1. 引言
冻雨(Freezing Rain, ZR)是一种发生在近地表的过冷液体降水，其特点是雨滴的温度低于0℃。严重的冻雨天气会对农田、建筑及交通设施等造成严重破坏，我国南方地区在冬季常遭受冻雨灾害。21世纪以来，全球气候变暖显著加剧，极端天气气候事件的发生频率在全球范围内增加，其中包括严重的冻雨事件。从总体变化趋势来看，严寒天气的发生频率有所减少，而高温事件的频率则增加。然而，近年来，全球及中国极端低温事件时有发生，冻雨等极端天气的影响仍然不容忽视。以2008年为例，中国南方地区经历了一次严重的冻雨灾害，某些区域的灾害强度被评定为百年一遇[1]。
国外对冻雨的研究起步较早，对冻雨形成机制的认知较为一致。主要机制包括经典的融化机制，即高空冰晶在穿越暖层时完全融化，随后经过温度低于0℃的冷层时形成过冷水，最终在物体表面或低空冻结[2]。另外，Huffman和Norman [3]提出了过冷暖雨机制，即整层空气温度保持在0℃以下，过冷云滴与雨滴发生碰撞并结合，形成冻雨。Martner等[4]、Rauber等[5]、Szeto等[6]利用遥感技术等方法进行了系统研究，发现美国冻雨通常发生在冷暖锋相关的降水带内。Rauber等[7]的研究表明，暖雨过程在约75%的冻雨事件中起到重要作用。上述研究表明，冻雨的发生与北极冷空气团、美国东海岸的冷空气及中西部的暖锋关系密切。
为提高冻雨的预报准确性，国外学者除经验预报和数值预报外，还提出了多种预报方法。成功预报冻雨需要评估大气的热力学剖面、局地影响及非线性过程，如潜热和冷却[8]。
国内对冻雨的关注起步较晚，相关研究尚未形成系统，观测资料也相对有限。赵思雄和孙建华[9]指出，中国冻雨的相关环流形势与国外存在差异，国外冻雨研究的结果不能直接应用于我国。漆梁波和张瑛[10]提出了基于温度和厚度的冬季降水相态识别判据，对雨雪和雨夹雪的识别效果较好，但对冻雨的识别效果不佳。贵州省是我国冻雨发生最频繁的省份[11]，云南省东北部亦常出现冻雨。云南省，特别是以昆明为中心的滇中地区，已成为我国最大的鲜花生产基地。花卉种植对冻雨等极端天气具有较高的依赖性。近年来，云南东北部的花卉种植面积不断扩大，但关于冻雨的研究仍较为有限，多集中于贵州。研究发现冻雨发生时高空存在强西风，低层有西南急流，同时冷锋过境，温度场分布为底层冷、中层暖、高空冷，并存在逆温层[12]。对于云南东北部冻雨的研究相对较少，多为个例分析。王志云等[13]对2008年云南东北部冻雨过程的成因分析发现，冻雨发生时高空存在西偏北气流，但无明显南支槽；对流层中层存在逆温层；底层云南东北部处于准静止锋后，温度低于0℃。
海温、海冰异常对大气环流异常和区域气候的异常有重要影响。常蕊等[14]发现当北大西洋中纬海温呈现正异常时，有利于贝加尔湖附近出现阻塞高压，从而可能导致寒潮爆发，带来冰冻天气。付建建等[15]研究发现强La Niňa事件与中国南方气温偏低和降水偏多、蒙古冷高压增强的部分环流形势存在一定的关联。宗海锋等(2008) [16]研究发现北大西洋海温异常偏暖有利于乌拉尔山和贝加尔湖附近地区阻塞高压的形成，导致中国受到东路和西路两股冷空气的影响，使得影响中国南方的寒潮加强。刘少锋等[17]发现La Niňa发展年有利于亚洲中高纬地区阻塞高压和中国沿海附近副高的增强；北大西洋三极子型的海温异常也会加强乌拉尔山阻塞高压，进而加强东亚冬季寒潮冷空气的向南爆发。王玥彤[18]对中国西南地区冻雨进行的整体研究发现，与冻雨的发生相关的因子主要有海温和局地地形等。此外，北极海冰年代际转型与冻雨发生的次数的变化存在对应，且不同年代影响关键海区有所不同[19]。云南东北部地区冻雨的环流场特征是否与其他地区一致，冻雨的影响因素及关键影响区是否相同，是值得进一步探讨和研究的问题。
2. 数据和方法
使用1991~2020年近30年云南东部冻雨(雨凇、雾凇)和电线结冰观测日值数据，范围包括昭通和曲靖的19个台站数据，以站点是否发生雨凇或雾凇作为判断冻雨是否发生的标准。本文插图所涉及的国界和行政区域界线基于审图号为GS京(2022)1061号标准地图制作，底图无修改。
