基于X波段双线偏振雷达的贵州威宁雹胚演变特征研究

黄海迅 周筠珺 ,2 曾勇 邹书平 杨哲

1 成都信息工程大学大气科学学院高原大气与环境四川省重点实验室，成都 610225

2 南京信息工程大学气象灾害预警预报与评估协同创新中心，南京 210044

3 贵州省冰雹防控技术工程中心，贵阳 550081

4 贵州省山地气候环境研究所，贵阳 550001

5 贵州省人工影响天气办公室，贵阳 550081

1 引言

雹暴天气给人们带来巨大的经济损失以及安全隐患，为降低雹暴天气所带来的危害，需要对雹暴天气的机理进行研究，雹胚作为冰雹的前体物，对其进行细致研究很有必要。霰粒子作为雹胚的主要来源（List, 1960; Knight and Knight, 1970; 郭恩铭,1983; 胡志晋和何观芳, 1987; 徐戈等, 2016），其形成方式已有较多学者进行研究：Arenberg（1941）和List（1958）发现，霰粒子的来源一种是冻滴，另一种是冰晶粒子；Harimaya（1975）和Heymsfield et al.（1980）发现冰晶聚合物也可以发展成为霰粒子；而陈宝君等（陈宝君和肖辉, 2007）通过研究发现：过冷雨水低含量条件下，霰主要来自冰雪晶与过冷小水滴的碰冻，其次来自雪的积聚转化。可以总结为：霰粒子的来源主要为冰晶粒子、冻滴以及冰晶聚合物。

霰粒子成雹过程也有较多相关研究。唐洁等（2018a, 2018b）通过分析，得出：在-40°C以下层，霰粒子的增长主要依靠淞附过程以及聚并雪晶过程；洪延超等（2002）利用三维冰雹云模式通过实例模拟研究了云中冰相物理过程，结果表明：在冰雹形成过程中，作为雹胚的霰粒子主要通过撞冻过冷水增长。王凯等（2017）通过三维冰雹云模式模拟了巴彦淖尔市的一次雹暴过程，得出此次过程冰雹增长以霰粒子转化为主，碰并雪增长为辅；付烨等（2016）通过中尺度数值模式模拟了一次雹暴过程，得出结论：冰雹通过碰冻过冷水滴和碰撞收集冰雪晶快速增长；张小娟等（2019）通过中尺度数值模式模拟了一次冰雹天气过程，得出：霰撞冻过冷云水和霰的自动转化是冰雹形成的主要微物理机制；樊明月等（2013）利用三维全弹性冰雹云模式分析了一次山东境内的降雹过程，分析表明：冰雹主要质量来源是霰的自动转化以及碰并过冷云水增长；可见霰粒子的增长方式主要为碰并过冷水增长。梅垚等（2018）利用可移动式C波段双线偏振雷达对2014年西藏那曲的一次强对流过程进行分析，其中简单分析了天气过程中由湿雪演变至冰雹的动力和热力过程；冯晋勤等（2018）利用双线偏振雷达对2016年发生在福建的一次降雹过程进行了分析。

上述研究主要针对雹暴某一个阶段的霰粒子进行分析，对雹暴整个过程中霰粒子的发展、演变研究较少，缺乏较细致的定量研究。此外，在运用双线偏振雷达进行粒子识别的研究中，对雷达资料的预处理中的滤波模块内，均忽略了差分相移零值所带来的误差。

本文针对上述问题，利用X波段双线偏振雷达数据，运用综合小波去噪（赵川鸿等, 2019）和自适应约束算法进行资料预处理，基于模糊逻辑算法，对雷暴单体内七种水成物粒子进行识别，包括：毛毛雨（Drizzle Rain，简称DR）、雨（Rain，简称RN）、低密度霰（Low Density Graupel，简称LDG）、高密度霰（High Density Graupel，简称HDG）、冰雹（Rain Hail，简称RH）、冰晶聚合物（Aggregation，简称AG）、冰晶（Crystal，简称CR）。其中低密度霰粒子密度区间为0.25 g cm-3＜密度≤0.55 g cm-3（Ludlam and Mason, 1957; Locatelli and Hobbs,1974；Pruppacher et al., 1998; Heymsfield et al.,2004），高密度霰粒子密度区间为0.55 g cm-3＜密度＜0.9 g cm-3（Auer, 1972; Locatelli and Hobbs,1974; Heymsfield, 1978）。将雨（RN）分为温度低于0°C和高于0°C两个种类，温度低于0°C仍为液态的水成物粒子称之为过冷水粒子（SWA）。根据反演结果对威宁地区单体雹暴、多单体雹暴的整个过程中雹胚的演变特征进行详细的分析，并据此分别建立单体、多单体雹暴概念模型。

