1. 引言
冬季降水由于其相态的多变性和复杂性，一直以来是气象工作者关注的重点和难点，降雨和降雪虽只有一字之差，但其相同的降水量级对工农业生产和交通等造成的影响差异却十分明显。大到暴雪是浙江省冬半年重要的灾害性天气之一，如2008年1月13日至2月5日浙江省出现持续雨雪天气，降雪强度强，积雪范围大、连续积雪深度普遍达10~30 cm，为历史罕见，致使全省直接经济损失达174.3亿元，因灾死亡9人。
国内外学者对降水相态的研究已经取得一定进展，特别是在天气特点和成因方面，如Heppner (1992) [1] 和Czys (1996) [2] 等提出850~1000 hPa和700~850 hPa间的气层位势厚度对北美的降水相态判断有重要指示作用；许爱华等(2006) [3] 研究指出925 hPa以下低层大气温度是南方降水相态变化的关键，1000 hPa上温度 ≤ 0℃，925 hPa气温 ≤ −2℃可作为固态降水(雪)的预报判据；漆梁波等(2012) [4] 针对不同的降水相态，对它们对应的不同温度及不同厚度进行统计分析，得到中国东部地区冬季降水相态的推荐识别判据，综合考虑温度因子和厚度因子的识别判据效果更好；张琳娜等(2013) [5] 通过对近10年北京地区雨雪转换过度季节的降水过程和临界值的降水过程分析研究，得到与雨雪转换关系密切的6种物理量：T850，T925，T1000，H1000-700，H1000-850，地面(2 m温度、2 m相对湿度的结合量)以及对应三种不同降水相态的阈值范围；孙燕等(2013) [6] 研究表明厚度分析能被用来识别降水相态(雨、雪)，同时结合地面温度和850 hPa温度可以较准确的判定降水的相态，即1000~850 hPa厚度 ≤ 1292 gpm，且T850 ≤ −3℃，T ≤ 2℃，判定为雪；反之，则为雨，另外，地面湿球温度在雨雪区分上也是一个很有参考价值的指标。这些结论均为降水相态预报提供了借鉴。
目前对于降水数值预报的研究多集中在降水强度、落区、发生和持续时间上，在降水相态方面的应用研究较少。林文实等(2009) [7] 在利用MM5模式模拟华北地区的一次暴雪天气过程中，对比两个纯显式冰相云微物理参数化方案的差异，两个方案对降雪分布和强度预报差别较小，但云中的微物理过程有较大的不同。崔锦等(2014) [8] 利用WRF模式对2006~2008年东北地区11次存在降水相态转变的过程进行敏感性试验，得到降水相态对微物理参数化方案较敏感，但其结论仅适用于东北地区。在浙江地区，对于云微物理过程对降水相态预报的影响以及降水相态预报判断指标检验方面研究较少，能够真正应用于预报业务的降水相态客观预报还不多。
本文基于WRF模式(V3.9)，选取与水相物质有关的预报量(2008, 2011) [9] [10] 有6类的Purdue Lin方案、WSM 6类方案和新Thompson方案等3种不同微物理过程方案，通过对2000~2017年浙江省冬季降水相态存在转变的10次过程进行敏感性试验，探讨SRF指数指示作用最优的微物理方案和指标阈值。并利用2018年1月浙江省冬季2次降水相变过程对指标阈值进行检验和调整，保证预报指标的科学性和客观性，旨在为今后浙江地区降水相态预报提供一定的业务参考与借鉴。
2. 数据资料和模式介绍
2.1. 数据来源
WRF模式使用美国国家环境预报中心(NCEP)和美国国家大气研究中心(NCAR) 1˚ × 1˚再分析格点资料作为个例反演资料.同时利用MICAPS地面填图数据作为实时天气现象和美国国家环境预报中心的全球预报系统(GFS) 0.5˚ × 0.5˚资料作为预报资料进行对比检验。
敏感性试验选取2000~2017年浙江省冬季降水相态存在转变的10次过程。
2.2. 数值模式试验方案
使用中尺度数值模式WRFV3.9，采用双层嵌套(15 km, 5 km)，模拟区域设置：中心点(33.828˚N，113.055˚E)，粗细网格格点数分别为443 × 282个、292 × 208个，垂直27层，模式层顶50 hPa，预报时效72小时，模式结果6 h输出一次，微物理方案选取与水相物质有关的预报量有三个外，长波辐射方案、短波辐射方案、近地面层方案、陆面过程方案、边界层方案和积云参数化方案等方案均采用浙江省业务运行最优参数化方案。物理过程参数具体配置如表1所示。
Table 1. Parameter configuration of the WRF model
表1. WRF模式参数配置
3. 预报指数定义
降水相态预报判断指标SRF (snow-rain forecast)指数：即冻结部分降水混合比在可凝结成降水的水汽混合比中的比，以最贴近地面的一层(选取925 hPa层，1000 hPa层受地形影响较大)作为计算层，根据模式输出结果中包含的雨水混合比(QRAIN)、冻结部分的冰混合比(QICE)、雪混合比(QSNOW)和霰混合比(QGRAUP)四要素建立，计算公式为如下：