统计每年每月总的冻雨发生天数作为冻雨发生的频次，分析云南东北部冻雨发生的多时间尺度变化规律和空间分布特征，选取典型冻雨个例进行过程分析。根据云南东北部冬季冻雨发生次数距平时间序列选取出5个发生的年次数大于0.85倍标准差(+0.85α)的年份，作为冻雨发生次数偏多的年份，分别是1993年、1996年、2008年、2011年和2012年；同样的选出5个冻雨发生的年次数小于0.85倍标准差(−0.85α)的年份，作为冻雨发生次数偏少的年份，分别是2016年、2017年、2019年、2020年和2021年(这里的年份指的是前一年12月至当年2月之间的冬季)。分别将冻雨发生次数异常偏多和偏少的年份与当年位势高度场、温度场、风场等进行合成，对云南东北部地区冻雨发生次数偏多和偏少年份的大气环流进行分析。冻雨的发生情况在2014/2015年发生突变，将1991年~2014年作为冻雨发生偏多的时段，2015年~2021年作为冻雨发生偏少的时段，分别研究不同时段的冻雨发生情况与海温和海冰的不同关系。通过相关分析等方法探寻云南东北部冻雨天气的影响因子，利用海温等因子对云南冻雨的影响进行剖析，讨论影响因子与云南东北部地区冻雨产生可能存在的机制。通过逐步回归的方法选取关键的影响因子，建立预报模型，对冻雨的发生进行预报。
3. 云南东北部冻雨发生规律分析
3.1. 冻雨的空间分布特征
贵州省是我国冻雨发生最频繁的地区，曲靖市和昭通市位于云南东北部(图1)，与贵州省接壤，也经常发生冻雨。从图2中可以看出，在19个观测站点中，镇雄的冻雨发生次数最多超过10次，其次为昭通、鲁甸、宣威和威信，发生次数为3~4次，曲靖市的高海拔位置使得其冻雨发生次数较多。
Figure 1. Total number of ZR occurrence at each station in northeast Yunnan (Qujing and Zhaotong) from 1961 to 2021
图1. 1961~2021年云南东北部(曲靖和昭通)各站点冻雨发生总次数
3.2. 冻雨的时间变化特征
从冻雨发生次数的季节分布图(图2(a))可见，云南东北部冻雨主要发生在每年的11月至次年4月，其中12月至2月的冻雨发生频率最高，占总天数的94%；3月、4月和11月的冻雨发生次数较少，占总天数的6%；5月至10月则无冻雨发生。冻雨发生次数的年际变化图(图2(b))显示，冬季(12月~2月)与全年(12月~4月)的年际变化特征一致，冻雨发生次数在极少数年份有显著差异。冬季冻雨发生次数与全年冻雨发生次数的相关系数为0.979，经过显著性水平为0.05的检验。因此，后文将冬季(12月至次年2月)的冻雨发生次数作为云南冻雨次数的年际变化代表，以进一步分析云南东北部的冻雨。
Figure 2. Monthly distribution (a) and interannual variation of ZR frequency (b) (The red line: Frequency of ZR from December to February, the blue line: Frequency of ZR from November to April)
图2. 冻雨发生次数的月分布(a)及年际变化(b) (红线：12月~2月冻雨发生次数，蓝线：11月~4月冻雨发生次数)
对冬季冻雨发生次数进行连续功率谱分析(图3)显示，其主要年际变化周期约为3.1年，存在准3年的年际振荡。图4展示了云南东北部冬季冻雨发生次数距平时间序列。通过一元线性回归趋势分析可知，从1991年到2020年，冻雨发生次数逐年减少。冻雨发生次数11年滑动平均显示，1991年至2004年距平值接近于零；2005年至2013年距平值大于零；2014年至2021年距平值小于零。整体变化趋势表明，2004年至2014年期间全球变暖趋于停滞，而北极增暖的影响逐渐增强。2014年后，全球气温再次加速上升，全球变暖停滞阶段结束。
(The red dotted line: Red noise test, the solid blue line: Continuous power spectrum)
(红色虚线：红噪声检验，蓝色实线：连续功率谱)
Figure 3. Continuous power spectrum of ZR frequency (December~February)
图3. 冻雨发生次数(12月~2月)的连续功率谱
冻雨发生次数距平时间序列显示，冻雨发生最频繁的时间段为2004年至2014年，其次为1991年至2003年，而2014年至2021年冻雨发生次数明显减少。冻雨发生次数异常偏多的年份主要集中在2015年之前，如1996年、2008年、2011年和2012年，其中2008年冻雨发生次数最多，2011年次之。这两年是研究时间序列中云南东北部冻雨发生次数最多的年份。而2015年之后，冻雨发生次数基本呈现负异常。这与前人的研究结果(谷富等，2018) [20]一致。整体温度升高、降水减少是导致冻雨发生次数减少的原因。
