达到1.12 cm·mm-1;前期无积雪时，积雪效率仅为0.85 cm·mm-1。当日平均气温大于-2 ℃时，地面前期有无积雪对积雪效率的影响不大。日平均气温小于-2 ℃时，前期有积雪和前期无积雪的积雪效率通过了0.05的显著性检验。

2.1.4 积雪效率的时间变化特征

2000年1月-2018年2月，11月份之前安徽省内没有观测到积雪达到2 cm及以上的降雪事件，3月份以后只有4月份在黄山风景区(高海拔)观测到2例积雪达到2 cm及以上的降雪事件，因数据量过少不作分析。因此本文只分析了安徽省11、12、1、2和3月共5个月的积雪效率特征。

分析结果如图5所示。由图5(a)可看出，11月份积雪效率最低，为0.59 cm·mm-1，之后逐渐增大至1月份的0.79 cm·mm-1，2月份开始积雪效率有所减小，到3月份积雪效率减小为0.61 cm·mm-1。12、1和2月的积雪效率较为接近，均超过了0.7 cm·mm-1，而11月和3月的积雪效率仅在0.6 cm·mm-1左右。从降雪事件发生时的平均温度来看，12月和1月的温度最低，分别为-1.1 ℃和-1.3 ℃，其他3个月的温度较高，在-0.1～-0.4 ℃。在月际分布上，积雪效率和气温有着比较好的一致性，在1月份降雪发生时的温度最低，积雪效率则最高。图5(b)中可以看到，降雪事件在1月份发生最多，共951例，其次是2月份的614例，11月份、12月份和3月份都只有100多例降雪事件发生。

图5 2000年1月-2018年2月安徽省积雪效率和降雪时日平均气温(a)和降雪事件个例数(b)的月际变化

从以上结果可以看出，积雪效率、降雪时日平均气温均在安徽省有着较为明显的时间变化特征，都在1月份达到极值。杨琨等[10]却认为江淮区域降雪量和积雪深度的关系没有明显的时间变化特征，波动较大。但杨琨等是按旬来分析，在文中提到有两旬江淮地区降雪很少，对计算结果有影响，而本文是按月来分析，这可能是结果不一致的原因。

2.2 积雪密度特征

雪压是单位水平面积上所受到积雪的重量，通常是建筑工程上计算雪荷载的设计依据[13]。业务工作中可根据积雪效率和降水量预报对积雪深度进行有效估测，若再结合积雪密度，可以进一步对雪压进行预报。

2.2.1 总体特征

根据我国气象观测的规范，当积雪深度小于5 cm时，雪压不作测量。本文所用的有效雪压数据共347个，其中积雪深度小于等于20 cm的雪压数据有315个，占总数的90.8%。

魏文寿等[22]研究表明，不同气候与区域条件下形成的积雪密度有很大的差别。安徽属于暖温带向亚热带的过渡型气候，淮河以北属温带半湿润季风气候，淮河以南(包括江淮之间和江南)属亚热带湿润季风气候[23]，这可能造成安徽省内不同区域积雪密度的差异。分区域计算的安徽省内的积雪密度结果如表2所示。由表2可看出，江南地区有效积雪密度的个例数明显比其他两个地区的少，原因是江南地区地理位置偏南，较难形成5 cm及以上的积雪；淮河以北、江淮之间和江南的积雪密度分别为0.122、0.147和0.144 g·cm-3，可见淮河以北和淮河以南的积雪密度有着明显的差异，而同属一个气候带的江淮之间和江南的差异则很小。

表2 安徽省不同区域的积雪密度

此外，Paterson[24]和Goodison[25]的研究表明，新降干雪的平均密度约为0.1 g·cm-3，新降湿雪平均密度约为0.1～0.2 g·cm-3。戴礼云等[17]进一步指出,雪中含水量大,导致雪密度增大。由此可见，淮河以北的降雪性质更接近于干雪，而淮河以南的降雪中含水量则相对较高。

2.2.2 气温对积雪密度的影响

研究指出,积雪密度受气象因素影响很大，如降水、气温、风速等[17,26]。本节研究气温对积雪密度的影响，结果如图6所示。从图6中可以看到，当日平均气温小于0 ℃时，随着气温的升高，积雪密度明显增大。当日平均气温小于等于-4 ℃时，积雪密度仅为0.11 g·cm-3，接近于新降干雪的密度；当日平均气温高于0 ℃时，虽然积雪密度也随着气温的升高而增大，但增大的幅度明显减小。

图6 不同气温区间积雪密度的变化曲线

3 结 论

(1)平均而言，安徽省积雪效率为0.75 cm·mm-1。地面前期有、无积雪对积雪效率有较大影响，二者积雪效率分别为0.81和0.69 cm·mm-1。绝大多数观测站前期有积雪时的积雪效率大于前期无积雪时的积雪效率。整体上看，积雪效率自北向南逐渐减小，淮河以北的积雪效率明显大于江淮之间和江南的，后两者之间的差异则较小。

(2)日平均气温在-2 ℃以下时，积雪效率变化不大，在1 cm·mm-1左右；但在地面前期有、无积雪时，积雪效率差异较明显，特别是当气温小于-6 ℃时，二者分别为1.12和0.85 cm·mm-1。日平均气温在-2 ℃以上时，积雪效率随着气温的上升呈明显减小的趋势，此时地面前期有、无积雪对其影响不大。

(3)淮河以北的积雪密度明显小于淮河以南的，降雪性质更接近于干雪，淮河以南的降雪中含水量较高，其中江淮之间和江南的积雪密度差异较小。日平均气温在0 ℃以下时，随气温升高积雪密度明显增大；0 ℃以上时，积雪密度也随气温升高而增大，但幅度明显减小。

以上研究工作能对降雪天气中的预报服务和防灾减灾提供一定的支持，但资料的局限性，如雨雪相态转换时，只有部分降水量是以雪的形式降落，会导致计算的积雪效率减小，从而对积雪深度和雪压作出不合理的估算。因此有必要利用更多高质量、高分辨率的降雪观测资料来进行更加细致深入的研究。