根据定义可知，当SRF = 100%时，为纯雪；当SRF = 0%时，为纯水；当0 < SRF < 100%时，为混合态或雨夹雪。
4. 个例反演和阈值确定
选取2000~2017年浙江省冬季降水相态存在转变的10次过程(表2)进行诊断分析，根据MICAPS地面填图降水实况(降水相态)和三类微物理方案的SRF指数分布情况，确定最优判别冬季降水相态的微物理方案及SRF指数的阈值。
Table 2. The optimal micro physical scheme and its index threshold of SRF of different precipitation process
表2. 不同降水过程对应的最优微物理方案及其SRF指数阈值
综合三种微物理过程的SRF指数和实况对比发现，新Thompson微物理方案的指示作用相对较优，固态降水和液态降水的SRF指数阈值为90%，阈值线附近较易出现混合态降水。因此，选用新Thompson微物理方案对SRF指数阈值进行预报检验。
5. 预报检验
5.1. 2018年1月24日8时至28日20时降雪过程
2018年1月24日~28日受西南暖湿气流和冷空气共同影响，浙江省出现一次较大范围的雨雪天气。降雪主要集中在浙江省北部地区，其中25日傍晚至26日早上降雪强度最强，浙北地区普降中到大雪，局部暴雪；30日至31日降雪集中在中南部地区，最大位于浙中地区。
1月24日8时浙江省除宁波、嘉兴、湖州和温州无降水外，其他地区转液态降水；11时绍兴上虞转混合态降水，其他地区仍为液态降水；14时湖州长兴、安吉和德清以及嘉兴桐乡转固态降水，嘉兴海宁、绍兴诸暨和金华浦江转混合态降水，其他地区仍为液态降水；20时湖州、嘉兴、绍兴北部、宁波北部转固态降水，舟山、金华浦江、宁波奉化和杭州临安转混合态降水，其他地区仍为液态降水。25日2时降雪区域无明显变化，25日8时新增固态降水点为杭州桐庐、绍兴；20时杭州桐庐以北均为固态降水，金华东部、绍兴和宁波为混合态降水。26日5日金华以北均为固态降水，20时固态降水区域扩大到最大。27日17时-28日8时北部个别站点出现固态降水，其他地区均为液态降水，28日11时浙江中部出现混合态降水，20时雨雪渐止，过程结束。
分别将2018年1月24日20时、2018年1月25日20时和2018年1月26日20时(图1)不同起报场的GFS数据作为初始场，对降雪时段内SRF指数分布与实况进行对比发现：SRF指数大于90%的区域易出现固态降水，90%线附近较易出现混合态降水，而且不同起报场的SRF指数预报值较稳定，说明SRF指数对降水相态指示作用较好。
5.2. 2018年1月31日2时至20时降雪过程
2018年1月31日受西南气流和北方冷空气共同影响，浙江省大部分地区出现降雪天气，浙南、浙中、和浙北南部先后由小雨转小雪或雨夹雪天气。
1月31日2时杭州淳安单站转固态降水；8时杭州、绍兴、金华、宁波和台州北部转固态降水，丽水和台州南部出现混合态降水，温州和舟山出现液态降水，北部湖州和嘉兴未出现降水；14时新增嘉兴出现固态降水，湖州出现液态降水；17时固态降水区域南压，20时降水区域继续南压，宁波、舟山、台州金华东部和绍兴南部仍为固态降水，丽水和温州为液态降水，浙江北部湖嘉杭和衢州降水基本结束；23时浙江省降水过程结束。
分别将2018年1月29日20时(图2)、2018年1月30日20时(图3)不同起报场的GFS数据作为初始场，对降雪时段内SRF指数分布与实况进行对比，结论与2018年1月24日8时至28日20时降雪过程结论基本一致。
不同起报场的SRF指数与实况天气现象叠加图如图2和图3。
6. 结论
通过中尺度数值模式WRF，选取3种不同微物理过程方案，分别为Purdue Lin方案、WSM 6类方案和新Thompson方案对2000~2017年浙江省冬季存在降水相变的10次降水过程进行敏感性试验，再利用2018年1月浙江省2次降雪过程进行阈值检验和预报性能评估后，得到如下结论。
1) 使用中尺度数值模式WRF输出的诊断物理量SRF指数，对于降水相态预报具有较好的指示作用，其中微物理过程新Thompson方案预报效果最好。当SRF指数判定阈值设定在90%时，具备判别降水过程中雨、雪和雨夹雪或冰粒落区及降水相态随时间的演变的能力。
2) 根据近几个时次不同起报场对某一时次降水相态预报效果差别来看，SRF指数用于判别降水相态的预报时效较长。
3) SRF指数对沿海地区降水相态的指示作用较不理想，这可能与沿海温度和内陆温度存在的差异以及模式预报沿海地面温度存在误差较大有关。
此外，由于Micaps数据的站点分辨率和时间间隔等限制，本次研究中无法进行模式逐小时输出产品检验，下一步将利用更多个例对预报效果进行检验对比，调整模式参数和指数阈值，以期在今后的业务实际应用中得到更加准确的预报。