Figure 4. Time series of anomalies of ZR frequency in Eastern Yunnan winter (December~February) (The blue dotted line: Linear regression trend, the red dotted line: Moving average, the black dotted lines: Plus or minus 0.85 standard deviation)
图4. 云南东北部冬季(12月~2月)冻雨发生次数距平时间序列(蓝色虚线：一元线性回归趋势，红色虚线：滑动平均，黑色虚线：正负0.85倍标准差)
冻雨发生次数的突变检验(图5)发现，2015年左右存在气候突变。结合冻雨发生次数距平时间序列，1991~2014年为冻雨发生次数偏多的时期，而2015~2021年则为冻雨发生次数偏少的时期。
Figure 5. Mann-Kendall test of the annual frequency of ZR (December~February)
图5. 冻雨年发生次数(12月~2月)的Mann-Kendall检验
3.3. 云南东北部地区冻雨偏多偏少年大气环流异常
根据云南东北部冬季冻雨发生次数距平时间序列(图4)，选取了5个冻雨发生次数偏多的年份，分别是1993年、1996年、2008年、2011年和2012年；同样选取了5个冻雨发生次数偏少的年份，分别是2016年、2017年、2019年、2020年和2021年。从500 hPa的位势高度距平场(图6(a))来看，冻雨偏多的年份主要受到欧亚上游北欧乌拉尔山附近阻塞高压和南侧切断低压系统的影响。这种偶极子型的阻塞高压维持时间较长且强度较大，有利于我国冬季寒潮冷空气的爆发，导致大范围冻雨天气。云南东北部各层位势高度呈现负距平，存在气旋式异常，有利于发生对流，从而导致冻雨的发生。北极地区位势高度也呈现负距平，北极涡旋强度偏强，为寒潮的爆发提供了大量冷空气。从高空到地面的环流形势异常基本一致，呈上下一致的正压结构，北半球呈典型的纬圈三波结构特点，但不同于冬季平均三大槽脊的分布特点，北欧乌拉尔山附近的异常高压脊最为强大，热带副热带地区位势高度异常偏低，加强了亚欧大陆位势高度、西北高东南低的南北气压梯度，有利于冷空气输送。
((a): 500 hPa, (b): 700 hPa, (c): 850 hPa, (d): 1000 hPa, the dot area: Passed the significance test of 0.05, the solid line: Climatic mean height field, the star: The study area)
((a) 500 hPa，(b) 700 hPa，(c) 850 hPa，(d) 1000 hPa，打点区域：通过0.05的显著性检验，实线：气候平均位势高度场，星号：研究区域)
Figure 6. Geopotential height anomaly of the years of more ZR in winter (December~February)
图6. 冻雨发生频次偏多年冬季(12月~2月)位势高度异常
冻雨偏少的年份(图7(a))，与偏多年份相比，异常高压的位置偏北，阻塞低压的位置偏东，寒潮天气主要影响我国东北、华北以及日本，对西南地区影响较小。西南地区整体的位势高度呈正距平，存在反气旋异常，不利于对流的发生。北极地区位势高度呈现正距平，北极涡旋强度偏弱，未能为强寒潮提供足够的冷空气。高空至地面的环流形势异常表现为正压结构特征，中高纬度呈纬向1~2波的行星波分布，热带副热带地区整体位势高度异常升高，亚欧大陆位势高度呈现“低–高–低”的特点，西南地区位势高度异常偏高，冷空气的影响区域偏东北，不利于冷空气输送。
((a): 500 hPa, (b): 700 hPa, (c): 850 hPa, (d): 1000 hPa, the dot area: Passed the significance test of 0.05, the solid line: Climatic mean height field, the star: The study area)