威宁县是云贵高原的东延部分，由于海拔高，夏季0°C高度也适宜冰雹发展，使得其单点性局地强对流雹灾较多（柯莉萍等, 2016）。本文对发生在威宁县的两次雹暴微物理过程进行分析，重点研究雹胚在雹暴过程中的演变特征，以期为人工消雹以及提高当地雹暴天气预警预报的准确率提供相关理论依据。

2 数据来源和预处理

2.1 数据来源

本文利用位于威宁县（27.05°N，104.08°E）的X波段双线偏振天气雷达（YLD1-D）数据，以及位于昭通市（27.35°N，103.72°E）的C波段多普勒天气雷达（CINRAD/CC）数据，结合地面观测站资料和探空资料，对2018年5月8日和2019年6月11日两次雹暴过程进行分析。两部雷达的技术指标如表1所示。图1展示了威宁县各个地面观测站以及两部雷达的相对位置。

表1 两部雷达的主要性能配置参数Table 1 Main performance configuration parameters of the two radars

图1 威宁地面观测站、YLD1-D雷达、CINRAD/CC雷达的相对位置以及最大水平扫描范围（红色、蓝色圆圈分别为YLD1-D雷达和CINRAD/CC雷达的最大水平扫描范围）Fig. 1 Relative position of the Weining ground observatory, YLD1-D radar and CINRAD/CC radar and the horizontal maximum radar scanning range (red and blue circles represent the maximum horizontal scanning range of YLD1-D radar and CINRAD radar, respectively)

为更好地了解雹暴云的内部结构，需要对雹暴单体进行垂直剖面，但雹暴当天并没有RHI数据资料，为了使分析更加清晰、直接，本文采用Barnes插值方法来对多层雷达数据进行插值（黄云仙和张英, 2008）。

2.2 数据预处理

在进行水成物粒子识别之前，需要对雷达偏振数据进行质量控制。如图2所示，本文的数据预处理包括差分相移退折叠、滤波、衰减订正三个步骤。退折叠采用径向连续性检查法来退差分相位折叠（肖娇艳等, 2012）；滤波采用综合小波去噪（赵川鸿等，2018），相比于滑动平均滤波、中值滤波、卡尔曼滤波、FIR（有限冲击响应）迭代滤波、小波去噪，它对差分传播相移的滤波效果更好，可使得差分传播相移率（KDP）质量提升，有助于提高粒子识别的准确性；衰减订正采用自适应约束算法（Park et al., 2005a, 2005b）对反射率（ZH）以及差分反射率（ZDR）进行订正，该方法通过不断的自动调整，得到最佳衰减率。

2.2.1 滤波效果

以2018年5月8日18:09（北京时，下同）时刻（降雹时段内）、仰角0.5°、径向180°、库数335～584的差分传播相移为例（图2）。相比于滤波前（图2虚线），滤波后（图2实线）的差分传播相移不仅数据脉动得到很好的抑制，其整体趋势也得到了保留。

图2 差分传播相移ΨC（单位：°）在库数335～584滤波订正前后对比Fig. 2 Differential propagation phase shift ΨC (units: °) before and after filtering correction in the 335～584 gates

2.2.2 衰减订正效果

C波段雷达信号在穿过云体时的衰减比X波段小，即C波段雷达信号更加接近真实情况，所以将经过衰减订正的X波段雷达组合反射率与C波段多普勒雷达反射率进行比较，可以验证衰减订正的效果。考虑到雹暴云在降雹时反射率最强，本文分别选择两次过程中靠近降雹时段的数据来进行衰减订正效果验证。图3a-c分别为2018年5月8日18:03时刻C波段、订正前和订正后的X波段组合反射率分布，图3d-f分别为2019年6月11日15:13时刻C波段、订正前和订正后的X波段组合反射率分布。观察图3a可以发现，长方形内的反射率有较多区域大于55 dBZ，并且中心最强处大于60 dBZ，而订正前（图3b）相应区域的组合反射率在大值区域（大于55 dBZ）面积以及最大值这两方面都差距较大。订正过后（图3c），大值区域明显增多，而且存在大于60 dBZ的极大值；2019年6月11日15:13时刻，订正后数据（图3f）相比于订正前（图3e），从反射率大小和大于50 dBZ的反射率区域面积来看都更接近于C波段雷达（图3d）。

图3 （a-c）2018年5月8日18:03以及（d-f）2019年6月11日15:13 X波段雷达组合反射率衰减订正前（中列）、订正后（右列）与同时刻C波段雷达组合反射率（左列）的对比Fig. 3 Comparison of the combined reflectivity from X-band radar before attenuation correction (middle column), after attenuation correction (right column) and the combined reflectivity from C-band radar (left column) at (a-c) 1803 BJT (Beijing time) on May 8, 2018 and (d-f) 1513 BJT on June 11, 2019

通过以上比较可以看出：在经过衰减订正过后，威宁的雷达反射率与C波段雷达观测较为一致。

2.3 水成物粒子识别

2.3.1 选择参数

选择ZH（水平反射率因子）、ZDR（差分反射率）、KDP（差分传播相移率）、ρHV（共极化相关系数）四个偏振参数来构建粒子识别模型，并且引入温度参数T，由海平面高度代替。

2.3.2 水成物粒子分类

将水成物粒子识别结果分为毛毛雨（DR）、雨（RN）、冰晶聚合物（AG）、低密度霰（LDG）、高密度霰（HDG）、冰雹（RH）、冰晶（CR）。这种分类方式既能达到识别冰雹落区的目的，也能避免因分类过细而导致的与雷达探测精度不匹配的问题，为后文的微物理过程分析做铺垫。

2.3.3 选取成员函数

目前隶属成员函数主要有三种，分别是：（1）Liu and Chandrasekar（2000）率先提出的beta型函数；（2）Zrnic et al.（2001）提出的对称梯型函数；（3）Park et al（2009）在Zrnić的基础上提出的不对称梯型函数。对称函数并不适用于所有的粒子类型，为了符合实际的反演结果，本文采用不对称梯型函数，见公式（1），用最大集成法进行水成物粒子识别。

其中，X1、X2、X3、X4为函数阈值，x为雷达探测值，7种水成物粒子的成员函数阈值设置见表2。根据雷达数据质量好坏，分别将偏振参数ZH、ZDR、KDP、ρHV以及温度参数T的权重设为0.3、0.2、0.1、0.1、0.3。

表2 7种水成物的成员函数阈值设置Table 2 Member function threshold setting for seven kinds of aquatic products

3 识别效果验证

2018年5月8日18:03时刻，水平粒子识别结果图中（图4b）：在黑石头镇和麻乍乡交界处识别出RH；在垂直剖面图上（图4c），距雷达31 km的近地面识别出RH。这与地面观测站记录的降雹地点以及时间一致；2019年6月11日15:26时刻也是如此，在水平以及垂直的粒子识别结果图中，识别出RH的时间以及地点均与地面观测站记录的一致。

通过以上对比，我们验证了本文构建的水成物粒子识别算法在水平方向以及垂直方向的准确性，该算法可以用来进行后续研究。

本文选择的是2018年5月8日以及2019年6月11日的两次过程，两次过程的基本信息如下：分别为单体雹暴和多单体雹暴，持续时间分别为10分钟和5分钟，造成单体降雹的天气形式为冷锋与切变线系统扰动不稳定层结形成对流，多单体降雹则是由西南低涡与青藏高原冷高压以及西南暖湿气流配合形成不稳定层结造成，最大回波高度分别为10 km和16 km，图5为两次过程的雹暴路径。

4 个例1分析

2018年5月8日威宁县发生了一次降雹过程，降雹地点为麻乍镇，持续时间为10分钟，造成的灾害是2018年最严重的一次。从2018年5月8日12:00的环流形式（图6）来看：500 hPa，威宁地区位于一个小脊前方，受脊前偏北冷气流影响；700 hPa，威宁地区受来自西南方向的暖湿气流影响。上冷下暖的不稳定层结，再加上冷锋的扰动，促成了此次强对流天气的形成。