((a) 500 hPa，(b) 700 hPa，(c) 850 hPa，(d) 1000 hPa，打点区域：通过0.05的显著性检验，实线：气候平均位势高度场，星号：研究区域)
Figure 7. Geopotential height anomaly of the years of less ZR in winter (December~February)
图7. 冻雨发生频次偏少年冬季(12月~2月)位势高度异常
冻雨发生次数偏多的年份(图8)，欧亚地区大范围呈温度负距平，表明冷空气大规模南下，云南东北部地区低层温度偏低。风场异常显示，欧洲东部存在强的反气旋式环流，有利于冷空气从极地向西伯利亚移动，并在寒潮关键区堆积。
((a) 500 hPa, (b) 700 hPa, (c) 850 hPa, (d) 1000 hPa, the dot area: Passed the significance test of 0.05, the star: The study area)
((a) 500 hPa，(b) 700 hPa，(c) 850 hPa，(d) 1000 hPa，打点区域：通过0.05的显著性检验，星号：研究区域)
Figure 8. The temperature anomaly of the years of more ZR in winter (December~February)
图8. 冻雨发生频次偏多年冬季(12月~2月)温度异常
冻雨发生次数异常偏少的年份(图9)，温度场的异常分布相比于偏多年份，欧亚大陆大范围为正距平，仅亚洲东部存在小范围负距平，云南东北部地区负距平较弱，温度偏高。乌拉尔山附近到欧洲地区的低层存在负距平，但高层负距平减弱，西西伯利亚附近负距平转为正距平。这种温度场配置不利于冷空气从极地向云南东北部地区输送，无法造成持续的冻雨天气。
前人研究指出，逆温层的存在有利于冻雨的产生。强度强、范围广泛的寒潮会引发云南东北部冻雨的发生，这与前文冻雨发生次数异常偏多与偏少的分析结果相一致。当位势高度场和温度场的配置有利于寒潮发生时，如欧亚上游北欧乌拉尔山附近存在异常高压，云南东北部地区的位势高度呈负异常，欧亚大范围异常偏冷，并且冷空气能够到达云南东北部区域时，冻雨发生次数会增加；反之，则冻雨发生次数减少。
((a) 500 hPa, (b) 700 hPa, (c) 850 hPa, (d) 1000 hPa, the dot area: Passed the significance test of 0.05, the star: The study area)
((a) 500 hPa，(b) 700 hPa，(c) 850 hPa，(d) 1000 hPa，打点区域：通过 0.05 的显著性检验，星号：研究区域)
Figure 9. The temperature anomaly of the years of less ZR in winter (December~February)
图9. 冻雨发生频次偏少年冬季(12月~2月)温度异常
4. 云南东北部冻雨影响因子分析
4.1. 海温和海冰距平异常分布
在冻雨发生次数偏多的年份(图10)，海温大范围呈负距平，主要的异常海区为赤道中东太平洋。该区域表现为La Niňa型异常，并且秋季及冬季异常显著。而在冻雨发生次数偏少的年份，海温大范围呈正异常，春季、夏季、秋季及冬季均存在明显的正异常。主要异常海区包括北大西洋和东北太平洋沿岸，北大西洋海区海温距平从中低纬到高纬呈现“正–负–正”模态，东北太平洋沿岸的海温则表现为正距平，这与前人研究相一致，此种海温模态有利于阻塞高压发展。
((a) and (b): March to May of the year of more and less ZR, (c) and (d): June of August of the year of more and less ZR, (e) and (f): September to November of the year of more and less ZR, (g) and (h): December to February of the year of more and less ZR, the dot area: Passed the significance test of 0.05, the star: The study area)