图7为降雹单体的演变过程，2018年5月8日威宁县西部有一个对流单体形成并向东发展，于17:55～18:05降雹。

由于冰雹出现在回波反射率较强的区域，故为研究冰雹云在垂直方向上的微物理结构，本文选择的剖面方向为组合反射率最强的方向（图8）。

17:46（图8a），在威宁县黑石头镇与双龙乡的交界处出现一个较强对流单体，其组合反射率最大值大于50 dBZ；17:52（图8b），单体中心加强到55 dBZ以上，单体西边出现“V型缺口”，有偏西北气流流入；17:57（图8c）、18:03（图8d）时刻单体发展至最强，反射率最大值大于60 dBZ，“V型缺口”加深；18:09（图8e）、18:15（图8f）时刻，分散为多个小单体，反射率大值区域减少，西侧“V型缺口”开始消散。根据上述分析，将此次雹暴过程分为发展阶段（17:46、17:52）、成熟阶段（17:57、18:03）、消散阶段（18:09、18:15）。

图4 （a-c）2018年5月8日18:03、（d-f）2019年6月11日15:26的组合反射率（左列）、1.45°仰角粒子识别结果（中间列）以及垂直剖面上的粒子识别结果（右列）。红线表示剖面方向（从上到下，下同），H代表高度（单位：km）Fig. 4 Combined reflectivity (left column), 1.45° elevation angle particle recognition result (middle column) and vertical particle recognition result(right column) at (a-c) 1803 BJT on May 8, 2018 and (d-f) 1526 BJT on June 11, 2019. The red line represents the section direction (from top to bottom, the same below), H represents the height (units: km)

4.1 发展阶段

17:46（图9a），回波高度达到8 km。在1.45°水平径向速度图（图9c）上存在一个辐合区域（黑色圆圈区域），12°径向速度图上则对应着一个辐散区域（红色方框区域），与高组合反射率值对应，近地面气流辐合上升，暖性水成物粒子被抬升至0°C以上，部分被冻结形成冻滴，部分仍然保持液态，成为SWA；-20°C以上，高空的冰核粒子吸附过冷云滴增长，形成冰晶粒子（CR），库数为3359，分布在5 km高度以上；CR淞附高空的过冷云滴形成以CR为核心的低密度霰粒子（LDG），库数为175，分布在5 km高度左右；CR通过“贝吉龙过程”（Pruppacher and Klett,1997）形成冰晶聚合物（AG），分布在2～5 km高度；在0～-20°C高度层内，温度相对较高，且SWA充足。SWA遇到AG时，不会马上冻结，而是铺展在AG表面形成冰层，冰层不断累积，形成密度相对较大的高密度霰（HDG），冻滴通过淞附SWA也能形成HDG，HDG库数为517，分布在1～3 km高度；在SWA相对较少且温度更低的-20°C以上，过冷云滴碰到CR会立即结冰，而不是均匀分布在CR表面，淞附的过冷云滴越多，则CR表面的冰层空隙越多，形成密度相对较小的低密度霰（LDG）。17:52（图9b、d），-20°C以上过冷云滴增多，CR淞附过冷云滴效率增加，使得LDG数量有所增加，为186库；HDG变化较小，小部分HDG降落至0°C以下，在下落过程中融化成雨，造成降雨增强。

图5 （a）2018年5月8日、（b）2019年6月11日雹暴路径（红线代表单体1的移动路径，蓝线代表单体2的移动路径）Fig. 5 The path of the hailstorm on (a) May 8, 2018 and (b) June 11, 2019. The red line represents the moving path of cell 1, and the blue line represents the moving path of cell 2

图6 2018年5月8日08:00天气形势图。黑点为威宁位置，冷锋（蓝色形状）位于近地面，槽（绿线）位于500 hPa，切变线（双实线）位于700 hPa（等值线表示700 hPa位势高度，单位：dagpm）Fig. 6 The weather situation map of 0800 UTC May 8, 2018. Black point represents the Weining position, the cold front (blue shape) is near the ground, the groove (green line) is located at 500 hPa, and the shear line (double solid line) is located at 700 hPa (contours represent 700-hPa geopotential height, units: dagpm)

图7 2018年5月8日雹暴单体的演变过程（填色代表反射率大小，单位：dBZ）Fig. 7 Evolution of hailstorms on May 8, 2018. Filling represents the reflectivity, units: dBZ

图8 2018年5月8日单体1的演变过程以及剖面角（红线代表剖面方向）：（a）17:46；（b）17:52；（c）17:57；（d）18:03；（e）18:09；（f）18:15Fig. 8 Evolution of the cells and the profile angle (the red line represents the section direction) on May 8, 2018: (a) 1746 BJT; (b) 1752 BJT; (c) 1757 BJT; (d) 1803 BJT; (e) 1809 BJT; (f) 1815 BJT