((a) (b)：偏多和偏少年3月~5月，(c) (d)：偏多和偏少年6月~8月，(e) (f)：偏多和偏少年9月~11月，(g) (h)：偏多和偏少年12月~次年2月，打点区域：通过0.05的显著性检验，星号：研究区域)
Figure 10. The sea surface temperature anomaly of the years of more and less ZR
图10. 冻雨发生频次偏多和偏少年海表面异常
图11是冻雨发生偏多和偏少时期的北极海冰密集度距平。在冻雨发生偏多的时期(1991年~2014年)，海冰异常不显著，仅在前一年秋季，从喀拉海到西伯利亚区域存在海冰正异常，格陵兰岛附近存在负异常。在冻雨发生偏少的时期(2015年~2021年)，前一年春季、夏季、秋季以及当年冬季均表现出海冰异常，从喀拉海到波弗特海存在海冰负异常，格陵兰岛附近则存在海冰正异常。
((a): March to May from 1991 to 2014, (b): June of August from 1991 to 2014, (c): September to November from 1991 to 2014, (d): December to February from 1991 to 2014, (e): March to May from 2015 to 2021, (f): June of August from 2015 to 2021, (g): September to November from 2015 to 2021, (h): December to February from 2015 to 2021, the dot area: passed the significance test of 0.05)
((a)：1991~2014年的3~5月，(b)：1991~2014年的6~8月，(c)：1991~2014年的9~11月，(d)：1991~2014年的12~2月，(e)：2015~2021年的3~5月，(f)：2015~2021年的6~8月，(g)：2015~2021年的9~11月，(h)：2015~2021年12~2月，打点区域：通过0.05显著性检验)
Figure 11. The Arctic sea ice intensity anomaly of 1991 to 2014 and 2015 to 2021
图11. 1991~2014年和2015~2021年北极海冰密集度异常
4.2. 冻雨发生次数预报模型
对于降水偏多的年份(图12(a) (b))选取前一年秋季关键区的赤道中东太平洋海温距平和喀拉海、北极中央、东西伯利亚海的海冰距平作为预报因子(表1)，使用逐步回归方法进行因子筛选，最终确定赤道中东太平洋海温距平为有效预报因子。利用一元线性回归方法对1991~2014年标准化的云南东北部冬季冻雨发生次数y进行预报，得到预报方程为：
。
对于降水偏少的年份(图12(c) (d))选取前一年秋季关键区的西北太平洋和太平洋中部的海温距平和喀拉海、东西伯利亚海、拉普捷夫海、格陵兰海、巴芬湾、波弗特海的海冰距平作为预报因子(表1)，使用逐步回归方法筛选出西北太平洋海温距平和巴芬湾海冰距平作为有效预报因子。采用二元线性回归方法对2015~2021年标准化的云南东北部冬季冻雨发生次数进行预报，得到预报方程为：
。
Table 1. Distribution of key forecast areas of the years of more and less ZR during 1991~2014 and 2015~2021
表1. 1991~2014年和2015~2021年冻雨发生偏多和偏少年的预报关键区分布
年份 |
关键区 |
经度 |
纬度 |
1991~2014 |
赤道中东太平洋x1 |
180˚~100˚W |
6N˚~8˚S |
喀拉海x2 |
63.5˚E~69.5˚E |
74.5˚N~73.5˚N |
北极中央x3 |
125.5˚W~119.5˚W |
82.5˚N~90˚N |
东西伯利亚海x4 |
120˚E~133˚E |
70˚N-72˚N |
楚科奇海x5 |
163.5˚E~178.5˚E |
63.5˚N~77.5˚N |