4.2 成熟阶段

如图10所示，回波高度达到10 km。从水平径向速度图来看，地面径向速度辐合梯度变大（图10c、g），高空的辐散速度梯度也变大（图10d、h），说明上升气流增强。17:57，SWA首次出现在4 km高度以上；在多处识别出RH，从RH出现的环境[HDG中（最先出现）、SWA中、LDG中]以及数量来看，RH的来源有两个，分别为由LDG转化以及由HDG转化，位于HDG中的RH数量是LDG中的11.2倍，由此可以推测出HDG为RH的主要来源；由图10e可知，3～5 km为SWA分布密集区，HDG在上升气流作用下被抬升至3 km高度以上，在0～-20°C高度层内，淞附SWA，进行湿增长，在-20°C以上则进行干增长，最终形成RH；RH形成后通过碰并SWA以及吸附AG、CR等粒子增长，当增长到上升气流不足以支持RH继续滞空时，RH降落地面产生降雹；18:03，SWA数量减少45%，空间分布的密度减小，导致高空RH增长减缓，虽数量多但质量小，仅有少数质量较大的RH能够降落至地面，其余的均堆积在高空，数量达到828库，分布于2～5 km高度。虽LDG在上升气流作用下缓慢下降，在下降过程中捕获SWA增长，最终也能形成RH，但LDG在降雹期间数量增加两倍，而HDG在降雹期间数量减少20%，由此也可侧面印证HDG为RH的主要来源。

图9 2018年5月8日（a、e、c、g）17:46、(b、d、f、h）17:52在194°、192°的（a、b）反射率和（e、f）粒子识别剖面图以及在（c、d）0.5°、（g、h）12°仰角的径向速度图（黑色圆圈区域代表辐合，红色方框区域代表辐散）Fig. 9 (a, b) Reflectivity, (e, f) particle recognition profile at 194°, 192° and the radial velocity at an elevation angle of (c, d) 0.5° and (g, h) 12° (a, e,c, g) at 1746 BJT and (b, d, f, h) 1752 BJT on May 8, 2018 (the black circle area represents convergence, the red square area represents divergence)

4.3 消散阶段

如图11a所示，18:09以后，回波高度降低至10 km以下，反射率大值区域明显减小；从图11e中可以看出，单体后方的“V型缺口”开始消散，而从1.45°水平径向速度来看，辐合梯度相比于上个时刻减小，高空辐散也减弱，说明近地面后方入流的上升气流开始减弱，RH生成效率降低，消耗HDG、LDG、SWA的速度减小，导致HDG、LDG以及SWA堆积，HDG数量增加67%，LDG数量增加16%，SWA数量增加136%；由于RH、HDG、LDG等粒子均在重力作用下坠落，而RH在下落过程中融化为HDG，以及LDG在从5 km高度坠落过程中也可能逐步转化为HDG，所以HDG增加量远远大于LDG增加量。在18:15，单体回波顶高度继续下降；绝大多数RH降落至0°C以下并且数量减少20%；HDG数量有所增加；LDG数量则减少60%。

图12为本次雹暴过程中关键粒子数量随时间的变化图，可以发现：RH在成熟时期出现，在SWA减少时急剧增加：当RH数量增加到一定程度，且其消耗SWA的速度大于底层水成物粒子被带上高空而形成SWA的速度时，SWA则开始减少；当RH数量增加到最大时，SWA数量由减少转变为增多；在HDG增多时RH数量开始减少；当HDG生成RH这一过程减慢，使得HDG消耗速率小于HDG生成速率，意味着单体对流开始减弱，开始进入消散阶段。

图10 2018年5月8日（a、e、c、g）17:57、(b、d、f、h）18:03在189°、183°的（a、b）反射率和（e、f）粒子识别剖面图以及在（c、d）0.5°、（g、h）12°仰角的径向速度图（黑色圆圈区域代表辐合，红色方框区域代表辐散）Fig. 10 (a, b) Reflectivity, (e, f) particle recognition profile at 189°, 183° and the radial velocity at an elevation angle of (c, d) 0.5° and (g, h) 12° at(a, e, c, g) 1757 BJT and (b, d, f, h) 1803 BJT on May 8, 2018 (the black circle area represents convergence, the red square area represents divergence)

5 个例2分析

2019年6月11日在威宁县草海镇发生了一次降雹过程，此次过程回波高度达到16 km，回波中心强度大于55 dBZ，冰雹最大直径达到10 mm，是2019年上半年记录的最强雹暴过程。降雹时间为15:20～15:25，由多个单体相互作用而形成。

图13为该日12:00 700 hPa、500 hPa的天气形势图，从图中可以发现：500 hPa（图13b），威宁处于脊前，受偏北冷气流影响；700 hPa（图13a），威宁西部存在西南低涡，再加上西藏地区的冷高压影响，不断有小脊向东移动，而西南方向有暖湿气流从孟加拉湾向威宁输送，上冷下暖的结构使得空气层结不稳定，这是本次强对流天气形成的主要原因。

图14为2019年6月11日雹暴过程中相互作用的两个单体的发展过程图，根据反射率大小以及降雹时间，将此次雹暴过程分为3个过程：发展阶段（14:35～15:13）、成熟阶段（15:20～15:26）、消散阶段（15:33～15:39）。

5.1 发展阶段

由于发展阶段时间较长，本文挑选多单体的相互作用过程（14:35、14:42、14:48、14:54）来进行分析，如图15。从图中可以发现：单体2由最开始的强盛逐渐衰减，直至14:54完全消失；单体1逐渐发展，在14:54回波高度达到10 km，反射率最大值大于50 dBZ。从径向速度剖面图可知：14:48，单体2近地面为辐散，单体1近地面为辐合（图15c4），此时单体1内HDG每分钟变化库数为40，相比于上一个时刻快了一倍，单体内反射率的最大值从小于40 dBZ增大到大于55 dBZ，并且回波体积显著增大。由上分析可以推测：单体1内的辐散下沉气流对单体2内雹胚的增长有促进作用。

图11 2018年5月8日（a、e、c、g）18:09、(b、d、f、h）18:15在182°、178°的（a、b）反射率和（e、f）粒子识别剖面图以及在（c、d）0.5°、（g、h）12°仰角的径向速度图（黑色圆圈区域代表辐合，红色方框区域代表辐散）Fig. 11 (a, b) Reflectivity, (e, f) particle recognition profile at 182°, 178° and the radial velocity at an elevation angle of (c, d) 0.5° and (g, h) 12° at(a, e, c, g) 1809 BJT and (b, d, f, h) 1815 BJT on May 8, 2018 (the black circle area represents convergence, the red square area represents divergence)

图12 2018年5月8日雹暴过程关键粒子随时间的变化趋势Fig. 12 Time-varying trends of key particles during the hailstorm process on May 8, 2018

从粒子识别结果来看：14:42时刻（图15b3），在上升气流内，低层的暖性液态水部分被送至0°C～-20°C，形成较大的过冷雨滴或冻滴，还有一部分分散为更小的水滴，被带上-20°C高空，形成过冷云滴，冰核淞附过冷云滴形成CR，CR相比上一时刻增加了3175库；CR在-20°C以上高空淞附增长，在7 km高度形成了165库LDG；CR增多导致CR通过WBF形成AG的效率增大，AG也由2605库增多到3970库；由CR淞附过冷云滴形成的LDG也增多至1096库；相比于单体雹暴，较强的上升气流虽然能为0°C～-20°C提供充足SWA，但AG吸收SWA的时间也会减少，大量AG在形成HDG之前就被上升气流带上SWA较少的更高地区，导致HDG的数量较少，仅有211库；14:48（图15c3），单体2低层的辐散气流对单体1低层的辐合有促进作用，使得上升气流增强，单体1加速发展，近地面更多的暖性液态水被送至0°C以上，SWA相比于上个时刻增多了50%，冰核与过冷云滴相遇的几率大大提高，CR相比上个时刻数量增多719库；CR增多，合成LDG的效率增加，LDG数量相比上一时刻增加了567库，垂直厚度超过了3 km；较强的上升气流使得HDG数量增加较少，但相比于上个时刻还是增多了将近一倍；14:54（图15d3），在1 km高度识别出HDG，说明高空已经存在质量较大的固态粒子，能够穿过上升气流达到近地面。

图13 2019年6月11日威宁县12:00（a）700 hPa、（b）500 hPa位势高度（等值线，单位：gpm）、风向分布（黑点为威宁位置）Fig. 13 Distributions of (a) 700 hPa; (b) 500 hPa geopotential height (contours, units: gpm) and wind direction at 1200 BJT in Weining County on June 11, 2019. Black dot represents the location of Weining