巴芬湾x6 |
166˚W~180˚W |
72˚N~48˚N |
2015~2021 |
西北太平洋x7 |
91.5˚W~72.5˚W |
67.5˚N~76.5˚N |
太平洋中部x8 |
160˚W~152˚W |
2˚N~44˚N |
格陵兰海x9 |
23.5˚W~4.5˚E |
69.5˚N~79.5˚N |
巴芬湾x10 |
90.5˚W~60.5˚W |
60.5˚N~80.5˚N |
波弗特海x11 |
176.5˚W~122.5˚W |
65.5˚N~79.5˚N |
喀拉海x12 |
68.5˚E~72.5˚E |
67.5˚N~73.5˚N |
拉普捷夫海x13 |
92.5˚E~135.5˚E |
70.5˚N~79.5˚N |
东西伯利亚海x14 |
157.5˚E~167.5˚E |
70.5˚N~80.5˚N |
((a): Key forecast areas of sea surface temperature of the years of more ZR, (b): Key forecast areas of sea ice intensity of the years of more ZR, (c): Key forecast areas of sea surface temperature of the years of less ZR, (d): Key forecast areas of sea ice intensity of the years of less ZR) ((a)：偏多年海温预报关键区，(b)：偏多年海冰密集度预报关键区，(c)：偏少年海温预报关键区，(d)：偏少年海冰密集度预报关键区)
Figure 12. Distribution of key forecast areas (blue box) of sea surface temperature and sea ice intensity of the years of more and less ZR
图12. 冻雨发生偏多和偏少年的海温和海冰密集度预报关键区(蓝框)分布
冻雨发生偏多的年份的预报值
与实际冻雨发生次数的标准化距平的相关系数为0.4740，冻雨发生偏少的年份的预报值
与实际冻雨发生次数的标准化距平的相关系数为0.9225。模型对于降水偏少年模拟较好，但对降水偏多年模拟效果较差，未能有效模拟极值。
5. 结论与讨论
本文依据1991~2021年云南东北部冻雨相关观测日值数据，分析了云南东北部冻雨天气的发生规律和影响因子。研究结论如下：
云南东北部冻雨主要发生在12月至1月，呈现约3.1年的变化周期。从1991年到2021年，冻雨发生次数总体呈现减弱趋势，近年冻雨发生次数较少。冻雨发生次数在2014/2015年出现显著突变，1991年~2014年冻雨发生次数偏多，而2015年~2021年冻雨发生次数偏少。
对冻雨发生偏多和偏少年份的大气环流进行合成分析发现，在偏多年欧亚上游乌拉尔山附近阻塞高压及其南侧的切断低压系统强度偏强，整个北极地区和西南地区的位势高度呈负距平，亚欧大陆位势高度呈现西北高东南低的特征，有利于冷空气从北极向云南东北部输送；在偏少年阻塞低压的位置偏东，位势高度异常分布与偏多年份相反。对偏多和偏少年的各层温度场和风场进行合成分析发现，偏多年欧亚地区大范围呈现负距平，且云南东北部低层温度偏低。从风场来看，欧洲东部的强反气旋式环流有利于冷空气从极地向西伯利亚移动，在寒潮关键区积累；偏少年温度场的异常分布与冻雨偏多时相反。
通过研究海温和海冰对冻雨发生次数的影响，发现冻雨发生时赤道中东太平洋区域存在La Niňa型的海温异常，北大西洋海区存在三极子型的海温异常，这与乌拉尔山附近阻塞高压的加强有关，进而影响云南东北部地区的冻雨发生。1991~2014年冻雨发生次数与赤道中东太平洋海温关系较为显著，2015~2021年冻雨发生次数则与西北太平洋海温及巴芬湾的海冰关系更加密切。建立的冻雨预报模型对2015~2021年冻雨发生次数的模拟效果较好，但对1991~2014年的模拟效果较差。未来的研究应进一步探讨1991~2014年冻雨发生次数的预报因子，并对环流与云南东北部冻雨发生的关系进行深入分析。
基金项目
国家自然科学基金(42075024)；国家重点研发计划(2019YFA0607004)；山东省自然科学基金重大基础研究项目(ZR2019ZD12)。
NOTES
*通讯作者。