图14 2019年6月11日雹暴单体的演变过程，上方为单体2，下方为单体1（填色代表反射率大小，单位：dBZ）Fig. 14 Evolution of the hailstorm cell on June 11, 2019, the top is cell 2, and the bottom is cell 1. Filling represents the reflectivity, units: dBZ

5.2 成熟阶段

在15:26，单体1回波高度达到了15 km。从1.45°和12°仰角的径向速度图（图16c、d）可以看出：在单体前方，存在着较大范围的辐散，而在单体后方则存在则较大范围的辐合，在12°仰角则相反，由此可以看出单体1前方为上升气流，后方为下沉气流。在持续的上升气流中，-20°C以上的冰核与过冷云滴淞附加剧，CR迅速增多，达到9784库；相应的LDG数量也增加至2077库，为整个过程的最大值；大量的LDG在上升气流中缓慢下降，在此过程中，不断淞附SWA增长，最终形成RH，数量为154库，从RH出现位置以及LDG的数量可推断，LDG为本次过程中RH的主要来源；HDG相比于发展阶段数量有所减少，可见HDG对RH的形成也有贡献。15:26，从1.45°仰角的径向速度（图16g）来看，辐合速度梯度减小，可知此时的上升气流相比于上一个时刻减弱；RH数量相比于上个时刻有所增加，为206库；RH在上升气流内不断变大、变重，最终降落地面，形成降雹；LDG数量减少约18%，而HDG数量增加21%，由此也可验证此次过程雹胚的主要来源为LDG。

图15 2019年6月11日两个单体在（a1-a4）14:35、（b1-b4）14:42、（c1-c4）14:48、（d1-d4）14:54相互作用的水平分布以及各参数的剖面图：组合反射率（第一行；红线为剖面方向）、反射率剖面图（第二行）、粒子识别（第三行）以及径向速度（第四行）Fig. 15 Horizontal and cross-sectional views of the interaction of two cells at (a1-a4) 1435 UTC, (b1-b4) 1442 UTC, (c1-c4) 1448 UTC, and(d1-d4) 1454 UTC on June 11, 2019: Combined reflectivity (top line; the red line represents the section direction), reflectivity sections (second line),particle recognition sections (third line), and radial velocity sections (bottom line)

图16 2019年6月11日（a、e、c、g）15:20、(b、d、f、h）15:26单体1在132°的（a、b）反射率和（e、f）粒子识别剖面图以及在（c、d）0.5°、（g、h）12°仰角的径向速度图（黑色圆圈区域代表辐合，红色方框区域代表辐散）Fig. 16 (a, b) Reflectivity, (e, f) particle recognition profile of cell 1 at 132° and the radial velocity at an elevation angle of (c, d) 0.5° and (g, h) 12° at(a, e, c, g) 1520 BJT and (b, d, f, h) 1526 BJT on June 11, 2019 (the black circle area represents convergence, the red square area represents divergence)

5.3 消散阶段

15:33，单体1内反射率相比于上一个时刻减小，云体变窄，高反射率区域下移，单体后侧有一个新的单体生成。在1.45°水平径向速度图上（图17c），单体1内存在两处辐散，而对应着12°高度上则分别为辐合和辐散，说明此时单体内下沉气流占主导地位；CR在重力作用下落向SWA相对较多的区域，CR淞附SWA效率增大，使得LDG数量增加；部分LDG进一步转化为HDG，故虽然HDG在重力作用下坠落，HDG的总体数量却有少许的增多；SWA急剧减小，相比于上个时刻减少68%；由于SWA大量减少，生成的RH体积较小，在下降过程中融化为液态水，使得此时的降雨仍然较强；15:39，后方新生成的单体与单体1合并，从径向速度图来看，合并后的单体的前方低层为辐合，高层为辐散，表明单体1前方出现新的上升气流，SWA相比于上个时刻增多94%，HDG、LDG数量分别增多59%、81%，单体再次发展。自此进入另一个多单体相互作用的循环阶段。

图17 2019年6月11日（a、e、c、g）15:33、(b、d、f、h）15:39单体1在128°、133°的（a、b）反射率和（e、f）粒子识别剖面图以及在（c、d）0.5°、（g、h）12°仰角的径向速度图（黑色圆圈区域代表辐合，红色方框区域代表辐散）Fig. 17 (a, b) Reflectivity, (e, f) particle recognition profile of cell 1 at 128°, 133° and the radial velocity at an elevation angle of (c, d) 0.5° and (g, h)12° at (a, e, c, g) 1533 BJT and (b, d, f, h) 1539 BJT on June 11, 2019 (the black circle area represents convergence, the red square area represents divergence)

图18为此次雹暴过程中关键粒子数量随时间的变化趋势图。从图中可以发现：当LDG由减少转为增多时，RH开始出现；当SWA开始增多时，RH开始减少；RH、LDG、HDG在进入消散阶段时，有一个阶段性的增多；当SWA迅速减少时，进入衰减阶段。

图18 2019年6月11日雹暴过程关键粒子（HDG、LDG、RH、SWA）随时间变化趋势Fig. 18 Time-varying trends of key particles (HDG, LDG, RH, SWA)during the hailstorm process on June 11, 2019

6 讨论与结论

表3为两次雹暴过程的特征对比，通过分析可以发现：在单体降雹阶段，作为RH主要来源的HDG的变化率为负，在多单体降雹阶段，作为RH主要来源的LDG的变化率也为负；单体降雹时：发展阶段：HDG分布在3 km高度左右，LDG分布在6 km高度左右，两者均被AG包围；SWA出现在LDG、HDG之间。成熟阶段：HDG、LDG迅速增多；HDG通过淞附SWA以及吸收CR、AG等粒子增长是成雹的主要机制；消散阶段：下沉气流占主导，固态水成物粒子在重力作用下垂落，在下落途中融化成液态水。

表3 两次雹暴过程特征对比Table 3 Comparison of characteristics of two hailstorm processes

多单体降雹前：两个单体相互靠近，消散单体内下沉气流占主导，发展单体内上升气流占主导；消散单体近地面的辐散气流对发展单体近地面的辐合有促进作用，使得发展单体内LDG迅速增多，HDG增长缓慢且数量较少。降雹时：LDG在缓慢下降的过程中淞附SWA增长成雹是主要的成雹机制，SWA、LDG数量减少，HDG数量几乎维持不变；消散阶段：与单体雹暴类似，各种粒子均在重力作用下坠落，RH、LDG、HDG有一个阶段性的增多。

基于以上分析，本文得出两次雹暴过程的各种水成物粒子在垂直方向上的分布，其结果与Dolan et al（2009）的研究结果基本符合。结合雹暴过程中的微物理过程以及气流结构，建立了威宁地区单体以及多单体雹暴的概念模型，如图19所示。

图19 单体、多单体雹暴的概念模型（a-c：单体雹暴过程的发展、成熟、消散阶段，d-f：多单位雹暴过程的发展、成熟、消散阶段）Fig. 19 Conceptual model of single-cell hailstorm and multicell hailstorm(a-c: the development, maturation, and dissipation stages of a single hailstorm process, d-f: the development, maturity, and dissipation stages of a multi-unit hailstorm process)

本文利用常规观测资料，结合X波段双线偏振雷达资料，对2018年5月8日和2019年6月11日两次雹暴过程中雹胚的演变特征进行了分析。

结论如下：

（1）两次过程中冰雹生长区均位于4～5 km高度。

（2）2018年5月8日雹暴过程属于单体雹暴，2019年6月11日雹暴过程属于多单体雹暴；两次过程中HDG的来源均为AG和冻滴，LDG的来源也均CR；单体雹暴过程HDG对于RH的产生贡献最大，多单体雹暴中LDG对于RH的产生贡献最大。

（3）多单体雹暴中，衰减单体的高空辐合以及低空辐散对发展单体内雹胚的发展有促进作用。

（4）多单体雹暴进入衰减状态时，RH、LDG、HDG会有阶段性的增多，SWA则急剧减少。

综上所述，本文针对威宁县2018年5月8日和2019年6月11日两次雹暴过程，在对雷达数据进行质量控制的基础上，综合前人研究所构建的HID方法，使得本文对雹暴中降水粒子的识别较为准确，然后构建了威宁地区单体雹暴以及多单体雹暴的概念模型，对雹暴过程中水成物粒子分布以及演变有了初步的认识。但也有相应的问题出现：本次研究缺乏RHI扫描数据，虽用插值方法代替，但结果仍有少许误差，而且地面观测数据中关于降雹起止时间以及降雹区域的记录也与实际情况不甚吻合。所以这也只是初步的研究，而这些问题与难点都将是我们今后需要解决和攻克的。